基于累计降雨序列隶属度函数的汛期划分探讨

以岗南水库、黄壁庄水库为例,采用隶属度方法,对海河流域汛期进行了主、前、后汛期划分,经分析,入汛时间推迟12d,出汛时间提前9d,汛期时间可缩短21d,主汛期有所缩短。为汛期科学调度提供理论依据,为不同地区汛期划分提供一种分析方法,并对防汛减灾、蓄水兴利具有一定的指导作用。

广州暴雨内涝-雨量关系与阈值研究

基于广州市2010—2022年内涝灾情、降水观测数据,采用线性回归分析、概率密度统计等方法,研究了广州内涝灾情与降水强度、累计雨量的关系,确定了暴雨内涝雨量阈值,结果表明:内涝程度与1 h降水强度、2 h累计雨量密切相关。按照内涝对不同的道路类型(涵隧立交、市政道路、内巷小区)造成的内涝严重程度,根据城镇内涝风险等级划分标准对应划分为Ⅰ-Ⅳ级内涝风险等级。利用历史内涝过程,统计出不同的道路类型在高潮期和非高潮期致涝的雨量阈值,并利用2022年内涝过程进行检验,结果表明,预警等级与实况等级一致的比例最高达50%,预警等级与实况等级误差1级的比例最高达67%,预警提前量一般在0.5~2 h之间。

基于普适型降雨监测设备的江西省滑坡灾害降雨阈值分析

降雨是诱发山体滑坡的重要因素之一。以江西省416起降雨型滑坡为研究对象,充分考虑前期有效降雨对滑坡的触发作用,基于群专结合监测预警点雨量计数据构建了累计降雨量-降雨历时阈值模型和降雨强度-降雨历时阈值模型,采用概率分级方法建立了不同的预警等级,并验证了模型可靠性。结果表明,江西省降雨型滑坡主要由10 d内降雨引发,前期降雨对滑坡的发生有着显著影响;可以按5%、20%、50%、80%滑坡发生概率确定降雨阈值曲线,采用4个预警等级对滑坡灾害进行监测预警;降雨强度-降雨历时阈值模型预测精度更高,更适用于江西省降雨型滑坡监测预警。研究成果能够为政府部门在滑坡预警方面提供指导,有效降低滑坡的危害性。

复合预警指标在山洪灾害预警中的应用分析

预警指标是山洪灾害预警的依据,准确、有效的预警指标是山洪灾害预警的必然要求。在总结国内外预警指标确定方法的基础上,综合考虑前期影响雨量、场次累计雨量和雨强,提出了复合预警指标法,阐述了确定复合预警指标的原理及方法,并以山西省北张店小流域为例对复合预警指标进行分析计算。结果表明:考虑多个降雨特征值的复合预警指标能够较为准确地反映引发山洪灾害的降雨条件。复合预警指标是由雨强、前期影响雨量和场次累计雨量计算得到的,其计算方法简便、所需资料少、预警过程简单,适合在我国大部分地区山洪灾害预警中推广应用。

牵引式滑坡降雨预警判据的模型试验研究

以河南省灵宝市麦尖窝滑坡作为试验对象,进行室内人工降雨模型试验,研究降雨作用下牵引式滑坡的变形破坏规律,并提出适用于研究区的降雨预警判据。采用含水率传感器、坡面示踪点和数码相机等仪器设备对关键部位含水率、坡面变形和裂缝发育情况进行监测、记录。试验表明:在强降雨作用下,边坡表现为自下而上的渐进式牵引变形破坏。通过分析模型各关键部位的变形破坏特征和含水率监测数据,确定牵引式滑坡变形破坏过程中的关键时间节点,并将整个过程划分为变形启动、变形加速和整体破坏3个阶段。基于以上变形破坏模式,提出以滑坡坡脚、坡肩表面出现贯通裂缝时的持续累计雨量E1(75 mm)、E2(180 mm)分别作为麦尖窝滑坡的橙色、红色降雨预警判据。

汶川震区暴雨泥石流激发雨型特征

汶川地震后暴雨诱发的泥石流不断增加,通过收集整理降雨资料,分析汶川震区不同地域泥石流暴发的激发雨强及前期有效累计降雨量变化过程,揭示震区暴雨泥石流的激发雨型特征,为暴雨泥石流的预报提供科学依据。研究结果表明,汶川震区的暴雨泥石流激发雨型可分为短期突然降雨型、中期持续降雨型和长期间断降雨型3种类型,主要表现为引发泥石流的激发雨强及前期有效累计降雨量的不同。暴雨泥石流的形成机制体现为降雨导致流域内松散土体渗透、饱和及侵蚀移动的过程。激发雨型与激发雨强及前期有效累计降雨量存在相关关系,短期突然降雨型的激发雨强最大,前期有效累计降雨量最少;中期持续降雨型的激发雨强居中,前期有效累计降雨量最多;长期间断降雨型的激发雨强最小,前期有效累计降雨量居中。对四川茂县叠溪镇新磨村突发山体高位垮塌碎屑流进行验证,初步判定是由长期间断降雨型引发岩体抗剪强度降低而引起的。对不同激发雨型特征的研究能够为汶川震区泥石流监测预警提供科学依据。

激光雨滴谱仪尺度测量精度的设计与应用

强降水时降雨量测量偏差较大是激光雨滴谱仪在应用中的普遍问题需要被改善。以探测源头激光器为着眼点,深入研究其特性,针对雨滴谱仪应用原理,采取了光栅设计、优化处理算法和尺度标定措施,以加强降雨粒子尺度测量精度,实现了在强降水过程中较小的测量偏差。经过国内多地强降雨的实际观测检验,结果表明:该雨滴谱仪尺度测量精度的设计,实现了强降水过程中降雨量测量精度平均绝对偏差6%左右,最大偏差不超过10%的目标;设备经受住了台风过程中的强降雨考验,取得了较好的观测和应用效果。

