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。     

基于加权信息量的镇江高新区滑坡地质灾害易发性评价

合理选取地质灾害影响因子并对因子进行优化分级是准确评价地质灾害易发性的关键。结合研究区实际情况,选取7个指标因子构建滑坡影响因子指标体系,并以各因子条件下滑坡灾害比例和信息量曲线的突变点为依据,对连续型评价指标因子进行优化分级。在此基础上,基于ArcGIS平台,运用层次分析法加权的信息量模型对镇江高新区滑坡灾害的易发性进行评价。根据易发区划分指标将研究区划分为高、中、低滑坡地质灾害易发区,划分结果与已有滑坡灾害分布有较好的对应关系,评价结果具有较高的准确性。该评价方法可为低山丘陵地区滑坡地质灾害的评价与防治规划提供参考。     

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。     

基于灰色关联度与层次分析法耦合的地质灾害易发性评价——以浙江省云和县崇头镇为例

面向高精度地质灾害易发性评价研究中,历史灾害样本数据少而造成的预测准确度低等问题,本文提出基于灰色关联度与层次分析法耦合的地质灾害易发性评价模型。本文以浙江省丽水市云和县崇头镇为工程背景,结合该地区致灾机理,利用现场调查和遥感解释等手段,获取9项地质灾害评价因子。分析了9项评价因子与历史灾害点的关联度,分别以关联度数值、关联度数值指数标度和关联度排名构建了层次分析法的3种判别矩阵,建立了3种类型的灰色关联度与层次分析法耦合评价模型(G-A1、G-A2和G-A3),以及单独灰色关联度评价模型(G),最后对评价结果进行了可靠性分析。结果表明：(1)在易发性综合指数分布方面,耦合模型G-A1和单独模型G较为合理;(2)在预测准确度方面,耦合模型G-A1的ROC曲线AUC指标最大;(3)在易发性分区合理性方面,耦合模型G-A1的高易发区域面积所占比例最小、高易发性强度指数最大,工程适用性强。最终,推荐耦合模型G-A1作为丽水市云和县崇头镇地质灾害易发性评价模型。本文研究成果对浙西南地区地质灾害易发性评价具有重要参考价值,为高精度地质灾害评价和防控工作提供有效的耦合评价模型。     

滑坡易发性评价方法和精度比较——以贵州省大方县为例

近年来贵州省突发性滑坡地质灾害时有发生,除在册滑坡隐患外,还有不少斜坡存在着滑坡的孕灾环境条件,通过新一轮的地质灾害风险评价发现,选用不同的风险评价体系对地质灾害易发性的影响很大,从而影响地质灾害防治、国土空间规划和政府决策等基础数据。本次以大方县滑坡数据为例,选取与滑坡相关的7个影响因子:坡度、坡向、相对高差、工程地质岩组、距水系距离、距构造距离以及土地利用类型,采用层次分析法(AHP)、信息量模型(I)及耦合模型(AHP-I)对研究区进行滑坡易发性评价,并采用滑坡点频率统计和成功率曲线(ROC)对3种模型的评价精度进行检验。通过比较,选取精度高的耦合模型(AHP-I)作为滑坡易发性评价方法,从而能更加精确地评价大方县的滑坡易发性,为山区县级区域滑坡灾害的防灾减灾提供决策依据与参考。     

滑坡易发性评价的层次分析法研究——以贵州省普安县为例

评价方法的合理选择是获取正确滑坡地质灾害易发性评价结果的关键环节。本文以贵州省黔西南州普安县为例,在全面分析区内地层岩性、地形地貌、地质构造和水文地质等条件对滑坡灾害影响的基础上,采用层次分析法建立了具有针对性的滑坡灾害易发性评价指标体系,并开展了实际应用。评价结果在县境内划分出了极高、高、中和低易发区四个区域,对比分析显示评价结果与区内滑坡灾害发育宏观认识与实际分布情况吻合较好,证明了该方法在山区滑坡地质灾害易发性评价中的有效性与实用性。     

北京山区突发性地质灾害易发性评价

北京山区地质环境条件复杂,发育大量突发地质灾害隐患,既直接威胁山区村庄、道路、景区的人员及设施的安全,又会对城镇的规划建设构成威胁。通过开展地质灾害易发性评价工作,划分出地质灾害易发区,以评价结果指导城镇建设规划,减轻地质灾害的威胁,这是一项十分重要的工作。文章在阐述北京山区崩塌、滑坡及泥石流突发地质灾害发育情况的基础上,选取了坡度、起伏度、工程地质岩组、地质构造、地貌类型及降水等6个影响因子,采用综合信息量模型方法,分别对北京山区斜坡类灾害（崩塌、滑坡）和泥石流灾害的易发性进行评价,并根据“就高不就低”的原则,叠加各灾种的易发性评价结果划分出北京山区突发地质灾害易发性分区图,为城镇建设适宜性评价、编制国土空间规划及完善空间治理提供科学的依据。     

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。     

基于信息量模型的地质灾害易发性评价:以川东南古蔺县为例

地质灾害威胁着山区人民生命财产安全,进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险.以川东南古蔺县为例,基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子,采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后,进一步利用ArcGIS单元统计功能对...     

基于信息量与Logistic模型的矿区滑坡灾害易发性评价

针对矿区长期煤矿开采引起的滑坡灾害频发问题,快速高效地模拟和评价矿致滑坡灾害易发性是实现采矿地区科学防灾减灾的关键。基于此,本文应用信息量与Logistic回归模型结合多源高分辨率光学遥感数据等,选取相对高差、坡度、坡向、距断层距离、NDVI、距采空区距离6个滑坡影响因子来评价采煤矿区滑坡灾害易发性。结果表明:(1)信息量与Logistic回归模型耦合的综合预测准确率为96%,信息量模型滑坡预测准确率为95%,实验结果表明耦合模型的预测精度优于单一信息量评价模型,评价模型的合理性和预测精度皆符合检验要求;(2)研究结果也表明了采用信息量+Logistic回归模型耦合能较为客观准确、快速高效地评价地下采矿引起的滑坡灾害易发范围,评价结果可为类似地区高效快速划定滑坡灾害易发区间提供技术支撑。     

高山峡谷区地质灾害危险性评价

针对崩塌、滑坡和泥石流等灾种齐全的高山峡谷区,选取四川省阿坝县为研究区,采用多灾种耦合的评价思路,开展地质灾害危险性精细化评价。崩塌、滑坡等斜坡类灾害危险性评价以栅格为评价单元,泥石流灾害危险性评价以流域为评价单元。基于信息量模型和层次分析法,分别开展危险性评价,进而采用取大值的方法,获取研究区综合地质灾害危险性评价结果。研究表明,工作区综合地质灾害极高危险区、高危险区面积明显大于单灾种评价结果,极高危险区、高危险区主要位于崩塌、滑坡较发育的碎裂岩区域和极度易发的泥石流流域。针对高山峡谷区地质灾害危险性评价,多灾种耦合的评价思路能更合理的反映不同类型灾害在形态及空间上的差异,获取更精确的危险性评价结果。     

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...     

高分辨率遥感技术在地质灾害调查与成灾规律分析中的应用——以攀西米易地区为例

攀西地区山高谷深,地形切割强烈,历来是地质灾害的重灾区和易发区。为摸清地质灾害家底,查明地质灾害分布与发育规律,排查出可能存在的地质灾害隐患,支撑灾害现场核查与工程防治,利用高分辨率遥感技术(简称高分遥感技术)对四川攀西米易地区开展地质灾害遥感调查与现场验证,共确定有明显威胁对象的地质灾害隐患点106处,主要以崩塌、滑坡为主,其次为泥石流。结合调查结果,开展隐患点成灾规律分析,结果表明: 地质灾害主要发育于安宁河及其支流沿岸一线,沿省道S214线及米普路、麻楠路、二滩库区环湖路段呈带状分布,主要分布于断层两侧500 m范围内,达到51处,占遥感调查隐患点总数的35.8%; 2019年5—9月共发生地质灾害104处,占全年发生地质灾害总数的98.11%; 区域西北部和中北部地质灾害发育程度相对较低。应用结果表明,利用高分遥感技术能够有效查明地质灾害隐患分布与成灾规律,对服务基层防灾减灾工作,减轻灾害损失,提升地质灾害科技水平和防灾能力具有重要意义。     

基于Mamdani FIS的中吉乌铁路方案线中段滑坡易发性预测

中吉乌铁路是我国西北地区通往中亚、南欧国家的一条国际通路,对其方案线沿线的地质灾害的调查及预测可为其选线提供一定建议。本文基于Mamdani模糊推理系统(Mamdani FIS)对方案线北线AK53-AK130、南线AK61-AK131段研究区的滑坡易发性进行预测。通过区域地质背景资料和遥感影像人机交互解译获取了该区地质环境背景、地形因素以及生态环境3类9种滑坡影响因子,建立768条推理规则,通过Mamdani FIS模型得到区内滑坡敏感度文件,在GIS环境中制作研究区滑坡易发性等级图,将研究区划分为极低易发区、低易发区、中等易发区、高易发区和极高易发区。结果显示,滑坡极高易发区和高易发区分布在研究区东北部的费尔干纳山脉附近以及南部的亚瑟河流域。采用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC曲线)对结果进行验证,曲线下面积为0.859,表明预测结果精度较高。     

山区公路地质灾害减灾决策支持系统——以西藏古乡沟泥石流为例

由于复杂地形条件和地质条件以及降雨、地下水等因素的影响,山区公路易受到泥石流、滑坡、崩塌、溜砂坡等地质灾害的危害。文章在对山区公路地质灾害模型研究和分析的基础上,建立了滑坡稳定性分析、泥石流活动性分析、泥石流危险范围预测与危险性分区、滑坡区公路整治方案优选、拦砂坝优化设计等灾害分析模型和减灾决策模型,通过数据库、分析模型和决策模型的集成,建立了基于组件式GIS的山区公路地质灾害减灾决策支持系统。作为系统应用的实例,文章最后讨论了系统在古乡沟泥石流危险范围预测的应用,预测了一定条件下泥石流堆积扇上的泥深,泥石流运动过程中出现的最大泥深、最大速率、最大动量和最大动能,为古乡沟泥石流的预防和治理提供了科学依据。     

则木河断裂带（普格段）地质灾害发育规律及易发性评价

以则木河断裂带（普格段）为研究区,分析研究区的地质灾害控制效应以及发育规律;选取海拔高程、坡向、坡度等7个评价因子构建评价指标体系,运用确定性系数模型与信息量模型耦合的加权信息量模型,通过ArcGIS进行地质灾害易发性评价。结果显示,研究区地质灾害发育具有断层距离效应、地层效应以及高程和坡度微地貌效应;极高易发区、高易发区、中易发区和低易发区的面积分别为46.75 km2、123.78 km2、215.73 km2、285.34 km2,面积占比分别为6.96%、18.43%、32.12%、42.49%。研究结果对指导则木河断裂带地区以及同类区域的国土空间规划与地灾防治等方面具有重要现实意义。     

渝东北典型盆缘山区高位崩滑灾害风险评价

研究区位于重庆市巫溪县下堡镇内,属渝东盆缘山区,地形切割强烈,地质环境复杂,地质灾害频发。为了研究高陡峡谷区地质灾发育分布规律、风险区划,文章选取高程、坡度、坡向、工程地质岩组、距水系距离及距褶皱距离因子做为地质灾害易发性评价的影响因素,基于ArcGIS平台,利用信息量模型,定量评价了巫溪宁桥片区高陡峡谷区高位地质灾害的易发性,评价模型与地质灾害分布空间契合度较高,评价结果可信度较高。再结合易损性评价对研究区进行了地质灾害风险评价,最终得到研究区地质灾害风险评价模型。为该区域地质灾害防治提供了科学依据,同时对同类高陡峡谷地区地质灾害风险性评价及地质灾害防治具有借鉴意义。     

国道213汶川—松潘段滑坡隐患遥感识别与易发性评价

国道213汶川—松潘段位于强震山区,滑坡灾害频发,每年都会因滑坡灾害导致交通中断,迫切需要查明沿线滑坡隐患的空间分布,并对其易发性进行评价。利用光学遥感和InSAR综合遥感技术对沿线滑坡隐患进行识别,共识别滑坡隐患288处,其中InSAR探测出有形变的滑坡隐患点27处。以识别出的滑坡隐患为评价样本,选取高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数(normalizied difference vegetation index,NDVI)、距道路距离、距河流距离、距断层距离等9个影响因素作为评价因子,采用Logistic回归模型评价该沿线滑坡隐患易发性,评价结果可为国道213汶川—松潘段滑坡灾害防治提供参考。     

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...     

Susceptibility zoning of geological disasters based on GIS: A case of Huining area in Gansu Province

Huining County is located in the central part of Gansu Province, and the geological disasters are extremely developed in this area. There are 16 collapses, 12 landslides and 7 mudslides, which have caused great economic loss. In order to divide and evaluate the susceptibility zoning of geological disasters in Huining County, the authors established the geological disaster database based on the regional geological disaster investigations. The evaluation model of geological disaster susceptibility analysis was established by the analytic hierarchy process and statistical method of GIS spatial analysis, and 14 basic indicator layers were selected. The evaluation units were overlaid, analyzed and verified, and the results show that the geological disaster susceptibility in Huining County can be divided into three zones of high easy-happening area, medium easy-happening area and low easy-happening area. It is considered that the evaluation results are in good agreement with the actual situation of geological disasters, with the expert evaluation method to examine the geological disaster susceptibility results. The evaluation results can provide some reference for the comprehensive prevention and treatment of geological disasters in Huining County.