CN106645650A - 一种具有预测功能的水土流失监测与预警系统 - Google Patents

一种具有预测功能的水土流失监测与预警系统 Download PDF

Info

Publication number
CN106645650A
CN106645650A CN201710091112.6A CN201710091112A CN106645650A CN 106645650 A CN106645650 A CN 106645650A CN 201710091112 A CN201710091112 A CN 201710091112A CN 106645650 A CN106645650 A CN 106645650A
Authority
CN
China
Prior art keywords
soil
rainfall
soil loss
early warning
loss monitoring
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201710091112.6A
Other languages
English (en)
Inventor
唐直国
周卫军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha Nine Car Measurement And Control Technology Co Ltd
Original Assignee
Changsha Nine Car Measurement And Control Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changsha Nine Car Measurement And Control Technology Co Ltd filed Critical Changsha Nine Car Measurement And Control Technology Co Ltd
Priority to CN201710091112.6A priority Critical patent/CN106645650A/zh
Publication of CN106645650A publication Critical patent/CN106645650A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G01N33/246—Earth materials for water content

Abstract

本发明研制与构建了一种具有预测功能的水土流失监测与预警系统，基于功效系数法构建水土流失预警模型，能够考虑多个变量，对水土流失沟进行整体性预测，将土壤含水量和降雨量设置为下一时刻t1时值，能够提前预测边坡水土流失状况，能够提前预测危险，有足够的反应时间来进行处理，尤其是在连续降暴雨天气时，避免和减轻水土流失带来的泥石流危险。

Description

一种具有预测功能的水土流失监测与预警系统
技术领域
本发明涉及铁路沿线环境安全评估和预警，尤其是涉及铁路沿线水土流失监测与预警。
背景技术
铁路是国民经济的大动脉，在交通运输中起着重要的作用，而水土流失严重影响铁路的正常运行和行车安全。我国是水土流失活动较频繁的国家之一，而铁路又是遭受水土流失危害最严重的行业之一。水土流失常常会对铁路路基形成冲毁、淤埋、堵塞桥涵等，严重影响铁路的安全运营。随着近年来全球环境的恶化，极端气候频发，铁路不断地向山区延伸，铁路沿线水土流失灾害频发，严重威胁铁路运输线营运安全，每年铁路受灾损失居高不下。水土流失灾害是铁路运输线上所遇到的最频繁的自然灾害，常常淤埋、堵塞、冲毁铁道线路，引发铁路断道、列车出轨等安全事故，给铁路运营安全带来严重威胁，因此建立一个完善的水土流失监测与预警系统对于铁路安全的意义十分重大。
针对水土流失造成的泥石流等地质灾害的监测预警系统的方法包括模糊数学方法、人工神经网络法、灰色理论、GIS技术、可拓理论、回归分析法。早期的系统模型基于降雨条件建立预警模型，没有与当地的地质环境条件结合，预测预警精度不高。经过研究发现影响水土流失的因素主要有岩性结构、地形地貌、土层植被、水文条件、气候降雨等，因此科研人员进一步建立了降雨条件与地质条件耦合的监测与预警系统，综合考虑了山坡坡度、边坡松散物质储量、植被覆盖率、土壤含水量、历史降雨量、实时降雨量等多个因素。
土壤中的孔隙充满水，具有从高水势点向低水势点流动的不平衡性；水流不会改变土壤中水储存量。土壤水分饱和后，土壤颗粒间的胶结物发生变化，如膨胀、溶解等，土壤颗粒间的团聚性能减弱，土壤团聚体遭到破坏，土粒间的作用力，如范德华力、水膜张力、粘结力等消失或失去作用，土粒间发生滑动，再加上水力的作用，土壤会发生溜坍，引起边坡垮塌，导致水土流失，引发自然灾害，掩埋路基，冲垮堤坝等，因此土壤中的含水量情况是诱发发生边坡溜坍和水土流失的重要因素，10分钟降雨量是水土流失激发的重要启动因素，强度越大，岩土体失稳的可能性越高，水土流失爆发的可能性越大；24h雨量是指至此时前24h降雨量，雨量越大，水土流失发生的可能性越大。长历时的降雨较易使边坡深层土体的孔隙水压力增加，土体易产生滑动性破坏，为后期水土流失的发生起着重要的贡献；3天的累计降雨量则在一定程度上反应土体的饱和液化的程度。根据即时的土壤含水量和前期不同时间段统计的降雨量能够反映当前时刻边坡状况，然而在南方某些地区的多雨季节，经常连续降暴雨很多天，现有技术根据历史数据和即使数据对当前的边坡水土流失状况进行监测和预警，不能对未来时刻进行监测和预警，这在连续降暴雨的天气时会导致处理不及时，带来危险隐患。
发明内容
本发明目的在于提供一种具有预测功能的水土流失监测与预警系统，尤其是在连续暴雨天气时对下一时刻边坡土壤状况进行监测和预警，能够提前预测危险，使得在恶劣天气时有足够的反应时间来进行处理，避免和减轻水土流失带来的泥石流危险。一种具有预测功能的水土流失监测与预警系统，其包括数据采集装置、信号接收及处理装置、无线信号传输装置、监测中心等部分；
监测中心包括水土流失监测与预警模型，所述水土流失监测与预警模型将采集或计算数据作为影响因子计算发生水土流失的风险；
所述影响因子包括降雨量、土壤含水量等；
其特征在于：所述土壤含水量可以是下一时刻t1的土壤含水量值，所述降雨量可以是下一时刻t1的降雨量。
进一步的所述下一时刻t1的土壤含水量能够根据当前时刻t0的土壤含水量与t0-t1时间的降雨量得到。
进一步的所述t0-t1时间段的降雨量可以根据天气预报数据获得。
进一步的所述降雨量包括10分钟降雨量、24h降雨量和3天累计降雨量。
进一步的所述影响因子还包括边坡相对高度、边坡坡度、植被覆盖率、土壤质地、土壤含水量、地层岩性、侵蚀强度、边坡松散物储量、灾害发生敏感分区。
进一步的所述水土流失监测与预警模型是基于层次分析法确定其影响因子权重系数，再基于功效系数法构建得到。
与现有技术相比：本发明基于层次分析法确定影响因子权重系数，基于功效系数法构建水土流失预警模型，能够考虑多个变量，对水土流失沟进行整体性预测，其中土壤含水量是评价边坡溜滩和水土流失是否发生的重要因素之一，降雨量是诱发水土流失的关键因素，在连续降暴雨天气时，将土壤含水量和降雨量设置为下一时刻t1时值，能够提前预测边坡水土流失状况，能够提前预测危险，有足够的反应时间来进行处理，避免和减轻水土流失带来的泥石流危险。
附图说明
图1是本发明水土流失预测预警指标层次体系图。
图2是本发明土壤含水量布置拓扑结构。
图3是本发明水土流失预测预警模型的建立流程图。
具体实施方式
下面结合附图详细描述本发明。
如图1-3所示，本发明选取边坡相对高度、边坡坡度、植被覆盖率、土壤质地、土壤含水量、地层岩性、侵蚀强度、边坡松散物储量、灾害发生敏感分区、前3d累计降雨量、24h降雨量、10分钟降雨量为水土流失预警模型的影响指标(即影响因子)。其中，边坡松散物储量是水土流失物源的重要来源，储量越大，水土流失发生时可提供的固体碎屑物越多:固体碎屑物越松散，在降雨条件下越容易失稳破坏，因此，水土流失沟松散物具有一定的储量为水土流失的形成提供了物源条件；山坡坡度大小反应了坡面上土壤颗粒的稳定条件和水流动力条件，并直接影响地表径流的冲刷和搬运能力；植被覆盖率指标反应了防止水土流失的能力，覆盖率越高，岩土体失稳所需的能量越大；铁路边坡的相对高差则体现了沟谷的地形条件，高差越大，提供的势能越大，水动力就越强，发生水土流失的可能性就越大；10分钟降雨量是水土流失激发的重要启动因素，强度越大，岩土体失稳的可能性越高，水土流失爆发的可能性越大；24h雨量是指至此时前24h降雨量，雨量越大，水土流失发生的可能性越大。长历时的降雨较易使边坡深层土体的孔隙水压力增加，土体易产生滑动性破坏，为后期水土流失的发生起着重要的贡献。因此，前期的累计降雨量大小则在一定程度上反应土体的饱和液化的程度，根据水土流失发生时前期降雨影响程度，选取3天的累计降雨量作为前期降雨影响指标。
根据以上影响因子及下文提到的方法可以建立水土流失监测与预警模型，再进一步结合数据采集装置、信号接收及处理装置、无线信号传输装置、监测中心等可以组成一套水土流失监测与预警系统，能够对边坡水土流失状况进行监控和预警。然而该预警系统只能反映当前状况，没有一定的预测前瞻性，在连续的暴雨天气，就是预知当前处于危险状况，也可能来不及处理，没有在时间上有一个推移的预测。
本发明的影响因子中的土壤含水量可以是下一时刻t1的土壤含水量值，所述降雨量可以是下一时刻t1的降雨量；其中下一时刻t1的土壤含水量值能够根据当前时刻t0的土壤含水量与t0-t1时间的降雨量得到，具体数值可以从相关部门数据库中的降雨量—土壤含水量关系得到，而t0-t1时间的降雨量也可以根据相关部门数据得到，如天气预报的数据。下一时刻t1是可以由技术人员设定的时间，为了有足够的反映时间，同时又避免时间太长而准确度降低，下一时刻t1可以进一步控制在1小时-6小时内，降雨量因子包括了10分钟降雨量、24h雨量、3天的累计降雨量，因此下一时刻t1的降雨量也包括其10分钟降雨量、24h雨量、3天的累计降雨量，由已经发生的降雨和即将发生的降雨两部分组成。
在此基础上根据计算权重原始数据的来源，可将权重确定方法分为主观赋权法、客观赋权法和组合赋权法。首先由专家群体对各评价指标的相对重要程度进行评判；然后采用相关的集结算法对单个专家的评判数据进行综合，得到各指标的权重。项目将采用主、客观结合，综合评判的方法进行，得到综合评分表1。
表1铁路沿线水土流失预测预警评价指标体系综合评分表
权重系数是评价指标重要程度的一个量化标准，量化值越大重要程度越高，因此权重系数确定的准确及合理性将直接影响到评价结果。本发明采用层次分析法进行影响因子赋权，层次分析法作为一种新的、简洁而实用的建模方法、其建模过程大体上可按下面四个步骤进行:建立递阶层次结构模型；构造出各层次中的所有判断矩阵；层次单排序及一致性检验；层次总排序及一致性检验。
表2水土流失目标层矩阵构建与权重计算
铁路沿线水土流失预测 基础因子(B1) 响应因子(B2) 诱导因子(B3) Wi
基础因子(B1) 1.0000 0.8165 0.7437 0.2802
响应因子(B2) 1.2248 1.0000 0.9108 0.3431
诱导因子(B3) 1.3447 1.0979 1.0000 0.3767
表3准则层基础因子矩阵构建与权重计算
基础因子 (C1) (C2) (C3) (C4) (C5) Wi
相对高差(C1) 1.0000 0.8821 0.7950 1.1579 1.1173 0.1942
边坡坡度(C2) 1.1337 1.0000 0.9013 1.3129 1.2668 0.2201
土壤质地(C3) 1.2578 1.1095 1.0000 1.4565 1.4055 0.2442
植被覆盖度(C4) 0.8636 0.7617 0.6866 1.0000 0.9650 0.1677
地层岩性(C5) 0.8950 0.7894 0.7115 1.0363 1.0000 0.1738
表4准则层响应因子矩阵构建与权重计算
响应因子 土壤含水量(C6) 侵蚀强度(C7) 灾害敏感性(C8) 边坡松散物质储量(C9) Wi
土壤含水量(C6) 1.0000 1.2947 0.9990 1.1455 0.2742
侵蚀强度(C7) 0.7724 1.0000 0.7715 0.8847 0.2118
灾害敏感性(C8) 1.0010 1.2961 1.0000 1.1467 0.2745
边坡松散物质储量(C9) 0.8730 1.1303 0.8721 1.0000 0.2394
表5准则层诱导因子矩阵构建与权重计算
表6水土流失影响因子指标组合权重
功效系数法又叫功效函数法，是一种反映多个指标、综合分析的定量评价方法，对每一项评价指标确定一个满意值和不允许值，以满意值为上限，以不允许值为下限，计算各指标实现满意值程度，并以此确定各指标的功效系数值，再经过加权评价确定综合评价值，从而评价被研究对象的综合状况。其评价步骤如下:
(1)选取评价指标
评价指标须具有代表性和典型性，在评价体系中既要独立又能互补，应尽可能地反映评价目标的总体情况。
(2)确定评价指标的满意值和不允许值
对每一个评价指标，都要确定其满意值和不允许值。满意值是人们根据自身或行业经验给出的一个值；不允许值一般取评价指标的可以接受的最低值或最高值。
(3)评价指标的单项功效系数值
在评价指标体系当中，根据各指标的特点，可按照以下规则确定单项功效系数。共分为4种变量，其中指标值越大、单项功效系数值越高的为极大型变量；指标数值越小、单项功效系数要高的为极小型变量；指标数值在某一点时其单项系数最高的为稳定型变量；指标数值在某一区间时其单项系数最高的为区间型变量。
极大型变量单项功效系数计算公式为：
极小型变量单项功效系数公式：
稳定型变量单项功效系数公式为：
区间型变量单项功效系数公式为：
式中，g1i为第i个极大型评价指标的单项功效系数值，Xi为第I(i＝l,2,,,m)个评价指标的实际值；Xyi为第i个评价指标的满意值；Xni为第i个评价指标的不允许值；Xmax为区间型变量的上限值；Xmin为区间型变量的下限值；Xnmax为上限的不允许值；Xnmin为下限的不允许值。
总功效系数值
根据评价指标的单项功效系数，在结合评价指标的权重系数，计算评价对象的总功效系数值:
其中G为评价对象的总功效系数值；gi为第i个评价指标的单项功效系数值；ωi为第i个评价指标的权重系数。
根据总功效系数值公式计算可得总功效系数，总功效系数大小与预警等级划分是根据功效系数法原理，以总功效系数值作为评价标准，根据数值大小划分水土流失预警等级，向管理部门、相关人员发布的预警等级。
由于影响因子中除了降雨量和土壤含水量随着时间推移会有一定的变化，其他影响因子在一个相对短的时间里基本是保持不变的，因此将降雨量和土壤含水量选择为下一时刻t1的降雨量和土壤含水量，是能够比较准确的预测下一时刻t1的水土流失状况，能够提早预知风险，让工作人员有足够的时间来处理。
表7水土流失预警等别
预警等级 总功效系数 说明
I ≤60 可能性很小，不发布预警信息
II 60-70 可能性较小，不发布预警信息
III 70-80 可能性较大，发布黄色预警信息
IV 80-90 可能性大，发布橙色预警信息
V ≥90 可能性很大，发布红色预警信息
水土流失在线监测预警系统是利用传感器技术、信号传输技术，以及网络技术和软件技术，从宏观、微观相结合的全方位角度，来监测影响安全的各种关键技术指标，记录历史、现有的数据，分析未来的走势，以便辅助监测中心及铁道部门，提升安全保障水平，有效防范和遏制重特大事故发生。
监测数据直接发送到监控中心，软件自动对测量数据进行换算，直接输出监测物理量，利用GPRS无线网络进行数据传输或者内部局域网方式，完成对传感器数据的采集和监控。传感器通过传感器物联网组网进入GPRS接入INTERNET网，软件可设置上线报警命令，手机短信报警能够时时掌控，PC接入INTERNET网络就可进行数据采集和监控。
系统依托智能的软件系统，建立分析预警模型，实现与短消息平台结合，当发生异常时，及时自动发布短消息到部门管理人员，尽快启动相应的预案。
系统由监测站数据采集装置、信号接收及处理装置、无线信号传输装置、监测中心等部分组成。
上述实施例仅以示例的方式描述，在不脱离本发明的范围的情况下，可以采取其他的建模方法、选择其他影响因子都是可能的。

Claims (6)

1.一种具有预测功能的水土流失监测与预警系统，其包括数据采集装置、信号接收及处理装置、无线信号传输装置、监测中心等部分；
监测中心包括水土流失监测与预警模型，所述水土流失监测与预警模型将采集或计算数据作为影响因子计算发生水土流失的风险；
所述影响因子包括降雨量、土壤含水量等；
其特征在于：所述土壤含水量可以是下一时刻t1的土壤含水量值，所述降雨量可以是下一时刻t1的降雨量。
2.根据权利要求1所述的水土流失监测与预警系统，所述下一时刻t1的土壤含水量能够根据当前时刻t0的土壤含水量与t0-t1时间的降雨量得到。
3.根据权利要求1或2所述的水土流失监测与预警系统，所述t0-t1时间段的降雨量可以根据天气预报数据获得。
4.根据权利要求1所述水土流失监测与预警系统，所述降雨量包括10分钟降雨量、24h降雨量和3天累计降雨量。
5.根据权利要求1所述水土流失监测与预警系统，所述影响因子还包括边坡相对高度、边坡坡度、植被覆盖率、土壤质地、土壤含水量、地层岩性、侵蚀强度、边坡松散物储量、灾害发生敏感分区。
6.根据权利要求6所述水土流失监测与预警系统，所述水土流失监测与预警模型是基于层次分析法确定其影响因子权重系数，再基于功效系数法构建得到。
CN201710091112.6A 2017-02-20 2017-02-20 一种具有预测功能的水土流失监测与预警系统 Pending CN106645650A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710091112.6A CN106645650A (zh) 2017-02-20 2017-02-20 一种具有预测功能的水土流失监测与预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710091112.6A CN106645650A (zh) 2017-02-20 2017-02-20 一种具有预测功能的水土流失监测与预警系统

Publications (1)

Publication Number Publication Date
CN106645650A true CN106645650A (zh) 2017-05-10

Family

ID=58845663

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710091112.6A Pending CN106645650A (zh) 2017-02-20 2017-02-20 一种具有预测功能的水土流失监测与预警系统

Country Status (1)

Country Link
CN (1) CN106645650A (zh)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738378A (zh) * 2019-10-31 2020-01-31 黄淮学院 一种山区泥石流灾害的预测方法和预测系统
CN110988306A (zh) * 2019-12-18 2020-04-10 杨柳 一种基于电子信息技术的土壤长效监测预防分析管理系统
CN111220210A (zh) * 2020-01-15 2020-06-02 辽宁工程技术大学 一种水土保持多指标动态实时监测系统
CN111771631A (zh) * 2020-07-14 2020-10-16 中国水利水电科学研究院 一种消落带水土保持系统及方法
CN111983190A (zh) * 2020-08-20 2020-11-24 贵州师范大学 一种洼地水土流失监测系统及其使用方法
CN112254703A (zh) * 2020-10-15 2021-01-22 广东粤源工程咨询有限公司 一种水土流失遥感动态监测方法、系统、智能终端以及存储介质
CN112540165A (zh) * 2020-12-04 2021-03-23 广东电网有限责任公司 水土流失预警系统及方法
CN113486575A (zh) * 2021-06-21 2021-10-08 武汉科技大学 一种地表变形破坏预测预警方法、装置及存储介质
CN113640497A (zh) * 2021-08-12 2021-11-12 北京江河中基工程咨询有限公司 一种建筑工程水土流失监测内容及方法
CN114067535A (zh) * 2022-01-18 2022-02-18 山东省国土空间生态修复中心 基于人工智能的地质灾害预警方法、装置及存储介质
CN114062656A (zh) * 2021-11-16 2022-02-18 河南省焦作地质勘察设计有限公司 一种地质灾害预测方法和系统
CN114660268A (zh) * 2022-03-22 2022-06-24 中铁水利水电规划设计集团有限公司 水库淹没区的抬田区耕地保水层渗流监测系统
CN115267142A (zh) * 2022-09-27 2022-11-01 深圳市深水水务咨询有限公司 基于数据分析的水土流失动态监测预警系统及方法
CN117236074A (zh) * 2023-11-10 2023-12-15 北京市农林科学院信息技术研究中心 土壤厚度自动预警方法、装置、设备及介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013150A (zh) * 2010-09-28 2011-04-13 浙江工业大学 基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统
CN102306233A (zh) * 2011-06-15 2012-01-04 浙江大学 降雨作用下流域滑坡时空预测方法
CN102799756A (zh) * 2012-06-08 2012-11-28 冉启华 一种降雨作用下的滑坡预测方法
CN104318103A (zh) * 2014-10-23 2015-01-28 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡灾害监测预警降雨阈值判定方法
CN106198922A (zh) * 2016-06-23 2016-12-07 青岛理工大学 降雨型滑坡临界启动降雨量及失稳预警时间的确定方法
CN106225852A (zh) * 2016-09-30 2016-12-14 防城港市海河堤管理站 一种水土流失预警装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102013150A (zh) * 2010-09-28 2011-04-13 浙江工业大学 基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统
CN102306233A (zh) * 2011-06-15 2012-01-04 浙江大学 降雨作用下流域滑坡时空预测方法
CN102799756A (zh) * 2012-06-08 2012-11-28 冉启华 一种降雨作用下的滑坡预测方法
CN104318103A (zh) * 2014-10-23 2015-01-28 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡灾害监测预警降雨阈值判定方法
CN106198922A (zh) * 2016-06-23 2016-12-07 青岛理工大学 降雨型滑坡临界启动降雨量及失稳预警时间的确定方法
CN106225852A (zh) * 2016-09-30 2016-12-14 防城港市海河堤管理站 一种水土流失预警装置

Cited By (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738378B (zh) * 2019-10-31 2023-09-12 黄淮学院 一种山区泥石流灾害的预测方法和预测系统
CN110738378A (zh) * 2019-10-31 2020-01-31 黄淮学院 一种山区泥石流灾害的预测方法和预测系统
CN110988306A (zh) * 2019-12-18 2020-04-10 杨柳 一种基于电子信息技术的土壤长效监测预防分析管理系统
CN111220210A (zh) * 2020-01-15 2020-06-02 辽宁工程技术大学 一种水土保持多指标动态实时监测系统
CN111771631A (zh) * 2020-07-14 2020-10-16 中国水利水电科学研究院 一种消落带水土保持系统及方法
CN111983190A (zh) * 2020-08-20 2020-11-24 贵州师范大学 一种洼地水土流失监测系统及其使用方法
CN112254703A (zh) * 2020-10-15 2021-01-22 广东粤源工程咨询有限公司 一种水土流失遥感动态监测方法、系统、智能终端以及存储介质
CN112540165A (zh) * 2020-12-04 2021-03-23 广东电网有限责任公司 水土流失预警系统及方法
CN113486575A (zh) * 2021-06-21 2021-10-08 武汉科技大学 一种地表变形破坏预测预警方法、装置及存储介质
CN113640497A (zh) * 2021-08-12 2021-11-12 北京江河中基工程咨询有限公司 一种建筑工程水土流失监测内容及方法
CN114062656A (zh) * 2021-11-16 2022-02-18 河南省焦作地质勘察设计有限公司 一种地质灾害预测方法和系统
CN114062656B (zh) * 2021-11-16 2023-01-13 河南省焦作地质勘察设计有限公司 一种地质灾害预测方法和系统
CN114067535A (zh) * 2022-01-18 2022-02-18 山东省国土空间生态修复中心 基于人工智能的地质灾害预警方法、装置及存储介质
CN114660268A (zh) * 2022-03-22 2022-06-24 中铁水利水电规划设计集团有限公司 水库淹没区的抬田区耕地保水层渗流监测系统
CN115267142A (zh) * 2022-09-27 2022-11-01 深圳市深水水务咨询有限公司 基于数据分析的水土流失动态监测预警系统及方法
CN115267142B (zh) * 2022-09-27 2022-12-02 深圳市深水水务咨询有限公司 基于数据分析的水土流失动态监测预警系统及方法
CN117236074A (zh) * 2023-11-10 2023-12-15 北京市农林科学院信息技术研究中心 土壤厚度自动预警方法、装置、设备及介质
CN117236074B (zh) * 2023-11-10 2024-02-20 北京市农林科学院信息技术研究中心 土壤厚度自动预警方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN106645650A (zh) 一种具有预测功能的水土流失监测与预警系统
CN106645651A (zh) 水土流失监测与预警系统
Cools et al. An early warning system for flash floods in hyper-arid Egypt
King Sediment transport data and related information for selected coarse-bed streams and rivers in Idaho
Czuba et al. Geomorphic analysis of the river response to sedimentation downstream of Mount Rainier, Washington
CN104318717A (zh) 一种历史数据短缺条件下的暴雨泥石流预警方法
Wambua et al. Drought forecasting using indices and Artificial Neural Networks for upper Tana River basin, Kenya-A review concept
Zhang et al. Real-time warning system of regional landslides supported by WEBGIS and its application in Zhejiang Province, China
CN106886967A (zh) 一种建立水土流失监测与预警模型的方法
Turab et al. Optimal selection of number and location of meteo-hydrological monitoring networks on vu gia–thu bon river basin using GIS
CN105701976A (zh) 基于卫星遥感图像的水土保持监测系统
Hall et al. Understanding flood regime changes in Europe: a state of the art assessment
Yendri Effect of Water on Flow Fluctuation in River Flow
CN115099677B (zh) 尾矿库安全生产风险分级预警方法
Rousselot et al. Analysis and forecast of extreme new-snow avalanches: a numerical study of the avalanche cycles of February 1999 in France
Venkatcharyulu Flood and drought analysis of Godavari sub Basin based on Precipitation Index
Brilly The integrated approach to flash flood management
Coughenour et al. In the shadow of the dam–Hydrology of the Little Conemaugh river and its South Fork, with insights about past and future flooding
Wei et al. Method of debris flow prediction based on a numerical weather forecast and its application
CN205582212U (zh) 基于卫星遥感图像的水土保持监测系统
Rajapaksha et al. Determination of thresholds based on rainfall indices for the occurrence of landslides in Kalu Ganga basin, Sri Lanka
Talebiniya et al. Investigating the role of meteorological drought and geodetic factors on land subsidence vulnerability using fuzzy overlay
Fu et al. Evaluation of environmental factors in landslide prone areas of central Taiwan using spatial analysis of landslide inventory maps
Wambua et al. Drought indices assessment for sustainable water resources management-a case review for upper Tana River Basin, Kenya
Arsana et al. Handling and Control of Floods in the Pulukan River/Tukad Macro Drainage System in Jembrana Regency

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20170510