CN112380662A - 一种山洪灾害人口损失评估模型的构建方法及其应用 - Google Patents

一种山洪灾害人口损失评估模型的构建方法及其应用 Download PDF

Info

Publication number
CN112380662A
CN112380662A CN201910687115.5A CN201910687115A CN112380662A CN 112380662 A CN112380662 A CN 112380662A CN 201910687115 A CN201910687115 A CN 201910687115A CN 112380662 A CN112380662 A CN 112380662A
Authority
CN
China
Prior art keywords
population
distribution
parameters
data
maximum
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
CN201910687115.5A
Other languages
English (en)
Other versions
CN112380662B (zh
Inventor
王瑛
刘天雪
张国明
陈宇
许映军
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.)
Beijing Normal University
Original Assignee
Beijing 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 Beijing Normal University filed Critical Beijing Normal University
Priority to CN201910687115.5A priority Critical patent/CN112380662B/zh
Publication of CN112380662A publication Critical patent/CN112380662A/zh
Application granted granted Critical
Publication of CN112380662B publication Critical patent/CN112380662B/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
    • G06Q10/06—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)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Security & Cryptography (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种山洪灾害人口损失评估模型的构建方法，该方法包括获取待评估区域地形参数、土壤参数、土地资源参数、区域水文特征参数和人口分布数据；获取该待评估区域单次历史山洪灾害的气象参数和死亡人口分布数据；基于以上参数确定该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布，计算得到最大分布乘积数据；根据最大分布乘积数据的数值大小将待评估区域划分为多个山洪影响区；确定各个山洪影响区的人口死亡率；根据各个山洪影响区的最大分布乘积数据和人口死亡率，通过拟合构建该待评估区域山洪灾害人口损失评估模型。该模型兼顾考虑了水深、流速和冲击力三种因素共同对山洪灾害导致的人口死亡的影响，精度较高。

