福建省南平5一17滑坡泥石流及防治对策

通过对福建省南平市延平区2002年5—17滑坡泥石流灾害的详细调查,综合分析了该滑坡泥石流形成的因素,阐述了灾害形成的原因。这次滑坡泥石流灾害是多因素综合作用的结果,但各因素所发挥作用的大小不一。主要因素是存在有利于滑坡形成的地质地貌条件,有长时间的暴雨激发,又有不合理的人为活动。针对灾害形成的原因提出了防治对策,以便对以后潜在的灾害进行调查与防治。     

滑坡灾害复杂性特征研究

从系统论的角度出发,将滑坡灾害作为一个复杂的巨系统来进行研究,详细分析了滑坡灾害在存在意义和演化意义两个方面的复杂性特征。同时,从协同理论、分形分维、突变理论、人工神经网络与免疫系统以及空间信息技术综合集成等方面探讨了多学科在滑坡灾害复杂性方面的研究。滑坡灾害的复杂性研究可以在一定程度上促进人类对滑坡灾害整体行为和发展演化过程的研究与探索,同时也可以为滑坡灾害的防治评价和预测预报提供科学依据和辅助决策支持,在滑坡灾害及其相关地质灾害的防治中具有积极的作用,在滑坡灾害的防灾减灾中有着广泛的应用前景。     

陕南山区滑坡灾害的预测预报

受人类社会经济活动的影响,陕南水土流失加剧、滑坡灾害频繁,经济损失严重。特殊的地形、地质、降水条件和不合理的人类活动,是导致滑坡发生频繁的根本原因。将陕南山区未来10年滑坡灾害预测区划分为弱灾区、少灾区、多灾区、重灾区4类,并介绍了滑坡预测预报的内容和方法。     

孙水河流域降水量对泥石流灾害的影响

针对金沙江干流的一个面积为1617.5km^2的二级支流－孙水河流域的资料,全面分析了该流域降水量的基本特征,研究了流域降水量的变化规律,并结合流域的泥石流,滑坡等山地灾害的调查统计资料与实例,讨论了降水量特征与山地灾害发生,预测,预报的关系。     

四川省降雨诱发滑坡灾害的气象预警模型

[目的]分析四川省2008—2014年的滑坡灾害与前期降雨量间的关系,构建降雨诱发滑坡灾害气象预警模型,优化模型的权重参数,为四川省滑坡灾害预警工作提供有效参考。[方法]基于降雨信息资料,对四川省滑坡灾害的前期雨量进行统计分析,并采用逻辑回归分析分别计算和优化灾害的前期综合日降雨量间的权重关系和气象预警模型中地质环境背景值与降雨诱发灾害概率值的权重系数。[结果]滑坡灾害的当日降雨量、前一日降雨量和前两日降雨量对灾害的影响权重分别为0.587,0.220,0.189,气象预警模型的地质背景概率和综合雨量概率的权重参数分别为0.394,0.606。根据以上研究构建灾害气象预警模型,利用已有灾害点对其进行验证,证得模型的整体准确率为78.36%,进而通过2013年7月10日的群发滑坡灾害个例对模型进行检验,检验结果良好。[结论]该模型预警效果良好,精确度较高,能为相关部门提供的防灾减灾参考。     

加强对山洪、泥石流、滑坡等山地灾害的预防

<正> 四川人口众多,地域辽阔,江河纵横,地形、地质、水文气象等自然条件极为复杂。全省分东、西两大部分,海拔西部最高为7556米,东部最低为80米,盆周与盆底高差也很大。在高低悬殊的大斜坡上,西部地质构造复杂,地震频繁,岩层破碎,为泥石流灾害易发区;东部为红色盆地,为滑坡灾害易发区。在这一自然环境下,加上暴雨频繁和人为活动等因素,全省山洪、泥石流、滑坡等山地灾害异常活跃。这些灾害具有来势猛、成灾快、数量多、伤亡大的特点,而且表现出越来越严重的趋势,危害十分严重。全省21个地、市、州的多数县发生有山地灾害,     

金沙江下游沿江七县滑坡灾害及其防治对策

本文通过对金沙江下游左岸沿江七县的实地考察,分析了该地区滑坡分布特征、滑坡灾情。指出该区由于受自然因素和人为因素的影响,目前滑坡灾害又处于一个新的活跃期。为此,作者在分析灾情的基础上,提出了区域综合防治的对策。     

镇江市滑坡灾害类型及其发育过程研究

由于受特定的环境地质条件的影响,工市滑坡地质灾害频繁发生,使镇江市遭受了巨大的经济损失。从镇江市的自然环境条件出发,分析了滑坡灾害的类型,并对各滑坡类型的特征进行了总结,在以岗地斜骨 重点的基础上研究了各类型滑坡的发育过程。     

土壤雨量指数和潜在滑坡面积指数与降雨特性的关系

在世界各国广泛的研究由暴雨引发的土沙灾害,应用土壤雨量指数制定预防土沙灾害对策,设定雨量警戒、避难的基准。但靠降雨资料获得的数据对土壤斜面滑坡构成的因素差异很大,不能反映各测试区域不同地形、土壤结构的实际情况。2011年日本宇都宫大学执印康裕等人围绕引起土壤滑坡发生的地形因子,应用程序模型对一定空间范围内适宜降雨特性的评价方法进行研究。通过模型中输出的数据对土壤潜在滑坡面积指数进行定义,并与土壤雨量指数进行比较。该研究明确了2个指数都能检测出致滑坡发生和非致滑坡发生的暴雨的差别;并能检测出滑坡发生和非发生的暴雨的不同。     

北方设施农业气象灾害监测预警智能服务系统设计与实现

该文针对设施农业种养殖企业用户的设施农业气象灾害直通式服务需求,运用云计算、物联网、移动互联网等信息化技术,基于JavaEE技术框架、SOA(service oriented architecture)云服务技术,通过多重因素关联规则学习方法,构建基于互联网气象数据、设施农业小气候环境数据及作物生育期等多重因素的设施农业气象灾害预警和生产管理专家知识规则,依托气象部门一体化智能网格气象预报预警平台和未来3~7 d的精细化气象要素预报,开发基于互联网数据挖掘和专家知识决策技术的设施农业气象灾害监测预警及智能决策推送服务系统,对寒潮、大风、低温寡照、暴雪等北方主要设施农业气象灾害进行早期预警提醒,系统于2017年秋冬季在天津津南区部分农业园区推广应用,基于移动互联网通过智能手机APP对5次强冷空气过程提前3~5 d自动研判并实时推送设施农业生产管理决策和防灾减灾提醒建议,便于生产管理者及时关注天气变化和提前采取生产管理措施,避免重大灾害损失,探索应用互联网、云技术、大数据挖掘等信息手段开展气象灾害早期预警,为研究满足设施农业互动式、个性化、智能化和专业化气象信息服务和推动农业现代化和现代农业发展提供借鉴。     

遵义市不同地质灾害易发区滑坡临界雨量研究

[目的]确定遵义市不同地质灾害易发区的滑坡临界雨量,建立阈值模型并对其进行检验评估,为该地区滑坡预测提供科学依据。[方法]利用遵义市2010—2016年59次滑坡事件对应的逐小时降雨资料,采用统计方法对不同地质灾害易发区的滑坡临界雨量的历时、降雨类型对比分析,建立阈值模型并对其进行检验评估。[结果]中锋型是主要的降雨类型;大于10和20mm/h强降雨基本来自滑坡发生当天,但中易区降雨历时均长于高易区的降雨历时。对于高易区来说,滑坡当日1h最大雨量与前期3d的有效雨量组合的阈值模型预报准确率最大,因此将滑坡当天1h最大雨量作为高易区滑坡发生的激发雨量。而对于中易区来说,滑坡当天3h最大雨量是其滑坡发生的激发雨量。[结论]不同等级地质灾害易发区其滑坡临界雨量不同。对已经确定的滑坡阈值模型需根据新增滑坡信息进行检验评估,如果预测模型对新增滑坡预测不准确,需调整其滑坡判别线,从而对阈值模型进行订正。     

基于矩阵奇异值分解约束型无迹粒子滤波的滑坡位移预测模型研究

[目的]通过对滑坡位移预测模型进行研究,为政府部门实施更加可靠的灾害防治决策提供科学依据。[方法]提出了一种矩阵奇异值分解(SVD)约束型无迹粒子滤波(IUPF)方法,建立基于位移参数的滑坡位移预报模型。[结果]利用改进的SVD方法有效提升了无迹粒子滤波方法中Sigma点计算的鲁棒性,从而提升了算法的预测精度,对滑坡的稳定趋势能够做出更准确的预报。将该算法在镇江市跑马山滑坡体监测工程、京港澳高速公路雨花互通南侧护坡体滑坡监测工程相关数据进行了应用和分析验证。[结论]实例验证结果表明,加入SVD约束后的无迹粒子滤波算法,能够使得滑坡位移预测更加准确,预测的数据更加准确地反映了滑坡的变形趋势。     

河北省夏蝗大发生的气象预报

分析影响夏蝗大发生的关键气象因子,预报夏蝗的发生程度,对夏蝗防治决策起着十分重要的作用.利用秩相关系数法,筛选出影响河北省洼淀和沿海两个类型区夏蝗大发生的关键气象因子.根据贝叶斯判别准则,确定了两类蝗区夏蝗大发生关键气象因子的最佳临界距平值;利用灾变规律的关键时预报方法,对两个蝗区因子数确定的关键年进行敏感性分析,确定了两个类型蝗区最佳的预报因子数.在此基础上,对河北省不同生态类型区夏蝗大发生进行模拟和预报,结果拟合率达到99%以上,2004和2005年延伸预报结果与实际一致.     

降雨触发山区公路边坡失稳的气象判据研究

应用突变理论,针对山区公路边坡的地质特征,以其力学模型为基础,综合考虑作用于后缘张裂隙的水力效应,构建边坡系统的尖点突变模型,推导出边坡极限状态下后缘张裂隙临界充水高度,并据此得到临界降雨强度的计算公式,建立了边坡突变失稳的气象判据.同时以陕南秦岭山区G316国道某滑坡为例,进行算例分析.分析结果表明,模型计算结果与实际情况较为一致,从而为山区公路滑坡预警预报的研究提供一个新的思路.     

长时间序列气象数据结合随机森林法早期预测冬小麦产量

冬小麦生育早期的产量预测对于制定冬小麦整个生长期的精准管理决策具有重要参考意义。该文基于随机森林算法,采用1990—2015年河南省小麦平均拔节期至平均抽穗期地面观测气象数据与统计产量数据,分别提取不同穗分化期的温湿度、降水等47个气象要素和小麦种植区经纬度、高程3个空间要素,共计50个参数作为特征变量集,以实际单产、气象产量和相对气象产量分别作为目标变量,构建多种变量组合模型对冬小麦产量进行回归预测,并结合袋外数据重要性结果对产量影响因子进行分析。研究结果表明:1)使用气象产量和相对气象产量作为目标变量建模的预测效果优于单产模型,决定系数R~2均达到0.8以上,气象产量的平均绝对误差(mean absolute error,MAE)和均方根误差(root mean square error,RMSE)分别为415和558 kg/hm~2,相对气象产量的MAE和RMSE分别为0.07和0.09;2)相较于气象特征,空间特征在产量预测中起决定性作用,且小花分化期以及抽穗开花期的气象特征产量预测精度高于其他穗分化期;3)在气象特征中,利用袋外数据变量重要性得出平均温度、最低温度、负积温、最高温度在不同生育阶段对产量的影响程度。该研究结果为冬小麦生育早期产量预测提供了新的思路和方法。     

基于斜坡单元的怒江州滑坡易发性研究

开展滑坡易发性分析是制定合理的地质灾害防治规划的基础，对防灾减灾工作具有重要意义。以怒江州为研究区，斜坡单元为评价单元，选取高程、坡度、坡向、NDVI、距河流距离、降雨量、岩性、距断层距离和距道路距离9个因素为评价因子，采用信息量(I)模型、确定性系数(CF)模型以及I-LR、CF-LR耦合模型进行滑坡易发性评价，并对4种模型进行精度验证。结果表明：(1)CF-LR模型中滑坡点落入高、极高易发区占比最大，为88.77%,且滑坡点密度(0.309 2)最大，高于I模型(0.285 4)与CF模型(0.277 6)单一模型；(2)极高、高易发区主要发育于怒江、独龙江、澜沧江和通甸河4条河流一带；中易发区主要分布于研究区东部；低和极低易发区主要分布在研究区的北部、中部以及西部边缘地区；(3)根据基于Sridevi Jadi经验概率法和ROC曲线的结果均表明，CF-LR模型预测精度高于其他3个模型。     

基于信息分解条件的滑坡变形预测

[目的] 有效掌握滑坡变形规律,实现对滑坡变形的高精度预测。[方法] 基于滑坡现场变形监测成果,先利用优化经验模态实现其变形数据的信息分解,再利用优化径向基神经网络和马尔科夫链完成滑坡变形的分项组合预测;最后,利用季节性Kendall检验判断滑坡变形趋势,以验证预测结果的可靠性。[结果] 经验模态能有效分解滑坡变形信息,且通过优化处理,能进一步提高分解效果,并以互补式集合经验模态的分解效果最优;同时,预测结果的平均相对误差均小于2%,具有较高的预测精度,验证了预测模型的有效性,且变形趋势判断结果与预测结果较为一致,说明预测过程较为可靠,两者均得出滑坡变形呈持续增加趋势。[结论] 由于滑坡变形具增加趋势,其稳定性趋于不利方向发展,应尽快开展滑坡灾害防治。     

基于MaxEnt模型的滑坡易发性评价--以攀枝花市为例

为了客观评价滑坡影响因子的贡献度和构建滑坡预测模型,以滑坡灾害发生较多的攀枝花市为研究区,通过筛选后选取高程、坡度、坡向、土地利用类型、归一化植被指数(NDVI)和人口密度6项因子作为滑坡易发性的评价指标;基于最大熵(maxEnt)模型和ArcGIS空间分析模块对研究区滑坡易发性进行了定量预测和分析研究。结果表明:maxEnt模型在研究区滑坡易发性研究方面的适用性等级为优秀(AUC=0.96),Kappa系数为0.86;随机选取75%的数据集用于训练模型,其余25%用于验证模型,得到的AUC值最稳定且精度最高,模型预测可信度最高;研究区高易发生和极易发生区分别占总面积的2.57%,0.80%,主要分布在人口比较密集的东部和西部地区,部分沿着金沙江、雅砻江、巴关河、安宁河和主要道路两侧发育;植被覆盖度和坡度是决定研究区滑坡易发性空间分布格局最重要的环境影响因子。     

基于GBDT-LR和信息量模型耦合的滑坡易发性评价

[目的]探索准确、快速的滑坡易发性区划方法,为区域安全监测提供参考,为政府治理滑坡灾害提供科学依据。[方法]以安徽省池州市贵池区为研究区域,采用梯度提升决策树—逻辑回归(GBDT-LR)和信息量(I)模型耦合的方法,实现区域滑坡易发性评价。该方法通过对原样本地学习,组合产生新的模拟样本,从而增强易发性评价模型对滑坡的拟合能力;采用Borderline-Smote算法解决样本数据不对称的问题。选用r.slopeunits软件划分的斜坡单元作为最小评价单元,选取坡度、坡向、地形曲率、剖面曲率、平面曲率、地形湿度指数(TWI)、地形起伏度、归一化植被指数(NDVI)、距断裂距离和距水系距离总计10个评价因子。分别从频率比、滑坡灾害点及隐患点密度、ROC曲线3个方面对构建的滑坡易发性模型进行评价。[结果]试验结果表明：耦合模型I-GBDT-LR分别比I,LR,I-LR模型的高易发区频率比所占比例提升约10%,13%,7%,高易发区滑坡灾害点及隐患点密度分别提升约9,11,7,ROC精度提升约10%,9%,5%。[结论]从检验指标综合来看,耦合模型的精度均高于单一模型,所提出耦合模型精度又高于I...