CN108133578A - 山洪灾害险情动态预警方法、精细化分级监测预警方法 - Google Patents
山洪灾害险情动态预警方法、精细化分级监测预警方法 Download PDFInfo
- Publication number
- CN108133578A CN108133578A CN201711425579.6A CN201711425579A CN108133578A CN 108133578 A CN108133578 A CN 108133578A CN 201711425579 A CN201711425579 A CN 201711425579A CN 108133578 A CN108133578 A CN 108133578A
- Authority
- CN
- China
- Prior art keywords
- mountain
- monitoring
- mountain torrents
- basin
- warning
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/002—Generating a prealarm to the central station
-
- 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
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Emergency Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Pure & Applied Mathematics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种山洪灾害险情动态预警方法。是在流域调查与监测系统实时数据的基础上,采用二维潜水波方程对山洪沿程运动进行数值模拟,在DEM栅格水平上预测山洪淹没范围与淹没深度,通过叠加承灾体数据分析出承灾体遭受危害的程度、安全疏散线路等信息,及时向流域内人群发布。本发明还公开一种山洪灾害精细化分级监测预警方法,是通过全方位获取分析影响山洪灾害要素的监测信息,将整个山洪形成、发生、演进过程视为高度动态过程加以预测监测,通过山洪灾前预测、临灾预警、发灾预警、险情动态预警四级逐步完成山洪灾害的精细预警。与现有的一步、一指标监测预警技术相比,本发明方法充分结合山洪灾害的动态性特征与规律,更为科学,减灾实务性更高。
Description
技术领域
本发明涉及一种灾害预警方法,特别是涉及一种基于演进过程监测的山洪精细化分级监测预警方法,属于水利工程技术领域、地质灾害防治技术领域。
背景技术
地质灾害监测预警是指通过一定的技术手段,监测潜在灾害体的形成条件、激发条件与灾害体的物理特征,在灾害尚未发生或到达危险区之前,预先向受到威胁的地区、人群发出警报。山洪灾害预警的目的是在山洪即将发生或者已经发生尚未到达危险区的时刻,发出预警信息,为人员疏散撤离赢得时间,减免人员伤亡。更为理想的山洪灾害预警技术是能够在灾害发生后,根据监测信息能够动态划分潜在危险区,计算危险度,为不同空间位置的潜在受灾对象提供科学的避灾指导信息。其核心是做到过程监测、精细化分级预警、个性化预警信息发布。
现有的监测预警方法主要有通过CCD传感器(照相或录像)对山洪沟道进行监测,直观判断山洪是否发生以及发生的规模的方法,以及以降雨作为控制参数的监测预警方法,是利用市售雨量计测得降雨数据,通过灾害发生事件与相应的降雨指标统计分析建立的模型进行预警的方法。两类方法都有其缺陷:对于前者,CCD影像信息数据量大,对数据传输要求高,一般需要在野外铺设专用的通讯光纤,建设成本高,且在野外不易实现。而基于GPRS技术的图像抓拍传感器只能定时拍摄山洪发生区域照片,提供山洪是否发生的影像,很难给出定量的预警报信息,且往往在雨夜难以保障正常运行和获取信息,容易造成灾害漏报。另外,根据影像估计的灾害规模,不能定量,提供的预警信息比较模糊。对于后者,基于统计规律的模型需要较大的样本才能保证预报的精度,加之山洪流域地质和地貌条件的区域差异,不同区域的降雨历时—强度曲线具有较大差异,模型很难在建模样本区域以外应用,其推广和应用受到较大限制。
现有技术整体而言比较笼统,大多是通过对单一参数的监测,建立统计模型,难以反映灾害的动态过程。这些方法还有一显著缺陷在于不能提供灾害危险性的详细信息,使得疏散撤离实施中难以采取有针对性的措施,防灾减灾效果不理想。并且,已有方法无法做到基于过程监测信息的精细化的预警,只能给出灾害是否发生的判断与发生时间预警信息,不能提供详细的有针对性的临灾信息(如灾害的空间、强度、过程、潜在危险区及其变化等信息)。整体上,预警信息对灾害影响区域内的人群较为抽象,预警结果的可靠性与减灾实务性相对比较弱。
发明内容
本发明的目的就是针对现有技术的不足,提供一种山洪灾害监测预警方法。该方法能够对山洪灾害的发生演进过程进行动态与精细分级监测,提高预警精度。
为实现上述目的,本发明首先提供一种山洪灾害演进过程中的险情动态预警方法,用以在判识山洪灾害形成发生后对险情过程加以精细监测,实现动态警示。其技术方案如下:
一种山洪灾害险情动态预警方法,用以在山洪灾害发生后监测险情动态过程,实现分级预警;其特征在于:
首先进行流域调查,流域调查中,确定山洪沟道内流通区、危险区范围,在流通区布置监测断面M;现场调查确定监测断面M所在处坡降IC、监测断面M宽度B、监测断面M处水力半径R、监测断面M处坡降I、监测断面M过流能力Q0、监测断面M至山洪沟道危险区的距离L、山洪沟床糙率系数nC,危险区内承灾体分布及各承灾体有效高度HC;通过GIS软件进行流域内各断面的基本地形地貌参数调查,提取流域内DEM数据,根据DEM数据确定计算栅格数量、各栅格位置坐标、各栅格面积;
其次安装监测系统,监测系统包括以无线通信联接的控制中心与监测传感器,监测传感器安装在监测断面M处,包括流速传感器、雨量传感器、监测断面M上方的超声波水位传感器;
