CN117854257A - 基于地基sar监测变形数据的次生灾害预警方法 - Google Patents
基于地基sar监测变形数据的次生灾害预警方法 Download PDFInfo
- Publication number
- CN117854257A CN117854257A CN202410257805.8A CN202410257805A CN117854257A CN 117854257 A CN117854257 A CN 117854257A CN 202410257805 A CN202410257805 A CN 202410257805A CN 117854257 A CN117854257 A CN 117854257A
- Authority
- CN
- China
- Prior art keywords
- displacement
- area
- secondary disaster
- deformation
- time curve
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 131
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000006073 displacement reaction Methods 0.000 claims abstract description 201
- 230000001133 acceleration Effects 0.000 claims abstract description 51
- 238000004364 calculation method Methods 0.000 claims description 8
- 230000009286 beneficial effect Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 230000003189 isokinetic effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000002243 precursor Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B15/00—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons
- G01B15/06—Measuring arrangements characterised by the use of electromagnetic waves or particle radiation, e.g. by the use of microwaves, X-rays, gamma rays or electrons for measuring the deformation in a solid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/886—Radar or analogous systems specially adapted for specific applications for alarm systems
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Computing Systems (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于地基SAR监测变形数据的次生灾害预警方法,属于地质灾害预警技术领域,包括如下步骤:通过地基SAR对次生灾害不稳定区域进行实时监测,以获取变形监测数据;构建次生灾害不稳定区域随时间产生的位移与时间曲线;设置监测周期,并基于位移与时间曲线,构建位移变化三角面积模型;基于位移变化三角面积模型构建面积与时间曲线,按监测周期分别获取面积与时间曲线的变化趋势,以及位移与时间曲线中的位移三角面积;将次生灾害发展过程划分为初始变形阶段、等速变形阶段和加速变形阶段;分别对应各阶段设置次生灾害预警等级,以分阶进行次生灾害预警;解决了无法快速全面判断识识别次生灾害发展阶段及其变形演化趋势的问题。
Description
技术领域
本发明属于地质灾害预警技术领域,尤其涉及一种基于地基SAR监测变形数据的次生灾害预警方法。
背景技术
山区地形陡峻、河谷深切、构造活跃,斜坡在长期地质营力和外动力作用下,往往容易发生突发性的、高位的且隐蔽性极强的地质灾害。在滑坡以及崩塌等高位崩滑地质灾害发生后,往往存在进一步滑塌的可能,这给首次发生滑坡以及崩塌后的救援带来了困扰,也时刻威胁着抢险现场人员和设备的安全。
当前常见的次生灾害预警判识依据主要是基于三阶段变形特征而建立的位移、速度倒数、加速度、切线角和改进切线角等预警模型,但由于滑坡的二次灾害变形具有隐蔽性和突发性,并且上述预警模型是依靠大量的滑坡实例来总结得到的,导致在使用这些预警模型进行新的次生地质灾害预警时,往往出现误报、漏报的现象,从而导致不能准确地实现次生地质灾害预警。虽然地基SAR(synthetic aperture radar,合成孔径雷达)监测数据精度较高,但在面对已发生地质灾害的危险区域时,由于监测设备无法及时架设,并且次生灾害会严重影响滑坡形变数据的获取,致使监测设备无法监测到不稳定区域发生变形破坏的完整过程,以至于获取的到的位移曲线可能没有完整的三个变形阶段,无法对滑坡的变形演化趋势进行判断,且进一步会导致预警信息不能及时发布,严重威胁到现场抢险救灾人员的生命安全。现有的地质灾害预警方法难以在应急场景下突破灾害体前兆信息,实现抢险现场滑坡以及崩塌的全局监测和实时预警。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于地基SAR监测变形数据的次生灾害预警方法,以地基SAR现场监测数据为基础,通过深化处理地基SAR所获取的数据,以位移与时间的曲线面积变化趋势为基础进行分析预警,实现了更为准确和直接有效地预警次生地质灾害,解决了无法快速全面判断识识别次生灾害发展阶段及其变形演化趋势的问题。
为了达到上述发明目的,本发明采用的技术方案为:
本发明提供的一种基于地基SAR监测变形数据的次生灾害预警方法,包括如下步骤:
S1、通过地基SAR对次生灾害不稳定区域进行实时监测,以获取变形监测数据;
S2、基于变形监测数据,得到次生灾害不稳定区域随时间产生的位移曲线,并作为位移与时间曲线;
S3、设置监测周期,并基于位移与时间曲线,构建位移变化三角面积模型;
S4、基于位移变化三角面积模型构建面积与时间曲线,按监测周期分别获取面积与时间曲线的变化趋势,以及位移与时间曲线中的位移三角面积;
S5、基于面积与时间曲线的变化趋势和位移三角面积,将次生灾害发展过程划分为初始变形阶段、等速变形阶段和加速变形阶段;
S6、根据面积与时间曲线,结合划分的初始变形阶段、等速变形阶段和加速变形阶段,分别对应设置次生灾害预警等级;
S7、基于次生灾害预警等级,分阶进行次生灾害预警。
本发明的有益效果为:本发明提供的一种基于地基SAR监测变形数据的次生灾害预警方法,通过地基SAR实时监测到次生灾害不稳定区域的变形监测数据,并基于变形监测数据构建了次生灾害不稳定区域随时间产生的位移与时间曲线,通过对位移与时间曲线设置监测周期,构建了位移变化三角面积模型,并划分得到了各监测周期内对应的位移三角面积,本发明基于位移三角面积和面积与时间曲线的斜率将次生灾害发展过程进行了三级阶段划分,并对应各阶段进行了预警等级设置,尤其对于加速变形阶段的警报等级进一步进行了三阶划分,本发明能够全面快速地对次生灾害的发展阶段进行准确的识别,充分反映不稳定区域的变形演化趋势,同时能够为现场救灾人员提供准确的预警信号,以保障救灾人员的生命安全。
进一步地,所述S1包括如下步骤:
S11、圈定次生灾害不稳定区域;
S12、以次生灾害不稳定区域为监测目标架设地基SAR;
S13、利用地基SAR实时监测次生灾害不稳定区域,得到变形监测数据。
采用上述进一步方案的有益效果为:本发明对次生灾害不稳定区域进行圈定,并以次生灾害不稳定区域为监测目标架设地基SAR进行实时监测,能够获取到检测目标处的变形监测数据,为对变形监测数据进行深度分析以全面快速识别次生灾害发展阶段提供数据基础。
进一步地,所述S3包括如下步骤:
S31、设置地基SAR对次生灾害不稳定区域的监测周期;
S32、基于位移与时间曲线,获取次生灾害不稳定区域在各监测周期内的累计位移量;
S33、基于次生灾害不稳定区域在各监测周期内的累计位移量,构建位移增量模型;
S34、基于位移增量模型,构建位移变化三角面积模型。
采用上述进一步方案的有益效果为:本发明设置了对次生灾害不稳定区域的监测周期,以便于对位移与时间曲线进行分监测周期的分析,为从次生灾害不稳定区域的变形速率和变形加速度划分次生灾害发展阶段提供基础。
进一步地,所述位移增量模型的计算表达式如下:
,
其中,表示次生灾害不稳定区域在第n个监测周期内的位移增量,Sn表示次生灾害不稳定区域在第n个监测周期内的累计位移量,Sn-1表示次生灾害不稳定区域在第n-1个监测周期内的累计位移量。
采用上述进一步方案的有益效果为:本发明提供位移增量模型的计算方法,通过位移增量模型能够计算得到每个一个监测周期内次生灾害体的位移变形量,能够与曲线斜率一样反映次生灾害不稳定区域的变形速率,也能够为计算位移三角面积提供基础。
进一步地,所述位移变化三角面积模型的计算表达式如下:
,
其中,An表示第n个监测周期内的位移变化三角面积,tn表示第n个监测周期结束的时刻,tn-1表示第n-1个监测周期结束的时刻。
采用上述进一步方案的有益效果为:本发明提供位移变化三角面积模型的计算方法,由于位移的变化速率不同,通过位移三角面积变化能够体现次生灾害不稳定区域的变形加速度,依据位移三角面积变化规律能够为准确划分次生灾害发展阶段提供基础。
进一步地,所述S5包括如下步骤:
S51、获取各监测周期内位移与时间曲线的位移三角面积,以及位移与时间曲线的斜率,并将面积与时间曲线的斜率作为次生灾害变形速率,其中,位移与时间曲线的斜率,对应面积与时间曲线的变化趋势;
S52、若位移三角面积大于第一位移三角面积阈值,同时次生灾害变形速率变化趋势为由小变大再变小,则将位移与时间曲线以及面积与时间曲线中对应的部分作为初始变形阶段;
S53、若位移三角面积小于第一位移三角面积阈值,则次生灾害变形速率变化趋势为基本不变,并将位移与时间曲线以及面积与时间曲线中对应的部分作为等速变形阶段;
S54、若位移三角面积大于第一位移三角面积阈值,同时次生灾害变形速率的变化趋势为逐渐增大,直至渐进于竖直状态,则将位移与时间曲线以及面积与时间曲线中对应部分作为加速变形阶段。
采用上述进一步方案的有益效果为:本发明提供基于面积与时间曲线的变化趋势和位移三角面积,将将次生灾害发展过程划分为初始变形阶段、等速变形阶段和加速变形阶段的具体方法,实现了对次生灾害发展阶段的准确三阶段划分,为进行不同紧要程度的预警提供了基础。
进一步地,所述S6包括如下步骤:
S61、根据面积与时间曲线,将初始变形阶段对应的次生灾害预警等级设置为注意级T1;
S62、根据面积与时间曲线,将等速变形阶段对应的次生灾害预警等级设置为警示级T2;
S63、根据面积与时间曲线,获取加速变形阶段中各监测周期内的位移三角面积;
S64、若加速变形阶段中位移三角面积小于第二位移三角面积阈值,则将面积与时间曲线中对应的部分作为初加速阶段,并将初加速阶段对应的次生灾害预警等级设置为第一警报级T3;
S65、若加速变形阶段中位移三角面积大于第二位移三角面积阈值且小于第三位移三角面积阈值,则将面积与时间曲线中对应的部分作为中加速阶段,并将中加速阶段对应的次生灾害预警等级设置为第二警报级T4;
S66、若加速变形阶段中位移三角面积大于第三位移三角面积阈值,则将面积与时间曲线中对应的部分作为临滑阶段,并将临滑阶段对应的次生灾害预警等级设置为第三警报级T5。
采用上述进一步方案的有益效果为:本发明提供了根据面积与时间曲线,结合划分的初始变形阶段、等速变形阶段和加速变形阶段,分别对应设置次生灾害预警等级的方法,通过分别分阶段设置对应等级的预警等级,尤其对加速变形阶段进行进一步的三阶划分,能够实现根据灾害发生严重程度,实时准确预警。
与现有技术相比,本发明具有以下优势:
本发明在监测过程中无需获取次生灾害不稳定区域发生变形过程对应的完整变形监测数据,只需根据能够获取到的或已经获取到的变形监测数据进行构建位移与时间曲线后,通过位移变化三角面积模型进行变形演化趋势判别、次生灾害发展过程划分和次生灾害预警等级设置,即可实现依据现场抢险救灾的实际具体情况,快速进入监测预警状态,实现实时的快速预警,由此,本发明能够实现阶段性快速分析识别当前次生灾害发展阶段,从而克服地基SAR在次生灾害预警监测过程中因首次灾害发生后救援时间仓促、次生灾害监测时因仪器部署时间耗时长、次生灾害突发性和隐蔽性强等特点导致难以快速获取次生灾害变形演化趋势,以供现场第一决策做出准确预判的问题。
针对于本发明还具有的其他优势将在后续的实施例中进行更细致的分析。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例1中一种基于地基SAR监测变形数据的次生灾害预警方法的步骤流程图。
图2为本发明实施例1中位移与时间曲线的示意图。
图3为本发明实施例1中面积与时间曲线的示意图。
图4为本发明实施例2中位移与时间曲线的示意图。
图5为本发明实施例2中面积与时间曲线的示意图。
图6为本发明实施例3中位移与时间曲线的示意图。
图7为本发明实施例3中面积与时间曲线的示意图。
具体实施方式
下面将结合本发明实施例中附图,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。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的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。
实施例1:
如图1所示,在本发明的一个实施例中,本发明提供一种基于地基SAR监测变形数据的次生灾害预警方法,包括如下步骤:
S1、通过地基SAR对次生灾害不稳定区域进行实时监测,以获取变形监测数据;
所述S1包括如下步骤:
S11、圈定次生灾害不稳定区域;
S12、以次生灾害不稳定区域为监测目标架设地基SAR;
S13、利用地基SAR实时监测次生灾害不稳定区域,得到变形监测数据。地基SAR在获取变形监测数据时,原理为地基SAR设备基于微波干涉技术的远程监控系统,将步进频率连续波技术、合成孔径雷达技术以及差分干涉测量技术相结合,将次生灾害不稳定区域划分为多个微小的像素单元,并通过每个微小的像素单元的连续两次电磁波的相位差获取监测目标的形变信息,以构成变形监测数据。
