基于频率比与集成学习的滑坡易发性评价——以金沙江上游巴塘—德格河段为例

金沙江上游巴塘—德格河段地处青藏高原东部,该区地质、地形、地貌极其复杂,滑坡灾害最为发育,开展区域滑坡易发性评价对防灾减灾工作有着重要的意义。本文以金沙江上游巴塘—德格河段为研究区,在滑坡编录与野外实际调查的基础上,通过对滑坡分布规律和影响因素分析,选取高程、坡度、坡向、曲率、地形起伏度、地表切割度、地表粗糙度、地层岩性、断层、水系和道路等11个影响因子,构建了滑坡易发性评价指标体系。利用皮尔森系数去除高相关性影响因子,运用频率比方法定量分析各个因子与滑坡发育的关系。通过频率比模型选取非滑坡样本,采用集成学习算法模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区、高易发区、中易发区、低易发区及极低易发区5个等级。由滑坡易发性分区图和ROC曲线表明,高和极高易发区主要沿金沙江沿岸和沟谷分布,随机森林模型的成功率曲线下面积AUC=0.84,历史滑坡灾害位于高-极高易发区的灾害数占总滑坡数的84.8%,梯度提升树模型的成功率曲线下面积AUC=0.79,历史滑坡灾害位于高-极高易发区灾害数占总滑坡数的79.3%。由AUC值和历史灾害的分布可知,随机森林模型比梯度提升树模型在本研究区滑坡易发性评价中有着更好的评价精度和更高的预测能力。     

基于GIS的白龙江流域甘肃段滑坡易发性评价

在甘肃省白龙江流域地质灾害资料收集及现场调查的基础上, 统计分析了该区滑坡发育与地层岩性、坡度、坡向、高程、断裂、植被等因素之间的关系, 建立了白龙江流域滑坡易发性评价指标体系。采用基于GIS的层次分析法评价模型, 完成了滑坡易发性分区评价, 将研究区滑坡按易发程度划分为高易发区、中易发区、低易发区和极低易发区, 其中, 高易发区占研究区总面积的13.59%, 主要分布在断裂带、白龙江两侧以及软弱岩土体分布的区域; 中易发区占27.85%;主要分布在白龙江支流以及主要道路两侧的一定范围内; 低易发区占33.09%, 主要分布在海拔相对较高、植被覆盖度较高、基本上无断裂带通过的区域; 其余区域为极低易发区, 占25.46%。对比分析显示评价结果与实际滑坡发育情况吻合, 可以较好地反映区内滑坡灾害发育的总体特征。      

基于GIS的哀牢山戛洒镇小流域滑坡易发性评价

根据研究区的基本情况,选择坡度、坡向、地层岩性、距断层距离、降雨、土地利用等6个评价因子,采用滑坡灾害易发性评价的GIS与AHP耦合模型进行戛洒镇滑坡灾害易发性评价,并将滑坡灾害分为极高、高、中、低和极低易发区5个区域进行了滑坡灾害易发性评价结果分析,以期为后期的小流域滑坡风险评估研究服务。     

基于GIS和层次分析法的沙溪流域滑坡地质灾害易发性评价

滑坡是沙溪流域主要地质灾害类型之一,开展滑坡灾害易发性评价可为区域地质灾害防治提供数据基础和决策依据。通过沙溪流域生态地质调查,分析了滑坡灾害分布规律和影响因素之间的关系,选取岩性建造、地貌、坡度、坡向、降雨量、距河流距离和距断层距离7项指标,利用层次分析法及地理信息系统空间分析技术,开展沙溪流域滑坡地质灾害易发性评价。结果显示: 沙溪流域滑坡易发性影响因子依次为岩性建造、多年年均降水量、地形地貌、坡度、距河流距离、距断层距离和坡向; 沙溪流域滑坡灾害易发性与坡度、岩性建造、年均降水量表现出明显正相关,即坡度越大、岩性建造性质越软弱、越易风化,年均降水量越多,越易引发滑坡灾害; 滑坡灾害易发性与断裂构造、河流距离与滑坡灾害易发性呈负相关,即距离越近越容易诱发地质灾害; 流域整体以低易发区和极低易发区为主,高易发区主要分布在沙溪流域中南部、东部及东北部地区。这为沙溪流域地质灾害防治提供了基础数据和决策依据。     

国道213汶川—松潘段滑坡隐患遥感识别与易发性评价

国道213汶川—松潘段位于强震山区,滑坡灾害频发,每年都会因滑坡灾害导致交通中断,迫切需要查明沿线滑坡隐患的空间分布,并对其易发性进行评价。利用光学遥感和InSAR综合遥感技术对沿线滑坡隐患进行识别,共识别滑坡隐患288处,其中InSAR探测出有形变的滑坡隐患点27处。以识别出的滑坡隐患为评价样本,选取高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数(normalizied difference vegetation index,NDVI)、距道路距离、距河流距离、距断层距离等9个影响因素作为评价因子,采用Logistic回归模型评价该沿线滑坡隐患易发性,评价结果可为国道213汶川—松潘段滑坡灾害防治提供参考。     

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network,CNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network,ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害发育的分布现状,能够为该区的CZ铁路建设和未来安全运行过程中的防灾减灾工作提供科学的依据。     

基于GIS和信息量模型的陇川县滑坡易发性评价

云南省陇川县地质环境脆弱,易发生滑坡灾害,对其开展滑坡易发性评价对指导陇川县的滑坡地质灾害防治具有重大意义。根据陇川县地理环境、地质环境、人类活动等条件,选取高程、坡度、坡向、剖面曲率、平面曲率、归一化植被指数、水系距离、断层距离、地层岩性和道路距离等10个评价因子,利用信息量模型和ArcGIS软件进行滑坡易发性评价。结果表明,滑坡高易发区主要位于研究区北部、东南部和西南部;中易发区主要位于中部、东部和西部部分地区;低易发区主要位于陇把镇、城子镇大部分地区和户撒阿昌族乡的西北部;不易发区主要位于清平乡中部、城子镇中部部分地区、以及章凤镇大部分地区。在中易发区和高易发区包含83.56%的滑坡灾害点,且滑坡面积随着易发性等级的增加也随之增大。滑坡中、高易发区内发生的滑坡面积分别占研究区滑坡面积的22.79%和58.13%,分析结果与实际灾害分布特征相吻合,可为研究区及类似区域的滑坡地质灾害防灾减灾工作提供参考意见。     

基于深度神经网络模型的雅安市滑坡易发性评价CSCD

准确的滑坡易发性评价结果是滑坡风险评估的基础,对防灾减灾工作有着重要的意义。文章以雅安市为研究区,在野外地质调查的基础上,选取高程、坡度、坡向、平面曲率、剖面曲率、地形湿度指数、泥沙输运指数、径流强度指数、归一化植被指数、年均降雨量、地震动峰值加速度、地形起伏度、距断层距离、地层岩性、距河流距离、距道路距离等16个因子,构建研究区滑坡易发性评价指标体系,采用度神经网深络(DNN)模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区(12.2%)、高易发区(7.0%)、中易发区(9.8%)、低易发区(17.0%)、极低易发区(54.1%)五个等级,并与人工神经网络(ANN)模型进行对比,用ROC曲线的AUC值进行精度检验。结果表明,DNN模型的评价精度AUC(0.99)大于ANN(0.96)模型。因此,相比ANN模型,DNN模型在该研究区有着更好的拟合能力和预测能力,滑坡极高和高易发区主要分布于雅安市人类工程活动强烈的低海拔地区,沿着道路和水系分布,距道路距离、高程、年均降雨量是影响雅安滑坡发育的主要影响因子。     

基于证据权法的湖南省石门县皂市水库滑坡易发性评价

湖南省石门县皂市水库地区滑坡地质灾害频发,采用证据权法进行滑坡易发性评价可以为滑坡防治提供科学依据.本文首先以斜坡单元为基本制图单元,利用ArcGIS空间分析功能,结合历史滑坡灾害点实地复核数据、遥感影像、地形图、数字高程模型、地质图等数据,提取了坡度、坡形、斜坡高差、植被覆盖度、地层岩性、斜坡结构类型、断层缓冲距离、道路缓冲距离、河流缓冲距离等9个证据因子并划分证据层;然后基于证据权法分别计算各证据层权重值,生成了研究区滑坡易发性分区图,并进行了预测精度分析.结果表明:(1)研究区滑坡易发性可划分为高易发区、中易发区、低易发区、极低易发区4类,4类分区面积占比分别为7.5％、20.6％、54.9％、17.0％;(2)基于成功率曲线法得出分区准确率为84.7％,评价结果与灾害点分布较为吻合.     

考虑软弱夹层控滑机制及其空间不确定性的顺层岩质滑坡易发性评价:万州区铁峰乡应用研究

顺层岩质滑坡突发性强,破坏性大,是危害山区城镇安全的重要灾害类型之一.发育软弱夹层的顺向斜坡是顺层岩质滑坡的高发区,区域顺层岩质滑坡易发性评价应融入软弱夹层的控滑机制和空间分布不确定性分析.以万州区铁峰乡为研究区,在软弱夹层物质结构及空间分布详细调查的基础上,分析了原生沉积、构造变形和表生改造作用下区内页岩和泥岩两类软...     

基于斜坡单元与信息量法结合的宝塔区黄土滑坡易发性评价

滑坡易发性评价对滑坡灾害的防治与管理具有重要意义。为了评价延安宝塔区黄土滑坡易发性,以斜坡为基本评价单元,选取斜坡坡度、坡高、坡向、坡形、斜坡结构类型、植被和人类工程活动7个指标作为评价因子,在Arc GIS平台下,利用信息量模型对研究区的黄土滑坡进行易发性分区评价。评价结果表明,宝塔区滑坡高易发区面积1092.39km~2,占全区面积的30.81%,主要分布于宝塔区的中部及北部地区,低易发区集中于宝塔区南部汾川河流域。以斜坡作为评价单元提高了与实际地形地貌的吻合度。应用信息量模型进行滑坡易发性评价具有较高的预测精度,已有滑坡点落在很高易发区和高易发区中的比例为95.7%,较真实地反映了客观实际。     

基于SVM-ANN模型的滑坡易发性评价——以三峡库区巫山县为例

本文以三峡库区巫山县为研究区,利用收集的资料,提取出9类指标因子(高程、坡度、坡向、地形湿度指数TWI、地表粗糙度指数TRI、地层岩性、水系距离、构造距离、植被覆盖指数NDVI),利用相关性分析剔除高程因子。将灾害点和指标因子数据带入支持向量机(SVM)和人工神经网络(ANN)模型,得到研究区滑坡易发性区划图。根据ROC曲线对模型的精确度进行评价,得到SVM模型的成功率和预测率曲线的AUC值分别为0.919和0.862,ANN模型分别为0.86和0.837,表明两个模型均适用于研究区滑坡易发性评价。根据以上工作,本文提出了基于Max{LSI(SVM);LSI(ANN)}函数的SVM-ANN模型,并将其应用到该区的滑坡易发性评价中。SVM、ANN和SVM-ANN模型中,历史滑坡灾害点分布在高-极高易发区的比例分别为90.06%、83.18%和94.01%,表明SVM-ANN模型更适用于滑坡灾害风险分析的实际应用。     

基于滑坡分类的西宁市滑坡易发性评价

以往的滑坡易发性评价多以全体滑坡为研究对象,忽视了滑坡类型的区别。各评价指标对不同类型滑坡的影响程度不同,也导致指标权重无法精确地反映其对滑坡的影响。为更准确地对滑坡灾害进行空间预测,针对西宁市滑坡特征及发育机理,将全区滑坡分为土质滑坡和岩质滑坡;在野外实际调查的基础上,结合相关性分析,选取坡度、坡向、剖面曲率、平面曲率、工程地质岩组,以及滑坡点距断层、水系、道路的距离远近等8项因素作为滑坡易发性评价指标,并通过滑坡点分布密度和滑坡点相对分布密度,分析各评价指标分别对土质滑坡和岩质滑坡的影响;利用信息量模型,计算各评价指标对两类滑坡的信息量值,利用人工神经网络模型,赋予各评价指标对两类滑坡的权重;最后基于GIS平台利用加权信息量模型对研究区进行易发性评价。通过统计方法和ROC曲线法分别计算滑坡易发性评价成功率,结果表明:评价成功率可达到82.61%和82.30%,与未经滑坡分类的成功率比较,分别提高了10.9%和5.2%;同时,经过滑坡分类后,湟水河两岸地质条件较差的地区转变为滑坡高易发区。     

基于GIS平台与证据权的地震滑坡易发性评价

汶川地震诱发了数以万计的滑坡灾害.应用地理信息系统与遥感技术,选取地震烈度、岩性、坡度、断层、高程、坡向、河流与公路8个因素作为汶川地震滑坡影响因子,采用证据权方法,对研究区内汶川地震滑坡进行灾害易发性研究.检验表明,易发性评价结果的正确率达到81.855％.不同因子组合评价结果表明,地震烈度对滑坡易发性分区结果影响最...     

逻辑回归和信息量模型在山区滑坡易发性评价中适宜性的分析

以万山区为例,在区域滑坡孕灾条件的基础上,筛选工程地质岩组、斜坡结构、平均坡度、地貌、距构造距离及距河流距离共6个易发条件因子,选取逻辑回归模型和信息量模型对山区滑坡进行易发性评价。结果显示逻辑回归模型中中高易发区面积占比分别为1578%和1970%,82%的地质灾害点落在该区域内;信息量模型中中高易发区面积占比为1241%、2519%,包含了区域88%的滑坡灾害点。最后通过实际发生的灾害点在各易发区的分布情况进行检验,逻辑回归模型中灾害点落在高易发区的比例远小于信息量模型,且高易发等级中灾害点实际发生的比值较小,说明针对山区区域滑坡地质灾害易发性评价结果预测上,信息量模型的评价结果更为客观准确。     

基于斜坡破坏模式的软弱变质岩区岩质滑坡易发性评价

滑坡受控于地质环境条件和坡体地质结构,不同地质结构的斜坡失稳破坏的模式存在差异,本文以后龙门山千枚岩区为例,基于现场调查,梳理总结了区内岩质滑坡发生的力学模式与斜坡地质环境、坡体结构之间的关系,进而选取控制滑坡发生的关键因素,运用ARCGIS软件的加权叠加功能定量划分了不同模式滑坡的易发区域,主要取得以下认识：（1）滑移—拉裂式滑坡主要发生在坡度30-45°的顺向飘倾坡内、滑移—溃曲式滑坡发生在坡度30-45°的顺向伏倾坡内、倾倒变形主要发生在岩层倾角大于65°的反向斜坡内;（2）区内倾倒变形易发区面积为8.73km2、滑移拉裂易发区面积为4.31m2、滑移溃曲易发区面积为3.28km2,以倾倒变形类型的滑坡为主,已发生滑坡与易发分区结果比对证明了滑坡易发分区与实际情况基本吻合。     

基于GIS和信息量模型的安徽池州地质灾害易发性评价

以安徽省池州市为研究区,选取坡度、坡向、工程地质岩组、断裂、道路、河流、降雨量、土地利用类型8个影响因子进行地质灾害易发性评价。基于全市345个地质灾害点(崩塌和滑坡)样本数据,采用信息量模型对研究区各影响因子的信息量进行计算,依据灾害点密度将区域灾害易发性划分为5个等级:低易发区、较低易发区、中易发区、较高易发区和高易发区。结果表明:安徽省池州市地质灾害高易发区和较高易发区主要分布在坡度较大的山区河谷两侧,反映人类工程活动破坏、流水冲刷作用和地形地貌因素是影响该区地质灾害的主要因素。其中,高易发区和较高易发区面积为1 801.47 km~2,分别占全区总面积的7.89%和13.88%,高易发区和较高易发区内的灾害点分别占所有灾害点的48.7%和21.5%,其中高易发区的灾积比为6.17,明显高于其他易发等级。对地质灾害易发性的方法与技术的研究,旨在为该区的灾害防治和经济建设提供技术参考。     

滑坡易发性评价的层次分析法研究——以贵州省普安县为例

评价方法的合理选择是获取正确滑坡地质灾害易发性评价结果的关键环节。本文以贵州省黔西南州普安县为例,在全面分析区内地层岩性、地形地貌、地质构造和水文地质等条件对滑坡灾害影响的基础上,采用层次分析法建立了具有针对性的滑坡灾害易发性评价指标体系,并开展了实际应用。评价结果在县境内划分出了极高、高、中和低易发区四个区域,对比分析显示评价结果与区内滑坡灾害发育宏观认识与实际分布情况吻合较好,证明了该方法在山区滑坡地质灾害易发性评价中的有效性与实用性。     

云南横断山区乡镇滑坡灾害易发性评价

横断山区地质灾害发育多,其中属滑坡灾害易发育,危害大,且山区乡镇多地势环境复杂,不规范活动较多,易引发滑坡。因此对该区域乡镇进行滑坡易发性评价具有重要意义。以普洱市澜沧县安康佤族乡为例,选择高程、坡度、坡向、起伏度等8个影响因素建立滑坡易发性评价指标体系,构建了小区域滑坡灾害易发性评价指标层次结构模型,利用层次分析法(AHP)确定出各个因子权重值。基于易发综合强度指数法,利用ArcGIS地理空间分析评价了研究区滑坡易发性,划分了四类区域：高易发区,面积占比14.53%;较高易发区,面积占比34.06%;中易发区,面积占比33.57%;低易发区,面积占比17.84%。为安康佤族乡防灾减灾以及滑坡灾害治理提供参考,也为小区域滑坡灾害易发性评价提供了思路方法。     

基于GIS的广东省滑坡灾害区划研究

以广东省小流域分布图为底图,在详细收集全省历史滑坡及现代滑坡资料的基础上,编制了全省滑坡灾害分布图,在ArcGIS8 3平台上,首先将两图进行空间叠加,生成了全省滑坡灾害易发程度分区图,以此分区图与广东省地形坡度、地层岩性、地貌分布、降雨分布图叠加分析,结果表明:广东省滑坡灾害易发区主要发生在地形坡度在10°～45°之间,地貌分布多为中、小起伏山地以及丘陵地区,地层岩性多为极硬、次硬及软硬相间岩层,以及高降雨区。