基于GIS的小江断裂中北段滑坡灾害危险性评价

小江断裂中北段作为金沙江下游重大水电工程库区内最重要的活动断裂构造,其沿线滑坡地质灾害发育,严重制约了当地的经济和社会发展。在详细调查了小江断裂中北段沿线滑坡地质灾害的基础上,选取了坡度、坡向、工程地质岩组、岸坡结构、断裂构造等9个影响因子作为评价指标,对研究区滑坡灾害的发育分布规律进行了分析研究,并采用AHP-CF法建立了滑坡灾害危险性评价模型,利用GIS空间分析功能得出了研究区滑坡地质灾害危险性分区。通过检验曲线验证滑坡地质危险性评价结果可知,AUC值为80%。     

基于GDIV模型的大渡河中游地区滑坡危险性评价与区划

区域地质灾害评价是减灾防治的重要非工程手段,构建区域滑坡危险性评价模型,对提高地质灾害评价精度和防治效率具有重要意义。文章以滑坡频发的大渡河中游地区为研究区,初选高程、坡度、坡向、地震动参数、土壤类型、工程地质岩组、年平均降雨量和地形湿度指数（TWI）等13个因子,建立滑坡危险性初级评价指标体系。考虑各因子对滑坡形成贡献程度的不同和目前常权栅格叠加方式对滑坡危险性评价结果精度的影响,引入了地理探测器和变权栅格叠加,构建了地理探测器、信息量法和变权栅格叠加的组合模型（GDIV模型）。基于2021年四川省1∶50 000地质灾害风险调查中313处滑坡地质灾害隐患点,开展基于GDIV模型的大渡河中游地区滑坡危险性评价,并与逻辑回归模型和信息量模型的组合模型（LRI模型）评价结果进行对比分析。结果表明：研究区以中危险及以下危险区为主,占总面积的78.3%,极高和高危险区主要分布在大渡河、革什扎河和东谷河两岸的低海拔地区;与LRI模型相比,基于GDIV模型的评价结果精度更高,其受试者工作特征（ROC）曲线的线下面积（AUC）值为0.917。文章提出的GDIV模型提高了区域滑坡危险性评价精度,可为...     

基于GIS技术的地质灾害风险评价 ——以北川县开坪乡为例

地质灾害防治的一条有效途径就是进行地质灾害区划与风险研究,进一步圈定地质灾害高风险区域,可节约防治成本并达到风险评价的效果。北川县开坪乡地质地貌复杂,发育各类地质灾害,本文在地质灾害详细调查的基础上,拟对区内地质灾害进行风险性评价,以单个滑坡的体积、面积、高差、河流距离、岩性、变形迹象等因子作为分析单元,实现大比例尺范围内滑坡危险性区划;制作出区域内的地质灾害危险性图件与易发性图件;根据遥感影像解译,原有资料查询以及实际考察,制作开坪乡研究区域斜坡类型分布图;结合单个滑坡危险性及易损性,区域危险性及易损性,综合制作开坪乡区域风险性图件,完成对研究区进行有效地地质灾害风险区划。     

贡献权重模型在区域滑坡危险性评价中的应用

以攀枝花市米易县为研究区域,采用GIS技术,选取坡度、坡向、坡形、地层岩性和相对高差等5个指标作为评价因子,利用贡献权重模型对研究区的滑坡地质灾害进行危险性评价。评价结果经过检验符合实际情况:高危险度区占全区面积31.9%;中危险度区占全区面积52.6%;低危险度区占全区面积15.5%;高、中危险度区所包含的滑坡个数占到全区滑坡总数的95.9%。评价结果表明,GIS技术和贡献权重模型结合能够很好地为滑坡灾害危险性评价服务,可以解决过去危险性评价中效率低、精度差等问题,从而实现滑坡灾害评价的信息化和科学化。     

基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

一种改进的区域滑坡危险性评价模型及其应用

区域滑坡危险性评价方法还存在许多需要完善和改进的地方。以工程地质类比法为基础,用滑坡的面密度表示滑坡发生的危险性大小,基于线性代数中QR分解理论,提出了一种用高次多项式拟合致险因子与滑坡危险性间关系的算法,并把该算法与层次分析法模型、条件概率模型相融合,建立了一种改进的区域滑坡危险性评价模型。然后,通过在Visual Studio.Net C#环境下借助ArcEngine组件的二次开发实现了该模型。最后选取陕西省麟游县为实验区域,利用上述模型进行了滑坡危险性评价。经实际资料检验表明,该模型具有较高的可信度,可应用于今后的滑坡危险性区域评价工作中。     

Kriging法在区域滑坡危险性评价中的应用

区域滑坡危险性评价是进行区域滑坡风险性研究的基础.由于滑坡演变机制的复杂性,使得目前基于独立分析各因素对滑坡影响的“白箱”型评价模式具有一定风险性,同时这类评价方法要求对滑坡演变和研究区地质地理背景进行非常细致的监测和调查.为了克服这些问题,文章提出了一种基于Kriging插值理论的“黑箱”型评价方法.在利用该方法对历史滑坡点的规模进行评价的基础上,利用Kriging插值法获取研究区的滑坡危险性区划,并以四川省苍溪县为例,验证了运用该方法进行区域滑坡危险性评价的可行性.     

基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

基于组合赋权-未确知测度理论的滑坡危险性评价

危险性评价与预测是滑坡灾害预防与减灾工作首要解决的重要内容。以西藏隆子县研究区内发育的滑坡为例,据其特有的地质环境条件,选取滑坡发育高程、坡度等13项影响因素作为滑坡危险性评价的指标,并建立分级标准将滑坡危险性划分为高度、中度和低度三级。采用组合赋权-未确知测度理论耦合评价模型,构建了评价指标未确知测度函数、评价指标组合赋权值、置信度判别准则,对研究区内20个滑坡进行了危险性评价,获得了每个滑坡危险性等级,并与模糊物元和突变理论评价结果及实测结果对比,评价结果基本符合实际情况,证明该方法科学合理,可为滑坡危险性预测提供新思路。     

基于ArcGIS可视化建模方式的区域滑坡危险性评价

滑坡危险性评价是滑坡灾害防治的重要前提和基础,简单高效的评价方式是其中的一个研究重点。本文以四川安县作为研究区域,基于ArcGIS中的分析功能,引入可视化的建模工具Modelbuilder,以模型的方式演示和运行整个滑坡危险性评价过程,得到了滑坡危险性的分级图,并进行对比分析。实验结果表明,利用可视化建模方式完成复杂地区的滑坡危险性评价,能够简化操作流程,节约时间和精力。     

基于人工神经网络模型的福建南平市滑坡危险性评价

滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据。以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系。使用Spearman相关系数对各因子进行共线性分析。基于1711个滑坡样本和1711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线（ROC）对模型进行验证。结果表明:混淆矩阵精度84.91%,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率。使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区。研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导。     

基于层次分析法的水库蓄水后滑坡易发性评价

水库库区地形地质和水位地质条件复杂,蓄水后受降雨和库水位变动影响容易产生滑坡、崩塌等次生地质灾害,严重威胁水库安全运行和附近居民安全. 本文依托层次分析法,以某蓄水水库为研究对象,在充分收集其地形地质和水文条件资料的基础上,选取地形地貌、地层岩性、坡度、坡向、地灾点密度、地灾点面积、降雨、库水变动幅度和地震强度等9个致滑因子,构建评价矩阵和滑坡危险性计算评价方法. 依据评价成果划分4个滑坡危险性等级,借助MapGIS软件生成库区潜在滑坡危险性分区图. 该分区图与遥感解译的库区滑坡体分布点高度吻合,验证了评价模型的合理性.     

基于GIS的天水市滑坡危险性评价

本文通过统计学方法提取可能影响该地区滑坡的因子。并依据二元逻辑回归结果．利用GIS空间分析和建模功能,对研究区滑坡进行建模,再由相关性等级分析方法进一步获取相关影响因子对滑坡的影响范围,最终得出该区域滑坡危险性评价图。而在不同分辨率尺度上,对滑坡产生影响的因子有所相同,当分辨率由1000m-60m时,影响因子明显增多。以逻辑回归模型自身精度、滑坡实际发生比和坡度法为模型判定标准,发现120m分辨率下的滑坡发生概率模型能有效表达研究区滑坡发生状况。     

证据权法在区域滑坡危险性评价中的应用以贵州省为例

以GIS为技术平台,采用证据权法对研究区进行了滑坡地质灾害危险性分析。综合分析历史滑坡数据及其环境因素和触发因素,数据源主要有地形图、DEM、地质图,选取地层岩性、构造、高程、坡度、坡向、地形起伏度、道路、水系作为危险性评价因子。首先应用ArcGIS软件对数据源进行处理,提取各个评价因子图层,并对每个图层进行分级、缓冲区分析等处理,建立若干证据层。然后将历史灾害点与评价因子进行空间关联分析,计算每个评价因子等级的权重,最后计算出评价单元的危险性指数,并将危险性分为极高危险区、高危险区、中等危险区、低危险区。采用成功率曲线法对证据权法评价精度进行验证,结果表明本次评价的精度为71%。利用历史滑坡数据对评价结果进行验证,结果显示评价结果与实际情况较为吻合,说明证据权可以客观定量地评价各影响因子对滑坡的影响程度,该方法应用于区域地质灾害危险性评价比较有效。     

基于DInSAR-BP神经网络的震后区域滑坡危险性综合评价研究

地震对人类的威胁不仅是发生时直接造成的人员伤亡和财产损失, 更体现在地震所产生的高隐蔽性、高危险性滑坡隐患体带来的危害, 震后区域滑坡隐患体的快速识别和科学评价在震后抢险、排险工作中至关重要。以九寨沟地区“川主寺—九寨沟”公路沿线区域为研究对象, 建立了基于DInSAR-BP神经网络技术的震后区域滑坡危险性综合评价模型。研究结果显示, 九寨沟地区震后的滑坡高危险性区域面积约为2602.35 km2, 是震前的3.4倍, 并且这些区域主要分布在震中东北方向约20 km附近、九寨沟景区内以及川九路前70 km, 符合震后调查情况; 使用多元非线性回归法可以有效计算震后地表形变值对滑坡危险性的影响, 使震后危险性评价结果精度提高了13.9%, 证明了模型在研究区域内具有良好的适用性。     

RS与GIS支持下的汶川县城周边地质灾害危险性评价

地质灾害危险性评价是防灾减灾工作的重要依据。本文以汶川县城周边64 km2为例,应用遥感信息提取技术与GIS空间分析方法,根据IKONOS遥感图像和地形图及野外调查资料,提取了崩塌和滑坡易发性评价因子,采用信息量法确定了因子分值,计算了崩塌和滑坡易发性,并分别提出崩塌和滑坡的危险性计算方法,形成了汶川地区崩塌和滑坡危险性分区图。研究结果表明:新的崩塌和滑坡危险性评价方法能够反映区内地质灾害危险程度,该方法可行,结果合理,这为中、大比例尺区域范围内地质灾害危险性研究提供了有益的思路。     

舍堂滑坡成因分析及危险性评价

通过对交城舍堂滑坡区域地质资料及勘察成果分析,将舍堂滑坡的成因归纳为三方面:一是地质环境条件是滑坡形成的基础;二是水文地质条件是滑坡形成的关键;三是人类工程活动加速了滑坡形成。依据《地质灾害危险性评估技术要求》对舍堂滑坡危险性评价,现状为极不稳定状态,危险性现状评估为"危险性大",必须进行治理并进行动态监测。     

浙江省永嘉县滑坡灾害危险性区划

永嘉县是浙江省滑坡灾害发生频繁的区县之一,其滑坡受地质、地形和人类工程活动等因素的影响。本文根据永嘉县滑坡灾害分布情况,选择了影响滑坡分布的主要因素,将各种因子归一化处理后转换成相同分辨率的定量数据,选择了逻辑回归分析模型和信息量模型进行滑坡灾害危险性评价。在逻辑回归模型中,利用SPSS软件,通过逐步回归分析筛选出影响滑坡的最直接的因子,计算出各个因子的回归系数,得到逻辑回归方程,据此编制了危险性预测分区图。在信息量模型中,通过MAPGIS软件及其二次开发的信息量模型,对永嘉县滑坡灾害进行了危险性区划,并依信息量法的结果编制了该区的危险性预测分区图。两种方法所编制的危险性分区图中高危险区和中危险区重合率达到了87%,具有很高的一致性,起到了相互验证的作用,为滑坡的有效防治提供了依据。最后根据"云娜"台风期间永嘉县实际灾害发生情况的资料分析,新灾害点绝大部分落在危险性预测区中的高危险区,表明模型的预测准确率很高。     

基于突变理论的滑坡危险性评价

滑坡危险性评价与预测是滑坡灾害防治中的首要任务,科学合理地评价滑坡危险性十分重要。以岩桑树水电站库区发育的潜在滑坡为例,据其特有的地质环境条件,选取坡体风化程度、斜坡坡度等9个影响因素作为滑坡危险性评价的指标,并建立分级标准将滑坡危险性分为轻度危险、中度危险、重度危险和极度危险4个等级。将突变理论运用到滑坡危险性评价中,从而建立了新的稳定性评判模型。基于突变级数法的滑坡危险性评价方法,综合考虑了各评价指标间的相关性,真实地描绘了滑坡系统的内在机制。实例分析结果表明,该方法评判结果准确率高,可为滑坡的防治提供依据。     

基于投影寻踪模型的滑坡危险性等级评价

危险性评价是滑坡灾害预防与减灾工作首要解决的重要内容.在地理信息系统技术支持下, 以山地灾害频发区——小江流域作为研究对象, 选取坡度、土体粘聚力和内摩擦角这3个评价指标构建滑坡危险性分级评价指标体系, 将投影寻踪技术运用到滑坡危险性等级评价中, 对评价样本的各指标因素进行线性投影, 以最优投影方向所对应的投影特征值作为评价依据, 建立了滑坡危险性等级综合评价模型, 绘制了滑坡危险性等级分布图.结果表明: 研究区极高危险区、高危险区、中等危险区、低危险区和极低危险区的面积比例为14.28∶9.41∶69.12∶7.00∶0.19;根据所建立的5级评价指标体系对研究区60个土质滑坡点资料进行了验证, 在占研究区总面积23.69%的高、极高危险区的小范围内, 实际发生土质滑坡数量45个, 占总土质滑坡数量的75.00%;中等危险性级别以上区域拥有的土质滑坡数量占全部土质滑坡的96.67%;不同危险性级别的滑坡体积方量统计结果表明, 滑坡体积方量密度随危险性级别的提高而迅速增加.对比评价结果及实测结果可知, 投影寻踪分级结果符合实际情况, 证实了该方法的正确性, 为滑坡危险性评价提供了一条新思路.