CN110738378B - 一种山区泥石流灾害的预测方法和预测*** - Google Patents

一种山区泥石流灾害的预测方法和预测*** Download PDF

Info

Publication number
CN110738378B
CN110738378B CN201911048604.2A CN201911048604A CN110738378B CN 110738378 B CN110738378 B CN 110738378B CN 201911048604 A CN201911048604 A CN 201911048604A CN 110738378 B CN110738378 B CN 110738378B
Authority
CN
China
Prior art keywords
area
predicted
debris flow
mud
rainfall
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911048604.2A
Other languages
English (en)
Other versions
CN110738378A (zh
Inventor
贺子光
张玉娇
杨德磊
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huanghuai University
Original Assignee
Huanghuai University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Huanghuai University filed Critical Huanghuai University
Priority to CN201911048604.2A priority Critical patent/CN110738378B/zh
Publication of CN110738378A publication Critical patent/CN110738378A/zh
Application granted granted Critical
Publication of CN110738378B publication Critical patent/CN110738378B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/188—Vegetation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Mathematics (AREA)
  • Operations Research (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Algebra (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)

Abstract

本发明提供一种山区泥石流灾害的预测方法和预测***，预测方法包括如下步骤：获取待预测区域泥石流灾害发生的历史数据，根据泥石流灾害发生的历史数据得到泥石流灾害预测模型；泥石流灾害预测模型包括各季节的泥石流灾害预测子模型，泥石流灾害预测子模型包括泥石流强度与地表植被覆盖比例、坡度、地面土壤厚度、降雨量之间的关系；检测待预测区域的地表植被覆盖比例、坡度和地面土壤厚度，并获取待预测区域的降雨量信息；将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型，得到待预测区域的泥石流强度。本发明所提供的技术方案能够准确计算出待预测区域泥石流的强度。

