基于经验似然比函数模型的降水型滑坡灾害概率风险分析与预测

以湖南郴州地区为例,建立了降水型滑坡历史灾害空间分布、地质和地形等滑坡影响因子空间数据库;基于50×50 m的网格,选取地貌、地层岩性、土壤类型、坡度、坡向、高程等滑坡影响因子,利用经验似然比函数计算出每个网格的滑坡危险度,并进行分级,进而制作出郴州地区滑坡危险度区划图.在此基础上,利用另一组滑坡灾害空间分布数据采取交叉验证法估算每一类危险级别发生滑坡的经验概率.结果表明,应用经验似然比模型进行滑坡灾害概率风险分析评估效果较好.     

基于地形因子分割、分类的面向对象滑坡快速识别方法

由地震诱发的滑坡灾害具有数量多、分布面积广、危害大的特点。传统的高精度的专家手动解译不能满足大范围发生的滑坡灾后快速评估的要求,基于计算机的滑坡识别技术具有快速、准确的优势。随着灾后影像数据分辨率的不断提高,面向对象技术比基于像素的技术更具优势。但是在滑坡对象分割、分类中对影像光谱、纹理信息的过度依赖造成了分割不够客观、分类算法复杂等问题。基于震后Worldview 2m分辨率的多光谱数据,提出了一种考虑地形因子的滑坡分割、分类算法。这种算法基于简单的规则集并充分考虑了滑坡发生的机理特点进行分割、分类,具有快速、简便的特点,而且能达到很高的分类精度(98.14%)。这种方法较以往仅考虑影像光谱、纹理信息的面向对象滑坡识别技术具有很大的提高,可以在实际灾害发生时用于大面积、大数量的山地滑坡灾害的快速损失评估。     

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。     

不确定密度聚类分析算法的滑坡危险性评价

针对雨量值无法有效刻画及聚类算法难以适用地质地貌较复杂的大范围滑坡危险程度评估模型建立等问题,采用UM-Chameleon算法建立区域滑坡危险性评估模型,并对延安宝塔区进行评估,试验结果表明,评估结果与实际一致,体现出区内滑坡灾害发育的整体特点,证明该模型的有效性及研究区适用范围的宽广性;其滑坡预测成功率比M-Chameleon算法高,证明该模型能有效刻画雨量值,从而能有效地提高滑坡危险性预测精度。     

云南滑坡泥石流灾害及其与降水特征的关系

利用2001-2005年云南滑坡泥石流灾害资料,分析了近5年来云南滑坡泥石流分布与演变的特点及其与云南降水、大雨、暴雨之间的关系.研究结果表明,在该时段云南滑坡泥石流灾害总体分布表现出西多东少,西北多东南少的趋势;滑坡泥石流灾害高发区与暴雨中心有很好的对应关系,其活动存在明显的年际变化特点,并且各个区域又有自身的演变规律.在时空分布上滇西北及滇西南是活动最频繁的区域;滑坡泥石流灾害具有明显的月际变化特征,高峰期集中在6-8月;滑坡泥石流灾害发生次数与年降水量、年暴雨次数及年大雨次数有着很好的对应关系;大气环流异常对滑坡泥石流灾害发生数量也有着明显的影响.     

泸水县滑坡孕灾环境因素敏感性研究

滑坡灾害的发生对社会经济及人民生命财产造成了重大损失,开展孕灾环境敏感性研究具有重要的意义。以滑坡灾害频发区——泸水县为研究对象,选取高程、坡度、坡向、道路、河流、岩土体类型、断裂带及土地利用8个因子,采用确定性系数概率模型分析滑坡易发敏感性,并通过敏感性指数模型分析各个因子对滑坡灾害发生的影响程度,确定有利于滑坡发生的条件,绘制了泸水县区域内滑坡敏感性分区图。结果表明:中等及以上级别的敏感区域内发生的滑坡灾害数量占总数的92.36%,滑坡灾害与孕灾环境敏感性分析具有较好的吻合性;分析结果对泸水县滑坡防治有一定的借鉴作用。     

基于混合高斯隐马尔科夫模型的滑坡发生时间预报∗

滑坡发生时间预报在防灾减灾工作中非常重要,准确的预报能够有效预防灾害发生可能造成的灾难性结果。为解决当前滑坡预报中仅仅实现对滑坡位移等相关参数的预测和估计,而未最终计算出滑坡发生时间的问题,提出采用混合高斯隐马尔科夫模型(MOG‐HMM)建立滑坡发生时间预报模型,即对滑坡灾害演化过程全周期数据利用混合高斯算法计算出宏观信息预报判据,与隐马尔科夫模型中的状态相匹配,建立滑坡演化状态模型,该模型能够反映全周期数据的多个状态,当需要对实时采集的位移数据进行时间预报时,首先利用解码算法对当前数据解码,即计算出其属于滑坡的哪个状态,然后利用Dijkstra最优路径规划算法,计算出从当前状态到达滑坡发生状态的时间,实现滑坡发生时间预报。通过对新滩滑坡和卧龙寺滑坡灾害全周期数据进行仿真验证,结果表明,本文方法能够比较准确地计算出滑坡发生的时间,同时利用评价指标对预报的结果进行测试,符合预报指标精度要求。     

基于RS与GIS的毕节地区滑坡灾害危险性评价

基于遥感和地理信息系统技术,用空间主成分分析法构建评价指标体系,并用层次分析法确定评价指标权重,以滑坡危害最重的贵州省毕节地区为研究区,选取地层岩性、降水量、土地利用、坡度等9个滑坡孕险因子作为评价指标,对该研究区进行了滑坡灾害危险性评价。通过与研究区的历史滑坡灾害记录结果进行比较发现,评价结果与实际状况较为吻合,说明该方法能较有效地用于对区域滑坡灾害危险性的评价。     

长三角地区台风灾害链特征分析

利用1951-2008年58年的历史台风资料分析了台风致灾因子,提取了影响长三角地区的187场台风并根据台风路径频率,将影响长三角地区的台风划分为西行、穿越和北上3类优势路径和一类特殊路径。然后,结合自然环境特征和DEM高程数据,将长三角地区台风孕灾环境划分为海岸带、北部平原和南部丘陵3个区域,并分析了每个区域发生的主要台风灾害链类型。针对"云娜"、"芸妮"和"爱娜斯"3个台风案例,分析了台风路径与不同孕灾环境组合形成的不同台风灾害链。结果表明:海岸带易引发台风-大风-巨浪或风暴潮灾害链;丘陵区域易引发台风-暴雨-山洪、泥石流和滑坡灾害链;平原地区易引发台风-暴雨-平原洪水和内涝灾害链。西行类台风影响海岸带和南部丘陵地区,易形成海岸带和南部丘陵区的台风灾害链;穿越类台风影响整个长三角地区,3种类型的台风灾害链都易发生;北上类台风一般只影响海岸带,易形成海岸带的台风灾害链。     

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.     

雷达对冰雹灾害落区的跟踪及鉴定

以2018年河北省中南部两次冰雹天气过程为例,探索了利用雷达资料跟踪冰雹灾害路径和影响区域的方法。通过台站观测冰雹与雷达识别冰雹区域的对比分析,发现依据雷达反射率因子、回波顶高、垂直累积液态水含量三个参数能够基本识别"冰雹最有可能发生的路径和影响区域"。对雷达识别区域与农业受灾面积进行分析,得知二者成正比关系,进一步说明可以用雷达识别得到的区域对冰雹灾害进行跟踪和鉴定,为更加科学的冰雹灾害风险评估奠定基础。     

滑坡灾害危险性评价信息图谱研究——以福建省莆田市为例

近年来,滑坡灾害频繁发生且极大地危害着人类的生产生活,因此,如何快速有效地进行滑坡灾害危险性分析与评价,进而为滑坡的预测、预报及风险管理服务是一个亟待解决的问题。以莆田市为例,通过将地学信息图谱应用到滑坡灾害危险性评价中,构建莆田市高程、岩性、坡度、坡向影响因子信息图谱,并在此基础上得出莆田市滑坡灾害危险性评价信息图谱,以一系列的图谱直观地反映了莆田市滑坡发生的机制及滑坡危险性空间分布情况,反演了莆田市滑坡发生的时空变化规律,为滑坡灾害预测提供了矢量化的图形信息。     

水系分维在滑坡泥石流灾害区划中的应用

以多滑坡泥石流灾害地域云南省为研究对象,利用水系分形维数的空间变化来表征水系空间形态特征的差异,从而折射云南省内滑坡泥石流灾害发生的程度;通过对市、县、子流域和感兴趣区四种不同的分区标准,对滑坡灾害密度、泥石流灾害密度以及滑坡泥石流灾害总密度与它们的水系维数值进行了相关性分析,并且比较了分维数与切割线密度这两种方法,从统计的相关性系数可以得到一个结论:滑坡泥石流灾害区划中,分维数是一个比切割线密度优越的分区指标因子.另外,在计算水系维数时采用的矢量计盒算法,比传统的栅格计盒算法具有更强的优势.     

基于模糊概率的区域泥石流危险性评价

在最新泥石流危险度区划研究的基础上,将模糊概率模型应用于区域泥石流灾害的危险评价中。在此模型中,评价指标因子包括主要因子泥石流分布密度,次要因子岩石风化程度系数、断裂带密度、≥25°坡地面积百分比、洪灾发生频率、月降雨量变差系数、年平均≥25mm大雨日数以及≥25°坡耕地面积百分比;同时将泥石流危险划分为极低危险、低度危险、中度危险、高度危险和极高危险5个等级。模糊概率模型不仅继承了经典模糊综合评判法的思想和优点,同时也克服了其在实际应用中评价指标因子权重取值的局限性,因而具有明显的合理性。对四川省凉山州区域泥石流灾害的危险评价分析,表明本方法能较真实地反映区域泥石流灾害的危险等级,可为减灾防灾决策提供科学依据。     

证据权法在滑坡易发性分区中的应用——以贵州桐梓河流域为例

应用证据权法对研究区进行滑坡易发性分区。主要数据源有:历史滑坡灾害点编录数据、地质图、地形图、数字高程模型。首先对数据源进行处理,生成地层岩性、离断层距离、高程、坡度、坡向、离道路距离、离河流距离7个证据图层。应用Arc GIS平台,将各证据图层与滑坡灾害点图层进行叠加分析,利用累积权重法对连续数据进行分级,然后求取对连续数据及分类数据因子等级对滑坡灾害贡献的权重值,然后对各证据图层两两进行条件独立性检验,选择4组证据图层组合,参与最终易发性指数计算,得到4幅易发性结果图。应用成功率曲线法对计算结果进行验证,表明由因子组合1得出的计算结果,为最优的因子组合。根据易发性指数将研究区分为高易发性、中等易发性、低易发性三类,并将分区图与历史灾害点进行叠加分析,结果表明评价结果与灾害点分布较为吻合,说明证据权法应用与滑坡灾害易发性分区的可行性。     

基于GIS的岩溶地区滑坡敏感性评价——以贵州织金县为例

滑坡是喀斯特山区主要的灾害类型。以贵州省织金县为研究区,结合遥感科学和地理信息系统,综合滑坡编目数据,分析织金县的滑坡发生机制,并基于信息论的滑坡信息量模型分析方法,选取主要滑坡因子,包括坡度、坡向、相对高差、地形湿度指数、土地利用/土地覆盖变化(LUCC)、地质地层和公路,在此基础上建立区域滑坡空间预测的信息量模型,利用GIS对单因子滑坡信息量进行计算,再求得各因子的综合信息量并进行风险分级。结果表明,织金县相对稳定区为2 779.0 km2,高风险区共有42处,中风险区共有36处,低风险区共有67处。滑坡与地形的相对高差明显相关,植被也是滑坡稳定性的重要影响因素,研究结果对区域的发展和规划都具有较好的参考意义。     

山体和滑坡灾害的传感网络预警技术研究

提出一种新的山体和滑坡灾害的传感网络预警方法,由传感监测网络层WSN、GPRS接入层以及监控中心,构建山体和滑坡灾害传感网络预警体系,利用GPRS联网实现传感数据的远程传输,GPRS网关将监测数据上传到监控中心,监控中心基于监测数据实现山体和滑坡灾害的可视化呈现和警示;使用节点异常特征提取方式对比鉴别异常节点区域,采用分区域异常节点定位算法检测异常节点区域中的网络异常节点,实现山体和滑坡灾害的准确预警。     

重庆库区松散土体滑坡危险性分区及评价

通过对重庆库区松散土体滑坡灾害危险性影响因素的分析,构建了滑坡危险性分区评价方法,即运用灰色聚类理论和关联度法遴选8个危险性因子,并用层次分析方法量化其权重系数以及用专家系统评分法给每一危险因子赋值.以重庆市万州区吴家湾滑坡为例用等面积网格法,通过GIS系统空间多因子叠加获取其危险性指数并绘制其危险性等值线图,根据危险性指数进行其危险性分区并对其进行评价.     

基于遥感与GIS的滑坡灾害风险区域评估方法——以江西省广昌县为例

滑坡是我国南方丘陵地带常见的地质灾害之一,了解和分析滑坡的孕灾环境和致灾因子对灾害的预警以及灾后救助具有重要的意义。结合对ALOS遥感影像的分析,采用多因子聚合方法,并运用地理信息系统空间分析方法,建立了基于遥感的滑坡风险评估模型。以江西省广昌县为例,运用该模型提取出滑坡风险区域并将其划分等级,评价结果与野外调查情况基本相符。     

基于PPD的辽宁省暴雨灾害风险分析

根据辽宁省1976-2006年逐日降水和暴雨灾害损失数据,基于自然灾害风险理论,利用PPD(可能性-概率分布),分析不同等级暴雨发生的可能性;通过建立灾损指标体系获得暴雨灾损指数,结合Arc GIS技术,进行了辽宁省暴雨灾害风险评价与区划。结果表明:1辽宁省暴雨发生的可能性,随暴雨等级的增加而降低,主要发生一到四级暴雨,五级暴雨很少见,而发生2~5级暴雨概率基本由东南向西北递减(一级由西北向东南递减);2全省而言,暴雨灾害损失及风险与暴雨发生可能性区域分布特征总体吻合,即呈现南高北低、东高西低、由东南向西北递减的趋势;3PPD适用于风险分析中计算致灾因子发生的可能性,因为以该模型为基础的研究结果与近年来辽宁省暴雨发生风险事实一致。