CN117828003B - 一种植被覆盖下坡面泥石流灾害判别方法及系统 - Google Patents
一种植被覆盖下坡面泥石流灾害判别方法及系统 Download PDFInfo
- Publication number
- CN117828003B CN117828003B CN202410244568.1A CN202410244568A CN117828003B CN 117828003 B CN117828003 B CN 117828003B CN 202410244568 A CN202410244568 A CN 202410244568A CN 117828003 B CN117828003 B CN 117828003B
- Authority
- CN
- China
- Prior art keywords
- slope
- data
- research area
- units
- water collecting
- 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
- 238000000034 method Methods 0.000 title claims abstract description 37
- 239000011435 rock Substances 0.000 title claims abstract description 34
- 238000011160 research Methods 0.000 claims abstract description 101
- 239000002352 surface water Substances 0.000 claims abstract description 88
- 239000000463 material Substances 0.000 claims abstract description 28
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000012876 topography Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 230000000750 progressive effect Effects 0.000 claims description 5
- 230000015572 biosynthetic process Effects 0.000 claims description 4
- 238000011835 investigation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 17
- 238000011161 development Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013075 data extraction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Revetment (AREA)
Abstract
本发明公开一种植被覆盖下坡面泥石流灾害判别方法及系统,涉及泥石流地质灾害判别技术领域,该方法包括获取研究区的基本数据;获取研究区的激光点云数据和遥感影像;根据激光点云数据对研究区进行地面点提取,得到研究区的植被覆盖下DEM数据,根据植被覆盖下DEM数据和水文数据对研究区进行划分,得到若干斜坡单元;根据各斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元;对于每一地表汇水单元,根据地表汇水单元的纵坡比降、最大雨强和松散物源储量确定地表汇水单元的泥石流灾害判别结果,实现了植被覆盖下坡面泥石流灾害的判别。
Description
技术领域
本发明涉及泥石流地质灾害判别技术领域,特别是涉及一种植被覆盖下坡面泥石流灾害判别方法及系统。
背景技术
泥石流地质灾害是山区工程建设中的重大安全隐患之一,泥石流分为沟谷型泥石流和坡面泥石流,通常沟谷型泥石流流域面积较大,判别较为容易,而坡面泥石流是发生在山坡上沿着具有一定汇水面积的冲沟冲出的一种小规模泥石流,由于其发育面积小,特征不明显,给地质人员的灾害调查带来一定难度。尤其是有一定植被覆盖率的山坡,技术人员难以进行详细调查,更无法准确判别是否是坡面型泥石流。近几年,有多起工程建设期间的安全事故,均是由植被覆盖下的坡面泥石流突然爆发所致。因此,亟需研发一种植被覆盖下坡面泥石流灾害判别方法,为地质技术人员判别坡面泥石流提供技术支撑。
发明内容
本发明的目的是提供一种植被覆盖下坡面泥石流灾害判别方法及系统,可实现植被覆盖下坡面泥石流灾害的判别。
为实现上述目的,本发明提供了如下方案:
本发明提供一种植被覆盖下坡面泥石流灾害判别方法,包括:
获取研究区的基本数据;所述基本数据包括水文数据、地质资料和历年的小时降雨量数据;所述水文数据包括河流径流数据和地下暗河径流数据。
获取所述研究区的激光点云数据,并获取所述研究区的遥感影像;所述激光点云数据由航空飞机机载激光雷达采集得到。
根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据。
根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元。
根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元;所述斜坡单元的最高点和最低点由所述植被覆盖下DEM数据确定。
