CN116153029A - 一种基于物源信息熵和降雨量的泥石流预警方法 - Google Patents

一种基于物源信息熵和降雨量的泥石流预警方法 Download PDF

Info

Publication number
CN116153029A
CN116153029A CN202310314687.5A CN202310314687A CN116153029A CN 116153029 A CN116153029 A CN 116153029A CN 202310314687 A CN202310314687 A CN 202310314687A CN 116153029 A CN116153029 A CN 116153029A
Authority
CN
China
Prior art keywords
debris flow
rainfall
early warning
river basin
target
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
Application number
CN202310314687.5A
Other languages
English (en)
Inventor
王钧
宇岩
宫清华
袁少雄
陈军
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.)
Guangzhou Institute of Geography of GDAS
Original Assignee
Guangzhou Institute of Geography of GDAS
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 Guangzhou Institute of Geography of GDAS filed Critical Guangzhou Institute of Geography of GDAS
Priority to CN202310314687.5A priority Critical patent/CN116153029A/zh
Publication of CN116153029A publication Critical patent/CN116153029A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • 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
    • 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

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Emergency Management (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Environmental & Geological Engineering (AREA)
  • Algebra (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Alarm Systems (AREA)

Abstract

本申请公开了一种基于物源信息熵和降雨量的泥石流预警方法，包括：S100.获取目标流域的泥石流固体物源的空间分布数据；S200.根据所述空间分布数据，计算所述目标流域的泥石流固体物源信息熵；S300.根据所述目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，确定所述目标流域泥石流爆发的多个降雨量预警阈值；S400.根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果，开展泥石流实时预警。本申请可以提高泥石流预警的准确性。

