CN109166295A - 一种沙漠化灾害预警方法 - Google Patents
一种沙漠化灾害预警方法 Download PDFInfo
- Publication number
- CN109166295A CN109166295A CN201811108424.4A CN201811108424A CN109166295A CN 109166295 A CN109166295 A CN 109166295A CN 201811108424 A CN201811108424 A CN 201811108424A CN 109166295 A CN109166295 A CN 109166295A
- Authority
- CN
- China
- Prior art keywords
- index
- monitoring region
- desertification
- disaster
- area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例提供一种沙漠化灾害预警方法,包括:基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取监测区域处于监测时期时的沙漠化灾害风险指数;沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种;基于监测区域处于监测时期时的沙漠化灾害风险指数,以及监测区域处于基准时期时的沙漠化灾害风险指数,获取监测区域的沙漠化灾害风险变化率;若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。本发明实施例提供的方法,提出了可操作性和针对性更强的沙漠化灾害诊断指标,构建了科学准确的沙漠化灾害预警机制,有助于提高沙漠化灾害预警的时效性。
Description
技术领域
本发明实施例涉及生态保护技术领域,尤其涉及一种沙漠化灾害预警方法。
背景技术
在全球气候变化和人类干扰加剧的背景下,沙漠化灾害的发生逐渐呈增加的趋势。对沙漠化定量监测,并动态分析其发生发展规律,提出有针对性的诊断指标,继而进行沙漠化灾害预警成为一种行之有效的方法。
当前的沙漠化灾害预警往往涉及到区域比较大、自然和人为干扰的空间差异明显、观测的指标比较多等问题,常规的方法在时效性和观测范围等方面受限,相关的研究往往不足,尤其涉及动态性分析更加稀缺。
遥感技术的出现,为相关的研究提供了最重要的数据源,使得沙漠化动态监测、分析以及沙漠化灾害预警成为可能。然而,当前的研究中,关于通过遥感技术进行沙漠化灾害监测预警的诊断方法,尤其是应用遥感技术获得的诊断指标的获取方面,还存在指标的可操作性和针对性不强等问题,导致监测预警缺乏科学性和准确性。
发明内容
本发明实施例提供一种沙漠化灾害预警方法,用以解决现有的沙漠化灾害预警方法的诊断指标可操作性和针对性不强,导致灾害预警缺乏科学性和准确性的问题。
第一方面,本发明实施例提供一种沙漠化灾害预警方法,包括:
基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取所述监测区域处于所述监测时期时的沙漠化灾害风险指数;所述沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种;
基于所述监测区域处于所述监测时期时的沙漠化灾害风险指数,以及所述监测区域处于基准时期时的沙漠化灾害风险指数,获取所述监测区域的沙漠化灾害风险变化率;
若所述监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。
第二方面,本发明实施例提供一种沙漠化灾害预警装置,包括风险指数获取单元、变化率获取单元和预警单元;
其中,风险指数获取单元用于基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取监测区域处于监测时期时的沙漠化灾害风险指数;沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种;
变化率获取单元用于基于监测区域处于监测时期时的沙漠化灾害风险指数,以及监测区域处于基准时期时的沙漠化灾害风险指数,获取监测区域的沙漠化灾害风险变化率;
预警单元用于若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。
第三方面,本发明实施例提供一种电子设备,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑指令,以执行如第一方面所提供的方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面所提供的方法的步骤。
本发明实施例提供的一种沙漠化灾害预警方法,提出了可操作性和针对性更强的沙漠化灾害诊断指标,并由此获取沙漠化灾害风险指数作为沙漠化灾害预警的依据,构建了科学准确的沙漠化灾害预警机制,有助于提高沙漠化灾害预警的时效性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的沙漠化灾害预警方法的流程示意图;
图2为本发明实施例提供的沙漠化灾害预警装置的结构示意图;
图3为本发明实施例提供的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
