基于GIS的信息量法及其地质灾害易发性评价应用——以滇中晋宁县为例

地质灾害易发性评价是地质灾害评价工作的基础,是地质灾害研究的重点。以往地质灾害易发性分区评价大部分依据专家的主观经验,从而导致评价结果具有较大的随意性。本文利用研究区实际调查资料,选取地形地貌、工程地质岩组、地质构造、水文地质条件、人类工程活动等参评因子,利用信息量模型在基于GIS的平台对空间数据进行自动叠加分析,得出各影响因子综合影响下的客观的易发性分区结果,然后结合专家的主观经验,经定性与定量综合分析,对分区结果进行进一步的修正,可实现对地质灾害易发性的科学评价。选取晋宁县作为示例区的应用结果与国土资源大调查中的评价结果基本一致,证实该方法切实可行,并具有广泛的推广应用价值。     

基于信息量模型与Logistic回归模型耦合的地质灾害易发性评价

汶川地震在区内诱发了大量滑坡、崩塌等地质灾害,且孕育了大量松动岩体,这些松动岩体在降雨等因素诱发下将会产生大量次生地质灾害,危险性极大。故此对汶川县进行地质灾害易发性评价具有十分重要的现实意义。本文选取高程、坡度、坡向、起伏度、沟谷密度、工程岩组、断层、水系、道路9个影响因子,基于GIS的栅格数据模型,采用信息量模型、Logistic回归模型以及两种模型耦合分析进行地质灾害易发性评价。研究结果表明,采用耦合模型较信息量或Logistic单一模型评价结果更加合理、精度更高;易发性高与较高区域多集中于水系延展区域与断层集中区域。所计算得出的易发性分区结果与研究区实际情况相近,能在地质灾害风险评价中起到重要参考作用。     

基于GIS的瑞丽市地质灾害易发性研究

以云南省瑞丽市为研究区，基于GIS空间分析功能，选取高程、坡度、坡向、距断裂带距离、降雨等评价指标，用信息量模型和确定性系数模型进行地质灾害易发性评价，通过ROC检验评价模型精度，确定瑞丽市地质灾害易发性分区。     

基于GIS的地质灾害易发性分区评价——以甘肃省会宁县为例

会宁县地处甘肃省中部,地质灾害极为发育,共发育有崩塌16处、滑坡12处、泥石流7条,地质灾害已对研究区造成了重大经济损失。为了对会宁县地质灾害易发性进行分区评价及指导防灾减灾,在区域地质灾害调查的基础上,建立了地质灾害数据库,采用层次分析法和GIS空间分析统计方法,选取14个基础指标,建立了会宁县地质灾害易发性分析评价模型,对评价单元叠加分析计算及验证分析,将会宁县地质灾害的易发程度划分为3个区,即高易发区、中易发区和低易发区。通过专家评审法检验地质灾害易发性评价结果,认为评价结果与实际地质灾害情况相符性较好,可以为制定会宁县地质灾害综合防治措施提供依据。     

基于GIS的地质灾害易发性分区评价——以甘肃省会宁县为例

会宁县地处甘肃省中部,地质灾害极为发育,共发育有崩塌16处、滑坡12处、泥石流7条,地质灾害已对研究区造成了重大经济损失。为了对会宁县地质灾害易发性进行分区评价及指导防灾减灾,在区域地质灾害调查的基础上,建立了地质灾害数据库,采用层次分析法和GIS空间分析统计方法,选取14个基础指标,建立了会宁县地质灾害易发性分析评价模型,对评价单元叠加分析计算及验证分析,将会宁县地质灾害的易发程度划分为3个区,即高易发区、中易发区和低易发区。通过专家评审法检验地质灾害易发性评价结果,认为评价结果与实际地质灾害情况相符性较好,可以为制定会宁县地质灾害综合防治措施提供依据。     

