CN113298305B - 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 - Google Patents
基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 Download PDFInfo
- Publication number
- CN113298305B CN113298305B CN202110562878.4A CN202110562878A CN113298305B CN 113298305 B CN113298305 B CN 113298305B CN 202110562878 A CN202110562878 A CN 202110562878A CN 113298305 B CN113298305 B CN 113298305B
- Authority
- CN
- China
- Prior art keywords
- rainfall
- rain
- flood
- type
- time
- 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 108
- 230000008569 process Effects 0.000 claims abstract description 47
- 238000012546 transfer Methods 0.000 claims abstract description 33
- 238000010586 diagram Methods 0.000 claims abstract description 29
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 22
- 230000001174 ascending effect Effects 0.000 claims abstract description 8
- 230000002265 prevention Effects 0.000 claims description 25
- 230000000630 rising effect Effects 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000001939 inductive effect Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000012935 Averaging Methods 0.000 claims description 2
- 230000007704 transition Effects 0.000 claims 1
- 238000004458 analytical method Methods 0.000 description 6
- 230000002902 bimodal effect Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 230000001186 cumulative effect Effects 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 4
- 230000007123 defense Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 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
- G06Q10/04—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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Remote Sensing (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,包括以下步骤:(1)对单峰雨型的历史场次降雨进行雨型归类;(2)对各类雨型分别绘制平均降雨时程分布图;(3)以各类雨型的平均降雨时程分布图为基础,采用水位流量反推法分别计算各类雨型的临界场次降雨量I临;(4)以时段最大降雨强度数据和累积雨量数据为基础构建各类雨型发出立即转移的预警指标;(5)当降雨过程出现满足预警指标的情况且洪水处于上涨状态时,发布立即转移预警。本发明可提高山区小流域暴雨山洪洪水灾害预警的准确性和可靠性,为山区小流域暴雨山洪洪水灾害预警提供更科学和可靠的指导。
Description
技术领域
本发明属于暴雨山洪灾害防灾减灾领域,涉及基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,适用于对山区小流域暴雨山洪洪水灾害进行预警。
背景技术
山区流域气候复杂,短历时强降雨多发,山洪灾害具有显著的区域性、突发性以及破坏性,给山洪灾害监测预警带来了极大的困难。雨量预警是当前山洪灾害防治的主要非工程措施之一,通常采用《山洪灾害分析评价技术要求》(全国山洪灾害防治项目组,2014)推荐的水位流量反推法确定阈值,即以防灾对象所在小流域的设计暴雨为基础,采用地区水文手册或暴雨图集固定的设计雨型(降雨时程)进行洪水计算,反推与成灾流量接近时的雨量即为临界雨量。山区小流域降雨时程分布不确定性突出,同一降雨量不同时程分配形成的洪水过程各异,导致引发山洪灾害所需的临界降雨量不同。毛北平(2017)分析发现,降雨时程分布均匀时的临界雨量最大,降雨时程分布越不均匀,达到相同成灾流量的临界雨量越小。原文林(2018)通过分析不同雨型的临界雨量,发现雨峰偏前对应的临界雨量是雨峰偏后对应的临界雨量的1.67倍。由此可见,降雨时程对山洪灾害临界雨量计算具有显著影响,在山洪灾害预警实践中,当实际的降雨过程与拟定的山洪灾害临界雨量所依据的降雨时程不一致时,则可能发生漏警或虚警,即目前以固定雨型确定的预警指标难以满足山洪灾害防御的实际需求。
