CN115423157B - 一种山洪灾害风险动态预警方法及装置 - Google Patents

一种山洪灾害风险动态预警方法及装置 Download PDF

Info

Publication number
CN115423157B
CN115423157B CN202210977802.2A CN202210977802A CN115423157B CN 115423157 B CN115423157 B CN 115423157B CN 202210977802 A CN202210977802 A CN 202210977802A CN 115423157 B CN115423157 B CN 115423157B
Authority
CN
China
Prior art keywords
risk
grid
early warning
disaster
determining
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
Application number
CN202210977802.2A
Other languages
English (en)
Other versions
CN115423157A (zh
Inventor
涂勇
梁东
何秉顺
马强
赵延伟
窦立阳
董睿
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 Tianzhixiang Information Technology Co ltd
China Institute of Water Resources and Hydropower Research
Original Assignee
Beijing Tianzhixiang Information Technology Co ltd
China Institute of Water Resources and Hydropower Research
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 Tianzhixiang Information Technology Co ltd, China Institute of Water Resources and Hydropower Research filed Critical Beijing Tianzhixiang Information Technology Co ltd
Priority to CN202210977802.2A priority Critical patent/CN115423157B/zh
Publication of CN115423157A publication Critical patent/CN115423157A/zh
Application granted granted Critical
Publication of CN115423157B publication Critical patent/CN115423157B/zh
Priority to NL2035271A priority patent/NL2035271A/en
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
    • G06Q10/04—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
    • G06F16/22—Indexing; Data structures therefor; Storage structures
    • G06F16/2228—Indexing structures
    • 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
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • 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
    • 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
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] 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—Systems or methods specially adapted for 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
    • 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
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/08—Insurance
    • 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—Systems or methods specially adapted for 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

Abstract

本申请公开了一种山洪灾害风险动态预警方法及装置，用于延长山洪灾害预警的预见期及提高山洪灾害预警的准确性。本申请方法包括：将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级；根据风险因子确定实时土壤含水量；根据实时土壤含水量确定网格土壤下渗能力；根据风险因子确定致灾因子及致灾因子对应的致灾权重；根据致灾因子及致灾权重确定风险指数；根据风险指数确定不同预警时段及不同风险等级的网格基准指标；根据网格土壤下渗能力及网格基准指标确定风险预警指标；获取数值预报降雨插值，并根据数值预报降雨插值统计不同预警时段的最大降雨量；比较最大降雨量及风险预警指标，确定每个网格在不同预警时段的风险预警等级。

