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。     

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Inter.iamb-Tabu算法的区域滑坡敏感性评价

确定滑坡敏感性概率的空间分布,可为滑坡防治政策制定和土地利用规划提供科学依据。由于成灾环境的空间差异和滑坡机理的复杂性,基于不同逻辑架构(物理模型、理论模型等)的滑坡敏感性评价针对特定孕灾环境,无法提前确定最优数学评价模型,而基于深度学习法的、融合多种模型的混合算法能较好地解决这个问题。本文以山东省淄博市博山区为研究区域,基于单因素Logistic回归法筛选了滑坡致灾因子,通过频率比法对致灾因子进行了分级;对4种基于贝叶斯网络的改进算法(MMHC、MMPC-Tabu、Fast.iamb-Tabu、Inter.iamb-Tabu)进行验证,引入错误指数确定了建模效果最佳的算法;计算了博山区774 570个栅格的滑坡敏感性概率,绘制了博山区滑坡敏感性分布图;基于GIS的空间叠加和栅格计算器功能,对比了各模型的滑坡敏感性评价结果。研究结果表明：(1)基于Inter.iamb-Tabu开展博山区滑坡敏感性建模时效果最佳。该模型包含10个节点(9个致灾因子节点和1个结局节点)、14条有向边。研究区域可划分为极高敏感区、高敏感区、中敏感区、低敏感区和极低敏感区,分别占总面积的7.30%(49.80...     

一种适用于逻辑回归模型评价浅层滑坡易发性的网格尺度划分方法 ——以2019年福建省三明市群发浅层滑坡为例

滑坡易发性评价是滑坡防治研究的重要内容之一.在逻辑回归模型中,常用网格单元作为滑坡易发性评价单元,具有划分简单,回归效率高的优点.然而,在构建模型时直接将研究区的栅格数据转换为矩阵,每个栅格表示一个评价单元,存在滑坡样本不平衡,滑坡地形参数指标不能反映真实的滑坡地形等问题,造成评价效果统计显著性低.本文以2019年福建...     

基于空间聚集度的滑坡危险性区划补充评价——以深圳市为例

滑坡危险性区划是滑坡预警预报和防治的基础,应用合理指标对模型进行检验和筛选决定了最终成果的质量。现有研究多使用基于混淆矩阵的ROC曲线和AUC值等指标对模型效果进行评价,随着模型种类的增多以及分类性能的提升,现有指标对初步筛选后的各模型常常无法进行统计意义上的显著性区分。实际的滑坡风险管理工作仅能采用一个最终的危险性区划模型,使用现有指标无法完全满足要求;同时,滑坡危险性区划中的训练数据通常较少,在全区中的占比很低,训练得到的模型应用到全区时,必须对滑坡危险性区划的总体质量做出评价和控制,而现有评价指标体系中尚无相关评价指标。针对上述问题,该文提出了应用空间聚集度指标,从模型预测滑坡危险性空间分布合理性的角度,对区划模型应用到全区时进行补充性评价,并以深圳市为例进行了实例验证,结果表明该指标合理可行,能够依据空间分布合理性有效区分不同模型的效果。该研究成果可以为滑坡危险性区划及相关地学建模工作提供直接的借鉴和支持。     

滑坡危险度评价的地形判别法

选取影响滑坡发育的坡度、坡形、坡向、坡体的相对高度和地形与地层产状的组合关系5个主要地形因素，结合三峡库区重点滑坡段(云阳-巫山)205个滑坡统计资料，利用地形判别法，对典型滑坡危险度进行评价。将各地形判别因子在区域滑坡发育上的贡献率作为评价典型滑坡危险度的评价值，利用层次分析法，建立典型滑坡危险度判别矩阵。将判别矩阵的归一化特征向量作为判别因子的权重，得到典型滑坡的危险度。通过建立典型滑坡危险度评价表，对滑坡进行有效的管理。此研究方法有效地避免了对评价因子赋值的主观性，并提出了对不同危险度等级的滑坡管理措施。     

区域滑坡灾害风险评价方法研究

回顾了滑坡灾害风险评价研究进展,指出了现有评价方法的不足。然后提出了基于土地利用类型的滑坡灾害易损性评价方法,建立了针对滑坡灾害的防灾减灾能力评价指标体系,并给出了具体评价方法。最后提出了基于G IS的区域滑坡灾害风险评价流程以及滑坡灾害风险等级确定方法。     

基于改进证据权重法的北海道地震同震滑坡易发性评价

多模型耦合方法被广泛应用于同震滑坡易发性评价研究,但耦合证据权重法和其他方法的改进型证据权重法鲜有涉及。该文以北海道地震震中区为研究区,基于震前和震后高精度遥感影像解译出5977处同震滑坡(以中小型为主),选取高程、坡度、距断层距离、距水系距离等8个滑坡易发性评价因子,对同震滑坡的空间分布规律和控制因子进行分析,发现同震滑坡集中发育在距断层小于5 km、距水系小于800 m、峰值地面加速度(PGA)0.5 g、高程90~250 m、坡度20°~40°、坡向东至东南向、岩性以页岩和砾岩为主的区域内;基于改进型证据权重法,综合考虑地形、地质和水文条件对北海道同震滑坡易发性进行评价,经ROC曲线评价模型验证,发现改进模型曲线下面积(AUC)为0.916,较原模型(AUC为0.870)精度有明显提高。改进模型能为同震滑坡易发性评价提供新的研究思路,并为震后区域防灾减灾提供科学依据。     

基于GIS的澜沧江下游区滑坡灾害危险性分析

澜沧江流域是中国西南地区滑坡灾害较为严重的地区。对澜沧江下游区滑坡灾害及其控制因素分析,建立基于G IS的滑坡灾害危险性评价模型,实现澜沧江下游区滑坡危险性区划,为该区滑坡灾害防治和生态环境保护等提供重要决策依据。     

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。     

Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong

Steep terrain and high a frequency of tropical rainstorms make landslide occurrence on natural terrain a common phenomenon in Hong Kong. This paper reports on the use of a Geographical Information Systems (GIS) database, compiled primarily from existing digital maps and aerial photographs, to describe the physical characteristics of landslides and the statistical relations of landslide frequency with the physical parameters contributing to the initiation of landslides on Lantau Island in Hong Kong. The horizontal travel length and the angle of reach, defined as the angle of the line connecting the head of the landslide source to the distal margin of the displaced mass, are used to describe runout behavior of landslide mass. For all landslides studied, the horizontal travel length of landslide mass ranges from 5 to 785 m, with a mean value of 43 m, and the average angle of reach is 27.7°. This GIS database is then used to obtain a logistic multiple regression model for predicting slope instability. It is indicated that slope gradient, lithology, elevation, slope aspect, and land-use are statistically significant in predicting slope instability, while slope morphology and proximity to drainage lines are not important and thus excluded from the model. This model is then imported back into the GIS to produce a map of predicted slope instability. The results of this study demonstrate that slope instability can be effectively modeled by using GIS technology and logistic multiple regression analysis.     

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%。     

Susceptibility assessment of earthquake-triggered landslides in El Salvador using logistic regression

This work has evaluated the probability of earthquake-triggered landslide occurrence in the whole of El Salvador, with a Geographic Information System (GIS) and a logistic regression model. Slope gradient, elevation, aspect, mean annual precipitation, lithology, land use, and terrain roughness are the predictor variables used to determine the dependent variable of occurrence or non-occurrence of landslides within an individual grid cell. The results illustrate the importance of terrain roughness and soil type as key factors within the model — using only these two variables the analysis returned a significance level of 89.4%. The results obtained from the model within the GIS were then used to produce a map of relative landslide susceptibility.     

GIS techniques for regional-scale landslide susceptibility assessment: the Sicily (Italy) case study

This study describes the assessment of landslide susceptibility in Sicily (Italy) at a 1:100,000 scale using a multivariate logistic regression model. The model was implemented in a GIS environment by using the ArcSDM (Arc Spatial Data Modeller) module, modified to develop spatial prediction through regional data sets. A newly developed algorithm was used to automatically extract the detachment area from mapped landslide polygons. The following factors were selected as independent variables of the logistic regression model: slope gradient, lithology, land cover, a curve number derived index and a pluviometric anomaly index. The above-described configuration has been verified to be the best one among others employing from three to eight factors. All the regression coefficients and parameters were calculated using selected landslide training data sets. The results of the analysis were validated using an independent landslide data set. On an average, 82% of the area affected by instability and 79% of the not affected area were correctly classified by the model, which proved to be a useful tool for planners and decision-makers.     

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。     

灰色GM(1,1)残差修正模型在滑坡预测中的对比应用

在传统GM(1,1)模型的基础上,经过不同方式的残差修正,分别建立了一阶残差修正GM(1,1)模型和二阶残差修正GM(1,1)模型。根据滑坡的监测资料,对变形曲线为光滑型滑坡(如黄龙西村滑坡、某滑坡)和阶跃型滑坡(如新滩滑坡、洒勒山新滑坡)分别建立了传统GM(1,1)模型和一阶、二阶残差修正模型,并对不同滑坡各模型的预测精度进行了分析比较。结果表明,残差修正GM(1,1)模型的预测精度明显高于传统GM(1,1)模型的预测精度。对变形曲线为光滑型的滑坡,二阶残差修正GM(1,1)模型的预测精度一般高于一阶残差修正GM(1,1)模型的预测精度;对变形曲线为阶跃型的滑坡,一阶残差修正GM(1,1)模型的预测精度高于二阶残差修正GM(1,1)模型的预测精度。     

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。     

GM（1，1）优化模型在滑坡预测预报中的应用

灰色模型在社会科学、自然科学的许多方面已得到广泛的应用，并取得了一系列重大成果。在斜坡(滑坡)地质灾害研究方面，灰色模型多用于斜坡(滑坡)变形的中长期预测预报，且精度较高；但对滑坡短临预测预报精度较差，甚至不能适用，有待改进。滑坡变形预测预报的实际算例表明，以优化灰色模型背景值为基础的优化GM(1，1)模型。具有对建模结果进行优化的能力，即能用于斜坡变形的中长期预测预报，又能适于滑坡短临预测预报。且都能获得较高的模拟和预测精度。应用传统线性GM(1，1)模型和非线性Verhulst模型进行对比分析，检验了优化GM(1，1)模型的正确性和较广泛的适用性。     

Uncertainty due to DEM error in landslide susceptibility mapping

Terrain attributes such as slope gradient and slope shape, computed from a gridded digital elevation model (DEM), are important input data for landslide susceptibility mapping. Errors in DEM can cause uncertainty in terrain attributes and thus influence landslide susceptibility mapping. Monte Carlo simulations have been used in this article to compare uncertainties due to DEM error in two representative landslide susceptibility mapping approaches: a recently developed expert knowledge and fuzzy logic-based approach to landslide susceptibility mapping (efLandslides), and a logistic regression approach that is representative of multivariate statistical approaches to landslide susceptibility mapping. The study area is located in the middle and upper reaches of the Yangtze River, China, and includes two adjacent areas with similar environmental conditions – one for efLandslides model development (approximately 250 km²) and the other for model extrapolation (approximately 4600 km²). Sequential Gaussian simulation was used to simulate DEM error fields at 25-m resolution with different magnitudes and spatial autocorrelation levels. Nine sets of simulations were generated. Each set included 100 realizations derived from a DEM error field specified by possible combinations of three standard deviation values (1, 7.5, and 15 m) for error magnitude and three range values (0, 60, and 120 m) for spatial autocorrelation. The overall uncertainties of both efLandslides and the logistic regression approach attributable to each model-simulated DEM error were evaluated based on a map of standard deviations of landslide susceptibility realizations. The uncertainty assessment showed that the overall uncertainty in efLandslides was less sensitive to DEM error than that in the logistic regression approach and that the overall uncertainties in both efLandslides and the logistic regression approach for the model-extrapolation area were generally lower than in the model-development area used in this study. Boxplots were produced by associating an independent validation set of 205 observed landslides in the model-extrapolation area with the resulting landslide susceptibility realizations. These boxplots showed that for all simulations, efLandslides produced more reasonable results than logistic regression.