基于InSAR技术的九寨沟地质灾害危险性评价研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:monorrch
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
九寨沟县在其脆弱的地质环境、巨大的地形起伏、复杂的地层岩性等基础地理环境因素影响下,区域地表形变活跃。加之在强烈的地质构造运动及降雨等因素的触发作用下,县域内各类地质灾害长期呈现出多发、易发、高发态势。由于研究区特殊的地形地质条件和丰富的植被覆盖,地质灾害隐蔽性较强,在灾害防治过程中难以实现早期预测,极易造成大规模的社会经济和人员损失。目前,九寨沟已被列为四川省地表形变的重点监测区,能够有效识别该区域的潜在地质灾害并加以防控,成为本文研究的重中之重。将传统地质灾害调查手段用于山区形变监测时,常常显现出监测方法适用性较低且探测结果精度有限的缺点。近年来,合成孔径雷达干涉测量(Synthetic Aperture Radar Interferometry,InSAR)技术在地表形变监测方面展现出不可比拟的优势,具体表现为:全天时全天候探测、探测范围广、探测精度高、探测成本低等。同时,InSAR技术还可以为后续开展潜在地质灾害点识别及研究区地质灾害危险性分区任务提供数据和技术支持。本文选用了ALOS-2雷达卫星影像为研究数据,采用InSAR技术完成地表形变探测。然后,以前期地表形变监测结果为研究基础,提取出研究区域的潜在地质灾害点,分析并阐述灾害点的分布规律及孕育条件。最后,采用改进的层次分析-信息量模型完成对研究区九寨沟的区域地灾危险性评价任务。本文的主要研究内容和获取成果如下:(1)将九寨沟县15景ALOS-2升轨SAR影像作为数据源,通过D-InSAR和SBAS-InSAR技术实现地表形变监测,得到探测区形变数据。采用GIS空间分析手段和目视解译方法从InSAR监测结果中筛选出261个潜在地质灾害隐患点。对潜在地灾点的形变信息进行分析,结果表明:研究区地表形变处于整体稳定、局部活跃状态。通过野外实地调查方式验证出超过65%的形变解译区具有形变迹象,表明InSAR技术应用于山区潜在地质灾害筛查的结果可靠。(2)总结前人的研究经验及成果,针对九寨沟的实地条件,开展潜在地质灾害点的地表分布、发育成因及诱发机理探讨研究。结果表明:研究区地质灾害的发育受地貌地形、地质环境、气候水文、人类活动等多方面因素的共同作用。并以此为研究依据,将地层岩性、坡度、河流等11个因素作为评价因子,构建九寨沟地质灾害发育危险性等级评价指标体系。(3)采用加权信息量法完成九寨沟县地灾危险性评价工作,加权方式选取层次分析法。评价过程中,对传统层次分析法加以改进,采用几何平均法、算数平均法以及特征向量法三种方式计算权值,取三者平均值替代单一权重计算结果,并将其确定为最终权值。以潜在地质灾害点为研究图层,与各评价因子图层叠加,利用改进AHP-信息量模型计算研究区内各评价单元的总信息量。在最终的地质灾害危险性评价结果中,九寨沟县被划分为低、中、高和极高危险区四个类别。且通过ROC曲线检验评级精度的结果可知,改进AHP-信息量法将AUC值由0.812提升为0.854,表明该改进模型提升了预测可信度,改进方式有效。
其他文献
随着信息技术的蓬勃发展和大数据时代的到来,各行各业迎来了信息化的革新,人们的生活也因此得到了极大的便利。现如今,储存在各类网站中的数据量呈爆炸式增长,但如何在海量的信息中寻找到需要的那部分却成为了困扰用户的一大问题。因此,推荐系统作为一种有效的信息过滤手段应运而生。近年来,推荐系统受到了广泛研究,其中基于图神经网络的推荐模型是近年的研究热点,但现有的模型仍存在着一些不足之处。首先,现有的基于图神经
指数和是数论中基本而重要的研究对象。人们对指数和有很多深入的研究。特别是Gauss和与Jacobi和,有较为系统和深刻的结果。本博士论文将Gauss和与Jacobi和的结果应用到了以下两个方面的问题:问题一:利用指数2情形下Gauss和的计算结果,对满足3l≡3(mod4)的奇素数l,给出有限域Fq上阶数为l和2l的两类分圆数的显式计算公式;问题二:在[66]的基础上,利用二次约化的Jacobi和
激光雷达(Light Detection and Ranging,Li DAR)是一种能够获取大面积区域精确点云信息的遥感技术,其被广泛地应用于地形测绘,高度估计,电力线监测等诸多方面。然而,在用于获取地表信息的激光雷达点云高程数据中,位于地面和地物(如树冠)上的点混杂在一起,因此在构建地形之前,需要将其分为地面点和非地面点,这一过程被称为滤波。虽然当前已有许多点云滤波算法被提出,但这些算法普遍在
随着人工智能相关技术的飞速发展,深度学习与神经网络给许多传统行业使用的工具带来了新的变革,不仅大大提升了工具的使用效率,降低了使用的难度门槛,还提高了工具的产出质量。而对抗生成的思想被提出后,基于深度学习和神经网络等技术的媒体数据生成方式开始不断的创新和发展。这使得在当今社会中,用一款软件来替换别人的人脸制作一些伪造人像数据的操作不再专属于专业的图像视频制作人员。而这种技术的普及化会带来巨大的信息
近年来,随着全球气候变暖,野火(Wildfire)在全球范围内频繁发生,不仅破坏区域生态系统,释放温室气体和污染气体,加剧温室效应,而且威胁人民生命财产安全。因此,高精度、近实时、大范围的野火风险评估与预警至关重要。植被冠层可燃物含水率(Canopy Fuel Moisture Content,CFMC)是野火风险评估与预警中的关键参数。由于光学卫星可以提供大范围、近实时和多波段的遥感影像,基于光
气象卫星在进行环境监测中发挥重要作用,中国的风云系列气象卫星自开始研发至今51年以来为中国气象预报和自然灾害监测发挥了重要作用,新一代的极轨卫星能够全天候开展全球范围内数据获取任务,对于及时开展全球变化研究发挥重要作用。目前,国内关于全球陆表水体提取工作的开展还有待进一步开发,率先利用风云卫星MERSI 250米分辨率数据进行全球陆表水体提取工作,对利用该卫星数据进行全球变化研究和其他系列产品制作
近些年来,量子计算的研究已经受到人们越来越多的关注。量子计算机完全不同于经典计算机,它利用量子力学基本原理,如量子纠缠、量子叠加原理等,进行计算。在一些问题上,尤其是对量子系统的模拟方面,量子计算机具有经典计算机无法比拟的优越性。量子模拟是量子计算研究的一个重要组成部分,是研制量子计算机的一个重要目标,也是展现量子计算机优越性的重要途径。在量子计算的物理实现研究方面,研究者们进行了不懈的努力。目前
群是现代科学中最重要的数学概念和工具之一,研究群的基本工具是群表示论。作为有限群复表示理论的核心,特征标理论有两个比较活跃的研究方向:特征标、共轭类的算术性质和特征标对群结构的影响。本文的主要结果分为三部分。第一部分关于特征标维数和共轭类长度的算术复杂性,我们研究了特征标理论中的核心问题:Huppert的ρ-σ猜想及相关问题。首先我们改进了一般群上的ρ-σ猜想的结果,之前最好的结果是CasolO和
海表温度(Sea Surface Temperature,SST)是海-气相互作用过程中物质和能量交换的一个重要参数,是研究大气和海洋环境变化的基本参数,是区域和全球尺度上气候变化的决定性因素。高精度和高时空分辨率的海表温度数据是海洋监测、气候变化预测、大气环流异常分析、海洋初级生产力和海洋渔业等研究领域的重要数据来源。Sentinel-3A上搭载的海洋和陆地表面温度辐射计(Sea and Lan
水流方向信息是水系网络提取过程中重要的输入数据。由于平地是没有局部高程梯度的区域,平地上的水流方向复杂,所以平地水流方向信息提取是整个水系网络提取中的重点和难点。同时,随着数字高程模型(DEM)精度的增加,DEM的数据量越来越大,传统的串行算法已经不能处理日益增加的数据量。为满足大数据量DEM上平地水流方向快速自动化提取的需求,本文改进了现有的平地水流方向串行提取算法,并设计了平地水流方向并行提取