CN113743658A - 基于临界雨量的中小流域地质灾害及洪水预警方法 - Google Patents
基于临界雨量的中小流域地质灾害及洪水预警方法 Download PDFInfo
- Publication number
- CN113743658A CN113743658A CN202110950871.XA CN202110950871A CN113743658A CN 113743658 A CN113743658 A CN 113743658A CN 202110950871 A CN202110950871 A CN 202110950871A CN 113743658 A CN113743658 A CN 113743658A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- early warning
- flood
- warning
- critical
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 155
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 97
- 239000002689 soil Substances 0.000 claims description 93
- 230000008569 process Effects 0.000 claims description 58
- 230000006870 function Effects 0.000 claims description 37
- 238000004364 calculation method Methods 0.000 claims description 21
- 230000004044 response Effects 0.000 claims description 8
- 238000004519 manufacturing process Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 7
- 230000000630 rising effect Effects 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 7
- 238000006424 Flood reaction Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 3
- 230000008901 benefit Effects 0.000 abstract description 2
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 238000007689 inspection Methods 0.000 description 3
- 238000012797 qualification Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012271 agricultural production Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009897 systematic 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
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了基于临界雨量的中小流域地质灾害及洪水预警方法,包括以下步骤:步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;本发明采用的方法指标易于判别,能精确的捕捉中小流域地区的暴雨、大雨等引发的地质灾害事件,预报效果较好,具有较强的实际应用价值,且对当前开展的中小河流洪水易发区水文监测预警及全国山洪灾害防治试点工作具有重要的指导意义,有效的避免了现在的中小流域在遇到汛期时,往往不能够及时的对洪水的高度进行预知的问题。
Description
技术领域
本发明属于地质灾害及洪水预警技术领域,具体涉及基于临界雨量的中小流域地质灾害及洪水预警方法。
背景技术
地质灾害是指在自然或者人为因素的作用下形成的,对人类生命财产造成的损失、对环境造成破坏的地质作用或地质现象。地质灾害在时间和空间上的分布变化规律,既受制于自然环境,又与人类活动有关,往往是人类与自然界相互作用的结果。
