[发明专利]基于高差和坡度双参量的斜坡失稳易发区识别方法及装置

权利要求书

1.基于高差和坡度双参量的斜坡失稳易发区识别方法，其特征在于，包括以下步骤：

S100：在斜坡尺度上确定基岩边坡岩体强度参数；

步骤S100包括：

结合数字高程模型对研究区历史失稳区进行识别，并提取历史失稳区的起伏度和坡角；

根据提取的起伏度和坡角进行拟合，反演得到斜坡尺度的岩体强度参数数值；

S200：测量每个细分区域的当前起伏度和边坡角；细分区域的大小通过步骤S100中研究区历史失稳区的大小统计得到；

S300：基于Culmann原理，计算细分区域的极限起伏度；

S400：比较当前起伏度和极限起伏度的差值，来评估细分区域的稳定状态，当前起伏度大于极限起伏度的区被确定为斜坡失稳的易发区；

S500：重复步骤S100-S400,对研究区所有斜坡的细分区域进行搜索，并对其失稳的易发性状态进行估算；

所述基于高差和坡度双参量的斜坡失稳易发区识别方法具体包括：

输入研究区3D表面高程数据DEM，分别计算表面坡度数据slope与邻域面积NA内的表面起伏度SSR；

确定坡度阈值，进行逻辑计算，若坡度大于阈值的栅格PSS，则定义为潜在坡度表面，反之，则删除栅格；

计算斜坡尺度下斜坡岩体强度参数C、利用Culmann模型通过栅格运算得到邻域NA内的极限起伏度LSR；

将研究区当前表面起伏度SSR与极限起伏度LSR进行逻辑运算，估计其稳定状态，当SSRLSR时，该区域判定为预警栅格；

对预警栅格进行噪点过滤，得到最终识别的失稳易发区分布范围。

2.根据权利要求1所述的基于高差和坡度双参量的斜坡失稳易发区识别方法，其特征在于，所述坡度阈值为35°-45°。

3.根据权利要求1所述的基于高差和坡度双参量的斜坡失稳易发区识别方法，其特征在于，所有脚本都在Python 3中编码，并使用用于Python的ESRI工具集的arcpy、os、numpy和操作符号库；使用嵌入在3DAnalyst包中的SurfaceVolume_3D工具、嵌入在spatialanalyst中的Neighborhood工具与MapAlgebra工具；

其中，LSR为最大起伏度，β为边坡角，ρ为斜坡材料密度，g为重力加速度，C为黏聚力，为摩擦角。

4.根据权利要求1所述的基于高差和坡度双参量的斜坡失稳易发区识别方法，其特征在于，失稳易发区识别使用数字高程模型DEM作为主要输入，并使用一个文件夹来存储输出；DEM使用ArcGIS 10.1支持的任何栅格格式；另外工具的使用还需要六个附加参数，分别是邻域范围、阈值坡度、黏聚力C、摩擦角斜坡材料密度ρ与重力加速度g；其中：

邻域范围，默认设置为长方形；阈值坡度定义为崩塌发生的下限坡度；黏聚力C和摩擦角根据历史崩塌的起伏度和坡度数据进行拟合计算；斜坡材料密度ρ与重力加速度g，根据研究区特征进行设定。

5.根据权利要求4所述的基于高差和坡度双参量的斜坡失稳易发区识别方法，其特征在于，当输入所有信息，点击运行按钮后，结果将在一个弹出窗口中返回，该窗口还包含关于脚本运行的附加信息，每一步的输出文件将会保存在指定文件夹内。

6.基于高差和坡度双参量的斜坡失稳易发区识别装置，其特征在于，包括：强度参数确定单元、测量单元、计算单元、比较单元和稳定性估计单元；

强度参数确定单元，用于在斜坡尺度上确定基岩边坡岩体强度参数；

测量单元，用于测量每个细分区域的当前起伏度和边坡角；其中细分区域的大小通过所述强度参数确定单元中研究区历史失稳区的大小统计得到；

计算单元，用于基于Culmann原理，计算细分区域的极限起伏度；

比较单元，用于比较当前起伏度和极限起伏度的差值，来评估细分区域的稳定状态，当前起伏度大于极限起伏度的区被确定为斜坡失稳的易发区；

稳定性估计单元，用于重复所述强度参数确定单元、所述测量单元、所述计算单元和所述比较单元,对研究区所有斜坡的细分区域进行搜索，并对其失稳的易发性状态进行估算。