基于多源遥感数据融合的积水区域提取与路网通行能力分析方法

摘要

针对洪涝灾害动态演进过程中城市交通风险难以准确量化分析的问题，研究了基于深度学习的洪水区域高精度提取方法，通过动态水动力仿真进行了城市道路在洪涝灾害中的通行能力分析，构建了涵盖洪水识别、水深计算、通行能力分析的动态路网通行评估框架。该方法融合了多时相合成孔径雷达（synthetic aperture radar,SAR）影像、光学影像和高分辨率数字高程模型（digital elevation model,DEM）数据，采用U-Net深度学习模型实现洪水区域的精准提取。基于融合遥感数据与地理信息，结合坡度、曲率等地形因子，构建洪水水位边界模型，并结合实测降水和地类信息驱动的动态水流仿真，叠加水深动态变化栅格与矢量化道路网络数据。同时，建立道路拓扑结构和通行能力更新机制，构建针对不同道路等级的水深与车速衰减模型，量化水深对通行速度的影响。基于这个模型，生成了多时刻的通行能力变化图谱，并通过复杂网络指标对路网连通性进行了量化评估。结果表明：该方法有效应对了阴影干扰、建筑物遮挡等挑战，显著提高了洪水区域分割的准确性。洪水区域识别部分的交并比和F1分数分别达到了97.56%和97.79%，优于主流模型支持向量机（support vector regression,SVR），各项指标均提升了5%左右。分析显示：在降雨量270.76 mm的情况下，城市内部道路和支路的平均水深显著高于主干道路与高速通道，水深的增加导致道路通行速度平均下降至原值的86.8%左右，城市道路通行能力平均下降约13.2%，而城市主干道的通行能力保持率为83.3%，表明高等级道路仍具备一定的应急通行潜力。此外，洪水淹没后路网结构显著退化，网络整体连通性大幅下降，节点连通性比洪水前减少了58.2%。

关键词

洪涝灾害 / 路网通行能力 / 动态水深计算 / 多源遥感数据

基金资助

国家重点研发计划雄安新区科技创新专项基金项目（2023XAGG0089）资助