CN115689293B - 一种基于压力-状态-响应框架的城市内涝韧性评估方法 - Google Patents
一种基于压力-状态-响应框架的城市内涝韧性评估方法 Download PDFInfo
- Publication number
- CN115689293B CN115689293B CN202211422522.1A CN202211422522A CN115689293B CN 115689293 B CN115689293 B CN 115689293B CN 202211422522 A CN202211422522 A CN 202211422522A CN 115689293 B CN115689293 B CN 115689293B
- Authority
- CN
- China
- Prior art keywords
- index
- toughness
- waterlogging
- indexes
- data
- 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
-
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于压力‑状态‑响应框架的城市内涝韧性评估方法。包括:1)研究区数据收集;2)数据前处理;3)基于压力‑状态‑响应框架构建城市内涝韧性评估指标体系;4)指标计算和标准化;5)城市内涝韧性综合评估模型构建;5)基于地理探测器识别城市内涝韧性的主要影响指标,并解析各指标间交互作用。本发明基于压力‑状态‑响应框架构建了城市内涝韧性评估指标体系,可准确评估城市街区尺度的内涝韧性,并进一步识别了城市内涝韧性的影响指标,对城市内涝防治,区域规划和防灾减灾具有重要意义。
Description
技术领域
本发明属于城市内涝韧性评估技术领域,具体涉及一种基于压力-状态-响应框架的城市内涝韧性评估方法。
背景技术
城市化的快速发展极大地增加了区域地表不透水面积,使原先相当部分的自然流域被不透水表面所覆盖,造成下渗与蒸发显著减少,径流总量增大,雨水汇流速度大大提高,提高了城市内涝发生频率,严重影响着人们生命和财产安全以及城市的可持续发展。同时,受气候变化的影响,城市地区极端降水的发生也越来越频繁。因此,受快速城市化和气候变化的双重影响,城市化下的暴雨洪水问题的研究日益受到人们的关注,已成为水文气象相关学科的热点问题之一。
韧性在物理学上是指材料受到外力作用后抵抗折断的能力,现逐步移用于生态系统和城市系统等方面。城市内涝韧性是指城市抵抗内涝发生及内涝发生后减少损失和快速恢复到正常状态的一种综合能力。提升城市内涝韧性是城市可持续发展的重要组成部分,对城市经济发展和社会稳定具有至关重要的作用。因此,准确评估城市内涝韧性,辨识城市内涝韧性的关键影响指标并有针对性的改进和提升城市内涝韧性已成为城市防灾减灾和现阶段海绵城市建设等领域亟需广泛关注的问题。
目前,多数学者开展了城市内涝的相关研究,但现有的研究大多侧重于城市内涝风险评估,缺乏对城市内部精细尺度内涝韧性评估。同时,由于数据分辨率不足的问题,现有的方法和数据多是针对城市整体和大范围研究区的内涝韧性评估,难以准确评估城市街区精细尺度的内涝韧性。直接移用城市内涝风险评估的评估方法和指标体系进行内涝韧性评估会造成其评估结果存在很大的不确定性。
发明内容
发明提供一种基于压力-状态-响应框架的城市内涝韧性评估方法,旨在基于压力-状态-响应框架构建全面且覆盖多过程的内涝韧性指标体系和相应的评估方法,实现准确评估城市街区精细尺度内涝韧性和辨识影响城市内涝韧性的主要影响指标的目的,并对城市内涝风险管理和防灾减灾提供帮助。本发明的目的是通过以下技术方案实现的:
一种基于压力-状态-响应框架的城市内涝韧性评估方法,包括以下步骤:
1)数据收集:收集下载高分辨率遥感影像数据、卫星测高数据、降雨数据、人口密度数据、排水管网位置分布数据和径流控制率数据;
2)数据前处理:包括基于卫星测高数据反演研究区的数字地表模型(DSM)和基于高分辨率遥感影像数据反演研究区的土地利用类型;
3)基于压力-状态-响应框架构建城市内涝韧性评估指标体系:基于压力-状态-响应框架从已收集的数据集中筛选影响城市内涝韧性的指标,构建内涝韧性评估指标体系。指标体系中的三个指标层(压力层,状态层和响应层)相互关联和影响,全面反映了内涝的形成-发展-恢复的过程,有效的揭示了内涝韧性动态互馈过程。其中,压力层为与城市内涝发生相关的自然和地形指标,状态层为区域内减缓内涝发展相关的指标,响应层为研究区内涝发生后恢复到正常状态的相关的指标;
4)指标计算和标准化:将研究区划分为网格尺度研究单元;基于划分的网格和步骤3)中确定的指标体系,进行网格尺度的指标计算;依据网格尺度的各指标和内涝韧性的正负关系,计算标准化后指标;
5)城市内涝韧性综合评估模型构建:基于改进熵权法计算构建的所述城市内涝韧性评估指标体系中每项指标的权重,计算所得每项指标的权重与标准化后指标的对应值的乘积的加和为城市内涝韧性综合评估得分;利用自然断点法将计算所得城市内涝韧性的综合评估得分划为非常低、低、中等、高和非常高五个等级,得到评估的城市内涝韧性等级;