Description

一种山区泥石流灾害的预测方法和预测***
技术领域
本发明属于地质灾害预测技术领域，具体涉及一种山区泥石流灾害的预测方法和预测***。
背景技术
泥石流是暴雨、洪水将含有沙石且松软的土质山体经饱和稀释后形成的洪流，它的面积、体积和流量都较大，而滑坡是经稀释土质山体小面积的区域，典型的泥石流由悬浮着粗大固体碎屑物并富含粉砂及粘土的粘稠泥浆组成。在适当的地形条件下，大量的水体浸透山坡或沟床中的固体堆积物质，使其稳定性降低，饱含水分的固体堆积物质在自身重力作用下发生运动，就形成了泥石流。泥石流是一种灾害性的地质现象。通常泥石流爆发突然、来势凶猛，可携带巨大的石块。因其高速前进，具有强大的能量，因而破坏性极大。
泥石流流动的全过程一般只有几个小时，短的只有几分钟，是一种广泛分布于世界各国一些具有特殊地形、地貌状况地区的自然灾害。这是山区沟谷或山地坡面上，由暴雨、冰雪融化等水源激发的、含有大量泥沙石块的介于挟沙水流和滑坡之间的土、水、气混合流。泥石流大多伴随山区洪水而发生。它与一般洪水的区别是洪流中含有足够数量的泥沙石等固体碎屑物，其体积含量最少为15％，最高可达80％左右，因此比洪水更具有破坏力。发生泥石流时，常常会冲毁公路铁路等交通设施，甚至会摧毁村镇，造成巨大的经济损失。因此为了降低经济损失，需要对可能发生泥石流的区域进行检测判断，预测泥石流发生的可能性和泥石流的强度。
现有技术中预测泥石流的方法都是根据经验进行判断的，如去年夏季下大雨造成了泥石流，那么今年夏天如果下大雨也会造成泥石流。由此可见，现有技术中对泥石流预测的可靠性较差。
发明内容
本发明提供一种山区泥石流灾害的预测方法和预测***，以解决现有技术中对泥石流预测可靠性较差的问题。
为实现上述目的，本发明采用如下技术方案：
一种山区泥石流灾害的预测方法，包括如下步骤：
(1)获取待预测区域泥石流灾害发生的历史数据，根据泥石流灾害发生的历史数据得到泥石流灾害预测模型；
所述泥石流灾害预测模型包括各季节的泥石流灾害预测子模型，泥石流灾害预测子模型包括泥石流强度与地表植被覆盖比例、坡度、地面土壤厚度、降雨量之间的关系；
(2)检测待预测区域的地表植被覆盖比例、坡度和地面土壤厚度，并获取待预测区域的降雨量信息；
(3)将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型，得到待预测区域的泥石流强度。
本发明所提供的技术方案，根据地表植被覆盖比例、坡度、地面土壤厚度和降雨量信息与泥石流强度之间的关系建立泥石流预测模型，并结合待预测区域的地表植被覆盖比例、坡度、地面土壤厚度和降雨量计算出待预测区域泥石流的强度。由于本发明所提供的技术方案充分考虑到了泥石流的影响因素，对泥石流的强度进行的量化的预测，所以得到的预测结果更加准确。
进一步的，所述泥石流预测子模型为：
T＝Ax+By-Cz-Dh
其中T为泥石流强度，x为坡度值，y为降雨量，z为植被覆盖比例，h为地面土壤厚度，A、B、C、D分别为坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值。
采用上述泥石流预测子模型不仅能够充分考虑到各种因素的影响，还能够减少计算量。
进一步的，所述坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值根据历史数据，采用线性回归法计算得到。
根据历史数据采用线性回归法，计算得到的坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值更符合实际情况。
进一步的，将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型时，先对其进行归一化处理。
进行归一化处理不仅能够保证数据的一致性，还能够减少计算量。
进一步的，所述待预测区域地表植被覆盖比例获取的方法为：首先获取待预测区域的整体俯视图，然后识别出其中植被覆盖的部分，最后计算出待预测区域地表植被覆盖比例。
采用图像的方法计算待预测区域地表植被覆盖比例，计算过程比较简单，且得到的结果更精确。
一种山区泥石流灾害的预测***，包括处理器和存储器，所述存储器上存储有用于在所述处理器上执行的计算机程序；所述处理器执行所述计算机程序时实现如下步骤：
(1)获取待预测区域泥石流灾害发生的历史数据，根据泥石流灾害发生的历史数据得到泥石流灾害预测模型；
所述泥石流灾害预测模型包括各季节的泥石流灾害预测子模型，泥石流灾害预测子模型包括泥石流强度与地表植被覆盖比例、坡度、地面土壤厚度、降雨量之间的关系；
(2)检测待预测区域的地表植被覆盖比例、坡度和地面土壤厚度，并获取待预测区域的降雨量信息；
(3)将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型，得到待预测区域的泥石流强度。
