CN117195603B - 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 - Google Patents
基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 Download PDFInfo
- Publication number
- CN117195603B CN117195603B CN202311470728.6A CN202311470728A CN117195603B CN 117195603 B CN117195603 B CN 117195603B CN 202311470728 A CN202311470728 A CN 202311470728A CN 117195603 B CN117195603 B CN 117195603B
- Authority
- CN
- China
- Prior art keywords
- basin
- flood
- data
- modeled
- flow
- 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
- 238000000034 method Methods 0.000 title claims abstract description 152
- 230000008569 process Effects 0.000 claims abstract description 93
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 66
- 238000009826 distribution Methods 0.000 claims abstract description 52
- 238000001556 precipitation Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 25
- 238000003860 storage Methods 0.000 claims description 17
- 230000011218 segmentation Effects 0.000 claims description 16
- 238000011144 upstream manufacturing Methods 0.000 claims description 12
- 238000004088 simulation Methods 0.000 claims description 10
- 238000012876 topography Methods 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000007637 random forest analysis Methods 0.000 claims description 4
- 238000005112 continuous flow technique Methods 0.000 claims description 3
- 230000008878 coupling Effects 0.000 claims description 3
- 238000010168 coupling process Methods 0.000 claims description 3
- 238000005859 coupling reaction Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 2
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 3
- 238000011439 discrete element method Methods 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 235000014443 Pyrus communis Nutrition 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000006424 Flood reaction Methods 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 239000006188 syrup Substances 0.000 description 3
- 235000020357 syrup Nutrition 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 241000132092 Aster Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 241000282412 Homo Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000001595 flow curve Methods 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002352 surface water Substances 0.000 description 1
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
- Alarm Systems (AREA)
Abstract
本申请公开了基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质，属于电数字数据处理技术领域，获取待建模流域洪涝灾害范围内的立体像对遥感影像并生成对应正射影像图和数字高程模型；解译分类处理正射影像图获得土地覆被分布图并赋值糙率得到流域糙率分布图，根据数字高程模型计算待建模流域内的河道比降；基于历史水位流量信息确定对应小时流量过程数据和小时降水过程数据；统一正射影像图、高程数字模型及土地覆被分布图的坐标系并根据坐标系统一后的数字高程模型和正射影像图绘制建模所需GIS文件；通过溃坝模型和2D非恒定流模型模拟待建模流域对应的漫顶溃坝及下游洪涝灾害的演进过程并获得洪涝灾害推演的灾情数据，用于防灾减灾。
Description
技术领域
本申请涉及电数字数据处理技术领域，尤其涉及基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质。
背景技术
