CN112365563A - 降雨频率图集数字化和暴雨高风险区划可视化分析系统 - Google Patents

降雨频率图集数字化和暴雨高风险区划可视化分析系统 Download PDF

Info

Publication number
CN112365563A
CN112365563A CN202011246080.0A CN202011246080A CN112365563A CN 112365563 A CN112365563 A CN 112365563A CN 202011246080 A CN202011246080 A CN 202011246080A CN 112365563 A CN112365563 A CN 112365563A
Authority
CN
China
Prior art keywords
rainfall
rainstorm
area
frequency
risk
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
CN202011246080.0A
Other languages
English (en)
Inventor
林炳章
廖一帆
徐磊
商慧
梁冀雨
丁辉
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.)
Guangxi College of Water Resources and Electric Power
Original Assignee
Emory Information Technology Consulting Xiamen 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 Emory Information Technology Consulting Xiamen Co ltd filed Critical Emory Information Technology Consulting Xiamen Co ltd
Priority to CN202011246080.0A priority Critical patent/CN112365563A/zh
Publication of CN112365563A publication Critical patent/CN112365563A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/206—Drawing of charts or graphs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Remote Sensing (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Complex Calculations (AREA)

Abstract

本发明公开了降雨频率图集数字化和暴雨高风险区划可视化分析系统，涉及防灾减灾的水文气象技术领域，可以查看分析研究区内任意点(包括观测雨量站点及无资料地点)在不同设计时段、不同频率(重现期)下的频率估计值；可以根据不同的插值方法查看分析不同时段、不同频率(重现期)的暴雨高风险区划图；还可以进行暴雨量级分析，通过实时雨量数据更新，进行暴雨灾害气象风险预警等。该系统可用于指导地区防洪规划、城市内涝防治规划、工程建设规划设计以及洪涝灾害的预防预警等领域的工作。具体方案包括：降雨频率估计值及暴雨高风险区划图分析单元、暴雨分析单元和实时分析单元。

