CN116844309B - 一种气象数据实时监测多途径预警系统 - Google Patents
一种气象数据实时监测多途径预警系统 Download PDFInfo
- Publication number
- CN116844309B CN116844309B CN202311028676.7A CN202311028676A CN116844309B CN 116844309 B CN116844309 B CN 116844309B CN 202311028676 A CN202311028676 A CN 202311028676A CN 116844309 B CN116844309 B CN 116844309B
- Authority
- CN
- China
- Prior art keywords
- disaster
- area
- evaluation coefficient
- areas
- water system
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000011156 evaluation Methods 0.000 claims description 147
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 74
- 238000004458 analytical method Methods 0.000 claims description 59
- 238000000034 method Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 24
- 230000006378 damage Effects 0.000 claims description 19
- 238000010586 diagram Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003651 drinking water Substances 0.000 description 1
- 235000020188 drinking water Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002631 hypothermal effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
-
- 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
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种气象数据实时监测多途径预警系统,涉及数据监测技术领域,本发明包括气象数据采集模块、气象数据处理模块、地形分析模块、无人机部署模块、地面情况采集模块、紧急程度分析模块、预警终端和数据库,通过使用无人机对气象灾害现场进行数据采集,无人机具有灵活、快速的特点,在气象灾害地区可以快速部署,实时监测地面情况,更全面地评估气象灾害的影响程度。进而分析气象灾害现场对应的救援程度等级,并对不同的紧急救援程度等级使用不同的预警方式,可以极大地提高人们对气象灾害的监测能力和响应速度,以便相关部门采取相应的救援和防护措施,有效降低灾害的影响和损失。
Description
技术领域
本发明涉及数据监测技术领域,具体涉及一种气象数据实时监测多途径预警系统。
背景技术
当前,全球气候变化导致了极端天气事件的增多和加剧,而极端天气事件可能对人们的生命和财产造成严重危害,而目前气象预警系统在极端天气引起的气象灾害发生后对于气象灾害现场的救援作用甚微,因此,为了减少气象灾害对救援行动的影响,需要将气象灾害现场的气象预警和监测体系进行结合,以降低气象灾害对救援行动的影响。
当前灾害现场救援行动中,由人工去控制无人机拍摄灾害现场图像,再对灾害现场图像进行分析,这种做法对于等待救援队救援的被困人员来说无疑是缓慢的,并且,由于需要人工操纵无人机,会导致救援队救援人员不足,如果救援人员不足,被困人员可能无法及时获得足够的食物和饮水等基本生存需求。在极端天气条件下,这可能会增加疾病、低体温和其他健康风险,对被困人员的安全构成严重的风险。
发明内容
针对上述存在的技术不足,本发明的目的是提供一种气象数据实时监测多途径预警系统。
为解决上述技术问题,本发明采用如下技术方案:本发明提供一种气象数据实时监测多途径预警系统,
气象数据采集模块,用于从气象观测站获取受灾地区各采集点在各采集时间点对应的气象数据,其中气象数据包括降雨量和风速;
气象数据处理模块,用于根据受灾地区各采集点在各采集时间点对应的气象数据,分析得到受灾地区各采集时间点对应的预测气象评估系数;
地形分析模块,用于从数据库中获取受灾地区对应的水系分布图,分析得到受灾地区对应的地形复杂程度评估系数;
无人机部署模块,用于根据受灾地区各采集时间点对应的预测气象评估系数和受灾地区对应的地形复杂程度评估系数,分别分析得到无人机对应的开始飞行时间点和无人机对应的飞行高度;
地面情况采集模块,用于从数据库中获取受灾地区对应的人口密集度,再通过受灾地区对应的无人机采集受灾地区对应的建筑图像;
紧急程度分析模块,用于根据受灾地区对应的建筑图像,分析得到受灾地区对应的灾害影响评估系数,进而根据受灾地区对应的地形复杂程度评估系数和灾害影响评估系数,分析得到受灾地区对应的紧急程度评估系数,判断受灾地区对应的救援紧急程度等级;
预警终端,用于根据受灾地区对应的救援紧急程度等级,进行对应的预警提示。
数据库,用于存储受灾地区对应的水系分布图,受灾地区对应的人口密集度、等高线密集度和等高线弯曲度,无人机各飞行高度对应的地形复杂程度评估系数。
优选地,所述分析得到受灾地区各采集时间点对应的预测气象评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区各采集时间点对应的预测气象评估系数,其中δi为受灾地区第i个采集时间点对应的预测气象评估系数,i=1,2......n,i为各采集点对应的编号,分别为受灾地区对应第i个采集点第k-1个、第k个、第k+1个采集时间点对应的降雨量,k为各采集时间点对应的编号,k=1,2......m,k为各采集时间点对应的编号,/>分别为为受灾地区对应第i个采集点第k-1个、第k个、第k+1个采集时间点对应的风速,ω1、ω2分别为降雨量和风速对应的权重因子。
优选地,所述分析得到受灾地区对应的地形复杂程度评估系数,具体分析过程如下:
从数据库中获取受灾地区对应的等高线密集度和等高线弯曲度,根据受灾地区对应的等高线密集度和等高线弯曲度,分析得到受灾地区对应的地势起伏评估系数;
从受灾地区水系分布图中获取受灾地区对应的水系数量和各水系面积,根据受灾地区对应的水系数量和各水系面积,分析得到受灾地区对应的水系分布评估系数;
通过计算公式ζ=θ1*τ1+θ2*τ2,计算得到受灾地区对应的地形复杂程度评估系数,其中ζ为受灾地区对应的地形复杂程度评估系数,θ1为受灾地区对应的地势起伏评估系数,θ2为受灾地区对应的水系分布评估系数,τ1、τ2分别为地势起伏评估系数、水系分布评估系数对应的权重因子。
优选地,所述分析得到受灾地区对应的地势起伏评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的地势起伏评估系数,其中De′为受灾地区地形图对应的等高线密集度,Cd′为受灾地区地形图对应的等高线弯曲度,De为设定的参考等高线密集度,Cd为设定的参考等高线弯曲度,σ1、σ2分别为等高线密集度、等高线弯曲度对应的权重因子。
优选地,所述分析得到受灾地区对应的水系分布评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的水系分布评估系数,其中Q′为受灾地区水系分布图中对应的水系数量,Si′为受灾地区水系分布图中第i′个水系对应的水系面积,i′为受灾地区水系分布图中各水系对应的编号,i′=1′,2′......n′,Q为设定的参考水系数量,S为设定的参考水系面积,σ3、σ4分别为水系数量、水系面积对应的权重因子。
优选地,所述分析得到无人机对应的开始飞行时间点和无人机对应的飞行高度,具体分析过程如下:
将受灾地区各采集时间点对应的预测气象评估系数与设定的预测气象评估系数阈值进行对比,若某采集时间点对应的预测气象评估系数大于或者等于设定的预测气象评估系数阈值,则判定无人机不能起飞;若某采集点对应的预测气象评估系数小于设定的预测气象评估系数阈值,则判定无人机能起飞,将该采集时间点作为无人机对应的开始飞行时间点;
将受灾地区对应的地形复杂程度评估系数与数据库中存储的无人机各飞行高度对应的地形复杂程度评估系数进行对比,若数据库中某无人机飞行高度对应的地形复杂程度评估系数与受灾地区对应的地形复杂程度评估系数相同,则将数据库中该地形复杂程度评估系数对应的无人机飞行高度作为无人机对应的飞行高度。
