基于AHP和GIS的舟曲地质灾害易发性评价

舟曲县是中国罕见的滑坡、泥石流地质灾害高发区,其防灾减灾工作具有一定的挑战性。依托舟曲县1∶50 000地质灾害风险调查工作,深入分析孕灾地质条件,选取地质灾害频率比、地质灾害面积模数比、地质灾害体积模数比、坡度、坡度变化率、坡形、切割深度、沟壑密度、岩土体类型、地质构造、植被指数11个评价因子,建立AHP评价模型,确定各因子权重,运用GIS平台综合评价舟曲县地质灾害易发性。结果显示：舟曲县地质灾害极高易发区和高易发区的面积分别为68.98 km²、390.9 km²,分别占县域总面积的2.29%和12.97%,主要分布在人员财产集中的白龙江流域、石门沟流域、拱坝河流域中下游和博峪河流域舟曲段中部区域;中易发区、低易发区对应的面积分别为1 166.21 km²和1 387.76 km²。研究成果为舟曲县城镇整体规划和地质灾害防治提供决策参考。     

基于易发性分区的区域滑坡降雨预警阈值确定——以云南龙陵县为例

滑坡所处不同易发等级的区域,降雨预警阈值差别较大。为提高滑坡降雨预警的针对性和准确率,文章以野外地质调查和滑坡易发条件分析为基础,结合信息量模型和层次分析法开展滑坡易发性评价,再通过滑坡发生概率与前期累计降雨量的相关性分析,分区进行滑坡降雨预警阈值模型研究。结果表明：坡度、高程、距断层距离、工程地质岩组、水系是龙陵县滑坡的主要孕灾地质条件;龙陵县滑坡非易发区面积为14.33 km²,低易发区面积为1 053.87 km²,中易发区面积为1 471.65 km²,高易发区面积为254.73 km²;确定单日和前3日为降雨预警时间,分区分时细化了降雨预警阈值模型;对比降雨预警阈值模型应用于龙陵县滑坡监测预警中的前后,预警信息减少了70条,预警准确率提高了14.4%,并实现了镇安镇户帕村施家寨组滑坡的有效预警。文章为区域滑坡降雨预警阈值确定提供了一种较好的参考方法。     

基于GIS与确定性系数分析方法的汶川地震滑坡易发性评价

汶川Ms 80级大地震诱发了数以万计的滑坡灾害。在大约48678 km2的滑坡影响区域内,作者采用震后遥感影像解译并结合野外调查的方法,共解译出48007处滑坡。应用GIS技术,建立了汶川地震诱发滑坡灾害及相关地形、地质空间数据库。采用地震滑坡确定性系数分析方法,分析了地震滑坡关于地震烈度、岩性、坡度、断层、高程、坡向、河流与公路等8个因素的易发程度。基于GIS栅格分析方法,分别对16种不同影响因子组合类型进行地震滑坡易发性评价。最后,应用AUC（Area Under Curve,评价曲线下面积）方法得到最佳因子组合及其对应的评价结果,使用自然分类法则方法将研究区按滑坡易发程度分为极高易发区、高易发区、中易发区、低易发区与极低易发区5类,极高易发区与高易发区面积之和约1169046km2,占研究区总面积的2402%,其中发育滑坡面积为52484 km2,占滑坡总面积的7373%。结果表明了极高与高易发区与实际滑坡之间有着良好的一致性,方法的评价结果成功率（AUC值）达到82107%。     

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。     

河南省嵩县地质灾害风险评价

基于ArcGIS环境下,通过选取河南省嵩县区域高程、地貌、工程岩组、植被覆盖度、距构造距离、距水系距离、坡度、坡向等8个因子建立危险性评价模型,易损性选取建筑物、人员和交通等3个承灾因子,分别采用信息量模型和层次分析法对河南省嵩县区域进行地质灾害易发性、危险性和易损性评价。研究结果表明,嵩县区域划分为低风险区面积为965.34 km²,占嵩县区域面积32%;中风险区面积为1 114.65 km²,占嵩县区域面积的37%;高风险区面积为826.23 km²,占嵩县区域面积的27%;极高风险区面积为102.68 km²,占嵩县区域面积的3%。研究成果可应用于嵩县防灾减灾及地质灾害风险管控等方面。     

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。      

GIS支持下CF与Logistic回归模型耦合的九寨沟景区滑坡易发性评价

2017年8月8日九寨沟M_S7.0地震诱发了数以千计的崩滑体,产生的大量松散固体碎屑在降雨作用下极易启动转化为新的滑坡或泥石流形成次生灾害,因此对九寨沟景区进行滑坡易发性评价尤为必要。基于震前、震后高精度遥感影像对比分析结合现场调查,共获取1047处滑坡,总面积为3.88 km2。在分析滑坡发育分布与影响因素关系的基础上,本文选取了构造因子、地形因子、地质因子及其他因子等9个指标,采用确定性系数(CF)模型、逻辑回归(Logistic)模型以及两种模型耦合分析进行滑坡易发性评价。研究结果表明,坡度、坡向、高程和地层岩性是影响滑坡分布的主要因子;研究区被划分为低易发区(60.72%)、中度易发区(24.18%)、高易发区(9.89%)和极高易发区(5.21%),高-极高易发区基本沿沟谷分布,面积为99 km2,其中熊猫海、老虎海周边均为滑坡极高易发区;采用耦合模型比单一模型评价结果更加合理,其结果可作为景区滑坡防治和分段分时开放的参考依据。     

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。     

基于粗糙集和BP神经网络的滑坡易发性评价

区域滑坡易发性评价是国土规划和滑坡中长期防治的重要依据。为进一步提高滑坡易发性评价的准确性,以恩施市龙凤镇为研究区,运用地理信息系统GIS技术,获取了包括工程岩组、坡度、地质构造等在内的13个初始评价因子,利用基于遗传约简算法的粗糙集理论对初始评价因子进行属性约简,去掉冗余属性后获得最小约简,即8个核评价因子:工程岩组、高程、地形曲率、道路、水系、坡度、坡向、径流强度指数,并以此作为BP神经网络的输入层,构建RS-BPNN预测模型,获得滑坡易发性指数LSI及滑坡易发性等级分区图。其中高易发区面积占总面积的12.82%,该区包含的滑坡面积占总滑坡面积的78.11%,通过ROC曲线测试,模型预测精度为90.9%。结果表明,RS-BPNN模型预测性能良好,进一步提高了滑坡易发性评价的精度和准确性,有较高的工程实用价值。      

基于斜坡单元的山区城镇滑坡灾害易发性评价：以康定为例

山区地质灾害易发性评价对城镇地质灾害风险管理具有重要意义。本文以康定市为例,以斜坡单元为最小评价单元,选取高程、坡度、坡向、曲率、工程地质岩组、距道路距离、距断裂距离、距水系距离和斜坡结构等9个滑坡影响因子,根据各因子滑坡面积比曲线与证据权值曲线的突变点,划分滑坡影响因子二级状态,并对各影响因子进行相关性分析,剔除相关性较高的距道路距离因子,在此基础上,采用证据权模型进行滑坡易发性评价。对已有治理工程的斜坡单元,本文尝试利用折减系数法对其易发性进行进一步评价。结合现场调查,将研究区滑坡易发性程度划分为：极高易发、高易发、中等易发、低易发。评价结果表明,自然工况下极高易发区主要位于康定市炉城镇以及研究区北侧二道桥村一带,高易发区主要位于雅拉河、折多河与瓦斯沟河谷两侧,对治理工程所在的斜坡单元进行折减后,极高易发区面积由11.21%降至8.42%,滑坡比率由4.03降低至2.3,研究结果符合实际情况,模型精度达77.8%。评价结果较好地反映了康定市区的滑坡易发性分布情况,可为城镇精细化评价提供一定的参考依据。     

河北省顺平县地质灾害发育特征及易发性评价

河北省顺平县位于太行山东麓,主要发育有崩塌、滑坡、泥石流、地裂缝等四种类型地质灾害。基于该县地质灾害发育特征,采用GIS技术和信息量数学评价模型,选取坡度、起伏度、坡向、工程地质岩组、归一化植被指数（NDVI）、与河流的距离6个评价因子,对顺平县地质灾害进行易发性评价。评价结果显示:高易发区面积约为125 km2,占全县总面积的17.5%,分散分布于西北部的中低山和丘陵地区,密集发育崩塌灾害,少量发育滑坡、泥石流灾害;中易发区面积约为200 km2,占全县总面积的28.0%,成片分布于西北部的中低山和丘陵地区,少量发育崩塌、滑坡、泥石流灾害;低易发区面积约为389 km2,占全县总面积的54.5%,主要分布于东南部的平原地区及西北部丘陵地区内的宽阔沟谷,沿古河道发育地裂缝灾害,个别地区发育崩塌、滑坡灾害。      

基于GIS和证据权模型的山阳县地质灾害易发性评价

地质灾害易发性涉及因素众多,评价结果取决于不同模型和参量权重赋值为当前研究热点。以陕西省山阳县为研究区域,在收集整理区域地质环境条件、地质灾害分布资料、相关性分析等基础上,最终选取坡度、坡向、坡型、工程地质岩组、距断层距离、距河流距离、距道路距离等8个影响因子,采用证据权模型对8个影响因子进行分析,使用GIS空间分析功能对研究区开展地质灾害易发性评价。结果显示,山阳县地质灾害易发等级可划分为高易发、中易发、低易发和非易发4个等级,面积分别为262.2 km²、436.7 km²、1141.6 km²、1694.5 km²,占山阳县总面积的7.48%、12.35%、32.29%、47.94%。进一步采用ROC曲线方法检验评价等级结果的可靠性,得到AUC为0.824 2(精度达82.42%)。     

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。     

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-逻辑回归耦合模型的玛纳斯河流域地质灾害易发性评价

本文以地质灾害多发的新疆玛纳斯河流域作为研究区,在剖析了信息量模型、逻辑回归模型在地质灾害易发性评价中各自的优势与局限性的基础上,探索了信息量-逻辑回归耦合模型的科学性与优势;基于该区域地质环境与最新地质灾害数据,选取地形起伏度、坡度、坡向、土地利用类型、地层岩性、地形湿度指数(TWI)、河流、断层、高程9个影响因素作为评价因子,以全区355处地质灾害点为样本数据,在进行评价因子分析的基础上,通过ArcGIS平台对玛纳斯河流域进行了地质灾害易发性评价。评价结果表明,地质灾害高易发区主要分布于流域南部中低山丘陵地区,高易发区与较高易发区的面积分别为1760 km2、2200 km2,占研究区总面积7.98%、9.97%。经检验评价精度高达91.3%,该研究可为当地地质灾害防治与国土空间规划提供重要参考。