Description

一种山洪灾害风险动态预警方法及装置
技术领域
本申请涉及山洪灾害预报领域，尤其涉及一种山洪灾害风险动态预警方法及装置。
背景技术
山洪灾害是自然灾害中造成人员伤亡的主要灾种，山洪灾害突发性强，破坏力大，且多发生于山丘区，涨洪历时短、流域汇流块、洪水陡涨陡落，因此预报预警难度很大。
目前山洪灾害预警主要包括实测雨量(水位、流量)预警、洪水预报预警、山洪灾害气象预报预警。采用实测雨量预警的难点在于如何科学、合理地确定预警指标，以及如何降低土壤湿度对预警准确性的影响，而采用实测水位和流量更加合理，但是目前能够监测水位和流量的遥测站点较少，不能有效覆盖山丘区；但由于山丘区环境的复杂性和山洪形成的多要素性，雨量和水位等预警指标的分析过程中对土壤含水量考虑不足，导致基于实测数据山洪预警存在精确度不高，预见期过短的问题。洪水预报预警是指通过水文模型以实测和预报的降雨数据为输入条件，对降雨径流过程进行模拟，将降雨数据转化为水位和流量数据进行预警。洪水模拟可以有效延长预警的预见期，但是由于模型参数确定困难，因此预报预警的准确性很难得到保证。山洪灾害气象预报预警是指以气象预报降雨为基础进行预警，预警方式与实测降雨预警类似，其优点是预见期延长，缺点是预警准确度不高。
现有的山洪灾害预警方法均存在预见期短或预警准确性低的问题，导致现有的山洪灾害预警方法不能满足山洪防御工作需要。
发明内容
本申请提供了一种山洪灾害风险动态预警方法及装置，用于延长山洪灾害预警的预见期及提高山洪灾害预警的准确性。
本申请第一方面提供了一种山洪灾害风险动态预警方法，包括：
将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级,所述风险因子为影响所述山洪灾害风险的因素；
根据所述风险因子确定所述每个网格的实时土壤含水量；
根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力；
根据所述风险因子确定致灾因子及所述致灾因子对应的致灾权重，所述致灾因子包括：危险性因子、承灾体因子及易损性因子；
根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数；
根据所述风险指数确定所述每个网格的不同预警时段及不同所述风险等级的网格基准指标；
根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标；
获取所述每个网格的数值预报降雨插值，并根据所述数值预报降雨插值统计所述每个网格在所述不同预警时段的最大降雨量；
比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段的风险预警等级。
可选地，在所述比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段内的风险预警等级之后，所述山洪灾害风险动态预警方法还包括：
将所述风险预警等级与风险实际等级进行对比，得到对比结果；
根据所述对比结果评估风险预警效果。
可选地，在所述根据所述风险因子确定所述每个网格的实时土壤含水量之前，所述山洪灾害动态预警方法还包括：
根据所述风险因子中的土壤类型及平均坡度通过第一公式确定所述每个网格的最大土壤含水量；
所述第一公式为：
wmi＝wm(1-sin ai)0.7；
其中，wmi为第i个网格的最大土壤含水量，wm为根据所述土壤类型确定的最大土壤含水量初值，ai为第i个网格的平均坡度；
所述根据所述风险因子确定所述每个网格的实时土壤含水量包括：
根据所述每个网格的最大土壤含水量确定所述每个网格的实时土壤含水量。
可选地，所述根据所述每个网格的最大土壤含水量确定所述每个网格的实时土壤含水量包括：
根据所述每个网格的最大土壤含水量通过第二公式确定所述每个网格的实时土壤含水量；
所述第二公式为：
Pa，t＝K1(Pt-1+Pa，t-1)；
Figure BDA0003797608600000031
其中，Pa，t为第i个网格的实时土壤含水量、Pt-1为t-1时刻的降雨量、Pa，t-1为t-1时刻的第i个网格的土壤含水量，当Pa，t≥wmi时，取Pa，t＝wmi，wmi为第i个网格的最大土壤含水量、K1为日消退系数、Em为目标气象站每个月的平均日最大蒸散发量。
可选地，所述根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力包括：
根据实时土壤含水量通过第三公式确定所述每个网格的网格土壤下渗能力；
所述第三公式为：
F(Pa，t)＝fc+f0e-μm；
m＝ft+K2Pa，t；
其中，F(Pa，t)为每个网格的网格土壤下渗能力，fc为稳定下渗率、f0为初始下渗率、μ为下渗指数、m为表层土湿、K2为土壤表层厚度与包气带厚度的比值，取值范围为[0，1]、Pa，t为第i个网格的土壤实时含水量、ft为累计下渗量。
可选地，所述根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数包括：
根据所述致灾因子及所述致灾权重通过第四公式确定所述每个网格的风险指数；
所述第四公式为：
Figure BDA0003797608600000032
其中，Risk为风险指数、H为危险性因子、E为承灾体因子、V为易损性因子、Hi为危险性因子的归一化指标、Ej为承灾体因子的归一化指标、VK为易损性因子的归一化指标、m为危险性因子的指标数量、n为承灾体因子的指标数量、l为易损性因子的指标数量、wi为危险性因子的致灾权重、wj为承灾体因子的致灾权重、wk为易损性因子的致灾权重。
可选地，所述根据所述风险指数确定所述每个网格的不同预警时段及不同风险等级的网格基准指标包括：
对所述风险指数Risk进行降序排列，获取所述每个网格的秩iRisk；
根据所述每个网格的秩iRisk确定所述每个网格不同预警时段及不同风险等级的网格基准指标包括：
根据所述每个网格的秩iRisk通过第五公式确定所述每个网格不同预警时段及不同风险等级的网格基准指标；
所述第五公式为：
Figure BDA0003797608600000041
其中，G为风险等级、H为预警时段、N为网格点总数、Hmin(G，H)为风险等级及预警时段的基准指标下限、Hmax(G，H)为风险等级及预警时段的基准指标上限。
可选地，所述根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标包括：
根据所述网格土壤下渗能力及所述网格基准指标通过第六公式确定所述每个网格的风险预警指标；
所述第六公式为：
R′(G，H)＝F(Pa，t)+R(Risk，G，H)；
其中，R′(G，H)为风险预警指标、F(Pa，t)为土壤下渗能力、R(Risk，G，H)为风险预警基准指标、G为风险等级、H为预警时段、Risk为网格风险指数、Pa，t为第i个网格的实时土壤含水量。
可选地，所述获取所述每个网格的数值预报降雨插值包括：
根据气象站点的数值预报降雨插值通过第七公式获取所述每个网格的数值预报降雨插值；
所述第七公式为：
Figure BDA0003797608600000042
其中，Z为每个网格的数值预报降雨插值、Zi(i＝1、2、…n)为气象站点实测的若干个数值预报降雨插值、Di为插值点与第i个气象站点之间的距离、P为距离的幂。
本申请第二方面提供了一种山洪灾害风险动态预警装置，包括：
