滑坡灾害监测数据处理平台及其应用研究

摘要

我国滑坡灾害频繁,每年造成巨大的经济损失。遥感技术和地面传感器技术的迅速发展为滑坡监测与预测提供来了较好的技术支撑,对典型滑坡灾害易发区域的监测,也从原来的单一传感器模式发展到对地观测遥感系统与多种地面传感器相集成的滑坡灾害监测智能多传感器网络,这些监测数据来源多样,具有不同的时间和空间分辨率,将其进行时空尺度转换,构建统一的时空基准对滑坡监测和预测非常重要。本文对比分析了现有的遥感与滑坡关键因子数据时空转换方法,构建滑坡监测数据处理平台,开展典型应用,这对于提高滑坡灾害监测与预警水平、提高防灾减灾能力具有重要意义。本文采用的研究方法和形成的结论如下:
　　(1)在分析现有时空转换方法和滑坡预测模型的基础上,通过构建系统设计原则和总体设计方案,基于Arcgis Engine、ENVI/IDL和C＃语言,在Microsoft Visual Studio环境下完成了滑坡监测数据处理与预测平台,实现了滑坡关键因子数据处理、光学遥感数据处理、时空基准转换和滑坡预测等功能。
　　(2)以汶川灾区为研究区,采用SRTM3 DEM、ASTER GDEM和GTOPO30三种DEM(Digital Elevation Model)分别对实验区进行信息量模型的危险性区划,结果表明统一到一个空间尺度的SRTM3 DEM更适合于该区域的信息量建模。对RTM3 DEM数据通过重采样得到10m,20m,30m,40m,50m,60m,70m,80m,90m尺度的数据,进行信息量模型的危险性区划,利用本文提出的评价参数a,发现重采样到60m的分辨率的SRTM3 DEM最适合研究区域基于信息量模型的滑坡预测。
　　(3)基于滑坡监测数据处理与预测平台的滑坡预测模块,以茅坪滑坡为实验点,应用指数平滑模型、GM(1,1)模型和二项式回归模型进行了10个月的位移预测。结果表明,对于指数平滑模型,当进行三次指数平滑、平滑系数为0.2的时候,指数平滑模型的预测精度最高;对于二项式回归模型,运用等维灰数递补方法能很好的提高该模型的预测精度;而针对 GM(1,1)模型,由于数据的特点,应用本文提出的缩减样本和等维灰数递补相结合的方法,能很大程度上提高模型的预测精度。最后利用组合预测模型方法中的变权组合和不变权组合方法,在前面的预测基础上进行了改进。结果表明,对于总体预测精度:变权组合预测精度>不变权组合预测精度>单一模型预测精度。而在多种求权方法中,又以不变权组合中的方差倒数法精度最高,其误差平方和只有9.458。

目录

封面

声明

中文摘要

英文摘要

目录

1.1 研究目的与意义

1.2滑坡监测与预报国内外研究现状

1.3 研究内容及技术路线

第二章 滑坡灾害监测与预测主要数据的处理方法

2.1时空基准转换方法

2.2 基于信息模型的滑坡危险性区划

2.3单体滑坡位移预测方法

第三章 滑坡灾害监测数据处理平台构建

3.1 系统需求分析

3.2 系统设计原则

3.3 系统关键技术

3.4 系统模块设计

第四章 统一时空基准方法的滑坡危险性评价

4.1研究区介绍

4.2滑坡因子提取

4.3 滑坡因子信息量计算

4.4 危险性评价方法

4.5 评价参数a应用于三种类型DEM 危险性区划

4.6 SRTM3 DEM不同空间尺度的选择

第五章 单体滑坡预测应用

5.1 三种预测模型

5.2组合预测模型分析对比

5.3 预测精度对比

第六章 结论与展望

6.1 结论

6.2 展望

致谢

参考文献