CN116824807B - 多灾害预警报警方法及系统 - Google Patents
多灾害预警报警方法及系统 Download PDFInfo
- Publication number
- CN116824807B CN116824807B CN202310834787.0A CN202310834787A CN116824807B CN 116824807 B CN116824807 B CN 116824807B CN 202310834787 A CN202310834787 A CN 202310834787A CN 116824807 B CN116824807 B CN 116824807B
- Authority
- CN
- China
- Prior art keywords
- early warning
- data
- monitoring
- disaster
- area
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000012544 monitoring process Methods 0.000 claims abstract description 527
- 238000004364 calculation method Methods 0.000 claims abstract description 109
- 230000008859 change Effects 0.000 claims description 119
- 238000012876 topography Methods 0.000 claims description 48
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- 230000008569 process Effects 0.000 claims description 26
- 244000025254 Cannabis sativa Species 0.000 claims description 13
- 238000006073 displacement reaction Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000002194 synthesizing effect Effects 0.000 description 19
- 238000013507 mapping Methods 0.000 description 15
- 108091006146 Channels Proteins 0.000 description 13
- 238000009826 distribution Methods 0.000 description 13
- 238000001556 precipitation Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 239000011435 rock Substances 0.000 description 6
- 238000006424 Flood reaction Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Alarm Systems (AREA)
Abstract
本发明提供一种多灾害预警报警方法及系统,属于灾害预警技术领域。所述方法包括:基于预报数据,对监测区域和/或预警区域执行预报预警的计算;基于监测数据,对所述监测区域执行监测报警的计算;将计算的结果信息传输至预警事件服务器;其中,所述预警区域与所述监测区域相对于指定灾害类型呈受灾害影响的数值关联关系,以及所述预警区域与所述监测区域呈空间关联关系。本发明可用于多种自然灾害事件的演变趋势和是否发生的信息跟踪及提示。
Description
技术领域
本发明涉及自然灾害预警技术领域,具体地涉及一种多灾害预警报警方法、一种多灾害预警报警系统、一种电子设备和一种机器可读存储介质。
背景技术
自然灾害种类多、分布地域广、发生频率高、造成损失重是我国的基本国情之一。自然灾害对社会民众的人身安全、生产生活都造成了相当大的影响。对此,针对不同的自然灾害,配合技术专业行业,分别采取不同灾害的监测预警、应对策略和管理机制,例如实现细分灾害种类,设置细分灾害种类独立的监测和预警体系。
我国发生灾害的区域还广泛地受多种自然灾害影响,多种自然灾害对生命和财产容易造成重大不利影响。对于各级政府、主管部门、组织和民众而言,单一自然灾害独立设置的监测预警体系的监测设备专有、数据不共享、覆盖范围窄。
通常,针对自然灾害往往有多种预警或报警方法,例如通过气象预报可进行山洪或地质灾害气象预警,滑坡和泥石流等灾害可以通过裂缝计、GNSS、雨量计、泥水位计等监测设备的监测数据的分析发出预警或报警。不同方法进行自然灾害的预警或报警的建设成本不同、维护成本不同、覆盖面积不同、预警和/或报警时的数据来源不同、预警信息或报警信息的时间紧迫性、空间精准性、灾害的发生风险往往也不同,成本和精确性的矛盾问题日渐突出,例如,基于气象预报分析的预警信息,预警区域面积大,无法准确定位相关风险具体位置;基于监测设备数据分析的信息,可表示精确监测点位上的灾害即将发生的预警信息或在灾害已经发生后进行报警,但是监测设备硬件的固有成本和人力安装维护的成本导致建设维护成本高昂,数据独立使用,并不共享。
针对灾害预警或报警方法,如何经济、有效、便捷地使用相关信息,实现预警报警多种自然灾害事件的演变趋势和是否发生的特点是亟需解决的问题。
发明内容
本发明的目的是提供一种多灾害预警报警方法及系统,旨在实现预警报警出多种自然灾害事件的演变趋势和是否发生的特点。
为了实现上述目的,本发明实施例提供一种多灾害预警报警方法,应用于预警报警生成服务器,该多灾害预警报警方法包括:
基于预报数据,对监测区域和/或预警区域执行预报预警的计算;
基于监测数据,对所述监测区域执行监测报警的计算;
将计算的结果信息传输至预警事件服务器;
其中,所述预警区域与所述监测区域相对于指定灾害类型呈受灾害影响的数值关联关系,以及所述预警区域与所述监测区域呈空间关联关系。
具体的,其中,该数值关联关系包括以下任意至少两项:
在所述预警区域和/或所述监测区域内,在均未发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与可能受实际发生该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在所述预警区域和/或所述监测区域内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在指定的空间范围内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系,其中,该指定的空间范围不属于所述预警区域或所述监测区域。
具体的,其中,受该灾害影响的区域、或可能受实际发生该灾害影响的区域,包括所述预警区域、和/或所述监测区域内的基本单元。
具体的,在所述将计算的结果信息传输至预警事件服务器之前,该多灾害预警报警方法还包括:
基于监测数据,对所述监测区域执行监测预警的计算;或者
基于监测数据和预报数据,对所述监测区域执行监测预警的计算,其中所述预报数据包括所述监测区域的气象预报数据。
具体的,其中,一种灾害影响特征是相对于指定一种灾害类型,基于预报数据或监测数据,以及基本单元被配置的相对于指定灾害类型的基础数据,构建的数值特征,该数值特征包括图像特征和/或数值记录特征。
具体的,其中,该空间关联关系包括:两区域相交关系、两区域完全重叠关系、两区域相切关系、或者两区域不相交且两区域之间边界线相距小于指定的距离;
该空间关联关系还包括:所述监测区域属于所述预警区域,或者所述预警区域属于所述监测区域。
具体的,所述监测区域是由多个基本单元构成,各基本单元被配置有相对于指定灾害类型的基础数据,所述基于预报数据,对监测区域执行预报预警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的预报预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括环境基础数据;
计算所述监测区域的内涝积水预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括内涝隐患点基础数据、高程数据、排水管网数据;
计算所述监测区域的滑坡预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括滑坡隐患点基础数据和/或地形地质地貌数据;
计算所述监测区域的山洪预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括山洪小流域基础数据和/或地形地质地貌数据;
计算所述监测区域的泥石流预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括泥石流隐患点基础数据和/或地形地质地貌数据。
具体的,所述基于监测数据,对所述监测区域执行监测报警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的监测报警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的监测报警信息所用的监测数据包括卫星监测数据和/或视频图像数据;
计算所述监测区域的内涝积水预警事件的监测报警信息所用的监测数据包括水位数据和/或视频图像数据;
计算所述监测区域的滑坡预警事件的监测报警信息所用的监测数据包括坡体位移数据和/或裂缝变形数据、和/或视频图像数据;
计算所述监测区域的泥石流预警事件的监测报警信息所用的监测数据包括泥水位数据和/或断线仪监测数据、和/或视频图像数据;
计算所述监测区域的山洪预警事件的监测报警信息所用的监测数据包括水位数据和/或视频图像数据。
具体的,所述基于监测数据,对所述监测区域执行监测预警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的监测预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据、温湿度数据中的至少一个;
