CN113624138A - 滑坡风险识别方法、装置、电子设备、存储介质及*** - Google Patents
滑坡风险识别方法、装置、电子设备、存储介质及*** Download PDFInfo
- Publication number
- CN113624138A CN113624138A CN202110936765.6A CN202110936765A CN113624138A CN 113624138 A CN113624138 A CN 113624138A CN 202110936765 A CN202110936765 A CN 202110936765A CN 113624138 A CN113624138 A CN 113624138A
- Authority
- CN
- China
- Prior art keywords
- landslide
- area
- isotope
- landslide risk
- root
- 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
- 238000000034 method Methods 0.000 title claims abstract description 107
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 239000002689 soil Substances 0.000 claims abstract description 85
- 235000015097 nutrients Nutrition 0.000 claims abstract description 44
- 239000013307 optical fiber Substances 0.000 claims description 40
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 9
- 230000008653 root damage Effects 0.000 claims description 9
- 241000196324 Embryophyta Species 0.000 description 37
- 239000000243 solution Substances 0.000 description 34
- 230000012010 growth Effects 0.000 description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 23
- 230000006870 function Effects 0.000 description 16
- 230000002572 peristaltic effect Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000012544 monitoring process Methods 0.000 description 14
- 238000010521 absorption reaction Methods 0.000 description 10
- 230000006378 damage Effects 0.000 description 10
- 238000011835 investigation Methods 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 210000004209 hair Anatomy 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 8
- 238000006073 displacement reaction Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 230000008635 plant growth Effects 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 229910052500 inorganic mineral Inorganic materials 0.000 description 4
- 230000002262 irrigation Effects 0.000 description 4
- 238000003973 irrigation Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 239000011707 mineral Substances 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 3
- 238000005336 cracking Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000011218 segmentation Effects 0.000 description 3
- 241000220479 Acacia Species 0.000 description 2
- 235000010643 Leucaena leucocephala Nutrition 0.000 description 2
- 230000035508 accumulation Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000149 penetrating effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000004448 titration Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 241000422846 Sequoiadendron giganteum Species 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- UQHKFADEQIVWID-UHFFFAOYSA-N cytokinin Natural products C1=NC=2C(NCC=C(CO)C)=NC=NC=2N1C1CC(O)C(CO)O1 UQHKFADEQIVWID-UHFFFAOYSA-N 0.000 description 1
- 239000004062 cytokinin Substances 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000442 meristematic effect 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
- 235000015816 nutrient absorption Nutrition 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000037039 plant physiology Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000032258 transport Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0098—Plants or trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N2021/8466—Investigation of vegetal material, e.g. leaves, plants, fruits
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Chemical & Material Sciences (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Food Science & Technology (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Medicinal Chemistry (AREA)
- Wood Science & Technology (AREA)
- Botany (AREA)
- Computer Security & Cryptography (AREA)
- Primary Health Care (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
- Alarm Systems (AREA)
Abstract
本申请涉及滑坡治理技术领域,具体而言,涉及一种滑坡风险识别方法、装置、电子设备、存储介质及***,包括:采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的树冠是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。本申请能够有效提高滑坡风险识别的准确性及操作便捷性,且无需依赖人工经验,能够有效降低人力成本及时间成本,进而能够有效降低滑坡风险识别的技术难度及操作复杂度。
Description
技术领域
本申请涉及滑坡治理技术领域,具体而言,涉及一种滑坡风险识别方法、装置、电子设备、存储介质及***。
背景技术
滑坡是自然灾害的一种,其发生后往往给当地造成严重的生命财产安全损失。当前的滑坡研究中,其中,如黄土-泥岩接触面滑坡这类蠕动式滑坡在启动时往往速度较低,宏观上呈现出典型的缓动低速特征,能量释放方式极为缓慢,经调查,此类滑坡的滑动从数小时至数月不等,发生初期由于其速度较低,往往不容易被发现,发现滑坡时已造成损害。
目前,现有的滑坡风险识别方式,通常需要人工通过滑坡裂缝、滑坡洼地、前缘***的堆积物等方法在现场对滑坡进行识别,或者,通过岩土体沉降、干涉雷达inSAR技术、滑坡面分割、对称式深度网络结合多尺度池化方法等手段对滑坡的发生进行自动识别,然后,现有的人工识别方式不但耗费人力成本,且适用性有限,无法保证识别滑坡的准确性;而现有的自动识别方式又存在过于依靠训练机器学习时的人工识别经验且技术难度高、操作复杂等问题。
发明内容
针对现有技术中的问题,本申请提供一种滑坡风险识别方法、装置、电子设备、存储介质及***,能够有效提高滑坡风险识别的准确性及操作便捷性,且无需依赖人工经验,能够有效降低人力成本及时间成本,进而能够有效降低滑坡风险识别的技术难度及操作复杂度。
为了实现上述目的,本申请采用以下技术方案:
本申请的一个方面提供一种滑坡风险识别方法,包括:
采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;
根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
可选的,还包括:
基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别;
若存在至少一个辅助滑坡识别对应的辅助识别结果显示所述滑坡风险区域已发生滑坡,则将该滑坡风险区域确认为滑坡区域。
可选的,所述基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别,包括:
向预埋在所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域内的光纤发送信号采集指令;
若在预设时间内未接收到所述光纤采集到的光纤信号,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
可选的,所述基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别,包括:
采集所述目标树木的根部同位素含量;
根据滴灌在目标树木的根部土壤的同位素营养液中的同位素总含量、所述根部同位素含量、所述主冠和侧枝各自的同位素含量,判断所述同位素营养液是否被所述目标树木的枝干和树冠吸收,若否,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
可选的,所述基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别,包括:
采集所述滑坡风险区域的图像数据;
若所述图像数据显示所述滑坡风险区域的地表和/或植物出现损伤,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
可选的,所述根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域,包括:
获取所述主冠和侧枝各自的同位素含量之间的区别值,其中,该区别值包括差值或比值;
判断所述区别值是否大于预设的主根损伤阈值,若是,则将所述目标土壤区域识别为滑坡风险区域。
可选的,还包括:
输出用于表示将所述滑坡风险区域确认为滑坡区域的告警信息;
和/或,向设置在所述滑坡风险区域内的告警设备发送告警指令,以使该告警设备启动并进行告警。
本申请的另一个方面提供一种滑坡风险识别装置,包括:
同位素采集模块,用于采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;
滑坡识别模块,用于根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
本申请的第三方面提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现所述的滑坡风险识别方法。
本申请的第四方面提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的滑坡风险识别方法。
本申请的第五方面提供一种滑坡风险识别***,包括:同位素采集检测装置以及所述的电子设备;
所述同位素采集检测装置固定设置在所述目标树木上,且与所述电子设备之间通信连接,以将采集的所述目标树木的主冠和侧枝各自的同位素含量发送至所述电子设备。
可选的,还包括:与所述电子设备之间通信连接的用于对所述滑坡风险区域进行辅助滑坡识别的光纤、同位素收集装置和图像采集装置中的至少一个;
所述光纤预埋在所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域内,用于根据所述电子设备发送的信号采集指令采集光纤信号;
所述同位素收集装置预埋在所述目标树木的根部,用于将采集的所述目标树木的根部同位素含量发送至所述电子设备;
所述图像采集装置固定安装在所述滑坡风险区域的上方,用于将采集的所述滑坡风险区域的图像数据发送至所述电子设备。
由上述技术方案可知,本申请提供的一种滑坡风险识别方法、装置、电子设备、存储介质及***,方法包括:采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域,通过采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量,能够通过树冠的生长情况间接获得滑坡的发生及运动情况;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,能够有效提高该滑坡风险识别方式的操作便捷性及效率,降低技术难度及操作复杂度,且无需依赖人工经验,能够在有效降低人力成本及时间成本的基础上,有效提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度,且保证发生蠕动式滑坡的区域的人员、车辆及房屋安全,提高滑坡风险识别技术人员及生活在可能发送蠕动式滑坡的区域人员的用户体验。
