一、青藏高原东部泥石流滑坡的雷达监测研究（论文文献综述）
闫怡秋,郭长宝,张永双,张绪教,郑岳泽,李雪,杨志华,吴瑞安[1]（2021）在《基于SBAS-InSAR技术的西藏雄巴古滑坡变形特征》文中研究指明大型古滑坡及其强变形和复活灾害日益频发,已造成重大灾害事件和严重损失。古滑坡的发育、变形影响因素多、机理复杂和识别难度大,本文采用SBAS-InSAR技术,结合遥感解译,获取了金沙江西岸雄巴村古滑坡2017年10月至2020年6月间的地表变形特征。研究表明,雄巴古滑坡方量巨大,可达2.6×108～6×108 m3,根据InSAR形变监测结果,滑坡前缘发育H1和H2等2个大型强变形区,变形级别分为4级:极强变形区(-132.1 mm/a≤VLOS<-58.5 mm/a)、强变形区(-58.5 mm/a≤VLOS<-20.3 mm/a)、中等变形区(-20.3 mm/a≤VLOS<1.8 mm/a)和弱变形区(1.8 mm/a≤VLOS<55.4 mm/a);其中H1变形区,最大累计变形量达203.8 mm, H2变形区变形量达302.1 mm。受金沙江河流侵蚀,特别是上游75 km的2018年10月和11月白格2次滑坡-堵江-溃坝-泥石流/洪水灾害链对雄巴古滑坡坡脚的侵蚀,加剧了雄巴古滑坡的变形,其中H1变形区的蠕滑速率是白格滑坡灾害链发生前的14～16倍,灾害链引起H2区发生变形,雄巴古滑坡整体呈现牵引式复活状态。基于SBAS-InSAR的形变监测结果得到了野外的验证,目前H1变形区前缘出现局部垮塌,滑体中横向和竖向裂缝发育,局部呈现拉张状态。雄巴古滑坡目前呈现持续变形中,部分地段为加速变形,雄巴古滑坡发生大规模复活将导致堰塞金沙江-溃坝-泥石流灾害链,应加强雄巴古滑坡的空—天—地一体化监测预警,为该区正在规划建设的重大工程和流域性地质安全风险提供技术支撑和科学依据。
刘昊[2]（2021）在《基于深度学习的FY-4A卫星数据降水云团识别与降水强度等级估计》文中提出降水是地球水资源循环的重要环节,对于研究全球气候变化和监测自然灾害有重要意义。西藏地区位于青藏高原,针对其降水强度等级估计面临地面观测站点稀少,基于云团物理特征的传统方法易受高亮地表及复杂下垫面的影响。使用高分辨率的风云四号A星（Feng Yun-4A,FY-4A）作为主要数据源,通过深度学习算法研究适用于西藏高原地区的降水云团识别及降水强度等级估计算法,准确地估计三十分钟内的降水强度等级。提出一种基于改进DeepLab v3的降水云团识别算法,利用空洞卷积构建多尺度采样模块,并且加入注意力机制提取深层高维特征,优化上采样方式,有效地解决正负样本不平衡,小降水云团特征提取不充分和云团轮廓特征易被遗漏的问题。将所提方法与原始DeepLab v3等模型在测试集上对比,实验结果表明所提的改进DeepLab v3算法具备更好的识别性能与泛化性能。降水云团识别结果更为准确,平均交并比（Mean Intersection over Union,MIoU）达到0.95,与原始DeepLab v3相比精度提高了15.54个百分点。在小目标、非平衡数据集下,该方法可以更准确地识别出降水云团。提出一个基于深度可分离卷积的降水强度等级估计模型Small Wisely Network（SWNet）,在保证算法性能的同时大大减少了参数量。首先通过消融实验来确定不同通道及通道差对于降水强度等级估计的重要性,然后加入地形信息作为辅助输入数据,最后与现有的高性能降水估计模型Precipitation Estimation from Remotely Sensed Information Using Artificial Neural Networks–Convolutional Neural Networks（PERSIANN-CNN）与UNet作对比。实验结果表明SW-Net提供了更加精准的降水强度估计,且各项精度指标都有所提高,尤其是平均交并比（Mean Intersection over Union,MIoU）比PERSIANNCNN（U-Net）提高7.42（4.64）个百分点,说明所提出的模型有更好的特征提取能力。SW-Net的误差最低,损失值和误报率（False Alarm Ratio,FAR）比PERSIANN-CNN（UNet）分别减少了23.89%（41.58%）和18.27%（30.00%）,说明所提出的模型精度更高。为了分析SW-Net的适用性,将其应用在华北平原和长江中下游也取得了较好的实验结果。与PERSIANN-CNN（U-Net）相比也有更好的性能表现,MIoU提高了5个百分点以上,FAR大幅降低超过49%。说明SW-Net不受地形因素的限制,同时适用于平原与高原地区。
卢星宇[3]（2021）在《基于InSAR技术的九寨沟地质灾害危险性评价研究》文中进行了进一步梳理九寨沟县在其脆弱的地质环境、巨大的地形起伏、复杂的地层岩性等基础地理环境因素影响下,区域地表形变活跃。加之在强烈的地质构造运动及降雨等因素的触发作用下,县域内各类地质灾害长期呈现出多发、易发、高发态势。由于研究区特殊的地形地质条件和丰富的植被覆盖,地质灾害隐蔽性较强,在灾害防治过程中难以实现早期预测,极易造成大规模的社会经济和人员损失。目前,九寨沟已被列为四川省地表形变的重点监测区,能够有效识别该区域的潜在地质灾害并加以防控,成为本文研究的重中之重。将传统地质灾害调查手段用于山区形变监测时,常常显现出监测方法适用性较低且探测结果精度有限的缺点。近年来,合成孔径雷达干涉测量（Synthetic Aperture Radar Interferometry,InSAR）技术在地表形变监测方面展现出不可比拟的优势,具体表现为:全天时全天候探测、探测范围广、探测精度高、探测成本低等。同时,InSAR技术还可以为后续开展潜在地质灾害点识别及研究区地质灾害危险性分区任务提供数据和技术支持。本文选用了ALOS-2雷达卫星影像为研究数据,采用InSAR技术完成地表形变探测。然后,以前期地表形变监测结果为研究基础,提取出研究区域的潜在地质灾害点,分析并阐述灾害点的分布规律及孕育条件。最后,采用改进的层次分析-信息量模型完成对研究区九寨沟的区域地灾危险性评价任务。本文的主要研究内容和获取成果如下:（1）将九寨沟县15景ALOS-2升轨SAR影像作为数据源,通过D-InSAR和SBAS-InSAR技术实现地表形变监测,得到探测区形变数据。采用GIS空间分析手段和目视解译方法从InSAR监测结果中筛选出261个潜在地质灾害隐患点。对潜在地灾点的形变信息进行分析,结果表明:研究区地表形变处于整体稳定、局部活跃状态。通过野外实地调查方式验证出超过65%的形变解译区具有形变迹象,表明InSAR技术应用于山区潜在地质灾害筛查的结果可靠。（2）总结前人的研究经验及成果,针对九寨沟的实地条件,开展潜在地质灾害点的地表分布、发育成因及诱发机理探讨研究。结果表明:研究区地质灾害的发育受地貌地形、地质环境、气候水文、人类活动等多方面因素的共同作用。并以此为研究依据,将地层岩性、坡度、河流等11个因素作为评价因子,构建九寨沟地质灾害发育危险性等级评价指标体系。（3）采用加权信息量法完成九寨沟县地灾危险性评价工作,加权方式选取层次分析法。评价过程中,对传统层次分析法加以改进,采用几何平均法、算数平均法以及特征向量法三种方式计算权值,取三者平均值替代单一权重计算结果,并将其确定为最终权值。以潜在地质灾害点为研究图层,与各评价因子图层叠加,利用改进AHP-信息量模型计算研究区内各评价单元的总信息量。在最终的地质灾害危险性评价结果中,九寨沟县被划分为低、中、高和极高危险区四个类别。且通过ROC曲线检验评级精度的结果可知,改进AHP-信息量法将AUC值由0.812提升为0.854,表明该改进模型提升了预测可信度,改进方式有效。
邓彩霞[4]（2021）在《基于情景分析的青海农牧社区减灾能力建设研究》文中提出自然灾害风险一直以来威胁着人类生存与安全,也一直学术界关注的焦点问题和政府治理的重要内容。随着科技的进步以及灾害治理经验的积累,人类的减灾能力得到较大的提升,然而,随着全球气候变化以及人类社会生活对自然环境干预范围和深度的增加,人与自然的关系也日益变得紧张,灾害风险日益加剧。青海省位于青藏高原,是一个集西部地区、民族地区、高原地区和欠发达地区所有特点于一体的省份,各种传统和非传统、自然和社会的安全风险时刻威胁着社会的可持续发展。青海特定的环境条件决定了当地灾害频发,同时也是全国自然灾害较为严重的省份之一,具有灾害种类多、分布地域广、发生频率高、造成损失重等特点。社区作为社会构成的基本单元,是防灾减灾的前沿阵地和基础。青海农牧社区基础设施落后,生态系统脆弱,受到自然灾害损害的可能性和严重性程度较高,被认为是防灾减灾工作的最薄弱地区。青海气象灾害多发,雪灾是青海省畜牧业的主要灾害,全省牧业区每年冬春期间不同程度遭受雪灾,“十年一大灾,五年一中灾,年年有小灾”已成为规律。在全球气候变暖以及极端天气现象的影响下,“黑天鹅”型雪灾不但对农牧民安全生产生活造成威胁,对区域经济社会全面协调可持续发展等形成挑战,而且还考验着地方政府的自然灾害的综合治理能力,思考如何提升农牧社区减灾能力刻不容缓。