论文部分内容阅读
随着气候变化,强降水等极端天气频繁出现,暴雨洪涝灾害成为最常见、对人类社会危害最大的自然灾害之一。暴雨洪涝敏感性指区域气候、地形、地貌、植被、水文、土壤等环境在遭受暴雨时发生洪涝灾害可能性的大小,是区域的自然属性。本文以南昌市安义县为研究对象,进行暴雨洪涝敏感性影响因子分析及评估的研究。一方面根据安义县的自然环境特点,选取较为全面的影响因子,进而提出一种新的影响因子优化选取方法,能够丰富洪涝敏感性评估的技术方法;另一方面洪涝敏感性评估结果不仅可以为安义县防灾减灾措施的制定和土地利用规划提供科学的指导,而且可以为我国与安义县地理环境相似的县级洪涝敏感性评估提供参考。主要研究内容和结论如下:(1)利用成灾前后哨兵一号雷达影像提取南昌市安义县2016年6月30日至7月5日暴雨洪涝灾害的淹没范围,选取高程、降水、用地类型、距河流距离、收敛指数、地形耐用指数、坡度、平面曲率、地形湿度指数等15个影响因子,并利用频率比模型分析淹没范围和暴雨洪涝敏感性影响因子各个类别之间的相关性。淹没范围与影响因子相关性分析表明:降水是诱发暴雨洪涝的直接影响因子,洪涝发生的概率与距河流距离负相关,洪涝发生的概率与地形湿度指数、汇流动力指数正相关。(2)利用随机森林模型得到影响因子的重要性排序,从重要性最小的影响因子开始,逐步精简不重要的影响因子,设计神经网络模型对影响因子进行优化选取,并用接收者操作特征曲线下的面积(AUC值)衡量神经网络模型的性能。影响因子重要性排序结果表明:重要性最大的七个影响因子依次是高程、距河流距离、用地类型和坡度、降水、坡度坡长和地形耐用指数,这七个影响因子之和超过0.8;影响因子的优化选取结果表明:在精简收敛指数、坡向、剖面曲率、地形位置指数和汇流动力指数这五个最不重要的影响因子后,神经网络模型的AUC值从0.99228提高到0.99704。(3)基于优化选取的影响因子,利用神经网络模型对安义县进行洪涝敏感性评估,并通过实例验证洪涝敏感性评估结果的可靠性。洪涝敏感性评估表明:敏感性等级为中等及中等以上区域主要分布在潦河两岸,约占安义县总面积的1/3;实例验证表明:近70%的洪涝分布在敏感性中等及中等以上区域,洪涝敏感性评估结果与安义县实际情况相符。