基于LiDAR数据的汕尾火山嶂地质灾害风险评价

甄俊伟; 黄智炜; 章桂芳; 曾探; 王同皓

doi:10.13471/j.cnki.acta.snus.2023D032

您当前的位置：

首页 >

文章列表页 >

基于LiDAR数据的汕尾火山嶂地质灾害风险评价

研究论文 | 更新时间：2024-01-25

- 基于LiDAR数据的汕尾火山嶂地质灾害风险评价
- Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data
- 中山大学学报(自然科学版)(中英文) 2024年63卷第1期页码：10-23
- 作者机构：
  
  1.广东省地质局第七地质大队，广东惠州 516000
  2.中山大学地球科学与工程学院，广东珠海 519082
  3.广东省地质过程与矿产资源探查实验室，广东珠海 519082
  4.南方海洋科学与工程广东省实验室（珠海），广东珠海 519082
- 作者简介：
  
  甄俊伟（1989年生），男；研究方向：水工环地质；E-mail：370849902@qq.com
  章桂芳（1981年生），女；研究方向：遥感地质、地表过程GIS与RS综合分析，第四纪地质与环境等；E-mail：zhgfang@mail.sysu.edu.cn
- 基金信息：
  
  2022年度中央财政地质灾害防治专项(441501-2022-00826);广东国家公园建设专项(2021GJGY026);南方海洋科学与工程广东省实验室（珠海）创新团队建设项目(311022004);广州市科技计划项目(201707010209);广东省基础与应用基础研究基金(2019A1515010733)
- DOI：10.13471/j.cnki.acta.snus.2023D032
  中图分类号： P642.21
- 纸质出版日期：2024-01-25，
  
  网络出版日期：2023-10-30，
  
  收稿日期：2023-25-05，
  
  录用日期：2023-07-29
扫描看全文
甄俊伟,黄智炜,章桂芳等.基于LiDAR数据的汕尾火山嶂地质灾害风险评价[J].中山大学学报(自然科学版)(中英文),2024,63(01):10-23.

ZHEN Junwei,HUANG Zhiwei,ZHANG Guifang,et al.Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2024,63(01):10-23.
甄俊伟,黄智炜,章桂芳等.基于LiDAR数据的汕尾火山嶂地质灾害风险评价[J].中山大学学报(自然科学版)(中英文),2024,63(01):10-23. DOI： 10.13471/j.cnki.acta.snus.2023D032.

ZHEN Junwei,HUANG Zhiwei,ZHANG Guifang,et al.Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2024,63(01):10-23. DOI： 10.13471/j.cnki.acta.snus.2023D032.

摘要

机载激光雷达（LiDAR，light detection and ranging）数据能有效去除植被，获取真实的地表形态，从而为植被覆盖区的地质灾害风险评价提供新的方法和手段。汕尾火山嶂山体陡峻、植被茂密，是滑坡、崩塌和泥石流的易发地，本文首先采用高分辨率LiDAR数据生成高精度DEM数据以及坡度、坡向、曲率、起伏度、粗糙度和山体阴影等地形因子，综合高分一号遥感影像进行滑坡/崩塌解译共获得滑坡/崩塌44处；然后基于变维分形模型确定各解译因子对滑坡/崩塌形成的权重后计算获得每个解译滑坡/崩塌的确认概率，剔除概率较低的滑坡/崩塌3处；最后根据沟谷特征将火山嶂划分为6个子区，基于各个子区的地形特征、滑坡/崩塌密度和体量以及人类活动分布进行地质灾害风险评价。结果表明基于LiDAR数据生成的高精度地形因子可以有效地去除植被影响，是植被覆盖区地质灾害解译的有效手段。

Abstract

Airborne LiDAR （light detection and ranging） data are effective for geological hazard risk assessment in vegetation-covered areas because vegetation information can be removed and thus provide true surface morphology. Huoshanzhang in Shanwei， Guangdong Province is a steep and densely vegetated area that is prone to landslides， collapses， and mudslides. This study adopted high-resolution LiDAR data to generate high-precision DEM data and extract terrain factors such as slope， aspect， curvature， undulation， roughness， and mountain shadows， combined with remote sensing images of GF-1 satellite， identified a total of 44 landslides/collapses. Among them， three low-probability landslides/collapses were removed based on the variable dimensional and fractal model， the determined weight of each terrain factor， and the confirmed probability of each interpreted landslide/collapse. The area was divided into 6 sub-regions according to the characteristics of the valleys and the geological hazard risk assessment of each sub-region was conducted based on the terrain characteristics， landslide/collapse density and volume， and human activities. The results indicate that high-precision terrain factors generated from LiDAR data of vegetation impacts eliminated are an effective source for geological hazard interpretation in vegetation-covered areas.

关键词

地质灾害LiDAR风险评价火山嶂

Keywords

geological disasterLiDARrisk assessmentHuoshanzhang

references

白世彪，闾国年，盛业华，等，2005. 基于GIS的长江三峡库区滑坡影响因子分析［J］. 山地学报，23（1）： 63-70.

蔡浩杰，韩海辉，张雨莲，等，2022. 基于地形特征融合的卷积神经网络滑坡识别［J］. 地球科学与环境学报，44（3）： 568-579.

陈善静，向朝参，康青，等，2020. 基于多源遥感时空谱特征融合的滑坡灾害检测方法［J］. 计算机研究与发展，57（9）： 1877-1887.

邓博，张会，柏君，等，2022. 利用机载LiDAR的深圳斜坡类地质灾害危险性评价［J］. 武汉大学学报（信息科学版）：1-18.

董秀军，许强，余金星，等，2020. 九寨沟核心景区多源遥感数据地质灾害解译初探［J］. 武汉大学学报（信息科学版），45（3）： 432-441.

付昱华，2000. 变换形成的分形与海洋环境数据分析预测［J］. 海洋通报，19（1）： 79-88.

郭果，陈筠，李明惠，等，2013. 土质滑坡发育概率与坡度间关系研究［J］. 工程地质学报，21（4）： 607-612.

菊春燕，贾永刚，潘玉英，等，2013. 基于分形理论的旅游景区地质灾害危险性评估——以青岛崂山为例［J］. 自然灾害学报，22（6）： 85-95.

刘小莎，董秀军，钱济人，等，2021. 高植被山区泥石流物源LiDAR遥感精细识别方法研究［J］.武汉大学学报（信息科学版）：1-16.

孙涛，徐明宇，董秀军，等，2021. 机载LiDAR技术应用于茂密植被山区地质灾害调查［J］. 测绘通报，（4）： 90-97.

王森，许强，罗博宇，等，2017. 基于分形理论的南江县滑坡敏感性分析与易发性评价［J］. 水文地质工程地质，44（3）： 119-126.

王治华，1999. 滑坡、泥石流遥感回顾与新技术展望［J］. 国土资源遥感，41（3）： 10-15，39.

许强，2020. 对滑坡监测预警相关问题的认识与思考［J］. 工程地质学报，28（2）： 360-374.

许强，郭晨，董秀军，2022. 地质灾害航空遥感技术应用现状及展望［J］. 测绘学报，51（10）： 2020-2033.

易顺民，蔡善武，1999. 西藏樟木滑坡活动空间分布的分维特征及其地质意义［J］. 山地学报，17（1）： 63-66.

尹晨沣，2021. 基于机载LiDAR的滑坡特征提取与分布相关性分析［D］.重庆交通大学.

张帅娟，2017. 变化检测和面向对象结合的高分辨率遥感影像滑坡体提取方法研究［D］. 成都：西南交通大学.

周寅康，张捷，王腊春，等，1995. 分形论与自然灾害研究-地震、洪涝灾害中的分形研究［J］. 自然灾害学报，（4）： 9-15.

AYALEW L，YAMAGISHI H，UGAWA N，2004. Landslide susceptibility mapping using GIS-based weighted linear combination，the case in Tsugawa area of Agano River，Niigata Prefecture，Japan［J］. Landslides，1（1）： 73-81.

CONOSCENTI C，Di MAGGIO C，ROTIGLIANO E，2008. GIS analysis to assess landslide susceptibility in a fluvial basin of NW Sicily （Italy）［J］. Geomorphology，94（3/4）： 325-339.

CORSINI A，BORGATTI L，CERVI F，et al.，2009. Estimating mass-wasting processes in active earth slides–earth flows with time-series of High-Resolution DEMs from photogrammetry and airborne LiDAR［J］. Nat Hazards Earth Syst Sci，9（2）： 433-439.

ERCANOGLU M，GOKCEOGLU C，2004. Use of fuzzy relations to produce landslide susceptibility map of a landslide prone area （West Black Sea Region，Turkey）［J］. Eng Geol，75（3/4）： 229-250.

GLENN N F，STREUTKER D R，CHADWICK D J，et al.，2006. Analysis of LiDAR-derived topographic information for characterizing and differentiating landslide morphology and activity［J］. Geomorphology，73（1/2）： 131-148.

GORSEVSKI P V， 2021. An evolutionary approach forspatial prediction of landslide susceptibility using LiDAR and symbolic classification with genetic programming［J］. Nat Hazards，108： 2283-2307.

GORSEVSKI P V，2021. An evolutionary approach for spatial prediction of landslide susceptibility using LiDAR and symbolic classification with genetic programming［J］. Nat Hazards，108（2）： 2283-2307.

HORN B K P，1981. Hill shading and the reflectance map［J］. Proc IEEE，69（1）： 14-47.

LI X，CHENG X，CHEN W，et al.，2015. Identification of forested landslides using LiDar data，object-based image analysis，and machine learning algorithms［J］. Remote Sens，7（8）： 9705-9726.

Mandelbrot B，1982. The fractal geometry of nature［M］. San Francisco：Freeman and Company.

MEINHARDT M，FINK M，TÜNSCHEL H，2015. Landslide susceptibility analysis in central Vietnam based on an incomplete landslide inventory： Comparison of a new method to calculate weighting factors by means of bivariate statistics［J］. Geomorphology，234： 80-97.

PAWLUSZEK K，2019. Landslide features identification and morphology investigation using high-resolution DEM derivatives［J］. Nat Hazards，96： 311-330.

van den EECKHAUT M，POESEN J，VERSTRAETEN G，et al，2005. The effectiveness of hillshade maps and expert knowledge in mapping old deep-seated landslides［J］. Geomorphology，67（3/4）： 351-363.

YALCIN A，2008. GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen （Turkey）： Comparisons of results and confirmations［J］. CATENA，72（1）： 1-12.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向区划的台风灾害综合风险评价

水源河流水质管理中的环境风险评价

基于地面约束的滨岸湿地微地貌LiDAR检测研究

汉江上游汉中市洪水灾害风险评价研究