然后依如下步骤实施:
山洪发生时,监测传感器实时采集并向控制中心发送山洪流深监测值h;
步骤D1、模拟山洪沿程运动过程
采用二维潜水波方程进行数值模拟,得到山洪沿程运动方程;其中,运动平衡动量方程依式1、式2,质量守恒方程依式3:
式中,g—重力加速度常数,
Sfx、Sfy—沟道摩擦坡降,
Sox、Soy—沟道纵坡降,
t—山洪持续时间,单位s,根据各地《中小流域暴雨洪水计算手册》方法框算确定,
u—山洪在x方向的平均流动速度,单位m/s,流速传感器实时监测确定,
h—山洪流深监测值,单位m,超声波水位传感器实时监测确定,
v—山洪在y方向的平均流动速度,单位m/s,流速传感器实时监测确定,
i—一次降雨强度,单位mm/h,雨量传感器实时监测确定,
根据山洪沿程运动方程确定监测断面M处最大溃坝演进流量Qt、监测断面M处淹没宽度B′;
步骤D2、确定山洪最终淹没区域A、区域A内各栅格淹没深度Dfi
依式4、式5计算山洪最终淹没区域A、区域A内各栅格淹没深度Dfi
A=nc(Qt-Q0)/R2/3I2/3 式4
Dfi=nc(Qt-Q0)/R2/3I2/3B′ 式5
式中,A—山洪最终淹没区域,单位m2,
Dfi—山洪最终淹没区域A内各栅格淹没深度,单位m,
nC—山洪沟床糙率系数,流域调查确定,
Q0—监测断面M过流能力,单位m3/s,流域调查确定,
Qt—监测断面M处最大溃坝演进流量,单位m3/s,步骤D1数值模拟计算确定,
R—监测断面M处水力半径,m,流域调查确定,
I—监测断面M处坡降,单位°,流域调查确定,
B′—监测断面M处淹没宽度,单位m,步骤D1数值模拟计算确定;
根据山洪最终淹没区域A确定流域中山洪最终不会淹没的区域A′;
步骤D3、确定山洪最终淹没区域A内各承灾体危险程度
依式6计算山洪最终淹没区域A内各承灾体危险等级CD
式中,CD—承灾体危险等级,
Dfi—山洪最终淹没区域A内各栅格淹没深度,单位m,步骤D2确定,
HC—承灾体有效高度,单位m,流域调查确定,
根据CD判断各承灾体危险程度:若0<CD≤0.3,判断承灾体处于低危险性,0.3<CD≤0.7,判断承灾体处于中危险性,若0.7<CD≤1,判断承灾体处于高危险性,若CD>1,判断承灾体已被山洪淹没;
步骤D4、确定灾害警示信息
确定灾害警示信息,包括疏散时间t′、承灾体危险等级CD、潜在危害区域、逃生路线,具体:
依式7计算疏散时间t′,
t′=L/Vc 式7
式中,t′—疏散时间,单位s,
L—监测断面M至山洪沟道危险区的距离,单位m,流域调查确定,
Vc—监测断面M处的山洪平均流速,单位m/s,流速传感器实时监测确定,
潜在危害区域是山洪最终淹没区域A,由步骤D1数值模拟计算确定,
逃生路线是从最终淹没区域A内各承灾体至山洪最终不会淹没的区域A′的最短路径,采用深度优先搜索方法确定;
步骤D5、发送灾害警示信息
向流域内人群发送灾害警示信息。
上述山洪灾害险情动态预警方法,其技术原理的关键在于数值运算模拟山洪沿程运动过程。采用二维潜水波方程进行数值模拟,基于非牛顿流体模式及中央有限差分的数值方法来计算洪水运动控制方程的集成算法。该算法在洪水灾害管理、基本工程设计、城市淹没分析、山洪灾害危险性划分等方面应用广泛。为使该算法更适用于山洪运动规律,本发明方法为其设置了必要的假设与限制条件。二维模型基本方程式包含连续方程和运动方程,它可以求解山洪在水平坐标系X方向和Y方向上基本的流速和流深。在进行数值模拟时,其数据的稳定性是通过在极小的时间步长内进行计算来保证,即在没有调查数据的前提下,通过各种不同山洪流动路线作为关键因素,用数据稳定的准则限制了时间步长,从而达到避免数据调查情况下又能够有允许时间步长,尽最大努力在合理的时间范围进行山洪的模拟。
以上述山洪灾害险情动态预警方法为基础,本发明还提供一种山洪灾害精细化分级监测预警方法,该方法在实施山洪灾害险情动态预警前先完成山洪灾害灾前预测,其技术方案如下:
利用上述山洪灾害险情动态预警方法实现的山洪灾害精细化分级监测预警方法,在实施山洪灾害险情动态预警前先完成山洪灾害灾前预测,其特征在于:
首先进行流域调查并安装监测系统,在流域调查中,还包括确定形成区径流系数C,在形成区的末端设置监测断面N,调查确定监测断面N以上的流域面积A1、监测断面N宽度B1、监测断面N处坡降Ic1,根据现场调查取样与现场土力学实验确定形成区堆积物颗粒平均粒径dm;然后依如下步骤实施:
步骤A、山洪灾害灾前预测
步骤A1、确定流域内山洪形成的临界水量Q
依式8、式9、式10计算山洪灾害形成临界水量Q,
Q=qB1 式8
θ=arctan(Ic1) 式10
式中,Q—山洪灾害形成临界水量,单位m3/s,
q—山洪起动单宽流量,单位m3/s,
B1—监测断面N宽度,单位m,流域调查确定,
dm—形成区堆积物颗粒平均粒径,单位m,流域调查确定,
θ—监测断面N处纵坡坡度,单位°,
Ic1—监测断面N处坡降,单位°,流域调查确定;
步骤A2、确定流域内山洪形成临界降雨阈值iL
依式11计算山洪形成临界降雨阈值iL,
式中,iL—山洪形成临界降雨阈值,mm/h,
Q—山洪灾害形成临界水量,单位m3/s,步骤A1确定,
C—形成区径流系数,流域调查确定,
A1—监测断面N以上流域面积,单位ha,流域调查确定;
步骤A3、判断山洪形成条件
从气象卫星云图数据中读取流域内未来最大可降雨量ik,若未来最大可降雨量ik≥临界雨量阈值iL,判断流域内出现山洪发生可能性,发出预警信息;进入山洪灾害精细化分级监测预警方案。
为进一步提高灾害预警的精细程度,上述山洪灾害精细化分级监测预警方法可进一步优化,是在完成山洪灾害灾前预测后,即在步骤A3中判断流域内出现山洪发生可能性后,进行山洪灾害临灾预警,具体技术方案是:
在步骤A3中判断流域内出现山洪发生可能性后进入步骤B、山洪临灾预警,首先进行流域调查并安装监测系统,在安装的监测系统中还包括在流域内设置海拔梯度雨量站;然后依如下步骤实施:
步骤B、山洪临灾预警
步骤B1、获取梯度降雨观测数据
