CN104766132A - 基于遥感的洪水淹没历时模拟系统及方法 - Google Patents

Abstract

本发明涉及基于遥感的洪水淹没历时模拟系统及方法，所述方法包括：信息读取模块读取遥感信息；信息提取模块通过所述遥感信息提取洪水淹没范围得到多时相高时间分辨率洪水淹没范围数据；淹没范围计算模块计算洪水轮廓得到洪水淹没范围的演进结果；淹没历时计算模块计算洪水淹没的历时信息；输出模块输出专题地图。所述系统及方法以遥感卫星采集到的时段信息为输入，利用水平集的计算方法得到任意时段任意洪水淹没范围信息及洪水淹没历时信息，通过人工输入水位的阈值信息，能够模拟洪水淹没范围的预测信息，在洪水灾害发生后通过淹没范围图及历时图能够有效模拟洪水淹没范围的涨退过程，及时的评估灾情造成的损失。

Description

基于遥感的洪水淹没历时模拟系统及方法

技术领域

本发明涉及水利信息技术领域，尤其涉及基于遥感的洪水淹没历时模拟系统及方法。

背景技术

洪水一直以来对人类的生存与发展产生着重大的影响，一场较大洪水的发生往往会给人们带来严重的人员伤亡以及财产损失。无论是对洪水险情的预报还是灾难过后的损失评估，甚至对流域的综合治理，都要基于对洪水特征的了解，其中最主要的便是洪水的演进规律。

洪水演进是以河道的下垫面条件为基础，根据上游断面水文站测得的洪水相关水文参数，分析洪水沿河道的运动规律，经过一系列的演算，最终获得下游河道任一断面的洪水参数。洪水演进模型不仅是防洪减灾体系的重要组成部分，也是分析洪水运动规律强有力的工具。

1738年瑞士D.I伯努利提出表述水流能量的伯努利方程式，拉开了水力学研究的序幕；17世纪50年代，法国J.LER.达朗伯和瑞士L.欧拉分别提出水流连续微分方程以及微分形式的理想流体动量方程式－欧拉方程式，率先将微积分应用于流体力学的研究中，为其发展开创了新的途径；法国A.de谢才于1769年提出明槽均匀流流速的谢才公式，R.Manning于1890年对其中一个参数进行研究得到应用更加广泛的曼宁公式；1781年法国J.L.拉格朗日提出浅水波速公式，再次促进了明渠非恒定流的研究；19世纪70年代圣维南根据质量守恒定律以及动量守恒定律建立了偏微分方程组，将河道洪水运动规律的研究提上了新的台阶。之后学者们针对明渠非恒定流的研究大都基于该方程，进行简化或联合下垫面以及降雨等条件进行改进，并取得了很好的进展。其中美国科学家G.T.McCarthy于1938年运用水量平衡方程以及槽蓄方程简化了圣维南方程，并首次应用于美国的马斯京根河，开始了洪水演进的水文学研究。自此，河道洪水演进的研究分为以圣维南方程组为依据的水力学以及以马斯京根方程为代表的水文学两个方向。

现有技术中主要利用水文学和水力学方法，水文学方法的特点是把以往经验和实时信息简单地组合在一起，对河道地形等水文资料要求较多；水力学方法则在较大程度上克服了传统水文学方法的缺陷和不足之处，对历史水文资料的依赖性相对来说较小，克服了人为的经验性不足的方面，计算精度比较髙，适应性比较强，但需要较为详细的水下测量地形资料，计算量较大。采用上述方法，在洪水灾害发生时，很难完成洪水范围及洪水历时的预测，在灾后也很难完成受灾面积及受灾被淹天数的及时反馈，不利于灾情的评估。

现阶段卫星遥感已经成为综合对地观测的重要组成部分，呈现出高空间、光谱、时间分辨率的技术特点和多平台、传感器、角度的发展趋势。卫星遥感观测技术由于观测范围广、周期性重访等独特优势，已经引起包括水利、环境保护、防灾减灾等多个领域的广泛关注。利用遥感数据有效地提取水体信息，已经成为当前水利遥感技术研究重点。与其他领域的监测不同，洪水监测具有监测精度高、监测范围广、监测周期长等特点，因此对监测方法和监测数据源都有特殊要求。洪水监测的汛前本底监测、汛中跟踪监测、灾害应急监测、灾后评估监测的四个监测过程体现了洪水监测的主要特点。

卫星遥感数据在洪水灾害中的应用按照应用时间大致可以分为灾前、灾中和灾后三个部分。灾前主要进行常态化的监测，对洪峰、降水过程进行预测；灾中主要利用微波遥感技术对洪峰经过区域进行监控，有效跟踪监测洪水从形成直至消退的全过程，为防洪决策提供了及时可靠的汛情数据；灾后主要利用多时相遥感影像进行变化监测，评估灾害损失。

卫星遥感影像数据进行洪水监测的技术流程主要包括方案制定、数据获取、数据预处理、信息提取、专题图制作及评估报告生成等相关环节。首先对获取的卫星遥感影像数据进行辐射校正、几何校正、大气校正、影像裁切与镶嵌、彩色合成与增强等处理，生产出能够较好反映洪水信息的专业遥感影像数据；再以该卫星遥感影像为基础通过人机交互方法提取相关信息；最后制作专题图、统计相关数据，并生成相应评估报告。

然而卫星遥感数据获取受限于天气环境、重访周期等因素，不能全时段接收信息导致了部分遥感数据的缺失，在接收到信息的时段内无法记录洪水淹没范围及历史信息的演进过程，也无法完成信息的预测。

如公开号为CN102842104A的专利文献，公开了一种面向海量DEM数据的高精度河道洪水淹没区生成方法，其针对海量DEM数据进行条带划分，并将条带中栅格行上连续多个淹没单元进行游程压缩存储，以降低数据量，最后采用压缩单元边界追踪方法提取淹没范围，从而实现了复杂地形条件下的淹没区生成。其依然采用了传统的计算方法，同时需要大量数据作为输入。

发明内容

针对背景技术中出现的问题，本发明提出了一种基于遥感的洪水淹没历时模拟系统，以遥感采集到的信息数据为输入，所述历时模拟系统包括：信息读取模块，用于读取遥感信息；淹没范围计算模块，用于计算洪水轮廓得到洪水淹没范围的演进结果；淹没历时计算模块，用于计算洪水淹没的历时信息；输出模块，用于输出专题地图。

优选的是，所述历时模拟系统进一步包括信息提取模块，用于提取所述遥感信息得到多时相高时间分辨率洪水淹没范围数据。

在上述任一方案中优选的是，所述多时相高时间分辨率洪水淹没范围数据的参数信息包括：时间参数和水位参数。

在上述任一方案中优选的是，所述淹没范围计算模块和所述淹没历时计算模块的计算模式包括：天和/或小时模式。

在上述任一方案中优选的是，所述专题地图包括洪水淹没范围图和洪水淹没历时图。

在上述任一方案中优选的是，所述淹没范围计算模块和淹没历时计算模块使用的计算方法包括水平集方法。

在上述任一方案中优选的是，所述淹没范围计算模块进一步用于预测洪水淹没范围。

在上述任一方案中优选的是，所述淹没范围计算模块进一步用于预测洪水淹没历时。

本发明还提供了基于遥感的洪水淹没历时模拟方法，以遥感采集到的信息数据为输入，所述历时模拟方法包括以下步骤：

信息读取模块读取遥感信息；

淹没范围计算模块计算洪水轮廓得到洪水淹没范围的演进结果；

淹没历时计算模块计算洪水淹没的历时信息；

输出模块输出专题地图。

优选的是，所述信息读取模块读取遥感信息后进一步包括：信息提取模块通过所述遥感信息提取洪水淹没范围得到多时相高时间分辨率洪水淹没范围数据。

在上述任一方案中优选的是，所述多时相高时间分辨率洪水淹没范围数据的参数信息包括：时间参数和水位参数。

在上述任一方案中优选的是，所述淹没范围计算模块和所述淹没历时计算模块的计算模式包括：天和/或小时模式。

在上述任一方案中优选的是，所述专题地图包括洪水淹没范围图和洪水淹没历时图。

在上述任一方案中优选的是，所述淹没范围计算模块和淹没历时计算模块使用的计算方法包括水平集方法。

在上述任一方案中优选的是，所述淹没范围计算模块进一步用于预测洪水淹没范围。

在上述任一方案中优选的是，所述淹没范围计算模块进一步用于预测洪水淹没历时。

本方案公开的系统及方法，以遥感卫星采集到的时段信息为输入，利用水平集的计算方法得到任一时间，任一时段的洪水淹没范围信息和洪水淹没历时信息，通过人工输入水位的阈值信息，能够模拟洪水淹没范围的预测信息，在洪水灾害发生后通过淹没范围图及历时图能够有效模拟洪水淹没范围的涨退过程，及时的评估灾情造成的损失。

附图说明

图1是按照本发明的一优选实施例的图洪水淹没历时模拟方法流程图。

图2是按照本发明的一优选实施例的图洪水淹没历时模拟系统执行步骤图。

图3是根据图1所述实施例示出的洪水淹没范围数据输入示意图。

图4是根据图1所述实施例示出的第一时段洪水淹没范围数据。

图5是根据图1所述实施例示出的第二时段洪水淹没范围数据。

图6是根据图1所述实施例示出的第三时段洪水淹没范围数据。

图7是根据图1所述实施例示出的第四时段洪水淹没范围数据。

图8是根据图1所述实施例示出的以“天”为单位洪水淹没范围模拟结果。

图9是根据图1所述实施例示出的以“小时”为单位洪水淹没范围模拟结果。

图10是根据图1所述实施例示出的以“天”为单位洪水淹没历时信息提取结果。

图11是根据图1所述实施例示出的以“小时”为单位洪水淹没历时信息提取结果。

具体实施方式

下面参照附图结合示例性的实施例对本发明进行详细描述。

实施例1：

如图一所示，为本发明的一优选实施例的图洪水淹没历时模拟方法流程图。所述历时模拟方法包括以下步骤：

信息读取模块读取遥感信息；

信息提取模块通过所述遥感信息提取洪水淹没范围得到多时相高时间分辨率洪水淹没范围数据；

淹没范围计算模块计算洪水轮廓得到洪水淹没范围的演进结果；

淹没历时计算模块计算洪水淹没的历时信息；

输出模块输出专题地图。

其中，所述多时相高时间分辨率洪水淹没范围数据的参数信息包括：时间参数和水位参数。所述淹没范围计算模块和所述淹没历时计算模块的计算模式包括：天和/或小时模式。所述专题地图包括洪水淹没范围图和洪水淹没历时图。所述淹没范围计算模块和淹没历时计算模块使用的计算方法包括水平集方法。所述淹没范围计算模块进一步用于预测洪水淹没范围。所述淹没范围计算模块进一步用于预测洪水淹没历时。

本方案提供的涝淹没历时模拟方法以遥感卫星采集到的时段信息为输入，利用水平集的计算方法得到任意时段任意历时的洪水淹没范围信息及洪水淹没历时信息，通过人工输入水位的阈值信息，能够模拟洪水淹没范围的预测信息，在洪水灾害发生后通过淹没范围图及历时图能够有效模拟洪水淹没范围的涨退过程，及时的评估灾情造成的损失。

实施例2：

如图2所示，为按照本发明的一优选实施例的图洪水淹没历时模拟系统执行步骤图，首先，用户需要确定输入高时间分辨率洪水淹没范围数据的时相数量，并逐时相输入数据的时间参数、水位参数、模拟模式；其次，查询洪水淹没范围数据库，确认该数据库中是否存在所需时间段内已经计算好的洪水淹没历时信息。如果存在，将其直接调出显示并叠加地理空间投影信息后输出；如果没有，则模型按照指定模拟模式，计算该时间段内的洪水淹没历时信息，并存入数据库，叠加地理空间投影信息后输出(图7)；与此同时，用户可以调用洪水淹没精度评价子模块，对某一中间时相的模拟数据和实测数据使用生产者精度和使用者精度两个指标进行精度验证。用户通过两种方式获得模拟计算结果：(1)指定模拟模式和指定时相后，输出洪水淹没范围数据；(2)指定模拟模式和指定时间段后，输出洪水淹没历时信息。

必要性分析：洪水灾害是一种骤发性自然灾害。水文学上，以二维浅水方程为基本方程的洪水动力学模型常被用于分析、评估与预测洪水工程应用中。完整的浅水模型，不但可以预测洪水轮廓而且可以预测深度。但该模型需要精确的地形数据，需要设置深度、流速等初始参数，而且计算量较大，模型精度和通用性受到限制。目前我国大多数洪水监测系统都只是专门针对某一流域而开发的，存在着重复开发、通用性差、扩展性差等弊端，系统维护和升级困难，限制了洪水监测系统可持续发展。同时，由于洪水泛滥事件发生带有很大的突发性，一般都难以找到淹没记录，特别是洪水淹没随时间的变化过程。卫星遥感数据是为灾情评估和防洪决策提供科学依据的重要信息来源，利用多时相遥感影像数据和针对不同区域特征的模型协同处理是必要和迫切的。现阶段卫星遥感已经成为综合对地观测的重要组成部分，它在洪水监测、洪水灾害评估和风险分析方面发挥着越来越重要的作用，这些数据已被广泛应用于灾害的监测、预警和灾害的损失评估，以及平原湖泊和洪泛平原的蓄水量等水文水资源的科学研究工作中。通过卫星遥感技术获取的数据为时间和空间信息密集的面域数据，可有效地验证洪水在时间上的空间分布特征，这是与其他常规监测数据的主要区别。实际工作中，更多的时候我们关心的只是水体轮廓。多时相卫星遥感影像数据能够提供不同时刻洪水淹没范围的面状信息，将这些信息进行科学分析运算，能够形成长期、动态和连续的时间序列资料，定量化地应用于洪水监测，有利于拓展遥感数据及洪水计算交叉应用空间。

本系统中实现了多时相高时间分辨率遥感影像数据的集成管理、不同时相的洪水淹没范围数据和洪水淹没历时信息的可视化表达，建立了相关模块加载、管理、部署和流程化等技术流程，形成了一个从数据输入、参数设置、模型加载、模拟计算、精度评价到洪水淹没历时信息可视化呈现的系统集成。

快速、准确地获取洪水淹没历时信息，是防汛救灾管理和灾害损失评估的核心任务。提取洪水淹没历时信息时，更多时候我们关心的只是洪水轮廓，而不关注洪水运动的准确物理过程。洪水淹没历时信息提取模型基于卫星遥感技术获取的数据为时间和空间信息密集的面域数据，将起止时刻的洪水淹没范围设为源曲面(前时刻洪水淹没范围)和靶曲面(后时刻洪水淹没范围)，构造出一个一阶能量泛函，其极小化诱导出一个二阶水平集形式的几何偏微分方程，使得源曲面在该方程模型的驱动下演化变形直至获得指定的靶曲面。

对于一条平面封闭曲线C，它将全部图像域划分为内部区和外部区两个分部Ω₁和Ω₂，使在Ω₁内的图像部分与在Ω₂的图像的平均灰度恰好反映出对象和背景之间的灰度平均值的差异，那么这一闭合曲线就可以看成对象的轮廓。基于这一思路，T.Chan和L.Vese提出了如下“能量”泛函：

它有三个宗量：标量c₁和c₂，以及曲线C。其中，第一项是C的全弧长，第二和第三项分别是内部区和外部区的灰度值与标量c₁和c₂的平方误差。式(1)称为无边缘活动轮廓(active contour without edge)模型，也称之为C-V模型或测地线活动区域(geodesic active region，GAR)模型。

采用变分水平集方法，先在式(1)引入Heaviside函数，将它修改为关于嵌入函数u的泛函，即：

$\begin{array}{c}E(c_1,c_2,u)=\mathrm{\μ}\underset{\mathrm{\Ω}}{\∫\∫}\mathrm{\δ}\left(u\right)|\▿u|\mathrm{dxdy}\\ +{\mathrm{\λ}}_1\underset{\mathrm{\Ω}}{\∫\∫}{(I-c_1)}^{2}H\left(u\right)\mathrm{dxdy}+{\mathrm{\λ}}_2\underset{\mathrm{\Ω}}{\∫\∫}{(I-c_2)}^2[1-H\left(u\right)]\mathrm{dxdy}\end{array}---\left(2\right)$

这样，在函数u固定的条件下，相对c₁和c₂，最小化式(2)，可得

$c_i=\frac{\underset{{\mathrm{\Ω}}_i}{\∫\∫}\mathrm{Idxdy}}{\underset{{\mathrm{\Ω}}_i}{\∫\∫}\mathrm{dxdy}},i=\mathrm{1,2}---\left(3\right)$

即c₁和c₂分别是输入图像I(x，y)的在Ω₁(当前曲线的内部)和Ω₂(当前曲线的外部)的平均值。

在c₁和c₂固定的条件下，相对于u最小化式(2)，则可得

$\frac{\∂u}{\∂t}={\mathrm{\δ}}_{\mathrm{\ϵ}}\left(u\right)[\mathrm{\μ}\mathrm{div}\left(\frac{\▿u}{\left|\mathrm{\Δu}\right|}\right)-{\mathrm{\λ}}_1{(I-c_1)}^2+{\mathrm{\λ}}_2{(I-c_2)}^2]---\left(4\right)$

于是根据C-V模型，通过方程式(3)和(4)的联立，求稳态解，便得到计算结果。

通常取λ₁＝λ₂＝1，采用半隐式方案：

$u_{\mathrm{ij}}^{n+1}=u_{\mathrm{ij}}^n+\mathrm{\τ}{\mathrm{\δ}}_{\mathrm{\ϵ}}\left(u_{\mathrm{ij}}^n\right)[\mathrm{\μQ}\left(u_{\mathrm{ij}}^{n+1}\right)-{(I_{\mathrm{ij}}-c_1)}^2+{(I_{\mathrm{ij}}-c_2)}^2]---\left(5\right)$

式中的δ_ε(u)是所选用的正则化Heaviside函数的导数，例如，选用 $H_{\mathrm{\ϵ}}\left(z\right)=\frac{1}{2}[1+\frac{2}{\mathrm{\π}}\arctan \left(\frac{z}{\mathrm{\ϵ}}\right)],$ 则有

${\mathrm{\δ}}_{\mathrm{\ϵ}}\left(z\right)=\frac{1}{\mathrm{\π}}\frac{\mathrm{\ϵ}}{{\mathrm{\ϵ}}^2+z^2}---\left(6\right)$

式中可选参数ε用以控制δ_ε(z)的有效宽度。这样只要将每一像素的值代入上式的宗量，就完成了δ_ε(u)的计算。

$Q\left(u_{\mathrm{ij}}^{n+1}\right)=D_x^{(-)}\left(\frac{D_x^{(+)}\left(u_{\mathrm{ij}}^{n+1}\right)}{{[{\left(D_x^{(+)}\left(u_{\mathrm{ij}}^n\right)\right)}^2+{\left(D_y^{\left(0\right)}\left(u_{\mathrm{ij}}^n\right)\right)}^2]}^{1/2}}\right)+D_y^{(-)}\left(\frac{D_x^{(+)}\left(u_{\mathrm{ij}}^{n+1}\right)}{{[{\left(D_x^{(+)}\left(u_{\mathrm{ij}}^n\right)\right)}^2+{\left(D_y^{\left(0\right)}\left(u_{\mathrm{ij}}^n\right)\right)}^2]}^{1/2}}\right)$

它实际上是对式(4)中的算子，采用了将向前差分和向后差分相接合的离散化格式。即在分母的|▽u|离散化，一部分采用向前差分，另一部分采用中心差分，并都使用n层数据。这样得到的式(5)是一线性联立代数方程组，它可采用勿需存储系数矩阵的Jacobi迭代法求解。并且考虑到，这里，只要计算的粗略的近似，故Jacobi法只对uⁿ⁺¹作一次迭代，即可转入对平均值c₁和c₂的计算。

利用正则化Heaviside函数，对当前零水平集的内部和外部的图像灰度平均值c₁和c₂，可按下式计算：

$c_1^n=\frac{\underset{i,j}{\mathrm{\Σ}}{H}_{\mathrm{\ϵ}}\left(u_{\mathrm{ij}}^n\right)I_{\mathrm{ij}}}{\underset{i,j}{\mathrm{\Σ}}{H}_{\mathrm{\ϵ}}\left(u_{\mathrm{ij}}^n\right)},c_2^n=\frac{\underset{i,j}{\mathrm{\Σ}}(1-H_{\mathrm{\ϵ}}\left(u_{\mathrm{ij}}^n\right)I_{\mathrm{ij}})}{\underset{i,j}{\mathrm{\Σ}}(1-H_{\mathrm{\ϵ}}\left(u_{\mathrm{ij}}^n\right))}---\left(7\right)$

本实施例所述系统基于多时相高时间分辨率遥感数据的输入，在提取不同时相洪水淹没范围信息的基础上，构建洪水淹没历时信息提取模型，制作具有时空一致性的洪水淹没历时专题图。并按照水利遥感应用示范系统集成的统一要求建立洪水淹没范围信息和洪水淹没历时信息提取模型的加载、管理、部署和流程化等技术流程，形成一个从数据输入、参数设置、模型加载、模拟计算、精度评价到洪水淹没历时信息可视化呈现的模块集成。可供水利遥感应用示范系统集成，为其提供基于遥感数据的洪水淹没历时信息提取功能。

实施例3：

本实施例中，结合系统实际使用过程进行论述。

输入模块主要实现了多时相洪水淹没范围数据及其时间参数、水位参数等属性信息的输入与显示。首先，需要确定洪水淹没范围数据的总时相数(如图3所示)；其次，输入各时相洪水淹没范围数据的时间参数(年、月、日、小时)和水位参数(要求保留两位小数)信息，前者决定洪水淹没历时信息提取的起止时间，后者决定了洪水淹没历时信息提取模型中的洪水涨退模式(如图4-7所示，分别为四组不同时段的洪水淹没范围数据)。输入完毕初始信息后，即可模拟生成相应所需信息，如图8所示为以“天”为单位洪水淹没范围模拟结果，图9是以“小时”为单位洪水淹没范围模拟结果。查看模拟结果有两种方法：一种是拖动“连续时间”滚动条在左侧图框内同步显示对应时相的洪水淹没范围结果；二是选择“指定时间”下拉框内某一时相并在左侧图框内同步显示洪水淹没范围结果。点击“保存结果”可以保存显示数据，点击“历时计算”进入洪水淹没历时计算子模块。图10是以“天”为单位洪水淹没历时信息提取结果。图11是以“小时”为单位洪水淹没历时信息提取结果。图上颜色越深说明淹没历时越长，反之则说明淹没历时越短。

本实施例中，根据相应时段洪水淹没范围图及历史信息图，在灾后能够及时准确的完成受灾信息评估，同时通过输入不同时段的遥感信息得到连续的模拟信息，并通过预设值的输入能够完成洪水范围与洪水历时的预测。

为了更好地理解本发明，以上结合具体实施例对本发明作了详细说明。但是，显然可对本发明进行不同的变型和改型而不超出权利要求限定的本发明更宽的精神和范围。因此，以上实施例具有示例性而没有限制的含义。

Claims (10)

1.基于遥感的洪水淹没历时模拟系统，以遥感采集到的信息数据为输入，其特征在于，所述历时模拟系统包括：信息读取模块，用于读取遥感信息；淹没范围计算模块，用于计算洪水轮廓得到洪水淹没范围的演进结果；淹没历时计算模块，用于计算洪水淹没的历时信息；输出模块，用于输出专题地图。

2.根据权利要求1所述的洪水淹没历时模拟系统，其特征在于，所述历时模拟系统进一步包括信息提取模块，用于提取所述遥感信息得到多时相高时间分辨率洪水淹没范围数据。

3.根据权利要求2所述的洪水淹没历时模拟系统，其特征在于，所述多时相高时间分辨率洪水淹没范围数据的参数信息包括：时间参数和水位参数。

4.根据权利要求1所述的洪水淹没历时模拟系统，其特征在于，所述淹没范围计算模块和所述淹没历时计算模块的计算模式包括：天和/或小时模式。

5.根据权利要求1所述的洪水淹没历时模拟系统，其特征在于，所述专题地图包括洪水淹没范围图和洪水淹没历时图。

6.根据权利要求1所述的洪水淹没历时模拟系统，其特征在于，所述淹没范围计算模块和淹没历时计算模块使用的计算方法包括水平集方法。

7.根据权利要求1所述的洪水淹没历时模拟系统，其特征在于，所述淹没范围计算模块进一步用于预测洪水淹没范围。

8.根据权利要求1所述的洪水淹没历时模拟系统，其特征在于，所述淹没范围计算模块进一步用于预测洪水淹没历时。

9.基于遥感的洪水淹没历时模拟方法，以遥感采集到的信息数据为输入，其特征在于，所述历时模拟方法包括以下步骤：

信息读取模块读取遥感信息；

淹没范围计算模块计算洪水轮廓得到洪水淹没范围的演进结果；

淹没历时计算模块计算洪水淹没的历时信息；

输出模块输出专题地图。

10.根据权利要求9所述的洪水淹没历时模拟方法，其特征在于，所述信息读取模块读取遥感信息后进一步包括：信息提取模块通过所述遥感信息提取洪水淹没范围得到多时相高时间分辨率洪水淹没范围数据。