CN109493569B - 滑坡预警方法、装置、计算机设备和存储介质 - Google Patents
滑坡预警方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109493569B CN109493569B CN201811531187.2A CN201811531187A CN109493569B CN 109493569 B CN109493569 B CN 109493569B CN 201811531187 A CN201811531187 A CN 201811531187A CN 109493569 B CN109493569 B CN 109493569B
- Authority
- CN
- China
- Prior art keywords
- early warning
- slope
- phase information
- landslide
- information
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请涉及一种滑坡预警方法、装置、计算机设备和存储介质。所述方法包括:获取城市边坡地形相位信息和地表形变相位信息;根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据;通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。采用本方法能够对潜在滑坡区域进行快速有效的预警。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种滑坡预警方法、装置、计算机设备和存储介质。
背景技术
滑坡作为一种地质灾害,会经常出现雨水较多的地区。随着传感器技术的发展,对滑坡工程的监测越来越智能,但是由于滑坡工程监测条件复杂,灾害的不确定因素多,当前针对单个边坡的滑坡预测预警主要以内因分析(地质力学模型)为主,进行各种力学分析(包括极限平衡分析和数值分析),但是效果不太理想。
现有对滑坡进行监测的技术,只适用于已知的滑坡,无法对潜在的滑坡进行预测。
发明内容
基于此,有必要针对上述技术问题,提供一种能够对潜在滑坡预警的滑坡预警方法、装置、计算机设备和存储介质。
一种滑坡预警方法,所述方法包括:
获取城市边坡地形相位信息和地表形变相位信息;
根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据;
通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
在其中一个实施例中,所述获取城市边坡地形相位信息和地表形变相位信息包括:通过干涉合成孔径雷达测量所述城市边坡一个周期内的地形相位信息和地表形变相位信息;所述一个周期至少包括两次所述城市边坡整体区域的数据的采集。
在其中一个实施例中,所述根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域,包括:对所述地形相位信息和地表形变相位信息,进行二轨差分法和三轨差分法处理,再进行数据配对、基线估计、去平地效应、外部DEM在各种投影下的转换、地理编码和相位解缠的处理,得到区域变形图;对至少两幅区域变形图进行分析,确定所述区域变形图中的潜在滑坡区域。
在其中一个实施例中,所述监测数据包括:边坡位移值、边坡水位值、边坡应力值、土压力值、GPS坐标和降雨量中的一种或多种。
在其中一个实施例中,所述预警模型包括:边坡安全系数计算模型和预警指标计算模型;所述边坡安全系数计算模型,通过所述监测数据与安全系数的定量关系通过线性拟合得到;所述预警指标计算模型,通过所述边坡安全系数、潜在滑坡区域的滑坡体积、潜在滑坡区域的重要性系数、潜在滑坡区域的危险程度系数和预警指标之间的关系得到。
在其中一个实施例中,所述方法还包括:判断所述预警指标的预警级别;根据所述预警级别发出告警信息;其中,所述告警信息通过网页弹框、声音、邮件、短信及电话中的至少一种形式发送。
一种滑坡预警装置,所述装置包括:
城市边坡地形信息获取模块,用于获取城市边坡地形相位信息和地表形变相位信息;
潜在滑坡区域确定模块,用于根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
监测数据获取模块,用于对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据;
预警指标计算模块,用于通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取城市边坡地形相位信息和地表形变相位信息;
根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据;
通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取城市边坡地形相位信息和地表形变相位信息;
根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据;
通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
上述滑坡预警方法、装置、计算机设备和存储介质,首先根据地形相位信息和地表形变相位信息确定潜在滑坡区域,再针对潜在滑坡区域进行重点监测,获得监测数据并输入预警模型计算预警指标,能够有效的对数量众多的边坡进行安全排查,查找出存在安全隐患的潜在滑坡,相比于依靠人工巡查以及经验判断滑坡,节省了大量的人力物力,具有更高的可靠性,同时通过预警模型计算预警指标能够获知潜在滑坡区域的安全程度以便对滑坡做出相应的预防措施。
附图说明
图1为一个实施例中滑坡预警方法的流程示意图;
图2为一个实施例中获取区域变形图的处理方法流程示意图;
图3为一个具体实施例中滑坡预警方法的流程示意图;
图4为一个实施例中滑坡预警装置的结构框图;
图5为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
在一个实施例中,如图1所示,提供了一种滑坡预警方法,包括以下步骤:
步骤S110,获取城市边坡地形相位信息和地表形变相位信息。
其中,城市边坡地形相位信息和地表形变相位信息通过InSAR(InterferometricSynthetic Aperture Radar,干涉合成孔径雷达)测量得到,所述地形相位信息和地表形变相位信息利用雷达后向散射回波中的信息提取得到。InSAR工作原理是通过两幅天线同时或一幅天线两次平行(或接近平行)飞行观测,获取同一区域地面点的雷达后向散射回波信号,提取相位信息,再根据卫星自身的参数,如轨道信息、传感器的位置和空间基线长度等相关信息,计算地表高程信息和形变信息。
通过InSAR测量城市边坡地形相位信息和地表形变相位信息,与传统测量手段相比,InSAR测量具有高精度、全天候、高分辨率、不受天气影响、观测周期短和连续空间覆盖等特征,弥补了传统测量手段测量离散点的不足,并且雷达数据下载方便,节省时间,可快速提取大范围的地面沉降信息,适合大范围和长期监测。
步骤S120,根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域。
具体的,通过所述地形相位信息和地表形变相位信息能够分析存在地表变形的区域,根据地表变形的区域的变形幅度可以确定潜在滑坡区域。
步骤S130,对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据。
其中,所述潜在滑坡区域进行表面及深部位移信息、应力应变信息及地质水文情况可以通过多种传感器进行测量,如图3所示,可通过滑动测斜仪、岩土应力计、土压力盒、GPS、水位计、雨量计、光纤传感器、三维激光扫描仪等进行测量。其中,所述位移信息包括表面位移信息和深部位移信息。
其中,所述监测数据包括:边坡位移值、边坡水位值、边坡应力值、土压力值、GPS坐标和降雨量中的一种或多种。
步骤S140,通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
其中,所述预警模型通过历史监测数据建立。例如,收集最近一年所有监测边坡的地理基础数据、空间分布数据、地质水文数据等数据,建立基础数据库,并根据基础数据库对边坡的岩土体结构、倾角及降雨和地下水等诱发因素进行综合分析,查找可能引起滑坡的原因,所述监测边坡包括:高大边坡、危险边坡和一旦发生滑坡造成严重后果的重点地区的边坡。
在其中一个实施例中,在步骤S110中,所述获取城市边坡地形相位信息和地表形变相位信息包括:通过干涉合成孔径雷达测量所述城市边坡一个周期内的地形相位信息和地表形变相位信息;所述一个周期至少包括两次所述城市边坡整体区域的数据的采集。本实施例通过一个周期的数据进行分析,就能确定潜在滑坡区域,当然一个周期的数据可以包括多次采集的所述城市边坡整体区域的数据。
在其中一个实施例中,在步骤S140之后,所述滑坡预警方法还包括:判断所述预警指标的预警级别;根据所述预警级别发出告警信息;其中,所述告警信息通过网页弹框、声音、邮件、短信及电话中的至少一种形式发送。
其中,所述预警级别包括三个,分别为一级预警级别、二级预警级别和三级预警级别。根据所述预警指标所处的预警级别,能够判断所述潜在滑坡区域的危险程度,例如可设置一级预警级别、二级预警级别和三级预警级别的危险程度为低、中、高,则可根据所述预警指标所处的预警级别做出相应的告警,以提示相关人员尽快对所述潜在滑坡区域进行现场查看、边坡维护。
其中,所述预警指标根据现场踏勘情况进行修正,以保证预警指标的准确性。
目前,普通边坡的安全监测主要依靠人工巡查,但是对于大范围、数量较多的边坡单纯依靠人工巡查进行监测效率低、且易受天气影响,并且对大范围、数量较多的边坡铺设传感器和光纤电缆成本太高。因此,本申请实施例中采用多种监测手段相结合的方式,首先利用InSAR一次性获取大范围的地表沉降信息,再对潜在滑坡区域结合人工或其它监测手段进行滑坡预警。本申请实施例中滑坡预警方法能有效提高监测效率、降低监测成本、保障边坡安全和人民生命财产安全。
上述滑坡预警方法中,首先根据地形相位信息和地表形变相位信息确定潜在滑坡区域,再针对潜在滑坡区域进行重点监测,获得监测数据并输入预警模型计算预警指标,能够有效的对数量众多的边坡进行安全排查,查找出存在安全隐患的潜在滑坡,相比于依靠人工巡查以及经验判断滑坡,节省了大量的人力物力,具有更高的可靠性,同时通过预警模型计算预警指标能够获知潜在滑坡区域的安全程度以便对滑坡做出相应的预防措施。
在其中一个实施例中,在步骤S120中,所述根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域,包括:对所述地形相位信息和地表形变相位信息,进行二轨差分法和三轨差分法处理,再进行数据配对、基线估计、去平地效应、外部DEM在各种投影下的转换、地理编码和相位解缠的处理,得到区域变形图;对至少两幅区域变形图进行分析,确定所述区域变形图中的潜在滑坡区域。
具体的,如图2所示,通过InSAR获取地形相位信息和地表形变相位信息,并结合地质水文数据,完成数据的收集;对收集的数据进行删选(影像选取),剔除错误的数据;再经过差分处理,其中差分处理包括二轨差分法和三轨差分法处理,结合外部DEM在各种投影下的转换、地理编码和相位解缠的处理,得到区域变形图(差分形变图),通过对区域变形图进行分析,确定所述区域变形图中的潜在滑坡区域。
在其中一个实施例中,所述预警模型包括:边坡安全系数计算模型和预警指标计算模型。
其中,所述边坡安全系数计算模型,通过所述监测数据与安全系数的定量关系通过线性拟合得到。具体的,根据监测数据中边坡位移值、边坡水位值、边坡应力值与边坡安全系数的定量关系,进行线性拟合,获取边坡位移值、边坡水位值、边坡应力值与边坡安全系数的函数关系式如下:
FS=f(x1,x2,x3,p1,p2,p3,p4,p5,p6)
其中,Fs为边坡安全系数,x1为边坡位移值,x2为边坡水位值,x3为边坡应力值,p1-p6为函数待定系数。
本实施例将监测数据与相应边坡安全系数结果进行拟合,从中选择合适的拟合公式,实时采集的监测数据可以通过该拟合公式进行初步求解,计算迅速,方便快捷。
其中,所述预警指标计算模型,通过所述边坡安全系数、潜在滑坡区域的滑坡体积、潜在滑坡区域的重要性系数、潜在滑坡区域的危险程度系数和预警指标之间的关系得到。具体的,预警指标ξ的计算公式如下:
其中,γ0为潜在滑坡区域的重要性系数,γ1为潜在滑坡区域的危险程度系数,FS为边坡安全系数,V为潜在滑坡区域的滑坡体积,V0为滑坡体积基准值。潜在滑坡区域的重要性系数和潜在滑坡区域的危险程度系数通过边坡的结构数据和周围环境信息综合分析得到。具体的,滑坡体积基准值为1m3,单位宽度块体体积为1m宽度的滑坡体体积,单位宽度为1m。
应该理解的是,虽然图1-3的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-3中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图4所示,提供了一种滑坡预警装置,包括:城市边坡地形信息获取模块210、潜在滑坡区域确定模块220、监测数据获取模块230和预警指标计算模块240,其中:
城市边坡地形信息获取模块210,用于获取城市边坡地形相位信息和地表形变相位信息。
其中,城市边坡地形相位信息和地表形变相位信息通过InSAR(InterferometricSynthetic Aperture Radar,干涉合成孔径雷达)测量得到,所述地形相位信息和地表形变相位信息利用雷达后向散射回波中的信息提取得到。
潜在滑坡区域确定模块220,用于根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域。
监测数据获取模块230,用于对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据。
其中,所述潜在滑坡区域进行表面及深部位移信息、应力应变信息及地质水文情况可以通过多种传感器进行测量,如图3所示,可通过滑动测斜仪、岩土应力计、土压力盒、GPS、水位计、雨量计、光纤传感器、三维激光扫描仪等进行测量。
其中,所述监测数据包括:边坡位移值、边坡水位值、边坡应力值、土压力值、GPS坐标和降雨量中的一种或多种。
预警指标计算模块240,用于通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
其中,所述预警模型通过历史监测数据建立。例如,收集最近一年所有监测边坡的地理基础数据、空间分布数据、地质水文数据等数据,建立基础数据库,并根据基础数据库对边坡的岩土体结构、倾角及降雨和地下水等诱发因素进行综合分析,查找可能引起滑坡的原因,所述监测边坡包括:高大边坡、危险边坡和一旦发生滑坡造成严重后果的重点地区的边坡。
在其中一个实施例中,所述城市边坡地形信息获取模块210,具体用于通过干涉合成孔径雷达测量所述城市边坡一个周期内的地形相位信息和地表形变相位信息;所述一个周期至少包括两次所述城市边坡整体区域的数据的采集。本实施例通过一个周期的数据进行分析,就能确定潜在滑坡区域,当然一个周期的数据可以包括多次采集的所述城市边坡整体区域的数据。
在其中一个实施例中,所述滑坡预警装置,还包括:判断模块,用于判断所述预警指标的预警级别;告警模块,用于根据所述预警级别发出告警信息;其中,所述告警信息通过网页弹框、声音、邮件、短信及电话中的至少一种形式发送。
在其中一个实施例中,所述潜在滑坡区域确定模块220包括:区域变形图获取单元,用于对所述地形相位信息和地表形变相位信息,进行二轨差分法和三轨差分法处理,再进行数据配对、基线估计、去平地效应、外部DEM在各种投影下的转换、地理编码和相位解缠的处理,得到区域变形图;分析单元,用于对至少两幅区域变形图进行分析,确定所述区域变形图中的潜在滑坡区域。
关于滑坡预警装置的具体限定可以参见上文中对于滑坡预警方法的限定,在此不再赘述。上述滑坡预警装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图5所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储监测数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种滑坡预警方法。
本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取城市边坡地形相位信息和地表形变相位信息;
根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据;
通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:判断所述预警指标的预警级别;根据所述预警级别发出告警信息;其中,所述告警信息通过网页弹框、声音、邮件、短信及电话中的至少一种形式发送。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取城市边坡地形相位信息和地表形变相位信息;
根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据;
通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:判断所述预警指标的预警级别;根据所述预警级别发出告警信息;其中,所述告警信息通过网页弹框、声音、邮件、短信及电话中的至少一种形式发送。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种滑坡预警方法,其特征在于,所述方法包括:
获取城市边坡地形相位信息和地表形变相位信息;
根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
对所述滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据,所述监测数据包括:边坡位移值、边坡水位值和边坡应力值;
通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度;所述预警模型包括:边坡安全系数计算模型和预警指标计算模型,所述边坡安全系数计算模型根据所述监测数据中的边坡位移值、边坡水位值、边坡应力值与边坡安全系数的定量关系通过线性拟合得到;所述预警指标计算模型通过所述边坡安全系数、所述潜在滑坡区域的滑坡体积、所述潜在滑坡区域的重要性系数、所述潜在滑坡区域的危险程度系数和预警指标之间的关系得到。
2.根据权利要求1所述的方法,其特征在于,所述获取城市边坡地形相位信息和地表形变相位信息包括:
通过干涉合成孔径雷达测量所述城市边坡一个周期内的地形相位信息和地表形变相位信息;
所述一个周期至少包括两次所述城市边坡整体区域的数据的采集。
3.根据权利要求1所述的方法,其特征在于,所述根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域,包括:
对所述地形相位信息和地表形变相位信息,进行二轨差分法和三轨差分法处理,再进行数据配对、基线估计、去平地效应、外部DEM在各种投影下的转换、地理编码和相位解缠的处理,得到区域变形图;
对至少两幅区域变形图进行分析,确定所述区域变形图中的潜在滑坡区域。
4.根据权利要求1所述的方法,其特征在于,所述监测数据还包括:土压力值、GPS坐标和降雨量中的一种或多种。
5.根据权利要求1所述的方法,其特征在于,还包括:对所述预警指标根据现场踏勘情况进行修正。
6.根据权利要求1至5中任一项所述的方法,其特征在于,还包括:
判断所述预警指标的预警级别;
根据所述预警级别发出告警信息;
其中,所述告警信息通过网页弹框、声音、邮件、短信及电话中的至少一种形式发送。
7.根据权利要求1至5中任一项所述的方法,其特征在于,所述预警模型通过历史监测数据建立,所述历史监测数据包括:最近一年所有监测边坡的地理基础数据、空间分布数据和地质水文数据,所述监测边坡包括:高大边坡、危险边坡和一旦发生滑坡造成严重后果的重点地区的边坡。
8.一种滑坡预警装置,其特征在于,所述装置包括:
城市边坡地形信息获取模块,用于获取城市边坡地形相位信息和地表形变相位信息;
潜在滑坡区域确定模块,用于根据所述地形相位信息和地表形变相位信息,确定潜在滑坡区域;
监测数据获取模块,用于对所述潜在滑坡区域的表面及深部位移信息、应力应变信息及地质水文情况进行监测,获得监测数据,所述监测数据包括:边坡位移值、边坡水位值和边坡应力值;
预警指标计算模块,用于通过预警模型对所述监测数据进行预警分析,得到所述潜在滑坡区域的预警指标,所述预警指标用于指示所述潜在滑坡区域的安全程度;所述预警模型包括:边坡安全系数计算模型和预警指标计算模型,所述边坡安全系数计算模型根据所述监测数据中的边坡位移值、边坡水位值、边坡应力值与边坡安全系数的定量关系通过线性拟合得到;所述预警指标计算模型通过所述边坡安全系数、所述潜在滑坡区域的滑坡体积、所述潜在滑坡区域的重要性系数、所述潜在滑坡区域的危险程度系数和预警指标之间的关系得到。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811531187.2A CN109493569B (zh) | 2018-12-14 | 2018-12-14 | 滑坡预警方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811531187.2A CN109493569B (zh) | 2018-12-14 | 2018-12-14 | 滑坡预警方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109493569A CN109493569A (zh) | 2019-03-19 |
CN109493569B true CN109493569B (zh) | 2021-02-26 |
Family
ID=65710255
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811531187.2A Active CN109493569B (zh) | 2018-12-14 | 2018-12-14 | 滑坡预警方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109493569B (zh) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110211338B (zh) * | 2019-05-23 | 2020-09-29 | 四川省地质工程勘察院集团有限公司 | 一种单体管道滑坡灾害的预警方法 |
CN110795812B (zh) * | 2019-08-13 | 2023-01-31 | 福建工程学院 | 一种基于大数据分析的滑坡预测方法及系统 |
CN111144651A (zh) * | 2019-12-26 | 2020-05-12 | 杭州鲁尔物联科技有限公司 | 一种地质灾害的预测方法、装置及设备 |
CN111148059A (zh) * | 2020-01-07 | 2020-05-12 | 北京国泰佳业科技发展有限公司 | 一种边坡实时承载力极限监测方法及系统 |
CN111243240B (zh) * | 2020-01-20 | 2021-09-10 | 内蒙古工业大学 | 一种滑坡预警方法及装置 |
CN111461009B (zh) * | 2020-03-31 | 2023-10-24 | 四川九洲北斗导航与位置服务有限公司 | 基于高分sar技术的滑坡风险评估方法、装置及电子设备 |
CN111932832A (zh) * | 2020-08-07 | 2020-11-13 | 西南交通大学 | 一种建设工程环境灾害事故监测预警方法 |
CN112037276A (zh) * | 2020-08-11 | 2020-12-04 | 浙江大华技术股份有限公司 | 一种二次滑坡监测方法、装置、电子设备及存储介质 |
CN112504624A (zh) * | 2020-11-11 | 2021-03-16 | 华能澜沧江水电股份有限公司 | 一种水动力型滑坡多重信息多源融合预警方法 |
CN113418496B (zh) * | 2021-05-26 | 2023-07-04 | 深圳市北斗云信息技术有限公司 | 边坡变形监测预警方法、系统及智能终端 |
CN113705025B (zh) * | 2021-10-29 | 2022-03-01 | 中科星睿科技(北京)有限公司 | 信息提取与传输方法、装置、电子设备和计算机可读介质 |
CN113723868B (zh) * | 2021-11-02 | 2022-02-22 | 深圳市勘察研究院有限公司 | 一种地质安全三维信息应急管理方法、装置、介质及设备 |
CN116933535B (zh) * | 2023-07-24 | 2024-03-19 | 广东省有色矿山地质灾害防治中心 | 一种地质灾害位移监测方法、装置、设备以及存储介质 |
CN117933577A (zh) * | 2024-03-21 | 2024-04-26 | 四川省华地建设工程有限责任公司 | 一种高位山体滑坡灾害的评估方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102645650A (zh) * | 2012-03-06 | 2012-08-22 | 北京北科安地科技发展有限公司 | 一种基于D-InSAR干涉差分的滑坡动态识别及监测技术 |
-
2018
- 2018-12-14 CN CN201811531187.2A patent/CN109493569B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109493569A (zh) | 2019-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109493569B (zh) | 滑坡预警方法、装置、计算机设备和存储介质 | |
Weidner et al. | Regional-scale back-analysis using TRIGRS: an approach to advance landslide hazard modeling and prediction in sparse data regions | |
Schilirò et al. | Prediction of shallow landslide occurrence: Validation of a physically-based approach through a real case study | |
CN103810376A (zh) | 基于卫星遥感与回归克里格的地面日降雨量预测方法 | |
Kim et al. | Effect of topography and soil parameterisation representing soil thicknesses on shallow landslide modelling | |
JP6179911B1 (ja) | 変状度判定方法及び変状度判定システム | |
Rafiq et al. | Modelling Chorabari lake outburst flood, kedarnath, India | |
Thomas et al. | Variability in soil-water retention properties and implications for physics-based simulation of landslide early warning criteria | |
Šilhán et al. | The effectiveness of dendrogeomorphic methods for reconstruction of past spatio-temporal landslide behaviour | |
Arbanas et al. | Landslides: A guide to researching landslide phenomena and processes | |
Notti et al. | A multidisciplinary investigation of deep-seated landslide reactivation triggered by an extreme rainfall event: a case study of the Monesi di Mendatica landslide, Ligurian Alps | |
Zhou et al. | An InSAR and depth-integrated coupled model for potential landslide hazard assessment | |
Hjelmstad et al. | Propagation of radar rainfall uncertainties into urban pluvial flood modeling during the North American monsoon | |
Samuel et al. | Development and evaluation of a hydrologic data-assimilation scheme for short-range flow and inflow forecasts in a data-sparse high-latitude region using a distributed model and ensemble Kalman filtering | |
Sarkar et al. | Quantification of groundwater storage variation in Himalayan & Peninsular River basins correlating with land deformation effects observed at different Indian cities | |
Gao et al. | Evaluation of multiradar multisensor and stage IV quantitative precipitation estimates during Hurricane Harvey | |
Salekin et al. | Uncertainty in primary and secondary topographic attributes caused by digital elevation model spatial resolution | |
Zhang | Using LiDAR-DEM based rapid flood inundation modelling framework to map floodplain inundation extent and depth | |
Gokceoglu et al. | Use of multisensor and multitemporal geospatial datasets to extract the foundation characteristics of a large building: a case study | |
CN113053065B (zh) | 基于5g和北斗导航系统的高速公路综合监测预警平台系统及其使用方法 | |
Chandrasekar et al. | Computer application on evaluating beach sediment erosion and accretion from profile survey data | |
Segalini et al. | Role of geotechnical monitoring: state of the art and new perspectives | |
Benali Khodja et al. | Spatiotemporal characterization of the annual rainfall variability in the Isser Watershed (Algeria) | |
Kaplan et al. | Time series of streamflow occurrence from 182 sites in ephemeral, intermittent and perennial streams in the Attert catchment, Luxembourg, GFZ Data Services | |
Ji et al. | A GIS-based tool for probabilistic physical modelling and prediction of landslides: improved GIS-TRIGRS-FORM landslide prediction |
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 |