基于信息量模型和数据标准化的滑坡易发性评价

本文以北川曲山-擂鼓片区为研究区,将坡度、坡向、高程、地层、距断层的距离、距水系的距离和距道路的距离作为该区域滑坡易发性评价因子。采用信息量模型计算了各项评价因子的信息量值,并运用4种标准化模型对信息量值进行标准化处理。各评价因子的权重由层次分析法（AHP）确定。在GIS中将权重值和各评价因子的标准化信息量值,进行叠加计算得到区域滑坡总信息量值,并基于自然断点法对其进行重分类,将研究区划分为极高易发区、高易发区、中易发区、低易发区和极低易发区5级易发区。将基于4种标准化模型和信息量模型得到的滑坡易发性评价结果进行了对比分析,结果表明：基于最值标准化信息量模型的滑坡易发性评价结果的ROC曲线下面积AUC值为0.807,高于其余模型的AUC值,说明最值标准化信息量模型的滑坡易发性评价效果最好。极高易发区面积占研究区面积的20.03%,离断层和水系较近,主要分布地层为寒武系、志留系和三迭系。研究结果可为区内滑坡风险评价和灾害防治提供参考。     

基于GIS与信息量模型法的山东省蒙阴县地质灾害易发性评价

蒙阴县位于山东省东南部,岱崮地貌分布范围较广。近年来,随着人类工程活动的增强,崩塌滑坡泥石流灾害进一步加剧。本文在山东省蒙阴县1∶5万地质灾害风险普查的基础上,结合最新的遥感信息,选取坡度、起伏度、工程地质岩组、地质构造、地貌类型5个影响因子作为研究区地质灾害易发性的评价指标,采用信息量模型法对各评价因子进行信息量计算,通过GIS空间分析平台,建立了蒙阴县地质灾害易发性评价体系,为蒙阴县有效开展防灾减灾救灾工作,切实保障经济社会可持续发展提供有效的科学决策依据。研究区划分为地质灾害高易发区、中易发区、低易发区、非易发区４个等级,特征曲线（ROC）的线下面积（AUC）精度检验值为0.833,表明评价精度较高。     

基于确定性系数和支持向量机的地质灾害易发性评价

确定性系数（Certainty Factor,CF）是经典的地质灾害影响因子敏感性分析方法;支持向量机（Support Vector Machine, SVM）作为机器学习的代表方法,能够综合各个影响因子的关系,对地质灾害易发性进行评价。本文以云南省怒江州泸水县为研究区,将高程、坡度、坡向、剖面曲率、距断裂的距离、距河网的距离、距路网的距离、地貌类型、岩土体类型、土地利用类型作为该区域地质灾害影响因子,依据各影响因子灾害面积比和分级面积比曲线对影响因子的状态进行分级。根据381个地质灾害隐患点,采用CF方法计算的各个影响因子的敏感性值,作为SVM的分类数据,建立基于CF-SVM的易发性评估模型,同时与单独SVM模型的评价结果进行对比分析。结果表明,CF-SVM模型得到的极高和高易发区主要分布在怒江两岸河谷地带,涵盖了89.76%的地质灾害隐患点,比单独SVM模型具有更高的成功率;利用ROC曲线和P-R曲线对两个模型进行检验,CF-SVM模型的评价精度分别达到92%和88%,均高于单独的SVM。由此说明,CF-SVM模型对地质灾害易发性评价有较高的预测价值,可以为地质灾害风险评估和管理提供依据。     

基于信息量模型的地质灾害易发性评价:以川东南古蔺县为例

地质灾害威胁着山区人民生命财产安全, 进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险。以川东南古蔺县为例, 基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子, 采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后, 进一步利用ArcGIS单元统计功能对比了滑坡和崩塌易发性的信息量值, 选取相对更大的信息量值作为该栅格的最终信息量值, 绘制了研究区综合地质灾害易发性图, 利用自然断点法将古蔺县按信息量值的大小划分为极低、低、中、高和极高易发区。结果表明: 地质灾害主要分布在断层和道路附近, 断层和人类工程活动是造成研究区地质灾害频发的主要原因; 高易发区与极高易发区面积之和为1 315.62 km2, 占全区总面积的41.32%;预测模型性能经ROC曲线检验, AUC值为0.812 5, 说明栅格最大值法预测的古蔺县综合地灾易发性效果良好。      

基于样本与因子优化的黄冈南部地区地质灾害易发性评价

为对比信息量模型中灾害数量和灾害面积2种样本的适用性，以黄冈南部地区作为研究对象，探讨了评价因子的优化组合形式，采用信息量模型，根据研究区工程地质条件和地质灾害的特征初选评价因子，结合成功率曲线确定2种样本的因子优化组合，进而通过灾害比率及典型地质灾害点验证易发性评价结果。结果表明:①在单因子评价结果中，2种样本的单因子评价结果的AUC值排列顺序不尽相同，但呈现出一定规律性；②各叠加因子评价结果的准确度均达到因子优化组合的94.9%以上，变化幅度相对较小，且呈现出随因子数量增加而增大的趋势，但并不是越多越好；③2种样本的易发性评价结果都显示出高、较高易发区主要集中于研究区中部及北部地区，低易发区和较低易发区多集中于长江沿岸以及研究区南部，与灾害分布位置相符；④2种样本均为地质灾害易发性评价中信息量模型的有效计算样本，且面积样本的准确度明显优于数量样本。      

不同降雨工况条件下的崩滑地质灾害危险性评价

为针对性地采取预防、避让、治理等地质灾害防治与管控提供依据,完善在地质灾害危险性评价中将降雨作为单一诱发因子参与评价体系的弊端,在大雨、暴雨、大暴雨和特大暴雨4种不同降雨工况条件下进行了研究区崩滑地质灾害危险性评价。以云南省元阳县作为研究区域,以栅格单元作为评价单元,选取地貌类型、高程、坡度、坡向、曲率、工程地质岩组、土地利用类型、断层距离和河流距离9个评价因子,采用主观的层次分析法与客观的信息量模型相结合的加权信息量模型对元阳县崩塌、滑坡进行了地质灾害易发性评价。研究结果表明：基于自然间断点法元阳县域可分为低、中、高、极高4类易发区,4类易发区面积分别占元阳县面积的21.55%,35.46%,25.53%和17.16%。利用ROC曲线得出区划结果精度AUC值为0.812,表明区划结果很好。在易发性评价基础上,以年平均最大日降雨量为诱发因素,分别对大雨、暴雨、大暴雨和特大暴雨4种工况条件下的研究区进行了崩塌、滑坡地质灾害危险性评价,得到了大雨([25,50) mm)工况、暴雨([50,100) mm)工况、大暴雨([100, 250]mm)工况和特大暴雨(>250 mm)工况4种...     

基于RSIV-RF模型的凉山州泥石流易发性评价

针对随机森林(RF)模型进行泥石流易发性评价过程中存在连续型因子依靠主观意识分级、随机选取的非泥石流样本准确度较低等问题,以位于四川西南部的凉山彝族自治州为研究区,提出基于统计学先验模型抽样的随机森林对研究区进行泥石流易发性评价分区。利用累计灾害频率等曲线的相对变化对连续型因子进行分级处理;采用粗糙集理论(RS)和信息量法(IV)计算加权信息量值,划定极低和低易发性区并从中选择负样本数据。通过袋外误差(OOB)变化曲线确定RF模型的最佳树棵数n＿estimators和分裂特征数max＿features,随后构建加权信息量-随机森林(RSIV-RF)模型预测凉山州泥石流易发性。进一步地,与从全区随机选择非泥石流样本的RF模型开展对比研究。结果表明,训练集和测试集下RSIV-RF模型的准确度分别为0.89,0.83,且对应的ROC曲线的AUC值分别为0.920,0.895,均高于单独的RF模型;RSIV-RF绘制的泥石流易发性评价图与历史灾害分布较为一致,较高和高易发性等级区域占研究区面积比为18.625%,包含了78.57%的泥石流点。性能评估和易发性统计结果均表明基于RSIV-RF能够...     

基于ArcGIS信息量模型的宁远县地质灾害易发性评价与区划

以宁远县地质灾害详细调查为基础,结合南方特有的山地丘陵地区的地质环境条件,深入分析宁远县地质灾害的发育特征;基于信息量模型,选取地质灾害现状和影响地质灾害发生、发展的八个因素作为影响因子,利用GIS技术的空间分析和制图功能,计算触发地质灾害发生的各影响因子的信息量值,在Arc GIS平台中将赋有各因子信息量值的因子图层进行叠加,得到了宁远县地质灾害易发性区划图;信息量模型的预测结果与实际调查情况基本吻合,该研究结果对宁远县地质灾害防治规划和地质灾害易发性分区提供重要依据和参考意义。     

基于栅格最大值法的县域综合地质灾害建模

四川省地形高低悬殊, 岩性构造发育, 各类地质灾害频发, 开展地质灾害易发性评价具有重要意义。崩塌、泥石流属于广义上的滑坡, 以四川省丹巴县为例, 从考虑不同滑坡类别的区域性地质灾害易发性出发综合考虑崩塌、滑坡、泥石流的空间概率分布。基于ArcGIS通过高精度数字高程模型共选取高程、坡度等10个地质灾害关键控制因素, 采用信息量模型对综合地质灾害进行了易发性评价。最终通过ArcGIS的单元统计(Cell Statistics)功能实现多个栅格图层最大值法合成综合易发性, 进一步利用受试者工作特征曲线(ROC)验证单种滑坡类别易发性模型的精度。按照自然断点法将研究区划分为极低、低、中、高、极高易发区, 高易发区和极高易发区主要集中分布在章谷镇、太平桥乡以及甲居镇等地。研究结果证明信息量模型能对单类地质灾害进行评价, 栅格最大值法是获取综合易发性的一种有效评价方法。      

贵州省喀斯特地区泥石流灾害易发性评价

贵州省独特的喀斯特山地环境对地质灾害的孕育有其特有的作用机理。本文初选了10个相关因子进行GIS的方差分析及相关性分析,以筛选喀斯特山区泥石流灾害的主要影响因子及灾害易发性评价。结果表明,研究区内土壤侵蚀因子对泥石流灾害的贡献作用最为显著,断层的影响作用不明显。土壤侵蚀、坡度、坡向、岩石性质、土地利用方式、归一化植被指数（NDVI）、到沟谷的距离及>25 mm日数8个影响因子,具有良好的独立性和代表性,是研究区内泥石流易发性评价的最佳指标;泥石流主要分布在贵州西部云贵高原边境、北部大娄山、东北雾灵山及苗岭等地带,占全省面积的29.51%,贵州中部及东南部泥石流易发程度较低;极高易发区泥石流的分布密度是极低易发区的19倍,其主要的环境特征表现为坡度大、植被覆盖率较低,旱地与工矿用地分布多,土壤侵蚀严重;加强旱地、工矿用地及低植被覆盖区的合理利用及管理,是减少泥石流灾害发生的有效途径。     

陇东黄土区地质灾害气象预警方法与应用——以泾川县为例

在地质灾害详细调查的基础上,基于GIS平台以地质灾害点密度为依据生成初步地质灾害易发性区划图.从诱发地质灾害的内部因素出发将地层岩性、地形坡度、地貌类型、植被覆盖率、多年降雨量分级后,叠加到初步易发性区划图中,生成了地质灾害气象预警区划基图.以降雨作为诱发地质灾害的主导外在因素,重新对泾川县进行了地质灾害气象预警区划,...     

Hazard assessment of landslide disaster using information value method and analytical hierarchy process in highly tectonic Chamba region in bosom of Himalaya

The present study is focused on a comparative evaluation of landslide disaster using analytical hierarchy process and information value method for hazard assessment in highly tectonic Chamba region in bosom of Himalaya. During study, the information about the causative factors was generated and the landslide hazard zonation maps were delineated using Information Value Method (IV) and Analytical Hierarchy Process (AHP) using ArcGIS (ESRI). For this purpose, the study area was selected in a part of Ravi river catchment along one of the landslide prone Chamba to Bharmour road corridor of National Highway (NH-154A) in Himachal Pradesh, India. A numeral landslide triggering geoenvironmental factors i.e. slope, aspect, relative relief, soil, curvature, land use and land cover (LULC), lithology, drainage density, and lineament density were selected for landslide hazard mapping based on landslide inventory. Landslide hazard zonation map was categorized namely “very high hazard, high hazard, medium hazard, low hazard, and very low hazard”. The results from these two methods were validated using Area Under Curve (AUC) plots. It is found that hazard zonation map prepared using information value method and analytical hierarchy process methods possess the prediction rate of 78.87% and 75.42%, respectively. Hence, landslide hazard zonation map obtained using information value method is proposed to be more useful for the study area. These final hazard zonation maps can be used by various stakeholders like engineers and administrators for proper maintenance and smooth traffic flow between Chamba and Bharmour cities, which is the only route connecting these tourist places.     

GIS-based landslide susceptibility mapping using numerical risk factor bivariate model and its ensemble with linear multivariate regression and boosted regression tree algorithms

In this study, a novel approach of the landslide numerical risk factor(LNRF) bivariate model was used in ensemble with linear multivariate regression(LMR) and boosted regression tree(BRT) models, coupled with radar remote sensing data and geographic information system(GIS), for landslide susceptibility mapping(LSM) in the Gorganroud watershed, Iran. Fifteen topographic, hydrological, geological and environmental conditioning factors and a landslide inventory(70%, or 298 landslides) were used in mapping. Phased array-type L-band synthetic aperture radar data were used to extract topographic parameters. Coefficients of tolerance and variance inflation factor were used to determine the coherence among conditioning factors. Data for the landslide inventory map were obtained from various resources, such as Iranian Landslide Working Party(ILWP), Forestry, Rangeland and Watershed Organisation(FRWO), extensive field surveys, interpretation of aerial photos and satellite images, and radar data. Of the total data, 30% were used to validate LSMs, using area under the curve(AUC), frequency ratio(FR) and seed cell area index(SCAI).Normalised difference vegetation index, land use/land cover and slope degree in BRT model elevation, rainfall and distance from stream were found to be important factors and were given the highest weightage in modelling. Validation results using AUC showed that the ensemble LNRF-BRT and LNRFLMR models(AUC = 0.912(91.2%) and 0.907(90.7%), respectively) had high predictive accuracy than the LNRF model alone(AUC = 0.855(85.5%)). The FR and SCAI analyses showed that all models divided the parameter classes with high precision. Overall, our novel approach of combining multivariate and machine learning methods with bivariate models, radar remote sensing data and GIS proved to be a powerful tool for landslide susceptibility mapping.     

基于逻辑回归模型和3S技术的思南县滑坡易发性评价

区域滑坡易发性评价对滑坡灾害防治具有重要意义，贵州省思南县由于其特殊的自然地理和地质条件，受滑坡地质灾害的影响非常严重，因此，非常有必要对思南县的滑坡易发性进行评价。在滑坡编录的基础上，采用由RS、GIS和GPS组成的3S技术，获取了思南县的数字高程模型、坡度、坡向、剖面曲率、坡长、岩土类型、地表湿度指数、距离水系的距离、植被覆盖度和地表建筑物指数10个滑坡影响因子；再在频率比和相关性分析的基础上，利用逻辑回归模型对思南县的滑坡易发性进行了评价并绘制了易发性分布图。结果表明:利用逻辑回归模型预测思南县滑坡易发性的准确率(AUC值)达到0.797，较为准确地预测出了思南县滑坡分布规律；极高和高滑坡易发区主要分布在高程低于600 m、地表坡度较大且以软质岩类为主的区域；而极低和低滑坡易发区主要分布在高程较高、地表坡度较小且以硬质岩类为主的区域。      

泰安市地质灾害预警预报系统研究

主要介绍了泰安市地质灾害气象风险预警与指挥系统。系统开发的主要目的是为了更好的与泰安市地质灾害防治工作相结合,通过对气象因素及地质灾害资料的分析和研究,基于地质灾害气象预警模型,采用先进的GIS技术能实现对地质灾害易发风险性区域预警,能直观地了解到各部分区域的地质灾害易发风险性,为各级政府防灾减灾提供科学的技术支撑。     

济南市长清区地质灾害易发程度评价及防治分区划分

济南长清区地质灾害发育较强烈,包括崩塌、滑坡、泥石流和岩溶塌陷等4种类型。 该文在现状调查的基础上,采用“地质灾害综合危险性指数法”,以地质、地形地貌、气候植被、地质灾害隐患点、地质灾害规模、分布密度、活动频次和险情等因素为评价因子,将长清区地质灾害易发程度划分为中易发区、低易发区及不易发区3个区,并在此基础上进行了防治分区划分 ,为地质灾害的预防和治理提供了科学依据。