CN116127787B - 火烧烈度-高程积分方法及火后泥石流易发性评估方法 - Google Patents
火烧烈度-高程积分方法及火后泥石流易发性评估方法 Download PDFInfo
- Publication number
- CN116127787B CN116127787B CN202310366223.9A CN202310366223A CN116127787B CN 116127787 B CN116127787 B CN 116127787B CN 202310366223 A CN202310366223 A CN 202310366223A CN 116127787 B CN116127787 B CN 116127787B
- Authority
- CN
- China
- Prior art keywords
- fire
- sub
- elevation
- grading
- intensity
- 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
-
- 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
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于泥石流防治工程的技术领域,具体是指火烧烈度‑高程积分算法及火后泥石流易发性评估方法。所述火烧烈度‑高程积分计算方法,用火烧烈度表征火烧区域地表受火烧扰动而产生的潜在物源量的大小,将火烧烈度、面积、高程集成以计算各分级单元对应的火烧烈度归一化值和高差归一化值,从而计算能够用于火后泥石流易发性评估的积分值。所述火后泥石流易发性评估方法中各子流域的火烧烈度‑高程积分值的高低表征火后泥石流发生可能性的大小,能够在短时间内快速评估火后泥石流的易发性,还能够快速、高效地输出评估结果,为火烧区域的防灾减灾提供及时、有效的技术支持。
Description
技术领域
本发明属于泥石流防治工程的技术领域,具体涉及火烧烈度-高程积分方法以及基于该火烧烈度-高程积分方法的火后泥石流易发性评估方法。
背景技术
火烧迹地受林火的剧烈扰动,而诱发的泥石流,称为火后泥石流。火后泥石流易发性指在不考虑降雨等外力的影响,根据火烧对地表的扰动造成的潜在物源势能的大小,判断某一火烧区域未来发生泥石流的概率。近年来西南山区林火频发,也引发了大量的火后泥石流。若能针对未来的火烧迹地快速判断其泥石流的易发性,就能为火烧迹地火后的防灾减灾提供决策支持。
现有技术中,对常规泥石流和震后泥石流常规泥石流的研究较多,对火后泥石流的研究则比较少。
针对常规泥石流和震后泥石流常规泥石流,专利号为CN201410342566.2的中国发明专利,公开了一种泥石流力学参数监测方法及泥石流预警方法,属于常规泥石流易发性判识方法。另一方面,专利号为CN201710581232.4的中国发明专利,公开了一种强震山区泥石流易发性判识方法;专利号为CN201910208242.2的中国发明专利,公开了一种震后泥石流早期识别方法;二者均属于震后山区泥石流易发性相关的判识方法。但是,火后泥石流的启动机理与常规泥石流及震后泥石流的启动机理存在较大差异,上述方法均并不适用于火后泥石流易发性判识。
针对火后泥石流,专利号为CN202210700446.X的中国发明专利,公开了适用于火烧迹地火后泥石流综合治理的装置和方法;主要研究的是火后泥石流发生后的综合治理,此技术无法在火后泥石流发生前进行预判。
随着遥感信息技术的飞速发展,遥感数据获取和处理越来越便捷。现有技术将遥感数据应用于火后泥石流预测,如:专利号为CN202210183676.3的中国发明专利,公开了面向高山峡谷地区森林火灾后泥石流的预测方法及系统,其基于与火烧、地形地貌、降雨、植被相关的因子,采用ArcMap叠置分析,构建了火灾过后近两年之后的火后泥石流易发性评估模型,能够进行火后泥石流的预测。但是,山区在林火之后的第一个雨季极易发生火后泥石流,采用该专利公开的预测方法,需要考虑的因子众多,还涉及潜在泥石流沟的近两年内植被恢复面积占比,显然不适用于及时快速地进行火后泥石流易发性评估。
因此,如何能够快速评估火后泥石流的易发性成为亟待解决的问题。
发明内容
针对现有技术尚不能快速评估火后泥石流易发性的问题,本发明提出了火烧烈度-高程积分方法以及基于该火烧烈度-高程积分方法的火后泥石流易发性评估方法,用火烧烈度表征火烧区域地表受火烧扰动而产生潜在物源量的大小,将火烧烈度、面积、高程集成以计算各分级单元对应的火烧烈度归一化值和高差归一化值,从而构建火烧烈度-高程积分模型,基于火烧烈度-高程积分模型计算得到的积分值表征潜在物源势能,进而能够用于火后泥石流易发性评估。
本发明提供了一种火烧烈度-高程积分方法,即一种火烧烈度-高程积分的计算方法,是基于遥感数据和目标火烧区域中各子流域的DEM模型进行计算的计算方法;
所述计算方法先根据DEM模型中数字高程将单个子流域按子流域高差划分成N个区段,并得到包括子流域最低点高程、子流域最高点高程在内的N+1个分级高程,将各分级高程由低到高依次排序并用i表示序号,DEM模型中高程不低于第i分级高程的部分记为第i分级单元,即N+1个分级高程对应N+1个分级单元;其中,N为正整数且N≥2,i为正整数且i=1,2,…,N+1;
然后,根据遥感数据计算各分级单元及整个子流域对应的火烧烈度,并通过将火烧烈度和面积-高程积分集成,得到一个与火烧烈度、面积、高程相关的积分模型,该积分模型记为火烧烈度-高程积分模型;在火烧烈度-高程积分模型中,以第i分级单元对应的火烧烈度归一化值和高差归一化值作为一组点坐标( xi, yi),并将N+1组点坐标在直角坐标系中拟合成曲线y=f(x);
最后,计算火烧烈度-高程积分模型中曲线y=f(x)的定积分值,得到火烧烈度-高程积分值HIF。
所述计算方法中,DEM模型中高程不低于第i分级高程的部分记为第i分级单元,也就是说,DEM模型中高程在一分级高程与子流域最高点高程之间的部分记为该分级高程对应的分级单元。
进一步地,为了更好地说明本发明,第i分级单元对应的火烧烈度归一化值为第i分级单元对应的分级单元火烧烈度总和与子流域对应的子流域火烧烈度总和的比值。
进一步地,为了更好地说明本发明,所述分级单元火烧烈度总和为分级单元单位火烧烈度指数与分级单元面积的乘积;所述子流域火烧烈度总和为子流域单位火烧烈度指数与子流域面积的乘积。
进一步地,为了更好地说明本发明,采用归一化差分归一化燃烧指数NDNBR栅格数据作为基础数据计算火烧烈度总和;所述归一化差分归一化燃烧指数NDNBR栅格数据简称为NDNBR栅格数据。
所述NDNBR栅格数据包括栅格空间分辨率、像元数量、各像元对应的NDNBR值、各像元对应的地物面积,其中各像元对应的地物面积等于栅格空间分辨率的平方;各分级单元、整个子流域对应的像元数量不完全一样,各像元对应的NDNBR值不完全一样,各像元对应的地物面积相等。
所述分级单元火烧烈度总和为分级单元对应的NDNBR栅格数据中各像元对应的NDNBR值与地物面积的乘积之和,即先单独计算分级单元内每个像元对应的NDNBR值与地物面积的乘积,记为fq,再将分级单元包括的所有像元的fq相加求和;
所述子流域火烧烈度总和为子流域对应的NDNBR栅格数据中各像元对应的NDNBR值与地物面积的乘积之和,即先单独计算子流域内每个像元对应的NDNBR值与地物面积的乘积,记为Fp,再将子流域包括的所有像元的Fp相加求和。