Description

降雨频率图集数字化和暴雨高风险区划可视化分析系统
技术领域
本发明涉及防灾减灾的水文气象技术领域，更具体地说，它涉及降雨频率图集数字化和暴雨高风险区划可视化分析系统。
背景技术
暴雨及其引发的洪涝灾害是我国最主要的自然灾害之一，严重威胁着我国社会经济可持续发展和人民生命财产安全。如何加强洪涝灾害的预警，如何科学地进行防洪规划设计，是当前防洪减灾工作的重要问题。特别是突发性强的山洪灾害和中小河流洪涝灾害的预报既难又不可靠，预防和预警就成为防灾的重要技术手段。
根据暴雨资料推算的设计洪水，是我国防洪设计标准的重要依据之一，其理论基础是水文频率计算。我国传统的频率计算方法可概括为“一点一线加双眼”，也就是单点、单时段、P-III型曲线、常规矩法估算的目估适线法。这种方法仅侧重于单站情况下的线型及参数估计问题，而没有考虑利用地区的整体水文气象信息，估算成果的准确性往往受限于站点资料的缺乏。单站分析只能获得单站点的频率估计值，关于暴雨设计值的空间分布往往只谈论点-面关系，尚无法涉及暴雨雨强的空间分布。
依据我国规范的标准，目前我国绝大多数水文频率曲线的总体线型采用P-Ⅲ型分布，虽然用常规矩法估算的P-Ⅲ型曲线能够拟合大多数水文资料系列，但是有些地区的应用情况并不理想。应用常规矩法估计的参数偏小，因而所得的频率估计值偏小，而且无法解决参数估计过程的不偏性以及无法解决对特大值的稳健性要求；目估适线法虽然能在一定程度上利用地区水文信息，但其经验性、主观性、任意性较大，估算成果因人而异，不稳定；特别当样本系列含有特大值时，显得无能为力。
因此，目前我国范围内用作防洪标准的频率估计值普遍准确性较低，在极端水文气象事件频发的今天，已经无法满足工程设计以及地区防洪规划对防洪设计标准的要求。而目前我国仍然没有一套编制时-空全覆盖的基于水文气象地区线性矩法的降雨频率图集和暴雨高风险区划的可视化分析应用系统，这是涉水行业基础研究工作的基础。
发明内容
本发明的目的是提供降雨频率图集数字化和暴雨高风险区划可视化分析系统，该系统可以查看分析研究区内任意点(包括观测雨量站点及无资料地点)在不同设计时段、不同频率(重现期)下的频率估计值；可以根据不同的插值方法查看分析不同时段、不同频率(重现期)的暴雨高风险区划图；还可以进行暴雨量级分析，通过实时雨量数据更新，进行暴雨灾害气象风险预警等。该系统可用于指导地区防洪规划、城市内涝防治规划、工程建设规划设计以及洪涝灾害的预防预警等领域的工作。
本发明的上述技术目的是通过以下技术方案得以实现的：
基于水文气象地区线性矩法，进行水文频率分析，计算降雨频率估计值，绘制暴雨高风险区划图，包括以下步骤：
S1：资料收集、筛选和质量控制；
S2：“地区线性矩法”适用性和优越性分析；
S3：水文气象一致区划分；
S4：一致区最优分布线性选择；
S5：频率估计值计算和时空一致性调整；
S6：暴雨高风险区划图绘制。
作为一种优选方案，S1过程中，收集研究区及周围缓冲区气象和水文部门的雨量站资料，包括站点经纬度、高程、观测的起止年份和搬迁情况，以及站点不同时段的历史年极值降雨系列资料；收集研究区历年来具有代表性的洪涝灾害易发区、多发区的调查资料，以及历年来因暴雨所诱发的重大洪涝灾害的灾情资料，包括暴雨的时间、地点、量级、暴雨天气系统和受灾情况；
质量控制包括检查所收集到的历史年极值降雨系列资料是否适合地区频率分析所需要满足的代表性、可靠性、随机性和一致性原则，具体为：
代表性：在雨量站网密度较大的区域，时间上优先选择实测年限较长、观测连续并具有代表性的站点，实测年限较短的站点作为补充；空间上选用在研究区内分布基本均匀并具有不同高程的雨量站；
可靠性：采用观测精度高、观测项目多的站点，对于可靠性差且无法有效修正的降水量资料予以舍弃；
随机性：对资料系列进行随机性检验，判断检验所用资料是否随机抽取自同一个总体；由于用于分析计算的资料必须是某个时段的年最大值，这就保证了这些资料没有内在的联系，再进行资料系列的随机性检验加以确证；
一致性：当同一站点的时段年极值降雨系列由于缺测或其它原因被无资料时段分割成两个子系列时，对子系列进行同一分布总体的检验。
作为一种优选方案，S2过程中，利用研究区资料分析线性矩法在参数估计时的不偏性和对特大值的稳健性；
线性矩法的不偏性：采用蒙特卡洛模拟方法，假定某种线型，按照各个站点的原始有效记录长度进行1000次的模拟，分别应用线性矩法与常规矩法求出生成数据的平均线性矩偏态系数L-Cs和平均偏态系数Cs，然后将获得的上述系数与由该站原始数据计算得到的线性矩偏态系数L-Cs和常规矩偏态系数Cs，分别绘制X-Y散点图进行对比分析，验证线性矩法在参数估计过程的不偏性；
线性矩法对特大值的稳健性：选取包含降雨特大值的站点进行分析，在保持样本统计参数不变的情况下，经人工资料生成，将降雨系列延长至500年，然后把这个模拟长系列资料当作实测资料系列，假定某种线型，生成1000组新的资料样本系列，分别应用线性矩法与常规矩法求出生成数据的平均线性矩偏态系数L-Cs和平均偏态系数Cs，然后将获得的上述系数与由该站原始数据计算得到的线性矩偏态系数L-Cs和常规矩偏态系数Cs，分别绘制X-Y散点图进行对比分析，验证线性矩法对特大值的稳健性。
作为一种优选方案，S3过程包括以下步骤：
T1，缓冲区划定：基于研究区内站点资料，还需要利用研究区周边缓冲区内的站点资料，缓冲区的范围根据实际一致区子区的范围来定，缓冲区的距离一般取子区长度的一半，缓冲区的设置将保证一致区内靠近外边界地区频率估计值的可靠性；
T2，气象相似性的判定：划分水文气象一致区，保证水文气象一致区内的水汽入流和气象成因背景一致；
T3，水文相似性判定：对所划分的子区内各站点的水文统计参数线性矩离差系数L-Cv和线性矩偏态系数L-Cs分别进行判定，使得L-Cv和L-Cs的统计特性在一定的容忍度内一致；L-Cv采用基于L-Cv计算值的异质性检验指标进行判定：
Figure BDA0002770077710000051
Figure BDA0002770077710000052
Figure BDA0002770077710000053
式中，N为该子区中雨量站点的个数，ni为该子区内第i个雨量站点的历史年极值降雨系列长度，t(i)为该子区中第i个雨量站点的历史年极值降雨系列的L-Cv，tR为按照各站点的资料系列长度进行加权平均得到的区域平均L-Cv，则V1为样本L-Cv按照各个站点系列长度的加权标准差，μv和σv分别为由模拟计算得到的V1的均值和标准差，H1实际上是V1的标准化变量；当H1＜1时，表示该子区为可以接受的一致区；
进一步利用L-Cs对子区进行判定和调整，计算各子区中每个站点的L-Cs，选出L-Cs的特大值和特小值对应的站点，判断当去除该雨量站点时，对整个子区各站点百年一遇的估计值的合理性是否有改善，如有较大的改善就将该雨量站点去掉或移至相邻子区分析，反之保留；
T4，样本独立性检验：在上述T3的判别式中，当不少站点的L-Cv比较接近时将导致V1比较小，可能产生H1值出现负数，暗示区域内站点间可能存在某种相关关系；因此，在T3通过了L-Cv和L-Cs检验的子区域里，对H1＜0尤其是H1＜-2的子区进行去相关分析，具体包括以下步骤：
M1：按照以下准则对子区站点进行筛选：第一，选出所有站点间的距离小于30km的站点组；第二，每组两个站点内两两对应的降雨资料，发生最大降雨量时间差前后大于一天的予以舍弃；第三，对于资料系列小于20年的站点组予以舍弃；
M2：对筛选的站点组计算Pearson相关系数r，当r＞0.7时，认为站点资料间存在相关性；
M3：对存在较强相关性的站点组，进一步通过灵敏度检验来判断站点是否舍弃，分别计算相关性站点去掉前和去掉后该一致区百年一遇区域无量纲频率因子的相对误差：
Figure BDA0002770077710000061
其中，q0和q1分别为去掉相关性站点前后的地区无量纲频率因子，当RE＞5％时，认为站点的相关性对整个一致区的降雨频率估计值影响较大，去掉该组站点中系列较短的站点资料；
T5，不和谐性检验：假定某个区域中有N个站点，计算每个样本的样本线性矩系数：线性矩离差系数t、线性矩偏态系数t3、线性矩峰度系数t4，由计算出的样本线性矩系数组成的矩阵为
Figure BDA0002770077710000071
令：
Figure BDA0002770077710000072
Figure BDA0002770077710000073
Figure BDA0002770077710000074
Figure BDA0002770077710000075
当不和谐性指标Di＞站点数N(N≥5)情况的临界值，认为该站点为不和谐站点；N对应的临界值表如下：
区域站点数N D<sub>i</sub>临界值 区域站点数N D<sub>i</sub>临界值
5 1.333 11 2.632
6 1.648 12 2.757
7 1.917 13 2.869
8 2.140 14 2.971
9 2.329 ≥15 3
10 2.491
