一种基于时空特征的洪涝事件及风险识别方法与系统与流程

1.本发明涉及洪涝识别领域，具体涉及一种基于时空特征的洪涝事件及风险识别方法与系统。


背景技术：

2.洪涝灾害是指因降雨、融雪、冰凌、溃坝、风暴潮、热带气旋等造成的江河洪水、渍涝、山洪、滑坡和泥石流等，以及由其引发的次生灾害。洪涝灾害按场次划分可分为特别重大洪涝、重大洪涝灾害、较大洪涝灾害和一般洪涝灾害。洪涝灾害由于具有影响范围广、持续时间长、破坏程度深、经济损失大等特点，所以易对人民的生命财产、社会的经济发展和稳定造成严重威胁。因此，在洪涝灾害发生后，如何快速有效全面地评估洪涝灾害造成的包括涉及人口、工业。农业、交通等方面的影响和损失，具有重要的作用和意义。一方面可以帮助救援队伍科学高效得开展应急救援工作，另一方面政府部门可以基于更加全面的数据资料对洪涝灾害即将造成的风险进行科学的灾害风险管理，二者均对减少灾害造成的损失具有重要的现实意义。


技术实现要素：

3.针对现有技术中的上述不足，本发明提供的一种基于时空特征的洪涝事件及风险识别方法与系统提供了一种快速识别洪涝事件及风险的方法与系统，帮助相关人员高效地进行救援。
4.为了达到上述发明目的，本发明采用的技术方案为：
5.提供一种基于时空特征的洪涝事件及风险识别方法，其包括以下步骤：
6.s1、构建洪涝灾害历史数据库；数据包括场次洪涝灾害等级、淹没历时、淹没范围和评估指标；评估指标包括基本指标和扩展指标，基本指标包括死亡人口、受灾人口、农作物受灾面积、倒塌房屋、直接经济损失、水利设施损失占直接经济损失的比例；扩展指标包括骨干交通中断历时、城市受淹历时、生命线工程中断历时；生命线工程包括水、电、气和通信工程；场次洪涝灾害等级为四类：特别重大洪涝灾害、重大洪涝灾害、较大洪涝灾害和一般洪涝灾害；
7.s2、将相同等级的不同时期不同事件的洪涝灾害作为一个集合，计算每个洪涝灾害对应的特征值；特征值包括每个基本指标和扩展指标的最大值、最小值、中位数和平均值；
8.s3、将评估指标
‑
特征值
‑
场次洪涝灾害等级构成风险识别矩阵；
9.s4、根据遥感影像数据，采用归一化水体指数对当前洪水淹没范围进行提取，确定淹没范围；
10.s5、根据不同时间多时相的遥感影像数据，确定洪水淹没范围内不同时段、不同区域的淹没历时数据；
11.s6、获取承灾体指数，通过承灾体指数确定承灾体的空间分布；承灾体包括人口密
度、人工地表、道路和农用地；
12.s7、根据淹没范围、淹没历时和承灾体的空间分布，通过自然断点法获取当前灾害等级，完成洪涝事件识别；
13.s8、将当前灾害等级映射至风险识别矩阵中，获取当前灾害评估指标的特征值，根据当前灾害评估指标的特征值进行风险识别。
14.进一步地，步骤s5的具体方法为：
15.选取洪水淹没发生前相关区域的遥感影像作为灾前基准影像，每隔一至两天选取相关区域的遥感影像数据，采用归一化水体指数对当前洪水淹没范围进行提取，得到洪水淹没范围内不同时段、不同区域的淹没历时数据。
16.进一步地，步骤s6的具体方法包括以下子步骤：
17.s6
‑
1、将淹没范围划分为n个灾情点，获取每个灾情点的人口密度数据，对n个灾情点的人口密度数据进行归一化，得到人口密度栅格数据值；
18.s6
‑
2、采用层次分析法对不同的道路类型进行量化，获取道路数据值；道路类型包括铁路、高速公路、干道和其他道路；
19.s6
‑
3、将人工地表中的建筑物建成区的量化数值取值为1，非建筑物建成区的量化数值取值为0，得到人工地表数据值；
20.s6
‑
4、将农用地的量化数值取值为1，非农用地的量化数值取值为0，得到农用地数据值；
21.s6
‑
5、分别为人口密度栅格数据值、道路数据值、人工地表数据值和农用地数据值分配权重；
22.s6
‑
6、根据公式：
[0023][0024]
获取第i个灾情点的承灾体指数其中m表示承灾体数量，m＝4；j表示第j类承灾体；为第j类承灾体的数据值；为第j类承灾体的权重；
[0025]
s6
‑
7、将各灾情点计算得到的承灾体指数通过自然断点法绘制在对应区域即得到承灾体的空间分布。
[0026]
进一步地，步骤s6
‑
2中铁路的量化数值为0.55，高速公路的量化数值为0.28，干道的量化数值为0.11，其他道路的量化数值为0.06。
[0027]
进一步地，步骤s7的具体方法包括以下子步骤：
[0028]
s7
‑
1、将淹没范围划分为n个灾情点，获取每个灾情点的实际淹没范围归一化值r
i
'，获取每个灾情点淹没历时归一化值y
i
'；
[0029]
s7
‑
2、将每个灾情点的实际淹没范围归一化值r
i
'、淹没历时归一化值y
i
'和承灾体指数的和作为该灾情点的灾情指数；
[0030]
s7
‑
3、将灾情指数位小于0.039的灾情划分为一般洪涝灾害；将灾情指数位于0.04～0.092之间的灾情划分为较大洪涝灾害；将灾情指数位于0.093～0.179之间的灾情划分为重大洪涝灾害；将灾情指数位于0.18～0.365之间的灾情划分为特别重大洪涝灾害。
[0031]
提供一种基于时空特征的洪涝事件及风险识别系统，其包括存储器，存储有可执
行指令；以及
[0032]
处理器，被配置为执行所述存储器中可执行指令以实现基于时空特征的洪涝事件及风险识别方法。
[0033]
本发明的有益效果为：通过遥感影像数据获取淹没区域与淹没历时，利用人口密度、土地利用类型和道路等基础地理数据，计算灾情指数，其次通过灾情指数对洪涝灾害淹没区域的灾情实现评估，确定综合受灾程度等级；构建不同场次等级的洪涝灾害数据各类历史灾情指标数据库，确定在不同等级的洪涝事件的相应指标的最大值、最小值、平均值，中位数等特征指标，形成洪涝灾害等级与指标之间的矩阵关系。并利用相同程度的灾害等级确定更全面的不同指标的最大值、最小值和平均值，为洪涝事件及风险提供重要的灾情参考数据，便于相关人员进行针对性的救援，减少灾害损失。
附图说明
[0034]
图1为本发明的流程示意图。
具体实施方式
[0035]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0036]
如图1所示，该基于时空特征的洪涝事件及风险识别方法包括以下步骤：
[0037]
s1、构建洪涝灾害历史数据库；数据包括场次洪涝灾害等级、淹没历时、淹没范围和评估指标；评估指标包括基本指标和扩展指标，基本指标包括死亡人口、受灾人口、农作物受灾面积、倒塌房屋、直接经济损失、水利设施损失占直接经济损失的比例；扩展指标包括骨干交通中断历时、城市受淹历时、生命线工程中断历时；生命线工程包括水、电、气和通信工程；场次洪涝灾害等级为四类：特别重大洪涝灾害、重大洪涝灾害、较大洪涝灾害和一般洪涝灾害；
[0038]
s2、将相同等级的不同时期不同事件的洪涝灾害作为一个集合，计算每个洪涝灾害对应的特征值；特征值包括每个基本指标和扩展指标的最大值、最小值、中位数和平均值；
[0039]
s3、将评估指标
‑
特征值
‑
场次洪涝灾害等级构成风险识别矩阵；
[0040]
s4、根据遥感影像数据，采用归一化水体指数对当前洪水淹没范围进行提取，确定淹没范围；
[0041]
s5、根据不同时间多时相的遥感影像数据，确定洪水淹没范围内不同时段、不同区域的淹没历时数据；
[0042]
s6、获取承灾体指数，通过承灾体指数确定承灾体的空间分布；承灾体包括人口密度、人工地表、道路和农用地；
[0043]
s7、根据淹没范围、淹没历时和承灾体的空间分布，通过自然断点法获取当前灾害等级，完成洪涝事件识别；
[0044]
s8、将当前灾害等级映射至风险识别矩阵中，获取当前灾害评估指标的特征值，根
据当前灾害评估指标的特征值进行风险识别。
[0045]
步骤s5的具体方法为：选取洪水淹没发生前相关区域的遥感影像作为灾前基准影像，每隔一至两天选取相关区域的遥感影像数据，采用归一化水体指数对当前洪水淹没范围进行提取，得到洪水淹没范围内不同时段、不同区域的淹没历时数据。
[0046]
步骤s6的具体方法包括以下子步骤：
[0047]
s6
‑
1、将淹没范围划分为n个灾情点，获取每个灾情点的人口密度数据，对n个灾情点的人口密度数据进行归一化，得到人口密度栅格数据值；
[0048]
s6
‑
2、采用层次分析法对不同的道路类型进行量化，获取道路数据值；道路类型包括铁路、高速公路、干道和其他道路；
[0049]
s6
‑
3、将人工地表中的建筑物建成区的量化数值取值为1，非建筑物建成区的量化数值取值为0，得到人工地表数据值；
[0050]
s6
‑
4、将农用地的量化数值取值为1，非农用地的量化数值取值为0，得到农用地数据值；
[0051]
s6
‑
5、分别为人口密度栅格数据值、道路数据值、人工地表数据值和农用地数据值分配权重；在具体实施过程中，人口密度栅格数据值的权重为0.63，道路数据值的权重为0.22，人工地表数据值的权重为0.1，农用地数据值的权重为0.05；
[0052]
s6
‑
6、根据公式：
[0053][0054]
获取第i个灾情点的承灾体指数其中m表示承灾体数量，m＝4；j表示第j类承灾体；为第j类承灾体的数据值；为第j类承灾体的权重；
[0055]
s6
‑
7、将各灾情点计算得到的承灾体指数通过自然断点法绘制在对应区域即得到承灾体的空间分布。
[0056]
步骤s6
‑
2中铁路的量化数值为0.55，高速公路的量化数值为0.28，干道的量化数值为0.11，其他道路的量化数值为0.06。
[0057]
步骤s7的具体方法包括以下子步骤：
[0058]
s7
‑
1、将淹没范围划分为n个灾情点，获取每个灾情点的实际淹没范围归一化值r
i
'，获取每个灾情点淹没历时归一化值y
i
'；
[0059]
s7
‑
2、将每个灾情点的实际淹没范围归一化值r
i
'、淹没历时归一化值y'
i
和承灾体指数的和作为该灾情点的灾情指数；
[0060]
s7
‑
3、将灾情指数位小于0.039的灾情划分为一般洪涝灾害；将灾情指数位于0.04～0.092之间的灾情划分为较大洪涝灾害；将灾情指数位于0.093～0.179之间的灾情划分为重大洪涝灾害；将灾情指数位于0.18～0.365之间的灾情划分为特别重大洪涝灾害。
[0061]
该基于时空特征的洪涝事件及风险识别系统包括存储器，存储有可执行指令；以及
[0062]
处理器，被配置为执行所述存储器中可执行指令以实现基于时空特征的洪涝事件及风险识别方法。
[0063]
在本发明的一个实施例中，遥感影像数据可以采用landsat系列卫星影像数据，因
在landsat携带传感器的波长范围内，水利呈现弱反射率，并且随着波长的增加而呈进一步减弱趋势，故在遥感影像上水利表现为暗色，其中水体在蓝光范围内反射最强，绿光次之，红光相对较弱，而在近红外和中红外波段范围，水体具有强吸收性，故常选用近红或中红波段研究水陆边界。但是随着水体中所含物质的增加，水体的反射峰会向红外波段偏移。通过将所研究地物最强反射波段置于分子，将最弱的置于分母，通过比值运算进一步扩大二者的差距，使研究地物在新生成的影响上得到最大的亮度，而其他背景地物则普遍被抑制，从而达到突出研究地物的目的。水体在绿光波段的反射比近红外的波段强，并且植被在近红外和中红外波段的反射都强，选用绿波段和近红外波段构成比值水体提取模型能很好突出水体同时抑制植被等背景地物信息。
[0064]
基于遥感影像，采用修正的归一化水体指数(mndwi)对洪涝灾害洪水淹没范围进行提取。归一化水体指数的计算公式为其中i
mndwi
为归一化水利指数，λ
g
为影像的绿波段的反射率，λ
n
为中红外波段的反射率。在mndwi影像数据中，水体的mndwi值一般为最大，其它地物的mndwi值小，因此采用适当的阈值就可以将水体信息较准地提取。
[0065]
在进行人口密度数据归一化时，计算公式为根据遥感影像确定淹没区域，将淹没范围划分为n个灾情点，n为总共的灾情点数，x
i
为具体的人口密度栅格数据值，max(x
i
)和min(x
i
)分别为第i个灾情点人口密度栅格数据中的最大值与最小值。
[0066]
淹没范围进行归一化计算的计算公式为根据遥感影像确定淹没区域，将淹没范围划分为n个灾情点，n为总共的灾情点数，r
i
为每个点的实际淹没范围，max(r)和min(r)分别为所有淹没范围中的最大值与最小值。
[0067]
灾情指数的计算公式为r
′
i
为各灾情点归一化后的淹没面积值，y
′
i
为各灾情点归一化后的淹没历时值，为各灾情点的归一化后的承灾体指数。y
i
为各灾情点的灾情指数。
[0068]
得到各级别洪涝灾害对应的特征指标矩阵，即风险识别矩阵为：
[0069][0070]
其中i＝1,2,3,4，max(d
i
)表示历史数据库中洪涝灾害等级c
i
的死亡人数的最大值，min(d
i
)表示历史数据库中洪涝灾害等级c
i
的死亡人数的最小值，avg(d
i
)表示历时数据库中洪涝灾害等级c
i
的死亡人数的平均值，me(d
i
)表示历时数据库中洪涝灾害等级c
i
的死亡人数的中位数。max(p
i
)表示历史数据库中洪涝灾害等级c
i
的受灾人口的最大值，max(a
i
)表示历史数据库中洪涝灾害等级c
i
的农作物受灾面积的最大值，max(h
i
)表示历史数据库中洪涝灾害等级c
i
的倒塌房屋数的最大值，max(l
i
)表示历史数据库中洪涝灾害等级c
i
的直接经济损失的最大值，max(h
i
)表示历史数据库中洪涝灾害等级c
i
的倒塌房屋数的最大值，max
(f
i
)表示历史数据库中洪涝灾害等级c
i
的水利设施损失占直接经济损失比例的最大值，max(r
1i
)表示历史数据库中洪涝灾害等级c
i
的铁路和公路干线等主要航道中断历时的最大值，表示历史数据库中洪涝灾害等级c
i
的城市主要街道中断历时的最大值，max(s
i
)表示历史数据库中洪涝灾害等级c
i
的城市主城区受淹天数的最大值，max(t
i
)表示历史数据库中洪涝灾害等级c
i
的生命线工程(水、电、气、通信)中断历时的最大值。d、p、a、h、l、f、r1、r2、s和t分别为死亡人口、受灾人口、农作物受灾面积、倒塌房屋、直接经济损失、水利设施损失占直接经济损失比例、铁路和公路干线等主要航道中断历时、城市主要街道中断历时、城市主城区受淹天数，以及生命线工程中断历时。将当前灾害等级映射至风险识别矩阵中，获取当前灾害评估指标的特征值，根据当前灾害评估指标的特征值即可进行风险识别。
[0071]
综上所述，本发明通过遥感影像数据获取淹没区域与淹没历时，利用人口密度、土地利用类型和道路等基础地理数据，计算灾情指数，其次通过灾情指数对洪涝灾害淹没区域的灾情实现评估，确定综合受灾程度等级；构建不同场次等级的洪涝灾害数据各类历史灾情指标数据库，确定在不同等级的洪涝事件的相应指标的最大值、最小值、平均值，中位数等特征指标，形成洪涝灾害等级与指标之间的矩阵关系。并利用相同程度的灾害等级确定更全面的不同指标的最大值、最小值和平均值，为洪涝事件及风险提供重要的灾情参考数据，便于相关人员进行针对性的救援，减少灾害损失。