CN114881457A - 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备 - Google Patents

基于决策树的山体滑坡与崩塌灾害分类方法与电子设备 Download PDF

Info

Publication number
CN114881457A
CN114881457A CN202210481780.0A CN202210481780A CN114881457A CN 114881457 A CN114881457 A CN 114881457A CN 202210481780 A CN202210481780 A CN 202210481780A CN 114881457 A CN114881457 A CN 114881457A
Authority
CN
China
Prior art keywords
slope
quantile
value
landslide
collapse
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
CN202210481780.0A
Other languages
English (en)
Other versions
CN114881457B (zh
Inventor
张蕴灵
崔巍
侯芸
董元帅
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.)
Cccc Road And Bridge Inspection And Maintenance Co ltd
Checsc Highway Maintenance And Test Technology Co ltd
China Highway Engineering Consultants Corp
CHECC Data Co Ltd
Original Assignee
Cccc Road And Bridge Inspection And Maintenance Co ltd
Checsc Highway Maintenance And Test Technology Co ltd
China Highway Engineering Consultants Corp
CHECC Data 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 Cccc Road And Bridge Inspection And Maintenance Co ltd, Checsc Highway Maintenance And Test Technology Co ltd, China Highway Engineering Consultants Corp, CHECC Data Co Ltd filed Critical Cccc Road And Bridge Inspection And Maintenance Co ltd
Priority to CN202210481780.0A priority Critical patent/CN114881457B/zh
Publication of CN114881457A publication Critical patent/CN114881457A/zh
Priority to PCT/CN2023/092196 priority patent/WO2023193824A1/zh
Application granted granted Critical
Publication of CN114881457B publication Critical patent/CN114881457B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/24323—Tree-organised classifiers
    • 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
    • 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
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Data Mining & Analysis (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明公开了一种基于决策树的山体滑坡与崩塌灾害分类方法，包括：步骤一、获取地面山体地形分布及山坡高程数据，计算山坡坡度并进行统计分析；步骤二、定义k 1、k 2、k 3值，
Figure 100004_DEST_PATH_IMAGE001
；
Figure 174618DEST_PATH_IMAGE002
；
Figure 100004_DEST_PATH_IMAGE003
；步骤三、当同时满足k 1值大于第一阈值、k 2值小于第二阈值、k 3值大于第三阈值中的至少两项时，则将山体灾害判定为滑坡，反之则判定为崩塌。本发明还公开了一种电子设备与存储介质。本发明能够通过获取地质灾害的数字高程模型（DEM）进行崩塌与滑坡的精确分类，无需人力现场勘测，节省大量的人力和时间，提高安全保障。

Description

基于决策树的山体滑坡与崩塌灾害分类方法与电子设备
技术领域
本发明涉及地质灾害分类。更具体地说，本发明涉及一种基于决策树的山体滑坡与崩塌灾害分类方法与电子设备。
背景技术
崩塌、滑坡是一种自然现象，主要发生在山区，由于暴雨、地震等因素的触发，或者修路开挖山坡、盖房挖填土石等人类活动，导致山坡上的土石在重力作用下发生不同形式的运动，形成崩塌、滑坡，严重可导致泥石流，造成人员伤亡或财产损失，成为对人类产生影响的地质灾害。陡坡上的岩石或土体在重力作用下突然从高处快速崩落、滚动或翻转下来，并堆积在坡脚或沟谷中的现象，就是崩塌，斜坡上的土体或岩体沿着一定的软弱面或软弱带，整体顺坡向下滑动的现象就是滑坡。
道路的修复和重建是确保灾区重建顺利进行的先导，面对大量受损的交通干线和随时都有可能再次被崩塌滑坡掩埋的生命线，在震后公路规划与重建中地质灾害应得到足够的重视。不同的地质灾害（如滑坡、崩塌），政府部门可以采取不同的预防和治理手段。然而目前通过遥感手段获取的地质灾害，还没有办法做到自动识别是何种地质灾害。
发明内容
本发明提供一种基于决策树的山体滑坡与崩塌灾害分类方法与电子设备，其能够通过遥感手段获取地质灾害数据进行崩塌与滑坡的精确分类，无需人力现场勘测，节省大量的人力和时间，提高安全保障。
为了实现根据本发明的这些目的和其它优点，提供了一种基于决策树的山体滑坡与崩塌灾害分类方法，包括：
步骤一、获取地面山体地形分布及山坡高程数据，计算山坡坡度并进行统计分析；
步骤二、定义k 1、k 2、k 3值，
Figure 318417DEST_PATH_IMAGE001
，
其中，
Figure 297874DEST_PATH_IMAGE002
为坡度20%分位数，
Figure 733404DEST_PATH_IMAGE003
为坡度30%分位数，
Figure 659771DEST_PATH_IMAGE004
为坡度40%分位数，
Figure 598777DEST_PATH_IMAGE005
为坡度50%分位数，
Figure 545874DEST_PATH_IMAGE006
为坡度60%分位数，
Figure 531016DEST_PATH_IMAGE007
为坡度70%分位数，
Figure 323391DEST_PATH_IMAGE008
为坡度80%分位数，
Figure 710379DEST_PATH_IMAGE009
为坡度差值，
Figure 890694DEST_PATH_IMAGE010
为坡度差值平均值；
Figure 769657DEST_PATH_IMAGE011
其中，
Figure 100144DEST_PATH_IMAGE005
为坡度50%分位数，
Figure 279322DEST_PATH_IMAGE012
为坡度90%分位数；
Figure 833800DEST_PATH_IMAGE013
其中，
Figure 200059DEST_PATH_IMAGE002
为坡度20%分位数，
Figure 611535DEST_PATH_IMAGE005
为坡度50%分位数，
Figure 379640DEST_PATH_IMAGE008
为坡度80%分位数；
步骤三、当同时满足k 1值大于第一阈值、k 2值小于第二阈值、k 3值大于第三阈值中的至少两项时，则将山体灾害判定为滑坡，反之则判定为崩塌。
优选的是，步骤一基于数字高程模型获取地面地形分布及山坡高程数据。
优选的是，山坡高程数据包括最大高程、高差、长度、坡度、坡度平均值、坡度最大值、坡度最小值、坡度标准差、坡度10%分位数、坡度20%分位数、坡度30%分位数、坡度40%分位数、坡度50%分位数、坡度60%分位数、坡度70%分位数、坡度80%分位数、坡度90%分位数。
优选的是，步骤一中，地面山体地形粗糙度大于4时，执行步骤二。
优选的是，所述第一阈值为0.03，所述第二阈值为0.07，所述第二阈值为0.4。
电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述的方法。
存储介质，其上存储有计算机程序，该程序被处理器执行时，实现所述的方法。
本发明至少包括以下有益效果：
本发明能够通过获取地质灾害的数字高程模型（DEM）进行崩塌与滑坡的精确分类，在现有的崩塌样本中成功验证达到80%以上，在现有的滑坡样本中成功验证达到71%以上，无需人力现场勘测，节省大量的人力和时间，提高安全保障，特别适用于地形粗糙度大于4的地区，为崩塌滑坡灾害的规律识别提供准确参考，形成地质灾害信息提取技术体系，为区域地质灾害防治提供信息保障。
本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。
附图说明
图1为本发明的决策树示意图。
具体实施方式
下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
需要说明的是，下述实施方案中所述实验方法，如无特殊说明，均为常规方法，所述试剂和材料，如无特殊说明，均可从商业途径获得。
本发明提供一种基于决策树的山体滑坡与崩塌灾害分类方法，包括：
步骤一、获取地面山体地形分布及山坡高程数据，获取数据的方式不局限于通过去现场查看，或者由人工结合其他数据（遥感图像、无人机图像、地质调查数据）等方式，获取的数据主要包括坡度计算与坡度统计，包括但不局限于最大高程、高差、长度、坡度、坡度平均值、坡度最大值、坡度最小值、坡度标准差、坡度10%分位数、坡度20%分位数、坡度30%分位数、坡度40%分位数、坡度50%分位数、坡度60%分位数、坡度70%分位数、坡度80%分位数、坡度90%分位数，计算山坡坡度并进行统计分析；
步骤二、考虑到崩塌勾绘区域中，部分为未变化区域，而是崩塌灾害的经过区域，其坡度较缓，而滑坡区域则是整体发生变化，坡度整体变化大、陡，因此定义k 1、k 2、k 3值，k 1值代表了地形绝大部分区域的坡度平均变化情况，k 2值代表了地形变化较缓区域的变化程度；k 3值同样代表了地形绝大部分区域的整体变化程度；
Figure 839440DEST_PATH_IMAGE001
，
其中，
Figure 817629DEST_PATH_IMAGE002
为坡度20%分位数，
Figure 21077DEST_PATH_IMAGE003
为坡度30%分位数，
Figure 643689DEST_PATH_IMAGE004
为坡度40%分位数，
Figure 8811DEST_PATH_IMAGE005
为坡度50%分位数，
Figure 677558DEST_PATH_IMAGE006
为坡度60%分位数，
Figure 153539DEST_PATH_IMAGE007
为坡度70%分位数，
Figure 224132DEST_PATH_IMAGE008
为坡度80%分位数，
Figure 760156DEST_PATH_IMAGE014
为坡度差值，
Figure 916200DEST_PATH_IMAGE010
为坡度差值平均值；即：20%-80%分位数的坡度差值平均值，除以50%分位数；
Figure 461450DEST_PATH_IMAGE015
其中，
Figure 70373DEST_PATH_IMAGE016
为坡度50%分位数，
Figure 370773DEST_PATH_IMAGE017
为坡度90%分位数；即：90%分位数的坡度除以50%分位数；
Figure 951796DEST_PATH_IMAGE013
其中，
Figure 300737DEST_PATH_IMAGE002
为坡度20%分位数，
Figure 549185DEST_PATH_IMAGE016
为坡度50%分位数，
Figure 551645DEST_PATH_IMAGE008
为坡度80%分位数；即：20%分位数的坡度减去80%分位数的坡度，然后除以50%分位数；
步骤三、如图1所示，所述第一阈值为0.03，所述第二阈值为0.07，所述第三阈值为0.4，当同时满足k 1值大于第一阈值、k 2值小于第二阈值、k 3值大于第三阈值中的至少两项时，则将山体灾害判定为滑坡，反之则判定为崩塌。
在上述技术方案中，通过遥感手段获取地质灾害数据进行崩塌与滑坡的精确分类，在现有的崩塌样本中成功验证达到80%以上，在现有的滑坡样本中成功验证达到76%以上，无需人力现场勘测，节省大量的人力和时间，提高安全保障，为崩塌滑坡灾害的规律识别提供准确参考，形成地质灾害信息提取技术体系，为区域地质灾害防治提供信息保障。
如表1示出的42个崩塌样本，第一阈值为0.03，第二阈值为0.07，第三阈值为0.4，计算指标k 1＞0.03、k 2＜0.07、k 3＞0.4的共有8个，即8个判定为滑坡，34个判定为崩塌，34个区分成功，准确率达到80.95%。
表1
Figure DEST_PATH_IMAGE018
如表2-6示出的168个滑坡样本，第一阈值为0.03，第二阈值为0.07，第三阈值为0.4，计算指标k 1＞0.03、k 2＜0.07、k 3＞0.4的共有120个，即120个判定为滑坡，48个判定为崩塌，120个区分成功，准确率达到71.43%。
表2
Figure 275756DEST_PATH_IMAGE019
表3
Figure DEST_PATH_IMAGE020
表4
Figure 553023DEST_PATH_IMAGE021
表5
Figure DEST_PATH_IMAGE022
表6
Figure 983873DEST_PATH_IMAGE023
在另一种技术方案中，优选为，步骤一基于数字高程模型获取地面地形分布及山坡高程数据。DEM叫数字高程模型，通过获取的山体的高低起伏计算山体坡度、坡向，采样精度高，数字化程度高。
在另一种技术方案中，步骤一中，地面山体地形粗糙度大于4时，执行步骤二。地面山体地形粗糙度是反映地表形态的宏观指标，地形粗糙度大小反映降雨水流的分散与汇集能力。云南是全国多崩塌、滑坡灾害严重的省份之一，这主要是由于云南地区海拔西北高、东南低，坡度陡，活动断裂发育，该区域的地形粗糙度决定了其崩塌、滑坡等地质灾害具有特定的形态特征。本方法在云南鲁甸、苗尾等地面山体地形粗糙度在5左右的地区发生的崩塌、滑坡灾害中均得到有效验证（例如鲁甸地形粗糙度为4.89），准确率接近85%，也在无灾害地区进行验证（无结果）。
电子设备，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行所述的方法。
存储介质，其上存储有计算机程序，该程序被处理器执行时，实现所述的方法。
这里说明的设备数量和处理规模是用来简化本发明的说明的。对本发明的应用、修改和变化对本领域的技术人员来说是显而易见的。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (7)

1.基于决策树的山体滑坡与崩塌灾害分类方法，其特征在于，包括：
步骤一、获取地面山体地形分布及山坡高程数据，计算山坡坡度并进行统计分析；
步骤二、定义k 1、k 2、k 3值，
Figure DEST_PATH_IMAGE001
，
其中，
Figure 139172DEST_PATH_IMAGE002
为坡度20%分位数，
Figure DEST_PATH_IMAGE003
为坡度30%分位数，
Figure 338203DEST_PATH_IMAGE004
为坡度40%分位数，
Figure DEST_PATH_IMAGE005
为坡度50%分位数，
Figure 212880DEST_PATH_IMAGE006
为坡度60%分位数，
Figure DEST_PATH_IMAGE007
为坡度70%分位数，
Figure 839382DEST_PATH_IMAGE008
为坡度80%分位数，
Figure DEST_PATH_IMAGE009
为坡度差值，
Figure 997962DEST_PATH_IMAGE010
为坡度差值平均值；
Figure 430212DEST_PATH_IMAGE011
其中，
Figure 307032DEST_PATH_IMAGE012
为坡度50%分位数，
Figure DEST_PATH_IMAGE013
为坡度90%分位数；
Figure 335293DEST_PATH_IMAGE014
其中，
Figure 207434DEST_PATH_IMAGE002
为坡度20%分位数，
Figure 889214DEST_PATH_IMAGE015
为坡度50%分位数，
Figure 846805DEST_PATH_IMAGE008
为坡度80%分位数；
步骤三、当同时满足k 1值大于第一阈值、k 2值小于第二阈值、k 3值大于第三阈值中的至少两项时，则将山体灾害判定为滑坡，反之则判定为崩塌。
2.如权利要求1所述的基于决策树的山体滑坡与崩塌灾害分类方法，其特征在于，步骤一基于数字高程模型获取地面地形分布及山坡高程数据。
3.如权利要求1所述的基于决策树的山体滑坡与崩塌灾害分类方法，其特征在于，山坡高程数据包括最大高程、高差、长度、坡度、坡度平均值、坡度最大值、坡度最小值、坡度标准差、坡度10%分位数、坡度20%分位数、坡度30%分位数、坡度40%分位数、坡度50%分位数、坡度60%分位数、坡度70%分位数、坡度80%分位数、坡度90%分位数。
4.如权利要求1所述的基于决策树的山体滑坡与崩塌灾害分类方法，其特征在于，步骤一中，地面山体地形粗糙度大于4时，执行步骤二。
5.如权利要求1所述的基于决策树的山体滑坡与崩塌灾害分类方法，其特征在于，所述第一阈值为0.03，所述第二阈值为0.07，所述第二阈值为0.4。
6.电子设备，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-5中任一项所述的方法。
7.存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时，实现权利要求1-5中任一项所述的方法。
CN202210481780.0A 2022-05-05 2022-05-05 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备 Active CN114881457B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210481780.0A CN114881457B (zh) 2022-05-05 2022-05-05 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备
PCT/CN2023/092196 WO2023193824A1 (zh) 2022-05-05 2023-05-05 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210481780.0A CN114881457B (zh) 2022-05-05 2022-05-05 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Publications (2)

Publication Number Publication Date
CN114881457A true CN114881457A (zh) 2022-08-09
CN114881457B CN114881457B (zh) 2023-08-25

Family

ID=82673265

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210481780.0A Active CN114881457B (zh) 2022-05-05 2022-05-05 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Country Status (2)

Country Link
CN (1) CN114881457B (zh)
WO (1) WO2023193824A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023193824A1 (zh) * 2022-05-05 2023-10-12 中咨数据有限公司 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101580062B1 (ko) * 2014-12-05 2015-12-28 연세대학교 산학협력단 실시간 산사태 예경보 방법 및 시스템
CN109406755A (zh) * 2018-10-30 2019-03-01 四川安信科创科技有限公司 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法
CN109584510A (zh) * 2018-11-30 2019-04-05 中国公路工程咨询集团有限公司 一种基于评估函数训练的道路高边坡滑坡灾害预警方法
CN110322276A (zh) * 2019-05-31 2019-10-11 苏宁云计算有限公司 返利数据处理方法、装置、计算机设备和存储介质
CN111337997A (zh) * 2020-03-17 2020-06-26 成都理工大学 潜在崩塌灾害体快速识别方法
CN112344913A (zh) * 2020-11-09 2021-02-09 中国公路工程咨询集团有限公司 一种利用无人机倾斜摄影影像的区域危险系数评估方法
CN113947443A (zh) * 2021-11-03 2022-01-18 北京小药药人工智能科技有限公司 一种返利的生成方法和返利装置
CN114049565A (zh) * 2021-11-08 2022-02-15 中国公路工程咨询集团有限公司 基于遥感影像和dem数据的地质灾害判识方法和装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN109003422A (zh) * 2018-08-02 2018-12-14 北京大学深圳研究生院 用于山体滑坡的监测数据处理方法和山体滑坡预报方法
CN110491096B (zh) * 2019-08-29 2021-07-20 国家电网公司西南分部 一种降雨诱发滑坡灾害下输电杆塔的监测与预警方法
CN112200354A (zh) * 2020-09-30 2021-01-08 杭州鲁尔物联科技有限公司 一种滑坡的预测方法、装置、设备和存储介质
CN114881457B (zh) * 2022-05-05 2023-08-25 中咨数据有限公司 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101580062B1 (ko) * 2014-12-05 2015-12-28 연세대학교 산학협력단 실시간 산사태 예경보 방법 및 시스템
CN109406755A (zh) * 2018-10-30 2019-03-01 四川安信科创科技有限公司 一种基于地貌单元的山区崩滑地质灾害高位性质辨识方法
CN109584510A (zh) * 2018-11-30 2019-04-05 中国公路工程咨询集团有限公司 一种基于评估函数训练的道路高边坡滑坡灾害预警方法
CN110322276A (zh) * 2019-05-31 2019-10-11 苏宁云计算有限公司 返利数据处理方法、装置、计算机设备和存储介质
CN111337997A (zh) * 2020-03-17 2020-06-26 成都理工大学 潜在崩塌灾害体快速识别方法
CN112344913A (zh) * 2020-11-09 2021-02-09 中国公路工程咨询集团有限公司 一种利用无人机倾斜摄影影像的区域危险系数评估方法
CN113947443A (zh) * 2021-11-03 2022-01-18 北京小药药人工智能科技有限公司 一种返利的生成方法和返利装置
CN114049565A (zh) * 2021-11-08 2022-02-15 中国公路工程咨询集团有限公司 基于遥感影像和dem数据的地质灾害判识方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张明媚;薛永安;李军;尚长生;: "基于DEM辅助的崩塌与滑坡灾害遥感提取研究", 矿山测量, no. 06, pages 32 - 35 *
汤国安;宋佳;: "基于DEM坡度图制图中坡度分级方法的比较研究", 水土保持学报, no. 02, pages 157 - 160 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023193824A1 (zh) * 2022-05-05 2023-10-12 中咨数据有限公司 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备

Also Published As

Publication number Publication date
CN114881457B (zh) 2023-08-25
WO2023193824A1 (zh) 2023-10-12

Similar Documents

Publication Publication Date Title
Malamud et al. Landslide inventories and their statistical properties
Ghosh et al. Assessment of soil loss of the Dhalai river basin, Tripura, India using USLE
Andualem et al. Impact of land use land cover change on stream flow and sediment yield: a case study of Gilgel Abay watershed, Lake Tana sub-basin, Ethiopia
Giles Geomorphological signatures: classification of aggregated slope unit objects from digital elevation and remote sensing data
CN114881454A (zh) 山体滑坡与崩塌灾害分类方法与电子设备
Ali et al. Morphometric analysis of Gilgit river basin in mountainous region of Gilgit-Baltistan Province, Northern Pakistan
Wei et al. Adopting the I 3–R 24 rainfall index and landslide susceptibility for the establishment of an early warning model for rainfall-induced shallow landslides
CN114881457A (zh) 基于决策树的山体滑坡与崩塌灾害分类方法与电子设备
Hancox et al. Analysis of landsliding caused by the 15-17 February 2004 rainstorm in the Wanganui-Manawatu hill country, southern North Island, New Zealand
Baral et al. Landslide Susceptibility Assessment Using Modified Frequency Ratio Model in Kaski District, Nepal
Qiu et al. Sinkhole susceptibility assessment based on morphological, imagery, and contextual attributes derived from GIS and imagery data
Dunne Studying patterns of soil erosion in Kenya
Chandramohan et al. Estimation of soil erosion potential using universal soil loss equation
Zhang et al. Historical evolution of gully erosion and its response to land use change during 1968–2018 in the Mollisol region of Northeast China
Afungang Spatiotemporal probabilistic assessment of landslide Hazard along Bamenda Mountain region of the Cameroon volcanic line
Mkaya Evaluation of the impact of land use change on catchment hydrology: The case of Wundanyi River catchment in Taita Hills, Kenya
Iwahashi et al. Landslide Susceptibility Analysis by Terrain and Vegetation Attributes Derived from Pre-event LiDAR data: a case study of granitic mountain slopes in Hofu, Japan
Hendrikx et al. Overview of the spatial distribution of avalanche activity in relation to meteorological and topographic variables in an extreme maritime environment
Djakun et al. IDENTIFICATION OF VULNERABILITY AREA OF MASS MOVEMENT USINGSTORIE METHOD IN BONE BOLANGO REGENCY, GORONTALO PROVINCE
Kumar Karna et al. Landslide Susceptibility Assessment Using Modified Frequency Ratio Model in Kaski District, Nepal
Sinickas Field-based statistical modelling of snow avalanche runout
Hess Stream Channel morphology and riparian Forest response to a 500-year flood in the Missouri Ozarks
Mehl B. Sc.(Honours) In Environmental and Water Sciences
Kumar Estimation of Soil Erosion Using Rusle And Arcgis In Dholpur District...
Ballesteros-Cánovas et al. Debris Flow Dating and Magnitude Reconstruction

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