CN109902395A - 基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法 - Google Patents
基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法 Download PDFInfo
- Publication number
- CN109902395A CN109902395A CN201910160558.9A CN201910160558A CN109902395A CN 109902395 A CN109902395 A CN 109902395A CN 201910160558 A CN201910160558 A CN 201910160558A CN 109902395 A CN109902395 A CN 109902395A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- flood
- play
- precipitation amount
- storm
- 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
-
- 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
- Alarm Systems (AREA)
Abstract
本发明提供了基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法,步骤如下:(1)选定需要进行暴雨山洪预警的山区小流域河段作为目标河段,搜集目标河段n场次暴雨山洪的洪水特性数据以及这n场次暴雨山洪对应的场次暴雨的降雨特性数据;根据洪水特性数据确定各场次暴雨山洪的洪水陡涨时间点;(2)对n场次暴雨山洪进行分析;(3)确定发出暴雨山洪预警的临界累积降雨量指标;(4)①当目标河段上游发生暴雨时,采集场次暴雨的时段降雨量数据,实时计算自降雨开始至不同时段降雨量数据采集时间点的累积降雨量;②当步骤①中的累计降雨量达到发出暴雨山洪预警的临界累积降雨量指标时,立即发出暴雨山洪预警。
Description
技术领域
本发明属于暴雨山洪灾害防灾减灾领域,涉及基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法,适用于对山区小流域暴雨山洪进行预警。
背景技术
山洪灾害是指由于降雨发生在山丘区而引发的洪水灾害及由山洪诱发的泥石流、滑坡等对国民经济和人民生命财产造成损失的灾害,具有突发性、水量集中、破坏力大等特点。我国当前暴雨山洪灾害预警体系一般以降雨量和水位作为预警指标,而水位参数的确定主要依据降雨-径流关系,主要是利用不同类型的水文模型计算洪水过程,根据固定断面的防灾高程分析预警水位,如水位-流量反推法(叶勇等,2008)、降雨-水位关系预警(吴承卿,2016)、成灾水位—流量—降雨关系的雨量预警(陶珏辉,2017)。雨量预警常分析不同预警时段的临界雨量,比较该临界雨量产生的洪水在防灾区的水位变化是否具备成灾可能,从而确定该降雨量预警阈值,如统计降雨1小时、3小时、6小时、24小时等不同时段降雨量值洪水位与成灾防洪水位的关系。然而,对于河床冲淤变化显著的河段,由于河床断面形状的显著变化,会造成水位、流量反推临界雨量阈值的方法存在较大误差。采用水位、流量反推临界雨量阈值的方法时,只有在防洪断面具有稳定的水位-流量关系的基础上,才可能获得准确性较高的临界雨量阈值。对于山区小流域而言,考虑山区流域暴雨山洪过程常出现显著的冲毁、淤埋成灾,仅通过水位-流量-降雨量的反推方法,难以获得较好的预警指标,容易出现漏警、误警现象,山洪预警的准确性有待提高。
发明内容
本发明的目的在于克服现有技术的不足,提供基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法,以提高山区小流域暴雨山洪预警的准确性,为山区小流域暴雨山洪预警提供更科学和可靠的指导。
本发明提供的基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法,包括以下步骤:
(1)选定需要进行暴雨山洪预警的山区小流域河段作为目标河段,搜集目标河段n场次暴雨山洪的洪水特性数据以及这n场次暴雨山洪对应的场次暴雨的降雨特性数据,n为≥3的整数;采集这n场次暴雨山洪的洪水特性数据的控制断面相同,采集这n场次暴雨山洪对应的场次暴雨的降雨特性数据的雨量站相同;
