CN114792154A - 单沟泥石流预警方法、预警系统 - Google Patents
单沟泥石流预警方法、预警系统 Download PDFInfo
- Publication number
- CN114792154A CN114792154A CN202210153302.7A CN202210153302A CN114792154A CN 114792154 A CN114792154 A CN 114792154A CN 202210153302 A CN202210153302 A CN 202210153302A CN 114792154 A CN114792154 A CN 114792154A
- Authority
- CN
- China
- Prior art keywords
- debris flow
- early warning
- rainfall
- data
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 239000002689 soil Substances 0.000 claims description 56
- 230000006870 function Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 11
- 230000007613 environmental effect Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 239000000126 substance Substances 0.000 claims description 8
- 101000797634 Apis mellifera Chymotrypsin inhibitor Proteins 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000008595 infiltration Effects 0.000 description 8
- 238000001764 infiltration Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000035699 permeability Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 101710154918 Trigger factor Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000013590 bulk material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004927 clay Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000013589 supplement Substances 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
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2477—Temporal data queries
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Physics (AREA)
- Emergency Management (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Fuzzy Systems (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Security & Cryptography (AREA)
- Algebra (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Computational Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Probability & Statistics with Applications (AREA)
- Primary Health Care (AREA)
- Geology (AREA)
- Computational Linguistics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Alarm Systems (AREA)
Abstract
