CN107516402A - 区域滑坡灾害雨量预警方法、预警系统 - Google Patents
区域滑坡灾害雨量预警方法、预警系统 Download PDFInfo
- Publication number
- CN107516402A CN107516402A CN201710924568.6A CN201710924568A CN107516402A CN 107516402 A CN107516402 A CN 107516402A CN 201710924568 A CN201710924568 A CN 201710924568A CN 107516402 A CN107516402 A CN 107516402A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- formula
- intraday
- warning
- landslide
- 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
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
Abstract
本发明公开了一种区域滑坡灾害雨量预警方法与系统。针对现有技术通过在散点图中绘制下包络线来确定的滑坡灾害雨量预警阈值存在下包络线位置具有任意性且阈值易于偏小的缺陷,本发明提供了一种区域滑坡灾害雨量预警方法。本方法以区域为滑坡灾害预警范围,在灾害多发期内监测降雨量数据,当降雨量满足预警条件时发出相应滑坡灾害预警信号。雨量预警条件由判别雨量Rc与各级预警阈值组成。Rc是雨量预警中的监测对象,Rc及各级预警阈值的确定均是以区域范围内历史降雨与滑坡灾害数据为基础通过统计分析方法得出。本发明还提供利用该方法实现的预警系统。本发明方法原理可靠,方法中的关键性雨量预警条件均以区域性灾害数据得出,区域适应性强。
Description
技术领域
本发明涉及一种灾害预警方法与系统,特别是涉及一种区域滑坡灾害雨量预警方法与系统,属于地质灾害防治领域。
背景技术
滑坡是山区常见的一种自然灾害,滑坡发生时往往给当地人民的生命财产安全造成巨大威胁。地质条件与降水条件是引发滑坡的两个最主要因素。由于地质条件相对稳定,因而对于既定滑坡灾害地而言,滑坡灾害往往重复发生。并且,对于这样的既定滑坡灾害地,降水条件成为引发滑坡的最主要观测因素。进而使利用气象预报的降水数据预测滑坡发生的可能性,从而开展预警报工作成为可能。
在通过降水预报数据实现滑坡灾害的预防预警中,确定滑坡发生的雨量阈值是关键环节。目前区域滑坡雨量阈值的确定方法主要有两种:一种是根据雨强、降雨历时确定,另一种是根据当日雨量、前期有效雨量确定。由于绝大部分滑坡发生时没有精确的时间记录,因此在应用第一种方法时经常遇到困难。在利用当日雨量和前期有效雨量确定滑坡发生的雨量阈值时,常用方法是点绘滑坡发生时的当日雨量-前期有效雨量散点图,刻画散点的下包络线,得到临界判别式。该方法主要的技术缺陷在于由于山区降水局地性强,滑坡发生时邻近雨量站的雨量未必能够代表灾害点的降雨情况,因此在散点图中往往会出现当日雨量和前期有效雨量均很小的数据点,使得根据散点图下包络线确定的雨量阈值往往会偏小。加之绘制下包络线存在一定的随意性,不同绘图者绘制的位置不同,这更增加了经由包络线确定的雨量阈值的不足。
发明内容
本发明的目的就是针对现有技术的不足,提供一种区域滑坡灾害雨量预警方法、预警系统,用于在既定滑坡灾害易发地点通过监测雨量变化实现灾害发生的预报预警。
为实现上述目的,本发明的技术方案如下:
一种区域滑坡灾害雨量预警方法,根据区域滑坡灾害记录及降雨历史数据确定区域内滑坡灾害的多发期、统计多发期内的灾害发生天数N,在灾害多发期内监测降雨量数据,当降雨量满足预警条件时发出滑坡灾害预警信号;其特征在于:
所述预警条件是:黄色预警条件:Rc,Y≤判别雨量Rc<Rc,O,橙色预警条件:Rc,O≤判别雨量Rc<Rc,R,红色预警条件:判别雨量Rc≥Rc,R;
所述预警条件依如下方法确定:
步骤S1、确定区域内雨量站的当日雨量R0i、前期有效雨量Rai
将多发期内区域内雨量站每日的降水量记录为该雨量站对应的当日雨量R0i,i为雨量站编号;依式1计算多发期内雨量站每日的前期有效雨量Rai;
式中,k为降雨折减系数,通常取0.84;Rij为编号为i的雨量站记录的距离计算日j天的降雨量;n取值7~15;
步骤S2、确定区域代表性当日雨量R0、代表性前期有效雨量Ra
