地质填图

地表地质填图可以作为预测景观变化的模板。地表地质图对于了解和预测气候和相关水文变化的影响、监测人类对景观的影响、了解生态系统如何运行以及减轻地质灾害的影响来说,都是十分重要的。地表地质图是多用途的,并且是评价多种多样景观     

基于机器学习方法的长输管线地质灾害预测建模

地质灾害是影响长输管线安全运行的重要因素,为减少地质灾害对长输管线的影响,有效预防、规避长输管线的安全风险,本文基于西南油气田仁寿作业区的地质灾害数据,以研究区地质灾害为预测变量,高程、坡度、坡向、地表覆盖为响应变量,采用人工神经网络、决策树、支持向量机3种机器学习方法分析研究区域地质灾害的发生规律,并进一步预测研究区内长输管线发生地质灾害的概率。通过模型对比,相较于人工神经网络和支持向量机,决策树的方法具有更高的预测精度,其预测正确率达0.86。本文的分析结果对研究区管线管理部门具有重要参考价值,相关部门可根据模型预测出的管线点发生地质灾害的概率,提前做好地质灾害预防工作。     

内江市景观格局对地质灾害易发性的影响分析

为探讨地表土地景观格局对地质灾害易发性的影响,丰富地质灾害易发性评价体系,以内江市为研究区域,选取高程、坡度、降雨量、植被指数、地层岩性和距构造距离为评价指标,利用层次分析法进行地质灾害易发性评价,以乡镇为统计单元,运用空间滞后模型进行回归分析,定量地探讨了景观格局对地质灾害易发性的影响.结果表明:地质灾害易发性和平均斑块面积、景观蔓延度和香农多样性指数显著正相关.地质灾害易发性与部分景观格局指数存在显著的相关性,景观格局可以在一定程度上反映地质灾害易发性的空间分布,可以在今后的地质灾害评价中将景观格局作为评价指标进行考虑,同时也为实现生态保护和防灾减灾的综合治理提供科学参考.     

无人机摄影测量技术在矿山中的应用

无人机摄影测量技术快速获取地表高精度影像,对于矿山地质环境监测、地质灾害调查及治理、矿山测量等方向应用前景巨大.尤其是四川中低山区域,地质灾害隐患较多,传统测量手段难以及时覆盖,无人机摄影测量技术对于矿山地表安全监测及预警具有不可替代的优势.     

广州市滑坡地质灾害专业监测示范点建设

滑坡灾害占我国地质灾害总数的51%以上。广州市由于地形地质条件较为复杂、局部断裂构造较发育、雨水充沛、降雨时空分布不均匀等自然环境条件影响,特别是经济的高速发展时期,人类工程活动强烈,多次发生滑坡地质灾害事故,造成巨大的经济和人员损失,建立滑坡地质灾害专业监测示范点,开展滑坡地质灾害监测新技术示范推广研究,对边坡地质灾害防灾减灾意义重大。我国北斗卫星系统的应用,让卫星定位系统监测地表位移手段更加适应了滑坡监测的现场环境的需要,提高了监测精度,确保了监测系统的可靠性。     

煤矿开采对地表变形影响预测分析——以乔子梁煤矿为例

煤矿开采必然会对地质环境造成一定损害。为减少损害程度,需要对地表移动变形值进行预计。运用目前常用的地表移动变形计算方法对乔子梁煤矿运用概率积分方式进行预计,为地质灾害影响的评估工作提供切实可靠的理论依据。     

基于SBAS-InSAR技术监测西安市地表形变特征

地面沉降是西安市最为严重的地质灾害之一。本文基于SBAS-InSAR技术处理了西安市2018—2021年36景Sentinel-1A影像,获取了西安市最新的地表形变特征,并分析其成因。研究表明：(1)2018—2021年西安市主要地表形变区域为鱼化寨地区、电子城地区、三爻-凤栖原地区、城墙南部区域;(2)鱼化寨及电子城地区已转为抬升趋势,城墙南部一直处于抬升阶段,三爻-凤栖原地区呈下沉趋势;(3)西安市地表形变主要受承压水开采及回灌的影响,地裂缝则显著影响了地表形变的分布及走向,建筑载荷也对地表形变有一定的影响。     

基于CORS的浙江省地质灾害监测预警系统建设

主要论述了以浙江省 CORS 系统为基础,综合运用GNSS 空间定位技术、计算机技术、通讯技术、网络技术等现代技术,对可能由地表位移引起的地质灾害进行实时监测、预警和形变分析,建立地质灾害监测预警系统的设计思路和实现过程。     

基于HNCORS的地质灾害监测预警系统集成应用

本文主要阐述综合运用 GNSS空间定位、计算机网络通讯、3G网络等技术,对监测点的地表位移进行实时监测、分析和预警,并介绍以HNCORS系统为基础的地质灾害监测预警系统主要功能及实现过程,为地质灾害监测预警工作提供可行的技术支持。      

RS与GIS技术在库区地质灾害调查中的应用研究

本文以黄河班多一级水电站库区地质灾害调查为例,利用RS与GIS技术进行地质灾害信息提取与分析。在对卫星影像信息进行增强处理的基础上,通过GIS数据管理和空间分析功能对多源数据进行叠加分析,利用可视化工具—虚拟地理信息系统(VirtualGIS)构建研究区三维场景,多方位、多角度挖掘地质灾害信息。结果表明:采用RS与GIS技术可以快速、准确、高效地提取地质灾害信息和与之相关的地表信息,实现地质灾害调查与分析的目的。     

基于高分一号卫星的江西樟树市地质灾害评价

运用高分一号卫星进行江西樟树市地质灾害评价对于科学防治地质灾害,提高国产卫星应用水平具有重要意义。本文通过正射校正、影像融合、几何校正等步骤对高分一号影像进行预处理,然后对处理后的影像进行地质灾害解译,获取樟树市地质灾害分布情况。在进行地质灾害评价过程中采用小流域评价单元,选取灾害点密度、地表水文、构造断裂带、工程活动、岩土类型、地形坡度等6个评价因子,并运用层次分析法确定因子权重,通过加权平均法最终获得樟树市地质灾害易发性综合评价图,其精度为78%。结果表明樟树市易发生地质灾害的地区占全市总面积的34.68%,易发程度最高的地区主要分布在东南部,占全市总面积的7.82%。     

移动GIS地质灾害信息采集系统的研究

计算机、无线网络、定位技术和数据库技术的快速发展,为移动GIS技术在地质灾害信息野外采集创造了有利条件。从传统的地质灾害信息采集中存在问题出发,介绍了移动地理信息系统的组成和移动GIS在地灾野外数据采集中的应用优势,分析了地质灾害信息采集系统的需求,对系统架构、终端设备、通信方式、功能模块进行了设计,并提出了系统实现的方式。     

滑坡蠕变与遥感影像上植被异常关系

以滑坡蠕变阶段坡体的蠕变会引起环境条件的改变，进而影响植被生长状况的野外考察客观现实为依据，提出一种间接监测滑坡变化的新方法。利用高分辨率光学遥感技术，对滑坡蠕变阶段遥感影像上坡体上覆植被的异常特征进行判识，建立遥感影像上植被异常与滑坡蠕变的关系，反映滑坡的演化过程，弥补GPS技术、InSAR技术及部分地面监测手段在地势高、地形陡峭、植被茂盛等条件下监测工作的不足，为后续的滑坡预测研究提供帮助。以植被覆盖度较高的新磨村山体高位滑坡为例，首先，对研究区域进行分区；其次，计算各分区的植被覆盖度；最后，利用植被覆盖度分析遥感影像上的植被异常与滑坡蠕变的关系，并根据滑后遥感影像和实地考察情况进行验证。结果显示，2014年—2016年，滑坡的主要物源区、变形体上方细长局部崩滑区和泉眼及冲沟周边的植被覆盖度出现明显的下降，即随着滑坡发生时间的临近，植被受滑坡蠕变的影响变大，植被生长状况变差；而且随着距裸地等滑坡风险较大区域的距离增大，植被受滑坡蠕变的影响变小，植被生长状况变好。这表明，植被异常与滑坡蠕变存在明显的时空相关性，体现了滑坡蠕变阶段遥感影像上植被异常与滑坡蠕变的内在联系，反映了滑坡逐步失稳的演化过程，为进一步预测滑坡的发生提供依据。     

苏门答腊岛DMC多光谱数据地质应用初步分析

利用灾后苏门答腊岛DMC32米多光谱遥感图像,经过几何精校正、主要地名标注、波段B2(R)、B1(G)、B3(B)组合和直方图正态增强处理制作了影像图,图像总体纹理信息较弱,但对海啸受灾区有突出作用。为了突出不同区域植被的色差和纹理信息,对影像图进行比值增强组合处理实验,比值增强处理后的图像对空间纹理有增强效果。依据DMC增强图像显示的纹理影像特征,通过人机交互方式对图像中有较明显规律的线状和环状纹理信息进行提取和制图,作为进一步分析该地区构造活动及与之相关地质灾害的基础依据。通过对图像的纹理信息综合分析,发现该地区存在着大量的线形纹理信息和一些环形和火山机构影像信息,这些影像特征可能与该地区的一些地质活动有关,如新构造运动、活动断裂和火山活动中心、火山机构等。结合已知的地质、遥感三维立体图像和早期的TM图像资料,根据遥感图像上显示的特殊的地形和水系、线性纹理分布特征和典型地质体与断裂构造的遥感解译标志,对部分线性影像和环状影像的地质意义进行了解译,认为北西断裂为岛内的主干断裂,其次是与其相垂直配套的北东向断裂。初步分析了可能控制或诱发该地区地质灾害的断裂分布特征,推断出三处泥石流、崩塌、滑坡等地质灾易发区和两处火山活动可能区域。所推断的地质灾害易发区具备了泥石流、崩塌、滑坡等灾害形成、流通、堆积等先决条件,如果植被遭到破坏,一旦遇到强降雨影响,极有可能诱发上述地质灾害。火山活动区均处于北东向断裂带与北西向断裂带的交汇部位,根据地质构造和遥感影像特征分析推断,区内地震及火山活动有可能受板块活动地震影响而再次激活,形成新的地质灾害。以上遥感地质信息,在进一步经过相关资料和实地调查证实后,对岛内灾后重建及减灾、抗灾等活动具有积极指导意义。     

滑坡危险性预测模型的设计与实现

滑坡灾害的发生严重影响人类社会的生产生活,因此对滑坡灾害的预警预测工作一直是地质灾害监测和防治的重点,国内外众多学者都对此进行了相应研究。本文在前人的研究基础上把信息量模型和降雨诱发指数应用在滑坡预测研究中,充分考虑两者的耦合影响,建立了滑坡危险性预测模型,并完成了模型的开发工作。该模型实现了滑坡灾害危险性预测的快速化、自动化,并且已集成到江西省地质灾害预警预报分析决策系统中,得到了成功应用。     

动态GNSS监测瞬态无震蠕滑信号提取

断层的瞬态无震蠕滑常诱发震级高、破坏性强的地震。针对其滑动速度缓慢,难以探测的问题,本文基于GNSS连续坐标时间序列的异常波动提出一种断层瞬态无震蠕滑信息的自动探测方法。首先利用独立成分分析进行时空滤波,提高坐标时间序列的信噪比;然后计算坐标时间序列波动的相对强度指数及峰度值;最后通过累积分布函数将其转换为蠕滑信号概率,进而探测断层蠕滑事件。本文模拟500 d GNSS地表位移时间序列进行仿真试验,其中包含25 d瞬态蠕滑信号。试验结果表明,当信号强度至少与噪声水平相当时可有效探测出断层的蠕滑信息。计算Akutan地区连续3年的GNSS数据后探测到一个蠕滑信号,推断其可能为火山岩强烈运动引起的无震蠕滑。通过对四川省陆态网18个测站7年的GNSS数据处理后发现了4个异常信号。     

Construction and Visualization of a Three Dimensional Geologic Model Using GRASS GIS

The present work aims at introducing a basic theory, implementing methodology and algorithms for 3‐D modeling, and visualizing a geologic model using the Open Source Free GIS GRASS environment. A 3‐D geologic model is constructed from the boundary surfaces of geologic units and the logical model of geologic structure. The algorithms for construction and visualization of the proposed model are based on the geologic function g . The geologic function g assigns a unique geologic unit to every point in the objective 3‐D space. The boundary surface that divides the objective space into two subspaces is estimated using data from field survey. The logical model showing the hierarchical relationship between these boundary surfaces and geologic units can be automatically generated based on the stratigraphic sequence and knowledge of geologic structures. Based on these algorithms, a 3‐D geologic model can be constructed virtually in the GRASS GIS. Applying this model, various geologic surfaces and section models can be visualized in the GRASS GIS environment. “Nviz” was used for dynamic visualization of geologic cross‐sections and generation of animated image sequences. Further, the described algorithms and methods are applied and an online 3‐D geologic modeling system is developed.     

Approaches for delineating landslide hazard areas using different training sites in an advanced artificial neural network model

The current paper presents landslide hazard analysis around the Cameron area, Malaysia, using advanced artificial neural networks with the help of Geographic Information System (GIS) and remote sensing techniques. Landslide locations were determined in the study area by interpretation of aerial photographs and from field investigations. Topographical and geological data as well as satellite images were collected, processed, and constructed into a spatial database using GIS and image processing. Ten factors were selected for landslide hazard including: 1) factors related to topography as slope, aspect, and curvature; 2) factors related to geology as lithology and distance from lineament; 3) factors related to drainage as distance from drainage; and 4) factors extracted from TM satellite images as land cover and the vegetation index value. An advanced artificial neural network model has been used to analyze these factors in order to establish the landslide hazard map. The back-propagation training method has been used for the selection of the five different random training sites in order to calculate the factor’s weight and then the landslide hazard indices were computed for each of the five hazard maps. Finally, the landslide hazard maps (five cases) were prepared using GIS tools. Results of the landslides hazard maps have been verified using landslide test locations that were not used during the training phase of the neural network. Our findings of verification results show an accuracy of 69%, 75%, 70%, 83% and 86% for training sites 1, 2, 3, 4 and 5 respectively. GIS data was used to efficiently analyze the large volume of data, and the artificial neural network proved to be an effective tool for landslide hazard analysis. The verification results showed sufficient agreement between the presumptive hazard map and the existing data on landslide areas.     

Approaches for delineating landslide hazard areas using different training sites in an advanced artificial neural network model

The current paper presents landslide hazard analysis around the Cameron area, Malaysia, using advanced artificial neural networks with the help of Geographic Information System (GIS) and remote sensing techniques. Landslide locations were determined in the study area by interpretation of aerial photographs and from field investigations. Topographical and geological data as well as satellite images were collected, processed, and constructed into a spatial database using GIS and image processing. Ten factors were selected for landslide hazard including: 1) factors related to topography as slope, aspect, and curvature; 2) factors related to geology as lithology and distance from lineament; 3) factors related to drainage as distance from drainage; and 4) factors extracted from TM satellite images as land cover and the vegetation index value. An advanced artificial neural network model has been used to analyze these factors in order to establish the landslide hazard map. The back-propagation training method has been used for the selection of the five different random training sites in order to calculate the factor’s weight and then the landslide hazard indices were computed for each of the five hazard maps. Finally, the landslide hazard maps (five cases) were prepared using GIS tools. Results of the landslides hazard maps have been verified using landslide test locations that were not used during the training phase of the neural network. Our findings of verification results show an accuracy of 69%, 75%, 70%, 83% and 86% for training sites 1, 2, 3, 4 and 5 respectively. GIS data was used to efficiently analyze the large volume of data, and the artificial neural network proved to be an effective tool for landslide hazard analysis. The verification results showed sufficient agreement between the presumptive hazard map and the existing data on landslide areas.     

顾及月表铁元素含量的次生撞击坑识别

在对月表地质单元定年时,由于月球岩石、土壤和岩心样品数量有限,能够利用这些样品做同位素定年的地质单元范围很小,因此更大范围的月球表面的绝对年龄需要采用撞击坑尺寸频率定年法(crater sizefrequency distribution, CSFD)测定。然而月球表面次生撞击坑的存在会导致CSFD得到的定年结果出现偏差,故在标注撞击坑时有必要对次生撞击坑予以剔除,以便对行星表面的地质单元做较为准确的定年。提出一种顾及月表铁元素含量的次生撞击坑识别方法。使用波段比值法获取月表铁元素含量信息,以次生撞击坑内铁元素含量更接近月壤铁元素含量为假设前提,以撞击坑内与月壤的铁元素含量差值为判据分离主撞击坑和次生撞击坑。以日本月亮女神多光谱成像仪影像为实验数据,验证所提方法的有效性和稳健性。实验结果表明,在依据铁元素含量剔除次生撞击坑后的定年结果与已知定年结果之差小于0.1 Ga,具有较好的一致性;与其他次生撞击坑剔除方法相比,依据月表铁元素信息剔除次生撞击坑的结果更可靠。