첫째, 매개 변수 합성 방법
매개변수 종합법은 전문가 경험지수 종합평가법이라고도 한다. 가장 간단한 정량 평가 방법입니다. 이 모델은 주로 전문가의 풍부한 경험을 바탕으로 전문가의 점수를 매겨 전문가의 경험 지식을 얻고 전문가가 지질 재해에 영향을 미치는 요소를 선정해 그림을 만든다. 전문가의 경험에 따르면, 각 요소에 적절한 가중치를 부여하고, 마지막으로 가중 중첩 또는 합성하여 지질 재해 위험 구역 맵을 형성합니다.
주요 장점은 ① 많은 수의 매개 변수를 동시에 고려할 수 있다는 것이다. ② 임의 규모의 영역과 단일 사면의 안정성을 평가하는 데 사용할 수 있습니다. ③ 함축적 규칙의 사용을 크게 줄이고 수량화 정도를 높였다. ④ 전체 프로세스는 GIS 의 지원을 받아 신속하게 완료할 수 있어 데이터 관리를 표준화하고, 시간이 짧고, 비용이 저렴합니다. 주된 단점은 ① 주관성이 강해서 다른 조사자나 전문가가 얻은 결과를 비교할 수 없다는 것이다. 가중치 결정에는 여전히 다양한 수준의 주관성이 포함되어 있습니다. ② 암시 적 평가 규칙은 결과를 분석하고 업데이트하는 것을 어렵게 만든다. ③ 상세한 현장 조사가 필요하다. (4) 대규모 지역 평가에 적용할 때 조작이 복잡해서 모델을 홍보하기 어렵다.
둘째, 수학 다변량 통계 모델 방법
이 방법은 기존 지질재해와 비슷한 불안정현상과 지질 환경 조건 및 요소 사이의 통계 법칙을 연구하고 관련 예측 모델을 만들어 지역 지질재해의 위험성을 예측하는 것이다. 이러한 모델에는 회귀 분석, 판별 분석 및 클러스터 분석과 같은 여러 가지 방법이 있습니다.
통계분석의 전제는 연구구역 (훈련구역) 지질재해의 분포를 이해하는 것이다. 수리통계이론에 근거하여 매개변수와 지질재해의 발생 여부에 영향을 미치는 수리통계 모델을 세웠다. 실험 지역이 검증되면 지질 환경이 동일하거나 유사한 지역에 적용되어 연구 지역의 재해 위험 분포 법칙을 예측합니다. 따라서 통계 분석 방법 평가 결과의 신뢰성은 실험 영역의 원시 데이터의 정확성에 직접적으로 달려 있으며, 모델은 어떤 지역에서도 보급될 수 없습니다. 그럼에도 불구하고 많은 연구에 따르면 통계 분석은 현재 지역 지질재해 위험 평가와 구역에 가장 적합한 방법이다. 엄격한 수학 통계 이론을 바탕으로 수학 모델은 간단하고 이해하기 쉽고 GIS 기술과 잘 결합되어 방대한 데이터를 합리적으로 관리, 분석 및 저장할 수 있습니다.
다변량 통계 분석에서 주성분 분석과 요소 분석 방법은 환경 통계에서 많은 성공적인 응용을 하고 있다. 이 두 가지 방법을 결합한 주성분 요소 분석은 다변량 계수 가중치 연구 (오, 199 1) 에 적용할 수 있습니다. 주성분-계수 분석의 주요 사상은 (응농근, 유우자, 1987): 연구한 모든 원시 변수에서 관련 정보를 수집하고 관련 매트릭스의 내부 의존성 구조를 논의함으로써 여러 변수를 관련없는 주요 성분으로 합성하여 원본 변수 간의 관계를 재현하고 계수 하중 행렬을 통해
이 방법은 지역 지질 재해 공간 예측 연구에 적용되며, 특정 지역의 토지 이용, 토지 개발 및 도시 계획에 거시적 지도 역할을 한다.