若区域内有一个雨量站,将该雨量站的每日当日雨量、前期有效雨量分别记录为多发期每日的代表性当日雨量R0、代表性前期有效雨量Ra;
若区域内有多个雨量站,将当日雨量最大的雨量站的当日雨量R0i、前期有效雨量Rai分别记录为区域代表性当日雨量R0、代表性前期有效雨量Ra;若各雨量站的当日雨量相同,将前期有效雨量Rai最大雨量站的当日雨量R0i、前期有效雨量Rai分别记录为区域代表性当日雨量R0、代表性前期有效雨量Ra;
步骤S3、确定不同归一化当日雨量对应的滑坡灾害发生率P0(x)
将多发期内每日代表性当日雨量R0的最大值记录为R0,max,依式2计算多发期每日的归一化代表性当日雨量NR0;
NR0=R0/R0,max 式2
从0~1每隔0.01取一个值x,统计多发期中NR0≥x的日数,记录为N0T(x);统计NR0≥x的日子中发生滑坡灾害的日数,记录为N0L(x);依式3计算每一个x取值下的滑坡灾害发生率P0(x);
P0(x)=N0L(x)/N0T(x) 式3
绘制不同归一化代表性当日雨量NR0下的滑坡发生率曲线P0(x)-x;
步骤S4、确定临界归一化当日雨量NR0 *
若曲线P0(x)-x存在稳定段,将稳定段起始端的x值记录为x*,统计NR0≥x*的日数N0L(x*);若N0L(x*)≥20%×N,将x*记录为滑坡发生的临界归一化当日雨量NR0 *,若N0L(x*)<20%×N,将满足条件N0L(x)≥20%×N的最大x值记录为滑坡发生的临界归一化当日雨量NR0 *;
若曲线P0(x)-x不存在稳定段,将满足条件N0L(x)≥20%×N的最大x值记录为滑坡发生的临界归一化当日雨量NR0 *;
步骤S5、确定判别雨量Rc表达式
判别雨量Rc基本表达式为
Rc=R0+αRa 式4
式中,R0—代表性当日雨量,步骤S2确定,
Ra—代表性前期有效雨量,步骤S2确定,
α—待定系数;
从0~1每隔0.01取一个值α,作为式4中的待定系数,依式4计算得到待定系数取值为α时区域内多发期内每日的判别雨量Rc(α);将判别雨量Rc(α)的最大值记录为Rc,max(α),依式5计算多发期每日的归一化判别雨量NRc(α);
NRc(α)=Rc(α)/Rc,max(α) 式5
从0~1每隔0.01取一个值x,统计NRc(α)≥x的日数NcT(α,x)以及这些日内发生滑坡灾害的日数NcL(α,x),依式6计算滑坡灾害发生率Pc(α,x);
Pc(α,x)=NcL(α,x)/NcT(α,x) 式6
分别绘制NcL(α,x)~x曲线、Pc(α,x)~x曲线,将NcL(α,x)≥N0L(NR0 *)条件下的最大Pc(α,x)值记录为待定系数为α时的最大可比发生率P’(α);
从0~1每隔0.01取一个值α,重复上述内容得到每一个α对应的最大可比灾害发生率P’(α),将P’(α)的最大值记录为P’(α)max;
P’(α)max对应的α值即为所求判别雨量Rc表达式中的α值;
步骤S6、确定滑坡判别雨量Rc各级预警阈值
绘制滑坡灾害发生率Pc(α,x)~x曲线,分别将Pc(α,x)=0.4、0.6、0.8对应的x值记录为NRc,Y、NRc,O、NRc,R;分别依式7、式8、式9计算确定黄色预警雨量阈值Rc,Y、橙色预警雨量阈值Rc,O、红色预警雨量阈值Rc,R,
Rc,Y=NRc,Y×Rc,max(α) 式7
Rc,O=NRc,O×Rc,max(α) 式8
Rc,R=NRc,R×Rc,max(α) 式9
式中,Rc,max(α)—判别雨量Rc(α)的最大值,步骤S5确定。
上述区域滑坡灾害雨量预警方法是在既定滑坡灾害易发地点,以判别雨量Rc作用实时监测对象,以判别雨量Rc与各级预警阈值的比较结果判断当前降雨条件是否达到引起滑坡灾害发生的程度,在必要时发出各级预警,从而实现滑坡灾害发生的预报预警。方法是针对一个区域实施,区域的界定以县级行政单元为宜,如果县级行政单元内滑坡灾害数量很少,可以以地级行政单元划定。同时区域的界定也可以配合滑坡灾害研究中的地理条件分析结果加以确定。在划定预警涉及的区域后,即可统计区域内雨量站数量以及各雨量站的有效历史记录,并根据历史记录确定区域内滑坡灾害的多发期、统计多发期内的灾害发生天数N。
上述方法的关键是确定判别雨量Rc与各级预警阈值,其涉及的主要原理在于:
(1)本方法中的判别雨量Rc采用式4的基本函数表达式Rc=f(R0,Ra,α),其中代表性当日雨量R0、代表性前期有效雨量Ra根据区域内雨量站记录的当日雨量R0i、前期有效雨量Rai确定。当雨量站为多个时,由于滑坡在降雨量较大的地区更容易发生,且当日雨量与前期有效雨量相比对于诱发滑坡所起作用更为显著,因此将当日雨量最大的雨量站的当日雨量R0i、前期有效雨量Rai分别记录为区域代表性当日雨量R0、代表性前期有效雨量Ra;若各雨量站的当日雨量相同,将前期有效雨量Rai最大雨量站的当日雨量R0i、前期有效雨量Rai分别记录为区域代表性当日雨量R0、代表性前期有效雨量Ra。
(2)对于判别雨量Rc表达式中α的确定:α为待定系数,由于滑坡灾害发生的降雨因素都以当日雨量起主导作用,因此α≤1。如果将滑坡灾害发生日与无灾害日的代表性当日雨量R0、代表性前期有效雨量Ra分别作散点图,即R0-Ra散点图,则式4会代表散点图中一系列斜率为-α的直线,即式10,同时不同判别雨量Rc代表直线在R0轴上具有不同的截距。
R0=Rc-αRa 式10
从理论上讲,临界判别雨量对应的直线应最大程度的将灾害发生日与无灾害日的数据点区分出来。因此,确定待定系数α的问题变成如何在R0-Ra散点图中绘制一条直线,使得该线上方灾害日的数据点数目NcL不少于N0L(NR0 *),同时无灾害日的数据点尽量的少,即滑坡灾害发生率Pc尽量的高。NcL、Pc与直线斜率和截距均相关,因此可以表达为下述函数形式:
当α取值确定时,判别雨量Rc与归一化判别雨量NRc具有一一对应关系,且NRc的取值范围为0~1。因此,上述函数形式可以更改为:
NcL(α,x)α∈[0,1],x∈[0,1] 式12
Pc(α,x)α∈[0,1],x∈[0,1]
这时,待定系数α的确定问题可以用以下数学语言进行描述,即α是下述目标函数的解:
(3)对于各级预警阈值的确定,方法以滑坡灾害40%、60%、80%的发生概率作为黄色、橙色、红色三级预警区域。
上述区域滑坡灾害雨量预警方法,在步骤S5中,若P’(α)max对应的α值超过1个,则以这些α值的平均值作为所求判别雨量Rc表达式中的α值。
以上述区域滑坡灾害雨量预警方法为基础,本发明还提供一种区域滑坡灾害雨量预警系统,其技术方案如下:
一种利用上述区域滑坡灾害雨量预警方法实现的区域滑坡灾害雨量预警系统,其特征在于:控制中心实时获得雨量站的降雨量数据,根据实时降雨量数据实时计算判别雨量Rc,当判别雨量Rc满足预警条件时发出相应的滑坡灾害预警信号。
与现有技术相比,本发明的有益效果是:(1)本发明区域滑坡灾害雨量预警方法的雨量预警条件由判别雨量Rc与各级预警阈值组成。Rc是雨量预警中的实时监测对象,Rc及各级预警阈值的确定均是以区域范围内历史降雨与滑坡灾害记录数据为基础,通过统计分析方法得出。方法能够克服现有技术通过在散点图中绘制下包络线来确定的滑坡灾害雨量预警阈值存在下包络线位置具有任意性且阈值易于偏小的缺陷,因而具有更完整的科学严谨性。(2)与现有技术通常监测一个固定的雨量指标(如瞬时雨量、最大雨量等)或者固定的雨量表达式不同的是,本方法只给出了监测对象判别雨量Rc的基础函数表达式,以及确定基础函数表达式中待定系数α的方法。对于不同的预警区域,在适用本发明方法时需要根据区域历史记录数据计算确定方法中监测的判别雨量Rc的最终表达式,因而方法的区域适应性强。
附图说明
图1是P0(x)~x曲线。
图2是α=0.2时的NcL(α,x)~x曲线。
图3是α=0.2时的Pc(α,x)~x曲线。
图4是不同待定系数α对应的最大可比灾害发生率P’(α)。
图5是灾害发生日和无灾害日的当日雨量R0-前期有效雨量Ra散点图。
图6是α=0.92时的Pc(α,x)~x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
用本发明方法在四川省万源市(研究区)实施以监测雨量变化为条件的滑坡灾害预警。
选定雨量监测站点。经调查统计,万源市有多个自动气象站,但除1个站点(国家基本台站,编号57237,以下简称台站57237)外,其余站点均为2007年以后设立。相比较之下,台站57237的雨量资料齐全,而其余站点雨量资料覆盖时段则较短,因而本实施方式中选定台站57237作为滑坡预警的雨量监测站点。
根据台站57237的历史雨量资料与万源市区域的滑坡灾害记录,确定万源市区域95%以上的滑坡灾害发生在雨季,即每年5~10月。可有效使用的台站57237降水数据与区域滑坡灾害记录为2001年~2010年,因而确定本实施例中多发期是2001年~2010年间每年的5~10月。经统计,在多发期内,万源市发生滑坡灾害共计517起,发生滑坡灾害的天数共计60天,即N=60。
建立万源市的区域滑坡灾害雨量预警系统,由控制中心与雨量站保持通信,实时获得雨量站的降雨量数据并计算判别雨量Rc。利用台站57237的多发期降水数据,计算滑坡发生的雨量阈值并设置在滑坡预警监测系统中。滑坡雨量阈值的计算如下:
步骤S1、确定研究区各雨量站的当日雨量R0i、前期有效雨量Rai
将多发期内每个雨量站每日的降水量记录为该雨量站对应的当日雨量R0i(i为雨量站编号,下同)。依式1(取n=7)计算多发期每个雨量站每日的前期有效雨量Rai。
步骤S2、确定研究区代表性当日雨量R0、代表性前期有效雨量Ra
由于本实施例中只选定一处雨量监测站点,因而将步骤S2所得台站57237在多发期每日的当日雨量、前期有效雨量分别记录为多发期每日的代表性当日雨量R0、代表性前期有效雨量Ra。
步骤S3、确定不同归一化当日雨量对应的滑坡灾害发生率P0(x)
记录多发期内每日代表性当日雨量的最大值R0,max=255.8mm,依式2计算多发期每日的归一化代表性当日雨量NR0。例如2009年5月15日的代表性当日雨量为31.6mm,所得归一化代表性当日雨量为31.6/255.8=0.124。
从0~1每隔0.01取一个值x,统计多发期中NR0≥x的日数,记录为N0T(x);统计NR0≥x的日子中发生滑坡灾害的日数,记录为N0L(x);依式3计算每一个x取值下的滑坡灾害发生率P0(x)。例如,x=0.1时,N0T(x)=126,N0L(x)=26,故P0(x)=0.206。绘制不同归一化代表性当日雨量NR0下的滑坡发生率曲线,即P0(x)-x曲线,见图1。
步骤S4、确定临界归一化当日雨量NR0 *
如图1所示,曲线在P0(x)=0.4附近存在一个稳定段,即x=0.26~0.41段。在该区间内,P0(x)的变化范围为0.375~0.440。记录该段的起始端x值为x*=0.26,则N0L(x*)=14。由于N0L(x*)=14大于万源市多发期内滑坡灾害总天数(N=60天)的20%(12天),因此将x*=0.26记录为滑坡发生的临界归一化当日雨量NR0 *。
步骤S5、确定判别雨量Rc表达式
从0~1每隔0.01取一个值α,作为式4中的待定系数,依式4计算得到待定系数取值为α时万源市多发期内每日的判别雨量Rc(α)。统计待定系数取值为α时多发期每日的判别雨量的最大值,记录为Rc,max(α),依式5计算多发期每日的归一化判别雨量NRc(α)。从0~1每隔0.01取一个值x,统计NRc(α)≥x的日数NcT(α,x)以及这些日内发生滑坡灾害的日数NcL(α,x),依式6计算滑坡灾害发生率Pc(α,x)。根据结果,将滑坡灾害日数NcL(α,x)不少于14(即步骤S4所得N0L(NR0 *))时的最大灾害发生率作为该α取值下的最大可比发生率,记录为P’(α)。
例如,当取值α=0.2时,判别雨量表达式为Rc(α)=R0+0.2Ra,因此可根据多发期每日的R0、Ra计算每日的Rc(α)。多发期判别雨量的最大值Rc,max(α)=262.0mm,依式5计算归一化判别雨量NRc(α)。从0~1每隔0.01取一个值x,统计多发期中NRc(α)≥x的日数,记录为NcT(α,x),统计NRc(α)≥x的日子中发生滑坡灾害的日数记录为NcL(α,x),依式6计算α=0.2时每一个x取值下的滑坡灾害发生率Pc(α,x)。NcL(α,x)与Pc(α,x)随x的变化分别如图2、图3所示。分析结果显示最大可比灾害发生率为P’(α)=0.483。
从0~1每隔0.01取一个值α,由上述步骤得到每一个α对应的最大可比灾害发生率P’(α),如图4所示。
图4显示,当α=0.86~0.98时,P’(α)达到最大值P’(α)max=0.609。P’(α)max对应的α值有多个,分别是0.86、0.87、0.88、0.89、0.90、0.91、0.92、0.93、0.94、0.95、0.96、0.97、0.98,将这些α值的平均值0.92记录为待定系数α,即α=0.92。则有判别雨量Rc表达式为:Rc=R0+0.92Ra。
α=0.92时,最大判别雨量Rc,max(α)=414.4mm,P’(α)=0.609对应的归一化判别雨量为0.41,判别雨量为414.4×0.41=170mm。此时的判别雨量在R0-Ra空间代表的直线为:
R0=170-0.92Ra 式14
将滑坡灾害发生日和无灾害日的代表性当日雨量R0、代表性前期有效雨量Ra分别作散点图,如图5所示。直线14代表了当灾害日数不少于14时能最大程度将灾害发生日与无灾害日区分出来的直线。
步骤S6、确定滑坡雨量阈值
取α=0.92,根据步骤S5可以得到α=0.92时的Pc(α,x)~x曲线,如图6所示。
分别取Pc(α,x)=0.4、0.6、0.8对应的x值(x=0.27、0.36、0.58)为黄色预警临界归一化判别雨量NRc,Y=0.27、橙色预警临界归一化判别雨量NRc,O=0.36、红色预警临界归一化判别雨量NRc,R=0.58。三个临界归一化判别雨量值分别乘以Rc,max(α)(414.4mm)得到黄色预警判别雨量值Rc,Y=112mm、橙色预警判别雨量值Rc,O=149mm、红色预警判别雨量值Rc,R=240mm。三者共同组成系统的滑坡雨量阈值。
将滑坡雨量阈值设置在滑坡雨量预警监测系统中。系统实时监测台站57237的降水数据,实时记录当日雨量R0并依式1(取n=7)计算前期有效雨量Ra。当监测的当日雨量R0、前期有效雨量Ra满足如下关系时可以分别发出相应级别的预警:
112mm≤R0+0.92Ra<149mm,黄色预警
149mm≤R0+0.92Ra<240mm,橙色预警
R0+0.92Ra≥240mm,红色预警
结果:2011年9月中旬,万源市出现持续强降雨天气,9月18日零晨1:00,判别雨量Rc为135mm,系统发出黄色预警。当日降雨持续发生,上午8:00,判别雨量Rc达到149mm,系统发出橙色预警。中午12:00,万源市青花镇境内210国道公路沿线出现滑坡灾害,由于当地民警提前进行巡查,滑坡没有造成人员伤亡。
Claims (7)
1.区域滑坡灾害雨量预警方法,根据区域滑坡灾害记录及降雨历史数据确定区域内滑坡灾害的多发期、统计多发期内的灾害发生天数N,在灾害多发期内监测降雨量数据,当降雨量满足预警条件时发出滑坡灾害预警信号;其特征在于:
所述预警条件是:黄色预警条件:Rc,Y≤判别雨量Rc<Rc,O,橙色预警条件:Rc,O≤判别雨量Rc<Rc,R,红色预警条件:判别雨量Rc≥Rc,R;
所述预警条件依如下方法确定:
步骤S1、确定区域内雨量站的当日雨量R0i、前期有效雨量Rai
将多发期内区域内雨量站每日的降水量记录为该雨量站对应的当日雨量R0i,i为雨量站编号;依式1计算多发期内雨量站每日的前期有效雨量Rai;
式中,k为降雨折减系数,通常取0.84;Rij为编号为i的雨量站记录的距离计算日j天的降雨量;n取值7~15;
步骤S2、确定区域代表性当日雨量R0、代表性前期有效雨量Ra
若区域内有一个雨量站,将该雨量站的每日当日雨量、前期有效雨量分别记录为多发期每日的代表性当日雨量R0、代表性前期有效雨量Ra;
若区域内有多个雨量站,将当日雨量最大的雨量站的当日雨量R0i、前期有效雨量Rai分别记录为区域代表性当日雨量R0、代表性前期有效雨量Ra;若各雨量站的当日雨量相同,将前期有效雨量Rai最大雨量站的当日雨量R0i、前期有效雨量Rai分别记录为区域代表性当日雨量R0、代表性前期有效雨量Ra;
步骤S3、确定不同归一化当日雨量对应的滑坡灾害发生率P0(x)
将多发期内每日代表性当日雨量R0的最大值记录为R0,max,依式2计算研究期每日的归一化代表性当日雨量NR0;
NR0=R0/R0,max 式2
从0~1每隔0.01取一个值x,统计研究期中NR0≥x的日数,记录为N0T(x);统计NR0≥x的日子中发生滑坡灾害的日数,记录为N0L(x);依式3计算每一个x取值下的滑坡灾害发生率P0(x);
P0(x)=N0L(x)/N0T(x) 式3
绘制不同归一化代表性当日雨量NR0下的滑坡发生率曲线P0(x)-x;
步骤S4、确定临界归一化当日雨量NR0 *
若曲线P0(x)-x存在稳定段,将稳定段起始端的x值记录为x*,统计NR0≥x*的日数N0L(x*);若N0L(x*)≥20%×N,将x*记录为滑坡发生的临界归一化当日雨量NR0 *,若N0L(x*)<20%×N,将满足条件N0L(x)≥20%×N的最大x值记录为滑坡发生的临界归一化当日雨量NR0 *;
若曲线P0(x)-x不存在稳定段,将满足条件N0L(x)≥20%×N的最大x值记录为滑坡发生的临界归一化当日雨量NR0 *;
步骤S5、确定判别雨量Rc表达式
判别雨量Rc基本表达式为
Rc=R0+αRa 式4
式中,R0-代表性当日雨量,步骤S2确定,
Ra-代表性前期有效雨量,步骤S2确定
α-待定系数;
从0~1每隔0.01取一个值α,作为式4中的待定系数,依式4计算得到待定系数取值为α时区域内多发期内每日的判别雨量Rc(α);将判别雨量Rc(α)的最大值记录为Rc,max(α),依式5计算多发期每日的归一化判别雨量NRc(α);
