数字地形模型课程报告Word下载.docx

数字地形模型课程报告Word下载.docx

《数字地形模型课程报告Word下载.docx》由会员分享，可在线阅读，更多相关《数字地形模型课程报告Word下载.docx（11页珍藏版）》请在冰豆网上搜索。

建筑物；

洪涝；

目录

数字地形模型课程报告1

暴雨中城市建筑物的水淹风险简易分析1

摘要2

第一章绪论1

第二章激光雷达2

§

2.1激光雷达回波2

2.2激光雷达点属性3

2.3点云4

2.3研究区4

第三章蓝点与受影响建筑物5

3.1识别受影响的建筑5

3.2洼地可承受的临界降水量6

3.3蓝点与建筑洪水风险评估7

第四章不足与设想9

4.1不足9

4.1设想9

参考文献11

第一章绪论

由于极端天气气候事件的严重影响，越来越多的研究开始关注其变化情况。

从观测分析到模拟研究，几乎都发现极端气温、降水事件发生了显著变化，而且在全球变暖的大背景下，未来有些极端事件可能会发生频数更高或强度更强[1]。

AR4指出[2]，大多数陆地上的强降水事件发生频率有所上升，这与增暖和观测到的大气水汽增加相一致，而且基于不同温室气体排放情景下的模拟结果显示[1]，这种趋势很可能会持续。

在欧洲的许多地方，特别是在中欧和北欧，可能会发生更严重的洪水[3]。

暴雨发生时，城市的部分道路和建筑将面临被淹的危险，这对城市居民的日常生活将产生巨大的损害。

蓝点是靠近建筑容易发生集水的洼地区域。

暴雨中蓝点对建筑有着直接的影响。

水面和排水的水动力模拟评估洪水风险的方法表明[4]，上游集水区，凹陷，排水系统和水动力计算的使用对结果有很大的影响。

采用的统计建模方法可以进行估计研究区域的集水区洪水发生概率[5]。

蓝点模型还可以用来帮助资源分配[6]和对未来城市发展的规划。

在参考前人提出的方法上，本文主要对丹麦根措夫特自治市的蓝点区进行探究，使用高程数据查找蓝点的位置并计算蓝点的体积以及这些蓝点可承载突发性降水的容量,进而分析建筑的是否有面临水淹的风险和面临水淹风险的强度。

研究区域虽然是哥本哈根附近的根措夫特自治市，但模型具有全球适用性。

第二章激光雷达

　激光雷达（LIDAR或LADAR）是一种通过用激光照射目标来测量到目标的距离测量方法。

激光雷达是一种遥感技术，通过测定发出的光能（激光雷达脉冲）到达地面并返回传感器所用时间来测量高程。

激光雷达在测绘学、考古学、地理学、地貌、地震、林业、遥感以及大气物理等领域都有应用[7]。

激光雷达（激光探测及测距）是一项光学遥感技术，它利用激光对地球表面进行密集采样，以产生高精度的x,y,z测量值。

激光雷达主要用于机载激光制图应用程序中，正日益成为替代传统测量技术（如摄影测量）的具有成本效益的新技术。

激光雷达能生成可通过ArcGIS进行管理、显示、分析以及共享的离散多点云数据集。

激光雷达系统的主要硬件组成部分包括一组车辆（飞机、直升机、车辆以及三脚架）、激光扫描系统、GPS（全球定位系统）和INS（惯性导航系统）。

INS系统测量激光雷达系统的滚动角、俯仰角与前进方向。

激光雷达是一个主动光学传感器，它在沿着特定的测量路径移动时向一个目标发射激光束。

激光雷达传感器中的接收器会对从目标反射回来的激光进行检测和分析。

这些接收器会记录激光脉冲从离开系统到返回系统的精确时间，以此计算传感器与目标之间的范围距离。

这些距离测量值会与位置信息（GPS和INS）一起转换为对象空间中反射目标实际三维点的测量值。

完成激光雷达数据采集测量之后，将通过分析激光的时间范围、激光的扫描角度、GPS位置和INS信息将点数据后处理成高度精确的地理配准x,y,z坐标。

2.1激光雷达回波

从激光雷达系统发射的激光脉冲会从地表面和地表上的物体反射：

植被、建筑物以及桥梁等等。

发射出的一个激光脉冲可能会以一个或多个回波的形式返回到激光雷达传感器。

任何发射出的激光脉冲在向地面传播时，如果遇到多个反射表面则会被分割成与反射表面一样多的回波。

最先返回的激光脉冲是最重要的回波，它将与地表最高的要素相关联，比如树顶或建筑物顶部。

第一个回波也可能表示地面，在这种情况下激光雷达系统只会检测到一个回波。

多个回波可以检测在向外发射的激光脉冲的激光脚点内的多个对象的高程。

中间的回波通常对应于植被结构，而最后的回波对应于裸露地表terrain模型。

最后的回波并非始终从地面返回。

比如，考虑这样一种情况，一个脉冲在向地面发射的过程时撞到粗壮的树枝，根本没有达到地面。

在这种情况下，最后的回波不是从地面返回，而是从反射了整个激光脉冲的树枝返回。

图1激光雷达回波

2.2激光雷达点属性

表1激光雷达点属性

激光雷达属性

描述

强度

生成激光雷达点的激光脉冲的回波强度。

扫描角度等级

发射的一个激光脉冲最多可以有五个回波，这取决于反射激光脉冲的要素以及用来采集数据的激光扫描仪的功能。

第一个回波将标记为一号回波，第二个回波将标记为二号回波，以此类推。

回波数

回波数是某个给定脉冲的回波总数。

例如，某个激光数据点可能是总共五个回波中的二号回波（回波编号）。

点分类

每个经过后处理的激光雷达点可拥有定义反射激光雷达脉冲的对象的类型的分类。

可将激光雷达点分成很多个类别，包括地面、裸露地表、冠层顶部和水域。

使用LAS文件中数字整数代码可定义不同的类。

飞行航线的边缘

将基于值0或1对点进行符号化。

在飞行航线边缘标记的点将赋值1，所有其他点将赋值0。

RGB

可以将RGB（红、绿和蓝）波段作为激光雷达数据的属性。

此属性通常来自在激光雷达测量时采集的影像。

GPS时间

从飞机发射激光点的GPS时间戳。

此时间以GPS一周的秒数表示。

扫描角度

扫描角度是-90度到+90度之间的值。

在0度时，激光脉冲位于飞机正下方的最低点。

在-90度时，激光脉冲在飞机的左侧；

而在+90度时，激光脉冲在飞机的右侧，且与飞行方向相同。

当前多数激光雷达系统都小于±

30度。

扫描方向

扫描方向是激光脉冲向外发射时激光扫描镜的行进方向。

值1代表正扫描方向，而值0代表负扫描方向。

正值表示扫描仪正从轨迹飞行方向的左侧移动到右侧，而负值正相反。

2.3点云

经过后处理，从空间上进行过组织的激光雷达数据被称为点云数据。

初始点云是3D高程点的大集合，其包括x值、y值、z值以及GPS时间戳等其他属性。

在初始激光雷达点云经过后处理后，可对激光遇到的特定表面要素进行分类。

地面、建筑物、森林冠层、高速公路以及任何激光束在测量过程中遇到的物体构成了点云数据。

2.3研究区

研究区为丹麦根措夫特市，使用的DEM范围为根措夫特市和市外的5千米的缓冲区。

DEM的分辨率为1.6米，垂直精度为0.05米。

此高分辨率数据是由激光雷达进行采集的。

除DEM外主要的数据还有市内的建筑图。

图2根措夫特市DEM和建筑物

第三章蓝点与受影响建筑物

3.1识别受影响的建筑

图3识别受影响的建筑模型

①找出DEM上的洼地。

②数据格式处理（栅格与矢量的转换，创建或连接属性表）。

③在地图上找到洼地范围内或与洼地相邻的建筑物。

此模型可使用水文工具分析DEM，以查找洼地。

然后，模型会将洼地位置与现有建筑物的位置进行比较，并选择位于洼地范围内或与洼地相邻的建筑物。

通常，这些建筑物在大暴雨中遭受洪水的风险更大。

图4可能受暴雨影响的建筑物

该模型还无法评估建筑物风险等级。

大暴雨中蓝点填充和溢出的速度取决于蓝点的深度、面积，集水区的大小，或蓄积雨水的本地流域大小。

3.2洼地可承受的临界降水量

在DEM上识别可能受暴雨影响的建筑物只能定性反应出问题，为能够更好地估计洪水风险，还要计算出在大暴雨中填充每个洼地所需要的降雨量。

位于可被快速充满的蓝点内的建筑物要比位于填充速度较慢的蓝点内的建筑物面临的洪水风险更高。

通过计算蓝点的体积及其流域的面积，可以确定将蓝点填充满所需的降雨量——蓝点体积除以流域面积。

图5可承受源的临界水量模型

②数据格式处理，计算洼地体积。

③计算流域的面积。

④洼地可承受的临界降水量

图6洼地可承受源的临界水量（mm）

3.3蓝点与建筑洪水风险评估

结合以上两个模型并稍作调整即可得到蓝点与建筑洪水风险评估模型，如图7。

图7蓝点与建筑洪水风险评估模型

对Fillup字段（填满蓝点的水量）进行统计，发现大部分蓝点区域所能承受的降水量十分有限，统计结果如图8所示。

图8蓝点所能承受的降水量面积频数图

因为不存在绝对径流条件，因此落在流域中的降雨不会全部流入蓝点。

但是，大暴雨中的径流条件近乎绝对。

水量平衡方程P=I+E+Ao+Au+Q说明降雨量（P）等于植被拦截量（I）加蒸发量（E）加地表径流量（Ao）加土壤渗透和下水道系统（Au）加本地水库沉降量（Q）。

在大暴雨中，拦截、蒸发与土壤渗透都假设为零。

丹麦居民区下水道系统的最大降水容量约为每日40毫米。

假设每日最大容量可在1小时内处理完成，此时Au的值设置为40。

在蓝点填充满之前，过量径流（Ao）不会对此方程产生影响。

因此，为了计算填充值，方程可以简化为Q=P–40毫米每小时。

如果1小时降水90毫米，下水道系统会带走40毫米，而其余的50毫米会流进蓝点（部分地填充蓝点或将其完全填满）。

如果蓝点已被填充至倾泻点，径流（Ao）会进入与之邻近的下游汇、湖、河或海。

图9蓝点所能承受的降水量与受影响的建筑

第四章不足与设想

4.1不足

未考虑流至下游蓝点的过量径流。

也未考虑蓝点内建筑物的基础高程。

例如，建筑物靠近蓝点底部时且较低时，可能会在蓝点填满前淹没。

也未考虑结构性因素，如建筑物是否有地下室或增高地基等。

4.2设想

高精度的DEM一般属于保密数据，较难获取，每次大雨过会后都会有大量的波痕在较短的时间里（车流和行人将很快的破坏掉波痕）留在路面。

流水波痕呈不对称状，波谷与波峰均较圆滑，陡坡倾向与流向一致。

所以它能够反映水流情况。

在缺乏高精度DEM情况下，如果统计一片区域的波痕也可以精确找到蓝点区域，再考虑波痕的物源（主要来源于草坪等泥土暴露区域）和波痕发育情况也可以粗略的反应出蓝点可承受的水量。

图10雨后的波痕与其指示的流水方向

参考文献

[1]胡宜昌,董文杰,何勇.21世纪初极端天气气候事件研究进展[J].地球科学进展,2007,22（10）:

1066-1075.

[2]ChangIC.ThePhysicalScienceBasis.WorkingGroupIContributiontotheFourthAssessmentReportoftheIPCC[J].2007,2007:

1-21.

[3]ChristensenJH,ChristensenOB.Climatemodelling:

SeveresummertimefloodinginEurope[J].Nature,2003,421（6925）:

805-6.

[4]LARSENM,PihlKA.TheBluespotmodel-developmentofascreeningmethodtoassessfloodriskonhighways[J].ReportDanishRoadDirectorate,2010（183）.

[5]LiQ.AStudyonaNewMethodfortheAnalysisofFloodRiskAssessmentBasedonArtificialNeuralNetwork[C]//AdvancesinComputerScience,Environment,Ecoinformatics,andEducation-InternationalConference,Csee2011,Wuhan,China,August21-22,2011.Proceedings.2011:

262-266.

[6]MichielsenA.ModellingFloodRiskofTransportInfrastructurebasedonWatershedCharacteristics[J].2015.

[7]Cracknell,ArthurP.;

Hayes,Ladson（2007）[1991].IntroductiontoRemoteSensing（2ed.）.London:

TaylorandFrancis.ISBN0-8493-9255-1.OCLC70765252.