CN115169938A - 一种区域性暴雨灾害风险评估方法 - Google Patents
一种区域性暴雨灾害风险评估方法 Download PDFInfo
- Publication number
- CN115169938A CN115169938A CN202210865211.6A CN202210865211A CN115169938A CN 115169938 A CN115169938 A CN 115169938A CN 202210865211 A CN202210865211 A CN 202210865211A CN 115169938 A CN115169938 A CN 115169938A
- Authority
- CN
- China
- Prior art keywords
- rainstorm
- area
- disaster
- data
- risk
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012502 risk assessment Methods 0.000 title claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 26
- 238000000605 extraction Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 17
- 238000010586 diagram Methods 0.000 claims abstract description 13
- 238000000265 homogenisation Methods 0.000 claims abstract description 6
- 238000013145 classification model Methods 0.000 claims description 23
- 238000012937 correction Methods 0.000 claims description 23
- 239000002689 soil Substances 0.000 claims description 21
- 238000005516 engineering process Methods 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 7
- 238000011160 research Methods 0.000 claims description 5
- 230000005484 gravity Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 238000010521 absorption reaction Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000001915 proofreading effect Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims 2
- 238000012986 modification Methods 0.000 abstract description 4
- 230000004048 modification Effects 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 3
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 230000001932 seasonal 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
- G06Q10/06—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
- 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
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及暴雨灾害预评估技术领域，具体涉及一种区域性暴雨灾害风险评估方法。通过初始获得区域内气象要素和地理信息相关的多样化数据，构建G‑A矢量数据库；进一步应用卫星资料，完成暴雨信息提取，生成暴雨监测图像、暴雨影响范围示意图及面积估算；研究暴雨信息提取技术以及暴雨监测标准同质化与强度的标定方法、静止气象卫星监测暴雨信息提取方法；并通过线性加权进行参数修正的暴雨影响模拟算法进行修正，完善模拟算法，进而通过核心算法公式计算得出指定区域受暴雨灾害影响的风险程度；并建立金字塔构架的暴雨灾害风险预评估等级，便于气象部门和政府相关人员在一定时间内基于暴雨灾害风险评估等级判断，做好统筹安排和防灾救灾的应急措施。
