CN116645789A - 一种基于无人机测绘的土地自然灾害预警管控系统 - Google Patents
一种基于无人机测绘的土地自然灾害预警管控系统 Download PDFInfo
- Publication number
- CN116645789A CN116645789A CN202310688576.0A CN202310688576A CN116645789A CN 116645789 A CN116645789 A CN 116645789A CN 202310688576 A CN202310688576 A CN 202310688576A CN 116645789 A CN116645789 A CN 116645789A
- Authority
- CN
- China
- Prior art keywords
- data
- unmanned aerial
- aerial vehicle
- area
- early warning
- 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
- 238000013508 migration Methods 0.000 claims abstract description 48
- 230000005012 migration Effects 0.000 claims abstract description 48
- 238000013507 mapping Methods 0.000 claims abstract description 34
- 238000007726 management method Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 29
- 238000012544 monitoring process Methods 0.000 claims abstract description 24
- 238000012502 risk assessment Methods 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000009826 distribution Methods 0.000 claims abstract description 13
- 238000007689 inspection Methods 0.000 claims abstract description 5
- 238000007405 data analysis Methods 0.000 claims abstract description 3
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000010219 correlation analysis Methods 0.000 claims description 5
- 239000010802 sludge Substances 0.000 claims description 5
- 238000005422 blasting Methods 0.000 claims description 3
- 238000002955 isolation Methods 0.000 claims description 3
- 230000002787 reinforcement Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 2
- 230000010485 coping Effects 0.000 claims description 2
- 238000011065 in-situ storage Methods 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 description 21
- 230000008859 change Effects 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012876 topography Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
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
-
- 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
Abstract
本发明公开了一种基于无人机测绘的土地自然灾害预警管控系统,涉及土地资源预警管理技术领域;包括无人集群和用于无人集群控制和数据分析处理的本地控制终端,本地控制终端包括:测绘规划模块,对测绘区域内的无人机分布和航线进行规划;数据处理模块,根据无人机获取到的图像数据和雷达监测数据进对各种不同地形的灾害隐患点进行识别标记和位置记录;分析预警模块在不同时序内对隐患标记区域进行定点巡查,并计算两次监测数据的迁移速度和迁移值,根据迁移速度和迁移值的比较进行风险评估和预警;高效全面对数据进行获取和处理,避免因无法对风险预警区域的人员和财产安全性进行评估导致应对不及时不到位造成的损失。