采集流域内不同海拔雨量站雨量观测值,组成流域梯度降雨观测数据,计算降雨观测平均值;
步骤B2、判断山洪临灾条件
将降雨观测平均值与临界降雨阈值iL对比,若降雨观测平均值≥临界雨量阈值iL,判定流域内山洪灾害临近,发出预警信息;进入山洪灾害精细化分级监测预警方案。
为进一步提高灾害预警的精细程度,上述山洪灾害精细化分级监测预警方法可进一步优化,是在完成山洪灾害临灾预警后,即在步骤B2中判断流域内山洪灾害临近后,进行山洪灾害发灾预警,具体技术方案是:
在步骤B2中判断流域内山洪灾害临近后进入步骤C、山洪发灾预警,首先进行流域调查并安装监测系统,在流域调查中,还包括确定监测断面M处外阻力系数m、监测断面M下游沟道最大安全排泄流量Qp,在安装监测系统中,监测传感器还包括埋设在监测断面M沟床内的总应力传感器,总应力传感器与超声波水位传感器在同一竖直轴上;然后依如下步骤实施:
步骤C、山洪发灾预警
疑似山洪发生时,监测传感器实时采集并向控制中心发送山洪流深监测值h、总应力监测值P;
步骤C1、山洪力学参数监测发灾信息
步骤C11、控制中心依式12计算监测断面M上的山洪重度γC:
式中,h—山洪流深监测值,单位m,由超声波水位传感器确定,
IC—监测断面M所在处坡降,根据流域调查确定,
nC—山洪沟床糙率系数,根据流域调查确定,
P—总应力监测值,kpa,由总应力传感器确定,
g—重力加速度常量;
步骤C12、控制中心根据山洪重度γC判断山洪发灾信息:
若1.0<γc<1.3,判断为山洪发灾,继续步骤C2,否则进入步骤C11;
步骤C2、山洪发生规模预警
控制中心实时测算山洪峰值流量Qc,依据Qc与下游沟道最大安全排泄流量Qp间流量判别条件确定山洪发生规模及预警级别;
山洪峰值流量Qc依式13计算确定:
Qc=VchB 式13
式中,VC—监测断面M上的平均流速,单位m·s-1,流速传感器实时监测确定,
h—山洪流深监测值,单位m,超声波水位传感器实时监测确定,
B—监测断面M宽度,单位m,流域调查确定,
所述流量判别条件及预警级别是:若0.6Qp≤QC,判断山洪规模达到黄色预警级别,发出预警信息;进入步骤D、山洪灾害险情动态预警。
上述山洪灾害精细化分级监测预警方法可进一步完成的优化方案是:
在步骤C2中,若判断山洪规模进入黄色预警级别,发出预警信息,进入步骤D,同时依表1条件进一步判断山洪规模预警级别并发出相应的预警信号:
表1山洪流量判别条件及预警级别
与现有技术相比,本发明的有益效果是:(1)本发明提供的一种山洪灾害险情动态预警方法,该方法能够在对山洪运动过程数值模拟的基础上,实时预测出山洪淹没范围与淹没深度,再通过叠加流域内承灾体分布数据与物理特征数据分析出不同区域内承灾体遭受危害的程度、安全疏散线路等信息,并及时向流域内人群发布。方法实现了山洪灾害监测中对险性的高度动态化与精细化监测,提高监测预警信息的有效性与实际价值。(2)本发明提供的山洪灾害精细化分级监测预警方法是在流域地形特征数据调查的基础上,在流域内不同位点合理布置监测传感器,通过全方位获取影响山洪灾害要素的监测信息,将整个山洪形成、发生、演进过程视为高度动态过程加以预测监测。尤其是从山洪可能形成的源头起,依据山洪灾害不同阶段特征规律,分级分类监测不同变量指标。前期集中利用对雨量条件的数值监测与条件判别,后期集中利用对监测断面的数值监测与条件判别,方法整体经由山洪灾前预测、临灾预警、发灾预警、险情动态预警四级逐步完成山洪灾害的精细预警,从而逐步提高对山洪灾害全面预警的效率。与现有的一步、一指标监测预警技术相比,本发明方法充分结合山洪灾害过程的动态性特征,采用的过程监测有效利用了灾害过程不同阶段不同指标重要性不同自然规律,更为科学;且能够根据监测信息能够动态划分潜在危险区,计算危险度,为不同空间位置的潜在受灾对象提供科学的避灾指导信息,减灾实务性更高。
附图说明
图1是汶川县某流域示意图。
图2是山洪灾害精细化分级监测预警流程图。
图3是山洪运动数值模拟计算结果图(局部)。
图4是山洪危险分区结果图。
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4所示,用本发明方法对汶川县某流域(沟道)实施山洪灾害精细化分级监测预警。
图1是汶川县某流域示意图。该沟位于汶川县城西南约5km处,为岷江左岸的一级支流,流域面积52.4km2,沟口海拔1320m,流域最高海拔4360m,高差达3040m,主沟长15.8km,沟内多跌水,沟床纵坡较陡、平均比降170‰,共有18条超过1km长的支沟,沟谷切割密度1.11km/km2,沟内地形陡峻,物源区平均坡度超过40°。受5.12汶川地震的影响,岩体崩解坡积物滑落,产生滑坡和崩塌,进一步增加了沟道流域内的松散堆积物量。2013年7月8日~7月12日,岷江上游都汶公路沿线普降暴雨激发了群发性大规模山洪灾害。
为便于描述,本实施例中以下文字所称“流域”实际均为“子流域”,即汶川县某流域中的某一山洪沟道。
图2是山洪灾害精细化分级监测预警流程图。
首先进行流域调查,流域调查中,确定山洪沟道内流通区、危险区范围,在流通区布置监测断面M;现场调查确定监测断面M所在处坡降IC=14.1%、监测断面M宽度B=30m、监测断面M处水力半径R=2.5、监测断面M处坡降I=14.1%、监测断面M过流能力Q0=285.45m3/s、监测断面M处外阻力系数m=7.0、监测断面M下游沟道最大安全排泄流量Qp=2400m3/s、监测断面M至山洪沟道危险区的距离L=3000m,山洪沟床糙率系数nC=0.14;调查确定危险区内承灾体分布及各承灾体有效高度HC;确定形成区径流系数C=0.8。在形成区的末端设置监测断面N,调查确定监测断面N以上的流域面积A1=2.14km2、监测断面N宽度B1=14.2m、监测断面N所在处坡降Ic1=29.1%,根据现场调查取样与现场土力学实验确定形成区堆积物颗粒平均粒径dm=0.14m。
提取流域内DEM数据,根据DEM数据确定计算栅格数量(共计1000个栅格)、各栅格位置坐标、各栅格面积。部分数据如表2所示:
表2部分栅格基础数据
其次安装监测系统,监测系统包括以无线通信联接的控制中心与监测传感器,监测传感器安装在监测断面M处,包括流速传感器、雨量传感器、监测断面M上方的超声波水位传感器、监测断面M沟床内的总应力传感器,总应力传感器与超声波水位传感器在同一竖直轴上;在流域内设置海拔梯度雨量站(本实施例中在流域内每200m海拔差上设置雨量站)。
步骤A、山洪灾害灾前预测
步骤A1、确定流域内山洪形成的临界水量Q
将数据B1=14.2m、dm=0.14m、Ic1=29.1%代入依式8、式9、式10计算山洪灾害形成临界水量Q=12.6m3/s。
步骤A2、确定流域内山洪形成临界降雨阈值iL
将数据Q=12.6m3/s、C=0.8、A1=2.14km2代入式11计算山洪形成临界降雨阈值iL=26.4mm/h。
步骤A3、判断山洪形成条件
在2016年8月14日从气象卫星云图数据中读取流域内未来24h最大可降雨量ik=40mm/h,因ik≥iL=26.4mm/h,判断流域内出现山洪发生可能性,发出预警信息;进入步骤B。
步骤B、山洪临灾预警
步骤B1、获取梯度降雨观测数据、土壤水分观测数据
采集流域内不同海拔雨量站雨量观测值,组成流域梯度降雨观测数据,计算降雨观测平均值=35mm/h。
步骤B2、判断山洪临灾条件
因降雨观测平均值≥iL=26.4mm/h,判定流域内山洪灾害临近,发出预警信息;进入步骤C。
步骤C、山洪发灾预警
疑似山洪发生时,监测传感器实时采集并向控制中心发送山洪流深监测值h、总应力监测值P;
步骤C1、山洪力学参数监测发灾信息
将IC=14.1%、nC=0.14、P=82.3kpa数据代入式12计算监测断面M上的山洪重度γC=1.25g/cm。因1.0<γC=1.25<1.3,判断为山洪发灾,继续步骤C2。
步骤C2、山洪发生规模预警
将数据VC=8.9m/s、h=6.0m、B=30m代入式13计算确定山洪峰值流量Qc=1602m3/s。因0.6Qp=1602≤QC,判断山洪规模达到黄色预警级别,发出预警信息,进入步骤D。同时进一步判断山洪规模预警级别:依据表1判断山洪规模预警级别为黄色。
步骤D、山洪灾害险情动态预警
步骤D1、模拟山洪沿程运动过程
依式1、2、3建立山洪数值模拟的二维潜水波方程,得到山洪沿程运动方程。其中根据《四川省中小流域暴雨洪水计算手册》方法框算山洪持续时间t=2.5h。
根据山洪沿程运动方程确定监测断面M处最大溃坝演进流量Qt=314.5m3/s、监测断面M处淹没宽度B′=12m、山洪最终淹没区域A、山洪最终不会淹没的区域A′。
步骤D2、确定山洪最终淹没区域A、淹没区域A内各栅格淹没深度Dfi
将数据nC=0.14、Q0=285.45m3/s、Qt=314.5m3/s、R=2.5、I=14.1%、B′=12m代入式4、式5计算山洪最终淹没区域A、淹没区域A内各栅格淹没深度Dfi,部分结果如表4所示。
表4部分淹没区域A内各栅格淹没深度Dfi数据
图3所示为山洪运动数值模拟计算结果(局部),图中中部的填图区域为山洪最终淹没区域A。
步骤D3、确定山洪最终淹没区域A内各承灾体危险程度
将数据HC、Dfi代入式6计算淹没区域A内各承灾体危险等级CD,并根据CD判断各承灾体危险程度。
以某承灾体为例,流域调查确定该承灾体是2层砖混结构楼房、坐标31°26'15.84"北,103°34'14.29"东,HC=7.2m,步骤D2确定该坐标位置处(003号栅格)Dfi=9.5m。依式6计算确定CD=1.32,属于高危险程度,且该建筑物被山洪完全淹没。
图4是山洪危险分区结果图。图中在主沟道两侧根据承灾体危险程度分布区域显示了不同的山洪危险分区。深灰色区域内承灾体处于高危险性(包含承灾体已被山洪淹没的区域),浅灰色区域内承灾体处于中危险性,近白色区域内承灾体处于低危险性。
步骤D4、确定灾害警示信息
将数据L=3000m、Vc=8.9m/s代入式7计算疏散时间t′=337s。
潜在危害区域是山洪最终淹没区域A(如图3所示)。
采用深度优先搜索方法计算最终淹没区域A内各承灾体至山洪最终不会淹没的区域A′的最短路径确定逃生路线。具体以淹没区域到不会被淹没的区域的最短距离为半径画圆,用决策树分类的方法遍历决定最佳逃生路线。
步骤D5、发送灾害警示信息
通过公共通讯手段、媒体、网络向流域内人群发送灾害警示信息,包括山洪规模预警级别、疏散时间t′、承灾体危险等级CD、潜在危害区域、逃生路线。
Claims (7)
1.山洪灾害险情动态预警方法,用以在山洪灾害发生后监测险情动态过程,实现分级预警;其特征在于:
首先进行流域调查,流域调查中,确定山洪沟道内流通区、危险区范围,在流通区布置监测断面M;现场调查确定监测断面M所在处坡降IC、监测断面M宽度B、监测断面M处水力半径R、监测断面M处坡降I、监测断面M过流能力Q0、监测断面M至山洪沟道危险区的距离L、山洪沟床糙率系数nC,危险区内承灾体分布及各承灾体有效高度HC;通过GIS软件进行流域内各断面的基本地形地貌参数调查,提取流域内DEM数据,根据DEM数据确定计算栅格数量、各栅格位置坐标、各栅格面积;
其次安装监测系统,监测系统包括以无线通信联接的控制中心与监测传感器,监测传感器安装在监测断面M处,包括流速传感器、雨量传感器、监测断面M上方的超声波水位传感器;
然后依如下步骤实施:
山洪发生时,监测传感器实时采集并向控制中心发送山洪流深监测值h;
步骤D1、模拟山洪沿程运动过程
采用二维潜水波方程进行数值模拟,得到山洪沿程运动方程;其中,运动平衡动量方程依式1、式2,质量守恒方程依式3:
式中,g-重力加速度常数,
Sfx、Sfy-沟道摩擦坡降,
Sox、Soy-沟道纵坡降,
t-山洪持续时间,单位s,根据各地《中小流域暴雨洪水计算手册》方法框算确定,
u-山洪在x方向的平均流动速度,单位m/s,流速传感器实时监测确定,
h-山洪流深监测值,单位m,超声波水位传感器实时监测确定,
v-山洪在y方向的平均流动速度,单位m/s,流速传感器实时监测确定,
i-一次降雨强度,单位mm/h,雨量传感器实时监测确定,
根据山洪沿程运动方程确定监测断面M处最大渍坝演进流量Qt、监测断面M处淹没宽度B′;
步骤D2、确定山洪最终淹没区域A、区域A内各栅格淹没深度Dfi
依式4、式5计算山洪最终淹没区域A、区域A内各栅格淹没深度Dfi
A=nc(Qt-Q0)/R2/3I2/3 式4
Dfi=nc(Qt-Q0)/R2/3I2/3B′ 式5
式中,A-山洪最终淹没区域,单位m2,
Dfi-山洪最终淹没区域A内各栅格淹没深度,单位m,
nC-山洪沟床糙率系数,流域调查确定,
Q0-监测断面M过流能力,单位m3/s,流域调查确定,
Qt-监测断面M处最大渍坝演进流量,单位m3/s,步骤D1数值模拟计算确定,
R-监测断面M处水力半径,m,流域调查确定,
I-监测断面M处坡降,单位°,流域调查确定,
B′-监测断面M处淹没宽度,单位m,步骤D1数值模拟计算确定;
根据山洪最终淹没区域A确定流域中山洪最终不会淹没的区域A′;
步骤D3、确定山洪最终淹没区域A内各承灾体危险程度
依式6计算山洪最终淹没区域A内各承灾体危险等级CD
式中,CD-承灾体危险等级,
Dfi-山洪最终淹没区域A内各栅格淹没深度,单位m,步骤D2确定,
HC-承灾体有效高度,单位m,流域调查确定,
根据CD判断各承灾体危险程度:若0<CD≤0.3,判断承灾体处于低危险性,0.3<CD≤0.7,判断承灾体处于中危险性,若0.7<CD≤1,判断承灾体处于高危险性,若CD>1,判断承灾体已被山洪淹没;
步骤D4、确定灾害警示信息
确定灾害警示信息,包括疏散时间t′、承灾体危险等级CD、潜在危害区域、逃生路线,具体:
依式7计算疏散时间t′,
t′=L/Vc 式7
式中,t′-疏散时间,单位s,
L-监测断面M至山洪沟道危险区的距离,单位m,流域调查确定,
Vc-监测断面M处的山洪平均流速,单位m/s,流速传感器实时监测确定,
潜在危害区域是山洪最终淹没区域A,由步骤D1数值模拟计算确定,
逃生路线是从最终淹没区域A内各承灾体至山洪最终不会淹没的区域A′的最短路径,采用深度优先搜索方法确定;
步骤D5、发送灾害警示信息
向流域内人群发送灾害警示信息。
2.根据权利要求1所述的山洪灾害险情动态预警方法,其特征在于:所述步骤D4中,所述逃生路线采用深度优先搜索方法计算最终淹没区域A内各承灾体至山洪最终不会淹没的区域A′的最短路径确定。
3.利用权利要求1或2所述的山洪灾害险情动态预警方法实现的山洪灾害精细化分级监测预警方法,在实施山洪灾害险情动态预警前先完成山洪灾害灾前预测,其特征在于:
首先进行流域调查并安装监测系统,在流域调查中,还包括确定形成区径流系数C,在形成区的末端设置监测断面N,调查确定监测断面N以上的流域面积A1、监测断面N宽度B1、监测断面N处坡降Ic1,根据现场调查取样与现场土力学实验确定形成区堆积物颗粒平均粒径dm;然后依如下步骤实施:
步骤A、山洪灾害灾前预测
步骤A1、确定流域内山洪形成的临界水量Q
依式8、式9、式10计算山洪灾害形成临界水量Q,
Q=qB1 式8
θ=arctan(Ic1) 式10
式中,Q-山洪灾害形成临界水量,单位m3/s,
q-山洪起动单宽流量,单位m3/s,
B1-监测断面N宽度,单位m,流域调查确定,
dm-形成区堆积物颗粒平均粒径,单位m,流域调查确定,
θ-监测断面N处纵坡坡度,单位°,
Ic1-监测断面N处坡降,单位°,流域调查确定;
步骤A2、确定流域内山洪形成临界降雨阈值iL
依式11计算山洪形成临界降雨阈值iL,
式中,iL-山洪形成临界降雨阈值,mm/h,
Q-山洪灾害形成临界水量,单位m3/s,步骤A1确定,
C-形成区径流系数,流域调查确定,
A1-监测断面N以上流域面积,单位ha,流域调查确定;
步骤A3、判断山洪形成条件
从气象卫星云图数据中读取流域内未来最大可降雨量ik,若未来最大可降雨量ik≥临界雨量阈值iL,判断流域内出现山洪发生可能性,发出预警信息;进入山洪灾害精细化分级监测预警方案。
4.根据权利要求3所述的山洪灾害精细化分级监测预警方法,其特征在于:在步骤A3中判断流域内出现山洪发生可能性后进入步骤B、山洪临灾预警,首先进行流域调查并安装监测系统,在安装的监测系统中还包括在流域内设置海拔梯度雨量站;然后依如下步骤实施:
步骤B、山洪临灾预警
步骤B1、获取梯度降雨观测数据
采集流域内不同海拔雨量站雨量观测值,组成流域梯度降雨观测数据,计算降雨观测平均值;
步骤B2、判断山洪临灾条件
将降雨观测平均值与临界降雨阈值iL对比,若降雨观测平均值≥临界雨量阈值iL,判定流域内山洪灾害临近,发出预警信息;进入山洪灾害精细化分级监测预警方案。
5.根据权利要求4所述的山洪灾害精细化分级监测预警方法,其特征在于:所述海拔梯度雨量站是在每200m海拔差上设置雨量站。
6.根据权利要求4或5所述的山洪灾害精细化分级监测预警方法,其特征在于:在步骤B2中判断流域内山洪灾害临近后进入步骤C、山洪发灾预警,首先进行流域调查并安装监测系统,在流域调查中,还包括确定监测断面M处外阻力系数m、监测断面M下游沟道最大安全排泄流量Qp,在安装监测系统中,监测传感器还包括埋设在监测断面M沟床内的总应力传感器,总应力传感器与超声波水位传感器在同一竖直轴上;然后依如下步骤实施:
步骤C、山洪发灾预警
疑似山洪发生时,监测传感器实时采集并向控制中心发送山洪流深监测值h、总应力监测值P;
步骤C1、山洪力学参数监测发灾信息
步骤C11、控制中心依式12计算监测断面M上的山洪重度γC:
式中,h-山洪流深监测值,单位m,由超声波水位传感器确定,
IC-监测断面M所在处坡降,根据流域调查确定,
nC-山洪沟床糙率系数,根据流域调查确定,
P-总应力监测值,kpa,由总应力传感器确定,
g-重力加速度常量;
步骤C12、控制中心根据山洪重度γC判断山洪发灾信息:
若1.0<γc<1.3,判断为山洪发灾,继续步骤C2,否则进入步骤C11;
步骤C2、山洪发生规模预警
控制中心实时测算山洪峰值流量Qc,依据Qc与下游沟道最大安全排泄流量Qp间流量判别条件确定山洪发生规模及预警级别;
山洪峰值流量Qc依式13计算确定:
Qc=VchB 式13
