基于ArcGIS的开采沉陷预计分析可视化方法

金属矿山 ›› 2010, Vol. 39 ›› Issue (5): 140-142+157.

基于ArcGIS的开采沉陷预计分析可视化方法

白力改^1,2, 谭志祥^1,2, 柳聪亮^1,2, 李培现^1,2

1.江苏省资源环境信息工程重点实验室；2.中国矿业大学

出版日期:2010-05-15 发布日期:2010-11-09
基金资助:
国家自然科学基金项目（编号：40772191），“十一五”国家科技支撑计划重点项目（编号：2006BAC09B01）。

Visualization Analysis of Mining Subsidence Prediction Based on ArcGIS

Bai Ligai^1,2,Tan Zhixiang^1,2,Liu Congliang^1,2,Li Peixian^1,2

1.Jiangsu Key Laboratory of Resources and Environmental Information Engineering;
2.China University of Mining and Technology，Xuzhou

Online:2010-05-15 Published:2010-11-09

摘要/Abstract

摘要： 矿山开采引起的地表移动是一个复杂的动态过程，传统的二维线划图不能全面、准确地表达地表的沉陷信息。基于ArcGIS地统计分析模块对开采沉陷中概率积分法的预计结果进行了分析和处理，实现了开采沉陷的三维立体显示及剖面图的生成，有助于更加直观和深入地研究地表移动情况，为研究开采沉陷规律和提高开采沉陷损害防治技术提供了更加直观有效的技术方法。

关键词: ArcGIS, 开采沉陷, 概率积分法, 可视化

Abstract: The surface displacement caused by mining is a sophisticate dynamic process.The traditional two-dimension line graphic can't explain the information of surface subsidence completely and precisely.Based on the geo-statistics model of ArcGIS，the prediction results of probability integral method are dealt with，which makes three-dimension display and section image of mining subsidence realized.This method contributes to the intuitionist and profound research of surface displacement and also provides a more intuitive and effective way to research laws of mining subsidence and improve measures of mining protection.

Key words: ArcGIS, Mining Subsidence, Probability integration method, Visualization

白力改, 谭志祥, 柳聪亮, 李培现. 基于ArcGIS的开采沉陷预计分析可视化方法[J]. 金属矿山, 2010, 39(5): 140-142+157.

Bai-Li-Gai, TAN Zhi-Xiang, LIU Cong-Liang, LI Pei-Xian. Visualization Analysis of Mining Subsidence Prediction Based on ArcGIS[J]. Metal Mine, 2010, 39(5): 140-142+157.

[1]	石晓宇, 魏祥平, 杨可明, 王剑, 姚树一. 基于D-InSAR技术和改进GM（1，1）模型的矿区沉降监测与预计[J]. 金属矿山, 2020, 49(09): 173-178.
[2]	叶伟, 徐良骥 . 重复采动地表移动变形规律分析[J]. 金属矿山, 2020, 49(08): 188-194.
[3]	朱尚军, 王磊, 魏涛, 蒋创, 江克贵, 查剑锋, 孔川. 量子粒子群算法反演概率积分法参数[J]. 金属矿山, 2020, 49(07): 161-169.
[4]	朱伟. 采煤塌陷区土地建筑利用技术与工程应用[J]. 金属矿山, 2019, 48(11): 176-171.
[5]	王峥羽, 王文成, 李德鑫, 袁佳琪, 郭豪. 基于光流法地形跟随的矿区复杂地形无人机摄影测量[J]. 金属矿山, 2019, 48(07): 167-171.
[6]	陈竹安, 熊鑫, 危小建. 利用卡尔曼滤波综合算法构建开采沉陷预测模型[J]. 金属矿山, 2019, 48(05): 132-136.
[7]	黄青青, 杨天鸿, 于庆磊, 张鹏海, 刘洪磊. 基于Unity 3D平台的露天铁矿三维可视化及云端数据传输研究[J]. 金属矿山, 2019, 48(04): 138-141.
[8]	程立年, 李晓刚, 叶振华, 孙秀柱. 某金矿“三下”开采移动带内地表稳定性分析[J]. 金属矿山, 2019, 48(03): 56-61.
[9]	徐岩, 胡振琪, 陈景平, 陈超. 基于无人机遥感的开采沉陷耕地质量评价及复垦建议[J]. 金属矿山, 2019, 48(03): 173-181.
[10]	陈慧, 韩恒梅. 江西盘古山钨矿区开采沉陷预计的GA-SVA算法[J]. 金属矿山, 2018, 47(1): 143-146.
[11]	王子健, Matheus M Kanime, 程五一, 赵贞. 矿山顶板冒落危险性预测可视化模型研究[J]. 金属矿山, 2018, 47(04): 159-162.
[12]	李建. 红旗铁矿改进Knothe时间函数开采沉陷预计模型[J]. 金属矿山, 2018, 47(03): 132-136.
[13]	姚锡伟, 刘涛. 高精度矿区地表沉陷远程监测系统构建与应用[J]. 金属矿山, 2018, 47(03): 137-141.
[14]	张劲满, 徐良骥, 李杰卫, 沈震, 余礼仁. 开采沉陷动态下沉模型及其参数研究[J]. 金属矿山, 2017, 46(10): 12-15.
[15]	李楠, 王磊, 池深深, 魏涛, 吕挑. 矿区地表沉陷的D-InSAR监测方法[J]. 金属矿山, 2017, 46(10): 23-27.