本申请属于地质灾害预警技术领域,具体涉及一种单沟泥石流预警方法、预警系统,其中的方法包括:S10、获取泥石流待预警区域的实时降雨数据,基于所述实时降雨数据确定实时降雨指数;S20、获取所述泥石流待预警区域的地质环境数据,将所述地质环境数据输入到预先建立的泥石流分级预警模型中,得到降雨指数分级预警阈值;其中,所述泥石流分级预警模型是基于历史时期的泥石流发生区域的降雨数据、地质环境数据进行数据拟合建立的;S30、基于所述实时降雨指数和所述降雨指数分级预警阈值进行泥石流分级预警。本申请的预警方法可实现基于地质环境因子对待预警区域的降雨所引发单沟泥石流进行分级预警。
Description
技术领域
本申请属于地质灾害预警技术领域,具体涉及一种单沟泥石流预警方法、预警系统。
背景技术
地形地质条件是泥石流发生的基本条件,降雨是泥石流发生的触发因素,只有两者相辅相成才能爆发泥石流。以往的研究只注重降雨因子的研究,而忽略对地形地质条件的考量,致使多年来泥石流预警以区域预警为主。随着国家对地质灾害防治重视程度的提高,迫切需要提升泥石流预警精细化程度,实现单沟预警。
采用历史泥石流降雨资料统计分析来确定单沟泥石流降雨阈值是行不通的,一方面是泥石流发生记录不足,这是由于世界上除了极少数泥石流沟(云南蒋家沟)为高频泥石流(每年发生10几次)外,绝大多数泥石流偶尔才会发生,泥石流时间间隔可能是数年、数十年或更长,从而导致绝大多数潜在泥石流都缺乏历史泥石流记录资料;另一方面是泥石流地质环境背景(沟道形态、土地利用、植被覆盖等)处在动态变化中,同样的降雨条件在不同的地质环境中对单沟泥石流形成的影响程度是截然不同的。
因此亟需在现有地质环境背景下,基于有限的泥石流样本,分析泥石流地质环境因子与降雨因子的关系,实现基于地质环境因子的泥石流单沟预警。
发明内容
(一)要解决的技术问题
鉴于现有技术的上述缺点、不足,本申请提供一种单沟泥石流预警方法、预警系统。
(二)技术方案
为达到上述目的,本申请采用如下技术方案:
第一方面,本申请实施例提供一种单沟泥石流预警方法,该方法包括:
S10、获取泥石流待预警区域的实时降雨数据,基于所述实时降雨数据确定实时降雨指数;
S20、获取所述泥石流待预警区域的地质环境数据,将所述地质环境数据输入到预先建立的泥石流分级预警模型中,得到降雨指数分级预警阈值;其中,所述泥石流分级预警模型是基于历史时期的泥石流发生区域的降雨数据、地质环境数据进行数据拟合建立的;
S30、基于所述实时降雨指数和所述降雨指数分级预警阈值进行泥石流分级预警。
可选地,所述实时降雨数据包括最大小时雨强和过程降雨量,基于所述实时降雨数据确定实时降雨指数的计算公式为:
RI=(R﹡T)/10000
其中,RI为降雨指数,R为最大小时雨强,T为过程降雨量。
可选地,在步骤S10之前还包括建立所述泥石流分级预警模型,包括:
S01、根据预先收集的历史时期的泥石流发生区域的地质环境数据计算流域紧凑性系数、沟床纵坡降、松散物质率、径流曲线系数;
S02、根据所述流域紧凑性系数、所述沟床纵坡降、所述松散物质率、所述径流曲线系数计算环境因子;根据预先收集的历史时期的泥石流发生区域的降雨数据计算降雨指数;将所述环境因子和所述降雨指数作为待拟合样本数据;
S03、对泥石流发生区域不同泥石流发生概率下的待拟合样本数据进行数据拟合,得到不同泥石流发生概率下的泥石流预警函数,所述泥石流预警函数以环境因子为自变量,以降雨指数为因变量;
S04、基于不同泥石流发生概率确定预警等级,基于所述预警等级和相应的泥石流预警函数建立泥石流分级预警模型。
可选地,所述地质环境数据包括泥石流流域周长,泥石流流域面积、上游高程与下游高程差、沟道长度、泥石流沟道内松散物质面积、泥石流流域种类、土壤湿润程度等级。
可选地,所述流域紧凑性系数F的计算公式为:
其中,P为泥石流流域周长,A为泥石流流域面积。
可选地,所述松散物质率M的计算公式为:
其中,S为泥石流沟道内松散物质面积。
可选地,所述环境因子G的计算公式为:
G=(F﹡J)0.2M0.5CN0.5
其中,F为流域紧凑性系数,J为坡床纵比降,M为松散物源体比率, CN为径流曲线系数。
可选地,所述径流曲线系数的确定方法包括:
确定所述泥石流待预警区域内的土壤类型和每种土壤的径流曲线系数;
当土壤湿润程度等级为II时,查表获得不同土壤类型和质地下的径流曲线系数,若流域内涉及多种土壤或植被条件,将多种土壤的径流曲线系数的面积加权平均值作为所述泥石流待预警区域的径流曲线系数;
当土壤湿润程度等级为I时,按照以下公式换算得到所述泥石流待预警区域的径流曲线系数:
其中,CNAMCI为土壤湿润程度等级为I时的径流曲线系数;CNAMCII为II土壤湿润程度等级为I时的径流曲线系数;
当土壤湿润程度等级为III时,按照以下公式换算得到所述泥石流待预警区域的径流曲线系数:
其中,CNAMCIII为土壤湿润程度等级为III时的径流曲线系数。
可选地,所述土壤湿润程度等级根据所述实时降雨数据进行实时更新。
第二方面,本申请实施例提供一种单钩泥石流预警系统,该系统包括降雨数据采集模块、预警终端;
所述降雨数据采集模块,用于采集待预警区域的实时降雨数据,并将所述实时降雨数据发送至所述预警终端;
所述预警终端,用于接收所述实时降雨数据,并通过如上第一方面任一项所述的单沟泥石流预警方法的步骤进行所述待预警区域的单钩泥石流监测和预警。