基于信息量模型的地质灾害易发性评价——以天府新区成都直管区为例

本文选择天府新区成都直管区为研究区,基于因素相关性分析结果,选取坡度、坡向、地形起伏度、地貌、岩性、汛期降雨量、人口密度和崩滑密度8个要素作为地质灾害易发性评价因子,应用信息量模型,分析各因子对研究区地质灾害发生的贡献,开展研究区地质灾害易发性区划。结果表明:研究区地质灾害主要沿龙泉山西翼呈条带集中分布,易发等级总体上由东向西递减分布,灾害点空间分布与易发等级呈正相关性,信息量模型应用评价结论,可为该区地质灾害防治提供参考。     

基于信息量模型的地质灾害易发性评价——以天府新区成都直管区为例

本文选择天府新区成都直管区为研究区,基于因素相关性分析结果,选取坡度、坡向、地形起伏度、地貌、岩性、汛期降雨量、人口密度和崩滑密度8个要素作为地质灾害易发性评价因子,应用信息量模型,分析各因子对研究区地质灾害发生的贡献,开展研究区地质灾害易发性区划。结果表明:研究区地质灾害主要沿龙泉山西翼呈条带集中分布,易发等级总体上由东向西递减分布,灾害点空间分布与易发等级呈正相关性,信息量模型应用评价结论,可为该区地质灾害防治提供参考。     

基于GIS汕头潮阳区崩塌、滑坡地质灾害危险性评价

以潮阳区1:5万地质灾害详细调查数据为基础,选取地质灾害点坡度、坡向、地形起伏度、工程地质岩组、地质构造、土地利用类型等6个因素评价指标,采用信息量法获取研究区易发性,基于GIS空间分析功能将10年一遇降雨工况和易发性分析计算,得出地质灾害危险性分区图。研究区综合地质灾害高危险区面积明显大于单灾种评价结果,高危险区主要位于崩塌、滑坡较发育的碎裂岩区域;对提高区域地质灾害风险预测能力及综合防治水平具有实际意义。     

贵州省石阡县耕地土壤硒元素地球化学特征及开发利用建议

为了研究贵州省瓮安县各类地质灾害在空间上的发育分布规律,根据瓮安县地质环境和地质灾害野外调查资料,运用综合指数法,对区域内地质灾害易发性的影响因素进行量化。通过地理信息系统（GIS）空间分析软件,对其进行计算与叠加,并依据分区的标准,利用ArcGIS软件内置的自然间断点对地质灾害易发性指数图层进行插值处理,得到瓮安县地质灾害易发性分区图。将区域地质灾害的易发性和区域受威胁对象的易损性进行叠加计算,得到瓮安县地质灾害危险性分区图。根据分区结果可知：地质灾害高易发区占全县面积41.52%,地质灾害中易发区占全县面积38.62%,地质灾害低易发区占全县面积19.86%;地质灾害危险性划分为高危险区、中危险区和低危险区3个区,所占面积比例分别为41.00%、42.54%、16.46%。研究结果为该区地质灾害的预防和预警提供了依据,具有一定的工程实践意义。     

考虑地震后效应的青藏高原东缘地质灾害易发性评价

青藏高原东缘地震活动频繁,地震作用形成的松散堆积物为滑坡、泥石流等地质灾害提供了丰富物源,增加了震后一段时期内的地质灾害发生强度。本文在青藏高原东缘地质背景、已有地质灾害调查资料分析的基础上,采用近年来发生的汶川地震、芦山地震、鲁甸地震等诱发的松散物源量表征地震作用对震后地质灾害的影响,提出了考虑地震后效应的地质灾害易发性综合评价思路,建立了青藏高原东缘地质灾害易发性综合评价的指标体系。基于传统信息量模型和Logistic逻辑回归模型,建立了加权信息量模型,并完成了青藏高原东缘地质灾害易发性综合评价。研究表明,地震扰动区的地质灾害易发性显著高于震前水平,地震作用改变了地质灾害成灾条件,增加了震后地质灾害易发程度,研究结果对于活动构造区地质灾害易发性评价和区划具有重要的指导意义。     

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GIS和GDAL的地质灾害汛期风险预警产品信息自动化生成算法的构建与实现

我国大陆从2003年开始开展了汛期区域地质灾害气象预警工作,并形成预警产品面向公众的发布,在地质灾害防治中发挥着重要的作用。而地质灾害预警描述信息是地质灾害预警产品的重要组成,包括了预警范围、等级、时段和文字说明等内容,为了快速形成权威、科学、精准的这一信息,文章研究了一种可高效自动分析形成初步的预警产品描述信息的技术算法,并对其进行了验证分析。算法以研究区行政区划图和预警区划图为数据源,以设计的三级预警等级为主键的预警等级集合概念模型为基础,采用GIS技术,通过空间信息叠加与判别、预警等级分布面积占比求算、分布范围描述和单元分布方位求算等为关键方法,将图面内容快速地转换为直观的文本描述,可实现预警产品中描述信息的自动化获取。在验证环节,设计了11个虚拟乡镇为预警范围,预警区划图层以3 km×3 km为预警等级单元,预警单元总数为5 194个,文件为Shapefile格式;验证过程基于GDAL库(Geospatial Data Abstraction Library)和C++语言,按照算法设计了软件工具,利用实验数据进行了验证与分析,结果表明,通过该算法形成的预警描述信息和预警区划图层...     

RS与GIS支持下的汶川县城周边地质灾害危险性评价

地质灾害危险性评价是防灾减灾工作的重要依据。本文以汶川县城周边64 km2为例,应用遥感信息提取技术与GIS空间分析方法,根据IKONOS遥感图像和地形图及野外调查资料,提取了崩塌和滑坡易发性评价因子,采用信息量法确定了因子分值,计算了崩塌和滑坡易发性,并分别提出崩塌和滑坡的危险性计算方法,形成了汶川地区崩塌和滑坡危险性分区图。研究结果表明:新的崩塌和滑坡危险性评价方法能够反映区内地质灾害危险程度,该方法可行,结果合理,这为中、大比例尺区域范围内地质灾害危险性研究提供了有益的思路。     

基于数值模拟的城镇地质灾害危险性评价方法

定量计算城镇尺度地质灾害不同降雨强度下的危险性是地质灾害风险评价中的难点。以红层地区群发性浅层滑坡链式灾害为研究对象,探索一种新的城镇尺度下的地质灾害危险性量化评价方法,为城镇地质灾害风险评价奠定基础。通过查询喜德县米市河区域不同降雨频率下降雨参数,统计分析国家雨量站数据及近50 a的18场群发性地质灾害降雨历时、雨型分布特征。以土层厚度、植被覆盖度及地形数据处理为基础,基于STEM TRAMM数值计算方法及降雨分布曲线计算城镇地质灾害危险性,绘制研究区地质灾害危险性评价图。通过遥感解译数据、地面调查数据及灾害数据库数据与数值计算结果对比,表明应用降雨特征统计及STEM TRAMM数值计算方法精细化评价红层地区城镇地质灾害危险性具有良好的适应性、便捷性及科学性,可为其他不同孕灾背景下的城镇地质灾害危险性评价提供思路。     

基于GIS与信息量模型的汶川次生地质灾害危险性评价

5·12汶川大地震诱发了大量滑坡、崩塌、泥石流等次生地质灾害,对人民群众的生命财产和社会经济的发展形成了严重威胁.针对次生地质灾害危险性评价,选取重灾区汶川县作为研究区域,利用遥感与地理信息技术的空间数据管理和空间数据分析平台,获取了研究区的次生地质灾害信息,分析了研究区内次生地质灾害与各影响因子,包括地形地貌、地层岩性、水系、地震断裂之间的相关性特征,并结合信息量法模型进行次生地质灾害危险性评价.高度、中度和轻度危险区的面积分别为1 130.196 km2、1 739.584 km2、1 213.219 km2.本次地震触发次生地质灾害的分布具有集群式分布的特点,即断裂带及其附近地区地质灾害集中发育,而远离断裂带区地质灾害很快衰减,呈零星分布;从灾害发育的区域特征分析,汶川县震后次生地质灾害呈现出北部和东部重、西部和南部轻的特点.所得研究结果与实际情况较吻合,表明地理信息系统结合信息量模型能够快速、有效地对次生地质灾害的空间分布以及危险性作出评价.      

基于GIS的华蓥市地质灾害易发性评价

本文基于四川华蓥市最新的地质灾害数据和野外地质数据,选取坡度、坡向、坡高、工程地质岩组、断层、河流影响距离、道路和采矿活动等8个影响因素,采用信息量模型,在进行评价因子分析的基础上,通过GIS空间分析平台,对华蓥市开展地质灾害易发性评价.评价结果显示,研究区可划分为高易发、中易发、低易发和极低易发四个区,分别占研究区面...     

基于信息量法的地质灾害气象风险预警模型:以甘肃省陇南地区为例

地质灾害气象风险预警是目前地质灾害防治研究领域的难点和热点。陇南地区是中国地质灾害造成人员财产损失和受灾害威胁最严重的区域之一,为精细化和准确化预报陇南地区地质灾害风险,在ArcGIS平台将研究区划分为250 m×250 m的栅格单元,使用信息量法选取9个影响因素进行地质环境敏感性评价,结合有效降雨量构建地质灾害气象风险预警模型;该模型通过6次历史降雨事件引发的156起地质灾害验证,预报准确率为83.42%,提高了研究区内地质灾害风险预警精度。该研究基于信息量法的地质环境敏感性分区客观合理,综合考虑下垫面和气象要素的第二代预警模型在类似地区的应用,有较高的准确性和适用性。     

澜沧江流域重大水电工程扰动灾害风险评价

地质灾害风险性评价对当地防灾减灾具有指导意义。本文以澜沧江重大水电工程扰动灾害为例,在遥感解译与野外实际调查的基础上,选取高程、坡度、坡向、植被归一化指数、距库区距离、工程地质岩组、断裂带密度、年均降雨量、地震峰值加速度9个因素,并基于加权信息量模型进行危险性评价,然后以人口密度、水电站、道路、土地覆盖类型和GDP为承灾体进行易损性评价,最后将危险性和易损性进行信息融合,构建地质灾害风险性矩阵,完成地质灾害风险性评价。评价结果表明：极高和高风险区主要分布在乌弄龙及其上游水电站附近,以及下游库区两岸人类活动相对密集区域,中风险区主要分布在乌弄龙上游库区两岸以及乌弄龙—托巴水电站全域,在下游零散分布;低风险区主要分布在中游高山峡谷段。本次研究较为准确地评估了地质灾害风险性,可为澜沧江流域扰动地质灾害风险规划提供科学依据和技术指导。     

多源遥感数据支持下区域滑坡灾害风险评价

滑坡风险管理是防灾减灾的有效途径之一,而灾害风险评价是风险管理的基础和依据。以三峡库首区为研究区、多源遥感影像为主要数据源,利用立体像对技术及光谱分析等方法快速提取地形地貌、地表覆被、地质及水文条件等滑坡孕灾环境信息,应用随机森林模型分析区域滑坡危险性;采用面向对象方法建立典型承灾体识别规则,快速提取建筑物及交通道路等信息,综合分析滑坡危险性及承灾体信息,以实现区域滑坡灾害风险评价。结果显示:高风险区面积为41 km²,约占研究区面积的9%,主要集中于人口聚集的城镇和交通建设用地等经济价值大的地区。其评价结果与野外实地调查情况基本吻合。