[发明专利]一种基于多源信息数据的冰湖灾害监测与预警方法

摘要

本发明涉及一种基于多源信息数据的冰湖灾害监测与预警方法，结合不同时段的卫星遥感图像解译、冰碛垄岩土体渗透特性以及冰舌坡度、冰川及冰舌距冰湖的距离、冰川和冰碛垄位移、冰湖湖面监测、气候及水文条件监测，建立基于上述多源信息的数值模型，并对各冰湖溃决危险性指标进行归一化处理通过智能算法进行冰湖溃决可能性进行初步评估。对可能发生灾害的工况，通过数值计算进行冰湖溃决灾害模拟和洪水演进分析，并根据模拟计算结果发布预警，以有效组织救灾减灾。本发明融合了遥感影像及解译技术、水文及地质监测技术、智能算法和数值模拟技术等多种研究方法，具有监测服役时间长、能精确监测冰湖灾害危险性指标和准确进行冰湖灾害预警等优点。

主权项

1.一种基于多源信息数据的冰湖灾害监测与预警方法，其特征在于，具体步骤如下：步骤一、遥感解译：采用Worldview3高分辨率卫星进行每季度一次的冰湖和冰川面积解译，并结合已有的遥感图像分析冰湖面积的演变趋势，若相邻两次冰湖或冰川面积变化大于2％，则遥感图像解译设置为由每季度一次变为一月一次；步骤二、现场踏勘：专业技术人员进行现场踏勘，并根据冰湖所处的地质环境及地质特征识别溃决危险因素，现场进行冰舌坡度、终碛坝顶宽度、终碛坝背水坡度、冰川及冰舌距冰湖的距离测量，并结合确定监测内容、方案及模拟分析目标；步骤三、溃决危险性初步评价：通过神经网络算法进行冰湖溃决危险性初步评价时考虑以下潜在危险因素：冰湖面积年变化达到4％及以上、冰舌坡度大于8°、冰湖与冰川的距离小于500m、终碛坝顶宽度小于60m以及终碛坝背水坡度大于20°，进行无量纲归一化处理，式中：Xi′(k)为第i个学习样本中第k个指标的无量纲化值；max X(k)为第k个评价指标的上限值；在对原始数据进行无量纲化处理时，若某评价指标的实际取值大于或等于其相应的上限值，即利用此式算得的Xi′(k)≥1.0时，则取无纲量化值为1.0；收集国内外大量的冰湖相关数据，包括上述的冰湖冰湖潜在危险因素和冰湖溃决危险性指标R，其中危险性指数R是所收集的冰湖数据中经过综合评判的冰湖危险性，一般是根据冰湖稳定性的实际情况现场勘察和专家评判确定的；将上述无量纲化处理后的结果作为神经网络的输入样本、相应的冰湖溃决的危险性指数R作为输出进行神经网络训练样本；然后，通过训练好的神经网络进行冰湖危险性评价，对危险性指数R大于0.25，即轻度危险以上的冰湖，应加强对上述危险因素的监测；对危险性指数R大于0.5，即高度危险的冰湖，应采取相应的减灾措施，必要时发布预警。