CN109190593B - 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法 - Google Patents

基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法 Download PDF

Info

Publication number
CN109190593B
CN109190593B CN201811108176.3A CN201811108176A CN109190593B CN 109190593 B CN109190593 B CN 109190593B CN 201811108176 A CN201811108176 A CN 201811108176A CN 109190593 B CN109190593 B CN 109190593B
Authority
CN
China
Prior art keywords
slope
convex
concave
road
stability
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
CN201811108176.3A
Other languages
English (en)
Other versions
CN109190593A (zh
Inventor
文海家
吴曙光
王桂林
林渝
薛蒙蒙
黄健豪
谢朋
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 University
Original Assignee
Chongqing University
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 University filed Critical Chongqing University
Priority to CN201811108176.3A priority Critical patent/CN109190593B/zh
Publication of CN109190593A publication Critical patent/CN109190593A/zh
Application granted granted Critical
Publication of CN109190593B publication Critical patent/CN109190593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/10Terrestrial scenes
    • G06V20/13Satellite images

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Astronomy & Astrophysics (AREA)
  • Remote Sensing (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种基于凹凸类别划分的山区道路沿线自然边坡的稳定性初步判别方法,其特征在于,在GIS软件中,利用水文分析工具对研究区域进行处理,得到试划分的自然边坡单元;再和研究区域的高清遥感影像对比,调整参数,直到试划分的边坡单元与高清影像匹配程度满足要求;得到任意两个自然边坡边界与道路边线的交点连接线段的夹角,根据夹角大小、并结合道路边坡的填(路堤)、挖(路堑)情况划分为多个凹、凸边坡类型,并生成基于边坡凹凸程度的稳定性初判分级图,即可快速初步判定山区道路沿线边坡的稳定性。