6)基于地理探测器识别城市内涝韧性的主要影响指标,并解析各指标间交互作用;地理探测器模型的构建方法为:基于数据离散方法,将连续型指标离散化,作为地理探测器的自变量输入,将步骤5)中所得城市内涝韧性综合评估得分作为地理探测器的因变量,共同构建地理探测器模型。
进一步的优化,步骤1)中所述高分辨率遥感影像数据为高分1号影像数据,其分辨率为2米;所述卫星测高数据为资源卫星3号测高数据,其分辨率为5米。
进一步的,步骤2)中,研究区的数字表面模型(DSM)反演步骤为:基于Arcgis软件将卫星测高数据通过正射校正、区域网平差、生成点云,最后通过不规则三角网线性插值反演为高分辨率的DSM。土地利用类型反演步骤为:通过目视解译高分影像数据构建土地利用分类样本,基于SVM多分类方法将高分影像数据分类,获取高分辨率的土地利用类型数据。
进一步的,步骤2)中所述的研究区土地利用划分为道路、林地、耕地、草地、水体、建筑用地、裸地和公园共8类土地利用类型。
进一步的,步骤3)中经过筛选,压力层包含的指标为高程、年平均降水量、坡度和地形湿度指数,状态层包含的指标为斑块边缘密度、不透水面比例、到排水管网距离和到水体距离,响应层包含的指标为流控制率、人口密度、到水位监测点的距离和到道路距离。
进一步的,步骤4)中网格尺度研究单元的划分采用的是Arcgis中的Creatfishnet工具,网格的大小为200米;网格尺度的指标计算采用重采样方法对所有计算后的指标进行反距离权重插值处理,获取200米网格尺度的插值数据;所述的标准化是基于200米网格尺度的插值数据进行的,指标的正负关系的确定依据的是指标对内涝韧性的正负影响;其中标准化的公式为:
正向指标:
yij=(xij-ximin)/(ximax-ximin) (1)负向指标:
yij=(ximax-xij)/(ximax-ximin) (2)
式中:xij为研究区内第j个网格的第i项指标对应的值,ximax为研究区内所有网格的第i项指标中的最大值,xi min为研究区内所有网格的第i项指标中的最小值。yij为xij标准化后的值。
进一步的,步骤5)中,改进熵权法将原有的信息熵逻辑函数化,能减少指标变异影响导致的权重计算偏差。改进熵权法计算公式为:
计算每项指标的比重Pij:
式中:Pij为第i项指标的第j个网格的比重,yij表示标准化后的指标体系中第i项指标的第j个网格的值;n为研究区网格个数(yij的个数)。
计算每项指标的改进的信息熵ei和权重ai:
式中:ei和ai分别为第i项指标的信息熵和权重;i为指标项的序号;m为指标体系中指标的总数;j为研究区计算网格序号;n为研究区计算网格个数;计算最后的综合评估得分Fj:
式中:Fj为研究区第j个网格的综合评估得分;ai为第i项指标的权重;m为指标体系中指标的总数;yij为xij标准化后的值。
进一步的,步骤6)中,所述数据离散方法,包括相等法,自然法和分位数法。
进一步的,步骤6)中,基于地理探测器模型的影响因子探测器,识别内涝韧性空间分布的主要影响指标;地理探测器模型的影响因子探测器,其计算公式为:
式中:q代表影响指标(影响因子)对内涝韧性综合评估得分空间分异的解释程度,L是影响指标的离散分类数量,h为影响指标离散后类别序号,N和Nh分别为变量在研究区和第h类别内的网格数。σ2和分别是研究区和第h类别内内涝韧性得分的方差。
步骤6)中,基于地理探测器模型的交互探测器模块解析各个指标间的交互作用;各个指标间的交互作用探测的具体步骤为:
首先,分别计算两个指标对内涝韧性的解释程度q(X1)和q(X2);然后,计算因素交互后的解释程度q(X1∩X2),对比得到两个指标间的交互作用。交互作用类型为五类,其划分标准为:
非线性减弱:(q(X1∩X2)<Min(q(X1),q(X2))),
单因子非线性减弱:Min(q(X1),q(X2))<q(X1∩X2)<Max(q(X1),q(X2))
双因子增强:q(X1∩X2)>Max(q(X1),q(X2))),
独立:q(X1∩X2)=q(X1)+q(X2)
非线性增强:q(X1∩X2)>q(X1)+q(X2)。
本发明的有益效果:
本发明基于压力-状态-响应框架构建多过程的内涝韧性指标体系和评估方法,压力-状态-响应框架能够整合多个维度的指标,反映指标间的动态反馈过程,在复杂系统的综合评估中具有显著的优势。将压力-状态-响应框架应用于内涝韧性评估能够很好的构建城市内涝韧性评估的复杂系统,揭示城市系统在发生内涝,抵抗内涝和受灾后恢复的动态过程,能够实现准确评估城市内涝韧性的目标。
附图说明
图1为本发明的评估方法流程示意图;
图2为某城市的DSM图;
图3为某城市土地利用类型图;
图4为某城市连续型指标数据离散类别图;
图5为某城市内涝韧性影响指标图;
图6为某城市内涝韧性影响指标交互作用图(Y表示两个影响指标对内涝韧性起增强作用,N则表示不是增强作用)。
具体实施方式
实施例1
本发明提出了一种基于压力-状态-响应框架的城市内涝韧性评估方法,下面将以我国某一城市主城区为案例区,对本发明的技术方案的具体实时方式作进一步说明,具体应用包括以下步骤:
1)数据收集:收集下载高分辨率遥感影像数据(高分1号卫星影像)、卫星测高数据(资源卫星3号测高数据)、降雨数据、人口密度数据,排水管网位置分布数据,径流控制率数据。研究区的高分辨率遥感数据和卫星测高数据来源于自然资源卫星遥感云服务平台(http://sasclouds.com/chinese/home/);降雨数据和人口密度数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/);排水管网位置分布数据和径流控制率数据来源于当地水务局。
2)数据前处理:DSM反演:基于Arcgis软件将卫星测高数据正射校正,经过区域网平差后利用构建立体模型功能生成点云,最后通过不规则三角网线性插值反演为高分辨率的数字表面模型(DSM)。DSM分辨率为5米,投影为高斯3度带,坐标系为CGCS2000。如图2所示,DSM数据在静止水域内高程值保持一致,流动水域高程值符合河流高低流向,自然平缓过渡。经检验,数据成果与实际地形无明显差异。土地利用类型数据分类:基于目视解译的控制点生成土地利用类型样本数据,利用SVM多分类方法将高分影像数据分类,获取高分辨率的土地利用数据。如图3所示,研究区最后划分了8类土地利用类型,其分别为道路,林地,耕地,草地,水体,建筑用地,裸地和公园。土地利用类型的空间分辨率为2米。经过目视检验,土地利用类型和实际土地利用类型无明显差异,其精度符合评估要求。
3)基于压力-状态-响应框架构建城市内涝韧性评估指标体系:指标体系的构建全面反映了和内涝相关的地形、气象、排水、和监测多个维度,同时也结合研究区特点。基于压力-状态-响应框架的指标体系构建在指标体系选择上,不仅要满足指标体系的全面性,同时兼顾了指标间的动态互馈过程。基于各指标和内涝韧性的正负关系,计算标准化后的指标。如表1所示,压力层包括高程、年平均降水量、坡度和地形湿度指数;状态层包括斑块边缘密度、不透水面比例、到排水管网距离、和到水体距离;响应层包括到径流控制率、到道路距离、人口密度、到水位监测点距离。
4)指标计算和标准化:将研究区划分为网格尺度研究单元;街区网格尺度研究单元的划分:利用Arcgis软件中的Create Fishnet功能按200米分辨率在空间上生成781个均匀分布的采样点,采用反距离加权平均方法对收集下载的所有数据集进行插值处理,获取等效网格尺度的插值数据。基于划分的网格和步骤3)中确定的指标体系,进行网格尺度的指标计算,如表1所示,共计算研究区内的12种指标。其中,到排水管网距离,到水体距离,到道路距离和到水位监测点距离分别指的是计算网格到排水管网,水体,道路和水位监测点的最小距离。依据网格尺度的各指标和内涝韧性的正负关系,计算标准化后指标(标准化公式见式(1)和式(2))。
表1基于压力-状态-响应框架下的指标体系
类别 | 序号 | 指标 | 简称 | 单位 | 数据类型 | 正负关系 |
压力层 | 1 | 高程 | DSM | m | 栅格 | + |
2 | 年平均降水 | MAP | mm | 栅格 | - | |
3 | 坡度 | Slope | - | 栅格 | + | |
4 | 地形湿度指数 | TWI | - | 栅格 | - | |
状态层 | 5 | 斑块边缘密度 | ED | - | 栅格 | + |
6 | 不透水面比例 | IMP | % | 矢量 | - | |
7 | 到排水管网距离 | DDN | m | 矢量 | - | |
8 | 到水体距离 | DWB | m | 矢量 | - | |
响应层 | 9 | 径流控制率 | Rc | - | 矢量 | + |
10 | 到道路距离 | DR | m | 矢量 | + | |
11 | 人口密度 | POP | <![CDATA[People/km<sup>2</sup>]]> | 矢量 | + | |
12 | 到水位监测点距离 | DWL | m | 矢量 | + |
5)综合评估模型构建与计算:基于改进熵权法计算(计算公式为式(3)~式(5))构建的韧性评估体系中每项指标的权重,计算所得每项指标的权重与标准化后指标对应值的乘积的加和为城市内涝韧性综合评估得分(公式(6))。利用自然法将最后的综合评估得分划分为五个等级。得到最后评估的城市内涝韧性等级。如表2所示,研究区的内涝韧性划分为5个等级,其中非常低等级的单元个数为153,占比19.59%;低等级的单元个数为107,占比13.70%;中等等级的单元个数为121,占比15.49%;高等级的单元个数为92,占比11.78%;非常高等级的单元个数为308,占比39.44%。
表2内涝韧性等级分类
内涝韧性等级 | 单元个数 | 比例 |
非常低 | 153 | 19.59% |
低 | 107 | 13.70% |
中等 | 121 | 15.49% |
高 | 92 | 11.78% |
非常高 | 308 | 39.44% |
6)基于地理探测器识别内涝韧性的主要影响指标,并解析指标间的交互作用:
地理探测器模型的构建:比较不同的数据离散方法(相等、自然和分位数)将连续型影响指标离散(共11个,Rc除外)为最佳的分类,作为地理探测器的自变量输入。将城市内涝韧性得分作为地理探测器的因变量,共同构建地理探测器模型。如图4所示,当q值最大时,相对应的分类个数即为在该数据离散方法下的最佳的分类数目。综合三种数据离散方法确定的最佳分类数目,进而确定相应指标的最终的分类,并将所有连续型指标分类为离散类别。
定量识别影响内涝韧性的主要影响指标和指标间的交互作用:基于地理探测器的因子探测器和交互探测器模块,计算影响内涝韧性空间分布的主要影响指标(公式(7))。如图5所示,IMP是影响内涝韧性的主要影响指标,其q值最高(0.67),其次是MAP(0.35)和POP(0.31)。如表3和图6所示,大多数影响指标间的交互作用是明显增强的,其中IMP和Slope,IMP和MAP交互作用后对内涝韧性的解释程度最强。
表3影响指标间的交互作用
DSM | MAP | Slope | TWI | ED | IMP | DDN | DWB | Rc | DR | POP | DWL | |
DSM | ||||||||||||
MAP | 0.45 | |||||||||||
Slope | 0.09 | 0.47 | ||||||||||
TWI | 0.08 | 0.45 | 0.09 | |||||||||
ED | 0.24 | 0.39 | 0.23 | 0.23 | ||||||||
IMP | 0.77 | 0.80 | 0.81 | 0.75 | 0.73 | |||||||
DDN | 0.10 | 0.41 | 0.15 | 0.12 | 0.21 | 0.71 | ||||||
DWB | 0.12 | 0.42 | 0.17 | 0.12 | 0.23 | 0.70 | 0.11 | |||||
Rc | 0.04 | 0.36 | 0.07 | 0.06 | 0.16 | 0.68 | 0.04 | 0.04 | ||||
DR | 0.07 | 0.38 | 0.12 | 0.08 | 0.17 | 0.69 | 0.07 | 0.06 | 0.02 | |||
POP | 0.42 | 0.41 | 0.43 | 0.42 | 0.37 | 0.75 | 0.35 | 0.40 | 0.32 | 0.34 | ||
DWL | 0.13 | 0.42 | 0.15 | 0.12 | 0.23 | 0.72 | 0.12 | 0.14 | 0.05 | 0.08 | 0.43 |
上述地理探测器结果表明,该研究区的土地利用类型、地形条件,降水和人口密度的影响和相互作用是影响内涝韧性空间分布特征的重要原因。如图5所示,对于单个影响指标而言,IMP、MAP和POP是影响内涝韧性特征的主要驱动因素,而DR和Rc的影响较小。如表3所示,对于多影响指标共同作用而言,IMP和Slope的共同作用对内涝韧性的空间分布特征的影响均最大(q=0.81),其次为IMP和MAP(q=0.80),IMP和DSM(q=0.77),IMP和TWI的共同作用(q=0.75),IMP和POP的共同作用(q=0.75)。同时,如图6所示,大部分的影响指标在交互作用时对内涝韧性都是起明显增强的作用。
以上所述仅对本发明的实例实施而已,并不用于限制本发明,本发明中对内涝韧性的分级个数,可根据需求以及具体研究区域设定。凡是在本发明的权利要求限定范围内,所做的任何修改、等同替换、改进等,均应在本发明的保护范围之内。
Claims (5)
1.一种基于压力-状态-响应框架的城市内涝韧性评估方法,其特征在于,包括以下几个步骤:
1)数据收集:收集下载研究区高分辨率遥感影像数据、卫星测高数据、人口密度数据、降雨数据、排水管网位置分布数据和径流控制率数据;
2)数据前处理:基于卫星测高数据反演研究区的数字地表模型DSM,基于高分辨率遥感影像数据反演研究区的土地利用类型数据;
步骤2)中研究区DSM反演步骤为:基于Arcgis软件将卫星测高数据通过正射校正、区域网平差、生成点云,最后通过不规则三角网线性插值反演为高分辨率的DSM;土地利用类型数据反演步骤为:通过目视解译高分辨率遥感影像数据构建土地利用分类样本,基于SVM多分类方法将高分辨率遥感影像数据分类获取研究区内高分辨率的土地利用类型数据;
3)基于压力-状态-响应框架构建城市内涝韧性评估指标体系:基于压力-状态-响应框架从已收集的数据集中筛选影响城市内涝韧性的指标,构建城市内涝韧性评估指标体系,所述指标体系分为压力层、状态层和响应层;所述压力层为与城市内涝发生相关的自然和地形指标,所述状态层为区域内减缓内涝发展相关的指标,所述响应层为研究区内涝发生后恢复到正常状态的相关的指标;
步骤3)所述压力层的指标包括高程、年平均降水量、坡度和地形湿度指数,所述状态层的指标包括斑块边缘密度、不透水面比例、到排水管网距离和到水体距离,所述响应层的指标包括径流控制率、人口密度、到水位监测点的距离和到道路距离;
4)指标计算和标准化:将研究区划分为网格尺度研究单元;基于划分的网格和步骤3)中确定的指标体系,进行网格尺度的指标计算;依据网格尺度的各指标和内涝韧性的正负关系,计算标准化后指标;
5)城市内涝韧性综合评估模型构建:基于改进熵权法计算构建的所述城市内涝韧性评估指标体系中每项指标的权重,计算所得每项指标的权重与标准化后指标的对应值的乘积的加和为城市内涝韧性综合评估得分;利用自然断点法将计算所得城市内涝韧性的综合评估得分划为非常低、低、中等、高和非常高五个等级,得到评估的城市内涝韧性等级;
步骤5)改进熵权法计算公式为式(3)~(5):
式中:Pij为第i项指标的第j个网格的比重,yij表示标准化后的指标体系中第i项指标的第j个网格的值;n为研究区网格个数;
式中:ei和ai分别为第i项指标的信息熵和权重;i为指标项的序号;m为指标体系中指标的总数;j为研究区计算网格序号;
式中:Fj为研究区第j个网格的综合评估得分;
6)基于地理探测器识别城市内涝韧性的主要影响指标,并解析各指标间交互作用;地理探测器模型的构建方法为:基于数据离散方法,将连续型指标离散化,并将离散化后的指标作为地理探测器的自变量输入,将步骤5)中所得城市内涝韧性综合评估得分作为地理探测器的因变量,共同构建地理探测器模型;
步骤6)中,基于地理探测器模型的影响因子探测器,识别内涝韧性空间分布的主要影响指标;地理探测器模型的影响因子探测器,其计算公式为:
2.根据权利要求1所述的一种基于压力-状态-响应框架的城市内涝韧性评估方法,其特征在于,步骤1)中所述高分辨率遥感影像数据为高分1号影像数据,其分辨率为2米;所述卫星测高数据为资源3号卫星测高数据,其分辨率为5米。
3.根据权利要求1所述的一种基于压力-状态-响应框架的城市内涝韧性评估方法,其特征在于,步骤2)中所述研究区的土地利用类型数据划分为道路、林地、耕地、草地、水体、建筑用地、裸地和公园共8类。
4.根据权利要求1所述的一种基于压力-状态-响应框架的城市内涝韧性评估方法,其特征在于,步骤4)网格尺度研究单元的划分采用的是Arcgis中的Creat fishnet工具,网格的大小为200米;网格尺度的指标计算采用重采样方法对所有计算后的指标进行反距离权重插值处理,获取200米网格尺度的插值数据;所述的标准化是基于200米网格尺度的插值数据进行的,指标的正负关系的确定依据的是指标对内涝韧性的正负影响;其中标准化的公式为:
正向指标:
yij=(xij-ximin)/(ximax-ximin) (1)
负向指标:
yij=(ximax-xij)/(ximax-ximin) (2)
式中:xij为研究区内第j个网格的第i项指标对应的值,ximax为研究区内所有网格的第i项指标中的最大值,ximin为研究区内所有网格的第i项指标中的最小值;yij为xij标准化后的值,表示标准化后的指标体系中第i项指标的第j个网格的值。
5.根据权利要求1所述的一种基于压力-状态-响应框架的城市内涝韧性评估方法,其特征在于,步骤6)中,基于地理探测器模型的交互探测器模块解析各个指标间的交互作用;各个指标间的交互作用探测的具体步骤为:
1)分别计算两个指标对内涝韧性的解释程度q(X1)和q(X2);
2)计算指标交互后的解释程度q(X1∩X2),对比得到两个指标间的交互作用;交互作用类型为五类,其划分标准为:非线性减弱:q(X1∩X2)<Min(q(X1),q(X2));单因子非线性减弱:Min(q(X1),q(X2))<q(X1∩X2)<Max(q(X1),q(X2));双因子增强:q(X1∩X2)>Max(q(X1),q(X2)));独立:q(X1∩X2)=q(X1)+q(X2);非线性增强:q(X1∩X2)>q(X1)+q(X2)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211422522.1A CN115689293B (zh) | 2022-11-15 | 2022-11-15 | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211422522.1A CN115689293B (zh) | 2022-11-15 | 2022-11-15 | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115689293A CN115689293A (zh) | 2023-02-03 |
CN115689293B true CN115689293B (zh) | 2023-05-12 |
Family
ID=85052155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211422522.1A Active CN115689293B (zh) | 2022-11-15 | 2022-11-15 | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115689293B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116522781B (zh) * | 2023-05-04 | 2024-04-05 | 北京百度网讯科技有限公司 | 样本数据生成方法、模型的训练方法和装置 |
CN116862303B (zh) * | 2023-07-11 | 2024-02-20 | 上海碧波水务设计研发中心 | 城市内涝隐患分级及评估方法 |
CN117010751B (zh) * | 2023-07-27 | 2024-03-22 | 华中科技大学 | 一种分圈层的都市圈土地利用韧性评估方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
CN108154270A (zh) * | 2017-12-25 | 2018-06-12 | 广州地理研究所 | 中小流域洪水特征对变化环境的响应模型构建方法 |
CN109685393A (zh) * | 2019-01-17 | 2019-04-26 | 北京师范大学 | 一种适用于生态型地区的地质资源环境现状评价方法 |
CN109872041A (zh) * | 2019-01-17 | 2019-06-11 | 北京师范大学 | 一种基于地质资源环境的评价指标筛选方法 |
JP2020004052A (ja) * | 2018-06-27 | 2020-01-09 | 株式会社日立製作所 | 地震解析装置、地震解析システム、および、地震解析方法 |
CN113032993A (zh) * | 2021-03-22 | 2021-06-25 | 中国科学院城市环境研究所 | 一种衡量土地利用对流域非点源污染迁移影响的评价方法 |
CN113110200A (zh) * | 2021-04-26 | 2021-07-13 | 成都环极科技有限公司 | 一种基于气象和雨洪模型的城市内涝预警系统 |
RU2756377C1 (ru) * | 2020-12-08 | 2021-09-29 | Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирский государственный университет геосистем и технологий» | Способ экологической оценки зеленых насаждений улиц и городских дорог с применением материалов дистанционного зондирования Земли и геоинформационных технологий |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2011101186A4 (en) * | 2011-09-16 | 2011-12-22 | Daffara, Phillip Dr | Urban (Town & City) Resilience Bench-marker (URB) |
US9076118B1 (en) * | 2015-01-23 | 2015-07-07 | Iteris, Inc. | Harvest advisory modeling using field-level analysis of weather conditions, observations and user input of harvest condition states, wherein a predicted harvest condition includes an estimation of standing crop dry-down rates, and an estimation of fuel costs |
US20180017710A1 (en) * | 2016-07-18 | 2018-01-18 | 2NDNATURE Software Inc. | Systems and Methods for Event-based Modeling of Runoff and Pollutant Benefits of Sustainable Stormwater Management |
US20190236724A1 (en) * | 2016-09-30 | 2019-08-01 | University Of Florida Research Foundation Incorporated | Crop indicator determination using multiple rainfall index analysis |
CN110852577B (zh) * | 2019-10-25 | 2023-06-09 | 镇江德威乐普能源环保科技有限公司 | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 |
CN112593613A (zh) * | 2019-12-30 | 2021-04-02 | 西安金路交通工程科技发展有限责任公司 | 城市内涝灾害下交通网络韧性承载力评估方法 |
US20210294932A1 (en) * | 2020-03-21 | 2021-09-23 | 3Rwater, Inc. | Mobile system and method for designing a stormwater management system using green infrastructure |
US20230316555A1 (en) * | 2020-08-14 | 2023-10-05 | Agriculture Victoria Services Pty Ltd | System and Method for Image-Based Remote Sensing of Crop Plants |
CN113313384B (zh) * | 2021-05-28 | 2022-10-25 | 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 |
CN113887974A (zh) * | 2021-10-11 | 2022-01-04 | 华中师范大学 | 一种基于多源时空数据集成的城市资源环境承载力综合评价方法 |
CN114357713B (zh) * | 2021-12-03 | 2024-05-10 | 华南理工大学 | 一种考虑系统性能受影响时长和水流流速的弹性评估方法 |
CN114169781A (zh) * | 2021-12-08 | 2022-03-11 | 北京城市系统工程研究中心 | 一种城市地铁内涝灾害韧性评估方法 |
CN114372685B (zh) * | 2021-12-28 | 2024-06-11 | 长江生态环保集团有限公司 | 一种基于swmm模型的城市暴雨内涝风险评估方法 |
CN114881511B (zh) * | 2022-05-25 | 2024-06-21 | 江苏科技大学 | 面向洪涝灾害的社区防灾韧性评估方法 |
-
2022
- 2022-11-15 CN CN202211422522.1A patent/CN115689293B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102609615A (zh) * | 2012-01-20 | 2012-07-25 | 浙江大学 | 基于修正通用水土流失方程的水土流失遥感动态监测方法 |
CN108154270A (zh) * | 2017-12-25 | 2018-06-12 | 广州地理研究所 | 中小流域洪水特征对变化环境的响应模型构建方法 |
JP2020004052A (ja) * | 2018-06-27 | 2020-01-09 | 株式会社日立製作所 | 地震解析装置、地震解析システム、および、地震解析方法 |
CN109685393A (zh) * | 2019-01-17 | 2019-04-26 | 北京师范大学 | 一种适用于生态型地区的地质资源环境现状评价方法 |
CN109872041A (zh) * | 2019-01-17 | 2019-06-11 | 北京师范大学 | 一种基于地质资源环境的评价指标筛选方法 |
RU2756377C1 (ru) * | 2020-12-08 | 2021-09-29 | Федеральное государственное бюджетное образовательное учреждение высшего образования «Сибирский государственный университет геосистем и технологий» | Способ экологической оценки зеленых насаждений улиц и городских дорог с применением материалов дистанционного зондирования Земли и геоинформационных технологий |
CN113032993A (zh) * | 2021-03-22 | 2021-06-25 | 中国科学院城市环境研究所 | 一种衡量土地利用对流域非点源污染迁移影响的评价方法 |
CN113110200A (zh) * | 2021-04-26 | 2021-07-13 | 成都环极科技有限公司 | 一种基于气象和雨洪模型的城市内涝预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115689293A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115689293B (zh) | 一种基于压力-状态-响应框架的城市内涝韧性评估方法 | |
Xiao et al. | Integrated flood hazard assessment based on spatial ordered weighted averaging method considering spatial heterogeneity of risk preference | |
CN111582755B (zh) | 一种基于多维度集合信息山洪灾害综合风险动态评估方法 | |
Xu et al. | Urban flooding risk assessment based on an integrated k-means cluster algorithm and improved entropy weight method in the region of Haikou, China | |
Su et al. | The influence of landscape pattern on the risk of urban water-logging and flood disaster | |
CN108536908B (zh) | 基于非点源氮磷流失风险对流域水环境安全评估的方法 | |
Zhang et al. | Assessment of non-point source pollution using a spatial multicriteria analysis approach | |
CN110852577A (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
CN107220754B (zh) | 一种县域尺度山洪灾害风险评估方法 | |
CN113591572B (zh) | 基于多源数据和多时相数据的水土流失定量监测方法 | |
Feng et al. | Urban flood hazard mapping using a hydraulic–GIS combined model | |
CN107133686A (zh) | 基于时空数据模型的城市级pm2.5浓度预测方法 | |
CN115659816A (zh) | 基于孪生模型的城市内涝点预测方法及系统 | |
CN117010726B (zh) | 用于城市防洪的智慧预警方法及系统 | |
Cai et al. | Exposure and resilience of China's cities to floods and droughts: a double-edged sword | |
CN113033997A (zh) | 基于改进集对分析的城市水质等级确定方法、装置及介质 | |
Huang et al. | Assessing the scale effect of urban vertical patterns on urban waterlogging: An empirical study in Shenzhen | |
Wang et al. | Analyzing spatial variance of urban waterlogging disaster at multiple scales based on a hydrological and hydrodynamic model | |
Lai et al. | Waterlogging risk assessment based on self-organizing map (SOM) artificial neural networks: a case study of an urban storm in Beijing | |
Men et al. | Study on the spatial pattern of rainfall erosivity based on geostatistics in Hebei Province, China | |
Lyu et al. | Sensitivity analysis of typhoon-induced floods in coastal cities using improved ANP-GIS | |
Li et al. | Urban flood risk assessment based on DBSCAN and K-means clustering algorithm | |
Zhai et al. | Comparing three hydrological models for flash flood simulations in 13 humid and semi-humid mountainous catchments | |
Perović et al. | Soil erosion modelling in the complex terrain of Pirot Municipality |
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 |