优选地,所述分析得到受灾地区对应的灾害影响评估系数,具体分析过程如下:
从受灾地区对应的建筑图像中获取受灾地区对应的建筑图像中建筑毁坏数量和建筑损坏面积,通过计算公式计算得到受灾地区对应的灾害影响评估系数,其中χ为受灾地区对应的灾害影响评估系数,Bd为设定的允许建筑损坏数量,Bs为设定的允许建筑损坏面积,Bd′为受灾地区对应的建筑损坏数量,Bs′为受灾地区对应的建筑损坏面积,Z′为受灾地区对应的人口密集度,Z为设定的参考人口密集度,γ1、γ2、γ3分别为建筑损坏数量、建筑损坏面积、人口密集度对应的权重因子。
优选地,所述分析得到受灾地区各采集点对应的紧急程度评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的紧急程度评估系数,其中φ为受灾地区对应的紧急程度评估系数,ζ为受灾地区对应的地形复杂程度评估系数,χ为受灾地区对应的灾害影响评估系数,ζ′为设定的参考地形复杂程度评估系数,χ′为设定的参考灾害影响评估系数,α1、α2分别为地形复杂程度评估系数、灾害影响评估系数对应的权重因子。
优选地,所述判断得到受灾地区对应的救援紧急程度等级,具体判断过程如下:
将受灾地区对应的紧急程度评估系数与设定的各救援紧急程度等级对应的紧急程度评估系数区间进行对比,若受灾地区对应的紧急程度评估系数在设定的某救援紧急程度等级对应的紧急程度评估系数区间中,则将该紧急程度评估系数区间对应的救援紧急程度作为受灾地区对应的救援紧急程度等级,以此方式判断得到受灾地区对应的救援紧急程度等级。
本发明的有益效果在于:本发明提供了一种气象数据实时监测多途径预警系统,通过使用无人机对气象灾害现场进行数据采集,无人机具有灵活、快速的特点,在气象灾害地区可以快速部署,还可以搭载高分辨率摄像头,用于实时监测地面情况,再将无人机监测到的图像数据与气象站观测到的各采集点相结合,更全面地评估气象灾害的影响程度。进而分析气象灾害现场各采集点对应的救援程度等级,并对不同的紧急救援程度等级使用不同的预警方式,根据数据分析结果发布相应的预警信息,可以更准确地预测气象灾害的发生和发展,及时发布预警信息,可以极大地提高人们对气象灾害的监测能力和响应速度,以便相关部门采取相应的救援和防护措施,有效降低灾害的影响和损失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明系统结构连接示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,本发明提供了一种气象数据实时监测多途径预警系统,包括:气象数据采集模块、气象数据处理模块、地形分析模块、无人机部署模块、地面情况采集模块、紧急程度分析模块、预警终端和数据库。
所述气象数据处理模块分别与地形分析模块和气象数据采集模块进行连接,所述地形分析模块分别与气象数据处理模块、无人机部署模块、紧急程度分析模块和数据库进行连接,所述无人机部署模块分别与地形分析模块、地面情况采集模块和数据库进行连接,所述地面情况采集模块分别与无人机部署模块、紧急程度分析模块和数据库进行连接,所述紧急程度分析模块分别与地形分析模块、地面情况采集模块和预警终端进行连接。
气象数据采集模块,用于从气象观测站获取受灾地区各采集点在各采集时间点对应的气象数据,其中气象数据包括降雨量和风速;
气象数据处理模块,用于根据受灾地区各采集点在各采集时间点对应的气象数据,分析得到受灾地区各采集时间点对应的预测气象评估系数;
作为一种可选地实施方式,所述分析得到受灾地区各采集时间点对应的预测气象评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区各采集时间点对应的预测气象评估系数,其中δi为受灾地区第i个采集时间点对应的预测气象评估系数,i=1,2......n,i为各采集点对应的编号,分别为受灾地区对应第i个采集点第k-1个、第k个、第k+1个采集时间点对应的降雨量,k为各采集时间点对应的编号,k=1,2......m,k为各采集时间点对应的编号,/>分别为为受灾地区对应第i个采集点第k-1个、第k个、第k+1个采集时间点对应的风速,ω1、ω2分别为降雨量和风速对应的权重因子。
需要说明的是,当降雨量越大、风速越大时,预测气象评估系数越大。
地形分析模块,用于从数据库中获取受灾地区对应的水系分布图,分析得到受灾地区对应的地形复杂程度评估系数;
作为一种可选地实施方式,所述分析得到受灾地区对应的地形复杂程度评估系数,具体分析过程如下:
从数据库中获取受灾地区对应的等高线密集度和等高线弯曲度,根据受灾地区对应的等高线密集度和等高线弯曲度,分析得到受灾地区对应的地势起伏评估系数;
从受灾地区水系分布图中获取受灾地区对应的水系数量和各水系面积,根据受灾地区对应的水系数量和各水系面积,分析得到受灾地区对应的水系分布评估系数;
通过计算公式ζ=θ1*τ1+θ2*τ2,计算得到受灾地区对应的地形复杂程度评估系数,其中ζ为受灾地区对应的地形复杂程度评估系数,θ1为受灾地区对应的地势起伏评估系数,θ2为受灾地区对应的水系分布评估系数,τ1、τ2分别为地势起伏评估系数、水系分布评估系数对应的权重因子。
作为一种可选地实施方式,所述分析得到受灾地区对应的地势起伏评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的地势起伏评估系数,其中De′为受灾地区地形图对应的等高线密集度,Cd′为受灾地区地形图对应的等高线弯曲度,De为设定的参考等高线密集度,Cd为设定的参考等高线弯曲度,σ1、σ2分别为等高线密集度、等高线弯曲度对应的权重因子。
需要说明的是,当高线密集度越大、等高线弯曲度越大时,地势起伏评估系数越大。
作为一种可选地实施方式,所述分析得到受灾地区对应的水系分布评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的水系分布评估系数,其中Q′为受灾地区水系分布图中对应的水系数量,Si′为受灾地区水系分布图中第i′个水系对应的水系面积,i′为受灾地区水系分布图中各水系对应的编号,i′=1′,2′......n′,Q为设定的参考水系数量,S为设定的参考水系面积,σ3、σ4分别为水系数量、水系面积对应的权重因子。
需要说明的是,所述水系分布图中的水系包括但不限于池塘、河流和湖泊等。
还需要说明的是,当水系数量越多、各水系面积越大时,水系分布评估系数越大。
无人机部署模块,用于根据受灾地区各采集时间点对应的预测气象评估系数和受灾地区对应的地形复杂程度评估系数,分别分析得到无人机对应的开始飞行时间点和无人机对应的飞行高度;
作为一种可选地实施方式,所述分析得到无人机对应的开始飞行时间点和无人机对应的飞行高度,具体分析过程如下:
将受灾地区各采集时间点对应的预测气象评估系数与设定的预测气象评估系数阈值进行对比,若某采集时间点对应的预测气象评估系数大于或者等于设定的预测气象评估系数阈值,则判定无人机不能起飞;若某采集点对应的预测气象评估系数小于设定的预测气象评估系数阈值,则判定无人机能起飞,将该采集时间点作为无人机对应的开始飞行时间点;
将受灾地区对应的地形复杂程度评估系数与数据库中存储的无人机各飞行高度对应的地形复杂程度评估系数进行对比,若数据库中某无人机飞行高度对应的地形复杂程度评估系数与受灾地区对应的地形复杂程度评估系数相同,则将数据库中该地形复杂程度评估系数对应的无人机飞行高度作为无人机对应的飞行高度。
地面情况采集模块,用于从数据库中获取受灾地区对应的人口密集度,再通过受灾地区对应的无人机采集受灾地区对应的建筑图像;
需要说明的是,受灾地区对应的无人机通过搭载的高清摄像头对建筑图像进行采集。
紧急程度分析模块,用于根据受灾地区对应的建筑图像,分析得到受灾地区对应的灾害影响评估系数,进而根据受灾地区对应的地形复杂程度评估系数和灾害影响评估系数,分析得到受灾地区对应的紧急程度评估系数,判断受灾地区对应的救援紧急程度等级;
作为一种可选地实施方式,所述分析得到受灾地区对应的灾害影响评估系数,具体分析过程如下:
从受灾地区对应的建筑图像中获取受灾地区对应的建筑图像中建筑毁坏数量和建筑损坏面积,通过计算公式计算得到受灾地区对应的灾害影响评估系数,其中χ为受灾地区对应的灾害影响评估系数,Bd为设定的允许建筑损坏数量,Bs为设定的允许建筑损坏面积,Bd′为受灾地区对应的建筑损坏数量,Bs′为受灾地区对应的建筑损坏面积,Z′为受灾地区对应的人口密集度,Z为设定的参考人口密集度,γ1、γ2、γ3分别为建筑损坏数量、建筑损坏面积、人口密集度对应的权重因子。
作为一种可选地实施方式,所述分析得到受灾地区各采集点对应的紧急程度评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的紧急程度评估系数,其中φ为受灾地区对应的紧急程度评估系数,ζ为受灾地区对应的地形复杂程度评估系数,χ为受灾地区对应的灾害影响评估系数,ζ′为设定的参考地形复杂程度评估系数,χ′为设定的参考灾害影响评估系数,α1、α2分别为地形复杂程度评估系数、灾害影响评估系数对应的权重因子。
