CN111415065B - 一种基于作用过程的山地灾害生态破坏风险评价方法 - Google Patents
一种基于作用过程的山地灾害生态破坏风险评价方法 Download PDFInfo
- Publication number
- CN111415065B CN111415065B CN202010120046.2A CN202010120046A CN111415065B CN 111415065 B CN111415065 B CN 111415065B CN 202010120046 A CN202010120046 A CN 202010120046A CN 111415065 B CN111415065 B CN 111415065B
- Authority
- CN
- China
- Prior art keywords
- forestry
- tree
- mountain
- unit
- disaster
- 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.)
- Active
Links
- 230000006378 damage Effects 0.000 title claims abstract description 79
- 238000011156 evaluation Methods 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 69
- 230000008569 process Effects 0.000 title claims abstract description 30
- 230000009471 action Effects 0.000 title claims abstract description 14
- 239000002689 soil Substances 0.000 claims description 71
- 239000002028 Biomass Substances 0.000 claims description 45
- 238000011835 investigation Methods 0.000 claims description 39
- 230000000694 effects Effects 0.000 claims description 26
- 241000894007 species Species 0.000 claims description 26
- 238000011160 research Methods 0.000 claims description 18
- 239000002023 wood Substances 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 17
- 238000013480 data collection Methods 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 11
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 11
- 230000015572 biosynthetic process Effects 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 9
- 238000011161 development Methods 0.000 claims description 8
- 241000196324 Embryophyta Species 0.000 claims description 7
- 239000011435 rock Substances 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 238000003306 harvesting Methods 0.000 claims description 4
- 230000001788 irregular Effects 0.000 claims description 4
- 244000025254 Cannabis sativa Species 0.000 claims description 3
- 239000004927 clay Substances 0.000 claims description 3
- 238000001035 drying Methods 0.000 claims description 3
- 210000000020 growth cone Anatomy 0.000 claims description 3
- 238000011545 laboratory measurement Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 3
- 238000000611 regression analysis Methods 0.000 claims description 3
- 238000005303 weighing Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 34
- 238000012876 topography Methods 0.000 description 13
- 230000007246 mechanism Effects 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 230000002265 prevention Effects 0.000 description 7
- 230000009467 reduction Effects 0.000 description 5
- 238000012502 risk assessment Methods 0.000 description 5
- 238000009412 basement excavation Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012067 mathematical method Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 2
- 206010057175 Mass conditions Diseases 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 2
- 238000012884 algebraic function Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 238000005211 surface analysis Methods 0.000 description 2
- 230000007474 system interaction Effects 0.000 description 2
- 238000012038 vulnerability analysis Methods 0.000 description 2