可选地,所述预警终端包括:
存储单元,用于存储地质环境数据和泥石流分级预警模型,以及用于存储通过所述泥石流分级预警模型生成的降雨指数分级预警阈值。
(三)有益效果
本申请的有益效果是:本申请提出了一种单沟泥石流预警方法、预警系统,其中的方法包括:S10、获取泥石流待预警区域的实时降雨数据,基于所述实时降雨数据确定实时降雨指数;S20、获取所述泥石流待预警区域的地质环境数据,将所述地质环境数据输入到预先建立的泥石流分级预警模型中,得到降雨指数分级预警阈值;其中,所述泥石流分级预警模型是基于历史时期的泥石流发生区域的降雨数据、地质环境数据进行数据拟合建立的;S30、基于所述实时降雨指数和所述降雨指数分级预警阈值进行泥石流分级预警。本申请的预警方法可实现基于地质环境因子对待预警区域的降雨所引发单沟泥石流进行分级预警。
附图说明
本申请借助于以下附图进行描述:
图1为本申请一个实施例中的单沟泥石流预警方法流程示意图;
图2为本申请一个实施例中的流域地形、流域紧凑性系数与流量曲线示例图;
图3为本申请一个实施例中的降雨指数-地质环境因子预警图;
图4为本申请另一实施例中的预警终端的架构示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。可以理解的是,以下所描述的具体的实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合;为了便于描述,附图中仅示出了与发明相关的部分。
本实施例的执行主体可以是泥石流预警系统,泥石流预警系统可以包括存储器和处理器,在其他一些实施例中执行主体还可以是其他可实现相同或相似功能的电子设备,本实施例对此不加以限制。
图1为本申请一个实施例中的单沟泥石流预警方法流程示意图,如图1所示,本实施例的单沟泥石流预警方法包括:
S10、获取泥石流待预警区域的实时降雨数据,基于所述实时降雨数据确定实时降雨指数;
S20、获取所述泥石流待预警区域的地质环境数据,将所述地质环境数据输入到预先建立的泥石流分级预警模型中,得到降雨指数分级预警阈值;其中,所述泥石流分级预警模型是基于历史时期的泥石流发生区域的降雨数据、地质环境数据进行数据拟合建立的;
S30、基于所述实时降雨指数和所述降雨指数分级预警阈值进行泥石流分级预警。
本申请的预警方法建立了以地质环境因子和降雨指数为预警指标的泥石流分级预警模型,在泥石流沟地质环境因子确定的情况下,计算出泥石流分级预警阈值,从而可实现基于地质环境因子对待预警区域的降雨所引发单沟泥石流进行分级预警。
为了更好地理解本发明,以下对本实施例中的各步骤进行展开说明。
本实施例中,所述实时降雨数据包括最大小时雨强和过程降雨量,基于所述实时降雨数据确定实时降雨指数的计算公式如公式(1):
RI=(R﹡T)/10000 (1)
其中,RI为降雨指数,R为最大小时雨强,T为过程降雨量。
最大小时雨强R是降雨过程中的最大小时降雨量,单位为mm/h,过程降雨量T是当次降雨过程的累积降雨量,单位为mm。
本实施例中,在步骤S10之前还包括建立所述泥石流分级预警模型,包括:
S01、根据预先收集的历史时期的泥石流发生区域的地质环境数据计算流域紧凑性系数、沟床纵坡降、松散物质率、径流曲线系数;
S02、根据所述流域紧凑性系数、所述沟床纵坡降、所述松散物质率、所述径流曲线系数计算环境因子;根据预先收集的历史时期的泥石流发生区域的降雨数据计算降雨指数;将所述环境因子和所述降雨指数作为待拟合样本数据;
S03、对泥石流发生区域不同泥石流发生概率下的待拟合样本数据进行数据拟合,得到不同泥石流发生概率下的泥石流预警函数,所述泥石流预警函数以环境因子为自变量,以降雨指数为因变量;
S04、基于不同泥石流发生概率确定预警等级,基于所述预警等级和相应的泥石流预警函数建立泥石流分级预警模型。
具体地,S01中的地质环境数据包括泥石流流域周长,泥石流流域面积、上游高程与下游高程差、沟道长度、泥石流沟道内松散物质面积、泥石流流域种类、土壤湿润程度等级。
本实施例中,通过公式(2)计算流域紧凑性系数F:
其中,P为泥石流流域周长,A为泥石流流域面积。
沟道内水的洪峰流量是促使沟谷型泥石流物源启动的关键因素,而洪峰流量的大小与流域紧凑性息息相关。图2为本申请一个实施例中的流域地形、流域紧凑性系数与流量曲线示例图,图2中(a)和(b)分别为狭长形与紧凑形流域地形示例图,(c)为流域紧凑性系数与流量曲线示例图,如图2所示,当流域紧凑性系数较小时,流域形状呈狭长形;反之流域形状则呈扁宽形。当流域形状呈狭长形时,汇流较为分散,洪峰流量相比扁宽形要小的多。
本实施例中以流域周长和流域面积的关系式定义了流域紧凑性系数,从而能够客观反映流域紧凑性系数带来的流域洪峰流量差异以及对泥石流水动力条件的贡献。
本实施例中,通过公式(3)计算松散物质率M:
其中,S为泥石流沟道内松散物质面积。
流域内松散物质分布面积与该流域面积的百分比,其大小可反映流域内岩层理化性质、地质构造、地下水的多寡、边坡坡度、植被状况等综合条件。
本实施例中首次提出了松散物源体物质比率的定义,从而可综合反映流域内岩层理化性质、地质构造、地下水的多寡、边坡坡度、植被状况等条件。
沟床纵坡降是指泥石流流域高差与沟道长度比值的反正切值,可采用公式(4)计算得到沟床纵坡降J:
其中,H为上游高程与下游高程差,L为沟道长度。
沟道内径流量的大小除了与降雨总量、降雨强度有关外,还和流域土壤饱和程度或前期影响雨量指数密切相关.当土壤较干时,降水下渗大,产生地表径流则小;反之,如果土壤较湿,降水入渗少,易形成地表径流。径流曲线系数是描述不同土壤-土地利用类型组合来表示地表产流能力的综合指标,其值大小依赖于前期土壤湿度、土地利用方式和土壤质地三个变量的一个无量纲参数。
本实施例中,径流曲线系数的确定方法包括:
确定所述泥石流待预警区域内的土壤类型和每种土壤的径流曲线系数;
当土壤湿润程度等级为II时,查表获得不同土壤类型和质地下的径流曲线系数,若流域内涉及多种土壤或植被条件,将多种土壤的径流曲线系数的面积加权平均值作为所述泥石流待预警区域的径流曲线系数;
当土壤湿润程度等级为I时,按照公式(5)换算得到所述泥石流待预警区域的径流曲线系数:
其中,CNAMCI为土壤湿润程度等级为I时的径流曲线系数;CNAMCII为II土壤湿润程度等级为I时的径流曲线系数;
当土壤湿润程度等级为III时,按照公式(6)换算得到所述泥石流待预警区域的径流曲线系数:
其中,CNAMCIII为土壤湿润程度等级为III时的径流曲线系数。
根据土壤性质,把土壤类型分为A,B,C,D四类,称为土壤水文分组,表1为土壤质地分组一览表。
表1
如表1所示,砂土、砾石、沙壤土这一类土壤,孔隙率高,透水性好,则下渗能力强,水分下渗速度快,使得产流形成的速度减小;像轻壤土、重粘土这种粘性很高的土壤或者不透水地面,透水性能差,降雨后甚至出现不下渗而直接产流的情况,导致形成的地表径流变大。
不同土地利用下降雨入渗差异性较大,表2为不同土地利用及土壤质地下径流曲线系数CN取值一览表,表3为前期土壤湿度程度等级划分表,当流域内有多种土地利用时,CN取平均值,且此处CN值为前期土壤湿润程度等级为II时对应值,在湿润等级为I和III时,按照公式(5) 和公式(6)进行换算。
表2
注:水文条件由不同类型的植被覆盖度确定。较差表示植被覆盖度较低,环境因素倾向削弱入渗、增加径流;较好表示植被覆盖度较高,环境因素倾向增加入渗、减少径流。
表3
前期土壤湿润程度等级 | 饱和度/% |
AMCI | 0-50% |
AMCⅡ | 50-80% |
AMCⅢ | 80-100% |
本实施例中,由于引入了径流曲线参数,从而可综合反映土地利用、土壤质地、前期降雨量或土壤饱和程度对泥石流发生的贡献。
可选地,土壤湿润程度等级根据所述实时降雨数据进行实时更新。
由于模型考虑了前期土壤饱和程度对预警阈值的影响,从而可以实现同一条泥石流沟的动态预警。
本实施例中,通过公式(7)计算环境因子G:
G=(F﹡J)0.2M0.5CN0.5 (7)
其中,F为流域紧凑性系数,J为坡床纵比降,M为松散物源体比率, CN为径流曲线系数。
S02中,降雨指数可通过公式(1)计算得到,将根据每次采集数据计算得到降雨指数和相应的环境因子作为一个待拟合样本数据。
以下以2016年以来北京山区监测泥石流沟道的最大过程降雨量和最大小时雨强,并结合泥石流精细调查的地质环境及物源数据,对泥石流分级预警模型建立过程进行说明。
首先将样本数据划分为发生和不发生的泥石流样本,共138个数据样本,表4为部分泥石流样本一览表。
表4
通过对采集样本的综合分析,建立环境因子和降雨指数表达式,具体表达式可参见公式(1)和(7)。
S03中,基于泥石流的发生情况,将待拟合样本数据分为多个不同样本集,每个样本集中泥石流发生概率不同,对每个样本集中的待拟合样本数据进行数据拟合,可选地,可以采用指数函数对数据进行拟合,得到多个拟合曲线。每个拟合曲线对应不同的预警级别。
图3为本申请一个实施例中的降雨指数-地质环境因子预警图,根据泥石流预警级别(蓝、黄、橙、红)建立如图3所示泥石流分级预警模型图,在已知泥石流沟环境因子的情况下,可根据雨量监测实时获取其降雨指数,从而当降雨指数超过分级预警阈值时可进行泥石流分级预警。
以下对本实施例建立的泥石流分级预警模型的验证进行说明。表5 为模型验证一览表,如表5所示,选取不在样本库中的两天泥石流沟作为样本,进行预警模型的验证。
表5
结果表明,受地质环境因子差异的影响,南窖沟、艾洼沟降雨指数的红色预警值分别为2.84和1.36,而两条泥石流发生之日降雨指数分别达到了2.87和1.44,均超过了红色预警阈值,预示着发生泥石流的风险很大,这与南窖沟2012年、艾洼沟2016年均发生了泥石流的野外调查结果相符,说明该预警模型具有一定的可靠性。
本实施例基于泥石流流域特征、物源特征以及前期降雨特征为地质环境因素,建立了泥石流沟地质环境因子表达式,以最大小时雨强和场次降雨为降雨因子,建立了降雨指数表达式,选择的因子为对泥石流贡献大的主要因子,且因子间相关性低、独立性强,因子易获得、可量化,便于保证了模型的精确性和可靠性。
在此基础上,通过历史泥石流样本的综合分析,建立了以地质环境因子和降雨指数为预警指标的泥石流预警模型,该模型可实现泥石流单沟预警,即在泥石流沟地质环境因子确定的情况下,计算出泥石流分级预警阈值。
本申请第二方面通过另一实施例提供了单钩泥石流预警系统,该系统包括降雨数据采集模块、预警终端;
降雨数据采集模块,用于采集待预警区域的实时降雨数据,并将实时降雨数据发送至预警终端;
预警终端,用于接收实时降雨数据,并通过如上第一方面任一项所述的单沟泥石流预警方法的步骤进行待预警区域的单钩泥石流监测和预警。
可选地,预警终端包括:
存储单元,用于存储地质环境数据和泥石流分级预警模型,以及用于存储通过泥石流分级预警模型生成的降雨指数分级预警阈值。
图4为本申请另一实施例中的预警终端的架构示意图。
图4所示的预警终端可包括:至少一个处理器101、至少一个存储器 102、至少一个网络接口104和其他的用户接口103。预警终端中的各个组件通过总线系统105耦合在一起。可理解,总线系统105用于实现这些组件之间的连接通信。总线系统105除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图4中将各种总线都标为总线系统105。
其中,用户接口103可以包括显示器、键盘或者点击设备(例如,鼠标,轨迹球(trackball))或者触感板等。
可以理解,本实施例中的存储器102可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器 (ProgrammableROM,PROM)、可擦除可编程只读存储器(ErasablePROM, EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory, RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(StaticRAM,SRAM)、动态随机存取存储器(DynamicRAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器 (DoubleDataRateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器 (SynchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM,DRRAM)。本文描述的存储器102旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器102存储了如下的元素,可执行单元或者数据结构,或者他们的子集,或者他们的扩展集:操作系统1021和应用程序1022。
其中,操作系统1021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序1022,包含各种应用程序,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序1022中。
在本发明实施例中,处理器101通过调用存储器102存储的程序或指令,具体的,可以是应用程序1022中存储的程序或指令,处理器101 用于执行第一方面所提供的方法步骤。
上述本发明实施例揭示的方法可以应用于处理器101中,或者由处理器101实现。处理器101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器101可以是通用处理器、数字信号处理器、专用集成电路、现成可编程门阵列或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件单元组合执行完成。软件单元可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器102,处理器101读取存储器102中的信息,结合其硬件完成上述方法的步骤。
另外,结合上述实施例中的单沟泥石流预警方法,本发明实施例可提供一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如上方法实施例中的任意一种单沟泥石流预警方法。
应当注意的是,在权利要求中,不应将位于括号之间的任何附图标记理解成对权利要求的限制。词语“包含”不排除存在未列在权利要求中的部件或步骤。位于部件之前的词语“一”或“一个”不排除存在多个这样的部件。本发明可以借助于包括有若干不同部件的硬件以及借助于适当编程的计算机来实现。词语第一、第二、第三等的使用,仅是为了表述方便,而不表示任何顺序。可将这些词语理解为部件名称的一部分。
此外,需要说明的是,在本说明书的描述中,术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述,是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
尽管已描述了本发明的优选实施例,但本领域的技术人员在得知了基本创造性概念后,则可对这些实施例作出另外的变更和修改。所以,权利要求应该解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然,本领域的技术人员可以对本发明进行各种修改和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也应该包含这些修改和变型在内。
Claims (10)
1.一种单沟泥石流预警方法,其特征在于,该方法包括:
S10、获取泥石流待预警区域的实时降雨数据,基于所述实时降雨数据确定实时降雨指数;
S20、获取所述泥石流待预警区域的地质环境数据,将所述地质环境数据输入到预先建立的泥石流分级预警模型中,得到降雨指数分级预警阈值;其中,所述泥石流分级预警模型是基于历史时期的泥石流发生区域的降雨数据、地质环境数据进行数据拟合建立的;
S30、基于所述实时降雨指数和所述降雨指数分级预警阈值进行泥石流分级预警。
2.根据权利要求1所述的单沟泥石流预警方法,其特征在于,所述实时降雨数据包括最大小时雨强和过程降雨量,基于所述实时降雨数据确定实时降雨指数的计算公式为:
RI=(R﹡T)/10000
其中,RI为降雨指数,R为最大小时雨强,T为过程降雨量。
3.根据权利要求1所述的单沟泥石流预警方法,其特征在于,在步骤S10之前还包括建立所述泥石流分级预警模型,包括:
S01、根据预先收集的历史时期的泥石流发生区域的地质环境数据计算流域紧凑性系数、沟床纵坡降、松散物质率、径流曲线系数;
S02、根据所述流域紧凑性系数、所述沟床纵坡降、所述松散物质率、所述径流曲线系数计算环境因子;根据预先收集的历史时期的泥石流发生区域的降雨数据计算降雨指数;将所述环境因子和所述降雨指数作为待拟合样本数据;
S03、对泥石流发生区域不同泥石流发生概率下的待拟合样本数据进行数据拟合,得到不同泥石流发生概率下的泥石流预警函数,所述泥石流预警函数以环境因子为自变量,以降雨指数为因变量;
S04、基于不同泥石流发生概率确定预警等级,基于所述预警等级和相应的泥石流预警函数建立泥石流分级预警模型。
4.根据权利要求3所述的单沟泥石流预警方法,其特征在于,所述地质环境数据包括泥石流流域周长,泥石流流域面积、上游高程与下游高程差、沟道长度、泥石流沟道内松散物质面积、泥石流流域种类、土壤湿润程度等级。
6.根据权利要求4所述的单沟泥石流预警方法,其特征在于,所述环境因子G的计算公式为:
G=(F﹡J)0.2M0.5CN0.5
其中,F为流域紧凑性系数,J为坡床纵比降,M为松散物源体比率,CN为径流曲线系数。
7.根据权利要求4所述的单沟泥石流预警方法,其特征在于,所述径流曲线系数的确定方法包括:
确定所述泥石流待预警区域内的土壤类型和每种土壤的径流曲线系数;
当土壤湿润程度等级为II时,查表获得不同土壤类型和质地下的径流曲线系数,若流域内涉及多种土壤或植被条件,将多种土壤的径流曲线系数的面积加权平均值作为所述泥石流待预警区域的径流曲线系数;
当土壤湿润程度等级为I时,按照以下公式换算得到所述泥石流待预警区域的径流曲线系数:
其中,CNAMCI为土壤湿润程度等级为I时的径流曲线系数;CNAMCII为II土壤湿润程度等级为I时的径流曲线系数;
当土壤湿润程度等级为III时,按照以下公式换算得到所述泥石流待预警区域的径流曲线系数:
其中,CNAMCIII为土壤湿润程度等级为III时的径流曲线系数。
8.根据权利要求7所述的单沟泥石流预警方法,其特征在于,所述土壤湿润程度等级根据所述实时降雨数据进行实时更新。
9.一种单钩泥石流预警系统,其特征在于,该系统包括降雨数据采集模块、预警终端;
所述降雨数据采集模块,用于采集待预警区域的实时降雨数据,并将所述实时降雨数据发送至所述预警终端;
所述预警终端,用于接收所述实时降雨数据,并通过如上权利要求1至8任一项所述的单沟泥石流预警方法的步骤进行所述待预警区域的单钩泥石流监测和预警。
10.根据权利要求9所述的单钩泥石流预警系统,其特征在于,所述预警终端包括:
存储单元,用于存储地质环境数据和泥石流分级预警模型,以及用于存储通过所述泥石流分级预警模型生成的降雨指数分级预警阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210153302.7A CN114792154A (zh) | 2022-02-18 | 2022-02-18 | 单沟泥石流预警方法、预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210153302.7A CN114792154A (zh) | 2022-02-18 | 2022-02-18 | 单沟泥石流预警方法、预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114792154A true CN114792154A (zh) | 2022-07-26 |
Family
ID=82459985
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210153302.7A Pending CN114792154A (zh) | 2022-02-18 | 2022-02-18 | 单沟泥石流预警方法、预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114792154A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050824A (zh) * | 2022-12-14 | 2023-05-02 | 应急管理部国家自然灾害防治研究院 | 一种复合灾害的态势感知与应急评价方法及系统 |
CN117391438A (zh) * | 2023-10-08 | 2024-01-12 | 广东省科学院广州地理研究所 | 区域性群发性坡面型泥石流风险评价方法、系统和介质 |
CN117540830A (zh) * | 2024-01-05 | 2024-02-09 | 中国地质科学院探矿工艺研究所 | 基于断层分布指数的泥石流易发性预测方法、装置及介质 |
-
2022
- 2022-02-18 CN CN202210153302.7A patent/CN114792154A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116050824A (zh) * | 2022-12-14 | 2023-05-02 | 应急管理部国家自然灾害防治研究院 | 一种复合灾害的态势感知与应急评价方法及系统 |
CN116050824B (zh) * | 2022-12-14 | 2024-04-30 | 应急管理部国家自然灾害防治研究院 | 一种复合灾害的态势感知与应急评价方法及系统 |
CN117391438A (zh) * | 2023-10-08 | 2024-01-12 | 广东省科学院广州地理研究所 | 区域性群发性坡面型泥石流风险评价方法、系统和介质 |
CN117540830A (zh) * | 2024-01-05 | 2024-02-09 | 中国地质科学院探矿工艺研究所 | 基于断层分布指数的泥石流易发性预测方法、装置及介质 |
CN117540830B (zh) * | 2024-01-05 | 2024-04-12 | 中国地质科学院探矿工艺研究所 | 基于断层分布指数的泥石流易发性预测方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dodangeh et al. | Integrated machine learning methods with resampling algorithms for flood susceptibility prediction | |
CN114792154A (zh) | 单沟泥石流预警方法、预警系统 | |
Samanta et al. | Flood susceptibility mapping using geospatial frequency ratio technique: a case study of Subarnarekha River Basin, India | |
Arabameri et al. | Comparative assessment using boosted regression trees, binary logistic regression, frequency ratio and numerical risk factor for gully erosion susceptibility modelling | |
Jaiswal et al. | Watershed prioritization using Saaty’s AHP based decision support for soil conservation measures | |
Kalantari et al. | A method for mapping flood hazard along roads | |
da Silva et al. | Using landscape metrics to analyze micro-scale soil erosion processes | |
Yamani et al. | Mapping of vulnerability of flooded area in arid region. Case study: area of Ghardaïa-Algeria | |
Kim et al. | Key coastal landscape patterns for reducing flood vulnerability | |
Shukla et al. | Evaluating hydrological responses to urbanization in a tropical river basin: A water resources management perspective | |
Mahmoud et al. | Determination of potential runoff coefficient for Al-Baha Region, Saudi Arabia using GIS | |
McCauley et al. | Generating nested wetland catchments with readily-available digital elevation data may improve evaluations of land-use change on wetlands | |
Higgitt | Soil erosion and soil problems | |
Shukla et al. | Assessing the impacts of urbanization on hydrological processes in a semi-arid river basin of Maharashtra, India | |
Youssef et al. | Use of geological and geomorphological parameters in potential suitability assessment for urban planning development at Wadi Al-Asla basin, Jeddah, Kingdom of Saudi Arabia | |
Kaplan et al. | Predicting probabilities of streamflow intermittency across a temperate mesoscale catchment | |
Sharir et al. | Flood susceptibility analysis (FSA) using analytical hierarchy process (AHP) model at The Kg. Kolopis area, Penampang, Sabah, Malaysia | |
Bryndal et al. | How human interference changes the drainage network operating during heavy rainfalls in a medium-high relief flysch mountain catchment? The case study of the Bystrzanka catchment (Outer Carpathians, Poland) | |
Radia et al. | Highlighting drought in the Wadi Lakhdar Watershed Tafna, Northwestern Algeria | |
Drid et al. | Designing gully erosion susceptibility maps (GESM) in the Algerian Eastern Tell: a case study of the K’sob River watershed | |
Wilkinson et al. | A multi-scale nested experiment for understanding flood wave generation across four orders of magnitude of catchment area | |
Shah et al. | Flood susceptibility mapping contributes to disaster risk reduction: A case study in Sindh, Pakistan | |
Avcioglu et al. | Evaluating the slope‐area method to accurately identify stream channel heads in three physiographic regions | |
Javed et al. | Estimation of sediment yield of Govindsagar catchment, Lalitpur district,(UP), India, using remote sensing and GIS techniques | |
Nazif et al. | Dynamic curve numbers: Concept and Application |
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 |