CN115631607A - 一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法 - Google Patents
一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法 Download PDFInfo
- Publication number
- CN115631607A CN115631607A CN202211305655.0A CN202211305655A CN115631607A CN 115631607 A CN115631607 A CN 115631607A CN 202211305655 A CN202211305655 A CN 202211305655A CN 115631607 A CN115631607 A CN 115631607A
- Authority
- CN
- China
- Prior art keywords
- deformation
- area
- early warning
- time
- monitoring
- 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.)
- Pending
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
- 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
-
- 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
Abstract
本发明公开了一种基于GB‑InSAR监测和形变区域扩张的滑坡预警方法。本发明利用GB‑InSAR可以实现面场景形变监测的技术优势,基于滑坡发展过程中形变区域会呈现出有规律扩张的特点,提出了一种基于面积时间曲线的预警方法。通过设定多个形变阈值,对于多条形变时间曲线的切线角计算结果进行融合,基于切线角进行滑坡预警阶段的判别。相比于传统的基于单点形变信息预警方法,采用面积时序曲线的方法可以识别出滑坡面形变整体变化趋势,其预警信息更加全面、准确,可以有效提高滑坡预警阶段判别的准确性。
Description
技术领域
本发明涉及响应灾难事件的报警器技术领域,具体涉及一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法。
背景技术
目前,滑坡灾害预警方法主要是基于滑坡体上的接触式传感器,如:地表GNSS、测斜仪、土压力盒、裂缝计等。接触式设备零散的分布在目标滑坡体上,仅能监测少量点位置的应力应变信息,滑坡体上仍存在大量的信息盲区,在实际应用中极易产生漏报或错报。当下主流的滑坡预警方法是基于地表GNSS监测的形变时间曲线,采用切线角方法进行滑坡预警阶段判别。该预警方法存在两大明显缺陷:1)信息源为单点形变时间曲线,仅能有效表现监测设备附近地表的形变状态,不一定代表整个目标区域的形变特征;2)GNSS监测站为滑坡发生前安装在斜坡上的,无法确保其安装在了滑坡发生时的强形变区域,容易导致漏报。因此,基于地表GNSS监测和形变时间曲线的预警方法具有不确定性,难以保证预警准确率。
边坡形变演化往往从局部点开始,基于单点监测的形变时间曲线可以较好识别边坡形变过程中该点的形变趋势,通过形变加速度、形变曲线切线角等判别该点的危险状态。当边坡发生了一次明显破坏后,边坡释放了较大的内应力,其形变速度会减慢,但同时形变区域仍有可能在持续扩张构成二次滑坡风险,此时采用单点形变时间曲线只能识别到形变减缓做出低预警的误判。
发明内容
有鉴于此,本发明提供了一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法,利用面积时间曲线计算切线角,可以实现滑坡预警阶段的准确判别。
本发明的基于GB-InSAR监测和形变区域扩张的滑坡预警方法,包括:
步骤1,采用GB-InSAR对场景进行连续实时监测,获取当前测量时段监测场景的累计形变量;根据累计形变量中的最大值,设计多个形变阈值;
步骤2,获取面积时间曲线:
针对每一个形变阈值,实时计算当前时刻下累计形变量超过该形变阈值的像素点总面积;各个时刻均对应有一个超过该形变阈值的像素点总面积值,随着时间推移,即形成面积时间曲线;
步骤3,分别计算各形变阈值对应的面积时间曲线在当前时刻的切线角;
步骤4,各形变阈值对应的面积时间曲线的切线角中的最大者即为预警判决切线角,将预警判决切线角与设定的预警级别匹配,进行预警。
较优的,所述步骤1中,采用如下方式设计N个形变阈值:
较优的,所述步骤3中,形变阈值Sk对应的面积时间曲线Ak(t)的切线角计算方法如下:
首先计算面积时间曲线Ak(t)上初始时刻t1至各时刻ti的平均速度Bk,i,然后用面积除以平均速度的方式,将面积时间曲线的纵坐标Ak,i变换为与横坐标时间t量纲一致的Tk,i;Tk,i的斜率即为面积时间曲线Ak(t)在ti时刻的切线角αk,i。
较优的,切线角αk,i为:
其中,Δt即为切线角计算中的时间窗。
较优的,所述Δt根据监测目标的形变特征设定为固定值,或通过不同时间窗Δt下切线角曲线的变化度来自适应确定。
较优的,所述步骤4中,所述预警级别为4种:注意级θ1≤α<θ2、警示级θ2≤α<θ3、警戒级θ3≤α<θ4和警报级α≥θ4;其中,θ1∈[35°,45°],θ2∈[40°,50°],θ3∈[60°,80°],θ4∈[70°,90°],同时满足θ1<θ2<θ3<θ4;α为预警判决切线角。