划分单元，用于将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级,所述风险因子为影响所述山洪灾害风险的因素；
第一确定单元，用于根据所述风险因子确定所述每个网格的实时土壤含水量；
第二确定单元，用于根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力；
第三确定单元，用于根据所述风险因子确定致灾因子及所述致灾因子对应的致灾权重，所述致灾因子包括：危险性因子、承灾体因子及易损性因子；
第四确定单元，用于根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数；
第五确定单元，用于根据所述风险指数确定所述每个网格的不同预警时段及不同所述风险等级的网格基准指标；
第六确定单元，用于根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标；
获取单元，用于获取所述每个网格的数值预报降雨插值，并根据所述数值预报降雨插值统计所述每个网格在所述不同预警时段内的最大降雨量；
比较单元，用于比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段内的风险预警等级。
可选地，所述山洪灾害风险动态预警装置还包括：
对比单元，用于将所述风险预警等级与风险实际等级进行对比，得到对比结果；
评估单元，用于根据所述对比结果评估风险预警效果。
可选地，所述洪灾害风险动态预警装置还包括：
第七确定单元，用于根据所述风险因子中的土壤类型及平均坡度通过第一公式确定所述每个网格的最大土壤含水量；
所述第一公式为：
wmi＝wm(1-sin ai)0.7；
其中，wmi为第i个网格的最大土壤含水量，wm为根据所述土壤类型确定的最大土壤含水量初值，ai为第i个网格的平均坡度；
所述第一确定单元具体用于：
根据所述每个网格的最大土壤含水量确定所述每个网格的实时土壤含水量。
可选地，所述第一确定单元具体用于：
根据所述每个网格的最大土壤含水量通过第二公式确定所述每个网格的实时土壤含水量；
所述第二公式为：
Pa，t＝K1(Pt-1+Pa，t-1)；
Figure BDA0003797608600000061
其中，Pa，t为第i个网格的实时土壤含水量、Pt-1为t-1时刻的降雨量、Pa，t-1为t-1时刻的第i个网格的土壤含水量，当Pa，t≥wmi时，取Pa，t＝wmi，wmi为第i个网格的最大土壤含水量、K1为日消退系数、Em为目标气象站每个月的平均日最大蒸散发量。
可选地，所述第二确定单元具体用于：
根据实时土壤含水量通过第三公式确定所述每个网格的网格土壤下渗能力；
所述第三公式为：
F(Pa，t)＝fc+f0e-μm；
m＝ft+K2Pa，t；
其中，F(Pa，t)为每个网格的网格土壤下渗能力，fc为稳定下渗率、f0为初始下渗率、μ为下渗指数、m为表层土湿、K2为土壤表层厚度与包气带厚度的比值，取值范围为[0，1]、Pa，t为第i个网格的土壤实时含水量、ft为累计下渗量。
可选地，所述第四确定单元具体用于：
根据所述致灾因子及所述致灾权重通过第四公式确定所述每个网格的风险指数；
所述第四公式为：
Figure BDA0003797608600000071
其中，Risk为风险指数、H为危险性因子、E为承灾体因子、V为易损性因子、Hi为危险性因子的归一化指标、Ej为承灾体因子的归一化指标、VK为易损性因子的归一化指标、m为危险性因子的指标数量、n为承灾体因子的指标数量、l为易损性因子的指标数量、wi为危险性因子的致灾权重、wj为承灾体因子的致灾权重、wk为易损性因子的致灾权重。
可选地，所述第五确定单元具体用于：
对所述风险指数Risk进行降序排列，获取所述每个网格的秩iRisk；
根据所述每个网格的秩iRisk确定所述每个网格不同预警时段及不同风险等级的网格基准指标包括：
根据所述每个网格的秩iRisk通过第五公式确定所述每个网格不同预警时段及不同风险等级的网格基准指标；
所述第五公式为：
Figure BDA0003797608600000072
其中，G为风险等级、H为预警时段、N为网格点总数、Hmin(G，H)为风险等级及预警时段的基准指标下限、Hmax(G，H)为风险等级及预警时段的基准指标上限。
可选地，所述第六确定单元具体用于：
根据所述网格土壤下渗能力及所述网格基准指标通过第六公式确定所述每个网格的风险预警指标；
所述第六公式为：
R′(G，H)＝F(Pa，t)+R(Risk，G，H)；
其中，R′(G，H)为风险预警指标、F(Pa，t)为土壤下渗能力、R(Risk，G，H)为风险预警基准指标、G为风险等级、H为预警时段、Risk为网格风险指数、Pa，t为第i个网格的实时土壤含水量。
可选地，所述获取单元具体用于：
根据气象站点的数值预报降雨插值通过第七公式获取所述每个网格的数值预报降雨插值；
所述第七公式为：
Figure BDA0003797608600000073
其中，Z为每个网格的数值预报降雨插值、Zi(i＝1、2、…n)为气象站点实测的若干个数值预报降雨插值、Di为插值点与第i个气象站点之间的距离、P为距离的幂。
本申请第三方面提供了一种山洪灾害风险动态预警装置，所述装置包括：
处理器、存储器、输入输出单元以及总线；
所述处理器与所述存储器、所述输入输出单元以及所述总线相连；
所述存储器保存有程序，所述处理器调用所述程序以执行第一方面以及第一方面中任一项可选的一种山洪灾害风险动态预警方法。
本申请第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行第一方面以及第一方面中任一项可选的一种山洪灾害风险动态预警方法。
从以上技术方案可以看出，本申请具有以下优点：本申请通过每个网格的数值预报降雨插值进行山洪预警，有效延长了山洪灾害预警的预见期，从而可以最大程度地为群众安全转移争取时间，减少人员伤亡和财产损失，并且，在制定风险预警指标时，充分考虑了每个网格的实时土壤含水量以及致灾因子对风险预警指标的影响，有效提高了山洪灾害预警的准确性。
附图说明
为了更清楚地说明本申请中的技术方案，下面将对实施例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申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请提供的一种山洪灾害风险动态预警方法一个实施例流程示意图；
图2为本申请提供的一种山洪灾害风险动态预警方法另一个实施例流程示意图；
图3为本申请提供的一种山洪灾害风险动态预警装置一个实施例结构示意图；
图4为本申请提供的一种山洪灾害风险动态预警装置另一个实施例结构示意图；
图5为本申请提供的一种山洪灾害风险动态预警装置一个实施例结构示意图；
图6为本申请提供的基准指标上下推荐表；
图7为本申请提供的判断矩阵比较量化表。
具体实施方式
本申请提供了一种山洪灾害风险动态预警方法，用于延长山洪灾害预警的预见期及提高山洪灾害预警的准确性。
需要说明的是，本申请提供的一种山洪灾害风险动态预警方法，可以应用于终端，还可以应用于服务器上，例如终端可以是智能手机或电脑、平板电脑、智能电视、智能手表、便携计算机终端也可以是台式计算机等固定终端。为方便阐述，本申请中以终端为执行主体进行举例说明。
请参阅图1，图1为本申请提供的一种山洪灾害风险动态预警方法的一个实施例，该山洪灾害风险动态预警方法包括：
101、终端将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级，风险因子为影响山洪灾害风险的因素；
在本实施例中，终端根据基础数据的密度和分辨率将预警区域均匀划分为若干网格，并以每个网格为风险分析对象，提取每个网格的风险因子及风险等级，该风险为子为影响山洪灾害风险的因素，该风险因子包括：土壤类型、平均坡度、防洪能力、不同频率影响人口及不同时长设计暴雨值；该风险等级包括：蓝色风险等级、黄色风险等级、橙色风险等级及红色风险等级四个风险等级，该基础数据为预警区域的图片或照片。例如：终端根据基础数据的密度和分辨率将预警区域均匀划分为0.05°×0.05°的若干个网格。
102、终端根据风险因子确定每个网格的实时土壤含水量；
在本实施例中，终端根据风险因子中的土壤类型及平均坡度确定每个网格的实时土壤含水量，具体的确定过程将在下一个实施例中进行详细描述，此处不再赘述。
103、终端根据实时土壤含水量确定每个网格的网格土壤下渗能力；
在本实施例中，终端获取每个网格的稳定下渗率、初始下渗率、累计下渗量、下渗指数、表层土湿、土壤表层厚度与包气带厚度的比值，并根据实时土壤含水量及每个网格的稳定下渗率、初始下渗率、累计下渗量、下渗指数、表层土湿、土壤表层厚度与包气带厚度的比值确定每个网格的网格土壤下渗能力。具体的确定过程将在下一个实施例中进行详细描述，此处不再赘述。
104、终端根据风险因子确定致灾因子及致灾因子对应的致灾权重，致灾因子包括：危险性因子、承灾体因子及易损性因子；
在本实施例中，终端根据风险因子筛选致灾因子并确定每个致灾因子对应的致灾权重，致灾因子包括危险性因子、承灾体因子及易损性因子。例如：危险性因子包括：1h百年一遇设计暴雨值，其对应的致灾权重为0.2970、6h百年一遇设计暴雨值，其对应的致灾权重为0.5396、或平均坡度，其对应的致灾权重为0.1276。承灾体因子包括：5年一遇洪水影响人口，其对应的致灾权重为0.5539、20年一遇洪水影响人口，其对应的致灾权重为0.3185、或100年一遇洪水影响人口，其对应的致灾权重为0.1276。易损性因子包括：防洪能力，其对应的致灾权重为1。
105、终端根据致灾因子及致灾权重确定每个网格的风险指数；
在本实施例中，终端根据每个网格的致灾因子及致灾权重确定每个网格的风险指数，具体的确定过程将在下一个实施例中进行详细描述，此处不再赘述。
106、终端根据风险指数确定每个网格的不同预警时段及不同风险等级的网格基准指标；
在本实施例中，终端将每个网格的风险指数进行降序排列，并获取每个网格的秩，终端根据每个网格的秩确定每个网格的不同预警时段及不同风险等级的网格基准指标。不同预警时段可以包括1h、3h、6h、24h等预警时段，不同风险等级可以包括蓝色风险等级、黄色风险等级、橙色风险等级及红色风险等级等风险等级。
107、终端根据网格土壤下渗能力及网格基准指标确定每个网格的风险预警指标；
在本实施例中，终端根据网格土壤下渗能力及网格基准指标确定每个网格的不同预警时段及不同风险等级的风险预警指标。不同预警时段可以包括1h、3h、6h、24h等预警时段，不同风险等级可以包括蓝色风险等级、黄色风险等级、橙色风险等级及红色风险等级等风险等级。
108、终端获取每个网格的数值预报降雨插值，并根据数值预报降雨插值统计每个网格在不同预警时段的最大降雨量；
在本实施例中，终端根据气象站点的数值预报降雨插值通过反距离权重模型计算每个网格的数值预报降雨插值，并根据每个网格的数值预报降雨插值统计每个网格在不同预警时段的最大降雨量。
109、终端比较最大降雨量及风险预警指标，确定每个网格在不同预警时段的风险预警等级。
在本实施例中，终端比较每个网格的最大降雨量及风险预警指标,确定每个网格在不同预警时段的风险预警等级。
在本实施例中，终端通过每个网格的数值预报降雨插值进行山洪预警，有效延长了预警的预见期，从而可以最大程度地为群众安全转移争取时间，减少人员伤亡和财产损失，并且，在制定风险预警指标时，充分考虑了每个网格的实时土壤含水量以及致灾因子对风险预警指标的影响，有效提高了预警的准确性。
为使本申请提供的一种山洪灾害风险动态预警方法更加的明显易懂，下面对本申请提供的一种山洪灾害风险动态预警方法进行详细说明：
请参阅图2，图2为本申请提供的一种山洪灾害风险动态预警方法另一个实施例，该山洪灾害风险动态预警方法包括：
201、终端将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级，该风险因子为影响山洪灾害风险的因素；
本实施例中的步骤201与前述图1实施例中的步骤101类似，具体此处不再赘述。
202、终端根据风险因子中的土壤类型及平均坡度确定每个网格的最大土壤含水量；
在本实施例中，终端根据风险因子中的土壤类型及平均坡度通过第一公式确定每个网格的最大土壤含水量，第一公式为：wmi＝wm(1-sin ai)0.7，其中，wmi为第i个网格的最大土壤含水量，wm为根据所述土壤类型确定的最大土壤含水量初值，ai为第i个网格的平均坡度。
203、终端根据每个网格的最大土壤含水量确定每个网格的实时土壤含水量；
在本实施例中，终端根据每个网格的最大土壤含水量通过第二公式确定每个网格的实时土壤含水量，第二公式为：
Pa，t＝K1(Pt-1+Pa，t-1)，
Figure BDA0003797608600000121
其中，Pa，t为第i个网格的实时土壤含水量、Pt-1为t-1时刻的降雨量、Pa，t-1为t-1时刻的第i个网格的土壤含水量，当Pa，t≥wmi时，取Pa，t＝wmi，wmi为第i个网格的最大土壤含水量；K1为日消退系数、Em为目标气象站每个月的平均日最大蒸散发量。
204、终端根据实时土壤含水量确定每个网格的网格土壤下渗能力；
在本实施例中，终端根据实时土壤含水量确定每个网格的网格土壤下渗能力包括：终端根据实时土壤含水量通过第三公式确定每个网格的网格土壤下渗能力，第三公式为：
m＝ft+K2Pa，t；
F(Pa，t)＝fc+f0e-μm；
其中，F(Pa，t)为每个网格的网格土壤下渗能力，fc为稳定下渗率、f0为初始下渗率、μ为下渗指数、m为表层土湿、K2为土壤表层厚度与包气带厚度的比值，取值范围为[0，1]、Pa，t为第i个网格的土壤实时含水量、ft为累计下渗量。
205、终端根据风险因子确定致灾因子及致灾因子对应的致灾权重，致灾因子包括：危险性因子、承灾体因子及易损性因子；
在本实施例中，终端根据风险因子确定致灾因子及致灾因子对应的致灾权重包括：终端利用成分分析法对风险因子进行降维处理，筛选出致灾因子，并确定致灾因子对应的致灾权重。例如：风险因子包括：土壤类型、平均坡度、防洪能力、不同频率洪水影响人口及不同时长设计暴雨值；终端通过成分分析法筛选出危险性因子为：1h百年一遇设计暴雨值(权重为0.2970)、6h百年一遇设计暴雨值(权重为0.5396)以及平均坡度(权重为0.1634)；终端通过成分分析法筛选出承灾体因子为：5年一遇洪水影响人口(权重为0.5539)、20年一遇洪水影响人口(权重为0.3185)以及100年一遇洪水影响人口(权重为0.1276)；终端通过成分分析法筛选出易损性因子为：防洪能力(权重为1)。