若存在不和谐的站点，则考虑将其调整至其他区域或者单独分区；如果站点的不和谐性被确认是由个别极端的局部气象事件(如特大暴雨)所引起的，且观测记录的数据为实测值，则保留该站点在当前区域。
作为一种优选方案，S4过程中，从三参数的广义逻辑斯蒂分布(GLO)、广义极值分布(GEV)、广义正态分布(GNO)、广义帕累托分布(GPA)和皮尔森Ⅲ型分布(PE3)中确定各个分区的最佳分布函数，具体包括以下方法：
E1，蒙特卡洛模拟检验：对所划分的一致区，通过比较区域平均的峰度系数
Figure BDA0002770077710000081
与某种理论分布函数的峰度系数
Figure BDA0002770077710000082
之间的差异来检验分布函数拟合的质量；
假定划定的一致区中总共有N个站点，其中第i个站点资料的记录长度为ni，单站样本线性矩系数分别为t(i),
Figure BDA0002770077710000083
和
Figure BDA0002770077710000084
，tR,
Figure BDA0002770077710000085
和
Figure BDA0002770077710000086
为按照各站点的资料系列长度进行加权平均得到的区域平均线性矩离差系数、偏态系数和峰度系数：
Figure BDA0002770077710000087
Figure BDA0002770077710000088
假定某种线型，利用蒙特卡洛模拟对某一分区进行Nsim次的模拟，假定模拟区域是一致的且站点资料系列不相关，每个站点模拟资料系列长度与该站点实测资料系列长度相同；对于第m次模拟结果而言，区域平均线性矩峰度系数
Figure BDA0002770077710000089
的偏差如下式所示：
Figure BDA00027700777100000810
相应的模拟峰度系数的标准差为：
Figure BDA00027700777100000811
则拟合优度检验标准的统计量ZDIST表示为：
Figure BDA0002770077710000091
若模拟的统计量满足|ZDIST|≤1.64，认为拟合结果是合理可接受的；并且|ZDIST|越接近于0，则认为该分布函数拟合效果越好；
E2，样本线性矩的均方误差检验：假定某个分布函数具有与样本数据的估计值相同的L-Cv，计算第i个站点的样本点(L-Cs，L-Ck)与给定分布的线性矩峰度系数L-Ck之间的偏差Si,L-Ck-Di,L-Ck，利用N个站点的N个偏差值，根据第i个站点的资料系列长度ni进行加权平均，计算均方根误差RMSE：
Figure BDA0002770077710000092
其中，Si,L-Ck表示第i个站点的样本L-Ck，Di,L-Ck表示第i个站点的样本L-Cv值在分布函数曲线上所对应的L-Ck值；具有最小均方误差RMSE值的分布即为最佳分布函数；
E3，实测数据检验：计算所划定的一致区内各个站点不同重现期Tj下的经验频率
Figure BDA0002770077710000094
与相应的分布函数理论频率
Figure BDA0002770077710000095
之间相对误差并求其区域平均值，作为候选分布函数拟合优度检验的指标：
Figure BDA0002770077710000093
相对误差RE值越小的候选分布函数，拟合程度越好。
综合以上三种检验方法的评分，并且考虑空间一致性平衡，以避免选择的拟合分布在各个分区间出现不符合统计特性的跳跃现象，从候选分布中确定各一致区的最优分布函数。
作为一种优选方案，S5过程中，具体包括以下步骤：
W1，频率估计值计算：一致区内各站点的年极值降雨数据可以分解成共性分量和个性分量，个性分量即各站年极值降雨的平均值，将站点年极值降雨系列去均值化后即得到反映地区共性的降雨分量，计算各一致区共性分量的加权的区域线性矩离差系数tR、偏态系数
Figure BDA0002770077710000101
和峰度系数
Figure BDA0002770077710000102
，根据区域线性矩系数和概率分布函数参数之间的关系，推求上一步选出的最优概率分布函数的参数估计值，确定各一致区配合数据最佳的无量纲的概率分布曲线所对应的不同频率下的估计值，即一致区内反映该地区共有的降雨特性的无量纲的地区频率因子；
qT,j表示第j一致区的地区频率因子，
Figure BDA0002770077710000103
代表第j一致区内第i站的多年年极值降雨的平均值，则第j一致区内的第i站点的降雨频率估计值：
