(19)國家知識產(chǎn)權(quán)局(10)申請公布號CN119920059A中交一公局廈門工程有限公司地址361000福建省廈門市集美區(qū)銀江路139號申請人中交一公局綠建(廈門)科技有限公司(72)發(fā)明人浦彥彥劉世煥魯瑞祥胡春生蔡宣桂夏子順王彪艾浩(74)專利代理機構(gòu)合肥訊鷹知識產(chǎn)權(quán)代理事務(wù)所(普通合伙)34385專利代理師梅子文(54)發(fā)明名稱基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)本發(fā)明公開了基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，涉及災(zāi)害監(jiān)測預(yù)警技術(shù)基雷達等多種數(shù)據(jù)源，實現(xiàn)對區(qū)域風險的全面監(jiān)測。系統(tǒng)能夠自動處理數(shù)據(jù)，構(gòu)建高精度三維實景模型，并基于時序InSAR技術(shù)和多源數(shù)據(jù)融合非接觸式高精度測量。構(gòu)建交互式監(jiān)測預(yù)警平融合處理、潛在風險面確定、應(yīng)力應(yīng)變分析及預(yù)警信息發(fā)布功能，為區(qū)域風險防范提供了支持。21.基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述系統(tǒng)包括：全域變形監(jiān)測與風險識別模塊：用于獲取待檢測區(qū)域的多景衛(wèi)星影像和數(shù)字高程模風險巡檢與三維實景模型構(gòu)建模塊：利用無人機搭載激光雷達與可見光相機，定期對關(guān)鍵工程區(qū)域進行巡檢，獲取高密度激光點云數(shù)據(jù)和高分辨率影像；處理無人機獲取的數(shù)據(jù)，構(gòu)建像素損失矩陣，進行像素調(diào)整，形成三維實景模型；研究廣域建高精度控制框架，集成無人機高精度攝影測量模塊，構(gòu)建工程實景三維模型；智慧感知技術(shù)與裝備模塊：針對路基邊坡、隧道施工、橋梁結(jié)構(gòu)重點設(shè)施，利用地基雷多源數(shù)據(jù)融合監(jiān)測預(yù)警模塊：整合多源異構(gòu)數(shù)據(jù)，進行數(shù)據(jù)清洗、特征提取，開發(fā)智能融合處理和分析模型；構(gòu)建集用戶基礎(chǔ)、多源數(shù)據(jù)協(xié)議、實景模型數(shù)據(jù)庫功能于一體的交互應(yīng)力應(yīng)變分析，實現(xiàn)對高風險區(qū)域的安全預(yù)警信息發(fā)布。2.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述全域變形監(jiān)測與風險識別模塊工作流程具體如下：S11、獲取待檢測區(qū)域的多景衛(wèi)星影像和數(shù)字高程模型；S12、對多景衛(wèi)星影像進行精配準，確保數(shù)據(jù)的一致性和準確性；生成干涉像對，提取地應(yīng)用場景，使用相應(yīng)的風險評估模型識別潛在風險區(qū)域。3.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述風險巡檢與三維實景模型構(gòu)建模塊工作流程具體如下：S21、利用無人機搭載激光雷達與可見光相機，對工程重點區(qū)域進行定期巡檢，自主獲取高密度激光點云數(shù)據(jù)和高分辨率影像；S22、處理無人機獲取的數(shù)據(jù)，構(gòu)建像素損失矩陣，進行像素調(diào)整，形成三維實景模型；研究廣域像控-云控制技術(shù)，構(gòu)建高精度控制框架；集成無人機高精度攝影測量模塊，結(jié)合地質(zhì)等數(shù)據(jù)，構(gòu)建高精度的工程實景三維模型。4.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述智慧感知技術(shù)與裝備模塊工作流程具體包括：S31、研發(fā)針對路基邊坡、隧道施工、橋梁結(jié)構(gòu)重點設(shè)施的高精度、多參量、輕量化的監(jiān)測技術(shù)與裝備；S32、利用地基雷達、機器視覺與LiDAR組合技術(shù)、測量機器人和激光掃描儀等，實現(xiàn)非接觸式的高精度測量。5.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述多源數(shù)據(jù)融合監(jiān)測預(yù)警模塊工作流程具體如下：S41、以物聯(lián)網(wǎng)平臺做底層支撐，整合多源異構(gòu)數(shù)據(jù)，匹配項目各類設(shè)備接口協(xié)議類型，3接入空-天-地多維數(shù)據(jù)；研究異常數(shù)據(jù)清洗、數(shù)據(jù)降噪與特征提取方法，保證數(shù)據(jù)的高質(zhì)量性；建立多源監(jiān)測數(shù)據(jù)智能融合處理和分析模型，開發(fā)多源數(shù)據(jù)融合處理監(jiān)測預(yù)警模塊；S42、基于無人機航測技術(shù)構(gòu)建的高精度實景三維模型底座，研究多源監(jiān)測數(shù)據(jù)在平臺模型底座的可視化映射方法，實現(xiàn)監(jiān)測數(shù)據(jù)的直觀顯示；進行平臺架構(gòu)設(shè)計與交互式產(chǎn)品設(shè)計，提供打通感知設(shè)備層、數(shù)據(jù)采集層、通訊傳輸層與數(shù)據(jù)分析挖掘?qū)拥呐渲每蚣埽黄脚_庫、預(yù)警報警模型庫及多源異構(gòu)監(jiān)測數(shù)據(jù)融合分析模型庫內(nèi)容；S43、通過形變圖生成、目標檢測與風險劃分、數(shù)據(jù)融合處理、潛在風險面確定、應(yīng)力應(yīng)變分析步驟，實現(xiàn)對高風險區(qū)域的安全預(yù)警信息發(fā)布。6.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述去除大氣效應(yīng)影響包括去除大氣湍流效應(yīng)和大氣垂直分層效應(yīng)。7.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述構(gòu)建三維實景模型的具體過程包括：標記特征點和標準特征點，構(gòu)建像素損失函數(shù)，通過最小二乘法處理得到像素損失矩陣，對傾斜圖像進行像素調(diào)整，形成區(qū)域圖，再基于高程數(shù)據(jù)將區(qū)域圖中的像素點轉(zhuǎn)化為點云，得到點云模型，并將顏色信息映射到點云模型上。8.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述對高風險區(qū)域的安全預(yù)警信息發(fā)布過程包括：生成形變圖，進行目標檢測與風險劃分，將形變圖劃分為高風險區(qū)域和低風險區(qū)域；對高風險區(qū)域進行安全預(yù)警信息發(fā)布；對低風險區(qū)域進行數(shù)據(jù)融合處理，得到三維形變模型；基于地層結(jié)構(gòu)信息、地質(zhì)構(gòu)造信息和地形特征確定潛在風險面；進行應(yīng)力應(yīng)變分析，得到安全系數(shù)；對安全系數(shù)小于安全系數(shù)閾值的區(qū)域進行安全預(yù)警信息發(fā)布。9.根據(jù)權(quán)利要求1所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征在于，所述數(shù)據(jù)融合處理的具體過程包括：將形變圖和三維模型進行配準和密度匹配，基于對應(yīng)權(quán)重進行數(shù)據(jù)融合處理，得到三維形變模型，具體操作為將形變匹配圖轉(zhuǎn)化點云數(shù)據(jù)得到初始形變模型，將初始形變模型和三維匹配模型轉(zhuǎn)換為貝葉斯函數(shù)，基于對應(yīng)權(quán)重和高斯分布函數(shù)獲取似然函數(shù)，經(jīng)最大后驗估計處理得到三維形變模型。10.根據(jù)權(quán)利要求8所述的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，其特征β分別是應(yīng)力安全系數(shù)D和應(yīng)變安全系數(shù)對應(yīng)的權(quán)重。4技術(shù)領(lǐng)域[0001]本發(fā)明屬于災(zāi)害監(jiān)測預(yù)警技術(shù)領(lǐng)域，具體涉及基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)。背景技術(shù)[0002]隨著社會經(jīng)濟的快速發(fā)展和城市化進程的加快，各類自然災(zāi)害和人為因素導(dǎo)致的區(qū)域風險問題日益突出。這些問題不僅威脅人民生命財產(chǎn)安全，也對經(jīng)濟社會的可持續(xù)發(fā)展造成嚴重影響。因此，建立有效的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，對于預(yù)防和減輕自然災(zāi)害和人為災(zāi)害的影響具有重要意義。[0003]現(xiàn)有的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)主要依賴單一的數(shù)據(jù)源和技術(shù)手段，存在以下不[0004]數(shù)據(jù)源單一：傳統(tǒng)的監(jiān)測系統(tǒng)通常依賴單一的數(shù)據(jù)源，如地面?zhèn)鞲衅骰蛐l(wèi)星遙感數(shù)據(jù)，無法全面反映復(fù)雜多變的區(qū)域風險狀況。[0005]監(jiān)測范圍有限：地面?zhèn)鞲衅鞅O(jiān)測范圍有限，難以覆蓋大面積區(qū)域然覆蓋范圍廣，但時間和空間分辨率較低。[0006]數(shù)據(jù)處理能力不足：現(xiàn)有系統(tǒng)的數(shù)據(jù)處理能力有限，難以有效處理多源異構(gòu)數(shù)據(jù)，導(dǎo)致監(jiān)測結(jié)果的準確性和時效性不高。[0007]風險評估模型單一：現(xiàn)有的風險評估模型往往針對特定類型的災(zāi)害，缺乏通用性和靈活性，難以適應(yīng)多樣化的應(yīng)用場景。[0008]預(yù)警信息發(fā)布滯后：預(yù)警信息的發(fā)布和傳播機制不夠完善，導(dǎo)致預(yù)警信息的時效性和覆蓋面受限。發(fā)明內(nèi)容[0009]為了克服上述現(xiàn)有技術(shù)存在的缺點與不足，本發(fā)明采用如下技術(shù)方案：[0010]基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，包括：[0011]全域變形監(jiān)測與風險識別模塊：用于獲取待檢測區(qū)域的多景衛(wèi)星影像和數(shù)字高程分析，結(jié)合特定場景下的風險評估模型，識別潛[0012]風險巡檢與三維實景模型構(gòu)建模塊：利用無人機搭載激光雷達與可見光相機，定期對關(guān)鍵工程區(qū)域進行巡檢，獲取高密度激光點云數(shù)據(jù)和高分辨率影像；處理無人機獲取的數(shù)據(jù)，構(gòu)建像素損失矩陣，進行像素調(diào)整，形成三維實景模型；研究廣域像控-云控制技術(shù)，構(gòu)建高精度控制框架，集成無人機高精度攝影[0013]智慧感知技術(shù)與裝備模塊：針對路基邊坡、隧道施工、橋梁結(jié)構(gòu)重點設(shè)施，研發(fā)高機器人和激光掃描儀，實現(xiàn)非接觸式的高精度測量；5[0014]多源數(shù)據(jù)融合監(jiān)測預(yù)警模塊：整合多源異構(gòu)數(shù)據(jù)，進行數(shù)據(jù)清洗、特征提取，開發(fā)智能融合處理和分析模型；構(gòu)建集用戶基礎(chǔ)、多源數(shù)據(jù)協(xié)議、實景模型數(shù)據(jù)庫等功能于一體的交互式監(jiān)測預(yù)警平臺；通過形變圖生成、目標檢測與風險劃分、數(shù)據(jù)融合處理、潛在風險面確定、應(yīng)力應(yīng)變分析，實現(xiàn)對高風險區(qū)域的安全預(yù)警信息發(fā)布。[0015]優(yōu)選地，全域變形監(jiān)測與風險識別模塊工作流程具體如下：[0016]S11、獲取待檢測區(qū)域的多景衛(wèi)星影像和數(shù)字高程模型；[0017]S12、對多景衛(wèi)星影像進行精配準，確保數(shù)據(jù)的一致性和準確取地表變形信息；去除大氣效應(yīng)影響，提高干同的應(yīng)用場景，使用相應(yīng)的風險評估模型識別潛在風險區(qū)域。[0019]優(yōu)選地，風險巡檢與三維實景模型構(gòu)建模塊工作流程具體如下：[0020]S21、利用無人機搭載激光雷達與可見光相機，對工程重點區(qū)域進行定期巡檢，自主獲取高密度激光點云數(shù)據(jù)和高分辨率影像；[0021]S22、處理無人機獲取的數(shù)據(jù)，構(gòu)建像素損失矩陣，進行像素型；研究廣域像控-云控制技術(shù)，構(gòu)建高精度控制框合地質(zhì)等數(shù)據(jù)，構(gòu)建高精度的工程實景三維模型。[0022]優(yōu)選地，智慧感知技術(shù)與裝備模塊工作流程具體包括：[0023]S31、研發(fā)針對的監(jiān)測技術(shù)與裝備；[0024]S32、利用地基雷達、機器視覺與LiDAR組合技術(shù)、測量機器人和現(xiàn)非接觸式的高精度測量。[0025]優(yōu)選地，多源數(shù)據(jù)融合監(jiān)測預(yù)警模塊工作流程具體如下：[0026]S41、以物聯(lián)網(wǎng)平臺做底層支撐，整合多源異構(gòu)數(shù)據(jù)，匹配項目各類設(shè)備接口協(xié)議類型，接入空-天-地多維數(shù)據(jù)；研究異常數(shù)據(jù)清洗、數(shù)據(jù)降噪與特征提取方法，保證數(shù)據(jù)的高質(zhì)量性；建立多源監(jiān)測數(shù)據(jù)智能融合處理和分析模型，開發(fā)多源數(shù)據(jù)融合處理監(jiān)測預(yù)警[0027]S42、基于無人機航測技術(shù)構(gòu)建的高精度實景三維模型底座，研究多源監(jiān)測數(shù)據(jù)在平臺模型底座的可視化映射方法，實現(xiàn)監(jiān)測數(shù)據(jù)的直觀顯示；進行平臺架構(gòu)設(shè)計與交互式產(chǎn)品設(shè)計，提供打通感知設(shè)備層、數(shù)據(jù)采集層、通訊傳輸層與數(shù)據(jù)分析挖掘?qū)拥呐渲每蚣?；查詢庫、預(yù)警報警模型庫及多源異構(gòu)監(jiān)測數(shù)據(jù)融合分析模型庫內(nèi)容；[0028]S43、通過形變力應(yīng)變分析步驟，實現(xiàn)對高風險區(qū)域的安全預(yù)警信息發(fā)布。[0029]優(yōu)選地，去除大氣效應(yīng)影響包括去除大氣湍流效應(yīng)和大氣垂直分層效應(yīng)。[0030]優(yōu)選地，構(gòu)建三維實景模型的具體過程包括：標記特征點和標準特征點，構(gòu)建像素損失函數(shù)，通過最小二乘法處理得到像素損失矩陣，對傾斜圖像進行像素調(diào)整，形成區(qū)域圖，再基于高程數(shù)據(jù)將區(qū)域圖中的像素點轉(zhuǎn)化為點云，得到點云模型，并將顏色信息映射到點云模型上。6[0039]2、本發(fā)明利用無人機搭載激光雷達與可見光相機，構(gòu)建了高精度的三維實景模附圖說明7[0044]圖2示出了本發(fā)明系統(tǒng)的工作流程圖。具體實施方式[0045]下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它[0046]此外，所描述的特征、結(jié)構(gòu)或特性可以以任何合適的方式結(jié)合在一個或更多示例實施方式中。在下面的描述中，提供許多具體細節(jié)從而給出對本公開的示例實施方式的充分理解。然而，本領(lǐng)域技術(shù)人員將意識到，可以實踐本公開的技術(shù)方案而省略所述特定細節(jié)述公知結(jié)構(gòu)、方法、實現(xiàn)或者操作以避免喧賓奪主而使得本公開的各方面變得模糊。[0047]實施例1:[0048]參閱圖1所示，本實施例的基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警系統(tǒng)，包括全域變形監(jiān)測與風險識別模塊、風險巡檢與三維實景模型構(gòu)建模塊、智慧感知技術(shù)與裝[0049]全域變形監(jiān)測與風險識別模塊：用于獲取待檢測區(qū)域的多景衛(wèi)星影像、數(shù)字高程分析，結(jié)合特定場景下的風險評估模型，識別潛在風險區(qū)域。[0050]風險巡檢與三維實景模型構(gòu)建模塊：利用無人機搭載激光雷達與可見光相機，定期對關(guān)鍵工程區(qū)域進行巡檢，獲取高密度激光點云數(shù)據(jù)和高分辨率影像；處理無人機獲取的數(shù)據(jù)，構(gòu)建像素損失矩陣，進行像素調(diào)整，形成三維實景模型；研究廣域像控-云控制技術(shù)，構(gòu)建高精度控制框架，集成無人機高精度攝影測量模塊，構(gòu)建工程實[0051]智慧感知技術(shù)與裝備模塊：針對路基邊坡、隧道施工、橋梁結(jié)構(gòu)等重點設(shè)施，研發(fā)量機器人和激光掃描儀等，實現(xiàn)非接觸式的高精度測量。[0052]多源數(shù)據(jù)融合監(jiān)測預(yù)警模塊：整合多源異構(gòu)數(shù)據(jù)，進行數(shù)據(jù)清洗、特征提取，開發(fā)智能融合處理和分析模型；構(gòu)建集用戶基礎(chǔ)、多源數(shù)據(jù)協(xié)議、實景模型數(shù)據(jù)庫等功能于一體的交互式監(jiān)測預(yù)警平臺；[0053]通過形變圖生成、目標檢測與風險劃分、數(shù)據(jù)融合處理、潛在風險面確定、應(yīng)力應(yīng)變分析等步驟，實現(xiàn)對高風險區(qū)域的安全預(yù)警信息發(fā)布。[0054]參閱圖2所示，基于空天地多源數(shù)據(jù)融合的區(qū)域風險監(jiān)測預(yù)警方法，工作流程如[0055]步驟一：基于長時序衛(wèi)星遙感的全域變形監(jiān)測與風險識別。[0056]S11、獲取待檢測區(qū)域的多景衛(wèi)星影像和數(shù)字高程模型(DEM)。[0057]利用合成孔徑雷達干涉測量(InSAR)技術(shù)，獲取大范圍的地表變形監(jiān)測數(shù)據(jù)，檢測毫米級地表變形。8[0059]對多景衛(wèi)星影像進行精配準，確保數(shù)據(jù)的一致性和準確性。[0060]生成干涉像對，提取地表變形信息。[0061]去除大氣湍流效應(yīng)和大氣垂直分層效應(yīng)，提高干涉相位質(zhì)量。[0063]基于時序InSAR技術(shù)，開展監(jiān)測區(qū)全域大范圍變形監(jiān)測。[0064]結(jié)合DEM、光學影像等多源數(shù)據(jù)，提取監(jiān)測區(qū)坡度信息，進行形態(tài)、地表覆蓋類型等分析，識別出風險隱患點。[0065]根據(jù)不同的應(yīng)用場景(如地震、洪水、滑坡等),使用相應(yīng)的風險評估模型識別潛在風險區(qū)域。[0066]步驟二、基于無人機航測的風險巡檢與三維實景模型構(gòu)建。[0068]利用無人機搭載激光雷達與可見光相機，對工程重點區(qū)域(如高邊坡、隧道洞口、橋梁等等)進行定期巡檢。[0069]自主獲取高密度激光點云數(shù)據(jù)和高分辨率影像。[0071]將當前傾斜圖像中，在不同尺度下高斯模糊處理后像素值均為極值，且鄰域?qū)Ρ榷刃∮趯Ρ榷乳撝档南袼攸c，標記為特征點。[0072]將這些特征點在標準圖像中相應(yīng)位置處的像素點，標記為標準特征點。[0073]基于特征點像素值和標準特征點像素值，構(gòu)建像素損失函數(shù)，經(jīng)最小二乘法處理，得到像素損失矩陣。[0074]基于像素損失矩陣，對當前傾斜圖像進行像素調(diào)整，得到當前調(diào)整圖像。[0075]每個調(diào)整圖像依次與相鄰獲取時間對應(yīng)的調(diào)整圖像，進行相同區(qū)域處的像素混合的連接處理，得到區(qū)域圖。[0076]基于高程數(shù)據(jù)，將區(qū)域圖中像素點轉(zhuǎn)化為點云，得到點云模型。[0077]將區(qū)域圖中的顏色信息，映射到點云模型上，得到三維模型。[0078]研究廣域像控-云控制技術(shù)，構(gòu)建高精度控制框架。[0079]集成無人機高精度攝影測量模塊，結(jié)合地質(zhì)等數(shù)據(jù)，構(gòu)建高精度的工程實景三維模型。[0080]步驟三、低成本、高精度、多參量、輕量化的智慧感知技術(shù)與裝備。[0082]路基邊坡監(jiān)測：研發(fā)基于微機電系統(tǒng)(MEMS)技術(shù)的高精度位移繩和超大量程磁致式位移計，實現(xiàn)長周期邊坡矩陣式表面沉降與土體深層水平位移高精度感知。[0083]隧道施工監(jiān)測：研發(fā)隧道拱頂沉降監(jiān)測技術(shù)和位移繩預(yù)埋方法，實現(xiàn)隧道施工全過程監(jiān)測。[0084]橋梁結(jié)構(gòu)監(jiān)測：開發(fā)無線復(fù)合傳感技術(shù)，實現(xiàn)橋梁撓度、位移、沉降、傾斜和溫度等多物理量的實時監(jiān)測。[0085]其他設(shè)施監(jiān)測：根據(jù)不同的應(yīng)用場景(如大壩、水庫、礦山等),研發(fā)相應(yīng)的高精度、多參量、輕量化的智慧感知技術(shù)與裝備。[0086]S32、非接觸式測量。9[0087]地基雷達測量：利用地基雷達進行大范圍目標靜動態(tài)變形的非接觸式測量。[0088]視覺與LiDAR組合測量：采用機器視覺與三維激光掃描技術(shù)，實現(xiàn)隧道洞口、橋梁結(jié)構(gòu)等的高精度非接觸式測量。[0089]測量機器人和激光掃描儀：利用測量機器人和高精度激光掃描儀進行三維變形測[0090]步驟四、空-天-地多源數(shù)據(jù)融合的監(jiān)測預(yù)警平臺設(shè)計與開發(fā)。[0092]多源數(shù)據(jù)整合：以物聯(lián)網(wǎng)平臺做底層支撐，整合多源異構(gòu)數(shù)據(jù)，匹配項目各類設(shè)備接口協(xié)議類型，接入空-天-地多維數(shù)據(jù)。[0093]數(shù)據(jù)清洗與特征提取：研究異常數(shù)據(jù)清洗、數(shù)據(jù)降噪與特征提取方法，保證數(shù)據(jù)的高質(zhì)量性。[0094]智能融合處理：建立多源監(jiān)測數(shù)據(jù)智能融合處理和分析模型，開發(fā)多源數(shù)據(jù)融合處理監(jiān)測預(yù)警模塊。[0096]可視化映射技術(shù)：基于無人機航測技術(shù)構(gòu)建的高精度實景三維模型底座，研究多源監(jiān)測數(shù)據(jù)在平臺模型底座的可視化映射方法，實現(xiàn)監(jiān)測數(shù)據(jù)的直觀顯示。[0097]交互式產(chǎn)品設(shè)計：結(jié)合課題研究內(nèi)容進行平臺架構(gòu)設(shè)計與交互式產(chǎn)品設(shè)計，提供一套打通感知設(shè)備層、數(shù)據(jù)采集層、通訊傳輸層與數(shù)據(jù)分析挖掘?qū)拥呐渲每蚣堋0098]功能模塊：平臺涵蓋用戶基礎(chǔ)模塊、多源數(shù)據(jù)協(xié)議庫、實景模型數(shù)據(jù)庫、BIM信息庫、地理信息庫、數(shù)據(jù)查詢庫、預(yù)警報警模型庫及多源異構(gòu)監(jiān)測數(shù)據(jù)融合分析模型庫等內(nèi)[0101]分別獲取當前和歷史鄰域時刻待檢區(qū)域的雷達數(shù)據(jù)，經(jīng)圖像配準處理后，獲取對應(yīng)位置點的相位差，得到相位差圖。[0102]相位差圖經(jīng)最小二乘法處理后轉(zhuǎn)化為地表形變圖，得到形變圖。[0104]形變圖經(jīng)目標檢測處理，得到建筑物分布信息和植被分布信息。[0105]基于建筑物分布信息、植被分布信息和地表形變閾值，將形變圖劃分為高風險區(qū)域和低風險區(qū)域。[0106]高風險區(qū)域為：形變圖中，地表形變平均值大于第一地表形變差小于方差閾值的區(qū)域；或形變圖中，地表形變平均值不大于第一地表形變閾值，但大于第二地表形變閾值，且建筑物分布面積大于建筑分布面積閾值的區(qū)域。第一地表形變閾值大于第二地表形變閾值。[0108]對高風險區(qū)域進行安全預(yù)警信息發(fā)布。[0109]對低風險區(qū)域執(zhí)行下一步操作。[0111]將形變圖和三維模型進行配準和密度匹配后，基于對應(yīng)權(quán)重進行數(shù)據(jù)融合處理，得到三維形變模型。[0112]數(shù)據(jù)融合處理的操作具體為：基于待檢區(qū)域的坐標數(shù)據(jù)和高程數(shù)據(jù)，將形變匹配圖轉(zhuǎn)化點云數(shù)據(jù)，得到初始形變模型。[0113]分別將初始形變模型和三維匹配模型轉(zhuǎn)換為貝葉斯函數(shù)，得到初始形變貝葉斯模型和三維貝葉斯模型。[0114]基于對應(yīng)權(quán)重和高斯分布函數(shù)，獲取初始形變貝葉斯模型和三維貝葉斯模型的似然函數(shù)，得到初始形變似然模型和三維似然模型。[0115]初始形變似然模型和三維似然模型，經(jīng)最大后驗估計處理，得到三維形變模型。確定三維形變模型的潛在風險面。[0119]基于未來鄰域時間的環(huán)境參數(shù)(如降雨時長和降雨量、地震活動等),以及潛在風險面對應(yīng)的地質(zhì)信息，進行應(yīng)力應(yīng)變分析，得[0123]S11、計算最終的安全系數(shù)E:E=aD+βV;其中，D是應(yīng)