山洪是山区中小流域由强降雨引起的突发性洪水,具有突发性和极强的破坏性,威胁着人类的生命和财产安全。我国河流众多,流域面积覆盖面广,中小河流大多分布在城镇和乡村周围,由于缺少系统性的管理,加上近年来极端天气事件增多,突发性暴雨频率增加,我国城乡尤其是重要城镇和农业生产区受山洪灾害损失十分严重。在此背景下,山洪灾害的防治尤为重要。
然而,现在的中小流域在遇到汛期时,往往不能够及时的对洪水的高度进行预知,同时一般的洪水预警方法得到的结果准确性较为有限,不能够提高预警的精准性,往往会给广大人民群众带来巨大的经济损失。
发明内容
本发明要解决的技术问题是克服现有的缺陷,提供基于临界雨量的中小流域地质灾害及洪水预警方法,以解决上述背景技术中提出的现在的中小流域在遇到汛期时,往往不能够及时的对洪水的高度进行预知,同时一般的洪水预警方法得到的结果准确性较为有限,不能够提高预警的精准性,往往会给广大人民群众带来巨大的经济损失的问题。
为实现上述目的,本发明提供如下技术方案:基于临界雨量的中小流域地质灾害及洪水预警方法,包括以下步骤:
步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;
步骤二:土壤含水量饱和度的计算:首先,根据降水和下垫面特征将流域划分为若干个单元,然后,对每个单元分别进行产汇流计算,得到单元流域的出流过程,最后,将其演算至流域出口并进行叠加,即可得到整个流域的出流过程,同时还可输出土壤含水量值;
步骤三:确定动态临界雨量指标:以6h雨量为例,针对历史洪水资料,计算前24h内的最大6h累计雨量,以及该6h最大雨量发生之前的土壤饱和度,根据洪水过程是否超过警戒流量,将洪水过程划分为超警和未超警两大类,并采用基于最小均方差准则的W-H(Widrow-Hoff)算法对两大类洪水过程中的土壤含水量饱和度和最大6h累计雨量组合进行分类;
步骤四:根据函数计算是否进行山洪预警:利用动态临界雨量山洪预警判别函数,根据不同土壤含水量饱和度,计算6h山洪临界雨量,若6h降雨量超过临界雨量,则进行山洪预警;
步骤五:观察动态临界雨量预警判别函数可知,随着时间尺度的增大,斜率逐渐增大,说明时间尺度越大,临界雨量受土壤含水量的影响越大,随着时间尺度的增加,以同一土壤含水量为初始条件,必须有更多的时段总降水量,才能在有限的时间和空间内堆积足够多的水量,满足山洪暴发的条件,这符合流域产汇流规律和实际情况;
步骤六:选取历史供水进行独立性检验。
优选的,所述步骤一中,面雨量是指一次降雨的过程中,整个流域面上的平均累计降雨量的数值。
优选的,所述步骤一中,流域的平均降雨量的计算公式如下所示:
其中,wi为流域内各雨量站权重;Pi为流域内各雨量站的时段降雨量,单位为mm,n为流域内雨量站的个数。
优选的,所述步骤二中,土壤含水量饱和度计算公式为:
土壤含水量饱和度=wmi/WM。
优选的,所述步骤三中,具体分类方式如下:首先确定不同土壤含水量饱和度和最大6h累计雨量组合对应的流量是否超过警戒流量,随后以流量是否超过警戒流域为标准,将不同的土壤含水量饱和度和最大6h累计雨量组合划分为超警和未超警两大类(即二元分类问题),采用W-H方法,以最小均方差为准则,对上述中的二元分类问题进行线性划分,建立动态临界雨量与土壤含水量饱和度的线性关系模型,以此作为山洪预警动态临界雨量判别函数。
优选的,所述步骤四中,同样的,通过对12和24h的累计雨量及其对应的土壤含水量饱和度的分析,得到12和24h这两种时间尺度的动态临界雨量山洪预警判别函数。
优选的,所述步骤四中,在进行山洪预警前,考虑预警地区所处河段河谷形态、洪水上涨速率、预警响应时间和站点位置等因素,在临界雨量的基础上综合确定告知性、警戒性和紧急性预警指标,从而将山洪灾害对人民群众生命财产的危害降到最低。
优选的,所述步骤六中,为了进行独立性检验,从2010-2020年洪水资料中选取了5场历史洪水进行应用检验。
优选的,所述步骤六中,首先分析每场洪水流量过程线和降雨量,从降雨开始的时刻至达到警戒流量(620m3·s-1)的时刻之间任意选择一个时间点作为预警时间,以体现检验的客观性和可信度。
优选的,所述步骤六中根据判别函数,将临界雨量与降雨量进行比较,作出是否进行山洪预警判断,根据实际流量是否达到警戒流量来检验山洪预警是否正确。
与现有技术相比,本发明提供了基于临界雨量的中小流域地质灾害及洪水预警方法,具备以下有益效果:
1、本发明采用的方法指标易于判别,能精确的捕捉中小流域地区的暴雨、大雨等引发的地质灾害事件,预报效果较好,具有较强的实际应用价值,且对当前开展的中小河流洪水易发区水文监测预警及全国山洪灾害防治试点工作具有重要的指导意义,有效的避免了现在的中小流域在遇到汛期时,往往不能够及时的对洪水的高度进行预知,同时一般的洪水预警方法得到的结果准确性较为有限,不能够提高预警的精准性,往往会给广大人民群众带来巨大的经济损失的问题;
2、本发明通过提出的山洪预警方法是利用土壤含水量饱和度更新预警临界雨量指标,即动态临界雨量指标,克服了传统静态临界雨量方法不考虑前期土壤含水量的局限性,基于临界雨量的山洪预警方法在各个中小流域的应用检验合格率约为80%,总体精度较高;
3、本发明应用于山洪预警是可行的,其技术思路不仅可以为其他地区的山洪预警业务提供参考,而且可以为中小河流山洪灾害气象风险预警业务提供技术支撑,通过综合考虑实况和预报累积降雨量,将其与动态临界雨量指标进行比较,判断是否进行山洪预警,可以有效的延长山洪预警的预见期,增加了居民的安全性;
4、本发明在实际应用中,不仅可以根据降雨实况进行预警判断,也可以在降雨发生前根据降水预报进行预警判断,可以有效的将山洪预报的预见期延长几个小时甚至更长时间,从而可以争取更多的山洪灾害防御应急反应时间,减少居民损失。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制,在附图中:
图1为本发明提出的基于临界雨量的中小流域地质灾害及洪水预警方法的步骤流程图。
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。
实施例一
基于临界雨量的中小流域地质灾害及洪水预警方法,包括以下步骤:
步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;
步骤二:土壤含水量饱和度的计算:首先,根据降水和下垫面特征将流域划分为若干个单元,然后,对每个单元分别进行产汇流计算,得到单元流域的出流过程,最后,将其演算至流域出口并进行叠加,即可得到整个流域的出流过程,同时还可输出土壤含水量值;
步骤三:确定动态临界雨量指标:以6h雨量为例,针对历史洪水资料,计算前24h内的最大6h累计雨量,以及该6h最大雨量发生之前的土壤饱和度,根据洪水过程是否超过警戒流量,将洪水过程划分为超警和未超警两大类,并采用基于最小均方差准则的W-H(Widrow-Hoff)算法对两大类洪水过程中的土壤含水量饱和度和最大6h累计雨量组合进行分类;
步骤四:根据函数计算是否进行山洪预警:利用动态临界雨量山洪预警判别函数,根据不同土壤含水量饱和度,计算6h山洪临界雨量,若6h降雨量超过临界雨量,则进行山洪预警;
步骤五:观察动态临界雨量预警判别函数可知,随着时间尺度的增大,斜率逐渐增大,说明时间尺度越大,临界雨量受土壤含水量的影响越大,随着时间尺度的增加,以同一土壤含水量为初始条件,必须有更多的时段总降水量,才能在有限的时间和空间内堆积足够多的水量,满足山洪暴发的条件,这符合流域产汇流规律和实际情况。
步骤一中,面雨量是指一次降雨的过程中,整个流域面上的平均累计降雨量的数值。
步骤一中,流域的平均降雨量的计算公式如下所示:
其中,wi为流域内各雨量站权重;Pi为流域内各雨量站的时段降雨量,单位为mm,n为流域内雨量站的个数。
步骤二中,土壤含水量饱和度计算公式为:
土壤含水量饱和度=wmi/WM。
步骤三中,具体分类方式如下:首先确定不同土壤含水量饱和度和最大6h累计雨量组合对应的流量是否超过警戒流量,随后以流量是否超过警戒流域为标准,将不同的土壤含水量饱和度和最大6h累计雨量组合划分为超警和未超警两大类(即二元分类问题),采用W-H方法,以最小均方差为准则,对上述中的二元分类问题进行线性划分,建立动态临界雨量与土壤含水量饱和度的线性关系模型,以此作为山洪预警动态临界雨量判别函数。
步骤四中,同样的,通过对12和24h的累计雨量及其对应的土壤含水量饱和度的分析,得到12和24h这两种时间尺度的动态临界雨量山洪预警判别函数。
步骤四中,在进行山洪预警前,考虑预警地区所处河段河谷形态、洪水上涨速率、预警响应时间和站点位置等因素,在临界雨量的基础上综合确定告知性、警戒性和紧急性预警指标,从而将山洪灾害对人民群众生命财产的危害降到最低。
实施例二
基于临界雨量的中小流域地质灾害及洪水预警方法,包括以下步骤:
步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;
步骤二:土壤含水量饱和度的计算:首先,根据降水和下垫面特征将流域划分为若干个单元,然后,对每个单元分别进行产汇流计算,得到单元流域的出流过程,最后,将其演算至流域出口并进行叠加,即可得到整个流域的出流过程,同时还可输出土壤含水量值;
