极端降雨条件下泥石流灾害易发性评估
文献类型：学位论文
| 作者 | 杨宁 |
| 答辩日期 | 2023-06 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院大学 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 姚治君 ; 王蕊 |
| 关键词 | 极端降雨条件 泥石流易发性 横断山区 半集成监督 机器学习 |
| 学位名称 | 硕士 |
| 学位专业 | 自然资源学 |
| 英文摘要 | 泥石流是我国典型的山地灾害之一，严重影响灾区人民生命财产安全及经济社会发展稳定。在全球变暖的背景下，地区极端降水事件频发，这势必会对泥石流等地质灾害产生深刻影响。横断山区是我国泥石流灾害频发区，在极端降雨事件的驱动下，识别其泥石流灾害易发性的变化是重要的科学问题,也是防灾减灾等工作的重要理论基础。本文基于横断山区4177个历史泥石流灾害点数据，结合信息量法和地理探测器，识别地形条件、降雨因子、地质构造、地表环境、人类活动等五个方面地理因素及其交互作用对泥石流灾害的影响程度；基于K近邻（KNN）、随机森林（RF）和正则化神经网络（BRNN）三种机器学习模型，构建半集成监督的易发性建模方法，完成优化模拟，提高泥石流灾害易发性评估精度；并在此基础上，通过GIS空间分析从降水强度、持续时间和频率三个角度，阐述6种极端降雨条件下泥石流灾害易发性的空间变化。主要结论如下： （1）泥石流灾害与各地理要素空间匹配情况显示，距离道路的远近、距离水系的远近、高程是表征横断山区泥石流灾害易发程度的主导因素。同时，变量之间存在促进或抑制的相互作用关系，绝大多数情况下对泥石流的影响并不是单一因素的线性作用，而是多个因素耦合作用的结果。 （2）机器学习模型在经过半集成监督方法的改进后,各个模型的精度均得到了不同程度的提高，其中半集成监督随机森林（ESRF）模型的AUC值为0.980、TSS值为0.489，显著优于其它模型，表明单一模型中ESRF模型与真实发生的泥石流灾害样本的实际匹配效果最好，模型精度最好，半集成监督方法的应用可以扩大记录的泥石流样本数量，有效地解决了非泥石流样本的选取问题。 （3）极端降雨条件中的强度和频率指标表示出相似的空间分布特征,整体呈现从东南向西北方向递减的趋势，且东南和东北部分地区出现区域性高值中心。极端降水的持续时间指标显示，持续干燥日数多的地区主要分布在横断山区西北部分，以昌都-甘孜西部为主要代表地区，持续湿润日数的区域高值中心主要以甘孜中东部地区为主要代表。 （4）极端降雨是泥石流灾害的重要的激发因素，从6种不同极端降雨条件下的泥石流易发性图来看，高和极高易发区主要分布在横断山区的东南部、南部区域。横断山区东北地区在降雨强度的影响下泥石流发生的可能性大大增加，而西北部和中部地区容易受极端降雨的持续时间长短的影响，而极端降雨发生频率的递减趋势与泥石流灾害易发性降低的趋势较为一致。 （5）在考虑泥石流形成所需的地形条件、地表环境、地质构造、人类活动、气象条件等影响因素的基础上，研究从地类分区的角度对不同极端降雨条件中泥石流的差异进行了分析，以距离道路、水系远近和高程分区时，距离道路和水系越近、高程越低时泥石流易发性逐渐升高，此时主要以极高易发区的面积变化为主；距离道路和水系越远、高程越高时泥石流易发性逐渐降低，此时主要以极低易发区面积变化明显为主。持续干燥日数（CDD）条件中，在距离道路大于1500m时极低易发区面积变化最明显，减少了11.73万km2，而低易发区面积变化最明显，增加了11.47万km2。高程大于3600m的地区范围内，极低易发区面积减少了11.63万km2，而低易发区增加了10.77万km2。在距离水系大于1500m时，极低易发区减少了9.28万km2，而低易发区增加了7.13万km2。 |
| 语种 | 中文 |
| 页码 | 85 |
| 源URL | [http://ir.igsnrr.ac.cn/handle/311030/199354]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 杨宁. 极端降雨条件下泥石流灾害易发性评估[D]. 中国科学院地理科学与资源研究所. 中国科学院大学. 2023. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。