一种洪涝灾害评估系统和方法
【专利摘要】本发明涉及洪涝灾害评估技术领域，公开了一种洪涝灾害评估系统和方法，该系统包括：数据获取单元，用于获取受灾区域的灾前和灾后的遥感数据；植被指数计算单元，用于根据所述灾前和灾后的遥感数据分别计算灾前和灾后的植被指数；以及灾害评估单元，用于根据所述灾前和灾后的植被指数来确定受灾程度。本发明通过根据受灾区域的灾前和灾后的遥感数据分别计算得到的灾前和灾后的植被指数，再根据该植被指数来确定受灾程度，可以看出，本发明可以自动根据灾前和灾后的遥感数据得到作物的受灾程度，不仅具有客观、高效等优点，而且可以为防灾减灾相关部门提供可靠的数据支撑和基础。
【专利说明】
一种洪涝灾害评估系统和方法
技术领域
[0001] 本发明涉及洪涝灾害评估技术，具体地，涉及一种洪涝灾害评估系统和方法。
【背景技术】
[0002] 常用的洪涝灾害监测方法是通过地面上水文实测站点获取的水文数据分析流域 的汛情状况，这些数据都是点信息，并非完整的流域面上信息，很难及时、准确、全面地掌握 洪涝灾害的状况和损失程度。
[0003] 目前，随着遥感、地理信息系统等空间信息技术的发展.遥感技术在洪涝灾害评估 中的作用将越来越受到重视。例如，可以根据洪水淹没范围分布不规则的特征，提出的基于 网格的洪水损失计算模型，在网格内，叠加社会属性信息、洪水水深、流速、历时和土地分类 等遥感信息，较精确地评估洪水灾情;也可以利用遥感和空间展布式社会经济数据库，并结 合考虑水深、淹没历时以及预警时间体现的抗洪抢险行为的力度等，通过空间的匹配进行 了分区分行业的精细化损失评估。
[0004] 然而，因为洪涝灾害损失涉及的范围比较广，目前还没有统一的评估模型来进行 大范围的洪涝灾害评估标准，不能自动根据遥感数据来确定农作物的受灾情况。
【发明内容】
[0005] 本发明的目的是提供一种洪涝灾害评估系统和方法，用于解决自动根据遥感数据 确定农作物的受灾程度的问题。
[0006] 为了实现上述目的，本发明提供了一种洪涝灾害评估系统，该系统包括：数据获 取单元，用于获取受灾区域的灾前和灾后的遥感数据;植被指数计算单元，用于根据所述灾 前和灾后的遥感数据分别计算灾前和灾后的植被指数；以及灾害评估单元，用于根据所述 灾前和灾后的植被指数来确定受灾程度。
[0007] 相应地，本发明还提供了一种洪涝灾害评估方法，该方法包括:获取受灾区域的灾 前和灾后的遥感数据;根据所述灾前和灾后的遥感数据分别计算灾前和灾后的植被指数； 以及根据所述灾前和灾后的植被指数来确定受灾程度。
[0008] 通过上述技术方案，本发明通过根据受灾区域的灾前和灾后的遥感数据分别计算 得到的灾前和灾后的植被指数，再根据该植被指数来确定受灾程度，可以看出，本发明可以 自动根据灾前和灾后的遥感数据得到作物的受灾程度，不仅具有客观、高效等优点，而且可 以为防灾减灾相关部门提供可靠的数据支撑和基础。
[0009] 本发明的其它特征和优点将在随后的【具体实施方式】部分予以详细说明。
【附图说明】
[0010] 附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具 体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0011]图1是本发明提供的洪涝灾害评估系统的框图；
[0012] 图2是本发明提供的另一洪涝灾害评估系统的框图；
[0013] 图3是本发明提供的洪涝灾害评估过程的示意图；以及
[0014] 图4是本发明提供的洪涝灾害评估方法的流程图。
【具体实施方式】
[0015] 以下结合附图对本发明的【具体实施方式】进行详细说明。应当理解的是，此处所描 述的【具体实施方式】仅用于说明和解释本发明，并不用于限制本发明。
[0016] 图1是本发明提供的洪涝灾害评估系统的框图，如图1所示，该系统包括数据获取 单元、植被指数计算单元和灾害评估单元。其中，数据获取单元用于获取受灾区域的灾前和 灾后的遥感数据;植被指数计算单元用于根据所述灾前和灾后的遥感数据分别计算灾前和 灾后的植被指数;灾害评估单元用于根据所述灾前和灾后的植被指数来确定受灾程度。