Description

基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法
技术领域
本发明涉及山区道路沿线边坡稳定性评价研究领域;特别是涉及基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法。
背景技术
我国是一个多山的国家,山地面积占国土陆地面积的2/3,山区的生产、生活水平在很大程度上依靠山区道路的建设情况。在山区的道路建设中,道路多穿于河谷山川之间,经常涉及填筑、开挖边坡;而山区道路边坡失稳致灾害事故多发,严重影响到山区道路的运营与生态环境,这就需要对道路边坡稳定性进行快速、有效的判断。
山区道路边坡稳定性是由多因素耦合作用的结果,涉及地形、地质、气象、环境、人类工程活动影响等系列因子的综合演化,从而导致边坡灾变机理十分复杂。当前,对山区道路沿线边坡稳定性分析,一般在收集地形、地质资料基础上,采用力学模型对单个边坡进行稳定性计算;由于山区道路穿越的地形、地貌、地质条件变化大,需要开展大量的现场勘察工作获取边坡的基础数据,但该方法作业量大、耗时长,并且获取的岩土基本参数与现场的实际符合程度的差异,导致这种方法的适用性有限;尤其不满足区域性、快速判别山区道路沿线边坡稳定状况的需求。
研究表明,边坡的凹凸程度是其稳定性评价的一个重要因子;实际发生的山区道路边坡灾害统计,相对凹坡,更多的边坡灾害发生在凸坡;但边坡的凹凸性主要靠技术人员在现场勘察主观判别,对于凹凸程度至今并无定量的划分方法。故怎样能够以科学定量的方法对山区道路沿线边坡的凹凸程度进行快速划分,以进一步实现边坡的稳定性的初步评价,成为本领域技术人员有待考虑解决的问题。
发明内容
针对上述现有技术的不足,本发明所要解决的技术问题是:怎样提供一种基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,使其能够方便快捷地实现基于凹凸程度的定量划分进而对山区道路沿线边坡稳定性进行初步判别分析。
为了解决上述技术问题,本发明采用了如下的技术方案:
一种基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,其特征在于,包括以下步骤:
步骤一,获取原始资料包括:研究区域的数字高程模型和高清遥感影像;
步骤二,ArcGIS软件中,利用水文分析工具对研究区域进行处理(洼地填充、流向提取、流量提取以及道路连接,得到正向集水流域和反向集水流域,并进行矢量化处理;将矢量合并后),得到试划分的自然边坡单元;
步骤三,将试划分的边坡单元与高清遥感影像对比校对,直到边坡单元与高清遥感影像匹配程度满足研究尺度的比例要求;
步骤四,沿道路方向任意相邻两个自然边坡单元,分别连接两个自然边坡边界与道路的交点,得到两条相交的坡脚/坡顶线段,在GIS中测量这两条线段靠道路一侧的夹角,得到自然边坡坡脚/坡顶线夹角α;
步骤五,由高清遥感影像,结合高精度数字高程模型,判断山区道路边坡的路堤或路堑情况,确定前述两条相交线段间边坡是路堤边坡还是路堑边坡;
步骤六,根据夹角α大小并结合边坡的路堤或路堑情况,从0-360度范围依次划分为从凹到凸的数个类型边坡;
每个类型坡划分界限α取值范围可根据统计数据或工程经验取值;
步骤七,生成基于边坡凹凸程度的稳定性初判分级图,根据凹凸程度初步判定道路沿线边坡的稳定性。
这样,采用本方法,可以基于GIS技术,采用实际地形地貌特征分析方法,能够方便快捷地实现对边坡凹凸程度的定量分析评价,以便于进一步快速和直观地对边坡稳定性做出判断。进而在山区道路施工和维护等方面带来参考价值。
进一步地,步骤一中获取的研究区域的数字高程模型(DEM)的栅格精度不低于90m*90m,获取的高清遥感影像清晰程度不低于空间分辨率2米。
这样,可以更好地利于后续比较,提高精准度。
进一步地,步骤二具体包括:
由高精度地表数字高程模型,按照以下步骤试划分自然边坡单元:
①在ArcGIS软件中,利用水文分析工具,对地形进行填洼,分别生成无洼地的数字高程模型与无洼地的反向数字高程模型;
②在ArcGIS软件中,利用水文分析中的流向和流量工具,对无洼地的数字高程模型与无洼地的反向数字高程模型进行处理;先用流向工具得到流向图,再运用流量工具对获得的流向图进行处理,获得其流量图;