Description
技术领域
本发明涉及暴雨灾害预评估技术领域，具体涉及一种区域性暴雨灾害风险评估方法。
背景技术
近年来，季节性降雨量普遍增高，单位时间内可形成暴雨灾害，严重危害了人们的生命财产安全。暴雨灾害主要有以下特点：a.普遍性与区域性；b.不确定性和可预测性；c.突发紧急性与长久性。暴雨灾害属于极端天气情况，其短时间内降雨量巨大，无论是在城市还是农村，在无法满足及时疏通、排泄的情况，就会危害农作物生长，破坏农业正常生产以及其他产业的正常发展，甚至是危害人类生命健康与安全。随着全球气候变化的不稳定，人类更是肆无忌惮的砍伐树木，破坏植被，极端气候事件增多，暴雨灾害发生频率逐渐增高。我国是一个自然灾害发生频繁的国家，而暴雨灾害则是对整个社会经济发展影响最大的自然灾害之一。因此暴雨灾害已经成为人类社会共同面临和关注的重大问题，暴雨灾害风险评估研究成为当前研究的热点问题，为此我们需要一种区域性暴雨灾害风险评估方法。
发明内容
本发明的目的是提供一种区域性暴雨灾害风险评估方法，以解决暴雨灾害下大范围的受灾影响，为了构建G-A矢量数据库，并通过线性加权进行参数修正的暴雨仿测模型，建立金字塔构架的暴雨灾害风险预评估等级，便于气象部门和政府相关人员做好统筹安排和防灾救灾的应急措施。
本发明的一种区域性暴雨灾害风险评估方法采用如下技术方案：
一种区域性暴雨灾害风险评估方法，该方法包括以下步骤：
S1：数据采集：对指定区域进行灾害数据调查、收集和规整；其中灾害数据包括指定区域内年度雨水量统计、植被分布图册、年度水土流失统计和单次雨后土壤分布统计、水文手册、水文气象资料以及区域内居民周边居住数据统计；
S2：构建G-A矢量数据库：依托步骤S1中获取的大量数据资料和分布走势，根据数据库建立的原则和目标，矢量数据库建立采用ArcGIS Desktop和ArcGIS Server进行数据编辑和存储地图数据，其中，矢量数据库包括文本数据库和统计数据库；文本数据库建立采用txt系统；统计数据库建立采用Excel系统大型数据库管理系统；数据库的建立包括数据分类编码，数据录入、扫描、矢量化、编辑、输出和校对修正等工作；
S3：形成暴雨短时预警模式；进一步应用卫星资料，完成暴雨信息提取，生成暴雨监测图像、暴雨影响范围示意图及面积估算，配合天气图和地表资料，开展暴雨短时预警工作；
S4：提升暴雨信息提取技术：使用卫星遥感资料，研究暴雨信息提取技术以及暴雨监测标准同质化与强度的标定方法、静止气象卫星监测暴雨信息提取方法，利用卫星遥感技术，综合研究暴雨影响范围；
S5:建立暴雨模拟算法的分类模型：基于步骤S1-S4中的暴雨相关统计数据，确定相应区域内的天气图关键区，选择暴雨区域内的气象站的高空、雨量、土壤与植被分布占比与地面土壤硬度要素，建立暴雨模拟算法的分类模型；
S6:对暴雨模拟算法的分类模型进行数据修正：根据地理海拔高度，并通过高程分段计算得到高度修正系数h，1.1＜h＜2；利用遥感技术获取植被覆盖度，并通过植被覆盖面积与单位土壤面积的占比形成植被修正系数z，0.6＜z＜1.3；根据气象站年度统计区域内降雨量的方差值计算降雨修正系数y，0.3＜y＜1；根据区域内居住群众和财产分布占比的修正系数c，0.1＜c＜3；
S7：基于大数据分析并通过算法解析评估：依托对区域内暴雨灾害数据的规整分析，并通过暴雨模拟算法的分类模型的多样化参数的修正系数参与，进而通过核心算法公式得出：
F= 
*h+
其中，F为指定区域在单位时间内受暴雨灾害影响的风险程度；
为指定区域内高
程分段计算的高度线性加权值；
为指定区域内植被的破坏情况线性加权值，其值越大，
该区域内植被易损性越强；
为指定区域内单位时间、一定高度内降雨量和土壤吸收量
的方差情况的线性加权值；
为指定区域内、单位高度中调查的危险范围人口和财产影响
的线性加权值，其值越大，该区域内人口范围和财产比重影响越大；m为暴雨模拟算法的分
类模型中设定的原始权重系数；a为暴雨模拟算法的分类模型中设定的风险系数；
S8:建立金字塔构架的暴雨灾害风险预评估等级：基于步骤S7中的核心算法解析参考值得出：0≤F≤10；其中当0≤F≤3时，该指定区域内的暴雨灾害风险处于低风险区；当3＜F≤5时，该区域内暴雨灾害风险处于较低风险区；当5＜F≤7时，该区域内暴雨灾害风险处于中等风险区；当7＜F≤8.5时，该区域内暴雨灾害风险处于较高风险区；当8.5＜F≤10时，该区域内暴雨灾害风险处于高风险区。
作为优选的技术方案：所述步骤S1中数据采集的方法包括人工采集和卫星遥感技术获取；其中人工采集是工作人员依托图书馆存储的县志、地域图册，并大量走访群众获取相关灾害资料；卫星遥感技术是依托卫星遥感系统拍摄的图像进行地域内相关灾害要素分布的校对和分析处理，通过对近十年来，相关指定区域内主要暴雨过程的卫星云图与天气形势合成分析，分析暴雨产生的冷空气路径，天气形势产生暴雨的动力条件，研究暴雨的影响范围。
进一步作为优选的技术方案：所述步骤S1中灾害数据还包括历史暴雨灾害、地形变化、流域特征变化、涵洞和河道形态变化的地理信息技术基础数据。
作为优选的技术方案：所述步骤S8中建立金字塔构架的暴雨灾害风险预评估等级还依托于暴雨模拟算法的分类模型中气象要素的变化权重值，该变化权重值通过研究区域内单位时间降雨比重等级评价走势图、单位时间的土壤流失率走势图、单位时间的植被损伤面积走势评价图、工作人员分布情况的比重值以及应急救灾能力评价图进行综合叠加分析得出。
本发明的有益效果是：本评估方法通过初始获得区域内气象要素和地理信息相关的多样化数据，构建G-A矢量数据库；进一步应用卫星资料，完成暴雨信息提取，生成暴雨监测图像、暴雨影响范围示意图及面积估算，配合天气图和地表资料，开展暴雨短时预警工作；研究暴雨信息提取技术以及暴雨监测标准同质化与强度的标定方法、静止气象卫星监测暴雨信息提取方法，利用卫星遥感技术，综合研究暴雨影响范围；并通过线性加权进行参数修正的暴雨模拟算法的模型进行修正，完善模拟算法的分类模型，进而通过核心算法公式计算得出指定区域在单位时间内受暴雨灾害影响的风险程度；并建立金字塔构架的暴雨灾害风险预评估等级，便于气象部门和政府相关人员在一定时间内基于暴雨灾害风险评估等级判断，做好统筹安排和防灾救灾的应急措施。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的原理流程框图；
图2为本发明的金字塔构架的暴雨灾害风险预评估等级示意图。
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。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“设置”应做广义理解，例如，可以是固定相连、设置，也可以是可拆卸连接、设置，或一体地连接、设置。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
实施例1：
一种区域性暴雨灾害风险评估方法，该方法包括以下步骤：
S1：数据采集：对指定区域进行灾害数据调查、收集和规整；其中灾害数据包括指定区域内年度雨水量统计、植被分布图册、年度水土流失统计和单次雨后土壤分布统计、水文手册、水文气象资料以及区域内居民周边居住数据统计等气象要素参数和地理信息分布参数。
S2：构建G-A矢量数据库：依托步骤S1中获取的大量数据资料和分布走势，根据数据库建立的原则和目标，矢量数据库建立采用ArcGIS Desktop和ArcGIS Server进行数据编辑和存储地图数据，其中，矢量数据库包括文本数据库和统计数据库；文本数据库建立采用txt系统；统计数据库建立采用Excel系统大型数据库管理系统；数据库的建立包括数据分类编码，数据录入、扫描、矢量化、编辑、输出和校对修正等工作。
S3：形成暴雨预警模式；进一步应用卫星资料，完成暴雨信息提取，生成暴雨监测图像、暴雨影响范围示意图及面积估算，配合天气图和地表资料，开展暴雨预警工作。
S4：提升暴雨信息提取技术：使用卫星遥感资料，研究暴雨信息提取技术以及暴雨监测标准同质化与强度的标定方法、静止气象卫星监测暴雨信息提取方法，利用卫星遥感技术，综合研究暴雨影响范围。
S5:建立暴雨模拟算法的分类模型：基于步骤S1-S4中的暴雨相关统计数据，确定相应区域内的天气图关键区，选择暴雨区域内的气象站的高空、雨量、土壤与植被分布占比与地面土壤硬度要素，建立暴雨模拟算法的分类模型。
S6:对暴雨模拟算法的分类模型进行数据修正：根据地理海拔高度，并通过高程分段计算得到高度修正系数h，1.1＜h＜2；利用遥感技术获取植被覆盖度，并通过植被覆盖面积与单位土壤面积的占比形成植被修正系数z，0.6＜z＜1.3；根据气象站年度统计区域内降雨量的方差值计算降雨修正系数y，0.3＜y＜1；根据区域内居住群众和财产分布占比的修正系数c，0.1＜c＜3。
S7：基于大数据分析并通过算法解析评估：依托对区域内暴雨灾害数据的规整分析，并通过暴雨模拟算法分类模型的多样化参数的修正系数参与，进而通过核心算法公式得出：
F=
*h+
其中，F为指定区域在单位时间内受暴雨灾害影响的风险程度；
为指定区域内高
程分段计算的高度线性加权值；
为指定区域内植被的破坏情况线性加权值，其值越大，
该区域内植被易损性越强；
为指定区域内单位时间、一定高度内降雨量和土壤吸收量
的方差情况的线性加权值；
为指定区域内、单位高度中调查的危险范围人口和财产影响
的线性加权值，其值越大，该区域内人口范围和财产比重影响越大；m为暴雨模拟算法的分
类模型中设定的原始权重系数；a为暴雨模拟算法的分类模型中设定的风险系数。
S8:建立金字塔构架的暴雨灾害风险预评估等级：基于步骤S7中的核心算法解析参考值得出：0≤F≤10；其中当0≤F≤3时，该指定区域内的暴雨灾害风险处于低风险区；当3＜F≤5时，该区域内暴雨灾害风险处于较低风险区；当5＜F≤7时，该区域内暴雨灾害风险处于中等风险区；当7＜F≤8.5时，该区域内暴雨灾害风险处于较高风险区；当8.5＜F≤10时，该区域内暴雨灾害风险处于高风险区。
在本实施例中，步骤S1中数据采集的方法包括人工采集和卫星遥感技术获取；其中人工采集是工作人员依托图书馆存储的县志、地域图册，并大量走访群众获取相关灾害资料；卫星遥感技术是依托卫星遥感系统拍摄的图像进行地域内相关灾害要素分布的校对和分析处理，通过对近十年来，相关指定区域内主要暴雨过程的卫星云图与天气形势合成分析，分析暴雨产生的冷空气路径，天气形势产生暴雨的动力条件，研究暴雨的影响范围。所述步骤S1中灾害数据还包括历史暴雨灾害、地形变化、流域特征变化、涵洞和河道形态变化的地理信息技术基础数据。
在本实施例中，步骤S8中建立金字塔构架的暴雨灾害风险预评估等级还依托于暴雨模拟算法的分类模型中气象要素的变化权重值，该变化权重值通过研究区域内单位时间降雨比重等级评价走势图、单位时间的土壤流失率走势图、单位时间的植被损伤面积走势评价图、工作人员分布情况的比重值以及应急救灾能力评价图进行综合叠加分析得出。
本评估方法通过初始获得区域内气象要素和地理信息相关的多样化数据，构建G-A矢量数据库，进行数据分类编码，数据录入、扫描、矢量化、编辑、输出和校对修正等工作。进一步应用卫星资料，完成暴雨信息提取，生成暴雨监测图像、暴雨影响范围示意图及面积估算，配合天气图和地表资料，开展暴雨短时预警工作。研究暴雨信息提取技术以及暴雨监测标准同质化与强度的标定方法、静止气象卫星监测暴雨信息提取方法，利用卫星遥感技术，综合研究暴雨影响范围；实现对G-A矢量数据库的进一步数据补充和完善，大大提高了该数据库的可参考性和精准预测。并通过线性加权进行参数修正的暴雨模拟算法的分类模型进行修正，完善气象要素和地理信息的暴雨模拟算法模型，进而通过核心算法公式计算得出指定区域在单位时间内受暴雨灾害影响的风险程度；并建立金字塔构架的暴雨灾害风险预评估等级，便于气象部门和政府相关人员在一定时间内基于暴雨灾害风险评估等级判断，做好统筹安排和防灾救灾的应急措施。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种区域性暴雨灾害风险评估方法，其特征在于：该方法包括以下步骤：
S1：数据采集：对指定区域进行灾害数据调查、收集和规整；其中灾害数据包括指定区域内年度雨水量统计、植被分布图册、年度水土流失统计和单次雨后土壤分布统计、水文手册、水文气象资料以及区域内居民周边居住数据统计；
S2：构建G-A矢量数据库：依托步骤S1中获取的大量数据资料和分布走势，根据数据库建立的原则和目标，矢量数据库建立采用ArcGIS Desktop和ArcGIS Server进行数据编辑和存储地图数据，其中，矢量数据库包括文本数据库和统计数据库；文本数据库建立采用txt系统；统计数据库建立采用Excel系统大型数据库管理系统；数据库的建立包括数据分类编码，数据录入、扫描、矢量化、编辑、输出和校对修正等工作；
S3：形成暴雨预警模式；进一步应用卫星资料，完成暴雨信息提取，生成暴雨监测图像、暴雨影响范围示意图及面积估算，配合天气图和地表资料，开展暴雨预警工作；
S4：提升暴雨信息提取技术：使用卫星遥感资料，研究暴雨信息提取技术以及暴雨监测标准同质化与强度的标定方法、静止气象卫星监测暴雨信息提取方法，利用卫星遥感技术，综合研究暴雨影响范围；
S5:建立暴雨影响模拟算法：基于步骤S1-S4中的暴雨相关统计数据，确定相应区域内的天气图关键区，选择暴雨区域内的气象站的高空、雨量、土壤与植被分布占比与地面土壤硬度要素，建立暴雨模拟算法的分类模型；
S6:对暴雨模拟算法的分类模型进行数据修正：根据地理海拔高度，并通过高程分段计算得到高度修正系数h，1.1＜h＜2；利用遥感技术获取植被覆盖度，并通过植被覆盖面积与单位土壤面积的占比形成植被修正系数z，0.6＜z＜1.3；根据气象站年度统计区域内降雨量的方差值计算降雨修正系数y，0.3＜y＜1；根据区域内居住群众和财产分布占比的修正系数c，0.1＜c＜3；
S7：基于大数据分析并通过算法解析评估：依托对区域内暴雨灾害数据的规整分析，并通过暴雨仿测分类模型的多样化参数的修正系数参与，进而通过核心算法公式得出：
F= 
*h+
其中，F为指定区域在单位时间内受暴雨灾害影响的风险程度；
为指定区域内高程分
段计算的高度线性加权值；
为指定区域内植被的破坏情况线性加权值，其值越大，该区
域内植被易损性越强；
为指定区域内单位时间、一定高度内降雨量和土壤吸收量的方
差情况的线性加权值；
为指定区域内、单位高度中调查的危险范围人口和财产影响的线
性加权值，其值越大，该区域内人口范围和财产比重影响越大；m为暴雨模拟算法的分类模
型中设定的原始权重系数；a为暴雨模拟算法的分类模型中设定的风险系数；
S8:建立金字塔构架的暴雨灾害风险预评估等级：基于步骤S7中的核心算法解析参考值得出：0≤F≤10；其中当0≤F≤3时，该指定区域内的暴雨灾害风险处于低风险区；当3＜F≤5时，该区域内暴雨灾害风险处于较低风险区；当5＜F≤7时，该区域内暴雨灾害风险处于中等风险区；当7＜F≤8.5时，该区域内暴雨灾害风险处于较高风险区；当8.5＜F≤10时，该区域内暴雨灾害风险处于高风险区。
2.根据权利要求1所述的一种区域性暴雨灾害风险评估方法，其特征在于：所述步骤S1中数据采集的方法包括人工采集和卫星遥感技术获取；其中人工采集是工作人员依托图书馆存储的县志、地域图册，并大量走访群众获取相关灾害资料；卫星遥感技术是依托卫星遥感系统拍摄的图像进行地域内相关灾害要素分布的校对和分析处理，通过对近十年来，相关指定区域内主要暴雨过程的卫星云图与天气形势合成分析，分析暴雨产生的冷空气路径，天气形势产生暴雨的动力条件，研究暴雨的影响范围。
3.根据权利要求2所述的一种区域性暴雨灾害风险评估方法，其特征在于：所述步骤S1中灾害数据还包括历史暴雨灾害、地形变化、流域特征变化、涵洞和河道形态变化的地理信息技术基础数据。
4.根据权利要求1所述的一种区域性暴雨灾害风险评估方法，其特征在于：所述步骤S8中建立金字塔构架的暴雨灾害风险预评估等级还依托于暴雨模拟算法的分类模型中气象要素的变化权重值，该变化权重值通过研究区域内单位时间降雨比重等级评价走势图、单位时间的土壤流失率走势图、单位时间的植被损伤面积走势评价图、工作人员分布情况的比重值以及应急救灾能力评价图进行综合叠加分析得出。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210865211.6A CN115169938A (zh) | 2022-07-21 | 2022-07-21 | 一种区域性暴雨灾害风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210865211.6A CN115169938A (zh) | 2022-07-21 | 2022-07-21 | 一种区域性暴雨灾害风险评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115169938A true CN115169938A (zh) | 2022-10-11 |
Family
ID=83496227
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210865211.6A Pending CN115169938A (zh) | 2022-07-21 | 2022-07-21 | 一种区域性暴雨灾害风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115169938A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116721517A (zh) * | 2023-08-10 | 2023-09-08 | 福建省气象信息中心(福建省气象档案馆) | 基于天镜的气象数据监测预警方法及装置 |
| CN117473791A (zh) * | 2023-12-22 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理系统 |
| CN117473878A (zh) * | 2023-12-27 | 2024-01-30 | 青岛市生态与农业气象中心(青岛市气候变化中心) | 一种基于静止卫星数据的地闪强度反演方法 |
| CN118114992A (zh) * | 2024-04-28 | 2024-05-31 | 泰安市金土地测绘整理有限公司 | 一种遥感卫星地质灾害预警方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109426906A (zh) * | 2017-08-29 | 2019-03-05 | 北京思湃德信息技术有限公司 | 一种暴雨气象灾害风险评估系统 |
| CN110009158A (zh) * | 2019-04-11 | 2019-07-12 | 中国水利水电科学研究院 | 台风暴雨洪水灾害全生命周期监测方法及系统 |
| CN111638565A (zh) * | 2020-06-09 | 2020-09-08 | 云南电网有限责任公司电力科学研究院 | 一种山区暴雨监测方法 |
| CN113723824A (zh) * | 2021-09-01 | 2021-11-30 | 廊坊市气象局 | 一种暴雨致灾风险评估方法 |