式中,VC-监测断面M上的平均流速,单位m·s-1,流速传感器实时监测确定,
h-山洪流深监测值,单位m,超声波水位传感器实时监测确定,
B-监测断面M宽度,单位m,流域调查确定,
所述流量判别条件及预警级别是:若0.6Qp≤QC,判断山洪规模达到黄色预警级别,发出预警信息;进入步骤D、山洪灾害险情动态预警。
7.根据权利要求6所述的山洪灾害精细化分级监测预警方法,其特征在于:在进入步骤D的同时依判别条件判断山洪规模预警级别并发出相应的预警信号;所述判别条件是:若0.6Qp≤QC<0.8,预警级别为黄色预警,若0.8Qp≤QC<Qp,预警级别为橙色预警,若Qp≤QC,预警级别为红色预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711425579.6A CN108133578B (zh) | 2017-12-25 | 2017-12-25 | 山洪灾害险情动态预警方法、精细化分级监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711425579.6A CN108133578B (zh) | 2017-12-25 | 2017-12-25 | 山洪灾害险情动态预警方法、精细化分级监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108133578A true CN108133578A (zh) | 2018-06-08 |
CN108133578B CN108133578B (zh) | 2019-10-01 |
Family
ID=62392527
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711425579.6A Active CN108133578B (zh) | 2017-12-25 | 2017-12-25 | 山洪灾害险情动态预警方法、精细化分级监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108133578B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118721A (zh) * | 2018-10-31 | 2019-01-01 | 河海大学 | 基于临界雨量推求复合预警指标的方法、装置及预警方法 |
CN110532952A (zh) * | 2019-08-30 | 2019-12-03 | 四川大学 | 基于gis定位技术的洪灾风险预警及撤离系统 |
CN111047099A (zh) * | 2019-12-16 | 2020-04-21 | 杭州鲁尔物联科技有限公司 | 一种区域性山洪风险预测方法及系统 |
CN111582755A (zh) * | 2020-05-20 | 2020-08-25 | 中国水利水电科学研究院 | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 |
CN111753421A (zh) * | 2020-06-23 | 2020-10-09 | 西南大学 | 一种高落差小流域山洪最大淹没范围的逼近计算方法 |
CN111795681A (zh) * | 2020-06-30 | 2020-10-20 | 杭州鲁尔物联科技有限公司 | 一种山洪灾害预警方法、装置、服务器及存储介质 |
CN111859665A (zh) * | 2020-07-20 | 2020-10-30 | 中国科学院、水利部成都山地灾害与环境研究所 | 非恒定流条件下的山洪冲击力计算方法及其应用 |
CN113971866A (zh) * | 2021-09-14 | 2022-01-25 | 山东大学 | 隧道突水突泥灾害联动报警及人员智能疏散系统及方法 |
CN117172560A (zh) * | 2023-11-02 | 2023-12-05 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 桥梁阻水作用下山洪灾害风险分析方法 |
CN117854255A (zh) * | 2024-03-04 | 2024-04-09 | 成都理工大学 | 基于接触式监测的泥石流应急预警方法及系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09161168A (ja) * | 1995-12-05 | 1997-06-20 | Matsushita Electric Works Ltd | 防災システム |
CN101496075A (zh) * | 2006-06-23 | 2009-07-29 | 雀莱斯企业股份有限公司 | 灾害警报设备、系统和方法 |
JP4323565B1 (ja) * | 2009-03-30 | 2009-09-02 | 学校法人 君が淵学園 崇城大学 | 降雨による河川氾濫予測情報を導出する端末及びプログラム |
CN101872533A (zh) * | 2010-06-25 | 2010-10-27 | 中国科学院水利部成都山地灾害与环境研究所 | 一种泥石流预警方法及预警系统 |
CN103020744A (zh) * | 2012-12-31 | 2013-04-03 | 中国科学技术大学 | 一种灾害环境下最优交通路径的查找方法 |
CN203396427U (zh) * | 2013-08-28 | 2014-01-15 | 兰州大学 | 基于物联网的泥石流临灾监测系统 |
CN104111091A (zh) * | 2014-07-18 | 2014-10-22 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种泥石流力学参数监测系统及泥石流预警系统 |
CN104598737A (zh) * | 2015-01-23 | 2015-05-06 | 水利部南京水利水文自动化研究所 | 泥石流预报方法及系统 |
CN105160193A (zh) * | 2015-09-21 | 2015-12-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于动力过程的泥石流动态风险分析系统及方法 |
CN105279903A (zh) * | 2015-10-27 | 2016-01-27 | 西南民族大学 | 一种基于孔隙水压力监测的山洪泥石流预警方法 |
CN105678062A (zh) * | 2015-12-30 | 2016-06-15 | 广州地理研究所 | 泥石流流量和容重沿程变化预测方法 |
-
2017
- 2017-12-25 CN CN201711425579.6A patent/CN108133578B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09161168A (ja) * | 1995-12-05 | 1997-06-20 | Matsushita Electric Works Ltd | 防災システム |
CN101496075A (zh) * | 2006-06-23 | 2009-07-29 | 雀莱斯企业股份有限公司 | 灾害警报设备、系统和方法 |
JP4323565B1 (ja) * | 2009-03-30 | 2009-09-02 | 学校法人 君が淵学園 崇城大学 | 降雨による河川氾濫予測情報を導出する端末及びプログラム |
CN101872533A (zh) * | 2010-06-25 | 2010-10-27 | 中国科学院水利部成都山地灾害与环境研究所 | 一种泥石流预警方法及预警系统 |
CN103020744A (zh) * | 2012-12-31 | 2013-04-03 | 中国科学技术大学 | 一种灾害环境下最优交通路径的查找方法 |
CN203396427U (zh) * | 2013-08-28 | 2014-01-15 | 兰州大学 | 基于物联网的泥石流临灾监测系统 |
CN104111091A (zh) * | 2014-07-18 | 2014-10-22 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种泥石流力学参数监测系统及泥石流预警系统 |
CN104598737A (zh) * | 2015-01-23 | 2015-05-06 | 水利部南京水利水文自动化研究所 | 泥石流预报方法及系统 |
CN105160193A (zh) * | 2015-09-21 | 2015-12-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于动力过程的泥石流动态风险分析系统及方法 |
CN105279903A (zh) * | 2015-10-27 | 2016-01-27 | 西南民族大学 | 一种基于孔隙水压力监测的山洪泥石流预警方法 |
CN105678062A (zh) * | 2015-12-30 | 2016-06-15 | 广州地理研究所 | 泥石流流量和容重沿程变化预测方法 |
Non-Patent Citations (4)
Title |
---|
崔鹏,等: "山洪泥石流风险评估与风险管理理论与方法", 《地理科学进展》 * |
张启义,等: "山洪灾害动态预警方法研究现状", 《中国水利》 * |
张金山,等: "泥石流预警及其实施方法", 《水利学报》 * |
贾涛,等: "基于FLO-2D与冲量模型的泥石流危险度分区方法及应用", 《水电能源科学》 * |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109118721A (zh) * | 2018-10-31 | 2019-01-01 | 河海大学 | 基于临界雨量推求复合预警指标的方法、装置及预警方法 |
CN110532952B (zh) * | 2019-08-30 | 2022-03-08 | 四川大学 | 基于gis定位技术的洪灾风险预警及撤离系统 |
CN110532952A (zh) * | 2019-08-30 | 2019-12-03 | 四川大学 | 基于gis定位技术的洪灾风险预警及撤离系统 |
CN111047099A (zh) * | 2019-12-16 | 2020-04-21 | 杭州鲁尔物联科技有限公司 | 一种区域性山洪风险预测方法及系统 |
CN111582755A (zh) * | 2020-05-20 | 2020-08-25 | 中国水利水电科学研究院 | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 |
CN111582755B (zh) * | 2020-05-20 | 2020-12-22 | 中国水利水电科学研究院 | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 |
CN111753421A (zh) * | 2020-06-23 | 2020-10-09 | 西南大学 | 一种高落差小流域山洪最大淹没范围的逼近计算方法 |
CN111795681A (zh) * | 2020-06-30 | 2020-10-20 | 杭州鲁尔物联科技有限公司 | 一种山洪灾害预警方法、装置、服务器及存储介质 |
CN111859665A (zh) * | 2020-07-20 | 2020-10-30 | 中国科学院、水利部成都山地灾害与环境研究所 | 非恒定流条件下的山洪冲击力计算方法及其应用 |
CN111859665B (zh) * | 2020-07-20 | 2023-07-25 | 中国科学院、水利部成都山地灾害与环境研究所 | 非恒定流条件下的山洪冲击力计算方法及其应用 |
