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。     

基于Random Forest 和AHP的贵德县北部山区滑坡危险性评价

滑坡危险性评价是滑坡灾害防治和管理的重要依据。文章基于层次分析法和随机森林模型,结合距离函数法,探索性地提出了一种新的组合赋权法（RF-AHP）。采用RF-AHP对青海省贵德县北部山区滑坡进行了危险性评价,对比探讨了AHP、RF和RF-AHP三种模型评价结果与实际滑坡灾害的吻合性,结果表明:（1）RF-AHP在高危险区和极高危险区面积占比38.38%的情况下,包括了60.13%的滑坡灾害,结果准确性相比AHP和RF两种模型有较大提升;（2）随着危险性等级的逐步提高,RF-AHP区划结果中相应分区的灾害实际发生的比率也随之增高,并对三种方法出现结果差异的客观原因进行了分析讨论,证明RF-AHP适用于滑坡危险性评价工作。     

基于GIS和本底因素贡献权重模型的区域滑坡危险性评价——以重庆万州为例

滑坡危险性评价是滑坡风险管理的重要内容和基础,其结果的好坏直接影响到管理的成效.在目前全国还没有统一评价方法和体系的情况下,以重庆市万州区为研究区域,利用一种物理意义明确并且易于操作的评价模型--本底因素贡献权重模型,在GIS软件中进行滑坡危险性评价.经过检验符合实际情况:高危险度区占全区面积的22.3%:中危险度区占全区面积的40.7%;低危险度区占全区面积的37.0%;高、中危险度区所包含的滑坡个数占到全区滑坡总数的77.6%.     

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.     

基于信息量和卷积神经网络的黄土高原滑坡易发性评价

黄土高原在地质环境与人类活动的复杂互馈作用下易导致黄土崩滑灾害频发,亟需选择适用性的影响因子和训练模型开展滑坡易发性评价研究.本研究以黄土高原为研究区,基于野外滑坡调查和资料收集,构建涵盖地形地貌、基础地质环境、气象水文、人类活动、土壤物理化学性质以及植被覆盖的评价体系,采用信息量模型（ Ⅳ）分别联接到随机森林模型（RF）和卷积神经网络模型（CNN）构建耦合模型 Ⅳ-RF和 Ⅳ-CNN,开展滑坡易发性评价研究.结果表明,耦合模型（ Ⅳ-RF、 Ⅳ-CNN）的精度均高于独立模型（RF、CNN）,4种模型的AUC值分别为0.916、0.938、0.878、0.853, Ⅳ-CNN具有更强的预测能力和精度. Ⅳ-CNN模型的极高、高、中、低、极低易发性区域面积占比分别为8.78%、7.47%、15.34%、19.82%、47.87%,主要分布在黄土高原南部和东部地质环境复杂和人类活动强烈的山地、黄土梁峁地区.坡度、侵蚀类型、地貌类型、粘粒含量、距道路距离在贡献率分析中排在前5位,是影响滑坡发育的主控因子.本研究旨在为黄土高原滑坡灾害的预测和防治工作提供可靠的科学依据,为滑坡易发性评价研究深化...     

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。     

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。     

不同降雨条件下黄土高原浅层滑坡危险性预测评价

黄土地区浅层滑坡发育非常广泛,由于其具有分布规律性差、前期变形迹象小、分布范围大、面小点多等特征,目前还无法进行有效预测,因此给黄土地区工程安全带来严重威胁。根据无限边坡模型,结合降雨入渗-土体强度衰减规律和GIS（地理信息系统）技术,构建了不同降雨条件下黄土地区浅层滑坡发育危险性评价模型,并将该评价模型应用到延河一级支流幸福川流域,预测在有效降雨量30、50、100、200 mm条件下,该流域浅层滑坡发育程度,并与当前较为流行的SINMAP模型(地形稳定性模型)进行对比。结果表明：①不稳定和潜在不稳定浅层滑坡主要分布在末级河流的两侧和源头,稳定和较稳定区域主要分布在一级河流河道两侧和塬面上;通过对比分析,SINMAP模型计算的结果与本文建立的模型在降雨强度30 mm时的计算结果较为一致。②在本文建立的模型评价结果中,随着有效降雨量的增加,F_s（稳定性系数）<1.00的不稳定区域所占比例逐渐增加,从30 mm的1.12%到200 mm的4.79%;相反,稳定区域则出现逐渐减少的趋势。③根据已发生灾害点的分布,随着有效降雨量的增加,研究区域已发生的灾害点分布在F_s<1.25的比例明显增加,从30 mm的62%到200 mm的88%,在SINMAP评价模型中,研究区域已发生的灾害点的64%分布在不稳定和潜在不稳定区域内,说明本文所建立的评价模型具有一定的精度。通过与SINMAP评价模型对比,本文建立的模型主要采用基于降雨入渗规律,而SINMAP评价模型主要基于降雨汇流过程,因此在利用过程中应根据区域特征选择利用。     

基于GIS的兰州滑坡与泥石流灾害危险性分析

频繁发生的灾害愈来愈对人类社会造成巨大影响, 遥感、地理信息系统、全球定位系统和网络技术日益在减灾行动中发挥重要的作用. 兰州区域地质岩性、构造断裂、地震活动带、地表侵蚀强烈和地形起伏破碎等因素造成了兰州滑坡与泥石流灾害的发育, 夏季暴雨、人类工程活动等诱发下灾害频繁, 风险加剧. 针对兰州地区滑坡与泥石流等山地灾害对区域社会经济的影响, 通过建立区域滑坡与泥石流灾害的空间数据库, 在GIS技术辅助下实现了专家经验模型和Logistic模型对滑坡与泥石流灾害危险性的预测, 其中滑坡Logistic模型准确性达到85.3%, 专家经验模型准确性达到74.2%; 泥石流Logistic危险性预模型准确性达到80.5%, 专家经验模型准确性达到90.5%. 随着研究的深入, 综合遥感、地理信息系统、全球定位系统和网络技术的灾害研究与应用将在灾害防治中发挥重要的作用.     

不同日降雨工况下万州区滑坡灾害危险性分析

以三峡库区万州区为例,选择具有代表性的地质环境指标,分析各指标等级,利用逻辑回归、支持向量机和决策树3种数理统计模型,计算全区滑坡灾害易发性程度,分析3种日降雨工况下滑坡的发生概率,得到各日降雨工况下万州区滑坡灾害危险性分布图。确定了支持向量机模型为万州区滑坡灾害易发性分析的最优模型;万州区滑坡灾害高易发区和高危险区主要表现出沿河道水系呈带状分布、沿高程垂直分布、在城镇区集中分布的特点;特定工况下,万州区滑坡灾害危险性随着日降雨量增大而增大。     

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。      

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。     

基于GIS和本底因素贡献权重模型的区域滑坡危险性评价—以重庆市万州区为例

滑坡危险性评价是滑坡风险管理的重要内容和基础,其结果的好坏直接影响到管理的成效。在目前全国还没有统一评价方法和体系的情况下,以重庆市万州区为研究区域,利用一种物理意义明确并且易于操作的评价模型——本底因素贡献权重模型,在GIS软件中进行滑坡危险性评价。经过检验符合实际情况：高危险度区占全区面积的22.3%;中危险度区占全区面积的40.7%;低危险度区占全区面积的37.0%;高、中危险度区所包含的滑坡个数占到全区滑坡总数的77.6%。     

基于GIS与WOE-BP模型的滑坡易发性评价

区域滑坡易发性研究对地质灾害风险管理具有重要意义.以往研究中,将多元统计模型与机器学习方法相结合用于滑坡易发性评价的研究较少.以三峡库区万州区为例,首先选取9种指标因子（坡度、坡向、剖面曲率、地表纹理、地层岩性、斜坡结构、地质构造、水系分布及土地利用类型）作为滑坡易发性评价指标.基于证据权模型（weights of evidence,WOE）计算得到的对比度和滑坡面积比与分级面积比的相对大小,对各指标因子进行状态分级;再利用粒子群法优化的BP神经网络模型（PSO-BP）得到各指标因子权重.综合两种模型确定的状态分级权重和指标因子权重（WOE-BP）计算滑坡易发性指数（landslide susceptibility index,LSI）,基于GIS平台得到全区滑坡易发性分区图.结果表明:水系、地层岩性和地质构造是影响万州区滑坡发育的主要指标因子;WOE-BP模型的预测精度为80.8%,优于WOE模型的73.1%和BP神经网络模型的71.6%,可为定量计算指标因子权重和优化滑坡易发性评价提供有效途径.      

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。     

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。