CN114333208A - 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 - Google Patents
面向高山峡谷地区森林火灾后泥石流的预测方法及系统 Download PDFInfo
- Publication number
- CN114333208A CN114333208A CN202210183676.3A CN202210183676A CN114333208A CN 114333208 A CN114333208 A CN 114333208A CN 202210183676 A CN202210183676 A CN 202210183676A CN 114333208 A CN114333208 A CN 114333208A
- Authority
- CN
- China
- Prior art keywords
- fire
- debris flow
- potential
- gully
- forest
- 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
Images
Abstract
本发明公开了一种面向高山峡谷地区森林火灾后泥石流的预测方法及系统,属于林火灾害后泥石流预警技术领域,包括高山峡谷地区森林火灾数据获取阶段,及森林火灾后泥石流的预测阶段:所述高山峡谷地区森林火灾数据获取阶段利用高分遥感热红外波谱特征感知亮温异常,快速发现火点、燃烧点、监测火场态势演变及火情发展;所述森林火灾后泥石流的预测阶段对潜在泥石流沟等火后次生隐患进行易发性评价,为火后预判次生隐患、灾后重建等防灾减灾活动提供重要决策支撑依据;本发明解决了难以对获取造成高山峡谷地区林火灾害后泥石流数据以及灾后次生泥石流预测的问题。
Description
技术领域
本发明属于林火灾害后泥石流预警技术领域,尤其涉及一种面向高山峡谷地区森林火灾后泥石流的预测方法及系统。
背景技术
森林火灾严重威胁到人类生命财产安全,火后频发的次生灾害隐患常常导致更多的人员伤亡和财产损失,阻碍灾后重建工作开展,对社会民生造成了重大负面影响。森林火灾是一种灾前感知预警难度大、灾中危害性极大、应急扑救决策较为困难的自然灾害,是火灾的一种。森林火灾后容易导致流域附近地区发生泥石流等次生灾难。
传统的森林火灾受高山峡谷地形、大面积火势、火场风向风速多变及通信不畅等影响,存在应急扑救资源不明、火情不清、扑救路线不熟悉及扑救部署决策不合理等问题,致使扑救过程经常耗费大量的人物财等资源,且有时危及扑救人员与当地群众生命安全,造成人员伤亡。因此,为实现森林火灾“打早”、“打小”、“打了”的防控目标,提升应急救援与火后次生隐患灾害预判备灾能力,结合现有高分遥感、大数据等现代化科学技术进行森林火灾应急扑救具有重要意义。
森林火灾后导致的高山峡谷地区的泥石流需要考虑到火灾前中期和火灾后期过火区面积、潜在泥石流沟地灾在隐患点数量、火后指标指数、潜在泥石流沟的近两年内植被恢复面积占比等与其他泥石流灾害引起因素不同的情况,现有技术缺乏对林火灾害后潜在泥石流沟地区发生泥石流的预测模型的研究,因此,能够分阶段应对高山峡谷地区森林火灾并提取火灾对泥石流影响数据的一种对高山峡谷地区林火灾害后次生泥石流产生的预测方法及系统是亟需的。
发明内容
针对现有技术中的上述不足,本发明提供的一种面向高山峡谷地区森林火灾后泥石流的预测方法及系统,解决了难以对获取造成高山峡谷地区林火灾害后泥石流数据以及灾后次生泥石流预测的问题。
为了达到上述发明目的,本发明采用的技术方案为:
本发明提供一种面向高山峡谷地区森林火灾后泥石流的预测方法,包括高山峡谷地区森林火灾数据获取阶段,及森林火灾后泥石流的预测阶段:
所述高山峡谷地区森林火灾数据获取阶段包括如下步骤:
A1、利用高分遥感热红外波段波谱特征与可见光纹理特征,获取火场燃烧点、火点、火线和火场应急救援信息;
A2、基于遥感数据波谱纹理特征以及实时降雨、风向和风速,利用波谱计算方法动态检测,得到火场态势演变和火情发展信息;
A3、根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,分析林火前中期和林火后期信息,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据,并进入步骤B1;
所述森林火灾后泥石流的预测阶段包括如下步骤:
B1、基于重度过火区和中度过火区时空分布数据,并结合过火区与周边区域高精度地形、灾后分辨率遥感影像以及现场反馈照片和视频资料,得到火后潜在泥石流沟分布信息;
B2、基于潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型;
B3、基于火后潜在泥石流沟分布信息,利用火后潜在泥石流沟次生隐患灾害发生模型,利用GIS软件划分出潜在泥石流沟地区泥石流不同易发可能性的区域,完成高山峡谷森林火灾扑救与灾后泥石流预测。
本发明的有益效果为:本发明提供的面向高山峡谷地区森林火灾后泥石流的预测方法,包括高山峡谷地区森林火灾数据获取阶段,及森林火灾后泥石流的预测阶段:所述高山峡谷地区森林火灾数据获取阶段利用高分遥感热红外波谱特征感知亮温异常,快速发现火点、燃烧点、监测火场态势演变及火情发展;所述森林火灾后泥石流的预测阶段对潜在泥石流沟等火后次生隐患进行易发性评价,为火后预判次生隐患、灾后重建等防灾减灾活动提供重要决策支撑依据。
进一步地,所述步骤A1中火场应急救援信息包括航空取水点、消防取水点位置、直升机起备降点、火灾救援物资库、救援开进路线、可通达道路、居民点、学校和加油站的信息。
采用上述进一步方案的有益效果为:通过遥感数据波普纹理特征以及实时降雨、风向和风速,获取火场附近水源位置、直升机起备降场、救援力量及扑救路线等信息,为灾中扑救提供重要扑救参考信息。
进一步地,所述步骤A3包括如下步骤:
A31、根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,分析过火区植被覆盖类型、植被覆盖率及高分遥感的可见近红外波段与红波段反射率,得到重度过火区和中度过火区时空分布数据;
A32、利用林火前中期和林火后期信息以及高分遥感林火灾害后植被特征与燃烧残留物沉积特征,且采用差值归一化燃烧指数、面向对象分类以及阈值分割法,得到潜在泥石流沟数据。
采用上述进一步方案的有益效果为:通过过火区植被覆盖类型、植被覆盖率及高分遥感的可见近红外波段与红波段反射率,得到重度过火区和中度过火区时空分布数据,同时利用林火灾害后泥石流预测的模型需要潜在泥石流沟数据。
进一步地,所述潜在泥石流沟数据包括高山峡谷地区森林火灾前中期获取的潜在泥石流沟地灾在隐患点数量、潜在泥石流沟内过火区域坡度和潜在泥石流沟的主沟长度数据,以及火灾后期获取的重度过火区和中度过火区面积占流域总面积比例、火后指标指数以及潜在泥石流沟的近两年内植被恢复面积占比。
采用上述进一步方案的有益效果为:提供了火后潜在泥石流沟次生隐患灾害发生模型构建需要的分别通过高山峡谷地区森林火灾前中期和后期获取的数据。
进一步地,所述步骤B2中火后潜在泥石流沟次生隐患灾害发生模型的计算表达式如下:
P = av 1 +bv 2 +cv 3 +dv 4 +ev 5 +fv 6 +gv 7 +hv 8
其中,P表示火后潜在泥石流沟次生隐患灾害发生概率,a表示归一化的重度过火区和中度过火区面积占流域总面积比例,b表示归一化的潜在泥石流沟地灾在隐患点数量,c表示归一化的潜在泥石流沟内过火区域坡度,d表示归一化的潜在泥石流沟汇水区面积,e表示归一化的潜在泥石流沟的主沟长度,f表示归一化的火后指标指数,g表示归一化的潜在泥石流沟的近两年内植被恢复面积占比,h表示归一化的潜在泥石流沟的历史同期降雨量,v 1、v 2、v 3、v 4、v 5、v 6、v 7和v 8分别表示重度过火区和中度过火区面积占流域总面积比例权重因子、潜在泥石流沟地灾在隐患点数量权重因子、潜在泥石流沟内过火区域坡度权重因子、潜在泥石流沟汇水区面积权重因子、潜在泥石流沟的主沟长度权重因子、火后指标指数权重因子、潜在泥石流沟的近两年内植被恢复面积占比权重因子以及潜在泥石流沟的历史同期降雨量权重因子,且v 1=0.2,v 2=0.1、v 3=0.15,v 4=0.15,v 5=0.1,v 6=0.1、v 7=0.05,v 8=0.15。
采用上述进一步方案的有益效果为:提供火后潜在泥石流沟次生隐患灾害发生模型的计算方法,通过林火灾害后潜在泥石流沟有效数据获取,实现对泥石流发生的概率计算。
一种面向高山峡谷地区森林火灾后泥石流预测方法的系统,包括:
数据获取子系统,用于利用高分遥感热红外波段波谱特征与可见光纹理特征,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据;
森林火灾后泥石流的预测子系统,用于基于重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型,并利用火后潜在泥石流沟次生隐患灾害发生模型划分出潜在泥石流沟地区泥石流不同易发可能性的区域,完成高山峡谷森林火灾扑救与灾后泥石流预测。
本发明的有益效果为:本方案提供的一种面向高山峡谷地区森林火灾后泥石流预测方法的系统为一种面向高山峡谷地区森林火灾后泥石流的预测方法对应设置的系统,用于实现面向高山峡谷地区森林火灾后泥石流的预测方法。
进一步地,所述数据获取子系统包括:
火场燃烧和应急救援信息获取模块,用于利用高分遥感热红外波段波谱特征与可见光纹理特征,获取火场燃烧点、火点、火线和火场应急救援信息;
火场态势演变和火情发展信息获取模块,用于基于遥感数据波谱纹理特征以及实时降雨、风向和风速,利用波谱计算方法动态检测,得到火场态势演变和火情发展信息;
过火区时刻分布和潜在泥石流沟数据获取模块,用于根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,并分析林火前中期和林火后期信息,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据。
采用上述进一步方案的有益效果为:通过设置火场燃烧和应急救援信息获取模块获取火场燃烧点、火点、火线和火场应急救援信息;通过设置火场态势演变和火情发展信息获取模块,利用火场燃烧点、火点、火线和火场应急救援信息,得到火场态势演变和火情发展信息;通过设置过火区时刻分布和潜在泥石流沟数据获取模块,利用火情信息,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据,为泥石流发生概率和泥石流发生不同可能性地区划分提供基础。
进一步地,所述森林火灾后泥石流的预测子系统包括:
火后潜在泥石流沟分布信息获取模块,用于基于重度过火区和中度过火区时空分布数据,并结合过火区与周边区域高精度地形、灾后分辨率遥感影像以及现场反馈照片和视频资料,得到火后潜在泥石流沟分布信息;
泥石流预测模型定义模块,用于基于潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型;
灾后泥石流预测与泥石流区域划分模块,用于基于火后潜在泥石流沟分布信息,利用火后潜在泥石流沟次生隐患灾害发生模型,利用GIS软件划分出潜在泥石流沟地区泥石流不同易发可能性的区域。
采用上述进一步方案的有益效果为:通过火后潜在泥石流沟分布信息获取模块,基于重度过火区和中度过火区时空分布数据,得到火后潜在泥石流沟分布信息;通过设置泥石流预测模型定义模块,基于潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型;通过灾后泥石流预测与泥石流区域划分模块,实现划分出潜在泥石流沟地区泥石流不同易发可能性的区域。
附图说明
图1为本发明实施例中面向高山峡谷地区森林火灾后泥石流的预测方法的步骤流程图。
图2为本发明实施例中灾后区域泥石流沟区域受灾程度划分图。
图3为本发明实施例中灾后区域泥石流沟区域泥石流发生概率划分图。
图4为本发明实施例中面向高山峡谷地区森林火灾后泥石流预测方法的系统结构图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例1
如图1所示,在本本实施例中,本发明提供一种面向高山峡谷地区森林火灾后泥石流的预测方法,包括高山峡谷地区森林火灾数据获取阶段,及森林火灾后泥石流的预测阶段:
所述高山峡谷地区森林火灾数据获取阶段包括如下步骤:
A1、利用高分遥感热红外波段波谱特征与可见光纹理特征,获取火场燃烧点、火点、火线和火场应急救援信息;
所述步骤A1中火场应急救援信息包括航空取水点、消防取水点位置、直升机起备降点、火灾救援物资库、救援开进路线、可通达道路、居民点、学校和加油站的信息;
A2、基于遥感数据波谱纹理特征以及实时降雨、风向和风速,利用波谱计算方法动态检测,得到火场态势演变和火情发展信息;
A3、根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,分析林火前中期和林火后期信息,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据,并进入步骤B1;
所述步骤A3包括如下步骤:
A31、根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,分析过火区植被覆盖类型、植被覆盖率及高分遥感的可见近红外波段与红波段反射率,得到重度过火区和中度过火区时空分布数据;
A32、利用林火前中期和林火后期信息以及高分遥感林火灾害后植被特征与燃烧残留物沉积特征,且采用差值归一化燃烧指数、面向对象分类以及阈值分割法,得到潜在泥石流沟数据;
本方案获取的火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,还可用于选择救援道路、制定分阶段森林火灾救援应急部署方案,具体步骤如下:
C1、根据火场应急救援信息、火灾态势演变和火情发展信息,选择最优救援道路;
C2、根据火场燃烧点、火点和火线、火场应急救援信息、火灾态势演变和火情发展信息,得到过火区亮温异常高亮区分布、过火区火线发展蔓延界限、救援队伍驻地、救援行动动态位置和大型救援装备位置特征;
C3、根据过火区亮温异常高亮区分布、过火区火线发展蔓延界限、救援队伍驻地、救援行动动态位置、大型救援装备位置特征,制定分阶段森林火灾救援应急部署方案;
所述步骤C3中分阶段森林火灾救援应急部署方案包括:
C31、火灾救援前期准备阶段方案:临时前方指挥部备选点以及前期救援队伍和后续增援力量集结区域方案,以及先期火场勘察与火场扑救主攻方向部署方案;
C32、火灾救援攻坚阶段方案:火场各区域救援力量行进路线,以及专业和半专业力量主次梯队配合部署、携带扑救装备和灭火方式方案;
C33、火灾收尾阶段方案:半专业救援力量和民兵力量开展纵深残火、烟点和暗火清理阶梯部署,以及行进与回撤路线方案;
所述潜在泥石流沟数据包括高山峡谷地区森林火灾前中期获取的潜在泥石流沟地灾在隐患点数量、潜在泥石流沟内过火区域坡度和潜在泥石流沟的主沟长度数据,以及火灾后期获取的重度过火区和中度过火区面积占流域总面积比例、火后指标指数以及潜在泥石流沟的近两年内植被恢复面积占比;
所述森林火灾后泥石流的预测阶段包括如下步骤:
B1、基于重度过火区和中度过火区时空分布数据,并结合过火区与周边区域高精度地形、灾后分辨率遥感影像以及现场反馈照片和视频资料,得到火后潜在泥石流沟分布信息;
所述潜在泥石流沟为重度过火区和中度过火区面积占流域总面积大于或等于40%以上的沟道;
如图2所示,在比例尺为1km的图像中,所述潜在泥石流沟被划分为重度过火区、重度过火区、轻度过火区和未过火区,泥石流沟潜在次生隐患灾害发生概率主要针对重度过火区和中度过火区进行计算;
B2、基于潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型;
所述步骤B2中火后潜在泥石流沟次生隐患灾害发生模型的计算表达式如下:
P = av 1 +bv 2 +cv 3 +dv 4 +ev 5 +fv 6 +gv 7 +hv 8
其中,P表示火后潜在泥石流沟次生隐患灾害发生概率,a表示归一化的重度过火区和中度过火区面积占流域总面积比例,b表示归一化的潜在泥石流沟地灾在隐患点数量,c表示归一化的潜在泥石流沟内过火区域坡度,d表示归一化的潜在泥石流沟汇水区面积,e表示归一化的潜在泥石流沟的主沟长度,f表示归一化的火后指标指数,g表示归一化的潜在泥石流沟的近两年内植被恢复面积占比,h表示归一化的潜在泥石流沟的历史同期降雨量,v 1、v 2、v 3、v 4、v 5、v 6、v 7和v 8分别表示重度过火区和中度过火区面积占流域总面积比例权重因子、潜在泥石流沟地灾在隐患点数量权重因子、潜在泥石流沟内过火区域坡度权重因子、潜在泥石流沟汇水区面积权重因子、潜在泥石流沟的主沟长度权重因子、火后指标指数权重因子、潜在泥石流沟的近两年内植被恢复面积占比权重因子以及潜在泥石流沟的历史同期降雨量权重因子,且v 1=0.2,v 2=0.1、v 3=0.15,v 4=0.15,v 5=0.1,v 6=0.1、v 7=0.05,v 8=0.15;
B3、基于火后潜在泥石流沟分布信息,利用火后潜在泥石流沟次生隐患灾害发生模型,利用GIS软件划分出潜在泥石流沟地区泥石流不同易发可能性的区域,完成高山峡谷森林火灾扑救与灾后泥石流预测;
如图3所示,为在比例尺为1km的图像中,泥石流沟发生泥石流可能性高、可能性中和可能性低的区域划分情况,其中可能性高地区的火后潜在泥石流沟次生隐患灾害发生概率在大于0.7到小于或等于1的区间内,可能性中地区的火后潜在泥石流沟次生隐患灾害发生概率在大于0.5到小于或等于0.7的区间内,可能性低地区的火后潜在泥石流沟次生隐患灾害发生概率在大于或等于0到小于或等于0.5的区间内。
本发明的有益效果为:本发明提供的面向高山峡谷地区森林火灾后泥石流的预测方法,包括高山峡谷地区森林火灾数据获取阶段,及森林火灾后泥石流的预测阶段:所述高山峡谷地区森林火灾数据获取阶段利用高分遥感热红外波谱特征感知亮温异常,快速发现火点、燃烧点、监测火场态势演变及火情发展;所述森林火灾后泥石流的预测阶段对潜在泥石流沟等火后次生隐患进行易发性评价,为火后预判次生隐患、灾后重建等防灾减灾活动提供重要决策支撑依据。
实施例2
如图4所示,本发明还提供一种面向高山峡谷地区森林火灾后泥石流预测方法的系统,包括:
数据获取子系统,用于利用高分遥感热红外波段波谱特征与可见光纹理特征,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据;
所述数据获取子系统包括:
火场燃烧和应急救援信息获取模块,用于利用高分遥感热红外波段波谱特征与可见光纹理特征,获取火场燃烧点、火点、火线和火场应急救援信息;
火场态势演变和火情发展信息获取模块,用于基于遥感数据波谱纹理特征以及实时降雨、风向和风速,利用波谱计算方法动态检测,得到火场态势演变和火情发展信息;
过火区时刻分布和潜在泥石流沟数据获取模块,用于根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,并分析林火前中期和林火后期信息,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据;
森林火灾后泥石流的预测子系统,用于基于重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型,并利用火后潜在泥石流沟次生隐患灾害发生模型划分出潜在泥石流沟地区泥石流不同易发可能性的区域,完成高山峡谷森林火灾扑救与灾后泥石流预测;
所述森林火灾后泥石流的预测子系统包括:
火后潜在泥石流沟分布信息获取模块,用于基于重度过火区和中度过火区时空分布数据,并结合过火区与周边区域高精度地形、灾后分辨率遥感影像以及现场反馈照片和视频资料,得到火后潜在泥石流沟分布信息;
泥石流预测模型定义模块,用于基于潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型;
灾后泥石流预测与泥石流区域划分模块,用于基于火后潜在泥石流沟分布信息,利用火后潜在泥石流沟次生隐患灾害发生模型,利用GIS软件划分出潜在泥石流沟地区泥石流不同易发可能性的区域。
实施例提供的面向高山峡谷地区森林火灾后泥石流的预测方法的系统可以执行上述方法实施例面向高山峡谷地区森林火灾后泥石流的预测方法所示的技术方案,其实现原理与有益效果类似,此处不再赘述。
本发明实施例中,本申请可以根据面向高山峡谷地区森林火灾后泥石流的预测方法进行功能单元的划分,例如可以将各个功能划分为各个功能单元,也可以将两个或两个以上的功能集成在一个处理单元中。上述集成单元即可以采用硬件的形式来实现,也可以采用软件功能单元的形式来实现。需要说明的是,本发明中对单元的划分是示意性的,仅仅为一种逻辑划分,实际实现时可以有另外的划分方式。
本发明实施例中,面向高山峡谷地区森林火灾后泥石流预测方法的系统为了实现面向高山峡谷地区森林火灾后泥石流的预测方法的原理与有益效果,其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到,结合本发明所公开的实施例描述的各示意单元及算法步骤,本发明能够以硬件和/或硬件和计算机软件结合的形式来实现,某个功能以硬件还是计算机软件驱动的方式来执行,取决于技术方案的特定应用和设计约束条件,可以对每个特定的应用来使用不同的方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本方案利用高分遥感热红外波谱特征感知亮温异常,快速发现火点、燃烧点、监测火场态势演变及火情发展;通过遥感数据波谱纹理特征,获取火场附近水源位置、直升机起备降场、救援力量及扑救路线等信息,为灾中扑救提供重要扑救参考信息;基于光谱特征开展动态监测过火区范围及迁移变化,预判火情发展趋势,分阶段实时提出救援队伍部署与扑救行进路线建议,支撑火灾应急扑救;结合过火区分布及地形因素,圈定火后潜在泥石流沟,提出基于泥石流沟影响权重因子,对潜在泥石流沟等火后次生隐患进行易发性评价,为林火扑救应急决策者有效部署扑灭力量、科学决策及火后预判次生隐患、灾后重建等防灾减灾活动提供重要决策支撑依据。
Claims (8)
1.一种面向高山峡谷地区森林火灾后泥石流的预测方法,其特征在于,包括高山峡谷地区森林火灾数据获取阶段,及森林火灾后泥石流的预测阶段:
所述高山峡谷地区森林火灾数据获取阶段包括如下步骤:
A1、利用高分遥感热红外波段波谱特征与可见光纹理特征,获取火场燃烧点、火点、火线和火场应急救援信息;
A2、基于遥感数据波谱纹理特征以及实时降雨、风向和风速,利用波谱计算方法动态检测,得到火场态势演变和火情发展信息;
A3、根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,分析林火前中期和林火后期信息,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据,并进入步骤B1;
所述森林火灾后泥石流的预测阶段包括如下步骤:
B1、基于重度过火区和中度过火区时空分布数据,并结合过火区与周边区域高精度地形、灾后分辨率遥感影像以及现场反馈照片和视频资料,得到火后潜在泥石流沟分布信息;
B2、基于潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型;
B3、基于火后潜在泥石流沟分布信息,利用火后潜在泥石流沟次生隐患灾害发生模型,利用GIS软件划分出潜在泥石流沟地区泥石流不同易发可能性的区域,完成高山峡谷森林火灾扑救与灾后泥石流预测。
2.根据权利要求1所述的面向高山峡谷地区森林火灾后泥石流的预测方法,其特征在于,所述步骤A1中火场应急救援信息包括航空取水点、消防取水点位置、直升机起备降点、火灾救援物资库、救援开进路线、可通达道路、居民点、学校和加油站的信息。
3.根据权利要求1所述的面向高山峡谷地区森林火灾后泥石流的预测方法,其特征在于,所述步骤A3包括如下步骤:
A31、根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,分析过火区植被覆盖类型、植被覆盖率及高分遥感的可见近红外波段与红波段反射率,得到重度过火区和中度过火区时空分布数据;
A32、利用林火前中期和林火后期信息以及高分遥感林火灾害后植被特征与燃烧残留物沉积特征,且采用差值归一化燃烧指数、面向对象分类以及阈值分割法,得到潜在泥石流沟数据。
4.根据权利要求1所述的面向高山峡谷地区森林火灾后泥石流的预测方法,其特征在于,所述潜在泥石流沟数据包括高山峡谷地区森林火灾前中期获取的潜在泥石流沟地灾在隐患点数量、潜在泥石流沟内过火区域坡度和潜在泥石流沟的主沟长度数据,以及火灾后期获取的重度过火区和中度过火区面积占流域总面积比例、火后指标指数以及潜在泥石流沟的近两年内植被恢复面积占比。
5.根据权利要求1所述的面向高山峡谷地区森林火灾后泥石流的预测方法,其特征在于,所述步骤B2中火后潜在泥石流沟次生隐患灾害发生模型的计算表达式如下:
P = av 1 + bv 2 + cv 3 + dv 4 + ev 5 + fv 6 + gv 7 + hv 8
其中,P表示火后潜在泥石流沟次生隐患灾害发生概率,a表示归一化的重度过火区和中度过火区面积占流域总面积比例,b表示归一化的潜在泥石流沟地灾在隐患点数量,c表示归一化的潜在泥石流沟内过火区域坡度,d表示归一化的潜在泥石流沟汇水区面积,e表示归一化的潜在泥石流沟的主沟长度,f表示归一化的火后指标指数,g表示归一化的潜在泥石流沟的近两年内植被恢复面积占比,h表示归一化的潜在泥石流沟的历史同期降雨量,v 1、v 2、v 3、v 4、v 5、v 6、v 7和v 8分别表示重度过火区和中度过火区面积占流域总面积比例权重因子、潜在泥石流沟地灾在隐患点数量权重因子、潜在泥石流沟内过火区域坡度权重因子、潜在泥石流沟汇水区面积权重因子、潜在泥石流沟的主沟长度权重因子、火后指标指数权重因子、潜在泥石流沟的近两年内植被恢复面积占比权重因子以及潜在泥石流沟的历史同期降雨量权重因子,且v 1=0.2,v 2=0.1、v 3=0.15,v 4=0.15,v 5=0.1,v 6=0.1、v 7=0.05,v 8=0.15。
6.一种面向高山峡谷地区森林火灾后泥石流预测方法的系统,其特征在于,包括:
数据获取子系统,用于利用高分遥感热红外波段波谱特征与可见光纹理特征,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据;
森林火灾后泥石流的预测子系统,用于基于重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型,并利用火后潜在泥石流沟次生隐患灾害发生模型划分出潜在泥石流沟地区泥石流不同易发可能性的区域,完成高山峡谷森林火灾扑救与灾后泥石流预测。
7.根据权利要求6所述的面向高山峡谷地区森林火灾后泥石流预测方法的系统,其特征在于,所述数据获取子系统包括:
火场燃烧和应急救援信息获取模块,用于利用高分遥感热红外波段波谱特征与可见光纹理特征,获取火场燃烧点、火点、火线和火场应急救援信息;
火场态势演变和火情发展信息获取模块,用于基于遥感数据波谱纹理特征以及实时降雨、风向和风速,利用波谱计算方法动态检测,得到火场态势演变和火情发展信息;
过火区时刻分布和潜在泥石流沟数据获取模块,用于根据火场燃烧点、火点、火线、火场应急救援信息、火灾态势演变和火情发展信息,并分析林火前中期和林火后期信息,得到重度过火区和中度过火区时空分布数据以及潜在泥石流沟数据。
8.根据权利要求6所述的面向高山峡谷地区森林火灾后泥石流预测方法的系统,其特征在于,所述森林火灾后泥石流的预测子系统包括:
火后潜在泥石流沟分布信息获取模块,用于基于重度过火区和中度过火区时空分布数据,并结合过火区与周边区域高精度地形、灾后分辨率遥感影像以及现场反馈照片和视频资料,得到火后潜在泥石流沟分布信息;
泥石流预测模型定义模块,用于基于潜在泥石流沟数据,定义火后潜在泥石流沟次生隐患灾害发生模型;
灾后泥石流预测与泥石流区域划分模块,用于基于火后潜在泥石流沟分布信息,利用火后潜在泥石流沟次生隐患灾害发生模型,利用GIS软件划分出潜在泥石流沟地区泥石流不同易发可能性的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183676.3A CN114333208B (zh) | 2022-02-28 | 2022-02-28 | 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210183676.3A CN114333208B (zh) | 2022-02-28 | 2022-02-28 | 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114333208A true CN114333208A (zh) | 2022-04-12 |
CN114333208B CN114333208B (zh) | 2022-06-10 |
Family
ID=81030699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210183676.3A Active CN114333208B (zh) | 2022-02-28 | 2022-02-28 | 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333208B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116127787A (zh) * | 2023-04-07 | 2023-05-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 火烧烈度-高程积分算法及火后泥石流易发性评估方法 |
CN116189387A (zh) * | 2022-12-30 | 2023-05-30 | 成都理工大学 | 一种火后泥石流预警方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2829914A1 (en) * | 2012-12-07 | 2014-06-07 | The Boeing Company | Forest sensor deployment and monitoring system |
CN104157088A (zh) * | 2013-05-14 | 2014-11-19 | 丁阿维 | 利用卫星遥感监测森林火灾的方法 |
CN206601330U (zh) * | 2017-03-15 | 2017-10-31 | 国家电网公司 | 一种基于卫星遥感图像的植被恢复监测装置 |
CN108154068A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种遥感影像中泥石流信息的提取方法 |
CN111243221A (zh) * | 2020-01-13 | 2020-06-05 | 西南交通大学 | 一种基于监测的自然灾害监测预警方法 |
CN112862152A (zh) * | 2020-12-31 | 2021-05-28 | 中铁第四勘察设计院集团有限公司 | 一种基于地貌信息熵和降雨量的泥石流灾害预警方法 |
CN112991657A (zh) * | 2021-02-08 | 2021-06-18 | 四川省铭阳睿智科技有限公司 | 基于5g通信技术的森林火灾智能预警控制系统 |
AU2021106836A4 (en) * | 2021-08-24 | 2021-11-18 | Bangaru, Balakrishna Mr | Identification of forest fire susceptibility using gis and neural network approaches |
CN113884653A (zh) * | 2021-09-27 | 2022-01-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种森林火灾智能监测集成系统 |
-
2022
- 2022-02-28 CN CN202210183676.3A patent/CN114333208B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2829914A1 (en) * | 2012-12-07 | 2014-06-07 | The Boeing Company | Forest sensor deployment and monitoring system |
CN104157088A (zh) * | 2013-05-14 | 2014-11-19 | 丁阿维 | 利用卫星遥感监测森林火灾的方法 |
CN108154068A (zh) * | 2016-12-02 | 2018-06-12 | 航天星图科技(北京)有限公司 | 一种遥感影像中泥石流信息的提取方法 |
CN206601330U (zh) * | 2017-03-15 | 2017-10-31 | 国家电网公司 | 一种基于卫星遥感图像的植被恢复监测装置 |
CN111243221A (zh) * | 2020-01-13 | 2020-06-05 | 西南交通大学 | 一种基于监测的自然灾害监测预警方法 |
CN112862152A (zh) * | 2020-12-31 | 2021-05-28 | 中铁第四勘察设计院集团有限公司 | 一种基于地貌信息熵和降雨量的泥石流灾害预警方法 |
CN112991657A (zh) * | 2021-02-08 | 2021-06-18 | 四川省铭阳睿智科技有限公司 | 基于5g通信技术的森林火灾智能预警控制系统 |
AU2021106836A4 (en) * | 2021-08-24 | 2021-11-18 | Bangaru, Balakrishna Mr | Identification of forest fire susceptibility using gis and neural network approaches |
CN113884653A (zh) * | 2021-09-27 | 2022-01-04 | 海南省林业科学研究院(海南省红树林研究院) | 一种森林火灾智能监测集成系统 |
Non-Patent Citations (7)
Title |
---|
任云等: "四川省九龙县色脚沟火后泥石流成灾机理", 《水文地质工程地质》 * |
刘发林等: "火干扰对森林土壤斥水性的影响研究进展", 《生态学报》 * |
唐尧等: "基于GIS的震后汶川潜在泥石流危险性评价", 《上海国土资源》 * |
唐尧等: "高分遥感技术助力森林火灾应急扑救及隐患预判-以冕宁"4•20"森林火灾为例", 《遥感学报》 * |
沈远等: "大渡河长河坝水电站区域泥石流特征及危险性评价", 《防灾减灾工程学报》 * |
胡卸文: "火后泥石流成灾特点及研究现状", 《工程地质学报》 * |
邸雪颖等: "火后泥石流研究进展", 《应用生态学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116189387A (zh) * | 2022-12-30 | 2023-05-30 | 成都理工大学 | 一种火后泥石流预警方法 |
CN116189387B (zh) * | 2022-12-30 | 2024-02-06 | 成都理工大学 | 一种火后泥石流预警方法 |
CN116127787A (zh) * | 2023-04-07 | 2023-05-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 火烧烈度-高程积分算法及火后泥石流易发性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114333208B (zh) | 2022-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114333208B (zh) | 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 | |
Scott | Catastrophic debris flows transformed from landslides in volcanic terrains: mobility, hazard assessment, and mitigation strategies | |
Conedera et al. | Geospatial approach for defining the Wildland-Urban Interface in the Alpine environment | |
DeGraff et al. | The remarkable occurrence of large rainfall-induced debris flows at two different locations on July 12, 2008, Southern Sierra Nevada, CA, USA | |
Lacasse et al. | Event tree analysis of Aknes rock slide hazard | |
Addison et al. | Post-fire debris flow modeling analyses: case study of the post-Thomas Fire event in California | |
Ahmed et al. | Understanding the issues involved in urban landslide vulnerability in Chittagong metropolitan area, Bangladesh | |
Chen et al. | Spatial patterns and drivers for wildfire ignitions in California | |
Houghton et al. | Proximal tephra hazards: Recent eruption studies applied to volcanic risk in the Auckland volcanic field, New Zealand | |
Jiang et al. | Probabilistic rainfall threshold of landslides in Data-Scarce mountainous Areas: A case study of the Bailong River Basin, China | |
Fekete et al. | Assessment of social vulnerability to forest fire and hazardous facilities in Germany | |
De Graff et al. | The challenge of improving identification of rockfall hazard after wildfires | |
Benguerai et al. | Forest fire risk assessment model using remote sensing and GIS techniques in Northwest Algeria | |
Meadows | Forecasting long-term sediment yield from the upper North Fork Toutle River, Mount St. Helens, USA | |
Yang et al. | Spatial layout siting method for fire stations based on comprehensive forest fire risk distribution | |
Al-Rawi et al. | IFEMS: a new approach for monitoring wildfire evolution with NOAA-AVHRR imagery | |
Wooten et al. | Responses to landslides and landslide mapping on the blue ridge escarpment, Polk County, North Carolina, USA | |
Xu | Fires and postfire debris/mudflows triggered by landforms in Colorado Front Range and the subsequent impact on and by humans | |
Zhang et al. | Landscape ecological risk of China's nature reserves declined over the past 30 years | |
Wieczorek et al. | Landslide hazard mitigation in North America | |
Ahmed | Mapping the wildland-urban interfaces for forest fire prevention in the province of mila (Algeria) | |
Roten et al. | Machine Learning for Improved Post-fire Debris Flow Likelihood Prediction | |
Le et al. | Landslide detection analysis in north vietnam base on satellite images and digital geographical information-landsat 8 satellite and historical data approaches | |
Nkiruka et al. | Landuse, landcover change dynamics and flooding in the lower Niger basin Onitsha, South Eastern Nigeria | |
Van Westen | National scale landslide susceptibility assessment for Grenada |
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 |