一种基于降雨洪灾时空数据库的洪灾预测方法与流程

本发明涉及洪灾预测领域，尤其是涉及一种基于降雨洪灾时空数据库的洪灾预测方法。

背景技术：

综述前人研究,可将自然灾害数据库分为5种类型,即统计型、空间关系型、时间关系型、要素关系型和过程关系型。目前中国综合自然灾害数据库建立与应用的研究主要集中在以下3个方面。

1)综合自然灾害数据库及时空规律研究。该数据库属于统计型数据库，

例如中国自然灾害数据库属于统计型数据库，由中国自然致灾因子数据库、中国报刊自然灾害信息库、中国历史自然灾害数据库、中国农业灾情数据库等子数据库组成。自然灾害信息记录以县域为基本统计单元,所编制的地图可以反映自然灾害宏观上的时空分异规律，但是由于资料本身的多源性,统计单元内的数据在时间上不完备,对于揭示自然灾害过程有极大的局限性,又由于县域统计单元的均质限定,使得各自然灾害范围不对应。

2)自然灾害系统数据库及成因机制研究。此种数据库属空间关系型数据库。接近了灾害系统中孕灾环境、致灾因子、承灾体和灾情的一种综合表达。但是在灾情与所得斑块的叠加过程中,以行政县为单元的灾情权重的选择还存在合理性问题。

3)历史自然灾害数据库及自然灾害预测模型研究。例如中国七大江河历史水灾数据库以县域为基本单元建立了1736—1911年的水灾动态信息,对于水灾的区域分异规律在时间上的分布做了研究,同时建立水灾风险评估模型,按流域进行水灾风险水平的预测。历史自然灾害数据库属于时间关系型数据库，以县域为基本单元建立了灾害动态信息,对于水灾的区域分异规律在时间上的分布做了研究,同时建立风险评估模型,进行风险水平的预测。由于历史资料局限,仅有致灾信息和成灾信息,因此在成因机制的研究上,还存在一定的限制。

自然灾害数据库的分类

基于前人的研究和自然灾害系统的复杂性与动态性,依据自然灾害数据分析的主要功能,可将自然灾害数据库分成5类,即:利用统计资料,侧重于致灾因子时空分异规律研究的统计型数据库(database based on statistic relation)；探索自然灾害成因机制,侧重于信息空间匹配的空间关系型数据库(database based on space relation)；侧重于时间规律研究的时间关系型数据库(database based on time relation)；针对灾害系统中各种因素深入分析的要素关系型数据库(database based on factor relation)；针对自然灾害发生的整个过程,可以系统地分析自然灾害时空分异规律、成因机制和自然灾害预测、防御的自然灾害案例数据库,称为过程关系型数据库(database based on process relation)。以上数据库类别众多,但缺乏一种汇总性的数据库,将致灾因子，灾害时空信息以及详细的数据统计功能统一，这对灾害的分析，预警产生了一定的阻碍。

技术实现要素：

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于降雨洪灾时空数据库的洪灾预测方法。

本发明的目的可以通过以下技术方案来实现：

一种基于降雨洪灾时空数据库的洪灾预测方法，包括以下步骤：

1)构建降雨洪灾时空数据库；

2)根据降雨洪灾时空数据库结合GIS地图数据绘制动态的时空降水地图；

3)根据降雨洪灾时空数据库获取历史时间段内洪涝灾害涉及到的所有暴雨路径对应的时空数据，并在时空降水地图上将暴雨路径显示出来；

4)根据所有暴雨路径对应的时空数据获取对应的分类模型，并根据分类模型对洪灾进行预测。

所述的步骤1)具体包括以下步骤：

11)获取各个地区观测场的逐日降雨数据，并按月份对逐日降雨数据进行并归形成降雨数据表，所述的逐日降雨数据包括区站号、时间、累积降水量数据以及观测场的经度、纬度和海拔高度；

12)获取各个地区的气象站点检测数据，包括气象站点的区站号、所在省名、站台名以及气象站点的经度、纬度和海拔高度；

13)获取历史时间段内特大洪涝灾害数据，包括发生洪涝灾害的时间、地点、和受灾情况；

14)分别将逐日降雨数据中的时间数据与特大洪涝灾害数据中发生洪涝灾害的时间数据、逐日降雨数据中的区站号与气象站点检测数据中的区站号以及气象站点检测数据中气象站点所在省名和发生洪涝灾害的地点数据进行关联合并，构建降雨洪灾时空数据库。

所述的步骤14)中，降雨洪灾时空数据库所包含的数据包括发生洪涝灾害的时间、经度、纬度和累积降水量数据、气象站点的区站号、所在省名和海拔高度以及受灾情况，所述的受灾情况包括受灾农作物面积、伤亡人数、倒塌损坏房屋数和经济损失。

所述的步骤3)具体包括以下步骤：

31)在降雨洪灾时空数据库中提取气象站点的区站号、所在省名、发生洪涝灾害的时间、经度、纬度和累积降水量数据；

32)根据累积降水量数据进行筛选，获取累积降水量数据符合暴雨标准的数据；

33)将筛选后的数据根据时间进行升序排序并且对累积降水量数据进行降序排序，排序后即得到所有暴雨路径对应的时空数据；

24)将所有暴雨路径对应的时空数据结合GIS地图数据标注在时空降水地图上。

所述的步骤4)具体包括以下步骤：

41)将省名、月份、日期和累积降水量作为分类模型的选定特征，对所有暴雨路径对应的时空数据做出分类模型；

42)对分类模型进行数据统计，获得省名、月份和累积降水量与出现频率之间的关系图，并进行相关性分析；

43)获取与累积降水量相关性最高的选定特征，并在所有暴雨路径对应的时空数据选取该选定特征与累积降水量对应的时空数据；

44)获取该选定特征与累积降水量对应的时空数据的均值，并将均值作为预测结果。

与现有技术相比，本发明具有以下优点：

一、时空联系：本发明构建了时空数据库，取代了传统的灾害数据库多分为统计型，空间关系型和时间关系型，本发明的时空数据库集合统计数据，空间关系，时间关系三种类型为一体，可以达到统计查询和时空分析的功能；

二、动态直观：对暴雨模型的探究，创造性的将特大洪涝灾害与降雨数据进行连接然后通过数据库的设计方案与实际操作实现对降雨的地学显示，实现了数据的时空展示，并且通过动态地图的显示发现暴雨路径

三、预测准确：预测方案的研究，将逐日暴雨数据与洪涝灾害由暴雨模型和数据库内部分析，导出数据通过数据分析软件SPSS得出连接于暴雨发展的规律性。

附图说明

图1为1992.6.12全国降雨分布图。

图2为1992.7.1全国降雨分布图。

图3为1998年暴雨路径示意图。

图4为降雨表，洪灾表，气象站点连接示意图。

图5为1975年洪水期间暴雨路径模式1。

图6为1975年洪水期间暴雨路径模式2。

图7为建国以来特大洪涝灾害期间暴雨区域时间分类模型图。

图8为建国以来暴雨发生区域频率图。

图9为建国以来暴雨发生时间频率图。

图10为建国以来暴雨时间降雨量频率图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。

实施例：

本实施例中以建国以来重大洪涝灾害和逐日降雨数据集成的时空数据进行暴雨洪涝灾害规律探测和预测，包括以下步骤：

1)采用关系型数据库PostgreSQL,建立数据模型，建立完整的可以展现逐日降雨动态变化的表格，收集全国194个站点1951-2013年的逐日降雨数据，按月份对所有站点的数据进行归并(数据来源：数据集中1951-2010年数据基于地面基础气象资料建设项目归档的"1951-2010年中国国家级地面站数据更正后的月报数据文件(A0/A1/A)基础资料集"研制。2011年1月-2012年5月数据基于各省上报到国家气象信息中心的地面月报数据文件(A文件)研制。2012年6-7月数据基于国家气象信息中心实时库数据研制。实时库中该部分数据来自实时上传的地面自动站逐小时数据文件(Z文件)及日值数据文件。)

1951年1月1日的降雨数据如表1所示：

表1 1951年1月1日的降雨数据

气象站点显示数据如表2所示

表2全国范围气象站点表

将全国建国以来的特大洪涝灾害数据导入本发明的时空数据库中，具体数据如表3所示；

表3全国建国以来的特大洪涝灾害数据表

2)利用SQL语句对数据库的ClimateStation和降雨表相连接，进行关联合并，并将降雨数据导出为csv格式，如与表199807进行连接并且查找7月1日全国的降雨情况，为了在软件上具体显示地图，将降雨量与经纬点连接，如图4和表4所示；

表4降雨洪涝灾害连接数据表

3)数据可视化地图显示

利用地学分析软件ArcGIS将csv表格与中国地图和站点数据进行属性连接，得到被赋值降水数据的站点表，如表5所示。

表5中国地图和站点数据进行属性连接示例数据表

利用表5的数据制作地图如图1和2所示，本发明就此实现了数据与地图的连接，将降雨数据可视化，能够直观的显示降水量在时空上的分布差异。

4)分析暴雨路径

由动图可以大致得出1998年洪灾暴雨的一个过程，高强度降雨的路径，这里已以250以上降水量为暴雨的标志，发现此次过程暴雨路径如下：

江苏，浙江，安徽→四川，湖北，江西→暂缓→湖南，贵州→广西→新一轮强降水波及范围整个南方→分散两股降雨势力，一股至福建，广东，一股至云南→暂缓→新一轮强降水波及范围整个南方→整体减弱。

我们对降雨数据进行路径追踪发现1998年的降雨模式如图3所示：

5)SQL连接洪灾区域的降雨情况

从时空上的暴雨质心追踪可以看出此次暴雨模式，为探究其中的规律，使用数据库对现有数据进行暴雨模型分析，首先利用洪涝灾害表与降雨量表进行SQL连接，并完成语句。

查询表格如表6所示：

由此得到洪灾区域的逐日降雨情况，便于下一阶段的暴雨模型的分析

表6洪灾区域的逐日降雨情况表

6)暴雨模型分析

根据之前预测的降雨模式，对降雨模型由果溯因，查找规律，利用洪灾区域降雨表，进一步对降雨量表中个站点20-20小时降雨量数据>500mm的地区进行查找，并将数据表导出(32700，32001等为气象专用代码，可视为降雨量微小)：

对导出数据进行可视化分析

利用ArcGIS做出暴雨路径，对洪灾期间的每次暴雨路径进行可视化统计，暴雨路径如图5和6所示，通过对暴雨路径的地图分析，我们基本得出一种由江苏，安徽，浙江为起始暴雨点，逐渐向西延伸至整个长江流域的暴雨过程，此过程与洪涝灾害相联系，基本可以得出洪涝灾害的一个发展规律，即由长江中下游开始，时间在6，7月份普降特大暴雨引发长江淮河流域的洪涝灾害然后暴雨路径西移至长江中游湖北湖南，河南，贵州等地，造成由强降雨所引发的洪涝灾害，然后暴雨路径多分为两股，一股向北至河北等地，一股南下至海南，广东等地。基本的洪涝灾害也随暴雨走向而发生改变。

7)地图分析结果用更具体的基于数据库设计的数据分析方法也可以显现：

利用洪涝灾害表选择出洪涝灾害发生时间的降雨表，将降雨量>500mm的站点选出并直接导入新表Flood-Rainfall

于是我们得到建国以来发生特大洪涝灾害期间的各站点的逐日降雨数据，并且为了更好的探究暴雨模式，选取降雨量>＝500mm的字段进行专门的分析，更新后的数控数据表如表7所示，对日期进行升序，降雨量进行降序排列，可以从数据本身反映暴雨的路径，在数据库内部实现了数据的时空体现。

表7降雨量>＝500mm对应的时空数据

8)利用SPSS做出分类模型

将上一步生成的csv数据表导入数据分析软件SPSS中，对变量做出分类模型，如图7所示，并根据分类模型获得省名、月份和累积降水量与出现频率之间的关系图，如图8-10所示，通过该预测模型可以看出建国以来的暴雨特点，特大暴雨主要集中于广东广西，安徽江西，暴雨月份主要在6，7月份，暴雨量在500-1000mm居多。

对降雨量和省名进行相关性分析结果如表8所示：

表8相关性分析结果

显著相关表明，省名与降雨量有着密切联系，有就意味着每个省市历年来的降水量变化不大，这一规律有助于对暴雨降雨量提前进行预测。

通过求取历年特大洪涝灾害中，各个省份与累积降雨量数据的均值作为预测数据，预测结果如表9所示。

表9暴雨模式下的各省份降雨量预测结果