CN114611941A - 一种考虑空间危险性的滑坡灾害评价方法及系统 - Google Patents
一种考虑空间危险性的滑坡灾害评价方法及系统 Download PDFInfo
- Publication number
- CN114611941A CN114611941A CN202210247770.0A CN202210247770A CN114611941A CN 114611941 A CN114611941 A CN 114611941A CN 202210247770 A CN202210247770 A CN 202210247770A CN 114611941 A CN114611941 A CN 114611941A
- Authority
- CN
- China
- Prior art keywords
- rainfall
- landslide
- early warning
- data
- hazard
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 36
- 230000001960 triggered effect Effects 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000008878 coupling Effects 0.000 claims abstract description 10
- 238000010168 coupling process Methods 0.000 claims abstract description 10
- 238000005859 coupling reaction Methods 0.000 claims abstract description 10
- 230000001939 inductive effect Effects 0.000 claims abstract description 10
- 238000007619 statistical method Methods 0.000 claims description 18
- 238000011160 research Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 9
- 238000012544 monitoring process Methods 0.000 abstract description 5
- 238000013316 zoning Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
- G06Q10/063114—Status monitoring or status determination for a person or group
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Computer Security & Cryptography (AREA)
- Alarm Systems (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
一种考虑空间危险性的滑坡灾害评价方法及系统,利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;根据易发性结果进行滑坡灾害空间危险性预警等级划分;将获得的降雨触发滑坡灾害的预警分级与获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。本发明结合滑坡灾害空间危险性区划,提高区域内预测降雨滑坡预警阈值的精度,为滑坡地质灾害监测预警决策提供科学依据。
Description
技术领域
本发明涉及一种考虑空间危险性的滑坡灾害评价方法及系统,属于滑坡灾害预测技术领域。
背景技术
降雨是导致滑坡发生的重要因素,90%以上的滑坡与降雨有着密切关系。一般认为,雨水能使滑坡体及滑面的抗滑力降低,当难以抵抗自身重力时,将产生失稳。因此滑坡的发生与降雨强度有很大关系。
滑坡降雨阈值对滑坡预警有重要意义。滑坡降雨阈值主要有两种,第一、基于物理模型,如应用无限斜坡模型确定临界雨量的方法;第二、基于经验统计模型的研究,如利用阈值曲线的方法。阈值曲线的方法是Caine在1980年提出来的降雨强度-降雨持时(I-D曲线)阈值理论模型,在很大程度上刻画出降雨强度和降雨持续时间对滑坡的影响,该模型影响了随后的降雨与滑坡关系的研究,其一般的表达方式为I=ADB,其中I(Intensity)表示降雨的平均雨强(mm/h),D(Duration)表示降雨的持续时间(h),A与B为经验系数。I-D曲线阈值可以揭示触发区域内滑坡所需的最低降雨强度与降雨持时的相关关系,利用历史滑坡的最小触发降雨强度信息来判定滑坡发生的概率。
现有技术中,建立I-D曲线阈值的普遍方式均需要依赖大量包含降雨数据与地质灾害事件的历史数据,通过对这些历史数据的统计分析拟合得到一个I-D曲线方程。这类方法主要存在的缺陷为:(1)I-D曲线的拟合须结合区域内降雨数据监测数据与区域内滑坡观测数据,在大区域内,其经验值A、B参数均为固定值,但在不同小区域内,由于滑坡灾害发生频率不同,其经验值应该不尽相同,因而无法构建本区域内适用各个小区域的I-D曲线阈值,也就无法利用其实施滑坡预警。(2)I-D曲线阈值是一条区域性的经验曲线。因而理论上基于I-D曲线阈值的滑坡预警具有普适性而不具有独特性,但实际的情况是不同区域的地理、地质、地形等空间危险性条件往往具有独特性。(3)现有技术中,每套基于I-D曲线阈值的滑坡监测/预警方案都仅设置一条I-D曲线阈值。当降雨强度-降雨持时组合位于I-D曲线阈值之下的坐标区域时,表示无滑坡发生的风险,当降雨强度-降雨持时组合位于I-D曲线阈值之上的坐标空间时,表示有滑坡发生的风险。这样的滑坡预警方案在原理上忽视了I-D曲线阈值的约束条件,在实际预警中忽视了I-D曲线阈值的预警边界,即只用有无滑坡风险作为预警方案的结果,不利于实际的滑坡预警工作中风险等级的判断。
发明内容
为此,本发明提供一种考虑空间危险性的滑坡灾害评价方法及系统,解决区域内预测降雨滑坡预警阈值的精度低,不同空间特征条件下降雨与触发滑坡的相关性差的问题。
为了实现上述目的,本发明提供如下技术方案:一种考虑空间危险性的滑坡灾害评价方法,包括:
步骤一、对已有滑坡灾害统计数据和降雨数据进行统计分析,所述统计分析包括确定滑坡灾害点位在坡体破坏时的降雨量数据,以及持续降雨过程中的雨强数据;
步骤二、利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;
步骤三、根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;
步骤四、将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;
步骤五、根据所述易发性结果进行滑坡灾害空间危险性预警等级划分;
步骤六、将步骤三获得的降雨触发滑坡灾害的预警等级与步骤五获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。
作为考虑空间危险性的滑坡灾害评价方法的优选方案,步骤一中,所述雨强数据为某一历时内的平均降雨量,降雨强度=降雨量/降雨历时。
作为考虑空间危险性的滑坡灾害评价方法的优选方案,步骤二中,以区域滑坡清单数据、逐小时历史实况降雨数据及逐小时预报降雨数据为数据基础,对降雨触发滑坡灾害时间点预设时期内的降雨数据以及雨强数据进行最小二乘回归拟合,得出滑坡点雨强回归模型的第一经验值参数和第二经验值参数。
作为考虑空间危险性的滑坡灾害评价方法的优选方案,步骤三中,不同置信区间阈值曲线包括90%置信区间上限、90%置信区间下限、最小二乘拟合线和99%置信区间的下限;
步骤三中,降雨触发滑坡灾害的预警分级为一级至五级5个等级。
作为考虑空间危险性的滑坡灾害评价方法的优选方案,步骤三中,将研究区域划分为预设空间分辨率的网格,根据实际的降雨数据,将研究区域内每个网格点的降雨数据对应至降雨坐标系中,确定网格所对应的降雨触发滑坡灾害的预警等级。
作为考虑空间危险性的滑坡灾害评价方法的优选方案,步骤六中,通过自然断点法将指定空间区域的易发性结果分为与降雨触发滑坡灾害分级相同的等级。
本发明还提供一种考虑空间危险性的滑坡灾害评价系统,基于上述的考虑空间危险性的滑坡灾害评价方法,包括:
数据统计分析模块,用于对已有滑坡灾害统计数据和降雨数据进行统计分析,所述统计分析包括确定滑坡灾害点位在坡体破坏时的降雨量数据,以及持续降雨过程中的雨强数据;
经验值获取模块,用于利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;
降雨触发滑坡灾害分级模块,用于根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;
易发性获取模块,用于将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;
滑坡灾害空间危险性划分模块,用于根据所述易发性结果进行滑坡灾害空间危险性预警等级划分;
滑坡预警评价模块,用于将获得的降雨触发滑坡灾害的预警等级与获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。
作为考虑空间危险性的滑坡灾害评价系统的优选方案,所述数据统计分析模块中,所述雨强数据为某一历时内的平均降雨量,降雨强度=降雨量/降雨历时。
作为考虑空间危险性的滑坡灾害评价系统的优选方案,所述经验值获取模块中,以区域滑坡清单数据、逐小时历史实况降雨数据及逐小时预报降雨数据为数据基础,对降雨触发滑坡灾害时间点预设时期内的降雨数据以及雨强数据进行最小二乘回归拟合,得出滑坡点雨强回归模型的第一经验值参数和第二经验值参数;
所述降雨触发滑坡灾害分级模块中,不同置信区间阈值曲线包括90%置信区间上限、90%置信区间下限、最小二乘拟合线和99%置信区间的下限;降雨触发滑坡灾害的预警分级为一级至五级5个等级;
所述降雨触发滑坡灾害分级模块中,将研究区域划分为预设空间分辨率的网格,根据实际的降雨数据,将研究区域内每个网格点的降雨数据对应至降雨坐标系中,确定网格所对应的降雨触发滑坡灾害的预警等级。
作为考虑空间危险性的滑坡灾害评价系统的优选方案,所述滑坡预警评价模块中,通过自然断点法将指定空间区域的易发性结果分为与降雨触发滑坡灾害分级相同的等级。
本发明具有如下优点:利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;根据易发性结果进行滑坡灾害空间危险性预警等级划分;将获得的降雨触发滑坡灾害的预警分级与获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。本发明不仅考虑到滑坡发生与降雨这一触发因素的相关性,还耦合了区域内的空间危险性,即滑坡灾害发生的敏感性,结合滑坡灾害空间危险性区划提高了区域内预测降雨滑坡预警阈值的精度,弥补了不同空间特征条件下降雨与触发滑坡的相关性不足,能够为滑坡地质灾害监测预警决策提供科学依据。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明实施例中提供的考虑空间危险性的滑坡灾害评价方法示意图;
图2为本发明实施例中提供的考虑空间危险性的滑坡灾害评价方法中降雨阈值预警等级划分示意图;
图3为本发明实施例中提供的考虑空间危险性的滑坡灾害评价方法中降雨触发滑坡灾害的预警等级与滑坡灾害空间危险性预警等级耦合示意图;
图4为本发明实施例中提供的考虑空间危险性的滑坡灾害评价系统示意图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
参见图1,本发明实施例1提供一种考虑空间危险性的滑坡灾害评价方法,包括:
S1、对已有滑坡灾害统计数据和降雨数据进行统计分析,所述统计分析包括确定滑坡灾害点位在坡体破坏时的降雨量数据,以及持续降雨过程中的雨强数据;
S2、利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;
S3、根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;
S4、将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;
S5、根据所述易发性结果进行滑坡灾害空间危险性预警等级划分;
S6、将S3获得的降雨触发滑坡灾害的预警等级与S5获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。
本实施例中,S1中,所述雨强数据为某一历时内的平均降雨量,降雨强度=降雨量/降雨历时。
具体的,雨强即降雨强度,是在某一历时内的平均降雨量,可以用单位时间内的降雨深度表示,也可以用单位时间内的面积上的降雨体积表示,降雨强度=降雨量/降雨历时。
本实施例中,S2中,以区域滑坡清单数据、逐小时历史实况降雨数据及逐小时预报降雨数据为数据基础,对降雨触发滑坡灾害时间点预设时期内的降雨数据以及雨强数据进行最小二乘回归拟合,得出滑坡点雨强回归模型的第一经验值参数和第二经验值参数。
具体的,利用最小二乘拟合滑坡点雨强回归模型,通过对降雨触发滑坡灾害时间点15天内的降雨数据以及雨强数据进行最小二乘回归拟合,以区域滑坡清单数据(包括降雨触发滑坡的经纬度和触发时间)、逐小时历史实况降雨数据及逐小时预报降雨数据为数据基础。基于目前降雨诱发滑坡的经验统计公式(蔡恩公式):I=ADB,其中I为降雨强度,D为降雨持时,A和B为经验值参数。
以降雨触发滑坡灾害时间点之前5天(120小时)为降雨持时计算,该降雨持时为根据当地区域历史降雨诱发滑坡的历史规律确定,可根据实际情况随时调整。将滑坡数据放置于以降雨持时为x轴、以降雨强度为y轴的对数坐标系中,如图2所示,基于最小二乘法(即使得原始真实值与拟合值之间的误差的平方和最小),对滑坡数据点进行拟合,得到最佳拟合直线。以该最佳拟合直线公式(y=A`x+B`)的系数A`和截距B`为基础进行逆对数运算,即可得到蔡恩公式中的经验值参数A和B。
本实施例中,S3中,不同置信区间阈值曲线包括90%置信区间上限、90%置信区间下限、最小二乘拟合线和99%置信区间的下限;S3中,降雨触发滑坡灾害的预警分级为一级至五级5个等级。S3中,将研究区域划分为预设空间分辨率的网格,根据实际的降雨数据,将研究区域内每个网格点的降雨数据对应至降雨坐标系中,确定网格所对应的降雨触发滑坡灾害的预警等级。
具体的,基于S2得到的最小二乘拟合线,获取分别对滑坡灾害点的不同置信区间边界求取不同的经验值参数,即90%置信区间的上限和下限、原始回归拟合线和99%置信区间的下限,共计四条阈值曲线,可对降雨触发滑坡灾害分为一级至五级5个等级来预警(如图2,从高至低依次为红、橙、黄、蓝、绿色区域)。该置信区间基于广泛常用的几个置信区间范围来确定,可根据区域性实际情况进行相应调整。根据图2的降雨强度-降雨持时关系图,即可将研究区域划分为一定空间分辨率的网格,根据实际的降雨数据,将区域内每个网格点的降雨数据对应至图2中的坐标系中,可以确定该网格所对应的降雨阈值灾害预警等级。
本实施例中,利用频率比法计算区域滑坡灾害易发性(空间危险性)结果:利用公认的通用灾害易发性计算方法频率比法来计算得到区域滑坡灾害易发性(空间危险性),以区域内滑坡灾害历史统计数据和灾害影响因子,如地形、地貌、坡度、坡向、岩性及断层等为基础数据,假设特滑坡灾害与影响因子分别为D(Disaster)和F(Factor),且将影响因子统一分辨率为与降雨阈值灾害预警结果相同。频率比法首先按照一定规则将F划分成n种类型或n个等级,分别是Fi=(i=1,2,3,…,n),那么Fi的频率比(Frequency Ratio)FRi定义为:
式中,P(EFi)表示E中Fi的频率,P(Fi)表示研究区中Fi的频率,CEFi表示E中Fi的面积,CE表示E的总面积,CFi表示Fi的总面积,C表示研究区的总面积。对于滑坡灾害E,P(E)由地质灾害调查数据统计得出为定值。因此,FRi实际上与“Fi发生时,E发生的条件概率P(E/Fi)”等效。因子F的第i类型或第i分级Fi的条件概率P(E/Fi)越大,则说明在第i类型或第i分级的区域灾害E发生的概率就越大。如果FRi>1,说明P(E/Fi)>P(E),也即Fi有利于滑坡灾害E的发生,反之不利于滑坡灾害E的发生。考虑不同滑坡灾害影响因子F(j),对于研究区中特定空间位置,假设其所属的类型或分级为Fi (j)。那么可根据Fi (j),将该空间位置关于该因子的频率比FR(j)赋为FRi (j)。
最后,将特定空间位置的不同因子的频率比相加,就得到该空间位置特定灾种E的易发性S:
在实际应用中,特别是对于大范围、小比例尺的区域地质灾害易发性评价工作,研究区的地质灾害数据集只有灾害点数据,而没有地质灾害覆盖范围的面数据。在这种情况下,频率比的计算使用地质灾害在某一因子分类或分级内的频数(个数)来代替覆盖面积。
本实施例中,S6中,通过自然断点法将指定空间区域的易发性结果分为与降雨触发滑坡灾害分级相同的等级。
具体的,得到的区域易发性结果(与区域降雨阈值预警结果相同的栅格)每个栅格都有一个易发性值S(数值高为高易发,数值低为低易发),利用自然断点法将区域易发性结果分为与降雨阈值预警相同的五个等级。根据区域内滑坡灾害历史统计数据,可得出滑坡灾害敏感性区划,将降雨触发滑坡灾害的预警分级与获得的滑坡灾害空间危险性预警等级利用混合矩阵相耦合(图3),可得出综合空间危险性因素的诱发滑坡灾害降雨阈值预警等级。
综上所述,本发明利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;根据易发性结果进行滑坡灾害空间危险性预警等级划分;将获得的降雨触发滑坡灾害的预警分级与获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。本发明不仅考虑到滑坡发生与降雨这一触发因素的相关性,还耦合了区域内的空间危险性,即滑坡灾害发生的敏感性,结合滑坡灾害空间危险性区划提高了区域内预测降雨滑坡预警阈值的精度,弥补了不同空间特征条件下降雨与触发滑坡的相关性不足,能够为滑坡地质灾害监测预警决策提供科学依据。
实施例2
参见图4,本发明实施例2还提供一种考虑空间危险性的滑坡灾害评价系统,基于实施例1或其任意可能实现方式的考虑空间危险性的滑坡灾害评价方法,包括:
数据统计分析模块1,用于对已有滑坡灾害统计数据和降雨数据进行统计分析,所述统计分析包括确定滑坡灾害点位在坡体破坏时的降雨量数据,以及持续降雨过程中的雨强数据;
经验值获取模块2,用于利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;
降雨触发滑坡灾害分级模块3,用于根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;
易发性获取模块4,用于将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;
滑坡灾害空间危险性划分模块5,用于根据所述易发性结果进行滑坡灾害空间危险性预警等级划分;
滑坡预警评价模块6,用于将获得的降雨触发滑坡灾害的预警等级与获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。
本实施例中,所述数据统计分析模块1中,所述雨强数据为某一历时内的平均降雨量,降雨强度=降雨量/降雨历时。
本实施例中,所述经验值获取模块2中,以区域滑坡清单数据、逐小时历史实况降雨数据及逐小时预报降雨数据为数据基础,对降雨触发滑坡灾害时间点预设时期内的降雨数据以及雨强数据进行最小二乘回归拟合,得出滑坡点雨强回归模型的第一经验值参数和第二经验值参数;
所述降雨触发滑坡灾害分级模块3中,不同置信区间阈值曲线包括90%置信区间上限、90%置信区间下限、最小二乘拟合线和99%置信区间的下限;降雨触发滑坡灾害的预警分级为一级至五级5个等级;
所述降雨触发滑坡灾害分级模块3中,将研究区域划分为预设空间分辨率的网格,根据实际的降雨数据,将研究区域内每个网格点的降雨数据对应至降雨坐标系中,确定网格所对应的降雨触发滑坡灾害的预警等级。
本实施例中,所述滑坡预警评价模块6中,通过自然断点法将指定空间区域的易发性结果分为与降雨触发滑坡灾害分级相同的等级。
需要说明的是,上述系统各模块/单元之间的信息交互、执行过程等内容,由于与本申请实施例1中的方法实施例基于同一构思,其带来的技术效果与本申请方法实施例相同,具体内容可参见本申请前述所示的方法实施例中的叙述,此处不再赘述。
实施例3
本发明实施例3提供一种非暂态计算机可读存储介质,所述计算机可读存储介质中存储有考虑空间危险性的滑坡灾害评价方法的程序代码,所述程序代码包括用于执行实施例1或其任意可能实现方式的考虑空间危险性的滑坡灾害评价方法的指令。
计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘(SolidState Disk、SSD))等。
实施例4
本发明实施例4提供一种电子设备,包括:存储器和处理器;
所述处理器和所述存储器通过总线完成相互间的通信;所述存储器存储有可被所述处理器执行的程序指令,所述处理器调用所述程序指令能够执行实施例1或其任意可能实现方式的考虑空间危险性的滑坡灾害评价方法。
具体的,处理器可以通过硬件来实现也可以通过软件来实现,当通过硬件实现时,该处理器可以是逻辑电路、集成电路等;当通过软件来实现时,该处理器可以是一个通用处理器,通过读取存储器中存储的软件代码来实现,该存储器可以集成在处理器中,可以位于所述处理器之外,独立存在。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种考虑空间危险性的滑坡灾害评价方法,其特征在于,包括:
步骤一、对已有滑坡灾害统计数据和降雨数据进行统计分析,所述统计分析包括确定滑坡灾害点位在坡体破坏时的降雨量数据,以及持续降雨过程中的雨强数据;
步骤二、利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;
步骤三、根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;
步骤四、将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;
步骤五、根据所述易发性结果进行滑坡灾害空间危险性预警等级划分;
步骤六、将步骤三获得的降雨触发滑坡灾害的预警等级与步骤五获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。
2.根据权利要求1所述的一种考虑空间危险性的滑坡灾害评价方法,其特征在于,步骤一中,所述雨强数据为某一历时内的平均降雨量,降雨强度=降雨量/降雨历时。
3.根据权利要求1所述的一种考虑空间危险性的滑坡灾害评价方法,其特征在于,步骤二中,以区域滑坡清单数据、逐小时历史实况降雨数据及逐小时预报降雨数据为数据基础,对降雨触发滑坡灾害时间点预设时期内的降雨数据以及雨强数据进行最小二乘回归拟合,得出滑坡点雨强回归模型的第一经验值参数和第二经验值参数。
4.根据权利要求1所述的一种考虑空间危险性的滑坡灾害评价方法,其特征在于,步骤三中,不同置信区间阈值曲线包括90%置信区间上限、90%置信区间下限、最小二乘拟合线和99%置信区间的下限;
步骤三中,降雨触发滑坡灾害的预警分级为一级至五级5个等级。
5.根据权利要求4所述的一种考虑空间危险性的滑坡灾害评价方法,其特征在于,步骤三中,将研究区域划分为预设空间分辨率的网格,根据实际的降雨数据,将研究区域内每个网格点的降雨数据对应至降雨坐标系中,确定网格所对应的降雨触发滑坡灾害的预警等级。
6.根据权利要求1所述的一种考虑空间危险性的滑坡灾害评价方法,其特征在于,步骤六中,通过自然断点法将指定空间区域的易发性结果分为与降雨触发滑坡灾害分级相同的等级。
7.一种考虑空间危险性的滑坡灾害评价系统,基于权利要求1至6任一项的考虑空间危险性的滑坡灾害评价方法,其特征在于,包括:
数据统计分析模块,用于对已有滑坡灾害统计数据和降雨数据进行统计分析,所述统计分析包括确定滑坡灾害点位在坡体破坏时的降雨量数据,以及持续降雨过程中的雨强数据;
经验值获取模块,用于利用最小二乘拟合滑坡点雨强回归模型,获得降雨诱发滑坡的经验统计的经验参数值;
降雨触发滑坡灾害分级模块,用于根据最小二乘拟合线的不同置信区间阈值曲线参数值,进行降雨触发滑坡灾害的预警等级分级;
易发性获取模块,用于将指定空间区域位置不同滑坡灾害影响因子的频率比相加,得到指定空间区域位置指定灾种的易发性结果;
滑坡灾害空间危险性划分模块,用于根据所述易发性结果进行滑坡灾害空间危险性预警等级划分;
滑坡预警评价模块,用于将获得的降雨触发滑坡灾害的预警等级与获得的滑坡灾害空间危险性预警等级相耦合,获得综合空间危险性因素的诱发滑坡灾害的降雨阈值预警等级。
8.根据权利要求7所述的一种考虑空间危险性的滑坡灾害评价系统,其特征在于,所述数据统计分析模块中,所述雨强数据为某一历时内的平均降雨量,降雨强度=降雨量/降雨历时。
9.根据权利要求7所述的一种考虑空间危险性的滑坡灾害评价系统,其特征在于,所述经验值获取模块中,以区域滑坡清单数据、逐小时历史实况降雨数据及逐小时预报降雨数据为数据基础,对降雨触发滑坡灾害时间点预设时期内的降雨数据以及雨强数据进行最小二乘回归拟合,得出滑坡点雨强回归模型的第一经验值参数和第二经验值参数;
所述降雨触发滑坡灾害分级模块中,不同置信区间阈值曲线包括90%置信区间上限、90%置信区间下限、最小二乘拟合线和99%置信区间的下限;降雨触发滑坡灾害的预警分级为一级至五级5个等级;
所述降雨触发滑坡灾害分级模块中,将研究区域划分为预设空间分辨率的网格,根据实际的降雨数据,将研究区域内每个网格点的降雨数据对应至降雨坐标系中,确定网格所对应的降雨触发滑坡灾害的预警等级。
10.根据权利要求7所述的一种考虑空间危险性的滑坡灾害评价系统,其特征在于,所述滑坡预警评价模块中,通过自然断点法将指定空间区域的易发性结果分为与降雨触发滑坡灾害分级相同的等级。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210164105 | 2022-02-22 | ||
CN2022101641055 | 2022-02-22 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114611941A true CN114611941A (zh) | 2022-06-10 |
Family
ID=81862954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210247770.0A Pending CN114611941A (zh) | 2022-02-22 | 2022-03-14 | 一种考虑空间危险性的滑坡灾害评价方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114611941A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115345511A (zh) * | 2022-08-29 | 2022-11-15 | 中咨数据有限公司 | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 |
CN115359629A (zh) * | 2022-08-22 | 2022-11-18 | 重庆地质矿产研究院 | 一种基于序贯评估法的区域滑坡灾害预警方法 |
CN116108759A (zh) * | 2023-04-11 | 2023-05-12 | 湖北省地质环境总站 | 一种基于特征耦合的滑坡危险性评价方法 |
CN116245283A (zh) * | 2023-03-08 | 2023-06-09 | 北京七兆科技有限公司 | 弃渣场次生灾害风险评估方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899437A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 强降雨型滑坡灾害预警方法 |
CN105260625A (zh) * | 2015-11-19 | 2016-01-20 | 阿坝师范学院 | 一种滑坡地质灾害预警推送方法 |
CN110929939A (zh) * | 2019-11-26 | 2020-03-27 | 电子科技大学 | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 |
-
2022
- 2022-03-14 CN CN202210247770.0A patent/CN114611941A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899437A (zh) * | 2015-05-29 | 2015-09-09 | 杭州辰青和业科技有限公司 | 强降雨型滑坡灾害预警方法 |
CN105260625A (zh) * | 2015-11-19 | 2016-01-20 | 阿坝师范学院 | 一种滑坡地质灾害预警推送方法 |
CN110929939A (zh) * | 2019-11-26 | 2020-03-27 | 电子科技大学 | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 |
Non-Patent Citations (4)
Title |
---|
ANANTA MAN SINGH PRADHAN等: "《A shallow slide prediction model combining rainfall threshold warnings and shallow slide susceptibility in Busan, Korea》", 《TECHNICAL NOTE》 * |
ROSI ASCANIO等: ""Statistical and environmental analyses for the definition of a regional rainfall threshold system for landslide triggering in Tuscany (Italy)"", 《JOURNAL OF GEOGRAPHICAL SCIENCES》 * |
李文彦: ""频率比与信息量模型在黄土沟壑区滑坡易发性评价中的应用与比较"", 《自然灾害学报》 * |
汪朋编: "《普通高等教育十三五经济与管理类教材 统计学 原理方法及应用》", 28 February 2016 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115359629A (zh) * | 2022-08-22 | 2022-11-18 | 重庆地质矿产研究院 | 一种基于序贯评估法的区域滑坡灾害预警方法 |
CN115345511A (zh) * | 2022-08-29 | 2022-11-15 | 中咨数据有限公司 | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 |
CN116245283A (zh) * | 2023-03-08 | 2023-06-09 | 北京七兆科技有限公司 | 弃渣场次生灾害风险评估方法、装置、设备及存储介质 |
CN116245283B (zh) * | 2023-03-08 | 2024-05-07 | 北京七兆科技有限公司 | 弃渣场次生灾害风险评估方法、装置、设备及存储介质 |
CN116108759A (zh) * | 2023-04-11 | 2023-05-12 | 湖北省地质环境总站 | 一种基于特征耦合的滑坡危险性评价方法 |
CN116108759B (zh) * | 2023-04-11 | 2023-06-30 | 湖北省地质环境总站 | 一种基于特征耦合的滑坡危险性评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114611941A (zh) | 一种考虑空间危险性的滑坡灾害评价方法及系统 | |
CN111128399B (zh) | 一种基于人流密度的流行病疫情风险等级评估方法 | |
CN108876027B (zh) | 一种基于gis的农村居民点集中居住区选址和优化方法 | |
Ardizzone et al. | Impact of mapping errors on the reliability of landslide hazard maps | |
Laffan et al. | Assessing endemism at multiple spatial scales, with an example from the Australian vascular flora | |
Arbia et al. | Error propagation modelling in raster GIS: overlay operations | |
US11206555B2 (en) | Method for implementing antenna azimuth correction based on user data | |
CN110222911B (zh) | 一种卫星遥感与地面数据协同的雨量站网优化布局方法 | |
CN110704873B (zh) | 一种防止敏感数据泄漏的方法及系统 | |
Liao et al. | Assessment of urbanization-induced ecological risks in an area with significant ecosystem services based on land use/cover change scenarios | |
CN109360421B (zh) | 一种基于机器学习的交通信息预测方法及装置、电子终端 | |
CN111221867B (zh) | 一种保护性建筑信息管理系统 | |
CN110134907B (zh) | 一种降雨缺失数据填补方法、系统及电子设备 | |
Karimi et al. | Urban expansion modeling using an enhanced decision tree algorithm | |
CN112561172A (zh) | 一种降雨内涝房屋安全预警系统 | |
CN115034600A (zh) | 一种用于地质灾害监测的预警方法及系统 | |
CN109472075A (zh) | 一种基站性能分析方法及系统 | |
CN107944219B (zh) | 一种表征不同时段旱涝致灾特征的方法和装置 | |
Chen et al. | Trust me, my neighbors say it's raining outside: ensuring data trustworthiness for crowdsourced weather stations | |
CN116703132B (zh) | 共享车辆动态调度的管理方法、装置及计算机设备 | |
CN111428405B (zh) | 细颗粒物浓度仿真方法、装置、存储介质及电子设备 | |
CN112541047A (zh) | 一种适用于多级网格化管理系统的海量数据聚合方法 | |
Vega-Oliveros et al. | From spatio-temporal data to chronological networks: An application to wildfire analysis | |
CN112668225A (zh) | 配网网格的规划方法、装置、计算机设备和存储介质 | |
CN116452035A (zh) | 基于网络抗毁性的社区生活物资供应韧性评估方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220610 |