需要说明的是,当地形复杂程度评估系数越大、灾害影响评估系数越大时,紧急程度评估系数越大。
作为一种可选地实施方式,所述判断得到受灾地区对应的救援紧急程度等级,具体判断过程如下:
将受灾地区对应的紧急程度评估系数与设定的各救援紧急程度等级对应的紧急程度评估系数区间进行对比,若受灾地区对应的紧急程度评估系数在设定的某救援紧急程度等级对应的紧急程度评估系数区间中,则将该紧急程度评估系数区间对应的救援紧急程度作为受灾地区对应的救援紧急程度等级,以此方式判断得到受灾地区对应的救援紧急程度等级。
预警终端,用于根据受灾地区各采集点对应的救援紧急程度等级,进行对应的预警提示。
需要说明的是,救援紧急程度等级可以设置为一级、二级和三级,其中一级>二级>三级;当受灾地区对应的救援紧急程度等级为一级时,通过显示屏颜色交替闪烁和预警扩音器进行声音提示,当受灾地区对应的救援紧急程度等级为二级时,通过扩音器进行声音提示,当受灾地区对应的救援紧急程度等级为三级时,通过显示屏颜色交替闪烁进行提示。
数据库,用于存储受灾地区对应的水系分布图,受灾地区对应的人口密集度、等高线密集度和等高线弯曲度,无人机各飞行高度对应的地形复杂程度评估系数。
本发明实施例通过使用无人机对气象灾害现场进行数据采集,无人机具有灵活、快速的特点,在气象灾害地区可以快速部署,还可以搭载高分辨率摄像头,用于实时监测地面情况,再将无人机监测到的图像数据与气象站观测到的各采集点相结合,更全面地评估气象灾害的影响程度。进而分析气象灾害现场各采集点对应的救援程度等级,并对不同的紧急救援程度等级使用不同的预警方式,根据数据分析结果发布相应的预警信息,可以更准确地预测气象灾害的发生和发展,及时发布预警信息,可以极大地提高人们对气象灾害的监测能力和响应速度,以便相关部门采取相应的救援和防护措施,有效降低灾害的影响和损失。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (5)
1.一种气象数据实时监测多途径预警系统,其特征在于,包括:
气象数据采集模块,用于从气象观测站获取受灾地区各采集点在各采集时间点对应的气象数据,其中气象数据包括降雨量和风速;
气象数据处理模块,用于根据受灾地区各采集点在各采集时间点对应的气象数据,分析得到受灾地区各采集时间点对应的预测气象评估系数;
所述分析得到受灾地区各采集时间点对应的预测气象评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区各采集时间点对应的预测气象评估系数,其中δi为受灾地区第i个采集时间点对应的预测气象评估系数,i=1,2......n,i为各采集点对应的编号,分别为受灾地区对应第i个采集点第k-1个、第k个、第k+1个采集时间点对应的降雨量,k为各采集时间点对应的编号,k=1,2......m,k为各采集时间点对应的编号,/>分别为为受灾地区对应第i个采集点第k-1个、第k个、第k+1个采集时间点对应的风速,ω1、ω2分别为降雨量和风速对应的权重因子;
地形分析模块,用于从数据库中获取受灾地区对应的水系分布图,分析得到受灾地区对应的地形复杂程度评估系数;
所述分析得到受灾地区对应的地形复杂程度评估系数,具体分析过程如下:
从数据库中获取受灾地区对应的等高线密集度和等高线弯曲度,根据受灾地区对应的等高线密集度和等高线弯曲度,分析得到受灾地区对应的地势起伏评估系数;
从受灾地区水系分布图中获取受灾地区对应的水系数量和各水系面积,根据受灾地区对应的水系数量和各水系面积,分析得到受灾地区对应的水系分布评估系数;
通过计算公式ζ=θ1*τ1+θ2*τ2,计算得到受灾地区对应的地形复杂程度评估系数,其中ζ为受灾地区对应的地形复杂程度评估系数,θ1为受灾地区对应的地势起伏评估系数,θ2为受灾地区对应的水系分布评估系数,τ1、τ2分别为地势起伏评估系数、水系分布评估系数对应的权重因子;
所述分析得到受灾地区对应的地势起伏评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的地势起伏评估系数,其中De′为受灾地区地形图对应的等高线密集度,Cd′为受灾地区地形图对应的等高线弯曲度,De为设定的参考等高线密集度,Cd为设定的参考等高线弯曲度,σ1、σ2分别为等高线密集度、等高线弯曲度对应的权重因子;