本发明所提供的技术方案，根据地表植被覆盖比例、坡度、地面土壤厚度和降雨量信息与泥石流强度之间的关系建立泥石流预测模型，并结合待预测区域的地表植被覆盖比例、坡度、地面土壤厚度和降雨量计算出待预测区域泥石流的强度。由于本发明所提供的技术方案充分考虑到了泥石流的影响因素，对泥石流的强度进行的量化的预测，所以得到的预测结果更加准确。
进一步的，所述泥石流预测子模型为：
T＝Ax+By-Cz-Dh
其中T为泥石流强度，x为坡度值，y为降雨量，z为植被覆盖比例，h为地面土壤厚度，A、B、C、D分别为坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值。
采用上述泥石流预测子模型不仅能够充分考虑到各种因素的影响，还能够减少计算量。
进一步的，所述坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值根据历史数据，采用线性回归法计算得到。
根据历史数据采用线性回归法，计算得到的坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值更符合实际情况。
进一步的，将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型时，先对其进行归一化处理。
进行归一化处理不仅能够保证数据的一致性，还能够减少计算量。
进一步的，所述待预测区域地表植被覆盖比例获取的方法为：首先获取待预测区域的整体俯视图，然后识别出其中植被覆盖的部分，最后计算出待预测区域地表植被覆盖比例。
采用图像的方法计算待预测区域地表植被覆盖比例，计算过程比较简单，且得到的结果更精确。
附图说明
图1是本发明方法实施例中山区泥石流灾害的预测方法的流程图。
具体实施方式
方法实施例：
本实施例提供一种山区泥石流灾害的预测方法，以解决现有技术中对泥石流预测可靠性较差的问题。
本实施例所提供的山区泥石流灾害的预测方法，其流程如图1所示，包括如下步骤：
(1)获取待预测区域泥石流发生的历史数据，并根据该历史数据建立待预测区域泥石流灾害的预测模型。
获取待预测区域的地质灾害历史数据，从中提取发生泥石流灾害的数据，并获取发生泥石流区域的地表植被覆盖比例、坡度和地面土壤厚度信息，以及发生泥石流的时间、发生时的降雨情况，得到待预测区域泥石流强度与地表植被覆盖比例、坡度、地面土壤厚度、降雨强弱之间的对应关系。
泥石流的发生一方面与季节有关，另一方面地表植被覆盖的面积越广泥石流的强度越低，地区的坡度越低泥石流的强度越低，地面土壤越厚泥石流的强度低，降雨量越大泥石流的强度越高，因此本实施例所建立的泥石流灾害预测模型中泥石流的强度与地表植被覆盖面积、地面土壤厚度呈负相关，与坡度、降雨量呈正相关。
本实施例所建立的泥石流灾害预测模型中按照季节进行分类，每个季节对应一个预测子模型。本实施例中的预测子模型为：
T＝Ax+By-Cz-Dh
其中T为泥石流强度，x为坡度值，y为降雨量，z为植被覆盖比例，h为地面土壤厚度，A、B、C、D分别为坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值。
根据历史数据对上述泥石流灾害模型进行计算，得到其中权值A、B、C、D的具体数值方法为：
首先进行归一化处理：将历史数据中泥石流最强的强度设为1，最弱的强度设为0，其余的按照强弱程度在0到1之间按照比例取值。设坡度为0时的坡度值为0，坡度为90度时坡度值为1，历史数据中的坡度值根据比例在0到1之间取值。设历史数据中降雨量最多的为1，降雨量最少的为0，其余降雨的历史数据按照比例在0到1之间取值。设历史数据中土壤厚度最厚的为1，最薄的为0，历史数据中的土壤厚度按照比例在0到1之间取值。
然后从归一化处理后的数据中，每个季节选取四组数据，将其分别代入到上述预测子模型中，得到各季节泥石流预测子模型中A、B、C、D的值，从而得到各季节的泥石流预测子模型。
(2)检测待预测区域的地表植被覆盖比例、坡度、地面土壤厚度信息。
本实施例中采用无人机对待预测区域进行航拍，得到待预测区域整体的俯视图像；然后采用图像识别的方法提取植被覆盖的面积，从而得到整个待预测区域的地表植被覆盖比例。待预测区域的坡度信息通过实际测量得到。地面土壤厚度信息采用取样法得到，即在待预测区域内均匀设置多个取样点，检测每个取样点的土壤厚度；然后判断是否有取样点的土壤厚度与其他取样点土壤厚度之间的差值大于设定值，如果有则将该取样点的土壤厚度删除；最后计算各土壤厚度的平均值，将其作为该区域土壤厚度。
(3)通过互联网的天气预报获取待预测区域的降雨量，对获取的待预测区域的降雨量、地面土壤厚度、坡度进行归一化处理，并将归一化处理后的输入代入到相应季节的泥石流预测子模型中，得到待预测区域的泥石流强度。
***实施例：
本实施例提供一种山区泥石流灾害的预测***，包括处理器和存储器，所述存储器上存储有用于在所述处理器上执行的计算机程序；处理器执行上述计算机程序时，实现如上述方法实施例中所提供的山区泥石流灾害的预测方法。

