CN116542371A - 一种城市内涝预测分析方法 - Google Patents
一种城市内涝预测分析方法 Download PDFInfo
- Publication number
- CN116542371A CN116542371A CN202310480984.7A CN202310480984A CN116542371A CN 116542371 A CN116542371 A CN 116542371A CN 202310480984 A CN202310480984 A CN 202310480984A CN 116542371 A CN116542371 A CN 116542371A
- Authority
- CN
- China
- Prior art keywords
- data
- model
- pipe network
- point cloud
- obtaining
- 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.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 64
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 66
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000005259 measurement Methods 0.000 claims abstract description 34
- 230000035699 permeability Effects 0.000 claims abstract description 24
- 239000002352 surface water Substances 0.000 claims abstract description 18
- 238000011835 investigation Methods 0.000 claims abstract description 9
- 238000004519 manufacturing process Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims description 28
- 230000008595 infiltration Effects 0.000 claims description 19
- 238000001764 infiltration Methods 0.000 claims description 19
- 238000004088 simulation Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 16
- 238000007689 inspection Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 claims description 9
- 238000001704 evaporation Methods 0.000 claims description 9
- 230000008020 evaporation Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 230000035515 penetration Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 239000008239 natural water Substances 0.000 claims description 3
- 229920006395 saturated elastomer Polymers 0.000 claims description 3
- 238000003860 storage Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000005206 flow analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/082—Investigating permeability by forcing a fluid through a sample
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/08—Investigating permeability, pore-volume, or surface area of porous materials
- G01N15/088—Investigating volume, surface area, size or distribution of pores; Porosimetry
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
Abstract
本发明公开了一种城市内涝预测分析方法,涉及灾害预测技术领域,本发明包括利用车载移动测量系统和航空摄影测量系统,获取数字点云,制作数字表面模型;利用地理国情监测地表覆盖数据,以地理国情监测数据作为下垫面数据,通过透水性分析,获取地表透水模型;通过地下管网调查,将管网与节点概化,获取并构建排水管网拓扑网络模型;基于数字表面模型、地表透水模型、排水管网拓扑网络模型和气象数据,对地表汇流、区域积水和积水程度进行分析,构建城市内涝预测分析模型;根据城市内涝预测分析模型,获取对城市内涝的预测分析。
Description
技术领域
本发明涉及灾害预测技术领域,具体为一种城市内涝预测分析方法。
背景技术
近年来,由于城市化水平提高、全球气候变化、土地利用及城市水文水利情况的变化,受暴雨等极端灾害性天气的影响,城市内涝发生频繁,灾害程度日趋严重,内涝预报也成为防灾减灾的重要非工程措施。构建城市内涝预测分析方法,有利于相关工作人员全面了解城市内涝的防治情况,针对实际情况展开合理分析,有效判断采用策略。
当前在城市内涝分析预测方面主要从以下几方面实现:一是从地表产流的角度,即从子流域的模拟方法、子流域下的产流产生条件、产流模型方法等。二是从地表径流的角度,即影响径流的因子及径流过程。三是从下渗的角度,即雨水降到地表后慢慢渗入透水区域的过程,以及不同地表的拦截雨水能力。四是从管网汇流角度,即管网的拓扑结构、排水能力、影响排水的过程影响因子等。五是从气象角度,即模拟暴雨的降雨程度影响及过程变化规律。
在城市内涝分析预测方面当前一是缺乏高精度数字表面模型,由于城市地形具有高度复杂的特征,楼宇、高架桥、市政建筑物等城市微地形会显著改变水流方向,对地表径流以及积水扩散过程产生明显影响,进而制约内涝模型的模拟精度。二是缺乏丰富的城市下垫面分类数据,以及在此基础上构建的地表透水模型。三是缺乏详实的地下管网数据,以及对其的拓扑网络构建。整体而言,城市内涝分析存在城市地表模拟方面不够精准、下垫面数据不够丰富、数值模拟算法不够综合、模型参数设置精度较低,导致城市内涝分析结果精度不高。
发明内容
本发明提出的一种城市内涝预测分析方法,包括以下步骤:
利用车载移动测量系统和航空摄影测量系统,获取数字点云,制作数字表面模型;
利用地理国情监测地表覆盖数据,以地理国情监测数据作为下垫面数据,通过透水性分析,获取地表透水模型;
通过地下管网调查,将管网与节点概化,获取并构建排水管网拓扑网络模型;
基于数字表面模型、地表透水模型、排水管网拓扑网络模型和气象数据,对地表汇流、区域积水和积水程度进行分析,构建城市内涝预测分析模型;
根据城市内涝预测分析模型,获取对城市内涝的预测分析。
进一步的,所述制作数字表面模型,具体包括:
利用车载移动测量系统,获取带状数字点云;
利用航空摄影测量技术,对车载测量系统无法采集到的区域进行数字点云采集;
对数字点云进行加工、处理、融合,并构建满足城市内涝分析的数字地表模型DSM。
进一步的,所述利用车载移动测量系统,获取带状高精度数字点云,具体包括:
在移动测量车有效控制范围内架设地面基站点并进行控制测量,根据规划测线开展车载移动扫描;
对采集的定位定姿数据IMU、DGPS、里程数据和纠正点数据进行组合导航解算,对扫描的激光数据进行纠正处理,经精度检核获得点云数据成果。
进一步的,所述利用航空摄影测量技术,对车载测量系统无法采集到的区域进行数字点云采集,具体包括:
在无人机有效控制范围内架设地面基站点并进行控制测量,根据规划航线开展无人机载lidar扫描;
利用采集的定位定姿数据IMU、DGPS对点云进行坐标系统转换,对获取的点云进行地面点、非地面点、噪声点等分类,并利用多种算法开展点云的自动、半自动滤波,经精度检核获得点云数据成果。
进一步的,所述构建满足城市内涝分析的高精度数字地表模型DSM,具体包括:
将基于车载移动测量系统获取的点云和基于航空摄影测量系统获取的点云进行点云格式转换,并对点云数据进行融合处理;
针对点云分布不均等问题进行点云内插;
对点云进行编辑,保留地物信息;
经精度检验获得保留地表构筑物形态的数字表面模型DSM。
进一步的,所述获取地表透水模型,具体包括:
以高分辨率源航空航天遥感影像数据为数据源,收集和整合基础地理信息数据及多行业专题数据;
通过遥感影像解译、外业调查、数据编辑与整理、质量检查技术与方法获得地表覆盖数据;
经过透水性分析,构建地表透水模型。
进一步的,所述获取并构建排水管网拓扑网络模型,具体包括:
收集各类地下管线专业资料,现场探勘确定探查仪器与方法;
通过明显点的探查和隐蔽点的探查,经草图记录和质量检查获得物探属性数据结果;
通过控制点测量和管线点测量,经内业处理和质量检查后获得测绘空间数据成果;
对物探属性数据结果和测绘空间数据结果进行挂接,获得地下管网数据;
对排水管网中线状管网及点状排水口的分布进行概化和拓扑模拟,形成排水管网模型。
进一步的,所述构建城市内涝预测分析模型,具体包括:
将模拟区划分为若干子汇水区,每个子汇水区作为模型计算的基本空间单元;
根据各个子汇水区的参数,分别计算汇流过程;
根据流量演算方法汇总各个子汇水区信息,将各个阶段进行时空耦合,构建城市内涝预测分析模型,得到模拟区内的内涝分布情况。
进一步的,在计算汇流前,需要先进行产流分析,产流分析包括:
产流是考虑到降雨蒸发、下渗、管网排水等情况的损耗,而将排到其他区域的水量,产流计算公式为:
R=(i-e)*Δt-∑Hi-HP;
式中,R-产流量,mm;i-降雨强度,mm/s;e-地表蒸发量,mm/s;Δt-降雨历时,s;Hi-不同透水面降雨入渗深度,mm;HP-子汇水区排水管网的排水深度,mm;
公式中的降雨强度和地表蒸发量从气象数据中提取,其他因子通过下渗计算、管网汇流计算获得;
下渗计算是先利用地表透水模型计算不同地表的下渗强度Ki,再计算不同透水面在降雨过程中的入渗深度,下渗计算公式如下:
Hi=(θS-θi)Ki/(i-Ki)*Ai;
式中,Hi-不同透水面降雨入渗深度,mm;θS-饱和时候以体积计算的水分含量,mm3;θi-初始时候以体积计算的水分含量,mm3;i-降雨强度,mm/s;Ki-不同地表的下渗强度,mm/s;Ai-不同透水面的面积,mm2;
管网汇流计算是先根据排水管网模型中管网的粗细、长度、出口等因素计算子汇水区域内所有管网的排水体方,其次根据井盖的数量,计算通过管网可以排出的降雨深度,管网汇流公式如下:
HP=ΦS*GS/(i-GS)*N*Ap;
式中,HP-子汇水区排水管网的排水深度,mm;ΦS-子汇水区内排水管网的总排水体方,mm3;i-降雨强度,mm/s;GS-排水管网节点的饱和水力传导率,mm/s;N-排水管网节点的数量;Ap-排水管网节点的面积,mm2。
进一步的,所述计算汇流,具体包括:
经过产流分析,得到将流到其他区域的雨量,对这些雨量进行汇流分析;
其中,在地表径流模拟过程中,汇流累积量是基于水流方向数据计算得到的,以规则格网表示的数字表面模型每点处有一个单位的水量,按照自然水流从高处流往低处的自然规律,根据区域地形的水流方向数据计算每点处所流过的水量数值,便可得到该区域的汇流累积量;
利用数字表面模型确定水流方向,水流的流向通过计算中心栅格与邻域栅格的最大距离权落差来确定,栅格间的距离与方向有关,如果邻域栅格对中心栅格的方向值为2、8、32、128,则栅格间的距离为2倍的栅格大小,否则距离为1,得到水流编码后的水流文件;
利用水流文件获得洼地区域sink,计算每个洼地所形成的贡献区出水口高程zmax,并对洼地每一个栅格计算其深度,计算公式如下:
ΔZi=Zmax-Zi;
式中,Zi为每个栅格的高程;
根据下式获取洼地的蓄水量:
Vsink=∑Voli=∑(Cell_area)*ΔZi;
式中,Cell_area为栅格大小。
与现有技术相比,本发明提供的一种城市内涝预测分析方法,其有益效果是:
(1)针对现有城市地表模拟方面不够精准的技术问题,本发明引入车载激光测量建模系统与航空摄影测量系统获取的数字点云,构建高精度数字地表模型;
(2)针对下垫面数据不够丰富的技术问题,本发明引入地理国情监测数据作为下垫面数据,综合考虑城市复杂地表信息,在此数据基础上进行识别与渗水性分析;
(3)针对城市排水管网数据不够详实的问题,本发明引入地下管网调查技术,并对城市排水管网进行概化模拟,形成排水管网拓扑网络,并耦合至水动力模型,更加精确地论证带入变量后结果的科学性和准确性,从而使模型运行结果更加贴近真实情况。
附图说明
图1为本发明提供的城市内涝预测分析方法构建总体技术路线图;
图2为本发明提供的车载移动测量系统获取数字点云技术流程;
图3为本发明提供的航空摄影测量系统获取数字点云技术流程;
图4为本发明提供的数字表面模型制作技术流程;
图5为本发明提供的地表透水模型制作技术流程;
图6为本发明提供的排水管网模型构建制作技术流程;
图7为本发明提供的汇流累计量计算过程图;
图8为本发明提供的水流流向编码。
具体实施方式
下面结合附图1至图8,对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案,而不能以此来限制本发明的保护范围。
实施例1:如图1-8所示,本发明提出了一种城市内涝预测分析方法,具体包括:
利用车载移动测量系统、航空摄影测量系统获取并制作高精度数字表面模型;利用地理国情监测地表覆盖数据通过透水性分析获取地表透水模型;通过地下管网调查获取并构建管网拓扑网络模型。在这三个数据模型基础上,通过汇流分析及验证构建一种城市内涝预测分析方法。其总体技术路线如图1所示。
1.数字地表模型(DSM)构建
利用车载移动测量系统,获取带状高精度数字点云。利用航空摄影测量技术对车载测量系统无法采集到的区域进行数字点云采集,对数字点云进行加工、处理、融合,并构建满足城市内涝分析的高精度数字地表模型(DSM)。
1.1车载移动测量系统获取数字点云
首先在移动测量车有效控制范围内架设地面基站点并进行控制测量,根据规划测线开展车载移动扫描,对采集的定位定姿数据(IMU、DGPS)、里程数据和纠正点数据进行组合导航解算,对扫描的激光数据进行纠正处理,经精度检核获得点云数据成果,其技术流程如图2所示。
1.2航空摄影测量系统获取数字点云
首先在无人机有效控制范围内架设地面基站点并进行控制测量,根据规划航线开展无人机载lidar扫描,利用采集的定位定姿数据(IMU、DGPS)对点云进行坐标系统转换,对获取的点云进行地面点、非地面点、噪声点等分类,并利用多种算法开展点云的自动、半自动滤波,经精度检核获得点云数据成果,其技术流程如图3所示。
1.3数字表面模型(DSM)制作
将基于车载移动测量系统获取的点云和基于航空摄影测量系统获取的点云进行点云格式转换,并对点云数据进行融合处理,针对点云分布不均等问题进行点云内插,对点云进行编辑,保留地物信息,经精度检验获得保留地表构筑物形态的数字表面模型(DSM),其技术流程如图4所示。
2.地表透水性模型构建
以高分辨率源航空航天遥感影像数据为主要数据源,收集和整合基础地理信息数据及多行业专题数据,通过遥感影像解译、外业调查、数据编辑与整理、质量检查等技术与方法获得地表覆盖数据,经过透水性分析,构建地表透水模型,其技术路线如图5所示。
3.排水管网拓扑网络模型构建
收集各类地下管线专业资料(包括设计图、竣工图等),现场探勘确定探查仪器与方法。然后分物探和测量两个分步骤实施,物探方面通过明显点和隐蔽点的探查,经草图记录和质量检查获得物探属性数据结果;测量方面通过控制点测量和管线点测量,经内业处理和质量检查后获得测绘空间数据成果。对上述两类数据结果进行挂接,获得地下管网数据,线状管网及点状排水口等排水管网的分布进行概化和拓扑模拟,形成排水管网模型,其技术路线如图6所示。
4.城市内涝预测分析模型
将模拟区划分为若干子汇水区(小流域),每个子汇水区作为模型计算的基本空间单元,根据各个子汇水区的参数,分别计算汇流过程,最后根据流量演算方法汇总各个子汇水区信息,将各个阶段进行时空耦合,构建预测分析模型,得到模拟区内的内涝分布情况。
4.1产流分析
产流是考虑到降雨蒸发、下渗、管网排水等情况的损耗,而将排到其他区域的水量,产流计算公式如下:
R=(i-e)*Δt-∑Hi-HP;
式中,R-产流量,mm;i-降雨强度,mm/s;e-地表蒸发量,mm/s;Δt-降雨历时,s;Hi-不同透水面降雨入渗深度,mm;HP-子汇水区排水管网的排水深度,mm;
公式中的降雨强度和地表蒸发量从气象数据中提取,其他因子通过下渗计算、管网汇流计算获得。
4.1.1下渗计算
首先利用地表透水模型计算不同地表的下渗强度Ki,再计算不同透水面在降雨过程中的入渗深度,其计算公式如下:
Hi=(θS-θi)Ki/(i-Ki)*Ai;
式中,Hi-不同透水面降雨入渗深度,mm;θS-饱和时候以体积计算的水分含量,mm3;θi-初始时候以体积计算的水分含量,mm3;i-降雨强度,mm/s;Ki-不同地表的下渗强度,mm/s;Ai-不同透水面的面积,mm2。
4.1.2管网汇流计算
首先根据排水管网模型中管网的粗细、长度、出口等因素计算子汇水区域内所有管网的排水体方,其次根据井盖的数量,计算通过管网可以排出的降雨深度,其计算公式如下:
HP=ΦS*GS/(i-GS)*N*Ap;
式中,HP-子汇水区排水管网的排水深度,mm;ΦS-子汇水区内排水管网的总排水体方,mm3;i-降雨强度,mm/s;GS-排水管网节点的饱和水力传导率,mm/s;N-排水管网节点的数量;Ap-排水管网节点的面积,mm2。
4.2汇流分析
经过产流分析,我们得到将流到其他区域的雨量,对这些雨量进行汇流分析。在地表径流模拟过程中,汇流累积量是基于水流方向数据计算得到的。以规则格网表示的数字表面模型每点处有一个单位的水量,按照自然水流从高处流往低处的自然规律,根据区域地形的水流方向数据计算每点处所流过的水量数值,便得到了该区域的汇流累积量。汇流累积量计算过程如图7所示。
首先利用数字表面模型确定水流方向。水流的流向是通过计算中心栅格与邻域栅格的最大距离权落差来确定,栅格间的距离与方向有关,如果邻域栅格对中心栅格的方向值为2、8、32、128,则栅格间的距离为2倍的栅格大小,否则距离为1。通过上述方式得到水流编码后的水流文件。
其次利用水流文件获得洼地区域sink,计算每个洼地所形成的贡献区出水口高程zmax,并对洼地每一个栅格计算其深度
ΔZi=Zmax-Zi;
式中,Zi为每个栅格的高程。
并进一步得到洼地的蓄水量
Vsink=∑Voli=∑(Cell_area)*ΔZi;
式中,Cell_area为栅格大小。
综合来看,与现有技术相比,本发明提供的一种城市内涝预测分析方法,其有益效果是:
(1)针对现有城市地表模拟方面不够精准的技术问题,本发明引入车载激光测量建模系统与航空摄影测量系统获取的数字点云,构建高精度数字地表模型;
(2)针对下垫面数据不够丰富的技术问题,本发明引入地理国情监测数据作为下垫面数据,综合考虑城市复杂地表信息,在此数据基础上进行识别与渗水性分析;
(3)针对城市排水管网数据不够详实的问题,本发明引入地下管网调查技术,并对城市排水管网进行概化模拟,形成排水管网拓扑网络,并耦合至水动力模型,更加精确地论证带入变量后结果的科学性和准确性,从而使模型运行结果更加贴近真实情况。
以上所述实施例仅为本发明较佳的具体实施方式,本发明的保护范围不限于此,任何熟悉本领域的技术人员在本发明披露的技术范围内,可显而易见地得到的技术方案的简单变化或等效替换,均属于本发明的保护范围。
Claims (10)
1.一种城市内涝预测分析方法,其特征在于,包括以下步骤:
利用车载移动测量系统和航空摄影测量系统,获取数字点云,制作数字表面模型;
利用地理国情监测地表覆盖数据,以地理国情监测数据作为下垫面数据,通过透水性分析,获取地表透水模型;
通过地下管网调查,将管网与节点概化,获取并构建排水管网拓扑网络模型;
基于数字表面模型、地表透水模型、排水管网拓扑网络模型和气象数据,对地表汇流、区域积水和积水程度进行分析,构建城市内涝预测分析模型;
根据城市内涝预测分析模型,获取对城市内涝的预测分析。
2.如权利要求1所述的一种城市内涝预测分析方法,其特征在于,所述制作数字表面模型,具体包括:
利用车载移动测量系统,获取带状数字点云;
利用航空摄影测量技术,对车载测量系统无法采集到的区域进行数字点云采集;
对数字点云进行加工、处理、融合,并构建满足城市内涝分析的数字地表模型DSM。
3.如权利要求2所述的一种城市内涝预测分析方法,其特征在于,所述利用车载移动测量系统,获取带状高精度数字点云,具体包括:
在移动测量车有效控制范围内架设地面基站点并进行控制测量,根据规划测线开展车载移动扫描;
对采集的定位定姿数据IMU、DGPS、里程数据和纠正点数据进行组合导航解算,对扫描的激光数据进行纠正处理,经精度检核获得点云数据成果。
4.如权利要求3所述的一种城市内涝预测分析方法,其特征在于,所述利用航空摄影测量技术,对车载测量系统无法采集到的区域进行数字点云采集,具体包括:
在无人机有效控制范围内架设地面基站点并进行控制测量,根据规划航线开展无人机载lidar扫描;
利用采集的定位定姿数据IMU、DGPS对点云进行坐标系统转换,对获取的点云进行地面点、非地面点、噪声点等分类,并利用多种算法开展点云的自动、半自动滤波,经精度检核获得点云数据成果。
5.如权利要求4所述的一种城市内涝预测分析方法,其特征在于,所述构建满足城市内涝分析的高精度数字地表模型DSM,具体包括:
将基于车载移动测量系统获取的点云和基于航空摄影测量系统获取的点云进行点云格式转换,并对点云数据进行融合处理;
针对点云分布不均等问题进行点云内插;
对点云进行编辑,保留地物信息;
经精度检验获得保留地表构筑物形态的数字表面模型DSM。
6.如权利要求1所述的一种城市内涝预测分析方法,其特征在于,所述获取地表透水模型,具体包括:
以高分辨率源航空航天遥感影像数据为数据源,收集和整合基础地理信息数据及多行业专题数据;
通过遥感影像解译、外业调查、数据编辑与整理、质量检查技术与方法获得地表覆盖数据;
经过透水性分析,构建地表透水模型。
7.如权利要求1所述的一种城市内涝预测分析方法,其特征在于,所述获取并构建排水管网拓扑网络模型,具体包括:
收集各类地下管线专业资料,现场探勘确定探查仪器与方法;
通过明显点的探查和隐蔽点的探查,经草图记录和质量检查获得物探属性数据结果;
通过控制点测量和管线点测量,经内业处理和质量检查后获得测绘空间数据成果;
对物探属性数据结果和测绘空间数据结果进行挂接,获得地下管网数据;
对排水管网中线状管网及点状排水口的分布进行概化和拓扑模拟,形成排水管网模型。
8.如权利要求1所述的一种城市内涝预测分析方法,其特征在于,所述构建城市内涝预测分析模型,具体包括:
将模拟区划分为若干子汇水区,每个子汇水区作为模型计算的基本空间单元;
根据各个子汇水区的参数,分别计算汇流过程;
根据流量演算方法汇总各个子汇水区信息,将各个阶段进行时空耦合,构建城市内涝预测分析模型,得到模拟区内的内涝分布情况。
9.如权利要求8所述的一种城市内涝预测分析方法,其特征在于,在计算汇流前,需要先进行产流分析,产流分析包括:
产流是考虑到降雨蒸发、下渗、管网排水等情况的损耗,而将排到其他区域的水量,产流计算公式为:
R=(i-e)*Δt-∑Hi-HP;
式中,R-产流量,mm;i-降雨强度,mm/s;e-地表蒸发量,mm/s;Δt-降雨历时,s;Hi-不同透水面降雨入渗深度,mm;HP-子汇水区排水管网的排水深度,mm;
公式中的降雨强度和地表蒸发量从气象数据中提取,其他因子通过下渗计算、管网汇流计算获得;
下渗计算是先利用地表透水模型计算不同地表的下渗强度Ki,再计算不同透水面在降雨过程中的入渗深度,下渗计算公式如下:
Hi=(θS-θi)Ki/(i-Ki)*Ai;
式中,Hi-不同透水面降雨入渗深度,mm;θS-饱和时候以体积计算的水分含量,mm3;θi-初始时候以体积计算的水分含量,mm3;i-降雨强度,mm/s;Ki-不同地表的下渗强度,mm/s;Ai-不同透水面的面积,mm2;
管网汇流计算是先根据排水管网模型中管网的粗细、长度、出口等因素计算子汇水区域内所有管网的排水体方,其次根据井盖的数量,计算通过管网可以排出的降雨深度,管网汇流公式如下:
HP=ΦS*GS/(i-GS)*N*Ap;
式中,HP-子汇水区排水管网的排水深度,mm;ΦS-子汇水区内排水管网的总排水体方,mm3;i-降雨强度,mm/s;GS-排水管网节点的饱和水力传导率,mm/s;N-排水管网节点的数量;Ap-排水管网节点的面积,mm2。
10.如权利要求9所述的一种城市内涝预测分析方法,其特征在于,所述计算汇流,具体包括:
经过产流分析,得到将流到其他区域的雨量,对这些雨量进行汇流分析;
其中,在地表径流模拟过程中,汇流累积量是基于水流方向数据计算得到的,以规则格网表示的数字表面模型每点处有一个单位的水量,按照自然水流从高处流往低处的自然规律,根据区域地形的水流方向数据计算每点处所流过的水量数值,便可得到该区域的汇流累积量;
利用数字表面模型确定水流方向,水流的流向通过计算中心栅格与邻域栅格的最大距离权落差来确定,栅格间的距离与方向有关,如果邻域栅格对中心栅格的方向值为2、8、32、128,则栅格间的距离为倍的栅格大小,否则距离为1,得到水流编码后的水流文件;
利用水流文件获得洼地区域sink,计算每个洼地所形成的贡献区出水口高程zmax,并对洼地每一个栅格计算其深度,计算公式如下:
ΔZi=Zmax-Zi;
式中,Zi为每个栅格的高程;
根据下式获取洼地的蓄水量:
Vsink=∑Voli=∑(Cell_area)*ΔZi;
式中,Cell_area为栅格大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310480984.7A CN116542371B (zh) | 2023-04-28 | 2023-04-28 | 一种城市内涝预测分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310480984.7A CN116542371B (zh) | 2023-04-28 | 2023-04-28 | 一种城市内涝预测分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542371A true CN116542371A (zh) | 2023-08-04 |
CN116542371B CN116542371B (zh) | 2024-03-08 |
Family
ID=87455433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310480984.7A Active CN116542371B (zh) | 2023-04-28 | 2023-04-28 | 一种城市内涝预测分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542371B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919372A (zh) * | 2019-02-28 | 2019-06-21 | 武汉大学 | 一种基于全时空的城市暴雨积水评估建模方法 |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
CN112084671A (zh) * | 2020-09-15 | 2020-12-15 | 武汉大学 | 城市时变增益降雨-径流过程模拟计算方法 |
CN114139258A (zh) * | 2021-11-26 | 2022-03-04 | 深圳市水务科技发展有限公司 | 城市内涝建模评估方法、系统及计算机可读存储介质 |
-
2023
- 2023-04-28 CN CN202310480984.7A patent/CN116542371B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109919372A (zh) * | 2019-02-28 | 2019-06-21 | 武汉大学 | 一种基于全时空的城市暴雨积水评估建模方法 |
CN110298076A (zh) * | 2019-05-27 | 2019-10-01 | 广州奥格智能科技有限公司 | 一种基于gis和swmm的城市内涝智能建模及分析方法 |
CN112084671A (zh) * | 2020-09-15 | 2020-12-15 | 武汉大学 | 城市时变增益降雨-径流过程模拟计算方法 |
CN114139258A (zh) * | 2021-11-26 | 2022-03-04 | 深圳市水务科技发展有限公司 | 城市内涝建模评估方法、系统及计算机可读存储介质 |
Non-Patent Citations (3)
Title |
---|
叶子伟等: "基于地表模型的城市易集水区域普查 ——— 以宁波市为例", 城市勘测, no. 5, pages 30 - 39 * |
张春森等: "基于地理国情监测数据的暴雨洪水管理模型优化", 科学技术与工程, vol. 20, no. 2, pages 453 - 459 * |
徐宗学等: "遥感技术在城市洪涝模拟中的应用进展", 科学通报, vol. 63, no. 21, pages 2156 - 2166 * |
Also Published As
Publication number | Publication date |
---|---|
CN116542371B (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4682178B2 (ja) | 全国合成レーダ雨量を用いた分布型流出予測システム | |
Ahmad et al. | Estimation of a unique pair of Nash model parameters: an optimization approach | |
CN114240119A (zh) | 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法 | |
KR101815581B1 (ko) | Gis 및 하수관망 정보모델을 이용한 도로 침수 구역 판단 시스템 및 방법 | |
CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
CN113470333A (zh) | 一种线路工程走廊浅层滑坡危险性评估及监测预警系统 | |
CN110175370A (zh) | 一种城市汇水潜力区识别方法 | |
CN115659816A (zh) | 基于孪生模型的城市内涝点预测方法及系统 | |
Pachri et al. | Development of water management modeling by using GIS in Chirchik river basin, Uzbekistan | |
CN114580910B (zh) | 一种考虑道路影响的流域泥沙连通性评价方法 | |
CN109345082A (zh) | 井位勘定定量化数值筛选评价方法 | |
CN112242003B (zh) | 一种顾及地类与流向的城市子汇水区划分方法 | |
CN117012004B (zh) | 一种城市内涝风险预警方法及系统 | |
CN114528672A (zh) | 基于3s技术的城市水文站网布设方法及系统 | |
Mustafa et al. | Application of swat model for sediment loads from valleys transmitted to Haditha reservoir | |
CN116542371B (zh) | 一种城市内涝预测分析方法 | |
CN110717233B (zh) | 一种基于gis下垫面解析的雨水管网流量计算方法及系统 | |
Zhang et al. | Quality of terrestrial data derived from UAV photogrammetry: A case study of Hetao irrigation district in northern China | |
CN109308375B (zh) | 一种基于地貌参数的流域最优流速的测算方法 | |
Li | Application of multimedia tilt photogrammetry technology based on unmanned aerial vehicle in geological survey | |
Khemiri et al. | DEM-Based GIS Algorithms and 3D Geospatial Mapping for Creation of Hydrogeological Models Data in Foussana Basin (Central Tunisia) | |
Zhang et al. | A dynamic risk assessment method of waterlogging points by coupling hydrology model with deep neural network | |
Mostrales et al. | GIS-based Estimation of Catchment Basin Parameters and Maximum Discharge Calculation using Rational Method of Luinab Catchment in Iligan City. | |
Zhou et al. | Flood submergence simulation and risk analysis based on GIS in plain area | |
Zhang HongMing et al. | Quality of terrestrial data derived from UAV photogrammetry: a case study of Hetao irrigation district in northern China. |
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 |