CN109406755A - 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法 - Google Patents

一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法 Download PDF

Info

Publication number
CN109406755A
CN109406755A CN201811276014.0A CN201811276014A CN109406755A CN 109406755 A CN109406755 A CN 109406755A CN 201811276014 A CN201811276014 A CN 201811276014A CN 109406755 A CN109406755 A CN 109406755A
Authority
CN
China
Prior art keywords
geological disaster
geomorphic unit
order
geomorphic
high position
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.)
Granted
Application number
CN201811276014.0A
Other languages
English (en)
Other versions
CN109406755B (zh
Inventor
王立娟
马国超
靳晓
唐尧
贾虎军
尹恒
裴尼松
马松
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.)
SICHUANSHENG SAFETY SCIENCE AND TECHNOLOGY RESEARCH INSTITUTE
Original Assignee
SICHUANSHENG SAFETY SCIENCE AND TECHNOLOGY RESEARCH INSTITUTE
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 SICHUANSHENG SAFETY SCIENCE AND TECHNOLOGY RESEARCH INSTITUTE filed Critical SICHUANSHENG SAFETY SCIENCE AND TECHNOLOGY RESEARCH INSTITUTE
Priority to CN201811276014.0A priority Critical patent/CN109406755B/zh
Publication of CN109406755A publication Critical patent/CN109406755A/zh
Application granted granted Critical
Publication of CN109406755B publication Critical patent/CN109406755B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images

Abstract

本发明公开了一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法，包括如下步骤：S1、将山区进行地貌单元的分区；S2、提取地形参数，并形成独立的评价图层；S3、将满足条件的地质灾害点作为高位地质灾害点；S4、区分出高位地质灾害易发的区域指导性图层，并作为重点排查区域；S5、得到高位地质灾害重点区域；S6、进行批量辨识地质灾害的高位属性。本发明解决了现有技术存在的难以实现隐患排查导致的实用性低、无法及时进行隐患排查导致的高位地质灾害的威胁增大以及无法根据有效的证据和数据进行推测和辨识导致的准确性低的问题。

Description

一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法
技术领域
本发明属于地质灾害辨识技术领域，具体涉及一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法。
背景技术
随着人类活动范围不断扩张，地质灾害愈加威胁着人类社会，带来了巨大的生命、经济、环境、文化等损失。全国多个县市受到地灾不同程度的危害，对人员安全和财产造成了极大的损害，其中由滑坡引起的超过53％，且大部分都由人为因素造成的。为了主动而有效地进行防灾减灾，降低区域地质灾害造成的人员伤亡和财产损失，必须对该区域地质灾害本身的特征进行全面系统地了解，掌握其空间分布形态、位置、规模等。
高位滑坡等地质灾害广泛存在于我国西南地区等山区中，具有强隐蔽性、强破坏性、难排查性等特征，具体表现为：(1)发源地往往位于山脊部位，海拔很高，传统技术难以实现隐患排查；(2)高位决定了其具有巨大的高差，使得此类灾害具有更为严重破坏力，危险系数高于常规地质灾害；(3)高位崩塌、滑坡常常拥有巨大的物源方量，且冲突距离较远，能达数公里乃至十几公里，容易造成河流堵塞、堰塞湖等次生灾害。
综上所述，现有技术存在以下问题：
(1)由于高位地质灾害具有强隐蔽性、强破坏性、难排查性等特征，现有技术难以实现隐患排查，实用性低；
(2)由于无法及时进行隐患排查，导致高位地质灾害的威胁增大，容易造成严重的人员安全损害和财产损失；
(3)现有技术对高位地质灾害的排查仅仅针对于山体表面影像数据对可能发生的地质灾害进行判断，而无法根据有效的证据和数据进行推测和辨识，准确性低。
发明内容
针对现有技术中的上述不足，本发明提供的一种实用性高、及时性好以及准确性高的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，对高位地质灾害进行及时、准确的排查，解决了现有技术存在的难以实现隐患排查导致的实用性低、无法及时进行隐患排查导致的高位地质灾害的威胁增大以及无法根据有效的证据和数据进行推测和辨识导致的准确性低的问题。
为了达到上述发明目的，本发明采用的技术方案为：
一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法，包括如下步骤：
S1：将山区进行地貌单元的分区；
S2：将地貌单元作为基本分析单元，提取地形参数，并形成独立的评价图层；
S3：利用地质灾害点提取所在评价图层的地形参数以及地质灾害所在的高程值，并将满足条件的地质灾害点作为高位地质灾害点；
S4：将满足条件的评价图层进行统计区划，区分出高位地质灾害易发的区域指导性图层，并作为重点排查区域；
S5：对重点排查区域进行高位地质遥感排查，并对潜在地质灾害体的方向和边界进行绘制，得到高位地质灾害重点区域；
S6：针对筛查的高位地质灾害点或高位地质灾害重点区域，进行批量辨识地质灾害的高位属性，实现地质灾害高位性质的快速辨识。
进一步地，步骤S1中，地貌单元是地貌上山脊以及沟谷线交叉形成的凹凸的单一地貌，用于集中体现出崩塌、滑坡地质灾害发育的局部地貌环境；
地貌单元是通过将等高线形成正反地形，利用系列水文分析制作生成。
进一步地，步骤S2中，依据1:50000的基础地形数据提取地貌单元内的地形参数；
地形参数包括平均坡度、最低高程以及最高高程。
进一步地，步骤S3中，满足条件即为地质灾害点的坡度大于25°以及地质灾害高差大于100m；
步骤S4中，满足条件即为地貌单元内平均坡度大于25°以及地貌单元高差大于100m。
进一步地，地质灾害高差的计算公式为：
c1＝h'-hmin
式中，c1为地质灾害高差；h'地质灾害高程值；hmin最低高程；
地貌单元高差的的计算公式为：
c2＝hmax-hmin
式中，c2为地貌单元高差；hmax为最高高程；hmin为最低高程。
进一步地，步骤S5中，依循主要交通干道、主要居民地进行高位地质遥感排查，并对影像内具有明显变形迹象的疑似地质灾害进行专题符号的标注，实现借助地形数据对潜在地质灾害体的方向和边界进行绘制。
本方案的有益效果为：
(1)本发明提供了一种实用性高的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，实现了高位地质灾害的快速辨识，并进行隐患排查，消除了高位地质灾害的强隐蔽性和难排查性；
(2)及时进行隐患排查，并在发生高位地质灾害之前，对高位地质灾害点进行预防和处理，减小了高位地质灾害的威胁，避免造成严重的人员安全损害和财产损失，消除了高位地质灾害的强破坏性；
(3)本发明根据地形参数进行地貌单元的分析，找出高位地质灾害点，并借助地形数据对潜在地质灾害体的方向和边界进行绘制，找出高位地质灾害重点区域并进行排查，根据有效的证据和数据进行推测和辨识，提高了准确性。
附图说明
图1为基于地貌单元的山区崩滑地质灾害高位性质辨识方法流程图；
图2为地貌单元分区示意图；
图3为高位地质灾害评判区划成分析示意图。
具体实施方式
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法，如图1所示，包括如下步骤：
S1：将山区进行地貌单元的分区，如图2所示；
S2：将地貌单元作为基本分析单元，提取地形参数，并形成独立的评价图层；
S3：利用地质灾害点提取所在评价图层的地形参数以及地质灾害所在的高程值，并将满足条件的地质灾害点作为高位地质灾害点；
S4：将满足条件的评价图层进行统计区划，区分出高位地质灾害易发的区域指导性图层，如图3所示，并作为重点排查区域；
S5：对重点排查区域进行高位地质遥感排查，并对潜在地质灾害体的方向和边界进行绘制，得到高位地质灾害重点区域；
S6：针对筛查的高位地质灾害点或高位地质灾害重点区域，进行批量辨识地质灾害的高位属性，实现地质灾害高位性质的快速辨识。
本实施例中，步骤S1中，地貌单元又称斜坡单元，是滑坡、崩塌地质灾害发育的基本单元，并且在所有控制或影响因素中，河流和沟谷的发育阶段对滑坡、崩塌的形成具有控制作用；
地貌单元是地貌上山脊以及沟谷线交叉形成的凹凸的单一地貌，用于集中体现出崩塌、滑坡地质灾害发育的局部地貌环境；
地貌单元是通过将等高线形成正反地形，利用系列水文分析制作生成。
本实施例中，步骤S2中，依据1:50000的基础地形数据提取地貌单元内的地形参数；
地形参数包括平均坡度、最低高程以及最高高程。
本实施例中，步骤S3中，满足条件即为地质灾害点的坡度大于25°以及地质灾害高差大于100m；
步骤S4中，满足条件即为地貌单元内平均坡度大于25°以及地貌单元高差大于100m。
本实施例中，地质灾害高差的计算公式为：
c1＝h'-hmin
式中，c1为地质灾害高差；h'地质灾害高程值；hmin最低高程；
地貌单元高差的的计算公式为：
c2＝hmax-hmin
式中，c2为地貌单元高差；hmax为最高高程；hmin为最低高程。
本实施例中，步骤S5中，依循主要交通干道、主要居民地进行高位地质遥感排查，并对影像内具有明显变形迹象的疑似地质灾害进行专题符号的标注，实现借助地形数据对潜在地质灾害体的方向和边界进行绘制。
本发明提供的一种实用性高、及时性好以及准确性高的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，对高位地质灾害进行及时、准确的排查，解决了现有技术存在的难以实现隐患排查导致的实用性低、无法及时进行隐患排查导致的高位地质灾害的威胁增大以及无法根据有效的证据和数据进行推测和辨识导致的准确性低的问题。

Claims (6)

1.一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法，其特征在于，包括如下步骤：
S1：将山区进行地貌单元的分区；
S2：将地貌单元作为基本分析单元，提取地形参数，并形成独立的评价图层；
S3：利用地质灾害点提取所在评价图层的地形参数以及地质灾害所在的高程值，并将满足条件的地质灾害点作为高位地质灾害点；
S4：将满足条件的评价图层进行统计区划，区分出高位地质灾害易发的区域指导性图层，并作为重点排查区域；
S5：对重点排查区域进行高位地质遥感排查，并对潜在地质灾害体的方向和边界进行绘制，得到高位地质灾害重点区域；
S6：针对筛查的高位地质灾害点或高位地质灾害重点区域，进行批量辨识地质灾害的高位属性，实现地质灾害高位性质的快速辨识。
2.根据权利要求1所述的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，其特征在于，所述步骤S1中，地貌单元是地貌上山脊以及沟谷线交叉形成的凹凸的单一地貌，用于集中体现出崩塌、滑坡地质灾害发育的局部地貌环境；
地貌单元是通过将等高线形成正反地形，利用系列水文分析制作生成。
3.根据权利要求1所述的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，其特征在于，所述步骤S2中，依据1:50000的基础地形数据提取地貌单元内的地形参数；
所述地形参数包括平均坡度、最低高程以及最高高程。
4.根据权利要求3所述的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，其特征在于，所述步骤S3中，满足条件即为地质灾害点的坡度大于25°以及地质灾害高差大于100m；
所述步骤S4中，满足条件即为地貌单元内平均坡度大于25°以及地貌单元高差大于100m。
5.根据权利要求4所述的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，其特征在于，所述地质灾害高差的计算公式为：
c1＝h'-hmin
式中，c1为地质灾害高差；h'地质灾害高程值；hmin最低高程；
所述地貌单元高差的的计算公式为：
c2＝hmax-hmin
式中，c2为地貌单元高差；hmax为最高高程；hmin为最低高程。
6.根据权利要求1所述的基于地貌单元的山区崩滑地质灾害高位性质辨识方法，其特征在于，所述步骤S5中，依循主要交通干道、主要居民地进行高位地质遥感排查，并对影像内具有明显变形迹象的疑似地质灾害进行专题符号的标注，实现借助地形数据对潜在地质灾害体的方向和边界进行绘制。
CN201811276014.0A 2018-10-30 2018-10-30 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法 Active CN109406755B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811276014.0A CN109406755B (zh) 2018-10-30 2018-10-30 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811276014.0A CN109406755B (zh) 2018-10-30 2018-10-30 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法

Publications (2)

Publication Number Publication Date
CN109406755A true CN109406755A (zh) 2019-03-01
CN109406755B CN109406755B (zh) 2020-08-18

Family

ID=65469973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811276014.0A Active CN109406755B (zh) 2018-10-30 2018-10-30 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法

Country Status (1)

Country Link
CN (1) CN109406755B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364849A (zh) * 2021-01-13 2021-02-12 四川省安全科学技术研究院 高位崩滑地质灾害智能识别方法
CN114881457A (zh) * 2022-05-05 2022-08-09 中咨数据有限公司 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021267A (zh) * 2013-10-25 2014-09-03 中国科学院地理科学与资源研究所 一种地质灾害易发性判定方法和装置
CN105184050A (zh) * 2015-08-10 2015-12-23 南京师范大学 一种gis与人工智能技术支持下的滑坡危险度评价方法
CN106226779A (zh) * 2016-07-11 2016-12-14 铁道第三勘察设计院集团有限公司 基于遥感技术的易发滑坡预测方法
CN107341586A (zh) * 2017-05-12 2017-11-10 成都理工大学 一种基于降雨的地质灾害发生频率的计算方法
CN107346361A (zh) * 2017-07-13 2017-11-14 重庆大学 基于地形地质图的边坡稳定性初步判别方法
CN107655457A (zh) * 2016-12-23 2018-02-02 航天星图科技（北京）有限公司 一种基于遥感卫星图像的泥石流地质灾害识别方法
CN107861129A (zh) * 2017-10-31 2018-03-30 中国铁路设计集团有限公司 一种山地地貌遥感提取方法
CN108459318A (zh) * 2018-02-02 2018-08-28 中国铁路设计集团有限公司 基于遥感技术的潜在滑坡早期识别方法
CN108694505A (zh) * 2018-05-14 2018-10-23 中国路桥工程有限责任公司 一种智能地质灾害危险性分析方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104021267A (zh) * 2013-10-25 2014-09-03 中国科学院地理科学与资源研究所 一种地质灾害易发性判定方法和装置
CN105184050A (zh) * 2015-08-10 2015-12-23 南京师范大学 一种gis与人工智能技术支持下的滑坡危险度评价方法
CN106226779A (zh) * 2016-07-11 2016-12-14 铁道第三勘察设计院集团有限公司 基于遥感技术的易发滑坡预测方法
CN107655457A (zh) * 2016-12-23 2018-02-02 航天星图科技（北京）有限公司 一种基于遥感卫星图像的泥石流地质灾害识别方法
CN107341586A (zh) * 2017-05-12 2017-11-10 成都理工大学 一种基于降雨的地质灾害发生频率的计算方法
CN107346361A (zh) * 2017-07-13 2017-11-14 重庆大学 基于地形地质图的边坡稳定性初步判别方法
CN107861129A (zh) * 2017-10-31 2018-03-30 中国铁路设计集团有限公司 一种山地地貌遥感提取方法
CN108459318A (zh) * 2018-02-02 2018-08-28 中国铁路设计集团有限公司 基于遥感技术的潜在滑坡早期识别方法
CN108694505A (zh) * 2018-05-14 2018-10-23 中国路桥工程有限责任公司 一种智能地质灾害危险性分析方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
豆丁网: "基于GIS的地质灾害与坡度和相对高差相关性分析", 《HTTP://WWW.DOCIN.COM/P-1964625243.HTML》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112364849A (zh) * 2021-01-13 2021-02-12 四川省安全科学技术研究院 高位崩滑地质灾害智能识别方法
CN114881457A (zh) * 2022-05-05 2022-08-09 中咨数据有限公司 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备
CN114881457B (zh) * 2022-05-05 2023-08-25 中咨数据有限公司 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Also Published As

Publication number Publication date
CN109406755B (zh) 2020-08-18

Similar Documents

Publication Publication Date Title
Chen et al. Temporal and spatial variation of coastline using remote sensing images for Zhoushan archipelago, China
Sofia et al. High‐resolution topography and anthropogenic feature extraction: Testing geomorphometric parameters in floodplains
Kasai et al. LiDAR-derived DEM evaluation of deep-seated landslides in a steep and rocky region of Japan
CN107358327A (zh) 基于无人机遥感影像的滑坡易发性评定方法
Trier et al. Automatic detection of mound structures in airborne laser scanning data
CN103268358B (zh) 多源控制点影像数据库构建及更新方法
El-Sawy et al. Automated, manual lineaments extraction and geospatial analysis for Cairo-Suez district (Northeastern Cairo-Egypt), using remote sensing and GIS
Guneroglu Coastal changes and land use alteration on Northeastern part of Turkey
Abdullah et al. Remote Sensing and Geographic Information System for Fault Segments Mapping a Study from Taiz Area, Yemen.
Bowles et al. Discovering marine terraces using airborne LiDAR along the Mendocino-Sonoma coast, northern California
Al-Kouri et al. Geospatial modeling for sinkholes hazard map based on GIS & RS data
Pardo‐igúzquiza et al. Morphometric analysis of karst depressions on a Mediterranean karst massif
CN109406755A (zh) 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法
Sritarapipat et al. Building classification in Yangon City, Myanmar using Stereo GeoEye images, Landsat image and night-time light data
Wang et al. Extraction of earthquake-induced collapsed buildings using very high-resolution imagery and airborne lidar data
CN109918610A (zh) 基于地理环境相似度的负样本可信度度量方法及负样本采用方法
Lin et al. Spatial pattern analysis of landslide using landscape metrics and logistic regression: a case study in Central Taiwan
Badapalli et al. Assessment of aeolian desertification near Vedavathi river channel in Central part of Andhra Pradesh: remote sensing approach
Watik et al. Flood evacuation routes mapping based on derived-flood impact analysis from landsat 8 imagery using network analyst method
CN114881457B (zh) 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备
Wang et al. Rapid identification of post-earthquake collapsed buildings via multi-scale morphological profiles with multi-structuring elements
Rufei et al. Research on a pavement pothole extraction method based on vehicle-borne continuous laser scanning point cloud
Fu et al. Estimation of landslides and road capacity after august 8, 2017, MS7. 0 jiuzhaigou earthquake using high-resolution remote sensing images
Launspach Automated sinkhole extraction and morphological analysis in northeast Iowa using high-resolution LiDAR data
Zhang et al. Analyzing the contribution of high resolution water range in dividing catchment based on D8 algorithm

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
GR01 Patent grant
GR01 Patent grant