进一步地,为了更好地说明本发明,所述归一化差分归一化燃烧指数NDNBR栅格数据中的各像元对应的NDNBR值根据遥感数据中近红外波段和短波红外波段计算,所述近红外波段用NIR表示,所述短波红外波段用SWIR表示;所述归一化差分归一化燃烧指数NDNBR的具体计算过程如下:通过“NBR = (NIR-SWIR) / (NIR+SWIR)”分别计算火烧前的归一化燃烧指数NBRpre、火烧后的归一化燃烧指数NBRpost,再由“DNBR= NBRpre - NBRpost”计算差分归一化燃烧指数DNBR;最后通过“NDNBR = (DNBR+2) / 4”计算得到取值范围为[0,1]的归一化差分归一化燃烧指数NDNBR。
需要说明,0和1两个临界值是有物理意义的:
当归一化差分归一化燃烧指数NDNBR的值为0时,表示未火烧;
当归一化差分归一化燃烧指数NDNBR的值为1时,表示火烧程度最大。
进一步地,为了更好地说明本发明,第i分级单元对应的高差归一化值为第i分级高差与子流域高差二者的比值;所述第i分级高差为第i分级高程与子流域最低点高程二者的差值;所述子流域对应的子流域高差为子流域最高点高程与子流域最低点高程二者的差值。
需要说明的是,DEM模型中DEM数据和NDNBR栅格数据各自都有像元这一参数,为了方便数据处理,本发明通过空间插值的方式使得两者的空间分辨率相同,并将两者叠置在一起,使两者的像元一一对应。对于子流域而言,DEM数据中像元和NDNBR栅格数据中像元数值相同,但物理意义不同。本发明中分级单元是通过DEM模型中DEM数据中像元参数确定的,而火烧烈度指数通过NDNBR栅格数据中像元参数确定。
进一步地,为了更好地说明本发明,将子流域按高差等分成N个区段。
本发明还提供了一种火后泥石流易发性评估方法,基于上述计算方法构建火烧烈度-高程积分模型,获取目标火烧区域中各子流域的火烧烈度-高程积分值HIF;再基于各子流域的火烧烈度-高程积分值HIF的数值,根据经验阈值划分等级,用于评估火后泥石流易发性。
进一步地,所述火后泥石流易发性评估方法具体包括以下步骤:
步骤S1:确定目标火烧区域,并获取目标火烧区域对应的高空间分辨率遥感数据、火烧前后的中空间分辨率多光谱遥感数据、数字高程数据;
步骤S2:采用人工目视解译的方式,在高空间分辨率遥感数据中提取目标火烧区域中各子流域的矢量边界,并构建目标火烧区域中各子流域的DEM模型;
步骤S3:根据DEM模型中数字高程将单个子流域按子流域高差划分成N个区段,并得到包括子流域最低点高程、子流域最高点高程在内的N+1个分级高程,将各分级高程由低到高依次排序并用i表示序号,DEM模型中高程不低于第i分级高程的部分记为第i分级单元,即N+1个分级高程对应N+1个分级单元;其中,N为正整数且N≥2,i为正整数且i=1,2,…,N+1;
步骤S4:针对步骤S3中具有N+1个分级单元的子流域的DEM模型,根据火烧前后的中空间分辨率多光谱遥感数据、数字高程数据分别计算各分级单元对应的火烧烈度归一化值x和各分级单元对应的高差归一化值y并组成点坐标( x , y ),共得到N+1组点坐标;
步骤S5:将N+1组点坐标输入火烧烈度-高程积分模型,计算曲线y=f(x)在[0,1]范围内的定积分值,得到子流域对应的火烧烈度-高程积分值HIF;
步骤S6:根据子流域对应的火烧烈度-高程积分值HIF的数值划分等级,进行火后泥石流易发性评估。
为了更好地实现本发明,进一步地,火后泥石流易发等级通过火烧烈度-高程积分值HIF及其经验阈值进行划分:
所述火烧烈度-高程积分值HIF∈[0, 0.493),火后泥石流易发等级为低易发;
所述火烧烈度-高程积分值HIF∈(0.493, 0.532),火后泥石流易发等级为中等易发;
所述火烧烈度-高程积分值HIF∈(0.532, 1],火后泥石流易发等级为高易发。
为了更好地实现本发明,进一步地,所述步骤S1中,分别选取目标火烧区域火烧前后中等分辨多光谱卫星过境时与目标火烧区域发生火灾时间最近且无云情况下成像的遥感数据作为目标火烧区域火烧前后的中空间分辨率多光谱遥感数据。
为了更好地实现本发明,进一步地,所述步骤S1中,所述中空间分辨率多光谱遥感数据与数字高程数据的空间分辨率应相等或相近。
为了更好地实现本发明,进一步地,所述步骤S1中,基于PIE-Engine平台中的ALOS的12.5m空间分辨率的数字高程数据,通过三次卷积内插的方式对其进行插值获取目标火烧区域10m空间分辨率的数字高程数据。
为了更好地实现本发明,进一步地,所述步骤S4中,在欧空局哥白尼数据中心下载目标火烧区域火烧前后的哨兵2号的1C级多光谱数据,基于Sen2cor软件对该1C级多光谱数据进行辐射定标和大气校正,进而获得目标火烧区域火烧前后的哨兵2号的2A级多光谱数据,再基于ArcMap软件从该2A级多光谱数据中提取近红外波段NIR、短波红外波段SWIR。
本发明与现有技术相比,具有以下优点及有益效果。
(1)本发明所述的火烧烈度-高程积分的计算方法,将火烧烈度、面积、高程集成并用于计算各分级单元对应的火烧烈度归一化值和高差归一化值,从而构建火烧烈度-高程积分模型,以便于计算能够评估火后泥石流易发性的积分值。
(2)本发明所述的火烧烈度-高程积分的计算方法,用火烧烈度表征火烧区域地表受火烧扰动所产生的物源量的大小,所以基于火烧烈度-高程积分模型计算得到的火烧烈度-高程积分值,能够用于有效表征区域内潜在物源的势能,从而用于判断未来发生泥石流的概率,适用于火后泥石流易发性评估,因此填补了当前缺少火后泥石流易发性快速评估方法的不足。
(3)本发明所述的火烧烈度-高程积分的计算方法,通过遥感数据中的近红外波段和短波红外波段计算差分归一化燃烧指数,并对其进行数值变换,提出取值范围为[0,1]的归一化差分归一化燃烧指数,便于最终积分值的计算。
(4)本发明所述的火后泥石流易发性评估方法,通过多元遥感数据、数字高程数据,基于所提出的火烧烈度-高程积分模型能够快速获取目标火烧区域各子流域火烧烈度-高程积分值,再根据目标火烧区域各子流域火烧烈度-高程积分值与火后泥石流易发性等级阈值之间的关系,迅速反馈火后泥石流易发性预测结果。
(5)本发明所述的火后泥石流易发性评估方法,需要获取的数据类型较少,获取方式简便,从而更有利于快速评估火后泥石流易发性,从而为火烧区域的防灾减灾提供技术支持。
附图说明
图1为火烧烈度-高程积分计算方法的主要流程示意图。
图2为火烧烈度-高程积分模型中数据采集示意图。
图3为火烧烈度-高程积分模型中积分曲线示意图。
图4为实施例4中拟合曲线f(x)示意图。
图5为目标火烧区域及其子流域分布示意图。
图6为目标火烧区域及其子流域对应的数字高程数据的可视化显示图。
图7为各子流域归一化差分归一化燃烧指数的可视化显示图。
图8为各子流域火烧烈度-高程积分值的可视化显示图。
图9为各子流域火后泥石流易发性可视化显示图。
图10为火后泥石流易发性评估方法的关键步骤流程图。
图11为火后泥石流易发性评估系统的图形用户界面中数据设置区域示意图。
图12为火后泥石流易发性评估系统的图形用户界面中可视化展示区域示意图。
具体实施方式
实施例1:
现有技术中,面积-高程积分能用于表征常规流域内物质的势能情况,被许多学者应用于泥石流的易发性评估中。相比较常规泥石流,火后泥石流还具有受林火对地表的扰动程度影响较大的特性,因此现有的面积-高程积分不太适用火后泥石流易发性评估。
本实施例提供火烧烈度-高程积分方法,是基于遥感数据和目标火烧区域中各子流域的DEM模型进行计算的计算方法。
本实施例所述的火烧烈度-高程积分方法,就是火烧烈度-高程积分计算方法。所述计算方法基于微积分思想,如图1所示,先将子流域划分出多个分级单元;然后根据遥感数据、高程数据分别计算各分级单元对应的火烧烈度归一化值、高差归一化值,并构建积分曲线,得到火烧烈度-高程积分模型;最后计算积分曲线覆盖的面积而得到定积分值,该定积分值就是火烧烈度-高程积分值HIF。
所述计算方法具体包括以下步骤:
首先,如图2所示,根据DEM模型中数字高程将单个子流域按子流域高差划分成N个区段,并得到包括子流域最低点高程、子流域最高点高程在内的N+1个分级高程,将各分级高程由低到高依次排序并用i表示序号,DEM模型中高程不低于第i分级高程的部分记为第i分级单元,即N+1个分级高程对应N+1个分级单元;其中,N为正整数且N≥2,i为正整数且i=1,2,…,N+1;
然后,如图3所示,根据遥感数据计算各分级单元对应的火烧烈度以及整个子流域对应的火烧烈度,并通过将火烧烈度和面积-高程积分的集成,得到一个与火烧烈度、面积、高程相关的积分模型,该积分模型记为火烧烈度-高程积分模型;在火烧烈度-高程积分模型中,以第i分级单元对应的火烧烈度归一化值xi和高差归一化值yi作为一组点坐标( xi,yi),并将N+1组点坐标在直角坐标系中拟合成曲线y=f(x);
最后,计算火烧烈度-高程积分模型中曲线y=f(x)的定积分值,得到火烧烈度-高程积分值HIF。
本实施例公开的计算方法,将火烧烈度和面积-高程积分集成,得到了火烧烈度-高程积分。计算得到的火烧烈度-高程积分值能够用于火后泥石流易发性的评估。
基于各子流域的DEM模型,本实施例根据数字高程数据将单个子流域按子流域高差划分成N个区段。单个子流域中N个区段对应N+1个分级高程,而每个分级高程又对应一个分级单元,相当于N个区段对应N+1个分级单元。此处的N+1个分级单元实际由N个与单个区段一一对应的分级单元和一个与整个子流域对应的分级单元组成。
关于子流域的DEM模型中划分出区段、标记分级单元的技术手段,上述描述方式是从空间模型角度进行描述的,也可以从数据处理角度进行描述。
若以数据处理角度进行描述,此技术手段可以理解为:从单个子流域的DEM模型中选取数值不等的N+1个数字高程数据,且选取的N+1个数字高程数据中包含该子流域的最大数字高程、最小数字高程,然后对选取的N+1个数字高程数据由小到大依次排序并编号,将排序并编号后的第1个至第N+1个数字高程数据共N+1个数据作为N+1个分级高程;此时,每一个分级高程对应一个分级单元,即N+1个分级高程对应N+1个分级单元;将排序并编号后的第2个至第N+1个数字高程数据共N个数据作为N个区段高程,每一个区段高程对应一个区段,即N个区段高程对应N个区段。
空间模型角度和数据处理角度只是两种描述方案的不同角度,其描述的技术方案的本质是相同的。数据处理角度描述方案时提及的最大数字高程对应的就是空间模型角度描述方案时的子流域最高点高程,数据处理角度描述方案时提及的最小数字高程对应的就是空间模型角度描述方案时的子流域最低点高程。简单来说,空间模型中高程的高低对应数据处理时数字高程的大小。
进一步,无论是从空间模型角度还是从数据处理角度进行描述,本实施例中区段和分级单元都是不相同的。以某子流域对应的DEM模型中该子流域最低点高程为10m、最高点高程为110m并将其按高差等分成10个区段为例,说明区段和分级单元的不同。此时:Hmin=10m、Hmax=110m、N=10,整个子流域的高差是100m,每个区段的高差是10m,对应的11个分级高程由低到高分别是:10m、20m、30m、40m、50m、60m、70m、80m、90m、100m、110m。
第1分级高程为10m,第1分级单元是指该子流域高程为[10,110]m的这部分空间,第1分级高差为0m;
第2分级高程为20m,第2分级单元是指该子流域高程为[20,110]m的这部分空间,第2分级高差为10m;
第3分级高程为30m,第3分级单元是指该子流域高程为[30,110]m的这部分空间,第3分级高差为20m;
依次类推,
第9分级高程为90m,第9分级单元是指该子流域高程为[90,110]m的这部分空间,第9分级高差为80m;
第10分级高程为100m,第10分级单元是指该子流域高程为[100,110]m的这部分空间,第10分级高差为90m;
第11分级高程为110m,第11分级单元是指该子流域高程为110m的这部分空间,第11分级高差为100m。
其中,第11分级单元是一个空间概念,第1分级单元和第11分级单元对应的火烧烈度归一化值和高差归一化值对应的是积分曲线的两个端点坐标,都是具有物理意义的。
再者,将整个子流域按子流域高差进行10等分后,形成10个区段,由于本领域通常选区空间中最高点高程作为该空间的高程,所以10个区段划分如下:
第1区段最低点高程为10m、最高点高程为20m,第1区段对应的区段高程为20m;
第2区段最低点高程为20m、最高点高程为30m,第2区段对应的区段高程为30m;
第3区段最低点高程为30m、最高点高程为40m,第3区段对应的区段高程为40m;
依次类推,
第9区段最低点高程为90m、最高点高程为100m,第9区段对应的区段高程为100m;
第10区段最低点高程为100m、最高点高程为110m,第10区段对应的区段高程为110m。
对子流域的DEM模型进行微分处理后,接下来需要对火烧烈度进行归一化处理。第i分级单元对应的火烧烈度归一化值为第i分级单元对应的分级单元火烧烈度总和与子流域对应的子流域火烧烈度总和的比值。火烧烈度总和可以通过人工现场勘测的方式获取,可以从其他系统中调取,也可以基于遥感数据计算获得。
对子流域的DEM模型进行微分处理后,对高差进行归一化处理。所述第i分级单元对应的高差归一化值为第i分级高差与子流域高差二者的比值。所述第i分级高差为第i分级高程与子流域最低点高程二者的差值;所述子流域对应的子流域高差为子流域最高点高程与子流域最低点高程二者的差值。
需要说明的是,首先,本实施例中将单个子流域按子流域高差划分成N个区段,可以等分也可以不等分。理想状态其实是将单个子流域按子流域高差无限细分,但考虑到计算机软件执行指令的可行性问题,必须为划分的区段设定具体数值。其次,区段数量N的取值可以根据经验值自定义进行设定或输入,也可以通过计算机软件中设定的计算方法根据实际数据与DEM模型的对应关系进行计算。
本实施例中将火烧烈度和面积-高程积分集成,提出火烧烈度-高程积分用于火后泥石流易发性的评估。相比于面积-高程积分,火烧烈度-高程积分顾及火后泥石流的特性,用火烧烈度表征火烧区域地表受火烧扰动大小,以表征林火造成的潜在物源的大小。
实施例2:
本实施例在实施例1的基础上,说明第i分级单元对应的火烧烈度归一化值xi和第i分级单元对应的高差归一化值yi的计算方法。
所述第i分级单元对应的火烧烈度归一化值为第i分级单元对应的分级单元火烧烈度总和与子流域对应的子流域火烧烈度总和的比值。
即所述第i分级单元对应的火烧烈度归一化值xi的计算方法如下:
其中,xi为第i分级单元对应的火烧烈度归一化值;
fi为第i分级单元对应的分级单元火烧烈度总和;
F表示子流域对应的子流域火烧烈度总和。
所述第i分级单元对应的高差归一化值为第i分级高差与子流域高差二者的比值。所述第i分级高差为第i分级高程与子流域最低点高程二者的差值;所述子流域对应的子流域高差为子流域最高点高程与子流域最低点高程二者的差值,即H=Hmax-Hmin;
即所述第i分级单元对应的高差归一化值yi的计算方法如下:
其中,yi为第i分级单元对应的高差归一化值;
hfi为第i分级高差,也就是第i分级单元对应的分级高差;
H为子流域高差,也就是子流域对应的子流域高差;
Hmin为子流域对应的最低点高程,也就是子流域对应的最小数字高程;
Hmax为子流域对应的最高点高程,也就是子流域对应的最大数字高程;
hqi为第i分级高程,也就是第i分级单元对应的分级高程。
各高程的数值可以从DEM模型中直接读取。高差的数值可以通过最高点高程与最低点高程的差值计算获得,也可以基于已经获得的数值直接调取。
在另一具体实施例中,简化模型,采用等分方式对子流域进行细分,第i分级高程的计算方法如下:
hqi= Hmin+H/N*(i-1) ;
此时,第i分级高差的计算方法如下:
hfi= hqi- Hmin=H/N*(i-1) - Hmin 。
在另一具体实施例中,进一步地简化模型,在子流域对应DEM模型中子流域最低点相对高程为0m,此时子流域对应DEM模型中子流域最高点相对高程的数值与子流域高差的数值相同;由此第i分级单元对应的高差归一化值yi的计算方法可以简化为:
其中,i为分级高程的序号;N为子流域划分区段的数量。
也就是说,采用等分思想及相对高程思想简化子流域的模型后,各分级单元对应的高差归一化值仅通过分级单元对应的编号和子流域划分区段数量即可计算,减少了调用的数据类型及数据量,提高了计算效率,实现了模型的轻量化设计。
在上述方案的基础上,本实施例进一步说明基于遥感数据计算火烧烈度总和的方法。此时,所述分级单元火烧烈度总和为分级单元单位火烧烈度指数与分级单元面积的乘积;所述子流域火烧烈度总和为子流域单位火烧烈度指数与子流域面积的乘积。
由此,所述第i分级单元对应的火烧烈度归一化值xi的计算方法如下:
其中,xi表示第i分级单元对应的火烧烈度归一化值;
fi表示第i分级单元对应的火烧烈度总和;
F表示子流域对应的火烧烈度总和;
ND分级i表示第i分级单元对应的单位火烧烈度指数;
si表示第i分级单元对应的面积;
ND子流域表示子流域对应的单位火烧烈度指数;
S表示整个子流域对应的面积。
本实施例的其他部分与实施例1相同,故不再赘述。
实施例3:
本实施例在实施例1或实施例2的基础上,基于归一化差分归一化燃烧指数NDNBR栅格数据进行火烧烈度的计算。
地理信息系统,Geographical Information System,缩写为GIS。DEM模型,DigitalElevation Models,是GIS系统中最为重要的空间信息资料和赖以进行地形分析的核心数据模型。由于本发明中火烧烈度-高程积分模型基于DEM模型构建,因此可利用栅格数据计算火烧烈度总和。而且现有技术也公开了基于遥感数据中近红外波段和短波红外波段获得的差分归一化燃烧指数的技术思路。因此,下文采用归一化差分归一化燃烧指数NDNBR栅格数据作为基础数据计算火烧烈度总和。
所述归一化差分归一化燃烧指数NDNBR栅格数据,简称NDNBR栅格数据,包括栅格空间分辨率、像元数量、各像元对应的NDNBR值、各像元对应的地物面积。其中,各像元对应的地物面积等于栅格空间分辨率的平方,空间分辨率一般通过遥感数据的头文件中获取,每个像元对应的地物面积是一样的,这个是遥感栅格数据的特性,这是本领域公知常识,故不再赘述。
首先,所述第i分级单元对应的火烧烈度归一化值xi的计算方法如下:
进一步地,所述第i分级单元火烧烈度总和的计算方法为:先计算第i分级单元中各像元对应的NDNBR值与地物面积乘积,然后按第i分级单元对应的像元数量,将所有NDNBR值与地物面积乘积全部加和;具体计算方法如下:
同样的原理,所述子流域火烧烈度总和的计算方法为:先计算整个子流域中各像元对应的NDNBR值与地物面积乘积,然后再按该子流域对应的像元数量,将所有NDNBR值与地物面积乘积全部加和;具体计算方法如下:
各分级单元、整个子流域对应的像元数量不完全一样,各像元对应的NDNBR值不完全一样,各像元对应的地物面积相等。
因此,所述第i分级单元对应的火烧烈度归一化值xi的计算方法如下:
其中,xi表示第i分级单元对应的火烧烈度归一化值;
fi表示第i分级单元对应的分级单元火烧烈度总和;
F表示子流域对应的子流域火烧烈度总和;
mi表示第i分级单元中像元数量,mi为正整数;
q表示各分级单元中像元的编号,q为正整数且q=1,…,mi;
NDq表示第i分级单元中第q个像元对应的NDNBR值;
M表示子流域中像元数量,M为正整数;
p表示子流域中像元的编号,p为正整数且p=1,…,M;
NDp表示子流域中第p个像元对应的NDNBR值;
sr为各像元对应的地物面积。
需要说明的是,同一个子流域对应的归一化差分归一化燃烧指数NDNBR栅格数据中各像元对应的地物面积相等,故计算第i分级单元对应的火烧烈度归一化值xi的公式中,其分子、分母上同时具备的地物面积参数可以抵消。
相对实施例2而言,本实施例采用各像元对应的NDNBR值表征单位火烧烈度指数,采用像元数量和各像元对应的地物面积共同表征面积。
在另一具体实施方式中,通过遥感数据中的近红外波段和短波红外波段计算归一化差分归一化燃烧指数。具体是指采用式1、式2、式3计算目标火烧区域的归一化差分归一化燃烧指数NDNBR:
其中,NIR为近红外波段,SWIR为短波红外波段,NBR为归一化燃烧指数;NBRpre为火烧前的归一化燃烧指数;NBRpost为火烧后的归一化燃烧指数;DNBR为差分归一化燃烧指数;NDNBR为归一化差分归一化燃烧指数,用于表示火烧烈度指数。
式1、式2采用现有技术,但由于差分归一化燃烧指数DNBR的取值范围为(-2,2)不便于积分运算,于是本实施例通过式3“NDNBR = (DNBR+2) / 4”计算得到归一化差分归一化燃烧指数NDNBR,将获得的数值规整到[0,1]的范围内,以便于后期积分值的计算。用归一化差分归一化燃烧指数NDNBR表示火烧烈度指数。当归一化差分归一化燃烧指数NDNBR的值为0时,表示未火烧;当归一化差分归一化燃烧指数NDNBR的值为1时,表示火烧程度最大。
在另一具体实施方式中,基于式3计算得到归一化差分归一化燃烧指数后,还通过空间内插的方式使火烧区域的归一化差分归一化燃烧指数和数字高程数据的空间分辨率相同。
本实施例所述的火烧烈度-高程积分的计算方法,通过遥感数据中的近红外波段和短波红外波段计算归一化差分归一化燃烧指数,通过归一化差分归一化燃烧指数NDNBR栅格数据中每个像元对应的NDNBR值与该像元对应地物面积的乘积的加和表征火对地表的扰动程度,同时结合高程计算火烧烈度-高程积分,以表征区域内受火灾影响潜在物源势能情况,从而进行火后泥石流易发性的评估。
本实施例的其他部分与实施例1或实施例2相同,故不再赘述。
实施例4:
本实施例将火烧烈度和面积-高程积分集成,提出火烧烈度-高程积分,并用于火后泥石流易发性的评估。相比于面积-高程积分,火烧烈度-高程积分顾及火后泥石流的特性,用火烧烈度表征火烧区域地表受火烧扰动而产生的潜在物源量的大小。进一步地,本实施例采用等分思想及相对高程思想简化子流域的模型,以实现火烧烈度-高程积分模型的轻量化设计。
具体地,本实施例中所述火烧烈度-高程积分获取过程如下:首先,将目标火烧区域的各子流域按高差N等分,并得到包括子流域最低点高程、子流域最高点高程在内的N+1个分级高程,将各分级高程由低到高依次排序并用i表示序号,子流域中高程不低于第i分级高程的部分记为第i分级单元,即N+1个分级高程对应N+1个分级单元,N为正整数且不小于2,i为正整数且i=1,…, N+1;接着,基于遥感数据中近红外波段和短波红外波段,采用归一化差分归一化燃烧指数NDNBR这一栅格数据为基础数据计算火烧烈度总和,其中分级单元火烧烈度总和为分级单元中所有像元对应的各像元的NDNBR值与各像元的地物面积乘积的加和,子流域火烧烈度总和为子流域中所有像元对应的各像元的NDNBR值与各像元的地物面积乘积的加和,并得到各分级单元对应的火烧烈度归一化值x,同时,根据i和N求取各分级单元对应的高差归一化值y;然后,每个分级单元对应的火烧烈度归一化值x和高差归一化值y作为一组点坐标,将N个点坐标(x,y)在直角坐标系中拟合成曲线y=f(x);最后,求取曲线y=f(x)在(0,1)范围内的定积分值,得到火烧烈度-高程积分值HIF。所述第i分级单元对应的火烧烈度归一化值xi的计算方法如下:
其中,xi为第i分级单元对应的火烧烈度归一化值;
fi为第i分级单元对应的分级单元火烧烈度总和;
F表示子流域对应的子流域火烧烈度总和。
所述第i分级单元对应的高差归一化值yi的计算方法可以简化为:
其中,i为分级高程的序号;N为子流域划分区段的数量。
例如将某一子流域按高差22等分,形成23个分级单元,每个分级单元对应的火烧烈度归一化值x和高差归一化值y作为一组点坐标如表1所示,并将该组23个点坐标在直角坐标系中拟合成曲线y=f(x),如图4所示,计算曲线y=f(x)在[0,1]范围内的定积分值,得到子流域对应的火烧烈度-高程积分值HIF为0.512。
表1
基于轻量化设计的火烧烈度-高程积分模型,火烧烈度-高程积分值HIF的计算过程,需要采集的数据也大大减少,对火后泥石流的预警更高效、更及时、可行性强。
实施例5:
本实施例提供了一种火后泥石流易发性评估方法,基于实施例1-实施例4任一项所述计算方法构建火烧烈度-高程积分模型,获取目标火烧区域中各子流域的火烧烈度-高程积分值HIF;再基于各子流域的火烧烈度-高程积分值HIF的数值,根据经验阈值划分等级,用于评估火后泥石流易发性。
所述火后泥石流易发性评估方法,如图5所示,分三大部分:数据获取与预处理、火烧烈度-高程积分模型的建立及应用、火后泥石流易发性评估;具体包括以下步骤S1-步骤S6。
步骤S1:确定目标火烧区域,并获取目标火烧区域对应的高空间分辨率遥感数据、火烧前后的中空间分辨率多光谱遥感数据、数字高程数据。
所述高空间分辨率遥感数据可通过谷歌地球、天地图、奥维地图等平台获取,用于目标火烧区域中各子流域的提取;一般选择哨兵2号卫星数据、Landsat-8卫星数据等免费的遥感数据作为火烧前后的中空间分辨率多光谱遥感数据,尽量选择目标火烧区域发生火灾前后无云的遥感影像,且成像时间也尽可能接近目标火烧区域发生火灾的时间;一般选取SRTM、ASTER、ALOS、TanDEM-X等常用免费数字高程数据作为目标火烧区域的数字高程数据。
步骤S2:采用人工目视解译的方式,在高空间分辨率遥感数据中提取目标火烧区域中各子流域的矢量边界,并构建目标火烧区域中各子流域的DEM模型。
人工目视解译:运用专业背景知识,通过肉眼观察,经过综合分析、逻辑推理、验证检查把遥感图像中所包含的地物信息提取和解析出来的过程。
步骤S3:根据DEM模型中数字高程将单个子流域按子流域高差划分成N个区段,并得到包括子流域最低点高程、子流域最高点高程在内的N+1个分级高程,将各分级高程由低到高依次排序并用i表示序号,DEM模型中高程不低于第i分级高程的部分记为第i分级单元,即N+1个分级高程对应N+1个分级单元;其中,N为正整数且N≥2,i为正整数且i=1,2,…,N+1。
步骤S4:针对步骤S3中具有N+1个分级单元的子流域的DEM模型,根据火烧前后的中空间分辨率多光谱遥感数据、数字高程数据分别计算各分级单元对应的火烧烈度归一化值x和各分级单元对应的高差归一化值y并组成点坐标( x , y ),共得到N+1组点坐标。
可以根据人工现场勘测直接输入火烧烈度数值,也可以根据遥感数据进行计算。从火烧前后的中空间分辨率多光谱遥感数据中,获取近红外波段NIR和短波红外波段SWIR,先分别计算火烧前、火烧后的归一化燃烧指数NBR,再由火烧前、火烧后的归一化燃烧指数NBR的差值得到目标火烧区域的差分归一化燃烧指数DNBR;然后根据差分归一化燃烧指数DNBR计算归一化差分归一化燃烧指数NDNBR;最后通过空间内插的方式使火烧区域的归一化差分归一化燃烧指数和数字高程数据的空间分辨率相同。
步骤S5:将N+1组点坐标输入火烧烈度-高程积分模型,计算曲线y=f(x)在(0,1)范围内的定积分值,得到子流域对应的火烧烈度-高程积分值HIF。
通常,通过ArcMap中的叠置和裁剪工具构建目标火烧区域中各子流域对应的火烧烈度和高程数据叠置的数据集,并将数据集输入火烧烈度-高程积分模型,获取目标火烧区域中各子流域的火烧烈度-高程积分值HIF。
步骤S6:根据子流域对应的火烧烈度-高程积分值HIF的数值划分等级,进行火后泥石流易发性评估。
子流域的火烧烈度-高程积分值越高,表明其受林火扰动产生的潜在物源势能越大,发生火后泥石流的概率越大。在ArcMap中,将各子流域火烧烈度-高程积分值对应输入到其矢量边界的属性表中,基于经验阈值,对各子流域的火后泥石流易发性等级进行划分,并输出为目标火烧区域火后泥石流易发性评估图件。
具体地,火后泥石流易发等级通过火烧烈度-高程积分值HIF及其经验阈值进行划分:
所述火烧烈度-高程积分值HIF∈[0, 0.493),火后泥石流易发等级为低易发;
所述火烧烈度-高程积分值HIF∈(0.493, 0.532),火后泥石流易发等级为中等易发;
所述火烧烈度-高程积分值HIF∈(0.532, 1],火后泥石流易发等级为高易发。
将火后泥石流易发等级分为低易发、中等易发、高易发,并赋予不同的显示颜色,可方便评估结果的可视化展示。
本实施例先通过火烧烈度-高程积分计算方法获得各子区域的火烧烈度-高程积分值,再根据火烧烈度-高程积分值的大小判断发生火后泥石流的可能性,进而在林火发生之后的较短时间内确定目标火烧区域各子流域的火后泥石流易发性,且具有明确的物理意义,为火后泥石流的及时预警提供技术支持。
实施例6:
如图10所示,火后泥石流易发性评估方法主要由三大部分组成:数据获取与预处理、火烧烈度-高程积分模型的建立及应用、火后泥石流易发性评估。首先,确定目标火烧区域,并收集目标火烧区域的高空间分辨率遥感数据、火烧前后的中空间分辨率多光谱遥感数据、数字高程数据,构建目标火烧区域各子流域火烧烈度和数字高程叠置的数据集;再次,将各子流域火烧烈度和数字高程叠置的数据集输入自主研发设计的火烧烈度-高程积分模型中,计算得到各子流域火烧烈度-高程积分值;最后,根据经验阈值,确定各子流域火后泥石流易发性等级,并制作目标火烧区域火后泥石流易发性评估图件。
2020年3月28日,四川省凉山州木里县乔瓦镇与项脚乡交界处山地发生严重林火,火势在5天之后才得到有效控制。该区域过火面积较大,火烧迹地植被遭受严重烧毁,植被覆盖度显著降低,地表受到的扰动极大。在当年雨季,该火烧区域相继发生不等规模火后泥石流,导致该区域内许多居民建筑物被淤埋,造成重大财产损失。
本实施例选取该区域为目标火烧区域,进行火后泥石流易发性评估。
(一)数据获取与预处理。
步骤A:确定木里火烧区域为此次目标火烧区域。
步骤B:基于奥维地图平台的高空间分辨率遥感数据,通过人工目视解译的方式提取所选取的木里火烧区域各子流域的矢量边界,解译出的子流域个数为14个,如图5所示。再基于PIE-Engine平台获取木里火烧区域ALOS 12.5m DEM数据,并通过三次卷积内插成10米空间分辨率的数字高程数据输出,木里火烧区域各子流域的数字高程数据如图6所示。
本实施例中采用的是奥维地图平台获取高空间分辨率遥感数据,当然也可以采用谷歌地球、天地图等常用的其他常用的卫星地图平台。
PIE-Engine平台,即遥感云计算服务平台,是航天宏图自主研发的一套基于容器云技术构建的面向地球科学领域的专业PaaS/SaaS云计算服务平台。
ALOS,Advanced Land Observing Satellite,该卫星于2006年发射。ALOS卫星载有三个传感器:全色遥感立体测绘仪,PRISM,主要用于数字高程测绘;先进可见光与近红外辐射计-2,AVNIR-2,用于精确陆地观测;相控阵型L波段合成孔径雷达,PALSAR,用于全天时全天候陆地观测。ALOS12.5m DEM 数据,是ALOS卫星相控阵型L波段合成孔径雷达采集的高程数据,其空间分辨率是12.5米。
步骤C:在欧空局哥白尼数据中心下载木里火烧区域火烧前后的哨兵2号的1C级多光谱数据,此时卫星过境时间分别为:2020年3月20日、2020年5月9日;先通过Sen2cor软件对该1C级多光谱数据进行辐射定标和大气校正,进而获得木里火烧区域火烧前后的哨兵2号的2A级多光谱数据,再基于ArcMap软件从该2A级多光谱数据中提取近红外波段NIR、短波红外波段SWIR,采用式1、式2、式3计算木里火烧区域的归一化差分归一化燃烧指数NDNBR:
其中,NIR为近红外波段,SWIR为短波红外波段,NBR为归一化燃烧指数;NBRpre为火烧前的归一化燃烧指数;NBRpost为火烧后的归一化燃烧指数;DNBR为差分归一化燃烧指数;NDNBR为归一化差分归一化燃烧指数,用于表示火烧烈度指数,并通过三次卷积内插成10米空间分辨率。
如图7所示,木里火烧区域各子流域的NDNBR的可视化显示。
其中,Sen2cor是Sentinel-2 Level 2A产品生成和格式化的工具集,可用于对Level 1C级输入数据进行大气、地形和卷云校正。本实施例中采用Sen2cor对下载的目标火烧区域火烧前后的哨兵2号的1C级多光谱数据进行辐射定标和大气校正。
所述ArcMap软件是一个可用于数据输入、编辑、查询、分析等功能的应用程序,具有基于地图的所有功能,实现如地图制图、地图编辑、地图分析等功能。ArcMap包含一个复杂的专业制图和编辑系统,它既是一个面向对象的编辑器,又是一个数据表生成器。
步骤D:在ArcMap软件中加载步骤B中获取的各子流域的矢量边界、步骤B获取的高程数据、步骤C获取的火烧烈度指数,通过叠加工具生成木里火烧区域的归一化差分归一化燃烧指数和高程数据的叠置数据,用木里火烧区域各子流域矢量边界裁剪该叠置数据,生成木里火烧区域各子流域火烧烈度和高程数据叠置的数据集。
(二)火烧烈度-高程积分模型的建立及应用。
面积-高程积分值能用于表征常规流域内物质的势能情况,但其对地表物质的表征是均一化的,由于火烧区域地表受火烧的扰动大小存在差异,故面积-高程积分不适用于表征火烧区域潜在物源势能。本实施例在面积-高程积分的基础上提出火烧烈度-高程积分,用火烧烈度表征火烧区域地表受火烧扰动而产生的潜在物源量的大小。归一化差分归一化燃烧指数作为火烧烈度,表征木里火烧区域地表受火烧扰动而产生的潜在物源量的大小。本实施例顾及火后泥石流的特性,将火烧烈度和面积-高程积分集成,提出火烧烈度-高程积分用于火后泥石流易发性的评估。
步骤E:本实施例中火烧烈度-高程积分计算方法的主要思路为将木里火烧区域的各子流域按高差N等分,形成N个分级高程,子流域中高程不小于第i分级高程的部分称为第i分级单元,i=1,…,N;并求取子流域中第i分级单元所对应的火烧烈度的总和并将其均一化,得到第i分级单元对应的火烧烈度总和均一化值,即:
其中,xi为第i分级单元对应的火烧烈度归一化值;
fi为第i分级单元对应的分级单元火烧烈度总和;
F表示子流域对应的子流域火烧烈度总和;
求取子流域中第i分级单元所对应的分级高差并将其均一化,得到第i分级单元对应的高差归一化值,即:
其中,yi为第i分级单元对应的高差归一化值;
hfi为第i分级单元对应的分级高差;
H为子流域对应的子流域高差。
将计算所得的N个点坐标(xi,yi)标到直角坐标系中,拟合成一条曲线,即:
由于xi、yi的取值范围均为0~1,式6曲线为火烧烈度-高程积分曲线,故求取该曲线0~1范围内的定积分值,即:
其中,HIF为火烧烈度-高程积分值,取值范围为0~1。需要说明的是两个s=0和s=1两个端值,只是理论值,无实际意义。
木里火烧区域各子流域序号、各子流域的高差(单位:米)、数字高程数据中像元个数、分级单元数量、火烧烈度最大值、火烧烈度最小值如表1所示,本实施例中采用Matlab根据火烧烈度-高程积分的计算方法编写程序,构建火烧烈度-高程积分模型。向模型中输入木里火烧区域各子流域等分单元数目、火烧烈度和数字高程叠置数据,实现木里火烧区域各子流域火烧烈度-高程积分值的计算。
表2
如图8所示,是木里火烧区域各子流域火烧烈度-高程积分值可视化示意图。
(三)火后泥石流易发性评估。
在ArcMap中,将木里火烧区域各子流域火烧烈度-高程积分值对应输入到其对应的矢量边界的属性表中,各子流域火烧烈度-高程积分值如表3所示,基于火烧烈度-高程积分的经验阈值,对各子流域的火后泥石流易发性等级进行划分,获取木里火后区域各子流域火后泥石流易发性可视化示意图,如图9所示。图9中,低易发区域对应的火烧烈度-高程积分值为0.454~0.493,中等易发区域对应的火烧烈度-高程积分值为0.493~0.532为,高易发区域对应的火烧烈度-高程积分值为0.532~0.588。
表3
如图11、图12所示,通过软件实现本实施例所述的火后泥石流易发性评估方法,其中软件运行过程中一个图形用户界面的左区域如图11所示、右区域如图12所示。图11、图12只是一个软件运行时能够进行人机交互及可视化展示的界面示意图,并非该软件运行时的唯一的图形用户界面。
所述火后泥石流易发性评估方法基于火烧烈度-高程积分计算方法,用计算获得的各子流域的火烧烈度-高程积分值HIF的高低表征火后泥石流发生可能性的大小,进而能够在短时间内快速评估火后泥石流的易发性。所述火后泥石流易发性评估方法,能够快速、高效地输出评估结果,为火烧区域的防灾减灾提供及时、有效的技术支持。
本实施例的其他部分与上述实施例5相同,故不再赘述。
以上所述,仅是本发明的较佳实施例,并非对本发明做任何形式上的限制,凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化,均落入本发明的保护范围之内。
Claims (7)
1.火烧烈度-高程积分方法,是基于遥感数据和目标火烧区域中各子流域的DEM模型进行计算的计算方法,其特征在于,
所述积分方法先根据DEM模型中数字高程将单个子流域按子流域高差划分成N个区段,并得到包括子流域最低点高程、子流域最高点高程在内的N+1个分级高程,将各分级高程由低到高依次排序并用i表示序号,DEM模型中高程不低于第i分级高程的部分记为第i分级单元,即N+1个分级高程对应N+1个分级单元;其中,N为正整数且N≥2,i为正整数且i=1,2,…,N+1;
然后,根据人工现场勘测的方式获取或者根据遥感数据计算各分级单元及整个子流域对应的火烧烈度,并通过将火烧烈度和面积-高程积分集成,得到一个与火烧烈度、面积、高程相关的积分模型,该积分模型记为火烧烈度-高程积分模型;在火烧烈度-高程积分模型中,以第i分级单元对应的火烧烈度归一化值和高差归一化值作为一组点坐标( xi , yi ),并将N+1组点坐标在直角坐标系中拟合成曲线y=f(x);
最后,计算火烧烈度-高程积分模型中曲线y=f(x)的定积分值,得到火烧烈度-高程积分值HIF;
第i分级单元对应的火烧烈度归一化值为第i分级单元对应的分级单元火烧烈度总和与子流域对应的子流域火烧烈度总和的比值;
所述分级单元火烧烈度总和为分级单元单位火烧烈度指数与分级单元面积的乘积;所述子流域火烧烈度总和为子流域单位火烧烈度指数与子流域面积的乘积;
采用归一化差分归一化燃烧指数NDNBR栅格数据作为基础数据计算火烧烈度总和;所述归一化差分归一化燃烧指数NDNBR栅格数据简称为NDNBR栅格数据;
所述NDNBR栅格数据包括栅格空间分辨率、像元数量、各像元对应的NDNBR值、各像元对应的地物面积,其中各像元对应的地物面积等于栅格空间分辨率的平方;各分级单元、整个子流域对应的像元数量不完全一样,各像元对应的NDNBR值不完全一样,各像元对应的地物面积相等;
所述分级单元火烧烈度总和为分级单元对应的NDNBR栅格数据中各像元对应的NDNBR值与地物面积的乘积之和,即先单独计算分级单元内每个像元对应的NDNBR值与地物面积的乘积,记为fq,再将分级单元包括的所有像元的fq相加求和;
所述子流域火烧烈度总和为子流域对应的NDNBR栅格数据中各像元对应的NDNBR值与地物面积的乘积之和,即先单独计算子流域内每个像元对应的NDNBR值与地物面积的乘积,记为Fp,再将子流域包括的所有像元的Fp相加求和。
2.根据权利要求1所述的火烧烈度-高程积分方法,其特征在于,所述归一化差分归一化燃烧指数NDNBR栅格数据中各像元对应的NDNBR值根据遥感数据中近红外波段和短波红外波段计算,所述近红外波段用NIR表示,所述短波红外波段用SWIR表示;
所述归一化差分归一化燃烧指数NDNBR的具体计算过程如下:通过“NBR = (NIR-SWIR)/ (NIR+SWIR)”分别计算火烧前的归一化燃烧指数NBRpre、火烧后的归一化燃烧指数NBRpost,再由“DNBR = NBRpre - NBRpost”计算差分归一化燃烧指数DNBR;最后通过“NDNBR = (DNBR+2) / 4”计算得到取值范围为[0,1]的归一化差分归一化燃烧指数NDNBR;
当归一化差分归一化燃烧指数NDNBR的值为0时,表示未火烧;
当归一化差分归一化燃烧指数NDNBR的值为1时,表示火烧程度最大。
3.根据权利要求1所述的火烧烈度-高程积分方法,其特征在于,第i分级单元对应的高差归一化值为第i分级高差与子流域高差二者的比值;所述第i分级高差为第i分级高程与子流域最低点高程二者的差值;所述子流域对应的子流域高差为子流域最高点高程与子流域最低点高程二者的差值。
5.根据权利要求1所述的火烧烈度-高程积分方法,其特征在于,将子流域高差划分成N个区段。
6.火后泥石流易发性评估方法,其特征在于,基于如权利要求1所述积分方法构建火烧烈度-高程积分模型,获取目标火烧区域中各子流域的火烧烈度-高程积分值HIF;再基于各子流域的火烧烈度-高程积分值HIF的数值,根据经验阈值划分等级,用于评估火后泥石流易发性。
7.根据权利要求6所述的火后泥石流易发性评估方法,其特征在于,所述火后泥石流易发性评估方法具体包括以下步骤:
步骤S1:确定目标火烧区域,并获取目标火烧区域对应的高空间分辨率遥感数据、火烧前后的中空间分辨率多光谱遥感数据、数字高程数据;
步骤S2:采用人工目视解译的方式,在高空间分辨率遥感数据中提取目标火烧区域中各子流域的矢量边界,并构建目标火烧区域中各子流域的DEM模型;
步骤S3:根据DEM模型中数字高程将单个子流域按子流域高差划分成N个区段,并得到包括子流域最低点高程、子流域最高点高程在内的N+1个分级高程,将各分级高程由低到高依次排序并用i表示序号,DEM模型中高程不低于第i分级高程的部分记为第i分级单元,即N+1个分级高程对应N+1个分级单元;其中,N为正整数且N≥2,i为正整数且i=1,2,…,N+1;
步骤S4:针对步骤S3中具有N+1个分级单元的子流域的DEM模型,根据火烧前后的中空间分辨率多光谱遥感数据、数字高程数据分别计算各分级单元对应的火烧烈度归一化值x和各分级单元对应的高差归一化值y并组成点坐标( x , y ),共得到N+1组点坐标;
步骤S5:将N+1组点坐标输入火烧烈度-高程积分模型,计算曲线y=f(x)在[0,1]范围内的定积分值,得到子流域对应的火烧烈度-高程积分值HIF;
步骤S6:根据子流域对应的火烧烈度-高程积分值HIF的数值划分等级,进行火后泥石流易发性评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310366223.9A CN116127787B (zh) | 2023-04-07 | 2023-04-07 | 火烧烈度-高程积分方法及火后泥石流易发性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310366223.9A CN116127787B (zh) | 2023-04-07 | 2023-04-07 | 火烧烈度-高程积分方法及火后泥石流易发性评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116127787A CN116127787A (zh) | 2023-05-16 |
CN116127787B true CN116127787B (zh) | 2023-06-23 |
Family
ID=86299376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310366223.9A Active CN116127787B (zh) | 2023-04-07 | 2023-04-07 | 火烧烈度-高程积分方法及火后泥石流易发性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116127787B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494281A (zh) * | 2021-12-20 | 2022-05-13 | 浙江省气候中心 | 基于增强型燃烧指数的中小型火烧迹地自动提取方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109211793B (zh) * | 2018-09-12 | 2020-10-27 | 中国科学技术大学 | 结合光谱指数和神经网络的火灾过火迹地识别方法 |
CN111898681B (zh) * | 2020-07-31 | 2023-09-05 | 北京林业大学 | 一种基于遥感云平台与决策树的火烧迹地精细提取方法 |
CN114333208B (zh) * | 2022-02-28 | 2022-06-10 | 四川省安全科学技术研究院 | 面向高山峡谷地区森林火灾后泥石流的预测方法及系统 |
CN115272874B (zh) * | 2022-09-28 | 2022-12-09 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于遥感影像的泥石流灾害识别及频率计算方法 |
CN115861262A (zh) * | 2022-12-19 | 2023-03-28 | 河南省科学院地理研究所 | 一种火后植被恢复动态监测方法及系统 |
-
2023
- 2023-04-07 CN CN202310366223.9A patent/CN116127787B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114494281A (zh) * | 2021-12-20 | 2022-05-13 | 浙江省气候中心 | 基于增强型燃烧指数的中小型火烧迹地自动提取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116127787A (zh) | 2023-05-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zheng et al. | An improved approach for monitoring urban built-up areas by combining NPP-VIIRS nighttime light, NDVI, NDWI, and NDBI | |
Dutta et al. | Impervious surface growth and its inter-relationship with vegetation cover and land surface temperature in peri-urban areas of Delhi | |
Benza et al. | A pattern-based definition of urban context using remote sensing and GIS | |
Hall | Remote sensing in social science research | |
Luo et al. | Detection of alpine tree line change with high spatial resolution remotely sensed data | |
Polinova et al. | Reconstructing pre-fire vegetation condition in the wildland urban interface (WUI) using artificial neural network | |
Sabr et al. | Assessment of land use and land cover change using spatiotemporal analysis of landscape: case study in south of Tehran | |
Dvornikov et al. | Geodatabase and WebGIS project for long-term permafrost monitoring at the Vaskiny Dachi research station, Yamal, Russia | |
Bagheri et al. | Investigation and modeling of physical development of urban areas and its effects on light pollution using night light data | |
Lehner et al. | Sentinel-1 for urban areas-comparison between automatically derived settlement layers from Sentinel-1 data and Copernicus high resolution information layers | |
CN116127787B (zh) | 火烧烈度-高程积分方法及火后泥石流易发性评估方法 | |
Liu et al. | Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images | |
Ullah et al. | Land Use Land Cover (LULC) and Land Surface Temperature (LST) Changes and its Relationship with human modification in Islamabad capital territory, Pakistan | |
Brigante et al. | USE OF MULTISPECTRAL SENSORS WITH HIGH SPATIAL RESOLUTION FOR TERRITORIAL AND ENVIRONMENTAL ANALYSIS. | |
Kato | Integrating openstreetmap data in object based landcover and landuse classification for disaster recovery | |
Sohail et al. | Spatio-temporal analysis of land use dynamics and its potential implications on land surface temperature in lahore district, punjab, pakistan | |
Liu et al. | A Novel Impervious Surface Extraction Method Based on Automatically Generating Training Samples From Multisource Remote Sensing Products: A Case Study of Wuhan City, China | |
Angelini et al. | ASTER image for environmental monitoring Change detection and thermal map | |
Ara et al. | Urban Area Growth Monitoring in Sylhet City Using Remote Sensing and Geographic Information System from 2002 to 2017 | |
Bochow et al. | Automating the build-up process of feature-based fuzzy logic models for the identification of urban biotopes from hyperspectral remote sensing data | |
Lasko et al. | Automated method for artificial impervious surface area mapping in temperate, tropical, and arid environments using hyperlocal training data with Sentinel-2 imagery | |
Ziwei et al. | Analysis of time–space dynamic simulation on urban expansion in mountainous area based on the weight-CA model | |
Teichtmann | A proof of concept for mapping environmental change in areas of resource extraction at the source of energy transition supply chains. | |
Wijdani et al. | Correlation between alterations in degree of urbanization and the dynamics of agricultural land in Karawang regency | |
Spyropoulos et al. | Land reclamation of surface mining based on imagery intelligence and spatial decision support systems |
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 |