Snow avalanche susceptibility evaluation in the central Shaluli Mountains of Tibetan Plateau based on machine learning method北大核心CSCD

Snow avalanches,which are widely and frequently developed at high elevations,seriously threatens the built traffic corridors in the Tibetan Plateau. Susceptibility evaluation of snow avalanche via machine learning model with a high forecast accuracy can be appled to quickly and effectively assess the regional avalanche risk. This paper took the central Shaluli Mountain region as the study area,in which the snow avalanche inventory was established through remote sensing interpretation and field investigation verification. We quantitatively extracted 17 evaluation factors via GIS-based analysis,and these factors were selected through the variance expansion factor（VIF）. Four machine learning models containing SVM,DT,MLP and KNN were used to compile the susceptibility index map of snow avalanches,and kappa coefficient and ROC curve were used to verify the accuracy. The results suggested that the susceptibility indexes obtained from SVM,DT,MLP and KNN were in the range of［0,0. 964］,［0,815］,［0,0. 995］and［0,1］,respectively. The accuracy test results show that these four models all have good prediction accuracy. Among them,the SVM model is the best. The results also indicated that the areas with the high snow avalanche susceptibility mainly distributed in Genie Mountain and Rigong Mountain,most of which were above the planation surface of the Tibetan Plateau. The average altitude of the extremely high snow-avalanche-prone areas is 4 939 m,while the average altitude of the high snow avalanche-prone areas is 4 859 m. The snow avalanche has low perniciousness on the Sichuan-Tibet Highway and the Sichuan-Tibet Railway in the study area. This study can provide theoretical basis and method reference for disaster prevention and mitigation of snow avalanche along Sichuan-Tibet Railway and other major projects across Shaluli Mountains region. © 2022 Science Press (China).     

北极涛动和南极涛动的年变化特征

准确识别雪崩潜在释放区或雪崩高易发区域对高寒山区工程建设减灾防灾意义重大,特别是在雪崩监测数据缺失地区,能够提供重要的区域性灾害风险预估参考。本文以新疆天山地区伊阿铁路沿线区域为例,将铁路沿线154个雪崩范围形成区作为评价样本,开展基于机器学习算法的雪崩易发性评价,构建新疆天山地区伊阿铁路沿线雪崩易发性评价体系;开展基于数据叠加的雪崩潜在释放区(PRA)识别,绘制伊阿铁路沿线雪崩潜在释放区分布图,并对两个结果通过Kappa系数和AUC值进行检验,并对比讨论。结果显示,支持向量机(SVM)、多层感知器(MLP)、PRA的Kappa系数分别为0.806、0.774、0.600;AUC值分别为0.993、0.961、0.802,机器学习算法在雪崩易发性评价中的表现优于传统的基于数据叠加的雪崩潜在释放区识别算法;两种机器学习算法模型均精度高,其中支持向量机(SVM)算法表现最佳,优于多层感知器(MLP),评价结果比较符合野外雪崩发育实际情况,可为高寒山区重大工程建设的雪崩防灾减灾工作提供基础的科学依据;雪崩潜在释放区的自动识别算法评价能力较弱,评价结果基本符合野外雪崩发育实际情况,对于缺乏可用数据的高寒山区具有评价意义。     

川藏交通廊道伯舒拉岭隧道出口斜坡雪崩活动特征及形成机理

伯舒拉岭隧道出口是川藏交通廊道全线在雪崩灾害背景下选址挑战最大的一处工点,开展雪崩活动特征及其形成机理研究对于川藏交通廊道减灾选线以及后续建设、运营都有重大的科学意义.通过精细化野外调查、长时序多源遥感解译、地形计算和空间分析,精细刻画伯舒拉岭隧道出口斜坡雪崩范围的地形地貌特征和历史活动特征,结合孕灾条件、逐日气象数据等,深入研究该斜坡雪崩成因、启动机制及对铁路的影响.结果显示,川藏交通廊道伯舒拉岭隧道出口斜坡发育4处沟槽型雪崩;隧道出口北侧1#雪崩形成区汇雪面积最大,约0.726 km2;4处雪崩的历年活动频率不一,主要发生在每年1月至5月,其中汇雪面积最大的1#雪崩活动最频繁,每年发生2～5次,其崩出距离亦最远,最大崩出距离约1 694 m;雪崩活动与年初几次区域性的高强度降雪活动高度相关,一般发生在高强度降雪期间和高强度降雪后几日的晴天.结果表明地形地貌条件控制了雪崩的空间分布,气象要素的时序变化控制了雪崩的年内尺度时序分布;4处雪崩形成区的面积大小和坡向分异决定了它们活动频率的不一致;雪崩启动模式主要有强降雪启动和气温陡升启动;隧道出口受4处雪崩威胁的可能性较小,风险可控.     

藏东南帕隆藏布流域雪崩关键影响因素与易发性区划研究

雪崩灾害是青藏高原广泛分布的一类灾害,通过对雪崩的关键影响因素分析,构建雪崩灾害易发性评价体系,可为布局在青藏高原的川藏铁路等重大工程建设的防灾减灾工作提供科学支撑。本文以藏东南帕隆藏布流域为例,基于遥感解译和野外调查,识别出381个崩至林线以下的沟槽型雪崩范围,综合选取了18个雪崩影响因子,运用主成分分析法(PCA)对影响因子进行分析,获得了帕隆藏布流域雪崩发育的关键影响因素,并赋予各影响因素权重,通过加权信息量(PCA-Ⅰ)和加权确定性系数(PCA-CF)进行雪崩易发性区划,采用ROC曲线进行精度检验。结果表明,帕隆藏布流域内雪崩活动的关键影响因素可归纳为气候气象、宏观地形、微观地形和抑制作用成分4类主成分因素,其中气候气象解释了30.61%的数据变异,地形地貌解释了21.23%的数据变异;PCA-Ⅰ模型计算的雪崩易发性区划指数在[-2.41,1.365]区间内,PCA-CF得到雪崩易发性区划指数在[-0.549,0.424]区间内,两者ROC曲线的AUC均大于0.70;但PCA-Ⅰ模型计算的雪崩易发性结果在帕隆藏布下游通麦段的河谷区呈现明显的异常区,相对而言,PCA-CF模型计算的雪崩易发性区划指数更合理,且其ROC曲线的AUC评价精度高达0.913。整体结果表明雪崩高易发区域主要分布于帕隆藏布上游窄谷段(然乌至玉普段)、中下游(玉普至通麦段)两岸山岭的山脊部位和各支流窄谷段。     

兰州地铁沿线粉质黏土的冻胀融沉特性

气候变暖为冻土区域的工程建设带来更多不确定性,查明冻土的地质成因及其融沉特性对于工程选址以及工法选择等尤为重要。本文以南天山地区的苏力间沟内分布的山地冻土为研究对象,通过钻探、高密度电法、地温监测以及室内试验等,查明该区域冻土的空间分布,剖析冻土形成条件和形成机理模式,揭示其融沉特性及影响因素。结果表明：苏力间沟内多年冻土和季节性冻土均有分布,季节性冻土和不连续多年冻土主要分布在左岸,即阳坡坡麓;连续多年冻土主要分布在苏力间河右岸,即阴坡坡麓;冻土层分布深度和厚度不均匀,多分布在1.9~2.7 m厚的表土下,厚约1.5~10 m;在冻土地质成因模式上分为阴坡富水低温成因模式和阳坡坡面汇流成因模式;苏力间沟多年冻土区的融沉系数介于0.39%和91.25%之间,其中连续多年冻土区的融沉系数多值区间在42.5%和68.75%之间,平均值为55.62%;苏力间沟多年冻土融沉系数与总含水率、天然密度、干密度、天然孔隙比和液性指数相关性较高,皮尔森相关系数均达0.8以上。     

风吹雪积雪分布特征和铁路路基形式相关性研究

风吹雪作为一种由气流挟带起分散的雪粒在近地面运行的二相流现象,在风的作用下发生迁移与重新沉积。风吹雪成灾是雪颗粒、大气流场、微地貌等因素多重作用的结果。拟建伊宁(伊)—阿克苏(阿)铁路穿越尤路都斯盆地,盆地冬春季气候寒冷,降雪量较大,地面常形成较厚的积雪,发育有风吹雪灾害,可对研究区内交通工程安全造成潜在威胁。本文以新疆天山地区尤路都斯盆地风吹雪为研究对象,通过现场气象监测、冬季雪害调查等方法对盆地内积雪与风吹雪特征进行研究。进而以受风吹雪影响较大的拟建铁路阿尔先段为例,系统分析该区段风吹雪成因特征及其工程防治措施。研究发现尤路都斯盆地风吹雪宏观孕灾背景主要是受西伯利亚寒流和蒙古高压的影响,冷空气使盆地产生强劲西北向大风。低温和较低的湿度使得积雪能够以较低密度的形式持续存在,进而在较低风速下启动形成风吹雪。通过拟建铁路阿尔先段典型路堑工程数值模拟研究,得出积雪平台宽度宜设置为5 m,下导风板与水平面夹角设为90°,下导风口高度设置为1.6 m,下导风板板高设置为5 m。研究成果可为寒区交通建设防灾减灾提供有益借鉴。