CN116580532A - 一种基于雷达遥感技术的地质灾害预警*** - Google Patents
一种基于雷达遥感技术的地质灾害预警*** Download PDFInfo
- Publication number
- CN116580532A CN116580532A CN202310444644.9A CN202310444644A CN116580532A CN 116580532 A CN116580532 A CN 116580532A CN 202310444644 A CN202310444644 A CN 202310444644A CN 116580532 A CN116580532 A CN 116580532A
- Authority
- CN
- China
- Prior art keywords
- data
- disaster
- remote sensing
- geological
- geological disaster
- 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
- 238000005516 engineering process Methods 0.000 title claims abstract description 24
- 238000012544 monitoring process Methods 0.000 claims abstract description 87
- 238000011156 evaluation Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000007405 data analysis Methods 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 15
- 238000011835 investigation Methods 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 7
- 238000012876 topography Methods 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 5
- 230000006698 induction Effects 0.000 claims description 5
- 230000035945 sensitivity Effects 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 4
- 238000012790 confirmation Methods 0.000 claims description 3
- 230000004927 fusion Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000002265 prevention Effects 0.000 abstract description 8
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 230000009467 reduction Effects 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000001939 inductive effect Effects 0.000 description 3
- 238000012502 risk assessment Methods 0.000 description 3
- 238000012351 Integrated analysis Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005305 interferometry Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012847 principal component analysis method Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 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
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于雷达遥感技术的地质灾害预警***,属于地质灾害监测技术领域。该***包括数据采集模块、数据处理模块、数据分析模块、灾害评估模块和预警监测模块。数据采集模块用以获取地质灾害监测所需的各类数据;数据处理模块用以对多时相遥感影像数据进行预处理、时序InSAR处理和智能解译等操作;数据分析模块用以整合天‑空‑地多源监测数据以分析反映地质灾害的分布特征和灾害程度;灾害评估模块用以对重点区域隐患点进行风险评价;预警监测模块用以对重点区域开展实时动态监测预警;本发明整合了天‑空‑地一体化的监测手段,实现了监测手段更灵活性、时效性,监测结果更准确性、可靠性,为相关部门开展防灾减灾救灾工作提供科学依据。
Description
技术领域
本发明属于地质灾害监测技术领域,具体涉及一种基于雷达遥感技术的地质灾害预警***。
背景技术
中国山地丘陵区约占国土面积的65%,地质条件复杂,构造活动频繁,崩塌、滑坡、泥石流等突发性地质灾害点多面广、防范难度大。
这些导致灾难性后果的地质灾害70%以上都不在已知的地质灾害隐患点范围内,其主要原因在于:灾害源区地处大山中上部,多数区域人迹罕至,且被植被覆盖,具有高位、隐蔽性特点,传统的人工排查和群测群防在此类灾害面前已无能为力,传统手段很难提前发现此类灾害隐患。因此,如何提前发现和有效识别出重大地质灾害的潜在隐患并加以主动防控,已成为近期地质灾害防治领域集中关注的焦点和难点。遥感技术具有获取信息快速、周期短、信息量大、受条件限制少等特点,特别是合成孔径雷达遥感技术可以探测毫米级地表形变,在地质灾害预警监测工作中具有传统手段不可比拟的优势。利用遥感技术可快速获取目标区域的遥感影像数据,通过分析处理,可全面地掌握灾害情况、灾害发展变化趋势、灾害损失概况等信息,为行政指挥决策和灾害损失评估提供数据支撑,是完成减灾救灾工作的重要技术手段。
诱发地质灾害的原因并不只是自然因素,还包括人为因素,而且地质灾害的发生是有规可循的,重点监测地质灾害点的情况,科学预测地质灾害的发生概率以及在发生地质灾害以后快速报警,能够最大程度地挽救人民群众的损失。在此背景下,充分利用现代科技力量,综合多学科的理论知识,联合多部门设计开发地质灾害监测预警***,对重点地质灾害区域进行全天候监控。一旦发现发生地质灾害的隐患,立即做出告警,从而尽早制定抢险救灾方案,尽力减少地质灾害的损失,最大程度地保护人们群众的生命财产安全。
目前,地质灾害的预警常通过实地踏勘的方式,该方法不仅耗时费力、成本高,且难以满足大面积地质灾害动态调查的需要,尤其是难以获取发生在交通落后的高山峡谷、高海拔、高寒等地质环境复杂地区的地质灾害信息;此外还有单纯基于合成孔径雷达技术或高分辨率遥感技术的地质灾害预警,该方法基于单个技术难以获取精确的灾害信息,监测结果具有片面性和不可靠性;基于此,本发明通过构建天-空-地一体化的“三查”体系进行重大地质灾害隐患的早期识别,再通过专业监测,在掌握地质灾害动态发展规律和特征的基础上,进行地质灾害的实时预警预报,以此破解“隐患点在哪里”“什么时候可能发生”这一地质灾害防治领域的难题和国家急切需求。
发明专利内容
有鉴于此,本发明专利基于天-空-地一体化的“三查”体系,建设了一种基于雷达遥感技术的地质灾害预警***。该***融合了光学遥感、合成孔径雷达、无人机、激光雷达、地面物联传感等技术,结合了相关预警监测模型,建立分级综合预警体系,并利用地质灾害实时监测预警***,逐步实现地质灾害监测预警的实用化和业务化运行,具有较高的科学意义及实用价值。
本发明专利采用的技术方案如下:
一种基于雷达遥感技术的地质灾害预警***,包括数据采集模块、数据处理模块、数据分析模块、灾害评估模块和预警监测模块。
所述数据采集模块用以获取目标区域地质灾害监测所需的天基数据、空基数据、地基数据及相关数据,所述天基数据包括合成孔径雷达遥感影像数据、高分辨率遥感影像数据,所述相关数据包括地面高程数据、地形数据、气象数据,所述空基数据包括无人机数据、激光雷达数据,所述地基数据包括地面物联传感器监测数据。
所述数据处理模块用以对数据采集模块获取的天基数据、空基数据、地基数据进行数据处理,获得目标区域的遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果。
所述数据分析模块用以结合遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果、地面高程数据、地形数据、气象数据,并进行空间叠加分析、缓冲区分析、三维模型分析,得到地质灾害特征,并提取重点区域地质灾害隐患点。
所述灾害评估模块采用定性风险评价方法,在地质灾害发生前对重点区域地质灾害隐患点进行风险评价,获得重点区域地质灾害风险等级评估结果;以及在地质灾害发生后通过对比分析灾前高分辨率遥感影像数据、灾后无人机影像,结合地理国情普查数据,融合灾后评估模型对受灾区域进行快速评估。
所述预警监测模块结合重点区域地质灾害风险等级评估结果对重点区域地质灾害隐患点开展实时动态监测,通过气象数据、地面物联传感器监测数据结合地灾预警模型来反映灾情的状态,接收灾害预警信息,并根据预警信息生成地质灾害影响等级。
