CN115907574B 一种流域性暴雨洪涝承灾体重置成本遥感模拟方法 （中国水利水电科学研究院）

号KR20210085592A,2021.07.08CN203593996U,2014.05.14US11521379B1,2022.12.06一种流域性暴雨洪涝承灾体重置成本遥感本发明公开了一种流域性暴雨洪涝承灾体重置成本遥感模拟方法，通过收集时序遥感数30m分辨率网格上；根据洪水保险核灾数据和实构建30m空间分辨率承灾体重置成本样本集，利用暴雨洪涝承灾体重置参数特征集和承灾体重2S2、根据预处理数据提取流域性暴雨洪涝承灾体S3、采集流域性暴雨洪涝受灾区的保险核灾S4、根据暴雨洪涝承灾体重置参数特征集和承灾体重置成本所述步骤S1中的多源数据包括时序遥感数据、气象指标数据、下垫A1、获取流域性暴雨洪涝受灾区受灾前后的高分三号和哨兵1号的雷达遥感数据以及A4、将预处理后的雷达遥感数据和预处理后的光学遥感数据经过B2、选用中国气象局陆面数据同化系统近实时产品数据集，利用C4、对夜间灯光遥感数据进行过滤处理，剔除原始夜间灯所述步骤S2中的流域性暴雨洪涝承灾体重置参数包括3V4V5}V6}S31、采集流域性暴雨洪涝受灾区的保险核灾数据和历史S33、根据受灾前后的高分辨率卫星遥感数据对比获取各财产类型的受灾面积或数量4中对应提取30mx30m格网的暴雨洪涝承灾体重置参数；其中表示归一化前第i个特征的第j个样本，xij表示归一化后第i个特征的第j个样S43、根据归一化后的暴雨洪涝承灾体重置参数xij构建深度学习神经网络模型的输入wew=W-7VWP(W,B,X,Y)S47、通过验证样本对训练完成的深度学习神经网络模型进行评估，验证模型的准确56[0003]暴雨洪涝承灾体重置成本是指下垫面各类型承灾体在遭受暴雨[0004]当前流域性暴雨洪涝灾害承灾体重置成本模拟模型包含统计模型和多指标评估[0005]本发明的目的是为了解决现有的流域性暴雨洪涝灾害承灾体重置成本模拟方法7[0013]A1、获取流域性暴雨洪涝受灾区受灾前后的高分三号和哨兵1号的雷达遥感数据8[0059]S33、根据受灾前后的高分辨率卫星遥感数据对比获取各财产类型的受灾面积或9[0068]其中表示归一化前第i个特征的第j个样本，xij表示归一化后第i个特征的第j[0069]S43、根据归一化后的暴雨洪涝承灾体重置参数xi[0077]wew=W-7VWP(W,B,X,Y)[0078]Bnew=B-7vgp(W,B,X,Y)vgp(W,B,X,Y)表示损失函数在偏移量B方向的梯度。[0087](2)本发明采用多源遥感和气象数据提取流域性暴雨洪涝承灾体重置参数，构建[0088](3)本发明通过深度学习神经网络算法构建流域性暴雨洪涝承灾体智能模拟模[0089]图1所示为本发明实施例提供的一种流域性暴雨洪涝承灾体重置成本遥感模拟方[0090]图2所示为本发明实施例提供的流域性暴雨洪涝承灾体重置成本遥感模拟效果示[0092]本发明实施例提供了一种流域性暴雨洪涝承灾体重置成本遥感模拟方法，如图1[0096]A1、获取流域性暴雨洪涝受灾区受灾前后的高分三号和哨兵1号的雷达遥感数据[0097]高分三号和哨兵1号卫星搭载的是一台C波段的合成孔径雷达，具有多种成像模[0103]IMERG降水产品具有较高精度，时间分辨率最高为每半小时一次，空间分辨率为[0104]B2、选用中国气象局陆面数据同化系统(CLDAS_V2.0)近实时产品数据集，利用[0114]本发明实施例中，流域性暴雨洪涝承灾体重置参数包括洪涝淹没最大范围特征[0127]其中RHd表示第d个小时的降雨产品，d的取值范围为1到n/2，Nm表示[0155]S33、根据受灾前后的高分辨率卫星遥感数据对比获取各财产类型的受灾面积或参数特征集中对应提取30m×30m格网[0165]其中表示归一化前第i个特征的第j个样本，xij表示归一化后第i个特征的第j[0166]S43、根据归一化后的暴雨洪涝承灾体重置参数xi[0174]wew=W-7VWP(W,B,X,Y)[0175]Bnew=B-7vgp(W,B,X,Y)vgp(W,B,X,Y)表示损失