简介:本文提出了一种新的优化地下水监测网络。确定污染羽范围的方法。将监测并安装后最化的污染物存在的不确定性期望值降低到最大的位置定为监测井的最佳位置。本项研究中,将水力传导系数作为诱发不定性的因素。使用连续的随机添加(SRA)法生成水力传导系数的随机场。随着监测网络范围的增大,污染羽分布的不确定性降低。根据这个降低的量.评价某一污染羽存在的信息判定的期望值。选择采集监测井最大信息帚的最小系统为优选的监测网络。为了最化污染羽分布的不确定性。在定义域范围内.针对所有的产生的污染羽的实现值。编制污染物存在的概率图。不确定性定义为。污染物存在的概率或者不存在的概率单元的总和。在非均质水力传导系数场.本文给出了确定最佳监测网络的数值试验的结果。
简介:在确定地下水提取的限制范围时,研究依赖地下水的生态系统(GDE)的位置至关重要。结合遥感与地理信息系统(GIS)模型,以绘制南非Sandveld地区内GDE概率等级图。利用陆地卫星TM识别可能存在GDE地区,并采用地理信息系统协助对这些地区的描绘。建立了3种GIS模型:GIS模型,基于地形特征来预测地貌湿度潜力(landscapewetnesspotential)(LWP模型);改进LWP模型以突出地下水产生的地貌湿度潜力(获得的GglWP模型);并把研究区内钻孔的地下水测量值与数字高程模型数据相结合,获得地下水高程模型。对从陆地卫星获得的生物量指标进行分类并结合GIS模型,随后对河流与湿地内的GDE进行野外验证。在3种用于测试研究区内GDE的模型当中,LWP模型提供的模拟结果最为准确。
简介:过去数十年来,在世界范围频繁发生的滑坡灾害造成了极大的损害,并影响了许多人的日常生活。显然,为了挽救生命和财产存在一种发展和完善预警系统的强烈需求。虽然过去人们在预警系统领域开展过许多研究,但有关危害的认识以及突发事件的预测,仍然是预警链中最薄弱的环节。在正在开展的研究项目中,在滑坡预警系统领域中采用一种方法来改善这些关键点:结合地理信息系统(GIS)开展复杂滑坡模拟。这使得一方面在模拟的帮助下,对不稳定边坡进行详细调查;另一方面,为用户易于使用地理信息系统中的复杂模拟结果提供决策支持。本文介绍了地理信息系统和模拟系统之间的联系,并提出了耦合系统的两种操作模式:学习和决策支持系统。本文另一个研究重点在于,按照适当方式采用多个用于处理复杂模拟结果的可视化和分析方法,从而分别为决策支持系统和学习系统中用户提供支持。
简介:基于滑坡多级监测概念的欧盟基金项目OASYS是2006年完成的。来自6个国家的12个研究院都试图把滑坡和灾害管理领域中的这些多学科知识融合到一起。本研究的主要目的是,在滑坡灾害密度高的区域,开发一种成本经济的预防滑坡灾害的多级监测与评估系统的概念。本文报道了创新的方法和一些重点的研究,主要是三个任务:◆遥感资料的GIS集成地质评价,大量滑坡所处的高风险区;◆以传感网络设计为基础,利用模糊技术进行监测数据的几何分析;◆以报警系统信息为基础,利用有限差分方法进行滑坡岩土力学的建模。这几个主要任务分别针对的是所取得的成果。在随后的调查中必须实现综合的方案。
简介:低空无人飞行器遥感系统是高分辨率、高精度遥感影像获取和处理的新技术。它以无人飞行器为遥感飞行平台,以数字遥感设备为任务载荷,以遥感数据快速处理系统为技术支撑的一种高机动性、低成本的小型化、专用化遥感系统。通过“3S”技术在系统中的集成应用,使其具有对地观测能力和遥感数据快速处理能力.在国土资源与环境调查、管理领域应用前景广阔。2009年,我中心在云南省水富县邵家坪移民安置区、太平乡十五组等地质灾害点利用无人直升机进行大比例尺遥感飞行取得成功。该项技术具有为高危地区探测成本低、机动灵活等优点.是目前我国遥感技术研究应用的新领域、新热点。
简介:根据先进星载热发射和反辐射计(ASTER)图像获取滑坡相关因素,并利用地理信息系统(GIS)开发、应用和验证韩国Boun地区滑坡脆弱性分析的综合技术。从ASTER图像中获取数字高程模型(DEM)、线性特征、归一化差值植被指数(NDVI)和土地覆盖因素并进行分析。根据DEM地形数据库评估边坡、方位和曲率。根据已有空间数据库并利用频率比(FR)、逻辑回归(LR)和人工神经网络模型(ANN)鉴定和量化检测的滑坡位置与6种相关因素之间的关系。在叠加分析中把这些相互关系用作因子额定值以创建滑坡脆弱性指数和滑坡脆弱性图。随后,在FR、LR和ANN模型中作为新输人因子结合并应用3种滑坡脆弱性图,从而创建改进的滑坡脆弱性图。通过对比在模型实验中未使用的已知滑坡位置来验证所有这些滑坡脆弱性图。对比利用3种滑坡相关输入参数创建的改进精度的综合滑坡脆弱性图(FR}莫型为87.00%;LRN型为88.21%;ANN模型为86.51%)与利用ASTER图像中6种因素创建的单独滑坡脆弱性图(FR丰莫型为84.34%;LR模型为85.40%;ANN模型为74.29%)。