Figure BDA0002770077710000104
式中，重现期T＝1-,2-,5-,...,100-,...,1000-y，地区j＝1,2,...,k，站点i＝1,2,...,N；
W2，时段内不一致性调整：若计算得到的频率估计值出现相邻时段中持续时段较长的频率估计值与持续时段较短的频率估计值之比小于1.0即两根频率曲线交叉的情况，则采用“误差分摊”的方法进行调整，即把不一致起始点的估计值的差值按该时段内的时段步长平均分配到该时段内各个频率估计值上；调整以后，相邻两个时段同一频率估计值的比值在此过程中保持比值的变化趋势一致，直至其收敛于1.0，但不能改变降雨频率估计值中现存的可靠部分，即交叉点之前降雨频率估计值；
W3，空间不一致性调整：采用“往返两次”空间平滑和内插技术调整频率估计值空间不一致性，具体步骤如下：第一步，利用不规则的实测站点的频率估计值，构造一个与站点分辨率大致相同的空间网格，应用克里金插值方法获得规则网格点上的频率估计值，称作虚拟站点频率估计值；第二步，利用这个规则网格点上的虚拟频率估计值，采用反距离加权插值法，经第二次反向空间内插推求各站点的频率估计值。
作为一种优选方案，S6过程中，在数字化降雨频率空间分布中，某一时段t、任一重现期T的降雨空间分布，采用可视化的热力图表示，不同颜色表示不同暴雨雨强数值的大小，最大值的区域表示研究区内某设计时段t同一频率下的最大雨强区，即为暴雨高风险区，或称理论暴雨高风险区。暴雨高风险区划是动态的，不同设计时段、不同的重现期，其理论暴雨高风险区划也不同。实际应用时，必须调查研究区历史上主要的暴雨、洪涝灾害事件，分析成灾暴雨的平均历时t0和平均暴雨量值p0，在已经完成的频率估计值成果中查找相应时段t0和相应暴雨量值p0的重现期T，假定为Tt,p，该重现期下的降雨频率估计值的空间分布，即为t0时段、重现期T实际的暴雨高风险区划图。因为暴雨统计特性及其时空分布因地而异，历史成灾暴雨状况不同，实际暴雨高风险区划图随着不同的地区而不同。
降雨频率图集数字化和暴雨高风险区划可视化分析系统，分析单元包括：降雨频率估计值及暴雨高风险区划图分析单元、暴雨分析单元和实时分析单元，查看功能选择包括语言、插值方法、设计时段、重现期、站点显示、暴雨高风险区划图显示和网格显示的功能选择；
作为一种优选方案，在降雨频率估计值及暴雨高风险区划图分析单元中，以表格和降雨-历时-频率(Q-D-F)曲线图，查看研究区内有资料或无资料地区任何一点完整的降雨频率估计值及其90％的置信限区间。
作为一种优选方案，在降雨频率估计值及暴雨高风险区划图分析单元中，可以根据不同时段下的观测雨量和降雨频率估计值曲线，即降雨-历时-频率(Q-D-F)曲线图，迅速准确估算暴雨的量级。
作为一种优选方案，降雨频率估计值及暴雨高风险区划图分析单元中，可以选择以雨强-历时-频率(I-D-F)曲线图，展现该点完整的不同频率的雨强估计值。
作为一种优选方案，降雨频率估计值及暴雨高风险区划图分析单元中，可以查看研究区的不同时段、不同重现期的暴雨高风险区划图。
作为一种优选方案，在暴雨分析单元中，通过对比研究区历史典型暴雨个例不同时段观测雨量与降雨频率估计值，分析暴雨的量级及其时程分配。
作为一种优选方案，在实时分析单元中，包括实时累积雨量空间分布图，对比综合雨量大数据分析和当地洪涝灾害调查资料制作的带有概率的历史暴雨灾害情景下的暴雨高风险区划图，分析计算出实时气象风险空间分布图，为暴雨灾害气象风险预警提供科学基础。
综上所述，本发明具有以下有益效果：
(1)本发明的分析数据是基于水文气象途径的“地区线性矩法”对研究区不同时段历史年极值降雨系列进行水文频率分析所得的降雨频率估计值，所采用的方法相较于我国频率分析普遍使用的“单站－单时段－单一线性－基于常规矩的目估适线法”，在参数估计的精确性和频率估计值的准确性上都有很大的提高，不仅在有资料的站点，而且在无资料地区，都能获得的比较准确的频率估计值，为该系统的分析应用提供了准确可靠的基础数据。由于估算成果数字化，特别是在防汛值班或会商期间，能够在1～2分钟之内、准确地查算出研究区内任何一点的时段降雨量相应的重现期，为防汛决策提供科学的依据；目前现有的频率计算方法可能1～2天都难于计算出来。
(2)本发明实现了降雨频率估计值时空分布和暴雨高风险区划的数字化和可视化，包含研究区空间任意点(有资料或无资料地区)、多时段(日、小时、分钟)、全频率(1年一遇至1,000年一遇)的计算成果，填补了我国同类水文频率计算研究和应用的空白。
