CN112561274A - 基于多要素情境的台风诱发地质灾害风险评估方法 - Google Patents

基于多要素情境的台风诱发地质灾害风险评估方法 Download PDF

Info

Publication number
CN112561274A
CN112561274A CN202011420812.3A CN202011420812A CN112561274A CN 112561274 A CN112561274 A CN 112561274A CN 202011420812 A CN202011420812 A CN 202011420812A CN 112561274 A CN112561274 A CN 112561274A
Authority
CN
China
Prior art keywords
disaster
geological
rainfall
risk
geological 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.)
Pending
Application number
CN202011420812.3A
Other languages
English (en)
Inventor
徐刚
徐登财
郭为人
陈温清
周明浪
胡坤霖
章豪
朱安峰
徐海燕
陈杰
张轶
范全龙
苏宗奎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wenzhou Bureau Of Natural Resources And Planning
Zhejiang Chengan Big Data Co ltd
Central South University
Zhejiang College of Security Technology
Original Assignee
Wenzhou Bureau Of Natural Resources And Planning
Zhejiang Chengan Big Data Co ltd
Central South University
Zhejiang College of Security Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wenzhou Bureau Of Natural Resources And Planning, Zhejiang Chengan Big Data Co ltd, Central South University, Zhejiang College of Security Technology filed Critical Wenzhou Bureau Of Natural Resources And Planning
Priority to CN202011420812.3A priority Critical patent/CN112561274A/zh
Publication of CN112561274A publication Critical patent/CN112561274A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Biophysics (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Primary Health Care (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)

Abstract

本发明涉及基于多要素情境的台风诱发地质灾害风险评估方法，包括台风诱发地质灾害风险分析以及台风诱发的地质灾害风险评估；所述台风诱发地质灾害风险分析包括数据收集与处理、区域地质灾害事件及孕灾环境分析、区域地质灾害与诱发因素关系分析以及地质灾害预警分析，根据风险管理理论，并结合突发性地质灾害风险影响因子的动态变化和风险动态评价结果，为研究区域提出合理的风险防范对策以及实施途径；所述台风诱发的地质灾害风险评估，基于自然灾害风险的形成机理，选择危险性、暴露性、脆弱性和防灾减灾能力等四个因子来进行地质灾害风险评价；通过对多源数据研究，建立多要素情境灾害风险动态评估体系，拓宽地质灾害风险评估的应用和方法。

Description

基于多要素情境的台风诱发地质灾害风险评估方法
技术领域
本发明属于台风灾害风险评估技术领域，尤其涉及基于多要素情境的台风诱发地质灾害风险评估方法。
背景技术
台风是产生于热带洋面上的一种强烈的热带气旋，我国作为世界上受台风灾害影响最严重的国家之一，历年来我国东南部沿海地区都会因为台风灾害造成重大的伤亡和经济损失；台风登陆后会给沿海地区带来滑坡、崩塌、泥石流等地质灾害，而且当台风深入到内陆或者是重新入海后，都会进一步造成损害。国内对于台风所引发的地质灾害(滑坡、崩塌、泥石流等)的研究多数侧重与对危险区划与风险分析的研究，对地质灾害的综合损失风险分析和动态评估则较少；由于地质灾害是具有不确定性和随机性的，对地质灾害造成的损失评估进行动态模拟评估是非常有必要的。因此，研发能对不同要素情境地区台风地质灾害进行动态模拟评估的基于多要素情境的台风诱发地质灾害风险评估方法成为了急需解决的技术问题。
发明内容
本发明为解决上述问题，提供了基于多要素情境的台风诱发地质灾害风险评估方法。
本发明的技术方案，基于多要素情境的台风诱发地质灾害风险评估方法，包括台风诱发地质灾害风险分析以及台风诱发的地质灾害风险评估；所述台风诱发地质灾害风险分析包括数据收集与处理、区域地质灾害事件及孕灾环境分析、区域地质灾害与诱发因素关系分析以及地质灾害预警分析，根据风险管理理论，并结合突发性地质灾害风险影响因子的动态变化和风险动态评价结果，为研究区域提出合理的风险防范对策以及实施途径；所述台风诱发的地质灾害风险评估，基于自然灾害风险的形成机理，选择危险性、暴露性、脆弱性和防灾减灾能力等四个因子来进行地质灾害风险评价。
采用上述方法后，通过台风诱发地质灾害风险分析对多源数据融合及关键机理研究，动态分析研究区域实际要素情境，通过台风诱发的地质灾害风险评估建立多要素地质灾害风险动态评估技术体系，对地质灾害进行风险动态评估，加深对灾害风险形成机理的研究，同时拓宽地质灾害风险评估的应用领域和方法。
作为本发明的进一步改进，所述数据收集与处理包括数据收集以及数据处理；所述数据收集包括遥感影像数据、地图数据、社会经济数据以及野外调研，所述遥感影像数据基于卫星影像数据以及全域航拍数据，所述地图数据基于研究区域地理数据，所述社会经济数据基于研究区域统计年鉴，该社会经济数据还包括灾害管理数据以及历史灾情数据，所述野外调研包括验证灾害点地理位置和规模、调查灾害点周边的承灾体以及验证遥感解译的土地利用类型是否准确；所述数据处理包括地质地形图数字化、地质因子的提取以及土地利用类型的遥感解译，所述地质地形图数字化通过航拍影像和DLR-DEM数字高程数据作为地质灾害调查为基础进行；所述地质因子的提取通过ArcGIS对相关的坡度和坡向等因子进行空间提取与分析；所述土地利用类型的遥感解译通过卫星和航拍的遥感影像图获取和识别地质灾害点周边承灾体的具体情况，将多幅遥感图像基于地理坐标的镶嵌构成一幅整体图像并对地质灾害建立解译标志。
采用上述方法后，通过收集遥感影像数据，获取带坐标的地理遥感图像，用于识别地质灾害点周边承灾体的具体情况；通过地图数据获取实际研究区域包括地质地貌数据、土壤类型数据以及地质灾害数据在内的各个数据；通过野外调研为极端降水诱发地质灾害风险动态评估关键指标选取提供参考，为极端降水诱发地质灾害风险动态评估的结果验证提供依据；通过数据处理能获取研究区域以及周边承灾体的数字化图形，便于进一步的研究。
作为本发明的进一步改进，所述区域地质灾害事件及孕灾环境分析是根据区域内地层岩性、地质构造、地形地貌、气象水文、植被条件及地震等因素定性分析区域内地质灾害发生的频率及强度；通过统计1960-2019年研究区域发生地质灾害的发生情况，将发生时间以15年为时间段分为4个时间段；运用ArcGIS空间分析将其空间化，得到60年间不同时间灾害发生的布局情况；通过地质灾害点分布统计反映各类地质灾害易发性的高低；通过地质灾害点密度反应局部范围内地质灾害发生次数。
采用上述方法后，通过统计1960-2019年研究区域发生地质灾害的发生情况并将其空间化，得到各类地质灾害易发性的高低以及局部范围内地质灾害发生次数，以此找出易受灾区域并在灾害发生前作出预警。
作为本发明的进一步改进，所述区域地质灾害与诱发因素关系分析包括分析区域内地质灾害与降雨时空相关性和与极端降雨量相关性的分析；根据降雨类型分为短时暴雨(灾害发生前10日内无明显降雨)和持续降雨(灾害发生前10日内有过降雨记录)，分别统计各降雨类型下灾害发生的次数及频率；根据降雨量大小，划定降雨等级为大雨(25-50mm)、暴雨(50-100mm)、大暴雨(100-250mm)、特大暴雨(>250mm)四个等级，统计各个等级下的降雨次数，通过气象站点数据分析插值，得到不同级别降雨发生空间分布图，结合研究区地质灾害点密度分布图，统计分析地质灾害点集中分布区域，选取极端降雨条件下的日降雨量大小作为短时降雨评价指标，累积有效降雨量表征持续降雨特征，研究日降雨量大小和累积有效降雨量与泥石流灾害发生相关系数，所述累积有效降雨量是灾害发生前的降雨过程中，对岩土体的稳定性产生影响的降雨量。
采用上述方法后，由于不同级别极端降雨量对泥石流灾害发生有不同的影响程度，因此通过统计各个气象站点数据获得不同级别降雨发生空间分布图，结合地质灾害点密度分布图进一步分析灾害点集中区域，提前对地质灾害加以预防。
作为本发明的进一步改进，所述地质灾害预警分析通过无量纲参数—潜势度来进行分析，分析的因素分为降雨因素和非降雨因素两类；所述非降雨因素依据滑坡和泥石流两种不同的地质灾害划分建立模型，并将含有物理量纲的非降雨因素归结为潜势度；所述滑坡模型非降雨因素分为建筑区环境、滑坡坡面环境和地质环境三大类，转换为潜势度等级为1-5级，所述泥石流模型非降雨因素分为形成区环境、流通区环境和地质环境三大类，转化为潜势度等级为1-3级，并分别计算相对敏感性系数，将敏感系数的计算结果归一化处理，通过主成分分析方法计算全部因子的贡献度，基于计算结果分值相对大小对应滑坡影响因子对滑坡发生的总贡献度；所述降雨因素通过雨量阈值的确定，将非降雨因素的潜势度等级作为列，降雨因素的降雨等级作为行，排列成预警矩阵；根据行列无量纲化的输入经预警判据矩阵运算生成1级(最高级)、2级、3级和4级(最低级，不产生预警)预警等级。
采用上述方法后，通过潜势度为灾害产生的降雨因素和非降雨因素进行分级，提高了灾害程度判断的科学性，考虑到表达风险的迫切性和实际意义，灾害风险分级能更好地表达灾害的危急程度。
作为本发明的进一步改进，所述潜势度是将一组连续的数值划分为有显著差异的若干等级，数值大小对应发生潜在能力的大小；每个数值对应一个确定的“是”(发生)或“否”(未发生)，每个等级作为1个单位，每个单位内“是”与“否”的含量(％)作为密度进行统计，根据密度分布特征将其转化为有物理意义的等级。
采用上述方法后，通过潜势度作为研究区域地质灾害孕育生成的条件组合或在能力的评价指标，代表着一个地区地质环境的特征，反应地质灾害生成内因的一种综合表达；通过对灾害发生情况进行统计，以发生密度来反应灾害发生的潜在可能。
作为本发明的进一步改进，所述台风诱发的地质灾害风险评估选择危险性、暴露性、脆弱性和防灾减灾能力这四个因子来进行灾害风险评价，通过分析相关研究成果与实地调研分析，所述危险性通过泥石流灾害发生的诱发因素特征、灾害环境地质特征和历史灾害特征等方面分析；承灾体暴露性与脆弱性主要从人口与经济暴露度及其脆弱度进行分析；防灾减灾能力从政府应急响应能力、灾害预警预报制度和居民应急疏散三个方面进行分析；同时基于自然灾害风险评价理论与地质灾害(滑坡、泥石流)的成灾机理，结合文献阅读、实地调研和数据收集的情况，建立地质灾害(滑坡、泥石流)风险评价指标体系，分为目标层、准则层和指标层，并采用层次分析法模型计算各指标权重；构建出地质灾害风险评价概念模型。
采用上述方法后，通过危险性、暴露性、脆弱性和防灾减灾能力这四个因子，根据风险管理理论，并结合突发性地质灾害风险影响因子的动态变化和风险动态评价结果，为研究区域提出合理的风险防范对策以及实施途径。
作为本发明的进一步改进，所述层次分析法(AHP)通过定性和定量结合分析来解决多目标或多方案；通过改善参数的权重值，最大化保持决策者的原始信息，使判断矩阵确定时矩阵具备理想的一致性；具体方法包括将粒子群优化算法加入层次分析法的分析中，构建PSO—AHP模型；通过建立综合评价系统的层次结构模型，构造判断矩阵并建立权重优化模型，利用PSO求解并进行一致性检验，主要分为以下步骤：(1)模型求解初始阶段，利用AHP建立综合评价系统的层次结构模型；根据因素间相对重要程度，构建各层次判断矩阵；确定PSO算法参数，包括粒子群个数n、最大迭代次数N、两个学习因子c1和c2、惯性系数vm及变化范围等；(2)运用PSO求解权重优化模型，步骤包括，①生成粒子初始解：生成(0，1)内的随机数并归一化处理，使其成为可行解；②计算初始粒子的适合度：将可行解带入目标函数中计算初始粒子的适应度，并选出全局最优粒子；③更新粒子迭代：个体最优值是初始粒子的第一次迭代中的粒子；在随后的迭代中，个体的最优值是当解空间移动时确定的最佳点；④确定更新后的粒子是否满足约束条件：如果不满足约束条件，则应对颗粒进行归一化处理；⑤计算更新后的粒子的适应度水平：比较和选择最佳粒子位置和最佳全局位置；⑥判断最优解是否满足迭代终止条件：如果条件满足迭代终止条件，则迭代停止；然后输出从模型中获得的最优解并移动到步骤7；如果条件不满足，返回到步骤③并重复过程；⑦计算与判断矩阵相对应的一致性比率值；如果不满足一致性要求，则通过最大方向改进法和区间数改进法来调整判断矩阵，然后返回到步骤①重新开始。
采用上述方法后，通过对初始粒子的迭代获取新的粒子，不断构造判断矩阵并建立权重优化PSO—AHP模型，使得判断成灾原因时灾害因子的权重配比能更科学，通过灾害因子得到的灾害评估能更符合研究区域实际受灾情况。
作为本发明的进一步改进，所述地质灾害风险评价概念模型构建利用自然灾害风险指数法和加权综合评价法，建立了地质灾害风险风险评价模型；基于自然灾害风险形成四因子理论和层次分析法，从地质灾害危险性、地质灾害承灾体暴露性、地质灾害承灾体脆弱性和区域防灾减灾能力四个因子选取指标，建立了地质灾害风险指数，计算公式如下，指标选取结合了研究区的社会、经济和环境状况，分成目标层、准则层、指标层，构建风险评价指标体系，
DFRI＝HWb×EWe×VWv×RWr
式中DFRI是地质灾害(滑坡、泥石流)风险指数；H是自然灾害危险性，是衡量造成灾害的自然变异的程度，由灾变活动规模(强度)和活动频次(概率)决定；E代表承灾体的暴露度，是指的可能受到地质灾害危险因素威胁的所有人和物，即受灾人口和物品价值；V指承灾体的脆弱度，指在灾害潜在发生地区存在的任何人或物品由于潜在风险而可能造成的损失程度；R衡量的是研究区内部的防灾减灾能力，包括应急管理能力、减灾投入、资源准备；Wh，Ws，Wv，Wr分别为地质灾害的危险性、暴露性、脆弱性和防灾减灾能力因子所占权重。
采用上述方法后，通过利用自然灾害风险指数法和加权综合评价法，使四个受灾因子配合PSO—AHP模型得出的权重进行计算，得到对应的地质灾害(滑坡、泥石流)风险指数，并以此评估研究区域的具体抗灾能力与可能的受灾情况，帮助指导研究区域抗灾减灾。
作为本发明的进一步改进，所述非降雨因素的滑坡灾害数据采集通过基于台风洪涝环境下的山体滑坡预警系统进行，该山体滑坡预警系统设置在高位滑坡上，所述高位滑坡包括从高至低的上部区、滑坡体、下部区，该滑坡体相对水平面倾斜，所述预警装置包括设置于上部区的GNSS基站、打入滑坡体内的若干个桩式检测模块及总控检测模块，所述若干个桩式检测模块呈间隔打入滑坡体，相对滑坡体表面深度最大的检测模块为总控检测模块，各检测模块之间均首尾连接有牵引绳、数据线，所述桩式检测模块内设有报警器、电池模块及活动开关，所述牵引绳一端与首部的检测模块活动开关连接，驱动活动开关闭合触发报警器，另一端与尾部的检测模块固定连接，所述数据线将各检测模块报警信号汇总于总控检测模块，由总控检测模块传输至GNSS基站；所述活动开关包括轴座、滑动轴及接触开关，所述滑动轴插设轴座内作滑动配合，并与牵引绳固定连接，该滑动轴与轴座上均设有凸缘，所述接触开关设置于两凸缘之间，并与报警器电性连接，控制警报器启闭，所述两凸缘之间套设有弹簧；所述检测模块上设有可脱离的扣件，该扣件与牵引绳连接；所述各检查件上均设有土壤湿度计，各土壤湿度计通过数据线汇总于总控检测模块；所述GNSS基站处设有雨量计、太阳能供电系统，所述GNSS基站、雨量计及各检查模块均通过太阳能供电系统供电；所述GNSS基站将数据上传至预警云平台。
采用上述方法后，通过将若干个桩式检测模块打入，排查到的危险滑坡体内，按一定间隔距离，设置于不同深度的土层中，山体滑坡由表面开始，随灾害严重程度，表面不同体量的土层会发送剪切位移而整体向斜坡体下方；例如发送一米深的土层位移时，处于该土层内的桩式检测模块随土层移动，而处于更深土层处的检测模块不动，由于牵引绳的拉扯，移动的检测模块被触发警报器，产生信号，由总控检测模块发送至SNSS基站。根据不同处于不同深度的检测模块所发出的信号，便可以判断山体滑坡的严重程度，从而提供预警和警报；总控检测模块设置在最深处，可以避免信号过早消失，当总控检测模块的信号消失，则说明滑坡程度超过预设值。总控模块内可以设置相应的芯片、存储器等常用电子器件；设置的弹簧，使滑动轴与轴座之间保持常开，避免细微动作导致误报，当牵引绳发生大于弹簧的拉，即土层移动时，方能使两凸缘靠近，挤压接触开关，是警报器电路接通，发出信号；当土层带动检测模块移动后，为防止处于安全土层内的检测模块被连带，因此设置可以脱离的扣件，当牵引绳拉力过大，警报器触发后，完成工作，扣件被拉断，两检测模块分离，保护安全土层内的检测模块不被带出；土壤湿度计检测各土层湿度，进而汇报数据；山区偏远难以维护，通过太阳能供电系统，实现长时间自足运行；上传至云平台进行实时检测。
附图说明
图1为本发明实施例的结构图1；
图2为本发明实施例的结构图2；
图3为本发明实施例的检查模块剖视图。
其中，1-高位滑坡、1-上部区、12-滑坡体、13-下部区、2-GNSS基站、3-检测模块、4-总控检测模块、5-牵引绳、6-报警器、7-电池模块、81-轴座、82-滑动轴、83-接触开关、84-凸缘、85-弹簧、91-土壤湿度计、92-雨量计、93-太阳能供电系统、94-扣件。
基于多要素情境的台风诱发地质灾害风险评估方法，包括台风诱发地质灾害风险分析以及台风诱发的地质灾害风险评估；所述台风诱发地质灾害风险分析包括数据收集与处理、区域地质灾害事件及孕灾环境分析、区域地质灾害与诱发因素关系分析以及地质灾害预警分析，根据风险管理理论，并结合突发性地质灾害风险影响因子的动态变化和风险动态评价结果，为研究区域提出合理的风险防范对策以及实施途径；所述台风诱发的地质灾害风险评估，基于自然灾害风险的形成机理，选择危险性、暴露性、脆弱性和防灾减灾能力等四个因子来进行地质灾害风险评价。
通过台风诱发地质灾害风险分析对多源数据融合及关键机理研究，动态分析研究区域实际要素情境，通过台风诱发的地质灾害风险评估建立多要素地质灾害风险动态评估技术体系，对地质灾害进行风险动态评估，加深对灾害风险形成机理的研究，同时拓宽地质灾害风险评估的应用领域和方法。
所述数据收集与处理包括数据收集以及数据处理；所述数据收集包括遥感影像数据、地图数据、社会经济数据以及野外调研，所述遥感影像数据基于卫星影像数据以及全域航拍数据，所述地图数据基于研究区域地理数据，所述社会经济数据基于研究区域统计年鉴，该社会经济数据还包括灾害管理数据以及历史灾情数据，所述野外调研包括验证灾害点地理位置和规模、调查灾害点周边的承灾体以及验证遥感解译的土地利用类型是否准确；所述数据处理包括地质地形图数字化、地质因子的提取以及土地利用类型的遥感解译，所述地质地形图数字化通过航拍影像和DLR-DEM数字高程数据作为地质灾害调查为基础进行；所述地质因子的提取通过ArcGIS对相关的坡度和坡向等因子进行空间提取与分析；所述土地利用类型的遥感解译通过卫星和航拍的遥感影像图获取和识别地质灾害点周边承灾体的具体情况，将多幅遥感图像基于地理坐标的镶嵌构成一幅整体图像并对地质灾害建立解译标志。
通过收集遥感影像数据，获取带坐标的地理遥感图像，用于识别地质灾害点周边承灾体的具体情况；通过地图数据获取实际研究区域包括地质地貌数据、土壤类型数据以及地质灾害数据在内的各个数据；通过野外调研为极端降水诱发地质灾害风险动态评估关键指标选取提供参考，为极端降水诱发地质灾害风险动态评估的结果验证提供依据；通过数据处理能获取研究区域以及周边承灾体的数字化图形，便于进一步的研究。
所述区域地质灾害事件及孕灾环境分析是根据区域内地层岩性、地质构造、地形地貌、气象水文、植被条件及地震等因素定性分析区域内地质灾害发生的频率及强度；通过统计1960-2019年研究区域发生地质灾害的发生情况，将发生时间以15年为时间段分为4个时间段；运用ArcGIS空间分析将其空间化，得到60年间不同时间灾害发生的布局情况；通过地质灾害点分布统计反映各类地质灾害易发性的高低；通过地质灾害点密度反应局部范围内地质灾害发生次数。
通过统计1960-2019年研究区域发生地质灾害的发生情况并将其空间化，得到各类地质灾害易发性的高低以及局部范围内地质灾害发生次数，以此找出易受灾区域并在灾害发生前作出预警，实际案例中如研究区域泥石流灾害点密度越大，则该区域为泥石流灾害集中区域，反之则该区域泥石流灾害发生次数较少。
所述区域地质灾害与诱发因素关系分析包括分析区域内地质灾害与降雨时空相关性和与极端降雨量相关性的分析；根据降雨类型分为短时暴雨(灾害发生前10日内无明显降雨)和持续降雨(灾害发生前10日内有过降雨记录)，分别统计各降雨类型下灾害发生的次数及频率；根据降雨量大小，划定降雨等级为大雨(25-50mm)、暴雨(50-100mm)、大暴雨(100-250mm)、特大暴雨(>250mm)四个等级，统计各个等级下的降雨次数，通过气象站点数据分析插值，得到不同级别降雨发生空间分布图，结合研究区地质灾害点密度分布图，统计分析地质灾害点集中分布区域，选取极端降雨条件下的日降雨量大小作为短时降雨评价指标，累积有效降雨量表征持续降雨特征，研究日降雨量大小和累积有效降雨量与泥石流灾害发生相关系数，所述累积有效降雨量是灾害发生前的降雨过程中，对岩土体的稳定性产生影响的降雨量。
由于不同级别极端降雨量对泥石流灾害发生有不同的影响程度，因此通过统计各个气象站点数据获得不同级别降雨发生空间分布图，结合地质灾害点密度分布图进一步分析灾害点集中区域，提前对地质灾害加以预防。
所述地质灾害预警分析通过无量纲参数—潜势度来进行分析，分析的因素分为降雨因素和非降雨因素两类；所述非降雨因素依据滑坡和泥石流两种不同的地质灾害划分建立模型，并将含有物理量纲的非降雨因素归结为潜势度；所述滑坡模型非降雨因素分为建筑区环境、滑坡坡面环境和地质环境三大类，转换为潜势度等级为1-5级，所述泥石流模型非降雨因素分为形成区环境、流通区环境和地质环境三大类，转化为潜势度等级为1-3级，并分别计算相对敏感性系数，将敏感系数的计算结果归一化处理，通过主成分分析方法计算全部因子的贡献度，基于计算结果分值相对大小对应滑坡影响因子对滑坡发生的总贡献度；所述降雨因素通过雨量阈值的确定，将非降雨因素的潜势度等级作为列，降雨因素的降雨等级作为行，排列成预警矩阵；根据行列无量纲化的输入经预警判据矩阵运算生成1级(最高级)、2级、3级和4级(最低级，不产生预警)预警等级。
通过潜势度为灾害产生的降雨因素和非降雨因素进行分级，提高了灾害程度判断的科学性，考虑到表达风险的迫切性和实际意义，灾害风险分级能更好地表达灾害的危急程度。
所述潜势度是将一组连续的数值划分为有显著差异的若干等级，数值大小对应发生潜在能力的大小；每个数值对应一个确定的“是”(发生)或“否”(未发生)，每个等级作为1个单位，每个单位内“是”与“否”的含量(％)作为密度进行统计，根据密度分布特征将其转化为有物理意义的等级。
通过潜势度作为研究区域地质灾害孕育生成的条件组合或在能力的评价指标，代表着一个地区地质环境的特征，反应地质灾害生成内因的一种综合表达；通过对灾害发生情况进行统计，以发生密度来反应灾害发生的潜在可能。