Description
技术领域
本发明涉及土地资源预警管理技术领域,具体为一种基于无人机测绘的土地自然灾害预警管控系统。
背景技术
自然灾害往往与环境破坏存在复杂的相互联系,需要进一步深入自然灾害发生演变规律与成灾机理研究,加强自然灾害监测预测预警能力,减少自然灾害造成的损失。
现有的土地自然灾害预警管控系统存在着依赖人工巡查和数据采集的问题,导致预警及时性和准确性不高,难以满足实际需求。使用无人机可以扩大测绘范围,且灵活性和效率能够得到保证,能够将隐藏的盲点隐患排查出来;但是无人机测绘受天气气象影响严重,且现有的预警管控系统只能针对当前数据进行个体的分析预警,数据之间难以产生关联学习,在情况较为紧急的情况下,难以第一时间对数据进行获取和处理分析,不能及时地提供预警信息。为此,我们提供一种基于无人机测绘的土地自然灾害预警管控系统。
发明内容
本发明的目的在于提供了一种基于无人机测绘的土地自然灾害预警管控系统。
本发明所解决的技术问题为:
(1)如何针对测绘区域进行划分,并根据不同地形对无人机的航线进行规划,解决无人机在进行数据采集时的航线无法与不同地形匹配,导致数据的精确性和全局性下降的问题;
(2)如何通过数据处理模块进行数据计算和对获取的图像数据进行预处理,并从多个维度确定出异常点,解决图像比对复杂效率低的问题;
(3)如何通过分析预警模块对两次或多次数据进行比对分析,计算迁移量和迁移速度,从而得出迁移速度过快的区域,解决现有技术无法及时发现风险区域的问题;
(4)如何通过分析预警模块对风险预警区域进行危险性系数评估,并根据不同的评估结果采取不同的危险应对措施,解决现有技术中无法对风险预警区域的人员和财产安全性进行评估导致应对不及时不到位造成的损失;
(5)如何利用快速匹配预警模块在大量历史数据基础上直接进行相关性分析和匹配,从而可以快速进行预警和管控,解决在紧急情况下预警和管控不及时的问题。
本发明可以通过以下技术方案实现:一种基于无人机测绘的土地自然灾害预警管控系统,包括无人集群和用于无人集群控制和数据分析处理的本地控制终端,无人机群上搭载有图像采集装置、声学雷达和传感器;
本地控制终端包括:
测绘规划模块,对测绘区域内的无人机分布和航线进行规划;
数据处理模块,根据无人机获取到的图像数据和雷达监测数据进对各种不同地形的灾害隐患点进行识别标记和位置记录;
分析预警模块在不同时序内对隐患标记区域进行定点巡查,并计算两次监测数据的迁移速度和迁移值,根据迁移速度和迁移值的比较进行风险评估和预警。
本发明的进一步技术改进在于:测绘规划模块对航线规划的步骤包括:
步骤一、在地图上划定测绘区域并按照地形进行网格划分;
步骤二、根据各地形所占面积对所在网格区域内的无人机数量进行分配;
步骤三、跟地形结构不同,制定不同的无人机航行策略。
本发明的进一步技术改进在于:所述数据处理模块在进行数据处理时,构建关于以无人机起飞位置为原点的无人机位置的三维坐标系,并利用该三维坐标系记录无人机进行数据获取时刻的坐标,以便后续再次监测时在相同坐标位置进行数据获取,减少数据调整处理难度。
本发明的进一步技术改进在于:针对不同地形的灾害隐患点进行识别标记,具体包括:
针对山地滑坡隐患,从沟壑区域、植被裸露区域和陡坡区域三个方向进行数据处理,并将处理结构与设定阈值比较,从而判断是否存在滑坡隐患,对滑坡隐患点进行标记并记录坐标;
针对平原区域,利用声波雷达对地表下的断层结构进行模拟,并计算得出对应区域发生塌方的风险指数,根据风险指数对塌方隐患点进行标记并记录坐标;
针对水流和湖泊,分别获取两个区域内水陆交界处的图像数据以及水域深度数据,根据图像数据与异常样本图进行匹配,匹配度超过设定值时则进行隐患标记和坐标记录,同时模拟河床或湖床的淤泥分布情况,并进行隐患标记和坐标记录。
本发明的进一步技术改进在于:分析预警模块对隐患标记处的相邻两次或多次的获取数据进行对比并计算迁移值和迁移速度,当迁移速度超过一定范围时,则隐患标记升级为风险标记并增加无人机进行实地监测的频次。
本发明的进一步技术改进在于:分析预警模块还通过未来一定时间内的天气情况并利用往年同期天气的分布情况进行修正后,预测出该段时间内对应数据的迁移量,将所述迁移量与相关数据的迁移量限定阈值进行比对并根据比对结果制定应对策略。
本发明的进一步技术改进在于:当预测到的迁移量超过相关数据的迁移量限定阈值时,隐患标记升级为风险标记并增加无人机进行实地监测的频次;当出现风险标记时,通过网络等媒介向外部发布风险预警区域,提醒相关区域人员进行避险。
本发明的进一步技术改进在于:分析预警模块在在风险预警区域内及其周边生产活动区域进行危险性评估,危险性评估公式为:
其中,L表示生产活动区域中设施区和居住区与风险标记点坐标的距离;ρ表示生产活动区域内人员密集程度;V表示生产活动区域内设施价值;R表示风险类型影响指数;i、j分别表示生产设施区和人员生活区的编号;W表示危险性评估系数,取值区间为[0,1]。