步骤三:确定动态临界雨量指标:以6h雨量为例,针对历史洪水资料,计算前24h内的最大6h累计雨量,以及该6h最大雨量发生之前的土壤饱和度,根据洪水过程是否超过警戒流量,将洪水过程划分为超警和未超警两大类,并采用基于最小均方差准则的W-H(Widrow-Hoff)算法对两大类洪水过程中的土壤含水量饱和度和最大6h累计雨量组合进行分类;
步骤四:根据函数计算是否进行山洪预警:利用动态临界雨量山洪预警判别函数,根据不同土壤含水量饱和度,计算6h山洪临界雨量,若6h降雨量超过临界雨量,则进行山洪预警;
步骤五:观察动态临界雨量预警判别函数可知,随着时间尺度的增大,斜率逐渐增大,说明时间尺度越大,临界雨量受土壤含水量的影响越大,随着时间尺度的增加,以同一土壤含水量为初始条件,必须有更多的时段总降水量,才能在有限的时间和空间内堆积足够多的水量,满足山洪暴发的条件,这符合流域产汇流规律和实际情况。
步骤一中,面雨量是指一次降雨的过程中,整个流域面上的平均累计降雨量的数值。
步骤一中,流域的平均降雨量的计算公式如下所示:
其中,wi为流域内各雨量站权重;Pi为流域内各雨量站的时段降雨量,单位为mm,n为流域内雨量站的个数。
步骤二中,土壤含水量饱和度计算公式为:
土壤含水量饱和度=wmi/WM。
步骤三中,具体分类方式如下:首先确定不同土壤含水量饱和度和最大6h累计雨量组合对应的流量是否超过警戒流量,随后以流量是否超过警戒流域为标准,将不同的土壤含水量饱和度和最大6h累计雨量组合划分为超警和未超警两大类(即二元分类问题),采用W-H方法,以最小均方差为准则,对上述中的二元分类问题进行线性划分,建立动态临界雨量与土壤含水量饱和度的线性关系模型,以此作为山洪预警动态临界雨量判别函数。
步骤四中,同样的,通过对12和24h的累计雨量及其对应的土壤含水量饱和度的分析,得到12和24h这两种时间尺度的动态临界雨量山洪预警判别函数。
步骤四中,在进行山洪预警前,考虑预警地区所处河段河谷形态、洪水上涨速率、预警响应时间和站点位置等因素,在临界雨量的基础上综合确定告知性、警戒性和紧急性预警指标,从而将山洪灾害对人民群众生命财产的危害降到最低。
实施例三
基于临界雨量的中小流域地质灾害及洪水预警方法,包括以下步骤:
步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;
步骤二:土壤含水量饱和度的计算:首先,根据降水和下垫面特征将流域划分为若干个单元,然后,对每个单元分别进行产汇流计算,得到单元流域的出流过程,最后,将其演算至流域出口并进行叠加,即可得到整个流域的出流过程,同时还可输出土壤含水量值;
步骤三:确定动态临界雨量指标:以6h雨量为例,针对历史洪水资料,计算前24h内的最大6h累计雨量,以及该6h最大雨量发生之前的土壤饱和度,根据洪水过程是否超过警戒流量,将洪水过程划分为超警和未超警两大类,并采用基于最小均方差准则的W-H(Widrow-Hoff)算法对两大类洪水过程中的土壤含水量饱和度和最大6h累计雨量组合进行分类;
步骤四:根据函数计算是否进行山洪预警:利用动态临界雨量山洪预警判别函数,根据不同土壤含水量饱和度,计算6h山洪临界雨量,若6h降雨量超过临界雨量,则进行山洪预警;
步骤五:观察动态临界雨量预警判别函数可知,随着时间尺度的增大,斜率逐渐增大,说明时间尺度越大,临界雨量受土壤含水量的影响越大,随着时间尺度的增加,以同一土壤含水量为初始条件,必须有更多的时段总降水量,才能在有限的时间和空间内堆积足够多的水量,满足山洪暴发的条件,这符合流域产汇流规律和实际情况。
步骤一中,面雨量是指一次降雨的过程中,整个流域面上的平均累计降雨量的数值。
步骤一中,流域的平均降雨量的计算公式如下所示:
其中,wi为流域内各雨量站权重;Pi为流域内各雨量站的时段降雨量,单位为mm,n为流域内雨量站的个数。
步骤二中,土壤含水量饱和度计算公式为:
土壤含水量饱和度=wmi/WM。
步骤三中,具体分类方式如下:首先确定不同土壤含水量饱和度和最大6h累计雨量组合对应的流量是否超过警戒流量,随后以流量是否超过警戒流域为标准,将不同的土壤含水量饱和度和最大6h累计雨量组合划分为超警和未超警两大类(即二元分类问题),采用W-H方法,以最小均方差为准则,对上述中的二元分类问题进行线性划分,建立动态临界雨量与土壤含水量饱和度的线性关系模型,以此作为山洪预警动态临界雨量判别函数。
步骤四中,同样的,通过对12和24h的累计雨量及其对应的土壤含水量饱和度的分析,得到12和24h这两种时间尺度的动态临界雨量山洪预警判别函数。
