一種基于降雨量觀測的多點異地同步地質災害預警方法及系統

本發明涉及災害預測領域，尤其涉及一種基于降雨量觀測的多點異地同步地質災害預警方法及系統。

背景技術：

1、地質災害預警技術旨在提前預測多種自然災害的潛在威脅，減輕災害帶來的影響。現有的地質災害預警方法主要依賴于有限的環境監測和較為簡單的數據處理技術，在災害預測的準確性、預警信號的及時性以及緊急響應的有效性方面存在明顯不足。傳統方法往往基于單一參數指標，忽視了多個參數之間的綜合影響,難以充分利用多源異構數據，無法準確動態預測地質災害發生的概率，導致預警信息的準確性和可靠性不高。

2、此外，現有技術在考慮場景的多樣性和復雜性上有限，難以適應不同地質災害類型和環境條件。同時，現有方法在預測模型上有局限性，難以準確預測地質災害的發生時間和地點，緊急響應措施往往不足，加劇了災害影響。因此，亟需一種新的地質災害預警方法，能夠綜合多個地點的實時降雨量數據、地質條件數據以及氣象信息，從而實現動態地預測不同地區的地質災害發生的概率，提高預警的準確性和時效性，在災害發生前盡可能早地提供預警。

技術實現思路

1、本發明目的之一在于提供一種基于降雨量觀測的多點異地同步地質災害預警方法，以解決現有技術中難以準確預測地質災害的發生時間和地點的缺點。

2、本發明通過下述技術方案實現，一種基于降雨量觀測的多點異地同步地質災害預警方法，包括如下步驟：s100、將目標區域劃分為多個監測節點，并在每個監測節點布置降雨量檢測站，同時在每個監測節點的不同深度的土層中布置土壤濕度傳感器，同時在滑坡敏感區域安裝坡度傳感器，用于實時監測地區的坡度變化；s200、將不同深度的土壤濕度數據、降雨量檢測站數據以及坡度傳感器采集到的數據進行相關聯，進行統一的上傳，通過將采集到的降水量信息、土壤濕度數據以及坡度傳感器的數據進行時間上的耦合，然后將經過時間耦合的數據發送到云平臺；s300、在云平臺接收到傳感器數據后，先對數據進行解壓，然后將采集到的傳感器數據輸入到綜合預測模型，進行土壤濕度的動態更新；s400、在云平臺中包含有各地質災害易發高發地區的地質條件數據庫，根據步驟s300中計算得到的土壤濕度的動態更新，基于土壤濕度的變化，結合地質條件數據庫中的數據判斷是否達到預定的風險閾值，評估地質災害風險。

3、進一步地，土壤濕度傳感器分別布置在低于土壤表層的1cm、15cm、30cm、45cm以及60cm處。

4、進一步地，將采集到的數據發送到云平臺包括：

5、s210、在每個降雨量檢測站中設有對應的無線網絡節點，將目標區域的多個無線網絡節點匯聚為一個無線網絡節點集合，在該無線網絡節點集合中對接受到的傳感器數據進行整合；

6、s220、為采集到的數據打上時間戳，根據時間戳檢查數據中是否存在重復，將重復的傳感器數據刪除，完成對數據的清洗；

7、s230、清洗完成后對數據進行壓縮處理，并通過tcp/ip協議將壓縮后的數據發送至云平臺。

8、進一步地，綜合預測模型由降雨量-土壤飽和度模型和狀態空間模型組成，降雨量-土壤飽和度模型用于描述土壤濕度在空間和時間上的演化，然后將降雨量-土壤飽和度模型離散化到狀態空間模型中。

9、進一步地，降雨量-土壤飽和度模型基于偏微分方程構建，包括如下步驟：

10、s311、基于偏微分方程描述在不同地點降雨量對土壤濕度的影響，土壤濕度的變化受外部降雨量的影響的同時受到土壤內部水分傳輸的影響，采用擴散方程來描述土壤水分的空間傳播：

11、，

12、其中，用于表示土壤濕度s(x,?t)隨時間變化的速率；d用于表示擴散系數；為拉普拉斯算子，表示土壤濕度在空間上的二階導數，描述濕度在空間上的擴散行為；

13、s312、同時，由于壤濕度還受到外部因素的直接影響，通過引入源項f(r(x,t),?s(x,t))來表示降雨量的影響，將所述源項加入擴散方程中得：

14、，

15、其中，f(r(x,t),?s(x,t))?表示降雨量r(x,t)對土壤濕度s(x,t)的影響；

16、s313、通過坡度傳感器采集到的坡度數據θ(x,t)用于表示地面傾斜的角度，在坡度較大的地方更容易發生水流集中，從而引發地質災害，

17、坡度的影響通過對f(r(x,t),?s(x,t))進行修正來體現，將坡度數據θ(x,t)作為一個調節因子，

18、最終得到基于偏微分方程的降雨量-土壤飽和度模型為：

19、。

20、進一步地，狀態空間模型由狀態方程以及觀測方程共同構成，狀態空間模型使用狀態變量來描述整個系統的動態行為，并通過狀態轉移方程來描述狀態的變化，其中，

21、狀態方程用于描述系統狀態的演變，該方程如下式所示：

22、，

23、其中，x(t)表示系統的狀態，u(t)表示輸入，w(t)是噪聲或系統不確定性，a和b為系統的參數；

24、觀測方程用于描述從系統的狀態中獲取觀測數據，該方程如下式所示：

25、y(t)=cx(t)+v(t)

26、y(t)是觀測數據，c是映射矩陣，v(t)是觀測噪聲。

27、進一步地，將降雨量-土壤飽和度模型離散化到狀態空間模型中，包括如下步驟：

28、s321、對降雨量-土壤飽和度模型進行離散化，通過將時間t離散化為離散時間點tk，tk=kδt，其中，δt是時間步長，將空間x離散化為網格點xi得到離散形式的狀態方程：

29、,

30、其中，土壤濕度s(xi?,?tk)成為狀態空間模型中的狀態變量，

31、偏微分方程的離散化用于描述狀態轉移，表示土壤濕度如何從時間tk轉移到tk+1；

32、s322、觀測方程描述了從土壤濕度的狀態中得到傳感器的測量結果，多個傳感器測量數據與狀態變量相關，于是觀測方程可以寫為：

33、，

34、其中，y(tk)是傳感器的觀測數據，c是映射矩陣，v(tk)是觀測噪聲。

35、進一步地，判斷是否達到了災害觸發的閾值包括：s410、土壤飽和度閾值判斷：根據地質條件數據庫中的數據判定監測地點情況設定土壤濕度的閾值；s420、高風險區域識別：通過傳感器數據構建出土壤濕度的空間分布和坡度等地質信息，結合地質條件數據庫中的地質數據識別出高風險區域；s430、地質災害預測與預警觸發：根據識別得到的高風險區域，當檢測到高風險區域的土壤濕度超過預定閾值時，觸發預警。

36、本發明另一方面提供了一種基于降雨量觀測的多點異地同步地質災害預警系統，該預警系統包括：數據采集模塊、數據發送模塊以及云平臺模塊，其中，數據采集模塊被配置為，將目標區域劃分為多個監測節點，并在每個監測節點布置降雨量檢測站，同時在每個監測節點的不同深度的土層中布置土壤濕度傳感器，同時在滑坡敏感區域安裝坡度傳感器，用于實時監測地區的坡度變化；數據發送模塊與數據采集模塊相連接被配置為，將不同深度的土壤濕度數據、降雨量檢測站數據以及坡度傳感器采集到的數據進行相關聯，進行統一的上傳，通過將采集到的降水量信息、土壤濕度數據以及坡度傳感器的數據進行時間上的耦合，然后將經過時間耦合的數據發送到云平臺；云平臺模塊與數據發送模塊相連接被配置為，云平臺模塊中包括：綜合預測模型子模塊和預警提示子模塊，綜合預測模型子模塊被配置為，接受數據采集模塊采集到的傳感器數據，并通過綜合預測模型，進行土壤濕度的動態更新；預警提示子模塊與綜合預測模型子模塊相連接被配置為，根據綜合預測模型子模塊得到的土壤濕度的動態更新，基于土壤濕度的變化，結合地質條件數據庫中的數據判斷是否達到預定的風險閾值，評估地質災害風險并預警。

37、本發明與現有技術相比，具有如下的優點和有益效果：

38、1、本發明通過綜合多個地點的實時降雨量數據、地質條件數據以及氣象信息，能夠充分利用多源異構數據，從而全面評估地質災害風險，同時結合本發明中構建出的降雨量與土壤飽和度模型，并結合狀態空間模型，能夠動態地預測不同地區的地質災害發生的時間、地點和概率，從而提高預測的準確性。

39、2、本發明通過在目標地區布置降雨量檢測站、土壤濕度傳感器和坡度傳感器，能夠適應不同類型地質災害和環境條件的場景多樣性和復雜性同時根據計算得到的土壤濕度變化，結合地質條件數據庫判斷是否達到預定閾值，識別高風險區域，觸發不同級別的預警，提高預警信息的準確性和可靠性，及時采取緊急響應措施，能夠有效減輕災害的影響。