CN114840993A - 海岸洪灾敏感性评估方法 - Google Patents
海岸洪灾敏感性评估方法 Download PDFInfo
- Publication number
- CN114840993A CN114840993A CN202210444586.5A CN202210444586A CN114840993A CN 114840993 A CN114840993 A CN 114840993A CN 202210444586 A CN202210444586 A CN 202210444586A CN 114840993 A CN114840993 A CN 114840993A
- Authority
- CN
- China
- Prior art keywords
- flood
- cell
- sensitivity
- coastal
- unit
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fluid Mechanics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及洪涝灾害评估信息处理方法技术领域,特别是关于一种海岸洪灾敏感性评估方法,结合海岸洪灾实际的传递过程,利用2D‑SPR模型框架构建了海岸洪灾敏感性分析的复杂网路,并利用DEMATEL方法和TOPSIS多属性决策方法结合ArcGIS平台绘制了海岸洪灾敏感性的空间分布图,确认洪灾敏感性较强的区域。能够较为直观、迅捷、高效的确定区域内受洪灾不同程度影响的区域,在此基础上制定相应的减缓措施,实现了快速、不受主观干扰的海岸洪灾敏感性评估。
Description
技术领域
本发明涉及洪涝灾害评估信息处理方法技术领域,特别是关于一种海岸洪灾敏感性评估方法。
背景技术
频繁的极端天气事件以及长期的气候变化使得自然灾害发生的频率持续增加,其中,洪水被认为是破坏力最强,经济损失最高的自然灾害之一,发生次数占比甚至已经达到了34%。与其他地区相比,人类活动频繁的海岸地区面临的洪水威胁更为严重,海平面上升、风暴潮潜在变化加重了这一趋势。研究认为,沿海地区社会经济的集聚效应是造成洪灾损失持续增加的主要原因。
沿海区域仅占我国陆域国土面积的13%,却拥有全国43.5%的人口和60.8%的国内生产总值,使中国与其他地区相比,更易承受较大的人员与经济损失。如《2018年中国水旱灾害公报》显示,2018年中国因洪涝灾害影响,直接经济损失达到1615.47亿元,占当年GDP的0.18%;《2018年中国海洋灾害公报》显示,2018年中国沿海发生风暴潮过程16次,直接经济损失达到44.56亿元,占2018年海洋灾害总直接经济损失的93%。同时,为缓解沿海地区的土地压力,中国近年来持续进行填海工程,但也带来了较多的负面影响,如栖息地丧失、局部风暴潮变化等。
如果不采取合适的降低风险措施,可能会导致极大的沿海洪灾损失,故适应极端天气与气候变化并提出缓解措施已经得到大部分国家的认可,但预测洪水发生的时空性质仍是一项尚未解决的科学挑战。目前主要用水文-水动力模型方法,如DTELEMAC 2D、SLOSH、HEC-RAS等,来实现对洪灾进行精确模拟,但该方法主要有几个明显的限制:(1)区域只能局限于相对较小的区域;(2)对数据质量要求较高;(3)需要进行充分的验证等。
为了减少水文-水动力模型方法的约束,并提高预测洪水状况的可能性,洪水敏感性图是有益的尝试之一,并可为应急管理人员提供必要的防灾政策支持。目前研究人员已在该领域做出了很多的成果,采用的方法主要有:1)基于历史数据的统计分析法,该方法主要基于实际的现场调查数据,需要相对较大的成本,但结果并不能推广到其他区域;2)考虑社会经济因素的多属性决策方法,但是该方法仍有较多问题尚需解决,如不同指标的标准化处理以及指标权重的确定仍需进一步研究,更重要的是计算结果不能与其他地区进行比较;3)机器学习方法,其作为一种新的方法也愈加得到关注,但洪水影响因素基本呈现明显的非线性关系,因此对训练集所需的数据量要求极大,而这也是当前尚未解决的难点之一。很多研究表明,影响洪灾的因素众多、复杂且内在相关,甚至可能呈现非线性的情况,如果涉及到社会和经济数据则会更加复杂。
上述背景技术旨在辅助理解本发明的发明构思及技术方案,其并不必然属于本专利申请的现有技术,在没有明确的证据表明上述内容在本专利申请的申请日前已公开的情况下,上述背景技术不应当用于评价本申请技术方案的新创性。
发明内容
提供一种海岸洪灾敏感性评估方法,结合海岸洪灾实际的传递过程,利用2D-SPR模型框架构建了海岸洪灾敏感性分析的复杂网路,并利用DEMATEL方法和TOPSIS多属性决策方法结合ArcGIS平台绘制了海岸洪灾敏感性的空间分布图,较为直观、迅捷、高效的确定区域内受洪灾不同程度影响的区域,在此基础上制定相应的减缓措施,实现了快速、不受主观干扰的海岸洪灾敏感性评估。