(3)本发明不仅提供了频率估计值，而且提供频率估计值的置信区间(90％置信水平)，即估计值变化的上、下限，显示了水文统计估计值的随机特性，为风险分析了提供科学基础。
(4)本发明实现了“暴雨高风险区划”这一设计暴雨空间分布学术创新的具体应用，即发现了“暴雨雨强-暴雨落区-出现频率”三者的准定量关系，丰富了设计暴雨研究中最大雨强空间分布的空白，为各行各业涉水领域的规划、设计标准、风险预警提供基本的科学依据。
(5)基于网络进行可视化查询和应用，操作便捷，能快速分析暴雨等级及可能发生暴雨灾害的地区，以及时做出暴雨灾害气象风险的预警；同时为地区防汛警戒等级提升提供科学依据。
附图说明
图1是本发明实施例的方法流程图。
具体实施方式
本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包括”为一开放式用语，故应解释成“包括但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决所述技术问题，基本达到所述技术效果。
1.系统建立
降雨频率图集数字化和暴雨高风险区划可视化分析系统是基于水文气象途径的“地区线性矩法”，对研究区不同时段历史年极值降雨资料进行水文频率分析，在计算得到的降雨频率估计值基础上，利用空间内插技术，获得研究区不同历时、不同频率(重现期)降雨事件中最大雨强的空间分布，即暴雨高风险区划，将降雨频率估计值和暴雨高风险区划成果导入系统，实现数字化与可视化查询及分析，并结合当地历史暴雨洪涝灾害调查资料、实时雨量观测数据及预报值，实现暴雨灾害气象风险预警分析。
2.系统主界面
查看功能选择区，可以选择不同的展示功能，包括语言、插值方法、设计时段、重现期以及站点、暴雨高风险区划图、网格显示等功能选择。分析单元选择区，分为降雨频率估计值及暴雨高风险区划图分析单元、暴雨分析单元、实时分析单元。数据显示分析区，呈现所查询的数据、图集等。
3.系统主要功能介绍
(1)降雨频率估计值及暴雨高风险区划图分析
①查看研究区内任何一点(有资料或无资料地区)完整的频率估计值及其90％置信限区间。鼠标选择研究区内任一点或在功能区输入需要查询地点的经纬度，则会跳出窗口，以表格和降雨-历时-频率(Q-D-F)曲线图，显示该点完整的频率估计值，重现期从1年一遇至1,000年一遇。同时，在降雨-历时-频率(Q-D-F)曲线图中，可选择显示各时段降雨频率估计值90％的置信限区间。
若某一地点发生了大暴雨，已知不同时段的观测雨量，则在该地点的降雨频率估计值曲线图，即降雨-历时-频率(Q-D-F)曲线图中，对准相应的时段和纵坐标值(降雨量)，就可以根据横坐标值，快速精准地估算出该大暴雨的量级(重现期)。
另外，还可以选择以雨强-历时-频率(I-D-F)曲线图展现该点完整的不同频率的雨强估计值，可用于城市暴雨公式率定、城市防洪排涝规划设计的研究和应用。
③查看空间网格点的频率估计值。在查看功能选择区选择一定的设计时段和重现期，开启显示网格，则会显示该时段和重现期下，规则网格点上的频率估计值。
③查看暴雨高风险区划图。在查看功能选择区选择一定的设计时段和重现期，开启显示暴雨高风险区划图，则会显示该时段和重现期下，研究区的暴雨高风险区划图，以不同颜色的热力图区分值的大小，值较大的区域表示地区内同一频率下的高雨强区，即为暴雨高风险区。
(2)暴雨分析
暴雨分析单元可对研究区历史典型暴雨个例不同时段观测雨量与频率估计值进行对比分析。选定某一场历史典型暴雨个例，鼠标选择研究区内任一点，则会跳出窗口，以表格和柱状图显示该点不同时段的观测雨量以及不同重现期的降雨频率估计值，以对比分析观测雨量达到的量级。
(3)实时分析
实时分析单元可以进行暴雨灾害气象风险预警，该模式下数据显示分析区呈现三部分图像，左边部分为实时累积雨量空间分布图，中间部分为综合雨量大数据分析和当地洪涝灾害调查资料制作的带有概率的历史暴雨灾害情景下的暴雨高风险区划图，右边部分显示前两部分数据的差值图，即实时气象风险空间分布图，差值越小的区域表示越接近于暴雨灾害的情形，气象风险等级越高。系统后台与实时雨量站点观测数据对接，通过调用云计算-云存储，24小时滚动监测，再结合降雨预报，分析发生暴雨灾害的风险，为洪涝灾害预警和防汛警戒等级提升提供科学依据。
本具体实施例仅仅是对本发明的解释，其并不是对本发明的限制，本领域技术人员在阅读完本说明书后可以根据需要对本实施例做出没有创造性贡献的修改，但只要在本发明的权利要求范围内都受到专利法的保护。

