디지털 고도 및 손 모델을 사용한 홍수 위험 평가

이 기사는 브라질 북동부의 농촌 및 소규모 도시 지역의 급속한 홍수 위험 평가를위한 파이썬 및 Jupyter 노트북 워크 플로를 보여줍니다. 디지털 고도 모델 (DEM)과 가장 가까운 배수 (핸드) 모델 위의 높이를 활용 하여이 방법은 침수 가능성을 식별하기위한 실시간의 저주적 솔루션을 제공합니다.

주요 질문 해결 :

• 홍수 위험 분석을위한 DEM 데이터 수집.
• 파이썬 프로그래밍 환경 설정.
• 배수 추출을위한 DEM 전처리.
• 홍수 위험 수준 ( "매우 높은", "높음", "보통", "낮음", "매우 낮은")를 분류하기 위해 손 모델을 사용합니다.

목차 :

• 소개
• 환경 설정
• 데이터 수집 및 준비
  • 데이터 수집
  • 데이터 전처리
• 흐름 방향과 축적
  • 흐름 방향 계산
  • 흐름 축적 계산
  • 스트림 네트워크 추출
• 핸드 모델 응용 프로그램
• 홍수 위험 분류
• 결과와 토론
• 결론
  • 참조
• FAQ

환경 설정 :

이 워크 플로는 Python 3.12를 실행하는 Jupyter 노트북과 다음 라이브러리를 사용합니다 : Numpy, Whiteboxtools, GDAL, Richdem 및 Matplotlib.

데이터 수집 및 준비 :

데이터 수집 :

고도 데이터는 Fabdem (산림 및 건물이 Copernicus dem을 제거 함)에서 공급되며, Bristol University의 웹 사이트를 통해 자유롭게 액세스 할 수 있습니다 [1]. Fabdem은 글로벌 1- 아크 초 분해능 DEM (적도에서 약 30 미터)을 제공하여 건물 및 나무 높이 바이어스를 수정합니다. 이 연구는 브라질 북동부의 1º X 1º (6ºS 39ºW ~ 5ºS 38ºW, WGS84)에 중점을 둡니다. 그림 1에 나와있는이 지역은 2024 년에 비정상적으로 폭우를 경험했습니다.

데이터 전처리 :

전처리에는 whiteboxtools 및 richdem을 사용하여 DEM 싱크 (우울증)를 채우기 위해 정확한 수 문학적 모델링을 보장합니다.

흐름 방향 및 축적 :

흐름 방향 계산 :

흐름 방향은 D8 방법을 사용하여 계산되며, 가장 가파른 하향 경사 방향을 나타내는 각 픽셀 A 값 (1-128)을 할당합니다. (그림 2 참조).

흐름 축적 계산 :

흐름 축적은 상류에 기여하는 픽셀을 계산하여 물 수집 영역을 식별합니다. 높은 축적 값은 스트림과 강을 나타냅니다. (그림 3 참조).

스트림 네트워크 추출 :

스트림 네트워크를 묘사하기 위해 유량 축적 래스터에 임계 값 (15)이 적용됩니다.

핸드 모델 응용 프로그램 :

핸드 모델은 가장 가까운 배수 지점 위의 각 데크 픽셀의 높이를 계산합니다. 값이 높을수록 홍수 위험이 낮습니다. (그림 4 참조).

홍수 위험 분류 :

손 값에 따라 홍수 위험은 5 가지 수준으로 분류됩니다 (표 1).

표 1 : 홍수 위험 분류

위험 수준	임계 값 (m)	클래스 가치
매우 높습니다	0 - 1	5
높은	1 - 2	4
중간	2 - 6	3
낮은	6 - 10	2
매우 낮습니다	≥10	1

결과 및 토론 :

분류 된 핸드 래스터 (그림 5)와 Geotiff Export (QGIS로 시각화 된 Geotiff Export)는 스트림 네트워크 근처에 고위험 (노란색)과 위험이 높은 (빨간색) 영역을 강조합니다.

결론:

HAND 모델은 홍수 위험 평가를위한 계산 효율적이고 빠른 방법을 제공하며, 특히 자원으로 제한된 설정에서 가치가 있습니다. 이 워크 플로는 다양한 지역과 상황에 적응할 수 있습니다.

Jupyter Notebook 이용 가능.

참조 : (원본 텍스트에 제공된 참조 목록)

자주 묻는 질문 : (원본 텍스트에 제공된 FAQ 섹션)

위 내용은 디지털 고도 및 손 모델을 사용한 홍수 위험 평가의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!