一种基于遥感大数据确定城市易涝点的方法技术

本发明专利技术公开了一种基于遥感大数据确定城市易涝点的方法，应用地理信息系统技术由城市的遥感影像数据获取城市的DEM数据；将海量DEM数据存入Hadoop的分布式文件存储系统HDFS；基于大数据处理技术提出确定城市易涝点的方法，通过Map‑Reduce实现确定城市易涝点方法的并行处理，快速确定易涝点；并运用WebGIS技术对计算得到的易涝点的空间位置在电子地图上进行可视化显示；本发明专利技术提供的这种基于遥感大数据确定城市易涝点的方法，相对于传统方法可以高效快速地寻找到城市的易涝点并直观地显示城市易涝点所处的空间位置，在城市内涝灾害的预警领域具有很高的社会经济效益和广泛的应用前景。

Method for determining urban waterlogging point based on remote sensing large data

The invention discloses a method for determining city waterlogged point data based on remote sensing technology, the application of geographic information system by the remote sensing data of the city to obtain DEM data of the city; the massive DEM data stored in HDFS distributed file storage system Hadoop; data processing technology is presented based on city flood point, by Map Reduce realize parallel processing city waterlogged point method, fast determination of waterlogged points; and the use of WebGIS technology to calculate the space position of flood point of visual display on the electronic map; the invention provides a method to determine the city waterlogged point based on remote sensing data, compared with the traditional method can be efficient quickly find the city waterlogged point and visually display the spatial location of city waterlogged points, in the city waterlogging disaster early warning area is very high The social and economic benefits and wide application prospects.

【技术实现步骤摘要】

本专利技术属于大数据分析
，更具体地，涉及一种基于遥感大数据确定城市易涝点的方法。
技术介绍
随着城市化进程的加快以及气候变化的影响，近年来城市内涝灾害频发，已成为我国城市发展面临的严峻挑战。为了减少城市洪涝灾害造成的严重损失，应首先确定城市的所有易涝点并对易涝点进行重点监控和治理。现有寻找易涝点的方法主要为人工实地勘测，不仅耗费大量的人力物力，效率很低，而且无法快速跟踪由于城市建设导致易涝点的变化情况，也无法直观的获取易涝点的空间分布，因此也难以快速发布渍水点的预警信息，给城市居民的交通出行及其生命财产造成困扰和损失。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于遥感大数据确定城市易涝点的方法，其目的在于利用大数据分析方法提高确定城市易涝点的效率并对易涝点的空间分布进行直观的展示。为实现上述目的，按照本专利技术的一个方面，提供了一种基于遥感大数据确定城市易涝点的方法，包括如下步骤：(1)将研究区域的遥感影像数据转换成二维矩阵式的DEM(数字高程模型，DigitalElevationModel)数据；(2)将所述DEM数据分布式存储到Hadoop的分布式文件系统，完成数据的分块存储；(3)对分块存储的DEM数据，通过比较每个测量点的高程与每个所述测量点周边相邻测量点的高程来判断每个所述测量点是否为低洼点；并根据预设的阈值对找到的低洼点进行判断以确定易涝点。优选地，上述基于遥感大数据确定城市易涝点的方法，其步骤(3)包括如下子步骤：(3.1)将二维矩阵式的DEM数据每一行的内容按照空格切分得到列的位置信息以确定每个测量点所在的行和列；(3.2)确定每个测量点的邻居点并获取数组(key,value)；其中，key是当前测量点的邻居点的坐标，value是当前测量点的坐标和高程；(3.3)根据当前测量点的坐标与其邻居点的坐标形成计算点集；(3.4)通过Reduce计算确定所述计算点集的中心点，根据所述中心点的高程与周边相邻测量点的高程的比较计算来判断其是否为低洼点，根据高程阈值对所有低洼点进行判断以确定易涝点；其中，高程阈值根据研究区域实测的内涝数据来确定；Hadoop是指一个分布式系统基础架构，Hadoop框架最核心的设计是HDFS(分布式文件系统，HadoopDistributedFileSystem)和Map-Reduce；HDFS为大数据提供了分布式存储，Map-Reduce为大数据提供了计算；在本专利技术中，利用HDFS对海量DEM数据进行分布式存储，利用Map-Reduce实现并行处理；由于城市DEM数据量巨大，为了及时更新并反映城市建设带来的地形变化，在本专利技术的步骤(3)中采用上述分布式计算，包括Map和Reduce两个阶段；数据会划分到多个节点，不同的行可能会分发到不同的节点；在Map阶段对数据进行分发处理，在Reduce阶段实现易涝点的判定计算。优选地，上述基于遥感大数据确定城市易涝点的方法，把低洼点的高程和预设的高程阈值进行比较，如果这个低洼点的高程比高程阈值小，就把这个低洼点判定为易涝点，其目的在于过滤某些虽是低洼点，但是高程比较高的非易涝点，使计算结果更符合实际易涝点的情况；优选地，上述种基于遥感大数据确定城市易涝点的方法，还包括如下步骤：(4)根据易涝点在DEM数据矩阵中所处的行、列数及其行、列之间的间距以及起始点的经纬度计算出易涝点的经纬度；其中，起始点是指DEM数据的第一个点；(5)将得到的易涝点的经纬度和高程信息通过WebGIS技术进行可视化显示。优选地，上述种基于遥感大数据确定城市易涝点的方法，其步骤(5)包括如下子步骤：(5.1)在可视化终端上加载研究区域的电子地图；(5.2)将易涝点的经纬度和高程数据导入电子地图，显示易涝点的空间分布情况，并将易涝点的高程用不同的颜色在电子地图上进行显示。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，能够取得下列有益效果：现有寻找易涝点的方法主要为人工实地勘测，耗费大量人力物力，效率很低，而且无法高效跟踪由于城市建设的变化带来城市易涝点的变化情况，也无法直观准确的获取易涝点的空间分布，因此也难以提前预测并发布渍水点的位置；本专利技术提供的基于遥感大数据确定城市易涝点的方法，通过将当前测量点与其周边相邻的多个点进行比较计算来确定当前测量点是否为易涝点；并通过遥感数据结合大数据处理，应用Hadoop的分布式文件存储系统HDFS来存储城市海量的地形数据，应用Hadoop的Map-Reduce实现分布式并行处理，将海量的DEM数据分发到不同的节点进行并行处理，突破了海量数据计算速率瓶颈，实现了快速确定城市易涝点。其优选方案实现了对易涝点的空间分布的可视化展现，并将易涝点的高程用不同的颜色在电子地图上进行渲染显示；相对于传统方法本专利技术可以及时反映城市建设带来的地形变化，准确直观地了解易涝点的空间分布情况，具有很高的社会经济效益和广泛的实用价值。附图说明图1是本专利技术实施例中提供的基于遥感大数据确定城市易涝点的方法的流程示意图；图2是实施例中所转换得的部分DEM数据的示意图；图3是实施例中利用Hadoop的Map-Reduce方法进行分块并行处理的流程示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。本专利技术实施例提供的基于遥感大数据确定城市易涝点的方法，应用地理信息系统技术处理城市的遥感数据，建立数字高程模型DEM(DigitalElevationModel)，将海量的DEM数据存入Hadoop的分布式文件存储系统HDFS，基于海量DEM数据通过Map-Reduce快速计算确定城市易涝点及其空间分布，将得到的易涝点数据渲染后在电子地图进行二维可视化显示。实施例提供的基于遥感大数据确定城市易涝点的方法，其流程如图1所示，包括如下步骤：(1)将待分析区域的遥感影像数据通过地理信息系统转换成符合Hadoop程序输入txt格式的二维矩阵式的DEM数据；本实施例中，在ArcGIS下首先打开Arcmap，加载研究区域的遥感影像数据；然后打开ArctoolBox，找到由栅格转出下的栅格转ASCII工具，然后以加载的遥感影像数据作为输入栅格，配置环境变量，设定输出路径后进行转化获得DEM数据；如图2所示，是实施例中所转换得的部分DEM数据示意图。(2)将转换获得的海量DEM数据存入Hadoop的分布式文件存储系统HDFS；(3)对分布式存储在各节点的DEM数据，分别通过比较每个测量点的高程与该测量点周边相邻八个点的高程来判断这个点是否为低洼点；若该测量点的高程比该测量点周边相邻八个测量点的高程都低，那么将该测量点判定为低洼点。城市的易涝点与城市建设造成的地形变化密切相关，本专利技术基于海量的城市DEM数据，利用Map-Reduce实现并行处理；实施例中，对分布式存储在各节点上的DEM数据采用Map-Reduce进行分块并行处理，快速确定城市的易涝点，获取易涝点数据；其流程具体如图3所示，包括如下子步骤：(3.本文档来自技高网...

【技术保护点】
一种基于遥感大数据确定城市易涝点的方法，其特征在于，包括如下步骤：(1)将研究区域的遥感影像数据转换成二维矩阵式的DEM数据；(2)将所述DEM数据分布式存储到Hadoop的分布式文件系统，完成数据的分块存储；(3)对分块存储的DEM数据，通过比较每个测量点的高程与每个所述测量点周边相邻测量点的高程来判断每个所述测量点是否为低洼点；并根据预设的高程阈值对找到的低洼点进行判断以确定易涝点。

【技术特征摘要】
1.一种基于遥感大数据确定城市易涝点的方法，其特征在于，包括如下步骤：(1)将研究区域的遥感影像数据转换成二维矩阵式的DEM数据；(2)将所述DEM数据分布式存储到Hadoop的分布式文件系统，完成数据的分块存储；(3)对分块存储的DEM数据，通过比较每个测量点的高程与每个所述测量点周边相邻测量点的高程来判断每个所述测量点是否为低洼点；并根据预设的高程阈值对找到的低洼点进行判断以确定易涝点。2.如权利要求1所述的方法，其特征在于，步骤(3)包括如下子步骤：(3.1)将二维矩阵式的DEM数据每一行的内容按照空格切分得到列的位置信息以确定每个测量点所在的行和列；(3.2)确定每个测量点的邻居点并获取数组(key,value)；其中，key是当前测量点的邻居点的坐标，value是当前测量点的坐标和高程；(3.3)根据当前测量点的坐标与其邻居点的坐标形成计算点集；(3.4)通过Reduce计算确...

【专利技术属性】
技术研发人员：康玲，周杰民，李争和，周丽伟，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42