计算所述监测区域的内涝积水预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的滑坡预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的泥石流预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的山洪预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据、断线仪监测数据中的至少一个。
具体的,所述预警区域是由多个基本单元构成,各基本单元被配置有相对于指定灾害类型的基础数据,所述基于预报数据,对预警区域执行预报预警的计算,包括:
基于对所述预警区域的关联监测区域执行预报预警、监测预警和监测报警的计算得到的结果信息中的任一结果信息、以及预报数据和所述预警区域的基础数据,对所述预警区域执行预报预警的计算;
对预警区域执行预报预警计算得到的结果信息为至少一种灾害的灾害预警事件的预报预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件。
本发明实施例提供一种多灾害预警报警方法,应用于预警事件服务器,该多灾害预警报警方法包括:
获得由预警报警生成服务器传输的结果信息,该结果信息包括执行预报预警的计算得到的预报预警信息、执行监测预警的计算得到的监测预警信息和/或执行监测报警的计算得到的监测报警信息;
基于该结果信息的信息种类,生成所述监测区域和/或所述预警区域的灾害预警事件的信息报;
将所述灾害预警事件的信息报传输至预警接收端。
具体的,其中,所述灾害预警事件包括预警过程事件和报警过程事件;
该多灾害预警报警方法还包括:
在获取的结果信息是预报预警信息或监测预警信息时,将生成的信息报写入所述预警过程事件;
在获取的结果信息是监测报警信息时,将生成的信息报写入所述报警过程事件。
本发明实施例提供一种多灾害预警报警方法,应用于预警接收端,该多灾害预警报警方法包括:
获得由预警事件服务器传输的信息报;
基于所述信息报和工作模式,向用户进行提示,所述工作模式包括预警模式和报警模式,各模式与所述信息报中信息种类对应。
本发明实施例提供一种多灾害预警报警系统,该多灾害预警报警系统包括:
预报预警模块,用于基于预报数据,对监测区域和/或预警区域执行预报预警的计算;
监测报警模块,用于基于监测数据,对所述监测区域执行监测报警的计算;
信息传输模块,用于将计算的结果信息传输至预警事件服务器;
其中,所述预警区域与所述监测区域相对于指定灾害类型呈受灾害影响的数值关联关系,以及所述预警区域与所述监测区域呈空间关联关系。
具体的,该多灾害预警报警系统还包括:
监测预警模块,用于基于监测数据,对所述监测区域执行监测预警的计算;或者
基于监测数据和预报数据,对所述监测区域执行监测预警的计算,其中所述预报数据包括所述监测区域的气象预报数据。
再一方面,本发明实施例提供一种电子设备,该电子设备包括:
至少一个处理器;
存储器,与所述至少一个处理器连接;
其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令,所述至少一个处理器通过执行所述存储器存储的指令实现前述的方法。
又一方面,本发明实施例提供一种机器可读存储介质,存储有机器指令,当所述机器指令在机器上运行时,使得机器执行前述的方法。
本发明通过在被研究的区域内配置的预警区域和监测区域两个功能区域,两个功能区域的预报数据和/或监测数据的数据变化将分别引起两个功能区域之间(可能)受多种灾害影响的区域的灾害影响特征的特征数值发生变化,实现了被研究的区域内的多灾害预警报警的整体模型,从而在使用时,可以利用预报数据和基本单元的基础数据以及监测数据和基本单元的基础数据,提取多种灾害影响特征的特征数值。在预警区域和/或监测区域内,结合提取的灾害影响特征的特征数值,分别通过机器模型进行预报预警的计算、监测报警的计算、(优选的)监测预警的计算,得到用于合成灾害预警事件的信息报的结果信息,能够跟踪提示监测区域内灾害预警事件的演变趋势、风险变化和是否发生的特点,进而对可能受灾害影响的预警区域进行多维度的风险提示和灾害预警报警提示。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本发明实施例,但并不构成对本发明实施例的限制。在附图中:
图1为本发明实施例的主要方法的步骤示意图;
图2为本发明实施例的一种示例性的多灾害预警报警的整体模型架构示意图;
图3为本发明实施例的一种示例性的多灾害预警报警的整体模型架构示意图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本发明实施例,并不用于限制本发明实施例。
实施例1
本发明实施例提供了多灾害预警报警方法,应用于预警报警生成服务器,可以通过服务器或电子设备执行程序实现,如图1,该多灾害预警报警方法可以包括:
S1)基于预报数据,对监测区域和/或预警区域执行预报预警的计算;
S2)基于监测数据,对所述监测区域执行监测报警的计算;
S3)将计算的结果信息传输至预警事件服务器;
其中,所述预警区域与所述监测区域相对于指定灾害类型呈受灾害影响的数值关联关系,以及所述预警区域与所述监测区域呈空间关联关系。
在针对更多的灾害预警报警的应用场景中,在所述将计算的结果信息传输至预警事件服务器之前,该多灾害预警报警方法还可以包括:
A1)基于监测数据,对所述监测区域执行监测预警的计算;或者
基于监测数据和预报数据,对所述监测区域执行监测预警的计算,其中所述预报数据包括所述监测区域的气象预报数据。
在本发明实施例中,灾害的发生、风险评估、变化和结束是一个动态演进的过程。
其中,预报预警指基于气象预报数据或其他预测性数据,提前针对可能发生的灾害发出预报预警信息;监测预警指前端设有监测仪器对指定监测数据进行实时监测,灾害还未发生时,基于不同监测传感器实际观测的灾害特征数据分析变化趋势,根据对应监测预警模型分析灾害风险发出监测预警信息;监测报警指前端设有监测仪器对指定监测数据进行实时监测,在监测仪器监测到灾害正在发生或已经发生后,发出灾害监测报警信息。
需要说明的是,理想状态下,根据灾害的发生机理和过程,灾害预警过程一般是预报预警——监测预警——监测报警,但是在具体的建模过程中三者可以是针对一个灾害预警事件的并行的过程。
被研究的区域可以由预警区域、监测区域和指定的空间范围构成,预警区域和监测区域存在指定的边界线,任意一个坐标点所属区域是已知的。预警区域和监测区域的基础数据是已知的,而指定的空间范围的基础数据是未知的,基础数据未知、不清楚的区域不能作为本发明实施例中的预警区域和监测区域,例如未确定是沙漠还是山林的区域、水域特点不清楚的区域、地质地貌特点不清楚的区域,视为基础数据未知、不清楚的区域。被研究的区域可以包括由一个断裂带及空间关联乡镇区域、由滑坡隐患点以及坡下村庄构成的区域、由一个水坝区域以及下游的行政区域组合的区域、由一个江河流域和空间关联行政区域组合的区域等区域。
预警区域是在被研究的区域中,可能受灾害影响的、生活活动及生产活动密集的区域,例如林木区域、草原区域、城市区域、道路区域(国道线、省道线等带状区域)、水坝区域和油库区域等类型。预警区域还可以包括至少两种类型的区域的组合区域,例如由水坝区域和下游的城市区域构成的组合区域,由存在滑坡体的区域和道路区域构成的组合区域等。
监测区域是在被研究的区域中,针对灾害隐患点、或已经发生灾害、或可能发生灾害的区域、或可能发生灾害且布设有监测仪器的区域,例如人员密集区所在的断裂带、选定的卫星图像监控区域、摄像头监控区域和进行位移监测等进行遥感及传感仪器监测的区域等,可从布设的监测仪器获得该监测区域的监测数据。其中,属于监测区域和/或预警区域的监测数据可以包括图像、波形、散点等可数值化描述的记录,该记录可以是实时的和/或处于指定的时间范围内的;属于预警区域和/或监测区域的预报数据可以包括图像、波形、散点等可数值化描述的记录,该记录可以是处于指定的时间范围内的。
指定灾害类型是针对被研究的区域预先指定的、已知的、可能发生的多种灾害类型,该多种灾害类型可能发生在被研究的区域内,指定灾害类型包括地震、林草火灾、内涝积水、泥石流、滑坡、山洪以及持续性强降雨等中任意至少一种。
在一些可能的实现方式中,基于监测区域或预警区域或指定的空间范围内历史实际发生的灾害事件,可指定被研究的多种灾害类型,例如对于草原区域,可指定地震、干旱、林草火灾(类型);对于城市区域,可指定地震、内涝积水、泥石流和滑坡;对于乡村区域、道路区域,可指定持续性强降雨、山洪、泥石流和滑坡。
相对于发生多种灾害的影响范围,预警区域与监测区域之间存在空间关联关系,该空间关联关系包括:两区域相交关系、两区域完全重叠关系、两区域相切关系、或者两区域不相交且两区域之间边界线相距小于指定的距离。该空间关联关系还包括:所述监测区域属于所述预警区域,或者所述预警区域属于所述监测区域。
在本发明实施例中,在使用方面,前述的数值关联关系可以包括以下任意至少两项:
在所述预警区域和/或所述监测区域内,在均未发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与可能受实际发生该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在所述预警区域和/或所述监测区域内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在指定的空间范围内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化、和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系,其中,该指定的空间范围不属于所述预警区域或所述监测区域。
此数值关联关系能够在多灾害预警报警的整体模型中,使得灾害影响特征响应于作为输入的预报数据、监测数据,在可能受实际发生指定灾害类型的该灾害影响的区域、或受该灾害影响的区域中,产生与多种灾害的演变阶段对应的数值变化,具有数据共享、区域覆盖全面和低设备成本的特点,可能受实际发生该灾害影响的区域、或受该灾害影响的区域是基于被研究的区域内基础数据的特点考虑,在多灾害预警报警的整体模型中描述的基本单元,使得整体模型产生精准的、单元化的、受多种灾害影响的信息。
在本发明实施例中,受该灾害影响的区域、或可能受实际发生该灾害影响的区域,包括所述预警区域、和/或所述监测区域内的基本单元;所述预警区域是由多个基本单元构成,所述监测区域是由多个基本单元构成,各基本单元被配置有相对于指定灾害类型的基础数据。其中,一种灾害影响特征是相对于指定一种灾害类型,基于预报数据或监测数据,以及基本单元被配置的相对于指定灾害类型的基础数据,构建的数值特征,该数值特征包括图像特征和/或数值记录特征,数值记录可以为波形、散点记录。
在一些可能的实现方式中,在数值关联关系的实现方面,一个基本单元内各坐标点的基础数据被视为是相同的。基础数据可以被视为基本单元相对于指定灾害类型的数值属性,每个基本单元相对于不同的灾害类型有不同的属性,即基础数据的类型不同。
各种灾害的预报预警在实现时,可以从收集的预报数据以及指定的基本单元的基础数据中进行特征提取,分别在该指定的基本单元内提取到描述多种灾害预警事件对应的数值特征的特征值,该数值特征可包括与预报数据的变化对应的映射参数,该数值特征的特征值的变化可以由预报数据的变化引起,该数值特征还可包括与该指定基本单元的基础数据对应的配置参数。
各种灾害的监测预警和监测报警在实现时,可以从收集的监测数据,以及指定基本单元的基础数据,分别在该指定基本单元内描述多种灾害预警事件对应的数值特征,该数值特征可包括与监测数据的变化对应的映射参数,该数值特征的变化可以由监测数据的变化引起,该数值特征还可包括与该指定基本单元的基础数据对应的配置参数。
包括与预报数据的变化对应的映射参数的数值以及包括与监测数据的变化对应的映射参数的数值,以映射参数在独立不同的数据通道的方式组合,可共同作为本发明实施例中的灾害影响特征的特征数值。以此方式,可以实现描述预警区域和监测区域中全部基本单元的多种灾害预警事件的灾害影响特征,即多种灾害影响特征,且可以实现前述的数值关联关系。在使用方面,可以基于监测数据或一段时间内的预报数据,以及基本单元的基础数据,提取各基本单元的多种灾害影响特征的特征数值。
需要说明的是,任意一种灾害预警事件的灾害影响特征的特征数值变化体现了与该任意一种灾害的灾害影响特征的相似性,可以通过机器模型确定该相似性的数值,即概率值。计算的结果信息可以包括概率值,概率值是基本单元内发生一种或多种灾害的概率值,该计算的结果信息还可以包括用于合成灾害预警事件的信息报的信息。
对于用于合成灾害预警事件的信息报的信息的实现方式,示例地,可将可被查询的记录预配置于机器模型或机器模型的输出模块中,该可被查询的记录可以是与各灾害发生的概率值范围以及各概率值范围所表示的基本单元的风险提示信息,可依据当前的基本单元发生一种或多种灾害的概率值分析得到风险提示信息,即可以查表方式实现。
示例地,也可在机器模型或机器模型的输出模块中预配置各灾害的信息模板,在当前的基本单元发生一种或多种灾害的概率值存在变化时,针对该当前的基本单元,将一种或多种灾害预警事件的描述数据填入各灾害预警事件的信息模板,描述数据可以包括该概率值所属概率值范围对应的风险提示信息、预报数据、监测数据、灾害影响特征和/或按需求指定的数据等,即可以填信息模板方式实现。
可以理解的,基本单元、灾害预警事件、预警区域、监测区域等均可被配置标识符,以关联地进行记录;基于被研究的区域所在实际位置不同、合成灾害预警事件的信息报的信息需求不同等考虑,可选择不同数据表示形式和信息表现方式,实现用于合成灾害预警事件的信息报的信息。
在本发明公开的示例性的多灾害场景中,监测区域内可能发生多种灾害事件,例如林草火灾事件、滑坡事件、泥石流事件、山洪事件和内涝积水事件;预警区域内可能发生一种或多种灾害事件、可能受到多种灾害事件的影响,例如可能受到持续强降雨的影响,可能发生山洪事件、泥石流事件和内涝积水事件。内涝积水事件和山洪事件可以通过降水量和配置的降水量指标,结合基本单元的基础数据,在选择的时间范围内进行事件分类。发生山洪事件或内涝积水事件,预报数据和/或监测数据将呈现变化,此时在数值关联关系中,指定灾害类型可包括山洪、泥石流、内涝积水。又例如,干旱事件、林草火灾事件可能在监测区域内同时发生,山洪事件和泥石流事件可能在监测区域内同时发生;指定的空间范围内可能发生地震事件;预警区域内可能发生一种或多种灾害事件、可能受到多种灾害事件的影响,例如可能受到内涝积水事件、滑坡事件、山洪事件和泥石流事件的影响。发生地震事件将造成监测数据的变化,发生山洪、泥石流将造成监测数据的变化,发生强降雨将造成预报数据、监测数据的变化。此时在数值关联关系中,指定灾害类型可包括地震、干旱、滑坡、山洪和泥石流、内涝等。
针对监测区域的预报预警,在使用预报数据和基础数据进行配置的方面,若作为基本单元的受灾害影响的区域、或可能受实际发生灾害影响的区域,属于监测区域,则可相对于林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件的指定灾害类型,按表1对基本单元进行配置。
表1
在表1中,预报数据可以是与基础单元所在的位置区域对应的气象预报数据,气象预报数据可以包括未来一段时间范围内的温度、湿度、预报降雨量、气压、风速风向等,其中,预报降雨量还可以直接由气象雷达获取且可以包括未来一段时间范围内的降水量,例如,未来1小时、1.5小时、2小时的降水量。环境基础数据可以包括地形地质地貌数据和植被分布数据等,历史林草火灾数据、历史内涝积水数据、历史滑坡数据、历史泥石流数据以及历史山洪数据可以包括发生时间、地点、严重程度、发生次数等,排水管网数据包括管线分布、排水能力、设计最大排水数量和排水速度等。
对于林草火灾预警事件,基础数据可以包括环境基础数据,还可包括历史林草火灾数据;对于内涝积水事件,基础数据可以包括内涝隐患点基础数据、高程数据、排水管网数据,还可包括历史内涝积水数据;对于滑坡预警事件,基础数据可以包括滑坡隐患点基础数据和/或地形地质地貌数据,还可包括历史滑坡数据;对于山洪预警事件,基础数据可以包括山洪小流域基础数据和/或地形地质地貌数据,还可包括历史山洪数据;对于泥石流预警事件,基础数据可以包括泥石流隐患点基础数据和/或地形地质地貌数据,还可包括历史泥石流数据。
针对林草火灾预警事件,温度变化特征、湿度变化特征、降水量变化特征可以作为基本单元内与预报数据的变化对应的映射参数(温度变化、湿度变化、降水量变化)的数值特征,地形地质地貌特征、植被分布与生态特征、可燃物载量特征、频率特征可以作为与基本单元内基础数据对应的配置参数的数值特征。
针对内涝积水预警事件,降水量变化特征、水位变化特征可以作为基本单元内与预报数据的变化对应的映射参数的数值特征,流量(饱和)特征、频率特征可以作为与基本单元内基础数据对应的配置参数的数值特征。
对于滑坡预警事件,温度变化特征、湿度变化特征、降水量变化特征、含水量变化特征可以作为基本单元内与预报数据的变化对应的映射参数的数值特征,地形地质地貌特征、频率特征可以作为与基本单元内基础数据对应的配置参数的数值特征。
对于山洪预警事件,降水量变化特征、含水量变化特征、水位变化特征可以作为基本单元内与预报数据的变化对应的映射参数的数值特征,地形地质地貌特征、频率特征可以作为与基本单元内基础数据对应的配置参数的数值特征。
对于泥石流预警事件,降水量变化特征、含水量变化特征、水位变化特征可以作为基本单元内与预报数据的变化对应的映射参数的数值特征,地形地质地貌特征、频率特征可以作为与基本单元内基础数据对应的配置参数的数值特征,其中,各灾害预警事件对应的频率特征可以是不同的。例如,频率特征可以表示林草火灾、内涝积水、滑坡、山洪或泥石流在监测区域的历史发生频率。
监测区域内不同基本单元之间的基础数据可以是有差别的,而一个基本单元内各坐标点的基础数据视为是没有差别的,一个基本单元作为表达受多种灾害事件影响的、不可再分的响应体,从而能够通过机器模型表现在监测区域内各基本单元之间受多种灾害的灾害影响特点,具有精准地、单元化地产生信息的优势。前述的变化特征可以呈现被使用的参数相对于正常或参考值/线的偏离方向属性、大小属性、剧烈程度等情况,前述的特征可以呈现被使用的参数的分类、受影响程度等情况。
若作为基本单元的受灾害影响的区域、或可能受实际发生灾害事件影响的区域,属于预警区域,针对预警区域的预报预警,为了提高对预警区域执行预报预警的信息全面性,除了基于预报数据和基础数据对对应的灾害影响特征的特征数值进行提取,还可以结合对关联监测区域执行预报预警、监测预警和监测报警的计算得到的结果信息中的任一结果信息或其中的至少一者实现对预警区域的预报预警。
具体的,相对于林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件的指定灾害类型,按表2对基本单元进行配置。
表2
其中,预警区域内各基本单元的基础数据还可以包括承灾体、建筑、基础设施和/或人群分布的数据。
在表2中,相较于表1,对于林草火灾预警事件,此时基本单元的基础数据可以不包括历史林草火灾数据。关联监测区域可以是前述监测区域内由多个基本单元构成的区域,而对于这些基本单元的实际位置,例如牧场附近的草场分块、村庄附近的河流水域位置等。关联监测区域的发生林草火灾的概率值变化特征,可以与地形地质地貌特征、植被分布特征共同作为与基本单元内基础数据对应的配置参数的数值特征。
在表1和表2的基础上,基于预报数据,可以对监测区域和预警区域中至少一者执行预报预警的计算,该预报预警的计算即表1和表2中机器模型的计算。计算的结果信息可包括与各基本单元对应的发生林草火灾的概率值及用于合成林草火灾预警事件的信息报的(预警)信息,与各基本单元对应的内涝积水发生的概率值及用于合成内涝积水预警事件的信息报的信息,与各基本单元对应的滑坡发生的概率值及用于合成滑坡预警事件的信息报的信息,与各基本单元对应的山洪发生的概率值及用于合成山洪预警事件的信息报的信息,以及与各基本单元对应的泥石流发生的概率值及用于合成滑坡预警事件的信息报的信息。
举例来说,在进行监测区域的林草火灾的预报预警时,预警报警生成服务器获取监测区域的气象预报数据中的预报降雨量数据和温湿度数据、环境基础数据中的地形地质地貌数据和植被分布数据以及历史林草火灾数据,从中提取出温度变化特征、湿度变化特征、降水量变化特征、地形地质地貌特征以及植被分布与生态特征的特征数值,并输入到林草火灾预报预警分析模型中,得到输出的发生林草火灾的概率值。
在进行内涝积水的预报预警时,预警报警生成服务器获取监测区域的气象预报数据中的预报降雨量数据、内涝隐患点基础数据、高程数据、排水管网数据和历史内涝积水数据,从中提取出降水量变化特征、水位变化特征、流量特征及频率特征等的特征数值,并输入到内涝积水预报预警分析模型中,得到输出的发生内涝积水的概率值。
在进行滑坡的预报预警时,预警报警生成服务器获取监测区域的气象预报数据中的预报降雨量数据、地形地质地貌数据和历史滑坡数据,从中提取出温度变化特征、湿度变化特征、降水量变化特征、含水量变化特征、地形地质地貌特征等的特征数值,并输入到滑坡预报预警分析模型中,得到输出的发生滑坡的概率值。
在进行泥石流的预报预警时,预警报警生成服务器获取监测区域的气象预报数据中的预报降雨量数据、地形地质地貌数据、以及历史泥石流数据和历史山洪数据中至少一者,从中提取出降水量变化特征、含水量变化特征、水位变化特征、地形地质地貌特征等的特征数值,并输入到泥石流预报预警分析模型中,得到输出的发生泥石流的概率值。
