CN117974389A - 城市内涝风险评估方法、装置、计算机设备及存储介质 - Google Patents
城市内涝风险评估方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117974389A CN117974389A CN202311807247.XA CN202311807247A CN117974389A CN 117974389 A CN117974389 A CN 117974389A CN 202311807247 A CN202311807247 A CN 202311807247A CN 117974389 A CN117974389 A CN 117974389A
- Authority
- CN
- China
- Prior art keywords
- data
- target
- region
- city
- interest
- 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
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000012502 risk assessment Methods 0.000 title claims abstract description 45
- 238000003860 storage Methods 0.000 title claims abstract description 32
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 148
- 230000000903 blocking effect Effects 0.000 claims abstract description 88
- 238000013507 mapping Methods 0.000 claims abstract description 75
- 230000004927 fusion Effects 0.000 claims abstract description 45
- 238000004088 simulation Methods 0.000 claims abstract description 30
- 238000012800 visualization Methods 0.000 claims abstract description 17
- 238000004519 manufacturing process Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000001556 precipitation Methods 0.000 claims description 21
- 238000004040 coloring Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 238000005516 engineering process Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 230000000379 polymerizing effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 abstract description 2
- 238000012876 topography Methods 0.000 description 11
- 239000002689 soil Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 230000008595 infiltration Effects 0.000 description 7
- 238000001764 infiltration Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 238000009825 accumulation Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- KHOITXIGCFIULA-UHFFFAOYSA-N Alophen Chemical compound C1=CC(OC(=O)C)=CC=C1C(C=1N=CC=CC=1)C1=CC=C(OC(C)=O)C=C1 KHOITXIGCFIULA-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000009736 wetting Methods 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种城市内涝风险评估方法、装置、计算机设备及存储介质,涉及汇排水设施设计技术领域,可以提高城市风险内涝点位评估准确率。方法包括:获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型;将二维测绘数据中的正射影像数据与点云数据融合计算,得到多源融合数据,并基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型;利用基础数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图;对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。
Description
技术领域
本申请涉及汇排水设施设计技术领域,特别是涉及一种城市内涝风险评估方法、装置、计算机设备及存储介质。
背景技术
城市内涝严重影响人民群众的生产生活,甚至危及到了人民生命财产安全,也是影响城市安全发展的重要制约因素。治理城市内涝是将生态和安全放在更加突出位置的具体举措。在这样的背景下,合理确定城市内涝防治径流量规模,就成为影响排水防涝方案制定、体系布局及工程投资的重要因素。
相关技术中,城市暴雨内涝风险评估多基于常规的测绘数字高程模型进行分析,然而常规的测绘数字高程模型普遍无法科学、真实地反映城市地表微地形和类型特征,从而难以为洪涝模拟与推演提供支撑,导致暴雨径流模拟精度低、内涝风险评估准确率低。因此,亟需探索一种综合性内涝评估方法,以更准确地评估城市内涝的风险程度。
发明内容
有鉴于此,本申请提供了一种城市内涝风险评估方法、装置、计算机设备及存储介质,主要目的在于解决目前常规的测绘数字高程模型普遍无法科学、真实地反映城市地表微地形和类型特征,从而难以为洪涝模拟与推演提供支撑,导致暴雨径流模拟精度低、内涝风险评估准确率低的问题。
依据本申请第一方面,提供了一种城市内涝风险评估方法,该方法包括:
获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用所述三维测绘数据中的点云数据制作高精度数字高程模型;
将所述二维测绘数据中的正射影像数据与所述点云数据叠加,得到多源融合数据,并基于所述多源融合数据,结合人机交互方式确定所述城市内感兴趣区域的地形阻水细节,将所述地形阻水细节整合至所述高精度数字高程模型,得到目标模型;
