机载LiDAR与倾斜摄影测量在地质灾害中的应用

针对传统地质灾害调查易受天气、地形等外界限制,为实现地质灾害的快速调查与早期识别,利用无人机载雷达和无人机倾斜摄影技术,获取地表数字高程模型和数字正射影像。结合常规地质灾害调查技术,快速全面地获取详细的地质灾害信息,实现地质灾害安全评估。结果表明：测区三维模型平面和高程精度分别0.037m,0.042m,检核精度满足要求,成果数据可用于灾害体信息提取、特征参数计算以及辅助评估灾情。无人机载雷达和无人机倾斜摄影技术可为地质灾害识别和分析提供更加翔实的、准确可靠的灾害特征数据。     

汝州市成立地质灾害防治应急突击队

“今天交给同志们的不仅仅只是一面旗，更是一份沉甸甸的责任，希望同志们发扬民兵组织的优良传统，切实履职尽责，当好人民群众生命财产的守护神!”7月18日下午，在汝州市2011年地质灾害防治工作会议上，该市副市长胡洪献向地质灾害应急突击队授旗。     

强强联手智斗龙王 防灾减灾东海出招

地处我国东南沿海的浙江省，是我国海洋灾害较为严重的省份之一。多年来，浙江省高度重视海洋灾害防御工作，坚持工程性和非工程性措施并重，着力推进海洋防灾减灾建设，取得了明显成效。但是，在这样一个海洋大省，在6600多千米的海岸线上，只有东海分局建设的20个海洋观测站（点），     

迁移学习支持下的高分影像山地滑坡灾害解译模型

无人机低空遥感是近年来新兴的一种快速获取灾情信息的手段,如何利用无人机高分影像构建滑坡灾害解译模型是实现快速自动解译滑坡的关键。针对该问题,对比了多种影像特征提取方法,将迁移学习(TL)特征和支持向量机(SVM)引入到构建滑坡灾害自动解译模型中,提出了一种TL支持下的高分影像滑坡灾害解译模型。选取5·12汶川地震及4·20芦山地震系列无人机影像构建了滑坡灾害样本库并进行了实验,TL特征方法整体分类准确度ACC为95%,ROC达到0.98,识别准确率达到97%。结果表明,所提方法可用于高分影像滑坡自动解译,同时可用于大面积高分影像中快速山地滑坡灾害定位及检测。     

成都市雷电灾害风险区划分析

该文通过分析2009—2014年成都市闪电定位仪数据和成都市各区县人文经济数据(人口密度和生产总值),采用气象学分级统计分析方法,建立数学模型进行综合分析,对成都市区县进行雷电灾害风险区划,分析结果表明:郫县、龙泉驿区、青羊区和双流区雷电灾害综合风险较大,这些区域的重点建筑物及其附属设施(易燃易爆场所、危化品场所、大型公共设施及人口密集区、工业集中区和高层建筑等),应加强防雷设施的安装与检测。     

应用系统分析与事故树模型的设备雷电灾害风险评估

分析目前国内雷电灾害风险评估发展现状,针对精细化雷击风险评估需求,以某大桥塔体电梯雷电灾害风险评估为例,在对雷击损坏途径进行系统分析的基础上,引入事故树(FTA)分析方法对电梯雷击损坏事件的致因关系进行了建模、分析与评价,得出电梯雷击损坏事件发生的年预计概率、导致雷击电梯损坏事件发生的关键以及最佳控制雷击电梯损坏事件发生的最有效因素。     

基于连续无有效降水日数的吉林省干旱灾害识别与检验

利用吉林省26站逐日降水资料,基于连续无有效降水日数对吉林省1961-2000年作物生长季干旱及春、夏、秋旱进行识别,并检验与实况吻合率.结果表明,DNP识别各级干旱及春、夏、秋旱发生频次均呈由西到东减少的空间分布,重旱多发在西部,与干旱灾害实况一致.春、夏、秋旱占旱灾总频次的60.7％、22.6％、16.7％.不考虑干旱等级的检验结果显示,除通化地区外DNP对实际旱灾吻合率是60％～97％.对阶段性旱灾识别中春旱吻合率较高;夏旱吻合率不高;秋旱在西部有较高吻合率,中东部秋旱识别率低.历史典型旱灾年检验时,若不考虑干旱等级,吻合率达90.9％;若考虑发生时间,吻合率达86.4％;若将中旱等级以上识别为旱灾,则吻合率只有40.9％,此时若增加连续2次轻旱过程且间隔不超过4天同样识别为干旱,吻合率可提升至60％.总之,DNP评定干旱等级较实际偏低,但对阶段性旱灾有较好识别效果,能为干旱监测、旱灾评估业务工作提供参考.     

波致海床瞬态液化对再悬浮贡献率的深度学习预测方法

波致瞬态液化渗流导致海床内细粒沉积物向海水中运移,这一过程对海底沉积物再悬浮的贡献率不容忽视,但是贡献率的准确估计和预测比较困难。本研究将黄河水下三角洲的观测数据(包括水深、有效波高、有效波周期、实验舱内悬沙浓度、实验舱外悬沙浓度)作为模型输入数据集,基于长短时记忆循环神经网络建立了瞬态液化对再悬浮贡献率的深度学习预测模型。为了客观评价模型的性能,以平均绝对百分比误差、均方根误差和平均平方误差-标准偏差为评判标准,将该深度学习模型与其他预测模型(支持向量回归模型、人工神经网络)的预测结果进行了比较。结果表明,基于长短时记忆循环神经网络的深度学习模型对3.5d以内的瞬态泵送再悬浮贡献率预测误差最小,其平均绝对百分比误差、均方根误差和平均平方误差-标准偏差分别为5.87%、1.6730、0.1574。因此,该模型可以有效地减少机器学习方法在连续预测中产生的误差叠加问题。     

责任主编致读者:新构造与环境

“新构造”是1948年由前苏联地质学家奥布鲁契夫(B.A.Обручев)首次引入到地质学与地貌学中,本意指“新近纪以来各类地壳运动所形成的构造及其在现今地表的各种表现”。在1984年由英国地质学家汉考克(P.L.Hancock)和威廉姆斯(G.D.Williams)共同召集的“新构造国际会议”上,进一步将其明确为“现今构造应力场及构造地貌格局形成以来所发生的构造运动”。由于新构造运动和现今正在进行的板块运动、断裂活动、褶皱变形、地块升降及拱曲掀斜、地震与火山等地质过程,以及伴生的地面沉降、崩塌滑坡灾害、海平面变化、河口变迁、地热与温泉、地下水活动、热液成矿、油气运移与赋存等资源环境效应密切相关,它不仅是研究大陆动力学理论研究的重要内容,更是关系到国民经济社会发展中的国土空间规划、环境保护、能源资源开发利用、重大基础设施规划建设、灾害防御和地震预测等众多领域。