高性能数字地形分析与滑坡敏感性研究

Landslide poses significant threat to infrastructure, property and human life. Therefore, the landslide susceptibility assessment and early warning research is one of the priorities and frontier in current landslide disaster and environmental geology research, particularly in regional scale. Based on the remarkable achievement in the research of high-performance computing, digital terrain analysis and hydrological modeling, as well as the real-time rainfall-runoff physical model, this project proposes a hybrid scale-adaptive landslide susceptibility analysis model research to establish a high-performance computing-based cloud-enabled early warning platform. The research contents include: (1) By statistical modeling of the relationship among environmental parameters and historical landslide occurrence, the landslide pre-conditions and causative factors are to be extracted; (2) Constructing multi-scale flow path network model to model and simulate the rainfall-runoff process, to analyze and refine the current hydrological model. Therefore, hybrid scale-adaptive landslide susceptibility model could be established; (3) Investigating to the issue to spatial-temporal scale optimalization of specific application; (4) Constructing cloud-computation platform for verifying and refining the models based on high-performance computing technology, improving the algorithms and models by parallelization and optimization, and achieving the real-time dynamic landslide early warning services. Through the open cloud-service platform, this project is expected to facilitate the sharing and collaboration of landslide research and contribute to land use planning decision making and disaster mitigation effort.

滑坡严重威胁人民群众的生命财产和各种工程安全，开展滑坡灾害危险性评价和滑坡灾害预测预报研究是当今国际滑坡灾害研究和环境地质研究领域的前沿课题，区域性的、超前性的预测研究迫在眉睫。借鉴高性能计算、数字地形分析与水文建模的研究成果，本项目拟对实时降雨-径流过程进行物理建模，提出混合尺度自适应滑坡敏感性模型，建立基于高性能计算的滑坡早期预警云服务平台。研究内容包括：（1）通过对环境变量与滑坡的统计建模，挖掘滑坡前期条件与关键触发因子；（2）构建多尺度流水线网络模型，对降雨-径流过程进行建模和仿真，定量分析并改进现有水文模型，提出混合尺度自适应的滑坡敏感性模型；（3）研究面向应用场景的最佳时空尺度优化问题；（4）搭建基于高性能计算的滑坡实时动态早期预警云服务平台，进行算法并行化与模型优化验证。本项目拟通过建立开放性云服务平台，试图促进滑坡的成果共享与合作研究，进一步为防灾减灾提供科学决策支持。

滑坡严重威胁人民群众的生命财产和各种工程安全，开展滑坡灾害危险性评价和滑坡灾害预测预报研究是当今国际滑坡灾害研究和环境地质研究领域的前沿课题，区域性的、超前性的预测研究迫在眉睫。借鉴高性能计算、数字地形分析与水文建模的研究成果，本项目拟对实时降雨-径流过程进行物理建模，提出混合尺度自适应滑坡敏感性模型，建立基于高性能计算的滑坡早期预警云服务平台。研究内容包括：（1）基于重庆箐林溪流域、香港大屿山、新疆开都河流域、北美Peacheater Creek流域等数据采集和分析，研究了环境变量与滑坡之间的相互作用关系，通过对环境变量与滑坡的统计建模，挖掘滑坡与关键触发因子；（2）基于多尺度数字地形分析技术，以不规则三角网为数字地面模型的河网汇流算法，提出了一种增强型的流水线网络跟踪算法，用以应对传统数字地面模型坡面跟踪过程中由于坑点与平坦区域而产生结果不一致的情况，进一步提出了一种改进的水文约束的不规则三角网模型，用以支撑地表坡面随机采样点的河网汇流过程。构建多尺度流水线网络模型，在此基础上设计并实现了以产流坡面的水量平衡方程和汇流河道的水文动力方程为基础的降雨-径流过程，并基于粒子系统对降雨-径流过程进行建模和仿真，定量分析并改进现有水文模型，提出混合尺度自适应的滑坡敏感性模型；（3）基于多个试验区域的数据，分析降雨-径流过程模型的敏感性，研究面向应用场景的最佳时空尺度优化问题；（4）基于亚马逊云计算平台，搭建基于高性能计算的滑坡实时动态早期预警云服务平台，进行算法并行化与模型优化验证。多核并行计算的结果表明，通过增加运算单元的数量，能有效降低相应的运算时间，提高运算效率，而加速比也呈现出一定的线性趋势。本项目通过建立开放性云服务平台，试图促进滑坡的成果共享与合作研究，进一步为防灾减灾提供科学决策支持。

内容获取失败，请点击重试