一种基于地理环境相似度的滑坡负样本可信度度量方法

滑坡负样本在统计型滑坡危险度制图中具有重要作用,能抑制统计模型对滑坡危险度的高估。当前滑坡负样本采样方法采集的负样本可信度未知,在负样本采样过程中,极有可能将那些潜在滑坡点错选为负样本,这些假的负样本会降低负样本集的质量和训练样本集的质量,进而影响统计模型的精度。本文基于“地理环境越相似、地理特征越相似”的地理学常识,认为与正样本有着相似地理环境的点极有可能是未来发生滑坡的点;与正样本的地理环境越不相似的点,则越有可能是负样本。基于此假设提出一种基于地理环境相似度的负样本可信度度量方法,将该方法应用于滑坡灾害频发的陇南山区油房沟流域,对油房沟进行滑坡负样本可信度评价制图;使用油房沟流域的滑坡发生初始面来验证该方法的有效性。结果发现：滑坡发生初始面上所有栅格点的负样本可信度平均值为0.26,超过95%的栅格点的负样本可信度都小于0.5,说明本文提出的负样本可信度度量方法合理。     

滑坡危险度评价的地形判别法

选取影响滑坡发育的坡度、坡形、坡向、坡体的相对高度和地形与地层产状的组合关系5个主要地形因素，结合三峡库区重点滑坡段(云阳-巫山)205个滑坡统计资料，利用地形判别法，对典型滑坡危险度进行评价。将各地形判别因子在区域滑坡发育上的贡献率作为评价典型滑坡危险度的评价值，利用层次分析法，建立典型滑坡危险度判别矩阵。将判别矩阵的归一化特征向量作为判别因子的权重，得到典型滑坡的危险度。通过建立典型滑坡危险度评价表，对滑坡进行有效的管理。此研究方法有效地避免了对评价因子赋值的主观性，并提出了对不同危险度等级的滑坡管理措施。     

滑坡危险度制图中一种新型的负样本采样方法

滑坡负样本在基于统计模型的滑坡危险度制图中具有重要作用,能够抑制模型的高估,以合理区划滑坡危险区与非危险区。目标空间外向化采样法(Target Space Exteriorization Sampling,TSES)是一种代表性的基于环境特征空间的负样本采样方法,以往研究表明,TSES在基于广义加性模型的滑坡危险度制图中的应用效果较好,但是其采集的负样本是"虚拟"的样本,只存在于环境特征空间中,无法映射到地理空间,因而无法通过野外检核验证所采集负样本的可靠性。针对这一问题,该文提出一种改进TSES方法,不仅可以在环境特征空间中进行负样本采样,而且使得采集的负样本可以映射到地理空间中。以甘肃省油房沟流域为研究区,在TSES与改进TSES两种负样本采样方法下分别对油房沟流域构建基于支持向量机(Support Vector Machine,SVM)的滑坡危险度推测模型,对比并分析两种负样本采样方法下的滑坡危险度制图精度。结果发现,改进TSES方法采集的负样本在基于SVM的滑坡危险度制图中应用效果比TSES好,表明改进的TSES是一种有效的负样本采样方法。     

结合信息熵改进的证据权法与滑坡危险度区划

滑坡是一种常见的地质灾害,其危害性极大,科学地划分滑坡危险度是防灾减灾工作中主动预测预警的重要环节.该文结合GIS技术与信息熵理论,充分利用熵值法特别适合于确定同一个指标下不同因素相对权重的特点,开展了滑坡危险度区划模型中证据权法的改进研究,并以台湾地区为实验区,在综合考虑滑坡的形成要素并提取滑坡危险度评价因子后,实现了研究区滑坡危险度区划.通过定性和定量等精度检验和对比分析,证明了结合信息熵改进的证据权法所获得的滑坡危险度区划结果更准确且更符合实际.     

不完备样本条件下基于支持向量回归模型的滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义,在基于统计模型进行评价过程中,样本选取对评价结果有较大影响,构建较稳健的、受样本数量影响小的分析模型非常重要。本文以马来西亚热带雨林地区为例,选择坡度、坡向、地表曲率、地貌类型、岩性、构造、土地覆盖、道路和排水系统等9大要素作为评价因子,结合支持向量回归(SVR)模型计算研究区滑坡易发性指数,并探讨不完备样本条件下易发性评价方法,分析样本数量和评价精度之间的关系。结果显示,基于SVR模型进行该区滑坡易发性分析评价,其成功率验证法的描述精度约为95.9%;同时,样本数量的增减对分析精度影响较小;SVR方法是一种适于热带雨林地区高植被覆盖条件下的分析模型,可为今后同类地区的滑坡灾害管理工作提供支持。     

基于随机森林的山西省柳林县黄土滑坡空间敏感性评价

基于随机森林模型,以GF-6影像和ALOS DEM数据为基本信息源,结合高程,地形起伏度及地形湿度等11项因子,对山西省柳林县进行滑坡敏感性空间区划。模型精度评价表明：随机森林模型精度为0.75,支持向量机模型精度为0.7,表明随机森林更适合柳林县的滑坡敏感性评价。指标重要性分析结果表明：高程、坡度、距道路距离以及距河流距离,是影响柳林县滑坡发育的主要因素。敏感性空间区划结果表明：高度敏感区约占柳林县总面积的28%,主要分布在三川河流域的南北边界及邻近区域内,其中贾家垣乡分布面积最广。从时间成本、训练难度、稳定度以及精确度考虑,随机森林模型更适合滑坡敏感性评价这类非线性计算问题。     

基于Inter.iamb-Tabu算法的区域滑坡敏感性评价

确定滑坡敏感性概率的空间分布,可为滑坡防治政策制定和土地利用规划提供科学依据。由于成灾环境的空间差异和滑坡机理的复杂性,基于不同逻辑架构(物理模型、理论模型等)的滑坡敏感性评价针对特定孕灾环境,无法提前确定最优数学评价模型,而基于深度学习法的、融合多种模型的混合算法能较好地解决这个问题。本文以山东省淄博市博山区为研究区域,基于单因素Logistic回归法筛选了滑坡致灾因子,通过频率比法对致灾因子进行了分级;对4种基于贝叶斯网络的改进算法(MMHC、MMPC-Tabu、Fast.iamb-Tabu、Inter.iamb-Tabu)进行验证,引入错误指数确定了建模效果最佳的算法;计算了博山区774 570个栅格的滑坡敏感性概率,绘制了博山区滑坡敏感性分布图;基于GIS的空间叠加和栅格计算器功能,对比了各模型的滑坡敏感性评价结果。研究结果表明：(1)基于Inter.iamb-Tabu开展博山区滑坡敏感性建模时效果最佳。该模型包含10个节点(9个致灾因子节点和1个结局节点)、14条有向边。研究区域可划分为极高敏感区、高敏感区、中敏感区、低敏感区和极低敏感区,分别占总面积的7.30%(49.80...     

基于三种不同模型的区域滑坡灾害敏感性评价及结果检验研究

选取相对高差、坡度、坡向、水系、距断层距离、植被覆盖、地层岩性和道路等影响因子,采用信息量法、Logistic回归和人工神经网络3种模型进行滑坡灾害的敏感性评价,并对评价结果进行检验。结果表明：① 评价分类结果的准确性会关系到社会经济成本。经过采用Cohen’s Kappa系数法、Sridevi Jadi精度评估方法和ROC曲线3种方法对评价结果进行比较分析,结果显示人工神经网络模型具有更好的评价精度。② 宁强县滑坡地域分布上,呈现一带三区。其中高、中和低敏感区分别占全县总面积的39.96%,37.7%和22.33%。     

基于信息量与逻辑回归模型的次生滑坡灾害敏感性评价——以汶川县北部为例

次生滑坡灾害的影响是震后较长时间里人们持续关注的焦点,对其开展敏感性评价具有重要意义。选取5.12地震的重灾区汶川县北部作为研究区,利用遥感与地理信息技术提取地震滑坡信息,在全面分析滑坡与高程、坡度、坡向、岩性、断裂带、地震烈度以及水系等7个影响因子相关特性的基础上,采用信息量法与逻辑回归模型进行灾害敏感性评价,将研究区划分为极轻度、轻度、中度、高度和极高危险5个级别,并对不同模型的适用性开展分析和对比。结果表明,逻辑回归模型在描述区域滑坡灾害危险度总体特征方面稍具优势。     

利用不同方法估测土壤有机质及其对采样数的敏感性分析

用随机方法从262个采样点中抽取200个点作为已知有机质含量的数据集,将所有采样点的碱解氮作为辅助数据预测有机质的空间分布。利用有机质信息的普通克立格法的方差解释量和预测精度最低,而回归克立格法因在预测过程中加入了回归残差而使方差解释量最大、预测精度最高。为了分析采样数对不同方法预测精度的影响,从上述已知有机质含量的200个点中分别随机抽取40、80、120、160个点构成4个数据集,分别利用它们的有机质信息和不同方法预测了有机质的空间分布,结果表明:对于每个数据集,4种方法的预测精度顺序均为RGK>COK>RG>OK,线性回归法的预测精度随采样点的增加基本不变,而其它三种方法的预测精度却逐渐提高。     

DEM误差对滑坡危险性评价模型的影响

基于数字高程模型(DEM)计算得到的坡度、坡向等地形属性是滑坡危险性评价模型的重要输入数据, DEM误差会导致地形属性计算结果不确定性, 进而影响滑坡危险性评价模型的结果。本文选择基于专家知识的滑坡危险性评价模型和逻辑斯第回归模型, 采用蒙特卡洛模拟方法, 研究DEM误差所导致的滑坡危险性评价模型结果不确定性。研究区位于长江中上游的重庆开县, 采用5 m分辨率的DEM, 以序贯高斯模拟方法模拟了不同大小(误差标准差为1 m、7.5 m、15 m)和空间自相关性(变程为0 m、30 m、60 m、120 m)的12 类DEM误差场参与滑坡危险性评价。每次模拟包括100 个实现, 通过对每次模拟分别计算滑坡危险性评价结果的标准差图层和分类一致性百分比图层, 用以评价结果不确定性。评价结果表明, 在不同的DEM精度下, 两个滑坡危险性评价模型所得结果的总体不确定性随空间自相关程度的变化趋势并不相同。当DEM空间自相关性程度不同时, 基于专家知识的滑坡危险性评价模型的评价结果总体不确定随着DEM误差增加而呈现不同的变化趋势, 而逻辑斯第回归模型的评价结果总体不确定性随着DEM误差大小增加而单调增加。从评价结果总体不确定性角度而言, 总体上逻辑斯第回归模型比基于专家知识的滑坡危险性评价模型更加依赖于DEM数据质量。