(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210633324.3 (22)申请日 2022.06.07 (71)申请人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 申请人 武汉大学 (72)发明人 杜文英　杨美娟　陈能成　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 专利代理师 魏波 (51)Int.Cl. G06F 17/18(2006.01) G06F 16/951(2019.01) G06F 16/9536(2019.01) G06F 16/215(2019.01)G06F 16/2458(2019.01) G06F 40/289(2020.01) G01D 21/02(2006.01) G06Q 10/06(2012.01) G06Q 50/26(2012.01) (54)发明名称 一种基于多源数据的洪水淹没范围估算方 法 (57)摘要 本发明公开了一种基于多源数据的洪水淹 没范围估算方法， 该方法根据灾中微博洪灾淹没 点位数据和DEM高程数据进行反距离加权， 生成 基于单个微博点位的研究区淹没概率分布； 基于 光学遥感影像和遥感降雨产品， 计算微博点位周 围一定区域内遥感影像MNDWI指数表征的土壤湿 度指数和遥感降雨产品表征的降雨指数， 得到每 个微博点位的置信权重； 最后通过置信权重对所 有微博点位的洪水淹没概率分布进行加权综合， 得到考虑多源数据融合的洪水淹没概率分布估 算结果。 本发 明能够在不依 赖灾中遥感影像的前 提下估算洪水淹没概率分布， 一定程度上解决由 灾中遥感数据缺失造成无法获取大范围淹没信 息的问题， 有利于洪涝灾害评估与应急响应 。 权利要求书3页 说明书10页 附图4页 CN 115168799 A 2022.10.11 CN 115168799 A 1.一种基于多源数据的洪水淹没范围估算方法， 其特 征在于， 所述估算方法包括： 步骤S100： 通过多源数据的获取和预处 理， 得到特定洪灾事 件的多源洪灾数据库； 所述多源洪灾数据库包含灾中社交媒体数据、 CHIRPS遥感降雨产品、 灾后短期光学遥 感影像以及研究区DE M高程数据； 步骤S200： 多源数据融合估算洪水淹没概率分布， 所述多源数据融合估算洪水淹没概率 分布包括如下子步骤： 步骤S201： 创建基于每 个微博洪水淹没点 位的淹没概 率指数分布图层； 对于每个微博洪水淹没点位， 结合点位淹没水深数据和研究区DEM高程数据， 引入反距 离加权， 以该淹没点 位为中心， 创建基于该点 位的淹没概 率指数分布图层； 步骤S202： 对生成的所有淹没概率指数分布图层进行综合加权， 引入基于高斯曲面的加 权方法； 对生成的所有淹没概率指数分布图层进行综合， 每个图层的权重由该淹没点位周边一 定范围内光学遥感影像像元计算的MNDWI指数， 以及CHIRPS遥感降雨产品对应点位周围的 降雨值综合加权得到， 引入更加平 滑的基于高斯曲面的加权方法； 步骤S203： 依据权重值对基于n个微博点位的n张淹没概率分布图层进行加权综合， 得到 研究区基于所有微博淹没点 位的综合的洪水淹没概 率分布图； 步骤S300： 结合真实淹没情况， 对洪水淹没概 率分布的估算结果进行验证。 2.根据权利要求1所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤 S100中， 所述多源数据的获取包括 灾中社交媒体数据和遥感数据， 其中： 所述灾中社交媒体数据包括 微博数据， 所述 微博数据的获取 方法包括： 通过网络爬虫和API相结合的方式获取所述微博数据， 其中， 所述微博数据的字段包括 发布时间、 文本内容、 图片、 视频内容和地理位置； 所述灾中社交媒体数据的预处 理包括数据清洗、 去重、 中文分词以及去停用词； 所述遥感数据包括洪灾发生后短期内的覆盖洪水灾区的光学遥感影 像。 3.根据权利要求1所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤 S100中， 所述灾中社交媒体数据的筛 选条件包括： 条件1： 所述 灾中社交媒体数据带有准确的地理位置信息； 和/或 条件2： 所述 灾中社交媒体数据文本中包 含详细确定的淹没数据； 和/或 条件3： 所述灾中社交媒体数据带有图片或者视频， 能够清晰反映淹没真实情况， 用以 进行数据真实性和准确性验证； 和/或 条件4： 根据官方淹没点位数据、 百度地图确认位置数据、 文本内容、 图片以及视频信 息， 验证淹没水深的真实性和准确性； 和/或 条件5： 对研究区范围较广的情况， 需要对同一个乡镇或者街道的重复数据进行汇总为 一个点位， 删除重复点 位数据。 4.根据权利要求1所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤 S100中， 所述灾后短期光学遥感影 像的预处 理包括辐射校正、 大气校正和重采样。 5.根据权利要求1所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤 S100中， 所述DE M高程数据的选取为 NASA官方发布的3 0m分辨率的DEM数据。 6.根据权利要求1所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤权　利　要　求　书 1/3 页 2 CN 115168799 A 2S100中， 所述CHIRPS遥感降雨产品的选取为0.05 °空间分辨率和日尺度时间分辨率的CHIRPS 数据。 7.根据权利要求1所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤 S201中， 根据每个微博淹没点计算整个研究区的淹没概率分布， 形成淹没概率分布图， 计算 方法基于以下准则： 准则1： 微博平台发布的经过验证的洪水淹没点位， 反映了一定范围区域的洪水淹没事 实， 且离淹没点位越近的区域， 洪水淹没的可能性越高； 反之离淹没点位越远的区域淹没的 可能性则越低； 准则2： 微博淹没点位周边一定范围内， 地势越低的区域被淹没的概率越大； 相反地势 越高的区域被淹没的概 率会越小， 地势高低主 要结合DE M高程数据与微博淹没水深数据。 8.根据权利要求7所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤 S201中， 基于单个的微博点 位生成淹没概 率分布的计算如下： 在研究区范围三维空间内， 设微博淹没点位坐标为i(xi,yi)， 研究区内其余任意一点表 示为j(xj,yj)， 在DEM分布中， i点的高程为Hi， j点的高程为Hj， 淹没点i的淹没水深为Hw， 则j 点的淹没概 率 其中， Hij表示j点的淹没水深， 计算如下： 其中， Dij表示点i和点j之间的欧氏距离 其中， 指数α 和β 是权 重参数， 用来调节Hij和Dij对结果的影响强度。 9.根据权利要求1所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步骤 S202中， 基于MNDWI土壤湿度指数和C HIRPS降雨的权 重计算的研究准则包括： 准则3： 微博淹没数据点位周围一定范围内的土壤水分含量大小， 可以一定程度 上反映 该区域的洪水淹没概率； MNDWI含水量越高， 则表示该区域曾经被洪水覆盖的可能性越高； 微博点位周围总体的土壤水分越高， 则代表由该点位计算的洪水淹没概率分布可信度越 高； 准则4： 微博淹没数据点位周围区域的灾中降雨数据， 能够一定程度 上反映这些区域被 洪水淹没的情况； 当降雨量超过一定范围， 降雨量越大， 则这些区域被洪水淹没的概率会越 大； 准则5： 在微博淹没数据 点位周围， 离点位i越近的像元的MNDWI值以及降雨量值， 对i点 的总体淹没概率影响越高； 相反， 离点位越远， 则对总体淹没概率影响越低， 这符合地理学 第一定律。 10.根据权利要求9所述的基于多源数据的洪水淹没范围估算方法， 其特征在于， 在步 骤S203中， 所述研究区基于所有微博淹没点位的综合的洪水淹没概率分布图的计算过程如权　利　要　求　书 2/3 页 3 CN 115168799 A 3