沙漠化是指干旱、半干旱及部分半湿润地区由于人地关系不相协调所造成的以风沙活动为主要标志的土地退化过程,沙漠化灾害是指沙漠化给人类社会造成严重的危害。当前,基于遥感数据进行沙漠化灾害预警的方法,尤其是应用遥感技术获得的诊断指标的获取方面,还存在指标的可操作性和针对性不强等问题,导致监测预警缺乏科学性和准确性。针对上述问题,本发明实施例提供了一种沙漠化灾害预警方法,充分挖掘遥感数据信息,针对沙漠化灾害预警要求,建立沙漠化灾害诊断指标,并对区域沙漠化进行监测预警。图1为本发明实施例提供的沙漠化灾害预警方法的流程示意图,如图1所示,该方法包括:
110,基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取监测区域处于监测时期时的沙漠化灾害风险指数;沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种。
具体地,监测区域为需要进行沙漠化灾害监测和预警的区域。沙漠化灾害诊断指标是基于遥感数据建立的用于对监测区域的沙漠化灾害状况进行诊断的相关指标,沙漠化灾害风险指数则是基于沙漠化灾害诊断指标得到的用于指示监测区域发生沙漠化灾害的风险。
进一步地,沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种,此处,危险性指数用于指示在监测区域的人为开发状况以及环境状况等可能导致沙漠化灾害的风险,暴露性指数用于指示在监测区域内人员、环境服务和各种资源等可能由于沙漠化灾害受到的不利影响的倾向,脆弱性指数用于指示在监测区域内由于沙漠化灾害收到的不利影响的程度,防灾减灾能力指数用于指示监测区域在受到沙漠化灾害影响后,承受、适应或恢复的能力。
此处,基于沙漠化灾害诊断指标获取沙漠化灾害风险指数的方法有多种,可以对沙漠化灾害诊断指标进行加权得到沙漠化灾害风险指数,还可以对沙漠化灾害诊断指标相乘得到沙漠化灾害风险指数,本发明实施例对此不作具体限定。
120,基于监测区域处于监测时期时的沙漠化灾害风险指数,以及监测区域处于基准时期时的沙漠化灾害风险指数,获取监测区域的沙漠化灾害风险变化率。
具体地,沙漠化灾害风险变化率为监测时期和基准时期的沙漠化灾害风险指数之差与监测时期和基准时期的时间差的商,用于指示在单位时间内沙漠化灾害风险指数的变化状况。通过沙漠化灾害风险变化率可以直观地得到监测区域沙漠化速度。
130,若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。此处,预设风险预警区间是基于监测区域的沙漠化灾害发生情况等遥感数据预先设定的预警区间。
本发明实施例提供的方法,提出了可操作性和针对性更强的沙漠化灾害诊断指标,并由此获取沙漠化灾害风险指数作为沙漠化灾害预警的依据,构建了科学准确的沙漠化灾害预警机制,有助于提高沙漠化灾害预警的时效性。
基于上述实施例,步骤110之前,还包括:基于任一沙漠化灾害诊断指标对应的次级指标,确定该沙漠化灾害诊断指标。
具体地,每一沙漠化灾害诊断指标,均对应若干个次级指标。每一沙漠化灾害诊断指标均能够由其对应的次级指标计算得到。例如,危险性指数对应的次级指标包括开发强度指数、风力强度指数和降水影响强度指数中的至少一种,危险性指数可以通过开发强度指数、风力强度指数和降水影响强度指数中的至少一种确定得到;暴露性指数对应的次级指标包括城乡面积占比、耕地面积占比和草地面积占比中的至少一种,暴露性指数可以通过城乡面积占比、耕地面积占比和草地面积占比中的至少一种确定得到;脆弱性指数对应的次级指标包括景观破碎度指数、风力侵蚀脆弱指数和水资源平衡指数中的至少一种,脆弱性指数可以通过景观破碎度指数、风力侵蚀脆弱指数和水资源平衡指数中的至少一种确定得到;防灾减灾能力指数对应的次级指标包括防风固沙与封山育林育草区面积占比和/或水利工程措施防灾指数,防灾减灾能力指数可以通过防风固沙与封山育林育草区面积占比和/或水利工程措施防灾指数确定得到。
此处,基于沙漠化灾害诊断指标的次级指标获取对应的沙漠化灾害诊断指标的方法有多种,可以对次级指标进行加权得到对应的沙漠化灾害诊断指标,还可以对次级指标相乘得到对应的沙漠化灾害诊断指标等,本发明实施例对此不作具体限定。
基于上述任一实施例,预设风险预警区间内设置有若干个等级的风险预警子区间;对应地,步骤130具体包括:
若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内的任一等级的风险预警子区间,则发出该等级的预警信号。
具体地,预设风险预警区间内设置有若干个等级的风险预警子区间,对沙漠化灾害风险变化率所处的区间进行了细化,并针对不同等级的风险预警子区间设置了对应的预警信号。例如,在预设风险预警区间内设置了三个不同等级的风险预警子区间,当沙漠化灾害风险变化率处于第一等级的风险预警子区间,则发出第一等级的预警信号,当沙漠化灾害风险变化率处于第二等级的风险预警子区间,则发出第二等级的预警信号,当沙漠化灾害风险变化率处于第三等级的风险预警子区间,则发出第三等级的预警信号。不同等级的预警信号可从预警内容、预警信号的发送方式和接收对象等各个方面进行区别,本发明实施例对此不作具体限定。
基于上述任一实施例,步骤110之后还包括:
基于监测区域处于监测时期的任一沙漠化灾害诊断指标或任一次级指标,以及监测区域处于基准时期的任一沙漠化灾害诊断指标或任一次级指标,获取监测区域的该沙漠化灾害诊断指标的变化率或该次级指标的变化率;
若监测区域的该沙漠化灾害诊断指标的变化率处于该沙漠化灾害诊断指标对应的预设预警区间内,或该次级指标的变化率处于该次级指标对应的预设预警区间内,则发出预警信号。
具体地,在基于沙漠化灾害风险变化率进行预警之外,还可以基于任意一种沙漠化灾害诊断指标的变化率或者任意一种刺激指标的变化率进行预警。进一步地,可以通过监测区域处于监测时期和基准时期的任一沙漠化灾害诊断指标,计算得到该沙漠化灾害诊断指标的变化率,若该沙漠化灾害诊断指标的变化率处于该沙漠化灾害诊断指标对应的预设预警区间内,则针对该沙漠化灾害诊断指标发出预警信号。还可以通过监测区域处于监测时期和基准时期的任一次级指标,计算得到该次级指标的变化率,若该次级指标的变化率处于该次级指标对应的预设预警区间内,则针对该次级指标发出预警信号。
基于上述任一实施例,危险性指数对应的次级指标包括开发强度指数、风力强度指数和降水影响强度指数。
其中,开发强度指数用于指示监测区域的城镇化开发强度和乡镇化开发强度,开发强度指数如下式所示:
URIi=hUi·UIi+hTi·RIi;
式中,URIi为监测区域i的开发强度指数,UIi和RIi分别为监测区域i的城镇化开发强度指数和乡镇化开发强度指数,hUi和hTi分别为城镇化开发强度系数和乡镇化开发强度系数。
其中,城镇化开发强度指数UIi为监测区域i的城镇建筑用地面积占比的变化率,乡镇化开发强度指数RIi为监测区域i的乡镇建筑用地面积占比的变化率,城镇化开发强度指数UIi与乡镇化开发强度指数RIi如下式所示:
式中,TAi为监测区域i的面积,U1i和U0i分别为t1与t0时刻的监测区域i的城镇建筑用地面积,R1i和R0i分别为t1与t0时刻的监测区域i的乡镇建筑用地面积,Δt为t1与t0时刻的间隔。
风力强度指数如下式所示:
式中,Wi为监测区域i的风力强度指数,k为风向代表值,n为风向数量,Lk和tk分别为风向为k时的风力强度和持续时长,L0为预设参量,t为进行风向统计的时间。例如,风向数量n为8时,k=1时风向为北向,k=2时风向为东北向,k=3时风向为东向,k=4时风向为东南向,k=5时风向为南向,k=6时风向为西南向,k=7时风向为西向,k=8时风向为西北向。
降水影响强度指数如下式所示:
式中,PRi为监测区域i的降水影响强度指数,PRj为第j次的降水量,m为降水次数,PR0为预设参量。
基于上述任一实施例,暴露性指数对应的次级指标包括城乡面积占比、耕地面积占比和草地面积占比。
其中,城乡面积占比用于表示城镇与乡镇的建筑用地与居民用地占比,城乡面积占比如下所示:
DSIi=hU·USIi+hR·RSIi;
式中,DSIi为监测区域i的城乡面积占比,USIi为监测区域i的城镇建筑用地和居民地占比,RSIi为监测区域i的乡镇建筑用地和居民地占比,hU和hR分别为城镇和乡镇的建筑用地和居民地系数。
其中,监测区域i的城镇建筑用地和居民地占比USIi和乡镇建筑用地和居民地占比RSIi如下式所示:
式中,USi为监测区域i的城镇建筑用地和居民地面积,RSi为监测区域i的乡镇建筑用地和居民地面积,TAi为监测区域i的面积。
耕地面积占比如下式所示:
式中,FBi为监测区域i的耕地面积占比,FSi为监测区域i的耕地面积。
草地面积占比如下式所示:
式中,GBi为监测区域i的草地面积占比,GSi为监测区域i的草地面积。
基于上述任一实施例,脆弱性指数对应的次级指标包括景观破碎度指数、风力侵蚀脆弱指数和水资源平衡指数。
其中,景观破碎度指数如下式所示:
式中,FIi为监测区域i的景观破碎度指数,Ni为监测区域i内所有土地利用类型的斑块总数,TAi为监测区域i的面积。此处,土地利用类型可以是自然植被、农田、交通用地、居民点和滩地等。
风力侵蚀脆弱指数如下式所示:
式中,WVi为监测区域i的风力侵蚀脆弱指数,VCi为监测区域i的植被覆盖度,Li为监测区域i到沙源的距离,θ为风向与监测区域i和沙源之间直线的夹角,L0为预设参量。
水资源平衡指数如下式所示:
式中,PETRi为监测区域i的水资源平衡指数,和Pri分别为监测区域i的平均耗水量和平均降水量。此处,和Pri可以是预先设置的时间长度内耗水量的平均值和降水量的平均值,本发明实施例不对时间长度作具体限定。
基于上述任一实施例,防灾减灾能力指数对应的次级指标包括防风固沙与封山育林育草区面积占比和水利工程措施防灾指数,其中,防风固沙与封山育林育草区面积占比如下式所示:
式中,Pti为监测区域i的防风固沙与封山育林育草区面积占比,WSi为监测区域i的防风固沙面积,PSi为封山育林育草面积,hm为防风固沙系数,hn为封山育林育草系数,TAi为监测区域i的面积。
水利工程措施防灾指数如下式所示:
式中,Wti为监测区域i的水利工程措施防灾指数,VSj为水利工程受益的区域类型j的面积,hqj为区域类型j系数,区域类型共有5类,包括城镇区、农村区、农业区、草地和林地。
为了更好地理解与应用本发明提出的一种沙漠化灾害预警方法,本发明进行以下示例,且本发明不仅局限于以下示例。
首先,基于遥感数据分别获取监测区域的危险性指数对应的次级指标开发强度指数、风力强度指数和降水影响强度指数,暴露性指数对应的次级指标城乡面积占比、耕地面积占比和草地面积占比,脆弱性指数对应的次级指标景观破碎度指数、风力侵蚀脆弱指数和水资源平衡指数,以及防灾减灾能力指数对应的次级指标防风固沙与封山育林育草区面积占比和水利工程措施防灾指数。
其次,基于危险性指数对应的各个次级指标的权重系数,对强度指数、风力强度指数和降水影响强度指数进行加权相加,得到危险性指数Hi;基于暴露性指数对应的各个次级指标的权重系数,对城乡面积占比、耕地面积占比和草地面积占比进行加权相加,得到暴露性指数Ei;基于脆弱性指数对应的各个次级指标的权重系数,对景观破碎度指数、风力侵蚀脆弱指数和水资源平衡指数进行加权相加,得到脆弱性指数Vi;基于防灾减灾能力指数对应的两个次级指标的权重系数,对防风固沙与封山育林育草区面积占比和水利工程措施防灾指数进行加权相加,得到防灾减灾能力指数Ci。
基于下式对危险性指数Hi、暴露性指数Ei、脆弱性指数Vi和防灾减灾能力指数Ci进行整合,得到沙漠化灾害风险指数Ri:
Ri=Hi·Ei·Vi·Ci。
令第y年(此处,第y年即监测时期)的沙漠化灾害风险指数Ri为PVziy,基准年y0的沙漠化灾害风险指数Ri为则沙漠化灾害风险变化率Dzvi为:
预设风险预警区间内设置有三个的风险预警子区间,分别为[esw0,esw1)、[esw1,esw2)和[esw2,∞)。
当Dzvi∈[esw0,esw1),发出蓝色预警,当Dzvi∈[esw1,esw2),发出黄色预警,当Dzvi∈[esw2,∞),发出红色预警。
本示例提供的方法,提出了可操作性和针对性更强的沙漠化灾害诊断指标,并由此获取沙漠化灾害风险指数作为沙漠化灾害预警的依据,构建了科学准确的沙漠化灾害预警机制,有助于提高沙漠化灾害预警的时效性。
基于上述任一方法实施例,图2为本发明实施例提供的沙漠化灾害预警装置的结构示意图,如图2所示,一种沙漠化灾害预警装置,包括风险指数获取单元210、变化率获取单元220和预警单元230。
其中,风险指数获取单元210用于基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取监测区域处于监测时期时的沙漠化灾害风险指数;沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种;
变化率获取单元220用于基于监测区域处于监测时期时的沙漠化灾害风险指数,以及监测区域处于基准时期时的沙漠化灾害风险指数,获取监测区域的沙漠化灾害风险变化率;
预警单元230用于若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。
本发明实施例提供的装置,提出了可操作性和针对性更强的沙漠化灾害诊断指标,并由此获取沙漠化灾害风险指数作为沙漠化灾害预警的依据,构建了科学准确的沙漠化灾害预警机制,有助于提高沙漠化灾害预警的时效性。
基于上述任一实施例,还包括诊断指标获取单元;诊断指标获取单元用于基于任一沙漠化灾害诊断指标对应的次级指标,确定该沙漠化灾害诊断指标;
其中,危险性指数对应的次级指标包括开发强度指数、风力强度指数和降水影响强度指数中的至少一种;
暴露性指数对应的次级指标包括城乡面积占比、耕地面积占比和草地面积占比中的至少一种;
脆弱性指数对应的次级指标包括景观破碎度指数、风力侵蚀脆弱指数和水资源平衡指数中的至少一种;
防灾减灾能力指数对应的次级指标包括防风固沙与封山育林育草区面积占比和/或水利工程措施防灾指数。
基于上述任一实施例,预设风险预警区间内设置有若干个等级的风险预警子区间;
对应地,预警单元230具体用于若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内的任一等级的风险预警子区间,则发出该等级的预警信号。
基于上述任一实施例,还包括诊断预警单元;诊断预警单元用于:
基于监测区域处于监测时期的任一沙漠化灾害诊断指标或任一次级指标,以及监测区域处于基准时期的该沙漠化灾害诊断指标或该次级指标,获取监测区域的该沙漠化灾害诊断指标的变化率或该次级指标的变化率;
若监测区域的该沙漠化灾害诊断指标的变化率处于该沙漠化灾害诊断指标对应的预设预警区间内,或该次级指标的变化率处于该次级指标对应的预设预警区间内,则发出预警信号。
基于上述任一实施例,开发强度指数如下式所示:
URIi=hUi·UIi+hTi·RIi;
式中,URIi为监测区域i的开发强度指数,UIi和RIi分别为监测区域i的城镇化开发强度指数和乡镇化开发强度指数,hUi和hTi分别为城镇化开发强度系数和乡镇化开发强度系数;
其中,监测区域i的城镇化开发强度指数UIi和乡镇化开发强度指数RIi如下式所示:
式中,TAi为监测区域i的面积,U1i和U0i分别为t1与t0时刻的监测区域i的城镇建筑用地面积,R1i和R0i分别为t1与t0时刻的监测区域i的乡镇建筑用地面积,Δt为t1与t0时刻的间隔;
风力强度指数如下式所示:
式中,Wi为监测区域i的风力强度指数,k为风向代表值,n为风向数量,Lk和tk分别为风向为k时的风力强度和持续时长,L0为预设参量,t为进行风向统计的时间;
降水影响强度指数如下式所示:
式中,PRi为监测区域i的降水影响强度指数,PRj为第j次的降水量,m为降水次数,PR0为预设参量。
基于上述任一实施例,城乡面积占比如下所示:
DSIi=hU·USIi+hR·RSIi;
式中,DSIi为监测区域i的城乡面积占比,USIi为监测区域i的城镇建筑用地和居民地占比,RSIi为监测区域i的乡镇建筑用地和居民地占比,hU和hR分别为城镇和乡镇的建筑用地和居民地系数;
其中,监测区域i的城镇建筑用地和居民地占比USIi和乡镇建筑用地和居民地占比RSIi如下式所示:
式中,USi为监测区域i的城镇建筑用地和居民地面积,RSi为监测区域i的乡镇建筑用地和居民地面积,TAi为监测区域i的面积;
耕地面积占比如下式所示:
式中,FBi为监测区域i的耕地面积占比,FSi为监测区域i的耕地面积;
草地面积占比如下式所示:
式中,GBi为监测区域i的草地面积占比,GSi为监测区域i的草地面积。
基于上述任一实施例,景观破碎度指数如下式所示:
式中,FIi为监测区域i的景观破碎度指数,Ni为监测区域i内所有土地利用类型斑块总数,TAi为监测区域i的面积;
风力侵蚀脆弱指数如下式所示:
式中,WVi为监测区域i的风力侵蚀脆弱指数,VCi为监测区域i的植被覆盖度,Li为监测区域i到沙源的距离,θ为风向与监测区域i和沙源之间直线的夹角,L0为预设参量;
水资源平衡指数如下式所示:
式中,PETRi为监测区域i的水资源平衡指数,和Pri分别为监测区域i的平均耗水量和平均降水量。
基于上述任一实施例,防风固沙与封山育林育草区面积占比如下式所示:
式中,Pti为监测区域i的防风固沙与封山育林育草区面积占比,WSi为监测区域i的防风固沙面积,PSi为监测区域i的封山育林育草面积,hm为防风固沙系数,hn为封山育林育草系数,TAi为监测区域i的面积;
水利工程措施防灾指数如下式所示:
式中,Wti为监测区域i的水利工程措施防灾指数,VSj为水利工程受益的区域类型j的面积,hqj为区域类型j系数,区域类型包括城镇区、农村区、农业区、草地和林地。
图3为本发明实施例提供的电子设备的实体结构示意图,如图3所示,该电子设备可以包括:处理器(processor)301、通信接口(Communications Interface)302、存储器(memory)303和通信总线304,其中,处理器301,通信接口302,存储器303通过通信总线304完成相互间的通信。处理器301可以调用存储在存储器303上并可在处理器301上运行的计算机程序,以执行上述各实施例提供的沙漠化灾害预警方法,例如包括:基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取监测区域处于监测时期时的沙漠化灾害风险指数;沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种;基于监测区域处于监测时期时的沙漠化灾害风险指数,以及监测区域处于基准时期时的沙漠化灾害风险指数,获取监测区域的沙漠化灾害风险变化率;若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。
此外,上述的存储器303中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本发明实施例还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的沙漠化灾害预警方法,例如包括:基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取监测区域处于监测时期时的沙漠化灾害风险指数;沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种;基于监测区域处于监测时期时的沙漠化灾害风险指数,以及监测区域处于基准时期时的沙漠化灾害风险指数,获取监测区域的沙漠化灾害风险变化率;若监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种沙漠化灾害预警方法,其特征在于,包括:
基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取所述监测区域处于所述监测时期时的沙漠化灾害风险指数;所述沙漠化灾害诊断指标包括危险性指数、暴露性指数、脆弱性指数和防灾减灾能力指数中的至少一种;
基于所述监测区域处于所述监测时期时的沙漠化灾害风险指数,以及所述监测区域处于基准时期时的沙漠化灾害风险指数,获取所述监测区域的沙漠化灾害风险变化率;
若所述监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号。
2.根据权利要求1所述的方法,其特征在于,所述基于监测区域处于监测时期时的沙漠化灾害诊断指标,获取所述监测区域处于所述监测时期时的沙漠化灾害风险指数,之前还包括:
基于任一所述沙漠化灾害诊断指标对应的次级指标,确定所述任一沙漠化灾害诊断指标;
其中,所述危险性指数对应的次级指标包括开发强度指数、风力强度指数和降水影响强度指数中的至少一种;
所述暴露性指数对应的次级指标包括城乡面积占比、耕地面积占比和草地面积占比中的至少一种;
所述脆弱性指数对应的次级指标包括景观破碎度指数、风力侵蚀脆弱指数和水资源平衡指数中的至少一种;
所述防灾减灾能力指数对应的次级指标包括防风固沙与封山育林育草区面积占比和/或水利工程措施防灾指数。
3.根据权利要求1所述的方法,其特征在于,所述预设风险预警区间内设置有若干个等级的风险预警子区间;
对应地,所述若所述监测区域的沙漠化灾害风险变化率处于预设风险预警区间内,则发出预警信号,具体包括:
若所述监测区域的沙漠化灾害风险变化率处于所述预设风险预警区间内的任一等级的风险预警子区间,则发出所述任一等级的预警信号。
4.根据权利要求2所述的方法,其特征在于,所述基于任一所述沙漠化灾害诊断指标对应的次级指标,确定所述任一沙漠化灾害诊断指标,之后还包括:
基于所述监测区域处于监测时期的任一所述沙漠化灾害诊断指标或任一所述次级指标,以及所述监测区域处于基准时期的所述任一沙漠化灾害诊断指标或所述任一次级指标,获取所述监测区域的所述任一沙漠化灾害诊断指标的变化率或所述任一次级指标的变化率;
若所述监测区域的所述任一沙漠化灾害诊断指标的变化率处于所述任一沙漠化灾害诊断指标对应的预设预警区间内,或所述任一次级指标的变化率处于所述任一次级指标对应的预设预警区间内,则发出预警信号。
5.根据权利要求2所述的方法,其特征在于,所述开发强度指数如下式所示:
URIi=hUi·UIi+hTi·RIi;
式中,URIi为监测区域i的开发强度指数,UIi和RIi分别为所述监测区域i的城镇化开发强度指数和乡镇化开发强度指数,hUi和hTi分别为城镇化开发强度系数和乡镇化开发强度系数;
其中,监测区域i的城镇化开发强度指数UIi和乡镇化开发强度指数RIi如下式所示:
式中,TAi为所述监测区域i的面积,U1i和U0i分别为t1与t0时刻的所述监测区域i的城镇建筑用地面积,R1i和R0i分别为t1与t0时刻的所述监测区域i的乡镇建筑用地面积,Δt为t1与t0时刻的间隔;
所述风力强度指数如下式所示:
式中,Wi为所述监测区域i的风力强度指数,k为风向代表值,n为风向数量,Lk和tk分别为风向为k时的风力强度和持续时长,L0为预设参量,t为进行风向统计的时间;
所述降水影响强度指数如下式所示:
式中,PRi为所述监测区域i的降水影响强度指数,PRj为第j次的降水量,m为降水次数,PR0为预设参量。
6.根据权利要求2所述的方法,其特征在于,所述城乡面积占比如下所示:
DSIi=hU·USIi+hR·RSIi;
式中,DSIi为监测区域i的城乡面积占比,USIi为所述监测区域i的城镇建筑用地和居民地占比,RSIi为所述监测区域i的乡镇建筑用地和居民地占比,hU和hR分别为城镇和乡镇的建筑用地和居民地系数;
其中,所述监测区域i的城镇建筑用地和居民地占比USIi和乡镇建筑用地和居民地占比RSIi如下式所示:
式中,USi为所述监测区域i的城镇建筑用地和居民地面积,RSi为所述监测区域i的乡镇建筑用地和居民地面积,TAi为所述监测区域i的面积;
所述耕地面积占比如下式所示:
式中,FBi为所述监测区域i的耕地面积占比,FSi为所述监测区域i的耕地面积;
所述草地面积占比如下式所示:
式中,GBi为所述监测区域i的草地面积占比,GSi为所述监测区域i的草地面积。
7.根据权利要求2所述的方法,其特征在于,所述景观破碎度指数如下式所示:
式中,FIi为监测区域i的景观破碎度指数,Ni为所述监测区域i内所有土地利用类型斑块总数,TAi为所述监测区域i的面积;
所述风力侵蚀脆弱指数如下式所示:
式中,WVi为所述监测区域i的风力侵蚀脆弱指数,VCi为所述监测区域i的植被覆盖度,Li为所述监测区域i到沙源的距离,θ为风向与所述监测区域i和所述沙源之间直线的夹角,L0为预设参量;
所述水资源平衡指数如下式所示:
式中,PETRi为所述监测区域i的水资源平衡指数,和Pri分别为所述监测区域i的平均耗水量和平均降水量。
8.根据权利要求2所述的方法,其特征在于,所述防风固沙与封山育林育草区面积占比如下式所示:
式中,Pti为监测区域i的防风固沙与封山育林育草区面积占比,WSi为所述监测区域i的防风固沙面积,PSi为所述监测区域i的封山育林育草面积,hm为防风固沙系数,hn为封山育林育草系数,TAi为所述监测区域i的面积;
所述水利工程措施防灾指数如下式所示:
式中,Wti为所述监测区域i的水利工程措施防灾指数,VSj为水利工程受益的区域类型j的面积,hqj为区域类型j系数,所述区域类型包括城镇区、农村区、农业区、草地和林地。
9.一种电子设备,其特征在于,包括处理器、通信接口、存储器和总线,其中,处理器,通信接口,存储器通过总线完成相互间的通信,处理器可以调用存储器中的逻辑指令,以执行如权利要求1至8任一所述的方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至8任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811108424.4A CN109166295B (zh) | 2018-09-21 | 2018-09-21 | 一种沙漠化灾害预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811108424.4A CN109166295B (zh) | 2018-09-21 | 2018-09-21 | 一种沙漠化灾害预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109166295A true CN109166295A (zh) | 2019-01-08 |
CN109166295B CN109166295B (zh) | 2020-04-28 |
Family
ID=64880272
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811108424.4A Active CN109166295B (zh) | 2018-09-21 | 2018-09-21 | 一种沙漠化灾害预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109166295B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
CN112258793A (zh) * | 2020-10-19 | 2021-01-22 | 深圳前海微众银行股份有限公司 | 灾害监测及预警方法、装置、设备及介质 |
CN112381420A (zh) * | 2020-11-17 | 2021-02-19 | 平安普惠企业管理有限公司 | 基于沙漠风速的风险预警方法、装置、设备及存储介质 |
CN114417092A (zh) * | 2021-11-09 | 2022-04-29 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915616A (zh) * | 2012-05-11 | 2013-02-06 | 新疆大学 | 一种区域栅格累加土地沙漠化预警方法 |
CN103903014A (zh) * | 2014-04-17 | 2014-07-02 | 西安煤航卫星数据应用有限公司 | 一种基于卫星遥感技术的荒漠化判释方法 |
CN104281761A (zh) * | 2013-07-01 | 2015-01-14 | 株式会社日立制作所 | 土地退化评价方法及装置 |
CN106599601A (zh) * | 2016-12-29 | 2017-04-26 | 中国科学院遥感与数字地球研究所 | 生态系统脆弱性遥感评估方法和系统 |
-
2018
- 2018-09-21 CN CN201811108424.4A patent/CN109166295B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102915616A (zh) * | 2012-05-11 | 2013-02-06 | 新疆大学 | 一种区域栅格累加土地沙漠化预警方法 |
CN104281761A (zh) * | 2013-07-01 | 2015-01-14 | 株式会社日立制作所 | 土地退化评价方法及装置 |
CN103903014A (zh) * | 2014-04-17 | 2014-07-02 | 西安煤航卫星数据应用有限公司 | 一种基于卫星遥感技术的荒漠化判释方法 |
CN106599601A (zh) * | 2016-12-29 | 2017-04-26 | 中国科学院遥感与数字地球研究所 | 生态系统脆弱性遥感评估方法和系统 |
Non-Patent Citations (1)
Title |
---|
王永芳等: "科尔沁沙地沙漠化灾害风险评价", 《风险分析和危机反应中的信息技术--中国灾害防御协会风险分析专业委员会第六届年会论文集》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111614938A (zh) * | 2020-05-14 | 2020-09-01 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
CN111614938B (zh) * | 2020-05-14 | 2021-11-02 | 杭州海康威视系统技术有限公司 | 一种风险识别方法及装置 |
CN112258793A (zh) * | 2020-10-19 | 2021-01-22 | 深圳前海微众银行股份有限公司 | 灾害监测及预警方法、装置、设备及介质 |
CN112381420A (zh) * | 2020-11-17 | 2021-02-19 | 平安普惠企业管理有限公司 | 基于沙漠风速的风险预警方法、装置、设备及存储介质 |
CN114417092A (zh) * | 2021-11-09 | 2022-04-29 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
CN114417092B (zh) * | 2021-11-09 | 2023-06-27 | 长安大学 | 沙漠化监测指数的构建方法及沙漠化状态变化趋势评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109166295B (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166295A (zh) | 一种沙漠化灾害预警方法 | |
Astuti et al. | Impact of land use land cover (LULC) change on surface runoff in an increasingly urbanized tropical watershed | |
Fritze et al. | Shifts in western North American snowmelt runoff regimes for the recent warm decades | |
Ekström et al. | Robustness of hydroclimate metrics for climate change impact research | |
Sun et al. | Land use and cover changes on the Loess Plateau: A comparison of six global or national land use and cover datasets | |
Hong et al. | Effects of land cover changes induced by large physical disturbances on hydrological responses in Central Taiwan | |
Deis et al. | Legacy effects of Hurricane Katrina influenced marsh shoreline erosion following the Deepwater Horizon oil spill | |
Jalayer et al. | Assessment of spatiotemporal characteristic of droughts using in situ and remote sensing-based drought indices | |
Rangsiwanichpong et al. | Assessment of sediment yield in Thailand using revised universal soil loss equation and geographic information system techniques | |
Murthy et al. | Meteorological drought analysis over India using analytical framework on CPC rainfall time series | |
Zhang et al. | Quantification of river bank erosion by RTK GPS monitoring: case studies along the Ningxia-Inner Mongolia reaches of the Yellow River, China | |
Bonne et al. | A new approach to assess long‐term lava flow hazard and risk using GIS and low‐cost remote sensing: the case of Mount Cameroon, West Africa | |
Chang et al. | Use of Salt Lake City URBAN 2000 field data to evaluate the urban hazard prediction assessment capability (HPAC) dispersion model | |
Jin et al. | Ecological risk resonance of urbanization and its effect on geohazard disaster: the case of Freetown, Sierra Leone | |
Mbungu | Impacts of land use and land cover changes, and climate variability on hydrology and soil erosion in the Upper Ruvu Watershed, Tanzania | |
Lin et al. | Assessing impacts of typhoons and the Chi-Chi earthquake on Chenyulan watershed landscape pattern in central Taiwan using landscape metrics | |
Paramaguru et al. | Assessment of spatiotemporal variability of rainfall and surface wind speed over the eastern coastal agro-ecological zones of India using advanced trend detection approaches | |
Cao et al. | Exploring spatially varying relationships between forest fire and environmental factors at different quantile levels | |
Peterson | Mapping percent-cover of the invasive species Bromus tectorum (cheatgrass) over a large portion of Nevada from satellite imagery | |
Yüksel et al. | Using a geospatial interface (GeoWEPP) to predict soil loss, runoff and sediment yield of Kokolet Creek Watershed. | |
Ozyurt et al. | Coastal vulnerability assessment to sea level rise integrated with analytical hierarchy process | |
Jayaraman et al. | Assessment of aquifer vulnerability for sea-water intrusion in Nagapattinam Coast, Tamil Nadu, using geospatial techniques | |
Haryono et al. | Managing and assessing landslide risk including the consequences | |
Squitieri | WRF forecast skill of the Great Plains low level jet and its correlation to forecast skill of mesoscale convective system precipitation | |
Saha et al. | Exploring machine learning and statistical approach techniques for landslide susceptibility mapping in Siwalik Himalayan Region using geospatial technology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |