CN113487123B - 高光谱监测与gis耦合山洪灾害动态风险评估方法 - Google Patents
高光谱监测与gis耦合山洪灾害动态风险评估方法 Download PDFInfo
- Publication number
- CN113487123B CN113487123B CN202110508840.9A CN202110508840A CN113487123B CN 113487123 B CN113487123 B CN 113487123B CN 202110508840 A CN202110508840 A CN 202110508840A CN 113487123 B CN113487123 B CN 113487123B
- Authority
- CN
- China
- Prior art keywords
- disaster
- mountain torrent
- risk
- remote sensing
- hyperspectral
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Abstract
本发明公开了一种高光谱监测与GIS耦合山洪灾害动态风险评估方法。它包括如下步骤,步骤一:建构高光谱遥感技术应用系统;步骤二:提取山洪灾害相关信息;步骤三:模拟单一灾种、复合灾种的演进与成灾过程;步骤四:构建逐步回归方程;步骤五:确定山洪灾害风险度的指标体系;步骤六:得到山洪灾害危险性图和山洪灾害易损性成果图;步骤七:归一化后得到多空间尺度的山洪灾害风险图;步骤八:划分出特定区域山洪灾害风险区划。本发明具有实现山洪灾害易发区基础数据资料的精确性、可靠性和时效性的优点。
Description
技术领域
本发明涉及山洪灾害监测风险评估技术领域,更具体地说它是高光谱监测与GIS方法耦合山洪灾害动态风险评估指标方法。
背景技术
我国是世界上自然灾害最为严重的国家之一,灾害种类多、分布地域广、发生频率高、造成损失重。在众多灾害中,山洪及其次生衍生灾害是每年都面临最严峻的灾害问题。截止2019年底,全国共投入项目建设资金400多亿元。初步建立适合我国国情的山洪灾害监测预警系统和群测群防体系,项目防灾减灾效益显著。但山洪灾害防治工作总体上仍处于初级阶段,经济社会高质量发展对山洪灾害防治提出了更高要求。需要加强监测预警和风险防范能力建设,努力全面提升全社会抵御自然灾害的综合防范能力。特别是编制区域性和流域性的山洪风险图,可供遵循的科学方法和实践经验不多,远远不能适应当前防御山洪灾害实际需要。我国在山丘区洪水灾害监测预防技术薄弱,体现在小流域预报预警等关键技术难题有待在实践中进一步突破、发挥更好成效。
我国山洪灾害灾情评估起步较晚,灾情评估由传统的定性描述和不完全统计分析,发展到同社会经济条件相结合的多种评价方法互相补充的综合评价,灾情评估过程也由定性评价转化为半定量评价或定量评价。但是,所有这些评价工作对象往往是泥石流、滑坡或单纯的溪河洪水等单一灾种,评价单元基本以行政区域为单元,缺乏流域系统性、灾害完整性,评价指标选择也无可比性。其次,目前大尺度范围的山洪灾害区划成果,基本是一种黑箱模型,未完整给出各山洪沟的危险性、易损性和风险等级水平,因而无法准确判断不同区域的山洪风险等级。再者,各类承载体的信息更新滞后,山洪灾害监测系统机动灵活性差。特别是由于监测技术的短板,造成山洪灾害易发区灾害环境风险要素信息发生变化后,不能及时准确反映在评价指标中。重点隐患排查比较困难,应急反应及处理能力不够。为克服上述缺点,建立一套山洪灾害灾情快速监测、统计、分析的评估方法是当前我国山洪易发区防灾减灾工作迫切需要。
发明内容
本发明的目的是提供高光谱监测与GIS方法耦合山洪灾害动态风险评估指标方法,实现山洪灾害易发区基础数据资料的精确性、可靠性和时效性。
为了实现上述目的,本发明的技术方案为:高光谱监测与GIS 耦合山洪灾害动态风险评估方法,其特征在于:它采用高光谱监测与 GIS方法耦合山洪灾害动态风险评估系统,
所述评估系统包括高光谱遥感监测系统、小流域和县域尺度山洪灾害风险评估系统以及山洪灾害综合风险评估体系;
所述高光谱遥感监测系统用于收集基础资料,确定遥感影像数据相应指标;
所述小流域和县域尺度山洪灾害风险评估系统用于数据分析与建模评价;
所述山洪灾害综合风险评估体系用于风险评估与区划;
所述高光谱遥感监测系统将确定的指标数据传送给小流域和县域尺度山洪灾害风险评估系统,小流域和县域尺度山洪灾害风险评估系统将分析后的数据和评价数据传送给山洪灾害综合风险评估指标体系;
具体评估方法包括如下步骤,
步骤一:建构高光谱遥感影像技术应用系统:基于山洪灾害易发区内下垫面区域特征及山洪灾害特征,组合高光谱遥感平台和高光谱成像系统,建立动态条件下光谱识别方法、确定影像识别性能和参数,形成高光谱遥感影像技术应用系统,形成高光谱遥感技术手册;
步骤二:收集整理高光谱遥感影像技术应用系统对山洪灾害现场采集的数据,采用高光谱遥感技术手册和高光谱遥感影像处理技术,对遥感平台中不同分辨率的数据进行解译分类,提取山洪灾害信息,建立统一口径和技术标准的数据集;
步骤三:以山洪灾害防治规划标准数据库为基本框架,小流域为统计单元,建构山洪灾害全要素地理信息系统全要素数据库,以遥感解译数据校检更新数据库中的内容;模拟单一灾种、复合灾种的演进与成灾过程;
步骤四:利用ArcGIS功能定量评价单一灾种、复合灾种山洪灾害关键影响要素对山洪灾害形成与发生的贡献,确定相应指标及阈值,以上述各类型山洪灾害的综合灾度为因变量,相应的降雨、土壤、地形、岩性土地利用以及社会经济因子作为自变量,构建逐步回归方程;
步骤五:确定山洪灾害风险度的指标体系,分析确定基于小流域单元的不同空间尺度风险评估方法与指标数据统一量化标准;
步骤六:在ArcGIS中,将指标体系分级图转换为栅格格式;利用ArcGIS的格栅叠加计算功能,可得到山洪灾害危险性图和山洪灾害易损性结果图;
步骤七:依据风险度公式,将计算得到的综合危险性图层与最终易损性图层以乘积的形式等权叠加,归一化后得到多空间尺度的山洪灾害风险图,形成风险性等级划分图和区划图;
步骤八:根据主导因素与综合因素相结合、区域单元内部相对一致、以人为本的社会经济分析的山洪灾害区划原则,划分出特定区域山洪灾害风险区划;在ArcGIS中叠加区域区划结果,形成下一级山洪灾害风险区划单元。
在上述技术方案中,还包括步骤九;步骤九具体为:在完成风险性等级划分图和区划图以后,以各风险区划单元为单位,统计各单位多级区内风险度等级分布特征。
在上述技术方案中,在步骤一中,高光谱遥感平台包括卫星和无人机。
在上述技术方案中,在步骤四中,山洪灾害关键影响要素包括降雨大类、地形起伏度、河网密度、土壤入渗力、土地利用产汇流能力、岩性可蚀性、人口资产综合指标。
在上述技术方案中,在步骤五中,山洪灾害风险度的指标体系包括危险性指标体系及等级划分标准、易损性指标体系及等级划分标准。
在上述技术方案中,所述高光谱遥感监测系统包括卫星和无人机遥感系统与遥感影像采集处理系统;卫星和无人机遥感系统包括高光谱成像软件和数据采集软件;高光谱成像软件获取并解译山洪灾害因子遥感影像数据参数,计算确定遥感影像数据相应指标。
本发明具有如下优点:
(1)本发明将具有高精度高效率提取地物光谱特征、快速识别山洪灾害特征因子的高光谱遥感影像识别方法和技术,应用于区域性山洪灾害易发区监测评估;能够保证实现在各种天候条件下,解决现有大规模灾情监测时监测面窄、效率低技术难题;实现了山洪灾害易发区基础数据资料的精确性、可靠性和时效性;
(2)本发明根据小流域、县域、省域、汶川震区四个空间层次山洪灾害空间变化规律,构建了多空间尺度山洪灾害评价指标体系和模型,提出了多空间尺度山洪灾害风险评估方法;在全国山洪灾害防治一二级区划系统下,提出了省级山洪灾害风险区划的方法;
(3)本发明将山洪灾害风险评估依据山洪灾害类型和特点,分为“过程分析法”和“要素分析法”;以此提出适应山洪灾害过程风险评估方法,根据各影响要素对山洪灾害形成与发生的贡献,确定山洪灾害预警指标与阈值;要素分析法是基于3S技术(3S技术是遥感技术 (Remotesensing,RS)、地理信息系统(Geographyinformationsystems, GIS)和全球定位系统(Globalpositioningsystems,GPS)的统称,是空间技术、传感器技术、卫星定位与导航技术和计算机技术、通讯技术相结合,多学科高度集成的对空间信息进行采集、处理、管理、分析、表达、传播和应用的现代信息技术)和统计学方法,综合各类主客观赋权方法,建立小流域、县域、省域等不同空间尺度的指标体系,提出多尺度山洪灾害要素风险评估方法,尺度效应可控;
(4)本发明中高光谱遥感监测系统、小流域和县域尺度山洪灾害风险评估方法和山洪灾害综合风险评估指标体系及评估,是一种统一口径全要素数据、定权方法主客观相结合、易损性计算更准确、评估结果可验证反演的山洪灾害监测评估技术,明显提高了基于防灾避灾风险评估精度和效率;
(5)本发明已在多省山洪灾害防治项目中得到试用并测试,取得了良好效果;不但解决了山洪灾害监测评估核心的技术难题,也为山洪灾害防治思路和范式向灾前预防转变提供技术支撑。
附图说明
图1为本发明的工艺流程图。
图2为本发明实施例中某地遥感影像解译图。
图3为本发明实施例中典型山洪沟地物光谱特征图。
图4为本发明实施例中基于小流域单元某县山洪灾害危险分级图。
图5为本发明实施例中某省震区山洪灾害风险图。
图6为本发明实施例中某省山洪灾害风险分级图。
图7为本发明实施例中某省山洪灾害风险区划划分。
具体实施方式
下面结合附图详细说明本发明的实施情况,但它们并不构成对本发明的限定,仅作举例而已。同时通过说明使本发明的优点更加清楚和容易理解。
参阅附图可知:高光谱监测与GIS耦合山洪灾害动态风险评估方法,其特征在于:它采用高光谱监测与GIS方法耦合山洪灾害动态风险评估系统,
所述评估系统包括高光谱遥感监测系统、小流域和县域尺度山洪灾害风险评估系统以及山洪灾害综合风险评估体系;
所述高光谱遥感监测系统用于收集基础资料,确定遥感影像数据相应指标;
所述小流域和县域尺度山洪灾害风险评估系统用于数据分析与建模评价;
所述山洪灾害综合风险评估体系用于风险评估与区划;
所述高光谱遥感监测系统将确定的指标数据传送给小流域和县域尺度山洪灾害风险评估系统,小流域和县域尺度山洪灾害风险评估系统将分析后的数据和评价数据传送给山洪灾害综合风险评估指标体系;
具体评估方法包括如下步骤,
步骤一:建构高光谱遥感影像技术应用系统;
基于山洪灾害易发区内下垫面区域特征及山洪灾害特征,组合高光谱遥感平台和高光谱成像系统,建立动态条件下光谱识别方法、确定影像识别性能和参数,形成高光谱遥感影像技术应用系统,形成高光谱遥感技术手册;
步骤二:山洪灾害高光谱遥感影像解译;
收集整理高光谱遥感影像技术应用系统对山洪灾害现场采集的数据,采用高光谱遥感技术手册和高光谱遥感影像处理技术,对遥感平台中不同分辨率的数据,采用人机交互式半自动化、基于专业图像处理软件、利用模式识别、模糊分类和神经网络等技术进行解译分类,提取山洪灾害相关信息,建立统一口径和技术标准的数据集;
步骤三:建构山洪灾害全要素数据库;
以山洪灾害防治规划标准数据库为基本框架,小流域为统计单元,建构山洪灾害全要素地理信息系统全要素数据库(包括小流域单元、气象、数字高程(DEM)、土地利用、地质、土壤属性、社会经济、山洪灾害调查等),以遥感解译数据校检更新数据库中的内容;模拟单一灾种、复合灾种的演进与成灾过程;
步骤四:山洪灾害影响因素指标集与定量;
利用ArcGIS功能定量评价单一灾种、复合灾种山洪灾害关键影响要素对山洪灾害形成与发生的贡献(即采用多因子分析法、主成分分析法、概率分析法等,定量评价各山洪灾害关键影响要素对山洪灾害形成与发生的贡献),确定相应指标及阈值,以上述各类型山洪灾害的综合灾度为因变量,相应的降雨、土壤、地形、岩性土地利用以及社会经济因子作为自变量,构建逐步回归方程;
步骤五:GIS技术的风险评估计算与区划;
运用3S技术(3S技术是遥感技术(Remotesensing,RS)、地理信息系统(Geographyinformationsystems,GIS)并结合区域环境要素特点,确定山洪灾害风险度的指标体系,分析确定基于小流域单元的不同空间尺度风险评估方法与指标数据统一量化标准;用层次分析法、模糊综合分析法,建立相关评价模型,对确定区域进行风险评估和区划;
步骤六:在ArcGIS中,将指标体系分级图转换为栅格格式;利用ArcGIS的格栅叠加计算功能,可得到山洪灾害危险性图和山洪灾害易损性结果图;
步骤七:动态风险评估与反演;
依据风险度公式,将计算得到的综合危险性图层与最终易损性图层以乘积的形式等权叠加,归一化后得到多空间尺度的山洪灾害风险图,形成风险性等级划分图和区划图;并反演不同时期历史灾情,快速确定区域风险水平变化及灾情格局;
步骤八:集成耦合山洪灾害监测评估;
采用ENVI和ArcGIS快速识别山洪灾害区域的特征因子,输出监测区域山洪沟山洪特征因子空间分布图,制定山洪灾害风险图及区划编制方法,耦合生成高精度的多时空尺度的山洪灾害风险图;
即根据主导因素与综合因素相结合、区域单元内部相对一致、以人为本的社会经济分析等山洪灾害区划原则,划分出特定区域山洪灾害风险区划;在ArcGIS中叠加区域区划结果,形成下一级山洪灾害风险区划单元(如图1所示)。
还包括步骤九;步骤九具体为:在完成风险性等级划分图和区划图以后,以各风险区划单元为单位,统计单位多级区内风险度等级分布特征(当按大区域、县域、小流域进行划分时,要识具体可基本分为三级,此时,统计单位三级区内风险度等级分布特征);
根据山洪灾害风险度的指标体系,采用光谱演化特征分析法对监测结果进行分析、总结和归纳,对区域调查评价数据做必要的修正补充,优化分析结果;本发明的评估方式为闭环评估(即体现动态评估),通过得到的结果修正前述步骤得到的数据,保证评估结果的准确性。
在步骤一中,高光谱遥感平台包括卫星和无人机。
在步骤四中,山洪灾害关键影响要素包括降雨大类(R)、地形起伏度(S)、河网密度(H)、土壤入渗力(SO)、土地利用产汇流能力(LA)、岩性可蚀性(L)、人口资产综合指标(P)。
在步骤五中,山洪灾害风险度的指标体系包括危险性指标体系及等级划分标准、易损性指标体系及等级划分标准。
在步骤六中,指标体系包括危险性指标和易损性指标。
高光谱监测与GIS方法耦合山洪灾害动态风险评估指标系统包括高光谱遥感监测系统、小流域和县域尺度山洪灾害风险评估系统和山洪灾害综合风险评估指标体系;