NRc(α)=Rc(α)/Rc,max(α) 式5
从0~1每隔0.01取一个值x,统计NRc(α)≥x的日数NcT(α,x)以及这些日内发生滑坡灾害的日数NcL(α,x),依式6计算滑坡灾害发生率Pc(α,x);
PC(α,x)=NcL(α,x)/NcT(α,x) 式6
分别绘制NcL(α,x)~x曲线、Pc(α,x)~x曲线,将NcL(α,x)≥N0L(NR0 *)条件下的最大Pc(α,x)值记录为待定系数为α时的最大可比发生率P’(α);
从0~1每隔0.01取一个值α,重复上述内容得到每一个α对应的最大可比灾害发生率P′(α),将P’(α)的最大值记录为P’(α)max;
P’(α)max对应的α值即为所求判别雨量Rc表达式中的α值;
步骤S6、确定滑坡判别雨量Rc各级预警阈值
绘制滑坡灾害发生率Pc(α,x)~x曲线,分别将Pc(α,x)=0.4、0.6、0.8对应的x值记录为NRc,Y、NRc,O、NRc,R;分别依式7、式8、式9计算确定黄色预警雨量阈值Rc,Y、橙色预警雨量阈值Rc,O、红色预警雨量阈值Rc,R,
Rc,Y=NRc,Y×Rc,max(α) 式7
Rc,O=NRc,O×Rc,max(α) 式8
Rc,R=NRc,R×Rc,max(α) 式9
式中,Rc,max(α)-判别雨量Rc(α)的最大值,步骤S5确定。
2.根据权利要求1所述的方法,其特征在于:所述步骤S5中,若P′(α)max对应的α值超过1个,则各对应α值的平均值是所求判别雨量Rc表达式中的α值。
3.根据权利要求1或2所述的方法,其特征在于:所述区域是县级行政单元或地级行政单元。
4.根据权利要求3所述的方法,其特征在于:所述区域的界定配合滑坡灾害研究中的地理条件分析结果加以确定。
5.利用权利要求1或2所述的区域滑坡灾害雨量预警方法实现的区域滑坡灾害雨量预警系统,其特征在于:控制中心实时获得雨量站的降雨量数据,根据实时降雨量数据实时计算判别雨量Rc,当判别雨量Rc满足预警条件时发出相应的滑坡灾害预警信号。
6.根据权利要求5所述的系统,其特征在于:所述区域是县级行政单元或地级行政单元。
7.根据权利要求6所述的系统,其特征在于:所述区域的界定配合滑坡灾害研究中的地理条件分析结果加以确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710924568.6A CN107516402B (zh) | 2017-10-01 | 2017-10-01 | 区域滑坡灾害雨量预警方法、预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710924568.6A CN107516402B (zh) | 2017-10-01 | 2017-10-01 | 区域滑坡灾害雨量预警方法、预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107516402A true CN107516402A (zh) | 2017-12-26 |
CN107516402B CN107516402B (zh) | 2019-03-26 |
Family
ID=60725952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710924568.6A Expired - Fee Related CN107516402B (zh) | 2017-10-01 | 2017-10-01 | 区域滑坡灾害雨量预警方法、预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107516402B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887240A (zh) * | 2019-03-22 | 2019-06-14 | 福州大学 | 一种基于人工智能的滑坡灾害安全监测与预警方法 |
CN111006593A (zh) * | 2019-12-13 | 2020-04-14 | 武汉纵横天地空间信息技术有限公司 | 一种应用无人机进行山体地貌监测及滑坡预测方法及系统 |
CN113281742A (zh) * | 2021-06-02 | 2021-08-20 | 西南交通大学 | 一种基于滑坡形变信息和气象数据的sar滑坡预警方法 |