Description

一种山洪灾害人口损失评估模型的构建方法及其应用
技术领域
本发明涉及山洪灾害的风险评估技术领域。更具体地，涉及一种山洪灾害人口损失评估模型的构建方法。
背景技术
山洪灾害(Flash Floods)指山区小流域由降雨引起的突发的、暴涨暴落的洪水及由山洪诱发的泥石流、滑坡等对国民经济和人民生命财产造成损失的灾害(张平仓等，2009)。人类“依水而居”的特性使其成为山洪灾害最敏感、最脆弱的承灾体，山洪灾害影响人口占所有灾害影响人口的52％(Jonkman，2005)。随着人口和财富的高度集中，使得人口受山洪灾害影响与日俱增、风险加剧(Hanson et al，2011；Peduzzi et al，2012)。过去40年世界人口增长了87％，而山洪易发区的人口增长了114％(Velasquez et al，2012)。IPCC第五次评估报告指出，今后强降水等极端气候事件的出现将更加频繁，未来山洪灾害人口风险将进一步增大(IPCC，2013)。因此，如何从科学意义上认识山洪灾害对人口的影响，定量评估山洪灾害人口损失，成为山洪灾害风险评估研究亟待解决的重要议题。
近十年来，众多水文模型(Pilgrim et al.,1988；Vélezand Francés,2005；Braud et al.,2010)和水动力模型(Bates et al.,2006；Schumann et al.,2009；Murillo and García-Navarro,2010；Lacasta et al.,2014)被应用于山洪灾害的危险性评估中，但针对特定时空尺度下的山洪灾害事件，由于缺少有效的降雨与流量等气象水文数据，加之其迟滞时间短，使得已有水文、水动力模型对山洪进行模拟时表现出高度不确定性(Segura-Beltran et al.，2016)。因此，需结合详实的灾后实地调研来进行山洪建模，以便更好地理解山洪灾害致灾过程。如在野外实地调查的基础上，研究者利用LIQUID水文模型平台对2002 年发生在法国南部Gard地区的山洪灾害进行了降水-径流过程模拟，并着重分析了降雨特征及土壤湿度变化对山洪洪峰流量的影响(Manus et al.，2008； Sandrineet al.，2010；Isabelle Braud，2010)。Roux(2011)在充分考虑坡度因素的影响下，构建了MARINE分布式水文模型用于山洪灾害洪峰流量的预测。Miao(2016)利用GBHM(Geomorphology-based Hydrological Model)模型(GBHM)完成了在中国湿润、半湿润、半干旱山区，无资料支持小流域 (493-1601km2)的山洪灾害预警工作。Luca et al.(2018)对意大利北部alpine 山村山洪灾害建筑物脆弱性进行研究时，应用2-D SWE模型对山洪灾害的水动力特征(如最大水深、平均流速、冲击力)进行了详细分析，获得了其空间分布情况。Calvo and Savi(2008)对意大利阿尔卑斯山脉附近Ardenno 山洪泥石流易发区进行了风险评估，利用二维水动力模型FLO-2D(O'Brien et al.，1993)模拟了泥沙流的整个传播过程，得到了描述其危险性的指标，即水深、流动速度和冲击力的时空分布情况及其概率密度分布函数。Castellanos (2008)基于从历史灾害事件中获得的环境参数，利用MassMov2D模型对古巴12个潜在山洪滑坡危险区进行了危险性评估，获得了其可能的影响范围及空间流动深度分布。考虑到资料的可获得性，P.Horton研发了一个仅仅利用 DEM数据便能模拟山洪泥石流流动过程的模型，即Flow-R，并将其成功应用于对瑞士阿尔卑斯山区Fully、Saint-Barthelemy和Solalex三地的山洪泥石流灾害模拟，获取了其影响范围、流动速度和冲击力空间分布情况。 Segura-Beltran et al.(2016)将TETIS水文模型和RiverFlow2D水动力模型进行耦合，并利用耦合模型完成了对西班牙Girona流域特大山洪事件的模拟重建工作。对耦合模型重建精度的验证，则通过灾后实地调研获得的最大水深和淹没范围信息，与模型模拟结果进行对比完成的。结果表明，耦合模型对此次事件的模拟精度达76％。Nguyen et al.(2016)则将半分布式水文模型 (HL-RDHM)与二维水动力模型(BreZo)进行耦合，以便完成对山洪预警所需指标(如流量、水深、流速等)的模拟工作。该耦合模型的建立主要基于已有研究区的水文参数信息，但由于无实测水文资料，模型的验证主要通过对该区已发生山洪事件的模拟重建精度来完成。结果表明，耦合模型的精度较好，能用于未来山洪预警工作中。总的来看，对缺少实测水文资料区域的山洪灾害进行模拟时，耦合水文和水动力模型是行之有效的手段，且需要通过详实的灾后调查数据(如，淹没范围，特征点最大淹没深度等)对模型进行验证并保证其模拟精度。
脆弱性曲线是最直观且实用的人口损失评估模型。其构建方法有两种，一是通过多个历史灾情数据；二是通过单次历史事件数据。第一种方法，如 Brown and Graham(1988)基于1950年以来发生在美国和欧洲的24例大型溃坝洪水和洪水灾情数据，构建了“可出逃时间-人口死亡率”脆弱性曲线。针对欧洲洪水，研究者们认为人口损失是洪水特征(水深、流速等)、位置特征(人在建筑物内外、房屋特征等)、人口特征(年龄、健康状况等)综合作用的结果，由此提出了人口损失评估的概念模型，并结合专家经验，提出了人口受伤数量和死亡数量的计算公式(Reiter，2001；Ramsbottom et al.，2003； Penning-Roswell etal.，2005)。Boyd et al.(2005)基于发生在美国的7次历史飓风山洪的灾情数据，构建了“水深-人口死亡率”脆弱性曲线。美国FEMA (Federal Emergency Management Agency)构建的HAZUS系统，提供了基于历史案例构建的“水深-人口死亡率”脆弱性曲线(HAZUS,2006)。Jonkman(2007) 基于1953年荷兰洪水事件、1953年英国山洪事件及1959年日本山洪事件3 次事件的灾情数据，构建了山洪流速较大区域的“水深-人口死亡率”曲线。Brazdovaet al.(2014)针对中欧地区的洪水灾害案例，构建了人口死亡数量与物质损失、洪水管理因素(包括对洪水危险性的认知、洪水经验、洪水管理相关文件、随水文预报的反应、对洪水预警的反应、撤离/应急行动等8个指标)的多元回归模型。而基于单次历史事件构建脆弱性曲线法，则多用于历史灾情数据相对匮乏的研究中。如基于1953年发生在荷兰的洪水事件，Duiser (1989)通过官方新闻报道获取了此次事件的人口死亡及水动力特征数据，构建了“水深-人口死亡率”脆弱性曲线；Waarts(1992)通过进一步完善Duiser(1989)的数据库，在充分考虑预警、出逃、流速、建筑物崩塌因素的基础上，构建了“水深-人口死亡率”脆弱性曲线；Vrouwenvelder and Steenhuis(1997) 在Waarts(1992)构建曲线的基础上，在自变量中加入水位上升速率变量，构建了“水深-水位上升速率-人口死亡率”的三维脆弱性曲线模型；Jonkman (2001)则在前人研究的基础上，经充分分析人员死亡原因后，分别构建了“水深-人口死亡率”曲线和“流速-人口死亡率”曲线。Boyd(2005)分析了1965年9月发生在美国新奥尔良地区飓风洪水事件人员死亡情况，并根据有限的灾情数据，构建了线性“水深-人口死亡率”曲线。Jonkman(2007) 利用SOBEK-1D2D水动力模型，模拟了美国新奥尔良地区2005年卡特里娜飓风影响的洪水灾害事件的水深、流速、水深*流速、水位上升速率、洪水到达时间等洪水特征指标的空间分布情况，并结合人口死亡数据，构建了“水深-人口死亡率”、“水位上升速率-人口死亡率”曲线。
