CN104597526A - 基于电网地理信息系统的气象干旱监测预警系统及方法 - Google Patents
基于电网地理信息系统的气象干旱监测预警系统及方法 Download PDFInfo
- Publication number
- CN104597526A CN104597526A CN201410844392.XA CN201410844392A CN104597526A CN 104597526 A CN104597526 A CN 104597526A CN 201410844392 A CN201410844392 A CN 201410844392A CN 104597526 A CN104597526 A CN 104597526A
- Authority
- CN
- China
- Prior art keywords
- drought
- index
- early warning
- meteorological
- arid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000001556 precipitation Methods 0.000 claims description 55
- 230000008569 process Effects 0.000 claims description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 238000013500 data storage Methods 0.000 abstract 1
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000006735 deficit Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000007261 regionalization Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开基于电网地理信息系统的气象干旱监测预警系统及方法,包括系统数据库自动化更新、干旱数据查询与指数计算、干旱区域图表生成及干旱监测预警模块;数据库自动化更新模块获取气象局历史气象资料,实现实时气象资料定时入库;干旱数据查询与指数计算模块调用干旱监测数据库数据,进行干旱指数计算,并实现气象要素的多条件灵活查询、统计计算功能;干旱区域图表生成模块提供栅格图、折线图、表形式多样的产品表达方式;将各个指数模块结合电网杆塔信息分别在GIS上实现,并提供杆塔干旱等级监测与预警;如若该杆塔不是干旱发生点,系统无预警,如该杆塔为干旱发生点,系统发出预警。本发明可有效提高电网抵御干旱灾害的能力。
Description
技术领域
本发明涉及气象监测预警技术领域,具体涉及基于电网地理信息系统的气象干旱监测预警系统及方法。
背景技术
气象自然灾害是威胁现代电网安全的主要因素。据有关统计,气象灾害引发的电网事故约占事故总数的70%。电力系统中某一元件故障,可能导致一系列其他元件停运,并连锁反应迅速蔓延,最终发生电网崩溃的现象。干旱是主要的自然灾害之一,具有持续时间长,影响范围广的特点。在全球变暖的大背景下,频繁发生的严重干旱,引起社会的广泛关注。2012年2月,云南省经历了50年一遇的大旱,持续干旱造成全省16个州(市)1344.95万人受灾,533万人、295.1万头大牲畜出现饮水困难,秋冬播农作物受灾3563万亩、绝收814.84万亩。全省缺电率超过30%。因此,开展区域电网干旱监测预警的研究十分必要。干旱灾害在云南、贵州等西南地区尤为明显,其更是常因干旱造成缺水,从而影响区域发电量明显降低。针对出现的旱情,电网保护人员需要多方了解气象信息,密切跟踪旱情发展情况,及时对抗旱保供电工作进行部署。
现有的电网干旱监测是通过人为计算某一干旱指数的结果,形成某一区域整体干旱监测,从而对电网影响区域进行大致估算,缺乏将电网地理信息与干旱监测相结合的综合应用平台。故障发生后,保护人员往往无法及时发现问题赶至现场查看故障和保护事件记录,从而造成事故范围进一步扩大,给受灾人员和维护人员都带来极大的困扰。
发明内容
为解决现有技术中的不足,本发明提供了一种基于电网地理信息系统的气象干旱监测预警系统及方法,解决了电网保护人员无法及时发现问题赶至现场查看故障和保护事件记录,从而造成事故范围进一步扩大的问题。
为了实现上述目标,本发明采用如下的技术方案:基于电网地理信息系统的气象干旱监测预警系统,其特征在于,包括:
