期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例
被引量：
11
1
作者
吕
希希
张春菊
+2 位作者
黄建伟
田宇
王小丽
《灾害学》
CSCD
北大核心
2021年第1期223-229,共7页
由于区域地理环境存在差异,洪涝敏感性影响因子的选取主要根据区域地理特征及个人经验确定,缺乏统一的标准、系统的分析和科学的评价。洪涝灾害与影响因子之间是复杂的、多变量的非线性关系,与研究区的地质、地貌、土地覆盖等诸多因素...
由于区域地理环境存在差异,洪涝敏感性影响因子的选取主要根据区域地理特征及个人经验确定,缺乏统一的标准、系统的分析和科学的评价。洪涝灾害与影响因子之间是复杂的、多变量的非线性关系,与研究区的地质、地貌、土地覆盖等诸多因素密切相关。针对不同的研究区域,搜集尽可能全面的影响因子并对其进行优化选取是实现洪涝敏感性准确评估的前提和保证。南昌市安义县位于潦河中下游,是洪涝灾害的主要受灾区域。基于遥感影像数据和地理信息系统技术,以安义县为例开展暴雨洪涝敏感性影响因子分析及评估研究。首先,利用成灾前后哨兵一号雷达影像提取安义县2016年6月30日至7月5日暴雨洪涝的淹没范围,选取高程、降水、用地类型、距河流距离、坡度等15个洪涝敏感性影响因子。然后,基于随机森林模型对15个影响因子进行重要性排序,按照排序结果对影响因子逐步精简,并基于神经网络模型对影响因子进行优化选取。最后,基于优化选取后的影响因子,采用神经网络模型进行安义县洪涝敏感性评估,并用实例验证洪涝敏感性评估结果的可靠性。研究结果表明,在精简收敛指数、坡向、剖面曲率、地形位置指数和汇流动力指数5个最不重要的影响因子后,神经网络模型的性能有一定提升;敏感性等级为中等及中等以上区域主要分布在潦河两岸,约占安义县总面积的1/3,近70%的洪涝分布在敏感性中等及中等以上区域,洪涝发生在洪涝敏感性等级为中等及中等以上区域的可能性非常大,洪涝敏感性评估结果与安义县实际情况相符。
展开更多
关键词
暴雨洪涝
敏感性评估
哨兵一号
随机森林
神经网络
下载PDF
职称材料
基于GIS的安义县暴雨洪涝空间特征分析
被引量：
2
2
作者
吕
希希
张春菊
+1 位作者
尤子全
于涵
《矿山测量》
2020年第6期49-52,64,共5页
利用南昌市安义县成灾前后哨兵一号影像提取淹没范围,选取5个影响因子,包括高程、距河流的距离、用地类型、坡度和降水,结合GIS和频率比模型,分析淹没范围的空间特征。结果表明:降水是暴雨洪涝的直接影响因子;洪涝发生在高程小于50 m、...
利用南昌市安义县成灾前后哨兵一号影像提取淹没范围,选取5个影响因子,包括高程、距河流的距离、用地类型、坡度和降水,结合GIS和频率比模型,分析淹没范围的空间特征。结果表明:降水是暴雨洪涝的直接影响因子;洪涝发生在高程小于50 m、坡度小于5°的区域的概率非常大;90%以上的洪涝发生在用地类型为农田的区域;洪涝发生的概率与距河流距离负相关。
展开更多
关键词
GIS
频率比
暴雨洪涝
空间特征
哨兵一号
下载PDF
职称材料
题名
暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例
被引量：
11
1
作者
吕
希希
张春菊
黄建伟
田宇
王小丽
机构
合肥工业大学土木与水利工程学院
河南大学黄河中下游数字地理技术教育部重点实验室
出处
《灾害学》
CSCD
北大核心
2021年第1期223-229,共7页
基金
国家级大学生创新创业项目(201910359030)
黄河中下游数字地理技术教育部重点实验室开放基金(GTYR201907)。
文摘
由于区域地理环境存在差异,洪涝敏感性影响因子的选取主要根据区域地理特征及个人经验确定,缺乏统一的标准、系统的分析和科学的评价。洪涝灾害与影响因子之间是复杂的、多变量的非线性关系,与研究区的地质、地貌、土地覆盖等诸多因素密切相关。针对不同的研究区域,搜集尽可能全面的影响因子并对其进行优化选取是实现洪涝敏感性准确评估的前提和保证。南昌市安义县位于潦河中下游,是洪涝灾害的主要受灾区域。基于遥感影像数据和地理信息系统技术,以安义县为例开展暴雨洪涝敏感性影响因子分析及评估研究。首先,利用成灾前后哨兵一号雷达影像提取安义县2016年6月30日至7月5日暴雨洪涝的淹没范围,选取高程、降水、用地类型、距河流距离、坡度等15个洪涝敏感性影响因子。然后,基于随机森林模型对15个影响因子进行重要性排序,按照排序结果对影响因子逐步精简,并基于神经网络模型对影响因子进行优化选取。最后,基于优化选取后的影响因子,采用神经网络模型进行安义县洪涝敏感性评估,并用实例验证洪涝敏感性评估结果的可靠性。研究结果表明,在精简收敛指数、坡向、剖面曲率、地形位置指数和汇流动力指数5个最不重要的影响因子后,神经网络模型的性能有一定提升;敏感性等级为中等及中等以上区域主要分布在潦河两岸,约占安义县总面积的1/3,近70%的洪涝分布在敏感性中等及中等以上区域,洪涝发生在洪涝敏感性等级为中等及中等以上区域的可能性非常大,洪涝敏感性评估结果与安义县实际情况相符。
关键词
暴雨洪涝
敏感性评估
哨兵一号
随机森林
神经网络
Keywords
storm and flood
susceptibility assessment
sentinel-1
random forest
neural network
分类号
X43 [环境科学与工程—灾害防治]
X915.5 [环境科学与工程—安全科学]
下载PDF
职称材料
题名
基于GIS的安义县暴雨洪涝空间特征分析
被引量：
2
2
作者
吕
希希
张春菊
尤子全
于涵
机构
合肥工业大学土木与水利工程学院
河南大学黄河中下游数字地理技术教育部重点实验室
出处
《矿山测量》
2020年第6期49-52,64,共5页
基金
黄河中下游数字地理技术教育部重点实验室开放基金项目(2019YJC03)。
文摘
利用南昌市安义县成灾前后哨兵一号影像提取淹没范围,选取5个影响因子,包括高程、距河流的距离、用地类型、坡度和降水,结合GIS和频率比模型,分析淹没范围的空间特征。结果表明:降水是暴雨洪涝的直接影响因子;洪涝发生在高程小于50 m、坡度小于5°的区域的概率非常大;90%以上的洪涝发生在用地类型为农田的区域;洪涝发生的概率与距河流距离负相关。
关键词
GIS
频率比
暴雨洪涝
空间特征
哨兵一号
Keywords
GIS
frequency ratio
storm and flood
spatial feature
Sentinel-1
分类号
X43 [环境科学与工程—灾害防治]
P237 [天文地球—摄影测量与遥感]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
暴雨洪涝敏感性影响因子分析及评估--以江西安义县为例
吕
希希
张春菊
黄建伟
田宇
王小丽
《灾害学》
CSCD
北大核心
2021
11
下载PDF
职称材料
2
基于GIS的安义县暴雨洪涝空间特征分析
吕
希希
张春菊
尤子全
于涵
《矿山测量》
2020
2
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
