CN115345511B - 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 - Google Patents
一种公路走廊滑坡危险性动态评价方法、评价系统及设备 Download PDFInfo
- Publication number
- CN115345511B CN115345511B CN202211042920.0A CN202211042920A CN115345511B CN 115345511 B CN115345511 B CN 115345511B CN 202211042920 A CN202211042920 A CN 202211042920A CN 115345511 B CN115345511 B CN 115345511B
- Authority
- CN
- China
- Prior art keywords
- landslide
- evaluation
- hazard
- level
- probability
- 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
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 474
- 238000000034 method Methods 0.000 claims abstract description 45
- 238000007477 logistic regression Methods 0.000 claims abstract description 40
- 230000006698 induction Effects 0.000 claims abstract description 30
- 238000010606 normalization Methods 0.000 claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 23
- 238000005516 engineering process Methods 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000011160 research Methods 0.000 claims description 28
- 239000011435 rock Substances 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 13
- 230000000763 evoking effect Effects 0.000 claims description 13
- 238000009825 accumulation Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000000611 regression analysis Methods 0.000 claims description 8
- 230000001939 inductive effect Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 238000005755 formation reaction Methods 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 8
- 230000003068 static effect Effects 0.000 description 13
- 230000000694 effects Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000011161 development Methods 0.000 description 6
- 238000012544 monitoring process Methods 0.000 description 6
- 239000002689 soil Substances 0.000 description 6
- 238000011835 investigation Methods 0.000 description 5
- 238000007619 statistical method Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000013210 evaluation model Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 229920002334 Spandex Polymers 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 239000004759 spandex Substances 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Abstract
本发明属于公路滑坡灾害危险性数据识别技术领域,公开了一种公路走廊滑坡危险性动态评价方法、评价系统及设备。所述方法包括:建立公路走廊滑坡易发性的评价因子,对评价因子进行归一化处理,确定评价因子回归系数,建立滑坡易发性评价逻辑回归模型;确定公路走廊滑坡易发性分级区间;结合降雨诱发因素和滑坡自身变形状态,计算在特定降雨事件下滑坡的危险性概率;再引入平均地表形变速率动态因子,建立公路走廊滑坡危险性动态评价矩阵,进行公路走廊滑坡危险性动态评价。本发明基于时序InSAR技术获取的平均地表形变速率进行的,而平均地表形变速率的获取更具有时效性,能够为公路地质灾害防治提供参考。
Description
技术领域
本发明属于公路滑坡灾害危险性数据识别技术领域,尤其涉及一种公路走廊滑坡危险性动态评价方法、评价系统及设备。
背景技术
随着公路路网的快速发展,公路的建设和运行安全也越来越受公路交通管理部门和防灾减灾相关部门的关注。如何对公路滑坡灾害进行有效的监测预警,提前发现问题并制定合理有效的防控措施,对保障公路交通正常建设和运行安全有着至关重要的作用。
目前对于公路走廊滑坡危险性研究,由于技术方法或数据源获取等各方面的限制,大多数危险性评价研究只考虑某一时间某种状态下的评价,其评价结果是静态的,而未考虑滑坡的演化过程是动态变化的,不同时间段内滑坡的变形状态不同,因此难以呈现滑坡危险性的动态变化,则得出的滑坡危险性等级不准确。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有技术对于公路走廊滑坡危险性监测中,公路走廊滑坡危险性评价因子选取多为静态因子、未考虑斜坡自身演化过程是动态的、危险性等级不准确。
(2)现有技术对于公路走廊滑坡危险性监测中,没有基于时序InSAR技术获取平均地表形变速率,使得获得的平均地表形变速率时效性差,不能为公路走廊滑坡危险性动态实时监测提供公路地质灾害防治参考数据信息。
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公路走廊滑坡危险性动态评价方法、评价系统及设备。本发明创新点表现在利用动态的InSAR数据,引入平均地表形变速率动态因子,体现滑坡自身的变形状态,从而使危险性评价结果与实际更相符,相比于只考虑地质环境条件的静态滑坡危险性评价,动态危险性评价结果误差更小,更具参考性。本发明其评价结果将减少静态危险性评价误差,且与实际调查结果更相符。本发明基于时序InSAR技术获取的平均地表形变速率进行,而平均地表形变速率的获取更具有时效性,故公路走廊滑坡危险性动态评价方法也同样具有时效性,更能够为公路地质灾害防治提供参考。
所述技术方案如下:本发明提供的公路走廊滑坡危险性动态评价方法包括以下步骤:
S1,建立公路走廊滑坡易发性的评价因子,对评价因子进行归一化处理,确定评价因子回归系数,建立滑坡易发性评价逻辑回归模型,确定公路走廊滑坡易发性分级区间;所述评价因子包括:高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数、距道路距离、距河流距离以及距断层距离;
S2,在公路走廊滑坡易发性评价基础上,结合降雨诱发因素和滑坡自身变形状态,计算在特定降雨事件下滑坡的危险性概率;
S3,引入平均地表形变速率动态因子,建立公路走廊滑坡危险性动态评价矩阵,进行公路走廊滑坡危险性动态评价。
在步骤S1中,所述对评价因子进行归一化处理包括:
对Wij归一化处理得到各评价因子分级区间归一化值Mij;
归一化处理公式如下:
式中:i表示第i个评价因子,j表示第i个评价因子中的第j个分级区间,m表示第i个评价因子的分级区间个数。
在步骤S1中,所述确定评价因子回归系数包括:
(1)将研究区矢量滑坡分布图转为栅格图层,发生滑坡的区域赋值为1,未发生滑坡的区域赋值为0;
(2)根据所求的归一化值,分别将9个评价因子图栅格化;
(3)在目标区域范围内,随机选取一定数量的滑坡点,借助Arcgis软件中的生成随机点工具,在目标范围内且滑坡点以外,以相同的点间距生成随机点,创建与滑坡点数量相同的非滑坡点,作为易发性评价的总样本点;
(4)将步骤(1)和(2)中的值赋在样本点上,得到样本点属性表,将其导入SPSS软件中,利用回归分析工具进行总样本点的逻辑回归分析,得出回归分析结果。
在步骤S1中,滑坡易发性评价逻辑回归模型为:
式中:P为滑坡易发性概率,其值越大,滑坡发生的可能性越大;n为系数,1≤n≤9;B0为常数项,B1为高程评价因子回归系数值,B2为坡度评价因子回归系数值,B3为坡向评价因子回归系数值,B4为地表曲率评价因子回归系数值,B5为工程地质岩组评价因子回归系数值,B6为归一化植被指数评价因子回归系数值值,B7为距道路距离评价因子回归系数值,B8为距河流距离评价因子回归系数值,B9为断层距离评价因子回归系数值;X1为高程评价因子栅格图层,X2为坡度评价因子栅格图层,X3为坡向评价因子栅格图层,X4为地表曲率评价因子栅格图层,X5为工程地质岩组评价因子栅格图层,X6为归一化植被指数评价因子栅格图层,X7为距道路距离评价因子栅格图层,X8为距河流距离评价因子栅格图层,X9为距断层距离评价因子栅格图层。
在步骤S1中,所述确定公路走廊滑坡易发性分级区间包括:滑坡易发性级别包括滑坡易发性极低、滑坡易发性低、滑坡易发性中等、滑坡易发性高和滑坡易发性极高,所述滑坡易发性极低对应的滑坡易发性概率P为0.008≤P≤0.176;所述滑坡易发性低对应的滑坡易发性概率P为0.176<P≤0.323;所述滑坡易发性中等对应的滑坡易发性概率P为0.323<P≤0.481;所述滑坡易发性高对应的滑坡易发性概率P为0.481<P≤0.688;所述滑坡易发性极高对应的滑坡易发性概率P为0.688<P≤0.963。
在步骤S2中,结合降雨诱发因素和滑坡自身变形状态,获得在特定降雨事件下滑坡的危险性概率包括:
1)搜集研究区已发生滑坡与对应降雨量信息,所述降雨量信息包括滑坡发生当日D1降雨量及前1日D2…前十日D10降雨量;
2)通过SPSS相关性分析,获得不同日数前期累积降雨量与滑坡发生的相关性结果,选择显著性相关峰值下的降雨累计日数作为诱发滑坡发生的最佳累计降雨日数;
3)根据研究区统计的历史滑坡发生时前期降雨量值,按照降雨量大小将最佳累计降雨日数内的累积降雨量分为不同的等级,不同的等级代表不同的特定降雨诱发事件;
4)统计不同特定降雨诱发事件出现的次数和对应滑坡发生次数,计算特定降雨事件出现的次数和滑坡发生次数的比值,获得特定降雨事件发生时滑坡发生的概率;
计算特定降雨事件下滑坡的危险性概率公式如下:
K=P(r)·P(l)·P(i)
式中:K表示滑坡的危险性概率,P(r)表示滑坡的空间概率,P(l)表示特定诱发事件发生的概率,P(i)表示特定诱发事件下滑坡发生的概率,假定特定诱发事件已发生,即P(l)=1,则滑坡危险性概率K=P(r)·P(i)。
在步骤S3中,利用SAR影像数据,采用InSAR技术提取区域某一时间段内的平均地表形变速率,获得的平均地表形变速率分为5个等级,分别用V5表示极速,V4表示快速,V3表示中速,V2表示慢速和V1表示极慢速。
在步骤S3中,所述建立公路走廊滑坡危险性动态评价矩阵,进行公路走廊滑坡危险性动态评价包括:结合滑坡危险性概率和平均地表形变速率级别建立滑坡危险性动态评价矩阵对公路走廊滑坡危险性动态评价级别进行判断:
滑坡危险性动态评价矩阵
所述公路走廊滑坡危险性动态评价级别包括第I级别危险性、第II级别危险性、第III级别危险性、第IV级别危险性和第V级别危险性;其中,第I级别危险性表明公路走廊滑坡危险性极低、第II级别危险性表明公路走廊滑坡危险性低、第III级别危险性表明公路走廊滑坡危险性中等、第IV级别危险性表明公路走廊滑坡危险性高和第V级别危险性表明公路走廊滑坡危险性极高;
当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第V级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第V级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第V级别危险性。
本发明的另一目的在于提供一种实施所述公路走廊滑坡危险性动态评价方法的系统,该公路走廊滑坡危险性动态评价系统包括:
评价因子建立模块,用于建立公路走廊滑坡易发性评价的评价因子;根据公路走廊滑坡的滑坡特点、分布规律和滑坡影响因素等建立用于公路走廊滑坡易发性评价的评价因子;
所述评价因子归一化模块,用于对评价因子进行归一化处理,获得评价因子评价指标的统一量纲或数量级大小的量化值;
所述评价因子回归系数确定模块,用于确定所述评价因子建立模块建立的评价因子的回归系数,获得评价因子的回归系数值;
所述逻辑回归模型建立模块,根据评价因子回归系数确定模块确定的评价因子回归系数,建立逻辑回归易发性评价方程;
易发性评价分级模块,将所述逻辑回归模型建立模块获得的逻辑回归方程进行评价因子叠加分析获得滑坡易发性评价概率区间,并进行易发性评价结果分级;
特定降雨诱发事件下滑坡发生概率模块,用于统计目标区域不同降雨量大小范围内滑坡发生的概率;
滑坡危险性概率计算模块,对易发性评价分区模块获得滑坡易发性评价概率区间以及特定降雨诱发事件下滑坡发生概率模块获得的不同降雨量大小范围内滑坡发生概率叠加分析,获得目标区域特定降雨诱发事件下滑坡危险性概率;
不同时间段平均地表形变速率获取模块,利用时序InSAR技术获取目标区域不同时间段的平均地表形变速率;
滑坡危险性动态评价判断模块,综合所述滑坡危险性概率计算模块获得的特定降雨诱发事件下滑坡危险性概率级别和所述平均地表形变速率获取模块获得的某一时间段的平均地表形变速率级别,建立滑坡危险性动态评价判断矩阵,从而得到公路走廊滑坡危险性动态评价级别。
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公路走廊滑坡危险性动态评价方法。
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:
本发明充分分析了滑坡在外界诱发因素作用下自身的演化过程是动态变化的,获得的评价结果将减少静态危险性评价误差,与实际调查结果更相符。为了解决一般静态危险性评价未考虑滑坡自身变形状态的问题。根据现有算法进行组合应用,首先采用逻辑回归模型对研究区进行滑坡易发性评价,其评价结果是为本发明的滑坡危险性动态评价提供基础数据,提供滑坡发生的空间概率。在易发性评价基础上,在滑坡易发性评价基础上,考虑降雨诱发因素条件,引入平均地表形变速率动态因子,建立危险性动态评价矩阵,实现公路走廊滑坡危险性动态评价。通过动态危险性评价方法,获取滑坡危险性动态评价结果,从而使滑坡危险性评价结果更准确,更符合实际情况。
本发明采用了统计分析法和逻辑回归评价模型等技术手段,首先选取不同的评价指标,将各个评价因子归一化处理,获得统一量纲或数量级大小的归一化值,便于在统一标准下完成研究区滑坡易发性评价,使易发性评价结果更具合理性,其评价结果为滑坡危险性动态评价提供空间概率。在滑坡易发性评价基础上,考虑降雨诱发因素条件,计算在特定降雨事件下滑坡的危险性概率,然后引入平均地表形变速率动态因子,建立危险性动态评价矩阵,实现公路走廊滑坡危险性动态评价,这充分考虑了滑坡在外界诱发因素作用下自身的演化过程是动态变化的,获得的评价结果将减少静态危险性评价误差,与实际调查结果更相符。
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:
本发明提供的公路走廊滑坡危险性动态监测方法是根据现有算法进行组合应用,首先采用逻辑回归模型对研究区进行滑坡易发性评价,其评价结果是为本发明的滑坡危险性动态评价提供基础数据,提供滑坡发生的空间概率。在易发性评价基础上,在滑坡易发性评价基础上,考虑降雨诱发因素条件,引入平均地表形变速率动态因子,建立危险性动态评价矩阵,实现公路走廊滑坡危险性动态评价。
本发明虽然是根据现有算法进行组合应用,但所取得评价结果是具有时效性的,引入平均地表形变速率动态因子,充分考虑滑坡的自身演化过程,其评价结果将减少静态危险性评价误差,与实际调查结果更相符。
此外,由于本发明一种公路走廊滑坡危险性动态评价方法是基于时序InSAR技术获取的平均地表形变速率进行的,而平均地表形变速率的获取更具有时效性,故公路走廊滑坡危险性动态监测方法也同样具有时效性,能够为公路地质灾害防治提供参考,便于防灾减灾部门根据实时危险性等级制定相应的防治措施。
第三、作为本发明的权利要求的创造性辅助证据,还体现在以下几个重要方面:
(1)本发明的技术方案转化后的预期收益和商业价值为:可将该方案做成一个具体的实施软件,智能化评价,可应用于其他类似地质灾害。
(2)本发明的技术方案填补了国内外业内技术空白:该技术方案根据现有算法进行组合应用,首先采用逻辑回归模型对研究区进行滑坡易发性评价,其评价结果是为本发明的滑坡危险性动态评价提供基础数据,提供滑坡发生的空间概率。在易发性评价基础上,在滑坡易发性评价基础上,考虑降雨诱发因素条件,引入平均地表形变速率动态因子,建立危险性动态评价矩阵,实现公路走廊滑坡危险性动态评价。
(3)本发明的技术方案解决了人们一直渴望解决、但始终未能获得成功的技术难题:解决一般静态危险性评价未考虑滑坡自身变形状态的问题,动态危险性评价结果可减少静态危险性评价误差。
(4)本发明的技术方案克服了技术偏见:通常人们对滑坡危险性评价只考虑地质环境对滑坡危险性评价的影响,选取的评价因子多为静态的,未考虑滑坡自身的变形状态,评价结果是静态的。本发明的技术方法,引入平均地表形变速率动态因子,建立危险性动态评价矩阵,实现公路走廊滑坡危险性动态评价。
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公路走廊滑坡危险性动态评价系统示意图;
图2是本发明实施例提供的公路走廊滑坡危险性动态评价方法流程图;
图3(a)是本发明实施例提供的滑坡易发性评价评价因子分级高程图;
图3(b)是本发明实施例提供的滑坡易发性评价评价因子分级坡度图;
图3(c)是本发明实施例提供的滑坡易发性评价评价因子分级坡向图;
图3(d)是本发明实施例提供的滑坡易发性评价评价因子分级地表曲率图;
图3(e)是本发明实施例提供的滑坡易发性评价评价因子分级工程地质岩组图;
图3(f)是本发明实施例提供的滑坡易发性评价评价因子分级归一化植被指数图;
图3(g)是本发明实施例提供的滑坡易发性评价评价因子分级距道路距离图;
图3(h)是本发明实施例提供的滑坡易发性评价评价因子分级距河流距离图;
图3(i)是本发明实施例提供的滑坡易发性评价评价因子分级距断层距离图;
图4是本发明实施例提供的滑坡易发性评价结果分级图;
图5是本发明实施例提供的前4日累积降雨量50mm-100mm滑坡危险性概率图;
图6是本发明实施例提供的时间段1平均地表形变速率分布图;
图7是本发明实施例提供的时间段2平均地表形变速率分布图;
图8是本发明实施例提供的时间段1滑坡危险性动态评价结果图;
图9是本发明实施例提供的时间段2滑坡危险性动态评价结果图。
图中:1-评价因子建立模块;2-评价因子归一化模块;3-评价因子回归系数确定模块;4-逻辑回归模型建立模块;5-滑坡易发性评价分级模块;6-特定降雨诱发事件下滑坡发生概率模块;7-滑坡危险性概率计算模块;8-不同时间段平均地表形变速率获取模块;9-滑坡危险性动态评价判断模块。
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公路走廊滑坡危险性动态评价方法采用了统计分析法和逻辑回归评价模型等技术手段,具体包括以下步骤:
首先选取不同的评价指标,将各个评价因子归一化处理,获得统一量纲或数量级大小的归一化值,便于在统一标准下完成研究区滑坡易发性评价,使易发性评价结果更具合理性,其评价结果为滑坡危险性动态评价提供空间概率。
在滑坡易发性评价基础上,结合降雨诱发因素条件,计算在特定降雨事件下滑坡的危险性概率;
然后再引入平均地表形变速率动态因子,建立危险性动态评价矩阵,实现公路走廊滑坡危险性动态评价,这充分分析了滑坡在外界诱发因素作用下自身的演化过程是动态变化的,获得的评价结果将减少静态危险性评价误差,与实际调查结果更相符。
作用一优选实施例,由于本发明实施例提供的一种公路走廊滑坡危险性动态评价方法是基于时序InSAR技术获取的平均地表形变速率进行的,而平均地表形变速率的获取更具有时效性,故公路走廊滑坡危险性动态评价方法也同样具有时效性,能够为公路地质灾害防治提供参考,便于防灾减灾部门根据实时危险性等级制定相应的防治措施。
在对公路走廊滑坡易发性评价和计算特定降雨事件下滑坡发生概率的基础上,基于时序InSAR技术获取不同时间段的平均地表形变速率,实现对公路走廊滑坡危险性的动态评价,解决了现有的公路走廊滑坡危险性评价方法存在实时性和准确性较低的技术问题,实现实时、高效的公路走廊滑坡危险性动态评价,且评价结果准确的技术效果。
实施例1
如图1所示,本发明实施例提供一种公路走廊滑坡危险性动态评价系统,包括:评价因子建立模块1、评价因子归一化模块2、评价因子回归系数确定模块3、逻辑回归模型建立模块4、滑坡易发性评价分级模块5、特定降雨诱发事件下滑坡发生概率模块6、滑坡危险性概率计算模块7、不同时间段平均地表形变速率获取模块8、滑坡危险性动态评价判断模块9。
所述评价因子建立模块1用于建立公路走廊滑坡易发性评价的评价因子;根据公路走廊滑坡的滑坡特点、分布规律和滑坡影响因素等建立用于公路走廊滑坡易发性评价的评价因子;
所述评价因子归一化模块2用于对评价因子进行归一化处理,获得评价因子评价指标的统一量纲或数量级大小的量化值;
所述评价因子回归系数确定模块3用于确定所述评价因子建立模块1建立的评价因子的回归系数,获得评价因子的回归系数值;
所述逻辑回归模型建立模块4根据评价因子回归系数确定模块3确定的评价因子回归系数,建立逻辑回归易发性评价方程;
所述易发性评价分级模块5将所述逻辑回归模型建立模块4获得的逻辑回归方程进行评价因子叠加分析获得滑坡易发性评价概率区间,并进行易发性评价结果分级;
所述特定降雨诱发事件下滑坡发生概率模块6用于统计目标区域不同降雨量大小范围内滑坡发生的概率;
所述滑坡危险性概率计算模块7对易发性评价分区模块获得滑坡易发性评价概率区间以及特定降雨诱发事件下滑坡发生概率模块获得的不同降雨量大小范围内滑坡发生概率叠加分析,获得目标区域特定降雨诱发事件下滑坡危险性概率;
所述不同时间段平均地表形变速率获取模块8利用时序InSAR技术获取目标区域不同时间段的平均地表形变速率;
滑坡危险性动态评价判断模块9综合所述滑坡危险性概率计算模块7获得的特定降雨诱发事件下滑坡危险性概率级别和所述平均地表形变速率获取模块获得的某一时间段的平均地表形变速率级别,建立滑坡危险性动态评价判断矩阵,从而得到公路走廊滑坡危险性动态评价级别。
实施例2
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述评价因子建立模块1中的评价因子包括下述中的至少一种:高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数(NDVI)、距道路距离、距河流距离、距断层距离。
实施例3
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述评价因子归一化模块2评价因子进行归一化处理的方法为:先将各个评价因子分级,计算单个评价因子下的分级区间面积Sij和滑坡面积并求取/>与Sij的比值Wij,对Wij归一化处理得到各评价因子分级区间归一化值Mij;归一化处理公式如下:
式中:i表示第i个评价因子,j表示第i个评价因子中的第j个分级区间,m表示第i个评价因子的分级区间个数。
实施例4
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,所述评价因子回归系数确定模块3获得各评价因子回归系数的具体实现步骤:
(1)将研究区矢量滑坡分布图转为栅格图层,发生滑坡的区域赋值为1,未发生滑坡的区域赋值为0;
(2)根据所求的归一化值,分别将9个评价因子图栅格化;
(3)在目标区域范围内,随机选取一定数量的滑坡点,同时,借助Arcgis软件中的生成随机点工具,在目标范围内且滑坡点以外,以相同的点间距生成随机点,创建与滑坡点数量相同的非滑坡点,作为易发性评价的总样本点。
(4)将步骤(1)和(2)中的值赋在样本点上,得到样本点属性表,将其导入SPSS软件中,利用回归分析工具进行总样本点的逻辑回归分析,得出回归分析结果。
实施例5
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述逻辑回归模型建立模块4中的滑坡易发性评价逻辑回归公式为:
式中:P为滑坡易发性概率,其值越大,滑坡发生的可能性越大;n为系数,1≤n≤9;B0为常数项,B1为高程评价因子回归系数值,B2为坡度评价因子回归系数值,B3为坡向评价因子回归系数值,B4为地表曲率评价因子回归系数值,B5为工程地质岩组评价因子回归系数值,B6为归一化植被指数评价因子回归系数值值,B7为距道路距离评价因子回归系数值,B8为距河流距离评价因子回归系数值,B9为断层距离评价因子回归系数值;X1为高程评价因子栅格图层,X2为坡度评价因子栅格图层,X3为坡向评价因子栅格图层,X4为地表曲率评价因子栅格图层,X5为工程地质岩组评价因子栅格图层,X6为归一化植被指数评价因子栅格图层,X7为距道路距离评价因子栅格图层,X8为距河流距离评价因子栅格图层,X9为距断层距离评价因子栅格图层。
实施例6
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述易发性评价分级模块5获得的滑坡易发性级别包括滑坡易发性极低、滑坡易发性低、滑坡易发性中等、滑坡易发性高和滑坡易发性极高,所述滑坡易发性极低对应的滑坡易发性概率P为0.008≤P≤0.176;所述滑坡易发性低对应的滑坡易发性概率P为0.176<P≤0.323;所述滑坡易发性中等对应的滑坡易发性概率P为0.323<P≤0.481;所述滑坡易发性高对应的滑坡易发性概率P为0.481<P≤0.688;所述滑坡易发性极高对应的滑坡易发性概率P为0.688<P≤0.963。
实施例7
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述特定降雨诱发事件下滑坡发生概率模块6,通过搜集目标区域已发生的历史滑坡和对应降雨信息,利用统计分析法以及SPSS相关性分析,获得特定降雨诱发事件下滑坡发生概率。特定降雨事件的滑坡发生概率为特定降雨事件出现的次数和滑坡发生次数的比值,即每次特定降雨事件发生时发生滑坡的概率。具体实现步骤如下:
(1)搜集研究区已发生滑坡与对应降雨量信息(包括滑坡发生当日D1降雨量及前1日D2…前十日D10降雨量);
(2)通过SPSS相关性分析,获得不同日数前期累积降雨量与滑坡发生的相关性结果,选择显著性相关峰值下的降雨累计日数作为诱发滑坡发生的最佳累计降雨日数;
(3)根据研究区统计的历史滑坡发生时前期降雨量值,按照降雨量大小将最佳累计降雨日数内的累积降雨量分为不同的等级,不同的等级代表不同的特定降雨诱发事件;
(4)统计不同特定降雨诱发事件出现的次数和对应滑坡发生次数,计算特定降雨事件出现的次数和滑坡发生次数的比值,获得特定降雨事件发生时滑坡发生的概率。
实施例8
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述滑坡危险性概率计算模块7获得危险性概率。滑坡危险性概率是滑坡的空间概率、特定诱发事件发生的概率和特定诱发事件下滑坡发生概率的乘积。计算公式如下:
K=P(r)·P(l)P(i)
式中:K表示滑坡的危险性概率,P(r)表示滑坡的空间概率,P(l)表示特定诱发事件发生的概率,P(i)表示特定诱发事件下滑坡发生的概率,假定特定诱发事件已发生,即P(l)=1,则滑坡危险性概率K=P(r)·P(i)。
滑坡的空间概率可由滑坡易发性评价结果表示,特定降雨事件发生概率假定为1。因此,利用Arcgis分析工具,直接将特定降雨诱发事件下滑坡发生概率和滑坡易发性评价结果叠加,从而得出目标区域各特定降雨事件下的滑坡危险性概率,并采用自然断点法对各特定降雨事件下的滑坡危险性概率进行分级,分为5个级别,分别用S5表示极高危险性,S4表示高危险性,S3表示中危险性,S2表示低危险性和S1表示极低危险性。
实施例9
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述不同时间段平均地表形变速率获取模块8获得的平均地表形变速率分为5个等级,分别用V5表示极速,V4表示快速,V3表示中速,V2表示慢速和V1表示极慢速。平均地表形变速率的获取是利用SAR影像数据,采用InSAR技术提取区域某一时间段内的平均地表形变速率并进行空间插值。
实施例10
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,所述滑坡危险性动态评价判断模块9得到的公路走廊滑坡危险性动态评价级别包括第I级别危险性、第II级别危险性、第III级别危险性、第IV级别危险性和第V级别危险性;其中,第I级别危险性表明公路走廊滑坡危险性极低、第II级别危险性表明公路走廊滑坡危险性低、第III级别危险性表明公路走廊滑坡危险性中等、第IV级别危险性表明公路走廊滑坡危险性高和第V级别危险性表明公路走廊滑坡危险性极高。
所述公路走廊滑坡危险性动态评价级别的判断标准为结合滑坡危险性概率和平均地表形变速率级别建立滑坡危险性动态评价矩阵模型。当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第V级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第V级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第V级别危险性。
实施例11
基于本发明实施例1提供的公路走廊滑坡危险性动态评价系统,进一步的,如图2所示,本发明实施例提供一种公路走廊滑坡危险性动态评价方法,包括如下步骤:
S201,针对山区公路滑坡的特点,建立山区公路滑坡易发性评价因子;
S202,对步骤S201建立的评价因子进行分级,进行归一化处理,获得各评价因子各分级区间的统一量纲或数量级大小的归一化值;
S203,确定步骤S202建立的评价因子各分级区间的归一化值,获得步骤S201建立的评价因子的回归系数;
S204,根据步骤S203获得的评价因子回归系数建立逻辑回归模型,获得滑坡易发性评价逻辑回归方程;
S205,将各评价因子分级栅格图层代入步骤S204获得的逻辑回归方程,利用Arcgis软件分析工具进行叠加分析,获得滑坡易发性概率区间,采用自然断点法,将滑坡易发性概率区间进行分级,获得滑坡易发性级别;
S206,搜集目标区域已发生的历史滑坡和对应降雨信息,利用统计分析法,获得特定降雨诱发事件下滑坡发生概率;
S207,结合步骤S205得的滑坡易发性级别和步骤S206获得的特定降雨事件下滑坡发生概率,获得特定降雨诱发事件下滑坡危险性概率级别;
S208,利用时序InSAR技术获取目标区域不同时间段平均地表形变速率,并综合分析目标区域滑坡分布与平均地表形变速率的关系,将平均地表形变速率分级;
S209,综合步骤S207获得的特定降雨诱发事件下滑坡危险性概率级别和步骤S208获得的某一时间段平均地表形变速率级别,建立公路走廊滑坡危险性动态评价矩阵,从而得到公路走廊滑坡危险性动态评价级别。
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:
以国道213汶川—松潘段为研究区,用本发明方法对该研究区进行公路走廊滑坡危险性动态评价。
应用实施例1
本发明应用实施例一种公路走廊滑坡危险性动态评价方法,如图1所示,评价因子建立模块1、评价因子归一化模块2、评价因子回归系数确定模块3、逻辑回归模型建立模块4、滑坡易发性评价分级模块5、特定降雨诱发事件下滑坡发生概率模块6、滑坡危险性概率计算模块7、不同时间段形变速率获取模块8和滑坡危险性动态评价判断模块9。
所述评价因子建立模块1是根据公路滑坡的滑坡特点、分布规律和滑坡影响因素等建立用于公路滑坡易发性评价的评价因子;所述评价因子归一化模块2用于对所述评价因子建立模块1建立的评价因子进行归一化处理,获得评价因子评价指标的统一量纲或数量级大小的量化值;所述评价因子回归系数确定模块3用于确定所述评价因子建立模块1建立的评价因子的回归系数,获得评价因子的回归系数值;所述逻辑回归模型建立模块4根据评价因子回归系数确定模块3确定的评价因子回归系数,建立逻辑回归易发性评价方程;所述易发性评价分级模块5将所述逻辑回归模型建立模块4获得的逻辑回归方程进行评价因子叠加分析获得滑坡易发性评价概率区间;所述特定降雨诱发事件下滑坡发生概率模块6用于统计不同降雨量大小范围内滑坡发生的概率;所述滑坡危险性概率计算模块7对易发性评价分区模块5获得滑坡易发性评价概率区间以及特定降雨诱发事件下滑坡发生概率模块6获得的不同降雨量大小范围内滑坡发生概率进行叠加分析,获得不同特定降雨量事件下滑坡危险性概率;所述不同时间段平均地表形变速率获取模块8利用时序InSAR技术获取某一时间段的平均地表形变速率;所述滑坡危险性动态评价判断模块9综合所述评价危险性概率计算模块7获得的滑坡危险性概率级别和所述不同时间段平均地表形变速率获取模块8获得的某一时间段平均地表形变速率级别,建立危险性动态评价判断矩阵,从而得到公路走廊滑坡危险性动态评价级别。
上述技术方案中,所述评价因子建立模块1中的评价因子包括下述中的至少一种:高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数、距道路距离、距河流距离、距断层距离。
高程:反映区域的宏观地貌特征,表现为岩土体特征和地下水性质的差异,从而间接影响滑坡的发育条件;坡度:斜坡的应力分布受坡度的影响,坡度大小不同,应力不同,则斜坡的稳定性不同。随着斜坡坡度增加,坡体向下滑动的力增加,与下滑力方向相反,阻碍斜坡滑动的力逐渐减小,斜坡稳定性逐渐降低,当减小至小于向下滑动的力时,斜坡会发生失稳滑动;坡向:坡向是日照时数和太阳照射强弱的客观反映,向阳坡和背阳坡之间植被和温度的差异较大,同时降雨也受坡向影响,同一地区相隔一山,降雨量可能会相差几倍,而温度、降雨量大小和植被生长状况影响滑坡的发育,因此,坡向因子对滑坡的影响也至关重要;地表曲率:地表曲率的大小表征斜坡的形态特征,在不同斜坡形态条件下,滑坡发生具有一定的差异性;工程地质岩组:斜坡稳定性受自身物质组成的影响,物质组成不同,岩土体的物理参数不同,则岩土体的物理性质不同,因此,工程地质岩组对斜坡稳定性的影响是非常重要的,决定了斜坡岩土体的抗风化能力和变形破坏方式;归一化植被指数:植被对滑坡发生的影响主要表现为植被的根茎深入地底,可以起到根固的作用,还可以对坡面水流流速起到缓冲的作用,从而极大程度的减少山体水流对坡面的破坏,减少滑坡灾害的发生。与植被少、覆盖程度低的地方相比,植被生长越茂密、覆盖程度越好的地方,滑坡发育相对较少,发生滑坡的可能性也相对降低;距道路距离:在道路建设过程中,坡脚开挖、坡顶荷载等人类工程活动都会不同程度地破坏岩土体的完整性和天然状态下的自然结构;距河流距离:河流的掏蚀作用会使岩体产生裂缝,越靠近河流岩土体的含水率越大,抗剪强度降低,斜坡稳定性随之降低;距断层距离:区域构造活动强烈,会影响节理裂隙的发育和破碎岩土体结构,可直接或间接地影响滑坡的形成和破坏。
上述技术方案中,所述评价因子归一化模块2中评价因子分级求取归一化的具体实现方式为:
研究区采用评价单元为栅格单元,常用专家经验公式求取栅格单元大小,计算出Gs=31.2m。同时,需综合考虑研究区地貌特征以及归一化植被指数栅格数据空间分辨率,因此目标区域采用栅格单元大小为30m×30m,目标区域共划分2759358个栅格单元。
Gs=7.49+6×10-4×S-2.0×10-6+2.9×10-15×S2
式中,Gs表示栅格单元建议大小;S表示高程数据的比例尺倒数(高程比例尺1:50000)。
根据滑坡发育数量和各个评价因子等间距分级区间关系,对各个评价因子进行重分类,再进行评价因子归一化处理。首先计算单个评价因子下的分级区间面积Sij和滑坡面积并求取/>与Sij的比值Wij,对Wij归一化处理得到各评价因子分级区间归一化值Mij;归一化处理公式如下:
式中:i表示第i个评价因子,j表示第i个评价因子中的第j个分级区间,m表示第i个评价因子的分级区间个数。
表1评价因子归一化值
上述技术方案中,所述评价因子回归系数确定模块3获得各评价因子回归系数的具体实现步骤:
(1)将研究区矢量滑坡分布图转为栅格图层,发生滑坡的区域赋值为1,未发生滑坡的区域赋值为0;
(2)根据所求的归一化值,分别将9个评价因子图栅格化;
(3)在研究区内,随机选取230个滑坡点(占总滑坡点的80%)。同时,借助Arcgis软件中的生成随机点工具,在研究区范围内且滑坡点以外,以相同的点间距500m生成随机点,创建与滑坡点数量相同的230个非滑坡点,共460个点作为本次评价的总样本点。
(4)将步骤(1)和(2)中的值赋在460个样本点上,得到样本点属性表,将其导入SPSS软件中,利用回归分析工具进行总样本点的逻辑回归分析,得出回归分析结果,如表2。
表2评价因子回归系数
上述技术方案中,所述逻辑回归模型建立模块4中的滑坡易发性评价逻辑回归公式为:
式中:P为滑坡易发性概率,其值越大,滑坡发生的可能性越大;n为系数,1≤n≤9;B0为常数项,B1为高程评价因子回归系数值,B2为坡度评价因子回归系数值,B3为坡向评价因子回归系数值,B4为地表曲率评价因子回归系数值,B5为工程地质岩组评价因子回归系数值,B6为归一化植被指数评价因子回归系数值值,B7为距道路距离评价因子回归系数值,B8为距河流距离评价因子回归系数值,B9为断层距离评价因子回归系数值;X1为高程评价因子栅格图层,X2为坡度评价因子栅格图层,X3为坡向评价因子栅格图层,X4为地表曲率评价因子栅格图层,X5为工程地质岩组评价因子栅格图层,X6为归一化植被指数评价因子栅格图层,X7为距道路距离评价因子栅格图层,X8为距河流距离评价因子栅格图层,X9为距断层距离评价因子栅格图层。
上述技术方案中,所述易发性评价分级模块5获得的滑坡易发性级别包括滑坡易发性极低、滑坡易发性低、滑坡易发性中等、滑坡易发性高和滑坡易发性极高,所述滑坡易发性极低对应的滑坡易发性概率P为0.008≤P≤0.176;所述滑坡易发性低对应的滑坡易发性概率P为0.176<P≤0.323;所述滑坡易发性中等对应的滑坡易发性概率P为0.323<P≤0.481;所述滑坡易发性高对应的滑坡易发性概率P为0.481<P≤0.688;所述滑坡易发性极高对应的滑坡易发性概率P为0.688<P≤0.963。
上述技术方案中,所述特定降雨诱发事件下滑坡发生概率模块6,通过搜集研究区已发生的历史滑坡和对应降雨信息,利用统计分析法,获得特定降雨诱发事件下滑坡发生概率。特定降雨事件的滑坡发生概率为特定降雨事件出现的次数和滑坡发生次数的比值,即每次特定降雨事件发生时发生滑坡的概率。具体实现步骤如下:
(1)搜集研究区近年来(2010年至2020年)已发生滑坡与对应降雨量信息(包括滑坡发生当日D1,降雨量及前1日D2…前十日D10降雨量);
(2)通过SPSS相关性分析,获得不同日数前期累积降雨量与滑坡发生的相关性结果,选择显著性相关峰值对应的降雨累计日数作为诱发滑坡发生的最佳累计降雨日数(表3);
(3)根据研究区统计的历史滑坡发生时前期降雨量值,按照降雨量大小将最佳累计降雨日数内的前期累积降雨量分为不同的等级,每一等级代表不同的特定降雨诱发事件;
(4)统计不同特定降雨诱发事件出现的次数和对应滑坡发生次数,计算特定降雨事件出现的次数和滑坡发生次数的比值,获得特定降雨事件发生时滑坡发生的概率(表4)。
表3不同日数累积前期降雨量与滑坡相关性分析
注:**表示在0.01显著性水平下,显著相关;*表示在0.05显著性水平下,显著相关。
表4前4日降雨量与滑坡发生的统计结果
上述技术方案中,所述滑坡危险性概率计算模块7获得危险性概率,研究区滑坡发生次数最多在前4日累积降雨量50-100mm工况下,以前4日累积降雨量50-100mm的诱发事件为例。滑坡危险性概率是滑坡的空间概率、特定诱发事件发生的概率和特定诱发事件下滑坡发生概率的乘积。计算公式如下:
K=P(r)P(l)P(i)
式中:K表示滑坡的危险性概率,P(r)表示滑坡的空间概率,P(l)表示特定诱发事件发生的概率,P(i)表示特定诱发事件下滑坡发生的概率,假定特定诱发事件已发生,即P(l)=1,则滑坡危险性概率K=P(r)·P(i)。
滑坡的空间概率可由滑坡易发性评价结果表示,特定降雨事件发生概率假定为1。因此,利用Arcgis分析工具,直接将特定降雨诱发事件下滑坡发生概率和滑坡易发性评价结果叠加,从而得出目标区域各特定降雨事件下的滑坡危险性概率,并采用自然断点法对各特定降雨事件下的滑坡危险性概率进行分级,分为5个级别,分别用S5表示极高危险性,S4表示高危险性,S3表示中危险性,S2表示低危险性和S1表示极低危险性
上述技术方案中,所述不同时间段平均地表形变速率获取模块8利用SAR影像数据,采用InSAR技术提取区域某一时间段内(2017年1月20日至2019年1月4日(时间段1)期间57景SAR影像和2017年1月20日至2021年12月19日(时间段2)期间144景SAR影像)的平均地表形变速率并进行空间插值,将插值后的平均地表形变速率结果分为5个级别,分别用V5表示极速,V4表示快速,V3表示中速,V2表示慢速和V1表示极慢速。
上述技术方案中,所述滑坡危险性动态评价判断模块9得到的公路走廊滑坡危险性动态评价级别包括第I级别危险性、第II级别危险性、第III级别危险性、第IV级别危险性和第V级别危险性;其中,第I级别危险性表明公路走廊滑坡危险性极低、第II级别危险性表明公路走廊滑坡危险性低、第III级别危险性表明公路走廊滑坡危险性中等、第IV级别危险性表明公路走廊滑坡危险性高和第V级别危险性表明公路走廊滑坡危险性极高。
所述公路走廊滑坡危险性动态评价级别的判断标准为结合滑坡危险性概率和平均地表形变速率级别建立滑坡危险性动态评价矩阵模型,矩阵模型如表5所示。当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第I级别危险性;当所述滑坡危险性概率级别为极低危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为极慢速时,所述滑坡危险性动态评价级别为第II级别危险性;当所述滑坡危险性概率级别为低危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为慢速时,所述滑坡危险性动态评价级别为第III级别危险性;当所述滑坡危险性概率级别为中等危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为中速时,所述滑坡危险性动态评价级别为第IV级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第V级别危险性;当所述滑坡危险性概率级别为极高危险性且所述平均地表形变速率级别为极快速时,所述滑坡危险性动态评价级别为第V级别危险性;当所述滑坡危险性概率级别为高危险性且所述平均地表形变速率级别为快速时,所述滑坡危险性动态评价级别为第V级别危险性。
表5滑坡危险性动态评价矩阵
应用实施例2
本发明应用实施例还提供了一种计算机设备,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。
应用实施例3
本发明应用实施例还提供了一种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。
应用实施例4
本发明应用实施例还提供了一种信息数据处理终端,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。
应用实施例5
本发明应用实施例还提供了一种服务器,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。
应用实施例6
本发明应用实施例提供了一种计算机程序产品,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、随机存取存储器、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:
本发明的具体实施方式是以“以国道213汶川—松潘段为研究区”,用本发明方法对该研究区进行公路走廊滑坡危险性动态评价,即为一个具体的实施例,
在本发明实施例中,本发明实施例提供的滑坡易发性评价评价因子分级图中,图3(a)高程;图3(b)坡度;图3(c)坡向;图3(d)地表曲率;图3(e)工程地质岩组;图3(f)归一化植被指数;图3(g)距道路距离;图3(h)距河流距离;图3(i)距断层距离。通过上述图可知,可为危险性动态评价提供基础因子,对评价因子分级是根据灾害点在各区间的分布情况进行统计分析的,反映各评价因子区间与滑坡的关系,使评价因子区间分级更合理。
图4为本发明实施例提供的滑坡易发性评价结果分级图;反映滑坡发生的可能性大小,提供空间概率。
图5为本发明实施例提供的前4日累积降雨量50-100mm滑坡危险性概率图;图6为本发明实施例提供的时间段1平均地表形变速率分布图;
图7为本发明实施例提供的时间段2平均地表形变速率分布图;引入动态评价因子,为实现滑坡危险性动态评价提供数据支撑。
图8为本发明实施例提供的时间段1滑坡危险性动态评价结果图;图9为本发明实施例提供的时间段2滑坡危险性动态评价结果图;均是以国道213汶川—松潘段为研究区,通过具体实施本发明步骤获得的结果图。
比较不同时间段的滑坡危险性评价结果,表明InSAR技术获取的平均地表形变速率确实可为动态危险性评价的实现提供技术支撑。
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 (6)
1.一种公路走廊滑坡危险性动态评价方法,其特征在于,该方法包括以下步骤:
S1,建立公路走廊滑坡易发性的评价因子,对评价因子进行归一化处理,确定评价因子回归系数,建立滑坡易发性评价逻辑回归模型,确定公路走廊滑坡易发性分级区间;所述评价因子包括:高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数、距道路距离、距河流距离以及距断层距离;在步骤S1中,所述确定公路走廊滑坡易发性分级区间包括:滑坡易发性级别包括滑坡易发性极低、滑坡易发性低、滑坡易发性中等、滑坡易发性高和滑坡易发性极高,所述滑坡易发性极低对应的滑坡易发性概率P为0.008≤P≤0.176;所述滑坡易发性低对应的滑坡易发性概率P为0.176<P≤0.323;所述滑坡易发性中等对应的滑坡易发性概率P为0.323<P≤0.481;所述滑坡易发性高对应的滑坡易发性概率P为0.481<P≤0.688;所述滑坡易发性极高对应的滑坡易发性概率P为0.688<P≤0.963;
S2,在公路走廊滑坡易发性评价基础上,结合降雨诱发因素和滑坡自身变形状态,计算在特定降雨事件下滑坡的危险性概率;在步骤S2中,结合降雨诱发因素和滑坡自身变形状态,获得在特定降雨事件下滑坡的危险性概率包括:
1)搜集研究区已发生滑坡与对应降雨量信息,所述降雨量信息包括滑坡发生当日D1降雨量及前1日D2…前十日D10降雨量;
2)通过SPSS相关性分析,获得不同日数前期累积降雨量与滑坡发生的相关性结果,选择显著性相关峰值下的降雨累计日数作为诱发滑坡发生的最佳累计降雨日数;
3)根据研究区统计的历史滑坡发生时前期降雨量值,按照降雨量大小将最佳累计降雨日数内的累积降雨量分为不同的等级,不同的等级代表不同的特定降雨诱发事件;
4)统计不同特定降雨诱发事件出现的次数和对应滑坡发生次数,计算特定降雨事件出现的次数和滑坡发生次数的比值,获得特定降雨事件发生时滑坡发生的概率;
计算特定降雨事件下滑坡的危险性概率公式如下:
K=P(r)·P(l)·P(i)
式中:K表示滑坡的危险性概率,P(r)表示滑坡的空间概率,P(l)表示特定诱发事件发生的概率,P(i)表示特定诱发事件下滑坡发生的概率,假定特定诱发事件已发生,即P(l)=1,则滑坡危险性概率K=P(r)·P(i);
S3,引入平均地表形变速率动态因子,建立公路走廊滑坡危险性动态评价矩阵,进行公路走廊滑坡危险性动态评价;
在步骤S3中,利用SAR影像数据,采用InSAR技术提取区域某一时间段内的平均地表形变速率,获得的平均地表形变速率分为5个等级,分别用V5表示极速,V4表示快速,V3表示中速,V2表示慢速和V1表示极慢速;
在步骤S3中,所述建立公路走廊滑坡危险性动态评价矩阵,进行公路走廊滑坡危险性动态评价包括:结合滑坡危险性概率和平均地表形变速率级别建立滑坡危险性动态评价矩阵对公路走廊滑坡危险性动态评价级别进行判断:
所述公路走廊滑坡危险性动态评价级别包括第I级别危险性、第II级别危险性、第III级别危险性、第IV级别危险性和第V级别危险性;其中,第I级别危险性表明公路走廊滑坡危险性极低、第II级别危险性表明公路走廊滑坡危险性低、第III级别危险性表明公路走廊滑坡危险性中等、第IV级别危险性表明公路走廊滑坡危险性高和第V级别危险性表明公路走廊滑坡危险性极高。
3.根据权利要求1所述的公路走廊滑坡危险性动态评价方法,其特征在于,在步骤S1中,所述确定评价因子回归系数包括:
(1)将研究区矢量滑坡分布图转为栅格图层,发生滑坡的区域赋值为1,未发生滑坡的区域赋值为0;
(2)根据所求的归一化值,分别将9个评价因子图栅格化;
(3)在目标区域范围内,随机选取一定数量的滑坡点,借助Arcgis软件中的生成随机点工具,在目标范围内且滑坡点以外,以相同的点间距生成随机点,创建与滑坡点数量相同的非滑坡点,作为易发性评价的总样本点;
(4)将步骤(1)和(2)中的值赋在样本点上,得到样本点属性表,将其导入SPSS软件中,利用回归分析工具进行总样本点的逻辑回归分析,得出回归分析结果。
4.根据权利要求1所述的公路走廊滑坡危险性动态评价方法,其特征在于,在步骤S1中,滑坡易发性评价逻辑回归模型为:
式中:P为滑坡易发性概率,其值越大,滑坡发生的可能性越大;n为系数,1≤n≤9;B0为常数项,B1为高程评价因子回归系数值,B2为坡度评价因子回归系数值,B3为坡向评价因子回归系数值,B4为地表曲率评价因子回归系数值,B5为工程地质岩组评价因子回归系数值,B6为归一化植被指数评价因子回归系数值值,B7为距道路距离评价因子回归系数值,B8为距河流距离评价因子回归系数值,B9为断层距离评价因子回归系数值;X1为高程评价因子栅格图层,X2为坡度评价因子栅格图层,X3为坡向评价因子栅格图层,X4为地表曲率评价因子栅格图层,X5为工程地质岩组评价因子栅格图层,X6为归一化植被指数评价因子栅格图层,X7为距道路距离评价因子栅格图层,X8为距河流距离评价因子栅格图层,X9为距断层距离评价因子栅格图层。
5.一种实施权利要求1-4任意一项所述公路走廊滑坡危险性动态评价方法的系统,其特征在于,该公路走廊滑坡危险性动态评价系统包括:
评价因子建立模块(1),用于建立公路走廊滑坡易发性评价的评价因子,根据公路走廊滑坡的滑坡特点、分布规律和滑坡影响因素建立用于公路走廊滑坡易发性评价的评价因子;
评价因子归一化模块(2),用于对评价因子进行归一化处理,获得评价因子评价指标的统一量纲或数量级大小的量化值;
评价因子回归系数确定模块(3),用于确定所述评价因子建立模块(1)建立的评价因子的回归系数,获得评价因子的回归系数值;
逻辑回归模型建立模块(4),根据评价因子回归系数确定模块(3)确定的评价因子回归系数,建立逻辑回归易发性评价方程;
易发性评价分级模块(5),将所述逻辑回归模型建立模块(4)获得的逻辑回归方程进行评价因子叠加分析获得滑坡易发性评价概率区间,并进行易发性评价结果分级;
特定降雨诱发事件下滑坡发生概率模块(6),用于统计目标区域不同降雨量大小范围内滑坡发生的概率;
滑坡危险性概率计算模块(7),对易发性评价分区模块获得滑坡易发性评价概率区间以及特定降雨诱发事件下滑坡发生概率模块(6)获得的不同降雨量大小范围内滑坡发生概率叠加分析,获得目标区域特定降雨诱发事件下滑坡危险性概率;
不同时间段平均地表形变速率获取模块(8),利用时序InSAR技术获取目标区域不同时间段的平均地表形变速率;
滑坡危险性动态评价判断模块(9),综合所述滑坡危险性概率计算模块(7)获得的特定降雨诱发事件下滑坡危险性概率级别和所述平均地表形变速率获取模块获得的某一时间段的平均地表形变速率级别,建立滑坡危险性动态评价判断矩阵,从而得到公路走廊滑坡危险性动态评价级别。
6.一种计算机设备,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1-4任意一项所述公路走廊滑坡危险性动态评价方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211042920.0A CN115345511B (zh) | 2022-08-29 | 2022-08-29 | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211042920.0A CN115345511B (zh) | 2022-08-29 | 2022-08-29 | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115345511A CN115345511A (zh) | 2022-11-15 |
CN115345511B true CN115345511B (zh) | 2023-06-06 |
Family
ID=83953053
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211042920.0A Active CN115345511B (zh) | 2022-08-29 | 2022-08-29 | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115345511B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116110210B (zh) * | 2023-04-04 | 2023-08-01 | 中南大学 | 复杂环境下数据驱动的滑坡灾害辅助决策方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100982447B1 (ko) * | 2010-03-03 | 2010-09-16 | 한국지질자원연구원 | 지공간 상관관계 통합기법을 이용한 산사태 발생 예측시스템 및 이를 이용한 산사태 발생 예측방법 |
KR20140046358A (ko) * | 2012-10-10 | 2014-04-18 | 이명진 | 산사태 위험성 분석 시스템 및 방법 |
CN106952000A (zh) * | 2017-03-31 | 2017-07-14 | 卢涵宇 | 一种喀斯特区域滑坡灾害风险动态评估方法 |
CN111563621A (zh) * | 2020-04-30 | 2020-08-21 | 中国地质调查局武汉地质调查中心 | 一种区域滑坡的危险性评估方法、系统、装置和存储介质 |
CN113988643A (zh) * | 2021-10-29 | 2022-01-28 | 重庆地质矿产研究院 | 一种交通线沿线区域的滑坡风险定量评估方法 |
CN114036766A (zh) * | 2021-11-17 | 2022-02-11 | 四川大学 | 一种山区浅层滑坡风险评估方法 |
JP2022047348A (ja) * | 2020-09-11 | 2022-03-24 | 日本信号株式会社 | 特定地点における土砂災害の発生可能性を推定するためのシステム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104899437B (zh) * | 2015-05-29 | 2019-04-02 | 杭州辰青和业科技有限公司 | 强降雨型滑坡灾害预警方法 |
CN113343563B (zh) * | 2021-05-27 | 2022-05-03 | 中交第二公路勘察设计研究院有限公司 | 基于样本自动选择与地表形变速率的滑坡易发性评价方法 |
CN113866764B (zh) * | 2021-08-13 | 2023-05-26 | 成都理工大学 | 基于InSAR和LR-IOE模型的滑坡易发性改进评估方法 |
CN114091274A (zh) * | 2021-11-25 | 2022-02-25 | 云南大学 | 一种滑坡易发性评价方法及系统 |
CN114611941A (zh) * | 2022-02-22 | 2022-06-10 | 中国科学院地理科学与资源研究所 | 一种考虑空间危险性的滑坡灾害评价方法及系统 |
-
2022
- 2022-08-29 CN CN202211042920.0A patent/CN115345511B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100982447B1 (ko) * | 2010-03-03 | 2010-09-16 | 한국지질자원연구원 | 지공간 상관관계 통합기법을 이용한 산사태 발생 예측시스템 및 이를 이용한 산사태 발생 예측방법 |
KR20140046358A (ko) * | 2012-10-10 | 2014-04-18 | 이명진 | 산사태 위험성 분석 시스템 및 방법 |
CN106952000A (zh) * | 2017-03-31 | 2017-07-14 | 卢涵宇 | 一种喀斯特区域滑坡灾害风险动态评估方法 |
CN111563621A (zh) * | 2020-04-30 | 2020-08-21 | 中国地质调查局武汉地质调查中心 | 一种区域滑坡的危险性评估方法、系统、装置和存储介质 |
JP2022047348A (ja) * | 2020-09-11 | 2022-03-24 | 日本信号株式会社 | 特定地点における土砂災害の発生可能性を推定するためのシステム |
CN113988643A (zh) * | 2021-10-29 | 2022-01-28 | 重庆地质矿产研究院 | 一种交通线沿线区域的滑坡风险定量评估方法 |
CN114036766A (zh) * | 2021-11-17 | 2022-02-11 | 四川大学 | 一种山区浅层滑坡风险评估方法 |
Non-Patent Citations (4)
Title |
---|
基于ROC曲线与确定性系数法集成模型的三峡库区奉节县滑坡易发性评价;刘月;王宁涛;周超;谢家龙;李远耀;;安全与环境工程(04);第65-74页 * |
基于不同降雨频率的地质灾害危险性评价方法研究;卜祥航;《中国博士学位论文全文数据库 基础科学辑》;A011-2 * |
浅谈公路滑坡与气象及水文地质条件的关系;刘崇炜;《物流工程与管理》;第119-120页 * |
贵州省思南县降雨型滑坡危险性预警研究;胡涛;樊鑫;李荻;刘爱昌;;安全与环境工程(03);第78-85页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115345511A (zh) | 2022-11-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Environmental vulnerability assessment for mainland China based on entropy method | |
Wang et al. | Regional assessment of environmental vulnerability in the Tibetan Plateau: Development and application of a new method | |
Bebi et al. | Assessing structures in mountain forests as a basis for investigating the forests’ dynamics and protective function | |
Marcer et al. | Evaluating the destabilization susceptibility of active rock glaciers in the French Alps | |
Li et al. | Rainfall and earthquake-induced landslide susceptibility assessment using GIS and Artificial Neural Network | |
Lu et al. | Sediment yield variability in the Upper Yangtze, China | |
Lee et al. | Spatial landslide hazard prediction using rainfall probability and a logistic regression model | |
Dewitte et al. | Combining spatial data in landslide reactivation susceptibility mapping: a likelihood ratio-based approach in W Belgium | |
CN114201922A (zh) | 基于InSAR技术的动态滑坡敏感性预测方法及系统 | |
Chen et al. | Synthesized remote sensing-based desertification index reveals ecological restoration and its driving forces in the northern sand-prevention belt of China | |
CN115345511B (zh) | 一种公路走廊滑坡危险性动态评价方法、评价系统及设备 | |
Habitou et al. | CHIRPS precipitation open data for drought monitoring: application to the Tensift basin, Morocco | |
Pantillon et al. | Revisiting the synoptic-scale predictability of severe European winter storms using ECMWF ensemble reforecasts | |
Rajasekar et al. | Application of association rule mining for exploring the relationship between urban land surface temperature and biophysical/social parameters | |
Dhungana et al. | Landslide susceptibility and risk analysis in Benighat Rural Municipality, Dhading, Nepal | |
Zhang et al. | Changes of forestland in China's coastal areas (1996-2015): Regional variations and driving forces | |
Sardo et al. | A geographic information system‐based land use impact model to map areas with risk for land degradation: Wind erosion as an example | |
Cong et al. | Landslide susceptibility mapping by combining the analytical hierarchy process and regional frequency analysis methods: a case study for Quangngai Province (Vietnam) | |
Bindajam et al. | Characterizing the urban decadal expansion and its morphology using integrated spatial approaches in semi-arid mountainous environment, Saudi Arabia | |
Zhang et al. | Burned vegetation recovery trajectory and its driving factors using satellite remote-sensing datasets in the Great Xing’An forest region of Inner Mongolia | |
KR102387940B1 (ko) | 산사태와 관련된 환경 지리적 특성을 파악하기 위한 산사태 예측 장치 및 방법 | |
Dick | Landslide Susceptibility assessment at Hoa Binh Province of Vietnam using frequency ratio model | |
Grozavu et al. | GIS applications for landslide susceptibility assessment: a case study in Iaşi County (Moldavian Plateau, Romania) | |
Chinthaka et al. | The Identification of Landslide Risk-Prone Areas in the Imbulpe Divisional Secretariat in Sri Lanka: A GIS-Based Multi-Criteria Decision Analysis | |
Güneralp et al. | Spatial simulation and fuzzy threshold analyses for allocating restoration areas |
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 |