基于GIS的陕西省旬阳地区滑坡灾害危险性区划

西部地区是我国地质灾害的重灾区。随着西部大开发战略的实施，该地区即将开展大规模的基础建设、能源开发等。区域内的经济发展与地质灾害的矛盾将不可避免地暴露出来。为解决这一问题，论文选取中国滑坡重灾区的江汉流域开展灾害危险性区划应用研究。研究区选在旬阳地区的县城近郊，通过MAPGIS软件平台及其二次开发的滑坡灾害分析系统，采用规则网格单元划分方法，运用信息量模型对该区斜坡稳定性进行了．空间定量预测，并依信息量法的结果编制了该区的危险性预测分区图。为政府部门进行土地规划决策、避免在地质灾害易发区进行大规模土地开发和工程建设提供了科学依据。     

基于GIS技术的巴东新城区滑坡灾害危险性区划

基于ArcGIS8软件平台开发了三峡库区巴东县新城区滑坡灾害信息系统,通过全面分析巴东新城区滑坡灾害的地形条件,工程地质岩组、构造与斜坡结构类型、人类工程活动、水的作用等影响因素,建立了相应的滑坡灾害危险性评价指标体系。采用基于GIS技术的信息量模型和敏感性评价方法,实现了巴东县新城区滑坡灾害危险性区划,其中,高危险区面积3.30km^2,占7.196;中危险区面积5.77km^2,占12.4％;低危险区面积16.40km^2,占35.3％;基本安全面积21.05km^2,占45.2％,可以作为巴东新城区城镇建设规划和减灾防灾的参考依据。     

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。     

基于GIS的信息量法在滑坡危险性评价中的应用

根据滑坡灾害发生的特点,充分利用GIS强大的空间数据管理能力和空间数据分析能力,结合数据统计分析中的信息量法作为GIS的数据处理方法,对滑坡危险性进行评价,使得分析评价结果最终在GIS软件中成图显示,从而以较高的精度完成滑坡危险性评价,并大大提高了滑坡灾害评价的效率.     

浙江省永嘉县区域滑坡灾害人口易损性评价和伤亡风险预测

区域滑坡灾害人口易损性及人口伤亡风险预测研究是区域滑坡灾害预警预报工作的一个重要环节,该研究对提高预警预报工作的针对性和有效性具有关键作用.在对浙江省永嘉县有关资料进行分析的基础上,从研究区人口年龄结构、居民对滑坡灾害风险的防范意识、政府对滑坡灾害的重视程度及滑坡灾害预警预报体系的完善程度4个方面评价了研究区人口易损性,并给出了计算人口易损性的公式,据此得到了永嘉县人口易损性分布图.根据永嘉县的实际情况,提出了耕地人口密度的概念.综合人口易损性分布图、人口密度分布图和滑坡灾害易发性预测图得到了研究区受威胁人口伤亡风险预测图,为当地政府职能部门实施滑坡灾害风险的控制和管理提供决策依据.     

GIS技术在区域地震滑坡危险性预测中的应用以龙陵地震滑坡为例

地震滑坡是一种有着严重危害的次生地震灾害形式,形成机制复杂,涉及因素众多。运用G IS丰富的空间分析功能,对地震滑坡的影响因素进行研究,并进行潜在地震滑坡区的预测,是地震滑坡研究领域的一种新的发展趋势。本文在对1976年龙陵地震引发的地震滑坡分布特征研究的基础上,结合前人有关中国西南地区地震滑坡特征的研究成果,应用G IS对该区潜在地震滑坡危险区进行了预测。     

浙江省永嘉县滑坡灾害危险性区划

永嘉县是浙江省滑坡灾害发生频繁的区县之一,其滑坡受地质、地形和人类工程活动等因素的影响.本文根据永嘉县滑坡灾害分布情况,选择了影响滑坡分布的主要因素,将各种因子归一化处理后转换成相同分辨率的定量数据,选择了逻辑回归分析模型和信息量模型进行滑坡灾害危险性评价.在逻辑回归模型中,利用SPSS软件,通过逐步回归分析筛选出影响滑坡的最直接的因子,计算出各个因子的回归系数,得到逻辑回归方程,据此编制了危险性预测分区图.在信息量模型中,通过MAPGIS软件及其二次开发的信息量模型,对永嘉县滑坡灾害进行了危险性区划,并依信息量法的结果编制了该区的危险性预测分区图.两种方法所编制的危险性分区图中高危险区和中危险区重合率达到了87%,具有很高的一致性,起到了相互验证的作用,为滑坡的有效防治提供了依据.最后根据"云娜"台风期间永嘉县实际灾害发生情况的资料分析,新灾害点绝大部分落在危险性预测区中的高危险区,表明模型的预测准确率很高.     

滑坡灾害空间预测研究

介绍了滑坡灾害空间预测的常用理论和方法、研究特点和适用范围，指出了区域滑坡空间预测、单体斜坡稳定性预测和滑坡灾害风险研究的发展趋势；以三峡库区巴东县黄土坡区斜坡稳定性区划为例，用神经网络模型和信息量模型两种方法进行了斜坡稳定性预测，取得了满意的效果。     

基于GIS的天水市滑坡危险性评价

本文通过统计学方法提取可能影响该地区滑坡的因子。并依据二元逻辑回归结果．利用GIS空间分析和建模功能,对研究区滑坡进行建模,再由相关性等级分析方法进一步获取相关影响因子对滑坡的影响范围,最终得出该区域滑坡危险性评价图。而在不同分辨率尺度上,对滑坡产生影响的因子有所相同,当分辨率由1000m-60m时,影响因子明显增多。以逻辑回归模型自身精度、滑坡实际发生比和坡度法为模型判定标准,发现120m分辨率下的滑坡发生概率模型能有效表达研究区滑坡发生状况。     

破裂变形阶段滑坡的发育特征及灾害预测意义

根据太行山南段山区1:50万环境地质灾害调查的部分成果，参考了部分文献资料，针对滑坡破裂变形阶段的特殊性进行了实探讨，并建议在滑坡灾害防治方面建立和完善排水与监测两个系统。     

Kriging法在区域滑坡危险性评价中的应用

区域滑坡危险性评价是进行区域滑坡风险性研究的基础.由于滑坡演变机制的复杂性,使得目前基于独立分析各因素对滑坡影响的“白箱”型评价模式具有一定风险性,同时这类评价方法要求对滑坡演变和研究区地质地理背景进行非常细致的监测和调查.为了克服这些问题,文章提出了一种基于Kriging插值理论的“黑箱”型评价方法.在利用该方法对历史滑坡点的规模进行评价的基础上,利用Kriging插值法获取研究区的滑坡危险性区划,并以四川省苍溪县为例,验证了运用该方法进行区域滑坡危险性评价的可行性.     

基于GeoCA和GIS的滑坡滑动面演化规律研究

传统的滑坡稳定性分析大多是建立在以数学模型为基础的一种确定性分析.实际上,滑坡是一个影响因数众多,边界条件复杂的不确定复杂系统.地理元胞自动机是一种时间和空间都离散的动力系统,为之设定相应的状态、元胞空间、邻居、规则和时间,可以很好地模拟滑坡滑动面从稳定到滑移这一微观变化过程,形成GeoCA-LANDSLIDE模型.以吴家湾滑坡为例,对其滑动面的演化规律进行了模拟.     

基于ArcGIS可视化建模方式的区域滑坡危险性评价

滑坡危险性评价是滑坡灾害防治的重要前提和基础,简单高效的评价方式是其中的一个研究重点。本文以四川安县作为研究区域,基于ArcGIS中的分析功能,引入可视化的建模工具Modelbuilder,以模型的方式演示和运行整个滑坡危险性评价过程,得到了滑坡危险性的分级图,并进行对比分析。实验结果表明,利用可视化建模方式完成复杂地区的滑坡危险性评价,能够简化操作流程,节约时间和精力。     

基于GIS技术的玉林-铁山港公路沿线崩塌、滑坡灾害危险性区划

文章以MAPGIS6.7、MORPAS3.0和Geodas 4.0软件为平台,综合应用信息量法、证据权法和模糊证据权法,采用两级混合的预测方法对玉林—铁山港公路沿线崩塌、滑坡地质灾害进行了危险性区划,共划分为高度危险性区、中高度危险性区、中度危险性区和轻度危险性区4级。预测结果显示:研究区崩塌、滑坡灾害危险性级主要为轻度危险等级。中高度—高度危险区范围较小,且主要分布于研究区中北部AK51、AK60~AK65和AK95~AK105路段;上述区段水系发育,沟谷较多,山坡陡峻,岩土体结构多具中厚层状坚硬、较坚硬砂岩、粉砂岩、砂砾岩夹软质泥岩、页岩岩组特征,断裂构造发育,地表残坡积层厚度大,结构松散,夏季暴雨频发,崩塌、滑坡灾害条件基本具备,易于形成和诱发;因此,应重点加强上述区段的灾害监测和防治工作。     

基于Geo-CA和GIS的滑坡稳定性分析

传统的滑坡稳定性分析大多是建立在以数学模型为基础的布点、观测、计算、预测这一方法进行的一种确定性分析.实际上,滑坡是一个影响因素众多,边界条件复杂,诱发因数偶然的、不确定的复杂系统.论文运用地理元胞自动机这一时间和空间都离散的动力系统工具,研究了用元胞自动机来模拟滑坡的原理、方法和工作流程,并在GIS技术支持下针对滑坡的可能滑面设定不同的元胞状态并以此确定相应的元胞空间,采用相同的邻居定义和转化规则,着重研究滑坡滑动面从稳定到滑移这一微观动态变化过程,形成Geo-CA-LANDSLIDE系统.最后,采用100×100的地理元胞自动机模型.实例研究了滑坡形成与元胞演化规律之间的关系,得出了与理论分析相一致的结论.运用GIS技术与之集成,可以将这一过程可视化表达.     

基于GIS空间数据的滑坡SPH粒子模型研究

针对光滑粒子流体动力学方法（SPH）在滑坡模拟中建立粒子模型的难题,提出了基于地理信息系统（GIS）栅格数据的粒子排列与插入方法。根据该方法,建立了滑坡SPH粒子模型及相关粒子生成程序,进一步以结合摩尔-库仑破坏准则的SPH宾汉流体模型为核心,实现了运用SPH方法模拟滑坡破坏后三维运动的过程。该SPH模型在对唐家山滑坡的模拟中得到了验证,并预测了金坪子滑坡破坏后的影响范围。结果表明：基于GIS空间数据的滑坡SPH粒子模型具有可行性与良好的适用性。以GIS数据库为基础,开展滑坡灾害的模拟研究,将大大提高对滑坡等地质灾害的仿真分析,为滑坡灾害的预测与防治提供参考。     

坡地地质灾害的减灾策略——以降雨预警基准为例

降雨是诱发坡地地质灾害的重要原因,因此掌握降雨的趋势与分布规律,可有效地用于坡地灾害预警,但由于降雨预测精度、灾害资料统计的不足与坡地地质条件的不确定性,实际应用降雨预警基准仍存在许多困难。通过分析台风诱发坡地地质灾害的降雨特性,来说明降雨预警基准在防灾减灾工作上应用的条件与限制。结果表明,对于不同类型之坡地灾害与降雨分布特性,需采用不同的雨量预警基准。唯有通过岩土力学、工程地质学与气象学的整合研究,才能有效提高降雨预警基准预测的准确率,因此各学科的整合是未来防灾减灾研究工作的发展趋势。     

基于逻辑回归的四川青川县区域滑坡灾害预警模型

四川省青川县滑坡灾害群发,点多面广,区域滑坡灾害预警是有效防灾减灾的重要手段,预警模型是成功预警的核心。由于研究区滑坡诱发机理复杂、调查监测大数据及分析方法不足等原因,传统区域地质灾害预警模型存在预警精度有限、精细化不足等问题。文章在青川县地质灾害调查监测和降水监测成果集成整理与数据清洗基础上,构建了青川县区域滑坡灾害训练样本集,样本集包括地质环境、降雨等27个输入特征属性和1个输出特征属性,涵盖了青川县近9年（2010—2018年）全部样本,数量达1 826个（其中,正样本613个,负样本1 213个）。基于逻辑回归算法,对样本集进行5折交叉验证学习训练,采用贝叶斯优化算法进行模型优化,采用精确度、ROC曲线和AUC值等指标校验模型准确度和模型泛化能力。其中,ROC曲线也称为“受试者工作特征”曲线;AUC值表示ROC曲线下的面积。校验结果显示,基于逻辑回归算法的模型训练结果准确率和泛化能力均较好（准确率94.3%,AUC为0.980）。开展区域滑坡实际预警时,按训练样本特征属性格式,输入研究区各预警单元27个特征属性,调用预先学习训练好的模型,输出滑坡灾害发生概率,根据输出概率分段确定滑坡灾害预警等级。当输出概率P≥40%且P<60%时,发布黄色预警;当输出概率P≥60%且P<80%时,发布橙色预警;当输出概率P≥80%时,发布红色预警。     

基于卷积神经网络的福建省区域滑坡灾害预警模型

福建省滑坡灾害频发,开展区域尺度上的滑坡灾害预警是防灾减灾的重要手段,但由于滑坡成灾机理复杂,传统的区域滑坡预警方法存在精度不足等问题。深度学习是指通过构建神经网络模型进行特征的提取、抽象、表示与学习的技术,是机器学习的一种。卷积神经网络作为一种经典的深度学习算法,具有比传统机器学习更强大的分类能力与表征能力。文章以福建省为研究区,将卷积神经网络引入滑坡灾害预警领域,构建福建省区域滑坡预警模型,过程及结果如下：（1）采用SMOTE优化算法对2010—2018年福建省滑坡灾害样本库进行优化,扩充正样本的个数,将正负样本比例从1∶3.4扩充到1∶2,样本总量达到18040个;（2）构建卷积神经网络模型结构,模型结构包括一个输入层、两个卷积层、两个最大池化层和一个全连接层以及一个输出层;（3）使用卷积神经网络对优化后的样本（2010—2018年样本的80%作为训练集）进行训练,并用贝叶斯优化算法优化模型超参数,得到福建省区域滑坡预警模型;（4）以2010—2018年样本的20%作为测试集对模型进行测试,采用混淆矩阵、ROC曲线进行模型测试,结果显示模型准确度为0.96～0.97,AUC值达到0.977,模型精度与泛化能力良好;（5）以2019年汛期滑坡灾害实况作为正样本,通过时空采样的方法采集负样本,构建2019年区域滑坡样本校验集（样本数603个）,对模型进行进一步实况校验,采用混淆矩阵、ROC曲线进行模型校验,结果显示模型准确度为0.75～0.85,AUC值为0.852。虽然仅用了2019年汛期的滑坡实况样本进行校验,但也达到较好的效果。将卷积神经网络算法应用到区域滑坡预警中,为建立区域滑坡预警模型提供了一种新的途径,初步校验表明,模型效果良好,今后将在福建省对模型进行进一步的应用与校验。