总体来看，前述利用单次洪水历史事件构建的“水深-人口死亡率”曲线、“流速-人口死亡率”曲线以及“水位上升速率-人口死亡率”曲线，都只能反映单一因素如水深、流速或水位上升速率对人口死亡率的影响。但是山洪灾害过程中，水深、流速、冲击力在造成人口死亡时，是共同作用的，因此，上述方法得到的模型用于评估山洪灾害人口损失时，存在精度不高的问题。
因此，需要提供一种相对准确地山洪灾害人口损失评估的方法。
发明内容
本发明的一个目的在于提供一种山洪灾害人口损失评估模型的构建方法，该方法包括：
获取待评估区域地形参数、土壤参数、土地资源参数、区域水文特征参数和人口分布数据；
获取该待评估区域单次历史山洪灾害数据，包括气象参数和山洪死亡人口分布数据；
基于所述地形参数、土壤参数、土地资源参数、区域水文特征参数和气象参数，确定该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布；
计算该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布的乘积，得到最大分布乘积数据；
根据最大分布乘积数据的数值大小将待评估区域划分为多个山洪影响区；
分别确定各个山洪影响区的人口总数、死亡人口数和人口死亡率；
根据各个山洪影响区的最大分布乘积数据和人口死亡率，通过拟合构建该待评估区域山洪灾害人口损失评估模型。
优选地，该方法进一步包括根据所述地形参数、土地资源参数、土壤参数、区域水文特征参数、气象参数，基于HEC-HMS半分布式水文模型，确定逐时径流数据；
根据确定的逐时径流数据，基于FLO-2D水动力模型，确定该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布。
优选地，该方法进一步包括根据所述地形参数、土地资源参数、土壤参数、区域水文特征参数、气象参数确定产流数据、汇流数据和河道演进数据，由得到的产流数据、汇流数据和河道演进数据，确定逐时径流数据。
优选地，所述地形参数包括有坡度；所述土地资源参数包括有土地利用类型；所述土壤参数包括土壤类型、土壤质地、土壤前期湿润状况中的一项或多项；所述区域水文特征参数包括流域单元面积、河道断面宽度、河道断面水深、河底比降、河段长度、初始基流量中的一项或多项；所述气象参数包括总降雨量、降雨时长中的一项或两项。
优选地，该方法进一步包括根据坡度、土地利用类型、土壤类型、土壤前期湿润状况、土壤质地、总降雨量，采用SCS-CN法，确定产流数据。
优选地，该方法进一步包括根据坡度、土地利用类型、土壤类型、土壤前期湿润状况、土壤质地、流域单元坡度、流域单元面积和降雨时长，采用 SCS单位线法，确定汇流数据。
优选地，该方法进一步包括根据河道断面宽度、河道断面水深、河底比降、河段长度、初始基流量，采用马斯京根法，确定河道演进数据。
优选地，该方法进一步包括根据所述待评估区域的建筑物分布及其建筑面积数据和人均住房面积，确定人口分布数据。
本发明第二个目的在于提供一种特定气象条件下山洪灾害人口损失评估方法，该方法包括：
利用如权利要求1-8任一项定义的方法，构建待评估区域的山洪灾害人口损失评估模型；
获取该待评估区域的预报或实时气象条件的气象参数；
基于该待评估区域的地形参数、土地资源参数、土壤参数、区域水文特征参数和所述气象参数，确定本次气象条件的最大淹没深度分布、最大流速分布和最大冲击力分布；
计算本次气象条件的最大淹没深度分布、最大流速分布和最大冲击力分布的乘积，得到本次最大分布乘积数据；
根据计算得到的本次最大分布乘积数据、所述待评估区的人口分布数据和所述待评估区域的山洪灾害人口损失评估模型，评估本次气象条件的人口死亡数。
本发明的有益效果如下：
本发明提供的山洪灾害人口损失评估模型的构建方法是以单次山洪历史事件进行的，可用于历史灾情数据相对匮乏的地区，得到的人口脆弱性曲线是最直观且实用的人口损失评估模型。根据本发明提供的山洪灾害人口损失评估模型的构建方法得到的人口损失评估模型，兼顾考虑了水深、流速和冲击力三种因素共同对山洪灾害导致的人口死亡的影响，精度较高。利用该模型，可以根据待评估区域地形参数、土地资源参数、土壤参数、区域水文特征参数、人口分布数据以及预报或实时气象条件的气象参数，得到本次气象条件的最大淹没深度分布、最大流速分布和最大冲击力分布，进而评估本次气象条件的人口死亡数，为开展相应的预防、救援措施做准备。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细的说明。
图1示出本发明的山洪灾害人口损失评估模型的构建流程图。
图2示出实施例中台头沟流域位置及其地形特征。
图3示出实施例中由逐时降雨数据产生的逐时径流数据，即流量过程线。
图4示出实施例中台头沟流域的最大分布乘积数据。
图5示出实施例中台头沟流域中的死亡失踪人口分布点位图。
图6示出实施例中台头沟流域居民住宅分布及人口分布(左侧为居民住宅分布；右侧为人口分布)。
图7示出实施例中台头沟流域的山洪灾害的人口脆弱性曲线。
图8示出实施例中台头沟流域的DEM数据。
图9示出实施例中台头沟流域的坡度。
图10示出实施例中台头沟流域的土地利用类型。
图11示出实施例中台头沟流域的土壤类型。
图12示出实施例中台头沟流域的土壤质地(粉砂土)的分布。
图13示出实施例中台头沟流域的土壤质地(砂土)的分布。
图14示出实施例中台头沟流域的土壤质地(粘土)的分布。
具体实施方式
为了更清楚地说明本发明，下面结合优选实施例和附图对本发明做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本发明的保护范围。
下面将结合图1具体说明本发明的山洪灾害人口损失评估模型的构建方法的流程图。
需要说明的是，本发明中的死亡人口指的是可实际确认山洪灾害中死亡的人口以及山洪灾害中失踪的人口。
图1的S110步骤中，获取待评估区域地形参数、土地资源参数、土壤参数、区域水文特征参数和人口分布数据；获取该待评估区域单次历史山洪灾害数据，包括气象参数和山洪死亡人口分布数据；