所述场次暴雨山洪对应的场次暴雨是指引发场次暴雨山洪的场次暴雨,降雨特性数据包括场次暴雨的时段降雨量数据以及由时段降雨量数据计算出的自降雨开始至不同时段降雨量数据采集时间点的累积降雨量,所述洪水特性数据包括场次洪水在不同时刻的洪水流量;
根据洪水特性数据确定各场次暴雨山洪的洪水陡涨时间点;
(2)将步骤(1)所述的n场次暴雨山洪分别记作第1,2,…,n场次暴雨山洪;
将第1场次暴雨山洪的洪水陡涨时间点记作T10,从降雨特性数据中筛选出处于T10之前且与T10最接近的时段降雨量数据采集时间点T11,然后筛选出处于T11之前且与T11最接近的时段降雨量数据采集时间点T12,再筛选出处于T12之前且与T12最接近的时段降雨量数据采集时间点T13,比较T13~T12与T12~T11这两个时段的时段降雨量数据,选择时段降雨量数据较大的一个时段,记作T1m+1~T1m,计算自降雨开始至时段降雨量数据采集时间点T1m的累积降雨量,记作记作A1;T13与T12之间的时间间隔=T12与T11之间的时间间隔;
将第2场次暴雨山洪的洪水陡涨时间点记作T20,从降雨特性数据中筛选出处于T20之前且与T20最接近的时段降雨量数据采集时间点T21,然后筛选出处于T21之前且与T21最接近的时段降雨量数据采集时间点T22,再筛选出处于T22之前且与T22最接近的时段降雨量数据采集时间点T23,比较T23~T22与T22~T21这两个时段的时段降雨量数据,选择时段降雨量数据较大的一个时段,记作T2m+1~T2m,计算自降雨开始至时段降雨量数据采集时间点T2m的累积降雨量,记作记作A2;T23与T22之间的时间间隔=T22与T21之间的时间间隔;
……
将第n场次暴雨山洪的洪水陡涨时间点记作Tn0,从降雨特性数据中筛选出处于Tn0之前且与Tn0最接近的时段降雨量数据采集时间点Tn1,然后筛选出处于Tn1之前且与Tn1最接近的时段降雨量数据采集时间点Tn2,再筛选出处于Tn2之前且与Tn2最接近的时段降雨量数据采集时间点Tn3,比较Tn3~Tn2与Tn2~Tn1这两个时段的时段降雨量数据,选择时段降雨量数据较大的一个时段,记作Tnm+1~Tnm,计算自降雨开始至时段降雨量数据采集时间点Tnm的累积降雨量,记作记作An;Tn3与Tn2之间的时间间隔=Tn2与Tn1之间的时间间隔;
(3)对步骤(2)中筛选出的A1,A2,…,An求平均值,记作在范围内选取任一值作为发出暴雨山洪预警的临界累积降雨量指标;
(4)①当目标河段上游发生暴雨时,从降雨开始,在与步骤(1)相同的雨量站采集场次暴雨的时段降雨量数据,根据时段降雨量数据实时计算自降雨开始至不同时段降雨量数据采集时间点的累积降雨量;同时,从降雨开始,在与步骤(1)相同的洪水特性数据的控制断面进行洪水流量监测;
②当步骤①中的累计降雨量达到发出暴雨山洪预警的临界累积降雨量指标时,说明目标河段的控制断面即将发生洪水陡涨现象,立即发出暴雨山洪预警。
上述基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法的技术方案中,步骤(4)所述的时段降雨量数据是指自降雨开始每间隔10~60min集得到的降雨量数据。通常,按照现有技术,采用在每个整点测量一次时段降雨量(24段日雨量观测)的方式采集时段降雨量。
上述基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法的技术方案中,步骤(1)中搜集的目标河段n场次暴雨山洪的对应的场次暴雨的时段降雨量数据也是采用在每个整点测量一次时段降雨量(24段日雨量观测)的方式采集时段降雨量。
上述基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法的技术方案中,步骤(1)中的n为3~6的整数。
本发明所述的洪水起涨时间点是指洪水流量有较大增加的时间点,所述的洪水陡涨时间点是指洪水流量过程趋势线出现陡增的时间点,峰现时间是指最大洪水流量出现的时间点。山区河流(包括山区小流域)的洪水起涨、陡涨为本领域技术人员的一般普适性知识,根据本领域技术人员的普通技术知识即可判断出洪水起涨时间点和洪水陡涨时间点。
与现有技术相比,本发明的技术方案产生了以下有益的技术效果:
1.本发明基于山区小流域暴雨山洪与降雨过程的内在关系,充分考虑场次暴雨山洪过程的累积降雨对山区小流域洪水陡涨的影响,以场次暴雨山洪对应的场次暴雨累积降雨量指标作为山区小流域暴雨山洪灾害的预警指标进行暴雨山洪预警。本发明的方法直接采用场次暴雨的累积降雨量作为山区小流域暴雨山洪预警指标,可以很好地解决因山区小流域因河床冲淤变化作用显著、防洪断面水位-流量关系不稳定而造成的现有水位-流量关系反推临界雨量法的容易出现漏警、误警的问题,提高了山区小流域暴雨山洪预警的准确性,为山区小流域暴雨山洪预警提供更科学和可靠的指导,也提供了新的思路。
