УДК 528.722(076)

МЕТОДИКА ОЦЕНКИ ОПОЛЗНЕВОЙ УСТОЙЧИВОСТИ КРЫМА С ПОМОЩЬЮ ГИС

Кривогуз Денис Олегович
Керченский государственный морской технологический университет

Аннотация
В статье рассматривается методика определения устойчивости оползневых процессов, классифицируются факторы процессов оползнеобразования. Автором предлагается способ расчета степени устойчивости, основанный на весе каждого фактора в общем процессе оползнеобразования.

Ключевые слова: ГИС, оползневой инвентарь, Оползневые процессы, факторы оползнеобразования


METHODOLOGY FOR EVALUATION OF THE CRIMEAN LANDSLIDE SUSCEPTIBILITY WITH GIS

Krivoguz Denis Olegovich
Kerch State Maritime Technological University

Abstract
Article describes and classifies the methods of determining the stability of the landslide processes, factors of landslide processes. The author proposes a method of calculating the degree of stability, based on the weight of each factor in the overall process of landslides.

Keywords: GIS, landslide factors, landslide inventory, landslides


Рубрика: 25.00.00 НАУКИ О ЗЕМЛЕ

Библиографическая ссылка на статью:
Кривогуз Д.О. Методика оценки оползневой устойчивости Крыма с помощью ГИС // Современные научные исследования и инновации. 2016. № 11 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2016/11/72166 (дата обращения: 20.11.2016).

Введение. В современной практике существует довольно много способов в той или иной мере определить степень устойчивости оползневых процессов. Наиболее активно используются методы Cees van Westen который считает, что оптимальным способом нахождения уровня устойчивости является расчет весовых показателей оползневого инвентаря с последующей их агрегацией и нахождением ключевых драйверов [4].

Целью исследования было нахождение наиболее оптимального способа определения оползневой устойчивости на территории Республики Крым. Необходимость определения показателей оползневой устойчивости состоит в том, что проблема оползневых процессов стоит особо остро. Проявляясь преимущественно на территории южного берега Крыма и прибрежных районах Керченского полуострова и Феодосии, они несут угрозу, при своей активизации, не только экономическому сектору, путем разрушения туристических маршрутов и маршрутов между городами-курортами, но и жизни туристов. Так же при их активизации могут быть нарушены уникальные крымские ландшафты, памятники природы и достопримечательности.

Материалы и методы исследования.

Оползневой инвентарь, согласно Guzetti, представляет собой совокупность геопространственных данных, описывающих различные параметры, влияющие на протекание оползневого процесса. Основываясь на работах Bonaventura F, L. Metz, A. N. Bear-Crozier и Dou J [1–3] анализу подвергаются в основном морфометрические данные, литологические и иногда климатические.

Эти данные можно разделить на две группы – основные и дополнительные.

К основным данным относится информация, характеризующая главные параметры оползнеобразования – рельеф территории, геологические или литологические данные и показатели среднего количества осадков данной местности. [1]

К дополнительным данным – сейсмические данные, свойства почв, гидрологические данные, удаленность от рек и морей, растительность, данные антропогенной деятельности, показатели плотности населения, инфраструктура.

Так же существуют несколько популярных автоматизированных моделей для расчета устойчивости и стабильности склонов SHALSTAB и ANGMAP. Не смотря на их широкое распространение они основаны всего лишь на использовании ЦМР не некоторых сопутствующих параметров, что не может в полной мере дать объективную оценку протекающим процессам.

С точки зрения Республики Крым будет более рационально использование наряду с геоморфометрическими и литологическими параметрами так же антропогенных, климатических и сейсмических. Необходимость данного подхода обусловлена тем, что во многих регионах исследования данные параметры предположительно могут выходить на первый план и пренебрегать ими не представляется возможным.

Для формирования оптимального оползневого инвентаря, при проведении анализа Республики Крым, кажется разумным использование следующих геопространственных данных:

-     Уклон поверхности (Slope)

-     Кумулятивный сток (Flow accumulation)

-     Среднегодовой уровень осадков (Total rainfall)

-     Индекс мощности потока (Stream power index)

-     Индекс шероховатости поверхности (Terrain ruggedness index)

-     Землепользование (Landuse)

-     Почвы (Soils)

-     Сейсмическая активность (Seismic activity)

-     Плотность населения (Population density)

-     Уровень вегетации (NDVI)

Результаты исследования и их обсуждение

Классификация исходных данных проводится с помощью следующих классификаторов, представленных ниже.

Таблица 1. Классификатор для уклона поверхности.

Критерий

Класс

Показатель опасности

Описание

Крутизна (о)

Ровный

0 – 8

1

Очень низкий

Относительно ровный

8 – 15

2

Низкий

Средний

15 – 25

3

Средний

Крутой

25 – 45

4

Высокий

Очень крутой

> 45

5

Очень высокий

Таблица 2. Классификатор для данных по землепользованию.

Тип землепользования

Класс

Водоемы (реки, озера)

1

Лесистая местность, лесополосы

2

Смешанная растительность

3

Земли с/х оборота, голая почва

4

Селитебная зона

5

Таблица 3. Классификатор для индекса вегетации NDVI.

Показатель

Класс

> 0,6

1

0,6 – 0,4

2

0,2 – 0,4

3

-0,2 – 0,2

4

< -0,2

5

Таблица 4. Классификатор для уровня залегания почвенного слоя.

Описание

Глубина (см)

Класс

Очень высокая

0 – 30

1

Высокая

30 – 60

2

Средняя

60 – 90

3

Глубокая

90 – 150

4

Очень глубокая

> 150

5

Таблица 5. Классификатор для типа почв.

Тип почв

Класс

Суглинистые

1

Глинистые

2

Супесчаные

3

Тяжелая глина

4

Легкая глина

5

Таблица 6. Классификатор для индекса мощности потока.

Показатель

Класс

< -0,1

1

-0,1 – 0,1

3

> 0,1

5

Таблица 7. Классификатор индекса шероховатости поверхности.

Степень шероховатости

Класс

Очень шероховатая

1

Шероховатая

2

Средняя

3

Гладкая

4

Очень гладкая

5

Таблица 8. Классификатор для кумулятивного стока.

Бинарный показатель

Класс

0

1

1

5

Таблица 9. Классификатор для плотности населения

Плотность населения (на 100 м2)

Класс

<5

1

5-10

2

10-15

3

15-20

4

>20

5

Таблица 10. Классификатор для среднегодового количества осадков.

Среднегодовое количество осадков (мм)

Класс

<200

1

200 – 400

2

400 – 600

3

600 – 800

4

> 800

5

Таблица 11. Классификатор для сейсмической активности.

Сейсмическая активность (М)

Класс

< 3.5

1

3.5 – 5

3

> 5

5

После проведения классификации необходимо провести расчет весовых коэффициентов, позволяющих определить степень влияния каждого фактора в процесс оползнеобразования. Площадь фактора оползнеобразования учитывается для показателей со значениями 4 и 5.

Весовой коэффициент рассчитывается по формуле (1):

               (1)

где wi– весовой коэффициент фактора оползнеобразования,  – площадь фактора оползнеобразования,  - общая площадь исследуемой территории

Таким образом, общая формула для расчета территорий, потенциально подверженных оползневым процессам рассчитывается по формуле (2):

              (2)

где PL – потенциальные оползневые территории,  – весовой коэффициент фактора оползнеобразования,  - фактор оползнеобразования.

Выводы. Данный подход позволяет в полной мере учесть все особенности, которые могут в значительной мере повлиять на активизацию процессов оползнеобразвания. Его недостатком можно считать лишь направленность на понимание общей картины ситуации, так как рекомендуемые данные к использованию являются данными регионального масштаба, что затрудняет решение конкретных проблем связанных с оползневой деятельностью выборочного оползневого участка. С другой стороны, данный метод может себя хорошо проявить при решении проблем на уровне региона, что выражается в планировании социально-экономической и экологической деятельности.


Библиографический список
  1. Metz L., Bear-Crozier A.N. Landslide susceptibility mapping : A remote sensing based approach using QGIS 2 . 2 ( Valmiera ) / L. Metz, A.N. Bear-Crozier, Canberra: Geoscience Australia, 2014. 100 c.
  2. Wahono B.F.D. Applications of Statistical and Heuristic Methods for Landslide Susceptibility Assessments: A case study in Wadas Lintang Sub District, Wonosobo Regency, Central Java Province, Indonesia 2010. C. 106.
  3. Xu M. [и др.]. How Did Urban Land Expand in China between 1992 and 2015? A Multi-Scale Landscape Analysis // PLOS ONE. 2016. № 5 (11). C. e0154839.
  4. Кривогуз Д.О. Применение метода двумерного статистического анализа для определения оползневой чувствительности восточной части Керченского полуострова // Научная дискуссия: инновации в современном мире. 2015. (12). C. 7–12.


Все статьи автора «Кривогуз Денис Олегович»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться:
  • Регистрация