③在ArcGIS软件中,设置流量的阈值,根据流量图生成正向集水流域和反向集水流域;
④在ArcGIS软件中,以正向与反向的流向图为基础,利用水文分析工具,分别生成正向集水流域栅格与反向集水流域栅格;
⑤对正向集水流域和反向集水流域进行矢量化处理;对矢量进行合并,最终得到自然边坡单元。
采用上述具体步骤的步骤二,利用了GIS中由数字高程模型(DEM)求取边坡单元的成熟技术,简单易行。
进一步地,步骤三具体包括:
①将高清影像与试划分的边坡单元进行图形比对,与相应的研究尺度匹配,符合率达到90%以上,即认为划分的边坡单元符合要求;
②符合率低于90%时,返回步骤二进行边坡单元的重新划分,改变设置的流量阀值,重新生成试划分的边坡单元,直到满足边坡单元的划分标准为止。
这样,可以使得划分的边坡单元从划分尺度上,比较符合研究对象或研究范围内的边坡的实际情况。
进一步地,步骤六具体为:根据自然边坡坡脚/坡顶线夹角α大小,结合道路边坡的填(路堤)、挖(路堑)情况,按表1所示的标准,确定相邻的两个边坡单元沿道路方向边坡的凹凸类型;其中确定山区道路沿线边坡的凹凸性,分别划分为:极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡和极凸坡;
表1
路堑边坡 极凹坡 凹坡 微凹坡 直坡 微凸坡 凸坡 极凸坡
α 0~A A~B B~C C~D D~E E~F F~360
路堤边坡 极凸坡 凸坡 微凸坡 直坡 微凹坡 凹坡 极凹坡
表1中界限值A~F可以根据统计数据和工程经验按照0-360°之间从小到大依次取值,例如:A=115°、B=145°、C=175°、D=185°、E=215°、F=245°。
这样划分和取值,能够以定量的方法明确凹坡、直坡、凸坡的类别,并对坡坡的凹、凸程度进一步给予了数学上的定义,摒弃了以往经验、定性方法的不足。
进一步地,步骤七中生成基于边坡凹凸程度的稳定性初判分级图时,由ArcGIS生成边坡类型分布格栅,依据边坡类型分布栅格图,对于路堤边坡按极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡到极凸坡的顺序,分别采用由红转绿的渐变色差填充表示;对于路障边坡,按照极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡到极凸坡的顺序,分别采用由绿转红的渐变色差填充表示。
这样,可以根据颜色的区别和变化,直观地示意出各个区域位置的凹凸程度等级,利于直观快速定性初步判断边坡稳定性。其中,越绿表示越安全,越红表示越危险。
故相比于现有技术,本发明具有以下有益效果,能够以定量的方法明确凹坡、直坡、凸坡的类别,并对边坡的凹、凸程度进一步给予了数学上的定义,摒弃了以往经验、定性方法的不足,以定量方法解决了对山区道路沿线边坡凹凸性的具体划分问题。利于直观快速初步判断山区道路沿线边坡的稳定性。
附图说明
图1为本发明的流程步骤示意图。
图2为本发明步骤四得到的夹角参照示意图。
图3为本发明步骤五所示、由图2剖切得到可能存在的a/b/c三种类型剖面所示的道路边坡挖(路堑)、填(路堤)类型示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步的详细说明。
实施例:参见图1,一种基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,包括以下步骤:
步骤一,获取原始资料包括:研究区域的数字高程模型和高清遥感影像;
步骤二,ArcGIS软件中,利用水文分析工具对研究区域进行处理(洼地填充、流向提取、流量提取以及道路连接,得到正向集水流域和反向集水流域,并进行矢量化处理;将矢量合并后),得到试划分的自然边坡单元;
步骤三,将试划分的边坡单元与高清遥感影像对比校对,直到边坡单元与高清遥感影像匹配程度满足研究尺度的比例要求;
步骤四(参见图2),沿道路方向任意相邻两个自然边坡单元,分别连接两个自然边坡边界与道路的交点,得到两条相交的坡脚/坡顶线段,在GIS中测量这两条线段靠道路一侧的夹角,得到自然边坡坡脚/坡顶线夹角α;
步骤五(参见图3),由高清遥感影像,结合高精度数字高程模型,判断山区道路边坡的填、挖情况,确定前述两条相交线段间边坡是路堤边坡还是路堑边坡;
