基于多源遥感与机器学习的土坝情景化稳定性评估方法——以哈萨克斯坦Sherubay-Nur水库为例

《Infrastructures》：Scenario-Based Assessment of Earth-Dam Stability Using Open Geospatial Data and Machine Learning: A Case Study of the Sherubay-Nur Reservoir, Kazakhstan

　　

摘要

本文提出了一种集成计算框架，用于基于开放卫星数据（Sentinel-2、Landsat 8/9）、无人机航拍影像、FABDEM数字高程模型以及机器学习方法，对土坝进行情景化稳定性评估。该方法能够实现水面检测、水库面积计算、水位重建，并通过极限平衡建模（Rocscience Slide2D）进行后续稳定性评估。该方法在哈萨克斯坦的Sherubay-Nur水库进行了验证，建立了水位（534.20–536.80 m）与表面积（30.41–34.39 km²）之间的形态计量关系。稳定性计算表明，随着水位的升高，安全系数从1.207下降至1.187。尽管所有计算值均超过1.0，但仅凭此条件并不能说明满足适用稳定性准则的要求；结果表明，安全系数随水库水位上升呈持续下降趋势。所开发的方法学不能替代现场水文、大地测量和岩土观测，但可作为回顾性分析、基于模型的水位补充估算以及初步情景化水工建筑物状况评估的辅助分析工具，尤其在现场观测不完整或无法到达现场的情况下。