对于每一所述地表汇水单元,根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果;所述最大雨强由所述研究区历年的小时降雨量数据确定;所述松散物源储量由所述植被覆盖下DEM数据、所述遥感影像和所述地质资料确定。
可选的,获取所述研究区的激光点云数据,具体包括:
根据所述研究区的植被覆盖率确定所述机载激光雷达的激光频率;
基于所述机载激光雷达的激光频率,获取所述研究区的激光点云数据。
可选的,根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据,具体包括:
根据所述激光点云数据对所述研究区进行地面点提取,利用渐进加密三角网滤波算法,得到所述研究区的植被覆盖下DEM数据。
可选的,根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元,具体包括:
根据所述植被覆盖下DEM数据和所述水文数据,采用GIS技术对所述研究区进行划分,得到若干斜坡单元。
可选的,根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元,具体包括:
对于每一所述斜坡单元,根据所述斜坡单元的最高点和最低点确定所述斜坡单元的汇流方向;
根据所有所述斜坡单元的汇流方向,沿着所述研究区的山脊线到山谷线的方向,将所述研究区具有汇流关系的相邻斜坡单元合并,得到若干地表汇水单元。
可选的,根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果,具体包括:
根据所述地表汇水单元的纵坡比降和设定纵坡比降阈值范围确定第一判定值;
根据所述地表汇水单元的最大雨强和设定最大雨强阈值范围确定第二判定值;
根据所述地表汇水单元的松散物源储量和设定松散物源储量阈值范围确定第三判定值;
根据所述第一判定值、所述第二判定值和所述第三判定值确定所述地表汇水单元的泥石流灾害判别结果。
可选的,所述地质资料包括地层岩性、地质构造、地形地貌以及既往地质灾害数据。
本发明还提供了一种植被覆盖下坡面泥石流灾害判别系统,包括:
基本数据获取模块,用于获取研究区的基本数据;所述基本数据包括水文数据、地质资料和历年的小时降雨量数据;所述水文数据包括河流径流数据和地下暗河径流数据。
点云和影像获取模块,用于获取所述研究区的激光点云数据,并获取所述研究区的遥感影像;所述激光点云数据由航空飞机机载激光雷达采集得到。
地面点提取模块,用于根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据。
划分模块,用于根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元。
斜坡单元合并模块,用于根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元;所述斜坡单元的最高点和最低点由所述植被覆盖下DEM数据确定。
泥石流灾害判别模块,用于对于每一所述地表汇水单元,根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果;所述最大雨强由所述研究区历年的小时降雨量数据确定;所述松散物源储量由所述植被覆盖下DEM数据、所述遥感影像和所述地质资料确定。
根据本发明提供的具体实施例,本发明公开了以下技术效果:本发明提供一种植被覆盖下坡面泥石流灾害判别方法及系统,首先获取研究区的基本数据;基本数据包括水文数据、地质资料和历年的小时降雨量数据;水文数据包括河流径流数据和地下暗河径流数据;获取研究区的激光点云数据,并获取研究区的遥感影像;激光点云数据由航空飞机机载激光雷达采集得到;根据激光点云数据对研究区进行地面点提取,得到研究区的植被覆盖下DEM数据;根据植被覆盖下DEM数据和水文数据对研究区进行划分,得到若干斜坡单元;根据各斜坡单元的最高点和最低点合并具有汇流关系的斜坡单元,得到若干地表汇水单元;斜坡单元的最高点和最低点由植被覆盖下DEM数据确定;对于每一地表汇水单元,根据地表汇水单元的纵坡比降、最大雨强和松散物源储量确定地表汇水单元的泥石流灾害判别结果;最大雨强由研究区历年的小时降雨量数据确定;松散物源储量由植被覆盖下DEM数据、遥感影像和地质资料确定。基于上述方法,本发明实现了植被覆盖下坡面泥石流灾害的判别。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅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性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的植被覆盖下坡面泥石流灾害判别方法流程示意图;
图2为本发明实施例1提供的一种植被覆盖下坡面泥石流灾害判别方法具体实施流程图;
图3为本发明实施例1提供的不同激光频率的地面点数据采集纵剖面图;图3中的(a)为低频激光的地面点数据采集纵剖面图;图3中的(b)为中频激光的地面点数据采集纵剖面图;图3中的(c)为高频激光的地面点数据采集纵剖面图;
图4为本发明实施例1提供的基于真实地面点数据建立植被下DEM示意图;图4中的(a)为激光雷达原始点云数据;图4中的(b)为地面点云数据;图4中的(c)为植被覆盖下DEM数据示意图;
图5为本发明实施例1提供的基于GIS技术提取的研究区斜坡单元示意图;
图6为本发明实施例1提供的研究区地表汇流方向示意图;
图7为本发明实施例1提供的汇流方向格网化示意图;
图8为本发明实施例1提供的n-1级斜坡单元格网化示意图;
图9为本发明实施例1提供的两个完整的地表汇水单元格网化示意图;
图10为本发明实施例1提供的研究区形成的多个完整的地表汇水单元示意图;
图11为本发明实施例1提供的研究区纵坡示意图;
