CN116644604A - 基于dem的内涝积水演进过程及影响的分析方法 - Google Patents

基于dem的内涝积水演进过程及影响的分析方法 Download PDF

Info

Publication number
CN116644604A
CN116644604A CN202310683688.7A CN202310683688A CN116644604A CN 116644604 A CN116644604 A CN 116644604A CN 202310683688 A CN202310683688 A CN 202310683688A CN 116644604 A CN116644604 A CN 116644604A
Authority
CN
China
Prior art keywords
ponding
water level
water
rainfall
grid
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
CN202310683688.7A
Other languages
English (en)
Inventor
方佳琳
周华
叶勇
仪然
何红夏
谢佳乐
徐敏洪
俞小双
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.)
Ningbo Hongtai Water Resources Information Technology Co ltd
Original Assignee
Ningbo Hongtai Water Resources Information Technology Co ltd
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 Ningbo Hongtai Water Resources Information Technology Co ltd filed Critical Ningbo Hongtai Water Resources Information Technology Co ltd
Priority to CN202310683688.7A priority Critical patent/CN116644604A/zh
Publication of CN116644604A publication Critical patent/CN116644604A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • 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
    • Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
    • Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Geometry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Computer Graphics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

基于DEM的内涝积水演进过程及影响的分析方法，包括以下步骤：S10：构建水位‑积水量知识库；S20：构建路网拓扑知识库；S30：降雨信息换算；S40：积水水位计算；S50：积水水深分布分析；S60：积水范围计算；S70：分析积水影响。本发明提供了一种基于DEM的暴雨情景下圩区内涝积水演进过程及影响的快速分析方法，不需要过多的历史降雨、淹没资料以及管网、土壤、闸泵等数据，且不需要进行复杂的水利模型构建，通用性较强，并且能实现对圩区内涝积水演进过程的模拟，分析积水对道路的影响。

