CN115359629B - 一种基于序贯评估法的区域滑坡灾害预警方法 - Google Patents

一种基于序贯评估法的区域滑坡灾害预警方法 Download PDF

Info

Publication number
CN115359629B
CN115359629B CN202211008519.5A CN202211008519A CN115359629B CN 115359629 B CN115359629 B CN 115359629B CN 202211008519 A CN202211008519 A CN 202211008519A CN 115359629 B CN115359629 B CN 115359629B
Authority
CN
China
Prior art keywords
landslide
early warning
rainfall
area
warning level
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
CN202211008519.5A
Other languages
English (en)
Other versions
CN115359629A (zh
Inventor
陈立川
杨海清
崔亚南
梁丹
王�琦
康燕飞
闫奇
张毅
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.)
Chongqing Institute of Geology and Mineral Resources
Original Assignee
Chongqing Institute of Geology and Mineral Resources
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 Chongqing Institute of Geology and Mineral Resources filed Critical Chongqing Institute of Geology and Mineral Resources
Priority to CN202211008519.5A priority Critical patent/CN115359629B/zh
Publication of CN115359629A publication Critical patent/CN115359629A/zh
Application granted granted Critical
Publication of CN115359629B publication Critical patent/CN115359629B/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
    • 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
    • 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
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Emergency Management (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Environmental & Geological Engineering (AREA)
  • Algebra (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Geology (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)

Abstract

本发明实施例涉及滑坡灾害预警领域，公开了一种基于序贯评估法的区域滑坡灾害预警方法，该方法包括：S1：设置滑坡预警级别；S2：统计预测区域内降雨数据和滑坡灾害数据；S3：利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别；S4：若该预测区域的第一预警级别阈值满足预设的预警级别阈值，则采用物理法对该预测区域的危险区域进行评估，获取该预测区域的危险区域的第二预警级别；S5：将第一预警级别与第二级预警级别预取进行耦合，获取预测区域的滑坡预警等级图。本发明基于统计和物理危害性评估方法的顺序应用，结合了两种互补方法的优点，增强了预警结果的空间识别能力和时间适用性，提高了滑坡灾害预警的可靠性和简便性。

