基于SBAS-InSAR的西宁市滑坡识别和形变监测分析

中国黄土高原滑坡灾害频发,严重威胁经济的发展及生命财产安全。利用时序合成孔径雷达干涉测量(InSAR)技术识别潜在的活动滑坡,并对其进行形变监测,有利于预防和减轻灾害造成的危害。InSAR技术具有大范围观测地表变形的能力,这里以西宁市为研究区,采用83景升轨和87景降轨Sentinel-1A雷达影像,利用小基线集(SBAS)时间序列InSAR技术,获取了研究区2019年1月至2021年11月地表形变速率以及时序形变量,共探测到74处显著形变区;结合地貌和光学影像特征,确定其中35处为活动黄土滑坡。通过对活动滑坡的时间序列形变分析,内在(工程岩组、断层)和外在(降雨)条件的共同作用,是激活不稳定边坡或加速边坡运动的主要因素。

基于斜坡单元自动划分的滑坡易发性评价

将斜坡单元与机器学习模型相结合,对比分析不同机器学习模型在斜坡单元中滑坡易发性评价的差异性,有助于优化预测的精确性和结果的稳定性,为滑坡的预测提供科学依据。本文以四川省黑水县毛尔盖水库地区为研究区,利用r.slopeunits方法自动划分斜坡单元,采用地理探测器(GeoDetector)方法优化滑坡易发性评价指标体系,以斜坡单元为基础分别应用频率比(FR)、频率比-随机森林(FR-RF)、频率比-支持向量机(FR-SVM)、频率比-人工神经网络(FR-ANN)耦合模型对滑坡易发性进行空间预测,并对比分析不同模型在滑坡易发性评价中的性能差异。结果表明:(1)r.slopeunits方法提取的斜坡单元内部坡向均一性较好,满足滑坡稳定性分析方法中计算单元均一性假设;(2)地理探测器筛选的12个评价因子相关性分析表明,没有冗余的评价因子被输入到机器学习模型,保证了模型的可靠性和预测能力;(3)Kappa系数、准确率(Accuracy)、AUC值联合表明预测能力由大到小依次为FR-RF模型、FR-SVM模型、FR-ANN模型、FR,相较于其他模型,FR-RF模型的预测结果中极高和高易发区的滑坡面积占比最高,达到86.89%。研究成果表明FR-RF耦合模型更适用于以斜坡单元为基础的滑坡易发性评价,可为西南深切河谷区域滑坡易发性评价提供理论指导。

基于信息量模型和机器学习方法的滑坡易发性评价研究--以四川理县为例

以阿坝藏族羌族自治州地质灾害频发的理县为研究区,从地形地貌、地质环境、水文条件和人类工程活动等方面选取11个影响因子,通过皮尔森相关系数研究各因子之间的相关性,从而构建滑坡易发性评价指标体系。利用信息量模型计算各影响因子的信息量值,从信息量模型得出的极低和低易发性分区中选取非滑坡样本,在此基础上将样本数据代入随机森林和径向基函数神经网络2种机器学习模型开展滑坡易发性评价,并通过接收灵敏度(Receiver Operating Characteristic,ROC)曲线进行精度验证。结果显示:随机森林模型预测出的高易发区单位面积内分布的滑坡点数量更为集中,在仅占6.666%的区域分布了74.026%的灾害点,评价结果优于径向基函数神经网络模型。ROC曲线中两模型AUC(Area Under Curve)值分别为0.893、0.874,说明随机森林模型具有更高的可靠性,比径向基函数神经网络在该区域地质灾害易发性评价中更具优势。

基于GIS和RS的南京市地表温度动态变化研究

在全球气候变暖、城市化进程不断加快的背景下,地表温度(LST)作为地表热环境和城市热岛效应研究的基础引起了国内外学者的广泛关注。本文采用覃志豪单窗算法(MW)反演南京市2000年、2006年、2016年地表温度,在此基础上研究南京市地表温度的动态变化情况。结果表明:2000—2016年南京市高温区面积减少,但中温区和次高温区面积增加,热岛未得到缓解,共增加了80.92km^(2)。该结果对城市的合理规划、重建和工业的布局等具有重要的参考价值。