信息量模型、确定性系数模型与逻辑回归模型组合评价地质灾害敏感性的对比研究

为探索区域地质灾害敏感性评价方法,以宁夏盐池县为研究区域,选取坡度、坡向、坡高、高程、地层、距河流距离、距道路距离、植被覆盖度等8个影响地质灾害发生的评价因子,分别采用信息量模型+逻辑回归模型(I+LR)和确定性系数模型+逻辑回归模型(CF+LR)2种组合模型对盐池县地质灾害敏感性进行评价,将该区域地质灾害划分为极低、低、中和高敏感区4类,并完成结果检验。结果表明：(1)2种组合模型得到的低、中敏感区面积基本相当,而高敏感区面积相差较大,CF+LR模型较I+LR模型高敏感区面积增加约5336 km2,而极低敏感区面积减少约6%;(2)2种组合模型的合理性均符合检验要求,且ROC精度检验AUC值分别为0868和0829,渐进Sigb均小于005,表明2种组合评价模型都能较为客观准确地评价盐池县地质灾害敏感性;(3)ROC检验精度与盐池县地质灾害发育情况均表明I+LR模型精度更高。     

基于确定性系数与证据权模型的滑坡灾害敏感性评估:以金沙江龙开口——期纳段流域为例

金沙江流域内滑坡灾害频发,对大型工程及交通设施均造成了极大的损害。采用确定性系数(CF)与证据权(WOE)模型,选取坡度、坡向、NDVI、海拔、岩石性质、纵剖面曲率、距道路的距离、距河流的距离、距断层的距离与第四纪沉积物类型10个指标,分不同组合进行区域性滑坡灾害敏感性评估。CF与WOE在多种不同指标组合下经过累积频率曲线下面积(AUC)检验,结果表明10种指标组合下的CF模型表现最佳,相比WOE模型所得的最高准确率(74.52%)与预测率(69.89%),CF的准确率与预测率分别高达83.40%与74.43%。CF计算获得的敏感性指数通过自然间断点法将研究区域分为滑坡极难发生区、滑坡较难发生区、滑坡较易发生区与滑坡极易发生区4类区域。评估结果指示程海断裂带南北延伸带与金沙江中段主要干支流沿线为区域的滑坡灾害易发区,表明断裂带及河流与该区域的滑坡发生具有一定的相关性。     

基于RBF神经网络?信息量耦合模型的滑坡易发性评价

滑坡易发性评价是滑坡灾害管理的基础工作,也是制定各项防灾减灾措施的重要依据。针对传统的信息量模型在评价过程中确定权重值存在准确性不高的缺点,文章提出RBF神经网络和信息量耦合模型。以甘肃省岷县为研究区,筛选坡度等9个指标因子构建了滑坡灾害易发性评价指标体系,应用RBF神经网络-信息量耦合模型（RBFNN-I）进行滑坡灾害易发性评价,利用合理性检验和ROC曲线对模型的评价结果进行精度检验。结果表明:（1）RBFNN-I模型的AUC值为0.853,相比单一的RBFNN和I模型分别提高了6.3%和9.7%,说明RBFNN-I模型具有更好的评价精度;（2）岷县滑坡灾害的极高易发区和高易发区主要分布在临潭—宕昌断裂带、洮河及其支流、闾井河和蒲麻河两侧河谷地带,距断层距离、降雨量、距道路距离和NDVI是影响岷县滑坡灾害分布的主控因子。     

基于CF-AHP耦合模型的高速公路沿线崩塌地质灾害易发性评价——以蓉遵高速公路土城——旺隆段为例

蓉遵高速公路（土城—旺隆段）沿线崩塌频繁发生，威胁公路安全甚至人类的生命财产安全。文章通过实地调查蓉遵高速公路（土城-旺隆段）崩塌地质灾害的影响因素，构建了9个影响因子，分别是地形起伏度、高程、归一化植被指数、坡向、地层岩性、距道路距离、距河流距离、坡度及降雨量。采用确定性系数模型（certain factors, CF）、层次分析法（analytic hierarchy process, AHP）及耦合模型（CF-AHP）对研究区进行崩塌地质灾害易发性评价，并分别采用崩塌地质灾害点频率统计和成功率曲线对3种模型的评价精度进行检验。结果表明，CF、AHP和CF-AHP的AUC预测精度分别为0.848,0.835,0.866，且3种评价模型得到的崩塌地质灾害的高、中易发区频率比值占总频率比值均超过70%。3种模型精确度由大到小分别为CF-AHP、CF、AHP模型，说明CF-AHP模型的滑坡预测优于单一的CF、AHP模型，能精确地评价蓉遵高速公路（土城-旺隆段）崩塌地质灾害易发性，为公路沿线区域崩塌灾害的防灾减灾提供决策依据。     

基于GIS的涪江上游南坝-水晶流域滑坡危险性评价

本文以涪江上游南坝-水晶流域滑坡为研究对象, 选取坡度、高程、坡向、岩性、岸坡结构等9个影响因子, 基于GIS平台, 采用滑坡确定性系数模型与层次分析模型相结合的 (CF-AHP) 模型对研究区进行滑坡危险性评价。根据评价结果, 将研究区划分为极高危险区 (18. 57%) 、高危险区 (38. 71%) 、中危险区 (23. 92%) 、低危险区 (18. 8%) 四个等级。利用危险性评价结果对比法和受试者工作特征曲线 (ROC) 对评价结果进行验证, 得到ROC曲线下面积AUC值为88. 36%, 表明CF-AHP模型能够较客观准确地对研究区滑坡危险性评价。     

基于GIS与确定性系数分析方法的汶川地震滑坡易发性评价

汶川Ms 80级大地震诱发了数以万计的滑坡灾害。在大约48678 km2的滑坡影响区域内,作者采用震后遥感影像解译并结合野外调查的方法,共解译出48007处滑坡。应用GIS技术,建立了汶川地震诱发滑坡灾害及相关地形、地质空间数据库。采用地震滑坡确定性系数分析方法,分析了地震滑坡关于地震烈度、岩性、坡度、断层、高程、坡向、河流与公路等8个因素的易发程度。基于GIS栅格分析方法,分别对16种不同影响因子组合类型进行地震滑坡易发性评价。最后,应用AUC（Area Under Curve,评价曲线下面积）方法得到最佳因子组合及其对应的评价结果,使用自然分类法则方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1169046km2,占研究区总面积的2402%,其中发育滑坡面积为52484 km2,占滑坡总面积的7373%。结果表明了极高与高易发区与实际滑坡之间有着良好的一致性,方法的评价结果成功率（AUC值）达到82107%。     

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。     

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。     

逻辑回归与支持向量机模型在滑坡敏感性评价中的应用

白龙江流域是我国滑坡泥石流灾害四大高发区之一,进行该区域滑坡敏感性评价,能够为决策者在灾害管理和设施建设规划方面提供帮助,对区域防灾减灾具有重要指导意义。本研究采用边坡单元为基本研究单元,在野外调查及前人研究基础上,选择控制该区域滑坡发育的19个要素作为影响因子; 经过主成分分析和独立性检验得到该区域对滑坡形成贡献最大的6个因子:高程、坡度、坡向、岩性、断裂距离和人口密度; 分别使用二元逻辑回归模型（LR）和支持向量机模型（SVM）对该区域进行滑坡敏感性评价; 最后,采用ROC曲线对模型精度进行验证。研究结果表明,两模型各能将38.76%、14.48%、9.40%、11.28%、26.07%和13.49%、21.61%、8.17%、26.70%、30.04%的边坡单元分别预测为极高危险区、高危险区、中度危险区、低危险区和极低危险区; 精度验证结果表明两种模型均能有效地进行该区域滑坡敏感性评价,并且支持向量机模型具有更好的分类能力、预测精度和稳定性。     

基于GIS的哀牢山戛洒镇小流域滑坡易发性评价

根据研究区的基本情况,选择坡度、坡向、地层岩性、距断层距离、降雨、土地利用等6个评价因子,采用滑坡灾害易发性评价的GIS与AHP耦合模型进行戛洒镇滑坡灾害易发性评价,并将滑坡灾害分为极高、高、中、低和极低易发区5个区域进行了滑坡灾害易发性评价结果分析,以期为后期的小流域滑坡风险评估研究服务。     

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。     

贵州省开阳县斜坡地质灾害孕灾因子敏感性分析

开阳县地质条件复杂，区内山地灾害频发，在进行野外地质灾害调查的基础上，选取高程、坡度、坡向、工程岩组、斜坡结构、断层、水系、归一化植被指数（NDVI）8个影响因子作为斜坡地质灾害孕灾因子。基于GIS平台，采用确定性系数模型（CF）进行开阳县斜坡地质灾害孕灾因子敏感性分析，并通过敏感性指数（E）分析各因子对开阳县斜坡地质灾害的敏感性大小。结果表明:在高程515~993 m、坡度20°~50°、坡向为东南、西和西北向、软质岩组、顺向坡地区、距断层1 000 m以内、距河流800 m以内、NDVI值处于-0.098~0.181的区域，为开阳县地质灾害敏感区；坡度、岩性、坡向、距河流距离、距断层距离、高程6个因子为开阳县地质灾害的主要控制因素，NDVI和斜坡结构具有较低的敏感性；进一步分析表明，NDVI敏感程度很可能受高程1 288~1 664 m区间和北向坡向限制；斜坡结构敏感性主要受坡向东、西2个方向限制。研究成果可为开阳县地质灾害的防灾减灾工作提供参考。      

四川省雅江县上游河段滑坡灾害危险性评价

雅江县位于四川省西部雅砻江中游河段,以中山-高山峡谷地貌为主,地质灾害频发.为保障人民生命财产安全,基于逻辑回归与确定性系数叠加分析,进行雅江县上游河段滑坡灾害危险性评价.结果表明：1）雅江县上游河段滑坡极易发生在海拔2 500~3 000 m、拔河高度600~900 m、坡度30~45°、距离河流水系0~200 m范围较硬岩夹较软岩类地带;2）雅江县上游河段高危险区、极高危险区面积占总面积的46.75%,发生滑坡占滑坡总数的65.91%,说明该区域内滑坡分布密集,危害程度相对较高,与野外实际调查结果相符;3）雅江县上游河段呷拉镇一带多属极高危险区、高危险区,瓦多乡一带多属中等危险区,木绒乡、普巴绒乡一带多属低危险区、极低危险区;4）通过查验点及ROC曲线对评价结果验证,该评价结果有较高的准确性,能够作为研究区防灾减灾与河谷开发利用的合理方案依据.     

基于SVM的地下采煤区沉陷灾害发育敏感性分区研究

地下采煤区沉陷灾害发育重点区预测目前尚无固定程式,且敏感区预测结果存在不确定性较大的问题。以山西省太原市西山地区沉陷灾害为研究对象,分别以2012年和2014年核查编录的沉陷灾害数据为建模数据和验证数据,以高程、坡度、坡向、地势起伏度、地面曲率、地层岩组、地质构造为敏感性评价因子,综合运用GIS空间分析、统计分析和支持向量机(SVM)等方法,构建了4种核函数SVM沉陷灾害敏感性分区预测模型,分别从模型的评价因子权重、模型优选、敏感性分区预测结果、预测精度和模型适用性进行了分析。结果表明:多项式核函数SVM模型(PL-SVM)的训练精度(受试者特征曲线下面积AUC=0.854)与验证精度(AUC=0.755)均较高,模型预测能力良好,是4种模型中表现最好的模型,所划分敏感性分区结果合理,极高与高敏感区以较小面积分布较多沉陷灾害点,而低敏感区则以较大面积分布极少沉陷灾害点。PL-SVM模型预测的太原西山地区沉陷灾害发育极高、高、中和低敏感区的面积占比分别为:20.19%、17.43%、21.18%、41.20%,频率比值与敏感性等级之间呈良好的正相关,符合线性函数关系。PL-SVM模型敏感性评价结果可靠,适用性好,对地下采煤区沉陷灾害发育特征研究及灾害普查重点区预判具有参考意义。      

基于确定性系数的降雨型滑坡影响因子敏感性分析

本文选择东南沿海地区具有典型降雨型滑坡的淳安县作为研究区,在完成全县地质灾害详细调查的基础上,选取高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距道路距离、土地利用和植被等9个滑坡影响因子,利用GIS技术与确定性系数分析方法,对这9个影响因子开展敏感性分析。研究结果表明:(1) 寒武、震旦、石炭和白垩系是滑坡易发地层,侵入岩组、紫红色砂岩、碳酸盐岩夹碎屑岩、碳酸盐岩为主的岩组是滑坡高敏感性岩组;滑坡受断层影响总体上随着距离断层由近及远逐渐降低;(2) 坡度范围10°~35°是滑坡的易发坡度,30°~35°滑坡数量达到峰值;SE和S等朝南坡向是滑坡最易发坡向;高程范围为100~200m是滑坡最易发区间;凹坡最易发生滑坡,而凸坡则滑坡敏感性最差;非林地、茶叶、竹林和经济林等是滑坡高敏感植被类型;(3) 住宅用地、耕地、园地等与人类活动密切相关的用地类型是滑坡易发地类;距道路距离因子对滑坡敏感性低,相关性不明显。上述各滑坡影响因子最利于滑坡发生的数值区间确定,将为研究区进一步开展降雨型滑坡区域易发性评价及预测奠定基础。     

逻辑回归与支持向量机模型在滑坡敏感性评价中的应用

白龙江流域是我国滑坡泥石流灾害四大高发区之一,进行该区域滑坡敏感性评价,能够为决策者在灾害管理和设施建设规划方面提供帮助,对区域防灾减灾具有重要指导意义。本研究采用边坡单元为基本研究单元,在野外调查及前人研究基础上,选择控制该区域滑坡发育的19个要素作为影响因子;经过主成分分析和独立性检验得到该区域对滑坡形成贡献最大的6个因子:高程、坡度、坡向、岩性、断裂距离和人口密度;分别使用二元逻辑回归模型(LR)和支持向量机模型(SVM)对该区域进行滑坡敏感性评价;最后,采用ROC曲线对模型精度进行验证。研究结果表明,两模型各能将38.76%、14.48%、9.40%、11.28%、26.07%和13.49%、21.61%、8.17%、26.70%、30.04%的边坡单元分别预测为极高危险区、高危险区、中度危险区、低危险区和极低危险区;精度验证结果表明两种模型均能有效地进行该区域滑坡敏感性评价,并且支持向量机模型具有更好的分类能力、预测精度和稳定性。     

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。