CN110297876A - 一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法 - Google Patents
一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法 Download PDFInfo
- Publication number
- CN110297876A CN110297876A CN201910522864.2A CN201910522864A CN110297876A CN 110297876 A CN110297876 A CN 110297876A CN 201910522864 A CN201910522864 A CN 201910522864A CN 110297876 A CN110297876 A CN 110297876A
- Authority
- CN
- China
- Prior art keywords
- collapse
- karst
- factor
- area
- distribution
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000011160 research Methods 0.000 claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 22
- 238000007477 logistic regression Methods 0.000 claims abstract description 19
- 230000008859 change Effects 0.000 claims abstract description 9
- 230000000877 morphologic effect Effects 0.000 claims abstract description 6
- 239000002689 soil Substances 0.000 claims description 25
- 238000011161 development Methods 0.000 claims description 17
- 230000015572 biosynthetic process Effects 0.000 claims description 12
- 239000003673 groundwater Substances 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 10
- 230000000694 effects Effects 0.000 claims description 9
- 238000003325 tomography Methods 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 8
- 238000013316 zoning Methods 0.000 claims description 6
- 238000007476 Maximum Likelihood Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000002347 injection Methods 0.000 claims description 3
- 239000007924 injection Substances 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000012732 spatial analysis Methods 0.000 claims description 3
- 238000013523 data management Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 claims description 2
- 238000005194 fractionation Methods 0.000 claims description 2
- 230000006698 induction Effects 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000008635 plant growth Effects 0.000 claims description 2
- 238000011002 quantification Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 239000011248 coating agent Substances 0.000 claims 1
- 238000000576 coating method Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 claims 1
- 238000013210 evaluation model Methods 0.000 claims 1
- 239000004744 fabric Substances 0.000 claims 1
- 238000004088 simulation Methods 0.000 claims 1
- 239000002352 surface water Substances 0.000 claims 1
- 238000005192 partition Methods 0.000 abstract description 2
- 230000007613 environmental effect Effects 0.000 abstract 1
- 239000004927 clay Substances 0.000 description 6
- 239000011435 rock Substances 0.000 description 5
- 235000019738 Limestone Nutrition 0.000 description 4
- 239000006028 limestone Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 238000012876 topography Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 206010000496 acne Diseases 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 239000003245 coal Substances 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000010459 dolomite Substances 0.000 description 1
- 229910000514 dolomite Inorganic materials 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013312 flour Nutrition 0.000 description 1
- 238000013467 fragmentation Methods 0.000 description 1
- 238000006062 fragmentation reaction Methods 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036407 pain Effects 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000004162 soil erosion Methods 0.000 description 1
- 238000013097 stability assessment Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Abstract
本发明是一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,包括在建立研究区多元空间数据库的基础上,确定研究区岩溶塌陷形成的影响因素、塌陷区塌陷坑的形态特征、塌陷坑和地质结构空间分布特征、塌陷坑和与之伴随而生的地裂缝的空间分布特征、塌陷坑的形变随降雨变化的时间分布特征以及研究区地质环境等自然因素对岩溶塌陷形成的影响,选取岩溶塌陷的评价因子,然后采用二分类变量非线性Logistic回归模型作为脆弱性评价模型,划分研究区岩溶塌陷地质灾害脆弱性等级,分析各等级区域的地质环境特征,为塌陷区的防治工作提供了科学借鉴。
Description
技术领域
本发明涉及地质信息处理技术领域,更具体地,涉及一种利用多元空间数据计算岩溶塌陷地质灾害脆弱性评估的方法。
背景技术
目前,岩溶塌陷是我国最为频发的地质灾害之一,由塌陷导致的社会发展、工程建设等人类活动严重受阻。经济的建设和发展使得人类工程建设活动增强,开发力度愈加强烈,塌陷灾害也愈加频繁和活跃,城市的发展加快了人类对地下空间开发的进程,煤矿采空区、地下水超采区、地下工程建设区成为了人类活动导致塌陷的主要分布区,塌陷导致地面工程设施如交通、水系等破坏,由地面上的破坏带来诸如水土流失引发的地下环境破坏,恶化人类的生存环境。
从国内外对岩溶塌陷的研究情况来看,岩溶塌陷信息管理和风险性评价是目前研究塌陷领域的主要趋势。多年来我国在岩溶塌陷的致塌机理和模拟研究方面投入大量精力,做了大量工作,积累丰富的经验理论,也收集大量数据资料。为了加大数据的有效利用和提高共享性,方便相关人员快速对岩溶塌陷区进行深入研究和稳定性评估,本发明以已建立的数据库为平台,从空间分布角度分析各影响因子对岩溶塌陷形成的促进作用,利用科学的评估模型评价岩溶塌陷脆弱性,建立区域岩溶塌陷灾害防治体系,为研究区后续的工程建设提供建设性的指导意见显得十分重要。
发明内容
因此,本发明提供一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,对研究区塌陷坑的时空分布特征分析、岩溶塌陷脆弱性评价等工作的开展,为塌陷区的防治工作提供了科学借鉴,具有一定的工程实际意义。
本申请实施提供一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,包括确定研究区岩溶塌陷形成的影响因素、塌陷区塌陷坑的形态特征、塌陷坑和地质结构、塌陷坑和与之伴随而生的地裂缝的空间分布特征、塌陷坑的形变随降雨变化的时间分布特征,以及研究区地质环境背景等自然因素对岩溶塌陷形成的影响。使用二分类变量非线性Logistic回归模型作为脆弱性评价模型,将选取的各因子分类分级和指标量化后进行Logistic回归方法运算,最后划分研究区岩溶塌陷地质灾害脆弱性等级。该方法在建立岩溶塌陷地质灾害多元空间数据库的基础之上,运用ArcGIS空间数据管理功能和空间分析功能进行岩溶塌陷区脆弱性评估,提高数据处理效率和评估精度;
根据塌陷坑与断层构造的位置关系、塌陷分布特征可将岩溶塌陷分为岩溶主管道型塌陷、岩溶主管道边缘型塌陷及裂隙土洞型塌陷三类。岩溶主管道型塌陷主要分布于大规模岩溶塌陷发生区域,塌陷多沿地下河强岩溶带发育。岩溶主管道型塌陷最初发生时,部分塌陷底部可见到有空洞,塌陷土体沿空洞流失使得塌陷不断扩大,由于下塌的土体堵塞下部岩溶管道,最终底部空洞被填满形成底部较窄小、上部宽大的“漏斗”形岩溶塌陷坑。岩溶主管道边缘型分布于大规模岩溶沉陷、地裂缝发生区,为强迳流带地质灾害诱发的次生岩溶塌陷,塌陷点直径较小,其特征表现为规模较大的沉陷、拉张裂缝等,沿主塌坑呈带状集中分布,分布具有一定的方向性,呈串珠状发育,而地裂缝多以主塌坑为中,呈同心圆弧状展布。裂隙土洞型塌陷型分布于小规模圆形土洞型塌陷区,该区岩溶塌陷点的规模及数量较小,呈零星状分布,平面分布无规律性,均呈单个塌坑出现,两塌陷点之间距离较大。
通过实际调查、监测并结合空间数据分析,采用工程地质类比法综合分析确定地面塌陷稳定性情况、塌陷坑空间分布的形态特征、塌陷坑随降雨变化的时间分布特征,通过研究塌陷坑空间分布和时间分布的关系,找出影响塌陷坑形成和变化的因子。其中稳定型塌陷坑呈稳定呈漏斗状,坑底未下沉且较平滑,塌陷坑附近环形裂缝已自行填塞,植物生长茂密且无地表水流汇集注入现象;不稳定型塌陷坑呈现出坑底有沉陷、错移、伴有裂缝迹象,塌陷坑附近环形裂缝持续发展,植物稀疏不发育或发育不均衡且有地表水流汇集迅速注入迹象。塌陷坑空间分布的形态特征有塌陷坑沿断层展布方向呈条带状分布、塌陷坑的严重程度控制地裂缝的空间分布等。塌陷坑随降雨变化的时间分布特征分析分为降雨量大小诱发塌陷发生、降雨量大小影响地裂缝形变量和地裂缝的形变影响塌陷的扩大及续发。
根据岩溶塌陷发生受控于很多因素,如地形、地层岩性、地质构造、覆盖层厚度、土壤渗透率等的特征,从研究区情况综合分析塌陷致塌机理,选择地层岩性、土层结构条件、坡形、地下水位埋深、地下水位变幅、土壤渗透率、岩溶发育程度、距断层距离、距交通干线距离、覆盖层厚度10个参数作为控制岩溶塌陷发生的具体参数。
在确定各因子后经以下3个步骤确定指标值:
步骤1:将一级影响因子再次进行二级分类,
步骤2:计算二级分类后的塌陷灾害点的栅格数量值,
步骤3:塌陷灾害点的栅格数量值与二级分类因子的面积比值即为指标值。指标值反映各二级因子的区域内塌陷灾害点的分布密度情况和因子对塌陷影响的强度,具体的指标计算方法如下:
其中i=1,2,…,n,代表各一级因子的顺序号;j=1,2,…,m,代表各二级因子的顺序号,Nij代表各二级因子区域内的塌陷灾害点的栅格数,Sij代表各二级因子的分布面积,Xij为所求的各二级因子的指标值;
根据已有的多元空间数据与现有塌陷空间分布的因子关系,评估未来塌陷的空间位置。设Pi为岩溶塌陷地质灾害发生概率,Q表示未发生概率,其值为1-Pi,X1,X2,…,Xn表示对结果影响的n个因素,用Logistic回归公式表示发生和未发生结果的概率分别为:
上式中:β0是一个常数,代表不受任何影响的情况下,效应指标发生与未发生的概率之比的对数值;β1,…,βn为逻辑回归系数,代表某一自变量因子指标改变一个单位时,效应指标发生与未发生的概率之比的对数值。确定β1,…,βn数值后根据各个二级因子的指标值Xij,依据两个公式分别得到某一评价单元内灾害发生与否的概率值Pi。
进一步地,利用logistic回归模型评价研究区塌陷脆弱性的概率,具体流程如下:
②合理地选择影响研究区塌陷的致灾因子;
②将影响因子细分为二级分类因子和附上对应指标值;
③将所有图层栅格化并且生成统一栅格大小;
④任意选取合适数量的样本数据,通过SPSS软件的回归分析,得到逻辑回归系数β1,…,βn以及常数β0,建立回归模型;
⑤利用回归模型绘制研究区塌陷脆弱性概率图。
选取样本数据后利用Logistic回归模型,采用最大似然估计法计算Logistic回归模型的参数,最大似然估计法具有一致性、有效性和正态性的统计性质,需保持该性质条件是样本规模较大。根据各因子指标值Xij,再计算每个象元的塌陷概率值P,根据概率值的大小分级分类(概率),共划分5个等级的概率:极脆弱区、高度脆弱区、中度脆弱区、轻度脆弱区、不脆弱区。
最后验证评价的准确性、塌陷脆弱性区划图绘制的合理性,以及对模型进行检验。其评估精度P以经验的概率形式表示:
其中,N是单元总数;S是存在塌陷单元数;K是脆弱性为极脆弱、高度脆弱、中度脆弱区的单元数;KS为脆弱性为中、高、极高区域中塌陷坑单元数。
本发明提出的多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,在分析多种数据的特征后,通过多途径获取数据并建立岩溶塌陷数据库;分析研究区内的岩溶发育特征、塌陷坑的空间分布规律、时间分布规律,找出影响塌陷坑形成的因素;选择合适的塌陷致塌因子;建立塌陷脆弱性评价指标;制作研究区岩溶塌陷地质灾害脆弱性概率区划图。
附图说明
图1为本发明中一种多元空间数据的岩溶塌陷地质灾害脆弱性方法流程图;
图2为本发明中Logistic回归模型流程图;
图3为本发明实施例中200m断层缓冲区分布图;
图4为本发明实施例中250m塌陷坑缓冲区图;
图5为本发明实施例中坡度曲率图;
图6为本发明实施例中地层岩性分级图;
图7为本发明实施例中地下水位变幅图;
图8为本发明实施例中断层缓冲区分级图;
图9为本发明实施例中塌陷灾害脆弱性分区图。
具体实施方式
为了更清楚地说明本申请实施例,现在将结合说明书和参考附图来详细地介绍。
实施例研究区位于广西来宾市吉利村,属于丘陵地形,地貌类型以溶蚀堆积和残峰残丘平原为主,岩溶塌陷区中心地为一岩溶峰丛孤峰,孤峰顶部植被稀少,裸露基岩随处可见,多悬崖峭壁,在丘谷及石山上都有塌陷坑或溶洞发育,区内岩层倾向东,地层岩性复杂多变,受南北向构造体系及新华夏构造体系的影响,岩层挤压、拖拽、挠曲、碎裂,节理裂隙极为发育,岩体完整性极差。岩溶塌陷区位于广西山字型构造的盾地部位,构造线方向为近南北向,在塌陷区的西部3km处存在一条名为小平阳的正断层,区内地质构造较为复杂,区域内的山体多发育有褶皱断裂。利用本发明的多元空间数据的岩溶塌陷地质灾害脆弱性方法对实施例研究区岩溶塌陷地质灾害脆弱性进行评估,具体步骤如下(如图1所示):
步骤S1:研究区地质环境背景,包括自然地理概况、地形地貌、气象水文、地层岩性和地质构造,对研究区进行实地调查,收集当地监管单位对研究区的地质环境检测数据、GPS野外实地测量、统计调查、实地勘测、遥感手段等方式获取更多的数据作为研究区内的数据源。建立的图形数据库包括栅格数据和矢量数据两种数据结构。将图形数据库和属性数据库连接起来,岩溶塌陷地质灾害数据库才算完全建立好,图形数据库建立好之后通过统一的字段和属性数据库连接起来,可以实现属性数据和和图形数据互查。
步骤S2:分析塌陷坑的表面形态规律、空间分布特征和时间分布特征以及其他影响岩溶塌陷的自然因素。岩溶塌陷的发生受控于很多因素,如地形、地层岩性、地质构造、覆盖层厚度、土壤渗透率等。研究区塌陷多沿断层延伸呈带状分布,结合物探资料表明实施例研究区断层的表现形式为角砾岩带,而张性或张扭性质为主的角砾岩带胶结性差,有利于地下水的活动和岩溶塌陷的发生。塌陷区土层较薄,土层结构极易导致塌陷发生。
步骤S3:评价因子的提取。为了深入研究各评价因子的作用,通过量化各因素,结合实地勘查和已有数据,参考前人研究资料综合分析塌陷致塌机理,选择地层岩性、土层结构条件、坡形、地下水位埋深、地下水位变幅、土壤渗透率、岩溶发育程度、距断层距离、距交通干线距离、覆盖层厚度10个参数作为控制岩溶塌陷发生的具体参数。
在建立的岩溶塌陷地质灾害多元空间数据库的基础上,将所需数据图层以统一的单元大小栅格化,然后使用说明书中的指标值计算方法计算各评价因子的指标值。
步骤S4:使用本发明方法对各评价因子进行分类分级,具体如下:
地层岩性分为灰岩、白云岩白云质灰岩;硅质岩夹灰岩;灰岩;砾岩、硅质岩、硅质泥岩;
土层结构分为粉质黏土;粉质黏土、砂砾土;,粉质黏土、砂砾土、黏土;粉质黏土、粉砂、黏土、砂砾石交错;
坡形分为大于13°;8°到13°;-5°到-8°;小于-5°;
地下水位埋深分为小于5m;5m到10m;10m到20m;小于20m;
地下水位变幅分为小于3m;3m到5m为;5m到10m;大于10m;
土壤渗透率分为大于0.003cm;0.0003cm到0.003cm;小于0.0003cm;
岩溶发育程度分为线溶洞率大于10%;5%到10%;1%到5%;小于1%;
距断层距离分为小于50m;50m到100m;100m到250m;
距交通干线距离分为小于100m;100m到400m;400m到600m;大于600m。
步骤S5:利用ArcGIS和logistic回归模型评价研究区塌陷脆弱性,其流程如图2所示。
根据塌陷地质灾害评价原理和ArcGIS的空间叠加分析功能,把每个影响研究区塌陷的因子分别用图层来表示,部分数据如图3-8所示。
利用ArcMap将影响塌陷的各评价因子图层进行叠加,然后把叠加后的图层转化为数字矩阵,将数据导入SPSS软件进行Logistic回归分析,得到常数项βn。逻辑回归模型具有挑选变量的功能,经过多次迭代后将较小的影响因子剔除。
步骤S6:根据各因子指标值,利用ArcGIS软件中Raster Calculator功能计算每个象元的塌陷概率值P,根据概率值的大小分级分类,共划分5个等级:极脆弱区、高度脆弱区、中度脆弱区、轻度脆弱区、不脆弱区。统计各级脆弱区的百分比,借助于ArcMap的制图功能生成塌陷灾害脆弱性分布图实施,例研究区岩溶塌陷灾害脆弱性分布如图9所示。
分区面积百分比是各脆弱区面积占研究区总面积的百分比;分区塌陷面积百分比是各脆弱区内塌陷面积占总塌陷面积的百分比。研究区内各脆弱性分区中,脆弱性等级越高,区内的塌陷坑分布面积越大,分区塌陷坑面积比也越大。
步骤S7:精度评价和分析:经计算得出研究区N、S、KS、K的值,将各参数代入公式,得出Logistic回归模型预测结果精度。最后根据实际调查,确定岩溶塌陷主要分布的极脆弱性区和高度脆弱区。
由实施例评估结果表明:绝大多数塌陷主要分布在大头山山体及山麓地带的极脆弱性区和高度脆弱区,Logistic回归模型预测结果比较符合研究区的实际情况,Logistic回归较适用于研究区的岩溶塌陷脆弱性评估,具有较高的可信度,可供后续的岩溶塌陷的进一步研究。
Claims (9)
1.一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,其特征在于步骤如下:
步骤1:分析影响岩溶塌陷地质灾害脆弱性的指标,包括自然地理、地层岩性、地质构造、新构造运动和地震、水文地质特征方面;在建立岩溶塌陷地质灾害多元空间数据库基础上,通过ArcGIS强大的空间数据管理能力和空间分析功能提高数据处理效率;
步骤2:分析研究区岩溶塌陷的发育情况,包括研究区地面塌陷的发育和稳定性情况,从塌陷空间分布关系中分析断层与塌陷、塌陷与地裂缝的空间分布特征,降雨对塌陷的发生和变化在时间上的分布特征;
步骤3:针对研究区的岩溶塌陷地质灾害,采用非线性的Logistic回归模型作为脆弱性评价模型,根据研究区岩溶塌陷的发育情况选取具体评价因子进行分析;
步骤4:通过ArcMap软件将各因子分类分级和指标量化,样本数据通过SPSS统计软件进行Logistic回归方法运算,计算每个影响因子系数值并根据Logistic回归模型得到研究区各单元的岩溶塌陷灾害脆弱性概率,在ArcMap中绘制研究区岩溶塌陷灾害脆弱性区划图并进行模型验证。
2.根据权利要求1所述的多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,其特征在于,所述步骤1中的岩溶塌陷指标是根据塌陷坑与断层构造的位置关系、塌陷分布特征,将岩溶塌陷分为岩溶主管道型塌陷、岩溶主管道边缘型塌陷和裂隙土洞型塌陷三类;
岩溶主管道型塌陷主要分布于大规模岩溶塌陷发生区域,塌陷多沿地下河强岩溶带发育;
岩溶主管道边缘型塌陷分布于大规模岩溶沉陷、地裂缝发生区,为强迳流带地质灾害诱发的次生岩溶塌陷,其特征表现为规模较大的沉陷、拉张裂缝等,沿主塌坑呈带状集中分布;
裂隙土洞型塌陷分布于小规模圆形土洞型塌陷区,该区岩溶塌陷点的规模及数量普遍较小,呈零星状分布,平面分布无规律性,均呈单个塌陷坑出现,两塌陷点之间距离较大。
3.根据权利要求1所述的多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,其特征在于,步骤2中通过实际调查、监测,采用工程地质类比法综合分析确定地面塌陷稳定性情况、塌陷坑空间分布的形态特征、塌陷坑随降雨变化的时间分布特征,通过研究塌陷坑空间分布和时间分布的关系,找出影响塌陷坑形成和变化的因子;
其中稳定型塌陷坑稳定呈漏斗状,坑底未下沉且较平滑,塌陷坑附近环形裂缝已自行填塞,植物生长茂密且无地表水流汇集注入现象;不稳定型塌陷坑呈现出坑底有沉陷、错移、伴有裂缝迹象,塌陷坑附近环形裂缝持续发展,植物稀疏不发育或发育不均衡且有地表水流汇集迅速注入迹象;
塌陷坑空间分布的形态特征有塌陷坑沿断层展布方向呈条带状分布、塌陷坑的严重程度控制地裂缝的空间分布;
塌陷坑随降雨变化的时间分布特征分析分为降雨量大小诱发塌陷发生、降雨量大小影响地裂缝形变量和地裂缝的形变影响塌陷的扩大及续发。
4.根据权利要求1所述的多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,其特征在于,步骤3中根据岩溶塌陷发生受控于很多因素,包括地形、地层岩性、地质构造、覆盖层厚度、土壤渗透率的特征,从研究区情况综合分析塌陷致塌机理,选择地层岩性、土层结构条件、坡形、地下水位埋深、地下水位变幅、土壤渗透率、岩溶发育程度、距断层距离、距交通干线距离、覆盖层厚度10个参数作为控制岩溶塌陷发生的具体参数。
5.根据权利要求1所述的多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,其特征在于,步骤4中所述将各因子分类分级需经过以下流程进行确定:
①将一级影响因子再次二级分类;
②统计二级分类后的塌陷灾害点的栅格数量值;
③塌陷灾害点的栅格数量值与二级分类因子的面积比值即为指标值,指标值反映各二级因子的区域内塌陷灾害点的分布密度情况和因子对塌陷影响的强度,具体的指标计算方法如下:
其中i=1,2,…,n,代表各一级因子的顺序号;j=1,2,…,m,代表各二级因子的顺序号,Nij代表各二级因子区域内的塌陷灾害点的栅格数,Sij代表各二级因子的分布面积,Xij为所求的各二级因子的指标值;
利用公式在ArcMap软件完成各因子指标值计算,包括地层岩性、土层结构条件、坡形、地下水位埋深、地下水位变幅、土壤渗透率、岩溶发育程度、距断层距离、距交通干线距离、覆盖层厚度。
6.根据权利要求5所述的岩溶塌陷地质灾害脆弱性评估计算方法,其特征在于,充分运用ArcGIS技术灵活的图表计算、图像叠加、图形运算等空间分析功能为岩溶塌陷脆弱性评估提供模拟和决策服务,根据ArcGIS工具得到与现有塌陷空间分布的因子关系,评估未来塌陷的空间位置;
利用ArcGIS和logistic回归模型进行研究区塌陷脆弱性评估计算方法如下:
设Pi为岩溶塌陷地质灾害发生概率,Q表示未发生概率,其值为1-Pi,X1,X2,…,Xn表示对结果影响的n个因素,用Logistic回归公式表示发生和未发生结果的概率分别为:
上式中:β0是一个常数,代表不受任何影响的情况下,效应指标生与未发生的概率之比的对数值;β1,…,βn为逻辑回归系数,代表某一自变量因子指标改变一个单位时,效应指标(灾害)发生与未发生的概率之比的对数值,确定β1,…,βn数值后根据各个二级因子的指标值Xij,依据公式得到某一评价单元内灾害发生与否的概率值Pi。
7.根据权利要求1所述的方法,其特征在于,步骤4中利用ArcGIS和logistic回归模型评价研究区塌陷脆弱性,具体步骤如下:
①选择合理的影响研究区岩溶塌陷的因子;
②将影响因子细分为二级分类因子和附上对应指标值;
③将所有图层栅格化,生成统一大小的栅格;
④任意选取合适数量的样本数据,使用SPSS软件进行回归分析得到逻辑回归系数β1,…,βn和常数β0,建立回归模型;
⑤利用回归模型绘制研究区岩溶塌陷脆弱性图。
8.根据权利要求7所述的多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,其特征在于,步骤5中选取样本数据后使用SPSS软件进行回归分析,Logistic回归模型的模型参数的估计方法采用最大似然估计法,最大似然估计法具有一致性、有效性和正态性的统计性质,而需保持该性质条件是样本规模较大,通过SPSS软件的逻辑回归分析得到的各因子回归系数值,然后根据各因子指标值Xij,利用ArcGIS软件中Raster Calculator功能计算每个象元的塌陷概率值P,根据概率值的大小分级分类,共划分5个等级:极脆弱区、高度脆弱区、中度脆弱区、轻度脆弱区、不脆弱区。
9.根据权利要求1所述的多元空间数据的岩溶塌陷地质灾害脆弱性评估方法,其特征在于,验证评估的准确性、岩溶塌陷脆弱性区划图绘制的合理性,以及对模型进行检验,其评估精度P以经验的概率形式表示:
其中,N为单元总数;S为存在塌陷单元数;K为脆弱性为极脆弱、高度脆弱、中度脆弱区的单元数;KS为脆弱性为中、高、极高区域中塌陷坑单元数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910522864.2A CN110297876A (zh) | 2019-06-17 | 2019-06-17 | 一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910522864.2A CN110297876A (zh) | 2019-06-17 | 2019-06-17 | 一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110297876A true CN110297876A (zh) | 2019-10-01 |
Family
ID=68028143
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910522864.2A Pending CN110297876A (zh) | 2019-06-17 | 2019-06-17 | 一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110297876A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329103A (zh) * | 2020-11-04 | 2021-02-05 | 西南交通大学 | 一种岩溶上覆砂层塌陷对地层扰动的评价方法 |
CN112632852A (zh) * | 2020-12-14 | 2021-04-09 | 西南交通大学 | 岩溶地区地铁隧道盾构掘进速度预测方法及装置 |
CN113075381A (zh) * | 2021-03-15 | 2021-07-06 | 华南理工大学 | 一种模拟岩溶地区地铁振动引发岩溶覆土塌陷的试验系统 |
CN113793038A (zh) * | 2021-09-16 | 2021-12-14 | 贵阳市城市轨道交通集团有限公司 | 一种多因素耦合下岩溶山区地铁隧道工程灾害分区方法 |
CN114692471A (zh) * | 2022-06-01 | 2022-07-01 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种岩溶地下水系统流网模拟方法 |
CN114821976A (zh) * | 2022-06-24 | 2022-07-29 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种多要素岩溶塌陷的智能预报系统 |
CN115392137A (zh) * | 2022-10-27 | 2022-11-25 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种基于岩溶塌陷水土耦合作用的三维模拟系统 |
CN115965246A (zh) * | 2023-03-16 | 2023-04-14 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种岩溶塌陷灾害的预警分析方法 |
CN116070907A (zh) * | 2023-01-05 | 2023-05-05 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种基于层次分析的岩溶塌陷易发性评估方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103088803A (zh) * | 2013-01-31 | 2013-05-08 | 青岛理工大学 | 鉴别岩溶塌陷致塌因素的方法 |
-
2019
- 2019-06-17 CN CN201910522864.2A patent/CN110297876A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103088803A (zh) * | 2013-01-31 | 2013-05-08 | 青岛理工大学 | 鉴别岩溶塌陷致塌因素的方法 |
Non-Patent Citations (8)
Title |
---|
吴超凡等: "安溪县剑斗地区地面塌陷探讨", 《矿业研究与开发》 * |
周国清等: ""基于逻辑回归模型的来宾市岩溶塌陷敏感性评价"", 《安全与环境工程》 * |
周国清等: ""来宾市岩溶塌陷的时空分布特征分析"", 《测绘与空间地理信息》 * |
孙凤贤: "铜陵市长江东路岩溶塌陷形成机制及土地适宜性分析", 《安徽地质》 * |
庄卓涵: "基于综合指数法的珠海某地环境地质灾害易发性研究", 《地下水》 * |
李瑜等: "覆盖型岩溶平原区岩溶塌陷脆弱性和开发岩溶地下水安全性评价――以广西黎塘镇为例", 《中国岩溶》 * |
王卫东等: "基于GIS的Logistic回归模型在地质灾害危险性区划中的应用", 《工程勘察》 * |
陈玉玲等: "可控源音频大地电磁法在岩溶塌陷勘察中的应用", 《地球物理学进展》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112329103B (zh) * | 2020-11-04 | 2022-11-01 | 西南交通大学 | 一种岩溶上覆砂层塌陷对地层扰动的评价方法 |
CN112329103A (zh) * | 2020-11-04 | 2021-02-05 | 西南交通大学 | 一种岩溶上覆砂层塌陷对地层扰动的评价方法 |
CN112632852A (zh) * | 2020-12-14 | 2021-04-09 | 西南交通大学 | 岩溶地区地铁隧道盾构掘进速度预测方法及装置 |
CN112632852B (zh) * | 2020-12-14 | 2023-05-23 | 西南交通大学 | 岩溶地区地铁隧道盾构掘进速度预测方法及装置 |
CN113075381A (zh) * | 2021-03-15 | 2021-07-06 | 华南理工大学 | 一种模拟岩溶地区地铁振动引发岩溶覆土塌陷的试验系统 |
CN113793038A (zh) * | 2021-09-16 | 2021-12-14 | 贵阳市城市轨道交通集团有限公司 | 一种多因素耦合下岩溶山区地铁隧道工程灾害分区方法 |
CN113793038B (zh) * | 2021-09-16 | 2023-12-22 | 贵阳市城市轨道交通集团有限公司 | 一种多因素耦合下岩溶山区地铁隧道工程灾害分区方法 |
CN114692471A (zh) * | 2022-06-01 | 2022-07-01 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种岩溶地下水系统流网模拟方法 |
CN114821976A (zh) * | 2022-06-24 | 2022-07-29 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种多要素岩溶塌陷的智能预报系统 |
CN115392137A (zh) * | 2022-10-27 | 2022-11-25 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种基于岩溶塌陷水土耦合作用的三维模拟系统 |
CN116070907A (zh) * | 2023-01-05 | 2023-05-05 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种基于层次分析的岩溶塌陷易发性评估方法及系统 |
CN115965246A (zh) * | 2023-03-16 | 2023-04-14 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种岩溶塌陷灾害的预警分析方法 |
CN115965246B (zh) * | 2023-03-16 | 2023-05-19 | 山东省地质矿产勘查开发局八〇一水文地质工程地质大队(山东省地矿工程勘察院) | 一种岩溶塌陷灾害的预警分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110297876A (zh) | 一种多元空间数据的岩溶塌陷地质灾害脆弱性评估方法 | |
Li et al. | A review on anthropogenic geomorphology | |
CN103455711B (zh) | 一种基于机理分析的小流域地区滑坡灾害风险区划方法 | |
CN106969751A (zh) | 一种基于无人机遥感的采煤地表沉陷量监测计算的方法 | |
Dai | Dam site selection using an integrated method of AHP and GIS for decision making support in Bortala, Northwest China | |
CN103995947A (zh) | 改进的煤层底板突水脆弱性评价方法 | |
CN109272227A (zh) | 一种基于遥感数据和地理信息系统的绿色矿山选址方法 | |
Zhang et al. | Application of improved fuzzy comprehensive evaluation method in karst groundwater quality evaluation: a case study of Cengong county | |
CN111882244A (zh) | 基于层次框架的多源国土开发风险评估体系的构建方法 | |
Etuk et al. | An integrated geoinformatics and hydrogeological approach to delineating groundwater potential zones in the complex geological terrain of Abuja, Nigeria | |
Xiao et al. | Analysis, assessment and early warning of mudflow disasters along the Shigatse section of the China–Nepal highway | |
Wu et al. | Risk assessment of geological disasters in Nyingchi, Tibet | |
CN105046095B (zh) | 生态敏感区公路隧道施工对地下水环境扰动的评价方法 | |
Margottini et al. | Rock fall instabilities and safety of visitors in the historic rock cut monastery of Vardzia (Georgia) | |
Pang et al. | Research on the conservation and sustainable development strategies of modern historical heritage in the Dabie Mountains based on GIS | |
CN110362867A (zh) | 基于多元影响因子的地面沉降分区方法 | |
Yang et al. | Research on construction of industrial environment system of cross-border e-commerce in free trade zone based on geological environment assessment method | |
Xueping et al. | A GIS-based monitoring and early warning system for cover-collapse sinkholes in karst terrane in Wuhan, China | |
Zhang et al. | Identifying the reuse patterns of coal mining subsidence areas: A case‐study of Jixi City (China) | |
Arca et al. | Assessment of geo-environmental properties depressing urban development with GIS: a case study of Kozlu settlement, Turkey | |
Nasiri et al. | Implementation of agricultural ecological capability model using integrated approach of PROMETHEE II and fuzzy-AHP in GIS environment (Case Study: Marvdasht county) | |
Eşbah et al. | Cellular automata-Markov chain and landscape metrics for landscape planning | |
Zhou | Water richness zoning and evaluation of the coal seam roof aquifer based on AHP and multisource geological information fusion | |
Parker et al. | Stream power indices correspond poorly with observations of alluvial river channel adjustment | |
Ma et al. | Geo-environment risk assessment in Zhengzhou City, China |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20191001 |