EN中文

Journal of Geo-information Science >

2015 , Vol. 17 >Issue 6: 644 - 652

DOI: https://doi.org/10.3724/SP.J.1047.2015.00644

Orginal Article

A Method of Modelling Flood Event

  • CHEN Zeqiang 1, 2 ,
  • CHEN Nengcheng , 1, 2, * ,
  • DU Wenying 2 ,
  • SONG Fan 2
Expand
  • 1. Collaborative Innovation Center of Geospatial Technology, Wuhan 430079, China
  • 2. State Key Laboratory for Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University, Wuhan 430079, China
*Corresponding author: CHEN Nengcheng, E-mail:

Received date: 2014-11-14

  Request revised date: 2015-02-03

  Online published: 2015-06-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Flood is a frequently occurred disaster and it causes great harm in China. In order to effectively prevent, reduce and relief disaster, it is necessary to establish a flood event information model to represent and share flood information. By far, many scholars have studied a variety of event information models. However, the existed event information models mainly represent static information, and they are lack of the capability to handle dynamic process information. To solve this problem, a flood event model is proposed in this paper based on the flood emergence management stages and the dynamic process from the perspective of observation. To build up the model, this paper firstly describes the modelling considerations, including flood phases, observation, and ten types of primary elements for modeling. Then, we construct the flood event model as a ten tuple model based on MOF modelling framework with four layers, and encode the model with a method that maps the elements of the model to elements of the Event Pattern Markup Language (EML). Finally, we simulated an experiment for a flood case occurred in the Liangzi Lake in 2010 as an example to test the proposed model. In the experiment, the building process and the results of the proposed model at different emergence management stages are detailed. The experiment results show that the proposed model has following characteristics: (1) it establishes a model from the perspective of observation, since observation plays a decisive role in real-time disaster information acquisition. (2) The flood model was established by four emergence management stages, and the main tasks of each stage are different. (3) The flood model was modelled dynamically. The proposed ten tuple model itself is not dynamic, but the establishing process and its represented information are dynamic. The modelling process is modelled on real-time data streams, and it dynamically updates time-series data. The time series data in this model are generally the latest observations, which reveal the dynamic information of current flood. (4) The model is extensible and adaptable to ensure the suitability. As a conclusion, the model can represent flooding events and model dynamic flood information effectively, as well as provide a good approach to represent and share flood information.

Key words： flood; event; dynamic modelling; observation; sensor Web

Cite this article

CHEN Zeqiang , CHEN Nengcheng , DU Wenying , SONG Fan . A Method of Modelling Flood Event[J]. Journal of Geo-information Science, 2015 , 17(6) : 644 -652 . DOI: 10.3724/SP.J.1047.2015.00644

1 引言

洪涝灾害的频发,给中国人民生产、生活和人身财产安全造成了极大损失。据统计,从1950年至今,我国洪涝灾害年际周期性发生[1],受灾和成灾面积巨大,且总体上有不断增加的趋势[2],每年的直接经济损失数以亿计。洪涝灾害信息的表示和共享是防灾、减灾和救灾的前提和基础,亟需建立顾及洪涝灾害事件阶段性、动态性、跨领域和跨部门性的信息模型。
目前,在事件元数据标准方面,国内外许多学者研发了通用预警协议（CAP）、应急数据交换语言（EDXL）、颶风预警标记语言（CWML）、海啸预警标记语言（TWML）、地震预警标记语言（EWML）、公共安全交通突发事件管理信息集（IMS）、化学事故信息交换模型（CIEM）、公共卫生信息网（PHIN）词汇标准和规范（PCA）、全球司法XML数据模型（JXDM）和地震现场应急指挥数据共享技术要求等[3-6]。在事件模型方面,提出了应急领域通用元数据模型[3]、突发公共卫生事件元数据模型[6]和多媒体公共事件模型[7]等。这些事件元数据标准和模型,在各自领域发挥着重要的作用,但是不能直接移植到洪涝灾害事件,且它们主要表示静态信息,缺乏洪涝灾害事件动态过程表示能力。
针对洪涝灾害事件信息建模的需要和事件信息模型建模主要表示静态信息的问题,本文从观测角度出发,建立了顾及洪涝灾害事件阶段和动态过程的信息模型。

2 洪涝灾害事件信息建模方法

2.1 建模的思路

洪涝灾害是阶段性动态发展的,美国联邦应急管理署将应急管理划分为减灾措施（Mitigation）、灾前准备（Preparedness）、应急响应（Response）和灾后重建（Recovery）4个阶段[8]。每个阶段关注的重点不同,例如,灾前准备阶段主要搜集洪涝灾害相关的资料和预警预报,应急响应阶段关注洪涝灾害的时空分布和发生发展,因此洪涝灾害信息建模需分阶段考虑。同时,除了研究洪涝灾害发生的机理和规律,在实际防灾、减灾和救灾过程中,实时或近实时的观测信息是决策的信息源,记录了洪涝灾害动态发展过程。本文从时空观测的角度建立洪涝灾害事件信息模型,其观测分为减灾措施、灾前准备、应急响应和灾后重建4个阶段。减灾措施阶段主要收集洪涝灾害相关的历史数据,灾前准备阶段主要进行监测和预警。应急响应阶段主要动态监测洪涝灾害的发生和发展,包括洪涝灾害信息监测和已有信息的灾害评估,如水域、道路、建筑物和作物等的淹没情况,灾后重建阶段主要进行评估灾情和重建。表1为洪涝灾害4个过程的相关信息。每个事件模型需要自描述信息,如标识信息和类别信息,供人们理解和使用。考虑到洪涝灾害信息模型是跨部门使用,所以还得考虑管理信息,如联系信息和服务信息等。
Tab. 1 The tasks, data, and approaches for different flood events

表1 洪涝灾害不同阶段观测任务、数据和观测手段

阶段 观测任务 观测数据 空天地观测
减灾措施 历史数据收集（收集洪涝灾害相关的所有数据） 基础地理数据（地形数据） 地面测量（主）、卫星遥感、航空测量
土地利用/覆盖数据（耕地、林地、草地、水域、城乡、工矿、居民用地、未利用土地） 卫星遥感（主）、地面测量、航空测量
气象数据（降雨量、降雨历时、降雨强度） 原位传感器（主）、卫星遥感
水文数据（降水、水位、流量、流速） 原位传感器（主）、卫星遥感
社会经济数据 人工统计调查
灾前准备 水情监测与预警（洪涝预测） 气象数据 原位传感器（主,加密观测）、卫星遥感
水文数据 原位传感器（主,加密观测）、航空测量、卫星遥感
应急响应 应急监测与灾害评估（洪涝范围提取：水域、道路、建筑物和作物） 气象数据 原位传感器（主,加密观测）、卫星遥感
水文数据 原位传感器（主,加密观测）、航空测量、卫星遥感
土地利用/覆盖数据 卫星遥感（主）、地面测量、航空测量
灾后重建 损失评估与重建监测（各种损失统计） 基础地理数据 地面测量（主）、卫星遥感、航空测量
土地利用数据 卫星遥感（主）、地面测量、航空测量
社会经济数据 人工统计调查
综上所述,本文提出了包含4大部分（自描述信息、时空信息、观测信息和管理信息）,以及十元组（标识信息、类别信息、时间信息、空间信息、减灾措施、灾前准备、应急响应、恢复重建、联系信息和服务信息）的洪涝灾害事件元模型（图1）。
Fig. 1 Flood event meta-model

图1 洪涝灾害事件元模型

2.2 建模的方法

建立事件信息描述模型旨在确定事件信息表示的各个方面具体内容,以及它们之间的关系。MOF（Meta Object Facility）框架是对象管理组织定义的1套建模框架,其定义了建模的步骤和抽象内容,在具体领域进行具体化（www.omg.org/mof/）。MOF是一种典型的4层建模结构,分别为实例层（M0）、模型层（M1）、元模型层（M2）和元元模型层（M3）。因其具有简单、清晰、适合多领域建模特点而被广泛使用[9-11]。本文以MOF框架建立洪涝灾害事件元模型（图2）。
Fig. 2 Build flood event meta-model based on MOF

图2 系统框架

M3层是元模型的高层抽象,可以定义多个元模型,其定义的元模型概念主要涉及类、包和关联等建模元素。M2层构建了灾害事件元模型层的3类元模型,将灾害事件信息按功能划分为自描述、时空、观测和管理4大类。M1层构建了灾害事件模型层的3类模型,分别是灾害事件信息描述模型、建模语言与事件信息描述构件,并给出了具体的十元组信息描述构件。M0层根据导致灾害事件诱因的不同,构建洪涝灾害事件分类体系,将灾害事件分为6大类。每一层都是下一层的抽象和上一层的实例。模型只给出了框架,具体内容可根据洪灾的不同类型进行扩展。另外,模型具体的元素名称、定义、类型及约束等如图3所示。
Fig. 3 UML diagram of flood event meta-model

图3 洪涝灾害事件UML图

2.3 编码方案

为最终实现洪涝事件模型的使用和共享,需建立洪涝灾害事件模型的编码方法。事件模式建模语言（Event Pattern Markup Language, EML）[12]是开放地理信息联盟（OGC）于2008年提出的观测的事件编码方案,其XML Schema结构如图4所示。本文通过XML Schema映射的方法（即将洪涝灾害事件模型的结构和元素及其观测映射到EML的XML Schema）,将本文提出的信息模型进行EML编码,其映射关系如图5所示。
Fig. 4 Main structure of EML Schema

图4 EML Schema主要结构

Fig. 5 Mapping between flood event meta-model and EML

图5 洪涝灾害事件模型与EML的映射

3 方法模拟实验分析

3.1 实验背景

梁子湖位于东经114°31′~114°43′,北纬30°05′~30°20′,处于湖北武汉市和鄂州市交界处,水域面积约225 km2,是湖北省容水量最大的淡水湖之一,湖面面积位居全省第二,是国家AAAA级旅游景区。据报道,2010年7月至8月的洪水使梁子湖生态退化10 a,植被遭灭顶之灾。洪涝对梁子湖的影响十分巨大。本实验模拟2010年夏天梁子湖洪涝灾害事件,用本文提出的模型表达、共享灾害信息。实验中的湖水水位信息来自观测站每天8点监测的数据,洪水淹没信息来自MODIS提取的数据。本文主要模拟了梁子湖洪涝灾害的减灾措施,灾前准备和应急响应,以及它们分别对应的事件模型内容、观测手段和结果。由于灾后重建涉及复杂的数据和信息收集,本次实验未及考虑。

3.2 实验结果与分析

减灾措施阶段需研究和搜集洪灾警戒水位和警戒水域[13]等信息。以警戒水位为例,通过历史调查和分析,湖泊的警戒水位是20.5 m。在事件模型中,通过减灾措施阶段元素FE_Mitigation记录警戒水位值。水位值作为存档数据FE_ArchiveData,通过传感网观测编码规范O&M进行编码[14-15]（图6）。
Fig. 6 An instance in Mitigation phase

图6 减灾措施阶段实例

监测湖泊水位是灾前准备阶段的重要工作,可预警洪水是否发生。通过观测站原位传感器采集湖泊水位数据,实时传输,并通过灾前准备阶段元素FE_Preparedness记录数据。实时数据作为FE_GroundPredictingObservation,通过O&M编码,其系列观测数据结果如图7所示。
Fig. 7 An instance in Preparedness phase

图7 灾前准备阶段实例

水位信息是一个时间系列信息,依据水位信息建模是一个动态建模过程。监测站原位传感器监测的动态数据流通过网络实时传输到传感器观测服务[16-17],依据传感器观测服务的时间系列数据,建立洪涝灾害事件时间系列信息（图8）。依据O&M事件系列数据表达方法,动态更新O&M记录的时间数据系列。图8中,时间数据系列是一个时间点加数据值组成的重复记录结构。这个动态过程涉及实时数据传输、建模和动态更新。
Fig. 8 Process of dynamic modelling

图8 动态建模过程

应急响应阶段,应急监测和灾害评估（如农作物损失评估、防洪工程有效性分析、险工险段调查分析、城市监测、工业区生命线工程易损性评估等[18]）需同步进行。水位信息和淹没信息是判断洪涝状况的2个重要信息。以水位信息和淹没信息为例,水位信息依然使用监测站原位传感器监测,洪水淹没信息使用遥感手段监测（图9）。遥感数据使用FE_RemoteSenseDynamicObservation记录。如果遥感数据已处理成一个结果数据,则使用类似地面观测数据的编码方法编码;如果是原始遥感数据,则使用类似地面观测数据编码的同时,编码结果使用外部链接的方法链接遥感数据实体（图10）。据研究,当XML文档超过一定大小时,操作的性能就明显下降。如果直接将几百兆甚至更大的遥感数据写入XML文档,不方便文档的传输和处理,因此本处使用外部链接的方法（图10）。
Fig. 9 An instance inresponse phase

图9 应急响应阶段实例

Fig. 10 Encoding method for remote sensing data

图10 遥感数据编码方法

4 结语

对于洪涝灾害事件信息表达和共享,从观测角度出发,本文提出了一种顾及洪涝灾害发生发展过程的信息模型。其主要特点是：
（1）以观测角度建立模型。在洪涝灾害防灾、减灾和救灾中,历史观测信息和实时观测信息,在具体的决策中起着关键作用。而灾害及相关信息的获取,起决定作用的是。同时,传感网[19-22]有较成熟的针对观测的标准和技术予以借鉴,如实验中模型使用O&M编码。
（2）洪涝灾害具有阶段周期性。每个阶段的主要任务和观测手段都不尽相同。建模时,考虑阶段划分易于理解,也使得模型的模块清晰,任务和功能明确。
（3）十元组模型本身不是动态的,但建立的过程和表达的信息是动态的。建模过程是对实时数据流建立模型,动态更新模型中记录的时间系列数据,如图9中动态记录水位的时间系列数据。模型中记录的时间系列数据几乎能实时更新到最新观测,表示了洪涝灾害到目前发生发展的动态信息。
（4）模型具有可扩展性。本文提出的模型充分考虑监测手段的扩展,预留部件扩展、元组扩展和元素扩展,保证了模型的适应性。
本文提出的模型实现了洪涝灾害信息的表达。由于此模型是一种规范的信息表达,不同的部门和使用者都需遵循,所以,模型实现了洪涝灾害信息的共享。今后将结合实际应用效果和存在的问题,不断完善模型。

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
陈莹,尹义星,陈兴伟.19世纪末以来中国洪涝灾害变化及影响因素研究[J].自然资源学报,2011,26(12):2110-2120.

[2]
邱海军,曹明明,郝俊卿,等.1950-2010年中国干旱灾情频率-规模关系分析[J].地理科学,2013,33(5):576-580.

[3]
裘江南,刘丽丽,许晶,等.应急领域的通用元数据标准研究[J].情报杂志,2012(6):149-155,161.

[4]
Hassan A, Abbed B.Developing the earthquake markup language and database with UML and XML schema[J]. Computers & Geosciences, 2005,31(9):1175-1120.

[5]
Chen R, Sharman R, Chakravarti N, et al.Emergency response information system interoperability: Development of chemical incident response data model[J]. Journal of the Association for Information Systems, 2008,9(3):200-230.

[6]
白淑春. 基于RDF/XML的突发公共卫生事件网络资源描述[D].长春:吉林大学,2006.

[7]
Westermann U, Jain R.Toward a common event model for multimedia applications[J]. IEEE Multimedia, 2007,14(1):19-29.

[8]
Haddow G, Bullock J.Introduction to emergency management[M]. Amsterdam: Butterworth-Heinemann, 2003.

[9]
Chen N, Hu C.A sharable and interoperable meta-model for atmospheric satellite sensors and observations[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2012,5(5):1519-1530.

[10]
Hu C, Guan Q, Chen N.An observation capability metadata model for EO sensor discovery in sensor web enablement environments[J]. MDPI Remote Sensing, 2014,6(11):10546-10570.

[11]
Chen N, Wang K, Xiao C.A heterogeneous sensor web node meta-model for the management of flood monitoring system[J]. Environmental Modelling & Software, 2014,54:222-237.

[12]
Thomas E, Johannes E.Event Pattern Markup Language (EML)[R]. Open Geospatial Consortium, 2008.

[13]
刘亚岚,王世新,魏成阶,等.全国洪涝灾害警戒水域遥感数据库的研制[J].自然灾害学报,2003,12(1):36-41.

[14]
陈泽强. 传感网整合关键技术研究[D].武汉:武汉大学,2012.

[15]
陈能成,陈泽强,何杰,等.对地观测传感网信息服务的模型与方法[M].武汉:武汉大学出版社,2013.

[16]
Chen, N, Di L, Yu G. A flexible geospatial sensor observation service for diverse sensor data based on Web service[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2009,64(1):274-282.

[17]
Bröring A, Echterhoff J, Jirka S, et al.New generation sensor web enablement[J]. Sensors, 2011,11(3):2652-2699.

[18]
魏成阶,王世新,阎守邕,等.1998年全国洪涝灾害遥感监测评估的主要成果——基于网络的洪涝灾情遥感速报系统的应用[J].自然灾害学报,2000,9(2):16-25.

[19]
Chen N, Chen X, Wang K, et al.Progress and challenges in the architecture and service pattern of earth observation sensor web for digital earth[J]. International Journal of Digital Earth, 2014,4(6):449-470.

[20]
陈能成,胡楚丽,王晓蕾.对地观测传感网资源集成管理的模型与方法[M].北京:科学出版社,2014.

[21]
Li D, Zeng L, Chen N, et al.A framework design for the Chinese National Disaster Reduction System of Systems (CNDRSS)[J]. International Journal of Digital Earth, 2013,7(1):68-87.

[22]
Zheng Z, Chen N, Li P, et al.Integration of hydrological observation into a spatial data infrastructures under a sensor web environment[J]. International Journal of Digital Earth, 2013,6(sup2):22-40.

Options
Outlines

/

〈 〉