Penilaian Risiko Banjir Menggunakan Model Ketinggian & Tangan Digital

Artikel ini menunjukkan aliran kerja Python dan Jupyter Notebook untuk penilaian risiko banjir pesat di kawasan pedalaman dan bandar kecil di timur laut Brazil. Memanfaatkan model ketinggian digital (DEM) dan ketinggian di atas model saliran (tangan) yang terdekat, kaedah ini menyediakan penyelesaian masa nyata, sumber rendah untuk mengenal pasti kemungkinan besar.

Soalan utama yang ditangani:

• Pengambilalihan data DEM untuk analisis risiko banjir.
• Menyediakan persekitaran pengaturcaraan Python.
• Dem preprocessing untuk pengekstrakan saliran.
• Menggunakan model tangan untuk mengklasifikasikan tahap risiko banjir ("sangat tinggi," "tinggi," "sederhana," "rendah," "sangat rendah").

Jadual Kandungan:

• Pengenalan
• Persediaan Persekitaran
• Pengambilalihan dan persiapan data
  • Pengambilalihan data
  • Data preprocessing
• Arah aliran dan pengumpulan
  • Pengiraan arah aliran
  • Pengiraan pengumpulan aliran
  • Pengekstrakan rangkaian aliran
• Aplikasi model tangan
• Klasifikasi Risiko Banjir
• Keputusan dan perbincangan
• Kesimpulan
  • Rujukan
• Soalan Lazim

Persediaan Persekitaran:

Aliran kerja ini menggunakan buku nota Jupyter yang menjalankan Python 3.12 dan perpustakaan berikut: Numpy, WhitebOxtools, Gdal, Richdem, dan Matplotlib.

Pengambilalihan Data dan Penyediaan:

Pengambilalihan Data:

Data ketinggian diperoleh daripada Fabdem (hutan dan bangunan yang dikeluarkan Copernicus DEM), secara bebas boleh diakses melalui laman web University of Bristol [1]. Fabdem menawarkan DEM resolusi 1-arka global (kira-kira 30 meter di khatulistiwa), membetulkan untuk membina dan menonjolkan ketinggian pokok. Kajian ini memberi tumpuan kepada kawasan 1º x 1º di timur laut Brazil (6ºS 39ºW hingga 5ºS 38ºW, WGS84). Rantau ini, yang ditunjukkan dalam Rajah 1, mengalami hujan lebat yang luar biasa pada tahun 2024.

Data Preprocessing:

Preprocessing melibatkan mengisi tenggelam DEM (lekukan) menggunakan WhitebOxtools dan Richdem untuk memastikan pemodelan hidrologi yang tepat.

Arah aliran dan pengumpulan:

Pengiraan Arah Aliran:

Arah aliran dikira menggunakan kaedah D8, memberikan setiap piksel nilai (1-128) yang mewakili arah downslope yang paling curam. (Lihat Rajah 2).

Pengiraan pengumpulan aliran:

Pengumpulan aliran mengenal pasti bidang pengumpulan air dengan mengira piksel menyumbang hulu. Nilai pengumpulan yang tinggi menunjukkan sungai dan sungai. (Lihat Rajah 3).

Pengekstrakan rangkaian aliran:

Ambang (15 dalam kajian ini) digunakan untuk raster pengumpulan aliran untuk menggambarkan rangkaian aliran.

Aplikasi Model Tangan:

Model tangan mengira ketinggian setiap piksel DEM di atas titik saliran terdekat. Nilai yang lebih tinggi menunjukkan risiko banjir yang lebih rendah. (Lihat Rajah 4).

Klasifikasi Risiko Banjir:

Berdasarkan nilai tangan, risiko banjir dikelaskan kepada lima peringkat (Jadual 1).

Jadual 1: Klasifikasi Risiko Banjir

Tahap risiko	Ambang (m)	Nilai kelas
Sangat tinggi	0 - 1	5
Tinggi	1 - 2	4
Medium	2 - 6	3
Rendah	6 - 10	2
Sangat rendah	≥10	1

Keputusan dan perbincangan:

Raster tangan diklasifikasikan (Rajah 5) dan eksport geotifnya (Rajah 6, divisualisasikan dalam QGIS) menyerlahkan kawasan berisiko tinggi (kuning) dan berisiko tinggi (merah) berhampiran rangkaian aliran.

Kesimpulan:

Model tangan menyediakan kaedah komputasi yang cekap dan cepat untuk penilaian risiko banjir, terutamanya yang berharga dalam tetapan yang terkawal sumber. Aliran kerja ini boleh disesuaikan dengan pelbagai wilayah dan situasi.

Notebook Jupyter tersedia di sini.

Rujukan: (senarai rujukan seperti yang disediakan dalam teks asal)

Soalan yang sering ditanya: (bahagian Soalan Lazim seperti yang disediakan dalam teks asal)

Atas ialah kandungan terperinci Penilaian Risiko Banjir Menggunakan Model Ketinggian & Tangan Digital. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!