买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：浙江大学

摘要：本发明公开了一种基于GRACE日降尺度和新型DWSDI指数的区域洪涝灾害风险评估方法。主要步骤如下：首先获取研究流域的日尺度水文气象实测数据和月尺度水储量实测数据；然后采用不同预测模型将原始的月尺度水储量序列进行时间降尺度处理，并得到该区域日尺度水储量序列；最后依据本发明提出的日尺度水储量亏损指数DWSDI，对研究区域内的洪涝灾害风险进行系统性评估。本发明方法不仅能够通过重力卫星遥感数据和水文气象数据对研究区域内的水储量数据进行时间降尺度处理，还可以基于新提出的DWSDI指数对区域洪涝灾害风险进行深入分析和系统性评估，为不同气候环境下的极端洪涝灾害事件评估提供了新的研究思路和技术支持。

主权项：1.一种基于GRACE日降尺度和新型DWSDI指数的区域洪涝灾害风险评估方法，其特征在于，包括以下步骤：Step1：获取研究区域的日尺度水文气象实测数据和月尺度水储量实测数据；其中，所述水文气象实测数据包括降水量、温度和土壤湿度；所述的月尺度水储量实测数据是基于GRACE重力卫星得到的观测数据；将研究区域日尺度水文气象实测数据进行累加得到月尺度水文气象实测数据，并以月尺度降水量、温度和土壤湿度为预测模型输入变量，对研究区域月尺度水储量进行模拟；Step2：分别基于不同预测模型来模拟研究区域的月尺度水储量变化序列，然后与月尺度水储量实测数据进行对比，并通过对不同预测模型参数值进行不断修正，以获取不同预测模型模拟月尺度水储量的最佳参数方案；Step3：采用贝叶斯加权平均方法对上述所有预测模型分别得到的月尺度水储量结果进行加权处理，计算所有预测模型分别对应的权重参数，依据各个预测模型对应的权重参数对各个预测模型的输出结果进行最优组合；Step4：分别将日尺度水文气象实测数据代入所有预测模型中，按照Step2中确定的最佳参数方案依次求取所有预测模型对应的日尺度水储量序列；并依据Step3中所求取的所有预测模型对应权重参数，计算研究区域的日尺度水储量集合序列；Step5：基于研究区域的日尺度水储量集合序列，分别求取其对应的样本均值和样本标准差值，然后对日尺度水储量序列进行标准化处理，构建该区域对应的日尺度水储量亏损指数DWSDI序列，并根据指数的计算结果对研究区域内的洪涝灾害风险进行系统性评估；所述Step5具体包括以下步骤：1基于不同预测模型集合估算的研究区域日尺度水储量序列，分别求取其对应的样本均值和样本标准差，然后对日尺度水储量序列进行标准化处理，构建该区域对应的日尺度水储量亏损指数DWSDI序列，DWSDI指数表示为: 式中：DWSDIi为第i天的日尺度水储量亏损指数；DWSDi为第i天的日尺度水储量；μ为研究时间段内日尺度水储量序列的样本均值；σ为研究时间段内日尺度水储量序列的样本标准差；其中，DWSDI数值结果越大，则表示该区域发生洪涝风险的可能性越大；2基于研究区域DWSDI指数的估算结果，对研究区域的洪涝风险进行评估，将洪涝风险分为五个类别，具体划分标准为：DWSDI≥3为类别I，对应的洪涝风险程度为特大洪涝；3DWSDI≥2为类别Ⅱ，对应的洪涝风险程度为严重洪涝；2DWSDI≥1为类别Ⅲ，对应的洪涝风险程度为中等洪涝；1DWSDI≥0为类别Ⅳ，对应的洪涝风险程度为轻微洪涝；0DWSDI为类别Ⅴ，对应的洪涝风险程度为无洪涝风险。

全文数据：

权利要求：

百度查询： 浙江大学 一种基于GRACE日降尺度和新型DWSDI指数的区域洪涝灾害风险评估方法