CN104700577A - 一种降水预警方法及其在地质灾害中的应用 - Google Patents

一种降水预警方法及其在地质灾害中的应用 Download PDF

Info

Publication number
CN104700577A
CN104700577A CN201510112779.0A CN201510112779A CN104700577A CN 104700577 A CN104700577 A CN 104700577A CN 201510112779 A CN201510112779 A CN 201510112779A CN 104700577 A CN104700577 A CN 104700577A
Authority
CN
China
Prior art keywords
pwv
precipitation
early warning
value
data records
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.)
Granted
Application number
CN201510112779.0A
Other languages
English (en)
Other versions
CN104700577B (zh
Inventor
苏鹏程
韦方强
王源程
刘晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Mountain Hazards and Environment IMHE of CAS
Original Assignee
Institute of Mountain Hazards and Environment IMHE of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Mountain Hazards and Environment IMHE of CAS filed Critical Institute of Mountain Hazards and Environment IMHE of CAS
Priority to CN201510112779.0A priority Critical patent/CN104700577B/zh
Publication of CN104700577A publication Critical patent/CN104700577A/zh
Application granted granted Critical
Publication of CN104700577B publication Critical patent/CN104700577B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

Abstract

本发明公开了一种降水预警方法及其在地质灾害中的应用。所述降水预警方法利用地基GPS数据反演的大气可降水量(简称PWV)与降水数据进行对比，考虑到PWV的积累在发生降水过程中的作用，找出PWV转化为有效降水发生的幂函数规律，并将该规律引入降水预警中作为形成有效降水的临界阈值。该方法能够实现小流域、高准确率的降水预警，并能结合开展山洪、泥石流、滑坡等暴雨型地质灾害的预警报工作。

