CN111080030A - 融雪性洪水预测方法、装置、电子设备和存储介质 - Google Patents

融雪性洪水预测方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111080030A
CN111080030A CN201911370633.0A CN201911370633A CN111080030A CN 111080030 A CN111080030 A CN 111080030A CN 201911370633 A CN201911370633 A CN 201911370633A CN 111080030 A CN111080030 A CN 111080030A
Authority
CN
China
Prior art keywords
temperature
target
data
target area
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
Application number
CN201911370633.0A
Other languages
English (en)
Other versions
CN111080030B (zh
Inventor
陈涛
孙占辉
陈建国
苗雨加
苏国锋
黄全义
袁宏永
李志鹏
刘鑫
侯炳旭
上官致伟
张立凡
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.)
Tsinghua University
Beijing Global Safety Technology Co Ltd
Original Assignee
Tsinghua University
Beijing Global Safety Technology Co Ltd
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 Tsinghua University, Beijing Global Safety Technology Co Ltd filed Critical Tsinghua University
Priority to CN201911370633.0A priority Critical patent/CN111080030B/zh
Publication of CN111080030A publication Critical patent/CN111080030A/zh
Priority to US17/788,771 priority patent/US20230068671A1/en
Priority to PCT/CN2020/138686 priority patent/WO2021129680A1/zh
Application granted granted Critical
Publication of CN111080030B publication Critical patent/CN111080030B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G06Q50/265—Personal security, identity or safety
    • 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

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Game Theory and Decision Science (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Computer Security & Cryptography (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Alarm Systems (AREA)

Abstract

本申请提出一种融雪性洪水预测方法、装置、电子设备和存储介质，其中，方法包括：获取目标区域在预设时段的雨雪降落分布数据，根据雨雪降落分布数据提取降水特征数据；获取目标区域的气温分布数据，根据气温分布数据获取目标温度以及对应的目标时间，根据目标温度和目标时间确定温度特征数据；根据降水特征数据和温度特征数据确定目标区域的融雪性洪水风险级别。由此，能够结合当前气温和降水情况，对未来较长时间内融雪性洪水风险进行评估和预警，为融雪性洪水多发地区的洪灾监测预警以及应急处置提供可视化辅助，提前感知、预防融雪性洪水灾害。