步骤六,根据夹角α大小并结合边坡的路堤或路堑情况,从0-360度范围依次划分为从凹到凸的数个类型边坡;
每个类型坡划分界限α取值范围可根据统计数据或工程经验取值;
步骤七,生成基于边坡凹凸程度的稳定性初判分级图,根据凹凸程度初步判定道路边坡的稳定性。
这样,采用本方法,可以基于GIS技术,采用实际地形地貌特征分析方法,能够方便快捷地实现对边坡凹凸程度的定量分析评价,以便于进一步快速和直观地对道路边坡稳定性做出判断。进而在山区道路施工和维护等方面带来参考价值。
本实施例中,步骤一中获取的研究区域的数字高程模型(DEM)的栅格精度不低于90m*90m,获取的高清遥感影像清晰程度不低于空间分辨率2米。
这样,可以更好地利于后续比较,提高精准度。
本实施例中,步骤二具体包括:
由高精度地表数字高程模型,按照以下步骤试划分自然边坡单元:
①在ArcGIS软件中,利用水文分析工具,对地形进行填洼,分别生成无洼地的数字高程模型与无洼地的反向数字高程模型;
②在ArcGIS软件中,利用水文分析中的流向和流量工具,对无洼地的数字高程模型与无洼地的反向数字高程模型进行处理;先用流向工具得到流向图,再运用流量工具对获得的流向图进行处理,获得其流量图;
③在ArcGIS软件中,设置流量的阈值,根据流量图生成正向集水流域和反向集水流域;
④在ArcGIS软件中,以正向与反向的流向图为基础,利用水文分析工具,分别生成正向集水流域栅格与反向集水流域栅格;
⑤对正向集水流域和反向集水流域进行矢量化处理;对矢量进行合并,最终得到自然边坡单元。
采用上述具体步骤的步骤二,利用了GIS中由数字高程模型(DEM)求取边坡单元的成熟技术,简单易行。
本实施例中,步骤三具体包括:
①将高清影像与试划分的边坡单元进行图形比对,与相应的研究尺度匹配,符合率达到90%以上,即认为划分的边坡单元符合要求;具体地说,试划分边坡单元与高清影像做图形对比主要是看山脊线和山谷线与高清影像的复合程度是否达到要求。
②符合率低于90%时,返回步骤二进行边坡单元的重新划分,改变设置的流量阀值,重新生成试划分的边坡单元,直到满足边坡单元的划分标准为止。
这样,可以使得划分的边坡单元从划分尺度上,比较符合研究对象或研究范围内的边坡的实际情况。
具体实施步骤四时,得到的夹角参照如图2所示。
图3为本发明步骤五所示、由图2剖切得到可能存在的a/b/c三种类型剖面所示的道路边坡挖(路堑)、填(路堤)类型示意图。
其中,步骤六具体为:根据自然边坡坡脚/坡顶线夹角α大小,结合道路边坡的填(路堤)、挖(路堑)情况,按表1所示的标准,确定相邻的两个边坡单元沿道路方向的凹凸类型;确定道路沿线边坡的凹凸程度,分别划分为:极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡和极凸坡;
表1
路堑边坡 极凹坡 凹坡 微凹坡 直坡 微凸坡 凸坡 极凸坡
α 0~A A~B B~C C~D D~E E~F F~360
路堤边坡 极凸坡 凸坡 微凸坡 直坡 微凹坡 凹坡 极凹坡
表1中界限值A~F可以根据统计数据和工程经验取值,按照0-360°之间从小到大依次取值,例如:A=115°、B=145°、C=175°、D=185°、E=215°、F=245°。
这样划分和取值,能够以定量的方法明确凹坡、直坡、凸坡的类别,并对边坡的凹、凸程度进一步给予了数学上的定义,摒弃了以往经验、定性方法的不足。
本实施例中,步骤七中生成基于边坡凹凸程度的稳定性初判分级图时,由ArcGIS生成边坡类型分布格栅,依据边坡类型分布栅格图,对于路堤边坡按极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡到极凸坡的顺序,分别采用由红转绿的渐变色差填充表示;对于路堑边坡,按照极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡到极凸坡的顺序,分别采用由绿转红的渐变色差填充表示。
这样,可以根据颜色的区别和变化,直观地示意出各个区域位置的凹凸程度等级,利于直观快速定性初步判断边坡稳定性。其中,越绿表示越安全,越红表示越危险。
综上,本实施例的确定山区道路沿线边坡凹凸程度划分方法,通过提取自然边坡单元,确定任意两相邻边坡单元坡脚/坡顶线夹角度数,依据划分标准,对边坡的凹凸程度进行划分,进而得到基于凹凸程度的边坡稳定性初判分级图。