所述分析得到受灾地区对应的水系分布评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的水系分布评估系数,其中Q′为受灾地区水系分布图中对应的水系数量,Si′为受灾地区水系分布图中第i′个水系对应的水系面积,i′为受灾地区水系分布图中各水系对应的编号,i′=1′,2′......n′,Q为设定的参考水系数量,S为设定的参考水系面积,σ3、σ4分别为水系数量、水系面积对应的权重因子;
无人机部署模块,用于根据受灾地区各采集时间点对应的预测气象评估系数和受灾地区对应的地形复杂程度评估系数,分别分析得到无人机对应的开始飞行时间点和无人机对应的飞行高度;
所述分析得到无人机对应的开始飞行时间点和无人机对应的飞行高度,具体分析过程如下:
将受灾地区各采集时间点对应的预测气象评估系数与设定的预测气象评估系数阈值进行对比,若某采集时间点对应的预测气象评估系数大于或者等于设定的预测气象评估系数阈值,则判定无人机不能起飞;若某采集点对应的预测气象评估系数小于设定的预测气象评估系数阈值,则判定无人机能起飞,将该采集时间点作为无人机对应的开始飞行时间点;
将受灾地区对应的地形复杂程度评估系数与数据库中存储的无人机各飞行高度对应的地形复杂程度评估系数进行对比,若数据库中某无人机飞行高度对应的地形复杂程度评估系数与受灾地区对应的地形复杂程度评估系数相同,则将数据库中该地形复杂程度评估系数对应的无人机飞行高度作为无人机对应的飞行高度;
地面情况采集模块,用于从数据库中获取受灾地区对应的人口密集度,再通过受灾地区对应的无人机采集受灾地区对应的建筑图像;
紧急程度分析模块,用于根据受灾地区对应的建筑图像,分析得到受灾地区对应的灾害影响评估系数,进而根据受灾地区对应的地形复杂程度评估系数和灾害影响评估系数,分析得到受灾地区对应的紧急程度评估系数,判断受灾地区对应的救援紧急程度等级;
预警终端,用于根据受灾地区对应的救援紧急程度等级,进行对应的预警提示。
2.如权利要求1所述的一种气象数据实时监测多途径预警系统,其特征在于,所述分析得到受灾地区对应的灾害影响评估系数,具体分析过程如下:
从受灾地区对应的建筑图像中获取受灾地区对应的建筑图像中建筑毁坏数量和建筑损坏面积,通过计算公式计算得到受灾地区对应的灾害影响评估系数,其中χ为受灾地区对应的灾害影响评估系数,Bd为设定的允许建筑损坏数量,Bs为设定的允许建筑损坏面积,Bd′为受灾地区对应的建筑损坏数量,Bs′为受灾地区对应的建筑损坏面积,Z′为受灾地区对应的人口密集度,Z为设定的参考人口密集度,γ1、γ2、γ3分别为建筑损坏数量、建筑损坏面积、人口密集度对应的权重因子。
3.如权利要求1所述的一种气象数据实时监测多途径预警系统,其特征在于,所述分析得到受灾地区各采集点对应的紧急程度评估系数,具体分析过程如下:
通过计算公式计算得到受灾地区对应的紧急程度评估系数,其中φ为受灾地区对应的紧急程度评估系数,ζ为受灾地区对应的地形复杂程度评估系数,χ为受灾地区对应的灾害影响评估系数,ζ′为设定的参考地形复杂程度评估系数,χ′为设定的参考灾害影响评估系数,α1、α2分别为地形复杂程度评估系数、灾害影响评估系数对应的权重因子。
4.如权利要求1所述的一种气象数据实时监测多途径预警系统,其特征在于,所述判断得到受灾地区对应的救援紧急程度等级,具体判断过程如下:
将受灾地区对应的紧急程度评估系数与设定的各救援紧急程度等级对应的紧急程度评估系数区间进行对比,若受灾地区对应的紧急程度评估系数在设定的某救援紧急程度等级对应的紧急程度评估系数区间中,则将该紧急程度评估系数区间对应的救援紧急程度作为受灾地区对应的救援紧急程度等级,以此方式判断得到受灾地区对应的救援紧急程度等级。
5.如权利要求1所述的一种气象数据实时监测多途径预警系统,还包括数据库,用于存储受灾地区对应的水系分布图,受灾地区对应的人口密集度、等高线密集度和等高线弯曲度,无人机各飞行高度对应的地形复杂程度评估系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311028676.7A CN116844309B (zh) | 2023-08-16 | 2023-08-16 | 一种气象数据实时监测多途径预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311028676.7A CN116844309B (zh) | 2023-08-16 | 2023-08-16 | 一种气象数据实时监测多途径预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116844309A CN116844309A (zh) | 2023-10-03 |
CN116844309B true CN116844309B (zh) | 2023-12-29 |
Family
ID=88160193
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311028676.7A Active CN116844309B (zh) | 2023-08-16 | 2023-08-16 | 一种气象数据实时监测多途径预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116844309B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080023098A (ko) * | 2006-09-07 | 2008-03-12 | 박상우 | 지아이에스를 이용한 재해 상황 분석 시스템 및 그 방법 |
CN102741895A (zh) * | 2010-01-19 | 2012-10-17 | 瑞士再保险有限公司 | 自动进行位置相关的自然灾害预报的方法和系统 |
KR20140103451A (ko) * | 2013-02-18 | 2014-08-27 | 대한민국(안전행정부 국립재난안전연구원장) | 침수취약등급 산정과 평가관리에 의한 방재시스템 및 방법 |
CN206460332U (zh) * | 2016-12-07 | 2017-09-01 | 中国人民武装警察部队总医院 | 基于多无人机的联合医学灾害救援系统 |
CN108288120A (zh) * | 2017-12-25 | 2018-07-17 | 沈阳大学 | 一种洪涝灾害应急物资分配分析方法 |
CN112001565A (zh) * | 2020-09-08 | 2020-11-27 | 清华大学合肥公共安全研究院 | 基于Softmax回归模型的地震灾害损失预测与评估的方法及系统 |
CN113611084A (zh) * | 2021-09-29 | 2021-11-05 | 中通服建设有限公司 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
CN113657732A (zh) * | 2021-07-30 | 2021-11-16 | 哈尔滨工业大学 | 一种基于层次分析法的灾度指数计算方法和设备 |
CN114862160A (zh) * | 2022-04-24 | 2022-08-05 | 应急管理部国家自然灾害防治研究院 | 一种地震遥感应急救援信息采集方法 |
CN115018365A (zh) * | 2022-06-28 | 2022-09-06 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN115903879A (zh) * | 2022-08-01 | 2023-04-04 | 中国民航管理干部学院 | 基于地形数据插值技术的无人机航迹规划方法 |
-
2023
- 2023-08-16 CN CN202311028676.7A patent/CN116844309B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080023098A (ko) * | 2006-09-07 | 2008-03-12 | 박상우 | 지아이에스를 이용한 재해 상황 분석 시스템 및 그 방법 |
CN102741895A (zh) * | 2010-01-19 | 2012-10-17 | 瑞士再保险有限公司 | 自动进行位置相关的自然灾害预报的方法和系统 |
KR20140103451A (ko) * | 2013-02-18 | 2014-08-27 | 대한민국(안전행정부 국립재난안전연구원장) | 침수취약등급 산정과 평가관리에 의한 방재시스템 및 방법 |
CN206460332U (zh) * | 2016-12-07 | 2017-09-01 | 中国人民武装警察部队总医院 | 基于多无人机的联合医学灾害救援系统 |
CN108288120A (zh) * | 2017-12-25 | 2018-07-17 | 沈阳大学 | 一种洪涝灾害应急物资分配分析方法 |
CN112001565A (zh) * | 2020-09-08 | 2020-11-27 | 清华大学合肥公共安全研究院 | 基于Softmax回归模型的地震灾害损失预测与评估的方法及系统 |
CN113657732A (zh) * | 2021-07-30 | 2021-11-16 | 哈尔滨工业大学 | 一种基于层次分析法的灾度指数计算方法和设备 |
CN113611084A (zh) * | 2021-09-29 | 2021-11-05 | 中通服建设有限公司 | 一种针对自然灾害可视化监测预警方法、装置和设备 |
CN114862160A (zh) * | 2022-04-24 | 2022-08-05 | 应急管理部国家自然灾害防治研究院 | 一种地震遥感应急救援信息采集方法 |
CN115018365A (zh) * | 2022-06-28 | 2022-09-06 | 中国平安财产保险股份有限公司 | 数据处理方法、装置、服务器及存储介质 |
CN115903879A (zh) * | 2022-08-01 | 2023-04-04 | 中国民航管理干部学院 | 基于地形数据插值技术的无人机航迹规划方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116844309A (zh) | 2023-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111047099B (zh) | 一种区域性山洪风险预测方法及系统 | |
US11721191B1 (en) | Method and system for flood early warning in smart city based on internet of things | |
CN108230616A (zh) | 一种危险驾驶识别警报方法及系统 | |
CN113469278B (zh) | 一种基于深度卷积神经网络的强天气目标识别方法 | |
CN111915128B (zh) | 一种对地震诱发的次生滑坡灾后评估与救援辅助系统 | |
CN115169771B (zh) | 一种洪涝灾害影响下的交通网效率受损快速评估方法 | |
CN116758441B (zh) | 一种无人机集群智能调度管理系统 | |
CN115909093A (zh) | 一种基于无人机巡检和红外图像语义分割的电力设备故障检测方法 | |
CN106250835A (zh) | 基于特征识别的输电线路上的鸟巢识别方法 | |
WO2021208314A1 (zh) | 一种海洋用海区域信息化监管系统 | |
CN113936248B (zh) | 一种基于图像识别的海滩人员危险性预警方法 | |
CN113887324A (zh) | 基于卫星遥感数据的火点检测方法 | |
CN110097223B (zh) | 一种台风灾害下输电线路损毁预警方法 | |
CN116844309B (zh) | 一种气象数据实时监测多途径预警系统 | |
CN112861762B (zh) | 基于生成对抗网络的铁路道口异常事件检测方法及系统 | |
CN114655361B (zh) | 智能浮标、海上巡航的无人机集群化控制管理系统和方法 | |
CN107886049B (zh) | 一种基于摄像探头的能见度识别预警方法 | |
CN113313273B (zh) | 基于大数据环境下的公共设施检测方法、系统和存储介质 | |
CN111929680B (zh) | 一种基于sar图像的洪水淹没程度快速评价方法 | |
CN113866849A (zh) | 一种智能内河航运气象服务保障系统 | |
Garthe | Identification of areas of seabird concentrations in the German North Sea and Baltic Sea using aerial and ship-based surveys | |
CN112560790A (zh) | 一种基于摄像头视频图像智能识别能见度的方法 | |
CN112738460A (zh) | 一种长江江豚智能实时监测系统 | |
CN112002100A (zh) | 基于5g的智能安防系统 | |
CN113591708B (zh) | 基于星载高光谱图像的气象灾害监测方法 |
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 |