CN116416395A - 一种基于点云压缩数字地表模型的洪水淹没快速评估方法 - Google Patents
一种基于点云压缩数字地表模型的洪水淹没快速评估方法 Download PDFInfo
- Publication number
- CN116416395A CN116416395A CN202310099790.2A CN202310099790A CN116416395A CN 116416395 A CN116416395 A CN 116416395A CN 202310099790 A CN202310099790 A CN 202310099790A CN 116416395 A CN116416395 A CN 116416395A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- surface model
- elevation
- flood
- area
- 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
- 238000007906 compression Methods 0.000 title claims abstract description 43
- 230000006835 compression Effects 0.000 title claims abstract description 42
- 238000000034 method Methods 0.000 title claims abstract description 40
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 64
- 238000004364 calculation method Methods 0.000 claims abstract description 23
- 238000001556 precipitation Methods 0.000 claims abstract description 10
- 238000011156 evaluation Methods 0.000 claims description 33
- 230000011218 segmentation Effects 0.000 claims description 13
- 230000008569 process Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 6
- 238000012854 evaluation process Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000012795 verification Methods 0.000 description 7
- 238000006424 Flood reaction Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000009825 accumulation Methods 0.000 description 5
- 238000013461 design Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 238000009499 grossing Methods 0.000 description 4
- 230000000903 blocking effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012502 risk assessment Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Graphics (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Remote Sensing (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于点云压缩数字地表模型的洪水淹没快速评估方法，包括：数字地表模型生成、点云高程压缩和洪水淹没快速评估。具体是通过获取待评估区域的卫星立体像对数据以及激光测高数据，以生成区域初始点云；基于法线差分特征，对区域初始点云进行分割，区分出城镇点云以及非城镇点云，并对非城镇点云进行高程差点云压缩，生成区域数字地表模型；再根据区域数字地表模型，基于水量平衡法则，并结合降水总量估计、淹没精度阈值进行迭代计算，输出得到洪水淹没范围评估结果。与现有技术相比，本发明能够有效提高数字地表模型高程精度、降低对计算性能的依赖，能够在给定降雨量条件下快速准确地评估洪水淹没范围。
Description
技术领域
本发明涉及洪水灾害评估技术领域，尤其是涉及一种基于点云压缩数字地表模型的洪水淹没快速评估方法。
背景技术
洪水灾害，是由一次短时或连续强降水(暴雨)致使江河洪水泛滥、淹没农田和居民点，或因长期降雨产生积水或径流、淹没低洼土地造成农牧业或其他财产损失和人员伤亡的一种自然灾害。联合国防灾减灾署(UNDRR)于2020年10月12日发布《Human cost ofdisasters:an overview of the last 20years(2000-2019)》报告，过去二十年特大洪水的数量从1389起增至3254起，约占自然灾害总数量的四成(总数7348起)，洪水无疑是世界上最为频发且危害巨大的灾害。
从减少自然灾害风险的需求出发，高效、科学开展洪水风险灾害评估与区划迫在眉睫，对防洪减灾具有重要意义。传统评估主要是根据暴雨、洪水、地形、河流水系等自然特征，以及洪水的威胁程度和洪灾频次等，利用当地区域的设计暴雨或暴雨洪水查算手册，计算并推求区域不同暴雨频率下的设计洪水，再结合实测断面成果，采用水力学和水文学相结合的方法，计算出不同频率段设计洪水位，通过不同频率洪水淹没范围进行风险度判定。这种方式显然存在评估效率低且难以保证准确度的问题。
现有技术借助遥感的方式进行洪水淹没评估，但在实际应用中，降雨期因云、雨遮挡影响，光学遥感无法开展大范围洪水淹没评价，微波遥感则无法开展快速评估以提供决策支持，因此，洪水淹没范围的快速评估成为防汛决策的重大需求。此外，当前基于数字高程模型(DEM)洪水风险快速研究较多，但其数据无法反应真实地表状况，且分辨率、高程精度都无法满足评价要求。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于点云压缩数字地表模型的洪水淹没快速评估方法，能够有效提高洪水淹没风险评估的效率及准确度。
本发明的目的可以通过以下技术方案来实现：一种基于点云压缩数字地表模型的洪水淹没快速评估方法，包括以下步骤：
S1、获取待评估区域的卫星立体像对数据以及激光测高数据，以生成区域初始点云；
S2、基于法线差分特征，对区域初始点云进行分割，区分出城镇点云以及非城镇点云，并对非城镇点云进行高程差点云压缩，生成区域数字地表模型；
S3、根据区域数字地表模型，基于水量平衡法则，并结合降水总量估计、淹没精度阈值进行迭代计算，输出得到洪水淹没范围评估结果。
进一步地，所述步骤S1中激光测高数据具体为ICESat-2激光测高数据；
所述步骤S1中卫星立体像对数据具体为国产资源三号ZY-3立体像对影像，包含前、后、下视影像。
进一步地，所述步骤S1具体包括以下步骤：
S11、获取待评估区域的激光测高数据，并进行控制点筛选；
S12、获取待评估区域的卫星立体像对数据，并生成连接点；
S13、基于步骤S11筛选得到的控制点以及步骤S12生成的连接点，通过开展连接点与控制点联合平差，生成密集匹配点云，即为区域初始点云。
进一步地，所述步骤S11具体是利用Matlab 2021b数值分析软件，设计ICESat-2激光测高数据筛选方法，结合待评估区域的高分辨率光学遥感影像，筛选出满足条件的控制点。
进一步地，所述步骤S12具体是利用Erdas Imagine 2020的Photogrammetry模块，以对国产资源三号立体像对影像生成连接点。
进一步地，所述步骤S2中对区域初始点云进行分割的具体过程为：
假设点云P表面的尺度算子表示为：
其中，r为半径尺度，点云P估计得到的法线P＝{p1,p2,…,pN}；
点云P中任意移点p在不同尺度半径下的法线差分算子
表示为：
其中，r1,r2∈R且r2＜r1，针对点云某个中心点，当较大邻域半径r1内与较小邻域半径r2内的表面结构变化大于设定变化阈值时，表明两种尺度下的表面法线方向差异巨大；相反，表面法线方向则近似相同；
以建筑物为分割对象，利用其与地面区域高程特征的差异，设定不同半径尺度进行法线估计，通过迭代计算获取合适尺度||Δ(p)||的最佳分割阈值，实现对城镇/非城镇区域的精确划分。
进一步地，所述步骤S2具体是利用最近似邻域对非城镇区域高差小区域进行点云密度压缩：针对分割出的非城镇区域点云，利用最近似邻域(approximated nearestneighbor，ANN)进行重点编码，再按照k邻域高程差阈值进行剔除。
进一步地，所述步骤S3具体包括以下步骤：
S31、基于给定的降雨量条件，估计出降水总量；
S32、根据区域数字地表模型，结合降水总量，确定当前淹没高程；
基于当前淹没高程以及预设的淹没水深精度阈值，判断是否满足水量平衡法则，若判断为是，则结束当前评估过程、输出洪水淹没范围评估结果；否则执行步骤S33；
S33、迭代更新当前淹没高程，之后返回步骤S32。
进一步地，所述步骤S32的具体过程为：
S321、根据区域数字地表模型高程最大、最小值，构建淹没水深区间为[Hbottom,Hup]，并设定
为初始H0，其中，Hbottom为淹没水深底值，Hup为淹没水深顶值，H0为淹没水深；
S322、基于水量平衡二分方程，计算f(Hj)，其中，Hj为H0水位的下限；
若f(Hj)＝0，则H0即为淹没水深高程，结束当前评估过程；
若f(Hj)＜0，则令Hup＝Hj；
若f(Hj)＞0，则令Hbottom＝Hj；
S323、计算f(Hj)×f(Hj+1)，其中，Hj+1为H0水位的上限，若计算结果＜0，则结束当前评估过程，并输出
为淹没水深高程；
S324、设定δ为淹没精度阈值，若满足|Hj+1-Hj|＜δ，则结束当前评估过程；否则返回重复执行步骤S322～S324。
进一步地，所述水量平衡二分方程具体为：
f(H)＝Q-V(H)
其中，H为淹没水深高程，Q为短时降雨量，V(H)为对应水深H的积水体积，当f(H)＝0时，表明短时降雨量Q与积水量V平衡时的水位H即为洪水淹没水深高程。
与现有技术相比，本发明具有以下优点：
一、本发明基于卫星立体像对数据以及激光测高数据，通过法线差分特征点云分割以及高程差点云压缩，以建立出区域数字地表模型；再基于水量平衡法则，并结合降水总量估计、淹没精度阈值进行迭代计算，以输出得到洪水淹没范围评估结果。不仅能够有效提升数字地表模型高程精度，同时能够基于该数字地表模型高效开展洪水淹没评估计算，此外，还能够通过迭代计算及动态调整淹没精度阈值，以针对不同汛情要求提高计算效率及准确度、满足洪水风险决策需求。
二、本发明基于法线差分阈值对区域点云进行城镇/非城镇区域划分，并结合最佳邻域搜索高差区域，以对非城镇区域进行点云密度压缩，通过调整相邻点高差值，还能实现点云压缩比率的变化。从而有效降低对计算性能的依赖，通过典型区域点云分割、地势平坦区域点云压缩，解决了大规模点云数字地表模型开展洪水淹没风险评估的效率问题，有效提升评估精度。
三、本发明构建一种二分法洪水淹没范围搜索算法，能够在给定降雨量条件下快速评估洪水淹没范围，具体是将区域数字地表模型作为积水区对象，短时降雨量Q与积水量V平衡时的水位H即为洪水淹没水深高程，从而构建水量平衡二分方程，再基于水量平衡法则，以降水总量估计值、淹没精度阈值作为参考进行迭代计算，能够可靠地实现洪水淹没范围快速评估与精度评价。
附图说明
图1为本发明的方法流程示意图；
图2为实施例的应用过程示意图；
图3a～图3c为尺度半径与法线特征的对应关系示意图；
图4为邻域高程差点云压缩示意图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。
实施例
如图1所示，一种基于点云压缩数字地表模型的洪水淹没快速评估方法，包括以下步骤：
S1、获取待评估区域的卫星立体像对数据以及激光测高数据，以生成区域初始点云；
S2、基于法线差分特征，对区域初始点云进行分割，区分出城镇点云以及非城镇点云，并对非城镇点云进行高程差点云压缩，生成区域数字地表模型；
S3、根据区域数字地表模型，基于水量平衡法则，并结合降水总量估计、淹没精度阈值进行迭代计算，输出得到洪水淹没范围评估结果。
本实施例应用上述技术方案，如图2所示，主要内容包括：
1)开展ICESat-2激光测高数据控制点筛选，利用国产资源三号卫星ZY-3立体像对生成连接点，并进行联合平差与密集点云匹配，生成区域初始点云；
2)基于法线差分特征对城镇/非城镇点云进行分割，利用最近似邻域对非城镇区域高差小区域点云密度压缩，生成区域数字地表模型(DSM)；
3)基于水量平衡法则，利用降水总量估计、淹没精度阈值进行迭代计算，实现洪水淹没范围快速评估与精度评价。
其中，在过程2)中，法线差分(Difference of Normals，DoN)是一种用于三维点云场景中感兴趣目标物的分离算子，选择固定半径范围的点云，以法线作为物体表面尺度空间的表征量，用于三维点云特征区域的提取。当提取区域的固定半径较小时，点云噪声和小尺度物体表面结构对其法线特征影响较大；反之，法线特征受大尺度表面结构影响。其计算过程如下：
假设点云P表面的尺度算子表示为：
其中，r表示半径尺度，点云P估计得到的法线P＝{p1,p2,…,pN}。
点云P中任意移点p在不同尺度半径下的法线差分算子
表示为：
其中，r1,r2∈R且r2＜r1，邻域尺度半径r与法线特征的对应关系见图3a～3c，其中，图3a为大尺度半径示意，图3b为小尺度半径示意，图3c为法线差分结果示意。
针对点云某个中心点，当较大邻域半径r1内与较小邻域半径r2内的表面结构变化较大时，两种尺度下的表面法线方向差异巨大；相反，表面法线方向近似相同。以建筑物为分割对象，利用其与地面区域高程特征的差异，设定不同半径尺度进行法线估计，通过迭代计算获取合适尺度||Δ(p)||的最佳分割阈值，实现对城镇/非城镇区域的精确划分。
针对分割出的非城镇区域点云，再利用最近似邻域(approximated nearestneighbor，ANN)进行重点编码，按照k邻域高程差阈值进行剔除，在本实施例中，选取k＝9，点云压缩示意如图4所示。
在过程3)中，针对短时降雨引起的洪水淹没，积水量可看作为水库型，其积水区域库容V和水位H的对应关系为：
其中，hi表示地面高程，H表示淹没水位高程，Areai表示第i个区域的面积，m表示淹没栅格单元的个数。
在本技术方案中，短时降雨洪水淹没不考虑地表下渗、径流等影响，以资源三号立体像对生成的数字地表模型(DSM)作为积水区对象，短时降雨量Q与积水量V平衡时的水位H即为洪水淹没水深高程，构建水量平衡二分方程：
f(H0)＝Q-V(H0) (4)
其中，H0表示淹没水深，V(H0)为对应水深的积水体积。f(H0)连续，在满足f(Hj)×f(Hj+1)＜0时，Hj和Hj+1分别表示H0水位的上下限，具体的实现步骤为：
1)以数字地表模型(DSM)高程最大、最小值构建淹没水深[Hbottom,Hup]，取
为初始H0。
2)计算f(Hj)。若f(Hj)＝0，则H0为淹没水深高程，计算结束；若f(Hj)＜0，则令Hup＝Hj；若f(Hj)＞0，则令Hbottom＝Hj。
3)计算f(Hj)×f(Hj+1)，若＜0则计算结束，
为淹没水深高程。
4)设定δ为淹没精度阈值，若满足|Hj+1-Hj|＜δ，则计算结束；反之，重复步骤2)～4)。
为验证本技术方案的有效性，本实施例通过选择实验数据、设计实验方案，并结合实验结果进行分析论证：
一、本实施例选择太湖流域杭嘉湖(区)为验证区，选取资源三号卫星9景立体像对(前、后、下视)影像、ICESat-2激光测高数据，利用2019年9月“利奇马”台风期降雨开展试验。河网水系复杂、平原地势低洼、城镇规模递增等典型地形特点；区域ZY-3卫星影像数据23.9GB，均附带*.rpc参数文件；筛选ICESat-2测高数据，共选择54个控制点。
二、本实施例基于Windows Server 2016 64位操作系统进行方案验证，将高性能工作站图形工作站配置为：4核Intel Xeon E5-1630的CPU、48GB内存、NVIDIA GTX 1080Ti图像显卡，具体的实验方案包括：
1)利用Matlab 2021b数值分析软件，设计ICESat-2激光测高数据筛选方法，结合验证区高分辨率光学遥感影像，筛选满足条件的控制点；
2)利用Erdas Imagine 2020的Photogrammetry模块对资源三号立体像对影像生成连接点，开展连接点与控制点联合平差，生成验证区密集匹配点云；
3)构建区域增长算法模型对城镇/非城镇点云进行分割，对非城镇区域计算点与邻域特征向量差分阈值，设定相邻点高差值对点云密度压缩，继而生成区域数字地表模型(DSM)；
4)基于水量平衡法则，以降水总量估计值、淹没精度阈值作为参考进行迭代计算，实现洪水淹没范围快速评估与精度评价。
通过调整相邻点高差值，可实现点云压缩比率的变化；针对不同汛情评价精度需求，动态调整淹没精度阈值，可改变淹没水深迭代计算次数，以达到快速评估与决策响应要求。
三、本实施例共选取9景资源三号立体像对，生成1050个连接；经ICESat-2激光测高点筛选，选取52个地面控制；联合平差整体均方根误差为0.1633，生成初始点云。具体点云处理流程包括：点云ICP校正、去噪平滑、分割压缩等，各参数对比见表1。初始点云总点数为2340682287、占存储56.6GB，去噪平滑后总点数为2109443247、占存储51GB，基于城镇/非城镇区域分割、高程差点云压缩后总点数为1765914505、占存储44G，点云压缩率77.74％。以ICESat-2激光测高数据筛选后点高程作为真值，计算处理过程中各点云高程均方根误差，初始点云高程精度为3.1897，ICP校正后高程精度为3.1130，分割压缩后高程精度为3.2639，去噪平滑后高程精度为3.5072。依据《国家基本比例尺地图编绘规范》(GBT12343.1-2008)，点云压缩过程高程中误差虽有降低，但仍满足精度要求。
表1点云压缩参数对比
| 序号 | 名称 | 点云数(个) | 存储(GB) | 高程中误差(米) |
| 1 | 初始点云 | 2340682287 | 56.6 | 3.1897 |
| 2 | ICP校正 | 2322955314 | 56.2 | 3.1130 |
| 3 | 去噪平滑 | 2109443247 | 51.0 | 3.2639 |
| 4 | 分割压缩 | 1765914505 | 44.0 | 3.5072 |
本实施例选择太湖流域杭嘉湖(区)进行洪水淹没验证，验证区面积约7621.69km2，以2019年9月“利奇马”台风降雨为例，取8月9日19时至8月10日2时(共8小时)降雨总量进行淹没评估验证。基于构建的快速评估模型，选择原始点云、ICP校正、去噪平滑、点云压缩的点云数据以及12.5米Alos DEM，对比数据读取耗时、评估耗时、淹没面积；同时，根据本发明中不同淹没精度阈值参数，模拟不同汛情等级要求以对比测试算效率，详见表2。主要结论如下：
1)读取耗时总体上呈下降趋势，但差异性较小；
2)评估耗时呈现大幅度的下降，耗时压缩了约44.49％，与12.5米分辨率AlosDEM评估耗时基本一致；
3)淹没评估水深误差控制在分米级，且实际淹没范围更为精细，相比较AlosDEM评估的大范围淹没，更能体现出城镇建筑物等对洪水的阻挡影响；
4)对不同淹没精度阈值，阈值精度越高，评估耗时越长，且淹没水深约精细。
表2洪水淹没快速评估对比
综上可知，本技术方案针对洪水灾害淹没范围快速评估中数字地表模型(DSM)精度高和评估耗时低的需求，提出一种点云压缩数字地表模型的洪水淹没快速评估方法，利用国产资源三号与ICESat-2激光测高数据，结合数字地表模型(DSM)提取、法线差分特征点云分割与最近似邻域高差点云压缩、降雨水量平衡与淹没精度阈值等关键技术，以满足不同汛情要求计算效率与风险决策需求。通过点云压缩，将点云数和存储空间降低，压缩率为77.74％；通过ICESat-2激光测高数据评估，处理前后高程均方根误差均满足《国家基本比例尺地图编绘规范》(GBT12343.1-2008)要求；对比处理前后淹没评估耗时，从2896.762秒降低到1619.917秒，缩短了约44.49％，可满足风险快速评估的需求。此外，本技术方案与公开免费Alos DEM数据的评估耗时相当，但明显提高了风险评估的精细度，更能体现出城镇建筑物等对洪水的阻挡影响，本技术方案克服了原始点云数据量过大对计算性能要求高、免费数字高程模型(DEM)洪水淹没评估精度低等问题，通过淹没精度阈值动态调整，可针对不同汛情要求提高计算效率，满足洪水风险决策需求。
Claims (10)
1.一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，包括以下步骤：
S1、获取待评估区域的卫星立体像对数据以及激光测高数据，以生成区域初始点云；
S2、基于法线差分特征，对区域初始点云进行分割，区分出城镇点云以及非城镇点云，并对非城镇点云进行高程差点云压缩，生成区域数字地表模型；
S3、根据区域数字地表模型，基于水量平衡法则，并结合降水总量估计、淹没精度阈值进行迭代计算，输出得到洪水淹没范围评估结果。
2.根据权利要求1所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S1中激光测高数据具体为ICESat-2激光测高数据；
所述步骤S1中卫星立体像对数据具体为国产资源三号ZY-3立体像对影像，包含前、后、下视影像。
3.根据权利要求2所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S1具体包括以下步骤：
S11、获取待评估区域的激光测高数据，并进行控制点筛选；
S12、获取待评估区域的卫星立体像对数据，并生成连接点；
S13、基于步骤S11筛选得到的控制点以及步骤S12生成的连接点，通过开展连接点与控制点联合平差，生成密集匹配点云，即为区域初始点云。
4.根据权利要求3所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S11具体是利用Matlab 2021b数值分析软件，设计ICESat-2激光测高数据筛选方法，结合待评估区域的高分辨率光学遥感影像，筛选出满足条件的控制点。
5.根据权利要求3所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S12具体是利用Erdas Imagine 2020的Photogrammetry模块，以对国产资源三号立体像对影像生成连接点。
6.根据权利要求1所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S2中对区域初始点云进行分割的具体过程为：
假设点云P表面的尺度算子表示为：
其中，r为半径尺度，点云P估计得到的法线P＝{p1,p2,…,pN}；
点云P中任意移点p在不同尺度半径下的法线差分算子
表示为：
其中，r1,r2∈R且r2＜r1，针对点云某个中心点，当较大邻域半径r1内与较小邻域半径r2内的表面结构变化大于设定变化阈值时，表明两种尺度下的表面法线方向差异巨大；相反，表面法线方向则近似相同；
以建筑物为分割对象，利用其与地面区域高程特征的差异，设定不同半径尺度进行法线估计，通过迭代计算获取合适尺度||Δ(p)||的最佳分割阈值，实现对城镇/非城镇区域的精确划分。
7.根据权利要求1所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S2具体是利用最近似邻域对非城镇区域高差小区域进行点云密度压缩：针对分割出的非城镇区域点云，利用最近似邻域进行重点编码，再按照k邻域高程差阈值进行剔除。
8.根据权利要求1所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S3具体包括以下步骤：
S31、基于给定的降雨量条件，估计出降水总量；
S32、根据区域数字地表模型，结合降水总量，确定当前淹没高程；
基于当前淹没高程以及预设的淹没水深精度阈值，判断是否满足水量平衡法则，若判断为是，则结束当前评估过程、输出洪水淹没范围评估结果；否则执行步骤S33；
S33、迭代更新当前淹没高程，之后返回步骤S32。
9.根据权利要求8所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述步骤S32的具体过程为：
S321、根据区域数字地表模型高程最大、最小值，构建淹没水深区间为[Hbottom,Hup]，并设定
为初始H0，其中，Hbottom为淹没水深底值，Hup为淹没水深顶值，H0为淹没水深；
S322、基于水量平衡二分方程，计算f(Hj)，其中，Hj为H0水位的下限；
若f(Hj)＝0，则H0即为淹没水深高程，结束当前评估过程；
若f(Hj)＜0，则令Hup＝Hj；
若f(Hj)＞0，则令Hbottom＝Hj；
S323、计算f(Hj)×f(Hj+1)，其中，Hj+1为H0水位的上限，若计算结果＜0，则结束当前评估过程，并输出
为淹没水深高程；
S324、设定δ为淹没精度阈值，若满足|Hj+1-Hj|＜δ，则结束当前评估过程；否则返回重复执行步骤S322～S324。
10.根据权利要求9所述的一种基于点云压缩数字地表模型的洪水淹没快速评估方法，其特征在于，所述水量平衡二分方程具体为：
其中，H为淹没水深高程，Q为短时降雨量，V(H)为对应水深H的积水体积，当f(H)＝0时，表明短时降雨量Q与积水量V平衡时的水位H即为洪水淹没水深高程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310099790.2A CN116416395A (zh) | 2023-02-10 | 2023-02-10 | 一种基于点云压缩数字地表模型的洪水淹没快速评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310099790.2A CN116416395A (zh) | 2023-02-10 | 2023-02-10 | 一种基于点云压缩数字地表模型的洪水淹没快速评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116416395A true CN116416395A (zh) | 2023-07-11 |
Family
ID=87055557
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310099790.2A Pending CN116416395A (zh) | 2023-02-10 | 2023-02-10 | 一种基于点云压缩数字地表模型的洪水淹没快速评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116416395A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708489A (zh) * | 2024-02-06 | 2024-03-15 | 湖南能源大数据中心有限责任公司 | 一种基于dem和dsm的洪水淹没评估方法及系统 |
-
2023
- 2023-02-10 CN CN202310099790.2A patent/CN116416395A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117708489A (zh) * | 2024-02-06 | 2024-03-15 | 湖南能源大数据中心有限责任公司 | 一种基于dem和dsm的洪水淹没评估方法及系统 |
| CN117708489B (zh) * | 2024-02-06 | 2024-05-03 | 湖南能源大数据中心有限责任公司 | 一种基于dem和dsm的洪水淹没评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Arifjanov et al. | Modern technologies in the study of processes in channels | |
| Westaway et al. | The development of an automated correction procedure for digital photogrammetry for the study of wide, shallow, gravel‐bed rivers | |
| Aronica et al. | Assessing the uncertainty in distributed model predictions using observed binary pattern information within GLUE | |
| Schumann et al. | The utility of spaceborne radar to render flood inundation maps based on multialgorithm ensembles | |
| Paz et al. | Large‐scale modelling of channel flow and floodplain inundation dynamics and its application to the Pantanal (Brazil) | |
| CN108257142B (zh) | Dem中斜坡单元提取方法 | |
| Lohani et al. | Application of airborne scanning laser altimetry to the study of tidal channel geomorphology | |
| Ahmad et al. | Estimation of a unique pair of Nash model parameters: an optimization approach | |
| CN109657841A (zh) | 一种城市暴雨内涝积水深度提取方法 | |
| CN113673765B (zh) | 一种小流域洪水预报预警方法及终端 | |
| CN116416395A (zh) | 一种基于点云压缩数字地表模型的洪水淹没快速评估方法 | |
| CN112381033A (zh) | 海上风机引起的潮间带冲淤状况卫星遥感定量评估方法 | |
| Hamad | Multiple morphometric characterization and analysis of Malakan valley drainage basin using GIS and remote sensing, Kurdistan Region, Iraq | |
| CN117195603B (zh) | 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 | |
| Díez et al. | Characterization of the dry beach profile: A morphological approach | |
| CN116561476A (zh) | 自动化实现小流域山洪洪水流量和淹没预报的方法 | |
| Schumann et al. | Evaluating uncertain flood inundation predictions with uncertain remotely sensed water stages | |
| Abd Rahman et al. | Digital surface model (DSM) construction and flood hazard simulation for Development Plans in Naga City, Philippines | |
| Singh et al. | Geo-informatics based morphometric analysis of a reservoir catchment in Shivalik foothills of North-West India | |
| CN114385959A (zh) | 一种近坝区子流域单元划分方法、装置及存储介质 | |
| Mbatya et al. | Assessment of reservoir sedimentation level and storage capacity using remotely sensed data for Namadope Reservoir in Luuka District, Uganda | |
| Šamanović et al. | Influence of pit removal algorithms on surface runoff simulation | |
| CN115690341B (zh) | 全球地理高程数据90m分辨率DEM计算地形因子的校正方法 | |
| CN117871472B (zh) | 一种卫星土壤水分产品降尺度方法以及装置 | |
| Kumar et al. | Analysing the Performance of Various Radar-Rain Gauge Merging Methods for Modelling the Hydrologic Response of Upper Thames River Basin, Canada |
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 |