Description

基于DEM的内涝积水演进过程及影响的分析方法
技术领域
本发明属于水利行业中的内涝积水动态分析技术领域，具体涉及一种基于DEM的暴雨情景内涝积水演进过程及影响的分析方法。
背景技术
如今气候变化越来越快，各种极端的天气出现频率越来越高，如暴雨、干旱、强台风、冰雹等。其中，暴雨以及由此产生的积水内涝对城市生产、居民生活所造成的损失巨大，因此对于城市内涝积水的预报分析尤为重要。
城市将地形平坦、地势低洼的区域，通过圈圩筑堤，设置水闸、泵站，形成封闭区域进行防洪排涝保护，此封闭区域称为圩区。随着城市化的快速发展，建筑物、构筑物、道路面积日益增加，不透水面积不断增大，使得同样的降雨量情形下，如今的圩区内部流量增加，径流系数加大，形成内涝的风险增加，造成的影响更为严重，对人们的生命财产安全和社会的稳定发展都构成不小的威胁。而暴雨情形下，雨势急，降雨量大，更容易形成内涝，影响生产、生活。
因此，快速、准确、科学的模拟和预测暴雨情形下的圩区内涝积水演进过程，分析其影响，是一个热门的研究方向，可为灾害防治提供科学依据。
现有技术中，内涝积水分析方法主要有SWMM(StormWater Management Model)模型、深度学习分析方法、情景模拟分析方法等，每种分析方法都有其优势和局限性。如SWMM模型构建复杂，需要分析管网、渠道、蓄水和处理设施、水泵、调节闸等大量数据，资料处理过程复杂；深度学习分析方法、情景模拟分析方法对历时资料要求较高，不易推广，深度学习分析方法需要通过大量历史降雨的内涝淹没数据进行学习训练，情景模拟分析方法则需要不同重现期、不同降雨历时的降水量数据，并结合土壤、管网、土地利用、建筑物等数据进行模型计算。
因此，基于以上现有技术中还存在的一些问题，本申请对内涝积水分析方法进行了进一步的研究。
发明内容
针对以上现有技术中的不足，本发明提供了一种基于DEM的暴雨情景下圩区内涝积水演进过程及影响的快速分析方法，不需要过多的历史降雨、淹没资料以及管网、土壤、闸泵等数据，且不需要进行复杂的水利模型构建，通用性较强，并且能实现对圩区内涝积水演进过程的模拟，分析积水对道路的影响。
为了解决上述技术问题，本发明通过下述技术方案得以解决。
基于DEM的暴雨情景内涝积水演进过程及影响的分析方法，包括以下步骤：S10：构建水位-积水量知识库：选取圩区高程的最小值作为最低积水水位，选取高程的最大值作为最高积水水位，优化水位间隔，构建不同水位和积水量关系的知识库；S20：构建路网拓扑知识库：将道路矢量数据整理为点、线形式路网拓扑知识库；S30：降雨信息换算：根据预报的降雨信息，将圩区的毫米降雨量转换为立方米降雨量；S40：积水水位计算：将立方米降雨量与S10中的水位-积水量知识库进行比较分析，得到立方米降雨量最近的两个积水量数据，并通过插值计算得到该立方米降雨量情形下的积水水位；S50：积水水深分布分析：根据积水水位与DEM数据分析得到淹没区域水深，并对积水水深进行等级划分；S60：积水范围计算：将积水网格根据S50中的等级划分获得各等级积水范围和总积水范围；S70：分析积水影响：将积水范围与S20中的路网数据进行叠置分析，统计受到积水影响的道路路段。
本申请中的分析方法，提前构建水位-积水量知识库，减少后续分析、预测时的迭代计算量，提高计算效率；水位-积水量知识库优选步长为0.01米，使得预测积水水位、水深的精度达到厘米级；水位-积水量知识库可以独立更新，便于提高后续预测、分析准确度；构建路网的空间分布拓扑关系，使得积水对道路的影响细化到路段，方便后期绕行路线规划。
作为优选，所述步骤S10中，还包括以下细分步骤：S11：确定圩区参数：选取圩区高程的最小值作为最低积水水位Z1，选取高程的最大值作为最高积水水位Zn；水位变化幅度ΔZ定为0.01m，即：
ΔZ＝Zk+1-Zk＝0.01；k＝1，2，…，n-1；
Z＝{Z1，Z2，...，Zn}；
S12：圩区DEM数据有m个网格，标记Gi，i＝1，2，…，m；其中，网格Gi的面积为Ri，高程Hi，当水位为Zk时，若网格Gi的高程Hi不小于水位Zk时，网格Gi为未被淹没网格，积水量vi为0，若网格Gi的高程Hi小于水位Zk，网格Gi为淹没网格，积水量vi为(Zk-Hi)×Ri，统计得到水位Zk时圩区的总积水量Vk，即：
V＝{V1，V2，…，Vn}。
作为优选，所述步骤S20中，还包括以下细分步骤：S21：构建路网拓扑知识库：根据下图示例，将道路矢量数据整理为点、线形式路网拓扑知识库，点P为道路交叉口或道路端口，线R为两个相邻点之间的路段：
作为优选，所述步骤S30中，还包括以下细分步骤：S31：降雨信息换算：根据预报的降雨信息将毫米降雨量pt转换为立方米降雨量Pt，即：
P＝{P1，P2，…，PN}。
作为优选，所述步骤S40中，还包括以下细分步骤：S41：积水水位计算：当立方米降雨量为Pt时，根据立方米降雨Pt与水位-积水量知识库进行比较分析，得出相邻的汇水量为Vk和Vk+1，对应水位为Zk和Zk+1，通过插值分析得到积水水位Zk，k+1，即：
Vk≤Pt＜Vk+1；
作为优选，所述步骤S50中，还包括以下细分步骤：S51：积水水深计算：当立方米降雨量Pt时，积水水位Zk，k+1，网格Gi的高程Hi，当网格Gi的高程Hi不小于水位Zk，k+1时，网格Gi为未被淹没网格，积水水深di为0，当网格Gi的高程Hi小于水位Zk，k+1，网格Gi为淹没网格，积水水深di为Zk，k+1-Hi，即：
