Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data

ZHEN Junwei; HUANG Zhiwei; ZHANG Guifang; ZENG Tan; WANG Tonghao

doi:10.13471/j.cnki.acta.snus.2023D032

您当前的位置：

首页 >

文章列表页 >

Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data

Research articles | 更新时间：2024-01-25

- Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data
- Acta Scientiarum Naturalium Universitatis Sunyatseni Vol. 63, Issue 1, Pages: 10-23(2024)
- 作者机构：
  
  1.广东省地质局第七地质大队，广东惠州 516000
  2.中山大学地球科学与工程学院，广东珠海 519082
  3.广东省地质过程与矿产资源探查实验室，广东珠海 519082
  4.南方海洋科学与工程广东省实验室（珠海），广东珠海 519082
- 作者简介：
- 基金信息：
- DOI：10.13471/j.cnki.acta.snus.2023D032
  CLC： P642.21
- Published：25 January 2024，
  
  Published Online：30 October 2023，
  
  Received：2023-25-05，
  
  Accepted：29 July 2023
扫描看全文
甄俊伟,黄智炜,章桂芳等.基于LiDAR数据的汕尾火山嶂地质灾害风险评价[J].中山大学学报(自然科学版)(中英文),2024,63(01):10-23.

ZHEN Junwei,HUANG Zhiwei,ZHANG Guifang,et al.Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2024,63(01):10-23.
甄俊伟,黄智炜,章桂芳等.基于LiDAR数据的汕尾火山嶂地质灾害风险评价[J].中山大学学报(自然科学版)(中英文),2024,63(01):10-23. DOI： 10.13471/j.cnki.acta.snus.2023D032.

ZHEN Junwei,HUANG Zhiwei,ZHANG Guifang,et al.Geological disaster risk assessment of Huoshanzhang in Shanwei of Guangdong based on LiDAR data[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2024,63(01):10-23. DOI： 10.13471/j.cnki.acta.snus.2023D032.

摘要

机载激光雷达（LiDAR，light detection and ranging）数据能有效去除植被，获取真实的地表形态，从而为植被覆盖区的地质灾害风险评价提供新的方法和手段。汕尾火山嶂山体陡峻、植被茂密，是滑坡、崩塌和泥石流的易发地，本文首先采用高分辨率LiDAR数据生成高精度DEM数据以及坡度、坡向、曲率、起伏度、粗糙度和山体阴影等地形因子，综合高分一号遥感影像进行滑坡/崩塌解译共获得滑坡/崩塌44处；然后基于变维分形模型确定各解译因子对滑坡/崩塌形成的权重后计算获得每个解译滑坡/崩塌的确认概率，剔除概率较低的滑坡/崩塌3处；最后根据沟谷特征将火山嶂划分为6个子区，基于各个子区的地形特征、滑坡/崩塌密度和体量以及人类活动分布进行地质灾害风险评价。结果表明基于LiDAR数据生成的高精度地形因子可以有效地去除植被影响，是植被覆盖区地质灾害解译的有效手段。

Abstract

Airborne LiDAR （light detection and ranging） data are effective for geological hazard risk assessment in vegetation-covered areas because vegetation information can be removed and thus provide true surface morphology. Huoshanzhang in Shanwei， Guangdong Province is a steep and densely vegetated area that is prone to landslides， collapses， and mudslides. This study adopted high-resolution LiDAR data to generate high-precision DEM data and extract terrain factors such as slope， aspect， curvature， undulation， roughness， and mountain shadows， combined with remote sensing images of GF-1 satellite， identified a total of 44 landslides/collapses. Among them， three low-probability landslides/collapses were removed based on the variable dimensional and fractal model， the determined weight of each terrain factor， and the confirmed probability of each interpreted landslide/collapse. The area was divided into 6 sub-regions according to the characteristics of the valleys and the geological hazard risk assessment of each sub-region was conducted based on the terrain characteristics， landslide/collapse density and volume， and human activities. The results indicate that high-precision terrain factors generated from LiDAR data of vegetation impacts eliminated are an effective source for geological hazard interpretation in vegetation-covered areas.

关键词

地质灾害LiDAR风险评价火山嶂

Keywords

geological disasterLiDARrisk assessmentHuoshanzhang

references

白世彪，闾国年，盛业华，等，2005. 基于GIS的长江三峡库区滑坡影响因子分析［J］. 山地学报，23（1）： 63-70.

蔡浩杰，韩海辉，张雨莲，等，2022. 基于地形特征融合的卷积神经网络滑坡识别［J］. 地球科学与环境学报，44（3）： 568-579.

陈善静，向朝参，康青，等，2020. 基于多源遥感时空谱特征融合的滑坡灾害检测方法［J］. 计算机研究与发展，57（9）： 1877-1887.

邓博，张会，柏君，等，2022. 利用机载LiDAR的深圳斜坡类地质灾害危险性评价［J］. 武汉大学学报（信息科学版）：1-18.

董秀军，许强，余金星，等，2020. 九寨沟核心景区多源遥感数据地质灾害解译初探［J］. 武汉大学学报（信息科学版），45（3）： 432-441.

付昱华，2000. 变换形成的分形与海洋环境数据分析预测［J］. 海洋通报，19（1）： 79-88.

郭果，陈筠，李明惠，等，2013. 土质滑坡发育概率与坡度间关系研究［J］. 工程地质学报，21（4）： 607-612.

菊春燕，贾永刚，潘玉英，等，2013. 基于分形理论的旅游景区地质灾害危险性评估——以青岛崂山为例［J］. 自然灾害学报，22（6）： 85-95.

刘小莎，董秀军，钱济人，等，2021. 高植被山区泥石流物源LiDAR遥感精细识别方法研究［J］.武汉大学学报（信息科学版）：1-16.

孙涛，徐明宇，董秀军，等，2021. 机载LiDAR技术应用于茂密植被山区地质灾害调查［J］. 测绘通报，（4）： 90-97.

王森，许强，罗博宇，等，2017. 基于分形理论的南江县滑坡敏感性分析与易发性评价［J］. 水文地质工程地质，44（3）： 119-126.

王治华，1999. 滑坡、泥石流遥感回顾与新技术展望［J］. 国土资源遥感，41（3）： 10-15，39.

许强，2020. 对滑坡监测预警相关问题的认识与思考［J］. 工程地质学报，28（2）： 360-374.

许强，郭晨，董秀军，2022. 地质灾害航空遥感技术应用现状及展望［J］. 测绘学报，51（10）： 2020-2033.

易顺民，蔡善武，1999. 西藏樟木滑坡活动空间分布的分维特征及其地质意义［J］. 山地学报，17（1）： 63-66.

尹晨沣，2021. 基于机载LiDAR的滑坡特征提取与分布相关性分析［D］.重庆交通大学.

张帅娟，2017. 变化检测和面向对象结合的高分辨率遥感影像滑坡体提取方法研究［D］. 成都：西南交通大学.

周寅康，张捷，王腊春，等，1995. 分形论与自然灾害研究-地震、洪涝灾害中的分形研究［J］. 自然灾害学报，（4）： 9-15.

AYALEW L，YAMAGISHI H，UGAWA N，2004. Landslide susceptibility mapping using GIS-based weighted linear combination，the case in Tsugawa area of Agano River，Niigata Prefecture，Japan［J］. Landslides，1（1）： 73-81.

CONOSCENTI C，Di MAGGIO C，ROTIGLIANO E，2008. GIS analysis to assess landslide susceptibility in a fluvial basin of NW Sicily （Italy）［J］. Geomorphology，94（3/4）： 325-339.

CORSINI A，BORGATTI L，CERVI F，et al.，2009. Estimating mass-wasting processes in active earth slides–earth flows with time-series of High-Resolution DEMs from photogrammetry and airborne LiDAR［J］. Nat Hazards Earth Syst Sci，9（2）： 433-439.

ERCANOGLU M，GOKCEOGLU C，2004. Use of fuzzy relations to produce landslide susceptibility map of a landslide prone area （West Black Sea Region，Turkey）［J］. Eng Geol，75（3/4）： 229-250.

GLENN N F，STREUTKER D R，CHADWICK D J，et al.，2006. Analysis of LiDAR-derived topographic information for characterizing and differentiating landslide morphology and activity［J］. Geomorphology，73（1/2）： 131-148.

GORSEVSKI P V， 2021. An evolutionary approach forspatial prediction of landslide susceptibility using LiDAR and symbolic classification with genetic programming［J］. Nat Hazards，108： 2283-2307.

GORSEVSKI P V，2021. An evolutionary approach for spatial prediction of landslide susceptibility using LiDAR and symbolic classification with genetic programming［J］. Nat Hazards，108（2）： 2283-2307.

HORN B K P，1981. Hill shading and the reflectance map［J］. Proc IEEE，69（1）： 14-47.

LI X，CHENG X，CHEN W，et al.，2015. Identification of forested landslides using LiDar data，object-based image analysis，and machine learning algorithms［J］. Remote Sens，7（8）： 9705-9726.

Mandelbrot B，1982. The fractal geometry of nature［M］. San Francisco：Freeman and Company.

MEINHARDT M，FINK M，TÜNSCHEL H，2015. Landslide susceptibility analysis in central Vietnam based on an incomplete landslide inventory： Comparison of a new method to calculate weighting factors by means of bivariate statistics［J］. Geomorphology，234： 80-97.

PAWLUSZEK K，2019. Landslide features identification and morphology investigation using high-resolution DEM derivatives［J］. Nat Hazards，96： 311-330.

van den EECKHAUT M，POESEN J，VERSTRAETEN G，et al，2005. The effectiveness of hillshade maps and expert knowledge in mapping old deep-seated landslides［J］. Geomorphology，67（3/4）： 351-363.

YALCIN A，2008. GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen （Turkey）： Comparisons of results and confirmations［J］. CATENA，72（1）： 1-12.

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Comprehensive risk assessment of typhoon for regionalizationA case of population and economic risk in Guangdong Province

Environmental Risk Assessment in River Quality Management

LiDAR Detection Model of Tidal Wetland -Microrelief Based on Ground Constraint Conditions

Flood hazard risk assessment of Hanzhong city at the upper reaches of Hanjiang River

Related Author

WANG Jing'ai

GUO Hao

YU Han

Tohru Morioka

Li Shiyu

QIAO Jigang

LI Xia

LIU Xiaoping

Related Institution

School of Agriculture & Forestry Economics and Management， Lanzhou University of Finance and Economics

Faculty of Geographical Science，Beijing Normal University

College of Geography and Environmental Sciences， Zhejiang Normal University

Acadamey of Plateau Science and Sustainability， Qinghai Normal University

日本大阪大学环境工程系

Postal code：510275
Tel：020-84112585，84113223 Email：xuebaozr@mail.sysu.edu.cn
Technical support is provided by Beijing Founder electronics co., LTD 京ICP备09064830号-19 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.

⁰