Description

一种降水预警方法及其在地质灾害中的应用
技术领域
本发明涉及一种降水预警方法，特别是涉及一种利用地基GPS(GlobalPositioning System，全球定位系统)数据反演的大气可降水量(Precipitable WaterVapor，简称PWV)与实际降水相结合进行降水预警的方法，及其在山洪、泥石流、滑坡等暴雨型地质灾害中的应用。
背景技术
降水作为大气最活跃的要素，在各种时空尺度的大气过程中均扮演着重要的角色。当前，降水监测和预报大致可分为卫星监测、雷达监测、雨量站监测和数值预报等四类。在上述监测方法中，卫星监测主要依赖于星载传感器反演降水，并且依据传感器的不同大致分为可见光/红外、被动微波、主动微波(雷达)以及多传感器联合等4种类型，多用于大区域降水分布监测，但在短历时、小尺度的降水监测上则具有较大误差；雷达监测主要通过Z-I关系定量确定降水量，能较好地反应降水的空间不均匀性，其中Z-I关系的确定主要依赖于雨滴谱，但受雨滴谱的不确定性和局地地形影响，雷达难以有效地反映局地尤其是小尺度下的降水特征；雨量站监测则一般作为降水真值使用，受站点布设限制，雨量站监测难以满足小尺度监测需求。而在降水预报方面，数值预报则以大气运动基本方程组为基础进行预报，并且随着探测手段的进步，数值预报对常与暴雨、雷雨等剧烈天气过程相联系的中小尺度天气系统的预报有了进一步的认识和提高，但是由于现有的探测手段仍难以满足小尺度过程的监测需要，这就使得关于小尺度的大气运动方程存在有一定的问题，造成数值预报在小尺度范围的准确率较低。此外，随着我国雷达网的初步建成和雨量站网的密度逐步提高，雷达联合雨量计估测降水集成系统亦逐渐成为降水预报的主要方法之一。可以说上述手段在分析大、中尺度的天气过程和降水预报方面提供了不同尺度上的技术支撑。但与此同时，对山区诱发山洪、泥石流等地质灾害的小流域(范围)局地暴雨的监测和预报方面，现有的技术手段在降水的监测预警的空间精度、时效以及降水量的大小等方面与实际的减灾需求仍存在一定的差距。
另一方面，考虑到大气中的水汽含量对于降水的发生有着极好的指示意义，将水汽值引入降水预报中已成为提高其精度的技术手段之一。当前对于水汽的探测主要以无线电探空仪探测，卫星遥感和地基GPS信号反演为主。其中无线电探空仪是探测大气水汽含量最常用的工具，通过施放探空气球收集水汽所需数据，其值通常作为大气水汽的真值，但在实际应用中，该方法成本较高且难以分辨水汽的时空变化；卫星遥感通过卫星上的红外辐射计和微波辐射计探测水汽，但受垂直分辨率限制，该方法亦无法满足小时空尺度的降水监测和预警需求；随着GPS技术的快速发展，利用地基GPS信号延迟解算水汽已逐渐成为水汽研究的主要数据来源之一。地基GPS技术相比水汽常规方法而言，具有高时空分辨率、高精度、全天候、近实时等诸多优点，为小时空尺度的水汽研究提供了有益的数据支持。目前，大量的研究已表明利用地基GPS反演水汽不仅能够获得测站上空的水汽发展情况，通过GPS测站网还能得到区域三维水汽时空分布特征；并且随着水汽应用于降水预报中，其预报精度有一定程度的提高。地基GPS技术为水汽提供了高时空精度的监测数据，但在水汽与降水的关系探讨上尤其是在定量关系上仍无准确定论，基于小流域的水汽-降水关系探讨更是近乎空白。
发明内容
本发明的目的就是针对现有技术的不足，提供一种利用地基GPS数据反演水汽与雨量站数据相结合的降水预警方法，能够实现小流域、高准确率的降水预警，并结合开展山洪、泥石流、滑坡等暴雨型地质灾害的预警报工作。
为实现上述目的，本发明的技术方案是：
本发明提出的降水预警方法，其技术思想是：利用地基GPS数据反演的大气可降水量(简称PWV)与降水数据进行对比，考虑到PWV的积累在发生降水过程中的作用，找出PWV转化为有效降水发生的幂函数规律，并将该规律引入降水预警中作为形成有效降水的临界阈值，从而提高降水预报准确率。具体而言，本发明的降水预警方法步骤如下：
(一)获取拟进行降水预警的流域内的地基GPS数据和雨量数据。
(二)基于GAMIT软件，利用步骤(一)中获取的地基GPS数据反演得到大气可降水量PWV序列。所述大气可降水量PWV序列的时间尺度为10min，或30min，或60min；选这三个时间尺度主要是和我们现在降雨强度以及灾害预警时常用10min雨强、30min雨强、60min雨强这些指标相匹配；从试验结果来说，10min的效果最好，推荐优先使用。
这一步是求解PWV。地基GPS解算PWV的基本原理为GPS信号在穿越对流层大气时，会受其影响而产生信号延迟，通过计算对流层延迟值，即可解得PWV值。其中对流层延迟亦可称为大气总延迟(Zenith TotalDelay，简称ZTD)，分为大气干延迟(Zenith Hydro Delay，简称ZHD)和大气湿延迟(Zenith Wet Delay，简称ZWD)，即ZTD＝ZHD+ZWD；而ZWD又与测站上空PWV存在如下关系，即PWV＝ZWD×∏(∏为水汽转换系数)，据此即可求得站点上空的PWV值。考虑到PWV在实际降水预警中的应用，可选取10min、或30min、或60min等时间尺度解算水汽值，解译过程基于美国麻省理工学院开发的GAMIT/GLOBK免费软件，计算所需气象文件由GAMIT软件中的“全球气压和气温(global pressure andtemperature，简称GPT)”模型提供。
(三)根据步骤(一)中获取的雨量数据，任意选取一个时间段，要求该时间段内、连续的至少2个时间尺度单位内有降水发生(即连续的大于等于2个时间尺度单位内有降水发生)，然后在步骤(二)得到的大气可降水量PWV序列中选取对应该时间段的PWV长序列；所述雨量数据的时间尺度单位为10min，或30min，或60min。