基于Logistic回归的泥石流灾害预警模型

为提前预警泥石流灾害,基于Logistic回归模型,定量分析引起泥石流的雨量评判指标的影响因子(降雨强度和累计雨量),形成了一种能预测泥石流是否发生的灾害预警方法。西南地区2002—2010年已有93次泥石流灾害监测数据模型估计结果表明:各个降雨参数和总模型的模拟效果良好,且降雨参数能有效地解释泥石流发生概率变化的过程;相比累计雨量参数而言,降雨强度对泥石流发生概率的影响更为显著;回归模型对未来时空模拟效果良好,预测精度能达到85%以上。该方法可为我国西南地区的泥石流灾害预警提供一定的启发。

浑善达克沙地地下水位动态变化及其影响

降雨和地下水位等动态变化对固沙植被生长及其稳定性具有重要影响。采用定位定时自动观测方法,研究了浑善达克沙地多伦生态站风沙土地下水位变化及其对降雨特征的响应。结果表明,沙地地下水位埋深年平均在2.95~3.00 m,其变化幅度小于10 cm。在植物生长季地下水位处于最低期,其他时间基本属于地下水位回升恢复期。持续累计降雨大于40 mm时对地下水位变化有影响,当降雨量达56.64 mm时,地下水位埋深明显回升。年地下水位埋深呈现波浪式变化趋势,且降雨对沙地地下水位的补给具有滞后效应,并与持续累计降雨量大小有关。

基于幼树模拟降雨实验的树冠动态截留模型

【目的】为准确刻划林冠截留的动态过程,建立动态截留模型,充分阐释树冠特征和降雨特征对截留过程的影响。【方法】利用北京山区常见4种树木(侧柏、油松、栓皮栎、元宝枫)的幼树,在5种模拟雨强(10、20、50、100、150mm/h)下,通过直接称质量法,测定了树冠动态截留量,剖析了降雨因素和树冠结构特征对截留过程的影响,选择相关参数建立了基于降雨过程的树冠动态截留模型。【结果】(1)树冠截留动态过程可分为快速增加、饱和稳定和滞后冠滴雨3个阶段,降雨结束后近40%的截留量会滴落至地表;(2)截留量是有限的,当场降雨累计降水量达12~13 mm时,累计截留量不再增加;(3)叶片特征(如叶面积、叶面积指数LAI、叶片生物量等)及枝干特征(如枝干面积、枝干生物量、枝干数、枝干长度等)均显著影响截留量,LAI作为易测结构参数与最大和最小截留量均呈幂函数关系;(4)基于累计降雨量(Pc)和LAI可构建动态截留模型验证情况良好,可准确刻画和预测降雨过程中的截留量变化。【结论】树冠截留是一个动态的三相过程,通过累计降雨量和叶面积指数可以实现对动态、截留过程模拟,对量化森林水文循环过程和动态水量平衡具有重要意义。

乡镇雨情的图形显示方法及其应用

针对目前乡镇雨情显示方面存在的不足 ,介绍了乡镇雨情的图形显示方法和在业务平台、服务系统中的应用 ,指出只有大力开发乡镇雨情的多种产品 ,才能充分发挥乡镇雨情网点的作用。

四川渠县“8·8”特大暴雨引发的地质灾害分布特征与成因分析

2021年8月8日渠县遭遇特大暴雨袭击,引发新增灾害38处,不同程度加剧已有灾害点109处。文中基于实地调查资料,对特大暴雨引发灾害的特征和孕灾地质条件与灾害分布关系开展研究,对比研究了累计降雨量与新增灾害数量和已有灾害加剧程度之间的关系。结果表明:此次渠县特大暴雨引发新增灾害点主要为土质滑坡,占比94.7%;区域斜坡结构对灾害发生的影响程度最高;土质滑坡集中发生在300~325 mm累计雨量区间,高达27处,变形迹象加剧程度严重的灾害点23处,分布在累计雨量为337~348 mm区间内;为该县地质灾害防治区划与汛期地质灾害防御提供科学依据,为类似地区特大暴雨地质灾害防灾减灾提供参考。

双EXP函数径流系数计算模型——以武汉为例

基于国标对综合径流系数取值的技术条件——城市建筑密度和设计重现期,利用区域平均人口密度和累计降雨量两个径流计算指标形成双EXP函数径流系数计算模型,从而将国标固定取值转化为动态取值。本模型计算的瞬时综合径流系数满足0~1的数值特征和S曲线变化形态。以武汉市人口密度最高区域——天津路排水系统和人口密度一般区域——港西排水系统为例,以瞬时综合径流系数计算的雨峰流量与国标取值对比,城市雨水排放系统平均提高35.7%,城市防涝系统平均提高11.6%。该计算模型对优化雨水工程设计和完善城市防涝系统有显著效益。

鄂西山地降雨-滑坡关系研究

降雨是触发斜坡失稳的重要因素。鄂西山地90%的滑坡是降雨引起的,对埋藏较浅的输气管道威胁巨大,为了最大限度的保证管道安全,实现管道沿线滑坡的早期预警,降雨和滑坡之间关系的研究极其必要。文章根据历史滑坡和历史气象数据,分别研究了前期累计降雨量和降雨强度-持续时间(ID)对滑坡的控制,得到了鄂西降雨触发型滑坡的阈值函数,土滑:I=22.14D^(-0.22),岩滑:I=60.07D^(-0.48),其中I是降雨强度,D是降雨持续时间,这一经验降雨阈值将用于以后的预警模型中。