局地暴雨是造成山洪洪水灾害的重要因素,累积降雨量和降雨强度是描述降雨的主要指标,洪水上涨至成灾水位主要取决于累积雨量和降雨强度。例如,对于峰前型降雨,降雨强度是决定洪峰大小的主要因素,而对于峰后型降雨,洪峰流量主要取决于累积雨量。而目前普遍使用的雨量预警方法则未考虑到降雨时程对临界雨量的影响。因此,若能以不同降雨时程暴雨山洪致灾时的累积雨量及降雨强度为基础,构建出暴雨山洪洪水灾害预警方法,对于提高山洪灾害预警的可靠性和更好地满足山洪灾害防御的实际需求都将产生积极的作用。
发明内容
针对现有技术普遍使用的雨量预警方法则未考虑到降雨时程对临界雨量的影响,容易造成漏警或虚警的不足,本发明提供了一种基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,以提高山区小流域暴雨山洪洪水灾害预警的准确性和可靠性,为山区小流域暴雨山洪洪水灾害预警提供更科学和可靠的指导。
为实现上述发明目的,本发明采用的技术方案如下:
基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,包括以下步骤:
(1)以待进行暴雨山洪洪水灾害预警的山区小流域河段作为目标河段,目标河段具有防灾保护对象;
搜集目标河段的历史降雨资料,绘制历史降雨资料中各场次降雨的降雨时程分布图,筛选出历史场次降雨中的单峰雨型,根据降雨时程分布图中的雨峰位置,对单峰雨型的历史场次降雨进行雨型归类;
所述降雨时程分布图是指每小时的降雨量占总降雨量的百分比随降雨时程的分布图;所述雨型包括A型、B型、C型、D型和E型雨,A型、B型、C型、D型和E型雨的雨峰分别位于降雨时程分布图的前部位、偏前部、中部、偏后部和后部;
(2)对各类雨型分别绘制平均降雨时程分布图,绘制方法如下:
若同一类雨型中包括n场次降雨,对这n场次降雨的降雨时程分布中同一降雨时段的每小时降雨量占总降雨量的百分比求平均值,以所得平均值为横坐标、降雨时程为纵坐标绘图,即得平均降雨时程分布图;
(3)以步骤(2)绘制的各类雨型的平均降雨时程分布图为基础,采用水位流量反推法分别计算各类雨型的临界场次降雨量I临;
(4)确定各类雨型发出立即转移的预警指标
①对于A型、B型和C型雨对应的暴雨山洪洪水陡涨致灾,发出立即转移的预警指标如式(Ⅰ)所示:
it≥i立即且∑Pt>∑P立即 (Ⅰ)
式(Ⅰ)中,i立即=min(iA,iB,iC),∑P立即=max(∑PA,∑PB,∑PC);iA,iB和iC分别为A型、B型和C型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h,∑PA,∑PB和∑PC分别为A型、B型和C型雨在降雨总量为0.9I临时的最大1h累积雨量,单位为mm;it为实际降雨在t时刻的时段降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm;
②对于D型和E型雨对应的暴雨山洪洪水陡涨致灾,发出立即转移的预警指标如式(Ⅱ)所示:
∑Pt>∑P立即且itmax≥i立即 (Ⅱ)
式(Ⅱ)中,∑P立即=max(∑P'D,∑P'E),i立即=min(iD,iE);∑P'D和∑P'E分别为D型和E型雨在降雨总量为0.9I临时对应的洪水在洪峰时的累积雨量,单位为mm,iD和iE分别为D型和E型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h;itmax为实际降雨在t时刻以前的最大降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm;
③对于D型和E型雨对应的暴雨山洪洪水起涨致灾,发出立即转移的预警指标如式(Ⅲ)所示:
∑Pt≥∑P立即且itmax<i立即 (Ⅲ)
式(Ⅲ)中,∑P立即=min(∑P”D,∑P”E),i立即=min(iD,iE);∑P”D和∑P”E分别为D型和E型雨在降雨总量为kI临时对应的洪水在成灾流量时的累积雨量,单位为mm,k的取值应使D型和E型雨在降雨总量为kI临时对应的洪水在雨峰来临前恰好达到成灾流量,iD和iE分别为D型和E型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h;itmax为实际降雨在t时刻以前的最大降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm;
(5)当目标河段的上游发生强降雨后,实时监测降雨过程,以开始降雨时刻为起点,当出现满足上述式(Ⅰ)~(Ⅲ)之一的情况时,判断洪水是否处于上涨状态,若洪水处于上涨状态,则发布立即转移预警,若洪水处于退水状态,则持续监测降雨过程;在持续监测降雨的过程中,若再次出现满足上述式(Ⅰ)~(Ⅲ)之一的情况且洪水处于上涨状态时,发出立即转移预警。
上述技术方案中,临界场次降雨量I临的计算方法如下:
①假定某一降雨总量;
②根据平均降雨时程分布图采用水文模型模拟防灾对象控制断面的洪水过程,比较计算的洪峰流量Qp与成灾流量Qdis,若Qp与Qdis的差异小于设定值,则该假设的降雨总量即为临界场次降雨量I临,否则,重新假定降雨总量,采用水文模型模拟防灾对象控制断面的洪水过程,直至Qp与Qdis的差异小于设定值。进一步地,所述Qp与Qdis的差异小于设定值,是指
上述技术方案的步骤(4)③中,所述kI临中k的取值按照如下方法确定:
将平均降雨时程分布图中的雨峰时刻记为tn,将雨峰前一个时段对应的降雨时刻记为tn-1,假定某一降雨总量I0,根据D型和E型雨的平均降雨时程分布图采用水文模型模拟防灾对象控制断面的洪水过程,比较计算的tn-1时刻的流量与成灾流量Qdis,若则否则,重新假定降雨总量I0,采用水文模型模拟防灾对象控制断面的洪水过程,直至
上述技术方案中,A型、B型、C型、D型和E型雨的确定方法为:将降雨时程分布图的横坐标平均分成5段,按照降雨时程分布图从左至右的方向,将雨峰位于第1~5段对应的雨型依次记作A型、B型、C型、D型和E型雨。
上述技术方案中,当步骤(1)的目标河段无历史降雨资料时,步骤(2)以根据天气预报预告的降水量随时间的变化曲线确定雨型并绘制降雨时程分布图,以该降雨时程分布图替代平均降雨时程分布图。
上述技术方案中,所述陡涨致灾是指暴雨山洪洪水在陡涨阶段达到成灾流量,所述起涨致灾是指暴雨山洪洪水在起涨阶段达到成灾流量。
上述技术方案中,若历史场次降雨中只包括A型、B型、C型、D型和E型雨中的1~4种,则步骤(4)在确定i立即和∑P立即时应舍弃掉未出现的雨型的时段最大降雨强度数据和累积雨量数据。
上述技术方案中,步骤(1)在搜集目标河段的历史降雨资料时,至少收集目标河段一年以上的历史降雨资料。对于同一山区小流域而言,其降雨的雨型是具有一定的规律性的,因而该山区小流域的历史降雨资料,基本可以反应目标河段可能出现的雨型,进而可为后续确定各类雨型发出立即转移的预警指标奠定基础。
上述技术方案中,降雨场次的划分标准为:一场连续降雨过程中,以小时雨量大于4mm时的时刻为场次降雨开始时刻,以小时雨量连续3小时小于4mm的开始点为降雨结束时刻。(参见全国山洪灾害防治项目组.山洪灾害分析评价技术要求[EB/OL].2014年8月)。
上述技术方案中,所述成灾水位是指防灾对象控制断面的成灾水位。
上述技术方案中,采用水文模型模拟防灾对象控制断面的洪水过程,并确定临界场次降雨量I临的方法是现有技术的常规方法,可参照现有技术的文献公开的方法来实现该过程。
与现有技术相比,本发明的技术方案产生了以下有益的技术效果:
1.本发明提供了基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,该方法充分考虑了降雨时程分布特征,特别是雨峰位置对山洪致灾因子临界阈值的影响,雨峰位置不同,会造成山洪灾害主要驱动因子的不同,基于此,本发明的方法以单峰型暴雨山洪洪水过程为依据,结合防灾对象设定的成灾流量,构建了基于不同降雨时程特征的降雨强度-累积雨量双阈值暴雨山洪洪水灾害预警方法,可有效避免以固定雨型推算临界雨量预警阈值带来的漏警问题,提高山区小流域暴雨山洪洪水灾害预警的准确性和可靠性,为山区小流域暴雨山洪洪水灾害预警提供更科学和可靠的指导。
2.本发明通过实验证实,本发明的预警方法不仅对单峰雨型暴雨山洪洪水灾害具有可靠的预警效果,而且针对预警迷惑性较大的双峰型暴雨山洪洪水灾害,本发明的预警方法也能够提前捕捉洪水致灾时刻,预警时长满足《山洪灾害分析评价技术要求》中不少于30min要求,提高了局部山区暴雨山洪洪水灾害预警的可靠性。相对于基于单峰型雨量过程的传统预警方法,本发明的方法对双峰型暴雨山洪洪水灾害的预警可靠性更高。
3.本发明所述方法的操作简单,对单峰和双峰型暴雨山洪洪水灾害的预警都适用,可实施性强,有利于推广应用,可更好地为山区小流域的暴雨山洪洪水灾害预警提供技术支持。
附图说明
图1是中都河流域的水文站、雨量站及水系分布情况。
图2是A型、C型、D型和E型雨的平均降雨时程分布图。
图3是双峰型雨的平均降雨时程分布图。
图4是水文模型模拟A型、C型、D型和E型雨的降雨总量在0.9I临、I临以及1.25I临时对应的洪水过程,其中的(A1)(A2)(A3)图分别代表A型雨在0.9I临、I临以及1.25I临时对应的洪水过程,(C1)(C2)(C3)图分别代表C型雨在0.9I临、I临以及1.25I临时对应的洪水过程,(D1)(D2)(D3)图分别代表D型雨在0.9I临、I临以及1.25I临时对应的洪水过程,(E1)(E2)(E3)图分别代表E型雨在0.9I临、I临以及1.25I临时对应的洪水过程。
图5的(A)图是D型雨在降雨总量为2.15I临、图5的(B)图是E型雨在降雨总量为2.45I临时的洪水过程。
具体实施方式
以下通过实施例对本发明提供的基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法作进一步说明。有必要指出,以下实施例只用于对本发明作进一步说明,不能理解为对本发明保护范围的限制,所属领域技术人员根据上述发明内容,对本发明做出一些非本质的改进和调整进行具体实施,仍属于发明保护的范围。
下述实施例中,所采用的水文模型参见孙桐,杨坡,等.中都河流域“8·16”山洪致灾机理分析[J].工程科学与技术,2021,53(01):132-138.中采用的水文模型。
实施例1
本实施例以四川中都河流域“8.16”暴雨山洪灾害为例,详细说明本发明提供的基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法。
1.中都河流域“8.16”暴雨山洪灾害概况
中都河流域位于四川省南缘,金沙江下游北岸,2018年8月16日,中都河上游发生特大暴雨,下游龙山村水文站于当日14:30实测最大洪峰流量3040m3/s,最高洪水位428.16m,超成灾水位2.52m,造成了严重的山洪洪水淹没灾害。中都河流域的水文站、雨量站及水系分布情况如图1所示,依据水位流量反推法计算的龙山村水文站断面暴雨山洪洪水灾害临界雨量阈值如表1所示。
表1水位流量反推法计算的临界雨量阈值
2.暴雨山洪洪水灾害预警指标的构建
(1)以中都河作为目标河段,目标河段具有防灾保护对象,以龙山村水文站断面作为防灾对象控制断面。
搜集如图1所示的8个雨量站于2019年观测到的34场次降雨资料,绘制各场次降雨的降雨时程分布图,筛选出这34场次降雨中的单峰雨型,根据降雨时程分布图中的雨峰位置,对这34场次降雨中的单峰雨型进行雨型归类。
所述降雨时程分布图是指每小时的降雨量占总降雨量的百分比随降雨时程的分布图;所述雨型包括A型、B型、C型、D型和E型雨,A型、B型、C型、D型和E型雨的雨峰分别位于降雨时程分布图的前部位、偏前部、中部、偏后部和后部,更具体地,是将降雨时程分布图的横坐标平均分成5段,按照降雨时程分布图从左至右的方向,将雨峰位于第1~5段对应的雨型依次记作A型、B型、C型、D型和E型雨。结果发现中都河流域的历史降雨出现了A型、C型、D型和E型这四种单峰雨型,同时还出现了双峰型降雨。
(2)对以上4种单峰雨型分别绘制平均降雨时程分布图,绘制方法如下:
对于A型雨,34场次降雨中共包括7场次A型雨,对这7场次降雨的降雨时程分布图中同一降雨时段的每小时的降雨量占总降雨量的百分比求平均值,记作X,以X为横坐标、降雨时程为纵坐标绘图,即得A型雨的平均降雨时程分布图,如图2的(A)图所示。参照该方法,分别绘制出C型、D型和E型雨的平均降雨时程分布图,结果如图2的(B)(C)(D)图所示。同时也参照上述方法,绘制了双峰雨型的平均降雨时程分布图,结果如图3所示。
(3)以步骤(2)绘制的各类雨型的平均降雨时程分布图为基础,采用水位流量反推法分别计算各类雨型的临界场次降雨量I临;以A型雨为例,说明临界场次降雨量I临的计算方法:
①假定某一降雨总量;
②根据如图2的(A)图所示的平均降雨时程分布图以及该假定的降雨总量,计算降雨时程分布图。
采用水文模型模拟防灾对象控制断面的洪水过程,比较计算的洪峰流量Qp与成灾流量Qdis,若则该假设的降雨总量即为临界场次降雨量I临,否则,重新假定降雨总量,采用水文模型模拟防灾对象控制断面的洪水过程,直至其中,根据曼宁公式计算的龙山村水文站断面的水位流量关系,由成灾水位确定成灾流量为985m3/s。
参照A型雨的临界场次降雨量I临的计算方法,计算C型、D型和E型雨的临界场次降雨量I临,结果如表2所示,进一步地,以0.9I临、I临与1.25I临三场降雨的洪水过程分别代表临近成灾、恰好成灾及显著成灾三种情况,将0.9I临与1.25I临也列于表2。
表2四种单峰型降雨-洪水的临界雨量
由表2可知,雨峰靠前的A型雨的I临大于雨峰相对靠后的C、D、E型雨的I临,与毛北平(毛北平,张玉洁,刘四海,等.降雨时程分布对山洪灾害预警影响初步研究[J].人民长江,2017,48(24):11-14.)、原文林(原文林,刘美琪,宋汉振.基于雨型的小流域雨量预警指标不确定性研究[J].中国农村水利水电,2018(11):35-41.)的研究结果基本一致,不同降雨时程分配对应的I临偏差较大。孔凡哲(孔凡哲,郭良,黄薇,等.考虑雨强时间分配的山洪灾害临界雨量的计算[J].人民黄河,2020,42(6):32-36.)考虑降雨时程分配对临界雨量影响,以不同降雨时程中最小临界雨量作为预警指标,该方法虽然可以降低山洪预警的漏报率,但同时也易造成虚警。例如,以表2最小临界雨量50mm(C型雨)作为预警雨量,对A型、D型和E型雨在临近成灾(0.9I临)时的山洪预警中会发生虚警。由此表明,以临界场次雨量为山洪灾害预警指标难以反映降雨时程分配对预警效果的影响,给山洪灾害预警防御带来了困难。
图4为水文模型模拟A型、C型、D型和E型雨的降雨总量在0.9I临、I临以及1.25I临时的洪水过程,其中的(A1)(A2)(A3)图分别代表A型雨的降雨总量在0.9I临、I临以及1.25I临时的洪水过程,(C1)(C2)(C3)图分别代表C型雨的降雨总量在0.9I临、I临以及1.25I临时的洪水过程,(D1)(D2)(D3)图分别代表D型雨的降雨总量在0.9I临、I临以及1.25I临时的洪水过程,(E1)(E2)(E3)图分别代表E型雨的降雨总量在0.9I临、I临以及1.25I临时的洪水过程。由图4可知,洪水在雨峰后达到成灾流量,成灾时处于陡涨阶段,致灾因子主要为降雨强度和累积雨量,不同降雨时程分配的暴雨对应的洪水成灾时的累积雨量和最大降雨强度随雨峰位置发生变化。
统计图4四种单峰雨型对应的洪水在成灾时的累积雨量及最大时段降雨强度,列于表3,由表3可知,A型和C型雨对应的洪水在成灾时累积雨量最小,时段最大降雨强度最大,D型和E型雨则与此相反。由此表明,雨峰位置对山洪致灾因子临界阈值具有显著影响,若雨峰靠前,则降雨强度是引发山洪灾害主要因素,若雨峰靠后,则降雨强度对山洪过程的影响减小,累积雨量逐渐成为山洪灾害主要驱动因子。为此,本发明综合不同降雨时程暴雨对应的洪水在致灾时的累积雨量与最大降雨强度,来确定各类雨型发出立即转移的预警指标,构建基于降雨强度-累积雨量双阈值的山洪洪水灾害预警方法,以降低因不同降雨时程分配导致的预警阈值的不确定性。
表3四种单峰雨型洪水致灾或洪峰时的累积雨量及时段最大降雨强度
(4)确定各类雨型发出立即转移的预警指标
①针对雨峰靠前的A型、B型和C型雨对应的暴雨山洪洪水陡涨致灾,以降雨强度为主要预警指标,辅以累积雨量预警。具体地,对于本实施例而言,对于A型和C型雨对应的暴雨山洪洪水陡涨致灾,发出立即转移的预警指标如式(Ⅰ)所示:
对于A型和C型雨对应的暴雨山洪洪水陡涨致灾,发出立即转移的预警指标如式(Ⅰ)所示:
it≥i立即且∑Pt>∑P立即 (Ⅰ)
式(Ⅰ)中,i立即=min(iA,iC),∑P立即=max(∑PA,∑PC);iA和iC分别为A型和C型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h,∑PA和∑PC分别为A型和C型雨在降雨总量为0.9I临时的最大1h累积雨量,单位为mm;it为实际降雨在t时刻的1h降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm。
结合表4可以确定式(Ⅰ)中,i立即=min(iA,iC)=iC=24.5mm/h,∑P立即=max(∑PA,∑PC)=∑PA=25.5mm,即it≥24.5mm/h且∑Pt>25.5mm。
②针对雨峰靠后的D型和E型雨对应的暴雨山洪洪水陡涨致灾,以累积雨量为主要预警指标,辅以降雨强度预警。具体地,对于本实施例而言,对于D型和E型雨对应的暴雨山洪洪水陡涨致灾,发出立即转移的预警指标如式(Ⅱ)所示:
∑Pt>∑P立即且itmax≥i立即 (Ⅱ)
式(Ⅱ)中,∑P立即=max(∑P'D,∑P'E),i立即=min(iD,iE);∑P'D和∑P'E分别为D型和E型雨在降雨总量为0.9I临时对应的洪水在洪峰时的累积雨量,单位为mm,iD和iE分别为D型和E型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h;itmax为实际降雨在t时刻以前的最大降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm。
结合表4可以确定式(Ⅱ)中,∑P立即=max(∑P'D,∑P'E)=∑P'D=53.8mm,i立即=min(iD,iE)=iD=18.3mm/h,即∑Pt>53.8mm且itmax≥18.3mm/h。
③针对某些雨峰靠后的D型和E型雨对应的暴雨山洪洪水,从降雨开始到洪水致灾,降雨历时长、强度小,在雨峰来临前降雨量累积至一定程度同样易引发山洪灾害,可能在洪水起涨阶段洪水水位便达到了成灾水位。具体地,对于本实施例而言,对于D型和E型雨对应的暴雨山洪洪水起涨致灾,发出立即转移的预警指标如式(Ⅲ)所示:
∑Pt≥∑P立即且itmax<i立即 (Ⅲ)
式(Ⅲ)中,∑P立即=min(∑P”D,∑P”E),i立即=min(iD,iE);∑P”D和∑P”E分别为D型和E型雨在降雨总量为kI临时对应的洪水在成灾流量时的累积雨量,单位为mm,k的取值应使D型和E型雨在降雨总量为kI临时对应的洪水在雨峰来临前恰好达到成灾流量,iD和iE分别为D型和E型雨型在降雨总量为I临时对应的时段最大降雨强度,单位为mm/h;itmax为实际降雨在t时刻以前的最大降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm。
上述kI临中k的取值按照如下方法确定:
将平均降雨时程分布图中的雨峰时刻记为tn,将雨峰前一个时段对应的降雨时刻记为tn-1,假定某一降雨总量I0,根据D型和E型雨的平均降雨时程分布图采用水文模型模拟防灾对象控制断面的洪水过程,比较计算的tn-1时刻的流量与成灾流量Qdis,若则否则,重新假定降雨总量I0,采用水文模型模拟防灾对象控制断面的洪水过程,直至若按照该方法,最终确定对于D型雨,k=2.15,对于E型雨,k=2.45。
图5的(A)(B)两图为D型雨在降雨总量为2.15I临时的洪水过程、E型雨在降雨总量为2.45I临时的洪水过程。由图5可知,D型和E型雨对应的洪水在雨峰来临前达到了成灾流量,此时洪水正处于起涨阶段,D型和E型雨对应的洪水在达到成灾流量时的累积雨量分别为62.8mm和84.4mm,期间的降雨强度均小于上述陡涨致灾时的最小立即转移降雨强度18.3mm/h,致灾因子主要为累积雨量。
结合表4以及图5可以确定式(Ⅲ)中,∑P立即=min(∑P”D,∑P”E)=∑P”D=62.8mm,i立即=min(iD,iE)=iD=18.3mm/h,即∑Pt≥62.8mm且itmax<18.3mm/h。
(5)当目标河段的上游发生强降雨后,实时监测降雨过程,以开始降雨时刻为起点,当出现满足上述式(Ⅰ)~(Ⅲ)之一的情况时,判断洪水是否处于上涨状态,若洪水处于上涨状态,则发布立即转移预警,若洪水处于退水状态,则持续监测降雨过程;在持续监测降雨的过程中,若再次出现满足上述式(Ⅰ)~(Ⅲ)之一的情况且洪水处于上涨状态时,发出立即转移预警。
3.结合实测中都河“8.16”暴雨山洪验证本发明的预警方法的预警可靠性
对于2018年中都河“8.16”暴雨山洪8.16山洪灾害,洪峰流量远大于成灾流量,属显著成灾型洪水。表3是中都河“8.16”暴雨山洪的实测数据,降雨从4:00开始,到12:21时累积雨量∑Pt达到了62.8mm,在此期间的降雨强度均小于18.3mm/h,在12:21之前的最大1h降雨强度itmax为17.9mm/h,该情况满足上述式(Ⅲ)的预警指标,即∑Pt≥62.8mm且itmax<18.3mm/h,此时应发出立即转移预警,预警时间为12:21。
实测数据显示中都河“8.16”暴雨山洪在13:54时达到了成灾水位,即采用本发明的方法对中都河“8.16”暴雨山洪洪水灾害进行预警的预警时长为93min,达到了《山洪灾害分析评价技术要求》至少提前30min的要求。说明本发明提供的预警方法是具有可靠性的。
当采用现有的临界雨量预警方法进行预警时,实际降雨在14:22的降雨量达到了表1设定的立即转移临界雨量,但实际成灾时刻为13:54,未起到预警效果,属于漏警。
以上内容表明,本发明提供的基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法不仅能够提前发布预警,而且可以延长预警期。
表3中都河“8.16”暴雨山洪的实测数据
4.结合模拟双峰雨型对应的暴雨山洪过程,验证本发明的预警方法对双峰雨型的预警效果
同样以中都河作为目标河段,以龙山村水文站断面作为防灾对象控制断面,以场次降雨量为90mm时(如表4所示)和场次降雨量为100mm时(如表5所示)的模拟双峰雨型为例,根据图3所示的平均降雨时程分布图采用水文模型模拟防灾对象控制断面的洪水过程,来说明本发明的预警方法对双峰雨型的预警效果。
由表4可知,当场次降雨量为90mm时,实际降雨在9:00时的累积雨量∑Pt达到了55.6mm,大于53.8mm,实际降雨在9:00以前的最大降雨强度itmax达到了22.1mm/h,大于18.3mm/h,此时虽然满足式(Ⅱ)所示的立即转移预警条件,但洪水处于退水阶段,仅需持续监测雨量过程而不需发布预警,降雨持续至10:00,洪水开始上涨且在10:00以前的最大降雨强度itmax与累积雨量∑Pt满足式(Ⅱ),发布立即转移预警,发布时间为10:00。模拟降雨对应的洪水在11:20达到了成灾水位,预警时长为80min。
由表5可知,当场次降雨量为100mm时,实际降雨在2:00时的累积雨量∑Pt达到了26.2mm,大于25.5mm,实际降雨在2:00以前的最大降雨强度itmax达到了24.5mm/h,满足式(Ⅰ)所示的立即转移预警条件,同时,此时洪水处于上涨状态,发出立即转移预警,发布时间为2:00。模拟降雨对应的洪水在4:54第一次达到了成灾水位,预警时长为2.9h。
在发出立即转移预警后,持续监测降雨过程,当降雨持续至10:00时,洪水发生二次起涨,此时,实际降雨在10:00的累积雨量∑Pt达到了71.4mm,大于53.8mm,实际降雨在10:00以前的最大降雨强度itmax为24.5mm/h,大于18.3mm/h,满足式(Ⅱ)所示的立即转移预警条件,发出立即转移预警,发布时间为10:00。模拟降雨对应的洪水在10:58第二次达到了成灾水位,预警时长为58min。
在第一个雨峰发出立即转移预警后(即第一次发出立即转移预警后),防灾区居民已经撤离,但此时仍需持续监测雨量过程,在第二个雨峰来临前依然保持监测预警状态,直至降雨结束。这样做的意义在于防止撤离的居民发现第一个雨峰造成的洪水开始退水而擅自返回住所,致使洪水二次起涨引发灾害。
传统预警方法主要基于单峰型雨量过程,其预警阈值对双峰型暴雨山洪的预警可靠性偏低,例如,表4和表5中,时段累积雨量均未达到水位流量反推法确定的预警雨量(表1),表明采用现有的临界雨量预警方法难以对双峰型降雨造成的洪水起到提前预警作用。相比之下,本发明提供的基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法不仅能够提前发布预警,而且预警时长满足《山洪灾害分析评价技术要求》至少提前30min规定,可成功为双峰型降雨造成的洪水进行预警。
表4模拟双峰型降雨对应的洪水过程(场次降雨量为90mm)
表5模拟双峰型降雨对应的洪水过程(场次降雨量为100mm)
Claims (8)
1.基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,其特征在于,包括以下步骤:
(1)以待进行暴雨山洪洪水灾害预警的山区小流域河段作为目标河段,目标河段具有防灾保护对象;
搜集目标河段的历史降雨资料,绘制历史降雨资料中各场次降雨的降雨时程分布图,筛选出历史场次降雨中的单峰雨型,根据降雨时程分布图中的雨峰位置,对单峰雨型的历史场次降雨进行雨型归类;
所述降雨时程分布图是指每小时的降雨量占总降雨量的百分比随降雨时程的分布图;所述雨型包括A型、B型、C型、D型和E型雨,A型、B型、C型、D型和E型雨的雨峰分别位于降雨时程分布图的前部位、偏前部、中部、偏后部和后部;
(2)对各类雨型分别绘制平均降雨时程分布图,绘制方法如下:
若同一类雨型中包括n场次降雨,对这n场次降雨的降雨时程分布中同一降雨时段的每小时降雨量占总降雨量的百分比求平均值,以所得平均值为横坐标、降雨时程为纵坐标绘图,即得平均降雨时程分布图;
(3)以步骤(2)绘制的各类雨型的平均降雨时程分布图为基础,采用水位流量反推法分别计算各类雨型的临界场次降雨量I临;
(4)确定各类雨型发出立即转移的预警指标
①对于A型、B型和C型雨对应的暴雨山洪洪水陡涨致灾,发出立即转移的预警指标如式(I)所示:
it≥i立即且∑Pt>∑P立即 (I)
式(I)中,i立即=min(iA,iB,iC),∑P立即=max(∑PA,∑PB,∑PC);iA,iB和iC分别为A型、B型和C型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h,∑PA,∑PB和∑PC分别为A型、B型和C型雨在降雨总量为0.9I临时的最大1h累积雨量,单位为mm;it为实际降雨在t时刻的时段降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm;
②对于D型和E型雨对应的暴雨山洪洪水陡涨致灾,发出立即转移的预警指标如式(II)所示:
∑Pt>∑P立即且itmax≥i立即 (II)
式(II)中,∑P立即=max(∑P′D,∑P′E),i立即=min(iD,iE);∑P′D和∑P′E分别为D型和E型雨在降雨总量为0.9I临时对应的洪水在洪峰时的累积雨量,单位为mm,iD和iE分别为D型和E型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h;itmax为实际降雨在t时刻以前的最大降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm;
③对于D型和E型雨对应的暴雨山洪洪水起涨致灾,发出立即转移的预警指标如式(III)所示:
∑Pt≥∑P立即且itmax<i立即 (III)
式(III)中,∑P立即=min(∑P″D,∑P″E),i立即=min(iD,iE);∑P″D和∑P″E分别为D型和E型雨在降雨总量为kI临时对应的洪水在成灾流量时的累积雨量,单位为mm,k的取值应使D型和E型雨在降雨总量为kI临时对应的洪水在雨峰来临前恰好达到成灾流量,iD和iE分别为D型和E型雨在降雨总量为I临时的时段最大降雨强度,单位为mm/h;itmax为实际降雨在t时刻以前的最大降雨强度,单位为mm/h,∑Pt为实际降雨在t时刻的累积雨量,单位为mm;
