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】
本专利技术涉及地质灾害隐患识别领域,特别是涉及一种地质灾害隐患立体识别方法、系统及介质。
技术介绍
1、地质灾害会对人类生命和财产安全造成严重威胁,因此,准确识别和评估地质灾害隐患具有重要意义。传统的地质灾害隐患识别方法主要依赖人工判断,存在主观性强、准确性差的问题。
技术实现思路
1、本专利技术的目的是提供一种地质灾害隐患立体识别方法、系统及介质,能够减少地质灾害隐患漏判、误判情况,提高地质灾害隐患识别准确率。
2、为实现上述目的,本专利技术提供了如下方案:
3、一种地质灾害隐患立体识别方法,包括:
4、获取目标区域当前的遥感数据、地理信息数据、地质勘探数据;
5、根据所述遥感数据、所述地理信息数据和所述地质勘探数据对所述目标区域进行三维场景重建,确定三维地形数据;
6、对所述遥感数据、所述地理信息数据和所述地质勘探数据进行筛选,确定所述目标区域的区域特征信息;所述区域特征信息,包括:地形发育程度数据、地质构造信息数据、水文特征数据、土壤数据和地质灾害隐患区域数据;所述区域特征信息的类型是根据隐患立体识别规则知识库对目标地区的历史地质灾害数据进行分析确定的;所述隐患立体识别规则知识库,包括:多个地质特征以及每个地质特征对应的识别方法和识别依据;所述地质特征包括:地形特征、色彩特征、形态特征、规模特征、几何特征、边界特征、表部特征、稳定性特征、形变面积、年平均形变速率区间、形变特征、光谱易发性特征和潜在威胁对象;
< ...【技术保护点】
1.一种地质灾害隐患立体识别方法,其特征在于,包括:
2.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,所述地质灾害隐患识别模型是基于光谱数据、地形特征数据和降雨量特征数据,对深度卷积神经网络模型训练得到的;
3.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,所述地质灾害隐患承灾体识别模型是基于承灾体样本数据,对深度卷积神经网络模型训练得到的;
4.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,在确定目标区域当前的地灾隐患识别数据之后,还包括:
5.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,获取目标区域当前的遥感数据、地理信息数据和地质勘探数据,具体包括:
6.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,根据所述遥感数据和所述地理信息数据对所述目标区域进行三维场景重建,确定三维地形数据,具体包括:
7.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,对所述遥感数据、所述地理信息数据和所述地质勘探数据进行筛选,确定目标区域的区域特征信息
8.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,所述基于所述三维地形数据,根据所述区域特征信息和所述隐患对应关系集合,确定三维立体标识,具体包括:
9.一种地质灾害隐患立体识别系统,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至8中任一项所述的地质灾害隐患立体识别方法。
...【技术特征摘要】
1.一种地质灾害隐患立体识别方法,其特征在于,包括:
2.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,所述地质灾害隐患识别模型是基于光谱数据、地形特征数据和降雨量特征数据,对深度卷积神经网络模型训练得到的;
3.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,所述地质灾害隐患承灾体识别模型是基于承灾体样本数据,对深度卷积神经网络模型训练得到的;
4.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,在确定目标区域当前的地灾隐患识别数据之后,还包括:
5.根据权利要求1所述的地质灾害隐患立体识别方法,其特征在于,获取目标区域当前的遥感数据、地理信息数据和地质勘探数据,具体包括:
6.根据权利要求1所述的地质灾...
【专利技术属性】
技术研发人员:刘立,李永鑫,文学虎,董先敏,廖洋洋,王德富,
申请(专利权)人:自然资源部第三地理信息制图院,
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。