Cet article démontre un flux de travail Python et Jupyter Notebook pour une évaluation rapide des risques d'inondation dans les zones rurales et petites du nord-est du Brésil. Tirant parti d'un modèle d'élévation numérique (DEM) et du modèle de drainage (manuel) au-dessus de la hauteur le plus proche, cette méthode fournit une solution en temps réel et à faible ressource pour identifier la probabilité d'inondation.

Questions clés abordées:

• Acquisition de données DEM pour l'analyse des risques d'inondation.
• Configuration de l'environnement de programmation Python.
• Prétraitement Dem pour l'extraction du drainage.
• En utilisant le modèle de la main pour classer les niveaux de risque d'inondation ("très élevé", "élevé", "modéré", "bas", "très bas").

Table des matières:

• Introduction
• Configuration de l'environnement
• Acquisition et préparation des données
  • Acquisition de données
  • Prétraitement des données
• Direction de l'écoulement et accumulation
  • Calcul de la direction de flux
  • Calcul d'accumulation de débit
  • Extraction de réseau de flux
• Application du modèle de main
• Classification des risques d'inondation
• Résultats et discussion
• Conclusion
  • Références
• FAQ

Configuration de l'environnement:

Ce flux de travail utilise un cahier Jupyter exécutant Python 3.12 et les bibliothèques suivantes: Numpy, Whiteboxools, Gdal, Richdem et Matplotlib.

Acquisition et préparation des données:

Acquisition de données:

Les données d'altitude proviennent de Fabdem (forêt et batiments supprimés Copernicus Dem), librement accessibles via le site Web de l'Université de Bristol [1]. FABDEM propose un DEM global de résolution mondiale de 1 seconde (environ 30 mètres à l'équateur), corrigeant les biais de construction et de hauteur d'arbre. Cette étude se concentre sur une zone de 1o x 1o au nord-est du Brésil (6os 39 ° W à 5os 38oW, WGS84). Cette région, illustrée à la figure 1, a connu des précipitations inhabituellement fortes en 2024.

Prétraitement des données:

Le prétraitement consiste à remplir des puits de Dem (dépressions) à l'aide de White Boxtools et Richdem pour assurer une modélisation hydrologique précise.

Direction de l'écoulement et accumulation:

Calcul de la direction d'écoulement:

La direction d'écoulement est calculée à l'aide de la méthode D8, en attribuant à chaque pixel une valeur (1-128) représentant la direction la plus raide de la pente. (Voir figure 2).

Calcul d'accumulation de débit:

L'accumulation de débit identifie les zones de collecte d'eau en comptant les pixels contributifs en amont. Les valeurs d'accumulation élevées indiquent les cours d'eau et les rivières. (Voir figure 3).

Extraction du réseau de flux:

Un seuil (15 dans cette étude) est appliqué au raster d'accumulation de flux pour délimiter le réseau de cours d'eau.

Application du modèle à main:

Le modèle à main calcule la hauteur de chaque pixel démo au-dessus du point de drainage le plus proche. Des valeurs plus élevées indiquent un risque d'inondation inférieur. (Voir figure 4).

Classification des risques d'inondation:

Sur la base des valeurs de la main, le risque d'inondation est classé en cinq niveaux (tableau 1).

Tableau 1: Classification des risques d'inondation

Résultats et discussion:

Le raster à main classifié (figure 5) et son exportation Geotiff (figure 6, visualisé dans QGIS) mettent en évidence les zones à haut risque (jaune) et à très haut risque (rouge) près du réseau de cours d'eau.

Conclusion:

Le modèle à main fournit une méthode efficace et rapide pour l'évaluation des risques d'inondation, particulièrement précieuse dans les contextes liés aux ressources. Ce flux de travail est adaptable à diverses régions et situations.

Cahier Jupyter disponible ici.

Références: (Liste des références comme indiqué dans le texte d'origine)

Questions fréquemment posées: (Section FAQ comme prévu dans le texte d'origine)

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!