選擇降雨量、土壤類型、植被覆蓋度、坡度、坡位和整治力度等6個指標建立風險指標體系,構建RF-RUSLE模型,分析重慶市巴南區(qū)水土流失程度及公路災害與水土流失之間的關系;結合區(qū)域路網(wǎng)格局,對重慶市巴南區(qū)水土流失性公路自然災害風險進行了評估與預測,對研究區(qū)水土流失性公路自然災害風險等級進行了劃分,探討了研究區(qū)公路自然災害致災因素。結果表明:重慶市巴南區(qū)水土保持較好,但降雨量侵蝕嚴重,水土流失程度介于輕度～中度;巴南區(qū)水土流失性公路自然災害風險等級總體為中度風險,南部、西南部為公路災害高風險區(qū)域;在各鄉(xiāng)鎮(zhèn)交界處,公路災害防治薄弱,水土流失性公路自然災害發(fā)生概率極高,降雨量和坡度為主要致災因素,需要重點監(jiān)測與防治。 

【文章來源】：重慶交通大學學報(自然科學版). 2020,39(11)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

重慶市巴南區(qū)水土流失性公路自然災害指標風險區(qū)劃

筆者利用歷史災害點與選擇訓練樣本之間的相關性，判斷選擇指標準確性。從歷史災害數(shù)據(jù)庫中提取數(shù)據(jù)并進行統(tǒng)計，得到巴南區(qū)歷史災害點共648個。為避免災害點過于密集或稀疏導致精度判斷，筆者在研究區(qū)均勻選取樣本點，確保每個區(qū)域或每個鄉(xiāng)鎮(zhèn)都能夠覆蓋，最終選取35個取樣點為精度驗證樣本點。基于Arc GIS10.6軟件平臺，對選擇的指標進行相關性分析，以判斷所選指標的準確性與可靠性，如圖2。由圖2可見，各指標擬合趨勢線集中在樣本編號15～20之間，表明所選取的指標合理，可靠程度高。其中，降雨量、坡度和坡位指標相關性較高。2.3 巴南區(qū)水土流失程度分析

由圖4可以看出:重慶市巴南區(qū)西南部水土流失最為嚴重，水土流失強度多處于中度以上;東北地區(qū)屬于中度流失程度，為災害發(fā)生易發(fā)區(qū)域;西北地區(qū)水土保持最好，高危流失區(qū)域較少。整體上，巴南區(qū)水土流失程度介于輕度～中度。2.4 巴南區(qū)水土流失性公路自然災害風險預測

【參考文獻】：
期刊論文
[1]基于SCS模型的巫山縣降雨徑流多情景模擬[J]. 牟鳳云,龍秋月,余情,楊猛,何勇.  重慶交通大學學報(自然科學版). 2020(02)
[2]基于機器學習算法模型的巫山縣洪水災害研究[J]. 牟鳳云,楊猛,林孝松,龍秋月,李夢梅,何勇.  中山大學學報(自然科學版). 2020(01)
[3]基于三種機器學習算法的山洪災害風險評價[J]. 周超,方秀琴,吳小君,王雨晨.  地球信息科學學報. 2019(11)
[4]多情景降雨-徑流的巫山縣公路洪災預警研究[J]. 楊猛,牟鳳云,林孝松,龍秋月,李夢梅,鄧睿.  浙江大學學報(理學版). 2019(06)
[5]西南地區(qū)山洪災害時空分布特征及其影響因素[J]. 熊俊楠,李進,程維明,周成虎,郭良,張曉蕾,王楠,李偉.  地理學報. 2019(07)
[6]全國山洪災害調(diào)查評價成果及規(guī)律初探[J]. 郭良,張曉蕾,劉榮華,劉業(yè)森,劉啟.  地球信息科學學報. 2017(12)
[7]重慶市地質災害氣候性誘發(fā)機理分析[J]. 黃明奎,馬璐.  重慶交通大學學報(自然科學版). 2017(11)
[8]基于灰色關聯(lián)法的地質災害危險性影響因子分析[J]. 楊樂,陳杰.  重慶交通大學學報(自然科學版). 2017(06)
[9]基于決策樹理論的泥石流危險性評價研究[J]. 周仲禮,張乾榮,曹賽男.  重慶交通大學學報(自然科學版). 2017(04)
[10]中國公路自然災害易損性評價[J]. 李家春,尹超,田偉平,張啟龍.  北京工業(yè)大學學報. 2015(07)



本文編號：3479048