基于粗糙集理论的滑坡易发性评价——以三峡库区秭归县境内为例

以滑坡灾害突出的三峡库区秭归县境内为研究区,利用粗糙集理论将20个初始评价因子进行属性约简至12个核心评价因子,并对其组成的决策表进行知识挖掘获得滑坡与评价因子之间的规则集合.利用知识规则集合对决策表进行分类,得到以斜坡单元为基础的滑坡易发性图.研究结果表明:滑坡易发区面积占研究区总面积的21.7％,主要分布在斜坡结构为顺向坡,地层岩性为软岩、软硬相间岩,以及靠近水系及公路开挖的区域.粗糙集方法的预测精度为87％,其预测能力较KNN算法和Logistic模型的优.粗糙集理论是一种行之有效的区域滑坡易发性评价方法.     

基于进化支持向量机的滑坡地下水位动态预测

地下水位动态预测对滑坡稳定性评价具有关键作用.滑坡地下水位演化过程是一个受水文地质条件控制,并受降雨、库水和气温等多种影响因素综合作用而发展演化的非线性动力系统,地下水位与其影响因素之间存在非线性响应关系.以三峡库区白家包滑坡地下水位监测数据为例,在深入分析滑坡地下水位变化特征及其与影响因素响应关系的基础上,利用非线性智能遗传算法和支持向量机建立进化支持向量机耦合模型,并对地下水位进行预测,其预测结果的均方差和相关系数的平方分别为0.013和0.929,说明预测结果与实测值较吻合.选择神经网络模型进行对比,耦合模型的均方差小154％,而相关系数的平方大10％.综合表明进化支持向量机耦合模型具有较好的拟合和泛化能力,是一种行之有效的滑坡地下水位预测方法.     

松宜煤矿区生态环境质量变化监测与评价

矿产资源的过度开采会造成环境污染、资源枯竭、地质环境灾害等问题.以松宜煤矿区为研究区,基于Landsat 5 TM和Landsat 8 OLI影像数据,借助遥感生态指数(Remote Sensing Ecological Index, RSEI)分析松宜煤矿区及主要矿权区内的生态环境质量时空变化.结果表明:(1)泥炭矿、煤矿、石灰石、铁矿与城镇建设用地相似,干度指数、热度指数较高对生态环境质量有负面作用;(2)2007年、2017年松宜煤矿区的RSEI值分别为0.566, 0.598,表明研究区的生态环境质量状况整体得到了改善;(3)2007年—2017年,研究区的RSEI值主要由 3、4 级向 1、2、5级转变,生态环境质量恶化和改善的面积分别占总面积1.58%和25.79%,生态环境质量改善区域位于老旧矿山生态恢复治理区以及矿山开采区四周,生态环境质量恶化区域集中于矿区边缘地带,新增的矿山开采等人类工程活动使其植被覆盖减少,地表裸露,生态退化;(4)各个矿权区内非采矿区的生态环境质量优于采矿区,董家冲煤矿、鸽子潭煤矿自闭矿以来矿权区内的生态质量明显改善,茶树湾煤矿非采矿区、桃丰泥炭矿采矿区的生态质量最差.     

深度学习在地球信息专业教学中的应用

地球信息专业是集成了地球信息、计算机、遥感、地球信息系统、信息等相关专业的新的专业领域,是一个跨学科应用型专业,专业教学具有很强的实践性。如何提高地球信息专业的教学效果,提高学生学习的兴趣,真正达到学以致用,进行自主的,深度学习是教学人员所关注的重点。该文以地球信息专业核心课程中采用的教学实践方法进行分析,鼓励学生进行深度学习,以适应新的教学改革的要求,取得了较好的效果。     

相关向量机在地震滑坡敏感性分析中的应用

 地震滑坡敏感性分析是地震次生灾害研究的重点内容之一。数据量大且致灾因素复杂是研究地震滑坡问题的难点。在对已有敏感性分析模型研究的基础上,以芦山地震为例,选取地面高程、坡度、坡向、地层、斜坡形态、斜坡结构、距断层平均距离、距水系平均距离、地震峰值加速度9个地震滑坡评价因子,建立基于遗传算法的相关向量机（GA-RVM）敏感性分析模型,生成地震滑坡敏感性区划图,统计结果显示滑坡正确率为99.74%,滑坡密度在极高敏感区达到27.4057个/km²。结果表明,相对于基于遗传算法的支持向量机,GA-RVM获得了更高的预测精度,可为进一步完成地震灾害预防提供依据。