| CN114528672A (zh) * | 2021-12-17 | 2022-05-24 | 水利部南京水利水文自动化研究所 | 基于3s技术的城市水文站网布设方法及系统 |
-
2022
- 2022-07-21 CN CN202210865211.6A patent/CN115169938A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109426906A (zh) * | 2017-08-29 | 2019-03-05 | 北京思湃德信息技术有限公司 | 一种暴雨气象灾害风险评估系统 |
| CN110009158A (zh) * | 2019-04-11 | 2019-07-12 | 中国水利水电科学研究院 | 台风暴雨洪水灾害全生命周期监测方法及系统 |
| CN111638565A (zh) * | 2020-06-09 | 2020-09-08 | 云南电网有限责任公司电力科学研究院 | 一种山区暴雨监测方法 |
| CN113723824A (zh) * | 2021-09-01 | 2021-11-30 | 廊坊市气象局 | 一种暴雨致灾风险评估方法 |
| CN114528672A (zh) * | 2021-12-17 | 2022-05-24 | 水利部南京水利水文自动化研究所 | 基于3s技术的城市水文站网布设方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张利平 等: ""达川区暴雨洪涝灾害风险区划"" * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116721517A (zh) * | 2023-08-10 | 2023-09-08 | 福建省气象信息中心(福建省气象档案馆) | 基于天镜的气象数据监测预警方法及装置 |
| CN116721517B (zh) * | 2023-08-10 | 2023-11-03 | 福建省气象信息中心(福建省气象档案馆) | 基于天镜的气象数据监测预警方法及装置 |
| CN117473791A (zh) * | 2023-12-22 | 2024-01-30 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理系统 |
| CN117473791B (zh) * | 2023-12-22 | 2024-03-29 | 水发科技信息(山东)有限公司 | 一种基于人工智能的公共数据储存管理系统 |
| CN117473878A (zh) * | 2023-12-27 | 2024-01-30 | 青岛市生态与农业气象中心(青岛市气候变化中心) | 一种基于静止卫星数据的地闪强度反演方法 |
| CN117473878B (zh) * | 2023-12-27 | 2024-03-15 | 青岛市生态与农业气象中心(青岛市气候变化中心) | 一种基于静止卫星数据的地闪强度反演方法 |
| CN118114992A (zh) * | 2024-04-28 | 2024-05-31 | 泰安市金土地测绘整理有限公司 | 一种遥感卫星地质灾害预警方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115169938A (zh) | 一种区域性暴雨灾害风险评估方法 | |
| CN106651211B (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
| Zhang et al. | Flood disaster monitoring and evaluation in China | |
| Gourley et al. | Evaluation of tools used for monitoring and forecasting flash floods in the United States | |
| CN111737651B (zh) | 基于多源数据的空间网格化干旱灾情风险评估方法及系统 | |
| CN113222283B (zh) | 一种基于数字孪生的山洪预报预警方法及系统 | |
| CN111897030A (zh) | 一种雷暴预警系统及方法 | |
| Aslam et al. | The spatiotemporal dynamics of urbanisation and local climate: A case study of Islamabad, Pakistan | |
| Vu | Land use based flood hazard analysis for the Mekong Delta | |
| Bai et al. | Spatial-temporal variations of ecological vulnerability in the Tarim River Basin, Northwest China | |
| CN116187752A (zh) | 台风灾害过程精细化风险评估方法 | |
| Royé et al. | Spatial–temporal patterns of cloud-to-ground lightning over the northwest Iberian Peninsula during the period 2010–2015 | |
| Jacobs et al. | Effects of curve number modification on runoff estimation using WSR-88D rainfall data in Texas watersheds | |
| CN111340668B (zh) | 一种台风灾害评估系统 | |
| Lou et al. | Fine assessment of tropical cyclone disasters based on GIS and SVM in Zhejiang Province, China | |
| Chen et al. | Annual landslide risk and effectiveness of risk reduction measures in Shihmen watershed, Taiwan | |
| CN116757357B (zh) | 一种耦合多源遥感信息的土地生态状况评估方法 | |
| Yankey et al. | Small hydropower development potential in the Densu River Basin, Ghana | |
| Koem et al. | Spatial distribution of drought hazard mapping based on AHP and GIS in Kampong Speu Province | |
| CN114898138A (zh) | 一种基于地形地貌及遥感数据进行森林火灾预测的方法 | |
| Sun et al. | Hazard or non-hazard flood: Post analysis for paddy rice, wetland, and other potential non-hazard flood extraction from the VIIRS flood products | |
| Hoque et al. | Modelling tropical cyclone hazards under climate change scenario using geospatial techniques | |
| Böttcher et al. | Guidelines for application of common criteria to identify agricultural areas with natural handicaps | |
| Elsanabary et al. | Rainfall variation over Sinai Peninsula and its teleconnection to El Niño sea surface temperature | |
| Al-Khafaji et al. | Indices-Based Evaluation of Spatiotemporal Distribution of Drought Within Derbendkhan Dam Watershed |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Zhang Fang Inventor after: Meng Handong Inventor after: Zhu Yeyu Inventor after: Lv Rui Inventor after: Wang Fang Inventor after: Guo Jiawen Inventor after: Sun Mengxian Inventor after: Wang Wei Inventor before: Zhang Fang Inventor before: Meng Handong Inventor before: Zhu Yeyu Inventor before: Lv Rui Inventor before: Wang Fang Inventor before: Guo Jiawen Inventor before: Sun Mengxian |
|
| CB03 | Change of inventor or designer information |