本领域技术人员公知，影响山洪灾害的发生的因素有地形参数，如坡度；土地资源参数，如土地利用类型；土壤参数，如土壤类型、土壤质地、土壤前期湿润状况等；区域水文特征参数，如流域单元面积、河道断面宽度、河道断面水深、河底比降、河段长度、初始基流量；以及气象参数，如总降雨量和降雨时长。
其中，土地利用类型、土壤类型、土壤质地、初始基流量可通过查询相关资料得到；河道断面水深则可以通过实地调研得到；河道断面宽度则可以结合遥感图像，经过简单计算得到；坡度、流域单元面积、河段长度、河底比降则可以经过通过数字高程数据(DEM数据)经过计算得到；总降雨量、降雨时长、土地前期湿润状况则可以根据气象站点的逐时降雨数据，经过处理得到。
人口分布数据则可通过遥感影像统计建筑分布及其建筑面积，结合人均建筑面积，得到人口分布数据。
历史山洪灾害中的山洪死亡人口分布数据则可通过实际走访获得待评估区域内死亡人口的具体位置，获得其分布情况。
S120步骤中，根据地形参数、土地资源参数、土壤参数、区域水文特征参数和气象参数，确定该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布，计算该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布的乘积，得到最大分布乘积数据。
在具体的实施方式中，根据地形参数、土地资源参数、土壤参数、区域水文特征参数、气象参数，基于HEC-HMS半分布式水文模型，可以确定逐时径流数据；由逐时径流数据、曼宁粗糙系数和FLO-2D水动力模型确定该次历史山洪灾害的最大淹没深度分布数据、最大流速分布数据和最大冲击力分布数据。
其中，HEC-HMS半分布式水文模型是对山洪灾害事件的降雨-径流过程进行重建，而FLO-2D水动力模型则是对山洪演进过程进行重建。
利用HEC-HMS半分布式水文模型进行降雨-径流过程重建时，主要进行了产流计算、汇流计算及河道演进模拟，最终得到了逐时径流数据，即流量过程线。
在具体的实施过程中，在获得坡度、土地利用类型、土壤类型、土壤前期湿润状况、土壤质地、总降雨量的基础上，产流计算过程可采用SCS-CN 法。该方法对输入数据的要求较低、模拟精度高且能全面反映流域下垫面自然条件对可收集雨水资源量的影响。具体的计算过程如下：
Figure RE-GDA0002189378290000081
Ia＝λS (2)
Figure RE-GDA0002189378290000082
Figure RE-GDA0002189378290000083
式(1)-(4)中，Pe为净雨量，单位为mm；P为总降雨量，单位为mm，可由逐时降雨量计算得到；Ia为初始降雨损失，单位为mm；S为潜在的最大截留量，单位为mm；λ为区域参数，取值范围为0.1≤λ≤0.3，主要取决于地质和气候因子，在实际研究应用中，多应用其经验值，而这一经验值主要是美国土壤保持局(SCS)和美国农业部(USDA)通过在大量实验性的小流域获得的降雨和径流数据，经分析二者之间的关系得到的取值，且在大多数区域，其值为0.2；CNα为CN经坡度修正的结果；CN是反映降雨前流域特征的一个综合参数，与土壤前期湿润状况、土壤类型、土地利用类型及坡度4个因子有关，其为无量纲参数，在实际应用过程中，根据土壤类型和土壤质地，确定研究区的水文土壤组类型，然后结合土地利用类型数据，通过查表(由美国水土保持局和美国农业部经大量研究得到的表格)，确定初始值，然后再根据土地前期湿润状况，对初始值进行校正，得CN；再结合待评估区域的坡度状况，对CN进行校对，得CNα。α为多边形的坡度值，在本发明中用百分比表示，其在专业软件ArcGIS中，经计算获得。
在具体的实施过程中，在获得坡度、土地利用类型、土壤类型、土壤前期湿润状况、土壤质地、流域单元坡度、流域单元面积和净降雨历时的情况下，采用SCS单位线法，确定汇流数据。SCS单位线是一个三角形单位线，由降雨开始到洪峰出现的时间TP、单位线峰值QP和单位线底宽TB确定。具体计算过程如下：
Figure RE-GDA0002189378290000084
TB＝μTP (6)
Figure RE-GDA0002189378290000085
Figure RE-GDA0002189378290000086
Figure RE-GDA0002189378290000087
式(5)-(9)中，QP为单位线峰值，单位为m3/s；TB为单位线底宽，单位为 h；A为流域单元的面积，单位为km2；TP为洪峰出现的时间，单位为h；μ为经验参数，取值为2.67；ttag为降雨过程重心至洪峰的滞后时间，单位为h；Δt为净降雨历时(这也是HEC-HMS中的计算时段)，单位为h；S′为在汇流过程中，水流可能最大截留量，单位为mm；L为计算河段长度，单位是km；Y为流域单元的平均坡度，单位为％；CNα为CN经坡度修正的结果；CN是反映降雨前流域特征的一个综合参数，与土壤前期湿润状况、土壤类型、土地利用类型及坡度4个因子有关，其为无量纲参数。
在具体的实施过程中，考虑到更好的与FLO-2D模型进行耦合，选择马斯京根法确定河道演进数据，需要提前测量得到河道断面宽度、河道断面水深、河底比降、河段长度、初始基流量和曼宁粗糙系数。具体计算公式如下：
Figure RE-GDA0002189378290000091
S(t)＝KQ′(t)＝K(xI(t)+(1-x)Q(t)) (11)
式(10)-(11)中，K为槽蓄系数，即稳定流情况下河段传播时间，具有时间因次，单位为h；x为无因次的流量比重因子，无量纲；K、x统称为演进系数； S(t)为河段t时刻的槽蓄水量，单位为m3；I(t)、Q(t)分别为t时刻河段上游断面的入流量及下游断面的出流量，单位为m3/s；Q′(t)为河段t时刻示储流量，代表河道相应蓄量下的稳定过流流量，单位为m3/s。采用有限差分法求解式(10) 和(11)，得到马斯京根模型演算表达式(12)：
Q2＝C0I2+C1I1+C2Q1 (12)
Figure RE-GDA0002189378290000092
Figure RE-GDA0002189378290000093
Figure RE-GDA0002189378290000094
Figure RE-GDA0002189378290000095
Figure RE-GDA0002189378290000096
Figure RE-GDA0002189378290000097
式(12)-(18)中，I1、I2为计算时段初始和结束时河段入流流量，单位为m3/s； Q1、Q2为计算时段初始和结束时河段出流流量，单位为m3/s；C0、C1、C2为演算系数；Δt为计算时段，单位为h；Q0为初始基流量，单位为m3/s，通过研究区水文手册获得；L为计算河段长度，单位为km；β为经验参数，取值为1.22； i为河底比降，无量纲；n为曼宁粗糙系数，无量纲；Wm为河道断面最大宽度，单位为m；Hm为河道大断面的最大水深，单位为m；H为任一河道的过水断面的水深，单位为m。
