论文部分内容阅读
滑坡地质灾害分布广泛,具有突发性和频发性等特点,严重威胁着人类生命和财产安的全,一直以来都是地质灾害研究的重点之一。滑坡危险性区划工作通过对区域内不同位置滑坡危险性的计算,为滑坡风险评估及灾害管理提供重要的数据和方法支持,在整个滑坡灾害相关研究及防灾减灾工程实践中占有十分重要的位置。本研究以现有基于栅格单元的危险性区划理论与方法为基础,提出了一套基于坡面单元的危险性区划方法。针对该方法中所遇到的新问题,研究中分别给出了相应的解决方案,并以深圳为实验样区对该方法的有效性进行了验证。
本研究首先根据坡面单元的定义及特点,构建了包含山脊、山谷、坡面以及平地这几大地貌类型的基本分类体系,并在多尺度面向对象影像分析(OBIA)框架下设计了一种综合考虑坡度坡向等地形因子并结合人工经验的坡面单元提取方法。样区实验表明,该方法能够有效的提取坡面单元,且结果的稳定性与合理性较之以往方法更好。
滑坡危险性区划工作是基于历史滑坡的特点和研究区的特征来计算滑坡危险性的空间分异,因此历史滑坡数据十分重要。本研究针对基于坡面单元危险性区划中,点状历史滑坡数据信息缺失的问题,提出一种结合面向对象影像分析(OBIA)和数字地形分析技术的面状历史滑坡数据提取方法。该方法主要由两个步骤构成:1)提取所有可能的新生滑坡位置,获得滑坡候选数据集;2)舍弃其中的非滑坡数据,仅保留实际滑坡。针对一段时间内可能出现的,点状与面状历史滑坡数据同时存在的问题,文中进一步提出一套面状与点状历史滑坡数据的整合规则。实验表明,从建模数据收集的角度讲,该方法能有效的获取历史滑坡信息,更新滑坡数据库。
在进行具体建模工作时,研究首先针对建模因子选择的问题,分别从“因子共线”以及“因子与滑坡现象低相关”这两个角度入手,通过共线性分析以及多模型综合因子打分法对候选因子集进行筛选,并最终确定16个因子参与最终危险性区划模型的建立。接下来针对模型训练样本选取的不确定性问题,尝试分别使用基于人工对立样的危险性区划方法、基于一类分类模型的危险性区划方法以及基于半监督分类模型的危险性区划方法对以往方法加以改进。
在深圳样区的实验结果表明,单纯就分类精度而言,基于栅格单元和随机对立样本的危险性区划模型(RBRSM)以及基于坡面单元和人工对立样本的危险性区划模型(SBPSM)的结果明显优于其它模型,这意味着在各自不同的分析尺度上,两者均有较为理想的表现。基于坡面单元随机对立样的危险性区划模型(SBRSM)与基于栅格单元随机对立样的危险性区划模型虽采用同样的方法,但建模单元的差异导致模型预报精度上较大的差别,这也充分说明在坡面单元的尺度上进行建模时,着重考虑非滑坡训练数据质量的必要性。因为现有训练样本或模型所存在的潜在问题,基于坡面单元的一类分类模型(SBOneM)和基于坡面单元的半监督分类模型(SBSSM)的实际预报效果均不理想,SBSSM甚至几乎完全没有实际应用价值。虽然RBRSM和SBPSM两者分类效果相近(SBPSM略优于前者),但从模型输出结果的空间分布以及模型稳定性综合来看,基于人工对立样以及坡面单元所建立的危险性区划模型输出的结果更加符合实际工作习惯,对整个研究区域的划分层次更加丰富,且模型更具稳定性。