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
中国白龙江流域舟曲段汶川地震后综合滑坡敏感性图
摘要：在这项研究中，基于GIS和逻辑回归模型的中国西北部的舟曲段白龙江流域的两个不同的滑坡敏感性图像使用了多时相滑坡和汶川地震引发的滑坡数据集。这个地区受山体滑坡的强烈影响有很长的历史，此外2008年汶川地震也造成了许多的滑坡。在这项研究中使用的数据包括两个滑坡库存,其中第一个包含历史滑坡,后者只包含由2008年地震引起的滑坡。额外的数据来源包括滑坡诱发因素如数字高程模型(DEM)30times;30平方米分辨率，正射摄影，地质和土地利用地图、降水记录和2008年的地震信息的峰值地面加速度数据。两类地图计算的比较表明，超过58%的研究区敏感性类别是一致的。分别观察一个或多个类的变化到约36%和6%。最后结合两个敏感性图相描述滑坡发生的最大可能性。敏感性图像计算的整体预测速率，为区域空间规划以及当地政府的紧急行动的组织的一个提供了理想的基础。
关键词：滑坡敏感性； 汶川大地震 ；多时相山体滑坡； 舟曲至武都段； 中国
1.简介
在中国，每年全国范围内的滑坡有关的直接和间接的经济损失超过20亿欧元（胡，唐，2005）。汶川地震导致15000多滑坡、泥石流、崩塌，据估计，大约20000的生命损失由这些山体滑坡造成。可以观察到12700个相关的风险地点，仍然威胁近一百万人生命安全（崔等人，2009；黄和李，2008；银等，2009）。据估计，在未来的5到30年这一地区泥石流、滑坡、崩塌发生的频率和强度将超过正常水平。（Cui et al., 2008; Xie et al., 2009）。要确定未来一个类似地震的影响下，最为脆弱的滑坡区，通过滑坡敏感性图来计算出未来的滑坡是极为必要的。通过已发生滑坡发生的相关主要因素估测滑坡的易发性，可以用来预测未来的滑坡事件发生的位置（Brabb, 1984; Chung and Fabbri, 1999）。易发性还包括一个描述的现有的或潜在的滑坡速度和强度（Fell et al., 2008）。定性和定量相结合的方法已被用于创建滑坡敏感性图的过程中（Aleotti and Chowdhury, 1999; Guzzetti et al., 1999; Soeters and van Westen, 1996）。定性的方法被70年代后期工程地质学家和地貌学家广泛的应用。然而定量的方法，通过由于计算机和地理信息系统（GIS）技术的进步与辅助，其控制因子与滑坡的关系的数值表达式是流行在过去的几十年里原因。(Bai et al., 2011; Guzzetti et al., 2005; van Westen et al., 2008)。普通逻辑回归（OLR）已广泛应用于滑坡敏感性映射（Atkinson and Massari, 1998; Bai et al., 2010; Guzzetti et al., 1999; Yalcin et al., 2011）。逻辑回归的算法应用最大似然估计，将变量的相关变量转换为逻辑变量，表示变量的自然对数是否发生的概率。这项研究的目的是通过逻辑回归的基础上进行滑坡敏感性评估，包括（1）汶川地震前发生的边滑坡和（2）地震本身引发的山体滑坡。敏感性地图之间进行比较，随后结合到地图描述未来的滑坡发生的最大可能性。
2.研究区
中国西北舟曲至武都段的白龙江流域的总面积8917平方公里位于秦岭造山带西翼中南部。它是由青海–西藏构造带和武都弧形构造控制，并受青海–西藏高原抗拔的影响。这段落位于秦岭，被青海–西藏高原、黄土高原和四川盆地三大地貌单元环绕。由与它的地理条件使得白龙江流域成为中国最严重的滑坡受灾地区之一(Scheidegger and Ai, 1987)。据报道，在武都和舟曲段有2000多个中型和大型滑坡（体积大于3times;104立方米）。该地区除了岩石的硬度低具有可侵蚀性，构造活动、地震频繁发生。研究区很大程度上受汶川地震影响（图1）。随着城市的发展与重建和汶川地震后滑坡频率的增加，加剧了滑坡灾害对社会的影响。对生活在那里的成千上万的人来说，这是一个残酷并具有挑战性的问题。在过去的10年里，发生了几次大的滑坡灾害。例如，研究区内发生在2010年8月8日的甘肃泥石流（图1）。这次泥石流是由暴雨引起的，造成1287多人死亡（Yu et al., 2010）。
3.物源
3.1.山体滑坡
3.1.1多时相山体滑坡
中华人民共和国国土局准备做对1999以来地质灾害最严重的县进行地质灾害调查，到2004年底，在中国山区的600多个城市完成了滑坡灾害调查与测绘（比例尺：1:100000），并且为居民们建立相应的信息系统、简单的监测和灾害防治网络（Zhou and Yao,2009）。据此，301个白龙江流域舟曲至武都段的历史滑坡，汶川地震前分别被报告出来（Chen, 2001; Dong, 2003）。一般来说，国际滑坡分类遵循varnes 和Cruden术语（1996）。然而，在中国，材料组成类别也是山体滑坡分类基础的（Liu and Yan, 2002）。在后来的分类中，在这个区域可以滑坡可分为四种类型：堆积层滑坡、黄土滑坡、黄土泥岩滑坡和基岩滑坡。堆积层滑坡是第四纪和现时代沉积物形成的松散物源造成边坡失稳带来的。这种类型包括滑坡和其他的破坏过程中物源的堆积，比如黄土。一般而言，相对松散的物源层是堆积在坚硬的岩石地层之上。沿着材料边界的弹性，塑料，粘性层发着堆积，经常导致边坡失稳。黄土类型滑坡主要包括上更新世的黄土滑坡。在这种情况下，滑动面是黄土与基岩之间的接触面。黄土、泥岩、泥岩等物质界面作为剪切面组成的滑坡类型。黄土泥岩滑坡的规模往往非常大。基岩滑坡主要受岩石的组成和结构的缺陷的控制。这些滑坡大多是大范围，并具有较高的传播速度。研究区大部分的基岩滑坡是由地震引发的。
3.1.2汶川地震引发山体滑坡
汶川地震发生后，国土资源部立即组织科学家进行地震工程和地质勘察，为震后紧急情况和中期过渡安置和重建提供科学的决策信息和应急对策。为了获得对地震灾害的可靠信息，调查是基于两种方法，即野外调查和遥感影像解译（Huang and Li, 2008; Tang et al., 2009）。地震引发的山体滑坡库存包括各种来源的信息：震后现场调查、遥感影像数据的平面手册解释（SPOT 5，ALOS和航片）、1:2000数字正射影像图（DOM）和数字高程模型（DEM）与30times;30平方米分辨率。已有地图的典型滑坡形态识别包括可见的陡坎，丘状地形，滑坡坝。根据varnes（1984）和Cruden and Varness （1996）不同类型的滑坡被总结为以下类别：崩塌（包括岩石瀑布，瀑布和岩石崩塌泥石流）；泥石流（滑坡衰退）。通过甘肃省地质环境综合监测站（陇南市国土资源局、2008）和汶川地震灾区遥感应急监测报告（秦等，2009），确定了878个地震滑坡的研究区（图2）。
3.2滑坡的诱发因素
基于1:200000尺度的地质图，，根据类似的材料根据其组成机械特性和物理分组定义八个岩石性单位。（Chen et al., 2006）（表1）。每个岩石单元具有相似的地质性质和条件。图3中是八种岩石单元的概述。数字高程模型（DEM）的像素尺寸是30times;30平方米。为了将这些参数表示的信息存储在一个统一的主题数据库中，不论原始源的规模，将所有的产品的像素的大小被设置为30times;30 m。事实上，以下解释已经被被仔细考虑过。海拔、坡度、平面曲率和曲率属性方面，DEM使用ArcGISreg;，然而边坡破坏河流的距离、道路和断层是来自数字化的1:200000地形地质图。土地利用类型映射使用的是预处理和增强后 Landsat TM5图像。分析图像进行数字处理进一步修改边界的监督分类与ERDAS（地球资源数据分析系统）软件。现场验证土地利用解释的准确性。中国600个包括调查研究区在内气象站的降水资料。利用逐日降水量资料，建立平均年降雨量等值线图。克里格通过ArcGIS被进行空间插值。利用这些年降水量资料，利用空间插值法，得到了平均年降水量等值线图。在这项研究中，地震动峰值加速度（PGA）作为主要的地震滑坡的触发因素（图4）。从国家强震动观测网络系统获得的地震强震动记录PGA数据（NSMONS）（Lu et al.，2010）。 NSMONS由永久免费站点、特殊观测阵列，移动台和网络管理系统组成。在汶川地震中，460个永久自由场站点获得超过1400个组件的加速度记录。此外，在网络系统中观察到三个阵列的地形效应和结构响应的主要冲击。
4.方法
识别和映射一组合适的参数的与滑坡有关需要先验知识的主要原因是(Guzzetti et al .,1999)。这个方法应用于本研究关键基于“过去和现在是未来”的原则。这一原则是普遍有效性可以质疑，不过，这已经超出了任何研究提出的研究。这种方法的基本原理是使用现有的山体滑坡的特点来评估可能的领域未来的山体滑坡。为了实现这一目标,创建数据库包括滑坡特征和滑坡的诱发因素，随后进行了分析。两个主要的假设基于发生山体滑坡的概率方法:(1)与过去滑坡发生相似的环境条件,和(2)预测的未来可能发生滑坡地区，用于预测的因素必须是真且在将来不会有明显变化。
4.1. 逻辑回归法
逻辑回归用来估计某一事件发生的概率(Atkinson and Massari, 1998)。在当前情况下,因变量是一个二进制变量代表滑坡的存在与否。其物理流动模式最简单的形式可以表示为:
（1）
P是一个事件(滑坡)发生的概率，它从0到1的s形曲线；z被定义为下列方程(线性逻辑模型),和它的值定义为minus;infin;到 infin;：
（2）
0 是模型的截距,n是独立变量的数量，i(i = 1、2、3、hellip;n)是斜率系数的模型，i (i = 1、2、3、hellip;n)是独立的变量。这个线性模型代表是一个滑坡的存在与否(的逻辑回归独立变量(滑坡前状况）。
4.2. 逻辑回归测量滑坡敏感性
在逻辑回归中一般建议使用同等的滑坡和非滑坡像素(Nefeslioglu et al., 2008; Suuml;zen and Doyuran, 2004; Yesilnacar and Topal, 2005)。此外，的应该随机选择大约20%原始数据用于验证结果(Van Den Eeckhaut et al .,2006)。在第一步中，878个代表泥石流的样本区域是随机从滑坡自由区选取的。878滑坡像素和878 非滑坡像素合并并列一个二进制变量表示山体滑坡发生与否。1756像素的样本分为校准和验证数据的子集。校准数据集包含80%的像素,像素的验证集包含了剩下的20%。同样的过程进行汶川地震发生前的从时段遥测中提取滑坡库存602像素。为了避免改变参数的状态和信息地图，对连续数据原始的格式做逻辑回归分析处理，如地形参数数据，平均年降雨量，峰值地面加速度和距离向量层在。然而,分类参数如岩性单元,土地使用和二进制格式处理（一个虚拟变量)。
在第二步中,通过公差(TOL)和方差膨胀因子(VIF)索引计算了多时相滑坡和汶川地震引发滑坡诱因。基于公差计算方差膨胀因子小于2并且高于0.4，随后输入进行逻辑分析。
在第三步中,多时相滑坡的诱发因素和汶川地震引发滑坡分别导入到逻辑回归算法Windows中SPSS 15.0统计软件计算滑坡的相关因素(几何，2007)。一个正向逐步回归进行了整合的预测造成山体滑坡存在的变量。在这项研究中，进入模型的数值chi;2的显著性水平为0.15。一个变量统计值chi;2的显著性水平为0.05。多时相滑坡敏感性图的统计变量，如方位，海拔，土地使用，断层和斜坡的距离。汶川地震引发的滑坡敏感性图的统计变量，如坡度、土地利用、剖面曲率，岩性单元、PGA、故障距离和道路的距离。
在第四步骤中，使用逻辑回归系数计算滑坡的发生概率。许多在文献中描述的概率图的方法被划分成不同的类别（Ayalew et al., 2005; Dai and Lee, 2002; Guzzetti et al., 1999; Suuml;zen and Doyuran, 2004）。在这项研究中，使用ArcGIS 9.3工具生成的类别打破标准偏差法、概率图分为四类：非常低的敏感性，低、中、高。
4.3. 精度评价
计算正确的分类百分率，对进行的验证数据集的性能进行评估，这一概括的模型构建在训练阶段。为此，接受者操作特征（ROC）曲线下面积（AUC）应用构成一个在自然灾害评价预测模型最常用的精度统计（begueria，2006）。
Can等人说（2005），在一个有用的滑坡敏感性图的敏感性空间分布中，所观察到的滑坡区域应符合具有高敏感性的区域（Rule I）。此外，高敏感值应覆盖的小面积（Rule II)）。由于在这项研究中，用来产生滑坡敏感性图每一个滑坡只占有1个像素值，滑坡数量的百分比代表每个敏感性水平。
4.4. 敏感性地图的比较
多时相滑坡和汶川地震引发的滑坡的相同的像素的滑坡敏感性数值的差异进行比较。在第一步中，多时相的易感性类滑坡敏感性数值被重新映射为从1到4，易感性相关类从极低到非常高。同样,汶川地震引发的滑坡敏感性的地图重新编码值10，20，30和40。在第二步中,被总结包括所有地图和每个单元的数值。图5表示过程。
5.结果
5.1. 滑坡敏感性分析
由此产生的重新分类的敏感性图（图6）。表四显示了2个易感区多时间滑坡和汶川地震引发的滑坡分布。
5.2. 精度评价
多时相滑坡敏感性映射，验证数据的预测精度
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[32001]，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。