CN114093133A (zh) * | 2021-11-24 | 2022-02-25 | 合肥工业大学 | 一种区域地质灾害气象预报预警方法 |
CN114333257A (zh) * | 2021-12-30 | 2022-04-12 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡变形速率临界值确定及滑坡预警方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103017709A (zh) * | 2012-12-20 | 2013-04-03 | 青岛理工大学 | 一种利用降雨量测定地质滑坡位移的方法 |
KR20140046358A (ko) * | 2012-10-10 | 2014-04-18 | 이명진 | 산사태 위험성 분석 시스템 및 방법 |
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 |
CN104318717A (zh) * | 2014-10-21 | 2015-01-28 | 四川大学 | 一种历史数据短缺条件下的暴雨泥石流预警方法 |
CN105740636A (zh) * | 2016-02-03 | 2016-07-06 | 长江水利委员会水文局 | 一种山洪灾害临界雨量概率分析方法 |
-
2017
- 2017-10-01 CN CN201710924568.6A patent/CN107516402B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20140046358A (ko) * | 2012-10-10 | 2014-04-18 | 이명진 | 산사태 위험성 분석 시스템 및 방법 |
CN103017709A (zh) * | 2012-12-20 | 2013-04-03 | 青岛理工大学 | 一种利用降雨量测定地质滑坡位移的方法 |
CN104318717A (zh) * | 2014-10-21 | 2015-01-28 | 四川大学 | 一种历史数据短缺条件下的暴雨泥石流预警方法 |
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 |
CN105740636A (zh) * | 2016-02-03 | 2016-07-06 | 长江水利委员会水文局 | 一种山洪灾害临界雨量概率分析方法 |
Non-Patent Citations (2)
Title |
---|
杨文东: "降雨型滑坡特征及其稳定分析研究", 《中国博士学位论文全文数据库基础科学辑》 * |
魏丽: "暴雨型滑坡灾害形成机理及预测方法研究", 《中国博士学位论文全文数据库基础科学辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109887240A (zh) * | 2019-03-22 | 2019-06-14 | 福州大学 | 一种基于人工智能的滑坡灾害安全监测与预警方法 |
CN111006593A (zh) * | 2019-12-13 | 2020-04-14 | 武汉纵横天地空间信息技术有限公司 | 一种应用无人机进行山体地貌监测及滑坡预测方法及系统 |
CN113281742A (zh) * | 2021-06-02 | 2021-08-20 | 西南交通大学 | 一种基于滑坡形变信息和气象数据的sar滑坡预警方法 |
CN114093133A (zh) * | 2021-11-24 | 2022-02-25 | 合肥工业大学 | 一种区域地质灾害气象预报预警方法 |
CN114333257A (zh) * | 2021-12-30 | 2022-04-12 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡变形速率临界值确定及滑坡预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107516402B (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107516402B (zh) | 区域滑坡灾害雨量预警方法、预警系统 | |
CN107195164B (zh) | 山洪灾害在线监测识别预警方法及其预警系统 | |
