CN115328373B - 一种确定性系数计算方法及系统 - Google Patents

一种确定性系数计算方法及系统 Download PDF

Info

Publication number
CN115328373B
CN115328373B CN202210924050.3A CN202210924050A CN115328373B CN 115328373 B CN115328373 B CN 115328373B CN 202210924050 A CN202210924050 A CN 202210924050A CN 115328373 B CN115328373 B CN 115328373B
Authority
CN
China
Prior art keywords
output result
disaster
layer
preset
target
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.)
Active
Application number
CN202210924050.3A
Other languages
English (en)
Other versions
CN115328373A (zh
Inventor
叶泽宇
翟淑花
冒建
徐尚智
王云涛
刘欢欢
于家烁
王强强
王艳梅
熊春华
李蕊
马斯鸣
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.)
Beijing Institute Of Geological Disaster Prevention And Control
Original Assignee
Beijing Institute Of Geological Disaster Prevention And Control
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 Beijing Institute Of Geological Disaster Prevention And Control filed Critical Beijing Institute Of Geological Disaster Prevention And Control
Priority to CN202210924050.3A priority Critical patent/CN115328373B/zh
Publication of CN115328373A publication Critical patent/CN115328373A/zh
Application granted granted Critical
Publication of CN115328373B publication Critical patent/CN115328373B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04845—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range for image manipulation, e.g. dragging, rotation, expansion or change of colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0484—Interaction techniques based on graphical user interfaces [GUI] for the control of specific functions or operations, e.g. selecting or manipulating an object, an image or a displayed text element, setting a parameter value or selecting a range
    • G06F3/04847—Interaction techniques to control parameter settings, e.g. interaction with sliders or dials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种确定性系数计算方法及系统，属于地质灾害评价分析计算技术领域，包括：获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；利用所述栅格图层确定所述目标孕灾因子确定性系数。本发明在地质灾害评价分析过程中，通过借助特定的模型构建器，依据地质灾害客观数据信息，实现数据参数的灵活配置，在模型操作中采用一键式操作调整，无需重新构建模型，即可快速准确得出确定性系数结果。