Description

一种基于序贯评估法的区域滑坡灾害预警方法
技术领域
本发明涉及滑坡灾害预警技术领域，具体涉及一种基于序贯评估法的区域滑坡灾害预警方法。
背景技术
近年来，由于全球气候变化，局部强降雨的强度和频率不断增加，导致了大规模滑坡频发，对经济发展和人民生命财产安全造成巨大影响。高效、可靠的滑坡预警系统已成为灾害管理不可或缺的组成部分，可为决策者提供及时、适当的指导，减少滑坡造成的损失。
目前，滑坡预警系统是采用特定的危险性评估方法评估滑坡灾害，并确定预警等级，常用的评估方法可归纳为两大类：统计方法和基于物理法。统计方法主要使用统计分析的相关性或简单的水文模型校准滑坡和降雨数据的系数，得到统计阈值，从而预警滑坡灾害。该方法的要求便于完成，能够较高频率地更新覆盖广泛区域的预警等级。但其预警的可靠性主要取决于收集的实时降雨数据的质量，当区域内雨量观测站分布稀疏时，无法准确反映降雨量的空间变化，从而不能进行滑坡的详细空间判别。基于物理法是结合水文和地质力学理论，提出物理模型对滑坡现象物理机制进行分析解释，评估滑坡的危险性。该方法需要输入较多参数，对滑坡进行详细、高级地分析，能够对局部区域内的滑坡详细判别，但不能应用于广泛区域。此外，基于物理法模拟的降雨耦合水文地质学模型复杂，输出阈值需要较长的时间，使得该方法的临近预报能力较差，预警等级更新频率较低。
发明内容
针对现有技术存在的上述问题，本发明提供一种基于序贯评估法的区域滑坡灾害预警方法，以解决传统评估方法不能应用于广泛区域的滑坡详细判别、临近预报能力差和预警等级更新频率低的问题。
为实现上述目的，本发明采用如下技术方案：一种基于序贯评估法的区域滑坡灾害预警方法，包括如下步骤：
S1：设置滑坡预警级别；
S2：统计预测区域内降雨数据和滑坡灾害数据；
S3：利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别；
S4：若该预测区域的第一预警级别满足预设的预警级别阈值，则采用物理法对该预测区域的危险区域进行评估，获取该预测区域的危险区域的第二预警级别；
S5：将第一预警级别与第二级预警级别区域进行耦合，获取预测区域的滑坡预警等级图。
在一种可选方式中，所述预警级别包括：正常、注意、观察、警告和紧急，所述预警级别对应配色分别为绿色、蓝色、黄色、橙色和红色。
在一种可选方式中，所述统计预测区域内降雨数据和滑坡灾害数据步骤，具体包括：建立水文统计模型，并将每小时降雨数据和滑坡灾害数据输入到水文统计模型中，获得降雨数据和地质属性数据。
在一种可选方式中，所述降雨数据包括：连续降雨量、20天前期降雨量、降雨的平均强度、降雨持续时间，所述地质属性数据包括：蓄水量和饱和导水率。
在一种可选方式中，所述利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别步骤，具体包括：获取降雨的平均强度I、极端降雨诱发滑坡指数IERL和滑坡易感性指数ILS，并分别与对应的预设阈值进行比较，获得第一预警级别。其中，IERL为一种综合考虑气象水文因素和空间变化的地质因素(降雨特征、空间入渗变化和非饱和土壤特征)的滑坡统计阈值；滑坡易感性指数ILS是通过最大熵模型，基于滑坡和非滑坡的数据，选择14个滑坡灾害影响因子：岩性、坡度、高程、伊利石含量、土壤深度、土壤类型、泥沙运移指数、排水距离、平面曲率、森林类型、剖面曲率、地形湿度指数、溪流功率指数和土壤排水特征，分析每个因子对滑坡发生概率的影响，并通对每个网格单元内所有影响因子加权叠加得到易感性指数，从而得到指定空间区域的易发性指数。
在一种可选方式中，根据修正所述降雨强度-持续时间阈值形成的I-D回归线下限的第5百分位回归线，获得所述降雨的平均强度I的预设阈值。其中，降雨强度-持续时间阈值形成的I-D回归线根据降雨的平均强度I和降雨持续时间D获得。
在一种可选方式中，所述极端降雨诱发滑坡指数IERL的预设阈值为土壤水分特征曲线和饱和导水率数据集在对应模型的曲线下面积AUC最大时对应的极端降雨诱发滑坡指数IERL值。其中，曲线下面积AUC，值通常介于0.5到1.0之间，AUC值越大，则说明模型表现越好。
在一种可选方式中，所述滑坡易感性指数ILS的预设阈值为预测区域内过滤掉其高稳定区域时的滑坡易感性指数ILS值。
在一种可选方式中，所述采用物理法对该预测区域进行评估，获取该预测区域的第二预警级别步骤，具体包括：获取记录或预测的连续降雨量和地形指数IDF，将所述记录或者预测的连续降雨量和地形指数IDF分别与对应的预设阈值进行比较，获得该预测区域的第二预警级别。
在一种可选方式中，所述记录或者预测的连续降雨量预设阈值为物理阈值-临界连续降雨量CRCritical，对浅层土壤中降雨诱发滑坡失稳的过程建立物理模型，进行渗流分析和稳定性分析获得所述物理阈值-临界连续降雨量CRCritical，其中，物理阈值-临界连续降雨量CRCritical通过降雨通量率乘以经过时间来计算得到。
相对于现有技术，本发明具有如下优点：
(1)基于序贯评估法的区域滑坡灾害预警方法通过在整个区域范围内按顺序应用统计方法和基于物理方法，大幅简化了滑坡的评估过程；
(2)通过使用不同的理论方法进行多重危险评估，提高了预警的可靠性；
(3)通过设定不同的预警等级，增强了辨别边坡破坏和泥石流的能力；
(4)改进了时间性能：增加了临近预报和预报的能力，以及由于该方法仅需随时间变化的降雨特征数据和固定的地质属性数据，减少了计算负荷而增加了预警等级的更新频率；
(5)提高了空间性能：该方法综合了统计方法和基于物理方法在空间识别方面互补的优点，在预警覆盖区域尺度滑坡的同时，能够确定详细空间(每个网格单元区域)的警告等级。
附图说明
图1为本发明实施例一种基于序贯评估法的区域滑坡灾害预警方法的流程图。
图2为修正后降雨强度-持续时间阈值形成的I-D回归线的第5、20、50百分位回归线图。
图3为本发明实施例中的A区域在2009年7月16日一系列区域内滑坡预警等级图.
具体实施方式：
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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它实施例，都属于本发明保护的范围。
下面对本发明作进一步详细说明：
实施例：
一种基于序贯评估法的区域滑坡灾害预警方法，包括如下步骤：
S1：设置滑坡预警级别；
预警级别包括：正常、注意、观察、警告和紧急，所述预警级别对应配色分别为绿色、蓝色、黄色、橙色和红色。
S2：统计预测区域内降雨数据和滑坡灾害数据，具体包括：建立水文统计模型，并将每小时降雨数据和滑坡灾害数据输入到水文统计模型中，获得降雨数据和地质属性数据。
其中，降雨数据包括：连续降雨量、20天前期降雨量、降雨的平均强度、降雨持续时间，地质属性数据包括：蓄水量和饱和导水率。
本实施例的预测区域为A区域，A区域研究区A总面积769.89平方公里，居住人口350多万。整个城市的大约45％由森林覆盖的丘陵山区组成，高程大约在200到800米之间。地质上，主要分布由白垩纪沉积岩、火山岩和深成岩；边坡的基岩覆盖层主要为粘质砂的风化土壤。本实施例收集2009年至2016年A区记录的年滑坡次数和年最大连续降雨量的记录，进行预警方法的开发测试。
本实施例中具体统计2009年7月16日区域内降雨数据和148个滑坡灾害数据。
S3：利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别；预测区域中存在安全区域(正常等级)和危险区域(注意等级)，安全区域表示未存在滑坡风险的区域，危险区域表示存在滑坡风险的区域。
其中，具体结合三种统计阈值进行评估，三种统计阈值具体为：获取降雨的平均强度I、极端降雨诱发滑坡指数IERL和滑坡易感性指数ILS，根据输入的数据分别计算出降雨的平均强度I、极端降雨诱发滑坡指数IERL和滑坡易感性指数ILS三者的数值，然后和已经设置的对应预设阈值进行比较，得到第一预警级别。
具体的，如附图1所示，I和IERL结果均小于对应预设阈值，或ILS结果小于ILS阈值时，得到正常(绿色)等级；具体实施时，当I和IERL分别小于24.72D-0.56和0.5，或ILS小于0.1时，得到正常(绿色)等级。
I和IERL结果有一个不小于对应的预设阈值时，且ILS结果不小于ILS阈值，得到注意(蓝色)等级；具体实施时，当I不小于24.72D-0.56或IERL不小于0.5，且ILS不小于0.1时，得到注意(蓝色)等级。
其中，所述获取降雨强度-持续时间阈值I-D回归线从以下公式获得：
Figure BDA0003809912870000061
式中，I为降雨的平均强度，CR为连续降雨量，D为降雨持续时间；根据风化土壤类型和滑坡类型，利用分位数回归分析分布的滑坡历史事件的降雨量数据得到降雨强度-持续时间阈值I-D回归线，整合最近收集的数据(不包括没有降雨记录的山体滑坡数据)修改了I-D回归线的每个关键百分位线，参见附图2，降雨的平均强度I预设阈值由经过修正后I-D回归线下限的第5百分位回归线确定，获取降雨的平均强度I的预设阈值I5％为：
I5％＝24.72D-0.56 (2)
其中，IERL为一种综合考虑气象水文因素和空间变化的地质因素的滑坡统计阈值，对降雨特征、空间入渗变化和非饱和土壤特征因素造成滑坡概率的影响，进行逻辑回归分析，自变量为连续降雨量、20天前期降雨量、饱和导水率和蓄水量；滑坡实例(发生滑坡:1，未发生滑坡:0)设置为因变量，由式(3)计算得到，通过在区域内采用人工神经网络模型和多元回归模型分别建立土壤水分特征曲线和饱和导水率的数据集，根据记录的滑坡历史数据和相应降雨数据对记录的IERL值进行适用性测试，利用对模型的累计提升图获得的AUC判断模型准确性，其IERL阈值设置为得到的具有较高预测准确性的数值；
Figure BDA0003809912870000062
式中：AR20为前20天的降雨量；
KS为饱和导水率；
SC为蓄水量，SC＝(θs-θf)×d，θs为饱和体积含水量，θf为田间容量，定义为在33kPa基质吸力下保留的体积含水量，d为土壤深度。
具体实施时，在A区内采用人工神经网络模型和多元回归模型分别建立土壤水分特征曲线和饱和导水率的数据集，根据记录的A区2009年148个滑坡历史数据和相应降雨数据对记录的IERL值的适用性进行测试，当IERL值为0.5时，该模型能够准确预测96％的滑坡历史数据，基于对模型的累计提升图分析，获得的AUC(曲线下面积)为0.8940，数值接近1，这表明该模型具有较高的预测能力。因此，在本次实例中将0.5设为序贯评估法的IERL阈值。
其中，滑坡易感性指数ILS通过最大熵模型，基于滑坡和非滑坡的数据，选择14个滑坡灾害影响因子：岩性、坡度、高程、伊利石含量、土壤深度、土壤类型、泥沙运移指数、排水距离、平面曲率、森林类型、剖面曲率、地形湿度指数、溪流功率指数和土壤排水特征，分析每个因子对滑坡发生概率的影响，并通对每个网格单元内所有影响因子加权叠加得到易感性指数，从而得到指定空间区域的易发性指数，其ILS阈值设置为仅过滤掉高度稳定区域的数值。
具体实施时，提取滑坡因子的数据，并通过响应曲线和学习矢量量化测试分析每个因子对滑坡发生概率的影响，加权叠加最终输出的A区分布式易感性指数的数据图，并将其与1999年至2016年间317个滑坡历史记录的ILS值进行累积频率分析，得到当ILS值为0.1时，317个滑坡数据中有316个滑坡被准确预测。因此，ILS阈值值被设置为0.1。
S4：若该预测区域的第一预警级别满足预设的预警级别阈值，则采用物理法对该预测区域的危险区域进行评估，获取该预测区域的危险区域的第二预警级别；通过对预测区域的危险区域再次评估，提高滑坡预警的准确性。
具体包括：当第一预警级别为“注意”预警等级时，基于物理法对该预测区域(蓝色)进行评估。
获取记录或预测的连续降雨量和地形指数IDF，将所述记录或者预测的连续降雨量和地形指数IDF分别与对应的预设阈值进行比较，获得该预测区域的第二预警级别。
地形指数IDF，是实际滑坡发生区域基于人工神经网络模型获得的地形指数，为修正上坡贡献区和坡度的阈值结合，得到的滑坡产生较大滑移的起始判据。
记录或者预测的连续降雨量预设阈值为物理阈值-临界连续降雨量CRCritical，通过对浅层土壤中降雨诱发滑坡失稳的过程建立物理模型，进行渗流分析和稳定性分析获得所述物理阈值-临界连续降雨量CRCritical。
具体实施时，考虑岩性类型、滑坡历史数据的分布以及地形因素，将整个A区划分为八个不同的渗流区，建立渗流区的土-水特性曲线和饱和导水率数据库，利用Seep/W软件对每个区进行渗流分析，推导八个渗透区中每个渗透区的孔隙水压力和相应的吸力剖面与降雨持续时间的关系。接着在MATLAB软件中，通过输入逐渐减小的吸力计算潜在破坏深度处边坡的稳定性，表达为式(4)，可以得到安全系数(FOS)首次达到小于1.3的经过时间。CRCritical则通过降雨通量率乘以经过时间来计算得到，最终生成覆盖整个区域尺度的临界连续降雨量栅格数据图，为每个网格单元分配一个值，作为CRCritical阈值；
Figure BDA0003809912870000081
式中：φ'为有效内摩擦角；
c'为有效粘聚力；
σs为吸力；
β为坡度；
zω为土壤的垂直深度；
γ为土壤容重。
其中，如附图1所示，记录或预测的连续降雨量超过70％的CRCritical，得到观察(黄色)等级；记录或预测的连续降雨量达到CRCritical，得到警告(橙色)等级；记录或预测的连续降雨量达到CRCritical，且位于IDF不小于0.8的分区区域内，得到紧急(红色)等级。
S5：将第一预警级别与第二级预警级别区域进行耦合，获取预测区域的滑坡预警等级图，如附图3所示，即能获得2009年7月16日一系列区域内滑坡预警等级图。
本发明基于序贯评估法的区域滑坡灾害预警方法通过在整个区域范围内按顺序应用统计方法和基于物理方法，大幅简化了滑坡的评估过程；通过使用不同的理论方法进行多重危险评估，提高了预警的可靠性；通过设定不同的预警等级，增强了辨别边坡破坏和泥石流的能力；改进了时间性能：增加了临近预报和预报的能力，以及由于该方法仅需随时间变化的降雨特征数据和固定的地质属性数据，减少了计算负荷而增加了预警等级的更新频率；提高了空间性能：该方法综合了统计方法和基于物理方法在空间识别方面互补的优点，在预警覆盖区域尺度滑坡的同时，能够确定详细空间(每个网格单元区域)的警告等级。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。

Claims (9)

1.一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：包括如下步骤：
S1：设置滑坡预警级别；
S2：统计预测区域内降雨数据和滑坡灾害数据；
S3：利用统计法对该预测区域的进行评估，获取该预测区域的第一预警级别；
S4：若该预测区域的第一预警级别阈值满足预设的预警级别阈值，则采用物理法对该预测区域的危险区域进行评估，获取该预测区域的危险区域的第二预警级别；
S5：将第一预警级别与第二级预警级别区域进行耦合，获取预测区域的滑坡预警等级图；
所述采用物理法对该预测区域进行评估，获取该预测区域的第二预警级别步骤，具体包括：获取记录或预测的连续降雨量和地形指数IDF，将所述记录或者预测的连续降雨量和地形指数IDF分别与对应的预设阈值进行比较，获得该预测区域的第二预警级别。
2.如权利要求1所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：所述预警级别包括：正常、注意、观察、警告和紧急，所述预警级别对应配色分别为绿色、蓝色、黄色、橙色和红色。
3.如权利要求1所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：所述统计预测区域内降雨数据和滑坡灾害数据步骤，具体包括：建立水文统计模型，并将每小时降雨数据和滑坡灾害数据输入到水文统计模型中，获得降雨数据和地质属性数据。
4.如权利要求3所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：所述降雨数据包括：连续降雨量、20天前期降雨量、降雨的平均强度、降雨持续时间，所述地质属性数据包括：蓄水量和饱和导水率。
5.如权利要求3所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：所述利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别步骤，具体包括：获取降雨的平均强度I、极端降雨诱发滑坡指数IERL和滑坡易感性指数ILS，并分别与对应的预设阈值进行比较，获得第一预警级别。
6.如权利要求5所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：根据修正降雨强度-持续时间形成的I-D回归线下限的第5百分位回归线，获得所述降雨的平均强度I的预设阈值。
7.如权利要求5所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：所述极端降雨诱发滑坡指数IERL的预设阈值为土壤水分特征曲线和饱和导水率数据集在对应模型的曲线下面积AUC最大时对应的极端降雨诱发滑坡指数IERL值。
8.如权利要求5所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：所述滑坡易感性指数ILS的预设阈值为预测区域内过滤掉其高稳定区域时的滑坡易感性指数ILS值。
9.如权利要求1所述的一种基于序贯评估法的区域滑坡灾害预警方法，其特征在于：所述记录或者预测的连续降雨量预设阈值为物理阈值-临界连续降雨量CRCritical，对浅层土壤中降雨诱发滑坡失稳的过程建立物理模型，进行渗流分析和稳定性分析获得所述物理阈值-临界连续降雨量CRCritical。
CN202211008519.5A 2022-08-22 2022-08-22 一种基于序贯评估法的区域滑坡灾害预警方法 Active CN115359629B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211008519.5A CN115359629B (zh) 2022-08-22 2022-08-22 一种基于序贯评估法的区域滑坡灾害预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211008519.5A CN115359629B (zh) 2022-08-22 2022-08-22 一种基于序贯评估法的区域滑坡灾害预警方法

Publications (2)

Publication Number Publication Date
CN115359629A CN115359629A (zh) 2022-11-18
CN115359629B true CN115359629B (zh) 2023-06-30

Family

ID=84002955

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211008519.5A Active CN115359629B (zh) 2022-08-22 2022-08-22 一种基于序贯评估法的区域滑坡灾害预警方法

Country Status (1)

Country Link
CN (1) CN115359629B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116386300B (zh) * 2022-11-29 2023-09-22 广东堃华建设工程有限公司 一种基于大数据的边坡灾害监测预警方法和系统
CN116612609B (zh) * 2023-07-21 2023-11-03 湖北通达数科科技有限公司 一种基于山体滑坡危害度预测的灾害预警方法及系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952213A (zh) * 2015-05-20 2015-09-30 中国电力科学研究院 一种用于输电线路的降雨型滑坡灾害预警系统和方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104299367B (zh) * 2014-10-23 2017-04-05 中国科学院、水利部成都山地灾害与环境研究所 一种滑坡灾害多级综合监测预警方法
CN111507538A (zh) * 2020-04-26 2020-08-07 国网内蒙古东部电力有限公司检修分公司 一种用于发电厂站的地磁感应电流gic预测的方法
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
CN114565313A (zh) * 2022-03-08 2022-05-31 中国地质科学院岩溶地质研究所 一种地质灾害隐患判识以及分析评估方法及系统
CN114863643B (zh) * 2022-04-25 2023-09-22 浙江科技学院 一种基于gis区域降雨型滑坡早期预警方法
CN114897378A (zh) * 2022-05-20 2022-08-12 湖北省地质局第三地质大队 地质灾害精细化气象风险预警区评价方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104952213A (zh) * 2015-05-20 2015-09-30 中国电力科学研究院 一种用于输电线路的降雨型滑坡灾害预警系统和方法

Also Published As

Publication number Publication date
CN115359629A (zh) 2022-11-18

Similar Documents

Publication Publication Date Title
CN115359629B (zh) 一种基于序贯评估法的区域滑坡灾害预警方法
Boggs et al. GIS‐based rapid assessment of erosion risk in a small catchment in the wet/dry tropics of Australia
Bahrawi et al. Soil erosion estimation using remote sensing techniques in Wadi Yalamlam Basin, Saudi Arabia
Greve et al. Quantifying the ability of environmental parameters to predict soil texture fractions using regression-tree model with GIS and LIDAR data: The case study of Denmark
Bhandari et al. 2D unsteady flow routing and flood inundation mapping for lower region of Brazos River watershed
Martelloni et al. Snow accumulation/melting model (SAMM) for integrated use in regional scale landslide early warning systems
CN114201922A (zh) 基于InSAR技术的动态滑坡敏感性预测方法及系统
KR101236214B1 (ko) 광산지리정보시스템을 이용한 지반침하 위험도 평가 시스템
CN113470333A (zh) 一种线路工程走廊浅层滑坡危险性评估及监测预警系统
Van Emmerik et al. Predicting the ungauged basin: model validation and realism assessment
CN103279671A (zh) 基于rbf神经网络-云模型的城市水灾害风险预测方法
CN103942408A (zh) 黄土高原中尺度流域年侵蚀产沙模型计算方法
Doglioni et al. Evolutionary polynomial regression to alert rainfall-triggered landslide reactivation
Basak et al. An integrated approach for delineating and characterizing groundwater depletion hotspots in a coastal state of India
CN113409550A (zh) 基于径流汇流模拟的泥石流灾害预警方法及系统
Nocentini et al. Towards landslide space-time forecasting through machine learning: the influence of rainfall parameters and model setting
CN116777079A (zh) 一种基于贝叶斯层间结构模型的沙漠化侵扰灾害预测方法
KR20120004113A (ko) 지리정보시스템 및 확률 통계기법에 근거한 지하수산출가능성 예측모델 개발
CN117035417A (zh) 一种灌区地下水下降风险评估方法、系统、设备及介质
CN111767649B (zh) 一种软基地区变电站地质变形安全评估方法
Boicu et al. EVALUATION ON GROUNDWATER RECHARGES CAPACITY USING THE AHP METHOD-CASE STUDY: THE MOLDAVIAN PLAIN
Zhang et al. Estimation of Risk Thresholds for a Landslide in the Three Gorges Reservoir Based on a KDE‐Copula‐VaR Approach
Tubog et al. Landslide susceptibility modeling derived from remote sensing, multi-criteria decision analysis, and GIS techniques: A case study in the Southeast Bohol Province, Philippines
Emelyanova et al. Evaluating the cumulative rainfall deviation approach for projecting groundwater levels under future climate
Behera et al. Application of SCS-CN for Estimating Runoff on Arid Watershed

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