(5)当目标河段的上游发生强降雨后,实时监测降雨过程,以开始降雨时刻为起点,当出现满足上述式(I)~(III)之一的情况时,判断洪水是否处于上涨状态,若洪水处于上涨状态,则发布立即转移预警,若洪水处于退水状态,则持续监测降雨过程;在持续监测降雨的过程中,若再次出现满足上述式(I)~(III)之一的情况且洪水处于上涨状态时,发出立即转移预警。
2.根据权利要求1所述基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,其特征在于,临界场次降雨量I临的计算方法如下:
①假定某一降雨总量;
②根据平均降雨时程分布图采用水文模型模拟防灾对象控制断面的洪水过程,比较计算的洪峰流量Qp与成灾流量Qdis,若Qp与Qdis的差异小于设定值,则该假设的降雨总量即为临界场次降雨量I临,否则,重新假定降雨总量,采用水文模型模拟防灾对象控制断面的洪水过程,直至Qp与Qdis的差异小于设定值。
5.根据权利要求1至3中任一权利要求所述基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,其特征在于,将降雨时程分布图的横坐标平均分成5段,按照降雨时程分布图从左至右的方向,将雨峰位于第1~5段对应的雨型依次记作A型、B型、C型、D型和E型雨。
6.根据权利要求1至3中任一权利要求所述基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,其特征在于,当步骤(1)的目标河段无历史降雨资料时,步骤(2)以根据天气预报预告的降水量随时间的变化曲线确定雨型并绘制降雨时程分布图,以该降雨时程分布图替代平均降雨时程分布图。
7.根据权利要求1至3中任一权利要求所述基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,其特征在于,所述陡涨致灾是指暴雨山洪洪水在陡涨阶段达到成灾流量,所述起涨致灾是指暴雨山洪洪水在起涨阶段达到成灾流量。
8.根据权利要求1至3中任一权利要求所述基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法,其特征在于,若历史场次降雨中只包括A型、B型、C型、D型和E型雨中的1~4种,则步骤(4)在确定i立即和∑P立即时应舍弃掉未出现的雨型的时段最大降雨强度数据和累积雨量数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110562878.4A CN113298305B (zh) | 2021-05-24 | 2021-05-24 | 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110562878.4A CN113298305B (zh) | 2021-05-24 | 2021-05-24 | 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113298305A CN113298305A (zh) | 2021-08-24 |
CN113298305B true CN113298305B (zh) | 2023-04-07 |
Family
ID=77324048
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110562878.4A Active CN113298305B (zh) | 2021-05-24 | 2021-05-24 | 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113298305B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114783149A (zh) * | 2022-03-31 | 2022-07-22 | 北京智想北斗技术有限公司 | 一种基于大数据和图像识别的地质灾害监测预警方法 |
CN114821974A (zh) * | 2022-05-06 | 2022-07-29 | 雷浩伟 | 一种偏僻山区用暴雨预警监测方法及系统 |
CN114994804B (zh) * | 2022-05-26 | 2023-08-22 | 郑州大学 | 一种城市降雨内涝分级预警方法 |
CN115188163B (zh) * | 2022-07-08 | 2023-08-29 | 黄河勘测规划设计研究院有限公司 | 一种基于暴雨与洪水相似性的洪水预警方法及系统 |
CN116070955B (zh) * | 2023-02-13 | 2023-07-04 | 中国水利水电科学研究院 | 一种用于山洪沟流域的区域可能最大降雨确定方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3104314A1 (de) * | 2015-06-10 | 2016-12-14 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | System und verfahren zur warnung vor lokalen hochwasserereignissen |
CN108304967A (zh) * | 2018-01-18 | 2018-07-20 | 长江水利委员会水文局 | 降雨-流量-水位耦合插值求解山洪灾害临界雨量的方法 |
CN108446436A (zh) * | 2018-02-08 | 2018-08-24 | 广州地理研究所 | 暴雨洪水非线性模型雨水损失参数的空间分布预警方法 |
CN108647805A (zh) * | 2018-04-03 | 2018-10-12 | 郑州大学 | 一种山洪灾害临界雨量综合检验方法 |
CN109242336A (zh) * | 2018-09-28 | 2019-01-18 | 郑州大学 | 多情景模式下山洪灾害临界雨量预警方法 |
CN109902395A (zh) * | 2019-03-04 | 2019-06-18 | 四川大学 | 基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法 |
CN112329257A (zh) * | 2020-11-19 | 2021-02-05 | 四川大学 | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI451336B (zh) * | 2011-12-20 | 2014-09-01 | Univ Nat Cheng Kung | 預測模型之建模樣本的篩選方法及其電腦程式產品 |
-
2021
- 2021-05-24 CN CN202110562878.4A patent/CN113298305B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3104314A1 (de) * | 2015-06-10 | 2016-12-14 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | System und verfahren zur warnung vor lokalen hochwasserereignissen |
CN108304967A (zh) * | 2018-01-18 | 2018-07-20 | 长江水利委员会水文局 | 降雨-流量-水位耦合插值求解山洪灾害临界雨量的方法 |
CN108446436A (zh) * | 2018-02-08 | 2018-08-24 | 广州地理研究所 | 暴雨洪水非线性模型雨水损失参数的空间分布预警方法 |
CN108647805A (zh) * | 2018-04-03 | 2018-10-12 | 郑州大学 | 一种山洪灾害临界雨量综合检验方法 |
CN109242336A (zh) * | 2018-09-28 | 2019-01-18 | 郑州大学 | 多情景模式下山洪灾害临界雨量预警方法 |
CN109902395A (zh) * | 2019-03-04 | 2019-06-18 | 四川大学 | 基于山区小流域降雨径流响应的实时累积雨量暴雨山洪预警方法 |
CN112329257A (zh) * | 2020-11-19 | 2021-02-05 | 四川大学 | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113298305A (zh) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113298305B (zh) | 基于不同降雨时程特征的双阈值暴雨山洪洪水灾害预警方法 | |
CN112329257B (zh) | 适用于山区小流域暴雨山洪洪水预报预警的水文模型分段筛选方法 | |
CN110428586B (zh) | 基于前期降雨和上下游拓扑关系的农村基层洪涝预警方法 | |
CN109242336B (zh) | 多情景模式下山洪灾害临界雨量预警方法 | |
CN112785053A (zh) | 一种预报城市流域洪涝的方法及系统 | |
CN109902395B (zh) | 基于降雨径流响应的实时累积雨量暴雨山洪预警方法 | |
CN117057616B (zh) | 基于数字孪生的水利监测方法及系统 | |
CN107085658B (zh) | 一种山洪灾害成灾时间确定方法 | |
CN113378484B (zh) | 一种基于机器学习的平原河网地区洪水过程预报方法 | |
CN110274656A (zh) | 一种城市内河水位预报预警方法 | |
CN106126911B (zh) | 一种考虑潮河水位顶托影响的城市内涝风险评估方法 | |
CN113780657B (zh) | 洪水事件识别方法、装置、计算机设备和存储介质 | |
CN112528563A (zh) | 一种基于svm算法的城市内涝预警方法 | |
CN101929140A (zh) | 非平原城市排洪规划设计方法 | |
CN116434479A (zh) | 一种区域性洪涝灾害等级预测预警方法及系统 | |
CN109118721A (zh) | 基于临界雨量推求复合预警指标的方法、装置及预警方法 | |
CN116070793B (zh) | 一种基于数据处理的水文灾害预测系统 | |
CN109975892B (zh) | 一种寒潮天气500hPa环流形势的自动识别方法 | |
CN115830460B (zh) | 一种用于河道防汛的实时监控方法及系统 | |
CN116737989A (zh) | 一种基于视频图像的城市地表水文监测网构建方法 | |
CN115994602A (zh) | 水库汛期水位动态控制方法及水库汛期水位动态控制设备 | |
CN115034543B (zh) | 一种溃坝生命损失动态估算方法 | |
CN103400337A (zh) | 一种小流域山洪灾害预警指标确定方法 | |
CN112183607B (zh) | 一种基于模糊理论的东南沿海地区洪水分类方法 | |
CN112699599A (zh) | 基于bp-geo的洪涝灾害预警方法 |
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 |