图12为本发明实施例2提供的植被覆盖下坡面泥石流灾害判别系统框图。
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做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。
本发明的目的是提供一种植被覆盖下坡面泥石流灾害判别方法及系统,提出了不同激光频率下地面激光点云采集方式,建立了真实地面数字高程模型(DEM),通过汇流关系形成了完整的山脊线与山谷线之间的地表汇水单元,最后通过泥石流发育的三大因素判别出坡面泥石流。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1:
如图1和图2所示,本实施例提供了一种植被覆盖下坡面泥石流灾害判别方法,包括:
S1:获取研究区的基本数据;所述基本数据包括水文数据、地质资料和历年的小时降雨量数据;所述水文数据包括河流径流数据和地下暗河径流数据。
S2:获取所述研究区的激光点云数据,并获取所述研究区的遥感影像;所述激光点云数据由航空飞机机载激光雷达采集得到。
S3:根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据。
S4:根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元。
S5:根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元;所述斜坡单元的最高点和最低点由所述植被覆盖下DEM数据确定。
S6:对于每一所述地表汇水单元,根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果;所述最大雨强由所述研究区历年的小时降雨量数据确定;所述松散物源储量由所述植被覆盖下DEM数据、所述遥感影像和所述地质资料确定。
步骤S1具体包括:收集研究区地质、气象、水文、林业等资料信息。
1)地质资料包括地层岩性、地质构造、地形地貌以及查明的既往地质灾害等资料。
2)气象资料包括近百年内每年每天的最大小时降雨量等资料。
3)水文数据,包括河流和地下暗河等径流数据。
4)林业资料包括研究区内的植被覆盖率等信息。
在一个具体的示例中,S2中获取所述研究区的激光点云数据,具体包括:
根据所述研究区的植被覆盖率确定所述机载激光雷达的激光频率;
基于所述机载激光雷达的激光频率,获取所述研究区的激光点云数据。
所述步骤S2,不同激光频率下激光雷达和光学影像数据采集,包括:
1)设定有人航空飞机的飞行速度,航带条数,保证航空飞机采集数据的稳定性。
2)为获取植被覆盖下真实地面点云数据(激光点云数据),定义植被覆盖下点密度为N1,,其中:a为修正系数;/>为激光雷达频率(即激光频率),需根据不同的植被覆盖率确定激光频率值;/>为激光雷达视场角;H为有人航空飞机最大相对高度;V为有人航空飞机飞行速度。
针对已经实施过的有人航空飞机机载激光雷达采集项目,可将植被覆盖率分为三个区间,见表1。对于研究区的不同植被覆盖率,可根据表1选择合适的激光频率来保证植被覆盖下点密度/>,同时不造成大量的冗余数据。
表1 不同植被覆盖率对应的激光频率
表1中,为激光雷达最大激光频率,/>,其中,H为有人航空飞机最大相对高度,/>可根据激光雷达设备说明书查表可得。/>为激光雷达最小激光频率,/>。其中:b为修正系数;/>为设计的最小植被覆盖下点密度,=4;/>为激光雷达视场角;H为有人航空飞机最大相对高度;V为有人航空飞机飞行速度。
基于上述过程,得到不同激光频率的地面点数据采集纵剖面图,如图3所示,图3中的(a)为低频激光的地面点数据采集纵剖面图;图3中的(b)为中频激光的地面点数据采集纵剖面图;图3中的(c)为高频激光的地面点数据采集纵剖面图。可见,随着激光频率的增大,植被的形态越来越完整,地面点云数据也逐渐增多。
航飞作业的同时,需同步采集正射光学影像数据,即获取得到研究区的遥感影像。
步骤S3,即构建去除植被影响的DEM。步骤S3根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据,具体包括:根据所述激光点云数据对所述研究区进行地面点提取,利用渐进加密三角网滤波算法,得到所述研究区的植被覆盖下DEM数据。
渐进加密三角网滤波算法提取植被覆盖下DEM数据的过程具体包括以下步骤:
1)去除离群值,采用高斯滤波方法,剔除数据中与实际高程严重不符的激光雷达点云数据,得到激光雷达原始点云数据,如图4中的(a)所示。
2)设置滤波算法参数,包括最大建筑物边长、最大地形角、迭代角、迭代距离等。
3)选择种子点,作为初始地面点,创建TIN。
4)迭代加密TIN三角网,直至所有点均为地面点,得到地面点云数据,如图4中的(b)所示。
5)将提取的地面点进行克里金插值,构建规则格网,形成DEM(即植被覆盖下DEM数据),如图4中的(c)所示。
步骤S4中根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元,具体包括:
根据所述植被覆盖下DEM数据和所述水文数据,采用GIS技术对所述研究区进行划分,得到若干斜坡单元。
基于GIS技术提取研究区斜坡单元的具体过程如下:根据建立的真实地面DEM(即植被覆盖下DEM数据),采用GIS技术进行填洼处理,形成无洼地的正地形DEM,将DEM进行反转得到负地形DEM,再通过GIS技术分别计算正、负地形的河流流向、流量和汇流累计量,通过GIS栅格计算器得到栅格河网,再通过河流流向得到栅格河流链接。通过栅格河流链接,正地形通过计算分水岭可得到正的集水流域,负地形通过计算分水岭可得到负的集水流域。将正、负集水流域由栅格转换为面矢量文件,并进行多边形合并,得到原始的斜坡单元文件。最后通过人工修正,将不合理的面文件进行合并或删除,形成最终的斜坡单元,见图5。斜坡单元是地质灾害发育的基本单元,也是地表水流汇集的最小单元。
上述提取研究区斜坡单元可采用现有ArcGIS软件实现。
步骤S5用于计算并提取研究区地表汇水单元,即提取研究区山脊线与山谷线之间完整的地表汇水单元。
步骤S5中根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元,具体包括:对于每一所述斜坡单元,根据所述斜坡单元的最高点和最低点确定所述斜坡单元的汇流方向;根据所有所述斜坡单元的汇流方向,沿着所述研究区的山脊线到山谷线的方向,将所述研究区具有汇流关系的相邻斜坡单元合并,得到若干地表汇水单元。具体过程如下:
1)步骤S4提取的斜坡单元定为一级斜坡单元,编译Python程序,遍历斜坡单元内的各高程点,自动提取各斜坡单元内最高点和最低点,并做矢量线,代表该斜坡单元的汇流方向,如图6所示。为清晰表达汇流关系,采用格网化示意图进行说明,图7中a1~a8、b1~b6、c1~c5、d1均为步骤S4得到的斜坡单元,图中箭头为各斜坡单位最高点和最低点连线形成的矢量汇流方向,图中最顶部为整个研究区的山脊线,最底部为整个研究区的山谷线。
2)从研究区的山脊线开始进行汇流计算,若相邻的斜坡单元且有汇入关系,则将该相邻单元合并成一个二级斜坡单元,二级斜坡单元在向下或者两侧汇流过程中,若流入其他相邻的二级斜坡单元,则合并为三级斜坡单元,见格网化示意图8,图中a1~a8之间具有明显的汇流关系、b1~b6之间具有明显的汇流关系、c1~c5之间具有明显的汇流关系,因此分别形成了三个n-1级斜坡单元。
3)以此类推,若多个n-1级斜坡单元流入同一斜坡单元,且流入的斜坡单元的汇流出口为山谷线点,则合并为一个完整的地表汇水单元,汇流结束,见格网化示意图8,图中a1~a8已经合并为n-1级斜坡单元,且该斜坡单元在山谷线上有汇流出口O,因此该斜坡单元汇流结束,定义为一个完整的地表汇水单元,即图9中的区域A。图8中b1~b6形成的斜坡单元,与c1~c5形成的斜坡单位虽然没有直接汇流关系,但同时汇入斜坡单元d1,因此应进行合并,且合并后的斜坡单元在山谷线上有汇流出口P,于是形成一个完整的地表汇水单元,即图9中的区域B。图10为基于植被下真实地形数据提取的研究区多个完整的地表汇水单元。
步骤S6综合分析形成条件并判别坡面泥石流,步骤S6中根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果,具体包括:
根据所述地表汇水单元的纵坡比降和设定纵坡比降阈值范围确定第一判定值;根据所述地表汇水单元的最大雨强和设定最大雨强阈值范围确定第二判定值;根据所述地表汇水单元的松散物源储量和设定松散物源储量阈值范围确定第三判定值;根据所述第一判定值、所述第二判定值和所述第三判定值确定所述地表汇水单元的泥石流灾害判别结果。
获取研究区最大雨强、松散物源量和纵坡比降三个形成条件。最大雨强为百年一遇小时最大雨强。百年一遇小时最大雨强P可通过查询研究区历年小时降雨量资料得到。
松散物源储量W主要指坡面的崩塌、侵蚀和人工等松散堆积物,可从DEM和遥感影像上进行解译和量测,对每个地表汇水单元内部松散物源量进行估算,技术人员结合地质资料进行现场记录,复核松散物源储量,从而得到最终的松散物源储量W。
纵坡比降S是指坡的高度与坡的水平长度的比值,若坡面是由多个不同坡度的坡段组成,以4个坡段举例,示意图为图11,应基于高精度DEM,根据坡度的不同,分段进行测量,最终求得地表汇水单元的纵坡比降S,具体公式如下:
。
其中,为某一坡段顶点与山谷点的高程差,坡段顶点为该坡段的最高点,;n为坡段的数量;/>为各坡段顶点之间的水平距离;/>为主沟总长度。
定义坡面泥石流判定条件为:,其中,S为纵坡比降,P为百年一遇小时最大雨强,W为松散物源储量,各形成条件的设定阈值范围以及取值如表2。
表2 各形成条件的设定阈值范围以及取值
根据文献资料和工程经验,经过技术人员复核和综合分析,当坡面泥石流判定条件M=0时,认为不具备泥石流发生的条件,判定一个完整的地表汇水单元不是坡面泥石流;当坡面泥石流判定条件M=1时,认为具备泥石流发生的条件,判定一个完整的地表汇水单元为坡面泥石流。即对于每一地表汇水单元,当地表汇水单元的纵坡比降、最大雨强和松散物源储量的值与各自对应的设定阈值范围得到判定值,例如,当地表汇水单元的纵坡比降在[360,840]设定阈值范围内时,第一判定值为1,当地表汇水单元的纵坡比降在设定阈值范围内时,第一判定值为0。当地表汇水单元的最大雨强在设定阈值范围内时,第二判定值为1,当地表汇水单元的最大雨强在[0,30)设定阈值范围内时,第二判定值为0。当地表汇水单元的松散物源储量在/>设定阈值范围内时,第三判定值为1,当地表汇水单元的松散物源储量在[0,0.5)设定阈值范围内时,第三判定值为0。
最后根据第一判定值、第二判定值和第三判定值确定地表汇水单元的泥石流灾害判别结果。只有当第一判定值、第二判定值和第三判定值的取值为1,即地表汇水单元的纵坡比降在[360,840]设定阈值范围内、地表汇水单元的最大雨强在设定阈值范围内以及地表汇水单元的松散物源储量在/>设定阈值范围内均满足时,即坡面泥石流判定条件M=1,地表汇水单元的泥石流灾害判别结果为坡面泥石流。当地表汇水单元的纵坡比降在/>设定阈值范围内、地表汇水单元的最大雨强在[0,30)设定阈值范围内和地表汇水单元的松散物源储量在[0,0.5)设定阈值范围内三个条件中,至少一个条件满足时,即坡面泥石流判定条件M=0时,地表汇水单元的泥石流灾害判别结果为非坡面泥石流。如此,可得到所有地表汇水单元的泥石流灾害判别结果。
实施例2:
为了执行上述实施例1对应的方法,以实现相应的功能和技术效果,如图12所示,下面提供一种植被覆盖下坡面泥石流灾害判别系统,包括:
基本数据获取模块T1,用于获取研究区的基本数据;所述基本数据包括水文数据、地质资料和历年的小时降雨量数据;所述水文数据包括河流径流数据和地下暗河径流数据。
点云和影像获取模块T2,用于获取所述研究区的激光点云数据,并获取所述研究区的遥感影像;所述激光点云数据由航空飞机机载激光雷达采集得到。
地面点提取模块T3,用于根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据。
划分模块T4,用于根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元。
斜坡单元合并模块T5,用于根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元;所述斜坡单元的最高点和最低点由所述植被覆盖下DEM数据确定。
泥石流灾害判别模块T6,用于对于每一所述地表汇水单元,根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果;所述最大雨强由所述研究区历年的小时降雨量数据确定;所述松散物源储量由所述植被覆盖下DEM数据、所述遥感影像和所述地质资料确定。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种植被覆盖下坡面泥石流灾害判别方法,其特征在于,包括:
获取研究区的基本数据;所述基本数据包括水文数据、地质资料和历年的小时降雨量数据;所述水文数据包括河流径流数据和地下暗河径流数据;
获取所述研究区的激光点云数据,并获取所述研究区的遥感影像;所述激光点云数据由航空飞机机载激光雷达采集得到;
根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据;
根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元;
根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元,具体包括:
对于每一所述斜坡单元,根据所述斜坡单元的最高点和最低点确定所述斜坡单元的汇流方向;
根据所有所述斜坡单元的汇流方向,沿着所述研究区的山脊线到山谷线的方向,将所述研究区具有汇流关系的相邻斜坡单元合并,得到若干地表汇水单元;从研究区的山脊线开始进行汇流计算,若相邻的斜坡单元有汇入关系,则将相邻单元合并成一个二级斜坡单元,二级斜坡单元在向下或者两侧汇流过程中,若流入其他相邻的二级斜坡单元,则合并为三级斜坡单元;以此类推,若多个n-1级斜坡单元流入同一斜坡单元,且流入的斜坡单元的汇流出口为山谷线点,则合并为一个完整的地表汇水单元,汇流结束;所述斜坡单元的最高点和最低点由所述植被覆盖下DEM数据确定;
对于每一所述地表汇水单元,根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果,具体包括:
根据所述地表汇水单元的纵坡比降和设定纵坡比降阈值范围确定第一判定值;
根据所述地表汇水单元的最大雨强和设定最大雨强阈值范围确定第二判定值;
根据所述地表汇水单元的松散物源储量和设定松散物源储量阈值范围确定第三判定值;
根据所述第一判定值、所述第二判定值和所述第三判定值确定所述地表汇水单元的泥石流灾害判别结果;所述最大雨强由历年的小时降雨量数据确定;所述松散物源储量由所述植被覆盖下DEM数据、所述遥感影像和所述地质资料确定。
2.根据权利要求1所述的一种植被覆盖下坡面泥石流灾害判别方法,其特征在于,获取所述研究区的激光点云数据,具体包括:
根据所述研究区的植被覆盖率确定所述机载激光雷达的激光频率;
基于所述机载激光雷达的激光频率,获取所述研究区的激光点云数据。
3.根据权利要求1所述的一种植被覆盖下坡面泥石流灾害判别方法,其特征在于,根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据,具体包括:
根据所述激光点云数据对所述研究区进行地面点提取,利用渐进加密三角网滤波算法,得到所述研究区的植被覆盖下DEM数据。
4.根据权利要求1所述的一种植被覆盖下坡面泥石流灾害判别方法,其特征在于,根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元,具体包括:
根据所述植被覆盖下DEM数据和所述水文数据,采用GIS技术对所述研究区进行划分,得到若干斜坡单元。
5.根据权利要求1所述的一种植被覆盖下坡面泥石流灾害判别方法,其特征在于,所述地质资料包括地层岩性、地质构造、地形地貌以及既往地质灾害数据。
6.一种植被覆盖下坡面泥石流灾害判别系统,其特征在于,包括:
基本数据获取模块,用于获取研究区的基本数据;所述基本数据包括水文数据、地质资料和历年的小时降雨量数据;所述水文数据包括河流径流数据和地下暗河径流数据;
点云和影像获取模块,用于获取所述研究区的激光点云数据,并获取所述研究区的遥感影像;所述激光点云数据由航空飞机机载激光雷达采集得到;
地面点提取模块,用于根据所述激光点云数据对所述研究区进行地面点提取,得到所述研究区的植被覆盖下DEM数据;
划分模块,用于根据所述植被覆盖下DEM数据和所述水文数据对所述研究区进行划分,得到若干斜坡单元;
斜坡单元合并模块,用于根据各所述斜坡单元的最高点和最低点合并斜坡单元,得到若干地表汇水单元,具体包括:
对于每一所述斜坡单元,根据所述斜坡单元的最高点和最低点确定所述斜坡单元的汇流方向;
根据所有所述斜坡单元的汇流方向,沿着所述研究区的山脊线到山谷线的方向,将所述研究区具有汇流关系的相邻斜坡单元合并,得到若干地表汇水单元;从研究区的山脊线开始进行汇流计算,若相邻的斜坡单元有汇入关系,则将相邻单元合并成一个二级斜坡单元,二级斜坡单元在向下或者两侧汇流过程中,若流入其他相邻的二级斜坡单元,则合并为三级斜坡单元;以此类推,若多个n-1级斜坡单元流入同一斜坡单元,且流入的斜坡单元的汇流出口为山谷线点,则合并为一个完整的地表汇水单元,汇流结束;所述斜坡单元的最高点和最低点由所述植被覆盖下DEM数据确定;
泥石流灾害判别模块,用于对于每一所述地表汇水单元,根据所述地表汇水单元的纵坡比降、最大雨强和松散物源储量确定所述地表汇水单元的泥石流灾害判别结果,具体包括:
根据所述地表汇水单元的纵坡比降和设定纵坡比降阈值范围确定第一判定值;
根据所述地表汇水单元的最大雨强和设定最大雨强阈值范围确定第二判定值;
根据所述地表汇水单元的松散物源储量和设定松散物源储量阈值范围确定第三判定值;
根据所述第一判定值、所述第二判定值和所述第三判定值确定所述地表汇水单元的泥石流灾害判别结果;所述最大雨强由历年的小时降雨量数据确定;所述松散物源储量由所述植被覆盖下DEM数据、所述遥感影像和所述地质资料确定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410244568.1A CN117828003B (zh) | 2024-03-05 | 2024-03-05 | 一种植被覆盖下坡面泥石流灾害判别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410244568.1A CN117828003B (zh) | 2024-03-05 | 2024-03-05 | 一种植被覆盖下坡面泥石流灾害判别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117828003A CN117828003A (zh) | 2024-04-05 |
CN117828003B true CN117828003B (zh) | 2024-06-04 |
Family
ID=90515572
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410244568.1A Active CN117828003B (zh) | 2024-03-05 | 2024-03-05 | 一种植被覆盖下坡面泥石流灾害判别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117828003B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080104408A (ko) * | 2007-03-08 | 2008-12-03 | 주식회사 유비시스템 | 산지의 능선 분류 시스템 및 그 능선 분류 방법 |
CN103455711A (zh) * | 2013-08-15 | 2013-12-18 | 广州地理研究所 | 一种基于机理分析的小流域地区滑坡灾害风险区划方法 |
RU2518447C1 (ru) * | 2013-01-09 | 2014-06-10 | Федеральное государственное бюджетное учреждение науки Центр геофизических исследований Владикавказского научного центра Российской академии наук и Правительства Республики Северная Осетия-Алания (ЦГИ ВНЦ РАН и РСО-А) | Способ определения поражения горной долины лавинообразным потоком |
CN108257142A (zh) * | 2018-01-11 | 2018-07-06 | 中国科学院、水利部成都山地灾害与环境研究所 | Dem中斜坡单元提取方法 |
KR20180131932A (ko) * | 2017-06-01 | 2018-12-11 | 충남대학교산학협력단 | 드론과 공간정보를 이용한 하천지형정보 생성 방법 |
CN110543692A (zh) * | 2019-08-07 | 2019-12-06 | 河海大学 | 一种基于下垫面特征的重配置汇流模拟方法 |
CN113850822A (zh) * | 2021-09-18 | 2021-12-28 | 四川大学 | 一种基于汇流分割的斜坡单元自动划分方法 |
CN114329978A (zh) * | 2021-12-29 | 2022-04-12 | 杭州鲁尔物联科技有限公司 | 斜坡单元的融合方法、装置、电子设备及存储介质 |
CN114329663A (zh) * | 2021-12-27 | 2022-04-12 | 中国自然资源航空物探遥感中心 | 基于历史地质灾害规模的斜坡单元划分方法 |
KR20230072170A (ko) * | 2021-11-17 | 2023-05-24 | (주)심스리얼리티 | 3차원 지도에 대한 모델링 데이터의 경량화 방법 |
CN117057508A (zh) * | 2023-08-24 | 2023-11-14 | 广州市城市规划勘测设计研究院 | 一种山洪泥石流灾害风险识别方法、装置、终端及介质 |
CN117115683A (zh) * | 2023-07-12 | 2023-11-24 | 中国国家铁路集团有限公司 | 一种植被覆盖下危岩落石遥感提取方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11468774B2 (en) * | 2020-03-17 | 2022-10-11 | Honda Motor Co., Ltd. | Systems and methods for cooperative ramp merge |
US20230419132A1 (en) * | 2022-06-27 | 2023-12-28 | Freeport Minerals Corporation | System and method for determining locations for recoverable mineral in a stockpile |
-
2024
- 2024-03-05 CN CN202410244568.1A patent/CN117828003B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080104408A (ko) * | 2007-03-08 | 2008-12-03 | 주식회사 유비시스템 | 산지의 능선 분류 시스템 및 그 능선 분류 방법 |
RU2518447C1 (ru) * | 2013-01-09 | 2014-06-10 | Федеральное государственное бюджетное учреждение науки Центр геофизических исследований Владикавказского научного центра Российской академии наук и Правительства Республики Северная Осетия-Алания (ЦГИ ВНЦ РАН и РСО-А) | Способ определения поражения горной долины лавинообразным потоком |
CN103455711A (zh) * | 2013-08-15 | 2013-12-18 | 广州地理研究所 | 一种基于机理分析的小流域地区滑坡灾害风险区划方法 |
KR20180131932A (ko) * | 2017-06-01 | 2018-12-11 | 충남대학교산학협력단 | 드론과 공간정보를 이용한 하천지형정보 생성 방법 |
CN108257142A (zh) * | 2018-01-11 | 2018-07-06 | 中国科学院、水利部成都山地灾害与环境研究所 | Dem中斜坡单元提取方法 |
CN110543692A (zh) * | 2019-08-07 | 2019-12-06 | 河海大学 | 一种基于下垫面特征的重配置汇流模拟方法 |
CN113850822A (zh) * | 2021-09-18 | 2021-12-28 | 四川大学 | 一种基于汇流分割的斜坡单元自动划分方法 |
KR20230072170A (ko) * | 2021-11-17 | 2023-05-24 | (주)심스리얼리티 | 3차원 지도에 대한 모델링 데이터의 경량화 방법 |
CN114329663A (zh) * | 2021-12-27 | 2022-04-12 | 中国自然资源航空物探遥感中心 | 基于历史地质灾害规模的斜坡单元划分方法 |
CN114329978A (zh) * | 2021-12-29 | 2022-04-12 | 杭州鲁尔物联科技有限公司 | 斜坡单元的融合方法、装置、电子设备及存储介质 |
CN117115683A (zh) * | 2023-07-12 | 2023-11-24 | 中国国家铁路集团有限公司 | 一种植被覆盖下危岩落石遥感提取方法及系统 |
CN117057508A (zh) * | 2023-08-24 | 2023-11-14 | 广州市城市规划勘测设计研究院 | 一种山洪泥石流灾害风险识别方法、装置、终端及介质 |
Non-Patent Citations (7)
Title |
---|
A new slope unit extraction method for regional landslide analysis based on morphological image analysis;kai wang 等;bulletin of engineering geology and the environment;20180927;全文 * |
DEM-based Slope Unit Derivation;Xiao, CC等;2013 21ST INTERNATIONAL CONFERENCE ON GEOINFORMATICS (GEOINFORMATICS);20131231;全文 * |
于宪煜.基于多源数据和多尺度分析的滑坡易发性评价方法研究.中国博士学位论文全文数据库 基础科学 * |
基于斜坡单元与SBAS-InSAR的高原公路潜在风险边坡评估;詹岳陈;中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑;20240215(第2期);第C034-128页 * |
工程科技Ⅱ辑.2017,(第2期),第A011-5页. * |
工程科技Ⅱ辑.2023,(第9期),第A011-107页. * |
文强.丹巴县梅龙沟泥石流成灾机理及危险性评价.中国优秀硕士学位论文全文数据库 基础科学 * |
Also Published As
Publication number | Publication date |
---|---|
CN117828003A (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barr et al. | Glacial cirques as palaeoenvironmental indicators: Their potential and limitations | |
Schillaci et al. | 2.4. 2. Terrain analysis and landform recognition | |
CN112199901B (zh) | 一种无径流资料山区小流域山洪设计暴雨洪水计算方法 | |
Rai et al. | Geospatial approach for quantitative drainage morphometric analysis of varuna river basin, India | |
Trevisani et al. | Surface texture analysis of a high-resolution DTM: Interpreting an alpine basin | |
CN104574512A (zh) | 一种顾及地形语义信息的多尺度dem构建方法 | |
CN109992635B (zh) | 一种震后泥石流早期识别方法 | |
CN104899865A (zh) | 基于高斯尺度空间的山脉线提取方法 | |
CN111784212A (zh) | 调水工程防洪风险识别及评价方法 | |
Esposito et al. | Evaluation of geomorphic changes and retreat rates of a coastal pyroclastic cliff in the Campi Flegrei volcanic district, southern Italy | |
Cavalli et al. | Semi-automatic derivation of channel network from a high-resolution DTM: the example of an Italian alpine region | |
CN113850822B (zh) | 一种基于汇流分割的斜坡单元自动划分方法 | |
Shao et al. | Automated searching of ground points from airborne lidar data using a climbing and sliding method | |
CN117828003B (zh) | 一种植被覆盖下坡面泥石流灾害判别方法及系统 | |
CN112380662B (zh) | 一种山洪灾害人口损失评估模型的构建方法及其应用 | |
Noori et al. | Quantification of morphometric parameters to analyze the watershed characteristics: A case study of Rosti Watershed, Iraq | |
CN115937676A (zh) | 一种基于dem的大尺度沙丘地貌精细分类方法 | |
Novák et al. | The Potential and Implications of Automated Pre-Processing of LiDAR-Based Digital Elevation Models for Large-Scale Archaeological Landscape Analysis | |
Yan et al. | Modeling computer sight based on DEM data to detect terrain breaks caused by gully erosion on the loess Plateau | |
Shallcross | LIDAR investigations of snow distribution in mountainous terrain | |
Raj et al. | Prioritization of Charwa Watershed Based on Morphometric Analysis Using Remote Sensing and Geospatial Techniques | |
Wijaya et al. | Jakarta Flood Map: Map Visualization for Flood Area in Jakarta Using Spatio-Temporal Analysis | |
Slovin | Using digital elevation models derived from airborne LiDAR and other remote sensing data to model channel networks and estimate fluvial geomorphological metrics | |
Al-Yami | Analysis and visualisation of digital elevation data for catchment management | |
Nardini et al. | Linking the Evolution of the Andalién River Morphology (Central–Southern Chile) to Anthropogenic Interventions by Using a New QGIS Tool |
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 |