[发明专利]一种滑坡方向与趋势的识别和预测方法、装置及电子设备

说明书

本发明公开了一种滑坡方向与趋势识别和预测方法及装置、电子设备，识别方向包括：S1、基于滑坡体的监测数据，确定滑坡体的形变参数；形变参数包括形变数据和高程数据；S2、对形变数据和高程数据进行数据融合处理，得到更新的形变数据；S3、确定更新的形变数据的曲面函数；S4、利用曲面函数确定滑坡体的滑动方向，实现滑坡方向与趋势识别。通过结合地基微变监测雷达的优势进行滑坡方向与趋势识别和预测，能适应各种地形环境，高密度覆盖监测区域并反映最真实的地面起伏情况；本发明方法可以更准确和便捷的实现滑坡方向与趋势的识别与预测。

技术领域

本发明属于微波成像技术对地观测技术领域，具体涉及一种滑坡方向与趋势识别和预测方法及装置、电子设备。

背景技术

滑坡作为一种可以产生重大影响的地质灾害，在世界范围内广泛分布，给社会发展和经济建设造成了严重损失。然而，由于滑坡灾害的形成原因和发展过程十分复杂，同时受到常规滑坡调查、监测技术的限制，使得灾难性滑坡时有发生。因此，相关的防灾减灾工作引起了有关部门的高度重视。

边坡失稳的发育过程十分复杂，这加大了对滑坡的预防和治理难度。在边坡监测中，边坡的形变量和滑动方向是尤为重要的两个观测量，而边坡的滑动方向是边坡滑动过程中形变信息的综合体现，明确滑动方向对判定滑坡的形成机制、评估灾害风险以及提升滑坡防治效果都大有裨益。因此，在滑坡监测和治理过程中，边坡滑动方向的估计是一项十分重要的内容。在常规的监测方法中，滑动坡方向的确定主要依靠地貌特征和实地勘察，通过寻找滑坡体后缘区域的最高最凹点，以及前缘区域的最低最凸点，然后连线来确定滑动方向。或者在边坡上设置多个监测点以形成监测网，通过分析各个监测点的形变信息，获得滑坡体的滑动方向。在以往监测中，这些监测点通常选择全站仪、裂缝计、GNSS系统等单点高精度监测手段，这类手段虽然单点监测精度高，但安置监测站的过程对地形要求极高，工程量较大，难以高密度覆盖监测区域。

同时，边坡在重力荷载作用下形成的失稳，其形变信息在空间上的分布以及具体的形变方向一般与地形地貌和边坡结构有关。绝大部分边坡在失稳时，其形变方向(或者滑动方向)基本与边坡坡面倾向一致。因此，可以结合当前边坡滑动方向和地形信息来预测下一时刻边坡的滑动方向。在这一方面，依托于大地测量技术的进步，人们可以获得较高质量的地形信息，比如地理信息数字地表模型(DSM)，它是包含了地表建筑物、桥梁和树木等高度信息的地面高程模型，是最真实的地面起伏情况。

综上，现有的滑动坡方向监测方式难以全面呈现滑坡体的特征，而地基微变监测雷达凭借大范围、高密度的监测优势而受到广泛关注，但地基微变监测雷达获得形变值的方式与传统监测手段有很大区别，目前，研究人员尚未给出一种能够结合其监测结果和优势进行滑坡方向与趋势识别与预测的系统，因此，迫切需要一种可以结合地基微变监测雷达进行数据解译，实现滑坡方向与趋势识别与预测的系统。

发明内容

针对现有技术中的上述不足，本发明提供的滑坡方向与趋势识别和预测方法、装置及电子设备解决了滑坡方向与趋势识别和预测方法难以全面呈现滑坡体的特征的问题。

为了达到上述发明目的，本发明采用的技术方案为：一种滑坡方向与趋势识别方法，包括以下步骤：

S1、基于滑坡体的监测数据，确定滑坡体的形变参数；

所述形变参数包括形变数据和高程数据；

S2、对形变数据和高程数据进行数据融合处理，得到更新的形变数据；

S3、确定更新的形变数据的曲面函数；

S4、利用曲面函数确定滑坡体的滑动方向，实现滑坡方向与趋势识别。

进一步地，所述步骤S1中滑坡体的监测数据包括形变监测数据和数字地形数据，所述形变监测数据通过地基微变监测雷达获得，所述数字地形数据通过三维激光扫描仪和/或无人机的切斜摄影获得；