CN113935202B - 一种基于激光雷达的河道演化预警方法 - Google Patents

一种基于激光雷达的河道演化预警方法 Download PDF

Info

Publication number
CN113935202B
CN113935202B CN202111545070.1A CN202111545070A CN113935202B CN 113935202 B CN113935202 B CN 113935202B CN 202111545070 A CN202111545070 A CN 202111545070A CN 113935202 B CN113935202 B CN 113935202B
Authority
CN
China
Prior art keywords
boundary
area
scouring
moments
risk area
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
Application number
CN202111545070.1A
Other languages
English (en)
Other versions
CN113935202A (zh
Inventor
袁松
张庆
陈柯竹
宋松科
权新蕊
姚萌
郑国强
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.)
Sichuan Communication Surveying and Design Institute Co Ltd
Original Assignee
Sichuan Communication Surveying and Design Institute 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 Sichuan Communication Surveying and Design Institute Co Ltd filed Critical Sichuan Communication Surveying and Design Institute Co Ltd
Priority to CN202111545070.1A priority Critical patent/CN113935202B/zh
Publication of CN113935202A publication Critical patent/CN113935202A/zh
Application granted granted Critical
Publication of CN113935202B publication Critical patent/CN113935202B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Geometry (AREA)
  • Computer Hardware Design (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种基于激光雷达的河道演化预警方法，基于星载激光雷达获取冲刷边界拟合曲线，对多个时刻的冲刷边界拟合曲线进行网格划分，通过获得n组对应网格的小区域的面积增加值以及面积增加速率，判断出冲刷优势方向，并进行预警，组织相关人员通过星载激光雷达对该冲刷优势方向所在区域进行详细检测。实现了对河道演化的预警，能够获取灾害发生可能性较大的区域，并及时采取措施，防止灾害发生。

Description

一种基于激光雷达的河道演化预警方法
技术领域
本发明涉及一种沿江公路灾害预警技术领域，具体涉及一种基于激光雷达的河道演化预警方法。
背景技术
在我国，有超过25万KM长的工程边坡、堤防面临流域冲刷对边坡稳定性问题。因河流的侵蚀、搬运、堆积作用，河流冲刷造成河床侧蚀下蚀、河道淤积等导致岸坡受损、造成灾毁以及附带的次生灾害等严重后果。判别在这极长的河岸线上灾毁破坏最有可能发生的部位以及造成危害大小的快速识别快速响应等都是一个亟需解决的问题。
对流域冲刷记录而言，主要是依赖于现场实地监测过水断面，存在投入大，耗时耗力的问题，而且受传统监测方法的限制，很多地形条件差的地方无法深入调查，调查结果也无法根据边界条件的变化进行实时更新，难以对实际工程进行指导。
发明内容
本发明所要解决的技术问题是：如何在极长的河岸线上判别出灾毁破坏最有可能发生的部位，并做出预警和响应，以及现有通过现场实地监测水断面获取冲刷数据的方式，投入大，耗时耗力，且很多地形条件差的地方无法伸入调查，调查结果也无法实时更新，本发明提供了解决上述问题的一种基于激光雷达的河道演化预警方法。
本发明通过下述技术方案实现：
一种基于激光雷达的河道演化预警方法，包括以下步骤：
星载激光雷达按照相同的时间间隔获取流域i个时刻的高程数据，所述i为正整数，对所述i个时刻的高程数据分别进行处理，得到i个时刻的数字高程模型；
基于所述i个时刻的数字高程模型，分别获取i个时刻的冲刷边界拟合曲线；
对i个时刻的冲刷边界拟合曲线进行风险等级划分，分为高风险区域、中风险区域和低风险区域；
对i个时刻的冲刷边界拟合曲线的高风险区域和中风险区域进行网格划分，每个时刻的冲刷边界拟合曲线均被划分成n个网格区域，所述n为正整数，相邻时刻冲刷边界拟合曲线的网格一一对应，形成n组对应网格；
计算相邻时刻的冲刷边界拟合曲线之间，各个对应网格区域内的流域冲刷面积，每组对应网格均获得i-1个时间段的冲刷边界变化面积；
计算每组对应网格相邻时间段冲刷边界变化面积的差值；将每组对应网格得到的i-2个冲刷边界变化面积的差值相加，得到n组对应网格所代表的小区域的面积增加值；
计算每组对应网格中相邻网格之间的面积增加速率；
根据n组对应网格各自获得的小区域的面积增加值以及面积增加速率，判断出冲刷优势方向。
现有的获取流域冲刷数据主要依赖于现场实地监测过水断面，存在投入大，耗时耗力的问题，而且受传统监测方法的限制，很多地形条件差的地方无法深入调查，调查结果也无法根据边界条件的变化进行实时更新，难以对实际工程进行指导，为了解决该问题，本发明基于星载激光雷达（LIDAR）获取流域的高精度的数字高程模型（DEM），可快速便捷的进行流域区域范围的精确计算，以实现对流域的正常冲刷成果的获取，所述数字高程模型（DEM）既能对流域冲刷区域进行全面监测，又能为河道演化提供数据支撑。
基于流域历史冲刷数据，对i个时刻的冲刷边界拟合曲线进行风险等级划分，分为高风险区域、中风险区域和低风险区域；筛选出高风险区域和中风险区域，避免了大量无用的计算。
对i个时刻的冲刷边界拟合曲线的高风险区域和中风险区域进行网格划分，每个时刻的冲刷边界拟合曲线均被划分成n个网格区域，当前时刻冲刷边界拟合曲线的网格与下一时刻冲刷边界拟合曲线的网格一一对应。
一方面，以网格划分的方式计算冲刷边界变化面积，降低了计算的复杂度，另一方面，网格划分后，能更精准的找到冲刷优势方向，即更精准的确认灾害发生可能性最大的区域。
计算当前时刻冲刷边界拟合曲线与下一时刻冲刷边界拟合曲线之间，各个对应网格包含的流域冲刷面积，获得第1时间段的冲刷边界变化面积、第2时间段的冲刷边界变化面积······第i-1时间段的冲刷边界变化面积；
计算第1时间段与第2时间段各对应网格的冲刷边界变化面积的差值，计算第2时间段与第3时间段各对应网格的冲刷边界变化面积的差值······计算第i-2时间段与第i-1时间段各对应网格的冲刷边界变化面积的差值，每组对应网格均得到i-2个冲刷边界变化面积的差值；
将每组对应网格，i-2个冲刷边界变化面积的差值相加，得到每组对应网格所代表的小区域的面积增加值；
计算每组对应网格中相邻网格之间的面积增加速率；
根据n组对应网格各自获得的小区域的面积增加值以及面积增加速率，判断出冲刷优势方向，并进行预警，组织相关人员通过星载激光雷达对该冲刷优势方向所在区域进行详细检测。
具体的，计算第n组对应网格的面积增加速率：
Figure 711692DEST_PATH_IMAGE001
其中，S Vn(i-3)表示第n组对应网格中，第i-3个面积增加速率，S n(i-2，i-1)表示相邻的第i-2个时间段与第i-1个时间段冲刷边界变化面积的差值。
优选的，针对每个冲刷边界拟合曲线中的高风险区域、中风险区域和低风险区域设计不同的监测精度方案。
优选的，对于高风险区域，将其监测精度设为：点云密度不低于25点/m2，光学影像分辨率不低于20cm。
优选的，对于高风险区域中会造成滑坡、道路坍塌灾害的区域进行单点重点监测，点云密度不低于50点/m2。
优选的，对于中风险区域，将其监测精度设为：点云密度不低于15点/m2，光学影像分辨率不低于20cm。
优选的，对于低风险区域，将其监测精度设为：点云密度不低于5点/m2，光学影像分辨率不低于20cm。
优选的，在所述i个时刻的数字高程模型中，选取冲刷边界的关键点，将离散的关键点拟合成曲线，将拟合后的所述曲线与河道丰水期的水流边界曲线相交获得临界点，连接所述临界点，得到i个时刻的冲刷边界拟合曲线。
由于数字高程模型中的冲刷边界可能比较曲折，直接使用数字高程模型中的冲刷边界，可能造成后续计算面积过程复杂，为了简化计算复杂度，我们先在每个时间段的所述数字高程模型中，选取冲刷边界的关键点，将离散的关键点拟合成曲线，为了修正该曲线，再将该拟合曲线与河道丰水期的水流边界曲线相交获得临界点，连接这些临界点，得到冲刷边界拟合曲线。
具体的，根据历史冲刷数据对i个时刻的冲刷边界拟合曲线进行风险等级划分，分为高风险区域、中风险区域和低风险区域。
本发明具有如下的优点和有益效果：
本发明一种基于激光雷达的河道演化预警方法，可用于山区公路沿江路段的公路在流域冲刷作用威胁的预警和预判，根据前期资料对冲刷风险进行分级分区，根据不同等级设计不同监测精度方案，分析河道变化规律，对可能发生的灾害进行快速预判，对非重点区域做到周期更新，对重点区域做到实时更新，数据共享，为山区公路沿江路段流域冲刷灾害提供技术。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明中获得冲刷边界拟合曲线的示意图。
图2为本发明中对冲刷边界拟合曲线进行风险等级划分及依据不同的风险等级设置不同检测精度的方案图。
图3为本发明中对当前时刻的冲刷边界拟合曲线与下一时刻冲刷边界拟合曲线的网格划分示意图。
图4为本发明中当选择4个时刻的冲刷边界拟合曲线，流域冲刷优势方向的计算示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。
实施例
如何在极长的河岸线上判别出灾毁破坏最有可能发生的部位，并做出预警和响应；以及现有通过现场实地监测水断面获取冲刷数据的方式，投入大，耗时耗力，且很多地形条件差的地方无法伸入调查，调查结果也无法实时更新，为了解决上述问题，本实施例提出一种基于激光雷达的河道演化预警方法。
一种基于激光雷达的河道演化预警方法，包括以下步骤：
星载激光雷达按照相同的时间间隔获取流域i个时刻的高程数据， i为正整数，对i个时刻的高程数据分别进行处理，得到i个时刻的数字高程模型；
基于i个时刻的数字高程模型，分别获取i个时刻的冲刷边界拟合曲线；
如图2所示，对i个时刻的冲刷边界拟合曲线进行风险等级划分，分为高风险区域、中风险区域和低风险区域；
如图3和图4所示，对i个时刻的冲刷边界拟合曲线的高风险区域和中风险区域进行网格划分，每个时刻的冲刷边界拟合曲线均被划分成n个网格区域， n为正整数，相邻时刻冲刷边界拟合曲线的网格一一对应，形成n组对应网格；
计算相邻时刻的冲刷边界拟合曲线之间，各个对应网格区域内的流域冲刷面积，每组对应网格均获得i-1个时间段的冲刷边界变化面积；
计算每组对应网格相邻时间段冲刷边界变化面积的差值；将每组对应网格得到的i-2个冲刷边界变化面积的差值相加，得到n组对应网格所代表的小区域的面积增加值；
计算每组对应网格中相邻网格之间的面积增加速率；
根据n组对应网格各自获得的小区域的面积增加值以及面积增加速率，判断出冲刷优势方向。
现有的获取流域冲刷数据主要依赖于现场实地监测过水断面，存在投入大，耗时耗力的问题，而且受传统监测方法的限制，很多地形条件差的地方无法深入调查，调查结果也无法根据边界条件的变化进行实时更新，难以对实际工程进行指导，为了解决该问题，本实施例基于星载激光雷达（LIDAR）获取流域的高精度的数字高程模型（DEM），可快速便捷的进行流域区域范围的精确计算，以实现对流域的正常冲刷成果的获取，数字高程模型（DEM）既能对流域冲刷区域进行全面监测，又能为河道演化提供数据支撑。
基于流域历史冲刷数据，对i个时刻的冲刷边界拟合曲线进行风险等级划分，分为高风险区域、中风险区域和低风险区域；筛选出高风险区域和中风险区域，避免了大量无用的计算。
对i个时刻的冲刷边界拟合曲线的高风险区域和中风险区域进行网格划分，每个时刻的冲刷边界拟合曲线均被划分成n个网格区域，当前时刻冲刷边界拟合曲线的网格与下一时刻冲刷边界拟合曲线的网格一一对应，形成n组对应网格。
一方面，以网格划分的方式计算冲刷边界变化面积，降低了计算的复杂度，另一方面，网格划分后，能更精准的找到冲刷优势方向，即更精准地确认灾害发生可能性最大的区域。
计算当前时刻冲刷边界拟合曲线与下一时刻冲刷边界拟合曲线之间，各个对应网格包含的流域冲刷面积，获得第1时间段的冲刷边界变化面积、第2时间段的冲刷边界变化面积······第i-1时间段的冲刷边界变化面积；
计算第1时间段与第2时间段各对应网格的冲刷边界变化面积的差值，计算第2时间段与第3时间段各对应网格的冲刷边界变化面积的差值······计算第i-2时间段与第i-1时间段各对应网格的冲刷边界变化面积的差值；每组对应网格均得到i-2个冲刷边界变化面积的差值；
将每组对应网格，i-2个冲刷边界变化面积的差值相加，得到每组对应网格所代表的小区域的面积增加值；
计算每组对应网格中相邻网格之间的面积增加速率；
根据n组对应网格各自获得的小区域的面积增加值以及面积增加速率，判断出冲刷优势方向，并进行预警，组织相关人员通过星载激光雷达对该冲刷优势方向所在区域进行详细检测。
本实施例中，计算第n组对应网格的面积增加速率：
Figure 127892DEST_PATH_IMAGE002
其中，S Vn(i-3)表示第n组对应网格中，第i-3个面积增加速率，S n(i-2，i-1)表示相邻的第i-2个时间段与第i-1个时间段冲刷边界变化面积的差值。
如图1所示，在i个时刻的数字高程模型中，选取冲刷边界的关键点，将离散的关键点拟合成曲线，将该拟合曲线与河道丰水期的水流边界曲线相交获得临界点，连接这些临界点，得到i个时刻的冲刷边界拟合曲线。
由于数字高程模型中的冲刷边界可能比较曲折，直接使用数字高程模型中的冲刷边界，可能造成后续计算面积过程复杂，为了简化计算复杂度，我们先在每个时间段的所述数字高程模型中，选取冲刷边界的关键点，将离散的关键点拟合成曲线，为了修正该曲线，再将该拟合曲线与河道丰水期的水流边界曲线相交获得临界点，连接这些临界点，得到冲刷边界拟合曲线。
如图2所示，针对每个冲刷边界拟合曲线中的高风险区域、中风险区域和低风险区域设计不同的监测精度方案，具体方案如表1所示：
表1
Figure 616642DEST_PATH_IMAGE003
对于高风险区域，将其监测精度设为：点云密度不低于25点/m2，光学影像分辨率不低于20cm，对于高风险区域中可能造成滑坡、道路坍塌灾害的区域进行单点重点监测，点云密度不低于50点/m2。
对于中风险区域，将其监测精度设为：点云密度不低于15点/m2，光学影像分辨率不低于20cm。
对于低风险区域，将其监测精度设为：点云密度不低于5点/m2，光学影像分辨率不低于20cm。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于激光雷达的河道演化预警方法，其特征在于，包括以下步骤：
星载激光雷达按照相同的时间间隔获取流域i个时刻的高程数据，所述i为正整数，对所述i个时刻的高程数据分别进行处理，得到i个时刻的数字高程模型；
基于所述i个时刻的数字高程模型，分别获取i个时刻的冲刷边界拟合曲线；
对i个时刻的冲刷边界拟合曲线进行风险等级划分，分为高风险区域、中风险区域和低风险区域；
对i个时刻的冲刷边界拟合曲线的高风险区域和中风险区域进行网格划分，每个时刻的冲刷边界拟合曲线均被划分成n个网格区域，所述n为正整数，相邻时刻冲刷边界拟合曲线的网格一一对应，形成n组对应网格；
计算相邻时刻的冲刷边界拟合曲线之间，各个对应网格区域内的流域冲刷面积，每组对应网格均获得i-1个时间段的冲刷边界变化面积；
计算每组对应网格相邻时间段冲刷边界变化面积的差值；将每组对应网格得到的i-2个冲刷边界变化面积的差值相加，得到n组对应网格所代表的小区域的面积增加值；
计算每组对应网格中相邻网格之间的面积增加速率；
其中，计算第n组对应网格的面积增加速率的过程为：
Figure FDA0003484748200000011
其中，SVn(i-3)表示第n组对应网格中，第i-3个面积增加速率，Sn(i-2，i-1)表示相邻的第i-2个时间段与第i-1个时间段冲刷边界变化面积的差值；
根据n组对应网格各自获得的小区域的面积增加值以及面积增加速率，判断出冲刷优势方向。
2.根据权利要求1所述的一种基于激光雷达的河道演化预警方法，其特征在于，针对每个冲刷边界拟合曲线中的高风险区域、中风险区域和低风险区域设计不同的监测精度方案。
3.根据权利要求2所述的一种基于激光雷达的河道演化预警方法，其特征在于，对于高风险区域，将其监测精度设为：点云密度不低于25点/m2，光学影像分辨率不低于20cm。
4.根据权利要求3所述的一种基于激光雷达的河道演化预警方法，其特征在于，对于高风险区域中会造成滑坡、道路坍塌灾害的区域进行单点重点监测，点云密度不低于50点/m2。
5.根据权利要求2所述的一种基于激光雷达的河道演化预警方法，其特征在于，对于中风险区域，将其监测精度设为：点云密度不低于15点/m2，光学影像分辨率不低于20cm。
6.根据权利要求2所述的一种基于激光雷达的河道演化预警方法，其特征在于，对于低风险区域，将其监测精度设为：点云密度不低于5点/m2，光学影像分辨率不低于20cm。
7.根据权利要求1所述的一种基于激光雷达的河道演化预警方法，其特征在于，在所述i个时刻的数字高程模型中，选取冲刷边界的关键点，将离散的所述关键点拟合成曲线，将拟合后的所述曲线与河道丰水期的水流边界曲线相交获得临界点，连接所述临界点，得到i个时刻的冲刷边界拟合曲线。
8.根据权利要求1所述的一种基于激光雷达的河道演化预警方法，其特征在于，根据历史冲刷数据对i个时刻的冲刷边界拟合曲线进行风险等级划分，分为高风险区域、中风险区域和低风险区域。
CN202111545070.1A 2021-12-17 2021-12-17 一种基于激光雷达的河道演化预警方法 Active CN113935202B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111545070.1A CN113935202B (zh) 2021-12-17 2021-12-17 一种基于激光雷达的河道演化预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111545070.1A CN113935202B (zh) 2021-12-17 2021-12-17 一种基于激光雷达的河道演化预警方法

Publications (2)

Publication Number Publication Date
CN113935202A CN113935202A (zh) 2022-01-14
CN113935202B true CN113935202B (zh) 2022-03-01

Family

ID=79289197

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111545070.1A Active CN113935202B (zh) 2021-12-17 2021-12-17 一种基于激光雷达的河道演化预警方法

Country Status (1)

Country Link
CN (1) CN113935202B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115290057B (zh) * 2022-09-30 2023-01-03 江苏航运职业技术学院 一种航道软体排状态监测系统及监测方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108594260A (zh) * 2015-07-30 2018-09-28 乌鲁木齐九品芝麻信息科技有限公司 一种基于激光雷达技术的滑坡体变化检测方法
CN111951392A (zh) * 2020-07-26 2020-11-17 长江水利委员会长江科学院 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI353561B (en) * 2007-12-21 2011-12-01 Ind Tech Res Inst 3d image detecting, editing and rebuilding system
US10096154B2 (en) * 2016-04-04 2018-10-09 University Of Cincinnati Localized contour tree method for deriving geometric and topological properties of complex surface depressions based on high resolution topographical data

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108594260A (zh) * 2015-07-30 2018-09-28 乌鲁木齐九品芝麻信息科技有限公司 一种基于激光雷达技术的滑坡体变化检测方法
CN111951392A (zh) * 2020-07-26 2020-11-17 长江水利委员会长江科学院 一种基于时间序列遥感影像和水位监测数据的洲滩枯水位以上地形重建方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
Influence of subsurface flow by Lidar DEMs and physical soil strength considering a simple hydrologic concept for shallow landslide instability mapping;Sukwoo Kim et al;《Catena》;20190619;第1-14页 *
一种基于断面高程数据的河道冲淤计算方法―曲线正交网格地形法;孙中强等;《中国海洋大学学报(自然科学版)》;20180810(第09期);第93-102页 *
丁坝冲刷的三维紊流模拟研究;崔占峰等;《水动力学研究与进展A辑》;20080115;第23卷(第01期);第33-41页 *
丁坝工程冲刷与防护措施研究综述;武永新等;《自然灾害学报》;20200215(第01期);第4-13页 *
北洺河大桥桥墩布设对河道防洪安全的影响;路明等;《科学技术与工程》;20200428(第12期);第256-262页 *
黄土湿陷地区长输管线施工弃渣对河道行洪的影响研究;李兴春等;《油气田环境保护》;20030930(第03期);第47-49页 *

Also Published As

Publication number Publication date
CN113935202A (zh) 2022-01-14

Similar Documents

Publication Publication Date Title
Knighton River adjustment to changes in sediment load: the effects of tin mining on the Ringarooma River, Tasmania, 1875–1984
Madej et al. Channel response to sediment wave propagation and movement, Redwood Creek, California, USA
De Haas et al. How memory effects, check dams, and channel geometry control erosion and deposition by debris flows
CN114218840B (zh) 河口航道水沙运动及其地形演变整体建模及可视化系统
CN104631392B (zh) 一种基于河相关系的航道整治设计方法
JP7055654B2 (ja) 流出解析装置及び流出解析パラメータ調整方法
Mason et al. Using time‐lapse lidar to quantify river bend evolution on the meandering coastal Trinity River, Texas, USA
CN113935202B (zh) 一种基于激光雷达的河道演化预警方法
Guertault et al. Long term evolution of a dam reservoir subjected to regular flushing events
Magirl et al. Changes in the water surface profile of the Colorado River in Grand Canyon, Arizona, between 1923 and 2000
Hassan et al. Geomorphic controls on sediment mobility and channel stability of a riffle-pool gravel bed channel
CN116737989B (zh) 一种基于视频图像的城市地表水文监测网构建方法
Afzalimehr et al. Bedform characteristics in a gravel-bed river
CN114659490B (zh) 崩岸易发段水下岸坡位移实时监测及崩岸预警方法
CN107180287B (zh) 一种基于汶川强震区的泥石流物源转换为泥石流的转换率计算方法
Zarris et al. Οptimum volumetric computation of fluvial sediment deposits in reservoirs by a comparative analysis of different hydrographic survey methodologies
CN114754733B (zh) 堰塞坝体高度预测方法及系统
Massazza et al. Recent Changes in Hydroclimatic Patterns over Medium Niger River Basins at the Origin of the 2020 Flood in Niamey (Niger). Water 2021, 13, 1659
Ghani et al. Flood inundation analysis for large scale river using hydrodynamic and sediment transport model–Case study of Sungai Pahang's December 2014 flood
Comes Geomorphic response to lowhead dam removal in a mid-sized urban river system
Rasool et al. Checking the accuracy of selected formulae for both clear water and live bed bridge Scour
CN109341649B (zh) 穿江地铁引发河床高程变化的动态预报方法
Abdul-Muttalib et al. Morphological Changes Downstream Beni-Suef Bridge on the Nile River in Egypt
Salinas et al. Local scour analysis around a group of pillars with diverse geometries applying 2D modeling-Piura-Peru
Zarris et al. Comparative analysis of different reservoir surveying methodologies for the optimum volumetric computation of fluvial sediment deposits

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