(四)在步骤(三)选取的PWV长序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点；相邻两个节点之间的PWV序列视为一个PWV短序列，从而根据节点将步骤(三)选取的PWV长序列划分为若干个PWV短序列(即将PWV长序列上相邻两个波谷之间的PWV序列视为一个PWV短序列，从而将PWV长序列划分为若干个PWV短序列)。结合步骤(一)中获取的雨量数据，将每一个PWV短序列划分为有降水PWV短序列或无降水PWV短序列(即将PWV短序列和雨量数据均以时间为横坐标放在一起进行分析，如果PWV短序列对应时间内有降水发生，则该PWV短序列为有降水PWV短序列，如果PWV短序列对应时间内没有降水发生，则该PWV短序列为无降水PWV短序列)，得到若干个有降水PWV短序列和若干个无降水PWV短序列；如果有降水PWV短序列的数量小于11个，则返回步骤(三)，重新选取PWV长序列，如果有降水PWV短序列的数量大于等于11个，则继续进行步骤(五)。
(五)在步骤(四)得到的每一个有降水PWV短序列上，将降水开始至降水终止时间内所有PWV值相加得到有效累积PWV值，将降水开始前的所有PWV值相加得到前期累积PWV值(即：如图1所示，记降水开始时刻对应的PWV值为PR0，降水终止时刻对应的PWV值为PRe，有效PWV值则为降水开始至降水终止时间内的所有PWV值，记为P有效，即P有效∈[PR0，PRe]，进一步有效累积PWV值为S有效＝∑P有效；同时，记PR0时刻前的PWV值为前期PWV值，记为P前期，进一步前期累积PWV值为S前期＝∑P前期)；最终得到所有有降水PWV短序列的有效累积PWV值和前期累积PWV值。
(六)分别以有效累积PWV值和前期累积PWV值为横纵坐标构建坐标系，在该坐标系上标出步骤(五)得到的所有有降水PWV短序列的有效累积PWV值和前期累积PWV值，在该坐标系上得到与有降水PWV短序列数量相同的点，将这些点进行幂函数曲线拟合(即将S有效和S前期按y＝axb+c进行曲线拟合)，得到PWV临界线。
(七)在步骤(二)得到的大气可降水量PWV序列中，选取对应拟进行降水预警时刻之前的PWV序列为预警PWV序列；在预警PWV序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点，在预警PWV序列上找到拟进行降水预警时刻之前的2个节点(即找到拟进行降水预警时刻之前的2个波谷位置)；将拟进行降水预警时刻之前的2个节点之间的所有PWV值相加，得到预警前期累积PWV值(即：如图2所示，记拟进行降水预警时刻之前的2个波谷之间的PWV值为预警前期PWV值，记为P′前期，则预警前期累积PWV值为S′前期＝∑P′前期)；将拟进行降水预警时刻至其前1个节点(即最靠近进行降水预警时刻的1个节点)之间的所有PWV值相加，得到预警有效累积PWV值(即：如图2所示，记拟进行降水预警时刻与其前1个波谷之间的PWV值为预警有效PWV值，记为P′有效，则预警有效累积PWV值为S′有效＝∑P′有效)。
(八)将步骤(七)中得到的预警前期累积PWV值和预警有效累积PWV值放入步骤(六)构建的坐标系中得到一个预警点，将该预警点与步骤(六)中得到的PWV临界线进行比较；如果该预警点位于PWV临界线以上区域，则发出降水预警；反之(即该预警点位于PWV临界线上或PWV临界线以下区域)，则不发出降水预警。
本发明方法适用于暴雨型地质灾害的预警，所述暴雨型地质灾害为山洪、或泥石流、或滑坡，或由降水引起的其他灾害等；具体可结合已有研究结果，针对激发各类灾害的临界降水条件进行分析。
与现有技术相比，本发明的有益效果是：利用地基GPS数据反演的大气可降水量(简称PWV)与降水数据进行对比，找出水汽临界线，并根据此临界线提前预警降水的发生，降水预报准确率高；由于本发明可只采用单台GPS，因此地基GPS的高度角和区域半径决定了本发明的降水预警范围可基于小流域尺度，如10km2～50km2左右的泥石流流域尺度范围；本发明也可采用多台地基GPS联解借助三维层析技术能覆盖更大的范围，因此本发明的降水预警范围也可不仅仅限于小流域。
附图说明
图1是有降水PWV短序列的有效累积PWV值和前期累积PWV值的求解示意图。其中，曲线为PWV序列，柱状图为降水数据。
图2是预警PWV序列的预警前期累积PWV值和预警有效累积PWV值的求解示意图。
图3是实施例一中得到的2013年7月3日-15日，时间尺度为30min的PWV长序列和降水数据。其中，曲线为PWV序列，柱状图为降水数据。
图4是实施例一中得到的2013年7月3日-15日，时间尺度为60min的PWV长序列和降水数据。其中，曲线为PWV序列，柱状图为降水数据。
图5是实施例一中时间尺度为30min的有效累积PWV值和前期累积PWV值拟合曲线图。其中，三角形点表示有降水PWV短序列的有效累积PWV值和前期累积PWV值，曲线为有效累积PWV值和前期累积PWV值拟合曲线。
图6是实施例一中时间尺度为60min的有效累积PWV值和前期累积PWV值拟合曲线图。其中，三角形点表示有降水PWV短序列的有效累积PWV值和前期累积PWV值，曲线为有效累积PWV值和前期累积PWV值拟合曲线。
图7是实施例一中时间尺度分别为30min和60min的有效累积PWV值和前期累积PWV值拟合曲线对比图。其中，三角形点表示30min有效累积PWV值和前期累积PWV值，实线为30min有效累积PWV值和前期累积PWV值拟合曲线；圆形点表示60min有效累积PWV值和前期累积PWV值，虚线为60min有效累积PWV值和前期累积PWV值拟合曲线。
图8是实施例二中得到的2013年8月1日-10日、16日-26日，时间尺度为10min的PWV长序列和降水数据。其中，曲线为PWV序列，柱状图为降水数据。
图9是实施例二中得到的2013年8月1日-10日、16日-26日，时间尺度为30min的PWV长序列和降水数据。其中，曲线为PWV序列，柱状图为降水数据。
图10是实施例二中得到的2013年8月1日-10日、16日-26日，时间尺度为60min的PWV长序列和降水数据。其中，曲线为PWV序列，柱状图为降水数据。
图11是实施例二中时间尺度为10min的有效累积PWV值和前期累积PWV值拟合曲线图。其中，三角形点表示有降水PWV短序列的有效累积PWV值和前期累积PWV值，曲线为有效累积PWV值和前期累积PWV值拟合曲线。
图12是实施例二中时间尺度为30min的有效累积PWV值和前期累积PWV值拟合曲线图。其中，三角形点表示有降水PWV短序列的有效累积PWV值和前期累积PWV值，曲线为有效累积PWV值和前期累积PWV值拟合曲线。
图13是实施例二中时间尺度为60min的有效累积PWV值和前期累积PWV值拟合曲线图。其中，三角形点表示有降水PWV短序列的有效累积PWV值和前期累积PWV值，曲线为有效累积PWV值和前期累积PWV值拟合曲线。
图14是实施例二中时间尺度分别为10min、30min和60min的有效累积PWV值和前期累积PWV值拟合曲线对比图。其中，方形点表示10min有效累积PWV值和前期累积PWV值，粗实线为10min有效累积PWV值和前期累积PWV值拟合曲线；圆形点表示30min有效累积PWV值和前期累积PWV值，细实线为30min有效累积PWV值和前期累积PWV值拟合曲线；三角形点表示60min有效累积PWV值和前期累积PWV值，虚线为60min有效累积PWV值和前期累积PWV值拟合曲线。
具体实施方式
下面结合附图，对本发明的优选实施例作进一步的描述。
实施例一
如图1、图2、图3、图4、图5、图6、图7所示。龙门山地处川西高原和四川盆地之间，为中国西部重要的地形急变带，受2008年“5.12”汶川地震影响，震后地质灾害频发；尤其是2013年7月4日-7月10日，西南地区的强降雨过程达到了近50年来的最大值，该次强降雨过程引起了汶川地震灾区群发性的泥石流灾害，大量灾后恢复重建的成果毁于一旦，特别是位于都江堰市西部一隅的中兴镇三溪村于2013年7月10日上午10:30发生了五显岗特大滑坡，造成188人死亡的惨痛事件。根据五显岗滑坡发生的地理位置，选取虹口地基GPS测站(该站点属于四川省GNSS网一全球导航卫星系统Global NavigationSatellite System)和都江堰市降水(距虹口地基GPS测站最近的气象站，直线距离小于10km)进行在五显岗滑坡区域的本发明降水预警方法，具体步骤如下：
第一步，由虹口GPS测站(东经103°27′45″，北纬30°48′56″)获取五显岗滑坡区域2013年7月1日-31日的地基GPS数据。同时，收集IGS国际站(拉萨、上海、武汉)3站GPS观测数据，及解算所需星历文件、潮汐文件。另外，由都江堰气象站(东经103°40′12″，北纬30°58′48″)获取五显岗滑坡区域2013年7月1日-31日的雨量数据。
第二步，基于GAMIT软件，利用第一步中获取的地基GPS数据，同时配合第一步中收集的IGS国际站3站GPS观测数据、星历文件和潮汐文件，反演得到时间尺度为30min的大气可降水量PWV序列。
第三步，根据第一步中获取的雨量数据，选取2013年7月3日-15日为一个时间段，该时间段内、至少2个连续的30min(时间尺度单位为30min)时间内有降水发生(如图3中柱状图所示)；然后在第二步得到的大气可降水量PWV序列中选取2013年7月3日-15日的PWV长序列(如图3中曲线所示)。
第四步，在第三步选取的PWV长序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点；相邻两个节点之间的PWV序列视为一个PWV短序列，从而根据节点将第三步选取的PWV长序列划分为49个PWV短序列。结合第一步中获取的雨量数据(如图3中柱状图所示)，将每一个PWV短序列划分为有降水PWV短序列或无降水PWV短序列，得到19个有降水PWV短序列和30个无降水PWV短序列；有降水PWV短序列的数量满足大于等于11个，则继续进行第五步。
第五步，在第四步得到的每一个有降水PWV短序列上，将降水开始至降水终止时间内所有PWV值相加得到有效累积PWV值，将降水开始前的所有PWV值相加得到前期累积PWV值(如图1所示)；最终得到19个有降水PWV短序列的有效累积PWV值和前期累积PWV值(如下表1中第1、2列所示)。
表1虹口站不同时间尺度下的前期累积PWV值和有效累积PWV值单位：mm
第六步，以有效累积PWV值S有效为纵坐标、前期累积PWV值S前期为横坐标构建坐标系，在该坐标系上标出第五步得到的19个有降水PWV短序列的有效累积PWV值和前期累积PWV值，于是在该坐标系上得到19个点，将这些点进行幂函数曲线拟合，得到PWV临界线：(如图5所示)。
第七步，拟进行降水预警时刻设为2013年7月21日22：00；在第二步得到的大气可降水量PWV序列中，选取2013年7月21日22:00之前的PWV序列为预警PWV序列；在预警PWV序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点，在预警PWV序列上找到2013年7月21日22:00之前的2个节点；将2013年7月21日22:00之前的2个节点之间的所有PWV值相加，得到预警前期累积PWV值为570.28mm；将2013年7月21日22:00至其前1个节点之间的所有PWV值相加，得到预警有效累积PWV值为742.64mm(如图2所示)。
第八步，将第七步中得到的预警前期累积PWV值和预警有效累积PWV值放入第六步构建的坐标系中得到一个预警点，将该预警点与第六步中得到的PWV临界线进行比较，发现该预警点位于PWV临界线以上区域，发出降水预警。事实证明五显岗滑坡区域于当日22：30起开始出现持续性降水。
为了验证不同时间尺度下PWV临界线的效果，以60min为时间尺度将第一步至第六步重复进行一次，得到2013年7月3日-15日的PWV长序列和降水数据(如图4所示)，根据节点将2013年7月3日-15日的PWV长序列划分为37个PWV短序列，并结合雨量数据划分得到17个有降水PWV短序列和20个无降水PWV短序列，然后计算得到17个有降水PWV短序列的有效累积PWV值和前期累积PWV值(如表1中第3、4列所示)，最后在以有效累积PWV值S有效为纵坐标、前期累积PWV值S前期为横坐标的坐标系上将这17个点进行幂函数拟合，得到PWV临界线：(如图6所示)。对比30min和60min的两组临界线(如图7所示)，发现随着时间精度的提高，拟合度亦随之提高，因此在数据支持的情况下，时间尺度越小得到的PWV临界线效果越好。
实施例二
如图1、图2、图8、图9、图10、图11、图12、图13、图14所示。蒋家沟流域位于云南省昆明市东川区，是科技部重点野外台站-东川泥石流观测站的所在地，该流域内自建站以来，积累了近60年的泥石流观测数据，是本发明方法用于泥石流预警的理想试验基地。同时，流域内布设的雨量站为本发明方法的实施提供了很好的降水数据支撑。在蒋家沟流域进行本发明的降水预警方法，具体步骤如下：
第一步，经过蒋家沟流域实际考察，将地基GPS站建设于东川泥石流观测站内(东经103°08′，北纬26°14′)，进而获取2013年8月1日-31日的蒋家沟流域内的地基GPS数据。同时，收集IGS国际站(拉萨、上海、武汉)3站GPS观测数据，及解算所需星历文件、潮汐文件。另外，由气象站(东经103°08′，北纬26°14′)获取2013年8月1日-31日GPS站点的雨量数据(其中，2013年8月26日2:00蒋家沟上游爆发了一次泥石流)。数据传输选取CDMA无线传输模块进行传输，地基GPS和气象站观测数据分别用GPSNET和TingmDataLogger V6.0数据采集系统在终端服务器上进行数据传输。
第二步，基于GAMIT软件，利用第一步中获取的地基GPS数据，同时配合第一步中收集的IGS国际站3站GPS观测数据、星历文件和潮汐文件，反演得到时间尺度为10min的大气可降水量PWV序列。
第三步，根据第一步中获取的雨量数据，选取2013年8月1日-10日、16日-26日为一个时间段，该时间段内、至少2个连续的10min(时间尺度单位为10min)时间内有降水发生(如下表2和图8中柱状图所示)；然后在第二步得到的大气可降水量PWV序列中选取2013年8月1日-10日、16日-26日的PWV长序列(如图8中曲线所示)。2013年8月1日-10日、16日-26日的大气可降水量PWV值和雨量数据如下表2所示。
表2蒋家沟流域大气可降水量和雨量      单位：mm
第四步，在第三步选取的PWV长序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点；相邻两个节点之间的PWV序列视为一个PWV短序列，从而根据节点将第三步选取的PWV长序列划分为50个PWV短序列。结合第一步中获取的雨量数据(如图8中柱状图所示)，将每一个PWV短序列划分为有降水PWV短序列或无降水PWV短序列，得到12个有降水PWV短序列和38个无降水PWV短序列；有降水PWV短序列的数量满足大于等于11个，继续进行第五步。
第五步，在第四步得到的每一个有降水PWV短序列上，将降水开始至降水终止时间内所有PWV值相加得到有效累积PWV值，将降水开始前的所有PWV值相加得到前期累积PWV值(如图1所示)；最终得到12个有降水PWV短序列的有效累积PWV值和前期累积PWV值(如下表3中第1、2列所示)。
表3蒋家沟流域不同时间尺度下的前期累积PWV值和有效累积PWV值单位：mm
第六步，以有效累积PWV值S有效为纵坐标、前期累积PWV值S前期为横坐标构建坐标系，在该坐标系上标出第五步得到的12个有降水PWV短序列的有效累积PWV值和前期累积PWV值，于是在该坐标系上得到12个点，将这些点进行幂函数曲线拟合，得到PWV临界线：(如图11所示)。
第七步，拟进行降水预警时刻设为2013年8月27日17:00；在第二步得到的大气可降水量PWV序列中，选取2013年8月27日17:00之前的PWV序列为预警PWV序列；在预警PWV序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点，在预警PWV序列上找到2013年8月27日17:00之前的2个节点；将2013年8月27日17:00之前的2个节点之间的所有PWV值相加，得到预警前期累积PWV值为2231.42mm；将2013年8月27日17:00至其前1个节点之间的所有PWV值相加，得到预警有效累积PWV值为530.26mm(如图2所示)。
第八步，将第七步中得到的预警前期累积PWV值和预警有效累积PWV值放入第六步构建的坐标系中得到一个预警点，将该预警点与第六步中得到的PWV临界线进行比较，发现该预警点位于PWV临界线以下区域，不发出降水预警。事实证明蒋家沟流域2013年8月27日17:00之后的6个小时确实无发生降水。
为了验证不同时间尺度下PWV临界线的效果，分别以30min、60min为时间尺度将第一步至第六步各重复进行1次，得到时间尺度为30min、60min的2013年8月1日-10日、16日-26日的PWV长序列和降水数据(如图9、图10所示)，根据节点将2013年8月1日-10日、16日-26日的PWV长序列划分为48个(30min)、47个(60min)PWV短序列，并结合雨量数据划分得到11个(30min)、12个(60min)有降水PWV短序列和37个(30min)、35个(60min)无降水PWV短序列，然后计算得到11个(30min)、12个(60min)有降水PWV短序列的有效累积PWV值和前期累积PWV值(如表3中第3-6列所示)，最后在以有效累积PWV值S有效为纵坐标、前期累积PWV值S前期为横坐标的坐标系上将这11个(30min)、12个(60min)点进行幂函数拟合，得到PWV临界线：(30min，如图12所示)、(60min，如图13所示)。对比10min、30min和60min的三组临界线(如图14所示)，发现随着时间精度的提高，拟合度亦随之提高，因此在数据支持的情况下，时间尺度越小得到的PWV临界线效果越好。

Claims (5)

1.一种降水预警方法，其特征在于：所述降水预警方法步骤如下：
(一)获取拟进行降水预警的流域内的地基GPS数据和雨量数据；
(二)基于GAMIT软件，利用步骤(一)中获取的地基GPS数据反演得到大气可降水量PWV序列；
(三)根据步骤(一)中获取的雨量数据，任意选取一个时间段，要求该时间段内、连续的至少2个时间尺度单位内有降水发生，然后在步骤(二)得到的大气可降水量PWV序列中选取对应该时间段的PWV长序列；
(四)在步骤(三)选取的PWV长序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点；相邻两个节点之间的PWV序列视为一个PWV短序列，从而根据节点将步骤(三)选取的PWV长序列划分为若干个PWV短序列；结合步骤(一)中获取的雨量数据，将每一个PWV短序列划分为有降水PWV短序列或无降水PWV短序列，得到若干个有降水PWV短序列和若干个无降水PWV短序列；如果有降水PWV短序列的数量小于11个，则返回步骤(三)，重新选取PWV长序列，如果有降水PWV短序列的数量大于等于11个，则继续进行步骤(五)；
(五)在步骤(四)得到的每一个有降水PWV短序列上，将降水开始至降水终止时间内所有PWV值相加得到有效累积PWV值，将降水开始前的所有PWV值相加得到前期累积PWV值；最终得到所有有降水PWV短序列的有效累积PWV值和前期累积PWV值；
(六)分别以有效累积PWV值和前期累积PWV值为横纵坐标构建坐标系，在该坐标系上标出步骤(五)得到的所有有降水PWV短序列的有效累积PWV值和前期累积PWV值，在该坐标系上得到与有降水PWV短序列数量相同的点，将这些点进行幂函数曲线拟合，得到PWV临界线；
(七)在步骤(二)得到的大气可降水量PWV序列中，选取对应拟进行降水预警时刻之前的PWV序列为预警PWV序列；在预警PWV序列上，设Pt为t时刻对应的PWV值，其前一时刻的PWV值为Pt-1，其后一时刻的PWV值为Pt+1，当满足Pt＜Pt-1且Pt＜Pt+1，则记t时刻为一个节点，在预警PWV序列上找到拟进行降水预警时刻之前的2个节点；将拟进行降水预警时刻之前的2个节点之间的所有PWV值相加，得到预警前期累积PWV值；将拟进行降水预警时刻至其前1个节点之间的所有PWV值相加，得到预警有效累积PWV值；
(八)将步骤(七)中得到的预警前期累积PWV值和预警有效累积PWV值放入步骤(六)构建的坐标系中得到一个预警点，将该预警点与步骤(六)中得到的PWV临界线进行比较；如果该预警点位于PWV临界线以上区域，则发出降水预警；反之，则不发出降水预警。
2.根据权利要求1所述的降水预警方法，其特征在于：步骤(二)中得到的大气可降水量PWV序列的时间尺度为10min，或30min，或60min。
3.根据权利要求1所述的降水预警方法，其特征在于：步骤(三)中雨量数据的时间尺度单位为10min，或30min，或60min。
4.如权利要求1所述的降水预警方法的应用，其特征在于：适用于暴雨型地质灾害的预警。
5.根据权利要求4所述的降水预警方法的应用，其特征在于：所述地质灾害为山洪、或泥石流、或滑坡。
CN201510112779.0A 2015-03-16 2015-03-16 一种降水预警方法及其在地质灾害中的应用 Active CN104700577B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510112779.0A CN104700577B (zh) 2015-03-16 2015-03-16 一种降水预警方法及其在地质灾害中的应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510112779.0A CN104700577B (zh) 2015-03-16 2015-03-16 一种降水预警方法及其在地质灾害中的应用

Publications (2)

Publication Number Publication Date
CN104700577A true CN104700577A (zh) 2015-06-10
CN104700577B CN104700577B (zh) 2017-08-11

Family

ID=53347655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510112779.0A Active CN104700577B (zh) 2015-03-16 2015-03-16 一种降水预警方法及其在地质灾害中的应用

Country Status (1)

Country Link
CN (1) CN104700577B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244387A (zh) * 2019-07-30 2019-09-17 成都润联科技开发有限公司 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质
CN110610595A (zh) * 2019-08-01 2019-12-24 江苏科博空间信息科技有限公司 一种基于北斗水汽反演地质灾害预警方法
CN113808370A (zh) * 2021-09-17 2021-12-17 国家石油天然气管网集团有限公司 一种面向滑坡的多指标耦合监测预警方法
US11852779B1 (en) * 2022-06-29 2023-12-26 Shandong University Method and system for monitoring extraordinary rainstorm on basis of multi-source data
CN117647855A (zh) * 2024-01-29 2024-03-05 南京信息工程大学 一种基于序列长度的短临降水预报方法、装置及设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10232286A (ja) * 1997-02-19 1998-09-02 Nec Corp 山地災害予知方法及びシステム
CN1265504A (zh) * 1999-03-01 2000-09-06 铁道部科学研究院西南分院 铁路沿线区域降雨与灾害预警系统
JP2004280204A (ja) * 2003-03-12 2004-10-07 Kokusai Kogyo Co Ltd 斜面崩壊予測システム
CN102013150A (zh) * 2010-09-28 2011-04-13 浙江工业大学 基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统
CN103400337A (zh) * 2013-08-02 2013-11-20 贵州东方世纪科技有限责任公司 一种小流域山洪灾害预警指标确定方法
CN104318103A (zh) * 2014-10-23 2015-01-28 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡灾害监测预警降雨阈值判定方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10232286A (ja) * 1997-02-19 1998-09-02 Nec Corp 山地災害予知方法及びシステム
CN1265504A (zh) * 1999-03-01 2000-09-06 铁道部科学研究院西南分院 铁路沿线区域降雨与灾害预警系统
JP2004280204A (ja) * 2003-03-12 2004-10-07 Kokusai Kogyo Co Ltd 斜面崩壊予測システム
CN102013150A (zh) * 2010-09-28 2011-04-13 浙江工业大学 基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统
CN103400337A (zh) * 2013-08-02 2013-11-20 贵州东方世纪科技有限责任公司 一种小流域山洪灾害预警指标确定方法
CN104318103A (zh) * 2014-10-23 2015-01-28 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡灾害监测预警降雨阈值判定方法

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110244387A (zh) * 2019-07-30 2019-09-17 成都润联科技开发有限公司 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质
CN110244387B (zh) * 2019-07-30 2021-06-22 成都润联科技开发有限公司 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质
CN110610595A (zh) * 2019-08-01 2019-12-24 江苏科博空间信息科技有限公司 一种基于北斗水汽反演地质灾害预警方法
CN113808370A (zh) * 2021-09-17 2021-12-17 国家石油天然气管网集团有限公司 一种面向滑坡的多指标耦合监测预警方法
US11852779B1 (en) * 2022-06-29 2023-12-26 Shandong University Method and system for monitoring extraordinary rainstorm on basis of multi-source data
CN117647855A (zh) * 2024-01-29 2024-03-05 南京信息工程大学 一种基于序列长度的短临降水预报方法、装置及设备
CN117647855B (zh) * 2024-01-29 2024-04-16 南京信息工程大学 一种基于序列长度的短临降水预报方法、装置及设备

Also Published As

Publication number Publication date
CN104700577B (zh) 2017-08-11

Similar Documents

Publication Publication Date Title
CN104700577A (zh) 一种降水预警方法及其在地质灾害中的应用
Xu et al. Precipitation trends and variability from 1950 to 2000 in arid lands of Central Asia
Abdelmoneim et al. Evaluation of TRMM 3B42V7 and CHIRPS satellite precipitation products as an input for hydrological model over Eastern Nile Basin
Subyani et al. Digital elevation model and multivariate statistical analysis of morphometric parameters of some wadis, western Saudi Arabia
CN111401602B (zh) 基于神经网络的卫星以及地面降水测量值同化方法
CN103197340A (zh) 一种格网化的电离层总电子含量实时监测方法
Chen et al. Adaptability evaluation of TRMM satellite rainfall and its application in the Dongjiang River Basin
Suparta et al. Spatial interpolation of GPS PWV and meteorological variables over the west coast of Peninsular Malaysia during 2013 Klang Valley Flash Flood
CN110378540A (zh) 一种适用于广西北部湾地区的大气加权平均温度计算方法
Anjum et al. Comparison of two successive versions 6 and 7 of TMPA satellite precipitation products with rain gauge data over Swat Watershed, Hindukush Mountains, Pakistan
CN104200082A (zh) 台风登陆预测方法
Kuo et al. Evaluating critical rainfall conditions for large-scale landslides by detecting event times from seismic records
Ding et al. Re-assessment of recent (2008–2013) surface mass balance over Dome Argus, Antarctica
CN103163568A (zh) 利用界聚法预报强降水的方法
Zhao et al. Assessment of wetland fragmentation in the middle reaches of the Heihe River by the type change tracker model
Smiraglia et al. 26 Ongoing variations of Himalayan and Karakoram glaciers as witnesses of global changes: recent studies on selected glaciers
CN116068670B (zh) 一种无地面网络区适用的北斗水汽场实时重构方法及装置
CN112612995B (zh) 一种基于贝叶斯回归的多来源降雨数据融合算法及装置
Wang et al. Characteristic of drought and flood in the Dian-Qian-Gui karst areas based on TRMM-Z Index
Holle et al. Lightning ground flashes associated with summer 1990 flash floods and streamflow in Tucson, Arizona: An exploratory study
Aryalakshmi et al. Moisture trajectories during heavy rainfall events using Hybrid Single-Particle Lagrangian Integrated Trajectory (HYSPLIT) model
Macalalad et al. Variation of GNSS-derived Precipitable Water Vapor Over Manila in 2017
Oliazadeh et al. Optimal merging of multi-satellite precipitation data in urban areas
Walker et al. National airborne field experiments for soil moisture remote sensing
Carnicer et al. On The Assimilation of GNSS PWV Measurements in Heavy to Torrential Rain Events in Davao City, Philippines

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant