基于RS-SVM模型的滑坡易发性评价因子选择方法研究

为提高滑坡易发性评价的精度和准确性,利用粗糙集理论和支持向量机模型进行滑坡易发性评价因子选择。以三峡库区秭归到巴东段为研究区,首先通过相关分析和主成分变换对初始滑坡评价因子进行筛减与合并,将剩余的评价因子分为控制因素和影响因素,采用粗糙集理论分别对其进行属性约简,生成核因子集。然后,利用核因子集对支持向量机模型进行训练和预测,得到滑坡易发性评价结果,其预测精度和曲线下面积分别为76.9%和0.939。最后,将两种传统的对所有滑坡评价因子一同进行筛选的方法用于该研究区的滑坡易发性评价,并将传统方法与该方法的评价结果进行比较,结果表明,该文所提出的滑坡评价因子选择方法的精度和准确性均优于传统方法。     

基于深度神经网络的滑坡危险性评价——以深圳市为例

该文以提升滑坡危险性评价精度为核心目标,对深度神经网络在滑坡危险性评价中的可行性和适用性进行研究,以期充分发挥深度神经网络强大的非线性学习和拟合能力,取得更加合理的滑坡危险性评价结果。选取滑坡灾害多发的深圳市作为实例,基于深圳市815条历史滑坡数据,开展了深度神经网络建模训练;通过与广义线性模型及分类与回归树模型训练效果的对比,对深度神经网络的建模效果进行了评价,深度神经网络、广义线性模型和分类与回归树模型的AUC值依次是0.908、0.861和0.857。将训练所得的模型应用于深圳市全区,对3种模型输出的滑坡危险性评价成果的合理性和可靠性进行了对比分析,结果表明:深度神经网络建模精度良好,优于常见的广义线性模型和分类与回归树模型,输出的滑坡危险性评价成果具有合理性,适用于滑坡危险性评价工作。     

不完备样本条件下基于支持向量回归模型的滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义,在基于统计模型进行评价过程中,样本选取对评价结果有较大影响,构建较稳健的、受样本数量影响小的分析模型非常重要。本文以马来西亚热带雨林地区为例,选择坡度、坡向、地表曲率、地貌类型、岩性、构造、土地覆盖、道路和排水系统等9大要素作为评价因子,结合支持向量回归(SVR)模型计算研究区滑坡易发性指数,并探讨不完备样本条件下易发性评价方法,分析样本数量和评价精度之间的关系。结果显示,基于SVR模型进行该区滑坡易发性分析评价,其成功率验证法的描述精度约为95.9%;同时,样本数量的增减对分析精度影响较小;SVR方法是一种适于热带雨林地区高植被覆盖条件下的分析模型,可为今后同类地区的滑坡灾害管理工作提供支持。     

基于DEM和遥感影像的区域黄土滑坡体识别方法研究

应用定量地貌学的原理和方法,对天水市南北两山已有黄土滑坡进行了自动识别研究。首先,引入地形可视性辅助遥感影像目视解译,以选择滑坡和非滑坡样本;其次,综合滑坡的地形特征和遥感特征,通过采取SEaTH算法遴选出能有效区分滑坡与非滑坡的特征差异指标建立滑坡有效识别指标体系;最后,基于滑坡有效识别指标特征集进行面向对象分割,通过建立多层感知器的滑坡自动识别模型对分割后的对象进行识别,并作精度评价。结果表明:1)针对该研究区的已有黄土滑坡,粗糙度、高程变异、切割度、起伏度、坡度、可视性6种地形指标具有识别价值;2)该模型对滑坡的识别精度达71.03%,非滑坡的识别精度达92.02%,较好地识别出了该区域的滑坡范围。     

DEM误差对滑坡危险性评价模型的影响

基于数字高程模型(DEM)计算得到的坡度、坡向等地形属性是滑坡危险性评价模型的重要输入数据, DEM误差会导致地形属性计算结果不确定性, 进而影响滑坡危险性评价模型的结果。本文选择基于专家知识的滑坡危险性评价模型和逻辑斯第回归模型, 采用蒙特卡洛模拟方法, 研究DEM误差所导致的滑坡危险性评价模型结果不确定性。研究区位于长江中上游的重庆开县, 采用5 m分辨率的DEM, 以序贯高斯模拟方法模拟了不同大小(误差标准差为1 m、7.5 m、15 m)和空间自相关性(变程为0 m、30 m、60 m、120 m)的12 类DEM误差场参与滑坡危险性评价。每次模拟包括100 个实现, 通过对每次模拟分别计算滑坡危险性评价结果的标准差图层和分类一致性百分比图层, 用以评价结果不确定性。评价结果表明, 在不同的DEM精度下, 两个滑坡危险性评价模型所得结果的总体不确定性随空间自相关程度的变化趋势并不相同。当DEM空间自相关性程度不同时, 基于专家知识的滑坡危险性评价模型的评价结果总体不确定随着DEM误差增加而呈现不同的变化趋势, 而逻辑斯第回归模型的评价结果总体不确定性随着DEM误差大小增加而单调增加。从评价结果总体不确定性角度而言, 总体上逻辑斯第回归模型比基于专家知识的滑坡危险性评价模型更加依赖于DEM数据质量。     

基于回归分析模型的黄茨滑坡预测、预报研究

滑坡预报的核心是预报模型和预报判据。本文主要选取了一种临滑预报模型：回归分析模型。无论是从对黄茨滑坡的时间预报结果看,还是从位移预测结果上看,回归分析模型精度,都是同类几种模型中精度最高的。文中采用回归分析模型进行预报与分析。     

GIS支持下三峡库区秭归县滑坡灾害空间预测

基于GIS空间分析和统计模型相结合进行区域评价与空间预测是滑坡灾害研究的重要方向之一。以三峡库区秭归县为研究区,选择坡度、坡向、边坡结构、工程岩组、排水系统、土地利用和公路开挖作为评价因子。为提高模型的预测精度、可信度和推广能力,利用窗口采样规则降低训练样本之间的空间相关性。建立Logistic回归模型,对滑坡灾害与评价因子进行定量相关性分析。计算研究区滑坡灾害易发性指数,对其进行聚类分析,绘制滑坡易发性分区图,其中高、中易发区占整个研究区面积的38.9%,主要分布在人类工程活动频繁和靠近排水系统的区域。经过验证,该模型的预测精度达到77.57%。     

基于GIS的北川县地震次生滑坡灾害空间预测

自然灾害的预测预报被认为是主动减灾防灾研究中较为经济有效的方式,其中,滑坡空间预测是滑坡灾害研究的基础工作。以汶川地震重灾区北川县为研究区,选取坡度、高程、岩石类型、地震烈度、水系、道路等6个重要滑坡影响因素作为评价因子,全面分析了地震滑坡分布与各影响因子之间的统计相关性,分别采用多元回归模型与神经网络模型计算滑坡灾害敏感性指数,并进行分级和制图。结果表明,极高和高敏感区主要分布在曲山、陈家坝等乡镇,主要沿着龙门山断裂带周边地区的河流和道路呈带状分布。其中,回归模型的预测精度为73.7%,神经网络模型的预测精度为81.28%,在本区域内,神经网络模型在滑坡灾害空间预测方面更具优势。     

浅层黄土滑坡易发性评价：以晋西黄土区蔡家川农地小流域为例

黄土高原中部地区极端暴雨事件频发,引发大面积浅层滑坡和泥流灾害。随着全球变暖,降雨增加,中国西北黄土高原植被覆盖发生显著变化,不考虑植被因素的黄土滑坡易发性分区的评价方法需要改进。本文以晋西黄土区蔡家川流域农地小流域为研究对象,基于暴雨前后流域高分辨率图像、数字高程模型,野外滑坡调查和室内岩土测试,利用半定量的信息量模型、信息量-逻辑回归耦合模型和定量的物理模型,按有植被和无植被两种工况开展了浅层黄土滑坡易发性分区,并评估模型精度。结果表明：考虑植被时,半定量模型获取的易发性指数均下降,物理模型计算的稳定区面积显著增大,说明植被对浅层滑坡有抑制作用;考虑植被时,各个模型的评价精度都有所提高,信息量-逻辑回归耦合模型的精度高于信息量模型,物理模型的精度整体高于两个半定量模型。研究结果可为以暴雨滑坡为主要类型的小流域水土流失预测预报提供参考。     

基于随机森林的山西省柳林县黄土滑坡空间敏感性评价

基于随机森林模型,以GF-6影像和ALOS DEM数据为基本信息源,结合高程,地形起伏度及地形湿度等11项因子,对山西省柳林县进行滑坡敏感性空间区划。模型精度评价表明：随机森林模型精度为0.75,支持向量机模型精度为0.7,表明随机森林更适合柳林县的滑坡敏感性评价。指标重要性分析结果表明：高程、坡度、距道路距离以及距河流距离,是影响柳林县滑坡发育的主要因素。敏感性空间区划结果表明：高度敏感区约占柳林县总面积的28%,主要分布在三川河流域的南北边界及邻近区域内,其中贾家垣乡分布面积最广。从时间成本、训练难度、稳定度以及精确度考虑,随机森林模型更适合滑坡敏感性评价这类非线性计算问题。     

GIS and ANN model for landslide susceptibility mapping

1 IntroductionThe population growth and the expansion of settlements and life-lines over hazardous areas exert increasingly great impact of natural disasters both in the developed and developing countries. In many countries, the economic losses and casualties due to landslides are greater than commonly recognized and generate a yearly loss of property larger than that from any other natural disasters, including earthquakes, floods and windstorms. Landslides in mountainous terrain often occur a…     

GIS and ANN model for landslide susceptibility mapping

Landslide hazard is as the probability of occurrence of a potentially damaging landslide phenomenon within specified period of time and within a given area. The susceptibility map provides the relative spatial probability of landslides occurrence. A study is presented of the application of GIS and artificial neural network model to landslide susceptibility mapping, with particular reference to landslides on natural terrain in this paper. The method has been applied to Lantau Island, the largest outlying island within the territory of Hong Kong. A three-level neural network model was constructed and trained by the back-propagate algorithm in the geographical database of the study area. The data in the database includes digital elevation modal and its derivatives, landslides distribution and their attributes, superficial geological maps, vegetation cover, the raingauges distribution and their 14 years 5-minute observation. Based on field inspection and analysis of correlation between terrain variables and landslides frequency, lithology, vegetation cover, slope gradient, slope aspect, slope curvature, elevation, the characteristic value, the rainstorms corresponding to the landslide, and distance to drainage line are considered to be related to landslide susceptibility in this study. The artificial neural network is then coupled with the ArcView3.2 GIS software to produce the landslide susceptibility map, which classifies the susceptibility into three levels: low, moderate, and high. The results from this study indicate that GIS coupled with artificial neural network model is a flexible and powerful approach to identify the spatial probability of hazards.     

基于InVEST模型的陕北黄土高原水源涵养功能时空变化

以陕北黄土高原为研究区,基于InVEST水源涵养功能评价模块,定量评价退耕还林还草工程背景下土地利用/覆被变化对研究区水源涵养的影响,在此基础上开展水源涵养空间分区。结果表明：① 2000-2010年,陕北黄土高原草地、灌丛和林地的面积分别增加了3204 km²、285.3 km²和122.7 km²,城镇面积增加了450.4 km²;农田、荒漠、湿地的面积分别面积减少了3984.5 km²、72.7 km²和5.2 km²。② 2000-2010年,陕北黄土高原水源涵养量整体以减少为主,中部减少最为显著,减少量在25 m³/hm²~40 m³/hm²,局部区域在40 m³/hm²以上;其他大部分区域均有0~25 m³/hm²不等的减少。③ 陕北黄土高原水源涵养功能高度重要区和极重要区的总面积为32255.1 km²,所占比例为40.5%。④ 通过陕北黄土高原水源涵养功能评价和重要性分区为生态系统的科学管理提供参考。     

基于PGIS的社区洪涝灾害概率风险评估——以福建省泰宁县城区为例

以福建泰宁县城区为例,基于PGIS 和概率（情景）风险分析方法,开展社区尺度的洪涝灾害风险研究。利用1949-2011年13 次历史洪灾资料,计算了洪水的强度-超越概率,得出大于洪峰流量2929.18 m³/s 和洪峰水位281.50 m的年超越概率为1.6%。在此情景下,县城淹没面积达1.3 km²（占总面积31.0%）,最大淹没深度超过3.5 m,最长淹没时间超过10小时,共有1846 幢建筑物（占全部建筑的42.2%）受影响。分别针对受灾区域房屋建筑、住宅室内财产和商户室内财产,建立灾损方程,评估损失价值,并绘制灾损地图。结果表明,洪涝灾害对社区造成的影响显著,有必要制定应急预案,建立早期预警等进行防灾降险。     

雅鲁藏布江中游江心洲、河漫滩面积及其指示的沙源特征

雅鲁藏布江流域中游（贡嘎县至乃东区）江心洲和河漫滩等河流地貌发育,同时也发育了不同类型的风沙地貌,是雅鲁藏布江流域风沙灾害最为严重的地区。冬春季大范围裸露的江心洲和河漫滩,为沙尘暴的发生提供沙源,也可能是北岸沙丘的物源。目前对江心洲和河漫滩面积动态变化过程及其与沙源之间的关系几乎没有研究。为此,本文通过对2019年11月至2020年8月遥感影像解译和风动力条件综合分析,探讨河床动态变化过程与沙源之间的关系。结果表明：江心洲和河漫滩面积具有明显的时空变化特征,主要受径流量的影响。江心洲面积3月最大（222.95 km²）,8月最小（80.61 km²）。沙源比（河道内江心洲面积与水域面积的比值）具有明显时空变化规律,3月最大（2.00）,8月最小（0.28）。河漫滩面积也具有相似的变化规律,3月78.99 km²,8月仅45.45 km²。起沙风频率冬春季大,意味着3月风沙活动强度最大,8月最小。由此可知,江心洲和河漫滩能够为研究区的风沙灾害提供物源,而强风提供动力条件。     

艾比湖流域植被生态需水量

基于遥感数据,通过SEBAL模型估算蒸散量,计算艾比湖流域不同植被类型下植被生长季（59月）的生态需水量。结果表明：研究区植被主要为牧草地、灌木林地、耕地、乔木林地,面积分别为13 944km²（50%）、8 071km²（29%）、5 022km²（18%）、566km²（2%）。SEBAL模型估算的日蒸散量7月最大,为4.36mm。5、6、8、9月日蒸散量分别为4.26、4.07、4.24、4.15mm。SEBAL模型估算结果整体相对误差在10%以内,在允许范围内。20002015年生长季植被生态需水量整体上呈现出增加-减少-增加的变化趋势,2000、2005、2010、2015年分别为151.003×10⁸、149.611×10⁸、144.431×10⁸、136.374×10⁸m³。各植被类型下的生态需水量相比,牧草地 > 灌木林地 > 耕地 > 乔木林地,牧草地约占总生态需水量的53%～55%,而灌木林地、耕地的生态需水量分别占21%～25%、19%～20%,乔木林地的生态需水量所占比例最小,仅为2%～3%。     

1959年来中国天山冰川资源时空变化

基于两期冰川编目数据与气象数据,对天山1959年来冰川资源的时空变化特征进行研究。研究发现：① 天山地区现有冰川7934条,面积7179.77 km²,冰储量756.48 km³。冰川数量以面积< 1 km²的冰川居多,面积以1~10 km²和≥ 20 km²的冰川为主,冰川集中分布在海拔3800~4800 m之间。② 在四级流域中,阿克苏河流域冰川面积最大为1721.75 km²,面积最小的是伊吾河流域,为56.03 km²。在各市（州）中,阿克苏地区冰川资源量最多,其面积和储量分别占天山总量的43.28%和68.85%;冰川资源量最少的市（州）是吐鲁番地区,面积和储量仅占天山总量的0.23%和0.07%。③ 1959年来,天山地区冰川面积减少了1619.82 km²（-18.41%）,储量亏损了104.78 km³（-12.16%）,其中数量以< 1 km²的冰川减少最多,面积减少以< 5 km²的冰川最为严重。④ 冰川变化呈现明显的区域差异,变化速度最快的是天山东段博格达北坡流域,变化最慢的是中部的渭干河流域。初步分析认为夏季气温显著上升带来的消融大于年内降水带来的积累是天山冰川退缩的主要原因。     

1977年以来黄河临河段河岸冲淤变化及河道萎缩速率

不同时段河道的侧向侵蚀/加积面积变化的定量研究可以揭示河道的变化特征。以黄河临河段213 km长的河段为研究对象,利用1977年以来19个时段基于遥感影像绘制的河道平面形态图的面积变化来估算其4个亚河段（S1、S2、S3和S4）在不同时段的河岸侧向侵蚀/加积面积以及全河段的河道平均萎缩速率。研究结果表明,黄河临河段左右河岸在37年间都表现为侧向净加积,其4个亚河段左岸的侧向累计加积面积分别为33.16 km²、49.59 km²、29.52 km²和30.85 km²,其中1995-2000年的加积面积分别占到其总加积面积的85.5%、51.2%、47.2%和104.6%;右岸的侧向累计加积面积分别为30.83 km²、8.74 km²、26.44 km²和18.76 km²,而1995-2000年的加积面积分别占到其总加积面积的57.2%、111.9%、65.7%和61.6%。该河段河道面积1977-2001年具有减小趋势,2001年之后河道表现为侧向侵蚀、加积的交替变化,1977-2014年间河道平均萎缩速率为6.16 km²/yr。该河段河道平面形态值最明显的变化也发生在1990s,与1995年相比,2000年的河道长度增加了5.8%,河道面积减少了39.4%,河道平均宽度减小了42.8%,弯曲系数增加了6.6%。黄河临河段河道形态剧烈变化及河道严重萎缩都发生在1990s,这主要是黄河上游刘家峡和龙羊峡水库联合运行导致汛期水沙量大量减小所致,4个亚河段的河岸冲淤变化还受到局部河岸物质结构、护岸工程及水动力差异的影响。随着2000年后河流综合管理措施的调整,黄河临河段河道的上述变化趋势明显弱化,河流健康程度有所好转。     

喜马拉雅地区叶如藏布流域冰川和冰湖变化遥感监测研究

叶如藏布流域冰川和冰湖众多,冰川融水是当地重要的淡水资源,是冰湖扩张的重要补给,冰湖溃决是当地潜在的自然灾害,因此分析该区域冰川和冰湖的现状与变化特征具有重要的现实意义。基于Landsat系列遥感影像,分析1990—2020年叶如藏布流域冰川和冰湖的分布与变化特征。结果表明：（1） 近30 a来叶如藏布流域冰川面积整体呈退缩趋势,由1990年167.80 km²退缩到2020年128.92 km²,共退缩38.88 km²,年均退缩率为0.77%·a^-1,且研究区冰川主要分布在海拔5800~6400 m之间,集中分布在5°~20°的坡度上。（2） 与冰川变化趋势相反,研究时段冰湖整体表现为扩张趋势,由1990年5.72 km²增加到2020年8.81 km²,30 a共增加3.09 km²,年均增长率为1.80%·a^-1。（3） 冰湖主要分布在海拔5000~5600 m范围内,坡度在0~10°分布面积较多,表碛覆盖型冰川与非表碛覆盖型冰川对冰湖有着不同程度的影响。（4） 1990—2017年叶如藏布流域温度与降水波动较大,温度整体呈上升趋势,降水量则波动下降,导致叶如藏布流域的冰川消融,冰湖扩张。通过上述研究以期为叶如藏布流域地区提供详细的冰川和冰湖面积分布与变化特征基础数据,为防灾减灾提供一定的支撑。