致灾营力当量预报预警方法探讨--以山东省地质灾害-气象预报预警为例

山东省地质灾害-气象预报预警研究中,受重力滑块启发,并通过分析研究地质构造、气象条件及已发地质灾害规律,发现了致灾营力当量定律。运用该定律将岩性、构造、降雨致灾因素作用统一到坡度致灾作用上,编制专用软件。以0.25km×0.25km为计算单元实现了全省空间范围的致灾营力当量计算。根据降雨诱发地质灾害危险性级别致灾营力当量阈值,追踪出地质灾害危险性预警级别。依据预警级别,发布地质灾害-气象预警信息。     

基于GIS的珠海市地质灾害易发性评价

根据近些年珠海市地质灾害发生概况,选取地质灾害主要致灾因子,并进行细化评分,以2 km×2 km面积为单元,将珠海市共划分出680个单元,采用地质灾害综合危险性指数法,分别予以赋值,运用MapGis软件获得各单元的地质灾害综合易发性指数,将珠海市地质灾害划分出高、中、低和不易发生4个等级,然后用ArcGis软件生成珠海市地质灾害易发分区图。划分结果为珠海城市建设防灾减灾、国土空间规划、地质灾害预警等提供科学依据。     

安徽省地质灾害气象预报预警模型研究

通过对基于地质环境信息平台的地质灾害气象预报预警模型构建进行了探讨。拟在先期已具备的地质灾害预警分区、地质灾害易发分区基础上,以地质灾害"易发度"、预报降雨量、有效降雨量为因子,采用logistic回归模型确定各个评价单元的预警等级,经插值计算、图斑合并,实现地质灾害气象风险预警。     

深圳市突发性地质灾害预警预报流程设计

首先探讨了突发性地质灾害预警预报分级体系,认为不但要考虑地质灾害发生可能性等级,还要考虑地质灾害可能造成的损失等级,并提出了综合这两个方面的三级警报分级体系.然后提出了突发性地质灾害预警预报流程设计的四大原则,即合法性、科学性、及时性、实用性.最后设计了一套适合深圳市实际情况突发性地质灾害预警预报流程,说明了地质灾害预警预报信息的传输、制作与签批过程.     

基于组合权重的汛期地质灾害预警预报模型

利用组合权重法将地质灾害易发区等级和降雨量等级进行有机的结合,建立了基于组合权重的汛期地质灾害预警预报模型。以吉林省为例检验其有效性。将研究区域剖分为5 702（5 km×5 km）个单元格,对每个单元格的地质灾害发生的可能性进行了等级预报。通过对已发生的地质灾害及降雨量的历史资料进行验证可知,该预报结果的精准率达到了93.25%,其预报结果是合理可行的。     

2002-2019年江西省省级地质灾害气象预警分析

摘要: 江西省是我国地质灾害高发、频发的主要省区之一。2002年,原江西省国土资源厅与江西省气象局合作,首次在江西卫视天气预报节目中发布了全国第一个省级地质灾害气象预警产品。江西省省级地质灾害气象预警工作历经十余年的发展,预警等级划分主要采用图层叠加法,经历了无预警等级、五级预警等级、四级预警等级3个阶段,预警信息越来越精准。2002年至2019年年底,共发布预警信息298期,其中红色(五级)预警9期,橙色(四级)预警80期,黄色(三级)预警190期,蓝色预警15期,无等级预警4期; 2002—2005年为预警发布尝试阶段,发布的预警信息较少; 2006年始,发布的预警信息有较大程度增长。2002年至2019年年底,成功预报地质灾害事件856起,避免可能的人员伤亡8 885人,预警成效显著。对2011年以来172期预警命中率和空报率的年均值进行统计,发现命中率尚可,但空报率较高。预警工作主要存在的问题为预警信息仍为手工制作、预案对预警等级划分已出现不适用情况、未制定预警校验要求等。后期预警工作将向自动化、精细化及短临预警方向发展。     

福建省地质灾害气象预警有效降雨模型研究

降雨是诱发地质灾害最主要的外部因素之一,在中国东南沿海中低山丘陵区强降雨诱发的地质灾害集群发生,造成了大量人员伤亡和财产损失。以福建省为例,深入挖掘多年历史地质灾害案例的降雨实况资料,以县级行政区为统计单元,基于定量化降雨估测对诱发群发性地质灾害的典型降雨过程进行相关性研究,并基于地质环境的量化指标进行了偏相关分析验证,建立了福建省有效降雨模型并通过现场监测和预警应用进行了验证。研究表明：福建地区地质灾害的发生与灾害发生3日内降雨相关,且以0.79为折减系数逐日折减,据此建立了福建地区有效降雨模型;将福建地区有效降雨模型应用于地质灾害气象预警,可以在保证地质灾害命中率的前提下,减少预警区面积、降低预警等级、缩短预警持续时间,提高地质灾害气象预警的精准性。研究结果有助于准确把握降雨特征,可为区域地质灾害气象预警中降雨因子的合理评估提供科学依据。     

面向领导决策的地质灾害预警系统设计与实现

利用GIS技术对地质灾害信息进行快捷发布、预警与决策,是地质灾害管理与防治的有效途径之一。基于地质灾害预警与领导决策的需求,对结合ArcIMS地图服务与Ajax技术的地质灾害预警系统的目标、结构、功能、数据模型与数据库进行了分析与设计,探讨了系统开发所涉及的关键技术。最终完成了基于Ajax模式的广东省地质灾害预警系统的开发,实现了地质灾害相关信息的分析,灾害等级划分与预警,以及灾害信息的发布。     

陕西省地质灾害气象预报预警系统的应用与现状

从降水这一诱发地质灾害的关键因素入手，在对陕西省地质灾害分布规律及其与气象条件关系研究分析的基础上，确定不同区域不同降雨强度诱发地质灾害的临界值，建立了陕西省地质灾害气象预报预警系统。根据降雨量等级，利用神经网络算法，划分地质灾害预报预警等级，进行有效的防灾预报。     

喷锚支护节理岩体的弹性复合单元模型

利用复合单元技术,建立节理岩体喷锚支护的弹性模型。该模型可先不考虑节理、锚杆、喷层等细部结构,生成常规有限元网格,然后根据节理、锚杆、喷层的相关信息,形成复合单元网格信息。该模型可重点考虑锚杆和喷层在节理面上的局部化非线性变形与相互作用关系。算例研究验证了模型的合理性。该复合单元算法同时包含等效模拟和离散模拟的优点,有着较好的应用前景     

基于ArcGIS信息量模型在乌鲁木齐市城区地质灾害易发性评价的效果分析

在地质灾害点分布图基础上,基于信息量模型,选定研究区地质灾害发育各影响因子及信息量值,据实际情况人为对信息量负值进行修正,同时利用ArcGIS的空间叠加分析完成研究区地质灾害易发性分区图。结果显示,易发性分区结果与野外实际调查情况相吻合,能在地质灾害风险评价中起重要参考作用。     

基于逻辑回归的四川青川县区域滑坡灾害预警模型

四川省青川县滑坡灾害群发,点多面广,区域滑坡灾害预警是有效防灾减灾的重要手段,预警模型是成功预警的核心。由于研究区滑坡诱发机理复杂、调查监测大数据及分析方法不足等原因,传统区域地质灾害预警模型存在预警精度有限、精细化不足等问题。文章在青川县地质灾害调查监测和降水监测成果集成整理与数据清洗基础上,构建了青川县区域滑坡灾害训练样本集,样本集包括地质环境、降雨等27个输入特征属性和1个输出特征属性,涵盖了青川县近9年（2010—2018年）全部样本,数量达1 826个（其中,正样本613个,负样本1 213个）。基于逻辑回归算法,对样本集进行5折交叉验证学习训练,采用贝叶斯优化算法进行模型优化,采用精确度、ROC曲线和AUC值等指标校验模型准确度和模型泛化能力。其中,ROC曲线也称为“受试者工作特征”曲线;AUC值表示ROC曲线下的面积。校验结果显示,基于逻辑回归算法的模型训练结果准确率和泛化能力均较好（准确率94.3%,AUC为0.980）。开展区域滑坡实际预警时,按训练样本特征属性格式,输入研究区各预警单元27个特征属性,调用预先学习训练好的模型,输出滑坡灾害发生概率,根据输出概率分段确定滑坡灾害预警等级。当输出概率P≥40%且P<60%时,发布黄色预警;当输出概率P≥60%且P<80%时,发布橙色预警;当输出概率P≥80%时,发布红色预警。     

基于机器学习的滑坡崩塌地质灾害气象风险预警研究

在划分气象风险等级时,传统地质灾害气象风险预警方法忽略了承灾体脆弱性因素,且气象风险预报等级整体偏高,导致高等级风险区空报率较高。基于此,提出基于机器学习的滑坡、崩塌灾害气象风险预警方法。利用信息量法,分析气象因素影响程度。选取坐标点、降雨量、易发生等级,将其作为机器学习人工神经网络的输入节点,判断是否发生崩塌、滑坡灾害;针对地质灾害区域,根据影响程度计算气象引发因子指数,结合滑坡、崩塌灾害潜势度G和承灾体脆弱性M,确定气象风险预警指数R,划分预警级别,完成滑坡、崩塌灾害气象风险预警。实验结果表明,设计方法有效降低了三级预报和四级预警空报率,提升了预警精细化程度。     

崩塌滑坡地质灾害风险排序方法研究

我国地质灾害具有点多面广的分布特点,而地质灾害风险管控人力和能力有限,因此需要开展地质灾害风险排序工作,筛选出优先管控的地质灾害隐患点,确保地质灾害风险管控对策实施的针对性和高效性。地质灾害风险排序的实质是运用定量化风险评价计算出每处隐患点的风险值,然后根据风险值开展排序工作。目前定量化风险评价模型多用于单个地质灾害点风险评价,并未应用于大范围地质灾害风险排序工作,且模型较为复杂,推广应用较难。在分析崩塌、滑坡地质灾害与其环境因素间的响应关系及规律的基础上,提取崩塌、滑坡地质灾害的主控环境因子与诱发因子,联合人口、物质、资源等易损性因子建立地质灾害风险评价指标体系;基于岩石工程系统相互作用矩阵与专家打分法确定各级地质灾害风险评价指标因子权重,构建地质灾害风险评分体系;并根据风险评价定义,提出了能够快速定量化的简易地质灾害风险计算模型。以贵州省98处地质灾害隐患点为例,开展模型应用验证,风险排序结果与灾害管理机构主观认识的实际风险一致,验证了本模型的合理性与有效性,提高了地质灾害风险管控能力与效率。     

基于ArcGIS Server的天津市突发性地质灾害信息网络发布平台建设设计与实现

天津市为进一步加强地质灾害防治工作,提出构建地质灾害监测预警信息共享平台,是防灾减灾工作的关键环节。本文探讨了基于网络技术、GIS技术、数据库技术并结合地质环境专业知识,建立集数据发布、管理、查询、共享等为一体的天津市突发性地质灾害数据网络发布与共享平台的设计过程,并以天津市突发性地质灾害发育特征、群测群防、预警预报、巡查与监测信息为数据源,实现了天津市突发性地质灾害信息网络发布平台的建设,进而为政府、社会公众等进行地质灾害工程治理、搬迁避让和应急处置提供依据。     

2004—2018年北京市突发地质灾害时空分布特点和监测预警状况

本文对北京市规划和自然资源委员会发布的《北京市环境公报》（2004—2018年）和北京市水务局发布的《北京市水资源公报》（2004—2018年）进行了全面梳理,详细分析了近15年来北京市突发地质灾害的类别构成和时空分布规律。北京市突发地质灾害有崩塌、滑坡、泥石流和地面塌陷4种类型,其中崩塌是北京市发生数量最多的地质灾害。北京市突发地质灾害规模较小,分布广泛。大部分灾害发生在汛期,表明北京市突发地质灾害与降雨密切相关。极端强降雨发生后,不同类型灾害集中暴发。近年来,北京市突发地质灾害专业监测预警工作积极开展,并取得一定的成绩,但是相关的科研、监测预警技术等地灾防治工作仍需提升。本文的相关结论来源于真实数据的统计分析,可为北京市突发地质灾害监测预警工作提供客观数据支撑。     

煤层底板水害防治智能决策支持系统框架构建

煤层底板突水是华北型煤田煤矿生产过程中一种常见的水害类型,为解决水害防治工程的科学决策问题,进一步提高防治水工程的可靠性,提出构建智能决策支持系统的技术思路。智能决策支持系统是传统决策支持系统与人工智能技术相互融合的产物,在分析底板水害防治决策支持功能需求的基础上,提出“数据-模型-方案”一体化设计流程,从数据导入、模型驱动、智能决策等3个层次构建底板水害防治智能决策支持系统的基本框架。将模型驱动层进一步细分为方法库、模型库、知识图谱构建3项专业化服务,模型库包括底板突水空间点预测模型、疏水降压数值模拟模型、注浆改造工程可靠性分析模型、隔离工程设计模型及底板水害监测预警模型。系统最终输出的决策方案包括底板突水危险性分区、疏水降压Q-t-s方案、区域注浆改造设计及工程可靠性评价、隔离工程设计、底板突水监测预警警情发布。系统通过注浆过程的反馈-控制、突水监测预警的深度学习、疏水降压方案的动态优化等实现其智能决策。智能决策支持系统将会在煤层底板水害防治可靠性保障方面提供新的技术支撑。      

自贡市地质灾害专群结合监测预警模式升级与实践

传统的群测群防体系具有发现预警难、人员巡查难、变形监测难等问题,科研型专业监测设备又有着成本高、功耗高等问题,难以推广。自贡市采用功耗低、成本低、数据化、实时化的普适性地质灾害监测预警技术作为传统监测预警的补充,提升地质灾害监测预警能力;地质灾害监测预警模式通过传统的群测群防预警模式——人技结合的专业监测预警模式——"三统两分一考核"的综合监测预警预报模式的三级转变,进一步提升了地质灾害自动化专业监测预警的有效性和持续性。     

基于机器学习的区域滑坡灾害预警模型研究

中国滑坡灾害严重,区域滑坡灾害预警是防灾减灾的重要手段之一,预警模型是开展区域滑坡灾害预警的关键问题。本文系统开展了基于机器学习的区域滑坡灾害预警模型研究,并以四川省青川县为例,基于近10年地质与气象数据,构建了青川县区域滑坡灾害预警模型并开展实例校验。研究得出如下结论:(1)提出了基于机器学习的区域滑坡灾害预警模型的构建方法,主要包括训练样本集构建、样本学习训练与优化建模、模型保存与预警输出等几个关键步骤。(2)提出了区域滑坡训练样本集的构建方法,即以正样本为基础,在时空约束条件下随机采样获取负样本,最终获得完整的训练样本集。(3)样本学习训练中,以训练样本集的80%作为训练集,20%作为测试集,进行5折交叉验证,采用精确度、ROC曲线和AUC值校验模型准确度和模型泛化能力。采用贝叶斯优化算法进行模型优化。(4)实际预警中,调用训练好的预警模型输出滑坡灾害可能发生的概率。依据概率大小,分级确定预警等级。分级依据为:当输出概率P≥40%且P＜60%时,发布黄色预警;当输出概率P≥60%且P＜80%时,发布橙色预警;当输出概率P≥80%时,发布红色预警。(5)以青川县为例,构建了青川县区域滑坡训练样本集,采用6种机器学习算法进行模型训练,结果显示随机森林算法表现最好,其准确率最高(0.963),模型无过拟合现象,模型泛化能力最好(AUC=0.986);其次为逻辑回归算法;再次为人工神经网络算法和决策树算法。选取2018年6月26日的青川县日常预警业务进行实例校验。结果显示:当日17处滑坡灾害点中,100%的灾害点全部落入预警区范围内,其中:70.6%的滑坡落在红色预警区内,17.6%的滑坡落在橙色预警区内,11.8%的滑坡落在黄色预警区内。