[0001] 本公开涉及城乡规划和数字地图技术领域，尤其涉及一种耦合智能算法与多源数据的雨洪灾害风险地图生成方法及装置。

[0002] 雨洪灾害风险地图可以反映雨洪灾害风险水平的时间和空间差异性，为制订不同风险分区的防灾、减灾、救灾措施和计划提供依据。相关技术中通常利用插值法对收集的历史雨洪灾害数据进行计算，来确定灾害影响范围和危险性水平，或者依据相关规范、地方的暴雨强度公式和层次分析法来计算雨洪灾害危险性结果，进而生成雨洪灾害风险地图。

[0003] 在实现本公开构思的过程中，发明人发现相关技术中针对雨洪灾害风险地图的生成方法中存在如下缺陷：数据源较为单一、相关算法中主观因素影响较大，导致计算结果准确性低下，且历史灾害数据存在时空局限性；雨洪灾害风险地图的覆盖范围有限，误差较大，难以满足实际应用的需求。

[0061] 以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

[0062] 在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

[0063] 在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

[0064] 在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

[0065] 在本公开的技术方案中，所涉及的用户信息(包括但不限于用户个人信息、用户图像信息、用户设备信息，例如位置信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，并且相关数据的收集、存储、使用、加工、传输、提供、公开和应用等处理，均遵守相关法律法规和标准，采取了必要保密措施，不违背公序良俗，并提供有相应的操作入口，供用户选择授权或者拒绝。

[0066] 发明人发现，在相关技术中，针对雨洪灾害风险地图生成方法方面，数据源较为单一、相关算法中主观因素影响较大，导致计算结果准确性低下，且历史灾害数据存在时空局限性；雨洪灾害风险地图的覆盖范围有限，且误差较大，难以满足实际应用的需求。鉴于此，本公开通过利用多种类型的雨洪灾害数据来构建目标雨洪灾害数据库，丰富了基础数据，从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据并利用雨洪模拟模型，得到淹没范围数据和径流流速数据，从而弥补了历史灾害数据的时空局限性，进而可以基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，来确定雨洪致灾结果和雨洪承灾结果，并综合得到雨洪灾害风险结果，进而生成雨洪灾害风险地图，由于雨洪灾害分析模型不是根据主观经验赋值来计算雨洪灾害风险结果，而是从多角度、客观地对雨洪灾害数据进行解析和计算，进而提升了雨洪灾害风险结果计算的准确性，进一步提高了雨洪灾害风险地图的覆盖范围和精度。

[0067] 本公开的实施例提供了一种耦合智能算法与多源数据的雨洪灾害风险地图生成方法和装置，该方法包括：利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，其中，目标雨洪灾害数据库包括多种类型的目标雨洪灾害数据；从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据输入至雨洪模拟模型，输出淹没范围数据和径流流速数据；基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果；基于雨洪致灾结果和雨洪承灾结果，确定雨洪灾害风险结果；以及基于雨洪灾害风险结果，生成雨洪灾害风险地图。

[0068] 图1示意性示出了根据本公开实施例的耦合智能算法与多源数据的雨洪灾害风险地图生成方法及装置的应用场景图。

[0069] 如图1所示，根据该实施例的应用场景100可以包括第一终端设备101、第二终端设备102、第三终端设备103、网络104和服务器105。网络104用以在第一终端设备101、第二终端设备102、第三终端设备103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

[0070] 用户可以使用第一终端设备101、第二终端设备102、第三终端设备103中的至少一个通过网络104与服务器105交互，以接收或发送消息等。第一终端设备101、第二终端设备102、第三终端设备103上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

[0071] 第一终端设备101、第二终端设备102、第三终端设备103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

[0072] 服务器105可以是提供各种服务的服务器，例如对用户利用第一终端设备101、第二终端设备102、第三终端设备103所浏览的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的网页、信息、或数据等)反馈给终端设备。

[0073] 需要说明的是，本公开实施例所提供的耦合智能算法与多源数据的雨洪灾害风险地图生成方法一般可以由服务器105执行。相应地，本公开实施例所提供的耦合智能算法与多源数据的雨洪灾害风险地图生成装置一般可以设置于服务器105中。本公开实施例所提供的耦合智能算法与多源数据的雨洪灾害风险地图生成方法也可以由不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的耦合智能算法与多源数据的雨洪灾害风险地图生成装置也可以设置于不同于服务器105且能够与第一终端设备101、第二终端设备102、第三终端设备103和/或服务器105通信的服务器或服务器集群中。

[0074] 应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

[0075] 图2示意性示出了根据本公开实施例的耦合智能算法与多源数据的雨洪灾害风险地图生成方法的流程图。

[0076] 如图2所示，该实施例的耦合智能算法与多源数据的雨洪灾害风险地图生成方法包括操作S210～操作S250。

[0077] 在操作S210，利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，其中，目标雨洪灾害数据库包括多种类型的目标雨洪灾害数据。

[0078] 根据本公开的实施例，通过初始雨洪灾害数据可以包括历史时间段内各种与雨洪灾害相关的数据，例如，土地利用数据、土壤类型数据、植被覆盖数据、地形高程数据、水文水系数据、气象数据、人口数据、国内生产总值数据、夜间灯光数据、道路数据、建筑密度数据、医疗设施数据、消防救援设施数据等。初始雨洪灾害数据的数据来源可以包括各种资源环境类数据平台、地理空间数据云以及相关卫星数据平台。在获取各种类型初始雨洪灾害数据之后，可以利用预设处理规则对初始雨洪灾害数据进行处理，得到目标雨洪灾害数据，并可以利用目标雨洪灾害数据来构建目标雨洪灾害数据库。

[0079] 在操作S220，从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据输入至雨洪模拟模型，输出淹没范围数据和径流流速数据。

[0080] 根据本公开的实施例，在目标雨洪灾害数据库构建之后，可以利用目标雨洪灾害数据和雨洪模拟模型来计算目标时间段内的淹没范围数据和径流流速数据。可以先确定所要模拟的目标时间段，该目标时间段可以是历史某一时间段，将目标雨洪灾害数据输入至训练好的雨洪模拟模型，可以得到目标时间段内的淹没范围数据和径流流速数据，并提取其中某一时间点所达到的最大淹没范围数据和最大径流流速数据，在此数据的基础上可以绘制雨洪灾害重现期目标区域在目标时间段内的淹没范围分布图。

[0081] 在操作S230，基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果。

[0082] 根据本公开的实施例，雨洪灾害分析模型可以包括雨洪致灾分析模型和雨洪承灾分析模型。雨洪致灾结果可以是根据构建好的雨洪致灾危险性辨识体系和雨洪致灾分析模型来计算得到；雨洪承灾结果可以是根据构建好的承灾体脆弱性辨识指标体系中的承灾指标、和与承灾指标对应的综合权重值以及雨洪承灾分析模型来计算得到。

[0083] 在操作S240，基于雨洪致灾结果和雨洪承灾结果，确定雨洪灾害风险结果。

[0084] 根据本公开的实施例，可以将雨洪致灾结果与雨洪承载结果相结合，得到雨洪灾害风险结果，具体操作如公式(1)所示：

[0085] (1)

[0086] R(x)＝D(x)×V(x)

[0087] 其中，D(x)和V(x)可以分别表示目标区域雨洪致灾结果和雨洪承载结果，R(x)表示目标区域的雨洪灾害风险结果(雨洪风险系数值)。

[0088] 在操作S250，基于雨洪灾害风险结果，生成雨洪灾害风险地图。

[0089] 图3示意性示出了根据本公开实施例的目标区域(A城市)的雨洪灾害风险地图。

[0090] 如图3所示，在获取到雨洪灾害风险结果之后，还可以基于地理空间信息系统(Geographic Information System，GIS)，将目标区域的雨洪灾害风险结果(雨洪风险系数值)进行空间表达，形成目标区域的雨洪灾害风险地图，目标区域的雨洪灾害风险结果(雨洪风险系数值)可以包括低风险区、中低风险区、中风险区、中高风险区和高风险区。

[0091] 根据本公开的实施例，通过利用多种类型的雨洪灾害数据来构建目标雨洪灾害数据库，丰富了基础数据，从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据并利用雨洪模拟模型，得到淹没范围数据和径流流速数据，从而弥补了历史灾害数据的时空局限性，进而可以基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，来确定雨洪致灾结果和雨洪承灾结果，并综合得到雨洪灾害风险结果，进而生成雨洪灾害风险地图，由于雨洪灾害分析模型不是根据主观经验赋值来计算雨洪灾害风险结果，而是从多角度、客观地对雨洪灾害数据进行解析和计算，进而提升了雨洪灾害风险结果计算的准确性，进一步提高了雨洪灾害风险地图的覆盖范围和精度。

[0092] 根据本公开的实施例，雨洪灾害分析模型包括雨洪致灾分析模型；其中，基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果，包括：根据目标雨洪灾害数据、淹没范围数据和径流流速数据，构建雨洪致灾危险性辨识体系，其中，雨洪致灾危险性辨识体系在结构层次上包括致灾要素、致灾因子和致灾指标；以及根据雨洪致灾分析模型以及处理后的致灾指标，生成目标区域在目标时间段内的雨洪致灾结果。

[0093] 根据本公开的实施例，雨洪致灾分析模型可以用来分析目标区域在目标时间段内雨洪致灾结果(包括雨洪危险性水平及其空间分布结果)。雨洪致灾危险性辨识体系可以由目标雨洪灾害数据、淹没范围数据和径流流速数据构建得到，雨洪致灾危险性辨识体系在结构层次上可以包括致灾要素、致灾因子和致灾指标。

[0094] 在一种可行的实施例中，雨洪致灾危险性辨识体系可以包括2类致灾要素、8项致灾因子和13项致灾指标，其中，2类致灾要素可以为孕灾环境和致灾因子，8项致灾因子可以为地表因子、地形因子、水文因子、土地利用因子、土壤因子、气象因子、灾害因子和水源因子，13项致灾指标可以为年均降水量指标、淹没范围指标、径流流速指标、河道缓冲区指标、植被覆盖度指标、数字高程模型指标、坡向指标、坡度坡长指标、平面曲率指标、地形湿度指数指标、河网密度指标、土地利用类型占比指标和土壤可蚀性指标。其中，土地利用类型占比指标可以包括林地占比指标、建设用地占比指标、水域占比指标、耕地占比指标和草地占比指标。

[0095] 根据本公开的实施例，处理后的致灾指标可以是根据预设筛选规则对致灾指标进行筛选，得到更新后的致灾指标，更新后的致灾指标可以包括年均降水量指标、淹没范围数据指标、径流流速数据指标、河道缓冲区指标、坡向指标、坡度坡长指标、地形湿度指数指标、河网密度指标、土壤可蚀性指标和土地利用类型占比指标中的建设用地、水域、耕地以及草地占比指标。然后可以利用训练好的雨洪致灾分析模型，对更新后的致灾指标进行重要性排序。

[0096] 图4示意性示出了根据本公开实施例的目标区域(A城市)雨洪致灾结果的空间分布图。

[0097] 如图4所示，可以利用雨洪致灾分析模型以及更新和排序后的致灾指标，生成目标区域在目标时间段内的雨洪致灾结果。目标区域(A城市)的雨洪致灾结果可以分为五个等级，用危险性系数值来进行表示，例如等级一(危险性系数值最低)为0～0.11、等级二为0.11～0.27、等级三为0.27～0.49、等级四为0.49～0.75和等级五(危险性系数值最高)为
0.75～1.00。

[0098] 根据本公开的实施例，雨洪致灾分析模型的训练方式可以包括：利用样本雨洪灾害数据和与样本雨洪灾害数据对应的标签对初始雨洪致灾分析模型进行训练；以及在确定初始雨洪致灾分析模型分析准确率大于或者等于预设分析阈值的情况下，得到训练好的雨洪致灾分析模型。

[0099] 在一种可行的实施例中，雨洪致灾分析模型为随机森林模型。

[0100] 在一种可行的实施例中，可以运用随机森林模型对样本雨洪灾害数据进行训练和模型参数优化调整，例如，将目标区域(A城市)3000个样本雨洪灾害数据随机分为30％的测试集和70％的训练集，对初始随机森林模型进行初次训练，以实现对输入的样本雨洪灾害数据的训练和分析；对随机森林模型进行相关参数优化调整，可以通过网格搜索法，将n_estimators和max_depth两个重要参数优化修正为180和18后，进行十次交叉验证，得到结果较为满意。训练好随机森林模型后，可以验证模型的性能。

[0101] 图5A示意性示出了根据本公开实施例的目标区域(A城市)雨洪致灾指标的随机森林样本雨洪灾害数据训练ROC曲线图。

[0102] 如图5A所示，ROC曲线下面积(Area under the Curve of ROC，ROC‑AUC)，ROC(receiver operating characteristic curve)为接收者操作特征曲线，ROC曲线下面积将伪阳性率(FPR)定义为X轴，真阳性率(TPR)定义为Y轴，取值在1‑0.9区间内，可以表明模型分析的准确度最高。

[0103] 根据本公开的实施例，通过运用雨洪致灾分析模型来分析雨洪致灾指标的贡献率，以此为依据来计算目标区域的雨洪致灾结果，解决了过去依靠主观经验赋值或相关技术标准赋值所存在的客观性不强、地域适应性较差的问题，提升了雨洪致灾结果的准确性。

[0104] 根据本公开的实施例，雨洪灾害分析模型还包括雨洪承灾分析模型；基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果，还包括：根据目标雨洪灾害数据构建目标区域在目标时间段内的承灾体脆弱性辨识指标体系，其中，承灾体脆弱性辨识指标体系在结构层次上包括承灾要素、承灾因子和承灾指标；根据雨洪承灾分析模型，确定与承灾指标对应的综合权重值；以及根据承灾指标和与承灾指标对应的综合权重值，确定目标区域在目标时间段内的雨洪承灾结果。

[0105] 根据本公开的实施例，雨洪承灾分析模型可以用来分析目标区域在目标时间段内的雨洪承灾结果。承灾体脆弱性辨识指标体系可以由目标雨洪灾害数据构成，在结构层次上可以包括承灾要素、承灾因子和承灾指标。可以利用雨洪承灾分析模型来计算承灾指标对应的综合权重值，进而根据承灾指标与承灾指标对应的综合权重值来计算目标区域在目标时间段内的雨洪承灾结果。

[0106] 在一种可行的实施例中，承灾体脆弱性辨识指标体系可以包括2类承灾要素、7项承灾因子和13项承灾指标。其中，2类承灾要素可以为承灾体和防灾减灾能力，7项承灾因子可以为社会因子、人口因子、建设因子、医疗因子、疏散因子、经济因子和保障因子，13项承灾指标可以为夜间灯光指标、地均国内生产总值指标、人口密度指标、路网密度指标、建筑密度指标、医疗卫生机构数指标、万人拥有病床数指标、万人拥有医护数指标、避难场所数量指标、人均国内生产总值指标、第三产业产值占比指标、农业总产值占比指标和超市及零售店铺数量指标。

[0107] 图5B示意性示出了根据本公开实施例的目标区域(A城市)雨洪承灾结果的空间分布图。

[0108] 如图5B所示，目标区域(A城市)的雨洪承灾结果可以分为五个等级，可以用脆弱性系数值来进行表示，例如等级一(脆弱性系数值最低)为0～0.02、等级二为0.02～0.06、等级三为0.06～0.13、等级四为0.13～0.27和等级五(脆弱性系数值最高)为0.27～1.00。

[0109] 根据本公开的实施例，处理后的致灾指标包括更新后的致灾指标和排序后的致灾指标，致灾指标包括以下至少一项：年均降水量指标、淹没范围数据指标、径流流速数据指标、河道缓冲区指标、植被覆盖度指标、数字高程模型指标、坡向指标、坡度坡长指标、平面曲率指标、地形湿度指数指标、河网密度指标、土地利用类型占比指标和土壤可蚀性指标；致灾指标的处理方式包括：根据预设筛选规则对致灾指标进行筛选，得到更新后的致灾指标；以及根据雨洪致灾分析模型，对更新后的致灾指标进行排序，得到排序后的致灾指标。

[0110] 在一种可行的实施例中，根据预设筛选规则对致灾指标进行筛选，得到更新后的致灾指标可以包括：年均降水量指标、淹没范围数据指标、径流流速数据指标、河道缓冲区指标、坡向指标、坡度坡长指标、地形湿度指数指标、河网密度指标、土壤可蚀性指标和土地利用类型占比指标中的建设用地、水域、耕地以及草地占比指标。可以理解地是，致灾指标以及更新后的致灾指标所包含的具体内容，可根据实际目标区域和目标时间段的不同而各不相同，具体在此不进行限定。

[0111] 图6示意性示出了根据本公开实施例的目标区域(A城市)雨洪致灾指标的重要性排序图。

[0112] 如图6所示，利用训练好的雨洪致灾分析模型，对更新后的致灾指标进行重要性排序，得到重要性由高到低的致灾指标分别为：地形湿度指数指标、年降水量指标、坡度坡长指标、水域占比指标、坡向指标、最大淹没范围指标、耕地占比指标、河道缓冲区指标、建设用地占比指标、最大径流流速指标、河网密度指标和土壤可蚀性指标，可以理解地是，雨洪致灾指标的重要性排序结果，可根据实际目标区域和目标时间段的不同而各不相同，具体在此不进行限定。

[0113] 根据本公开的实施例，利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，包括：根据预设处理规则对目标区域的初始雨洪灾害数据进行标准化处理，得到目标雨洪灾害数据，其中，预设处理规则包括坐标标准化处理和精度标准化处理；以及利用目标雨洪灾害数据构建目标雨洪灾害数据库。

[0114] 根据本公开的实施例，可以将初始雨洪灾害数据的坐标和数据精度进行标准化处理，例如，将初始雨洪灾害数据的坐标统一于2000国家大地坐标系，数据精度统一于100m X 100m的空间网格中。应该说明的是，对于初始雨洪灾害数据的坐标和数据精度的标准化处理可根据实际情况进行确定，具体在此不进行限定。例如，数据坐标也可以是北京54坐标、西安80坐标或者WGS84坐标等，数据精度也可以是1000mX 1000m或者500m X 500m等。

[0115] 根据本公开的实施例，雨洪灾害重现期数据包括两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据；其中，从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据输入至雨洪模拟模型，输出淹没范围数据和径流流速数据，包括：从目标雨洪灾害数据中分别选取目标区域在目标时间段内的两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据；利用雨洪模拟模型计算目标区域在目标时间段内的两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据，得到淹没范围数据和径流流速数据，其中，淹没范围数据和径流流速数据包括最大淹没范围数据和最大径流流速数据，最大淹没范围数据和最大径流流速数据与五十年一遇重现期数据相关联。

[0116] 根据本公开的实施例，例如，选取A城市2016年7月10日、2015年9月6日和2018年9月23日的历史降雨数据作为两年一遇(P＝2a)、五年一遇(P＝5a)和五十年一遇(P＝50a)三个不同重现期的目标雨洪灾害数据，输入至训练好的雨洪模拟模型，来情景模拟A城市在目标时间段内的淹没范围分布图。

[0117] 图7示意性示出了根据本公开实施例的雨洪灾害重现期(五十年一遇)A城市在目标时间段内的淹没范围分布图。

[0118] 根据本公开的实施例，将三个不同重现期的目标雨洪灾害数据，输入至训练好的雨洪模拟模型，当模型模拟至72小时，显示地表的径流流速及积水的淹没范围基本保持稳定，并开始呈现下降趋势。由于各重现期内雨洪模拟趋势变化体现为强度的差距，遂选取50年一遇降雨情景模拟数值为最大值，提取模拟至72小时的径流流速与淹没范围作为最大淹没范围数据与最大径流流速数据。如图7所示，在雨洪模拟模型模拟至72小时的水体范围和淹没范围。

[0119] 在一种可行的实施例中，雨洪模拟模型的训练方式包括：利用样本雨洪灾害数据对初始雨洪模拟模型进行训练，经过多次训练，可以确定模型的初始时间步长为0.5h，并选取历时96小时为历史降雨情景的模拟时间步长。应该理解的是模拟时间步长＝模拟结束时间‑模拟开始时间＝初始时间步长X时间步数，其中，模拟时间步长可以表征模拟的总时长，初始时间步长可以表征模拟的基本时间单元，时间步数可以表征时间单元数量。

[0120] 根据本公开的实施例，利用雨洪模拟模型和多源雨洪灾害数据，可以模拟目标区域在目标时间段内的地表径流流量、流速和雨洪淹没区，作为灾害因子数据，模拟结果可以覆盖研究范围(目标区域)全域，从而弥补了历史灾害记录数据的时空局限性。

[0121] 根据本公开的实施例，承灾指标对应的综合权重值的获取方式包括：根据雨洪承灾分析模型，确定承灾指标的第一权重值和第二权重值；以及根据第一权重值和第二权重值，确定承灾指标对应的综合权重值。

[0122] 根据本公开的实施例，各承灾指标的综合权重的确定方式包括：可以利用层次分析法(Analytic Hierarchy Process，AHP)来计算承灾指标的主观权重值WAHP，建立层次模型，构建不同层次之间的判断矩阵，进行一致性检验至特征值达到一致性满意为止；同时，可以利用CRITIC方法来计算承灾指标的客观权重WCRI，设Cn为第n个承灾指标所包含的信息量，Cn具体操作如公式(2)所示：

[0123]

[0124] 其中，Sn表示标准差，rin表示评价指标i和n之间的相关系数，Rn表示指标之间的相关性，客观权重WCRI具体操作如公式(3)所示：

[0125]

[0126] 最后，利用AHP‑CRITIC方法组合赋权计算，采用乘数合成归一法得出综合权重WAHP‑CRI，具体操作如公式(4)所示：

[0127]

[0128] 具体到本公开中，以表1为例进行说明，表1为根据本公开实施例的采用AHP‑CRITIC法计算雨洪灾害下目标区域(A城市)致灾要素、因子、指标及权重结果。

[0129] 表1

[0130]

[0131]

[0132] 根据本公开的实施例，采用AHP‑CRITIC方法组合计算承灾指标的综合权重，避免了现有技术中单一权重计算方法中存在的主观赋权忽视数据的客观属性和地域特殊性，客观赋权存在缺乏对各项指标相对于承灾体脆弱性的重要性的关联，使得各承灾指标的权重值更加全面客观，进而提高了雨洪承灾结果的准确性。

[0133] 根据本公开的实施例，根据预设筛选规则对致灾指标进行筛选，得到更新后的致灾指标，包括：对致灾指标中的淹没范围指标进行线性回归计算，确定与淹没范围指标对应的共线性数值；将共线性数值与预设共线性阈值进行比对，确定更新后的致灾指标。

[0134] 根据本公开的实施例，可以选用方差膨胀因子(variance inflation factor，VIF)排除共线性因子，借助Python平台，将目标区域(A城市)3000个样本(即标准数据精度内的样本数据)进行输入，对自变量x(即目标区域的洪涝淹没范围数据)进行线性回归，并计算每个自变量x的方差膨胀因子(VIF)，将方差膨胀因子与预设共线性阈值(例如，预设共线性阈值为10)，通过自变量x多重共线性分析，将植被覆盖度指标、平面曲率指标、数字高程模型指标和林地占比指标等四个致灾指标的方差膨胀因子(VIF)＞10的指标进行剔除，重新计算线性回归，构成了目标区域(A城市)的致灾指标库。

[0135] 根据本公开的实施例，通过预设筛选规则对致灾指标进行筛选，可以根据目标区域的地域特殊性和实际情况剔除了干扰性致灾指标，缩减了计算数据的数据量，节省了系统资源，同时提升后续雨洪致灾结果计算的准确性。

[0136] 根据本公开的实施例，方法还包括：向目标数据源发送数据获取请求，数据获取请求用于请求获取目标时间段内的初始雨洪灾害数据，其中，目标数据源包括资源环境类数据平台、地理空间数据云以及相关卫星数据平台；以及接收来自目标数据源的初始雨洪灾害数据。

[0137] 根据本公开的实施例，目标数据源可以包括资源环境类数据平台、地理空间数据云以及相关卫星数据平台，例如土地利用数据、水文水系数据、国内生产总值数据可以从中国科学院资源环境科学数据中心和中国科学院全球不透水面数据集进行获取，地形高程数据可以从地理空间数据云获取，植被覆盖数据可以取自美国地理调查卫星数据，土壤类型数据可以取自HWSD土壤数据库，气象数据可以取自CMADS数据集与国家青藏高原科学数据中心，道路数据、医疗设施数据、消防救援设施数据可以取自高德地图POI开放数据，夜间灯光数据可以取自珞珈一号卫星数据，人口数据可以取自Worldpop网络数据，建筑密度数据可以取自中国建筑屋顶区域数据集。

[0138] 图8示意性示出了根据本公开实施例的耦合智能算法与多源数据的雨洪灾害风险地图生成方法的系统架构图。

[0139] 如图8所示，耦合智能算法与多源数据的雨洪灾害风险地图生成方法的系统结构可以包括目标雨洪灾害数据库的构建810、雨洪淹没区的智慧模拟820、雨洪致灾结果的计算830、雨洪承灾结果的计算840和雨洪灾害风险地图的生成850。通过利用多种类型的雨洪灾害数据可以构建目标雨洪灾害数据库810，丰富了雨洪灾害的基础数据，从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据，通过雨洪淹没区的智慧模拟820，利用雨洪模拟模型，得到淹没范围数据和径流流速数据，进而可以基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，来实现雨洪致灾结果的计算
830以及雨洪承灾结果的计算840，综合得到雨洪灾害风险结果，并实现雨洪灾害风险地图的生成850。

[0140] 基于上述耦合智能算法与多源数据的雨洪灾害风险地图生成方法，本公开还提供了一种耦合智能算法与多源数据的雨洪灾害风险地图生成装置。以下将结合图9对该装置进行详细描述。

[0141] 图9示意性示出了根据本公开实施例的耦合智能算法与多源数据的雨洪灾害风险地图生成装置的结构框图。

[0142] 如图9所示，该实施例的耦合智能算法与多源数据的雨洪灾害风险地图生成装置900包括数据库构建模块910、数据输出模块920、结果确定模块930、雨洪灾害风险结果确定模块940和地图生成模块950。

[0143] 数据库构建模块910，用于利用目标区域的初始雨洪灾害数据构建目标雨洪灾害数据库，其中，目标雨洪灾害数据库包括多种类型的目标雨洪灾害数据。在一实施例中，数据库构建模块910可以用于执行前文描述的操作S210，在此不再赘述。

[0144] 数据输出模块920，用于从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据输入至雨洪模拟模型，输出淹没范围数据和径流流速数据。在一实施例中，数据输出模块920可以用于执行前文描述的操作S220，在此不再赘述。

[0145] 结果确定模块930，用于基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，确定雨洪致灾结果和雨洪承灾结果。在一实施例中，结果确定模块930可以用于执行前文描述的操作S230，在此不再赘述。

[0146] 雨洪灾害风险结果确定模块940，用于基于雨洪致灾结果和雨洪承灾结果，确定雨洪灾害风险结果。在一实施例中，雨洪灾害风险结果确定模块940可以用于执行前文描述的操作S240，在此不再赘述。

[0147] 地图生成模块950，用于基于雨洪灾害风险结果，生成雨洪灾害风险地图。在一实施例中，地图生成模块950可以用于执行前文描述的操作S250，在此不再赘述。

[0148] 根据本公开的实施例，通过耦合智能算法与多源数据的雨洪灾害风险地图生成装置900中的数据库构建模块910、数据输出模块920、结果确定模块930、雨洪灾害风险结果确定模块940和地图生成模块950，通过利用多种类型的雨洪灾害数据来构建目标雨洪灾害数据库，丰富了基础数据，从目标雨洪灾害数据中选取目标区域在目标时间段内的雨洪灾害重现期数据并利用雨洪模拟模型，得到淹没范围数据和径流流速数据，从而弥补了历史灾害数据的时空局限性，进而可以基于目标雨洪灾害数据、淹没范围数据和径流流速数据以及雨洪灾害分析模型，来确定雨洪致灾结果和雨洪承灾结果，并综合得到雨洪灾害风险结果，进而生成雨洪灾害风险地图，由于雨洪灾害分析模型不是根据主观经验赋值来计算雨洪灾害风险结果，而是从多角度、客观地对雨洪灾害数据进行解析和计算，进而提升了雨洪灾害风险结果计算的准确性，进一步提高了雨洪灾害风险地图的覆盖范围和精度。

[0149] 根据本公开的实施例，雨洪灾害分析模型包括雨洪致灾分析模型；其中，结果确定模块包括：致灾危险性辨识体系构建子模块和雨洪致灾结果生成子模块。致灾危险性辨识体系构建子模块，应用根据目标雨洪灾害数据、淹没范围数据和径流流速数据，构建雨洪致灾危险性辨识体系，其中，雨洪致灾危险性辨识体系在结构层次上包括致灾要素、致灾因子和致灾指标。雨洪致灾结果生成子模块，应用根据雨洪致灾分析模型以及处理后的致灾指标，生成目标区域在目标时间段内的雨洪致灾结果。

[0150] 根据本公开的实施例，雨洪灾害分析模型还包括雨洪承灾分析模型；结果确定模块还包括：承灾体脆弱性辨识指标体系构建子模块、综合权重值确定子模块和雨洪承灾结果确定子模块。

[0151] 承灾体脆弱性辨识指标体系构建子模块，用于根据目标雨洪灾害数据构建目标区域在目标时间段内的承灾体脆弱性辨识指标体系，其中，承灾体脆弱性辨识指标体系在结构层次上包括承灾要素、承灾因子和承灾指标。

[0152] 综合权重值确定子模块，用于根据雨洪承灾分析模型，确定与承灾指标对应的综合权重值。

[0153] 雨洪承灾结果确定子模块，用于根据承灾指标和与承灾指标对应的综合权重值，确定目标区域在目标时间段内的雨洪承灾结果。

[0154] 根据本公开的实施例，处理后的致灾指标包括更新后的致灾指标和排序后的致灾指标，致灾指标包括以下至少一项：年均降水量指标、淹没范围数据指标、径流流速数据指标、河道缓冲区指标、植被覆盖度指标、数字高程模型指标、坡向指标、坡度坡长指标、平面曲率指标、地形湿度指数指标、河网密度指标、土地利用类型占比指标和土壤可蚀性指标；致灾指标的处理方式包括：根据预设筛选规则对致灾指标进行筛选，得到更新后的致灾指标，其中，更新后的致灾指标包括年均降水量指标、淹没范围数据指标、径流流速数据指标、河道缓冲区指标、坡向指标、坡度坡长指标、地形湿度指数指标、河网密度指标、土壤可蚀性指标和土地利用类型占比指标中的建设用地、水域、耕地以及草地占比指标；以及根据雨洪致灾分析模型，对更新后的致灾指标进行排序，得到排序后的致灾指标。

[0155] 根据本公开的实施例，数据库构建模块包括：初始雨洪灾害数据处理子模块和目标雨洪灾害数据库构建子模块。

[0156] 初始雨洪灾害数据处理子模块，用于根据预设处理规则对目标区域的初始雨洪灾害数据进行标准化处理，得到目标雨洪灾害数据，其中，预设处理规则包括坐标标准化处理和精度标准化处理。

[0157] 目标雨洪灾害数据库构建子模块，用于利用目标雨洪灾害数据构建目标雨洪灾害数据库。

[0158] 根据本公开的实施例，雨洪灾害重现期数据包括两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据；其中，数据输出模块包括：数据选取子模块和数据计算子模块。

[0159] 数据选取子模块，用于从目标雨洪灾害数据中分别选取目标区域在目标时间段内的两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据。

[0160] 数据计算子模块，用于利用雨洪模拟模型计算目标区域在目标时间段内的两年一遇重现期数据、五年一遇重现期数据和五十年一遇重现期数据，得到淹没范围数据和径流流速数据，其中，淹没范围数据和径流流速数据包括最大淹没范围数据和最大径流流速数据，最大淹没范围数据和最大径流流速数据与五十年一遇重现期数据相关联。

[0161] 根据本公开的实施例，承灾指标对应的综合权重值的获取方式包括：根据雨洪承灾分析模型，确定承灾指标的第一权重值和第二权重值；以及根据第一权重值和第二权重值，确定承灾指标对应的综合权重值。

[0162] 根据本公开的实施例，根据预设筛选规则对致灾指标进行筛选，得到更新后的致灾指标，包括：对致灾指标中的淹没范围指标进行线性回归计算，确定与淹没范围指标对应的共线性数值；将共线性数值与预设共线性阈值进行比对，确定更新后的致灾指标。

[0163] 根据本公开的实施例，装置还包括：请求发送模块和初始雨洪灾害数据接收模块。请求发送模块，用于向目标数据源发送数据获取请求，数据获取请求用于请求获取目标时间段内的初始雨洪灾害数据，其中，目标数据源包括资源环境类数据平台、地理空间数据云以及相关卫星数据平台。初始雨洪灾害数据接收模块，用于接收来自目标数据源的初始雨洪灾害数据。

[0164] 根据本公开的实施例，数据库构建模块910、数据输出模块920、结果确定模块930、雨洪灾害风险结果确定模块940和地图生成模块950中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，数据库构建模块910、数据输出模块920、结果确定模块930、雨洪灾害风险结果确定模块940和地图生成模块950中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，数据库构建模块910、数据输出模块920、结果确定模块930、雨洪灾害风险结果确定模块940和地图生成模块950中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

[0165] 附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

[0166] 本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

[0167] 以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。