셋째, 분석 계층 구조 프로세스
분석 계층 구조 프로세스 (AHP) 는 정확하게 정량화하기 어려운 많은 요소가 포함된 복잡한 시스템을 분석하고 평가하는 것입니다. 다양한 요인과 평가 목표 간의 상관 관계에 따라 조합 방식과 계층을 합리화하고 시스템 평가의 구조 모델과 수학적 모델을 수립합니다. 모델의 다양한 블러 요소에 대해 해당 강도 및 영향 오브젝트에 대한 제어 정도에 따라 배율 지수 및 작용 가중치를 결정합니다. 이러한 지표를 기본 매개변수로 평가 모델에 대입하고 점진적으로 정량 분석을 진행하여 결국 평가 목표를 달성했다. 지질 재해 위험 시스템의 구성에 따르면, 평가는 네 가지 수준의 통계 분석을 통해 이루어질 수 있습니다. 즉, 다양한 요소를 주체로 하는 기층 통계 분석입니다. 위험, 취약성 및 재해 감소 능력에 대한 전환 계층 분석 예상 손실에 대한 기준 계층 분석; 위험 또는 위험 등급을 최종 목표로 하는 목표 레벨 분석.
넷째, 퍼지 및 회색 클러스터링 방법
모호한 클러스터 판별 모델은 모호한 수학 이론에 기반을 두고 있다. 지질 재해 시스템의 복잡성으로 인해 지질 재해 시스템의 객관적 현실은 절대' 비' 또는' 비' 로 정확하게 설명할 수 없다.' 즉' 의 모호 현상이 있어 1 또는 0 의 이원논리로 설명할 수 없고 구간 [0,/Kloc-0] 으로 설명할 수 없다 모호한 수학 이론은 지질 재해 시스템의 불확실성에 딱 적합하고, 소속 함수는 경계가 불분명한 전환 문제와 여러 요인의 영향을 받는 복잡한 시스템의 불확실성을 설명하는 데 사용됩니다. 현재 일반적으로 사용되는 방법은 모호한 종합평가법, 모호한 신뢰도 분석법, 계층 원리를 결합한 모호한 계층 종합평가법입니다. 모호한 클러스터 종합평가의 기본 단계는 지질재해의 위험 구성에 따라 요소세트, 종합평가세트, 가중치세트를 만들고, 소속 함수를 결정하고, 종합평가 결과를 얻고, 해석하고 분석하는 것이다.
회색 클러스터 종합 평가 방법은 회색 시스템 이론을 바탕으로' 작은 샘플, 빈정보 불확실성' 문제를 연구하는 데 자주 쓰인다. 지질 재해 예측에서 회색 상관 분석을 사용하여 사면 전개 안정성의 다양한 영향 요인의 영향을 평가하고, 일반적인 수학 통계 방법의 시스템 분석으로 인한 단점을 극복하고, 샘플 양과 규칙성에 대한 특별한 요구 사항은 없습니다. 마찬가지로 회색 클러스터의 회색 백색화 가중치 함수 클러스터를 통해 각 연구 단위의 위험 상태를 판단하여 공간 예측에서 위험 구분을 완료할 수 있습니다. 회색 모델 (GM) 을 핵심으로 하는 회색 시스템의 다양한 예측 모델도 지질 재해 예측에서 다양한 시계열 데이터를 분석하는 효과적인 방법을 제공하며 현재 지질 재해에 대한 실시간 추적 예측을 위한 일반적인 방법 중 하나가 되었습니다. 회색 클러스터 종합 평가의 기본 단계는 백색화 수와 백색화 함수를 결정하고, 클러스터 가중치를 측정하고, 클러스터 계수를 계산하고, 클래스 벡터를 구성하고, 클러스터 회색 수를 해결하는 것입니다.
동사 (verb 약어) 정보 모델 평가 방법
이 모델의 이론적 근거는 정보론이다. 지질재해 과정에서 엔트로피의 감소로 지질재해 발생 가능성을 나타낸다. 요소 조합으로 인한 불확실성의 평균 감소는 지질재해 시스템 엔트로피의 변화와 같다. 지질 재해의 발생은 예측 과정에서 얻은 정보의 양과 질과 관련이 있으며 정보량으로 측정된다고 생각한다. 정보의 양이 많을수록 지질 재해가 발생할 가능성이 크다. 이 모델 예측 방법은 통계 예측 모델과 마찬가지로 중소 규모의 지역 예측에 적용됩니다.
정보과학은 이미 광범위하게 응용되는 과학이 되었지만, 그것은 반세기의 짧은 역사일 뿐이다. 향농이 1948 년에 발표한 유명한 논문' 전파된 수학 이론' 은 정보과학의 탄생을 상징한다. 향농은 정보를' 무작위 사건 불확실성의 귀약' 으로 정의하고 수학 통계 방법을 통신 분야에 이식하여 정보량의 개념과 정보 엔트로피의 수학 공식을 제시했다. 정보학 연구의 대상은 정보이며, 그 중요한 임무는 정보 추출, 정보 전달, 정보 처리, 정보 저장 등을 연구하는 것이다. 현대 자연과학 발전의 일체화 추세와 각 학과의 상호 침투와 연계로 수십 년간의 발전을 거쳐 정보량과 정보 엔트로피의 개념은 이미 통신 분야를 훨씬 뛰어넘었다. 정보과학은 각종 자연과학 분야뿐만 아니라 관리 사회 등 과학 분야에도 광범위하게 적용된다.
지질 분야 광상 예측 연구에서 정보론의 응용은 Viso Oster Roska (1968) 와 Cha Jin (1969) 이 연이어 제기한 것이다. 조 등은' 광상 통계 예측' 이라는 책에서 정보방법이 지역탐사광에서 응용되는 것을 연구했다. 1985 이후 엄과 윤곤룡은 산시 남과 장강 삼협고구에서 지역 산사태 재해 공간 예측 구역에서의 정보 방법의 응용을 여러 차례 탐구하고 클러스터 분석, 회귀 분석, 수량화 이론 방법 등 다른 방법의 연구 성과와 비교 연구했다. ). 아이남산과 묘천덕 (1987) 은 유역 지형시스템을 침식하는 정보 엔트로피를 연구했다. 그들은 Stroller 유역 면적-표고 곡선을 바탕으로 유역 지형 시스템을 침식하는 정보 엔트로피 표현식을 구축하고 이를 유역 안정성의 기준으로 삼았다. Read J. 와 Harr M.( 1988) 은 먼저 정보 엔트로피의 개념과 스트립 방법을 결합하여 사면 안전계수 계산에 사용합니다. 지질재해 예측 내용의 다양성으로 예측 이론과 방법도 단일이 아니다. 엄등 (1989) 은 결정 론적 모델 예측 방법, 통계 모델 예측 방법 및 정보 모델 예측 방법의 세 가지 유형의 모델 예측 방법으로 요약합니다. 처음 두 모델은 각각 "화이트 박스" 와 "블랙 박스" 모델이라고 할 수 있으며 정보 모델은 둘 사이에 있습니다.
Xi 의 지질재해 현상 (Y) 은 여러 요인의 영향을 받아 각각 크기와 성질이 다르다. 서로 다른 지질 환경에서 지질 재해에는 항상' 최적의 요소 조합' 이 있다. 따라서 지역 지질재해 예측에 대해서는 단일 요인에 머물러서는 안 되며' 최적의 요소 조합' 을 종합적으로 연구해야 한다. 정보 예측의 견해에 따르면 지질 재해의 발생은 예측 과정에서 얻은 정보의 양과 질과 관련이 있으므로 정보량으로 측정할 수 있다.
지질 학적 위험 평가의 이론과 실습
조건부 확률 연산에 따르면 위의 공식은 다음과 같이 더 쓸 수 있습니다.
지질 학적 위험 평가의 이론과 실습
여기서 I(y, x 1x2xn) 는 요소 조합 x 1x2xn 이 지질 재해에 제공하는 정보 (bit) 입니다. P(y, x 1x2xn) 는 x 1x2xn 등의 요소 조합에 따라 지질 재해가 발생할 확률입니다. Ix 1(y, x2) 는 계수 x 1 이 존재할 때 계수 X2 가 지질 재해에 제공하는 정보입니다. P(y) 는 지질 재해가 발생할 확률이다.
방정식 (2) 은 계수 조합 x 1x2xn 이 지질 재해에 제공하는 정보가 계수 x 1 이 제공하는 정보와 같고 계수 x 1 이 결정될 때까지 계수 x2 가 제공하는 정보를 결정한다는 것을 나타냅니다
P (y, x 1x2xn) 와 P(y) 는 통계 확률로 표현될 수 있으며, 다양한 요소 조합이 제공하는 정보는 양수 또는 음수일 수 있습니다. P(y, x1xx Gt; P(y), I (y, x1x2xn)&; Gt; 0; 반대로 I (y, x1x2xn) < 0. 0 보다 크면 설명 요소 조합 x 1x2xn 은 지질재해의 발생을 예측하는 데 도움이 되고, 반대로 이러한 조합은 지질재해의 발생에 불리하다는 것을 설명한다.
지역 지질 재해 예측은 연구 지역 그리드 단위의 구분을 기초로 한다. 지역별 특정 지질 지형 조건에 따라 해당 그리드 모양과 그리드 크기를 사용하여 지역 지질 재해 분포도와 결합하여 정보 통계 분석을 추가로 수행합니다. 지역을 N 개 단위로 나누고 지질 재해를 당한 단위 수는 N0 이라고 가정합니다. 동인자 x 1x2nx 조합에는 지질 재해가 발생한 단위 수가 M0 인 ***M 개 단위가 있습니다. 통계적 확률이 선험적 확률을 나타내는 원칙에 따라 계수 x 1x2nx 가 이 영역에서 제공하는 정보는 다음과 같습니다.
지질 학적 위험 평가의 이론과 실습
면적비가 정보량을 계산하는 데 사용되는 경우 등식 (3) 은 다음과 같이 나타낼 수 있습니다.
지질 학적 위험 평가의 이론과 실습
공식 중: a 는 해당 지역 내 셀의 총 면적입니다. A0 은 이미 지질 재해가 발생한 단위 면적의 합계입니다. S 는 동일 계수 x 1x2xn 조합의 총 단위 면적입니다. S0 은 x 1x2xn 동인자 조합 단위에서 지질 재해가 발생한 단위 면적의 합계입니다.
일반적으로 지질 재해에 작용하는 요인이 많고, 요소에 해당하는 조합상태도 많고, 샘플 통계가 제한되는 경우가 많기 때문에, 단순화된 단일 요소 정보 모델을 사용하여 단계별 계산을 수행한 다음 해당 정보 모델을 다음과 같이 다시 작성합니다.
지질 학적 위험 평가의 이론과 실습
형식 중: I 는 예측 영역 내의 한 단위에 대한 정보 예측 값입니다. Si 는 계수 Xi 가 차지하는 총 단위 면적입니다. S0i 는 Xi 요소에서 지질 재해가 발생한 단위 면적의 합계입니다.
여섯째, 경험 가중치 방법
증거 가중치 (Weights of evidence) 는 캐나다 수학 지질학자 Agterberg 등 (1989) 이 제시한 이진 (존재 또는 존재 안 함) 이미지를 기반으로 하는 지질통계학 방법으로, 독립 조건 가정 하에서 베이시안 법칙에 기반한 정량적 예측 방법입니다. Bonham-Carter 등 (1990) 과 Harris 등 (200 1) 은 WOE 방법을 적용하여 광산물의 장기 분포를 예측했다. 광화 조건을 알고 있는 그리드 셀의 예측 계수와 응답 계수 사이의 통계 분석을 통해 가중치를 계산하여 예측할 각 그리드 셀의 예측 계수에 가중치를 부여합니다. 마지막으로, 각 단위 응답 계수가 나타날 확률을 결정하여 다양한 등급의 광산 원승지를 얻을 수 있다.
Van Westen 은 이 모델을 재해 위험 평가 분야에 추가로 적용했습니다. 데이터 중심 가중치 시뮬레이션 방법의 주요 원리는 역사적 산사태 분포 데이터를 이용하여 산사태 분포와 각 영향 요소 간의 통계적 관계, 즉 각 영향 요인이 서로 다른 범주의 산사태 분포에 대한 통계를 기준으로 각 영향 요인이 산사태 재해에 기여하는 기여율 (가중치) 을 결정하는 것입니다. 데이터를 사용하여 가중치를 결정하는 이러한 방법을 데이터 중심 모델이라고 합니다. 가중치 결정은 전문가 지식 모델보다 과학적이고 신뢰할 수 있어 전문가 주관성의 불확실성을 방지합니다. 마지막으로 또 다른 시기의 산사태 분포 내역 데이터를 이용하여 평가 결과를 검사하고 성공률을 예측하고 불합리한 경계를 조정하여 평가 결과를 더욱 믿을 수 있게 했다. 통계적 베이시안 방법에 기반한 데이터 중심 가중치 모델에 사용되는 통계 방법은 산사태 영향 요소 간의 관계와 각 영향 요인과 산사태 재해 간의 관계를 충분히 고려한 것입니다. 영향 요인에 대한 독립성 분석을 통해 가장 중요한 영향 요인을 파악합니다. 이를 바탕으로 각 영향 요인의 가중치를 계산합니다.
일곱째, 비선형 모델 예측 방법
BP 신경망 방법이라고도 하는 비선형 모델 예측 방법은 샘플 세트의 입출력 문제를 비선형 최적화 문제로 변환하여 예측 모델을 만드는 것입니다.
지질 재해 시스템의 복잡성으로 인해 간단한 선형 방정식으로 표현하기가 어렵기 때문에 비선형 예측 모델의 배치가 빠르게 발전하고 있습니다. 예를 들어 프랙털 이론은 지질 재해 시스템의 자기 유사성을 연구하여 지질 재해의 운동 법칙을 연구하는 것이다. 이순민은 프랙털 이론을 적용해 지역 산사태 재해 활동의 자기 유사 구조적 특징을 연구한 결과 지질재해 활동이 고조되기 전에 뚜렷한 차원 강하 현상이 있음을 발견했다. 오충루와 황국명은 프랙털 이론에 따라 산사태 변형 불안정 판정과 산사태 크립상 공간 모형을 제시했는데, 이것은 새로운 지질재해 시간 예측 사상이다. 자기 조직 이론은 지질 재해의 복잡한 시스템이 무질서에서 질서 정연한 자기 조직 과정으로 어떻게 진화했는지 탐구했다. 돌연변이 이론은 주로 비선형 시스템이 임계 불안정할 때의 돌연변이 행동을 정량적으로 묘사하여 지질 재해 시간 예측을 위한 새로운 방법을 제공한다. 프랙털 이론은 기하학적인 관점에서 시스템의 각 계층 간의 자기 유사성을 검토하고 이를 지질 재해의 프로세스 설명 및 프로세스 예측에 적용하여 복잡성을 간단하고 질적으로 정량적으로 변화시킵니다. 카오스 역학은 진화 과정에서 비선형 지질 재해 시스템의 비가역성과 진화 행동의 초기 값에 대한 민감성을 논의했다.
인공신경망 (ANN) 은 천연뉴런과 비슷한 대량의 인공뉴런이 광범위하게 서로 연결된 네트워크이다. 네트워크의 정보 처리는 뉴런 간의 상호 작용을 통해 이루어지며, 지식과 정보의 저장은 네트워크 요소 간의 분산된 물리적 연결을 특징으로 한다. 네트워크 학습 및 식별은 각 뉴런의 연결 가중치 시스템의 동적 진화 과정에 따라 달라집니다. 인공 신경망은 초대형 비선형 연속 시간 어댑티브 정보 처리 시스템입니다. 현재, 인공 신경망의 응용은 이미 많은 분야에 침투하여 학습 인식과 계산을 위한 새로운 현대적인 방법을 제공하였다.
인공신경망은 사용하기 쉽고, 정보 처리 과정은 인간의 뇌와 비슷한 블랙박스입니다 (그림 1-6 참조). 실제 응용에서는 표면 입력 출력만 처리하고 내부 정보 처리 과정은 보이지 않는다. 신경 네트워크의 내부 원리를 이해하지 못하는 사람도 자신의 문제를 이 네트워크에 맡겨 해결할 수 있다. 네가 너의 예를 일정 기간 공부하게 하면 관련 문제를 해결할 수 있다. 이것은 지질 재해 예측 이론의 기본 원리와 사상에 부합한다.
그림 1-6 신경망 정보 처리 다이어그램
인공신경망은 생물신경계의 다양한 조직 계층과 추상계층의 시뮬레이션에 따라 인공신경망을 여러 유형으로 나눌 수 있다. 현재 인공신경망 모델은 40 여 가지가 있다. 지질 재해 예측 평가를 위한 다층 피드 포워드 신경망 모델 (BP 모델) 은 현재 가장 널리 사용되고 가장 빠르게 성장하는 신경망 모델입니다 (그림 1-7 참조). 입력 레이어, 출력 레이어 및 하나 이상의 숨겨진 레이어를 포함하는 계층 구조를 사용합니다.
그림 1-7 BP 네트워크 모델
실제로 BP 모델은 샘플 세트의 입/출력 문제를 비선형 최적화 문제로 바꿨습니다. 우리는 이 모델을 입력에서 출력으로의 매핑으로 볼 수 있으며, 매우 비선형적이다. 입력 노드 수가 N 이고 출력 노드 수가 M 인 경우 신경망은 N 차원 유클리드 공간에서 M 차원 유클리드 공간으로의 매핑을 나타냅니다.
예측 및 식별 과정에서 표준 샘플 선택이 예측 성공의 열쇠입니다. 일반적으로 학습 샘플은 예측 대상의 모든 상태를 포괄하고 광범위한 대표성을 갖는 것이 가장 좋습니다. 네트워크 구조를 결정할 때 일반적으로 숨겨진 3 계층 BP 모델은 임의의 정밀도로 연속 함수를 시뮬레이트할 수 있습니다. 숨겨진 레이어 노드 수가 너무 적어서 입력 레이어와 출력 레이어 간의 관계를 효과적으로 매핑할 수 없습니다. 너무 많아서 수렴 속도가 너무 느리다. 따라서 중간 계층의 노드 수 선택은 이상적인 노드 수를 얻기 위해 반복적인 미적분 훈련이 필요합니다. 계산 과정에서 효율성을 높이기 위해 입력 노드의 수와 교육 샘플의 차원을 적절히 줄여 네트워크의 안정성을 높일 수 있습니다. 동시에, 펄스 항목 방법을 늘리거나 학습률 및 * * * 멍에 그라데이션 방법을 적응적으로 조정하여 반복 수렴 속도를 높일 수 있습니다.
BP 모델이 지질 재해 위험 구역에 적용될 때 샘플 영역 내의 표준 샘플을 학습하여 해당 예측 네트워크를 설정할 수 있으므로 예측 영역으로 확대하여 예측할 수 있습니다. 인터넷 입력층의 변수는 지질재해 발생에 영향을 미치는 주요 요인에 해당한다. 변수는 이진 변수 또는 특정 관찰 데이터일 수 있습니다. 물론 변수 간에 단위 또는 수량 차이가 있기 때문에 변수 데이터를 정규화하거나 표준화해야 합니다. 출력층은 지질 재해 예측 등급의 분류 (매우 높음, 높음, 중간, 낮음, 매우 낮음) 또는 위험 수준의 구체적인 수치 표현 (예: 안정 계수, 파괴 확률 등) 에 해당합니다. 이를 위해서는 샘플 영역의 연구 정확도가 더 높고 지표가 더 세밀해야 합니다.
여덟, 지질 학적 위험 분석 및 GIS 기술
지리정보시스템 (GIS) 은 컴퓨터과학, 정보과학, 현대지리학, 원격감지지도, 환경과학, 도시과학, 우주과학, 관리과학, 현대통신기술을 하나로 통합한 신흥학과다. 특히 GIS 는 다양한 지리 정보 및 해당 캐리어 (문자, 데이터, 차트, 주제지도 등) 를 입력, 저장, 검색, 수정, 측정, 계산, 분석 및 출력하는 기술 시스템입니다. ). GIS 의 주요 기능은 수집, 저장, 관리, 분석, 다양한 데이터 출력, 데이터 유지 관리 및 업데이트, 지역 공간 분석, 다변량 종합 분석 및 동적 모니터링입니다. GIS 는 기존의 데이터베이스 관리 시스템 (DBMS) 과 마찬가지로 숫자 및 문자 (속성) 정보뿐만 아니라 공간 (도면) 정보도 관리할 수 있습니다. 다양한 공간 분석 방법을 활용하여 다양한 정보를 종합적으로 분석하고, 공간 엔티티 간의 관계를 발견하고, 특정 지역에 분산된 현상과 프로세스를 분석하고 처리할 수 있습니다. 현대 지리 정보 시스템은 풍부하고 포괄적인 공간 분석 기능을 제공하는 지능형 GIS 방향으로 발전하고 있습니다. 지능형 GIS 는 강력한 공간 모델링 기능을 갖추고 있어 전문적이고 종합적이며 통합된 지질 분석 모델을 구축하고 구체적인 실제 작업을 완료하여 이전에 지구 과학자만이 해결할 수 있었던 문제를 해결할 수 있습니다.
GIS 는 공간 정보와 관련된 다양한 기술 및 학과를 유기적으로 통합하여 공간 운영 및 모델 분석을 통해 다양한 데이터 소스의 공간 및 비공간 데이터와 결합하여 계획, 관리 및 의사 결정에 유용한 정보 제품을 제공합니다. GIS 는 지질 정보를 이해하고 이해할 수 있는 새로운 방법을 제공하며, 강력한 공간 분석 기능과 공간 데이터베이스 관리 기능은 지역 지질 재해를 연구하는 과학적이고 편리한 새로운 방법을 제공합니다.
디지털 지구의 핵심 기술 중 하나로, GIS 는 거의 40 년간의 발전을 거쳐 점점 더 성숙한 공간 데이터 처리 기술과 방법이 되었습니다. 그것은 토지 자원 조사, 환경 품질 평가, 지역 계획 및 설계, 공공 시설 관리 등의 분야에서 널리 사용되는 지질 정보를 이해하고 이해하는 새로운 방법을 제공합니다. 지질 재해 연구 분야에서 GIS 기술의 응용은 초기 다중 소스 데이터 수집의 데이터 관리, 디지털 입력 및 그래픽 출력에서 디지털 고도 모델 및 디지털 지상 모델 사용, GIS 와 재해 평가 모델을 결합한 확장 분석, GIS 와 의사 결정 지원 시스템의 통합, GIS 가상 현실 기술의 적용 등으로 발전했습니다. , 그리고 점진적으로 개발되고 깊이 적용되었습니다.
각종 지질 재해는 모두 지구 표면의 일정한 공간 범위와 일정 시간 범위 내에서 발생한다. 서로 다른 유형의 지질 재해와 같은 유형의 지질 재해를 가진 개체마다 다른 형태와 형성 메커니즘이 있지만, 모두 재해 수태 환경과 트리거 요소 상호 작용의 결과이며 모두 공간 정보와 밀접한 관련이 있다. GIS 기술을 사용하면 다양한 지질 재해와 관련 정보를 관리할 수 있을 뿐만 아니라, 지질 재해의 발생과 환경 요인 사이의 통계적 관계를 다양한 시공간적 규모로 분석하여 다양한 지질 재해의 발생 확률과 발생 가능한 결과를 평가할 수 있습니다. 지질재해지역도는 종합지도에 속하며 일정 기간 동안 정적인 특징을 가지고 있어 지속적으로 업데이트해야 한다. 특히 새로운 지질 재해가 발생할 때는 제때에 개정해야 한다. GIS 기술의 공간 분석, 제도 기능, 시각화 등의 특징으로 인해 GIS 기술은 지질 재해 구역 연구에서 급속히 발전하고 있다. GIS 소프트웨어를 기반으로 한 지질 재해 위험, 취약성 및 위험 평가에 대한 체계적인 연구가 점차 이 분야의 발전 방향으로 자리잡고 있으며, 가까운 장래에 네트워크 기술과 결합될 가능성이 있습니다.
외국, 특히 선진국에서는 지질 재해 분야에서 GIS 기술의 응용에 많은 노력을 기울였다. 1980 년대 이후 데이터 관리, 다중 소스 데이터 수집, 데이터 입력 및 그래픽 출력, 디지털 고도 모델 및 디지털 지형 모델 사용, GIS 와 재해 평가 모델을 결합한 확장 분석, GIS 와 DSS (의사 결정 지원 시스템) 통합 및 GIS 가상 현실 기술 사용에 이르기까지 GIS 기술의 응용이 지속적으로 발전하고 널리 사용되고 있습니다. 산사태 재해 연구 분야에서 GIS 기술의 응용은 이미 비교적 성숙했으며, 주로 다음과 같은 측면에 나타난다.
(1) GIS 기반 산사태 재해 정보 관리 시스템 구축 킨 제임스 M. (1992), 바하리만 (1998), 브리즈노먼 B. (1998) 등 GIS 를 역사적 산사태 재해 데이터의 관리 및 예측 결과에 적용하는 제도 표현입니다.
(2) GIS 기술과 다양한 평가 모델을 결합하여 산사태 위험 예측에 적용합니다. 마투라 (1987), 라이카스 E. (1995), 랜달 (1998), 다카르 아모데사갈 (/ GIS 의 공간 분석 기능과 예측 모델을 결합하여 산사태 예측 계수의 공간 중첩을 완료하고 산사태 위험 평가를 수행합니다.
(3) GIS 기반 산사태 위험 분석, 예측 및 관리 엘렌 (1994), 르로이 (1996), 본자 (1996), 카스타네다 오스카 e. Aleotti(2000) 는 산사태 위험에 영향을 미치는 요소로부터 GIS 의 공간 분석 기능을 사용하여 요소를 중첩하고, 위험 평가를 실현하며, GIS 의 정보 관리 기능과 결합하여 재해 정보를 관리하고, 결국 관리 결정을 내려 방재 및 완화의 목적을 달성합니다. 현재 RS 와 GIS 의 긴밀한 결합은 해외 산사태 재해 예측 분야에서 기본적으로 이뤄졌으며, 3S 기술의 결합은 일부 프로젝트에서도 이뤄졌다.
GIS 기술에 기반한 지질재해 평가는 우리나라에서 늦게 시작되었으며, 아직 성숙하고 실용적인 지질재해 예측 평가 GIS 시스템이 없다. 강운과 왕란생 (1994) 은 GIS 기술을 산지도시 지상암반의 안정성 관리 및 제어에 적용하고 충칭시를 전형적인 연구 대상으로 지면암체의 변형과 파괴에 대한 시공간적 예측을 진행했다. 한편, 도시 지질 환경과 토지공학 이용의 제약 관계를 분석하여 GIS 정보 저장, 조회, 공간 중첩 연산, DEM 모델 등의 기능을 적용함으로써 토양 비옥도를 분류하고 사면 안정성 종합 평가 구역도를 편성한다. 레이, 장효진 (1994) 은 GIS 기술을 암용붕괴 평가에 적용해 연구구 암용붕괴 위험성평가와 구분을 완성했다. 청두공대 (1998) 는 중국 지질환경감시원, 국토자원부 삼협지질재해방지본부와 합작하여' 지질재해정보시스템 및 방치결정지원시스템' 을 개발해 전국 지질재해조사와 종합평가시스템을 초보적으로 구축했다. 중국 국토자원경제연구소, 중국 지질대학, 중국 지질과학원 암용지질연구소, 국토자원부 물리지질데이터센터 (2002) 가 공동으로' 전국 지질재해위험구역' 중점 프로젝트를 진행한 결과 국산 소프트웨어 MAPGIS 를 이용해 GIS 기반 중국 소형 산사태, 산사태류, 암용붕괴위험평가 (지질재해위험평가 포함) 를 실시했다 Zhu Liangfeng 등은 MAPGIS 소프트웨어 플랫폼에서 국내 저작권이있는 지질 학적 위험 평가 시스템인 RISKANLY 를 개발했습니다. GIS 기술을 기반으로 한 이 지질 재해 위험 분석은 방법이 가능할 뿐만 아니라 기술적으로 진보하여 지질 재해 위험 분석의 발전 방향을 대표한다. 물론 지질 재해 위험 분석 모델과 지역 사회 경제적 취약성 분석 모델은 모두 실천에서 더 연구하고 발전시켜야 하는데, 이는 지질 재해의 본질적 속성에 대한 인류의 인식이 점차 깊어짐에 따라 끊임없이 발전해야 한다는 것이 분명하다.
우리나라 사회경제의 빠른 발전과 도시화 과정이 가속화됨에 따라 붕괴, 산사태, 산사태류, 지상 붕괴 등 지질재해의 폭과 깊이도 급속히 증가하고 있기 때문에 지질재해의 지역 시공예측을 더욱 중시할 필요가 있다. 지질 재해의 원인은 복잡하고, 관련 요인이 많으며, 공간 정보와 밀접한 관련이 있다. 따라서 GIS 기술은 지질 재해와 관련된 다양한 공간 정보를 관리할 수 있을 뿐만 아니라, 다양한 공간과 시간 척도에서 지질 재해의 발생과 환경 요인 사이의 통계적 관계를 분석하여 지질 재해의 발생 위험과 가능한 재해 범위를 평가할 수 있습니다. 따라서 GIS 기반 지질 재해 위험 평가와 구분은 향후 중국 사회경제 발전에서 중요한 역할을 할 것이다.
아홉. 요약
지질 재해 위험 평가에는 두 가지 중요한 측면이 있습니다. 하나는 지질 재해 발생 가능성이고, 다른 하나는 인간, 사회, 환경이 지질 재해를 막을 수 있는 능력입니다. 따라서 지질 재해의 정의는 국제 용어 지질 재해를 채택한다. 이 책은 과학성과 보편성의 원칙을 따르고 있으며, 최근 몇 년간 우리나라 지질재해위험평가 분야에서 초보적으로 형성된 용어의 대표적 표현과 결합해 유네스코가 제시한 통일된 정의를 바탕으로 지질재해위험평가에 관련된 기본 용어의 정의는 다음과 같다.
(1) 위험 수준 h (위험). 잠재적 지질재해 현상이 특정 지역 내 일정 기간 동안 발생할 확률.
(2) 허점 5 (허점). 취약성은 0- 1 으로 나타낼 수 있습니다. 여기서 0 은 무손실, 1 은 전체 손실을 나타냅니다.
(3) 재해 e (위험 요소). 특정 지역 내에서 지질재해로 위협받는 다양한 대상으로는 인구, 재산, 경제활동, 공공시설, 토지, 자원, 환경 등이 있다.
(4) 위험 수준 r (위험). 재해체는 각종 지질재해의 습격을 받아 직접적이고 간접적인 경제적 손실, 인명 피해, 환경 파괴를 초래할 수 있다. 위험은 위험도, 취약성, 재해체 가치의 곱과 같다.
위험도 (R)= 위험도 (H)× 취약성 (V)× 재해 가치 (e)