CN115685389A - 一种基于降尺度和汇水区动态划分的下凹桥积水预测方法 - Google Patents

Abstract

本发明涉及城市内涝治理领域，尤其涉及一种基于降尺度和汇水区动态划分的下凹桥积水预测方法。S10：根据下凹桥区域的大尺度气候预报因子，对下凹桥区域的降雨量预测，S20：将下凹桥区域划分为主汇水区和多个次汇水区，获取主汇水区和各个次汇水区的高程数据；S30：根据下凹桥区域降雨量、主汇水区的高程和各个次汇水区的高程数据，确定各个次汇水区的风险评级；S40：根据各个次汇水区的风险评级，获取各个次汇水区汇入主汇水区的汇水量；S50：根据各个次汇水区汇入主汇水区的汇水量和主汇水区自身的积水量，获取主汇水区总积水量。本发明能够精确预测下凹桥区域的降雨量，同时根据不同汇流区的风险评级划分能够减少计算机计算负荷，提高预测准确率。

Description

一种基于降尺度和汇水区动态划分的下凹桥积水预测方法

技术领域

本发明涉及城市内涝治理领域，尤其涉及一种基于降尺度和汇水区动态划分的下凹桥积水预测方法。

背景技术

我国城市化发展中建设的大量下凹桥基础设施已成为汛期内涝的多发和易发区域，影响区域交通和公共安全，伴随自然环境变化，出现极端天气的现象更加频繁，严重影响人民生命安全。城市内涝现象出现时，下凹桥区域范围由于地势低洼，一旦排水不畅，极易出现较大深度积水，且由于下凹桥一般位于城市主干道，造成的危害大，影响城市居民生活和工作，甚至造成人员伤亡。城市中硬化地面较多，尤其主干道周围基础建设较多，可汇水区域少，下凹桥地势较低，但下凹桥区实际可纳水量空间有限，内涝发生时，汇水速度极快，短短几分钟便可以达到危险水位。

目前对于下凹桥区域积水情况预测一般是通过预测模型关联所有的汇水区域来确定，关联所有的汇水区域会使得在降雨小时，计算机计算负荷增大，浪费计算机计算能力。另一方面，现有的预测模型无法根据下凹桥区域实际降雨量进行灵活使用。

