利用光学遥感数据、GIS及人工神经网络模型分析区域滑坡灾害

用光学遥感数据和地理信息系统(GIS)分析了马来西亚Selangor地区的滑坡灾害。通过遥感图像解译和野外调查,在研究区内确定出滑坡发生区。通过GIS和图像处理,建立了一个集地形、地质和遥感图像等多种信息的空间数据库。滑坡发生的因素主要为:地形坡度、地形方位、地形曲率及与排水设备距离;岩性及与线性构造距离;TM图像解译得到的植被覆盖情况;Landsat图像解译得到的植被指数;降水量。通过建立人工神经网络模型对这些因素进行分析后得到滑坡灾害图:由反向传播训练方法确定每个因素的权重值,然后用该权重值计算出滑坡灾害指数,最后用GIS工具生成滑坡灾害图。用遥感解译和野外观测确定出的滑坡位置资料验证了滑坡灾害图,准确率为82.92%。结果表明推测的滑坡灾害图与滑坡实际发生区域足够吻合。     

用GIS评价废弃地下煤矿附近的地面沉降灾害

本文介绍用概率模型、统计模型和地理信息系统（GIS）编制韩国Samcheok城市废弃地下煤矿附近的地面沉降灾害图。为了评价与地面沉降相关的要素,根据地形图、地质图、采矿巷道图、全球定位系统（GPS）数据、土地利用图、线性构造、数字高程模型（DEM）数据和钻孔资料创建图像数据库,还根据野外调查和研究区现有的地面沉降报告建立特征数据库。根据现有地面沉降区域的概率分析,提出了9种引起地面沉降的主要要素：（1）偏移的深度：（2）DEM和斜坡的倾斜度：（3）地下水位、渗透性、岩块参数（RMR）：（4）线性构造和地质概况：（5）土地利用。运用频率比和逻辑回归模型确定每一个要素的参数,叠加这些参数,编制地面沉降灾害图。将地面沉降灾害图与现有的地面沉降区域进行比较验证。验证的结果说明逻辑回归模型（准确率95．01％）比频率比模型（准确率93．29％）预测的准确率高。验证的结果还说明,灾害图和现有的地面沉降区域的数据之间存在很高的一致性。用频率比模型和逻辑分析模型进行地面沉降分析表明,对AUCMs附近的地面沉降进行定量分析是可能的。     

浙江庆元地区滑坡灾害的多要素评价

利用地理信息系统（GIS）与遥感技术结合进行油坡灾害评价与预测是当前滑坡研究的热点，在对浙江省庆元县进行遥感滑坡研究中，通过对滑坡各影响因素的详细分析。结合TM图像，利用GIS技术分析主要影响因素，确定影响因素集及其间的朴素关系。从而建立庆元县油坡灾害多要素综合评价的初步模型。结果有81.25%滑坡点落在危险区域。令人比较满意，因此，可以利用此模型进行庆元县滑坡灾害评价。     

基于GIS与ANN模型的地震滑坡易发性区划

基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究.2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡.选择高程、坡度、坡向、斜坡曲率、坡位、与水系距离、地层岩性、与断裂距离、与公路距离、归一化植被指数(NDVI)、与同震地表破裂距离、地震动峰值加速度(PGA)共12个因子作为地震滑坡易发性评价因子.这些因子均是应用GIS技术与遥感影像处理技术,基于地形数据、地质数据、遥感数据得到.训练样本中的滑动样本有两组,一组是滑坡区整个单滑坡体的质心位置,另一组是滑坡滑源区滑前的坡体高程最高的位置.应用这12个影响因子,分别采用这两组评价样本,基于ANN模型建立地震滑坡易发性索引图,基于GIS工具建立地震滑坡易发性分级图.分别应用训练样本中滑坡分布的点数据去检验各自的结果正确率,正确率分别为81.53％与81.29％,表明ANN模型是一种高效科学的地震滑坡易发性区划模型.     

