基于GWR模型的江西省山洪灾害区域异同性研究

[目的]探索山洪灾害空间分布的规律,为江西省山洪灾害防治和各流域的监测和管理提供重要决策支持。[方法]根据山洪灾害的形成机理,从触发因子、孕灾环境、承灾体3个方面选取9个解释变量,将山洪灾害调查数据的5项内容作为反应变量,并作为评价山洪灾害度的指标,利用地理加权回归方法(GWR)构建模型,然后利用GIS技术探讨江西省3个不同区域山洪灾害空间分布的异同性。[结果]同一区域不同山洪灾害度指标的模型之间具有异同性,不同区域同一山洪灾害度指标的模型之间也具有异同性,不同灾害度指标的空间分布也表现出明显的异同性。[结论]在构建各项灾害度指标模型时,不仅要考虑到地域上的差异,也要考虑到不同灾害度指标之间的差异,GWR模型能有效地解释局部空间变化情况和重要解释变量的分异性。     

基于GIS和FloodArea水动力模型的重庆市山洪灾害风险区划

[目的]开展重庆市山洪灾害风险评估与区划,为该地区山洪防灾减灾提供相应参考。[方法]依据自然灾害风险评估理论,从致灾因子危险性、孕灾环境脆弱性、承灾体暴露性、防灾减灾能力4个方面选取指标,构建重庆市山洪灾害风险评估模型。结合相关气象、生态和社会经济数据,运用GIS空间数据分析完成重庆市山洪灾害风险区划。[结果]重庆市山洪灾害致灾因子危险性在合川和江津大部地区为高风险区,孕灾环境高脆弱区主要位于长江、嘉陵江沿江河谷地带,承灾体暴露性在重庆市主城区、南川、武隆、涪陵、城口为高暴露区,重庆东北部和东南部大部地区为低防灾减灾能力区。[结论]总体评估而言,重庆市山洪灾害风险的高风险区主要位于重庆东北部的巫溪、东南部的酉阳和彭水、西南部的江津和西北部的合川。     

海南岛山洪灾害风险区划研究

在海南岛暴雨风险普查资料收集的基础上,以海南岛140个小流域为单元,选择了地形因子、水系因子、暴雨指数、滑坡和泥石流密度、综合灾度6个因子作为山洪灾害的危险性指标,通过层次分析法计算海南岛山洪灾害危险性;选择人口密度比、耕地百分比、GDP百分比、基础设施百分比作为易损性指标;通过风险=危险性×易损性,在ArcGIS中完成了海南岛山洪灾害的风险区划图,并通过历史山洪数据对其进行检验,结果表明:海南岛山洪灾害的风险区划图中的高风险区和次高风险区平均覆盖了历史山洪灾害的72%的范围,能在一定程度上说明区划结果的合理性,该成果可在海南岛的山洪防灾减灾工作中发挥重要作用。     

西藏东南部山洪灾害过程水文动力模拟和临界雨量

[目的]研究西藏山洪致灾临界雨量确定方法,为西藏地区水文气象预警提供基础数据资料,以服务于高原山洪灾害防御工作。[方法]采用水文动力模式Floodarea模型对西藏东南部的一次山洪过程进行模拟研究,并利用气象资料逐时降水量进行了淹没高度计算,得到了山洪致灾临界雨量。通过实地考察获取西藏自治区林芝市巴宜区2015年8月一次山洪灾害的基本参数资料,与模型模拟研究结果进行对比分析和模型验证。[结果](1)Floodarea对暴雨诱发山洪过程的模拟结果较好,结合多源降水数据能更准确地模拟西藏山区山洪暴发的过程;(2)通过调整雨量情景设定可推算山洪不同淹没水深的临界雨量,得到较为准确的洪水淹没范围和降雨量—淹没深度关系;(3)应用降雨量—淹没深度关系计算得到巴宜区永久河山洪沟的4个淹没深度灾害山洪等级(0.1,0.6,1.2,1.8m)的6h累计临界雨量分别为33,55.7,75.4,91.9mm。[结论]研究结果表明Floodarea软件适用于西藏高原水文观测资料匮乏的复杂地形山区,能较准确地重现山洪灾害过程和确定山洪临界雨量,可为复杂地形山区山洪防治和预警提供参考。     

基于GIS和随机森林模型的泥石流敏感性分析——以吉林省洮南市北部山区为例

[目的]对区域性泥石流敏感性进行分析,为吉林省洮南市泥石流灾害预测研究提出一种高效快捷的分析模型。[方法]针对现行大多数概率统计模型预测率较低的不足,利用人工智能算法中效果明显的随机森林算法,以吉林省洮南市西北部山区为研究区域,选用高程、坡度、坡向、平面曲率、剖面曲率、河流、归一化差分植被指数、地形湿度指数、土地利用及岩性10个评价因子构建了频率比和随机森林泥石流敏感性评价模型进行对比验证。模型准确性的验证方法采用受试者特征曲线(ROC曲线)及累积频率曲线下面积(area under curve,AUC)。[结果]随机森林对研究区泥石流敏感性进行分析,并通过GIS将敏感性图分为5个敏感性区域,位于高敏感性区以上的灾害点占82.3%。验证模型成功率及预测率分别为88.4%与90.4%,相较于频率比的成功率及预测率(86.4%和75.1%)效果良好。[结论]在洮南市北部进行泥石流敏感性分析中,采用随机森林方法进行建模,并利用频率比方法进行对比,结果显示随机森林法结果可靠准确。     

四川省甘洛县2019年群发性山洪泥石流灾害的形成机理

[目的] 对四川省甘洛县2019年群发性山洪泥石流灾害成因机理进行分析,为山区山洪泥石流灾害防控减灾提供参考。[方法] 对2019年甘洛县山洪泥石流灾害开展现场调查,并结合相关影像和雨情数据等资料,对山洪泥石流灾害的影响因素以及形成机理进行分析。[结果] 2019年甘洛县山洪泥石流主要是由于短期强降雨所诱发的,加之区内有丰富的固体物源以及有利的地形地貌条件;山洪泥石流灾害是洪水与固体物质相互作用共同致灾的产物;山洪泥石流运动过程中受到地形以及一些工程设施的影响比较明显;同时山洪泥石流会挤压主河道甚至阻断河道,从而导致更大灾害。[结论] 基于甘洛县山洪泥石流灾害的形成机理与致灾特征,应该以加强灾区生态修复与水土保持为本,采取工程防治与生态防治相结合的治灾措施。     

用基于遗传算法的BP神经网络识别牛肉肌肉与脂肪

利用遗传算法的全局搜索能力,改进标准BP算法随机选取初始权重的不足,并构建了3-12-1的三层遗传BP神经网络,进行了3次牛肉肌肉与脂肪像素的分类试验,研究用BP网络对牛肉肌肉与脂肪两类像素点进行识别的可行性。以像素点的RGB值作为BP网络输入向量,每次训练集样本数62,测试集样本数43。测试的最终结果为：训练集的样本识别率分别为100%、100%、98.3871%;对应测试集的样本识别率分别为97.6744%、97.6744%、100%。试验结果表明,尽管基于遗传算法的BP神经网络对训练样本集以及测试样本集的肌肉和脂肪的识别率均在97%以上,但由于牛肉图像像素值在颜色空间中比较分散,有利于聚类的规律性不明显,因而是否可用BP网络来完成肌肉与脂肪的识别,还需要在网络拓扑结构、训练样本集等方面进一步研究。     

基于FloodArea模型的新疆尼勒克县暴雨山洪临界雨量的确定

[目的]对尼勒克县科蒙乡吉林台苏河流域2016年6月17日发生的特大山洪过程进行模拟并结合实地考察淹没水深对模拟结果进行验证,进而确定其山洪致灾临界雨量。[方法]以新疆尼勒克县典型山洪沟为研究对象,基于FloodArea淹没模型,利用流域内气象站降水资料、高程数据及相关基础地理信息数据,选取山洪预警点并分析预警点处不同累计时效的面雨量与模拟洪水过程线的相关关系。[结果]该流域洪水的淹没水深与对应累计9h面雨量相关性最高,确定了预警点处累计9h的4级风险等级对应的致灾临界值分别为12.80mm(4级),25.78mm(3级),45.24mm(2级),64.71mm(1级)。[结论]淹没模型FloodArea能够较为准确地模拟出研究区暴雨山洪个例淹没过程,根据其模拟结果能够反演出不同风险等级条件下该流域的山洪致灾临界面雨量。     

基于AHP和GIS的广西秋旱灾害风险等级评估

为增强对广西秋季干旱灾害的风险评估和应急管理能力,该文利用气象、基础地理信息和社会经济数据,从广西省秋旱灾害致灾因子的危险度、孕灾环境的脆弱度、干旱承灾体的易损度和抗灾能力等4个方面选取因子,构建秋旱灾害风险评估的指标体系,通过层次分析法确定因子权重,以此构建评估模型并计算广西秋旱灾害风险指数,再基于GIS绘制广西秋旱灾害风险等级分布图。结果表明,高风险区主要分布在桂中盆地和桂西部分山区;较低风险区主要分布在桂西北和桂北的山区,桂南沿海和桂东南部分地区。利用广西干旱灾情数据验证表明,广西秋旱灾害风险等级分布结果与干旱灾情损失空间分布情况基本一致。该研究为灾害风险管理和灾前防御提供决策依据。     

钟山县山洪地质灾害风险评估与预警

为研究山洪地质灾害的智能评估与预警,以亚热带典型地区中国广西壮族自治区钟山县为研究对象,以遥感影像和实地调查为数据源,在ENVI和ArcGIS平台上处理遥感影像、光谱数据和DEM数据,全方位获取研究区的地形坡度、植被覆盖指数、土壤松散系数、山谷山脊类别、降雨量等数据。量化数据作为输入因子,以山洪灾害风险等级为输出因子,建立钟山县山洪地质灾害风险等级评价的广义回归神经网络模型。模型经过历史数据训练后,具有较强的自学习功能,通过实例验算,模型计算出的风险等级与实际风险等级吻合较好,所建模型适用于钟山县全境的山洪地质灾害风险等级评价。通过无线传输技术输入GPS定位的经纬度到模型中,自动匹配该点的神经网络输入数据,再经模型运算输出灾害风险等级,在用户终端上输出警示信息,从而实现对山洪地质灾害的实时智能预警,在钟山县具有较好的应用效果。     

综合治理是小流域山洪灾害防治的有效途径

水土流失综合治理措施能减少小流域地表径流,减缓水流速度和降低水流对坡面的冲刷力,减少山洪中固体物质含量,从而能有效地减少山洪灾害发生的机率并在灾害发生时降低灾害程度。特别是治沟骨干工程,是,J、流域山洪灾害防治的最后一道防线,能从根本上拦截洪水泥沙,减少和杜绝山洪灾害发生。以泾川县田家沟为例,对易灾地区小流域山洪灾害防治有效途径进行了探讨。     

汶川特大地震灾后山洪灾害预估与应对措施

“5·12”汶川特大地震造成的灾区地表松动,使处于雨季的灾区面临山洪灾害的严峻挑战。通过对比历史上灾区和近邻地区已发生山洪灾害的历史状况,分析灾区山洪灾害的重点防范月份,绘制灾区山洪灾害高、次高、中、低易发区的分布位置,提出了不同风险区防范山洪灾害的应对措施,供汶川特大地震灾后山洪灾害预警参考。     

基于GIS的武陵山区洪水灾害风险评估

武陵山区是我国14个集中连片特困区之一,跨省交界面大、少数民族聚居多、贫困人口分布广,该区域内洪水灾害频发,使得"因灾致贫、因灾返贫"现象较为突出,对区域经济发展造成较大的阻力。本文基于灾害系统学原理,构建了适合区域成灾特点的风险评估指标体系,采用风险评估模型,对武陵山区洪水灾害风险进行评估。研究结果表明：尽管区域洪灾易发,但承灾体脆弱性较低,致使武陵山区洪水灾害风险等级全区总体水平较低,高风险区呈东北-西南向条带状分布,从东南向西北,依次有：东南部的涟源市、冷水江市、新化县、隆回县、邵阳县、洞口县、武冈市高风险区;中部的石门-慈利-沅陵-芦溪-辰溪-溆浦-麻阳-芷江一线高风险区,西北部的丰都-石柱西北部高风险区。     

基于SMOTE和多粒度级联森林的泥石流易发性评价

准确的泥石流易发性评价结果对山区泥石流灾害防治具有重要意义。该研究将合成少数类过采样技术（Synthetic Minority Oversampling Technique,SMOTE）和多粒度级联森林（multi-Grained Cascade Forest,gcForest）运用于泥石流易发性评价,以提高泥石流易发性评价精度。以泥石流多发地东川区为例,在解译泥石流点的基础上,以流域单元为评价单元,基于地质、地形和降水等多源数据,初步选取了15个泥石流孕灾因子,并对初选因子进行贡献率分析和多重共线性检验,筛选出共13个因子构建孕灾因子体系;然后采用SMOTE技术对泥石流与非泥石流样本比例不平衡问题进行处理,构建训练数据集;最后构建gcForest模型对研究区泥石流易发性进行定量分析,计算出各个流域单元的泥石流易发性指数,使用自然断点法将其划分为极低易发区、低易发区、中易发区、高易发区和极高易发区5个等级,并与BP神经网络（Back Propagation neural network,BPNN）和随机森林（Random Forest,RF）模型的预测性能进行对比。结果表明,泥石流极低和低易发区主要集中于研究区东部和西部,极高和高易发区主要集中分布于研究区小江河谷两岸和金沙江南岸,该地区地质环境脆弱,危险性较高;结合流域单元建立的山区泥石流易发性评价模型具有很好的准确性和稳定性,其中多粒度级联森林（gcForest）的受试者工作特征曲线（Receiver-Operating Characteristic,ROC）下面积AUC（Area Under Curve）值和准确度（Accuracy,ACC）分别达到91.76%和81.25%,均高于BP神经网络和RF模型的AUC值和ACC值,表明该模型是一种高性能的泥石流易发性评价方法。利用该方法能更精准地对泥石流进行易发性评价,可为山区泥石流防灾减灾提供科学依据。     

拖拉机液压机械无级变速箱换段过程液压故障诊断

为了提高拖拉机液压机械无级变速箱换段品质的稳定性和换段系统的工作可靠性,提出一种针对其离合器液压系统的故障诊断方法。该文基于南京农业大学自主研发的液压机械无级变速箱,通过试验获得正常及4种典型故障模式下换段过程的60组压力、流量数据。基于Fisher准则与核方法,对处理后的样本进行学习,并基于粗糙集理论与特征向量法,分别对样本的属性集及训练样本集进行精简。通过随机选取训练样本集与测试样本集并进行多次分类取平均的方法对算法的鲁棒性进行了测试。结果表明,针对全部60组试验样本,所使用算法可实现正常及4种故障模式的正确分类,且在随机样本测试中,正常及4种典型故障模式下的算法平均识别率分别为99.67%、100%、99%、98%、99%,具有较高的鲁棒性。该研究对提高液压机械无级变速箱的自动化水平及推动其在国产拖拉机中的应用提供了参考。     

暴雨灾害对福建水稻产量影响的灾损评估方法

利用福建省历年暴雨和水稻产量资料,确定水稻产量灾损量的表征方法,分析暴雨对水稻单产影响的关键时段和致灾因子,在致灾因子中首次提出效力暴雨量的概念,充分考虑暴雨强度和水稻不同生长发育期抗灾力的不同影响,建立暴雨对早稻和中晚稻单产影响的灾损评估模型,从而形成暴雨灾害对福建水稻产量影响的一套完整灾损评估方法。利用评估模型对2007年福建暴雨发生区域的水稻单产进行灾损预估及检验。结果表明:早稻单产灾损率的预估误差的绝对值在0.08~5.15个百分点,平均误差为2.15个百分点;中晚稻单产灾损率的预估误差的绝对值在0.02~3.77个百分点,平均误差为1.9个百分点,预估精度较高,灾损评估方法可行。     

基于机器学习的沟谷地貌识别模型对比——以黄土高原典型流域为例

探索沟谷地貌空间分布与环境控制特征之间的联系并构建沟谷地貌准确提取模型,对大尺度范围沟谷提取具有重要意义。基于人工提取黄土高原典型流域沟谷地貌样本,结合不同时期的Landsat8 OLI影像数据和DEM数据,建立随机森林模型确定黄土高原沟谷地貌提取最佳影像时期和最佳组合特征,基于最优模型参数,对比其与支持向量机和人工神经网络沟谷提取模型效果,验证模型泛化能力。结果表明:(1)黄土高原沟谷提取的最佳影像时期为12月,最佳组合特征集为Red、Blue、H、SWIR1、PNT、Coastal、GLCM4和NIR;(2)3种方法提取测试区域的沟谷空间分布一致,从定性和定量角度进行比较,随机森林模型提取效果最好,验证样区平均总体精度为80.48％,相较于支持向量机模型和人工神经网络模型分别提高4.00和8.63个百分比;(3)测试区域中,沟谷地貌面积约占总面积的56.91％,且呈现西北至东南方向逐渐集中的特点。研究表明随机森林模型在黄土高原地区高精度沟谷地貌识别研究中综合表现最佳,可大范围推广。     

基于IOE和SVM模型的府谷镇滑坡易发性分区

将陕西省府谷县府谷镇作为研究区,通过野外实地调查,圈定了47个滑坡点,制作了研究区滑坡编录图。以GIS软件和统计分析模型为基础,开展研究区滑坡易发性分区研究。首先通过GIS软件将滑坡点随机分成训练样本（70%）和测试样本（30%）两组。然后选择坡度、坡向、高程、距断层的距离、距道路的距离、距河流的距离、岩性、土地利用、NDVI、降雨量作为影响因子,提取因子图层。分别应用熵权模型（IOE）和支持向量机模型（SVM）计算滑坡易发性指数,利用自然间断点法将研究区划分为低易发区、中易发区、高易发区和极高易发区。最后利用ROC敏感度曲线下的面积（AUC）分别检验两种模型所得到的分区结果,结果表明,成功率曲线和预测度曲线的AUC值均在0.70～0.90,表明两种模型所得到的分区结果具有较高的精度,都可以为研究区的滑坡防治提供参考。在训练样本和测试样本中SVM模型的AUC值均最高,说明SVM模型比IOE模型适合在研究区开展滑坡预测研究。     

基于多情景的巫山县山洪灾害危险评价

以重庆市巫山县为研究区,构建了静态动态山洪灾害危险评价指标,按照48h降雨量为50,100,150,200,250mm这5种情景,模拟获取了研究区地表汇流累积量;采用空间叠加法计算了各网格单元山洪灾害危险指数值并将山洪灾害危险划分为高、中、低危险和基本安全4个等级。研究结果表明:巫山县山洪灾害以低危险和中危险等级为主,但中、高危险面积相对较大,达总面积的39%;在48h降雨量由50mm增加到250mm的过程中,基本安全面积基本不变,低危险面积稍有降低,中危险面积减少10.425 1km~2,而高危险区面积则显著增加13.727 5km~2;从各乡镇来看,中、高危险面积所占比例超过40%的达10个乡镇,且危险指数相对较高的乡镇主要集中在研究区的南部和西部;从各行政村来看,评价结果与历史灾害分布情况吻合相对较好,同时危险指数值大于1.7的村占总数的54.11%。研究结果从不同尺度、多情景体现了巫山县山洪灾害的危险分布,可为研究区山洪灾害防治提供科学依据,具有一定借鉴和指导意义。     

多分类支持向量机在泥石流危险性区划中的应用

以凉山州安宁河流域129个乡镇的泥石流危险性区划资料为依据,随机选取总样本数的2/3和1/2作为训练样本,建立不同数量训练样本下安宁河流域泥石流危险性区划的多分类SVM模型,进行以乡镇为单元的区域泥石流危险性评价研究。评价结果表明,SVM模型的预测精度随着训练样本数量的增加而提高;2个SVM模型对测试样本的预测准确率均高于相应的BP神经网络模型,对训练样本的回判准确率高于或接近于BP神经网络模型。因此,支持向量机方法是一种比神经网络方法具有更优精度和更强泛化性能的新机器学习方法,在泥石流危险性评价实践中具有十分广阔的应用前景和推广应用价值。