本申请的附加技术特征及其优点将在下面的描述内容中阐述地更加明显,或通过本申请的具体实践可以了解到。
附图说明
为了更清楚地说明本申请具体实施方式的技术方案,下面将对具体实施方式描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图是本申请的一些实施方式,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的附图。
图1为本申请实施例中的滑坡风险识别方法的第一种流程示意图;
图2为本申请实施例中的滑坡风险识别方法的第二种流程示意图;
图3为本申请实施例中的滑坡风险识别方法的第三种流程示意图;
图4为本申请实施例中的滑坡风险识别方法的第四种流程示意图;
图5为本申请实施例中的滑坡风险识别方法的第五种流程示意图;
图6为本申请实施例中的滑坡风险识别方法的第六种流程示意图;
图7为本申请实施例中的滑坡风险识别方法的第七种流程示意图;
图8为本申请实施例中的滑坡风险识别装置的结构示意图;
图9为本申请应用实例提供的滑坡风险识别方法的整体***结构示意图;
图10为本申请应用实例提供的数据采集箱示意图;
图11为本申请应用实例提供的分布式光纤的结构示意图;
图12为本申请应用实例提供的同位素收集***的设置示意图。
具体实施方式
下面将结合附图对本申请的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
在本申请的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本申请的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本申请中的具体含义。
滑坡是自然灾害的一种,其发生后往往给当地造成严重的生命财产安全损失。当前的滑坡研究中,众多学者关注滑坡的成因机制较多,其次重点研究滑坡的运动特征以及致灾效应等。黄土滑坡由于其种类不同,发生后产生的致灾效应截然不同。黄土滑坡按照岩土类型可以划分为黄土层内滑坡、黄土-泥岩顺层滑坡、黄土-泥岩切层滑坡和黄土-泥岩接触面滑坡四种类型,黄土层内滑坡和黄土泥岩切层滑坡发生时往往速度较快,产生的致灾效应较为明显,其能量释放方式属于瞬时释放型;黄土泥岩顺层滑坡往往沿着泥岩的层理面滑动,坡度较大时其滑动速度也较大,上述三种类型滑坡从启动至滑动结束经历十几分钟至几个小时便可以结束。然而,黄土-泥岩接触面滑坡,其能量释放方式与前述三者均不相同,此类滑坡在启动时往往速度较低,宏观上呈现出典型的缓动低速特征,能量释放方式极为缓慢,经调查,此类滑坡的滑动从数小时至数月不等,发生初期由于其速度较低,往往不容易被发现,发现滑坡时已造成损害,例如房屋开裂、房屋倒塌、道路挡墙破坏、路面开裂、河道阻塞、农田被毁等等,给当地造成严重的经济损失,2013年发生的甘肃天水曹王滑坡及2019年发生的甘肃通渭小庄滑坡造成三个村庄整体损失较为严重,迫使当地村民整体搬迁,严重影响当地的社会经济发展,数条道路被迫改道重修。
此类蠕动式滑坡造成危害严重的根本原因是早期发生时不容易识别,滑坡中的裂缝等往往在滑坡发生一段时间后才形成,调查中部分滑坡滑动一次后便停止,待到雨季或者春季的时候便再次产生滑动,此类滑坡广泛发育的天水地区植被生长较好,往往不容易发现,给滑坡调查带来巨大障碍。
综上,一种可靠的蠕动式滑坡识别方法急需产生,该方法需要简单、便捷且容易让滑坡调查人员及时掌握,而且能够从卫星图上容易辨识,由于大范围的滑坡调查需要依靠卫片解译,故而卫片上能够看到的现象对于滑坡后期识别产生重要推动作用。已有研究中普遍利用滑坡裂缝、滑坡洼地、滑坡后缘明显的陡坎儿、后缘圈椅状构造、前缘***的堆积物等方法对滑坡进行早期识别,上述方法对蠕动式滑动的黄土-泥岩接触面滑坡适用范围有限,此类滑坡发生早期,上述现象均不明显,裂缝会发育,但过程缓慢,且在农田中的裂缝往往被当地老百姓直接填充,给滑坡调查带来巨大的挑战和难题,包括老滑坡的复活,均不容易发现。
若通过滑坡裂缝、滑坡洼地、前缘***的堆积物等方法在现场对滑坡进行识别,则由于蠕动式黄土泥岩接触面滑坡在早期不出现滑坡洼地和前缘***等现象,滑坡发生早期出现的裂缝很小,且当地植被生长茂盛,该方法在此类滑坡识别中适用性有限。
若通过滑坡后缘陡坎儿、后缘的圈椅状构造等外形轮廓对滑坡的启动和形成进行早期识别,则由于新发生的蠕动式滑坡中,后缘陡坎和圈椅状构造均未形成,该方法的适用性有限,不能够对滑坡进行识别。
若通过岩土体沉降、inSAR技术、滑坡面分割、对称式深度网络结合多尺度池化方法等手段对滑坡的发生进行识别,则由于蠕动式滑坡开始形成时不产生明显的岩土体沉降、滑动面变形不明显,加之inSAR技术需要购买多期次影像产生的费用较高,称式深度网络结合多尺度池化方法需要人工训练网格,其后期利用的模型中加入的人为因素,可靠性与训练人的经验密切相关,此外,上述方法操作较难,对于一般的技术人员难以掌握,故而适用性有限。
若利用DEM、光学遥感和形变信息等相融合的方法对滑坡进行早期识别,则该方法在实施中也是借助SAR影像,前期需要购买当地区域内多期次影像资料,产生的费用较高,且一般技术人员难以掌握该技术,其适用性有限。
基于此,本申请基于大量的现场调查和理论分析,将生态学、生物学与岩土工程相结合,提出一种新的蠕动式滑坡识别方法,该方法易于掌握,且在卫片和现场识别滑坡中均可使用,对于防灾减灾工作将提供一种新的思路和方法。
针对现有的滑坡风险识别方式存在无法同时满足滑坡识别的准确性、减少依赖人工经验以及操作简单等要求的问题,本申请实施例提供一种滑坡风险识别方法,通过采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量,能够通过树冠的生长情况间接获得滑坡的发生及运动情况;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,能够有效提高该滑坡风险识别方式的操作便捷性及效率,降低技术难度及操作复杂度,且无需依赖人工经验,能够在有效降低人力成本及时间成本的基础上,有效提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度,且保证发生蠕动式滑坡的区域的人员、车辆及房屋安全,提高滑坡风险识别技术人员及生活在可能发送蠕动式滑坡的区域人员的用户体验。
基于上述内容,本申请还提供一种用于实现本申请一个或多个实施例中提供的滑坡风险识别方法的滑坡风险识别装置,该滑坡风险识别装置可以为一如服务器等的电子设备,该滑坡风险识别装置可以自行或通过第三方服务器等与各个检测设备、传感器及客户端设备之间通信连接,滑坡风险识别装置可以接收客户端设备发送的滑坡风险识别指令,并根据该滑坡风险识别指令采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域,滑坡风险识别装置还可以将滑坡风险区域识别结果数据发送至用户的客户端设备等。
在另一种实际应用情形中,前述的滑坡风险识别装置进行滑坡风险识别的部分可以在如上述内容的服务器中执行,也可以所有的操作都在所述用户端设备中完成。具体可以根据所述用户端设备的处理能力,以及用户使用场景的限制等进行选择。本申请对此不作限定。若所有的操作都在所述用户端设备中完成,所述用户端设备还可以包括处理器,用于滑坡风险识别的具体处理。
在本申请的一个或多个实施例中,木本植物通过根系进行水分吸收和养分吸收,吸收水分和养分后将水分和养分运输至植物生长的各个部位。植物根部水分吸收主要在根尖部分进行,根冠、分生区和伸长区由于输导组织没有成熟,细胞间水分迁移阻力大等原因,水分吸收较少。根毛区有大量的根毛发育,形成非常大的吸收面积,加上根毛区的输导组织基本成熟,输水阻力较小,使得根毛区具有最大的水分吸收能力。滑坡发生后,碎散的岩土体不断滑动运移致使木本植物的根毛区被拉断破坏,甚至部分区域的主根被拉断破坏,致使根冠与主根分离,植物吸收水分的能力大大降低,促使树冠中的大多数区域出现明显的干枯现象。
