CN111680886A - 一种内涝风险预测方法及其系统 - Google Patents

一种内涝风险预测方法及其系统 Download PDF

Info

Publication number
CN111680886A
CN111680886A CN202010421489.5A CN202010421489A CN111680886A CN 111680886 A CN111680886 A CN 111680886A CN 202010421489 A CN202010421489 A CN 202010421489A CN 111680886 A CN111680886 A CN 111680886A
Authority
CN
China
Prior art keywords
runoff
planned
area
value
waterlogging
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.)
Pending
Application number
CN202010421489.5A
Other languages
English (en)
Inventor
孙彩歌
叶丹晨
侯茵
秦雨涵
颜楚倩
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.)
South China Normal University
Original Assignee
South China Normal University
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 South China Normal University filed Critical South China Normal University
Priority to CN202010421489.5A priority Critical patent/CN111680886A/zh
Publication of CN111680886A publication Critical patent/CN111680886A/zh
Pending legal-status Critical Current

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
    • G06Q10/06—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)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Alarm Systems (AREA)

Abstract

本发明的提供一种内涝风险预测方法及其系统，所述一种内涝风险预测方法包括步骤1：将待规划区划分为若干个径流小区；步骤2：通过SCS‑CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流；步骤3：通过SCS‑CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将其作为对应所述径流小区的可排水量；步骤4：计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值；步骤5：根据所述差值预测各个所述径流小区的内涝风险，为降低内涝风险和更新建设规划提供科学依据。

Description

一种内涝风险预测方法及其系统
技术领域
本发明涉及内涝风险预测技术领域，具体涉及一种内涝风险预测方法及其系统。
背景技术
城市内涝现象在我国大多数城市都存在，尤其是沿海地区，常常由于短时强降雨如台风、暴雨等天气引发城市内涝的发生。城市内涝不但影响城市居民的日常生活、出行交通，严重时还会带来经济损失并且危害人民群众的生命安全。因此城市的建设需要将内涝风险考虑在内，但由于同一城市中，不同地理位置的地理条件也不相同，而现在许多内涝风险预测都没有将城市中各个地理位置的地理条件考虑在内，因此存在预测缺陷。
发明内容
本发明的目的在于克服现有技术中的缺点与不足，提供一种内涝风险预测方法。
本发明的一个实施例提供一种内涝风险预测方法，包括：
步骤1：将待规划区划分为若干个径流小区；
步骤2：通过SCS-CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流；
步骤3：通过SCS-CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区地表径流作为各个所述径流小区的可排水量；
步骤4：计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值；
步骤5：根据所述差值预测各个所述径流小区的内涝风险。
相对于现有技术，本发明的内涝风险预测方法基于径流小区分析内涝风险，通过将所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量进行对比，从而预测各个所述径流小区的内涝风险的风险，为降低内涝风险和更新建设规划提供科学依据。
进一步，在步骤1之前，还包括以下步骤：建立待规划区域的数字高程模型，根据待规划区域的地形平坦程度和河网密布程度，对待规划区域的数字高程模型进行填洼和/或汇流分析。通过填洼和/或汇流分析，降低数字高程模型表面的凹陷区域的影响。
进一步，步骤2中，基于待规划区域的土地利用数据和不透水面数据，根据土壤类型确定SCS-CN模型中的径流曲线系数CN值。使所述SCS-CN模型的模拟结果更准确.
进一步，确定所述径流曲线系数CN值包括以下步骤：
根据土壤质地数据确定各个所述径流小区的水文土壤组分；
依据降雨前若干天的降水情况确定各个所述径流小区的前期土壤湿润条件，所述前期土壤湿润条件包括AMCI、AMCII和AMCIII，其中，AMCI为干旱条件，其生长期<35mm且休闲期<12mm；AMCII为正常条件，其生长期为：35mm≤生长期≤53mm，其休闲期为：12mm≤休闲期≤28mm；AMCIII为湿润条件，其生长期>53mm且休闲期>28mm；
根据各个所述径流小区的水文土壤组分和土地利用类型数据，获得各个所述径流小区的第一径流曲线系数CN值；
用最小二乘混合像元分解方法获取各个所述径流小区的不透水面密度，根据所述不透水面密度修正所述第一径流曲线系数CN值，获得所述前期土壤湿润条件为AMCII的第二径流曲线系数CN值；
根据各个所述径流小区的坡度数据修正所述第二径流曲线系数CN值，获得所述第二径流曲线系数CN值的修正值，并将所述修正值代入所述SCS-CN模型。使所述SCS-CN模型的模拟结果更准确。
进一步，获得第二径流曲线系数CN值的公式为：CNII＝CN+Pimp×(98-CN)，其中，CNII为第二径流曲线系数CN值，CN为第一径流曲线系数CN值，Pimp为不透水面密度。结合不透水密度数据，模拟计算结果更准确。
进一步，获得修正值的公式包括：
Figure BDA0002497140060000021
其中，CNIII＝CNII×exp[0.00673×(100-CNII)]，CNIIS为修正值，CNIII为所述前期土壤湿润条件为AMCIII的第三径流曲线系数CN值，CNII为所述前期土壤湿润条件为AMCII的第二径流曲线系数CN值，slp为各个所述径流小区的坡度数据。结合坡度数据，模拟计算结果更准确。
进一步，步骤2中，所述径流小区不同降雨量条件下的地表径流的计算包括以下步骤：
Figure BDA0002497140060000022
其中，S是所述径流小区的流域的潜在最大滞水量；
若P≤0.2S，则Q＝0，Q为所述径流小区不同降雨量条件下的地表径流；
若P>0.2S，则
Figure BDA0002497140060000031
其中，P为降雨量。计算出所述径流小区不同降雨量条件下的地表径流。
进一步，步骤3中，所述雨水管渠设计暴雨重现期对应3年一遇、和/或4年一遇，和/或5年一遇的暴雨强度。明确合适的雨水管渠设计暴雨重现期。
进一步，步骤5中，根据所述差值大小，使用颜色和/或数字对各个所述径流小区的内涝风险进行划分。用颜色和/或数字划分所述径流小区的内涝风险等级，效果更直观。
本发明还提供一种内涝风险预测系统，包括：
划分模块，用于将待规划区划分为若干个径流小区；
第一模拟模块，通过SCS-CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流；
第二模拟模块，通过SCS-CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区地表径流作为各个所述径流小区的可排水量；
差值计算模块，计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值；
预测模块：根据所述差值预测各个所述径流小区的内涝风险。
相对于现有技术，本发明的内涝风险预测系统基于径流小区分析内涝风险，通过将所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量进行对比，从而预测各个所述径流小区的内涝风险的风险，为降低内涝风险和更新建设规划提供科学依据。
为了能更清晰的理解本发明，以下将结合附图说明阐述本发明的具体实施方式。
附图说明
图1为本发明一个实施例的内涝风险预测方法步骤图。
图2为本发明一个实施例的某一城市径流小区划分图。
图3为本发明一个实施例的某一城市降雨频度曲线图。
图4为本发明一个实施例的某一城市不同降雨频度下各个径流小区的地表径流图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-4，图1为本发明一个实施例的内涝风险预测方法步骤图，图2为本发明一个实施例的某一城市径流小区划分图，图3为本发明一个实施例的某一城市降雨频度曲线图，图4为本发明一个实施例的某一城市不同降雨频度下各个径流小区的地表径流图。
如图1，本发明提供一种内涝风险预测方法，包括：
步骤1：建立待规划区域的数字高程模型，根据待规划区域的地形平坦程度和河网密布程度，对待规划区域的数字高程模型进行填洼和/或汇流分析，将研究区域划分为若干个径流小区。
所述待规划区域可以是某一个城市，也可以是城市中的某一个区、镇等。
所述径流小区是基于待规划区域地形特征进行划分的，可用于降水、径流及泥沙观测。
步骤2：通过SCS-CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流。
步骤2中，还包括基于待规划区域的土地利用数据和不透水面数据，根据土壤类型确定SCS-CN模型中的径流曲线系数CN值。所述土地利用数据包括耕地、林地、草地、灌木林、湿地、水域和裸地等。
其中，确定所述径流曲线系数CN值包括以下步骤：
根据土壤质地数据确定各个所述径流小区的水文土壤组分；所述水文土壤组分如表1所示。
表1：水文土壤分组特征描述表
Figure BDA0002497140060000041
依据降雨前若干天的降水情况确定各个所述径流小区的前期土壤湿润条件，所述前期土壤湿润条件包括AMCI、AMCII和AMCIII，其中，AMCI为干旱条件，其生长期<35mm且休闲期<12mm；AMCII为正常条件，其生长期为：35mm≤生长期≤53mm，其休闲期为：12mm≤休闲期≤28mm；AMCIII为湿润条件，其生长期>53mm且休闲期>28mm；
根据各个所述径流小区的水文土壤组分和土地利用类型数据，获得各个所述径流小区的第一径流曲线系数CN值；所述土地利用类型数据包括耕地、林地、草地、灌木林、湿地、水域和裸地等。
用最小二乘混合像元分解方法获取各个所述径流小区的不透水面密度，根据所述不透水面密度修正所述第一径流曲线系数CN值，获得所述前期土壤湿润条件为AMCII的第二径流曲线系数CN值；优选地，所述不透水面密度通过Landsat8影像采用最小二乘混合像元分解方法获取。
获得第二径流曲线系数CN值的公式为：CNII＝CN+Pimp×(98-CN)，其中，CNII为第二径流曲线系数CN值，CN为第一径流曲线系数CN值，Pimp为不透水面密度。
根据各个所述径流小区的坡度数据修正所述第二径流曲线系数CN值，获得所述第二径流曲线系数CN值的修正值，并将所述修正值代入所述SCS-CN模型；其中，所述坡度数据可通过数字高程模型计算得到。
获得修正值的公式包括：
Figure BDA0002497140060000051
其中，CNIII＝CNII×exp[0.00673×(100-CNII)]，CNIIS为修正值，CNIII为所述前期土壤湿润条件为AMCIII的第三径流曲线系数CN值，CNII为所述前期土壤湿润条件为AMCII的第二径流曲线系数CN值，slp为各个所述径流小区的坡度数据。
确定所述径流曲线系数CN值之后，所述径流小区不同降雨量条件下的地表径流的计算包括以下步骤：
Figure BDA0002497140060000052
其中，S是所述径流小区的流域的潜在最大滞水量；
若P≤0.2S，则Q＝0，Q为所述径流小区不同降雨量条件下的地表径流；
若P>0.2S，则
Figure BDA0002497140060000053
其中，P为降雨量。
步骤3：通过SCS-CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区地表径流作为各个所述径流小区的可排水量。
步骤3中，所述雨水管渠设计暴雨重现期对应3年一遇、和/或4年一遇，和/或5年一遇的暴雨强度。其中，可根据所述待规划区的暴雨强度经验公式分别计算出所述待规划区3年一遇、4年一遇和5年一遇的暴雨强度。
可选地，当所述暴雨强度的单位是L/(s·hm2)时，还包括以下单位换算步骤：
通过单位换算公式对所述待规划区的雨水管渠设计暴雨重现期对应3年一遇和5年一遇暴雨强度条件下所述某一城市的各个所述径流小区的地表径流进行单位换算，所述单位换算公式为：1mm/h＝0.006L/(s·hm2)。
步骤4：计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值。
步骤5：根据所述差值预测各个所述径流小区的内涝风险；
根据所述差值大小，使用颜色和/或数字对各个所述径流小区的内涝风险进行划分。
优选地，根据所述差值大小划分各个所述径流小区的内涝风险的标准为：
所述差值大于0.4m的所述径流小区，用红色表示，对应的所述径流小区的交通、基础设施和各类建筑物都受到威胁；
所述差值小于等于0.4m，大于0.3m的所述径流小区，用橙色表示，对应的所述径流小区的交通受到严重影响；
所述差值小于等于0.3m，大于0.15m的所述径流小区，用黄色表示，对应的所述径流小区的交通受到影响；
所述差值小于等于0.15m，大于0m的所述径流小区，用蓝色表示，对应的所述径流小区的交通不受影响。
其中，所述差值小于等于0.15m，大于0m的所述径流小区可进一步细分，所述差值大于等于0且小于30mm的所述径流小区用蓝I表示，所述差值大于等于30mm且小于60mm的所述径流小区用蓝II表示，所述差值大于等于60mm且小于90mm的所述径流小区用蓝III表示，所述差值大于等于90mm且小于120mm的所述径流小区用蓝IV表示，所述差值大于等于120mm且小于150mm的所述径流小区用蓝V表示。
如图2，以某一城市为例，其形平坦、河网密布，因此所述某一城市的数字高程模型采用洼地填充有利于减少水流流向一致而产生平行伪河道的情况。优选地，对所述某一城市的数字高程模型设置较低数值的填洼阈值。例如：基于30m栅格分辨率建立所述某一城市的数字高程模型，并对所述某一城市的数字数字高程模型的数据进行填洼和汇流分析后，根据所述某一城市的地形特征可以确定出306个径流小区。
如图3，根据所述某一城市2015-2017年的日降雨数据，得到降雨频度曲线，得到所述某一城市内降雨频率0.1％、1％、5％、10％、25％和50％的降雨量分别为190.42mm/h、115.03mm/h、65.20mm/h、45.16mm/h、21.19mm/h和6.73mm/h。以0.1％的降雨频率为例，其具体意义为在所述某一城市发生降雨量大于190.42mm的降雨事件的概率仅为0.1％，是较为极端的降雨事件。
如图4，通过SCS-CN模型模拟不同降雨量条件下所述某一城市的各个所述径流小区的地表径流。其中，(a)对应6.73mm/h的降雨量；(b)对应21.19mm/h的降雨量；(c)对应45.16mm/h的降雨量；(d)对应65.20mm/h的降雨量；(e)对应115.03mm/h的降雨量；(f)对应190.42mm/h的降雨量。
通过SCS-CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下所述某一城市的各个所述径流小区的地表径流。
可选地，当所述暴雨强度的单位是L/(s·hm2)时，还包括以下单位换算步骤：
通过单位换算公式对所述待规划区的雨水管渠设计暴雨重现期对应3年一遇和5年一遇暴雨强度条件下所述某一城市的各个所述径流小区的地表径流进行单位换算，所述单位换算公式为：1mm/h＝0.006L/(s·hm2)。
按照所述某一城市的雨水管渠设计暴雨重现期对应3年一遇和5年一遇暴雨强度进行计算，根据所述某一城市的暴雨强度经验公式计算后进行单位换算，从而得到所述某一城市的雨水管渠设计暴雨重现期对应3年一遇和5年一遇暴雨强度分别为64.21mm/h和69.37mm/h。
因排水管渠设计为全市统一设计，不考虑下垫面差异，因此所述某一城市的雨水管渠设计暴雨重现期对应3年一遇和5年一遇暴雨强度条件下各个所述径流小区的地表径流分别为64.21mm和69.37mm，将64.21mm和69.37mm分别作为所述某一城市的雨水管渠设计暴雨重现期对应3年一遇和5年一遇暴雨强度条件下各个所述径流小区的可排水量。
以所述某一城市内降雨频率为0.1％，降雨量为190.42mm/h的条件为例，计算所述某一城市不同降雨量条件下各个所述径流小区的地表径流和所述某一城市的雨水管渠设计暴雨重现期对应3年一遇和5年一遇暴雨强度条件下各个所述径流小区的可排水量的差值。
以编号为1-70的所述径流小区为例，根据所述某一城市降雨量为190.42mm/h条件下各个所述径流小区的地表径流、该地表径流与3年一遇暴雨强度条件下可排水量的差值和该地表径流与3年一遇暴雨强度条件下可排水量的差值绘制成表2.
表2：地表径流和可排水量统计表(单位：mm)
Figure BDA0002497140060000081
根据所述差值预测各个所述径流小区的内涝风险。
根据所述差值大小，使用颜色和/或数字对各个所述径流小区的内涝风险进行划分。
所述差值大于0.4m的所述径流小区，用红色表示，对应的所述径流小区的交通、基础设施和各类建筑物都受到威胁；
所述差值小于等于0.4m，大于0.3m的所述径流小区，用橙色表示，对应的所述径流小区的交通受到严重影响；
所述差值小于等于0.3m，大于0.15m的所述径流小区，用黄色表示，对应的所述径流小区的交通受到影响；
所述差值小于等于0.15m，大于0m的所述径流小区，用蓝色表示，对应的所述径流小区的交通不受影响。
其中，所述差值小于等于0.15m，大于0m的所述径流小区可进一步细分，所述差值大于等于0且小于30mm的所述径流小区用蓝I表示，所述差值大于等于30mm且小于60mm的所述径流小区用蓝II表示，所述差值大于等于60mm且小于90mm的所述径流小区用蓝III表示，所述差值大于等于90mm且小于120mm的所述径流小区用蓝IV表示，所述差值大于等于120mm且小于150mm的所述径流小区用蓝V表示。
相对于现有技术，本发明的内涝风险预测方法基于径流小区分析内涝风险，通过将所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量进行对比，从而预测各个所述径流小区的内涝风险的风险，为降低内涝风险和更新建设规划提供科学依据。
本发明还提供一种内涝风险预测系统，包括：
划分模块，用于将待规划区划分为若干个径流小区；
第一模拟模块，通过SCS-CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流；
第二模拟模块，通过SCS-CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区地表径流作为各个所述径流小区的可排水量；
差值计算模块，计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值；
预测模块：根据所述差值预测各个所述径流小区的内涝风险。
相对于现有技术，本发明的内涝风险预测系统基于径流小区分析内涝风险，通过将所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量进行对比，从而预测各个所述径流小区的内涝风险的风险，为降低内涝风险和更新建设规划提供科学依据。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种内涝风险预测方法，其特征在于，包括：
步骤1：将待规划区划分为若干个径流小区；
步骤2：通过SCS-CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流；
步骤3：通过SCS-CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区地表径流作为各个所述径流小区的可排水量；
步骤4：计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值；
步骤5：根据所述差值预测各个所述径流小区的内涝风险。
2.根据权利要求1所述的内涝风险预测方法，其特征在于：在步骤1之前，还包括以下步骤：
建立待规划区域的数字高程模型，根据待规划区域的地形平坦程度和河网密布程度，对待规划区域的数字高程模型进行填洼和/或汇流分析。
3.根据权利要求1所述的内涝风险预测方法，其特征在于：步骤2中，基于待规划区域的土地利用数据和不透水面数据，根据土壤类型确定SCS-CN模型中的径流曲线系数CN值。
4.根据权利要求3所述的内涝风险预测方法，其特征在于：确定所述径流曲线系数CN值包括以下步骤：
根据土壤质地数据确定各个所述径流小区的水文土壤组分；
依据降雨前若干天的降水情况确定各个所述径流小区的前期土壤湿润条件，所述前期土壤湿润条件包括AMCI、AMCII和AMCIII，其中，AMCI为干旱条件，其生长期<35mm且休闲期<12mm；AMCII为正常条件，其生长期为：35mm≤生长期≤53mm，其休闲期为：12mm≤休闲期≤28mm；AMCIII为湿润条件，其生长期>53mm且休闲期>28mm；
根据各个所述径流小区的水文土壤组分和土地利用类型数据，获得各个所述径流小区的第一径流曲线系数CN值；
用最小二乘混合像元分解方法获取各个所述径流小区的不透水面密度，根据所述不透水面密度修正所述第一径流曲线系数CN值，获得所述前期土壤湿润条件为AMCII的第二径流曲线系数CN值；
根据各个所述径流小区的坡度数据修正所述第二径流曲线系数CN值，获得所述第二径流曲线系数CN值的修正值，并将所述修正值代入所述SCS-CN模型。
5.根据权利要求4所述的内涝风险预测方法，其特征在于：获得第二径流曲线系数CN值的公式为：CNII＝CN+Pimp×(98-CN)，其中，CNII为第二径流曲线系数CN值，CN为第一径流曲线系数CN值，Pimp为不透水面密度。
6.根据权利要求4所述的内涝风险预测方法，其特征在于，获得修正值的公式包括：
Figure FDA0002497140050000021
其中，CNIII＝CNII×exp[0.00673×(100-CNII)]，CNIIS为修正值，CNIII为所述前期土壤湿润条件为AMCIII的第三径流曲线系数CN值，CNII为所述前期土壤湿润条件为AMCII的第二径流曲线系数CN值，slp为各个所述径流小区的坡度数据。
7.根据权利要求3-6任一项所述的内涝风险预测方法，其特征在于，步骤2中，所述径流小区不同降雨量条件下的地表径流的计算包括以下步骤：
Figure FDA0002497140050000022
其中，S是所述径流小区的流域的潜在最大滞水量；
若P≤0.2S，则Q＝0，Q为所述径流小区不同降雨量条件下的地表径流；
若P>0.2S，则
Figure FDA0002497140050000023
其中，P为降雨量。
8.根据权利要求1所述的内涝风险预测方法，其特征在于：步骤3中，所述雨水管渠设计暴雨重现期对应3年一遇、和/或4年一遇，和/或5年一遇的暴雨强度。
9.根据权利要求1所述的内涝风险预测方法，其特征在于，步骤5中，根据所述差值大小，使用颜色和/或数字对各个所述径流小区的内涝风险进行划分。
10.一种内涝风险预测系统，其特征在于，包括：
划分模块，用于将待规划区划分为若干个径流小区；
第一模拟模块，通过SCS-CN模型模拟所述待规划区不同降雨量条件下各个所述径流小区的地表径流；
第二模拟模块，通过SCS-CN模型模拟所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的地表径流，并将所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区地表径流作为各个所述径流小区的可排水量；
差值计算模块，计算所述待规划区不同降雨量条件下各个所述径流小区的地表径流和所述待规划区的雨水管渠设计暴雨重现期条件下各个所述径流小区的可排水量的差值；
预测模块：根据所述差值预测各个所述径流小区的内涝风险。
CN202010421489.5A 2020-05-18 2020-05-18 一种内涝风险预测方法及其系统 Pending CN111680886A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010421489.5A CN111680886A (zh) 2020-05-18 2020-05-18 一种内涝风险预测方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010421489.5A CN111680886A (zh) 2020-05-18 2020-05-18 一种内涝风险预测方法及其系统

Publications (1)

Publication Number Publication Date
CN111680886A true CN111680886A (zh) 2020-09-18

Family

ID=72451900

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010421489.5A Pending CN111680886A (zh) 2020-05-18 2020-05-18 一种内涝风险预测方法及其系统

Country Status (1)

Country Link
CN (1) CN111680886A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118544A (zh) * 2021-11-11 2022-03-01 深圳市赑玄阁科技有限公司 一种城市积涝检测方法及装置
CN114118884A (zh) * 2021-10-28 2022-03-01 南方科技大学 一种城市暴雨内涝区域风险识别的方法、系统及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107832931A (zh) * 2017-10-31 2018-03-23 上海市政工程设计研究总院（集团）有限公司 一种平原水网地区内涝风险的模块化分析方法
CN110232737A (zh) * 2019-05-13 2019-09-13 杭州师范大学 一种城市汇水区划分方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN107832931A (zh) * 2017-10-31 2018-03-23 上海市政工程设计研究总院（集团）有限公司 一种平原水网地区内涝风险的模块化分析方法
CN110232737A (zh) * 2019-05-13 2019-09-13 杭州师范大学 一种城市汇水区划分方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
梁志承 等: "《耦合蚁群算法和SCS-CN水文模型的城市不透水面》", 《地球信息科学》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114118884A (zh) * 2021-10-28 2022-03-01 南方科技大学 一种城市暴雨内涝区域风险识别的方法、系统及存储介质
CN114118884B (zh) * 2021-10-28 2024-09-17 南方科技大学 一种城市暴雨内涝区域风险识别的方法、系统及存储介质
CN114118544A (zh) * 2021-11-11 2022-03-01 深圳市赑玄阁科技有限公司 一种城市积涝检测方法及装置

Similar Documents

Publication Publication Date Title
CN111582755B (zh) 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
CN109492299B (zh) 基于swmm与modflow耦合的水资源模拟方法
CN114240119A (zh) 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法
CN106779232B (zh) 一种城市内涝的建模预测方法
CN115391712A (zh) 一种城市洪涝风险预测方法
CN113011685A (zh) 一种无径流资料地区内陆湖泊水位变化模拟预测方法
CN110232737B (zh) 一种城市汇水区划分方法
CN114372685A (zh) 一种基于swmm模型的城市暴雨内涝风险评估方法
CN112506994B (zh) 一种电力设备洪涝隐患点监测预警方法及相关装置
CN115169069A (zh) 基于大数据的城市内涝预测方法
CN112381285B (zh) 一种基于遥感的洪涝淹没预测方法
CN111581767B (zh) 一种管网-河流耦合模型校核特征参数率定方法
CN115115262A (zh) 一种洪水风险灾害评估的方法
CN110838079A (zh) 一种智慧城市防洪排水远程监控系统及方法
CN114676473B (zh) 一种基于人工智能算法的绿色基础设施空间布局优化方法
Paudyal Forecasting and warning of water-related disasters in a complex hydraulic setting—the case of Bangladesh
CN111680886A (zh) 一种内涝风险预测方法及其系统
CN116305933B (zh) 一种基于dem数据的坡面产汇流简易计算方法及装置
CN114528672B (zh) 基于3s技术的城市水文站网布设方法及系统
CN116629007A (zh) 一种基于坡度改进的城市洪涝模型子汇水区划分方法
Gusyev et al. Effectiveness of water infrastructure for river flood management–Part 1: Flood hazard assessment using hydrological models in Bangladesh
Kyselý et al. Return periods of the August 2010 heavy precipitation in northern Bohemia (Czech Republic) in the present climate and under climate change
Javadinejad et al. Modeling the effects of climate change on probability of maximum rainfall and on variations in storm water in the Zayandeh Rud River
CN111639420B (zh) 一种下沉式绿地设施建设的规划方法及其系统
Fava et al. Integration of information technology systems for flood forecasting with hybrid data sources

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20200918

RJ01 Rejection of invention patent application after publication