CN110210774A - 滑坡风险评价方法及系统 - Google Patents

滑坡风险评价方法及系统 Download PDF

Info

Publication number
CN110210774A
CN110210774A CN201910498982.4A CN201910498982A CN110210774A CN 110210774 A CN110210774 A CN 110210774A CN 201910498982 A CN201910498982 A CN 201910498982A CN 110210774 A CN110210774 A CN 110210774A
Authority
CN
China
Prior art keywords
hazard
affected body
risk
area
landslip
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
CN201910498982.4A
Other languages
English (en)
Other versions
CN110210774B (zh
Inventor
李政国
唐亚明
薛强
朱立峰
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.)
XI'AN CENTER OF GEOLOGICAL SURVEY CGS
Original Assignee
XI'AN CENTER OF GEOLOGICAL SURVEY CGS
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 XI'AN CENTER OF GEOLOGICAL SURVEY CGS filed Critical XI'AN CENTER OF GEOLOGICAL SURVEY CGS
Priority to CN201910498982.4A priority Critical patent/CN110210774B/zh
Publication of CN110210774A publication Critical patent/CN110210774A/zh
Application granted granted Critical
Publication of CN110210774B publication Critical patent/CN110210774B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0635Risk analysis of enterprise or organisation activities
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063Operations research, analysis or management
    • G06Q10/0639Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10Services
    • G06Q50/26Government or public services
    • G06Q50/265Personal security, identity or safety
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/62Analysis of geometric attributes of area, perimeter, diameter or volume
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30181Earth observation
    • G06T2207/30184Infrastructure

Abstract

本发明提供一种滑坡风险评价方法及系统,涉及地质灾害风险评价技术领域。通过周期性获取承灾体的图像信息,通过对获取的图像信息的中承灾体面积变化的速率的分析,得到该承灾体在当前周期内的滑坡风险变化情况,进而根据滑坡风险变化情况对前一周期的滑坡风险结果进行修正,使得滑坡风险的检测更加准确。

Description

滑坡风险评价方法及系统
技术领域
本发明涉及地质灾害风险评价技术领域,具体而言,涉及一种滑坡风险评价方法及系统。
背景技术
地质灾害风险评价指地质灾害对生命、健康、财产或环境产生不利影响的概率和严重程度的量值,是地质灾害风险管理的基础,目前,滑坡是对人类威胁最大的、造成财产损失最多的地质灾害之一。
现有技术中,人们对滑坡等地质灾害的预测主要是依靠,对承灾体的信息进行现场调查,获取承灾体的各类实测值及估测值,并在此基础上进行分析评价,计算承灾体的易损性,通过对承灾体的易损性分析,计算得到该承载体的滑坡风险等级。
但是,现有技术由于是通过模型对滑坡等地质灾害进行预测,并结合人工采集待测区域内的数据进行分析评价,所以对滑坡等地质灾害的预测不够准确。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种滑坡风险评价方法及系统,以解决现有技术中对滑坡风险预测不准确的问题。
为实现上述目的,本发明实施例采用的技术方案如下:
第一方面,本发明实施例提供了一种滑坡风险评价方法,方法包括:周期获取预设区域承灾体的图像信息;根据当前周期获取的图像信息与前一周期预储存的承灾体的图像信息进行对比,得到预设区域内承灾体在当前周期对应滑坡风险的变化情况;根据变化情况,对前一周期预储存的滑坡风险结果进行修正。
一种实施方式中,根据当前周期获取的图像信息与前一周期预储存的承灾体的图像信息进行对比,得到预设区域内承灾体在当前周期对应滑坡风险的变化情况,包括:根据当前周期承灾体的图像信息,得到承灾体的面积信息;根据当前周期承灾体的面积信息与前一周期预储存的承灾体的面积信息进行对比;根据对比结果,得到当前周期承灾体面积变化的速率。
一种实施方式中,方法还包括:建立承灾体面积变化的速率与滑坡风险等级的对应关系。
一种实施方式中,根据承灾体的变化情况,对前一周期预储存的滑坡风险结果进行修正,包括:根据对应关系对前一周期预储存的风险评估结果进行修正,得到当前周期的风险评估结果。
一种实施方式中,根据对比结果,得到承灾体面积变化的速率之后,还包括:当承灾体面积变化的速率大于预设面积变化速率阈值时,确定预设区域内发生滑坡的风险评估结果为高风险。
第二方面,本发明实施例提供了一种滑坡风险评价系统,系统包括:获取模块、计算模块和修正模块;获取模块,用于周期获取预设区域承灾体的图像信息;计算模块,用于根据当前周期获取的图像信息与前一周期预储存的承灾体的图像信息进行对比,得到预设区域内承灾体在当前周期对应滑坡风险的变化情况;修正模块,用于根据变化情况,对前一周期预储存的滑坡风险结果进行修正。
一种实施方式中,计算模块,具体用于根据当前周期承灾体的图像信息,得到承灾体的面积信息;根据当前周期承灾体的面积信息与前一周期预储存的承灾体的面积信息进行对比;根据对比结果,得到当前周期承灾体面积变化的速率。
一种实施方式中,还包括建模模块,建模模块用于建立承灾体面积变化的速率与滑坡风险等级的对应关系。
一种实施方式中,修正模块,具体用于根据对应关系对前一周期预储存的风险评估结果进行修正,得到当前周期的风险评估结果。
一种实施方式中,计算模块,还用于当承灾体面积变化的速率大于预设面积变化速率阈值时,确定预设区域内发生滑坡的风险评估结果为高风险。
本申请的有益效果是:本申请通过周期获取预设区域承灾体的图像信息;并根据当前周期获取的图像信息与前一周期预储存的承灾体的图像信息进行对比,得到预设区域内承灾体在当前周期对应滑坡风险的变化情况,即得到承灾体在本周期内的变化情况;进而根据承灾体在本周期的变化情况,以及预设条件对前一周期预储存的滑坡风险结果进行修正,本申请通过对本周起之前多个周期的滑坡概率进行统计,然后通过计算得到本周期内风险的变化情况,对上周期已有的滑坡风险进行修正,得到更准确的滑坡风险评价结果,进而增加滑坡风险检测的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例提供的滑坡风险评价方法的流程示意图;
图2示出了本申请实施例提供的滑坡风险评价方法的另一流程示意图;
图3示出了本申请实施例提供的滑坡风险评价系统的模块示意图;
图4示出了本申请实施例提供的滑坡风险评价系统的另一种模块示意图;
图5为本发明第三实施例提供的电子设备示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应该理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下,只对本方法进行适应性的修改,便将本方法应用于其他地址灾害风险评价上,所获得的所有其他实施例,都属于本申请保护的范围。
本申请实施例中,该用户行为分析方法的执行主体可以是计算机、服务器等,本申请实施例以服务器为例对其进行说明,但并不限定。该获取预设区域内承灾体图像信息的装置可以是预先设置在预设区域内的摄像机,也可以是卫星或者其他可以获取预设区域图像信息的装置,本申请实施例以预先设置在预设区域内的摄像机为例对其进行说明,但并不限定。
图1示出了本申请实施例提供的滑坡风险评价方法的流程示意图;如图1所示,本发明实施例提供了一种滑坡风险评价方法,该滑坡风险评价方法包括:
S101、周期获取预设区域承灾体的图像信息。
每个周期获取一次预设区域内承灾体的图像信息,其中,每个周期的时间根据实际需要和工作人员经验设置,只要能通过周期获取该预设区域承灾体的图像信息分析出滑坡规律即可,在此对具体周期不做限定,预设区域为需要获取承灾体的图像信息的区域,一般的预设区域为靠山或者邻水的人类聚集区。
举例说明,比如某城市依山而建,有一定的发生滑坡的几率,所以每3小时获取一次该城市的图像信息,其中,3小时为一个获取图像信息的周期,该城市为预设区域,该城市中的所有的人为建筑均为承灾体。
其中,在预设区域内可以设置摄像机,该摄像机用于采集该预设区域内的图像信息,该图像信息包括:建筑物的面积、高度以及承灾体的轮廓以及人类活动的区域。
需要说明的是,承灾体是指直接受到灾害影响和损害的人类社会主体。主要包括人类本身和社会发展的各个方面,如工业、农业、能源、建筑业、交通、通信、教育、文化、娱乐、各种减灾工程设施及生产、生活服务设施,以及人们所积累起来的各类财富等。承灾体受灾害的程度,除与致灾因子的强度有关外,很大程度上取决于承灾体自身的脆弱性。
一般的,该图像信息是根据遥感技术,获取到该承载体变化情况的图像信息,即通过遥感技术获取预设区域内的遥感影像信息,也就是说本申请中的图像信息也包含有遥感影像信息。
S102、根据当前周期获取的图像信息与前一周期预储存的承灾体的图像信息进行对比,得到预设区域内承灾体在当前周期对应滑坡风险的变化情况。
将获取到的当前周期承灾体的图像信息,与前一周期得到的承灾体的图像信息进行对比,若当前周期的承灾体的图像信息中承灾体的面积大于与前一周期承灾体的图像信息中承灾体的面积,则表示当前周期内承灾体的滑坡概率增长,若当前周期的承灾体的图像信息中承灾体的面积小于与前一周期承灾体的图像信息中承灾体的面积,则表示当前周期内承灾体的滑坡概率减少,现以承灾体面积增大为例,对该承灾体面积的增大程度进行,进行分级,若该承灾体在本周期内增大面积大于原来面积的十分之一,则将该承灾体滑坡风险等级归为第一等级;若该承灾体在本周期内增大面积小于或等于原来面积的十分之一大于原来面积的百分之二,则将该承灾体滑坡风险等级归为第二等级,若该承灾体在本周期内增大面积小于或等于原来面积的百分之二,则将该承灾体滑坡风险等级归为第三等级,需要说明的是承灾体滑坡风险等级划分方法及划分规则,根据实际情况和工作人员计算结果设置,在此不做限定。
需要说明的是,本实施例通过对该承灾体面积的对比,得到该承灾体面积变化情况,另外,若承灾体高度或者形状发生变化都可以通过面积变化体现,因此本实施例在此以面积变化为例加以说明。
S103、根据变化情况,对前一周期预储存的滑坡风险结果进行修正。
一般的,统计该预设区域内承灾体的变化情况包括:变化强度分级和变化强度评分;在此使用承灾体的变化强度分级,具体承灾体的变化情况强度分级情况请参照表1。
根据上述步骤得到该预设区域内滑坡风险的变化情况,对前一周期得到的该预设区域的滑坡风险结果进行修正,其中,滑坡风险结果由高到低分为:A、B、C和D,需要说明的是,对滑坡风险结果的具体划分结果在此不做具体限定,具体的,承灾体滑坡风险、前一周期滑坡风险结果和当前周期修正后的滑坡风险结果的对应关系如表1所示,其中,表中M表示上一周期的滑坡风险结果,N表示当前周期内该承灾体滑坡风险等级。
表1
举例说明,若当前周期检测到的该承灾体滑坡风险等级归为第二等级,前一周期该预设区域内的滑坡风险结果为D,则将滑坡风险结果从前一周期的D修正为C。
由上所述,本申请实施例提供的滑坡风险评价方法,能够通过获取当前周期内该承灾体滑坡风险等级,以及预设的承灾体滑坡风险等级与前一周期滑坡风险结果的对应关系,对前一周期预储存的滑坡风险结果进行修正,将该承载体面积变化情况加入到对滑坡风险预测的考虑范围内,从而使得得到更准确的滑坡风险评价结果,进而增加滑坡风险检测的准确性。
图2示出了本申请实施例提供的滑坡风险评价方法的另一流程示意图;如图2所示,可选的,根据当前周期获取的图像信息与前一周期预储存的承灾体的图像信息进行对比,得到预设区域内承灾体在当前周期对应滑坡风险的变化情况具体步骤,包括:
S201、根据当前周期承灾体的图像信息,得到承灾体的面积信息。
根据获取到的预设区域内的承灾体的图像信息,通过对图像的处理,得到图像信息中承灾体的面积信息,具体通过图像信息获取承灾体的面积信息的方法包括:对获取到的图像信息按照建筑物的不同划分为不同的颜色,得到不同颜色的面积占比,即可以得到不同建筑物的面积,最终计算得到承灾体的面积。
在实际应用中,获取到预设区域的图像信息,对预设区域的图像信息进行处理,将不同的物体划分为不同的颜色,采用计算机统计不同颜色在整个图像中的占比以及每个颜色集中的区域或者每个颜色变化最大的区域。
S202、根据当前周期承灾体的面积信息与前一周期预储存的承灾体的面积信息进行对比。
将S201获取的当前周期的承灾体的面积信息与前一个周期预储存的相同预设区域的承灾体的面积信息进行对比,得到当前周期内承灾体面积信息与前一周期面积的变化情况。
在实际应用中,将获取的当前周期的承灾体的图像覆盖到前一个周期承灾体的图像上,得到不能重合的区域,该不能重合的区域便是当前周期内面积变化的区域,计算不能重合的区域的实际面积,其中,不能重合的区域面积越大,代表承灾体的面积变化越大。
S203、根据对比结果,得到当前周期承灾体面积变化的速率。
为了清楚的说明当前周期承灾体面积变化的速率的计算方式,现使用以下方式进行说明,根据上述方法计算得到该预设区域内不能重合的区域的实际面积,使用该不能重合的区域的实际面积除以一个周期的时间,得到当前周期内周期承灾体面积变化的速率,具体的计算当前周期承载体面积变化速率的方法根据实际情况进行设定,在此不做限定。
可选的,该方法还包括:
建立承灾体面积变化的速率与滑坡风险等级的对应关系。
其中,通过计算当前周期内承灾体面积变化的速率,并根据承灾体面积变化的速率、当前周期内该承灾体滑坡风险等级的关系,建立承灾体面积变化的速率与滑坡风险等级的对应关系,如表2所示,其中,当前周期承灾体面积变化的速率记做P,当前周期承灾体面积变化的速率小于等于第一阈值,当前承灾体面积变化的速率记做X,当前周期承灾体面积变化的速率小于等于第二阈值大于第一阈值,当前承灾体面积变化的速率记做Y,当前周期承灾体面积变化的速率小于等于第三阈值大于第二阈值,当前承灾体面积变化的速率记做Z,其中,第一阈值小于第二阈值,第二阈值小于第三阈值,其中,当前承灾体面积变化的速率记做X与滑坡风险等级中的第一等级对应,当前承灾体面积变化的速率记做Y与滑坡风险等级中的第二等级对应,当前承灾体面积变化的速率记做Z与滑坡风险等级中的第三等级对应。
根据对应关系对前一周期预储存的风险评估结果进行修正,得到当前周期的风险评估结果。
参照承灾体面积变化的速率与滑坡风险等级的对应关系,以及表2所示,对前一周期预储存的风险评估结果进行修正,得到当前周期的风险评估结果。
表2
举例说明,若当前承灾体面积变化的速率为Y,前一周期该预设区域内的滑坡风险结果为D,则将滑坡风险结果从前一周期的D修正为C。
在实际应用中,先获取到预设区域内的承灾体的图像信息,通过图像信息得到该承灾体变化的面积信息,通过计算该承灾体的面积变化的速率,然后通过表2所示的对应关系,将前一周期预储存的风险评估结果进行修正,将该承载体面积变化的速率加入到对滑坡风险预测的考虑范围内,从而使得对滑坡风险预测更加准确。
可选的,根据对比结果,得到承灾体面积变化的速率之后,还包括:
当承灾体面积变化的速率大于预设面积变化速率阈值时,确定预设区域内发生滑坡的风险评估结果为高风险。
获取预设区域内的承灾体的面积信息,根据获取的承灾体的面积信息与前一周期的面积信息进行比较,之后根据周期计算承灾体面积变化的速率,当承灾体面积变化的速率大于预设面积变化速率阈值时,则确定预设区域内发生滑坡的风险评估结果为高风险。
举例说明,当预设区域内承灾体面积变化的速率为1000,该预设区域内面积变化速率阈值为800,则直接确定预设区域内发生滑坡的风险评估结果为高风险。
由上所述,本申请实施例提供的滑坡风险评价方法,能够通过获取当前周期内该承灾体的面积变化情况,从而计算得到滑坡风险等级或者承灾体面积变化的速率,通过表1中滑坡风险等级与前一周期滑坡风险结果的对应关系,或者通过表2中承灾体面积变化的速率与前一周期滑坡风险结果的对应关系,对前一周期预储存的滑坡风险结果进行修正,使得得到更准确的滑坡风险评价结果,进而增加滑坡风险检测的准确性。
图3示出了本申请实施例提供的滑坡风险评价系统的模块示意图;如图3所示,本发明实施例提供了一种滑坡风险评价系统,该系统包括:获取模块301、计算模块302和修正模块303;
获取模块301,用于周期获取预设区域承灾体的图像信息;
计算模块302,用于根据当前周期获取的图像信息与前一周期预储存的承灾体的图像信息进行对比,得到预设区域内承灾体在当前周期对应滑坡风险的变化情况;
修正模块303,用于根据变化情况,对前一周期预储存的滑坡风险结果进行修正。
可选的,计算模块302,具体用于根据当前周期承灾体的图像信息,得到承灾体的面积信息;
根据当前周期承灾体的面积信息与前一周期预储存的承灾体的面积信息进行对比;
根据对比结果,得到当前周期承灾体面积变化的速率。
图4示出了本申请实施例提供的滑坡风险评价系统的另一种模块示意图;如图4所示,可选的,还包括建模模块304,建模模块用于建立承灾体面积变化的速率与滑坡风险等级的对应关系。
可选的,修正模块303,具体用于根据对应关系对前一周期预储存的风险评估结果进行修正,得到当前周期的风险评估结果。
可选的,计算模块302,还用于当承灾体面积变化的速率大于预设面积变化速率阈值时,确定预设区域内发生滑坡的风险评估结果为高风险。
由上所述,本申请实施例提供的滑坡风险评价方法包括:获取模块、计算模块和修正模块,能够通过获取模块获取当前周期内该承灾体的面积变化情况,从而通过计算模块计算得到滑坡风险等级或者承灾体面积变化的速率,通过表1中滑坡风险等级与前一周期滑坡风险结果的对应关系,或者通过表2中承灾体面积变化的速率与前一周期滑坡风险结果的对应关系,然后通过修正模块对前一周期预储存的滑坡风险结果进行修正,使得得到更准确的滑坡风险评价结果,进而增加滑坡风险检测的准确性。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(System-On-a-Chip,简称SOC)的形式实现。
图5为本发明第三实施例提供的电子设备示意图,该电子设备包括:存储器401、处理器402。
存储器401用于存储程序,处理器402调用存储器401存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种程序产品,例如计算机可读存储介质,包括程序,该程序在被处理器执行时用于执行上述方法实施例。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random AccessMemory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

Claims (10)

1.一种滑坡风险评价方法,其特征在于,所述方法包括:
周期获取预设区域承灾体的图像信息;
根据当前周期获取的所述图像信息与前一周期预储存的所述承灾体的图像信息进行对比,得到所述预设区域内所述承灾体在当前周期对应滑坡风险的变化情况;
根据所述变化情况,对前一周期预储存的滑坡风险结果进行修正。
2.根据权利要求1所述的方法,其特征在于,所述根据当前周期获取的所述图像信息与前一周期预储存的所述承灾体的图像信息进行对比,得到所述预设区域内所述承灾体在当前周期对应滑坡风险的变化情况,包括:
根据当前周期所述承灾体的图像信息,得到所述承灾体的面积信息;
根据当前周期所述承灾体的面积信息与前一周期预储存的所述承灾体的面积信息进行对比;
根据对比结果,得到当前周期所述承灾体面积变化的速率。
3.根据权利要求2所述的方法,其特征在于,所述方法还包括:
建立所述承灾体面积变化的速率与滑坡风险等级的对应关系。
4.根据权利要求3所述的方法,其特征在于,所述根据所述承灾体的变化情况,对前一周期预储存的滑坡风险结果进行修正,包括:
根据所述对应关系对前一周期预储存的风险评估结果进行修正,得到当前周期的风险评估结果。
5.根据权利要求2所述的方法,其特征在于,所述根据对比结果,得到所述承灾体面积变化的速率之后,还包括:
当所述承灾体面积变化的速率大于预设面积变化速率阈值时,确定所述预设区域内发生滑坡的风险评估结果为高风险。
6.一种滑坡风险评价系统,其特征在于,所述系统包括:获取模块、计算模块和修正模块;
所述获取模块,用于周期获取预设区域承灾体的图像信息;
所述计算模块,用于根据当前周期获取的所述图像信息与前一周期预储存的所述承灾体的图像信息进行对比,得到所述预设区域内所述承灾体在当前周期对应滑坡风险的变化情况;
所述修正模块,用于根据所述变化情况,对前一周期预储存的滑坡风险结果进行修正。
7.根据权利要求6所述的系统,其特征在于,所述计算模块,具体用于根据当前周期所述承灾体的图像信息,得到所述承灾体的面积信息;
根据当前周期所述承灾体的面积信息与前一周期预储存的所述承灾体的面积信息进行对比;
根据对比结果,得到当前周期所述承灾体面积变化的速率。
8.根据权利要求7所述的系统,其特征在于,还包括建模模块,所述建模模块用于建立所述承灾体面积变化的速率与滑坡风险等级的对应关系。
9.根据权利要求8所述的系统,其特征在于,所述修正模块,具体用于根据所述对应关系对前一周期预储存的风险评估结果进行修正,得到当前周期的风险评估结果。
10.根据权利要求7所述的系统,其特征在于,所述计算模块,还用于当所述承灾体面积变化的速率大于预设面积变化速率阈值时,确定所述预设区域内发生滑坡的风险评估结果为高风险。
CN201910498982.4A 2019-06-10 2019-06-10 滑坡风险评价方法及系统 Active CN110210774B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910498982.4A CN110210774B (zh) 2019-06-10 2019-06-10 滑坡风险评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910498982.4A CN110210774B (zh) 2019-06-10 2019-06-10 滑坡风险评价方法及系统

Publications (2)

Publication Number Publication Date
CN110210774A true CN110210774A (zh) 2019-09-06
CN110210774B CN110210774B (zh) 2021-06-11

Family

ID=67791782

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910498982.4A Active CN110210774B (zh) 2019-06-10 2019-06-10 滑坡风险评价方法及系统

Country Status (1)

Country Link
CN (1) CN110210774B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111901550A (zh) * 2020-07-21 2020-11-06 陈庆梅 利用内容分析的信号还原系统
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
CN113034499A (zh) * 2021-05-24 2021-06-25 西南交通大学 边坡坡面危险区预测方法、装置、设备及可读存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102098495A (zh) * 2010-11-30 2011-06-15 姬云东 基于图像识别技术的山体滑坡智能监控装置及其监控方法
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
CN102721370A (zh) * 2012-06-18 2012-10-10 南昌航空大学 基于计算机视觉的山体滑坡实时监测方法
CN102915619A (zh) * 2012-10-19 2013-02-06 安徽工程大学 一种多元检测的智能山体滑坡监测预警系统
CN102938189A (zh) * 2012-11-28 2013-02-20 青岛理工大学 一种地质滑坡状态监控预警方法
CN103871204A (zh) * 2013-08-17 2014-06-18 刘镕畅 一种智能远程视频地质灾害监测系统
CN104102980A (zh) * 2014-07-28 2014-10-15 中国地质调查局西安地质调查中心 一种基于风险评价的地质灾害预警技术
CN104359507A (zh) * 2014-11-19 2015-02-18 国家电网公司 太阳能供电的高压输电杆塔塔基滑坡监测系统
CN104581089A (zh) * 2015-02-08 2015-04-29 张朝利 一种山体滑坡变化定量监测系统及其预测方法
CN104700399A (zh) * 2015-01-08 2015-06-10 东北大学 一种基于高分遥感影像的大变形滑坡位移场标定方法
CN104951789A (zh) * 2015-07-15 2015-09-30 电子科技大学 一种基于全极化sar图像的快速滑坡提取方法
CN108709532A (zh) * 2018-03-29 2018-10-26 河北工业大学 一种阶梯状跳跃变形的斜边坡稳定性评价方法
CN109165424A (zh) * 2018-08-03 2019-01-08 四川理工学院 一种基于国产gf-1卫星数据的滑坡易发性评估方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102098495A (zh) * 2010-11-30 2011-06-15 姬云东 基于图像识别技术的山体滑坡智能监控装置及其监控方法
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
CN102721370A (zh) * 2012-06-18 2012-10-10 南昌航空大学 基于计算机视觉的山体滑坡实时监测方法
CN102915619A (zh) * 2012-10-19 2013-02-06 安徽工程大学 一种多元检测的智能山体滑坡监测预警系统
CN102938189A (zh) * 2012-11-28 2013-02-20 青岛理工大学 一种地质滑坡状态监控预警方法
CN103871204A (zh) * 2013-08-17 2014-06-18 刘镕畅 一种智能远程视频地质灾害监测系统
CN104102980A (zh) * 2014-07-28 2014-10-15 中国地质调查局西安地质调查中心 一种基于风险评价的地质灾害预警技术
CN104359507A (zh) * 2014-11-19 2015-02-18 国家电网公司 太阳能供电的高压输电杆塔塔基滑坡监测系统
CN104700399A (zh) * 2015-01-08 2015-06-10 东北大学 一种基于高分遥感影像的大变形滑坡位移场标定方法
CN104581089A (zh) * 2015-02-08 2015-04-29 张朝利 一种山体滑坡变化定量监测系统及其预测方法
CN104951789A (zh) * 2015-07-15 2015-09-30 电子科技大学 一种基于全极化sar图像的快速滑坡提取方法
CN108709532A (zh) * 2018-03-29 2018-10-26 河北工业大学 一种阶梯状跳跃变形的斜边坡稳定性评价方法
CN109165424A (zh) * 2018-08-03 2019-01-08 四川理工学院 一种基于国产gf-1卫星数据的滑坡易发性评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
李家存 等: ""基于概率指数模型的区域滑坡危险性评价"", 《中国图象图形学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111901550A (zh) * 2020-07-21 2020-11-06 陈庆梅 利用内容分析的信号还原系统
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
CN113034499A (zh) * 2021-05-24 2021-06-25 西南交通大学 边坡坡面危险区预测方法、装置、设备及可读存储介质
CN113034499B (zh) * 2021-05-24 2021-09-21 西南交通大学 边坡坡面危险区预测方法、装置、设备及可读存储介质

Also Published As

Publication number Publication date
CN110210774B (zh) 2021-06-11

Similar Documents

Publication Publication Date Title
CN111128399B (zh) 一种基于人流密度的流行病疫情风险等级评估方法
Vandal et al. Quantifying uncertainty in discrete-continuous and skewed data with Bayesian deep learning
CN110210774A (zh) 滑坡风险评价方法及系统
US20140212055A1 (en) Automated Mapping of Land Cover Using Sequences of Aerial Imagery
Sahin et al. A spatial temporal decision framework for adaptation to sea level rise
CN111612002A (zh) 一种基于神经网络的多目标物体运动追踪方法
Marsh et al. The Canadian Hydrological Model (CHM) v1. 0: a multi-scale, multi-extent, variable-complexity hydrological model–design and overview
CN111310322B (zh) 基于元胞自动机的干旱区自然绿洲空间动态模拟方法
Biard et al. Automated detection of weather fronts using a deep learning neural network
Alonso et al. A graphical approach to characterize sub-daily flow regimes and evaluate its alterations due to hydropeaking
Borana et al. Prediction of land cover changes of Jodhpur city using cellular automata Markov modelling techniques
CN111428653B (zh) 行人拥挤状态判断方法、装置、服务器及存储介质
Stephens et al. Assessing the reliability of probabilistic flood inundation model predictions
CN110110339A (zh) 一种日前水文预报误差校正方法及系统
CN111475746A (zh) 兴趣点位置挖掘方法、装置、计算机设备和存储介质
Gueguen et al. Mapping human settlements and population at country scale from VHR images
Zhang et al. Accuracy assessments and uncertainty analysis of spatially explicit modeling for land use/cover change and urbanization: A case in Beijing metropolitan area
CN114911788B (zh) 一种数据插补方法、装置及存储介质
Yang et al. A 2D hydrodynamic model-based method for efficient flood inundation modelling
CN109784602A (zh) 一种基于ptva模型的多灾种耦合物理脆弱性评估方法
CN112561121B (zh) 基于手机信令数据的复工趋势预测方法及系统
Zhao et al. Modeling land-use change and population relocation dynamics in response to different sea level rise scenarios: Case study in Bay County, Florida
Rajendran et al. A simulation of land use/cover change for urbanization on Chennai Metropolitan Area, India
CN110389947A (zh) 一种黑名单生成方法、装置、设备及介质
CN110263785A (zh) 一种自动抄表方法、装置及计算机可读存储介质

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