1)系统数据库自动化更新模块,数据库中的数据包括国家级站点自建站以来气象干旱监测所需的历史气象数据,以及气象干旱监测预警系统定时从气象资料数据库中更新的实时气象数据,自动生成更新日志;
2)干旱数据查询与指数计算模块,根据用户输入的查询时间段和干旱要素从本地系统数据库中查询气象干旱监测数据;根据输入的干旱要素选择相应的干旱指数计算方法进行计算;
3)干旱区域图表生成模块,根据上述步骤中计算得到的干旱指数,生成监测区域相应的干旱指数图表;
4)干旱监测预警模块,结合电网地理信息系统的数据库以及所述的干旱指数图表得到杆塔干旱预警信息,供电网调度人员查看。
前述的基于电网地理信息系统的气象干旱监测预警系统,其特征是:所述气象干旱监测数据包括自动气象观测站最高最低气温、日降水量、日照时数、实际水汽压、风速和平均气温数据。
前述的基于电网地理信息系统的气象干旱监测预警系统,其特征是:所述干旱指数包括标准化降水指标SPI,降水距平百分率指标,综合气象干旱指数CI和相对湿润度指标MI;所述干旱要素为所述干旱指数中的任意一种。
前述的基于电网地理信息系统的气象干旱监测预警系统,其特征是:所述干旱指数图表包括干旱监测站点的干旱指数栅格图、站点历史干旱指数折线图和干旱指数表。
前述的基于电网地理信息系统的气象干旱监测预警系统的方法,其特征是:包括以下步骤:
步骤一,输入要查询的时间和干旱要素;
步骤二,根据输入的时间和干旱要素计算干旱指数;
步骤三,根据步骤二中计算的所述干旱指数,生成干旱分布图表;所述干旱分布图表包括干旱指数栅格图、站点历史干旱指数折线图和站点干旱指数表;
步骤四,结合电网地理信息系统(GIS)和所述干旱分布图表,将观测数据进行网格化处理,得到高精度的干旱指数数据;统计出电网中的杆塔干旱等级信息,可形成杆塔干旱等级表供用户查询杆塔处干旱情况;
步骤五,干旱监测预警系统发布干旱预警信息,所述的干旱预警信息包括一级红色预警、二级橙色预警、三级黄色预警、四级蓝色预警。
前述的基于电网地理信息系统的气象干旱监测预警方法,其特征是:所述的干旱指数计算方法包括:
1)降水距平百分率指数的计算,利用某时段降水量与常年同期降水量计算,并按照降水距平百分率指数等级划分标准,划分为5个等级,分别为无旱、轻旱、中旱、重旱、特旱;
2)标准化降水指数SPI值的计算,采用Γ分布概率来描述降水量的变化,然后再经正态标准化求得SPI值,按照SPI指数等级划分标准,划分为无旱、轻旱、中旱、重旱、特旱5个等级;
3)相对湿润度指数MI值的计算,采用某时段降水量与同时段可能蒸散量之间平衡的关系建立的指标,按照MI指数等级划分标准,划分为无旱、轻旱、中旱、重旱、特旱5个等级;
4)综合干旱指数CI值的计算,采用近30天(相当月尺度)和近90天(相当季尺度)降水量标准化降水指数,以及近30天相对湿润指数进行综合而得;按照CI指数等级划分标准,划分为无旱、轻旱、中旱、重旱、特旱5个等级。
本发明所达到的有益效果:通过数据库自动化更新模块获取气象局历史气象资料,并实现实时气象资料定时入库;干旱数据查询与指数计算模块调用干旱监测数据库数据,进行干旱指数计算,并实现气象要素的多条件灵活查询、统计计算功能;干旱区域图表生成模块提供栅格图、折线图、表形式多样的产品表达方式;最终将各个指数模块结合电网杆塔信息分别在GIS上实现,并提供杆塔干旱等级监测与预警。通过对多种干旱指数相互印证,呈现最能反映实际旱情的干旱信息,采用GIS技术对气象印证进行精细化模拟,通过小网格推算模式建立1km网格距的气象数据库,以供各种气候模型调用计算。本发明将干旱影响区域与杆塔信息结合,精确反映出受旱灾影响杆塔的情况,可有效地省去去现场查看故障信息而耽误的时间,可有效提高电网抵御干旱灾害的能力。
附图说明
图1是基于电网地理信息系统的气象干旱监测预警系统总体结构示意图;
图2是基于电网地理信息系统的气象干旱监测预警方法流程图;
图3是南方五省2010年11月降水距平百分率指数干旱分布图。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
本发明中的气象资料数据来源于国家气象局下发的逐日地面气象站观测数据。
基于电网地理信息系统的气象干旱监测预警系统,包括一下几个模块:
1)系统数据库自动化更新模块,气象干旱监测预警系统所需的的历史数据是从中国气象局申请获得,实时数据是定时从气象资料数据库中更新获得,自动生成更新日志;将实时数据与历史数据对接,建立干旱监测预警综合数据库。本系统中相对湿润度指数MI指数和综合气象干旱指数CI指数需要用到的蒸散量的计算结果需要根据自动气象站的日数据每日运行程序获得,而最终的月尺度统计结果每月自动运行更新程序,每月1号08点开始从气象资料数据库读取并计算更新本地数据库中相应表中数据,年尺度统计结果则以每年1月1号08点更新,整个过程不需要人工参与。
所述的气象干旱监测数据包括自动气象观测站最高最低气温、日降水量、日照时数、实际水汽压、风速、平均气温数据。
2)干旱数据查询与指数计算模块,根据用户输入的查询时间段和干旱要素从本系统数据库中查询气象干旱监测数据;根据查询的干旱要素选择相应的干旱指数计算方法进行计算,所述干旱指数包括标准化降水指标SPI,降水距平百分率指标,综合指标CI,和相对湿润度指标MI;所述干旱要素为所述干旱指数中的任意一种。
3)干旱区域图表生成模块,根据上述步骤中计算得到的干旱指标,生成监测区域相应的干旱指数图表,所述干旱指数图表包括干旱监测站点的干旱指数栅格图、站点历史干旱指数折线图和干旱指数表。
4)干旱监测预警模块,结合电网地理信息系统的数据库以及所述的干旱指数图表得到杆塔干旱监测预警信息,供电网调度人员查看。
基于电网地理信息系统的气象干旱监测预警方法,包括:
步骤一,输入要查询的时间和干旱要素;
步骤二,根据输入的时间和干旱要素计算干旱指数。四种干旱指数的计算方法如下所示:
(1)降水距平百分率指数Pa
降水距平百分率Pa是表征某时段降水量较常年同期值偏多或变少的指标之一,能直观反映降水异常引起的干旱。
某时段降水量距平百分率按如下公式计算:
式中:P为某时段降水量(单位为毫米mm),为计算时段同期气候平均降水量,其计算公式为其中1年<n<30年。
按照国家气象干旱等级划分标准,干旱可根据月、年降水量距平百分率分为以下五个等级:
表1降水量距平百分率气象干旱等级划分表
(2)标准化降水指数SPI
标准化降水指数SPI在降水分析中,采用Γ分布概率来描述降水量的变化,然后再经正态标准化求得SPI值。
其计算步骤为:
1)假设某一时段的降水量为x,则其分布的概率密度函数为:
式中:β>0,γ>0分别为尺度和形状参数,β、γ可采用极大似然估计法求得,见式(3)和式(4),
其中,
式中,xi为降水量资料样本,为降水量气候平均值。确定概率密度函数中的参数后,对于某一年的降水量x0,可求出随机变量x小于x0事件的概率为:
利用数值积分可以计算用(2)式代入(6)式后的事件概率近似估计值。
2)降水量为0时的事件概率由下式估计:
F(x=0)=m/n (7)
式中为m降水量为0的样本数,n为总样本数。
3)对Γ分布概率进行正态标准化处理,即将式(6)、(7)求得的概率值代入标准化正态分布函数,即
对式(8)进行近似求解可得
式中:F为式(6)或式(7)求得的概率;并当F>0.5时,S=1,当F≤0.5时,S=-1。常数c0=2.515517,c1=0.802853,c2=0.010328,d1=1.432788,d2=0.189269,d3=0.001308。由(9)式求得的Z值也就是标准化降水指数SPI。根据SPI的干旱等级划分标准如表2所示。
表2标准化降水指数SPI的干旱等级标准
(3)相对湿润度指数MI
相对湿润度指数MI是某时段降水量与同时段可能蒸散量之间平衡的指标,可以反映短时间尺度(月)季节性、区域性水分亏缺情况。
可由下式求得:
式中:P为某时段的降水量,PE为某时段的可能蒸散量,采用联合国粮农组织FAO推荐的Penman-Monteith(FAO,1998)公式计算,其计算公式为:
式中,Rn为地表净辐射(MJ·m-2·d-1),G为土壤热通量(MJ·m-2·d-1),T为2m高处平均气温(℃),U2为2m高处风速(m·s-1),es为饱和水汽压(kPa),ea为实际水汽压(kPa),Δ为饱和水汽压曲线斜率(kPa·℃-1),r为干湿表常数(kPa·℃-1)。
根据MI的干旱等级划分标准见表3。
表3相对湿润度指数MI的干旱等级标准
(4)综合气象干旱指数CI
综合气象干旱指数CI是利用近30天(相当于月尺度)和近90天(相当于季尺度)降水量标准化降水指数SPI,以及近30天相对湿润指数MI进行综合而得,该指标既反映短时间尺度(月)和长时间尺度(季)降水量气候异常情况,又反映短时间尺度(影响农作物)水分亏欠情况。该指标适合实时气象干旱监测和历史同期气象干旱评估。
CI的计算公式为:
CI=aZ30+bZ90+cMI30 (12)