在本实施例中，本申请通过一致矩阵法确定各层次各因素之间的权重，即不把所有因素放在一起比较，而是两两相互比较，采用相对尺度，尽可能减少性质不同的诸因素相互比较的困难，以提高准确度。如对某一准则，对其下的各方案进行两两对比，并按其重要性程度评定等级。aij为要素i与要素j重要性比较结果。按两两比较结果构成的矩阵称作判断矩阵。判断矩阵具有如下性质：
Figure BDA0003797608600000131
判断矩阵元素aij通过判断矩阵比较量化表(图7)进行标度。例如：构造危险性因子的判断矩阵如下所示，求解λmax＝3.0092,CI＝0.0046,CR<0.1，通过一致性检验，为可接受矩阵。其中1h百年一遇设计暴雨值、6h百年一遇设计暴雨值和平均坡度的权重系数分别为0.2970、0.5396和0.1634。构造承灾体的判断矩阵如下所示，求解λmax＝3.0713,CI＝0.0357,CR<0.1，通过一致性检验，为可接受矩阵。其中5年一遇、20年一遇、100年一遇洪水位下的人口数量的权重系数分别为0.5539、0.3185和0.1276。而由于易损性因子只有防洪能力这一项指标，因此防洪能力的权重为1。
在本实施例中，采用主成分分析(PCA)法通过选择不相关的度量，表示最自然的风险特征类别簇集。PCA是一种统计步骤，使用正交变换来转换一组可能相关变量的观测值，到被称为主成分(PCS)的线性不相关变量的一组值。这种转换是这样定义的，第一主成分有最大的方差(因此，尽可能地解释数据中的可变性)，每个随后的成分依次是最高的，在方差可能下的约束，它是正交于前面的成分。在这项研究中，对于风险特征的每个类别，共同解释了至少每个风险特征类别方差的三分之二(66.6％)的主成分被保留。如果属于给定类别的变量不都有相同的单位，在分析发生之前，它们被缩放成单位方差。PCA可以显著减少风险特征分析的要素数量，降低风险分析复杂度。
206、终端根据致灾因子及致灾权重确定每个网格的风险指数；
在本实施例中，终端根据致灾因子及致灾权重通过第四公式确定每个网格的风险指数，第四公式为：
Figure BDA0003797608600000141
其中，Risk为风险指数、H为危险性因子、E为承灾体因子、V为易损性因子、Hi为危险性因子的归一化指标、Ej为承灾体因子的归一化指标、VK为易损性因子的归一化指标、m为危险性因子的指标数量、n为承灾体因子的指标数量、l为易损性因子的指标数量、wi为危险性因子的致灾权重、wj为承灾体因子的致灾权重、wk为易损性因子的致灾权重。
207、终端根据风险指数确定每个网格的不同预警时段及不同风险等级的网格基准指标；
在本实施例中，终端根据风险指数确定每个网格的不同预警时段及不同风险等级的网格基准指标包括：对每个网格的风险指数Risk进行降序排列，获取每个网格的秩iRisk；根据每个网格的秩iRisk通过第五公式确定所述每个网格不同预警时段及不同风险等级的网格基准指标，第五公式为：
Figure BDA0003797608600000142
其中，G为风险等级、H为预警时段、N为网格点总数、Hmin(G，H)为风险等级及预警时段的基准指标下限、Hmax(G，H)为风险等级及预警时段的基准指标上限。
在本实施例中，通过查询基准指标上下限推荐表(图6)获取Hmin(G，H)及Hmax(G，H)，例如G为3h，H为黄色预警等级，则此时通过图6查询到Hmin(1h，黄色)＝多年降雨均值*0.8、Hmax(1h，黄色)＝多年降雨均值；将Hmin(1h，黄色)及Hmax(1h，黄色)代入
Figure BDA0003797608600000143
得到网格的R(Risk，1h，黄色)的值。
208、终端根据网格土壤下渗能力及网格基准指标确定每个网格的风险预警指标；
在本实施例中，终端根据网格土壤下渗能力及网格基准指标通过第六公式确定每个网格的风险预警指标，第六公式为：
R′(G，H)＝F(Pa，t)+R(Risk，G，H)；
其中，R′(G，H)为风险预警指标、F(Pa，t)为土壤下渗能力、R(Risk，G，H)为风险预警基准指标、G为风险等级、H为预警时段、Risk为网格风险指数、Pa，t为第i个网格的实时土壤含水量。
209、终端获取每个网格的数值预报降雨插值，并根据数值预报降雨插值统计每个网格在不同预警时段额最大降雨量；
在本实施例中，终端根据气象站点的数值预报降雨插值通过第七公式获取每个网格的数值预报降雨插值，第七公式为：
Figure BDA0003797608600000151
其中，Z为每个网格的数值预报降雨插值、Zi(i＝1、2、…n)为气象站点实测的若干个数值预报降雨插值、Di为插值点与第i个气象站点之间的距离、P为距离的幂。
在本实施例中，距离平方反比根据插值点与样本点之间的距离计算样本点的权重系数，离插值点越近的样本点其权重越大，权重贡献与距离负相关。p是距离的幂，它显著影响插值计算的结果，在本实施例中，P取2。
210、终端比较最大降雨量及风险预警指标，确定每个网格在不同预警时段的风险预警等级；
本实施例中的步骤210与前述图1实施例中的步骤109类似，具体此处不再赘述。
211、终端将风险预警等级与风险实际等级进行对比，得到对比结果；
在本实施例中，例如终端确定某个网格在3h时的风险预警等级为红色，在6h时的风险预警等级为红色，在24h时的风险预警等级为红色，当实际灾害发生时，终端获取该网格在3h时的风险实际等级为红色、在6h时的风险实际等级为红色，在24h时的风险实际等级为红色，则终端得到的对比结果为风险预警等级与风险实际等级完全相同。
212、终端根据对比结果评估风险预警效果。
在本实施例中，当对比结果大于预设阈值时，终端确定风险预警效果良好。例如：预设阈值为95％，对比结果中风险预警等级与风险实际等级的相同的概率为97％，则终端确定风险预警效果良好。根据对比结果评估风险预警效果，可以迅速发现风险预警效果是否良好，当风险预警效果不好时，可以及时调整预警指标，从而提高风险预警效果。
上述对本申请提供的一种山洪灾害风险动态预警方法进行了说明，下面对本申请提供的一种山洪灾害风险动态预警装置进行说明：
请参阅图3，图3为本申请提供的一种山洪灾害风险动态预警装置一个实施例，该山洪灾害风险动态预警装置包括：
划分单元301，用于将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级,所述风险因子为影响所述山洪灾害风险的因素；
第一确定单元302，用于根据所述风险因子确定所述每个网格的实时土壤含水量；
第二确定单元303，用于根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力；
第三确定单元304，用于根据所述风险因子确定致灾因子及所述致灾因子对应的致灾权重，所述致灾因子包括：危险性因子、承灾体因子及易损性因子；
第四确定单元305，用于根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数；
第五确定单元306，用于根据所述风险指数确定所述每个网格的不同预警时段及不同所述风险等级的网格基准指标；
第六确定单元307，用于根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标；
获取单元308，用于获取所述每个网格的数值预报降雨插值，并根据所述数值预报降雨插值统计所述每个网格在所述不同预警时段内的最大降雨量；
比较单元309，用于比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段内的风险预警等级。
本实施例系统中，各单元所执行的功能与前述图1所示方法实施例中的步骤对应，具体此处不再赘述。
下面对本申请提供的一种山洪灾害风险动态预警装置进行详细说明，请参阅图4，图4为本申请提供的一种山洪灾害风险动态预警装置另一个实施例，该山洪灾害风险动态预警装置包括：
划分单元401，用于将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级,所述风险因子为影响所述山洪灾害风险的因素；
第一确定单元402，用于根据所述风险因子确定所述每个网格的实时土壤含水量；
第二确定单元403，用于根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力；
第三确定单元404，用于根据所述风险因子确定致灾因子及所述致灾因子对应的致灾权重，所述致灾因子包括：危险性因子、承灾体因子及易损性因子；
第四确定单元405，用于根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数；
第五确定单元406，用于根据所述风险指数确定所述每个网格的不同预警时段及不同所述风险等级的网格基准指标；
第六确定单元407，用于根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标；
获取单元408，用于获取所述每个网格的数值预报降雨插值，并根据所述数值预报降雨插值统计所述每个网格在所述不同预警时段内的最大降雨量；
比较单元409，用于比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段内的风险预警等级。
可选地，所述山洪灾害风险动态预警装置还包括：
对比单元410，用于将所述风险预警等级与风险实际等级进行对比，得到对比结果；
评估单元411，用于根据所述对比结果评估风险预警效果。
可选地，所述洪灾害风险动态预警装置还包括：
第七确定单元412，用于根据所述风险因子中的土壤类型及平均坡度通过第一公式确定所述每个网格的最大土壤含水量；
所述第一公式为：
wmi＝wm(1-sin ai)0.7；
其中，wmi为第i个网格的最大土壤含水量，wm为根据所述土壤类型确定的最大土壤含水量初值，ai为第i个网格的平均坡度；
所述第一确定单元402具体用于：
根据所述每个网格的最大土壤含水量确定所述每个网格的实时土壤含水量。
可选地，所述第一确定单元402具体用于：
根据所述每个网格的最大土壤含水量通过第二公式确定所述每个网格的实时土壤含水量；
所述第二公式为：
Pa，t＝K1(Pt-1+Pa，t-1)；
Figure BDA0003797608600000181
其中，Pa，t为第i个网格的实时土壤含水量、Pt-1为t-1时刻的降雨量、Pa，t-1为t-1时刻的第i个网格的土壤含水量，当Pa，t≥wmi时，取Pa，t＝wmi，wmi为第i个网格的最大土壤含水量、K1为日消退系数、Em为目标气象站每个月的平均日最大蒸散发量。
可选地，所述第二确定单元403具体用于：
根据实时土壤含水量通过第三公式确定所述每个网格的网格土壤下渗能力；
所述第三公式为：
F(Pa，t)＝fc+f0e-μm；
m＝ft+K2Pa，t；
其中，F(Pa，t)为每个网格的网格土壤下渗能力，fc为稳定下渗率、f0为初始下渗率、μ为下渗指数、m为表层土湿、K2为土壤表层厚度与包气带厚度的比值，取值范围为[0，1]、Pa，t为第i个网格的土壤实时含水量、ft为累计下渗量。
可选地，所述第四确定单元405具体用于：
根据所述致灾因子及所述致灾权重通过第四公式确定所述每个网格的风险指数；
所述第四公式为：
Figure BDA0003797608600000191
其中，Risk为风险指数、H为危险性因子、E为承灾体因子、V为易损性因子、Hi为危险性因子的归一化指标、Ej为承灾体因子的归一化指标、VK为易损性因子的归一化指标、m为危险性因子的指标数量、n为承灾体因子的指标数量、l为易损性因子的指标数量、wi为危险性因子的致灾权重、wj为承灾体因子的致灾权重、wk为易损性因子的致灾权重。
可选地，所述第五确定单元406具体用于：
对所述风险指数Risk进行降序排列，获取所述每个网格的秩iRisk；
根据所述每个网格的秩iRisk确定所述每个网格不同预警时段及不同风险等级的网格基准指标包括：
根据所述每个网格的秩iRisk通过第五公式确定所述每个网格不同预警时段及不同风险等级的网格基准指标；
所述第五公式为：
Figure BDA0003797608600000192
其中，G为风险等级、H为预警时段、N为网格点总数、Hmin(G，H)为风险等级及预警时段的基准指标下限、Hmax(G，H)为风险等级及预警时段的基准指标上限。
可选地，所述第六确定单元407具体用于：
根据所述网格土壤下渗能力及所述网格基准指标通过第六公式确定所述每个网格的风险预警指标；
所述第六公式为：
R′(G，H)＝F(Pa，t)+R(Risk，G，H)；
其中，R′(G，H)为风险预警指标、F(Pa，t)为土壤下渗能力、R(Risk，G，H)为风险预警基准指标、G为风险等级、H为预警时段、Risk为网格风险指数、Pa，t为第i个网格的实时土壤含水量。
可选地，所述获取单元408具体用于：
根据气象站点的数值预报降雨插值通过第七公式获取所述每个网格的数值预报降雨插值；
所述第七公式为：
Figure BDA0003797608600000201
其中，Z为每个网格的数值预报降雨插值、Zi(i＝1、2、…n)为气象站点实测的若干个数值预报降雨插值、Di为插值点与第i个气象站点之间的距离、P为距离的幂。
本实施例系统中，各单元所执行的功能与前述图2所示方法实施例中的步骤对应，具体此处不再赘述。
本申请还提供了一种山洪灾害风险动态预警装置，请参阅图5，图5为本申请提供的一种山洪灾害风险动态预警装置一个实施例，该山洪灾害风险动态预警装置包括：
处理器501、存储器502、输入输出单元503、总线504；
处理器501与存储器502、输入输出单元503以及总线504相连；
存储器502保存有程序，处理器501调用程序以执行如上任一一种山洪灾害风险动态预警方法。
本申请还涉及一种计算机可读存储介质，计算机可读存储介质上保存有程序，当程序在计算机上运行时，使得计算机执行如上任一一种山洪灾害风险动态预警方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-only memory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种山洪灾害风险动态预警方法，其特征在于，所述山洪灾害风险动态预警方法包括：
将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级,所述风险因子为影响所述山洪灾害风险的因素；
根据所述风险因子确定所述每个网格的实时土壤含水量；
根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力；
根据所述风险因子确定致灾因子及所述致灾因子对应的致灾权重，所述致灾因子包括：危险性因子、承灾体因子及易损性因子；
根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数；
根据所述风险指数确定所述每个网格的不同预警时段及不同所述风险等级的网格基准指标；
根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标；
获取所述每个网格的数值预报降雨插值，并根据所述数值预报降雨插值统计所述每个网格在所述不同预警时段的最大降雨量；
比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段的风险预警等级。
2.根据权利要求1所述的山洪灾害风险动态预警方法，其特征在于，在所述比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段内的风险预警等级之后，所述山洪灾害风险动态预警方法还包括：
将所述风险预警等级与风险实际等级进行对比，得到对比结果；
根据所述对比结果评估风险预警效果。
3.根据权利要求1所述的山洪灾害风险动态预警方法，其特征在于，在所述根据所述风险因子确定所述每个网格的实时土壤含水量之前，所述山洪灾害动态预警方法还包括：
根据所述风险因子中的土壤类型及平均坡度通过第一公式确定所述每个网格的最大土壤含水量；
所述第一公式为：
wmi＝wm(1-sinai)0.7；
其中，wmi为第i个网格的最大土壤含水量，wm为根据所述土壤类型确定的最大土壤含水量初值，ai为第i个网格的平均坡度；
所述根据所述风险因子确定所述每个网格的实时土壤含水量包括：
根据所述每个网格的最大土壤含水量确定所述每个网格的实时土壤含水量。
4.根据权利要求3述的山洪灾害风险动态预警方法，其特征在于，所述根据所述每个网格的最大土壤含水量确定所述每个网格的实时土壤含水量包括：
根据所述每个网格的最大土壤含水量通过第二公式确定所述每个网格的实时土壤含水量；
所述第二公式为：
Pa,t＝K1(Pt-1+Pa,t-1)；
其中，Pa,t为第i个网格的实时土壤含水量、Pt-1为t-1时刻的降雨量、Pa,t-1为t-1时刻的第i个网格的土壤含水量，当Pa,t≥wmi时，取Pa,t＝wmi，wmi为第i个网格的最大土壤含水量、K1为日消退系数、Em为目标气象站每个月的平均日最大蒸散发量。
5.根据权利要求4所述的山洪灾害风险动态预警方法，其特征在于，所述根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力包括：
根据实时土壤含水量通过第三公式确定所述每个网格的网格土壤下渗能力；
所述第三公式为：
F(Pa,t)＝fc+f0e-μm；
m＝ft+K2Pa,t；
其中，F(Pa,t)为每个网格的网格土壤下渗能力，fc为稳定下渗率、f0为初始下渗率、μ为下渗指数、m为表层土湿、K2为土壤表层厚度与包气带厚度的比值，取值范围为[0,1]、Pa,t为第i个网格的土壤实时含水量、ft为累计下渗量。
6.根据权利要求1所述的山洪灾害风险动态预警方法，其特征在于，所述根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数包括：
根据所述致灾因子及所述致灾权重通过第四公式确定所述每个网格的风险指数；
所述第四公式为：
其中，Risk为风险指数、H为危险性因子、E为承灾体因子、V为易损性因子、Hi为危险性因子的归一化指标、Ej为承灾体因子的归一化指标、VK为易损性因子的归一化指标、m为危险性因子的指标数量、n为承灾体因子的指标数量、l为易损性因子的指标数量、wi为危险性因子的致灾权重、wj为承灾体因子的致灾权重、wk为易损性因子的致灾权重。
7.根据权利要求6所述的山洪灾害风险动态预警方法，其特征在于，所述根据所述风险指数确定所述每个网格的不同预警时段及不同风险等级的网格基准指标包括：
对所述风险指数Risk进行降序排列，获取所述每个网格的秩iRisk；
根据所述每个网格的秩iRisk确定所述每个网格不同预警时段及不同风险等级的网格基准指标包括：
根据所述每个网格的秩iRisk通过第五公式确定所述每个网格不同预警时段及不同风险等级的网格基准指标；
所述第五公式为：
其中，G为风险等级、H为预警时段、N为网格点总数、Hmin(G,H)为风险等级及预警时段的基准指标下限、Hmax(G,H)为风险等级及预警时段的基准指标上限。
8.根据权利要求7所述的山洪灾害风险动态预警方法，其特征在于，所述根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标包括：
根据所述网格土壤下渗能力及所述网格基准指标通过第六公式确定所述每个网格的风险预警指标；
所述第六公式为：
R′(G,H)＝F(Pa,t)+R(Risk,G,H)；
其中，R′(G,H)为风险预警指标、F(Pa,t)为土壤下渗能力、R(Risk,G,H)为风险预警基准指标、G为风险等级、H为预警时段、Risk为网格风险指数、Pa,t为第i个网格的实时土壤含水量。
9.根据权利要求1至8中任一项所述的山洪灾害风险动态预警方法，其特征在于，所述获取所述每个网格的数值预报降雨插值包括：
根据气象站点的数值预报降雨插值通过第七公式获取所述每个网格的数值预报降雨插值；
所述第七公式为:
其中，Z为每个网格的数值预报降雨插值、Zi(i＝1、2、…n)为气象站点实测的若干个数值预报降雨插值、Di为插值点与第i个气象站点之间的距离、P为距离的幂。
10.一种山洪灾害风险动态预警装置，其特征在于，所述山洪灾害风险动态预警装置包括：
划分单元，用于将预警区域均匀划分为若干网格，并获取每个网格的风险因子及风险等级,所述风险因子为影响所述山洪灾害风险的因素；
第一确定单元，用于根据所述风险因子确定所述每个网格的实时土壤含水量；
第二确定单元，用于根据所述实时土壤含水量确定所述每个网格的网格土壤下渗能力；
第三确定单元，用于根据所述风险因子确定致灾因子及所述致灾因子对应的致灾权重，所述致灾因子包括：危险性因子、承灾体因子及易损性因子；
第四确定单元，用于根据所述致灾因子及所述致灾权重确定所述每个网格的风险指数；
第五确定单元，用于根据所述风险指数确定所述每个网格的不同预警时段及不同所述风险等级的网格基准指标；
第六确定单元，用于根据所述网格土壤下渗能力及所述网格基准指标确定所述每个网格的风险预警指标；
获取单元，用于获取所述每个网格的数值预报降雨插值，并根据所述数值预报降雨插值统计所述每个网格在所述不同预警时段内的最大降雨量；
比较单元，用于比较所述最大降雨量及所述风险预警指标，确定所述每个网格在所述不同预警时段内的风险预警等级。
CN202210977802.2A 2022-08-15 2022-08-15 一种山洪灾害风险动态预警方法及装置 Active CN115423157B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210977802.2A CN115423157B (zh) 2022-08-15 2022-08-15 一种山洪灾害风险动态预警方法及装置
NL2035271A NL2035271A (en) 2022-08-15 2023-07-05 Dynamic early warning method and device for mountain torrent disaster risk

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210977802.2A CN115423157B (zh) 2022-08-15 2022-08-15 一种山洪灾害风险动态预警方法及装置

Publications (2)

Publication Number Publication Date
CN115423157A CN115423157A (zh) 2022-12-02
CN115423157B true CN115423157B (zh) 2023-04-28

Family

ID=84199310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210977802.2A Active CN115423157B (zh) 2022-08-15 2022-08-15 一种山洪灾害风险动态预警方法及装置

Country Status (2)

Country Link
CN (1) CN115423157B (zh)
NL (1) NL2035271A (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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 (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005231392A (ja) * 2004-02-17 2005-09-02 East Japan Railway Co 運行規制判定方法
CN106408213A (zh) * 2016-10-27 2017-02-15 清华大学 级联式山洪灾害风险分析方法及系统
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
KR101788104B1 (ko) * 2016-06-03 2017-11-15 한국과학기술원 극한 강우를 고려한 실시간 산사태 예보 및 경보 시스템 및 방법
CN108090707A (zh) * 2018-02-06 2018-05-29 吉林大学 一种基于突变理论的山洪灾害风险性评价方法与预警系统
CN109345777A (zh) * 2018-10-10 2019-02-15 李潇 基于陡坡汇流和断面流量计算的山洪泥石流预警方法和系统
CN110415488A (zh) * 2019-05-20 2019-11-05 宁波市水利水电规划设计研究院 一种山洪灾害预警的方法、系统、电子设备及存储介质
CN111582755A (zh) * 2020-05-20 2020-08-25 中国水利水电科学研究院 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
CN113409550A (zh) * 2021-06-25 2021-09-17 西藏林芝市气象局 基于径流汇流模拟的泥石流灾害预警方法及系统
CN114048944A (zh) * 2021-10-09 2022-02-15 浙江大学 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法
CN114254963A (zh) * 2022-03-01 2022-03-29 航天宏图信息技术股份有限公司 自然灾害综合风险评估方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9285504B2 (en) * 2008-11-13 2016-03-15 Saint Louis University Apparatus and method for providing environmental predictive indicators to emergency response managers
US11402362B2 (en) * 2017-06-19 2022-08-02 Nanjing Institute Of Geography Stereoscopic monitoring and data mining system and method for harmful lake cyanobacteria bloom

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005231392A (ja) * 2004-02-17 2005-09-02 East Japan Railway Co 運行規制判定方法
KR101788104B1 (ko) * 2016-06-03 2017-11-15 한국과학기술원 극한 강우를 고려한 실시간 산사태 예보 및 경보 시스템 및 방법
CN106408213A (zh) * 2016-10-27 2017-02-15 清华大学 级联式山洪灾害风险分析方法及系统
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
CN108090707A (zh) * 2018-02-06 2018-05-29 吉林大学 一种基于突变理论的山洪灾害风险性评价方法与预警系统
CN109345777A (zh) * 2018-10-10 2019-02-15 李潇 基于陡坡汇流和断面流量计算的山洪泥石流预警方法和系统
CN110415488A (zh) * 2019-05-20 2019-11-05 宁波市水利水电规划设计研究院 一种山洪灾害预警的方法、系统、电子设备及存储介质
CN111582755A (zh) * 2020-05-20 2020-08-25 中国水利水电科学研究院 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
CN113409550A (zh) * 2021-06-25 2021-09-17 西藏林芝市气象局 基于径流汇流模拟的泥石流灾害预警方法及系统
CN114048944A (zh) * 2021-10-09 2022-02-15 浙江大学 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法
CN114254963A (zh) * 2022-03-01 2022-03-29 航天宏图信息技术股份有限公司 自然灾害综合风险评估方法、装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李青等.基于洪峰模数的山洪灾害雨量预警指标研究.《地球信息科学》.2017,第19卷(第12期),第1643-1652页. *
王云.基于临界雨量的陕南地区山洪灾害预警指标研究与应用.《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》.2018,(第01期),第C037-141页. *
翟晓燕等.前期土壤湿度和降雨对小流域山洪预警指标的影响评估.《地理研究》.2019,第38卷(第12期),第2957-2965页. *

Also Published As

Publication number Publication date
NL2035271A (en) 2024-02-21
CN115423157A (zh) 2022-12-02

Similar Documents

Publication Publication Date Title
Bordi et al. Drought monitoring and forecasting at large scale
Guenang et al. Computation of the standardized precipitation index (SPI) and its use to assess drought occurrences in Cameroon over recent decades
CN109034504B (zh) 一种短期负荷预测模型建立方法及装置
Moreira et al. SPI-based drought category prediction using loglinear models
CN111898839B (zh) 电力用户的重要程度分类方法及装置
CN111861133A (zh) 一种山洪灾害防治能力评价方法
CN111325406B (zh) 一种基于小空间尺度的热相关健康风险预警方法
CN115423157B (zh) 一种山洪灾害风险动态预警方法及装置
CN109064023B (zh) 一种人力效能管理系统的方法和装置
CN110827169B (zh) 一种基于分级指标的分布式电网业务监控方法
CN109492825A (zh) 基于互信息和主成分分析筛选因子的中长期预报方法
CN112287018A (zh) 一种台风灾害下10kV杆塔受损风险评估方法及系统
CN107944219B (zh) 一种表征不同时段旱涝致灾特征的方法和装置
Su et al. Simulation of extreme precipitation over the Yangtze River Basin using Wakeby distribution
CN112734091A (zh) 一种水库水位模型预测方法
Zhang et al. Investigation on flood event variations at space and time scales in the Huaihe River Basin of China using flood behavior classification
Sharafi et al. Spatial and temporal analysis of drought in various climates across Iran using the Standardized Precipitation Index (SPI)
Yan et al. A comparative frequency analysis of three standardized drought indices in the Poyang Lake basin, China
CN115239156B (zh) 一种城镇化指标对水系结构的影响警示方法和装置
Iyamuremye et al. Extreme value modelling of rainfall using poisson-generalized pareto distribution: A case study tanzania
Wibig et al. How does the areal averaging influence the extremes? The context of gridded observation data sets
CN115329610A (zh) 一种基于土壤水分的旱涝急转事件识别方法、装置及设备
Nandakumar et al. Estimation of extreme rainfalls for Victoria using the CRC-FORGE Method
CN110610256B (zh) 考虑不同预报情景下预报难度的径流预报水平评价方法
CN111079069A (zh) 一种基于误差分布的预报难度计算方法及系统

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