为了实现上述目的,本发明提供如下技术方案。
海岸洪灾敏感性评估方法,结合海岸洪灾实际的传递过程,利用2D-SPR模型框架构建了海岸洪灾敏感性分析的复杂网路,并利用DEMATEL方法和TOPSIS多属性决策方法结合ArcGIS平台绘制了海岸洪灾敏感性的空间分布图,确认洪灾敏感性较强的区域。
所述海岸洪灾敏感性评估方法具体包括下述步骤:
1)利用洪水淹没分析与历史资料确定洪灾的最大可能淹没范围;
2)结合区域内的土地利用类型与建筑尺寸,对区域进行网格划分;
3)将共享实际地理边界的单元建立连接,并且按照从洪灾源至受体的方向,建立2D-SPR模型;
4)利用TOPSIS方法计算单元之间的相互影响强度,并建立直接影响矩阵A(DirectInfluence Matrix A):
其中:N表示网格数量;aij表示单元i对单元j的影响强度;不考虑单元对自身的影响,即定义单元对自身的影响aii值为0;
6)计算综合影响矩阵T:
7)计算各单元对其他单元的影响强度fi与该单元受到其他单元的被影响强度ei:
8)计算各单元的中心度Mi和原因度Ni:
Mi=fi+ei,i=1,2,…,n (11)
Ni=fi-ei,i=1,2,…,n (12)
结合fi、Mi和Ni即可确定海岸洪灾敏感性区域。
步骤2)中,利用ArcGIS中的fishnet工具进行网格划分。通过fishnet进一步将受体区域划分为更小的网格,这样可以更加清晰的了解洪水在相同土地利用类型内的传递过程,直观的掌握研究区域内海岸洪灾敏感性的空间分布形式,为实现海岸洪灾敏感性的快速评估与结论可靠,选取影响单元之间洪水流动的流量的基本参数并形成单一的综合指标作为各单元间相互影响强度的依据。
步骤2)中,对网格进行数据处理共需6个参数,包括:相邻边界的长度li,单元中心之间的距离di,源单元高程hi,被影响单元高程h′i,源单元糙率ni,被影响单元糙率n′i。
步骤3)中,所述建立2D-SPR模型包括:将受体区域按照土地利用类型划分为多个小单元,在相邻的单元之间建立连接,应用所述连接表示洪水可以经过这些连接在单元之间流动和相互影响。本申请2D-SPR模型的建立参照现有技术(Narayan,S.,Hanson,S.,Nicholls,R.J.,Clarke,D.,Willems,P.,Ntegeka,V.,&Monbaliu,J.(2012).A holisticmodel for coastal flooding using system diagrams and the Source-Pathway-Receptor(SPR)concept.Natural Hazards and Earth System Sciences,12(5),1431-1439.)。
步骤3)中,假设洪水传播方式是明渠均匀流,以曼宁公式来计算洪水的流速,流速v与糙率n、水力半径Rh及水力坡度J有关;假定洪灾区为宽浅型河道,水力半径近似为水深,水力坡度近似为地形坡度;选取糙率(源单元糙率ni和被影响单元糙率n′i)、单元平均高程(源单元高程hi和被影响单元高程h′i)、单元中心之间的距离di作为影响流速的参数;选取单元间相邻边界的长度li作为影响过水断面面积的参数,参数ni、n′i、hi、h′i、di、li就构成了复杂网络的节点。
步骤4)中,利用TOPSIS(Technique for Order Preference by Similarity toIdeal Solutions)方法计算单元之间的相互影响强度并建立直接影响矩阵A的过程包括:
4.1)设定模型中直接影响关系为k个,即x1,x2,…,xk,那么可以构建成k决策矩阵X:
其中,ni是源单元糙率;n′i是被影响单元糙率;hi是源单元高程;h′i是被影响单元高程;di是单元中心之间的距离;li是相邻边界的长度;
4.2)指标处理,将负向指标进行倒数计算以将其转为正向指标,并进行归一化处理成为yij,得到矩阵Y:
4.3)过程计算,包括:
y+=[y1max,y2max,y3max,y4max,y5max,y6max] (3)
y-=[y1min,y2min,y3min,y4min,y5min,y6min] (4)
计算出各行数据与最优解的接近程度Ci:
4.4)根据相邻的网格分布,将Ci转化成直接影响矩阵A:
其中:N表示网格数量;aij表示单元i对单元j的影响强度,表征了从单元i流入到单元j的洪水量的相对大小;aii=0,即不考虑单元对自身的影响。
一种机器可读存储介质,所述存储介质中存储有程序,所述程序被处理器执行时,实现前述所述的海岸洪灾敏感性评估方法。