洪水是指河流、湖泊或其他水体的水位异常上涨，导致水流超过河道或湖泊的容量，进而泛滥到附近的土地或城市地区的自然现象。洪涝灾害是指由洪水引发的一系列灾害，包括洪水对人类、动植物和环境造成的直接和间接破坏。洪涝灾害是由强降雨、外江洪水漫堤以及大坝管涌或漫堤造成坝体溃决，在地势低洼、排水不畅等情况下造成地表积水的自然灾害，其中短历时强降水或过程雨量偏大是导致洪涝灾害的最主要原因。洪涝灾害的严重程度取决于洪水的规模、水流速度、洪水持续时间以及受影响区域的地形和土地利用等因素。
洪涝灾害演进仿真模拟是防洪减灾的关键技术之一，有助于减少洪涝灾害造成的损失和提升对短历时强降水作出快速反应和应急处置。目前，国内外研究的洪涝仿真模型主要分为两种：水文模型、水动力模型。水文模型把研究区域按出水口划分为多个汇水子区，每个汇水子区作为一个独立的计算产流和汇流过程，通过管网或者河道演算到城市研究区的出水口，水文模型对数据要求低、计算高效，同时水文模型对计算单元做了概化处理，不能提供非节点动态演进过程，比如流速、水深等；相比水文模型，在复杂下垫面区域，水力学模型把下垫面划分成空间格网，通过水流的偏微分方程、边界条件（水位、流量、比降、降水等）串连格网间水量交互运算，水力学模型可以细分为1D、2D模型，1D模型是指一维水动力学模型，采用圣维南方程组描述水流。2D模型是指二维水动力学模型，采用浅水方程描述水流，具有更好的仿真效果。
目前，2D水力学模型在不同洪水重现期的洪水演进，在不同工况情景下溃坝洪水演进，以及在山区河道冲刷和洪泛区研究中得到广泛应用。但是一方面，地形条件是制约水力学模型建模的主要因素，常见用于水力学建模的DEM有ASTER GDEM（30米）、SRTM3（90米）、ALOS（12.5米），这些DEM受限于水平以及垂直分辩率较低，无法复刻小流域的下垫面条件，而且不具备水下地形；美国国家环境信息中心公布了ETOPO 2022全球水深地形高程数据，但500米分辨率无法用于区域中小流域2D建模。另一方面，水文条件也是影像2D建模的主要因素，包括流量过程线、水位过程线、底坡比降、降水、水位流量曲线等，实际建模时流量、水位、降水等水文资料较难获取。
此外，2D计算模型中糙率直接影响数值模拟的计算结果。糙率是指河床表面的粗糙程度，多数建模采用30米、10米的土地覆被数据获取糙率，较大的误差也会影响局部计算结果。最后，多数2D建模未考虑流域复杂的工况条件，如大坝的的泄水结构有泄洪道、闸门、底孔等，流域上分布有桥梁、涵洞、蓄水区、水泵等。
发明内容
本申请实施例提供了基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质，用以解决现有技术中由于地形和流域较为复杂，导致洪涝仿真模拟精度较差的技术问题。
一方面，本申请实施例提供了基于高分辨率遥感要素的洪涝灾害推演方法，包括：
获取待建模流域的洪涝灾害范围内的立体像对遥感影像，并根据所述立体像对遥感影像通过空中三角测量，生成所述待建模流域对应的正射影像图和数字高程模型；
对所述正射影像图进行解译分类处理，以获得对应的土地覆被分布图，并为所述土地覆被分布图中的分割对象赋值糙率，得到对应的流域糙率分布图；
获取待建模流域的实测断面高程数据，生成所述待建模流域对应的河道地形，并根据所述数字高程模型，计算所述待建模流域的河道比降；
获取所述待建模流域的历史水位流量信息，并基于所述历史水位流量信息，确定所述待建模流域的小时流量过程数据和小时降水过程数据；所述历史水位流量信息至少包括：断面流量数据、洪涝灾情发布流量和雨情发布信息；
将所述正射影像图、高程数字模型以及土地覆被分布图进行坐标系统一，并根据坐标系统一后的数字高程模型和正射影像图，绘制建模所需的GIS文件；所述GIS文件中至少包括：大坝参数信息和水工构筑物信息；
基于所述河道比降、小时流量过程数据、小时降水过程数据以及GIS文件，通过溃坝模型和2D非恒定流模型，对所述待建模流域对应的漫顶溃坝以及下游洪涝灾害的演进过程进行模拟，并获得洪涝灾害推演对应的灾情数据。
在本申请的一种实现方式中，所述获取待建模流域的洪涝灾害范围内的立体像对遥感影像，并根据所述立体像对遥感影像通过空中三角测量，生成所述待建模流域对应的正射影像图和数字高程模型，具体包括：
确定洪涝灾害预警信息或者洪涝灾害演建模需求对应的流域范围，并在所述对应的流域范围内，采集所述洪涝灾害的立体像对遥感影像；
对所述立体像对遥感影像中的立体像对数据进行预处理，并获得预处理后的全色像对数据和真彩色影像数据；所述预处理包括大气校正处理、正射校正处理和全色多光谱融合处理；
通过RPC模型对预处理后的全色像对数据和真彩色影像数据进行区域网平差，并通过地面控制点与其他点进行匹配连接，以生成所述待建模流域对应的点云数据和正射影像图；
对所述待建模流域对应的点云数据进行分类，并将指定类型的点云数据进行剔除，以根据剔除后的点云数据生成所述待建模流域对应的数字高程模型；所述指定类型至少包括：植被类型和建筑类型。
在本申请的一种实现方式中，所述根据所述立体像对遥感影像通过空中三角测量，生成所述待建模流域对应的正射影像图和数字高程模型之后，所述方法还包括：
根据所述数字高程模型中的流域数据，构建所述待建模流域对应的流向栅格，并基于所述流向栅格中构建的汇点，生成每个汇点对应的汇流区栅格；
确定每个汇流区栅格中的最大高程栅格和最小高程栅格，并将所述汇流区栅格的最大高程栅格和最小高程栅格做差，以得到对应的填洼阈值；
将大于所述填洼阈值的栅格进行保留，并将小于所述填洼阈值的栅格作为所述数字高程模型中的凹陷点进行填洼处理，以得到无异常凹陷点的数字高程模型。
在本申请的一种实现方式中，所述对所述正射影像图进行解译分类处理，以获得对应的土地覆被分布图，并为所述土地覆被分布图中的分割对象赋值糙率，得到对应的流域糙率分布图，具体包括：
对所述正射影像图进行多尺度分割处理，得到对应的多个分割对象，并通过随机森林算法以及按照地貌类型，对所述多个分割对象进行分类，以得到所述待建模流域的分类结果；
将所述待建模流域的分类结果与所述正射影像图进行对比，确定是否存在分类错误的分割对象，并对分类错误的分割对象进行修正，以得到修正后的土地覆被分布图；
根据所述土地覆被分布图中每个分割对象对应的地貌类型，分别对每种地貌类型的分割对象进行糙率赋值，并获得对应的流域糙率分布图。
在本申请的一种实现方式中，所述获取待建模流域的实测断面高程数据，生成所述待建模流域对应的河道地形，具体包括：
获取待建模流域的总平图以及实测断面数据，并根据所述待建模流域的总平图和实测断面数据，在所述数字高程模型中绘制断面位置，以得到对应的断面数字高程模型；
根据所述断面数字高程模型，并通过反距离加权法，构建数字高程模型中流域的河道地形。