Claims (7)

1.降雨频率图集数字化和暴雨高风险区划可视化分析系统，其特征在于，分析单元包括：降雨频率估计值及暴雨高风险区划图分析单元、暴雨分析单元和实时分析单元，查看功能选择包括语言、插值方法、设计时段、重现期、站点显示、暴雨高风险区划图显示和网格显示的功能选择；
降雨频率图集数字化和暴雨高风险区划可视化分析系统的数据包括基于水文气象地区线性矩法对研究区不同时段历史年极值降雨系列进行水文频率分析所得的降雨频率估计值，频率估计值计算方法为：对研究区进行水文气象一致区划分并选择最优分布线型，一致区内各站点的年极值降雨数据可以分解成共性分量和个性分量，个性分量即各站年极值降雨的平均值，将站点年极值降雨系列去均值化后即得到反映地区共性的降雨分量，计算各一致区共性分量的加权的区域线性矩离差系数tR、偏态系数
Figure FDA0002770077700000011
和峰度系数
Figure FDA0002770077700000012
Figure FDA0002770077700000013
Figure FDA0002770077700000014
式中，N为一致区内雨量站点个数，ni为第i个站点的年极值降雨系列的长度；
根据区域线性矩系数和概率分布函数参数之间的关系，推求所选择的最优概率分布函数的参数估计值，确定各一致区配合数据最佳的无量纲的概率分布曲线所对应的不同频率下的估计值，即一致区内反映该地区共有的降雨特性的无量纲的地区频率因子；qT,j表示第j一致区的地区频率因子，
Figure FDA0002770077700000021
代表第j一致区内第i站的多年年极值降雨的平均值，则第j一致区内的第i站点的降雨频率估计值：
Figure FDA0002770077700000022
式中，重现期T＝1-,2-,5-,...,100-,...,1000-y，地区j＝1,2,...,k，站点i＝1,2,...,N。
2.根据权利要求1所述的降雨频率估计值及暴雨高风险区划图分析单元，其特征在于，以表格和降雨-历时-频率，查看研究区内有资料或无资料地区任何一点完整的降雨频率估计值及其90％的置信限区间。
3.根据权利要求1所述的降雨频率估计值及暴雨高风险区划图分析单元，其特征在于，根据不同时段下的观测雨量和降雨频率估计值曲线，即降雨-历时-频率曲线图，迅速准确估算研究区内任何一点暴雨的量级。
4.根据权利要求1所述的降雨频率估计值及暴雨高风险区划图分析单元，其特征在于，在频率估计值查看方法中，可以选择以雨强-历时-频率，展现研究区内任何一点点完整的不同频率的雨强估计值。
5.根据权利要求1所述的降雨频率估计值及暴雨高风险区划图分析单元，其特征在于，查看不同时段、不同重现期的暴雨高风险区划图在研究区内的空间分布。
6.根据权利要求1所述的暴雨分析单元，其特征在于，对比研究区历史典型暴雨个例不同时段观测雨量与降雨频率估计值，分析暴雨的量级及其时程分配。
7.根据权利要求1所述的实时分析单元，其特征在于，包括实时累积雨量空间分布图，对比综合雨量大数据分析和当地洪涝灾害调查资料制作的带有概率的历史暴雨灾害情景下的暴雨高风险区划图，分析计算出实时气象风险空间分布图，为暴雨灾害气象风险预警提供科学基础。
CN202011246080.0A 2020-11-10 2020-11-10 降雨频率图集数字化和暴雨高风险区划可视化分析系统 Pending CN112365563A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011246080.0A CN112365563A (zh) 2020-11-10 2020-11-10 降雨频率图集数字化和暴雨高风险区划可视化分析系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011246080.0A CN112365563A (zh) 2020-11-10 2020-11-10 降雨频率图集数字化和暴雨高风险区划可视化分析系统