一种电子设备,包括处理器和存储器,所述存储器中存储有可在处理器上运行的可执行程序,所述处理器执行所述可执行程序时,完成前述所述的海岸洪灾敏感性评估方法。
在符合本领域常识的基础上,上述各优选条件,可以相互组合,得到具体实施方式。
本发明的有益效果为:
本发明方法中,结合海岸洪灾实际的传递过程,利用2D-SPR模型框架构建了海岸洪灾敏感性分析的复杂网路,构建直接影响矩阵后,利用DEMATEL结合TOPSIS计算了该复杂网络的各单元对其他单元的影响强度fi、该单元受到其他单元的被影响强度ei、中心度Mi和原因度Ni,结合fi、Mi和Ni即可确定海岸洪灾敏感性区域。本申请对现有海岸洪灾敏感性评估的方法提出了一定程度的细化并较大程度上避免了人为的干扰,能够迅速分析并绘制出海岸洪灾敏感性的空间分布图,较为直观、迅捷、高效的确定区域内受洪灾影响程度较大的区域范围和关键的原因单元,在此基础上制定相应的减缓措施,利于降低区域洪灾风险,避免极大的沿海洪灾致损,具有重要的现实意义。
本发明为实现上述目的而采用了上述技术方案,弥补了现有技术的不足,设计合理,操作方便。
附图说明
旨在为使得本领域技术人员更加迅速明确的了解本申请的上述和/或其他目的、特征、优点与实例,提供了部分附图,应当指出的是,构成本申请的说明书附图、示意性实施例及其说明用来提供对本申请的进一步理解,并不构成对本申请的不当限定。
图1是评价区域分布状况;
图2是热带气旋按月分布状况;
图3是评价区域内高程h空间分布图;
图4是评估区域内糙率n空间分布图;
图5是评估区域内洪灾敏感性fi的空间分布图;
图6是评估区域内洪灾敏感性ei的空间分布图;
图7是评估区域内洪灾敏感性中心度Mi的空间分布图;
图8是评估区域内洪灾敏感性原因度Ni的空间分布图;
图9是不同地理单元的fi变化趋势(虚线为平均值);
图10是不同地理单元的ei变化趋势(虚线为平均值);
图11是不同地理单元的Mi变化趋势(虚线为平均值);
图12是不同地理单元的Ni变化趋势(虚线为平均值);
图13是区域内不同地理单元的海岸洪灾敏感性的空间变化。
具体实施方式
本领域技术人员可以借鉴本文内容,适当替换和/或改动工艺参数实现,然而特别需要指出的是,所有类似的替换和/或改动对本领域技术人员来说是显而易见的,它们都被视为包括在本发明。本发明所述内容已经通过较佳实例进行了描述,相关人员明显能在不脱离本发明内容、精神和范围内对本文所述的内容进行改动或适当变更与组合,来实现和应用本发明技术。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制本申请的技术方案。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
Decision Making Trial and Evaluation Laboratory(DEMATEL)technique是一种利用矩阵和有向图来分析复杂系统中各因素相互关系的结构建模方法,该方法不仅可以确定因素的因果关系,更是可以识别复杂系统中的关键因素,目前已在决策评估领域如供应商选择、风险评估、投资决策等得到了较多的应用。
Source-Pathway-Receptor-Consequence(SPR)模型旨在各风险要素之间建立联系,如源(Source)与洪灾影响的强度和频度、途径(Pathway)与暴露度、受体(Receptor)与脆弱性。首先提出的是一维SPR模型(1D-SPR),并在洪灾风险评估、水质退化风险评估等方面得到了有效的应用,但是该方法对受体部分的描述却不够详细,只是简单地把受体部分当作一个整体进行分析,难以清楚的表达洪水在受灾区域内沿着不同方向的传播过程和影响的细节。本申请选用二维SPR模型(2D-SPR)提出将受体按土地利用类型划分成多个更小的单元,并在相邻的单元之间建立连接,以表示洪水可以经过这些连接在单元之间流动和相互影响。
Technique for Order Preference by Similarity to Ideal Solutions(TOPSIS)方法由Hwang和Yoon于1981年提出,又被称为优劣解距离法,其是一种常用的综合评价方法,能充分利用原始数据的信息,其结果能精确地反映各对象之间的差距。基本过程为先将原始数据矩阵统一指标类型(一般正向化处理)得到正向化的矩阵,再对正向化的矩阵进行标准化处理以消除各指标量纲的影响,并找到有限方案中的最优方案和最劣方案,然后分别计算各评价对象与最优方案和最劣方案间的距离,获得各评价对象与最优方案的相对接近程度,以此作为评价优劣的依据。该方法对数据分布及样本含量没有严格限制,数据计算简单易行,根据有限个评价对象与理想化目标的接近程度进行排序,旨在对现有对象进行相对优劣的评价。
以下详细描述本发明。
实施例1:
选取舟山群岛中一处填海而成的城区作为验证区域,该区域位于舟山本岛的东南侧,西侧与南侧与山脉相邻,东侧与北侧面向海洋,大致范围在122°18′30.196″E至122°20′6.292″E,29°57′9.643″N至30°0′7.313″N,该区域为滩涂围垦而来,海岸区域建设有3条护岸,分别为:1期于1996年建成,设计标准为20年一遇,防浪墙顶高程6m;2期于1997年建成,设计标准为50年一遇,防浪墙顶高程4.4m;3期于2007年建成,设计标准为50年一遇,防浪墙顶高程4m;评价区域分布状况如图1所示;将空间地图投影到高斯克里格平面坐标,其坐标系为CGCS2000 3degree GK CM 119°30′E。
根据《舟山市志》的统计资料,在1951-2010年的60年间。影响该区域的热带气旋年均4.3个,且主要集中在7-9月,占总数的81%,如图2所示,而海啸发生的可能性很小,因此本例更加关注因热带气旋引起的风暴潮灾害。
假设洪水传播方式是明渠均匀流,以曼宁公式来计算洪水的流速,流速v与糙率n、水力半径Rh及水力坡度J有关;假定洪灾区为宽浅型河道,水力半径近似为水深,水力坡度近似为地形坡度;选取糙率(源单元糙率ni和被影响单元糙率n′i)、单元平均高程(源单元高程hi和被影响单元高程h′i)、单元中心之间的距离di作为影响流速的参数;选取单元间相邻边界的长度li作为影响过水断面面积的参数,参数ni、n′i、hi、h′i、di、li就构成了复杂网络的节点。
实施例2:
在实施例1的基础上,对前述区域进行洪灾敏感性评估,具体包括下述步骤。
1.利用洪水淹没分析与历史资料,确定洪灾的最大可能淹没范围,将前述区域作为本例洪灾敏感性评估范围。
2.结合区域内的土地利用类型与建筑尺寸,利用ArcGIS中的fishnet工具进行网格划分,结合数据精度要求,按照50m*50m尺度进行划分,得到共计4391个网格。共需要3种不同类别的6个参数,其中相邻边界的长度li与单元中心之间的距离di可以根据ArcGIS软件直接计算,而高程hi和h′i数据来源于Digital Elevation Model,精度为1.03m,空间分布如图3所示;糙率ni和n′i的数据来源于《风暴潮灾害风险评估和区划技术导则》(中国国家海洋局,2016)中的糙率取值表,数值主要根据土地利用类型确定,其中:居民区的糙率为0.07,树丛的糙率为0.065,道路的糙率为0.035,水域的糙率为0.025,空地(空闲土地、绿地等)的糙率为0.035,空间分布如图4所示。
3.将共享实际地理边界的单元建立连接,并且按照从洪灾源至受体的方向,建立2D-SPR模型。
4.利用Technique for Order Preference by Similarity to Ideal Solutions(TOPSIS)方法计算单元之间的相互影响强度,并建立Direct Influence MatrixA,计算过程如下所述:
①假定模型中直接影响关系为k个,即x1,x2,…,xk,构建成k决策矩阵X:
其中,源单元糙率ni和被影响单元糙率n′i是负向指标,因为糙率值越大,代表地面对洪水流动阻碍能力越强;源单元高程hi是正向指标,被影响单元高程h′i是负向指标,单元中心之间的距离di是负向指标,源单元高程hi越大,被影响单元高程h′i越小,单元中心之间的距离di越小,则水力坡度越大,洪水流动速度越快;同时,相邻边界的长度li是正向指标,li越大代表过水断面面积越大,影响强度值越大;
统计得知,4391个网格共产生了17208个直接影响关系的连接,这样就构成了17208行6列的矩阵X;
②指标处理,将负向指标进行倒数计算以将其转为正向指标,并进行归一化处理成为yij,得到矩阵Y:
③过程计算,包括:
y+=[y1max,y2max,y3max,y4max,y5max,y6max] (3)
y-=[y1min,y2min,y3min,y4min,y5min,y6min] (4)
其中,y+表示正理想点,y-表示负理想点;yjmax、yjmin分别表示第j列的最大值与最小值;表示第i行数据与正理想点的贴近度,表示第i数据与负理想点的贴近度,越小,则表示第i年与正负理想点的相似度越大;
计算出各行数据与最优解的接近程度Ci:
④根据相邻的网格分布,将Ci转化成直接影响矩阵A,为4391行4391列的矩阵:
其中:N表示网格数量;aij表示单元i对单元j的影响强度,表征了从单元i流入到单元j的洪水量的相对大小;aii=0,即不考虑单元对自身的影响。
6.计算综合影响矩阵T:
7.计算各单元对其他单元的影响强度fi与该单元受到其他单元的影响强度ei:
其中,fi为综合影响矩阵T第i行的行和,表示单元i对系统造成的影响强度总和,空间分布如图5,从图中可以看出区域内北部的颜色较深,代表这片区域对其他区域影响强度较大;ei为综合影响矩阵T第i列的列和,表示单元i受到系统对它的影响强度总和,空间分布如图6,从图中可以看出区域内北部的颜色较深,代表这片区域受到其他区域影响强度较大。
8.计算各单元的中心度Mi和原因度Ni
Mi=fi+ei,i=1,2,…,n (11)
Ni=fi-ei,i=1,2,…,n (12)
其中,中心度Mi表征该单元在系统中的重要性程度,数值越大的单元越重要;中心度Mi的空间分布见图7,其分布基本与fi和ei一致,而这也正是我们得到的海岸洪灾敏感性结果;原因度Ni表征该单元与其他单元的因果逻辑关系程度,若Ni>0,则表明该单元对其他单元造成的影响更大,称为原因单元;若Ni<0,则表明该单元受到其他单元的影响更大,称为结果单元;原因度Ni的空间分布如图8,其分布相对杂乱,主要是地形的不规律变化而引起的,其值小于0(图中的黄色区域)表示该网格为结果单元,而值大于0(图中的绿色区域)表示该网格为原因单元,表示洪水是由该网格向周边网格传递的。
实施例3:
在实施例2的基础上,进行数据分析,尽管每个网格均有自己的计算结果,但研究区域内有不同的整体地理单元,包括住宅(R1-R66)、沿海防护林(S1-S3)、水域(W1)、空地或者公园(U1)等,考虑建筑物是一个完整的主体,将完整的地理单元进行统计,用所有网格单元的平均值代表这一单元,变化趋势见图9-12,从图中可以看出fi、ei和Mi的变化趋势基本相同,U1、R5、R18、R48、R51、R52、R54、R55、R58、R59、R61、R62、R64、R65、W1是其中受到影响较为强烈的几个区域,即其洪灾敏感性较高,需要给予更多的关注与防范,而原因度Ni基本保持稳定,但S2(防护林)却相对较高,是明显的原因区域。研究区域内不同地理单元的海岸洪灾敏感性的空间变化见图13。
根据海岸洪灾的特性,利用复杂网络方法快速评估海岸洪灾敏感性是一种十分有必要的尝试。本申请假定洪水传播过程是明渠均匀流,构建直接影响矩阵后,利用DEMATEL结合TOPSIS计算了该复杂网络的fi、ei、中心度Mi和原因度Ni,计算结果显示共有15个地理单元是相对敏感的区域;而S2(防护林)是最为关键的原因单元。本申请对现有海岸洪灾敏感性评估的方法提出了一定程度的细化并避免了人为的干扰,能够迅速分析并绘制出海岸洪灾敏感性的空间分布图,较为直观、迅捷、高效的确定区域内受洪灾影响程度较大的区域范围和关键的原因单元,在此基础上制定相应的减缓措施,利于降低区域洪灾风险,避免极大的沿海洪灾致损,具有重要的现实意义。
上述实施例中的常规技术为本领域技术人员所知晓的现有技术,故在此不再详细赘述。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
尽管对本发明已作出了详细的说明并引证了一些具体实施例,但是对本领域熟练技术人员来说,只要不离开本发明的精神和范围可作各种变化或修正是显然的。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
本发明未尽事宜均为公知技术。
Claims (9)
1.海岸洪灾敏感性评估方法,其特征在于:结合海岸洪灾实际的传递过程,利用2D-SPR模型框架构建了海岸洪灾敏感性分析的复杂网路,并利用DEMATEL方法和TOPSIS多属性决策方法结合ArcGIS平台绘制了海岸洪灾敏感性的空间分布图,确认洪灾敏感性较强的区域。
2.根据权利要求1所述的方法,其特征在于具体包括下述步骤:
1)利用洪水淹没分析与历史资料确定洪灾的最大可能淹没范围;
2)结合区域内的土地利用类型与建筑尺寸,对区域进行网格划分;
3)将共享实际地理边界的单元建立连接,并且按照从洪灾源至受体的方向,建立2D-SPR模型;
4)利用TOPSIS方法计算单元之间的相互影响强度,并建立直接影响矩阵A:
其中:N表示网格数量;aij表示单元i对单元j的影响强度;不考虑单元对自身的影响,即定义单元对自身的影响aii值为0;
6)计算综合影响矩阵T:
7)计算各单元对其他单元的影响强度fi与该单元受到其他单元的被影响强度ei:
8)计算各单元的中心度Mi和原因度Ni:
Mi=fi+ei,i=1,2,…,n (11)
Ni=fi-ei,i=1,2,…,n (12)
结合fi、Mi和Ni即可确定海岸洪灾敏感性区域。
3.根据权利要求2所述的方法,其特征在于:
步骤2)中,利用ArcGIS中的fishnet工具进行网格划分。
4.根据权利要求2所述的方法,其特征在于:
步骤2)中,对网格进行数据处理共需6个参数,包括:相邻边界的长度li,单元中心之间的距离di,源单元高程hi,被影响单元高程h′i,源单元糙率ni,被影响单元糙率n′i。
5.根据权利要求2所述的方法,其特征在于:
步骤3)中,所述建立2D-SPR模型包括:将受体区域按照土地利用类型划分为多个小单元,在相邻的单元之间建立连接,应用所述连接表示洪水可以经过这些连接在单元之间流动和相互影响。
7.根据权利要求2所述的方法,其特征在于:
步骤4)中,利用TOPSIS方法计算单元之间的相互影响强度并建立直接影响矩阵A的过程包括:
4.1)设定模型中直接影响关系为k个,即x1,x2,…,xk,那么可以构建成k决策矩阵X:
其中,ni是源单元糙率;n′i是被影响单元糙率;hi是源单元高程;h′i是被影响单元高程;di是单元中心之间的距离;li是相邻边界的长度;
4.2)指标处理,将负向指标进行倒数计算以将其转为正向指标,并进行归一化处理成为yij,得到矩阵Y:
4.3)过程计算,包括:
y+=[y1max,y2max,y3max,y4max,y5max,y6max] (3)
y-=[y1min,y2min,y3min,y4min,y5min,y6min] (4)
计算出各行数据与最优解的接近程度Ci:
4.4)根据相邻的网格分布,将Ci转化成直接影响矩阵A:
其中:N表示网格数量;aij表示单元i对单元j的影响强度,表征了从单元i流入到单元j的洪水量的相对大小;aii=0,即不考虑单元对自身的影响。
8.一种机器可读存储介质,所述存储介质中存储有程序,所述程序被处理器执行时,实现权利要求1-7任一项所述的海岸洪灾敏感性评估方法。
9.一种电子设备,包括处理器和存储器,所述存储器中存储有可在处理器上运行的可执行程序,所述处理器执行所述可执行程序时,完成权利要求1-7任一项所述的海岸洪灾敏感性评估方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210444586.5A CN114840993A (zh) | 2022-04-26 | 2022-04-26 | 海岸洪灾敏感性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210444586.5A CN114840993A (zh) | 2022-04-26 | 2022-04-26 | 海岸洪灾敏感性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114840993A true CN114840993A (zh) | 2022-08-02 |
Family
ID=82566210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210444586.5A Pending CN114840993A (zh) | 2022-04-26 | 2022-04-26 | 海岸洪灾敏感性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114840993A (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113120164A (zh) * | 2021-04-02 | 2021-07-16 | 自然资源部第二海洋研究所 | 海洋水文水质生态监测浮标 |
-
2022
- 2022-04-26 CN CN202210444586.5A patent/CN114840993A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113120164A (zh) * | 2021-04-02 | 2021-07-16 | 自然资源部第二海洋研究所 | 海洋水文水质生态监测浮标 |
Non-Patent Citations (3)
Title |
---|
严成杰等: "基于复杂网络的洪灾危险性分析方法与应用" * |
徐州 等: "基于 SPR 与 DEMATEL 模型的村域山洪灾害危险评价" * |
马镛 等: "基于复杂网络的海洋生态系统压力影响量化方法及应用" * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ruan et al. | Assessment of temporal and spatial progress of urban resilience in Guangzhou under rainstorm scenarios | |
Efthimiou et al. | Comparative analysis of sediment yield estimations using different empirical soil erosion models | |
CN106780089B (zh) | 基于神经网络元胞自动机模型的永久性基本农田划定方法 | |
CN106651211A (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
Deng et al. | Impacts of human activities on the structural and functional connectivity of a river network in the Taihu Plain | |
Wei et al. | Spatial–temporal variation of land use and land cover change in the glacial affected area of the Tianshan Mountains | |
CN114372685A (zh) | 一种基于swmm模型的城市暴雨内涝风险评估方法 | |
CN114492233B (zh) | 一种基于webGIS平台及考虑综合利用要求的流域水模拟方法 | |
CN112949998A (zh) | 一种动态构建区域自然灾害风险云图的系统及方法 | |
Wu et al. | Increasing flood risk under climate change and social development in the Second Songhua River basin in Northeast China | |
Gu et al. | Risk assessment for ecological planning of arid inland river basins under hydrological and management uncertainties | |
CN116882741A (zh) | 一种超标准洪水灾害动态定量评估方法 | |
Du et al. | Impacts of socio-economic factors on sediment yield in the Upper Yangtze River | |
CN113869804B (zh) | 一种洪涝灾害下的电网设备风险预警方法及系统 | |
Zhang et al. | Risk assessment on storm flood disasters of different return periods in Huai River Basin | |
CN114840993A (zh) | 海岸洪灾敏感性评估方法 | |
Li et al. | Resilience Assessment of Urban Distribution Network Under Heavy Rain: A Knowledge-Informed Data-Driven Approach | |
Yang et al. | Fish habitat assessment model considering the spatial pattern and connectivity of habitat patches | |
Luo et al. | Evaluation of regional drought disaster prevention ability and obstacle analysis | |
CN111539596A (zh) | 一种流域灰色基础设施的调蓄能力评价方法 | |
Zhang et al. | Sustainable effect of coal mining on hydrological drought risk: a case study on Kuye river basin, China | |
Wang et al. | Ensemble flood simulation for the typical catchment in humid climatic zone by using multiple hydrological models | |
Han et al. | Research on Risk Prediction of Rainstorm and Flood Disaster Based on GA-BP Neural Network | |
Huang et al. | Flood Hydrological Simulation and Risk Assessment Based on GIS | |
Zhong et al. | Dynamic Flood Hazard Mapping and Its Management System Application |
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 |