整合多源遥感数据的洪涝灾害评估恢复——以河南“7·20”暴雨灾害为例

doi:10.6046/zrzyyg.2022389

摘要
图/表
参考文献
相关文章
Metrics

全文: PDF(32274 KB)

HTML
输出: BibTeX | EndNote (RIS)

摘要

洪涝灾害发生后通过植被指数和灯光指数定量评估灾后恢复情况,对灾区经济建设和生态恢复的评估具有重要科学意义。该文以河南“7·20”暴雨灾害区为研究区,基于日度和月度NPP-VIIRS数据、Sentinel-NDVI、MODIS-EVI数据和统计年鉴数据,构建归一化差异城市指数(normalized difference urban index,NDUI)来表征城市内部空间细节; 基于回归模型模拟人口和国内生产总值的空间分布; 从研究区的夜间灯光数据和植被覆盖数据2个不同的维度来评估洪涝灾害。结果表明: 高危区和中危区总面积为1 429.04 km²,占研究区总面积的6.06%,高危地区主要分布在郑州西部、新乡东部、安阳东部、鹤壁北部,其中郑州市受灾严重程度最高; 从植被覆盖度恢复率(vegetation cover recovery rate, VCRR)来看,卫辉市、淇县、滑县、林州市等地区整体植被恢复情况较差,其VCRR的值大部分在0以下,植被覆盖有恶化趋势。NDUI与社会经济统计数据拟合精度高于0.8,表明NDUI可以在洪涝灾害发生后应用于精确位置救援和灾后针对性重建工作; NPP-VIIRS和MODIS-EVI评估洪涝灾害的结果具有很好的互补性,2种数据的有机结合进行洪涝灾害研究,对灾后救援和恢复评估均有较高的应用价值。

	服务

	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	RSS
	作者相关文章
	黎孟琦
	李功权
	谢志辉

关键词 ：河南“7·20”暴雨, NDUI, NPP-VIIRS, 灯光指数, 植被覆盖度, 植被覆盖度恢复率

Abstract：

Quantitative post-flood recovery assessment based on vegetation and lighting indices is critical for assessing economic reconstruction and ecological restoration in afflicted areas. This study investigated the “7.20” rainstorm disaster area in Henan. Based on the daily and monthly NPP-VIIRS data, Sentinel-NDVI and MODIS-EVI data, and statistical yearbook data, this study characterized the spatial intricacies within urban areas by constructing a normalized difference urban index (NDUI). Then, it simulated the population and GDP distributions by employing a regression model. Finally, this study assessed the post-flood recovery from two distinct aspects: nighttime light data and vegetation cover data. The results are as follows: ① High- and medium-risk zones covered an area of 1 429.04 km², accounting for 6.06% of the total study area. High-risk zones were primarily distributed in western Zhengzhou, eastern Xinxiang, eastern Anyang, and northern Hebi, with Zhengzhou suffering the most severe impact; ② In terms of the vegetation cover recovery rate (VCRR), low overall vegetation recovery was observed in Weihui and Linzhou cities and Qixian and Huaxian counties, with VCRRs mostly below 0. This indicates a deteriorating vegetation cover trend; ③ The fitting between NDUI and socio-economic statistical data yielded accuracy exceeding 0.8, suggesting that the NDUI can be applied to precise location-based rescue and targeted post-disaster reconstruction in the aftermath of floods. Additionally, the assessment results based on NPP-VIIRS and MODIS-EVI data were highly complementary, implying that the flood research based on the integration of the two types of data enjoys high application value for post-disaster rescue and recovery assessment.

Key words： “7·20” rainstorm in Henan NDUI NPP-VIIRS lighting index fractional vegetation cover vegetation cover recovery rate

收稿日期: 2022-08-10 出版日期: 2024-03-13

ZTFLH:

TP315

基金资助:自然资源部城市国土资源监测与仿真重点实验室开放基金课题“基于多源遥感数据的粤港澳大湾区高温热浪风险评估”(KF-2020-05-047)

通讯作者: 李功权(1971-),男,博士,副教授,主要从事GIS应用等方面的研究。Email: Gongquan_Li@126.com。

作者简介: 黎孟琦(2000-),女,硕士研究生,主要从事遥感应用方面的研究。Email: 2022710478@yangtzeu.edu.cn。

引用本文:

黎孟琦, 李功权, 谢志辉. 整合多源遥感数据的洪涝灾害评估恢复——以河南“7·20”暴雨灾害为例[J]. 自然资源遥感, 2024, 36(1): 250-266.
LI Mengqi, LI Gongquan, XIE Zhihui. Post-flood recovery assessment based on multi-source remote sensing data:A case study of the “7·20” rainstorm in Henan. Remote Sensing for Natural Resources, 2024, 36(1): 250-266.

链接本文:

https://www.gtzyyg.com/CN/10.6046/zrzyyg.2022389 或 https://www.gtzyyg.com/CN/Y2024/V36/I1/250

Fig.1 研究区河网密度
(基于河南省地理信息公共服务平台下载的审图号为豫S(2019年)013号标准地图制作,底图无修改)

Fig.2 主要技术流程

Fig.3 各市2019—2021年EVI总量变化

Fig.4 金水区2021年NDVI,TNL,NDUI 和 GlobeLand30

Fig.5 金水区城市区域的特写

Fig.6 NDUI和I的拟合图

Tab.1 灯光指数和LC-NDUI与GDP的相关性决定系数R²

Tab.2 灯光指数和LC-NDUI与人口的相关性决定系数R²

Fig.7-1 研究区GDP和人口的统计图和模拟图

Fig.7-2 研究区GDP和人口的统计图和模拟图

Fig.8 2021年河南研究区10 m空间分辨率人口和GDP密度

Tab.3 各区县GDP和人口统计值与各要素之间的相关系数

Fig.9 人口空间化误差统计

Fig.10 不同区域GDP和人口的误差

Tab.4 不同指数和模型的误差分析

Fig.11 洪涝灾害发生前后NPP-VIIRS DNB假彩色合成图

Fig.12 研究区洪涝灾害危机区分布

Fig.13 各区县受灾面积占比

区名	区域面积/ km²	受灾面积/ km²	受灾面积比例/%	区域人口/ 万人	受灾人口/ 万人	受灾人口比例/%	区域GDP/ 亿元	受灾GDP/ 亿元	受灾经济比例/%
中原区	192.34	29.46	10.32	150.88	22.88	15.16	1 294.42	248.46	19.19
二七区	147.76	22.95	11.54	106.13	17.71	16.69	784.23	192.40	24.53
管城回族区	196.10	37.88	12.32	114.82	23.35	20.34	2 429.88	253.67	10.44
金水区	225.55	55.83	16.75	230.27	27.61	21.99	2 300.76	300.11	23.04
上街区	50.36	8.38	16.73	19.74	5.59	28.34	176.80	60.63	24.29
惠济区	201.41	29.36	14.58	55.50	24.12	23.45	306.85	261.81	18.32
中牟县	1 337.81	34.55	2.58	96.24	15.75	16.36	830.56	165.27	19.90
巩义市	973.15	70.53	10.77	78.25	11.98	15.30	901.88	123.05	13.64
荥阳市	875.73	131.94	15.04	73.01	16.90	23.15	554.23	108.10	19.51
新密市	957.73	100.77	10.12	82.60	10.23	12.38	713.25	116.61	16.35
新郑市	853.87	110.88	10.39	179.36	9.24	5.15	1 966.14	103.59	5.27
登封市	1 173.37	40.43	3.38	72.93	12.54	17.19	548.20	140.60	25.65
文峰区	171.25	20.98	12.25	45.10	18.84	31.77	259.25	204.03	78.70
北关区	51.08	5.50	12.98	31.03	5.56	17.91	171.76	60.14	35.02
殷都区	58.31	2.44	4.19	28.70	6.30	21.96	327.87	68.20	20.80
龙安区	231.81	8.49	3.66	29.26	14.29	18.84	182.12	77.70	42.66
安阳县	1 065.92	49.02	4.60	84.56	12.62	14.93	107.47	137.20	27.67
汤阴县	619.19	19.74	3.19	44.31	6.53	14.74	175.36	131.29	14.87
滑县	1 758.17	20.39	1.16	116.91	11.45	9.80	409.77	207.91	12.74
内黄县	1 112.56	35.20	3.16	66.89	12.85	19.21	186.63	133.29	10.42
林州市	1 762.11	47.03	2.67	81.57	17.84	21.87	615.34	239.82	24.97
鹤山区	114.82	7.58	6.61	6.27	14.26	27.35	92.61	154.42	16.74
山城区	124.59	9.52	7.64	15.54	13.79	28.73	138.35	149.30	20.92
淇滨区	288.61	21.01	7.28	46.08	7.65	16.60	283.27	107.79	18.05
浚县	940.97	26.47	2.81	62.47	10.38	16.62	293.82	110.57	17.63
淇县	478.57	32.63	6.82	26.23	6.57	25.06	262.65	166.99	13.58
红旗区	150.76	26.87	17.82	45.74	10.82	23.64	395.74	193.49	18.89
卫滨区	70.36	6.68	9.50	22.57	8.26	36.58	322.03	89.64	17.83
凤泉区	115.35	7.49	6.49	15.86	13.02	32.09	83.14	141.15	16.78
牧野区	90.68	16.21	17.87	34.09	11.03	32.36	231.70	119.93	21.76
新乡县	372.93	24.29	6.51	34.86	7.08	20.30	239.40	145.03	11.58
获嘉县	457.85	15.23	3.33	41.48	8.78	21.18	192.11	127.86	20.56
原阳县	1 221.67	43.43	3.56	65.12	13.12	20.14	186.50	147.15	19.90
延津县	885.08	52.86	5.97	45.79	9.78	21.36	166.15	104.30	16.77
封丘县	1 152.53	88.59	7.69	71.86	12.64	17.59	264.05	138.14	19.31
卫辉市	713.36	89.27	12.51	49.14	9.21	38.74	186.25	103.45	32.54
辉县市	1420.82	94.35	6.64	75.99	11.99	15.78	359.04	193.46	16.88
长垣市	980.74	61.78	6.30	90.54	10.25	11.33	529.59	116.82	13.06

Tab.5 模拟受灾人口、经济、面积及各自受灾比例

Tab.6 FVC分级统计

Fig.14 不同年份FVC空间分布

Fig.15 不同年份FVC分级统计

Tab.7 VCRR等级划分

Fig.16 VCRR的空间分布

Tab.8 VCRR分级统计

Fig.17 VCRR各等级年际变化柱状图

[1]	邱粲, 刘焕彬, 万程程, 等. 1984—2019年山东省暴雨洪涝灾害时空变化特征及其成因分析[J]. 灾害学, 2022, 37(4):57-63.
	Qiu C, Liu H B, Wan C C, et al. Tempo-spatial variation and cause analysis of rainstorms and related flood disasters in Shandong from 1984 to 2019[J]. Journal of Catastrophology, 2022, 37(4): 57-63.
[2]	Pandey B, Joshi P K, Seto K C. Monitoring urbanization dynamics in India using DMSP/OLS night time lights and SPOT-VGT data[J]. International Journal of Applied Earth Observation and Geoinformation, 2013, 23:49-61. doi: 10.1016/j.jag.2012.11.005
[3]	Joshi P K, Bairwa B M, Sharma R, et al. Assessing urbanization patterns over India using temporal DMSP-OLS night-time satellite data[J]. Current science, 2011, 100(10):1479-1482.
[4]	李斌, 燕琴, 张丽, 等. 长江中游洪涝灾害特征的MODIS时序监测与分析[J]. 武汉大学学报(信息科学版), 2013, 38(7):789-793,883-884.
	Li B, Yan Q, Zhang L, et al. Flood monitoring and analysis over the middle reaches of Yangtze River basin with MODIS time-series imagery[J]. Geomatics and Information Science of Wuhan University, 2013, 38(7):789-793,883-884.
[5]	许超, 蒋卫国, 万立冬, 等. 基于MODIS时间序列数据的洞庭湖区洪水淹没频率研究[J]. 灾害学, 2016, 31(1):96-101.
	Xu C, Jiang W G, Wan L D, et al. Research of flood submerged frequency in Dongting Lake region based on time series dataset of MODIS[J]. Journal of Catastrophology, 2016, 31(1):96-101.
[6]	张娜, 王萍, 桑会勇, 等. MODIS数据的洪水淹没亚像元制图研究[J]. 测绘科学, 2019, 44(2):164-170.
	Zhang N, Wang P, Sang H Y, et al. Study of sub-pixel mapping flood submerged range based on MODIS data[J]. Science of Surveying and Mapping, 2019, 44(2):164-170.
[7]	饶品增, 蒋卫国, 王晓雅, 等. 基于MODIS数据的洪涝灾害分析研究——以2017年洞庭湖区洪水为例[J]. 灾害学, 2019, 34(1):203-207.
	Rao P Z, Jiang W G, Wang X Y, et al. Flood disaster analysis disasters based on MODIS data:Taking the flood in Dongting Lake area in 2017 as an example[J]. Journal of Catastrophology, 2019, 34(1):203-207.
[8]	田玉刚, 廖小露, 张长兴. 基于时间序列MODIS影像的暴雨后作物淹没历时提取方法[J]. 遥感技术与应用, 2012, 27(5):778-783.
	Tian Y G, Liao X L, Zhang C X. Method on crop inundated time extraction after rainstorm using time series MODIS images[J]. Remote Sensing Technology and Application, 2012, 27(5):778-783.
[9]	李峰, 米晓楠, 刘军, 等. 基于NPP-VIIRS夜间灯光数据的北京市GDP空间化方法[J]. 国土资源遥感, 2016, 28(3):19-24. doi: 10.6046/gtzyyg.2016.03.04.
	Li F, Mi X N, Liu J, et al. Spatialization of GDP in Beijing using NPP-VIIRS data[J]. Land and resources remote sensing, 2016, 28(3):19-24.doi: 10.6046/gtzyyg.2016.03.04.
[10]	潘竟虎, 胡艳兴. 基于夜间灯光数据的中国多维贫困空间识别[J]. 经济地理, 2016, 36(11):124-131.
	Pan J H, Hu Y X. Spatial identification of multidimensional poverty in China based on nighttime light remote sensing data[J]. Economic Geography, 2016, 36 (11):124-131.
[11]	李钢. GIS支持下的浙江省台风灾害直接经济损失评估[D]. 南京: 南京信息工程大学, 2014.
	Li G. GIS assisted on assessment of direct economic losses from typhoon in Zhejiang Province[D]. Nanjing: Nanjing University of Information Science and Technology, 2014.
[12]	Li S, Goldberg M D, Sjoberg W, et al. Assessment of the catastrophic Asia floods and potentially affected population in summer 2020 using VIIRS flood products[J]. Remote Sensing, 2020, 12(19):3176. doi: 10.3390/rs12193176
[13]	Sun D, Li S, Zheng W, et al. Mapping floods due to Hurricane Sandy using NPP VIIRS and ATMS data and geotagged Flickr imagery[J]. International Journal of Digital Earth, 2016, 9(5): 427-441. doi: 10.1080/17538947.2015.1040474
[14]	何原荣, 王晓荣, 柴春芳, 等. 基于NPP-VIIRS夜光遥感的洪水灾损评估及可视化[J]. 自然灾害学报, 2022, 31(3):93-105.
	He Y R, Wang X R, Chai C F, et al. Flood damage assessment and visualization based on NPP-VIIRS nighttime light remote sensing[J]. Journal of Natural Disasters, 2022, 31(3):93-105.
[15]	张宝军. 2003—2013年汶川地震极重灾区夜间灯光年际变化分析[J]. 灾害学, 2018, 33(1):12-18,22.
	Zhang B J. Analysis of the inter-annual variation of nighttime lights in the most affected area of Wenchuan earthquake from 2003 to 2013[J]. Journal of Catastrophology, 2018, 33 (1): 12-18,22.
[16]	关靖云, 李东, 王亚菲, 等. 中国区域DMSP-OLS与NPP-VIIRS夜间灯光影像校正[J]. 测绘通报, 2021(9):1-8. doi: 10.13474/j.cnki.11-2246.2021.0264
	Guan J Y, Li D, Wang Y F, et al. DMSP-OLS and NPP-VIIRS night light image correction in China[J]. Bulletin of Surveying and Mapping, 2021(9):1-8. doi: 10.13474/j.cnki.11-2246.2021.0264
[17]	Jakubauskas M E, Legates D R, Kastens J H. Harmonic analysis of time-series AVHRR NDVI data[J]. Photogrammetric Engineering and Remote Sensing, 2001, 67(4):461-470.
[18]	王晓蕾, 石守海. 基于GEE的黄河流域植被时空变化及其地形效应研究[J]. 地球信息科学学报, 2022, 24(6):1087-1098. doi: 10.12082/dqxxkx.2022.210685
	Wang X L, Shi S H. Spatio-temporal changes of vegetation in the Yellow River Basin and related effect of landform based on GEE[J]. Journal of Geo-Information Science, 2022, 24(6):1087-1098.
[19]	韩涛, 王大为. 2000—2014年石羊河流域植被覆盖变化研究[J]. 中国农学通报, 2017, 33(13):66-74. doi: 10.11924/j.issn.1000-6850.casb17010105
	Han T, Wang D W. Change of vegetation coverage in Shiyang River Basin from 2000 to 2014[J]. Chinese Agricultural Bulletin, 2017, 33(13): 66-74.
[20]	洪艳, 赵银兵, 王运生, 等. 基于MODIS-NDVI汶川震中区域十年后植被恢复的时空变化特征分析[J]. 科学技术与工程, 2019, 19(16):64-74.
	Hong Y, Zhao Y B, Wang Y S, et al. Temporal and spatial variation characteristics of vegetation restoration based on MODIS-NDVI Wenchuan earthquake region in ten years[J]. Science Technology and Engineering, 2019, 19(16):64-74.
[21]	Zhao M, Cheng W, Zhou C, et al. GDP spatialization and economic differences in South China based on NPP-VIIRS nighttime light imagery[J]. Remote Sensing, 2017, 9(7): 673. doi: 10.3390/rs9070673

[1]	晋成名, 杨兴旺, 景海涛. 基于RS的陕北地区植被覆盖度变化及驱动力研究[J]. 自然资源遥感, 2021, 33(4): 258-264.
[2]	王正, 贾公旭, 张清凌, 黄粤. COVID-19疫情背景下2020年第一季度广东省二、三产业GDP空间分布变化分析[J]. 自然资源遥感, 2021, 33(3): 184-193.
[3]	陈虹, 郭兆成, 贺鹏. 1988—2018年间洱海流域植被覆盖度时空变换特征探究[J]. 国土资源遥感, 2021, 33(2): 116-123.
[4]	程宇琪, 王雨晴, 孙静萍, 张成福. 多伦县草原植被覆盖与蒸散量时空变化及其关系[J]. 国土资源遥感, 2020, 32(1): 200-208.
[5]	彭继达, 张春桂. 基于高分一号遥感影像的植被覆盖遥感监测——以厦门市为例[J]. 国土资源遥感, 2019, 31(4): 137-142.
[6]	沈丹, 周亮, 王培安. 基于夜间灯光数据的六盘山连片特困区贫困度识别[J]. 国土资源遥感, 2019, 31(2): 157-163.
[7]	赖家明, 杨武年. 基于RS的川西天然林区近29年植被覆盖动态变化[J]. 国土资源遥感, 2018, 30(4): 132-138.
[8]	张晓东, 刘湘南, 赵志鹏, 赵银鑫, 马玉学, 刘海燕. 基于像元二分法的盐池县植被覆盖度与地质灾害点时空格局分析[J]. 国土资源遥感, 2018, 30(2): 195-201.
[9]	张宇婷, 张振飞, 张志. 新疆大南湖荒漠区1992—2014年间植被覆盖度遥感研究[J]. 国土资源遥感, 2018, 30(1): 187-195.
[10]	张成才, 罗蔚然, 窦小楠, 王金鑫. 应用Landsat8数据改进FCD模型方法[J]. 国土资源遥感, 2017, 29(4): 33-38.
[11]	郑朝菊, 曾源, 赵玉金, 赵旦, 吴炳方. 近15年中国西南地区植被覆盖度动态变化[J]. 国土资源遥感, 2017, 29(3): 128-136.
[12]	刘英, 侯恩科, 岳辉. 基于MODIS的神东矿区植被动态监测与趋势分析[J]. 国土资源遥感, 2017, 29(2): 132-137.
[13]	李峰, 米晓楠, 刘军, 刘小阳. 基于NPP-VIIRS夜间灯光数据的北京市GDP空间化方法[J]. 国土资源遥感, 2016, 28(3): 19-24.
[14]	何海燕, 凌飞龙, 汪小钦, 梁志锋. 基于雷达植被指数的水土流失区植被覆盖度估测[J]. 国土资源遥感, 2015, 27(4): 165-170.
[15]	李钰溦, 贾坤, 魏香琴, 姚云军, 孙俊, 牟丽秋. 中国北方地区植被覆盖度遥感估算及其变化分析[J]. 国土资源遥感, 2015, 27(2): 112-117.

Viewed

Full text

Abstract

Cited

Shared

Discussed