在进行山洪的预报预警时,预警报警生成服务器获取监测区域的气象预报数据中的预报降雨量数据、山洪小流域基础数据或地形地质地貌数据、以及历史泥石流数据和历史山洪数据中至少一者,从中提取出降水量变化特征、含水量变化特征、水位变化特征、地形地质地貌特征等的特征数值,并输入到山洪预报预警分析模型中,得到输出的发生山洪的概率值,或者,还可以得到山洪发生的时间、发生山洪的行政区域、集水面位置、汇水路径位置、倾泻点位置、经纬度、风险等级等信息。
在表2中,相较于表1,关联监测区域可以是前述监测区域内由多个基本单元构成的区域,而对于这些基本单元的实际位置可以是,例如,滑坡隐患点下的道路及村庄、道路及村庄附近的泥石流及山洪倾泻位置等。发生各灾害的概率值变化特征,可以与地形地貌特征共同作为与基本单元内基础数据对应的配置参数的数值特征。监测区域和/或预警区域内不同基本单元之间的基础数据可以是有差别的,而一个基本单元内各坐标点的基础数据视为是没有差别的,一个基本单元作为表达受多种灾害事件影响的、不可再分的响应体,从而能够通过机器模型表现在预警区域内各基本单元之间受多种灾害事件的灾害影响特点,具有精准地、单元化地产生信息的优势。其中,关联监测区域可以基于滑坡、泥石流隐患点基础数据以及山洪隐患点基础数据进行指定;滑坡、泥石流隐患点基础数据可以包括隐患点名称、类型、地理位置、规模、威胁财产、威胁户数、威胁人数、活跃性程度(易发性分级)、险情等级、监测预警难易程度、危险性等级。
在表1和表2的基础上,基于预报数据,可以对监测区域和预警区域中至少一者执行预报预警的计算,该预报预警的计算即表1和表2中机器模型的计算。
针对监测区域的监测报警,在使用监测数据和基础数据进行配置的方面,若作为基本单元的受该灾害事件影响的区域、或可能受实际发生该灾害事件影响的区域,属于监测区域,则可相对于林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件和泥石流预警事件的指定灾害类型,按表3对基本单元进行配置。
表3
可以理解的是,林草火灾预警事件的监测报警的监测数据可以包括卫星监测数据和/或视频图像数据,内涝积水预警事件的监测报警的监测数据可以包括水位数据和/或视频图像数据,滑坡预警事件的监测报警的监测数据可以包括坡体位移数据和/或裂缝变形数据、和/或视频图像数据,泥石流预警事件的监测报警信息的监测数据可以包括泥水位数据和/或断线仪监测数据、和/或视频图像数据,山洪预警事件的监测报警的监测数据可以包括水位数据和/或视频图像数据。
在表3中,相较于表1和表2,卫星监测数据可以包括卫星多波段(近红外、中红外等)图像数据,视频图像数据可以包括红外光摄像机、可见光摄像机等设备拍摄的数据。此时,对于林草火灾预警事件,火焰图像特征、烟雾图像特征、色温变化特征、烟雾信号(传感器信号)特征可以作为基本单元内与监测数据的变化对应的映射参数的数值特征(分类情况),地形地质地貌特征、植被分布特征、频率特征可以作为与基本单元内基础数据对应的配置参数的数值特征(受影响情况)。对于内涝积水预警事件,积水图像特征、水位信号特征可以作为基本单元内与监测数据的变化对应的映射参数的数值特征(分类情况),流量特征、频率特征可以作为与基本单元内基础数据对应的配置参数的数值特征(受影响情况)。其中,流量特征可以通过排水管网数据得到,频率特征可以通过历史内涝数据得到。
位移数据和/或裂缝变形数据可通过GNSS测量系统、按指定分布方式布置的裂缝计或位移计获得。水位数据、泥水位数据可分别通过按指定分布方式布置的水位计、泥水位计等获得。视频图像数据可通过摄像头获得,断线仪监测数据通过按指定分布方式布置的断线仪获得。对于滑坡预警事件,位移信号特征、形变量信号特征可以作为基本单元内与监测数据的变化对应的映射参数的数值特征,地形地质地貌特征可以作为与基本单元内基础数据对应的配置参数的数值特征。对于山洪预警事件,水位信号特征、山洪图像特征、断线信号特征可以作为基本单元内与监测数据的变化对应的映射参数的数值特征,地形地质地貌特征可以作为与基本单元内基础数据对应的配置参数的数值特征。对于泥石流预警事件,泥水位信号特征、泥石流图像特征、断线信号特征可以作为基本单元内与监测数据的变化对应的映射参数的数值特征,地形地质地貌特征可以作为与基本单元内基础数据对应的配置参数的数值特征。
在表3的基础上,基于监测数据,可以对监测区域执行监测报警的计算,该监测报警的计算即表3中(选择的)机器模型的计算。例如,计算得到的泥石流预警事件的监测报警信息可以包括泥石流的沟道位置、泥石流流向、流速、预警等级、发生时间以及提示时间等;计算得到的山洪预警事件的监测报警信息可以包括山洪汇水路径、集水面、倾泻点位置、预警等级、发生时间以及提示时间等;计算得到的林草火灾预警事件的监测报警信息可以包括火点位置信息、着火地点、风险等级以及云层状况等信息;计算得到的内涝积水预警事件的监测报警信息可以包括积水的行政区域、位置信息、积水深度或风险等级等信息;计算得到的滑坡预警事件的监测报警信息可以包括滑坡的行政区域、位置信息、风险等级等。
虽然在监测报警的计算中,使用的数据是传感器数据或监测仪器信号数据,但由于使用的机器模型的不同选择、和/或产生此处传感器数据或监测仪器信号数据的设备数量与布置的设备数量有差异、和/或产生此处传感器数据或监测仪器信号数据的设备分布方式、产生数据的时间先后顺序等实际情况,计算的结果信息中仍然可通过概率值表现与基本单元对应的各灾害是否发生、演变趋势的风险特点。计算的结果信息可包括与各基本单元对应的发生林草火灾的概率值(示例地,高于指定概率阈值时,可置1,可与发生灾害对应,其余置0,可与未发生灾害对应)及用于合成林草火灾预警事件的信息报的(报警)信息,与各基本单元对应的发生内涝积水的概率值及用于合成内涝积水预警事件的信息报的信息,与各基本单元对应的滑坡发生的概率值及用于合成滑坡预警事件的信息报的信息,与各基本单元对应的山洪发生的概率值及用于合成山洪预警事件的信息报的信息,以及与各基本单元对应的泥石流发生的概率值及用于合成泥石流预警事件的信息报的信息。此处计算的结果信息可以并行于预报预警的计算所得的结果信息(数据通道是不同的),且均传输至预警事件服务器。
针对监测区域的监测预警,在使用监测数据和基础数据进行配置的方面,若作为基本单元的受灾害影响的区域、或可能受实际发生灾害影响的区域,属于监测区域,则可相对于林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件和泥石流预警事件的指定灾害类型,按表4对基本单元进行配置。
表4
其中,针对监测区域的监测预警所需的监测数据的获取方式与表3中监测数据的获取方式相同,此处不再赘述。在表4的基础上,基于监测数据,可以对监测区域执行监测预警的计算,该监测预警的计算即表4中(选择的)机器模型的计算。在表4的基础上,还可以基于监测数据和预报数据,对监测区域执行监测预警的计算。
例如,计算得到的泥石流预警事件的监测预警信息可以包括预警的行政区域、位置信息、风险等级等;计算得到的山洪预警事件的监测预警信息可以包括山洪汇水路径、集水面、倾泻点位置、风险等级等;计算得到的林草火灾预警事件的监测预警信息可以包括火点位置信息、着火地点、风险等级等信息;计算得到的内涝积水预警事件的监测预警信息可以包括积水的行政区域、位置信息、积水深度或风险等级等信息;计算得到的滑坡预警事件的监测预警信息可以包括滑坡的行政区域、位置信息、风险等级等。
作为一种可能的实施方式,为了进一步提高监测报警精度也可以基于表4中所述的监测数据实现对监测区域的监测报警。
在本发明公开的一种示例性多灾害预警报警的整体模型架构实施例中,为了有利于计算实现,基础单元可以通过网格区域表示,如图2。可以针对至少一个省级行政区域、至少两个市级行政区域、或某地质带区域(如断裂带)等被研究的区域,划分网格区域(例如100米×100米、1千米×1千米等尺寸,形状可自定义),并在多个网格区域的基础上,配置预警区域和监测区域,预警区域和监测区域均有指定的边界线,并被分别视为由多个网格区域组成,从而产生用于合成信息报的多种灾害预警报警的信息。受灾害事件影响的区域(即基本单元,或称微元Aij,i、j可为网格行列数)可以是一个或多个网格区域,每个网格区域内可视为具有相同的基础数据,基础数据例如环境基础数据、高程数据、排水管网数据、地质地貌数据、建筑特征数据、人口数据、经济能力数据、减灾能力等,可以来源于监测区域和预警区域边界线内地理位置的实际基础数据。在使用中,针对一个或多个网格区域,将基于基础数据和预报数据、或者基于基础数据和监测数据,提取(或形成数值表达)的灾害影响特征的特征数值,提取的实现方法,可以包括特征提取算法、信号特征提取的方法、波形采集方法(模-数转换)等。前述的灾害影响特征是描述任意一种灾害在该一个或多个网格区域内的灾害演变阶段的特征,(含有指定灾害类型的)多种灾害影响特征可以包括描述在该一个或多个网格区域内多种灾害演变阶段的各个特征。预报预警的计算、监测预警的计算和监测报警的计算都可以通过机器模型实现,机器模型可包括曲线拟合模型、加权计算模型、聚类算法模型,以及支持向量数据描述模型、支持向量机和卷积层神经网络等机器学习模型。
可以将预报数据和监测数据,结合网格区域的基础数据,以灾害影响特征的形式,输入各机器模型,计算的结果信息可以包括概率值,概率值例如0、1或介于0~1之间的数值,并将该概率值的大小,与预先标定的、介于0~1之间的多个数值范围进行比较,确定与该种灾害影响特征对应的一种灾害的演变阶段(可与数值范围有一一对应关系),而概率值1可表示已经发生该种灾害事件、概率值0表示低风险,该计算的结果信息还可以包括用于合成灾害预警事件的信息报的信息,该信息将符合该种灾害的演变阶段或已发生阶段,例如描述灾害预警事件的文本信息和灾害预警事件影响(估计)度量信息等,文本信息可通过从监测数据和预报数据中提取的数值和文本模板进行生成,度量信息可通过灾害影响估算模型计算,从而,使用不同来源的数据进行共享和数值关联性,实现多种灾害预警报警的跟踪提示的信息生成,同时,具有低成本、高精度和广覆盖的特点。
在本发明实施例中,前述的灾害预警事件可以是针对可能要发生的或已经发生的灾害进行风险预警和/或报警的信息报的集合,灾害预警事件针对灾害发生前的风险和/或灾害发生前后的动态演变全过程。灾害预警事件可以包括标识符和信息报,信息报可以包括预警信息报和/或报警信息报,灾害预警事件是指对某类灾害的预警和/或报警。报,是指在灾害预警领域,某一时刻通过自动或人工手动产生的用于描述某灾害的最新风险分析情况的提示信息,该某一时刻的提示信息可以称为一报,报也可以称为信息报或事件报。
