CN115423272A - 一种融合历史淹没强度的洪涝风险评估方法和系统 - Google Patents
一种融合历史淹没强度的洪涝风险评估方法和系统 Download PDFInfo
- Publication number
- CN115423272A CN115423272A CN202210978902.7A CN202210978902A CN115423272A CN 115423272 A CN115423272 A CN 115423272A CN 202210978902 A CN202210978902 A CN 202210978902A CN 115423272 A CN115423272 A CN 115423272A
- Authority
- CN
- China
- Prior art keywords
- flood
- water body
- flooding
- index
- land
- 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 58
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 162
- 238000011160 research Methods 0.000 claims abstract description 62
- 238000011156 evaluation Methods 0.000 claims description 41
- 238000013439 planning Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 20
- 238000010276 construction Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000007726 management method Methods 0.000 claims description 13
- 230000035945 sensitivity Effects 0.000 claims description 7
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000003786 synthesis reaction Methods 0.000 claims description 4
- 239000003643 water by type Substances 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims 1
- 230000010485 coping Effects 0.000 abstract description 3
- 230000001186 cumulative effect Effects 0.000 abstract 1
- 230000000694 effects Effects 0.000 abstract 1
- 239000002689 soil Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013316 zoning Methods 0.000 description 2
- 229920002334 Spandex Polymers 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000035935 pregnancy Effects 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 239000004759 spandex Substances 0.000 description 1
- 238000011425 standardization method Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000000179 transient infrared spectroscopy Methods 0.000 description 1
- 238000003809 water extraction Methods 0.000 description 1
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
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
-
- 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)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种融合历史淹没强度的洪涝风险评估方法和系统，其中，方法包括：将研究区按照单元尺度划分为多个栅格单元，计算汛期内各景水体范围影像中各栅格单元的累积洪泛频次，将研究区的用地类型与研究区内各栅格单元进行匹配后获取各栅格单元的最大淹没水深阈值；将各栅格单元归一化后的累积洪泛频次和最大淹没水深阈值相乘，得到各栅格单元的历史淹没强度，将各栅格单元的历史淹没强度与基本风险评估指数融合，得到各栅格单元的洪涝风险评估综合指数，用于评估研究区的洪涝风险。本发明将历史淹没强度纳入风险评估，考虑不同用地对洪涝的淹没水深阈值，洪涝风险评估结果对于应对洪涝的国土空间管控具有更加精细化的实施引导作用。
Description
技术领域
本发明属于面向国土空间管控下的洪涝灾害风险评估领域，更具体地，涉及一种融合历史淹没强度的洪涝风险评估方法和系统。
背景技术
洪涝已成为全球损失最严重的灾害之一，我国也是世界上洪涝灾害和频次损失最严重的国家之一，每年面临着严重的经济损失。如2020年长江流域特大洪涝直接损失超1400亿。随着全球气候变化不确定性加剧，人口和经济的集聚度仍不断增加，洪涝发生频率和强度仍呈上升趋势，洪水灾害风险评估仍是应对洪涝灾害的热点内容。另一方面，随着我国国土空间规划体系的建立，加强国土空间用途管制、建设韧性城市成为应对灾害风险的重点内容，在应对洪涝灾害方面也提出了相应要求指南。如强调“双评估”，通过灾害风险评估“形成与水资源、水环境、水生态、水安全相匹配的国土空间布局”，划定洪涝风险控制线等。但整体来说，如何加强风险评估与国土空间管控仍属于探索阶段，如何快速进行洪水灾害风险评估并使其与国土空间管控有效衔接成为当前研究的重点难点。
目前，典型洪水灾害风险评估的方法主要有三种：其一，基于历史数据的洪涝风险分析。早期时多基于局部历史灾情数据进行数理性的洪水频率分析、水文气候模拟，Black等通过分析历史洪水记录评估苏格兰河流洪水风险的时间变化，该方法相对简单且客观，但以往多受制于连续完整历史数据的获取困难，对于空间数据的时空分辨率精度不足。其二，基于系统指标的洪灾风险评估，指标评估多围绕洪水风险的主要维度，如脆弱性、敏感性、环境风险等构建指标体系、选取合理指标、确定相应权重，从而获取风险评估结果。如刘媛媛等利用AHP_熵权法对孟印缅地区洪水灾害风险进行了指标评估；Hu等通过指标评估法对北京的区域洪涝风险进行了评估。由于其评估维度和指标选取相对灵活，指标评估法被广泛应用，但在指标选取的合理性及权重确定的科学性方面，需要结合实际情况充分论证。其三，基于情景模拟的多模型评估法，如基于水文动力学方法的大量洪水风险评估，如王绪彬等采用MIKE软件的水文学模型(URBANB)和一维非恒定流河道水力学洪水演进模型耦合计算洪水淹没范围、速度和水深；此外，Prudhomme等基于情景分析方法评估了英国河流的洪水风险；孙海等利用元胞自动机模拟洪水演进、基于云模型的风暴潮灾害多属性综合风险分析方法对珠海市香洲区风暴潮洪水风险进行了模拟评估。然而，基于情景设定和复杂水文模型的方法往往需要大量而全面的数据支撑且计算量较大，同时，情景模拟和参数设置本身也存在一定的不确定性。一般来说，不论从哪个维度和侧重点出发，对于洪涝灾害风险评估基本围绕对孕灾环境、致灾因子、承灾体等重点领域风险评估或系统性综合灾害风险评估展开。
随着遥感大数据技术的发展，遥感影像的多时相、近实时的特征和利用计算机快速提取的优势使其广泛应用于洪水灾害预警、监测、灾情分析之中以获取洪泛淹没空间。洪泛空间是指临近溪流、湖泊、江河等陆地区域，易受周期性洪水淹没区域，代表了不确定性洪水与国土空间用地的相互作用，是洪水作用在国土空间上的直观表现形式。目前对洪水的监测多围绕重大洪涝灾害展开，通过对灾前、灾中、灾后水体变化提取以获取单次淹没空间。如曾玲方等基于Sentinel-1卫星提取了2014年12月斯里兰卡洪灾淹没范围；张丽文等基于高分一号影像对2016年武汉市洪涝淹没进行了提取；眭海刚等通过多模态序列遥感影像提取了2020年7月安徽洪涝灾害和2021年7月中国河南洪涝灾害淹没范围。其中水体提取方法主要包括水体指数阈值法、基于纹理进行提取、利用机器学习算法和阈值法结合等。同时，对地观测卫星种类的丰富使得高时空分辨率的遥感影像来源不断增加，目前已经形成了Landsat系列、Modis系列、Sentinel系列、GF一号系列等多类型多时序多精度的遥感影像数据，而Google Earth Engine等分布式计算平台也提高了大区域、多时序遥感影像的快速处理效率。
然而，针对遥感影像在洪水方面的应用目前主流仍集中于重大洪涝灾害监测，历时态连续型的历史洪泛空间频率、强度对于洪水发生风险的影响及评估较少，如何将其有效纳入洪水风险评估也是优化洪水评估方法的方向之一。
总体来说，现有方法中主要存在以下不足：
第一，传统洪水评估风险方法多从孕灾环境、致灾因子、承灾体等主要维度评估洪水空间风险，较少考虑历时态长周期的洪泛空间分布概率和频次对于未来风险的影响。
第二，传统洪灾风险评估及区划往往只针对不同维度的要素因子本身，忽略了风险区划结果作用于国土空间本体管控衔接，对于空间规划不同用地类型的风险性管控引导不足。
因此，亟需提供一种面向国土空间精细化管控、考虑历史洪泛空间频次及不同维度洪水影响关键要素的国土空间洪涝评估方法。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种融合历史淹没强度的洪涝风险评估方法和系统，由此解决现有技术存在忽略历时态长周期的洪泛空间分布对于未来风险的影响、对于空间规划不同用地类型的风险性管控引导不足、导致洪涝风险评估不准确的技术问题。
为实现上述目的，按照本发明的一个方面，提供了一种融合历史淹没强度的洪涝风险评估方法，包括：
将研究区按照单元尺度划分为多个栅格单元，将汛期前和汛期内多景遥感影像的栅格单元分辨率与研究区的单元尺度匹配后提取汛期前和汛期内多景水体范围影像；
对汛期前多景水体范围影像进行中值合成得到固定水体，将同一天内的汛期内多景水体范围影像合并为汛期内一景水体范围影像，将汛期内各景水体范围影像与固定水体对比，得到汛期内各景水体范围影像中每个栅格单元的洪泛频次；
将汛期内各景水体范围影像中的栅格单元叠加，计算汛期内各景水体范围影像中各栅格单元的累积洪泛频次，从研究区的规划资料中获取研究区的用地类型，将研究区的用地类型与研究区内各栅格单元进行匹配后获取各栅格单元的最大淹没水深阈值；
将各栅格单元归一化后的累积洪泛频次和归一化后的最大淹没水深阈值相乘，得到各栅格单元的历史淹没强度，将各栅格单元的历史淹没强度与基本风险评估指数融合，得到各栅格单元的洪涝风险评估综合指数，用于评估研究区的洪涝风险。
进一步地，所述汛期前和汛期内多景水体范围影像的提取包括：
将汛期前和汛期内多景遥感影像的栅格单元分辨率与研究区的单元尺度匹配，然后计算汛期前和汛期内多景遥感影像的水体指数，提取汛期前和汛期内多景遥感影像中水体指数大于临界阈值的栅格单元组成汛期前和汛期内多景水体范围影像。
进一步地，所述汛期前和汛期内多景遥感影像的水体指数的计算方式相同，其中，汛期内多景遥感影像中栅格单元的水体指数为：该栅格单元的绿色波段与中红外波段之差与绿色波段与中红外波段之和的比值。
进一步地，所述汛期前和汛期内多景遥感影像中水体指数的临界阈值的确定方式相同，其中，汛期内多景遥感影像中水体指数的临界阈值通过如下方式确定：
按照随机确定的水体指数阈值k将汛期内多景遥感影像中的栅格单元划分为两类，计算两类栅格单元的类间方差σ2(k)：
σ2(k)＝ω0(μ0-μ)2+ω1(μ1-μ)2
其中，ω0为汛期内多景遥感影像中第一类栅格单元数占总栅格单元数的概率，ω1则为汛期内多景遥感影像中第二类栅格单元数占总栅格单元数的概率，μ为汛期内多景遥感影像中所有栅格单元水体指数的均值，μ0为第一类栅格单元数水体指数在该类中的均值，μ1为第二类栅格单元数水体指数在该类中的均值；
随机确定多个水体指数阈值后计算类间方差，将类间方差最大时对应的水体指数阈值作为临界阈值。
进一步地，所述洪涝风险评估综合指数为：
其中，R为洪涝风险评估综合指数，K为历史淹没强度，I为基本风险评估指数，wK、wI分别为历史淹没强度和基本风险评估指数的权重。
进一步地，所述基本风险评估指数为：
I＝(wH*H)*(wS*S)*(wV*V)
其中，I为基本风险评估指数，H为致灾因子危险性指数，S为孕灾环境敏感性指数，V为承灾体易损性指数，wH、wS、wv分别为致灾因子危险性指数、孕灾环境敏感性指数、承灾体易损性指数的权重，致灾因子危险性指数为年均雨季降雨量和年均暴雨天数的加权和，孕灾环境敏感性指数为高程、坡度、河网密度和土壤可蚀性的加权和，承灾体易损性指数为人口密度和GDP的加权和。
进一步地，所述方法还包括：
按照各栅格单元的洪涝风险评估综合指数，对研究区进行洪涝风险等级划分，对于研究区中不同等级的洪涝风险区域，按照用地类型制定规划管控决策措施。
进一步地，所述研究区包括：流域、市域、县域和集中建设区，其中，流域的单元尺度为100m～500m，市域的单元尺度为50m～100m，县域的单元尺度为30m～50m，集中建设区的单元尺度为10m及以下。
进一步地，所述流域和市域的用地类型包括：耕地、水域、林地、建设用地、草地和园地，所述县域和集中建设区的用地类型包括：耕地、水域、林地、园地、交通运输用地、居住用地、工业用地、绿地与开敞用地、仓储用地、公共服务用地和商业用地。
按照本发明的另一方面，提供了一种融合历史淹没强度的洪涝风险评估系统，包括：
水体提取模块，用于将研究区按照单元尺度划分为多个栅格单元，将汛期前和汛期内多景遥感影像的栅格单元分辨率与研究区的单元尺度匹配后提取汛期前和汛期内多景水体范围影像；
洪泛频次计算模块，用于对汛期前多景水体范围影像进行中值合成得到固定水体，将同一天内的汛期内多景水体范围影像合并为汛期内一景水体范围影像，将汛期内各景水体范围影像与固定水体对比，得到汛期内各景水体范围影像中每个栅格单元的洪泛频次；
淹没水深匹配模块，用于将汛期内各景水体范围影像中的栅格单元叠加，计算汛期内各景水体范围影像中各栅格单元的累积洪泛频次，从研究区的规划资料中获取研究区的用地类型，将研究区的用地类型与研究区内各栅格单元进行匹配后获取各栅格单元的最大淹没水深阈值；
洪涝风险评估模块，用于将各栅格单元归一化后的累积洪泛频次和归一化后的最大淹没水深阈值相乘，得到各栅格单元的历史淹没强度，将各栅格单元的历史淹没强度与基本风险评估指数融合，得到各栅格单元的洪涝风险评估综合指数，用于评估研究区的洪涝风险。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
(1)本发明在传统洪水风险评估体系的基础上，借助遥感大数据对于历史洪泛水体空间分布及频次特征快速提取的优势，获取了历时态的用地累积洪泛频次，比起一般风险评估中的潜在风险概率，较好刻画了国土空间历史已经发生的洪泛风险程度；同时，将不同土地利用类型对于洪泛淹没耐受性的水深阈值与淹没频次结合，作为历史淹没强度纳入国土空间洪涝综合风险评估体系。既考虑了现时态空间的洪涝风险要素，又考虑了历史真实洪泛发生频次的累加空间概率风险，提高了洪涝综合风险评估结果的针对性、准确性及可实施性。。
(2)本发明将遥感影像的单元分辨率与研究区划定的单元尺度匹配，这样才能准确的借助遥感大数据提取水体进行后续计算，利用改进的归一化差异水体指数计算，获取水体指数类间方差最大时的临界阈值，提取大于临界阈值的栅格单元，由此获取的水体影像范围准确、结果可靠。
(3)本发明所提出的国土空间洪涝综合风险评估指数，综合了风险评估指数及历史淹没强度的数值特征，易于差异化总体数值分布的高值区及低值区，可以精细化评估识别淹没强度和基本风险均较高、低的区域，从而有助于形成分级差异化显著的风险区划结果。
(4)本发明旨在优化洪涝风险评估与国土空间规划管控有效衔接。可以对空间规划不同用地类型的风险性进行精细评估及管控引导。通过应对洪涝的国土空间刚弹管控的规划决策，从而弥补风险区划在国土空间管控实施方面的不足，有助于科学指导国土空间用途管制。
附图说明
图1是本发明实施例提供的一种融合历史淹没强度的洪涝风险评估方法的流程图；
图2是本发明实施例提供的单景洪泛水体提取示例图；
图3是本发明实施例提供的洪涝风险综合评估指数曲线分布示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，一种融合历史淹没强度的洪涝风险评估方法，包括：
S1、将研究区按照单元尺度划分为多个栅格单元；
S2、计算汛期内各景水体范围影像中每个栅格单元的洪泛频次；
S3、计算得到各栅格单元的历史淹没强度；
S4、将各栅格单元的历史淹没强度与基本风险评估指数融合，得到各栅格单元的洪涝风险评估综合指数，用于评估研究区的洪涝风险；
S5、洪涝风险评估与管控。
在步骤S1中，评估单元划分根据研究区对应的规划空间层级尺度和管控引导要求，确定栅格单元划分精度，作为风险评估和洪泛空间提取的基本单元。如表1所示提供了面向国土空间管控的单元划分尺度。
表1研究区单元尺度建议
在步骤S2中，根据汛期前后水体变化提取历史洪泛频次包括以下子步骤：
S2.1、确定研究区汛期月份，选取研究区汛期前一个月内、汛期内多景遥感影像，利用最近邻内插法重采样栅格分辨率以匹配研究区空间单元尺度。
S2.2、利用改进的归一化差异水体指数计算多景遥感影像水体指数。
MNDWI＝(p(Green)-p(MIR))/(p(Green)+p(MIR))
其中，MNDWI表示多景遥感影像水体指数。p(Green)表示遥感影像中绿色波段，p(MIR)为中红外波段。
S2.3、利用大津法OSTU进行水体指数阈值划分，计算获取水体指数类间方差最大时的临界阈值，提取大于临界阈值的栅格单元即为水体范围。依次生成汛期前后多景水体范围影像。结合坡度、植被覆盖指数对水体提取结果进行优化校核。
σ2(k)＝ω0(μ0-μ)2+ω1(μ1-μ)2
k*＝argmax σ2(k)
其中，k为随机确定的水体指数阈值；σ2(k)是阈值为k时栅格单元划分为两类时的类间方差；ω0为遥感影像中第一类栅格单元数占总栅格单元数的概率，ω1则为另一类的概率，μ为所有栅格单元水体指数值的均值，μ0为第一类栅格单元水体指数值在该类中的均值，μ1为另一类的均值。k*即为水体指数取得最大类间方差时的临界阈值。
S2.4、以汛期前一个月内的遥感影像水体范围中值合成作为固定水体。根据汛期内多景水体范围影像对应日期，将同一天内影像合并为一景，记为1次水体提取。
S2.5、将汛期每景水体影像范围结果与固定水体对比，用掩膜提取操作(updatemask)作差，得到不一样的水体，获得洪泛水体栅格单元记为“1”，代表1次洪泛记录，非水体栅格单元记为“0”，记第i时刻日期的第j个洪泛水体栅格单元对应的洪泛频次为Fij，Fij为0或1。
步骤S3中，结合历史洪泛空间及土地利用类型计算淹没强度分布包括以下子步骤：
S3.1、将多景洪泛水体栅格叠加，计算获得历年洪泛期累积洪泛频次分布栅格，则第j个洪泛水体栅格单元对应的累积洪泛频次为Fj。
S3.2、利用Min-Max标准化法对累积洪泛频次进行归一化处理，得到归一化后第j个洪泛水体栅格单元对应的累积洪泛频次为F′j。Min-Max标准化公式如下：
对于正向指标
对于负向指标
其中，X′为标准化后的特征值，X为原始特征数据，Xmax、Xmin分别为特征数据中的最大值、最小值。
S3.3、结合规划资料获取、匹配评估年份的栅格单元用地类型，如耕地、水域、林地，利用最近邻内插法重采样将土地利用栅格与研究区单元匹配。用地类型的精细度结合国土空间层级和研究区实际管控需求确定，下表为不同评估尺度的可选用地类型。
表2研究区单元尺度建议
S3.4、利用Min-Max标准化对每个单元格的最大淹没水深阈值归一化处理。则归一化后第j个土地利用栅格单元的最大淹没水深阈值为D′j。
S3.5、计算历史淹没强度K。定义栅格单元j的历史淹没强度为Kj：
Kj＝F′j*D′j
步骤S4中，构建融合历史淹没强度的国土空间洪涝风险评估，包括以下子步骤：
S4.1、从致灾因子(H)、孕灾环境(S)、承载体(V)三个评估维度出发，得到基本风险评估指数(I)。将历史淹没强度(K)作为第四个维度，构建国土空间洪涝风险综合评估框架。
S4.2、根据基本评估维度，从代表性、独立性、可获取性等原则出发，对应选择评估指标。可选的，致灾因子(H)、孕灾环境(S)、承载体(V)的评估指标选择可包括年均雨季降雨量(h1)，年均暴雨天数(h2)；高程(s1)、坡度(s2)、河网密度(s3)、土壤可蚀性(s4)、植被覆盖度(s5)；人口密度(v1)、GDP(v2)等，在此基础上根据研究区实际特征及资料进一步筛选确定。
S4.3、根据评估维度及指标选择计算基本风险评估指数I。
I＝(WH*H)*(wS*S)*(wV*V)
其中，H为致灾因子危险性指数；S为孕灾环境敏感性指数；V为承灾体易损性指数；wH、wS、wv分别为各指数的权重。hp、sp、vp分别为对应评估维度的第p个Min-Max标准化后的计算指标，whp、wsp、wvp分别为对应的指标分项权重。分项因子权重whp、wsp、wvp、各指数权重wH、wS、wV根据研究区实际情况主客观结合方法确定。可选地，指标权重确定方法包括：AHP层次分析法、熵值法、随机森林等。
S4.4、根据洪涝风险综合评估框架，定义洪涝风险评估综合指数：
其中，R为洪涝风险评估综合指数；K为历史淹没强度；I为基本风险评估指数。wK、wI分别为历史淹没强度和基本风险评估指数的加权权重，可通过综合分析研究区的历史淹没时空特征及风险指数后主客观结合确定。本发明定义的洪涝风险评估综合指数的公式优势在于历史淹没强度和基本风险评估指数均较高时，洪涝风险评估综合指数为高值。
步骤S5中，根据国土空间洪涝综合风险评估结果，确定国土空间洪涝区划刚性及弹性管控规划决策，包括以下子步骤：
S5.1、根据洪涝风险综合指数计算结果，利用自然间断法将其分为低风险、较低风险、中等风险、较高风险、高风险5个等级，生成国土空间风险等级图。
S5.2、根据国土空间洪涝风险等级图，差异化制定规划管控决策措施。依据不同用地类型的特征，高风险区刚性管控决策可包括禁止开发、划定灾害预留用地、拆迁撤并等，弹性管控决策包括土地分季节非建设性利用、生态涵养等。
本发明在传统洪水风险评估体系的基础上，借助遥感大数据对于历史洪泛水体空间分布及频次特征快速提取的优势，获取了历时态的用地洪泛频次、空间分布概率及对于未来国土空间用地管控的影响；同时，将不同土地利用类型对于洪泛淹没耐受性的水深阈值与淹没频次结合，作为历史淹没强度纳入国土空间洪涝综合风险评估体系，既考虑了现时态空间的洪涝风险要素，又考虑了历史真实洪泛发生频次的累加空间概率风险。所提出的国土空间洪涝综合风险评估指数有助于精细化评估识别淹没强度和基本风险均较高的区域，在此基础上与国土空间刚弹管控的规划决策进一步衔接，从而弥补风险区划在国土空间管控实施方面的不足，有助于科学指导国土空间用途管制。
实施例1
本实施例选取湖北省武汉市江夏区作为研究区域。江夏区西靠长江，湖泊众多，易受洪水干扰，对于国土空间洪涝风险评估及管控具有一定典型意义。
具体洪涝风险评估方法如下：
步骤101、根据研究区国土空间规划层级确定评估网格单元尺度。江夏区在我国五级三类国土空间规划体系中属于区县级国土空间规划，面积约2000km2。本实例中选择研究区单元尺度为30*30m。以下所有评估栅格图层，均在Arcgis的python API工具Arcpy利用<Resample>函数按此单元尺度进行统一匹配。
步骤201、确定汛期月份并选择遥感影像。我国南方地区的主汛期主要集中在5-9月，尤以长江流域地区为典型。因此，本实施例选择历年5-9月份作为汛期洪泛水体提取时期。以4-5月期间作为固定水体提取时期。
步骤202、计算多景遥感影像水体指数并优化校核。鉴于本实施例确定的研究单元尺度为30m，利用Google Earth Engine(GEE)大数据实时计算平台，选取Landsat SR系列遥感影像——包括Landsat 4 TM、Landsat 5 TM、Landsat 7 ETM+、Landsat 8 OLI/TIRS、Landsat 9 OLI-2/TIRS-2，年份跨度为1984-2020年，空间分辨率为30m。在GEE的pythonAPI中利用<ee.normalizedDifference>函数，选取绿色波段(SR_B3)和中红外波段(SWIR1)，通过改进的归一化水体指数计算公式，计算每景遥感影像的MNDWI指数。GEE提供分布式计算接口，可以高效完成近40年的多景遥感影像计算。在此基础上，利用影像中的“QA_PIXEL”质量评估波段，对所有影像进行去云处理，利用掩膜工具<UpdateMask>去除云量较大、质量不佳的区域。
步骤203、调用python中的<skimage.filters.threshold_otsu>函数，计算每景水体指数影像在取得最大类间方差时的临界阈值，利用临界阈值掩膜水体指数，提取大于阈值的区域赋值为“1”，其它为“0”，依次得到单景水体提取。在此基础上，利用坡度数据Slope和植被归一化指数NDVI数据，对每景水体提取影像筛选掩膜去除水体不太可能出现的区域。在本实施例中，掩膜去除每景水体提取影像中Slope＞8°或NDVI＞0.3的错误水体。
步骤204、选取历年遥感影像中汛期前一个月(4-5月)的水体提取影像，在GEE的python API中利用<ee.ImageCollection.Median>中值合成作为汛期前的固定水体。将汛期内多景水体提取影像中同一天的水体提取影像合并，得到历次水体频次。
步骤205、将汛期每景水体影像范围结果与固定水体掩膜，获得汛期每景水体影像洪泛频次为Fij，以2016年7月23日水体提取及掩膜为例，如图2所示，图中黑色部分为洪泛水体，白色部分为非水体，阴影线条部分为固定水体。
步骤301、利用GEE的python API中利用<ee.image.expression>对汛期洪泛水体栅格进行累加，得到1984-2020年累积洪泛频次为Fj。
步骤302、在Arcpy中利用<RasterCalculator>输入Min-Max标准化公式对累积洪泛频次栅格进行归一化，得到历史累计洪泛频次强度分布图。
步骤303、结合规划资料，选取研究区土地利用类型数据，在Arcpy中利用<Resample>函数对土地利用类型进重采样至30m。作为说明示例，结合江夏区的单元尺度及规划层级，本实施例中选择2018年土地利用栅格，土地利用类型包括居住用地、商业用地、工业用地、交通运输用地、公共服务用地、其他建设用地、耕地、林地、草地、水体等10类。
步骤304、依据当地用地使用特征及用地类型对于洪泛的耐受性，确定不同土地利用类型的最大淹没水深阈值。本实例中确定的最大淹没水深阈值参考见表3。其中，居住、商业、公服、工业类用地以建筑使用为主，相对于室外交通类用地一般至少存在30cm以上的室内外高差，居住、商业、公服用地以洪泛淹没开始明显影响人群行动使用为临界，此处选择60cm作为阈值。工业用地由于场地和设备等原因，本实例将其阈值确定为最低高差。其他建设用地参考交通类用地。耕地等生态类用地参考相应植被、作物耐受性确定。利用Arcpy中<Reclassify>根据用地类型生成每个栅格单元的最大水深淹没阈值Dj。
表3不同用地类型最大淹没阈值建议
步骤305、在Arcpy中利用<RasterCalculator>输入Min-Max标准化公式对最大水深淹没阈值栅格进行归一化处理，得到土地利用淹没耐受强度分布图。
步骤306、在Arcpy中利用<RasterCalculator>输入历史淹没强度公式，计算每个栅格单元历史淹没强度Kj，得到历史淹没强度分布图。
步骤401、根据致灾因子(H)、孕灾环境(S)、承载体(V)评估维度，结合研究区的特征，本实例作为示例，选取的评估指标包括历年雨季平均降雨量(h1)；高程(s1)、坡度(s2)、河网密度(s3)、植被覆盖度(s4)；人口密度(v1)、GDP(v2)。需要说明的是，在实际评估中，当地规划及水利各部门的大量资料和重点风险维度应被考虑以构建全面的评估指标体系。
步骤402、确定指标权重计算基本风险评估指数。各评估维度及评估指标权重确定可根据研究区特征风险的侧重维度和指标信息综合比对得出，本实例以主客观结合的方式作为权重确定示例。具体采用AHP方法经过专家建议得出主观权重，以熵权法得出客观权重，采用线性组合得出最终组合权重。本实施例中线性组合系数各取0.5，组合方式并不仅限于此。权重及指标赋值见表4。在Arcpy中利用<RasterCalculator>计算得到基本风险评估指数分布图。
表4利用AHP-熵权法组合确定评估权重
步骤403、根据国土空间洪涝风险评估综合指数，在Arcpy中利用<RasterCalculator>计算得到国土空间洪涝风险指数。本实例中，对于历史淹没强度K和基本风险评估指数I的权重wK、wI各取0.5，具体结合实际研究案例灵活调整。本发明中定义的洪涝风险评估综合指数公式，充分考虑历史淹没强度和基本风险指数的关系，最终的综合指数易于识别出两者的高、高值区或低、低值区，对于用地弹性和灾害性风险用地的刚性管控引导更加精细化。本实施例中最终的国土空间洪涝风险指数、历史淹没强度和基本风险指数的曲线关系见图3。
步骤501、在Arcgis中利用自然间断法，将本实例计算得到的国土空间洪涝风险综合指数分为低风险(0-0.14)、较低风险(0.15-0.37)、中等风险(0.38-0.60)、较高风险(0.60-0.77)、高风险(0.78-1)5个等级，生成国土空间洪涝综合风险区划图。通过区划分布及面积计算，其中，评估得出的高风险区及较高风险区约占研究区面积的18.9％，除去其中的固定水体约13.7％，本实例识别出约5.3％的洪涝较高/高风险地区；中等风险区约4.5％；较低风险区约4.3％；低风险区约72.3％。本实施例方法较传统风险评估方法相比，在数量和空间分布上相对精细地识别出亟需管控和加强预防的中高风险地区，为面向国土空间洪涝风险的用地管控及决策提供较为明确的引导。需要强调的是，本实施例的计算过程及结果主要以详细阐述和说明为主，具体发明方法实践应用中需要结合研究区的详细资料及高精度数据进行灵活优化。
步骤502、根据研究区评估结果，并与风险评估国土空间专项规划、国土空间总体规划衔接，差异化制定规划管控决策及措施，最终形成应对洪涝风险的国土空间用地管制区划及准入引导措施。可选的，本实施例结合评估结果在此提供面向国土空间综合洪涝风险评估结果的几个方面的具体实施决策及管控引导措施，需要强调的是，面向国土空间综合洪涝风险评估的规划决策及管控措施，不仅限于以下内容。
①居住、商业用地密集型洪涝高/较高风险区：限制新增居住与商业土地用途；控制建筑密度、征用更新类建设用地，鼓励风险用地的用途置换；优化防灾用地布局匹配，强化防洪工程建设。
②居住用地分散型洪涝高/较高风险区：严格控制新增建设用地，鼓励逐步拆迁撤出，实施建设用地非建用途转换，构建生态缓冲区。
③工业用地洪涝高风险区：限制场地建筑密度，提高工业建筑防洪建设标准。
④交通运输用地高/较高风险区：提高道路断面海绵技术设计指标，强化基于自然与工程结合的排水系统。
⑤耕地/农业用地洪涝高/较高风险区：实施汛期/非汛期差异化用地管制引导措施，鼓励汛期高风险耕地补偿，严控高风险耕地用途转出。
⑥林地洪涝高/较高风险区：构建严格的生态用地涵养保护制度，划定必要的灾害预留用地，制定林地等生态类用地的用途准入清单，严控高风险生态类用地的用途转出。
实施例1通过具体研究区个例对本发明的思路和过程原理、计算进行了详细阐述，实施例1的阐述仅用于帮助理解本发明的方法及核心思想。同时，对于一般技术人员，依照本发明的思路，在具体实施方式和应用尺度上均可有灵活改变之处。综上，本发明说明内容及实例阐述不应理解为对本发明的限制。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种融合历史淹没强度的洪涝风险评估方法，其特征在于，包括：
将研究区按照单元尺度划分为多个栅格单元，将汛期前和汛期内多景遥感影像的栅格单元分辨率与研究区的单元尺度匹配后提取汛期前和汛期内多景水体范围影像；
对汛期前多景水体范围影像进行中值合成得到固定水体，将同一天内的汛期内多景水体范围影像合并为汛期内一景水体范围影像，将汛期内各景水体范围影像与固定水体对比，得到汛期内各景水体范围影像中每个栅格单元的洪泛频次；
将汛期内各景水体范围影像中的栅格单元叠加，计算汛期内各景水体范围影像中各栅格单元的累积洪泛频次，从研究区的规划资料中获取研究区的用地类型，将研究区的用地类型与研究区内各栅格单元进行匹配后获取各栅格单元的最大淹没水深阈值；
将各栅格单元归一化后的累积洪泛频次和归一化后的最大淹没水深阈值相乘，得到各栅格单元的历史淹没强度，将各栅格单元的历史淹没强度与基本风险评估指数融合，得到各栅格单元的洪涝风险评估综合指数，用于评估研究区的洪涝风险。
2.如权利要求1所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述汛期前和汛期内多景水体范围影像的提取包括：
将汛期前和汛期内多景遥感影像的栅格单元分辨率与研究区的单元尺度匹配，然后计算汛期前和汛期内多景遥感影像的水体指数，提取汛期前和汛期内多景遥感影像中水体指数大于临界阈值的栅格单元组成汛期前和汛期内多景水体范围影像。
3.如权利要求2所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述汛期前和汛期内多景遥感影像的水体指数的计算方式相同，其中，汛期内多景遥感影像中栅格单元的水体指数为：该栅格单元的绿色波段与中红外波段之差与绿色波段与中红外波段之和的比值。
4.如权利要求2所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述汛期前和汛期内多景遥感影像中水体指数的临界阈值的确定方式相同，其中，汛期内多景遥感影像中水体指数的临界阈值通过如下方式确定：
按照随机确定的水体指数阈值k将汛期内多景遥感影像中的栅格单元划分为两类，计算两类栅格单元的类间方差σ2(k)：
σ2(k)＝ω0(μ0-μ)2+ω1(μ1-μ)2
其中，ω0为汛期内多景遥感影像中第一类栅格单元数占总栅格单元数的概率，ω1则为汛期内多景遥感影像中第二类栅格单元数占总栅格单元数的概率，μ为汛期内多景遥感影像中所有栅格单元水体指数的均值，μ0为第一类栅格单元数水体指数在该类中的均值，μ1为第二类栅格单元数水体指数在该类中的均值；
随机确定多个水体指数阈值后计算类间方差，将类间方差最大时对应的水体指数阈值作为临界阈值。
5.如权利要求1-4任一所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述洪涝风险评估综合指数为：
其中，R为洪涝风险评估综合指数，K为历史淹没强度，I为基本风险评估指数，wK、wI分别为历史淹没强度和基本风险评估指数的权重。
6.如权利要求1-4任一所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述基本风险评估指数为：
I＝(wH*H)*(wS*S)*(wV*V)
其中，I为基本风险评估指数，H为致灾因子危险性指数，S为孕灾环境敏感性指数，V为承灾体易损性指数，wH、ws、wv分别为致灾因子危险性指数、孕灾环境敏感性指数、承灾体易损性指数的权重。
7.如权利要求1-4任一所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述方法还包括：
按照各栅格单元的洪涝风险评估综合指数，对研究区进行洪涝风险等级划分，对于研究区中不同等级的洪涝风险区域，按照用地类型制定规划管控决策措施。
8.如权利要求1-4任一所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述研究区包括：流域、市域、县域和集中建设区，其中，流域的单元尺度为100m～500m，市域的单元尺度为50m～100m，县域的单元尺度为30m～50m，集中建设区的单元尺度为10m及以下。
9.如权利要求8所述的一种融合历史淹没强度的洪涝风险评估方法，其特征在于，所述流域和市域的用地类型包括：耕地、水域、林地、建设用地、草地和园地，所述县域和集中建设区的用地类型包括：耕地、水域、林地、园地、交通运输用地、居住用地、工业用地、绿地与开敞用地、仓储用地、公共服务用地和商业用地。
10.一种融合历史淹没强度的洪涝风险评估系统，其特征在于，包括：
水体提取模块，用于将研究区按照单元尺度划分为多个栅格单元，将汛期前和汛期内多景遥感影像的栅格单元分辨率与研究区的单元尺度匹配后提取汛期前和汛期内多景水体范围影像；
洪泛频次计算模块，用于对汛期前多景水体范围影像进行中值合成得到固定水体，将同一天内的汛期内多景水体范围影像合并为汛期内一景水体范围影像，将汛期内各景水体范围影像与固定水体对比，得到汛期内各景水体范围影像中每个栅格单元的洪泛频次；
淹没水深匹配模块，用于将汛期内各景水体范围影像中的栅格单元叠加，计算汛期内各景水体范围影像中各栅格单元的累积洪泛频次，从研究区的规划资料中获取研究区的用地类型，将研究区的用地类型与研究区内各栅格单元进行匹配后获取各栅格单元的最大淹没水深阈值；
洪涝风险评估模块，用于将各栅格单元归一化后的累积洪泛频次和归一化后的最大淹没水深阈值相乘，得到各栅格单元的历史淹没强度，将各栅格单元的历史淹没强度与基本风险评估指数融合，得到各栅格单元的洪涝风险评估综合指数，用于评估研究区的洪涝风险。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210978902.7A CN115423272B (zh) | 2022-08-15 | 2022-08-15 | 一种融合历史淹没强度的洪涝风险评估方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210978902.7A CN115423272B (zh) | 2022-08-15 | 2022-08-15 | 一种融合历史淹没强度的洪涝风险评估方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115423272A true CN115423272A (zh) | 2022-12-02 |
| CN115423272B CN115423272B (zh) | 2023-07-28 |
Family
ID=84199165
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210978902.7A Active CN115423272B (zh) | 2022-08-15 | 2022-08-15 | 一种融合历史淹没强度的洪涝风险评估方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115423272B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116468269A (zh) * | 2023-04-10 | 2023-07-21 | 广州市城市规划勘测设计研究院 | 一种洪涝高风险区识别方法、装置、设备及存储介质 |
| CN117436708A (zh) * | 2023-12-20 | 2024-01-23 | 临沂市规划建筑设计研究院集团有限公司 | 国土空间规划风险评估方法 |
| CN117933729A (zh) * | 2024-03-21 | 2024-04-26 | 中国电建集团西北勘测设计研究院有限公司 | 洪水影响下的文化遗产脆弱性评估方法及装置 |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040199410A1 (en) * | 2003-01-07 | 2004-10-07 | Hans Feyen | Method for evaluating flood plain risks |
| CN101354757A (zh) * | 2008-09-08 | 2009-01-28 | 中国科学院地理科学与资源研究所 | 一种精细尺度下的动态风险及易损性预测方法 |
| CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
| CN107463901A (zh) * | 2017-08-07 | 2017-12-12 | 中国科学院遥感与数字地球研究所 | 多尺度区域洪涝灾害危险性遥感评估方法和系统 |
| CN109858647A (zh) * | 2018-12-21 | 2019-06-07 | 河海大学 | 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法 |
| CN111724033A (zh) * | 2020-05-14 | 2020-09-29 | 天津大学 | 一种基于随机集理论的洪灾风险评价与精细区划方法 |
| CN112396297A (zh) * | 2020-11-03 | 2021-02-23 | 华中科技大学 | 一种洪水过程遭遇时间和量级发生规律的解析方法和系统 |
| KR102278683B1 (ko) * | 2020-11-26 | 2021-07-16 | (주)헤르메시스 | 홍수피해 위험지수 산출 장치 및 그 방법 |
| CN113240688A (zh) * | 2021-06-01 | 2021-08-10 | 安徽建筑大学 | 一种一体化洪涝灾害精准监测预警方法 |
| CN113313384A (zh) * | 2021-05-28 | 2021-08-27 | 华南理工大学 | 一种融合弹性的城市洪涝灾害风险评估方法 |
| WO2021169536A1 (zh) * | 2020-02-27 | 2021-09-02 | 同济大学 | 一种面向国土空间规划编制的健康风险评估方法及系统 |
| CN113627826A (zh) * | 2021-08-27 | 2021-11-09 | 中国农业科学院农业环境与可持续发展研究所 | 苹果种植区洪涝灾害风险评估方法 |
| CN113723849A (zh) * | 2021-09-07 | 2021-11-30 | 北京师范大学 | 一种基于时空特征的洪涝事件及风险识别方法与系统 |
| US20220156636A1 (en) * | 2020-11-13 | 2022-05-19 | International Business Machines Corporation | Efficient flood waters analysis from spatio-temporal data fusion and statistics |
-
2022
- 2022-08-15 CN CN202210978902.7A patent/CN115423272B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040199410A1 (en) * | 2003-01-07 | 2004-10-07 | Hans Feyen | Method for evaluating flood plain risks |
| CN101354757A (zh) * | 2008-09-08 | 2009-01-28 | 中国科学院地理科学与资源研究所 | 一种精细尺度下的动态风险及易损性预测方法 |
| CN105046087A (zh) * | 2015-08-04 | 2015-11-11 | 中国资源卫星应用中心 | 一种遥感卫星多光谱影像的水体信息自动提取方法 |
| CN107463901A (zh) * | 2017-08-07 | 2017-12-12 | 中国科学院遥感与数字地球研究所 | 多尺度区域洪涝灾害危险性遥感评估方法和系统 |
| CN109858647A (zh) * | 2018-12-21 | 2019-06-07 | 河海大学 | 一种耦合gis和gbdt算法的区域洪涝灾害风险评价与预估方法 |
| WO2021169536A1 (zh) * | 2020-02-27 | 2021-09-02 | 同济大学 | 一种面向国土空间规划编制的健康风险评估方法及系统 |
| CN111724033A (zh) * | 2020-05-14 | 2020-09-29 | 天津大学 | 一种基于随机集理论的洪灾风险评价与精细区划方法 |
| CN112396297A (zh) * | 2020-11-03 | 2021-02-23 | 华中科技大学 | 一种洪水过程遭遇时间和量级发生规律的解析方法和系统 |
| US20220156636A1 (en) * | 2020-11-13 | 2022-05-19 | International Business Machines Corporation | Efficient flood waters analysis from spatio-temporal data fusion and statistics |
| KR102278683B1 (ko) * | 2020-11-26 | 2021-07-16 | (주)헤르메시스 | 홍수피해 위험지수 산출 장치 및 그 방법 |
| CN113313384A (zh) * | 2021-05-28 | 2021-08-27 | 华南理工大学 | 一种融合弹性的城市洪涝灾害风险评估方法 |
| CN113240688A (zh) * | 2021-06-01 | 2021-08-10 | 安徽建筑大学 | 一种一体化洪涝灾害精准监测预警方法 |
| CN113627826A (zh) * | 2021-08-27 | 2021-11-09 | 中国农业科学院农业环境与可持续发展研究所 | 苹果种植区洪涝灾害风险评估方法 |
| CN113723849A (zh) * | 2021-09-07 | 2021-11-30 | 北京师范大学 | 一种基于时空特征的洪涝事件及风险识别方法与系统 |
Non-Patent Citations (3)
| Title |
|---|
| 彭翀 等: "国土空间安全语境下的洪涝适应经验及规划响应", 《西部人居环境学刊》, no. 1 * |
| 朱辉 等: "基于多源遥感数据的蓄洪区洪涝遥感监测与分析", 《河 海 大 学 学 报 ( 自 然 科 学 版 )》, vol. 50, no. 4 * |
| 李景刚 等: "ENVISAT卫星先进合成孔径雷达数据水体提取研究--改进的最大类间方差阈值法", 《自然灾害学报》, vol. 19, no. 3 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116468269A (zh) * | 2023-04-10 | 2023-07-21 | 广州市城市规划勘测设计研究院 | 一种洪涝高风险区识别方法、装置、设备及存储介质 |
| CN116468269B (zh) * | 2023-04-10 | 2023-10-20 | 广州市城市规划勘测设计研究院 | 一种洪涝高风险区识别方法、装置、设备及存储介质 |
| CN117436708A (zh) * | 2023-12-20 | 2024-01-23 | 临沂市规划建筑设计研究院集团有限公司 | 国土空间规划风险评估方法 |
| CN117436708B (zh) * | 2023-12-20 | 2024-04-05 | 临沂市规划建筑设计研究院集团有限公司 | 国土空间规划风险评估方法 |
| CN117933729A (zh) * | 2024-03-21 | 2024-04-26 | 中国电建集团西北勘测设计研究院有限公司 | 洪水影响下的文化遗产脆弱性评估方法及装置 |
| CN117933729B (zh) * | 2024-03-21 | 2024-06-04 | 中国电建集团西北勘测设计研究院有限公司 | 洪水影响下的文化遗产脆弱性评估方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115423272B (zh) | 2023-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111666918B (zh) | 一种基于多因素的海岸线变化识别方法 | |
| Feloni et al. | Flood vulnerability assessment using a GIS‐based multi‐criteria approach—The case of Attica region | |
| CN108416686B (zh) | 一种基于煤炭资源开发的生态地质环境类型划分方法 | |
| CN115423272B (zh) | 一种融合历史淹没强度的洪涝风险评估方法和系统 | |
| Zhu et al. | Flood disaster risk assessment based on random forest algorithm | |
| 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 | |
| CN110472882A (zh) | 基于主成分分析的城市开发用地适宜性评价方法 | |
| CN106651211A (zh) | 一种不同尺度区域洪水灾害风险评估的方法 | |
| CN111428942B (zh) | 基于变网格技术提取微地形因子的线路覆冰厚度预测方法 | |
| CN111985389A (zh) | 一种基于流域属性距离的流域相似判别方法 | |
| Hasan et al. | LULC changes to riverine flooding: A case study on the Jamuna River, Bangladesh using the multilayer perceptron model | |
| CN112381285A (zh) | 一种基于遥感的洪涝淹没预测方法 | |
| Li et al. | Urban flood risk assessment based on DBSCAN and K-means clustering algorithm | |
| da Silva Charles et al. | Estimating average annual rainfall by ordinary kriging and TRMM precipitation products in midwestern Brazil | |
| Bhuiyan | Flood hazard and vulnerability assessment in a riverine flood prone area a case study | |
| AbdelAziz et al. | An effective Decision making model through Fusion Optimization and risk associated with flash flood hazards: A case study Asyut, Egypt | |
| Aqbelaghi et al. | Environmental approach in modelling of urban growth: Tehran City, Iran | |
| CN115906640A (zh) | 一种基于深度学习模型的输电线路土壤侵蚀等级回归方法 | |
| Li et al. | An integrated urban flooding risk analysis framework leveraging machine learning models: A case study of Xi'an, China | |
| Rakuasa | APPLICATION OF REMOTE SENSING DATA AND GEOGRAPHIC INFORMATION SYSTEM FOR FLOOD MODELING IN WAI RUHU WATERSHED AMBON CITY BASED ON GEOGLE EARTH ENGINE | |
| Zhu et al. | Urban flood susceptibility mapping using remote sensing, social sensing and an ensemble machine learning model | |
| CN117152561B (zh) | 一种洪涝灾害重置成本遥感样本集构建及更新方法 | |
| Pandey et al. | Novel ensemble models and their optimization based flood susceptibility modelling in Indian Himalayan Foreland Basin | |
| Ernawati et al. | Web-GIS mapping for watershed and land cover area in Bengkulu | |
| Jin et al. | Study on risk zoning of regional flood disaster based on GIS |
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 |