随着情景分析法在危机管理领域的应用,情景分析和构建被认为是提升应急能力的有效工具,对于农牧社区雪灾的减灾而言,在情景构建基础上所形成的实践分析结果对于现实问题的解决具有一定的战略指导意义。本研究聚焦于提升青海农牧社区减灾能力这一核心问题,以情景分析理论、危机管理理论、极值理论、复杂系统理论为研究的理论基础,运用实地调查法、情景分析法、德尔菲法、层次分析法等具体的研究方法,以“情景—任务—能力”分析框架为理论分析工具,首先从致灾因子的分析着手,对青海省农牧社区典型灾害进行识别;其次通过情景要素分析、关键要素选择、情景描述等方面着手对识别的典型灾害进行“最坏可信”情景构建,然后基于典型灾害的情景构建梳理出相应减灾任务,总结归纳出农牧社区不同减灾主体完成减灾任务所应该具备的能力条件,并结合现实对农牧社区减灾能力进行了定量与定性相结合的评估,最终分别从规则准备、资源准备、组织准备、知识准备、行动规划等方面提出农牧社区减灾能力提升的策略。本研究认为随着应急管理体系从“以体系建构”向“以能力建设”为重点的转变,着眼于全方位的能力建设,提升灾害治理的制度化、规范化、社会化水平是农牧社区减灾的必由之路。作为一种支撑应急全过程,以及应急管理中基础性行动的应急准备是能力建设的抓手。意识是行动的先导,要做好这一基础性行动其关键在于一个具备战略能力、拥有良好灾害价值观的领导体系,运用情景构建做好全面应急准备。完善的规则体系是应急准备、乃至采取应急行动所应遵循的的法定依据和行为准则;完善相应的法律法规,加强危机应急法规建设是做好农牧社区减灾工作的前提;良好的组织架构是提升农牧社区减灾能力的关键,加强各级政府部门在农牧区减灾中的核心地位和主导责任,坚持村社本位,实现以农牧民群众为主体,多元主体有效整合,形成灾害治理的协同格局。完备的知识准备是激发农牧社区减灾能力提升的内在动力,通过各种正式和非正式的渠道获取和累积灾害知识,形成正确的灾害价值观,占据减灾的主动地位;有针对性的借助信息技术,培养专门人才推动减灾专业化,助推农牧社区减灾能力提升。资源准备是农牧社区的减灾保障,构建合理的社区公共应急资源体系关键在于资源结构的优化。优先准备风险级别较高的减灾资源,优化资源存储数量和公共应急资源存储点,做好潜在资源共享平台,从而实现有限资源效用最大化。农牧社区减灾,规划先行,一套科学合理、行之有效的减灾指标体系是青海农牧区减灾管理的“指挥棒”,一项科学周密的专项减灾规划,是农牧区减灾任务实施的“路线图”和“控制表”。总之,在青海农牧社区灾害治理中,灾害情景构建与分析为灾害治理提供了一个全新的思路和发展方向。通过构建典型灾害具象化的“最坏可信情景”,让应急决策者、社区及其成员通过了解当前灾害态势,明确自身管理薄弱点,掌握可控干预节点,做好工作安排和充分的应急准备,预防灾害风险或者遏制灾后事态走向最坏局面。基于情景分析的农牧社区减灾能力的研究对于改进和完善现行农牧社区灾害应急管理体系,对于实现区域社会平安建设具有重大的实践和指导意义。
陈永萍[5]（2021）在《横断山区西北部冻土退化对地质灾害的影响》文中指出冻土是冰冻圈中重要的组成部分之一,随着全球气候的不断变暖,冻土发生了活动层增加、多年冻土地温升高、多年冻土层局部消失、面积减少等退化形式。而冻土退化会破坏原有的区域系统平衡,对区域孕灾环境、生态、社会生产活动等带来不同的影响。冻土退化会造成斜坡失稳,并在高山地区形成大量冰湖,从而导致滑坡、泥石流、冰湖溃决等灾害事件发生,危及山区周围生态系统可持续发展和人类生产生活安全,以及高寒区交通运输、农业生产、基础设施。横断山区西北部地处青藏高原东南缘,区内分布着中低纬度的高海拔冻土,该区域又属于典型的高山峡谷区,地形地貌破碎复杂,地质灾害频发,随着气候不断变暖,区域内多年冻土不断退化,冻土环境不断被改变,会进一步诱发地质灾害,危及区域安全发展。本文通过程国栋等提出的高程-响应模型模拟了研究区1950s、1960s、1970s、1980s、1990s、2000s和2010s的7期空间分辨率为1km的冻土分布数据,利用现有冻土数据对模拟结果进行验证,并分析冻土时空变化和退化状况,结合野外考察收集的地质灾害点数据,进一步分析冻土退化对地质灾害的影响,得出如下结论:（1）通过高程-响应模型得到1950s至2010s的冻土分布模拟数据,且对结果进行验证发现,模拟结果是可信的。从多年冻土分布面积来看,1950s至2010s多年冻土面积分别为5.2908×104km2、5.2768×104km2、5.2756×104km2、5.2628×104km2、5.2610×104km2、5.2480×104km2和5.2386×104km2,随着研究区气候的变暖,多年冻土分布面积不断退化。（2）从时间来看和多年冻土减少总量来看,多年冻土退化面积从多至少的阶段依次为1950s～1960s>1990s～2000s>1970s～1980s>2000s～2010s>1980s～1990s>1960s～1970s,冻土分布退化面积最多的是0.0140×104 km2,退化部分主要分布于多年冻土与季节冻土的过渡带;从冻土空间分布来看,“固有多年冻土区”连续大片分布于研究区西北部和东北部区域,零散和不连续分布于中部和南部地区;“固有季节冻土区”空间分布上自南向北逐渐减少,虽有所增加,但在空间上分布变化细微;各相邻年代多年冻土均在减少;“多年冻土减少区”主要分布于多年冻土分布区与季节冻土分布区的过渡带;除1990s～2000s、2000s～2010s外,其余相邻年代间多年冻土少量增加,“多年冻土增加区”则主要分布于巴塘县。（3）通过重心转移模型研究多年冻土重心空间转移和地质灾害重心空间转移发现,自1950s至2010s,研究区多年冻土重心总体向南偏西75°方向移动了691.22m;而地质灾害重心总体上则向北偏东83°移动了259.37km,冻土退化的方向与地质灾害增加的方向基本一致。对不同冻土类型区的地质灾害空间分布进行分析发现,除崩塌外,各类地质灾害在多年冻土区、岛状冻土区和季节冻土区中的数量不断增加;三个不同冻土类型区中地质灾害总数量分别为1430、2044和3087处,随着冻土稳定程度的下降,地质灾害数量不断增加。（4）通过相关性分析对1950s至2010s多年冻土分布面积与滑坡、泥石流、崩塌数量进行分析,发现各年代多年冻土分布面积与崩塌、滑坡和泥石流数量呈显着负相关,相关系数分别为0.828、0.860和0.836,即,随着多年冻土分布面积的不断减少,各类地质灾害数量呈现增加的趋势;从空间分布来看,地质灾害从南向北逐渐增加,从东向西逐渐增加,地质灾害空间上的增加方向与多年冻土退化方向基本相同。此外,研究区多民族集聚,灾害风险高,应从多方面加强冻土退化治理及地质灾害防灾减灾工作。
刘勇[6]（2021）在《内外动力耦合下雅鲁藏布江贡嘎-加查河段的成灾机制研究》文中认为青藏高原强烈隆升与外动力耦合下形成了雅鲁藏布江中游地区独特的地质环境:地形反差大,地表岩体破碎程度高,大温差冻融及冰川活动强烈等,决定了这一区域是自然灾害的易发区,同时也是水能及旅游资源极其丰富的区域,战略地位十分显着,防灾减灾成为当务之急。本文以雅鲁藏布江中游贡嘎-加查河段为研究区,在详细参考前人研究资料的基础上,根据现场地质环境和崩塌、滑坡、泥石流及沙暴等主要自然灾害的调查,结合遥感解译,运用Arc GIS空间分析方法、非连续变形分析方法（Discontinuous Deformation Analysis,DDA）和合成孔径雷达影像差分干涉测量方法（D-In SAR）,分析了研究区内崩塌、滑坡、泥石流及沙暴灾害的发育规律和形成机制,得出了以下主要认识和进展:（1）揭示了内外动力耦合作用下形成的独特地质环境特征。发生于白垩纪晚期的印度板块与欧亚板块碰撞以及碰撞后的继承性陆内汇聚作用,是青藏高原地质环境形成的主要内动力。在其作用下,青藏高原快速隆升,阻挡西风急流和来至印度洋的暖湿水汽,改变大气环流,使青藏高原形成冬季干旱寒冷,降雨主要集中于夏季的现代东亚季风气候,造成研究区内冻融与冰川活动强烈。构造隆升强度存在空间上的差异,桑珠岭至藏木间的加查断块构造隆升作用最为强烈,河流侵蚀下切程度高,形成峡谷区,其上、下游区域构造隆升作用较弱,河流侧蚀作用强,形成宽谷区。（2）揭示了崩塌灾害的发育规律及孕灾过程,并总结了主要失稳模式。区内崩塌灾害共发育有139处,形成机制为:临空地形-高地应力卸荷、构造松弛破碎、冻融风化-地震、降雨触发;主要变形失稳模式为滑移式,多集中于下切-卸荷作用强烈的桑珠岭-藏木峡谷河段内。在断裂和水系共同作用下,崩塌发育数量随崩塌规模的增加,呈递减趋势。随离断裂带距离（x）的增加,崩塌发育数量（y）呈y=-23.3049+61.8062·e-0.1031x的指数递减趋势。距离坡脚100-600m相对高程范围,为崩塌灾害的易发区。（3）查明了滑坡灾害的发育规律及其主要变形破坏模式。滑坡灾害共发育有94处,形成机制为:临空地形-构造松弛破碎、冻融风化-地震、降雨触发;主要变形破坏模式为滑移-拉裂式,在构造与冻融作用强烈的贡嘎-桑珠岭宽谷区内最为发育,占滑坡总量的64.89%。随滑坡规模（x）的增加,滑坡发育数量（y）呈=1.83+52.56·0)-0.54的指数递减特征。随滑坡后缘离河床距离（x）的增加,滑坡发育数量（y）呈=0.2350+9.8689·0)-0.0011（x>300）的指数递减特征。在距离坡脚小于200m的高程范围,为滑坡灾害易发区。（4）揭示了泥石流灾害的发育规律和成生环境。泥石流灾害共发育有335条,形成机制为:三面环山地形-构造松弛破碎、冻融风化-降雨、冰雪融水诱发,在贡嘎-桑珠岭宽谷内发育数量最多,占泥石流总量的79.4%。受地壳抬升和河流下切影响,随流域面积（x）的增加,泥石流发育数量（y）呈=1.2352+32.4582·0)-0.1021（>2）的指数递减特征。泥石流相对高差主要集中于700-1600m范围内,主沟纵比降主要集中于110‰-270‰之间,主沟长度主要集中在1800-6300m之间。（5）基于石冰川运动演化趋势分析,提出了诱发因素作用下的孕灾过程。区内共发育石冰川256条,分布总面积达113.49km2,主要发育于桑珠岭-藏木峡谷两岸高海拔区域的西坡和北西坡,发育类型主要为冰碛型石冰川。石冰川泥石流的形成机制可概括为侵蚀补给-搬运停积-径流冲刷-失稳流动四个过程。石冰川滑坡主要有两种类型,一类为气温升高作用下,前缘碎屑物质的自然休止角降低导致的失稳溜滑退缩,其形成机制可概括为:气温升高-冰核融化-自然休止角降低-失稳溜滑四个过程;另一类为由地震作用诱发的拉裂-溃滑式滑坡。（6）研究了局地沙暴灾害的致灾机制及形成过程。局地沙暴灾害主要是在强劲的河谷风动力作用下,江心洲、河漫滩表层的干燥松散砂物质扬起后形成,在受河谷岸坡阻挡和地面摩擦减弱后,扬起的砂物质沉积于谷底和岸坡形成风积沙。其形成过程可概括为:河流输砂-砂物质出露水面-大风扬沙-砂物质沉积四个过程。在河谷内山-谷风、冰川风与西风急流共同作用下,风积沙主要沉积于贡嘎-桑珠岭宽谷左岸谷底和岸坡之上,其形成时间主要集中于冬春季的午后至夜间,共发育风积沙单体有113处,发育总面积为117.89km2（2019年）。随单体平面面积（x）的增加,风积沙单体数量（y）呈y=2.7249·x-1.9248的幂函数递减特征。受风沙颗粒本身自然休止角与河谷常年小气候的影响,风积沙发育坡度主要集中于64°-84°之间,坡向主要集中于90°-225°之间的偏南向坡上。
姚林强[7]（2021）在《基于SBAS-InSAR技术的兰州地区地表形变特征分析与地质灾害易发性评价》文中研究表明本文选择以兰州市为中心的地区作为研究区,该区是青藏高原和黄土高原的过渡区域,其中心的兰州市区是一个典型的河谷盆地型城市,南北两山对峙,市区沿黄河两岸呈东西向条带状分布。由于区内独特的地貌类型、地层构造等地质环境,加上近几年频繁的挖山造地、不合理人工灌溉及矿山开采等人类活动,使得该区滑坡等自然灾害时常发生。合成孔径雷达干涉测量技术作为一种新兴的遥感技术手段,由于其观测精度高、监测范围广、周期短,已被广泛应用于滑坡变形、矿山开采、地震监测等领域。应用SBAS-InSAR技术来监测滑坡、崩塌、不稳定斜坡等地质灾害已成为近年来地质灾害领域的研究热点。由于研究区地质灾害监测和治理的应用需求,以及合成孔径雷达技术的强力支持,本文利用Sentinel-1升降轨数据,基于SBAS-InSAR技术获取了研究区2017-2020年的升降轨地表形变速率值,进一步获取了地表位移的东西方向和垂向的形变速率,并以垂向速率为基础对研究区地表形变时空特征进行了分析和分类,在此基础上,筛选了地质灾害的影响因子,基于这些影响因子,采用确定性系数模型及逻辑回归模型对区域地质灾害易发性进行评价,获得灾害易发分区评价结果,并利用SBAS-InSAR技术获取的地表变形数据对评价结果进行修正,最终得到修正后的易发性分区结果。主要结论如下:（1）获取研究区东西向和垂向的时序地表形变结果。利用Sentinel-1升降轨数据,采用SBAS-InSAR技术获取了兰州市2017-2020年的升降轨LOS向地表形变速率值,进一步通过构建准三维地表形变场,获取了地表位移的东西方向和垂向的形变速率。研究区升轨年平均形变速率值范围为﹣94～55mm/a,降轨年平均形变速率值范围为﹣100～37mm/a,垂向年平均形变速率值范围为﹣107～45mm/a,水平东西向年平均速率值范围为﹣103～67mm/a之间。经升降轨结果对比和野外考察验证,基于SBAS-InSAR获取的地表形变结果较为可靠。（2）分析了研究区东西方向空间分布特征和垂向时空分布特征。发现东西方向地表形变较大区域主要位于研究区西南部西果园一带,推测形变是由沿着关山-兴隆山的活动断层所控制。研究区大部分区域垂向形变的形变量较小,形变值在﹣5～5mm/a之间。形变量较大的区域形变速率主要集中在﹣25～﹣5mm/a之间,其分布格局为片状分布和线状分布两种格局。片状变形区主要分布在研究区挖山造地的盐池、九州及青白石等几个开发区;形变量大的线状分布区域主要在吊岭、西果园、黄峪及八里镇一带,沿水系、道路呈现线状分布的特征。利用时间序列统计分析工具对研究区内垂向形变小于﹣15mm/a的点进行了不同类型的曲线拟合分析,发现线性形变点较少,非线性形变点较多,非线性形变点中的二次性和突变性曲线大多分布在人类活动工程建设区域,其中二次型曲线较多且分布普遍,突变型曲线主要分布在工程建设区域的边坡位置。（3）进行了研究区基于成因的地表形变类型的划分。将地表形变划分为以自然因素为主导和以人为因素为主导的地表形变类型。其中自然因素包括降雨和土壤水力侵蚀,发现新发生滑坡、不稳定斜坡、老滑坡复活所呈现的地表形变与降雨存在很好的对应关系,认为降雨是引起该区域新发生滑坡、不稳定斜坡、老滑坡复活的主要原因。土壤水力侵蚀引起的地表形变主要分布在宛川河沿岸,受土壤侵蚀堆积作用的影响,河流两侧地表呈现季节性的侵蚀堆积变化过程。人为因素主要有挖山造地、矿区开采、山区道路建设三种类型。挖山造地引起的地表形变整体上呈现由四周向中心形变量增大的漏斗状,边坡形变与相邻建筑区相比形变量更大,多为突变型,反映新开发区的边坡区域地质灾害的风险更大。矿区开采引起的地表形变也同样呈现由四周向中心形变量增大的漏斗状,形变区在东西方向水平形变成对称分布,符合矿区地下开采造成的地表形变分布规律。山区道路建设引起的地表形变呈现“下沉-平稳”的周期循环变化趋势,下沉期主要是雨季。（4）通过分析影响因子和灾害事件的关系,筛选了灾害事件发生的影响因子,基于这些影响因子,采用确定性系数模型及逻辑回归模型对区域地质灾害易发性进行评价,获得灾害易发分区结果。最终表明:1)各影响因子对区内灾害的贡献程度大小依次为坡度、距断层的距离、坡向、距道路的距离、高程、植被覆盖度、岩性、土地利用类型、到水系的距离。在坡度为9～25°,距断层在2千米以内,坡向为东北和西南方向,距道路在1.6千米以内,高程在1400～1700米之间,NDVI在﹣0.18～﹣0.15之间,地层为第四纪黄土,土地利用类型为裸地,距离水系3.6千米以内的分布区是最容易发生地质灾害的地方。2)将区内灾害按易发程度分为极低易发区、低易发区、中易发区、高易发区和极高易发区。发现区内地质灾害高易发和极高易发区主要分布在市区南北两山的边坡、铁路公路、河谷沿线以及盐池、九州、青白石、和平、定远等主要新开发区,极低、低易发区主要分布在主城区及地势较为平坦的区域。易发性整体分布格局与SBAS-InSAR获取的地表形变空间分布特征具有较高的一致性。（5）采用SBAS-InSAR获取的精确的地表形变速率值,对基于模型静态影响因子的地质灾害性易发性评价结果进行修正,得到修正后的区域地质灾害易发性评价结果,相比基于模型静态影响因子评价结果,修正后的评价结果显示,极低易发区面积增加43.13km2、极高易发区面积增加34.50 km2,低易发区面积减少46.20 km2、中易发区面积减少15.93 km2、高易发区面积减少15.50 km2。经过野外考察验证修正后的结果较为可靠,将两种方法结合可以做到优势互补,从而获得较为准确的易发性评价结果。
梁峰[8]（2021）在《基于遥感技术与深度学习的四川高陡山区典型地质灾害识别》文中研究说明滑坡、崩塌、泥石流是高陡山区最常见的、最典型的三大地质灾害,发生次数占地质灾害总数的98%。这三类地质灾害受地形地貌因素影响较大,在我国四川高陡山区频繁发生。该区域是我国发生地质灾害频率最高、受灾损失最惨重的区域,也是我国地质灾害防治工作的重点区域,四川高陡山区典型的地质灾害识别对地质灾害防治、减少人民生命财产损失具有重要意义。传统地质灾害调查方法大多基于点观测,在广域范围内识别费时费力,效率低下。遥感技术的快速发展,为我们提供了基于遥感影像对地质灾害快速、精确识别的手段,不仅大大提高了地质灾害的判别效率,也通过遥感影像的高分辨率、覆盖范围广等特点实现了对“人不易至”的隐蔽、高位远程地质灾害点的识别与监测,成为了我国地质灾害监测与防治上工作中的重要手段。在实际应用中,一线技术人员面临诸多遥感技术的选择,对各种技术适用场景、识别隐患类型不明了。另外,在大范围的地质灾害识别,主要以人工目视判读遥感影像为主,该方法虽然精度较高,但是极其耗时耗力。随着现代测绘遥感技术的推广应用,越来越多的半自动识别方法出现,有效的节约了人力物力,但是由于半自动程度低、通用性较差,无法准确获取大规模地质灾害识别。针对以上问题,本文选择地质灾害频发的四川高陡山区为研究对象,开展地质灾害识别研究工作,本文主要创新点如下:（1）本文创新采用了多种遥感技术方法融合对典型地质灾害进行识别,探讨了不同方法对不同地灾的识别特点,揭示不同遥感技术的适用场景与隐患识别类型。（2）本文创新提出基于深度卷积神经网络的多层次泥石流堆积扇识别方法,构建多层次地质灾害堆积扇识别框架,并讨论了场景影像大小与卷积层数对识别精度的影响,建立精度更高,能够满足识别地质灾害场景需求的自动识别方法。本文主要研究内容和结论如下:（1）基于InSAR（InSAR:Interferometric Synthetic Aperture Radar）、无人机三维航拍、地面三维激光和机载Li DAR（Light:Detection and Ranging）等对地观测遥感技术,对四川高陡山区的地质灾害进行识别,通过对比解译结果,分析不同遥感技术的优缺点,揭示不同遥感技术的适用场景、识别隐患类型。对于识别难度较大的不稳定斜坡,需要将传统地质勘测与现代技术（Li DAR等）有机结合,通过多种技术手段的综合应用,一方面通过发挥各种技术手段的优势,实现对灾害隐患最全面的扫描和识别;另一方面把多种技术手段所获结果,进行相互比对、补充、检验和校核,最终实现对地质灾害隐患进行全面而准确地识别。（2）本文以九寨沟同震滑坡群为例,基于Sentinel-2影像,通过四种方法,监督分类（最大似然监督分类法、神经网络分类法）、变化检测以及面向对象分类法对滑坡体分布进行自动识别与提取,并进行方法对比与精度评估。研究发现,基于像元的分类始终存在椒盐效应,影响提取精度,而面向对象分类法则不存在此问题。在对遥感影像的地物波谱反射可区分性较大时,几种方法对于震后滑坡新生成地物的识别精度相差不大。总体识别精度均大于94.00%,Kappa系数均大于0.800。在此基础上,基于像素矩阵差值运算和二值图像分割等变化检测原理实现震后滑坡自动识别。（3）针对地质灾害自动识别方法,以泥石流堆积扇识别为例,引入深度学习技术,以求实现地质灾害隐患的自动识别。利用本文提出的深度卷积神经网络的多层次泥石流堆积扇识别方法,能够自动识别泥石流堆积扇,提高了地质灾害识别场景的精度。研究结果能够为区域地质灾害监测预警、工程治理、防灾减灾和城乡规划提供数据支撑和可靠的技术支持,以此来有效的指导经济建设和经济发展,同时也为其他类型的地质灾害基于神经网络技术进行高精度识别潜在隐患研究提供了参考。
杨龙伟[9]（2021）在《高位滑坡远程动力成灾机理及减灾措施研究》文中认为高位滑坡灾害主要分布在我国西部高山峡谷地区,具有急剧突发、破坏性强和致灾范围广等特点,危害巨大。加强对高位滑坡远程动力成灾机理研究,可以揭示滑坡动力冲击及远程堆积等运动演化过程,指导开展高位滑坡减灾措施制定。本文选取2017年6月24日发生的四川省茂县新磨滑坡为例,基于野外地质调查、遥感影像分析、理论推导、物理模型试验和数值仿真等方法,对新磨高位滑坡的易滑地质结构、孕灾演化、冲击加载、远程堆积、早期识别和减灾措施等方面进行研究,主要取得以下成果:（1）通过对国内外典型的高位滑坡地质灾害进行分析,总结了高位滑坡灾害的定义、分类和特征,阐释了软弱结构带、锁固段和冻融黄土等西部地区的高位滑坡易滑地质结构的控灾特征,分析了地震、降雨和人类工程活动等因素作用下的高位滑坡诱发机制,最后总结了高位滑坡链式成灾模式。（2）基于野外地质调查、遥感影像分析和室内试验,分析了研究区内工程地质条件和古滑坡分布情况,查明了新磨滑坡地层主要为变质砂岩夹杂板岩的复理石建造,其崩滑体形态呈现“U”字形,且裂缝发育。岩体结构在地震和优势节理切割作用下成网状,形成震裂山体,最后在长期自重和降雨等因素下出现溃曲破坏。微观试验结果显示线性擦痕、矿物定向聚集排列和微裂隙发育,表明滑体运动剧烈、碰撞解体效应明显。（3）基于溃曲结构破坏方程和Hoek-Brown强度准则,分析了新磨滑坡溃曲段临界长度变化趋势。利用峰值残余降原理计算了新磨滑坡启动速度和运动速度。基于势能转化原理和块体模型建立了有无初速度的两种新磨高位滑坡动力冲击力计算模型,分析了坡度和堆载体积对动力冲击力的影响。计算了动力冲击荷载下新磨古滑坡的稳定性,当加载滑体体积约100×104m3～150×104m3时,古滑坡体失稳滑动。（4）基于无人机航拍图和数字图像识别技术方法,对新磨滑坡各区域的块体粒径和分形数进行分析,结果表明滑程越远,滑体的破碎化程度越高,并在滑坡前缘堆积区域发现有大型堆积平台、运动脊和块石定向排列等远程堆积地貌特征。利用集合经验模态分解和时频分析等方法,研究表明新磨滑坡地震信号以低频为主。基于滑坡破碎地质特征和动力分析等,提出新磨高位远程滑坡动力灾害分区方法:高位滑坡急剧启动区、冲击加载区、破碎运移区和散落堆积区。（5）利用经验法、连续体法和离散元法等数值技术方法,重构了新磨滑坡运动演化全过程,计算了滑体的运动速度、堆积体厚度和典型特征点的运动规律,其中离散单元法更适用于模拟动力冲击、铲刮和裹挟等动力学特征。基于物理模型试验方法,分析了块石粒径、质量和坡度等因素对滑坡碎屑流的堆积范围和运动速度等影响,提出了远程滑坡碎屑流的运动模式。（6）通过野外详细地质调查和多期多源遥感调查方法,建立基于坡体结构、岩体类型和地形地貌等方面的新磨高位滑坡灾害的早期识别地质指标,提出了基于易滑地质结构和“空-天-地”一体化空间遥感监测,耦合易滑溃曲地质强度指标分析的早期识别方法,有效指导分析高位滑坡从孕灾到临灾的演化过程,总结了高位滑坡风险防控技术思路,为高位滑坡防灾减灾提供重要支撑。
陈志[10]（2020）在《滇西北高原峡谷生态脆弱区地质灾害研究 ——以香格里拉市为例》文中指出云南大部分地区地质环境脆弱,是国家投入地质灾害防治经费最多的省份之一。香格里拉位于滇西北高原峡谷区生态脆弱区、现代地表活动试验区、国家重点生态保护区。论文研究目的是基于环境生态学与地质学融合的视角探讨该区域地质灾害的易发性及危险性并对其进行分区,为国土空间规划及地质灾害防治提供供数据支撑和建议。本研究利用RS和GIS技术,结合现场调研资料,定量揭示了地质灾害发育及分布特征,初步分析了地质灾害的动态及静态控制因子;分析了4期土地利用/覆盖变化,并结合CA-Markov模型拟合了现有状况下的土地利用/覆盖变化及未来情况下的土地利用变化趋势;采用遥感手段结合现有的气象数据探讨了市域尺度地表温度、湿度的空间分布;分析了过去50年（1961-2010年）及今后30年（2031-2060年）的气温及降水分布特征,获得了与地质灾害相关的动态因子;最后利用模型对现状及未来地质灾害易发性和危险性进行分区评价,初步探索了基于生态地质学为基础的地质灾害防治措施和建议,主要成果如下:（1）通过遥感解译,结合地面调查数据,共解译滑坡416个,崩塌179个,泥石流沟262条;并结合既有资料记载,对地质灾害发生的时空分布、灾害点规模、灾害特征、险情及诱发因素等进行了分析;结果表明,地质灾害空间分布具有区域聚集特征,且沿断层及碎屑岩区域展布,灾害点密度整体呈南部及西北高、东部及中部低、沿河谷及构造带分布的特点。（2）运用雷达比值指数法开展地质灾害的快速提取和灾害监测,与调查结果图相比,总体精度较好,满足快速提取精度要求;运用Sentinel-1 SAR方法在针对地质灾害体的信息提取与监测方面的应用具有良好的效果,其应有前景宽广;采用该方法对地质灾害信息的识别和提取时效快、效果好,且不受天气因素限制,可为应急救灾和监测提供信息支持。（3）通过多种技术手段,获取与地质灾害相关的信息,这些信息可以称之为评价因子。（1）地表温度数据用到了从NASA官网上下载的MODIS传感器的8天合成地表温度产品,经数据预处理、运用空间插值方法后,得到研究区的年平均地表温度在空间上的分布特征;（2）运用归一化植被指数和地表温度负相关关系,结合相关方程计算研究区的土壤湿度,结果表明:香格里拉市的气候条件整体上较干旱,其中湿润地区的分布范围约占6%,正常区域占13%,微旱和干旱区域占60%,重旱区域约占12%。植被覆盖度不同,其土壤湿度差异较大。（4）本研究利用1961—2010年云南省香格里拉市的逐日气象格点数据,通过编写程序,运用R软件运行程序,提取出研究区范围内的每个格点数据,利用STARDEX中的FORTRAN子程序计算出极端气候指数,并选取与研究相关的主要极端指数,分析香格里拉市过去（1961-2010年）及将来（2031-2060年）极端气温及降水的时空变化特征。为香格里拉市地质灾害的易发性提供气象数据支撑。（5）人类工程活动是影响地质灾害的重要影响因子,通过土地利用变化表征这一活动的强度及其趋势,利用遥感探讨了近30年来土地利用/覆盖变化的变化情况,结果表明研究区植被覆盖度整体表现出西部、东部及西南部相对较高,中部、东南部及北部覆盖低的特点;运用CA-Mark模型对土地利用驱动力因子进行分析,经对过去及现在土地利用/覆盖变化与实际解译的结果进行检验,2019年土地利用模拟的全局Kappa系数为0.794,全局精度85.6%,说明模拟结果与实测结果高度一致,CA-Markov模型模拟精度满足应用要求;模型依据过去30年的土地利用/覆盖变化模式预测未来2030年土地利用状况,结果显示未来建筑用地和耕地地依旧在增加,但增速均有所放缓。1990-2019年香格里拉市建筑用地平均年增速为5.0%,2020-2030年下降到2.0%。草地地在过去30年的平均年增速为6.8%,未来将会下降到1.0%（2020-2030）。耕地、林地、其他用地均有不同程度的减少,年均减少速度分别为-1.2%、-0.8%和-0.2%。（6）基于过去（2014年）的调查和分析结果,根据相关模型评价现状（2019年）及未来（2030年）地质灾害危险性及易发性。2019年研究区地质灾害高、中、低易发区及不易发区面积分别为1860.83 km2,3008.12 km2,4023.63 km2,2367.47 km2,地质灾害高易发区主要分布于南部区域金沙江沿岸阶地及其支流的河谷两岸;2019年香格里拉市地质灾害高、中、低危险区及安全区面积面积分别为125.03 km2、3500.85 km2、6274.13 km2,1359.8 km2,香格里拉市地质灾害高、中等危险区域主要分布于南部区域及北部的东旺乡东旺河及西北部尼西乡汤满河的河谷地带。另外,本文根据相关模型预测了2030年地质灾害地质灾害易发性及危险性等级、面积及分布区域。基于对地质灾害的易发性及危险性进行分区的结果,初步探索了基于生态学视角的地质灾害防治措施及建议。研究结果表明,香格里拉市未来高易发区和危险区仍然存在增加的趋势,地质灾害诱发的静态因子是稳定的,变化的是其动态因子,动态因子主要体现在生态因子上,鉴于香格里拉特殊的生态定位,未来需要从生态系统及产业结构调整角度对其进行预防。
二、青藏高原东部泥石流滑坡的雷达监测研究（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、青藏高原东部泥石流滑坡的雷达监测研究（论文提纲范文）
（1）基于SBAS-InSAR技术的西藏雄巴古滑坡变形特征（论文提纲范文）
| 1 地质背景 |
| 2 雄巴古滑坡工程地质特征 |
| 2.1 滑坡基本特征 |
| (1)滑缘区(Ⅰ)基本特征： |
| (2)平台区(Ⅱ)基本特征： |
| (3)前缘强变形区(Ⅲ)基本特征： |
| 2.2 滑坡体积 |
| 3 SAR数据及形变处理方法 |
| 3.1 基于SBAS-InSAR的地表形变分析技术 |
| 3.2 SAR数据 |
| 3.3 SAR数据处理 |
| 3.3.1 干涉对选取 |
| 3.3.2 差分数据处理 |
| 3.3.3 形变时间序列计算 |
| 4 雄巴古滑坡InSAR形变监测结果分析 |
| 4.1 雄巴古滑坡InSAR形变结果 |
| 4.1.1 雄巴古滑坡整体形变分析 |
| 4.1.2 雄巴古滑坡典型剖面形变分析 |
| 4.2 雄巴古滑坡变形现场调查验证 |
| (1)H1变形区野外调查形变特征： |
| (2)H2变形区野外调查形变特征： |
| 4.3 雄巴古滑坡变形趋势分析 |
| 4.3.1 H1号变形体形变趋势分析 |
| 4.3.2 H2号变形体形变趋势分析 |
| 4.3.3 总体变形规律与趋势分析 |
| 5 结论 |
（2）基于深度学习的FY-4A卫星数据降水云团识别与降水强度等级估计（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 降水云团识别研究现状 |
| 1.2.2 降水强度等级估计研究现状 |
| 1.2.3 基于人工智能方法的研究现状 |
| 1.3 本文主要研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 本文章节安排 |
| 第二章 研究区域概况与数据处理 |
| 2.1 研究区域概况 |
| 2.2 数据资料与预处理 |
| 2.2.1 数据资料 |
| 2.2.2 数据预处理 |
| 2.3 本章小结 |
| 第三章 基于改进DeepLab v3 的降水云团识别方法 |
| 3.1 模型介绍 |
| 3.1.1 深度学习基本模型介绍 |
| 3.1.2 原始DeepLab v3 网络模型介绍 |
| 3.1.3 改进DeepLab v3 网络模型介绍 |
| 3.2 改进方法及结果分析 |
| 3.2.1 优化上采样方式 |
| 3.2.2 注意力机制 |
| 3.2.3 同步长卷积代替池化层 |
| 3.2.4 精度对比分析 |
| 3.3 实验结果及对比分析 |
| 3.4 本章小结 |
| 第四章 基于SW-Net的降水强度等级估计 |
| 4.1 降水强度等级估计模型设计 |
| 4.1.1 基线模型 |
| 4.1.2 网络结构设计 |
| 4.1.3 评价指标及损失函数 |
| 4.1.4 训练参数设置 |
| 4.2 通道选择及消融实验 |
| 4.3 地形因素对降水的影响分析 |
| 4.4 实验结果与对比分析 |
| 4.5 模型适用性分析 |
| 4.5.1 平原地区消融实验 |
| 4.5.2 平原地区对比实验 |
| 4.6 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 个人简介 |
（3）基于InSAR技术的九寨沟地质灾害危险性评价研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.2 研究进展 |
| 1.2.1 InSAR技术在国内外的研究进展 |
| 1.2.2 地质灾害危险性评价研究进展 |
| 1.3 研究内容和论文组织结构 |
| 1.3.1 研究内容和创新点 |
| 1.3.2 技术路线 |
| 1.3.3 论文结构安排 |
| 第二章 研究区域概况与数据准备 |
| 2.1 九寨沟概况 |
| 2.1.1 地理位置 |
| 2.1.2 地形地貌 |
| 2.1.3 气候水文 |
| 2.1.4 地层岩性 |
| 2.1.5 地质构造 |
| 2.1.6 历史地质灾害 |
| 2.2 研究区数据源说明 |
| 2.2.1 ALOS-2 雷达卫星影像数据 |
| 2.2.2 DEM数据 |
| 2.2.3 其他数据 |
| 2.3 本章小结 |
| 第三章 InSAR原理与数据处理流程 |
| 3.1 InSAR基本原理 |
| 3.2 D-InSAR技术 |
| 3.2.1 基本原理 |
| 3.2.2 数据处理流程 |
| 3.2.3 基于D-InSAR的九寨沟地区数据处理 |
| 3.3 SBAS-InSAR技术 |
| 3.3.1 基本原理 |
| 3.3.2 数据处理流程 |
| 3.3.3 基于SABAS-InSAR的九寨沟地区数据处理 |
| 3.4 本章小结 |
| 第四章 潜在地质灾害点提取与分析 |
| 4.1 九寨沟潜在地质灾害点提取 |
| 4.2 潜在地灾点时空格局分布特征分析 |
| 4.3 地质灾害影响因素分析 |
| 4.3.1 地形地貌对地质灾害发育的影响 |
| 4.3.2 地质环境对地质灾害发育的影响 |
| 4.3.3 气候水文对地质灾害发育的影响 |
| 4.3.4 人类活动对地质灾害发育的影响 |
| 4.4 基于实测数据的地质灾害提取结果验证 |
| 4.5 本章小结 |
| 第五章 基于改进AHP-信息量法的潜在地质灾害危险性评价 |
| 5.1 信息量法 |
| 5.1.1 基本理论模型 |
| 5.1.2 加权信息量模型 |
| 5.2 研究区评价因子选取 |
| 5.3 评价因子权重的确定 |
| 5.3.1 传统AHP法 |
| 5.3.2 基于改进AHP法确定权重 |
| 5.4 基于改进AHP-信息量法的潜在地质灾害危险性评价 |
| 5.4.1 评价过程 |
| 5.4.2 评价结果验证 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要研究结论 |
| 6.2 研究不足与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）基于情景分析的青海农牧社区减灾能力建设研究（论文提纲范文）
| 中文摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景、问题及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究问题 |
| 1.1.3 研究意义 |
| 1.2 国内外研究综述 |
| 1.2.1 社区减灾能力研究 |
| 1.2.2 情景分析法相关研究 |
| 1.2.3 情景分析在公共危机管理中应用研究 |
| 1.2.4 研究述评 |
| 1.3 研究思路、内容、技术路线 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容与框架 |
| 1.3.3 技术路线 |
| 第二章 相关理论与研究设计 |
| 2.1 相关概念界定 |
| 2.1.1 灾害情景分析 |
| 2.1.2 农牧社区 |
| 2.1.3 社区减灾能力 |
| 2.2 相关理论基础 |
| 2.2.1 情景分析理论 |
| 2.2.2 危机管理理论 |
| 2.2.3 极值理论 |
| 2.2.4 复杂系统理论 |
| 2.3 研究设计 |
| 2.3.1 基于“情境—任务—能力”的农牧社区减灾能力分析框架 |
| 2.3.2 研究方法 |
| 第三章 基于致灾因子分析的青海农牧社区典型灾害识别 |
| 3.1 农牧社区孕灾环境分析 |
| 3.1.1 农牧社区自然环境 |
| 3.1.2 农牧区社会经济状况 |
| 3.2 农牧社区致灾因子分析 |
| 3.2.1 气象致灾因子 |
| 3.2.2 地质致灾因子 |
| 3.2.3 生物致灾因子 |
| 3.3 农牧社区灾害脆弱性分析 |
| 3.3.1 农牧社区灾害脆弱性表现 |
| 3.3.2 农牧社区灾害脆弱性 |
| 3.3.3 农牧社区灾情分析 |
| 3.3.4 农牧社区典型灾害识别 |
| 3.4 小结 |
| 第四章 基于情景分析的青海农牧社区典型灾害情景构建 |
| 4.1 农牧社区的雪灾情况 |
| 4.1.1 雪灾的成因及影响 |
| 4.1.2 近年来青海雪灾事件 |
| 4.1.3 雪灾区域选择 |
| 4.2 农牧社区特大雪灾情景构建 |
| 4.2.1 农牧社区雪灾情景构建的参数分析 |
| 4.2.2 基于极值理论的关键情景参数选择 |
| 4.2.3 .农牧社区雪灾情景描述 |
| 4.2.4 雪灾演化过程分析 |
| 4.3 小结 |
| 第五章 基于灾害情景的青海农牧社区减灾任务与能力分析 |
| 5.1 农牧社区多元减灾主体 |
| 5.1.1 政府组织 |
| 5.1.2 社区组织 |
| 5.1.3 居民个体 |
| 5.1.4 社会力量 |
| 5.2 基于雪灾情景的农牧社区雪灾减灾任务分析 |
| 5.2.1 基于公共危机管理过程的社区常规减灾任务 |
| 5.2.2 农牧社区雪灾常规减灾任务识别 |
| 5.2.3 雪灾情景下的农牧社区雪灾减灾任务 |
| 5.2.4 基层政府雪灾减灾任务归属 |
| 5.3 基于任务的农牧社区雪灾减灾能力分析 |
| 5.3.1 农牧社区雪灾常规减灾能力分析 |
| 5.3.2 农牧社区雪灾减灾能力评估方案设计 |
| 5.3.3 农牧社区雪灾减灾能力评估模型 |
| 5.3.4 农牧社区雪灾能力矩阵分析 |
| 5.3.5 农牧社区雪灾减灾能力实践分析 |
| 5.4 小结 |
| 第六章 面向能力构建的青海农牧社区减灾对策 |
| 6.1 规则准备:提升制度运行能力 |
| 6.2 组织准备:提升应对协调联动能力 |
| 6.3 资源准备:提升持续保障能力 |
| 6.4 知识准备:激发农牧社区减灾动力 |
| 6.5 行动规划:增强行动执行能力 |
| 6.6 小结 |
| 第七章 结论与展望 |
| 7.1 研究结论和学术贡献 |
| 7.1.1 研究结论 |
| 7.1.2 学术贡献 |
| 7.2 研究不足和研究展望 |
| 7.2.1 研究不足 |
| 7.2.2 研究展望 |
| 参考文献 |
| 博士期间研究成果 |
| 致谢 |
| 附录1 第一轮德尔菲法专家咨询表 |
| 附录2 第二轮德尔菲法专家咨询表 |
| 附录3 第三轮德尔菲法专家咨询表 |
| 附录4 青海省农牧社区雪灾减灾能力评估 |
| 附录5 |
| 附录6 青海农牧区雪灾减灾能力现状调查问卷 |
| 附录7 青海农牧社区雪灾减灾能力公众评判 |
（5）横断山区西北部冻土退化对地质灾害的影响（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 引言 |
| 1.1 研究背景及意义 |
| 1.2 研究进展 |
| 1.2.1 地质灾害研究进展 |
| 1.2.2 冻土退化及其影响研究进展 |
| 1.3 拟解决的关键问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究目标与内容 |
| 1.4.2 技术路线 |
| 第二章 研究区概况 |
| 2.1 研究区地理位置与地形地貌 |
| 2.2 地质构造与地层岩性 |
| 2.3 气候及植被特征 |
| 2.4 社会经济特征 |
| 第三章 数据和方法 |
| 3.1 数据来源及预处理 |
| 3.1.1 气温数据 |
| 3.1.2 数字高程模型(DEM)数据 |
| 3.1.3 经纬度数据 |
| 3.1.4 气温垂直递减率数据(VLRT) |
| 3.1.5 冻土分布模拟的验证数据 |
| 3.1.6 地质灾害点数据 |
| 3.2 方法 |
| 3.2.1 多元线性回归 |
| 3.2.2 响应模型 |
| 3.2.3 重心转移模型 |
| 3.2.4 相关性分析 |
| 第四章 横断山区西北部较高分辨率冻土分布模拟和验证 |
| 4.1 模拟结果 |
| 4.2 结果验证 |
| 4.3 横断山区西北部冻土分布时空特征 |
| 4.3.1 横断山区西北部冻土分布时间变化特征 |
| 4.3.2 横断山区西北部冻土分布空间变化特征 |
| 4.4 本章小结 |
| 第五章 横断山区冻土退化与地质灾害数量的关系 |
| 5.1 横断山区西北部冻土退化状况分析 |
| 5.2 横断山区西北部不同冻土区地质灾害分异规律 |
| 5.2.1 多年冻土区地质灾害分异规律 |
| 5.2.2 岛状冻土区地质灾害分异规律 |
| 5.2.3 季节冻土区地质灾害分异规律 |
| 5.3 冻土退化面积与地质灾害数量的相关性分析 |
| 5.3.1 冻土退化面积与崩塌的相关性 |
| 5.3.2 冻土退化面积与滑坡的相关性 |
| 5.3.3 冻土退化面积与泥石流的相关性 |
| 5.4 冻土退化背景下地质灾害防治建议 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 存在的不足 |
| 6.3 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）内外动力耦合下雅鲁藏布江贡嘎-加查河段的成灾机制研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 主要研究内容 |
| 1.4 研究方法与技术路线 |
| 1.5 论文主要创新点 |
| 第2章 自然地理与地质背景 |
| 2.1 自然地理 |
| 2.2 地层岩性 |
| 2.2.1 地层区划 |
| 2.2.2 地层发育状况 |
| 2.3 地质构造 |
| 2.3.1 雅鲁藏布江缝合带 |
| 2.3.2 沃卡-邛多江断裂带 |
| 2.4 水文地质 |
| 2.5 新构造运动与地震 |
| 2.5.1 新构造运动 |
| 2.5.2 地震 |
| 第3章 内外动力耦合下的地质环境特征 |
| 3.1 内外动力耦合过程概述 |
| 3.2 内外动力耦合下的地形地貌 |
| 3.2.1 差异性构造隆升分析 |
| 3.2.2 地形地貌 |
| 3.3 内外动力耦合下的河谷地应力特征 |
| 3.4 内外动力耦合下的岩体破碎特征 |
| 3.5 内外动力耦合下的降雨与冻融特征 |
| 3.6 内外动力耦合下的冰川发育特征 |
| 3.6.1 冰川基本发育特征 |
| 3.6.2 冰川坡向分布特征 |
| 3.6.3 冰川坡度分布特征 |
| 3.6.4 冰川高程分布特征 |
| 3.7 小结 |
| 第4章 地质灾害发育特征 |
| 4.1 主要地质灾害类型 |
| 4.2 崩塌灾害发育特征 |
| 4.2.1 崩塌灾害基本发育特征 |
| 4.2.2 崩塌灾害分布特征 |
| 4.2.3 崩塌灾害滑源区发育特征 |
| 4.2.4 崩塌灾害变形失稳模式 |
| 4.3 滑坡灾害发育特征 |
| 4.3.1 滑坡灾害基本发育特征 |
| 4.3.2 滑坡灾害分布特征 |
| 4.3.3 滑坡灾害滑源区发育特征 |
| 4.3.4 滑坡灾害堆积体发育特征 |
| 4.3.5 滑坡灾害变形失稳模式 |
| 4.4 泥石流发育特征 |
| 4.4.1 泥石流灾害基本发育特征 |
| 4.4.2 泥石流灾害分布特征 |
| 4.4.3 泥石流沟口堆积体发育特征 |
| 4.4.4 泥石流物源 |
| 4.5 石冰川发育特征 |
| 4.5.1 石冰川基本发育特征 |
| 4.5.2 石冰川分布特征 |
| 4.5.3 石冰川运动特征 |
| 4.6 小结 |
| 第5章 地质灾害的成灾机制分析 |
| 5.1 地质灾害的形成条件 |
| 5.1.1 地质构造作用 |
| 5.1.2 高地应力背景下强烈下切-卸荷作用 |
| 5.1.3 现代冰川作用 |
| 5.1.4 冻融-大温差作用 |
| 5.1.5 降雨作用 |
| 5.2 地质灾害的形成机制 |
| 5.2.1 崩塌灾害形成机制 |
| 5.2.2 滑坡灾害形成机制 |
| 5.2.3 泥石流灾害形成机制 |
| 5.2.4 石冰川灾害形成机制 |
| 5.3 小结 |
| 第6章 沙暴灾害发育特征及成灾机制 |
| 6.1 风积沙基本发育特征 |
| 6.2 风积沙分布特征 |
| 6.2.1 风积沙面积分布特征 |
| 6.2.2 风积沙相对高差分布特征 |
| 6.2.3 风积沙坡度分布特征 |
| 6.2.4 风积沙坡向分布特征 |
| 6.2.5 风积沙空间变化特征 |
| 6.3 沙暴灾害形成机制 |
| 6.4 小结 |
| 结论 |
| 致谢 |
| 参考文献 |
| 攻读学位期间取得的学术成果 |
（7）基于SBAS-InSAR技术的兰州地区地表形变特征分析与地质灾害易发性评价（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 InSAR技术在地表形变监测的研究现状 |
| 1.2.2 区域地质灾害易发性评价研究现状 |
| 1.2.3 兰州地区地质灾害研究现状 |
| 1.3 研究目标、研究内容和技术路线 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 1.4 论文的组织结构 |
| 第二章 研究区地质灾害背景及地质灾害现状 |
| 2.1 研究区地质灾害背景 |
| 2.1.1 自然背景因子 |
| 2.1.2 人类活动因子 |
| 2.2 研究区地质灾害现状 |
| 2.2.1 研究区地质灾害类型 |
| 2.2.2 地质灾害空间分布特征 |
| 第三章 InSAR原理及数据来源介绍 |
| 3.1 原理与方法 |
| 3.1.1 InSAR技术的基本原理 |
| 3.1.2 SBAS-InSAR技术的基本原理 |
| 3.1.3 准三维地表形变场构建方法 |
| 3.2 所用数据源说明 |
| 3.2.1 SAR数据 |
| 3.2.2 DEM数据 |
| 3.2.3 其它数据 |
| 3.3 SBAS-InSAR数据处理 |
| 3.3.1 数据准备 |
| 3.3.2 生成图像连接图 |
| 3.3.3 滤波与干涉处理 |
| 3.3.4 轨道精炼和重去平 |
| 3.3.5 形变速率反演 |
| 3.3.6 地理编码及结果输出 |
| 第四章 基于SBAS-InSAR的兰州地区地表形变特征分析 |
| 4.1 单轨道地表形变空间分布特征 |
| 4.1.1 升降轨LOS向地表形变空间分布特征 |
| 4.1.2 升降轨LOS向地表形变比较分析 |
| 4.2 准三维地表形变空间分布特征 |
| 4.2.1 垂向地表形变的空间分布特征 |
| 4.2.2 东西向地表形变空间分布特征 |
| 4.2.3 垂向和东西向地表形变的比较分析 |
| 4.3 兰州地区地表形变时间变化特征 |
| 4.4 兰州地区地表形变分类及成因分析 |
| 4.4.1 自然因素为主导引起的地表形变 |
| 4.4.2 人为因素为主导引起的地表形变 |
| 4.4.3 地表形变成因类型空间分布特征 |
| 4.5 小结 |
| 第五章 兰州地区地质灾害易发性评价 |
| 5.1 基于影响因子的地质灾害易发性评价 |
| 5.1.1 评价因子的选择和分级 |
| 5.1.2 所选模型介绍 |
| 5.1.3 研究区地质灾害易发性模型的建立 |
| 5.1.4 评价结果分析 |
| 5.2 SBAS-InSAR修正下的区域地质灾害易发性评价 |
| 5.2.1 地质灾害易发性评价修正方法 |
| 5.2.2 修正结果制图与分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 结论 |
| 6.2 论文特色 |
| 6.3 不足与展望 |
| 参考文献 |
| 在学期间的研究成果 |
| 致谢 |
（8）基于遥感技术与深度学习的四川高陡山区典型地质灾害识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于遥感技术的滑坡、泥石流识别国内外研究现状 |
| 1.2.2 基于遥感影像提取滑坡体的国内外研究现状 |
| 1.2.3 深度学习及其在图像识别中应用的国内外研究进展 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 1.4 研究成果与创新点 |
| 1.4.1 研究成果: |
| 1.4.2 创新点 |
| 第2章 研究区概况 |
| 2.1 研究区总体概况 |
| 2.1.1 地理位置 |
| 2.1.2 气候气象特征 |
| 2.1.3 地形地貌 |
| 2.1.4 构造与地震 |
| 2.2 典型重点实验区域泸定县研究区概况 |
| 2.2.1 地理位置 |
| 2.2.2 气候气象特征 |
| 2.2.3 地形地貌 |
| 2.3 典型重点实验区域九寨沟研究区概况 |
| 2.3.1 自然地理情况 |
| 2.3.2 气候气象特征 |
| 2.3.3 地形地貌 |
| 2.3.4 地层岩性 |
| 2.3.5 地质构造与地震活动 |
| 2.4 典型重点实验区域茂县研究区概况 |
| 2.4.1 地理位置 |
| 2.4.2 气候气象特征 |
| 2.4.3 地形地貌 |
| 2.4.4 构造与地震 |
| 2.5 本章小结 |
| 第3章 高陡山区地质灾害遥感识别原理与方法 |
| 3.1 SAR技术原理与方法 |
| 3.1.1 InSAR基本原理 |
| 3.1.2 D-InSAR基本原理 |
| 3.2 无人机遥感技术原理与方法 |
| 3.2.1 无人机技术原理与特点 |
| 3.2.2 数据采集流程 |
| 3.3 三维激光技术原理与方法 |
| 3.3.1 三维激光技术简介 |
| 3.3.2 数据处理 |
| 3.4 LiDAR技术原理与方法 |
| 3.4.1 激光测距原理 |
| 3.4.2 机载Li DAR系统对地定位原理 |
| 3.5 基于遥感影像的滑坡体识别方法 |
| 3.5.1 监督分类 |
| 3.5.2 变化检测 |
| 3.5.3 面向对象分类法 |
| 3.6 本章小结 |
| 第4章 基于多源遥感技术的高陡山区典型地质灾害识别 |
| 4.1 基于InSAR技术的高陡山区典型地质灾害识别 |
| 4.1.1 技术路线 |
| 4.1.2 InSAR识别标志 |
| 4.1.3 InSAR监测形变区实例分析 |
| 4.1.4 InSAR山地地区地灾识别适用性总结 |
| 4.2 基于无人机遥感技术的高陡山区典型地质灾害识别 |
| 4.2.1 无人机航测实例分析 |
| 4.2.2 无人机适用性总结 |
| 4.3 基于三维激光扫描技术的高陡山区滑坡识别 |
| 4.3.1 三维激光技术与应用 |
| 4.3.2 三维激光技术运用实例分析 |
| 4.3.3 三维激光扫描适用性总结 |
| 4.4 基于LiDAR技术的高陡山区典型地质灾害识别 |
| 4.4.1 LiDAR运用实例分析 |
| 4.4.2 LiDAR适用性总结 |
| 4.5 小结与建议 |
| 第5章 基于Sentinel-2 重点区域同震滑坡体遥感识别 |
| 5.1 数据获取 |
| 5.1.1 Sentinel-2 影像 |
| 5.1.2 数字高程模型 |
| 5.2 基于Sentinel-2 影像的滑坡体识别与提取 |
| 5.2.1 目视解译滑坡体 |
| 5.2.2 基于监督分类的滑坡体识别 |
| 5.2.3 基于变化检测技术进行滑坡体识别提取 |
| 5.2.4 基于面向对象进行滑坡体识别提取 |
| 5.3 精度评价与结果分析 |
| 5.3.1 精度评价与分析 |
| 5.3.2 滑坡变化空间分布特征分析 |
| 5.4 本章小结 |
| 第6章 基于深度卷积神经网络的多层次泥石流堆积扇识别 |
| 6.1 方法思路 |
| 6.1.1 影像解译:场景解译与像素解译 |
| 6.1.2 从人工设计特征到学习特征 |
| 6.1.3 多层次解译 |
| 6.2 基于卷积神经网络的多层次泥石流堆积扇识别方法 |
| 6.2.1 多层次泥石流堆积扇识别框架 |
| 6.2.2 卷积神经网络框架:场景解译 |
| 6.2.3 全卷积神经网络框架:像素解译 |
| 6.2.4 网络训练与推断 |
| 6.2.5 迁移学习 |
| 6.3 实验与分析 |
| 6.3.1 场景解译实验 |
| 6.3.2 像素解译实验 |
| 6.3.3 多层次泥石流堆积扇识别结果 |
| 6.4 讨论 |
| 6.4.1 场景影像大小对卷积神经网络识别精度的影响 |
| 6.4.2 卷积层数对卷积神经网络识别精度的影响 |
| 6.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 致谢 |
| 参考文献 |
（9）高位滑坡远程动力成灾机理及减灾措施研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外高位远程滑坡典型实例列举及机理分析 |
| 1.2.2 国内高位远程滑坡典型实例列举及机理分析 |
| 1.2.3 高位远程滑坡动力学研究 |
| 1.2.4 灾害冲击力研究 |
| 1.3 研究目标与内容 |
| 1.3.1 研究目标及拟解决的关键科学问题 |
| 1.3.2 研究内容与技术路线 |
| 1.4 本文创新点 |
| 第二章 高位远程滑坡成灾地质环境综述 |
| 2.1 引言 |
| 2.2 高位远程滑坡典型案例 |
| 2.2.1 瑞士Elm滑坡 |
| 2.2.2 加拿大Frank滑坡 |
| 2.2.3 菲律宾Guinsaugon滑坡 |
| 2.2.4 西藏波密易贡滑坡 |
| 2.2.5 四川大光包滑坡 |
| 2.2.6 西藏白格滑坡 |
| 2.3 高位远程滑坡定义、分类和特征 |
| 2.3.1 高位远程滑坡定义 |
| 2.3.2 高位远程滑坡分类 |
| 2.3.3 高位远程滑坡特征 |
| 2.4 高位远程滑坡易滑地质结构分析 |
| 2.4.1 软弱结构带控制型 |
| 2.4.2 锁固段破裂触发型 |
| 2.4.3 冻融黄土型 |
| 2.5 高位远程滑坡诱发因素 |
| 2.5.1 地震因素 |
| 2.5.2 降雨因素 |
| 2.5.3 人类工程活动 |
| 2.6 高位远程滑坡链式成灾模式 |
| 2.7 本章小结 |
| 第三章 新磨高位远程滑坡地质环境研究 |
| 3.1 新磨滑坡基本概况 |
| 3.2 研究区自然地理概况 |
| 3.2.1 地理位置 |
| 3.2.2 区域地质背景 |
| 3.2.3 区域构造背景 |
| 3.2.4 降雨气候 |
| 3.2.5 流域内地质灾害发育概况 |
| 3.3 新磨滑坡地质环境研究 |
| 3.3.1 构造型式 |
| 3.3.2 地层岩性 |
| 3.3.3 地形地貌 |
| 3.3.4 水文地质特征 |
| 3.3.5 地震活动及古滑坡 |
| 3.4 新磨滑坡基本特征分析 |
| 3.4.1 滑坡类型 |
| 3.4.2 崩滑体边界及平面形态 |
| 3.4.3 岩体特性 |
| 3.5 本章小结 |
| 第四章 新磨高位远程滑坡滑源区多期多源遥感信息研究 |
| 4.1 引言 |
| 4.2 滑坡灾害遥感调查方法研究 |
| 4.2.1 无人机航拍技术 |
| 4.2.2 光学卫星遥感技术 |
| 4.2.3 干涉合成孔径雷达 |
| 4.3 新磨滑坡灾害演化过程 |
| 4.3.1 滑前地质调查分析 |
| 4.3.2 多源遥感调查分析 |
| 4.3.3 地质强度指标GSI演化 |
| 4.4 滑源区遥感灾害调查探讨 |
| 4.5 本章小结 |
| 第五章 新磨高位远程滑坡碎屑流动力启动-冲击机理分析 |
| 5.1 引言 |
| 5.2 高位滑坡溃曲破坏机制 |
| 5.2.1 溃曲破坏地质模型 |
| 5.2.2 溃曲力学机制分析 |
| 5.3 新磨高位滑体运动速度计算 |
| 5.3.1 启动速度 |
| 5.3.2 运动速度 |
| 5.4 块体堆载冲击力计算模型 |
| 5.4.1 模型建立 |
| 5.4.2 控制方程建立及求解 |
| 5.4.3 冲击力影响因素 |
| 5.4.4 古滑坡复活稳定性 |
| 5.5 本章小结 |
| 第六章 新磨高位远程滑坡成灾过程动力学特征及分区研究 |
| 6.1 引言 |
| 6.2 新磨高位滑坡动力堆积地貌特征研究 |
| 6.2.1 颗粒识别方法 |
| 6.2.2 粒径曲线分析 |
| 6.2.3 破碎分形程度 |
| 6.2.4 地貌堆积特征 |
| 6.3 震动信号反演分析 |
| 6.3.1 地震信号获取 |
| 6.3.2 地震信号处理方法 |
| 6.3.3 信号结果分析 |
| 6.4 高位滑坡动力灾害分区探讨 |
| 6.4.1 急剧启动区 |
| 6.4.2 冲击加载区 |
| 6.4.3 破碎运移区 |
| 6.4.4 散落堆积区 |
| 6.5 本章小结 |
| 第七章 新磨高位远程滑坡碎屑流动力过程数值模拟分析 |
| 7.1 计算方法 |
| 7.1.1 经验法 |
| 7.1.2 连续体法 |
| 7.1.3 离散元法 |
| 7.2 结果分析 |
| 7.2.1 运动状态分析 |
| 7.2.2 运动速度分析 |
| 7.2.3 堆积体状态分析 |
| 7.2.4 典型点动力学特征分析 |
| 7.2.5 动力学效应分析 |
| 7.3 数值计算总结 |
| 7.4 本章小结 |
| 第八章 高位远程滑坡碎屑流运动堆积物理模型试验研究 |
| 8.1 滑槽物理模型试验概况 |
| 8.1.1 试验装置 |
| 8.1.2 试验样品 |
| 8.1.3 试验工况 |
| 8.1.4 试验步骤 |
| 8.2 试验结果分析 |
| 8.2.1 碎屑流运动过程分析 |
| 8.2.2 堆积体形态特征分析 |
| 8.2.3 运动速度分析 |
| 8.3 远程运动模式探讨 |
| 8.3.1 碎屑层流运动模型 |
| 8.3.2 块石撞击流运动模型 |
| 8.4 本章小结 |
| 第九章 高位远程滑坡风险防控对策研究 |
| 9.1 高位滑坡风险防控思路 |
| 9.2 高位滑坡早期监测预警 |
| 9.2.1 高位滑坡早期识别地质指标 |
| 9.2.2 “空-天-地”一体化监测 |
| 9.3 高位滑坡灾害治理技术 |
| 9.4 本章小结 |
| 第十章 结论与展望 |
| 10.1 结论 |
| 10.2 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
（10）滇西北高原峡谷生态脆弱区地质灾害研究 ——以香格里拉市为例（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题依据与研究意义 |
| 1.2 国内外研究现状 |
| 1.3 香格里拉地质灾害研究现状 |
| 1.4 研究内容与体系 |
| 1.5 研究方法及技术路线 |
| 1.6 研究工作概况及完成工作量 |
| 1.7 主要创新点 |
| 第二章 研究区概况 |
| 2.1 地理位置 |
| 2.2 社会经济 |
| 2.3 地形地貌 |
| 2.4 地质与地震 |
| 2.5 气象水文 |
| 2.6 植被 |
| 2.7 土壤及土地利用 |
| 2.8 本章小结 |
| 第三章 香格里拉市地质灾害特征分析 |
| 3.1 地质灾害主要类型及发育特征 |
| 3.2 地质灾害时空分布与形成条件 |
| 3.3 地质灾害造成的危害与影响 |
| 3.4 本章小结 |
| 第四章 基于Sentinel_1A技术对香格里拉市地质灾害监测研究 |
| 4.1 Sentinel-1 SAR影像及预处理 |
| 4.2 雷达遥感监测地质灾害方法 |
| 4.3 香格里拉市地质灾害体散射特征分析 |
| 4.4 香格里拉市地质灾害体监测精度评价 |
| 4.5 本章小结 |
| 第五章 地质灾害动态评价因子获取及分析研究 |
| 5.1 香格里拉市地表温度的反演 |
| 5.2 香格里拉市地表湿度的反演 |
| 5.3 香格里拉市极端气温、降水时空变化特征研究 |
| 5.4 植被覆盖度因子获取与分析研究 |
| 5.5 基于CA-Markov的土地利用变化模拟与预测 |
| 5.6 本章小结 |
| 第六章 香格里拉市地质灾害易发性和危险性变化与预测 |
| 6.1 2014年香格里拉地质灾害易发性分区 |
| 6.2 2014年香格里拉市地质灾害危险性评价 |
| 6.3 2019年香格里拉市地质灾害易发性评价 |
| 6.4 2019年香格里拉市地质灾害危险性评价 |
| 6.5 2030年香格里拉市地质灾害易发性预测评价 |
| 6.6 2030年香格里拉市地质灾害危险性预测评价 |
| 6.7 讨论与结论 |
| 第七章 生态脆弱区地质灾害防治模式 |
| 7.1 基于地质灾害分区的防治模式 |
| 7.2 基于产业结构调整的防灾模式 |
| 7.3 基于生态定位的地质灾害防治 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、青藏高原东部泥石流滑坡的雷达监测研究（论文参考文献）
- [1]基于SBAS-InSAR技术的西藏雄巴古滑坡变形特征[J]. 闫怡秋,郭长宝,张永双,张绪教,郑岳泽,李雪,杨志华,吴瑞安. 地质学报, 2021(11)
- [2]基于深度学习的FY-4A卫星数据降水云团识别与降水强度等级估计[D]. 刘昊. 南京信息工程大学, 2021(01)
- [3]基于InSAR技术的九寨沟地质灾害危险性评价研究[D]. 卢星宇. 电子科技大学, 2021(01)
- [4]基于情景分析的青海农牧社区减灾能力建设研究[D]. 邓彩霞. 兰州大学, 2021(09)
- [5]横断山区西北部冻土退化对地质灾害的影响[D]. 陈永萍. 青海师范大学, 2021
- [6]内外动力耦合下雅鲁藏布江贡嘎-加查河段的成灾机制研究[D]. 刘勇. 成都理工大学, 2021
- [7]基于SBAS-InSAR技术的兰州地区地表形变特征分析与地质灾害易发性评价[D]. 姚林强. 兰州大学, 2021(09)
- [8]基于遥感技术与深度学习的四川高陡山区典型地质灾害识别[D]. 梁峰. 成都理工大学, 2021
- [9]高位滑坡远程动力成灾机理及减灾措施研究[D]. 杨龙伟. 长安大学, 2021(02)
- [10]滇西北高原峡谷生态脆弱区地质灾害研究 ——以香格里拉市为例[D]. 陈志. 昆明理工大学, 2020(04)