地质灾害往往多发于地质构造发育、地形复杂多样、人工活动强烈的区域,灾害的多发严重影响着人民生命财产安全。云南省红河州和怒江州有着类似的地质环境特点——山高坡陡,构造活动强烈。近年来两个区域的地质灾害频发,时刻威胁着区内人口以及社会的安定,对此,云南省国土资源厅将红河州和怒江州作为地质灾害监测预警的示范区。面向云南省示范区地质灾害预警与应急指挥决策支持的工作需求,如何借鉴大数据的相关技术和思维,在保证地质灾害数据处理与分析效率的同时,综合利用示范区地质灾害空间数据以及属性数据,建立一套完善的地质灾害预警方法体系,是目前阶段红河州和怒江州示范区推进地质灾害预警工作亟需解决的问题。在此背景下,论文结合两个监测示范区实际地质环境背景,围绕地质灾害预警以及预警效率的两个核心需求,研究探索一套切实可行、结合大数据技术的地质灾害数据展示方案和地质灾害评价理论和方法体系,并实际应用于红河州和怒江州的地质灾害预警系统,从而直接为区域地质灾害防灾减灾管理提供依据,提升地质灾害应对能力,最大程度上减少灾害损失。论文的主要研究内容及结论如下:(1)在分析云南省地质灾害数据特点的基础上,设计了研究区地质灾害数据仓库,构建了基于hadoop+Kylin的大数据集群多维分析平台,实现对地质灾害威胁情况和地质灾害监测两个主题的立方数据的快速联机分析与查询,为地质灾害风险预警提供支持。(2)结合红河州和怒江州两个示范区的地质环境特点,总结两个区域内地质灾害的分布发育规律,并在此基础上,选取地质环境影响因子采用层次分析-信息量耦合的方法选用不同的评价权重对两个示范区的地质灾害易发性分别进行系统研究。结果表明,层次分析-信息量耦合法是效果良好、简单易行的灾害易发性评估方法。避免了计算过程中主观因素干预过多的弊端,更客观地反映了地质灾害受地质环境条件的影响。(3)考虑降雨与地质灾害的相关性,通过对历史灾害数据与降雨数据进行统计分析,总结出不同区域内降雨诱发地质灾害的特征指标,并依据于此特征指标在两个示范区内进一步构建降雨诱发模型,以此来判断未来降雨事件对研究区造成的危险性程度。(4)在两个研究区采用100 m×100m的预警单元,对地质灾害易发因子和降雨诱发因子分别采用概率运算和广义线性运算构建地质灾害危险性预警模型,最终经过历史灾害事件回代验证,模型评价精度均达到75%以上,预报精度范围可提高到乡村级,模型适用性较强。(5)从地质灾害作用对象的角度出发,在地质灾害危险性预警的基础上开展地质灾害风险性预警研究,着重研究地质灾害的社会属性。选取土地利用类型、人工设施、人口、GDP四项指标,分析不同受灾体对地质灾害抵御能力的差异,对研究区受灾体易损性进行全面评价。最终结合受灾体易损性构建地质灾害风险性预警模型,丰富完善了地质灾害评价理论和方法体系。(6)针对地质灾害风险分析模型的数据密集和计算密集特点,借鉴MapReduce分布式任务调度思想,设计并实现了一种适应集群并行计算环境下地质灾害风险分析并行处理方法,重点突破了基于网络空间数据源的矢量数据空间分析任务分解、并行调度、结果融合的核心关键技术,实现了地质灾害风险分析模型在集群环境下的并行加速。