Claims (6)

1.一种山区泥石流灾害的预测方法，其特征在于，包括如下步骤：
(1)获取待预测区域泥石流灾害发生的历史数据，根据泥石流灾害发生的历史数据得到泥石流灾害预测模型；
所述泥石流灾害预测模型包括各季节的泥石流灾害预测子模型，泥石流灾害预测子模型包括泥石流强度与地表植被覆盖比例、坡度、地面土壤厚度、降雨量之间的关系；
(2)检测待预测区域的地表植被覆盖比例、坡度和地面土壤厚度，并获取待预测区域的降雨量信息；
(3)将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型，得到待预测区域的泥石流强度；
其中，所述泥石流预测子模型为：
T＝Ax+By-Cz-Dh
其中T为泥石流强度，x为坡度值，y为降雨量，z为植被覆盖比例，h为地面土壤厚度，A、B、C、D分别为坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值；
所述坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值根据历史数据，采用线性回归法计算得到。
2.根据权利要求1所述的山区泥石流灾害的预测方法，其特征在于，将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型时，先对其进行归一化处理。
3.根据权利要求1所述的山区泥石流灾害的预测方法，其特征在于，所述待预测区域地表植被覆盖比例获取的方法为：首先获取待预测区域的整体俯视图，然后识别出其中植被覆盖的部分，最后计算出待预测区域地表植被覆盖比例。
4.一种山区泥石流灾害的预测***，包括处理器和存储器，所述存储器上存储有用于在所述处理器上执行的计算机程序；其特征在于，所述处理器执行所述计算机程序时实现如下步骤：
(1)获取待预测区域泥石流灾害发生的历史数据，根据泥石流灾害发生的历史数据得到泥石流灾害预测模型；
所述泥石流灾害预测模型包括各季节的泥石流灾害预测子模型，泥石流灾害预测子模型包括泥石流强度与地表植被覆盖比例、坡度、地面土壤厚度、降雨量之间的关系；
(2)检测待预测区域的地表植被覆盖比例、坡度和地面土壤厚度，并获取待预测区域的降雨量信息；
(3)将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型，得到待预测区域的泥石流强度；
其中，所述泥石流预测子模型为：
T＝Ax+By-Cz-Dh
其中，T为泥石流强度，x为坡度值，y为降雨量，z为植被覆盖比例，h为地面土壤厚度，A、B、C、D分别为坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值；
其中，所述坡度值、降雨量、植被覆盖比例和地面土壤厚度的权值根据历史数据，采用线性回归法计算得到。
5.根据权利要求4所述的山区泥石流灾害的预测***，其特征在于，将待预测区域的地表植被覆盖比例、坡度、地面土壤厚度、降雨量信息代入相应季节的泥石流灾害预测子模型时，先对其进行归一化处理。
6.根据权利要求4所述的山区泥石流灾害的预测***，其特征在于，所述待预测区域地表植被覆盖比例获取的方法为：首先获取待预测区域的整体俯视图，然后识别出其中植被覆盖的部分，最后计算出待预测区域地表植被覆盖比例。
CN201911048604.2A 2019-10-31 2019-10-31 一种山区泥石流灾害的预测方法和预测*** Active CN110738378B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911048604.2A CN110738378B (zh) 2019-10-31 2019-10-31 一种山区泥石流灾害的预测方法和预测***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911048604.2A CN110738378B (zh) 2019-10-31 2019-10-31 一种山区泥石流灾害的预测方法和预测***

Publications (2)

Publication Number Publication Date
CN110738378A CN110738378A (zh) 2020-01-31
CN110738378B true CN110738378B (zh) 2023-09-12

Family

ID=69271966

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911048604.2A Active CN110738378B (zh) 2019-10-31 2019-10-31 一种山区泥石流灾害的预测方法和预测***

Country Status (1)

Country Link
CN (1) CN110738378B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113160521B (zh) * 2020-10-24 2022-09-02 深圳市北斗云信息技术有限公司 一种触发式泥石流检测方法、装置和***
CN114123169A (zh) * 2021-11-12 2022-03-01 国家电网有限公司 一种基于储能型柔性开关的配电网故障恢复方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472497A (zh) * 2013-08-23 2013-12-25 成都理工大学 沟道起动型泥石流暴发规模测算方法及应用
CN105260625A (zh) * 2015-11-19 2016-01-20 阿坝师范学院 一种滑坡地质灾害预警推送方法
CN106645650A (zh) * 2017-02-20 2017-05-10 长沙市玖车测控技术有限公司 一种具有预测功能的水土流失监测与预警***
CN109086935A (zh) * 2018-08-07 2018-12-25 中国地质环境监测院 一种区域地质灾害趋势预测方法
KR20190052484A (ko) * 2017-11-08 2019-05-16 대한민국(농촌진흥청장) 개별 농장단위로 관측되고 추정된 기상정보를 고려한 농업기상재해 조기경보시스템 및 그 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472497A (zh) * 2013-08-23 2013-12-25 成都理工大学 沟道起动型泥石流暴发规模测算方法及应用
CN105260625A (zh) * 2015-11-19 2016-01-20 阿坝师范学院 一种滑坡地质灾害预警推送方法
CN106645650A (zh) * 2017-02-20 2017-05-10 长沙市玖车测控技术有限公司 一种具有预测功能的水土流失监测与预警***
KR20190052484A (ko) * 2017-11-08 2019-05-16 대한민국(농촌진흥청장) 개별 농장단위로 관측되고 추정된 기상정보를 고려한 농업기상재해 조기경보시스템 및 그 방법
CN109086935A (zh) * 2018-08-07 2018-12-25 中国地质环境监测院 一种区域地质灾害趋势预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
暴雨泥石流预报程式;谭万沛, 罗晓梅, 王成华;自然灾害学报(第03期);全文 *

Also Published As

Publication number Publication date
CN110738378A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
Chen et al. Time evolution and spatial accumulation of progressive failure for Xinhua slope in the Dagangshan reservoir, Southwest China
Stephenson Rock coasts
CN111582597B (zh) 一种输电线路滑坡危险性预测方法及其设备
CN110738378B (zh) 一种山区泥石流灾害的预测方法和预测***
Lee et al. Spatial prediction of urban landslide susceptibility based on topographic factors using boosted trees
Pederson et al. Gullying and erosion control at archaeological sites in Grand Canyon, Arizona
Chen et al. A risk analysis framework for transmission towers under potential pluvial flood-LiDAR survey and geometric modelling
CN117973912A (zh) 基于实时降雨事件的小流域动态危险性评估方法、装置
Wu et al. Landslide impact assessment using projection rainfall data from climate change scenario
Pratikso et al. S S. Soil consolidation analysis as the main cause of land subsidence in Semarang, Indonesia
Merritts et al. Sediment and nutrient loads from stream corridor erosion along breached millponds
Hultén et al. Case studies of landslide risk due to climate change in Sweden
Mitchell et al. Little tools, big job: The periglacial conveyor system in cryoplanated uplands
Pitchford et al. Modelling streambank erosion potential using maximum entropy in a central Appalachian watershed
Mi et al. Geological and geotechnical properties of Mekong Delta Clay as comparison with Bangkok Clay
Singh et al. Monitoring the Impacts of Artificial Recharge Structures on Water Table at Ambedkar Nagar, Uttar Pradesh, India
Hoyle et al. Back analysis of September 5th, 2021 rockfall near Lover’s Arch, Hopewell Rocks Provincial Park, New Brunswick
Giletycz et al. Geological structure as a crucial factor facilitating the occurrence of typhoon-triggered landslides: Case from Hsiaolin Village, 2009 Typhoon Morakot
Kura et al. Flood Vulnerability Assessment of A Semi-Arid Region: A Case Study of Dutse in Jigawa State, Nigeria
Jin et al. Quantitative analysis of coastal dune erosion based on geomorphology features and model simulation
Akasheh The protection of Petra from flash floods
Dunlop Rockslides in a changing climate: Establishing relationships between meteorological conditions and rockslides in southwestern Norway for the purposes of developing a hazard forecast system
Bouras et al. Sediment transport study in Zeddine wadi and Harreza wadi
Bouras et al. Sediment transport study in Zeddine wadi and Harreza wadi Etude du transport solide dans Oued Zeddine et Oued Harreza
Ganguly et al. Spatio-temporal analysis of flood and identification of flood hazard zone of west Tripura district, Tripura, India using integrated geospatial technique, hill Geographer

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant