CN108596518A - 一种公路地质灾害危险性评估方法 - Google Patents
一种公路地质灾害危险性评估方法 Download PDFInfo
- Publication number
- CN108596518A CN108596518A CN201810454936.XA CN201810454936A CN108596518A CN 108596518 A CN108596518 A CN 108596518A CN 201810454936 A CN201810454936 A CN 201810454936A CN 108596518 A CN108596518 A CN 108596518A
- Authority
- CN
- China
- Prior art keywords
- geological disaster
- disaster
- highway
- regression
- geological
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/182—Network patterns, e.g. roads or rivers
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种公路地质灾害危险性评估方法,包括如下步骤:步骤S100、基于高分辨率卫星遥感技术,建立若干区域数字地面模型(DEM),同时,生成若干区域的高分辨率正射影像(DOM),记录存储不同区域的遥感信息数据并提取出每个区域的地质灾害因子;步骤S200、对步骤S100中的地质灾害因子进行量化统计分析;步骤S300、针对步骤S200中所述的量化统计分析采取了两种不同的数据处理方式,包括量化处理和定性处理,实现对公路地质灾害危险性的量化表达,利用高分辨率卫星立体图像数据,进行滑坡、崩塌等公路地质灾害的遥感识别与定性分析、信息自动提取与量化统计分析,实现了对公路地质灾害危险性准确、高效评估的功能。
Description
技术领域
本发明涉及公路地质灾害危险评估技术领域,具体为一种公路地质灾害危险性评估方法。
背景技术
滑坡、崩塌等公路地质灾害严重威胁着人类生命和财产安全,随着国家公路网在山岭地区、中西部地区的快速完善,各种突发地质灾害经常对公路交通基础设施造成毁灭性破坏,导致国家财产和人民生命的巨大损失,并重创地区经济和生态环境,在公路工程的全生命周期进行地质灾害危险性评估,对实现公路交通的地质灾害防灾减灾十分重要。
目前,地质灾害危险性评估主要以资料搜集和地质环境调查等地面工作为主,并根据地质环境的复杂程度辅以相应的勘探手段,区域性地质灾害风险评估方法主要有层次分析法、逻辑回归方法、信息量法等,主要原理是基于对地质灾害形成的影响因子进行栅格单元叠加,而忽视了不同地质灾害类型的形成和破坏机理有不同的运动特征,得到的评价结果往往不能直接应用于大比例尺的危险性评价管理中,而且由于滑坡、崩塌等地质灾害成灾机理复杂,致灾因素繁多,获取区域大范围地质灾害危险性评估所必需的、充足的基础资料和相应的定量评价指标较为困难,因此,该方法更适用于单个工点或局部地段的地质灾害危险性评估。
公路工程作为一种线形交通工程,路线里程长,跨越不同的地质地貌单元,地质环境复杂,常采用地质遥感解译辅以传统地面调查的方法,遥感技术具有宏观、准确、综合地进行动态观测与监测的能力,地质遥感解译非常有利于地质灾害的遥感识别与定性分析,但遥感信息定量化分析方法缺乏,无法满足大范围、多灾种地质灾害快速辨识和量化分析的需要。
发明内容
为了克服现有技术方案的不足,本发明提供一种公路地质灾害危险性评估方法,利用高分辨率卫星立体图像数据,进行滑坡、崩塌等公路地质灾害的遥感识别与定性分析、信息自动提取与量化统计分析,实现了对公路地质灾害危险性准确、高效评估的功能,且能有效的解决背景技术提出的问题。
本发明解决其技术问题所采用的技术方案是:
一种公路地质灾害危险性评估方法,包括如下步骤:
步骤S100、基于高分辨率卫星遥感技术,建立若干区域数字地面模型(DEM),同时,生成若干区域的高分辨率正射影像(DOM),记录存储不同区域的遥感信息数据并提取出每个区域的地质灾害因子;
步骤S200、对步骤S100中的地质灾害因子进行量化统计分析;
步骤S300、针对步骤S200中所述的量化统计分析采取了两种不同的数据处理方式,包括量化处理和定性处理,实现对公路地质灾害危险性的量化表达。
进一步地,所述步骤S100中,提取地质灾害因子的方法有基于DEM的GIS分析和基于影像的地质遥感解译。
进一步地,所述基于DEM的GIS分析包括如下步骤:
首先,建立ARCGIS平台和评估指标体系;
然后,利用ARCGIS平台上的Create Fishnet建立格网;再利用ARCGIS平台上的Intersect工具,把每个地质灾害因子图件与格网叠加,即使得地质灾害因子与格网建立关系。
进一步地,所述评估指标体系包括致灾因子和孕灾环境,其中,孕灾环境还包括高程、坡度、与断层距离和地层岩性;致灾因子包括土地利用和道路网密度。
进一步地,所述步骤S300中,所述量化处理还包括如下步骤:
步骤S301、将地质灾害因子分为不同类别,包括一级灾害因子和二级灾害因子;
步骤S302、利用地质灾害历史分布数据,建立灾害点分布与各影响地质灾害因子之间的统计关系,计算公式为:
Aij=a/Sij,i=1,2,…,n;j=1,2,…,m。
式中:a为各二级灾害因子中统计出的灾害点的个数;Sij为二级灾害因子的面积;
步骤S303、对所述步骤S302中量化后的数据进行归一化处理,归一化的公式如下:
步骤S304、对所述步骤S303归一化处理后所得的数据进行熵值计算处理,具体公式如下:
式中:n为一级灾害因子的个数;是一个常数,约定若Iij=0,则ln(Iij)=0,一级灾害因子的客观权重计算公式如下:
二级灾害因子权重根据一级灾害因子的权重值按平均加权的方法进行计算,具体计算公式如下:
S305、对所述步骤S304所得的数据进行综合评估,具体计算公式为:
其中Zi与Zij为一、二级指标权重。
进一步地,所述步骤S300中,所述定性处理方法为:
采用自变量和因变量都为二态变量(0或1)的多元统计方法构建多元回归预测模型,根据最小二乘原理建立多变量的回归预测方程为:
Pi=a1x1+a2x2+…+amxm;
式中:Pi为第i号评估单元产生地质灾害的回归预测值;aj为回归系数(j=1,2,…,m);xj为第i号单元中第j个变量的取值,0或1(j=1,2,…,m)。
假设共有n个评估单元,变量数为m,则有矩阵:
Pi(i=1,2,…,n)取值为0或1,即该单元为已知地质灾害单元时取值为1,否则取值为0。
把X和P代入回归预测方程中,运用最小二乘原理,求解回归系数aj,并采用F统计量对回归方程进行显著性检验:
式中:SR为回归平方和;Se为剩余平方和;n为样本数量;m为自变量数量。
在满足检验条件下,利用回归方程进行公路地质灾害的危险性评估。
进一步地,所述步骤S301中,地质灾害因子的分级方法采用的是ARCGIS中的自然裂点法,是在分级数确定的情况下,通过聚类分析将相似性最大的数据分在同一个等级,差异最大的数据分在不同的等级。
进一步地,所述步骤S305中,公路地质灾害危险性综合评估结果分为四个等级,分别为低度危险、较低危险、较高危险和高危险。
进一步地,根据所述回归预测方程统计分析研究路段公路地质灾害回归预测值,制作出地质灾害回归预测分布图,确定地质灾害临界值。
进一步地,所述地质灾害临界值的确定,包括如下步骤:
步骤S401、以回归预测值Pi作X轴,分布频率作Y轴,建立平面直角坐标系;
步骤S402、根据回归预测方程的统计分析,在步骤S401的平面直角坐标系内作出地质灾害回归预测分布图;
步骤S403、根据所述步骤S402中的地质灾害回归预测分布图,确定图上频率分布出现突变处的突变回归预测值,同时在此值之上的区间应包括足够多的已知灾害单元,即以此作为地质灾害临界值。
与现有技术相比,本发明的有益效果是:
本发明基于高分辨率卫星立体图像,通过采用遥感技术能够自动提取多种公路地质灾害因子,并对提取的公路地质灾害因子进行量化统计分析,从而准确、高效地实现了对公路地质灾害危险性的评估功能,能够对公路地质灾害起到提前预防的作用,进而将公路地质灾害造成的损失降至最小,公路地质灾害危险性评估的结果具有较高的可靠性,有利于公路交通建设的地质选线。
附图说明
图1为本发明的整体工作流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供了一种公路地质灾害危险性评估方法,包括如下步骤:
步骤S100、基于高分辨率卫星遥感技术,建立若干区域数字地面模型(DEM),同时,生成若干区域的高分辨率正射影像(DOM),记录存储不同区域的遥感信息数据并提取出每个区域的地质灾害因子;
步骤S200、对步骤S100中的地质灾害因子进行量化统计分析;
步骤S300、针对步骤S200中所述的量化统计分析采取了两种不同的数据处理方式,包括量化处理和定性处理,实现对公路地质灾害危险性的量化表达。
地质灾害的发生受一系列地质因素和外界因素的影响,各种因素的组合作用影响地质灾害的稳定性程度,通过对地质灾害因子的提取、分析,实现对公路地质灾害危险性的准确评估,从而有效预防滑坡、崩塌等公路地质灾害,将滑坡、崩塌等公路地质灾害带来的损失降至最低,由于造成滑坡、崩塌等公路地质灾害的孕灾环境复杂、致灾因素众多,因子间具有显著的差异性,通过遥感技术手段易于自动提取出地质灾害因子,地质灾害危险性评估因子主要有地形地貌、地层岩性、地质构造、生态景观类型等,根据各类因子的具体特征,还可进行不同类别层次的进一步细分,如地形地貌可细分为斜坡底部高程、坡度、坡向、坡长等。
由于定性的各地质灾害因子不能直接用来计算,需要变换后转为定量计算,所以,地质灾害因子的量化处理是评估公路地质灾害危险性的关键,但是,存在部分地质灾害评估因子难以量化,而适宜于采用定性处理的方式进行表达,因此,对于不同的地质灾害因子采用不同的处理方式,进而实现对公路地质灾害危险性的准确评估。
所述步骤S300中,所述量化处理还包括如下步骤:
步骤S301、将地质灾害因子分为不同类别,包括一级灾害因子和二级灾害因子;
步骤S302、利用地质灾害历史分布数据,建立灾害点分布与各影响地质灾害因子之间的统计关系,计算公式为:
Aij=a/Sij,i=1,2,…,n;j=1,2,…,m。
式中:a为各二级灾害因子中统计出的灾害点的个数;Sij为二级灾害因子的面积;
步骤S303、对所述步骤S302中量化后的数据进行归一化处理,归一化的公式如下:
步骤S304、对所述步骤S303归一化处理后所得的数据进行熵值计算处理,具体公式如下:
式中:n为一级灾害因子的个数;是一个常数,约定若Iij=0,则ln(Iij)=0,一级灾害因子的客观权重计算公式如下:
二级灾害因子权重根据一级灾害因子的权重值按平均加权的方法进行计算,具体计算公式如下:
S305、对所述步骤S304所得的数据进行综合评估,具体计算公式为:
其中Zi与Zij为一、二级指标权重。
作为优选的实施方式,所述步骤S301中,地质灾害因子的分级方法采用的是ARCGIS中的自然裂点法,是在分级数确定的情况下,通过聚类分析将相似性最大的数据分在同一个等级,差异最大的数据分在不同的等级,可以较好地保持数据的统计特征,能够更准确地揭示公路地质灾害的空间分布格局,因此依据自然裂点法将公路地质灾害危险性综合评估结果分为四个等级,分别为低度危险、较低危险、较高危险和高危险。
所述步骤S300中,所述定性处理方法为:
采用自变量和因变量都为二态变量(0或1)的多元统计方法构建多元回归预测模型,根据最小二乘原理建立多变量的回归预测方程为:
Pi=a1x1+a2x2+…+amxm;
式中:Pi为第i号评估单元产生地质灾害的回归预测值;aj为回归系数(j=1,2,…,m);xj为第i号单元中第j个变量的取值,0或1(j=1,2,…,m)。
假设共有n个评估单元,变量数为m,则有矩阵:
Pi(i=1,2,…,n)取值为0或1,即该单元为已知地质灾害单元时取值为1,否则取值为0。
把X和P代入回归预测方程中,运用最小二乘原理,求解回归系数aj,并采用F统计量对回归方程进行显著性检验:
式中:SR为回归平方和;Se为剩余平方和;n为样本数量;m为自变量数量。
在满足检验条件下,利用回归方程进行公路地质灾害的危险性评估。
进一步地,根据所述回归预测方程统计分析研究路段公路地质灾害回归预测值,制作出地质灾害回归预测分布图,确定地质灾害临界值。
所述地质灾害临界值的确定,包括如下步骤:
步骤S401、以回归预测值Pi作X轴,分布频率作Y轴,建立平面直角坐标系;
步骤S402、根据回归预测方程的统计分析,在步骤S401的平面直角坐标系内作出地质灾害回归预测分布图;
步骤S403、根据所述步骤S402中的地质灾害回归预测分布图,确定图上频率分布出现突变处的突变回归预测值,同时在此值之上的区间应包括足够多的已知灾害单元,即以此作为地质灾害临界值。
当计算所得某区域公路地质灾害的回归预测值小于或等于地质灾害临界值时,判断出该区域暂时不存在或存在机率很小发生公路地质灾害的可能;而当回归预测值大于地质灾害临界值时,判断出该区域存在发生公路地质灾害的危险,需要及时采取相应措施,预防公路地质灾害,降低发生公路地质灾害造成的损失。
补充说明的是,基于地质灾害临界值,通过对回归预测值区间的划分,还可将公路地质灾害危险性划分为四个等级,分别为稳定区、较稳定区、危险区和高危险区。
所述步骤S100中,提取地质灾害因子的方法有基于DEM的GIS分析和基于影像的地质遥感解译,地质遥感解译是指以遥感资料为信息源,以地质体、地质构造、地质现象反应的特征影像为依据,通过图像解译提取地质信息,填绘地质图件和研究地质问题。
所述基于DEM的GIS分析包括如下步骤:
首先,建立ARCGIS平台和评估指标体系,ARCGIS产品线是为用户提供一个可伸缩的,全面的GIS平台;
然后,利用ARCGIS平台上的Create Fishnet建立格网;再利用ARCGIS平台上的Intersect工具,把每个地质灾害因子图件与格网叠加,即使得地质灾害因子与格网建立关系。
虽然泥石流、滑坡等公路地质灾害的具体类型不同,但地质灾害发生、发展的因素是具有共性的,所以在指标选取过程中应该避免差异性,尽量选组能普遍使用的指标因子,使得构建的指标体系具有科学性和规范化,本发明中建立的所述评估指标体系包括致灾因子和孕灾环境,其中,孕灾环境还包括高程、坡度、与断层距离和地层岩性;致灾因子包括土地利用和道路网密度。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
Claims (10)
1.一种公路地质灾害危险性评估方法,其特征在于:包括如下步骤:
步骤S100、基于高分辨率卫星遥感技术,建立若干区域数字地面模型(DEM),同时,生成若干区域的高分辨率正射影像(DOM),记录存储不同区域的遥感信息数据并提取出每个区域的地质灾害因子;
步骤S200、对步骤S100中的地质灾害因子进行量化统计分析;
步骤S300、针对步骤S200中所述的量化统计分析采取了两种不同的数据处理方式,包括量化处理和定性处理,实现对公路地质灾害危险性的量化表达。
2.根据权利要求1所述的一种公路地质灾害危险性评估方法,其特征在于:所述步骤S100中,提取地质灾害因子的方法有基于DEM的GIS分析和基于影像的地质遥感解译。
3.根据权利要求2所述的一种公路地质灾害危险性评估方法,其特征在于:所述基于DEM的GIS分析步骤如下:
首先,建立ARCGIS平台和评估指标体系;
然后,利用ARCGIS平台上的Create Fishnet建立格网;再利用ARCGIS平台上的Intersect工具,把每个地质灾害因子图件与格网叠加,即使得地质灾害因子与格网建立关系。
4.根据权利要求3所述的一种公路地质灾害危险性评估方法,其特征在于:所述评估指标体系包括致灾因子和孕灾环境,其中,孕灾环境还包括高程、坡度、与断层距离和地层岩性;致灾因子包括土地利用和道路网密度。
5.根据权利要求1所述的一种公路地质灾害危险性评估方法,其特征在于:所述步骤S300中,所述量化处理还包括如下步骤:
步骤S301、将地质灾害因子分为不同类别,包括一级灾害因子和二级灾害因子;
步骤S302、利用地质灾害历史分布数据,建立灾害点分布与各影响地质灾害因子之间的统计关系,计算公式为:
Aij=a/Sij,i=1,2,…,n;j=1,2,…,m。
式中:a为各二级灾害因子中统计出的灾害点的个数;Sij为二级灾害因子的面积;
步骤S303、对所述步骤S302中量化后的数据进行归一化处理,归一化的公式如下:
步骤S304、对所述步骤S303归一化处理后所得的数据进行熵值计算处理,具体公式如下:
式中:n为一级灾害因子的个数;是一个常数,约定若Iij=0,则ln(Iij)=0,一级灾害因子的客观权重计算公式如下:
二级灾害因子权重根据一级灾害因子的权重值按平均加权的方法进行计算,具体计算公式如下:
S305、对所述步骤S304所得的数据进行综合评估,具体计算公式为:
其中Zi与Zij为一、二级指标权重。
6.根据权利要求1所述的一种公路地质灾害危险性评估方法,其特征在于:所述步骤S300中,所述定性处理方法为:
采用自变量和因变量都为二态变量(0或1)的多元统计方法构建多元回归预测模型,根据最小二乘原理建立多变量的回归预测方程为:
Pi=a1x1+a2x2+…+amxm;
式中:Pi为第i号评估单元产生地质灾害的回归预测值;aj为回归系数(j=1,2,…,m);xj为第i号单元中第j个变量的取值,0或1(j=1,2,…,m)。
假设共有n个评估单元,变量数为m,则有矩阵:
Pi(i=1,2,…,n)取值为0或1,即该单元为已知地质灾害单元时取值为1,否则取值为0。
把X和P代入回归预测方程中,运用最小二乘原理,求解回归系数aj,并采用F统计量对回归方程进行显著性检验:
式中:SR为回归平方和;Se为剩余平方和;n为样本数量;m为自变量数量。
在满足检验条件下,利用回归方程进行公路地质灾害的危险性评估。
7.根据权利要求5所述的一种公路地质灾害危险性评估方法,其特征在于:所述步骤S301中,地质灾害因子的分级方法采用的是ARCGIS中的自然裂点法,是在分级数确定的情况下,通过聚类分析将相似性最大的数据分在同一个等级,差异最大的数据分在不同的等级。
8.根据权利要求5所述的一种公路地质灾害危险性评估方法,其特征在于:所述步骤S305中,公路地质灾害危险性综合评估结果分为四个等级,分别为低度危险、较低危险、较高危险和高危险。
9.根据权利要求6所述的一种公路地质灾害危险性评估方法,其特征在于:根据所述回归预测方程统计分析研究路段公路地质灾害回归预测值,制作出地质灾害回归预测分布图,确定地质灾害临界值。
10.根据权利要求9所述的一种公路地质灾害危险性评估方法,其特征在于:所述地质灾害临界值的确定,包括如下步骤:
步骤S401、以回归预测值Pi作X轴,分布频率作Y轴,建立平面直角坐标系;
步骤S402、根据回归预测方程的统计分析,在步骤S401的平面直角坐标系内作出地质灾害回归预测分布图;
步骤S403、根据所述步骤S402中的地质灾害回归预测分布图,确定图上频率分布出现突变处的突变回归预测值,同时在此值之上的区间应包括足够多的已知灾害单元,即以此作为地质灾害临界值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810454936.XA CN108596518A (zh) | 2018-05-14 | 2018-05-14 | 一种公路地质灾害危险性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810454936.XA CN108596518A (zh) | 2018-05-14 | 2018-05-14 | 一种公路地质灾害危险性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108596518A true CN108596518A (zh) | 2018-09-28 |
Family
ID=63637113
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810454936.XA Pending CN108596518A (zh) | 2018-05-14 | 2018-05-14 | 一种公路地质灾害危险性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108596518A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543357A (zh) * | 2018-10-18 | 2019-03-29 | 电子科技大学 | 一种多元回归模型优化的故障程度量化评估方法 |
CN110322118A (zh) * | 2019-06-06 | 2019-10-11 | 重庆工商大学融智学院 | 地质灾害空间分布规律及易发性评估方法 |
CN111667187A (zh) * | 2020-06-10 | 2020-09-15 | 中交第二公路勘察设计研究院有限公司 | 基于多源遥感数据的公路滑坡危险性评价方法 |
CN112465356A (zh) * | 2020-11-30 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
CN112561297A (zh) * | 2020-12-09 | 2021-03-26 | 中南大学 | 不同地形下邻域影响的地质灾害风险评价方法 |
CN113178082A (zh) * | 2021-04-14 | 2021-07-27 | 河北锐驰交通工程咨询有限公司 | 高速公路安全风险智能识别方法及系统 |
CN113506203A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
CN113505994A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114676907A (zh) * | 2022-01-17 | 2022-06-28 | 中国地质大学(北京) | 一种区域地质灾害预警方法、装置、存储介质及设备 |
CN114925577A (zh) * | 2022-06-07 | 2022-08-19 | 中国地质科学院地质力学研究所 | 一种蠕动型滑坡体上砌体建筑物的易损性分析方法与系统 |
CN117114241A (zh) * | 2023-09-11 | 2023-11-24 | 南京宁通智能交通技术研究院有限公司 | 一种用于监测道路灾害的智慧遥感系统 |
CN117557434A (zh) * | 2024-01-12 | 2024-02-13 | 四川省华地建设工程有限责任公司 | 基于人工智能的危岩崩塌评估方法及系统 |
CN118470939A (zh) * | 2024-07-05 | 2024-08-09 | 中科三清科技有限公司 | 一种基于卫星遥感数据的灾害预警信息生成方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221246A (zh) * | 2008-01-22 | 2008-07-16 | 中交第二公路勘察设计研究院有限公司 | 雪崩的遥感量化勘察方法 |
CN106250611A (zh) * | 2016-07-28 | 2016-12-21 | 中国路桥工程有限责任公司 | 铁路风区段大风气象灾害监测系统 |
CN106529178A (zh) * | 2016-11-14 | 2017-03-22 | 东北电力大学 | 一种滑坡灾害风险评价方法 |
CN106844761A (zh) * | 2017-02-21 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 公路地质灾害多源信息监测预警装置 |
US20180045853A1 (en) * | 2016-08-15 | 2018-02-15 | U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration | Landslide hazard assessment system and method |
-
2018
- 2018-05-14 CN CN201810454936.XA patent/CN108596518A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101221246A (zh) * | 2008-01-22 | 2008-07-16 | 中交第二公路勘察设计研究院有限公司 | 雪崩的遥感量化勘察方法 |
CN106250611A (zh) * | 2016-07-28 | 2016-12-21 | 中国路桥工程有限责任公司 | 铁路风区段大风气象灾害监测系统 |
US20180045853A1 (en) * | 2016-08-15 | 2018-02-15 | U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration | Landslide hazard assessment system and method |
CN106529178A (zh) * | 2016-11-14 | 2017-03-22 | 东北电力大学 | 一种滑坡灾害风险评价方法 |
CN106844761A (zh) * | 2017-02-21 | 2017-06-13 | 中国公路工程咨询集团有限公司 | 公路地质灾害多源信息监测预警装置 |
Non-Patent Citations (3)
Title |
---|
余绍淮等: "基于遥感技术的公路地质灾害危险性评估方法", 《中外公路》 * |
关颖等: "基于格网GIS的地质灾害地形因子危险评估方法", 《测绘工程》 * |
陈楚江等: "雪崩灾害的遥感量化分析与工程选线", 《山地学报》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109543357A (zh) * | 2018-10-18 | 2019-03-29 | 电子科技大学 | 一种多元回归模型优化的故障程度量化评估方法 |
CN109543357B (zh) * | 2018-10-18 | 2021-01-05 | 电子科技大学 | 一种多元回归模型优化的故障程度量化评估方法 |
CN110322118A (zh) * | 2019-06-06 | 2019-10-11 | 重庆工商大学融智学院 | 地质灾害空间分布规律及易发性评估方法 |
CN111667187A (zh) * | 2020-06-10 | 2020-09-15 | 中交第二公路勘察设计研究院有限公司 | 基于多源遥感数据的公路滑坡危险性评价方法 |
CN111667187B (zh) * | 2020-06-10 | 2023-09-15 | 中交第二公路勘察设计研究院有限公司 | 基于多源遥感数据的公路滑坡危险性评价方法 |
CN112465356B (zh) * | 2020-11-30 | 2023-05-23 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
CN112465356A (zh) * | 2020-11-30 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
CN112561297A (zh) * | 2020-12-09 | 2021-03-26 | 中南大学 | 不同地形下邻域影响的地质灾害风险评价方法 |
CN113178082A (zh) * | 2021-04-14 | 2021-07-27 | 河北锐驰交通工程咨询有限公司 | 高速公路安全风险智能识别方法及系统 |
CN113506203A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
CN113505994A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
CN114676907A (zh) * | 2022-01-17 | 2022-06-28 | 中国地质大学(北京) | 一种区域地质灾害预警方法、装置、存储介质及设备 |
CN114676907B (zh) * | 2022-01-17 | 2022-09-20 | 中国地质大学(北京) | 一种区域地质灾害预警方法、装置、存储介质及设备 |
CN114925577A (zh) * | 2022-06-07 | 2022-08-19 | 中国地质科学院地质力学研究所 | 一种蠕动型滑坡体上砌体建筑物的易损性分析方法与系统 |
CN117114241A (zh) * | 2023-09-11 | 2023-11-24 | 南京宁通智能交通技术研究院有限公司 | 一种用于监测道路灾害的智慧遥感系统 |
CN117557434A (zh) * | 2024-01-12 | 2024-02-13 | 四川省华地建设工程有限责任公司 | 基于人工智能的危岩崩塌评估方法及系统 |
CN117557434B (zh) * | 2024-01-12 | 2024-03-19 | 四川省华地建设工程有限责任公司 | 基于人工智能的危岩崩塌评估方法及系统 |
CN118470939A (zh) * | 2024-07-05 | 2024-08-09 | 中科三清科技有限公司 | 一种基于卫星遥感数据的灾害预警信息生成方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108596518A (zh) | 一种公路地质灾害危险性评估方法 | |
CN109584510B (zh) | 一种基于评估函数训练的道路高边坡滑坡灾害预警方法 | |
CN114118677A (zh) | 基于物联网的尾矿库风险监测预警系统 | |
CN116975576B (zh) | 基于关键信息统计的山区公路地质灾害危险性评价方法 | |
Doyle | From hydro/geology to the streetscape: Evaluating urban underground resource potential | |
CN107341586A (zh) | 一种基于降雨的地质灾害发生频率的计算方法 | |
Bonnard et al. | Identification and mitigation of large landslide risks in Europe: advances in risk assessment | |
El‐Maissi et al. | Integrated seismic vulnerability assessment of road network in complex built environment toward more resilient cities | |
Rosdi et al. | Sinkhole susceptibility hazard zones using GIS and analytical hierarchical process (AHP): A case study of Kuala Lumpur and Ampang Jaya | |
CN108007428A (zh) | 高铁沉降监测系统 | |
Zhang et al. | Rockfall hazard assessment of the slope of Mogao Grottoes, China based on AHP, F-AHP and AHP-TOPSIS | |
Delavar et al. | Earthquake vulnerability assessment for hospital buildings using a GIS-based group multi criteria decision making approach: a case study of Tehran, Iran | |
CN117745466B (zh) | 一种尾矿库数智运维系统 | |
Zang et al. | A probabilistic method for mapping earth fissure hazards | |
Aghda et al. | Evaluation of earthquake-induced landslides hazard zonation methods: a case study of Sarein, Iran, earthquake (1997) | |
Soltane et al. | Earthquake-induced impact scenario assessment for the historical center of Skikda, Algeria | |
Naveen et al. | Landslide detection using machine learning algorithms | |
Wang et al. | A novel evaluation method for the stability of construction sites on an abandoned goaf: a case study | |
CN117668040A (zh) | 高压输电线杆塔区域的地质数据的处理方法及相关产品 | |
Chen et al. | The application of the genetic adaptive neural network in landslide disaster assessment | |
Khodashahi et al. | Earthquake-induced landslides hazard zonation of Rudbar-Manjil using CAMEL model | |
Li et al. | Study on road damage assessment based on RS and GIS | |
Eguchi et al. | Loss estimation models and metrics | |
Versace et al. | Txt-tool 2.039-4.2 lewis project: an integrated system for landslides early warning | |
Tae-Ho et al. | Construction on decision support system for route location based on GIS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 100011 No. 88, Anding outside street, Dongcheng District, Beijing No. 1008 Applicant after: CHINA ROAD & BRIDGE Corp. Address before: 100011 No. 88, Anding outside street, Dongcheng District, Beijing. Applicant before: CHINA ROAD & BRIDGE Corp. |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180928 |