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。     

基于信息量的长白山地区泥石流易发性评价

长白山地区泥石流较发育,选取高程、坡度、坡向、年降水、年蒸发、泥石流点密度、人口密度、构造作用、河流作用、地层岩性、地下水类型、地貌类型、土地利用13个影响因素,以研究区110个泥石流点为样本数据,连续型指标依据各个因素分级状态下泥石流比例曲线和信息量曲线的突变点为等级划分临界值,离散型变量根据已有分类分级,建立了长白山地区泥石流易发性指标评价体系。基于信息量模型和GIS平台的栅格数据,计算各个因素分级状态下的信息量,采用自然断点法将易发性等级分为5级。结果表明:泥石流高易发区主要为地层岩性较差、靠近河流和断层的区域,土地利用类型为农业用地和居住使用地,较高易发区和高易发区占总研究区面积的19%,大部分地区较安全。采用曲线下面积即AUC值作为易发性精度验证结果,AUC值为93%,表明评价结果可靠。     

贵州省都匀市滑坡易发性评价研究

都匀市是贵州省城镇滑坡地质灾害多发频发区。文章以都匀市沙包堡镇为研究区,采用栅格单元提取高程、坡度、岩性、水系等9项致灾因子,分别使用都基于数学统计模型的定量分析方法（二元逻辑回归模型、信息量模型）和定性分析方法（层次分析模型）对都匀市研究区滑坡地质灾害易发性进行评价。结果表明:二元逻辑回归模型预测精度与预测效果均为最优,其ROC曲线下面积AUC值为0.873,易发性分区中高易发区和中易发区内预测发生滑坡面积比占95.41%,且最符合野外实地调查验证情况。评价方法与结果可为贵州城镇地区滑坡地质灾害评价和防治提供借鉴。     

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。     

基于信息量、加权信息量与逻辑回归耦合模型的云南罗平县崩滑灾害易发性评价对比分析CSCD

以罗平县崩滑地质灾害为研究对象,选取工程岩组、坡度、坡向、高程、起伏度、曲率、地貌类型、距河流距离、距断裂距离9个评价因子,基于共线性诊断和相关性分析对其进行独立性检验。然后采用信息量法计算各评价因子分类分级的信息量值,采用层次分析法和逻辑回归法对各评价因子进行权重的定量计算,从而构建信息量、加权信息量和信息量-逻辑回归耦合易发性评价模型并进行对比分析。基于GIS的自然断点法将评价结果划分为非、低、中和高4个等级,并采用ROC曲线对其精度进行检验。结果表明:3种评价模型的AUC值分别为0.757、0.723和0.852,信息量-逻辑回归耦合模型的精度最高,模型结果分区与崩滑地质灾害点的分布较吻合,其非、低、中和高的面积(分级比)分别为771.1 km^(2)(25.55%)、836.6 km^(2)(27.73%)、864.36 km^(2)(28.64%)和545.94 km^(2)(18.08%)。     

基于信息量、加权信息量与逻辑回归耦合模型的云南罗平县崩滑灾害易发性评价对比分析CSCD

以罗平县崩滑地质灾害为研究对象,选取工程岩组、坡度、坡向、高程、起伏度、曲率、地貌类型、距河流距离、距断裂距离9个评价因子,基于共线性诊断和相关性分析对其进行独立性检验。然后采用信息量法计算各评价因子分类分级的信息量值,采用层次分析法和逻辑回归法对各评价因子进行权重的定量计算,从而构建信息量、加权信息量和信息量-逻辑回归耦合易发性评价模型并进行对比分析。基于GIS的自然断点法将评价结果划分为非、低、中和高4个等级,并采用ROC曲线对其精度进行检验。结果表明:3种评价模型的AUC值分别为0.757、0.723和0.852,信息量-逻辑回归耦合模型的精度最高,模型结果分区与崩滑地质灾害点的分布较吻合,其非、低、中和高的面积(分级比)分别为771.1 km^(2)(25.55%)、836.6 km^(2)(27.73%)、864.36 km^(2)(28.64%)和545.94 km^(2)(18.08%)。     

基于沟域单元的康定市泥石流易发性评价CSCD

为研究康定市泥石流易发性,将康定市划分为421个沟域单元,采用ArcGIS软件中空间分析工具以及SPSS软件分别对评价指标内部叠加情况、评价指标与泥石流灾害相关性进行了分析,通过筛除剔除重叠度高、相关性差的评价因子,选取流域面积、melton比率、形状系数比、流域崩滑密度、流域植被覆盖率、流域道路密度、流域平均径流侵蚀力指数、多年汛期平均降雨量等8个评价指标进行康定市泥石流地质灾害易发性评价。采用信息量模型与熵值法相结合的方法定量评价了泥石流易发性,熵值法定量确定了评价指标权重,计算出评价因子加权信息量值,将康定市泥石流划分为极高易发区、高易发区、中易发区以及低易发区4个等级。通过频率比模型、受试者工作特征曲线(ROC曲线)对泥石流易发性评价结果进行检验,ROC曲线AUC值为0.842,表明评价模型精度较高。     

