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...     

不同环境因子联接和预测模型的滑坡易发性建模不确定性

拟深入探讨滑坡与其环境因子间的非线性联接计算以及不同数据驱动模型等因素,对滑坡易发性预测建模不确定性的影响规律.以江西省瑞金市为例共获取370处滑坡和10种环境因子,通过概率统计（probability statistics,PS）、频率比（frequency ratio,FR）、信息量（information value,Ⅳ）、熵指数（index of entropy,IOE）和证据权（weight of evidence,WOE）等5种联接方法分别耦合逻辑回归（logistic regression,LR）、BP神经网络（BP neural networks,BPNN）、支持向量机（support vector machines,SVM）和随机森林（random forest,RF）模型共构建出20种耦合模型,同时构建无联接方法直接将原始数据作为输入变量的4种单独LR、BPNN、SVM和RF模型,预测出总计24种工况下的滑坡易发性;最后分别使用ROC曲线、均值、标准差和差异显著性等指标分析上述24种工况下易发性结果的不确定性.结果表明:（1）基于WOE的耦合模型预测滑坡易发性的平均精度最高且不确定性较低,基于PS的耦合模型预测精度最低且不确定性最高,基于FR、Ⅳ和IOE的耦合模型介于两者之间;（2）单独数据驱动模型易发性预测精度略低于耦合模型,且未能计算出环境因子各子区间对滑坡发育的影响规律,但其建模效率高于耦合模型;（3）RF模型预测精度最高且不确定性较低,其次分别为SVM、BPNN和LR模型.总之WOE是更优秀的联接法且RF模型预测性能最优,WOE-RF模型预测的滑坡易发性不确定性较低且更符合实际滑坡概率分布特征.      

基于证据权与Logistic回归模型耦合的滑坡易发性评价

滑坡灾害易发性研究对地质灾害风险管理及减灾防灾有着重要的现实意义。目前,多模型耦合的评价方法在国内外应用较为广泛,但将证据权与其他方法相结合用于滑坡易发性评价的研究却较少。鉴于此,本文以浙江省永嘉县为例进行滑坡易发性评价,选取高程等9个因素作为滑坡易发性的评价因子。利用证据权模型计算得到的证据权对比度与分级栅格比、滑坡栅格比进行比较,实现各评价因子状态分级处理;再运用Logistic回归模型算得各评价因子的权重。综合两种模型确定的状态分级权重和评价因子权重,基于GIS的栅格运算功能得到各评价单元的滑坡发生概率,实现研究区滑坡易发性分级区划。研究结果表明,证据权与Logistic回归耦合模型的评价结果的合理性与精确度均优于两种单一模型;且极高易发区和高易发区主要分布在水系延展区、断层密集区、岩组软弱区。研究结果对滑坡灾害风险管理及城市防灾规划具有一定的参考价值。     

基于C5.0决策树-快速聚类模型的万州区库岸段乡镇滑坡易发性区划

以乡镇为评价单元开展区域滑坡易发性评价对用地规划、防灾减灾等方面具有重要意义。以万州区临江段的23个乡镇单元作为研究对象,首先选取地表高程、坡度、坡向、岩性、构造、土地利用类型、地形湿度指数、水系、道路9个指标因子,通过C5.0决策树算法计算该区域发生滑坡的概率,再利用快速聚类算法进行易发性结果分级;基于ArcGIS平台得到各乡镇单元的滑坡易发性分区,结果表明:C5.0决策树-快速聚类模型的易发性评价精度最高,AUC值达到0.950,优于人工神经网络-快速聚类模型的0.826和贝叶斯-快速聚类模型的0.772。利用C5.0决策树-快速聚类模型的计算结果,综合考虑极高(高)易发区面积大小及其占乡镇面积比大小,完成各乡镇单元的滑坡易发性区划。在所有23个乡镇中,滑坡易发性等级高的包括大周镇、万州城区、溪口乡、新田镇等乡镇。通过对比各乡镇滑坡面积占研究区滑坡总面积的比重,发现两者结论基本一致,预测结果可为全区滑坡防灾减灾提供科学依据。     

基于粗糙集和BP神经网络的滑坡易发性评价

区域滑坡易发性评价是国土规划和滑坡中长期防治的重要依据。为进一步提高滑坡易发性评价的准确性,以恩施市龙凤镇为研究区,运用地理信息系统GIS技术,获取了包括工程岩组、坡度、地质构造等在内的13个初始评价因子,利用基于遗传约简算法的粗糙集理论对初始评价因子进行属性约简,去掉冗余属性后获得最小约简,即8个核评价因子:工程岩组、高程、地形曲率、道路、水系、坡度、坡向、径流强度指数,并以此作为BP神经网络的输入层,构建RS-BPNN预测模型,获得滑坡易发性指数LSI及滑坡易发性等级分区图。其中高易发区面积占总面积的12.82%,该区包含的滑坡面积占总滑坡面积的78.11%,通过ROC曲线测试,模型预测精度为90.9%。结果表明,RS-BPNN模型预测性能良好,进一步提高了滑坡易发性评价的精度和准确性,有较高的工程实用价值。      

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。     

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。     

基于快速聚类-信息量模型的汶川及周边两县滑坡易发性评价

滑坡灾害易发性评价研究对规划灾害区域、制定防灾策略等方面具有十分重要的意义。以滑坡灾害频发的汶川及周边两县（理县和茂县）为例,提出滑坡灾害易发性评价的快速聚类-信息量模型。选取坡度、高程、坡向、距构造的距离、距水系的距离、地层岩性和土地利用情况为对滑坡有重要影响的7个影响因子,并在二级因子的分类上,对上述前5个影响因子依据159处滑坡样本分别开展快速聚类分析,同时也给出了传统的等距分类法,以便与快速聚类方法形成对比,对后2个影响因子则以定性方法分类。根据上述二级分类方法的不同,以及滑坡样本是否考虑面积因素,将信息量模型细分为四类（模型a:快速聚类-数量模型、模型b:等距分类-数量模型、模型c:快速聚类-面积模型、模型d:等距分类-面积模型）,分别计算各二级指标信息量,并通过ArcGIS空间叠加分析得到研究区域信息量分布,然后通过自然断点法将研究区滑坡易发性划分为五个等级。以易发性递增原则和线下面积（Area Under Curve,AUC）作为精度评价指标,结果表明:①快速聚类模型（模型a和模型c）整体效果优于等距分类模型（模型b和模型d）;②相同分类方法下,面积模型（模型c与模型d）整体优于数量模型（模型a和模型b）;③在上述两项优势的加持下,模型c相较于模型b,评价精度明显提升,其AUC值从80.46%提高到87.25%。     

基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价

准确的滑坡易发性评价结果是滑坡风险评价的重要基础.为提升滑坡易发性评价精度,以三峡库区龙驹坝为例,选取坡度等10个因子构建滑坡易发性评价指标体系,应用频率比方法定量分析各指标与滑坡发育的关系.在此基础上,随机选取70%/30%的滑坡数据作为训练/测试样本,应用径向基神经网络和Adaboost集成学习耦合模型(RBNN-Adaboost),径向基神经网络和逻辑回归模型分别开展易发性评价.结果显示:水系距离、坡度等是滑坡发育的主控因素;RBNN-Adaboost耦合模型的预测精度最高(0.820),优于RBNN模型和LR模型的0.781和0.748.Adaboost集成算法能进一步提升模型的预测性能,所提出的耦合模型结合了两者的优点,具有更强的预测能力,是一种可靠的滑坡易发性评价模型.      

基于GIS与ANN模型的地震滑坡易发性区划

基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究.2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡.选择高程、坡度、坡向、斜坡曲率、坡位、与水系距离、地层岩性、与断裂距离、与公路距离、归一化植被指数(NDVI)、与同震地表破裂距离、地震动峰值加速度(PGA)共12个因子作为地震滑坡易发性评价因子.这些因子均是应用GIS技术与遥感影像处理技术,基于地形数据、地质数据、遥感数据得到.训练样本中的滑动样本有两组,一组是滑坡区整个单滑坡体的质心位置,另一组是滑坡滑源区滑前的坡体高程最高的位置.应用这12个影响因子,分别采用这两组评价样本,基于ANN模型建立地震滑坡易发性索引图,基于GIS工具建立地震滑坡易发性分级图.分别应用训练样本中滑坡分布的点数据去检验各自的结果正确率,正确率分别为81.53％与81.29％,表明ANN模型是一种高效科学的地震滑坡易发性区划模型.     

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。     

Quantitative landslide susceptibility mapping at Pemalang area,Indonesia

For quantitative landslide susceptibility mapping, this study applied and verified a frequency ratio, logistic regression, and artificial neural network models to Pemalang area, Indonesia, using a Geographic Information System (GIS). Landslide locations were identified in the study area from interpretation of aerial photographs, satellite imagery, and field surveys; a spatial database was constructed from topographic and geological maps. The factors that influence landslide occurrence, such as slope gradient, slope aspect, curvature of topography, and distance from stream, were calculated from the topographic database. Lithology was extracted and calculated from geologic database. Using these factors, landslide susceptibility indexes were calculated by frequency ratio, logistic regression, and artificial neural network models. Then the landslide susceptibility maps were verified and compared with known landslide locations. The logistic regression model (accuracy 87.36%) had higher prediction accuracy than the frequency ratio (85.60%) and artificial neural network (81.70%) models. The models can be used to reduce hazards associated with landslides and to land-use planning.     

基于GIS的滑坡灾害危险性区划研究——以重庆市万州区为例

为了弥补滑坡灾害危险性区划研究中影响因子和等级划分的不确定性,结合前人研究成果,依据斜坡几何形态、岩性、地质构造、河流侵蚀、土地利用类型、人类工程活动、降水条件等影响因子与研究区实际已发生的滑坡灾害数之间的关系,编制重庆市万州区滑坡灾害危险性评价标准,并基于GIS技术和信息量模型法,计算滑坡评价因子的信息量,就万州区滑坡危险性进行区划,最后基于乡镇行政区对该区滑坡危险性区划进行细化。结果表明：建设用地、坡高为90～200 m的地形、1 024～1 060 mm的年降雨量以及侏罗系中统上沙溪庙组岩层等因素对万州区滑坡发生影响较大;根据滑坡灾害危险性评价标准,万州区滑坡灾害被划分为高、中、低、极低等4个危险区;应用信息量模型法得到的万州区滑坡危险性区划与实际情况比较吻合;高危险区和中危险区面积分别为564.4 km2和848.6 km2,分别占万州区总面积的16.3%和24.5%,主要分布于长江干流及支流两岸的居民相对集中区以及公路干线地段;高危险和中危险乡镇主要分布在万州区经济较为发达的长江干流两岸,尤其是左岸的黄柏乡、太龙镇、天城镇、李河镇等以及万州主城区。     

Regional landslide susceptibility analysis using back-propagation neural network model at Cameron Highland,Malaysia

This paper presents landslide susceptibility analysis around the Cameron Highlands area, Malaysia using a geographic information system (GIS) and remote sensing techniques. Landslide locations were identified in the study area from interpretation of aerial photographs and field surveys. Topographical, geological data and satellite images were collected, processed, and constructed into a spatial database using GIS and image processing. Ten landslide occurrence factors were selected as: topographic slope, topographic aspect, topographic curvature and distance from drainage, lithology and distance from lineament, soil type, rainfall, land cover from SPOT 5 satellite images, and the vegetation index value from SPOT 5 satellite image. These factors were analyzed using an advanced artificial neural network model to generate the landslide susceptibility map. Each factor’s weight was determined by the back-propagation training method. Then, the landslide susceptibility indices were calculated using the trained back-propagation weights, and finally, the landslide susceptibility map was generated using GIS tools. The results of the neural network model suggest that the effect of topographic slope has the highest weight value (0.205) which has more than two times among the other factors, followed by the distance from drainage (0.141) and then lithology (0.117). Landslide locations were used to validate the results of the landslide susceptibility map, and the verification results showed 83% accuracy. The validation results showed sufficient agreement between the computed susceptibility map and the existing data on landslide areas.     

基于不同模型的赣南地区小型削方滑坡易发性评价对比分析

赣南地区滑坡灾害点多、面广、规模小,具有群发性和突发性的特点,90%以上的滑坡是因人工切坡导致的。为研究赣南地区小型削方滑坡对易发性评价模型的适用性,以赣州市于都县银坑镇为例,基于野外地质调查成果,并利用地理探测器,选取坡度、坡体结构、岩组、断层、道路、植被等6个评价指标,分别选用信息量模型、人工神经网络模型、决策树模型和逻辑回归模型开展易发性评价。结果表明:信息量、人工神经网络、决策树和逻辑回归等模型得到的AUC值分别为0.800、0.708、0.672和0.586,信息量模型所得的易发性结果与研究区滑坡实际分布情况较吻合,高易发区和中易发区滑坡占比近80%。信息量模型较其他三个模型,更适合于赣南地区小型削方滑坡易发性评价,评价结果对该地区地质灾害易发性评价模型选取提供了参考与借鉴。     

National-scale assessment of landslide susceptibility to rank the vulnerability to failure of rock-cut slopes along expressways in Korea

The objective of this study is to perform a preliminary national-scale assessment of the landslide susceptibility of rock-cut slopes along expressways in Korea. A geographic information system (GIS) database was compiled based on data from topographical and geological maps, and rock-cut slope data, including the locations of past landslides. Seven factors (i.e., slope height, slope length, slope gradient, upper slope gradient, lithology, distance from nearest fault, and dip direction of slope) were extracted from the GIS database to assess the relationship between each factor and landslide events. Weight of evidence (WOE), analytic hierarchy process (AHP), and fuzzy logic methods, as well as hybrid methods, were used to establish the rating of classes for each factor, weightings for the factors, and to combine multiple factor layers into landslide-susceptibility maps. A comparison of the results obtained using several different methods, based on the area under curve technique, revealed that the WOE method showed the highest accuracy of 74%. The annual cost of traffic congestion resulting from slope failures was evaluated to identify those rock-cut slopes where detailed investigations and landslide warning systems are required.     

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。