不同时空尺度的泥石流预报技术体系

降水诱发的泥石流是我国主要的泥石流灾害类型。降水是该类泥石流灾害预报的关键动态因子,不同的降水监测和预报技术与方法决定了泥石流预报的不同时空尺度。分析了不同降水监测和预报技术的时空尺度和时空分辨率,并以此为基础,结合下垫面条件分析,建立了不同时空尺度的泥石流预报体系框架:大中区域泥石流预报(数值天气预报)─中小区域泥石流预报(多普勒天气雷达)─单沟泥石流预报(多普勒天气雷达和地面降水遥测)。具体的技术体系包括下垫面条件分析、降水监测和预报方法以及预报结果的表述与发布。     

三峡库区塌岸灾害易发性评价方法——以奉节—云阳段为例

塌岸灾害广泛分布于中国三峡库区。塌岸易发性评价对库区灾害防治具有重要意义。当前塌岸易发性评价的研究程度低,评价模型的适用性差,评价指标的选取依据不充分,并没有考虑波浪对库岸稳定性的影响。本研究以塌岸灾害广泛发育的三峡库区奉节段至云阳段为研究对象,考虑波浪和库岸形态对研究区塌岸发育的影响,提出江岸宽度、库岸形态、风速这三个指标,并基于研究区塌岸灾害发育和分布特征共选取8个影响因子,构建三峡库区塌岸灾害易发性评价指标体系;采用三种机器学习模型,实现三峡库区塌岸灾害易发性分区及检验、模型精度预测、评价结果的分区和实地验证。结果表明：(1)江岸宽度、岸坡形态和风速等影响因子权重靠前,对奉节段塌岸发育的贡献较大;(2)ANN模型、RF模型与SVM模型的较高-高易发区灾害点数量分别占总灾害点的53.1%、48.9%和39.3%。ANN模型与RF模型塌岸强度从低至高依次增大,分区结果较为合理,而SVM模型分区结果不太理想。(3)ANN模型、RF模型和SVM模型的AUC值分别为0.798、0.793、0.766,三种机器学习模型的预测精度较为可靠;(4)RF模型高易发性区域最符合实际地质条件,其易发性...     

汶川地震灾区泥石流的诱发降雨阈值

系统收集和整理、分析了汶川地震灾区2008—2011年的160次泥石流事件和其对应的降雨过程,发现不同降雨因子对泥石流的发生所起的作用有所差异,超过77%的泥石流都是由暴雨激发,说明直接降雨因子,如当次降雨量和峰值雨强是诱发泥石流的最关键因子。通过各种降雨阈值方法的结果比较,发现不同区域各种降雨参数对泥石流发生的影响程度不同,因此用于泥石流预报的降雨指标不同,应采用的预报模型和临界阈值也不同。对于崇州市,可选用峰值雨强作为预报指标;汶川县可选用当次降雨量作为预报指标,对于其他地区,适宜用多因子模型(I-R和I-D)进行预报;相比较而言,绵竹、都江堰等地区的泥石流受前期降雨的作用影响较为明显,因此最适宜用峰值降雨强度和有效前期降雨关系(I-RT模型)进行预报。个别地区的阈值年度变化显示地震灾区泥石流的降雨阈值呈回升趋势,但远远未恢复至地震之前的水平。研究可为地震灾区的泥石流预警预报研究做出贡献。     

泥石流灾害水文气象联合预报

由于降雨型泥石流是我国泥石流灾害的主要类型,所以以往对泥石流灾害的预测预报主要通过对雨量数据的分析来实现。但是由于雨量站记录雨量和灾害发生雨量并不一致,这就极大的影响了单纯依赖雨量数据预测预报的准确性。在分析环境因素影响的基础上,将水文和气象资料结合起来,用于泥石流灾害的预测预报。通过比较灾害发生前、发生时和发生后的河流洪峰流量、日降雨量和小时降雨量,发现洪峰流量和小时降雨量对灾害发生有很好的指示作用。经过在辽宁省岫岩满族自治县的试验,得到洪峰流量1 800 m3/s和小时降雨量50~60 mm这两个该县泥石流灾害发生临界值。结果表明水文和气象资料的联合应用,会大大改进泥石流灾害的预测预报效果。     

区域和沟谷相结合的泥石流预报及其应用

在分析泥石流预报现状和泥石流减灾决策对泥石流预报的要求的基础上,提出了建立区域和单沟相结合的泥石流预报的问题。以泥石流发育的基础数据库、降水的动态预报与监测和泥石流预报模型为基础,以GIS技术为工具,建立泥石流预报平台。泥石流预报模型采用基于模糊数学的泥石流预报模型,预报结果应用概率分级进行表述,以适应泥石流预报准确率低的不足,并最大程度地克服了过分依赖临界降水量进行泥石流预报的不足。将该泥石流预报方法应用到北京山区泥石流预报中,建立了北京山区泥石流预报系统。     

基于随机森林模型的泥石流易发性评价——以汶川地震重灾区为例

在区域泥石流易发性研究中,科学确定泥石流易发性主控因子及其贡献率既是关键科学问题,也是区域泥石流预警预报和风险管理的重要基础。本研究选取汶川地震重灾区,引入随机森林算法,以小流域为评价单元,集合多元因子指标体系,建立泥石流易发性评价模型,定量分析了汶川地震重灾区内泥石流关键影响因子及贡献率,并探讨了研究区泥石流易发性的空间分布特征。本文初选了63项评价指标,以模型AUC值变化为基础,筛选出35项指标构成易发性评价指标体系,并用于区域内泥石流易发性主控因子的识别,结果表明:流域高差、流域平均坡度、流域内滑坡面积、平均降雨天数是区域内泥石流易发性主控因子,另外,沟长比降、大于10°积温、年均温、人口密度、村落个数、低覆盖度土地利用方式等在泥石流易发性评价中也发挥着重要作用;易发性评价结果显示,极高易发区占比达到了22.94%,主要分布于研究区西部,泥石流易发性较高的小流域主要分布在青藏高原向四川盆地过渡的地形急变带,同时也与地震带、断裂带、干旱河谷区域密切相关。模型验证结果表明,平均AUC值达0.84,模型具有很高的稳定性和准确性,说明随机森林算法非常适用于区域泥石流易发性评价研究,机器学习算法结合小流域为单元的方法对区域泥石流易发性评价有效果良好,可为区域尺度灾害易发性及风险评估提供更为有效的方法参考。     

基于遥感和机器学习的内陆水体水深反演技术

文章主要根据机器学习算法（随机森林算法和极端梯度提升算法）和遥感水深反演的原理,利用Sentinel_2多光谱卫星数据和无人船实测水深数据,对内陆水体——梅州水库建立了随机森林（RF）、极端梯度提升（XGBoost）和支持向量机（SVM）水深反演模型,并对反演结果进行对比分析。结果表明：1）RF的训练精度为97%,测试精度为0.80;XGBoost模型的训练精度为97%,测试精度为0.79;SVM的训练精度为90%,测试精度为0.78。说明了在水深预测方面RF模型和XGBoost模型比SVM模型表现更好,对各个区段的水深值较为敏感。2）根据运行时间考察各个模型的效率,其中RF模型从读取数据至输出结果耗时3.92 s;XGBoost模型4.26 s;SVM模型6.66 s。因此,在反演精度和效率上RF模型优于XGBoost模型优于SVM模型,且RF模型的预测结果图细节更加丰富,轮廓更加分明;XGBoost模型次之,但总体效果也较好;SVM模型表现最差。由此可知,机器学习水深反演模型获得的水深结果精度明显提高,解决了传统水深反演模型精度不高的问题。     

证据权模型在泥石流灾害易发性评价中的应用

利用空间统计方法进行泥石流易发性定量评价的本质是度量影响因子（地形、地貌、岩性等）和响应因子（泥石流）之间的空间关系,最后给出所有影响因子综合作用结果,得到泥石流易发性评价结果。选取高程、坡度、坡向、地形起伏度、岩性、降雨量与水系距离7个因素作为泥石流影响因子,采用证据权模型,对研究区内泥石流进行灾害易发性评价,使用自然间断法将研究区内泥石流易发程度分级,得到研究区泥石流易发后概率图,获得了较高的置信度,方法简单易行,可以在其它灾害易发性评价中推广。     

GIS支持下基于支持向量机的滑坡危险性评价

以仙游县为例,探讨了将地理信息系统技术(GIS)和支持向量机(SVM)算法应用于滑坡灾害危险性评价的基本思路和技术路线。主要内容包括SVM的基本原理和方法、滑坡灾害危险性评价指标的选取和量化、SVM模型的建立以及具体的实现过程。实践证明该方法是一种较好的滑坡灾害危险性评价方法。     

基于EEMD分形和LS-SVM的次声信号识别泥石流类型

基于无接触的泥石流次声信号的有效波形特征提取识别不同类型的泥石流及预警泥石流规模、危害是国内外泥石流研究的新方向。本研究利用室内实验采集到的65次稀性、过渡性和粘性泥石流次声信号数据,采用集成经验模式分解(EEMD)对次声信号进行分解,提取本征模态函数(IMF)主分量,对比分析了原始信号和主分量信号STFT分布的时频特性差异,计算了主分量IMF盒维数值,并将其作为特征值输入最小二乘支持向量机(LS-SVM)分类器进行训练和分类,初步实现了基于次声分形特征指标识别泥石流类型。研究表明:(1)通过对EEMD重构的主IMF分量信号进行短时傅立叶变换(STFT)时频分析后,主分量信号具有优良的时频聚焦性能,提升了信号识别的准确性和精度;(2)稀性、过渡性和粘性泥石流的原始次声信号盒维数值分别为1.625、1.578和1.519,利用次声盒维数值可以识别泥石流的类型;(3)通过LS-LSVM模型训练测试,正确识别率达87%,其中稀性和过渡性泥石流为80%,粘性泥石流为100%。本研究利用次声特征指标无接触判识了泥石流类型,为次声自动识别、监测和预警泥石流灾害做了积极探索。     

BP网络模型在沙尘暴预测中的应用研究

依据锡林郭勒地区30 a气象资料,应用人工神经网络(ANN)中不同BP网络结构和算法,探索建立沙尘暴预测模型的方法。研究认为,在建立锡林郭勒地区沙尘暴预测模型时,选择年大风日数、年平均地温、年蒸发量、相对湿度4个气象因子作为模型的输入因子是合理的;经过输入因子确定,层数、节点选择,每层激活函数和输出因子的确定,锡林郭勒地区沙尘暴预测模型可采用三层网络结构（4-6-1）。比较和试算显示,快速BP算法较普通BP算法的训练速度快,收敛精度高64.47%;快速BP神经网络的沙尘暴预测模型的预测精度可达到98%,较传统的多元线性回归数学模型高。因此,应用快速BP神经网络建立沙尘暴预测模型简捷、方便,具有精度高、智能化等特点,可在区域沙尘暴预测预报领域推广。     

区域泥石流孕灾环境危险性评价——以北京军都山区为例

以北京军都山区实测泥石流沟谷数为基准,基于因子叠加、信息量模型和FCM-粗糙集三种方法,分别获得了泥石流灾害发生的危险性等级分布,结果表明:①各分区单位面积内泥石流沟谷数都随着危险性评价等级的提高而增多;②因子叠加法和信息量模型法可得出五级泥石流灾害危险性分级,而粗糙集法只得出三级分级;③以实际泥石流沟谷落在评价区数目为标准,信息量模型法有90%以上的泥石流沟谷在危险性高和极高区域;粗糙集法得到危险区域覆盖了63.72%的泥石流沟谷分布;④从单位面积泥石流沟谷数与泥石流沟谷分布比率可得,信息量模型法评价精度较高,因子叠加法没有形成良好的梯度,而粗糙集法计算等级结果与其他方法存在差异,故须在其他区域进行进一步研究。     

基于主成分神经网络的台风灾害经济损失评估

本研究建立了浙江省台风灾害直接经济损失评估模型。把浙江省台风灾害直接经济损失资料换算成直接经济损失指数,运用主成分分析法对表示致灾因子、孕灾环境与承灾体的评估因子进行数据处理,提取主成分作为BP神经网络模型的输入,从而建立评估模型。模型历史拟合结果和实际一致。在2007年和2008年影响浙江省的5个台风的实际评估中,强台风"Vipa"灾后评估值比实际值偏大2.16,其余4个台风灾后评估值比实况偏大0.2~0.7,反映了人们对影响大的台风防灾减灾工作的重视和防灾减灾效果。根据台风开始影响时过程风雨预报值进行预评估,过程风雨预报值较准确的台风,预评估结果和灾后评估值一致;过程风雨预报值误差较大的台风,预评估效果较差。因此,该模型可用于实际台风灾害直接经济损失评估,提高台风影响前风雨预报准确率是提高预评估准确率的关键。     

基于SVM的泥石流危险度评价研究

选取泥石流一次(可能)最大冲出量(L₁)、泥石流发生频率(L₂)、流域面积(S₁)、主沟长度(S₂)、流域最大相对高差(S₃)、流域切割密度(S₆)和泥沙补给段长度比(S₉)7个因子作为泥石流沟谷危险度评价因子,运用支持向量机理论,以云南省37条泥石流沟的259个基础数据为样本进行学习训练和测试,建立泥石流危险度评价的支持向量机模型,通过实例验证,取得良好效果。     

新疆叶城“7.6”特大灾害性泥石流应急科学调查

2016年7月6日凌晨新疆喀什地区叶城县柯克亚乡玉赛斯(六村)发生滑坡堰塞坝溃决泥石流灾害,造成36人死亡、6人失踪、7户民房被完全毁坏,其余数十间房屋和大量基础设施不同程度受损。现场调查研究表明:(1)此次灾害性泥石流形成过程为:降雨→土质滑坡→滑坡堰塞坝→堰塞湖→堰塞坝溃决→泥石流;(2)9#土质滑坡堰塞坝在持续强降雨作用下发生溃决,溃口洪峰流量达977.8 m~3/s,形成堰塞坝溃决型泥石流,致使1#土质滑坡堰塞坝发生串联溃决,其溃决洪峰流量为459.2 m~3/s;(3)泥石流断面流速为4.51-6.51 m/s,断面流量为443.2-524.7 m~3/s,泥石流堆积扇最大长度283.9 m,最大宽度234.3 m。     

东南地区泥石流活动与降水气候特征的关系

我国东南地区以低山丘陵为主,泥石流活动频率较低,但因经济发达和人口稠密,泥石流易导致严重灾害.东南地区绝大部分泥石流由降水引发,泥石流活动与降水特征间存在紧密的关系.在收集整理了近年来46个泥石流灾害事件后,分析了泥石流活动与各降水气候特征间的关系.分析结果显示,诱发泥石流灾害的5 d降水量和15 d降水量与降水气候特征间的关系最为密切,其函数关系可用于评估泥石流临界降水量,并作为该区域泥石流区域预报的因子.     

中国西南山区沟谷暴雨泥石流危险度判定的基本原理和方法

本研究提出了通用于沟谷暴雨泥石流危险度判定的三项基本原理:主次因子原理、因子权重原理和定量赋值原理。首次提出了泥石流危险度的多因子综合定量判定模式和计算公式,为我国西南(西北)山区沟谷暴雨泥石流灾害评估提供了较为先进的实用方法。在云南部分地区的判定检验和应用实践表明,本法具有60%以上的可靠度。可应用于我国西南(西北)山区一切有可能发生暴雨泥石流的自然沟谷和已确认的暴雨泥石流沟谷。     

横断山区泥石流空间格局和激发雨量分异性研究

地形、降雨等环境因子决定了泥石流的时空分布特征,理解泥石流与这些因子的关系有助于区域泥石流灾害风险评估与防灾减灾工作。以横断山区为研究区域,选取降水、气候、地貌、地质、土地覆盖、土壤厚度、高差势能以及湿度指数等因子,利用地理探测器和灰度关联分析等方法,探讨了环境因子与泥石流沟空间分布的关系以及降水特征与泥石流灾害的时间关联性。结果表明,湿度指数是决定泥石流沟空间格局的最主要因子,其次是高差势能和土壤厚度,多年平均分布的降水特征对泥石流沟分布的影响较小。泥石流灾害事件与降水特征的时间关联具有较大的区域异质性。泥石流发生地的激发雨量、湿度指数、高差及土壤厚度的统计分布在不同地貌、地质和气候单元中有明显差异。这表明泥石流预警不仅需要考虑雨量等激发因子,还必须考虑其他影响因素的空间差异性。     

地貌灾害预测预报的基本问题——以泥石流预测预报为例

从地貌灾害的定义入手，阐述了地貌灾害预测预报需要解决的四个基本问题、解决这四个问题的二种途径，以及进行预测预报的四种方法。以泥石流为例，论述了泥石流预测预报的现状及其热点、难点和可能的突破点，以及目前和今后一段时期的切人点和研究重点。综述了国内外对泥石流小尺度空间预测，规模预测，时间预测，包括重现期预测、降雨预测和危险度预测的一系列有实用价值的经验公式及其在应用中存在的问题。阐明了灾害评价和预测预报在灾害学研究中的重要地位。     

山地地质灾害气象等级预报(预警)模型应用

浙江省是一个山地地质灾害多发地区,这些灾害包括泥石流、滑坡、崩塌等,它们的发生大多与降水有关。在分析浙江省地质灾害发生规律的基础上,探讨了地质灾害气象等级预报(预警)模型的主要结构、功能和特点,重点讨论了该模型在台风强降水引发的地质灾害预报(预警)中的应用情况。该模型应用于0414号台风“云娜”、0418号台风“艾利”影响期间浙江省地质灾害的预报(预警),取得了较好的效果。