基于多元数据融合的安徽省干旱遥感监测模型研究

干旱是威胁粮食安全的重要因素。为实现干旱的精准监测,提出距平温度指数、距平降水指数、距平土壤含水量指数,将距平模型分别和分类回归树、多元线性回归模型融合,提出距平分类回归树模型和距平多元线性回归模型,并验证模型的可行性。首先选取安徽省2001-2014年168个月的降水、遥感温度、植被和土壤含水量指标,将2001年-2010年距平指数作为率定期,2011-2014年距平指数作为验证期,分别计算距平分类回归树模型和距平多元线性回归模型参数,并预测验证期模型值,计算两种模型值与SPI1值的相关系数,并与历史干旱记录进行对比。结果表明:验证期距平分类回归树模型指数和SPI1的相关系数为0.878。验证期距平多元线性回归模型指数和SPI1的相关系数为0.882。验证期距平分类回归树模型与SPI1等级准确率为0.77。验证期距平多元线性回归模型与SPI1等级准确率为0.80。距平分类回归树和距平多元线性回归模型都有良好的监测效果,其中距平多元线性回归模型的监测效果更好些、可作为安徽省干旱监测的良好模型,为农业部门制定抗旱措施提供参考。     

基于联系数和马尔可夫链耦合的山东省旱情动态预测评价

为增强区域旱情预测评价模型的合理性、可解释性和预测评价结果的准确性,以山东省1972-2001年旱情历史序列作为评价样本,选取水库蓄水量距平百分率、地下水埋深、土壤含水量和降水量距平百分率4个旱情评价指标,采用基于加速遗传算法的模糊层次分析法确定评价指标权重,通过计算评价样本的指标数联系数、指标值联系数并利用最小相对熵原理得到样本的平均联系数,由属性识别法确定了各年份的旱情等级,建立了基于集对分析五元联系数和马尔可夫链耦合的区域旱情动态预测评价模型(简称CNMC模型),将CNMC模型应用于山东省2000、2001年旱情等级动态预测评价中,判定山东省旱情等级,将该模型确定的旱情等级与属性识别法评价结果进行对比分析。结果表明:采用CNMC模型得到的旱情等级计算值与属性识别法的评价结果一致,可发现CNMC模型中由集对分析法确定的权重值较自相关系数法确定的权重值分布均匀,克服了自相关系数法的计算不稳定性;以联系数分量为基础的属性识别法克服了直接将指标数值与评价标准匹配得到的马尔可夫链状态等级空间的粗糙性;以前5 a各年份的联系数分量为基础,充分利用了1~5步长状态转移概率矩阵,克服了普通马尔可夫链法中仅采用状态转移概率矩阵中某一行信息所带来的局限性。CNMC模型有助于深入刻画和解析预测对象与预测因子之间的复杂关系,以联系数分量为基础,不同步长的马尔可夫链状态转移概率矩阵为驱动所建立的模型能更精准地刻画系统的不确定性趋势且计算简单、操作方便,为区域旱情动态预测评价提供了一种新途径。     

基于大数据挖掘的山区公路沿线滑坡易发性小区划

本文目的是基于滑坡灾害因子地理空间数据、历史滑坡大数据分析,构建山区公路沿线滑坡易发性精细化评价的逻辑回归模型。选取高程、坡度、坡向、坡位、微地貌、曲率、顺逆向坡、归一化植被指数、岩性、距水系距离、距断层距离、距道路距离、多年平均降雨13个因子作为滑坡易发性影响因子,以30 m精度栅格建立影响因子地理空间数据库。在研究区域441个历史滑坡数据的基础上,将地理空间分划分为滑坡区与非滑坡区,分别随机选取70%的滑坡区域与非滑坡区作为训练数据集,剩下的30%作为验证数据集。通过样本数据集的训练,建立逻辑回归分析模型。利用训练好的逻辑回归模型,对整个研究区滑坡易发性进行仿真预测。结果显示,滑坡极低、低、中、高、极高易发区面积分别占42.24%、18.42%、17.57%、16.37%、5.41%,高、极高易发区与历史滑坡位置吻合度高;训练数据集、验证数据集以及区域仿真的ROC曲线AUC值分别为0.89、0.83、0.87,评价模型具有较高的稳定性与可靠性;新近发生的3个典型滑坡均处于高或极高易发区,模型具有良好的预测功能。     

河西走廊泥石流灾害危险性评价及影响因子分析

河西走廊是丝绸之路经济带的黄金段和纽带,在国家"一带一路"战略中区位特殊,地位重要。以甘肃省地质灾害报告数据为基础,结合河西走廊地形地貌、水文、土壤和植被等情况,选取高程标准差、坡度、表层0~100 cm内的粘粒和砂粒含量、5-10月降雨量、河网密度和植被覆盖度等7个环境变量,利用Arc GIS技术建立了泥石流沟发育样点和环境变量空间分布图层,构建了河西走廊泥石流灾害危险性最大熵(Max Ent)分布模型,预测了河西走廊泥石流灾害危险性分布概率P,划分危险性等级,完成了河西走廊泥石流灾害危险性评价制图,并分析了各环境变量对P的贡献率和响应曲线。结果表明:P为0~0.95;其中,极高度危险区(0.5≤P≤0.95)面积约2.57万km~2,约占河西走廊总面积的9.92%;高度危险区(0.2≤P0.5)面积约4.11万km~2,约占河西走廊总面积的15.87%;中度危险区(0.09≤P0.2)约4.90万km~2,约占河西走廊总面积的18.92%;低度危险区(0≤P0.09)约14.32万km~2,约占河西走廊总面积的55.29%。     

基于乡镇单元的青海高原果洛地区雪灾致灾风险评估

雪灾是影响青海南部高原牧业生产最主要的自然灾害。通过利用青海、四川两省的气象站点资料,并结合GIS、RS工具,选取积雪深度、积雪持续天数、积雪面积比3个指标,采用层次分析法(AHP)与聚类分析法相结合的方法,对果洛地区44个乡镇的雪灾致灾危险性进行了评估。结果表明:致灾危险性轻度的乡镇数占总乡镇数的9.1%,中度的占31.82%,较重度的占52.27%,重度的占22.6%,其中,致灾危险性程度较重等级以上的乡镇比例占74.87%。因此可以认为,果洛州是一个雪灾致灾风险较高的地区。从空间分布上来看,轻度等级的分布在玛多县的花石峡镇、扎陵湖乡及玛沁县的东倾沟乡和拉加镇;中度、较重度等级的基本上每个县都有分布,但较重度等级的以达日县和甘德县所占乡镇数较多;重度等级的只分布在达日县的桑日麻乡、特合土乡及玛沁县的当洛乡。     

GIS支持下的滑坡空间预测与危险等级划分

以日本早池峰山地域为研究对象,借助航片、TM影像、数字化地图以及各种统计资料和现有专题图等主要数据,利用美国MicroImage公司开发的TNTmips地理信息系统,将数量化理论与地理信息系统紧密结合,对区域滑坡进行了空间预测和危险等级划分.提取并计算了滑坡以及包括坡度、坡向、海拔、坡面倾斜类型、降雨、植被、土壤和地质等8个滑坡影响因子,得到了滑坡及其影响因子的空间分布图.在此基础上,抽取372个样本,应用数量化理论对这些样本进行了分析,建立了区域滑坡预测模型.该模型经研究区域共1296384个样本检验,模型预测精度达80.49%.最后,以滑坡发生概率为基准,对滑坡危险等级进行了划分.     

