本技术涉及气候数据分析的，尤其涉及洪水淹没事件预测方法、装置。
背景技术：
1、降水是水文循环的关键因子，过去几十年来全球多数地区的极端降水强度和频率显著上升，引发的洪涝灾害造成每年300亿美元以上经济损失。大气边界层水汽含量是形成降水的物质基础，依据克劳修斯-克拉珀龙热力学方程，饱和水汽压随气温升高呈非线性增长，约为6.8%/ oc，一般称之为c-c标度。国外学者进一步考虑水汽含量与降水强度的物理联系，评估了全球降水对气候变暖的响应强度，发现极端降水在多数地区呈现亚c-c标度或负响应系数。同时，全球多数地区的地面观测和卫星反演数据证实：极端降水一般呈现hook气候响应结构，即随气温升高出现先上升后下降的“抛物线”轨迹。
2、目前，对未来气候变化的研究主要依赖于全球气候模式。全球气候模式容许模拟地球气候系统(包括大气、海洋、陆面过程、冰冻圈和生物圈)各个组分变化的物理过程和相互作用。由于全球气候系统的复杂性，每个气候模式仿真这些组分变化时都做出不同程度的假设或者近似。
3、相关技术中，国内外学者采用第六次国际耦合模式比较计划下的全球气候模式集合与流域水文模型和机器学习模型相结合，研究了未来水文灾害的演变规律。不难发现，这些相关技术中难以准确地预测旱涝急转事件的演变趋势。
技术实现思路
1、有鉴于此，本技术洪水淹没事件预测方法、装置，能够精准地预测洪水淹没事件的演变趋势。
2、第一方面，本技术提供一种洪水淹没事件预测方法，包括：
3、根据防汛警戒水深和全球气候模式下的汛期河道淹没水深确定预测流域内的流域尺度淹没量级；
4、基于机器学习，由全球气候模式输出的气象水文数据分析出全球气候模式下的历史期流域空间平均的关键物理因子，所述关键物理因子为影响最大淹没水深的重要因子；
5、根据所述全球气候模式下的历史期流域空间平均的关键物理因子的变化趋势和未来时期流域所述尺度淹没量级的变化趋势，构建涌现约束模型；
6、基于所述涌现约束模型，根据era5-land数据集对应的历史期流域空间平均的关键物理因子确定校正后未来时期流域尺度淹没量级的变化趋势；
7、通过将各全球气候模式对应的所述校正后未来时期流域尺度淹没量级的变化趋势进行加权平均，预测洪水淹没事件的演变状况。
8、可选地，根据防汛警戒水深和全球气候模式下的汛期河道淹没水深确定预测流域内的流域尺度淹没量级，通过以下公式执行，
9、；
10、上式中， rishh为洪水淹没预测流域在某一年份的流域尺度淹没量级；为第g个格点在此年第d日的淹没水深，为第g个格点的防洪警戒水深。
11、可选地，所述全球气候模式下的汛期河道淹没水深的确定，包括：
12、分别获取不同全球气候模式下预测流域内的每个格点的模拟径流深系列；
13、获取不同全球气候模式下的汛期enso指数；
14、基于全球水动力模型camaflood，根据所述模拟径流深系列和汛期enso指数确定全球气候模式下的汛期河道淹没水深。
15、可选地，获取所述预测流域内的每个格点的模拟径流深系列，包括：
16、基于预定义的用以模拟径流深的人工智能模型，得到模拟径流深；
17、基于分位数映射模型，得到校正径流深；
18、根据所述模拟径流深和校正径流深，确定预测流域内的每个格点的模拟径流深系列。
19、可选地，基于分位数映射模型得到校正径流深，通过以下公式执行，
20、；
21、；
22、其中， t代表气温、比湿、相对湿度、短波辐射和长波辐射， p代表降水、降雪、径流深， adj代表校正后的系列， obs代表观测数据， ref和 fut分别代表历史参考期和未来预测期， d代表日数据， q代表各分位数。
23、可选地，所述相对湿度通过以下公式所确定，
24、；
25、上式中， tdew为露点温度， t2m为2m气温， esat(.)代表克劳修斯-克拉珀龙热力学方程；
26、所述比湿通过以下公式所确定，
27、；
28、上式中， p代表era5近地气压， tdew为露点温度， esat(.)代表克劳修斯-克拉珀龙热力学方程。
29、可选地，所述涌现约束模型，通过以下公式所表示，
30、；
31、上式中，表示未来时期流域尺度的流域尺度淹没量级的变化趋势， kktrend表示 kk因子的变化趋势，a和b表示模型参数。
32、第二方面，本技术提供一种洪水淹没事件预测装置，包括：
33、第一确定模块，用以根据防汛警戒水深和全球气候模式下的汛期河道淹没水深确定预测流域内的流域尺度淹没量级；
34、分析模块，用以基于机器学习，由全球气候模式输出的气象水文数据分析出全球气候模式下的历史期流域空间平均的关键物理因子，所述关键物理因子为影响最大淹没水深的重要因子；
35、构建模块，用以根据所述全球气候模式下的历史期流域空间平均的关键物理因子的变化趋势和未来时期流域所述尺度淹没量级的变化趋势，构建涌现约束模型；
36、第二确定模块，用以基于所述涌现约束模型，根据era5-land数据集对应的历史期流域空间平均的关键物理因子确定校正后未来时期流域尺度淹没量级的变化趋势；
37、预测模块，用以通过将各全球气候模式对应的所述校正后未来时期流域尺度淹没量级的变化趋势进行加权平均，预测洪水淹没事件的演变状况。
38、第三方面，本技术提供一种计算机可读存储介质，包括程序，当所述程序在计算机上运行时，使得计算机执行如上述的方法。
39、第四方面，本技术提供一种执行设备，包括处理器和存储器，所述处理器与所述存储器耦合；
40、所述存储器，用于存储程序；
41、所述处理器，用于执行所述存储器中的程序，使得所述执行设备执行如上述的方法。
42、本技术所公开方法中，根据所述全球气候模式下的历史期流域空间平均的关键物理因子的变化趋势和未来时期流域所述尺度淹没量级的变化趋势构建涌现约束模型，并基于涌现约束模型由era5-land数据集对应的流域空间平均的关键物理因子确定校正后未来时期流域尺度淹没量级的变化趋势，以通过未来时期流域尺度淹没量级表征洪水淹没的演变状况，由此提高了演变状况的预测精准性。
1.一种洪水淹没事件预测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，根据防汛警戒水深和全球气候模式下的汛期河道淹没水深确定预测流域内的流域尺度淹没量级，通过以下公式执行，
3.根据权利要求2所述的方法，其特征在于，所述全球气候模式下的汛期河道淹没水深的确定，包括：
4.根据权利要求3所述的方法，其特征在于，获取所述预测流域内的每个格点的模拟径流深系列，包括：
5.根据权利要求3所述的方法，其特征在于，基于分位数映射模型得到校正径流深，通过以下公式执行，
6.根据权利要求5所述的方法，其特征在于，所述相对湿度通过以下公式所确定，
7.根据权利要求1所述的方法，其特征在于，所述涌现约束模型，通过以下公式所表示，
8.一种洪水淹没事件预测装置，其特征在于，包括：
9.一种计算机可读存储介质，其特征在于，包括程序，当所述程序在计算机上运行时，使得计算机执行如权利要求1至7中任一项所述的方法。
10.一种执行设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器耦合；