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。     

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。     

基于逻辑回归模型和3S技术的思南县滑坡易发性评价

区域滑坡易发性评价对滑坡灾害防治具有重要意义,贵州省思南县由于其特殊的自然地理和地质条件,受滑坡地质灾害的影响非常严重,因此,非常有必要对思南县的滑坡易发性进行评价。在滑坡编录的基础上,采用由RS、GIS和GPS组成的3S技术,获取了思南县的数字高程模型、坡度、坡向、剖面曲率、坡长、岩土类型、地表湿度指数、距离水系的距离、植被覆盖度和地表建筑物指数10个滑坡影响因子;再在频率比和相关性分析的基础上,利用逻辑回归模型对思南县的滑坡易发性进行了评价并绘制了易发性分布图。结果表明:利用逻辑回归模型预测思南县滑坡易发性的准确率(AUC值)达到0.797,较为准确地预测出了思南县滑坡分布规律;极高和高滑坡易发区主要分布在高程低于600 m、地表坡度较大且以软质岩类为主的区域;而极低和低滑坡易发区主要分布在高程较高、地表坡度较小且以硬质岩类为主的区域。     

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。     

一种基于多源数据融合的滑坡地形深度学习识别模型研究

传统高位远程滑坡识别依赖地质专家人工判别,识别效率较低。研究实现一种基于深度学习的滑坡地形自动识别模型,以提高大范围区域潜在滑坡隐患点筛查工作的效率。该模型以目标区域的遥感图像、DEM数据、地质分区、河流水系等地质观测数据为输入,针对不同类型观测数据差异巨大的问题,设计构建特征分支网络,精确提取对应的滑坡特征。对光学影像数据采用深层网络架构提取复杂特征,对海拔、地质构成、河流和断裂带分布等结构化数据采用浅层网络架构提取特征。随后设计特征融合模块,融合两个网络的提取结果获得全面的滑坡灾害特征。模型基于提取的滑坡特征进行滑坡区域语义分割,实现精准的像素级别滑坡地形分类和定位。通过实验验证,该模型对滑坡区域的识别准确率（ACC）达到了0.85,可为滑坡自动识别提供技术支撑。     

D-InSAR与随机森林模型耦合的活动性滑坡识别方法探究

灾害的早期识别是防灾减灾领域的关键技术。文中以甘肃省舟曲县为例,利用2018年1月－2019年1月Sentinel-1A雷达卫星降轨数据和2021年5月Sentinel-2光学遥感影像数据,通过D-InSAR技术获取研究区地表形变信息,利用随机森林模型识别潜在的滑坡体。结果表明:使用已有的滑坡数据集,采用随机森林模型能够较好地识别出潜在滑坡体。潜在滑坡点分布位置均位于地表形变量大的区域。舟曲县整体形变沿东西向发生,主要分布于舟曲县东北和西南方向,与潜在滑坡点高度重合。识别出的潜在滑坡点（立节乡北山滑坡）,年形变量达到0.12?m,于2021年1月18日发生滑坡,该滑坡典型案例也印证了文中方法的有效性。     

基于GIS技术和频率比模型的三峡地区秭归向斜盆地滑坡敏感性评价

以三峡地区秭归向斜盆地为研究区,在野外滑坡编图的基础上,选择地形坡度、地层岩性、河流、道路、坡向、坡型结构6个因子参与滑坡敏感性评价,运用GIS空间分析技术,引入频率比模型,分别计算评价因子的贡献率,并进行叠加分析,最终划分为4个敏感性分区。评价结果表明:极高敏感性区面积占21.39%,滑坡发生面积占61.44%;高敏感性分区面积占24.99%,滑坡发生面积占21.67%;中敏感性分区面积占30.66%,滑坡发生面积占13.19%;低敏感性分区面积占22.93%,滑坡发生面积占3.69%。滑坡敏感性面积累计百分比曲线图表明评价结果具有较高的准确度和可靠性。研究成果可为政府部门减灾防灾工程提供科学支持,为滑坡灾害的预测和管理提供科学依据。     

湖北省巴东县新城区滑坡灾害空间预测

论文在综合分析巴东县新城区区域地质背景及滑坡基本特征的基础上,分析了影响滑坡灾害发生的各因素与滑坡发生之间的相关性,提出影响灾害发生的主要因素：地形坡度、斜坡形态、岩性、构造、水的作用、人类工程活动。利用GIS的空间分析功能将各因素图件栅格化为86216个不规则单元。基于逻辑回归的方法对滑坡灾害进行了定量的概率预测。同时,对研究区进行滑坡灾害空间预测分区,将预测结果与该地区历史滑坡灾害发生情况进行对比发现预测精度为85．71％。说明所建立的模型具有较高的预测精度,是可以用于预测分析的。     

兰州市滑坡地质灾害危险性研究

兰州是中国省会城市中地质灾害较为频发的地区之一,其地质灾害主要受地质、地形和人类活动等因素的影响。本文在分析兰州市区滑坡发育的控制因素和主要影响因素的基础上,以地理信息系统(GIS)为平台、采用专业数理统计软件SPSS中的逻辑回归模型(Binary Logistic)计算评价区内各单元格地质灾害的发生概率,通过GIS平台和SPSS软件之间数据格式的交换,利用GIS软件的空间分析功能,对兰州市滑坡灾害危险性进行了区划。研究结果与滑坡分布规律一致,对兰州市的地质灾害防治具有实际意义。     

利用基于GIS参数的评级方法对意大利Cilento海岸带滑坡灾害进行填图

本文论述了利用直接推断法在Agropoli和Sapri（意大利）之间的Cilento地区的海岸斜坡和陡崖进行滑坡灾害填图。这段海岸沿线（大约118公里长）主要由中生代碳酸盐岩和中新世厚砂页岩夹层构成;也有第四纪海相砂岩连同海滩砂露头。由于海浪的破坏,导致几个滑坡（主要是岩崩和滑坡）都影响海岸带。分析了大约154个斜坡和陡崖的地貌、地质及结构特征,并且监测和测量了影响岩块的若干参数。这些参数涉及研究区地形、地质、地质力学、环境和波动特征。为了实施直接推断法,采用了Hudson提出的岩石工程系统（RES）以及几种修正的方法。本研究的主要步骤是：（1）选择与滑坡灾害相关的参数;（2）分析参数之间二元耦合;（3）加权耦合的权重;（4）评价赋给不同等级的参数值：（5）最后,计算不稳定指数（I．I．）。提供了测定参数数据库。利用耦合矩阵,将输出结果链接到地理信息系统中。本研究包含以下几个要素：地质和地貌要素、有关滑坡的历史数据及研究斜坡和陡崖的I．I．的图像和数值。如果新的塌方发生或被近岸工程建筑建成,则I．I．值将被自动升级。I．I．值分为低、中、和高三个等级滑坡灾害。碳酸盐岩和厚砂页岩夹层两者都可以用相关I．I值区分,说明滑坡脆弱性的差异。事实上,除了大型崩塌外,高速且小的岩崩比中等速度的可能会造成更多的人员伤亡。大的滑坡灾害影响大约41％的碳酸盐陡崖和53％的砂质-泥炭厚砂页岩夹层边坡。     

基于三维GIS的滑坡灾害监测预警系统及应用

为了减少或消除地质灾害的影响,基于地质勘察与监测资料,利用先进的计算机技术和三维可视化技术建立地质灾害监测预警系统显得十分的必要。在研究利用TIN方法建立地质体模型的基础上,将自动获取的监测数据通过北斗卫星的传输和三维地质体模型有机结合,进一步利用基于时间序列的方法,对监测数据进行预测分析,形成了一套完整的三维滑坡灾害预警系统,并提供剖面分析等实用GIS分析工具,从而提高滑坡灾害预警的快速性和直观性。基于四川雅安滑坡的工程实例,验证了系统的有效性。     

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。     

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。     

雷达数据辅助下的滑坡易发性评价

岩土体含水量对滑坡,尤其是土质滑坡的稳定性具有极大的影响。本文以三峡库区秭归段内土质滑坡作为研究对象,利用Sentinel-1雷达数据反演地表岩土体含水量来替代传统的湿度指数因子,在保持其他因子不变的情况下,构建二元逻辑回归模型进行滑坡易发性评价。结果表明,利用成功率曲线对结果进行分析,采用岩土体含水量因子时预测精度达到80.2%,高于采用地形湿度指数的77.2%。利用雷达数据反演得到的岩土体含水量代替地形湿度指数进行滑坡易发性评价精度较高、预测能力较强。     

基于GIS的兰州滑坡与泥石流灾害危险性分析

频繁发生的灾害愈来愈对人类社会造成巨大影响, 遥感、地理信息系统、全球定位系统和网络技术日益在减灾行动中发挥重要的作用. 兰州区域地质岩性、构造断裂、地震活动带、地表侵蚀强烈和地形起伏破碎等因素造成了兰州滑坡与泥石流灾害的发育, 夏季暴雨、人类工程活动等诱发下灾害频繁, 风险加剧. 针对兰州地区滑坡与泥石流等山地灾害对区域社会经济的影响, 通过建立区域滑坡与泥石流灾害的空间数据库, 在GIS技术辅助下实现了专家经验模型和Logistic模型对滑坡与泥石流灾害危险性的预测, 其中滑坡Logistic模型准确性达到85.3%, 专家经验模型准确性达到74.2%; 泥石流Logistic危险性预模型准确性达到80.5%, 专家经验模型准确性达到90.5%. 随着研究的深入, 综合遥感、地理信息系统、全球定位系统和网络技术的灾害研究与应用将在灾害防治中发挥重要的作用.     

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。