基于信息量模型法的石阡县地质灾害易发性评价

以贵州省石阡县为研究区,选取8个影响地质灾害发育的因素作为评价因子.采用信息量模型法对各评价因子进行信息量计算,将区域地质灾害易发性划分为低、中、高、极高易发区4个等级,分别占研究区面积的21.08％、35.13％、25.53％、18.27％.结果表明:石阡县地质灾害低、中、高、极高易发性面积分别为457.99 km2...     

基于加权信息量的镇江高新区滑坡地质灾害易发性评价

合理选取地质灾害影响因子并对因子进行优化分级是准确评价地质灾害易发性的关键。结合研究区实际情况,选取7个指标因子构建滑坡影响因子指标体系,并以各因子条件下滑坡灾害比例和信息量曲线的突变点为依据,对连续型评价指标因子进行优化分级。在此基础上,基于ArcGIS平台,运用层次分析法加权的信息量模型对镇江高新区滑坡灾害的易发性进行评价。根据易发区划分指标将研究区划分为高、中、低滑坡地质灾害易发区,划分结果与已有滑坡灾害分布有较好的对应关系,评价结果具有较高的准确性。该评价方法可为低山丘陵地区滑坡地质灾害的评价与防治规划提供参考。     

罗平县崩滑易发性评价模型对比研究

准确的地质灾害易发性分区评价结果,可为建立地质灾害监测预警系统及处理机制提供参考。依据崩滑地质灾害形成条件选取10个评价因子构建评价指标体系,基于共线性诊断和相关性分析检验评价因子以保证其相互独立。分别采用信息量模型(ICM)、归一化频率比模型(NFR)以及与逻辑回归(LR)耦合的信息量–逻辑回归(ICM-LR)耦合模型和归一化频率比–逻辑回归(NFR-LR)耦合模型对罗平县崩滑地质灾害进行易发性评价,并将评价模型结果划分为低、中、高和极高4个等级。采用ROC曲线对评价结果进行精度检验,其AUC值分别为0.820、0.796、0.882和0.840。得出ICM-LR模型的精度最高,且极高易发区主要分布在砂岩、碳酸盐岩组区域和水系延展区域。其低、中、高和极高的面积(分级比)分别为771.1 km²(25.55%)、836.6 km²(27.73%)、864.36 km²(28.64%)和545.94 km²(18.08%)。易发性分区结果与研究区崩滑地质灾害分布情况相符合,可为快速建立评价指标体系和区...     

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。     

则木河断裂带（普格段）地质灾害发育规律及易发性评价

以则木河断裂带（普格段）为研究区,分析研究区的地质灾害控制效应以及发育规律;选取海拔高程、坡向、坡度等7个评价因子构建评价指标体系,运用确定性系数模型与信息量模型耦合的加权信息量模型,通过ArcGIS进行地质灾害易发性评价。结果显示,研究区地质灾害发育具有断层距离效应、地层效应以及高程和坡度微地貌效应;极高易发区、高易发区、中易发区和低易发区的面积分别为46.75 km2、123.78 km2、215.73 km2、285.34 km2,面积占比分别为6.96%、18.43%、32.12%、42.49%。研究结果对指导则木河断裂带地区以及同类区域的国土空间规划与地灾防治等方面具有重要现实意义。     

基于SHALSTAB模型的地质灾害易发性动态评价

为解决东部沿海地区台风暴雨型地质灾害易发性问题,基于浙江飞云江流域地质灾害调查成果,利用频率比及信息量模型选取相对高差、坡向、坡形、工程地质岩组、断层、地表覆盖类型、稳定性(SHALSTAB模型)7个背景因子,采用层次分析法确定各因子权重,考虑无降雨和百年一遇极端降雨两种工况,运用综合指数法对浙江飞云江流域进行地质灾害易发性评价。结果表明:该模型是致灾土体分布区定量模型和基岩区统计模型的结合,符合该区域成灾规律。考虑极端降雨因素后,易发等级逐次增加,高易发区面积增加84%,中易发区面积增加42.8%,可实现地质灾害易发性在不同工况下的动态评价。     

基于CF与CF-LR模型的地质灾害易发性评价

区域地质灾害易发性评价对地质灾害防治具有重要意义。本文以贵州省沿河县为研究区,考虑海拔、坡度、坡向、地形曲率、NDVI、工程地质岩组、断层、道路、水系9个因素,通过相关性分析后作为评价因子。分别利用CF模型和CF-LR模型评价沿河县地质灾害易发性。结果表明:CF模型比CF-LR模型地质灾害易发性等级的频率比值从低易发区到极高易发区明显增大,均有效评价了沿河县地质灾害易发性;CF-LR模型比CF模型AUC值提高了0.096,CF-LR模型具有更高的评价精度。     

加权信息量模型在滑坡易发性评价中的应用以湖北省恩施市为例

信息量模型物理意义明确、操作简单,在滑坡易发性评价中得到广泛应用,但该模型未考虑各评价因子的权重。本文提出了基于层次分析法的加权信息量模型,并以湖北省恩施市为例,采用基于GIS的空间分析方法,分析了地形、断裂、水系、工程地质岩组等因子对研究区滑坡的影响,利用加权信息量将研究区划分为高易发区、中易发区、低易发区和极低易发区。     

不同模型的滑坡易发性评价精度讨论

为探讨不同滑坡易发性评价模型其评价结果的差异和评价精度,本文以贵州省桐梓县为研究区,选取坡度、斜坡结构、地形起伏度、工程地质岩组、距水系距离、距断层距离6个影响因子建立评价指标体系,分别采用信息量模型、确定性系数法、频率比法3种方法开展区域地质灾害易发性评价,并通过ROC曲线对评价结果进行精度验证。评价结果表明:信息量模型(AUC=0800)的评价精度优于确定性系数法(AUC=0784)和频率比法(AUC=0787),因此信息量模型更适合于该区域的滑坡易发性评价。     

基于CF与Logistic回归模型耦合的地质灾害易发性评价——以北京市大清河流域生态涵养区为例

在北京市大清河流域生态涵养区1450 km²的区域内，以遥感影像解译为基础，结合1∶50 000地质灾害详细调查，获取全区888个地质灾害隐患点作为样本数据库，选取基岩类型、地貌类型、地形坡度、河流、公路、断裂6个评价因子，采用确定性系数(CF)与Logistic回归耦合模型评价地质灾害易发性，依照自然间断点分级法(Jenks)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。将未参与模型训练的20%地质灾害隐患点作为检验点与易发性分区结果进行叠加分析，通过频率比和ROC曲线进行精度检验。结果显示：基岩类型对地质灾害的发育具有控制作用；公路、断裂对地质灾害的空间分布影响明显；CF与Logistic回归耦合模型在实际应用中具有较高的准确性，是一种地质灾害易发性评价可靠性高的模型。     

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。     

基于多因素加权指数和法的区域地质灾害易发性评价研究 ——以麦积区为例

以麦积区1 ∶ 50 000地质灾害风险调查项目为依托,在前人研究及分析区内地质灾害分布规律与发育特征的基础上,以栅格单元作为基本评价单元,运用多因素加权指数和法,以地形条件、地貌类型、工程地质岩组、距断层距离、距水域距离、植被覆盖等作为区内地质灾害易发性评价的一级因子。以高程、坡度、坡向、地形起伏度、地面粗糙度、地表曲率等作为表征地形条件的二级评价因子,以距支流及干流距离作为表征距水域距离的二级评价因子,采用层次分析法计算各一级评价因子及其所属的二级评价因子的权重,基于ArcGIS平台对各评价单元综合易发性指数进行计算并进行归一化处理,采用自然间断点法将研究区地质灾害易发性划分为高易发区（8. 26%）、中易发区（19. 49%）、低易发区（23. 69%）、非易发区（48. 56%）4个区域。采用历史灾害统计法定性验证与ROC曲线法（AUC=0. 866）定量验证相结合的综合评价方法对划分结果进行验证,表明多因素加权指数和法能够较为客观准确的对麦积区地质灾害易发性进行评价。     

基于信息量模型的地质灾害易发性评价——以贵州省荔波县为例

地质灾害易发性是地质灾害风险评价的基础,是国土空间规划、地质灾害防治及工程建设的重要依据。以贵州省荔波县为例,采用信息量法对研究区地质灾害易发性进行评价。以遥感解译、现有灾害点、隐患点、历史灾害数据为评价基础数据,获取地质灾害信息量。以地形坡度、坡高、坡形、断层、地层、斜坡结构、水系距离7个固有地质环境影响因素为评价指标,开展易发性评价。研究结果显示：荔波县极高易发区4个,占31.65%;高易发区5个,占30.26%;中易发区4个,占29.11%;低易发区3个,占8.98%。经野外验证,符合度较高,评价结果可信。