根据上述计算过程得到产流、汇流以及河道演进过程，确定由逐时降雨数据产生的逐时径流数据，即流量过程线。将流量过程线引入FLO-2D模型，将 HEC-HMS半分布式水文模型和FLO-2D模型两个模型进行耦合，在相同的连续方程控制下，FLO-2D模型则侧重流体的运动，故而用流体运动时的动量守恒方程(如式(20)-(21)所示)替换HEC-HMS模型中侧重计算径流槽蓄控制方程，并结合流域内的曼宁粗糙系数n，完成整个山洪事件的实时演进过程模拟，所得结果包括该次历史山洪灾害中的最大淹没深度分布数据、最大流速分布数据、最大冲击力分布数据。具体计算过程如下：
Figure RE-GDA0002189378290000101
Figure RE-GDA0002189378290000102
Figure RE-GDA0002189378290000103
式(19)-(21)中，h是水深，单位为m；Sy是摩擦坡降，无量纲；i为河底比降，无量纲；g是重力加速度，单位为m/s2；u为x方向的平均流速，单位为 m/s；v为y方向的平均流速,单位为m/s；Pi表示净降雨强度，单位为mm。
步骤S130中，接着根据该次历史山洪灾害的最大分布乘积数据的数值大小，将待评估区域划分为多个山洪影响区。
步骤S140中，根据各个山洪影响区的人口分布数据，确定各个山洪影响区的总人口；结合各个山洪影响区的死亡人口，得到各个山洪影响区的人口死亡率。
在具体的实施方式中，可通过待评估区域内的遥感影像数据，得到待评估区域内的建筑物分布及建筑面积信息；然后结合当地的人均住房面积数据，计算每栋建筑物内的居住人口，进而绘制待评估区域内的人口分布图；接着根据待评估区域内最大分布乘积数据，将待评估区域划分为多个山洪影响区；由各个山洪影响区的人口分布数据，确定各个山洪影响区的总人口；再根据各个山洪影响区的总人口和死亡人口，得到该次山洪灾害中各个山洪影响区的人口死亡率。
在优选的实施方式中，确定建筑物分布及建筑面积信息时，可通过实地调研对获取的结果进行校正，校正内容包括(1)建筑物分布校正，去除无人居住建筑物，(2)建筑面积校正，部分富裕家庭的住宅为二层楼房，其建筑面积需在人工目视解译获取结果的基础上翻倍，(3)建筑物类型校正，只保留居民住宅类型。
在优选的实施方式中，结合当地的人均住房面积数据，得到待评估区域内的人口分布图后，可通过比对统计得到的灾害影响区内的总人口数和实际人口数，验证所绘制的人口分布图的准确性，并进行人口分布的抽样调查，完成对所绘制的人口分布图的校正工作并获得最终的较精准的人口分布图。
图1步骤S150中，根据各个山洪影响区的最大分布乘积数据和山洪影响区的人口死亡率建立山洪灾害人口损失评估模型。
本发明第二个目的在于提供一种特定气象条件下山洪灾害人口损失评估方法，包括以下步骤：
利用本发明第一个目的提供的山洪灾害人口脆弱性模型构建方法，构建待评估区域的山洪灾害人口损失评估模型；
获取该待评估区域的预报或实时气象条件的气象参数；
基于该待评估区域的地形参数、土壤资源参数、土壤参数、区域水文特征参数和所述气象参数，确定本次气象条件的最大淹没深度分布、最大流速分布和最大冲击力分布；
计算本次气象条件的最大淹没深度分布、最大流速分布和最大冲击力分布的乘积，得到本次最大分布乘积数据；
根据计算得到的本次最大分布乘积数据、待评估区的人口分布数据和所述待评估区域的山洪灾害人口损失评估模型，评估本次气象条件的人口死亡数量。
在具体的实施过程中，由于各个待评估区域的地形参数、土地资源参数、土壤参数、区域水文特征参数等不同，且人口分布在密度、居住习惯等方面亦不同，因此，针对不同的待评估区域，都需要先根据单次历史山洪灾害事件建立起山洪灾害人口损失评估模型。
此外，针对某一待评估区域，其地形参数、土地资源参数、土壤参数、区域水文特征参数以及人口分布在一定时间内基本是不改变的，可通过数据查询或计算得到。但是每次山洪灾害中的气象参数之间的差异非常大，且只能够在山洪灾害发生前的一段有限时间内获得，因此在获得预报或实时气象条件的气象参数时，便可得到该待评估区域在本次气象条件下的最大淹没深度分布、最大流速分布和最大冲击力分布；进而得到本次气象条件的最大分布乘积数据；
根据计算得到的本次气象条件最大分布乘积数据、待评估区的人口分布数据和已得到的所述待评估区域的山洪灾害人口损失评估模型，便可以评估本次气象条件的人口死亡数，为开展相应的预防、救援措施提供参考，以有效保护国家和个人生命财产安全。
下面将结合本发明优选实施例具体说明根本发明的山洪灾害人口损失评估模型的构建方法。
实施例
下面将以我国河北省井陉县台头沟流域洪灾为例，具体说明本发明的山洪灾害人口损失评估模型的构建方法。在该实施例中，台头沟流域即为待评估区域。
台头沟流域地处太行山东麓，河北省西陲井陉县，与山西省接壤(如图2 所示)。其流域面积为31km2，隶属于冶河流域绵河水系桃河流域，为其一级支流。整个流域地势西高东低，海拔最高为1042m，最低为295m，高程落差巨大且地形坡度陡峻。流域属于大陆性季风气候区，多年平均降水量549.7mm，次暴雨最大日降水量平均90-100mm。此外，由于其位于太行山的迎风坡，受地形和中小尺度天气系统影响，台头沟流域属暴雨多发区且在暴雨中心附近。流域独特的地理位置及气候、水文条件，极其有利于山洪灾害的孕育与发生。
流域位于井陉县，据统计，流域从1989年至今，先后发生过9次山洪灾害事件，均造成严重损失，以2016年7月19日发生的特大暴雨山洪灾害的损失最为惨重，即“7·19”特大暴雨山洪事件。
该次山洪灾害共造成台头沟流域26人死亡失踪，1000余间房屋不同程度毁坏，1500余亩农田受灾，200余辆各色车辆被冲走或淹坏，50余家商店被洗劫一空，物质席卷无数，企业全部停产，水、电、路、通信设施全部瘫痪。
降雨-径流过程重建
关于该次山洪灾害事件的人口损失评估模型的构建过程中，首先获取该次山洪灾害中的地形参数、土地资源参数、土壤参数、区域水文特征参数、气象参数、人口分布数据和山洪死亡人口分布数据。
通过河北地理信息局、地理国情监测云平台等，搜集或经进一步计算，获取台头沟的地形参数、土地资源参数、土壤参数以及区域水文特征参数，具体如下：DEM数据如图8所示，经过GeoHEC-HMS软件处理，可得坡度数据如图9所示，以及流域单元面积、河底比降、河段长度；土地利用类型如图10所示，土壤类型如图11所示，土壤质地如图12-14所示。
而气象参数则可以通过流域周边气象监测站点获得，此次“7·19”特大暴雨山洪事件中的降水过程三个阶段：
第一阶段18日23时到19日16时，共历时17小时，是降水的开始阶段。主要天气影响系统是高空槽和地面倒槽。降雨前期，亚洲中高纬为两脊一槽型，低槽位于河套西部，东部的大陆高压和副热带高压叠加，并不断加强，成阻挡形势。从低槽动态看，低槽东移缓慢，且不断加深。槽前强劲的西南气流向河北省源源不断地输送水汽。此时低层850hPa在河北省西部太行山附近有一南北向的切变线，且有东南气流箱河北省输送水汽；而高层200hPa河北省上空为明显的疏散气流，地面上河北省南部受低压倒槽影响，倒槽的辐合线正位于河北省西南部太行山附近。高空辐散、低层辐合有利于垂直运动的加强。分析邢台探空亦可见，低层湿层厚，有利降水；有下暖湿、上干冷的不稳定层结条件，有一定的不稳定能量，且抬升凝结高度很低，极易触发不稳定能量释放；低层偏东风持续并不断加强，地形抬升作用有利于太行山前降水加强；以上形势为河北省西部太行山暴雨的有利形势。
