• 首 页
  • 分院概况
    • 分院简介
    • 机构设置
    • 现任领导
    • 历任领导
    • 历史沿革
  • 科教机构
    • 研究单位
    • 转制企业
    • 国科大学院
  • 党群园地
    • 组织机构
      • 党组织
      • 纪检组织
      • 工会组织
      • 团委机构
    • 党建动态
    • 反腐倡廉
    • 学习园地
    • 弘扬科学家精神
  • 人事人才
    • 院士
    • 高层次人才
    • 西部之光
    • 青促会
    • 工作动态
  • 科技合作
    • 合作概况
    • 院地合作
    • 科研进展
  • 科学传播
    • 科普文章
    • 科普动态
    • 科普基地
    • 学术期刊
  • 信息公开
    • 公开规定
    • 公开指南
    • 公开目录
    • 公开年度报告
    • 公开申请
  • 综合新闻
  • 通知公告
  • 视频新闻
  • 园区风貌
  • 媒体扫描
  • 重点平台
  • 专题
中国科学院| English| 继续教育
  • 首页
  • 分院概况
    分院简介
    成都分院前身系1958年11月成立的中科院四川分院,1962年调整更名为中科院西南分院,1970年由四川省管理,1978年1月恢复重建后使用现名,是西南地区综合性的科学研究基地、高级人才培养基地和高新技术产业化基地。
    更多简介+
    现任领导
    王嘉图
    分党组书记
    院长
    曲建升
    分党组副书记
    系统党委副书记
    刘庆
    副院长
    分党组成员
    蔡长江
    纪检组组长
    系统党委副书记
    机构设置 历任领导 历史沿革
  • 分院概况
    • 分院简介
    • 机构设置
    • 现任领导
    • 历任领导
    • 历史沿革
  • 科教机构
    研究单位
    • 光电技术研究所
    • 成都生物研究所
    • 成都山地灾害与环境
      研究所
    • 重庆绿色智能技术
      研究院
    • 成都文献情报中心
    转制企业
    成都有机化学
    有限公司
    成都信息技术股份
    有限公司
    成都中科唯实仪器
    有限责任公司
    国科大学院
    中国科学院大学
    成都学院
    中国科学院大学
    重庆学院
  • 科教机构
    • 研究单位
    • 转制企业
    • 国科大学院
  • 党群园地
    • 组织机构
      • 党组织
      • 纪检组织
      • 工会组织
      • 团委机构
    • 党建动态
    • 反腐倡廉
    • 学习园地
    • 弘扬科学家精神
  • 人事人才
    • 院士
    • 高层次人才
    • 西部之光
    • 青促会
    • 工作动态
  • 科技合作
    • 合作概况
    • 院地合作
    • 科研进展
  • 科学传播
    • 科普文章
    • 科普动态
    • 科普基地
    • 学术期刊
  • 信息公开
    • 公开规定
    • 公开指南
    • 公开目录
    • 公开年度报告
    • 公开申请
  • 头条新闻
  • 综合新闻
  • 通知公告
  • 视频新闻
  • 园区风貌
  • 媒体扫描
  • 重点平台
    • 大科学装置
    • 重点实验室
    • 工程中心
    • 野外台站
  • 专题
当前位置:
首页    综合新闻
综合新闻

成都山地所采用新技术提取北京房山区崩滑体动力学特征

发布时间:2018-08-15 来源:成都山地所 【  小 中 大  】 【打印】 【关闭】
  2018年8月11日上午8:30左右,北京房山区大安山乡发生山体塌方,塌方量约3万立方米。所幸,由于当地群测群防安全员和公路养护工人及时发现险情并采取断路措施,塌方并未造成人员伤亡和车辆损失。日前,中国科学院成都山地灾害与环境研究所欧阳朝军副研究员团队根据此次滑坡特征和现场资料数据,并结合光流法捕捉技术、深度学习和动力学数值模拟方法,对此次崩滑灾害的动力学特性进行了分析和提取,获取了其运动速度、演化过程、堆积范围等关键性特征参数,可为下一步工程防治方案设计、其他潜在风险点危害评估提供技术支撑。 

  该团队利用特征轮廓匹配技术对网友提供的现场实时视频进行了精细化校正,并利用成都山地所自主研发的表面速度光流测量法对每帧像元进行了跟踪计算,有效提取到不同时刻的运动速度等重要信息。同时,还利用深度学习方法(DeepLab),采用人工智能方法自动高效的从影像视频中提取了不同时刻的滑坡运动位置和范围信息,相较于采用肉眼勾画的方式,实现了分析效率的大幅提高。 

  每年全球发生无数滑坡灾害,但是由于滑坡多发生在偏远山区,且具有很强的突发性,因此具有完整过程记录的滑坡视频非常少。为此,科研人员不得不开展大量室内模型试验,但受模型尺寸的限制,模型结果无法真实反映滑坡固有特性。而采用以上方式提取滑坡速度、演化过程等动力学特性对于开展滑坡反演、机理分析等研究具有重要的科学意义。 

  利用上述基础信息,该团队进一步通过自主开发的地表动力过程计算模拟软件Massflow(www.massflow-software.com),开展了崩塌体动力过程计算模拟,并与提取的速度、范围等数据进行对比分析,再次校核了模型和计算参数。校核后的模型和参数可以为此次崩塌体后续治理方案设计、本地区其他潜在滑坡风险评估提供技术支撑。 

  该研究得到了国家重点研发专项(2017YFC1501000)、国家自然科学基金(41572303)、中国科学院前沿科学重点研究项目(QYZDY-SSW-DQC006)和中国科学院青年创新促进会项目的支持。

  

  原始视频(左)与表面速度光流测量法提取的滑坡体速度(右)

  

  DeepLab提取的滑坡演化过程(左)和Massflow滑坡过程数值模拟及参数校核(右)


附件下载:

上一篇:成都生物所在长江水生态毒理水环境安全研究中获得进展
下一篇:中国林科院副院长刘世荣研究员访问中科院贡嘎山站
版权所有:中国科学院成都分院蜀ICP备05003826号-1川公网安备 51010702001710号
单位地址:四川天府新区群贤南街100号邮编:610213
网站标识码:bm48000019