共查询到20条相似文献，搜索用时 109 毫秒
1.
2.
土地利用动态遥感监测已实施十余年,取得了丰硕的成果,在土地调查、耕地保护、土地监察等方面发挥了重要的作用。文中分析了土地利用动态遥感监测背景,结合实例研究了土地利用动态遥感监测技术及成果在土地利用调查、开发区监测、洪涝地质灾害评估等方面应用现状、存在问题,提出了扩大成果应用的建议。 相似文献
3.
5月30日下午,国土资源部召开全国主汛期与地震灾区地质灾害防治工作视频会议。国土资源部部长、党组书记、国家土地总督察徐绍史强调,中央高度重视次生地质灾害的防范工作,国土资源系统一定要认真学习领会,抓好贯彻落实。要加大力度,加快进度,落实责任,全力做好地质灾害防范工作。副部长、党组成员负小苏在会上进行了具体部署。党组成员、国家土地副总督察甘藏春主持会议,党组成员王瑞生出席。 相似文献
4.
5.
4月23日,国土资源部召开全国地质灾害防治表彰暨2007年度工作部署动员电视电话会议。会议对2007年度地质灾害防治工作进行部署动员,对先进集体和个人进行表彰。孙文盛等会前接见全国地质灾害防治工作先进集体和个人代表。李元宣读曾培炎为会议作出的重要批示并讲话,小苏讲话,汪民主持,王世元宣读表彰决定,王寿祥、甘藏春、王瑞生出席。4月19日,国家土地督察北京局揭牌仪式暨华北五省(区、市)土地督察工作座谈会在北京举行。国土资源部党组书记、部长、国家土地总督察孙文盛在会上强调,国家土地督察是一项光荣而艰巨的伟大事业。我们一定要… 相似文献
6.
5月23日,国土资源部部长、党组书记、国家土地总督察徐绍史在陕西检查指导地质灾害防治工作时强调,要加强地质灾害排查巡查,恢复完善群测群防体系,为灾后恢复重建提供服务。 相似文献
7.
为减轻和防止地质灾害给国家经济建设带来的损失，根据国土资源部《关于实行建设用地地质灾害危险性评估的通知)和省国土资源厅《关于实行建设项目地质灾害危险性评估有关问题的通知》精神，近日，秦皇岛市地矿局与市土地局联合发决定，对全市建设用地实行地质灾害危险性评估。今后，凡是在土地利用总体规划确定的城市建设用地范围外单独选址的建设项目；各县区具体安排的建设项目；以及土地利用总体规划确定的城市建设用地范围内位于地质灾害易发区和可能导致地质灾害发生的建设项目，在选址阶段必须进行地质灾害危险性评估。 相似文献
8.
首先通过建立崩塌、滑坡、泥石流等地质灾害体影像解译标志,进行了河南方城县的遥感地质灾害解译,共解译地质灾害点24处,其中崩塌10处、滑坡13处、泥石流1处;其次分析了河南省方城县地质灾害与与气象水文、地形地貌、地质构造、岩土体、土地覆盖等影响因素的关系;最后得出地形地貌是发生地质灾害的主控因素,岩土体及其物性特征是发生地质灾害的物质条件,地质构造是发生滑坡、崩塌的孕育因素,气象与水文是发生地质灾害的诱因的初步认识。 相似文献
9.
10.
11.
黄土高原地区地质灾害多发频发,危害严重,应用亚米级的高分二号(GF-2)卫星影像数据,提取地质灾害信息,并对室内解译结果进行了野外查证。本文提出了以GF-2卫星数据为主要信息源,进行地质灾害解译的技术方案;并以宁夏南部黄土高原区为例,验证了该方法的适用性,为规模化地开展基于国产高分系列卫星的黄土高原地区地质灾害遥感解译提供了可行的技术方案;通过GF-2卫星影像与常用的国内外卫星数据用于地质灾害信息判释的对比研究,认为GF-2卫星影像对于地质灾害信息的识别能够满足地质灾害遥感解译的要求,GF-2卫星影像的应用具有较高的性价比和显著的经济社会效益。 相似文献
12.