Claims (5)

1.一种基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,其特征在于,包括以下步骤:
步骤一,获取原始资料包括:研究区域的高精度数字高程模型和高清遥感影像;
步骤二,ArcGIS软件中,利用水文分析工具对研究区域进行处理,得到试划分的自然边坡单元;
步骤三,将试划分的边坡单元与高清遥感影像对比校对,直到边坡单元与高清遥感影像匹配程度满足研究尺度的比例要求;
步骤四,沿道路方向任意相邻两个自然边坡单元,分别连接两个自然边坡边界与道路边线的交点,得到两条相交的坡脚/坡顶线段,在GIS中测量这两条线段靠道路一侧的夹角,得到自然边坡坡脚/坡顶线夹角α;
步骤五,由高清遥感影像,结合高精度数字高程模型,判断山区道路边坡的路堤或路堑情况,确定前述两条相交线段间边坡是路堤边坡还是路堑边坡;
步骤六,根据夹角α大小并结合边坡的路堤或路堑情况,从0-360度范围依次划分为从凹到凸的数个类型边坡;
步骤七,生成基于边坡凹凸程度的稳定性初判分级图,根据凹凸程度初步判定道路沿线边坡的稳定性;
步骤二具体包括:
由高精度地表数字高程模型,按照以下步骤试划分自然边坡单元:
①在ArcGIS软件中,利用水文分析工具,对地形进行填洼,分别生成无洼地的数字高程模型与无洼地的反向数字高程模型;
②在ArcGIS软件中,利用水文分析中的流向和流量工具,对无洼地的数字高程模型与无洼地的反向数字高程模型进行处理;先用流向工具得到流向图,再运用流量工具对获得的流向图进行处理,获得其流量图;
③在ArcGIS软件中,设置流量的阈值,根据流量图生成正向集水流域和反向集水流域;
④在ArcGIS软件中,以正向与反向的流向图为基础,利用水文分析工具,分别生成正向集水流域栅格与反向集水流域栅格;
⑤对正向集水流域和反向集水流域进行矢量化处理;对矢量进行合并,最终得到自然边坡单元。
2.如权利要求1所述的基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,其特征在于,步骤一中获取的研究区域的数字高程模型的栅格精度不低于90m*90m,获取的高清遥感影像清晰程度不低于空间分辨率2米。
3.根据权利要求1所述基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,其特征在于,步骤三具体包括:
①将高清影像与试划分的边坡单元进行图形比对,与相应的研究尺度匹配,符合率达到90%以上,即认为划分的边坡单元符合要求;
②符合率低于90%时,返回步骤二进行边坡单元的重新划分,改变设置的流量阈值,重新生成试划分的边坡单元,直到满足边坡单元的划分标准为止。
4.根据权利要求1所述基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,其特征在于,步骤六具体为:根据自然边坡坡脚/坡顶线夹角α大小,结合道路边坡的路堤或路堑情况,按表1所示的标准,山区道路边坡的凹凸类型;确定山区道路边坡的凹凸程度,分别划分为:极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡和极凸坡;
表1
路堑边坡 极凹坡 凹坡 微凹坡 直坡 微凸坡 凸坡 极凸坡 α 0~A A~B B~C C~D D~E E~F F~360 路堤边坡 极凸坡 凸坡 微凸坡 直坡 微凹坡 凹坡 极凹坡
表1中界限值A~F根据统计数据和工程经验按照0-360°之间从小到大依次取值。
5.根据权利要求1所述基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法,其特征在于,步骤七中生成基于边坡凹凸程度的稳定性分级图时,由ArcGIS生成边坡类型分布格栅,依据边坡类型分布栅格图,按极凹坡、凹坡、微凹坡、直坡、微凸坡、凸坡到极凸坡的顺序,分别采用由绿转红的渐变色差填充,以表示初步判别的山区道路边坡稳定性由好到差。
CN201811108176.3A 2018-09-21 2018-09-21 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法 Active CN109190593B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811108176.3A CN109190593B (zh) 2018-09-21 2018-09-21 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811108176.3A CN109190593B (zh) 2018-09-21 2018-09-21 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法

Publications (2)

Publication Number Publication Date
CN109190593A CN109190593A (zh) 2019-01-11
CN109190593B true CN109190593B (zh) 2021-08-03

Family

ID=64909531

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811108176.3A Active CN109190593B (zh) 2018-09-21 2018-09-21 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法

Country Status (1)

Country Link
CN (1) CN109190593B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110245429B (zh) * 2019-06-18 2020-09-04 贵州正业工程技术投资有限公司 基于简化Bishop法的环形凸坡稳定性评价方法
CN110689969B (zh) * 2019-09-25 2021-03-26 贵州正业工程技术投资有限公司 基于简单平面滑动法的圆弧型凹坡稳定性评价方法
CN112182823B (zh) * 2020-10-22 2022-05-27 国网湖南省电力有限公司 基于矢量计算的覆冰微地形的自动判识方法及***

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831261A (zh) * 2012-07-31 2012-12-19 吉林大学 一种复杂道路的建模方法
CN103614984A (zh) * 2013-12-14 2014-03-05 山东建筑大学 针对河道采空区带来的地质环境灾害的生态处理方法
CN104240260A (zh) * 2014-10-09 2014-12-24 武汉大学 一种基于叉路识别的道路智能提取方法
GB2536271A (en) * 2015-03-12 2016-09-14 Motion Metrics Int Corp Method and apparatus for performing a fragmentation assessment of a material
CN107346361A (zh) * 2017-07-13 2017-11-14 重庆大学 基于地形地质图的边坡稳定性初步判别方法
CN107393005A (zh) * 2017-07-25 2017-11-24 中国科学院武汉岩土力学研究所 一种三维岩石块体***建模方法
CN107861129A (zh) * 2017-10-31 2018-03-30 中国铁路设计集团有限公司 一种山地地貌遥感提取方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050127637A1 (en) * 2003-12-02 2005-06-16 Melvin Harper Riser for narrow carving skis

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102831261A (zh) * 2012-07-31 2012-12-19 吉林大学 一种复杂道路的建模方法
CN103614984A (zh) * 2013-12-14 2014-03-05 山东建筑大学 针对河道采空区带来的地质环境灾害的生态处理方法
CN104240260A (zh) * 2014-10-09 2014-12-24 武汉大学 一种基于叉路识别的道路智能提取方法
GB2536271A (en) * 2015-03-12 2016-09-14 Motion Metrics Int Corp Method and apparatus for performing a fragmentation assessment of a material
CN107346361A (zh) * 2017-07-13 2017-11-14 重庆大学 基于地形地质图的边坡稳定性初步判别方法
CN107393005A (zh) * 2017-07-25 2017-11-24 中国科学院武汉岩土力学研究所 一种三维岩石块体***建模方法
CN107861129A (zh) * 2017-10-31 2018-03-30 中国铁路设计集团有限公司 一种山地地貌遥感提取方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Convex and concave slope stability analyses with numerical methods;Marek Cała等;《Archives of Mining Sciences》;20070131;第75-89页 *
地震作用下边坡稳定性分析方法;张江伟等;《地震学报》;20150131;第180-191页 *
基于大数据挖掘的山区公路沿线滑坡易发性小区划;文海家等;《自然灾害学报》;20180831;第159-165页 *

Also Published As

Publication number Publication date
CN109190593A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN107832931B (zh) 一种平原水网地区内涝风险的模块化分析方法
Callow et al. How does modifying a DEM to reflect known hydrology affect subsequent terrain analysis?
Hancock et al. Testing of the SIBERIA landscape evolution model using the Tin Camp Creek, Northern Territory, Australia, field catchment
CN111144656A (zh) 一种基于gis的灾害评价分析方法
CN109190593B (zh) 基于凹凸类别划分的山区道路沿线边坡稳定性初步判别方法
Marsh et al. Multi-objective unstructured triangular mesh generation for use in hydrological and land surface models
CN111582597B (zh) 一种输电线路滑坡危险性预测方法及其设备
CN110910471B (zh) 城市水地图及其制作显示方法
Choi et al. A new algorithm for grid-based hydrologic analysis by incorporating stormwater infrastructure
Tianqi et al. Development and application of a new algorithm for automated pit removal for grid DEMs
CN105787289A (zh) 一种河流特征数据分类***及其分类方法
Aziz et al. GIS-based watershed morphometric analysis using DEM data in Diyala River, Iraq
Petroselli et al. The flat-area issue in digital elevation models and its consequences for rainfall-runoff modeling
CN113850822B (zh) 一种基于汇流分割的斜坡单元自动划分方法
CN117475314B (zh) 一种地质灾害隐患立体识别方法、***及介质
CN108345713B (zh) 一种县域-小流域-径流小区的土壤侵蚀动态分析方法
CN106968217A (zh) 基于降雨频率的泥石流淤积危险范围划分方法
Guo-an et al. The impact of resolution on the accuracy of hydrologic data derived from DEMs
CN110532969B (zh) 基于多尺度图像分割的斜坡单元划分方法
CN109991682B (zh) 地表水体与隧道水力联系的遥感分析方法
CN117648793A (zh) 基于rusle模型的流域土壤侵蚀分析***
CN112166688B (zh) 基于小卫星的沙漠与沙漠化土地监测方法
CN113609683B (zh) 一种基于盆域分析和泰森多边形的雨水管网子汇水区划分方法
CN115565337A (zh) 一种基于地质灾害管控的滑坡灾害预警***
da Silva et al. The use of Remote Sensing techniques and empirical tectonic models for inference of geological structures: Bridging from regional to local scales

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