该技术方案中,灾害评估模块中,地质灾害发生后对受灾区域评估时效性要求较高,天基遥感影像数据不能及时获取,而无人机数据可操控性较强时效性较高,因此采用灾前高分辨率遥感影像数据和灾后无人机数据进行对比分析,能够对受灾区域进行精确快速评估。
进一步的,所述数据处理模块对获取数据的处理过程包括:
遥感影像监测成果获取模块:对合成孔径雷达遥感影像数据和高分辨率遥感影像数据进行大气校正、辐射校正、几何校正、影像镶嵌裁剪、影像融合预处理;对预处理后的合成孔径雷达遥感影像进行时序InSAR处理得到目标区域地表形变结果,对高分辨率遥感影像进行智能解译操作得到地质灾害解译结果;
无人机和激光雷达监测成果获取模块:对无人机数据和激光雷达数据进行数据处理并生成目标区域三维模型;
地面物联传感器监测成果获取模块:根据地面物联传感器监测的地质参数数据处理获取目标区域土壤湿度、土壤压力、地表植被覆盖状况、松散堆积物的厚度及分布等结果。
进一步的,所述数据分析模块用以结合遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果、地面高程数据、地形数据、气象数据,并进行空间叠加分析、缓冲区分析、三维模型分析,得到地质灾害特征,并提取重点区域地质灾害隐患点主要包括以下步骤:
步骤1:根据合成孔径雷达遥感影像处理所得地表形变结果和高分辨率遥感影像智能解译结果对目标区域地质灾害隐患进行大范围普查,初步确定地质灾害隐患点;
步骤2:利用无人机数据和激光雷达数据对初步确定的地质灾害隐患点进行小范围详查,结合目标区域三维模型进行灾害特征识别、确认,进一步确定地质灾害隐患点,分析评价其稳定性、危害性和发展趋势;
步骤3:结合地面物联传感器实时监测数据对步骤2确定的地质灾害隐患点进行地面核查,通过空间叠加分析、缓冲区分析、三维模型分析等技术,精确分析地质灾害隐患点的灾害特征、成因、范围和影响后果,分析判断其发育程度,并提取重点区域地质灾害隐患点。
进一步的,所述预警监测模块主要包括:基于处理分析评估所得的地质灾害隐患重点区域,结合气象数据、地面实时监测数据对重点区域开展灾害预警监测工作,根据预测报警模型,综合地质灾害敏感性指数和降雨诱发指数,结合预先设定的报警阈值对地质灾害的发生等级进行预测,利用地质灾害预测报警模型对地质灾害点的地质构造、地形地貌、主要隐患以及发生地质灾害的概率等进行分析和估计,根据分析结果发出预警;
进一步的,所述大范围普查主要包括:通过收集目标区域合成孔径雷达遥感影像、合成孔径雷达遥感影像参数、合成孔径雷达遥感影像轨道信息,进行合成孔径雷达遥感影像数据选取、处理和结果分析,获取隐患点地表形变特征筛查,初步筛查确认形变特征明显的隐患点位;
同时,搜集隐患段近3~5年高分辨率遥感图像,对高分遥感影像进行地质灾害智能解译,结合InSAR形变监测结果,初步筛查确认明显存在地质灾害的隐患点。
进一步的,所述地质灾害预警模型具体构建方法为:
首先把预报区域地图细分成多个1km×1km的单元格,分别求算出各个单元格的地质灾害敏感性指数Z以及降雨诱发指数R,由此确定预测报警指数H,即可对发生地质灾害的概率进行预测。预测报警指数H的算式如下:
H=Z×R
结合气象数据和预测报警指数进行叠加分析,由此建立地质灾害预测预警模型。地质灾害发生等级集预警颜色,按照轻中程度,依次设定为蓝色、绿色、黄色、橙色和红色列;
综上所述,与现有技术相比,本发明的有益效果是:
本发明先通过数据采集模块获取天基、空基、地基等数据,利用数据处理模块对采集数据进行处理,通过数据分析模块对天-空-地数据进行整合分析,从而得到重点区域地质灾害隐患点,基于灾害评估模块和预警监测模块分别可对重点区域地质灾害隐患点进行灾前预警和灾后评估,为地质灾害防范和应急救援提供科学支撑。本发明整合了天-空-地一体化的监测手段,进行重大地质灾害隐患的早期识别,再通过专业监测,在掌握地质灾害动态发展规律和特征的基础上,进行地质灾害的实时预警预报,以此破解“隐患点在哪里”“什么时候可能发生”这一地质灾害防治领域的难题和国家急切需求。天基遥感数据具有监测范围广、数据量丰富的优势,空基无人机和激光雷达数据具有时效性好、精度高等优势,地基地面传感器监测数据具有实时动态更新等优势,因此本发明整合天-空-地的监测方式,实现了监测手段更灵活性、时效性,监测结果更准确性、可靠性;并结合了相关预警监测模型,建立分级综合预警体系,逐步实现地质灾害监测预警的实用化和业务化运行,具有较高的科学意义及实用价值。
附图说明
本发明将通过例子并参照附图的方式说明,其中:
图1是本发明地质灾害预警***的结构示意图;
图2是本发明地质灾害预警***的业务流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和出示的本申请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申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,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,都属于本申请保护的范围。