Description

一种基于物源信息熵和降雨量的泥石流预警方法
技术领域
本申请涉及泥石流预警技术领域，具体涉及一种基于物源信息熵和降雨量的泥石流预警方法。
背景技术
泥石流是由于降水（暴雨、冰川、积雪融化水）在沟谷或山坡上产生的一种挟带大量泥砂、石块和巨砾等固体物质的特殊洪流。泥石流具有突发性以及流速快、流量大和破坏力强等特点，常常冲毁公路铁路等交通设施甚至村镇等，造成巨大损失。在现有的泥石流预警技术中，都是单纯根据降雨量进行泥石流预警的，没有考虑松散物源空间分布对泥石流爆发的影响，因此预警指标十分单一，预警准确性低。
发明内容
本申请的目的在于克服现有技术中的缺点与不足，提供一种基于物源信息熵和降雨量的泥石流预警方法，可以提高泥石流预警的准确性。
本申请的一个实施例提供一种基于物源信息熵和降雨量的泥石流预警方法，包括：
S100. 获取目标流域的泥石流固体物源的空间分布数据；
S200. 根据所述空间分布数据，计算所述目标流域的泥石流固体物源信息熵；
S300. 根据所述目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，确定所述目标流域的多个降雨量预警阈值；
S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果，开展泥石流实时预警。
相对于相关技术，本申请根据目标流域的泥石流固体物源的空间分布数据，获取目标流域的泥石流固体物源信息熵，还根据目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，获取目标流域的多个降雨量预警阈值，然后根据目标流域的泥石流固体物源信息熵和目标流域的多个降雨量预警阈值，确定目标流域在预设时限内的累积降雨量对应的泥石流预警结果，结合了目标流域的泥石流固体物源和目标流域的降雨量两种预警指标，可以提高泥石流的预警准确性。
为了能更清晰的理解本申请，以下将结合附图说明阐述本申请的具体实施方式。
附图说明
图1为本申请一个实施例的基于物源信息熵和降雨量的泥石流预警方法的流程图。
图2为本申请一个实施例的基于物源信息熵和降雨量的泥石流预警方法的目标流域示意图。
图3为本申请一个实施例的基于物源信息熵和降雨量的泥石流预警方法的泥石流固体物源的空间分布示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施例方式作 进一步地详细描述。
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。 在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。在此所使用的词语 “如果”/“若” 可以被解释成为 “在……时” 或 “当……时” 或 “响应于确定”。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A 和/或 B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
请参阅图1，其是本申请一个实施例的基于物源信息熵和降雨量的泥石流预警方法，包括：
S100. 获取目标流域的泥石流固体物源的空间分布数据。
泥石流固体物源一般包括泥砂、石块和巨砾等多种固体物质，还存在坍塌、崩塌、滑坡及人工堆土等多种成因类型。泥石流固体物源广泛分布在泥石流沟的形成区、流通区和堆积区。在本实施例中，目标流域就是泥石流沟。
所述空间分布数据包括：所述目标流域的流域面积、所述目标流域内的最大相对高程差值、所述目标流域的泥石流固体物源在各个等高线以上的固体物源面积，以及各个等高线与所述目标流域的最小高程值的相对高程差值；其中，所述最大相对高程差之为所述子流域的最小高程值与最大高程值的差值。
其中，泥石流固体物源的空间分布数据可以通过以下方法获取：
（1）现场调查法：
通过现场调查测量、勘察等手段，直观地获取泥石流固体物源的面积、厚度、储量和高程等空间数据。
（2）遥感/无人机影像解译法：
针对坍塌和崩滑型物源，获取其高精度遥感影像或无人机低空遥感影像，通过NDVI值分离植被、使用坡度值去除平缓地物图斑、区分阴影植被、通过图斑长宽比剔除伪图斑、顺坡性原则等步骤，提取泥石流固体物源的面积、高程等空间分布信息。
（3）泥石流物源动储量模型法：
泥石流固体物源的动储量即可参与泥石流活动的物源体积，主要根据泥石流的物源类型与泥石流的活动特点，建立相应的泥石流动储量模型。
S200. 根据所述空间分布数据，计算所述目标流域的泥石流固体物源信息熵。
其中，所述泥石流固体物源信息熵指示对应的所述子流域发生泥石流的概率和发生泥石流时的危险性。
由于泥石流固体物源信息熵是基于泥石流固体物源的空间分布数据获取的，而泥石流固体物源是造成泥石流的重要要素之一，因此泥石流固体物源信息熵可以作为泥石流判断参数指标。
S300. 根据所述目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，确定所述目标流域泥石流爆发的多个降雨量预警阈值。
由于降雨是造成泥石流的重要要素之一，因此，通过目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，多个降雨量预警阈值，以作为泥石流判断参数指标。
S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果，开展泥石流实时预警。
其中，预设时限为24小时。
