一种基于精细地形特征的滑坡稳定性分类方法技术

该发明专利技术公开了一种基于精细地形特征的滑坡稳定性分类方法，属地质灾害评估领域。本发明专利技术对滑坡样本数据进行地形特征提取的方式优化样本特征，使提取的特征能够更好地反映滑坡的情况，滑坡分类结果的可解释性更强。为了提高滑坡稳定性分类的准确率，更好的对滑坡进行画像；进一步的，采用单位时间平均日照量来计算滑坡的稳定性有利于实时的检测滑坡的状态，更加精确地计算出当前滑坡的稳定性，因为晚间滑坡比白天滑坡概率大很多，采用每小时平均日照量的方法，引入该概率特征，从而更加精确的计算当前时刻的滑坡稳定性，从而具有实施计算滑坡稳定性的能力。可用于防灾减灾、国土资源勘查、工程建设等用途。工程建设等用途。工程建设等用途。

【技术实现步骤摘要】
一种基于精细地形特征的滑坡稳定性分类方法


[0001]本专利技术属地质灾害评估领域，具体涉及一种基于精细地形特征的滑坡稳定性分类方法。

技术介绍

[0002]为减轻地质灾害对人民生命和财产安全造成的损失，四川省国土资源厅开展了一批重大地质灾害的治理工作。随着滑坡治理工作的开展,地质灾害治理部门和勘测设计部门积累了大量的滑坡治理工程数据,逐渐构成了滑坡治理工程大数据。目前在滑坡治理工程中,只运用滑坡勘测数据的一部分,没有结合之前的滑坡治理工程数据。
[0003]在滑坡的稳定性评价中，传统的方式是从地质灾害野外调查表和滑坡勘测图件中提取滑坡的影响因子。对于地形特征的提取，一般情况下只考虑滑坡的坡度、高程区间、高差、坡向、坡长、坡宽、坡面形态等。这些滑坡特征只能反映滑坡的整体情况，不能精细地反映滑坡局部特征。

技术实现思路

[0004]本专利技术目的在于提供一种基于精细地形特征的滑坡稳定性分类方法，用于解决现有滑坡稳定性研究中对地形特征的精细化提取问题，依靠构建的分类模型可以很快的得出滑坡的稳定性情况。本专利技术解决了传统滑坡稳定性研究中对滑坡地形情况考虑不充足，过多依靠地质勘测和分析计算而导致需要较长时间才能得到稳定性结果的问题。
[0005]为实现上述目的，本专利技术的技术方案是：一种基于精细地形特征的滑坡稳定性分类方法，该方法包括：
[0006]步骤1：获取已有的滑坡范围图像数据；
[0007]步骤2：根据滑坡范围内的实测高程点数据，生成不规则三角形格网，进一步根据不规则三角形格网生成数字高程图像；
[0008]步骤3：根据滑坡区域的数字高程图像，计算出滑坡区域的坡度、坡向、曲率；
[0009]步骤4：提取详细特征；
[0010]步骤4.1：根据步骤2得到数字高程图像计算滑坡区域的平均高程，最大高程，最小高程，高程方差和高差；
[0011]步骤4.2：根据步骤3得到的坡度数据计算出坡度的最大值、最小值和坡度变化趋势；
[0012]步骤4.3：根据坡向数据和滑坡位置计算出滑坡区域的日照强度和日照时间；
[0013]步骤4.4：根据滑坡范围计算出滑坡的纵长、横长及形状；
[0014]步骤5：根据滑坡治理工程的文档，提取滑坡的稳定性情况作为对应滑坡范围图像的标签，；
[0015]步骤6：以步骤4提取的：高程的平均高程、最大高程、最小高程、高程方差、高差，坡度的最大值、最小值和坡度变化趋势，滑坡区域的日照强度和日照时间，曲率，滑坡的纵长、
横长及形状作为分类器的输入，步骤5定义的标签作为输出，训练一个分类器；
[0016]步骤7：实际分类时，采集滑坡区域图像，然后采用训练好的分类器进行分类。
[0017]进一步的，所述步骤4.2中坡度变化趋势为只截取滑坡斜面靠近边缘部分的1/a区域，其中a大于2。
[0018]进一步的，所述步骤6中采用的分类器为XGBoost分类器。
[0019]进一步的，所述步骤4.3中滑坡区域的日照强度和日照时间采用单位时间内平均日照量替代，该单位时间内的平均日照量的计算方法为：
[0020]步骤4.3.1：参考地理坐标设定：北、东北、东、东南、南、西南、西和西北八个方位，每个方位包括45
°
的扇形区域；
[0021]步骤4.3.2：计算出滑坡区域占比最高的扇形区域，该扇形区域对应的方位为滑坡主坡向；
[0022]步骤4.3.3：根据滑坡发生到当前时刻该区域的天气情况，计算出该区域单位时间内平均日照量；
[0023]步骤4.3.3：根据滑坡的主坡向、滑坡所处的地理位置、该区域单位时间内平均日照量计算出滑坡区域承受的单位时间内平均日照量。
[0024]进一步的，所述平均日照量为每小时的平均日照量。
[0025]本专利技术采用机器学习算法中集成学习的XGBoost分类器对滑坡稳定性情况进行分类，具有分类精度高，速度快的优点；本专利技术还对滑坡样本数据进行地形特征提取的方式优化样本特征，使得提取的特征能够更好地反映滑坡的情况，滑坡分类结果的可解释性更强。为了提高滑坡稳定性分类的准确率，更好的对滑坡进行画像；进一步的，采用单位时间平均日照量来计算滑坡的稳定性有利于实时的检测滑坡的状态，更加精确地计算出当前滑坡的稳定性，因为晚间滑坡比白天滑坡概率大很多，采用每小时平均日照量的方法，引入该概率特征，从而更加精确的计算当前时刻的滑坡稳定性，从而具有实施计算滑坡稳定性的能力。本专利技术提出了一种新的基于精细地形特征的滑坡稳定性分类方法。该方法从滑坡地形的精细画像入手，将滑坡各个部分的地形情况展示出来，并根据其对滑坡稳定性的影响来进行特征提取，研究制定了一套滑坡精细地形特征的提取流程，构建了一个滑坡稳定性分类模型。可用于防灾减灾、国土资源勘查、工程建设等用途
附图说明
[0026]图1是本专利技术基于精细的地形特征的滑坡稳定性分类方法的流程图；
[0027]图2是本专利技术的巴中市恩阳区上八庙镇中心小学滑坡实例的高程分布图；
[0028]图3是本专利技术的巴中市恩阳区上八庙镇中心小学滑坡实例的坡度分布图；
[0029]图4是本专利技术的巴中市恩阳区上八庙镇中心小学滑坡实例的坡向分布图；
[0030]图5是本专利技术的巴中市恩阳区上八庙镇中心小学滑坡实例的曲率分布图；
[0031]图6是本专利技术的巴中市恩阳区上八庙镇中心小学滑坡实例的滑坡范围示意图。
具体实施方式
[0032]下面结合具体实施方式对本专利技术进行详细说明。
[0033]本专利技术的技术方案如图1所示，以巴中市恩阳区上八庙镇中心小学滑坡为例进行
说明，包括以下步骤：
[0034]步骤1：数据处理
[0035]首先将巴中市恩阳区上八庙镇中心小学滑坡治理工程的平面布置图用ArcGIS打开，导出所需的高程点、滑坡范围图层。根据滑坡范围高程图像计算得到滑坡区域高精度的高程数据(DEM)，分辨率达到2米。接着通过栅格表面中的坡度、坡向、曲率等工具，输入滑坡区域的DEM，输出可以得到滑坡区域的坡度、坡向、曲率数据。然后利用ArcGIS的空间分析工具，依次打开提取分析
‑
>按掩膜提取，输入滑坡区域的DEM、坡度、坡向、曲率和滑坡范围，输出的就是剪裁好的滑坡的DEM、坡度、坡向和曲率。
[0036]步骤2：特征提取
[0037]取得滑坡的地形数据后，由程序读取为二维数组，接着开始进行特征提取。对于高程数据，其影响特征包括平均高程，最大高程，最小高程，高程方差和高差。相对于绝对高程而言，相对高程和高差可以更好地反映滑坡的稳定性。对于坡度数据，不仅关注其最大值和最小值，还关注坡度沿滑坡方向变化的趋势。坡度大小和分布对滑坡的稳定性影响很大。例如，当滑坡的前边缘的坡度较大时，容易产生临空面，这对滑坡的稳定性非常不利。对于坡向数据，通过执行统计分析以获得直方图特征，得到滑坡坡向的分布。坡向值在0到360之间分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于精细地形特征的滑坡稳定性分类方法，该方法包括：步骤1：获取已有的滑坡范围图像数据；步骤2：根据滑坡范围内的实测高程点数据，生成不规则三角形格网，进一步根据不规则三角形格网生成数字高程图像；步骤3：根据滑坡区域的数字高程图像，计算出滑坡区域的坡度、坡向、曲率；步骤4：提取详细特征；步骤4.1：根据步骤2得到数字高程图像计算滑坡区域的平均高程，最大高程，最小高程，高程方差和高差；步骤4.2：根据步骤3得到的坡度数据计算出坡度的最大值、最小值和坡度变化趋势；步骤4.3：根据坡向数据和滑坡位置计算出滑坡区域的日照强度和日照时间；步骤4.4：根据滑坡范围计算出滑坡的纵长、横长及形状；步骤5：根据滑坡治理工程的文档，提取滑坡的稳定性情况作为对应滑坡范围图像的标签，；步骤6：以步骤4提取的：高程的平均高程、最大高程、最小高程、高程方差、高差，坡度的最大值、最小值和坡度变化趋势，滑坡区域的日照强度和日照时间，曲率，滑坡的纵长、横长及形状作为分类器的输入，步骤5定义的标签作为输出，训练一个分类器；步骤7：实际分类时，采集滑坡区域图像，然后采用训练好的分类器进行分类。2.如权利要求1所述的一种基于...

【专利技术属性】
技术研发人员：郑泽忠，王超，朱明仓，何勇，贺占勇，刘强，李慕杰，李江，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：