赞
踩
目录
地震,作为自然界中最为猛烈的灾害之一,其突发性和破坏力往往给人类社会带来巨大的生命财产损失。在历史的长河中,无数次的地震记录不仅见证了地球的脉动,也深刻影响了人类文明的进程。因此,对地震附近区域进行历史地震分析,其必要性不言而喻。
首先,历史地震分析是预测未来地震风险的重要依据。地震活动具有一定的周期性和复发性,通过对某一地区历史地震资料的系统梳理和深入研究,科学家能够揭示该区域地震活动的时空分布规律、震级大小、震源深度等特征,进而评估未来地震发生的可能性及其潜在影响范围。这种基于历史数据的地震预测方法,虽然无法精确到具体的时间和地点,但能够为防灾减灾工作提供宝贵的参考和指导。
其次,历史地震分析有助于提升地震应急响应能力。通过回顾历史上地震发生时的社会反应、救援行动、灾害损失等情况,我们可以总结经验教训,优化应急预案,提高应对地震灾害的效率和效果。例如,分析历史地震中人员伤亡的主要原因,可以指导我们在未来的地震灾害中更加注重建筑结构的抗震性能、公众的地震安全教育和应急演练等方面的工作。
再者,历史地震分析对于城市规划和建设具有重要意义。地震是城市规划中不可忽视的自然因素之一。通过对历史地震资料的详细分析,我们可以了解该地区的地质构造、地震活动背景以及潜在的地震风险,为城市选址、布局、建筑设计等提供科学依据。例如,在地震多发区域,应尽量避免建设高密度居住区、重要基础设施等,以降低地震灾害可能造成的损失。
面对日益严峻的地震灾害形势,加强地震附近区域的历史地震分析工作显得尤为紧迫。
一方面,随着全球气候变化和地壳运动的加速,地震活动的强度和频率可能呈现上升趋势。这意味着我们需要更加深入地了解地震的成因机制、活动规律以及潜在影响,以便更好地应对未来可能发生的地震灾害。而历史地震分析作为揭示这些规律和特征的重要手段之一,其紧迫性不言而喻。
另一方面,随着城市化进程的加快和人口密度的增加,地震灾害对人类社会的影响日益凸显。一旦地震发生,其造成的损失往往难以估量。因此,我们需要通过历史地震分析来识别潜在的地震风险区域,制定科学的防灾减灾措施,减少地震灾害对人类社会的影响。这种紧迫性不仅体现在对生命财产安全的保护上,更体现在对社会稳定和经济可持续发展的维护上。
综上所述,地震附近历史地震分析的必要性和紧迫性不容忽视。我们应该高度重视这项工作,加强科研投入和人才培养,推动历史地震分析技术的不断创新和发展,为人类社会提供更加全面、准确的地震灾害预测和应对能力。
本文即在此背景下诞生,文章主要讲解如何使用Java开发语言,结合成熟的SpringBoot框架来加速WebGIS应用的开发,首先讲解在数据库中的相关设计以及实现思路,然后重点讲解如何使用Java来开发地震震中附近历史地震的应用。通过本文的相关知识介绍,相信您一定会掌握如何进行附近历史地震分析有一个深刻的认识,同时抛砖引玉,对其他的类似的WebGIS应用建设提供建设参考。
现代的系统软件建设,大多是围绕着数据库来实现的。数据库(请注意这里的数据库可不是指狭义的关系型数据库)指的是所有可以用来存储数据的系统。对于关系型数据库和非关系统数据的知识,不属于博文的重点内容,因此不打算在此详细叙述。为了让大家对空间分析有一个具象的认识,因此这里还是把涉及的相关表进行简单介绍,其次介绍在时空数据库中如何实现相关的需求。
在这里我们采用与物理世界一一映射的模式来构建时空数据表结构,其实主要的表在前面的相关博客中有所介绍。为方便第一次阅读本博客的朋友也了解相关的表设计。这里再次将其物理表结构罗列出来。
其物理建表语句如下所示(需要注意的是,表结构需要在PostGIS数据库中运行,如果本地或者服务器没有PostGIS,还请先安装相对应的数据库):
- CREATE TABLE "public"."biz_ceic_earthquake" (
- "pk_id" int8 NOT NULL,
- "auto_flag" varchar(30) COLLATE "pg_catalog"."default",
- "cata_id" varchar(30) COLLATE "pg_catalog"."default",
- "cata_type" varchar(30) COLLATE "pg_catalog"."default",
- "epi_depth" numeric(11,8),
- "epi_lat" varchar(15) COLLATE "pg_catalog"."default",
- "epi_lon" varchar(15) COLLATE "pg_catalog"."default",
- "eq_cata_type" varchar(30) COLLATE "pg_catalog"."default",
- "eq_type" varchar(30) COLLATE "pg_catalog"."default",
- "is_del" varchar(6) COLLATE "pg_catalog"."default",
- "location_c" varchar(255) COLLATE "pg_catalog"."default",
- "location_s" varchar(100) COLLATE "pg_catalog"."default",
- "loc_stn" varchar(20) COLLATE "pg_catalog"."default",
- "m" varchar(10) COLLATE "pg_catalog"."default",
- "mmb" varchar(10) COLLATE "pg_catalog"."default",
- "mmb2" varchar(10) COLLATE "pg_catalog"."default",
- "mml" varchar(10) COLLATE "pg_catalog"."default",
- "mms" varchar(10) COLLATE "pg_catalog"."default",
- "mms7" varchar(10) COLLATE "pg_catalog"."default",
- "new_did" varchar(16) COLLATE "pg_catalog"."default",
- "o_time" timestamp(6),
- "o_time_fra" varchar(10) COLLATE "pg_catalog"."default",
- "save_time" timestamp(6),
- "sum_stn" varchar(10) COLLATE "pg_catalog"."default",
- "sync_time" timestamp(6),
- "epi_id" varchar(10) COLLATE "pg_catalog"."default",
- "geom" "public"."geometry",
- CONSTRAINT "pk_biz_ceic_earthquake" PRIMARY KEY ("pk_id")
- );
- CREATE INDEX "idx_biz_ceic_earthquake_eqidept" ON "public"."biz_ceic_earthquake" USING btree (
- "epi_depth" "pg_catalog"."numeric_ops" ASC NULLS LAST
- );
- CREATE INDEX "idx_biz_ceic_earthquake_geom" ON "public"."biz_ceic_earthquake" USING gist (
- "geom" "public"."gist_geometry_ops_2d"
- );
- CREATE INDEX "idx_biz_ceic_earthquake_m" ON "public"."biz_ceic_earthquake" USING btree (
- "m" COLLATE "pg_catalog"."default" "pg_catalog"."text_ops" ASC NULLS LAST
- );
- COMMENT ON TABLE "public"."biz_ceic_earthquake" IS '中国地震台网信息表';

在这里我们的需求场景是,点击一个地震发生点,我们需要在四个地图上分别展示近年3级以上的地震分布、近年5级以上的地震分布、近3年3级以上的地震分布、近3年5级以上的地震分布。除了有震级的一个查询和时间的顾虑,其实这两个查询条件都不是空间分析,而震中100*100公里的矩形范围面则是标准的空间分析查询。
为了实现上面的需求,我们将按照以下的步骤来进行实施:
第一步:首先根据地震的id查询地震的经纬度信息(实现的方法有两种,第一种是从geometry字段中获取这样就需要用到st_x和st_y这两个函数,第二种就是直接从原始表格中的经纬度字段中获取)。
这一步的关键sql如下:
select st_x(t.geom) lon,st_y(t.geom) lat from biz_ceic_earthquake t where t.pk_id = ?
第二步:在上一步获取的经纬度位置后,我们来构建查询范围面。与常见的缓冲区查询(即st_buffer为例,这是一个圆形缓冲)不同,这里我们需要构建一个矩形范围面,我们需要采用PostGIS当中的空间函数: ST_MakeEnvelope。这一步生成范围面,不仅要在前端界面上展示出来,同时要在第三步的空间分析中作为空间查询参数。
这一步的关键sql如下:
- select st_asgeojson(ST_MakeEnvelope( ? - (? / (111.32 * cos(radians(?)))), ? - (? / 111.32),? + (? / (111.32 * cos(radians(?)))),? + (? / 111.32), st_srid(t1.geom) )) as geomJson from biz_ceic_earthquake t1 where t1.pk_id = ?
-
- 84.18(BigDecimal), 100(BigDecimal), 40.78(BigDecimal), 40.78(BigDecimal), 100(BigDecimal), 84.18(BigDecimal), 100(BigDecimal), 40.78(BigDecimal), 40.78(BigDecimal), 100(BigDecimal), 1813908285380702210(Long)
这里传入的参数包括上一步求解的经纬度,还有范围:如100公里和震发点的主键ID。为了便于前端展示,我们再使用st_asgeojson函数将geometry转换成前端可读的数据格式。
第三步:根据面进行数据过滤。这是最关键的一步,通过这一步。我们将上面生成的空间查询指定范围内的对应震级的地震信息。这一步的关键sql如下:
- select t1.* from biz_ceic_earthquake t1 WHERE t1.m ::numeric > ? and t1.o_time >= ? and t1.pk_id <> ? and st_contains( ST_MakeEnvelope( ? - (? / (111.32 * cos(radians(?)))), ? - (? / 111.32),? + (? / (111.32 * cos(radians(?)))), ? + (? / 111.32),st_srid(t1.geom) ),t1.geom)
-
- 3.0(BigDecimal), 2019-07-21 22:23:54.581(Timestamp), 1813908285380702210(Long), 84.18(BigDecimal), 100(BigDecimal), 40.78(BigDecimal), 40.78(BigDecimal), 100(BigDecimal), 84.18(BigDecimal), 100(BigDecimal), 40.78(BigDecimal), 40.78(BigDecimal), 100(BigDecimal)
在上一节中重点对空间数据库的物理表及相关的空间查询分析sql进行了讲解。从本节开始,我们将重点介绍如何在后台结合SpringBoot框架进行后台程序的设计和开发。程序的开发架构依然采用MVC开发模式。这个开发模式的好处是简单易用好实现,复杂度低。
前面已经将数据库的物理结构模型提供出来,这里对于java的对应实体类,就不提供源代码了,大家根据数据库结构可以创建对应的实体对象。这里仅将上一节中的sql实现在Mapper层的设计进行说明。
- package com.yelang.project.extend.earthquake.mapper;
- import java.math.BigDecimal;
- import java.util.Date;
- import java.util.List;
- import org.apache.ibatis.annotations.Param;
- import org.apache.ibatis.annotations.Select;
- import com.baomidou.mybatisplus.core.mapper.BaseMapper;
- import com.yelang.project.extend.earthquake.domain.crawler.CeicEarthquake;
- import com.yelang.project.extend.earthquake.domain.crawler.CeicLonLatVO;
- public interface CeicEarthquakeMapper extends BaseMapper<CeicEarthquake>{
- static final String FIND_ENTITY_SQL = "<script>"
- + "select st_x(t.geom) lon,st_y(t.geom) lat from biz_ceic_earthquake t where t.pk_id = #{id} "
- + "</script>";
- @Select(FIND_ENTITY_SQL)
- /**
- * *找到地震震中的经纬度坐标,不直接用数据库中的字段,是因为数据库用的字符串来存的,不能直接计算,当然也可以使用函数进行转换,这样比较精确
- * @param id 对应地震id
- * @return
- */
- CeicLonLatVO findEarthVoById(@Param("id")Long id);
- static final String FIND_GEOJSON_SQL = "<script>"
- + "select st_asgeojson(ST_MakeEnvelope( #{lon} - (#{range} / (111.32 * cos(radians(#{lat})))),"
- + " #{lat} - (#{range} / 111.32),#{lon} + (#{range} / (111.32 * cos(radians(#{lat})))),#{lat} + (#{range} / 111.32),"
- + " st_srid(t1.geom) )) as geomJson from biz_ceic_earthquake t1 where t1.pk_id = #{id} "
- + "</script>";
- @Select(FIND_GEOJSON_SQL)
- /**
- * *根据地震震中位置经纬度和指定的范围(单位是km)生成外包矩形框
- * @param id
- * @param lon 经度
- * @param lat 纬度
- * @param range 范围
- * @return
- */
- CeicEarthquake findRangGeoJsonById(@Param("id")Long id,@Param("lon") BigDecimal lon,@Param("lat") BigDecimal lat,@Param("range") BigDecimal range);
-
- //这里注意在sql中的<>符号需要进行转义
- static final String FIND_EARTH_LIST_SQL = "<script>"
- + "select t1.* from biz_ceic_earthquake t1 WHERE t1.m ::numeric > #{earthM} and t1.o_time >= #{time} "
- + " and t1.pk_id <> #{id} and st_contains( ST_MakeEnvelope( #{lon} - (#{range} / (111.32 * cos(radians(#{lat})))),"
- + " #{lat} - (#{range} / 111.32),#{lon} + (#{range} / (111.32 * cos(radians(#{lat})))),"
- + " #{lat} + (#{range} / 111.32),st_srid(t1.geom) ),t1.geom) "
- + "</script>";
- @Select(FIND_EARTH_LIST_SQL)
- /**
- * *查询指定时间和指定范围内的地震信息列表
- * @param id 排除当前的主键
- * @param time 指定时间,如:2014-07-19
- * @param lon 查询位置经度
- * @param lat 查询位置纬度
- * @param range 查询范围,单位公里
- * @return
- */
- List<CeicEarthquake> findEarthList(@Param("id")Long id,@Param("time") Date time,@Param("lon") BigDecimal lon,@Param("lat") BigDecimal lat,@Param("range") BigDecimal range,@Param("earthM") BigDecimal earthM);
- }

这里需要注意的一个地方就是,在最后一个Mapper方法中,我们有一个查询条件,即根据生成的空间范围查询时要把自己所在的点排除掉,这里采用where条件的<> 符号,如果直接在Script中写上述的脚本一定会报错的。需要进行转义。
<>
由于我们想在页面打开的时候,一次性将4个地图的数据全部传递到前端,因此要求我们在业务逻辑层中将调用4次获取附近地震历史数据的的方法。数据我们使用hashMap来进行保存。具体的逻辑如下所示:
- @Override
- public Map<String, List<CeicEarthquake>> recentYearsMap(Long id) {
- CeicLonLatVO vo = this.findEarthVoById(id);
- //时间计算
- Date fiveYears = DateUtils.modifyDate(DateUtils.getNowDate(), -1, 0, 0, 0, 0, 0);
- Date tenYears = DateUtils.modifyDate(DateUtils.getNowDate(), -3, 0, 0, 0, 0, 0);
- Map<String,List<CeicEarthquake>> result = new LinkedHashMap<String, List<CeicEarthquake>>(4);
- BigDecimal range = new BigDecimal("100");
- result.put("data1", this.baseMapper.findEarthList(id,fiveYears, vo.getLon(), vo.getLat(), range,new BigDecimal("3.0")));
- result.put("data2", this.baseMapper.findEarthList(id,fiveYears, vo.getLon(), vo.getLat(), range,new BigDecimal("5.0")));
- result.put("data3", this.baseMapper.findEarthList(id,tenYears, vo.getLon(), vo.getLat(), range,new BigDecimal("3.0")));
- result.put("data4", this.baseMapper.findEarthList(id,tenYears, vo.getLon(), vo.getLat(), range,new BigDecimal("5.0")));
- return result;
- }
在上述的方法中,主要是涉及一个时间的计算,其它的都是非常简单的。通过时间函数求去年的和近3年的时间点。
到此后台java的程序逻辑介绍完毕,控制层的逻辑比较简单不在赘述。
在设计完后台程序之后,我们来进行WebGIS的功能设计与实现。将空间范围内进行展示,同时要把历史数据展示出来。
在这个场景需求中,我们需要同时展示4幅地图,用来表示不同的数据,与只展示一幅地图不同。4幅地图的初始化也不一样,篇幅有限。下面将正确的初始化方法进行介绍,防止大家在生成时走弯路。由于要展示的地图数量是4幅,因此我们采用数组的方式进行定义地图实例,同时还要展示不同地图的图例。
- <div class="row">
- <div class="col-sm-6">
- <div id="mapid0" style="width: 98%;margin: 5px;"></div>
- </div>
- <div class="col-sm-6">
- <div id="mapid1" style="width: 98%;margin: 5px;"></div>
- </div>
- </div>
- <div class="row">
- <div class="col-sm-6">
- <div id="mapid2" style="width: 98%;margin: 5px;"></div>
- </div>
- <div class="col-sm-6">
- <div id="mapid3" style="width: 98%;margin: 5px;"></div>
- </div>
- </div>

- var mapList = new Array();
- var LegendArray = ["去年3级以上地震分布","去年5级以上地震分布","近3年3级以上地震分布 ","近3年5级以上地震分布 "];
- $(function() {
- initMap();
- //展示震中矩形范围
- showRange();
- //展示近年的地震数据
- showRecentYears();
- //为了保证最好可视效果,重新设置视角
- for(var i = 0;i< mapList.length;i++){
- mapList[i].setView([lat, lon], 7);
- }
- });
初始化地图的时候要注意,每一个地图都要新创建一个底图和标签图层的引用。否则地图的展示会有问题。
- function initMap(){
- for(var i = 0;i<4;i++){
- $("#mapid" + i).height(wHeight / 2);//动态设置高度
- var _canvasLabel = new L.CanvasLabel({
- defaultLabelStyle: {
- collisionFlg: true,
- scale: 1,
- strokeStyle: "white",
- lineWidth:0,
- font: "12px sans-serif"
- }
- });
- var mapId = "mapid" + i;
- var mymap = L.map(mapId,{renderer: _canvasLabel,crs:L.CRS.CustomEPSG4326,maxBounds:maxBounds,attributionControl:false});
- mapList.push(mymap);
-
- //底图
- new L.tileLayer('http://localhost:8086/data/basemap_nowater/1_10_tms/{z}/{x}/{y}.jpg', {minZoom:1,
- maxZoom: 16,
- id: 'baseMap-nowater' + i,
- tileSize: 256,
- zoomOffset: -1
- }).addTo(mymap);
-
- //标签
- new L.tileLayer('http://localhost:8086/data/basemap_nowater/1-10label/{z}/{x}/{y}.png', {maxZoom: 10,minZoom:1,
- id: 'mapbox/label' + i ,tileSize: 256,zoomOffset: -1
- }).addTo(mymap);
-
- L.circleMarker(new L.LatLng(lat, lon), {radius: 8,
- labelStyle: {
- offsetX: 0, //横坐标偏移(像素)
- offsetY: 15, //纵坐标偏移(像素)
- text: cityInfo,
- rotation: 0,
- zIndex: 6,
- minZoom : 2,
- fillStyle: "#c50808"
- },
- color : "#c50808"
- }).addTo(mymap);
-
- L.control.Legend({
- position: "bottomright",
- collapsed: false,
- symbolWidth: 12,
- opacity: 1,
- title:"图例",
- column: 1,
- legends: [ {
- label: LegendArray[i],
- type: "circle",
- radius: 12,
- color: "#c50808",
- fillColor: "#c50808",
- fillOpacity: 0.6,
- weight: 0.5
- }]
- }).addTo(mymap);
- mymap.setView([lat, lon], 8);
- }
- }

这里我们首先在后台生成100*100公里的范围边界,并且以geojson的格式返回给前台。在Leaflet中可以直接加载GeoJSON到地图对象中。
- function showRange(){
- $.ajax({
- type:"post",
- url:prefix + "/historylist/range/" + [[${pkId + ''}]],
- dataType:"json",
- cache:false,
- processData:false,
- success:function(result){
- if(result.code == web_status.SUCCESS){
- for(var i = 0;i< mapList.length;i++){
- L.geoJSON(JSON.parse(result.data),{style:{color:"red",weight:5,"opacity":0.6}}).addTo(mapList[i])
- }
- }
- },
- error:function(){
- $.modal.alertWarning("获取信息失败");
- }
- });
- }

这里调用后台的震中附件历年地震信息接口,在接口中将返回4个集合,我们只需要将后端返回的数据按照预定的方式使用Leaflet来进行加载即可。
- function showRecentYears(){
- $.ajax({
- type:"post",
- url:prefix + "/historylist/recentyears/" + [[${pkId + ''}]],
- dataType:"json",
- cache:false,
- processData:false,
- success:function(result){
- if(result.code == web_status.SUCCESS){
- var strokeStyleSet = "green";
- recentyearsDetail(result.data.data1,mapList[0],"green");
- recentyearsDetail(result.data.data2,mapList[1],"red");
- recentyearsDetail(result.data.data3,mapList[2],"green");
- recentyearsDetail(result.data.data4,mapList[3],"red");
- }
- },
- error:function(){
- $.modal.alertWarning("获取信息失败");
- }
- });
- }
-
- function recentyearsDetail(dataList,mapObj,showColor){
- var strokeStyleSet = showColor;
- for(var i=0;i<dataList.length;i++){
- var dataInfo = dataList[i];
- var marker = L.circleMarker(new L.LatLng(dataInfo.epiLat, dataInfo.epiLon), {radius: 8,labelStyle: {
- offsetX: 0, //横坐标偏移(像素)
- offsetY: 15, //纵坐标偏移(像素)
- text: dataInfo.m + "/" + dataInfo.otime.substring(0,10),
- rotation: 0,
- zIndex: 1,
- fillStyle:"white",
- strokeStyle :strokeStyleSet
- },
- color : strokeStyleSet
- }).addTo(mapObj);
- }
- }

编写好上述代码,基本完成前台可视化界面的展示,下面我们结合实例来看一下实际的分析结果。
经过了数据库的设计与开发、Java后台程序的设计与实现以及WebGIS前端界面的设计与实现,我们基本实现了基于矩形范围面的时空空间分析。下面我们来看一下实际的效果。
从可视化分析结果来看,叶城县应该是地震活动比较活跃的城市,虽然去年没有发生5级以上的地震,但是近三年3.0级以以上地震的次数非常多,同时可以看到仅3年内5.0级以上的破坏性地形就有好几次,最近一次是2022年的10月23日。
看完喜马拉雅山脉附件的地震信息,我们再来看一下太平洋板块的,我国台湾省的花莲附件海域的地震信息,这也是一个位于明显的地震带的区域。首先来看下整体情况图:
从可视化分析结果来看,花莲县附近应该是地震活动更加活跃,不管是哪个地图都是密密麻麻的点,尤其时候右边的两个5.0级以上的地震,每一年都有发生。而且震级都不小,我们可以来看下去去年的地震信息。
通过上图可以看到,5.0级的地震相当频繁,甚至还有5.9级的大地震。是不是有点瑟瑟发抖的感觉。 而且密密麻麻的点是去年到现在一年以内的,真是伤心太平洋。
以上就是本文的主要内容,文章主要讲解如何使用Java开发语言,结合成熟的SpringBoot框架来加速WebGIS应用的开发,首先讲解在数据库中的相关设计以及实现思路,然后重点讲解如何使用Java来开发地震震中附近历史地震的应用。通过本文的相关知识介绍,相信您一定会掌握如何进行附近历史地震分析有一个深刻的认识,同时抛砖引玉,对其他的类似的WebGIS应用建设提供建设参考。 行文仓促,定有不足之处,欢迎各位专家朋友不吝赐教,在评论区之处错误和不足之处,不甚感激。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。