为给滑坡灾害防治和滑坡致灾因子敏感性研究提供参考，选取黄河上游龙羊峡至积石峡段流域为研究区，以高程、坡度、地形粗糙度、岩性等16个因子为滑坡典型致灾因子，通过斯皮尔曼相关系数法进行共线性检验以筛选出相关性较强的滑坡致灾因子，利用GIS将滑坡致灾因子重分类后使用地理探测器分析得到各因子权重，将地理探测结果耦合随机森林模型，得到不同致灾因子作用下的滑坡预测概率，并通过ROC曲线验证预测结果的准确度。结果表明：1）致灾因子交互作用的解释力均大于单个致灾因子的解释力，高程因子与其他地形参数的协同作用尤为突出；2）河网密度、地形粗糙度和剖面曲率的解释力几乎为0，在一定程度上说明这些特征变量可能与滑坡发生没有直接或显著的相关性；3）各致灾因子对预测结果的解释力存在显著差异，其中高程-坡度组合是研究区滑坡发育的核心驱动力；4）随机森林模型的AUC值达到0.93，表明随机森林模型具有较高的分类能力。

青海省因地形复杂、气候特殊等而山洪灾害突发性强、破坏力大，为了给其山洪灾害监测与防治等提供依据，以青海省山洪灾害较为严重的黄河上游龙羊峡—积石峡区间为研究区，初选10个山洪灾害影响因子，依据研究区1958—2000年115个历史洪水灾害发生点位的数据，通过皮尔逊相关性检验剔除4个相关性较强的因子，对筛余的6个影响因子进行分级，采用GIS空间分析技术获取6个影响因子分级数据，采用熵指数法计算各因子权重并识别主要致灾因子。研究结果表明：高程、年降水量、地形粗糙度、NDVI、与河道距离、坡向为研究区山洪灾害致灾因子（权重分别为0.571 6、0.144 8、0.107 9、0.094 8、0.071 9、0.009 0），其中高程、年降水量、地形粗糙度为研究区山洪灾害主要致灾因子；按主要致灾因子分级对研究区历史山洪灾害进行统计，91.30%发生在高程低于3 091 m的地区，99.14%发生在年降水量大于317 mm的地区，98.26%发生在地形粗糙度小于1.10的地区。

为筛选诱发泥石流的致灾因子，评估RF、GBDT 、XGBoost三种机器学习算法对泥石流易发性进行预测的性能，给泥石流多发区地质灾害预测及防灾减灾工作提供参考，以青海省海南藏族自治州为研究区，基于历史泥石流灾害数据，依据初选的17个影响因子与泥石流灾害的皮尔逊相关系数筛选诱发泥石流发生的致灾因子，对筛余致灾因子进行分级并设置8种致灾因子组合，采用 RF、GBDT、XGBoost三种机器学习算法对泥石流易发性进行预测，采用准确率、精确率、召回率、F1分数、ROC-AUC等指标评价预测效果。结果表明：1)与河道距离、高程、土壤可蚀性、地形湿度指数、年降雨量、归一化植被指数、高程变异系数、岩性、地形粗糙度、剖面曲率、曲率、坡度、高程变异系数、坡向是研究区诱发泥石流的致灾因子，其中高程、与河道距离、土壤可蚀性、地形湿度指数、年降雨量、归一化植被指数为主要致灾因子；2）采用RF、XGBD、XGBoost三种机器学习算法对泥石流易发性进行预测时，基于致灾因子组合C7（该组合不考虑坡向）的预测效果最佳，基于致灾因子组合C5（该组合不考虑曲率、高程变异系数、坡向）和C8（该组合考虑所有致灾因子）的预测效果也较好；3）基于致灾因子组合C7进行泥石流易发性预测时，3种算法的优劣排序为XGBoost、GBDT、RF。

混凝土面板堆石坝在地震作用下的服役安全问题备受关注。为此，以黄河上游某混凝土面板堆石坝为研究对象，基于坝体结构特征及地质条件，结合邓肯-张模型与混凝土损伤塑性本构关系，构建用于模拟地震作用下坝体响应的三维数值模型。通过该模型分析了不同等级地震强度下坝体的动力响应，揭示了坝体应力分布的演变规律及结构变形特性。研究发现，该混凝土面板总高度的2/5处及板趾处是坝体在地震作用下易发生横向损伤破坏的关键部位。基于模型计算结果，进一步探讨了地震作用下失效变量与结构破损模式的关联性，并绘制了不同地震等级下的易损性曲线。结果表明：随着地震烈度的增加，易损性曲线呈现右移趋势，坝体失效概率显著上升。

强震会大幅降低库区边坡稳定性，极易诱发滑坡地质灾害，地震及其诱发的滑坡涌浪荷载叠加极大威胁坝体安全。为探究地震-滑坡涌浪叠加下高拱坝动力响应与损伤演化，以某高拱坝为对象，构建分段坝体-地基有限元模型，确定地震-滑坡涌浪荷载计算模型，分析拱坝的模态变化规律、位移响应特征及损伤演化趋势。结果表明，动水附加质量使得拱坝湿模态频率显著降低，降幅为18%~23%，高阶振型变化显著。地震与涌浪叠加时，拱顶中点位移峰值Rd与地震峰值加速度、最大涌浪高度正相关，在地震峰值加速度由0.2g提升至0.6g时，Rd增幅达89.7%。不同工况下最大位移时刻受多种因素影响而变化。不同工况下坝体损伤程度差异较大，上游面损伤对涌浪高度变化敏感，在涌浪高度相差40 m时，上游面加权损伤面积比变化幅度达到27.1%；从工况一至工况三悬臂面加权损伤面积比从9.99%增至25.76%，坝体出现贯穿裂缝；损伤耗散能随荷载强度提高而急剧增大。

针对黄河上游查达村至松巴村段滑坡灾害，建立逻辑回归模型，对其易发性进行了系统分析。通过分析孕灾环境，选取归一化植被指数（NDVI）、数字高程模型（DEM）、坡度、坡向、降水量、气温、地温以及SBAS-InSAR时序地表形变等8个影响因子，构建滑坡易发性分析指标体系。利用二元逻辑回归模型确定影响因子的回归系数及回归方程，深入探讨了影响因子与滑坡之间的定量关系。为进一步细化研究，对局地影响因子进行了空间一致性处理，构建了362个滑坡样本点，总面积约为2.855 km2，并结合概率隐函数分析了研究区滑坡灾害的发生概率，探讨了研究区滑坡易发性的空间分布规律。结果表明高风险区域主要集中在地势陡峭、植被覆盖较差且气象条件恶劣的地区。

黄河上游干流库坝群段地质构造复杂，地震、崩滑流、山洪等灾害频发，严重威胁水库大坝安全。为实现多灾种风险的全链条动态预警与应急决策支持，设计研发了多灾种大数据预警平台。平台涵盖地质灾害动态监测、多灾种预警模型计算、预警发布及实景三维模型展示等多个功能模块。通过集成GNSS站点监测数据、无人机遥感数据、高分及哨兵卫星遥感数据，实现滑坡、崩塌、泥石流等灾害的实时监测与数据可视化；突破单灾种风险预警概率模型局限,构建一个标准化、可扩展的多灾种风险预警概率模型库；采用三维可视化融合Cesium与UE5引擎，高精度模拟洪水演进、崩滑流灾害过程，同时提供淹没分析、剖面测量等空间交互工具。该平台能够快速响应复杂灾害风险，为黄河上游库坝群段提供精准、可视化风险预警支持。

黄河上游干流库坝群是重要的防洪屏障，在发挥防洪、供水、发电和生态等综合效益的同时，面临复杂多变的自然灾害风险，通过分析该区域自然灾害风险特征，探讨了库坝群段面临的主要自然灾害风险及其风险应对挑战。结果表明：黄河上游库坝群段的自然灾害呈现复合性和系统性特征，超强地震、巨型滑坡、超标准洪水等极端事件可能引发灾害链；防灾减灾面临多源动态风险识别不足、联合调度与应急响应机制待完善、气候变化适应性滞后等挑战。

滑坡易发性评价是地质灾害防治的重要基础，但滑坡样本数据常存在缺失或不完整的情况，导致机器学习模型难以进行准确可靠的易发性建模。基于随机森林（RF）和人工神经网络（ANN）模型，探讨了不同缺失比例（10%~50%）和区域性缺失条件下，滑坡易发性评价结果的精度变化及易发性分区特征。通过合成少数过采样技术（SMOTE）扩充样本后，进行预测结果对比分析来验证样本扩充的有效性。结果表明：随着样本缺失比例的增大，模型精度逐渐下降，但下降幅度有限，RF与ANN模型在较高等级以上易发区的预测面积最大分别缩小7.0%与5.5%；区域性缺失条件下，精度差异较大，RF与ANN模型在较高等级以上易发区的预测面积最大分别缩小11.1%与11.2%。扩充样本后，精度随扩充比例的增大略有下降。当扩充50%样本时，RF与ANN模型在较高易发区预测面积分别缩小14.0%与19.5%。基于SMOTE策略生成的滑坡样本可用于滑坡数据缺失地区易发性评价建模。

我国地震灾害严重，地震活动影响区域广、发生频次多、发生强度大。道路作为“生命线”起着物资输送、人员运送等重要作用，尤其在地震灾害发生后，快速准确地获取道路损毁位置与程度，对及时疏通生命线和开展救援具有重要意义。针对震后损毁道路遥感识别中存在的阴影干扰强、断裂漏检率高、碎片化严重等问题，提出了一种融合OpenStreetMap（OSM）先验知识的损毁道路分层提取框架，并以2023年积石山6.2级地震为典型案例验证了方法的有效性。通过构建“矢量约束-影像分割-拓扑修复-损毁检测”4层技术体系，实现了复杂地形区域损毁道路的快速定位，为提高救援速度和减少人员财产损失提供帮助。

黄河上游地貌地质条件复杂脆弱，受极端降雨天气影响,泥石流等灾害时有发生，常造成严重的经济损失。以黄河上游贵德县二连村二连沟泥石流为主要研究对象，在资料收集、野外调查和遥感解译的基础上，基于TRIGRS模型、Flow-R模型和FLO-2D等物理力学和经验统计模型，从降雨诱发滑坡为泥石流提供物源的角度将滑坡和泥石流有机联系起来，构建了降雨诱发滑坡-泥石流动态演进的耦合数值模型，并定量评估了50 a一遇降雨情景下二连沟泥石流的动态危险性。该耦合模型不只考虑了成灾环境背景条件对泥石流物源的影响，还考虑了降雨诱发滑坡为泥石流提供的动态物源，具有较好的评价及预测效果。

黄河上游干流库坝群段位于地质环境脆弱的青藏高原与黄土高原过渡地带，需要进行大范围滑坡隐患识别。以龙羊峡—李家峡库坝群段为研究区域，采用SBAS-InSAR方法形成小基线干涉像对，利用振幅离差指数和相干性系数法选取PS点（永久散射体），利用KS统计检验方法选取DS点（分布式散射体），通过时序形变解算得到研究区地表形变速率和形变量。结果表明：研究区域形变速率为-80~50 mm/a，其中大部分区域形变速率为-10~10 mm/a，处于相对稳定的状态；结合坡度与形变速率分析，识别出研究区域滑坡隐患点13处；距拉西瓦水电站右岸库区仅1 km的果卜坡体坡顶下方滑坡后缘处形变速率最大达80 mm/a，坡顶形变量逐年递增，2021—2024年累积形变量达到300 mm。

三门峡水库的运行状态对黄河下游城市的供水安全与防洪减灾具有重大影响。然而，传统监测手段依赖传感器网络与人工观测，存在实时性不足、精细化程度低等问题。为此，提出一种融合多源数据与动态响应的预警模型。首先，基于典型小概率法计算大坝位移、渗透压力等关键指标的预警阈值；其次，构建长短期记忆网络（LSTM）预测模型，结合阈值对比实现高效预警。以三门峡水库为例验证表明，模型预测精度显著优于传统方法。

针对黄河上游龙羊峡至刘家峡区间多灾种预警工作需求，开展灾害数据的收集、管理和数据库系统的设计研究。首先收集各类灾害数据，将数据划分为结构化数据、空间数据和文件型数据，分别采用对应存储方式，如结构化数据用PostgreSQL数据库、空间数据用File-based Geodatabase文件型地理数据库、文件型数据用文件夹分层存储，并通过不同方式实现数据共享；其次构建数据仓库，划分地质灾害公共信息、单体灾害预测预警等4个主题，确定维度模型，利用Kettle的ETL流程实现多源数据分析；最后采用B/S架构开发黄河上游多灾种数据库管理系统，涵盖数据采集、应用支撑、系统应用和系统用户4个层次，具备基础数据管理、地图展示、监测数据分析等功能。

针对单灾种的自然灾害知识图谱覆盖信息面窄，难以从海量复杂的信息中提炼知识这一问题，提出一种面向灾害损失评估的黄河流域自然灾害知识图谱构建方法。自然灾害知识图谱由数据资源层、知识抽取层（包含模式层、数据层）和应用服务层构成。以自然灾害事件本体、基础地理信息本体、灾害损失评估本体模型为主体，采用自顶向下的方法建立模式层。收集多源异构的自然灾害事件、基础地理信息、灾害损失数据，采用自底向上的方法构建数据层，实现从多源异构数据中进行知识抽取、融合、存储。应用情况表明：该图谱支持时空关系的高效检索与区域并发灾害的快速识别，对1981—2018年黄河流域发生的160次重大灾害事件分析发现，灾害发生频率呈递增趋势，洪水为最常见的灾害类型，共识别出37次并发灾害。该图谱突破了传统单灾种知识体系的局限，可提升灾害损失评估的效率。

在大数据、物联网与人工智能技术快速发展的背景下，泥石流灾害数据正日益呈现出海量、多源、异构的特点。主要采用jieba、NLPIR和LTP等分词工具抽取模型库，对非结构化存储的泥石流灾害数据进行解析与抽取，并汇聚至数据库，实现数据融合。通过Word2Vec模型将词语映射到高维空间中，实现文本中的词汇转换为实数向量；采用t-SNE算法和Kernel PCA算法将高维词向量转换为低维度的向量，使用K-means算法对其进行聚类可视化。研究结果表明：在数据抽取评估方面，一致性、完整性、准确性的评估均值在0.800以上，均方差小于0.050。对比PCA和t-SNE两种降维方法，通过轮廓系数（Silhouette Score，SS）评估聚类效果，PCA的SS指标值为0.359，t-SNE的SS指标值为0.336，结果显示PCA表现更优。Bert模型具有较强的上下文理解能力，更加适合泥石流灾害数据抽取，依托Word2Vec模型的CBOW架构获取词向量，结果显示PCA在评价指标上整体表现优于t-SNE。针对泥石流灾害数据多源和语义一致性问题，涵盖从数据抽取、降维到聚类的全过程，为实现泥石流灾害数据的语义融合与统一管理提供了有效支持。