[0017] 其中，植被指数计算单元根据灾前的遥感数据计算灾前的植被指数，根据灾后的 遥感数据计算灾后的植被指数。灾害评估单元可以根据分别计算得到的灾前的植被指数和 灾后的植被指数来确定受灾程度。
[0018] 其中，数据获取单元针对洪涝灾害发生区域，获取灾前和灾后的遥感数据。本领域 技术人员应当理解，需要对最初获得的灾前和灾后的遥感数据进行数据预处理，数据预处 理包括对获取的遥感数据进行投影转换、剪切、重采样和云掩膜，其中云掩膜算法为可见光 和近红外波段联合判定，此外，数据预处理过程还包括辐射定标和大气纠正处理。这里的数 据预处理可以采用本领域技术人员常用的技术进行，于此不予赘述。
[0019] 其中，辐射定标是将采集遥感数据的卫星各载荷的通道观测值计数值DN转换为卫 星载荷入瞳处等效表观辅亮度数据，具体为：
[0020] Le(Ae) =GainDN+Bias (1)
[0021] 其中，Gain为定标斜率，DN为卫星载荷观测值，Bias为定标截距。
[0022]此外，以上所描述的大气纠正采用本领域技术人员数值的大气校正模块处理。这 里辐射定标和大气纠正处理均为本领域常用的技术，于此不予赘述。
[0023]众所周知，一个区域内的作物的主要种植类型通常变化不大，一般为大米、小麦、 水稻和大豆中的一种或几种，为了限定分类样本数量，提高作物分类精度，从目标特征库中 获得目标特征库样本，选择每种作物类型的训练样本，通过支持向量机分类器进行训练，进 而对作物类型进行识别分类。
[0024]支持向量机(SVM)方法具有适用于高维特征空间、小样本统计学习、抗噪声影响能 力强等特点，在遥感影像分类领域中得到了广泛的应用。当前，遥感影像分类中多数采用线 性核、多项式核和径向基核，其中尤以径向基核的使用较多。当然，也可以采用其他神经网 络算法对作物类型进行分类。
[0025] 对一个区域内的作物种植类型进行识别之后，再针对每一种作物所在的区域进行 灾前灾后影像数据的变化检测，从而得到每一种作物所在的区域是否受灾，可以进一步对 受灾区域的受灾情况进行评估。
[0026] 用来计算植被指数的遥感数据包括近红外波段反射率、红光波段反射率和蓝光波 段反射率。具体来说，植被指数通过以下公式计算： (2)
[0028]其中，EVI为所述植被指数，Pnir为近红外波段反射率，Pred为红光波段反射率，Pblue 为蓝光波段反射率。
[0029] 应当理解，利用灾前的遥感数据通过公式(2)计算灾前的植被指数，利用灾后的遥 感数据通过公式(2)计算灾后的植被指数。
[0030] 根据灾前和灾后的植被指数来确定受灾程度包括:根据灾前和灾后的植被指数计 算植被指数变幅百分比；根据植被指数变幅百分比来确定受灾程度。这里计算植被指数需 要针对不同作物分别计算，因而在受灾区域中存在多种作物的情况下，受灾程度对应于不 同的作物也就不同。实际上，受灾情况也是基于象元统计的，同一作物可能占据一个或多个 象元，不同象元结果不同，然后将所有象元的结果进行叠加。应当理解的是，一个象元中仅 可能有一种作物。应当注意的是，因为同一作物可能占据一个或多个象元，所以针对每一 种作物都要进行象元的叠加。而计算植被指数是针对每一种作物进行的，所以要希望知道 某个区域(具有多种作物)的植被指数，就需要对该区域中的每一种作物计算植被指数。 [0031 ]其中，植被指数变幅百分比可以通过以下公式计算：
(3)
[0033] 在公式（3)中，EVI(i)为植被指数变幅百分比，EVIbefcire(i)为灾前的植被指数， EVIafto(i)为灾后的植被指数。
[0034] 可以在根据以上公式(3)计算得到的植被指数变幅百分比的情况下根据植被指数 变幅百分比来确定受灾程度。例如，可以将受灾程度分为四级:重度损毁、中度损毁、轻度损 毁、无损毁，举例来说，可以采用下表的分级标准：
[0035] 表 1
[0037]根据以上表1，在所计算的植被指数变幅百分比在50 % -100 %范围内时，确定受灾 程度为重度损毁，在所计算的植被指数变幅百分比在30%-50%范围内时，确定受灾程度为 中度损毁，在所计算的植被指数变幅百分比在10%_30%范围内时，确定受灾程度为轻度损 毁，在所计算的植被指数变幅百分比在〇%_1〇%范围内时，确定受灾程度为无损毁。应当注 意的是，表1中的受灾程度的分级标准仅仅为示例，本发明并不限于此，本领域技术人员可 以根据实际情况调整分级标准。
[0038]图2是本发明提供的另一洪涝灾害评估系统的框图，如图2所示，该系统包括图1中 所示的数据获取单元、植被指数计算单元和灾害评估单元，还包括受灾面积获取单元、单产 数据计算单元、产量计算单元和产量损失评估单元。其中，受灾面积获取单元用于根据灾前 和灾后的遥感数据得到受灾面积;单产数据计算单元，用于根据历史年单产数据和指标变 幅值计算当前年单产数据;产量计算单元用于根据受灾面积和当前年单产数据得到当前年 产量;产量损失评估单元用于根据当前年产量和历史年产量得到产量损失比例。
[0039] 其中，指标变幅值(该指标是反映植被生长状况的指数)可以反映出当前年相对于 历史年的作物生长状况，因而在通过数据库得到历史年单产（单位面积产量)数据的情况 下，就可以结合历史年单产数据和指标变幅值计算出当前年单产数据。本领域技术人员应 当理解，指标变幅值即为当前年相对于历史年同期指标变化情况，该指标变幅值可以通过 现有技术的方式得到。
[0040] 具体来说，单产数据计算单元可以根据以下公式(4)计算当前年单产数据：
[0041] YieldN〇w(i) = A Index(i)*YieldLY(i)*100% (4)
[0042] 其中，YieldN?(i)为当前年单产数据，YieldLY(i)为历史年单产数据，A Index(i) 为指标变幅值。
[0043] 产量计算单元可以根据以下公式(5)计算当前年产量：
[0044] ProductionN?(i) =AreaN?(i)*YieldN〇w(i) (5)
[0045] 其中，？1~〇(111〇1:;[0侧。》(：0为当前年产量，4代3_(：0为作物的受灾面积。
[0046] 产量损失评估单元可以根据以下公式(6)计算产量损失比例：
[0048] 其中，？1~〇(111(31:;[011?1'€^。》(：0为产量损失比例，？1'0(111(31:;[0111^(：0为历史年产量。
[0049] 图2所示的系统还包括经济损失评估单元，该经济损失评估单元用于根据产量损 失比例、历史年产量和农作物价格计算得到经济损失量。
[0050] 具体来说，经济损失评估单元可以根据以下公式(7)计算产量损失比例：
[0051 ] EconomicLossN〇w( i) =PriceN〇w( i )*ProductionPropN〇w( i )*ProductionLY( i) (7)
[0052] 其中，￡(3〇11〇111；[(^088〃。》(：0为经济损失量，？1'；[06〃。》(：0为作物价格(例如，作物当前 单价)。
[0053] 以上公式(3)至公式(7)均是针对所确定的受灾区域中的第i种作物的计算公式， 这里i为正整数，受灾区域中可能仅存在一种作物，也可能存在多种作物，此外，对于公式 (4)至公式(7)，在受灾区域中存在多种作物的情况下，针对受灾区域的计算结果为针对受 灾区域中的每一种作物的计算结果的求和，例如，假设受灾区域中有三种作物，那么针对该 受灾区域中的经济损失量为受灾区域中的三种作物的经济损失量之和。
[0054] 图3是本发明提供的洪涝灾害评估过程的示意图，如图3所示，包括以下步骤：
[0055] 步骤301，获取灾前和灾后的遥感数据，这里的遥感数据一般是通过卫星采集。 [0056]步骤302,对所获取的遥感数据进行数据预处理。
[0057]步骤303,根据预处理后的遥感数据对目标区域内的作物进行分类。
[0058]步骤304,确定分类后的各类作物的受灾区域，并进行叠合处理，以得到总的受灾 区域。因为受灾区域是针对每一种作物分别判定的，对于具有多种作物的区域来说，是针对 每一种作物分别确定受灾区域，所以为了得到该具有多个作物的区域的总的受灾区域，就 需要将每一种作物的受灾区域进行叠合。
[0059]步骤305，计算植被指数，具体来说，针对每一种作物计算植被指数。
[0060]步骤306,根据植被指数确定相应作物的受灾程度。
[0061 ] 步骤307,计算当前年产量。
[0062] 步骤308,计算产量损失比例。
[0063] 步骤309,计算经济损失量。
[0064] 步骤306至步骤309的具体计算过程已在上文中进行详细阐述，于此不予赘述。
[0065] 本领域技术人员应当理解，本发明提供的技术方案实现了确定受灾程度和计算经 济损失量两个功能，图3所示的洪涝灾害评估过程仅仅是为了提供一种示例性的过程，而并 不是用来限定本发明的范围，也就是说，本发明的保护范围并不限于图3所示的步骤顺序， 在实际操作的步骤顺序可以不限于图3所示的顺序，例如步骤305也可以在步骤304之前进 行。
[0066] 图4是本发明提供的洪涝灾害评估方法的流程图，如图4所示，该方法包括:获取受 灾区域的灾前和灾后的遥感数据;根据灾前和灾后的遥感数据分别计算灾前和灾后的植被 指数;以及根据灾前和灾后的植被指数来确定受灾程度。
[0067]应当说明的是，本发明提供的洪涝灾害评估方法的具体细节及益处与本发明提供 的洪涝灾害评估系统类似，于此不予赘述。
[0068] 另外需要说明的是，在上述【具体实施方式】中所描述的各个具体技术特征，在不矛 盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明对各种可 能的组合方式不再另行说明。此外，本发明中所确定的研究耕地区域可以通过全国耕地分 布数据或二调耕地数据得到。
[0069] 本发明充分利用遥感技术的客观性、现势性、直观性和宏观性优势，以灾害信息 空间获取和分析机理为基础，发挥空间减灾技术的全天候、全天时、多角度、高效率的优势， 构建基于高分卫星数据的农作物损毁信息提取和损失评估模型，实现了洪涝灾害引起的农 作物损毁信息自动提取和农作物损失程度的自动评估。
[0070] 尽管通过目视解译技术判读作物类型，估算作物种植面积的方法已经很成熟，但 人工投入大，效率低，主观性明显，精度不易控制，而且还需要有经验的人员操作，这使得目 视解译技术不适合运行化系统使用。因此选择合适的特征变量以及分类器进行农作物遥感 自动分类是趋势也是必然。
[0071] 应当理解，不同作物类型具有各自不同的生长发育规律，在遥感影像上表现出不 同的光谱时相变化特征。多时相遥感数据可以利用作物光谱的时间效应特征来提高农作物 遥感识别能力和分类精度。也可以发挥多传感器或多分辨率数据的各自的优点，进行多源 数据融合，对于农作物遥感分类有很大的帮助。通常，多源遥感数据融合主要有多光谱数据 与雷达数据融合、高低空间分辨率数据融合、以及不同多光谱数据间的融合。另，高光谱数 据的光谱分辨率很高，能探测到地物在光谱特征上的微小差异，这为识别地物创造了有利 条件，也正是高光谱数据的优越性之所在。但是高光谱数据波段之间存在着高度的相关性， 使用如此高维的数据不但会影响参数分类器的分类精度，而且可能导致协方差矩阵的奇异 性。非参数分类器在复杂的地表环境下能够获得比参数分类器更高的分类精度。常用的非 参数分类器有神经网络、支持向量机、决策树、专家系统等。
[0072]此外，卫星遥感以其快速、视野广、时效性强等特点成为洪水监测与评估工作中研 究和应用的热点。利用遥感技术获取洪水整体状况信息，为洪水灾害的实时监测与预测等 提供了新的手段。地理信息系统与遥感技术集成应用，集监测、空间数据处理、管理、查询、 分析、模拟等功能于一体，为灾情的快速评估与分析统计在提供丰富数据的同时，也提供了 更加精确有效的信息。如洪水淹没面积简单的方法是用卫星图像上的洪水像元个数乘以 单个像元面积。
[0073] 洪水遥感监测是利用不同波段探测器获取洪水的电磁波信息来监测洪水状态的。 根据波段的不同其监测方式主要分为光学遥感监测和微波遥感监测。光学遥感监测洪涝灾 害的基本原理为:水体在0.4-2.5mi范围内电磁波的吸收率较高，在0.54-0.7mi光谱反射率 最高，随着波长增加反射率呈下降趋势。而且水体在1.0-1.06m处有一强烈的吸收峰，此范 围的植被等地物具有高反射率特性。因此，基于水体的光谱特征可以进行洪水水体的识别 和提取。微波遥感监测洪涝灾害的基本原理为:通过星载或机载主动微波合成孔径雷达向 地物发射脉冲微波信号，接收地物反射回来的回波信号信息，而与其他地物相比，水体反射 回来的信号较弱，因此可以较好地区分和识别洪水与周围地物。
[0074] 洪涝灾害监测评估首先需要进行遥感数据源的选取、预处理以及洪水淹没信息提 取，然后运用GIS技术叠加空间展布式社会经济数据库，选择评估方法，构建指标体系对洪 涝灾害进行监测评估。由于灾害损失评估需在短时间内快速完成，以服务于防灾减灾的实 际工作，因此，实际评价过程中常需结合实时监测的汛情资料、社会经济损失统计数据，配 合遥感监测数据来完成损失评估，并根据动态资料进行洪灾预警。
[0075] 此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本 发明的思想，其同样应当视为本发明所公开的内容。
【主权项】
1. 一种洪溃灾害评估系统，其特征在于，该系统包括： 数据获取单元，用于获取受灾区域的灾前和灾后的遥感数据； 植被指数计算单元，用于根据所述灾前和灾后的遥感数据分别计算灾前和灾后的植被 指数；W及 灾害评估单元，用于根据所述灾前和灾后的植被指数来确定受灾程度。2. 根据权利要求1所述的系统，其特征在于，所述遥感数据包括近红外波段反射率、红 光波段反射率和蓝光波段反射率。3. 根据权利要求2所冰的玄紐甘蛙^正立^目K太枯她賠渐巧计W下公式计算；其中，EVI为所述植被指数，PNIR为近红外波段反射率，PRED为红光波段反射率，PBLUE为蓝 光波段反射率。4. 根据权利要求1-3中任一项权利要求所述的系统，其特征在于，所述根据灾前和灾后 的植被指数来确定受灾程度包括： 根据所述灾前和灾后的植被指数计算植被指数变幅百分比；W及 根据所述植被指数变幅百分比来确定受灾程度。5. 根据权利要求4所述的系统，其特征在于，该系统还包括： 受灾面积获取单元，用于根据所述灾前和灾后的遥感数据得到受灾面积； 单产数据计算单元，用于根据历史年单产数据和指标变幅值计算当前年单产数据； 产量计算单元，用于根据所述受灾面积和所述当前年单产数据得到当前年产量；W及 产量损失评估单元，用于根据所述当前年产量和历史年产量得到产量损失比例。6. 根据权利要求5所述的系统，其特征在于，该系统还包括： 经济损失评估单元，用于根据所述产量损失比例、历史年产量和作物价格计算得到经 济损失量。7. -种洪溃灾害评估方法，其特征在于，该方法包括： 获取受灾区域的灾前和灾后的遥感数据； 根据所述灾前和灾后的遥感数据分别计算灾前和灾后的植被指数；W及 根据所述灾前和灾后的植被指数来确定受灾程度。8. 根据权利要求7所述的方法，其特征在于，所述遥感数据包括近红外波段反射率、红 光波段反射率和蓝光波段反射率。9. 根据权利要求8所述的方法，其特征在于，所述植被指数通过W下公式计算：其中，EVI为所述植椒指数，PNIR刃化红外彼段化财举，PRED刃红光波段反射率，PBLUE为蓝 光波段反射率。10. 根据权利要求7-9中任一项权利要求所述的方法，其特征在于，所述根据灾前和灾 后的植被指数来确定受灾程度包括： 根据所述灾前和灾后的植被指数计算植被指数变幅百分比；W及 根据所述植被指数变幅百分比来确定受灾程度。
【文档编号】G06Q50/26GK105913361SQ201610216317
【公开日】2016年8月31日
【申请日】2016年4月8日
【发明人】崔燕, 范大, 范一大, 常胜, 吴炳方, 温奇, 张薇, 黄河, 王平, 李苓苓, 汤童, 林月冠, 闫娜娜
【申请人】民政部国家减灾中心, 中国科学院遥感与数字地球研究所