本发明的进一步技术改进在于:根据危险性评估系数实时不同的管控策略:
当计算得到的危险性评估系数W小于等于0.3时,则继续对该风险预警区域进行跟进监测;
当计算得到的危险性评估系数W在0.3~0.6之间时,则对该区域进行疏散隔离;
当计算得到的危险性评估系数W在0.6以上时,则进行人为主动干预,主动干预措施包括定点爆破、防滑坡阶梯、河道清淤和堤坝加固。
本发明的进一步技术改进在于:该系统还包括快速匹配预警模块,快速匹配预警模块基于历史数据的情况下,从获取的图片数据和雷达监测数据进行拆解,并与历史数据进行相关性分析,得到相关性最高的一组历史数据,根据当时对历史数据的处理记录和结果直接进行预测和管控措施执行。
与现有技术相比,本发明具备以下有益效果:
1、通过测绘规划模块对测绘区域进行划分,并根据不同地形对无人机的航线进行规划,使无人机在进行数据采集时的航线与不同地形匹配,提高数据获取过程中的精确性和全局性;
2、通过数据处理模块进行数据计算和对获取的图像数据进行预处理,并从多个维度确定出异常点,快速确定出隐患区域或异常点,进行对应的隐患标记和坐标记录,避免大量图像比对和数据计算带来的算力消耗,大大提高了数据处理效率;
3、通过分析预警模块对两次或多次数据进行比对分析,计算迁移量和迁移速度,当迁移速度超过一定范围时,则隐患标记升级为风险标记并增加无人机进行实地监测的频次,及时发现风险预警区域,并及时进行风险管控,防止发生重大安全事故;同时对风险预警区域进行危险性系数评估,并根据不同的评估结果采取不同的危险应对措施,避免因无法对风险预警区域的人员和财产安全性进行评估导致应对不及时不到位造成的损失;
4、利用快速匹配预警模块在大量历史数据基础上直接进行相关性分析和匹配,从而可以快速进行预警和管控,有利于在紧急情况下快速进行预警并生成管控方案。
附图说明
为了便于本领域技术人员理解,下面结合附图对本发明作进一步的说明。
图1为本发明的系统框图。
具体实施方式
为更进一步阐述本发明为实现预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明的具体实施方式、结构、特征及其功效,详细说明如下。
请参阅图1所示,一种基于无人机测绘的土地自然灾害预警管控系统,包括无人机群、图像采集装置、传感器、本地控制终端和无线通信模块,其中无人机群的每个无人机上都安装有图像采集装置和传感器,用于获取所需测绘区域内的图像获取或数据监测,本地控制终端包括数据处理模块、分析预警模块、快速匹配预警模块和存储模块,在本地控制终端和无人机群之间通过无线通信模块进行无线连接,本地控制终端通过无线通信模块对无人机群进行控制且针对数据进行实时传输;
本地控制终端还包括测绘规划模块,测绘规划模块对测绘区域内的无人机分布和航线进行规划,具体步骤包括:
步骤一、从网络上获取网络卫星地图,并在网络卫星地图上划定所需要测绘的区域,在该划定区域内,进一步按照地形进行网格划分,所述地形包括山地、平原、河流以及湖泊等;
步骤二、计算对应地形所在网格内的面积并将其标记为Si,其中i表示不同地形的编号,按照无人机单位面积内的分布密度对上述不同地形的网格区域进行数量分配,比如每十平方公里的范围内设置N架无人机进行测绘,从而每个网格区域内的无人机数量基数为SiN;
由于不同地形的地质情况复杂程度不同,无人机的分布密度需要进行修正,修正系数取值在1~1.36之间,且随着地质情况越复杂,修正系数取值越大,地质情况复杂程度排序为:山地、河流、平原以及湖泊;
步骤三、在每个不同地形的网格区域内,规划对应的飞行航线,如针对山地地形,沿着山地的山脊延伸方向,采用高度渐降的飞行方式进行数据获取;平原地形沿中心位置向外散状辐射的方式进行数据获取;河流地形按照河流的延伸方向进行数据获取;湖泊地形按照湖泊的水域边界并随机均匀在水域中设置数据采样点;
在无人机按照上述的航线规划进行飞行和数据采集时,通过图像采集装置进行图像获取,图像采集装置具体为高清拍摄相机,同时无人机上搭载了声波雷达对距离数据进行探查,声波雷达可以穿透地表之上的覆盖物并探查到地表之下的断层结构;
将这些图像数据和距离数据传输至本地控制终端的存储模块中,数据处理模块对各地形的图像数据进行预处理,预处理包括数据增强和降噪处理,图像数据中还包括在获取图像数据时的无人机坐标,无人机坐标是以无人机起飞位置为坐标原点建立的三维坐标系的当前位置坐标,从而所有的无人机坐标都可以在同一个三维坐标系中建立,图像数据中记录坐标的意义在于可以在不同时序的两次图像数据采集中可以让无人机飞行到对应坐标进行拍摄,这样两次采集的图像数据不需要经过裁剪和位置校正就能直接进行比对,从而降低了后续图像数据处理的难度,提升了时效性,对灾害的预警管控有着积极意义;
数据处理模块根据图像数据和雷达监测数据对各种不同地形的灾害隐患点进行识别标记,具体包括:
针对山地地形的情况,在图像数据中对沟壑区域、陡坡区域和植被裸露区域进行数据测量,如沟壑深度和沟壑宽度,陡坡区域的坡度和高度差,植被裸露区域的裸露面积;
当植被裸露区域与沟壑区域或陡坡区域出现重叠时,则直接认定该处存在滑坡隐患;
对沟壑深度和沟壑宽度进行比值计算,得到沟壑的深宽比,当深宽比不超过设定阈值时,则认为此处存在滑坡隐患;
根据陡坡区域的坡度和高度差在虚拟的平面直角坐标系中建立关于在高度方向上坡度的变化曲线,在对变化曲线进行求导,得到对应坡度的变化速率,变化速率越大,说明坡度的改变剧烈程度越高,这种地形容易出现滑坡现象,当变化速率大于设定阈值时,则认为此处存在滑坡隐患;
在植被裸露区域面积且该植被裸露区域的坡度均超过一定值时,认为对应区域存在滑坡隐患;
对上述存在滑坡隐患进行对应的隐患标记,并记录其对应的坐标位置,其坐标可以直接从无人机坐标的同一三维坐标系中获取,在无人机进行图像数据获取时,由于隐患标记位置与无人机所在位置相对固定且可进行数据测量,则在无人机坐标获取的相同三维坐标系中提取隐患标记位置的坐标数据并记录;
针对平原区域,主要利用声波雷达的波段在地表下的传播情况,探知地表下的断层结构;根据声波雷达接收到的波段反射情况,在数据处理模块中模拟出位于无人机航线下的地表层级结构,从而可以识别出在对应航线下的地表下是否存在断层,若存在,可以模拟出断层结构,断层结构包括断层面积、断层深度以及整个断层的厚度;
断层结构发生塌方的风险指数与断层面积和断层厚度成正相关,与断层深度成反相关,对断层面积、断层厚度和断层深度进行权重系数赋值,分别赋值为x、y和z,且x、y和z的系数大小依次增大,则
得到风险指数后当风险指数高于设定值时,则对断层结构所在区域进行对应的隐患标记和坐标记录;
针对河流和湖泊,利用高清拍摄技术与声波探测技术相结合,对两个区域内的水陆交界处进行图像数据获取同时对水体覆盖下的陆地地貌(河床结构或湖床结构)进行探测;
具体地,河流的水陆交界处主要为河堤,针对河堤和湖坝的图像数据,对其进行特征提取,并进行特征选择和降维,提取的特征包括形状特征、颜色特征和纹理特征;基于上述特征,利用聚类算法对进行特征提取的图像数据进行分组,将图像数据的特征数据点按照上述划分范围分为多个簇,通过以下方面来确定哪些簇中存在异常点:
A1:计算每个簇的大小(即包含的数据点数量)和密度(即数据点在簇中的分布情况)指标;
A2:对于每个簇,计算其内部数据点之间的距离,使用欧几里得距离或其他距离度量方法;
A3:对于每个簇,计算其内部数据点的平均距离和标准差,可以用来衡量簇内部的紧密程度或分散程度;
A4:对于每个簇,通过比较其大小、密度、平均距离、标准差和分散程度等指标,可以判断该簇是否存在异常点;
当其中某个簇的数据点数量小,密度很低,平均距离很大,标准差和分散程度也很大,则判定该簇内存在异常数据;上述的大小概念均通过与常规阈值比较之后得出判断。
对存在异常数据的簇内数据进行提取并与存储模块中的异常样本图像进行自动交叉匹配并计算匹配度,匹配度与形状相似性、纹理重合性以及色值差异性相关,匹配度高于百分之七十,则认定为该图像数据对应的堤坝区域存在隐患并进行隐患标记和坐标记录;
同时根据河床或湖床对声波的反射情况可以虚拟构建对应的河床或湖床模型,从而可以确定出河床或湖床上的淤泥分布情况,且得到淤泥对应区域与水体表面的距离,当淤泥与水体表面之间的距离小于等于设定值时,则认为对应水域存在隐患并进行隐患标记和坐标记录。
将上述注有隐患标记和坐标记录坐标系模型映射拟合到网络卫星地图中,分析预警模块在不同时序内对隐患标记的区域进行无人机定点巡查,对比两次隐患标记区域的图像数据和雷达监测数据,并计算两次相应数据之间的迁移值,将对应迁移值消除天气因素影响进行迁移速度的计算,其计算公式为:
其中:
v表示在时刻Ta到时刻Tb的时间区间内对应隐患标记区域的相关数据迁移速度;
和/>分别表示在时刻Ta和时刻Tb无人机对同一隐患标记区域相关数据的值;
α、β、γ分别表示三种天气情况(干燥、潮湿和降雨)下对迁移速度的影响系数,且α<β<γ,α、β、γ的取值均在0~1之间,不包括端点;
t1、t2和t3分别表示在时刻Ta和时刻Tb的时间区间内,三种天气情况分别出现的天数,且Tb-Ta=t1+t2+t3。
当迁移速度相较于常规迁移速度快,则隐患标记升级为风险标记并增加无人机进行实地监测的频次,利用最新的监测数据进行预警管控,需要说明的是,常规迁移速度快表示建立在大数据基础上的对应地形的平均迁移速度;
通过网络获取未来一定时间内(一周、半月或一个月)的当地天气情况,并利用往年同期不同天气类型的天数分布情况进行修正,判断未来一定时间内三种天气情况的出现天数,从而根据上述迁移速度公式和对应天气情况的出现天数,可以预测出在这段时间内对应数据的迁移量,针对当地的土地环境和组成成分设定符合当地实际情况的相关数据的迁移量限定阈值,当预测到的迁移量超过相关数据的迁移量限定阈值时,隐患标记升级为风险标记并增加无人机进行实地监测的频次;当出现风险标记时,通过网络等媒介向外部发布风险预警区域,提醒相关区域人员合理避险。
在风险预警区域内及其周边针对农田、水利灌溉以及居住区等人员从事生产活动区域进行危险性评估,危险性包括对于生产设施以及人员的危险性,与危险性评估的相关指数包括生产活动区域中设施区和居住区与风险标记点坐标的距离L、该生产活动区域内人员密集程度ρ、该生产活动区域内设施价值V以及风险类型影响指数R,则将这些因子代入到危险性评估公式中:
其中,风险类型影响指数R与风险类型相关,风险类型包括山体滑坡、土地塌陷、河道淤塞、堤坝决口等,按照上述顺序,风险类型影响指数逐渐变大;
i、j分别表示生产设施区和人员生活区的编号,i、j均为连续的正整数,k表示距离影响系数,取值在0.3-0.8之间;
人员密集程度ρ表示在划定区域内人员数目与区域面积的比值;
W表示危险性评估系数,取值区间为[0,1];
当计算得到的危险性评估系数W小于等于0.3时,则继续进行跟进监测即可;
当计算得到的危险性评估系数W在0.3~0.6之间时,则对该区域进行疏散隔离;
当计算得到的危险性评估系数W在0.6以上时,则进行人为主动干预,主动干预措施包括定点爆破、防滑坡阶梯、河道清淤和堤坝加固;
快速匹配预警模块是在存储模块中积累了大量历史数据的情况下,从获取的图片数据和雷达监测数据进行拆解,并与历史数据进行相关性分析,得到最接近的一组历史数据,根据当时对历史数据的处理记录和结果直接进行预测和管控措施执行,可以节约大量的资源和时间,这样对于紧急情况的处理有着重要的参考作用,可以及时形成处理预案。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭示如上,然而并非用以限定本发明,任何本领域技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (10)
1.一种基于无人机测绘的土地自然灾害预警管控系统,包括无人集群和用于无人集群控制和数据分析处理的本地控制终端,其特征在于,所述无人机群上搭载有图像采集装置、声学雷达和传感器;
本地控制终端包括:
测绘规划模块,对测绘区域内的无人机分布和航线进行规划;
数据处理模块,根据无人机获取到的图像数据和雷达监测数据进对各种不同地形的灾害隐患点进行识别标记和位置记录;
分析预警模块在不同时序内对隐患标记区域进行定点巡查,并计算两次监测数据的迁移速度和迁移值,根据迁移速度和迁移值的比较进行风险评估和预警。
2.根据权利要求1所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,所述测绘规划模块对航线规划的步骤包括:
步骤一、在地图上划定测绘区域并按照地形进行网格划分;
步骤二、根据各地形所占面积对所在网格区域内的无人机数量进行分配;
步骤三、跟地形结构不同,制定不同的无人机航行策略。
3.根据权利要求1所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,所述数据处理模块在进行数据处理时,构建关于以无人机起飞位置为原点的无人机位置的三维坐标系,并利用该三维坐标系记录无人机进行数据获取时刻的坐标,以便后续再次监测时在相同坐标位置进行数据获取,减少数据调整处理难度。
4.根据权利要求1所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,针对不同地形的灾害隐患点进行识别标记,具体包括:
针对山地滑坡隐患,从沟壑区域、植被裸露区域和陡坡区域三个方向进行数据处理,并将处理结构与设定阈值比较,从而判断是否存在滑坡隐患,对滑坡隐患点进行标记并记录坐标;
针对平原区域,利用声波雷达对地表下的断层结构进行模拟,并计算得出对应区域发生塌方的风险指数,根据风险指数对塌方隐患点进行标记并记录坐标;
针对水流和湖泊,分别获取两个区域内水陆交界处的图像数据以及水域深度数据,根据图像数据与异常样本图进行匹配,匹配度超过设定值时则进行隐患标记和坐标记录,同时模拟河床或湖床的淤泥分布情况,并进行隐患标记和坐标记录。
5.根据权利要求1所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,所述分析预警模块对隐患标记处的相邻两次或多次的获取数据进行对比并计算迁移值和迁移速度,当迁移速度超过一定范围时,则隐患标记升级为风险标记并增加无人机进行实地监测的频次。
6.根据权利要求5所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,所述分析预警模块还通过未来一定时间内的天气情况并利用往年同期天气的分布情况进行修正后,预测出该段时间内对应数据的迁移量,将所述迁移量与相关数据的迁移量限定阈值进行比对并根据比对结果制定应对策略。
7.根据权利要求6所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,当预测到的迁移量超过相关数据的迁移量限定阈值时,隐患标记升级为风险标记并增加无人机进行实地监测的频次;当出现风险标记时,通过网络等媒介向外部发布风险预警区域,提醒相关区域人员进行避险。
8.根据权利要求7所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,所述分析预警模块在在风险预警区域内及其周边生产活动区域进行危险性评估,危险性评估公式为:
其中,L表示生产活动区域中设施区和居住区与风险标记点坐标的距离;ρ表示生产活动区域内人员密集程度;V表示生产活动区域内设施价值;R表示风险类型影响指数;i、j分别表示生产设施区和人员生活区的编号;W表示危险性评估系数,取值区间为[0,1]。
9.根据权利要求8所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,根据危险性评估系数实时不同的管控策略:
当计算得到的危险性评估系数W小于等于0.3时,则继续对该风险预警区域进行跟进监测;
当计算得到的危险性评估系数W在0.3~0.6之间时,则对该区域进行疏散隔离;
当计算得到的危险性评估系数W在0.6以上时,则进行人为主动干预,主动干预措施包括定点爆破、防滑坡阶梯、河道清淤和堤坝加固。
10.根据权利要求1所述的一种基于无人机测绘的土地自然灾害预警管控系统,其特征在于,还包括快速匹配预警模块,所述快速匹配预警模块基于历史数据的情况下,从获取的图片数据和雷达监测数据进行拆解,并与历史数据进行相关性分析,得到相关性最高的一组历史数据,根据当时对历史数据的处理记录和结果直接进行预测和管控措施执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310688576.0A CN116645789A (zh) | 2023-06-12 | 2023-06-12 | 一种基于无人机测绘的土地自然灾害预警管控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310688576.0A CN116645789A (zh) | 2023-06-12 | 2023-06-12 | 一种基于无人机测绘的土地自然灾害预警管控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116645789A true CN116645789A (zh) | 2023-08-25 |
Family
ID=87618783
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310688576.0A Pending CN116645789A (zh) | 2023-06-12 | 2023-06-12 | 一种基于无人机测绘的土地自然灾害预警管控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116645789A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011717A (zh) * | 2023-10-07 | 2023-11-07 | 北京建工环境修复股份有限公司 | 一种基于物联网的全氟化合物污染评价方法及系统 |
CN117270576A (zh) * | 2023-11-22 | 2023-12-22 | 自然资源部第三地形测量队(黑龙江第二测绘工程院) | 一种地形测量无人机的控制方法及其控制终端 |
CN117292262A (zh) * | 2023-10-11 | 2023-12-26 | 中国公路工程咨询集团有限公司 | 一种基于无人机遥感图像的地质测绘识别方法和系统 |
-
2023
- 2023-06-12 CN CN202310688576.0A patent/CN116645789A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117011717A (zh) * | 2023-10-07 | 2023-11-07 | 北京建工环境修复股份有限公司 | 一种基于物联网的全氟化合物污染评价方法及系统 |
CN117011717B (zh) * | 2023-10-07 | 2023-12-19 | 北京建工环境修复股份有限公司 | 一种基于物联网的全氟化合物污染评价方法及系统 |
CN117292262A (zh) * | 2023-10-11 | 2023-12-26 | 中国公路工程咨询集团有限公司 | 一种基于无人机遥感图像的地质测绘识别方法和系统 |
CN117292262B (zh) * | 2023-10-11 | 2024-02-23 | 中国公路工程咨询集团有限公司 | 一种基于无人机遥感图像的地质测绘识别方法和系统 |
CN117270576A (zh) * | 2023-11-22 | 2023-12-22 | 自然资源部第三地形测量队(黑龙江第二测绘工程院) | 一种地形测量无人机的控制方法及其控制终端 |
CN117270576B (zh) * | 2023-11-22 | 2024-02-02 | 自然资源部第三地形测量队(黑龙江第二测绘工程院) | 一种地形测量无人机的控制方法及其控制终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116645789A (zh) | 一种基于无人机测绘的土地自然灾害预警管控系统 | |
CN110849335B (zh) | 一种无水下地形资料的堰塞湖水量库容遥感快速测定方法 | |
Coyne et al. | Mapping coastal erosion hazard areas in Hawaii: observations and errors | |
Marchesini et al. | Non-susceptible landslide areas in Italy and in the Mediterranean region | |
Abd et al. | Maximum likelihood for land-use/land-cover mapping and change detection using Landsat satellite images: A case study “South of Johor” | |
Vargo et al. | Using structure from motion photogrammetry to measure past glacier changes from historic aerial photographs | |
CN111680866A (zh) | 一种海洋生态保护重要性的评价方法、应用和装置 | |
KR102399089B1 (ko) | 인공위성 영상정보를 이용한 홍수 피해 탐지 시스템 및 그 방법 | |
Shaw et al. | Comparison of UAV Lidar and imagery for beach monitoring | |
CN110108257B (zh) | 一种基于无人机航拍影像和静态规划图相匹配的展示方法 | |
CN114565313A (zh) | 一种地质灾害隐患判识以及分析评估方法及系统 | |
CN112381041A (zh) | 一种用于输电线路的树木识别方法、装置及终端设备 | |
Ghaderi et al. | Detecting shoreline change employing remote sensing images (Case study: Beris Port-east of Chabahar, Iran) | |
Esposito et al. | Evaluation of geomorphic changes and retreat rates of a coastal pyroclastic cliff in the Campi Flegrei volcanic district, southern Italy | |
CN111678502B (zh) | 基于无人机航测影像提取冻土灾害信息的方法 | |
de Moraes et al. | Monitoring bank erosion in hydroelectric reservoirs with mobile laser scanning | |
JP6450129B2 (ja) | 斜面崩壊予測方法及び斜面崩壊予測装置 | |
CN115457739B (zh) | 一种地质灾害预警方法、装置、电子设备及存储介质 | |
Yang et al. | Flood Detection Based on Unmanned Aerial Vehicle System and Deep Learning | |
Caster et al. | Variability in rainfall at monitoring stations and derivation of a long-term rainfall intensity record in the Grand Canyon region, Arizona, USA | |
CN113432549B (zh) | 一种基于无人机摄影测量的潮沟三维参量提取方法及系统 | |
JPS6053910B2 (ja) | 積雪量推定装置 | |
Danáčová et al. | Detection of gully erosion using Global Navigation Satellite Systems in Myjava–Turá Lúka | |
CN117146888B (zh) | 一种基于数据分析处理的山洪动态预警方法及系统 | |
Butcher | Rockslope And Landslide Monitoring Using High Temporal Resolution Terrestrial Structure From Motion Photogrammetry: A Case Study of a Landslide in Majes Zone, Peru Using Multi-Epoch Photogrammetric Techniques |
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 |