为了解决多重致灾因子时空关联非一致性问题，提出一种基于多源信息融合的黄河上游多灾种知识图谱构建方法。通过数据清洗、实体识别与关系抽取，整合遥感影像、气象数据、地质资料等结构化与非结构化数据，构建本体定义核心概念，定义因果关系、时空关联、参与关系等6类语义关联。采用Neo4j图数据库进行知识存储与动态推理，设计多源数据映射机制，支持灾害事件、触发因子、衍生灾害等实体及其关系的多维查询。结合贝叶斯网络概率推理与图拓扑分析算法，对灾害链传播路径进行量化评估。针对2023年黄河上游某地滑坡事件，通过图数据库推理功能可发现滑坡与泥石流之间的潜在关系链条。相比传统数据库，知识图谱查询信息速度快、精确度高。

当前极端气候事件发生的频次和强度明显增强，导致水库漫坝溃决的安全问题更为显著。采用室内概化河道试验和数学理论分析相结合的方法开展漫坝溃决过程研究，结果表明：相比颗粒较粗的坝体，细颗粒坝体渗漏缓慢，透水性弱，坝体材料随上游水位上涨逐渐浸润，上涨速率越来越大，浸润速率也越大。坝面颗粒起动是冲刷破坏的关键，陡坎后退至上游坝坡是溃决发生的关键，结合溃决过程提出溃口纵向和横向发展的几何概化模式，并基于微积分原理对漫坝溃决洪水过程进一步分析，认为坝体上游水量下泄过程可看作各溃决影响因素的综合作用过程，并推导了不同溃决阶段溃口发展和流量变化的数学表达式。

滑坡易发性评价对区域防灾减灾具有重要意义。针对机器学习算法的滑坡易发性评价中单一分类器精确度欠佳，以及滑坡负样本选择较为随意的问题，提出一种基于信息量法的滑坡负样本选择方式耦合集成学习算法的滑坡易发性评价模型。以黄河上游李家峡至公伯峡段为研究区，选取高程、坡度、降水量等13个因子作为滑坡发生的评价因子，采用缓冲区、低坡度和信息量法3种滑坡负样本选择方式，通过构建分类回归树（CART）以及3种集成学习算法（Bagging、Boosting和随机森林）的滑坡易发性评价模型，分析不同集成学习算法和不同滑坡负样本选择方式下评价模型的性能。结果表明：集成学习算法均可以提升单一基分类器的模型性能，且Boosting算法的提升效果最为突出；信息量法负样本选择方式充分考虑了大多数评价因子，模型可靠性更高。

暴雨灾害会引发山洪及泥石流等次生灾害，形成复杂的灾害链，对社会经济和自然生态系统造成重大威胁。现有研究对多灾害节点之间的交互关系及其叠加风险的探索尚显不足。为解决这一问题，结合复杂网络理论与FLO-2D数值模拟技术，构建了一种针对暴雨-洪水-泥石流灾害链的分析框架，并以河南省栾川县柿树沟为研究区域，分析河南郑州“7·20”特大暴雨灾害背景下的灾害链动态演化特征。研究结果表明：1）数值模拟结果显示泥石流的最大流速可达6.56 m/s，最大堆积深度为7.30 m，高、中、低危险区占比分别为3.61%、17.65%、78.74%；2）排水设施损坏或堵塞、电力设施损坏、内涝积水、车辆被淹、泥石流、河水倒灌是灾害链网络的关键节点；3）河水倒灌→内涝积水、内涝积水→车辆被淹、内涝积水→电力设施损坏、河堤毁坏→河道堵塞、车辆被淹→人员伤亡是灾害链网络的关键边。从动态演化的视角识别灾害链中的关键节点和关键边，深入解析多灾害节点之间的交互机制，可为灾害风险评估、防灾减灾措施优化及应急管理提供科学依据。

混凝土坝变形监测数据的异常值识别是结构健康诊断中的关键环节，然而传统方法普遍存在检测精度不高、特征提取能力有限以及人工诊断效率低下等问题。为此，提出一种基于多维数据转换的混凝土坝异常值智能识别方法，旨在提高异常值识别的精度和效率。该方法首先将混凝土重力坝的变形监测数据划分为正常测值和突跳型、台阶型、台坎型、振荡型4类典型异常测值；然后采用连续小波变换（CWT）将一维变形时序数据转换为具有时频联合特征的二维图像，从而将异常值识别问题转化为高维特征空间的图像分类问题，并结合Inception-ResNet-v2深度学习图像预训练模型，提取图像中的异常特征；最后利用支持向量机（SVM）构建混凝土坝异常测值识别模型。实例应用表明，该方法在异常值识别任务中表现出卓越的性能，其准确率、精确率、召回率及F1分数分别为97%、98%、96%和97%，均高于对比模型。研究证实了时频图像表征对变形异常特征的增强作用、深度学习在工程监测数据挖掘中的优势，可作为混凝土坝变形异常检测的智能化、高效化解决方案。

针对混凝土坝变形监测中的异常测值问题，提出了一种基于深度自编码器的无监督异常检测模型，以提高检测精度和自动化程度。自编码器通过无监督学习的方式，首先采用正常变形数据进行训练，学习其低维特征表示，并使用该模型对输入数据进行重构。当输入数据与重构数据之间的差异较大时，判定该数据为异常测值。结果表明，该模型的异常检测精确率超过97%，且在不同测试条件下均表现出良好的检测效果。基于深度自编码器的异常检测模型能够有效识别混凝土坝的变形异常，展现出较高的稳定性和精确度。

为提升混凝土坝变形预测的准确性，保障坝体结构的安全性，针对现有预测模型在提取复杂变形特征和捕捉长期依赖关系方面的不足，提出一种结合时间卷积网络（TCN）和长短期记忆网络（LSTM）的混凝土坝变形预测模型。TCN用于提取变形数据的时序特征，LSTM则捕捉长期依赖关系，两者结合可有效提升模型对大坝复杂变形的预测能力。实例应用结果表明，与多种智能预测模型相比，该模型能够准确模拟坝体变形过程，具有较高的预测精度。该模型在捕捉混凝土坝变形复杂特征方面具有明显优势，可作为大坝安全监测的新方法。

为提升混凝土坝安全监测的预警准确性，提出一种基于多点监测数据的智能预警分析方法，旨在克服传统单测点预警方法易受非结构性因素影响的问题。首先，采用K-means聚类法按相似变形模式对监测点进行分区；然后，利用ConvLSTM模型提取各聚类中测点变形序列的时空特征并进行预测，通过分析残差序列并根据3-Sigma原则确定预警阈值，生成单点预警结果；最后，融合各聚类的预警结果，确保仅当聚类内所有监测点在同一时间点同时异常时才触发预警。结果表明：多测点联合预警方法通过综合多点信息，减少了单测点预警方法易受外界因素干扰而造成的误报和漏报问题，提高了预警系统的可靠性和稳定性。

库坝群作为流域生态屏障和水资源调配的枢纽，其安全正面临着全球变暖导致的极端降水事件增多的挑战。极端降水事件通过灾害链生效应，严重威胁区域安全和经济发展。聚焦黄河上游地区，基于协调的区域气候降尺度试验（CORDEX）数据，采用线性缩放法、分位数映射法、Q-Q调整法和方差校正法对降水数据进行校正，评估了4种方法对降水数据的校正效果，采用最优校正结果分析了变暖情景下极端降水事件的时空变化。4种校正方法中，Q-Q调整法总体校正效果最优，基于Q-Q调整法校正未来时期的CORDEX数据，预测极端降水指数表明：2006—2099年在RCP2.6情景下，极端降水指数多年均值的空间分布与历史时期一致，整体变化幅度较小，仅表现出轻微增大；在RCP8.5情景下，多个极端降水指数显著上升，增强区域主要集中于青海省中部、内蒙古南部。