宋雨漾

摘要：文章通過3s技術手段和人工神經(jīng)網(wǎng)絡模型對臥龍大熊貓自然保護區(qū)進行了地質(zhì)災害危險性評價。包括通過遙感技術獲取研究區(qū)域的遙感圖像，并對圖像進行專業(yè)的處理以及人工交互解譯。利用GIS手段對遙感數(shù)據(jù)以及基礎地理數(shù)據(jù)進行空間分析。最后以臥龍大熊貓自然保護區(qū)為例，運用Matlab軟件，調(diào)用newff命令建立基于BP人工神經(jīng)網(wǎng)絡的地質(zhì)災害危險性評價模型，得到臥龍大熊貓自然保護區(qū)危險性評價區(qū)劃圖。結(jié)果證明BP人工神經(jīng)網(wǎng)絡模型應用于臥龍大熊貓自然保護區(qū)的危險}生評價是較為理想的方法之一。

關鍵詞：地質(zhì)災害；3s技術；BP人工神經(jīng)網(wǎng)絡；臥龍自然保護區(qū)

13s技術

1.1遙感圖像獲取與預處理

20世紀后20年遙感技術在地質(zhì)災害調(diào)查技術方面發(fā)展突飛猛進。遙感技術具有快速、全面、非接觸、高時效、高性價比獲取地表信息的特點，對區(qū)域性地質(zhì)災害進行宏觀地動態(tài)解譯，達到對區(qū)域性地質(zhì)災害分布、規(guī)模的定量認識。在地質(zhì)災害調(diào)查中，遙感技術已經(jīng)成為重要手段之一。本文對獲取的landsat8 ETM+圖像進行了幾何校正、波段組合、圖像融合、圖像增強等處理。處理后的圖像更利于有用信息的提取與地質(zhì)災害的解譯。

1.2遙感影像地質(zhì)災害解譯

文章采取人機交互解譯方式對預處理后的遙感圖像進行地質(zhì)災害解譯。在進行地質(zhì)災害解譯前，建立地質(zhì)災害解譯標志是必不可少的步驟之一。文章根據(jù)地質(zhì)災害在圖像上的特征建立滑坡、泥石流、崩塌的解譯標志，并對臥龍大熊貓自然保護區(qū)的地質(zhì)災害進行解譯。

1.3GIS空間分析

除了遙感圖像中提取的信息外，還需要對數(shù)據(jù)進行進一步的處理與空間分析。文章利用GIS的空間分析功能提取坡度、坡向、河流、道路等信息。并對這些數(shù)據(jù)進行重分類、緩沖區(qū)建立等，為建立人工神經(jīng)網(wǎng)絡模型提供有效的基本要素。

2人工神經(jīng)網(wǎng)絡模型

2.1BP神經(jīng)網(wǎng)絡基本原理

人工神經(jīng)網(wǎng)絡（Artificial NeuralNetworks，ANN）是一種以模仿人腦由大量神經(jīng)元相互連接形成的網(wǎng)絡結(jié)構(gòu)。本文采用BP神經(jīng)網(wǎng)絡模型。BP神經(jīng)網(wǎng)絡模型是一種有導師的前饋神經(jīng)網(wǎng)絡，通過調(diào)節(jié)網(wǎng)絡模型中各層之間的連接權(quán)值與閾值訓練網(wǎng)絡，以使預期值不斷逼近期望值的過程。

2.2地質(zhì)災害危險性評價模型

本文采用高程、坡度、坡向、水系、道路、巖性因子建立地質(zhì)災害危險性評價模型。

3實例一臥龍地區(qū)地質(zhì)災害危險性評價

3.1評價單元劃分

本文采用網(wǎng)格法進行單元劃分，網(wǎng)格大小為1km×1km，共3402個網(wǎng)格，除去沒有研究屬性的網(wǎng)格，共對2173個評價單元進行評價。

3.2神經(jīng)網(wǎng)絡的建立與訓練

利用Maflab軟件，調(diào)用mapminmax函數(shù)，對各項數(shù)據(jù)進行歸一化處理。調(diào)用newff命令創(chuàng)建地質(zhì)災害危險性評價神經(jīng)網(wǎng)絡。在調(diào)用train命令對網(wǎng)絡進行訓練。

3.3評價結(jié)果分析

臥龍自然保護區(qū)地質(zhì)災中度危險區(qū)主要沿著皮條河兩岸分布，區(qū)域內(nèi)主要發(fā)生一些小型崩塌、滑坡、泥石流。地質(zhì)災害重度危險區(qū)主要沿著漁子河兩岸分布，泥石流、崩塌經(jīng)常發(fā)生。endprint