CN113971866A (zh) * | 2021-09-14 | 2022-01-25 | 山东大学 | 隧道突水突泥灾害联动报警及人员智能疏散系统及方法 |
CN117172560A (zh) * | 2023-11-02 | 2023-12-05 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 桥梁阻水作用下山洪灾害风险分析方法 |
CN117172560B (zh) * | 2023-11-02 | 2024-02-13 | 江西省水利科学院(江西省大坝安全管理中心、江西省水资源管理中心) | 桥梁阻水作用下山洪灾害风险分析方法 |
CN117854255A (zh) * | 2024-03-04 | 2024-04-09 | 成都理工大学 | 基于接触式监测的泥石流应急预警方法及系统 |
CN117854255B (zh) * | 2024-03-04 | 2024-05-24 | 成都理工大学 | 基于接触式监测的泥石流应急预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108133578B (zh) | 2019-10-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108133578B (zh) | 山洪灾害险情动态预警方法、精细化分级监测预警方法 | |
CN108010278B (zh) | 泥石流灾害险情动态预警方法、精细化分级监测预警方法 | |
CN106023530B (zh) | 一种暴雨型稀性泥石流监测预报预警方法 | |
CN104898183A (zh) | 暴雨城市内涝建模评估方法 | |
Musa et al. | The Niger Delta's vulnerability to river floods due to sea level rise | |
CN104156525A (zh) | 一种提高风暴潮灾害风险预测精度的方法 | |
Bhandari et al. | 2D unsteady flow routing and flood inundation mapping for lower region of Brazos River watershed | |
CN113409550B (zh) | 基于径流汇流模拟的泥石流灾害预警方法及系统 | |
CN110610302B (zh) | 一种基于固体物源子系统的泥石流危险性评估方法及装置 | |
CN105844427A (zh) | 一种风暴潮灾害风险精细化评估的计算方法 | |
Kusre | Morphometric analysis of Diyung watershed in northeast India using GIS technique for flood management | |
CN113792437A (zh) | 多维度防汛形势综合研判方法及系统 | |
CN105590034A (zh) | 防汛减灾能力评价模型 | |
CN206021512U (zh) | 一种暴雨型稀性泥石流的检测预报预警装置 | |
JP2020187105A (ja) | 浸りdas(水害危険区域表示手法) | |
Donnelly et al. | Characterisation and modeling of washover fans | |
Lin et al. | Risk assessment of dam-breach flood under extreme storm events | |
Sumira et al. | Dam Break Analysis of Sermo Dam | |
Ongsomwang et al. | URBAN FLOOD MITIGATION AND PREVENTION USING THE MIKE 21 MODEL: A CASE STUDY OF NAKHON RATCHASIMA PROVINCE, THAILAND. | |
KIM et al. | Debris flow prevention countermeasures with urban inundation in a multihazard-Environment | |
Milišić et al. | Estimation of channel and flood plain roughness using HEC-RAS model: A case study of the Veseočica River, Bosnia and Herzegovina | |
Stamataki | Boscastle case of flash flood modelling and hazards reduction | |
Ibeabuchi | Mapping Seasonal Flood Inundation and Developing an Early Warning System for Lagos Metropolis (Nigeria): A study between 1990 and 2011 | |
Harahap et al. | Drainage systems for flood control in Medan Selayang, Indonesia, based on rainfall intensity and drainage evaluation | |
Ak | Investigation of coastal flood problem in İzmir Bay |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
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 |