所述台风诱发的地质灾害风险评估选择危险性、暴露性、脆弱性和防灾减灾能力这四个因子来进行灾害风险评价，通过分析相关研究成果与实地调研分析，所述危险性通过泥石流灾害发生的诱发因素特征、灾害环境地质特征和历史灾害特征等方面分析；承灾体暴露性与脆弱性主要从人口与经济暴露度及其脆弱度进行分析；防灾减灾能力从政府应急响应能力、灾害预警预报制度和居民应急疏散三个方面进行分析；同时基于自然灾害风险评价理论与地质灾害(滑坡、泥石流)的成灾机理，结合文献阅读、实地调研和数据收集的情况，建立地质灾害(滑坡、泥石流)风险评价指标体系，分为目标层、准则层和指标层，并采用层次分析法模型计算各指标权重；构建出地质灾害风险评价概念模型。
通过危险性、暴露性、脆弱性和防灾减灾能力这四个因子，根据风险管理理论，并结合突发性地质灾害风险影响因子的动态变化和风险动态评价结果，为研究区域提出合理的风险防范对策以及实施途径。
所述层次分析法(AHP)通过定性和定量结合分析来解决多目标或多方案；通过改善参数的权重值，最大化保持决策者的原始信息，使判断矩阵确定时矩阵具备理想的一致性；具体方法包括将粒子群优化算法加入层次分析法的分析中，构建PSO—AHP模型；通过建立综合评价系统的层次结构模型，构造判断矩阵并建立权重优化模型，利用PSO求解并进行一致性检验，主要分为以下步骤：(1)模型求解初始阶段，利用AHP建立综合评价系统的层次结构模型；根据因素间相对重要程度，构建各层次判断矩阵；确定PSO算法参数，包括粒子群个数n、最大迭代次数N、两个学习因子c1和c2、惯性系数vm及变化范围等；(2)运用PSO求解权重优化模型，步骤包括，①生成粒子初始解：生成(0，1)内的随机数并归一化处理，使其成为可行解；②计算初始粒子的适合度：将可行解带入目标函数中计算初始粒子的适应度，并选出全局最优粒子；③更新粒子迭代：个体最优值是初始粒子的第一次迭代中的粒子；在随后的迭代中，个体的最优值是当解空间移动时确定的最佳点；④确定更新后的粒子是否满足约束条件：如果不满足约束条件，则应对颗粒进行归一化处理；⑤计算更新后的粒子的适应度水平：比较和选择最佳粒子位置和最佳全局位置；⑥判断最优解是否满足迭代终止条件：如果条件满足迭代终止条件，则迭代停止；然后输出从模型中获得的最优解并移动到步骤7；如果条件不满足，返回到步骤③并重复过程；⑦计算与判断矩阵相对应的一致性比率值；如果不满足一致性要求，则通过最大方向改进法和区间数改进法来调整判断矩阵，然后返回到步骤①重新开始。
通过对初始粒子的迭代获取新的粒子，不断构造判断矩阵并建立权重优化PSO—AHP模型，使得判断成灾原因时灾害因子的权重配比能更科学，通过灾害因子得到的灾害评估能更符合研究区域实际受灾情况。
所述地质灾害风险评价概念模型构建利用自然灾害风险指数法和加权综合评价法，建立了地质灾害风险风险评价模型；基于自然灾害风险形成四因子理论和层次分析法，从地质灾害危险性、地质灾害承灾体暴露性、地质灾害承灾体脆弱性和区域防灾减灾能力四个因子选取指标，建立了地质灾害风险指数，计算公式如下，指标选取结合了研究区的社会、经济和环境状况，分成目标层、准则层、指标层，构建风险评价指标体系，
DFRI＝HWb×EWe×VWv×RWr
式中DFRI是地质灾害(滑坡、泥石流)风险指数；H是自然灾害危险性，是衡量造成灾害的自然变异的程度，由灾变活动规模(强度)和活动频次(概率)决定；E代表承灾体的暴露度，是指的可能受到地质灾害危险因素威胁的所有人和物，即受灾人口和物品价值；V指承灾体的脆弱度，指在灾害潜在发生地区存在的任何人或物品由于潜在风险而可能造成的损失程度；R衡量的是研究区内部的防灾减灾能力，包括应急管理能力、减灾投入、资源准备；Wh，Ws，Wv，Wr分别为地质灾害的危险性、暴露性、脆弱性和防灾减灾能力因子所占权重。
通过利用自然灾害风险指数法和加权综合评价法，使四个受灾因子配合PSO—AHP模型得出的权重进行计算，得到对应的地质灾害(滑坡、泥石流)风险指数，并以此评估研究区域的具体抗灾能力与可能的受灾情况，帮助指导研究区域抗灾减灾。
如图1-3所示，所述非降雨因素的滑坡灾害数据采集通过基于台风洪涝环境下的山体滑坡预警系统进行，该山体滑坡预警系统设置在高位滑坡1上，所述高位滑坡1包括从高至低的上部区11、滑坡体12、下部区13，该滑坡体12相对水平面倾斜，所述预警装置包括设置于上部区11的GNSS基站2、打入滑坡体12内的若干个桩式检测模块3及总控检测模块4，所述若干个桩式检测模块3呈间隔打入滑坡体12，相对滑坡体12表面深度最大的检测模块为总控检测模块4，各检测模块之间均首尾连接有牵引绳5、数据线，所述桩式检测模块3内设有报警器6、电池模块7及活动开关，所述牵引绳5一端与首部的检测模块活动开关连接，驱动活动开关闭合触发报警器6，另一端与尾部的检测模块固定连接，所述数据线将各检测模块报警信号汇总于总控检测模块4，由总控检测模块4传输至GNSS基站2；所述活动开关包括轴座81、滑动轴82及接触开关83，所述滑动轴82插设轴座81内作滑动配合，并与牵引绳5固定连接，该滑动轴82与轴座81上均设有凸缘84，所述接触开关83设置于两凸缘84之间，并与报警器6电性连接，控制警报器启闭，所述两凸缘84之间套设有弹簧85；所述检测模块上设有可脱离的扣件94，该扣件94与牵引绳5连接；所述各检查件上均设有土壤湿度计91，各土壤湿度计91通过数据线汇总于总控检测模块4；所述GNSS基站2处设有雨量计92、太阳能供电系统93，所述GNSS基站2、雨量计92及各检查模块均通过太阳能供电系统93供电；所述GNSS基站2将数据上传至预警云平台。
通过将若干个桩式检测模块3打入，排查到的危险滑坡体12内，按一定间隔距离，设置于不同深度的土层中，山体滑坡由表面开始，随灾害严重程度，表面不同体量的土层会发送剪切位移95而整体向斜坡体下方；例如发送一米深的土层位移时，处于该土层内的桩式检测模块3随土层移动，而处于更深土层处的检测模块不动，由于牵引绳5的拉扯，移动的检测模块被触发警报器，产生信号，由总控检测模块4发送至SNSS基站。根据不同处于不同深度的检测模块所发出的信号，便可以判断山体滑坡的严重程度，从而提供预警和警报；总控检测模块4设置在最深处，可以避免信号过早消失，当总控检测模块4的信号消失，则说明滑坡程度超过预设值。总控检查模块4内可以设置相应的芯片、存储器等常用电子器件，数据线可以藏于牵引绳内；设置的弹簧85，使滑动轴82与轴座81之间保持常开，避免细微动作导致误报，当牵引绳5发生大于弹簧85的拉，即土层移动时，方能使两凸缘84靠近，挤压接触开关83，是警报器电路接通，发出信号；当土层带动检测模块移动后，为防止处于安全土层内的检测模块被连带，因此设置可以脱离的扣件94，当牵引绳5拉力过大，警报器触发后，完成工作，扣件94被拉断，两检测模块分离，保护安全土层内的检测模块不被带出；土壤湿度计检测各土层湿度，进而汇报数据；山区偏远难以维护，通过太阳能供电系统93，实现长时间自足运行；上传至云平台进行实时检测。

Claims (10)

1.基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：包括台风诱发地质灾害风险分析以及台风诱发的地质灾害风险评估；所述台风诱发地质灾害风险分析包括数据收集与处理、区域地质灾害事件及孕灾环境分析、区域地质灾害与诱发因素关系分析以及地质灾害预警分析，根据风险管理理论，并结合突发性地质灾害风险影响因子的动态变化和风险动态评价结果，为研究区域提出合理的风险防范对策以及实施途径；所述台风诱发的地质灾害风险评估，基于自然灾害风险的形成机理，选择危险性、暴露性、脆弱性和防灾减灾能力等四个因子来进行地质灾害风险评价。
2.根据权利要求1所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述数据收集与处理包括数据收集以及数据处理；所述数据收集包括遥感影像数据、地图数据、社会经济数据以及野外调研，所述遥感影像数据基于卫星影像数据以及全域航拍数据，所述地图数据基于研究区域地理数据，所述社会经济数据基于研究区域统计年鉴，该社会经济数据还包括灾害管理数据以及历史灾情数据，所述野外调研包括验证灾害点地理位置和规模、调查灾害点周边的承灾体以及验证遥感解译的土地利用类型是否准确；所述数据处理包括地质地形图数字化、地质因子的提取以及土地利用类型的遥感解译，所述地质地形图数字化通过航拍影像和DLR-DEM数字高程数据作为地质灾害调查为基础进行；所述地质因子的提取通过ArcGIS对相关的坡度和坡向等因子进行空间提取与分析；所述土地利用类型的遥感解译通过卫星和航拍的遥感影像图获取和识别地质灾害点周边承灾体的具体情况，将多幅遥感图像基于地理坐标的镶嵌构成一幅整体图像并对地质灾害建立解译标志。
3.根据权利要求1所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述区域地质灾害事件及孕灾环境分析是根据区域内地层岩性、地质构造、地形地貌、气象水文、植被条件及地震等因素定性分析区域内地质灾害发生的频率及强度；通过统计1960-2019年研究区域发生地质灾害的发生情况，将发生时间以15年为时间段分为4个时间段；运用ArcGIS空间分析将其空间化，得到60年间不同时间灾害发生的布局情况；通过地质灾害点分布统计反映各类地质灾害易发性的高低；通过地质灾害点密度反应局部范围内地质灾害发生次数。
4.根据权利要求1所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述区域地质灾害与诱发因素关系分析包括分析区域内地质灾害与降雨时空相关性和与极端降雨量相关性的分析；根据降雨类型分为短时暴雨(灾害发生前10日内无明显降雨)和持续降雨(灾害发生前10日内有过降雨记录)，分别统计各降雨类型下灾害发生的次数及频率；根据降雨量大小，划定降雨等级为大雨(25-50mm)、暴雨(50-100mm)、大暴雨(100-250mm)、特大暴雨(>250mm)四个等级，统计各个等级下的降雨次数，通过气象站点数据分析插值，得到不同级别降雨发生空间分布图，结合研究区地质灾害点密度分布图，统计分析地质灾害点集中分布区域，选取极端降雨条件下的日降雨量大小作为短时降雨评价指标，累积有效降雨量表征持续降雨特征，研究日降雨量大小和累积有效降雨量与泥石流灾害发生相关系数，所述累积有效降雨量是灾害发生前的降雨过程中，对岩土体的稳定性产生影响的降雨量。
5.根据权利要求1所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述地质灾害预警分析通过无量纲参数—潜势度来进行分析，分析的因素分为降雨因素和非降雨因素两类；所述非降雨因素依据滑坡和泥石流两种不同的地质灾害划分建立模型，并将含有物理量纲的非降雨因素归结为潜势度；所述滑坡模型非降雨因素分为建筑区环境、滑坡坡面环境和地质环境三大类，转换为潜势度等级为1-5级，所述泥石流模型非降雨因素分为形成区环境、流通区环境和地质环境三大类，转化为潜势度等级为1-3级，并分别计算相对敏感性系数，将敏感系数的计算结果归一化处理，通过主成分分析方法计算全部因子的贡献度，基于计算结果分值相对大小对应滑坡影响因子对滑坡发生的总贡献度；所述降雨因素通过雨量阈值的确定，将非降雨因素的潜势度等级作为列，降雨因素的降雨等级作为行，排列成预警矩阵；根据行列无量纲化的输入经预警判据矩阵运算生成1级(最高级)、2级、3级和4级(最低级，不产生预警)预警等级。
6.根据权利要求5所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述潜势度是将一组连续的数值划分为有显著差异的若干等级，数值大小对应发生潜在能力的大小；每个数值对应一个确定的“是”(发生)或“否”(未发生)，每个等级作为1个单位，每个单位内“是”与“否”的含量(％)作为密度进行统计，根据密度分布特征将其转化为有物理意义的等级。
7.根据权利要求1所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述台风诱发的地质灾害风险评估选择危险性、暴露性、脆弱性和防灾减灾能力等四个因子来进行灾害风险评价，通过分析相关研究成果与实地调研分析，所述危险性通过泥石流灾害发生的诱发因素特征、灾害环境地质特征和历史灾害特征等方面分析；承灾体暴露性与脆弱性主要从人口与经济暴露度及其脆弱度进行分析；防灾减灾能力从政府应急响应能力、灾害预警预报制度和居民应急疏散三个方面进行分析；同时基于自然灾害风险评价理论与地质灾害(滑坡、泥石流)的成灾机理，结合文献阅读、实地调研和数据收集的情况，建立地质灾害(滑坡、泥石流)风险评价指标体系，分为目标层、准则层和指标层，并采用层次分析法模型计算各指标权重；构建出地质灾害风险评价概念模型。
8.根据权利要求7所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述层次分析法(AHP)通过定性和定量结合分析来解决多目标或多方案；通过改善参数的权重值，最大化保持决策者的原始信息，使判断矩阵确定时矩阵具备理想的一致性；具体方法包括将粒子群优化算法加入层次分析法的分析中，构建PSO—AHP模型；通过建立综合评价系统的层次结构模型，构造判断矩阵并建立权重优化模型，利用PSO求解并进行一致性检验，主要分为以下步骤：(1)模型求解初始阶段，利用AHP建立综合评价系统的层次结构模型；根据因素间相对重要程度，构建各层次判断矩阵；确定PSO算法参数，包括粒子群个数n、最大迭代次数N、两个学习因子c1和c2、惯性系数vm及变化范围等；(2)运用PSO求解权重优化模型，步骤包括，①生成粒子初始解：生成(0，1)内的随机数并归一化处理，使其成为可行解；②计算初始粒子的适合度：将可行解带入目标函数中计算初始粒子的适应度，并选出全局最优粒子；③更新粒子迭代：个体最优值是初始粒子的第一次迭代中的粒子；在随后的迭代中，个体的最优值是当解空间移动时确定的最佳点；④确定更新后的粒子是否满足约束条件：如果不满足约束条件，则应对颗粒进行归一化处理；⑤计算更新后的粒子的适应度水平：比较和选择最佳粒子位置和最佳全局位置；⑥判断最优解是否满足迭代终止条件：如果条件满足迭代终止条件，则迭代停止；然后输出从模型中获得的最优解并移动到步骤7；如果条件不满足，返回到步骤③并重复过程；⑦计算与判断矩阵相对应的一致性比率值；如果不满足一致性要求，则通过最大方向改进法和区间数改进法来调整判断矩阵，然后返回到步骤①重新开始。
9.根据权利要求7所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述地质灾害风险评价概念模型构建利用自然灾害风险指数法和加权综合评价法，建立了地质灾害风险风险评价模型；基于自然灾害风险形成四因子理论和层次分析法，从地质灾害危险性、地质灾害承灾体暴露性、地质灾害承灾体脆弱性和区域防灾减灾能力四个因子选取指标，建立了地质灾害风险指数，计算公式如下，指标选取结合了研究区的社会、经济和环境状况，分成目标层、准则层、指标层，构建风险评价指标体系，
Figure FDA0002822256720000031
式中DFRI是地质灾害(滑坡、泥石流)风险指数；H是自然灾害危险性，是衡量造成灾害的自然变异的程度，由灾变活动规模(强度)和活动频次(概率)决定；E代表承灾体的暴露度，是指的可能受到地质灾害危险因素威胁的所有人和物，即受灾人口和物品价值；V指承灾体的脆弱度，指在灾害潜在发生地区存在的任何人或物品由于潜在风险而可能造成的损失程度；R衡量的是研究区内部的防灾减灾能力，包括应急管理能力、减灾投入、资源准备；Wh，Ws，Wv，Wr分别为地质灾害的危险性、暴露性、脆弱性和防灾减灾能力因子所占权重。
10.根据权利要求5所述基于多要素情境的台风诱发地质灾害风险评估方法，其特征在于：所述非降雨因素的滑坡灾害数据采集通过基于台风洪涝环境下的山体滑坡预警系统进行，该山体滑坡预警系统设置在高位滑坡上，所述高位滑坡包括从高至低的上部区、滑坡体、下部区，该滑坡体相对水平面倾斜，所述预警装置包括设置于上部区的GNSS基站、打入滑坡体内的若干个桩式检测模块及总控检测模块，所述若干个桩式检测模块呈间隔打入滑坡体，相对滑坡体表面深度最大的检测模块为总控检测模块，各检测模块之间均首尾连接有牵引绳、数据线，所述桩式检测模块内设有报警器、电池模块及活动开关，所述牵引绳一端与首部的检测模块活动开关连接，驱动活动开关闭合触发报警器，另一端与尾部的检测模块固定连接，所述数据线将各检测模块报警信号汇总于总控检测模块，由总控检测模块传输至GNSS基站；所述活动开关包括轴座、滑动轴及接触开关，所述滑动轴插设轴座内作滑动配合，并与牵引绳固定连接，该滑动轴与轴座上均设有凸缘，所述接触开关设置于两凸缘之间，并与报警器电性连接，控制警报器启闭，所述两凸缘之间套设有弹簧；所述检测模块上设有可脱离的扣件，该扣件与牵引绳连接；所述各检查件上均设有土壤湿度计，各土壤湿度计通过数据线汇总于总控检测模块；所述GNSS基站处设有雨量计、太阳能供电系统，所述GNSS基站、雨量计及各检查模块均通过太阳能供电系统供电；所述GNSS基站将数据上传至预警云平台。
CN202011420812.3A 2020-12-08 2020-12-08 基于多要素情境的台风诱发地质灾害风险评估方法 Pending CN112561274A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011420812.3A CN112561274A (zh) 2020-12-08 2020-12-08 基于多要素情境的台风诱发地质灾害风险评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011420812.3A CN112561274A (zh) 2020-12-08 2020-12-08 基于多要素情境的台风诱发地质灾害风险评估方法

Publications (1)

Publication Number Publication Date
CN112561274A true CN112561274A (zh) 2021-03-26

Family

ID=75059343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011420812.3A Pending CN112561274A (zh) 2020-12-08 2020-12-08 基于多要素情境的台风诱发地质灾害风险评估方法

Country Status (1)

Country Link
CN (1) CN112561274A (zh)

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113192296A (zh) * 2021-04-19 2021-07-30 武汉邻盛智能设备有限公司 一种水灾灾害判定及预警方法
CN113469582A (zh) * 2021-09-01 2021-10-01 中国科学院地理科学与资源研究所 一种多层级台风灾害风险评估方法
CN113538857A (zh) * 2021-07-14 2021-10-22 广东电网有限责任公司广州供电局 一种滑坡地质灾害预警方法、装置、终端及存储介质
CN113642781A (zh) * 2021-07-23 2021-11-12 国家石油天然气管网集团有限公司 一种地质灾害区域管道安全风险监测预警方法
CN113657703A (zh) * 2021-07-02 2021-11-16 北京师范大学 一种区域台风灾害刚韧性系统动力学模拟方法
CN113807740A (zh) * 2021-09-30 2021-12-17 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
CN113902259A (zh) * 2021-09-14 2022-01-07 中铁第一勘察设计院集团有限公司 湿雪崩灾害风险评估方法及装置
CN113903238A (zh) * 2021-09-23 2022-01-07 成都信息工程大学 一种台风虚拟仿真实验教学系统及方法
CN114048944A (zh) * 2021-10-09 2022-02-15 浙江大学 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法
CN114897378A (zh) * 2022-05-20 2022-08-12 湖北省地质局第三地质大队 地质灾害精细化气象风险预警区评价方法及装置
CN114926067A (zh) * 2022-05-31 2022-08-19 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) 一种基于信息量模型的层次分析地质灾害风险评价方法
CN115271374A (zh) * 2022-06-30 2022-11-01 中铁西南科学研究院有限公司 一种山区铁路工程结构水害风险评价系统
CN116050824A (zh) * 2022-12-14 2023-05-02 应急管理部国家自然灾害防治研究院 一种复合灾害的态势感知与应急评价方法及系统
CN116432869A (zh) * 2023-06-13 2023-07-14 云南格点气象科技有限公司 气象灾害预警方法、装置、设备及存储介质
CN117574096A (zh) * 2024-01-15 2024-02-20 西安道法数器信息科技有限公司 基于大数据的农林有害生物预测方法
CN118114992A (zh) * 2024-04-28 2024-05-31 泰安市金土地测绘整理有限公司 一种遥感卫星地质灾害预警方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203882419U (zh) * 2014-06-18 2014-10-15 国网四川省电力公司成都市新都供电分公司 一种山体滑坡预警装置
CN204457878U (zh) * 2015-03-16 2015-07-08 中铁西北科学研究院有限公司深圳南方分院 无线缆、可长期独立工作的滑坡灾害监测预警系统
CN205621236U (zh) * 2016-03-24 2016-10-05 张家界航空工业职业技术学院 一种地震泥石流滑坡自动预警报警系统
CN107749146A (zh) * 2017-11-30 2018-03-02 中国地质大学（武汉） 一种具备自保护功能的山体滑坡预警装置
CN110006383A (zh) * 2019-03-27 2019-07-12 中国地质大学（武汉） 一种适用于滑坡深部大位移的监测装置
CN211787441U (zh) * 2020-04-03 2020-10-27 中交二公局第六工程有限公司 一种基于高寒山区的湿陷性黄土高位滑坡安全监测系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN203882419U (zh) * 2014-06-18 2014-10-15 国网四川省电力公司成都市新都供电分公司 一种山体滑坡预警装置
CN204457878U (zh) * 2015-03-16 2015-07-08 中铁西北科学研究院有限公司深圳南方分院 无线缆、可长期独立工作的滑坡灾害监测预警系统
CN205621236U (zh) * 2016-03-24 2016-10-05 张家界航空工业职业技术学院 一种地震泥石流滑坡自动预警报警系统
CN107749146A (zh) * 2017-11-30 2018-03-02 中国地质大学（武汉） 一种具备自保护功能的山体滑坡预警装置
CN110006383A (zh) * 2019-03-27 2019-07-12 中国地质大学（武汉） 一种适用于滑坡深部大位移的监测装置
CN211787441U (zh) * 2020-04-03 2020-10-27 中交二公局第六工程有限公司 一种基于高寒山区的湿陷性黄土高位滑坡安全监测系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵晓东等: "基于GIS的潜势度地质灾害预警预报模型研究", 《地理与地理信息科学》 *
陈骏炜: "极端降雨诱发山区泥石流灾害风险动态评估研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》 *

Cited By (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113192296A (zh) * 2021-04-19 2021-07-30 武汉邻盛智能设备有限公司 一种水灾灾害判定及预警方法
CN113657703A (zh) * 2021-07-02 2021-11-16 北京师范大学 一种区域台风灾害刚韧性系统动力学模拟方法
CN113657703B (zh) * 2021-07-02 2023-11-07 北京师范大学 一种区域台风灾害刚韧性系统动力学模拟方法
CN113538857A (zh) * 2021-07-14 2021-10-22 广东电网有限责任公司广州供电局 一种滑坡地质灾害预警方法、装置、终端及存储介质
CN113538857B (zh) * 2021-07-14 2022-12-16 广东电网有限责任公司广州供电局 一种滑坡地质灾害预警方法、装置、终端及存储介质
CN113642781A (zh) * 2021-07-23 2021-11-12 国家石油天然气管网集团有限公司 一种地质灾害区域管道安全风险监测预警方法
CN113469582A (zh) * 2021-09-01 2021-10-01 中国科学院地理科学与资源研究所 一种多层级台风灾害风险评估方法
CN113902259A (zh) * 2021-09-14 2022-01-07 中铁第一勘察设计院集团有限公司 湿雪崩灾害风险评估方法及装置
CN113903238A (zh) * 2021-09-23 2022-01-07 成都信息工程大学 一种台风虚拟仿真实验教学系统及方法
CN113903238B (zh) * 2021-09-23 2023-10-03 成都信息工程大学 一种台风虚拟仿真实验教学系统及方法
CN113807740A (zh) * 2021-09-30 2021-12-17 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
CN114048944A (zh) * 2021-10-09 2022-02-15 浙江大学 一种暴雨诱发地质灾害下应撤离人口及损毁房屋的预估方法
CN114897378A (zh) * 2022-05-20 2022-08-12 湖北省地质局第三地质大队 地质灾害精细化气象风险预警区评价方法及装置
CN114926067A (zh) * 2022-05-31 2022-08-19 山东省地质调查院(山东省自然资源厅矿产勘查技术指导中心) 一种基于信息量模型的层次分析地质灾害风险评价方法
CN115271374B (zh) * 2022-06-30 2023-06-06 中铁西南科学研究院有限公司 一种山区铁路工程结构水害风险评价系统
CN115271374A (zh) * 2022-06-30 2022-11-01 中铁西南科学研究院有限公司 一种山区铁路工程结构水害风险评价系统
CN116050824A (zh) * 2022-12-14 2023-05-02 应急管理部国家自然灾害防治研究院 一种复合灾害的态势感知与应急评价方法及系统
CN116050824B (zh) * 2022-12-14 2024-04-30 应急管理部国家自然灾害防治研究院 一种复合灾害的态势感知与应急评价方法及系统
CN116432869A (zh) * 2023-06-13 2023-07-14 云南格点气象科技有限公司 气象灾害预警方法、装置、设备及存储介质
CN116432869B (zh) * 2023-06-13 2023-08-18 云南格点气象科技有限公司 气象灾害预警方法、装置、设备及存储介质
CN117574096A (zh) * 2024-01-15 2024-02-20 西安道法数器信息科技有限公司 基于大数据的农林有害生物预测方法
CN117574096B (zh) * 2024-01-15 2024-04-05 西安道法数器信息科技有限公司 基于大数据的农林有害生物预测方法
CN118114992A (zh) * 2024-04-28 2024-05-31 泰安市金土地测绘整理有限公司 一种遥感卫星地质灾害预警方法

Similar Documents

Publication Publication Date Title
CN112561274A (zh) 基于多要素情境的台风诱发地质灾害风险评估方法
Jena et al. Integrated ANN-cross-validation and AHP-TOPSIS model to improve earthquake risk assessment
Irish et al. A hydrodynamics-based surge scale for hurricanes
Abdulwahid et al. Landslide vulnerability and risk assessment for multi-hazard scenarios using airborne laser scanning data (LiDAR)
Trigila et al. Comparison of Logistic Regression and Random Forests techniques for shallow landslide susceptibility assessment in Giampilieri (NE Sicily, Italy)
Wei et al. Modeling of the 2011 Japan tsunami: Lessons for near-field forecast
Erener et al. Improvement of statistical landslide susceptibility mapping by using spatial and global regression methods in the case of More and Romsdal (Norway)
Calianno et al. Supplementing flash flood reports with impact classifications
CN110009158A (zh) 台风暴雨洪水灾害全生命周期监测方法及系统
CN102741895A (zh) 自动进行位置相关的自然灾害预报的方法和系统
Goda et al. Tsunami simulations of mega-thrust earthquakes in the Nankai–Tonankai Trough (Japan) based on stochastic rupture scenarios
Ogashawara et al. The use of optical remote sensing for mapping flooded areas
Ciavola et al. Prediction of storm impacts on beach and dune systems
Wang et al. Incorporating triggering and environmental factors in the analysis of earthquake-induced landslide hazards
Hapsari et al. X-MP Radar for developing a lahar rainfall threshold for the Merapi Volcano using a Bayesian approach
Zhao et al. Extracting more features from rainfall data to analyze the conditions triggering debris flows
Zini et al. The RUSLE erosion index as a proxy indicator for debris flow susceptibility
Davis et al. Post-Hurricane Michael damage assessment using ADCIRC storm surge hindcast, image classification, and LiDAR
CN116050837A (zh) 一种面向尾矿库多元灾害的综合监测预警和安全评估方案
Lemke Hybrid approach for evaluating the erosion potential of coastal storms
Zhu et al. Threshold-based earthquake early warning for high-speed railways using deep learning
Dusek et al. Analysis of rip current rescues at Kill Devil Hills, North Carolina
Coe et al. Assessment of topographic and drainage network controls on debris-flow travel distance along the west coast of the United States
Birchler et al. Skill assessment of a total water level and coastal change forecast during the landfall of a hurricane
Nasrallah Forecasting storm impacts on a coastal highway using remote sensing and numerical modeling

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210326

RJ01 Rejection of invention patent application after publication