System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及地质灾害风险分析,尤其涉及一种针对长距离输电通道边坡的地灾风险评估方法、装置、计算机设备及存储介质。
技术介绍
1、随着国民经济的不断发展,电力需求快速增长,使得电力系统规模逐渐扩大,网架结构日益复杂。输电线路传输距离长,电力工程所在地区的地形、地质和气象等环境复杂,各种极端灾害天气或突发地质灾害影响着电力系统的安全运行。地质灾害导致输电线路、杆塔部件造成损害,造成电网频繁掉闸、输电线路中断等供电事故,甚至还可能引起倒塔、变电设备受损等严重事故,给输电线路和电网的安全运行造成极大威胁。
2、但是,传统的地质灾害监测技术主要依靠人员实地测量方式对目标区域进行监测,不仅耗费大量人力物力,且无法进行实时监测以及快速排查出地灾隐患风险点。虽然目前已经提出使用机器学习模型开展地质灾害易发性评价,但是存在准确性和可靠性较低的缺陷。
技术实现思路
1、本申请提供一种地灾风险评估方法、装置、计算机设备及存储介质,能够充分利用sar数据构建评估模型,提高sar数据的使用价值,并且通过评估模型与形变信息的联合应用,能够提升评估模型的精度,从而有效提高地灾风险评估的准确性和可靠性。
2、第一方面,本申请提供了一种地灾风险评估方法,包括:
3、采集监测区域的历史地质灾害数据、致灾因子数据和历史合成孔径雷达卫星影像;
4、对所述历史地质灾害数据和致灾因子数据进行数据预处理,得到预设格式的历史地质灾害数据和致灾因子数据;
5、对所述历史合成
6、基于所述历史合成孔径雷达卫星影像,提取得到监测区域形变信息,并根据所述监测区域形变信息进行形变异常区域识别,得到形变异常区域;
7、基于所述预设格式的历史地质灾害数据、致灾因子数据以及所述形变异常区域构建地质灾害风险评估模型;
8、通过所述地质灾害风险评估模型对所述监测区域进行风险评估,得到对应的地质灾害风险评估结果。
9、进一步地,在本申请的一些实施例中,所述对所述历史地质灾害数据和致灾因子数据进行数据预处理,得到预设格式的历史地质灾害数据和致灾因子数据,包括:
10、对所述历史地质灾害数据和致灾因子数据进行格式转换、影像裁剪和重采样处理;
11、将所述历史地质灾害数据和致灾因子数据转换为覆盖输电通道范围的同尺寸栅格数据,并将所述栅格数据作为后续地质灾害风险评估模型输入的数据源。
12、进一步地,在本申请的一些实施例中,所述对所述历史合成孔径雷达卫星影像进行极化分解处理,得到对应的土地利用分类结果,并基于所述土地利用结果更新已有的土地利用类型数据,包括:
13、对获取到的时间序列历史合成孔径雷达卫星影像进行极化分解,得到对应的时间序列土地利用分类结果;
14、基于每幅历史合成孔径雷达卫星影像对应的土地利用分类结果,获取平均土地利用分类数据;
15、基于所述平均土地利用分类数据更新已有的土地利用类型数据。
16、进一步地,在本申请的一些实施例中,所述基于所述历史合成孔径雷达卫星影像,提取得到监测区域形变信息,并根据所述监测区域形变信息进行形变异常区域识别,得到形变异常区域,包括:
17、基于从所述历史合成孔径雷达卫星影像,生成单视复数数据;
18、基于所述单视复数数据生成干涉图集,对所述干涉图集进行滤波处理;
19、对滤波后的干涉图集进行相位解缠处理;
20、对相位解缠绕后的干涉图集进行辐射定标和地理编码;
21、对所述干涉图集进行相位转形变处理,并确定形变异常阈值,得到监测区域形变信息;
22、基于所述监测区域形变信息进行形变区域识别,得到形变异常区域;
23、基于所述形变异常区域,绘制得到历年平均形变速率图。
24、进一步地,在本申请的一些实施例中,所述基于所述预设格式的历史地质灾害数据、致灾因子数据以及所述形变异常区域构建地质灾害风险评估模型,包括:
25、采用高斯径向基函数分类器算法,基于所述预设格式的历史地质灾害数据和致灾因子数据生成初始地质灾害易发性分区图;
26、基于所述初始地质灾害易发性分区图和所述形变异常区域,构建地质灾害风险评估模型。
27、进一步地,在本申请的一些实施例中,所述采用高斯径向基函数分类器算法,基于所述预设格式的历史地质灾害数据和致灾因子数据生成初始地质灾害易发性分区图,包括:
28、按照预设网格格式将包含需要监测的输电通道地区划分为单元格形式;
29、将地理信息数据库中各类致灾因子数据进行栅格化处理,对每个地表单元赋予对应的致灾因子;
30、计算滑坡隐患在不同类致灾因子中的分布密度和每类致灾因子的信息量值,生成各类致灾因子的区域分布图;
31、基于历史地质灾害数据构建训练数据集和验证数据集,采用所述高斯径向基函数分类器算法对各类致灾因子进行权重计算,得到对应的权重值;
32、基于所述权重值对所有致灾因子的信息量进行栅格代数计算,计算监测区域各个地表单元的滑坡易发性指标;
33、基于所述各个地表单元的滑坡易发性指标,生成监测区域对应的初始地质灾害易发性分区图。
34、进一步地,在本申请的一些实施例中,所述基于所述初始地质灾害易发性分区图和所述形变异常区域,构建地质灾害风险评估模型,包括:
35、基于所述历年平均形变速率图,对所述初始地质灾害易发性分区图进行更新;
36、基于更新后的地质灾害易发性分区图和所述形变异常区域,判断对应的边坡地灾风险等级结果;
37、基于所述边坡地灾风险等级及结果,构建所述监测区域对应的地质灾害风险评估模型。
38、第二方面,本申请提供了一种地灾风险评估装置,包括:
39、采集模块,用于采集监测区域的历史地质灾害数据、致灾因子数据和历史合成孔径雷达卫星影像;
40、预处理模块,用于对所述历史地质灾害数据和致灾因子数据进行数据预处理,得到预设格式的历史地质灾害数据和致灾因子数据;
41、分类模块,用于对所述历史合成孔径雷达卫星影像进行极化分解处理,得到对应的土地利用分类结果,并基于所述土地利用结果更新已有的土地利用类型数据;
42、识别模块,用于基于所述历史合成孔径雷达卫星影像,提取得到监测区域形变信息,并根据所述监测区域形变信息进行形变异常区域识别,得到形变异常区域;
43、构建模块,用于基于所述预设格式的历史地质灾害数据、致灾因子数据以及所述形变异常区域构建地质灾害风险评估模型;
44、评估模块,用于通过所述地质灾害风险评估模型对所述监测区域进行风险评估,得到对应的地质灾害风险评估结果。
<本文档来自技高网...【技术保护点】
1.一种地灾风险评估方法,其特征在于,至少包括如下步骤:
2.根据权利要求1所述的地灾风险评估方法,其特征在于,所述对所述历史地质灾害数据和致灾因子数据进行数据预处理,得到预设格式的历史地质灾害数据和致灾因子数据,包括:
3.根据权利要求1所述的地灾风险评估方法,其特征在于,所述对所述历史合成孔径雷达卫星影像进行极化分解处理,得到对应的土地利用分类结果,并基于所述土地利用结果更新已有的土地利用类型数据,包括:
4.根据权利要求1所述的地灾风险评估方法,其特征在于,所述基于所述历史合成孔径雷达卫星影像,提取得到监测区域形变信息,并根据所述监测区域形变信息进行形变异常区域识别,得到形变异常区域,包括:
5.根据权利要求4所述的地灾风险评估方法,其特征在于,所述基于所述预设格式的历史地质灾害数据、致灾因子数据以及所述形变异常区域构建地质灾害风险评估模型,包括:
6.根据权利要求5所述的地灾风险评估方法,其特征在于,所述采用高斯径向基函数分类器算法,基于所述预设格式的历史地质灾害数据和致灾因子数据生成初始地质灾害易发性分区图,包
7.根据权利要求6所述的地灾风险评估方法,其特征在于,所述基于所述初始地质灾害易发性分区图和所述形变异常区域,构建地质灾害风险评估模型,包括:
8.一种地灾风险评估装置,其特征在于,包括:
9.一种计算机设备,其特征在于,包括: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,其中,所述处理器执行所述程序时实现如权利要求1-7任一项所述地灾风险评估方法的步骤。
10.一种存储介质,其特征在于,其上存储有计算机程序,其中,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述地灾风险评估方法的步骤。
...【技术特征摘要】
1.一种地灾风险评估方法,其特征在于,至少包括如下步骤:
2.根据权利要求1所述的地灾风险评估方法,其特征在于,所述对所述历史地质灾害数据和致灾因子数据进行数据预处理,得到预设格式的历史地质灾害数据和致灾因子数据,包括:
3.根据权利要求1所述的地灾风险评估方法,其特征在于,所述对所述历史合成孔径雷达卫星影像进行极化分解处理,得到对应的土地利用分类结果,并基于所述土地利用结果更新已有的土地利用类型数据,包括:
4.根据权利要求1所述的地灾风险评估方法,其特征在于,所述基于所述历史合成孔径雷达卫星影像,提取得到监测区域形变信息,并根据所述监测区域形变信息进行形变异常区域识别,得到形变异常区域,包括:
5.根据权利要求4所述的地灾风险评估方法,其特征在于,所述基于所述预设格式的历史地质灾害数据、致灾因子数据以及所述形变异常区域构建地...
【专利技术属性】
技术研发人员:马仪,周仿荣,钱国超,王一帆,王国芳,马御棠,文刚,耿浩,曹俊,朱龙昌,
申请(专利权)人:云南电网有限责任公司电力科学研究院,
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。