变形监测地质灾害论文提纲

论文题目：中巴公路（中国段）地质灾害早期识别和滑坡易发性评价研究

摘要：中巴公路连接中国和巴基斯坦,是中巴经济走廊的重要组成部分,具有极为重要的地理位置。公路穿越喀喇昆仑山、喜马拉雅山和兴都库什山,沿线地质条件极为复杂,地质构造活跃,历史地震频繁,以不稳定斜坡、滑坡、地面沉降、冰川运动和泥石流等为主的地质灾害频发,成为公路安全运营的主要威胁,所以对公路沿线的地质灾害变形破坏特征和发育严重的滑坡灾害的易发性评价进行相关研究具有重要意义。本研究一方面可以深入了解中巴公路地质灾害的分布规律与各环境因子之间的关系,另一方面更可以为政府进行中巴公路改扩建和中巴经济走廊建设等活动提供有效的决策支持。但由于中巴公路空间跨度大,传统的地面监测方法难以满足该区域地质灾害全面调查的需要。近年来随着InSAR技术的出现,使得大面积、高精度和长时间序列的地表变形监测成为可能。目前已被广泛应用于滑坡、不稳定斜坡、地面沉降等地质灾害的早期识别中。本文利用SBAS-InSAR的方法对中巴公路中国段两侧各10公里缓冲区范围的地表变形进行监测和地质灾害早期识别,并结合TRMM降水数据和区域环境特征对典型地质灾害体的运动特征和发育规律进行研究;综合考虑研究区内影响滑坡灾害（包括不稳定斜坡和滑坡两类）发生的地质环境背景、地形条件、水文条件、植被盖度和道路因素等选取易发性评价因子,通过历史文献记录和遥感影像解译得到研究区的历史滑坡灾害数据,分别利用逻辑回归方法和随机森林方法对研究区滑坡灾害的易发性等级进行评价,借助验证数据集和ROC曲线以及AUC值分别对两类模型的评价精度进行验证比较,选择较优的评价结果结合形变速率结果值对滑坡灾害易发性等级结果进行优化,得出以下结论:（1）利用SBAS-InSAR的方法对来自欧空局的28景Sentinel-1A雷达影像进行干涉处理,得到研究区2016-2017年内的地表变形的时间序列结果,雷达视线向形变速率结果为-82.46~142.48 mm/yr,借助雷达扫描的几何姿态将雷达视线向变形结果转为斜坡向变形结果,得到斜坡向最大变形速率值为-474 mm/yr。（2）根据斜坡向变形速率结果结合野外验证和遥感影像解译共圈定出研究区280处地质灾害致灾体,包括73处滑坡、200处不稳定斜坡和7处地面沉降。在公格尔山和慕士塔格山附近发育6处冰川运动。另外通过野外调查和遥感解译发现23条活动泥石流沟。地质灾害集中分布于盖孜河谷和塔什库尔干盆地内以及红旗拉普附近。分析典型地质灾害体的形变速率和月降水量之间的关系,在降水集中的夏季,地表变形加速,容易引发地质灾害。（3）为分析研究区内与滑坡灾害发生的相关环境因素,选取了高差、坡度、坡向、曲率、地形湿度指数、归一化植被指数、年均降水量、岩性、距断层距离和距道路距离作为区域滑坡灾害易发性评价的易发性因子。经过逻辑回归模型和随机森林模型的分析发现不同的易发性因子对滑坡灾害易发的影响程度不同,其中坡度和距道路距离对滑坡易发性的影响最大。（4）为对比统计模型和机器学习模型在中巴公路滑坡灾害易发性评价中的优劣,分别基于逻辑回归方法和随机森林方法对研究区内的滑坡灾害进行易发性评价研究。易发性等级分为极低、低、中等、高和极高五类。两类评价结果均显示高易发区和极高易发区集中分布在盖孜河谷全段、塔什库尔干河谷两侧和红旗拉普附近。逻辑回归模型中的高易发和极高易发性占总评价结果的9.63%,验证数据集有58.17%的历史滑坡灾害点落在高易发和极高易发范围内,AUC的值达0.868;随机森林模型中的高易发和极高易发性占总评价结果的8.29%,验证数据集有98.79%的历史滑坡灾害点落在高易发和极高易发范围内,AUC的值达0.981。从验证精度方面,选择了随机森林评价结果参与到滑坡灾害易发性评价优化中。（5）通过建立形变速率结果值和易发性等级结果值的优化矩阵,对随机森林模型生成的滑坡灾害易发性评价等级结果进行优化,结果显示有2608个单元格的易发性等级增加,其中2176个单元格易发性等级增加1,303个单元格易发性等级增加2,119个单元格易发性等级增加3,10个单元格易发性等级增加4。

关键词：中巴公路;SBAS-InSAR;地质灾害早期识别;滑坡易发性评价

学科专业：地理学·自然地理学

中文摘要

Abstract

第一章 绪论

1.1 选题依据和研究意义

1.2 研究现状

1.2.1 中巴公路地质灾害研究现状

1.2.2 基于InSAR技术的地质灾害早期识别研究现状

1.2.3 滑坡易发性评价研究现状

1.3 主要研究内容和技术路线

1.3.1 研究内容

1.3.2 技术路线图

1.4 论文创新点

第二章 研究区概况

2.1 研究区范围

2.2 地形地貌

2.3 地层岩性

2.4 地质构造

2.5 水文地质条件

2.6 气候条件

2.7 人类活动

第三章 研究方法和数据

3.1 SBAS-InSAR方法

3.1.1 InSAR原理

3.1.2 SBAS-InSAR方法处理流程

3.1.3 雷达视线向形变速率转斜坡向形变速率

3.2 滑坡灾害易发性评价方法

3.2.1 逻辑回归方法

3.2.2 随机森林方法

3.2.3 模型精度验证方法

3.3 研究数据

第四章 基于InSAR技术的地质灾害早期识别

4.1 地质灾害早期识别结果

4.1.1 SBAS-InSAR处理过程

4.1.2 地质灾害早期识别结果

4.2 典型地质灾害体的变形和运动特征

4.2.1 滑坡变形特征

4.2.2 不稳定斜坡变形特征

4.2.3 冰川运动变形特征

4.2.4 地面沉降运动特征

第五章 滑坡灾害易发性评价研究

5.1 滑坡灾害易发性影响因子数据

5.1.1 高差

5.1.2 坡度

5.1.3 坡向

5.1.4 曲率

5.1.5 地形湿度指数

5.1.6 归一化植被指数

5.1.7 年降水量

5.1.8 岩性分组

5.1.9 距断层距离

5.1.10 距道路距离

5.2 数据预处理

5.2.1 数据分类

5.2.2 多重共线性诊断

5.3 逻辑回归模型

5.3.1 逻辑回归模型建立

5.3.2 逻辑回归评价结果

5.4 随机森林模型

5.4.1 随机森林模型建立

5.4.2 随机森林评价结果

第六章 滑坡灾害易发性评价优化

6.1 滑坡灾害易发性评价优化方法

6.2 滑坡易发性等级优化结果

第七章 结论与展望

7.1 主要结论

7.2 研究中存在的不足

7.3 工作展望

参考文献

致谢