根部可以从土壤溶液中吸收矿物质,也可以吸收被土粒吸附着的矿物质。根部吸收矿物质的部位也和吸收水分的一样主要是根尖,其中根毛区吸收离子最活跃。根毛的存在能使根部与土壤环境的接触面积大大增加。滑坡发生后,碎散的岩土体不断滑动运移致使木本植物的根毛区被拉断破坏,甚至部分区域的主根被拉断破坏,致使根冠与主根分离,植物吸收矿物质的能力大大降低。
综上所述,地上部分生长所需要的水分和矿物质,主要通过根系供应,且根部是全株的细胞***素合成中心,形成后运输至地上树冠等部位,此外,根系还能够合成植物碱等含氮化合物。根与冠之间不仅存在物质交流,还存在信号传递关系,土壤中营养成分发生变化时会调控上部树冠的生长情况。滑坡发生不同位置处的滑动深度不同,坡体滑动过程中致使木本植物的根系被拉断,主根系的根尖部分被拉断分离,致使主干的树冠出现干枯现象,通过该现象可以直接判定此处的岩土体发生过移动,有位移产生,且位移量产生了累积效应,致使植物根系受损,宏观上表现为树冠的主冠干枯,侧枝生长完全依靠侧根及其他根系进行维持。
现场调查中发现滑坡主滑动方向上的大多中年树种出现了顶部树冠干枯,而侧枝正常生长的现象,周围的同等树木正常生长,且主滑动方向上还有倾斜的电线杆等为佐证,结合现场调查中发现的主滑动方向的房屋开裂等情况可以判定受损树种分布的位置就是滑坡滑动的主方向。
由于甘肃天水地区植被生长茂盛,地下水位较高,滑坡发生后产生的裂缝等不明显,且并未出现明显的陡坎儿等宏观现场,老滑坡是否复活及滑坡是否形成在现场很难判定,故而本申请提出一种借助根冠互馈的蠕动式滑坡识别方法。该方法简单易懂,现场技术人员能够快速掌握,跟现场滑坡的识别提供重要的技术支撑,早期识别后可以采取必要措施降低滑坡的危害,为防灾减灾做贡献。
具体通过下述各个实施例及应用实例分别进行详细说明。
为了解决现有的滑坡风险识别方式存在无法同时满足滑坡识别的准确性、减少依赖人工经验以及操作简单等要求的问题,本申请提供一种滑坡风险识别方法的实施例,参见图1,基于滑坡风险识别装置执行的所述滑坡风险识别方法具体包含有如下内容:
步骤100:采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量。
在步骤100中,基于滑坡风险识别装置可以向同位素采集检测装置发送同位素采集指令,以使固定设置在所述目标树木上的同位素采集检测装置根据该同位素采集指令采集所述目标树木的主冠和侧枝各自的同位素含量,并将采集的所述目标树木的主冠和侧枝各自的同位素含量发送至所述基于滑坡风险识别装置。
在所述同位素采集检测装置的具体说明中,该同位素采集检测装置需要至少包含有同位素采集功能和同位素检测功能,首先通过同位素采集功能分别采集目标树木的主冠和侧枝各自的样本,然后通过同位素检测功能自采集的目标树木的主冠样本中检测出主冠的同位素含量,并自采集的目标树木的侧枝样本中检测出侧枝的同位素含量。
在一种同位素采集检测装置的具体举例中,该同位素采集检测装置可以选用(KMZ-50)型号的同位素检测器,且该同位素检测器与所述目标树木的具体设置方式为:同位素监检测布设于植物根系周边及滴灌位置处,同时在树木的枝叶部位进行布设,根据滴定总量与周围分布情况结合枝叶中的含量计算分析植物吸收总量。
可以理解的是,所述同位素可以选用水中氢元素同位素。
步骤200:根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
若经步骤200判断获知所述目标树木的主根未发生损伤,则在等待预设的检测时段后,重新返回执行步骤100,再次采集并判断所述目标土壤区域是否为滑坡风险区域。
可以理解的是,若所述目标树木的主根发生损伤,则可以初步认定为当前的目标树木所在的目标土壤区域已经发生了滑坡,因此可以将该目标土壤区域标记为滑坡风险区域。而后可以将该目标土壤区域为滑坡风险区域的告知消息发送至运维人员的客户端设备进行显示,还可以针对该目标土壤区域为滑坡风险区域发出滑坡风险告警信息等,而为了更进一步的提高滑坡风险识别的准确性,有效降低误报率,还可以在步骤200的基础上,对滑坡风险区域进一步进行辅助滑坡识别,具体详见下述实施例。
从上述描述可知,本申请实施例提供的滑坡风险识别方法,通过采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量,能够通过树冠的生长情况间接获得滑坡的发生及运动情况;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,能够有效提高该滑坡风险识别方式的操作便捷性及效率,降低技术难度及操作复杂度,且无需依赖人工经验,能够在有效降低人力成本及时间成本的基础上,有效提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度,且保证发生蠕动式滑坡的区域的人员、车辆及房屋安全,提高滑坡风险识别技术人员及生活在可能发送蠕动式滑坡的区域人员的用户体验。
为了进一步的提高滑坡风险识别的准确性,有效降低误报率,在本申请提供的滑坡风险识别方法的一个实施例,参见图2,所述滑坡风险识别方法的步骤200之后还具体包含有如下内容:
步骤300:基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别。
步骤400:若存在至少一个辅助滑坡识别对应的辅助识别结果显示所述滑坡风险区域已发生滑坡,则将该滑坡风险区域确认为滑坡区域。
可以理解的是,若步骤300采用了多种辅助滑坡识别方式,那么只要有其中的一种辅助滑坡识别方式显示对应的辅助识别结果为所述滑坡风险区域已发生滑坡,所述滑坡风险识别装置就可以确认该滑坡风险区域确认为滑坡区域,进而能够实现对滑坡区域的进一步确定,有效提高滑坡风险识别的准确性并降低误报率。
从上述描述可知,本申请实施例提供的滑坡风险识别方法,能够进一步确认所述滑坡风险区域确认为滑坡区域,进而能够实现对滑坡区域的进一步确定,有效提高滑坡风险识别的准确性并降低误报率。
为了进一步提高辅助滑坡识别的可靠性及全面性,在本申请提供的滑坡风险识别方法的一个实施例,参见图3,所述滑坡风险识别方法的步骤300具体可以包含有如下内容:
步骤311:向预埋在所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域内的光纤发送信号采集指令。
步骤312:若在预设时间内未接收到所述光纤采集到的光纤信号,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
若所述滑坡风险识别装置在预设时间内接收到所述光纤采集到的光纤信号,则说明所述光纤并未发生断裂,因此可以确定所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域未发生大的位移,进而选取其他的辅助滑坡识别方式进行识别,若全部的辅助滑坡识别方式均显示所述滑坡风险区域实际并未发生滑坡,则可以将所述滑坡风险区域标记为滑坡风险移除区域,并输出该滑坡风险移除区域的告知信息。
具体来说,所述滑坡风险识别装置可以与用于对所述滑坡风险区域进行辅助滑坡识别的光纤之间通信连接,该光纤预埋在所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域内,用于根据所述电子设备发送的信号采集指令采集光纤信号。
例如:所述光纤可以沿所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域的水平方向延时设置,若所述滑坡风险识别装置未在预设时间(例如:0.1s-100s之间)内未接收到所述光纤采集到的光纤信号,则说明该光纤发生断裂,而导致该光纤断裂的原因可能为所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域已成为滑坡体,该滑坡体主要为黄土,滑坡产生后在滑体中往往形成贯通性裂缝等现象,因此可以确定该土壤区域已发生位移,进而确定所述滑坡风险区域已发生滑坡。
从上述描述可知,本申请实施例提供的滑坡风险识别方法,通过向预埋在所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域内的光纤发送信号采集指令,能够进一步提高辅助滑坡识别的可靠性及全面性,进而能够进一步提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度。
为了进一步提高辅助滑坡识别的可靠性及全面性,在本申请提供的滑坡风险识别方法的一个实施例,参见图4,所述滑坡风险识别方法的步骤300具体还可以包含有如下内容:
步骤321:采集所述目标树木的根部同位素含量。
步骤322:根据滴灌在目标树木的根部土壤的同位素营养液中的同位素总含量、所述根部同位素含量、所述主冠和侧枝各自的同位素含量,判断所述同位素营养液是否被所述目标树木的枝干和树冠吸收,若否,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
在步骤322中,若预存储的滴灌在目标树木的根部土壤的同位素营养液中的同位素总含量为100ml,所述根部同位素含量为50ml,所述主冠和侧枝各自的同位素含量分别为5ml和10ml,则根据滴灌在目标树木的根部土壤的同位素营养液中的同位素总含量、所述根部同位素含量、所述主冠和侧枝各自的同位素含量,判断所述同位素营养液是否被所述目标树木的枝干和树冠吸收的具体方式可以为:判断所述根部同位素含量、主冠和侧枝各自的同位素含量之和(50ml+5ml+10ml=65ml)是否大于预设百分比(例如:85%)的所述同位素营养液中的同位素总含量(100ml),若否,则说明所述同位素营养液未被所述目标树木的枝干和树冠吸收。
若所述滑坡风险识别装置经判断获知所述同位素营养液已被所述目标树木的枝干和树冠吸收,则说明所述目标树木的根部并未发生断裂,因此可以确定所述滑坡风险区域中所述目标树木的根部所在的土壤区域未发生大的位移,进而选取其他的辅助滑坡识别方式进行识别,若全部的辅助滑坡识别方式均显示所述滑坡风险区域实际并未发生滑坡,则可以将所述滑坡风险区域标记为滑坡风险移除区域,并输出该滑坡风险移除区域的告知信息。
具体来说,所述滑坡风险识别装置与用于对所述滑坡风险区域的多个同位素收集装置之间分别通信连接,所述同位素收集装置预埋在所述目标树木的根部,用于将采集的所述目标树木的根部同位素含量发送至所述电子设备。
在一种同位素收集装置的具体举例中,该同位素收集装置可以选用(KMZ-50)型号的同位素收集器,且该同位素收集器与所述目标树木的具体设置方式为:同位素收集装置布设于植物根系周边及滴灌位置处,同时在树木的枝叶部位进行布设,根据滴定总量与周围分布情况结合枝叶中的含量计算分析植物吸收总量。
从上述描述可知,本申请实施例提供的滑坡风险识别方法,通过根据滴灌在目标树木的根部土壤的同位素营养液中的同位素总含量、所述根部同位素含量、所述主冠和侧枝各自的同位素含量,判断所述同位素营养液是否被所述目标树木的枝干和树冠吸收,能够进一步提高辅助滑坡识别的可靠性及全面性,进而能够进一步提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度。
为了进一步提高辅助滑坡识别的可靠性及全面性,在本申请提供的滑坡风险识别方法的一个实施例,参见图5,所述滑坡风险识别方法的步骤300具体还可以包含有如下内容:
步骤331:采集所述滑坡风险区域的图像数据。
步骤332:若所述图像数据显示所述滑坡风险区域的地表和/或植物出现损伤,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
可以理解的是,所述滑坡风险识别装置与用于对所述滑坡风险区域进行辅助滑坡识别的图像采集装置之间通信连接。
所述图像采集装置固定安装在所述滑坡风险区域的上方,用于将采集的所述滑坡风险区域的图像数据发送至所述电子设备,所述图像采集装置具体可以采用摄像头。
从上述描述可知,本申请实施例提供的滑坡风险识别方法,通过采集所述滑坡风险区域的图像数据,能够进一步提高辅助滑坡识别的可靠性及全面性,进而能够进一步提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度。
为了提高滑坡风险区域识别的有效性及可靠性,在本申请提供的滑坡风险识别方法的一个实施例,参见图6,所述滑坡风险识别方法中的步骤200具体包含有如下内容:
步骤210:获取所述主冠和侧枝各自的同位素含量之间的区别值,其中,该区别值包括差值或比值。
步骤220:判断所述区别值是否大于预设的主根损伤阈值,若是,则将所述目标土壤区域识别为滑坡风险区域。
其中,所述主根损伤阈值具体可以为:当所述主根损伤阈值为差值时,所述主根损伤阈值为根系周围的同位素在连续一周内的变化量不超过b mg/L,(b值与植物的种类有关,例如b值可以为5、10或者50等数值);当所述主根损伤阈值为所述主冠和侧枝各自的同位素含量之间比值时,所述主根损伤阈值可为0.8、1或1.5等数值。
从上述描述可知,本申请实施例提供的滑坡风险识别方法,通过获取所述主冠和侧枝各自的同位素含量之间的区别值,并判断所述区别值是否大于预设的主根损伤阈值,能够有效滑坡风险区域识别的有效性及可靠性,提高滑坡风险识别的准确性及操作便捷性,且无需依赖人工经验,能够有效降低人力成本及时间成本,进而能够有效降低滑坡风险识别的技术难度及操作复杂度。
为了不使用滑坡风险识别***中数据库的存储空间,在本申请提供的滑坡风险识别方法的一个实施例,参见图7,所述滑坡风险识别方法中的步骤400之后还具体包含有如下内容:
步骤500:输出用于表示将所述滑坡风险区域确认为滑坡区域的告警信息;和/或,向设置在所述滑坡风险区域内的告警设备发送告警指令,以使该告警设备启动并进行告警。
从上述描述可知,本申请实施例提供的滑坡风险识别方法,能够有效提高滑坡告警的有效性及实时性,进而能够有效提高滑坡风险识别的自动化程度及智能化程度,且保证发生蠕动式滑坡的区域的人员、车辆及房屋安全,提高滑坡风险识别技术人员及生活在可能发送蠕动式滑坡的区域人员的用户体验。
从软件层面来说,为了解决现有的滑坡风险识别方式存在无法同时满足滑坡识别的准确性、减少依赖人工经验以及操作简单等要求的问题,本申请提供一种用于执行所述滑坡风险识别方法中全部或部分内容的滑坡风险识别装置的实施例,参见图8,所述滑坡风险识别装置具体包含有如下内容:
同位素采集模块10,用于采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;
滑坡识别模块20,用于根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
本申请提供的滑坡风险识别装置的实施例具体可以用于执行上述实施例中的滑坡风险识别方法的实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
从上述描述可知,本申请实施例提供的滑坡风险识别装置,通过采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量,能够通过树冠的生长情况间接获得滑坡的发生及运动情况;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,能够有效提高该滑坡风险识别方式的操作便捷性及效率,降低技术难度及操作复杂度,且无需依赖人工经验,能够在有效降低人力成本及时间成本的基础上,有效提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度,且保证发生蠕动式滑坡的区域的人员、车辆及房屋安全,提高滑坡风险识别技术人员及生活在可能发送蠕动式滑坡的区域人员的用户体验。
