摘要：山区水利工程、交通工程建设等往往产生大量的弃渣堆积体,其稳定性对生态环境和工程设施的安全运行至关重要。因此,弃渣场的稳定性评价和失稳后的危险性预测对于弃渣场位置选择和设计具有重要意义。某抽水蓄能电站最大的弃渣场位于天然冲沟上游沟脑,容积约700×10^(4) m^(3),最大高度240 m,冲沟中、下游右岸拟建地面开关站、地面通风洞出口、地面排风平台等设施。为了评价弃渣场失稳后对沟内建筑物的影响,首先基于弃渣场及冲沟工程地质条件评价了弃渣场稳定性,然后采用三维离散元颗粒流软件(particle flow code, PFC)研究了弃渣场失稳后的动力过程及其对沟内设施的危害性。结果表明:虽然渣场在天然状态下处于稳定状态,但在持续强降雨作用下仍可能发生失稳滑动,堆渣体失稳后将向冲沟下游运动,并与岸坡发生2次强烈碰撞,最终堆积在冲沟内,通风洞出口、地面排风平台将会受到冲击并被掩埋。由此可见,上述分析将为渣场及沟内设施的设计提供科学指导,并为同类工程危险性预测提供一种可以借鉴的方法。

摘要：诺木洪地区是青海省重要的枸杞种植基地,针对主要植被类型进行准确和快速提取对于种植业的可持续发展具有关键意义。然而,诺木洪地区所属的干旱区具有稀疏的植被覆盖和土壤背景影响显著的特点,仅使用少数遥感源或部分特征无法满足干旱区植被提取的要求。因此,整合多种遥感数据源,挖掘植被分类显著特征,并尝试不同的分类优化方法,在提高干旱区植被分类精度和可靠性方面具有重要意义。本研究基于谷歌地球引擎(Google Earth Engine,GEE)平台,使用Sentinel-1合成孔径雷达(Synthetic Aperture Radar,SAR)数据、Sentinel-2光学数据,探讨了红边光谱、纹理以及雷达特征对干旱区植被类型提取的重要性,验证了利用基尼指数(Gini Index,Gini)寻找最优特征组合的可行性,结合支持向量机算法对2021年青海诺木洪地区地物类型进行提取,并对最终的分类结果优化处理。研究表明:(1)Sentinel-2红边指数、纹理信息和Sentinel-1雷达波段有利于植被信息提取,分类总体精度和Kappa系数分别达到了95.51%和0.9406;(2)根据Gini指数得到特征重要性,将分类特征由29个压缩至17个,且表明雷达极化特征、光谱特征和纹理特征对于分类的重要性依此递减;(3)使用简单非迭代聚类算法以及邻域滤波投票决策融合方法,不仅最优总体精度和Kappa系数达到了96.06%和0.9479,且针对孤点类型的噪声也有较好的抑制效果。本研究利用GEE遥感云平台和多源遥感数据以及机器学习算法,能够准确、快速、高效地提取大尺度范围干旱区地物信息,具有较大的应用潜力。