在全球气候变暖和人类活动的共同作用下，青藏铁路工程走廊内的多年冻土发生了严重退化，对人类安全、生态环境和多年冻土工程设施的安全构成了威胁。因此，对青藏铁路工程走廊沿线多年冻土融沉风险进行评估是当务之急。由于现有的冻土融沉风险评估指数大多是静态的，未考虑地表冻融循环过程中的动态性变化，为了准确评估青藏铁路工程走廊的多年冻土融沉风险，本文提出了一种基于层次分析法（Analytic Hierarchy Process, AHP）的多因子指数对青藏铁工程走廊沿线多年冻土融沉危险性进行评估。该指数融合了地面动态形变信息和静态地质灾害评估指数（容许承载力指数、危险区指数和融沉指数），地表形变速率通过小基线干涉测量技术（Small Baseline Subset Interferometric SAR, SBAS-InSAR）获取。实验结果表明，研究区的形变速率范围在-60～43 mm/y，均值为～7 mm/y；所提出的多因子指数评估结果显示青藏铁路工程走廊的多年冻土区以低危险地区为主，占比约60%，高危险地区的比例约为22%，且高危险最集中的地区是楚玛尔河至风火山，其中北麓河区域发生融沉灾害的可能...

在全球气候变暖和人类活动的共同作用下，青藏铁路工程走廊内的多年冻土发生了严重退化，对人类安全、生态环境和多年冻土工程设施的安全构成了威胁。因此，对青藏铁路工程走廊沿线多年冻土融沉风险进行评估是当务之急。由于现有的冻土融沉风险评估指数大多是静态的，未考虑地表冻融循环过程中的动态性变化，为了准确评估青藏铁路工程走廊的多年冻土融沉风险，本文提出了一种基于层次分析法（Analytic Hierarchy Process, AHP）的多因子指数对青藏铁工程走廊沿线多年冻土融沉危险性进行评估。该指数融合了地面动态形变信息和静态地质灾害评估指数（容许承载力指数、危险区指数和融沉指数），地表形变速率通过小基线干涉测量技术（Small Baseline Subset Interferometric SAR, SBAS-InSAR）获取。实验结果表明，研究区的形变速率范围在-60～43 mm/y，均值为～7 mm/y；所提出的多因子指数评估结果显示青藏铁路工程走廊的多年冻土区以低危险地区为主，占比约60%，高危险地区的比例约为22%，且高危险最集中的地区是楚玛尔河至风火山，其中北麓河区域发生融沉灾害的可能...

冻融侵蚀是仅次于风蚀、水蚀的第三大土壤侵蚀类型。以长江上游地区为例，采用气温年较差、最大冻结深度、活动层厚度、高程、年降水量、坡度、细粒土含量、植被盖度、坡向这9个冻融侵蚀的影响因子作为评价指标，采取标准化值赋权重加权求和的方法，实现了该区冻融侵蚀强度的相对分级，并且讨论了该区冻融侵蚀的空间分布特征，旨在为该地区的水土保持研究以及生态环境建设提供参考。分析结果表明：研究区内冻融侵蚀总面积约为55.8×10～4 km2,主要为强烈侵蚀和极强烈侵蚀，分别占研究区冻融侵蚀总面积的30%和25%,主要分布在五道梁-沱沱河以东、康定-九龙-香格里拉以西地区。随着青藏高原气候变暖、多年冻土退化、冻融灾害的增加，未来冻融侵蚀可能呈现增加的趋势，这对区域生态环境修复及工程建设带来了新的问题。

冻融侵蚀是仅次于风蚀、水蚀的第三大土壤侵蚀类型。以长江上游地区为例，采用气温年较差、最大冻结深度、活动层厚度、高程、年降水量、坡度、细粒土含量、植被盖度、坡向这9个冻融侵蚀的影响因子作为评价指标，采取标准化值赋权重加权求和的方法，实现了该区冻融侵蚀强度的相对分级，并且讨论了该区冻融侵蚀的空间分布特征，旨在为该地区的水土保持研究以及生态环境建设提供参考。分析结果表明：研究区内冻融侵蚀总面积约为55.8×10～4 km2,主要为强烈侵蚀和极强烈侵蚀，分别占研究区冻融侵蚀总面积的30%和25%,主要分布在五道梁-沱沱河以东、康定-九龙-香格里拉以西地区。随着青藏高原气候变暖、多年冻土退化、冻融灾害的增加，未来冻融侵蚀可能呈现增加的趋势，这对区域生态环境修复及工程建设带来了新的问题。

本文改进了现有的多模态时间稳定性判别标准,提出一种筛选稳定高相关预测信号的思路,对1981～2016年西南夏季降水距平百分率多模态的时间稳定性、时空特征和可预测模态关键信号等进行了分析研究,在此基础上构建了多因子降维预测模型。结果表明,前9个模态在预测时效为3年和近10年内稳定,累计方差贡献率占70%,是西南夏季降水的主要模态。结合稳定高相关概念和最优子集回归方法得到主模态PC(Principal Component)系数的最优预测信号和预测方程。回报检验结果表明,各方程对PC系数有较好的拟合效果,复相关系数为0.62～0.84,均通过了99.99%的显著性检验,同号率均大于69%。构建的多因子降维预测模型对西南夏季降水的空间分布,正负趋势和异常级有较好的回报效果:距平相关系数(Anomaly Correlation Coefficient,简称ACC)平均值为0.58;时间相关系数(Temporal Correlation Coefficient,简称TCC)在除零星站点外的整个区域通过90%的显著性检验,且大部分区域通过99.9%的显著性检验;趋势异常综合评分(PS)平均分为84,...

本文改进了现有的多模态时间稳定性判别标准,提出一种筛选稳定高相关预测信号的思路,对1981～2016年西南夏季降水距平百分率多模态的时间稳定性、时空特征和可预测模态关键信号等进行了分析研究,在此基础上构建了多因子降维预测模型。结果表明,前9个模态在预测时效为3年和近10年内稳定,累计方差贡献率占70%,是西南夏季降水的主要模态。结合稳定高相关概念和最优子集回归方法得到主模态PC(Principal Component)系数的最优预测信号和预测方程。回报检验结果表明,各方程对PC系数有较好的拟合效果,复相关系数为0.62～0.84,均通过了99.99%的显著性检验,同号率均大于69%。构建的多因子降维预测模型对西南夏季降水的空间分布,正负趋势和异常级有较好的回报效果:距平相关系数(Anomaly Correlation Coefficient,简称ACC)平均值为0.58;时间相关系数(Temporal Correlation Coefficient,简称TCC)在除零星站点外的整个区域通过90%的显著性检验,且大部分区域通过99.9%的显著性检验;趋势异常综合评分(PS)平均分为84,...