共查询到20条相似文献,搜索用时 140 毫秒
1.
对城市中河流滑坡进行变形监测与分析掌握滑坡体形变规律,是滑坡安全性评估的重要手段。针对南宁邕江柳沙半岛滑坡灾后加固过程中稳定性,采用GBInSAR技术对该滑坡进行连续高精度变形监测,同时结合时间序列分析方法获取了该滑坡体的二维形变时间序列图以及特征点的形变时间序列。变形监测与分析结果表明,滑坡体上的加固带处已基本稳定,加固带上大部分PS点的形变在1 mm以内;滑坡体的大部分区域的形变基本在4 mm以内,且形变呈明显的非线性变化;GBInSAR技术可以快速、有效地获取河流滑坡整体形变信息及形变的演化过程。 相似文献
2.
3.
山体滑坡对人类安全造成严重影响,准确识别滑坡变形对预防滑坡灾害具有重要意义。利用SBAS-InSAR技术可以进行空间连续地表变形监测,但无法精确获取滑坡边界的变化。为了综合监测滑坡,本文首先采用SBAS-InSAR技术与无人机影像结合的滑坡变形监测方法,利用2018年1月1日—2020年12月24日,共计80幅升轨Sentinel-1A SAR影像,进行了VV极化和VH极化数据处理;然后通过SBAS-InSAR技术获取滑坡区地表雷达视线(LOS)方向变形速率,选取了若干变形点进行滑坡体变形时序分析;最后采用无人机获取滑坡影像并提取滑坡边界,分析了滑坡边界的变形。试验结果表明,利用SBAS-InSAR技术获取的滑坡变形和无人机获取的滑坡变形趋势基本吻合,通过该方法可以获取滑坡的综合变形情况,对滑坡活动性的判断具有重要意义。 相似文献
4.
5.
6.
采用合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)技术对甘肃黑方台地区潜在的黄土滑坡开展了多时相编目、长时序监测以及失稳模式识别研究。首先,采用不同空间分辨率、不同波长的历史存档合成孔径雷达(synthetic aperture radar,SAR)数据对黑方台地区2006-12至2017-11间的潜在滑坡开展了识别研究,在2006-12至2011-03和2016-01至2016-11两个时间段均识别出数10处不稳定坡体,实地调查和光学遥感影像验证了InSAR技术识别结果的可靠性与准确性。然后,对典型不稳定滑坡体采用高空间与高时间分辨率的TerraSAR-X数据开展了长时序监测,结果表明,在InSAR监测期间,累积形变最大的滑坡体在随后的时间里均发生了滑动,并成功地捕获到滑坡体形变加速的时间点。最后,利用升降轨SAR数据开展了黄土滑坡二维形变监测研究,基于滑坡的二维形变特征并结合地形图以及光学遥感影像进一步研究了滑坡的失稳模式,现场调查结果验证了所获得滑坡失稳模式的准确性。 相似文献
7.
8.
9.
滑坡变形的三维可视化研究 总被引:5,自引:0,他引:5
基于3D GIS技术,结合一个具体的滑坡变形监测工程实例,采用不规则三角网和等高线构建了滑坡体三维模型;对于mm级的变形,通过放大和橡皮筋动画技术,在三维空间再现了滑坡的微观变形过程。 相似文献
10.
11.
滑坡变形的产生是坡体自身地质条件和外部诱发条件共同作用的结果,滑坡变形定量预测是滑坡监测预警的关键。传统的基于滑坡累计位移-时间曲线分析滑坡变形的方法,忽略了滑坡变形演化的影响因素,难以对滑坡变形进行准确预测。三峡库区滑坡研究多集中在滑坡时空分布特征和滑坡整体稳定性分析方面,亟需开展单体滑坡综合变形分析。以三峡库区白水河滑坡为例,基于滑坡宏观变形和位移监测数据,利用重标方差(rescaled variance statistic,V/S)分析法对滑坡整体和局部变形趋势进行分析,进而构建考虑库水位波动和降雨滞后性影响因素的可有效利用长期依赖信息的长短记忆(long short-term memory,LSTM)神经网络模型,定量预测滑坡位移。研究结果表明,滑坡体属牵引式滑坡,北东部稳定性较差,西部和后缘相对稳定,预测值的均方根误差为8.95 mm,证明该模型是一种高性能的滑坡变形分析方法。 相似文献
12.
滑坡灾害是世界上破坏力极大的自然灾害之一,滑坡监测是预防滑坡灾害的重要基础。针对SIFT算法在滑坡遥感监测应用中存在特征点数量少、分布不均的问题,提出了一种将ASIFT算法和CSIFT算法相结合进行滑坡位移场标定的方法,即利用ASIFT处理全色影像,利用CSIFT处理多光谱融合影像,将两种方法提取的互不相同的特征点叠加综合得到更多的特征匹配点。该方法在露天矿滑坡的应用结果表明:与SIFT算法相比,新改进的方法大幅度增加了特征点数量,提高了滑坡位移场标定精度,且成本低、效率高,非常适合于大型滑坡后期大变形场监测。 相似文献
13.