有益效果:
本发明利用GB-InSAR可以实现面场景形变监测的技术优势,基于滑坡发展过程中形变区域会呈现出有规律扩张的特点,提出了一种基于面积时间曲线的预警方法。通过设定多个形变阈值,对于多条形变时间曲线的切线角计算结果进行融合,基于切线角进行滑坡预警阶段的判别。相比于传统的基于单点形变信息预警方法,采用面积时序曲线的方法可以识别出滑坡面形变整体变化趋势,其预警信息更加全面、准确,可以有效提高滑坡预警阶段判别的准确性。
GB-InSAR具备全天时、全天候、非接触、近实时等测量优势,可以实现区域性的面场景形变测量,很大程度上克服了GNSS监测的两大缺陷,能够实现滑坡灾害的准确预警。
附图说明
图1为多形变阈值对应的面积时序曲线。
图2为多面积时序曲线对应的切线角时间曲线。
图3为预警判决切线角时间曲线。
图4为滑坡预警等级。
图5为本发明方法流程图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明提供了一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法,方法流程如图5所示,具体包括如下步骤:
步骤一,设计形变阈值
形变阈值的个数和数值,可由经验确定,也可通过数值仿真确定。本实施例设计如下:
步骤二,获取面积时间曲线
基于单点监测的形变时间曲线可以较好识别边坡形变过程中该点的滑坡危险状态。但当边坡发生了一次明显破坏后,单点的形变速度可能会减慢,但形变区域仍有可能在持续扩张。采用面积时间曲线的方法可以更加准确地识别出滑坡面的整体形变趋势。
针对当前测量时段内的累计形变量,针对每一个形变阈值Sk,计算测量时段内各时刻ti下累计形变量超过Sk的像素点总面积Ak,i,测量时段内所有Ak,i的集合即为面积时间曲线Ak(t)。在滑坡发育过程中,Ak(t)是一个递增的曲线,Ak(t)的增速即为形变区域的扩张速度。
步骤三,计算面积时间曲线切线角
针对每一个形变阈值Sk对应的面积时间曲线Ak(t),计算面积时间曲线Ak(t)上初始时刻t1至各时刻ti的平均速度Bk,i(公式(1))。
用面积除以平均速度的方式,将面积时间曲线的纵坐标Ak,i变换为与横坐标时间t量纲一致的Tk,i(公式(2))。
计算ti时刻时的切线角(斜率)αk,i(公式(3)),αk,i为无量纲自然数。
式(3)中,Δt即为切线角计算中的时间窗,可根据监测目标的形变特征设定为固定值,或通过不同时间窗Δt下切线角曲线的变化度来自适应确定。
步骤四,获取预警判决切线角
ti时刻时,每一个形变阈值Sk对应有一个切线角αk,i,N个形变阈值可得到N个切线角,将最大切线角αi作为预警判决切线角(公式(4))。
步骤五,生成预警判决结果
根据滑坡类型,设定4个切线角阈值(θ1,θ2,θ3,θ4)将切线角与预警级别关联(表1),从而可根据判决切线角αi的值生成预警判决结果。
一般来说,切线角阈值设定范围:θ1∈[35°,45°],θ2∈[40°,50°],θ3∈[60°,80°],θ4∈[70°,90°],同时满足θ1<θ2<θ3<θ4。
表1切线角与预警级别对应关系
案例
以山西尖山铁矿边坡为例,采用地基干涉雷达监测边坡形变过程,共获取场景内3016个像素点的形变时间曲线。预警计算过程如下:
1)当前场景内的最大累计形变值为3103.9mm,设计40个形变阈值(10,20,30,...,100,200,300,...,3100mm),获取40条对应的面积时序曲线(图1)。
2)根据公式(1)~(3),采用5小时时间窗,计算图1中每条面积时间曲线对应的切线角时间曲线,得到多条切线角时间曲线(图2)。
3)图2中每个时刻均对应有多个切线角值,选取最大值为预警判决切线角,得到预警判决切线角时间曲线(图3)。
4)切线角阈值θ1,θ2,θ3,θ4分别设定为:40°,50°,75°,85°,将4阈值带入表1进行预警判决,所有时刻的预警判决如图4所示。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法,其特征在于,包括:
步骤1,采用GB-InSAR对场景进行连续实时监测,获取当前测量时段监测场景的累计形变量;根据累计形变量中的最大值,设计多个形变阈值;
步骤2,获取面积时间曲线:
针对每一个形变阈值,实时计算当前时刻下累计形变量超过该形变阈值的像素点总面积;各个时刻均对应有一个超过该形变阈值的像素点总面积值,随着时间推移,即形成面积时间曲线;
步骤3,分别计算各形变阈值对应的面积时间曲线在当前时刻的切线角;
步骤4,各形变阈值对应的面积时间曲线的切线角中的最大者即为预警判决切线角,将预警判决切线角与设定的预警级别匹配,进行预警。
3.如权利要求1所述的基于GB-InSAR监测和形变区域扩张的滑坡预警方法,其特征在于,所述步骤3中,形变阈值Sk对应的面积时间曲线Ak(t)的切线角计算方法如下:
首先计算面积时间曲线Ak(t)上初始时刻t1至各时刻ti的平均速度Bk,i,然后用面积除以平均速度的方式,将面积时间曲线的纵坐标Ak,i变换为与横坐标时间t量纲一致的Tk,i;Tk,i的斜率即为面积时间曲线Ak(t)在ti时刻的切线角αk,i。
5.如权利要求4所述的基于GB-InSAR监测和形变区域扩张的滑坡预警方法,其特征在于,所述Δt根据监测目标的形变特征设定为固定值,或通过不同时间窗Δt下切线角曲线的变化度来自适应确定。
6.如权利要求1所述的基于GB-InSAR监测和形变区域扩张的滑坡预警方法,其特征在于,所述步骤4中,所述预警级别为4种:注意级θ1≤α<θ2、警示级θ2≤α<θ3、警戒级θ3≤α<θ4和警报级α≥θ4;其中,θ1∈[35°,45°],θ2∈[40°,50°],θ3∈[60°,80°],θ4∈[70°,90°],同时满足θ1<θ2<θ3<θ4;α为预警判决切线角。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305655.0A CN115631607A (zh) | 2022-10-24 | 2022-10-24 | 一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211305655.0A CN115631607A (zh) | 2022-10-24 | 2022-10-24 | 一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115631607A true CN115631607A (zh) | 2023-01-20 |
Family
ID=84905753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211305655.0A Pending CN115631607A (zh) | 2022-10-24 | 2022-10-24 | 一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115631607A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912068A (zh) * | 2023-09-12 | 2023-10-20 | 成都理工大学 | 一种基于面域形变观测的滑坡预警方法 |
-
2022
- 2022-10-24 CN CN202211305655.0A patent/CN115631607A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116912068A (zh) * | 2023-09-12 | 2023-10-20 | 成都理工大学 | 一种基于面域形变观测的滑坡预警方法 |
CN116912068B (zh) * | 2023-09-12 | 2023-11-21 | 成都理工大学 | 一种基于面域形变观测的滑坡预警方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102725576B (zh) | 维护管道的方法 | |
CN109241627B (zh) | 概率分级的动态支护方法及自动设计支护方案的装置 | |
CN115631607A (zh) | 一种基于GB-InSAR监测和形变区域扩张的滑坡预警方法 | |
CN108090707B (zh) | 一种基于突变理论的山洪灾害风险性评价方法与预警系统 | |
CN112150769A (zh) | 一种基于大数据的地质灾害岩体崩塌智能监测预警系统 | |
CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
CN102628944A (zh) | 一种基于多普勒雷达资料的层云与对流云自动识别方法 | |
CN108133578A (zh) | 山洪灾害险情动态预警方法、精细化分级监测预警方法 | |
CN110132218B (zh) | 基于边坡稳定性监测的多等级预警测定方法 | |
CN107798293A (zh) | 一种道路裂缝检测装置 | |
CN111796547A (zh) | 一种基于大数据的道路桥梁安全性智能监测预警管理系统 | |
CN115325928A (zh) | 一种基于北斗通信的滑坡地表裂缝综合监测系统 | |
CN108921319B (zh) | 一种用于岩溶隧道结构安全预警的监测方法 | |
CN103927553A (zh) | 基于多尺度微纹理和对比度联合分布的煤岩识别方法 | |
CN116645789A (zh) | 一种基于无人机测绘的土地自然灾害预警管控系统 | |
Enderlin et al. | Sharp contrasts in observed and modeled crevasse patterns at Greenland's marine terminating glaciers | |
CN108229371A (zh) | 基于冰形建模的输电导线横截面覆冰形状识别方法 | |
CN114913672A (zh) | 一种基于评估山坡积雪稳定性的雪崩监测预警方法 | |
CN115457300A (zh) | 一种基于距离度量和隔离机制的船舶异常行为检测方法 | |
CN115685189A (zh) | 一种基于自适应时间窗改进滑坡预警阶段判别的方法 | |
CN115563802A (zh) | 一种基于自适应时间窗和多判据的滑坡临滑时间预报方法 | |
CN105528787A (zh) | 基于水平集分割的极化sar图像桥梁检测方法和装置 | |
CN110264671A (zh) | 一种基于多传感器信息融合在山体滑坡中的预测方法 | |
CN114001887B (zh) | 一种基于挠度监测的桥梁损伤评定方法 | |
Johnson | Available relief and texture of topography a discussion |
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 |