一种冰湖溃决隐患综合遥感识别方法及系统

1.本发明涉及灾害识别技术领域，更具体的说是涉及一种冰湖溃决隐患综合遥感识别方法及系统。


背景技术：

2.冰湖溃决是一种发生在高山冰川分布区的自然现象。冰湖溃决的发生往往是由于冰湖后援的冰川发生冰崩或冰滑坡，冰崩或冰滑坡进入冰湖使冰湖水位上涨，造成冰湖溃决。通过国内外研究现状可知，冰湖溃决灾害风险评价主要有危险性评价、易损性评价、破坏损失评价、防治工程评价等内容，还存在许多需要解决的问题，如现有的滑坡灾害风险评价方法有多种，评价体系构成不够完整，目标划分不够明确、各指标重要程度未加区别等不足。在现有技术中，并无成体系的溃决危险性评估方法，对冰湖溃决危险性评估无成熟的计算方法和验证方式。因此，对本领域技术人员来说，如何对冰湖溃决隐患进行准确识别并评估，是亟待解决的问题。


技术实现要素：

3.有鉴于此，本发明提供了一种冰湖溃决隐患综合遥感识别方法及系统，以解决背景技术中存在的问题。
4.为了实现上述目的，本发明采用如下技术方案：一方面，提供一种冰湖溃决隐患综合遥感识别方法，具体步骤包括如下：
5.获取环境数据，所述环境数据包括dem数据、雷达数据、光学遥感影像数据和热红外遥感数据；
6.结合所述环境数据根据冰湖坝自然溃决因素和冰湖坝外力溃决因素确定冰湖溃决灾害的易发性指标；
7.根据多期所述光学遥感影像数据确定承灾体规模，进而确定冰湖溃决灾害的危害性指标；
8.以所述易发性指标和所述危害性指标为参数，利用地质灾害隐患风险评价模型评价冰湖溃决灾害隐患的风险等级。
9.可选的，所述冰湖坝自然溃决因素包括埋藏冰融化、坝体自然失稳、管涌。
10.可选的，所述冰湖坝外力溃决因素包括冰川运动、冰崩、崩塌、滑坡、地震、地热。
11.可选的，确定冰湖溃决灾害的易发性指标的具体步骤为：
12.对冰湖历年所述环境数据进行分析解译，得到冰湖历年的湖水面积，采用湖水面积乘以冰湖平均深度，得到冰湖库容估算；
13.在所述冰湖库容估算的基础上，利用sbas-insar技术进行冰湖形变分析，设置时空基线阈值进行多组影像的组合，从而生成一定数量的差分干涉图，针对干涉结果进行滤波、解缠操作，解缠时以位于研究区的某一稳定点进行解缠操作，最后基于像元逐个计算分析并最终获取时间序列上的位移量，绘制冰湖典型形变点的历史形变曲线；
14.根据所述历史形变曲线判断冰湖有无变形迹象，来确定冰川是否会发生滑动以及造成溃决的可能性大小。
15.可选的，通过神经网络模型确定承灾体规模，具体步骤为：
16.获取数据样本，所述数据样本包括威胁人数、道路毁坏情况、承灾体规模；所述威胁人数、道路毁坏情况作为输入数据，承灾体规模作为输出数据；
17.将所述输入数据进行归一化处理，将所述数据样本分为80％的训练集和20％的测试集；
18.将所述训练集输入神经网络中进行训练，得到预测数学模型；
19.把预测区域的威胁人数、道路毁坏情况输入所述预测数学模型中，得到所述预测区域的承灾体规模情况。
20.可选的，所述数据样本从所述光学遥感影像数据中获取。
21.可选的，所述地质灾害隐患风险评价模型的构建过程为：
22.利用熵权法对冰湖溃决灾害的易发性指标和冰湖溃决灾害的危害性指标计算指标权重，得到加权综合判别因子；
23.以加权综合判别因子对冰湖溃决灾害隐患的风险等级进行划分。
24.另一方面，提供一种冰湖溃决隐患综合遥感识别系统，包括数据获取模块、易发性指标确定模块、危害性指标确定模块、风险等级评定模块；其中，
25.所述数据获取模块，用于获取环境数据，所述环境数据包括dem数据、雷达数据、光学遥感影像数据和热红外遥感数据；
26.所述易发性指标确定模块，用于结合所述环境数据根据冰湖坝自然溃决因素和冰湖坝外力溃决因素确定冰湖溃决灾害的易发性指标；
27.所述危害性指标确定模块，用于根据多期所述光学遥感影像数据确定承灾体规模，进而确定冰湖溃决灾害的危害性指标；
28.所述风险等级评定模块，用于以所述易发性指标和所述危害性指标为参数，利用地质灾害隐患风险评价模型评价冰湖溃决灾害隐患的风险等级。
29.经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种冰湖溃决隐患综合遥感识别方法及系统，能够体现冰湖溃决灾害风险评价内容之间的反馈作用，深入探讨冰湖溃决灾害风险各个评价内容的内在联系与影响机理；全面涵盖了灾害风险评价体系的各个内容，构建的冰湖溃决灾害风险评价体系组成内容更加完整，深刻反应了冰湖溃决灾害风险评价的本质；能够同时考虑危害性评价因子和易发性评价因子对评价方案优化决策的影响，科学合理，适用性强，工程应用价值高，效果佳。
附图说明
30.为了更清楚地说明本发明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，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
31.图1为本发明的方法流程图；
32.图2为本发明的系统结构图。
具体实施方式
33.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
34.本发明实施例1公开了一种冰湖溃决隐患综合遥感识别方法，如图1所示，具体步骤包括如下：
35.步骤一、获取环境数据，环境数据包括dem数据、雷达数据、光学遥感影像数据和热红外遥感数据；
36.步骤二、结合环境数据根据冰湖坝自然溃决因素和冰湖坝外力溃决因素确定冰湖溃决灾害的易发性指标；
37.步骤三、根据多期光学遥感影像数据确定承灾体规模，进而确定冰湖溃决灾害的危害性指标；
38.步骤四、以易发性指标和所述危害性指标为参数，利用地质灾害隐患风险评价模型评价冰湖溃决灾害隐患的风险等级。
39.冰湖坝自然溃决因素包括埋藏冰融化、坝体自然失稳、管涌等；冰湖坝外力溃决因素包括冰川运动、冰崩、崩塌、滑坡、地震、地热等。
40.进一步的，确定冰湖溃决灾害的易发性指标的具体步骤为：
41.对冰湖历年环境数据进行分析解译，得到冰湖历年的湖水面积，采用湖水面积乘以冰湖平均深度，得到冰湖库容估算；
42.在冰湖库容估算的基础上，利用sbas-insar技术进行冰湖形变分析，设置时空基线阈值进行多组影像的组合，从而生成一定数量的差分干涉图，针对干涉结果进行滤波、解缠操作，解缠时以位于研究区的某一稳定点进行解缠操作，最后基于像元逐个计算分析并最终获取时间序列上的位移量，绘制冰湖典型形变点的历史形变曲线；
43.根据历史形变曲线判断冰湖有无变形迹象，来确定冰川是否会发生滑动以及造成溃决的可能性大小。
44.更进一步的，通过神经网络模型确定承灾体规模，具体步骤为：
45.获取数据样本，数据样本包括威胁人数、道路毁坏情况、承灾体规模；所述威胁人数、道路毁坏情况作为输入数据，承灾体规模作为输出数据；
46.将输入数据进行归一化处理，将数据样本分为80％的训练集和20％的测试集；
47.将训练集输入神经网络中进行训练，得到预测数学模型；
48.把预测区域的威胁人数、道路毁坏情况输入预测数学模型中，得到预测区域的承灾体规模情况。
49.需要说明的是，数据样本从光学遥感影像数据中获取。
50.进一步的，地质灾害隐患风险评价模型的构建过程为：
51.利用熵权法对冰湖溃决灾害的易发性指标和冰湖溃决灾害的危害性指标计算指标权重，得到加权综合判别因子；
52.以加权综合判别因子对冰湖溃决灾害隐患的风险等级进行划分。
53.加权综合判别因子越大，风险等级越高；相反，加权综合判别因子越小，风险等级
越低。
54.本发明实施例2公开了一种冰湖溃决隐患综合遥感识别系统，如图2所示，包括数据获取模块、易发性指标确定模块、危害性指标确定模块、风险等级评定模块；其中，
55.数据获取模块，用于获取环境数据，环境数据包括dem数据、雷达数据、光学遥感影像数据和热红外遥感数据；
56.易发性指标确定模块，用于结合环境数据根据冰湖坝自然溃决因素和冰湖坝外力溃决因素确定冰湖溃决灾害的易发性指标；
57.危害性指标确定模块，用于根据多期光学遥感影像数据确定承灾体规模，进而确定冰湖溃决灾害的危害性指标；
58.风险等级评定模块，用于以易发性指标和危害性指标为参数，利用地质灾害隐患风险评价模型评价冰湖溃决灾害隐患的风险等级。
59.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
60.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。