CN108647454A - 基于水文模拟的流域洪涝灾情信息处理方法及系统 - Google Patents
基于水文模拟的流域洪涝灾情信息处理方法及系统 Download PDFInfo
- Publication number
- CN108647454A CN108647454A CN201810464829.5A CN201810464829A CN108647454A CN 108647454 A CN108647454 A CN 108647454A CN 201810464829 A CN201810464829 A CN 201810464829A CN 108647454 A CN108647454 A CN 108647454A
- Authority
- CN
- China
- Prior art keywords
- basin
- day
- run
- disaster information
- flood
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明涉及一种基于水文模拟的流域洪涝灾情信息处理方法及系统,该方法包括:步骤1,构建遥感数据驱动的流域水文模型,步骤2,利用构建的流域水文模型进行径流量模拟,步骤3,提供流域洪涝灾害灾情信息服务。该系统包括:遥感数据驱动的流域水文模型构建单元,基于流域水文模型的径流量模拟单元,流域洪涝灾情信息服务提供单元。该方法和系统能够很好地建立遥感数据驱动的流域水文模拟模型,耦合多源遥感监测数据和流域水文模拟模型,并以流域历史典型洪灾期的数据作为参考,提供流域洪涝灾害灾情信息服务。
Description
技术领域
本发明属于灾情监测和模拟技术领域,具体地,涉及一种基于水文模拟的流域洪涝灾情信息处理方法和系统。
背景技术
流域洪涝灾情越来越关乎人民生活,如何对洪涝灾情数据进行处理和模拟,已成为监测和模拟技术领域中面临的研究难点。急需开发相应的系统和方法,对洪涝灾情进行很好的模拟以获取准确的信息,提供洪涝灾情服务,防患于未然。
发明内容
为了解决上述问题,本发明的目的在于提供一种基于水文模拟的流域洪涝灾情信息处理方法和系统,该方法和系统能够很好地建立遥感数据驱动的流域模拟模型,耦合多源遥感监测数据和流域水文模拟模型,并以流域历史典型洪灾期的数据作为参考,提供流域洪涝灾害灾情信息服务。该系统和方法能够将各种信息数据进行处理,提高了多源数据的处理效率和利用率,构建模型提高模型的精度和准确度,利用模型准确提取水体信息,依据逐日径流量确定洪涝风险相对较高的河段,对风险较高的河段或支流逐日水体覆盖范围进行动态监测,叠加流域当季的土地覆盖类型及水利工程信息,对该河段或支流的洪涝灾情动态发展情况进行监测和初步评估,为流域洪涝灾害提供准确的灾情信息服务奠定了基础。
发明采用的技术方案如下:
本发明公开了一种基于水文模拟的流域洪涝灾情信息处理方法,该方法包括:
步骤1,构建遥感数据驱动的流域水文模型。
步骤2,利用构建的流域水文模型进行径流量模拟。
步骤3,提供流域洪涝灾害灾情信息服务。
优选地,所述构建遥感数据驱动的流域水文模型为:利用获取的遥感数据构建流域水文信息空间数据库,在流域水文信息空间数据库构建的基础上,利用数据规范化处理软件,对数据进行格式转换和插值处理,使得遥感数据和分布式水文模型数据格式相匹配,从而对流域水文模型进行驱动,构建流域水文模型
优选地,所述流域水文模型为:
其中:Q为径流量;Pi为第i个像元对应的降雨量;Si为第i个像元的面积;N为计算单元内的像元个数;NDVI为归一化植被指数;Vcov为植被覆盖率;Vrent为植被截留系数;ΔSW为土壤含水量的变化;Δt为时间步长;ET为蒸散发量,α、β分别为用NDVI拟合叶面积指数的系数和常数。
优选地,所述利用构建的流域水文模型进行模拟为:利用构建的流域水文模型模拟流域内各个断面一定时期内的逐日径流量,统计分析流域内各个断面一定时期内的多年日平均径流量,通过对比分析典型洪灾期各个断面的径流量和多年平均值的关系,确定每个断面当前时期的洪涝风险指数,对洪涝风险指数高的支流水系进行监测。所述洪涝风险指数为:
其中:FRI(t)为当日的洪涝风险指数,t表示当日;Dt为当日的洪水因子;Qt为当日的日径流量;Qavg为当日的多年平均日径流量;Qf为典型洪水年当日的日径流量。
优选地,还包括利用数据的不同波段构建改进的增强型归一化差异水指体数MSNDWI,准确提取水体信息,其表达式为:
其中:f(w1)为绿光波段增强函数;f(w2)为中红外波段增强函数;ρ(Green)为绿光波段反射率;ρ(MIR)为中红外波段反射率。
本发明还公开了一种基于水文模拟的流域洪涝灾情信息处理系统,包括遥感数据驱动的流域水文模型构建单元,基于流域水文模型的径流量模拟单元,流域灾情信息服务提供单元。
优选地,遥感数据驱动的流域水文模型构建单元,用于所述遥感数据驱动的流域水文模型构建单元用于:利用获取的遥感数据构建流域水文信息空间数据库,在流域水文信息空间数据库构建的基础上,利用数据规范化处理软件,对数据进行格式转换和插值处理,使得遥感数据和分布式水文模型数据格式相匹配,从而对流域水文模型进行驱动,构建流域水文模型。
优选地,流域水文模型模拟单元,用于利用构建的流域水文模型进行模拟,所述流域水文模型为:
其中:Q为径流量;Pi为第i个像元对应的降雨量;Si为第i个像元的面积;N为计算单元内的像元个数;NDVI为归一化植被指数;Vcov为植被覆盖率;Vrent为植被截留系数;ΔSW为土壤含水量的变化;Δt为时间步长;ET为蒸散发量,α、β分别为用NDVI拟合叶面积指数的系数和常数。
优选地,所述利用构建的流域水文模型进行模拟为:利用构建的流域水文模型模拟流域内各个断面一定时期内的逐日径流量,统计分析流域内各个断面一定时期内的多年日平均径流量,通过对比分析典型洪灾期各个断面的径流量和多年平均值的关系,确定每个断面当前时期的洪涝风险指数,对洪涝风险指数高的支流水系进行监测。所述洪涝风险指数为:
其中:FRI(t)为当日的洪涝风险指数,t表示当日;Dt为当日的洪水因子;Qt为当日的日径流量;Qavg为当日的多年平均日径流量;Qf为典型洪水年当日的日径流量。
优选地,还包括利用数据的不同波段构建改进的增强型归一化差异水指体数MSNDWI,准确提取水体信息,其表达式为:
其中:f(w1)为绿光波段增强函数;f(w2)为中红外波段增强函数;ρ(Green)为绿光波段反射率;ρ(MIR)为中红外波段反射率。
附图说明
下面结合附图及实施方式对本发明作进一步详细的说明:
图1为信息处理方法的流程图。
图2为信息处理系统的示意图。
图3为信息处理方法实施例的流程图。
具体实施方式
在下文中更详细地描述了本发明以有助于对本发明的理解。
应当理解的是,在说明书和权利要求书中使用的术语或词语不应当理解为具有在字典中限定的含义,而应理解为在以下原则的基础上具有与其在本发明上下文中的含义一致的含义:术语的概念可以适当地由发明人为了对本发明的最佳说明而限定。
本发明公开了一种基于水文模拟的流域洪涝灾情信息处理方法,其特征在于,该方法包括:
步骤1,构建遥感数据驱动的流域水文模型,
步骤2,利用构建的流域水文模型进行径流量模拟,
步骤3,提供流域洪涝灾害灾情信息服务。
进一步地,步骤1中所述构建遥感数据驱动的流域水文模型为:利用获取的遥感数据构建流域水文信息空间数据库,在流域水文信息空间数据库构建的基础上,利用数据规范化处理软件,对数据进行格式转换和插值处理,使得遥感数据和分布式水文模型数据格式相匹配,从而对流域水文模型进行驱动,构建流域水文模型。
进一步地,步骤2中所述利用构建的流域水文模型进行模拟,所述流域水文模型为:
其中:Q为径流量;Pi为第i个像元对应的降雨量;Si为第i个像元的面积;N为计算单元内的像元个数;NDVI为归一化植被指数;Vcov为植被覆盖率;Vrent为植被截留系数;ΔSW为土壤含水量的变化;Δt为时间步长;ET为蒸散发量,α、β分别为用NDVI拟合叶面积指数的系数和常数。
进一步地,所述利用构建的流域水文模型进行模拟为:利用构建的流域水文模型模拟流域内各个断面一定时期内的逐日径流量,统计分析流域内各个断面一定时期内的多年日平均径流量,通过对比分析典型洪灾期各个断面的径流量和多年平均值的关系,确定每个断面当前时期的洪涝风险指数,对洪涝风险指数高的支流水系进行监测。所述洪涝风险指数为:
其中:FRI(t)为当日的洪涝风险指数,t表示当日;Dt为当日的洪水因子;Qt为当日的日径流量;Qavg为当日的多年平均日径流量;Qf为典型洪水年当日的日径流量。
进一步地,所述提供流域洪涝灾害灾情信息服务为:针对洪涝风险指数高的河段或支流,基于提供的流域的逐日径流量,对河段或支流逐日水体覆盖范围进行动态监测,叠加流域当季的土地覆盖类型及水利工程信息,对该河段或支流的洪涝灾情动态发展情况进行监测和初步评估,为流域洪涝灾害提供灾情信息服务。
进一步地,所述方法还包括利用数据的不同波段构建改进的增强型归一化差异水体指数MSNDWI,准确提取水体信息,其表达式为:
其中:f(w1)为绿光波段增强函数;f(w2)为中红外波段增强函数;ρ(Green)为绿光波段反射率;ρ(MIR)为中红外波段反射率。
本发明还公开了一种基于水文模拟的流域洪涝灾情信息处理系统,包括遥感数据驱动的流域水文模型构建单元,基于流域水文模型的径流量模拟单元,流域洪涝灾情信息服务提供单元。
进一步地,所述遥感数据驱动的流域水文模型构建单元用于:利用获取的数据构建流域水文信息空间数据库,在流域水文信息空间数据库构建的基础上,利用数据规范化处理软件,对数据进行格式转换和插值处理,使得数据和分布式水文模型数据格式相匹配,从而对流域水文模型进行驱动,构建流域水文模型。
进一步地,流域水文模型模拟单元,利用构建的流域水文模型进行模拟,所述流域水文模型为:
其中:Q为径流量;Pi为第i个像元对应的降雨量;Si为第i个像元的面积;N为计算单元内的像元个数;NDVI为归一化植被指数;Vcov为植被覆盖率;Vrent为植被截留系数;ΔSW为土壤含水量的变化;Δt为时间步长;ET为蒸散发量,α、β分别为用NDVI拟合叶面积指数的系数和常数。
进一步地,流域洪涝灾情信息服务提供单元,用于提供流域洪涝灾害灾情信息服务。
进一步地,所述利用构建的流域水文模型进行模拟为:利用构建的流域水文模型模拟流域内各个断面一定时期内的逐日径流量,统计分析流域内各个断面一定时期内的多年日平均径流量,通过对比分析典型洪灾期各个断面的径流量和多年平均值的关系,确定每个断面当前时期的洪涝风险指数,对洪涝风险指数高的支流水系进行监测。所述洪涝风险指数为:
其中:FRI(t)为当日的洪涝风险指数,t表示当日;Dt为当日的洪水因子;Qt为当日的日径流量;Qavg为当日的多年平均日径流量;Qf为典型洪水年当日的日径流量。
进一步地,所述提供流域洪涝灾害灾情信息服务为:针对洪涝风险指数高的河段或支流,基于提供的流域的逐日径流量,对河段或支流逐日水体覆盖范围进行动态监测,叠加流域当季的土地覆盖类型及水利工程信息,对该河段或支流的洪涝灾情动态发展情况进行监测和初步评估,为流域洪涝灾害提供灾情信息服务。
进一步地,还包括生成水体指数单元,利用数据的不同波段构建改进的增强型归一化差异水体指数MSNDWI,准确提取水体信息,其表达式为:
其中:f(w1)为绿光波段增强函数;f(w2)为中红外波段增强函数;ρ(Green)为绿光波段反射率;ρ(MIR)为中红外波段反射率。
以上描述了本发明优选实施方式,然其并非用以限定本发明。本领域技术人员对在此公开的实施方案可进行并不偏离本发明范畴和精神的改进和变化。
Claims (8)
1.一种基于水文模拟的流域洪涝灾情信息处理方法,其特征在于,该方法包括:
步骤1,构建遥感数据驱动的流域水文模型,所述构建遥感数据驱动的流域水文模型为:利用获取的遥感数据构建流域水文信息空间数据库,在流域水文信息空间数据库构建的基础上,利用数据规范化处理软件,对数据进行格式转换和插值处理,使得遥感数据和分布式水文模型数据格式相匹配,从而对流域水文模型进行驱动,构建流域水文模型。
步骤2,利用构建的流域水文模型进行模拟,所述流域水文模型为:
其中:Q为径流量;Pi为第i个像元对应的降雨量;Si为第i个像元的面积;N为计算单元内的像元个数;NDVI为归一化植被指数;Vcov为植被覆盖率;Vrent为植被截留系数;ΔSW为土壤含水量的变化;Δt为时间步长;ET为蒸散发量,α、β分别为用NDVI拟合叶面积指数的系数和常数。
步骤3,提供流域洪涝灾害灾情信息服务。
2.一种如权利要求1所述的基于水文模拟的流域洪涝灾情信息处理方法,所述利用构建的流域水文模型进行模拟为:利用构建的流域水文模型模拟流域内各个断面一定时期内的逐日径流量,统计分析流域内各个断面一定时期内的多年日平均径流量,通过对比分析典型洪灾期各个断面的径流量和多年平均值的关系,确定每个断面当前时期的洪涝风险指数,对洪涝风险指数高的支流水系进行监测。所述洪涝风险指数为:
其中:FRI(t)为当日的洪涝风险指数,t表示当日;Dt为当日的洪水因子;Qt为当日的日径流量;Qavg为当日的多年平均日径流量;Qf为典型洪水年当日的日径流量。
3.一种如权利要求2所述的基于水文模拟的流域洪涝灾情信息处理方法,所述提供流域洪涝灾害灾情信息服务为:针对洪涝风险指数高的河段或支流,基于提供的流域的逐日径流量,对河段或支流逐日水体覆盖范围进行动态监测,叠加流域当季的土地覆盖类型及水利工程信息,对该河段或支流的洪涝灾情动态发展情况进行监测和初步评估,为流域洪涝灾害提供灾情信息服务。
4.一种如权利要求1-3中任一权利要求所述的基于水文模拟的流域洪涝灾情信息处理方法,进一步包括利用数据的不同波段构建改进的增强型归一化差异水指体数MSNDWI,准确提取水体信息,其表达式为:
其中:f(w1)为绿光波段增强函数;f(w2)为中红外波段增强函数;ρ(Green)为绿光波段反射率;ρ(MIR)为中红外波段反射率。
5.一种基于水文模拟的流域洪涝灾情信息处理系统,其特征在于,该系统包括:
遥感数据驱动的流域水文模型构建单元,所述遥感数据驱动的流域水文模型构建单元用于:利用获取的遥感数据构建流域水文信息空间数据库,在流域水文信息空间数据库构建的基础上,利用数据规范化处理软件,对数据进行格式转换和插值处理,使得遥感数据和分布式水文模型数据格式相匹配,从而对流域水文模型进行驱动,构建流域水文模型。
基于流域水文模型的径流量模拟单元,利用构建的流域水文模型进行径流量模拟,所述流域水文模型为:
其中:Q为径流量;Pi为第i个像元对应的降雨量;Si为第i个像元的面积;N为计算单元内的像元个数;NDVI为归一化植被指数;Vcov为植被覆盖率;Vrent为植被截留系数;ΔSW为土壤含水量的变化;Δt为时间步长;ET为蒸散发量,α、β分别为用NDVI拟合叶面积指数的系数和常数。
流域洪涝灾情信息服务提供单元,用于提供流域洪涝灾害灾情信息服务。
6.一种如权利要求5所述的基于水文模拟的流域洪涝灾情信息处理系统,所述利用构建的流域水文模型进行模拟为:利用构建的流域水文模型模拟流域内各个断面一定时期内的逐日径流量,统计分析流域内各个断面一定时期内的多年日平均径流量,通过对比分析典型洪灾期各个断面的径流量和多年平均值的关系,确定每个断面当前时期的洪涝风险指数,对洪涝风险指数高的支流水系进行监测。所述洪涝风险指数为:
其中:FRI(t)为当日的洪涝风险指数,t表示当日;Dt为当日的洪水因子;Qt为当日的日径流量;Qavg为当日的多年平均日径流量;Qf为典型洪水年当日的日径流量。
7.一种如权利要求6所述的基于水文模拟的流域洪涝灾情信息处理系统,所述提供流域洪涝灾害灾情信息服务为:针对洪涝风险指数高的河段或支流,基于提供的流域的逐日径流量,对河段或支流逐日水体覆盖范围进行动态监测,叠加流域当季的土地覆盖类型及水利工程信息,对该河段或支流的洪涝灾情动态发展情况进行监测和初步评估,为流域洪涝灾害提供灾情信息服务。
8.一种如权利要求5-7中任一权利要求所述的基于水文模拟的流域洪涝灾情信息处理系统,还包括生成水体指数单元,利用数据的不同波段构建改进的增强型归一化差异水体指数MSNDWI,准确提取水体信息,其表达式为:
其中:f(w1)为绿光波段增强函数;f(w2)为中红外波段增强函数;ρ(Green)为绿光波段反射率;ρ(MIR)为中红外波段反射率。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810464829.5A CN108647454B (zh) | 2018-05-16 | 2018-05-16 | 基于水文模拟的流域洪涝灾情信息处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810464829.5A CN108647454B (zh) | 2018-05-16 | 2018-05-16 | 基于水文模拟的流域洪涝灾情信息处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108647454A true CN108647454A (zh) | 2018-10-12 |
CN108647454B CN108647454B (zh) | 2019-07-30 |
Family
ID=63755803
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810464829.5A Active CN108647454B (zh) | 2018-05-16 | 2018-05-16 | 基于水文模拟的流域洪涝灾情信息处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108647454B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109754025A (zh) * | 2019-02-02 | 2019-05-14 | 中国水利水电科学研究院 | 一种结合水文模拟和连续遥感影像的无资料小水库参数识别方法 |
CN109886146A (zh) * | 2019-01-29 | 2019-06-14 | 湖北大学 | 基于机器视觉检测的洪灾信息遥感智能采集方法及设备 |
CN110570021A (zh) * | 2019-08-15 | 2019-12-13 | 清华大学 | 径流模拟方法、装置以及计算机设备 |
CN111445087A (zh) * | 2020-04-17 | 2020-07-24 | 华北水利水电大学 | 基于极限学习机的洪水预测方法 |
CN112288151A (zh) * | 2020-10-22 | 2021-01-29 | 武汉大学 | 一种面向灾害应急的灾害链构建与灾害分析方法 |
CN112381285A (zh) * | 2020-11-12 | 2021-02-19 | 中国科学院空天信息创新研究院 | 一种基于遥感的洪涝淹没预测方法 |
CN113919806A (zh) * | 2021-10-11 | 2022-01-11 | 昆仑(重庆)河湖生态研究院(有限合伙) | 一种防洪救灾管理系统 |
CN114357912A (zh) * | 2022-01-11 | 2022-04-15 | 湖南工程学院 | 一种河岸岸坡的稳定性分析系统 |
CN112381285B (zh) * | 2020-11-12 | 2024-06-07 | 中国科学院空天信息创新研究院 | 一种基于遥感的洪涝淹没预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955863A (zh) * | 2011-08-17 | 2013-03-06 | 长江水利委员会长江科学院 | 一种基于分布式水文模拟的旱情评估和预报模型方法 |
CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
CN104298841A (zh) * | 2013-07-16 | 2015-01-21 | 杭州贵仁科技有限公司 | 一种基于历史数据的洪水预报方法和系统 |
CN107704592A (zh) * | 2017-10-12 | 2018-02-16 | 滁州学院 | 一种基于WebGIS的洪水预报服务构建方法 |
-
2018
- 2018-05-16 CN CN201810464829.5A patent/CN108647454B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955863A (zh) * | 2011-08-17 | 2013-03-06 | 长江水利委员会长江科学院 | 一种基于分布式水文模拟的旱情评估和预报模型方法 |
CN104298841A (zh) * | 2013-07-16 | 2015-01-21 | 杭州贵仁科技有限公司 | 一种基于历史数据的洪水预报方法和系统 |
CN103645295A (zh) * | 2013-12-03 | 2014-03-19 | 中国科学院遥感与数字地球研究所 | 一种多层土壤水分模拟方法和系统 |
CN107704592A (zh) * | 2017-10-12 | 2018-02-16 | 滁州学院 | 一种基于WebGIS的洪水预报服务构建方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109886146A (zh) * | 2019-01-29 | 2019-06-14 | 湖北大学 | 基于机器视觉检测的洪灾信息遥感智能采集方法及设备 |
CN109754025B (zh) * | 2019-02-02 | 2019-11-26 | 中国水利水电科学研究院 | 结合水文模拟和连续遥感影像无资料小水库参数识别方法 |
CN109754025A (zh) * | 2019-02-02 | 2019-05-14 | 中国水利水电科学研究院 | 一种结合水文模拟和连续遥感影像的无资料小水库参数识别方法 |
US11231519B2 (en) | 2019-08-15 | 2022-01-25 | Tsinghua University | Method and device for simulating discharge, and computer device |
CN110570021A (zh) * | 2019-08-15 | 2019-12-13 | 清华大学 | 径流模拟方法、装置以及计算机设备 |
CN111445087A (zh) * | 2020-04-17 | 2020-07-24 | 华北水利水电大学 | 基于极限学习机的洪水预测方法 |
CN112288151A (zh) * | 2020-10-22 | 2021-01-29 | 武汉大学 | 一种面向灾害应急的灾害链构建与灾害分析方法 |
CN112288151B (zh) * | 2020-10-22 | 2022-05-13 | 武汉大学 | 一种面向灾害应急的灾害链构建与灾害分析方法 |
CN112381285A (zh) * | 2020-11-12 | 2021-02-19 | 中国科学院空天信息创新研究院 | 一种基于遥感的洪涝淹没预测方法 |
CN112381285B (zh) * | 2020-11-12 | 2024-06-07 | 中国科学院空天信息创新研究院 | 一种基于遥感的洪涝淹没预测方法 |
CN113919806A (zh) * | 2021-10-11 | 2022-01-11 | 昆仑(重庆)河湖生态研究院(有限合伙) | 一种防洪救灾管理系统 |
CN113919806B (zh) * | 2021-10-11 | 2022-07-19 | 昆仑(重庆)河湖生态研究院(有限合伙) | 一种防洪救灾管理系统 |
CN114357912A (zh) * | 2022-01-11 | 2022-04-15 | 湖南工程学院 | 一种河岸岸坡的稳定性分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN108647454B (zh) | 2019-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108647454B (zh) | 基于水文模拟的流域洪涝灾情信息处理方法及系统 | |
Mujumdar et al. | Floods in a changing climate: hydrologic modeling | |
Sampson et al. | A high‐resolution global flood hazard model | |
Notter et al. | Impacts of environmental change on water resources in the Mt. Kenya region | |
CN106372422B (zh) | 一种内陆河三元结构的干旱评价系统 | |
Milan et al. | Morphodynamics of bedrock-influenced dryland rivers during extreme floods: Insights from the Kruger National Park, South Africa | |
Jacobson et al. | Assessing the Wind Energy Potential in Bangladesh: Enabling Wind Energy Development with Data Products | |
Song et al. | Integration of remotely sensed C factor into SWAT for modelling sediment yield | |
Munir et al. | Integrated hazard modeling for simulating torrential stream response to flash flood events | |
Mejia Manrique et al. | Flood impacts on critical infrastructure in a coastal floodplain in Western Puerto Rico during Hurricane María | |
Zhang et al. | Estimating spatially explicit irrigation water use based on remotely sensed evapotranspiration and modeled root zone soil moisture | |
Tang et al. | Capturing Li DAR‐Derived Hydrologic Spatial Parameters to Evaluate Playa Wetlands | |
Chinnasamy et al. | Sustainable development of water resources in marginalised semi‐arid regions of India: Case study of Dahod in Gujarat, India | |
Duan et al. | Accurate simulation of ice and snow runoff for the mountainous terrain of the kunlun mountains, China | |
Nithila Devi et al. | Investigation of role of retention storage in tanks (small water bodies) on future urban flooding: a case study of Chennai City, India | |
Wang et al. | A framework for fine classification of urban wetlands based on random forest and knowledge rules: taking the wetland cities of Haikou and Yinchuan as examples | |
Hou et al. | A review of advances in groundwater evapotranspiration research | |
Carroll et al. | Calibrating a basin‐scale groundwater model to remotely sensed estimates of groundwater evapotranspiration | |
Cuomo et al. | Hydro-geomorphologic-based water budget at event time-scale in a mediterranean headwater catchment (Southern Italy) | |
Park et al. | Impact of groundwater abstraction on hydrological responses during extreme drought periods in the Boryeong Dam catchment, Korea | |
Arulbalaji et al. | Effects of land use dynamics on hydrological response of watershed: a case study of Chittar watershed, Vamanapuram River Basin, Thiruvananthapuram District, Kerala, India | |
Kandel et al. | An analysis on the urban heat island effect using radiosonde profiles and Landsat imagery with ground meteorological data in South Florida | |
Bazhenova et al. | The functioning of erosion-channel systems of the river basins of the south of Eastern Siberia | |
Wang et al. | An integrated model for simulating regional water resources based on total evapotranspiration control approach | |
Cruz et al. | River‐Ditch Flow Statistical Relationships in a Traditionally Irrigated Valley Near Taos, New Mexico |
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 |