利用所述基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置所述目标模型的模型参数,以使所述目标模型按照所述模型参数进行暴雨模拟,形成径流路线图;
按照所述径流路线图中每个栅格的径流量,结合所述高精度数字高程模型,对所述径流路线图进行分层设色,可视化后得到所述城市内感兴趣区域的内涝风险评估图像。
可选地,所述获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据之前,所述方法还包括:
利用摄影测量方法拍摄目标地区的影像,得到区域正射影像图,所述目标地区包括所述城市内感兴趣区域;
在所述区域正射影像图中选取城市内感兴趣区域。
可选地,所述获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,包括:
在所述区域正射影像图中截取所述城市内感兴趣区域对应的正射影像图,将所述正射影像图与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的二维测绘数据;
利用航空摄影测量技术,通过激光点云获取设备对所述城市内感兴趣区域进行扫描,收集所述点云数据,将所述点云数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的三维测绘数据:
获取所述目标地区的总体降雨资料、总体排水管网资料、总体边界数据和总体下垫面数据,在所述总体降雨资料、所述总体排水管网资料、所述总体边界数据和所述总体下垫面数据中提取所述城市内感兴趣区域内的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据,将目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的基础数据。
可选地,所述确定所述城市内感兴趣区域的地形阻水细节,包括:
读取所述点云数据和所述正射影像数据,所述点云数据用于描述高程信息,所述正射影像数据用于描述地表纹理信息;
利用地面控制点或全球导航卫星系统数据对所述点云数据进行坐标转换,得到配准的点云数据,并采用配准的点云数据对所述正射影像数据进行像素校正,以使所述点云数据和所述正射影像数据具备相同的地理空间参考框架;
将配准的点云数据和校正后的正射影像数据进行叠加,得到所述多源融合数据,所述多源融合数据中的每个像素同时包含高程信息和地表纹理信息;
识别所述多源融合数据,提取河流边界线、道路线、坡坎和建筑物轮廓线为特征线,提取高地位置点以及低地位置点为特征点;
利用三角网生成算法,将所述特征线和所述特征点作为约束条件,生成三角形网络,并根据所述三角形网络中每个三角形的地形高差、特征点位置信息和特征线位置信息,确定所述三角形对应的地形属性,以及根据所述三角形的地形高差确定阻水线和阻水点的位置,将所述阻水线和所述阻水点添加至所述三角形网络,得到所述地形阻水细节,所述地形属性用于反映实际地形特征,包括坡度、曲率、凹凸度和相对高度。
可选地,所述将所述阻水细节整合至所述高精度数字高程模型,得到融合阻水细节的目标模型,包括:
通过空间叠加的方式将阻水细节数据融合到所述高精度数字高程模型上,确定所述阻水细节中每个三角形在所述高精度数字高程模型中对应的位置区域,根据每个三角形定义的地形属性、阻水线的位置和阻水点的位置,增加或降低所述位置区域内的高程值,得到融合阻水细节的目标模型。
可选地,所述利用所述基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置所述目标模型的模型参数,包括:
根据所述目标降雨资料,确定所述城市内感兴趣区域在每一时刻的降水量,并根据每一时刻的降水量设置所述目标模型的降水参数;
根据所述目标排水管网资料,确定所述城市内感兴趣区域在每一时刻的排水量,并根据每一时刻的排水量设置所述目标模型的排水参数;
对于所述城市内感兴趣区域包含的至少一个子汇水区域,计算每个所述子汇水区域对应的地表径流进行聚合,得到所述城市内感兴趣区域对应的地表径流,并根据所述城市内感兴趣区域对应的地表径流设置所述目标模型的地表径流参数;
采用预设的下渗水量计算模型计算所述城市内感兴趣区域的每个子汇水区域在每一时刻的的下渗水量,并根据所述下渗水量设置所述目标模型的下渗水量参数。
可选地,所述计算每个所述子汇水区域对应的地表径流,包括:
所述目标模型根据每个所述子汇水区域的地形属性确定曼宁系数,根据所述子汇水区域内每个位置的高程值确定所述子汇水区域的地形坡度和最大洼地蓄水深度;
采用下述方程式,对所述曼宁系数n、所述子汇水区域的区域宽度W、所述地形坡度S和最大洼地蓄水深度dS进行计算,得到每个子汇水区域的径流量Q;
根据所述城市内感兴趣区域在每一时刻的降水量i*、每个所述子汇水区域的区域面积A、所述子汇水区域的总蓄水量V、所述子汇水区域水深d和对应的径流量Q,采用下述方程式计算每个子汇水区域在每一时刻的地表径流;
依据本申请第二方面,提供了一种城市内涝风险评估装置,该装置包括:
获取模块,用于获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用所述三维测绘数据中的点云数据制作高精度数字高程模型;
确定模块,用于将所述二维测绘数据中的正射影像数据与所述点云数据叠加,得到多源融合数据,并基于所述多源融合数据,结合人机交互方式确定所述城市内感兴趣区域的地形阻水细节,将所述地形阻水细节整合至所述高精度数字高程模型,得到目标模型;
设置模块,用于利用所述基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置所述目标模型的模型参数,以使所述目标模型按照所述模型参数进行暴雨模拟,形成径流路线图;
可视化模块,用于按照所述径流路线图中每个栅格的径流量,结合所述高精度数字高程模型,对所述径流路线图进行分层设色,可视化后得到所述城市内感兴趣区域的内涝风险评估图像。
可选地,所述装置还包括:
拍摄模块,用于利用摄影测量方法拍摄目标地区的影像,得到区域正射影像图,所述目标地区包括所述城市内感兴趣区域;
选取模块,用于在所述区域正射影像图中选取城市内感兴趣区域。
可选地,所述获取模块,用于在所述区域正射影像图中截取所述城市内感兴趣区域对应的正射影像图,将所述正射影像图与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的二维测绘数据;利用航空摄影测量技术,通过激光点云获取设备对所述城市内感兴趣区域进行扫描,收集所述点云数据,将所述点云数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的三维测绘数据:获取所述目标地区的总体降雨资料、总体排水管网资料、总体边界数据和总体下垫面数据,在所述总体降雨资料、所述总体排水管网资料、所述总体边界数据和所述总体下垫面数据中提取所述城市内感兴趣区域内的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据,将目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的基础数据。
可选地,所述确定模块,用于读取所述点云数据和所述正射影像数据,所述点云数据用于描述高程信息,所述正射影像数据用于描述地表纹理信息;利用地面控制点或全球导航卫星系统数据对所述点云数据进行坐标转换,得到配准的点云数据,并采用配准的点云数据对所述正射影像数据进行像素校正,以使所述点云数据和所述正射影像数据具备相同的地理空间参考框架;将配准的点云数据和校正后的正射影像数据进行叠加,得到所述多源融合数据,所述多源融合数据中的每个像素同时包含高程信息和地表纹理信息;识别所述多源融合数据,提取河流边界线、道路线、坡坎和建筑物轮廓线为特征线,提取高地位置点以及低地位置点为特征点;利用三角网生成算法,将所述特征线和所述特征点作为约束条件,生成三角形网络,并根据所述三角形网络中每个三角形的地形高差、特征点位置信息和特征线位置信息,确定所述三角形对应的地形属性,以及根据所述三角形的地形高差确定阻水线和阻水点的位置,将所述阻水线和所述阻水点添加至所述三角形网络,得到所述地形阻水细节,所述地形属性用于反映实际地形特征,包括坡度、曲率、凹凸度和相对高度。
可选地,所述确定模块,用于通过空间叠加的方式将阻水细节数据融合到所述高精度数字高程模型上,确定所述阻水细节中每个三角形在所述高精度数字高程模型中对应的位置区域,根据每个三角形定义的地形属性、阻水线的位置和阻水点的位置,增加或降低所述位置区域内的高程值,得到融合阻水细节的目标模型。
可选地,所述设置模块,用于根据所述目标降雨资料,确定所述城市内感兴趣区域在每一时刻的降水量,并根据每一时刻的降水量设置所述目标模型的降水参数;根据所述目标排水管网资料,确定所述城市内感兴趣区域在每一时刻的排水量,并根据每一时刻的排水量设置所述目标模型的排水参数;对于所述城市内感兴趣区域包含的至少一个子汇水区域,计算每个所述子汇水区域对应的地表径流进行聚合,得到所述城市内感兴趣区域对应的地表径流,并根据所述城市内感兴趣区域对应的地表径流设置所述目标模型的地表径流参数;采用预设的下渗水量计算模型计算所述城市内感兴趣区域的每个子汇水区域在每一时刻的的下渗水量,并根据所述下渗水量设置所述目标模型的下渗水量参数。
可选地,所述设置模块,用于所述目标模型根据每个所述子汇水区域的地形属性确定曼宁系数,根据所述子汇水区域内每个位置的高程值确定所述子汇水区域的地形坡度和最大洼地蓄水深度;采用下述方程式,对所述曼宁系数n、所述子汇水区域的区域宽度W、所述地形坡度S和最大洼地蓄水深度dS进行计算,得到每个子汇水区域的径流量Q;
根据所述城市内感兴趣区域在每一时刻的降水量i*、每个所述子汇水区域的区域面积A、所述子汇水区域的总蓄水量V、所述子汇水区域水深d和对应的径流量Q,采用下述方程式计算每个子汇水区域在每一时刻的地表径流;
依据本申请第三方面,提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述第一方面中任一项所述方法的步骤。
依据本申请第四方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一项所述的方法的步骤。
借由上述技术方案,本申请提供的一种城市内涝风险评估方法、装置、计算机设备及存储介质,本申请首先获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型。随后,将二维测绘数据中的正射影像数据与点云数据叠加,得到多源融合数据,并基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型。进一步地,利用基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图。最后,按照径流路线图中每个栅格的径流量,结合高精度数字高程模型,对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。在本申请实施例中,通过精细化、规范化、定制化的高精度数字高程模型以及下垫面数据产品,可大幅提升城市的暴雨径流模拟精度,从而更准确地预测城市内涝风险,进而制定出有效的治理方案和措施,提高治理效果,并在一定程度上减少因内涝造成的经济损失。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本申请实施例提供的一种城市内涝风险评估方法流程示意图;
图2A示出了本申请实施例提供的一种城市内涝风险评估方法流程示意图;
图2B示出了本申请实施例提供的一种城市内涝风险评估方法的数字高程示意图;
图2C示出了本申请实施例提供的一种城市内涝风险评估方法的地形阻水细节示意图;
图2D示出了本申请实施例提供的一种城市内涝风险评估方法的降雨序列示意图;
图2E示出了本申请实施例提供的一种城市内涝风险评估方法的径流路线示意图;
图2F示出了本申请实施例提供的一种城市内涝风险评估方法的流程示意图;
图3示出了本申请实施例提供的一种城市内涝风险评估装置的结构示意图;
图4示出了本申请实施例提供的一种计算机设备的装置结构示意图。
具体实施方式
下面将参照附图更详细地描述本申请的示例性实施例。虽然附图中显示了本申请的示例性实施例,然而应当理解,可以以各种形式实现本申请而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本申请,并且能够将本申请的范围完整的传达给本领域的技术人员。
城市内涝严重影响人民群众的生产生活,甚至危及到了人民生命财产安全,也是影响城市安全发展的重要制约因素。治理城市内涝是将生态和安全放在更加突出位置的具体举措。在这样的背景下,合理确定城市内涝防治径流量规模,就成为影响排水防涝方案制定、体系布局及工程投资的重要因素。目前城市暴雨内涝风险评估多基于常规的测绘数字高程模型进行分析,然而常规的测绘数字高程模型普遍无法科学、真实地反映城市地表微地形和类型特征,从而难以为洪涝模拟与推演提供支撑,导致暴雨径流模拟精度低、内涝风险评估准确率低。亟需探索一种综合性内涝评估方法,以更准确地评估城市内涝的风险程度。因此,本申请提供了一种城市内涝风险评估方法,首先获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型。随后,将二维测绘数据中的正射影像数据与点云数据叠加,得到多源融合数据,并基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型。进一步地,利用基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图。最后,按照径流路线图中每个栅格的径流量,结合高精度数字高程模型,对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。在本申请实施例中,通过精细化、规范化、定制化的高精度数字高程模型以及下垫面数据产品,可大幅提升城市的暴雨径流模拟精度,从而更准确地预测城市内涝风险,进而制定出有效的治理方案和措施,提高治理效果,并在一定程度上减少因内涝造成的经济损失。
本申请实施例提供了一种城市内涝风险评估方法,如图1所示,该方法包括:
101、获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型。
其中,点云数据可以是通过LiDAR扫描获取的激光点云数据,也可以是通过立体摄影等方法获得的点云数据。进一步地,对获取的点云数据进行处理,包括预处理、数据分块、噪声点滤除、航带重叠区处理、自动滤波、人工分类、特征线采集、构TIN网、数据内插、接边处理等步骤。对点云数据进行插值以生成平滑的高程模型。最后,将点云数据映射到栅格网格中,并根据每个栅格单元中的点的数值进行计算,生成高精度数字高程模型。
102、将二维测绘数据中的正射影像数据与点云数据叠加,得到多源融合数据,并基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型。
在本申请实施例中,正射影像数据和点云数据来自不同的数据源,因此需要进行校准,以确保它们在同一地理坐标系统下对齐。通过将点云数据投影到影像平面上实现将正射影像数据与点云数据叠加,得到多源融合数据。进一步地,可以通过图像处理和分析技术来对多源融合数据进行识别,确定城市内感兴趣区域的地形阻水细节。例如,可以使用阈值分割、边缘检测等技术来提取水体和地形特征。最终,将地形阻水细节整合到高精度数字高程模型中,得到目标模型。
103、利用基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图。
获取降雨数据,包括降雨量、时空分布等信息。收集关于排水管网的信息,包括管道拓扑结构、管径、流量等。获取影响目标区域的边界数据,如河流、湖泊等。获得下垫面数据,如土壤类型、覆盖类型等。根据收集到的数据,设置模型参数,目标模型会根据降雨量、地形、土壤条件等参考,计算出径流过程。模拟完成后,根据模型的输出结果,可以生成径流路线图。径流路线图显示了径流水流的形成和流动路径,可以帮助分析和评估暴雨事件对排水系统的影响。
104、按照径流路线图中每个栅格的径流量,结合高精度数字高程模型,对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。
在本申请实施例中,根据模拟得到的径流路线图,提取每个栅格的径流量数据。对径流量数据进行分层设色。可以使用不同颜色表示不同的径流量区间,例如,使用绿色表示低径流量,黄色表示中等径流量,红色表示高径流量。将分层设色后的径流量图像与原始底图叠加。原始底图可以是高精度数字高程模型。根据设色后的图像,可以直观地评估不同区域的内涝风险。高径流量区域往往表示排水系统可能不足,容易造成积水和内涝。
本实施例提供的城市内涝风险评估方法,首先获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型。随后,将二维测绘数据中的正射影像数据与点云数据叠加,得到多源融合数据,并基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型。进一步地,利用基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图。最后,按照径流路线图中每个栅格的径流量,结合高精度数字高程模型,对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。在本申请实施例中,通过精细化、规范化、定制化的高精度数字高程模型以及下垫面数据产品,可大幅提升城市的暴雨径流模拟精度,从而更准确地预测城市内涝风险,进而制定出有效的治理方案和措施,提高治理效果,并在一定程度上减少因内涝造成的经济损失。
进一步的,作为上述实施例具体实施方式的细化和扩展,为了完整说明本实施例的实施过程,本申请实施例提供了一种城市内涝风险评估方法,如图2A所示,该方法包括:
201、确定城市内感兴趣区域。
在本申请实施例中,首先利用摄影测量方法,获取包含城市内感兴趣区域的正射影像图。具体地,通过遥感技术,包括卫星遥感和航空摄影,拍摄目标地区的影像,这些影像可以提供关于地表特征的详细视觉信息。用于制作正射影像图的过程称为正射校正,它将原始影像转换为地图投影,消除由地形起伏和相机倾斜造成的变形,保证了影像尺寸与真实地面距离成正比。例如,原始影像上的建筑物顶部与基底之间存在偏差,正射校正将消除这种偏差,使得图像的所有点都好像是从垂直视角观察的。在正射影像图中,研究人员可以准确选取特定的地理位置作为分析的重点区域,例如,选取某个下凹桥易涝点位作为城市内感兴趣区域。针对所选取的城市内感兴趣区域,可以进一步进行数据分析,如利用水文模型、地形分析和历史洪水数据等来评估该下凹桥处的潜在涝情风险,或者制定防洪措施方案。
202、获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型。
在本申请实施例中,利用地理信息系统软件,根据城市内感兴趣区域的边界提取对应的正射影像图,确保影像与城市内感兴趣区域完整对应,将正射影像图与城市内感兴趣区域关联后得到基础数据。同时或先后利用航空摄影测量技术,通过激光点云获取设备对城市内感兴趣区域进行扫描,采集点云数据,再将点云数据与城市内感兴趣区域进行关联后将其更新基础数据。以及获取目标地区的总体降雨资料、总体排水管网资料、总体边界数据和总体下垫面数据,在总体降雨资料、总体排水管网资料、总体边界数据和总体下垫面数据中提取城市内感兴趣区域内的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据,将目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据与城市内感兴趣区域关联后更新基础数据。需要说明的是,降雨资料资料包括两种,一种是当地以往的真实降雨数据,另一种是根据分析需求通过某种雨型生成所需的降雨序列。排水管网资料是城市区域建模的基本的资料,包括:排水管段、节点、泵站和明渠及相关的属性参数等,主要有管道长度、管径、水流方向、管道标高、雨水井深度等此类参数。此外还包含一些经验参数,如:曼宁系数、初始流量、最大流量等参数。边界数据为雨水排水出口数据,若缺失可视为自由出流。下垫面数据一般指建模参数计算所需的数据,包括研究区域的覆盖类型、地物类型、土壤质地等。
进一步地,对获取的点云数据进行处理,包括预处理、数据分块、噪声点滤除、航带重叠区处理、自动滤波、人工分类、特征线采集、构TIN网、数据内插、接边处理等步骤。之后对点云数据进行插值以生成平滑的高程模型。最后,将点云数据映射到栅格网格中,并根据每个栅格单元中每个点的数值进行计算,生成如图2B所示的高精度数字高程模型。
203、将二维测绘数据中的正射影像数据与点云数据叠加,得到多源融合数据。
在本申请实施例中,首先需要在二维测绘数据、三维测绘数据中分别读取点云数据和正射影像数据。其中,点云数据用于描述高程信息,正射影像数据用于描述地表纹理信息。接下来,利用地面控制点或全球导航卫星系统数据对点云数据进行坐标转换,得到配准的点云数据,并采用配准的点云数据对正射影像数据进行像素校正,以使点云数据和正射影像数据具备相同的地理空间参考框架从而减少空间偏差,提高地图的准确性。最终,将配准的点云数据投影到校正后的正射影像数据上实现将正射影像数据与点云数据叠加,得到多源融合数据,多源融合数据中的每个像素同时包含高程信息和地表纹理信息。将高程信息(点云数据提供)和地表纹理信息(正射影像提供)结合在一起,可以获得更完整和详细的地理信息表征,增强了地图内容的丰富度和可用性。
204、基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型。
在本申请实施例中,首先识别多源融合数据,从融合数据中提取关键的地理特征。具体地,提取河流边界线、道路线、坡坎和建筑物轮廓线为特征线,提取高地位置点以及低地位置点为特征点,高地和低地位置的特征点有助于定义地形高差和识别潜在的积水区。接下来,利用三角网生成算法,将特征线和特征点作为约束条件,生成三角形网络,并根据三角形网络中每个三角形的地形高差、特征点位置信息和特征线位置信息,确定三角形对应的地形属性,地形属性用于反映实际地形特征,包括坡度、曲率、凹凸度和相对高度。再根据三角形的地形高差确定阻水线和阻水点的位置,将阻水线和阻水点添加至三角形网络,得到如图C所示的地形阻水细节,以模拟实际地形中的水流阻隔效应。最终通过空间叠加的方式将阻水细节数据融合到高精度数字高程模型上,确定阻水细节中每个三角形在高精度数字高程模型中对应的位置区域,根据每个三角形定义的地形属性、阻水线的位置和阻水点的位置,增加或降低位置区域内的高程值,得到融合阻水细节的目标模型。本申请实施例提供的目标模型能够较真实地模拟水流在地形上的分布与流动,尤其是在有河流、道路、坡坎和建筑物等地理特征的地区。进而能够在洪水风险分析中,精确的地形模型能够帮助预测洪水分布,辨识潜在的高风险区域。
205、利用基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图。
在本申请实施例中,需要根据目标降雨资料,确定城市内感兴趣区域在每一时刻的降水量,得到如图2D所示的降雨序列图,这是模拟特定区域在不同时间点的降水量的基础,进而根据每一时刻的降水量设置目标模型的降水参数。与此同时,根据目标排水管网资料,确定城市内感兴趣区域在每一时刻的排水量,并根据每一时刻的排水量设置目标模型的排水参数。需要说明的是,城市内感兴趣区域包括至少一个子汇水区域,子汇水区是地表径流流向排水口的过程中所经过的区域,划分方法可根据需求差异及模拟区域情况进行选择常见划分方法可分为根据街道走向人工划分、结合地形划分、基于泰森多边形划分等。从测绘行业角度出发,通常可借助测绘数字化产品的优势,采用人机交互方式,结合模拟区域范围、排水管网资料等关键信息,精确划分子汇水区划。该方法可以利用数字化产品的精度优势,减少不可控因素对子汇水区划分的影响,提高区域划分的准确性和合理性。对于城市内感兴趣区域包含的至少一个子汇水区域,需要计算每个子汇水区域对应的地表径流进行聚合,得到城市内感兴趣区域对应的地表径流,具体地,地表径流一般用非线性水库方法计算,该方程组是通过结合曼宁方程和连续性方程完成,需要使用降水量、入渗水量、和最大洼地蓄水量进行计算,其中最大洼地存储量,包括洼地停滞量和植被保留量,代表最大的水库容量。只有当蓄水深度超过最大洼地蓄水深度时才会出现地表径流。目标模型根据每个子汇水区域的地形属性确定曼宁系数,根据子汇水区域内每个位置的高程值确定子汇水区域的地形坡度和最大洼地蓄水深度。
具体计算地表径流的公式如下述公式1所示:
公式1:
其中,V是子汇水区域的总蓄水量;A是每个子汇水区域的区域面积;t为时间(s);d为水深(m);i*为净雨量(m);Q为径流量(m3)。
径流量采用如下述公式2所示的曼宁公式进行计算:
公式2:
其中,W为子汇水区宽度(m);n为子汇水区曼宁系数;S为地形坡度;dS为最大洼地蓄水深度。进一步地,根据城市内感兴趣区域对应的地表径流设置目标模型的地表径流参数。
接下来,采用预设的下渗水量计算模型计算城市内感兴趣区域的每个子汇水区域在每一时刻的的下渗水量,并根据下渗水量设置目标模型的下渗水量参数。具体地,下渗水量计算模型包括三个方程,下面对三个方程进行描述:
1、Horton方程
该方法是通过总结降雨过程中下渗速率变化规律得出的方程,其参数设置具有广泛的灵活性,一般能与实际观测资料配合较好,但公式参数设置通常依赖研究人员的经验,且该方法适用于降雨强度超过入渗强度的情况。本方法需要的输入参数包括最大、最小渗入速率、衰减系数以及排干时间。其公式如下:
fp=f∞+(f0-f∞)e-kt
式中fp是指土壤的入渗能力(mm/min);f0是初始下渗率;f∞是稳定下渗率(mm/min);k是指衰减系数(s-1h-1);t是降雨时间(min)。
2、Green—Ampt方程
该方法是具有明确物理意义的下渗模型,便于建立其特征参数与下垫面物理特征之间的关系,具有良好的扩展性和可信度。该方法首先假设土壤层中存在一个湿润锋,能够将初始含水量的土壤与上层饱和土壤分离。需要的输入参数有吸入水头、初始亏损和导水率。其公式如下:
式中:F为降雨累积下渗量;Sw为湿润地面上的土壤吸水能力;ks为饱和水力传导率;i为降雨强度;θi为初始体积含水量;θs为饱和时体积含水量。
3、SCS-CN方程
该方法基于SCS曲线方法拓展而来,是适用于小流域径流模拟的水文模型,其原理是假设发生降雨事件过程中,下渗速度与降水和持水数值成反比。该方法的输入参数入渗量和土壤排干时间等。其公式如下:
式中:Iα为初始损失;P为累积雨量;PE为积累的有效积雨量;S为潜在最大洼地蓄水量。
在设定好模型参数后,目标模型按照模型参数进行暴雨模拟,形成如图2E所示的径流路线图。通过整个流程,模型可以模拟出降雨的累积效应、地表的径流过程以及随后的排水过程,进而便于后续利用这些信息来预测洪水发生的可能性、辨识易涝区域、优化现有的排水系统,以及制定有效的洪水防范策略,从而保护人民生命财产安全和维护环境稳定。
206、按照径流路线图中每个栅格的径流量,结合高精度数字高程模型,对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。
在本申请实施例中,为增强模型计算结果的可读性,借助可视化软件反演得出相应情景下淹没区情况,具体地,根据模拟得到的径流路线图,提取每个栅格的径流量数据。对径流量数据进行分层设色。可以使用不同颜色表示不同的径流量区间,例如,使用绿色表示低径流量,黄色表示中等径流量,红色表示高径流量。将分层设色后的径流量图像与原始底图叠加。原始底图可以是目标区域的地图或卫星影像。设色后的图像即可视化的内涝风险评估图像,可以直观地评估不同区域的内涝风险。具体来说高径流量区域往往表示排水系统可能不足,容易造成积水和内涝。例如,具体如图2F所示的下凹桥区域的内涝风险评估图像,明显可知该下凹桥区域存在严重积水情况(黑色),应被市政相关部门列为重点关注对象,后续应通过相关规划手段,如:解决低水区收水能力不足问题、采用较为先进的技术与模型进行科学规划等手段,对其汇排水能力进行提升。河道本身属于汇水区域,因此也显示为严重积水情况(黑色),属于正常情况。下凹桥周边随着地势升高而逐渐趋于良好的状态,硬化地表明显不存在积水问题。根据以上实验结果可知,本发明可有效降低变异系数的误差系数,并提升淹没范围精度。暴雨洪涝发生后,实验区淹没范围呈现“由外向内、自南向北”的扩散趋势,其中下凹桥所处区域表现为高风险,其周边建筑群间隔区域表现为中风险,植被、硬化地表则表现为低风险,此结果符合实际情况。基于实验结果可更准确地预测城市暴雨内涝风险,进而制定出有效的治理方案和措施,提高城市治理效果。
本申请实施例提供的方法,首先获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型。随后,将基础数据中的正射影像数据与点云数据叠加,得到多源融合数据,并基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型。进一步地,利用基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图。最后,按照径流路线图中每个栅格的径流量,结合高精度数字高程模型,对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。在本申请实施例中,通过精细化、规范化、定制化的高精度数字高程模型以及下垫面数据产品,可大幅提升城市的暴雨径流模拟精度,从而更准确地预测城市内涝风险,进而制定出有效的治理方案和措施,提高治理效果,并在一定程度上减少因内涝造成的经济损失。
进一步地,作为图1所述方法的具体实现,本申请实施例提供了一种城市内涝风险评估装置,如图3所示,所述装置包括:获取模块301、确定模块302、设置模块303、可视化模块304。
获取模块301,用于获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用所述三维测绘数据中的点云数据制作高精度数字高程模型;
确定模块302,用于将所述二维测绘数据中的正射影像数据与所述点云数据叠加,得到多源融合数据,并基于所述多源融合数据,结合人机交互方式确定所述城市内感兴趣区域的地形阻水细节,将所述地形阻水细节整合至所述高精度数字高程模型,得到目标模型;
设置模块303,用于利用所述基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置所述目标模型的模型参数,以使所述目标模型按照所述模型参数进行暴雨模拟,形成径流路线图;
可视化模块304,用于按照所述径流路线图中每个栅格的径流量,结合所述高精度数字高程模型,对所述径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。
在具体的实施场景中,所述装置还包括:拍摄模块305、选取模块306
拍摄模块305,用于利用摄影测量方法拍摄目标地区的影像,得到区域正射影像图,所述目标地区包括所述城市内感兴趣区域;
选取模块306,用于在所述区域正射影像图中选取城市内感兴趣区域。
在具体的实施场景中,该获取模块301,用于在所述区域正射影像图中截取所述城市内感兴趣区域对应的正射影像图,将所述正射影像图与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的二维测绘数据;利用航空摄影测量技术,通过激光点云获取设备对所述城市内感兴趣区域进行扫描,收集所述点云数据,将所述点云数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的三维测绘数据:获取所述目标地区的总体降雨资料、总体排水管网资料、总体边界数据和总体下垫面数据,在所述总体降雨资料、所述总体排水管网资料、所述总体边界数据和所述总体下垫面数据中提取所述城市内感兴趣区域内的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据,将目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的基础数据。
在具体的实施场景中,该确定模块302,用于读取所述点云数据和所述正射影像数据,所述点云数据用于描述高程信息,所述正射影像数据用于描述地表纹理信息;利用地面控制点或全球导航卫星系统数据对所述点云数据进行坐标转换,得到配准的点云数据,并采用配准的点云数据对所述正射影像数据进行像素校正,以使所述点云数据和所述正射影像数据具备相同的地理空间参考框架;将配准的点云数据和校正后的正射影像数据进行叠加,得到所述多源融合数据,所述多源融合数据中的每个像素同时包含高程信息和地表纹理信息;识别所述多源融合数据,提取河流边界线、道路线、坡坎和建筑物轮廓线为特征线,提取高地位置点以及低地位置点为特征点;利用三角网生成算法,将所述特征线和所述特征点作为约束条件,生成三角形网络,并根据所述三角形网络中每个三角形的地形高差、特征点位置信息和特征线位置信息,确定所述三角形对应的地形属性,以及根据所述三角形的地形高差确定阻水线和阻水点的位置,将所述阻水线和所述阻水点添加至所述三角形网络,得到所述地形阻水细节,所述地形属性用于反映实际地形特征,包括坡度、曲率、凹凸度和相对高度。
在具体的实施场景中,该确定模块302,用于通过空间叠加的方式将阻水细节数据融合到所述高精度数字高程模型上,确定所述阻水细节中每个三角形在所述高精度数字高程模型中对应的位置区域,根据每个三角形定义的地形属性、阻水线的位置和阻水点的位置,增加或降低所述位置区域内的高程值,得到融合阻水细节的目标模型。
在具体的实施场景中,该设置模块303,用于根据所述目标降雨资料,确定所述城市内感兴趣区域在每一时刻的降水量,并根据每一时刻的降水量设置所述目标模型的降水参数;根据所述目标排水管网资料,确定所述城市内感兴趣区域在每一时刻的排水量,并根据每一时刻的排水量设置所述目标模型的排水参数;对于所述城市内感兴趣区域包含的至少一个子汇水区域,计算每个所述子汇水区域对应的地表径流进行聚合,得到所述城市内感兴趣区域对应的地表径流,并根据所述城市内感兴趣区域对应的地表径流设置所述目标模型的地表径流参数;采用预设的下渗水量计算模型计算所述城市内感兴趣区域的每个子汇水区域在每一时刻的的下渗水量,并根据所述下渗水量设置所述目标模型的下渗水量参数。
在具体的实施场景中,该设置模块303,用于所述目标模型根据每个所述子汇水区域的地形属性确定曼宁系数,根据所述子汇水区域内每个位置的高程值确定所述子汇水区域的地形坡度和最大洼地蓄水深度;采用下述方程式,对所述曼宁系数n、所述子汇水区域的区域宽度W、所述地形坡度S和最大洼地蓄水深度dS进行计算,得到每个子汇水区域的径流量Q;
根据所述城市内感兴趣区域在每一时刻的降水量i*、每个所述子汇水区域的区域面积A、所述子汇水区域的总蓄水量V、所述子汇水区域水深d和对应的径流量Q,采用下述方程式计算每个子汇水区域在每一时刻的地表径流;
本申请实施例提供的装置,可以首先获取城市内感兴趣区域的二三维测绘数据和基础数据,利用三维测绘数据中的点云数据制作高精度数字高程模型。随后,将基础数据中的正射影像数据与点云数据叠加,得到多源融合数据,并基于多源融合数据,确定城市内感兴趣区域的地形阻水细节,将地形阻水细节整合至高精度数字高程模型,得到目标模型。进一步地,利用基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置目标模型的模型参数,以使目标模型按照模型参数进行暴雨模拟,形成径流路线图。最后,按照径流路线图中每个栅格的径流量,结合高精度数字高程模型,对径流路线图进行分层设色,可视化后得到感兴趣区域的内涝风险评估图像。在本申请实施例中,通过精细化、规范化、定制化的高精度数字高程模型以及下垫面数据产品,可大幅提升城市的暴雨径流模拟精度,从而更准确地预测城市内涝风险,进而制定出有效的治理方案和措施,提高治理效果,并在一定程度上减少因内涝造成的经济损失。
需要说明的是,本申请实施例提供的一种城市内涝风险评估装置所涉及各功能单元的其他相应描述,可以参考图1和图2A至图2F中的对应描述,在此不再赘述。
基于上述如图1、图2A至图2F所示方法,相应的,本实施例还提供了一种存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述的城市内涝风险评估方法的步骤。
基于这样的理解,本申请的技术方案可以以软件产品的形式体现出来,该待识别软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施场景所述的方法。
基于上述如图1、图2A至图2F所示的方法,以及图3所示的城市内涝风险评估装置实施例,为了实现上述目的,在示例性实施例中,参见图4,还提供了一种设备,该设备包括通信总线、处理器、存储器和通信接口,还可以包括输入输出接口和显示设备,其中,各个功能单元之间可以通过总线完成相互间的通信。该存储器存储有计算机程序,处理器,用于执行存储器上所存放的程序,执行上述实施例中的城市内涝风险评估方法。
可选的,该实体设备还可以包括用户接口、网络接口、摄像头、射频(RadioFrequency,RF)电路,传感器、音频电路、WI-FI模块等等。用户接口可以包括显示屏(Display)、输入单元比如键盘(Keyboard)等,可选用户接口还可以包括USB接口、读卡器接口等。网络接口可选的可以包括标准的有线接口、无线接口(如WI-FI接口)等。
存储介质中还可以包括操作系统、网络通信模块。操作系统是管理上述实体设备硬件和待识别软件资源的程序,支持信息处理程序以及其它待识别软件和/或程序的运行。网络通信模块用于实现存储介质内部各组件之间的通信,以及与信息处理实体设备中其它硬件和软件之间通信。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到本申请可以借助软件加必要的通用硬件平台的方式来实现,也可以通过硬件实现。
本领域技术人员可以理解附图只是一个优选实施场景的示意图,附图中的模块或流程并不一定是实施本申请所必须的。
本领域技术人员可以理解实施场景中的装置中的模块可以按照实施场景描述进行分布于实施场景的装置中,也可以进行相应变化位于不同于本实施场景的一个或多个装置中。上述实施场景的模块可以合并为一个模块,也可以进一步拆分成多个子模块。
上述本申请序号仅仅为了描述,不代表实施场景的优劣。
以上公开的仅为本申请的几个具体实施场景,但是,本申请并非局限于此,任何本领域的技术人员能思之的变化都应落入本申请的保护范围。
Claims (10)
1.一种城市内涝风险评估方法,其特征在于,包括:
获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用所述三维测绘数据中的点云数据制作高精度数字高程模型;
将所述二维测绘数据中的正射影像数据与所述点云数据叠加,得到多源融合数据,并基于所述多源融合数据,结合人机交互方式确定所述城市内感兴趣区域的地形阻水细节,将所述地形阻水细节整合至所述高精度数字高程模型,得到目标模型;
利用所述基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置所述目标模型的模型参数,以使所述目标模型按照所述模型参数进行暴雨模拟,形成径流路线图;
按照所述径流路线图中每个栅格的径流量,结合所述高精度数字高程模型,对所述径流路线图进行分层设色,可视化后得到所述城市内感兴趣区域的内涝风险评估图像。
2.根据权利要求1所述的方法,其特征在于,所述获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据之前,所述方法还包括:
利用摄影测量方法拍摄目标地区的影像,得到区域正射影像图,所述目标地区包括所述城市内感兴趣区域;
在所述区域正射影像图中选取城市内感兴趣区域。
3.根据权利要求1-2中任一项所述的方法,其特征在于,所述获取城市内二维测绘数据、三维测绘数据和基础数据,包括:
在所述区域正射影像图中截取所述城市内感兴趣区域对应的正射影像图,将所述正射影像图与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的二维测绘数据;
利用航空摄影测量技术,通过激光点云获取设备对所述城市内感兴趣区域进行扫描,收集所述点云数据,将所述点云数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的三维测绘数据:
获取所述目标地区的总体降雨资料、总体排水管网资料、总体边界数据和总体下垫面数据,在所述总体降雨资料、所述总体排水管网资料、所述总体边界数据和所述总体下垫面数据中提取所述城市内感兴趣区域内的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据,将目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据与所述城市内感兴趣区域关联后得到所述城市内感兴趣区域的基础数据。
4.根据权利要求1所述的方法,其特征在于,所述确定所述城市内感兴趣区域的地形阻水细节,包括:
读取所述点云数据和所述正射影像数据,所述点云数据用于描述高程信息,所述正射影像数据用于描述地表纹理信息;
利用地面控制点或全球导航卫星系统数据对所述点云数据进行坐标转换,得到配准的点云数据,并采用配准的点云数据对所述正射影像数据进行像素校正,以使所述点云数据和所述正射影像数据具备相同的地理空间参考框架;
将配准的点云数据和校正后的正射影像数据进行叠加,得到所述多源融合数据,所述多源融合数据中的每个像素同时包含高程信息和地表纹理信息;
识别所述多源融合数据,提取河流边界线、道路线、坡坎和建筑物轮廓线为特征线,提取高地位置点以及低地位置点为特征点;
利用三角网生成算法,将所述特征线和所述特征点作为约束条件,生成三角形网络,并根据所述三角形网络中每个三角形的地形高差、特征点位置信息和特征线位置信息,确定所述三角形对应的地形属性,以及根据所述三角形的地形高差确定阻水线和阻水点的位置,将所述阻水线和所述阻水点添加至所述三角形网络,得到所述地形阻水细节,所述地形属性用于反映实际地形特征,包括坡度、曲率、凹凸度和相对高度。
5.根据权利要求4所述的方法,其特征在于,所述将所述阻水细节整合至所述高精度数字高程模型,得到融合阻水细节的目标模型,包括:
通过空间叠加的方式将阻水细节数据融合到所述高精度数字高程模型上,确定所述阻水细节中每个三角形在所述高精度数字高程模型中对应的位置区域,根据每个三角形定义的地形属性、阻水线的位置和阻水点的位置,增加或降低所述位置区域内的高程值,得到融合阻水细节的目标模型。
6.根据权利要求1所述的方法,其特征在于,所述利用所述基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置所述目标模型的模型参数,包括:
根据所述目标降雨资料,确定所述城市内感兴趣区域在每一时刻的降水量,并根据每一时刻的降水量设置所述目标模型的降水参数;
根据所述目标排水管网资料,确定所述城市内感兴趣区域在每一时刻的排水量,并根据每一时刻的排水量设置所述目标模型的排水参数;
对于所述城市内感兴趣区域包含的至少一个子汇水区域,计算每个所述子汇水区域对应的地表径流进行聚合,得到所述城市内感兴趣区域对应的地表径流,并根据所述城市内感兴趣区域对应的地表径流设置所述目标模型的地表径流参数;
采用预设的下渗水量计算模型计算所述城市内感兴趣区域的每个子汇水区域在每一时刻的的下渗水量,并根据所述下渗水量设置所述目标模型的下渗水量参数。
7.根据权利要求6所述的方法,其特征在于,所述计算每个所述子汇水区域对应的地表径流,包括:
所述目标模型根据每个所述子汇水区域的地形属性确定曼宁系数,根据所述子汇水区域内每个位置的高程值确定所述子汇水区域的地形坡度和最大洼地蓄水深度;
采用下述方程式,对所述曼宁系数n、所述子汇水区域的区域宽度W、所述地形坡度S和最大洼地蓄水深度dS进行计算,得到每个子汇水区域的径流量Q;
根据所述城市内感兴趣区域在每一时刻的降水量i*、每个所述子汇水区域的区域面积A、所述子汇水区域的总蓄水量V、所述子汇水区域水深d和对应的径流量Q,采用下述方程式计算每个子汇水区域在每一时刻的地表径流;
8.一种城市内涝风险评估装置,其特征在于,包括:
获取模块,用于获取城市内感兴趣区域的二维测绘数据、三维测绘数据和基础数据,利用所述三维测绘数据中的点云数据制作高精度数字高程模型;
确定模块,用于将所述二维测绘数据中的正射影像数据与所述点云数据叠加,得到多源融合数据,并基于所述多源融合数据,结合人机交互方式确定所述城市内感兴趣区域的地形阻水细节,将所述地形阻水细节整合至所述高精度数字高程模型,得到目标模型;
设置模块,用于利用所述基础数据中的目标降雨资料、目标排水管网资料、目标边界数据和目标下垫面数据设置所述目标模型的模型参数,以使所述目标模型按照所述模型参数进行暴雨模拟,形成径流路线图;
可视化模块,用于按照所述径流路线图中每个栅格的径流量,结合所述高精度数字高程模型,对所述径流路线图进行分层设色,可视化后得到所述城市内感兴趣区域的内涝风险评估图像。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311807247.XA CN117974389A (zh) | 2023-12-26 | 2023-12-26 | 城市内涝风险评估方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311807247.XA CN117974389A (zh) | 2023-12-26 | 2023-12-26 | 城市内涝风险评估方法、装置、计算机设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117974389A true CN117974389A (zh) | 2024-05-03 |
Family
ID=90862180
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311807247.XA Pending CN117974389A (zh) | 2023-12-26 | 2023-12-26 | 城市内涝风险评估方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117974389A (zh) |
-
2023
- 2023-12-26 CN CN202311807247.XA patent/CN117974389A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106884405B (zh) | 一种无资料地区溃堤型山洪灾害分析评价方法 | |
Gül et al. | A combined hydrologic and hydraulic modeling approach for testing efficiency of structural flood control measures | |
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 | |
CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
JPWO2017047061A1 (ja) | 災害予測システム、水分量予測装置、災害予測方法およびプログラム記録媒体 | |
CN115391712A (zh) | 一种城市洪涝风险预测方法 | |
JP2008050903A (ja) | 洪水予測方法および洪水予測システム | |
Ahmad et al. | Hydrological modelling and flood hazard mapping of Nullah Lai | |
JP2007011582A (ja) | 洪水予測システム | |
Kabiri et al. | Comparison of SCS and Green-Ampt methods in surface runoff-flooding simulation for Klang Watershed in Malaysia | |
CN112097851B (zh) | 一种易涝点涝情检测方法及内涝预测方法 | |
CN107609715B (zh) | 一种基于暴雨特征山洪临界雨量计算方法 | |
CN111475950A (zh) | 一种下凹式立交桥下雨洪的模拟方法 | |
Chen et al. | Three-dimensional simulation of regional urban waterlogging based on high-precision DEM model | |
Twohig et al. | Can green roofs help with stormwater floods? A geospatial planning approach | |
CN114528672A (zh) | 基于3s技术的城市水文站网布设方法及系统 | |
Abdullah et al. | LiDAR filtering algorithms for urban flood application: Review on current algorithms and filters test | |
Wang et al. | Modelling detention basins measured from high‐resolution light detection and ranging data | |
Wimmer et al. | Processing of nationwide topographic data for ensuring consistent river network representation | |
CN115661330A (zh) | 一种基于数字孪生的下沉广场积水计算方法及装置 | |
CN116523189A (zh) | 一种考虑水文特征的墒情站点规划方法、装置及存储介质 | |
CN117974389A (zh) | 城市内涝风险评估方法、装置、计算机设备及存储介质 | |
Meneses et al. | Identification and Quantification of Surface Depressions on Grassy Land Surfaces of Different Topographic Attributes Using High-Resolution Terrestrial Laser Scanning Point Cloud and Triangulated Irregular Network | |
Ehiorobo et al. | Measurements and Documentation for Flood and Erosion Monitoring and Control in the Niger Delta States of Nigeria |
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 |