- 238000012952 Resampling Methods 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012732 spatial analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于作用过程的山地灾害生态破坏风险评价方法,包括以下步骤:步骤1、以林业小班单元作为山地灾害生态破坏风险评价的基本单元;步骤2、计算每个林业小班单元的风险评价指标,并将所述风险评价指标进行归一化处理,建立林业小班单元的地理信息数据库;步骤3、计算每个林业小班单元的综合生态破坏风险度,得到山地灾害生态破坏风险评价结果。本发明选用林业小班单元作为山地灾害生态破坏风险评价的基本空间单元,能够准确的圈定山地灾害生态破坏风险发生的高风险区域,对认识山地灾害空间分布和生态破坏风险管理具有科学指导意义。
Description
技术领域
本发明涉及生态破坏风险评估技术,具体涉及一种基于作用过程的山地灾害生态破坏风险评价方法。
背景技术
山地一般山势陡峻,坡度陡,河流切割强烈,风化土厚,侵蚀、剥蚀作用强烈,斜坡较不稳定,气候条件复杂。易发生崩塌、滑坡、泥石流等山地灾害。山地灾害不仅对流域地貌系统造成了极大影响,同时也伴随着生态环境的破坏及人类栖息地的摧毁。山区生态系统是受山地灾害成胁的主要承灾体。特别是在生态环境脆弱地区,雨季来临,很容易引发山地灾害。受潜在泥石流或滑坡隐患的威胁,只要生态灾害发生,这些区域必然会遭受不堪设想的后果。当生态系统与聚落系统在空间上重叠时,将产生难以承受的损失。因此,深入认识受山地灾害威胁条件下的生态环境风险,深入研究受山地灾害威胁的生态破坏风险形成机制,不仅为山区生态环境提供风险管理的依据,还能够为防灾规划和发展规划的制定提供科学的参考。
当前,山地灾害造成的影响研究集中在灾害造成的人员和生命财产损失及土地利用变化等方面,较少关注灾害对于生态系统的影响。山地灾害多发生在山高坡陡的山区,山区多为生态系统结构和功能相对稳定的生态系统,往往承担着重要的区域生态服务功能。山地灾害带来强烈的地表变化和生态环境扰动破坏承灾区生态系统的组分,进而影响生态系统的结构、功能和健康。山区地形地貌复杂、气候条件多变,具备孕育山地灾害的天然条件。同时,山地生态系统本身也是重要的生态屏障和生态环境敏感区。受地质环境条件和人类活动的影响,山地生态系统受到滑坡等山地灾害的威胁,尤其是在公路沿线是山地灾害最发育、危害最严重的地区。受气候条件影响,单体山地灾害规模小,但在空间区域上呈现集群性特征,而这种集群性具有累积放大效应,使得灾害的生态破坏风险加剧。山地灾害生态破坏风险评价是评价研究区的种群或森林生态系统易损性于山地灾害作用下,造成的生态系统组分受损、生态结构和生态功能破坏的风险。
自然灾害的生态破坏风险评价和管理已被公认为是区域防灾减灾战略的重要内容,生态破坏风险的精细化管理是生态破坏风险发展的一个重要目标。目前的风险评价单元多基于行政单元或栅格单元,而对于研究地区,因单体灾害规模较小,行政单元空间尺度过大,栅格单元的尺度过小,两种尺度与小规模的山地灾害都缺少空间对应性,较难实现生态破坏风险精细化管理。
发明内容
本发明的目的在于提供一种基于作用过程的山地灾害生态破坏风险评价方法,以山地灾害为风险源,以森林生态系统为风险受体,综合考虑山地灾害危险性、森林生态系统易损性、及森林生态系统抗灾能力,从林业小班尺度评价山地灾害引发的生态破坏风险,为生态安全防护及防灾减灾等提供科学依据。
为实现以上目的,本发明采取的技术方案是:
一种基于作用过程的山地灾害生态破坏风险评价方法,包括以下步骤:
步骤1、以林业小班单元作为山地灾害生态破坏风险评价的基本单元;
步骤2、计算每个林业小班单元的风险评价指标,并将所述风险评价指标进行归一化处理,建立林业小班单元的地理信息数据库,其中,所述风险评价指标包括:
地形起伏度A,根据DEM数据,利用GIS软件的区域统计计算工具,分别统计单元内的最大高程和最小高程,计算最大高程-最小高程,得到地形起伏度A;
坡度B,根据DEM数据,利用GIS软件的坡度分析功能计算得到;
坡向C,根据DEM数据,利用GIS软件的坡向分析功能计算得到;
坡长D,根据DEM数据,利用GIS软件的坡长计算工具计算得到;
土层厚度E;
土壤类型F,包括砂质土、黏质土和壤土,通过野外调查取样、实验室测定或查阅资料的途径获取;
地层岩性G,按照地质图和野外调查的结果,将地质图经矢量化和坐标配准后,给矢量化后的图层赋属性值,属性值的赋值标准按照岩层的软硬等级,然后用区域统计,统计每个林业小班单元的软硬等级的众数值,该众数值为地层岩性G;
高程H,通过地形图直接获取;
年平均降雨量I,通过观测点的监测数据获取;
距离河流的距离J,利用地形图提取每个栅格距离河流的最近距离,然后用区域统计,统计每个林业小班单元的平均河流距离;
人类活动强度K;
优势树种L,通过野外调查、遥感调查或数据收集获得;
优势树种保护等级M;
植被类型N,通过野外调查、遥感调查或数据收集获取;
林龄O,根据营林档案调查,或依据伐根年轮,枝节轮数,或生长锥测定树木年龄;
生物量P;
单元面积Q,根据DEM数据,利用GIS软件的面积计算工具直接测算;
步骤3、根据地形起伏度A、坡度B、坡向C、坡长D、土层厚度E、土壤类型F、地层岩性G、高程H、年平均降雨量I、距离河流的距离J、人类活动强度K共11个风险评价指标值,通过下式计算并经最大值归一化处理,得到每个林业小班单元的山地灾害危险度:
Si=∑WSjXij(i=1,2,…n;j=1,2,…11) (1)
其中,Si为第i个林业小班单元的山地灾害危险度;WSj——第j个指标的权重,依据AHP层次分析法确定;Xij为第i个林业小班单元第j个指标的值;
步骤4、根据坡长D、土壤类型F、年平均降雨量I、根据优势树种L、优势树种保护等级M、植被类型N、林龄O、生物量P、单元面积Q共9个风险评价指标值,通过下式计算并经最大值归一化处理,得到每个林业小班单元的生态系统易损度:
Ui=∑WUjYij(i=1,2,…n;j=1,2,…9) (2)
其中,Ui为第i个林业小班单元的生态系统易损度;WUj——第j个指标的权重,依据AHP层次分析法确定;Yij为第i个林业小班单元第j个指标的值;
步骤5、根据植被类型N、林龄O、生物量P共3个风险评价指标值,通过下式计算并经最大值归一化处理,得到每个林业小班单元的生态系统抗灾度:
Vi=∑WVjZij(i=1,2,…n;j=1,2,3) (3)
其中,Vi为第i个林业小班单元的生态系统抗灾度;WVj——第j个指标的权重,依据AHP层次分析法确定;Zij为第i个林业小班单元第j个指标的值;
步骤6、计算每个林业小班单元的综合生态破坏风险度R的值,得到山地灾害生态破坏风险评价结果,所述综合生态破坏风险度R=山地灾害危险度S×生态系统易损度U×生态系统抗灾度V。
所述土层厚度E的获取方法是:按照水流方向布设野外采样点,野外利用手动螺旋钻和卷尺完成土层厚度和坡度的测量,并记录测量每个测量点的土层厚度和坡度,然后进行回归分析拟合研究区坡度和土层厚度的函数关系,然后将该函数关系运用到整个研究区内的每一个栅格,计算每个栅格的土层厚度,最后以林业小班单元边界为基础,统计得到每个林业小班单元的土层厚度。
所述人类活动强度K的获取方法是:首先按照地形图识别研究区的丘陵区,然后通过遥感、野外调查或资料收集提取每个林业小班单元的丘陵区内的建设扰动面积,得到人类活动强度K。
所述优势树种保护等级M的获取方法是:采用克拉夫特林木分级法,按照树高和树冠的发育状况,通过野外调查、遥感调查或数据收集,将林木区分为5级,Ⅰ级为优势木,树高和直径最大,树冠很大且匀称,伸出一般林冠之上;Ⅱ级为亚优势木,树高略次于Ⅰ级,树冠发育正常,其大小亦次于Ⅰ级;Ⅲ级为中势木,生长尚好,但树高和直径比前两级林木较差,树冠较窄,位于林冠的下层,树木的圆满度比前两级林木较好;Ⅳ级为被压木,树高和直径生长都非常落后,树冠受挤压,通常都是小径木;Ⅴ级为濒死木,完全位于林冠下层,生长极落后,树冠稀疏而不规则。
所述生物量P的获取方法如下:生物量包括乔木层生物量和林下植被生物量;林下植被生物量采用样方收获法测定,即在样地中机械布设5-10个1-2m2的样方将其中的草灌木全部收获称重,并烘干测干重率,以样方的平均值推算全林的林下植被生物量;乔木层生物量采用等断面积径级法,即根据一定标准选择一组标准木,伐倒后测定其生物量,然后以样本组生物量实测数据构建回归方程,以回归方程推算乔木生物量。
本发明与现有技术相比,具有如下优点:
1、考虑了研究山地灾害多发的特性,同时也是基础数据缺少,研究方向冷门的特点,公开一种山地灾害造成的生态破坏风险评价方法,以解决现有可获取的资料条件下,怎样进行山地灾害生态破坏风险评价的问题。
2、针对山地区域灾害的形成机理,公开一套适合山地灾害的生态破坏风险评价指标体系,实践操作中也具有科学性,操作性,适用性强等特点。
3、选用林业小班单元作为山地灾害生态破坏风险评价的基本空间单元,林业小班单元既能保证生态破坏风险评估的精确性,也能为山地灾害生态破坏风险预测以及应急救援工作提供适宜的空间指导。
4、基于山地灾害成灾机理及山地灾害与生态系统相互作用机理的生态破坏风险评价方法可以应用到预测生态灾害和生态灾害所带来的一系列生态蝴蝶效应,为山地区域灾害预防提供科学依据,在防灾,生态破坏风险预测方面大有前景。
附图说明
图1为本发明实施例中的山地灾害危险度计算结果图;
图2为本发明实施例中的生态系统易损度计算结果图;
图3为本发明实施例中的生态系统抗灾度计算结果图;
图4为本发明实施例中的综合山地灾害风险度的计算结果图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
本发明的一种基于作用过程的山地灾害生态破坏风险评价方法,主要包括以下步骤:步骤1、确定研究区的基本空间单元,以林业小班单元作为山地灾害生态破坏风险评价的基本单元;步骤2、计算每个林业小班单元的风险评价指标,并将所述风险评价指标进行归一化处理,建立林业小班单元的地理信息数据库;步骤3、计算每个林业小班单元的山地灾害危险度S;步骤4、计算每个林业小班单元的生态系统易损度U;步骤5、计算每个林业小班单元的生态系统抗灾度V;步骤6、计算每个林业小班单元的综合生态破坏风险度R,得到研究区的山地灾害生态破坏风险评价结果。具体内容为:
一、根据灾害形成和破坏机理,确定研究区的基本空间单元。
灾害生态破坏风险评价的首要任务是确定研究区的尺度和基本空间单元,山地灾害和生态系统特征主要受降水条件、地形条件、土壤条件等影响,形成过程受自然区划单元控制,且研究区内灾害的规模较小,尺度太大将严重影响风险管理效果,而风险管理又以行政单元为界,在风险区划过程中,一方面,应尽量保证各因子在单元内部的一致性以及单元之间的明显差异性,另一方面要选择合适的空间尺度,并便于生态破坏风险管理。林业小班单元是在综合考虑地形地貌、权属、树种、林分结构等条件下,确定的用于森林资源统计和经营管理的基本区划单位,一方面能与灾害形成和破坏机理具有较好的统一性,另一方面也是经营管理单元。可见,林业小班单元从形成机制、空间尺度、管理精度上都是较适合生态破坏风险评价的单元。鉴于此,选用林业小班单元作为生态破坏风险评价的基本单元。
林业小班单元的划分。首先建立研究区数字高程模型DEM,运用GIS的空间分析功能和水文分析功能,提取山脊线和沟谷线等地形边界,结合实地调查获取的林业小班单元的详细数据,进行林业小班单元的划分。林业小班单元的数据来源可由林业等专业部门获取或依据山体边界、行政边界及野外实地调查获取。
二、构建基于山地灾害成灾机理及山地灾害与生态系统相互作用机理的生态破坏风险分析指标体系。
影响山地灾害生态破坏风险的因素是多方面的,各因素之间又相互影响的,而且不同因素对山地灾害生态破坏风险的贡献有很大差异,由于涉及因子在整个灾害生态破坏风险过程中作用不同,各因子的重要性也有不同,同时指标对所传递信息可能存在重复性。如:地形因素中,地形起伏度和坡度虽然表达的意义不同,但是都来源于DEM分析,在信息处理时可能存在重复分析。此外,由于各因素之间彼此存在一定关联性。因此,为避免信息的重复统计及各因素评价权重的人为干扰,本发明需借助主成分分析法,判断山地灾害生态破坏风险发生的主要因素。
本发明的生态破坏风险评价方法,以林业小班单元为基本单元,以山地灾害为风险源,以森林生态系统为风险受体,在山地灾害成灾机理及山地灾害与生态系统相互作用机理的基础上,综合考虑山地灾害危险性、森林生态系统易损性、及森林生态系统抗灾能力,形成山地灾害生态破坏风险评价体系。
山地灾害危险性主要考虑孕灾环境的稳定性,围绕内在因素和外在因素这两方面。山地灾害受控于气象水文条件、地貌条件和岩土体物质条件和人类工程扰动程度。气象水文条件由距离河流的距离、年平均降雨量来表征,地貌的表征指标主要有地形起伏度、坡度、坡向、坡长、高程5个;岩土体物质条件主要由地层岩性、土层厚度、土壤类型3个指标表征;此外人类活动亦是引发滑坡的重要外在因素。人类活动主要表现在保护区内的道路切坡、居民建房和小水电建设形成的人工开挖陡坡,改变了原有的环境地质条件,岩(土)体受力平衡遭到破坏,从而引发山地灾害,因此将人类活动强度作为人类工程扰动程度的指标。综合上述分析,本发明以年平均降雨量、距离河流的距离、地形起伏度、坡度、坡向、坡长、高程、地层岩性、土层厚度、土壤类型、人类活动强度共11项因子作为山地灾害危险性的评价指标体系。
森林生态系统易损性是表征山地灾害对生态系统造成的直接的和潜在损失。山地灾害对于森林生态系统的直接影响表现为两个方面。一是山地灾害对于灌木层、草木层的破坏造成林地群落层次的破坏,群落的稳定性下降。二是山地灾害破坏了土层结构稳定,使得表土和植被遭到破坏,使得区域地表裸露增加,表土与植被的平衡关系失调。原有的地形坡度、坡长等也被改变,破坏了原有的平衡,表土结构被破坏,易造成水土流失。此外,山地灾害造成景观要素变化,致使景观结构发生改变。而水土流失及生态系统稳定性下降的综合反映是生态系统服务功能的下降,因此,本发明从生态系统服务功能的视角评价生态系统的易损性性特征,即当某个单元内发生山地灾害,则该单元将失去生态系统服务功能。森林生态系统服务功能包括生物多样性保护、涵养水源、水土保持、固碳释氧、营养物质维持五个方面。其中,生物多样性保护由优势树种和优势树种保护等级2个指标来反映。水源涵养的重要性在于能够增强土壤下渗、抑制蒸发、缓和地表径流等作用,水源涵养功能由年平均降水量、植被类型和单元面积3个指标来计算。土壤保持功能主要由坡长、年平均降水量、植被类型和土壤类型4个指标计算。固碳释氧和营养物质维持功能主要取决于植被类型、林龄、生物量和单元面积4个指标计算。综合以上因素,是森林生态系统易损性评价选取优势树种、优势树种保护等级、年平均降水量、植被类型、单元面积、坡长、土壤类型、林龄、生物量共9个指标。
森林生态系统抗灾能力是通过森林生态系统与山地灾害的互馈关系,确定森林生态系统对于防灾减灾的作用,植物通过调节斜坡水文循环和固土作用实现防灾的功能。其中森林生态系统的固土作用大小的评价由植被类型、树龄及生物量3个指标组成。植被的水文调节功能由植被类型和生物量2个指标来评估,因此森林生态系统的抗灾能力指数选取植被类型、林龄和生物量3个指标来衡量。
综上,本发明以危险性指数、易损性指数和抗灾能力指数作为评价指标构建山地灾害生态破坏风险评价体系。评价指标由年平均降雨量、距离河流的距离、地形起伏度、坡度、坡向、坡长、高程、地层岩性、土层厚度、土壤类型、人类活动强度、优势树种、优势树种保护等级、植被类型、林龄、生物量、单元面积共计17个指标组成。
各风险评价指标的数据来源和计算方法如下:
1、地形起伏度A:它能反映地表起伏变化,常用某一确定面积内最高点和最低点海拔高度之差来衡量。以地形图和林业小班单元划分结果(DEM数据)为数据源,用GIS软件的区域统计功能统计每个单元内高程的最大值和最小值,再计算每个单元的最大高程和最小高程的差,即获得每个林业小班单元的地形起伏度。
2、坡度B:是表征地表单元陡缓的程度的参数,用坡面的垂直高度和水平距离的比来计算坡度。坡度大小直接影响着滑坡体下滑速度及下滑力的大小,坡度越大,滑坡发生的可能性越大。坡度计算的数据源为地形图和林业小班单元划分结果,在GIS软件里利用坡度分析功能,先计算出以栅格为单位的坡度值,然后用区域统计功能,获得每个林业小班单元的平均坡度值。
3、坡向C:其获取方法是:根据DEM数据,利用GIS软件的表面分析下的坡度分析功能,计算以栅格为单位的坡向值,然后用表面分析下的区域统计功能,选择统计类型为平均值,所述平均值即为每个林业小班单元的平均坡向值。
4、坡长D:坡长通常是指在地面上一点沿水流方向到其流向起点间的最大地面距离在水平面上的投影长度。首先在GIS软件中,利用坡度工具计算坡度值,然后再用栅格计算器沿着最大水流方向计算坡长。
5、土层厚度E:土层厚度与坡度呈现高度相关性,因此首先按照水流方向布设野外采样点,野外利用手动螺旋钻和卷尺完成土层厚度的和坡度的测量,并记录测量每个测量点的土层厚度和坡度,然后进行回归分析拟合研究区坡度和土层厚度的函数关系,然后将该函数关系运用到整个研究区内的每一个栅格,计算每个栅格的土层厚度,最后以林业小班单元边界为基础,统计每个林业小班单元的平均土层厚度。
6、土壤类型F:土壤类型一般分为砂质土、黏质土、壤土三类。通过野外调查取样和实验室测定或者查阅资料的途径获取土壤类型。
7、地层岩性G:是指由岩性、岩相或变质程度均一的岩石构成的地层体。地层岩性是触发滑坡的基础。虽然不同地质时代、不同岩性的地层中都可能形成滑坡,但滑坡产生的数量、规模与岩性有密切关系。地层岩性获取方法如下:按照地质图和野外调查的结果,将地质图经矢量化和坐标配准后,给矢量化后的图层赋属性值,属性值的赋值标准按照岩层的软硬等级,然后用区域统计,统计每个林业小班单元的软硬等级的众数值,即为该林业小班单元的地层岩性特征值。
8、高程H:是指地面某个地点高出海平面的垂直距离,是某地与海平面的高度差。高程可由地形图直接获得。
9、年平均降雨量I:指某地多年降雨量总和除以年数得到的均值,或某地多个观测点测得的年降雨量均值。年平均降雨量是地区气候的重要衡量指标之一。通过监测或者数据收集等途径收集降雨量等值线图,然后以林业小班单元为基础,利用GIS软件的区域统计功能,求算每个林业小班单元的的平均降雨量。
10、距离河流的距离J:长期降雨形成的坡面径流,水分下渗使岩土层松散,沿土重力作用下导致滑坡发生。坡面径流的影响采用距离主要河流距离来表示。距离河流的距离利用地形图提取每个栅格距离河流的最近距离,然后利用GIS软件的区域统计功能,统计每个林业小班单元的平均河流距离。
11、人类活动强度K:人类活动主要表现在保护区内的道路切坡、居民建房和小水电建设形成的人工开挖陡坡,改变了原有的环境地质条件,岩(土)体受力平衡遭到破坏,从而引发山地灾害。将丘陵山地区域内的道路和居民点等建设开挖扰动面积作为人类活动强度的指标。首先按照地形图识别区域内的丘陵区,在此基础上,利用通过遥感、野外调查和资料收集等途径提取每个林业小班单元的丘陵区内的建设扰动面积。
12、优势树种L:优势树种是指在某个林业小班单元内,某个树种在数量(株数或蓄积量)上占优势地位。主要由野外调查、遥感调查或数据收集等方式,测算每个林业小班单元的优势树种。
13、优势树种保护等级M:树种保护等级是根据林木分化情况将林木划分的等级。可采用克拉夫特林木分级法,按照树高和树冠的发育状况,通过野外调查、遥感调查或数据收集等方式,将林木区分为5级,Ⅰ级为优势木,树高和直径最大,树冠很大且匀称,伸出一般林冠之上;Ⅱ级为亚优势木,树高略次于Ⅰ级,树冠发育正常,其大小亦次于Ⅰ级;Ⅲ级为中势木,生长尚好,但树高和直径比前两级林木较差,树冠较窄,位于林冠的下层,树木的圆满度比前两级林木较好;Ⅳ级为被压木,树高和直径生长都非常落后,树冠受挤压,通常都是小径木;Ⅴ级为濒死木,完全位于林冠下层,生长极落后,树冠稀疏而不规则。可参照以上标准或其他树木分级标准,通过调查或资料查询等途径测算每个林业小班单元的优势树种保护最高等级。
14、植被类型N:主要由野外调查、遥感调查或数据收集等方式,借鉴现有的植被区划的基础,获得每个林业小班单元的植被类型。
15、林龄O:林分的平均年龄。它是作为划分林分依据的主要森林结构特征之一。林龄通常用龄级表示,龄级通常分为过熟林、成熟林、近熟林、中龄林和幼龄林五个龄组。林龄确定方法常根据优势树种的平均年龄。可根据营林档案调查,或依据伐根年轮,枝节轮数,或生长锥等测定树木年龄。根据树木的不同年龄,采用算术平均数法或断面积加权平均法进行计算获得每个林业小班单元的平均林龄。
16、生物量P。生物量是森林生态系统结构优劣和功能高低的最直接的表现,是森林生态系统环境质量的综合体现。森林群落的生物量是指群落在一定时间内积累的有机质总量,通常用单位面积或单位时间积累的平均质量或能量来表示。生物量包括乔木层生物量、林下植被生物量。林下植被生物量采用样方收获法测定,即在样地中机械布设5-10个1-2m2的样方将其中的草灌木(地上、地下)全部收获称重、并烘干测干重率,以样方的平均值推算全林的林下植被生物量。乔木层生物量的测定常用的是收获法中的等断面积径级法,即根据一定标准选择一组标准木,伐倒后测定其生物量,然后以样本组生物量实测数据构建回归方程,以回归方程推算乔木生物量。
17、单元面积Q:是指林业小班单元的面积,根据DEM数据,利用GIS软件的面积计算工具直接测算得到。
综合以上内容,以林业小班作为基本单元,按照以上所述的17个风险评价指标,进行每个林业小班单元的参数设定,构建以林业小班为基本单元的生态破坏风险数据库。首先,利用GIS的地形分析功能,对DEM数字高程数据进行内在因素中的坡度,地形起伏度的分析,此步骤是以栅格为单位,再使用区域统计功能统计每个林业小班单元的平均高程、坡度,坡向,坡长、地形起伏度、单元面积的值。然后通过判读地质图、土地利用现状图,样地实地调查数据,确定每个林业小班单元的年平均降雨量、土壤类型、土层厚度、地层岩性、距离河流的距离、人类活动强度的值。最后,通过野外调查、遥感调查或数据收集等方式,确定每个林业小班单元的优势树种、优势树种保护等级、植被类型、林龄、生物量的值。至此,将以上山地灾害危险性、森林生态系统易损性,森林生态系统抗灾能力指标中共计17项指标参数分别以字段形式输入林业小班单元的属性表,并将17项参数以最大值归一化方法进行归一化处理,建立以林业小班为单元的地理信息数据库。
三、计算每个林业小班单元的综合生态破坏风险度值,得到林业小班尺度的山地灾害生态破坏风险评价结果。
1、山地灾害危险性指数的计算。
在GIS数据库中建立基于林业小班单元的山地灾害危险性评价属性表。结合危险性分析的地形起伏度A、坡度B、坡向C、坡长D、土层厚度E、土壤类型F、地层岩性G、高程H、年平均降雨量I、距离河流的距离J、人类活动强度K共11个风险评价指标值,加权运算每个林业小班单元的山地灾害危险度值:
Si=∑WSjXij(i=1,2,…n;j=1,2,…11) (1)
其中,Si为第i个林业小班单元的山地灾害危险度;WSj——第j个指标的权重,依据AHP层次分析法或其他方法确定;Xij为第i个林业小班单元第j个指标的值。在进行危险性评价时,可利用层次分析法或其他数学方法确定各指标在危险性评价中的权重大小,在GIS软件中,运用地图代数功能计算出每个林业小班单元的危险度,并进行最大值归一化处理,使危险度值域为0-1。然后以自然断点法(例如0.33为间隔)将每个林业小班单元划分为高危险区、中等危险区、和低危险区三个等级。
2、森林生态系统易损性指数的计算
在GIS数据库中建立基于林业小班单元的森林生态系统易损性评价属性表。结合易损性分析的坡长D、土壤类型F、年平均降雨量I、根据优势树种L、优势树种保护等级M、植被类型N、林龄O、生物量P、单元面积Q共9个风险评价指标值,加权运算每个林业小班单元的生态系统易损度值:
Ui=∑WUjYij(i=1,2,…n;j=1,2,…9) (2)
其中,Ui为第i个林业小班单元的生态系统易损度;WUj——第j个指标的权重,依据AHP层次分析法或其他方法确定;Yij为第i个林业小班单元第j个指标的值。在进行易损性评价时,可利用层次分析法或其他数学方法确定各指标在易损性评价中的权重大小,在GIS软件中,运用地图代数功能计算出每个林业小班单元的易损度,并进行最大值归一化处理,使易损度值域为0-1。然后以自然断点法(例如0.33为间隔)将每个林业小班单元划分为易损性高区、易损性中等区、易损性低区三个等级。
3、森林生态系统抗灾能力指数的计算
在GIS数据库中建立基于小班单元的森林生态系统抗灾能力评价属性表。结合抗灾能力分析的植被类型N、林龄O、生物量P共3个风险评价指标值,加权运算每个林业小班单元的生态系统抗灾度值:
Vi=∑WVjZij(i=1,2,…n;j=1,2,3) (3)
其中,Vi为第i个林业小班单元的生态系统抗灾度;WVj——第j个指标的权重,依据AHP层次分析法或其他方法确定;Zij为第i个林业小班单元第j个指标的值。在进行抗灾能力评价时,可利用层次分析法或其他数学方法确定各指标在抗灾能力评价中的权重大小,在GIS软件中,运用地图代数功能计算出每个林业小班单元的抗灾度,并进行最大值归一化处理,使抗灾度值域为0-1。然后以自然断点法(例如0.33为间隔)将每个林业小班单元划分为高、中、低三个抗灾能力等级。
4、综合生态破坏风险度的计算
在GIS数据库中,新建一个存储综合风险度字段,运用属性表的字段运算功能,按照公式:综合生态破坏风险度R=山地灾害危险度S×生态系统易损度U×生态系统抗灾度V,等权重相乘得到每个林业小班单元的综合生态破坏风险度,并进行最大值归一化处理,使风险度值域为0-1。然后以自然断点法(例如0.33为间隔)将每个林业小班单元划分为高、中、低三个风险度等级,得到林业小班尺度的山地灾害生态破坏风险评价结果。
实施例1:
下面结合一具体的实施例对本发明做进一步的阐述,本实施例以南岭自然保护区作为研究区域。
(一)根据实地调查数据与资料收集建立靶区DEM,进行林业小班划分。
本实施例的南岭自然保护区林业小班DEM的数据运算是在ARCGIS(GIS软件的一种)平台上进行。DEM的建立主要方法为:
1)矢量化1:25万地形图,建立空间拓扑关系;
2)采用三角化不规则网方法,将矢量线划图转换成TIN数据结构,进行空间插值;
3)TIN数据结构转换成网格结构;
4)对网格数据进行重采样形成栅格DEM,生成研究区DEM;
5)利用DEM提取山脊线和沟谷线等地形边界,再结合作业区调查综合考虑森林立地条件、林分因子、采伐方式、经营措施、集材系统等各类分区,将以上条件相一致的林分划为一个小班。一个小班的面积一般以5公顷左右,最大不应超过20公顷。按照以上方式将研究区划分为2889个林业小班单元。
(二)山地灾害生态破坏风险数据库构建。
1、危险性
根据对2889个小班单元滑坡灾害危险性评价因素的分类统计结果,在ARCGIS中建立基于小班单元的属性表。结合危险性分析的11个因子,加权运算每个小班单元的危险度值:
Si=∑WSjXij(i=1,2,…2889;j=1,2,…11)
其中,Si为第i个小班单元的山地灾害危险度;WSj——第j个指标的权重,依据AHP层次分析法确定;Xij为第i个小班单元第j个指标的值。运用ARCGIS的地图代数功能计算出2889个小班单元的危险度,危险度值域为0-1。然后以0.33为间隔将小班单元划分为高危险区、中等危险区、和低危险区三个等级,结果如图1所示。
2、易损性
在ARCGIS中建立基于小班单元的森林生态系统易损性评价属性表。结合易损性分析的9个因子,加权运算每个小班单元的易损度值:
Ui=∑WUjYij(i=1,2,…2889;j=1,2,…9)
其中,Ui为第i个小班单元的生态系统易损度;WUj——第j个指标的权重,依据AHP层次分析法确定;Yij为第i个小班单元第j个指标的值。运用ARCGIS的地图代数功能计算出2889个小班单元的易损度,易损度值域为0-1。然后以0.33为间隔将小班单元划分为易损性高区、易损性中等区、易损性低区三个等级,结果如图2所示。
3、抗灾能力
在ARCGIS中建立基于小班单元的森林生态系统抗灾能力评价属性表。结合抗灾能力分析的3个因子,加权运算每个小班单元的抗灾度值:
Vi=∑WVjZij(i=1,2,…2889;j=1,2,3)
其中,Vi为第i个小班单元的生态系统抗灾度;WVj——第j个指标的权重,依据AHP层次分析法确定;Zij为第i个林业小班单元第j个指标的值。运用ARCGIS的地图代数功能计算出2889个小班单元的抗灾度,抗灾度值域为0-1。然后以0.33为间隔将小班单元划分为高、中、低三个抗灾能力等级,结果如图3所示。
4、综合生态破坏风险度
在ARCGIS中新建一个存储综合风险度字段,运用属性表的字段运算功能,按照公式综合生态破坏风险度R=山地灾害危险度S×生态系统易损度U×生态系统抗灾度V,计算在17项参数设定模式下,每个林业小班的综合生态破坏风险度。
(三)进行山地灾害生态破坏风险区域划分,得到评价结果。
运用ARCGIS的地图代数功能计算出2889个小班单元的综合生态破坏风险度,风险度值域为0-1。然后以0.33为间隔将小班单元划分为高、中、低三个风险度等级,得到林业小班尺度的山地灾害生态破坏风险评价结果,如图4所示。
上述实施例只是为了说明本发明的技术构思及特点,其目的是在于让本领域内的普通技术人员能够了解本发明的内容并据以实施,并不能以此限制本发明的保护范围。凡是根据本发明内容的实质所做出的等效的变化或修饰,都应涵盖在本发明的保护范围内。
Claims (5)
1.一种基于作用过程的山地灾害生态破坏风险评价方法,其特征在于,包括以下步骤:
步骤1、以林业小班单元作为山地灾害生态破坏风险评价的基本单元;
步骤2、计算每个林业小班单元的风险评价指标,并将所述风险评价指标进行归一化处理,建立林业小班单元的地理信息数据库,其中,所述风险评价指标包括:
地形起伏度A,根据DEM数据,利用GIS软件的区域统计计算工具,分别统计单元内的最大高程和最小高程,计算最大高程-最小高程,得到地形起伏度A;
坡度B,根据DEM数据,利用GIS软件的坡度分析功能计算得到;
坡向C,根据DEM数据,利用GIS软件的坡向分析功能计算得到;
坡长D,根据DEM数据,利用GIS软件的坡长计算工具计算得到;
土层厚度E;
土壤类型F,包括砂质土、黏质土和壤土,通过野外调查取样、实验室测定或查阅资料的途径获取;
地层岩性G,按照地质图和野外调查的结果,将地质图经矢量化和坐标配准后,给矢量化后的图层赋属性值,属性值的赋值标准按照岩层的软硬等级,然后用区域统计,统计每个林业小班单元的软硬等级的众数值,该众数值为地层岩性G;
高程H,通过地形图直接获取;
年平均降雨量I,通过观测点的监测数据获取;
距离河流的距离J,利用地形图提取每个栅格距离河流的最近距离,然后用区域统计,统计每个林业小班单元的平均河流距离;
人类活动强度K;
优势树种L,通过野外调查、遥感调查或数据收集获得;
优势树种保护等级M;
植被类型N,通过野外调查、遥感调查或数据收集获取;
林龄O,根据营林档案调查,或依据伐根年轮,枝节轮数,或生长锥测定树木年龄;
生物量P;
单元面积Q,根据DEM数据,利用GIS软件的面积计算工具直接测算;
步骤3、根据地形起伏度A、坡度B、坡向C、坡长D、土层厚度E、土壤类型F、地层岩性G、高程H、年平均降雨量I、距离河流的距离J、人类活动强度K共11个风险评价指标值,通过下式计算并经最大值归一化处理,得到每个林业小班单元的山地灾害危险度:
Si=∑WSjXij(i=1,2,…n;j=1,2,…11) (1)
其中,Si为第i个林业小班单元的山地灾害危险度;WSj——第j个指标的权重,依据AHP层次分析法确定;Xij为第i个林业小班单元第j个指标的值;
步骤4、根据坡长D、土壤类型F、年平均降雨量I、根据优势树种L、优势树种保护等级M、植被类型N、林龄O、生物量P、单元面积Q共9个风险评价指标值,通过下式计算并经最大值归一化处理,得到每个林业小班单元的生态系统易损度:
Ui=∑WUjYij(i=1,2,…n;j=1,2,…9) (2)
其中,Ui为第i个林业小班单元的生态系统易损度;WUj——第j个指标的权重,依据AHP层次分析法确定;Yij为第i个林业小班单元第j个指标的值;
步骤5、根据植被类型N、林龄O、生物量P共3个风险评价指标值,通过下式计算并经最大值归一化处理,得到每个林业小班单元的生态系统抗灾度:
Vi=∑WVjZij(i=1,2,…n;j=1,2,3) (3)
其中,Vi为第i个林业小班单元的生态系统抗灾度;WVj——第j个指标的权重,依据AHP层次分析法确定;Zij为第i个林业小班单元第j个指标的值;
步骤6、计算每个林业小班单元的综合生态破坏风险度R的值,得到山地灾害生态破坏风险评价结果,所述综合生态破坏风险度R=山地灾害危险度S×生态系统易损度U×生态系统抗灾度V。
2.根据权利要求1所述的一种基于作用过程的山地灾害生态破坏风险评价方法,其特征在于:所述土层厚度E的获取方法是:按照水流方向布设野外采样点,野外利用手动螺旋钻和卷尺完成土层厚度和坡度的测量,并记录测量每个测量点的土层厚度和坡度,然后进行回归分析拟合研究区坡度和土层厚度的函数关系,然后将该函数关系运用到整个研究区内的每一个栅格,计算每个栅格的土层厚度,最后以林业小班单元边界为基础,统计得到每个林业小班单元的土层厚度。
3.根据权利要求1所述的一种基于作用过程的山地灾害生态破坏风险评价方法,其特征在于:所述人类活动强度K的获取方法是:首先按照地形图识别研究区的丘陵区,然后通过遥感、野外调查或资料收集提取每个林业小班单元的丘陵区内的建设扰动面积,得到人类活动强度K。
4.根据权利要求1所述的一种基于作用过程的山地灾害生态破坏风险评价方法,其特征在于,所述优势树种保护等级M的获取方法是:采用克拉夫特林木分级法,按照树高和树冠的发育状况,通过野外调查、遥感调查或数据收集,将林木区分为5级,Ⅰ级为优势木,树高和直径最大,树冠很大且匀称,伸出一般林冠之上;Ⅱ级为亚优势木,树高略次于Ⅰ级,树冠发育正常,其大小亦次于Ⅰ级;Ⅲ级为中势木,生长尚好,但树高和直径比前两级林木较差,树冠较窄,位于林冠的下层,树木的圆满度比前两级林木较好;Ⅳ级为被压木,树高和直径生长都非常落后,树冠受挤压,通常都是小径木;Ⅴ级为濒死木,完全位于林冠下层,生长极落后,树冠稀疏而不规则。
5.根据权利要求1所述的一种基于作用过程的山地灾害生态破坏风险评价方法,其特征在于,所述生物量P的获取方法如下:生物量包括乔木层生物量和林下植被生物量;林下植被生物量采用样方收获法测定,即在样地中机械布设5-10个1-2m2的样方将其中的草灌木全部收获称重,并烘干测干重率,以样方的平均值推算全林的林下植被生物量;乔木层生物量采用等断面积径级法,即根据一定标准选择一组标准木,伐倒后测定其生物量,然后以样本组生物量实测数据构建回归方程,以回归方程推算乔木生物量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010120046.2A CN111415065B (zh) | 2020-02-26 | 2020-02-26 | 一种基于作用过程的山地灾害生态破坏风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010120046.2A CN111415065B (zh) | 2020-02-26 | 2020-02-26 | 一种基于作用过程的山地灾害生态破坏风险评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111415065A CN111415065A (zh) | 2020-07-14 |
CN111415065B true CN111415065B (zh) | 2023-05-12 |
Family
ID=71492830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010120046.2A Active CN111415065B (zh) | 2020-02-26 | 2020-02-26 | 一种基于作用过程的山地灾害生态破坏风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111415065B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112330150B (zh) * | 2020-11-05 | 2023-08-11 | 中国科学院、水利部成都山地灾害与环境研究所 | 大区域泥石流灾害可发性的早期判识方法 |
CN112668948B (zh) * | 2021-02-08 | 2022-03-11 | 浙江弄潮儿智慧科技有限公司 | 基于多源信息融合的林业生态环境人机交互系统及方法 |
CN113095619B (zh) * | 2021-03-04 | 2022-09-06 | 广东省科学院广州地理研究所 | 基于气候和土壤模拟植被生产力空间格局的方法及系统 |
CN113139745A (zh) * | 2021-05-13 | 2021-07-20 | 生态环境部南京环境科学研究所 | 一种生态破坏影响评估方法 |
CN113807740B (zh) * | 2021-09-30 | 2022-09-23 | 上海交通大学 | 山岭铁路隧道涌水径流水文灾害风险评估系统 |
CN114841607B (zh) * | 2022-05-26 | 2023-04-07 | 嘉祥县自然资源和规划局(嘉祥县林业局) | 一种基于互联网的林业监控方法及系统 |
CN115205675B (zh) * | 2022-06-29 | 2023-05-16 | 中国科学院地理科学与资源研究所 | 一种基于多源遥感数据的森林变化驱动力分类方法 |
CN116011745B (zh) * | 2022-12-20 | 2024-02-13 | 速度科技股份有限公司 | 一种基于云服务的生态修复方案优化方法及系统 |
CN116596303A (zh) * | 2023-05-08 | 2023-08-15 | 广东省水利水电科学研究院 | 一种干旱风险评估与区划方法、系统、介质、设备及终端 |
CN117392811B (zh) * | 2023-10-27 | 2024-05-07 | 浙江水文新技术开发经营有限公司 | 一种山丘降雨监测预警系统 |
CN117315491B (zh) * | 2023-11-28 | 2024-02-20 | 泰安市绿威园林有限公司 | 一种面向林业工程建设的生态红线预警方法 |
CN117610945B (zh) * | 2024-01-24 | 2024-04-05 | 四川省华地建设工程有限责任公司 | 基于人工智能的复杂山区地质灾害风险评价方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218522A (zh) * | 2013-04-01 | 2013-07-24 | 民政部国家减灾中心 | 一种划分洪灾风险等级的方法及装置 |
CN107463991A (zh) * | 2017-06-28 | 2017-12-12 | 西南石油大学 | 一种基于坡体单元与机器学习的区域滑坡危险性评价方法 |
JP2018105046A (ja) * | 2016-12-27 | 2018-07-05 | 富士通株式会社 | 土壌侵食地域推定方法および土壌侵食地域推定装置 |
CN108733619A (zh) * | 2018-05-17 | 2018-11-02 | 北京林业大学 | 全球任意森林小班生长预测模型定量估测方法 |
CN109242344A (zh) * | 2018-09-30 | 2019-01-18 | 青岛理工大学 | 区域滑坡灾害风险的多因素综合测定方法 |
CN109344215A (zh) * | 2018-09-17 | 2019-02-15 | 山西省林业科学研究院 | 一种检测小班林业资源的方法 |
CN109558474A (zh) * | 2018-12-07 | 2019-04-02 | 董云 | 基于Arcgis建立林地及森林资源地理数据库的方法及系统 |
WO2019073937A1 (ja) * | 2017-10-10 | 2019-04-18 | 日本信号株式会社 | 危険度評価システム |
JP2019144887A (ja) * | 2018-02-21 | 2019-08-29 | 株式会社パスコ | 森林計画情報調整システム及びプログラム |
CN110298577A (zh) * | 2019-06-21 | 2019-10-01 | 济南大学 | 一种基于dpsir模型的沿河村落山洪灾害风险评价方法及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004118817A (ja) * | 2002-09-26 | 2004-04-15 | Toshitaka Kamai | 谷(くぼ地)埋め盛土等の人工地形改変地域の災害発生予測の調査、解析手法および、それらにより作成した災害危険度予測図(ハザードマップ)の発明。 |
JP2006266858A (ja) * | 2005-03-24 | 2006-10-05 | Railway Technical Res Inst | 硬質堆積岩地域の災害発生危険度評価方法 |
RU2519807C1 (ru) * | 2012-12-25 | 2014-06-20 | Федеральное государственное бюджетное учреждение науки Центр геофизических исследований Владикавказского научного центра Российской академии наук и Правительства Республики Северная Осетия-Алания (ЦГИ ВНЦ РАН и РСО-А) | Способ определения поражения селями горной долины |
CN105184668A (zh) * | 2015-08-24 | 2015-12-23 | 国家电网公司 | 一种基于聚类分析的输电线路山火风险区域划分方法 |
-
2020
- 2020-02-26 CN CN202010120046.2A patent/CN111415065B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218522A (zh) * | 2013-04-01 | 2013-07-24 | 民政部国家减灾中心 | 一种划分洪灾风险等级的方法及装置 |
JP2018105046A (ja) * | 2016-12-27 | 2018-07-05 | 富士通株式会社 | 土壌侵食地域推定方法および土壌侵食地域推定装置 |
CN107463991A (zh) * | 2017-06-28 | 2017-12-12 | 西南石油大学 | 一种基于坡体单元与机器学习的区域滑坡危险性评价方法 |
WO2019073937A1 (ja) * | 2017-10-10 | 2019-04-18 | 日本信号株式会社 | 危険度評価システム |
JP2019144887A (ja) * | 2018-02-21 | 2019-08-29 | 株式会社パスコ | 森林計画情報調整システム及びプログラム |
CN108733619A (zh) * | 2018-05-17 | 2018-11-02 | 北京林业大学 | 全球任意森林小班生长预测模型定量估测方法 |
CN109344215A (zh) * | 2018-09-17 | 2019-02-15 | 山西省林业科学研究院 | 一种检测小班林业资源的方法 |
CN109242344A (zh) * | 2018-09-30 | 2019-01-18 | 青岛理工大学 | 区域滑坡灾害风险的多因素综合测定方法 |
CN109558474A (zh) * | 2018-12-07 | 2019-04-02 | 董云 | 基于Arcgis建立林地及森林资源地理数据库的方法及系统 |
CN110298577A (zh) * | 2019-06-21 | 2019-10-01 | 济南大学 | 一种基于dpsir模型的沿河村落山洪灾害风险评价方法及系统 |
Non-Patent Citations (10)
Title |
---|
宫清华 ; 黄光庆 ; 张冬良 ; 熊海仙 ; .基于斜坡单元的浅层滑坡风险区划――以华南松岗河小流域为例.安全与环境学报.2017,(02),全文. * |
宫清华 ; 黄光庆 ; 郭敏 ; 张俊香 ; .基于GIS技术的广东省洪涝灾害风险区划.自然灾害学报.2009,(01),全文. * |
李泽威 ; 杨登银 ; 王明华 ; 岳永强 ; 郝心宇 ; .基于GIS的恩施市龙凤镇地质灾害风险评价.资源环境与工程.2017,(01),全文. * |
王日标 ; 张剑波 ; 谭辉善 ; .地质灾害风险评价指标体系构建研究.南方国土资源.2017,(12),全文. * |
王高丹 ; 张建平 ; 赵旭升 ; 范光伟 ; 邓长涛 ; .基于多源数据的村镇山洪风险分析和评价研究.人民珠江.2017,(04),全文. * |
胡爽 ; 徐誉远 ; 王本洋 ; .我国森林健康评价方法综述.林业与环境科学.2017,(01),全文. * |
舒和平 ; 齐识 ; 宁娜 ; 马金珠 ; 张鹏 ; .甘肃省南部武都区泥石流灾害风险评价研究.自然灾害学报.2016,(06),全文. * |
陈华清 ; 杨敏 ; 张江华 ; 何芳 ; 乔冈 ; 刘瑞平 ; .基于抗灾能力的矿渣型泥石流风险评价方法――以小秦岭金矿区为例.地质通报.2015,(11),全文. * |
陈荟竹 ; 刘希林 ; .广东省热带气旋、雨涝灾害和地质灾害生态风险评价(Ⅱ).生态环境学报.2018,(11),全文. * |
陈超泉 ; 王政锋 ; 匡昭敏 ; 李莉 ; 孟翠丽 ; 何立 ; .基于GIS的广西暴雨风险度实时评估系统.计算机应用.2013,(01),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN111415065A (zh) | 2020-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111415065B (zh) | 一种基于作用过程的山地灾害生态破坏风险评价方法 | |
Jarrah et al. | A review of wind erosion models: Data requirements, processes, and validity | |
Preti et al. | Root profile assessment by means of hydrological, pedological and above-ground vegetation information for bio-engineering purposes | |
Prosdocimi et al. | Soil water erosion on Mediterranean vineyards: A review | |
Rodrigo et al. | Influence of sampling size in the estimation of mean throughfall in two Mediterranean holm oak forests | |
Schwarz et al. | Modelling of root reinforcement and erosion control by ‘Veronese’poplar on pastoral hill country in New Zealand | |
MacDonald et al. | Parameterizing redistribution and sublimation of blowing snow for hydrological models: tests in a mountainous subarctic catchment | |
Cao et al. | Studying early stage slope protection effects of vegetation communities for Xinnan Highway in China | |
Ivanova et al. | Fuel characteristics, loads and consumption in Scots pine forests of central Siberia | |
Sopharat et al. | A simple framework to analyze water constraints on seasonal transpiration in rubber tree (Hevea brasiliensis) plantations | |
Sutherland | Caesium‐137 estimates of erosion in agricultural areas | |
Smith | A comparative study of the hydrology of radiata pine and eucalypt forests at Lidsdale, NSW | |
Megersa | Prediction of runoff and sediment yield using annagnps model: case of Erer-Guda catchment, East Hararghe, Ethiopia | |
Wu et al. | Anthropogenic effect on forest landscape pattern and Cervidae habitats in northeastern China | |
Matranga et al. | Estimating soil surface roughness by proximal sensing for soil erosion modeling implementation at field scale | |
Japheth et al. | Volume Equations for Sustainable Forest Management of Ngel-Nyaki Forest Area in Taraba State, Nigeria | |
Torahi | Forest mapping and change analysis, using satellite imagery in Zagros mountain Iran | |
Parker et al. | Ponderosa pine growth response to soil strength in the volcanic ash soils of central Oregon | |
Rapinel et al. | Using LiDAR data to evaluate wetland functions | |
Wang et al. | Improved RUSLE model to simulate the effect of slope forest area on soil and water conservation | |
Neri et al. | Comparison of RUSLE model and UAV-GIS methodology to assess the effectiveness of temporary ditches in reducing soil erosion | |
Hannon Bradshaw | Sweden, forests & wind storms: developing a model to predict storm damage to forests in Kronoberg county | |
Adeyolanu et al. | Assessing quality of rice producing soils using two methods of quantification | |
Majlingová et al. | Results of forest fuel spatial distribution mapping for fire simulation purposes–case study | |
Hiltunen et al. | Analysing the groundwater level and its determinants in a drained peatland forest: a case study in South Lapland, Finland |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |