-
滑坡作为一种频发的地质灾害,具有突发性、破坏性、易引发次生灾害等特点,造成严重的经济损失与人员伤亡[1-6]。据国家统计局年度数据库(http://data.stats.gov.cn/)统计,2009—2018年中国共发生滑坡灾害90 174次,占地质灾害总数的70%以上。构建灾害虚拟地理环境进行滑坡灾害知识的表达与共享,对滑坡灾害应急处置与规划决策具有十分重要的意义[7-10]。
国内外学者对滑坡灾害虚拟三维场景表达进行了研究,如采用基于离散元方法的三维粒子流代码(particle flow code in 3 dimension,PFC3D)模拟滑坡滑动过程[11-12]; 基于GIS与光滑粒子流体动力学(smoothed particle hydrodynamics,SPH)的三维模型,通过粒子颜色渲染模拟滑坡动态过程[13-14];采用粘弹塑性本构关系建立SPH模型,模拟复杂的滑坡灾害过程[15];结合Navier–Stokes方程与Bingham流动模型构建SPH模型,模拟滑坡动态过程[16-17]; 通过离散数字高程模型(digital elevation model, DEM)单元调整地形高程,表达滑坡灾害滑动过程[18];利用非连续变形分析法(discontinuouse deformation analysisme-thod,DDA),通过离散的滑坡块与复杂的物理参数模拟滑坡运动过程[19-21]。上述方法均是动态表达滑坡滑动过程,构建的灾害场景简单、真实感弱,且由于滑坡灾害漫长的时空演化过程,涉及对象内容丰富、关系复杂,进行滑坡灾害场景建模时需要深入研究其形成机理,导致建模参数多、操作复杂,降低了建模效率。为简化建模操作,构建真实感强的滑坡灾害场景,有学者采用粒子系统控制灾害模拟时间和粒子运动周期[22-23],添加烟尘效果以更真实地模拟滑坡灾害过程[24];通过融合表达方法将多源滑坡灾害数据进行统一建模表达,构建滑坡灾害场景[25]。此类方法构建的滑坡灾害场景更真实,但场景表达内容单一,缺失灾害成因、造成影响等信息导致可读性差。
因此,针对上述问题,本文开展知识引导的滑坡灾害场景动态表达研究。首先,抽取滑坡灾害场景表达特征,厘清表达对象及其相互关系;然后,建立场景建模的多层次语义约束规则,以引导滑坡灾害场景从起因、过程到结果全过程的灾害场景建模与动态表达,并开展案例分析。
-
滑坡灾害场景动态表达方法总体研究思路如图 1所示。首先,在灾害数据的支撑下抽取滑坡灾害场景对象、内容、模型以及表达特征与相互关系;然后,构建多层次语义约束规则;最后,在这些规则的约束与引导下构建滑坡灾害场景进行动态表达。图 1中,X、Y、Z表示不同方向的坐标轴。
-
根据灾害成因、灾害事件以及灾害影响的逻辑关系, 滑坡灾害场景表达对象可以划分为不同类型,如孕灾环境、诱发因素、灾害过程、灾情信息等。为厘清滑坡灾害的场景对象、内容及其相互关系,帮助用户快速理解滑坡灾害信息,本文在综合考虑灾害的时间、空间以及对象的几何形态、属性特征、要素关系、演化过程与语义描述等表达要素的情况下,根据不同灾害对象类型对表达对象、对象内容、表达特征及其相互关系进行抽取。图 2展示了滑坡灾害对象之间的关系与表达特征。
-
为了简化复杂的滑坡灾害建模操作,提高灾害建模效率,增强滑坡灾害场景表达信息的可读性,本文提出了多层次语义约束建模方法,通过构建多层次语义约束规则来实现滑坡灾害场景的语义约束建模。本文通过信息完备性规则约束滑坡灾害场景表达数据的选取,而空间语义、信息可读性及逻辑关系规则约束滑坡灾害全过程场景建模约束,使得灾害场景表达更准确、更容易理解。
1)信息完备性约束规则。滑坡灾害对象信息丰富,然而虚拟场景信息表达能力有限,需要从众多灾害数据中选取最具有价值的数据或信息来表达。因此,在场景表达数据选取时需要综合考虑滑坡灾害信息是否完善,能否包含滑坡灾害成因、灾害过程以及灾害影响等全过程信息,如图 3所示。由于数据获取方式不统一,导致灾害对象数据模态多样、空间参考不一致等问题,不利于场景表达。首先,需要对灾害范围、承灾体等非空间数据进行空间化、统一空间参考等操作;然后,根据场景表达需要主动选取相关灾害数据,在空间语义、信息可读性以及逻辑关系约束下实现滑坡灾害信息的完备性表达,使场景表达内容更加丰富。
2)空间语义约束规则。空间语义主要是约束场景对象的空间位置、空间姿态、拓扑关系,如图 4所示。图 4中,X、Y、Z表示不同方向的坐标轴,X′、Y′、Z′表示旋转后的坐标轴,O表示坐标原点,O′表示平移后的坐标原点,点(x, y, z)则表示对象在三维空间中的坐标位置。空间位置语义是约束灾害信息在场景表达中的空间位置,本文所涉及的空间数据需统一空间参考;空间姿态语义则约束模型、文字以及要素等的空间姿态,包括Z轴的偏航角、X轴的俯仰角、Y轴的翻滚角;拓扑关系表示模型、要素等之间的空间位置关系,如包含、相邻、相离、相交等。通过上述空间语义约束能够准确展示对象之间的空间关系。
3)信息可读性约束规则。信息可读性约束可增强信息表达能力,使信息表达更加直观。文字具有直接表达能力,特定符号代表特定含义,动画可模拟动态过程、突出强调重要信息,视觉变量能引起不同的视觉心理效应,提高用户对场景的认知效率。所以本文主要采用文字、符号、动画与视觉变量4个元素进行信息可读性约束,公式为:
$$ R = \left\langle {T, S, A, V} \right\rangle $$ 式中,T表示文字;S代表符号;A是指动画;V则表示三维可视化视觉变量,包含静态、动态及三维视觉变量,其中静态视觉变量包括位置、尺寸、形状、方向、颜色、亮度与纹理等,动态视觉变量如时刻、持续时间、频率、幅度、次序与同步等,三维视觉变量包含细节层次、空间姿态、光照与清晰度等;R则代表通过四元组组合后的信息表达方法。以文字直接描述地震、滑坡灾害事件、灾害情况等信息,箭头符号指示滑动方向或范围,线状符号表示河流、道路、滑坡边界等,立方体模型表示建筑;静态视觉变量表达场景对象的状态信息,其中颜色表示受损程度;动态视觉变量控制场景动画,模拟场景地震,通过房屋、河流、边界等要素闪动突出强调灾害情况;三维视觉变量则控制模型及场景的整体表达。通过此约束实现滑坡灾害真实感场景与符号协同表达,使场景信息表达更直观,增强信息可读性,帮助用户快速理解灾害信息。
4)逻辑关系约束规则。逻辑关系包括因果关系、层递关系、主次关系、总分关系、并列关系等。正确的逻辑关系有助于滑坡灾害场景信息的准确表达,帮助用户理解灾害的发生、发展过程以及造成影响。因此,本文依据滑坡灾害时空演化过程规律构建从灾害成因、灾害发展到造成影响的逻辑关系约束规则,以实现滑坡灾害时空演化过程动态表达,如图 5所示。图 5中,t10时刻、tn时刻表示滑坡灾害过程中的滑动时刻。
-
滑坡灾害场景建模表达与其他场景建模不同,需要快速构建出场景模型帮助用户快速掌握、理解灾害信息。本文在上述基础上将构建的多层次语义约束规则统一集成为知识模板。模板由多个元素组成,每一个元素包含多个属性,模板元素表示场景表达的内容,元素的属性则约束场景表达的空间语义与信息可读性。在知识引导下实现滑坡灾害场景的快速构建与动态表达。
影像和地形数据是滑坡灾害场景构建的基础。首先,利用灾前影像和地形数据构建基础地理场景,为了平衡场景表达的真实感与绘制效率,一般选取空间分辨率为1~10 m的影像和空间分辨率为10~30 m的地形数据构建基础地理场景;其次,在信息完备性规则约束下选取需要表达的场景数据,并统一空间坐标系;再次,在空间语义、信息可读性等多层次语义约束下,约束场景对象内容的空间位置关系、表达方式等,引导滑坡灾害场景自动建模,实现虚拟场景中的空间定位、姿态旋转、抽象表达以及动画展示;然后,将专题信息、影像数据等叠加到基础地形场景实现滑坡灾害场景的建模表达;最后,在滑坡灾害时空演化逻辑关系约束知识引导下,实现从灾害成因、灾害时空过程到形成影响的全过程场景动态表达。
-
本文选择Qt5.8.0开发平台,采用C++编译语言与OpenSceneGraph开源三维图形渲染引擎研发了知识引导的滑坡灾害场景动态表达原型系统,如图 6所示。系统研发、测试运行环境为戴尔M2800移动工作站,处理器为英特尔四核2.80GHz,内存为16 GB,显卡为AMD FirePro W4170M,操作系统为Windows10 X64。
-
本文选取2018-10-11中国西藏自治区昌都市江达县波罗乡境内金沙江特大滑坡灾害为案例开展实验分析。此次灾害引发了二次滑坡,堵塞河道数千米,形成堰塞湖,对金沙江下游地区居民的生命财产,以及桥梁、水电站、公路等基础设施构成了极大威胁。首先,对案例区域数据进行空间坐标统一处理;然后,构建灾前基础地形模型;最后,提取滑坡灾害边界、滑坡体、堆积体、滑坡中心线等信息,根据边界约束、纹理映射等插值出滑坡过程的时序数据,用于滑坡过程动态展示。
滑坡灾害应急处置最重要的是快速、全面感知灾害情况。本文将构建的信息完备性、空间语义、信息可读性、逻辑关系等多层次语义约束规则集成为知识模板。用户可根据场景表达需求修改模板中的建模约束规则,动态构建滑坡灾害场景,且模板可重复利用,简化了复杂的建模操作。
如图 7所示为知识模板引导下构建的灾情信息场景,在信息完备性与空间语义约束下准确表达了研究区域内的建筑物、道路、河流、滑坡范围、滑坡形成的影响等信息及其空间位置关系。在信息可读性约束下,场景中的滑坡区域采用灾后影像实现真实纹理映射,文字与双向箭头符号则描述了滑坡基本特征,三维立方体模型表示建筑物,线状符号代表河流、道路等承灾体,场景中的颜色表示不同受损程度。
在逻辑关系约束条件下,本文实现了从滑坡灾害的成因、发生到形成影响的全过程动态表达,使得用户能够全面理解滑坡灾害信息。图 8动态展示了滑坡灾害的时空演化过程。图 8(a)、图 8(b)展示了诱发滑坡灾害的因素,包括历史灾害、地质环境等,图 8(c)表示了长期降雨作用,图 8(d)描述了灾害事件信息,图 8(e)表达了滑动过程,图 8(f)则展示了灾后形成的影响。
为验证采用本文方法构建的知识模板具有可重用性,增加6·24中国四川省茂县特大山体滑坡灾害场景表达案例实验,结果如图 9所示。本文实验所采用的遥感影像、地形、滑坡边界以及受灾情况等基础地理数据由专业的测绘部门提供,能够反映灾害现场实际情况,场景表达信息准确可靠、符合客观实际。本文方法将滑坡灾害全过程涉及的知识抽象为多层次语义约束规则构建知识模板,在知识引导下简化灾害场景信息表达建模操作,构建滑坡灾害场景,使用户有效了解滑坡灾害过程及其成因、影响范围等信息,具有良好的适用性与可靠性。
为验证本文方法的有效性,将本文方法与PFC、SPH、DDA、粒子系统等现有滑坡灾害场景建模表达方法进行对比分析,结果如表 1所示。在建模操作方面,现有的滑坡灾害建模方法需要较强的专业知识背景,掌握复杂的滑坡灾害机理与建模规则,而本文方法在多层次语义约束下通过知识模板配置,可表达滑坡灾害全过程信息,简化了建模操作。滑坡灾害涉及影响因素复杂,导致建模参数多,PFC等建模方法需要进行大量的分析计算,本文方法在建模知识引导下自动构建滑坡灾害场景,无需复杂的计算分析过程,提高了建模效率。粒子系统与SPH滑坡灾害模拟方法注重灾害过程的真实感模拟,而DDA方法则研究复杂的灾害形成机理,但均只对灾害过程进行模拟,缺乏灾害成因、灾害影响等内容表达;知识引导的滑坡灾害场景动态表达方法在信息完备性与逻辑关系约束下,实现了滑坡灾害成因、灾害过程、灾害影响的全过程内容表达,并且在信息可读性语义约束下,采用文字、抽象符号、动画、真实感纹理、颜色等方式协同表达滑坡灾害场景信息,使得灾情信息展示更加完整、清晰。
表 1 滑坡灾害建模方法对比分析
Table 1. Comparative Analysis of Landslide DisasterModeling Methods
分析因素 本文方法 PFC SPH DDA 粒子系统 建模操作 简单 复杂 一般 一般 简单 建模效率 高 低 一般 一般 高 表达内容 丰富 一般 一般 一般 缺乏 表达效果 好 一般 好 差 好 展示过程 全过程 单一 单一 单一 单一 灾情呈现 完整、清晰 无 无 无 无 -
本文研究了知识引导的滑坡灾害场景动态表达,详细分析了滑坡灾害场景表达对象内容、表达特征及相互关系,抽取了滑坡灾害场景表达特征,在此基础上构建了信息完备性、空间语义、信息可读性以及逻辑关系等多层次语义约束规则,并提出了知识引导的滑坡灾害场景动态表达方法。本文研发了原型系统并选择10·11金沙江特大滑坡开展案例实验分析,结果表明本文方法能够实现知识引导的滑坡灾害全过程场景动态表达,简化了建模操作,且场景表达内容丰富,信息可读性高,能够帮助用户快速全面地感知灾害信息。后续将在滑坡灾害风险评估、滑坡真实感模拟等方面开展进一步研究。
-
摘要: 滑坡灾害虚拟场景对灾情信息理解具有重要意义。但现有的滑坡灾害场景存在建模操作复杂、可读性差等问题。针对上述问题,研究知识引导的滑坡灾害场景动态表达,探讨滑坡灾害场景内容、模型与表达特征及相互关系,建立滑坡灾害场景建模的多层次语义约束规则,提出了知识引导的滑坡灾害场景动态表达方法。在此基础上,研发原型系统并开展案例实验与分析。实验结果表明,所提方法能够通过知识引导简化建模操作过程,快速构建滑坡灾害场景,实现灾害成因、发展及影响全过程的动态表达,能更有效地帮助用户全面地理解滑坡灾害。Abstract:
Objective As a frequent geological disaster, landslide is very sudden, destructive and easy to cause secondary disasters, which brings great threat to human life and property. It is very important to construct the virtual scene of landslide disaster for understanding the information of landslide disaster to assist emergency decision making. However, the existing landslide scene modeling has some shortcomings, such as complex operation, information readability and so on. Therefore, we propose a knowledge-guided dy-namic expression method of landslide disaster scene. Methods We adopt the knowledge-guided method to construct the landslide disaster scene. Firstly, we explore the content, model and expression features of landslide disaster scene as well as their interrelations. Then, we establish hierarchical semantic constraint rules of landslide disaster scene modeling, including the information completeness constraint rules, the spatial semantic constraint rules, the information readability constraint rules and the logical relationship constraint rules. Finally, the above rules are used to construct the knowledge template of landslide disaster modeling. Under the guidance of the knowledge template, the dynamic expression of the whole process of landslide disaster is realized. The prototype system is implemented, and a case experiment analysis is performed using the 10·11 Jinshajiang landslide and 6·24 Maoxian landslide as examples. Results Under the guidance of knowledge, the important information of landslide disaster, such as geological structure, historical disaster, meteorological conditions, disaster process and disaster situation, is selected, and the elements such as text, abstract symbols, animation and visual variables were integrated to realize the dynamic expression of the whole process of landslide disaster from cause, process to impact. Conclusions The experimental results show that the dynamic expression method of knowledge-guided landslide disaster scene can simplify the complex modeling operation, quickly construct landslide disaster scene, have rich expression content, good visualization effect, complete disaster process, clear disaster information, and help users to understand landslide disaster more effectively. -
Key words:
- landslide disaster /
- virtual scene /
- semantic constraint /
- knowledge-guided /
- dynamic representation
-
表 1 滑坡灾害建模方法对比分析
Table 1. Comparative Analysis of Landslide DisasterModeling Methods
分析因素 本文方法 PFC SPH DDA 粒子系统 建模操作 简单 复杂 一般 一般 简单 建模效率 高 低 一般 一般 高 表达内容 丰富 一般 一般 一般 缺乏 表达效果 好 一般 好 差 好 展示过程 全过程 单一 单一 单一 单一 灾情呈现 完整、清晰 无 无 无 无 -
[1] 崔鹏.中国山地灾害研究进展与未来应关注的科学问题[J].地理科学进展, 2014, 33(2): 145-152 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dlkxjz201402001 Cui Peng. Progress and Prospects in Research on Mountain Hazards in China[J]. Progress in Geography, 2014, 33(2): 145-152 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=dlkxjz201402001 [2] 许强, 董秀军, 李为乐.基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J].武汉大学学报·信息科学版, 2019, 44(7): 957-966 doi: 10.13203/j.whugis20190088 Xu Qiang, Dong Xiujun, Li Weile. Integrated Space-Air-Ground Early Detection, Monitoring and Warning System for Potential Catastrophic Geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957-966 doi: 10.13203/j.whugis20190088 [3] 朱庆, 苗双喜, 丁雨淋, 等.知识引导的滑坡监测数据粗差定位与剔除方法[J].武汉大学学报·信息科学版, 2017, 42(4): 496-502 doi: 10.13203/j.whugis20150125 Zhu Qing, Miao Shuangxi, Ding Yulin, et al. Knowledge-Guided Gross Errors Detection and Elimination Approach of Landslide Monitoring Data[J]. Geomatics and Information Science of Wuhan University, 2017, 42(4): 496-502 doi: 10.13203/j.whugis20150125 [4] Li H B, Qi S C, Chen H, et al. Mass Movement and Formation Process Analysis of the Two Sequential Landslide Dam Events in Jinsha River, Southwest China[J]. Landslides, 2019, 16(11): 2 247-2 258 https://www.researchgate.net/publication/335208600_Mass_movement_and_formation_process_analysis_of_the_two_sequential_landslide_dam_events_in_Jinsha_River_Southwest_China [5] Su L J, Hu K H, Zhang W F, et al. Characteristics and Triggering Mechanism of Xinmo landslide on 24 June 2017 in Sichuan, China[J]. Journal of Mountain Science, 2017, 14 (9): 1 689-1 700 doi: 10.1007/s11629-017-4609-3 [6] 许强, 郑光, 李为乐, 等. 2018年10月和11月金沙江白格两次滑坡-堰塞堵江事件分析研究[J].工程地质学报, 2018, 26(6): 1 534-1 551 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gcdzxb201806017 Xu Qiang, Zheng Guang, Li Weile, et al. Study on Successive Landslide Damming Events of Jinsha River in Baige Village on October 11 and November 3, 2018[J]. Journal of Engineering Geology, 2018, 26(6): 1 534-1 551 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gcdzxb201806017 [7] Denolle M A, Dunham E M, Prieto G A, et al. Strong Ground Motion Prediction Using Virtual Earthquakes[J]. Science, 2014, 343(6 169): 399-403 doi: 10.1126/science.1245678 [8] Lin H, Chen M, Lu G, et al. Virtual Geographic Environments(VGEs): A New Generation of Geographic Analysis Tool[J]. Earth-Science Reviews, 2013, 126: 74-84 https://ui.adsabs.harvard.edu/abs/2013ESRv..126...74L/abstract [9] Chen M, Lin H, Kolditz O, et al. Developing Dynamic Virtual Geographic Environments(VGEs) for Geographic Research[J].Environmental Earth Sciences, 2015, 74: 6 975-6 980 doi: 10.1007/s12665-015-4761-4 [10] 林珲, 朱庆, 陈旻.有无相生虚实互济:虚拟地理环境研究20周年综述[J].测绘学报, 2018, 47(8): 1 027-1 030 Lin Hui, Zhu Qing, Chen Min. The Being and Non-being Generate Each Other, and the Virtual and the Real Are Mutually Interactive:The Progress of Virtual Geographic Environments (VGE) Studies in Last 20 Years[J]. Acta Geodaetica et Cartographica Sinica, 2018, 47(8): 1 027-1 030 [11] 曹文, 李维朝, 唐斌, 等. PFC滑坡模拟二、三维建模方法研究[J].工程地质学报, 2017, 25(2): 455-462 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gcdzxb201702024 Cao Wen, Li Weichao, Tang Bin, et al. PFC Study on Building of 2D and 3D Landslide Models[J]. Journal of Engineering Geology, 2017, 25(2): 455-462 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gcdzxb201702024 [12] Lin C H, Lin M L. Evolution of the Large Landslide Induced by Typhoon Morakot: A Case Study in the Butangbunasi River, Southern Taiwan Using the Discrete Element Method[J].Engineering Geology, 2015, 197: 172-187 doi: 10.1016/j.enggeo.2015.08.022 [13] 胡嫚.土质滑坡SPH运动模型及监测方法研究[D].北京: 北京科技大学, 2015 Hu Man.Study on SPH Movement Model and Monitoring Method of Soil Landslide[D]. Beijing: University of Science and Technology Beijing, 2015 [14] 许波.蠕动型滑坡变形失稳特征及滑动模型研究[D].北京: 北京科技大学, 2017 Xu Bo. Study on Deformation Characteristics of Instability and Sliding Model of Creep Landslide[D]. Beijing: University of Science and Technology Beijing, 2017 [15] Zhang W T, Shi C Q, An Y, et al. Viscous Elastoplastic SPH Model for Long-Distance High-Speed Landslide[J].International Journal of Computational Methods, 2019, 16 (2): 1-16 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=10.1142/S0219876218460118 [16] Dai Z L, Huang Y, Cheng H L, et al. 3D Numerical Modeling Using Smoothed Particle Hydrodynamics of Flow-Like Landslide Propagation Triggered by the 2008 Wenchuan Earthquake[J]. Engineering Geology, 2014, 180: 21-33 doi: 10.1016/j.enggeo.2014.03.018 [17] Huang Y, Zhang W, Xu Q, et al. Run-Out Analysis of Flow-Like Landslides Triggered by the Ms 8.0 2008 Wenchuan Earthquake Using Smoothed Particle Hydrodynamics[J]. Landslides, 2012, 9(2): 275-283 doi: 10.1007/s10346-011-0285-5 [18] Li Y, An R, Wu H Y. Three-Dimensional Dynamic Simulation of Landslide Disaster[C]. The Third International Conference on Information Science and Technology, Yangzhou, China, 2013 [19] Wang W, Yin K, Chen G, et al. Practical Application of the Coupled DDA-SPH Method in Dynamic Modeling for the Formation of Landslide Dam[J]. Landslides, 2019, 16(5): 1 021-1 032 doi: 10.1007/s10346-019-01143-5 [20] Wang W, Chen G Q, Zhang Y B, et al. Dynamic Simulation of Landslide Dam Behavior Considering Kinematic Characteristics Using a Coupled DDA- SPH Method[J].Engineering Analysis with Boundary Elements, 2017, 80: 172-183 doi: 10.1016/j.enganabound.2017.02.016 [21] Wang W, Zhang H, Zheng L, et al. A New Approach for Modeling Landslide Movement over 3D Topography Using 3D Discontinuous Deformation Analysis[J]. Computers and Geotechnics, 2017, 81: 87-97 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=d0e14d98fde092162a9d269f81ef7053 [22] 杜志强, 李静.基于粒子系统的滑坡灾害过程模拟仿真方法[J].地理信息世界, 2017, 24(2): 46-50 doi: 10.3969/j.issn.1672-1586.2017.02.008 Du Zhiqiang, Li Jing. Landslide Disaster Simulation Method Based on Particle System of PhysX[J]. Geomatics World, 2017, 24(2): 46-50 doi: 10.3969/j.issn.1672-1586.2017.02.008 [23] 刘銮保.基于3DSMax与OpenGL的水库滑坡三维可视化研究[D].杨凌: 西北农林科技大学, 2010 Liu Luanbao. Three-Dimensional Visualization Research of Reservior Landslide Based on 3DSMax and OpenGL[D]. Yangling: Northwest A & F University, 2010 [24] 周斌.三峡库区滑坡三维可视化及动态模拟[D].北京: 清华大学, 2012 Zhou Bin. The Three Dimensional Visualization and Dynamic Simulation of Landslide in Three Gorges Area[D]. Beijing: Tsinghua University, 2012 [25] 李维炼, 朱军, 朱秀丽, 等.无人机遥感数据支持下滑坡VR场景探索分析方法[J].武汉大学学报·信息科学版, 2019, 44(7): 1 065-1 072 doi: 10.13203/j.whugis20190047 Li Weilian, Zhu Jun, Zhu Xiuli, et al. A Exploratory Analysis Method of VR Scene in Landslide Based on UAV Remote Sensing Data[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 1 065-1 072 doi: 10.13203/j.whugis20190047 -