一种基于暴雨过程的洪水风险预测方法技术

本发明专利技术公开了一种基于暴雨过程的洪水风险预测方法，涉及洪水风险预测技术领域，包括以下步骤：预先采集待测区受灾洪水发生时段的气象数据，并基于HYSPLIT模型获取对应时段的气流轨迹信息；采集GFS信息并作为WRF模式初始资料场数据输入信息，对统计的各次不同类型致洪暴雨过程进行降尺度数值模拟；基于获取的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息，评估洪水风险并确定洪水风险等级；基于待测区降水暴雨中心和时间分布与洪水风险级别和洪水过程线发生规律，预测致灾洪水。本发明专利技术实现从多重角度进行洪水风险评价，不仅洪水预测精度高，而且可从水汽方面处进行观测，且预测精度高，适应性广。

【技术实现步骤摘要】
一种基于暴雨过程的洪水风险预测方法
本专利技术涉及洪水风险预测
，具体来说，涉及一种基于暴雨过程的洪水风险预测方法。
技术介绍
降水是水文系统循环过程中的重要环节，随着降水范围的扩大、降水量的增加以及降水强度的增加，洪水的破坏力也在不断增强。从而对整个区域的经济发展造成严重的危害，为此，如何更好的在较短的时间内对洪灾进行精准预测，是水信息领域亟需解决的关键问题之一。目前，绝大多数山洪灾害的发生主要是由暴雨引起的。引起洪灾的暴雨称之为“致洪暴雨”。高质量和高分辨率的降雨预报是山洪灾害预警的重要前提之一。暴雨事件可通过大气数值模式模拟，洪水一般通过水动力模型模拟。两者尺度不尽相同，前者一般尺度较大，后者网格较精细。对洪涝灾害的研究主要以大尺度的陆－气耦合模式居多。通过数值模式与水动力模型进行耦合，但水动力模型本身发展不够完善，且数值模式所提供精细化预报信息的预报精度有待提高。可围绕大气-陆面-水文过程进行耦合机理，寻找降水和洪水的发生规律，为暴雨洪水的模拟和预报提供有力工具。检索中国专利技术专利CN110020792A公开了一种基于洪水洪峰-洪量联合的高堆石坝施工度汛风险预测方法。步骤1：基于坝址历史洪水资料，分别构建洪峰、洪量边缘密度函数；步骤2：优选Copula函数构建洪水峰-量联合分布；步骤3：根据泄流建筑物水力参数分布函数和水库库容-流量关系曲线，模拟洪水过程和泄流过程，经调洪演算得到坝前月最高水位分布序列Hn；步骤4：根据高堆石坝度汛风险数学模型，统计逐月坝前最高水位超过挡水断面高程次数，得到超标洪水概率即度汛风险率。通过提供的基于洪水洪峰-洪量联合的高堆石坝施工度汛风险预测方法，可以解决现有方法仅考虑峰量单一变量或两个独立同分布变量，无法准确还原洪水真实分布的问题，提高了度汛风险预测精度。但其精细化预报信息的预报精度较低，存在一定局限性。检索中国专利技术专利CN104851360B公开了一种洪水风险图的生成方法和系统，其中，所述方法包括：生成洪水风险监测区域的基础地图图层；在所述基础地图图层上划分计算网格；分别计算各个计算网格的洪水风险信息；分别采用所述洪水风险信息对相应计算网格进行渲染，获得洪水风险图。本申请模拟预测历史洪水频率，和/或，未来洪水爆发下形成的洪水风险图，从而提高洪水风险图绘制的实时性和准确性，提高洪水风险图的更新频率及更新速度，降低洪水风险图生成的难度，并且，提高洪水风险图在不同行业间的共享性。但其精细化预报信息的预报精度较低，不具备预测参考意义。因此亟需一种基于暴雨过程的洪水风险预测方法。针对相关技术中的问题，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中的问题，本专利技术提出一种基于暴雨过程的洪水风险预测方法，通过采集待测区受灾洪水发生时段的气象数据，并基于HYSPLIT模型获取对应时段的气流轨迹信息；采集GFS信息并作为WRF模式初始资料场数据输入信息，对统计的各次不同类型致洪暴雨过程进行降尺度数值模拟，基于获取的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息，评估洪水风险并确定洪水风险等级，基于待测区降水暴雨中心和时间分布与洪水风险级别和洪水过程线发生规律，预测致灾洪水，实现从多重角度进行洪水风险评价，不仅洪水预测精度高，而且可从水汽方面处进行观测，以克服现有相关技术所存在的上述技术问题。本专利技术的技术方案是这样实现的：一种基于暴雨过程的洪水风险预测方法，包括以下步骤：步骤S1，预先采集待测区受灾洪水发生时段的气象数据，并基于HYSPLIT模型获取对应时段的气流轨迹信息；步骤S2，采集GFS信息并作为WRF模式初始资料场数据输入信息，对统计的各次不同类型致洪暴雨过程进行降尺度数值模拟，其中包括标定区域洪水风险的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息；步骤S3，基于获取的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息，评估洪水风险并确定洪水风险等级；步骤S4，基于待测区降水暴雨中心和时间分布与洪水风险级别和洪水过程线发生规律，预测致灾洪水。进一步的，步骤所述HYSPLIT模型获取对应时段的气流轨迹信息，包括以下步骤：获取HYSPLIT模式中输入致灾洪水的强降水时间和受灾中心的经纬度坐标；确定多条后推固定时段的日轨迹，表示为：P'(t+Δt)＝P(t)+V(P,t)ΔtP(t+Δt)＝P(t)+0.5[V(P,t)+V(P',t+Δt)]Δt其中，下一时刻质点的位置是由上一时刻的平均速度和第一猜值所在点的速度平均后与时间步长的乘积确定；其中，积分时间步长，需满足如下：Umax(grid-unitsmin-1)Δt(min)<0.75(grid-units)，对日轨迹进行轨迹聚类，进行类似簇的配对，在每次迭代后，确定总空间方差和前一次迭代的TSV变化百分比，绘制出TSV变化图；确定TSV变化率确定簇的数量，并生成最终的分型结果；确定致灾洪水的降水来源与不同路径的所占权重。进一步的，步骤所述对统计的各次不同类型致洪暴雨过程进行降尺度数值模拟，包括以下步骤：采用三重嵌套，垂直30层的WRF模式，确定模拟区域的中心经纬度和三重区域的水平网格点数；模拟预报的暴雨雨带走向、落区、强度、强降雨中心位置和强降水出现的时间段。进一步的，步骤所述标定区域洪水风险的洪灾危险性特征信息，包括以下步骤：将待测区域划分为200×200m的网格，确定每个网格的洪水深度；确定的指定深度范围对每个网格的洪水深度进行分类，得到洪水深度指标L数据；基于Mike洪水模型确定3张淹没图作为洪水历时分类参考，将洪水历时分类，得到洪水历时指标T数据；每个网格的洪水危险性H，表示为：H＝μL+(1-μ)T其中，L是洪水深度指标，T是洪水历时指标，μ是介于0和1之间的加权因子，μ取0.5。进一步的，步骤所述标定区域洪水风险的洪灾暴露性特征信息，包括以下步骤：预先表征人类活动、人口密度和空间格局信息；洪灾暴露性E表示为：E＝λLC+(1-λ)NC其中，LC是土地利用/覆盖数据，NC是夜间灯光情况，λ是介于0和1之间的加权因子，λ取0.5。进一步的，步骤所述标定社会脆弱性特征信息，包括以下步骤：社会脆弱性V，表示为：V＝ωM+(1-ω)S其中，M是社会经济情况，S是就业和教育情况，ω是介于0和1之间的加权因子，ω取0.5。进一步的，步骤所述评估洪水风险并确定洪水风险等级，其洪水风险FRF，表示为：FRF＝H×E×V。本专利技术的有益效果：本专利技术公开了一种基于暴雨过程的洪水风险预测方法，通过采集待测区受灾洪水发生时段的气象数据，并基于HYSPLIT模型获取对应时段的气流轨迹信息；采集GFS信息并作为WRF模式初始资料场数据输入信息，对统计的各次不同类型致洪本文档来自技高网...

