基于模型的水土流失性公路自然灾害风险评估以(3)
【作者】网站采编
【关键词】
【摘要】2)统计分析验证 空间验证虽能从空间上验证其准确性,但其判断较为模糊,存在着一定误差,因此,笔者对评估结果进行了统计分析验证,如图6。 图5 R
2)统计分析验证
空间验证虽能从空间上验证其准确性,但其判断较为模糊,存在着一定误差,因此,笔者对评估结果进行了统计分析验证,如图6。
图5 RF-RUSLE模型评估结果空间精度检验Fig. 5 Spatial accuracy test of RF-RUSLE model evaluation results
图6 RF-RUSLE模型评估结果统计分析验证Fig. 6 Statistical verification of evaluation results of RF-RUSLE model
由图6可以看出:
1)历史灾害数据与样本数据曲线整体走势基本一致,表明历史灾害点集中位于评估结果中度危险以上区域。
2)历史灾害数据与样本数据的拟合线走势基本保持平行,表明RF-RUSLE模型评估结果准确,且精度高,与实际情况相符。
2.4.3 风险评估与致灾机制识别
结合区域路网格局,将RF-RUSLE评估结果进行水土流失性公路自然灾害风险区划和风险评估,结果如图7。
由图7可见,重庆市巴南区南部区域灾害发生概率较大,尤其是在各乡镇交界处,灾害发生的概率最大。
图7 采用RF-RUSLE模型对重庆市巴南区水土流失性公路自然灾害风险区划与风险评估Fig. 7 Risk zoning and risk assessment of natural disaster of soil erosion highway in Banan district of Chongqing with RF-RUSLE model
1)从空间尺度上分析得出:巴南区公路多处发生中度及以上风险水土流失性自然灾害,灾害路段多集中于巴南区南部和中北部。
2)从行政区划尺度分析得出:一品街道、安澜镇、跳石镇等区域内,发生水土流失性公路自然灾害概率极大,南泉街道、届石镇、南彭街道和惠民街道4条街道交界处为高风险区域;麻柳镇、双河口镇和丰盛镇等区域,为水土流失性公路自然灾害高风险区域。
基于已构建的灾害评估指标体系,及RF-RUSLE模型,进行巴南区水土流失性公路自然灾害致灾机制分析,结果如图8。
图8 重庆市巴南区水土流失性公路自然灾害风险致灾机制识别Fig. 8 Identification of natural disaster risk mechanism of soil erosion highway in Banan district of Chongqing
由图8可见,中风险区致灾因素主要为降雨量、坡度和坡位指标,高风险区致灾因素为降雨量和植被覆盖度。
综上,重庆市巴南区发生水土流失性公路自然灾害风险等级为中度~轻度;在降雨量较大、坡度较陡区域,公路灾害防治薄弱,需要重点监测与整治。
3 巴南区水土流失性公路自然灾害防治与应对措施
针对重庆市巴南区水土流失性公路自然灾害空间分布特点,在公路维修与设计中,建议重点考察危险区域气象、地质和地貌等因素,同时实时监测低风险区域岩体变化、地质发育与水土流失程度等因素。
针对降雨量、植被覆盖度和坡度等因素为主要致灾因素这一现象,在公路维修时,应该重点监测区域边坡变化、排水情况和路基变形程度等因素;在公路选线设计时,应尽量避开水土流失较为严重区域,可采用架设桥梁、稳固边坡、增设挡土墙和建设完善的排水系统等措施。
4 结 论
由于RF-RUSLE模型可有效地预测出区域水土流失性公路自然灾害危害程度,精确识别致灾因素,笔者以RF-RUSLE模型对重庆市巴南区公路进行风险预测与致灾因素识别。得到主要结论如下:
1)巴南区西南部及西部主要为降雨侵蚀,侵蚀等级在中度以上;东南部及西部部分区域土壤侵蚀严重。巴南区水土流失程度属于中度~轻度,水土保持较好,但降雨侵蚀严重。
2)巴南区多处发生中度以上风险水土流失性公路自然灾害。在各乡镇交界处,水土流失性公路自然灾害发生概率最高,而南部和中北部为灾害主要发生区域。
3)巴南区水土流失性公路以中低风险自然灾害为主,降雨量和坡度因素为主要致灾因素。巴南区南部与西南部为水土流失性公路自然灾害多发地区,需要重点防治;各乡镇交界处为水土流失性公路自然灾害防治薄弱区域。整体上,巴南区南部为高风险区水土流失性公路自然灾害主要发生区域。
[1] CONTRERAS-ZARAZA G, VILLICAA-GARCA E, CANSINO- LOEZA B, et al. Environmental impact and occupational hazard evaluation on intensified processes to produce diphenyl carbonate[J].Computers&ChemicalEngineering, 2018, 122:19-30.
[2] BALLESTEROS-CNOVAS J A, CZAJKA B, JANECKA K, et al. Flash floods in the Tatra Mountain streams: Frequency and triggers[J].TheScienceoftheTotalEnvironment, 2015, 511: 639-648.
[3] LLASAT M C, MARCOS R, LLASAT-BOTIJA M, et al. Flash flood evolution in north-western Mediterranean[J].AtmosphericResearch, 2014, 149: 230-243.
[4] GARCA-PINTADO J, BARBERG G, ERENA M, et al. Calibration of structure in a distributed forecasting model for a semiarid flash flood: Dynamic surface storage and channel roughness [J].JournalofHydrology(Amsterdam), 2009,377(1):165-184.
文章来源:《环境工程》 网址: http://www.hjgczzs.cn/qikandaodu/2021/0324/571.html
上一篇:读者来信
下一篇:新工科背景下环境工程专业金课建设的认知和实