2.本发明通过实施例和对比例比较了本发明所述方法与现有的简易雨量三级预警法和水位-流量反推临界雨量阈值的方法对同一山区小流域目标河段的暴雨山洪预警效果,结果表明采用本发明提供的方法可以显著提高山区小流域暴雨山洪预警的准确性,具有预警可靠、预警期满足暴雨山洪灾害预警要求的特点。
3.本发明所述方法的操作简单,还具有容易实现推广应用的特点。
具体实施方式
以下通过实施例对本发明提供的基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法作进一步说明。有必要指出,以下实施例只用于对本发明作进一步说明,不能理解为对本发明保护范围的限制,所属领域技术人员根据上述发明内容,对本发明做出一些非本质的改进和调整进行具体实施,仍属于发明保护的范围。
实施例1
本实施例中,以某山区小流域—岷江某支流的暴雨山洪预警为例,详细说明本发明提供的基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法。
该山区小流域的流域面积364km2,流域出口设水文站1个,用于观测洪水流量过程。
(1)选定需要进行暴雨山洪预警的山区小流域河段作为目标河段,搜集目标河段3场次暴雨山洪的洪水特性数据以及这3场次暴雨山洪的对应的场次暴雨的降雨特性数据;采集这3场次暴雨山洪的洪水特性数据的控制断面相同,采集这3场次暴雨山洪对应的场次暴雨的降雨特性数据的雨量站相同。
所述场次暴雨山洪的对应的场次暴雨是指引发场次暴雨山洪的场次暴雨,降雨特性数据包括场次暴雨的时段降雨量数据以及由时段降雨量数据计算出的自降雨开始至不同时段降雨量数据采集时间点的累积降雨量;所述洪水特性数据是指场次洪水在不同时刻的洪水流量。
这3场次暴雨山洪分别为该小流域2012.8.18洪水、2013.7.9洪水、2014.7.10洪水,依次记作第1,2,3场暴雨山洪。
具体到这三场次暴雨山洪,我们搜集的降雨特性数据是采用在每个整点测量一次时段降雨量(24段日雨量观测)的方式采集的时段降雨量数据。表1为2012.8.18洪水的洪水特性数据以及该场次暴雨山洪的对应的场次暴雨的降雨特性数据,表2为2013.7.9洪水的洪水特性数据以及该场次暴雨山洪的对应的场次暴雨的降雨特性数据摘录,表3为2014.7.10洪水的洪水特性数据以及该场次暴雨山洪的对应的场次暴雨的降雨特性数据摘录。表1~3中的降雨时间是指各个进行时段降雨量测试的时间点,对于一些时段降雨量较小以及为0mm的情况,为了简化表达,表中作了一些省略,表中的时段降雨量是指在降雨时间一列中的时段降雨量测试时间点测得的1小时降雨量。在表1~3中,还统计了这三场次洪水过程对应的场次暴雨中较大的1小时降雨量、3小时降雨量、6小时降雨量、日降雨量及场次累积降雨量,并根据洪水流量数据对洪水过程的起涨时间点、陡涨时间点和峰现时间进行了标识,分为“洪水起涨、洪水陡涨及洪峰”三个时间点。
表1 2012.8.18洪水及降雨信息
表2 2013.7.9洪水及降雨信息摘录
表3 2014.7.10洪水及降雨信息摘录
(2)由表1可知,第1场次暴雨山洪的洪水陡涨时间点T10为8月18日1:30,从表1的降雨特性数据中筛选出处于T10之前且与T10最接近的时段降雨量数据采集时间点T11,为8月18日1:00,然后筛选出处于T11之前且与T11最接近的时段降雨量数据采集时间点T12,为8月18日0:00,再筛选出处于T12之前且与T12最接近的时段降雨量数据采集时间点T13,为8月17日23:00,T13~T12时段的时段降雨量为59mm,T12~T11时段的时段降雨量为30.2mm,即T13~T12时段的时段降雨量较大,计算自降雨开始至时段降雨量数据采集时间点T12的累积降雨量,为101.4mm,即A1=101.4mm。
由表2可知,第2场次暴雨山洪的洪水陡涨时间点T20为7月9日0:00,从表2的降雨特性数据中筛选出处于T20之前且与T20最接近的时段降雨量数据采集时间点T21,为7月8日23:00,然后筛选出处于T21之前且与T21最接近的时段降雨量数据采集时间点T22,为7月8日22:00,再筛选出处于T22之前且与T22最接近的时段降雨量数据采集时间点T23,为7月8日21:00,T23~T22时段的时段降雨量为19.5mm,T22~T21时段的时段降雨量为3mm,即T23~T22时段的时段降雨量较大,计算自降雨开始至时段降雨量数据采集时间点T22的累积降雨量,为99.5mm,即A2=99.5mm。
由表3可知,第3场次暴雨山洪的洪水陡涨时间点T30为7月10日6:05,从表3的降雨特性数据中筛选出处于T30之前且与T30最接近的时段降雨量数据采集时间点T31,为7月10日6:00,然后筛选出处于T31之前且与T31最接近的时段降雨量数据采集时间点T32,为7月10日5:00,再筛选出处于T32之前且与T32最接近的时段降雨量数据采集时间点T33,为7月10日4:00,T33~T32时段的时段降雨量为5.5mm,T32~T31时段的时段降雨量为12.5mm,即T32~T31时段的时段降雨量较大,计算自降雨开始至时段降雨量数据采集时间点T31的累积降雨量,为94mm,即A1=94mm。
(3)对步骤(2)中筛选出的A1,A2,A3求平均值,记作 在范围为内,选取100mm作为发出暴雨山洪预警的临界累积降雨量指标。
(4)在步骤(3)确定对该小流域发出暴雨山洪预警的临界累积降雨量指标为100mm之后,按照以下操作对该小流域的某场次暴雨山洪进行山洪预警:
①某年的6月24日,目标河段上游发生暴雨,从降雨开始,每间隔10~60min在与步骤(1)相同的雨量站采集场次暴雨的时段降雨量数据,具体采用的是在每个整点测量一次时段降雨量(24段日雨量观测)的方式进行的时段降雨量数据采集。根据时段降雨量数据计算自降雨开始至不同时段降雨量数据采集时间点的累积降雨量。同时,从降雨开始,在与步骤(1)相同的洪水特性数据的控制断面进行洪水流量监测,将测得的降雨量和洪水流量数据列于表4中。表4中的降雨时间是指各个进行时段降雨量测试的时间点,对于一些时段降雨量较小以及为0mm的情况,为了简化表达,表中作了一些省略,表中的时段降雨量是指在降雨时间一列中的时段降雨量测试时间点测得的1小时降雨量。
②步骤①的累积降雨量在6月26日1:00达到了103.5mm,已经超过发出暴雨山洪预警的临界累积降雨量指标100mm,说明目标河段的控制断面即将发生洪水陡涨现象,立即发出暴雨山洪预警。
在发出暴雨山洪预警之后,继续步骤①的操作,对降雨量和洪水流量进行监测,发现在6月26日的3:05出现洪水陡涨,此时的洪水流量为575m3/s,在6月26日的3:40出现洪峰,此时的洪水流量为930m3/s。
表4某场次暴雨山洪的洪水及降雨量信息摘录
对比例1
本对比例中,说明现有方法对实施例1所述的岷江某支流进行暴雨山洪预警的效果,并与实施例1提供的山洪预警效果进行比较。
目前,该小流域出口的暴雨山洪预警以临界雨量为主,简易雨量站的广播预警分为三级,即“提醒预警雨量:实时累积降雨量达20mm;准备转移雨量:实时累积降雨量达30mm;立即转移雨量:实时累积降雨量达40mm”,见表5。将该方法记作方法一。
表5简易雨量站三级预警阈值
提醒预警雨量(mm) | 准备转移雨量(mm) | 立即转移雨量(mm) |
20 | 30 | 40 |
此外,综合预警等级、推理公式法、《暴雨洪水查算手册》,采用断面水位流量反推法确定代表性时段临界雨量阈值。流域土壤含水量采用流域最大可能蓄水量(Im)进行估算。该流域最大可能蓄水量(Im)为80~100mm,综合考虑取用Im=90mm。为此,确定土壤湿度较干(Pa≤0.2Im)、一般(0.2Im<Pa<0.8Im)以及较湿(Pa≥0.8Im)3种典型情况下的流域蓄水量分别按18mm、45mm、72mm设置,亦即降雨扣损量分别为72mm、45mm以及18mm。由此确定流域出口防洪区域雨量预警分级见表6。将该方法记作方法二。
表6流域出口居民社区雨量预警阈值
将实施例1表1~4中的四场次洪水依次编号为第1、2、3、4场次暴雨山洪。
采用方法一和方法二对第1、2、3场次已发生暴雨山洪进行模拟预警,采用方法一和方法二对第4场次暴雨山洪进行真实预警。按照实施例1中确定的对该小流域发出暴雨山洪预警的临界累积降雨量指标100mm,采用本发明的方法对第1、2、3场次已发生暴雨山洪进行模拟预警。将这几种情况的预警效果以及实施例1中针对第4场次暴雨山洪的真实预警效果列于表7中。
对于第1场次暴雨山洪,采用本发明的方法,以场次暴雨山洪对应的场次暴雨的累积降雨量100mm作为发出暴雨山洪预警的临界累积降雨量指标,则应在8月18日0:00发出暴雨山洪预警,在发出预警之后1.5h出现洪水陡涨,在发出预警之后2.4h出现洪峰,也就是洪水陡涨预警时长为1.5h、洪水峰现预警时长为2.4h。该预警时长可满足南方湿润地区的最小预警时段要求,即不低于1h(全国山洪灾害防治项目组,2014)。对于该流域出口居民社区,若采用方法一以简易雨量站的三级预警方式进行预警,8月17日22:00的测得的时段降雨量为20.1mm,达到“提醒预警雨量”,则洪水陡涨预警时长为3.5h,8月18日0:00测得的的时段降雨量为59mm,达到了“立即转移雨量”,则洪水陡涨预警时长为1.5h,8月18日1:00测得的时段降雨量为30.2mm、8月19日1:00测得的降雨量为31.4mm,达到了发出“准备转移雨量”的要求,但此时洪水已处于陡涨与退水阶段了,该预警方式发生了误警。若采用方法二,该场次洪水没有达到预警要求,属于漏警。
