CN114493929A - 一种基于空间分析技术的隧道富水区划分方法 - Google Patents

一种基于空间分析技术的隧道富水区划分方法 Download PDF

Info

Publication number
CN114493929A
CN114493929A CN202210053769.4A CN202210053769A CN114493929A CN 114493929 A CN114493929 A CN 114493929A CN 202210053769 A CN202210053769 A CN 202210053769A CN 114493929 A CN114493929 A CN 114493929A
Authority
CN
China
Prior art keywords
tunnel
water
rich
evaluation
remote sensing
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
CN202210053769.4A
Other languages
English (en)
Inventor
陈则连
刘桂卫
段炼
王飞
崔庆国
王峰
张琪皓
张璇钰
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.)
China Railway Design Corp
Original Assignee
China Railway Design Corp
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 China Railway Design Corp filed Critical China Railway Design Corp
Priority to CN202210053769.4A priority Critical patent/CN114493929A/zh
Publication of CN114493929A publication Critical patent/CN114493929A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/005—General purpose rendering architectures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Graphics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Remote Sensing (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Geometry (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开了一种基于空间分析技术的隧道富水区划分方法，通过获取隧道区高分辨率遥感影像和高精度地质地形数据，构建三维遥感空间场景并进行地质图校正，提取影响隧道富水的评价因子数据集，建立隧道富水评价模型，空间分析数据库构建及模型计算，最终实现隧道富水区划分。本发明能够借助空间分析技术将影响隧道富水的评价因子进行提取、量化和融合，从全局角度实现隧道富水程度的可视化，评价结果直观可靠，为隧道涌水灾害预防提供科学参考，为隧道工程水文地质勘测和隧道施工提供科学指导，提高勘察质量，降低勘察成本，工程实用性强。

Description

一种基于空间分析技术的隧道富水区划分方法
技术领域
本发明涉及隧道水文地质勘察技术，特别是涉及一种基于空间分析技术的隧道富水区划分方法。
背景技术
隧道在施工过程中，时常发生涌水灾害，引起隧道被淹、围岩失稳及塌方等事故，给隧道施工安全带来较大威胁。划分隧道的富水区域，对隧道风险划分、隧道施工防排水设计、保障隧道的施工和运营安全等方面具有重要作用。传统的隧道富水区划分方法多以现场调查和物探手段为主，存在调查点有限、系统性不强等缺点。
发明内容
针对现有技术在隧道富水区划分方面存在的问题，本发明提供一种基于空间分析技术的隧道富水区划分方法，借助地理信息系统空间信息综合分析的优势，综合运用多源信息，构建多评价因子数据集，实现大范围、高精度、多要素综合分析的隧道富水区划分，为隧道涌水灾害预防提供科学参考。
本发明涉及的基于空间分析技术的隧道富水区划分方法的技术步骤包括：
S1、获取隧道区高分辨率遥感影像和高精度地质地形数据
获取隧道区成像分辨率高于1m的遥感影像数据、高精度数字高程数据及比例尺不低于1:10000的地质图数据，收集隧道工程地质资料数据。
S2、三维遥感空间场景构建及地质图校正
对步骤S1获取的遥感影像进行处理，利用步骤S1获取的数字高程数据建立数字高程模型，对数字高程模型和处理后的遥感影像数据进行严格配准和三维渲染处理，构建三维遥感空间场景。对步骤S1获取的地质图数据进行配准和空间校正处理。
S3、提取影响隧道富水的评价因子数据集
所述提取影响隧道富水的评价因子数据集的评价因子数据集包括以下八种信息：断层影响距、河流影响距、地形坡度、地表洼地深度、岩石可溶性、岩层倾角、隧道顶水头高度、节理发育程度。
所述提取影响隧道富水的评价因子数据集采用空间分析技术，分别包括：基于步骤S2建立的三维遥感空间场景，采用空间分析技术提取断层影响距、河流影响距、地形坡度、地表洼地深度；基于步骤S2得到的校正后的地质图数据，采用空间分析技术提取岩石可溶性和岩层倾角信息；基于步骤S1获取的隧道工程地质资料数据，采用空间分析技术提取隧道顶水头高度和节理发育程度信息。
S4、建立隧道富水评价模型
结合步骤S3提取的八种评价因子数据集，分别对各个评价因子进行量化评价，得到各评价因子对隧道富水的评价值R1～R8。
基于评价值，建立隧道富水评价模型如下：
Figure BDA0003475531840000021
K为隧道富水的综合评价结果；Ri分别为八种评价因子的评价值，i分别取1、2、…、8。
对于值越小越富水的评价因子，按下述公式计算：
Figure BDA0003475531840000022
式中，Ri为各因子的评价值，xi为第i种评价因子的实际值，xmax为第i种评价因子的取值范围的最大值，xmin为第i种评价因子的取值范围的最小值。
对于值越大越富水的评价因子，按下述公式计算：
Figure BDA0003475531840000023
式中，xi为第i种评价因子的实际值，xmax为第i种评价因子的取值范围的最大值，xmin为第i种评价因子的取值范围的最小值。
S5、空间分析数据库构建及模型计算
基于空间分析技术将步骤S3提取的八种评价因子信息构建信息数据库。按照步骤S4的评价值公式计算隧道富水的综合评价结果。
S6、隧道富水区划分。
确定隧道富水区划分标准，将步骤S5融合的多评价因子信息结果进行重分类，得到隧道富水程度分区图。
通过步骤S5建立的隧道富水评价模型以及计算得到的综合评价结果K。确定隧道富水区划分标准如下：
当0≤K≤1时，表明隧道为贫水区，不易发生隧道突涌水灾害；
当1<K≤2时，表明隧道为弱富水区，注意隧道内的渗水和滴水；
当2<K≤3时，表明隧道为中等富水区，隧道易发生小规模突涌水灾害，需做好隧道防水措施。
当3<K≤4时，表明隧道为强富水区，隧道极易发生大规模突涌水灾害，需进行专项评价，并做好防水措施。
将计算后的综合评价结果K在地理信息系统中进行重分类，并实现分区显示，即得到隧道富水程度分区图。
本发明能够借助空间分析技术将影响隧道富水的评价因子进行提取、量化和融合，从全局角度实现隧道富水程度的可视化，评价结果直观可靠，为隧道涌水灾害预防提供科学参考，为隧道工程水文地质勘测和隧道施工提供科学指导，提高勘察质量，降低勘察成本,工程实用性强。
附图说明
图1为本发明的一种基于空间分析技术的隧道富水区划分方法的流程图。
图中标记说明：
S1、获取隧道区高分辨率遥感影像和高精度地质地形数据；
S2、三维遥感空间场景构建及地质图校正；
S3、提取影响隧道富水的评价因子数据集；
S4、建立隧道富水评价模型；
S5、空间分析数据库构建及模型计算；
S6、隧道富水区划分。
具体实施方式
下面结合附图对本发明的一种基于空间分析技术的隧道富水区划分方法做进一步说明。
如图1所示，本发明所述的一种基于空间分析技术的隧道富水区划分方法，技术步骤包括：S1、获取隧道区高分辨率遥感影像和高精度地质地形数据；S2、三维遥感空间场景构建及地质图校正；S3、提取影响隧道富水的评价因子数据集；S4、建立隧道富水评价模型；S5、空间分析数据库构建及模型计算；S6、隧道富水区划分。具体实施方式如下：
S1、获取隧道区高分辨率遥感影像和高精度地质地形数据
获取隧道区成像分辨率高于1m的遥感影像数据、高精度数字高程数据及比例尺不低于1:10000的地质图数据，收集隧道工程地质资料数据。
获取隧道区成像分辨率高于1m的遥感影像数据，如分辨率为0.75m的吉林1号卫星影像以及分辨率更高的航空影像。
获取隧道区高精度数字高程数据主要为机载激光雷达(LIDAR)获取的高程数据。LIDAR数据应带有全球定位(GPS)、惯性测量单元(IMU)等姿态定位参数，分辨率不低于1m。
获取隧道区地质图数据，为隧道区1:10000或1:5000地质图数据。
收集隧道工程地质资料数据，包括隧道埋深、地下水位高程和钻孔岩芯日志资料。
S2、三维遥感空间场景构建及地质图校正
对步骤S1获取的遥感影像进行处理，利用步骤S1获取的数字高程数据建立数字高程模型，对数字高程模型和处理后的遥感影像数据进行严格配准和三维渲染处理，构建三维遥感空间场景。对步骤S1获取的地质图数据进行配准和空间校正处理。具体过程如下：
①遥感影像处理
对步骤S1获取的隧道区域遥感影像进行遥感影像的波段组合、几何精校正、图像增强、分辨率融合和无缝镶嵌处理。
②数字高程模型的建立
数字高程模型是构建三维遥感判释空间场景的重要基础。数字高程模型建立途径主要是利用LIDAR获取的高程数据，通过数据处理建立数字高程模型，其数据处理过程包括GPS/IMU联合平差计算、点云滤波、坐标转换处理。
③构建三维遥感判释空间场景
对数字高程模型和处理后的遥感影像进行严格配准，进行三维渲染处理，构建三维遥感判释空间场景。
④地质图数据处理
对步骤S1获取的地质图数据，基于地理信息系统进行地质图配准和空间校正处理，并通过坐标系统转化实现与遥感影像数据的配准。
S3、提取影响隧道富水的评价因子数据集
提取影响隧道富水的评价因子数据集，评价因子数据集包括以下八种信息：断层影响距、河流影响距、地形坡度、地表洼地深度、岩石可溶性、岩层倾角、隧道顶水头高度、节理发育程度。
提取影响隧道富水的评价因子数据集采用的技术手段为空间分析技术，分别包括：基于步骤S2建立的三维遥感空间场景，采用空间分析技术提取断层影响距、河流影响距、地形坡度、地表洼地深度；基于步骤S2得到的校正后的地质图数据，采用空间分析技术提取岩石可溶性和岩层倾角信息；基于步骤S1获取的隧道工程地质资料数据，采用空间分析技术提取隧道顶水头高度和节理发育程度信息。
具体提取过程如下：
①提取断层影响距X1、河流影响距X2、地形坡度X3、地表洼地深度X4信息
提取断层影响距X1信息：将步骤S2得到的处理后地质图叠加到三维遥感判释空间场景中，根据地质图上典型断层的分布信息，在三维遥感空间判释空间场景中，识别典型断层对应的遥感影像特征，包括断层破碎带的直接出露、断层三角面、断层垭口、断层沟谷等线性负地形，不同地貌单元的截然相接，水系变化的异常或突然拐弯等，建立断层遥感判释标志。通过目视解译对工程区断层进行详细判释，得到断层分布信息。将提取的断层分布信息与地质图上断层分布信息进行对比分析，对于存在明显差异的断层，进行现场验证。通过现场验证对判释结果进行修改和完善，得到隧道区断层构造信息。采用空间分析技术建立断层缓冲区，将断层两侧距离0～200m的区域作为断层的影响范围，隧道离断层的距离值越小，隧道越易富水，断层两侧200m以外区域对隧道富水无影响。
提取河流影响距X2信息：基于步骤S2建立的数字高程模型，计算中心栅格与邻域栅格的最大距离权落差确定水流方向，以规则网格数字模型表示地面每点处的水量，按照水流方向，计算该区域的水流累积量。通过河网分级法，计算水流累计量，所有河网弧段汇聚后形成地表河流水系图。采用空间分析技术建立河流缓冲区，划分河流两侧0～200m的区域作为河流的影响范围，隧道离河流的距离值越小，隧道越易富水，河流两侧200m以外区域对隧道富水无影响。
提取地形坡度X3信息：基于步骤S2建立的数字高程模型，建立不规则三角网表面，不规则三角网表面每一个三角形构成一个平面，山体上任意一点必处于某一不规则三角网平面内，计算所有三角网平面的坡度，在地理信息系统中进行聚类分析，可得到隧道区域坡度分类图。将0～90°为影响隧道富水的地形坡度范围，坡度值越小隧道越易富水。
提取地表洼地深度X4信息：基于步骤S2建立的数字高程模型进行水文分析，计算区域内的分水岭，计算水流流向，分区统计得到每个洼地出口最低点，分别计算洼地深度。划分0～50m作为影响隧道富水的洼地深度范围，洼地深度值越大越易富水，洼地深度超过50m的范围按50m进行分类。
②提取岩石可溶性X5和岩层倾角X6信息
提取岩石可溶性X5信息：由于岩石中方解石CaCO3溶于酸性物质，易形成岩溶地貌。基于步骤S2得到的处理后地质图信息，根据岩石矿物特征，判断不同隧道区域的地层岩性含有方解石CaCO3的百分含量，必要时进行岩石薄片鉴定。划分0～100％作为影响隧道富水的岩石可溶性范围，可溶性百分比值越大，隧道越易富水。
提取岩层倾角X6信息：基于步骤S2得到的处理后地质图信息，根据隧道所穿越的岩层，提取岩层倾角信息。划分0～90°作为影响隧道富水的岩层倾角范围，倾角值越小，隧道越易富水。
③提取隧道顶水头高度X7和节理发育程度X8信息
提取隧道顶水头高度X7信息：基于步骤S1收集的隧道埋深和地下水位高程信息，计算地下水位高程与隧道顶部高程差，得到隧道顶水头高度信息。分别划分0～200m作为影响隧道富水的隧道顶水头高度范围，隧道顶水头高度值越大，隧道越易富水。隧道顶水头高度小于0m的按0m进行分类，大于200m的按200m进行分类。
提取节理发育程度X8信息：基于步骤S1收集的钻孔岩芯日志及工程地质资料，判断和提取隧道区域的节理发育程度信息。划分0～100％作为影响隧道富水的节理发育程度范围，节理发育程度值越大，隧道越易富水。
S4、建立隧道富水评价模型；
结合步骤S3提取的八种评价因子数据集，分别对各评价因子进行量化评价，得到各评价因子对隧道富水的评价值R1～R8。基于评价值，建立隧道富水评价模型如下：
Figure BDA0003475531840000061
K为隧道富水的综合评价结果；Ri分别为八种评价因子的评价值，i分别取1、2、…、8。
对于值越小越富水的评价因子，按下述公式计算：
Figure BDA0003475531840000071
式中，Ri为各因子的评价值，xi为第i种评价因子的实际值，xmax为第i种评价因子的取值范围的最大值，xmin为第i种评价因子的取值范围的最小值。
对于值越大越富水的评价因子，按下述公式计算：
Figure BDA0003475531840000072
式中，Ri为各因子的评价值，xi为第i种评价因子的实际值，xmax为第i种评价因子的取值范围的最大值，xmin为第i种评价因子的取值范围的最小值。
八种评价因子的评价值计算如下：
断层影响距：
Figure BDA0003475531840000073
河流影响距：
Figure BDA0003475531840000074
地形坡度：
Figure BDA0003475531840000075
地表洼地深度：
Figure BDA0003475531840000076
岩石可溶性：
Figure BDA0003475531840000077
岩层倾角：
Figure BDA0003475531840000078
隧道顶水头高度：
Figure BDA0003475531840000079
节理发育程度：
Figure BDA00034755318400000710
上述表达式中R1～R8分别为各因子的评价值，x1～x8为各因子的实际值。
S5、空间分析数据库构建及模型计算；
基于空间分析技术将步骤S3提取的八种评价因子数据集转化为栅格信息，以图元数据和空间属性表达评价因子信息，构建不同评价因子信息数据库。按照步骤S4的评价值公式，首先计算各评价因子的评价值，再由地理信息系统进行叠加融合，计算隧道富水的综合评价结果K。
S6、隧道富水区划分。
确定隧道富水区划分标准，将步骤S5融合的多评价因子信息结果进行重分类，得到隧道富水程度分区图。
通过步骤S5建立的隧道富水评价模型以及计算得到的综合评价结果K。确定隧道富水区划分标准如下：
当0≤K≤1时，表明隧道为贫水区，不易发生隧道突涌水灾害；
当1<K≤2时，表明隧道为弱富水区，注意隧道内的渗水和滴水；
当2<K≤3时，表明隧道为中等富水区，隧道易发生小规模突涌水灾害，需做好隧道防水措施。
当3<K≤4时，表明隧道为强富水区，隧道极易发生大规模突涌水灾害，需进行专项评价，并做好防水措施。
将计算后的综合评价结果K在地理信息系统中进行重分类，并实现分区显示，即得到隧道富水程度分区图，为隧道勘察和施工提供科学指导。

Claims (5)

1.一种基于空间分析技术的隧道富水区划分方法，其特征在于，技术步骤包括：获取隧道区高分辨率遥感影像和高精度地质地形数据(S1)、三维遥感空间场景构建及地质图校正(S2)、提取影响隧道富水的评价因子数据集(S3)、建立隧道富水评价模型(S4)、空间分析数据库构建及模型计算(S5)、隧道富水区划分(S6)；
所述获取隧道区高分辨率遥感影像和高精度地质地形数据(S1)中,高分辨率遥感影像包括成像分辨率高于1m的遥感影像数据和高精度数字高程数据，高精度地质地形数据包括比例尺不低于1:10000的地质图数据和隧道工程地质资料数据；
所述三维遥感空间场景构建及地质图校正(S2)中，构建三维遥感空间场景包括遥感影像处理、建立数字高程模型、影像和高程模型严格配准、三维渲染处理,地质图校正包括地质图数据配准和空间校正处理；
所述提取影响隧道富水的评价因子数据集(S3)，包括基于三维遥感空间场景构建及地质图校正(S2)建立的三维遥感空间场景，采用空间分析技术提取断层影响距、河流影响距、地形坡度、地表洼地深度；基于三维遥感空间场景构建及地质图校正(S2)得到的校正后的地质图数据，采用空间分析技术提取岩石可溶性和岩层倾角信息；基于获取隧道区高分辨率遥感影像和高精度地质地形数据(S1)获取的隧道工程地质资料数据，采用空间分析技术提取隧道顶水头高度和节理发育程度信息；所述评价因子数据集，包括以下八种信息：断层影响距、河流影响距、地形坡度、地表洼地深度、岩石可溶性、岩层倾角、隧道顶水头高度、节理发育程度；
所述建立隧道富水评价模型(S4)分别对各个评价因子进行量化评价，得到各评价因子对隧道富水的评价值R1～R8；所述建立隧道富水评价模型采用如下：
Figure FDA0003475531830000011
K为隧道富水的综合评价结果；Ri分别为八种评价因子的评价值，i分别取1、2、…、8；
所述空间分析数据库构建及模型计算(S5)中，空间分析数据库构建基于空间分析技术将提取影响隧道富水的评价因子数据集(S3)提取的八种评价因子信息构建信息数据库，模型计算按照建立隧道富水评价模型(S4)的评价值公式计算隧道富水的综合评价结果；
所述隧道富水区划分(S6)，首先确定隧道富水区划分标准，其次按照划分标准将空间分析数据库构建及模型计算(S5)融合的多评价因子信息结果进行重分类，最后将重分类结果按照颜色、纹理等特征进行表现，得到隧道富水程度分区图。
2.根据权利要求1所述一种基于空间分析技术的隧道富水区划分方法，其特征在于：所述构建三维遥感空间场景中，遥感影像处理包括遥感影像的波段组合、几何精校正、图像增强、分辨率融合和无缝镶嵌处理；数字高程模型建立利用机载激光雷达获取的高程数据，通过数据处理建立数字高程模型，其数据处理过程包括数据应带有全球定位/惯性测量单元联合平差计算、点云滤波、坐标转换处理。
3.根据权利要求1所述一种基于空间分析技术的隧道富水区划分方法，其特征在于：所述提取影响隧道富水的评价因子数据集的具体提取过程包括：
提取断层影响距信息，采用空间分析技术建立断层缓冲区，将断层两侧距离0～200m的区域作为断层的影响范围，隧道离断层的距离值越小，隧道越易富水，断层两侧200m以外区域对隧道富水无影响；
提取河流影响距信息，采用空间分析技术建立河流缓冲区，划分河流两侧0～200m的区域作为河流的影响范围，隧道离河流的距离值越小，隧道越易富水，河流两侧200m以外区域对隧道富水无影响；
提取地形坡度信息，基于三维遥感空间场景构建及地质图校正(S2)建立的数字高程模型，建立不规则三角网表面，不规则三角网表面每一个三角形构成一个平面，山体上任意一点必处于某一不规则三角网平面内，计算所有三角网平面的坡度，在地理信息系统中进行聚类分析，可得到隧道区域坡度分类图；
提取地表洼地深度信息，基于三维遥感空间场景构建及地质图校正(S2)建立的数字高程模型进行水文分析，计算区域内的分水岭，计算水流流向，分区统计得到每个洼地出口最低点，分别计算洼地深度；
提取岩石可溶性信息，基于三维遥感空间场景构建及地质图校正(S2)得到的处理后地质图信息，根据岩石矿物特征判断不同隧道区域的地层岩性含有方解石CaCO3的百分含量，划分0～100％作为影响隧道富水的岩石可溶性范围，可溶性百分比值越大，隧道越易富水；
提取岩层倾角信息，基于三维遥感空间场景构建及地质图校正(S2)得到的处理后地质图信息，根据隧道所穿越的岩层，提取岩层倾角信息；
提取隧道顶水头高度信息，基于获取隧道区高分辨率遥感影像和高精度地质地形数据(S1)收集的隧道埋深和地下水位高程信息，计算地下水位高程与隧道顶部高程差，得到隧道顶水头高度信息；
提取节理发育程度信息，基于获取隧道区高分辨率遥感影像和高精度地质地形数据(S1)收集的钻孔岩芯日志及工程地质资料，判断和提取隧道区域的节理发育程度信息。
4.根据权利要求1所述一种基于空间分析技术的隧道富水区划分方法，其特征在于：所述计算隧道富水的综合评价结果，按照建立隧道富水评价模型(S4)的评价值公式，首先计算各评价因子的评价值，再由地理信息系统进行叠加融合，计算隧道富水的综合评价结果K。
5.根据权利要求1所述一种基于空间分析技术的隧道富水区划分方法，其特征在于：所述隧道富水区划分标准如下：
当0≤K≤1时，表明隧道为贫水区，不易发生隧道突涌水灾害；
当1＜K≤2时，表明隧道为弱富水区，注意隧道内的渗水和滴水；
当2＜K≤3时，表明隧道为中等富水区，隧道易发生小规模突涌水灾害，需做好隧道防水措施；
当3＜K≤4时，表明隧道为强富水区，隧道极易发生大规模突涌水灾害，需进行专项评价，并做好防水措施。
CN202210053769.4A 2022-01-18 2022-01-18 一种基于空间分析技术的隧道富水区划分方法 Pending CN114493929A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210053769.4A CN114493929A (zh) 2022-01-18 2022-01-18 一种基于空间分析技术的隧道富水区划分方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210053769.4A CN114493929A (zh) 2022-01-18 2022-01-18 一种基于空间分析技术的隧道富水区划分方法

Publications (1)

Publication Number Publication Date
CN114493929A true CN114493929A (zh) 2022-05-13

Family

ID=81511097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210053769.4A Pending CN114493929A (zh) 2022-01-18 2022-01-18 一种基于空间分析技术的隧道富水区划分方法

Country Status (1)

Country Link
CN (1) CN114493929A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880597A (zh) * 2023-02-15 2023-03-31 中国铁路设计集团有限公司 一种基于遥感技术的岩溶区落水洞提取方法
CN116563672A (zh) * 2023-07-05 2023-08-08 中国地质大学（武汉） 一种岩土体分类模型构建方法及岩土体分类方法
CN116681342A (zh) * 2023-06-13 2023-09-01 中铁十六局集团有限公司 一种富水砂化白云岩地层隧道掌子面致灾因子评估方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115880597A (zh) * 2023-02-15 2023-03-31 中国铁路设计集团有限公司 一种基于遥感技术的岩溶区落水洞提取方法
CN116681342A (zh) * 2023-06-13 2023-09-01 中铁十六局集团有限公司 一种富水砂化白云岩地层隧道掌子面致灾因子评估方法
CN116563672A (zh) * 2023-07-05 2023-08-08 中国地质大学（武汉） 一种岩土体分类模型构建方法及岩土体分类方法
CN116563672B (zh) * 2023-07-05 2023-09-19 中国地质大学（武汉） 一种岩土体分类模型构建方法及岩土体分类方法

Similar Documents

Publication Publication Date Title
Nikolakopoulos et al. UAV vs classical aerial photogrammetry for archaeological studies
Hervás et al. Monitoring landslides from optical remotely sensed imagery: the case history of Tessina landslide, Italy
Ajayi et al. Modelling farmland topography for suitable site selection of dam construction using unmanned aerial vehicle (UAV) photogrammetry
CN114493929A (zh) 一种基于空间分析技术的隧道富水区划分方法
CN102506824B (zh) 一种城市低空无人机系统生成数字正射影像图的方法
Jorayev et al. Imaging and photogrammetry models of Olduvai Gorge (Tanzania) by Unmanned Aerial Vehicles: A high-resolution digital database for research and conservation of Early Stone Age sites
Zekkos et al. Lessons learned from the application of UAV-enabled structure-from-motion photogrammetry in geotechnical engineering
Akgul et al. Evaluation of UAV-and GNSS-based DEMs for earthwork volume
US20110282578A1 (en) Method of generating a Geodetic Reference Database Product
CN104931022A (zh) 基于星载激光测高数据的卫星影像立体区域网平差方法
CN112198511A (zh) 一种基于星空地一体化地质灾害普查方法
CN107861129A (zh) 一种山地地貌遥感提取方法
CN103698818B (zh) 一种基于三维遥感判释技术的正断层产状要素量测方法
Mihai et al. High resolution landscape change analysis with CORONA KH-4B imagery. A case study from Iron Gates reservoir area
Chrysoulakis et al. Validation of ASTER GDEM for the Area of Greece
CN111426303A (zh) 一种岩溶坡立谷参数测量方法
CN114898053A (zh) 基于三维空间影像技术的碎裂松动岩体发育范围圈定方法
Yan et al. Detection and numerical simulation of potential hazard in oil pipeline areas based on UAV surveys
Mora-Felix et al. Effect of photogrammetric RPAS flight parameters on plani-altimetric accuracy of DTM
Chrysoulakis et al. Analysis of ASTER multispectral stereo imagery to produce DEM and land cover databases for Greek islands: The REALDEMS project
Liu et al. Architecture planning and geo-disasters assessment mapping of landslide by using airborne LiDAR data and UAV images
CN109991682B (zh) 地表水体与隧道水力联系的遥感分析方法
CN115638772A (zh) 基于无人机影像数据提取高山峡谷区滑坡灾害信息的方法
Dai et al. Application of UAV photogrammetry on ecological restoration of abandoned open-pit mines, Northern Anhui province, China
Haas et al. Quantification and analysis of geomorphic processes on a recultivated iron ore mine on the Italian island Elba using long-time ground-based LIDAR and photogrammetric data by an UAV

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