河北省泥石流、滑坡、崩塌灾害发育程度区划的初步研究 总被引：1，自引：1，他引：0
本文在利用遥感技术对河北省山区以泥石流为主的地质灾害进行详细研究的基础上,采用多因素评判法,对河北省山区地质灾害发育程度进行了分区划分,并圈定了需要重点监测和防御的灾害区段。该成果为河北省山区的地质灾害防治、减灾、救灾等工作提供了科学依据,具有重要的实用价值。 相似文献
13.
隐患识别是实现地质灾害从注重灾后救助向注重灾前预防转变的重要技术工作。本文以三峡库首秭归沙镇溪镇周边岸坡段顺层岩质滑坡隐患识别为基础,提出基于孕灾机理与综合遥感相结合的地质灾害隐患识别方法。首先,借助资料整理分析、遥感调查和现场调查等查明孕灾环境,并建立孕灾指标体系;其次,针对典型灾害体开展地质结构与致灾机理分析,以揭示典型孕灾模式,并建立综合遥感判识标志;再次,采用易发性分区评价,结合高分光学卫星遥感与InSAR等天基遥感变化检测技术,圈定隐患识别的易发重点靶区;然后,针对高易发靶区,利用无人机摄影测量、LiDAR等空基遥感技术识别疑似隐患体;最后,通过地面核查与专家判识,确认并圈定地质灾害隐患。利用该套技术方法,在工作区内共识别出8处地质灾害隐患,其中5处为具备孕灾模式但尚未出现明显变形的顺层岩质滑坡隐患体。结果表明,该套技术方法以查明孕灾环境及建立孕灾模式为核心与前提、以综合遥感探测为重要技术支撑,可以弥补目前主要依赖遥感变化探测开展隐患识别易造成精度较低甚至失效的缺陷,尤其适合于山高坡陡、植被覆盖茂密地区的隐蔽性、突发性地质灾害的隐患识别。 相似文献
14.
15.
苏门答腊岛DMC多光谱数据地质应用初步分析 总被引：4，自引：1，他引：4
利用灾后苏门答腊岛DMC32米多光谱遥感图像,经过几何精校正、主要地名标注、波段B2(R)、B1(G)、B3(B)组合和直方图正态增强处理制作了影像图,图像总体纹理信息较弱,但对海啸受灾区有突出作用。为了突出不同区域植被的色差和纹理信息,对影像图进行比值增强组合处理实验,比值增强处理后的图像对空间纹理有增强效果。依据DMC增强图像显示的纹理影像特征,通过人机交互方式对图像中有较明显规律的线状和环状纹理信息进行提取和制图,作为进一步分析该地区构造活动及与之相关地质灾害的基础依据。通过对图像的纹理信息综合分析,发现该地区存在着大量的线形纹理信息和一些环形和火山机构影像信息,这些影像特征可能与该地区的一些地质活动有关,如新构造运动、活动断裂和火山活动中心、火山机构等。结合已知的地质、遥感三维立体图像和早期的TM图像资料,根据遥感图像上显示的特殊的地形和水系、线性纹理分布特征和典型地质体与断裂构造的遥感解译标志,对部分线性影像和环状影像的地质意义进行了解译,认为北西断裂为岛内的主干断裂,其次是与其相垂直配套的北东向断裂。初步分析了可能控制或诱发该地区地质灾害的断裂分布特征,推断出三处泥石流、崩塌、滑坡等地质灾易发区和两处火山活动可能区域。所推断的地质灾害易发区具备了泥石流、崩塌、滑坡等灾害形成、流通、堆积等先决条件,如果植被遭到破坏,一旦遇到强降雨影响,极有可能诱发上述地质灾害。火山活动区均处于北东向断裂带与北西向断裂带的交汇部位,根据地质构造和遥感影像特征分析推断,区内地震及火山活动有可能受板块活动地震影响而再次激活,形成新的地质灾害。以上遥感地质信息,在进一步经过相关资料和实地调查证实后,对岛内灾后重建及减灾、抗灾等活动具有积极指导意义。 相似文献
16.
河北省泥石流、滑坡、崩塌灾害发育程度区划的初步研究 总被引：1，自引：0，他引：1
本文在利用遥感技术对河北省山区以泥石流为主的地质灾害进行详细研究的基础上，采用多因素评判法，对河北省山区地质灾害发育程度进行了分区划分，并圈定了需要重点监测和防御的灾害区段。该成果为河北省山区的地质灾害防治、减灾、救灾等工作提供了科学依据，具有重要的实用价值。 相似文献
17.
将攀枝花某尾矿库区作为一个重大危险源,利用三维激光扫描技术开展库区重点地区三维激光扫描,提取安全运行状态参数信息,同时,结合高分遥感数据,开展了库区安全监测分析。结果表明,三维激光扫描技术应用于矿山重大危险源监测,对企业和安全监管部门快速掌握与危险源安全密切相关的技术指标的最新动态,及时掌握危险源的运行状况和安全现状,提高危险源的安全性具有重要现实意义。 相似文献
18.
The current paper presents landslide hazard analysis around the Cameron area, Malaysia, using advanced artificial neural networks with the help of Geographic Information System (GIS) and remote sensing techniques. Landslide locations were determined in the study area by interpretation of aerial photographs and from field investigations. Topographical and geological data as well as satellite images were collected, processed, and constructed into a spatial database using GIS and image processing. Ten factors were selected for landslide hazard including: 1) factors related to topography as slope, aspect, and curvature; 2) factors related to geology as lithology and distance from lineament; 3) factors related to drainage as distance from drainage; and 4) factors extracted from TM satellite images as land cover and the vegetation index value. An advanced artificial neural network model has been used to analyze these factors in order to establish the landslide hazard map. The back-propagation training method has been used for the selection of the five different random training sites in order to calculate the factor’s weight and then the landslide hazard indices were computed for each of the five hazard maps. Finally, the landslide hazard maps (five cases) were prepared using GIS tools. Results of the landslides hazard maps have been verified using landslide test locations that were not used during the training phase of the neural network. Our findings of verification results show an accuracy of 69%, 75%, 70%, 83% and 86% for training sites 1, 2, 3, 4 and 5 respectively. GIS data was used to efficiently analyze the large volume of data, and the artificial neural network proved to be an effective tool for landslide hazard analysis. The verification results showed sufficient agreement between the presumptive hazard map and the existing data on landslide areas. 相似文献
19.
介绍如何利用遥感技术生成的三维可视化图进行相关的地质要素判读和铁路选线,分析对比线路工程地质条件,有一定的实际应用参考价值。 相似文献
20.
Approaches for delineating landslide hazard areas using different training sites in an advanced artificial neural network model 总被引：10，自引：0，他引：10
The current paper presents landslide hazard analysis around the Cameron area, Malaysia, using advanced artificial neural networks
with the help of Geographic Information System (GIS) and remote sensing techniques. Landslide locations were determined in
the study area by interpretation of aerial photographs and from field investigations. Topographical and geological data as
well as satellite images were collected, processed, and constructed into a spatial database using GIS and image processing.
Ten factors were selected for landslide hazard including: 1) factors related to topography as slope, aspect, and curvature;
2) factors related to geology as lithology and distance from lineament; 3) factors related to drainage as distance from drainage;
and 4) factors extracted from TM satellite images as land cover and the vegetation index value. An advanced artificial neural
network model has been used to analyze these factors in order to establish the landslide hazard map. The back-propagation
training method has been used for the selection of the five different random training sites in order to calculate the factor’s
weight and then the landslide hazard indices were computed for each of the five hazard maps. Finally, the landslide hazard
maps (five cases) were prepared using GIS tools. Results of the landslides hazard maps have been verified using landslide
test locations that were not used during the training phase of the neural network. Our findings of verification results show
an accuracy of 69%, 75%, 70%, 83% and 86% for training sites 1, 2, 3, 4 and 5 respectively. GIS data was used to efficiently
analyze the large volume of data, and the artificial neural network proved to be an effective tool for landslide hazard analysis.
The verification results showed sufficient agreement between the presumptive hazard map and the existing data on landslide
areas. 相似文献