考虑土层深度分布的浅层滑坡危险性评价——以陕西秦巴山区为例

以广城幅(1:10 000)为例,利用背包钻机获取土层深度,以坡度、曲率及湿度系数为因子,通过统计回归分析建立不同因子组合的土层深度推估公式。运用TRIGRS程序进行浅层滑坡危险性评价,并结合分类误差矩阵探讨不同土层深度模型对危险性评价结果的影响。研究结果表明:简单回归,以坡度为因子作指数回归结果为最佳,多重回归同时考虑了三种因子,其结果优于所有简单回归的结果。恒定深度模型的滑坡预测正确率极低,坡度单因子模型的预测精度为80.38%,成功率曲线下面积(AUC)为0.695,复合因子模型的预测精度为81.26%,成功率曲线下面积为0.744,说明复合因子模式评价结果更为准确。     

基于信息量模型和地理探测器的国道沿线崩塌灾害危险性评价

吉林省白山市长白朝鲜族自治县G331国道沿线崩塌灾害发育,破坏性大、处置困难。该文以研究区域崩塌灾害为研究对象,选取坡度、坡向、曲率、年平均降雨量、NDVI、岩性、距断层距离、距道路距离8个评价指标,通过信息量法揭示评价指标对崩塌灾害的贡献度,构建评价指标体系。其次,采用地理探测器分析崩塌灾害的空间分布特征,变异系数法获取权重系数,并利用ArcGIS平台对评价指标的信息量图层进行加权计算,生成危险性分区图。结果表明：距道路距离、NDVI、岩性是造成崩塌的主要影响因素。各危险区面积占比：中危险区>高危险区>极高危险区>低危险区。利用灾害点分布情况对危险性分区结果进行验证,得到8.82%的崩塌发生在高危险区,85.29%的崩塌发生在极高危险区,表明危险性分区结果符合实际,其评价结果对区域风险分析、防灾减灾具有参考价值。     

基于能力曲线的燃气系统地震脆弱性评估方法

为了定量评估燃气系统在地震中的脆弱性水平,基于能力——需求谱方法建立了燃气系统地震脆弱性评估方法。评估方法从地震潜在危险性分析、结构抗震能力、需求谱与脆弱性曲线建立以及破坏状态预测等四方面着手研究。基于上述模型与方法,研究了地震动作用下燃气系统最大承载能力、破坏等级及概率。最后以某天然气压缩站主体建筑为例,建立了反映场地地震潜在危险性的地震反应谱,构建了用于确定性能点的抗震能力——需求谱,并基于FEMA 273绘制了不同破坏等级的脆弱性曲线,定量分析了该压缩站遭受破坏等级和概率。     

基于Bayes判别分析法的冲击地压预测与危险性分级

基于Bayes判别分析法,研究了冲击地压的预测与危险性分级问题。综合考虑冲击地压发生的自然因素、地质因素和开采技术因素,选择煤层厚度、倾角、埋深、地质构造情况、煤层倾角变化、厚度变化、瓦斯浓度、顶板管理、采前卸压情况和响煤炮声等10个参数作为判别因子;将冲击地压危险性等级分为微、弱、中和强4个级别,并作为Bayes判别分析的4个正态总体;选用现场实测的20组数据作为训练样本建立了Bayes线性判别函数和后验概率函数,以Bayes线性函数值和样本出现的总体的后验概率对样本所归属的总体进行识别;将建立的模型对训练样本进行回判,以回代误判率对模型进行检验;选用15组现场实测数据作为测试样本,以检验模型的可行性和可靠性。研究表明:冲击地压Bayes判别分析模型的回代误判率为0,对测试样本的识别正确率为93.33%,且与Fisher判别分析法的识别结果一致。     

降雨型滑坡灾害的特征聚合决策树预测模型

为了有效预警降雨型滑坡灾害,以秦巴山区为研究区域,采集并处理大量不同时段降雨数据,构成降雨特征属性。利用Fisher最优分割,对降雨特征属性值进行分段统计,提出特征聚合转换表。使用信息增益和预测反馈筛选影响滑坡灾害的有效降雨特征,为预测模型提供有效数据集。利用特征聚合转换表和有效降雨特征,改进决策树,构建特征聚合决策树预测模型,进而提高预测效率和预测准确率。分析决策树的深度和叶子节点个数,给出决策树的反馈执行度,表明使用特征聚合转换表的决策树更优。比较特征聚合决策树、决策树、朴素贝叶斯和逻辑回归预测模型,结果表明,特征聚合决策树预测模型对降雨型滑坡灾害有更高的预测准确率,且平均预测准确率较高。     

基于频率比模型和随机森林模型耦合的地质灾害易发性评价

目前利用机器学习进行易发性评价时,非地质灾害单元通常是在研究区范围内随机选取,会导致部分非地质灾害单元落在潜在地质灾害单元之上,造成模型评价结果偏差,所以非地质灾害单元的有效选取成为当前易发性评价的难点问题。以浙江省长兴县李家巷镇为研究区,选取高程、坡度、坡向、剖面曲率、岩组、距水系距离、距断层距离、归一化植被指数和土地利用这9个环境因子作为评价指标,利用频率比模型(frequency radio, FR)进行非地质灾害单元的选取,然后选用随机森林模型(random forest, RF)进行地质灾害易发性评价,并与未经有效筛选非地质灾害单元的RF模型结果进行对比分析。结果表明,与RF模型相比,FR-RF模型的特异性(Specificity)提升了9.51%,说明对非地质灾害单元的预测能力显著提升,同时敏感性(Recall)提升了13.71%,说明对地质灾害单元的预测性能也大幅提升,受试者工作特征曲线下的面积(area under curve, AUC)和准确率(Accuracy)分别提高了6%、11.66%,模型整体性能及预测能力得到改进;地质灾害极高和高易发区主要分布于存在碎屑岩和...     

基于LM-BP神经网络的钢筋混凝土框架结构震害快速预测模型

为了快速对建筑群进行震害预测,构建城乡地震易损性模型,为防灾减灾工程提供依据并助力韧性城乡建设,本文选取位于抗震设防烈度为7度区的某市,把该市已完成的震害预测项目的基础数据和结果作为数据库的样本来源,以框架结构作为研究对象,将层数、层高、楼高、柱面积率等12个易获取且关联度较高的关键数据作为震害影响因子,充分利用了Matlab可视性良好的建模特性及LM算法能够快速拟合的优势,训练了一个基于LM算法的BP神经网络震害预测模型。采用多组数据测试,对单次模拟结果数据进行对比,并通过多次随机选取数据样本建立模型,验证该模型的精度和稳定性。测试结果表明,本文所选取的震害影响因子能够对框架结构的震害预测结果进行准确映射,该方法准确快速高效,可以应用于建筑群的快速震害预测实际工作中。     

基于信息量模型的达曲库区滑坡危险性分析

选取南水北调西线一期工程四川甘孜州达曲库区作为研究区域,根据库区内已有滑坡的形成原因,选择坡度、高程、地层、距水系距离和距断层距离等5个影响因素,利用基于G IS的信息量模型,实现了达曲库区滑坡灾害危险性区划。其中,高危险区面积4.02 km2,占0.90%;中危险区面积30.40 km2,占6.79%;低危险区面积126.46 km2,占28.23%;稳定区面积287.04 km2,占64.08%。经过与实际情况对比分析,区划结果可以作为达曲库区滑坡灾害治理的参考依据。     

川藏铁路波密至林芝段工程地质灾害危险性评估

采用定性与定量相结合的量化评分方法,对川藏铁路波密至林芝段工程进行了地质灾害危险性现状评估、预测评估、综合评估。综合评估分区结果表明,评估区共划分为64个区段,分区面积共计310.21 km~2,其中地质灾害危险性大的有18段,面积11.46 km~2,占总分区面积的4%;地质灾害危险性中等的有14段,面积28.85 km~2,占总分区面积的9%;地质灾害危险性小的有32段,面积269.6 km~2,占总分区面积的87%,分区结果符合评估区实际情况。     

基于机器学习的大雾天气背景下特强浓雾本地化诊断研究

低能见度的大雾天气是造成许多交通事故的重要气象灾害。极低能见度的强浓雾预报预测是气象工作中的难点问题。利用连云港地区2014-2016年逐小时气象观测资料,选取大雾发生时次,基于机器学习中的多种算法对能见度低于50 m特强浓雾建立气象要素诊断模型。结果表明:基于CART决策树算法的诊断模型能够较为直观准确的对强浓雾进行诊断,并且该模型具有较高的泛化能力,利用约占研究样本75%的数据进行学习,模型的学习准确率为90.04%,剩余25%左右的样本数据对模型的泛化能力进行测试,测试准确率为82.25%;5种机器学习算法中LSVM算法对于特强浓雾的诊断模型测试效果最好,但算法可理解度较低、复杂度较高,不如CART算法易于使用。     

我国小麦白粉病发生流行的长期气象预测研究

确定了影响我国小麦白粉病发病流行的9项关键环流特征因子指标,其中4项较好地表征了我国小麦白粉病发病面积轻、偏轻、偏重、重4个级别的气候特征.以关键环流特征因子距平为预测因子,建立的上年10月初、当年4月初制作预报的2个全国小麦白粉病发病面积距平预测模式历史拟合效果较好,对2004年的外延预报准确率分别达87.5%和98.2%.通过分析关键大气环流特征因子对我国小麦白粉病发生流行的可能影响机制,发现前期关键环流特征因子对我国小麦白粉病的发生流行具有很好的气候背景指示效应.     

黑龙江省杨树烂皮病气象预报模型的适应性分析

在构建东北地区杨树烂皮病发生发展气象适宜度预报模型的基础上,选取黑龙江省西部地区5个试验点,以1972-1974年当地杨树烂皮病观测记录为标准,对该模型进行局部地区应用试验.结果表明:仅利用当地气象观测站的气象数据进行气象适宜度等级预报的准确率比较低,总体预报准确率仅为38 07％,而对气象要素进行空间插值能把预报准确率提高到72.16％.此研究可为黑龙江省气象部门进行杨树烂皮病的气象适宜度预报提供技术参考.     

滑坡概率在边坡稳定性分析中的应用

应用逻辑回归模型和确定性系数CF建立滑坡概率预测模型,进行边坡稳定性分析,结合赣南离子型稀土矿山42个边坡实例,选取重度、内聚力、内摩擦角、边坡角、孔隙压力比5个影响因子作为输入,边坡状态作为输出,用SPSS软件进行回归分析,获得可信的滑坡概率拟合函数。将预测模型和分析结果反馈到样本数据,样本数据输入值和预测值差值在10%以下的超过95%,说明了预测模型的合理性;准确预测了9个稀土矿山边坡稳定性,说明了预测模型的准确性。     

基于机器学习的不可移动文物暴雨灾害风险评估——以山西省为例

以山西省为例,将不可移动文物作为灾害的影响对象,通过分析暴雨灾害对其的影响因素构建指标体系,通过文物损毁情况划分风险并作为输出数据,将山西省6 325处受灾不可移动文物按照6∶2∶2划分训练集、验证集和测试集,分别使用随机森林模型、支持向量机模型(support vector machine, SVM)、逻辑回归模型进行训练和验证,选取出最优模型,并对山西不可移动文物进行不同重现期暴雨下的风险预测。研究结果表明：基于机器学习的不可移动文物暴雨风险评估方法是可行且结果较为优异的;在3种模型中,随机森林的验证集准确率最高,为95.75%,测试集精度为94.70%;在山西省5、20、50 a重现期暴雨下的不可移动文物风险均呈现出北方低、南方高的态势,且在5 a重现期下高风险文物占比最多,高风险文物以古建筑和古遗址为主。