【技术保护点】
1.一种基于暴雨过程的洪水风险预测方法，其特征在于，包括以下步骤：/n预先采集待测区受灾洪水发生时段的气象数据，并基于HYSPLIT模型获取对应时段的气流轨迹信息；/n采集GFS信息并作为WRF模式初始资料场数据输入信息，对统计的各次不同类型致洪暴雨过程进行降尺度数值模拟，其中包括标定区域洪水风险的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息；/n基于获取的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息，评估洪水风险并确定洪水风险等级；/n基于待测区降水暴雨中心和时间分布与洪水风险级别和洪水过程线发生规律，预测致灾洪水。/n

【技术特征摘要】
1.一种基于暴雨过程的洪水风险预测方法，其特征在于，包括以下步骤：
预先采集待测区受灾洪水发生时段的气象数据，并基于HYSPLIT模型获取对应时段的气流轨迹信息；
采集GFS信息并作为WRF模式初始资料场数据输入信息，对统计的各次不同类型致洪暴雨过程进行降尺度数值模拟，其中包括标定区域洪水风险的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息；
基于获取的洪灾危险性特征信息、洪灾暴露性特征信息和社会脆弱性特征信息，评估洪水风险并确定洪水风险等级；
基于待测区降水暴雨中心和时间分布与洪水风险级别和洪水过程线发生规律，预测致灾洪水。


2.根据权利要求1所述的基于暴雨过程的洪水风险预测方法，其特征在于，步骤所述HYSPLIT模型获取对应时段的气流轨迹信息，包括以下步骤：
获取HYSPLIT模式中输入致灾洪水的强降水时间和受灾中心的经纬度坐标；
确定多条后推固定时段的日轨迹，表示为：
P'(t+Δt)＝P(t)+V(P,t)Δt
P(t+Δt)＝P(t)+0.5[V(P,t)+V(P',t+Δt)]Δt
其中，下一时刻质点的位置是由上一时刻的平均速度和第一猜值所在点的速度平均后与时间步长的乘积确定；
其中，积分时间步长，需满足如下：
Umax(grid-unitsmin-1)Δt(min)<0.75(grid-units)，
对日轨迹进行轨迹聚类，进行类似簇的配对，在每次迭代后，确定总空间方差和前一次迭代的TSV变化百分比，绘制出TSV变化图；
确定TSV变化率确定簇的数量，并生成最终的分型结果；
确定致灾洪水的降水来源与不同路径的所占权重。


3.根据权利要求1所述的基于暴雨过程的洪水风险预测方法，其特征在于，步骤所述对统计的各次不同类型致洪暴雨过程进行降...

【专利技术属性】
技术研发人员：权全，杨思敏，许美娇，梁伟佳，李平治，雷景春，高少泽，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61