CN114756945A - 一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法 - Google Patents
一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法 Download PDFInfo
- Publication number
- CN114756945A CN114756945A CN202210507843.5A CN202210507843A CN114756945A CN 114756945 A CN114756945 A CN 114756945A CN 202210507843 A CN202210507843 A CN 202210507843A CN 114756945 A CN114756945 A CN 114756945A
- Authority
- CN
- China
- Prior art keywords
- soil erosion
- loose
- area
- volume
- accumulation body
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明公开了一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,包括以下步骤:S1:采集待估算区域所在地区同震松散堆积体的面积和体积,并进行回归拟合,确定待估算区域的同震松散堆积体分布图;S2:计算待估算区域的土壤侵蚀量并进行分级,得到土壤侵蚀强度分级图;S3:计算不同环境影响因子对土壤侵蚀风险的贡献值,得到土壤侵蚀风险图;S4:根据土壤侵蚀强度分级图和土壤侵蚀风险图,得到潜在松散堆积体分布图;S5:进行潜在崩滑灾害易发性估算。本发明探究了松散堆积物的数量与空间分布之间的关系及其在流域水平上的潜在地质灾害贡献,为未来的开发活动和防护措施提供依据。
Description
技术领域
本发明属于灾害预测技术领域,具体涉及一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法。
背景技术
震区的松散堆积体可溯源为同震松散堆积体和潜在松散堆积体。潜在松散堆积体是滑坡、崩塌和沟槽等沉积的间接来源,是由于雨、风和重力所引起的土壤侵蚀,在强降雨和重力异常的情况下,这些潜在的松散堆积物可能被强烈的土壤侵蚀激活引发地质灾害。土壤侵蚀在气候、地形、土壤和土地利用之间的相互作用下驱动发生,导致土壤退化和荒漠化、土壤肥力、渗透和蓄水能力下降。在发生地震和泥石流等灾害时,会造成耕地和基础设施的破坏,洪水风险增加,财产损失和生态环境遭到破坏等。气候变化带来的较高的降水强度与较高的侵蚀率联系密切,并且随着世界人口的增长增加了对粮食供应的需求,不恰当的农业活动,森林砍伐等活动直接或间接的对土壤健康产生了不良影响;此外过度放牧和建设活动也使得越来越多的土壤暴露在侵蚀之下。
因此,面对气候变化带来的更频繁的强降雨,有必要了解地质灾害易发区松散堆积体的空间分布及其严重程度,在最大程度上降低崩塌和滑坡风险,为未来的开发活动和防护措施提供依据。
发明内容
本发明为了解决上述问题,提出了一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法。
本发明的技术方案是:一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法包括以下步骤:
S1:采集待估算区域所在地区同震松散堆积体的面积和体积,并进行回归拟合,确定待估算区域的同震松散堆积体分布图;
S2:计算待估算区域的土壤侵蚀量并进行分级,得到土壤侵蚀强度分级图;
S3:计算不同环境影响因子对土壤侵蚀风险的贡献值,得到土壤侵蚀风险图;
S4:根据土壤侵蚀强度分级图和土壤侵蚀风险图,得到潜在松散堆积体分布图;
S5:根据同震松散堆积体分布图和潜在松散堆积体分布图,进行潜在崩滑灾害易发性估算。
进一步地,步骤S1中,进行回归拟合的具体方法为:根据采集的待估算区域所在地区同震松散堆积体的面积和体积,建立同震松散堆积体的面积和体积的幂律关系,对同震松散堆积体的面积和体积的幂律关系进行回归拟合,得到同震松散堆积体的面积和体积的相关性方程,根据相关性方程,得到待估算区域的同震松散堆积体体积,并根据同震松散堆积体体积确定同震松散堆积体分布图。
进一步地,步骤S1中,小型滑坡中,同震松散堆积体的面积和体积的幂律关系的表达式为:
V1=αAγ
式中,V1表示大型滑坡的同震松散堆积体体积,A表示滑坡面积,α表示第一系数,γ表示第二系数;
大型滑坡中,同震松散堆积体的面积和体积的幂律关系的表达式为:
V2=αAγ×Hγ1×Lγ2×Wγ3×Lithγ4×Slpγ5×Aspγ6×PGAγ7
式中,V2表示大型滑坡的同震松散堆积体体积,H表示滑坡高度,L表示滑坡长度,W表示滑坡宽度,Lith表示岩性,Slp指坡度,Asp表示坡向,PGA表示峰值地动加速度,γ1,…,γ7表示第三系数至第九系数。
进一步地,步骤S2中,确定土壤侵蚀强度分级图的具体方法为:构建土壤侵蚀模型,根据构建土壤侵蚀模型得到的平均土壤流失量进行分级,并确定土壤侵蚀强度分级图。
进一步地,步骤S2中,土壤侵蚀模型的表达式为:
X=R×K×LS×C×P
式中,X表示平均土壤流失量,R表示降雨侵蚀力因子,K表示土壤可蚀性因子,LS表示坡长和坡度因子,C表示种植管理因子,P表示支持性保护实践因子。
进一步地,步骤S3中,环境影响因子包括坡度、地形起伏度、降水、土地利用度和植被覆盖度,利用层次分析法确定不同环境影响因子对土壤侵蚀风险的贡献值,并利用不同环境影响因子对土壤侵蚀风险的贡献值划分土壤侵蚀区域,得到土壤侵蚀风险图。
进一步地,步骤S3中,环境影响因子对土壤侵蚀风险的贡献值SEPI的计算公式为:
式中,Fi表示评估土壤侵蚀风险的各个因子的等级,Wi表示因子的权重,n表示环境影响因子个数。
进一步地,步骤S4中,利用栅格将土壤侵蚀强度分级图的分级结果和土壤侵蚀风险图的分级结果相加,得到潜在松散堆积体分布图。
进一步地,步骤S5中,进行潜在崩滑灾害易发性估算的具体方法为:根据同震松散堆积体分布图和潜在松散堆积体分布图,计算待估算区域在流域水平上的PHC值,根据每个流域的PHC值,利用自然间断法对待估算区域的危害性进行分级,完成潜在崩滑灾害易发性估算。
进一步地,步骤S5中,待估算区域在流域水平上的PHC值的计算公式为:
式中,Vc表示各流域的同震松散堆积体体积,Vt表示待估算区域的同震松散堆积体体积,Ac表示各流域的潜在松散堆积体体积,At表示待估算区域的同震松散堆积体体积。
本发明的有益效果是:本发明结合了RUSLE模型和AHP法对研究区的土壤侵蚀状况进行了评估,从面积和体积两个方面对同震松散矿床和潜在松散矿床进行了估算。探究了松散堆积物的数量(包括体积和面积)与空间分布之间的关系及其在流域水平上的潜在地质灾害贡献,为未来的开发活动和防护措施提供依据。
附图说明
图1为潜在崩滑灾害易发性估算方法的流程图;
图2为本发明实施例滑坡体积与面积关系曲线图;
图3为本发明实施例子流域PHC值分布情况图。
具体实施方式
下面结合附图对本发明的实施例作进一步的说明。
在描述本发明的具体实施例之前,为使本发明的方案更加清楚完整,首先对本发明中出现的缩略语和关键术语定义进行说明:
小型滑坡:滑坡体积小于10×104立方米;
大型滑坡:滑坡体积在100×104-1000×104立方米;
层次分析法:指将与决策总是有关的元素分解成目标、准则、方案等层次,在此基础之上进行定性和定量分析的决策方法;
PHC值:在流域尺度上评估潜在灾害贡献值。
如图1所示,本发明提供了一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,包括以下步骤:
S1:采集待估算区域所在地区同震松散堆积体的面积和体积,并进行回归拟合,确定待估算区域的同震松散堆积体分布图;
S2:计算待估算区域的土壤侵蚀量并进行分级,得到土壤侵蚀强度分级图;
S3:计算不同环境影响因子对土壤侵蚀风险的贡献值,得到土壤侵蚀风险图;
S4:根据土壤侵蚀强度分级图和土壤侵蚀风险图,得到潜在松散堆积体分布图;
S5:根据同震松散堆积体分布图和潜在松散堆积体分布图,进行潜在崩滑灾害易发性估算。
根据DEM数据,在GIS环境下划分子流域,利用研究区历史滑坡灾害数据集,根据历史灾害点是否落在本文计算出潜在危险度高或非常高的子流域,进行精度验证。
在本发明实施例中,步骤S1中,进行回归拟合的具体方法为:根据采集的待估算区域所在地区同震松散堆积体的面积和体积,建立同震松散堆积体的面积和体积的幂律关系,对同震松散堆积体的面积和体积的幂律关系进行回归拟合,得到同震松散堆积体的面积和体积的相关性方程,根据相关性方程,得到待估算区域的同震松散堆积体体积,并根据同震松散堆积体体积确定同震松散堆积体分布图。
在本发明实施例中,步骤S1中,小型滑坡中,同震松散堆积体的面积和体积的幂律关系的表达式为:
V1=αAγ
式中,V1表示大型滑坡的同震松散堆积体体积,A表示滑坡面积,α表示第一系数,γ表示第二系数;
大型滑坡中,同震松散堆积体的面积和体积的幂律关系的表达式为:
V2=αAγ×Hγ1×Lγ2×Wγ3×Lithγ4×Slpγ5×Aspγ6×PGAγ7
式中,V2表示大型滑坡的同震松散堆积体体积,H表示滑坡高度,L表示滑坡长度,W表示滑坡宽度,Lith表示岩性,Slp指坡度,Asp表示坡向,PGA表示峰值地动加速度,γ1,…,γ7表示第三系数至第九系数。
在本发明实施例中,步骤S2中,确定土壤侵蚀强度分级图的具体方法为:构建土壤侵蚀模型,根据构建土壤侵蚀模型得到的平均土壤流失量进行分级,并确定土壤侵蚀强度分级图。
在本发明实施例中,步骤S2中,土壤侵蚀模型的表达式为:
X=R×K×LS×C×P
式中,X表示平均土壤流失量,R表示降雨侵蚀力因子,K表示土壤可蚀性因子,LS表示坡长和坡度因子,C表示种植管理因子,P表示支持性保护实践因子。
在本发明实施例中,步骤S3中,环境影响因子包括坡度、地形起伏度、降水、土地利用度和植被覆盖度,利用层次分析法确定不同环境影响因子对土壤侵蚀风险的贡献值,并利用不同环境影响因子对土壤侵蚀风险的贡献值划分土壤侵蚀区域,得到土壤侵蚀风险图。
在本发明实施例中,步骤S3中,环境影响因子对土壤侵蚀风险的贡献值SEPI的计算公式为:
式中,Fi表示评估土壤侵蚀风险的各个因子的等级,Wi表示因子的权重,n表示环境影响因子个数。
在本发明实施例中,步骤S4中,利用栅格将土壤侵蚀强度分级图的分级结果和土壤侵蚀风险图的分级结果相加,得到潜在松散堆积体分布图。
在本发明实施例中,步骤S5中,进行潜在崩滑灾害易发性估算的具体方法为:根据同震松散堆积体分布图和潜在松散堆积体分布图,计算待估算区域在流域水平上的PHC值,根据每个流域的PHC值,利用自然间断法对待估算区域的危害性进行分级,完成潜在崩滑灾害易发性估算。
在本发明实施例中,步骤S5中,待估算区域在流域水平上的PHC值的计算公式为:
式中,Vc表示各流域的同震松散堆积体体积,Vt表示待估算区域的同震松散堆积体体积,Ac表示各流域的潜在松散堆积体体积,At表示待估算区域的同震松散堆积体体积。
下面结合具体实施例对本发明进行说明。
在本发明实施例中,第一,通过目视解译识别2018年寿溪河流域的同震松散堆积体的面积A。第二,对研究区历史地质灾害进行统计,总结地质灾害的分布特征。第三,收集汶川地区2008年5·12地震后同震松散堆积体的面积和体积数据,通过回归分析拟合得V和A的关系。并用目视解译所得A,通过公式计算确定研究区同震松散堆积体的体积及分布(同震松散堆积体分布图)。第四,引入修正通用土壤流失方程对研究区的土壤侵蚀量进行定量计算并分级(土壤侵蚀强度分级图)。第五,选择坡度、地形起伏度、降水、土地利用/土地覆盖(LULC)和植被覆盖度作为环境因素,利用AHP来分析确定不同环境影响因子对土壤侵蚀风险的贡献(土壤侵蚀风险图)。第六,由RUSLE模型确定的土壤侵蚀强度分级图和由AHP确定的土壤侵蚀风险图分级结果,通过栅格相加的方法得到潜在松散堆积体分布图,采用自然间断法进行分类,提取出研究区高风险和极高风险的土壤侵蚀区,将其转化为矢量格式,生成整个研究区的潜在松散堆积物分布图。第七,结合同震松散堆积体图和潜在松散堆积物分布图,完成整个研究区的松散堆积物的评估。
针对汶川地区2008年5·12地震后时期,在同震松散堆积体体积-面积关系计算时,一般情况下,可以根据航拍或遥感数据,结合实地调查,实现滑坡总数和面积的调查,由于滑坡的深度通常是未知的,因此估算滑坡体积仍然是比较困难的。体积与面积之间存在幂律关系,应用形态测量数据的回归分析确定。可用来估计单个滑坡的体积或多个滑坡的总体积。这样的关系表示为:V=αAγ。但尤其是对于大型滑坡来说,仅参考面积这一因素会给该方法的结果带来极大地误差,因此更多的与滑坡体积相关的因子被引入到滑坡体积的计算中,这些因子包括面积(A)、高(H)、长(L)、宽(W)、岩性(Lith)、坡度(Slp)、坡向(Asp)、峰值地动加速度(PGA),这样的关系的表达式为:V=αAγ×Hγ1×Lγ2×Wγ3×Lithγ4×Slpγ5×Aspγ6×PGAγ7。
对于本发明来说,由于目视解译最大的滑坡面积为30413㎡,不属于大型滑坡,因此本发明选择V=αAγ,计算同震松散堆积体体积。
本发明选用在汶川地区实测得到的面积和体积数据,建立幂律关系,得到的数据如表1所示。
表1
如图2所示,根据收集资料得到的面积和体积数据进行回归分析,得到参数α为1.738,参数γ为0.8311,其标准误差R2=0.8995,当R2>0.7时即表明滑坡体积与面积之间存在显著的关系。因此本发明中体积和面积相关性方程为V=1.738A0.8311(R2=0.8995)。
在同震松散堆积体体积计算时,根据式V=1.738A0.8311(R2=0.8995)的计算公式,计算出每个滑坡体的体积,计算结果如表2所示。
表2
根据中国地质调查局公布的《滑坡防治工程勘察规范》(GB/T 32864-2016),如表3所示,将研究区滑坡体按照体积分类标准进行分类,结合表2计算结果可得,研究区滑坡类别均属于小型滑坡。
表3
在进行PHC分析时,为得到更精确的处于高风险和极高风险的子流域,引入同震松散堆积体作为一个因子对研究区潜在危害进行描述。将同震松散堆积体与潜在松散堆积体的体积比例和面积比例这两个因素赋予相同的权重,用于计算研究区在流域水平上的PHC。
将每个流域的PHC值计算并统计于表4中,将PHC的值用自然间断法分为五类,即极低、低、中、高和极高五个等级,如图3所示,并将汶川寿溪河流域2017年至2020年历史灾害事件叠加在图中,便于后续分析。
表4
如表6所示,实验结果表明,极低、低、中、高和极高危害等级的流域分别约占计算流域数量的68.22%、15.89%、7.36%、4.56%和3.88%,从流域数量上来看,整个研究区有8.44%的子流域处于高度和极高风险中;有84.11%的子流域处于极低和低风险,总体而言研究区处于低潜在危害状况下。从流域面积上来看,整个研究区处于高度和极高风险中的子流域面积占比达到21.89%,说明大部分现存的同震松散堆积体存在再次滑坡风险,需及时处理。有39.79%的潜在松散堆积体分布在高和极高潜在危害区,这是由于大部分潜在松散堆积体分布较为分散,分割为子流域后每个子流域内潜在松散堆积体面积占比值较小,若该子流域内不存在同震松散堆积体,则该流域不被识别为高或极高潜在危害的可能性增大。
由表5可得,35个灾害点中有1个灾害点所在的子流域潜在危害为极低水平,3个灾害点所在子流域潜在危害为中水平,11个灾害点所在子流域潜在灾害为高水平,20个灾害点所在子流域潜在危害为极高水平;共有31个灾害事件发生于潜在危害水平为高和极高流域,占全部灾害事件的88.57%。因此可以据此认为该部分流域易受潜在地质灾害的影响,需要密切监测,以减轻和预防灾害。
表5
表6
在考量了同震松散堆积体对潜在地质灾害的贡献之后,尽管灾害点落在处于高风险和极高风险子流域的总数目并没有增加,但落在处于极高风险子流域的数目增加,并有多个子流域风险等级下降,实现了对由RUSLE模型和AHP确定的研究区土壤侵蚀风险结果的优化。共有12个子流域内发生过地质灾害,本发明划分的22个潜在地质灾害高风险和极高风险子流域中,共有9个子流域中发生过地质灾害,有13个子流域为新识别出的高风险和极高风险区,研究区地质灾害早期识别覆盖度提升了108.33%。
本发明的有益效果为:本发明结合了RUSLE模型和AHP法对研究区的土壤侵蚀状况进行了评估,从面积和体积两个方面对同震松散矿床和潜在松散矿床进行了估算。探究了松散堆积物的数量(包括体积和面积)与空间分布之间的关系及其在流域水平上的潜在地质灾害贡献,为未来的开发活动和防护措施提供依据。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的原理,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (10)
1.一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,包括以下步骤:
S1:采集待估算区域所在地区同震松散堆积体的面积和体积,并进行回归拟合,确定待估算区域的同震松散堆积体分布图;
S2:计算待估算区域的土壤侵蚀量并进行分级,得到土壤侵蚀强度分级图;
S3:计算不同环境影响因子对土壤侵蚀风险的贡献值,得到土壤侵蚀风险图;
S4:根据土壤侵蚀强度分级图和土壤侵蚀风险图,得到潜在松散堆积体分布图;
S5:根据同震松散堆积体分布图和潜在松散堆积体分布图,进行潜在崩滑灾害易发性估算。
2.根据权利要求1所述的考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,所述步骤S1中,进行回归拟合的具体方法为:根据采集的待估算区域所在地区同震松散堆积体的面积和体积,建立同震松散堆积体的面积和体积的幂律关系,对同震松散堆积体的面积和体积的幂律关系进行回归拟合,得到同震松散堆积体的面积和体积的相关性方程,根据相关性方程,得到待估算区域的同震松散堆积体体积,并根据同震松散堆积体体积确定同震松散堆积体分布图。
3.根据权利要求2所述的考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,所述步骤S1中,小型滑坡中,同震松散堆积体的面积和体积的幂律关系的表达式为:
V1=αAγ
式中,V1表示大型滑坡的同震松散堆积体体积,A表示滑坡面积,α表示第一系数,γ表示第二系数;
大型滑坡中,同震松散堆积体的面积和体积的幂律关系的表达式为:
V2=αAγ×Hγ1×Lγ2×Wγ3×Lithγ4×Slpγ5×Aspγ6×PGAγ7
式中,V2表示大型滑坡的同震松散堆积体体积,H表示滑坡高度,L表示滑坡长度,W表示滑坡宽度,Lith表示岩性,Slp指坡度,Asp表示坡向,PGA表示峰值地动加速度,γ1,…,γ7表示第三系数至第九系数。
4.根据权利要求1所述的考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,所述步骤S2中,确定土壤侵蚀强度分级图的具体方法为:构建土壤侵蚀模型,根据构建土壤侵蚀模型得到的平均土壤流失量进行分级,并确定土壤侵蚀强度分级图。
5.根据权利要求4所述的考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,所述步骤S2中,土壤侵蚀模型的表达式为:
X=R×K×LS×C×P
式中,X表示平均土壤流失量,R表示降雨侵蚀力因子,K表示土壤可蚀性因子,LS表示坡长和坡度因子,C表示种植管理因子,P表示支持性保护实践因子。
6.根据权利要求1所述的考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,所述步骤S3中,环境影响因子包括坡度、地形起伏度、降水、土地利用度和植被覆盖度,利用层次分析法确定不同环境影响因子对土壤侵蚀风险的贡献值,并利用不同环境影响因子对土壤侵蚀风险的贡献值划分土壤侵蚀区域,得到土壤侵蚀风险图。
8.根据权利要求1所述的考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,所述步骤S4中,利用栅格将土壤侵蚀强度分级图的分级结果和土壤侵蚀风险图的分级结果相加,得到潜在松散堆积体分布图。
9.根据权利要求1所述的考虑流域松散堆积物的潜在崩滑灾害易发性估算方法,其特征在于,所述步骤S5中,进行潜在崩滑灾害易发性估算的具体方法为:根据同震松散堆积体分布图和潜在松散堆积体分布图,计算待估算区域在流域水平上的PHC值,根据每个流域的PHC值,利用自然间断法对待估算区域的危害性进行分级,完成潜在崩滑灾害易发性估算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210507843.5A CN114756945B (zh) | 2022-05-10 | 2022-05-10 | 一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210507843.5A CN114756945B (zh) | 2022-05-10 | 2022-05-10 | 一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114756945A true CN114756945A (zh) | 2022-07-15 |
CN114756945B CN114756945B (zh) | 2023-06-16 |
Family
ID=82334146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210507843.5A Active CN114756945B (zh) | 2022-05-10 | 2022-05-10 | 一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114756945B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783878A (zh) * | 2018-12-19 | 2019-05-21 | 云南林业职业技术学院 | 泥石流沟地质灾害数据处理方法及系统、数据处理终端 |
CN112182735A (zh) * | 2020-11-05 | 2021-01-05 | 四川大学 | 基于山区小流域下垫面和水动力条件的浅层滑坡固体物源量估算方法 |
CN113313296A (zh) * | 2021-05-19 | 2021-08-27 | 南昌大学 | 一种基于rusle的区域土壤侵蚀定量评价方法 |
-
2022
- 2022-05-10 CN CN202210507843.5A patent/CN114756945B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109783878A (zh) * | 2018-12-19 | 2019-05-21 | 云南林业职业技术学院 | 泥石流沟地质灾害数据处理方法及系统、数据处理终端 |
CN112182735A (zh) * | 2020-11-05 | 2021-01-05 | 四川大学 | 基于山区小流域下垫面和水动力条件的浅层滑坡固体物源量估算方法 |
CN113313296A (zh) * | 2021-05-19 | 2021-08-27 | 南昌大学 | 一种基于rusle的区域土壤侵蚀定量评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114756945B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tamene et al. | Analysis of factors determining sediment yield variability in the highlands of northern Ethiopia | |
Lu et al. | Predicting sheetwash and rill erosion over the Australian continent | |
Hancock et al. | A catchment scale evaluation of the SIBERIA and CAESAR landscape evolution models | |
Piacentini et al. | Statistical analysis for assessing shallow-landslide susceptibility in South Tyrol (south-eastern Alps, Italy) | |
Neuhäuser et al. | GIS-based assessment of landslide susceptibility on the base of the weights-of-evidence model | |
Wilkinson et al. | Modelling and testing spatially distributed sediment budgets to relate erosion processes to sediment yields | |
He et al. | GIS‐based regional landslide susceptibility mapping: a case study in southern California | |
Tsai et al. | Use of a total station to monitor post-failure sediment yields in landslide sites of the Shihmen reservoir watershed, Taiwan | |
Ramos-Scharron et al. | Development and application of a GIS-based sediment budget model | |
Romshoo et al. | Evaluation of various DEMs for quantifying soil erosion under changing land use and land cover in the Himalaya | |
Swirad et al. | Spatial and temporal trends in California coastal cliff retreat | |
Florsheim et al. | Landslide area probability density function statistics to assess historical landslide magnitude and frequency in coastal California | |
Ali et al. | Spatio-temporal estimation of monthly groundwater levels from GPS-based land deformation | |
Wernette et al. | What is ‘real’? Identifying erosion and deposition in context of spatially-variable uncertainty | |
Abishek et al. | Assessment of groundwater potential zones for urban development site suitability analysis in Srivaikundam region, Thoothukudi district, South India | |
Audisio et al. | A GIS spatial analysis model for landslide hazard mapping application in alpine area | |
Erkal et al. | Soil erosion risk assessment in the Sincanlı sub-watershed of the Akarçay Basin (Afyonkarahisar, Turkey) using the universal soil loss equation (USLE) | |
CN114756945A (zh) | 一种考虑流域松散堆积物的潜在崩滑灾害易发性估算方法 | |
Scamardo et al. | Drivers of geomorphic heterogeneity in unconfined non-perennial river corridors | |
Stauch et al. | 115 years of sediment deposition in a reservoir in Central Europe: Topographic change detection | |
Pradhan | Understanding interannual groundwater variability in North India using GRACE | |
Latella et al. | Short‐term biogeomorphology of a gravel‐bed river: Integrating remote sensing with hydraulic modelling and field analysis | |
DOBRESCU et al. | Integrative analysis used for landslide susceptibility zoning at local scale based on GIS modeling | |
Calhoun et al. | Landslide hazard and risk study of Eugene-Springfield and Lane County, Oregon | |
Pike et al. | A simple GIS model for mapping landslide susceptibility |
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 |