第二阶段从19日17时到21日0时，历时32小时，是“7.19”过程的主要降雨阶段，阶段中降雨的强度、强降雨的范围以及降雨的累计雨量均是本次过程中最强、最大的阶段。该阶段主要影响系统是高空低涡和地面气旋。影响第一阶段降水的高空低槽缓慢东移并不断加深，19日20时在山西南部切出低涡，低涡不断发展，并向东北方向移动。低涡生成初期，虽然中心未在河北省，但其北部的偏东气流不断加强，强劲的偏东气流在太行山迎风坡强迫抬升，使河北省西部太行山山前的强降雨持续并增强。随着低涡向东北向移动，与其对应的地面气旋20日02时进入河北省东南部并缓慢向北移动，气旋本身的动力条件以及气旋前部强劲的东南气流的水汽输送，使河北省东部平原出现另一强降雨中心，该降雨中心位于气旋中心附近暖锋北侧，并随着气旋的移动向北移动。
第三阶段从21日1时到14时，历时14小时，是“7.19”过程的尾声阶段，该阶段高空低涡减弱向东北方向移动，地面气旋减弱消失，河北省东北地区有降水，但降雨区域、降水强度都明显低于第二阶段，降水趋于结束。
根据上述降水过程及流域附近气象监测站点数据，可以得到“7.19”特大暴雨山洪事件中的总降雨量为611mm，降雨时长为49h。
结合上述收集得到的参数，可知，台头沟流域的其他相关参数，如反映降雨前流域特征的一个综合参数CNα，取值为81-95；在计算CNα的过程中，涉及区域特征参数λ，取经验值为0.2；α为研究区坡度值，用百分比(％)表示，取值为0-70；降雨过程重心至洪峰的滞后时间ttag取值为0.1-0.2h；参数μ取值为2.67；转换系数β，取值为1.22；曼宁粗糙系数n，取值为0.04-0.05；槽蓄系数K为24-30h，无因次流量比重因子x为0.1-0.2。
将上述参数输入式(5)-(18)可得台头沟暴雨山洪事件期间由逐时降雨数据产生的逐时径流数据，即流量过程线，如图3所示。据图3可知此次降雨过程在19日晚10时左右降雨量最大，对应的径流数据也在几乎同一时间达到流量的最大值，即洪峰流量值。据野外实地调查，采访亲历者得知，此次山洪事件在19日晚10时左右降雨最为猛烈，产生的洪流最为强劲，水位最高处可达8米，间接验证模型模拟效果的精确性。
山洪演进过程重建
由于HEC-HMS模型的输出结果，仅为流量过程线，无法提供表征此次事件致灾强度指标的实时空间分布情况，为此，将经HEC-HMS半分布式水文模型模拟估算的流量过程线引入到FLO-2D模型，将两个模型进行耦合，在相同的连续方程控制(如式(19)所示)下，FLO-2D模型则侧重流体的运动，故而用流体运动时的动量守恒方程(如式(20)-(21)所示)，替换HEC-HMS 模型中侧重计算径流槽蓄控制方程，并结合流域内的曼宁粗糙系数，完成整个山洪事件的实时演进过程模拟，得到最大淹没深度×最大流速×最大冲击力的分布数据，如图4所示。
死亡失踪人口调查利用前期从中国民政府减灾中心获得的初步死亡失踪人口数据，研究人员亲赴研究区对死亡失踪人口展开详细调查，调查结果如表1和图5所示。
表1死亡失踪人员概况
Figure RE-GDA0002189378290000141
Figure RE-GDA0002189378290000151
建筑物提取及人口分布制图
研究区内建筑物的提取主要通过以下步骤获得：首先，获取台头沟特大暴雨山洪灾害事件发生前台头沟流域遥感影像数据；接着，通过人工目视解译的方式获取流域内建筑物分布及建筑面积信息；然后，通过实地调研对获取结果进行校正，校正内容包括(1)建筑物分布校正，去除无人居住建筑物，(2) 建筑面积校正，部分富裕家庭的住宅为二层楼房，其建筑面积需在人工目视解译获取结果的基础上翻倍，(3)建筑物类型校正，由于灾害发生时间为夜间，居民全部在自己住宅内，故本研究仅关心居民住宅，并将其提取出来，最终获取研究区内居民住宅的分布及建筑面积数据，此处仅以研究区内的台头村为例进行展示(如图6左侧所示)。
在获取研究区精准的建筑物分布数据的基础上，绘制研究区人口分布图，具体步骤如下：首先，通过《河北省经济统计年鉴》(2017)获取2016年河北省农村人均住房面积数据；接着，结合已获得的房屋分布及其建筑面积数据，计算每栋建筑物内的居住人口数，并统计研究区内的总人口数；然后，将统计获得的研究区内总人数与实地调查获得的总人数据进行比对，验证所绘制的人口分布图的准确性，并进行人口分布的抽样调查，完成对所绘制的人口分布图的校正工作并获得最终的较精准的人口分布图，此处仅以研究区内的台头村为例进行展示(如图6右侧所示)。
人口损失评估模型构建
本发明中的人口损失评估模型是指由该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布的乘积，即最大分布乘积数据和人口死亡率建立起来的，其中，人口死亡率是指不同山洪影响区内的死亡和失踪人口总数与该区域内总人口数的比值。
人口损失评估模型的构建过程，具体为：(1)根据最大分布乘积数据的数值大小将台头沟流域等分成31个山洪影响区，即0-30万Nm/s、30～60万Nm/s、60～90万Nm/s、90～120万Nm/s、…、870～900万Nm/s、>900万Nm/s；(2) 根据各个山洪影响区的人口分布数据，获得各个山洪影响区各自的总人口数和各个山洪影响区各自的死亡人口数；进而获得各个山洪影响区的人口死亡率；(3)将各个山洪影响区的最大分布乘积数据与人口死亡率进行匹配，最终拟合构建得到山洪灾害人口损失评估模型。
为使最大分布乘积数据与人口死亡率匹配过程中更加精确，本发明还采用了结合死亡失踪人口的位置信息，提取各个位置的最大分布乘积数据，并计算出各个山洪影响区的死亡人口位置的最大分布乘积数据均值。然后再将各个山洪影响区计算得到的均值与人口死亡率进行匹配，拟合得到山洪灾害人口损失评估模型。
经过上述构建过程， 本发明得到的“7·19”特大暴雨山洪事件的人口损失评估模型如表2所示，其中Mdvif表示人口死亡率，Hdvif为最大淹没深度分布×最大流速分布×最大冲击力分布，即最大分布乘积数据。得到的“最大分布乘积-死亡率”曲线，即山洪灾害人口脆弱性曲线(如图7所示)，直观表明了山洪灾害过程中最大分布乘积数据对山洪灾害导致的人口死亡的影响，为开展相应的预防、救援措施提供参考。
表2山洪灾害人口损失评估模型
Figure RE-GDA0002189378290000161
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定，对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动，这里无法对所有的实施方式予以穷举，凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。

Claims (9)

1.一种山洪灾害人口损失评估模型的构建方法，该方法包括：
获取待评估区域地形参数、土壤参数、土地资源参数、区域水文特征参数和人口分布数据；
获取该待评估区域单次历史山洪灾害数据，包括气象参数和山洪死亡人口分布数据；
基于所述地形参数、土壤参数、土地资源参数、区域水文特征参数和气象参数，确定该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布；
计算该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布的乘积，得到最大分布乘积数据；
根据最大分布乘积数据的数值大小将待评估区域划分为多个山洪影响区；
分别确定各个山洪影响区的人口总数、死亡人口数和人口死亡率；
根据各个山洪影响区的最大分布乘积数据和人口死亡率，通过拟合构建该待评估区域山洪灾害人口损失评估模型。
2.根据权利要求1所述的山洪灾害人口损失评估模型的构建方法，其特征在于，该方法进一步包括：
根据所述地形参数、土壤参数、土地资源参数、区域水文特征参数、气象参数，基于HEC-HMS半分布式水文模型，确定逐时径流数据；
根据确定的逐时径流数据，基于FLO-2D水动力模型，确定该次历史山洪灾害的最大淹没深度分布、最大流速分布和最大冲击力分布。
3.根据权利要求2所述的山洪灾害人口损失评估模型的构建方法，其特征在于，该方法进一步包括：
根据所述地形参数、土壤参数、土地资源参数、区域水文特征参数、气象参数确定产流数据、汇流数据和河道演进数据，由得到的产流数据、汇流数据和河道演进数据，确定逐时径流数据。
4.根据权利要求1所述的山洪灾害人口损失评估模型的构建方法，其特征在于，所述地形参数包括有坡度；所述土地资源参数包括有土地利用类型；所述土壤参数包括土壤类型、土壤质地、土壤前期湿润状况中的一项或多项；所述区域水文特征参数包括流域单元面积、河道断面宽度、河道断面水深、河底比降、河段长度、初始基流量中的一项或多项；所述气象参数包括总降雨量、降雨时长中的一项或两项。
5.根据权利要求4所述的山洪灾害人口损失评估模型的构建方法，其特征在于，根据坡度、土地利用类型、土壤类型、土壤质地、土壤前期湿润状况、总降雨量，采用SCS-CN法，确定产流数据。
6.根据权利要求4所述的山洪灾害人口损失评估模型的构建方法，其特征在于，根据坡度、土地利用类型、土壤类型、土壤前期湿润状况、土壤质地、流域单元坡度、流域单元面积和降雨时长，采用SCS单位线法，确定汇流数据。
7.根据权利要求4所述的山洪灾害人口损失评估模型的构建方法，其特征在于，根据河道断面宽度、河道断面水深、河底比降、河段长度、初始基流量，采用马斯京根法，确定河道演进数据。
8.根据权利要求1所述的山洪灾害人口损失评估模型的构建方法，其特征在于，根据所述待评估区域的建筑分布及建筑面积数据和人均住房面积，确定人口分布数据。
9.一种特定气象条件下山洪灾害人口损失评估方法，该方法包括：
利用如权利要求1-8任一项定义的方法，构建待评估区域的山洪灾害人口损失评估模型；
获取该待评估区域的预报或实时气象条件的气象参数；
基于该待评估区域的地形参数、土壤参数、土地资源参数、区域水文特征参数和所述气象参数，确定本次气象条件的最大淹没深度分布、最大流速分布和最大冲击力分布；
计算本次气象条件的最大淹没深度分布、最大流速分布和最大冲击力分布的乘积，得到本次最大分布乘积数据；
根据计算得到的本次最大分布乘积数据、所述待评估区域的人口分布数据和所述待评估区域的山洪灾害人口损失评估模型，评估本次气象条件的人口死亡数。
CN201910687115.5A 2019-07-29 2019-07-29 一种山洪灾害人口损失评估模型的构建方法及其应用 Active CN112380662B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910687115.5A CN112380662B (zh) 2019-07-29 2019-07-29 一种山洪灾害人口损失评估模型的构建方法及其应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910687115.5A CN112380662B (zh) 2019-07-29 2019-07-29 一种山洪灾害人口损失评估模型的构建方法及其应用

Publications (2)

Publication Number Publication Date
CN112380662A true CN112380662A (zh) 2021-02-19
CN112380662B CN112380662B (zh) 2021-09-17

Family

ID=74585983

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910687115.5A Active CN112380662B (zh) 2019-07-29 2019-07-29 一种山洪灾害人口损失评估模型的构建方法及其应用

Country Status (1)

Country Link
CN (1) CN112380662B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836837A (zh) * 2021-09-07 2021-12-24 中国地质大学（武汉） 一种基于flo-2d泥石流数值模拟方法、设备及存储设备
CN115034543A (zh) * 2022-04-14 2022-09-09 水利部交通运输部国家能源局南京水利科学研究院 一种溃坝生命损失动态估算方法
CN117933127A (zh) * 2024-01-16 2024-04-26 中山大学 一种山洪小流域水文水动力模型快速建模系统及方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2214365A1 (en) * 1997-10-24 1999-04-24 Marc Angus Boyer Flood & environmental protection shield system for property and buildings
US20110246935A1 (en) * 2010-04-01 2011-10-06 Autodesk, Inc. Automated floodplain encroachment computation
CN106803223A (zh) * 2017-01-17 2017-06-06 中国水利水电科学研究院 一种基于多态系统理论的山洪灾害风险评价方法
CN106884405A (zh) * 2017-03-08 2017-06-23 中国水利水电科学研究院 一种无资料地区溃堤型山洪灾害分析评价方法
CN106951682A (zh) * 2017-03-01 2017-07-14 大连理工大学 一种基于不确定性分析的山丘区水文预报模型与数据精度匹配方法
CN108022053A (zh) * 2017-12-19 2018-05-11 中国水利水电科学研究院 洪水风险评估方法和装置
CN108132981A (zh) * 2017-12-13 2018-06-08 国家电网公司 顾及暴雨洪涝风险影响的电力设施选址方法
US20180285749A1 (en) * 2017-03-31 2018-10-04 International Business Machines Corporation Refining an ecological niche model

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2214365A1 (en) * 1997-10-24 1999-04-24 Marc Angus Boyer Flood & environmental protection shield system for property and buildings
US20110246935A1 (en) * 2010-04-01 2011-10-06 Autodesk, Inc. Automated floodplain encroachment computation
CN106803223A (zh) * 2017-01-17 2017-06-06 中国水利水电科学研究院 一种基于多态系统理论的山洪灾害风险评价方法
CN106951682A (zh) * 2017-03-01 2017-07-14 大连理工大学 一种基于不确定性分析的山丘区水文预报模型与数据精度匹配方法
CN106884405A (zh) * 2017-03-08 2017-06-23 中国水利水电科学研究院 一种无资料地区溃堤型山洪灾害分析评价方法
US20180285749A1 (en) * 2017-03-31 2018-10-04 International Business Machines Corporation Refining an ecological niche model
CN108132981A (zh) * 2017-12-13 2018-06-08 国家电网公司 顾及暴雨洪涝风险影响的电力设施选址方法
CN108022053A (zh) * 2017-12-19 2018-05-11 中国水利水电科学研究院 洪水风险评估方法和装置

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
LU SHIH-CHUNG: "FLO-2D simulation of mudflow caused by large landslide due to extremely heavy rainfall in southeastern Taiwan during Typhoon Morakot", 《JOURNAL OF MOUNTAIN SCIENCE》 *
NESLIHAN BEDEN等: "Comparison Of 2d Hydraulic Models For Flood Simulation On The Mert River Turkey", 《5TH INTERNATIONAL SYMPOSIUM ON DAM SAFETY》 *
李龙伟: "西部山区城镇山洪灾害易损性评价—以西昌城区为例", <《中国优秀硕士学位论文全文数据库基础科学辑》> *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113836837A (zh) * 2021-09-07 2021-12-24 中国地质大学（武汉） 一种基于flo-2d泥石流数值模拟方法、设备及存储设备
CN115034543A (zh) * 2022-04-14 2022-09-09 水利部交通运输部国家能源局南京水利科学研究院 一种溃坝生命损失动态估算方法
CN115034543B (zh) * 2022-04-14 2024-01-05 水利部交通运输部国家能源局南京水利科学研究院 一种溃坝生命损失动态估算方法
CN117933127A (zh) * 2024-01-16 2024-04-26 中山大学 一种山洪小流域水文水动力模型快速建模系统及方法

Also Published As

Publication number Publication date
CN112380662B (zh) 2021-09-17

Similar Documents

Publication Publication Date Title
CN108776851B (zh) 一种暴雨诱发的浅层滑坡灾害预警阈值确定方法
Samarasinghea et al. Application of remote sensing and GIS for flood risk analysis: a case study at Kalu-Ganga River, Sri Lanka
Chang et al. An integrated model for predicting rainfall-induced landslides
CN111651885A (zh) 一种智慧型海绵城市洪涝预报方法
CN112380662B (zh) 一种山洪灾害人口损失评估模型的构建方法及其应用
Ahmad et al. Hydrological modelling and flood hazard mapping of Nullah Lai
CN115391712A (zh) 一种城市洪涝风险预测方法
CN111582597B (zh) 一种输电线路滑坡危险性预测方法及其设备
CN113470333A (zh) 一种线路工程走廊浅层滑坡危险性评估及监测预警系统
CN113409550B (zh) 基于径流汇流模拟的泥石流灾害预警方法及系统
CN112381285B (zh) 一种基于遥感的洪涝淹没预测方法
Boudou et al. Comparative hazard analysis of processes leading to remarkable flash floods (France, 1930–1999)
De Silva et al. Flood inundation mapping along the lower reach of Kelani river basin under the impact of climatic change
CN111311879B (zh) 一种泥石流的预警方法及装置
Madi et al. Flood Vulnerability Mapping and Risk Assessment Using Hydraulic Modeling and GIS in Tamanrasset Valley Watershed, Algeria
Ghasemizade et al. Estimation of design flood hydrograph for an ungauged watershed
Amengual et al. Hydrometeorological ensemble simulations of flood events over a small basin of Majorca Island, Spain
Yu et al. Critical rainfall thresholds for debris flows in Sanyanyu, Zhouqu county, Gansu province, China
KR101257874B1 (ko) 폐쇄집수역의 일 최저기온 분포 추정 방법
Mabao et al. Assessment and analysis of t he floodplain of cagayan de oro river basin
Hung Catchment hydrology in the Anthropocene: Impacts of land-use and climate change on stormwater runoff
Hamad Surface runoff estimation of Wadi Ba Al-Arid watershed NE Libya using SCS-CN, GIS and RS data
Ndolo Goy et al. Gis-based soil erosion modeling and sediment yield of the N’djili river basin, democratic republic of Congo
Ongsomwang et al. URBAN FLOOD MITIGATION AND PREVENTION USING THE MIKE 21 MODEL: A CASE STUDY OF NAKHON RATCHASIMA PROVINCE, THAILAND.
Martinec et al. Discharge forecasts in mountain basins based on satellite snow cover mapping

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