[發(fā)明專利]基于多源數(shù)據(jù)的空間網(wǎng)格化干旱災情風險評估方法及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202010574502.0
• 申請日: 2020-06-22
• 公開（公告）號: CN111737651A
• 公開（公告）日: 2020-10-02
• 發(fā)明（設計）人: 李清波;雷添杰;李政偉;黃錦濤;李超群
• 申請（專利權）人: 黃河勘測規(guī)劃設計研究院有限公司
• 主分類號: G06F17/18
• 分類號: G06F17/18;G06N3/04;G06N3/08;G06Q10/06;G06Q50/26
• 代理公司: 北京高沃律師事務所 11569
• 代理人: 崔玥

本發(fā)明提出了一種基于多源數(shù)據(jù)的空間網(wǎng)格化干旱災情風險評估方法及系統(tǒng)。所述方法首先對研究區(qū)域進行網(wǎng)格劃分；獲取研究區(qū)域多個歷史年份的多源數(shù)據(jù)；將歷史年份的多源數(shù)據(jù)分配至每個網(wǎng)格；根據(jù)單元網(wǎng)格數(shù)據(jù)計算干旱風險值，建立訓練樣本集；分別利用每個網(wǎng)格的訓練樣本集訓練神經(jīng)網(wǎng)絡模型，獲得每個網(wǎng)格的風險預測模型；獲取預測年份的多源數(shù)據(jù)，并分配至每個網(wǎng)格，獲取每個網(wǎng)格在預測年份的單元網(wǎng)格數(shù)據(jù)；將單元網(wǎng)格數(shù)據(jù)輸入風險預測模型，獲得每個網(wǎng)格在預測年份的干旱風險值。本發(fā)明首先本發(fā)明將歷史數(shù)據(jù)及短期觀測數(shù)據(jù)的結合，通過歷史數(shù)據(jù)確定干旱災情的宏觀規(guī)律性，并通過網(wǎng)格劃分的方式，提高評估結果的針對性、全面性和精度。

技術領域

本發(fā)明涉及干旱災情風險評估技術領域，特別是涉及一種基于多源數(shù)據(jù)的空間網(wǎng)格化干旱災情風險評估方法及系統(tǒng)。

背景技術

干旱災害是普遍發(fā)生在全球的自然災害，受干旱災害面積約占陸地總面積的35％，全球約有120多個國家和地區(qū)每年遭受不同程度的干旱。干旱災害風險評估是區(qū)域減災防災的重要基礎工作之一，區(qū)劃的結果和風險等級可為旱災管理中防旱抗旱措施的制定提供重要的科學依據(jù)。

現(xiàn)有的干旱災害風險評估方法有利用降水數(shù)據(jù)、農作物產量和社會經(jīng)濟數(shù)據(jù)對研究區(qū)域的農業(yè)干旱災害進行評估。結合模糊數(shù)學方法、層次分析法、加權綜合評價法、灰色系統(tǒng)、領域類比法、專家評分法和物理模型等方法。利用地理信息系統(tǒng)與自然災害風險模型對研究區(qū)進行干旱災害風險程度區(qū)分，實現(xiàn)色塊圖的繪制與統(tǒng)計、綜合查詢功能。

傳統(tǒng)的風險評估是在干旱發(fā)生后通過一系列措施進行統(tǒng)計或利短期觀測數(shù)據(jù)評估，缺乏針對性和宏觀規(guī)律評估。

而且由于不同區(qū)域發(fā)生的旱情以及當?shù)氐氖芎禐那椴煌瑸榱耸乖u估結果合理，需選擇符合當?shù)貙嶋H的評價指標，建立符合當?shù)氐脑u價指標體系和模型。不同的學者在不同的研究區(qū)域采用不同的干旱指標與災害風險模型得出各研究區(qū)域的旱災風險評估結果。而目前的研究多以行政區(qū)為單位進行研究，具有一定的局限性，無法在縣、鄉(xiāng)鎮(zhèn)、村莊或群落等尺度下進行風險評估。導致風險評價結果具有不全面性，評估精度不高等缺點。

發(fā)明內容

本發(fā)明的目的是提供一種基于多源數(shù)據(jù)的空間網(wǎng)格化干旱災情風險評估方法及系統(tǒng)，本發(fā)明將歷史數(shù)據(jù)及短期觀測數(shù)據(jù)的結合，通過歷史數(shù)據(jù)確定干旱災情的宏觀規(guī)律性，并通過網(wǎng)格劃分的方式，提高評估結果的針對性、全面性和精度。

為實現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種基于多源數(shù)據(jù)的空間網(wǎng)格化干旱災情風險評估方法，所述評估方法包括如下步驟：

對研究區(qū)域進行網(wǎng)格劃分；

獲取研究區(qū)域多個歷史年份的多源數(shù)據(jù)；

將每個歷史年份的多源數(shù)據(jù)分配至每個所述網(wǎng)格，確定每個歷史年份的每個網(wǎng)格的單元網(wǎng)格數(shù)據(jù)；

根據(jù)每個歷史年份的每個網(wǎng)格的單元網(wǎng)格數(shù)據(jù)，確定每個歷史年份的每個網(wǎng)格的干旱風險值，作為所述單元網(wǎng)格數(shù)據(jù)的標簽，建立每個網(wǎng)格的訓練樣本集；

分別利用每個網(wǎng)格的訓練樣本集訓練神經(jīng)網(wǎng)絡模型，獲得每個網(wǎng)格的風險預測模型；

獲取預測年份的多源數(shù)據(jù)，并將預測年份的多源數(shù)據(jù)分配至每個所述網(wǎng)格，獲取每個網(wǎng)格在預測年份的單元網(wǎng)格數(shù)據(jù)；

將每個網(wǎng)格在預測年份的單元網(wǎng)格數(shù)據(jù)分別輸入每個網(wǎng)格的風險預測模型，獲得每個網(wǎng)格在預測年份的干旱風險值。

可選的，所述根據(jù)每個歷史年份的每個網(wǎng)格的單元網(wǎng)格數(shù)據(jù)，確定每個歷史年份的每個網(wǎng)格的干旱風險值，具體包括：

根據(jù)每個所述網(wǎng)格的單元網(wǎng)格數(shù)據(jù)計算每個網(wǎng)格的致災因子危險性指數(shù)、孕災環(huán)境脆弱性指數(shù)、承載體易損性指數(shù)、防災減災能力指數(shù)；