步骤四中,在进行山洪预警前,考虑预警地区所处河段河谷形态、洪水上涨速率、预警响应时间和站点位置等因素,在临界雨量的基础上综合确定告知性、警戒性和紧急性预警指标,从而将山洪灾害对人民群众生命财产的危害降到最低。
实施例四
基于临界雨量的中小流域地质灾害及洪水预警方法,包括以下步骤:
步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;
步骤二:土壤含水量饱和度的计算:首先,根据降水和下垫面特征将流域划分为若干个单元,然后,对每个单元分别进行产汇流计算,得到单元流域的出流过程,最后,将其演算至流域出口并进行叠加,即可得到整个流域的出流过程,同时还可输出土壤含水量值;
步骤三:确定动态临界雨量指标:以6h雨量为例,针对历史洪水资料,计算前24h内的最大6h累计雨量,以及该6h最大雨量发生之前的土壤饱和度,根据洪水过程是否超过警戒流量,将洪水过程划分为超警和未超警两大类,并采用基于最小均方差准则的W-H(Widrow-Hoff)算法对两大类洪水过程中的土壤含水量饱和度和最大6h累计雨量组合进行分类;
步骤四:根据函数计算是否进行山洪预警:利用动态临界雨量山洪预警判别函数,根据不同土壤含水量饱和度,计算6h山洪临界雨量,若6h降雨量超过临界雨量,则进行山洪预警;
步骤五:观察动态临界雨量预警判别函数可知,随着时间尺度的增大,斜率逐渐增大,说明时间尺度越大,临界雨量受土壤含水量的影响越大,随着时间尺度的增加,以同一土壤含水量为初始条件,必须有更多的时段总降水量,才能在有限的时间和空间内堆积足够多的水量,满足山洪暴发的条件,这符合流域产汇流规律和实际情况。
步骤一中,面雨量是指一次降雨的过程中,整个流域面上的平均累计降雨量的数值。
步骤一中,流域的平均降雨量的计算公式如下所示:
其中,wi为流域内各雨量站权重;Pi为流域内各雨量站的时段降雨量,单位为mm,n为流域内雨量站的个数。
步骤二中,土壤含水量饱和度计算公式为:
土壤含水量饱和度=wmi/WM。
步骤三中,具体分类方式如下:首先确定不同土壤含水量饱和度和最大6h累计雨量组合对应的流量是否超过警戒流量,随后以流量是否超过警戒流域为标准,将不同的土壤含水量饱和度和最大6h累计雨量组合划分为超警和未超警两大类(即二元分类问题),采用W-H方法,以最小均方差为准则,对上述中的二元分类问题进行线性划分,建立动态临界雨量与土壤含水量饱和度的线性关系模型,以此作为山洪预警动态临界雨量判别函数。
步骤四中,同样的,通过对12和24h的累计雨量及其对应的土壤含水量饱和度的分析,得到12和24h这两种时间尺度的动态临界雨量山洪预警判别函数。
步骤四中,在进行山洪预警前,考虑预警地区所处河段河谷形态、洪水上涨速率、预警响应时间和站点位置等因素,在临界雨量的基础上综合确定告知性、警戒性和紧急性预警指标,从而将山洪灾害对人民群众生命财产的危害降到最低。
实施例五
基于临界雨量的中小流域地质灾害及洪水预警方法,包括以下步骤:
步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;
步骤二:土壤含水量饱和度的计算:首先,根据降水和下垫面特征将流域划分为若干个单元,然后,对每个单元分别进行产汇流计算,得到单元流域的出流过程,最后,将其演算至流域出口并进行叠加,即可得到整个流域的出流过程,同时还可输出土壤含水量值;
步骤三:确定动态临界雨量指标:以6h雨量为例,针对历史洪水资料,计算前24h内的最大6h累计雨量,以及该6h最大雨量发生之前的土壤饱和度,根据洪水过程是否超过警戒流量,将洪水过程划分为超警和未超警两大类,并采用基于最小均方差准则的W-H(Widrow-Hoff)算法对两大类洪水过程中的土壤含水量饱和度和最大6h累计雨量组合进行分类;
步骤四:根据函数计算是否进行山洪预警:利用动态临界雨量山洪预警判别函数,根据不同土壤含水量饱和度,计算6h山洪临界雨量,若6h降雨量超过临界雨量,则进行山洪预警;
步骤五:观察动态临界雨量预警判别函数可知,随着时间尺度的增大,斜率逐渐增大,说明时间尺度越大,临界雨量受土壤含水量的影响越大,随着时间尺度的增加,以同一土壤含水量为初始条件,必须有更多的时段总降水量,才能在有限的时间和空间内堆积足够多的水量,满足山洪暴发的条件,这符合流域产汇流规律和实际情况。
步骤一中,面雨量是指一次降雨的过程中,整个流域面上的平均累计降雨量的数值。
步骤一中,流域的平均降雨量的计算公式如下所示:
其中,wi为流域内各雨量站权重;Pi为流域内各雨量站的时段降雨量,单位为mm,n为流域内雨量站的个数。
