云南省丽江市古城区地质灾害区划与防治规划

丽江市古城区是云南省地质灾害的多发区之一。区内滑坡、泥石流广为发育,地质灾害已经造成了生命财产的巨大损失,对当地社会经济的可持续发展乃至投资环境都构成威胁。此次通过区内地质灾害的系统调查与分析,对地质灾害进行了易发性区划。根据其危害程度将全区划分为高易发区、中易发区、低易发区,并分别进行了分析评价。其中,高易发区位于金沙江沿岸,面积594.07km2;中易发区位于古城区中部,面积550.68km2;低易发区位于古城城区及丽江盆地地区,面积80.79km2。最后,提出了有针对性的防治规划,并建立了监测网络预警系统。     

嘉陵江流域北碚段基于GIS平台的地质灾害易发性评价

基于GIS平台．选取坡度、岩性、河流距离、曲率共4个地质灾害致灾因子,采用多因子综合分析方法,对嘉陵江流域北碚段进行地质灾害易发性分区。按照地质灾害的易发性分级,将2343．6km^2范围的研究区划为4类,其中低易发区面积为141．82km^2,中易发区面积为1162．47km^2,高易发区面积为914．95km^2,极高易发区面积为124．38km^2。最后应用野外地质灾害调查结果对分区结果进行验证,位于极高易发区与高易发区的灾害点分别占全部灾点的59．7％与28．2％,共为87．9％,且几处大型的滑坡、堆积体、危险库岸都位于极高易发区．表明研究成果比较客观。     

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。      

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。     

青海省河湟谷地地质灾害易发性评价

地处青藏高原东北缘的黄河与湟水谷地,由于剧烈的地质活动、较大高差与强烈水力作用等,使得地质灾害非常频繁,为明确该区域的地灾易发性区划,选取地貌、坡度、坡高、植被、岩性、降雨量和距断层、距河流、距道路等因子构建评价指标体系,采用信息量模型计算崩塌、滑坡、泥石流及其综合地质灾害易发性指数,将研究区地质灾害易发性划分为极高、高、中、低、极低五级易发区。结果表明:极高易发区主要位于河谷地区,占2.03%,包括贵德县、湟中县、乐都县的黄河及湟水等河流中下游地区;高易发区主要位于中小起伏山间盆地地区,占21.2%;中易发区主要位于中起伏山地地区,占23.45%,属于高、低易发区的过渡区域;低易发区主要位于大中起伏山地地区,占42.1%;极低易发区主要位于冷龙岭、拉脊山、西倾山等山地,占11.23%。研究结果对河湟谷地的防灾减灾及社会可持续发展意义重大。      

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。      

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。     

基于证据权法的湖南省石门县皂市水库滑坡易发性评价

湖南省石门县皂市水库地区滑坡地质灾害频发,采用证据权法进行滑坡易发性评价可以为滑坡防治提供科学依据.本文首先以斜坡单元为基本制图单元,利用ArcGIS空间分析功能,结合历史滑坡灾害点实地复核数据、遥感影像、地形图、数字高程模型、地质图等数据,提取了坡度、坡形、斜坡高差、植被覆盖度、地层岩性、斜坡结构类型、断层缓冲距离、道路缓冲距离、河流缓冲距离等9个证据因子并划分证据层;然后基于证据权法分别计算各证据层权重值,生成了研究区滑坡易发性分区图,并进行了预测精度分析.结果表明:(1)研究区滑坡易发性可划分为高易发区、中易发区、低易发区、极低易发区4类,4类分区面积占比分别为7.5％、20.6％、54.9％、17.0％;(2)基于成功率曲线法得出分区准确率为84.7％,评价结果与灾害点分布较为吻合.     

基于GIS和层次分析法的沙溪流域滑坡地质灾害易发性评价

滑坡是沙溪流域主要地质灾害类型之一,开展滑坡灾害易发性评价可为区域地质灾害防治提供数据基础和决策依据。通过沙溪流域生态地质调查,分析了滑坡灾害分布规律和影响因素之间的关系,选取岩性建造、地貌、坡度、坡向、降雨量、距河流距离和距断层距离7项指标,利用层次分析法及地理信息系统空间分析技术,开展沙溪流域滑坡地质灾害易发性评价。结果显示: 沙溪流域滑坡易发性影响因子依次为岩性建造、多年年均降水量、地形地貌、坡度、距河流距离、距断层距离和坡向; 沙溪流域滑坡灾害易发性与坡度、岩性建造、年均降水量表现出明显正相关,即坡度越大、岩性建造性质越软弱、越易风化,年均降水量越多,越易引发滑坡灾害; 滑坡灾害易发性与断裂构造、河流距离与滑坡灾害易发性呈负相关,即距离越近越容易诱发地质灾害; 流域整体以低易发区和极低易发区为主,高易发区主要分布在沙溪流域中南部、东部及东北部地区。这为沙溪流域地质灾害防治提供了基础数据和决策依据。     

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。     

基于深度学习的CZ铁路康定—理塘段滑坡易发性评价

CZ铁路康定至理塘段地处青藏高原东部边缘,区域内地形地貌多变、地质构造复杂,滑坡灾害极其发育,严重威胁着CZ铁路康定至理塘段的规划建设和未来安全运行。因此,选取高程、坡向、平面曲率、剖面曲率、地形起伏度、地表切割度、地形湿度指数、归一化植被指数、岩性、距断层距离、距河流距离、距道路距离共计12个影响因子构建滑坡空间数据库,采用深度学习的卷积神经网络(convolutional neural network,CNN)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(13.76%)、高易发区(14.00%)、中易发区(15.86%)、低易发区(18.17%)、极低易发区(38.21%)5个等级,并与人工神经网络(artificial neural network,ANN)模型进行对比。结果表明,CNN模型的评价精度AUC(0.87)大于ANN(0.84)模型,且极高易发区的频率比值高于ANN模型,CNN模型在本研究区有着更高的预测能力;极高和高易发区主要分布在水系较为发育的地区,沿着雅砻江和其他河流两侧2 km范围内呈带状分布。滑坡易发性评价结果较好地反映了研究区滑坡灾害发育的分布现状,能够为该区的CZ铁路建设和未来安全运行过程中的防灾减灾工作提供科学的依据。     

基于GIS的地质灾害易发性分区评价——以甘肃省会宁县为例

会宁县地处甘肃省中部,地质灾害极为发育,共发育有崩塌16处、滑坡12处、泥石流7条,地质灾害已对研究区造成了重大经济损失。为了对会宁县地质灾害易发性进行分区评价及指导防灾减灾,在区域地质灾害调查的基础上,建立了地质灾害数据库,采用层次分析法和GIS空间分析统计方法,选取14个基础指标,建立了会宁县地质灾害易发性分析评价模型,对评价单元叠加分析计算及验证分析,将会宁县地质灾害的易发程度划分为3个区,即高易发区、中易发区和低易发区。通过专家评审法检验地质灾害易发性评价结果,认为评价结果与实际地质灾害情况相符性较好,可以为制定会宁县地质灾害综合防治措施提供依据。     

吉林永吉县地质灾害易发性区划

本文结合研究区的野外地质调查资料,采用地质灾害易发性评价综合指数法,选取6项评价指标,利用MAPGIS软件的空间分析功能对研究区地质灾害程度进行计算评价和分级区划,依据危害程度将其划分为高易发、中易发、低易发和不易发四个区。结果显示地质灾害高易发区分布在公路交通沿线,采石场以及人类工程活动较集中地区,本次评价结果可为地质灾害的防治规划提供依据。     

基于GIS的地质灾害易发性分区评价——以甘肃省会宁县为例

会宁县地处甘肃省中部,地质灾害极为发育,共发育有崩塌16处、滑坡12处、泥石流7条,地质灾害已对研究区造成了重大经济损失。为了对会宁县地质灾害易发性进行分区评价及指导防灾减灾,在区域地质灾害调查的基础上,建立了地质灾害数据库,采用层次分析法和GIS空间分析统计方法,选取14个基础指标,建立了会宁县地质灾害易发性分析评价模型,对评价单元叠加分析计算及验证分析,将会宁县地质灾害的易发程度划分为3个区,即高易发区、中易发区和低易发区。通过专家评审法检验地质灾害易发性评价结果,认为评价结果与实际地质灾害情况相符性较好,可以为制定会宁县地质灾害综合防治措施提供依据。     

基于加权信息量法的杨陵区地质灾害易发性评价

杨陵区位于陕西省关中平原中部,地质环境条件较复杂,人类工程活动强烈,地质灾害较发育。为精准识别地质灾害发育规律,为政府决策和国土空间规划提供基础数据,在杨陵区地质灾害风险调查的基础上,采用ARCGIS软件空间分析模块和层次分析法,将全区划地质灾害易发性分为高、中、低3个级别,其中高易发区面积0.99km^(2);中易发区面积8.35km^(2);低易发区面积123.47km^(2)。最后,通过受试者工作特征曲线(ROC)和拟合曲线法进行验证,结果表明评价精度较高。     

基于突变理论的湟水河流域崩滑易发性评价

湟水河流域是黄河上游重要支流，是青海省政治经济文化中心，也是全省地质灾害高发区域。流域内灾害种类多，发生频率高，经济损失和人员伤亡较大。流域内地质灾害分布有一定地域特征，通过对湟水河流域地形地貌、地质岩组、地质构造、水文气象、人类工程活动分析，构建了地质灾害易发性划分标准，将湟水河流域崩滑灾害易发性分为极高易发区、高易发区、中易发区、低易发区、极低易发区5个等级。基于MATLAB编程的突变级数理论平台，充分考虑了各评价因子的内在关系，将单点灾害危险性评价扩展到区域灾害易发性评价。通过ROC对评价结果验证表明，该方法准确率高，可为地质灾害防治提供理论支持。     

基于证据权法的巴东县城滑坡灾害易发性评价

巴东县城由于其特殊的地理位置和特有的地质条件,使之成为滑坡灾害多发地带,严重威胁着巴东县城的发展,因此,有必要对巴东县城进行滑坡易发性评价研究。首先,基于GIS平台分别提取影响滑坡发生发育的各指标因子(地层岩性、地形地貌、地质构造、水文地质条件等),并划分证据层;其次,采用证据权法分别计算各证据层的权重及后验概率;然后将单元各证据层后验概率进行叠加,生成滑坡易发性分区图;最后,使用自然断点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占研究区总面积的33%,其中86%的已有滑坡发生在极高易发区和高易发区,利用成功率曲线检验表明区划效果较好。     

基于深度神经网络模型的雅安市滑坡易发性评价CSCD

准确的滑坡易发性评价结果是滑坡风险评估的基础,对防灾减灾工作有着重要的意义。文章以雅安市为研究区,在野外地质调查的基础上,选取高程、坡度、坡向、平面曲率、剖面曲率、地形湿度指数、泥沙输运指数、径流强度指数、归一化植被指数、年均降雨量、地震动峰值加速度、地形起伏度、距断层距离、地层岩性、距河流距离、距道路距离等16个因子,构建研究区滑坡易发性评价指标体系,采用度神经网深络(DNN)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(12.2%)、高易发区(7.0%)、中易发区(9.8%)、低易发区(17.0%)、极低易发区(54.1%)五个等级,并与人工神经网络(ANN)模型进行对比,用ROC曲线的AUC值进行精度检验。结果表明,DNN模型的评价精度AUC(0.99)大于ANN(0.96)模型。因此,相比ANN模型,DNN模型在该研究区有着更好的拟合能力和预测能力,滑坡极高和高易发区主要分布于雅安市人类工程活动强烈的低海拔地区,沿着道路和水系分布,距道路距离、高程、年均降雨量是影响雅安滑坡发育的主要影响因子。