湿雪崩灾害风险评估方法及装置与流程

1.本技术属于灾害勘察技术领域，尤其涉及一种湿雪崩灾害风险评估方法、装置、电子设备和介质。


背景技术：

2.雪崩是指当山坡积雪内部的内聚力抗拒不了它所受到的重力拉引时，便向下滑动，引起大量雪体崩塌的自然现象。雪崩具有突然性、运动速度快、破坏力大等特点，它能够摧毁大片森林，交通线路、通讯设施和车辆，甚至能堵截河流，它还能引起山体滑坡、山崩和泥石流等可怕的自然现象。雪崩分为干雪崩和湿雪崩两种，干雪崩的雪为粉末状，积雪含水量通常低于1％。湿雪崩呈块状，积雪含水量通常高于1％。一般情况下，湿雪崩的威胁性较干雪崩更大。因此，如何能够及时有效的提前发现和掌握潜在的湿雪崩状况，预测和评估湿雪崩的危险性，防治湿雪崩地质灾害，对于山区工程建设活动和基础设施运维格外重要。湿雪崩灾害风险评估就是对区域域内湿雪崩发生的可能性、危险程度做出的综合性分析。
3.目前，已有的国内外对区域雪崩危险性评估与分区方法主要有：
①
野外雪崩灾害点调查与填图，
②
选取不同的指标建立雪崩风险评价模型，
③
根据不同的风险级别开展雪崩区划制图。研究人员在不同区域的雪崩风险模型建立中选取了不同的雪崩风险评价因子，不同评价因子对雪崩危险性的刻画程度，使得不同的模型中对同一区域雪崩评价的结果相差甚远。但是，现有的雪崩评估方法缺乏对干雪崩和湿雪崩的区分，两者不同的成因和致灾机理从根本上影响着风险评估指标的选取，同时由于湿雪崩给人类带来的危害更大，因此，如何对复杂艰险山区的湿雪崩风险进行评估是当前亟需解决的问题。


技术实现要素：

4.基于此，有必要针对如何精确评估复杂艰险山区的湿雪崩风险问题，提供一种湿雪崩灾害风险评估方法、装置、电子设备和介质。
5.第一方面，本技术实施例提供了一种湿雪崩灾害风险评估方法，所述方法包括：
6.获取研究区域的雪崩样本以及影响雪崩的各个灾害影响因子；其中，灾害影响因子包括：海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数；
7.基于各个灾害影响因子采用层次分析法，获取所述研究区域的雪崩综合易发性指数；
8.根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险。
9.作为本技术一种可选的实施方式，所述获取研究区域的雪崩样本以及影响雪崩的各个灾害影响因子，包括：
10.根据雪崩实地调查以及遥感解译建立研究区域的雪崩样本；
11.对所述研究区域的雪崩样本进行空间分析，获取影响雪崩的各个灾害影响因子。
12.作为本技术一种可选的实施方式，所述基于各个灾害影响因子采用层次分析法，
获取所述研究区域的雪崩综合易发性指数，包括：
13.根据重分类赋值工具对各个灾害影响因子进行重分类，并为每个分类赋值不同的指标值；
14.根据相对尺度法对各个指标值进行重要性取值，构造灾害影响因子判断矩阵；
15.根据所述灾害影响因子判断矩阵确定各个灾害影响因子的权重系数；
16.检验所述灾害影响因子判断矩阵是否符合一致性原则；
17.若符合，则根据各个灾害影响因子的权重系数以及对应的指标值，获取所述研究区域的雪崩综合易发性指数。
18.作为本技术一种可选的实施方式，所述根据重分类赋值工具对各个灾害影响因子进行重分类，并为每个分类赋值不同的指标值，包括：
19.根据所述研究区域的海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数在所述研究区域的分布特征进行区间划分，获取各个灾害影响因子的区间划分结果；
20.根据重分类赋值工具对各个灾害影响因子的区间划分结果进行重分类，并为每个分类赋值不同的指标值。
21.作为本技术一种可选的实施方式，所述检验所述灾害影响因子判断矩阵是否符合一致性原则，包括：
22.根据公式ic＝(λ
max-n)/(n-1)计算一致性指标；
23.其中，λ
max
表示所述灾害影响因子判断矩阵的最大特征根，n表示成对比较的灾害影响因子个数，ic表示所述一致性指标；
24.根据公式rc＝ic/ir计算一致性比率；
25.其中，rc为一致性比率，ir为随机一致性指标；
26.若所述一致性比率小于等于阈值参数，则所述灾害影响因子判断矩阵符合一致性原则；
27.否则，所述灾害影响因子判断矩阵不符合一致性原则。
28.作为本技术一种可选的实施方式，所述根据各个灾害影响因子的权重系数以及对应的指标值，获取所述研究区域的雪崩综合易发性指数，包括：
29.根据公式计算，获取所述研究区域的雪崩综合易发性指数；
30.其中，i表示灾害影响因子，wi表示第i个灾害影响因子的权重系数，ifi表示第i个灾害影响因子的指标值，si表示所述研究区域的雪崩综合易发性指数。
31.作为本技术一种可选的实施方式，所述根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险，包括：
32.所述研究区域发生雪崩灾害的概率与所述雪崩综合易发性指数成正相关。
33.第二方面，本技术实施例提供了一种湿雪崩灾害风险评估装置，所述装置包括：
34.获取模块，用于获取研究区域的雪崩样本以及影响雪崩的各个灾害影响因子；其中，灾害影响因子包括：海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数；
35.分析模块，用于基于各个灾害影响因子采用层次分析法，获取所述研究区域的雪崩综合易发性指数；
36.评估模块，用于根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险。
37.作为本技术一种可选的实施方式，所述获取模块，具体用于：
38.根据雪崩实地调查以及遥感解译建立研究区域的雪崩样本；
39.对所述研究区域的雪崩样本进行空间分析，获取影响雪崩的各个灾害影响因子。
40.作为本技术一种可选的实施方式，所述分析模块，包括以下单元：
41.重分类赋值单元，用于根据重分类赋值工具对各个灾害影响因子进行重分类，并为每个分类赋值不同的指标值；
42.构造矩阵单元，用于根据相对尺度法对各个指标值进行重要性取值，构造灾害影响因子判断矩阵；
43.确定系数单元，用于根据所述灾害影响因子判断矩阵确定各个灾害影响因子的权重系数；
44.检验矩阵单元，用于检验所述灾害影响因子判断矩阵是否符合一致性原则；
45.获取指数单元，用于若符合，则根据各个灾害影响因子的权重系数以及对应的指标值，获取所述研究区域的雪崩综合易发性指数。
46.作为本技术一种可选的实施方式，所述重分类赋值单元，具体用于：
47.根据所述研究区域的海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数在所述研究区域的分布特征进行区间划分，获取各个灾害影响因子的区间划分结果；
48.根据重分类赋值工具对各个灾害影响因子的区间划分结果进行重分类，并为每个分类赋值不同的指标值。
49.作为本技术一种可选的实施方式，所述检验矩阵单元，具体用于：
50.根据公式ic＝(λ
max-n)/(n-1)计算一致性指标；
51.其中，λ
max
表示所述灾害影响因子判断矩阵的最大特征根，n表示成对比较的灾害影响因子个数，ic表示所述一致性指标；
52.根据公式rc＝ic/ir计算一致性比率；
53.其中，rc为一致性比率，ir为随机一致性指标；
54.若所述一致性比率小于等于阈值参数，则所述灾害影响因子判断矩阵符合一致性原则；
55.否则，所述灾害影响因子判断矩阵不符合一致性原则。
56.作为本技术一种可选的实施方式，所述获取指数单元，具体用于：
57.根据公式计算，获取所述研究区域的雪崩综合易发性指数；
58.其中，i表示灾害影响因子，wi表示第i个灾害影响因子的权重系数，ifi表示第i个灾害影响因子的指标值，si表示所述研究区域的雪崩综合易发性指数。
59.作为本技术一种可选的实施方式，所述根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险，包括：
60.所述研究区域发生雪崩灾害的概率与所述雪崩综合易发性指数成正相关。
61.第三方面，本技术实施例提供了一种电子设备，包括：存储器和处理器，存储器用于存储计算机程序；处理器用于在调用计算机程序时执行上述第一方面或第一方面的任一
实施方式所述的湿雪崩灾害风险评估方法。
62.第四方面，本技术实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面或第一方面的任一实施方式所述的湿雪崩灾害风险评估方法。
63.本技术实施例提供的湿雪崩灾害风险评估方法，首先获取研究区域的雪崩样本，然后通过对雪崩样本进行分析，选取出对湿雪崩灾害发生影响较大的海拔高程、坡向、地面粗糙度、植被覆盖率、年平均降雪量以及年平均降雪日数共七种灾害影响因子作为评估指标，再基于各个灾害影响因子采用层次分析法，获取所述研究区域的雪崩综合易发性指数，最后根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险。由于本方法选取的多个灾害影响因子是根据湿雪崩的致灾机理确定的，并且采用层次分析法对确定的灾害影响因子建立评价体系，所以本方法对复杂艰险山区湿雪崩风险的评估角度更加全面，评估结果更加精确。
附图说明
64.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
65.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
66.图1为本技术一实施例提供的湿雪崩灾害风险评估方法的流程图；
67.图2为本技术又一实施例提供的湿雪崩灾害风险评估方法流程图；
68.图3为本技术一实施例提供的湿雪崩灾害风险评估装置示意图；
69.图4为本技术又一实施例提供的湿雪崩灾害风险评估装置示意图；
70.图5为本技术一实施例提供的一种电子设备的内部结构图。
具体实施方式
71.为了能够更清楚地理解本技术的上述目的、特征和优点，下面将对本技术的方案进行进一步描述。需要说明的是，在不冲突的情况下，本技术的实施例及实施例中的特征可以相互组合。
72.在下面的描述中阐述了很多具体细节以便于充分理解本技术，但本技术还可以采用其他不同于在此描述的方式来实施；显然，说明书中的实施例只是本技术的一部分实施例，而不是全部的实施例。
73.本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。
74.在本技术实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本技术实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。此外，在本技术实施例的描述中，除非另有说明，“多个”的含义是指两个或两个以上。
75.本方案的发明构思为：为了解决对复杂艰险山区的湿雪崩风险评估的问题，首先选取对湿雪崩灾害发生影响较大的海拔高程、坡向、地面粗糙度、植被覆盖率、年平均降雪量以及年平均降雪日数共七种因素作为评价指标；然后采用层次分析法确定各评价指标的权重系数，再将各评价指标进行量化和归一化处理；接着将各评价指标按照层次分析法所确定的权重进行叠加运算，得到雪崩综合易发性指数，最后根据雪崩综合易发性指数，评估研究区域的雪崩灾害风险。
76.本技术实施例提供了一种湿雪崩灾害风险评估方法。具体的，参照图1所示，本技术实施例提供的湿雪崩灾害风险评估方法包括如下步骤s11-s13：
77.s11、获取研究区域的雪崩样本以及影响雪崩的各个灾害影响因子。
78.其中，灾害影响因子包括：海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数。
79.在一个实施例中，s11、获取研究区域的雪崩样本以及影响雪崩的各个灾害影响因子，可以通过如下步骤实现：
80.(1)、根据雪崩实地调查以及遥感解译建立研究区域的雪崩样本。
81.其中，遥感解译，即从遥感图像中识别和提取某种影像，赋予特定的属性和内涵以及测量特征参数的专业化过程。
82.具体的，雪崩样本中包含收集到研究区域的遥感影像，遥感影像可以提供大范围区域的地表信息，是进行艰险复杂山区调查的重要数据来源，在地质灾害调查中发挥着巨大的作用。雪崩现象在影像上呈现出的特殊形态、轮廓、色调等特征，具有明显的解译标志。
83.(2)、对所述研究区域的雪崩样本进行空间分析，获取影响雪崩的各个灾害影响因子。
84.其中，空间分析是对于地理空间现象的定量研究，其常规能力是操纵空间数据使之成为不同的形式，并且提取其潜在的信息。空间分析是地理信息系统(geographic information system，gis)的核心，空间分析能力(特别是对空间隐含信息的提取和传输能力)是地理信息系统区别于一般信息系统的主要方面，也是评价一个地理信息系统成功与否的一个主要指标。
85.具体的，海拔高程不仅在地形条件上影响着雪崩的形成与发生，还决定着该雪崩所处位置的气温与降雪、降雨及积雪厚度等各项影响雪崩的因素。海拔高程(简称海拔高)，是地面点沿重力线到大地水准面的距离。通常以平均海平面做标准来计算，是表示地面某个地点高出海平面的铅直距离。首先进行研究区域海拔统计，分析雪崩点在研究区域内不同海拔区间范围内的空间分布特征，对比区域内不同海拔区间范围内雪崩数量占的百分比。
86.在一定气候条件下，山坡坡度决定着雪崩发生的概率以及发生频率的大小。统计研究区雪崩点坡度值，可以得到研究区域内不同坡度区间内的雪崩数量。坡度是地表单元陡缓的程度，通常把坡面的垂直高度和路程的比值称为坡度。坡度＝(高程差/水平距离)x100％。例如：坡度3％是指水平距离每100米，垂直方向上升(下降)3米。统计研究区雪崩点坡度值，可以得到研究区域内不同坡度区间内的雪崩数量。
87.坡向关系到山坡和携带水汽的主要气团路径、盛行风向、日照方向之间的相对位置，从而影响降水量、积雪分布及其输送、积雪热力状况、积雪变质作用等，进而影响雪崩发
育。坡向是指地表面上一点的切平面的法线在水平面的投影与该点的正北方向的夹角，描述该点高程值改变量的最大变化方向。对研究区内雪崩的坡向进行统计分析，得到研究区内雪崩在坡向上的空间分布百分比情况。
88.地面粗糙度是反映地表起伏变化与侵蚀程度的指标，山坡表面平坦与否对雪崩的形成、流通有着重要影响。地面粗糙度，从空气动力学的角度出发，因地表起伏不平或地物本身几何形状的影响，风速为0的位置并不在地表，而是在离地表一定高度处，这一高度被定义为地面粗糙度。对研究区域内雪崩的地面粗糙度进行统计，得到研究区内雪崩数量对应地面粗糙程度的分布情况。
89.植被覆盖率，指植被(包括叶、茎、枝)在地面的垂直投影面积占统计区总面积的百分比，对雪崩的形成和运动有着重要的影响，冰川、粒雪、岩屑堆和草地有利于雪崩的形成，茂密的森林是雪崩形成和运动的主要阻碍。统计研究区雪崩点的植被覆盖率，得到研究区域内植被覆盖率区间内的雪崩数量。
90.降雪时空特征，降雪是研究区域雪崩的物质来源，收集研究区域的平均年降雪量和平均年降雪日数可以表征研究区域的降雪强度以及降雪频率等，根据研究区中不同区域的年降雪日数和降雪量分别建立等值线图。
91.s12、基于各个灾害影响因子采用层次分析法，获取所述研究区域的雪崩综合易发性指数。
92.具体的，层次分析法(analytic hierarchy process，ahp)是一种定性和定量相结合的、系统的、层次化的分析方法。这种方法的特点是：在对复杂决策问题的本质、影响因素及其内在关系等进行深入研究的基础上，利用较少的定量信息使决策的思维过程数学化，从而为多目标、多准则或无结构特性的复杂决策问题提供简便的决策方法。层次分析法的原理：层次分析法根据问题的性质和需要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将各个因素按不同的层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。
93.示例性的，图2为本技术又一实施例提供的湿雪崩灾害风险评估方法的流程图。在图1所示实施例的基础上，s12、基于各个灾害影响因子采用层次分析法，获取所述研究区域的雪崩综合易发性指数，可以通过图2所示实施例中的方法实现。参照图2所示，本实施例包括如下步骤：
94.s121、根据重分类赋值工具对各个灾害影响因子进行重分类，并为每个分类赋值不同的指标值。
95.其中，重分类赋值即将某范围的值重分类为一个替代值，并将另一个范围重分类为其他替代值。
96.在一个实施例中，s121、根据重分类赋值工具对各个灾害影响因子进行重分类，并为每个分类赋值不同的指标值，可以通过如下步骤实现：
97.i、根据所述研究区域的海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数在所述研究区域的分布特征进行区间划分，获取各个灾害影响因子的区间划分结果。
98.示例性的，研究区域的海拔高程最小值为1699m(meter，米)，海拔高程的最大值为
6576m，海拔相对高差达到4877m。然后根据相对高差的大小，以500m为一个等级，对研究区域的海拔高程进行划分，划分结果为1699m-2000m、2000m-2500m、2500m-3000m、3000m-3500m、3500m-4000m、4000m-4500m、4500m-5000m、5000m-5500m、5500m-6000m、6000m-6576m十个区间。
99.具体的，通过arcgis(一种空间分析软件)提取斜坡坡度、斜坡坡向、地面粗糙度，通过envi(the environment for visualizing images，完整的遥感图像处理平台)实现植被覆盖度的提取，通过sufer(是由美国的一家公司制造出专门绘制三维图软件)建立研究区平均年降雪量等值线图以及平均年降雪日数等值线图。
100.示例性的，可以将斜坡坡度按照不同的坡度区间进行划分；将斜坡坡向划分为阴坡、阳坡、平地等；将地面粗糙度按照风压高度变化系数进行划分；将植被覆盖率按照ndvi(归一化植被指数，normalized difference vegetation index)进行划分，归一化植被指数主要应用于检测植被生长状态、植被覆盖度和消除部分辐射误差等方面；平均年降雪量以及平均年降雪日数可以分别按照降雪量区间、降雪日数区间进行划分。
101.ii、根据重分类赋值工具对各个灾害影响因子的区间划分结果进行重分类，并为每个分类赋值不同的指标值。
102.具体的，依据实地调查数据的百分比分布特征划分不同的级别并赋予0-10分不同的指标值，0分代表在该指标范围内基本不发生雪崩，10分代表该指标范围内与雪崩发生强相关关系。
103.示例性的，对于海拔高程，实际调查到的雪崩发生较多的海拔区间4200m-4800m取10分；海拔高程≥4800m取5分；介于3000m-4200m取2分；海拔高程≤3000m取0分。对于斜坡坡度，坡度区间在30
°
～40
°
时取10分；坡度介于20
°
～30
°
或40
°
～45
°
时，分值取5；坡度《20
°
或》45
°
取2分。对于斜坡坡向，阴坡取10分；阳坡2分；平地取0分；其他取5分。对于地面粗糙度，按照风压高度变化系数进行划分，地形比较平滑(1.2-1.3)取10分，区间(1.3-1.4)和(1.2-1.1)取5分，(1.0-1.1)取2分，平地(1)和地面非常粗糙(≥1.4)取0分。对于植被覆盖率，归一化植被指数ndvi≤0时取10分；介于0-0.1时取5分；介于0.1-0.3时取2分；ndvi≥0.3取0分。对于平均年降雪量，平均年降雪量≥160mm时取10分；介于165-140mm时取8分；介于140-120mm时取6分；介于120-90mm时取4分；平均年降雪量≤90mm取2分。对于平均年降雪日数，平均年降雪日数≥75天时取10分；介于75-65天时取8分；介于65-55天时取6分；介于55-45天时取4分；平均年降雪日数≤45天取2分。
104.s122、根据相对尺度法对各个指标值进行重要性取值，构造灾害影响因子判断矩阵。
105.具体的，由于一次性考虑七个灾害影响因子之间的关系，会有考虑不周的情况出现，导致最终结果不够准确。因此可以通过对灾害影响因子采用相对尺度进行两两对比，以判断各指标对雪崩灾害发生的影响程度，并采用1～9值法进行重要性取值，综合构造灾害影响因子判断矩阵。参照表1所示，为1～9值法的取值含义。
106.表1
107.标度含义1两因子相比较，两者具有相同重要性3两因子相比较，其中一个比另一个稍微重要
5两因子相比较，其中一个比另一个比较重要7两因子相比较，其中一个比另一个非常重要2，4，6，8介于上面两个相邻判断值的中间倒数两因子相比较的影响之比与上述说明相反
108.示例性的，结合表1与各个灾害影响因子的指标值，构造灾害影响因子判断矩阵，如表2所示。
109.具体的，灾害影响因子判断矩阵是一个7
×
7的方阵，记为a，对应的元素记为a
ij
，a
ij
表示的意义是，与灾害影响因子j相比，灾害影响因子i的重要性。当i＝j时，两个指标为同一个灾害影响因子，因此重要性相同，这就解释了矩阵中的主对角线元素为1。
110.s123、根据所述灾害影响因子判断矩阵确定各个灾害影响因子的权重系数。
111.具体的，根据灾害影响因子判断矩阵计算各特征向量，即为各灾害影响因子的权重系数。示例性的，通过表2的影响因子判断矩阵计算得到各灾害影响因子的权重系数为：0.168、0.094、0.106、0.184、0.057、0.213、0.178。
112.表2
[0113][0114]
s124、检验所述灾害影响因子判断矩阵是否符合一致性原则。
[0115]
具体的，在层次分析法中，需要对判断矩阵一致性检验。
[0116]
在一个实施例中，s124、检验所述灾害影响因子判断矩阵是否符合一致性原则，可以通过以下实施方式实现：
[0117]
a、根据公式ic＝(λ
max-n)/(n-1)计算一致性指标。
[0118]
其中，λ
max
表示所述灾害影响因子判断矩阵的最大特征根，n表示成对比较的灾害影响因子个数，ic表示所述一致性指标。
[0119]
示例性的，n＝7，根据灾害影响因子判断矩阵计算得到λ
max
＝7.21，b、根据公式rc＝ic/ir计算一致性比率。
[0120]
其中，rc为一致性比率，ir为随机一致性指标。
[0121]
具体的，为了衡量ic的大小，引入ir随机一致性指标，可以由表3确定。
[0122]
表3
[0123]
n1，2345678取值0.000.580.901.121.241.321.41
[0124]
根据n的大小，按照表3查找随机一致性指标，示例性的，本实施例中n＝7，ir＝1.32，rc＝0.035。
[0125]
c、若所述一致性比率小于等于阈值参数，则所述灾害影响因子判断矩阵符合一致性原则。
[0126]
具体的，阈值参数可以取0.1。当rc＜0.1时，表示比较矩阵有很好的一致性，结果合理；当rc＞0.1时，表示比较矩阵不符合一致性原则，结果不合理，要调整；当rc＝0.1时，表示比较矩阵有较好的一致性，结果较合理。示例性的，本实施例中rc＝0.035，因此灾害影响因子判断矩阵具有很好的一致性。
[0127]
d、否则，所述灾害影响因子判断矩阵不符合一致性原则。
[0128]
示例性的，当rc＝1.35时，灾害影响因子判断矩阵不符合一致性原则。
[0129]
当所述灾害影响因子判断矩阵符合一致性原则时，则执行步骤s125、根据各个灾害影响因子的权重系数以及对应的指标值，获取所述研究区域的雪崩综合易发性指数。
[0130]
具体的，根据公式计算，获取所述研究区域的雪崩综合易发性指数。
[0131]
其中，i表示灾害影响因子，wi表示第i个灾害影响因子的权重系数，ifi表示第i个灾害影响因子的指标值，si表示所述研究区域的雪崩综合易发性指数。
[0132]
s13、根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险。
[0133]
具体的，某地区的雪崩灾害风险在根据雪崩综合易发性指数评估时，还可以参考历史经验数据。
[0134]
在一个实施例中，s13、所述根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险，包括：
[0135]
所述研究区域发生雪崩灾害的概率与所述雪崩综合易发性指数成正相关。
[0136]
示例性的，如果某地区的雪崩综合易发性指数计算结果为9.0，则发生雪崩灾害的概率极高，可以将此地区划分为高风险区。相应的，如果某地区的雪崩综合易发性指数计算结果为1.0，则发生雪崩灾害的概率很低，可以将此地区划分为低风险区。可以理解的是，划分的等级依据雪崩综合易发性指数确定，进一步可以划分为中风险地区、中高风险地区、中低风险地区等，在此不做具体限制。
[0137]
本技术实施例提供的湿雪崩灾害风险评估方法，首先获取研究区域的雪崩样本，
然后通过对雪崩样本进行分析，选取出对湿雪崩灾害发生影响较大的海拔高程、坡向、地面粗糙度、植被覆盖率、年平均降雪量以及年平均降雪日数共七种灾害影响因子作为评估指标，再基于各个灾害影响因子采用层次分析法，获取所述研究区域的雪崩综合易发性指数，最后根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险。由于本方法选取多个灾害影响因子是根据湿雪崩的致灾机理确定的，并且采用层次分析法对确定的灾害影响因子建立评价体系，所以本方法对复杂艰险山区湿雪崩风险的评估角度更加全面，评估结果更加精确。
[0138]
本技术实施例提供了一种湿雪崩灾害风险评估装置，用于执行上述实施例提供的任一种湿雪崩灾害风险评估方法，具备湿雪崩灾害风险评估方法相应的有益效果。
[0139]
图3为本技术实施例提供的一种湿雪崩灾害风险评估装置的结构示意图，如图3所示，湿雪崩灾害风险评估装置包括：获取模块310、分析模块320以及评估模块330。
[0140]
获取模块310，用于获取研究区域的雪崩样本以及影响雪崩的各个灾害影响因子；其中，灾害影响因子包括：海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数。
[0141]
分析模块320，用于基于各个灾害影响因子采用层次分析法，获取所述研究区域的雪崩综合易发性指数。
[0142]
评估模块330，用于根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险。
[0143]
作为本技术一种可选的实施方式，所述获取模块，具体用于：
[0144]
根据雪崩实地调查以及遥感解译建立研究区域的雪崩样本；
[0145]
对所述研究区域的雪崩样本进行空间分析，获取影响雪崩的各个灾害影响因子。
[0146]
作为本技术一种可选的实施方式，所述分析模块320，如图4所示，包括以下单元：
[0147]
重分类赋值单元321，用于根据重分类赋值工具对各个灾害影响因子进行重分类，并为每个分类赋值不同的指标值；
[0148]
构造矩阵单元322，用于根据相对尺度法对各个指标值进行重要性取值，构造灾害影响因子判断矩阵；
[0149]
确定系数单元323，用于根据所述灾害影响因子判断矩阵确定各个灾害影响因子的权重系数；
[0150]
检验矩阵单元324，用于检验所述灾害影响因子判断矩阵是否符合一致性原则；
[0151]
获取指数单元325，用于若符合，则根据各个灾害影响因子的权重系数以及对应的指标值，获取所述研究区域的雪崩综合易发性指数。
[0152]
作为本技术一种可选的实施方式，所述重分类赋值单元321，具体用于：
[0153]
根据所述研究区域的海拔高程、坡度、坡向、地面粗糙度、植被覆盖率、平均年降雪量以及平均年降雪日数在所述研究区域的分布特征进行区间划分，获取各个灾害影响因子的区间划分结果；
[0154]
根据重分类赋值工具对各个灾害影响因子的区间划分结果进行重分类，并为每个分类赋值不同的指标值。
[0155]
作为本技术一种可选的实施方式，所述检验矩阵单元324，具体用于：
[0156]
根据公式ic＝(λ
max-n)/(n-1)计算一致性指标；
[0157]
其中，λ
max
表示所述灾害影响因子判断矩阵的最大特征根，n表示成对比较的灾害影响因子个数，ic表示所述一致性指标；
[0158]
根据公式rc＝ic/ir计算一致性比率；
[0159]
其中，rc为一致性比率，ir为随机一致性指标；
[0160]
若所述一致性比率小于等于阈值参数，则所述灾害影响因子判断矩阵符合一致性原则；
[0161]
否则，所述灾害影响因子判断矩阵不符合一致性原则。
[0162]
作为本技术一种可选的实施方式，所述获取指数单元325，具体用于：
[0163]
根据公式计算，获取所述研究区域的雪崩综合易发性指数；
[0164]
其中，i表示灾害影响因子，wi表示第i个灾害影响因子的权重系数，ifi表示第i个灾害影响因子的指标值，si表示所述研究区域的雪崩综合易发性指数。
[0165]
作为本技术一种可选的实施方式，所述根据所述雪崩综合易发性指数，评估所述研究区域的雪崩灾害风险，包括：
[0166]
所述研究区域发生雪崩灾害的概率与所述雪崩综合易发性指数成正相关。
[0167]
关于湿雪崩灾害风险评估装置的具体限定可以参见上文中对于湿雪崩灾害风险评估方法的限定，在此不再赘述。上述湿雪崩灾害风险评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于电子设备中的处理器中，也可以以软件形式存储于电子设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0168]
在一个实施例中，提供了一种电子设备，其内部结构图可以如图5所示。该电子设备包括通过系统总线连接的处理器、存储器、通信接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的通信接口用于与外部的电子设备进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、近场通信(nfc)或其他技术实现。该计算机程序被处理器执行时以实现一种湿雪崩灾害风险评估方法。
[0169]
本领域技术人员可以理解，图5中示出的结构，仅仅是与本技术方案相关的部分结构的框图，并不构成对本技术方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0170]
在一个实施例中，本技术提供的湿雪崩灾害风险评估装置可以实现为一种计算机程序的形式，计算机程序可在如图5所示的电子设备运行。电子设备的存储器中可存储组成该电子设备的湿雪崩灾害风险评估装置的各个程序模块，比如，图3所示的获取模块310、分析模块320以及评估模块330。各个程序模块构成的计算机程序使得处理器执行本说明书描述的本技术各个实施例的电子设备的湿雪崩灾害风险评估方法中的步骤。
[0171]
例如，图5所示的电子设备可以通过如图3所示的电子设备的湿雪崩灾害风险评估装置中的获取模块310执行步骤s11。电子设备可通过分析模块320执行步骤s12。电子设备可通过评估模块330执行步骤s13。
[0172]
在一个实施例中，还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
[0173]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，比如静态随机存取存储器(static random access memory，sram)和动态随机存取存储器(dynamic random access memory，dram)等。
[0174]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0175]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术专利的保护范围应以所附权利要求为准。