式中:Z30、Z90分别为近30天和近90天标准化降水指数SPI值;MI30为近30天相对湿润度指数;a为近30天标准化降水系数,由达轻旱以上级别Z30的平均值除以历史出现的最小Z30值得到,平均取0.4;b为近90天标准化降水系数,由达轻旱以上级别Z90的平均值除以历史出现最小Z90值得到,平均取0.4;c为近30天相对湿润系数,由达轻旱以上级别MI30的平均值,除以历史出现最小MI30值得到,平均取0.8。
通过(12)式,利用前期平均气温、降水量可以滚动计算出每天综合干旱指数CI,进行干旱区划。根据CI的干旱等级划分标准见表4。
表4综合气象干旱指数CI的干旱等级标准
步骤三,根据步骤二中计算的干旱指数结果,生成干旱指数栅格图、站点历史干旱指数折线图、站点干旱指数表(.xls)。
由于观测站点稀疏,往往导致以单个站点数据代替一个区域的气象数据,使得数据精度太低,在气候区划图上无法达到较高精度的要求。本系统引入地理信息系统(GIS)技术,将观测数据进行网格化处理(网格间距为1km×1km),得到高精度的干旱指数数据,在此基础上,结合GIS的空间分析、地图渲染、制图等功能输出需要的GIS图片和信息。
干旱分布图的生成是本气象干旱监测预警方法中的重要步骤。利用颜色渲染、图案填充等形式将数据在地图上展示出来,将因隐藏在统计数据中的有用信息和干旱发展趋势以可视化的图形方式显示出来。目前本系统已实现南方五省(广州、广西、云南、贵州、海南)干旱监测,如图3所示为南方五省2010年11月降水距平百分率指数的干旱分布图。
步骤四,通过电网地理信息系统和上述步骤中的干旱分布图,统计出杆塔干旱等级信息,可形成杆塔干旱等级监测,此步骤是实现电网气象干旱监测预警的核心。
步骤五,用户通过在杆塔干旱等级表中查询杆塔名即可准确了解对应杆塔干旱等级,同时在系统界面发布干旱预警信号,从而对杆塔起到及时的监测预警作用。在我国干旱预警等级分为特旱(一级红色预警),重旱(二级橙色预警),中旱(三级黄色预警)、轻旱(四级蓝色预警)四个等级。
将干旱影响区域与杆塔信息结合,即基于电网地理信息系统,精确反映出受旱灾影响杆塔的情况,可有效地省去去现场查看故障信息而耽误的时间。在事故或灾害来临时,系统发布及时的预警信息,可为事故发生点的受害区域进行多通道供电,以杜绝单根线路出问题而导致的该区域无法供电的问题。通过及时准确传输气象站点的信息,起到了提高电网线路断电监测预警的目的。本发明为电网干旱监测业务提供一个统一的系统平台和资料查询输出接口,可有效提高电网干旱监测预警的能力。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (6)
1.基于电网地理信息系统的气象干旱监测预警系统,其特征在于,包括:
1)系统数据库自动化更新模块,数据库中的数据包括国家级站点自建站以来气象干旱监测所需的历史气象数据,以及气象干旱监测预警系统定时从气象资料数据库中更新的实时气象数据,自动生成更新日志;
2)干旱数据查询与指数计算模块,根据用户输入的查询时间段和干旱要素从本地系统数据库中查询气象干旱监测数据;根据输入的干旱要素选择相应的干旱指数计算方法进行计算;
3)干旱区域图表生成模块,根据上述步骤中计算得到的干旱指数,生成监测区域相应的干旱指数图表;
4)干旱监测预警模块,结合电网地理信息系统的数据库以及所述的干旱指数图表得到杆塔干旱预警信息,供电网调度人员查看。
2.根据权利要求1所述的基于电网地理信息系统的气象干旱监测预警系统,其特征是:所述气象干旱监测数据包括自动气象观测站最高最低气温、日降水量、日照时数、实际水汽压、风速和平均气温数据。
3.根据权利要求1所述的基于电网地理信息系统的气象干旱监测预警系统,其特征是:所述干旱指数包括标准化降水指标SPI,降水距平百分率指标,综合气象干旱指数CI和相对湿润度指标MI;所述干旱要素为所述干旱指数中的任意一种。
4.根据权利要求1所述的基于电网地理信息系统的气象干旱监测预警系统,其特征是:所述干旱指数图表包括干旱监测站点的干旱指数栅格图、站点历史干旱指数折线图和干旱指数表。
5.一种根据上述任一权利要求中所述的基于电网地理信息系统的气象干旱监测预警系统的方法,其特征是:包括以下步骤:
步骤一,输入要查询的时间和干旱要素;
步骤二,根据输入的时间和干旱要素计算干旱指数;
步骤三,根据步骤二中计算的所述干旱指数,生成干旱分布图表;所述干旱分布图表包括干旱指数栅格图、站点历史干旱指数折线图和站点干旱指数表;
步骤四,结合电网地理信息系统(GIS)和所述干旱分布图表,将观测数据进行网格化处理,得到高精度的干旱指数数据;统计出电网中的杆塔干旱等级信息,可形成杆塔干旱等级表供用户查询杆塔处干旱情况;
步骤五,干旱监测预警系统发布干旱预警信息,所述的干旱预警信息包括一级红色预警、二级橙色预警、三级黄色预警、四级蓝色预警。
6.根据权利要求5所述的基于电网地理信息系统的气象干旱监测预警方法,其特征是:所述的干旱指数计算方法包括:
1)降水距平百分率指数的计算,利用某时段降水量与常年同期降水量计算,并按照降水距平百分率指数等级划分标准,划分为5个等级,分别为无旱、轻旱、中旱、重旱、特旱;
2)标准化降水指数SPI值的计算,采用Γ分布概率来描述降水量的变化,然后再经正态标准化求得SPI值,按照SPI指数等级划分标准,划分为无旱、轻旱、中旱、重旱、特旱5个等级;
3)相对湿润度指数MI值的计算,采用某时段降水量与同时段可能蒸散量之间平衡的关系建立的指标,按照MI指数等级划分标准,划分为无旱、轻旱、中旱、重旱、特旱5个等级;
4)综合干旱指数CI值的计算,采用近30天(相当月尺度)和近90天(相当季尺度)降水量标准化降水指数,以及近30天相对湿润指数进行综合而得;按照CI指数等级划分标准,划分为无旱、轻旱、中旱、重旱、特旱5个等级。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410844392.XA CN104597526A (zh) | 2014-12-30 | 2014-12-30 | 基于电网地理信息系统的气象干旱监测预警系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410844392.XA CN104597526A (zh) | 2014-12-30 | 2014-12-30 | 基于电网地理信息系统的气象干旱监测预警系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104597526A true CN104597526A (zh) | 2015-05-06 |
Family
ID=53123431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410844392.XA Pending CN104597526A (zh) | 2014-12-30 | 2014-12-30 | 基于电网地理信息系统的气象干旱监测预警系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104597526A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372422A (zh) * | 2016-04-08 | 2017-02-01 | 中国水利水电科学研究院 | 一种内陆河三元结构的干旱评价系统 |
CN107145666A (zh) * | 2017-05-05 | 2017-09-08 | 南京信息工程大学 | 小麦自然水分亏缺干旱评估模型的gis建模方法 |
CN107329938A (zh) * | 2017-06-29 | 2017-11-07 | 北京师范大学 | 一种河流干旱灾害情况预测方法 |
CN107942988A (zh) * | 2017-12-26 | 2018-04-20 | 洛阳凡智电子科技有限公司 | 智慧渠管理系统 |
CN108710989A (zh) * | 2018-04-19 | 2018-10-26 | 西安理工大学 | 一种基于联合分布函数的综合干旱指数 |
CN109063975A (zh) * | 2018-07-11 | 2018-12-21 | 国网黑龙江省电力有限公司电力科学研究院 | 一种电力微气象灾害监测及预警装置 |
CN111738175A (zh) * | 2020-06-24 | 2020-10-02 | 桂林理工大学 | 一种基于遥感影像和卷积神经网络的农业干旱监测系统 |
CN111930866A (zh) * | 2020-07-31 | 2020-11-13 | 中国科学院地理科学与资源研究所 | 基于格网的分层热预警实时发布和显示方法、系统及设备 |
CN111950813A (zh) * | 2020-08-31 | 2020-11-17 | 广西壮族自治区农业科学院 | 一种气象干旱监测与预测方法 |
CN112540992A (zh) * | 2020-12-16 | 2021-03-23 | 辛集市气象局 | 夏玉米水分亏缺指数数据综合显示系统 |
CN116128371A (zh) * | 2023-02-27 | 2023-05-16 | 水利部信息中心(水利部水文水资源监测预报中心) | 一种多指标综合干旱监测预警系统 |
CN117688290A (zh) * | 2023-12-11 | 2024-03-12 | 中国科学院地理科学与资源研究所 | 基于等级划分的干旱灾害综合风险预警方法及系统 |
-
2014
- 2014-12-30 CN CN201410844392.XA patent/CN104597526A/zh active Pending
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106372422B (zh) * | 2016-04-08 | 2018-09-25 | 中国水利水电科学研究院 | 一种内陆河三元结构的干旱评价系统 |
CN106372422A (zh) * | 2016-04-08 | 2017-02-01 | 中国水利水电科学研究院 | 一种内陆河三元结构的干旱评价系统 |
CN107145666A (zh) * | 2017-05-05 | 2017-09-08 | 南京信息工程大学 | 小麦自然水分亏缺干旱评估模型的gis建模方法 |
CN107329938A (zh) * | 2017-06-29 | 2017-11-07 | 北京师范大学 | 一种河流干旱灾害情况预测方法 |
CN107942988B (zh) * | 2017-12-26 | 2024-04-02 | 洛阳凡智电子科技有限公司 | 智慧渠管理系统 |
CN107942988A (zh) * | 2017-12-26 | 2018-04-20 | 洛阳凡智电子科技有限公司 | 智慧渠管理系统 |
CN108710989A (zh) * | 2018-04-19 | 2018-10-26 | 西安理工大学 | 一种基于联合分布函数的综合干旱指数 |
CN109063975A (zh) * | 2018-07-11 | 2018-12-21 | 国网黑龙江省电力有限公司电力科学研究院 | 一种电力微气象灾害监测及预警装置 |
CN111738175A (zh) * | 2020-06-24 | 2020-10-02 | 桂林理工大学 | 一种基于遥感影像和卷积神经网络的农业干旱监测系统 |
CN111930866A (zh) * | 2020-07-31 | 2020-11-13 | 中国科学院地理科学与资源研究所 | 基于格网的分层热预警实时发布和显示方法、系统及设备 |
CN111950813A (zh) * | 2020-08-31 | 2020-11-17 | 广西壮族自治区农业科学院 | 一种气象干旱监测与预测方法 |
CN112540992A (zh) * | 2020-12-16 | 2021-03-23 | 辛集市气象局 | 夏玉米水分亏缺指数数据综合显示系统 |
CN112540992B (zh) * | 2020-12-16 | 2024-05-24 | 辛集市气象局 | 夏玉米水分亏缺指数数据综合显示系统 |
CN116128371A (zh) * | 2023-02-27 | 2023-05-16 | 水利部信息中心(水利部水文水资源监测预报中心) | 一种多指标综合干旱监测预警系统 |
CN116128371B (zh) * | 2023-02-27 | 2024-04-12 | 水利部信息中心(水利部水文水资源监测预报中心) | 一种多指标综合干旱监测预警系统 |
CN117688290A (zh) * | 2023-12-11 | 2024-03-12 | 中国科学院地理科学与资源研究所 | 基于等级划分的干旱灾害综合风险预警方法及系统 |
CN117688290B (zh) * | 2023-12-11 | 2024-05-17 | 中国科学院地理科学与资源研究所 | 基于等级划分的干旱灾害综合风险预警方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104597526A (zh) | 基于电网地理信息系统的气象干旱监测预警系统及方法 | |
Kang et al. | Assessment of future drought conditions in the Chesapeake Bay watershed | |
CN107316095A (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
CN103870891A (zh) | 基于网格流的输电线路火灾蔓延预测方法及系统 | |
Hamisi | Study of rainfall trends and variability over Tanzania | |
Ceppi et al. | Real-time drought forecasting system for irrigation management | |
CN104851051A (zh) | 一种结合动态修正的电网区域暴雨量精细化预警方法 | |
Smith et al. | “Prophetic vision, vivid imagination”: The 1927 M ississippi R iver flood | |
CN105335603A (zh) | 一种度量引水灌溉地区干旱程度的方法 | |
Peings et al. | Evaluation and response of winter cold spells over Western Europe in CMIP5 models | |
CN105095670B (zh) | 基于连续雨凇的输电线路覆冰厚度增长率分布图绘制方法 | |
Bilotta et al. | Calculation and evaluation of an air-freezing index for the 1981–2010 climate normals period in the coterminous United States | |
Cheng et al. | Temporal‐spatial characteristics of drought in Guizhou Province, China, based on multiple drought indices and historical disaster records | |
Ma et al. | Impact of climate change on the growth of typical crops in karst areas: A case study of Guizhou province | |
Pagano | Evaluation of Mekong River commission operational flood forecasts, 2000–2012 | |
Barros et al. | Twenty-first century projections of extreme precipitations in the Plata Basin | |
Feng et al. | Multi-factor joint return period of rainstorms and its agricultural risk analysis in Liaoning Province, China | |
Chen et al. | Risk evaluation of solar greenhouse cucumbers low temperature disaster based on GIS spatial analysis in Tianjin, China | |
Yu et al. | Rainfall-runoff simulation and flood dynamic monitoring based on CHIRPS and MODIS-ET | |
CN109948175B (zh) | 基于气象数据的卫星遥感反照率缺失值反演方法 | |
CN103115598A (zh) | 电网覆冰区域分布的测绘方法 | |
Murdock et al. | Climate Extremes in the Canadian Columbia Basin: a preliminary assessment | |
CN105095667A (zh) | 基于雨雾凇判识的最大连续覆冰日数计算方法 | |
Katsafados et al. | Quantitative verification statistics of WRF predictions over the Mediterranean region | |
Bostan | Assessing variations in climate extremes over Euphrates Basin, Turkey |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150506 |