前述的灾害影响特征的特征数值表达均可以通过数值矩阵或向量进行实现,例如对于河道附近的多个网格区域内的山洪事件,可通过降雨量记录、各区域地质地貌数据等,提取数值特征,作为与河道附近的多个网格区域对应的、当前的灾害影响特征。同时,多种灾害影响特征之间可采用互不相同的数据通道,例如颜色通道,一种颜色通道表示提取的灾害影响特征与同一种实际发生过的灾害事件对应的灾害影响特征的相似性特点,即颜色数值可表示概率值,示例性地,在河道附近的网格区域内,已实际发生山洪灾害的网格区域颜色以红色表示,未发生、但可能发生山洪灾害的网格区域颜色以橙色(可分灰度值)表示,未发生、几乎不可能发生山洪灾害的网格区域颜色以灰色表示。
在本发明公开的一种示例性实施例中,预警区域可为林木区域(含河道),监测区域可为与预警区域相同的省级行政区域中的区域,预警区域和监测区域分别有各自的划定的边界线,预警区域和监测区域均由多个网格区域构成,网格区域的基础数据可以包括环境基础数据、地质地貌数据等,监测区域与预警区域存在交集,指定灾害类型的灾害预警事件可以包括林草火灾预警事件、泥石流预警事件、山洪预警事件、滑坡预警事件等,如图2。
若在监测区域内,在均未发生指定灾害类型灾害事件的条件下,例如,在山区附近的网格区域,未来N天降雨、以及温湿度等预报数据的变化,过去N天强降雨、当前的降雨、位移、水位等监测数据的变化,将引起可能受实际发生灾害影响的区域(即预警区域和/或监测区域中一个或多个网格区域)的泥石流灾害影响特征变化、山洪灾害影响特征变化、滑坡灾害影响特征变化、林草火灾灾害影响特征变化,经执行预报预警的计算、监测预警的计算和监测报警的计算,可表现为,在以不同颜色表示数据通道时,与各种灾害影响特征对应的一个或多个网格区域的颜色1~4的深浅数值表示,与灾害预警事件对应的发生泥石流的概率值、发生山洪的概率值、发生滑坡的概率值、发生林草火灾的概率值,其中,颜色1对应山洪预警事件,颜色2对应滑坡预警事件,颜色3对应泥石流预警事件,颜色4对应林草火灾预警事件。颜色1~4数据通道可有对应的基准颜色,颜色1~4的深浅变化相对于各自基准颜色的变化,表示灾害影响特征的特征数值变化,例如在监测区域内降雨量增加时,可观察到山区附近的网格区域的颜色1~3随预报数据的变化和监测数据的变化可加深(灾害影响特征更相似于同一种已发生的灾害的灾害影响特征,灾害影响特征相似性特点增加),而颜色4可变浅(灾害影响特征相似性特点减弱)。预报数据的变化和监测数据的变化对各种灾害影响特征的特征数值变化可被分别表示和描述,也可以叠加表示,同时经预报预警的计算、监测预警的计算、监测报警的计算,计算的结果信息中概率值也可分别表示,或可以线性叠加表示。
若在监测区域内,在已发生指定灾害类型灾害事件的条件下,例如与山区附近的网格区域对应的实际位置处已发生山洪预警事件,过去N天、当前和未来N天无雨,温湿度等预报数据无变化,温度等预报数据上升,位移数据不变、水位降低等监测数据的变化,可能引起与山区附近的网格区域对应的泥石流灾害影响特征的特征数值减小、山洪灾害影响特征的特征数值减小、滑坡灾害影响特征的特征数值减小、林草火灾灾害影响特征的特征数值不变或增加,经预报预警的计算,数据独立呈现的颜色1~3变浅,颜色4加深,采用分别计算和描述的方式,计算的结果信息中的泥石流、山洪、滑坡的发生概率值将减小,林草火灾的发生概率值将增大。
在灾害影响特征为已发生的灾害事件的灾害影响特征时,经监测报警的计算,结果信息中概率值为1,从而使得结果信息中表示已发生山洪事件。计算的多种灾害预警事件的结果信息并不是冲突的信息,而是具有多种灾害事件在一个或多个网格区域的演变趋势特点、以及已发生灾害事件的灾害特点的信息,能够用于合成灾害预警事件的信息报,灾害预警事件的信息报也将具有多种灾害事件在一个或多个网格区域的演变阶段、趋势特点、以及已发生灾害事件的灾害特点。需要补充说明的是,本发明实施例中,为简便说明目的,当前的(作为机器模型的输入)灾害影响特征的特征数值增加、特征数值减小、特征数值变化分别表示:当前的灾害影响特征与同一种已发生的灾害事件对应的灾害影响特征的相似性增加、相似性减弱、相似性变化,本发明实施例中均可按此理解。
示例地,在实现方面,卷积层神经网络,可以采用过去一段时间内发生山洪事件的区域的监测数据、预报数据和基础数据,以及该发生山洪事件的区域的附近区域(发生不同于山洪事件的其他灾害事件及未发生该其他灾害事件)的监测数据、预报数据和基础数据,作为用于训练的数据,从而在使用时,对与发生山洪事件的网格区域,对附近区域的一个或多个网格区域,基于预报数据、监测数据和基础数据,使用提取的灾害影响特征的特征数值,预测未来一段时间内(例如2小时、6小时),发生不同于山洪事件的其他灾害事件的概率值,通过该卷积层神经网络实现前述的相互作用。
例如,附近区域为山区、沿河道的网格区域,在该上游发生强降水事件之后,可使用该卷积层神经网络,得到山区、沿河道的网格区域发生其他灾害事件的概率值,例如发生山洪事件、泥石流事件、滑坡事件的概率值,该概率值可以单独描述于前述的结果信息中,也可以与预报预警的计算的结果信息进行线性合并。
本发明实施例中的具体特征选择、灾害类型指定、公开值和灾害事件等示例不作为唯一的实施方式,可以进行调整和在本发明构思下进行不同选择和设计,例如,基本单元可以通过光滑曲线划定的区域表示,例如椭圆区域或沿被研究的区域的指定方向用光滑曲线划定的封闭区域。
需要说明的是,可以在前述指定的区域中配置前述预警区域和监测区域的网格化的模型,将(可能)受多种灾害事件影响的区域视为预警区域或监测区域两个功能区域中的微元,并基于前述的预报数据、监测数据、基础数据,对(含可能)受多种灾害事件影响的区域,调整灾害影响特征的具体表示和使用适应图像、统计波形、传感器信号等数据形式的特征提取算法,得到预报数据和基础数据在受多种灾害事件影响的区域(一个或多个)的灾害影响特征,以及得到监测数据和基础数据在受多种灾害事件影响的区域(一个或多个)的灾害影响特征,最后采用机器模型执行预报预警的计算、监测预警的计算和监测报警的计算,分析灾害影响特征的特征数值,得到计算的结果信息,从而,使用跨区域不同来源的数据进行共享和数值关联性,结合(可能)受多种灾害事件影响的区域的特点,实现多种灾害的风险提示信息生成,同时,具有低成本、高精度和广覆盖的特点。
在使用方面,对于前述的步骤S1),可以包括:
S101)基于预报数据和基础数据,提取基本单元的灾害影响特征的特征数值,该基础数据是基本单元的基础数据;
S102)将该灾害影响特征的特征数值输入机器模型,通过该机器模型执行预报预警的计算。
对于前述的步骤S2),可以包括:
S201)基于监测数据和基础数据,提取基本单元的灾害影响特征的特征数值,该基础数据是基本单元的基础数据;
S202)将该灾害影响特征的特征数值输入机器模型,通过该机器模型执行监测报警的计算。
对于前述的步骤A1),可以包括:
A101)基于监测数据和基础数据,提取基本单元的灾害影响特征的特征数值,该基础数据是基本单元的基础数据;
A102)将该灾害影响特征的特征数值输入机器模型,通过该机器模型执行监测预警的计算。或者
A101)基于监测数据、预报数据和基础数据,提取基本单元的灾害影响特征的特征数值,该基础数据是基本单元的基础数据,预报数据包括监测区域的气象预报数据;
A102)将该灾害影响特征的特征数值输入机器模型,通过该机器模型执行监测预警的计算。
对于一些监测数据,前述的监测预警的计算所用的监测数据的最晚时刻可早于或等于(连续的监测数据)监测报警的计算所用的监测数据的最早时刻,能够在各灾害事件(非地震事件)发生之前的一段时间范围内,确定表现与基本单元对应的各灾害事件的风险特点的结果信息,该一段时间范围可短于预报预警的计算中基本单元的预报数据的时间范围。
在一些应用场景中,基于选择的机器模型、传感器及仪器的布置方式/数量/类型以及基本单元的实际位置等,可以将监测预警的计算与监测报警的计算作为一个机器模型实现的两个功能模块或独立的不同机器模型。例如对于滑坡事件,对于隐患坡体,可采用坡体位移-时间曲线作为机器模型,可视为此时监测预警的计算与监测报警的计算作为一个机器模型。又例如,对于隐患坡体,可采用坡体位移-时间曲线作为机器模型(通过裂缝计、GNSS测量获得监测数据),用于监测预警的计算,或可采用视频AI监测智能分析模型,用于监测报警的计算,此时视为独立的不同机器模型。
在本发明实施例中,在执行前述的步骤S1)之前,该多灾害预警报警方法可以从数据处理系统获取预报数据和监测数据,如图2。
在一些可能的实现方式中,预报数据可以指基于监测区域内诱发自然灾害的因素的预报数据。预警报警生成服务器可以数据处理系统接收该预报数据。在预警报警生成服务器内配置的机器模型中,用于对该预报数据执行预报预警的计算的机器模型,可称为预报预警模型。可以按照前述的实施例中的方法,预警报警生成服务器可将预报数据,输入多种灾害事件的预报预警模型,预报预警模型可以基于受多种灾害事件影响的区域和灾害影响特征,计算用于灾害风险提示的结果信息,并将结果信息传输至预警事件服务器,可以用于由预警事件服务器合成灾害预警事件的信息报。
在一些可能的实现方式中,监测数据可以指监测区域内多种传感器或监测仪器实际测量的数据和描述灾害发生趋势的数据。预警报警生成服务器可以从数据处理系统接收该监测数据。在预警报警生成服务器内配置的机器模型中,用于对该监测数据执行监测预警的计算的机器模型,可称为监测预警模型。可以按照前述的实施例中的方法,预警报警生成服务器可将监测数据,输入多种灾害事件的监测预警模型,监测预警模型可以基于受多种灾害事件影响的区域和灾害影响特征,计算用于灾害风险提示的结果信息,并将结果信息传输至预警事件服务器,可以用于由预警事件服务器合成灾害预警事件的信息报。
在一些可能的实现方式中,监测数据是指监测区域内,基于经布设的传感器实际测量的信号和提取的灾害特征数据。在预警报警生成服务器内配置的机器模型中,用于对该监测数据执行监测报警的计算的机器模型,可称为监测报警模型。可以按照前述的实施例中的方法,预警报警生成服务器可将监测数据,输入多种灾害事件的监测报警模型,监测报警模型可以对监测区域的监测数据分析灾害影响特征,计算用于灾害风险提示和/或灾害是否发生的结果信息,并将结果信息传输至预警事件服务器,可以用于由预警事件服务器合成灾害预警事件的信息报。
上述的数据处理系统可以通过服务器或具有指令处理和计算能力的电子设备等设备实现,该系统可以为接口系统,能够将收集的数据按照指定数据接口协议封装,传输至预警报警生成服务器,有利于灾害影响特征的提取效率。
本发明实施例还提供了多灾害预警报警方法,应用于预警事件服务器,该多灾害预警报警方法包括:
B1)获得由预警报警生成服务器传输的结果信息,该结果信息包括执行预报预警的计算得到的预报预警信息、执行监测预警的计算得到的监测预警信息和/或执行监测报警的计算得到的监测报警信息;
B2)基于该结果信息的信息种类,生成所述监测区域和/或所述预警区域的灾害预警事件的信息报;
B3)将所述灾害预警事件的信息报传输至预警接收端。
在本发明实施例中,如图3,为了提高处理效率和减少外部数据交换,预警事件服务器与前述的预警报警生成服务器可以是同一服务器,该服务器可以被配置有预警报警模块和预警事件模块(两个功能模块),预警事件服务器与前述的预警报警生成服务器之间的传输可以是进程之间、线程之间、总线之间的数据交换。或者,预警事件服务器与前述的预警报警生成服务器可以同属于一个服务器集群。
在传输至预警接收端之前,对于生成的信息报,可以经人工研判、机器自动研判后,写入至灾害预警事件。
具体的,为了有利于信息种类区分,其中,所述灾害预警事件包括预警过程事件和报警过程事件;
该多灾害预警报警方法还包括:
在获取的结果信息是预报预警信息或监测预警信息时,将生成的信息报写入所述预警过程事件;
在获取的结果信息是监测报警信息时,将生成的信息报写入所述报警过程事件。
本发明实施例还提供了多灾害预警报警方法,应用于预警接收端,该多灾害预警报警方法包括:
C1)获得由预警事件服务器传输的信息报;
C2)基于所述信息报和工作模式,向用户进行提示,所述工作模式包括预警模式和报警模式,各模式与所述信息报中信息种类(预警信息、报警信息)对应。
在本发明实施例中,向用户进行提示,可以是向用户发出声光信号或可感知的信号。前述的多灾害预警报警方法中采用报对上述灾害预警事件的信息进行发布提示。灾害预警事件,是指针对可能要发生的或已经发生(含正在发生)的灾害进行预警和/或报警的信息报的集合,灾害预警事件描述灾害被预警和/或被报警过程的风险提示信息。灾害预警事件的灾害类型与预警信息和/或报警信息中的灾害类型一致。灾害预警事件可以包括N个信息报,N可以是大于等于1的正整数,但允许符合灾害的演变客观事实的例外。信息报按时间顺序可以分为首报、更新报和结束报。
本发明实施例中实现了多灾害预警报警的统一整体模型,基于预报数据或监测数据,通过预报预警、监测预警、监测报警等机器模型的计算,产生用于合成信息报的结果信息,这些结果信息含有基本单元内能够表征灾害风险趋势变化的多种灾害事件风险提示的信息。本发明实施例的多灾害的整体模型具有数据共享、低成本、高精度和广覆盖的特点,能够向需防范风险实体提供精准的、单元化地产生的信息,以确定各灾害事件的演变趋势、阶段和是否发生等特点,并提供相对应的风险提示信息。
实施例2
本发明实施例与实施例1属于同一发明构思,本发明实施例提供一种多灾害预警报警系统,该多灾害预警报警系统包括:
预报预警模块,用于基于预报数据,对监测区域和/或预警区域执行预报预警的计算;
监测报警模块,用于基于监测数据,对所述监测区域执行监测报警的计算;
信息传输模块,用于将计算的结果信息传输至预警事件服务器;
其中,所述预警区域与所述监测区域相对于指定灾害类型呈受灾害影响的数值关联关系,以及所述预警区域与所述监测区域呈空间关联关系。
具体的,还包括:
监测预警模块,用于基于监测数据,对所述监测区域执行监测预警的计算;或者
基于监测数据和预报数据,对所述监测区域执行监测预警的计算,其中所述预报数据包括所述监测区域的气象预报数据。
具体的,其中,该数值关联关系包括以下任意至少两项:
在所述预警区域和/或所述监测区域内,在均未发生指定灾害类型灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与可能受实际发生该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在所述预警区域和/或所述监测区域内,在已发生指定灾害类型灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在指定的空间范围内,在已发生指定灾害类型灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系,其中,该指定的空间范围不属于所述预警区域或所述监测区域。
具体的,其中,受该灾害影响的区域、或可能受实际发生该灾害影响的区域,包括所述预警区域、和/或所述监测区域内的基本单元。
具体的,其中,
一种灾害影响特征是相对于指定一种灾害类型,基于预报数据或监测数据,以及基本单元被配置的相对于指定灾害类型的基础数据,构建的数值特征,该数值特征包括图像特征和/或数值记录特征。
具体的,其中,该空间关联关系包括:两区域相交关系、两区域完全重叠关系、两区域相切关系、或者两区域不相交且两区域之间边界线相距小于指定的距离;
该空间关联关系还包括:所述监测区域属于所述预警区域,或者所述预警区域属于所述监测区域。
具体的,所述监测区域是由多个基本单元构成,各基本单元被配置有相对于指定灾害类型的基础数据,基于预报数据,对监测区域执行预报预警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的预报预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括环境基础数据;
计算所述监测区域的内涝积水预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括内涝隐患点基础数据、高程数据、排水管网数据;
计算所述监测区域的滑坡预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括滑坡隐患点基础数据和/或地形地质地貌数据;
计算所述监测区域的山洪预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括山洪小流域基础数据和/或地形地质地貌数据;
计算所述监测区域的泥石流预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括泥石流隐患点基础数据和/或地形地质地貌数据。
具体的,所述基于监测数据,对所述监测区域执行监测报警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的监测报警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的监测报警信息所用的监测数据包括卫星监测数据和/或视频图像数据;
计算所述监测区域的内涝积水预警事件的监测报警信息所用的监测数据包括水位数据和/或视频图像数据;
计算所述监测区域的滑坡预警事件的监测报警信息所用的监测数据包括坡体位移数据和/或裂缝变形数据、和/或视频图像数据;
计算所述监测区域的泥石流预警事件的监测报警信息所用的监测数据包括泥水位数据和/或断线仪监测数据、和/或视频图像数据;
计算所述监测区域的山洪预警事件的监测报警信息所用的监测数据包括水位数据和/或视频图像数据。
具体的,所述基于监测数据,对所述监测区域执行监测预警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的监测预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据、温湿度数据中的至少一个;
计算所述监测区域的内涝积水预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的滑坡预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的泥石流预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的山洪预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据、断线仪监测数据中的至少一个。
具体的,所述预警区域是由多个基本单元构成,各基本单元被配置有相对于指定灾害类型的基础数据,所述基于预报数据,对预警区域执行预报预警的计算,包括:
基于对所述预警区域的关联监测区域执行预报预警、监测预警和监测报警的计算得到的结果信息中的任一结果信息、以及预报数据和所述预警区域的基础数据,对所述预警区域执行预报预警的计算;
对预警区域执行预报预警计算得到的结果信息为至少一种灾害的灾害预警事件的预报预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件。
该多灾害预警报警系统还包括:预警事件模块;该预警事件模块用于:
获得由预警报警生成服务器传输的结果信息,该结果信息包括执行预报预警的计算得到的预报预警信息、执行监测预警的计算得到的监测预警信息和/或执行监测报警的计算得到的监测报警信息;
基于该结果信息的信息种类,生成所述监测区域和/或所述预警区域的灾害预警事件的信息报;
将所述灾害预警事件的信息报传输至预警接收端。
具体的,其中,所述灾害预警事件包括预警过程事件和报警过程事件;
该多灾害预警报警方法还包括:
在获取的信息是预报预警信息或监测预警信息时,将生成的信息报写入所述预警过程事件;
在获取的信息是监测报警信息时,将生成的信息报写入所述报警过程事件。
具体的,该多灾害预警报警系统包括:接收模块;该接收模块用于:
获得由预警事件服务器传输的信息报;
基于所述信息报和工作模式,向用户进行提示,所述工作模式包括预警模式和报警模式,各模式与所述信息报中信息种类对应。
实施例3
本发明实施例与实施例1至2均属于同一发明构思,本发明实施例提供了电子设备,该电子设备包括:至少一个处理器;存储器,与所述至少一个处理器连接;其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现前述实施例1中的方法。
本发明实施例提供一种服务器,该服务器具有前述的电子设备。
本发明实施例提供了机器可读存储介质,存储有机器指令,当所述机器指令在机器上运行时,使得机器执行前述实施例1中的方法。
以上结合附图详细描述了本发明实施例的可选实施方式,但是,本发明实施例并不限于上述实施方式中的具体细节,在本发明实施例的技术构思范围内,可以对本发明实施例的技术方案进行多种简单变型,这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合。为了避免不必要的重复,本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质可以是非瞬时的,存储介质可以包括:U盘、硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、闪存(Flash memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外,本发明实施例的各种不同的实施方式之间也可以进行任意组合,只要其不违背本发明实施例的思想,其同样应当视为本发明实施例所公开的内容。
Claims (16)
1.一种应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,该应用于预警报警生成服务器的多灾害预警报警方法包括:
基于预报数据,对监测区域和/或预警区域执行预报预警的计算;
基于监测数据,对所述监测区域执行监测报警的计算;
将计算的结果信息传输至预警事件服务器;
其中,所述预警区域与所述监测区域相对于指定灾害类型呈受灾害影响的数值关联关系,以及所述预警区域与所述监测区域呈空间关联关系;
其中,该数值关联关系包括以下任意至少两项:
在所述预警区域和/或所述监测区域内,在均未发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与可能受实际发生该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在所述预警区域和/或所述监测区域内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在指定的空间范围内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系,其中,该指定的空间范围不属于所述预警区域或所述监测区域。
2.根据权利要求1所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,其中,受该灾害影响的区域、或可能受实际发生该灾害影响的区域,包括所述预警区域、和/或所述监测区域内的基本单元。
3.根据权利要求1-2任一所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,在所述将计算的结果信息传输至预警事件服务器之前,该应用于预警报警生成服务器的多灾害预警报警方法还包括:
基于监测数据,对所述监测区域执行监测预警的计算;或者
基于监测数据和预报数据,对所述监测区域执行监测预警的计算,其中所述预报数据包括所述监测区域的气象预报数据。
4.根据权利要求2所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,其中,
一种灾害影响特征是相对于指定一种灾害类型,基于预报数据或监测数据,以及基本单元被配置的相对于指定灾害类型的基础数据,构建的数值特征,该数值特征包括图像特征和/或数值记录特征。
5.根据权利要求1所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,其中,该空间关联关系包括:两区域相交关系、两区域完全重叠关系、两区域相切关系、或者两区域不相交且两区域之间边界线相距小于指定的距离;
该空间关联关系还包括:所述监测区域属于所述预警区域,或者所述预警区域属于所述监测区域。
6.根据权利要求1所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,所述监测区域是由多个基本单元构成,各基本单元被配置有相对于指定灾害类型的基础数据,所述基于预报数据,对监测区域执行预报预警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的预报预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括环境基础数据;
计算所述监测区域的内涝积水预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括内涝隐患点基础数据、高程数据、排水管网数据;
计算所述监测区域的滑坡预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括滑坡隐患点基础数据和/或地形地质地貌数据;
计算所述监测区域的山洪预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括山洪小流域基础数据和/或地形地质地貌数据;
计算所述监测区域的泥石流预警事件的预报预警信息所用的预报数据包括气象预报数据,所述基础数据包括泥石流隐患点基础数据和/或地形地质地貌数据。
7.根据权利要求3所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,所述基于监测数据,对所述监测区域执行监测报警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的监测报警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的监测报警信息所用的监测数据包括卫星监测数据和/或视频图像数据;
计算所述监测区域的内涝积水预警事件的监测报警信息所用的监测数据包括水位数据和/或视频图像数据;
计算所述监测区域的滑坡预警事件的监测报警信息所用的监测数据包括坡体位移数据和/或裂缝变形数据、和/或视频图像数据;
计算所述监测区域的泥石流预警事件的监测报警信息所用的监测数据包括泥水位数据和/或断线仪监测数据、和/或视频图像数据;
计算所述监测区域的山洪预警事件的监测报警信息所用的监测数据包括水位数据和/或视频图像数据。
8.根据权利要求7所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,所述基于监测数据,对所述监测区域执行监测预警的计算,其中,
计算的结果信息为至少一种灾害的灾害预警事件的监测预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件;
计算所述监测区域的林草火灾预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据、温湿度数据中的至少一个;
计算所述监测区域的内涝积水预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的滑坡预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的泥石流预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据中的至少一个;
计算所述监测区域的山洪预警事件的监测预警信息所用的监测数据还包括实测降雨量数据、累计降雨量数据、断线仪监测数据中的至少一个。
9.根据权利要求3所述的应用于预警报警生成服务器的多灾害预警报警方法,其特征在于,所述预警区域是由多个基本单元构成,各基本单元被配置有相对于指定灾害类型的基础数据,所述基于预报数据,对预警区域执行预报预警的计算,包括:
基于对所述预警区域的关联监测区域执行预报预警、监测预警和监测报警的计算得到的结果信息中的任一结果信息、以及预报数据和所述预警区域的基础数据,对所述预警区域执行预报预警的计算;
对预警区域执行预报预警计算得到的结果信息为至少一种灾害的灾害预警事件的预报预警信息,至少一种灾害的灾害预警事件包括林草火灾预警事件、内涝积水预警事件、滑坡预警事件、山洪预警事件、泥石流预警事件。
10.一种多灾害预警报警方法,其特征在于,包括权利要求1-9中任一项权利要求所述的应用于预警报警生成服务器的多灾害预警报警方法,以及应用于预警事件服务器的多灾害预警报警方法,该应用于预警事件服务器的多灾害预警报警方法包括:
获得由预警报警生成服务器传输的结果信息,该结果信息包括执行预报预警的计算得到的预报预警信息、执行监测预警的计算得到的监测预警信息和/或执行监测报警的计算得到的监测报警信息;
基于该结果信息的信息种类,生成所述监测区域和/或所述预警区域的灾害预警事件的信息报;
将所述灾害预警事件的信息报传输至预警接收端。
11.根据权利要求10所述的多灾害预警报警方法,其特征在于,其中,所述灾害预警事件包括预警过程事件和报警过程事件;该应用于预警事件服务器的多灾害预警报警方法还包括:
在获取的结果信息是预报预警信息或监测预警信息时,将生成的信息报写入所述预警过程事件;
在获取的结果信息是监测报警信息时,将生成的信息报写入所述报警过程事件。
12.一种多灾害预警报警方法,其特征在于,包括权利要求10-11中任一项权利要求所述的多灾害预警报警方法,以及应用于预警接收端的多灾害预警报警方法,该应用于预警接收端的多灾害预警报警方法包括:
获得由预警事件服务器传输的信息报;
基于所述信息报和工作模式,向用户进行提示,所述工作模式包括预警模式和报警模式,各模式与所述信息报中信息种类对应。
13.一种多灾害预警报警系统,其特征在于,该多灾害预警报警系统包括:
预报预警模块,用于基于预报数据,对监测区域和/或预警区域执行预报预警的计算;
监测报警模块,用于基于监测数据,对所述监测区域执行监测报警的计算;
信息传输模块,用于将计算的结果信息传输至预警事件服务器;
其中,所述预警区域与所述监测区域相对于指定灾害类型呈受灾害影响的数值关联关系,以及所述预警区域与所述监测区域呈空间关联关系;
其中,该数值关联关系包括以下任意至少两项:
在所述预警区域和/或所述监测区域内,在均未发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与可能受实际发生该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在所述预警区域和/或所述监测区域内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系;
在指定的空间范围内,在已发生指定灾害类型的灾害的条件下,所述预报数据的变化和/或所述监测数据的变化,与受该灾害影响的区域的多种灾害影响特征的特征数值变化之间,引起和被引起的关系,其中,该指定的空间范围不属于所述预警区域或所述监测区域。
14.根据权利要求13所述的多灾害预警报警系统,其特征在于,该多灾害预警报警系统还包括:
监测预警模块,用于基于监测数据,对所述监测区域执行监测预警的计算;或者
基于监测数据和预报数据,对所述监测区域执行监测预警的计算,其中所述预报数据包括所述监测区域的气象预报数据。
15.一种电子设备,其特征在于,该电子设备包括:
至少一个处理器;
存储器,与所述至少一个处理器连接;