Description

融雪性洪水预测方法、装置、电子设备和存储介质
技术领域
本申请涉及安全技术领域，尤其涉及一种融雪性洪水预测方法、装置、电子设备和存储介质。
背景技术
通常，高山上存在很多积雪，在多种因素的影响下，积雪在极短时间内快速融化可能导致融雪性洪水发生，因此，针对高山融雪问题，需要为融雪性洪水多发地区的洪灾监测预警及应急处置提供可视化辅助。
发明内容
本申请旨在至少在一定程度上解决相关技术中的技术问题之一。
为此，本申请提出一种融雪性洪水预测方法，解决了现有技术中不能够进行融雪性洪水预测的问题，通过结合当前气温和降水情况，对未来较长时间内融雪性洪水风险进行评估和预警，为融雪性洪水多发地区的洪灾监测预警以及应急处置提供可视化辅助，提前感知、预防融雪性洪水灾害。
本申请提出一种融雪性洪水预测装置。
本申请提出一种电子设备。
本申请提出一种计算机可读存储介质。
本申请一方面实施例提出了一种融雪性洪水预测方法，包括：
获取目标区域在预设时段的雨雪降落分布数据，根据所述雨雪降落分布数据提取降水特征数据；
获取所述目标区域的气温分布数据，根据所述气温分布数据获取目标温度以及对应的目标时间，根据所述目标温度和所述目标时间确定温度特征数据；
根据所述降水特征数据和所述温度特征数据确定所述目标区域的融雪性洪水风险级别。
本申请另一方面实施例提出了一种融雪性洪水预测装置，包括：
获取提取模块，用于获取目标区域在预设时段的雨雪降落分布数据，根据所述雨雪降落分布数据提取降水特征数据；
获取确定模块，用于获取所述目标区域的气温分布数据，根据所述气温分布数据获取目标温度以及对应的目标时间，根据所述目标温度和所述目标时间确定温度特征数据；
处理模块，用于根据所述降水特征数据和所述温度特征数据确定所述目标区域的融雪性洪水风险级别。
本申请又一方面实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述一方面实施例所述的融雪性洪水预测方法。
本申请又一方面实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现前述方法实施例所述的融雪性洪水预测方法。
本申请实施例所提供的技术方案可以包含如下的有益效果：
获取目标区域在预设时段的雨雪降落分布数据，根据雨雪降落分布数据提取降水特征数据；获取目标区域的气温分布数据，根据气温分布数据获取目标温度以及对应的目标时间，根据目标温度和目标时间确定温度特征数据；根据降水特征数据和温度特征数据确定目标区域的融雪性洪水风险级别。由此，能够结合当前气温和降水情况，对未来较长时间内融雪性洪水风险进行评估和预警，为融雪性洪水多发地区的洪灾监测预警以及应急处置提供可视化辅助，提前感知、预防融雪性洪水灾害。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本申请实施例所提供的一种融雪性洪水预测方法的流程示意图；
图2为本申请实施例所提供的另一种融雪性洪水预测方法的流程示意图；
图3为本申请实施例提供的一种融雪性洪水预测装置的结构示意图。
具体实施方式
下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本申请，而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的融雪性洪水预测方法、装置、电子设备和存储介质。
图1为本申请实施例所提供的一种融雪性洪水预测方法的流程示意图。
如图1所示，该方法包括以下步骤：
步骤101，获取目标区域在预设时段的雨雪降落分布数据，根据雨雪降落分布数据提取降水特征数据。
在实际应用中，可以选择目标区域比如新疆整个作为目标区域，也可以是新疆的各个州县分别作为各个目标区域，根据应用需要进行选择。
进一步地，获取目标区域在预设时段的雨雪降落分布数据，比如一个月、两个月的雨雪降落分布数据，其中，预设时段可以根据实际应用需要进行设置，以及雨雪降落分布数据包括降雨次数、降雪次数、降雪深度和降雨深度等中的一种或者多种。
具体地，根据雨雪降落分布数据提取降水特征数据的方式有很多种，举例说明如下：
第一种示例，获取目标区域在预设时段的降雨次数和降雪次数，对降雨次数和降雪次数求和获取降水次数。
第二种示例，获取目标区域各观测点的降雪深度和降雨深度，对降雪深度和降雨深度进行计算获取降水量。
步骤102，获取目标区域的气温分布数据，根据气温分布数据获取目标温度以及对应的目标时间，根据目标温度和目标时间确定温度特征数据。
在实际应用中，目标区域的气温数据一般由分散的气象站给出，因此需要经过处理才能得到栅格化的气温分布，另外也可以根据需要设置温度传感器来获取目标区域的气温分布数据。
作为一种可能实现方式，获取目标区域的多个气象站在预设时段采集的多个站点温度，根据反距离权重插值算法对多个站点温度进行插值处理，生成目标区域在预设时段的温度分布栅格数据。
可以理解的是，目标区域的气温分布数据中本申请主要针对的是能够使得融雪的温度作为目标温度，目标温度对应的时间作为目标时间，从而根据目标温度和目标时间确定温度特征数据，作为一种可能实现方式，按照预设算法计算目标温度对目标时间的温度积分结果作为温度特征数据。
步骤103，根据降水特征数据和温度特征数据确定目标区域的融雪性洪水风险级别。
具体地，不同的降水特征数据和不同的温度特征数据确定目标区域的融雪性洪水风险级别的方式不同，作为一种可能实现方式，当降水特征数据为降水次数，温度特征数据为温度积分结果，将降水次数与预设的第一阈值进行比较；将温度积分结果与预设的第二阈值进行比较；根据比较结果确定目标区域的融雪性洪水风险级别。
本申请实施例的融雪性洪水预测方法中，获取目标区域在预设时段的雨雪降落分布数据，根据雨雪降落分布数据提取降水特征数据；获取目标区域的气温分布数据，根据气温分布数据获取目标温度以及对应的目标时间，根据目标温度和目标时间确定温度特征数据；根据降水特征数据和温度特征数据确定目标区域的融雪性洪水风险级别。由此，能够结合当前气温和降水情况，对未来较长时间内融雪性洪水风险进行评估和预警，为融雪性洪水多发地区的洪灾监测预警以及应急处置提供可视化辅助，提前感知、预防融雪性洪水灾害。
为了实现上述实施例，本实施例提供了另一种融雪性洪水预测方法，图2为本申请实施例所提供的另一种融雪性洪水预测方法的流程示意图。
如图2所示，该方法可以包括：
步骤201，获取目标区域在预设时段的雨雪降落分布数据。
在实际应用中，可以选择目标区域比如新疆整个作为目标区域，也可以是新疆的各个州县分别作为各个目标区域，根据应用需要进行选择。
进一步地，获取目标区域在预设时段的雨雪降落分布数据，比如一个月、两个月的雨雪降落分布数据，其中，预设时段可以根据实际应用需要进行设置，以及雨雪降落分布数据包括降雨次数、降雪次数、降雪深度和降雨深度等中的一种或者多种。
步骤202，获取目标区域在预设时段的降雨次数和降雪次数，对降雨次数和降雪次数求和获取降水次数。
具体地，获取目标区域在预设时段的降雨次数和降雪次数，通过对降雨次数和降雪次数求和获取降水次数作为降水特征数据。
举例而言，根据融雪性洪水发生机理以及新疆春季融雪性洪水发生规律，结合新疆历史气象数据及春季融雪性洪水案例数据，通过对新疆各州县地理特征及春季气象信息的综合分析，考虑冬季降水因素和温度因素，利用机器学习方法，对新疆3至5月融雪性洪水风险分析。
比如选用累积降水次数N反映冬季降水因素，首先读入各州县当年2月降水(包括降雪和降雨)次数NFeb，进入3月后，计入截止3月1日到当前日期的降水次数NSpr，N＝NFeb+NSpr。
步骤203，获取目标区域的多个气象站在预设时段采集的多个站点温度，根据反距离权重插值算法对多个站点温度进行插值处理，生成目标区域在预设时段的温度分布栅格数据。
具体地，本申请中采用反距离权重插值算法进行插值处理，获得目标区域在预设时间段的温度分布栅格数据。
其中，插值过程考虑各气象站与待插点的高程(相对于水准面的高度)差异所引起的温度变化，在对流层内，平均每升高1km，温度下降6-7℃，本申请可以选取6.5℃，插值公式为：
Figure BDA0002339546730000051
其中，Z为插值后温度，Zi为气象站温度，d为气象站与待插值点的距离，m为距离因子。
步骤204，根据气温分布数据筛选大于零度的目标温度对应分布的目标时间，按照预设算法计算目标温度对目标时间的温度积分结果。
具体地，本申请选用积分温度T来反映气温因素，积分温度的定义需假设：每日最低温度tmin到最高温度tmax及tmax到线性变化tmin，每日温度呈“tmin-tmax-tmin”等腰三角形分布。
可以理解的是，一般认为大于零度才会发生融雪，积分温度T的定义为，每日温度分布曲线在大于零度部分对目标时间的积分结果，通过积分公式：
Figure BDA0002339546730000052
其中，最低温度tmin，最高温度tmax。
步骤205，将降水次数与预设的第一阈值进行比较，将温度积分结果与预设的第二阈值进行比较，根据比较结果确定目标区域的融雪性洪水风险级别。
具体地，当降水特征数据为降水次数，温度特征数据为温度积分结果，举例而言，可以基于累积降水次数N和温度积分结果T两变量，对北疆各州县春季融雪性洪水发生风险进行建模，基于搜集的洪水案例，对N和T分别设定第一阈值Ncri和第二阈值Tcri，某日某州县N和T可根据气象温度数据获得。
