基于RF-RUSLE模型的水土流失性公路自然灾害风险评估——以重庆市巴南区为例

发布时间：2021-11-06 03:11

　　选择降雨量、土壤类型、植被覆盖度、坡度、坡位和整治力度等6个指标建立风险指标体系,构建RF-RUSLE模型,分析重庆市巴南区水土流失程度及公路灾害与水土流失之间的关系;结合区域路网格局,对重庆市巴南区水土流失性公路自然灾害风险进行了评估与预测,对研究区水土流失性公路自然灾害风险等级进行了划分,探讨了研究区公路自然灾害致灾因素。结果表明:重庆市巴南区水土保持较好,但降雨量侵蚀严重,水土流失程度介于轻度～中度;巴南区水土流失性公路自然灾害风险等级总体为中度风险,南部、西南部为公路灾害高风险区域;在各乡镇交界处,公路灾害防治薄弱,水土流失性公路自然灾害发生概率极高,降雨量和坡度为主要致灾因素,需要重点监测与防治。 

【文章来源】：重庆交通大学学报(自然科学版). 2020,39(11)北大核心CSCD

【文章页数】：9 页

【部分图文】：

重庆市巴南区水土流失性公路自然灾害指标风险区划

笔者利用历史灾害点与选择训练样本之间的相关性，判断选择指标准确性。从历史灾害数据库中提取数据并进行统计，得到巴南区历史灾害点共648个。为避免灾害点过于密集或稀疏导致精度判断，笔者在研究区均匀选取样本点，确保每个区域或每个乡镇都能够覆盖，最终选取35个取样点为精度验证样本点。基于Arc GIS10.6软件平台，对选择的指标进行相关性分析，以判断所选指标的准确性与可靠性，如图2。由图2可见，各指标拟合趋势线集中在样本编号15～20之间，表明所选取的指标合理，可靠程度高。其中，降雨量、坡度和坡位指标相关性较高。2.3 巴南区水土流失程度分析

由图4可以看出:重庆市巴南区西南部水土流失最为严重，水土流失强度多处于中度以上;东北地区属于中度流失程度，为灾害发生易发区域;西北地区水土保持最好，高危流失区域较少。整体上，巴南区水土流失程度介于轻度～中度。2.4 巴南区水土流失性公路自然灾害风险预测

【参考文献】：
期刊论文
[1]基于SCS模型的巫山县降雨径流多情景模拟[J]. 牟凤云,龙秋月,余情,杨猛,何勇.  重庆交通大学学报(自然科学版). 2020(02)
[2]基于机器学习算法模型的巫山县洪水灾害研究[J]. 牟凤云,杨猛,林孝松,龙秋月,李梦梅,何勇.  中山大学学报(自然科学版). 2020(01)
[3]基于三种机器学习算法的山洪灾害风险评价[J]. 周超,方秀琴,吴小君,王雨晨.  地球信息科学学报. 2019(11)
[4]多情景降雨-径流的巫山县公路洪灾预警研究[J]. 杨猛,牟凤云,林孝松,龙秋月,李梦梅,邓睿.  浙江大学学报(理学版). 2019(06)
[5]西南地区山洪灾害时空分布特征及其影响因素[J]. 熊俊楠,李进,程维明,周成虎,郭良,张晓蕾,王楠,李伟.  地理学报. 2019(07)
[6]全国山洪灾害调查评价成果及规律初探[J]. 郭良,张晓蕾,刘荣华,刘业森,刘启.  地球信息科学学报. 2017(12)
[7]重庆市地质灾害气候性诱发机理分析[J]. 黄明奎,马璐.  重庆交通大学学报(自然科学版). 2017(11)
[8]基于灰色关联法的地质灾害危险性影响因子分析[J]. 杨乐,陈杰.  重庆交通大学学报(自然科学版). 2017(06)
[9]基于决策树理论的泥石流危险性评价研究[J]. 周仲礼,张乾荣,曹赛男.  重庆交通大学学报(自然科学版). 2017(04)
[10]中国公路自然灾害易损性评价[J]. 李家春,尹超,田伟平,张启龙.  北京工业大学学报. 2015(07)



本文编号：3479048