从硬件层面来说,为了解决现有的滑坡风险识别方式存在无法同时满足滑坡识别的准确性、减少依赖人工经验以及操作简单等要求的问题,本申请提供一种用于实现所述滑坡风险识别方法中的全部或部分内容的电子设备的实施例,所述电子设备具体包含有如下内容:
在一实施例中,滑坡风险识别功能可以被集成到中央处理器中。其中,中央处理器可以被配置为进行如下控制:
步骤100:采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;
步骤200:根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
从上述描述可知,本申请实施例提供的电子设备,通过采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量,能够通过树冠的生长情况间接获得滑坡的发生及运动情况;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,能够有效提高该滑坡风险识别方式的操作便捷性及效率,降低技术难度及操作复杂度,且无需依赖人工经验,能够在有效降低人力成本及时间成本的基础上,有效提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度,且保证发生蠕动式滑坡的区域的人员、车辆及房屋安全,提高滑坡风险识别技术人员及生活在可能发送蠕动式滑坡的区域人员的用户体验。
在另一个实施方式中,滑坡风险识别装置可以与中央处理器分开配置,例如可以将滑坡风险识别装置配置为与中央处理器连接的芯片,通过中央处理器的控制来实现滑坡风险识别功能。
本申请的实施例还提供能够实现上述实施例中的滑坡风险识别方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的执行主体为服务器或客户端的滑坡风险识别方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
步骤100:采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;
步骤200:根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
从上述描述可知,本申请实施例提供的计算机可读存储介质,通过采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量,能够通过树冠的生长情况间接获得滑坡的发生及运动情况;根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,能够有效提高该滑坡风险识别方式的操作便捷性及效率,降低技术难度及操作复杂度,且无需依赖人工经验,能够在有效降低人力成本及时间成本的基础上,有效提高滑坡风险识别准确性,尤其针对相较于其他形式的滑坡更不易被人工发现的蠕动式滑坡,能够有效提高蠕动式滑坡风险识别的准确性、操作便捷性等,进而能够有效提高滑坡风险识别的自动化程度及智能化程度,且保证发生蠕动式滑坡的区域的人员、车辆及房屋安全,提高滑坡风险识别技术人员及生活在可能发送蠕动式滑坡的区域人员的用户体验。
为了进一步说明本方案,本申请应用实例提供一种滑坡风险识别方法,具体是一种基于根-冠互溃机制的蠕动式滑坡识别方法,能够通过树冠的生长情况间接获得滑坡的发生及运动情况,对于滑坡的启动或形成以及滑坡的主要滑动方向的识别效果较好,尤其实在植被生长茂盛区域,该方法具有显著优越性。整个方法易于学习,便于技术人员进行操作掌握。解决现有技术中无法使用滑坡裂缝、滑坡洼地、前缘***的堆积物等方法在现场识别滑坡的不足,同时解决通过岩土体沉降、inSAR技术、滑坡面分割、对称式深度网络结合多尺度池化方法等手段识别滑坡操作难度较大的不足之处。给蠕动式滑坡的早期识别提供一种新方法和新思路,让一线工程技术人员易于掌握。为防灾减灾工作贡献新方法。
本申请应用实例的核心为滑坡在滑动过程中,沿着滑带运动,致使树木吸收养分及水分的关键部分-主根***被拉断,致使吸收养分及水分的核心部分滞留在原地,而数的侧根及整个上部结构随着滑坡体运移至另一位置,宏观上表现出树木的主冠***彻底干枯,侧枝依然在生在,表明部分侧根***仍然在工作,为树木的侧枝生长提供必要的养分和水分。整个滑坡主滑方向上的洋槐树呈现出典型的特征,所有树木的树冠的顶部及中间主要部分均出现了干枯现象,而滑坡侧边界的洋槐树正常生长,未出现上述现象,部分区段严重区域,整个树干出现干枯现象,表明滑坡滑动破坏了整个树木的根系***。本申请应用实例中提出的根冠互馈滑坡识别方法经过了大量的现场验证,除树冠干枯外,滑坡体地表***中出现的裂缝、倾倒的电线杆等均可以作为滑坡滑动的直接证据,得到了很好的验证,为该方法的推广奠定了良好的基础。但整个天水地区植被生长较好,现场调查中,部分区段茂密的植物遮盖了滑坡地表出现的一些现象,给滑坡的现场识别提出了巨大难题,无法精准的识别滑坡就无法有效的治理滑坡,就无法显著给防灾减灾做出实质性贡献,故而本申请应用实例提出的技术方法能够给现场调查提供重要的理论支撑。
本申请应用实例中植物根系的损坏及树冠受损情况基于传感器和监测及计算机自动捕捉分析等技术进行开展。在植物根系附近进行同位素营养液的补给,同时在植物生长附近设置分布式光纤,通过分布式光纤的监测,结合植物树冠中叶片吸收的同位素浓度等进行滑坡滑动的最终识别。所有监测技术方法基于前述植物生长的生理特征。
实现本申请应用实例的滑坡风险识别方法的整体***结构图参见图9;
滑床***1,整个蠕动式滑坡底部泥岩***,为相对隔水层,地下水在该层无法穿透过去;
滑带***2,滑坡的滑带位置,该位置为风化泥岩与黄土混合物的接触带,上部为黄土,下部为泥岩,此处地下水较为发育,能够为植物生长提供充足的水分及养分;
地表***3,地表位置,该***中包含滑坡产生的裂隙、滑坡洼地、其他滑坡中形成的特有现象,如倾倒的电线杆、破损的道路、倾倒的树等;
主根***4,整个树木的主根系同,该部分的根尖为植物生长提供必要的养分和水分等;
侧根***5,为植物生长提供水分和养分,侧根***与主根系同组成植物整个根系***;
树干6,主要为冠部生长提供养分和水分的运输通道;
树冠中间部分7,整个树冠的核心部位,该部分的生长情况直接反映植物根部的受损情况及营养、水分等分布情况;
树冠侧枝***8,作为树冠的侧枝***,与中间部分共同组成大树的树冠***;
滑坡体9,主要为黄土,滑坡产生后在滑体中往往形成贯通性裂缝等现象;
支架***,主要为数采及能源***提供支撑作用,将这个***支撑到一定高度,可以有效防止***损坏;
数采***11,将整个申请应用实例中的各个传感器的数据进行采集,并能够将采集的数据根据预定的程序进行汇总分析,对各个***发出相应的指令;
图像采集***12,主要对木本植物及其周边的环境变化进行监测分析,对于地表裂缝和植物的破坏信息能够实时采集;
无线信号发射器13,将现场获取的信息通过GPRS模块传输至室内终端;
太阳能电池板14,为整个数采***以及监测***供电;
分布式光纤***15,主要监测植物底部位移情况,一旦底部发生位移,该***会及时收集数据并进行判断,最终发出警报;
同位素注射***16,主要将设定的同位素营养液通过滴灌***注入植物的根部供植物生长需要;
植物健康生长监测***17,能够根据植物生长情况对植物营养元素的吸收情况、生长情况等进行实时监测,当植物的根系或者树冠***损伤后能够及时获取相关数据供分析;
同位素收集***18,布设于植物根系周围,对同位素的流动情况进行监测分析,并将数据及时传输至综合数采***。
参见图10所示的数据采集箱,具体包含有如下内容:
数据采集箱21,主要功能是保护数据采集器以及对应的线缆等设备;
变压器22,将外界不稳定的电源在此处转换为适合数据采集控制器的电源;
蓄电池23,主要功能是储存电量,防止连续阴天时数据采集器中断工作;
信号放大器24,将数据采集板采集的数据汇总后经由此处处理后通过GPRS模块传输至室内终端;
手动操作模块25,该模块的主要功能是在设备检修过程中使用,可以手动调试各个传感器的参数,并且上面有各个传感器工作状态的指示灯,便于维修人员快速检修,同时该模块中预留了数据采集端口,可以插数据线RS232或者U盘等;
智能化数据采集控制器26,主要功能是对***中的所有信息进行采集汇总,并根据远程终端对各个传感器的工作性能及状况进行实时监测控制;
报警器27,一旦监测到传感器故障或者滑坡发生较大位移时,该报警器会发挥出警报,结合图像采集***获取的信息进行报警信息发布,可以及时引导人员撤离,避免危险发生。
参见图11所示的分布式光纤的结构示意图,具体包含有如下内容:
光纤变形监测器31,主要功能是对上下左右的四根光纤的位移和应力等信息进行实时监测,一旦变形或者位移信息超过允许值会将该信息及时反馈至数据采集终端;
光纤32,监测过程中使用;
参见图12所示的同位素收集***的设置示意图,具体包含有如下内容:
植树预挖坑33,植树前预先开挖形成的坑洞,后期将树苗放入该洞坑中;
树苗根系***34,该***中包括了树苗的根系***以及部分泥土,泥土为树苗的初期生长提供养分;
树干***35;
同位素收集***36。
需要说明的问题:本申请应用实例中的分布式光纤在树的根系***中布设时在前期植树过程中进行布设,分布式光线***以一定的比例包裹在根系的外侧,该预定的比例主要指光纤的长度,可以有效保护光纤在树木生长过程中不被拉断破坏。同位素监测***在植树过程中进行布设,在根系外侧及周围一定范围内均进行设置,后期进行同位素迁移监测,与植物健康生长监测***共同确定植物对盐分的吸收情况。
本申请应用实例的突出优越性是将生物学或者生态学的相关理论与岩土工程相结合,实现了学科交叉,并且简单易学,对于一线工程技术人员能够很快上手,对于防灾减灾工作发挥着举足轻重的作用。权利要求中请将植物根系的植物生理学的相关内容融入本申请应用实例的权利要求中,以凸显技术的优越性。
本领域内的技术人员应明白,本发明的实施例可提供为方法、装置、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (12)
1.滑坡风险识别方法,其特征在于,包括:
采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;
根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
2.根据权利要求1所述的滑坡风险识别方法,其特征在于,还包括:
基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别;
若存在至少一个辅助滑坡识别对应的辅助识别结果显示所述滑坡风险区域已发生滑坡,则将该滑坡风险区域确认为滑坡区域。
3.根据权利要求2所述的滑坡风险识别方法,其特征在于,所述基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别,包括:
向预埋在所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域内的光纤发送信号采集指令;
若在预设时间内未接收到所述光纤采集到的光纤信号,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
4.根据权利要求2所述的滑坡风险识别方法,其特征在于,所述基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别,包括:
采集所述目标树木的根部同位素含量;
根据滴灌在目标树木的根部土壤的同位素营养液中的同位素总含量、所述根部同位素含量、所述主冠和侧枝各自的同位素含量,判断所述同位素营养液是否被所述目标树木的枝干和树冠吸收,若否,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
5.根据权利要求2所述的滑坡风险识别方法,其特征在于,所述基于所述目标树木的非树冠区域对所述滑坡风险区域进行辅助滑坡识别,包括:
采集所述滑坡风险区域的图像数据;
若所述图像数据显示所述滑坡风险区域的地表和/或植物出现损伤,则生成用于显示所述滑坡风险区域已发生滑坡的辅助滑坡识别结果。
6.根据权利要求1所述的滑坡风险识别方法,其特征在于,所述根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域,包括:
获取所述主冠和侧枝各自的同位素含量之间的区别值,其中,该区别值包括差值或比值;
判断所述区别值是否大于预设的主根损伤阈值,若是,则将所述目标土壤区域识别为滑坡风险区域。
7.根据权利要求2至5任一项所述的滑坡风险识别方法,其特征在于,还包括:
输出用于表示将所述滑坡风险区域确认为滑坡区域的告警信息;
和/或,向设置在所述滑坡风险区域内的告警设备发送告警指令,以使该告警设备启动并进行告警。
8.滑坡风险识别装置,其特征在于,包括:
同位素采集模块,用于采集种植在目标土壤区域中且根部土壤滴灌有同位素营养液的目标树木的主冠和侧枝各自的同位素含量;
滑坡识别模块,用于根据所述主冠和侧枝各自的同位素含量判断所述目标树木的主根是否发生损伤,若是,则将所述目标土壤区域识别为滑坡风险区域。
9.电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的滑坡风险识别方法。
10.计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现权利要求1至7任一项所述的滑坡风险识别方法。
11.滑坡风险识别***,其特征在于,包括:同位素采集检测装置以及权利要求9所述的电子设备;
所述同位素采集检测装置固定设置在所述目标树木上,且与所述电子设备之间通信连接,以将采集的所述目标树木的主冠和侧枝各自的同位素含量发送至所述电子设备。
12.根据权利要求11所述的滑坡风险识别***,其特征在于,还包括:与所述电子设备之间通信连接的用于对所述滑坡风险区域进行辅助滑坡识别的光纤、同位素收集装置和图像采集装置中的至少一个;
所述光纤预埋在所述滑坡风险区域所在地表与所述目标树木的根部之间的土壤区域内,用于根据所述电子设备发送的信号采集指令采集光纤信号;
所述同位素收集装置预埋在所述目标树木的根部,用于将采集的所述目标树木的根部同位素含量发送至所述电子设备;
所述图像采集装置固定安装在所述滑坡风险区域的上方,用于将采集的所述滑坡风险区域的图像数据发送至所述电子设备。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936765.6A CN113624138B (zh) | 2021-08-16 | 2021-08-16 | 滑坡风险识别方法、装置、电子设备、存储介质及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110936765.6A CN113624138B (zh) | 2021-08-16 | 2021-08-16 | 滑坡风险识别方法、装置、电子设备、存储介质及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113624138A true CN113624138A (zh) | 2021-11-09 |
CN113624138B CN113624138B (zh) | 2024-02-27 |
Family
ID=78385608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110936765.6A Active CN113624138B (zh) | 2021-08-16 | 2021-08-16 | 滑坡风险识别方法、装置、电子设备、存储介质及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113624138B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236617A (zh) * | 2007-02-02 | 2008-08-06 | 李军杰 | 学生识字量快速统计评估技术方案 |
JP2009007914A (ja) * | 2007-06-28 | 2009-01-15 | Dai Mineyama | 法面崩壊や地滑り等を予測する方法及び装置 |
CN103735453A (zh) * | 2013-12-21 | 2014-04-23 | 姜波 | 一种养生型草本植物染发剂 |
CN107516401A (zh) * | 2017-08-02 | 2017-12-26 | 深圳市盛路物联通讯技术有限公司 | 一种山体滑坡监测方法和*** |
US20200400550A1 (en) * | 2019-06-20 | 2020-12-24 | Dalian University Of Technology | Measurement Sensor And Measurement Method For Measuring Bond-Slip At Steel-Concrete Interface |
CN216920379U (zh) * | 2021-07-22 | 2022-07-08 | 镇江智路交通科技有限公司 | 一种用于滑坡预警的智能锚杆 |
CN115014432A (zh) * | 2022-05-10 | 2022-09-06 | 桂林理工大学 | 基于多发育因子获取与融合分析的滑坡早期预警监测方法 |
-
2021
- 2021-08-16 CN CN202110936765.6A patent/CN113624138B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236617A (zh) * | 2007-02-02 | 2008-08-06 | 李军杰 | 学生识字量快速统计评估技术方案 |
JP2009007914A (ja) * | 2007-06-28 | 2009-01-15 | Dai Mineyama | 法面崩壊や地滑り等を予測する方法及び装置 |
CN103735453A (zh) * | 2013-12-21 | 2014-04-23 | 姜波 | 一种养生型草本植物染发剂 |
CN107516401A (zh) * | 2017-08-02 | 2017-12-26 | 深圳市盛路物联通讯技术有限公司 | 一种山体滑坡监测方法和*** |
US20200400550A1 (en) * | 2019-06-20 | 2020-12-24 | Dalian University Of Technology | Measurement Sensor And Measurement Method For Measuring Bond-Slip At Steel-Concrete Interface |
CN216920379U (zh) * | 2021-07-22 | 2022-07-08 | 镇江智路交通科技有限公司 | 一种用于滑坡预警的智能锚杆 |
CN115014432A (zh) * | 2022-05-10 | 2022-09-06 | 桂林理工大学 | 基于多发育因子获取与融合分析的滑坡早期预警监测方法 |
Non-Patent Citations (1)
Title |
---|
侯逸民: "《威力无比的原子》", pages: 170 * |
Also Published As
Publication number | Publication date |
---|---|
CN113624138B (zh) | 2024-02-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tiwari et al. | MGNREGA for environmental service enhancement and vulnerability reduction: rapid appraisal in Chitradurga district, Karnataka | |
CN105325226A (zh) | 条带状活植物栅栏式沙障防护体系建植方法 | |
CN202587914U (zh) | 古树名木生长监测装置 | |
CN104635694A (zh) | 一种智能农业预警*** | |
CN110942039A (zh) | 一种主要农作物高温灾害遥感监测预报***及方法 | |
CN102135501B (zh) | 一种深根植物骆驼刺根系生长过程的观测方法 | |
CN110533258B (zh) | 一种稻麦轮作农田涝渍预警评估方法及*** | |
CN106613713A (zh) | 一种酿酒葡萄越冬的栽培方法 | |
CN110553980A (zh) | 基于多源遥感数据的石漠化治理成效多指标监测评价方法 | |
CN104798666A (zh) | 果园林带智能化渗浇灌溉*** | |
CN114333247B (zh) | 一种灾害检测预警*** | |
CN116228041A (zh) | 一种废弃矿山生态修复后碳指标计算方法 | |
Cayuela et al. | An ICT-based decision support system for precision irrigation management in outdoor orange and greenhouse tomato crops | |
KR20190027223A (ko) | 생태환경 연구 시스템 및 그 방법 | |
Mook-Kamps et al. | Palynological investigations in the northern Netherlands (the Drenthe Plateau) | |
CN114303805A (zh) | 一种利用草原原生植物种子库复垦露天矿排土场的方法 | |
CN113624138A (zh) | 滑坡风险识别方法、装置、电子设备、存储介质及*** | |
Sanromualdo Collado et al. | Coastal Dune Restoration in El Inglés Beach (Gran Canaria, Spain): A Trial Study | |
Laurila et al. | Set-up and instrumentation of the greenhouse gas measurements on experimental sites of continuous cover forestry | |
CN116757510A (zh) | 一种园林绿化工程项目智能管理*** | |
CN104160896B (zh) | 一种公路施工期占地界内的植被保护方法 | |
CN207974125U (zh) | 膨胀土边坡智能预警及防护*** | |
CN109565995A (zh) | 一种干旱河谷工程体开挖边坡的植被恢复方法 | |
CN113701814A (zh) | 一种灌区用水调度用水量监测***及使用方法 | |
CN102301937A (zh) | 一种多年生深根植物根系生长的控制灌溉诱导方法 |
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 |