发明内容

本发明提供了一种基于降尺度和汇水区动态划分的下凹桥积水预测方法，解决了至少一种现有技术中存在的技术问题。

本发明采用的技术方案如下：一种基于降尺度和汇水区动态划分的下凹桥积水预测方法，包括：

S10：预测下凹桥区域的降雨量；

S20：将下凹桥区域划分为主汇水区和多个次汇水区，获取主汇水区和各个次汇水区的高程数据；

S30：根据下凹桥区域降雨量、主汇水区的高程和各个次汇水区的高程数据，确定各个次汇水区的风险评级；

S40：根据各个次汇水区的风险评级，获取各个次汇水区汇入主汇水区的汇水量；

S50：根据各个次汇水区汇入主汇水区的汇水量和主汇水区自身的积水量，获取主汇水区总积水量。

进一步地，所述步骤S10包括：

S110：通过统计降尺度法，建立降尺度模型，所述降尺度模型为大尺度气候预报因子与下凹桥区域降雨量的统计关系；

S120：根据降尺度模型和大尺度气候预报因子，对下凹桥区域的降雨量进行预测。

进一步地，所述步骤S110包括：

S111：获取过往多年观测的大尺度气候预报因子和下凹桥区域降雨量，通过动力方法或统计方法，建立降尺度模型；

S112：对降尺度模型进行验证。

进一步地，所述步骤S112包括：

在所有的大尺度气候预报因子中筛选出适合对下凹桥降水进行分析的预报因子变量；

根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组；

根据验证期观测的预报因子变量的实际数据与多元线性回归方程组，获取降雨模拟量；

根据验证期观测的降雨量与降雨模拟量，通过统计学相关系数，对降尺度模型进行检验。

进一步地，所述统计学相关系数包括相关性系数和纳什系数。

进一步地，下凹桥区域的大尺度气候预报因子依靠建设在下凹桥附近的天气监测站获取。

进一步地，所述步骤S30包括：

当主汇流区的高程数据大于次汇流区的高程数据时，通过公式：

确定该次汇流区的风险系数，其中，K为风险系数，R为下凹桥区域降雨量，H_主为主汇流区的高程数据，H_次为次汇流区的高程数据；

根据风险系数和预设对应关系，确定风险评级；

当主汇流区的高程数据小于次汇流区的高程数据时，该次汇流区的风险评级为第一级。

进一步地，所述预设对应关系包括：

当风险系数大于第一预设值时，风险评级为第一级；

当风险系数小于或等于第一预设值并且大于第二预设值时，风险评级为第二级；

当风险系数小于或等于第二预设值并且大于第三预设值时，风险评级为第三级；

当风险系数小于或等于第三预设值时，风险评级为第四级。

进一步地，所述步骤S40包括：

当风险评级为第一级时，该次级汇水区汇入主汇水区的汇水量等于该次级汇水区下垫面形成的径流量；

当风险评级为第二级时，该次级汇水区汇入主汇水区的汇水量等于第一预设倍数的该次级汇水区下垫面形成的径流量；

当风险评级为第三级时，该次级汇水区汇入主汇水区的汇水量等于第二预设倍数的该次级汇水区下垫面形成的径流量；

当风险评级为第四级时，该次级汇水区不向主汇水区汇水。

进一步地，所述次级汇水区下垫面形成的径流量与主汇水区自身的积水量均通过城市下凹桥内涝模型获取。

本发明的有益效果：本发明通过下凹桥区域的大尺度气候预报因子预测下凹桥区域的未来降雨量，通过对下凹桥汇流区进行区域划分，并确定各个回流区的风险评级，根据不同的评级来确定该汇流区的汇水量，从而确定主汇水区的积水量，本发明能够精确预测下凹桥区域的降雨量，同时根据不同汇流区的风险评级划分能够减少计算机计算负荷，提高预测准确率。

附图说明

图1是本发明的流程图。

图2是本发明中降雨量预测的流程图。

图3是本发明中汇水区风险评级的流程图。

具体实施方式

为了使本领域技术人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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，都应当属于本发明保护的范围。

在本发明的实施例中，图1是根据本发明一种基于降尺度和汇水区动态划分的下凹桥积水预测方法的具体步骤提供的流程图，图3是本发明中汇水区风险评级的流程图。

如图1和图3所示，本发明包括：

S10：预测下凹桥区域的降雨量。

S110：通过统计降尺度法，建立降尺度模型，所述下凹桥区域的位置一般处于城市主干道交汇处，对下凹桥区域的降雨量一般是基于大气环流模型(GCM)和大尺度气候预报因子进行预测，该预测方法为本领域技术人员使用常规技术，故在此不再赘述。

在本发明的一个实施例中，可采用降尺度模型实现对下凹桥区域降雨量的精确预测。下凹桥区域降雨量精确预测的步骤如下：

降尺度模型为大尺度气候预报因子与下凹桥区域降雨量的统计关系。

为获取下凹桥区域的大尺度气候预报因子，一般是在下凹桥区域的附近设置天气监测站，天气监测站采用高屈服强度碳钢或不锈钢支架等具有防腐蚀性材料，以满足长期运行于室外环境的要求，并且根据现场条件选配不同气象传感器。通过局域网或无线网进行数据传输，局域网可通过Modem、光纤网、路由器等进行组配，无线网可根据通讯距离分为短距离无线传输、中距离无线传输、长距离无线传输三种无线传输方式，一般情况采用GPRS/4G或GSM两种传输方式。

