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。     

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.      

基于GIS的重庆万州区滑坡灾害危险性评价

在充分调查万州区地质环境及滑坡灾害基本特征的基础上,根据资料的有效性和可获得性,选取地表高程、坡度、地层岩性、地质构造、土地利用类型、区域交通建设及河流侵蚀冲刷7个影响滑坡发生的因素作为评价指标,采用AHP法确定各个指标权重并建立滑坡灾害危险性指数模型,通过GIS系统的空间分析功能进行栅格运算,得出研究区滑坡灾害危险性分区。采用上述指标和方法将重庆市万州区的滑坡灾害划分为极高危险区、高危险区、中危险区、低危险区和极低危险区,划分结果符合该区滑坡灾害的实际情况。     

基于GIS的重庆市万州区滑坡灾害危险性评价

在充分调查万州区地质环境及滑坡灾害基本特征的基础上,根据资料的有效性和可获得性,选取地表高程、坡度、地层岩性、地质构造、土地利用类型、区域交通建设和河流侵蚀冲刷7个影响滑坡发生的因素作为评价指标,采用AHP法确定各个指标的权重并建立滑坡灾害危险性指数模型,通过GIS系统的空间分析功能进行栅格运算,得出研究区滑坡灾害危险性分区.采用上述指标和方法将重庆市万州区的滑坡灾害划分为极高危险区、高危险区、中危险区、低危险区和极低危险区,划分结果符合该区滑坡灾害的实际情况.     

四川汶川Ms 8 级地震重灾区地质灾害危险性评价和预测

在地质灾害调查和遥感解译资料的基础上,采用专家评判方法,利用GIS技术对重灾区14个县市的地质灾害进行快速定量的危险性评价,并在此基础上进行定性评价。强烈的地震诱发大量的次生地质灾害,主要为滑坡和崩塌,其次为地裂缝、泥石流和地面塌陷,局部有沙土液化,主要分布在龙门山断裂带附近及山区。总结了14个县市重灾区内地质灾害的分布特征,分析了地质灾害的形成条件,建立了地质灾害评价指标体系,确定了地质灾害危险性判别标准,进行了地质灾害危险区划。共划分为高危险区、中危险区、低危险区3个等级,在此基础上又划分了若干个亚区。对地质灾害的可能发生区带进行了分析预测,针对高危险区提出了相应的防治对策。     

基于聚类分析的滑坡灾害危险性区划研究

滑坡灾害危险性区划研究在城市规划决策方面具有重要的现实意义。聚类分析以统计学的形式将具有相似特征的数据进行归类,能够实现滑坡灾害危险性空间分布情况的定量评价。根据湖北省巴东县滑坡灾害统计资料,选择具有代表性的滑坡灾害影响因素作为危险性区划评价指标,采用熵权法和层次分析法相结合,综合评判各指标权重。并在此基础上,以MapGIS为操作平台,以C#语言编程实现了快速聚类算法,对研究区86216个单元进行了滑坡灾害属性分类及危险性等级自动识别,预测结果较好。本研究将综合权重评判方法与聚类模型结合,同时克服了聚类结果不能自动排序的困难,对处理大批量,多属性数据具有一定的创新性和实用价值。     

基于I-CF模型的四川德格县滑坡危险性评价与区划CSCD

文章以德格县为研究区,以7 m DEM进行地形分析处理,并结合相关调查数据建立了德格县滑坡灾害数据库,通过选取的地震峰值加速度、断裂带、水系、坡度、坡向、高程、岩性等7个指标,在GIS技术支持下,利用信息量模型(I)、层次分析法模型(AHP)、确定性系数模型(CF)相互耦合对研究区灾害敏感性评价,再分析得到活动频率因素对研究区全县域进行危险性评价,将得到的结果分成4个区域,分别为高危险区、较高危险区、中危险区、低危险区,其中高、较高危险区占总面积2.23%。其中,滑坡灾害占总灾害的42%。评价结果与实际调查结果符合程度较高,能够为该地域未进行实地调查的地方进行相关滑坡灾害的预测预报,并对安全防治提供技术支持,亦可以为其他地区滑坡灾害危险性评价提供理论指导和技术参考。     