高光谱遥感监测系统用于收集基础资料,确定遥感影像数据相应指标;所述高光谱遥感监测系统,包括卫星和无人机遥感系统和遥感影像采集处理系统;卫星和无人机遥感系统包括高光谱成像监测子系统、识别反射光谱特征子系统和分析光谱演化特征子系统;高光谱成像监测子系统获取软件解译山洪灾害因子遥感影像数据相关参数,计算确定遥感影像数据相应指标;
小流域和县域尺度山洪灾害风险评估系统用于数据分析与建模评价;小流域和县域尺度山洪灾害风险评估系统的评估方法包括以下步骤:资料收集、指标体系建立与出图、山洪过程危险性分析、承灾体易损性分析、风险评估结果与验证;
山洪灾害综合风险评估指标体系用于评估与区划风险;山洪灾害综合风险评估指标体系包括影响山洪灾害关键因素定量,复合灾种因果关系及耦合作用,危险性分析、易损性分析叠加的风险分析与区划原则和方法;
本发明充分利用山洪灾害调查评价数据,并以高光谱遥感影像解译相关要素数据补充修正,易损性计算更准确,评估结果可有效验证,评估方法保持一致性。
本发明所述高光谱监测与GIS方法耦合山洪灾害动态风险评估指标系统是一种统一口径全要素数据、定权方法主客观相结合、易损性计算更准确、评估结果可验证反演的山洪灾害监测评估技术,明显提高了基于小流域单元防灾避灾风险评估精度和效率。
实施例
现以本发明应用于某省震区为实施例,结合附图对本发明进行详细说明,但它们并不构成对本发明的限定,仅作举例而已。同时通过说明使本发明的优点更加清楚并容易理解。本实施例对本发明应用于其它地域的在山洪灾害易发区快速高光谱遥感监测,运用基于小流域单元的多时空山洪灾害动态风险监测评估同样具有指导意义。
本实施例,包括如下步骤:
步骤一:基础资料收集
基于某省山洪灾害易发区域的山洪灾害风险评估需要,建立某省山洪灾害全要素地理信息基础数据库;以高光谱遥感监测数据补充完善数据库相关内容:
S1.1:对开展典型山洪沟监测调查的地物遥感影像进行解译(如图2所示);
S1.2:以遥感影像光谱立方体为依据,确定各因子的识别方法,建立各因子光谱特征数据库(如图3所示);
S7.3:根据不同山洪灾害因子的特征光谱,采用ENVI和ArcGIS 软件识别山洪特征因子,实现对区域的遥感影像识别,输出监测区域山洪沟山洪特征因子空间分布图;
步骤二:数据分析与建模评价
S2.1:以小流域为单元统计“综合灾度”,数据归一化处理,分别生成溪河洪水、泥石流和滑坡的综合灾度分布图;
S2.2:山洪灾害各影响要素小流域单元平均值获取方法:
1)降雨大类(R):本大类收集了多年年平均雨量(A1)、6小时最大暴雨量(A2)、12小时最大暴雨量(A3)和24小时最大暴雨量(A4)4项指标,由于指标较多,采用降维的思路,应用主成分分析法提取了一个主成分,将原本4项指标合并为一项,即降雨大类(R),然后应用Kringing插值,得到面降雨栅格图,再经ArcGIS 提取得到小流域平均值;
2)起伏度(S):反映地表形态的起伏高低情况,数值越大表示区域起伏度越大。地形起伏度栅格图由DEM原始数据导入ArcGIS 中的Neighborhood statistic命令计算最大值和最小值并相减求得,出栅格图后经ArcGIS提取得到小流域平均值;
3)河网密度(H):反映流域地貌发育程度,河网密度越大,地表切割破碎程度越高。河网密度利用ArcGIS的Hydrology功能模块提取流域河网,然后计算各流域单元内河网长度并除以相应的流域面积得到;
4)土壤入渗力(SO):本指标数值根据不同土壤类型的颗粒组成及有机质含量打分综合加权后归一化得到;
5)土地利用产汇流能力(LA):多项研究表明植被对产汇流具有显著的抑制作用,本指标即是反映植被(实际为土地利用状况)对流域产汇流的影响,具体评估依据各流域的土地利用状况,采用专家打分法对不同的土地利用类型打分,打分越高,表示植被覆盖越好,越不易产汇流;
6)岩性可蚀性(L):岩性的可侵蚀性在一定程度上反映了地表岩层的破碎风化程度和节理发育情况,对地表产汇流以及松散堆积物的分布都有一定影响;采用专家打分法对主要成土母岩易蚀性进行赋值;打分时先确定岩性,然后确定结构产状,最后在GIS中完成栅格化;
7)人口资产综合指标(P):作为易损性指标,本项指标涉及多个要素,考虑到现有资料的收集情况,最终选取小流域受威胁人口密度和受威胁道路密度作为基本生命财产要素,基于“人贵于财”价值理念,按人口70%、道路30%加权后得到综合指标;
依据上述计算方法,生成历史灾情分布图;
S2.3:将山洪灾害程度作为被解释变量,预期影响因素作为解释变量,构建回归模型;
山洪灾害与影响要素的关系可写作如下形式:
D=a·Rk1·Sk2·Pk3+b·SO+c·LA+d·H+e·L Rk1·Sk2·P k3>x (1)
D=a·Rk1·Sk2·Pk3 Rk1·Sk2·Pk3≤x (2)
其中D为综合灾度,反映山洪灾害的发生程度;
R,S,P分别表示降雨大类、地形起伏度以及人口资产综合指标;
SO,LA,H,L分别表示土壤入渗力、土地利用产汇流能力、流域河网密度和岩性等一般影响要素的属性指标;
a,b,c,d,e为各指标相应的系数;
k1,k2,k3为三项基本要素的指数,反映这三项指标之于山洪灾害作用的相对强弱;
x为判断阈值,对应Rk1·Sk2·Pk3图层的某一数值,可根据应用需要自行设定。
S2.4:采用分段建模的方式研究山洪灾害余各影响因子的定量关系,计算实例如下:
表1不同山洪灾害与三项基本影响要素的回归关系
在明确了三项基本因子(溪河洪水、泥石流、滑坡)在不同类型山洪灾害回归方程中的作用以后,计算各类型山洪灾害的 Rk1·Sk2·Pk3(下文称RSP)数值,其中k1’,k2’,k3’分别为各因子在相应回归方程中的标准化回归系数;得到RSP以后,将其作为自变量,代入以土壤入渗力(SO)、土地利用产汇流能力(LA)、流域河网密度(H)、岩性(L)为自变量,相应山洪灾害综合灾度为因变量的逐步回归方程,得到各影响因子对三类山洪灾害的贡献(表 2)。
表2不同山洪灾害与综合影响因素的回归关系
步骤三:风险评估与区划
S3.1:确定指标体系:
层次分析法定量评价指标在危险性和易损性大小中的贡献,打分建立判别矩阵并归一化,选取危险性和易损性评价指标体系;为了将不同指标体系组合后用统一的量化标准对其等级进行划分,首先根据已有数据,对危险性和易损性水平进行划分;
S3.2:危险性指标体系及评估:
根据危险性各评价指标,及对各指标数值的综合统计分析,结合专家的经验判断,确定出危险性各指标的权重值。结合ArcGIS的空间分析计算,将各指标危险性分级图转换为栅格格式,结合危险性指标体系的各指标权重计算给出的每个指标所确定的综合权重值,利用 ArcGIS的栅格叠加计算功能,可得到山洪灾害危险性图(如图4所示);
S3.3:易损性指标体系及评估:
根据易损性评价指标体系,依据层次分析法计算山洪灾害易损性指标的权重值。在ArcGIS中,将各指标分级图转换为栅格格式,结合山洪灾害易损性评价指标权重给出每个指标所确定的综合权重值,利用ArcGIS的栅格叠加计算功能,可得到山洪灾害易损性成果图;
S3.4:山洪灾害风险评估:
根据山洪风险度R等于危险度H乘以易损度V的定义,利用 ArcGIS的空间分析叠加功能,可以计算山洪灾害的风险度图。在处理数据时,首先将危险性分级图和易损性分级图进行归一化取值(0-1) 实例见下表:
表3山洪灾害风险等级划分标准
等级值 | 等级描述 | 指数 |
1 | 低风险区 | 0–0.053 |
2 | 较低风险区 | 0.053–0.155 |
3 | 中风险区 | 0.155–0.242 |
4 | 较高风险区 | 0.242–0.295 |
5 | 高风险区 | 0.295-1 |
然后进行栅格相乘计算,即可得山洪灾害的风险图,其取值范围为0~1之间。根据山洪灾害风险区等级划分标准进行分级,可得到山洪灾害风险分级图,实例见附图5、附图6;
S3.5:山洪灾害风险区划:
根据山洪灾害风险分级结果,结合全国山洪灾害防治规划中的一、二级防治分区范围,采用基于空间邻接系数的聚类分析方法,对风险分级结果中的最小单元进行逐级向上合并,根据主导因素与综合因素相结合、区域单元内部相对一致、以人为本的经济社会分析等山洪灾害区划原则,划分出全国山洪灾害风险区划单元。以省山洪灾害风险等级为基础进行最小单元聚类,在ArcGIS中叠加全国山洪灾害防治二级区划(省境内)成果,同时根据省自然条件和山洪灾害防治现状,将省境内的西南地区细分为3个三级区。结合全国山洪灾害二级区划情况,结果是省涉及6个山洪灾害风险区划单元,如附图7所示。
结论:本实施例能基于遥感监测,建立山洪灾害风险度评估指标体系,实现小流域单元的多时空尺度山洪灾害动态风险监测评估,实现了山洪灾害易发区基础数据资料的精确性、可靠性和时效性。
其它未说明的部分均属于现有技术。
Claims (6)
1.高光谱监测与GIS耦合山洪灾害动态风险评估方法,其特征在于:它采用高光谱监测与GIS方法耦合山洪灾害动态风险评估系统,
所述评估系统包括高光谱遥感监测系统、小流域和县域尺度山洪灾害风险评估系统以及山洪灾害综合风险评估体系;
所述高光谱遥感监测系统用于收集基础资料,确定遥感影像数据相应指标;
所述小流域和县域尺度山洪灾害风险评估系统用于数据分析与建模评价;
所述山洪灾害综合风险评估体系用于风险评估与区划;
所述高光谱遥感监测系统将确定的指标数据传送给小流域和县域尺度山洪灾害风险评估系统,小流域和县域尺度山洪灾害风险评估系统将分析后的数据和评价数据传送给山洪灾害综合风险评估体系;
具体评估方法包括如下步骤,
步骤一:建构高光谱遥感影像技术应用系统:基于山洪灾害易发区内下垫面区域特征及山洪灾害特征,组合高光谱遥感平台和高光谱成像系统,建立动态条件下光谱识别方法、确定影像识别性能和参数,形成高光谱遥感影像技术应用系统,形成高光谱遥感技术手册;
步骤二:收集整理高光谱遥感影像技术应用系统对山洪灾害现场采集的数据,采用高光谱遥感技术手册和高光谱遥感影像处理技术,对遥感平台中不同分辨率的数据进行解译分类,提取山洪灾害信息,建立统一口径和技术标准的数据集;
步骤三:以山洪灾害防治规划标准数据库为基本框架,小流域为统计单元,建构山洪灾害全要素地理信息系统全要素数据库,以遥感解译数据校检更新数据库中的内容;模拟单一灾种、复合灾种的演进与成灾过程;
步骤四:利用ArcGIS功能定量评价单一灾种、复合灾种山洪灾害关键影响要素对山洪灾害形成与发生的贡献,确定相应指标及阈值,以上述各类型山洪灾害的综合灾度为因变量,相应的降雨、土壤、地形、岩性土地利用以及社会经济因子作为自变量,构建逐步回归方程;
步骤五:确定山洪灾害风险度的指标体系,分析确定基于小流域单元的不同空间尺度风险评估方法与指标数据统一量化标准;
步骤六:在ArcGIS中,将指标体系分级图转换为栅格格式;利用ArcGIS的格栅叠加计算功能,可得到山洪灾害危险性图和山洪灾害易损性结果图;
步骤七:依据风险度公式,将计算得到的综合危险性图层与最终易损性图层以乘积的形式等权叠加,归一化后得到多空间尺度的山洪灾害风险图,形成风险性等级划分图和区划图;
步骤八:根据主导因素与综合因素相结合、区域单元内部相对一致、以人为本的社会经济分析的山洪灾害区划原则,划分出特定区域山洪灾害风险区划;在ArcGIS中叠加区域区划结果,形成下一级山洪灾害风险区划单元。
2.根据权利要求1所述的高光谱监测与GIS耦合山洪灾害动态风险评估方法,其特征在于:还包括步骤九;步骤九具体为:在完成风险性等级划分图和区划图以后,以各风险区划单元为单位,统计各单位多级区内风险度等级分布特征。
3.根据权利要求1或2所述的高光谱监测与GIS耦合山洪灾害动态风险评估方法,其特征在于:在步骤一中,高光谱遥感平台包括卫星和无人机。
4.根据权利要求3所述的高光谱监测与GIS耦合山洪灾害动态风险评估方法,其特征在于:在步骤四中,山洪灾害关键影响要素包括降雨大类、地形起伏度、河网密度、土壤入渗力、土地利用产汇流能力、岩性可蚀性、人口资产综合指标。
5.根据权利要求4所述的高光谱监测与GIS耦合山洪灾害动态风险评估方法,其特征在于:在步骤五中,山洪灾害风险度的指标体系包括危险性指标体系及等级划分标准、易损性指标体系及等级划分标准。
6.根据权利要求5所述的高光谱监测与GIS耦合山洪灾害动态风险评估方法,其特征在于:所述高光谱遥感监测系统包括卫星和无人机遥感系统与遥感影像采集处理系统;卫星和无人机遥感系统包括高光谱成像软件和数据采集软件;高光谱成像软件获取并解译山洪灾害因子遥感影像数据参数,计算确定遥感影像数据相应指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110508840.9A CN113487123B (zh) | 2021-05-11 | 2021-05-11 | 高光谱监测与gis耦合山洪灾害动态风险评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110508840.9A CN113487123B (zh) | 2021-05-11 | 2021-05-11 | 高光谱监测与gis耦合山洪灾害动态风险评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113487123A CN113487123A (zh) | 2021-10-08 |
CN113487123B true CN113487123B (zh) | 2022-05-27 |
Family
ID=77932810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110508840.9A Active CN113487123B (zh) | 2021-05-11 | 2021-05-11 | 高光谱监测与gis耦合山洪灾害动态风险评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487123B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113919400B (zh) * | 2021-11-03 | 2023-04-07 | 电子科技大学 | 一种无人机目标信号识别方法 |
CN114186780B (zh) * | 2021-11-04 | 2022-07-22 | 河海大学 | 一种基于机器学习的山洪灾害区划方法 |
CN114332303A (zh) * | 2022-03-11 | 2022-04-12 | 航天宏图信息技术股份有限公司 | 综合灾害高风险区的计算标绘方法、装置及电子设备 |
CN115114366A (zh) * | 2022-04-11 | 2022-09-27 | 湖南省水利水电科学研究院 | 一种基于风险度量和抗旱能力评估的干旱区划方法 |
CN116504032B (zh) * | 2023-06-28 | 2023-09-22 | 湖南科技大学 | 一种基于实景三维的滑坡危险性监测预警方法及系统 |
CN117114241A (zh) * | 2023-09-11 | 2023-11-24 | 南京宁通智能交通技术研究院有限公司 | 一种用于监测道路灾害的智慧遥感系统 |
CN117540830B (zh) * | 2024-01-05 | 2024-04-12 | 中国地质科学院探矿工艺研究所 | 基于断层分布指数的泥石流易发性预测方法、装置及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787208A (zh) * | 2016-03-25 | 2016-07-20 | 济南大学 | 一种基于gis的山洪灾害沿河受灾户数的估算方法 |
CN107391930A (zh) * | 2017-07-21 | 2017-11-24 | 华北水利水电大学 | 山洪灾害分析评价系统及山洪灾害分析评价方法 |
CN108280553A (zh) * | 2018-02-24 | 2018-07-13 | 中山大学 | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 |
CN109829584A (zh) * | 2019-02-02 | 2019-05-31 | 中国水利水电科学研究院 | 一种山洪风险动态评估方法 |
-
2021
- 2021-05-11 CN CN202110508840.9A patent/CN113487123B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105787208A (zh) * | 2016-03-25 | 2016-07-20 | 济南大学 | 一种基于gis的山洪灾害沿河受灾户数的估算方法 |
CN107391930A (zh) * | 2017-07-21 | 2017-11-24 | 华北水利水电大学 | 山洪灾害分析评价系统及山洪灾害分析评价方法 |
CN108280553A (zh) * | 2018-02-24 | 2018-07-13 | 中山大学 | 基于gis-神经网络集成的山洪灾害风险区划及预测方法 |
CN109829584A (zh) * | 2019-02-02 | 2019-05-31 | 中国水利水电科学研究院 | 一种山洪风险动态评估方法 |
Non-Patent Citations (2)
Title |
---|
Comparative study on flash flood hazard assessment for Nam Ou River Basin, Lao PDR;Jun Du.et.;《Natural Hazards》;20200508;第102卷;第1393-1417页 * |
洪水灾害风险评价研究综述;路明浩等;《四川环境》;20101231;第29卷(第6期);第127-132页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113487123A (zh) | 2021-10-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113487123B (zh) | 高光谱监测与gis耦合山洪灾害动态风险评估方法 | |
Ayalew et al. | Landslide susceptibility mapping using GIS-based weighted linear combination, the case in Tsugawa area of Agano River, Niigata Prefecture, Japan | |
Quan et al. | GIS-based landslide susceptibility mapping using analytic hierarchy process and artificial neural network in Jeju (Korea) | |
Myagmartseren et al. | Implications of a spatial multicriteria decision analysis for urban development in Ulaanbaatar, Mongolia | |
Guzzetti et al. | Estimating the quality of landslide susceptibility models | |
Zhu et al. | Flood disaster risk assessment based on random forest algorithm | |
Abebe | Quantifying urban growth pattern in developing countries using remote sensing and spatial metrics: A case study in Kampala, Uganda | |
Shi-Biao et al. | GIS-based and data-driven bivariate landslide-susceptibility mapping in the Three Gorges area, China | |
Xu et al. | Suitability evaluation of urban construction land based on geo-environmental factors of Hangzhou, China | |
Perera et al. | Landslide vulnerability assessment based on entropy method: A case study from Kegalle district, Sri Lanka | |
Zhao et al. | Slope unit-based landslide susceptibility mapping using certainty factor, support vector machine, random forest, CF-SVM and CF-RF models | |
CN102360458A (zh) | 一种移民安置区选择模糊评价方法 | |
CN102184423B (zh) | 一种全自动的区域不透水面遥感信息精确提取方法 | |
CN111898315A (zh) | 基于分形—机器学习混合模型的滑坡易发性评估方法 | |
CN113554345B (zh) | 地震滑坡灾害区域及灾害链风险评估方法 | |
CN111932591B (zh) | 典型地质灾害遥感智能提取的方法与系统 | |
Cova et al. | Exurban change detection in fire-prone areas with nighttime satellite imagery | |
Okalp et al. | Landslide susceptibility assessment in medium-scale: case studies from the major drainage basins of Turkey | |
Adinarayana et al. | Integration of multi-seasonal remotely-sensed images for improved landuse classification of a hilly watershed using geographical information systems | |
Wang et al. | Quality evaluation of land reclamation in mining area based on remote sensing | |
CN110362867B (zh) | 基于多元影响因子的地面沉降分区方法 | |
CN116502748A (zh) | 融合多影响因素的滑坡空间风险性预警决策机制研究方法 | |
CN116699612A (zh) | 融合InSAR形变量与降雨量的滑坡危险性评价方法 | |
Ye et al. | GeoUNet: A novel AI model for high-resolution mapping of ecological footprint | |
Woldegebriel et al. | Evaluation of groundwater potential zone using remote sensing and geographical information system: in Kaffa zone, South Western Ethiopia |
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 |