基于神经网络模型的斜坡地质灾害易发性评价:以吉林永吉为例

吉林省永吉县存在大量的斜坡地质灾害,为了给永吉县斜坡地质灾害的防治和预警提供高效直观的分析模型,将吉林省永吉县作为研究区,选取高程、坡度、坡向、剖面曲率、平面曲率、距断层距离、岩性、距河流距离、年均降雨量、地形湿度指数和植被覆盖指数等11个评价因子,利用神经网络模型进行区域斜坡地质灾害易发性分析,再选用频率比、支持向量机模型进行对比。利用ROC曲线对模型的准确性进行验证分析,得出神经网络、频率比和支持向量机模型的成功率分别是91. 3%、89. 3%、90. 2%,预测率分别是87. 3%、84. 3%、85. 6%。结果表明:神经网络模型的精度最高,更适用于永吉县斜坡地质灾害的易发性评价。     

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和Logistic回归模型的广东省地质灾害易发性评价

在研究广东省崩塌、滑坡、泥石流孕灾环境的基础上,选取高程、坡度、地质年代、岩性、距断层距离、距水系距离、归一化植被指数(NDVI)7个因子作为地质灾害易发条件因子。首先利用CF模型计算出7个因子各分类级别的CF值,然后将各因子的CF值作为自变量,是否发生地质灾害作为因变量,利用Logistic回归模型得到各因子的回归系数。再对各因子之间的独立性进行检验,所选7个因子都符合独立性检验条件,全部进入到逻辑回归方程中,计算出各独立单元发生崩滑流地质灾害的概率。根据计算结果将广东省崩滑流地质灾害易发程度划分成四类:极低易发区(16.63%),低易发区(28.65%),中易发区(32.57%),高易发区(22.15%)。评价模型的合理性和精确度都符合检验要求,说明采用确定性系模型和逻辑回归模型能够较为客观准确地评价广东省地质灾害易发性。     

编目图数据形式对区域崩塌易发性评价结果的影响

本文以北京市怀柔区为例,通过现场调查,对688处崩塌灾害分别以面数据和点数据的形式获取了两套编目图。根据现场调查和资料分析,选取岩性、地形、断裂和道路建设作为该区崩塌灾害的主控因素,采用频率比(FR)模型对崩塌灾害的易发性进行了评价。为了对评价结果的预测性进行检验,采用随机分割法,选取了415处崩塌用于频率比模型的计算,剩余的273处崩塌用于评价结果预测性的验证。预测曲线表明,基于崩塌面数据的评价结果比基于点数据的评价结果具有明显的优越性。根据基于面数据的频率比模型评价结果,可以将研究区的崩塌灾害易发性划分为5个等级:较低易发(占全区14%)、低易发(占全区20%)、中等易发(占全区27%)、高易发(占全区22%)和极高易发(占全区17%)。相关工作和结论可以为区域地质灾害易发性评价中编目图的编制提供参考,并为怀柔区区域国土利用和防灾减灾提供指导。     

基于GIS的瑞丽市地质灾害易发性研究

以云南省瑞丽市为研究区，基于GIS空间分析功能，选取高程、坡度、坡向、距断裂带距离、降雨等评价指标，用信息量模型和确定性系数模型进行地质灾害易发性评价，通过ROC检验评价模型精度，确定瑞丽市地质灾害易发性分区。     

多因子组合的地质灾害易发性空间精度验证

地质灾害的发生是多种因素相互作用、制约和触发的结果。长期以来，研究人员通过统计历史地质灾害所在区域的地质、地形、水文等环境因素预测未来地质灾害可能发生的位置、时间（或频率），即地质灾害易发性评价。地质灾害易发性评价前提工作是进行影响因子选取，而地质灾害发生的影响因子有数十种，是否叠加因子越多模型评价精度就越高？是否存在“最优因子数量”？这一简单而又关键的问题值得探讨。文章以四川省汶川县为例，选取11种广泛应用于地质灾害易发性评价的影响因子，按照4种排列组合模型，叠加3到11个因子信息量获得对应的地质灾害易发性指数分布图。运用成功率曲线确定线下面积值对各个结果进行预测精度评价。试验结果表明，按照初步设定的4种排列组合模型叠加因子数量到8个时，模型预测精度达到最大值；但在因子叠加过程中发现各个因子对于易发性的控制性与个人经验确定的控制性存在一定差异，按照实际因子控制性从大到小与从小到大排列组合后，叠加多个关键因子后模型预测精度才会达到峰值。研究成果表明，地质灾害易发性评价中叠加的因子数量越多，模型预测精度越高，叠加过程中如未加入关键因子，模型预测精度将不会达到峰值，说明地质灾害易发性评价不...     

滑坡易发性评价方法和精度比较——以贵州省大方县为例

近年来贵州省突发性滑坡地质灾害时有发生,除在册滑坡隐患外,还有不少斜坡存在着滑坡的孕灾环境条件,通过新一轮的地质灾害风险评价发现,选用不同的风险评价体系对地质灾害易发性的影响很大,从而影响地质灾害防治、国土空间规划和政府决策等基础数据。本次以大方县滑坡数据为例,选取与滑坡相关的7个影响因子:坡度、坡向、相对高差、工程地质岩组、距水系距离、距构造距离以及土地利用类型,采用层次分析法(AHP)、信息量模型(I)及耦合模型(AHP-I)对研究区进行滑坡易发性评价,并采用滑坡点频率统计和成功率曲线(ROC)对3种模型的评价精度进行检验。通过比较,选取精度高的耦合模型(AHP-I)作为滑坡易发性评价方法,从而能更加精确地评价大方县的滑坡易发性,为山区县级区域滑坡灾害的防灾减灾提供决策依据与参考。     

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。     

不同组合模型区域滑坡易发性及精度分析

为探索区域滑坡易发性评价模型的适用性和评价结果的合理性,以滑坡灾害高发的白龙江流域为研究区,首先选取坡度、地形起伏度、距断层距离、地层岩性、流域沟壑密度、植被指数等6项影响滑坡发生的孕灾因子作为易发性的评价指标,以研究区2 093处滑坡灾害点为样本数据,依据各指标条件下的信息量值、确定性系数值和证据权重值曲线突变规律,并结合滑坡面积及分级面积频率比曲线作为等级划分的临界值来确定因子分级状态;其次,基于指标因子状态分级和相关性分析结果,采用信息量法、确定性系数法、证据权法分别与逻辑回归组合的3种模型开展区域滑坡灾害易发性评价,并从模型结果、适用性和精度等方面采用多手段对3种组合模型进行比较和讨论。研究结果表明:在区域滑坡易发性评价方面,3组模型均表现较为理想,信息量和逻辑回归组合模型的预测精度为94.6%,其预测精度和准确性优于其他2种组合模型。笔者以白龙江流域中游及其岷江支流段为例,开展滑坡灾害易发性评价模型适用性、评价结果分析以及预测精度评价对比和研究等,成果可为该区地质灾害防灾减灾和国土空间用途管制规划决策提供参考。     

基于信息量模型的地质灾害易发性评价:以川东南古蔺县为例

地质灾害威胁着山区人民生命财产安全,进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险.以川东南古蔺县为例,基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子,采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后,进一步利用ArcGIS单元统计功能对...     

滑坡易发性预测不确定性:环境因子不同属性区间划分和不同数据驱动模型的影响

对于滑坡易发性预测建模,连续型环境因子在频率比分析时的属性区间划分数量（attribute interval numbers,AIN）和不同易发性预测模型是两个重要不确定性因素.为研究这两个因素对建模的影响规律,以江西省上犹县为例,考虑5种连续型环境因子AIN划分（4、8、12、16及20）和5种数据驱动模型（层次分析法（analytic hierarchy process,AHP）、逻辑回归（logistic regression,LR）、BP神经网络（back-propagation neural network,BPNN）、支持向量机（support vector machine,SVM）和随机森林（random forest,RF））,总计25种不同工况下的滑坡易发性预测研究.再开展滑坡易发性指数的不确定性（包括精度评价和统计规律等）分析.结果表明:（1）对于同一模型,随着AIN值从4增加至8再到20时,易发性预测精度先逐渐提升,然后缓慢提升直至稳定;（2）对于同一AIN值,RF模型预测精度最高,其后依次为SVM、BPNN、LR和AHP模型;（3）在25种组合工况下,AIN=20和RF模型的预测精度最高,AIN=4和AHP模型精度最低,但在AIN=8和RF模型组合下的易发性建模效率较高且精度也较高;（4）更大的AIN值和更先进的机器学习模型预测出的滑坡易发性指数的不确定性相对较低,更符合实际的滑坡概率分布特征.在环境因子属性区间划分为8和RF模型工况下高效准确地构建滑坡易发性预测模型.      

基于层次分析法的绵阳市地质灾害易发性评价

文章阐述了层次分析法应用于地质灾害易发性评价过程及步骤,并运用该方法(AHP)建立地质灾害易发性综合评价的层次分析结构模型及判断矩阵,从而确定了影响地质灾害易发程度因子的权重,建立了地质灾害易发性单灾种评价及区域地质灾害易发性综合评价的数学模型。绵阳市地质灾害易发性评价应用证明,该方法比较合理、有效,具有较高的预测精度,评价结果与实际地质灾害发育区的拟合率大于90%。     

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。     

陕西省地质灾害易发性综合评价方法初探

陕西省的地质灾害主要包括滑坡、崩塌、泥石流、地面塌陷、地裂缝及地面沉降。论文在总结陕西省107个县（市）地质灾害调查与区划工作的基础上,建立了陕西省地质灾害易发性综合评价指标体系。针对不同灾种选择了25个评价指标作为其易发性的主要影响因素。使用专家——AHP定权法确定各影响因素的权重,并基于GIS构建了综合评价数学模型——综合指数模型,将各指标因子图层按权重进行代数叠加运算,计算出全省地质灾害易发性综合指数。然后根据综合指数的大小,将陕西省地质灾害易发程度划分为高易发、中易发、低易发和非易发四级区。     

基于不同耦合模型的县域滑坡易发性评价对比分析

为有效预测县域滑坡发生的空间概率,探索不同统计学耦合模型滑坡易发性定量评价结果的合理性和精度,以四川省普格县为研究对象。选取坡度、坡向、高程、工程地质岩组、断层和斜坡结构等6项孕灾因子作为评价指标体系,基于信息量模型（I）、确定性系数模型（CF）、证据权模型（WF）、频率比模型（FR）分别与逻辑回归模型（LR）耦合开展滑坡易发性评价。结果表明:各耦合模型评价结果和易发程度区划均是合理的,极高易发区主要分布于则木河、黑水河河谷两侧斜坡带,面积介于129.04～183.43 km2（占比6.77%～9.62%）,各模型评价精度依次为WF-LR模型（AUC=0.869）>I-LR模型（AUC=0.868）>CF-LR模型（AUC=0.866）>NFR-LR模型（AUC=0.858）。研究成果可为川西南山区县域滑坡易发性定量评估提供重要参考。     

基于AHP-CF模型的地质灾害易发性评价——以泰顺县仕阳镇为例

东南沿海地区常年受台风暴雨袭扰,地质灾害频发。以泰顺县仕阳镇为研究区,综合考虑台风暴雨型地质灾害成灾机理,从地形条件、地质条件、人类工程活动3个方面,选取坡度、坡向、坡形、地形起伏度、断层、工程地质岩组、松散层厚度、土地开发强度和公路切坡9个影响因子,基于ArcGIS斜坡单元数据模型,耦合确定性系数(CF)与层次分析模型(AHP)对乡镇尺度的小面域进行地质灾害易发性评价。根据耦合模型的评价结果,将仕阳镇地质灾害易发性等级分为极高易发区、高易发区、中易发区和低易发区4个级别,并利用地质灾害点在各易发等级下的分布和成功率曲线对耦合模型的评价精度进行检验。经检验,认为耦合模型的评价分区结果合理,评价精度为84.6%。     

基于信息量和多层感知机分类器模型耦合的平果市斜坡类地质灾害易发性评价

广西平果市频发的地质灾害严重制约着市区的工程建设和生命财产安全。在充分收集和整理区域地质资料的基础上,通过遥感解译和现场调查,确定了平果市共发育251处斜坡类地质灾害,其中崩塌189处、滑坡62处。选择高程、坡度、坡向、曲率、工程地质岩组、距断层距离、土层厚度、距河流距离和降雨共9个因子作为评价因子,结合信息量和多层感知机分类器的优势,采用信息量和多层感知机分类器耦合模型对平果市斜坡类地质灾害进行易发性评价。斜坡类地质灾害易发性制图表明极高易发区占平果市面积的25.39%,主要分布于平果市的北部、中部和南部山区。通过ROC曲线对模型预测能力进行检验获得AUC=0.809,表明模型评价结果能够很好地预测研究区斜坡类地质灾害的发生。研究结果可为研究区的崩滑灾害风险评价和灾害防治提供科学依据。     

基于三种多变量不安定指数分析模型的汶川县地质灾害易发性评价

采用多变量不安定指数分析法模型并加以改进,应用于汶川县地质灾害易发性评价。选取坡度、坡向、地层岩性、距断层距离、植被覆盖率及距水系距离六项影响因子,结合四川省自然资源厅发布的汶川县地质灾害隐患点数据,以幂次相乘、线性累加、幂次累加这三种不同的不安定指数分析法模型分别得到了研究区地质灾害易发性分区图,并用接受者操作特性曲线（Receiver Operating Characteristic curve, ROC curve）验证了各种模型的评价性能。结果表明:（1）对本案例而言,幂次相乘模型相较其它两种模型具有最高的精度;（2）汶川县地质灾害“极高”“高”“中”“低”“极低”易发区的面积占比分别为:19.3%、24.6%、19.2%、19.3%、17.6%,且研究区地质灾害易发性较高的区域多分布在断裂带附近。本研究成果可为区域地质灾害防治工作提供理论借鉴和技术参考。     

基于SOM-I-SVM耦合模型的滑坡易发性评价

在使用机器学习模型对滑坡进行易发性评价时,通常会在滑坡影响范围之外随机选取非滑坡样本点,具有一定的误差。为了提高滑坡易发性评价的精度,将自组织映射（self-organizing map,SOM）神经网络、信息量模型（information,I）以及支持向量机模型（support vector machine,SVM）进行耦合,提出一种基于SOM-I-SVM模型的滑坡易发性评价方法,并将SOM神经网络与K均值聚类算法进行对比,验证模型的可靠性。以十堰市茅箭区为例,首先通过对环境因子的相关性及重要性分析,筛选出距水系距离、坡度、降雨量、距构造距离、相对高差、距道路距离、地层岩性等7个因子,建立滑坡易发性评价指标体系,在此基础上计算出各因子的分级信息量值,并作为模型的输入变量进行滑坡易发性评价。分别采用SOM神经网络和K均值聚类算法选取非滑坡样本,然后将样本数据集代入I-SVM模型预测滑坡易发性。将SVM、I-SVM、KMeans-I-SVM、SOM-I-SVM等4种模型预测精度进行对比,其ROC曲线下面积（AUC）分别为0.82,0.88,0.90,0.91,说明SOM-I-SVM模型能...     

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%)。