三维GIS的城市暴雨积涝灾害模拟

针对传统基于二维GIS进行城市暴雨积涝模拟分析不能立体地展现积涝灾害动态演进过程、地物受灾情况的问题,该文提出了基于三维GIS进行城市暴雨积涝灾害模拟分析。该方法综合应用精细化建模与地物拉伸建模技术,通过区域DEM构建、地表路面建模、建筑物建模、地形匹配构建研究区三维模型;以改进的D8算法进行汇水区划分,应用径流系数法进行汇水区产流计算。研究结果表明,该方法能够有效实现三维场景中暴雨积涝积水深度、积水范围计算以及积水深度、受灾房屋、受灾道路可视化表达,为城市暴雨积涝灾害防灾减灾提供技术支撑。     

基于GIS和SWMM的城市局部区域雨洪模型构建方法研究

结合GIS和SWMM技术,利用城市大比例尺地形图、地下管网、高精度DEM、地表覆盖等数据,研究城市局部范围雨洪模型的构建方法。以南京某居住小区为实验区,阐述了基于DEM自动划分并依据建筑物进行人工修正实现子汇水区划分、管网模型概化以及利用GIS获取模型所需计算参数的方法。实验表明,所提方法的模拟积涝结果与实际调查情况基本一致,对城市局部区域防治暴雨积涝灾害具有参考作用。     

江苏城市内涝预警系统设计技术与研究

针对强降雨引起的城市内涝等问题,通过深入分析研究江苏省城水文特征与城暴雨积涝致灾机理与致灾过程,构建GIS技术结合城雨洪模型(swmm)的城暴雨积涝模拟分析模型;基于暴雨积涝模拟分析模型实现气象观测数据、基础地理信息数据、河网水位监测数据、城排水管网数据的耦合分析计算,设计了江苏城市内涝预警系统,实现江苏省城暴雨积涝的积水风险空间分布的实时动态监测预警与预测预报。该系统内涝预报精度达到国内领先水平。     

基于GIS的城市内涝灾害分析模型研究

根据气象、水文、水利等专业知识,利用GIS的空间分析技术,结合城市地理数据库和数学计算模型及城市暴雨强度经验公式,建立城市内涝灾害分析模型。该模型是城市内涝积水计算和模拟的基础,能够根据城市降雨分布情况,模拟和预测城市的内涝灾害有关特征数据,如内涝积水的空间分布、深度分布、淹没面积和淹没时间等,模拟结果可为防灾减灾部门制定防灾减灾措施提供依据。     

基于土壤地形指数和遥感分类的SCS模型参数率定

以RS为主要手段,结合GIS技术,基于屯溪流域遥感影像,研究得到了屯溪流域两期遥感影像的土地利用分类结果。在此基础上,利用屯溪流域DEM数据得到TOPMODEL模型中的土壤地形指数,并与SCS水文模型和遥感信息相结合进行水文分区,率定SCS模型的径流曲线数参数(CN值),然后利用1982~2002年间屯溪流域的水文数据对结果进行精度验证。实验结果表明,该方法取得了较好的效果,模拟径流与实测径流间的平均误差仅为14.1%。     

视频监控的城市内涝监测预警

针对城市暴雨积涝难以实时直接监测的问题,该文提出基于普遍存在的视频监控数据对城市内涝进行实时监测的方法。基于图像差分方法,基本消除影像上非积涝区的干扰,实现对积涝区的有效识别;基于区域分割方法,较好地平衡光照和环境的变化对积涝识别的影响,实现积涝区域的精确提取;基于提取的积涝区域,采用叠加积水深度标志点的方法,直接有效地获取积涝区域的积水深度。采用南京信息工程大学一处积水情况进行实验,结果表明,该方法能够对城市积涝区进行实时动态监测,实现城市内涝精细化监测预警。     

利用洪涝模型进行城市内涝风险快速识别与预警

中国越来越多的城市面临暴雨内涝问题,如能提前发布内涝预警,可防患于未然。基于水力学的精细化洪涝模型可对城区暴雨、洪水在河道、地表、管网的流动过程进行全程模拟,获得地表内涝积水过程、范围、水深等信息,为实现内涝识别和预警提供数据支撑。在利用精细化洪涝模型构建暴雨-内涝情景库的基础上,提出了利用情景匹配模式针对预报降雨发布城市内涝预警的方法。城市地表复杂,排水设施数据质量参差不齐,采用多模式概化方法尽可能详细地刻画决定内涝模拟效果的局部微地形,地表模型与管网模型采用多种耦合方式,实现了城区内涝的精细化模拟,能够进行内涝风险的精准化快速识别。以中国北京市城区为例,通过城区精细化洪涝模型对多种降雨条件下的暴雨情景进行模拟与分析,构建了北京城区的暴雨-内涝情景库。以道路和桥区为重点关注对象,在暴雨预报之际,结合暴雨与情景库特征参数快速识别有内涝风险的道路、桥区及其他区域并依此进行内涝风险预警,可指导相关部门合理安排交通管制、有效部署排涝力量。     

基于GIS的乌江流域地表径流模拟研究

基于GIS平台，建立了数字乌江流域。在此基础上，选择5个典型子流域，利用流域1956-2000年的降雨和水文资料及流域2000年土地利用数据，分别计算5个子流域的年均降雨量、年均地表径流量和土地利用百分比；用多元回归分析工具建立流域年均地表径流量与年均降雨量和土地利用百分比之间的关系式，得到不同土地利用方式下的降雨径流模型；通过实测资料对模型进行验证的结果表明，模型模拟精度较高，相对误差在7％以内。     

基于GIS的金沙江流域(云南段)地形差异对降水空间分布影响研究

金沙江流域水资源丰富,流域径流补给以降水和雪山冰雪融水为主,降水量的多少直接影响区域水量的大小。本文以金沙江流域(云南段)为研究区域,利用气象观测站降水资料、2014—2018年月平均降水量数据,运用ArcGIS获得研究区年平均降水估算量,利用金沙江流域站点降水数据、DEM数据分析地形对降水量分布的影响和时空特征。研究表明：春季研究区降水分布呈现出西高东低的分布特征,受到地形影响,降水主要集中在流域上段区域,经纬度对降雨有促进作用。夏季研究区降雨显著增加,降雨量受季风影响较大,流域降水量整段都有上升趋势,经纬度和坡度对降雨量的影响较大。秋季研究区降雨量呈下降趋势,降雨量分布特征为西低东高。冬季研究区降雨有所减少。     

面向防汛应急的重庆市洼地积涝预测模型研究

针对重庆市城市防汛应急的需要,在传统内涝模型的基础上,结合GIS空间分析与可视化技术,建立了一个运算快、实时性强的洼地积涝分析预测模型.该模型首先利用空间分析方法建立数字高程模型、城市洼地模型等数据模型,然后采用数值计算方法构建降雨模型、汇水模型、排水模型等分析模型,最后预测出洼地的积水面积、深度等.采用重庆市主城区的...     

利用排水区间计算城市暴雨积水

提出了给定淹没水量条件下基于流域排水区间分布的城市暴雨积水过程计算模型。该模型针对城市暴雨积水过程的形成机理和特点提出了两个基本假设,以各积水淹没源的空间分布特征规律为依据将城市流域划分为若干个排水区间,并将排水区间作为积水淹没计算的基本单元。为了保证计算的效率,根据流域地形起伏分布状况,该模型将各个排水区间内的空间区域范围简化为一个规则几何体,并结合体积法和多种漫流计算思想模拟暴雨积水在各排水区间内部和淹没源点之间的漫延过程。实验结果表明,该模型高效、可行,对流域资料要求较低,在信息不完备条件下的城市暴雨积水模拟中具有一定的应用价值。     

利用深度学习模型进行城市内涝影响分析

城市内涝是当前典型的一类城市自然灾害，影响着居民的生活质量。以城市内涝点作为研究对象，综合考虑内涝对城市居民工作和生活等方面造成的影响，筛选出与影响程度相关的21类空间数据。同时，基于深度学习原理构建栈式自编码神经网络模型，结合层次分析法获取的内涝点影响程度标签，剖析21类空间数据与内涝点对居民工作生活影响程度的关系，实现城市内涝对居民工作和生活影响的定量分析。实验表明，栈式自编码神经网络模型能准确地描述内涝点周围的系列空间数据与内涝影响程度之间的关系，可有效预测潜在内涝点对居民工作和生活的影响程度大小，可用于城市防洪排涝方案的制定和排水管网的优化设计。     

城市暴雨积水的计算分析及其动态仿真研究

随着城市化进程的加快,城市暴雨积水对人们生活的影响越来越大。选用暴雨管理模型SWMM,利用GIS和RS技术计算了暴雨积水的相关数据,分析了由暴雨引起的地面和管网积水的特性与持续过程;研究了GIS与SWMM耦合集成将积水过程三维动态仿真的方法。研究结果表明,将GIS技术和RS技术应用于SWMM的计算分析过程中可大大提高计算的效率和计算结果的精度,而三维动态仿真提供了更为直观和有效的预测手段,可提高应急指挥能力。     

太湖流域洪涝灾害评估模型

在地理信息系统支持下建立了太湖流域DEM模型,并建立了全流域12类共24种土地利用类型、2194个圩区、1012个乡镇和94个报汛站点的空间数据库及属性数据库。在此基础上,根据实时报汛资料,通过插值得到各乡汛期圩外水位和降雨量。圩区采用排涝计算圩内内涝水量再与DEM叠加,非圩区用乡最高水位与DEM叠加,可获得全流域淹没水深栅格数据。统计不同乡镇、不同土地类型、不同淹没水深的淹没面积,并根据当年的社会经济数据,建立了太湖流域洪涝灾害损失评估模型。对1999年太湖流域洪涝灾害评估结果表明,模型具有一定的精度,可为流域防洪减灾决策提供依据。     

面向道路积水动态可视化的多源数据集成方法

随着城市化进程的不断加快及暴雨等极端天气的时有发生,道路积水问题愈发严重,影响了市民的出行和城市正常运行,因此有必要对道路积水信息进行动态可视化,而数据的集成与管理是从多源数据到道路积水信息的关键一环。为了更加直接有效地表达道路积水信息,提出了面向城市内涝动态预警可视化的多源时空数据集成与管理方法,构建了道路积水时空数据模型,探讨了积水数据与道路数据的匹配方法,并设计了面向道路积水动态预警的原型系统,实现了道路积水深度的提取与发布。以南京市主城区某区域对该方法进行了实验案例分析,实验结果表明,提出的数据集成与管理方法在进行道路积水可视化时具有一定的可行性。     

利用地基GPS PWV序列和相对湿度RH序列研究暴雨过程

针对2004年7月10~13日,北京地区的一次特大暴雨过程,本文利用处于该时期的地基GPS观测数据,根据地基GPS气象学原理反演出大气可降水量PWV(Precipitable Water Vapor)序列,采用最小二乘曲线拟合的方法,结合实测降水量,研究了PWV序列和RH(Relative Humidity)序列在暴雨过程中所反映出的变化规律。     

动态数据驱动模式下的湖泊流域降雨径流模拟

湖泊流域汇水径流过程的模拟预测是一种复杂系统中的时间序列分析问题。模型选择上,现有的机理模型法与辨识模型法各有利弊。同时,现有的模型多采用静态数据驱动模拟,不能有效利用传感网实时观测数据来改善模拟不确定性的问题。本文基于深度循环神经网络技术,提出一种适应动态数据驱动的模式,可融合遥感数据与原位传感器站点数据的DTSM(Dynamic Data Driven Time Series Model)时序模拟预测模型,并在观测值与数值模拟之间建立了一种能动态反馈、自适应调整的模拟框架,解决了传统辨识模型法对时序信息挖掘较弱导致模拟精度较低的问题。通过在鄱阳湖多个子流域入湖径流的案例中验证,显示静态数据驱动模式下,以不同数据源作为输入模拟时,本文DTSM模型的纳希效率系数Ens精度比机理模型提高10个百分点以上;相比静态模式,动态数据驱动模式的模拟精度有进一步提高,尤其是对于静态模式精度较低的流域,提高更为明显。     

基于北斗PWV的暴雨时空变化特征分析

利用49个山东省连续运行参考站(SDCORS) 2020年的北斗观测数据,使用GAMIT软件进行了大气水汽反演,得到了全年逐小时的大气可降水量(PWV)序列. 将反演得到的PWV与探空气象站观测的PWV对比,平均偏差为2.4 mm,均方根误差(RMSE)为3.4 mm,相关系数达到0.98,结果表明反演结果的精度符合气象研究需求. 分别从单连续运行参考站(CORS)和全省范围对PWV在暴雨过程中的变化进行了分析,发现PWV在暴雨产生前5~12 h开始上升,至暴雨产生时刻,PWV最大值普遍达到60 mm以上,平均变化率达到1~3 mm/h,越临近暴雨产生,PWV变化幅度越大,降水结束后,PWV会迅速下降. PWV的变化与暴雨的产生具有高度相关性,PWV在暴雨产生前后的剧烈变化,可用于暴雨预警研究,对于生产生活活动具有重要现实指导意义.      

Annual variations in water storage and precipitation in the Amazon Basin

We combine satellite gravity data from the gravity recovery and climate experiment (GRACE) and precipitation measurements from the National Oceanic and Atmospheric Administration (NOAA) Climate Prediction Center’s (CPC) Merged Analysis of Precipitation (CMAP) and the Tropical Rainfall Measuring Mission (TRMM), over the period from mid-2002 to mid-2006, to investigate the relative importance of sink (runoff and evaporation) and source (precipitation) terms in the hydrological balance of the Amazon Basin. When linear and quadratic terms are removed, the time-series of land water storage variations estimated from GRACE exhibits a dominant annual signal of 250 mm peak-to-peak, which is equivalent to a water volume change of ~1,800 km³. A comparison of this trend with accumulated (i.e., integrated) precipitation shows excellent agreement and no evidence of basin saturation. The agreement indicates that the net runoff and evaporation contributes significantly less than precipitation to the annual hydrological mass balance. Indeed, raw residuals between the de-trended water storage and precipitation anomalies range from ±40 mm. This range is consistent with stream-flow measurements from the region, although the latter are characterized by a stronger annual signal than our residuals, suggesting that runoff and evaporation may act to partially cancel each other.