对于第2场次暴雨山洪,采用本发明的方法,以场次暴雨山洪对应的场次暴雨的累积降雨量100mm作为发出暴雨山洪预警的临界累积降雨量指标,则应在7月8日23:00发出洪水陡涨预警,在发出预警之后1h出现洪水陡涨,在发出预警之后9h出现洪峰,也就是洪水陡涨预警时长为1h、洪水峰现预警时长为9h。对于该流域出口居民社区,若采用方法一以简易雨量站的三级预警方式进行预警,7月8日7:00测得的时段降雨量为41mm,达到了“立即转移雨量”,则洪水陡涨预警时长为17h。若采用方法二,该场次洪水没有达到预警要求,属于漏警。
对于第3场次暴雨山洪,采用本发明的方法,以场次暴雨山洪对应的场次暴雨的累积降雨量100mm作为发出暴雨山洪预警的临界累积降雨量指标,则应在7月10日6:00发出洪水陡涨预警,在发出预警之时即出现洪水陡涨,在发出预警之后约3h出现洪峰,也就是洪水陡涨预警时长为0h、洪水峰现预警时长为3h。对于该流域出口居民社区,若采用方法一以简易雨量站的三级预警方式进行预警,7月8日8:00测得的时段降雨量为33.5mm,达到了“准备转移雨量”,但直到洪峰到来都未发出立即转移预警。若采用方法二,该场次洪水没有达到预警要求,属于漏警。
对于第4场次暴雨山洪,采用本发明的方法,以场次暴雨山洪对应的场次暴雨的累积降雨量100mm作为发出暴雨山洪预警的临界累积降雨量指标,则应在6月26日1:00发出洪水陡涨预警,在发出预警之后约2h出现洪水陡涨,在发出预警之后约2.7h出现洪峰,也就是洪水陡涨预警时长约为2h、洪水峰现预警时长约为2.7h。
综上,方法一对第1场次和第2场次暴雨山洪发出了立即转移预警,洪峰预警期分别为2.4h和25h,对第3场次和第4场次暴雨山洪仅有提醒预警和准备转移预警,并未发出立即转移预警。方法二对四场次暴雨山洪均发生了漏警。而采用本发明的方法对四场次暴雨山洪均发出了暴雨山洪预警,且峰现预警时长均大于1小时,相对于方法一和方法二,本发明的方法对暴雨山洪的预警成功率明显更高。
表7各种预警方法的预警结果比较
Claims (3)
1.基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法,其特征在于包括以下步骤:
(1)选定需要进行暴雨山洪预警的山区小流域河段作为目标河段,搜集目标河段n场次暴雨山洪的洪水特性数据以及这n场次暴雨山洪对应的场次暴雨的降雨特性数据,n为≥3的整数;采集这n场次暴雨山洪的洪水特性数据的控制断面相同,采集这n场次暴雨山洪对应的场次暴雨的降雨特性数据的雨量站相同;
所述场次暴雨山洪对应的场次暴雨是指引发场次暴雨山洪的场次暴雨,降雨特性数据包括场次暴雨的时段降雨量数据以及由时段降雨量数据计算出的自降雨开始至不同时段降雨量数据采集时间点的累积降雨量,所述洪水特性数据包括场次洪水在不同时刻的洪水流量;
根据洪水特性数据确定各场次暴雨山洪的洪水陡涨时间点;
(2)将步骤(1)所述的n场次暴雨山洪分别记作第1,2,…,n场次暴雨山洪;
将第1场次暴雨山洪的洪水陡涨时间点记作T10,从降雨特性数据中筛选出处于T10之前且与T10最接近的时段降雨量数据采集时间点T11,然后筛选出处于T11之前且与T11最接近的时段降雨量数据采集时间点T12,再筛选出处于T12之前且与T12最接近的时段降雨量数据采集时间点T13,比较T13~T12与T12~T11这两个时段的时段降雨量数据,选择时段降雨量数据较大的一个时段,记作T1m+1~T1m,计算自降雨开始至时段降雨量数据采集时间点T1m的累积降雨量,记作记作A1;T13与T12之间的时间间隔=T12与T11之间的时间间隔;
将第2场次暴雨山洪的洪水陡涨时间点记作T20,从降雨特性数据中筛选出处于T20之前且与T20最接近的时段降雨量数据采集时间点T21,然后筛选出处于T21之前且与T21最接近的时段降雨量数据采集时间点T22,再筛选出处于T22之前且与T22最接近的时段降雨量数据采集时间点T23,比较T23~T22与T22~T21这两个时段的时段降雨量数据,选择时段降雨量数据较大的一个时段,记作T2m+1~T2m,计算自降雨开始至时段降雨量数据采集时间点T2m的累积降雨量,记作记作A2;T23与T22之间的时间间隔=T22与T21之间的时间间隔;
……
将第n场次暴雨山洪的洪水陡涨时间点记作Tn0,从降雨特性数据中筛选出处于Tn0之前且与Tn0最接近的时段降雨量数据采集时间点Tn1,然后筛选出处于Tn1之前且与Tn1最接近的时段降雨量数据采集时间点Tn2,再筛选出处于Tn2之前且与Tn2最接近的时段降雨量数据采集时间点Tn3,比较Tn3~Tn2与Tn2~Tn1这两个时段的时段降雨量数据,选择时段降雨量数据较大的一个时段,记作Tnm+1~Tnm,计算自降雨开始至时段降雨量数据采集时间点Tnm的累积降雨量,记作记作An;Tn3与Tn2之间的时间间隔=Tn2与Tn1之间的时间间隔;
(3)对步骤(2)中筛选出的A1,A2,…,An求平均值,记作在范围内选取任一值作为发出暴雨山洪预警的临界累积降雨量指标;
(4)①当目标河段上游发生暴雨时,从降雨开始,在与步骤(1)相同的雨量站采集场次暴雨的时段降雨量数据,根据时段降雨量数据实时计算自降雨开始至不同时段降雨量数据采集时间点的累积降雨量;同时,从降雨开始,在与步骤(1)相同的洪水特性数据的控制断面进行洪水流量监测;
②当步骤①中的累计降雨量达到发出暴雨山洪预警的临界累积降雨量指标时,说明目标河段的控制断面即将发生洪水陡涨现象,立即发出暴雨山洪预警。
2.根据权利要求1所述基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法,其特征在于,步骤(4)所述的时段降雨量数据是指自降雨开始每间隔10~60min集得到的降雨量数据。
3.根据权利要求1或2所述基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法,其特征在于,步骤(1)中的n为3~6的整数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160558.9A CN109902395B (zh) | 2019-03-04 | 2019-03-04 | 基于降雨径流响应的实时累积雨量暴雨山洪预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910160558.9A CN109902395B (zh) | 2019-03-04 | 2019-03-04 | 基于降雨径流响应的实时累积雨量暴雨山洪预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109902395A true CN109902395A (zh) | 2019-06-18 |
CN109902395B CN109902395B (zh) | 2020-08-18 |
Family
ID=66946242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910160558.9A Active CN109902395B (zh) | 2019-03-04 | 2019-03-04 | 基于降雨径流响应的实时累积雨量暴雨山洪预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109902395B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737875A (zh) * | 2019-09-24 | 2020-01-31 | 浙江省水利河口研究院 | 一种中长期山洪灾害预警预判方法 |
CN112329257A (zh) * | 2020-11-19 | 2021-02-05 | 四川大学 | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 |
CN113298305A (zh) * | 2021-05-24 | 2021-08-24 | 四川大学 | 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 |
CN113535671A (zh) * | 2020-04-15 | 2021-10-22 | 宁波弘泰水利信息科技有限公司 | 一种降雨数据异常值空间一致性检查方法 |
CN114020975A (zh) * | 2021-10-27 | 2022-02-08 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种自动筛选洪水场次的方法 |
CN114821974A (zh) * | 2022-05-06 | 2022-07-29 | 雷浩伟 | 一种偏僻山区用暴雨预警监测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446436A (zh) * | 2018-02-08 | 2018-08-24 | 广州地理研究所 | 暴雨洪水非线性模型雨水损失参数的空间分布预警方法 |
-
2019
- 2019-03-04 CN CN201910160558.9A patent/CN109902395B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108446436A (zh) * | 2018-02-08 | 2018-08-24 | 广州地理研究所 | 暴雨洪水非线性模型雨水损失参数的空间分布预警方法 |
Non-Patent Citations (3)
Title |
---|
VERONICA IVANESCU等: "Deriving Rain Threshold for Early Warning Based on a Coupled Hydrological-Hydraulic Model", 《MATHEMATICAL MODELLING IN CIVIL ENGINEERING》 * |
李昌志等: "山洪临界雨量确定方法述评", 《中国防汛抗旱》 * |
郭良等: "复合预警指标在山洪灾害预警中的应用分析", 《人民黄河》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110737875A (zh) * | 2019-09-24 | 2020-01-31 | 浙江省水利河口研究院 | 一种中长期山洪灾害预警预判方法 |
CN110737875B (zh) * | 2019-09-24 | 2023-05-12 | 浙江省水利河口研究院 | 一种中长期山洪灾害预警预判方法 |
CN113535671A (zh) * | 2020-04-15 | 2021-10-22 | 宁波弘泰水利信息科技有限公司 | 一种降雨数据异常值空间一致性检查方法 |
CN112329257A (zh) * | 2020-11-19 | 2021-02-05 | 四川大学 | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 |
CN112329257B (zh) * | 2020-11-19 | 2023-04-18 | 四川大学 | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 |
CN113298305A (zh) * | 2021-05-24 | 2021-08-24 | 四川大学 | 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 |
CN113298305B (zh) * | 2021-05-24 | 2023-04-07 | 四川大学 | 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 |
CN114020975A (zh) * | 2021-10-27 | 2022-02-08 | 华能西藏雅鲁藏布江水电开发投资有限公司 | 一种自动筛选洪水场次的方法 |
CN114821974A (zh) * | 2022-05-06 | 2022-07-29 | 雷浩伟 | 一种偏僻山区用暴雨预警监测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109902395B (zh) | 2020-08-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902395A (zh) | 基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法 | |
Mano et al. | Assessment of suspended sediment transport in four alpine watersheds (France): influence of the climatic regime | |
Pashiardis et al. | Implementation of the standardized precipitation index (SPI) and the reconnaissance drought index (RDI) for regional drought assessment: a case study for Cyprus | |
CN110009002B (zh) | 基于多维降雨特征空间最优决策的山洪快速预警预报方法 | |
Müller et al. | Event-adjusted evaluation of weather and climate extremes | |
Rimkus et al. | Dynamics of meteorological and hydrological droughts in the Neman river basin | |
CN108304967A (zh) | 降雨-流量-水位耦合插值求解山洪灾害临界雨量的方法 | |
Wang et al. | Detecting evolution trends in the recorded runoffs from the major rivers in China during 1950–2010 | |
Huang et al. | Hydrologic response to climate change and human activities in a subtropical coastal watershed of southeast China | |
CN104794364A (zh) | 海平面上升脆弱性等级评估的定量化方法 | |
CN115099677B (zh) | 尾矿库安全生产风险分级预警方法 | |
Deloffre et al. | Controlling factors of rhythmic sedimentation processes on an intertidal estuarine mudflat—role of the turbidity maximum in the macrotidal Seine estuary, France | |
Versini et al. | An operational flood warning system for poorly gauged basins: demonstration in the Guadalhorce basin (Spain) | |
CN116824807A (zh) | 多灾害预警报警方法及系统 | |
Kunkle et al. | Water quality of mountain watersheds | |
Ehsanzadeh et al. | Detection of trends in low flows across Canada | |
CN112508285B (zh) | 一种冰湖溃决动态预报方法、装置及存储介质 | |
Pan et al. | Seasonal variation of fecal indicator bacteria in storm events within the US stormwater database | |
Pilon et al. | Detecting climate-related trends in streamflow data | |
Zhang et al. | Time distribution pattern and spatial heterogeneity of hourly scale event-based extreme precipitation in China | |
Glaves et al. | Regional flood frequency analysis in southern Ontario using L‐moments | |
Yao et al. | Detection of hydrologic trends and variability in transboundary Cavally Basin (West Africa) | |
CN110673230A (zh) | 基于熵决策法的动态临界雨量计算方法 | |
CN112530137A (zh) | 一种基于临界雨量的分布式中小流域地质灾害及洪水预警方法 | |
Langat et al. | A comparative flood frequency analysis of high-flow between annual maximum and partial duration series at Sungai Langat Basin |
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 |