英语原文共 8 页，剩余内容已隐藏，支付完成后下载完整资料
用基于GIS边坡单元方法评估降雨导致山体滑坡的敏感性
Shu-Rong Yang1
摘要：在本研究中，为了对台湾中部地区的暴雨事件引起的滑坡敏感性进行分析，利用遥感数据，使用地理信息系统（GIS）对山体滑坡进行了解释。判别分析用于确定可以成功分类滑坡和非滑坡斜坡的规则。以GIS为基础的斜坡单元作为地形细分，以确定滑坡的易感性。引起因素和触发因素被用来建立一套滑坡预测模型。选择2001年7月，2004年7月和2006年6月三个关键降雨事件引发的浅层滑坡数据进行开发。在使用的因素中，总累积降雨量是解释滑坡的关键因素。滑坡敏感性图是为国信地区建成的，并使用2008年新乐台风的后续暴雨事件的预测样本和数据进行验证。研究结果表明，该研究模型能够预测研究区大暴雨引起的浅层滑坡分布。 DOI:10.1061 /(ASCE)CF.1943-5509.0000997. copy;2017美国土木工程师学会。
介绍
一般来说，降雨对坡度的影响可能会减少土壤黏聚力，增加孔隙水压力，提高土壤单位重量，降低岩土剪力，从而造成山体滑坡（Iverson and Major 1986）。降雨引起的山体滑坡多年来一直是研究课题（Iverson 2000; Chowdhury and Flentje 2002; Guzzetti et al。2004,2007; Cardinali et al。2006; Dahal et al。2008; Lee et al。2008; Chang et al 2007,2008; Chang and Chiang 2009）.Chang et al。 （2008）利用最大3小时降雨强度和降雨持续时间作为滑坡预测模型逻辑回归的解释变量。（2008）在其权重证据模型中使用极端1天降水记录来预测降雨引起的滑坡.Chang和Chiang（2009）开发了一个综合模型，用于预测降雨引起的滑坡。将降雨作为独立因素纳入暴雨事件引起的滑坡建模已经成为常见的方法，但是这种方法仍然需要对不同环境验证和进一步的定义。
许多不同的方法和技术已经被用于评估滑坡，如半定量评级，平均加权法，定量分析法，多元统计方法，神经网络和粒子图像测速分析（Guzzetti et al。2004; Lee et al。2004; Chiu et al。，2017）。然而，这些方法主要用于小流域或基于网格单元，与基于地理信息系统（GIS）的网格单元相比，定义为二维下坡剖面的基于GIS的斜坡单元具有相对均匀的形式过程和岩性，上边界和下边界位于边坡断裂（Giles and Franklin 1998）。此外，每个坡度可以根据其分配数量计算。因此，公共管理人员很容易累积历史性的山体滑坡库存，并评估滑坡对危害管理和预防的影响。此外，尽管有可能用于预测滑坡空间概率，但另一个问题是，在大多数情况下，一个地区的基本滑坡敏感性图仅基于一个降雨事件。本研究中，由三个降雨事件引起的山体滑坡在台湾中部大面积进行了调查。目的是通过判别分析来预测滑坡滑坡的滑坡。 GIS技术用于空间数据管理和操纵。根据文献中经常使用的因素选择基于斜率单位的滑坡相关因素（Gorsevski et al。2000; Lee et al。2008）。选择2001年7月，2004年7月和2006年6月三个关键降雨事件引发的山体滑坡，用于开发滑坡预测模型。然后通过预测2008年9月的暴雨事件的样本和数据，验证了基于斜率单位的滑坡敏感性图。
研究区域
研究区位于台湾中部，面积15,400平方公里（221：25,000尺度地图），如图1所示。区域作物是冲积沉积变质岩，第三纪至第四纪。 冲积层由粘土，淤泥，沙粒和砾石组成， 沉积岩由砾岩，砂岩，泥岩和页岩组成; 变质岩由板岩组成。
研究区年平均降水量约为2400毫米，平均每年降雨159天。每年大约三次台风袭击这个地区，主要是七月到十月之间。最重的降雨通常发生在六月，七月和八月；平均每月降雨量约400毫米。在旱季，10月至3月，月平均降水量约为80毫米，平均每月降雨约8天。
历史重大降雨活动
台风中部地区大面积的自然灾害造成大雨。 例如，过去十年最重要的事件是台风Toraji，台风台风，以及69个暴雨事件。 2001年7月28日至31日期间台风Toraji袭击中部台湾，造成暴雨。最大小时降水量为131毫米，总降水量超过650毫米.Typhoon Mindulle于2004年6月28日至7月3日横扫台湾。 记录了台湾年降水量最大小时降水量138 mm，总降水量2,125 mm（Lee et al。2008）。 另一次大雨降雨事件（69次暴雨事件）导致城市地区淹水，农业和农村基础设施受到破坏，破坏山区道路。 此事件持续3天，2006年6月9日发生暴雨。
图1、研究区域及地质图：台湾中部
方法与工作方案
前面提到的暴雨事件引起的滑坡的空间位置记录在事件型滑坡库存中，用于开发滑坡预测模型。 为了开发模型，滑坡的空间位置首先通过卫星图像在前面提到的强降雨事件之前和之后手动定位。图2（a）。 然后，GIS中的整修航空照片检查了山体滑坡。图2（b）和现场调查图。图2（c）。检查后，山体滑坡的属性填充在基于GIS的斜坡单元中。图2（d）。 因此建立了预防和事后滑坡库存图。 通过比较事件前和事件清单地图，得出了一个基于事件的滑坡库存图。
图2、滑坡空间位置识别程序（转载自Yang 2016，copy;ASCE）：（a）山体滑坡是通过卫星图像定位的;（b）通过整改航空照片检查山体滑坡;（c）通过实地调查检查山体滑坡;（d）山体滑坡特征填补在基于GIS的斜坡单位中
在解释了三次降雨事件引发的山体滑坡后，随机抽取了一些样本相同的滑坡和非滑坡组，作为开展滑坡预测模型的训练样本。 其他被选为预测样本，以验证滑坡预测模型。训练组对预测组的比例为6:4。对于滑坡和非滑坡组，滑坡单位的因果关系和触发降雨因子分别为 在GIS中提取。 这些因素用于通过判别分析建立滑坡预测模型。 最后，建立了滑坡敏感性图（尺度：1 = 25,000），基于S的斜坡单位，使用滑坡敏感度图进行预测验证。
数据采集
从台湾中央地质调查局（CGS 2017）收集了5times;5m数字高程模型（DEM），1 = 50,000个地质图，1 = 25,000个岩质结构图，1 = 25,000个岩石强度图。DEM用于提取地貌因果因素，地质图用于分类地质区域。岩体结构图和岩石强度图用于获得岩体工程性质。
使用了三次降雨事件之前和之后拍摄的卫星图像。分别从SPOT4，SPOT5和FS2图像中提取台风Toraji，台风风暴引起的山体滑坡和69级暴雨事件。卫星图像从多光谱（XS）和全色（PAN）图像融合。所有融合的假彩色图像均由国家中央大学空间与遥感研究中心接收，处理和整改。
台湾水电局，台湾电力公司和中央气象局统计的约二百个雨水站收集小时降水资料。以前提到的大雨降水事件分析的降水资料包括有关的降雨事件以及事件前和事后两天。它们包括最大小时降水量，最大日降水量和最大累积降水量。收集的数据用于处理每个站点的降雨因子，然后使用普通的Kriging方法（Goovaerts 1997）在研究区域的空间插值到每个斜率单位。这种方法用于模拟降雨事件下降雨导致山体滑坡模拟降雨分布（Lee et al。2008）。它允许降雨基站网络中最清晰的插值降雨数据，是最具代表性的方法（Ayanlade 2008）。
基于GIS的斜坡单元
在这项研究中，定义为分水岭左/右部分的斜坡单位被用作地形细分，以确定滑坡易感性。 根据流域的地貌特征和光谱特征，可以通过排水和分界线划分坡度单位。 ArcGIS中采用基于GIS的水文分析和建模工具（水文工具）来自动描绘斜坡单位。 它为划分流域和流网络提供了一致的方法。
当使用水文工具进行分水岭分析时，流域可以从DEM获得，其大小可由用户确定。分形多边形的轮廓在拓扑上反映了分界线。为了获得排水管线，DEM数据需要反转；因此，高DEM值被反转为低值，低DEM值被反转为高值。然后，再次进行流域分析，流域大纲是与原始DEM数据对应的排水线。通过组合DEM获得的分水岭多边形和反向DEM数据，原始分水岭多边形可以通过反向分水岭多边形分为左右两部分。这两部分代表两个斜率单位（Xie et al.2003）。滑坡评估的斜率单位划分的类似方法已被几位作者认可，细节可以在别处找到（Carrara et al。1991; Dymond et al。1995; Giles and Franklin 1998; Guzzetti et al。1999; Xie et al 2003）。
在通过ArcGIS软件获得斜坡单位后，仍然需要进行手动编辑。基于阴影图，方位图和斜率图层对斜坡单位的多边形进行重新整形和修改。因此，斜坡单元的方面接近一致。 根据斜坡单位和当地地形梯度，研究区划分为31,529个斜坡单位。研究区域的斜坡单元的部分如图3所示。
判别分析
滑坡的空间预测是基于判别分析的。 这是降雨诱发的滑坡敏感性测绘中使用的常用方法（Baeza和Corominas 2001; Lee et al.2004; Guzzetti et al。2006; Pellicani et al.2014）。判别分析用于确定因子的权重 线性方程（判别函数方程），给出了滑坡组与非滑坡组之间的分离。 为了获得这些因素的权重，数据需要分为滑坡和非滑坡组，用于训练滑坡预测模型。 这些数据集分别命名为A和B.然后计算汇总方差和协方差矩阵S，两个多元均值之间的差异形成一个：
（1）
图3、研究区域斜坡单元部分
A =多变量对A组的意义; B =组B的多变量平均值; 并且可以使用以下等式获得汇总方差和协方差矩阵S：
（2）
其中SA = A组的方差和协方差矩阵; SB = B组的方差和协方差矩阵; na = A组数据数; 并且nb =组B中的数据数。求解以下等式，可以获得加权矢量W。
（3）
即，
（4）
加权矢量W可以修改为：
（5）
判别函数方程可以修改为以下线性方程式：
（6）
其中lambda;i =第i个斜率单位的判别分数; wj = 第j个因子的权重; xij = 第i个斜率单位的第j个因子的等级。 判别指数lambda;0定义为
（7）
其中，
（8）
其中= A组因子j的平均值（滑坡）; = B组（非滑坡）因子j的平均值。判别分数可以确定对象值应属于哪个类别。当lambda;i大于lambda;0时，i处的斜率单位可以分为滑坡类，或者可以预测为滑坡。
建模因素的选择
共有五十多种不同常用的滑坡相关因素。 根据文献综述，丰度和可及性，选出了最常用的八种。基于Gorsevski等人的研究结果（2000）和Lee等人（2008）在本研究中选择了五个常见因素。这些因素包括海拔，坡度梯度，坡度粗糙度，地形粗糙度和总累积降雨量。另外还有三个其他因素; 两个因素与岩性有关，即岩石强度和岩质结构，一个因素与地震对滑坡的影响有关。
众所周知，降雨在风暴事件中引发山体滑坡发挥重要作用。大多数浅层滑坡发生在暴雨期间或之后。降雨强度和持续时间或累积降雨量是描绘滑坡发生的最常用因素（Zezere和Rodrigues，2002; Guzzetti等，2007）。 在以前的研究中（Lee et al.2008），风暴事件的最大小时降雨量（最大降雨强度）和总累积降雨量被认为是同一研究区域的候选触发因子。 在研究中，最大降雨强度与滑坡易感性无关。因此，本研究采用总累积降雨量。
对于岩体结构和岩石强度的因素，评级是按照Franklin（1975）进行的。 岩体结构分为五类：（1）固体；（2）大块（3）块状裂缝和厚层；（4）薄层叠薄片；和（5）粉碎和粉碎。 随着评级的提高，岩石质量更为零碎。 岩石强度分为八个等级，代表0.25〜250 MPa的单轴抗压强度。 0.25〜1MPa的单轴抗压强度为一级，100〜250MPa为第八级。 岩石力量随着评级的提高而增加。
此外，Chi-Chi地震在1999年9月21日发生在研究区。斜坡已经被地震破坏或不稳定（Liao et al. 2002; Lee et al. 2008）。在这次地震发生后，山体滑坡可能重新启动 随后的降雨事件。 因此，提出了古代滑坡指数（ALI）的一个因素，以反映地震对滑坡的影响。 ALI定义为古代滑坡面积与斜坡单位面积的比例。驰智地震前后的卫星图像被用于获得奇驰地震引起的滑坡面
全文共15009字，剩余内容已隐藏，支付完成后下载完整资料
资料编号：[143243]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
