CN109816955A - 基于多传感器融合的变形监测仪器联动管理系统及方法 - Google Patents

基于多传感器融合的变形监测仪器联动管理系统及方法 Download PDF

Info

Publication number
CN109816955A
CN109816955A CN201811603290.3A CN201811603290A CN109816955A CN 109816955 A CN109816955 A CN 109816955A CN 201811603290 A CN201811603290 A CN 201811603290A CN 109816955 A CN109816955 A CN 109816955A
Authority
CN
China
Prior art keywords
linkage
instrument
factor
data
independent variable
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
CN201811603290.3A
Other languages
English (en)
Inventor
刘蓝轩
林国利
吴卓山
洪生勇
章优生
孙伟冰
易清根
李然
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.)
Guangzhou Haida Safety Control Intelligent Technology Co Ltd
Original Assignee
Guangzhou Haida Safety Control Intelligent 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 Guangzhou Haida Safety Control Intelligent Technology Co Ltd filed Critical Guangzhou Haida Safety Control Intelligent Technology Co Ltd
Priority to CN201811603290.3A priority Critical patent/CN109816955A/zh
Publication of CN109816955A publication Critical patent/CN109816955A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于多传感器融合的变形监测仪器联动管理系统及方法、存储介质,其中,基于多传感器融合的变形监测仪器联动管理系统,包括:联动管理模块,用于从自变量仪器获取关于自变量因子的监测数据,并基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率;自变量仪器,用于定时采集关于自变量因子的数据;联动仪器,用于定时采集关于联动因子的数据。本发明不仅避免了现有技术中单独数据采集分析导致时间长,人力物力成本会相对较高的问题,能更准确有效的获取到最新的灾情现场安全情况,为数据综合分析,相关性分析等各类分析提供了很好的基石。

Description

基于多传感器融合的变形监测仪器联动管理系统及方法
技术领域
本发明涉及,具体涉及一种基于多传感器融合的变形监测仪器联动管理系统及方法、存储介质。
背景技术
在过去的灾情监测项目中,数据采集的方式基本上为各类仪器独立采集的方式,各类仪器之前互不干系,最后再对所有仪器采集数据进行整合分析。以往的监测项目中,降雨量监测与其他类型监测相对独立存在,缺乏一定的联动效应,在监测项目中,浸润线,降雨量,GNSS位移,库水位,分别是独立监测,而实际灾情监测中,在过去的监测平台上缺少一种联动机制,都是以独立采集分析为主。导致这种缺陷是因为早期监测项目平台搭建更多考虑在各类仪器的独立采集与分析展示上,分开处理能更直观的看到各类仪器的实时情况与分析结果,但是缺少了一种联动机制与相关分析的效果。
这样的独立数据采集分析导致时间长,人力物力成本会相对较高。而且,不能有效及时的在预警期间提供监测数据。
发明内容
鉴于以上技术问题,本发明的目的在于提供一种基于多传感器融合的变形监测仪器联动管理系统及方法、存储介质,解决了现有技术中单独数据采集分析导致时间长,人力物力成本会相对较高,并不能有效及时的在预警期间提供监测数据的问题。
本发明采用以下技术方案:
基于多传感器融合的变形监测仪器联动管理系统,包括:
联动管理模块,用于从自变量仪器获取关于自变量因子的监测数据,并基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率;
自变量仪器,用于定时采集关于自变量因子的数据,所述自变量因子包括地质变形监测的多种因数中的至少一因数;
联动仪器,用于定时采集关于联动因子的数据,所述联动因子包括地质变形监测的多种因数中除自变量因子以外的其他至少一因数。
进一步的,所述联动管理模块包括:
数据库:用于存储自变量仪器采集的关于自变量因子的监测数据,并将关于自变量因子的监测数据按照采集的时间先后顺序形成关于自变量监测数据的配置信息队列;
windows定时采集服务模块:用于定时从数据库获取采集时间最新的配置信息,并将获取的最新的配置信息存入缓存服务器;并根据缓存服务器中满足预设的校对条件的配置信息,控制联动仪器将采集关于联动因子的数据的采集频率加快;
缓存服务器:用于存储windows定时采集服务模块获取的最新的配置信息和存储满足校对条件的配置信息;
Windows定时联动服务任务器:用于定时从缓存服务器获取最新的配置信息,并根据预设的校对条件对配置信息进行逐个校对,当配置信息满足预设的校对条件时,将满足校对条件的配置信息存入缓存服务器。
进一步的,所述预设的校对条件为:当配置信息的自变量因子的监测数据达到预设监测阈值时,则该配置信息满足校对条件。
进一步的,所述联动仪器包括测斜仪和/或渗压计和/或土壤水分计。
进一步的,所述自变量仪器采用雨量计,所述联动管理模块基于降雨量控制联动仪器采集关于联动因子的数据的采集频率。
进一步的,当采集的降雨量达到预设阈值时,所述联动管理模块控制联动仪器对采集关于联动因子的数据的采集频率进行变更。
进一步的,所述预设阈值包括一级联动阈值、二级联动阈值和三级联动阈值,所述联动管理模块根据采集的降雨量达到的预设阈值级别的不同,控制联动仪器对采集关于联动因子的数据的采集频率进行不同变更。
基于多传感器融合的变形监测仪器联动管理方法,包括以下步骤:
定时采集关于自变量因子的数据,所述自变量因子包括地质变形监测的多种因数中的至少一因数;
定时采集关于联动因子的数据,所述联动因子包括地质变形监测的多种因数中除自变量因子以外的其他至少一因数;
基于关于自变量因子的监测数据,控制采集关于联动因子的数据的采集频率。
进一步的,基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率的步骤具体包括:
存储关于自变量因子的监测数据,并将关于自变量因子的监测数据按照采集的时间先后顺序形成关于自变量监测数据的配置信息队列;
定时从数据库获取采集时间最新的配置信息,并将获取的最新的配置信息存入缓存服务器;
定时从缓存服务器获取最新的配置信息,并根据预设的校对条件对配置信息进行逐个校对,当配置信息满足预设的校对条件时,将满足校对条件的配置信息存入缓存服务器;
根据缓存服务器中满足预设的校对条件的配置信息,控制联动仪器将采集关于联动因子的数据的采集频率加快。
一种计算机存储介质,其上存储有计算机程序,所述计算机程序在被处理器执行时,实现上述的基于多传感器融合的变形监测仪器联动管理方法。
相比现有技术,本发明的有益效果在于:
但本发明通过联动管理方式,不仅避免了现有技术中单独数据采集分析导致时间长,人力物力成本会相对较高的问题。
而且,通过自变量仪器自变量因子变化触发联动仪器加密采集的方式,在预警期间,或是自变量因子达到预设监测阈值时,将联动仪器加密采集(在预警期间,或是自变量因子达到预设监测阈值时,灾情可能会越来越易发生),能更准确有效的获取到最新的灾情现场安全情况,为数据综合分析,相关性分析等各类分析提供了很好的基石。
附图说明
图1为本发明基于多传感器融合的变形监测仪器联动管理系统的实施例的结构示意图;
图2为本发明基于多传感器融合的变形监测仪器联动管理系统的实施例在具体应用中的数据示意图;
图3为本发明中基于关于自变量因子的监测数据控制联动仪器采集关于联动因子的数据的采集频率的方法流程示意图;
图4为本发明实施例中对降雨量和土壤含水率进行相关性分析的数据示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例:
实施例:
请参考图1-4所示,基于多传感器融合的变形监测仪器联动管理系统,请参考图1所示,包括:
联动管理模块,用于从自变量仪器获取关于自变量因子的监测数据,并基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率;
自变量仪器,用于定时采集关于自变量因子的数据,所述自变量因子包括地质变形监测的多种因数中的至少一因数;
联动仪器,用于定时采集关于联动因子的数据,所述联动因子包括地质变形监测的多种因数中除自变量因子以外的其他至少一因数。
例如,地质变形监测的多种因数可包括降雨量、山体的水平位移、构筑物内部孔隙水压力或渗透压力、土壤体积含水率等。
优选的,本申请自变量因子为降雨量,所述自变量仪器采用雨量计,所述联动管理模块基于降雨量控制联动仪器采集关于联动因子的数据的采集频率。
本申请将自变量因子采用降雨量有以下原因:我国地质灾害主要包括崩塌、滑坡、泥石流、地面塌陷、沉降、地裂缝等,具有分布广泛、活动频繁、危害严重的特点。地质灾害的发生与降雨量、降雨持续时间和降雨雨型有着密切的关系,不同雨型的降雨诱发地质灾害的机制具有明显的差异。
由于台风降雨型、持续强降雨型、局部暴雨型诱发地质灾害的规模、时间等有着各自的特点,降雨量的数据变化往往会影响着其他仪器数据的改变,加强对降雨量的实时监控,有利于分析地质灾害隐患点的安全情况。
而且,通过对降雨量和土壤含水率等大量数据进行相关性分析,可参考图4所示,可以看出自变量仪器(雨量计)的自变量因子降雨量的变化会导致土壤含水率的波动,这样通过本发明的联动机制采集数据,能迅速掌握到灾情监测的最新情况,并能更快得出分析结果报告。
因此,本申请优选的将自变量仪器采用雨量计。
当采集的降雨量达到预设阈值时,所述联动管理模块控制联动仪器对采集关于联动因子的数据的采集频率进行变更。
所述预设阈值包括一级联动阈值、二级联动阈值和三级联动阈值,所述联动管理模块根据采集的降雨量达到的预设阈值级别的不同,控制联动仪器对采集关于联动因子的数据的采集频率进行不同变更。
具体的,可将一级联动阈值、二级联动阈值和三级联动阈值可根据实际需要进行设定,例如,可依据气象部门发布的天气预报中小雨、中雨、暴雨等级别降雨量进行预设阈值设定。
进一步的,所述联动仪器包括测斜仪和/或渗压计和/或土壤水分计。可选的,联动仪器还可包括GNSS表面位移计,水位计,裂缝计等。
本发明主要基于多工程多仪器之间的联动管理,根据自变量仪器联动某灾害体下其他非触发式类型监测设备进行加密采集的综合方式,通过进行联动管理配置工作,在对应工程下的自变量仪器与联动仪器可以产生相应联动效果,也可支持多工程,多仪器的联动管理模式。具体的项目应用联动管理后的数据可参考图2所示。
具体的,所述联动管理模块包括:
数据库:用于存储自变量仪器采集的关于自变量因子的监测数据,并将关于自变量因子的监测数据按照采集的时间先后顺序形成关于自变量监测数据的配置信息队列;
windows定时采集服务模块:用于定时从数据库获取采集时间最新的配置信息,并将获取的最新的配置信息存入缓存服务器;并根据缓存服务器中满足预设的校对条件的配置信息,控制联动仪器将采集关于联动因子的数据的采集频率加快;
缓存服务器:用于存储windows定时采集服务模块获取的最新的配置信息和存储满足校对条件的配置信息;
Windows定时联动服务任务器:用于定时从缓存服务器获取最新的配置信息,并根据预设的校对条件对配置信息进行逐个校对,当配置信息满足预设的校对条件时,将满足校对条件的配置信息存入缓存服务器。
所述预设的校对条件为:当配置信息的自变量因子的监测数据达到预设监测阈值时,则该配置信息满足校对条件。
基于多传感器融合的变形监测仪器联动管理方法,包括以下步骤:
定时采集关于自变量因子的数据,所述自变量因子包括地质变形监测的多种因数中的至少一因数;
具体的,定时采集关于自变量因子的数据可从气象站定时获取,也可通过自变量仪器例如雨量计采集,这里定时采集的方法和装置可不作限定。
定时采集关于联动因子的数据,所述联动因子包括地质变形监测的多种因数中除自变量因子以外的其他至少一因数;
基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率,这样相关的联动仪器进行采集频率调整,从而实现联动仪器加密采集。
本发明的数据可传送给外部的服务器或预警设备,还可利用云平台的优势将提供给广大用户实时掌握地灾情况。通过本发明系统采集的数据,能为地灾监测提供更加科学、可靠、及时的预警信息,解决现有技术中的定时采集设备不能有效及时的在预警期间提供监测数据。
在过去的灾情监测项目中,数据采集的方式基本上为各类仪器独立采集的方式,各类仪器之前互不干系,最后再对所有仪器采集数据进行整合分析,这样时间长,人力物力成本会相对较高。但本发明通过联动管理方式,不仅避免了现有技术中单独的数据采集分析导致时间长,人力物力成本会相对较高的问题。而且,通过自变量仪器自变量因子变化触发联动仪器加密采集的方式,在预警期间,或是自变量因子达到预设监测阈值时,(在预警期间,或是自变量因子达到预设监测阈值时,灾情可能会越来越易发生)将联动仪器加密采集,能更准确有效的获取到最新的灾情现场安全情况,为数据综合分析,相关性分析等各类分析提供了很好的基石。
例如:当降雨量达到预设阈值时,进入预警期间,通过提供预警期间对联动仪器进行加密采集后的原始数据和结果数据,并可形成加密采集后的数据图表、加密数据预警和导出数据等,能有效及时的在预警期间内提供监测数据,用于对地质灾害进行预警。
具体的,基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率的方法包括:
步骤S100:存储关于自变量因子的监测数据,并将关于自变量因子的监测数据按照采集的时间先后顺序形成关于自变量监测数据的配置信息队列;
步骤S200:定时从数据库获取采集时间最新的配置信息,并将获取的最新的配置信息存入缓存服务器;
步骤S300:定时从缓存服务器获取最新的配置信息,并根据预设的校对条件对配置信息进行逐个校对,当配置信息满足预设的校对条件时,将满足校对条件的配置信息存入缓存服务器;
步骤S400:根据缓存服务器中满足预设的校对条件的配置信息,控制联动仪器将采集关于联动因子的数据的采集频率加快。
本发明还提供一种计算机存储介质,其上存储有计算机程序,本发明的方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在该计算机存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也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计算机存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机存储介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机存储介质不包括电载波信号和电信信号。
对本领域的技术人员来说,可根据以上描述的技术方案以及构思,做出其它各种相应的改变以及形变,而所有的这些改变以及形变都应该属于本发明权利要求的保护范围之内。

Claims (10)

1.基于多传感器融合的变形监测仪器联动管理系统,其特征在于,包括:
联动管理模块,用于从自变量仪器获取关于自变量因子的监测数据,并基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率;
自变量仪器,用于定时采集关于自变量因子的数据,所述自变量因子包括地质变形监测的多种因数中的至少一因数;
联动仪器,用于定时采集关于联动因子的数据,所述联动因子包括地质变形监测的多种因数中除自变量因子以外的其他至少一因数。
2.根据权利要求1所述的基于多传感器融合的变形监测仪器联动管理系统,其特征在于,所述联动管理模块包括:
数据库:用于存储自变量仪器采集的关于自变量因子的监测数据,并将关于自变量因子的监测数据按照采集的时间先后顺序形成关于自变量监测数据的配置信息队列;
windows定时采集服务模块:用于定时从数据库获取采集时间最新的配置信息,并将获取的最新的配置信息存入缓存服务器;并根据缓存服务器中满足预设的校对条件的配置信息,控制联动仪器将采集关于联动因子的数据的采集频率加快;
缓存服务器:用于存储windows定时采集服务模块获取的最新的配置信息和存储满足校对条件的配置信息;
Windows定时联动服务任务器:用于定时从缓存服务器获取最新的配置信息,并根据预设的校对条件对配置信息进行逐个校对,当配置信息满足预设的校对条件时,将满足校对条件的配置信息存入缓存服务器。
3.根据权利要求2述的基于多传感器融合的变形监测仪器联动管理系统,其特征在于,所述预设的校对条件为:当配置信息的自变量因子的监测数据达到预设监测阈值时,则该配置信息满足校对条件。
4.根据权利要求1所述的基于多传感器融合的变形监测仪器联动管理系统,其特征在于,所述联动仪器包括测斜仪和/或渗压计和/或土壤水分计。
5.根据权利要求1所述的基于多传感器融合的变形监测仪器联动管理系统,其特征在于,所述自变量仪器采用雨量计,所述联动管理模块基于降雨量控制联动仪器采集关于联动因子的数据的采集频率。
6.根据权利要求5所述的基于多传感器融合的变形监测仪器联动管理系统,其特征在于,当采集的降雨量达到预设阈值时,所述联动管理模块控制联动仪器对采集关于联动因子的数据的采集频率进行变更。
7.根据权利要求6所述的基于多传感器融合的变形监测仪器联动管理系统,其特征在于,所述预设阈值包括一级联动阈值、二级联动阈值和三级联动阈值,所述联动管理模块根据采集的降雨量达到的预设阈值级别的不同,控制联动仪器对采集关于联动因子的数据的采集频率进行不同变更。
8.基于多传感器融合的变形监测仪器联动管理方法,其特征在于,包括以下步骤:
定时采集关于自变量因子的数据,所述自变量因子包括地质变形监测的多种因数中的至少一因数;
定时采集关于联动因子的数据,所述联动因子包括地质变形监测的多种因数中除自变量因子以外的其他至少一因数;
基于关于自变量因子的监测数据,控制采集关于联动因子的数据的采集频率。
9.根据权利要求8所述的基于多传感器融合的变形监测仪器联动管理方法,其特征在于,基于关于自变量因子的监测数据,控制联动仪器采集关于联动因子的数据的采集频率的步骤具体包括:
存储关于自变量因子的监测数据,并将关于自变量因子的监测数据按照采集的时间先后顺序形成关于自变量监测数据的配置信息队列;
定时从数据库获取采集时间最新的配置信息,并将获取的最新的配置信息存入缓存服务器;
定时从缓存服务器获取最新的配置信息,并根据预设的校对条件对配置信息进行逐个校对,当配置信息满足预设的校对条件时,将满足校对条件的配置信息存入缓存服务器;
根据缓存服务器中满足预设的校对条件的配置信息,控制联动仪器将采集关于联动因子的数据的采集频率加快。
10.一种计算机存储介质,其上存储有计算机程序,其特征在于,所述计算机程序在被处理器执行时,实现如权利要求8-9任一项所述的基于多传感器融合的变形监测仪器联动管理方法。
CN201811603290.3A 2018-12-26 2018-12-26 基于多传感器融合的变形监测仪器联动管理系统及方法 Pending CN109816955A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811603290.3A CN109816955A (zh) 2018-12-26 2018-12-26 基于多传感器融合的变形监测仪器联动管理系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811603290.3A CN109816955A (zh) 2018-12-26 2018-12-26 基于多传感器融合的变形监测仪器联动管理系统及方法

Publications (1)

Publication Number Publication Date
CN109816955A true CN109816955A (zh) 2019-05-28

Family

ID=66602466

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811603290.3A Pending CN109816955A (zh) 2018-12-26 2018-12-26 基于多传感器融合的变形监测仪器联动管理系统及方法

Country Status (1)

Country Link
CN (1) CN109816955A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766914A (zh) * 2019-11-19 2020-02-07 四川高路交通信息工程有限公司 一种高速公路安全风险监测预警方法
CN112258792A (zh) * 2020-10-16 2021-01-22 四川志德岩土工程有限责任公司 一种基于gnss和rtu联动的地质监测系统
CN114463948A (zh) * 2022-01-26 2022-05-10 南昌工程学院 一种地质灾害监测预警方法及系统
CN114792461A (zh) * 2021-01-25 2022-07-26 广州汽车集团股份有限公司 一种车内求救信号发送的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204373698U (zh) * 2015-02-04 2015-06-03 北京江伟时代科技有限公司 地质灾害预警联动系统
CN105069984A (zh) * 2015-08-05 2015-11-18 西北大学 基于泥流参数监测的泥石流预警系统及其预警方法
CN107204098A (zh) * 2017-07-31 2017-09-26 成都理工大学 基于雨量的地质灾害监测方法及系统
CN107844506A (zh) * 2016-09-21 2018-03-27 阿里巴巴集团控股有限公司 一种实现数据库与缓存的数据同步的方法及装置
US20180192252A1 (en) * 2017-01-04 2018-07-05 Qualcomm Incorporated Enhancing positioning via measurement batching

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN204373698U (zh) * 2015-02-04 2015-06-03 北京江伟时代科技有限公司 地质灾害预警联动系统
CN105069984A (zh) * 2015-08-05 2015-11-18 西北大学 基于泥流参数监测的泥石流预警系统及其预警方法
CN107844506A (zh) * 2016-09-21 2018-03-27 阿里巴巴集团控股有限公司 一种实现数据库与缓存的数据同步的方法及装置
US20180192252A1 (en) * 2017-01-04 2018-07-05 Qualcomm Incorporated Enhancing positioning via measurement batching
CN107204098A (zh) * 2017-07-31 2017-09-26 成都理工大学 基于雨量的地质灾害监测方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《京沪高速铁路建设总结》编写组: "《京沪高速铁路建设总结 技术卷(下册)》", 31 October 2015, 中国铁道出版社 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110766914A (zh) * 2019-11-19 2020-02-07 四川高路交通信息工程有限公司 一种高速公路安全风险监测预警方法
CN110766914B (zh) * 2019-11-19 2020-07-21 四川高路交通信息工程有限公司 一种高速公路安全风险监测预警方法
CN112258792A (zh) * 2020-10-16 2021-01-22 四川志德岩土工程有限责任公司 一种基于gnss和rtu联动的地质监测系统
CN114792461A (zh) * 2021-01-25 2022-07-26 广州汽车集团股份有限公司 一种车内求救信号发送的方法及装置
CN114792461B (zh) * 2021-01-25 2024-01-16 广州汽车集团股份有限公司 一种车内求救信号发送的方法及装置
CN114463948A (zh) * 2022-01-26 2022-05-10 南昌工程学院 一种地质灾害监测预警方法及系统

Similar Documents

Publication Publication Date Title
CN109816955A (zh) 基于多传感器融合的变形监测仪器联动管理系统及方法
Mathew et al. Integrating intensity–duration-based rainfall threshold and antecedent rainfall-based probability estimate towards generating early warning for rainfall-induced landslides in parts of the Garhwal Himalaya, India
KR102242977B1 (ko) 사전 기상정보 연동 산사태 조기경보 방법 및 산사태 조기경보 시스템
Fressard et al. Which data for quantitative landslide susceptibility mapping at operational scale? Case study of the Pays d'Auge plateau hillslopes (Normandy, France)
CN109615118A (zh) 基于大数据地质灾害防治信息化服务集成控制系统及方法
CN111858803A (zh) 一种滑坡地灾风险区划图生成方法
Ferreira et al. Spatial variation in vegetation structure coupled to plant available water determined by two-dimensional soil resistivity profiling in a Brazilian savanna
Corsini et al. Use of ROC curves for early warning of landslide displacement rates in response to precipitation (Piagneto landslide, Northern Apennines, Italy)
Nanjo et al. Seismicity prior to the 2016 Kumamoto earthquakes
CN111551956B (zh) 基于机载激光雷达的一种地质灾害探测识别方法
Brakkee et al. Improved understanding of regional groundwater drought development through time series modelling: the 2018–2019 drought in the Netherlands
CN104574834A (zh) 滑坡体地质灾害远程预警与监测系统
Manighetti et al. Repeated giant earthquakes on the Wairarapa fault, New Zealand, revealed by Lidar-based paleoseismology
CN114863643A (zh) 一种基于gis区域降雨型滑坡早期预警方法
Lanfranconi et al. Assessing the rockfall protection efficiency of forests at the regional scale
Flournoy et al. A climatology of cell mergers with supercells and their association with mesocyclone evolution
CN114863369A (zh) 激光雷达监测玉米倒伏的方法、装置、设备及介质
Langet et al. Automated classification of seismic signals recorded on the Åknes rock slope, Western Norway, using a convolutional neural network
O'Donnell et al. Vegetation structure controls on snow and soil moisture in restored ponderosa pine forests
CN113449362A (zh) 基于5g移动网络的道路勘察设计方法及系统
Jayasinghe et al. Landslide susceptibility assessment using statistical models: A case study in Badulla district, Sri Lanka
CN117057508A (zh) 一种山洪泥石流灾害风险识别方法、装置、终端及介质
Zhang et al. Burned vegetation recovery trajectory and its driving factors using satellite remote-sensing datasets in the Great Xing’An forest region of Inner Mongolia
Fu et al. Estimation of Landslides and Road Capacity after August 8, 2017, MS7. 0 Jiuzhaigou Earthquake Using High‐Resolution Remote Sensing Images
Guzzetti Landslide hazard and risk by GIS-based multivariate models

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20190528

RJ01 Rejection of invention patent application after publication