大尺度气候预报因子包括空气湿度、空气温度、大气压力、风向、风速、降雨量、蒸发量、光照和紫外线强度等。

S120：根据降尺度模型，对下凹桥区域的降雨量进行预测。

下凹桥区域降雨量预测主要是依靠降尺度模型实现。统计降尺度法利用多年的观测资料建立大尺度气候状况和区域气候要素间的统计关系，并用独立的观测资料检验这种关系，再将此关系应用于大气环流模型(GCM)输出的大尺度气候信息预估区域未来的气候变化情景。

降尺度模型建立的步骤如图2所示：

S111：获取过往多年观测的大尺度气候预报因子和下凹桥区域降雨量，通过动力方法或统计方法，建立降尺度模型；

建立大尺度气候预报因子与区域气候预报变量间的统计函数关系式：

Y＝F(X)

式中，X为大尺度气候预报因子，例如空气湿度、空气温度、大气压力等下凹桥设置的天气监测站可测得的气候条件；Y为区域气候预报变量，在本发明中即为某时段下凹桥区域的降雨量(如5分钟降雨量、30分钟降雨量、6小时降雨量、日降雨量等)；F为建立的大尺度气候预报因子与下凹桥区域降雨量间的一种统计关系，一般通过动力方法(区域气候模式模拟)或统计方法(观测资料确定)获得。这个关系式是为了表明通过数学方法可以找到一个或多个因子与降雨量有关系。在本公式中，大尺度预报因子是关联下凹桥地区降雨量的参数，通过大尺度预报因子可判断降雨可能性以及降雨量的大小。

S112：对降尺度模型进行验证。

在所有的大尺度气候预报因子中筛选出适合对下凹桥降水进行分析的预报因子变量。需要注意的是，预报因子变量可以从气象监测站中获取，且所选取的预报因子变量必须能被全球大气环流模型识别和模拟，且选择的预报因子变量间无互相影响关系，无互相影响关系指的是选取的预报因子变量之间的相关性小，如果预报因子变量之间相关性大，可以用其中一组预报因子变量数据计算另一组预报因子变量，那实际上相当于只输入了一组预报因子变量。

根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组。

根据预警时间精细度，选取合适的标定期，标定期一般3～5年。采用标定期内的预报因子变量的实际观测数据，预报因子变量由逐步线性回归分析方法处理，建立多元线性回归方程组。

其中，多元线性回归是指在统计降尺度的回归分析中，通过一个或多个预报因子变量，代入上述降尺度模型中，组成的多元线性回归方程组，得到由多个预报因子的最优组合共同预测或估计被预报变量。

式中，w为某时段的降水发生的概率；a为通过预报因子变量与降雨量组成的多维方程组通过线性最小二乘法得到的回归系数；u是选定的预报因子，t-1表示的是上个时段。

通过和均匀分布的随机数表r(0≤r≤1)进行对比判断降雨是否发生，当w_t≤r_t时则该天下雨。

降雨量的大小用Z反映：

式中，Z为某一天的Z分数；b为通过预报因子变量与降雨量组成的多维方程组通过线性最小二乘法得到的回归系数。

第t天的降雨量为：

Y_t＝F^-1[(fZ_t)]

式中，f为累计正态分布函数；F为日降水量Yt的经验分布函数。

根据验证期观测的预报因子变量的实际数据与多元线性回归方程组，获取降雨模拟量。

根据标定期的选取，选取合适的验证期，验证期一般10～20月，选取验证期内3个以上下凹桥天气监测站监测得到的预报因子变量的实际数据，代入确定好的多元线性回归方程组中反演验证期的降水时间序列，统计各降水指标，获取计算获得的降雨量，该降雨量为降雨模拟量。并与验证期的观测值比较以判断多元线性回归方程组的准确程度。当回归方程和观测值相差过大时，要新选择合适的预报因子，重复上述的步骤。

根据验证期观测的降雨量与降雨模拟量，通过统计学相关系数，对降尺度模型进行检验。

其中，统计学相关系数包括相关性系数和纳什系数。采用相关性系数R²和纳什系数两个系数同时对降尺度模型进行检验，若同时达到要求即可认为降尺度模型可以很好的进行下凹桥地区的降雨情况预测。R²可采用线性回归方法求得，用于评价实测值与模拟值之间的数据吻合程度：