滑坡变形监测数据是认识滑坡变形演化规律的直接依据,对该数据深度挖掘是实现滑坡灾害预警预报的有力保障。现有的滑坡位移预测模型多局限于单个监测点的时序预测,且未考虑监测点间的空间相关性。针对上述问题,本文提出了一种基于深度学习的滑坡位移时空预测模型:首先,构建表达所有点间空间相关性的加权邻接矩阵;其次,引入外界影响因素加强属性特征矩阵,以构建图结构数据;最后,采用集合图卷积网络(GCN)和门控循环单元(GRU)的深度学习模型,并通过多组试验寻找最优超参数,实现滑坡位移的时空预测。本文模型结果的均方根误差为4.429 mm,与对比模型相比至少降低了47.3%。而消融试验结果也显示,引入外界影响因素的属性增强可进一步提高模型的预测性能,均方根误差相对于未属性增强结果减少了28.4%。结果表明,该方法可用于滑坡位移或其他地质灾害中同样具有时空关联属性的观测量的时空预测。 相似文献
14.
ZHANG Kun ZHANG Songlin 《地球空间信息科学学报》2007,10(1):67-70
The deformation of landslide is usually expressed in horizontal and vertical direction separately. Based on the X, Y, Z coor-dinates from a real monitoring project, a method to build three-dimensional(3D) model of landslide by constructing triangulated ir-regular network (TIN) and extruding contour lines is proposed. The almost imperceptible displacements of monitoring points are zoomed by two kind of exaggerating methods. The deformation process is replayed using 3D animation technique. 相似文献
15.
“天-空-地”协同滑坡监测技术进展 总被引:1,自引:0,他引:1
滑坡灾害是全球范围内发生频率最高、分布范围最广、造成损失最重的自然灾害之一,严重威胁着人类生命财产和重大工程设施的安全。科学监测是实现滑坡预警预报与主动防范的重要技术前提,经过多年的技术攻关,融合高分辨率光学遥感、卫星InSAR、无人机摄影测量、无线传感网络(WSN)等多种新技术方法,滑坡监测已从传统点式人工监测逐步发展到“天-空-地”多维协同监测,在我国地质灾害风险识别与监测预警方面取得显著成效。本文结合多年来对滑坡发生机理与变形破坏过程的研究认识,从天(光学遥感和InSAR)、空(无人机摄影测量)、地(全球导航卫星系统、裂缝计等专业监测)三维立体角度对我国滑坡监测技术的最新研究进展进行了系统总结,分析讨论了不同技术在工程实践中的技术优势和适用性,构建了滑坡变形破坏全过程的“天-空-地”协同监测技术体系,为滑坡地质灾害的科学防范提供一种新的思维范式和经验指导。 相似文献
16.
云阳宝塔滑坡监测的变形模式识别与分析 总被引:1,自引:1,他引:0
根据变形观测的位移矢量,识别变形体及其运动模式,是变形分析的一项重要内容。以往的作法是根据矢量作图、人工判断变形块体,然后选择适当的模式进行拟合。本文提出了一种在点位邻接拓扑关系加其他先验信息构成约束的识别思想及相应算法,从而可实现变形模式的自动识别。最后的算例说明了该算法的实现过程,有效性及潜在意义。 相似文献
17.
变形模式的拓扑约束识别 总被引:2,自引:0,他引:2
根据变形观测的位移矢量,识别菜体及其运动模式是变形分析一项重要内容,以往的作法是根据矢量作图人工判断变形体,然后选择适当的模式进行拟合。本文提出一种在点位邻接拓扑关系加其他先验信息约束的识别思想及相应算法别人,从而可实现变表模式的自动识别。最后的算例说明了该算法的实现过程,有效性及潜在意义。 相似文献
18.
19.
滑坡位移预测是滑坡灾害实时监测预警的重要组成部分,良好的滑坡位移预测模型有助于预测地质灾害发生。滑坡变形受多种外界因素影响呈现出随机性和非线性的特点,在现有的滑坡位移预测方法中,机器学习方法在滑坡位移预测中得到了广泛的应用。针对滑坡位移预测是趋势项位移和周期项叠加的特点,本文研究采用基于集成经验模态分解(EEMD)的滑坡趋势项和周期项位移提取方法,结合支持向量回归(SVR)模型实现对滑坡的位移预测。首先,详细介绍了该模型的构建过程和预测性能,并以均方根误差(RMSE)、平均绝对误差(MAE)、平均绝对百分比误差(MAPE)和决定系数(R2)作为评估模型的预测性能指标。然后,分别利用EEMD-SVR、SVR、Elman模型对贵州省岩溶山区的一处滑坡进行位移预测,结果表明,EEMD-SVR模型连续1 d预测的RMSE值、MAPE值和R2值分别为0.648 mm、0.518%和0.996 8,可以提供更高可靠的滑坡位移预测精度,对同类滑坡的位移预测具有一定的参考价值。 相似文献
20.
Multi-temporal InSAR technique can implement continuous earth surface deformation detection with long time scale and wide geographical coverage. In this paper, we first employ the Small Baseline Subset method to survey potential landslides in Guide County, Qinghai Province, which is identified as a loess landslide prone area for geological and climate conditions. Two anomalous deformation regions are detected by L-band Phased Array and L-band Synthetic Aperture Radar stacks. Then, qualitative and quantitative evaluations of the measuring points are given for understanding the distribution regularity of deformation. Finally, preliminary correlation between the time-series deformation and triggering factors is analyzed to explore the driving mechanism for landslide movement. The results demonstrate that L-band SAR has high potential in landslide monitoring applications and can be used as the basis for landslide recognizing, precursory information extracting, and early warning. 相似文献