版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、山洪災害破壞力極強,給人類帶來了嚴重的危害。山洪預警作為一項有效的非工程措施,在預防山洪災害方面起到了重要的作用。由于山洪災害成因復雜,這給山洪預警工作帶來了極大的困難。本文以英那河流域為研究流域,首先對降雨集合預報信息在水文領域的可利用性進行了分析;然后探索英那河流域的山洪預警方法,并將該方法向小流域推廣;最后研究降雨集合預報信息與山洪預警技術的耦合方法,以延長山洪預警的預見期。主要研究內(nèi)容及研究成果如下:
(1)對降雨集合
2、預報信息的可利用性進行分析。根據(jù)氣象部門的分級標準,對0~6h、0~12h以及0~24h的預報降雨信息進行分級,并對不同預報降雨量級的精度進行分析。結(jié)果表明,無雨和小雨量級的降雨預報精度較高,可以為山洪預警提供可靠信息;大雨以上量級降雨預報有偏小的趨勢,其精度有待提高。
(2)以英那河流域為研究流域來探索中型流域的山洪預警方法。本文提出了一種基于水文模型的動態(tài)臨界雨量山洪預警方法,分析了山洪災害的影響因素(前期影響雨量、累計雨
3、量、降雨強度和降雨分布)與臨界雨量之間的關系,確定了不同時間尺度(1h、3h和6h)下的動態(tài)臨界雨量曲線,并將之應用到英那河流域的18場洪水預警中。預警結(jié)果表明,1h、3h和6h預警合格率分別為94.4%、94.4%和94.4%,預警效果良好,證明該方法是可行的。
(3)以冰峪溝流域為研究流域來分析基于水文模型的山洪預警方法在小流域的適用性。分別利用API模型和新安江模型來確定動態(tài)臨界雨量曲線,并將其應用到8場洪水預警中。結(jié)果
4、表明,分別基于兩種水文模型的山洪預警合格率均為100%,說明該預警方法適用于小流域山洪預警,并可利用不同的水文模型確定動態(tài)臨界雨量曲線。
(4)降雨集合預報與山洪預警技術的耦合方法研究。選取英那河流域兩場典型洪水進行研究,將各時刻的臨界雨量與未來一個時段的預報降雨量作比較來判斷山洪災害發(fā)生的可能性,耦合結(jié)果表明,預警效果并不理想。分析其原因后,對耦合的方法進行了修訂,結(jié)果表明,修訂后的耦合降雨預報信息的山洪預警方法能夠及時準確
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 耦合ECMWF降雨集合預報的水庫優(yōu)化調(diào)度研究.pdf
- 雷電預警預報技術研究與實現(xiàn).pdf
- 262.基于集合預測及bfs的概率降雨預報方法研究
- 風暴尺度集合預報側(cè)邊界擾動技術研究.pdf
- 水環(huán)境自動監(jiān)測與預警預報技術研究.pdf
- 肇慶市鼎湖區(qū)山洪災害監(jiān)測預警預報技術與應用研究
- 稻飛虱發(fā)生氣象條件預報預警技術研究.pdf
- 基于陸氣耦合的山洪預報研究--以威尼斯流域為例.pdf
- 基于HEC-HMS的小流域山洪風險評估與預警技術研究.pdf
- 12681.肇慶市鼎湖區(qū)山洪災害監(jiān)測預警預報技術與應用研究
- 工程安全預報與預警技術
- 小流域暴雨山洪預報模型研究.pdf
- 定量降雨與實時洪水預報研究.pdf
- 預警預報-預報預警規(guī)范類題庫答案
- 基于邊坡危險性區(qū)劃的降雨型滑坡預報預警方法研究及應用.pdf
- 55925.致洪暴雨預報預警系統(tǒng)關鍵技術研究
- 數(shù)字清江降雨徑流預報模型研究.pdf
- 強降雨作用下邊(滑)坡穩(wěn)定性分析及預警技術研究
- 基于EMD和集合預報技術的短期氣候預測方法研究.pdf
- 短時降水的超級集合預報算法研究.pdf
評論
0/150
提交評論