其中,所述存储器存储有能被所述至少一个处理器执行的指令,所述至少一个处理器通过执行所述存储器存储的指令实现权利要求1至12中任意一项权利要求所述的方法。
16.一种机器可读存储介质,存储有机器指令,当所述机器指令在机器上运行时,使得机器执行权利要求1至12中任意一项权利要求所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2023108215405 | 2023-07-05 | ||
CN202310821540 | 2023-07-05 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116824807A CN116824807A (zh) | 2023-09-29 |
CN116824807B true CN116824807B (zh) | 2024-04-30 |
Family
ID=88120138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310834787.0A Active CN116824807B (zh) | 2023-07-05 | 2023-07-07 | 多灾害预警报警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116824807B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117558105B (zh) * | 2023-10-27 | 2024-07-26 | 珠江水利委员会珠江水利科学研究院 | 一种高密度城市黄泥水现象预警方法和系统 |
CN118570943B (zh) * | 2024-01-10 | 2024-10-29 | 吉林省林业科学研究院(吉林省林业生物防治中心站) | 一种森林防火监测预警系统 |
CN118230534A (zh) * | 2024-05-22 | 2024-06-21 | 四川交通职业技术学院 | 一种基于卫星遥感数据的灾害监测预警方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608840A (zh) * | 2016-03-09 | 2016-05-25 | 长江水利委员会水文局 | 一种基于融合定量降雨预报算法的山洪预警平台及预警方法 |
CN107195164A (zh) * | 2017-07-03 | 2017-09-22 | 长江水利委员会长江科学院 | 山洪灾害在线监测识别预警方法及其预警系统 |
CN110718047A (zh) * | 2019-08-31 | 2020-01-21 | 广州海达安控智能科技有限公司 | 一种地质灾害预警方法及装置 |
CN111795681A (zh) * | 2020-06-30 | 2020-10-20 | 杭州鲁尔物联科技有限公司 | 一种山洪灾害预警方法、装置、服务器及存储介质 |
KR20210030031A (ko) * | 2019-09-09 | 2021-03-17 | 한국지질자원연구원 | 사전 기상정보 연동 산사태 조기경보 방법 및 산사태 조기경보 시스템 |
CN112885040A (zh) * | 2021-01-26 | 2021-06-01 | 北京亦通海科技有限公司 | 一种灾害预警系统及方法 |
AU2021103427A4 (en) * | 2021-06-17 | 2021-08-19 | National Satellite Meteorological Center | Space weather disaster monitoring and early warning method and system, storage medium and server |
CN115512518A (zh) * | 2022-11-01 | 2022-12-23 | 成都市美幻科技有限公司 | 基于时空关联的多种灾害的预警信息处理方法及装置 |
-
2023
- 2023-07-07 CN CN202310834787.0A patent/CN116824807B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105608840A (zh) * | 2016-03-09 | 2016-05-25 | 长江水利委员会水文局 | 一种基于融合定量降雨预报算法的山洪预警平台及预警方法 |
CN107195164A (zh) * | 2017-07-03 | 2017-09-22 | 长江水利委员会长江科学院 | 山洪灾害在线监测识别预警方法及其预警系统 |
CN110718047A (zh) * | 2019-08-31 | 2020-01-21 | 广州海达安控智能科技有限公司 | 一种地质灾害预警方法及装置 |
KR20210030031A (ko) * | 2019-09-09 | 2021-03-17 | 한국지질자원연구원 | 사전 기상정보 연동 산사태 조기경보 방법 및 산사태 조기경보 시스템 |
CN111795681A (zh) * | 2020-06-30 | 2020-10-20 | 杭州鲁尔物联科技有限公司 | 一种山洪灾害预警方法、装置、服务器及存储介质 |
CN112885040A (zh) * | 2021-01-26 | 2021-06-01 | 北京亦通海科技有限公司 | 一种灾害预警系统及方法 |
AU2021103427A4 (en) * | 2021-06-17 | 2021-08-19 | National Satellite Meteorological Center | Space weather disaster monitoring and early warning method and system, storage medium and server |
CN115512518A (zh) * | 2022-11-01 | 2022-12-23 | 成都市美幻科技有限公司 | 基于时空关联的多种灾害的预警信息处理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116824807A (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116824807B (zh) | 多灾害预警报警方法及系统 | |
CN111047099B (zh) | 一种区域性山洪风险预测方法及系统 | |
Guzzetti et al. | Geographical landslide early warning systems | |
Sene | Flood warning, forecasting and emergency response | |
Gourley et al. | Evaluation of tools used for monitoring and forecasting flash floods in the United States | |
JP4511560B2 (ja) | 洪水リスクの自動化された位置に依存した認識のための方法及びシステム | |
CN103714661B (zh) | 降雨阈值自适应的滑坡实时预警方法 | |
Creutin et al. | Catchment dynamics and social response during flash floods: the potential of radar rainfall monitoring for warning procedures | |
CN106373070B (zh) | 一种应对城市暴雨内涝的四预方法 | |
CN113222283A (zh) | 一种基于数字孪生的山洪预报预警方法及系统 | |
WO2023159070A1 (en) | Systems and methods for automatic environmental planning and decision support using artificial intelligence and data fusion techniques on distributed sensor network data | |
MX2012008316A (es) | Metodo y sistema para pronostico automatizado de desastres naturales dependientes de la localizacion. | |
CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
CN104794364A (zh) | 海平面上升脆弱性等级评估的定量化方法 | |
CN109886456B (zh) | 基于pca与混合核函数lssvr的泥石流预测方法 | |
CN111583587A (zh) | 一种小流域预测预报系统 | |
Zeng et al. | A cascading flash flood guidance system: development and application in Yunnan Province, China | |
CN111915847A (zh) | 一种精细化降雨预报系统及其预警方法 | |
CN116990847B (zh) | 基于边缘计算的北斗gnss接收机解算方法和系统 | |
CN117556643B (zh) | 一种洪水预警预报方法及预报系统 | |
Abebe et al. | Decision support system for urban flood management | |
CN209433536U (zh) | 一种泥石流监测预警装置 | |
Silvestro et al. | Severe floods predictive ability: A proxy based probabilistic assessment of the Italian early warning system | |
CN114664041B (zh) | 一种基于深度学习的多传感器融合预警预测方法 | |
CN116050837A (zh) | 一种面向尾矿库多元灾害的综合监测预警和安全评估方案 |
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 |