本发明专利技术提供基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，包括：获取高光谱图像和对应岩石回弹数据，得到对应的光谱曲线；根据光谱曲线计算相关性系数，得到最优光谱指数；通过筛选算法对最优光谱指数进行特征波长筛选；构建施密特回弹硬度预测模型，以特征波长为输入，得到硬度数据；根据光谱指数建立裂隙开口感知光谱指数，得到岩体不连续面光谱指数，对岩石不连续面进行分级得到微裂缝和开口面积；获取水位数据，根据水位数据得到水位波动数据；根据岩石回弹数据、硬度数据、微裂缝和开口面积和水位波动数据进行碳酸盐岩边坡劣化评估。本发明专利技术通过构建NDSI、FPSI以及YGSI等光谱指数，实现对岩石不连续面特征的量化识别。
【技术实现步骤摘要】
本专利技术涉及岩体结构面特征评估，尤其涉及基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法。
技术介绍
1、水库水位周期性涨落，在沿江地带易形成水位变动带。由于结构、侵蚀、风化和重力等多种因素的复杂相互作用，hfb中的岩体呈现渐进式劣化行为。许多研究从水岩相互作用和边坡稳定性等方面对岩体劣化特征进行了探讨，但碳酸盐岩不连续面的演化作为水位变动带劣化的重要表现形式，其受物理、化学和力学变化的影响，相关研究仍有待深入。准确评估水位变动带的劣化差异需要详细了解岩体不连续面的特征，然而现有研究在这方面存在局限性。因此，开发一种有效的碳酸盐岩边坡失稳预测方法具有重要的现实意义。
技术实现思路
1、基于此，有必要针对上述技术问题，提供基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法。
2、基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，包括以下步骤：
3、步骤s1，获取待评估区域岩石样本的高光谱图像和施密特测试区域的岩石回弹数据，基于所述高光谱图像通过区域平均法提取与施密特锤测试区域对应的光谱曲线；
4、步骤s2，根据所述光谱曲线计算不同波段构成的光谱指数与岩石回弹数据的相关性系数，得到最优光谱指数；
5、步骤s3，通过竞争自适应重加权采样、连续投影算法和随机蛙跳算法对最优光谱指数进行特征波长筛选，得到特征波长；
6、步骤s4，构建施密特回弹硬度预测模型，将所述特征波长输入进所述施密特回弹硬度预测模型，得到硬度数据；
<
p>7、步骤s5，根据所述光谱指数建立开口感知光谱指数，得到岩体不连续面光谱指数，并对岩石不连续面进行分级得到微裂缝和开口面积；8、步骤s6，获取水位数据，根据所述水位数据得到水位波动数据；
9、步骤s7，根据所述岩石回弹数据、所述硬度数据、所述微裂缝和开口面积和所述水位波动数据进行碳酸盐岩边坡劣化评估。
10、在其中一个实施例中，步骤s1包括：
11、对所述高光谱图像预处理，得到预处理高光谱图像；
12、根据所述预处理高光谱图像通过区域平均法提取与施密特锤测试区域对应的光谱曲线。
13、在其中一个实施例中，步骤s2包括：
14、根据所述光谱曲线计算不同波段构成的光谱指数；
15、根据所述光谱指数计算与岩石回弹数据的相关性系数，得到最优光谱指数。
16、在其中一个实施例中，根据所述光谱曲线计算不同波段构成的光谱指数包括：
17、通过如下公式计算光谱指数：
18、
19、其中，ndsi表示归一化差异光谱指数，表示第sp波段反射率，表示第sq波段反射率，dsi表示差异光谱指数，rsi表示比率光谱指数。
20、在其中一个实施例中，根据所述光谱指数计算与岩石回弹数据的相关性系数，得到最优光谱指数包括：
21、通过如下公式计算相关性系数：
22、
23、其中，r表示相关性系数，n表示样本量，i表示第i个光谱指数，xi表示光谱指数值，表示光谱指数平均值，yi表示岩石回弹数据，表示施密特锤回弹值平均值；
24、将相关性系数进行比较，以相关性系数最高的波段组合构成的光谱指数作为最优光谱指数。
25、在其中一个实施例中，步骤s4包括：
26、所述构建施密特回弹硬度预测模型为sg-cars-pls模型。
27、在其中一个实施例中，步骤s5包括：
28、建立开口感知光谱指数：
29、
30、其中，fpsi表示开口感知光谱指数，d700表示波长700nm处的光谱反射率，d450表示波长450nm处的光谱反射率；
31、根据所述开口感知光谱指数计算岩体不连续面光谱指数：
32、
33、其中，ygsi表示岩体不连续面光谱指数，ndsi表示当前归一化差异光谱指数，ndsimin表示归一化差异光谱指数最小值，ndsimax表示归一化差异光谱指数最大值，fpsi表示裂隙开口感知光谱指数，fpsimin表示裂隙开口感知光谱指数最小值，fpsimax表示裂隙开口感知光谱指数最大值；
34、根据所述岩体不连续面光谱指数对岩石不连续面进行分级，得到微裂缝和开口数据；
35、根据所述微裂缝和开口数据计算得到微裂缝和开口面积。
36、基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估系统，用于实现如上所述的基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，包括：
37、回弹获取模块，用于获取待评估区域岩石样本的高光谱图像和施密特测试区域的岩石回弹数据，基于所述高光谱图像通过区域平均法提取与施密特锤测试区域对应的光谱曲线；
38、指数获取模块，用于根据所述光谱曲线计算不同波段构成的光谱指数与施密特反弹值的相关性系数，得到最优光谱指数；
39、波长删选模块，用于通过竞争自适应重加权采样、连续投影算法和随机蛙跳算法对最优光谱指数进行特征波长筛选，得到特征波长；
40、硬度获取模块，用于构建施密特回弹硬度预测模型，将所述特征波长输入进所述施密特回弹硬度预测模型，得到硬度数据；
41、劣化计算模块，用于根据所述光谱指数建立开口感知光谱指数，得到岩体不连续面光谱指数，并对岩石不连续面进行分级得到微裂缝和开口面积；
42、水淹获取模块，用于获取水位数据，根据所述水位数据得到水位波动数据；
43、劣化评估模块，用于根据所述岩石回弹数据、所述硬度数据、所述微裂缝和开口面积和所述水位波动数据进行碳酸盐岩边坡劣化评估。
44、一种设备，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上述各个实施例中所述的基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法的步骤。
45、一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述各个实施例中所述的基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法的步骤。
46、相比于现有技术，本专利技术的优点及有益效果在于：本专利技术能够融合高光谱成像与施密特回弹硬度测试技术，全面准确表征碳酸盐岩水岩相互作用下的变化，为水位消落带劣化评估提供可靠依据。通过构建归一化差异光谱指数(ndsi)、裂缝开口感知光谱指数(fpsi)以及岩体不连续面光谱指数(ygsi)等多种光谱指数，实现对岩石不连续面特征的量化识别。能够有效区分高硬度、低硬度、微裂缝和开口等不同类型的不连续面，克服了一般方法定量描述岩石劣化特征方面的局限性。揭示水位波动频率对裂缝发育的影响及劣化与岩层结构的关系，为理解劣化机制提供依据，助力地质灾害预警防治。
本文档来自技高网...
【技术保护点】
1.基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，包括：
2.根据权利要求1所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述步骤S1包括：
3.根据权利要求1所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述步骤S2包括：
4.根据权利要求3所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述根据所述光谱曲线计算不同波段构成的光谱指数包括：
5.根据权利要求3所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述根据所述光谱指数计算与岩石回弹数据的相关性系数，得到最优光谱指数包括：
6.根据权利要求1所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述步骤S4包括：
7.根据权利要求1所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述步骤S5包括：
8.基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估系统，其特征在于，用于实现如权利要求1-7任一所述的基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，包括：
9.一种设备，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中任一项所述方法的步骤。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
...
【技术特征摘要】
1.基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，包括：
2.根据权利要求1所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述步骤s1包括：
3.根据权利要求1所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述步骤s2包括：
4.根据权利要求3所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述根据所述光谱曲线计算不同波段构成的光谱指数包括：
5.根据权利要求3所述基于高光谱成像与表面硬度的碳酸盐岩边坡劣化评估方法，其特征在于，所述根据所述光谱指数计算与岩石回弹数据的相关性系数，得到最优光谱指数包括：
6.根据权利要求1所述基于高光谱...
【专利技术属性】
技术研发人员：梁丹，杨海清，李星月，陈立川，秦代伦，徐洪，朱宽义，张毅，
申请(专利权)人：重庆地质矿产研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。