S52：对积水水深进行等级W划分，即：
作为优选，所述步骤S60中，还包括以下细分步骤：S61：积水范围统计：将积水网格根据等级W进行重分类，并将栅格数据转换为矢量数据，获得各等级积水范围和总积水范围。
作为优选，所述步骤S70中，还包括以下细分步骤：S71：积水影响分析：将积水范围与道路进行叠置分析，分析受到积水影响的道路，受淹路段等级Wr以该路段积水水深等级W的最大值进行赋值，得到Wr：
与现有技术相比，本发明具有以下有益效果：提供了一种基于DEM的暴雨情景下圩区内涝积水演进过程及影响的快速分析方法，不需要过多的历史降雨、淹没资料以及管网、土壤、闸泵等数据，且不需要进行复杂的水利模型构建，通用性较强，并且能实现对圩区内涝积水演进过程的模拟，分析积水对道路的影响。方法提前构建水位-积水量知识库，减少后续分析、预测时的迭代计算量，提高计算效率；水位-积水量知识库步长0.01米，使得预测积水水位、水深的精度达到厘米级；水位-积水量知识库可以独立更新，便于提高后续预测、分析准确度；构建路网的空间分布拓扑关系，使得积水对道路的影响细化到路段，方便后期绕行路线规划。
附图说明
图1为本发明中基于DEM的暴雨情景下圩区内涝积水演进过程及影响的快速分析方法的流程示意图。
图2为实施例一中的圩区50mm暴雨情形下内涝分布图。
图3为实施例一中的圩区100mm暴雨情形下内涝分布图。
图4为实施例一中的圩区150mm暴雨情形下内涝分布图。
图5为实施例一中的圩区200mm暴雨情形下内涝分布图。
图6为实施例一中的圩区50mm暴雨情形下的道路积水分布图。
图7为实施例一中的圩区100mm暴雨情形下的道路积水分布图。
图8为实施例一中的圩区150mm暴雨情形下的道路积水分布图。
图9为实施例一中的圩区200mm暴雨情形下的道路积水分布图。
具体实施方式
下面结合附图与具体实施方式对本发明作进一步详细描述。
以下实施方式中，自始至终相同或类似的标号表示相同或类似的原件或具有相同或类似功能的原件，以下通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
参照图1，本发明中的基于DEM的暴雨情景内涝积水演进过程及影响的分析方法，包括以下步骤：S10：构建水位-积水量知识库：选取圩区高程的最小值作为最低积水水位，选取高程的最大值作为最高积水水位，优化水位间隔，构建不同水位和积水量关系的知识库；S20：构建路网拓扑知识库：将道路矢量数据整理为点、线形式路网拓扑知识库；S30：降雨信息换算：根据预报的降雨信息，将圩区的毫米降雨量转换为立方米降雨量；S40：积水水位计算：将立方米降雨量与S10中的水位-积水量知识库进行比较分析，得到立方米降雨量最近的两个积水量数据，并通过插值计算得到该立方米降雨量情形下的积水水位；S50：积水水深分布分析：根据积水水位与DEM数据分析得到淹没区域水深，并对积水水深进行等级划分；S60：积水范围计算：将积水网格根据S50中的等级划分获得各等级积水范围和总积水范围；S70：分析积水影响：将积水范围与S20中的路网数据进行叠置分析，统计受到积水影响的道路路段。
本申请中的分析方法，提前构建水位-积水量知识库，减少后续分析、预测时的迭代计算量，提高计算效率；水位-积水量知识库优选步长为0.01米，使得预测积水水位、水深的精度达到厘米级；水位-积水量知识库可以独立更新，便于提高后续预测、分析准确度；构建路网的空间分布拓扑关系，使得积水对道路的影响细化到路段，方便后期绕行路线规划。
作为优选，所述步骤S10中，还包括以下细分步骤：S11：确定圩区参数：选取圩区高程的最小值作为最低积水水位Z1，选取高程的最大值作为最高积水水位Zn；水位变化幅度ΔZ定为0.01m，即：
ΔZ＝Zk+1-Zk＝0.01；k＝1，2，…，n-1；
Z＝{Z1，Z2，…，Zn}；
S12：圩区DEM数据有m个网格，标记Gi，i＝1，2，…，m；其中，网格Gi的面积为Ri，高程Hi，当水位为Zk时，若网格Gi的高程Hi不小于水位Zk时，网格Gi为未被淹没网格，积水量vi为0，若网格Gi的高程Hi小于水位Zk，网格Gi为淹没网格，积水量vi为(Zk-Hi)×Ri，统计得到水位Zk时圩区的总积水量Vk，即：
V＝{V1，V2，…，Vn}。
作为优选，所述步骤S20中，还包括以下细分步骤：S21：构建路网拓扑知识库：根据下图示例，将道路矢量数据整理为点、线形式路网拓扑知识库，点P为道路交叉口或道路端口，线R为两个相邻点之间的路段：
作为优选，所述步骤S30中，还包括以下细分步骤：S31：降雨信息换算：根据预报的降雨信息将毫米降雨量pt转换为立方米降雨量Pt，即：
P＝{P1，P2，…，PN}。
作为优选，所述步骤S40中，还包括以下细分步骤：S41：积水水位计算：当立方米降雨量为Pt时，根据立方米降雨Pt与水位-积水量知识库进行比较分析，得出相邻的汇水量为Vk和Vk+1，对应水位为Zk和Zk+1，通过插值分析得到积水水位Zk，k+1，即：
Vk≤Pt＜Vk+1；
作为优选，所述步骤S50中，还包括以下细分步骤：S51：积水水深计算：当立方米降雨量Pt时，积水水位Zk，k+1，网格Gi的高程Hi，当网格Gi的高程Hi不小于水位Zk，k+1时，网格Gi为未被淹没网格，积水水深di为0，当网格Gi的高程Hi小于水位Zk，k+1，网格Gi为淹没网格，积水水深di为Zk，k+1-Hi，即：
S52：对积水水深进行等级W划分，即：
作为优选，所述步骤S60中，还包括以下细分步骤：S61：积水范围统计：将积水网格根据等级W进行重分类，并将栅格数据转换为矢量数据，获得各等级积水范围和总积水范围。
作为优选，所述步骤S70中，还包括以下细分步骤：S71：积水影响分析：将积水范围与道路进行叠置分析，分析受到积水影响的道路，受淹路段等级Wr以该路段积水水深等级W的最大值进行赋值，得到Wr：
以下为本申请中的一种具体的实施例一，来具体说明本申请中的方法。
包括以下步骤：S11：确定胡家坝圩区的参数：根据DEM数据选取高程的最小值0m作为最低积水水位Z1，选取高程的最大值9.17m作为最高积水水位Zn；水位变化幅度ΔZ定为0.01m，即：
ΔZ＝Zk+1-Zk＝0.01；
Z＝{Z1，Z2，…，Zn}＝{0，0.01，…，9.17}。
S12：圩区DEM数据有m个网格，网格Gi的面积为Ri，高程Hi，当水位为Zk时，若网格Gi的高程Hi不小于水位Zk时，网格Gi为未被淹没网格，积水量vi为0，若网格Gi的高程Hi小于水位Zk，网格Gi为淹没网格，积水量vi为(Zk-Hi)×Rg，统计得到水位Zk时圩区的总积水量Vk，即：
V＝{V1，V2，…，Vn}＝{0，0，…，17998960.28}。
S21：构建路网拓扑知识库：将道路矢量数据整理为点、线形式路网拓扑知识库，点为道路交叉口或道路端口，线为两个相邻点之间的路段。
S31：降雨信息换算：将毫米降雨量pt转换为立方米降雨量Pt，根据暴雨等级划分，选取降雨量(毫米)pt50mm、100mm、150mm、200mm的情形进行计算，即：
P＝{P1，P2，…，PN}
＝{255266.9156，510533.8312，765800.7467，1021067.662}。
S41：积水水位计算：当立方米降雨量为Pt时，根据立方米降雨量Pt与水位-积水量知识库进行比较分析，得出相邻的汇水量为Vk和Vk+1，对应水位为Zk和Zk+1，通过插值分析得到积水水位Zk，k+1，即：
Vk≤Pt＜Vk+1；
具体的，在50mm降雨量的情况下，降雨总量为255266.9156m3，通过与知识库比较分析得出相邻的汇水量为Vk和Vk+1分别为255266.9156m3和255266.9156m3，对应水位为Zk和Zk+1为1.44m和1.45m，插值分析得到积水水位Zk，k+1为1.440m；100mm降雨量的情况下，降雨总量为510533.8312m3，通过与知识库比较分析得出相邻的汇水量为Vk和Vk+1分别为255266.9156m3和255266.9156m3，对应水位为Zk和Zk+1为1.78m和1.79m，插值分析得到积水水位Zk，k+1为1.790m；150mm降雨量的情况下，降雨总量为765800.7467m3，通过与知识库比较分析得出相邻的汇水量为Vk和Vk+1分别为255266.9156m3和255266.9156m3，对应水位为Zk和Zk+1为2.00m和2.01m，插值分析得到积水水位Zk，k+1为2.007m；200mm降雨量的情况下，降雨总量为1021067.662m3，通过与知识库比较分析得出相邻的汇水量为Vk和Vk+1分别为255266.9156m3和255266.9156m3，对应水位为Zk和Zk+1为2.18m和2.19m，插值分析得到积水水位Zk，k+1为2.181m。
S51：积水水深计算：当降雨量(立方米)Pt时，积水水位Zk，k+1，网格Gi的高程Hi，当网格Gi的高程Hi不小于水位Zk，k+1时，网格Gi为未被淹没网格，积水水深di为0，当网格Gi的高程Hi小于水位Zk，k+1，网格Gi为淹没网格，积水水深di为Zk，k+1-Hi，即：
S52：对积水水深进行等级W划分，即：
S61：积水范围统计：将积水网格根据等级W进行重分类，并将栅格数据转换为矢量数据，获得各等级积水范围和总积水范围。如附图2至附图5所示。
S71：积水影响分析：将积水范围与道路进行叠置分析，分析受到积水影响的道路，受淹路段等级Wr以该路段积水水深等级W的最大值进行赋值，如附图6至附图9所示。
以上描述可以看出，本申请中，区别于传统的水利模型方法，是一种基于DEM的暴雨情景下圩区内涝积水演进过程及影响的快速分析方法，不需要过多的历史降雨、淹没资料以及管网、土壤、闸泵等数据，且不需要进行复杂的水利模型构建，通用性较强，并且能实现对圩区内涝积水演进过程的模拟，分析积水对道路的影响。方法提前构建水位-积水量知识库，减少后续分析、预测时的迭代计算量，提高计算效率；水位-积水量知识库步长0.01米，使得预测积水水位、水深的精度达到厘米级；水位-积水量知识库可以独立更新，便于提高后续预测、分析准确度；构建路网的空间分布拓扑关系，使得积水对道路的影响细化到路段，方便后期绕行路线规划。
本发明的保护范围包括但不限于以上实施方式，本发明的保护范围以权利要求书为准，任何对本技术做出的本领域的技术人员容易想到的替换、变形、改进均落入本发明的保护范围。

Claims (8)

1.基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，包括以下步骤：
S10：构建水位-积水量知识库：选取圩区高程的最小值作为最低积水水位，选取高程的最大值作为最高积水水位，优化水位间隔，构建不同水位和积水量关系的知识库；
S20：构建路网拓扑知识库：将道路矢量数据整理为点、线形式路网拓扑知识库；
S30：降雨信息换算：根据预报的降雨信息，将圩区的毫米降雨量转换为立方米降雨量；
S40：积水水位计算：将立方米降雨量与S10中的水位-积水量知识库进行比较分析，得到立方米降雨量最近的两个积水量数据，并通过插值计算得到该立方米降雨量情形下的积水水位；
S50：积水水深分布分析：根据积水水位与DEM数据分析得到淹没区域水深，并对积水水深进行等级划分；
S60：积水范围计算：将积水网格根据S50中的等级划分获得各等级积水范围和总积水范围；
S70：分析积水影响：将积水范围与S20中的路网数据进行叠置分析，统计受到积水影响的道路路段。
2.根据权利要求1所述的基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，所述步骤S10中，还包括以下细分步骤：
S11：确定圩区参数：选取圩区高程的最小值作为最低积水水位Z1，选取高程的最大值作为最高积水水位Zn；水位变化幅度ΔZ定为0.01m，即：
ΔZ＝Zk+1-Zk＝0.01；k＝1，2，…，n-1；
Z＝{Z1，Z2，…，Zn}；
S12：圩区DEM数据有m个网格，标记Gi，i＝1，2，…，m；
其中，网格Gi的面积为Ri，高程Hi，当水位为Zk时，若网格Gi的高程Hi不小于水位Zk时，网格Gi为未被淹没网格，积水量vi为0，若网格Gi的高程Hi小于水位Zk，网格Gi为淹没网格，积水量vi为(Zk-Hi)×Ri，统计得到水位Zk时圩区的总积水量Vk，即：
V＝{V1，V2，…，Vn}。
3.根据权利要求1所述的基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，所述步骤S20中，还包括以下细分步骤：
S21：构建路网拓扑知识库：根据下图示例，将道路矢量数据整理为点、线形式路网拓扑知识库，点P为道路交叉口或道路端口，线R为两个相邻点之间的路段：
4.根据权利要求1所述的基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，所述步骤S30中，还包括以下细分步骤：
S31：降雨信息换算：根据预报的降雨信息将毫米降雨量pt转换为立方米降雨量Pt，即：
P＝{P1，P2，…，PN}。
5.根据权利要求1所述的基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，所述步骤S40中，还包括以下细分步骤：
S41：积水水位计算：当立方米降雨量为Pt时，根据立方米降雨Pt与水位-积水量知识库进行比较分析，得出相邻的汇水量为Vk和Vk+1，对应水位为Zk和Zk+1，通过插值分析得到积水水位Zk，k+1，即：
Vk≤Pt＜Vk+1；
6.根据权利要求1所述的基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，所述步骤S50中，还包括以下细分步骤：
S51：积水水深计算：当立方米降雨量Pt时，积水水位Zk，k+1，网格Gi的高程Hi，当网格Gi的高程Hi不小于水位Zk，k+1时，网格Gi为未被淹没网格，积水水深di为0，当网格Gi的高程Hi小于水位Zk，k+1，网格Gi为淹没网格，积水水深di为Zk，k+1-Hi，即：
S52：对积水水深进行等级W划分，即：
7.根据权利要求1所述的基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，所述步骤S60中，还包括以下细分步骤：
S61：积水范围统计：将积水网格根据等级W进行重分类，并将栅格数据转换为矢量数据，获得各等级积水范围和总积水范围。
8.根据权利要求1所述的基于DEM的内涝积水演进过程及影响的分析方法，其特征在于，所述步骤S70中，还包括以下细分步骤：
S71：积水影响分析：将积水范围与道路进行叠置分析，分析受到积水影响的道路，受淹路段等级Wr以该路段积水水深等级W的最大值进行赋值，得到Wr：
CN202310683688.7A 2023-06-09 2023-06-09 基于dem的内涝积水演进过程及影响的分析方法 Pending CN116644604A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310683688.7A CN116644604A (zh) 2023-06-09 2023-06-09 基于dem的内涝积水演进过程及影响的分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310683688.7A CN116644604A (zh) 2023-06-09 2023-06-09 基于dem的内涝积水演进过程及影响的分析方法

Publications (1)

Publication Number Publication Date
CN116644604A true CN116644604A (zh) 2023-08-25

Family

ID=87639877

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310683688.7A Pending CN116644604A (zh) 2023-06-09 2023-06-09 基于dem的内涝积水演进过程及影响的分析方法

Country Status (1)

Country Link
CN (1) CN116644604A (zh)

Similar Documents

Publication Publication Date Title
WO2023016036A1 (zh) 市政道路积水多因素复合型预警预报方法
CN109492259B (zh) 一种城市水文模拟系统
CN110543984B (zh) 一种基于水安全的城市水面率规划方法
CN107657329B (zh) 基于极端气候条件下防汛防旱的智能调度决策方法
KR102158286B1 (ko) 침수 예측 방법 및 침수 예측 장치
CN110222427A (zh) 一种基于数学模型城市内涝的分析方法
CN115859676B (zh) 一种顾及气候要素的多层次城市内涝耦合模拟方法
CN112528563B (zh) 一种基于svm算法的城市内涝预警方法
CN115391712A (zh) 一种城市洪涝风险预测方法
CN113409550B (zh) 基于径流汇流模拟的泥石流灾害预警方法及系统
CN110838079A (zh) 一种智慧城市防洪排水远程监控系统及方法
CN112381285B (zh) 一种基于遥感的洪涝淹没预测方法
CN113505546A (zh) 一种洪水风险预测系统
CN115130396A (zh) 一种河道型水库库区的分布式水文模型建模方法
CN115169069A (zh) 基于大数据的城市内涝预测方法
CN111985129A (zh) 一种城市暴雨内涝精细化模拟方法
CN115758712A (zh) 城市雨洪全过程分布式水文水动力学耦合模型构建方法
CN110287595B (zh) 一种城市不同下垫面减灾效应分析方法
CN113919125A (zh) 一种基于区域产汇流耦合模型系统的防洪预报调度方法
CN117012004B (zh) 一种城市内涝风险预警方法及系统
CN116644604A (zh) 基于dem的内涝积水演进过程及影响的分析方法
Dinar et al. Integration of surface water management in urban and regional spatial planning
CN110889185A (zh) 一种小流域的洪峰流量分析方法及其应用
CN117150600A (zh) 一种用于城市防内涝的屋顶蓄排水控制方法
Nikonorov et al. Modeling the hydrophysical soil properties as a part of self-regulated flood dams projection in gis-environment for sustainable urban development

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