阿勒泰市克什喀拉苏沟泥石流形成条件及易发性评价

新疆地区是泥石流灾害的多发区和重灾区,本文以阿尔泰山南麓的克什喀拉苏沟为研究对象,在实地调查阿勒泰市克什喀拉苏沟泥石流灾害的基础上,根据泥石流地质灾害的地质环境条件,对泥石流灾害的类型、形成原因及流域特征进行分析,并对泥石流易发性进行评价,结果显示:该研究区泥石流灾害属易发程度,其形成主要受强降雨影响较大,详细论述了泥石流地质灾害类型、形成原因及易发性评价,且为防治工程设计、施工提供依据。     

基于熵权-正态云模型的泥石流灾害易发性评价

近年来,由于极端天气事件频发和工程建设活动加剧,泥石流灾害对人类的威胁愈加严峻。因此,在综合分析泥石流灾害发育特征及形成机理的基础上,进行泥石流灾害易发性评价对防灾减灾工程活动具有指导意义。选取沟谷岸坡坡度、沟床纵坡比降、植被覆盖率、单位面积固体物源储量、汇水面积、雨季降雨量建立评价指标体系,采用熵权法确定评价指标权重,将泥石流灾害易发性分为高易发、中易发、低易发和不易发四级,建立基于正态云模型的泥石流灾害易发性评价方法,并以西秦岭地区5条泥石流沟为例验证了该评价模型的合理性。进一步将该模型用于陕西吴堡井沟泥石流灾害易发性评价,结果表明井沟泥石流具有中易发性,评价结果与实际相符。     

候旗沟泥石流发育特征及易发性评价

候旗沟流域地处青藏高原东北缘,降雨量集中且充沛,流域内支沟发育,沟谷深切,山坡陡峻,相对高差大,沟内固体物源储量丰富,沟床纵比降大,具备泥石流发育的条件。文章在深入分析4条泥石流沟形成的地质环境条件基础上,系统研究了泥石流静动力学特征、灾害史及爆发频率;采用层次分析法(AHP),选择单位面积物源储量、主沟纵比降、人口密度等10项因子,建立了泥石流易发性评价体系,通过对评价因子的定性分析和计算得到每条泥石流沟易发性大小,评价结果与历史调查结果有着很好的一致性。评价方法及评价结果对类似地区泥石流灾害的防治具有一定的参考价值。     

茶园沟流域三大支沟泥石流易发性综合评价

针对泥石流发生的复杂性和不确定性,运用模糊数学综合评价的方法,从人类活动、地质、地形和气象水文条件4个总目标和19个子目标,建立了泥石流易发性模糊综合评价模型.确定了目标因素等级及权重,对邱家沟,天须沟和长坡沟泥石流易发性进行了综合评价.结果表明,邱家沟泥石流易发性最大,天须沟次之,长坡沟最小.     

基于层次分析法和模糊数学相结合的甘肃东乡八丹沟泥石流易发性评价

八丹沟位于甘肃东乡县,近年来多次发生泥石流,对流域内居民生命财产造成了巨大的威胁,因此对八丹沟泥石流易发性评价是非常必要的。本文在详细分析八丹沟流域特征和动力学特征的基础上,选取了11个评价因子作为八丹沟泥石流易发性评价的指标,利用层次分析法对各个因子赋予权重,并且构建模糊数学综合评价模型对八丹沟泥石流进行易发性评价。结果表明:八丹沟泥石流爆发频率20年、50年、100年的的易发性为中易发,应加强防范并采取合理的防治措施,保证当地居民的生命财产安全。     

基于灰色可拓模型的洮河下游泥石流易发性评价

泥石流易发性评价对其工程防治有重要意义,以往评价中,由于主观因素过多和缺乏足够数据的定量评价,对实际情况的分析还不尽完善。为此本文选取洮河流域下游地区作为研究对象,根据泥石流的地域特点、成因和其它影响因子,在可拓学基础上建立一种泥石流易发性的评价模型,运用灰色关联度分析法定量化的分析影响因子的权重值,对研究区泥石流沟进行易发性评价。结果表明,选取的11条具有代表性的泥石流沟,有2条易发程度较高,4条易发程度中等,5条易发程度低,高易发和中易发泥石流沟在强降雨时期,易爆发泥石流,据此确定泥石流的重点防治区域,为研究区泥石流治理提供参考依据。     