相对于相关技术，本申请根据目标流域的泥石流固体物源的空间分布数据，获取目标流域的泥石流固体物源信息熵，还根据目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，获取目标流域的多个降雨量预警阈值，然后根据目标流域的泥石流固体物源信息熵和目标流域的多个降雨量预警阈值，确定目标流域在预设时限内的累积降雨量对应的泥石流预警结果，结合了目标流域的泥石流固体物源和目标流域的降雨量两种预警指标，可以提高泥石流的预警准确性。
在一个可行的实施例中，所述S200. 根据所述空间分布数据，计算所述目标流域的泥石流固体物源信息熵的步骤，包括：
S201. 根据所述目标流域面积
Figure SMS_1
、所述目标流域内某条等高线以上的固体物源面积/>
Figure SMS_2
、所述目标流域最大相对高程差值/>
Figure SMS_3
和所述某条等高线与流域最低点的相对高程差值
Figure SMS_4
，构建所述目标流域的泥石流固体物源的面积-高程曲线关系。
具体地，所述S201. 根据所述目标流域面积
Figure SMS_5
、所述目标流域内某条等高线以上的固体物源面积/>
Figure SMS_6
、所述目标流域最大相对高程差值/>
Figure SMS_7
和所述某条等高线与流域最低点的相对高程差值/>
Figure SMS_8
，构建所述目标流域的泥石流固体物源的面积-高程曲线关系的步骤，包括：
根据所述目标流域面积
Figure SMS_9
和所述目标流域内某条等高线以上的固体物源面积/>
Figure SMS_10
，得到对应等高线以上的所述泥石流固体物源的面积占比/>
Figure SMS_11
；
根据所述目标流域最大相对高程差值
Figure SMS_12
和所述某条等高线与流域最低点的相对高程差值/>
Figure SMS_13
，得到对应等高线的高程占比/>
Figure SMS_14
；
根据所述固体物源面积占比
Figure SMS_15
和所述对应某条等高线的高程占比/>
Figure SMS_16
，在直角坐标系上绘制多条等高线对应坐标点，对多个所述坐标点进行数据拟合，得到所述目标流域的泥石流固体物源的面积-高程曲线/>
Figure SMS_17
。
S202. 获取所述目标流域的泥石流固体物源的面积-高程曲线关系
Figure SMS_20
的两个端点值/>
Figure SMS_22
和/>
Figure SMS_24
，其中且/>
Figure SMS_19
＞/>
Figure SMS_21
，对面积-高程曲线关系/>
Figure SMS_23
进行积分求取曲线面积，得到泥石流固体物源的面积-高程曲线关系的积分值/>
Figure SMS_25
，/>
Figure SMS_18
。
S203. 根据所述目标流域的泥石流固体物源的面积-高程曲线关系
Figure SMS_26
、对应的所述两个端点值/>
Figure SMS_27
和/>
Figure SMS_28
以及对应的所述积分值/>
Figure SMS_29
，构建所述目标流域的泥石流固体物源信息熵的模型，计算得到所述子流域的泥石流固体物源信息熵/>
Figure SMS_30
：
Figure SMS_31
其中，
Figure SMS_34
为所述泥石流固体物源信息熵；/>
Figure SMS_39
为所述泥石流固体物源的面积-高程曲线关系的积分值；/>
Figure SMS_43
为所述泥石流固体物源的面积-高程曲线关系的积分区间的第一端点值；/>
Figure SMS_37
为所述泥石流固体物源的面积-高程曲线关系的积分区间的第二端点值，且/>
Figure SMS_38
；
Figure SMS_40
为泥石流固体物源的面积-高程曲线/>
Figure SMS_42
拟合多项式的次数/>
Figure SMS_32
时的第0次项系数；/>
Figure SMS_33
为泥石流固体物源的面积-高程曲线
Figure SMS_36
拟合多项式次数/>
Figure SMS_41
时的第1次项系数；拟合多项式中的/>
Figure SMS_35
为拟合参数。
在一个可行的实施例中，泥石流固体物源信息熵
Figure SMS_44
的取值范围为/>
Figure SMS_45
，当
Figure SMS_46
，可得/>
Figure SMS_47
，此时整个流域充满固体物源，此时
Figure SMS_48
；
当
Figure SMS_49
时，可得/>
Figure SMS_50
，此时流域中上游分布着大量崩塌滑坡物质，下游没有崩塌滑坡物质，此时/>
Figure SMS_51
，将2.68确定为预设的第一信息熵阈值；
当
Figure SMS_52
时，可得/>
Figure SMS_53
，此时流域上游分布着大量崩塌滑坡物质，中下游没有崩塌滑坡物质，此时/>
Figure SMS_54
，将7.67确定为预设的第二信息熵阈值；
当
Figure SMS_55
时，可得/>
Figure SMS_56
，此时整个流域几乎没有崩塌滑坡物质，此时/>
Figure SMS_57
；
因此，物源信息熵
Figure SMS_58
与泥石流灾害的关系为：/>
当物源信息熵
Figure SMS_59
的取值范围在（0, 2.68）时，松散固体物源主要分布在泥石流沟的中上游且沟坡极不稳定，很容易在降雨作用下发生泥石流，且泥石流规模大，可对中下游区域造成巨大的破坏；当固体物源信息熵/>
Figure SMS_60
的取值范围在[2.68, 7.67）时，松散固体物源主要分布在泥石流沟的中下游，而上游的沟坡较为稳定，降雨作用下会将中下游的松散固体物质冲出沟谷，形成泥石流灾害，危害较大；当固体物源信息熵/>
Figure SMS_61
的取值范围在
Figure SMS_62
时，松散固体物源在泥石流沟很少分布，泥石流极难发生，沟槽稳定，危害较小。
在一个可行的实施例中，所述S300. 根据所述目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，确定所述目标流域的多个降雨量预警阈值的步骤，包括：
根据所述降雨降雨水文资料和所述历史泥石流灾害爆发的降雨数据，统计泥石流灾害发生当日24h降雨量和前期预设时间内累积降雨量，获取目标流域对泥石流由响应的最小降雨量、最小激发雨量、历史最大降雨量，以获取所述多个降雨量预警阈值。
具体地，所述多个降雨量预警阈值包括第一预警阈值R1、第二预警阈值R2、第三预警阈值R3、第四预警阈值R4和第五预警阈值R5；其中，将所述目标流域内泥石流对降雨有响应的最小降雨量确定为所述第一预警阈值R1；将所述目标流域内泥石流爆发的最小激发雨量确定为所述第四预警阈值R4；将所述目标流域内最大降雨量确定为所述第五预警阈值R5；所述第二预警阈值R2大于所述第一预警阈值R1；所述第三预警阈值R3大于所述第二预警阈值R2，小于所述第四预警阈值R4。
在一个可行的实施例中，所述S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果的步骤，包括：
若所述固体物源信息熵的取值范围在（0, 2.68），当24h累积降雨量范围为(R1，R2)时，泥石流灾害预警级别最低，为蓝色预警；当24h累积降雨量范围为[R2，R3)时，泥石流预灾害预警级别升高，为黄色预警；当24h累积降雨量范围为[R3，R4)时，泥石流预灾害预警级别升高，为橙色预警；当24h累积降雨量范围为[R4，R5)时，泥石流灾害预警级最高，为红色预警。
在本实施例中，可以根据24h累积降雨量范围，判断固体物源信息熵的取值范围在（0, 2.68）的目标流域的泥石流灾害预警级别。
在一个可行的实施例中，所述S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果的步骤，包括：
若所述固体物源信息熵的取值范围在[2.68, 7.67），当24h累积降雨量范围为(R1，R3)时，无需对泥石流预灾害进行预警；当24h累积降雨量范围为[R3，R4)时，泥石流预警级别最低，为蓝色预警；当24h累积降雨量范围为[R4，R5)时，泥石流预警级别升高，为黄色预警。
在本实施例中，可以根据24h累积降雨量范围，判断固体物源信息熵的取值范围在[2.68, 7.67）的目标流域的泥石流灾害预警级别。
在一个可行的实施例中，所述S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果的步骤，包括：
当所述固体物源信息熵的取值范围在
Figure SMS_63
时，当24h累积降雨量范围为(R1，R4)时，无需对泥石流预灾害进行预警；当24h累积降雨量范围为[R4，R5)时，泥石流预警级别最低，为蓝色预警。
在本实施例中，可以根据24h累积降雨量范围，判断固体物源信息熵的取值范围在
Figure SMS_64
的目标流域的泥石流灾害预警级别。
在一个可行的实施例中，目标流域安装至少一个雨量监测站，所述雨量监测站用于对所述目标流域内泥石流沟的降雨量进行实时监测，以确定所述目标流域的多个降雨量预警阈值。
进一步地，为了更好地体现本申请的技术效果，以下将结合实际数据进行说明：
深溪沟流域位于Z国C省，流域总面积约8.17km2，主沟长约4400m，平均坡降约137‰，最高海拔约2141m，最低海拔约870m，相对高差约1271m。深溪沟流域由于地震造成该流域地表破裂严重，山体破碎、松散固体物质广泛分布，老泥石流沟复活等。地震造成的崩塌主要分布在锅圈岩、大虹口、武显庙、岳家屋基、黄泥岗一带地形陡峻处。每逢雨季（尤其是2010年、2011年、2012年、2013年、2014、2016年雨季），山洪、泥石流等地质灾害频繁发生。据统计，该流域内现有山洪、泥石流沟40余条，严重威胁着深溪村4组、5组、6组、7组、8组400多人的生命以及附近的园区设施等对象，亟需开展行之有效的预警措施。
请参阅图2，将深溪沟流域作为目标流域，基于流域30m的DEM数据，通过ArcGIS10.1软件的水文分析模块，对集水栅格阈值（累积流量）为500的流域河网进行提取，然后对生成的河网数据进行Stream Link处理，配准并勾绘流域界限，得到深溪沟流域的41条子流域。
请参阅图3，对地震后深溪沟流域的Google Earth遥感影像（其卫星影像部分来自于美国DigitalGlobe公司的QuickBird商业卫星与EarthSat公司的陆地LANDSAT-7卫星）进行分析，通过NDVI值分离植被、使用坡度值去除平缓地物图斑、区分阴影植被、通过图斑长宽比剔除伪图斑、顺坡性原则等步骤，可以得到深溪沟流域松散固体物质的空间分布图，即深溪沟流域的泥石流固体物源的空间分布数据。
根据解译的结果，将固体物源面积和高程数据导入到Excel中进行统计分析，按照等高距为50m计算深溪沟流域高程比重和固体物源面积比重，得到41条子流域的一系列点，其中X表示固体物源面积比重，Y表示高程比重（按照等距为50m）。运用MATLAB软件，用多项式对深溪沟流域41条子流域的一系列(X,Y)点进行拟合，得到相应的固体物源面积—高程曲线，然后分别对拟合得到的固体物源面积—高程曲线进行积分，得到泥石流固体物源面积—高程曲线积分值M，然后再根据积分值M计算得到泥石流固体物源信息熵，其结果如下表1所示：
Figure SMS_65
表1-深溪沟流域固体物源面积—高程积分曲线和信息熵值表
根据历史泥石流灾害爆发的降雨数据，可以统计出深溪沟流域泥石流暴发时间及雨量，如下表2所示：
Figure SMS_66
表2-深溪沟流域泥石流暴发时间及雨量统计表
根据表2的数据可知，深溪沟流域降雨量历史最大值为148.3mm，考虑实际情况，第五预警阈值R5取150 mm；流域内泥石流暴发的最小激发雨量为59.6，第四预警阈值R4取60mm，该次泥石流前5d（5天）的降雨量大，达到了200mm以上，因此该次泥石流激发雨量较小，综合深溪沟流域的降雨水文资料，第一预警阈值R1、第二预警阈值R2和第三预警阈值R3分别取20mm，40mm，50mm。由于41条子流域都是属于深溪沟流域的，因此可以将深溪沟流域的第一预警阈值R1、第二预警阈值R2、第三预警阈值R3、第四预警阈值R4和第五预警阈值R5作为各条子流域的预警阈值。
因此，根据深溪沟流域固体物源信息熵值，以及泥石流暴发的雨量预警阈值，深溪沟流域的部分子流域的泥石流沟化预警分级如下表3所示：
Figure SMS_67
表3-深溪沟流域的部分子流域的泥石流沟化预警分级表
具体地，除了上述13条泥石流沟，深溪沟流域其他的沟谷鲜有松散固体物质分布，因此单纯的降雨量无法诱发泥石流灾害，降雨只会引发洪水。由于深溪沟流域上述13条沟地震诱发了大量的松散固体物质，分布在沟道的不同位置，增加了泥石流暴发的可能性，泥石流预警势在必行。具体而言，0、1、2、4、7、10、11、20、32、33号泥石流沟松散物质大量分布，且有些沟谷已经爆发了泥石流灾害，因此这些沟谷泥石流对降雨非常敏感，且暴发的规模可能很大，最为危险。而15、16、17号虽然有固体物源分布，但是危险性很小，对降雨不太敏感。
本领域内的技术人员应明白，本申请的实施例可提供为方法。其中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，包括：
S100. 获取目标流域的泥石流固体物源的空间分布数据；
S200. 根据所述空间分布数据，计算所述目标流域的泥石流固体物源信息熵；
S300. 根据所述目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，确定所述目标流域泥石流爆发的多个降雨量预警阈值；
S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果，开展泥石流实时预警。
2. 根据权利要求1所述的一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，S200. 根据所述空间分布数据，计算所述目标流域的泥石流固体物源信息熵的步骤，包括：
S201. 根据所述目标流域面积
Figure QLYQS_1
、所述目标流域内某条等高线以上的固体物源面积/>
Figure QLYQS_2
、所述目标流域最大相对高程差值/>
Figure QLYQS_3
和所述某条等高线与流域最低点的相对高程差值/>
Figure QLYQS_4
，构建所述目标流域的泥石流固体物源的面积-高程曲线关系；
S202. 获取所述目标流域的泥石流固体物源的面积-高程曲线关系
Figure QLYQS_5
的两个端点值
Figure QLYQS_11
和/>
Figure QLYQS_12
，其中且/>
Figure QLYQS_6
＞/>
Figure QLYQS_7
，对面积-高程曲线关系/>
Figure QLYQS_9
进行积分求取曲线面积，得到泥石流固体物源的面积-高程曲线关系的积分值/>
Figure QLYQS_10
，/>
Figure QLYQS_8
；
S203. 根据所述目标流域的泥石流固体物源的面积-高程曲线关系
Figure QLYQS_13
、对应的所述两个端点值/>
Figure QLYQS_14
和/>
Figure QLYQS_15
以及对应的所述积分值/>
Figure QLYQS_16
，构建所述目标流域的泥石流固体物源信息熵的模型，计算得到所述子流域的泥石流固体物源信息熵/>
Figure QLYQS_17
：
Figure QLYQS_18
其中，
Figure QLYQS_20
为所述泥石流固体物源信息熵；/>
Figure QLYQS_22
为所述泥石流固体物源的面积-高程曲线关系的积分值；/>
Figure QLYQS_25
为所述泥石流固体物源的面积-高程曲线关系的积分区间的第一端点值；
Figure QLYQS_21
为所述泥石流固体物源的面积-高程曲线关系的积分区间的第二端点值，且/>
Figure QLYQS_24
；/>
Figure QLYQS_27
为泥石流固体物源的面积-高程曲线/>
Figure QLYQS_29
拟合多项式的次数
Figure QLYQS_19
时的第0次项系数；/>
Figure QLYQS_26
为泥石流固体物源的面积-高程曲线
Figure QLYQS_28
拟合多项式次数/>
Figure QLYQS_30
时的第1次项系数；拟合多项式中的
Figure QLYQS_23
为拟合参数。
3. 根据权利要求2所述的一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，所述S201. 根据所述目标流域面积
Figure QLYQS_31
、所述目标流域内某条等高线以上的固体物源面积/>
Figure QLYQS_32
、所述目标流域最大相对高程差值/>
Figure QLYQS_33
和所述某条等高线与流域最低点的相对高程差值
Figure QLYQS_34
，构建所述目标流域的泥石流固体物源的面积-高程曲线关系的步骤，包括：/>
根据所述目标流域面积
Figure QLYQS_35
和所述目标流域内某条等高线以上的固体物源面积/>
Figure QLYQS_36
，得到对应等高线以上的所述泥石流固体物源的面积占比/>
Figure QLYQS_37
；
根据所述目标流域最大相对高程差值
Figure QLYQS_38
和所述某条等高线与流域最低点的相对高程差值/>
Figure QLYQS_39
，得到对应等高线的高程占比/>
Figure QLYQS_40
；
根据所述固体物源面积占比
Figure QLYQS_41
和所述对应某条等高线的高程占比/>
Figure QLYQS_42
，在直角坐标系上绘制多条等高线对应坐标点，对多个所述坐标点进行数据拟合，得到所述目标流域的泥石流固体物源的面积-高程曲线/>
Figure QLYQS_43
。
4. 根据权利要求1所述的一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，泥石流固体物源信息熵
Figure QLYQS_44
的取值范围为/>
Figure QLYQS_45
，物源信息熵/>
Figure QLYQS_46
与泥石流灾害的关系为：当物源信息熵/>
Figure QLYQS_47
的取值范围在（0, 2.68）时，松散固体物源主要分布在泥石流沟的中上游且沟坡极不稳定，很容易在降雨作用下发生泥石流，且泥石流规模大，可对中下游区域造成巨大的破坏；当固体物源信息熵/>
Figure QLYQS_48
的取值范围在[2.68, 7.67）时，松散固体物源主要分布在泥石流沟的中下游，而上游的沟坡较为稳定，降雨作用下会将中下游的松散固体物质冲出沟谷，形成泥石流灾害，危害较大；当固体物源信息熵/>
Figure QLYQS_49
的取值范围在
Figure QLYQS_50
时，松散固体物源在泥石流沟很少分布，泥石流极难发生，泥石流沟槽稳定，危害较小。
5. 根据权利要求1所述的一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，所述S300. 根据所述目标流域的降雨水文资料和历史泥石流灾害爆发的降雨数据，确定所述目标流域泥石流爆发的多个降雨量预警阈值的步骤，包括：
根据所述降雨水文资料和所述历史泥石流灾害爆发的降雨数据，统计泥石流灾害发生当日24h降雨量和前期预设时间内累积降雨量，获取目标流域对泥石流由响应的最小降雨量、最小激发雨量、历史最大降雨量，以获取所述多个降雨量预警阈值。
6.根据权利要求5所述的一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，所述多个降雨量预警阈值包括第一预警阈值R1、第二预警阈值R2、第三预警阈值R3、第四预警阈值R4和第五预警阈值R5；其中，将所述目标流域内泥石流对降雨有响应的最小降雨量确定为所述第一预警阈值R1；R1和R3根据规范规定的不同雨型和实际情况调整确定；将所述目标流域内泥石流爆发的最小激发雨量确定为所述第四预警阈值R4；将所述目标流域内最大降雨量确定为所述第五预警阈值R5；所述第二预警阈值R2大于所述第一预警阈值R1；所述第三预警阈值R3大于所述第二预警阈值R2，小于所述第四预警阈值R4。
7. 根据权利要求6所述的一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，所述S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果的步骤，包括：
若所述固体物源信息熵的取值范围在（0, 2.68），当24h累积降雨量范围为(R1，R2)时，泥石流灾害预警级别最低，为蓝色预警；当24h累积降雨量范围为[R2，R3)时，泥石流预灾害预警级别升高，为黄色预警；当24h累积降雨量范围为[R3，R4)时，泥石流预灾害预警级别升高，为橙色预警；当24h累积降雨量范围为[R4，R5)时，泥石流灾害预警级最高，为红色预警。
8. 根据权利要求6所述的一种基于物源信息熵和降雨量的泥石流预警方法，其特征在于，所述S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果的步骤，包括：
若所述固体物源信息熵的取值范围在[2.68, 7.67），当24h累积降雨量范围为(R1，R3)时，无需对泥石流预灾害进行预警；当24h累积降雨量范围为[R3，R4)时，泥石流预警级别最低，为蓝色预警；当24h累积降雨量范围为[R4，R5)时，泥石流预警级别升高，为黄色预警。
9. 根据权利要求1所述的基于物源信息熵和降雨量的泥石流预警方法，其特征在于，所述S400. 根据所述目标流域的泥石流固体物源信息熵和所述目标流域的多个降雨量预警阈值，确定所述目标流域在预设时限内的累积降雨量对应的泥石流预警结果的步骤，包括：
当所述固体物源信息熵的取值范围在[7.67, +
Figure QLYQS_51
）时，当24h累积降雨量范围为(R1，R4)时，无需对泥石流预灾害进行预警；当24h累积降雨量范围为[R4，R5)时，泥石流预警级别最低，为蓝色预警。
10.如权利要求1-9任一项所述的一种基于物源信息熵和降雨量的泥石流灾害预警方法，其特征在于，目标流域安装至少一个雨量监测站，所述雨量监测站用于对所述目标流域内泥石流沟的降雨量进行实时监测，以确定所述目标流域的多个降雨量预警阈值。
CN202310314687.5A 2023-03-29 2023-03-29 一种基于物源信息熵和降雨量的泥石流预警方法 Pending CN116153029A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310314687.5A CN116153029A (zh) 2023-03-29 2023-03-29 一种基于物源信息熵和降雨量的泥石流预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310314687.5A CN116153029A (zh) 2023-03-29 2023-03-29 一种基于物源信息熵和降雨量的泥石流预警方法

Publications (1)

Publication Number Publication Date
CN116153029A true CN116153029A (zh) 2023-05-23

Family

ID=86356422

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310314687.5A Pending CN116153029A (zh) 2023-03-29 2023-03-29 一种基于物源信息熵和降雨量的泥石流预警方法

Country Status (1)

Country Link
CN (1) CN116153029A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331744A (zh) * 2014-10-17 2015-02-04 中国科学院、水利部成都山地灾害与环境研究所 一种泥石流危险度评价方法
CN110580573A (zh) * 2019-08-22 2019-12-17 广州地理研究所 一种基于地形子系统的泥石流危险性评估方法及装置
CN110599001A (zh) * 2019-08-22 2019-12-20 广州地理研究所 一种泥石流流域系统的泥石流危险性评估方法及装置
CN110599002A (zh) * 2019-08-22 2019-12-20 广州地理研究所 一种基于水动力子系统的泥石流危险性评估方法及装置
CN110610302A (zh) * 2019-08-22 2019-12-24 广州地理研究所 一种基于固体物源子系统的泥石流危险性评估方法及装置
CN111241690A (zh) * 2020-01-16 2020-06-05 广州地理研究所 一种泥石流沟的判识方法及装置
CN111311879A (zh) * 2020-01-16 2020-06-19 广州地理研究所 一种泥石流的预警方法及装置
CN112862152A (zh) * 2020-12-31 2021-05-28 中铁第四勘察设计院集团有限公司 一种基于地貌信息熵和降雨量的泥石流灾害预警方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104331744A (zh) * 2014-10-17 2015-02-04 中国科学院、水利部成都山地灾害与环境研究所 一种泥石流危险度评价方法
CN110580573A (zh) * 2019-08-22 2019-12-17 广州地理研究所 一种基于地形子系统的泥石流危险性评估方法及装置
CN110599001A (zh) * 2019-08-22 2019-12-20 广州地理研究所 一种泥石流流域系统的泥石流危险性评估方法及装置
CN110599002A (zh) * 2019-08-22 2019-12-20 广州地理研究所 一种基于水动力子系统的泥石流危险性评估方法及装置
CN110610302A (zh) * 2019-08-22 2019-12-24 广州地理研究所 一种基于固体物源子系统的泥石流危险性评估方法及装置
CN111241690A (zh) * 2020-01-16 2020-06-05 广州地理研究所 一种泥石流沟的判识方法及装置
CN111311879A (zh) * 2020-01-16 2020-06-19 广州地理研究所 一种泥石流的预警方法及装置
CN112862152A (zh) * 2020-12-31 2021-05-28 中铁第四勘察设计院集团有限公司 一种基于地貌信息熵和降雨量的泥石流灾害预警方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
姚鑫等: ""基于地貌特征的浅层崩滑体遥感自动识别"", 《地质通报》, vol. 27, no. 11, pages 1870 - 1874 *

Similar Documents

Publication Publication Date Title
Morelli et al. Rapid assessment of flood susceptibility in urbanized rivers using digital terrain data: Application to the Arno river case study (Firenze, northern Italy)
Gabr et al. Estimating the flash flood quantitative parameters affecting the oil-fields infrastructures in Ras Sudr, Sinai, Egypt, during the January 2010 event
Youssef et al. The devastating flood in the arid region a consequence of rainfall and dam failure: Case study, Al-Lith flood on 23th November 2018, Kingdom of Saudi Arabia
Pareta et al. Hydromorphogeological study of Karawan watershed using GIS and remote sensing techniques
Kayembe et al. Determination of subcatchment and watershed boundaries in a complex and highly urbanized landscape
Ehiorobo et al. Monitoring of gully erosion in an urban area using geoinformation technology
Ghimire et al. Gully erosion in the Siwalik Hills, Nepal: estimation of sediment production from active ephemeral gullies
CN110599002B (zh) 一种基于水动力子系统的泥石流危险性评估方法及装置
Sundborg et al. Erosion and sedimentation by water: problems and prospects
Noori et al. Quantification of morphometric parameters to analyze the watershed characteristics: A case study of Rosti Watershed, Iraq
CN109615195B (zh) 一种山区河流水文地貌分级评价方法
Game et al. Flood modelling for a real-time decision support system of the covered Lower Paillons River, Nice, France
CN116153029A (zh) 一种基于物源信息熵和降雨量的泥石流预警方法
Jaramillo Estimating and modeling soil loss and sediment yield in the Maracas-St. Joseph River Catchment with empirical models (RUSLE and MUSLE) and a physically based model (Erosion 3D)
Czuba et al. Changes in sediment volume in Alder Lake, Nisqually River Basin, Washington, 1945–2011
Crapoulet et al. Using LiDAR topographic data for identifying coastal areas of northern France vulnerable to sea-level rise
Taukenov et al. Methods of improving the efficiency of monitoring of channel deformations of mountain rivers near built-in settlements: on the example of the Buktyrma river
Karunia et al. Flood control strategy in kali sabi river basin in Tangerang
Dikici et al. Flood hazard assessment for Alibeyköy watershed in İstanbul with MIKE NAM and MIKE 21
Indrayati et al. 3D model and morphometry of the Beringin watershed as an effort for flash flood disaster risk reduction in Semarang
Koshale et al. Quantitative analysis of the morphometric characteristics of Arpa River basin (ARB), Chhattisgarh, India
Celeste et al. Floodplain modelling of Malaking-ilog river in southern Luzon, Philippines using LiDAR digital elevation model for the design of water-related structures
Chaparro Mapping the Risk of Flood, Mass Movement and Local Subsidence: A New Proposal for Major Cities
Danáčová et al. Detection of gully erosion using Global Navigation Satellite Systems in Myjava–Turá Lúka
Cartwright et al. Automated identification of stream-channel geomorphic features from high‑resolution digital elevation models in West Tennessee watersheds

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20230523

RJ01 Rejection of invention patent application after publication