简介:滑坡是造成损失和破坏最大的自然灾害之一,其诱因主要是地震和/或降雨。目前的研究中,用遥感技术和地理信息系统(GIS)调查ArunachalPradesh区Dikrong河流域的滑坡灾害分区(LHZ)。用遥感技术和GIS生成了各种主题的地层即斜坡、影像.线性构造缓冲带、逆断层缓冲区、相对地势图、地质图,土地利用,土地覆盖图。根据各种成因因素(如来源于遥感数据和其他主题图)的相对重要性,将加权评分系统用于滑坡灾害分区LHZ。按照GIS信息,不同等级的主题层被赋给相应的评分值,然后每一个数据层就生成一个“属性图”。给主题层内的每一个等级赋一个序号从0.9的评分值,然后这些属性图的总和乘以相应的权重得出每个单元的滑坡风险指数((LHI))。经重新调整采用的试错法的权重评级值。使用的LHI阀值是142、165、189和216。经过使用限幅(切断)运算,一幅处理过的LHZA图标出了5个区即:“非常低危险”、“低危险”、“中等程度危险”“高危险”和“非常高危险”。
简介:我们测试了利用数字、彩色航空正射影像以及空间与辐射测量分辨率的单视场全色卫星影像对意大利近来滑坡进行填图的概率,并更新了现有滑坡位移测量数据。2004年9月至2005年6月,在亚平宁山脉中部翁布里亚的90km。区域内降雨导致大量滑坡发生。通过对降雨记录分析发现,滑坡出现与降雨时间比较吻合,即滑坡多发生在潮湿的降水期。滑坡主要发生在农耕区,且形态细微、覆盖较好,因此识别个别滑坡并填图比较困难。尽管应用识别滑坡很困难,不使用立体可视化方法,仅采用航空和卫星影像进行目视解译,共识别457个新滑坡并填图,单个滑坡面积(AL)在3.0×10^1与2.5×104m^2之间,滑坡总面积ALT为6.92×10^5m^2。为了鉴别滑坡,研究者采用空中摄影测量解译准则识别和制作滑坡图。结果表明,利用航空和卫星传感器获取的单视场高分辨率影像,能够绘制很难探测的滑坡地区滑坡图,其空间分辨率和辐射分辨率可以满足需求。不同时相的航空影像(2005年3月)和卫星影像(2005年6月到7月)可提供分阶段滑坡信息,并可统计不同时间段内滑坡分布面积。与该地区先前存在的滑坡数量和大小信息相比,通过航空和卫星影像获取的滑坡信息更加完整。新绘制地图中滑坡数量比先前探测的数量多出145%,滑坡面积多出85%。在改进的滑坡填图中,2004-2005年滑坡多发季节滑坡滑动率φL=27.1mm/yr,比先前对同时期滑动率的评估值高30%。在亚平宁山脉中心地带,该滑坡滑动季节变化率远远高于长期地区侵蚀率。该滑动率的加速增加归因于农业行为导致边坡稳定性下降。
简介:本文论述了对Montaguyo(意大利)活动滑坡的多时相激光雷达的研究。通过四个激光雷达分别获取了2006年5月、2009年7月、2010年4月、2010年6月的数字地形模型。通过对选定形态参数的解译(表面粗糙度、地形表面残差)以及这些参数时空变化的统计分析能够进行滑坡的再现和追踪。已经完成滑坡边界的监控,进行了隆起和沉降区、形变量和/或堆积物、垂直和水平位移的平均速率(退缩的平均速率和滑坡前端的推进速率)估算。对在不同时间影响滑坡的形变结构(陡坡、裂缝、褶皱)进行了制图;其中一些结构表征了滑坡即将进入不稳定过程的前兆或提供了结构位置相关信息。识别了不同的活动(如岩崩和泥石流)和几何形状(例如沟渠流动),检测了由人工排水和地面处理/清理工作引起的地形特征随时间的变化。我们根据激光雷达获得的信息能够解译滑坡的运动。研究结果表明,利用机载激光雷达能够提供重力.控制过程相关监测策略的新观点。
简介:我们采用双变量和多变量统计分析法预测美国俄亥俄州东北部Cuyahoga流域滑坡的空间分布。通过基于地理信息系统(GIS)的调查来评估滑坡与各种诱发滑坡的不稳定因素之间的关系。根据从航空照片、野外检查和现有文献获得的滑坡位置编制滑坡编录图。把诱发滑坡的不稳定因素导入ArcGIS光栅数据层,例如边坡倾角、土壤类型、土壤侵蚀度、土壤液性指数、土地覆盖模式、降雨量和河流距离;并利用滑坡区物理条件相应的数值刻度对这些因素进行分类。为了调查每种不稳定因素控制滑坡空间分布的作用,采用双变量和多变量模型来分析数字数据组。在多变量模型分析中使用了逻辑回归法。
简介:在确定地下水提取的限制范围时,研究依赖地下水的生态系统(GDE)的位置至关重要。结合遥感与地理信息系统(GIS)模型,以绘制南非Sandveld地区内GDE概率等级图。利用陆地卫星TM识别可能存在GDE地区,并采用地理信息系统协助对这些地区的描绘。建立了3种GIS模型:GIS模型,基于地形特征来预测地貌湿度潜力(landscapewetnesspotential)(LWP模型);改进LWP模型以突出地下水产生的地貌湿度潜力(获得的GglWP模型);并把研究区内钻孔的地下水测量值与数字高程模型数据相结合,获得地下水高程模型。对从陆地卫星获得的生物量指标进行分类并结合GIS模型,随后对河流与湿地内的GDE进行野外验证。在3种用于测试研究区内GDE的模型当中,LWP模型提供的模拟结果最为准确。