青藏高原东北缘文县活动断裂带滑坡发育特征

文县活动断裂带位于青藏高原东北缘,白龙江流域下游,区内构造运动活跃,发育大量滑坡地质灾害,近年来,受地震、降雨、人类活动等因素影响,滑坡复活灾害愈加频繁。研究通过目视遥感影像解译和野外现场调查,共获得区内历史滑坡472处,活动滑坡54处,系统总结了滑坡的发育特征和空间分布特征。研究表明:历史滑坡以堆积层滑坡为主,平面形态以舌形和复合型为主,面积集中在0.3 km^(2)范围内,面积和高差呈正相关;滑坡多集中分布在高差小于700 m,25°~45°的斜坡,阳坡,距断层3 km内(1 km^(2)以上的滑坡主要分布在断层2 km内),千枚岩、板岩以及层状变质岩+灰岩地区,白龙江、白水江及其一级支流的河谷岸坡,人类活动强度较大的地区。活动滑坡发育特征与历史滑坡具有类似特征。因此,文县活动断裂带对区内滑坡灾害发育特征和空间分布具有主导控制作用,大型及以上滑坡受断裂带控制作用较为明显。此外,滑坡发育还受控于区内软弱岩性组合、地形地貌、河流水系分布、土地利用类型和人类活动强度等因素。

活动构造断裂带巨型滑坡活动特性研究——以白龙江流域大小湾滑坡为例

白龙江流域坪定-化马断裂带内发育大量滑坡,已发生了多起重大滑坡灾害.大小湾滑坡位于白龙江左岸,为典型的活动断裂带蠕滑型滑坡.近年来受集中降雨、构造活动等因素影响,老滑坡局部出现复活迹象,处于不稳定状态.本研究通过地表变形监测、野外现场调查、遥感影像解译等,对大小湾滑坡的地质环境条件、发育特征和活动特性进行研究.结果表明,滑坡活动的整体性不明显,但分块差异性活动突出.根据运动和变形特征,将滑坡分为5个区域:中部的两处次级滑块、中部次级黄土滑坡及前缘复活的两个滑块.其中,中部的次级滑块陡坎极度发育,堆积大量基岩碎石块;临江前缘活动最为强烈,坡体破碎,裂缝发育,路面鼓胀塌陷严重.在未来的变形和运动中,前缘滑块极有可能在降雨的诱发下继续发生变形,形成滑坡堵江灾害链,严重威胁滑坡上游村镇和下游舟曲县城居民的生命财产安全,灾害风险极为严峻.

基于InSAR技术的秦岭南部略阳县潜在滑坡灾害识别研究

秦岭山区因构造活动、人类活动、气候变化等多重因素作用而面临较高的地质灾害风险,由于地形高差大、坡度陡,植被覆盖率高,滑坡灾害识别调查难度高,急需发展先进的地质灾害监测识别技术体系,提升高植被覆盖山区地质灾害隐患详细调查识别能力。不同的InSAR技术和SAR数据有各自的优势,单一InSAR技术难以在高植被覆盖山区进行区域变形监测和地质灾害隐患识别。本研究结合多种InSAR技术和不同波段SAR数据的探测优势,对秦岭南部山区略阳县城关镇的110 km2范围进行对地观测,综合光学遥感解译和野外调查,识别出滑坡地质灾害隐患点共52处。研究表明:(1)在高植被覆盖山区,D-InSAR技术和L波段SAR数据的应用,能够提升识别高植被覆盖山区潜在滑坡位置和范围的效率。而时序InSAR技术和Sentinel数据可应用于典型灾害点时间变形模式分析。(2)略阳县滑坡主要为黄土滑坡、堆积层滑坡、黄土基岩滑坡三类;不稳定斜坡主要有陡峭风化基岩不稳定斜坡、不稳定人工边坡,破坏形式主要为基岩崩塌、剥坠落及黄土斜坡崩滑、泥流等;本研究所识别的潜在地质灾害可为略阳县防灾减灾工作提供数据支持,提出的InSAR潜在地质灾害早期识别方法体系可为秦岭及类似高植被覆盖山区地质灾害监测识别提供方法参考。

基于SBAS-InSAR的延安新区地表沉降监测与分析

以延安新区为研究区,采用SBAS-InSAR方法对2015年建成之后的地面沉降进行监测分析,结果表明, 2015-2019年延安新区雷达视线方向形变速率为-52~13 mm/a,垂直向形变速率为-74~18 mm/a.通过克里金插值发现延安新区有2个明显的西北-东南向的带状沉降区域,最大的沉降区域从南至北贯穿新区;新区东侧有两块抬升区域,抬升量较小.沉降主要发生在填方区,抬升发生在挖方区,填方区沉降速率呈现慢-快-慢的形变规律.经野外现场验证,该形变监测结果与实际情况吻合.

基于InSAR的潜在滑坡人工智能识别——以延安宝塔区为例

基于合成孔径雷达干涉测量(InSAR)技术,结合热点分析和机器学习算法,进行区域高形变斜坡自动提取和潜在滑坡人工智能识别研究,以提升潜在滑坡识别效率和准确性,解决传统人工调查和目视解译无法有效识别位于高位、隐蔽性较强的潜在滑坡问题.结果表明,基于热点分析自动提取20处高形变区域,提取正确率、错分率和漏分率分别为74.31%、25.69%和11.80%,证实热点分析方法能够有效应用于InSAR高形变区自动识别和提取.基于识别的高形变区,结合历史滑坡灾害发育特征,利用机器学习算法建立潜在滑坡预测模型,采用表现最佳的自适应提升模型对自动提取区域进行预测,预测召回率和准确率分别为81%和65%,能够实现潜在滑坡的有效识别.

基于生成对抗网络的CT图像生成

准确地预测生成CT图像,在仅磁共振图像引导(MRI-onlyRT)的放疗计划中有着极其重要的作用,使用MRI预测生成CT图像可以避免患者单独进行CT扫描,从而避免额外的辐射剂量。在医学图像跨模态合成中,生成对抗网络(generative adversarial networks,GAN)正成为一种有影响力的方法。研究利用GAN,结合U-Net网络建立鼻咽癌磁共振图像(MRI)与CT图像的映射模型,实现在仅磁共振图像引导的放疗过程中CT图像的预测生成。实验结果表明,建立的网络模型可以生成接近真实数据的CT图像,与改进的U-Net卷积网络生成模型相比,降低了生成图像的模糊度,减小了MAE,提高了PSNR,生成的图片能够更好地展示细节信息。

白龙江流域潜在滑坡InSAR识别与发育特征研究

白龙江流域地处甘肃省东南部,位于青藏高原、黄土高原和四川盆地的交汇处。区内断裂构造发育、新构造运动活跃、地震频繁,加之多见的暴雨和持续降雨天气,使得流域内地质灾害频发,且分布范围广泛,其中以滑坡、泥石流灾害较为显著。本研究基于合成孔径雷达干涉测量技术,对白龙江流域进行区域尺度上的时序地表变形监测,得出2018年—2019年雷达视线方向的形变速率范围为-158—110 mm/a,并在人口分布集中的河谷区圈定出潜在滑坡点共计114处,并进行野外验证。统计发现研究区潜在滑坡多集中分布于两岸坡度20°—40°、坡向135°—270°、高差小于150 m、面积小于5×10^(4)m^(2)的千枚岩等软弱岩层中。牙豁口滑坡发生破坏前,滑坡中上部变形剧烈,变形速率达38 mm/a,于07-19在该区域剪出并不断向下推移,最终进入岷江。结合滑前的变形特征和滑坡地貌,将牙豁口滑坡分为搬运区、流通区和堆积区。该滑坡事件证明了InSAR技术在潜在滑坡早期识别中的有效性和可靠性。本研究可为白龙江流域的滑坡调查、综合治理和防灾减灾提供科学依据和参考。

基于动态视角的生态空间识别及其生态系统服务功能时空变化模拟:以四川省邛崃市为例

科学识别生态空间、合理预测主导生态系统服务功能时空变化趋势,是构建国土空间生态保护格局的基础,具有重要的理论意义和应用价值。目前,大多数生态空间识别、功能分区和格局重构以当前生态系统服务功能及其结构信息为参照,忽略了生态系统服务综合功能和主导生态系统服务功能的时空动态性,对未来生态空间主导生态系统服务功能变化模拟不重视,一定程度上影响了生态空间保护格局构建的合理性。本研究提出了一种基于生态系统服务功能动态变化特征的生态空间划定方法,实现了邛崃市生态空间范围识别,解决了当前研究忽略生态系统服务功能时空动态性的问题。在此基础上,研究还应用Markov-CA模型,集成主导生态系统服务功能时空变化特征,实现了2025年邛崃市生态空间主导生态系统服务功能时空变化模拟,为生态空间变化模拟寻找到了合适的方法,也为合理构建生态空间保护格局提供了基础支撑。研究发现邛崃市生态系统服务综合功能量及其年际变化率呈现出明显的动态性,这一发现证实我们在识别生态空间时考虑生态系统服务功能动态特性的必要性。应用本文提出的生态空间识别方法确定邛崃市生态空间面积为98307 ha,与地方生态文明建设规划中确定的相应生态空间范围基本一致,证实了立足于生态系统服务功能动态特性的生态空间划定方法的可靠性。研究结果还表明:2003–2019年,邛崃市主导生态系统服务功能表现出较强的非平稳性,这说明我们应当在生态空间保护格局构建中充分考虑主导生态系统服务功能动态性对未来生态空间功能格局的影响。Markov-CA模型高精度实现了邛崃市主导生态系统服务功能时空变化模拟,Kappa系数达到0.95以上,说明应用该模型模拟未来主导生态系统服务功能空间格局是可行的。模拟结果显示,2019–2025年,受生态系统服务功能非平稳性影响,邛崃市主导生态系统服务功能仍将发生相互转换,预计到2025年,生态空间仍然会保持初级产品生产、气候调节、水文调节三大主导生态系统服务功能,但面积将会发生变化,分别为32793 ha、52490 ha、13024 ha。研究可以为生态保护红线划定、生态功能分区和生态空间保护格局构建提供科学参考。