实施例
本发明实施例中公开了一种基于雷达遥感技术的地质灾害预警***,下面结合图1-图2对本发明详细说明。
一种基于雷达遥感技术的地质灾害预警***,包括数据采集模块、数据处理模块、数据分析模块、灾害评估模块和预警监测模块;
所述数据采集模块用以获取目标区域地质灾害监测所需的天基数据、空基数据、地基数据及相关数据,所述天基数据包括合成孔径雷达遥感影像数据、高分辨率遥感影像数据,所述相关数据包括地面高程数据、地形数据、气象数据,所述空基数据包括无人机数据、激光雷达数据,所述地基数据包括地面物联传感器监测数据;
所述数据处理模块用以对数据采集模块获取的天基数据、空基数据、地基数据进行数据处理,获得目标区域的遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果;
所述数据分析模块用以结合遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果、地面高程数据、地形数据、气象数据,并进行空间叠加分析、缓冲区分析、三维模型分析,得到地质灾害特征,并提取重点区域地质灾害隐患点;
所述灾害评估模块采用定性风险评价方法,在地质灾害发生前对重点区域地质灾害隐患点进行风险评价,获得重点区域地质灾害风险等级评估结果;以及在地质灾害发生后通过对比分析灾前高分辨率遥感影像数据、灾后无人机影像,结合地理国情普查数据,融合灾后评估模型对受灾区域进行快速评估;
所述预警监测模块结合重点区域地质灾害风险等级评估结果对重点区域地质灾害隐患点开展实时动态监测,通过气象数据、地面物联传感器监测数据结合地灾预警模型来反映灾情的状态,接收灾害预警信息,并根据预警信息生成地质灾害影响等级。
本实施例中,所述数据采集模块主要包括天-空-地等数据获取;其中,天基包括合成孔径雷达遥感影像和高分辨率光学遥感影像数据获取;空基包括无人机倾斜摄影测量数据、激光雷达数据获取;地基包括地面物联传感器实时监测数据;此外还包括地面高程模型数据、气象数据、地形数据、基础地理信息等数据的获取;其中合成孔径雷达影像为C波段的哨兵一号影像数据,高分辨率光学遥感影像数据空间分辨率优于1m;
本实施例中,所述数据处理模块对获取数据的处理过程包括:对目标区域遥感影像进行大气校正、辐射校正、几何校正、影像镶嵌裁剪、影像融合等预处理;对预处理后的影像进行时序InSAR处理和智能解译操作,获得目标区域大范围地表形变结果和地灾解译结果;根据无人机数据和激光雷达数据生成重点区域三维模型,根据地面物联传感设备监测的地质参数数据处理获取重点区域土壤湿度、土壤压力、地表植被覆盖状况、松散堆积物的厚度及分布等结果;
本实施例中,对预处理后的合成孔径雷达影像主要采用差分干涉测量短基线集时序分析技术(Small Baseline Subset InSAR,SBAS-InSAR)进行时序InSAR处理,处理过程中利用哨兵一号影像轨道参数文件去除参考椭球体相位,利用数字高程模型去除地形相位,并结合时空域滤波去除噪声和大气相位,通过时序解算获得目标区域地表形变相位;
本实施例中,所述数据分析模块主要包括以下步骤:
步骤1:首先借助InSAR处理所得地表形变结果和光学遥感解译结果识别确定历史上曾经发生过明显变形破坏和正在变形的区域,实现对重大地质灾害隐患区域性、扫面性的普查;
步骤2:随后,借助于机载LiDAR和无人机航拍,对地质灾害高风险区、隐患集中分布区或重大地质灾害隐患点的地形地貌、地表变形破坏迹象乃至岩体结构等进行详细调查,实现对重大地质灾害隐患的详查,进行灾害特征识别、确认,初步分析评价其稳定性、危害性和发展趋势;
步骤3:最后,通过地面调查复核以及地表和斜坡内部的观测,甄别并确认或排除普查和详查结果,实现对重大地质灾害隐患的核查,通过空间叠加分析、缓冲区分析、三维模型分析等技术,精确分析地灾隐患点的灾害特征、成因、范围和影响后果,并分析判断其发育程度;
本实施例中,所述灾害评估模块主要包括:考虑重点区域地质灾害隐患点的易发性、易损性和失效后果,采用定性风险评价方法,对重点区域隐患点进行风险评价,给出更具体的风险状况评估;同时,灾害发生后,结合灾前高分辨率遥感影像、无人机数据和评估模型,对地质灾害规模、受灾人口、道路桥梁房屋等受灾情况进行快速评估;
本实施例中,所述预警监测模块可实现动态监测地质灾害点的降雨量信息和地质形变信息和土壤参数等信息,参照历史数据来设定地质灾害报警阈值,如果综合分析结果超出了阈值,则立即向相关部门发出预警信息,并以地图展示的形式来指出地质灾害点的空间位置;具体***业务流程如图2所示;
预警监测模块利用地质灾害预测报警模型对地质灾害点的地质构造、地形地貌、主要隐患以及发生地质灾害的概率等进行分析和估计,根据分析结果发出预警。具体步骤为:
步骤1:数据收集:地质灾害监测预警***全面采集地质灾害点的关键信息,包括降雨量信息、地质灾害诱因信息、地质地形地貌特征等,然后利用主成分分析法对以上数据进行整合分析,根据分析结果确定各项因素的影响效力,最后统一设定各项因素的影响权重,并且确定诱发地质灾害的主要因素;
步骤2:危险性评估:地质灾害监测预警***综合分析降雨量信息及其他地质灾害诱因信息,从而做出地质灾害的危险性评估。危险性评估的流程是划分基础单元格、对单元格地质因子进行运算、获取决策支持,具体列述如下:
第1步:划分评价单元格。利用栅格划分方法将行政区划图细分为2km×2km的评价单元格。地质灾害的发生概率及严重程度主要受到降雨量、地质条件等因素的影响。在划出多个评价网格以后,综合分析每个评价单元格内的致灾因素,结合地质灾害预测报警模型确定各个评价单元格的等级,并绘制出与其等级相对应的颜色,由此能够明晰地判定各个评价单元格的预测结果。
第2步:对各个单元格的地质因子进行运算。结合地质灾害的常见诱因,本实施例***纳入了6项主要致灾因素,包括降雨量、地形地貌、人类工程活动、地层岩性、表土层厚度、地质构造,其中,通过气象局获取降雨量信息,从建设局官网上下载人类工程活动信息,其余四项指标根据相应的属性条件进行确定。降雨量是诱发地质灾害的主要因素,降雨量的危险性等级在一定程度上决定了地质灾害的发生概率,对此,综合分析各评价单元格的临界有效降雨量和有效降雨量,通过对比即可确定各个单元格的降雨量危险性等级。最后,对地质灾害敏感性指数和降雨诱发指数进行综合分析,由此确定不同地区发生地质灾害的概率及等级。
第3步:获取决策支持。根据运算结果,调用地质灾害预警预测模型对各评价单元格涂抹上与其预警等级相对应的颜色,能够直观地呈现预警结果。结合预先设定的报警阈值对地质灾害的发生等级进行预测、分析和估计,根据分析结果发出预警,职能部门根据预警等级制定适配的应急处置方案,针对高风险等级的地区尽快实施有效的防治措施。
本实施例中,所述地质灾害预警模型具体构建方法为:
首先把预报区域地图细分成多个1km×1km的单元格,分别求算出各个单元格的地质灾害敏感性指数Z以及降雨诱发指数R,由此确定预测报警指数H,即可对发生地质灾害的概率进行预测。预测报警指数H的算式如下:
H=Z×R
利用地理信息***对气象数据和预警报警指数执行叠加分析,由此建立地质灾害预测预警模型。地质灾害发生等级集预警颜色,按照轻中程度,依次设定为蓝色、绿色、黄色、橙色和红色列;
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。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (6)
1.一种基于雷达遥感技术的地质灾害预警***,其特征在于,包括数据采集模块、数据处理模块、数据分析模块、预警监测模块和灾害评估模块;
所述数据采集模块用以获取目标区域地质灾害监测所需的天基数据、空基数据、地基数据及相关数据,所述天基数据包括合成孔径雷达遥感影像数据、高分辨率遥感影像数据,所述相关数据包括地面高程数据、地形数据、气象数据,所述空基数据包括无人机数据、激光雷达数据,所述地基数据包括地面物联传感器监测数据;
所述数据处理模块用以对数据采集模块获取的天基数据、空基数据、地基数据进行数据处理,获得目标区域的遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果;
所述数据分析模块用以结合遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果、地面高程数据、地形数据、气象数据,并对其进行空间叠加分析、缓冲区分析、三维模型分析,得到地质灾害特征,并提取重点区域地质灾害隐患点;
所述灾害评估模块采用定性风险评价方法,在地质灾害发生前对重点区域地质灾害隐患点进行风险评价,获得重点区域地质灾害风险等级评估结果;在地质灾害发生后通过对比分析灾前高分辨率遥感影像数据、灾后无人机影像,结合地理国情普查数据,融合灾后评估模型对受灾区域进行快速评估;
所述预警监测模块结合重点区域地质灾害风险等级评估结果对重点区域地质灾害隐患点开展实时动态监测,通过气象数据、地面物联传感器监测数据结合地灾预警模型来反映灾情的状态,接收灾害预警信息,并根据预警信息生成地质灾害影响等级。
2.根据权利要求1所述的一种基于雷达遥感技术的地质灾害预警***,其特征在于,所述数据处理模块具体包括:
遥感影像监测成果获取模块:对合成孔径雷达遥感影像数据和高分辨率遥感影像数据进行大气校正、辐射校正、几何校正、影像镶嵌裁剪、影像融合预处理;对预处理后的合成孔径雷达遥感影像进行时序InSAR处理得到目标区域地表形变结果,对高分辨率遥感影像进行智能解译操作得到地质灾害解译结果;
无人机和激光雷达监测成果获取模块:对无人机数据和激光雷达数据进行数据处理并生成目标区域三维模型;
地面物联传感器监测成果获取模块:根据地面物联传感器监测的地质参数数据处理获取目标区域土壤湿度、土壤压力、地表植被覆盖状况、松散堆积物的厚度及分布等结果。
3.根据权利要求2所述的一种基于雷达遥感技术的地质灾害预警***,其特征在于,所述数据分析模块用以结合遥感影像监测成果、无人机和激光雷达监测成果、地面物联传感器监测成果、地面高程数据、地形数据、气象数据,并进行空间叠加分析、缓冲区分析、三维模型分析,得到地质灾害特征,并提取重点区域地质灾害隐患点主要包括以下步骤:
步骤1:根据合成孔径雷达遥感影像处理所得地表形变结果和高分辨率遥感影像智能解译结果对目标区域地质灾害隐患进行大范围普查,初步确定地质灾害隐患点;
步骤2:利用无人机数据和激光雷达数据对初步确定的地质灾害隐患点进行小范围详查,结合目标区域三维模型进行灾害特征识别、确认,进一步确定地质灾害隐患点,分析评价其稳定性、危害性和发展趋势;
步骤3:结合地面物联传感器实时监测数据对步骤2确定的地质灾害隐患点进行地面核查,通过空间叠加分析、缓冲区分析、三维模型分析等技术,精确分析地质灾害隐患点的灾害特征、成因、范围和影响后果,分析判断其发育程度,并提取重点区域地质灾害隐患点。
4.根据权利要求3所述的一种基于雷达遥感技术的地质灾害预警***,其特征在于,所述通过气象数据、地面物联传感器监测数据结合地灾预警模型来反映灾情的状态具体包括:根据气象数据、地面物联传感器监测数据结合地灾预警模型对地质灾害点的地质构造、地形地貌、主要隐患、灾害等级以及发生地质灾害的概率等进行分析和估计,根据分析结果发出预警。
5.根据权利要求4所述的一种基于雷达遥感技术的地质灾害预警***,其特征在于,所述大范围普查主要包括:
通过收集目标区域合成孔径雷达遥感影像、合成孔径雷达遥感影像参数、合成孔径雷达遥感影像轨道信息,进行合成孔径雷达遥感影像数据选取、处理和结果分析,获取隐患点地表形变特征筛查,初步筛查确认形变特征明显的隐患点位;
搜集目标区域高分辨率遥感影像,对高分辨率遥感影像进行地质灾害智能解译,结合形变监测结果,初步筛查确认明显存在地质灾害的隐患点。
6.根据权利要求5所述的一种基于雷达遥感技术的地质灾害预警***,其特征在于,所述地质灾害预警模型具体构建方法为:
步骤1:首先把目标区域细分成多个1km×1km的单元格,分别求算出各个单元格的地质灾害敏感性指数Z以及降雨诱发指数R,由此确定预测报警指数H,即可对发生地质灾害的概率进行预测,预测报警指数H的算式如下:
H=Z×R
步骤2:结合气象数据和预测报警指数,建立地质灾害预测预警模型;地质灾害发生等级预警颜色,按照轻中程度,依次设定为蓝色、绿色、黄色、橙色和红色列。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444644.9A CN116580532A (zh) | 2023-04-20 | 2023-04-20 | 一种基于雷达遥感技术的地质灾害预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444644.9A CN116580532A (zh) | 2023-04-20 | 2023-04-20 | 一种基于雷达遥感技术的地质灾害预警*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116580532A true CN116580532A (zh) | 2023-08-11 |
Family
ID=87538726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310444644.9A Pending CN116580532A (zh) | 2023-04-20 | 2023-04-20 | 一种基于雷达遥感技术的地质灾害预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116580532A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116797030A (zh) * | 2023-08-25 | 2023-09-22 | 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) | 地质监测预警方法、***、计算机设备及存储介质 |
CN116975576A (zh) * | 2023-09-19 | 2023-10-31 | 四川省公路规划勘察设计研究院有限公司 | 基于关键信息统计的山区公路地质灾害危险性评价方法 |
CN117093842A (zh) * | 2023-08-31 | 2023-11-21 | 四川省公路规划勘察设计研究院有限公司 | 一种地质变形体上病险桥梁监测需求评估方法及*** |
CN117475314A (zh) * | 2023-12-28 | 2024-01-30 | 自然资源部第三地理信息制图院 | 一种地质灾害隐患立体识别方法、***及介质 |
CN117764402A (zh) * | 2024-02-22 | 2024-03-26 | 山东光合云谷大数据有限公司 | 一种地质灾害信息处理*** |
CN117893382A (zh) * | 2024-03-13 | 2024-04-16 | 天津市地质研究和海洋地质中心 | 基于多元特征融合的地质灾害风险评价方法及*** |
CN118114992A (zh) * | 2024-04-28 | 2024-05-31 | 泰安市金土地测绘整理有限公司 | 一种遥感卫星地质灾害预警方法 |
CN118171918A (zh) * | 2024-05-14 | 2024-06-11 | 成都航空职业技术学院 | 一种基于多源数据的空天地滑坡监测方法和*** |
CN118171918B (zh) * | 2024-05-14 | 2024-07-30 | 成都航空职业技术学院 | 一种基于多源数据的空天地滑坡监测方法和*** |
-
2023
- 2023-04-20 CN CN202310444644.9A patent/CN116580532A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116797030A (zh) * | 2023-08-25 | 2023-09-22 | 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) | 地质监测预警方法、***、计算机设备及存储介质 |
CN117093842B (zh) * | 2023-08-31 | 2024-03-19 | 四川省公路规划勘察设计研究院有限公司 | 一种地质变形体上病险桥梁监测需求评估方法及*** |
CN117093842A (zh) * | 2023-08-31 | 2023-11-21 | 四川省公路规划勘察设计研究院有限公司 | 一种地质变形体上病险桥梁监测需求评估方法及*** |
CN116975576B (zh) * | 2023-09-19 | 2024-01-05 | 四川省公路规划勘察设计研究院有限公司 | 基于关键信息统计的山区公路地质灾害危险性评价方法 |
CN116975576A (zh) * | 2023-09-19 | 2023-10-31 | 四川省公路规划勘察设计研究院有限公司 | 基于关键信息统计的山区公路地质灾害危险性评价方法 |
CN117475314A (zh) * | 2023-12-28 | 2024-01-30 | 自然资源部第三地理信息制图院 | 一种地质灾害隐患立体识别方法、***及介质 |
CN117475314B (zh) * | 2023-12-28 | 2024-03-12 | 自然资源部第三地理信息制图院 | 一种地质灾害隐患立体识别方法、***及介质 |
CN117764402A (zh) * | 2024-02-22 | 2024-03-26 | 山东光合云谷大数据有限公司 | 一种地质灾害信息处理*** |
CN117764402B (zh) * | 2024-02-22 | 2024-05-14 | 山东光合云谷大数据有限公司 | 一种地质灾害信息处理*** |
CN117893382A (zh) * | 2024-03-13 | 2024-04-16 | 天津市地质研究和海洋地质中心 | 基于多元特征融合的地质灾害风险评价方法及*** |
CN117893382B (zh) * | 2024-03-13 | 2024-05-31 | 天津市地质研究和海洋地质中心 | 基于多元特征融合的地质灾害风险评价方法及*** |
CN118114992A (zh) * | 2024-04-28 | 2024-05-31 | 泰安市金土地测绘整理有限公司 | 一种遥感卫星地质灾害预警方法 |
CN118114992B (zh) * | 2024-04-28 | 2024-07-05 | 泰安市金土地测绘整理有限公司 | 一种遥感卫星地质灾害预警方法 |
CN118171918A (zh) * | 2024-05-14 | 2024-06-11 | 成都航空职业技术学院 | 一种基于多源数据的空天地滑坡监测方法和*** |
CN118171918B (zh) * | 2024-05-14 | 2024-07-30 | 成都航空职业技术学院 | 一种基于多源数据的空天地滑坡监测方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116580532A (zh) | 一种基于雷达遥感技术的地质灾害预警*** | |
Cheng et al. | UAV photogrammetry-based remote sensing and preliminary assessment of the behavior of a landslide in Guizhou, China | |
CN110427857B (zh) | 一种基于遥感数据融合的输电线路地质灾害分析方法 | |
CN110858334A (zh) | 道路安全评估方法、装置及道路安全预警*** | |
CN111696310B (zh) | 一种燃气管网空天地立体安全风险防控***和防控方法 | |
CN111625999A (zh) | 一种基于深度学习技术的森林火灾预警模型及*** | |
Womble et al. | Multi-scale remote sensing of tornado effects | |
Ray et al. | Remote sensing approaches and related techniques to map and study landslides | |
CN116011291A (zh) | 一种隧道洞口多源信息融合的边坡稳定性数字化评估平台 | |
KR20190113289A (ko) | 고해상도 위성영상을 활용한 재난피해조사 자동화시스템 | |
CN116363524A (zh) | 一种公路地质灾害高风险区域监测预警方法及装置 | |
Karimzadeh et al. | A deep learning model for road damage detection after an earthquake based on synthetic aperture radar (SAR) and field datasets | |
Karantanellis et al. | 3D hazard analysis and object-based characterization of landslide motion mechanism using UAV imagery | |
CN114048944A (zh) | 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法 | |
CN115936948A (zh) | 一种复合灾害风险预测方法及*** | |
Hernandez et al. | Co-seismic landslide detection after M 7.4 earthquake on June 23, 2020, in Oaxaca, Mexico, based on rapid mapping method using high and medium resolution synthetic aperture radar (SAR) images | |
Lozano et al. | Data collection tools for post-disaster damage assessment of building and lifeline infrastructure systems | |
CN114374716A (zh) | 地质灾害远程监测***及其监测方法 | |
Amatya et al. | Learnings from rapid response efforts to remotely detect landslides triggered by the August 2021 Nippes earthquake and Tropical Storm Grace in Haiti | |
CN118196642A (zh) | 一种地震区滑坡的识别与易发性评价方法 | |
Davis et al. | Post-Hurricane Michael damage assessment using ADCIRC storm surge hindcast, image classification, and LiDAR | |
CN116502748A (zh) | 融合多影响因素的滑坡空间风险性预警决策机制研究方法 | |
Van Westen et al. | National Scale Landslide Susceptibility Assessment for Saint Lucia | |
CN114239379A (zh) | 一种基于形变检测的输电线路地质灾害分析方法及*** | |
Tubog et al. | Landslide susceptibility modeling derived from remote sensing, multi-criteria decision analysis, and GIS techniques: A case study in the Southeast Bohol Province, Philippines |
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 |