S2、基于变形监测数据,得到次生灾害不稳定区域随时间产生的位移曲线,并作为位移与时间曲线;本实施例中,基于变形监测数据,将地基SAR获取的监测目标在不同时刻的累计位移S与时刻T的数据,绘制呈关系曲线,即位移与时间曲线;位移与时间曲线的构建方法包括如下步骤:
A1、基于变形监测数据,将监测目标的累计位移S与对应的时间T导入表格,通过表格将时间T与累计位移S相关联;
A2、以时间T为横轴,累计位移S为纵轴,绘制具有平滑曲线和数据标记的散点图,并作为初始位移与时间曲线图;
A3、对初始位移与时间曲线图进行去离散处理,优化得到位移与时间曲线;
位移与时间曲线体现次生灾害不稳定区域在一个时间段内的位移变化,由于架设设备时间以及次生灾害发生的突发性,实际获取到的位移与时间曲线可能无法完整体现出次生灾害不稳定区域完整的变形阶段。
S3、设置监测周期,并基于位移与时间曲线,构建位移变化三角面积模型;
所述S3包括如下步骤:
S31、设置地基SAR对次生灾害不稳定区域的监测周期;本实施例中,次生灾害不稳定区域的监测周期设置为30min,即1800s;
S32、基于位移与时间曲线,获取次生灾害不稳定区域在各监测周期内的累计位移量;
S33、基于次生灾害不稳定区域在各监测周期内的累计位移量,构建位移增量模型;
所述位移增量模型的计算表达式如下:
,
其中,表示次生灾害不稳定区域在第n个监测周期内的位移增量,Sn表示次生灾害不稳定区域在第n个监测周期内的累计位移量,Sn-1表示次生灾害不稳定区域在第n-1个监测周期内的累计位移量。
S34、基于位移增量模型,构建位移变化三角面积模型。
所述位移变化三角面积模型的计算表达式如下:
,
其中,An表示第n个监测周期内的位移变化三角面积,tn表示第n个监测周期结束的时刻,tn-1表示第n-1个监测周期结束的时刻。
S4、基于位移变化三角面积模型构建面积与时间曲线,按监测周期分别获取面积与时间曲线的变化趋势,以及位移与时间曲线中的位移三角面积;
如图2所示,在每个监测周期内,以每个监测周期的位移变化量与时间所形成的三角形面积作为该监测周期对应的位移三角面积,在连续相邻的监测周期内,由于次生灾害不稳定区域位移的变化速率不同,其所形成的位移三角面积存在明显区别,利用位移三角面积随时间变化的规律能够划分且准确识别出次生灾害不稳定区域的变形速率以及变形演化趋势,图中纵坐标为位移,单位为mm,横坐标为监测时间,单位为s。
S5、基于面积与时间曲线的变化趋势和位移三角面积,将次生灾害发展过程划分为初始变形阶段、等速变形阶段和加速变形阶段;
所述S5包括如下步骤:
S51、获取各监测周期内位移与时间曲线的位移三角面积,以及位移与时间曲线的斜率,并将面积与时间曲线的斜率作为次生灾害变形速率,其中,位移与时间曲线的斜率,对应面积与时间曲线的变化趋势;
S52、若位移三角面积大于第一位移三角面积阈值,同时次生灾害变形速率变化趋势为由小变大再变小,则将位移与时间曲线以及面积与时间曲线中对应的部分作为初始变形阶段;在本实施例中,第一位移三角面积阈值为0.1mm·s,即表示该监测周期内次生灾害不稳定区域的时空间隔达到了0.1mm·s;
S53、若位移三角面积小于第一位移三角面积阈值,则次生灾害变形速率变化趋势为基本不变,并将位移与时间曲线以及面积与时间曲线中对应的部分作为等速变形阶段;
S54、若位移三角面积大于第一位移三角面积阈值,同时次生灾害变形速率的变化趋势为逐渐增大,直至渐进于竖直状态,则将位移与时间曲线以及面积与时间曲线中对应部分作为加速变形阶段。
如图2所示,在位移与时间曲线图中,初始变形阶段对应AB段部分。初始变形阶段在坡体初期变形时逐渐产生,坡体中出现明显的裂缝,在受到外力和自重作用下,裂缝逐渐压密,位移与时间曲线最初表现出较大的斜率,随时间持续,位移与时间曲线的AB段部分中存在一个拐点,即在该拐点处的斜率最大,这对应于次生灾害不稳定区域中的次生灾害体由于受到外力及自重作用,具有相对大的变形速率,此后裂缝压密完成,变形速率又逐渐减小,且位移与时间曲线的斜率逐渐减小,表现出减速变形的特征,即在初始变形阶段次生灾害变形速率的变化趋势呈现为由小变大再变小,位移与时间曲线呈现为上凸形态,直至到达B点时,达到初始变形阶段最小斜率。
在位移与时间曲线图中,等速变形阶段对应BC段部分。在等速变形阶段中,次生灾害不稳定区域的坡体,在重力作用下以等速发展的趋势继续变形,但由于外力及自身重力作用产生下滑力,同时次生灾害不稳定区域底部又受到滑床部位的摩擦阻力,且外力及自身重力所产生的下滑力与摩擦阻力大小相当,导致次生灾害体的变形呈现为等速变形,在位移与时间曲线中呈现为一条倾斜的直线且直线斜率总体不变,次生灾害变形速率也基本保持不变,变形的加速度几乎为0,直至到达C点。
在位移与曲线图中,加速变形阶段对应CF段部分:随次生灾害不稳定区域变形的持续,当次生灾害体底部受到滑床部位的摩擦力小于外力及自身重力导致的下滑力时,次生灾害体则逐渐加速变形,此过程中,次生灾害变形速率逐渐增大,呈现出不断增长的趋势,位移与时间曲线呈现为下凹的形态,尤其在临近次生灾害不稳定区域破坏的时候,曲线渐进于直立状态,次生灾害变形速率极大,变形的加速度也极大。本实施例中,在加速变形阶段根据加速度量级(即位移三角面积)的不同,可将该阶段进行进一步的划分,划分结果分别为初加速阶段、中加速阶段和临滑阶段,其中,初加速阶段对应CD段部分,中加速阶段对应DE段部分,临滑阶段对应EF段部分。
S6、根据面积与时间曲线,结合划分的初始变形阶段、等速变形阶段和加速变形阶段,分别对应设置次生灾害预警等级;
如图3所示,图中纵坐标为位移三角面积,单位为mm·s,横坐标为时间,单位为s,0~T1对应初始变形阶段,次生灾害变形速率的变化趋势为由小变大再变小时,在面积与时间曲线中体现为曲线呈下降趋势,上凹型;T1~T2对应等速变形阶段,次生灾害变形速率的变化趋势为基本不变时,在面积与时间曲线中体现为曲线平稳,基本保持不变的直线型;T2~T5对应加速变形阶段,次生灾害变形速率的变化趋势为逐渐增大,直至渐进于竖直状态时,在面积与时间曲线中体现为曲线呈上升趋势,下凹型;在临滑阶段中,根据位移三角面积的不同,将加速变形阶段进一步划分为了,T2~T3对应的初加速阶段、T3~T4对应的中加速阶段和T4~T5对应的临滑加速阶段。
所述S6包括如下步骤:
S61、根据面积与时间曲线,将初始变形阶段对应的次生灾害预警等级设置为注意级T1;
S62、根据面积与时间曲线,将等速变形阶段对应的次生灾害预警等级设置为警示级T2;
S63、根据面积与时间曲线,获取加速变形阶段中各监测周期内的位移三角面积;
S64、若加速变形阶段中位移三角面积小于第二位移三角面积阈值,则将面积与时间曲线中对应的部分作为初加速阶段,并将初加速阶段对应的次生灾害预警等级设置为第一警报级T3;本实施例中,第二位移三角面积阈值为0.5mm·s,即表示该监测周期内次生灾害不稳定区域的时空间隔达到了0.5mm·s;
S65、若加速变形阶段中位移三角面积大于第二位移三角面积阈值且小于第三位移三角面积阈值,则将面积与时间曲线中对应的部分作为中加速阶段,并将中加速阶段对应的次生灾害预警等级设置为第二警报级T4;本实施例中,第三位移三角面积阈值为1.3mm·s,即表示该监测周期内次生灾害不稳定区域的时空间隔达到了1.3mm·s;
S66、若加速变形阶段中位移三角面积大于第三位移三角面积阈值,则将面积与时间曲线中对应的部分作为临滑阶段,并将临滑阶段对应的次生灾害预警等级设置为第三警报级T5。
S7、基于次生灾害预警等级,分阶进行次生灾害预警。
本实施例中,对于预警等级设置为注意级T1时,应在处于次生灾害威胁范围内的村庄和公路边树立“滑坡危险区域,观察通过”的标牌,以进行告警标识;对于预警等级设置为警示级T2时,应加强群防群监测,时刻监测次生灾害不稳定区域的降雨量、墙体裂缝、地裂缝的情况;对于预警等级设置为第一警报级T3时,应通过救灾抢险中心发出蓝色警报,警戒受次生灾害威胁对象,做好撤离逃生准备;对于预警等级设置为第二警报级T4时,应通过救灾抢险中心发出橙色警报,警戒受次生灾害威胁对象,时刻准备撤离;对于预警等级设置为第三警报级T5时,应通过救灾抢险中心发出红色警报,警戒受次生灾害威胁对象,立即撤离。
在本实施例中,若获取的变形监测数据不足以演化完整的次生灾害不稳定区域变形情况时,采用实际获取到的变形监测数据依次构建位移与时间曲线、三角面积模型,以及面积与时间曲线,仍能够通过S5和S6对实际情况下的次生灾害不稳定区域根据时间阶段进行准确的分级预警,从而保障救灾人员的生命安全。
实施例2:
如图4所示,在本发明的一个实用实例中,在滑坡后,以滑坡灾害抢险救援现场中的地基SAR实时监测的变形监测数据为数据支撑,构建了该滑坡情况下的位移与时间曲线图,图中纵坐标为位移,单位为mm,横坐标为监测时间,单位为s。
如图5所示,以30分钟为一个监测周期,基于位移增量模型获取滑坡不稳定区域的累计位移量;并通过位移变化三角模型,得到每个监测周期内位移量与时间构成的三级面积,以得到面积与时间曲线,图中纵坐标为位移三角面积,单位为mm·s,横坐标为时间,单位为s。由图5能够发现,从滑坡不稳定区域的变形监测数据开始获取时,滑坡已进入到等速变形阶段,在监测周期达到4.8×105s(8000分钟)时,滑坡进入初级加速阶段,此时预警级别到达警报级,具体为第一警报级T3,在第一警报级T3下,救援人员应该迅速撤离灾害发生区域,防止次生灾害的发生影响救援人员的生命安全。
实施例3:
如图6所示,在某高位牵引式滑坡灾后,以地基SAR实时监测的变形监测数据为支撑,构建了该滑坡情况下的位移与时间曲线图,图中纵坐标为位移,单位为mm,横坐标为监测时间,单位为s。
如图7所示,与实施例1和实施例2中对变形监测数据和位移与时间曲线的处理方式相同,设置30分钟为一个监测周期,构建位移与面积曲线,图中纵坐标为位移三角面积,单位为mm·s,横坐标为时间,单位为s。由图7能够发现,滑坡自地基SAR开始监测后已进入加速变形阶段,且在监测周期达到1.18×107s(19710分钟)时,滑坡进入临滑阶段,此时次生灾害极易发生,应当立即执行第三警报级T5的警报。
以上所述,仅为本发明的具体实施方式,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。
Claims (7)
1.一种基于地基SAR监测变形数据的次生灾害预警方法,其特征在于,包括如下步骤:
S1、通过地基SAR对次生灾害不稳定区域进行实时监测,以获取变形监测数据;
S2、基于变形监测数据,得到次生灾害不稳定区域随时间产生的位移曲线,并作为位移与时间曲线;
S3、设置监测周期,并基于位移与时间曲线,构建位移变化三角面积模型;
S4、基于位移变化三角面积模型构建面积与时间曲线,按监测周期分别获取面积与时间曲线的变化趋势,以及位移与时间曲线中的位移三角面积;
S5、基于面积与时间曲线的变化趋势和位移三角面积,将次生灾害发展过程划分为初始变形阶段、等速变形阶段和加速变形阶段;
S6、根据面积与时间曲线,结合划分的初始变形阶段、等速变形阶段和加速变形阶段,分别对应设置次生灾害预警等级;
S7、基于次生灾害预警等级,分阶进行次生灾害预警。
2.根据权利要求1所述的基于地基SAR监测变形数据的次生灾害预警方法,其特征在于,所述S1包括如下步骤:
S11、圈定次生灾害不稳定区域;
S12、以次生灾害不稳定区域为监测目标架设地基SAR;
S13、利用地基SAR实时监测次生灾害不稳定区域,得到变形监测数据。
3.根据权利要求1所述的基于地基SAR监测变形数据的次生灾害预警方法,其特征在于,所述S3包括如下步骤:
S31、设置地基SAR对次生灾害不稳定区域的监测周期;
S32、基于位移与时间曲线,获取次生灾害不稳定区域在各监测周期内的累计位移量;
S33、基于次生灾害不稳定区域在各监测周期内的累计位移量,构建位移增量模型;
S34、基于位移增量模型,构建位移变化三角面积模型。
4.根据权利要求3所述的基于地基SAR监测变形数据的次生灾害预警方法,其特征在于,所述位移增量模型的计算表达式如下:
,
其中,表示次生灾害不稳定区域在第n个监测周期内的位移增量,Sn表示次生灾害不稳定区域在第n个监测周期内的累计位移量,Sn-1表示次生灾害不稳定区域在第n-1个监测周期内的累计位移量。
5.根据权利要求4所述的基于地基SAR监测变形数据的次生灾害预警方法,其特征在于,所述位移变化三角面积模型的计算表达式如下:
,
其中,An表示第n个监测周期内的位移变化三角面积,tn表示第n个监测周期结束的时刻,tn-1表示第n-1个监测周期结束的时刻。
6.根据权利要求1所述的基于地基SAR监测变形数据的次生灾害预警方法,其特征在于,所述S5包括如下步骤:
S51、获取各监测周期内位移与时间曲线的位移三角面积,以及位移与时间曲线的斜率,并将面积与时间曲线的斜率作为次生灾害变形速率,其中,位移与时间曲线的斜率,对应面积与时间曲线的变化趋势;
S52、若位移三角面积大于第一位移三角面积阈值,同时次生灾害变形速率变化趋势为由小变大再变小,则将位移与时间曲线以及面积与时间曲线中对应的部分作为初始变形阶段;
S53、若位移三角面积小于第一位移三角面积阈值,则次生灾害变形速率变化趋势为基本不变,并将位移与时间曲线以及面积与时间曲线中对应的部分作为等速变形阶段;
S54、若位移三角面积大于第一位移三角面积阈值,同时次生灾害变形速率的变化趋势为逐渐增大,直至渐进于竖直状态,则将位移与时间曲线以及面积与时间曲线中对应部分作为加速变形阶段。
7.根据权利要求6所述的基于地基SAR监测变形数据的次生灾害预警方法,其特征在于,所述S6包括如下步骤:
S61、根据面积与时间曲线,将初始变形阶段对应的次生灾害预警等级设置为注意级T1;
S62、根据面积与时间曲线,将等速变形阶段对应的次生灾害预警等级设置为警示级T2;
S63、根据面积与时间曲线,获取加速变形阶段中各监测周期内的位移三角面积;
S64、若加速变形阶段中位移三角面积小于第二位移三角面积阈值,则将面积与时间曲线中对应的部分作为初加速阶段,并将初加速阶段对应的次生灾害预警等级设置为第一警报级T3;
S65、若加速变形阶段中位移三角面积大于第二位移三角面积阈值且小于第三位移三角面积阈值,则将面积与时间曲线中对应的部分作为中加速阶段,并将中加速阶段对应的次生灾害预警等级设置为第二警报级T4;
S66、若加速变形阶段中位移三角面积大于第三位移三角面积阈值,则将面积与时间曲线中对应的部分作为临滑阶段,并将临滑阶段对应的次生灾害预警等级设置为第三警报级T5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410257805.8A CN117854257B (zh) | 2024-03-07 | 2024-03-07 | 基于地基sar监测变形数据的次生灾害预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410257805.8A CN117854257B (zh) | 2024-03-07 | 2024-03-07 | 基于地基sar监测变形数据的次生灾害预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117854257A true CN117854257A (zh) | 2024-04-09 |
CN117854257B CN117854257B (zh) | 2024-05-24 |
Family
ID=90530547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410257805.8A Active CN117854257B (zh) | 2024-03-07 | 2024-03-07 | 基于地基sar监测变形数据的次生灾害预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117854257B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140227033A1 (en) * | 2013-02-08 | 2014-08-14 | Hans Scheel | Submarine construction for Tsunami and flooding protection, for fish farming, and for protection of buildings in the sea |
CN106772342A (zh) * | 2017-01-11 | 2017-05-31 | 西南石油大学 | 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法 |
CN108010280A (zh) * | 2017-12-26 | 2018-05-08 | 成都理工大学 | 一种突发性黄土滑坡预警方法及其应用 |
CN108416150A (zh) * | 2018-03-15 | 2018-08-17 | 河北工业大学 | 一种具有流变及加速变形特征的斜边坡预警预报方法 |
CN112526104A (zh) * | 2020-11-06 | 2021-03-19 | 马鞍山矿山研究总院股份有限公司 | 一种边坡稳定性监测测预警方法、系统、介质 |
CN112581725A (zh) * | 2020-12-08 | 2021-03-30 | 重庆邮电大学 | 一种基于NBIOT与LoRa双模通信的山体滑坡预警监测系统 |
CN114120590A (zh) * | 2021-11-08 | 2022-03-01 | 四川农业大学 | 基于不同溃决模式的堰塞坝溃决危险性分级和预警方法 |
KR102543203B1 (ko) * | 2022-08-25 | 2023-06-15 | 주식회사 홍익기술단 | 홍수 대응을 위한 홍수 시뮬레이터 장치 |
CN117148304A (zh) * | 2023-09-01 | 2023-12-01 | 内蒙古工业大学 | 多模增强现实的滑坡预测方法及存储介质 |
-
2024
- 2024-03-07 CN CN202410257805.8A patent/CN117854257B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140227033A1 (en) * | 2013-02-08 | 2014-08-14 | Hans Scheel | Submarine construction for Tsunami and flooding protection, for fish farming, and for protection of buildings in the sea |
CN106772342A (zh) * | 2017-01-11 | 2017-05-31 | 西南石油大学 | 一种适用于大梯度地表沉降监测的时序差分雷达干涉方法 |
CN108010280A (zh) * | 2017-12-26 | 2018-05-08 | 成都理工大学 | 一种突发性黄土滑坡预警方法及其应用 |
CN108416150A (zh) * | 2018-03-15 | 2018-08-17 | 河北工业大学 | 一种具有流变及加速变形特征的斜边坡预警预报方法 |
CN112526104A (zh) * | 2020-11-06 | 2021-03-19 | 马鞍山矿山研究总院股份有限公司 | 一种边坡稳定性监测测预警方法、系统、介质 |
CN112581725A (zh) * | 2020-12-08 | 2021-03-30 | 重庆邮电大学 | 一种基于NBIOT与LoRa双模通信的山体滑坡预警监测系统 |
CN114120590A (zh) * | 2021-11-08 | 2022-03-01 | 四川农业大学 | 基于不同溃决模式的堰塞坝溃决危险性分级和预警方法 |
KR102543203B1 (ko) * | 2022-08-25 | 2023-06-15 | 주식회사 홍익기술단 | 홍수 대응을 위한 홍수 시뮬레이터 장치 |
CN117148304A (zh) * | 2023-09-01 | 2023-12-01 | 内蒙古工业大学 | 多模增强现实的滑坡预测方法及存储介质 |
Non-Patent Citations (1)
Title |
---|
王鹏等: "GNSS在地表过程研究中的应用", 《武汉大学学报(信息科学版)》, 11 January 2023 (2023-01-11) * |
Also Published As
Publication number | Publication date |
---|---|
CN117854257B (zh) | 2024-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107829452B (zh) | 一种融合多传感器及地基sar的深基坑施工监测预警技术 | |
CN111042143B (zh) | 一种基于大量监测数据分析的基坑工程预警方法和系统 | |
CN115495956A (zh) | 一种深大岩质基坑卸荷变形的安全评价方法 | |
CN116821272B (zh) | 一种城市内涝智慧监控预警方法及系统 | |
CN104535346B (zh) | 一种混凝土重力危坝的抗滑稳定性检测方法 | |
CN117854257B (zh) | 基于地基sar监测变形数据的次生灾害预警方法 | |
Bevilacqua et al. | Data analysis of the unsteadily accelerating GPS and seismic records at Campi Flegrei caldera from 2000 to 2020 | |
KR101846494B1 (ko) | 파시벨 광학우적계를 이용한 연직바람 산출방법 | |
CN113569751B (zh) | 一种基于时频域动力学参量的危岩体识别方法及装置 | |
CN116630898A (zh) | 一种大规模工程施工智能化安全管理系统及其方法 | |
CN107944188A (zh) | 基于气象站实测数据的台风近地面风眼半径辨识方法 | |
He et al. | Cross-fault Newton force measurement for Earthquake prediction | |
CN112213722A (zh) | 联合InSAR与深度学习的边坡监测方法 | |
Wang et al. | Improvement of the seismic resilience of regional buildings: A multi-objective prediction model for earthquake early warning | |
Iguchi et al. | Contribution of monitoring data to decision making for evacuation from the 2014 and 2015 eruptions of Kuchinoerabujima Volcano | |
CN112291360B (zh) | 一种广告牌监测系统及监测方法 | |
CN116612622A (zh) | 一种复杂高陡边坡的安全监测预警系统 | |
CN115830812B (zh) | 泵站建筑物异常沉降智能预警系统及方法 | |
CN117373209A (zh) | 基于凹凸体理论的界面型土体滑坡监测预警方法及装置 | |
CN218723852U (zh) | 变形监测安全预警系统 | |
CN113096361B (zh) | 基于水位突变的堵溃型泥石流预警方法 | |
CN112884322A (zh) | 基于人工智能和云计算的输电配电线路铺设施工安全监测管理云平台 | |
CN111649664A (zh) | 一种室内建筑结构形变高精度监测方法和系统 | |
Ahn et al. | Development of seismic intensity maps using low-cost micro-electro-mechanical systems seismic network | |
CN114267157B (zh) | 基于光学遥感监测突发性工程地质灾害三级监测预警方法 |
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 |