步骤二中,土壤含水量饱和度计算公式为:
土壤含水量饱和度=wmi/WM。
步骤三中,具体分类方式如下:首先确定不同土壤含水量饱和度和最大6h累计雨量组合对应的流量是否超过警戒流量,随后以流量是否超过警戒流域为标准,将不同的土壤含水量饱和度和最大6h累计雨量组合划分为超警和未超警两大类(即二元分类问题),采用W-H方法,以最小均方差为准则,对上述中的二元分类问题进行线性划分,建立动态临界雨量与土壤含水量饱和度的线性关系模型,以此作为山洪预警动态临界雨量判别函数。
步骤四中,同样的,通过对12和24h的累计雨量及其对应的土壤含水量饱和度的分析,得到12和24h这两种时间尺度的动态临界雨量山洪预警判别函数。
步骤四中,在进行山洪预警前,考虑预警地区所处河段河谷形态、洪水上涨速率、预警响应时间和站点位置等因素,在临界雨量的基础上综合确定告知性、警戒性和紧急性预警指标,从而将山洪灾害对人民群众生命财产的危害降到最低。
综上所述,基于动态临界雨量的山洪预警方法在中小流域的应用检验的合格率约为80%,总体的精度较高,应用检验表明,本发明是可行的,不仅可以为其他地区的山洪预警业务提供参考,而且可以为中小河流山洪灾害气象风险预警业务提供技术支撑。
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.基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:包括以下步骤:
步骤一:面雨量的计算:通常采用的方法为算术平均法和泰森多边形法,这里采用泰森多边形法首先计算流域各站的时段降雨量,然后根据每个雨量站所占流域面积的权重,采用加权法对流域各雨量站的时段降雨量进行叠加求得;
步骤二:土壤含水量饱和度的计算:首先,根据降水和下垫面特征将流域划分为若干个单元,然后,对每个单元分别进行产汇流计算,得到单元流域的出流过程,最后,将其演算至流域出口并进行叠加,即可得到整个流域的出流过程,同时还可输出土壤含水量值;
步骤三:确定动态临界雨量指标:以6h雨量为例,针对历史洪水资料,计算前24h内的最大6h累计雨量,以及该6h最大雨量发生之前的土壤饱和度,根据洪水过程是否超过警戒流量,将洪水过程划分为超警和未超警两大类,并采用基于最小均方差准则的W-H(Widrow-Hoff)算法对两大类洪水过程中的土壤含水量饱和度和最大6h累计雨量组合进行分类;
步骤四:根据函数计算是否进行山洪预警:利用动态临界雨量山洪预警判别函数,根据不同土壤含水量饱和度,计算6h山洪临界雨量,若6h降雨量超过临界雨量,则进行山洪预警;
步骤五:观察动态临界雨量预警判别函数可知,随着时间尺度的增大,斜率逐渐增大,说明时间尺度越大,临界雨量受土壤含水量的影响越大,随着时间尺度的增加,以同一土壤含水量为初始条件,必须有更多的时段总降水量,才能在有限的时间和空间内堆积足够多的水量,满足山洪暴发的条件,这符合流域产汇流规律和实际情况;
步骤六:选取历史供水进行独立性检验。
2.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤一中,面雨量是指一次降雨的过程中,整个流域面上的平均累计降雨量的数值。
4.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤二中,土壤含水量饱和度计算公式为:
土壤含水量饱和度=wmi/WM。
5.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤三中,具体分类方式如下:首先确定不同土壤含水量饱和度和最大6h累计雨量组合对应的流量是否超过警戒流量,随后以流量是否超过警戒流域为标准,将不同的土壤含水量饱和度和最大6h累计雨量组合划分为超警和未超警两大类(即二元分类问题),采用W-H方法,以最小均方差为准则,对上述中的二元分类问题进行线性划分,建立动态临界雨量与土壤含水量饱和度的线性关系模型,以此作为山洪预警动态临界雨量判别函数。
6.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤四中,同样的,通过对12和24h的累计雨量及其对应的土壤含水量饱和度的分析,得到12和24h这两种时间尺度的动态临界雨量山洪预警判别函数。
7.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤四中,在进行山洪预警前,考虑预警地区所处河段河谷形态、洪水上涨速率、预警响应时间和站点位置等因素,在临界雨量的基础上综合确定告知性、警戒性和紧急性预警指标,从而将山洪灾害对人民群众生命财产的危害降到最低。
8.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤六中,为了进行独立性检验,从2010-2020年洪水资料中选取了5场历史洪水进行应用检验。
9.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤六中,首先分析每场洪水流量过程线和降雨量,从降雨开始的时刻至达到警戒流量(620m3·s-1)的时刻之间任意选择一个时间点作为预警时间,以体现检验的客观性和可信度。
10.根据权利要求1所述的基于临界雨量的中小流域地质灾害及洪水预警方法,其特征在于:所述步骤六中根据判别函数,将临界雨量与降雨量进行比较,作出是否进行山洪预警判断,根据实际流量是否达到警戒流量来检验山洪预警是否正确。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110950871.XA CN113743658A (zh) | 2021-08-18 | 2021-08-18 | 基于临界雨量的中小流域地质灾害及洪水预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110950871.XA CN113743658A (zh) | 2021-08-18 | 2021-08-18 | 基于临界雨量的中小流域地质灾害及洪水预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113743658A true CN113743658A (zh) | 2021-12-03 |
Family
ID=78731656
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110950871.XA Withdrawn CN113743658A (zh) | 2021-08-18 | 2021-08-18 | 基于临界雨量的中小流域地质灾害及洪水预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113743658A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114548559A (zh) * | 2022-02-23 | 2022-05-27 | 河南省科达水利勘测设计有限公司 | 一种基于前期雨量的山洪灾害动态预警方法 |
CN115249403A (zh) * | 2022-07-27 | 2022-10-28 | 湖北清江水电开发有限责任公司 | 流域梯级电厂水雨情预警系统及预警方法 |
CN116523292A (zh) * | 2023-02-03 | 2023-08-01 | 中国科学院精密测量科学与技术创新研究院 | 基于致污临界雨量的农业面源污染风险动态识别预警方法 |
CN117275186A (zh) * | 2023-10-13 | 2023-12-22 | 国网安徽省电力有限公司电力科学研究院 | 一种基于电网设施周边防灾产汇流模型系统 |
-
2021
- 2021-08-18 CN CN202110950871.XA patent/CN113743658A/zh not_active Withdrawn
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114548559A (zh) * | 2022-02-23 | 2022-05-27 | 河南省科达水利勘测设计有限公司 | 一种基于前期雨量的山洪灾害动态预警方法 |
CN114548559B (zh) * | 2022-02-23 | 2024-04-30 | 河南省科达水利勘测设计有限公司 | 一种基于前期雨量的山洪灾害动态预警方法 |
CN115249403A (zh) * | 2022-07-27 | 2022-10-28 | 湖北清江水电开发有限责任公司 | 流域梯级电厂水雨情预警系统及预警方法 |
CN116523292A (zh) * | 2023-02-03 | 2023-08-01 | 中国科学院精密测量科学与技术创新研究院 | 基于致污临界雨量的农业面源污染风险动态识别预警方法 |
CN117275186A (zh) * | 2023-10-13 | 2023-12-22 | 国网安徽省电力有限公司电力科学研究院 | 一种基于电网设施周边防灾产汇流模型系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113743658A (zh) | 基于临界雨量的中小流域地质灾害及洪水预警方法 | |
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 | |
KR101315121B1 (ko) | 지아이에스 기반의 홍수방어 시스템 및 그 방법 | |
CN104408900A (zh) | 基于动态优化的神经网络洪水预警装置及其方法 | |
CN112506994B (zh) | 一种电力设备洪涝隐患点监测预警方法及相关装置 | |
CN111325947B (zh) | 一种基于长短期记忆网络的风暴潮洪涝预警方法和系统 | |
Miller et al. | A hydrological assessment of the November 2009 floods in Cumbria, UK | |
CN109887241A (zh) | 一种山洪灾害气象预警计算方法及系统 | |
CN112528563B (zh) | 一种基于svm算法的城市内涝预警方法 | |
CN115186858A (zh) | 基于不同影响类型的变电站洪水淹没风险预警方法及系统 | |
Zięba et al. | Built environment challenges due to climate change | |
CN113762796A (zh) | 一种铁路工程设施暴雨洪水动态风险图分析方法 | |
Lai et al. | Waterlogging risk assessment based on self-organizing map (SOM) artificial neural networks: a case study of an urban storm in Beijing | |
Wang et al. | Risk assessment of typhoon disaster chains in the Guangdong–Hong Kong–Macau greater bay area, China | |
CN113919125A (zh) | 一种基于区域产汇流耦合模型系统的防洪预报调度方法 | |
CN110414027A (zh) | 一种适用于洪涝预测系统的数据处理方法 | |
CN117541190A (zh) | 一种山洪灾害的预警方法 | |
Farahat et al. | Developing flash floods inundation maps using remote sensing data, a case study: Wadi AL-Arish, Sinai, Egypt | |
Guo et al. | Risk assessment of typhoon storm surge based on a simulated annealing algorithm and the least squares method: A case study in Guangdong Province, China | |
CN110889185A (zh) | 一种小流域的洪峰流量分析方法及其应用 | |
Gao et al. | Hydrologic Impact of Urbanization on Catchment and River System Downstream from Taihu Lake | |
Mande | Assessing the impact of climate change on the built environment in Kaduna Metropolis and environs | |
Liu et al. | Gale Change and Grading for Power Grid Wind Zone in Jiangsu Province | |
Zhou et al. | Flood submergence simulation and risk analysis based on GIS in plain area | |
Li et al. | Typhoon Risk Analysis Model Based on Poisson-P-III Compound Extreme Value Distribution |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20211203 |