CN114973603A - 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质 - Google Patents

基于卫片反馈的崩滑监测装置、方法、终端、设备及介质 Download PDF

Info

Publication number
CN114973603A
CN114973603A CN202210526838.9A CN202210526838A CN114973603A CN 114973603 A CN114973603 A CN 114973603A CN 202210526838 A CN202210526838 A CN 202210526838A CN 114973603 A CN114973603 A CN 114973603A
Authority
CN
China
Prior art keywords
monitoring
water
data
satellite
slope
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
CN202210526838.9A
Other languages
English (en)
Other versions
CN114973603B (zh
Inventor
张蕴灵
崔巍
侯芸
何乃武
祁生文
邹宇
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 CN202210526838.9A priority Critical patent/CN114973603B/zh
Publication of CN114973603A publication Critical patent/CN114973603A/zh
Application granted granted Critical
Publication of CN114973603B publication Critical patent/CN114973603B/zh
Priority to PCT/CN2023/094517 priority patent/WO2023221974A1/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/24—Earth materials
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04Q—SELECTING
    • H04Q2209/00—Arrangements in telecontrol or telemetry systems
    • H04Q2209/80—Arrangements in the sub-station, i.e. sensing device
    • H04Q2209/88—Providing power supply at the sub-station
    • H04Q2209/886—Providing power supply at the sub-station using energy harvesting, e.g. solar, wind or mechanical
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Business, Economics & Management (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Emergency Management (AREA)
  • Health & Medical Sciences (AREA)
  • Food Science & Technology (AREA)
  • Remote Sensing (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Computing Systems (AREA)
  • Signal Processing (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)

Abstract

本发明属于地质灾害数据监测技术领域，公开了基于卫片反馈的崩滑监测装置、方法、终端、设备及介质。在卫片中选定的地质灾害调查范围进行圈定，在此基础上现场布设基于卫片反馈的崩滑监测装置；对边坡演化中的变形和应力进行监测，将实时数据反馈至室内卫片解译终端，对建立的学习模型进行反复训练，将现场边坡的运移要素与卫片中的像素变化建立联系；基于预先编程设定的安全阈值，对现场崩滑灾害进行监测预警。本发明对灾害的地层岩性、地质结构、表面冲刷、气象、地下水等信息进行系统监测，从工程地质角度给出被监测灾害点的典型特征，将这些特征融如应变、应力等具体指标中，将变形和应力指标与卫片中像素变化建立联系。

Description

基于卫片反馈的崩滑监测装置、方法、终端、设备及介质
技术领域
本发明属于地质灾害数据监测技术领域，尤其涉及基于卫片反馈的崩滑监测装置、方法、终端、设备及介质。
背景技术
山区地质灾害主要以崩塌、滑坡、泥石流为主，已有研究中对不同地质灾害的成因机制和防治措施等进行了系统研究，但地质灾害的早期识别对于灾害的预防发挥着举足轻重的作用。当前使用的较多的方法为对已发生的灾害进行现场监测，防止灾害的致灾范围进一步扩大，对潜在不稳定灾害点的排查主要通过人工进行粗略排查。人工排查中由于地形地貌的复杂性、工作人员的经验积累等因素影响，致使一些可能形成致灾效应的灾害点被忽略，且对于一定区域来说，人工排查成本过高，还不能够完全覆盖。
部分单位采用卫星照片进行排查，该方法从宏观应用上讲，适用性被扩大，需要人工利用卫片进行解译即可，相对成本大大节约，且工作效率大大提高。但卫片解译中需要一定的工作经验，致使其普适性大大降低，即使经验丰富的工作人员，在解译的过程中也极其容易出错，主要由于不同地质灾害的赋存环境不同，且赋存环境一直处于变化中，增加了地质灾害的复杂性。现有技术中通过多源多时相高分卫星数据进行山区地质灾害识别，通过无人机影像和DEM结合进行山区地质灾害识别，通过无人机倾斜摄影测量的实景三维建模方法进行地质灾害识别，多次测量观测现场崩滑灾害的变形情况，进而进行识别。
通过上述分析，现有技术存在的问题及缺陷为：现有技术中高分卫星影响进行地质灾害识别过程中，主要通过现场调查与卫片相结合的方式进行卫片上地质灾害解译，该方法存在的关键问题是在地质灾害识别中均是已经发生的地质灾害，对于潜在失稳边坡和崩塌等灾害无法判别，即只能识别已经产生致灾效应的崩滑灾害，此外，由于人工调查一些区域无法到达，导致一些灾害仍然无法找到，卫片上也无法解译，据此训练的学习模型在卫片地质灾害解译中也存在较大的局限性。
利用无人机影像进行地质灾害识别，存在的关键问题还是只能识别已经发生的崩滑灾害，对于即将发生的潜在灾害无法识别，且无人机只能对单体滑坡进行识别，对于一定的区域的地质灾害调查，则无人机产生成本较高，且耗时量大大增加，后期室内图像处理的工作量大大增加。
发明内容
为克服相关技术中存在的问题，本发明公开实施例提供了一种基于卫片反馈的崩滑监测装置、方法、终端、设备及介质。提高了边坡监测的准确性和可靠性，节约了成本。
所述技术方案如下：一种基于卫片反馈的崩滑监测装置包括：复合监测箱，用于对地下水化学成分、孔隙水压力、水平向位移、水平向应力和垂向应力、监测壁矿物成分变化指标进行监测，获得地质体不同深度位置的相关数据；
数据采集控制系统，用于现场数据的采集、汇总、存储，将现场采集的数据缓存后利用无线传输装置进行传输，将数据汇总后传输至室内卫片解译终端；
流量监测系统，用于对坡面不同位置的地表水流量进行监测，以及对地表水的化学成分和pH数据进行测试分析，将流量数据采集后与气象资料进行整合，分析不同位置的流量与降雨量指标；
激光扫描监测系统，用于对坡面的冲刷形态进行实时监测分析，获取坡面不同位置处的冲刷形态数据，通过与原始坡面形态比对后计算冲刷情况，对沟底的水流和水位进行监测，对出现的险情进行预警；
水位监测系统，用于对沟底的水位和流量进行实时监测，传输至数据采集控制系统后与降雨量数据比对，同时与坡体内部的水分传感器及孔压传感器数值进行比对分析，获取降雨量-流量-孔隙水压力的关系。
供电系统，由太阳能供电和风能供电两个模块组成，利用太阳能和风能进行电量补充，向整个监测系统进行供电；采用变频自动控制，当同一传感器连续一周变化参数≤0.1％时，自动切断通类传感器三分之一的电源，保持待测状态，有波动电流反馈至供电系统后，则供电系统开始重新供电，传感器恢复正常。
无线传输天线，用于数据传输和指令接收；
气象监测站，用于对当地的降雨量、温度、湿度、风向、风速、气压气象指标进行实时监测，并对数据进行存储和传输，最终传输至数据采集控制系统。
本发明的另一目的在于提供一种潜在失稳崩滑灾害的监测方法包括以下步骤：
步骤一，在卫片中选定的地质灾害调查范围进行圈定，在此基础上现场布设基于卫片反馈的崩滑监测装置；
步骤二，对边坡演化中的变形和应力进行监测，将实时数据反馈至室内卫片解译终端，对建立的学习模型进行反复训练，将现场边坡的运移要素与卫片中的像素变化建立联系；
步骤三，基于预先编程设定的安全阈值，对现场崩滑灾害进行监测预警。
在一个实施例中，在步骤一中，利用对潜在失稳崩滑灾害的监测数据进行卫片解译学习模型进行训练学习，利用学习模型对潜在失稳边坡进行识别。
在步骤二中，机器学习中，通过设置坡度、坡向及海拔高度及降雨量等关键指标的变化的数据集，对机器进行反复训练，基于神经网络法对滑坡灾害的发生进行预测分析，据此进行野外崩滑灾害的识别；学习模型为：M＝F(x1,x2,x3…)，x1、x2、x3分别为坡度、坡向、降雨量关键指标；
在步骤三中，安全阈值的设定结合崩滑灾害的安全系数确定，安全系数为抗滑力或力矩与下滑力或力矩的比值，安全阈值即为安全系数的函数，根据安全系数的变化确定安全阈值的变化规律。
本发明的另一目的在于提供一种室内卫片解译终端，用于实施所述的潜在失稳崩滑灾害的监测方法。
本发明的另一目的在于提供一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行所述的潜在失稳崩滑灾害的监测方法。
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述的潜在失稳崩滑灾害的监测方法。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明中通过提供一种基于卫片反馈的崩滑监测装置及技术方法，首先在卫片中选定的地质灾害调查范围进行圈定，在此基础上现场布设监测设备，本发明中的监测技术方法能够对工程地质核心要素(地层岩性、气象、岩土参数、水文等)进行实时监测，一方面对边坡演化中的变形和应力进行监测，将实时数据反馈至室内卫片解译终端，对建立的学习模型进行反复训练，将现场边坡的运移要素与卫片中的像素变化建立联系，进而增强卫片解译的准确性；另一方面，基于预先编程设定的安全阈值，对现场崩滑灾害进行监测预警，给当地的防灾减灾服务，将交通防灾减灾与乡村建设防灾减灾深度融合，降低防灾减灾成本。
该方面技术的应用，能够对潜在失稳边坡进行监测，主要解决了无法在卫片中识别即将发生的地质灾害的问题，另外，本发明中提供的技术最终落脚点依然是基于大数据人工智能识别方法的应用，该技术的建立对基于卫片识别崩滑地质灾害方面可以提供重要的支撑，提高工作效率，同时节约地灾识别成本。
第二，把技术方案看作一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明针对上述方法的不足，提出一种基于卫片反馈的崩滑监测装置及方法，通过卫片选取典型灾害点，在典型灾害点进行监测，将监测信息再反馈至室内解译终端进行解译，提高卫片解译结果的准确性。
本发明一方面将典型灾害点的现场信息及时反馈至室内卫片解译终端，便于解译工作的顺利开展，另一方面，本发明中的监测装置，除监测灾害的一般位移、应力变化特征外，对灾害的地层岩性、地质结构、表面冲刷、气象、地下水等信息进行系统监测，从工程地质角度给出被监测灾害点的典型特征，将这些特征融如应变、应力等具体指标中，将变形和应力指标与卫片中像素变化建立联系，更加精准地对潜在灾害点进行解译，有效提高灾害排查的准确性和可靠性。此外，基于监测的准确信息结合人工智能对室内解译方法进行机器学习，后期利用人工智能方法进行典型灾害点的卫片解译，大大提高工作效率。
第三，作为本发明的权利要求的创造性辅助证据，还体现在本发明的技术方案填补了国内外业内技术空白：本发明的实施给地质灾害调查带来了极大的便利性，节约大量的人力物力，同时能够进行区域范围内的地质灾害调查和排查，对于公路工程和工民建工程的安全建设和运营提供了重要的支撑。同时本发明的技术有利于融入现在的智慧交通信息系统中，弥补该方面的空白。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是本发明实施例提供的潜在失稳崩滑灾害的监测方法流程图；
图2是本发明实施例提供的潜在失稳崩滑灾害的监测方法原理图；
图3是本发明实施例提供的基于卫片反馈的崩滑监测装置示意图；
图4是本发明实施例提供的复合监测箱示意图；
图5是本发明实施例提供的流量监测系统示意图；
图中：1、复合监测箱；1-1、自动剪切系统；1-2、加载装置；1-3、数据采集器；1-4、综合监测器；1-5、水化学监测传感器；1-6、孔隙水压力传感器；1-7、矿物成分监测传感器；1-8、水分传感器；1-9、水平位移监测传感器；1-10、竖向位移监测系统；2、数据采集控制系统；3、供电系统；4、坡顶；5、沟底；6、流量监测系统；6-1、渗流溶质测试传感器；6-2、水温度监测传感器；6-3、pH监测传感器；6-4、防淤冲刷系统；6-5、储水箱入水口；6-6、进水口；6-7、出水口；6-8、数据存储器；6-9、监测水箱；6-10、水箱溢水通道；6-11、流量监测传感器；6-12、颗粒成分监测系统；7、激光扫描监测系统；8、无线传输天线；9、水位监测系统；10、气象监测站。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似改进，因此本发明不受下面公开的具体实施的限制。
一、解释说明实施例：
本发明实施例提供的潜在失稳崩滑灾害的监测方法创新提出一种基于潜在失稳崩滑灾害监测进行机器学习模型训练方法。
同时创新的提出了一种基于卫片反馈的崩滑监测装置，利用岩性力学条件变化、地下水渗流、水化学、矿物成分等要素的分析，使得崩滑灾害判别的准确度大大提高。
本发明实施例提供的潜在失稳崩滑灾害的监测方法基于监测数据学习的过程中同时对地质体的变形和区域气象资料等进行分析，从多个角度确定地质体失稳的临界条件，提高训练模型识别危险地质体的准确性。识别的过程中用现场已经发生的地质灾害点进行反向验证，通过几个模型的训练，提高本发明的普适性。
实施例1
如图1所示，本发明实施例提供的潜在失稳崩滑灾害的监测方法包括以下步骤：
S101，在卫片中选定的地质灾害调查范围进行圈定，在此基础上现场布设基于卫片反馈的崩滑监测装置；
S102，对工程地质核心要素(地层岩性、气象、岩土参数、水文等)进行实时监测，对边坡演化中的变形和应力进行监测，将实时数据反馈至室内卫片解译终端，对建立的学习模型进行反复训练，将现场边坡的运移要素与卫片中的像素变化建立联系，进而增强卫片解译的准确性；
S103，基于预先编程设定的安全阈值，对现场崩滑灾害进行监测预警，给当地的防灾减灾服务，将交通防灾减灾与乡村建设防灾减灾深度融合，降低防灾减灾成本。
在步骤S102中，机器学习中，通过设置坡度、坡向及海拔高度及降雨量等关键指标的变化的数据集，对机器进行反复训练，基于神经网络法对滑坡灾害的发生进行预测分析，据此进行野外崩滑灾害的识别。学习模型为：M＝F(x1,x2,x3…)，x1、x2、x3分别为坡度、坡向、降雨量等关键指标。
所述基于神经网络法对滑坡灾害的发生进行预测分析，据此进行野外崩滑灾害的识别包括：
根据现场监测获取的坡度、坡向以及降雨量等指标的具体变化情况，结合遥感卫片中中的位移情况判断边坡的变形状态，根据变形状态和变形率分析滑坡的具体稳定情况，据此进行准确识别潜在失稳边坡。
预测过程：前期大量识别的基础上，不断训练，基于数据集进行反复训练，并经过典型区识别结合人工判别提高识别的精度，后期利用成熟的方法进行潜在地灾识别。
在步骤S103中，安全阈值的设定结合崩滑灾害的安全系数确定，安全系数为抗滑力或力矩与下滑力或力矩的比值，安全阈值即为安全系数的函数，根据安全系数的变化确定安全阈值的变化规律。
F＝N/T(F一般为安全系数，N为抗滑力或者抗滑力矩，KN；T为下滑力或力矩，KN。
在本发明实施例中，利用对潜在失稳崩滑灾害的监测数据进行卫片解译学习模型进行训练学习，与传统学习模型的训练基础截然不同，可以利用学习模型后期对潜在失稳边坡进行精准识别，提高防灾减灾水平，突破了现有技术仅对已有灾害进行识别的技术瓶颈。
在本发明实施例中，提出的基于卫片反馈的崩滑监测装置在传统监测方法的基础上进行了改进，除位移、应力、孔压监测等传感器布设外，增设了水文、水化学、矿物成分变化等方面的监测系统，从物质成分变化及地下水渗流场变化角度揭示崩滑灾害形成的内在机制，精确度和可靠性明显优于现有的滑坡监测技术方法。该监测装置及方法的最终目的可实现潜在灾害的监测预警，可真正地为当地的防灾减灾工作服务。
在本发明实施例中，物质成分变化方面，主要关注地质体内部黏土矿物的含量，黏土矿物的增加对地质体的稳定性极其不利，在地下水或者地震等诱发因素作用下极易形成崩滑灾害，产生致灾效应。黏土矿物的形成与地下水中某些阴阳离子及矿物成分的变化密切联系，所以从物质成分及地下水变化角度可揭示地质灾害形成的内在机制。
实施例2
如图2所示，本发明实施例提供的潜在失稳崩滑灾害的监测方法包括：
(1)卫片选择研究区，利用卫片选择拟开展地质灾害调查的研究区；
(2)现场监测，在研究区选择几处典型的灾害点进行监测装置布设；
(3)数据采集，现场监测获取各类数据，将数据传输至室内卫片解译终端；
(4)卫片识别，基于监测数据进行机器学习，利用学习后的模型利用人工智能开展研究区崩滑灾害的精确识别和批量识别，为防灾减灾服务。
图2中以潜在失稳地质体为研究对象，只有地质体失稳后才能形成滑坡或者崩塌灾害，对潜在失稳地质体进行反复监测，处理用本发明中研发的现场监测设施外，传统监测数据，例如位移、应力、气象资料等也是后期机器学习的关键内容。此外，本发明提出得装置对地表水产生的流量及对地质体表面的冲刷情况等现象也进行精准监测。
实施例3
如图3所示，本发明实施例提供的基于卫片反馈的崩滑监测装置包括：
复合监测箱1，该装置中包含了众多监测系统，将地下水化学成分、孔隙水压力、水平向位移、水平向应力和垂向应力、监测壁矿物成分变化等指标均可进行监测，将众多传感器集成布设，减少了现场监测中需要开挖孔洞数量，高度集成后可以大大提高安装效率，同时监测箱在布设中采用竖向形式进行布设，可以获得不同深度位置的相关数据，当相邻层位参数变化较大时，结合其他数据进行综合判断该地质体是否会发生失稳破坏；
数据采集控制系统2，主要用于现场数据的采集和汇总，并兼具数据初步存储功能，可将现场采集的数据缓存后利用无线传输装置进行传输，将数据汇总后传输至室内卫片解译终端，室内卫片解译终端根据收集的数据进行反复学习，实现基于人工智能的崩滑灾害识别，提高灾害识别精确度，此外，该系统具体数据融合与处理的功能，能够将地下传感器采集的数据与气象站采集的数据进行比对分析，通过内置的算法建立联系，供监测人员分析使用；
供电系统3，该系统主要有太阳能供电和风能供电两个模块组成，利用太阳能和风能进行电量补充，兼具电量储存功能，向整个监测系统进行供电，供电系统3采用变频自动控制，当同一传感器连续一周变化参数小于0.1％时，则供电系统3会自动切断通类传感器三分之一的电源，让其保持待测状态，一旦有波动电流反馈至供电系统3后，则供电系统3立即开始重新供电，传感器完全恢复正常，该过程可以在监测中减少电量损耗，通类数据重复采集对于后期分析意义有限，同时减少了存储器的负荷，这也是本发明中设置的，具有显著创新性，不同于现有技术同时打开所有传感器进行监测；
坡顶4，坡顶4在监测中需要简单平整处理；
沟底5，阴坡和阳坡交汇位置；
流量监测系统6，主要对坡面不同位置的地表水流量进行监测，同时该监测系统内部布设了储水桶，配合相关传感器对地表水的化学成分和pH等数据进行测试分析，将流量数据采集后与气象资料进行整合，分析不同位置的流量与降雨量等指标的联系；
激光扫描监测系统7，该系统的主要功能是对坡面的冲刷形态进行实时监测分析，能够获取坡面不同位置处的冲刷形态等数据，通过与原始坡面形态比对后计算冲刷情况，同时能够对沟底5的水流和水位等进行简单监测，该系统中还布设了预警系统，主要对出现的险情进行预警，设置了报警放大器进行报警，指令由数据采集控制系统2发出；
无线传输天线8，主要在数据传输和指令接收的过程中使用；
水位监测系统9，主要对沟底5的水位和流量进行实时监测，该数据传输至数据采集控制系统2后会与降雨量等数据比对，同时与坡体内部的水分传感器1-8及孔压传感器数值进行比对分析，据此可建立降雨量-流量-孔隙水压力的联系，为潜在失稳地质体的失稳判定奠定基础；
气象监测站10，主要对当地的降雨量、温度、湿度、风向、风速、气压等气象指标进行实时监测，并对数据进行存储和传输，最终传输至数据采集控制系统2。
实施例4
基于本发明实施例3提供的基于卫片反馈的崩滑监测装置，如图4所示，复合监测箱1包括：
自动剪切系统1-1，该系统的主要功能是对地下某一层位的岩土体的力学参数进行测定，主要基于十字板剪切仪原理进行，将初始和变化过程中的抗剪强度参数实时进行监测分析，并传送至数据采集器1-3；
加载装置1-2，该装置的主要功能是在剪切试验中提供加载功能，同时能够控制剪切板的入土深度，由于每次剪切都会形成新的剪切带，后期剪切中需要将剪切板通过加载深入未剪切的土体中进行二次剪切或多次剪切，确保提供准确的测试结果；
数据采集器1-3，主要功能是对整个监测箱中的数据进行汇总和存储，并将数据传输至数据采集控制系统2；
综合监测器1-4，箱壁材料有一定的刚度，其能够防水，通过定制加工获得；
水化学监测传感器1-5，主要对该层的水化学特性进行监测，如果岩层位于地下水位以下时，该传感器可以直接进行测试，若传感器所在岩层位于地下水位以上时，则传感器监测水分迁移过程中的水化学成分，包括阴阳离子和pH值等参数；
孔隙水压力传感器1-6主要对该层的岩土体中的孔隙水压力进行监测，为整个岩土体有效应力计算提供核心参数；
矿物成分监测传感器1-7，对该层位的矿物成分进行监测分析，例如粘土矿物、石英、长石等；
分传感器1-8，主要对该层的水分含量进行监测，能够反映岩土体内部的水分迁移等状况；
水平位移监测传感器1-9，岩土体产生水平位移时，则监测箱整体会受到挤压作用，据此进行水平方向位移监测，获得水平位移变形指标；
竖向位移监测系统1-10，岩土体产生竖向沉降时，该传感器可以对竖向位移进行实时采集。
实施例5
基于本发明实施例3提供的基于卫片反馈的崩滑监测装置，如图5所示，流量监测系统6包括：
渗流溶质测试传感器6-1，主要对地表水中的化学成分进行监测，包括地表水中的阴阳离子种类、含量等；
水温度监测传感器6-2，主要对地表水的温度进行实时监测；
pH监测传感器6-3，主要对地表水的pH进行监测，可以获取地表水化学环境变化方面的数据；
防淤冲刷系统6-4，该系统的主要功能是对监测水箱6-9进行定期冲刷，利用冲刷力将底部残留的固相物质冲刷出去，确保水箱正常使用；
储水箱入水口6-5，主要功能是让水进入储水箱中，内置电磁阀门，可以根据需要自动关闭或打开阀门；
进水口6-6，流量监测系统6的进水，让地下水进入系统的通道；
出水口6-7，流量监测系统6中的出水；
数据存储器6-8，主要对流量监测系统6中的传感器采集的数据进行收集和存储，并将数据最终传输至图3中数据采集控制系统2；
监测水箱6-9，主要为地表水各类监测传感器服务，固定安装传感器，同时将水存储后用于测试，确保测试结果具有较好的稳定性；
水箱溢水通道6-10，监测水箱6-9水过多后可通过该通道排出；
流量监测传感器6-11，主要对监测位置的地表水流量进行监测，为后面的坡面冲刷分析提供基础数据；
颗粒成分监测系统6-12，该系统的主要功能是对监测位置的地表水中携带的土颗粒进行测试，得到水中携带的物质成分的粒度，该系统具有自动冲刷功能，每次测试完后，系统自动对底部残留的颗粒进行冲刷，确保流量通道的整洁性。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
上述装置/单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
二、应用实施例：
应用例1
利用本发明实施例提供的监测装置对白龙江流域的地质灾害进行调查，首先利用卫片选定白龙江流域，在此流域内选择几处较为典型的灾害点，进行现场监测装置的布设，将现场监测数据进行收集整理，并汇入室内终端，根据现场采集的边坡应力、位移等数据的变化找出坡度、降雨等关键指标的临界值，将此数据输入系统中，对学习模型进行反复训练，即可将此处的崩滑灾害作为典型灾害点，模型训练中从卫片内提取了关键像素点，将该像素点与现场监测的位移、应力等指标的变化建立联系，后利用训练后的模型对整个流域内其他类似的灾害点进行识别，可以大大节约人力物力。
应用例2
本发明实施例提供的监测方法运行于计算机设备，该计算机设备包括：至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
应用例3
本发明实施例提供的监测方法运行于计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
应用例4
本发明实施例提供的监测方法运行于信息数据处理终端，所述信息数据处理终端用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤，所述信息数据处理终端不限于手机、电脑、交换机。
应用例5
本发明实施例提供的监测方法运行于服务器，所述服务器用于实现于电子装置上执行时，提供用户输入接口以实施如上述各方法实施例中的步骤。
应用例6
本发明实施例提供的监测方法运行于计算机程序产品，当计算机程序产品在电子设备上运行时，使得电子设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random AccessMemory，RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
三、实施例相关效果的证据：
本发明实施例提供的监测装置及方法在使用过程中综合应用空天地一体化技术进行崩滑灾害的监测和识别，崩滑灾害的监测中利用卫星精准定位，结合地面实时监测进行判别，室内终端采集汇总数据后进行学习并发出识别指令，提高整个识别技术的准确性。该过程中将遥感地质学、灾害地质学、传感技术等内容进行有效融合，多学科交叉，相互验证，促使整个监测系统的功能大幅提升，效率大大提高。
利用卫星影像现场识别一处滑坡，初步确定滑坡的范围，现场进行监测，重点分析地下水和物质成分方面的变化，滑坡的发生是滑带形成后的结果，滑带的形成是滑坡体内一定深度岩土体力学指标(黏聚力和摩擦力)降低后的宏观表现。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种基于卫片反馈的崩滑监测装置，其特征在于，所述基于卫片反馈的崩滑监测装置包括：
复合监测箱(1)，用于对地下水化学成分、孔隙水压力、水平向位移、水平向应力和垂向应力、监测壁矿物成分变化指标进行监测，获得地质体不同深度位置的相关数据；
数据采集控制系统(2)，用于现场数据的采集、汇总、存储，将现场采集的数据缓存后利用无线传输装置进行传输，将数据汇总后传输至室内卫片解译终端；
流量监测系统(6)，用于对坡面不同位置的地表水流量进行监测，以及对地表水的化学成分和pH数据进行测试分析，将流量数据采集后与气象资料进行整合，分析不同位置的流量与降雨量指标；
激光扫描监测系统(7)，用于对坡面的冲刷形态进行实时监测分析，获取坡面不同位置处的冲刷形态数据，通过与原始坡面形态比对后计算冲刷情况，对沟底(5)的水流和水位进行监测，对出现的险情进行预警；
水位监测系统(9)，用于对沟底(5)的水位和流量进行实时监测，传输至数据采集控制系统(2)后与降雨量数据比对，同时与坡体内部的水分传感器(1-8)及孔压传感器数值进行比对分析，获取降雨量-流量-孔隙水压力的关系。
2.根据权利要求1所述的基于卫片反馈的崩滑监测装置，其特征在于，所述基于卫片反馈的崩滑监测装置还包括：供电系统(3)，由太阳能供电和风能供电两个模块组成，利用太阳能和风能进行电量补充，向整个监测系统进行供电；
所述供电系统(3)采用变频自动控制，当同一传感器连续一周变化参数≤0.1％时，自动切断通类传感器三分之一的电源，保持待测状态，有波动电流反馈至供电系统(3)后，则供电系统(3)开始重新供电，传感器恢复正常。
3.根据权利要求1所述的基于卫片反馈的崩滑监测装置，其特征在于，所述基于卫片反馈的崩滑监测装置还包括：
无线传输天线(8)，用于数据传输和指令接收；
气象监测站(10)，用于对当地的降雨量、温度、湿度、风向、风速、气压气象指标进行实时监测，并对数据进行存储和传输，最终传输至数据采集控制系统(2)。
4.根据权利要求1所述的基于卫片反馈的崩滑监测装置，其特征在于，所述复合监测箱(1)包括：
自动剪切系统(1-1)，用于对地下某一层位的岩土体的力学参数进行测定，将初始和变化过程中的抗剪强度参数实时进行监测分析，并传送至数据采集器(1-3)；
加载装置(1-2)，用于在剪切试验中提供加载，还用于控制剪切板的入土深度；
数据采集器(1-3)，用于对整个监测箱中的数据进行汇总和存储，并将数据传输至数据采集控制系统(2)；
综合监测器(1-4)，用于防水；
水化学监测传感器(1-5)，用于对地质层的水化学特性进行监测，如果岩层位于地下水位以下时，直接进行测试，若传感器所在岩层位于地下水位以上时，则监测水分迁移过程中的水化学成分；
孔隙水压力传感器(1-6)，用于对地质层的岩土体中的孔隙水压力进行监测，为整个岩土体有效应力计算提供核心参数；
矿物成分监测传感器(1-7)，对地质层的矿物成分进行监测分析；
分传感器(1-8)，用于对地质层水分含量进行监测，反映岩土体内部的水分迁移状况；
水平位移监测传感器(1-9)，用于岩土体产生水平位移时，进行水平方向位移监测，获得水平位移变形指标；
竖向位移监测系统(1-10)，用于岩土体产生竖向沉降时，对竖向位移进行实时采集。
5.根据权利要求1所述的基于卫片反馈的崩滑监测装置，其特征在于，所述流量监测系统(6)包括：
渗流溶质测试传感器(6-1)，用于对地表水中的化学成分进行监测，包括地表水中的阴阳离子种类、含量；
水温度监测传感器(6-2)，用于对地表水的温度进行实时监测；
pH监测传感器(6-3)，用于对地表水的pH进行监测，以获取地表水化学环境变化方面的数据；
防淤冲刷系统(6-4)，用于对监测水箱(6-9)进行定期冲刷；
储水箱入水口(6-5)，用于让水进入储水箱中，内置电磁阀门，根据需要自动关闭或打开阀门；
进水口(6-6)，用于流量监测系统(6)的进水，让地下水进入系统的通道；
出水口(6-7)，用于流量监测系统(6)中的出水；
数据存储器(6-8)，用于对流量监测系统(6)中的传感器采集的数据进行收集和存储，并将数据最终传输至数据采集控制系统(2)；
监测水箱(6-9)，用于为地表水各类监测传感器服务，固定安装传感器，同时将水存储后用于测试；
水箱溢水通道(6-10)，用于监测水箱(6-9)水过多后通排出；
流量监测传感器(6-11)，用于对监测位置的地表水流量进行监测；
颗粒成分监测系统(6-12)，用于对监测位置的地表水中携带的土颗粒进行测试，得到水中携带的物质成分的粒度。
6.一种利用权利要求1～5任意一项所述基于卫片反馈的崩滑监测装置的潜在失稳崩滑灾害的监测方法，其特征在于，所述潜在失稳崩滑灾害的监测方法包括以下步骤：
步骤一，在卫片中选定的地质灾害调查范围进行圈定，在此基础上现场布设基于卫片反馈的崩滑监测装置；
步骤二，对边坡演化中的变形和应力进行监测，将实时数据反馈至室内卫片解译终端，对建立的学习模型进行反复训练，将现场边坡的运移要素与卫片中的像素变化建立联系；
步骤三，基于预先编程设定的安全阈值，对现场崩滑灾害进行监测预警。
7.根据权利要求6所述的潜在失稳崩滑灾害的监测方法，其特征在于：
在步骤一中，利用对潜在失稳崩滑灾害的监测数据进行卫片解译学习模型进行训练学习，利用学习模型对潜在失稳边坡进行识别；
在步骤二中，机器学习中，通过设置坡度、坡向及海拔高度及降雨量等关键指标的变化的数据集，对机器进行反复训练，基于神经网络法对滑坡灾害的发生进行预测分析，据此进行野外崩滑灾害的识别；学习模型为：M＝F(x1,x2,x3…)，x1、x2、x3分别为坡度、坡向、降雨量关键指标；
所述基于神经网络法对滑坡灾害的发生进行预测分析，据此进行野外崩滑灾害的识别包括：
根据现场监测获取的坡度、坡向以及降雨量指标的变化情况，结合遥感卫片中中的位移情况判断边坡的变形状态，根据变形状态和变形率分析滑坡的稳定情况，进行识别潜在失稳边坡；
在步骤三中，安全阈值的设定结合崩滑灾害的安全系数确定，安全系数为抗滑力或力矩与下滑力或力矩的比值，安全阈值即为安全系数的函数，根据安全系数的变化确定安全阈值的变化规律；
其中，F＝N/T，F为安全系数，N为抗滑力或者抗滑力矩，KN；T为下滑力或力矩，KN。
8.一种室内卫片解译终端，用于实施权利要求6所述的潜在失稳崩滑灾害的监测方法。
9.一种接收用户输入程序存储介质，所存储的计算机程序使电子设备执行权利要求6所述的潜在失稳崩滑灾害的监测方法。
10.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求6所述的潜在失稳崩滑灾害的监测方法。
CN202210526838.9A 2022-05-16 2022-05-16 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质 Active CN114973603B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210526838.9A CN114973603B (zh) 2022-05-16 2022-05-16 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质
PCT/CN2023/094517 WO2023221974A1 (zh) 2022-05-16 2023-05-16 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210526838.9A CN114973603B (zh) 2022-05-16 2022-05-16 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质

Publications (2)

Publication Number Publication Date
CN114973603A true CN114973603A (zh) 2022-08-30
CN114973603B CN114973603B (zh) 2022-11-22

Family

ID=82982737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210526838.9A Active CN114973603B (zh) 2022-05-16 2022-05-16 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质

Country Status (2)

Country Link
CN (1) CN114973603B (zh)
WO (1) WO2023221974A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023221974A1 (zh) * 2022-05-16 2023-11-23 中咨数据有限公司 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117437756B (zh) * 2023-12-20 2024-04-30 贵州地矿基础工程有限公司 危岩体变形监测预警装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202383803U (zh) * 2011-09-19 2012-08-15 南京易周能源科技有限公司 山洪地质灾害预警系统
CN107067333A (zh) * 2017-01-16 2017-08-18 长沙矿山研究院有限责任公司 一种高寒高海拔高陡边坡稳定性监控方法
CN109859442A (zh) * 2019-04-02 2019-06-07 中国科学院、水利部成都山地灾害与环境研究所 山地灾害链预测预报及监测预警系统及实现流程
CN111563619A (zh) * 2020-04-28 2020-08-21 杭州湖玛科技有限公司 一种导致流域滑坡风险的降雨阈值分析方法
CN212316950U (zh) * 2019-12-05 2021-01-08 中铁第四勘察设计院集团有限公司 边坡结构
CN114399889A (zh) * 2022-01-24 2022-04-26 桂林理工大学 一种岩土边坡地质灾害预警系统

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101692781B1 (ko) * 2015-10-05 2017-01-04 금오공과대학교 산학협력단 드론 및 모니터링 센서 연동 기반의 재난 관리 시스템
CN108986413A (zh) * 2018-08-16 2018-12-11 长江水利委员会长江科学院 一种基于多源信息数据的冰湖灾害监测与预警方法
CN111666904A (zh) * 2020-06-10 2020-09-15 南方电网数字电网研究院有限公司 一种输电线路高分辨率遥感影像地质灾害解译识别方法
CN114333241B (zh) * 2021-12-08 2022-10-11 电子科技大学 基于事件触发的滑坡灾害点大数据采集与样本库更新方法
CN114973603B (zh) * 2022-05-16 2022-11-22 中咨数据有限公司 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN202383803U (zh) * 2011-09-19 2012-08-15 南京易周能源科技有限公司 山洪地质灾害预警系统
CN107067333A (zh) * 2017-01-16 2017-08-18 长沙矿山研究院有限责任公司 一种高寒高海拔高陡边坡稳定性监控方法
CN109859442A (zh) * 2019-04-02 2019-06-07 中国科学院、水利部成都山地灾害与环境研究所 山地灾害链预测预报及监测预警系统及实现流程
CN212316950U (zh) * 2019-12-05 2021-01-08 中铁第四勘察设计院集团有限公司 边坡结构
CN111563619A (zh) * 2020-04-28 2020-08-21 杭州湖玛科技有限公司 一种导致流域滑坡风险的降雨阈值分析方法
CN114399889A (zh) * 2022-01-24 2022-04-26 桂林理工大学 一种岩土边坡地质灾害预警系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
杨姗姗等: "滑坡灾害与降雨关系研究", 《人民黄河》 *
陈有亮等: "三峡库区滑坡的水文地质分析", 《水资源与水工程学报》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023221974A1 (zh) * 2022-05-16 2023-11-23 中咨数据有限公司 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质

Also Published As

Publication number Publication date
WO2023221974A1 (zh) 2023-11-23
CN114973603B (zh) 2022-11-22

Similar Documents

Publication Publication Date Title
CN114973603B (zh) 基于卫片反馈的崩滑监测装置、方法、终端、设备及介质
Hürlimann et al. Debris-flow monitoring and warning: Review and examples
KR102124546B1 (ko) 비탈면 경보 장치와 연동된 낙석과 토석 대책 시설의 관리 및 경보 시스템 및 방법
CN102013150B (zh) 基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统
CN211181020U (zh) 一种地质环境治理监测系统
CN103257644A (zh) 一种尾矿库安全状态在线监测方法
CN114252128B (zh) 一种地下管廊涌水量监测及预警系统、方法
CN101477207A (zh) 一种智能型地质灾害综合监测系统及多级预报分析方法
CN104794298A (zh) 一种铀尾矿库核素对库区地下水污染风险评价的方法
Lee et al. Spatial prediction of urban landslide susceptibility based on topographic factors using boosted trees
CN110865592A (zh) 一种尾矿库渗流监测系统及其综合预警方法
Kalinina et al. Uncertainties in the risk assessment of hydropower dams: state-of-the-art and outlook
CN113421404B (zh) 一种星地协同的边坡多风险因子联合实时监测与预警方法
CN114923519A (zh) 工程地质监测系统及多期航拍测绘的三维地质建模方法
Bao et al. Evolution of high-filling loess slope under long-term seasonal fluctuation of groundwater
Piro et al. Smart and Innovative Systems for Urban Flooding Risk Management
CN114299692A (zh) 一种基于信息融合的滑坡位移监测预警系统及方法
CN113627877A (zh) 一种山岭综合管廊的水文地质分析方法、装置及存储介质
CN211123702U (zh) 一种尾矿库渗流监测系统
Bovolenta et al. Monitoring of rain-induced landslides for the territory protection: the AD-VITAM Project
Krogerus et al. Management of water balance in mining areas–WaterSmart
Elmekati et al. Geotechnical Health Assessment of Roadway Embankment Using Airborne LiDAR
Peternel et al. Observing surface movement patterns of the Potoška planina landslide using geodetic techniques
WO2023017612A1 (ja) 調査領域判定装置、調査領域判定システム、調査領域判定方法、及び、記録媒体
Arbanas et al. The Croatian-Japanese SATREPS joint research project on landslides (IPL-161)

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