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。     

山水林田湖草生态保护修复工程研究

近年来，我国多地组织实施了山水林田湖草生态保护修复试点工程，各试点地区结合本地实际情况，积极推进试点工程，山水林田湖草系统保护的理念逐渐深入人心，初步探索出全局治理的新路径，积累了整体性、系统性开展生态保护修复工程的宝贵经验，对维护国家生态安全发挥了积极作用，但各地区的试点工程在具体的实施过程中也遇到一些问题和难点。为推动山水林田湖草生态保护修复试点工程的顺利实施，全面推进国土空间的生态保护修复，综合分析了各地区试点工程存在的几个突出问题和难点，并有针对性地提出了解决措施和建议。