一种滑坡分析方法
【技术领域】
[0001]本发明涉及地质灾害预防领域，特别涉及一种滑坡分析方法。
【背景技术】
[0002]送电线路有几大特点:线路长、杆塔多、地形复杂、特殊区段多、事故种类多等，造成线路维护困难，线路大多在山区，其中有不少是土山，加上近几年雨水量较大，增大了出现滑坡的可能性，如果在巡线前通过软件分析各个杆塔所在位置的数据，给出一个大概可能会发生滑坡的地点，则能做到在巡线过程中有的放矢，在经济效益上，预测准一个滑坡点挽回的经济损失就远大于开发成本，国内目前还没有这方面的应用，其应用前景是非常广阔的。
[0003]滑坡是仅次于地震和洪水的一种严重地质灾害，也是送电线路面临的重要风险之一，目前，在图像分析技术上，可以根据图像特征识别人脸、地面建筑物、车辆等，甚至可以区分肿瘤的组织病理分级等，其技术也已应用于地质体的判别，但大多用于人工判别。在智能分析方面，遗传算法、人工神经网络、蚁群算法等在边坡稳定分析方面取得了一定成果，但它们都存在一定的问题，如遗传算法中随机生成的滑动画中有大部分实际上是不可行的滑动面，人工神经网络方法中如果待求边坡与学习样本边坡特性差异较大时准确率会大大降低或完全错误，蚁群算法计算时间长、易停滞、应用不多。
[0004]本发明方法笔者称为“近线搜索”，近线有两个含义，一是两者接近、二是两者近似，在数学上，相关系数可以用来判断两曲线的相拟程度。利用本方法结合地形数据对滑坡体进行智能判别的方法，尚属首次。
【发明内容】
[0005]针对上述问题本发明提供一种滑坡分析方法，其由以下步骤完成:第一步，测量地形，利用地形数据画出地形图，在地形图上加载杆塔信息，对在山区有杆塔的区块进行标注；
第二步，将杆塔的区块的卫星地图按像素进行扫描，按色彩值提取重点像素，经简化、抽稀后将各点进行曲线拟合，成为贝赛尔曲线图，将第一步中标注的区块地区加载到贝赛尔曲线图上；
第三步，将第二步扫描之后的新的照片再次扫描，色彩值提取重点像素，经简化、抽稀后将各点进行曲线拟合，成为贝赛尔曲线图，将第一步中标注的区块地区加载到第二次生成的贝赛尔曲线图上，对比上述两条线的高程，如果高程上存在较大落差，则基本可以确定此点有滑坡的可能。
[0006]本发明的有益效果在于:(I)按图像的形状判断两块地质体是否原本是一块；(2)结合地形数据，利用高程差辅助判断滑坡点；(3)能避开沟壑、河流、森林边界等干扰区域。
【具体实施方式】
[0007]实施例1，一种滑坡分析方法，其由以下步骤完成:第一步，测量地形，利用地形数据画出地形图，在地形图上加载杆塔信息，对在山区有杆塔的区块进行标注；
第二步，将杆塔的区块的卫星地图按像素进行扫描，按色彩值提取重点像素，经简化、抽稀后将各点进行曲线拟合，成为贝赛尔曲线图，将第一步中标注的区块地区加载到贝赛尔曲线图上；
第三步，将第二步扫描之后的新的照片再次扫描，色彩值提取重点像素，经简化、抽稀后将各点进行曲线拟合，成为贝赛尔曲线图，将第一步中标注的区块地区加载到第二次生成的贝赛尔曲线图上，对比上述两条线的高程，如果高程上存在较大落差，则基本可以确定此点有滑坡的可能。
【主权项】
1.一种滑坡分析方法，其特征在于:其由以下步骤完成:第一步，测量地形，利用地形数据画出地形图，在地形图上加载杆塔信息，对在山区有杆塔的区块进行标注； 第二步，将杆塔的区块的卫星地图按像素进行扫描，按色彩值提取重点像素，经简化、抽稀后将各点进行曲线拟合，成为贝赛尔曲线图，将第一步中标注的区块地区加载到贝赛尔曲线图上； 第三步，将第二步扫描之后的新的照片再次扫描，色彩值提取重点像素，经简化、抽稀后将各点进行曲线拟合，成为贝赛尔曲线图，将第一步中标注的区块地区加载到第二次生成的贝赛尔曲线图上，对比上述两条线的高程，如果高程上存在较大落差，则基本可以确定此点有滑坡的可能。
【专利摘要】一种滑坡分析方法，其由以下步骤完成：第一步，测量地形，对在有杆塔的区块进行标注；第二步，将杆塔的区块的卫星地图按像素进行扫描，将第一步中标注的区块地区加载到贝赛尔曲线图上；第三步，将第二步扫描之后的新的照片再次扫描，将第一步中标注的区块地区加载到第二次生成的贝赛尔曲线图上，对比上述两条线的高程，如果高程上存在较大落差，则基本可以确定此点有滑坡的可能。本发明的有益效果在于：（1）按图像的形状判断两块地质体是否原本是一块；（2）结合地形数据，利用高程差辅助判断滑坡点；（3）能避开沟壑、河流、森林边界等干扰区域。
【IPC分类】G06T7-00
【公开号】CN104732513
【申请号】CN201410695494
【发明人】刘卫国, 李良林, 朱国强, 王重鹏, 巨克玲, 庄友淳, 林成海, 李建仓, 宋建峰, 牛建安
【申请人】国网青海省电力公司西宁供电公司, 国家电网公司, 国网青海省电力公司
【公开日】2015年6月24日
【申请日】2014年11月27日