日喀则地区滑坡泥石流孕灾环境遥感监测研究
发布时间：2021-09-27 20:49
发生灾害的环境背景就是孕灾环境,由自然因素和社会因素作用而成。孕灾环境的改善,能够有效减轻灾害的发生与危害程度。因此,对区域灾害孕灾环境进行有效的监测成为灾害预警与防护的重要课题。本文将时下热门的机器学习算法与遥感技术相结合应用到环境监测中,并融合多元遥感数据,提高监测的范围与准确性。本文以日喀则地区为主要研究区,以历史灾害数据和卫星遥感数据为主,辅以地面气象数据建立滑坡泥石流孕灾环境敏感性分析模型,完成对滑坡泥石流孕灾环境的监测研究。通过对灾害数据的影响因素研究,重点分析研究区的土地覆盖时空变化,为滑坡泥石流孕灾环境的遥感监测提供支撑,为该地区防灾减灾提供科学依据。首先,完成对灾害数据的数据清洗工作,得出滑坡泥石流灾害空间分布,并基于Xgboost算法的特征重要度计算得到特征重要性排序,从中提取出相关程度最高的8个致灾因子,建立致灾因子与孕灾环境评估模型,定量分析致灾因子时空分布特征与灾害数据的相关性。然后,完成对MODIS数据MOD09A1的图像预处理工作,得到2001至2017年多时相遥感数据,应用集成学习的代表算法随机森林进行遥感图像土地覆盖分类,并通过高分辨率数据和MCD12...
【文章来源】：南京信息工程大学江苏省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
本文框架与研究路线
图 2.1 日喀则地区地理位置及数字高程分布图（2）地质构造日喀则地区内沿着雅江有几条规模较大的活动断裂带，其走势以挤压逆冲为主、呈东西走向。从中生代到新生代，印度板块与亚欧板块相互碰撞的深断裂面由向北倾转为向南倾，导致复杂的断裂变形性质以脆性和韧脆性为主。受雅江水系的制约和地质构造的影响，区内基岩和谷地广布，形成了堆积谷扇地、侵蚀山地以及风成沙地等多种构造地貌[40]。日喀则地区地质构造复杂，地震活动频发，新构造运动强烈，内外动力地质作用异常活跃，在我国属于地质灾害比较严重的地区。（3）水文气象日喀则地区主要由温带半干旱季风气候、亚寒带半干旱/干旱季风气候以及温带半湿润季风气候组成，分别位于喜马拉雅山以北和唐古拉山以南区域、唐古拉山以北区域以及喜马拉雅山以南区域。
(c) (d)图 2.2 实地考察图片文章实验分析所用到的日喀则地区滑坡泥石流灾害数据是从西藏高原大气环境科学研究所获得的，根据研究所提供的实际资料并结合网络资源补充，得到的部分灾害数据及影响因素如图 2.3 所示：图 2.3 日喀则地区滑坡泥石流灾害数据2.2.3 地面气象资料
【参考文献】：
期刊论文
[1]基于随机森林的HEVC复杂度控制方法[J]. 文鹏,彭宗举,陈芬,蒋刚毅,郁梅. 电信科学. 2019(02)
[2]基于随机森林和气象参数的PM2.5浓度等级预测[J]. 任才溶,谢刚. 计算机工程与应用. 2019(02)
[3]基于MODIS数据的洪涝灾害分析研究——以2017年洞庭湖区洪水为例[J]. 饶品增,蒋卫国,王晓雅,陈坤. 灾害学. 2019(01)
[4]XGBoost算法在风机主轴承故障预测中的应用[J]. 王桂兰,赵洪山,米增强. 电力自动化设备. 2019(01)
[5]机器学习随机森林算法的应用现状[J]. 杭琦,杨敬辉. 电子技术与软件工程. 2018(24)
[6]基于数值预报和随机森林算法的强对流天气分类预报技术[J]. 李文娟,赵放,郦敏杰,陈列,彭霞云. 气象. 2018(12)
[7]基于XGBoost特征选择的幕课翘课指数建立及应用[J]. 宋国琴,刘斌. 电子科技大学学报. 2018(06)
[8]基于机器学习Xgboost模型解决商店商品销量预测的问题[J]. 赵一安. 通讯世界. 2018(11)
[9]基于地形因子的南方农牧交错带内植被净初级生产力的分布特征[J]. 赵唯茜,杜华明,董廷旭,胡利利. 绵阳师范学院学报. 2018(11)
[10]基于灰色聚类的贵州省县域公路洪灾孕灾环境分区研究[J]. 伍仁杰,陈洪凯. 重庆交通大学学报(自然科学版). 2019(04)
博士论文
[1]地震重灾区生态环境遥感动态监测与评价研究[D]. 向明顺.成都理工大学 2018
硕士论文
[1]基于Landsat TM/OLI遥感影像的焦作市生态环境监测与评价[D]. 杨洋.东华理工大学 2018
[2]基于深度学习的湖泊湿地信息提取及时空演变特征研究[D]. 杜敬.东华理工大学 2017
[3]基于多源数据的黄海绿潮遥感监测研究[D]. 郑翔宇.中国科学院烟台海岸带研究所 2017
[4]新疆伊犁河谷多源遥感影像地质灾害动态监测研究[D]. 黄端.江西理工大学 2016
[5]青藏高原长时间序列雪盖数据集生成的关键技术研究与应用[D]. 曹庭.南京信息工程大学 2016
[6]基于遥感技术的城市景观动态分析与生态环境评价[D]. 杨恕.西南交通大学 2015
[7]基于支持向量机的MODIS数据土地覆盖分类研究[D]. 李淼.辽宁工程技术大学 2007
本文编号：3410591
【文章来源】：南京信息工程大学江苏省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
本文框架与研究路线
图 2.1 日喀则地区地理位置及数字高程分布图（2）地质构造日喀则地区内沿着雅江有几条规模较大的活动断裂带，其走势以挤压逆冲为主、呈东西走向。从中生代到新生代，印度板块与亚欧板块相互碰撞的深断裂面由向北倾转为向南倾，导致复杂的断裂变形性质以脆性和韧脆性为主。受雅江水系的制约和地质构造的影响，区内基岩和谷地广布，形成了堆积谷扇地、侵蚀山地以及风成沙地等多种构造地貌[40]。日喀则地区地质构造复杂，地震活动频发，新构造运动强烈，内外动力地质作用异常活跃，在我国属于地质灾害比较严重的地区。（3）水文气象日喀则地区主要由温带半干旱季风气候、亚寒带半干旱/干旱季风气候以及温带半湿润季风气候组成，分别位于喜马拉雅山以北和唐古拉山以南区域、唐古拉山以北区域以及喜马拉雅山以南区域。
(c) (d)图 2.2 实地考察图片文章实验分析所用到的日喀则地区滑坡泥石流灾害数据是从西藏高原大气环境科学研究所获得的，根据研究所提供的实际资料并结合网络资源补充，得到的部分灾害数据及影响因素如图 2.3 所示：图 2.3 日喀则地区滑坡泥石流灾害数据2.2.3 地面气象资料
【参考文献】：
期刊论文
[1]基于随机森林的HEVC复杂度控制方法[J]. 文鹏,彭宗举,陈芬,蒋刚毅,郁梅. 电信科学. 2019(02)
[2]基于随机森林和气象参数的PM2.5浓度等级预测[J]. 任才溶,谢刚. 计算机工程与应用. 2019(02)
[3]基于MODIS数据的洪涝灾害分析研究——以2017年洞庭湖区洪水为例[J]. 饶品增,蒋卫国,王晓雅,陈坤. 灾害学. 2019(01)
[4]XGBoost算法在风机主轴承故障预测中的应用[J]. 王桂兰,赵洪山,米增强. 电力自动化设备. 2019(01)
[5]机器学习随机森林算法的应用现状[J]. 杭琦,杨敬辉. 电子技术与软件工程. 2018(24)
[6]基于数值预报和随机森林算法的强对流天气分类预报技术[J]. 李文娟,赵放,郦敏杰,陈列,彭霞云. 气象. 2018(12)
[7]基于XGBoost特征选择的幕课翘课指数建立及应用[J]. 宋国琴,刘斌. 电子科技大学学报. 2018(06)
[8]基于机器学习Xgboost模型解决商店商品销量预测的问题[J]. 赵一安. 通讯世界. 2018(11)
[9]基于地形因子的南方农牧交错带内植被净初级生产力的分布特征[J]. 赵唯茜,杜华明,董廷旭,胡利利. 绵阳师范学院学报. 2018(11)
[10]基于灰色聚类的贵州省县域公路洪灾孕灾环境分区研究[J]. 伍仁杰,陈洪凯. 重庆交通大学学报(自然科学版). 2019(04)
博士论文
[1]地震重灾区生态环境遥感动态监测与评价研究[D]. 向明顺.成都理工大学 2018
硕士论文
[1]基于Landsat TM/OLI遥感影像的焦作市生态环境监测与评价[D]. 杨洋.东华理工大学 2018
[2]基于深度学习的湖泊湿地信息提取及时空演变特征研究[D]. 杜敬.东华理工大学 2017
[3]基于多源数据的黄海绿潮遥感监测研究[D]. 郑翔宇.中国科学院烟台海岸带研究所 2017
[4]新疆伊犁河谷多源遥感影像地质灾害动态监测研究[D]. 黄端.江西理工大学 2016
[5]青藏高原长时间序列雪盖数据集生成的关键技术研究与应用[D]. 曹庭.南京信息工程大学 2016
[6]基于遥感技术的城市景观动态分析与生态环境评价[D]. 杨恕.西南交通大学 2015
[7]基于支持向量机的MODIS数据土地覆盖分类研究[D]. 李淼.辽宁工程技术大学 2007
本文编号：3410591
本文链接：https://www.wllwen.com/kejilunwen/diqiudizhi/3410591.html
