CN115719164A - 一种城市易涝点识别方法及装置 - Google Patents
一种城市易涝点识别方法及装置 Download PDFInfo
- Publication number
- CN115719164A CN115719164A CN202211464415.5A CN202211464415A CN115719164A CN 115719164 A CN115719164 A CN 115719164A CN 202211464415 A CN202211464415 A CN 202211464415A CN 115719164 A CN115719164 A CN 115719164A
- Authority
- CN
- China
- Prior art keywords
- prone
- waterlogging
- point
- determining
- points
- 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
-
- 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
本发明提供了一种城市易涝点识别方法及装置,该方法包括:根据目标城市的数字高程数据确定目标城市中的洼地贡献区;根据目标城市的历史台账记录确定目标城市中的洪涝发生点;将洪涝发生点与洼地贡献区相交处理,得到目标城市的洪涝发生点洼地贡献区;根据洪涝发生点洼地贡献区的地理数据确定各易涝点参数的参数阈值;根据各易涝点参数的参数阈值对洼地贡献区进行筛选,得到潜在易涝区域;将各潜在易涝区域中的高程最低点分别确定为城市易涝点。本发明突破传统利用地形信息结合专家经验获取城市易涝点主观性强、定位不准确的问题,可为城市防洪的“预报、预警、预演、预案”提供支撑。
Description
技术领域
本发明涉及城市洪涝预警领域,具体涉及一种城市易涝点识别方法及装置。
背景技术
城市因其独特的下垫面和经济社会特征,是洪涝灾害的高发和高风险区。准确识别城市易涝点并量化评价其风险等级,可为决策者制定行之有效的城市洪涝“预警、预演”方案提供支撑。
相关研究多通过地形资料确定城市潜在易涝点,基于专家经验剔除伪易涝点,该方法则局限于专家经验,易涝点识别主观性强,且定位不准确。
发明内容
因此,本发明要解决的技术问题在于克服现有技术中的易涝点识别主观性强,且定位不准确的缺陷,从而提供一种城市易涝点识别方法及装置。
本发明第一方面提供了一种城市易涝点识别方法,包括:根据目标城市的数字高程数据确定目标城市中的洼地贡献区;根据目标城市的历史台账记录确定目标城市中的洪涝发生点;将洪涝发生点与洼地贡献区相交处理,得到目标城市的洪涝发生点洼地贡献区;根据洪涝发生点洼地贡献区的地理数据确定各易涝点参数的参数阈值;根据各易涝点参数的参数阈值对洼地贡献区进行筛选,得到潜在易涝区域;将各潜在易涝区域中的高程最低点分别确定为城市易涝点。
可选地,在本发明提供的城市易涝点识别方法中,根据目标城市的数字高程数据确定目标城市中的洼地贡献区的步骤,包括:获取目标城市的数字高程数据;将目标城市中土地利用为水域的数字高程附空值,得到修正后的数字高程数据;基于修正后的数字高程数据识别目标城市中的洼地贡献区。
可选地,在本发明提供的城市易涝点识别方法中,易涝点参数包括洼地深度、贡献区超标准降水场次数、地表坡度、地形起伏度,根据各易涝点参数的参数阈值对洼地贡献区进行筛选,得到潜在易涝区域的步骤,包括:获取洼地贡献区各易涝参数的参数值;将各易涝参数的参数值与对应参数阈值进行比较,得到各易涝参数的比较结果;若各易涝参数的比较结果均满足预设条件,将洼地贡献区确定为潜在易涝区域。
可选地,在本发明提供的城市易涝点识别方法中,还包括:基于各城市易涝点的区域信息确定各城市易涝点的致灾因子危险性等级指数、承灾体脆弱性等级指数和孕灾环境稳定性等级指数;根据各城市易涝点的致灾因子危险性等级指数、承灾体脆弱性等级指数和孕灾环境稳定性等级指数,确定各城市易涝点的风险评价等级。
可选地,在本发明提供的城市易涝点识别方法中,通过如下步骤获取城市易涝点的致灾因子危险性等级指数:获取目标城市的降水信息;将降水信息进行重采样,使得重采样后的降水信息与数字高程数据的分辨率相同;根据重采样后的降水信息确定各城市易涝点的平均降水量和超标准降水次数;根据平均降水量和超标准降水次数确定各城市易涝点的致灾因子危险性等级指数。
可选地,在本发明提供的城市易涝点识别方法中,通过如下步骤获取城市易涝点的承灾体脆弱性等级指数:获取目标城市的人口分布信息和GDP分布信息;将人口分布信息和GDP分布信息进行重采样,使得重采样后的人口分布信息和GDP分布信息与数字高程数据的分辨率相同;根据重采样后的人口分布信息和GDP分布信息确定各城市易涝点的平均人口密度和平均GDP密度;根据平均人口密度和平均GDP密度确定各城市易涝点的承灾体脆弱性等级指数。
可选地,在本发明提供的城市易涝点识别方法中,通过如下步骤获取城市易涝点的孕灾环境稳定性等级指数:获取目标城市的土地利用信息和道路交通信息;将土地利用信息和道路交通信息进行重采样,使得重采样后的土地利用信息和道路交通信息与数字高程数据的分辨率相同;根据重采样后的土地利用信息和道路交通信息确定各城市易涝点的居民用地面积、植被覆盖度和道路交通密度;根据居民用地面积、植被覆盖度和道路交通密度确定各城市易涝点的孕灾环境稳定性等级指数。
本发明第二方面提供了一种城市易涝点识别装置,包括:洼地贡献区识别模块,用于根据目标城市的数字高程数据确定目标城市中的洼地贡献区;洪涝发生点确定模块,用于根据目标城市的历史台账记录确定目标城市中的洪涝发生点;洪涝发生点洼地贡献区确定模块,用于将洪涝发生点与洼地贡献区相交处理,得到目标城市的洪涝发生点洼地贡献区;参数阈值确定模块,用于根据洪涝发生点洼地贡献区的地理数据确定各易涝点参数的参数阈值;易涝区域识别模块,用于根据各易涝点参数的参数阈值对洼地贡献区进行筛选,得到潜在易涝区域;城市易涝点确定模块,用于将各潜在易涝区域中的高程最低点分别确定为城市易涝点。
本发明第三方面提供了一种计算机设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,从而执行如本发明第一方面提供的城市易涝点识别方法。
本发明第四方面提供了一种计算机可读存储介质,其特征在于,计算机可读存储介质存储有计算机指令,计算机指令用于使计算机执行如本发明第一方面提供的城市易涝点识别方法。
本发明技术方案,具有如下优点:
本发明提供的城市易涝点识别方法及装置,结合目标城市的数字高程数据和历史台账记录确定了目标城市中的城市易涝点,区别于基于遥感监测识别场次降水洪涝发生点的技术方法,且突破传统利用地形信息结合专家经验获取城市易涝点主观性强、定位不准确的问题,可为城市防洪的“预报、预警、预演、预案”提供支撑。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中城市易涝点识别方法的一个具体示例的流程图;
图2为本发明实施例中识别到的城市易涝点的示意图;
图3为本发明实施例中城市易涝点识别装置的一个具体示例的原理框图;
图4为本发明实施例中计算机设备的一个具体示例的原理框图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明实施例提供了一种城市易涝点识别方法,如图1所示,包括:
步骤S11:根据目标城市的数字高程数据确定目标城市中的洼地贡献区。
在一可选实施例中,数字高程数据可以是利用航空遥感、航天遥感等获取到的m级数字高程数据。
在一可选实施例种,由于经常出现洪涝的位置通常为地势较低的位置,因此,可以根据数字高程数据确定目标城市中各位置的高程,根据高程确定洼地贡献区。
步骤S12:根据目标城市的历史台账记录确定目标城市中的洪涝发生点。
在一可选实施例中,目标城市的历史台账记录中包含有近年来发生过洪涝的位置,将这些位置确定为目标城市的洪涝发生点。
步骤S13:将洪涝发生点与洼地贡献区相交处理,得到目标城市的洪涝发生点洼地贡献区。
在一可选实施例中,由于并不是所有地势低的位置都会发生洪涝,因此,本发明实施例中将洪涝发生点与洼地贡献区相交处理,得到目标城市的洪涝发生点洼地贡献区。
在一可选实施例中,将包含有洪涝发生点的洼地贡献区确定为目标城市的洪涝发生点洼地贡献区。
步骤S14:根据洪涝发生点洼地贡献区的地理数据确定各易涝点参数的参数阈值。
在一可选实施例中,易涝点参数包括洼地深度、超标准降水场次数、平均坡度、平均起伏度等,通过对洪涝发生点洼地贡献区的地理数据进行统计分析,从而得到各易涝点参数的参数阈值。
步骤S15:根据各易涝点参数的参数阈值对洼地贡献区进行筛选,得到潜在易涝区域。
步骤S16:将各潜在易涝区域中的高程最低点分别确定为城市易涝点。示例性地,通过执行本发明实施例得到的城市易涝点的示意图如图2所示。
本发明实施例提供的方法,结合目标城市的数字高程数据和历史台账记录确定了目标城市中的城市易涝点,区别于基于遥感监测识别场次降水洪涝发生点的技术方法,且突破传统利用地形信息结合专家经验获取城市易涝点主观性强、定位不准确的问题,可为城市防洪的“预报、预警、预演、预案”提供支撑。
在一可选实施例中,上述步骤S11具体包括如下步骤:
首先,获取目标城市的数字高程数据。
然后,将目标城市中土地利用为水域的数字高程附空值,得到修正后的数字高程数据。
由于城市中存在土地利用为水域的区域,这些区域的地势普遍较低,但并不意味着这些区域属于易涝点,因此,本发明实施例中将土地利用为水域的数字高程附空值,不对这些区域进行下一步的判定。
最后,基于修正后的数字高程数据识别目标城市中的洼地贡献区。
在一可选实施例中,可以利用ARCGIS空间分析工具识别洼地贡献区,在此基础上利用ARCGIS中Zonal Statistics工具分别统计洼地贡献区最大高程和最小高程,求差获得洼地深度。
在一可选实施例中,易涝点参数包括洼地深度、贡献区超标准降水场次数、地表坡度、地形起伏度,上述步骤S15具体包括如下步骤:
首先,获取洪涝发生点各易涝参数的参数值。
在本发明实施例中,获取洼地贡献区各易涝参数的参数值,是指获取各洼地贡献区的洼地深度、贡献区超标准降水场次数、地表坡度、地形起伏度。
然后,将各易涝参数的参数值与对应参数阈值进行比较,得到各易涝参数的比较结果。
在一可选实施例中,洼地深度对应的参数阈值为上下边界阈值,通过判断洼地贡献区的洼地深度是否位于对应的上下边界阈值内,得到该参数的比较结果,示例性地,洼地深度的上下边界阈值可以为5-10m之间;
贡献区超标准降水场次数对应的参数阈值为下边界阈值,通过判断洼地贡献区的超标准降水场次数是大于对应的下边界阈值,得到该参数的比较结果,示例性地,超标准降雨可以为日降水大于50m的降雨天气,参数阈值可以为200次,统计时间可以为过去60年,即,根据洼地贡献区过去60年暴雨及以上降水(日降水>50m)场次是否大于200次得到该参数的比较结果;
地表坡度对应的参数阈值为上下边界阈值,通过判断洼地贡献区的平均地表坡度是否位于对应的上下边界阈值内,得到该参数的比较结果,示例性地,地表坡度的上下边界阈值可以为0-8°之间;
地形起伏度对应的参数阈值为上下边界阈值,通过判断洼地贡献区的平均起伏度是否位于对应的上下边界阈值内,得到该参数的比较结果,示例性地,地形起伏度的上下边界阈值可以为0-2°之间。
若各易涝参数的比较结果均满足预设条件,将洼地贡献区确定为潜在易涝区域。
即,若洼地贡献区的洼地深度、地表坡度、地形起伏度均位于其对应的上下边界阈值内,且贡献区超标准降水场次数大于对应阈值,则将该洼地贡献区确定为易涝区域。
若存在一个易涝参数的比较结果不满足条件,则判定该洼地贡献区为伪易涝区域。
在一可选实施例中,本发明实施例提供的方法还包括:
首先,基于各城市易涝点的区域信息确定各城市易涝点的致灾因子危险性等级指数、承灾体脆弱性等级指数和孕灾环境稳定性等级指数。
然后,根据各城市易涝点的致灾因子危险性等级指数、承灾体脆弱性等级指数和孕灾环境稳定性等级指数,确定各城市易涝点的风险评价等级。
在一可选实施例中,通过如下步骤获取城市易涝点的致灾因子危险性等级指数:
首先,获取目标城市的降水信息。
其次,将降水信息进行重采样,使得重采样后的降水信息与数字高程数据的分辨率相同。
城市易涝点是根据数字高程数据确定的,若降水信息的分辨率与数字高程数据的分辨率不同,则降水信息与城市易涝点无法完全匹配,导致根据降水信息确定的城市易涝点的平均降水量和超标准降水次数不准确。在本发明实施例中,对降水信息进行重采样,使得降水信息与数字高程数据的分辨率相同,从而能够精准确定城市易涝点的降水信息,为后续对城市易涝点进行风险等级的评价提供了基础。
然后,根据重采样后的降水信息确定各城市易涝点的平均降水量和超标准降水次数。
最后,根据平均降水量和超标准降水次数确定各城市易涝点的致灾因子危险性等级指数。
在一可选实施例中,致灾因子危险性等级指数具体表示为:
DIFi=α1×PPi+α2×PCi
式中,DIFi表示城市易涝点i致灾因子危险性等级指数,值位于区间[0-1];PPi为城市易涝点i多年平均降水归一化结果;PCi为城市易涝点i超标准降水场次数归一化结果;α1、α2表示权重指数,α1+α2=1;Pi和Ci分别为城市易涝点i多年平均降水量和超标准降水场次数;Pmax和Pmin分别表示城市所有易涝点多年平均降水量最大和最小值;Cmax和Cmin则为城市易涝点超标准降水场次数最大和最小值。Pij为城市易涝点i场次降水记录值。
在一可选实施例中,通过如下步骤获取城市易涝点的承灾体脆弱性等级指数:
首先,获取目标城市的人口分布信息和GDP分布信息。
其次,将人口分布信息和GDP分布信息进行重采样,使得重采样后的人口分布信息和GDP分布信息与数字高程数据的分辨率相同。详细内容参见上述实施例中对降水信息进行重采样的描述,在此不再赘述。
然后,根据重采样后的人口分布信息和GDP分布信息确定各城市易涝点的平均人口密度和平均GDP密度。
最后,根据平均人口密度和平均GDP密度确定各城市易涝点的承灾体脆弱性等级指数。
在一可选实施例中,承灾体脆弱性等级指数具体表示为:
HABi=β1×Peoi+β2×Gdpi
式中,HABi表示城市易涝点i承灾体脆弱性等级指数,值位于区间[0-1];Peoi为城市易涝点i平均人口密度归一化结果;Gdpi为城市易涝点i平均GDP归一化结果;β1、β2表示权重指数,β1+β2=1;Hi和Gi分别为城市易涝点i平均人口密度和GDP;Hmax和Hmin分别表示所有城市易涝点贡献区平均人口密度最大和最小值;Gmax和Gmin则为城市易涝点GDP最大和最小值。
在一可选实施例中,通过如下步骤获取城市易涝点的孕灾环境稳定性等级指数:
首先,获取目标城市的土地利用信息和道路交通信息。
其次,将土地利用信息和道路交通信息进行重采样,使得重采样后的土地利用信息和道路交通信息与数字高程数据的分辨率相同。详细内容参见上述实施例中对降水信息进行重采样的描述,在此不再赘述。
然后,根据重采样后的土地利用信息和道路交通信息确定各城市易涝点的居民用地面积、植被覆盖度和道路交通密度。
最后,根据居民用地面积、植被覆盖度和道路交通密度确定各城市易涝点的孕灾环境稳定性等级指数。
在一可选实施例中,孕灾环境稳定性等级指数具体表示为:
式中,HIEi表示城市易涝点i孕灾环境稳定性等级指数,值位于区间[0-1];Lui为城市易涝点i居民用地面积占比归一化结果;Roadi为城市易涝点i道路交通密度归一化结果;NDVIi为城市易涝点i植被盖度归一化结果;γ1、γ2、γ3表示权重指数,γ1+γ2+γ3=1。
在一可选实施例中,易涝点风险等级评价综合指数表示为:
Valuei=ω1×DIFi+ω2×HABi+ω3×HIEi
式中,Valuei表示城市易涝点i风险等级综合指数,值位于区间[0-1];ω1、ω2和ω3分别表示致灾因子、承灾体和孕灾环境等级指数权重占比,ω1+ω2+ω3=1。
其中,0<Valuei<0.25为低风险易涝点;0.25<Valuei<0.5为中风险易涝点;0.5<Valuei<0.75为高风险易涝点;0.75<Valuei<1为极高风险易涝点。
在一可选实施例中,可以以GIS平台为支撑,利用Python语言将上述实施例中提供的方法进行模块化编程,形成城市易涝点(区域)自动识别与风险等级划分系统,通过该系统可以实现对城市易涝点的快速识别及风险等级划分。
本发明实施例提供了一种城市易涝点识别装置,如图3所示,包括:
洼地贡献区识别模块21,用于根据目标城市的数字高程数据确定目标城市中的洼地贡献区,详细内容参见上述实施例中对步骤S11的描述,在此不再赘述。
洪涝发生点确定模块22,用于根据目标城市的历史台账记录确定目标城市中的洪涝发生点,详细内容参见上述实施例中对步骤S12的描述,在此不再赘述。
洪涝发生点洼地贡献区确定模块23,用于将洪涝发生点与洼地贡献区相交处理,得到目标城市的洪涝发生点洼地贡献区,详细内容参见上述实施例中对步骤S13的描述,在此不再赘述。
参数阈值确定模块24,用于根据洪涝发生点洼地贡献区的地理数据确定各易涝点参数的参数阈值,详细内容参见上述实施例中对步骤S14的描述,在此不再赘述。
易涝区域识别模块25,用于根据各易涝点参数的参数阈值对洪涝发生点进行筛选,得到潜在易涝区域,详细内容参见上述实施例中对步骤S15的描述,在此不再赘述。
城市易涝点确定模块26,用于将各潜在易涝区域中的高程最低点分别确定为城市易涝点,详细内容参见上述实施例中对步骤S16的描述,在此不再赘述。
本发明实施例提供了一种计算机设备,如图4所示,该计算机设备主要包括一个或多个处理器31以及存储器32,图4中以一个处理器31为例。
该计算机设备还可以包括:输入装置33和输出装置34。
处理器31、存储器32、输入装置33和输出装置34可以通过总线或者其他方式连接,图4中以通过总线连接为例。
处理器31可以为中央处理器(Central Processing Unit,CPU)。处理器31还可以为其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等芯片,或者上述各类芯片的组合。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。存储器32可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据城市易涝点识别装置的使用所创建的数据等。此外,存储器32可以包括高速随机存取存储器,还可以包括非暂态存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中,存储器32可选包括相对于处理器31远程设置的存储器,这些远程存储器可以通过网络连接至城市易涝点识别装置。输入装置33可接收用户输入的计算请求(或其他数字或字符信息),以及产生与城市易涝点识别装置有关的键信号输入。输出装置34可包括显示屏等显示设备,用以输出计算结果。
本发明实施例提供了一种计算机可读存储介质,该计算机可读存储介质存储计算机指令,计算机存储介质存储有计算机可执行指令,该计算机可执行指令可执行上述任意方法实施例中的城市易涝点识别方法。其中,存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)、随机存储记忆体(Random Access Memory,RAM)、快闪存储器(Flash Memory)、硬盘(Hard Disk Drive,缩写:HDD)或固态硬盘(Solid-State Drive,SSD)等;存储介质还可以包括上述种类的存储器的组合。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种城市易涝点识别方法,其特征在于,包括:
根据目标城市的数字高程数据确定所述目标城市中的洼地贡献区;
根据所述目标城市的历史台账记录确定所述目标城市中的洪涝发生点;
将所述洪涝发生点与所述洼地贡献区相交处理,得到所述目标城市的洪涝发生点洼地贡献区;
根据所述洪涝发生点洼地贡献区的地理数据确定各易涝点参数的参数阈值;
根据所述各易涝点参数的参数阈值对所述洼地贡献区进行筛选,得到潜在易涝区域;
将各潜在易涝区域中的高程最低点分别确定为城市易涝点。
2.根据权利要求1所述的城市易涝点识别方法,其特征在于,根据目标城市的数字高程数据确定所述目标城市中的洼地贡献区的步骤,包括:
获取目标城市的数字高程数据;
将所述目标城市中土地利用为水域的数字高程附空值,得到修正后的数字高程数据;
基于修正后的数字高程数据识别所述目标城市中的洼地贡献区。
3.根据权利要求1所述的城市易涝点识别方法,其特征在于,所述易涝点参数包括洼地深度、贡献区超标准降水场次数、地表坡度、地形起伏度,
根据所述各易涝点参数的参数阈值对所述洼地贡献区进行筛选,得到潜在易涝区域的步骤,包括:
获取所述洼地贡献区各易涝参数的参数值;
将各易涝参数的参数值与对应参数阈值进行比较,得到各易涝参数的比较结果;
若各易涝参数的比较结果均满足预设条件,将所述洼地贡献区确定为潜在易涝区域。
4.根据权利要求1所述的城市易涝点识别方法,其特征在于,还包括:
基于各城市易涝点的区域信息确定各城市易涝点的致灾因子危险性等级指数、承灾体脆弱性等级指数和孕灾环境稳定性等级指数;
根据所述各城市易涝点的致灾因子危险性等级指数、承灾体脆弱性等级指数和孕灾环境稳定性等级指数,确定各城市易涝点的风险评价等级。
5.根据权利要求4所述的城市易涝点识别方法,其特征在于,通过如下步骤获取所述城市易涝点的致灾因子危险性等级指数:
获取所述目标城市的降水信息;
将所述降水信息进行重采样,使得重采样后的降水信息与所述数字高程数据的分辨率相同;
根据重采样后的降水信息确定各所述城市易涝点的平均降水量和超标准降水次数;
根据所述平均降水量和超标准降水次数确定各城市易涝点的致灾因子危险性等级指数。
6.根据权利要求4所述的城市易涝点识别方法,其特征在于,通过如下步骤获取所述城市易涝点的承灾体脆弱性等级指数:
获取所述目标城市的人口分布信息和GDP分布信息;
将所述人口分布信息和GDP分布信息进行重采样,使得重采样后的人口分布信息和GDP分布信息与所述数字高程数据的分辨率相同;
根据重采样后的人口分布信息和GDP分布信息确定各所述城市易涝点的平均人口密度和平均GDP密度;
根据所述平均人口密度和平均GDP密度确定各城市易涝点的承灾体脆弱性等级指数。
7.根据权利要求4所述的城市易涝点识别方法,其特征在于,通过如下步骤获取所述城市易涝点的孕灾环境稳定性等级指数:
获取所述目标城市的土地利用信息和道路交通信息;
将所述土地利用信息和道路交通信息进行重采样,使得重采样后的土地利用信息和道路交通信息与所述数字高程数据的分辨率相同;
根据重采样后的土地利用信息和道路交通信息确定各所述城市易涝点的居民用地面积、植被覆盖度和道路交通密度;
根据所述居民用地面积、植被覆盖度和道路交通密度确定各城市易涝点的孕灾环境稳定性等级指数。
8.一种城市易涝点识别装置,其特征在于,包括:
洼地贡献区识别模块,用于根据目标城市的数字高程数据确定所述目标城市中的洼地贡献区;
洪涝发生点确定模块,用于根据所述目标城市的历史台账记录确定所述目标城市中的洪涝发生点;
洪涝发生点洼地贡献区确定模块,用于将所述洪涝发生点与所述洼地贡献区相交处理,得到所述目标城市的洪涝发生点洼地贡献区;
参数阈值确定模块,用于根据所述洪涝发生点洼地贡献区的地理数据确定各易涝点参数的参数阈值;
易涝区域识别模块,用于根据所述各易涝点参数的参数阈值对所述洼地贡献区进行筛选,得到潜在易涝区域;
城市易涝点确定模块,用于将各潜在易涝区域中的高程最低点分别确定为城市易涝点。
9.一种计算机设备,其特征在于,包括:
至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,从而执行如权利要求1-7中任一项所述的城市易涝点识别方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行如权利要求1-7中任一项所述的城市易涝点识别方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211464415.5A CN115719164A (zh) | 2022-11-22 | 2022-11-22 | 一种城市易涝点识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211464415.5A CN115719164A (zh) | 2022-11-22 | 2022-11-22 | 一种城市易涝点识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115719164A true CN115719164A (zh) | 2023-02-28 |
Family
ID=85255951
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211464415.5A Pending CN115719164A (zh) | 2022-11-22 | 2022-11-22 | 一种城市易涝点识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115719164A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362419A (zh) * | 2023-05-31 | 2023-06-30 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
CN117149859A (zh) * | 2023-10-27 | 2023-12-01 | 中国市政工程华北设计研究总院有限公司 | 一种基于政务用户画像的城市易涝点信息推荐方法 |
-
2022
- 2022-11-22 CN CN202211464415.5A patent/CN115719164A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116362419A (zh) * | 2023-05-31 | 2023-06-30 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
CN116362419B (zh) * | 2023-05-31 | 2023-08-04 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
CN117149859A (zh) * | 2023-10-27 | 2023-12-01 | 中国市政工程华北设计研究总院有限公司 | 一种基于政务用户画像的城市易涝点信息推荐方法 |
CN117149859B (zh) * | 2023-10-27 | 2024-02-23 | 中国市政工程华北设计研究总院有限公司 | 一种基于政务用户画像的城市易涝点信息推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bühler et al. | Automated snow avalanche release area delineation–validation of existing algorithms and proposition of a new object-based approach for large-scale hazard indication mapping | |
CN115719164A (zh) | 一种城市易涝点识别方法及装置 | |
US20130110399A1 (en) | System and method for predicting and preventing flooding | |
Alfieri et al. | A European precipitation index for extreme rain‐storm and flash flood early warning | |
KR102242977B1 (ko) | 사전 기상정보 연동 산사태 조기경보 방법 및 산사태 조기경보 시스템 | |
CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
Nguyen et al. | A systematic approach to selecting the best probability models for annual maximum rainfalls–A case study using data in Ontario (Canada) | |
US20040199410A1 (en) | Method for evaluating flood plain risks | |
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 | |
CN110837925B (zh) | 一种城市内涝预测方法和装置 | |
CN111489008A (zh) | 一种交通事故影响因素空间效应分析方法及其应用 | |
CN115423272B (zh) | 一种融合历史淹没强度的洪涝风险评估方法和系统 | |
Chen et al. | Quality control and bias adjustment of crowdsourced wind speed observations | |
Kaiser et al. | Providing guidance on efficient flash flood documentation: an application based approach | |
Fagnant et al. | Characterizing spatiotemporal trends in extreme precipitation in Southeast Texas | |
CN116911620B (zh) | 台风全生命周期风险评估预警方法、装置及电子设备 | |
Adjovu | Evaluating the Performance of A GIS-Based Tool for Delineating Swales Along Two Highways in Tennessee | |
CN113902259A (zh) | 湿雪崩灾害风险评估方法及装置 | |
Bonta et al. | Cumulative storm rainfall distributions: comparison of Huff curves | |
Dumm et al. | Sinkholes and residential property prices: Presence, proximity, and density | |
Valdez et al. | Illegal land use change assessment using GIS and remote sensing to support sustainable land management strategies in Taiwan | |
CN116433008A (zh) | 基于数据库的公路边坡的风险预警方法和系统 | |
CN115953034A (zh) | 大风灾害危险性的评估区划方法、装置、电子设备及介质 | |
KR101865791B1 (ko) | 태풍 리스크 분석 시스템 및 이를 이용한 태풍 리스크 분석 방법 | |
Haggag et al. | Evaluation of rain gauge network in arid regions using geostatistical approach: case study in northern Oman |
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 |