CN114333257A - 一种滑坡变形速率临界值确定及滑坡预警方法 - Google Patents
一种滑坡变形速率临界值确定及滑坡预警方法 Download PDFInfo
- Publication number
- CN114333257A CN114333257A CN202111653273.2A CN202111653273A CN114333257A CN 114333257 A CN114333257 A CN 114333257A CN 202111653273 A CN202111653273 A CN 202111653273A CN 114333257 A CN114333257 A CN 114333257A
- Authority
- CN
- China
- Prior art keywords
- deformation rate
- early warning
- landslide
- average
- data
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种滑坡变形速率临界值确定方法,包括以下步骤:S1将所测岩石分类;S2提取稳定变形阶段,计算每一个稳定变形阶段的平均变形速率;S3建立坡体平均变形速率‑累计百分比对应曲线;S4筛选平均变形速率数据,剔除极高值区间数据;S5获得各预警分类数值的中心值,根据求平均的方法得到各预警分类临界值。还提供了一种滑坡预警方法,该方法根据各预警分类临界值进行分等级的滑坡预警。本发明科学系统的构建了滑坡平均变形速率临界值确定方法,较现有依靠经验进行临界值确定方法更加可靠、真实,且本发明通过对变形速率临界值的分等级的确定,能够进行不同等级的滑坡预警,为精准的滑坡预警提供了科学、理论依据。
Description
技术领域
本发明涉及滑坡变形速率领域,具体涉及一种滑坡变形速率临界值确定及滑坡预警方法。
背景技术
我国2/3的陆地为山区,滑坡是山区常见的自然灾害,对山区居民的生命财产安全和山区基础设施的安全施工运营构成重要威胁。在有变形迹象的坡体上安装变形监测设备,测量地表位移、裂缝宽度等变形信息,根据实时监测的变形速率发布预警信息,是当前依据专业设备监测开展滑坡灾害防灾减灾的主要手段。在滑坡预警中,一般分为蓝色预警、黄色预警、橙色预警和红色预警,其对应的预警等级依次提高。目前,不同预警等级对应的变形速率临界值一般根据经验获取,科学依据不足,而且不考虑坡体地质岩性。
发明内容
为解决上述问题,本发明目的在于提供一种滑坡变形速率临界值确定方法,该方法创新性的提出一种分岩性提取滑坡变形速率信息,并对信息进行统计分类、建立滑坡平均变形速率曲线、剔除预警意义不大的极高值区间数据,从而较为精准的确定不同预警等级对应变形速率临界值。本方法对滑坡变形速率临界值的确定,建立了一种通用、普适的、较为精准的确定方法。本发明还提出了一种新的不靠经验值进行的滑坡预警方法,为滑坡预警提供了一种可靠、有法可依的新理论基础。
本发明通过下述技术方案实现:
一种滑坡变形速率临界值确定方法,包括以下步骤:
S1将所测坡体基岩根据岩石软硬程度分类成坚硬岩、较坚硬岩、较软岩或软岩中的一种;
S2提取该类岩石滑坡坡体的稳定变形阶段,计算每一个稳定变形阶段的平均变形速率:
式中,D1和D2分别为稳定变形阶段开始和结束时的累积位移量;T1和T2分别为稳定变形阶段的开始时刻和结束时刻;
S3建立坡体平均变形速率-累计百分比对应曲线:以取常用对数的平均变形速率vi为横坐标,其对应的累计百分比pi为纵坐标,构建坡体平均变形速率-累计百分比对应曲线,其中取常用对数的平均变形速率vi对应的累计百分比pi:
式中,Ni为平均变形速率小于等于vi的数据个数;
Nt为平均变形速率数据的总个数;
S4在步骤S3的平均变形速率和累计百分比对应曲线上,筛选平均变形速率数据,剔除极高值区间数据;本发明中所述的极高值区间是指坡体已经发生滑坡时的平均变形速率值区间。
S5将步骤S4筛选得到的平均变形速率原始数值用K-means聚类方法进行预警分类,获得各预警分类数值的中心值,根据求平均的方法得到各预警分类临界值。
S4中剔除极高值区间数据的具体方法为:在坡体平均变形速率和累计百分比对应曲线上,在中间稳定段和最高值段分别做线性拟合,拟合曲线分别记为line1和line2,其对应的拟合线分别为:
y=a1x+b1
y=a2x+b2
由此可以计算拟合线line1和line2的交点对应的x坐标:
计算与x对应的平均变形速率原始值v′:v′=10x,将平均变形速率原始值大于v′的数据剔除即可。
所述S2中,稳定变形阶段是指累积位移-时间关系线呈直线或接近直线的阶段。
一种滑坡预警方法,先按照如前所述的滑坡变形速率临界值确定方法计算出各个预警级别分类的临界值,再根据滑坡的监测数据,计算出此滑坡的日变形速率,比较此变形速率和各个预警级别分类的临界值的大小,即可进行预警。
本发明与现有技术相比,具有如下的优点和有益效果:
1、本发明科学系统的构建了滑坡平均变形速率临界值确定方法,较现有依靠经验进行临界值确定方法更加可靠、真实;
2、本发明通过提取位移变化稳定阶段,敏锐地分析了平均变形速率值的分布范围,从而能够精简的构建平均变形速率和累计百分比的对应曲线关系,最终确立滑坡平均变形速率临界值;
3、本发明通过对变形速率临界值的分等级的确定,能够进行不同等级的滑坡预警,为精准的滑坡预警提供了科学、理论依据。
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为岩石分类图;
图2为滑坡地表位移监测的累积位移-时间关系线图;
图3为坡体平均变形速率-累计百分比对应曲线图;
图4为数据筛选示意图;
图5为实施例2的坡体平均变形速率-累计百分比对应曲线图。
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1
此实施例是选取坡体基岩为坚硬岩类的滑坡数据进行具体说明,如下:
1岩性分类
本发明采取的岩性分类方法依据公路隧道围岩分级标准,将软岩和极软岩合并为一类,因此共分为4类:分别为坚硬岩、较坚硬岩、较软岩、软岩。如图1所示。对每类岩性的坡体分别开展2~5步骤的分析流程。
2滑坡变形阶段提取和平均变形速率计算
坡体监测的地表位移的变化曲线具有明显的阶段性,选取累积位移的变化速率比较稳定(即累积位移-时间关系线基本呈直线)的阶段,如图2中的段落S1、S2、S3、S4和S5,一个阶段的时间长度可能是几小时、几天或者几十天,根据下式计算每个阶段的平均变形速率v:
式中,D1和D2分别为时段开始和结束时的累积位移量;T1和T2分别为时段的开始时刻和结束时刻。
3建立坡体平均变形速率-累计百分比对应曲线
把大量坡体的平均变形速率监测数据放在一起,可以发现坡体平均变形速率数据变化范围很大,可以跨越几个数量级。将平均变形速率值取常用对数(以10为底的对数)或者自然对数也可以,并从小到大排序,计算每个平均变形速率值的对数对应的累计百分比。
这里以取常用对数为例:取常用对数的平均变形速率vi为横坐标,其对应的累计百分比pi为纵坐标,构建坡体平均变形速率-累计百分比对应曲线,常用对数的平均变形速率vi对应的累计百分比pi的计算式为:
式中,Ni为平均变形速率小于等于vi的数据的个数;Nt为平均变形速率数据的总个数。
图3显示了坡体岩性为坚硬岩的348个平均变形速率数据。从图3中可以看出,取常用对数的平均变形速率数据主要分布在0~2之间,另外一些数据分布在极低值区,代表坡体变形非常缓慢的情况,还有一些数据分布在极高值区,代表坡体可能已经滑动的情况。
4平均变形速率数据的筛选
在进一步分析数据前,需要把图3中极高值区间的数据剔除,只保留坡体滑动前监测到的数据。剔除方法为:在中间稳定段和最高值段分别做线性拟合(如图4所示),拟合曲线分别记为line1和line2,其对应的拟合线分别为:
y=32.2633x+18.974
y=2.1902x+88.6625
由此可以计算拟合线line1和line2的交点对应的x坐标:
于是可以计算与x对应的平均变形速率值v′:
v′=102.3173=207.63(mm/d)
平均变形速率原始值大于v′的数据剔除,其他数据用于分类,此时数据共有304个。
5数据分类
使用K-means聚类方法对上述304个平均变形速率数据进行分类,可以根据需求确定分类数量。比如目前滑坡灾害预警一般分为蓝色、黄色、橙色、红色4类,但是考虑到大部分变形阶段处于初期变形阶段,因此在分类时添加无预警1类,因此一共需要分为5类。上述304个数据分为5类时,5种类型的数量分别为198个、71个、23个、9个、3个,其占比分别为65.1%、23.4%、7.6%、3.0%、1.0%。5类数据的中心值分别为3.62mm/d、24.17mm/d、76.33mm/d、130.66mm/d、203.73mm/d,由相邻两类数据的中心值求平均可以计算出其临界值:
蓝色预警临界值0.5×(3.62+24.17)=13.90mm/d
黄色预警临界值0.5×(24.17+76.33)=50.25mm/d
橙色预警临界值0.5×(76.33+130.66)=103.49mm/d
红色预警临界值0.5×(130.66+203.73)=167.19mm/d
6不同岩性类型的分级预警临界值
按照2~5步骤分别得到其他三种岩性的分级预警临界值,最终结果如下(单位:mm/d):
坚硬岩 | 较坚硬岩 | 较软岩 | 软岩 | |
蓝色预警临界值 | 13.90 | 13.15 | 9.26 | 6.31 |
黄色预警临界值 | 50.25 | 34.53 | 25.92 | 20.64 |
橙色预警临界值 | 103.49 | 64.25 | 51.98 | 44.98 |
红色预警临界值 | 167.19 | 107.11 | 84.68 | 79.38 |
实施例2为滑坡预警方法具体说明方式,具体如下:
收集甘肃省、陕西省、四川省等10个省份的94个坡体岩性属于较坚硬岩的坡体2020年的GNSS变形监测资料,按照前述步骤共获得607个平均变形速率数据,这些数据的变化范围为0.03mm/d~194268mm/d。取常用对数的平均变形速率的分布曲线如图5所示。
这607个取常用对数的平均变形速率的平均值为1.048,该平均值对应的累计百分比为52.88%,取累计百分比值位于42.88%~62.88%范围的数据进行中间稳定段的线性拟合(共121个数据点),中间稳定段的线性拟合结果为:
y=37.6607x+12.6383
取数据点个数的2%(即12个)的最高值点开展最高值段的数据拟合,最高值段的线性拟合结果为:
y=1.1077x+93.6971
由此计算交点处的x值为2.2176,即平均变形速率原始值大于165.04mm/d的数据点剔除,这时剩余数据点共有541个。
对剩余的541个平均变形速率原始数据进行K-means聚类,共分为5类,5类数据的中心值分别为3.69mm/d、22.61mm/d、46.45mm/d、82.04mm/d、132.17mm/d,相邻两类的分界值即蓝色、黄色、橙色和红色预警的临界值,分别为13.15mm/d、34.53mm/d、64.25mm/d、107.11mm/d。
预警实施案例
学校院子滑坡位于陕西省安康市岚皋县民主镇农田村二组,坡体岩性属于较坚硬岩,2020年8月14日坡体上安装GNSS设备,开始进行位移监测。2021年8月11日前,监测数据显示坡体变形速率一直低于13mm/d,监测系统处于无预警状态。2021年8月12日12时到8月13日12时,当地发生暴雨,24小时降雨量达62.6mm。降雨使得坡体变形加速,8月13日22时,与8月12日22时相比,坡体变形量增加15.13mm,变形速率超过蓝色预警临界值(13.15mm/d),系统开始发出蓝色预警;8月13日0时,与8月12日0时相比,坡体变形量增加71.30mm,变形速率超过橙色预警临界值(64.25mm/d),预警等级升级为橙色;8月13日2时,与8月12日2时相比,坡体变形量增加113.35mm,变形速率超过红色预警临界值(107.11mm/d),预警等级升级为红色。8月14日5时,变形速率减缓,系统回归橙色预警状态,8月14日14时后再次升级为红色预警。8月14日20时变形速率开始下降,8月15日13时降级为橙色预警,18时降级为黄色预警,8月16日11时,变形速率将至13mm/d以下,滑坡预警解除。
本发明中,未详细描述的均是现有技术。
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 (4)
1.一种滑坡变形速率临界值确定方法,其特征在于,包括以下步骤:
S1将所测坡体基岩根据岩石软硬程度分类成坚硬岩、较坚硬岩、较软岩或软岩中的一种;
S2提取该类岩石滑坡坡体的稳定变形阶段,计算每一个稳定变形阶段的平均变形速率:
式中,D1和D2分别为稳定变形阶段开始和结束时的累积位移量;T1和T2分别为稳定变形阶段的开始时刻和结束时刻;
S3建立坡体平均变形速率-累计百分比对应曲线:以取常用对数的平均变形速率vi为横坐标,其对应的累计百分比pi为纵坐标,构建坡体平均变形速率-累计百分比对应曲线,其中取常用对数的平均变形速率vi对应的累计百分比pi:
式中,Ni为平均变形速率小于等于vi的数据个数;Nt为平均变形速率数据的总个数;
S4在步骤S3的平均变形速率-累计百分比对应曲线上,筛选平均变形速率数据,剔除极高值区间数据;
S5将步骤S4筛选得到的平均变形速率原始数值用K-means聚类方法进行预警分类,获得各预警分类数值的中心值,根据求平均的方法得到各预警分类临界值。
3.根据权利要求1所述的方法,其特征在于,所述S2中,稳定变形阶段是指累积位移-时间关系线呈直线或接近直线的阶段。
4.一种滑坡预警方法,其特征在于,先按照如权利要求1-3任一项所述的滑坡变形速率临界值确定方法计算出各个预警级别分类的临界值,再根据滑坡的监测数据,计算出此滑坡的日变形速率,比较此变形速率和各个预警级别分类的临界值的大小,即可进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111653273.2A CN114333257B (zh) | 2021-12-30 | 2021-12-30 | 一种滑坡变形速率临界值确定及滑坡预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111653273.2A CN114333257B (zh) | 2021-12-30 | 2021-12-30 | 一种滑坡变形速率临界值确定及滑坡预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114333257A true CN114333257A (zh) | 2022-04-12 |
CN114333257B CN114333257B (zh) | 2023-05-26 |
Family
ID=81018478
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111653273.2A Active CN114333257B (zh) | 2021-12-30 | 2021-12-30 | 一种滑坡变形速率临界值确定及滑坡预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114333257B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115218808A (zh) * | 2022-07-18 | 2022-10-21 | 太原理工大学 | 一种随掘围岩稳定性判定与预警方法及系统 |
CN115410342A (zh) * | 2022-08-26 | 2022-11-29 | 安徽省地质矿产勘查局332地质队 | 一种基于裂缝计实时监测的滑坡灾害智能预警方法 |
CN115424415A (zh) * | 2022-08-30 | 2022-12-02 | 安徽省新近纪防灾科技有限公司 | 一种基于gnss实时监测的滑坡灾害智能预警方法 |
CN116453320A (zh) * | 2023-04-20 | 2023-07-18 | 南京大学 | 基于滑面应变演化的库区滑坡变形监测与早期预警方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1209858A1 (ru) * | 1983-09-13 | 1986-02-07 | Московский Ордена Трудового Красного Знамени Горный Институт | Способ контрол устойчивости бортов карьера |
JP2009093594A (ja) * | 2007-10-12 | 2009-04-30 | Hazama Corp | 防災監視システム及び防災監視方法 |
CN101477207A (zh) * | 2009-01-20 | 2009-07-08 | 中国科学院水利部成都山地灾害与环境研究所 | 一种智能型地质灾害综合监测系统及多级预报分析方法 |
WO2011069613A1 (de) * | 2009-12-11 | 2011-06-16 | Deutsches Zentrum Für Luft- Und Raumfahrt E.V. (Dlr E.V.) | Vorrichtung und verfahren zur risikobasierten zuweisung von warnstufen |
CN102509420A (zh) * | 2011-10-12 | 2012-06-20 | 北京科技大学 | 一种基于临滑区变形信息的滑坡预报方法 |
CN104299367A (zh) * | 2014-10-23 | 2015-01-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡灾害多级综合监测预警方法 |
CN106295040A (zh) * | 2016-08-17 | 2017-01-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 滑坡灾害监测预警地表测斜仪阈值判定方法 |
CN107516402A (zh) * | 2017-10-01 | 2017-12-26 | 中国科学院、水利部成都山地灾害与环境研究所 | 区域滑坡灾害雨量预警方法、预警系统 |
US20180045853A1 (en) * | 2016-08-15 | 2018-02-15 | U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration | Landslide hazard assessment system and method |
CN108010280A (zh) * | 2017-12-26 | 2018-05-08 | 成都理工大学 | 一种突发性黄土滑坡预警方法及其应用 |
CN108538026A (zh) * | 2018-02-23 | 2018-09-14 | 青岛理工大学 | 一种边坡稳定性的多指标综合评价与预警方法 |
CN108961685A (zh) * | 2017-05-18 | 2018-12-07 | 中央开发株式会社 | 滑坡及边坡塌方早期预警系统 |
WO2019123475A1 (en) * | 2017-12-18 | 2019-06-27 | Varun Dutt | Low-cost sensor-based system for landslide monitoring and alerts |
CN111209528A (zh) * | 2020-01-06 | 2020-05-29 | 武汉理工大学 | 一种边坡累计位移分级预警阀值确定方法 |
-
2021
- 2021-12-30 CN CN202111653273.2A patent/CN114333257B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SU1209858A1 (ru) * | 1983-09-13 | 1986-02-07 | Московский Ордена Трудового Красного Знамени Горный Институт | Способ контрол устойчивости бортов карьера |
JP2009093594A (ja) * | 2007-10-12 | 2009-04-30 | Hazama Corp | 防災監視システム及び防災監視方法 |
CN101477207A (zh) * | 2009-01-20 | 2009-07-08 | 中国科学院水利部成都山地灾害与环境研究所 | 一种智能型地质灾害综合监测系统及多级预报分析方法 |
WO2011069613A1 (de) * | 2009-12-11 | 2011-06-16 | Deutsches Zentrum Für Luft- Und Raumfahrt E.V. (Dlr E.V.) | Vorrichtung und verfahren zur risikobasierten zuweisung von warnstufen |
CN102509420A (zh) * | 2011-10-12 | 2012-06-20 | 北京科技大学 | 一种基于临滑区变形信息的滑坡预报方法 |
CN104299367A (zh) * | 2014-10-23 | 2015-01-21 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种滑坡灾害多级综合监测预警方法 |
US20180045853A1 (en) * | 2016-08-15 | 2018-02-15 | U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration | Landslide hazard assessment system and method |
CN106295040A (zh) * | 2016-08-17 | 2017-01-04 | 中国科学院、水利部成都山地灾害与环境研究所 | 滑坡灾害监测预警地表测斜仪阈值判定方法 |
CN108961685A (zh) * | 2017-05-18 | 2018-12-07 | 中央开发株式会社 | 滑坡及边坡塌方早期预警系统 |
CN107516402A (zh) * | 2017-10-01 | 2017-12-26 | 中国科学院、水利部成都山地灾害与环境研究所 | 区域滑坡灾害雨量预警方法、预警系统 |
WO2019123475A1 (en) * | 2017-12-18 | 2019-06-27 | Varun Dutt | Low-cost sensor-based system for landslide monitoring and alerts |
CN108010280A (zh) * | 2017-12-26 | 2018-05-08 | 成都理工大学 | 一种突发性黄土滑坡预警方法及其应用 |
CN108538026A (zh) * | 2018-02-23 | 2018-09-14 | 青岛理工大学 | 一种边坡稳定性的多指标综合评价与预警方法 |
CN111209528A (zh) * | 2020-01-06 | 2020-05-29 | 武汉理工大学 | 一种边坡累计位移分级预警阀值确定方法 |
Non-Patent Citations (4)
Title |
---|
亓星: ""突发型黄土滑坡监测预警研究——以甘肃黑方台黄土滑坡为例"" * |
姬超;陈好;陈皓;龙伦刚;: "考虑前缘桩锚支挡作用的滑坡变形预警指标研究" * |
彭晨晖;昝军;王世杰;吴浩;胡少华;: "基于改进CM的尾矿坝体变形4级预警阈值确定方法" * |
李聪;朱杰兵;汪斌;蒋昱州;刘小红;曾平;: "滑坡不同变形阶段演化规律与变形速率预警判据研究" * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115218808A (zh) * | 2022-07-18 | 2022-10-21 | 太原理工大学 | 一种随掘围岩稳定性判定与预警方法及系统 |
CN115218808B (zh) * | 2022-07-18 | 2023-07-14 | 太原理工大学 | 一种随掘围岩稳定性判定与预警方法及系统 |
CN115410342A (zh) * | 2022-08-26 | 2022-11-29 | 安徽省地质矿产勘查局332地质队 | 一种基于裂缝计实时监测的滑坡灾害智能预警方法 |
CN115410342B (zh) * | 2022-08-26 | 2023-08-11 | 安徽省地质矿产勘查局332地质队 | 一种基于裂缝计实时监测的滑坡灾害智能预警方法 |
CN115424415A (zh) * | 2022-08-30 | 2022-12-02 | 安徽省新近纪防灾科技有限公司 | 一种基于gnss实时监测的滑坡灾害智能预警方法 |
CN116453320A (zh) * | 2023-04-20 | 2023-07-18 | 南京大学 | 基于滑面应变演化的库区滑坡变形监测与早期预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114333257B (zh) | 2023-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114333257A (zh) | 一种滑坡变形速率临界值确定及滑坡预警方法 | |
Fan et al. | Two multi-temporal datasets that track the enhanced landsliding after the 2008 Wenchuan earthquake | |
Zhao et al. | GIS-based logistic regression for rainfall-induced landslide susceptibility mapping under different grid sizes in Yueqing, Southeastern China | |
Malamud et al. | Landslide inventories and their statistical properties | |
CN109241627B (zh) | 概率分级的动态支护方法及自动设计支护方案的装置 | |
Birkinshaw et al. | 45 years of non-stationary hydrology over a forest plantation growth cycle, Coalburn catchment, Northern England | |
Dong et al. | The role of the sediment budget in understanding debris flow susceptibility | |
Spiekermann et al. | Quantifying effectiveness of trees for landslide erosion control | |
CN108052761A (zh) | 一种滑坡预测方法 | |
CN113011094A (zh) | 混合gbdt和随机森林算法的土压平衡盾构机渣土改良方法 | |
CN116699612A (zh) | 融合InSAR形变量与降雨量的滑坡危险性评价方法 | |
CN102938069A (zh) | 一种基于信息熵的纯净和混合像元自动划分方法 | |
Guo et al. | Data mining technology for the identification and threshold of governing factors of landslide in the Three Gorges Reservoir area | |
Yudhicara et al. | Geomorphic Analysis in Determining Tectonic Activity Affected by Sumatra Fault in Liwa Region and Its Surrounding Area, Lampung, Indonesia | |
Jha et al. | Impact assessment of mining activities on surface and sub-surface water condition of Ramgarh, Jharkhand, India using geospatial techniques | |
CN115526036A (zh) | 一种岩爆规模等级的判别方法及系统 | |
Amadu et al. | Geostatistical Approach for The Estimation of Shear-Hosted Gold Deposit: A Case Study of The Obuasi Gold Deposit, Ghana | |
CN114966688A (zh) | 一种单斜缓倾岩溶滑坡隐患识别方法及系统 | |
CN106875062A (zh) | 一种考虑概念性影响因子建立水土流失监测与预警模型的方法 | |
Korte et al. | Landslide susceptibility and soil loss estimates for drift creek watershed, lincoln county, oregon | |
Han et al. | The structure of a magnitude-frequency relation for debris flows conditioned by earthquake shock | |
Parhizkar et al. | Grade uncertainty and its impact on ore grade reconciliation between the resource model and the mine | |
Cárdenas et al. | Modeling of the monthly distribution of soil erosion and sediment yield in the Tucutunemo Basin, Venezuela | |
Chiang et al. | Improvement of sediment simulation in landslide areas using SWAT model with various landslide triggering factors and multiple thresholds | |
D'Addario | A New Approach to Assess the Susceptibility to Shallow Landslides at Regional Scale as Influenced by Bedrock Geo-Mechanical Properties |
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 |