铜川市滑坡危险性综合评价

本文根据大量的调查资料，采用多指标评判打分法对铜川市区滑坡逐一进行了危险生综合评价，旨在为该区滑坡的预测与防治提供可靠的依据。     

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。     

基于层数自适应加权卷积神经网络的川藏交通廊道沿线滑坡易发性评价

开展铁路沿线滑坡易发性评价对川藏交通廊道工程建设及运维过程中的风险管理具有重要意义.提出一种层数自适应、通道加权的卷积神经网络(layer adaptive weighted convolutional neural network,LAW-CNN),对川藏交通廊道沿线滑坡易发性进行评价.依据野外调查和影响因素分析筛选出影响滑坡发生的影响因子,绘制滑坡编目,构造用于易发性评价的实验数据集;针对卷积神经网络的权重初值、网络层数等超参数难以优化设置的问题,提出基于影响因子信息熵的通道加权方法和网络层数优选策略,通过多通道加权和层数自适应分类卷积的方式提出滑坡易发性制图的LAW-CNN架构;搜索最优LAW-CNN网络结构并训练网络参数,获取研究区滑坡发生概率并进行易发性分级评价.所提的LAW-CNN模型可以不同权重和不同深度挖掘影响因子的深层特征,实验结果表明,模型曲线下面积(area under curve,AUC)值为0.852 8,极高易发区滑坡点密度为1.251 9,均优于SVM(support vector machine)和CNN模型;川藏交通廊道沿线滑坡极高和高易发区主要集中在大江大河两侧以及横断山区.LAW-CNN模型可较好评价川藏交通廊道滑坡易发性,能够为川藏交通廊道的建设和灾害防治提供科学的依据.      

滑坡风险评价的理论与方法研究

作为防灾减灾的重要措施之一,滑坡风险评价已经成为近年来国际上滑坡研究的热点,并形成了较为完备的滑坡风险管理体系。国内的滑坡风险研究则起步较晚,滑坡风险评价的关键支撑技术体系尚未建立。本文对滑坡风险评价中的关键理论和方法进行梳理,阐述了国际滑坡风险评价的理论框架和技术流程,介绍了国内外滑坡易发性、危险性和风险评价的最新进展,评述了滑坡易发性评价、扩展范围预测、频率分析以及承灾体易损性评价的主要方法,阐明了现阶段滑坡风险评价的重点领域和前沿科学问题,并对滑坡灾害的风险评价提出了三点展望。     

基于粗糙集的支持向量机滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义。以三峡库区秭归至巴东段为研究区,利用粗糙集理论对20个初始评价因子进行属性约简,去掉冗余或干扰信息,得到13个核心评价因子,并以此作为支持向量机的输入特征集,构建支持向量机模型,实现滑坡易发性评价。在易发性分区图中高易发区占8.2%,主要分布在童庄河右岸、归州河沿岸、青干河左岸、树坪至范家坪长江右岸、牛口到东壤口长江左岸和巴东附近;不易发区占 52.7%,主要分布于店子湾至巴东旧城以及远离长江水系及植被覆盖度高的区域。通过验证与分析,粗糙集-支持向量机模型在高中易发区中的预测精度为85.6%,其预测能力优于支持向量机模型;与野外调查对比,预测结果与实际情况吻合较好。研究表明,应用粗糙集和支持向量机相结合进行滑坡易发性评价具有预测能力强、计算效率高等优点。     

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。     

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。     

A simplified three-dimensional shallow landslide susceptibility framework considering topography and seismicity

Shallow landslides are a prevalent concern in mountainous or hilly regions that can result in severe societal, economic, and environmental impacts. The challenge is further compounded as the size and location of a potential slide is often unknown. This study presents a generalized approach for the evaluation of regional shallow landslide susceptibility using an existing shallow landslide inventory, remote sensing data, and various geotechnical scenarios. The three-dimensional limit equilibrium model derived in this study uses a raster-based approach that uniquely integrates tree root reinforcement, earth pressure boundary forces, and pseudo-static seismic accelerations. Contributions of this methodology include the back-calculation of soil strength from a landslide inventory, sensitivity analyses regarding landslide size-pixel size relationships, and the determination of shallow landslide susceptibility for a landscape or infrastructure considering various root, water, and seismic conditions using lidar bare-earth DEMs as a topographic input. Using a distribution of inventoried landslide points and random points in non-landslide locales, the proposed methodology demonstrated reasonable correlation between regions of high landslide susceptibility and observed shallow landslides within a 150-km² region of the Oregon Coast Range when the water-height ratio was 0.5. The method may be improved by considering spatial hydrologic conditions and geology more explicitly.     

基于自组织特征映射网络-随机森林模型的滑坡易发性评价

为深入探讨评价单元和非滑坡样本选取对滑坡易发性预测的影响,构建了一种基于自组织特征映射网络-随机森林模型的滑坡易发性评价模型。该模型针对栅格单元和斜坡单元在滑坡易发性评价中的不足,结合栅格单元和斜坡单元的相互关系,提出了滑坡易发性指数的优化计算方法。在此基础上,基于随机森林Tree Bagger分类器构建滑坡易发性评价模型,通过对比分析自组织特征映射网络和随机方法选取非滑坡样本对评价结果的影响,探讨自组织特征映射网络、随机森林和自组织特征映射网络-随机森林三种评价模型的有效性;将评价模型应用于大余县滑坡易发性评价。结果显示,随机森林模型和自组织特征映射网络-随机森林模型的预测精度较高,分别达到91.19%和94.94%,成功率曲线的AUC值分别为0.822和0.849,表明自组织特征映射网络-随机森林模型具有更高的预测率和成功率, 自组织特征映射网络聚类的预测精度虽然有限,但作为非滑坡样本的选择方法,能够有效提高随机森林模型的评价精度。     

基于证据权模型的川西鲜水河断裂带滑坡易发性评价

鲜水河断裂带是发育于青藏高原东缘的一条大型左旋走滑断裂带,该区新构造活动强烈且历史强震频发,一系列大型-巨型滑坡沿断裂带密集分布。在资料收集的基础上,对鲜水河断裂带两侧10 km区域内进行遥感解译和野外地质调查,建立数据库并对滑坡主要影响因素进行分析。在滑坡区域发育分布规律分析的基础上,选取地形坡度、地形坡向、地面高程、平面曲率、地形湿度指数、活动断裂、工程地质岩组、年降雨量、河流、道路、植被覆盖指数等11个因素作为滑坡易发性评价因子,在ArcGIS软件平台上,采用证据权模型开展了滑坡易发性评价。根据成功率曲线对评价结果的检验,滑坡易发性评价结果具有较好的精度,并将研究区的滑坡易发程度划分为极高易发、高易发、中等易发、低易发和不易发5个级别。滑坡的易发性受鲜水河断裂带影响显著,极高易发区和高易发区主要分布在东谷到道孚县沿鲜水河断裂带两侧,以及康定县城和磨西镇附近;中等易发区主要分布在鲜水河支流两岸及省道沿线;滑坡低易发区和不易发区主要分布在人类工程活动少的高山地带以及地形相对平缓的区域。滑坡易发性评价结果很好地反映了鲜水河断裂带区域内滑坡发育分布现状,为该区重大工程规划建设和防灾减灾提供参考依据。     

GIS-based landslide susceptibility evaluation using fuzzy-AHP multi-criteria decision-making techniques in the Abha Watershed,Saudi Arabia

Landslides are natural geological disasters causing massive destructions and loss of lives, as well as severe damage to natural resources, so it is essential to delineate the area that probably will be affected by landslides. Landslide susceptibility mapping (LSM) is making increasing implications for GIS-based spatial analysis in combination with multi-criteria evaluation (MCE) methods. It is considered to be an effective tool to understand natural disasters related to mass movements and carry out an appropriate risk assessment. This study is based on an integrated approach of GIS and statistical modelling including fuzzy analytical hierarchy process (FAHP), weighted linear combination and MCE models. In the modelling process, eleven causative factors include slope aspect, slope, rainfall, geology, geomorphology, distance from lineament, distance from drainage networks, distance from the road, land use/land cover, soil erodibility and vegetation proportion were identified for landslide susceptibility mapping. These factors were identified based on the (1) literature review, (2) the expert knowledge, (3) field observation, (4) geophysical investigation, and (5) multivariate techniques. Initially, analytical hierarchy process linked with the fuzzy set theory is used in pairwise comparisons of LSM criteria for ranking purposes. Thereafter, fuzzy membership functions were carried out to determine the criteria weights used in the development of a landslide susceptibility map. These selected thematic maps were integrated using a weighted linear combination method to create the final landslide susceptibility map. Finally, a validation of the results was carried out using a sensitivity analysis based on receiver operator curves and an overlay method using the landslide inventory map. The study results show that the weighted overlay analysis method using the FAHP and eigenvector method is a reliable technique to map landslide susceptibility areas. The landslide susceptibility areas were classified into five categories, viz. very low susceptibility, low susceptibility, moderate susceptibility, high susceptibility, and very high susceptibility. The very high and high susceptibility zones account for 15.11% area coverage. The results are useful to get an impression of the sustainability of the watershed in terms of landsliding and therefore may help decision makers in future planning and mitigation of landslide impacts.