Publications (1)

Publication Number Publication Date
CN112365563A true CN112365563A (zh) 2021-02-12

Family

ID=74509286

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011246080.0A Pending CN112365563A (zh) 2020-11-10 2020-11-10 降雨频率图集数字化和暴雨高风险区划可视化分析系统

Country Status (1)

Country Link
CN (1) CN112365563A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117572533A (zh) * 2023-11-17 2024-02-20 中国水利水电科学研究院 一种村庄上游流域复合面雨量频率的计算方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150045770A (ko) * 2013-10-21 2015-04-29 대한민국(국민안전처 국립재난안전연구원장) 도시 호우 위험기준의 산정방법
CN110555557A (zh) * 2019-08-30 2019-12-10 北京师范大学 区域性小时级暴雨灾害预警方法、装置与电子设备

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150045770A (ko) * 2013-10-21 2015-04-29 대한민국(국민안전처 국립재난안전연구원장) 도시 호우 위험기준의 산정방법
CN110555557A (zh) * 2019-08-30 2019-12-10 北京师范大学 区域性小时级暴雨灾害预警方法、装置与电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨晓旸: ""暴雨分割技术SDOIF在PMP估算中的改进与应用"", 《中国优秀硕士学位论文全文数据库工程科技II辑》, no. 01, 15 January 2019 (2019-01-15), pages 11 - 48 *
邵月红: ""基于水文气象分区线性矩的淮河流域极值降雨频率分析"", 《水文》, vol. 36, no. 6, 31 December 2016 (2016-12-31), pages 16 - 23 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117572533A (zh) * 2023-11-17 2024-02-20 中国水利水电科学研究院 一种村庄上游流域复合面雨量频率的计算方法

Similar Documents

Publication Publication Date Title
Santos et al. Regional frequency analysis of droughts in Portugal
Sauquet et al. Comparison of catchment grouping methods for flow duration curve estimation at ungauged sites in France
CN111651545A (zh) 一种基于多源数据融合的城市边缘区提取方法
CN112347652B (zh) 基于水文气象地区线性矩频率分析的暴雨高风险区划方法
CN101673369A (zh) 基于投影寻踪的排水管网洪涝风险评价方法
Deni et al. The best probability models for dry and wet spells in Peninsular Malaysia during monsoon seasons
CN104899437A (zh) 强降雨型滑坡灾害预警方法
CN112907113B (zh) 一种考虑空间相关性的植被变化成因识别方法
CN110134907B (zh) 一种降雨缺失数据填补方法、系统及电子设备
CN116680658B (zh) 一种基于风险评价的热浪监测站选址方法及系统
CN111984701B (zh) 乡村聚落演化的预测方法、装置、设备及存储介质
CN111797188B (zh) 一种基于开源地理空间矢量数据的城市功能区定量识别方法
Risser et al. Detected changes in precipitation extremes at their native scales derived from in situ measurements
CN117078077A (zh) 一种高速公路路域的生态脆弱性评价方法
Cheng et al. Quality control program for real-time hourly temperature observation in Taiwan
Giraldo Osorio et al. Building hazard maps of extreme daily rainy events from PDF ensemble, via REA method, on Senegal River Basin
CN112365563A (zh) 降雨频率图集数字化和暴雨高风险区划可视化分析系统
CN116110210B (zh) 复杂环境下数据驱动的滑坡灾害辅助决策方法
CN117031584A (zh) 一种霜冻预测预报方法及系统
Kholodovsky et al. A generalized Spatio-Temporal Threshold Clustering method for identification of extreme event patterns
CN115879594A (zh) 一种基于地理探测器的城市定居人口分布趋势预测方法
CN115203643A (zh) 融合水文与生态要素的水源涵养功能定量诊断方法及系统
Alam et al. The statistical analysis of rainfall trend and its variability (1901–2020) in Kolkata, India
Al Kajbaf et al. Assessment of uncertainty in regional and at-site precipitation frequency analysis for the localized region of Ellicott City, Maryland
Rodwell et al. New developments in the diagnosis and verification of high-impact weather forecasts

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
TA01 Transfer of patent application right

Effective date of registration: 20240204

Address after: No.99, changgu Road, Xingning District, Nanning City, Guangxi Zhuang Autonomous Region

Applicant after: GUANGXI College OF WATER RESOURCES AND ELECTRIC POWER

Country or region after: China

Address before: 361012 unit a, building C, Xiamen international shipping center, 93 Xiangyu Road, Xiamen City, Fujian Province

Applicant before: Emory information technology consulting (Xiamen) Co.,Ltd.

Country or region before: China

TA01 Transfer of patent application right