CN112070314A - 一种农业气象灾害预警方法与系统 - Google Patents
一种农业气象灾害预警方法与系统 Download PDFInfo
- Publication number
- CN112070314A CN112070314A CN202010962592.0A CN202010962592A CN112070314A CN 112070314 A CN112070314 A CN 112070314A CN 202010962592 A CN202010962592 A CN 202010962592A CN 112070314 A CN112070314 A CN 112070314A
- Authority
- CN
- China
- Prior art keywords
- disaster
- data
- rainfall
- causing
- capacity value
- 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
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Mining
-
- 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)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Animal Husbandry (AREA)
- Agronomy & Crop Science (AREA)
- General Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Primary Health Care (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种农业气象灾害预警方法与系统,本发明通过采集基础地理数据、气象数据以及排水数据,并对这些数据利用地理信息平台软件进行预处理,通过多因子叠加分析分别进行自身致灾营力值以及降雨致灾营力值的计算,并加入人为调整致灾营力值,获得综合致灾营力值,实现农业气象灾害的准确预警,由于加入农业气象多影响因素,可有效提高预报准确度,根据气象预警信息提前进行农作物的保护工作,将灾害损失降低到最小。
Description
技术领域
本发明涉及农业灾害技术领域,特别是涉及一种农业气象灾害预警方法与系统。
背景技术
我国作为农业大国,农业生产进入智能化时代,农业气象环境对农作物的生长起着重要作用,对于农业气象环境数据的监测预警成为实现农业良好发展的重要基础保障。气象灾害是农业生产的重大威胁,其影响往往是大范围的,可造成农作物大面积减产,使得产量大幅波动。国家综合防灾减灾规划中明确指出,加强灾害监测、预测预警以及风险防范能力建设,提高灾害预警信息发布的准确性、时效性,加强工程防灾减灾的能力建设。
农业气象灾害,特别是洪涝灾害,因大雨、暴雨或长期降雨量过于集中而产生大量的积水和径流,排水不及时,致使农作物受淹造成灾害,其往往是由多方面因素复杂作用的结果,难以评估和预测,其由降雨、下垫面以及农作物对气象的响应特性等共同影响。因此对于构建洪涝灾害预警模型,需要考虑多方面因素,以提高模型准确性。
发明内容
本发明的目的是提供一种农业气象灾害预警方法与系统,旨在解决现有技术中农业灾害预警模型预报准确率低的问题,实现有效提高预报准确度,根据预报信息提前决策,将灾害损失降低到最小。
为达到上述技术目的,本发明提供了一种农业气象灾害预警方法,所述方法包括以下操作:
获取基础地理数据、气象数据以及排水数据,并通过地理信息平台进行数据预处理;
根据洪涝灾害发育频度以及多因子致灾营力值系数计算自身致灾营力值,根据降雨量计算降雨致灾营力值;
根据自身致灾营力值以及降雨致灾营力值构建农业气象灾害预警模型。
优选地,所述基础地理数据包括50米网格基础数据、等高线、行政区划、农作物种植区、土壤类型的矢量图层;所述气象数据包括预报降雨量、预报前期降雨量数据;所述排水数据包括农作物种植区耕地水利工程、土壤渗水数据。
优选地,所述基础地理数据通过地理信息平台,利用不规则三角网模型T I N,将等高线数据生成数字高程DEM,进行50米地理网格差值分析,生成地形数据;所述气象数据通过地理信息平台,对预报降雨量和实际降雨量数据进行50米地理网格差值分析,生成预报雨量数据;所述排水数据通过地理信息平台,将监测区水利工程、土壤渗水进行50米地理网格差值分析,分别形成排水和渗水数据。
优选地,所述自身致灾营力值的模型关系式为:
Tn=δ(t,d,s)·M(t,d,s)
式中,Tn为自身致灾营力值,M为洪涝灾害发育频度,Mt、Md、Ms分别为地形、排水、渗水因子致灾营力影响下的玉米洪涝灾害发育频度,δt、δd、δs分别为地形、排水、渗水因子致灾营力值系数,致灾营力系数为各致灾因子数据与洪涝灾害频度的相关度的全省平均值。
优选地,所述降雨致灾营力值的模型关系式为:
Tj=Jd+Jq
Jd=βB
Jq=ω2Jd2+ω5Jd5+ω7Jd7
式中,Tj为降雨致灾营力值,Jd为当日降雨致灾营力值,Jq为前期降雨量致灾营力值,β为当日降雨致灾营力系数,B为当日降雨量,ω2为2日和降雨量致灾营力系数,Jd2为相应当日降雨量致灾营力值,ω5为5日和降雨量致灾营力系数,Jd5为相应当日降雨量致灾营力值,ω7为7日和降雨量致灾营力系数,Jd7为相应当日降雨量致灾营力值。
优选地,所述农业气象灾害预警模型为:
Tf=Tn+Tj+Tm
式中,Tf为预报致灾营力值,Tn为自身致灾营力值,Tj为降雨致灾营力值,Tm为人为调整致灾营力值。
本发明还提供了一种农业气象灾害预警系统,所述系统包括:
数据获取模块,用于获取基础地理数据、气象数据以及排水数据,并通过地理信息平台进行数据预处理;
致灾营力值计算模块,用于根据洪涝灾害发育频度以及多因子致灾营力值系数计算自身致灾营力值,根据降雨量计算降雨致灾营力值;
预警模型构建模块,用于根据自身致灾营力值以及降雨致灾营力值构建农业气象灾害预警模型。
优选地,所述基础地理数据包括50米网格基础数据、等高线、行政区划、农作物种植区、土壤类型的矢量图层;所述气象数据包括预报降雨量、预报前期降雨量数据;所述排水数据包括农作物种植区耕地水利工程、土壤渗水数据。
优选地,所述基础地理数据通过地理信息平台,利用不规则三角网模型TIN,将等高线数据生成数字高程DEM,进行50米地理网格差值分析,生成地形数据;所述气象数据通过地理信息平台,对预报降雨量和实际降雨量数据进行50米地理网格差值分析,生成预报雨量数据;所述排水数据通过地理信息平台,将监测区水利工程、土壤渗水进行50米地理网格差值分析,分别形成排水和渗水数据。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
与现有技术相比,本发明通过采集基础地理数据、气象数据以及排水数据,并对这些数据利用地理信息平台软件进行预处理,通过多因子叠加分析分别进行自身致灾营力值以及降雨致灾营力值的计算,并加入人为调整致灾营力值,获得综合致灾营力值,实现农业气象灾害的准确预警,由于加入农业气象多影响因素,可有效提高预报准确度,根据气象预警信息提前进行农作物的保护工作,将灾害损失降低到最小。
附图说明
图1为本发明实施例中所提供的一种农业气象灾害预警方法流程图;
图2为本发明实施例中所提供的一种农业气象灾害预警系统框图。
具体实施方式
为了能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
下面结合附图对本发明实施例所提供的一种农业气象灾害预警方法与系统进行详细说明。
如图1所示,本发明实施例公开了一种农业气象灾害预警方法,所述方法包括以下操作:
获取基础地理数据、气象数据以及排水数据,并通过地理信息平台进行数据预处理;
根据洪涝灾害发育频度以及多因子致灾营力值系数计算自身致灾营力值,根据降雨量计算降雨致灾营力值;
根据自身致灾营力值以及降雨致灾营力值构建农业气象灾害预警模型。
获取基础地理数据、气象数据以及排水数据,所述基础地理数据包括50米网格基础数据、等高线、行政区划、农作物种植区、土壤类型等矢量图层;所述气象数据包括预报降雨量、预报前期降雨量数据,并同时处理为降雨区、降雨等值线评价区等专题气象数据;所述排水数据包括农作物种植区耕地水利工程、土壤渗水数据等。
对于基础地理数据,通过地理信息平台软件,利用不规则三角网模型TIN,根据区域有限个点集将区域划分为相连的三角面网络,区域中任意点落在三角面的顶点、边上或三角形内,如果点不在顶点上,该点的高程通过线性差值得到,将等高线数据生成数字高程DEM,进行50米地理网格差值分析,生成地形数据。对于气象数据,通过地理信息平台软件,对预报降雨量和实际降雨量数据进行50米地理网格差值分析,生成预报雨量数据。对于排水数据,通过地理信息平台软件,将监测区水利工程、土壤渗水进行50米地理网格差值分析,分别形成排水和渗水数据。
农业灾害的发生是各种致灾营力作用累积的结果,致灾营力分为自身致灾营力和降雨致灾营力,其之间呈正、余弦规律变化,无论哪一种或其和值达到致灾营力临界值,灾害便会发生。自身致灾营力包括地形、排水以及渗水三种,降雨致灾营力分为当日与前期降雨致灾营力,通过在多因子叠加分析,进行自身致灾营力值和降雨致灾营力值的和值的计算。
对于自身致灾营力值的计算,灾害发生的频度与各种致灾营力相关,同时各种自身致灾营力共同作用于灾害体,之间具有相关性,其模型关系式为:
Tn=δ(t,d,s)·M(t,d,s)
式中,Tn为自身致灾营力值,M为洪涝灾害发育频度,Mt、Md、Ms分别为地形、排水、渗水因子致灾营力影响下的玉米洪涝灾害发育频度,δt、δd、δs分别为地形、排水、渗水因子致灾营力值系数,致灾营力系数为各致灾因子数据与洪涝灾害频度的相关度的全省平均值。
对于降雨致灾营力值的计算,降雨致灾营力值包括预报降雨营力值和前期降雨营力值,其模型关系式为:
Tj=Jd+Jq
Jd=βB
Jq=ω2Jd2+ω5Jd5+ω7Jd7
式中,Tj为降雨致灾营力值,Jd为当日降雨致灾营力值,Jq为前期降雨量致灾营力值,β为当日降雨致灾营力系数,B为当日降雨量,ω2为2日和降雨量致灾营力系数,Jd2为相应当日降雨量致灾营力值,ω5为5日和降雨量致灾营力系数,Jd5为相应当日降雨量致灾营力值,ω7为7日和降雨量致灾营力系数,Jd7为相应当日降雨量致灾营力值。
对于综合致灾营力值的计算,灾害发生时致灾营力值为自身致灾营力值加降雨致灾营力值,另外为随时根据灾情反馈调整预报数据,增加人为调整致灾营力值,构建农业气象灾害预警模型:
Tf=Tn+Tj+Tm
式中,Tf为预报致灾营力值,Tn为自身致灾营力值,Tj为降雨致灾营力值,Tm为人为调整致灾营力值。
当值Tf大于等于1时发生洪涝灾害,否则不发生洪涝灾害。利用等值线追踪造区,绘制农业洪涝灾害预警图。
本发明实施例通过采集基础地理数据、气象数据以及排水数据,并对这些数据利用地理信息平台软件进行预处理,通过多因子叠加分析分别进行自身致灾营力值以及降雨致灾营力值的计算,并加入人为调整致灾营力值,获得综合致灾营力值,实现农业气象灾害的准确预警,由于加入农业气象多影响因素,可有效提高预报准确度,根据气象预警信息提前进行农作物的保护工作,将灾害损失降低到最小。
如图2所示,本发明实施例还公开了一种农业气象灾害预警系统,所述系统包括:
数据获取模块,用于获取基础地理数据、气象数据以及排水数据,并通过地理信息平台进行数据预处理;
致灾营力值计算模块,用于根据洪涝灾害发育频度以及多因子致灾营力值系数计算自身致灾营力值,根据降雨量计算降雨致灾营力值;
预警模型构建模块,用于根据自身致灾营力值以及降雨致灾营力值构建农业气象灾害预警模型。
获取基础地理数据、气象数据以及排水数据,所述基础地理数据包括50米网格基础数据、等高线、行政区划、农作物种植区、土壤类型等矢量图层;所述气象数据包括预报降雨量、预报前期降雨量数据,并同时处理为降雨区、降雨等值线评价区等专题气象数据;所述排水数据包括农作物种植区耕地水利工程、土壤渗水数据等。
对于基础地理数据,通过地理信息平台软件,利用不规则三角网模型TIN,根据区域有限个点集将区域划分为相连的三角面网络,区域中任意点落在三角面的顶点、边上或三角形内,如果点不在顶点上,该点的高程通过线性差值得到,将等高线数据生成数字高程DEM,进行50米地理网格差值分析,生成地形数据。对于气象数据,通过地理信息平台软件,对预报降雨量和实际降雨量数据进行50米地理网格差值分析,生成预报雨量数据。对于排水数据,通过地理信息平台软件,将监测区水利工程、土壤渗水进行50米地理网格差值分析,分别形成排水和渗水数据。
农业灾害的发生是各种致灾营力作用累积的结果,致灾营力分为自身致灾营力和降雨致灾营力,其之间呈正、余弦规律变化,无论哪一种或其和值达到致灾营力临界值,灾害便会发生。自身致灾营力包括地形、排水以及渗水三种,降雨致灾营力分为当日与前期降雨致灾营力,通过在多因子叠加分析,进行自身致灾营力值和降雨致灾营力值的和值的计算。
对于自身致灾营力值的计算,灾害发生的频度与各种致灾营力相关,同时各种自身致灾营力共同作用于灾害体,之间具有相关性,其模型关系式为:
Tn=δ(t,d,s)·M(t,d,s)
式中,Tn为自身致灾营力值,M为洪涝灾害发育频度,Mt、Md、Ms分别为地形、排水、渗水因子致灾营力影响下的玉米洪涝灾害发育频度,δt、δd、δs分别为地形、排水、渗水因子致灾营力值系数,致灾营力系数为各致灾因子数据与洪涝灾害频度的相关度的全省平均值。
对于降雨致灾营力值的计算,降雨致灾营力值包括预报降雨营力值和前期降雨营力值,其模型关系式为:
Tj=Jd+Jq
Jd=βB
Jq=ω2Jd2+ω5Jd5+ω7Jd7
式中,Tj为降雨致灾营力值,Jd为当日降雨致灾营力值,Jq为前期降雨量致灾营力值,β为当日降雨致灾营力系数,B为当日降雨量,ω2为2日和降雨量致灾营力系数,Jd2为相应当日降雨量致灾营力值,ω5为5日和降雨量致灾营力系数,Jd5为相应当日降雨量致灾营力值,ω7为7日和降雨量致灾营力系数,Jd7为相应当日降雨量致灾营力值。
对于综合致灾营力值的计算,灾害发生时致灾营力值为自身致灾营力值加降雨致灾营力值,另外为随时根据灾情反馈调整预报数据,增加人为调整致灾营力值,构建农业气象灾害预警模型:
Tf=Tn+Tj+Tm
式中,Tf为预报致灾营力值,Tn为自身致灾营力值,Tj为降雨致灾营力值,Tm为人为调整致灾营力值。
当值Tf大于等于1时发生洪涝灾害,否则不发生洪涝灾害。利用等值线追踪造区,绘制农业洪涝灾害预警图。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种农业气象灾害预警方法,其特征在于,所述方法包括以下操作:
获取基础地理数据、气象数据以及排水数据,并通过地理信息平台进行数据预处理;
根据洪涝灾害发育频度以及多因子致灾营力值系数计算自身致灾营力值,根据降雨量计算降雨致灾营力值;
根据自身致灾营力值以及降雨致灾营力值构建农业气象灾害预警模型。
2.根据权利要求1所述的一种农业气象灾害预警方法,其特征在于,所述基础地理数据包括50米网格基础数据、等高线、行政区划、农作物种植区、土壤类型的矢量图层;所述气象数据包括预报降雨量、预报前期降雨量数据;所述排水数据包括农作物种植区耕地水利工程、土壤渗水数据。
3.根据权利要求1所述的一种农业气象灾害预警方法,其特征在于,所述基础地理数据通过地理信息平台,利用不规则三角网模型TIN,将等高线数据生成数字高程DEM,进行50米地理网格差值分析,生成地形数据;所述气象数据通过地理信息平台,对预报降雨量和实际降雨量数据进行50米地理网格差值分析,生成预报雨量数据;所述排水数据通过地理信息平台,将监测区水利工程、土壤渗水进行50米地理网格差值分析,分别形成排水和渗水数据。
4.根据权利要求1所述的一种农业气象灾害预警方法,其特征在于,所述自身致灾营力值的模型关系式为:
Tn=δ(t,d,s)·M(t,d,s)
式中,Tn为自身致灾营力值,M为洪涝灾害发育频度,Mt、Md、Ms分别为地形、排水、渗水因子致灾营力影响下的玉米洪涝灾害发育频度,δt、δd、δs分别为地形、排水、渗水因子致灾营力值系数,致灾营力系数为各致灾因子数据与洪涝灾害频度的相关度的全省平均值。
5.根据权利要求1所述的一种农业气象灾害预警方法,其特征在于,所述降雨致灾营力值的模型关系式为:
Tj=Jd+Jq
Jd=βB
Jq=ω2Jd2+ω5Jd5+ω7Jd7
式中,Tj为降雨致灾营力值,Jd为当日降雨致灾营力值,Jq为前期降雨量致灾营力值,β为当日降雨致灾营力系数,B为当日降雨量,ω2为2日和降雨量致灾营力系数,Jd2为相应当日降雨量致灾营力值,ω5为5日和降雨量致灾营力系数,Jd5为相应当日降雨量致灾营力值,ω7为7日和降雨量致灾营力系数,Jd7为相应当日降雨量致灾营力值。
6.根据权利要求1所述的一种农业气象灾害预警方法,其特征在于,所述农业气象灾害预警模型为:
Tf=Tn+Tj+Tm
式中,Tf为预报致灾营力值,Tn为自身致灾营力值,Tj为降雨致灾营力值,Tm为人为调整致灾营力值。
7.一种农业气象灾害预警系统,其特征在于,所述系统包括:
数据获取模块,用于获取基础地理数据、气象数据以及排水数据,并通过地理信息平台进行数据预处理;
致灾营力值计算模块,用于根据洪涝灾害发育频度以及多因子致灾营力值系数计算自身致灾营力值,根据降雨量计算降雨致灾营力值;
预警模型构建模块,用于根据自身致灾营力值以及降雨致灾营力值构建农业气象灾害预警模型。
8.根据权利要求7所述的一种农业气象灾害预警系统,其特征在于,所述基础地理数据包括50米网格基础数据、等高线、行政区划、农作物种植区、土壤类型的矢量图层;所述气象数据包括预报降雨量、预报前期降雨量数据;所述排水数据包括农作物种植区耕地水利工程、土壤渗水数据。
9.根据权利要求7所述的一种农业气象灾害预警系统,其特征在于,所述基础地理数据通过地理信息平台,利用不规则三角网模型TIN,将等高线数据生成数字高程DEM,进行50米地理网格差值分析,生成地形数据;所述气象数据通过地理信息平台,对预报降雨量和实际降雨量数据进行50米地理网格差值分析,生成预报雨量数据;所述排水数据通过地理信息平台,将监测区水利工程、土壤渗水进行50米地理网格差值分析,分别形成排水和渗水数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010962592.0A CN112070314A (zh) | 2020-09-14 | 2020-09-14 | 一种农业气象灾害预警方法与系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010962592.0A CN112070314A (zh) | 2020-09-14 | 2020-09-14 | 一种农业气象灾害预警方法与系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112070314A true CN112070314A (zh) | 2020-12-11 |
Family
ID=73695643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010962592.0A Pending CN112070314A (zh) | 2020-09-14 | 2020-09-14 | 一种农业气象灾害预警方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070314A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635694A (zh) * | 2015-01-08 | 2015-05-20 | 沈阳远大智能高科农业有限公司 | 一种智能农业预警系统 |
CN109887241A (zh) * | 2019-04-08 | 2019-06-14 | 河北省水利水电勘测设计研究院 | 一种山洪灾害气象预警计算方法及系统 |
CN110751412A (zh) * | 2019-10-28 | 2020-02-04 | 云南瀚哲科技有限公司 | 一种农业气象灾害预警方法及系统 |
-
2020
- 2020-09-14 CN CN202010962592.0A patent/CN112070314A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104635694A (zh) * | 2015-01-08 | 2015-05-20 | 沈阳远大智能高科农业有限公司 | 一种智能农业预警系统 |
CN109887241A (zh) * | 2019-04-08 | 2019-06-14 | 河北省水利水电勘测设计研究院 | 一种山洪灾害气象预警计算方法及系统 |
CN110751412A (zh) * | 2019-10-28 | 2020-02-04 | 云南瀚哲科技有限公司 | 一种农业气象灾害预警方法及系统 |
Non-Patent Citations (1)
Title |
---|
山东省市场监督管理局 发布: "DB37/T 4108—2020 夏玉米洪涝灾害预警技术要求", pages: 1 - 6 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107316095B (zh) | 一种耦合多源数据的区域气象干旱等级预测方法 | |
CN112070286B (zh) | 复杂地形流域的降水预报预警系统 | |
CN102135531A (zh) | 大型浅水湖泊72小时蓝藻水华预测方法 | |
Onyutha et al. | Influence of spatial and temporal scales on statistical analyses of rainfall variability in the River Nile basin | |
CN110781259A (zh) | 一种基于地貌单位线的水文模型 | |
CN107609713B (zh) | 一种通过降雨和径流双要素校正的陆气耦合实时预报方法 | |
CN109726698A (zh) | 基于遥感数据进行季度灌溉面积识别的方法 | |
CN110633858A (zh) | 一种用于输电线路的暴雨地质灾害的聚类预警方法及系统 | |
Sahu et al. | Soil erosion modeling using Rusle and GIS on Dudhawa catchment | |
Chen et al. | Spatiotemporal characteristics of winter wheat waterlogging in the middle and lower reaches of the Yangtze River, China | |
CN111080036A (zh) | 一种基于大数据的洪水预报方法 | |
CN117114371B (zh) | 一种基于卫星遥感的现代水网防汛监测与调度方法及系统 | |
CN114093133A (zh) | 一种区域地质灾害气象预报预警方法 | |
CN112070314A (zh) | 一种农业气象灾害预警方法与系统 | |
Zhang et al. | Decision support system and monitoring of eco-agriculture based on WebGIS in Shule Basin | |
Sham et al. | Quantifying septic nitrogen loadings to receiving waters: Waquoit Bay, Massachusetts | |
CN113722924A (zh) | 一种小流域地面雨量站密度的确定方法 | |
Masumoto et al. | Basin‐Scale Irrigation Planning in Areas with Scarce Data | |
CN107451691B (zh) | 基于下垫面情况的冬季输电线路高度风速预报方法及系统 | |
Yun | A feasibility study of a field-specific weather service for small-scale farms in a topographically complex watershed | |
Sude et al. | New approach for evaluation of a watershed ecosystem service for avoiding reservoir sedimentation and its economic value: a case study from Ertan Reservoir in Yalong River, China | |
Almaaitah et al. | Spatial Distribution of Soil Erosion Risk using RUSLE, RS and GIS Techniques | |
CN112287536B (zh) | 一种基于复式洪水过程校正流域不透水率的方法 | |
CN117807917B (zh) | 基于场次洪涝灾害的损失函数构建方法和系统 | |
Yan et al. | Application of hydrometeorological coupled European flood forecasting operational real time system in Yellow River 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 |