CN117216503A - 一种小区域短时暴雨的预警方法和系统 - Google Patents

Abstract

本发明公开了一种小区域短时暴雨的预警方法和系统，该方法包括：收集待预测区域的历史暴雨事件数据以及历史暴雨事件前后几小时内的中尺度条件下的历史预报数据；获取待预测区域的高程数据，将待预测区域划分为小尺度网格；根据道路将待预测区域进行分区；并在小尺度条件下根据历史暴雨覆盖范围信息训练每个分区对应季节的小区域暴雨子模型；根据未来一段时间的数值预报数据，当预报待预测区域有暴雨时，调用对应小区域暴雨子模型，判断分区发生暴雨的概率。本发明可以实现重点农作物或者泥石流高发区域、道路、小区或建筑或者街道范围的在特定季节的短时小区域快速暴雨预报。

Description

一种小区域短时暴雨的预警方法和系统

技术领域

本发明涉及暴雨预警技术领域。具体而言，涉及一种小区域短时暴雨的预警方法和系统。

背景技术

通常将24小时降水量为50毫米以上的强降雨称为“暴雨”。按其降水强度大小又分为三个等级，即24小时降水量为50~99.9毫米称暴雨、100~249.9毫米之间为大暴雨、250毫米以上称特大暴雨。

又可按照发生和影响范围的大小将暴雨划分为：局地暴雨、区域性暴雨、大范围暴雨、特大范围暴雨。局地暴雨历时仅几个小时或几十个小时左右，一般会影响范围为几十至几千平方千米，造成的危害较轻。但当降雨强度极大时，也可造成严重的人员伤亡和财产损失。例如：街道暴雨导致城市道理或者立交桥积水、地下车库积水，或者在地质灾害高发区域，短时小范围的暴雨可能导致泥石流等自然灾害，可能导致人员伤亡。

在暴雨预警技术领域，已经有许多方法可以用来实现暴雨的预警。这些方法通常通过卫星，云图，地面气象雷达等方面来实现暴雨的预测。可以通过这些方法来观测积雨云云团的大小，含水量来起到预报的作用。然而，在现有技术中仍存在一些限制和局限性。例如，已有的暴雨预警在大尺度、宏观性方面可以满足，但在小区域、实时性、针对性方面难以达到很好的效果。鉴于上述现有技术的局限性，目前小区域短时暴雨的预警面临着一些挑战。人们期望在提升实时性时，能通同时保证尽可能精确的对暴雨进行预测，但现有的方法在这方面还未达到理想水平。

现有的天气的数值预报系统的预报精度为3km级的中尺度预报，通常无法精确预测小范围暴雨的覆盖范围。

发明内容

本发明正是基于现有技术的上述需求而提出的，本发明针对现有的暴雨无法准确预测小范围暴雨的覆盖范围的技术问题，提供一种小区域短时暴雨的预警方法和系统。

为了解决上述问题，本发明是采用如下技术方案实现的：

一种小区域短时暴雨的预警方法，包括以下步骤：

收集待预测区域的历史暴雨事件数据以及历史暴雨事件前后几小时内的中尺度条件下的历史预报数据；

获取待预测区域的高程数据，将待预测区域划分为小尺度网格；

根据道路将待预测区域进行分区；在小尺度条件下根据历史暴雨覆盖范围信息训练每个分区对应季节的小区域暴雨子模型；

根据未来一段时间的数值预报数据，若预报待预测区域有暴雨，则调用对应小区域暴雨子模型，判断分区发生暴雨的概率。

可选地，待预测区域包括城市或乡镇；分区为根据道路划分开的小区、园区、建筑群、街道范围和\或其他围合区域。

可选地，在小尺度条件下根据历史暴雨覆盖范围信息训练每个分区对应季节的小区域暴雨子模型，包括：收集历史暴雨覆盖范围信息，历史暴雨覆盖范围信息包括地面监测站监测到的暴雨信息以及对应的地理位置、新闻或者网站发布的暴雨信息以及对应的地理位置、公共社交媒体上由用户发布的视频或者照片所示的暴雨信息以及对应的地理位置；剔除重复和异常数据，将剩余数据作为训练集，通过机器学习的方法训练得到每个分区对应季节的小区域暴雨子模型。

可选地，暴雨信息包括暴雨发生时刻以及持续时长。

可选地，若从公共社交媒体上由用户发布的视频或者照片中提取暴雨信息以及对应的地理位置，则从视频或者照片的文本内容中提取暴雨相关的关键字，并根据照片或者视频的拍摄附属信息判断发生的小区或建筑群、街道范围或者其他围合区域。