在本申请的一种实现方式中，所述获取所述待建模流域的历史水位流量信息，并基于所述历史水位流量信息，确定所述待建模流域的小时流量过程数据和小时降水过程数据，具体包括：
获取所述待建模流域的断面流量数据、洪涝灾情发布流量以及雨情发布信息，并将所述断面流量数据和洪涝灾情发布流量作为流量过程数据；
在无法获取到连续的流量过程数据的情况下，通过三次样条插值法，获得所述待建模流域对应的小时流量过程数据；
确定所述雨情发布信息中是否具有连续的降水过程数据，并在无法获取到连续的降水过程数据的情况下，通过三次样条插值法，获得所述待建模流域对应的小时降水过程数据。
在本申请的一种实现方式中，所述将所述正射影像图、高程数字模型以及土地覆被分布图进行坐标系统一，并根据坐标系统一后的数字高程模型和正射影像图，绘制建模所需的GIS文件，具体包括：
获取待建模流域对应的大坝参数信息以及水工构筑物信息，并建立工程文件；所述大坝参数信息至少包括：坝长、坝宽、坝体高程，以及泄水建筑物的闸门、表孔、底孔；所述水工构筑物信息至少包括：下游桥梁、蓄水区、泵站；
将待建模流域的正射影像图、高程数字模型以及土地覆被分布图分别投影至对应的投影坐标系中，并将所述对应的投影坐标系导入至所述工程文件中，完成坐标系的统一；
根据坐标系统一后的高程数字模型和正射影像图，绘制所述待建模流域的上游二维网格，以及绘制所述待建模流域下游中存在淹没风险的洪泛区对应的下游二维网格，并确定与所述高程数字模型的高程分辨率相匹配的空间步长，以得到建模所需的GIS文件。
在本申请的一种实现方式中，所述基于所述河道比降、小时流量过程数据、小时降水过程数据以及GIS文件，通过溃坝模型和2D非恒定流模型，对所述待建模流域对应的漫顶溃坝以及下游洪涝灾害的演进过程进行模拟，并获得洪涝灾害推演对应的灾情数据，包括：
通过溃坝模型获取所述待建模流域的漫顶溃坝参数，并将所述小时流量过程数据作为上有边界条件，将所述河道比降作为下游边界条件，以及将所述小时降水过程数据作为全局边界条件；
通过2D非恒定流模型以及有限体积法，对所述待建模流域的下游洪涝灾害的演进过程进行耦合模拟，并获取洪涝灾害对应的灾情数据；所述灾情数据至少包括：流速、水深、洪水到达时间、洪水持续时间以及淹没范围；
实时获取所述待建模流域的雨情发布信息，并根据所述雨情发布信息，对所述GIS文件以及相关步长进行调整，实现对模型的迭代运算。
另一方面，本申请实施例还提供了基于高分辨率遥感要素的洪涝灾害推演设备，所述设备包括：
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，以使所述至少一个处理器能够执行如上述的基于高分辨率遥感要素的洪涝灾害推演方法。
另一方面，本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机在执行可执行指令时实现如上述的基于高分辨率遥感要素的洪涝灾害推演方法。
本申请实施例提供了基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质，至少包括以下有益效果：
通过获取高分辨率遥感要素对应的立体像对遥感影像，充分考虑了地形数据DEM的精细处理，不仅能反映平原河流的下垫面，也能对山地小流域洪水等待建模流域进行建模，得到对应的正射影像图；通过对正射影像图进行分割分类处理，能够按照地貌类型对正射影像图进行分类，得到土地覆被分布图；通过待建模流域上下游的高程差，以及河道长度，能够计算出河道比降，即得到待建模流域的水力特性；通过获取待建模流域的断面流量数据、洪涝灾情发布流量以及雨情发布信息，能够得出待建模流域的流量过程数据和降水过程数据；通过对正射影像图、高程数字模型以及土地覆被分布图进行投影，都转换至投影坐标系下，实现坐标系的统一；基于统一坐标系后的数字高程模型和正射影像图，能够绘制出建模所需的GIS文件，通过溃坝模型和2D非恒定流模型，模拟出洪涝灾害的演进过程，进而基于推演过程得到推演后所对应的灾情数据，以便于根据洪涝灾害的演进过程以及所获得的灾情数据，用于防灾减灾，降低洪涝灾害所带来的损失。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的基于高分辨率遥感要素的洪涝灾害推演方法的流程示意图；
图2为本申请实施例提供的另一种基于高分辨率遥感要素的洪涝灾害推演方法的流程示意图；
图3为本申请实施例提供的基于高分辨率遥感要素的洪涝灾害推演设备的内部结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例提供了基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质，通过获取高分辨率遥感要素对应的立体像对遥感影像，充分考虑了地形数据DEM的精细处理，不仅能反映平原河流的下垫面，也能对山地小流域洪水等待建模流域进行建模，得到对应的正射影像图；通过对正射影像图进行分割分类处理，能够按照地貌类型对正射影像图进行分类，得到土地覆被分布图；通过待建模流域上下游的高程差，以及河道长度，能够计算出河道比降，即得到待建模流域的水力特性；通过获取待建模流域的断面流量数据、洪涝灾情发布流量以及雨情发布信息，能够得出待建模流域的流量过程数据和降水过程数据；通过对正射影像图、高程数字模型以及土地覆被分布图进行投影，都转换至投影坐标系下，实现坐标系的统一；基于统一坐标系后的数字高程模型和正射影像图，能够绘制出建模所需的GIS文件，通过溃坝模型和2D非恒定流模型，模拟出洪涝灾害的演进过程，进而基于推演过程得到推演后所对应的灾情数据，以便于根据洪涝灾害的演进过程以及所获得的灾情数据，用于防灾减灾，降低洪涝灾害所带来的损失。解决了现有技术由于地形和流域较为复杂，导致洪涝仿真模拟精度较差的技术问题。
以下结合附图，详细说明本申请各实施例提供的技术方案。
图1为本申请实施例提供的基于高分辨率遥感要素的洪涝灾害推演方法的流程示意图。如图1所示，本申请实施例提供的基于高分辨率遥感要素的洪涝灾害推演方法，包括：
101、获取待建模流域的洪涝灾害范围内的立体像对遥感影像，并根据立体像对遥感影像通过空中三角测量，生成待建模流域对应的正射影像图和数字高程模型。
在本申请的一个实施例中，服务器首先需根据洪涝灾害预警信息或者洪涝灾害演建模需求，确定待建模流域对应的流域范围，并在对应的流域范围内，购买与洪涝灾害待建模日期相近的WorldView立体像对遥感影像，进而通过空中三角测量对立体像对数据进行预处理，并获得预处理后的全色像对数据和真彩色影像数据。
需要说明的是，本申请实施例中的预处理包括大气校正处理、正射校正处理和全色多光谱融合处理。
服务器还通过RPC模型对预处理后的全色像对数据和真彩色影像数据进行区域网平差，并通过地面控制点与其他点进行匹配连接，从而能够生成待建模流域对应的点云数据和正射影像图，然后，对待建模流域对应的点云数据进行分类，并将指定类型的点云数据进行剔除，以根据剔除后的点云数据生成待建模流域对应的数字高程模型。
需要说明的是，本申请实施例中的指定类型至少包括：植被类型和建筑类型。
在本申请的一个实施例中，服务器在根据立体像对遥感影像对应的立体像对数据，生成待建模流域对应的正射影像图和数字高程模型之后，根据数字高程模型中的流域数据，构建待建模流域对应的流向栅格，并基于流向栅格中构建的汇点，生成每个汇点对应的汇流区栅格，然后确定出每个汇流区栅格中的最大高程栅格和最小高程栅格，并针对每个汇流区栅格，将汇流区栅格的最大高程栅格和最小高程栅格做差，得到当前汇流区栅格对应的填洼阈值，进而将大于填洼阈值的栅格进行保留，并将小于填洼阈值的栅格作为数字高程模型中的凹陷点进行填洼处理，从而获得无异常凹陷点的数字高程模型。
102、对正射影像图进行解译分类处理，以获得对应的土地覆被分布图，并为所述土地覆被分布图中的分割对象赋值糙率，得到对应的流域糙率分布图。
在本申请的一个实施例中，服务器对正射影像图进行多尺度分割处理，根据1米分辨率设置分割尺度为10，获取同质斑块最小分类单元即对象，从而得到对应的多个分割对象，新建林地、草地、耕地、水体、人工表面、裸地六类图层，根据流域范围地类图层均匀选取样本点，将样本点地类信息赋值进对象，形成样本。
然后，服务器通过随机森林算法以及按照地貌类型，对多个分割对象进行分类，能够得到待建模流域的分类结果，进而将待建模流域的分类结果与正射影像图进行对比，确定是否存在分类错误的分割对象，并对分类错误的分割对象进行修正，得到修正后的土地覆被分布图，之后，服务器根据土地覆被分布图中每个分割对象对应的地貌类型，对每种类型的地貌赋值糙率，并获得对应的流域糙率分布图，这样能够对流域糙率的做精细处理。
103、获取待建模流域的实测断面高程数据，生成所述待建模流域对应的河道地形，并根据所述数字高程模型，计算待建模流域的河道比降。
需要说明的是，本申请实施例中的河道比降是指待建模流域沿河流方向的高程差与河流长度之间的比值，是以千分率进行表示的。河道比降描述了河床和河岸的相对陡峭程度，以及水流的速度和方向，河道比降是河流地貌的重要参数之一，用于计算河流的水力特性，如水流能量和河床稳定性等。
在本申请的一个实施例中，服务器在根据立体像对遥感影像对应的立体像对数据，生成待建模流域对应的正射影像图和数字高程模型之后，获取待建模流域的总平图以及实测断面数据，并根据待建模流域的总平图和实测断面数据，在数字高程模型中绘制断面位置，从而得到对应的断面数字高程模型，然后，服务器根据断面数字高程模型，并通过反距离加权法，构建出数字高程模型中流域的河道地形。
在一个实施例中，本申请计算河道比降的计算公式为：
需要说明的是，本申请实施例中的为上游点高程，/>为下游点高程，/>为河流长度。
104、获取待建模流域的历史水位流量信息，并基于历史水位流量信息，确定待建模流域的小时流量过程数据和小时降水过程数据。
服务器获取待建模流域的大坝多年的历史流量信息，从而计算出大坝多年的平均流量，这样服务器能够根据大坝多年的平均流量，预估得出大坝的洪水洪峰流量，通过将预估出的洪水洪峰流量与历史流量信息中的洪水洪峰流量进行对比，实现对所预估的洪水洪峰流量的核对，然后，服务器还根据大坝多年的平均流量，预估出对应的洪水位，并将预估的洪水位与历史流量信息中的洪水位进行对比，实现对所预估的洪水位的核对。
需要说明的是，本申请实施例的历史水位流量信息至少包括：断面流量数据、洪涝灾情发布流量和雨情发布信息。
在本申请的一个实施例中，服务器获取待建模流域的断面流量数据、洪涝灾情发布流量以及雨情发布信息，并将断面流量数据和洪涝灾情发布流量作为流量过程数据，在无法获取到连续的流量过程数据的情况下，通过三次样条插值法，获得待建模流域对应的小时流量过程数据，然后，还需确定雨情发布信息中是否具有连续的降水过程数据，并在无法获取到连续的降水过程数据的情况下，通过三次样条插值法，获得待建模流域对应的小时降水过程数据。
105、将正射影像图、高程数字模型以及土地覆被分布图进行坐标系统一，并根据坐标系统一后的数字高程模型和正射影像图，绘制建模所需的GIS文件。
需要说明的是，本申请实施例的GIS文件中至少包括：大坝参数信息和水工构筑物信息。
在本申请的一个实施例中，服务器获取待建模流域对应的大坝参数信息以及水工构筑物信息，并建立工程文件。需要说明的是，本申请实施例中的大坝参数信息至少包括：坝长、坝宽、坝体高程，以及泄水建筑物的闸门、表孔、底孔，水工构筑物信息至少包括：下游桥梁、蓄水区、泵站。
服务器将待建模流域的正射影像图、高程数字模型以及土地覆被分布图分别投影至对应的投影坐标系中，并将对应的投影坐标系导入至工程文件中，从而完成对坐标系的统一，然后，服务器根据坐标系统一后的高程数字模型和正射影像图，绘制出待建模流域的上游二维网格，以及绘制待建模流域下游中存在淹没风险的洪泛区对应的下游二维网格，并确定与高程数字模型的高程分辨率相匹配的空间步长，绘制大坝长度，设置泄水建筑物，绘制河道纵剖面蓄水区，绘制桥梁水泵等，从而得到建模所需的GIS文件。
在一个实施例中，二维网格的简化形式为浅水方程，浅水方程公式如下。
连续方程为：
动量方程为：
需要说明的是，本申请实施例中的为水面高程（m）；/>为时间（s）；/>为水深（m）；为水流速度（m/s）；/>为旁侧入流（m2/s）；/>为重力加速度（m/s2）；/>为水平方向的运动粘度（m2/s）；/>为河床底部糙率；/>为科里奥利系数；/>为垂直方向上的单位矢量。
106、基于河道比降、小时流量过程数据、小时降水过程数据以及GIS文件，通过溃坝模型和2D非恒定流模型，对待建模流域对应的漫顶溃坝以及下游洪涝灾害的演进过程进行模拟，并获得洪涝灾害推演对应的灾情数据。
在本申请的一个实施例中，服务器通过溃坝模型获取待建模流域的漫顶溃坝参数。具体是根据徐-张方程估计大坝溃决的溃口尺寸和成型时间，在模型中设置溃口参数，包括溃口形状、溃口站点、形成时间、左右侧坡度、破坏模式等。徐-张方程计算公式如下：
需要说明的是，本申请实施例中的为溃口宽度（m）；/>为溃坝时库容（m3）；/>为综合系数；/>为溃口成形时间（h）；/>为单位时间（1h）；/>为综合系数，取值为-1.817；/>为最大溃口深度（m）；/>为坝高（m）；/>为参考高度（m）。
服务器将小时流量过程数据作为上有边界条件，将河道比降作为下游边界条件，以及将小时降水过程数据作为全局边界条件。服务器还通过2D非恒定流模型以及有限体积法，对待建模流域的下游洪涝灾害的演进过程进行耦合模拟，并获取洪涝灾害对应的灾情数据。需要说明的是，本申请实施例中的灾情数据至少包括：流速、水深、洪水到达时间、洪水持续时间以及淹没范围。
然后，服务器实时获取待建模流域的雨情发布信息，并根据雨情发布信息，对GIS文件以及相关步长进行调整，实现对模型的迭代运算。
在一个实施例中，在广元亭子口水利枢纽工程漫顶溃坝洪水演进仿真建模时，服务器首先，购买与待建模日期相近的WorldView立体像对数据，洪水建模日期与影像采集日期不超过1年，这样能够保证建模时所使用的高程数字模型DEM是真实地形。对立体像对数据进行预处理，生成亭子口大坝上下游高程数字模型DEM和正射影像图。
然后，对点云插值生成的高程数字模型DEM中的凹陷点进行填洼处理，从而得到填洼后无异常凹陷点的数字高程模型DEM。搜集亭子口大坝总平图以及上下游水文站断面高程信息，根据河流形状和主要断面信息，使用反距离权重法插值生成多个河道断面点，将断面点位信息插值到数字高程模型DEM的二维地形里，创建亭子口大坝上下游河道地形。
接着，使用R语言中随机森林算法对正射影像底图进行解译分类，将地表分类6大类，包括林地、草地、耕地、水体、人工表面以及裸地，获取1米分辨率流域土地覆被分布图，分别对每个地类赋值糙率，获取亭子口大坝上下游流域糙率分布图。
之后，准备建模时的边界条件，计算亭子口大坝下游河道比降，搜集建模时降水量、流量等灾情通报信息，从流量加大再衰退的小时流量数据和小时降水数据，假定搜集不到连续数据，则使用三次样条插值法获取小时流量过程数据，使用三次样条插值法获取小时降水过程数据。
最后，使用溃坝模型和2D非恒定流模型耦合模拟亭子口漫顶溃坝以及下游的演进过程，使用整体法同一时间步长内同时解算溃坝下游洪水，获取溃坝损毁参数、下游洪水流速、水深、洪水到达时间和淹没范围等信息，以广元梨仙湖生态公园河岸一处洪水演进过程的流速、水深为例，结果见表1、表2。
表1 梨仙湖生态公园时间流速关系
| 序号 | 时间 | 流速（m/s） |
| 1 | 011月2018 23:00:00 | 0 |
| 2 | 021月2018 00:00:00 | 1.15 |
| 3 | 021月2018 01:00:00 | 0.39 |
| 4 | 021月2018 02:00:00 | 0.531 |
| 5 | 021月2018 03:00:00 | 0.824 |
| 6 | 021月2018 04:00:00 | 1.782 |
| 7 | 021月2018 05:00:00 | 2.103 |
| 8 | 021月2018 06:00:00 | 1.682 |
| 9 | 021月2018 07:00:00 | 1.693 |
| 10 | 021月2018 08:00:00 | 1.766 |
| 11 | 021月2018 09:00:00 | 1.871 |
| 12 | 021月2018 10:00:00 | 1.966 |
| 13 | 021月2018 11:00:00 | 4.481 |
| 14 | 021月2018 12:00:00 | 3.415 |
| 15 | 021月2018 13:00:00 | 3.046 |
| 16 | 021月2018 14:00:00 | 2.803 |
| 17 | 021月2018 15:00:00 | 2.419 |
| 18 | 021月2018 16:00:00 | 2.337 |
| 19 | 021月2018 17:00:00 | 2.203 |
| 20 | 021月2018 18:00:00 | 1.737 |
| 21 | 021月2018 19:00:00 | 1.516 |
| 22 | 021月2018 20:00:00 | 1.201 |
| 23 | 021月2018 21:00:00 | 0.808 |
| 24 | 021月2018 22:00:00 | 0 |
表2 梨仙湖生态公园时间水深关系
该点位于东经105.936490，北纬31.782696的梨仙湖生态公园河岸，由表1、表2可知：由于短历时强降水作用，洪水漫过亭子口大坝，造成流量过大往坝体下游过流，到第24小时开始水位开始向梨仙湖生态公园漫延，梨仙湖生态公园也逐渐积水淹没，随着水流不断加大冲刷下游坝面形成掏蚀，掏蚀逐渐扩大向坝顶延伸，洪水历时第30个小时坝顶坝顶拉开一个梯形溃口发生溃坝。溃坝洪水发生后，洪水向坝体下游演进。第30小时左右，梨仙湖生态公园发生水流速度最快，达到4.481m/s；第31小时左右，水深达到最大11.728米。
图2为本申请实施例提供的另一种基于高分辨率遥感要素的洪涝灾害推演方法的流程示意图。如图2所示，洪涝灾害演进仿真大致分为数据准备、地形处理、糙率赋值、边界条件以及仿真建模五个步骤。
在数据准备阶段，需要获取待建模流域的遥感影像，确定出对应的流量过程数据以及降水数据，还需获取待建模流域对应的大坝特性、实测的断面流量数据以及河流的矢量数据。
在地形处理时，需生成数字高程模型DEM，进而对数字高程模型DEM进行填洼处理，根据所获取的断面流量数据，在数字高程模型DEM中绘制对应的断面，然后基于对应的断面数字高程模型，并通过反距离权重法，生成待建模流域的河道地形。
在进行糙率赋值时，对正射影像图进行分割，得出对应的土地覆被分布图，然后根据分割后每个分割对象的地貌类型，分别为土地覆被分布图进行糙率赋值，进而能够得到待建模流域对应的流域糙率分布图。本申请所需限定的约束条件包括：流量过程数据即流量过程数据，降水数据、河道比降、初始水位以及库容曲线。
在进行仿真建模时，服务器首先创建上游二维网格、下游二维网格等二维河道，并将大坝特性输入至模型中，根据溃口方程进行计算，以及将所确定的边界条件输入至模型中，从而实现对模型的运行。
以上为本申请提出的方法实施例。基于同样的发明构思，本申请实施例还提供了基于高分辨率遥感要素的洪涝灾害推演设备，其结构如图3所示。
图3为本申请实施例提供的基于高分辨率遥感要素的洪涝灾害推演设备的内部结构示意图。如图3所示，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，以使至少一个处理器能够：
获取待建模流域的洪涝灾害范围内的立体像对遥感影像，并根据立体像对遥感影像通过空中三角测量，生成待建模流域对应的正射影像图和数字高程模型；
对正射影像图进行解译分类处理，以获得对应的土地覆被分布图，并为土地覆被分布图中的分割对象赋值糙率，得到对应的流域糙率分布图；
获取待建模流域的实测断面高程数据，生成待建模流域对应的河道地形，并根据数字高程模型，计算待建模流域的河道比降；
获取待建模流域的历史水位流量信息，并基于历史水位流量信息，确定待建模流域的小时流量过程数据和小时降水过程数据；历史水位流量信息至少包括：断面流量数据、洪涝灾情发布流量和雨情发布信息；
将正射影像图、高程数字模型以及土地覆被分布图进行坐标系统一，并根据坐标系统一后的数字高程模型和正射影像图，绘制建模所需的GIS文件；GIS文件中至少包括：大坝参数信息和水工构筑物信息；
基于河道比降、小时流量过程数据、小时降水过程数据以及GIS文件，通过溃坝模型和2D非恒定流模型，对待建模流域对应的漫顶溃坝以及下游洪涝灾害的演进过程进行模拟，并获得洪涝灾害推演对应的灾情数据。
本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，计算机在执行可执行指令时能够：
获取待建模流域的洪涝灾害范围内的立体像对遥感影像，并根据立体像对遥感影像通过空中三角测量，生成待建模流域对应的正射影像图和数字高程模型；
对正射影像图进行解译分类处理，以获得对应的土地覆被分布图，并为土地覆被分布图中的分割对象赋值糙率，得到对应的流域糙率分布图；
获取待建模流域的实测断面高程数据，生成待建模流域对应的河道地形，并根据数字高程模型，计算待建模流域的河道比降；
获取待建模流域的历史水位流量信息，并基于历史水位流量信息，确定待建模流域的小时流量过程数据和小时降水过程数据；历史水位流量信息至少包括：断面流量数据、洪涝灾情发布流量和雨情发布信息；
将正射影像图、高程数字模型以及土地覆被分布图进行坐标系统一，并根据坐标系统一后的数字高程模型和正射影像图，绘制建模所需的GIS文件；GIS文件中至少包括：大坝参数信息和水工构筑物信息；
基于河道比降、小时流量过程数据、小时降水过程数据以及GIS文件，通过溃坝模型和2D非恒定流模型，对待建模流域对应的漫顶溃坝以及下游洪涝灾害的演进过程进行模拟，并获得洪涝灾害推演对应的灾情数据。
本申请中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备和介质实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
本申请实施例提供的设备和介质与方法是一一对应的，因此，设备和介质也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备和介质的有益技术效果。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器 (CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器 (RAM) 和/或非易失性内存等形式，如只读存储器 (ROM) 或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述方法包括：
获取待建模流域的洪涝灾害范围内的立体像对遥感影像，并根据所述立体像对遥感影像通过空中三角测量，生成所述待建模流域对应的正射影像图和数字高程模型；
对所述正射影像图进行解译分类处理，以获得对应的土地覆被分布图，并为所述土地覆被分布图中的分割对象赋值糙率，得到对应的流域糙率分布图；
获取待建模流域的实测断面高程数据，生成所述待建模流域对应的河道地形，并根据所述数字高程模型，计算所述待建模流域的河道比降；
获取所述待建模流域的历史水位流量信息，并基于所述历史水位流量信息，确定所述待建模流域的小时流量过程数据和小时降水过程数据；所述历史水位流量信息包括：断面流量数据、洪涝灾情发布流量和雨情发布信息；
将所述正射影像图、数字高程模型以及土地覆被分布图进行坐标系统一，并根据坐标系统一后的数字高程模型和正射影像图，绘制建模所需的GIS文件；所述GIS文件中包括：大坝参数信息和水工构筑物信息；
基于所述河道比降、小时流量过程数据、小时降水过程数据以及GIS文件，通过溃坝模型和2D非恒定流模型，对所述待建模流域对应的漫顶溃坝以及下游洪涝灾害的演进过程进行模拟，并获得洪涝灾害推演对应的灾情数据。
2.根据权利要求1所述的基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述获取待建模流域的洪涝灾害范围内的立体像对遥感影像，并根据所述立体像对遥感影像通过空中三角测量，生成所述待建模流域对应的正射影像图和数字高程模型，具体包括：
确定洪涝灾害预警信息或者洪涝灾害演建模需求对应的流域范围，并在所述对应的流域范围内，采集所述洪涝灾害的立体像对遥感影像；
对所述立体像对遥感影像中的立体像对数据进行预处理，并获得预处理后的全色像对数据和真彩色影像数据；所述预处理包括大气校正处理、正射校正处理和全色多光谱融合处理；
通过RPC模型对预处理后的全色像对数据和真彩色影像数据进行区域网平差，并通过地面控制点与其他点进行匹配连接，以生成所述待建模流域对应的点云数据和正射影像图；
对所述待建模流域对应的点云数据进行分类，并将指定类型的点云数据进行剔除，以根据剔除后的点云数据生成所述待建模流域对应的数字高程模型；所述指定类型包括：植被类型和建筑类型。
3.根据权利要求1所述的基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述根据所述立体像对遥感影像通过空中三角测量，生成所述待建模流域对应的正射影像图和数字高程模型之后，所述方法还包括：
根据所述数字高程模型中的流域数据，构建所述待建模流域对应的流向栅格，并基于所述流向栅格中构建的汇点，生成每个汇点对应的汇流区栅格；
确定每个汇流区栅格中的最大高程栅格和最小高程栅格，并将所述汇流区栅格的最大高程栅格和最小高程栅格做差，以得到对应的填洼阈值；
将大于所述填洼阈值的栅格进行保留，并将小于所述填洼阈值的栅格作为所述数字高程模型中的凹陷点进行填洼处理，以得到无异常凹陷点的数字高程模型。
4.根据权利要求1所述的基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述对所述正射影像图进行解译分类处理，以获得对应的土地覆被分布图，并为所述土地覆被分布图中的分割对象赋值糙率，得到对应的流域糙率分布图，具体包括：
对所述正射影像图进行多尺度分割处理，得到对应的多个分割对象，并通过随机森林算法以及按照地貌类型，对所述多个分割对象进行分类，以得到所述待建模流域的分类结果；
将所述待建模流域的分类结果与所述正射影像图进行对比，确定是否存在分类错误的分割对象，并对分类错误的分割对象进行修正，以得到修正后的土地覆被分布图；
根据所述土地覆被分布图中每个分割对象对应的地貌类型，分别对每种地貌类型的分割对象进行糙率赋值，并获得对应的流域糙率分布图。
5.根据权利要求1所述的基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述获取待建模流域的实测断面高程数据，生成所述待建模流域对应的河道地形，具体包括：
获取待建模流域的总平图以及实测断面数据，并根据所述待建模流域的总平图和实测断面数据，在所述数字高程模型中绘制断面位置，以得到对应的断面数字高程模型；
根据所述断面数字高程模型，并通过反距离加权法，构建数字高程模型中流域的河道地形。
6.根据权利要求1所述的基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述获取所述待建模流域的历史水位流量信息，并基于所述历史水位流量信息，确定所述待建模流域的小时流量过程数据和小时降水过程数据，具体包括：
获取所述待建模流域的断面流量数据、洪涝灾情发布流量以及雨情发布信息，并将所述断面流量数据和洪涝灾情发布流量作为流量过程数据；
在无法获取到连续的流量过程数据的情况下，通过三次样条插值法，获得所述待建模流域对应的小时流量过程数据；
确定所述雨情发布信息中是否具有连续的降水过程数据，并在无法获取到连续的降水过程数据的情况下，通过三次样条插值法，获得所述待建模流域对应的小时降水过程数据。
7.根据权利要求1所述的基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述将所述正射影像图、数字高程模型以及土地覆被分布图进行坐标系统一，并根据坐标系统一后的数字高程模型和正射影像图，绘制建模所需的GIS文件，具体包括：
获取待建模流域对应的大坝参数信息以及水工构筑物信息，并建立工程文件；所述大坝参数信息包括：坝长、坝宽、坝体高程，以及泄水建筑物的闸门、表孔、底孔；所述水工构筑物信息包括：下游桥梁、蓄水区、泵站；
将待建模流域的正射影像图、数字高程模型以及土地覆被分布图分别投影至对应的投影坐标系中，并将所述对应的投影坐标系导入至所述工程文件中，完成坐标系的统一；
根据坐标系统一后的数字高程模型和正射影像图，绘制所述待建模流域的上游二维网格，以及绘制所述待建模流域下游中存在淹没风险的洪泛区对应的下游二维网格，并确定与所述数字高程模型的高程分辨率相匹配的空间步长，以得到建模所需的GIS文件。
8.根据权利要求1所述的基于高分辨率遥感要素的洪涝灾害推演方法，其特征在于，所述基于所述河道比降、小时流量过程数据、小时降水过程数据以及GIS文件，通过溃坝模型和2D非恒定流模型，对所述待建模流域对应的漫顶溃坝以及下游洪涝灾害的演进过程进行模拟，并获得洪涝灾害推演对应的灾情数据，包括：
通过溃坝模型获取所述待建模流域的漫顶溃坝参数，并将所述小时流量过程数据作为上游边界条件，将所述河道比降作为下游边界条件，以及将所述小时降水过程数据作为全局边界条件；
通过2D非恒定流模型以及有限体积法，对所述待建模流域的下游洪涝灾害的演进过程进行耦合模拟，并获取洪涝灾害对应的灾情数据；所述灾情数据包括：流速、水深、洪水到达时间、洪水持续时间以及淹没范围；
实时获取所述待建模流域的雨情发布信息，并根据所述雨情发布信息，对所述GIS文件以及相关步长进行调整，实现对模型的迭代运算。
9.基于高分辨率遥感要素的洪涝灾害推演设备，其特征在于，所述设备包括：
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，以使所述至少一个处理器能够执行如权利要求1-8任一项所述的基于高分辨率遥感要素的洪涝灾害推演方法。
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机在执行可执行指令时实现如权利要求1-8任一项所述的基于高分辨率遥感要素的洪涝灾害推演方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311470728.6A CN117195603B (zh) | 2023-11-07 | 2023-11-07 | 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311470728.6A CN117195603B (zh) | 2023-11-07 | 2023-11-07 | 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117195603A CN117195603A (zh) | 2023-12-08 |
| CN117195603B true CN117195603B (zh) | 2024-01-12 |
Family
ID=88987359
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311470728.6A Active CN117195603B (zh) | 2023-11-07 | 2023-11-07 | 基于高分辨率遥感要素的洪涝灾害推演方法、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117195603B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117852449B (zh) * | 2024-03-06 | 2024-05-14 | 天津市气象科学研究所 | 基于大尺度城市暴雨内涝模型的精细化积水处理方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868533A (zh) * | 2016-03-23 | 2016-08-17 | 四川理工学院 | 基于物联网和3s技术江河流域水环境集成感知与应用方法 |
| CN111008941A (zh) * | 2019-11-29 | 2020-04-14 | 中国农业科学院农业资源与农业区划研究所 | 基于高分卫星遥感影像农业洪涝灾害范围监测系统及方法 |
| CN113610264A (zh) * | 2021-06-22 | 2021-11-05 | 国网浙江省电力有限公司电力科学研究院 | 精细化电网台风洪涝灾害预测模型 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230281493A1 (en) * | 2022-03-02 | 2023-09-07 | University Of Iowa Research Foundation | Forecasting method for flood crest magnitude and arrival time |
-
2023
- 2023-11-07 CN CN202311470728.6A patent/CN117195603B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105868533A (zh) * | 2016-03-23 | 2016-08-17 | 四川理工学院 | 基于物联网和3s技术江河流域水环境集成感知与应用方法 |
| CN111008941A (zh) * | 2019-11-29 | 2020-04-14 | 中国农业科学院农业资源与农业区划研究所 | 基于高分卫星遥感影像农业洪涝灾害范围监测系统及方法 |
| CN113610264A (zh) * | 2021-06-22 | 2021-11-05 | 国网浙江省电力有限公司电力科学研究院 | 精细化电网台风洪涝灾害预测模型 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117195603A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104851360B (zh) | 一种洪水风险图的生成方法和系统 | |
| Hoch et al. | Assessing the impact of hydrodynamics on large-scale flood wave propagation–a case study for the Amazon Basin | |
| 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 | |
| JP2005128838A (ja) | 簡易型洪水氾濫解析システム | |
| Klikunova et al. | Creation of digital elevation models for river floodplains | |
| Khojiakbar et al. | Water reservoir area and volume determination using geoinformation technologies and remote sensing | |
| CN115935732A (zh) | 一种复杂感潮河网的多源复合灾害淹没风险的模拟方法 | |
| Vergnes et al. | Impact of river water levels on the simulation of stream–aquifer exchanges over the Upper Rhine alluvial aquifer (France/Germany) | |
| Samboko et al. | Evaluating low-cost topographic surveys for computations of conveyance | |
| Thakur et al. | Exploring CCHE2D and its sediment modelling capabilities | |
| Shamaoma et al. | Extraction of flood-modelling related base-data from multi-source remote sensing imagery | |
| Pawestri et al. | Flood Hazard Mapping of Bogowonto River in Purworejo Regency, Central Java | |
| Tennakoon | Parameterisation of 2D hydrodynamic models and flood hazard mapping for Naga city, Philippines | |
| Lee et al. | Enhancing flood wave modelling of reservoir failure: a comparative study of structure-from-motion based 2D and 3D methodologies | |
| Lee et al. | Comparative analysis of flood wave modelling methodologies for reservoir failure based on structure from motion | |
| Mahmood et al. | Assessment of drainage capacity of Chaktai and Rajakhali Khal in Chittagong City and inundation adjacent of urban areas | |
| Meesuk | Point cloud data fusion for enhancing 2d urban flood modelling | |
| CN114103127B (zh) | 流域地形3d打印方法及装置、电子设备、存储介质 | |
| Jeon et al. | Prediction accuracy of reservoir break flood simulation model using finite volume method and UAV | |
| Yang et al. | Predicting flood inundation and risk using geographic information system and hydrodynamic model | |
| Dasgupta | Reduction of uncertainties in a 1D2D coupled hydrodynamic model using remote sensing data | |
| Piotrowski | Development of a high-resolution two-dimensional urban/rural flood simulation | |
| CN117494286A (zh) | 一种拦沙坝设计方法、装置及设备 | |
| Chen et al. | Distributed-Framework Basin Modeling System: II. Hydrologic Modeling System. Water 2021, 13, 744 | |
| Lee et al. | Nonparametric-based estimation method for river cross-sections with point cloud data from UAV photography URiver-X version 1.0-methodology development |
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 |