2021地理设计组二等奖:基于InSAR和指数分析的地面沉降风
作品简介
一、作品背景
地面沉降是指地面高程的降低, 又称地面下沉或地沉, 是以缓慢、难以察觉的向下垂直运动为主, 是指在自然和人为因素作用下, 由于地壳表层土体压缩而导致区域性地面标高降低的一种环境现象。目前, 地面沉降己成为城市化进程中普遍存在的生态环境问题, 成为世界范围内制约社会经济可持续发展的重要地质灾害之一。

图1 滨江区区位与土地利用图
杭州市滨江区,位于浙江省杭州市南,钱塘江下游南岸,为钱塘江泥沙淤积而成的沙土平原。地质属钱塘江冲积平原,地势平坦,地面自然标高为5.2-6.2米(黄海高程),地表以下5-14米范围内为粉砂、粉细砂,地耐力为100-120KPA。由于城市建设用地的不断扩张,尤其是城市核心区的建筑群密度的不断增大,地面下陷等沉降灾害频发,对公共基础设施和人民群众的财产安全造成严重威胁。因此,为了减少沉降灾害的发生频率,在城市建设中有效规避沉降灾害的风险,开展地质灾害风险评价尤为迫切。根据《地质灾害风险调查评价技术要求(试行)》对地质灾害风险评价的总体要求,需采用定性与定量相结合的方法,在易发性、危险性、易损性评价基础上,划分为极高、高、中、低四个等级,将危险性和易损性评价结果叠加分析,形成风险评价与区划结果。
传统的沉降风险评价依赖于实地测量监测技术,即使是一系列的观测点数据也难以直观地表现一定区域内地面沉降的空间分布,而有着大范围、高密度、时效性优势的基于合成孔径雷达差分干涉技术(InSAR)的地面沉降监测手段可以更加方便地提取范围内地表形变速率或形变量,为定量的沉降易发性评估提供了依据;利用层次分析法(AHP)以用地类型、建筑高程、GDP和人口分布四个权重因子评估沉降易损性;在易发性的基础上,根据降雨对土壤孔隙水压力的影响确定降雨工况下的沉降失稳概率,依靠危险性指数法结合10年一遇,20年一遇,50年一遇,100年一遇的降雨工况分别进行沉降灾害危险性评价。将危险性和易损性评价结果叠加运算,通过矩阵分析法的方式形成风险评价结果,划分地质灾害风险区段。
二、设计思路
本次作品的分析思路及分析方法如图2所示。通过D-InSAR和PS-InSAR技术分析sentinel-1A数据分别得到地面累积沉降量和年沉降速率信息,运用模糊层次分析法建立易发性指标,结合Python代码设计的ROC曲线利用其ACU值进行检验易发性模型的有效性;通过危险性指数法利用不同程度的降水情况获取失稳概率,得到不同降雨工况下的危险性指标;将获取的土地利用类型数据,GDP和人口密度数据分权叠加计算得到沉降灾害的易损性指标。对危险性和易损性指标做无量纲化处理,利用矩阵分析法得到沉降风险性结果。按照《地质灾害风险调查评价技术要求(试行)》中的分级要求制作滨江区沉降风险性评价。

图2 滨江区沉降灾害风险评价流程图
三、分析与结果
3.1 D-InSAR与PS-InSAR分析结果
滨江区研究数据基于ps-InSAR的2019年7月—2021年4月21景哨兵一号数据获取的点数据文件,利用空间克里金插值对于属性表中的velocity字段进行掩膜滨江区制作的沉降速率栅格图(单位:mm/年)。
滨江区研究数据基于D-InSAR的2019年12月—2020年12月哨兵一号数据获取的累计沉降量栅格图(单位:m)。

图3滨江区D_InSAR沉降栅格数据

图4 滨江区PS_InSAR沉降栅格数据
3.2 灰色预测:
GM(1,1)模型是常用的灰色预测模型,其原理是:对某一数据序列用累加的方式生成一组趋势明显的新数据序列,按照新的数据序列的增长趋势建立模型进行预测,然后再用累减的方法进行逆向计算,恢复原始数据序列,进而得到预测结果。
由此本次使用灰色预测的GM(1,1)模型对滨江区高易发区(易发性综合得分最高的区域)当中选择四个灰色预测点进行未来的升降情况。

图 5灰色预测专题图
表 1灰色预测属性表

表 2灰色预测等级对照表
| 好 | P>0.95 C<0.35 | 勉强合格 | P>0.70 C<0.50 |
| 合格 | P>0.80 C<0.45 | 不合格 | P<=0.70 C>=0.65 |
点号:28851
相对残差Q检验:Q =0.1503
方差比C检验:C =0.4186
小误差概率P检验:P =0.9000 精度合格

点号28851的预测曲线图
点号:119447
相对残差Q检验:Q = 0.1652
方差比C检验:C = 0.1954
小误差概率P检验:P =1 精度好

点号119447预测曲线图
由此曲线获取了滨江区极高易发区未来的沉降趋势,可能的沉降量。
3.3 易发性评价
滨江区地形,地质构造,土质情况等自然要素作用;位于杭州湾冲击平原,河流,钱塘江潮冲击,堆积大量松散物;地处西湖复向斜。滨江城市的发展等人类活动;城市建筑建设施工,高楼林立;
采用模糊层次分析法,根据地面沉降易发性评价指标体系,依据土地利用类型,地面沉降速率,地面沉降累计量三个指标对地面易发性沉降的影响,构建模糊一致矩阵;
易发性综合得分=地面沉降速率*0.533+累计沉降量*0.333+土地利用类型*0.134;

图5 易发性评价模型

图6易发性分区结果图
ROC曲线精度验证
对滨江区易发性得分利用栅格计算器进行归一化取值,在其中获取检验点来进行ROC概率验证。ROC曲线纵轴代表真阳性率(True Positive Rate,TPR),在地质灾害易发性评价中代表灾害面积频率;其横轴代表假阳性率(FalsePositiveRate,FPR),在地质灾害易发性评价中代表易发区面积频率。通常用ROC曲线下面积AUC作为一个客观定量的评价指标来衡量模型预测的准确程度。AUC值介于0-1之间,越接近1模型预测准确性越高。

图 7 ROC曲线结果图
AUC值结果是0.71预测结果较好,易发性模型精度较好。
3.4 危险性评价
根据浙江省自然资源厅关于印发《浙江省县(市、区)地质灾害风险普查与乡镇(街道)地质灾害风险调查评价工作方案》的通知,确定危险性评价方法为危险性指数法,结合易发性综合得分。
计算方法如下:Hi=Yi/Ymax×Pi
式中:
Hi——某种工况下第i个评价单元危险性指数(危险性概率);
Yi——第i个评价斜坡单元易发性指数;Ymax——最大易发性指数;
Pi——某种工况下第i个评价单元的给定时间段内的失稳概率;
失稳概率:Pi=L/Lmax/day(基于极值降雨假设的Pi确定方法求出四种工况下的失稳概率)

图8 危险性评价模型

图9 危险性不同工况分级图
3.5 易损性评价
易损性是指受灾体受到灾害破坏机会的多少与发生损毁的难易程度。主要由受灾体自身条件和社会经济条件所决定,其目的是分析现有经济技术条件下人类社会对地质灾害的抗御能力,确定不同社会经济要素的易损性参数。
承载体易损性:道路,建筑;社会经济易损性:GDP,年末常住人口;
采用AHP法对沉降易损性指标赋予权重,利用python脚本进行分析出图。

图10 易损性评价模型

图11 易损性分级图
3.6 风险性综合评价
根据浙江省自然资源厅关于印发《浙江省县(市、区)地质灾害风险普查与乡镇(街道)地质灾害风险调查评价工作方案》,利用矩阵分析法,结合易损性和危险性分析进行风险性的评价分析,通过二者进行归一化赋值,进行风险性分级划分。

图12 矩阵分析法规范
(1)风险性指标确定
地面沉降地质灾害的风险性主要取决于地面沉降发生的危险性及承灾体的易损性两个方面。根据滨江区易损性分区以及不同工况下危险性分区的评价结果,计算滨江区的沉降风险值,得到滨江区风险性结果评价图,计算方法:
Ri=Hi×Vi
式中:
Ri——某种工况下第i个评价单元风险性指数;
Hi——某种工况下第i个评价单元危险性指数;
Vi——第i个评价斜坡单元易损性指数;

图12 风险性评价模型

图13 不同工况风险性分级图
(2)沉降风险性分析
杭州市滨江区地面沉降的主要因素是建筑施工的土块挖方导致的地面沉降,以及钱塘江等水域的对土质渗透作用的影响。由于建筑施工会导致地基沉降进而在周围区域形成沉降漏斗,因此在水域附近和建筑工地附近区域都是重点区域,相关部门应重点关注,积极采取相关措施,如控制建筑物密度、在修建道路铁路等设施时应避开沉降区域或者加固道路等,以减少损失。

图14 暴雨工况下的沉降风险性评价图

图15 沉降区域影像1
四、作品特点
1、本作品在应用地质灾害评价规范的基础上建立了多层次的评价模型,整个过程基本上用模型来实现数据处理与分析,部分评价过程使用基于arcpy的python代码来实现,可移植性和扩展性得到提升。
2、空间适用性广。该评价模型不仅可以用于滨江区的沉降监测,还可以用于其他城市区域的沉降监测。其中,易损性评价将承灾体易损性与社会经济易损性相结合,前者通过土地利用类型和建筑高度对区域开展建筑易损性分级,通过道路等级对道路缓冲区进行赋值,较好地拟合了城市建筑密集区域特别是高层建筑密集区域的易损性特点。
3、时效性强。哨兵一号数据免费,更新快且容易获取,在此基础上开展沉降监测可省去外业大范围监测的工作量。
4、使用PS-Insar和D-Insar获取沉降数据可直接得到沉降量空间(时间)上的变化规律,并用ROC曲线进行精度校验,便于后续的易发性评价。
5、使用灰色预测模型对多个点位进行沉降速率预测,便于综合历史数据开展决策。
五、展望
随着城市化的建设和开发,地面沉降渐渐演化成众多城市的通病,本次项目研究的目的就是为了发现这一潜在的缓慢下沉的灾害,通过考察研究,技术设计规划,形成一套评价体系来应对地面沉降这一问题。
相关文章:
2021地理设计组二等奖:基于InSAR和指数分析的地面沉降风
作品简介 一、作品背景 地面沉降是指地面高程的降低, 又称地面下沉或地沉, 是以缓慢、难以察觉的向下垂直运动为主, 是指在自然和人为因素作用下, 由于地壳表层土体压缩而导致区域性地面标高降低的一种环境现象。目前, 地面沉降己成为城市化进程中普遍存在的生态环境问题, 成为…...
计算机操作系统(第四版)第二章进程的描述与控制—课后习题答案
1.什么是前趋图?为什么要引入前趋图? 前趋图是一个有向无循环图,记为DAG,用于描述进程之间执行的先后关系。 2.试画出下面四条语句的前趋图: S1:axy; S2:bz1; S3:ca-b; S4:wc1; 3.为什么程序并发执行会产生间断性特征&…...
CAN通信----电路图
CAN通信----基本原理 一、CAN总线网络连接 1.闭环总线网络----ISO11898 闭环总线网络高速、短距离,它的总线最大长度为 40m,通信速度最高为 1Mbps,总线的两端各要求有一个120 欧的电阻。 2.开环总线网络----ISO11519 开环总线网络低速、…...
Windows系统安装ElasticSearch(一)
一 ES介绍Elasticsearch 是一个分布式可扩展的实时搜索和分析引擎,一个建立在全文搜索引擎 Apache Lucene(TM) 基础上的搜索引擎.当然 Elasticsearch 并不仅仅是 Lucene 那么简单,它不仅包括了全文搜索功能,还可以进行以下工作:分布式实时文件存储&#…...
linux 产生随机数 并遍历
1、产生随机数 varRANDOMvarRANDOM varRANDOMvar[ $var % 150 ] 2、产生不重复的随机数 $ entries($(shuf -i 0-149 -n 15)) $ echo “${entries[]}” 3、对随机数排序 $ entries($(shuf -i 0-149 -n 15 | sort -n)) $ echo “entries[]"12224549546678798393118119124140…...
【3.24】Mybatis常见面试题
Mybatis常见面试题 #{}和¥{}的区别是什么? 【#】:底层执行SQL使用PreparedStatement对象,预编译SQL,相对安全。入参使用占位符的方式。 【$】:底层执行SQL使用Statement对象,入参使用SQL拼接的…...
IDEA 热部署,修改代码不用重启项目
热部署指在修改项目代码的时候不重启服务器让修改生效。安装JRebel and XRebelFile->Settings,然后Plugins-> Marketplace,输入JRebel,安装如下插件——JRebel and XRebel ,重启idea激活JRebel and XRebel第一行输入网址&am…...
将 XLS 转换为 EXE:xlCompiler Crack
只需单击几下即可将Excel文件转换为应用程序 xl编译器无需编程即可将您的Excel电子表格转换为软件应用程序 将 XLS 转换为 EXE 将Excel文件转换为具有保护选项的应用程序。Excel 到 EXE 转换器为您提供了分发 Excel 模型的竞争优势和灵活性。将 Excel 的功能丰富的环境保存在应…...
【百面成神】spring基础12问,你能坚持到第几问
前 言 🍉 作者简介:半旧518,长跑型选手,立志坚持写10年博客,专注于java后端 ☕专栏简介:java面试宝典,特点:全、精、深、简,力求每个核心知识点1分钟回答好。 dz…...
javaSE类和对象(下)
目录君1.封装2.访问限定符3.包的定义及使用4.static成员变量5.static成员方法6.代码块及其分类实例代码块静态代码块静态代码块与实例代码块的执行顺序static成员变量(类变量)初始化1.封装 面向对象程序三大特性:封装、继承、多态。而类和对象阶段,主要…...
【数据结构】第四站:单链表力扣题(二)
目录 一、链表的回文结构 二、相交链表 三、环形链表 四、环形链表Ⅱ 五、复制带随机指针的链表 一、链表的回文结构 题目描述:链表的回文结构_牛客题霸_牛客网 对于这道题,如果没有前面的一些题的基础,是非常难做的,我们的思…...
KafKa知识汇总
前言 汇总相关知识 Kafka快速实战与基本原理详解...
【RV1126】调试GT911,1024x600 7寸 MIPI 电容触摸屏
文章目录一、驱动注册失败二、触摸屏可以触摸,但是x轴数据反了三、可以触摸了,但是Y轴数据跳变,几乎只有一半的屏幕是可以正常滑动的三、汇顶触摸屏配置文件解析四、使用新的配置文件4.1 新配置解决问题4.2 测试触摸的方法在kernel增加frame …...
C的强符号/弱符号
首先上代码和结果: 代码: #include <stdio.h> int k; int k; int main() {printf("addr of k %p\n", &k);printf("value of k %d\n", k);return 0; }结果: addr of k 00408074 value of k 0问题&…...
AD/DA转换(XPT2046)
AD/DA介绍AD(Analog to Digital):模拟-数字转换,将模拟信号转换为计算机可操作的数字信号DA(Digital to Analog):数字-模拟转换,将计算机输出的数字信号转换为模拟信号AD/DA转换打开…...
乐观锁和悲观锁 面试题
Mysql的乐观锁和悲观锁 实现方式加锁时机常见的调用方式优势不足适用场景乐观锁开发自定义更新数据的时候sql语句中进行version的判断高并发容易出现不一致的问题高并发读,少写悲观锁Mysql内置查询数据的开始select * for update保证一致性低并发互联网高并发场景极…...
【Autoware规控】mpc_follower模型预测控制节点
文章目录1. 技术原理2. 代码实现1. 技术原理 MPC,即Model Predictive Control(模型预测控制),是一种基于动态模型的控制算法。MPC算法通过建立系统的数学模型,根据当前状态和一定时间内的预测,优化未来的控…...
成果VR虚拟3D展厅让内容更丰富饱满
随着数字技术的不断发展和普及,数字化展厅成为了一种重要的展示形式。线上虚拟展厅作为数字化展示的一种新形式,采用虚拟现实技术,能够克服时空限制,打破传统展览业的展示模式,为用户提供更加丰富、立体、沉浸式的展览…...
【CE进阶】lua脚本使用
▒ 目录 ▒🛫 导读需求开发环境1️⃣ 脚本窗口Lua ScriptLua EngineAuto assemble2️⃣ 全局变量3️⃣ 进程当前打开的进程ID系统的进程列表系统的顶部窗口列表4️⃣ 线程5️⃣ 输入设备6️⃣ 屏幕7️⃣ 剪贴板🛬 文章小结📖 参考资料&#x…...
【vue2】近期bug收集与整理02
⭐【前言】 在使用vue2构建页面时候,博主遇到的问题难点以及最终的解决方案。 🥳博主:初映CY的前说(前端领域) 🤘本文核心:博主遇到的问题与解决思路 ⭐数据枚举文件的使用 同后端那边发送请求的时,请求返…...
工业安全零事故的智能守护者:一体化AI智能安防平台
前言: 通过AI视觉技术,为船厂提供全面的安全监控解决方案,涵盖交通违规检测、起重机轨道安全、非法入侵检测、盗窃防范、安全规范执行监控等多个方面,能够实现对应负责人反馈机制,并最终实现数据的统计报表。提升船厂…...
【解密LSTM、GRU如何解决传统RNN梯度消失问题】
解密LSTM与GRU:如何让RNN变得更聪明? 在深度学习的世界里,循环神经网络(RNN)以其卓越的序列数据处理能力广泛应用于自然语言处理、时间序列预测等领域。然而,传统RNN存在的一个严重问题——梯度消失&#…...
Python爬虫(一):爬虫伪装
一、网站防爬机制概述 在当今互联网环境中,具有一定规模或盈利性质的网站几乎都实施了各种防爬措施。这些措施主要分为两大类: 身份验证机制:直接将未经授权的爬虫阻挡在外反爬技术体系:通过各种技术手段增加爬虫获取数据的难度…...
零基础设计模式——行为型模式 - 责任链模式
第四部分:行为型模式 - 责任链模式 (Chain of Responsibility Pattern) 欢迎来到行为型模式的学习!行为型模式关注对象之间的职责分配、算法封装和对象间的交互。我们将学习的第一个行为型模式是责任链模式。 核心思想:使多个对象都有机会处…...
均衡后的SNRSINR
本文主要摘自参考文献中的前两篇,相关文献中经常会出现MIMO检测后的SINR不过一直没有找到相关数学推到过程,其中文献[1]中给出了相关原理在此仅做记录。 1. 系统模型 复信道模型 n t n_t nt 根发送天线, n r n_r nr 根接收天线的 MIMO 系…...
【VLNs篇】07:NavRL—在动态环境中学习安全飞行
项目内容论文标题NavRL: 在动态环境中学习安全飞行 (NavRL: Learning Safe Flight in Dynamic Environments)核心问题解决无人机在包含静态和动态障碍物的复杂环境中进行安全、高效自主导航的挑战,克服传统方法和现有强化学习方法的局限性。核心算法基于近端策略优化…...
AI+无人机如何守护濒危物种?YOLOv8实现95%精准识别
【导读】 野生动物监测在理解和保护生态系统中发挥着至关重要的作用。然而,传统的野生动物观察方法往往耗时耗力、成本高昂且范围有限。无人机的出现为野生动物监测提供了有前景的替代方案,能够实现大范围覆盖并远程采集数据。尽管具备这些优势…...
RabbitMQ入门4.1.0版本(基于java、SpringBoot操作)
RabbitMQ 一、RabbitMQ概述 RabbitMQ RabbitMQ最初由LShift和CohesiveFT于2007年开发,后来由Pivotal Software Inc.(现为VMware子公司)接管。RabbitMQ 是一个开源的消息代理和队列服务器,用 Erlang 语言编写。广泛应用于各种分布…...
深度学习之模型压缩三驾马车:模型剪枝、模型量化、知识蒸馏
一、引言 在深度学习中,我们训练出的神经网络往往非常庞大(比如像 ResNet、YOLOv8、Vision Transformer),虽然精度很高,但“太重”了,运行起来很慢,占用内存大,不适合部署到手机、摄…...
Python实现简单音频数据压缩与解压算法
Python实现简单音频数据压缩与解压算法 引言 在音频数据处理中,压缩算法是降低存储成本和传输效率的关键技术。Python作为一门灵活且功能强大的编程语言,提供了丰富的库和工具来实现音频数据的压缩与解压。本文将通过一个简单的音频数据压缩与解压算法…...