可选地，暴雨相关的关键字包括暴雨、积水以及水灾相关的关键字。

本发明还提供一种小区域短时暴雨的预警系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一方法的步骤。

与现有技术相比，本发明通过数值预报模型的中尺度预报，再调用对应的小尺度区域预报子模型，从而可以实现或者重点农作物或者泥石流高发区域、道路、小区或建筑或者街道范围的在特定季节的短时小区域快速暴雨预报（针对于太阳雨，小区域暴雨等的小范围、短时间的大降雨量的暴雨的快速预报）。可以提前预警农作物暴雨防护，以及道路的积水通行警示等。

附图说明

图1为本发明实施例中小区域短时暴雨的预警方法的流程示意图。

具体实施方式

为了更好的解释本发明，以便于理解，下面结合附图，通过具体实施方式，对本发明作详细描述。

为了更好的理解上述技术方案，下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更清楚、透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。

图1为本发明实施例中一种小区域短时暴雨的预警方法的流程示意图。本发明的一种小区域短时暴雨的预警方法，包括以下步骤：

1）收集待预测区域的历史暴雨事件数据以及历史暴雨事件前后几小时内的中尺度条件下的历史预报数据。

为了有效的暴雨事件预测，需要收集待测区域的历史暴雨时间数据以及历史暴雨暴雨事件前后数小时内的中尺度数值预报数据。对该区域过去若干时间内发生的暴雨事件进行记录，包括降雨强度、时空分布、降雨持续时间；同时可以获取中尺度预报数据，包括大气环流、湿度、温度等关键气象参数的时空变化。将这些数据整合储存之后，作为预测模型的数据基础之一。

2）获取待预测区域的高程数据，将待预测区域划分为小尺度网格。

在收集待预测区域的历史暴雨事件数据和历史数值预报数据的同时，还会获取该区域的高程数据，综合多源数据，将预测区域划分为30m*30m尺度的网格，以更细致的预测暴雨的产生。

3）根据道路将待预测区域进行分区；并在小尺度条件下根据历史暴雨覆盖范围信息训练每个分区对应季节的小区域暴雨子模型。

对于待预测区域已经收集的道路信息以及高程数据进行分区。这个分区可以是某一条道路、某个小区、某个建筑或者某个范围内。可以通过GIS图或TIF图辅助进行待预测区域的分区工作。

选择分区（例：某个社区）历史暴雨的覆盖范围信息，并结合历史暴雨前后的湿度温度信息、暴雨事件的预报数据、季节性数据建立该分区的暴雨预警子模型。

4）根据未来一段时间的数值预报数据，若预报待预测区域有暴雨，则调用对应小区域暴雨子模型，判断分区发生暴雨的概率。

当该区域未来预报预测待测区域出现暴雨时，将预报数据和温湿度特征信息输入至相对应的小区域暴雨子模型，判断所述分区（例：某个社区）发生暴雨的概率，及其发生暴雨的时刻。以提前做好分不同等级应对某些灾难和危害的准备。

上述步骤，通过数值预报模型的中尺度预报，再调用对应的小尺度区域预报子模型，从而可以实现或者重点农作物或者泥石流高发区域、道路、小区或建筑或者街道范围的在特定季节的短时小区域快速暴雨预报。

实施时，待预测区域为城市或乡镇（或者城市中的社区或下属行政分区）；分区为根据道路划分开的小区、园区、建筑群和\或街道范围，还可以是其他围合区域，包括泥石流等地质灾害高发的山谷区域，山坡，或者公路的陡峭护坡等需要监控暴雨风险的小地形区域。

实施时，在小尺度条件下根据历史暴雨覆盖范围信息训练每个分区对应季节的小区域暴雨子模型，包括：收集历史暴雨覆盖范围信息，历史暴雨覆盖范围信息包括地面监测站监测到的暴雨信息以及对应的地理位置、新闻或者网站发布的暴雨信息以及对应的地理位置、公共社交媒体上由用户发布的视频或者照片所示的暴雨信息以及对应的地理位置；剔除重复和异常数据，将剩余数据作为训练集，通过机器学习的方法训练得到每个分区对应季节的小区域暴雨子模型。其中，暴雨信息包括暴雨发生时刻以及持续时长。暴雨发生时刻以及持续时长可以通过地面监测站监测，但由于地面监测站的布置间距较大，无法监测到实际降雨的边界或者覆盖范围，但对于降雨量以及时间相对较准确。而新闻或者网站发布的暴雨信息以及对应的地理位置，以及公共社交媒体上由用户发布的视频或者照片所示的暴雨信息以及对应的地理位置；能够准确的表述暴雨的地点，通过新闻或者网站的文字记载，以及图片或者视频的图片以及文本内容的佐证，可以确定具体发生暴雨的精确地理位置，通过多处获取的精确地理位置的数据组合，基本能够确定暴雨发生的精确的覆盖范围，例如覆盖到哪条路的哪些路段，哪些小区等。在照片和视频拍摄的附属信息（文本内容）中，通常还可以获取拍摄时的GPS定位所确定的地理位置以及拍摄时间。将这些数据综合进行训练来确定小范围暴雨的精确覆盖范围以及时间，较仅依靠监测站所测得的暴雨信息更精确。

因此，本发明实施例式，可当从公共社交媒体上由用户发布的视频或者照片中提取暴雨信息以及对应的地理位置时，从视频或者照片中文本内容中提取暴雨相关的关键字，并根据照片或者视频的拍摄附属信息判断发生的道路、小区或建筑或者街道范围。其中，暴雨相关的关键字包括暴雨、积水以及水灾相关的关键字。

实际实施时，可以采用分布式计算的方式进行小区域暴雨子模型的训练，训练完成后将子模型上传到数值预报中心，并在累计一定次数的暴雨事件数据后，由各分布式系统更新小区域暴雨子模型，再更新至数值预报中心，从而减少数值预报的计算量，加快预报速度和提高精度。

本发明还提供一种小区域短时暴雨的预警系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述任一方法的步骤。

与现有技术相比，本发明通过数值预报模型的中尺度预报，再调用对应的小尺度区域预报子模型，从而可以实现或者重点农作物或者泥石流高发区域、道路、小区或建筑或者街道范围的在特定季节的短时小区域快速暴雨预报（针对于太阳雨，小区域雨水之类的小范围、短时间的大降雨量的快速预报）。可以提前预警农作物暴雨防护，以及道路的积水通行警示等。

在本发明的描述中，需要理解的是，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连；可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征 “上”或“下”，可以是第一和第二特征直接接触，或第一和第二特征通过中间媒介间接接触。而且，第一特征在第二特征“之上”、“上方”和“上面”，可以是第一特征在第二特征正上方或斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”，可以是第一特征在第二特征正下方或斜下方，或仅仅表示第一特征水平高度低于第二特征。

在本说明书的描述中，术语“一个实施例”、“一些实施例”、“实施例”、“示例”、“具体示例”或“一些示例”等的描述，是指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行改动、修改、替换和变型。

Claims (7)

1.一种小区域短时暴雨的预警方法，其特征在于，包括以下步骤：

收集待预测区域的历史暴雨事件数据以及历史暴雨事件前后几小时内的中尺度条件下的历史预报数据；

获取待预测区域的高程数据，将待预测区域划分为小尺度网格；

根据道路将待预测区域进行分区；在小尺度条件下根据历史暴雨覆盖范围信息训练每个分区对应季节的小区域暴雨子模型；

根据未来一段时间的数值预报数据，若预报待预测区域有暴雨，则调用对应小区域暴雨子模型，判断所述分区发生暴雨的概率。

2.根据权利要求1所述的小区域短时暴雨的预警方法，其特征在于，所述待预测区域包括城市或乡镇；所述分区为根据道路划分开的小区、园区、建筑群、街道范围和\或其他围合区域。

3.根据权利要求2所述的小区域短时暴雨的预警方法，其特征在于，所述在小尺度条件下根据历史暴雨覆盖范围信息训练每个分区对应季节的小区域暴雨子模型，包括：

收集历史暴雨覆盖范围信息，所述历史暴雨覆盖范围信息包括地面监测站监测到的暴雨信息以及对应的地理位置、新闻或者网站发布的暴雨信息以及对应的地理位置、公共社交媒体上由用户发布的视频或者照片所示的暴雨信息以及对应的地理位置；

剔除重复和异常数据，将剩余数据作为训练集，通过机器学习的方法训练得到每个分区对应季节的小区域暴雨子模型。

4.根据权利要求3所述的小区域短时暴雨的预警方法，其特征在于，所述暴雨信息包括暴雨发生时刻以及持续时长。

5.根据权利要求3所述的小区域短时暴雨的预警方法，其特征在于，若从公共社交媒体上由用户发布的视频或者照片中提取暴雨信息以及对应的地理位置，则从视频或者照片的文本内容中提取暴雨相关的关键字，并根据所述照片或者视频的拍摄附属信息判断发生的道路、小区或建筑群、街道范围或者其他围合区域。

6.根据权利要求3所述的小区域短时暴雨的预警方法，其特征在于，所述暴雨相关的关键字包括暴雨、积水以及水灾相关的关键字。

7.一种小区域短时暴雨的预警系统，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一所述方法的步骤。