基于光学遥感技术的高山极高山区高位地质灾害链式特征分析——以金沙江上游典型堵江滑坡为例

金沙江上游地形切割强烈、山高谷深,为典型的高山峡谷区,受金沙江断裂带的影响,斜坡完整性差、岩体支离破碎,极易发生山体滑坡。根据遥感影像上滑坡地质灾害隐患的色调、平面形态、变形标志、微地貌等特征,建立了遥感解译标志,在金沙江流域直门达—石鼓段共识别出滑坡地质灾害隐患点87处,其中大型40处、特大型47处,结合区域地理、地质环境特征,分析了其基本特征和空间分布规律。研究区堵江滑坡地质灾害隐患具有明显的链式特征,大致可划为滑坡-堵江灾害链、崩塌-滑坡-堵江灾害链、滑坡-泥石流-堵江灾害链等3种类型,分别以色拉滑坡、汪布顶滑坡、探戈滑坡为例,基于光学遥感技术对其变形特征、链式特征进行了详细分析。从地理位置上看,金沙江断裂带明显控制了金沙江干流直门达—石鼓段的平面展布,新构造运动在断裂带各段活动周期、强度存在差异性,中段和南段活动性较强、应变积累更快,地震作用可能相对频繁,为巴塘以南的金沙江两岸有利斜坡区发生堵江滑坡提供了有利的区域地质环境背景。     

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...     

基于RF-FR模型的滑坡易发性评价——以略阳县为例

滑坡易发性评价是指导区域滑坡初步预警、预报的重要手段。为提高县域滑坡易发性评价的准确性,以随机森林模型（RF）、频率比模型（FR）为基础模型,结合2种模型的优越性,建立随机森林-频率比模型（RF-FR）,进行滑坡易发性评价。以略阳县域为研究区,选取高程、坡向、坡度、地层、地表粗糙度、距断层的距离、曲率、距道路的距离、地形湿度指数、距河流的距离及降雨量等14项影响因子建立数据库,采用Spearman方法对各因子相关性进行分析,剔除地形起伏度等3项相关性较高的评价因子,并基于滑坡相对点密度（LRPD）进行评价因子分析。结果表明：①滑坡灾害点与线状因子的距离呈负相关,即距离越近,灾害点越多。②FR、RF、RF-FR模型预测率分别为84.3%、90.1%、95.0%,RF-FR模型较FR、RF模型预测精度分别提高了10.7%、4.9%。③RF-FR模型的滑坡灾害点在高、极高易发区的比例比FR、RF模型分别提高了15.89%、5.29%。     

黄河上游地区崩塌滑坡泥石流地质灾害风险评价

本文在对黄河上游地区崩塌、滑坡、泥石流进行野外地质调查和资料收集的基础上,确定了灾害风险评价的主要影响要素和指标体系,进行了以县(市、旗)为单元的风险评价。评价单元共116个。研究区地质灾害风险共分为5级,高风险单元3个,较高风险单元8个,中等风险单元24个,较低风险单元54个,低风险单元27个。风险评价结果表明,评价区内不同地区崩滑流灾害风险程度相对差异较大,总体分布特点是中部地区较高,北部和南部较低。从风险指数的结果来看,有些风评价单元的风险指数非常接近临界值,一旦危险性条件和易损性条件发生改变,将会引起地质灾害的风险级别发生变化。因此,在西部大开发的进程中,无论是在开发资源还是进行各种工程活动,都应注意保护环境,避免地质灾害向着严重的方向发展。      

基于AHP-CF模型的地质灾害易发性评价——以泰顺县仕阳镇为例

东南沿海地区常年受台风暴雨袭扰,地质灾害频发.以泰顺县仕阳镇为研究区,综合考虑台风暴雨型地质灾害成灾机理,从地形条件、地质条件、人类工程活动3个方面,选取坡度、坡向、坡形、地形起伏度、断层、工程地质岩组、松散层厚度、土地开发强度和公路切坡9个影响因子,基于ArcGIS斜坡单元数据模型,耦合确定性系数(CF)与层次分析模...     

基于信息量模型的地质灾害易发性评价——以贵州省荔波县为例

地质灾害易发性是地质灾害风险评价的基础,是国土空间规划、地质灾害防治及工程建设的重要依据。以贵州省荔波县为例,采用信息量法对研究区地质灾害易发性进行评价。以遥感解译、现有灾害点、隐患点、历史灾害数据为评价基础数据,获取地质灾害信息量。以地形坡度、坡高、坡形、断层、地层、斜坡结构、水系距离7个固有地质环境影响因素为评价指标,开展易发性评价。研究结果显示：荔波县极高易发区4个,占31.65%;高易发区5个,占30.26%;中易发区4个,占29.11%;低易发区3个,占8.98%。经野外验证,符合度较高,评价结果可信。     

基于MSBAS技术的金沙江上游色拉滑坡形变分析

金沙江缝合带是滑坡灾害的高发区,且具有较大的堵江威胁。以堵江风险较高的色拉滑坡为研究对象,选取高时间分辨率的升降轨Sentinel-1A/B数据,利用MSBAS InSAR技术对该滑坡展开地表形变监测研究。文章在利用不同轨道的Sentinel-1A/B获取色拉滑坡2018—2020年间的二维动态形变时间序列的基础上,分析了典型特征点形变时间序列特征。结果表明,在2018年1月—2020年4月色拉滑坡东西向累积形变最高达到165 mm,垂直向累积形变达-102 mm,滑坡体形变加速的时间点被成功地捕获。最后,分析了该滑坡的形变趋势,通过现场调查结果验证了所获得滑坡监测结果的准确性。     

基于MSBAS技术的金沙江上游色拉滑坡形变分析

金沙江缝合带是滑坡灾害的高发区,且具有较大的堵江威胁。以堵江风险较高的色拉滑坡为研究对象,选取高时间分辨率的升降轨Sentinel-1A/B数据,利用MSBAS InSAR技术对该滑坡展开地表形变监测研究。文章在利用不同轨道的Sentinel-1A/B获取色拉滑坡2018—2020年间的二维动态形变时间序列的基础上,分析了典型特征点形变时间序列特征。结果表明,在2018年1月—2020年4月色拉滑坡东西向累积形变最高达到165 mm,垂直向累积形变达?102 mm,滑坡体形变加速的时间点被成功地捕获。最后,分析了该滑坡的形变趋势,通过现场调查结果验证了所获得滑坡监测结果的准确性。     

基于灰色关联度模型的区域滑坡敏感性评价

数理统计和机器学习模型如支持向量机(support vector machine,SVM)等,在区域滑坡敏感性评价中得到广泛的应用.但这些模型的建模过程往往较复杂,如在对机器学习进行训练和测试时难以选取合理的非滑坡栅格单元,而且有较多的模型参数需要确定.为提高滑坡敏感性评价建模的效率和精度,提出基于灰色关联度的敏感性评价模型.灰色关联度模型能有效计算各比较样本与参考样本之间的定量的关联度,具有建模过程简洁和评价精度高的优点,该模型目前在区域滑坡敏感性评价中的应用还没有引起研究人员的足够关注且有待进一步拓展.拟将灰色关联度模型用于浙江省飞云江流域南田—雅梅图幅(南田地区)的滑坡敏感性评价,并将得到的评价结果与SVM模型的敏感性评价结果作对比分析.结果显示,灰色关联度模型在高和极高敏感区的滑坡预测精度优于SVM模型,而在中等敏感区的滑坡预测精度略低于SVM模型;整体而言,灰色关联度模型对整个南田地区滑坡敏感性分布的预测精度略高于SVM模型.对两个模型建模过程的对比结果显示,灰色关联度模型建模较简单,具有比SVM模型更高的建模效率,为滑坡敏感性评价提供了一种新思路.     

基于SVM-ANN模型的滑坡易发性评价——以三峡库区巫山县为例

本文以三峡库区巫山县为研究区,利用收集的资料,提取出9类指标因子(高程、坡度、坡向、地形湿度指数TWI、地表粗糙度指数TRI、地层岩性、水系距离、构造距离、植被覆盖指数NDVI),利用相关性分析剔除高程因子。将灾害点和指标因子数据带入支持向量机(SVM)和人工神经网络(ANN)模型,得到研究区滑坡易发性区划图。根据ROC曲线对模型的精确度进行评价,得到SVM模型的成功率和预测率曲线的AUC值分别为0.919和0.862,ANN模型分别为0.86和0.837,表明两个模型均适用于研究区滑坡易发性评价。根据以上工作,本文提出了基于Max{LSI(SVM);LSI(ANN)}函数的SVM-ANN模型,并将其应用到该区的滑坡易发性评价中。SVM、ANN和SVM-ANN模型中,历史滑坡灾害点分布在高-极高易发区的比例分别为90.06%、83.18%和94.01%,表明SVM-ANN模型更适用于滑坡灾害风险分析的实际应用。     

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CF模型的斜坡地质灾害孕灾因子敏感性分析——以湖南省新宁县为例

在不同的区域及地质背景下,斜坡地质灾害的主控因子及其影响程度各不相同,分析孕灾因子的敏感性,有利于提高斜坡地质灾害预测的准确性。在资料收集和实地调查工作的基础上,选取了坡度、高程、剖面曲率、地层、斜坡结构、断裂、河流和归一化植被指数(normalized difference vegetation index,NDVI)共8个因子作为斜坡地质灾害的孕灾因子; 基于GIS平台,采用确定性系数(certainty factor, CF)模型进行敏感性分析,并通过敏感性指数评价各因子的敏感性大小并划分敏感性分区。结果表明: 坡度≥40°、高程[600,700 m)、剖面曲率≥0.6、三叠系和二叠系、顺向坡、距断层距离[0,500) m、距河流距离[0,200) m以及NDVI为[0.233, 0.595)最容易发生灾害,由高到底划分为极高、高、中、低和极低5个敏感区,同时采用2020—2021年的灾害数据进行了验证,87.50%的灾害位于高敏感区和极高敏感区内,证实了敏感性分析的合理性。研究成果为下一步风险评价工作奠定了基础,为防灾减灾工作提供了参考,也可为湖南省其他县区提供借鉴。     

基于多模型的滑坡易发性评价以甘肃岷县地震滑坡为例

2013年7月22日,甘肃省岷县漳县交界处发生了MS6.6级地震(岷县地震),本文以这次地震烈度Ⅷ度区为研究区,根据地震前后遥感影像解译出来的2330个地震滑坡数据,以坡度、坡向、水系、岩性和断层为因子图层,分别应用模糊逻辑法,信息量模型及Shannon熵改进的信息量模型,对研究区的地震滑坡易发性进行评价。结果表明: 1滑坡的高易发性地区位于研究区的中间部分,以及水系0～50m这一缓冲区范围内,离水系越近滑坡易发性等级越高; 2应用ROC曲线对3个模型的易发性评价结果进行比较,信息量模型和Shannon熵改进的信息量模型的AUC值分别为0.8488, 0.8502; 模糊逻辑模型的AUC值为0.7640,表明前两个模型的表现较好,而模糊逻辑模型相对来说表现一般; 3通过对比3个模型中各等级易发性所占的面积比例和各等级易发性中滑坡数目占总数比例,表明Shannon熵改进后的模型更适用于灾害风险评价以及应急风险管理等实际应用。     

基于二元统计的区域地质灾害敏感性评价--以四川雅安雨城区为例

借鉴区域地质灾害敏感性评价的各种方法,给出了基于二元统计的地质灾害敏感性评价方法,并在雅安市雨城区地质灾害敏感性评价中进行了试验.本方法主要有以下优点:操作简单、数据容易准备、效率高、评价合理准确、适用于各种精度(比例尺),有着较好的推广应用价值.     

基于信息量模型法的地质灾害风险评价研究——以滁州市全椒县为例

为进一步加强研究区地质灾害防治及风险管控,开展地质灾害风险评价工作具有重要的意义。本文基于信息量模型法计算各致灾因子在不同分级条件下地质灾害引发的总信息量,运用自然间断法划分危险区,确定研究区各级风险分区面积及分布情况。研究结果显示：地质灾害极高、高、中和低危险性区分别占研究区面积的0.13%、6.85%、34.41%、58.61%。区内大部分地区地质灾害不发育,较少受地质灾害的威胁,灾害风险高和极高地区集中分布在研究区中北部丘陵一带,应及时开展预警监测和风险管控工作。     

基于确定性系数组合模型的区域滑坡敏感性评价

本文以四川茂县叠溪镇到石大关乡为研究区,根据野外资料并结合研究区的基本情况,选取了坡度、剖面曲率、起伏度、坡向、距河流距离、高程、地层、距断层距离、土地类型、植被覆盖度10个影响因子。以GIS技术作为操作平台,采用确定性系数+层次分析法（CF-AHP）、确定性系数+逻辑回归方法（CF-LR）和确定性系数+神经网络的多层感知器方法（CF-MLP）3种方法对研究区滑坡灾害敏感性进行评价,将该区域滑坡灾害划分为极低、低、中、高敏感区4类,并通过受试者工作特征曲线（ROC）检验模型的效果。CF-AHP、CF-LR和CF-MLP组合模型ROC曲线的线下面积（AUC）分别为0.850、0.884和0.867,CF-LR组合模型效果最好。CF-LR组合模型中,高、中、低和极低敏感区面积分别占研究区总面积的11.3%、25.1%、22.5%和41.1%。研究结果表明,高敏感区主要集中在主要水系周围与断层集中区域,计算出的敏感性分区结果与研究区实际情况接近,能够在地质灾害风险评价中起到重要参考作用。     

区域地质灾害风险评价要素权值计算方法及应用——以黄河上游地区地质灾害风险评价为例

本文确定了灾害风险评价的主要影响要素和指标体系,依据选取的主要影响因素,采用灰色关联分析方法分别计算求得各关联因子的关联度和关联序,在此基础上,按各因素的关联度占所有因素的关联度之和的比重作为权植。在以往的区域风险评价中,一般是按关联度从小到大的顺序依次给定权值,人为影响比较大。本文采用的这种权值确定方法可以避免人为夸大各因子之间的作用,更趋于合理,而且也为采用计算机制图提供了前提。并以黄河上游地区为例进行了以县(市、旗)为单元的风险评价。     

基于AHP-突变理论组合模型的地质灾害危险性评价——以河北平山县为例

河北平山县受地形地貌、地质构造和生态环境等因素的影响,崩滑流等地质灾害频发。选取地形起伏度、坡度、坡向、河网密度、断裂带密度、地层岩性、NDVI、土地利用类型及地质灾害点密度9个评价因子,用AHP和突变理论分别求各评价因子权重,并按最小信息熵权法结合,建立AHP-突变理论组合模型并应用,对比基于三种方法的平山县地质灾害危险性评价结果。结果表明：组合模型的评价结果精度更高,符合该区地质灾害发育特征;组合模型法将主客观结合,综合考虑因子的影响,评价结果可靠。该研究为平山县及类似地区地质灾害危险性评价提供一种新的尝试和方法。     

基于不同耦合模型的区域地质灾害易发性评价——以河南商城县为例

为探索效果最优的地质灾害易发性评价模型,以商城县为研究区,结合其孕灾地质条件与地质灾害发育特征,分析地质灾害影响因素,从地理环境、地质环境、人类活动3个方面选取高程、坡度、坡向、剖面曲率、植被覆盖率、工程地质岩组、断层、道路、水系9个因子构建评价指标体系,运用证据权(weights of evidence,WofE)模型、信息量(information value,IV)模型、层次分析-信息量(analytic hierarchy process-information value,AHP-IV)耦合模型分别进行了地质灾害易发性分析。研究表明: AHP-IV耦合模型下的受试者工作特征(receiver operating characteristic,ROC)曲线的线下面积(area under curve,AUC)值最大,评价效果更为准确,更适用于商城县地质灾害易发性评价。通过评价可知,商城县地质灾害极高易发区沿沟谷、道路呈条带状分布,高易发区呈团状包围在极高易发区边缘,中、低易发区多分布在地势平坦、岩性较单一的北部平原地区。研究成果可为当地的地质灾害防治管控工作提供科学依据,也可为类似区域的地质灾害易发性分区提供参考。