Description

一种确定性系数计算方法及系统
技术领域
本发明涉及地质灾害评价分析计算技术领域，尤其涉及一种确定性系数计算方法及系统。
背景技术
在地质灾害易发性评价分析中，通常用到确定性系数(CertaintyFactor，CF)，确定性系数CF是一个概率函数，属于双变量统计分析范畴用来分析灾害事件发生在各个影响因子之间的一个敏感程度。
目前，确定孕灾影响因子的确定性系数的常用方法是通过ArcGIS平台的工具箱(ArcToolbox)内的工具，结合确定性系数计算公式，使用不同的方式来建立各影响因子以CF值为属性的栅格图层。
而现有的采用ArcGIS求取确定性系数所使用的方法不明确，没有统一规范、标准及流程，且当求取同一数据源不同孕灾影响因子的确定性系数CF时，需要重复操作，反复打开使用工具箱内的各种相关工具或者修改相应图层的属性表，重复输入或选取相关参数，降低了工作效率，可能导致必要参数的误填、误选或遗漏以致软件系统报错或者输出错误的图层。
因此，在计算确定性系数时，需要提出新的计算方法，以克服上述缺点。
发明内容
本发明提供一种确定性系数计算方法及系统，用以解决现有技术中采用ArcGIS求取确定性系数没有系统的方法，导致求取结果准确率低，且修改参数繁琐的缺陷。
第一方面，本发明提供一种确定性系数计算方法，包括：
获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；
获取所述地质灾害目标区域的地灾点数据(栅格数据与矢量点数据在同一投影坐标系下)，基于所述地灾矢量点数据得到第二输出结果；
连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；
利用所述栅格图层确定所述目标孕灾因子确定性系数。
根据本发明提供的一种确定性系数计算方法，所述获取地质灾害目标区域的预设精度栅格数据图层，包括：
确定所述地质灾害目标区域的预设像元精度，以所述预设像元精度获取数字高程模型栅格数据图层。
根据本发明提供的一种确定性系数计算方法，所述基于预设精度栅格数据图层得到第一输出结果，包括：
确定目标孕灾因子空间分析类型；
基于所述目标孕灾因子空间分析类型连接所述数字高程模型栅格数据图层，得到连接图层；
对所述连接图层进行重分类，得到重分类结果；
对所述重分类结果确定添加第一预设参数和计算第二预设参数，得到所述第一输出结果。
根据本发明提供的一种确定性系数计算方法，所述获取所述地质灾害目标区域的崩塌矢量点数据，基于所述地灾矢量点数据得到第二输出结果，包括：
确定所述地灾矢量点数据对应的点图层矢量数据；
对所述点图层矢量数据依次进行提取到点和计算频数，得到所述第二输出结果。
根据本发明提供的一种确定性系数计算方法，所述连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层，包括：
利用连接字段将所述第一输出结果和所述第二输出结果进行连接，得到连接结果；
确定在所述连接结果上依次增加第三预设参数，计算第四预设参数，以及获取查询第五参数，得到所述目标孕灾因子确定性系数所对应的栅格图层。
根据本发明提供的一种确定性系数计算方法，所述目标孕灾因子包括坡度、坡向、高程和地貌。
第二方面，本发明还提供一种确定性系数计算系统，包括：
第一处理模块，用于获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；
第二处理模块，用于获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；
连接模块，用于连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；
确定模块，用于利用所述栅格图层确定所述目标孕灾因子确定性系数。
第三方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述确定性系数计算方法。
第四方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述确定性系数计算方法。
第五方面，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述确定性系数计算方法。
本发明提供的确定性系数计算方法及系统，通过借助特定的模型构建器，依据地质灾害客观数据信息，实现数据参数的灵活配置，在模型操作中采用一键式操作调整，无需重新构建模型，即可快速准确得出确定性系数结果。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本发明提供的确定性系数计算方法的流程示意图之一；
图2是本发明提供的确定性系数计算方法的流程示意图之二；
图3是本发明提供的确定性系数计算系统的结构示意图；
图4是本发明提供的电子设备的结构示意图。
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，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，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作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。
在发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合图1-图4描述本发明的确定性系数计算方法及系统。
在现有的地质灾害易发性评价中，虽然采用了ArcGIS工具求取孕灾因子确定性系数，但由于缺乏统一规范和相应的约束流程，尤其是针对同一数据源不同孕灾因子确定性系数求解时，需要反复修改ArcGIS工具中的各种相关工具及对应参数，不仅效率低而且极易出错。本发明在此基础上，基于ArcGIS工具，优化工具中的各种子工具和对应的参数设置，实现高效快速准确计算确定性系数。
图1是本发明提供的确定性系数计算方法的流程示意图之一，如图1所示，包括：
步骤100：获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；
步骤200：获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；
步骤300：连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；
步骤400：利用所述栅格图层确定所述目标孕灾因子确定性系数。
具体地，针对某一区域内的山区崩塌地质灾害的确定性系数，首先选取研究区内主要影响崩塌的几个孕灾因素，根据该区域内的每个影响因素的特性，将其分段划分为若干取值范围，从而计算每一类影响因素内部各分段的确定性系数CF值。
针对上述需求，本发明利用特定的工具，即ArcGIS模型构建器，结合确定性系数计算公式，建立求取孕灾因子确定性系数的流程模型，从而最终得到需要求取的孕灾因素对应的确定性系数。
首先在模型构建器中导入地质灾害目标区域的预设精度栅格数据图层，利用ArcGIS模型构建器中的相关子工具对该预设精度栅格数据图层进行处理，得到一定维度的第一输出结果。
然后在模型构建器中导入地质灾害目标区域的地灾点数据，同样是对地灾矢量点数据采用ArcGIS模型构建器中的处理工具进行处理，得到另一维度的第二输出结果。
将上述分别得到的第一输出结果和第二输出结果进行连接，并采用辅助工具进行处理，得到目标孕灾因子确定性系数所对应的栅格图层。
由上述目标孕灾因子确定性系数所对应的栅格图层即可对应得到需要求取的目标孕灾因子确定性系数。
本发明在地质灾害评价分析过程中，通过借助特定的模型构建器，依据地质灾害客观信息，实现数据参数的灵活配置，在模型操作中采用一键式操作调整，无需重新构建模型，即可快速准确得出确定性系数结果。
基于上述实施例，所述获取地质灾害目标区域的预设精度栅格数据图层，包括：
确定所述地质灾害目标区域的预设像元精度，以所述预设像元精度获取数字高程模型栅格数据图层。
所述基于预设精度栅格数据图层得到第一输出结果，包括：
确定目标孕灾因子空间分析类型；
基于所述目标孕灾因子空间分析类型连接所述数字高程模型栅格数据图层，得到连接图层；
对所述连接图层进行重分类，得到重分类结果；
对所述重分类结果确定添加第一预设参数和计算第二预设参数，得到所述第一输出结果。
具体地，将ArcGIS模型构建器调整为编辑模式，导入以单元格(像元)精度(设为n米)的数字高程模型(Digital Elevation Model，DEM)，数字高程模型是通过有限的地形高程数据实现对地面地形的数字化模拟(即地形表面形态的数字化表达)，它是用一组有序数值阵列形式表示地面高程的一种实体地面模型。
进一步地，使用工具箱ArcToolbox下的空间分析工具内的工具等连接，该工具类型包括坡度Slope工具和坡向Aspect工具等，得到连接图层，即图2中的输出(1)，将连接图层的输出结果使用重分类Reclassify工具进行连接，得到重分类结果，即图2中的输出(2)。
最后，将重分类结果依次使用添加字段Add Field工具，即第一预设参数，即图2中的输出(4)，以及计算字段Calculate Field工具进行连接，即第二预设参数，综合得到在栅格数据图层维度下的第一输出结果，即图2中的输出(6)。
需要说明的是，本发明中所使用的栅格数据图层，根据地理信息系统对现实世界的描述可以以地理空间位置为基础，按道路、行政区域、土地使用、土壤、房屋、地下管线、自然地形等不同专题属性来组织地理信息。在栅格数据结构中，物体的空间位置就用其在笛卡尔平面网格中的行号和列号坐标表示，物体的属性用像元的取值表示，每个像元在一个网格中只能取值一次，同一像元要表示多重属性的事物就要用多个笛卡尔平面网格，每个笛卡尔平面网格表示一种属性或同一属性的不同特征，这种平面称为层。地理数据在栅格数据结构中必须分层组织存储，每一层构成单一的属性数据层或专题信息层，例如同样以线性特征表示的地理要素，河流可以组织为一个层，道路可以作为另一层，同样以多边形特征表示的地理要素，湖泊可以作为一个层，房屋可以作为另一层，根据使用目的不同，可以确定需要建立哪些层及需要建立哪些描述性属性。
本发明在ArcGIS模型构建器中以一定的精度处理栅格数据图层，以可视化操作呈现空间分析以及其余影响因素的栅格图层数据，将栅格图层数据连接重分类工具，具有流程化和标准化的操作特点。
基于上述任一实施例，获取所述地质灾害目标区域的崩塌点数据，基于所述地灾矢量点数据得到第二输出结果，包括：
确定所述地灾矢量点数据对应的点图层矢量数据；
对所述点图层矢量数据依次进行提取到点和计算频数，得到所述第二输出结果。
具体地，在ArcGIS模型构建器中导入地质灾害目标区域的地灾点数据，可将地灾点个数设为N个。
将崩塌点数据对应的点图层矢量数据依次使用提取至点Extract Values toPoints工具和频数Frequency工具连接，得到第二输出结果。
其中，点图层和输出(2)经过提取至点工具处理后的结果对应图2中的输出(3)，经过频数工具处理后的结果对应图2中的输出(5)。
本发明通过在ArcGIS模型构建器中从矢量点图层数据的角度建立参数连接匹配，达到多维度参数呈现的效果，以构建通用标准化求取模型为目的，减少模型重复构建工作量。
基于上述任一实施例，所述连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层，包括：
利用连接字段将所述第一输出结果和所述第二输出结果进行连接，得到连接结果；
确定在所述连接结果上依次增加第三预设参数，计算第四预设参数，以及获取查询第五参数，得到所述目标孕灾因子确定性系数所对应的栅格图层。
具体地，分别将从栅格数据图层维度得到的第一输出结果，以及从崩塌点数据维度得到的第二输出结果进行综合处理。
利用连接字段Join Field工具进行两个结果的连接，对应图2中的输出(7)，再依次使用添加字段Add Field工具，即增加第三预设参数，该结果对应图2中的输出(8)，再使用计算字段Calculate Field工具，即计算第四预设参数，该结果对应图2中的输出(9)，以及查询Look Up工具连接，即获取查询第五参数之后，最终得到能显示任一孕灾因子确定性系数的栅格图层，对应图2中的输出(10)。
由于该栅格图层通常都是通过坐标等形式进行量化的数据表示，因此即显示对应任一孕灾因子确定性系数，由该栅格图层即可准确得到任一孕灾因子确定性系数。
本发明通过模型构建器实现数据可视化表达，使得工作流程更加直观，比传统方法更具科学性和合理性。
基于上述任一实施例，所述目标孕灾因子包括坡度、坡向、高程和地貌。
可选地，本发明所要解决的问题是某一区域内的山区崩塌等地质灾害的确定性系数，通常选定以地质灾害目标区域为研究区内影响崩塌等的几个孕灾因素，主要包括坡度、坡向、高程和地貌等。
以计算坡度的确定性系数为例，打开坡度Slope工具后，在对话框中定义栅格数据的使用方式，设置输出测量单位为度、输出图层的名称及保存路径，生成坡度图层；打开重分类Reclassify工具后，设置重分类字段，重分类的方法，按所需将图层中每个像元赋值以及设置输出图层的名称和保存路径；打开添加字段Add Field工具后，设置字段的名称、类型、精度；打开提取至点Extract Values to Points工具后，设置图层的名称及保存路径；打开计算字段Calculate Field工具后，设置字段名称为面积area，对应表达式为[Count]*n(单元格精度)*n(单元格精度)，设置代码类型为VB；打开频数Frequency工具后，设置输出表格的名称、保存路径及频数字段，其输出字段会包含频数Frequency；打开连接字段JoinField后，设置输入图层所要连接的字段、连接表及其相应字段；打开添加字段Add Field后，设置字段名称为CF，字段类型为浮点型，打开计算字段Calculate Field，设置字段名称为CF，在表达式Expression中输入公式：-1if！FREQUENCY！＝＝None else cf(！FREQUENCY！/！area！)，选取表达式类型为PYTHON，在代码块中输入公式：
其中，N为崩塌点的总数，S0为研究区的总面积；打开查询Lookup工具后，设置查询字段为CF和输出图层的名称及保存路径。每次计算相同数据源的不同影响因素的确定性系数时，只需更换空间分析内的不同分析工具，例如将坡度工具转换为坡向工具，或者用其他影响因素的栅格图层直接连接重分类工具即可。
本发明提出的基于ArcGIS模型构建器的确定性系构建方法，采用的模型化操作使得计算结果具有更高的准确性和可靠性。若需要计算同一数据源的其它孕灾因素，仅需更换空间分析工具或其它孕灾因素的栅格图层数据直接连接重分类工具，即可实现一键式计算，使得模型能重复利用，有效减少工作量。
下面对本发明提供的确定性系数计算系统进行描述，下文描述的确定性系数计算系统与上文描述的确定性系数计算方法可相互对应参照。
图3是本发明提供的确定性系数计算系统的结构示意图，如图3所示，包括：第一处理模块31、第二处理模块32、连接模块33和确定模块34，其中：
第一处理模块31用于获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；第二处理模块32用于获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；连接模块33用于连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；确定模块34用于利用所述栅格图层确定所述目标孕灾因子确定性系数。
本发明在地质灾害评价分析过程中，通过借助特定的模型构建器，依据地质灾害客观信息，实现数据参数的灵活配置，在模型操作中采用一键式操作调整，无需重新构建模型，即可快速准确得出确定性系数结果。
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行确定性系数计算方法，该方法包括：获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；利用所述栅格图层确定所述目标孕灾因子确定性系数。
此外，上述的存储器430中的逻辑指令可以通过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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的确定性系数计算方法，该方法包括：获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；利用所述栅格图层确定所述目标孕灾因子确定性系数。
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的确定性系数计算方法，该方法包括：获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；利用所述栅格图层确定所述目标孕灾因子确定性系数。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (5)

1.一种确定性系数计算方法，其特征在于，包括：
获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；
获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；
连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；
利用所述栅格图层确定所述目标孕灾因子确定性系数；
其中，所述获取地质灾害目标区域的预设精度栅格数据图层，包括：
确定所述地质灾害目标区域的预设像元精度，以所述预设像元精度获取数字高程模型栅格数据图层；
其中，所述基于预设精度栅格数据图层得到第一输出结果，包括：
确定目标孕灾因子空间分析类型；
基于所述目标孕灾因子空间分析类型连接所述数字高程模型栅格数据图层，得到连接图层；
对所述连接图层进行重分类，得到重分类结果；
对所述重分类结果确定添加第一预设参数和计算第二预设参数，得到所述第一输出结果；所述第一预设参数包括设置字段的名称、类型和精度；所述第二预设参数包括字段名称、表达式以及设置代码类型；
其中，所述获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果，包括：
确定所述地灾矢量点数据对应的点图层矢量数据；
对所述点图层矢量数据依次进行提取到点和计算频数，得到所述第二输出结果；
其中，所述连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层，包括：
利用连接字段将所述第一输出结果和所述第二输出结果进行连接，得到连接结果；
确定在所述连接结果上依次增加第三预设参数，计算第四预设参数，以及获取查询第五参数，得到所述目标孕灾因子确定性系数所对应的栅格图层；所述第三预设参数包括字段名称和字段类型；所述第四预设参数包括字段名称、表达式和表达式类型；所述第五参数包括查询字段名称、输出图层的名称及保存路径。
2.根据权利要求1所述的确定性系数计算方法，其特征在于，所述目标孕灾因子包括坡度、坡向、高程和地貌。
3.一种确定性系数计算系统，其特征在于，包括：
第一处理模块，用于获取地质灾害目标区域的预设精度栅格数据图层，基于预设精度栅格数据图层得到第一输出结果；
第二处理模块，用于获取所述地质灾害目标区域的地灾矢量点数据，基于所述地灾矢量点数据得到第二输出结果；
连接模块，用于连接所述第一输出结果和所述第二输出结果，获得目标孕灾因子确定性系数所对应的栅格图层；
确定模块，用于利用所述栅格图层确定所述目标孕灾因子确定性系数；
所述第一处理模块具体用于：
确定所述地质灾害目标区域的预设像元精度，以所述预设像元精度获取数字高程模型栅格数据图层；
确定目标孕灾因子空间分析类型；
基于所述目标孕灾因子空间分析类型连接所述数字高程模型栅格数据图层，得到连接图层；
对所述连接图层进行重分类，得到重分类结果；
对所述重分类结果确定添加第一预设参数和计算第二预设参数，得到所述第一输出结果；所述第一预设参数包括设置字段的名称、类型和精度；所述第二预设参数包括字段名称、表达式以及设置代码类型；
其中，所述第二处理模块具体用于：
确定所述地灾矢量点数据对应的点图层矢量数据；
对所述点图层矢量数据依次进行提取到点和计算频数，得到所述第二输出结果；
其中，所述连接模块具体用于：
利用连接字段将所述第一输出结果和所述第二输出结果进行连接，得到连接结果；
确定在所述连接结果上依次增加第三预设参数，计算第四预设参数，以及获取查询第五参数，得到所述目标孕灾因子确定性系数所对应的栅格图层；所述第三预设参数包括字段名称和字段类型；所述第四预设参数包括字段名称、表达式和表达式类型；所述第五参数包括查询字段名称、输出图层的名称及保存路径。
4.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至2任一项所述确定性系数计算方法。
5.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至2任一项所述确定性系数计算方法。
CN202210924050.3A 2022-08-02 2022-08-02 一种确定性系数计算方法及系统 Active CN115328373B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210924050.3A CN115328373B (zh) 2022-08-02 2022-08-02 一种确定性系数计算方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210924050.3A CN115328373B (zh) 2022-08-02 2022-08-02 一种确定性系数计算方法及系统

Publications (2)

Publication Number Publication Date
CN115328373A CN115328373A (zh) 2022-11-11
CN115328373B true CN115328373B (zh) 2024-01-12

Family

ID=83919669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210924050.3A Active CN115328373B (zh) 2022-08-02 2022-08-02 一种确定性系数计算方法及系统

Country Status (1)

Country Link
CN (1) CN115328373B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283802A (zh) * 2021-06-17 2021-08-20 北京交通大学 一种复杂艰险山区滑坡危险性评估方法
CN113642849A (zh) * 2021-07-19 2021-11-12 北京师范大学 考虑空间分布特征的地质灾害危险性综合评价方法及装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10310140B2 (en) * 2012-05-08 2019-06-04 Max-Planck-Gesellschaft Zur Forderung Der Wissenschaften E.V. Disaster alert mediation using nature
WO2021226605A1 (en) * 2020-05-05 2021-11-11 Schwartz Tammy Nichols Method and system for computing a final composite threat (fct) score for a property

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113283802A (zh) * 2021-06-17 2021-08-20 北京交通大学 一种复杂艰险山区滑坡危险性评估方法
CN113642849A (zh) * 2021-07-19 2021-11-12 北京师范大学 考虑空间分布特征的地质灾害危险性综合评价方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于确定性系数模型与逻辑回归模型耦合的地质灾害易发性评价――以贵州省开阳县为例;覃乙根;杨根兰;江兴元;鲁鲲鹏;李子安;;科学技术与工程(01);全文 *

Also Published As

Publication number Publication date
CN115328373A (zh) 2022-11-11

Similar Documents

Publication Publication Date Title
US11270397B2 (en) Automatic urban land identification system integrating business big data with building form
US9361728B2 (en) Submarine topography construction method based on multi-source water depth data integration
CN109238239B (zh) 基于航空摄影的数字测量三维建模方法
CN106779417A (zh) 工程勘察信息数字化采集、管理及综合应用方法
KR100686287B1 (ko) 공간정보/위치정보의 정밀 위치정보 변환을 위한 변동량모델링 방법
CN106503060A (zh) 一种输电线路三维点云数据处理及交跨物获取方法
CN113869629A (zh) 一种基于激光点云的输电线路安全风险分析判断评估方法
CN113360587B (zh) 一种基于gis技术的土地测绘设备及测绘方法
Maraş et al. Topological error correction of GIS vector data
CN117557681B (zh) 一种基于多源测绘数据的高精度地形图生成方法及装置
Wong et al. Using geometry-based metrics as part of fitness-for-purpose evaluations of 3D city models
CN115328373B (zh) 一种确定性系数计算方法及系统
KR101063827B1 (ko) 한국토지정보시스템 연속지적도와 수치지형도의 기하학적 지도 변환을 위한 반자동화된 공액점 쌍 추출방법
Sousa et al. Assessment of map similarity of categorical maps using Kappa statistics
CN115131571A (zh) 一种基于点云预处理六领域的建筑物局部特征点识别方法
CN111241221B (zh) 一种受损地形坐标数据的自动化匹配及高精度修复方法
Guo et al. A comparative study of large karst cave point cloud registration in various scanning modes
Smith et al. Map Comparison Methods for Three‐Dimensional Space and Time Voxel Data
Muñumer Herrero et al. Testing the Impact of 2D Generalisation on 3D Models–Exploring Analysis Options With an Off-the-shelf Software Package
CN117197730B (zh) 一种城市空间畸变图像的修复评估方法
CN115620171B (zh) 树林蓄积量评估方法、装置、设备及存储介质
CN111400891B (zh) 管道巡检点偏差程度获取方法、装置、设备及存储介质
Caristi et al. Road Network Analysis with GIS and GRASS-GIS: A Probabilistic Approach
CN116431747A (zh) 测绘断面数据处理方法
CN117876465A (zh) 一种基于落水洞内部点云数据的体积计算方法、系统、设备和介质

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