基于GIS与ANN模型的地震滑坡易发性区划

基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究.2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡.选择高程、坡度、坡向、斜坡曲率、坡位、与水系距离、地层岩性、与断裂距离、与公路距离、归一化植被指数(NDVI)、与同震地表破裂距离、地震动峰值加速度(PGA)共12个因子作为地震滑坡易发性评价因子.这些因子均是应用GIS技术与遥感影像处理技术,基于地形数据、地质数据、遥感数据得到.训练样本中的滑动样本有两组,一组是滑坡区整个单滑坡体的质心位置,另一组是滑坡滑源区滑前的坡体高程最高的位置.应用这12个影响因子,分别采用这两组评价样本,基于ANN模型建立地震滑坡易发性索引图,基于GIS工具建立地震滑坡易发性分级图.分别应用训练样本中滑坡分布的点数据去检验各自的结果正确率,正确率分别为81.53％与81.29％,表明ANN模型是一种高效科学的地震滑坡易发性区划模型.     

逻辑回归模型在玉树地震滑坡危险性评价中的应用与检验

2010年4月14日07时49分(北京时间),青海省玉树县发生了Ms7.1级大地震。作者基于高分辨率遥感影像解译与现场调查验证的方法,圈定了2036处本次地震诱发滑坡。这些滑坡受地震地表破裂控制强烈,规模相对较小,常常密集成片分布。滑坡类型多样,以崩塌型滑坡为主,还包括滑动型、流滑型、碎屑流型、复合型等类型的滑坡。本文基于地理信息系统(GIS)与遥感(RS)技术,应用逻辑回归模型开展玉树地震滑坡危险性评价,并对结果合理性进行检验。应用GIS技术建立玉树地震滑坡灾害及相关滑坡影响因子空间数据库,选择高程、斜坡坡度、斜坡坡向、斜坡曲率、与水系距离、坡位、断裂、地层岩性、归一化植被指数(NDVI)、公路、同震地表破裂、地震动峰值加速度(PGA)共12个因子作为玉树地震滑坡影响因子,在GIS平台下将这些因子专题图层栅格化。应用逻辑回归模型得到每个因子分级的回归系数,然后建立滑坡危险性指数分布图。利用玉树地震滑坡空间分布图对滑坡危险性指数图进行检验,正确率达到83.21%。滑坡危险性分级结果表明,在占研究区总面积4.97%的"很高危险度"的较小范围内,实际发育滑坡数量为766个,占总滑坡面积的比例高达37.62%,表明地震滑坡危险性评价结果良好。不同危险性级别的滑坡点密度统计结果表明,滑坡点密度随着危险性级别的升高而非常迅速的升高。     

基于逻辑回归模型的汶川地震滑坡危险性评价与检验

以2008年5月12日汶川地震区为研究区,基于高分辨率航片与卫星影像开展地震滑坡目视解译,制作了汶川地震滑坡编录图.选择坡度、坡向、高程、与水系距离、与公路距离、与映秀-北川断裂距离、地震烈度、岩性共8个影响因子开展地震滑坡危险性评价工作.滑坡样本采用前期48007处滑坡编录点数据,不滑样本为在基于证据权重模型的滑坡危险性评价结果的低危险区与极低危险区随机选择的48000个点.基于这8个影响因子与逻辑回归模型,建立了汶川地震滑坡危险性索引图.采用这48007个滑坡样本点与汶川地震滑坡最新编录的增加滑坡,分别进行模型的成功率与预测率检验.结果表明,模型成功率为81.739％,预测率达到86.278％.     

小流域地震地质灾害危险性评价

本文以北川县杨家沟为小流域地震地质灾害危险性评价的典型实例,根据地震地质灾害特征,选取坡度、坡向、地层岩性、距断裂带距离、斜坡结构、高程和坡形7个评价因子,在各评价因子对地震地质灾害影响程度分析基础上,采用层次分析法确定评价因子的权重,并在GIS平台下对各评价因子进行综合分析处理,得到小流域地震地质灾害危险性评价图。研究表明,杨家沟地震地质灾害最大影响因子为距断裂带距离,其次为斜坡结构、坡度、地层岩性、高程、坡形及坡向;地震地质灾害危险性评价预测表明,杨家沟流域内高危险区面积8.98 km~2,占流域面积的40.43%。对比杨家沟实际地震地质灾害分布情况,占面积70.74%或占总数66.38%的地震地质灾害位于高危险区内,表明危险性评价成果可信度较高。研究成果对小流域地震地质灾害危险性评价方法研究具有一定的意义。     

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。     

基于证据权法的九寨沟地震滑坡危险性评价

2017年8月8日四川省北部九寨沟县暴发了Ms7.0级地震,是继2013年"4·20"芦山Ms7.0级地震后再次发生在巴颜喀拉块体边界的强烈地震,地震诱发了近1 880处滑坡,通过地理信息系统与遥感技术,选取与高程、坡度、坡向、与水系距离、峰值加速度(PGA)、与震中距离、岩性、与断裂距离等8个因素作为九寨沟地震滑坡危险性评价因子,采用加法和减法2种证据权方法,对九寨沟地震滑坡危险性进行评价。结果表明:基于加法证据权的评价模型的准确率为88.29%,基于减法证据权的评价模型的准确率为87.31%。利用自然断点法,将研究区按滑坡危险性程度分为极高危险区、高危险区、中危险区、低危险区与极低危险区。其中,基于加法证据权所计算的极高和高危险区面积之和约300.17 km~2,占研究区总面积的33.84%,发育的滑坡面积占滑坡总面积的91.10%;基于减法证据权所计算的极高和高危险区面积之和约214.35 km~2,占研究区总面积的24.17%,发育的滑坡面积占滑坡总面积的85.04%。评价结果可为震后地质灾害防治、基础设施重建,特别是九寨沟自然风景区的灾后重建工作提供重要的参考。     

基于BP神经网络的九寨沟地区地震滑坡危险性预测研究

BP神经网络因具有良好的精度和拟合能力,被广泛地运用在区域性滑坡危险性预测中。本文建立了基于BP神经网络的地震滑坡危险性评价模型并应用于四川九寨沟地区,以2017年8月8日的九寨沟M_S7.0地震引发的4834个历史滑坡为例,将其随机划分为70%的训练样本集用于九寨沟地区地震滑坡危险性预测,以及30%的验证样本集对预测结果的精度进行评估。选取高程、坡度、坡向、平行发震断层距离、垂直发震断层距离、震中距离、距道路距离、地面峰值加速度(PGA)以及岩性共9个影响因子,分析发震断层对地震滑坡的控制作用,并总结九寨沟地区地震滑坡空间分布规律特征,其中发震断层、岩性和坡度对九寨沟地区地震滑坡分布产生重要影响。利用模型得到九寨沟地震滑坡危险性预测图,结果显示73.19%的滑坡位于极高和高危险区域,与实际地震滑坡分布基本相符。通过30%的验证样本集来绘制预测成功率曲线,结果表明模型预测成功率(AUC值)为0.90,证实了BP神经网络在九寨沟地区地震滑坡危险性预测中具有良好的精度和拟合能力,评价结果为后续地震滑坡灾害预测和防震减灾工作提供了科学的参考。     

基于GIS的涪江上游南坝-水晶流域滑坡危险性评价

本文以涪江上游南坝-水晶流域滑坡为研究对象, 选取坡度、高程、坡向、岩性、岸坡结构等9个影响因子, 基于GIS平台, 采用滑坡确定性系数模型与层次分析模型相结合的 (CF-AHP) 模型对研究区进行滑坡危险性评价。根据评价结果, 将研究区划分为极高危险区 (18. 57%) 、高危险区 (38. 71%) 、中危险区 (23. 92%) 、低危险区 (18. 8%) 四个等级。利用危险性评价结果对比法和受试者工作特征曲线 (ROC) 对评价结果进行验证, 得到ROC曲线下面积AUC值为88. 36%, 表明CF-AHP模型能够较客观准确地对研究区滑坡危险性评价。     

杭州市滑坡地质灾害危险性区划与评价

基于证据权法构建滑坡地质灾害评价模型,进行杭州市滑坡地质灾害危险性区划研究。主要数据源包括1930－2009年杭州市域采集到的1 905个地质灾害个例以及杭州市地质图、土地利用数据及数字高程模型（DEM）等。利用Arcgis空间分析及信息提取功能,筛选强降水、地层岩性、坡度、坡向、坡高、河网与道路缓冲等证据因子,并运用证据权法客观确定各因子权重, 最后通过Arc-WofE扩展模块对多种优选因子的叠加,计算任意格网单元的滑坡发生概率,实现对潜在滑坡点位的空间预测。经分离样本法验证,区划准确率为88.3%,分析结果与现有滑坡的分布情况比较吻合。据此表明证据权法在多指标评价及其权重确定等方面具有普适性,值得在滑坡地质灾害危险性区划等方面推广应用。     

青藏高原巴塘断裂带地震滑坡危险性预测研究

全新世以来青藏高原东部巴塘断裂带活动强烈,地形地貌和地质构造复杂,历史地震频发,并诱发大量滑坡灾害。基于巴塘断裂带地震滑坡长期防控的需要,在分析区域地质灾害成灾背景和发育分布特征的基础上,采用Newmark模型完成了巴塘断裂带50年超越概率10%的潜在地震滑坡危险性预测评价,并完成地震滑坡危险性区划。结果表明:巴塘断裂带及其临近的金沙江断裂带区域、金沙江及其支流沿岸具有较高的潜在地震滑坡危险性,地震滑坡危险区具有沿断裂带和大江大河等峡谷区分布的总体趋势,受活动断裂和地形地貌影响显著;距离断层越近、坡度越大的斜坡,地震滑坡危险性越高;规划建设中的川藏铁路经巴塘县德达乡、白玉县沙马乡,向西北延伸,跨越金沙江,可以穿越较少的地震滑坡危险区,金沙江水电工程规划建设需加强潜在地震滑坡危害研判及防控。巴塘断裂带潜在地震滑坡危险性评价结果可为区域城镇开发和重大工程规划建设的地震滑坡长期防控提供科学参考。     

同震滑坡发生概率研究——新一代地震滑坡危险性模型

地震滑坡发生真实概率研究基本空白。本研究创新性的利用贝叶斯概率方法与机器模型开展了中国地震滑坡危险性真实概率研究,制作了第一代中国地震滑坡危险性概率图。基于9个地震案例开展研究,包括1999年台湾集集、2005年克什米尔、2008年汶川、2010年玉树、2013年芦山、2013岷县、2014鲁甸、2015尼泊尔、2017九寨沟地震,这9次地震中7次发生在中国,2005年克什米尔与2015尼泊尔地震均发生在中国邻区,可以更好的控制模型预测精度。这些地震事件均有详细完整的,利用面要素标识的地震滑坡数据,包括306 435处真实的地震滑坡记录。考虑到真实的地震滑坡发生区域,滑坡面积规模的差别,滑坡与不滑样本的比例等因素,共选取了5 117 000个模型训练样本。选择绝对高程、相对高差、坡度、坡向、斜坡曲率、坡位、地形湿度指数、土地覆盖类型、植被覆盖度、与断层距离、地层、年均降水量、地震动峰值加速度共13个地震滑坡影响因子。采用贝叶斯概率方法与机器学习模型相结合,建立地震滑坡发生的多因素影响模型,得到各个连续因子的权重与分类因子的各个分类的权重。再将模型应用到整个中国研究区,地震动峰值加速度因子为触发因子。分别考虑研究区在经历不同地震动峰值加速度（0.1~1 g,每0.1 g一个结果,共10个结果）下的地震滑坡发生真实概率。此外,还结合中国地震动峰值加速度分布图,得到了中国地震动峰值加速度背景下的地震滑坡发生真实概率分布。     

基于Newmark模型的概率地震滑坡危险性模型参数优化与应用:以鲁甸地震区为例

应用概率地震危险性评价模型进行地震滑坡危险性区划,是解决潜在地震诱发滑坡危险性评价中震源不确定性与诱发滑坡时空不确定性的有效方法 .通过理论分析,结合鲁甸地震区的实际情况,对基于力学原理的Newmark滑块位移模型与概率地震滑坡危险性分析方法中的参数的不确定性问题进行了分析,将斜坡岩土体地震作用下的强度衰减效应、地震加速度地形放大效应、断层破碎带效应融合到了斜坡累积位移计算模型中,进行了模型计算参数的优化.改进后的分析模型,更好地反映了高陡斜坡地形与断层破碎带对地震滑坡灾害发育的控制作用,在鲁甸地震区域滑坡应用中,优化模型中的滑坡失稳极高风险区与实际地震滑坡分布表现出了较好的一致性,在超越概率2%的滑坡失稳概率分布中,鲁甸地区包谷垴-小河断裂、鲁甸-昭通断裂带及牛栏江河谷地带地震滑坡高-极高风险区分布面积增幅十分显著.因此,在Newmark滑块位移模型中考虑地震动参数与岩土参数动态响应规律与变量间的定量关系,对于提高区域斜坡稳定性分析的可靠性具有重要意义.     

基于信息量和Newmark模型的地震地质灾害危险性评价——以安徽省六安市霍山县落儿岭地区为例

评价区属于安徽省地质灾害高发区,也是华东地区地震活动较为频繁区之一。本文以霍山县典型区域——落儿岭区为研究区,选取评价因子,分别开展基于信息量模型和Newmark模型的地震地质灾害危险性评价,并综合二者的结果,根据所得结果基于斜坡单元进行危险性分区,将研究区的地震地质灾害危险区分为三个等级：低危险区、中危险区和高危险区,以期为该区城镇规划建设和地质灾害防治规划提供参考。     

汶川地震中擂鼓镇地区的滑坡崩塌规律及预测

地震滑坡影响因素与滑坡崩塌分布关系的研究,有助于认识地震滑坡崩塌的发育规律,进而对潜在的地震滑坡危险区段进行划分,为土地的合理使用提供支持.5.12汶川地震引发了大量的滑坡、崩塌、碎屑流等次生灾害,造成了严重的人员伤亡和经济财产损失.以受滑坡、崩塌灾害影响严重的北川县擂鼓镇约180 km2的地区作为研究对象,选取坡度、高程、坡向等影响因素进行确定性及面积发育率分析,探讨它们与滑坡、崩塌等灾害空间分布之间的关系.研究结果表明:在高程低于1 km的地段,滑坡崩塌的发生频率达13.5%,高于其它地段;坡向为东向、北东向、南东向的坡体的滑坡崩塌发生率较其它方向大;随着坡度的增大,滑坡、崩塌的分布也在增大,坡度大于30°的区域滑坡发生频率较高.采用2种方法对研究区进行地震滑坡危险性区划,获得大体一致的划分结果:①基于综合确定性系数与面积发育率方法分析的地震滑坡危险性区划结果中,约有66%的滑坡崩塌落入较高危险和高危险区域;②采用判别分析法获得的地震滑坡危险性区划结果中,约有73%的滑坡崩塌判定为不稳定区域.其中,判别分析法选用的地震动、坡度、曲率等因素在不同地区都对滑坡分布具普遍的影响作用.     

镇域尺度下秦巴山区堆积层滑坡易发性不同单元评价性能对比研究

秦巴山区堆积层滑坡数量多、分布广、密度大、频次高,所造成的危害十分严重,且具有孕灾条件复杂多样和部分灾害评价数据获取难度大等特征。笔者选取秦巴山区小岭镇作为研究区,在地质灾害野外调查基础上,结合堆积层滑坡区域特点,采取栅格、斜坡两种单元类型,因地制宜的提取了滑坡孕灾因子,分析其相关性,提选出坡度、坡高、坡面形态、斜坡结构类型、堆积层厚度、距道路、矿区、断裂的距离等8个因子作为堆积层滑坡特征因子,运用随机森林模型方法对该镇域进行了滑坡易发性评价;并通过评价结果频率比、ROC曲线、易发性概率均值与标准差,对栅格单元、斜坡单元两种单元类型的精度与准确性进行了验证,结果表明：两种评价单元的预测结果都有良好的表现,但斜坡单元作为评价单元总体预测性能高于栅格单元,栅格单元在灾害防治具体空间部署上有着更精细的参考。研究成果对秦巴山区镇域地质灾害风险评价工作有一定的理论和实践意义。     

基于证据权法与确定系数法的滑坡危险区划对比分析——以虹口乡为例

都江堰虹口乡为国家级旅游景区,汶川地震后,该区滑坡频发,极大威胁该地区游客及居民人身财产安全,开展该地区滑坡危险区预测具有重要意义。这里以地质图、地形图、DEM高程数据、QuickBird影像为数据源,选取地层岩性、构造、高程、坡度、坡向、水系6个评价因子,基于GIS平台,用证据权法、确定系数法对研究区滑坡危险性分析方法进行对比分析,得出最优的滑坡危险区划研究方法。分析表明:确定系数法的准确率为0.7732,而证据权法的准确率为0.7216。经过野外的调查、研究,确定系数法预测的危险性区域与实际情况更加地吻合,有着较高的精度,因此确定系数法更加适合虹口乡的滑坡危险区划研究。     

基于斜坡单元与随机森林模型的元阳县崩滑地质灾害易发性评价

针对基于栅格单元与定性定量方法模型在地质灾害易发性评价中存在模型预测精度低且使用较为频繁的不足与弊端,采用斜坡单元与机器学习方法之一的随机森林模型相结合开展元阳县崩滑地质灾害易发性评价。在ArcGIS中,利用曲率分水岭法划分出7 851个斜坡单元。经过大量统计研究与地质环境条件分析,选取工程地质岩组、地貌类型、高程、坡度、坡向、曲率、起伏度、河流距离、断层距离等9个因子作为评价指标,并通过SPSS软件,将9个评价指标与灾点发育特征的关系进行数据分析,得出各评价指标权重。在SPSS中,采用随机森林模型,建立易发性评价模型,将元阳县崩滑地质灾害易发性划分为低、中、高、极高4类,所占面积分别为410.06 km²、470.21 km²、550.02 km²和776.87 km²,分别占元阳县面积的18.58%、21.30%、24.92%和35.20%。经与详查结果对比,评价结果与实际高度吻合。利用ROC曲线得出区划结果精度AUC值为92.7%,区划结果相当好。研究显示,元阳县中部和西南两个部分地质灾害集中...     

基于Newmark模型的天水市北山地震黄土滑坡危险性评价

本文通过天水市北山野外调查和室内分析相结合的方法,开展基于Newmark累积位移法的地震黄土滑坡危险性分析。分析了研究区的孕灾背景,结合现有滑坡和不稳定斜坡的调查数据,在充分考虑了震源方位角和斜坡坡向角的角度关系基础上,对优势坡向角和劣势坡向角下的斜坡易发性进行分析计算,然后用回归方程求出PGA为0.3 g时斜坡的累积位移,最后计算出斜坡在地震荷载下的失稳概率。在此基础上,对北山进行地震黄土滑坡的危险性评价。分析结果表明:在Newmark模型的地震黄土滑坡危险性评估中引入斜坡坡向角和震源方位角关系,有利于提高小区域(大比例尺)风险评估的准确性。     

基于有效降雨阈值的澧源镇滑坡灾害危险性分析

以湖南省澧源镇为例,利用证据权模型和灰色关联度模型分别计算了坡度、地层岩性、斜坡形态、土地利用类型、人类工程活动5个因子二级状态证据权值和一级因子权重;综合2种模型确定全区滑坡易发性指数后,完成基于斜坡单元的全区滑坡易发性区划;根据研究区岩土体类型(碎屑岩类、碳酸盐岩夹碎屑岩类、碳酸盐岩类和松散岩土体类)分组研究不同滑坡发生概率下的有效降雨阈值曲线(I-D曲线)。研究降雨时间为3日、有效强度为22.4 mm/d的降雨工况下各岩土体类型滑坡发生的时间概率。综合时间概率和易发性结果得到澧源镇基于有效降雨阈值的滑坡灾害危险性区划图。研究结果表明:澧源镇滑坡灾害高和极高易发区占研究区总面积的25%,主要沿澧河分布;极高危险区和高危险区占研究区总面积的14%,主要分布在澧河北侧。     

基于改进突变理论的滑坡危险性评价

滑坡危险性评价是滑坡风险评估的重要组成部分,对滑坡的预测和防治意义重大。传统滑坡危险性评价在计算指标间重要性时多采用AHP、专家评判法、模糊综合评判等方法,但存在主观性较强,计算较为复杂等问题。研究基于一种改进的突变理论模型对滑坡进行危险性评价,选取坡度、坡向、高程、平面曲率、剖面曲率、距河流距离、地层岩性、土地利用类型、距断层距离、植被覆盖率、24 h降雨以及人类工程活动等12个因子作为滑坡危险性评价的影响因子,采用熵权法判定指标间的相对重要性,并建立滑坡危险性评价体系;然后对指标进行标准化、归一化,计算总突变结果;最后使用拟合函数对总突变结果进行转换,得到新的滑坡危险性评价准则,并以雅安市的20条滑坡对评价准则进行实例验证。结果表明,突变理论得到的评价结果准确率为90%,评价结果更加直观准确。