将由LiDAR数字高程模型所得的曲率作为泥石流易感性的简单指标外文翻译资料

英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料

将由LiDAR数字高程模型所得的曲率作为泥石流易感性的简单指标

Atsuko NONOMURA; Shuichi HASEGAWA; Hideo MATSUMOTO; Mari TAKAHASHI; Mina MASUMOTO; Kazuhito FUJISAWA

摘要：为减轻因强降水导致的泥石流所造成的破坏并协助制定疏散计划，应当按照影响个人和影响团体的规模划分风险区域。我们利用LiDAR数字高程模型通过自动推导地表面曲率测试了简单识别泥石流灾害的有效性。通过对数字高程模型（DEM）的分析，我们在日本两个地方实现了平面曲率与现有泥石流破坏区域之间的良好对应关系。我们发现，从10米DEM得到的平面曲率可能有助于提取山区易受泥石流影响的区域。我们发现对位于平缓倾斜的泥石流扇上的住宅区房屋造成的最大破坏位于与山涧河谷相连的细长凹陷处。由5m DEM获得的平面曲率是对泥石流易感性最敏感的指标。

关键词：数字高程模型; 激光雷达; 网格间距; 泥石流; 地质灾害; 曲率

引言:

随着全球变暖加剧了水文循环，许多地区的强降水事件的频率和强度都在增加（IPCC 2014; IFRC 2014）。因此，越来越多的人面临降雨引发的灾害风险，例如山体滑坡，泥石流以及洪涝灾害（ESCAP 2018; Meng等，2018; Destro等，2018）。

尤其是泥石流与强降雨有密切而直接的关系。泥石流威胁着生命和财产安全，原因在于其快速移动导致大规模破坏却没有任何公认的前兆迹象，例如发生在远处的滑坡坝溃塌和冰川湖洪水突发（Hewitt 1988）。 2017年3月31日，暴雨导致哥伦比亚南部Mocoa的泥石流至少造成254人死亡（USGS 2017）。 2017年7月5日，日本九州北部24小时内超过500毫米的强降雨引发了泥石流造成37人死亡，迫使2000多人撤离房屋（内阁府，日本政府，2017年）。 2014年，日本广岛的暴雨导致泥石流造成74人死亡（Wang等人，2015年）。

虽然用于提醒人们在泥石流之前撤离的预警系统已经完成开发并安装应用（Liao等人，2010;Sauml;ttele等人，2015; Liu等人，2016），但在意外的强降雨时期，它们可能无法可靠地运作。在这种情况下，如果人们获取了自己即将受到这些灾害威胁的信息，他们能为何时何地撤离做更好的准备。为了帮助社区居民了解泥石流的风险，许多国家的各级政府都公布了灾害预测图。这些地图的预期用途决定了它们的内容和规模。例如，在美国南加州使用概率碎片流图来显示跨越几个流域的区域尺度的特征性危险等级（Ventura County 2018）。在德国，使用1：2500至1：10000比例的泥石流灾害图来表征分割河流的山谷（LAWA 2010）。对于个人而言，了解自己家附近的潜在危险对于适当的决策是必不可少的。在日本，虽然对有沉积物的灾区进行了评估，且每个县都采取了一定措施来避免受到泥石流的危害（Uchida等人，2009年），但在2014年广岛仍有74人死于泥石流（Wang et al.2015）。如果人们对事故高发地适当了解，受害者的人数将会减少。因此需要一种在实地规模上识别潜在泥石流区域的简单方法。

有人使用几个岩土参数模拟泥石流，例如体积含水量，土壤的饱和水力传导率和流速（Han等，2018）。已经开发了使用多种土壤参数的泥石流概率模型（Miller和Burnett，2008; Vasu等，2016），但将这些模型转化为灾害预测图需要用到这些参数的空间变化数据，这需要花费时间和精力来收集。所以使用易于获得的数据制作泥石流灾害图的简单方法对于广泛采用这种方法至关重要。基于GIS的简化模型已被开发为一种在大范围区域内识别潜在影响区域的简单方法（Huggel等人2003; Park等人2013; Fisher等人2012; Horton等人2013; Cavalli等人） 2017）。提取信道网络的模型主要分为三种方法：流量路由方法，斜率区域阈值方法和基于曲率的方法（Cavalli等，2013,2017）。曲率是高程表面的二阶导数。它根据凹凸形态量化表面的方向（Schmidt等，2003; Shary等，2002），并可用于表征目标像素周围的特定区域中的地貌（Tarboton和Ames 2001; Cavalli）等人，2013）。

在流动路径方法中，使用流动路径算法提取排水像素和流动路径，例如单向D8算法（OCallaghan和Mark 1984）和多方向算法MD8，Dinfin;和MDinfin;（Seibert和McGlynn） 2007;Bartaacute;k2009）。在斜率 - 面积阈值方法中，信道推导基于上坡贡献区域和坡度角（Cavalli等人，2013,2017）。在基于曲率的方法中，通过向上弯曲的网格单元的数量来提取排水网络（Taboton和Ames，2001; Cavalli等人2013; Park等人2013; Horton等人2013）。Cavalli等人（2013）比较了斜率面积阈值法和基于曲率的方法，发现基于曲率的方法在缓坡区域表现出稍好的性能。

曲率的有用性也已在其他研究中得到证实。平面曲率已被用作区域尺度上沟壑形成的潜在指标（Kheir等人2007; Bergonse和Reis 2016; Conoscenti等人2014; Dewitte等人2015;Gutieacute;rrez等人2009; Park等人2013; Fisher等人2012; Horton等人2013）。Cavalli等人（2013）表明，平面曲率也适用于识别通道网络，因为平面曲率提供了区域尺度上的收敛和发散流量的度量。换句话说，不仅在区域范围甚至在局部范围，这些曲率可用于建立排水系统，并预测易受泥石流灾害影响的区域，这将极大地促进安全的疏散活动。因此，需要更深入地研究曲率识别危险区域的有用性，DEM的网格大小是预测水文过程的关键因素之一（Viet et al.2017; Tran et al.2017）。这表明网格大小取决于目标现象的可重复性。

为了提取地形特征，例如河道网络，深层滑坡和滑坡冠，有一些研究已经证明了从高分辨率激光雷达数据得到的曲率的有效性（Lin et al.2013; Pirotti and Tarolli 2010; Tarolli et al.2012）。由于曲率的有效性也很大程度上取决于DEM分辨率（Horton等人2013），因此应识别DEM的适当网格尺寸以提取目标地形特征。

本研究的目的是研究曲率，以确定潜在碎片流对局部尺度的影响，并根据 1）有效网格间距 和 2）曲率阈值 提取地形凹陷和泥石流易感区域。

选择两个泥石流位置作为研究地点。 其中一个是位于九州北部的山区，由于2017年的强降雨引发的泥石流（GSI 2017）。 另一个是广岛的住宅区，由2014年的大雨引起泥石流。平面曲率和切向曲率已被用作局部流动收敛和发散的指数（Wilson和Gallant 2000）。 切向曲率表示与轮廓曲率正交的曲率（Schmidt等人，2003）。

1研究区

1.1Toho村的泥石流灾害

Toho村位于九州北部的福冈县（33°26N，130°53E）（图1a）。 该地区的海拔高度从190米到740米不等，北部海拔较高。 该地区的母岩材料主要是安山岩（AIST 2010）（图1b），在Hoshu河及其支流Honsako河的山谷中缓缓倾斜的泥石流扇和冲积平原外的地形崎岖不平。 平原主要是带有梯田的住宅区，这些梯田是在泥石流沉积物上形成的。

2017年7月5日，九州北部的暴雨引发洪水，泥石流和其他山体滑坡。 日本气象厅在福冈县的大部分地区敦促“极度警惕”，称大雨可能导致“十年一遇”的灾难。 福冈县的部分地区在24小时内降雨量约为600-1000毫米，许多房屋被泥石流和洪水摧毁或损坏（内阁办公室，日本政府，2017年GSI）（图1a）。 两个地方发生了大量泥石流。 在位置1，泥石流横扫Honsako河，摧毁房屋并使三人死亡（图1c，d）。 在位置2，一栋建筑物被扫除，一栋建筑物被损坏（图1e）。 从位置1的流中调查提取凹陷的阈值，并在位置2中测试。

1.2广岛的泥石流灾难

为了扩展我们的Toho结果，我们测试了使用网格大小和曲率阈值的建议方法，将其应用于广岛的Asaminami区（34°2844N，134°2915E）的LiDAR数据。 （图2a），2014年遭受强降雨破坏。研究区域位于山脚下的泥石流扇上600米times;600米（图2a）。 2014年8月20日，降雨量超过200毫米，是该地区每月平均降雨量的两倍多，降雨达3小时。浅层滑坡和泥石流造成44人受伤，74人死亡，133座房屋遭到破坏，并在广岛再次造成296所房屋受到严重破坏（Wang et al.2015）。 Asaminami地区是受灾最严重的地区之一，在两个山谷中发生了泥石流并摧毁了许多房屋（图2b，c），这些房屋于2014年8月30日进行了调查。母岩材料多为花岗岩，岩石为侏罗纪增生复合体是高地的基础（AIST 2010）（图2d）。

图1（a）Toho研究区域地图，显示洪水和泥石流破坏区域（GSI 2017）。 （b）研究区的岩性，Toho村（AIST 2014）。 （c）A点的泥石流损坏; （d）B点的泥石流破坏。房屋被泥石流冲走。 橙色虚线箭头显示泥石流的方向。 护栏（标有黄色箭头）在泥石流之后得到修复; （e）C点的泥石流损坏。

2材料和方法

2.1数字高程模型

本研究中使用的DEM是由国土交通省九州分局和日本地理空间信息管理局提供的LiDAR数据创建的。 这些数据是根据日本公共调查指南（GSI 2006）获得的，该指南规定激光点采样密度至少为1点/ 1米网格，调查过程重叠大于30％。 数据的RMS误差是控制点的残余标准偏差，小于0.3 m。 基础数据的网格间距为1米。因此，为了分析网格间距的影响，使用具有1m分辨率的基础数据通过双线性插值来准备3m，5m，10m和20m的距离。 为了处理和分析DEM数据，使用ILWIS，QGIS和SAGA（自动地球科学分析系统）软件。

图2广岛市的研究区域，泥石流破坏了居民区。 （a）红色多边形是数字化受损区域的航空照片（GSI 2014）。 黑线描绘了研究区域。 （b）A点的泥石流损坏; （c）B点的泥石流损坏; （d）研究区周围的广岛岩性，黑色突出了该区域（AIST 2014）。

2.2曲率

由于曲率是高度或海拔的二阶导数，它表示坡面的方向，用于量化凹凸形态（Schmidt等，2003; Shary等，2002），以及用于表征局部地貌。

切向曲率是在垂直于流动方向和表面的倾斜平面中的曲率，并且它提供局部流动的收敛或发散的量度。 正切向曲率表示表面是凸的，而负切向曲率表示表面是凹的。平面曲率是轮廓线的水平平面中的曲率。由于它影响流动的收敛和发散，它已被用作指示沟壑侵蚀过程的最重要的独立变量之一（Bergonse和Reis，2016; Conoscenti等人2014; Dewitte等人2015;Gutieacute;rrez等人2009））。

2.3泥石流破坏区域和曲率的比较

图3显示了该研究的流程。为了研究泥石流敏感性与地形之间的关系，我们计算了Toho村山区1号，3米，5米，10米和20米网格尺寸的LiDAR DEM的平面曲率和切向曲率。参考数据包括两个类别：（1）沿山谷的凹陷被碎片流破坏;（2）部分山脊区域不易受泥石流破坏（图4）。参考数据通过对航空照片上的区域进行数字化来获取（GSI 2017）。在每个参考类别中，数据在448个点以1m间隔进行采样。通过协议比率，成功率（Huang和Kao 2006），权误差和Cohen的kappa统计量（表1）研究了提取泥石流易受影响区域的凹度阈值。协议评估参考数据和估计数据之间的一致比率。权误差说明了提取的泥石流易受影响区域与不易受到位于山脊的泥石流破坏的区域的比例。 Cohen的k与其协议水平之间的关系如下（Landis和Koch 1977）：Cohen的k lt;0.20表示略微一致，Cohen的k为0.20-0.40表示公平协议，Cohen的k为0.40-0.60表示温和协议，科恩的k是0.60-0.80的实质性协议，而科恩的k是0.80-1.00表示几乎完美的协议。

图3确定估算泥石流灾害的曲率阈值的流程

图4参考数据的位置，其中包括沿着山谷的凹陷，这些凹陷被泥石流和山脊区域破坏，这些区域没有受到破坏，也不容易受到泥石流的破坏。

在广岛，住宅区参考数据显示了泥石流造成的房屋损坏程度。 通过在GIS平台上叠加层来比较房屋损坏和提取的曲率的分布。

表1曲率和提取的拓扑图之间的统计结果

注：加粗的数字显示科恩的kgt; 0.40（科恩的k为0.40-0.60代表温和的协议

3结果

3.1提取排水网络的曲率

对峡谷和曲率之间的关系进行了统计分析（表1）。计划曲率和切向曲率是使用几种网格尺寸从DEM导出的。表1显示了用特定阈值和参考数据提取的地形图之间的关系的统计分析结果，例如Cohen的kappa统计值（Cohens k），一致性比率，权误差和成功率。所有切向曲率与参考数据略有一致。使用1米DEM和3米DEM，平面曲率显示与Cohen的k“略微一致”。源自1 m DEM和3 m DEM的曲率表明存在非常小的特征，可以表征为地表面的粗糙度或纹理（图5a，b）。这些特征远小于可被解释为谷的细长凹陷的尺度，因此它们不能用作碎屑流敏感性的指标。

对于5 m，10 m和20 m DEM，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[17766]，资料为PDF文档或Word文档，PDF文档可免费转换为Word