CN111369102B - 内涝风险点的提取方法及装置 - Google Patents
内涝风险点的提取方法及装置 Download PDFInfo
- Publication number
- CN111369102B CN111369102B CN202010080027.1A CN202010080027A CN111369102B CN 111369102 B CN111369102 B CN 111369102B CN 202010080027 A CN202010080027 A CN 202010080027A CN 111369102 B CN111369102 B CN 111369102B
- Authority
- CN
- China
- Prior art keywords
- waterlogging
- rainfall data
- final
- areas
- target region
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004088 simulation Methods 0.000 claims description 26
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 description 12
- 239000000284 extract Substances 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000002352 surface water Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
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
- G06Q10/06—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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种内涝风险点的提取方法及装置,涉及风险预测技术领域。该方法包括获取目标地域的多次降雨数据对应的内涝数据,根据多次降雨数据对应的内涝数据提取目标地域的内涝风险点。本申请提供的内涝风险的预测方法及装置,可以在内涝发生前准确提取内涝风险点。
Description
技术领域
本申请涉及风险预测技术领域,特别涉及一种内涝风险的提取方法及装置。
背景技术
随着城市扩张和全球气候变化,城市内涝问题日益严重,预先识别城市的内涝风险点是对内涝风险进行有效防范的前提。
相关技术中,一般通过安装积水监测设备进行内涝点识别,但是这种方式需要提前准确判别哪些位置是可能的内涝点,以安装积水监测设备。还可以通过采集互联网数据进行内涝点提取,如当城市发生暴雨时,收集相关的电话、视频和图片等信息,利用地理信息系统、深度学习等技术,将这些信息进行空间定位以判别积水位置。这种方法只适用于积水事件发生后的内涝点识别。
在实现本申请的过程中,发明人发现相关技术至少存在以下问题:现有的内涝点识别方法不能在内涝发生前提取可能的内涝风险点,无法对内涝风险进行提前防备。
发明内容
本申请实施例提供了一种内涝风险点的提取方法及装置,可以在内涝发生前准确提取内涝风险点。具体技术方案如下:
本申请实施例提供一种内涝风险点的提取方法,包括:
获取目标地域的多次降雨数据对应的内涝数据,其中,所述内涝数据包括积水范围和积水深度,所述多次降雨数据对应多次不同的降雨情况;
根据所述多次降雨数据对应的内涝数据提取所述目标地域的内涝风险点。
本申请实施例的一种实现方式中,所述获取所述目标地域的多次降雨数据对应的内涝数据,包括:
建立所述目标地域的内涝模拟模型;
分别将所述多次降雨数据输入所述内涝模拟模型,获取不同降雨数据对应的所述内涝模拟模型中每个网格的最大积水深度;
根据所述最大积水深度达到设定阈值的网格,生成不同降雨数据对应的内涝面,所述内涝面包括多个内涝区域。
本申请实施例的一种实现方式中,所述根据所述多次降雨数据对应的内涝数据提取所述目标地域的内涝风险点,包括:
基于多次降雨数据对应的内涝面,计算最终内涝面,所述最终内涝面中包括多个内涝区域;
根据所述最终内涝面,提取内涝风险点。
本申请实施例的一种实现方式中,所述基于多次降雨数据对应的内涝面,计算最终内涝面,包括:
将所述内涝面按对应的降雨数据由高到低进行排序,并将第一内涝面作为最终内涝面的初始结果,其中,所述第一内涝面对应的降雨数据最高;
从降雨数据次高对应的内涝面起从高到低遍历所述第一内涝面之外的所有内涝面,对于遍历到的每一个内涝面,查询当前的最终内涝面中每一个内涝区域完全覆盖的当前内涝面中的内涝区域的个数,当查询到的个数多于一个时,以所述当前内涝面中被完全覆盖的所述个数的内涝区域替换当前的最终内涝面中对应的内涝区域,从而得到所述最终内涝面的最终结果。
本申请实施例的一种实现方式中,所述根据所述最终内涝面,提取内涝风险点,包括:
在所述最终内涝面中确定每个内涝区域的地表高程最低点,作为内涝风险点。
本申请实施例还提供一种内涝风险点的提取装置,包括:
获取模块,被配置为获取目标地域的多次降雨数据对应的内涝数据,其中,所述内涝数据包括积水范围和积水深度,所述多次降雨数据对应多次不同的降雨情况;
提取模块,被配置为根据所述多次降雨数据对应的内涝数据提取所述目标地域的内涝风险点。
本申请实施例的一种实现方式中,所述获取模块,包括:
建立子模块,被配置为建立所述目标地域的内涝模拟模型;
获取子模块,被配置为分别将所述多次降雨数据输入所述内涝模拟模型,获取不同降雨数据对应的所述内涝模拟模型中每个网格的最大积水深度;
生成模块,被配置为根据所述最大积水深度达到设定阈值的网格,生成不同降雨数据对应的内涝面,所述内涝面包括多个内涝区域。
本申请实施例的一种实现方式中,所述提取模块,包括:
计算子模块,被配置为基于多次降雨数据对应的内涝面,计算最终内涝面,所述最终内涝面中包括多个内涝区域;
提取子模块,被配置为根据所述最终内涝面,提取内涝风险点。
本申请实施例的一种实现方式中,所述计算子模块,包括:
排序子模块,被配置为将所述内涝面按对应的降雨数据由高到低进行排序,并将第一内涝面作为最终内涝面的初始结果,其中,所述第一内涝面对应的降雨数据最高;
替换子模块,被配置为从降雨数据次高对应的内涝面起从高到低遍历所述第一内涝面之外的所有内涝面,对于遍历到的每一个内涝面,查询当前的最终内涝面中每一个内涝区域完全覆盖的当前内涝面中的内涝区域的个数,当查询到的个数多于一个时,以所述当前内涝面中被完全覆盖的所述个数的内涝区域替换当前的最终内涝面中对应的内涝区域,从而得到所述最终内涝面的最终结果。
本申请实施例的一种实现方式中,所述提取子模块,还被配置在所述最终内涝面中确定每个内涝区域的地表高程最低点,作为内涝风险点。
本申请实施例的有益效果至少包括:
本申请实施例提供的内涝风险点的提取方法及装置,预先获取多次降雨数据对应的内涝数据,并结合多次降雨数据对应的内涝数据提取目标地域的内涝风险点,从而可以在内涝发生前准确提取内涝风险点,以根据该内涝风险点对内涝风险进行提前防备。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种内涝风险点的提取方法的流程图示意图;
图2为本申请实施例提供的图1中步骤S101的流程示意图;
图3为本申请实施例提供的图1中步骤S102的流程示意图;
图4为本申请实施例提供的目标地域的网格图层的示意图;
图5为本申请实施例提供的最终内涝面和内涝风险点位置的示意图;
图6为本申请实施例提供的一种内涝风险点的提取装置的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
本申请实施例提供一种内涝风险点的提取方法,该方法由计算机执行,如图1所示,包括以下步骤:
S101、获取目标地域的多次降雨数据对应的内涝数据。
该步骤中,目标地域可以按行政区进行选择,也可以按自然区进行选择,自然区是指在一定范围内的各自然地理成分具有相对一致性的区域。本申请实施例中,可以将某个城市选定为目标地域。
多次降雨数据对应多次不同的降雨情况,降雨数据可包括降雨强度、持续时长和降雨量等,并可根据降雨数据中的降雨强度和持续时长,或降雨量和持续时长对应的内涝数据。其中,降雨量可以根据降雨强度和持续时长获得。内涝数据可包括积水范围、积水深度、积水量和积水时间等。
本申请的实施例中,可以通过该目标地域的内涝模拟模型对该多次降雨数据进行模拟,从而获得该目标地域的多次降雨数据对应的内涝数据。具体地,如图2所示,该过程可以包括以下步骤:
S201、建立目标地域的内涝模拟模型;
该步骤中,可以通过对目标地域的地表进行网格剖分,利用网格提取地表高程数据和用地属性数据,并耦合管网、河网和水利工程等排水系统的分布数据,建立目标地域的内涝模拟模型。该内涝模拟模型输入降雨数据后,可以对降雨形成的地表水流的产流和汇流过程、排水系统与地表水流的交换过程,以及水流在排水系统中的流动过程等进行模拟,从而实时获取每个网格的积水范围、积水深度、积水量和积水时间等内涝数据及数据的变化过程。将内涝模拟模型输出的模拟内涝数据关联到每个网格中,即可获得该降雨数据对应的目标地域的内涝结果,并以图层的形式进行显示。示例性地,可采用颜色渲染表示积水范围,并以不同的颜色表示不同的积水深度。
S202、分别将多次降雨数据输入内涝模拟模型,获取不同降雨数据对应的内涝模拟模型中每个网格的最大积水深度;
研究该目标地域历年的降雨数据,以获取该目标地域的降雨特征,包括降雨强度范围、持续时长范围和最大降雨量等。示例性地,该最大降雨量可以取到200年一遇以上。根据该目标地域的降雨特征设计包含不同降雨数据的多种降雨方案。示例性地,以降雨量和持续时长表示的降雨方案可以如下表1所示。
表1
将每种降雨数据输入该目标地域的内涝模拟模型中,以模拟该目标地域中每个网格的水位变化过程,并以每个网格的最大积水深度作为最终输出。分别记录该降雨数据对应的每个网格和最大积水深度的对应关系。可选地,如图4所示,对于每种降雨数据,可形成一个该目标地域的网格图层,并将内涝模拟模型输出的最大积水深度关联到网格中,作为该降雨数据对应的目标地域的内涝结果。图4中只示出了目标地域的局部网格图层。重复该步骤,以获取不同降雨数据对应的内涝模拟模型中每个网格的最大积水深度。
S203、根据最大积水深度达到设定阈值的网格,生成不同降雨数据对应的内涝面。
该步骤中,对于每种降雨数据,可以提取对应的网格图层中最大积水深度达到设定阈值的网格,称为积水网格。设定阈值可以设置为0.15m。需要说明的是,该设定阈值是根据《室外排水设计规范》(GB50014-2006)确定的。
将提取出的积水网格中的相邻网格进行合并,形成多个内涝区域。计算该网格图层中每个内涝区域的面积,并将面积未达到设定的面积阈值的内涝区域从该网格图层中删除,最终生成该降雨数据对应的内涝面。该内涝面中包括多个内涝区域,计算多个内涝区域的面积和,即可得到积水范围。重复该步骤,可以获取不同降雨数据对应的内涝面。
本申请实施例中,提取最大积水深度达到设定阈值的网格形成内涝区域,并将面积未达到设定的面积阈值的内涝区域从该网格图层中删除,是为了去掉零散分布的积水网格,以避免程度较轻的积水或模拟结果误差对内涝风险点分析的影响,提高提取内涝风险点的准确度。可选地,面积阈值可以设定为1000-2000m2范围内的任意值。本申请的其他实施例中,也可以省略该步骤,形成多个内涝区域后即可得到降雨数据对应的内涝面。
该步骤可以利用GIS(Geographic Information System,地理信息系统)工具进行处理,多次降雨数据对应的内涝面以图层的形式显示。
本申请的其他实施例中,还可以预先对目标地域进行网格剖分,通过采集该目标地域的多次历史降雨数据和对应的历史内涝数据,将每种历史降雨数据对应的历史内涝数据关联到每个网格中,合并最大积水深度达到设定阈值的网格以生成该历史降雨数据对应的内涝面。
S102、根据多次降雨数据对应的内涝数据提取该目标地域的内涝风险点。
获取多次降雨数据对应的内涝面后,对面积较大的内涝区域进行合理分割,根据分割后的内涝区域提取内涝风险点,以避免遗漏内涝风险点,提高提取内涝风险点的准确度。具体地,如图3所示,该过程可以包括以下步骤:
S301、基于多次降雨数据对应的内涝面,计算最终内涝面;
该步骤中,降雨数据越高的内涝面中的积水范围越大,而积水范围较大时,可能导致多个内涝区域相互连接,从而导致内涝区域的数量减少,降低提取内涝风险点的准确度。因此,需要使内涝区域的面积和数量维持在合适的范围内。
本申请实施例中,可以将内涝面按对应的降雨数据由高到低进行排序,并将第一内涝面作为最终内涝面的初始结果。其中,第一内涝面对应的降雨数据最高。从降雨数据次高对应的内涝面起从高到低遍历第一内涝面之外的所有内涝面,对于遍历到的每一个内涝面,查询当前的最终内涝面中每一个内涝区域完全覆盖的当前内涝面中的内涝区域的个数,当查询到的个数多于一个时,以当前内涝面中被完全覆盖的个数的内涝区域替换当前的最终内涝面中对应的内涝区域,从而得到最终内涝面的最终结果。
该过程可利用GIS工具进行处理,以实现对面积较大的内涝区域的分割,获得最终内涝面。示例性地,可以将多个内涝面按对应的降雨数据由高到低排序,并将多个内涝面在空间上进行配准,即将多个内涝面对应到目标地域中。获取第一内涝面Ln中的任意一个内涝区域A1,查询第二内涝面Ln-1中该内涝区域在空间上完全覆盖的内涝区域的个数。当完全覆盖的内涝区域的个数多于一个时,将内涝区域A1从第一内涝面Ln中删除,并将查询到的第二内涝面Ln-1中对应的内涝区域添加到第一内涝面Ln中。需要说明的是,当完全覆盖的内涝区域的个数为一个时,该内涝区域A1并非多个内涝区域相互连接形成的,则保留该内涝区域A1,只提取一个内涝风险点。
获取第一内涝面Ln的另一个内涝区域A2,重复上述过程。遍历第一内涝面Ln中所有内涝区域后,即完成了以第二内涝面Ln-1中的内涝区域对第一内涝面Ln中的内涝区域的分割过程,得到第一次分割后的第一内涝面Ln。重新遍历第一次分割后的第一内涝面Ln中的内涝区域,查询的内涝面变更为第三内涝面Ln-2,重复上述过程,得到第二次分割后的第一内涝面Ln。
重复上述过程,依次更新查询的内涝面,直至最后一个内涝面,得到的第n-1次分割后的第一内涝面Ln即为最终内涝面。
S302、根据最终内涝面,提取内涝风险点。
该步骤中,在最终内涝面中确定每个内涝区域的地表高程最低点,作为内涝风险点。示例性地,利用GIS工具将该最终内涝面与进行地表网格剖分的目标地域进行空间配准,确定每个内涝区域中地表高程最低的网格,将该网格的中心点提取为内涝风险点。最终内涝面和内涝风险点的位置如图5所示。
本申请实施例提供的内涝风险点的提取方法,预先获取多次降雨数据对应的内涝数据,并结合多次降雨数据对应的内涝数据提取目标地域的内涝风险点,从而可以在内涝发生前准确提取内涝风险点,以根据该内涝风险点对内涝风险进行提前防备。
本申请实施例还提供一种内涝风险点的提取装置,如图6所示,包括:
获取模块,被配置为获取目标地域的多次降雨数据对应的内涝数据,其中,内涝数据包括积水范围和积水深度,多次降雨数据对应多次不同的降雨情况;
提取模块,被配置为根据多次降雨数据对应的内涝数据提取目标地域的内涝风险点。
本申请实施例中,获取模块,包括:
建立子模块,被配置为建立目标地域的内涝模拟模型;
获取子模块,被配置为分别将多次降雨数据输入内涝模拟模型,获取不同降雨数据对应的内涝模拟模型中每个网格的最大积水深度;
生成模块,被配置为根据最大积水深度达到设定阈值的网格,生成不同降雨数据对应的内涝面,内涝面包括多个内涝区域。
本申请实施例中,提取模块,包括:
计算子模块,被配置为基于多次降雨数据对应的内涝面,计算最终内涝面,最终内涝面中包括多个内涝区域;
提取子模块,被配置为根据最终内涝面,提取内涝风险点。
本申请实施例中,计算子模块,包括:
排序子模块,被配置为将所述内涝面按对应的降雨数据由高到低进行排序,并将第一内涝面作为最终内涝面的初始结果,其中,所述第一内涝面对应的降雨数据最高;
替换子模块,被配置为从降雨数据次高对应的内涝面起从高到低遍历所述第一内涝面之外的所有内涝面,对于遍历到的每一个内涝面,查询当前的最终内涝面中每一个内涝区域完全覆盖的当前内涝面中的内涝区域的个数,当查询到的个数多于一个时,以所述当前内涝面中被完全覆盖的所述个数的内涝区域替换当前的最终内涝面中对应的内涝区域,从而得到所述最终内涝面的最终结果。
本申请实施例中,提取子模块,还被配置为在最终内涝面中确定每个内涝区域的地表高程最低点,作为内涝风险点。
本申请实施例提供的内涝风险点的提取装置,预先获取多次降雨数据对应的内涝数据,并结合多次降雨数据对应的内涝数据提取目标地域的内涝风险点,从而可以在内涝发生前准确提取内涝风险点,以根据该内涝风险点对内涝风险进行提前防备。
以上所述仅为本申请的较佳实施例,并不用以限制本申请的保护范围,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (2)
1.一种内涝风险点的提取方法,其特征在于,包括:
建立目标地域的内涝模拟模型;
分别将所述目标地域的多次降雨数据输入所述内涝模拟模型,获取不同降雨数据对应的所述内涝模拟模型中每个网格的最大积水深度;
根据所述最大积水深度达到设定阈值的网格,生成不同降雨数据对应的内涝面,所述内涝面包括多个内涝区域;
将所述内涝面按对应的降雨数据由高到低进行排序,并将第一内涝面作为最终内涝面的初始结果,其中,所述第一内涝面对应的降雨数据最高;
从降雨数据次高对应的内涝面起从高到低遍历所述第一内涝面之外的所有内涝面,对于遍历到的每一个内涝面,查询当前的最终内涝面中每一个内涝区域完全覆盖的当前内涝面中的内涝区域的个数,当查询到的个数多于一个时,以所述当前内涝面中被完全覆盖的所述个数的内涝区域替换当前的最终内涝面中对应的内涝区域,从而得到所述最终内涝面的最终结果;
在所述最终内涝面中确定每个内涝区域的地表高程最低点,作为内涝风险点。
2.一种内涝风险点的提取装置,其特征在于,包括:
建立子模块,被配置为建立目标地域的内涝模拟模型;
获取子模块,被配置为分别将所述目标地域的多次降雨数据输入所述内涝模拟模型,获取不同降雨数据对应的所述内涝模拟模型中每个网格的最大积水深度;
生成模块,被配置为根据所述最大积水深度达到设定阈值的网格,生成不同降雨数据对应的内涝面,所述内涝面包括多个内涝区域;
排序子模块,被配置为将所述内涝面按对应的降雨数据由高到低进行排序,并将第一内涝面作为最终内涝面的初始结果,其中,所述第一内涝面对应的降雨数据最高;
替换子模块,被配置为从降雨数据次高对应的内涝面起从高到低遍历所述第一内涝面之外的所有内涝面,对于遍历到的每一个内涝面,查询当前的最终内涝面中每一个内涝区域完全覆盖的当前内涝面中的内涝区域的个数,当查询到的个数多于一个时,以所述当前内涝面中被完全覆盖的所述个数的内涝区域替换当前的最终内涝面中对应的内涝区域,从而得到所述最终内涝面的最终结果;
提取子模块,被配置为在所述最终内涝面中确定每个内涝区域的地表高程最低点,作为内涝风险点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010080027.1A CN111369102B (zh) | 2020-02-04 | 2020-02-04 | 内涝风险点的提取方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010080027.1A CN111369102B (zh) | 2020-02-04 | 2020-02-04 | 内涝风险点的提取方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111369102A CN111369102A (zh) | 2020-07-03 |
CN111369102B true CN111369102B (zh) | 2021-01-19 |
Family
ID=71210027
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010080027.1A Active CN111369102B (zh) | 2020-02-04 | 2020-02-04 | 内涝风险点的提取方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111369102B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116611333B (zh) * | 2023-05-23 | 2023-11-14 | 中国水利水电科学研究院 | 一种城市洪涝风险点预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102815A (zh) * | 2014-06-19 | 2014-10-15 | 中国核电工程有限公司 | 一种滨海核电厂厂区积水深度计算方法 |
CN106682789A (zh) * | 2017-01-09 | 2017-05-17 | 泰华智慧产业集团股份有限公司 | 规划防汛物资储备数量的方法及系统 |
CN107220496A (zh) * | 2017-05-26 | 2017-09-29 | 上海市气象灾害防御技术中心 | 一种城市暴雨内涝评估建模方法 |
CN108090617A (zh) * | 2017-12-01 | 2018-05-29 | 华南理工大学 | 一种城市内涝监测点的优化布置方法 |
KR20190065015A (ko) * | 2017-12-01 | 2019-06-11 | 부산대학교 산학협력단 | 하천에서의 홍수범람 대응 관리 방법 및 하천에서의 홍수범람 대응 관리 시스템 |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104898183B (zh) * | 2015-05-29 | 2017-10-17 | 杭州辰青和业科技有限公司 | 暴雨城市内涝建模评估方法 |
CN105760666A (zh) * | 2016-02-04 | 2016-07-13 | 南京信息工程大学 | 一种基于dem的汇水区临界雨量计算方法 |
CN109871621B (zh) * | 2019-02-25 | 2021-06-01 | 中国水利水电科学研究院 | 城市暴雨内涝汇水区分析方法 |
CN110532641B (zh) * | 2019-08-06 | 2020-08-25 | 中国水利水电科学研究院 | 一种地表网格分层建模方法及系统 |
CN110633865A (zh) * | 2019-09-22 | 2019-12-31 | 航天海鹰安全技术工程有限公司 | 一种基于排涝模型的城市积水预测与安全预警系统 |
-
2020
- 2020-02-04 CN CN202010080027.1A patent/CN111369102B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104102815A (zh) * | 2014-06-19 | 2014-10-15 | 中国核电工程有限公司 | 一种滨海核电厂厂区积水深度计算方法 |
CN106682789A (zh) * | 2017-01-09 | 2017-05-17 | 泰华智慧产业集团股份有限公司 | 规划防汛物资储备数量的方法及系统 |
CN107220496A (zh) * | 2017-05-26 | 2017-09-29 | 上海市气象灾害防御技术中心 | 一种城市暴雨内涝评估建模方法 |
CN108090617A (zh) * | 2017-12-01 | 2018-05-29 | 华南理工大学 | 一种城市内涝监测点的优化布置方法 |
KR20190065015A (ko) * | 2017-12-01 | 2019-06-11 | 부산대학교 산학협력단 | 하천에서의 홍수범람 대응 관리 방법 및 하천에서의 홍수범람 대응 관리 시스템 |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111369102A (zh) | 2020-07-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Malveira et al. | Hydrological impact of a high-density reservoir network in semiarid northeastern Brazil | |
WO2019191139A1 (en) | Processing data for predicting pipe failure | |
CN109657841B (zh) | 一种城市暴雨内涝积水深度提取方法 | |
Chu | Delineation of pothole-dominated wetlands and modeling of their threshold behaviors | |
CN1897023A (zh) | 水资源信息管理与规划系统 | |
Radmehr et al. | Developing strategies for urban flood management of Tehran city using SMCDM and ANN | |
CN110232737B (zh) | 一种城市汇水区划分方法 | |
Lai et al. | Watershed delineation using hydrographic features and a DEM in plain river network region | |
CN104200044A (zh) | 一种基于gis的三维输电线路路径选择方法 | |
Yazdandoost et al. | A new integrated portfolio based water-energy-environment Nexus in wetland catchments | |
Anju et al. | Water poverty analysis using Water Poverty Index (WPI)-A critical review | |
CN114648617A (zh) | 一种基于数字高程模型dem的水系提取方法 | |
Azizi et al. | Urban pluvial flood risk assessment: challenges and opportunities for improvement using a community-based approach | |
CN111369102B (zh) | 内涝风险点的提取方法及装置 | |
CN111368397B (zh) | 内涝风险的预测方法及装置 | |
CN117523120A (zh) | 基于三维场景的自然资源确权登记单元界址点设置方法 | |
Yao | Application of GIS remote sensing information integration in eco-environmental quality monitoring | |
Wang et al. | Probabilistic modeling of the rainfall severity and height for locating the surface artificial recharge structure | |
CN113239502B (zh) | 基于人工智能图像处理的城市污水管网模拟构建方法 | |
CN115496148A (zh) | 一种河流大尺度水文情势变化的评价方法及装置 | |
CN111914039B (zh) | 道路网更新方法及装置 | |
Marceau et al. | Investigating land-use dynamics at the periphery of a fast-growing city with cellular automata at two spatial scales | |
Hou et al. | Effects of sampling and interpolation methods on accuracy of extracted watershed features | |
Noel et al. | A Rainfall‐Based, Sequential Depression‐Filling Algorithm and Assessments on a Watershed in Northeastern Indiana, USA | |
Salata | On Planning Duties |
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 |