Gariano et al. | Calibration and validation of rainfall thresholds for shallow landslide forecasting in Sicily, southern Italy | |
CN105894741B (zh) | 一种多资源融合的洪水灾害监测预警装置及方法 | |
CN1996054B (zh) | 基于全方位视觉的泥石流预警预报装置 | |
Shadeed | Spatio-temporal drought analysis in arid and semi-arid regions: A case study from Palestine | |
CN104318503B (zh) | 一种根据台风预报降雨的系统及方法 | |
Bradford | Drought events in Europe | |
CN109543955A (zh) | 基于智慧城市的区域火灾风险评估方法 | |
Lirer et al. | Hazard and risk assessment in a complex multi-source volcanic area: the example of the Campania Region, Italy | |
CN109816252B (zh) | 尾矿库综合风险定量预警方法及装置 | |
CN104237890B (zh) | 一种由“列车效应”引起的暴雨识别及预报方法 | |
CN112150769A (zh) | 一种基于大数据的地质灾害岩体崩塌智能监测预警系统 | |
CN106408213A (zh) | 级联式山洪灾害风险分析方法及系统 | |
CN106203724A (zh) | 一种浅表层土质滑坡的预报方法 | |
Yeh | Using integrated meteorological and hydrological indices to assess drought characteristics in southern Taiwan | |
CN107403004A (zh) | 一种基于地形数据的遥测雨量站点可疑数值检验方法 | |
Lin et al. | Review of landslide occurrence and climate change in Taiwan | |
Said et al. | Drought assessment and monitoring using some drought indicators in the semi-arid Puntland State of Somalia | |
Abou Zakhem et al. | Overexploitation and cumulative drought trend effect on Ras El Ain karstic spring discharge (Khabour Sub-basin, Syria) | |
Zini et al. | The RUSLE erosion index as a proxy indicator for debris flow susceptibility | |
Zhang et al. | Risk assessment and zoning of flood damage caused by heavy rainfall in Yamaguchi prefecture, Japan | |
Ross et al. | Surface water and groundwater connectivity in the Murray–Darling Basin: integrated management of connected resources | |
Doody et al. | Environmental management of riparian tree health in the Murray-Darling Basin, Australia | |
CN106683349A (zh) | 一种地质灾害综合监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190326 Termination date: 20191001 |
|
CF01 | Termination of patent right due to non-payment of annual fee |