论文部分内容阅读
摘要：对1990—2010年49景福州市TM时间序列影像进行处理，采用MODTRAN4+模型进行大气校正，得到研究区土地覆盖类型的NDVI值的多时相轨迹图。分析城镇化背景下建成区的变化特征和NDVI时间序列数据的季节特征，添加耕地发展为建设用地的地物特征到学习样本，比较不同数据组合对最大似然法、支持向量机、神经网络法、面向对象法对分类和检测城镇化背景下建设用地精度的影响，以及比较添加样本特征后对城镇化进程中建设用地检测方法的影响。结果表明，对于小样本数据集，面向对象法具有最高的分类精度，不同的数据组合与不同季节对面向对象法分类精度的影响分别达3.49%和5.22%，引入NDVI时间序列数据和添加变化地物的学习样本，总体分类精度提高了3.54%，建设用地的制图精度提高了4.24%。
关键词：土地覆盖；时序影像；面向对象法；福州
中图分类号：TP751.1
文献标志码：A文章编号：16744764（2016）01012906
Abstract：
Atmospheric corrections were conducted with the MODTRAN4+ model for 49 TM data from 1990 to 2010 in Fuzhou. Multitemporal trajectories of major land cover type were derived from NDVI images. The trends of Mean NDVI were analyzed. To investigate the influence of different data combination on the classification and detection accuraly of different methods，induding maximum likelihood classification， support vector machine， artificial neural network， and objectoriented methods， and compared the deteetion methods before and after adding a sample， the areas converted from cropland to builtup land were added to the learning sample. The results show that the objectoriented method is the most accurate method compared with other methods for a small sample. By using the method， the classification accuracy improves up to 3.53% and 4.24% for different data combination and different season respectively.Adding NDVI data and the sample of changing features improves 3.54% of the whole classification accuracy and 4.24% of drawing accuracy of the buidup land.
Keywords：land cover；time series of images；objectoriented methods；Fuzhou
遥感技术是监测城市发展和变化的主要手段。利用时间域与NDVI数据成为城镇化过程中建成区检测的发展趋势[17]。 过去，一般都是利用两到三景遥感图像，较少利用多个时间序列与季节的信息进行监测城镇化发展进程 [89]。城镇化过程中，一般发展为新城区的主要是耕地，其他土地类型比重很小，而且城区一般不太可能被转回为耕地。因此，主要关注耕地与建设用地的混分问题。一年中至少有一个季节会被种上植被的概率较高，通过多个年份和不同季节的数据可以区分城镇化过程中发展的新城区和休耕地。国外采用不同数据源和最大似然法、神经网络、支持向量机法、面向对象法等方法研究建成区的检测方法 [1013]，研究表明利用多个时间系列与季节信息可提高建设用地的分类精度[56]。中国开始出现利用多时相MODIS与NDVI数据分离土地覆盖分型和简单地物提取[1416]。但未比较不同数据组合对分类结果的影响，也未引入多时相数据前后的分类精度与不同分类方法进行比较，也未针对分类精度进行分析。本文拟使用49景Landsat TM小样本数据集，研究1990—2010年福州市土地覆盖类型的NDVI多时相轨迹，研究城镇化背景下基于时序TM/NDVI的建成区检测方法，比较不同数据组合和季节对检测新城区的影响，研究添加的变化地物到学习样本对城镇化进程中的新城区检测精度的影响。
1材料与方法
1.1研究区概况
福州市位于北纬25°15′～26°49′，东经118°08′～120°31′，城区主要位于其南部，土地覆盖类型以林地为主，耕地较少，全年冬短夏长[17]。自2002年来，福州市政府提出 “东扩南进、沿江向海”的发展策略，城市快速向南部的仓山区、闽侯县和东部的晋安区、马尾方向快速扩张，耕地面积迅速减少。福州市在中国东南沿海城市中具有一定的代表性。
1.2研究数据与方法
1.2.1数据来源
研究数据为1T级Landsat TM数据，经过系统辐射校正和地面控制点几何校正，且通过DEM进行了地形校正。空间分辨率为30 m，数据来源于http：//www.gscloud.cn 与http：//glovis.usgs.gov。图像的大小为2 669×2 668，共7 120 892个像素，覆盖面积达1 600 km2。 研究区土地覆盖类型包括耕地、林地、建设用地和水体、沙滩。其中，建设用地包括所有非植被的人工建筑要素，公园绿化定义为非城区。耕地若一个像元内作物覆盖度超过60%，则认为该像元属于耕地类[6]。参与分类评价的总样本为71 202个像素，平均每个类别的学习样本数为250，测试样本总数为405，分别占比例为0.35%和0.57%。其中耕地91个，林地98个，建设用地93个，水体75个，沙滩48个。
1.2.2方法
首先，检查研究区所有数据的几何精度，对卫星数据1、2、3、4、5、7波段进行组合和研究区域裁剪。密集时间堆栈TM影像不必进行条带数据修复[6]。采用MODTRAN4+模型进行辐射定标与大气纠正[18]。其次，抽取TM4和TM3波段的表面反射率计算归一化植被指数（NDVI）。将NDVI值不在（-1，+1）的值，其最大值赋值为1，最小赋值为-1，绘制主要土地类型的NDVI多时相轨迹图。接着，借助Google Earth VHR（2013）与多季节的TM数据，选择训练样本进行判读解译，在学习样本中添加耕地发展为建设用地的样本特征。最后，采用最大似然法、面向对象法、支持向量机和神经网络法分别对3种不同组合数据进行分类，并采用分层随机抽样法对分类结果进行评价。
2结果与分析
2.1主要土地覆盖类型的时间序列NDVI
2.1.1主要地物类型的NDVI的时间趋势分析
由图1可见， 随着年际与年内的变化，各类型的NDVI具有明显不同的波形特征，幅值和变化趋势。耕地呈现两极化的双峰循环模式，震荡较为明显，有明显的峰值与峰谷，振幅最高，出现震荡的频率较高；建城区随着时间的推移略有变化，振幅小，震荡频率较低；林地随着时间的改变而呈波浪起伏式变化，振幅不大，略高于建设用地，震动频率与耕地相当。
2.1.2耕地发展为建设用地的NDVI时间趋势分析
随着时间与季节的变化，耕地发展为建设用地在每个阶段内有着明显时间痕迹，随着城市的扩张耕地发展为建设用地的区域具有唯一的时间趋势（表2）。根据耕地和建设用地NDVI值的振幅、时间和频率的不同，可以通过时间将二者进行分离。在耕地发展为新城区之前，与耕地NDVI值接近，大体走向与耕地基本一致，呈现耕地两极化的双峰循环特征的时间趋势，但在其发展为新城区后，NDVI值下降，服从建设用地NDVI的时间趋势（图1）。
2.24种方法分类结果
2.2.1分类结果总体评价
得到研究区3种数据组合： TM经大气纠正后的波段（数据1）/ NDVI值（数据2）/TM大气纠正后的波段与NDVI合成数据（数据3）的分类结果。以数据3作为分类的原始数据得到不同方法的分类结果见表3和图2。面向对象法的尺度分割参数设置为35；支持向量机采用径向基RBF函数，核参数γ值设为0.048，惩罚参数设为100；神经网络活化函数选择对数，训练贡献阈值设置为0.9，权重调节参数设置为0.2，训练动量参数设置为0.9，训练中误差退出参数设置为0.9，隐藏层参数设置为1。实验表明，面向对象法具有最高的分类精度，达到84.44%，具有最佳的分类效果，而支持向量机的分类精度次之，最大似然法最低。
2.2.2建设用地的精度比较
总体上，面向对象法在各土地类型的综合效果最佳，在各土地覆盖类型都具有较高的精度，且差异较小，其在建设用地分类中具有最高的制图精度和用户精度，见图3、图4。
各分类方法在各土地类型的制图精度都比较接近，支持向量机法在建设用地的制图精度仅次于面向对象法（见图3）。除面向对象法外，其他方法在不同土地类型的用户精度差异较大，最大差异值达40%左右，最大似然法在建设用地的用户精度最低（见图4）。
2.3讨论
2.3.1数据组合对分类方法的影响
通过对多个时段福州市TM影像进行多种数据组合，测试多种分类算法的效果，各分类算法的参数通过多次调试，得到每种方法的最佳参数与最佳分类结果。实验表明，多个年份的分类结果显示，无论是采用以上4种方法的任一种，数据3得到的分类结果都是最佳；以2009年6月的数据为例，使用NDVI数据的分类精度能达75%，与TM原始数据的分类精度略低，不同数据组合的分类精度差值达3.49%。
2.3.2季节对检测新城区的影响
实验表明，2003年夏季的TM影像的分类精度比其他时段的明显要高，不同时间段的选择对面向对象法分类结果影响最高可达5.22%，见表5。建设用地和耕地的制图精度和用户精度明显也要比春季与冬季分别高368%与5.08%，见表6。总之，同一年不同季节监测建设用地的难度是不同。在春夏季节较易识别建设用地，而在秋冬季节则比较难区分耕地与建设用地。
2.3.3添加地物特征对检测新城区的影响
以2001—2003年时间段为例，经过大气纠正后的2003年5月TM影像与NDVI合成的数据组合，引入102个耕地发展为建设用地的样点到学习样本，占总学习样本的40%。
结果表明，添加耕地发展为建成区的样点到学习样本中，总体分类精度提高了3.54%，建设用地的制图精度提高了4.24%，见表7。
根据表2绘出极限上拔力理论值[6]与设计验算值的对比曲线，如图6所示。由表2以及图6可以看出，扩底桩进行上拔稳定验算时所采用的设计最大剪切上拔力，即容许设计值以及理论极限上拔力，都是随着埋深比的增大而增加的，而且呈相同的增长趋势，但是扩底桩进行上拔稳定验算时所采用的设计容许最大剪切上拔力，即容许设计值在数值上远小于极限上拔力的理论值。考虑到工程的安全性和稳定性以及理论计算的绝对理想状态，设计时进行验算所用到的容许设计值需要具有一定的保守性，应该在理论的基础上有一定的折减，亦即除以安全系数。由此可见，规范中给出扩底桩的抗拔验算公式，即式（1）是合理、可行和相对安全的。 通过以上理论公式以及数值模拟计算结果的全面对比分析，可得出的联合板索基础锚板圆形锚板的抗拔稳定验算式
γfT′≤0.4A1cwh2t+0.8A2γsh3l+Qf下
（2）
式中：T′为作用于锚索上的上拔力的设计验算值，kN；ht为从基础上板底面开始计算的基础锚板的埋置深度，m；hc为从基础上板底面开始计算的基础锚板的临界埋深，可按照表3.3确定，m；cw为计算凝聚力，kN/m2，可通过实验或设计资料获得；γs为基础锚板上部土体的加权平均重度，kN/m3；Qf下为基础自重，kN；B为基础上板的边长，m；A1、A2为土的内摩擦角φ和相对埋深比ht/B的函数，可借用扩底桩基础设计规范[9]确定；γf为基础附加分项系数，可从扩底桩规范获得[9]。
3结论
针对目前使用的既抗压又抗拔基础存在的缺陷和不足[1215]构建了联合板索基础，它是一种新型基础结构型式，即由一个具有一定厚度的镶嵌在地表中的上板和埋设在地下的下板，由预应力锚索（杆）连接起来构成的结构。通过理论分析和数值模拟计算相结合，探讨了联合板索基础的抗拔机理，研究了该基础所能承受的极限上拔力，获得了其上拔力的容许设计值，即容许上拔力和抗拔稳定验算公式，可供联合板索基础设计和施工参考。得到如下结论：
1）联合板索基础与扩底桩基础的抗拔机理极为相似，均适用“剪切法”计算。
2）联合板索基础与扩底桩基础的抗拔上拔破裂面极为相似，极限上拔力极为相似。
3）联合板索基础锚板浅埋条件下，理论计算值与数值模拟相互吻合。
4）获得了联合板索基础锚板设计用极限上拔力，即容许设计值和稳定验算公式。
参考文献：
[1] 黄茂松， 余生兵. 基于块体集上限法的砂土中条形锚板抗拔承载力分析[J]. 岩土工程学报， 2013， 35（2）： 201207.
Huang M S， Yu S B. Pullout capacity of strip anchor plate in sand based on block set mechanism [J]. Chinese Journal of Geotechnical Engineering， 2013， 35（2）： 201207. （in Chinese）
[2] Song Z H， Hu Y X， Randolph M F. Numerical simulation of vertical pullout of plate anchors in clay [J]. Journal of Geotechnical and Geoenvironmental Engineering， 2008， 134（6）：866875.
[3] 孙晓立， 杨敏， 莫海鸿. 利用荷载传递法计算扩底抗拔桩的位移[J]. 岩土工程学报， 2008， 30（12）： 18151820.
Sun X L， Yang M， Mo H H. Displacement of baseenlarged tension piles caculated by load transfer method [J]. Chinese Journal of Geotechnical Engineering， 2008， 30（12）： 18151820. （in Chinese）
[4] 雒亿平， 范雪峰， 付兵彬， 等. 输电杆塔板式单索基础结构ZL201220519599.6[P]. 20130403.
Luo Y P， Fan X F， Fu B B. The board and cable type foundation structure of transmission tower： ZL201220519599.6[P]. 20130403. （in Chinese）
[5] 孙晓立， 莫海鸿. 扩底抗拔桩变形的解析计算方法[J]. 岩石力学与工程学报， 2009， 28（Sup）： 30083014.
Sun X L， Mo H H. An analytical calculation method for displacement of underreamed tension piles [J]. Chinese Journal of Rock Mechanics and Engineering， 2009， 28（Sup）： 30083014. （in Chinese）
[6] 邓骁. 输电塔联合板索基础设计研究[D]. 兰州： 兰州大学， 2014
Deng X. Research on the design about the joint board cable transmission tower foundation [D]. Lanzhou： Lanzhou University， 2014. （in Chinese）
[7] 张昕， 乐金朝， 刘汉东. 砂土中锚板抗拔性能实验研究[J]. 实验力学， 2011， 26（4）： 411416.
Zhang X， Yue J C， Liu H D. Experimental study on the uplift performance of plate anchor in sand [J]. Journal of Experimental Mechanics， 2011， 26（4）： 411416. （in Chinese）
[8] 刘明亮， 朱珍德， 刘金元. 基于PIV技术的锚板抗拉破坏模式识别[J]. 河海大学学报：自然科学版， 2011， 39（1）： 8488. Liu M L， Zhu Z D， Liu J Y. Identification of failure modes for uplift anchor plates based on PIV technology [J]. Journal of Hohai University： Natural Sciences， 2011， 39（1）： 8488. （in Chinese）
[9] DL/T 5219—2005 架空送电线路基础设计技术规定[S]. 北京： 中国电力出版社， 2005.
[10] Ouyang C J， Xu Q， He S M， et al. A generalized limit equilibrium method for the solution of active earth pressure on a retaining wall [J]. Journal of Mountain Science， 2013， 10（6）： 10181027.
[11] Murray E J， Geddes J D. Uplift of anchor plates in sand [J]. Journal of Geotechnical Engineering， 1987， 113： 202215.
[12] 于龙， 刘君， 孔宪京. 锚板在正常固结黏土中的承载力[J]. 岩土力学， 2007， 28（7）： 14271434.
Yu L， Liu J， Kong X J. Stability of plate anchors in NC clay [J]. Rock and Soil Mechanics， 2007， 28（7）： 14271434. （in Chinese）
[13] Ilamparuthi K， Dickin E A， Muthukrishnaiah K. Experimental investigation of the uplift behavior of circular plate anchors embedded in sand [J]. Canadian Geotechnical Journal， 2002，39： 648664.
[14] 范雪峰， 龙哲， 言志信. 黄土中联合板索基础的抗拔承载力变化规律及其影响因素[J]. 科技导报， 2014， 32（36）： 8692.
Fan X F， Long Z， Yan Z X. Vertical uplift capacity of combined cableslab foundation in loess and influencing factors [J]. Science & Technology Review， 2014， 32（36）： 8692. （in Chinese）
[15] Rao K S S， Kumar J. Vertical uplift capacity of horizontal anchors [J]. Journal of Geotechnical Engineering， 1994， 7： 11341147.
（编辑胡英奎）
关键词：土地覆盖；时序影像；面向对象法；福州
中图分类号：TP751.1
文献标志码：A文章编号：16744764（2016）01012906
Abstract：
Atmospheric corrections were conducted with the MODTRAN4+ model for 49 TM data from 1990 to 2010 in Fuzhou. Multitemporal trajectories of major land cover type were derived from NDVI images. The trends of Mean NDVI were analyzed. To investigate the influence of different data combination on the classification and detection accuraly of different methods，induding maximum likelihood classification， support vector machine， artificial neural network， and objectoriented methods， and compared the deteetion methods before and after adding a sample， the areas converted from cropland to builtup land were added to the learning sample. The results show that the objectoriented method is the most accurate method compared with other methods for a small sample. By using the method， the classification accuracy improves up to 3.53% and 4.24% for different data combination and different season respectively.Adding NDVI data and the sample of changing features improves 3.54% of the whole classification accuracy and 4.24% of drawing accuracy of the buidup land.
Keywords：land cover；time series of images；objectoriented methods；Fuzhou
遥感技术是监测城市发展和变化的主要手段。利用时间域与NDVI数据成为城镇化过程中建成区检测的发展趋势[17]。 过去，一般都是利用两到三景遥感图像，较少利用多个时间序列与季节的信息进行监测城镇化发展进程 [89]。城镇化过程中，一般发展为新城区的主要是耕地，其他土地类型比重很小，而且城区一般不太可能被转回为耕地。因此，主要关注耕地与建设用地的混分问题。一年中至少有一个季节会被种上植被的概率较高，通过多个年份和不同季节的数据可以区分城镇化过程中发展的新城区和休耕地。国外采用不同数据源和最大似然法、神经网络、支持向量机法、面向对象法等方法研究建成区的检测方法 [1013]，研究表明利用多个时间系列与季节信息可提高建设用地的分类精度[56]。中国开始出现利用多时相MODIS与NDVI数据分离土地覆盖分型和简单地物提取[1416]。但未比较不同数据组合对分类结果的影响，也未引入多时相数据前后的分类精度与不同分类方法进行比较，也未针对分类精度进行分析。本文拟使用49景Landsat TM小样本数据集，研究1990—2010年福州市土地覆盖类型的NDVI多时相轨迹，研究城镇化背景下基于时序TM/NDVI的建成区检测方法，比较不同数据组合和季节对检测新城区的影响，研究添加的变化地物到学习样本对城镇化进程中的新城区检测精度的影响。
1材料与方法
1.1研究区概况
福州市位于北纬25°15′～26°49′，东经118°08′～120°31′，城区主要位于其南部，土地覆盖类型以林地为主，耕地较少，全年冬短夏长[17]。自2002年来，福州市政府提出 “东扩南进、沿江向海”的发展策略，城市快速向南部的仓山区、闽侯县和东部的晋安区、马尾方向快速扩张，耕地面积迅速减少。福州市在中国东南沿海城市中具有一定的代表性。
1.2研究数据与方法
1.2.1数据来源
研究数据为1T级Landsat TM数据，经过系统辐射校正和地面控制点几何校正，且通过DEM进行了地形校正。空间分辨率为30 m，数据来源于http：//www.gscloud.cn 与http：//glovis.usgs.gov。图像的大小为2 669×2 668，共7 120 892个像素，覆盖面积达1 600 km2。 研究区土地覆盖类型包括耕地、林地、建设用地和水体、沙滩。其中，建设用地包括所有非植被的人工建筑要素，公园绿化定义为非城区。耕地若一个像元内作物覆盖度超过60%，则认为该像元属于耕地类[6]。参与分类评价的总样本为71 202个像素，平均每个类别的学习样本数为250，测试样本总数为405，分别占比例为0.35%和0.57%。其中耕地91个，林地98个，建设用地93个，水体75个，沙滩48个。
1.2.2方法
首先，检查研究区所有数据的几何精度，对卫星数据1、2、3、4、5、7波段进行组合和研究区域裁剪。密集时间堆栈TM影像不必进行条带数据修复[6]。采用MODTRAN4+模型进行辐射定标与大气纠正[18]。其次，抽取TM4和TM3波段的表面反射率计算归一化植被指数（NDVI）。将NDVI值不在（-1，+1）的值，其最大值赋值为1，最小赋值为-1，绘制主要土地类型的NDVI多时相轨迹图。接着，借助Google Earth VHR（2013）与多季节的TM数据，选择训练样本进行判读解译，在学习样本中添加耕地发展为建设用地的样本特征。最后，采用最大似然法、面向对象法、支持向量机和神经网络法分别对3种不同组合数据进行分类，并采用分层随机抽样法对分类结果进行评价。
2结果与分析
2.1主要土地覆盖类型的时间序列NDVI
2.1.1主要地物类型的NDVI的时间趋势分析
由图1可见， 随着年际与年内的变化，各类型的NDVI具有明显不同的波形特征，幅值和变化趋势。耕地呈现两极化的双峰循环模式，震荡较为明显，有明显的峰值与峰谷，振幅最高，出现震荡的频率较高；建城区随着时间的推移略有变化，振幅小，震荡频率较低；林地随着时间的改变而呈波浪起伏式变化，振幅不大，略高于建设用地，震动频率与耕地相当。
2.1.2耕地发展为建设用地的NDVI时间趋势分析
随着时间与季节的变化，耕地发展为建设用地在每个阶段内有着明显时间痕迹，随着城市的扩张耕地发展为建设用地的区域具有唯一的时间趋势（表2）。根据耕地和建设用地NDVI值的振幅、时间和频率的不同，可以通过时间将二者进行分离。在耕地发展为新城区之前，与耕地NDVI值接近，大体走向与耕地基本一致，呈现耕地两极化的双峰循环特征的时间趋势，但在其发展为新城区后，NDVI值下降，服从建设用地NDVI的时间趋势（图1）。
2.24种方法分类结果
2.2.1分类结果总体评价
得到研究区3种数据组合： TM经大气纠正后的波段（数据1）/ NDVI值（数据2）/TM大气纠正后的波段与NDVI合成数据（数据3）的分类结果。以数据3作为分类的原始数据得到不同方法的分类结果见表3和图2。面向对象法的尺度分割参数设置为35；支持向量机采用径向基RBF函数，核参数γ值设为0.048，惩罚参数设为100；神经网络活化函数选择对数，训练贡献阈值设置为0.9，权重调节参数设置为0.2，训练动量参数设置为0.9，训练中误差退出参数设置为0.9，隐藏层参数设置为1。实验表明，面向对象法具有最高的分类精度，达到84.44%，具有最佳的分类效果，而支持向量机的分类精度次之，最大似然法最低。
2.2.2建设用地的精度比较
总体上，面向对象法在各土地类型的综合效果最佳，在各土地覆盖类型都具有较高的精度，且差异较小，其在建设用地分类中具有最高的制图精度和用户精度，见图3、图4。
各分类方法在各土地类型的制图精度都比较接近，支持向量机法在建设用地的制图精度仅次于面向对象法（见图3）。除面向对象法外，其他方法在不同土地类型的用户精度差异较大，最大差异值达40%左右，最大似然法在建设用地的用户精度最低（见图4）。
2.3讨论
2.3.1数据组合对分类方法的影响
通过对多个时段福州市TM影像进行多种数据组合，测试多种分类算法的效果，各分类算法的参数通过多次调试，得到每种方法的最佳参数与最佳分类结果。实验表明，多个年份的分类结果显示，无论是采用以上4种方法的任一种，数据3得到的分类结果都是最佳；以2009年6月的数据为例，使用NDVI数据的分类精度能达75%，与TM原始数据的分类精度略低，不同数据组合的分类精度差值达3.49%。
2.3.2季节对检测新城区的影响
实验表明，2003年夏季的TM影像的分类精度比其他时段的明显要高，不同时间段的选择对面向对象法分类结果影响最高可达5.22%，见表5。建设用地和耕地的制图精度和用户精度明显也要比春季与冬季分别高368%与5.08%，见表6。总之，同一年不同季节监测建设用地的难度是不同。在春夏季节较易识别建设用地，而在秋冬季节则比较难区分耕地与建设用地。
2.3.3添加地物特征对检测新城区的影响
以2001—2003年时间段为例，经过大气纠正后的2003年5月TM影像与NDVI合成的数据组合，引入102个耕地发展为建设用地的样点到学习样本，占总学习样本的40%。
结果表明，添加耕地发展为建成区的样点到学习样本中，总体分类精度提高了3.54%，建设用地的制图精度提高了4.24%，见表7。
根据表2绘出极限上拔力理论值[6]与设计验算值的对比曲线，如图6所示。由表2以及图6可以看出，扩底桩进行上拔稳定验算时所采用的设计最大剪切上拔力，即容许设计值以及理论极限上拔力，都是随着埋深比的增大而增加的，而且呈相同的增长趋势，但是扩底桩进行上拔稳定验算时所采用的设计容许最大剪切上拔力，即容许设计值在数值上远小于极限上拔力的理论值。考虑到工程的安全性和稳定性以及理论计算的绝对理想状态，设计时进行验算所用到的容许设计值需要具有一定的保守性，应该在理论的基础上有一定的折减，亦即除以安全系数。由此可见，规范中给出扩底桩的抗拔验算公式，即式（1）是合理、可行和相对安全的。 通过以上理论公式以及数值模拟计算结果的全面对比分析，可得出的联合板索基础锚板圆形锚板的抗拔稳定验算式
γfT′≤0.4A1cwh2t+0.8A2γsh3l+Qf下
（2）
式中：T′为作用于锚索上的上拔力的设计验算值，kN；ht为从基础上板底面开始计算的基础锚板的埋置深度，m；hc为从基础上板底面开始计算的基础锚板的临界埋深，可按照表3.3确定，m；cw为计算凝聚力，kN/m2，可通过实验或设计资料获得；γs为基础锚板上部土体的加权平均重度，kN/m3；Qf下为基础自重，kN；B为基础上板的边长，m；A1、A2为土的内摩擦角φ和相对埋深比ht/B的函数，可借用扩底桩基础设计规范[9]确定；γf为基础附加分项系数，可从扩底桩规范获得[9]。
3结论
针对目前使用的既抗压又抗拔基础存在的缺陷和不足[1215]构建了联合板索基础，它是一种新型基础结构型式，即由一个具有一定厚度的镶嵌在地表中的上板和埋设在地下的下板，由预应力锚索（杆）连接起来构成的结构。通过理论分析和数值模拟计算相结合，探讨了联合板索基础的抗拔机理，研究了该基础所能承受的极限上拔力，获得了其上拔力的容许设计值，即容许上拔力和抗拔稳定验算公式，可供联合板索基础设计和施工参考。得到如下结论：
1）联合板索基础与扩底桩基础的抗拔机理极为相似，均适用“剪切法”计算。
2）联合板索基础与扩底桩基础的抗拔上拔破裂面极为相似，极限上拔力极为相似。
3）联合板索基础锚板浅埋条件下，理论计算值与数值模拟相互吻合。
4）获得了联合板索基础锚板设计用极限上拔力，即容许设计值和稳定验算公式。
参考文献：
[1] 黄茂松， 余生兵. 基于块体集上限法的砂土中条形锚板抗拔承载力分析[J]. 岩土工程学报， 2013， 35（2）： 201207.
Huang M S， Yu S B. Pullout capacity of strip anchor plate in sand based on block set mechanism [J]. Chinese Journal of Geotechnical Engineering， 2013， 35（2）： 201207. （in Chinese）
[2] Song Z H， Hu Y X， Randolph M F. Numerical simulation of vertical pullout of plate anchors in clay [J]. Journal of Geotechnical and Geoenvironmental Engineering， 2008， 134（6）：866875.
[3] 孙晓立， 杨敏， 莫海鸿. 利用荷载传递法计算扩底抗拔桩的位移[J]. 岩土工程学报， 2008， 30（12）： 18151820.
Sun X L， Yang M， Mo H H. Displacement of baseenlarged tension piles caculated by load transfer method [J]. Chinese Journal of Geotechnical Engineering， 2008， 30（12）： 18151820. （in Chinese）
[4] 雒亿平， 范雪峰， 付兵彬， 等. 输电杆塔板式单索基础结构ZL201220519599.6[P]. 20130403.
Luo Y P， Fan X F， Fu B B. The board and cable type foundation structure of transmission tower： ZL201220519599.6[P]. 20130403. （in Chinese）
[5] 孙晓立， 莫海鸿. 扩底抗拔桩变形的解析计算方法[J]. 岩石力学与工程学报， 2009， 28（Sup）： 30083014.
Sun X L， Mo H H. An analytical calculation method for displacement of underreamed tension piles [J]. Chinese Journal of Rock Mechanics and Engineering， 2009， 28（Sup）： 30083014. （in Chinese）
[6] 邓骁. 输电塔联合板索基础设计研究[D]. 兰州： 兰州大学， 2014
Deng X. Research on the design about the joint board cable transmission tower foundation [D]. Lanzhou： Lanzhou University， 2014. （in Chinese）
[7] 张昕， 乐金朝， 刘汉东. 砂土中锚板抗拔性能实验研究[J]. 实验力学， 2011， 26（4）： 411416.
Zhang X， Yue J C， Liu H D. Experimental study on the uplift performance of plate anchor in sand [J]. Journal of Experimental Mechanics， 2011， 26（4）： 411416. （in Chinese）
[8] 刘明亮， 朱珍德， 刘金元. 基于PIV技术的锚板抗拉破坏模式识别[J]. 河海大学学报：自然科学版， 2011， 39（1）： 8488. Liu M L， Zhu Z D， Liu J Y. Identification of failure modes for uplift anchor plates based on PIV technology [J]. Journal of Hohai University： Natural Sciences， 2011， 39（1）： 8488. （in Chinese）
[9] DL/T 5219—2005 架空送电线路基础设计技术规定[S]. 北京： 中国电力出版社， 2005.
[10] Ouyang C J， Xu Q， He S M， et al. A generalized limit equilibrium method for the solution of active earth pressure on a retaining wall [J]. Journal of Mountain Science， 2013， 10（6）： 10181027.
[11] Murray E J， Geddes J D. Uplift of anchor plates in sand [J]. Journal of Geotechnical Engineering， 1987， 113： 202215.
[12] 于龙， 刘君， 孔宪京. 锚板在正常固结黏土中的承载力[J]. 岩土力学， 2007， 28（7）： 14271434.
Yu L， Liu J， Kong X J. Stability of plate anchors in NC clay [J]. Rock and Soil Mechanics， 2007， 28（7）： 14271434. （in Chinese）
[13] Ilamparuthi K， Dickin E A， Muthukrishnaiah K. Experimental investigation of the uplift behavior of circular plate anchors embedded in sand [J]. Canadian Geotechnical Journal， 2002，39： 648664.
[14] 范雪峰， 龙哲， 言志信. 黄土中联合板索基础的抗拔承载力变化规律及其影响因素[J]. 科技导报， 2014， 32（36）： 8692.
Fan X F， Long Z， Yan Z X. Vertical uplift capacity of combined cableslab foundation in loess and influencing factors [J]. Science & Technology Review， 2014， 32（36）： 8692. （in Chinese）
[15] Rao K S S， Kumar J. Vertical uplift capacity of horizontal anchors [J]. Journal of Geotechnical Engineering， 1994， 7： 11341147.
（编辑胡英奎）