因子组织方式对SVM滑坡危险性评价影响的研究

滑坡是一种在世界范围内广泛分布的地质灾害,每年对经济和人民生命造成巨大的损失,开展滑坡危险性评价对滑坡防范和治理意义重大。关于哪种数据组织形式更适合进行滑坡危险性评价,以往的研究中鲜有提及,因此这里以支持向量机模型作为评价模型,以四川省芦山县作为研究区,基于因子分级与否两种数据形式进行滑坡危险性评价,采用验证集ROC曲线、全区评价结果分布特征、成功率曲线、直方图索引等指标进行结果对比,探索因子分级与否对评价结果的影响。模型训练时,两种数据构建的模型在验证集上的AUC值分别为0.893(分级值)和0.813(连续值)。将两个模型应用在全区危险性评价中,采用自然断点法将结果分为低、中、高三级,其中高危险性面积占比分别为19.3%(分级值)和20.4%(连续值)。采用成功率曲线和滑坡危险性索引直方图两个指标对该结果进行评估,分级数据AUC值为0.80,连续数据AUC值为0.76。直方图对比显示,分级值的结果直方图特征更加符合预期。综上所述,通过多指标对比,得出分级因子更适用于进行基于SVM的滑坡危险性评价的结论。

面向滑坡危险性评价的深度一维卷积神经网络方法--以四川省芦山县为例

滑坡灾害威胁着人类生命财产安全。因此,准确地评价滑坡危险性对于灾害分析至关重要。目前常见的机器学习方法不能提取更深层次的数据特征,难以获得高质量的滑坡危险性评价图。因此,论文提出一种面向滑坡危险性评价的深度一维卷积神经网络方法,以期利用卷积神经网络强大的表征学习能力获得更高精度的评价结果。以滑坡灾害多发的四川省芦山县为例,选择2016年346个历史滑坡数据用于模型的训练和验证。为了验证模型的有效性和精度,实验将支持向量机模型、信息量模型与一维卷积神经网络模型进行对比分析,并将其应用于芦山县全区滑坡危险性评价。结果上,一维卷积神经网络和支持向量机的总体精度分别为0.9015和0.842,而一维卷积神经网络、支持向量机、信息量模型的AUC值分别为0.888、0.876、0.818。结果表明:一维卷积神经网络模型精度较高,在数据拟合度和评价效果上优于支持向量机模型、信息量模型,可以有效地应用于滑坡危险性评价。

基于高分遥感的河流水质反演研究——以金马河温江段为例

以成都市金马河温江段为研究对象,基于高分二号遥感影像数据,分析其水质变化情况。研究选取了2016年和2018年2个时段的金马河温江段水体,用经验法对叶绿素a、总磷、总氮、高锰酸盐、悬浮物浓度及透明度共6项水质指标进行反演,对反演结果进行差值计算,分析各指标的浓度变化,得出2016年金马河综合营养状态指数范围为40. 91~42. 92,2018年为40. 48~43. 38,两期的水质状况无显著差异,且都处于中营养状态。

元胞自动机模型在成都市城区城市扩张中的应用

研究城市空间格局演变,获取城市扩张模式和扩张形态,对研究环状城市发展的特点和方向具有重要意义。针对传统元胞自动机模型单一的转换规则在模拟环状结构城市扩张中存在不足的问题,提出了一种融合时空转换规则的元胞自动机模型,研究该模型在成都市城区城市扩张中的应用。以成都市一圈层和二圈层为研究区,结合多时序遥感影像、高程、坡度、水系和路网,构建马尔可夫状态转移概率矩阵和适宜性图集,模拟研究区2009年、2018年、2027年城市扩张,并分析城市空间格局演变。结果表明:研究区2009年、2018年城市扩张模拟结果Kappa系数分别为0.8397、0.7497,提出的元胞自动机模型能较好地适用于研究区;研究区城市空间结构整体呈环状放射形态,城市南边出现新的增长中心,新增建设用地沿已有建筑和路网分布;基于静态时空转换规则的元胞自动机模型在短期预测上效果较好。

一种面向空间分析的开源GeoServer服务自动发布与切片方法

WebGIS技术的发展,为空间分析功能集成到服务器端提供了良好的基础。目前,地理信息服务器对于发布动态数据的支持性较弱,且常规设计中未包含对动态发布的数据进行自动切片的功能,降低了WebGIS中数据处理的流畅性,影响了使用体验。这里提出一种面向空间分析的开源GeoServer服务自动发布与切片方法,将服务器上空间分析的动态结果自动发布成GIS服务,为加快数据访问速度,进一步将数据进行自动切片。基于该方法设计、开发了高分遥感河流水质动态评价系统,对两期遥感影像进行河流水质对比分析生成差异栅格图像,并将图像结果自动发布、自动切片。结果表明,面向空间分析的开源GeoServer服务自动发布与切片方法,可以动态将空间分析结果发布成GIS服务并自动切片,避免了人工发布的局限性,提升了WebGIS系统的灵活性。

基于信息量法和支持向量机的芦山县滑坡危险性评价

地质滑坡对人员和经济形成了巨大威胁,因此,区域地质滑坡危险性评价变得极其重要。为了将滑坡带来的损失降到最低,这里以芦山县作为研究区,分析研究区内地质环境的滑坡成因等相关特征,选择12种滑坡因子作为其滑坡危险性评价指标,采用AHP层次分析法确定滑坡因子权重,使用基于径向基核函数的支持向量机模型和信息量模型,对芦山区域进行地质滑坡危险性评价,采用自然断点法生成危险性评价结果图。结果表明:支持向量机模型的评价结果优于信息量模型的评价结果,其更适合于该区域滑坡危险性评价的定量评估;芦山区域滑坡发生受路网、水系、人类、地震活动影响较大;将芦山区域评价结果划分为低、中、高三个级别,高危险区域面积占比最小而其内分布滑坡点最多,低危险区域面积最大而分布滑坡点数目较少,说明评价结果与实验预期一致。所得到的滑坡危险性分区结果,可为该区域的滑坡灾害防治和土地规划利用提供参考。