具体地，(1)若N<1/2Ncri且T＝0，则洪水风险等级为无；(2)若N<Ncri且T<Tcri，则洪水风险等级为低；(3)若N>Ncri且T<Tcri，或N<Ncri且T>Tcri，则洪水风险等级为中；(4)若N>Ncri且T>Tcri，则洪水风险等级为高；若风险等级达到高后未发生洪水，则洪水风险等级保持为高，直到发生洪水为止。北疆地区各州县的第一阈值Ncri和第二阈值Tcri可利用新疆春季融雪性洪水案例历史数据进行机器学习方法获得。
需要说明的是，利用机器学习方法，可通过新数据的不断加入，对模型参数进行动态更新。
步骤206，根据预设算法对预设的融雪因子和温度积分结果进行计算，预测目标区域的融雪数据。
具体地，基于遥感可以获取的降雨深度以及雪水当量分布数据等，获得目标区域的雪盖密度分布栅格数据。
基于温度积分结果及雪盖密度栅格数据，利用经典的度-日因子方法，计算并输出预测的融雪数据。
具体地，度-日数(NDD)表征积雪所吸收的能量，在已知每日逐时测量的气温的分布(Ti)的情况下，可以通过计算算数平均数求得，计算中，如果气温为负值，则用0℃代替该值，公式为：
Figure BDA0002339546730000061
若无上述温度积分结果，而已知日最高温度Tmax和最低温度Tmin，则假设每日最低温度Tmin到最高温度Tmax及Tmax到线性变化Tmin，于是度-日数NDD可用下式计算：
Figure BDA0002339546730000062
融雪数据(SM)与NDD成正比，即SM＝a·NDD；其中a为度-日因子(DDF)，它与雪(ρS)和水(ρW)的密度有关，为：
Figure BDA0002339546730000063
步骤207，获取目标区域的水文数据，按照预设算法对融雪数据和水文数据进行计算获取流域内个各栅格的流向矩阵和流速矩阵，根据流向矩阵和流速矩阵计算各时刻水深分布演变和流域内洪水淹没范围。
步骤208，根据各时刻的水深分布演变和流域内洪水淹没范围模拟演示目标区域发生融雪性洪水风险时的动画显示。
具体地，利用目标区域的融雪数据，结合流域DEM高程数据、当前水深数据及流域水文数据等目标区域的水文数据，利用D8方法和最陡坡度法获得流域内各栅格的流向矩阵，以及利用曼宁公式获得流速矩阵。
从而，添加了河流、湖泊和水库等水文模型，从而在初始水深、水流方向及水流速度等三方面，考虑上述水文特征对地表洪水输运的影响。
最后根据流向矩阵和流速矩阵计算各时刻水深分布演变，以及根据流域内水深分布，分析流域内洪水淹没范围。
因此，本申请具备“风险预测、遥感监测和洪水演进”三大功能，其中“风险预测”包括融雪性洪水风险预测及融雪量预测，“遥感监测”包括气象信息展示和积雪信息展示，“洪水演进”包括洪水径流模拟及选点查询功能，三大功能结合实现融雪性洪水的常态监测、风险预警。
由此，实现对特定地区的融雪性洪水风险预测、融雪量预测以及洪水径流趋势模拟，对融雪性洪水灾害进行全流程跟踪，能够为融雪性洪水多发地区的洪灾监测预警及应急处置提供可视化辅助，提前感知、预防融雪性洪水灾害。
本申请实施例的融雪性洪水预测方法中，获取目标区域在预设时段的雨雪降落分布数据，获取目标区域在预设时段的降雨次数和降雪次数，对降雨次数和降雪次数求和获取降水次数，获取目标区域的多个气象站在预设时段采集的多个站点温度，根据反距离权重插值算法对多个站点温度进行插值处理，生成目标区域在预设时段的温度分布栅格数据，根据气温分布数据筛选大于零度的目标温度对应分布的目标时间，按照预设算法计算目标温度对目标时间的温度积分结果，将降水次数与预设的第一阈值进行比较，将温度积分结果与预设的第二阈值进行比较，根据比较结果确定目标区域的融雪性洪水风险级别，根据预设算法对预设的融雪因子和温度积分结果进行计算，预测目标区域的融雪数据，获取目标区域的水文数据，按照预设算法对融雪数据和水文数据进行计算获取流域内个各栅格的流向矩阵和流速矩阵，根据流向矩阵和流速矩阵计算各时刻水深分布演变和流域内洪水淹没范围。由此，能够结合当前气温和降水情况，对未来较长时间内融雪性洪水风险进行评估和预警，为融雪性洪水多发地区的洪灾监测预警以及应急处置提供可视化辅助，提前感知、预防融雪性洪水灾害。
为了实现上述实施例，本申请还提出一种融雪性洪水预测装置，图3为本申请实施例提供的一种融雪性洪水预测装置的结构示意图。
如图3所示，该装置包括：获取提取模块301、获取确定模块302和处理模块303。
其中，获取提取模块301，用于获取目标区域在预设时段的雨雪降落分布数据，根据所述雨雪降落分布数据提取降水特征数据；
获取确定模块302，用于获取所述目标区域的气温分布数据，根据所述气温分布数据获取目标温度以及对应的目标时间，根据所述目标温度和所述目标时间确定温度特征数据。
处理模块303，用于根据所述降水特征数据和所述温度特征数据确定所述目标区域的融雪性洪水风险级别。
进一步地，在本申请实施例的一种可能的实现方式中，获取提取模块301，具体用于：获取所述目标区域在所述预设时段的降雨次数和降雪次数，对所述降雨次数和所述降雪次数求和获取降水次数；和/或，获取所述目标区域各观测点的降雪深度和降雨深度，对所述降雪深度和所述降雨深度进行计算获取降水量。
进一步地，在本申请实施例的一种可能的实现方式中，获取确定模块302，具体用于：获取所述目标区域的多个气象站在所述预设时段采集的多个站点温度；根据反距离权重插值算法对所述多个站点温度进行插值处理，生成所述目标区域在所述预设时段的温度分布栅格数据；根据所述气温分布数据筛选大于零度的目标温度对应分布的目标时间；按照预设算法计算所述目标温度对所述目标时间的温度积分结果。
其中，通过插值公式对所述多个站点温度进行插值处理，生成所述目标区域在所述预设时段的温度分布栅格数据，其中，所述插值公式为：
Figure BDA0002339546730000081
其中，Z为插值后温度，Zi为气象站温度，d为气象站与待插值点的距离，m为距离因子。
其中，所述按照预设算法计算所述目标温度对所述目标时间的温度积分结果，包括：
通过积分公式计算所述目标温度对所述目标时间的温度积分结果，所述积分公式为：
Figure BDA0002339546730000082
其中，最低温度tmin，最高温度tmax。
进一步地，在本申请实施例的一种可能的实现方式中，当所述降水特征数据为所述降水次数，所述温度特征数据为所述温度积分结果，处理模块303，具体用于：将所述降水次数与预设的第一阈值进行比较；将所述温度积分结果与预设的第二阈值进行比较；根据比较结果确定所述目标区域的融雪性洪水风险级别。
进一步地，在本申请实施例的一种可能的实现方式中，在所述按照预设算法计算所述目标温度对所述目标时间的温度积分结果之后，还包括：
根据预设算法对预设的融雪因子和所述温度积分结果进行计算，预测所述目标区域的融雪数据，其中，所述预设算法包括：
SM＝a·NDD；
其中，SM为融雪数据，NDD为积雪所吸收的能量，a为度-日因子(DDF)，它与雪(ρS)和水(ρW)的密度有关，计算公式为：
Figure BDA0002339546730000083
进一步地，在本申请实施例的一种可能的实现方式中，在所述预测所述目标区域的融雪数据之后，还包括：获取所述目标区域的水文数据；按照预设算法对所述融雪数据和所述水文数据进行计算获取流域内个各栅格的流向矩阵和流速矩阵；根据所述流向矩阵和所述流速矩阵计算各时刻水深分布演变和所述流域内洪水淹没范围。
进一步地，在本申请实施例的一种可能的实现方式中，在所述根据所述流向矩阵和所述流速矩阵计算各时刻水深分布演变和所述流域内洪水淹没范围之后，还包括：根据所述各时刻的水深分布演变和所述流域内洪水淹没范围模拟演示所述目标区域发生融雪性洪水风险时的动画显示。
需要说明的是，前述对方法实施例的解释说明也适用于该实施例的装置，此处不再赘述。
本申请实施例的融雪性洪水预测装置中，获取目标区域在预设时段的雨雪降落分布数据，根据雨雪降落分布数据提取降水特征数据；获取目标区域的气温分布数据，根据气温分布数据获取目标温度以及对应的目标时间，根据目标温度和目标时间确定温度特征数据；根据降水特征数据和温度特征数据确定目标区域的融雪性洪水风险级别。由此，能够结合当前气温和降水情况，对未来较长时间内融雪性洪水风险进行评估和预警，为融雪性洪水多发地区的洪灾监测预警以及应急处置提供可视化辅助，提前感知、预防融雪性洪水灾害。
为了实现上述实施例，本申请实施例提出了一种电子设备，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如前述终端设备执行方法实施例所述的融雪性洪水预测方法。
为了实现上述实施例，本申请实施例提出了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时，实现前述方法实施例所述的融雪性洪水预测方法。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如，如果用硬件来实现和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (13)

1.一种融雪性洪水预测方法，其特征在于，包括：
获取目标区域在预设时段的雨雪降落分布数据，根据所述雨雪降落分布数据提取降水特征数据；
获取所述目标区域的气温分布数据，根据所述气温分布数据获取目标温度以及对应的目标时间，根据所述目标温度和所述目标时间确定温度特征数据；
根据所述降水特征数据和所述温度特征数据确定所述目标区域的融雪性洪水风险级别。
2.如权利要求1所述的方法，其特征在于，所述根据所述雨雪降落分布数据提取降水特征数据，包括：
获取所述目标区域在所述预设时段的降雨次数和降雪次数，对所述降雨次数和所述降雪次数求和获取降水次数；和/或，
获取所述目标区域各观测点的降雪深度和降雨深度，对所述降雪深度和所述降雨深度进行计算获取降水量。
3.如权利要求1所述的方法，其特征在于，所述获取所述目标区域的气温分布数据，包括：
获取所述目标区域的多个气象站在所述预设时段采集的多个站点温度；
根据反距离权重插值算法对所述多个站点温度进行插值处理，生成所述目标区域在所述预设时段的温度分布栅格数据。
4.如权利要求3所述的方法，其特征在于，所述根据反距离权重插值算法对所述多个站点温度进行插值处理，生成所述目标区域在所述预设时段的温度分布栅格数据，包括：
通过插值公式对所述多个站点温度进行插值处理，生成所述目标区域在所述预设时段的温度分布栅格数据，其中，所述插值公式为：
Figure FDA0002339546720000011
其中，Z为插值后温度，Zi为气象站温度，d为气象站与待插值点的距离，m为距离因子。
5.如权利要求2所述的方法，其特征在于，所述根据所述气温分布数据获取目标温度以及对应的目标时间，根据所述目标温度和所述目标时间确定温度特征数据，包括：
根据所述气温分布数据筛选大于零度的目标温度对应分布的目标时间；
按照预设算法计算所述目标温度对所述目标时间的温度积分结果。
6.如权利要求5所述的方法，其特征在于，所述按照预设算法计算所述目标温度对所述目标时间的温度积分结果，包括：
通过积分公式计算所述目标温度对所述目标时间的温度积分结果，所述积分公式为：
Figure FDA0002339546720000021
其中，最低温度tmin，最高温度tmax。
7.如权利要求5所述的方法，其特征在于，当所述降水特征数据为所述降水次数，所述温度特征数据为所述温度积分结果，
所述根据所述降水特征数据和所述温度特征数据确定所述目标区域的融雪性洪水风险级别，包括：
将所述降水次数与预设的第一阈值进行比较；
将所述温度积分结果与预设的第二阈值进行比较；
根据比较结果确定所述目标区域的融雪性洪水风险级别。
8.如权利要求6所述的方法，其特征在于，在所述按照预设算法计算所述目标温度对所述目标时间的温度积分结果之后，还包括：
根据预设算法对预设的融雪因子和所述温度积分结果进行计算，预测所述目标区域的融雪数据，其中，所述预设算法包括：
SM＝a·NDD；
其中，SM为融雪数据，NDD为积雪所吸收的能量，a为度-日因子(DDF)，它与雪(ρS)和水(ρW)的密度有关，计算公式为：
Figure FDA0002339546720000022
9.如权利要求8所述的方法，其特征在于，在所述预测所述目标区域的融雪数据之后，还包括：
获取所述目标区域的水文数据；
按照预设算法对所述融雪数据和所述水文数据进行计算获取流域内个各栅格的流向矩阵和流速矩阵；
根据所述流向矩阵和所述流速矩阵计算各时刻水深分布演变和所述流域内洪水淹没范围。
10.如权利要求9所述的方法，其特征在于，在所述根据所述流向矩阵和所述流速矩阵计算各时刻水深分布演变和所述流域内洪水淹没范围之后，还包括：
根据所述各时刻的水深分布演变和所述流域内洪水淹没范围模拟演示所述目标区域发生融雪性洪水风险时的动画显示。
11.一种融雪性洪水预测装置，其特征在于，包括：
获取提取模块，用于获取目标区域在预设时段的雨雪降落分布数据，根据所述雨雪降落分布数据提取降水特征数据；
获取确定模块，用于获取所述目标区域的气温分布数据，根据所述气温分布数据获取目标温度以及对应的目标时间，根据所述目标温度和所述目标时间确定温度特征数据；
处理模块，用于根据所述降水特征数据和所述温度特征数据确定所述目标区域的融雪性洪水风险级别。
12.一种电子设备，其特征在于，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时，实现如权利要求1-10任一项所述的融雪性洪水预测方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-10任一项所述的融雪性洪水预测方法。
CN201911370633.0A 2019-12-26 2019-12-26 融雪性洪水预测方法、装置、电子设备和存储介质 Active CN111080030B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201911370633.0A CN111080030B (zh) 2019-12-26 2019-12-26 融雪性洪水预测方法、装置、电子设备和存储介质
US17/788,771 US20230068671A1 (en) 2019-12-26 2020-12-23 Method for snowmelt flood prediction
PCT/CN2020/138686 WO2021129680A1 (zh) 2019-12-26 2020-12-23 融雪性洪水预测方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911370633.0A CN111080030B (zh) 2019-12-26 2019-12-26 融雪性洪水预测方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111080030A true CN111080030A (zh) 2020-04-28
CN111080030B CN111080030B (zh) 2022-05-31

Family

ID=70318756

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911370633.0A Active CN111080030B (zh) 2019-12-26 2019-12-26 融雪性洪水预测方法、装置、电子设备和存储介质

Country Status (3)

Country Link
US (1) US20230068671A1 (zh)
CN (1) CN111080030B (zh)
WO (1) WO2021129680A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111815986A (zh) * 2020-09-02 2020-10-23 深圳市城市交通规划设计研究中心股份有限公司 一种交通事故预警方法、装置、终端设备及存储介质
CN111950156A (zh) * 2020-08-17 2020-11-17 清华大学 雪水当量确定方法、装置、计算机设备和存储介质
CN112132341A (zh) * 2020-09-22 2020-12-25 西安理工大学 一种基于暴雨过程的洪水风险预测方法
WO2021129680A1 (zh) * 2019-12-26 2021-07-01 清华大学 融雪性洪水预测方法、装置、电子设备和存储介质
CN113627652A (zh) * 2021-07-13 2021-11-09 中国气象局乌鲁木齐沙漠气象研究所 预测洪水发生区域的方法、装置、终端设备及存储介质
CN113919536A (zh) * 2020-07-09 2022-01-11 广州方宇信息技术有限公司 一种高寒地区流域出口径流预测方法及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115047543B (zh) * 2022-08-16 2022-11-11 成都信息工程大学 一种输电走廊降水预警方法及系统
CN116432145B (zh) * 2023-03-06 2024-02-23 中国科学院地理科学与资源研究所 积雪深度获取方法、装置、存储介质和计算机设备
CN117452527B (zh) * 2023-12-26 2024-03-12 贵州省气象台(贵州省气象决策服务中心) 一种数字气象智能服务方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110106727A1 (en) * 2009-11-02 2011-05-05 Noyes William E Weather Risk Management System
CN104021283A (zh) * 2014-05-23 2014-09-03 清华大学 融雪期的日径流量的预测方法和装置
US20140304007A1 (en) * 2013-04-05 2014-10-09 The Travelers Indemnity Company Systems and methods for account-level flood risk assessment
CN109558617A (zh) * 2017-12-25 2019-04-02 清华大学 径流数据的获取方法、装置、计算机设备及可读存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108416049B (zh) * 2018-03-19 2020-07-17 河海大学 一种高寒山区流域雨雪混合产流计算方法
CN111080030B (zh) * 2019-12-26 2022-05-31 清华大学 融雪性洪水预测方法、装置、电子设备和存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110106727A1 (en) * 2009-11-02 2011-05-05 Noyes William E Weather Risk Management System
US20140304007A1 (en) * 2013-04-05 2014-10-09 The Travelers Indemnity Company Systems and methods for account-level flood risk assessment
CN104021283A (zh) * 2014-05-23 2014-09-03 清华大学 融雪期的日径流量的预测方法和装置
CN109558617A (zh) * 2017-12-25 2019-04-02 清华大学 径流数据的获取方法、装置、计算机设备及可读存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘志辉: ""基于"3S"技术的新疆融雪洪水预测预警及决策支持研究"", 《中国优秀博硕士学位论文全文数据库(博士)工程科技Ⅰ辑》 *
杨金明 等: "" 新疆地区季节性融雪洪水模拟与预报研究"", 《新疆大学学报(自然科学版)》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021129680A1 (zh) * 2019-12-26 2021-07-01 清华大学 融雪性洪水预测方法、装置、电子设备和存储介质
CN113919536A (zh) * 2020-07-09 2022-01-11 广州方宇信息技术有限公司 一种高寒地区流域出口径流预测方法及系统
CN111950156A (zh) * 2020-08-17 2020-11-17 清华大学 雪水当量确定方法、装置、计算机设备和存储介质
CN111950156B (zh) * 2020-08-17 2024-04-09 清华大学 雪水当量确定方法、装置、计算机设备和存储介质
CN111815986A (zh) * 2020-09-02 2020-10-23 深圳市城市交通规划设计研究中心股份有限公司 一种交通事故预警方法、装置、终端设备及存储介质
CN111815986B (zh) * 2020-09-02 2021-01-01 深圳市城市交通规划设计研究中心股份有限公司 一种交通事故预警方法、装置、终端设备及存储介质
CN112132341A (zh) * 2020-09-22 2020-12-25 西安理工大学 一种基于暴雨过程的洪水风险预测方法
CN113627652A (zh) * 2021-07-13 2021-11-09 中国气象局乌鲁木齐沙漠气象研究所 预测洪水发生区域的方法、装置、终端设备及存储介质

Also Published As

Publication number Publication date
WO2021129680A1 (zh) 2021-07-01
US20230068671A1 (en) 2023-03-02
CN111080030B (zh) 2022-05-31

Similar Documents

Publication Publication Date Title
CN111080030B (zh) 融雪性洪水预测方法、装置、电子设备和存储介质
Alfieri et al. A European precipitation index for extreme rain‐storm and flash flood early warning
Bruni et al. On the sensitivity of urban hydrodynamic modelling to rainfall spatial and temporal resolution
Kothyari et al. Sediment yield estimation using GIS
JP6207889B2 (ja) 浸水予測システム、浸水予測方法およびプログラム
JP2008050903A (ja) 洪水予測方法および洪水予測システム
Versini Use of radar rainfall estimates and forecasts to prevent flash flood in real time by using a road inundation warning system
Thorndahl et al. Urban pluvial flood prediction: a case study evaluating radar rainfall nowcasts and numerical weather prediction models as model inputs
CN110187413B (zh) 一种城市内涝预报方法、电子设备及存储介质
Drejza et al. Quantifying road vulnerability to coastal hazards: Development of a synthetic index
Diodato et al. Storminess and environmental changes in the Mediterranean Central Area
US10120836B2 (en) Gathering materials on the ocean surface based on forecasting area density
Krylenko et al. Modeling ice-jam floods in the frameworks of an intelligent system for river monitoring
JP7133940B2 (ja) 氾濫予測評価装置
Pandit et al. Identification of potential sites for future lake formation and expansion of existing lakes in glaciers of Chandra Basin, Western Himalayas, India
Morianou et al. Assessing hydro-morphological changes in Mediterranean stream using curvilinear grid modeling approach-climate change impacts
Vieux et al. Operational deployment of a physics-based distributed rainfall-runoff model for flood forecasting in Taiwan
Lovat et al. Hydrometeorological evaluation of two nowcasting systems for Mediterranean heavy precipitation events with operational considerations
CN114118870A (zh) 一种耦合冰湖溃决洪水和融雪洪水的下游洪量估算方法
Helmi et al. Flash flood risk assessment in Egypt
Alsubeai et al. Rainfall-runoff simulation and modelling using HEC-HMS and HEC-RAS models: case study Tabuk, Saudi Arabia
Diodato et al. Historical predictability of rainfall erosivity: a reconstruction for monitoring extremes over Northern Italy (1500–2019)
Ravazzani et al. Indirect estimation of design flood in urbanized river basins using a distributed hydrological model
Amir et al. Hydrologic and hydrodynamic modelling of extreme flood events to assess the impact of climate change in a large basin with limited data
Al-Rawas Flash flood modelling in Oman wadis

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