(1)R²＝1非常吻合，R²<1时，其值越小，数据吻合程度越低。

(2)纳什系数，Nash-Suttcliffe系数。

式中，Q_oi为第i时实测值；Q_pi为第i时使用统计降尺度方法得出的模拟值；Q_avg为实测平均值；n为实测个数。当Q_oi＝Q_pi时，E_ns＝1，若E_ns为负值，表明模型模拟平均值比直接使用实测平均值的可信度更低，一般认为E_ns的值在0.6以上为可信的。

获取到降尺度模型后，将下凹桥附近的天气监测站获取大尺度气候因子的数据代入降尺度模型，获得下凹桥区域降雨量。

S20：将下凹桥区域划分为主汇水区和多个次汇水区，获取主汇水区和各个次汇水区的高程数据。

划分标准主要是根据下凹桥区域的实际地形决定，主汇水区指的是下凹桥区低水系统和引道路面可以收水或承接降雨的区域，次汇水区指的是不直接覆盖主要研究区域，但降水形成地表径流可能向对主汇水区涌入的区域。划分之后，获取主汇水区和各个次汇水区的高程数据，高程数据主要是通过城市DEM数据或实地测量获得。DEM指的是数字高程模型，以此获取高程数据。

S30：根据下凹桥区域降雨量、主汇水区的高程和各个次汇水区的高程数据，确定各个次汇水区的风险评级。

当主汇流区的高程数据大于次汇流区的高程数据时，通过公式：

确定该次汇流区的风险系数，其中，K为风险系数，R为下凹桥区域降雨量，H_主为主汇流区的高程数据，H_次为次汇流区的高程数据。

根据风险系数和预设对应关系，确定风险评级。

其中，风险系数和风险评级之间的对应关系是预设的，具体由预设对应关系来体现。预设对应关系如下：

当风险系数大于第一预设值时，风险评级为第一级，表示有极大跨汇水区集水风险，其中，第一预设值的范围为0.9～1.1，优选为1，即当K＞1时，该次级汇水区的风险评级为第一级。

当风险系数小于或等于第一预设值并且大于第二预设值时，风险评级为第二级，其中，第一预设值的范围为0.7～0.9，优选为0.8，即当1≥K＞0.8时，该次级汇水区的风险评级为第二级。

当风险系数小于或等于第二预设值并且大于第三预设值时，风险评级为第三级，其中，第三预设值的范围为0.4～0.7，优选为0.5，即当0.8≥K＞0.5时，该次级汇水区的风险评级为第三级。

当风险系数小于或等于第三预设值时，风险评级为第四级，即当K≤0.5时，该次级汇水区的风险评级为第四级。

需要注意的是，当主汇流区的高程数据小于次汇流区的高程数据时，该次汇流区的风险评级为第一级。

S40：根据各个次汇水区的风险评级，获取各个次汇水区汇入主汇水区的汇水量。

当风险评级为第一级时，该次级汇水区汇入主汇水区的汇水量等于该次级汇水区下垫面形成的径流量；

当风险评级为第二级时，该次级汇水区汇入主汇水区的汇水量等于第一预设倍数的该次级汇水区下垫面形成的径流量，其中第一预设倍数的范围是0.2～0.4，优选为0.3；

当风险评级为第三级时，该次级汇水区汇入主汇水区的汇水量等于第二预设倍数的该次级汇水区下垫面形成的径流量，其中第二预设倍数的范围是0.05～0.2，优选为0.1；

当风险评级为第四级时，该次级汇水区不向主汇水区汇水。

S50：根据各个次汇水区汇入主汇水区的汇水量和主汇水区自身的积水量，获取主汇水区总积水量。

需要注意的是，次级汇水区下垫面形成的径流量与主汇水区自身的积水量均通过城市下凹桥内涝模型获取。

城市下凹桥内涝模型一般以ICMinfoworks、DHIMIKE、SWMM、SimuWater等软件为基础，在之上输入各类监测数据，包括下凹桥汇水区高程数据(DEM)、降雨量、降雨强度、降雨历时、下垫面产流量、下渗量、排水量等数据。以SimuWater为基础软件为例，建立城市下凹桥积水情态预测预警模型，主要用于对城市下凹桥区域主汇水区未来积水深度变化情况的预测，降雨发生之前对下凹桥发生积水深度、深度变化速度进行预测。

最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (10)

1.一种基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，包括：

S10：预测下凹桥区域的降雨量；

S20：将下凹桥区域划分为主汇水区和多个次汇水区，获取主汇水区和各个次汇水区的高程数据；

S30：根据下凹桥区域降雨量、主汇水区的高程和各个次汇水区的高程数据，确定各个次汇水区的风险评级；

S40：根据各个次汇水区的风险评级，获取各个次汇水区汇入主汇水区的汇水量；

S50：根据各个次汇水区汇入主汇水区的汇水量和主汇水区自身的积水量，获取主汇水区总积水量。

2.如权利要求1所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述步骤S10包括：

S110：通过统计降尺度法，建立降尺度模型，所述降尺度模型为大尺度气候预报因子与下凹桥区域降雨量的统计关系；

S120：根据降尺度模型和大尺度气候预报因子，对下凹桥区域的降雨量进行预测。

3.如权利要求2所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述步骤S110包括：

S111：获取过往多年观测的大尺度气候预报因子和下凹桥区域降雨量，通过动力方法或统计方法，建立降尺度模型；

S112：对降尺度模型进行验证。

4.如权利要求3所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述步骤S112包括：

在所有的大尺度气候预报因子中筛选出适合对下凹桥降水进行分析的预报因子变量；

根据标定期观测的预报因子变量的实际数据与降尺度模型，建立多元线性回归方程组；

根据验证期观测的预报因子变量的实际数据与多元线性回归方程组，获取降雨模拟量；

根据验证期观测的降雨量与降雨模拟量，通过统计学相关系数，对降尺度模型进行检验。

5.如权利要求4所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述统计学相关系数包括相关性系数和纳什系数。

6.如权利要求1-5任一所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，下凹桥区域的大尺度气候预报因子依靠建设在下凹桥附近的天气监测站获取。

7.如权利要求1所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述步骤S30包括：

当主汇流区的高程数据大于次汇流区的高程数据时，通过公式：

确定该次汇流区的风险系数，其中，K为风险系数，R为下凹桥区域降雨量，H_主为主汇流区的高程数据，H_次为次汇流区的高程数据；

根据风险系数和预设对应关系，确定风险评级；

当主汇流区的高程数据小于次汇流区的高程数据时，该次汇流区的风险评级为第一级。

8.如权利要求7所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述预设对应关系包括：

当风险系数大于第一预设值时，风险评级为第一级；

当风险系数小于或等于第一预设值并且大于第二预设值时，风险评级为第二级；

当风险系数小于或等于第二预设值并且大于第三预设值时，风险评级为第三级；

当风险系数小于或等于第三预设值时，风险评级为第四级。

9.如权利要求8所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述步骤S40包括：

当风险评级为第一级时，该次级汇水区汇入主汇水区的汇水量等于该次级汇水区下垫面形成的径流量；

当风险评级为第二级时，该次级汇水区汇入主汇水区的汇水量等于第一预设倍数的该次级汇水区下垫面形成的径流量；

当风险评级为第三级时，该次级汇水区汇入主汇水区的汇水量等于第二预设倍数的该次级汇水区下垫面形成的径流量；

当风险评级为第四级时，该次级汇水区不向主汇水区汇水。

10.如权利要求9所述的基于降尺度和汇水区动态划分的下凹桥积水预测方法，其特征在于，所述次级汇水区下垫面形成的径流量与主汇水区自身的积水量均通过城市下凹桥内涝模型获取。

Images