基于灰色关联法的泥石流灾害易发性影响因素分析——以甘肃舟曲瓜咋沟泥石流为例

2010年,甘肃舟曲“8·7”特大泥石流灾害给当地人民生命财产造成严重损失,泥石流的发生及其易发性程度受多种因素影响。为分析不同因素对泥石流灾害易发性影响程度,基于对甘肃舟曲瓜咋沟内不同泥石流沟道野外调查资料的总结与分析,运用层次分析法计算了泥石流灾害易发性指标,利用灰色关联度理论分析了泥石流灾害易发程度与各影响因素间关联程度。研究结果表明：运用层次分析法确定的泥石流灾害易发性程度与野外调研结果相一致;泥石流灾害的易发性受沟道内灾害点数量、主沟道坡降、日最大降雨量、植被覆盖率及汇水面积等的影响显著;沟道内灾害点数量和主沟道坡降,日最大降雨量、植被覆盖率及汇水面积,沟道长度、岸坡坡度及沟道宽度等分别对泥石流灾害易发性的影响程度较为接近;研究成果为类似地区泥流灾害防治工作部署具有一定指导作用。     

基于原型网络的云南怒江州泥石流灾害易发性评价与区划CSCD

针对基于泥石流因子评价方法中选取因子不一及训练样本少的问题,提出了一种基于原型网络的沟谷泥石流灾害易发性评价方法。首先,通过元学习方式组织训练数据,计算每一类沟谷的原型中心。其次,计算未知样本与每一类原型中心的距离,得到其从属类别的概率。最后,根据类别概率计算沟谷的泥石流易发性指数,得到泥石流易发性评价等级。运用模型对怒江州的沟谷进行评价,并与历史灾害数据进行比对,分类正确率达到67.39%,历史事件中泥石流灾害严重程度与模型的评价等级吻合度较好。相比传统实地勘测和因子评价等方法,文章方法能够通过遥感影像进行泥石流灾害区域的快速识别与评价,为泥石流灾害的预警预测研究带来新的思路。     

四川省都江堰市虹口乡红色村干沟泥石流特征及危险性评价

红色村干沟位于都江堰市虹口乡,"5.12"地震之后多次发生泥石流。2013年"7.9"特大暴雨后引发泥石流,摧毁沟口居民房屋,淹埋农田;沟内仍存在大量松散物源,沟口的居民安置点和公路仍受泥石流的威胁。笔者结合灾害应急调查资料,采用单沟泥石流危险性评价方法,对红色村干沟泥石流的形成条件、发育特征、易发程度和危险性进行分析,结果显示该沟泥石流易发程度为中等,危险性中等,对沟口居民生命财产和公路交通存在威胁。     

四川都江堰市水机关沟泥石流应急勘查评价

2008年"5.12"四川汶川大地震发生后,导致灾区地质灾害危险性、易发性大大增强,严重影响周边居民的生命财产安全,部分重大地质灾害隐患点险情紧迫、危害巨大、严重影响到灾后恢复重建工作,需做应急勘查评价。都江堰市水机关沟泥石流灾害隐患点是其中之一。本文介绍了该条泥石流沟的地质环境,对泥石流的成因、易发程度、活动强度作了分析,并对该泥石流活动的危险性和危害性做了预测评估。     

甘肃陇南武都区泥石流易发性评价

文章分析了甘肃陇南市武都区泥石流形成的自然环境背景、发育特征及易发性。通过野外实地考察,查明了泥石流的发育情况,在此基础上,采用模糊物元可拓方法对泥石流的易发性进行了评价。分析表明,研究区的泥石流具有分布密度高、冲沟及坡面泥石流成片发育、北岸泥石流较南岸发育且粘性泥石流所占比例大于南岸的发育特征;选取岩性、沟床比降、山坡坡度、完整系数、发育程度、降水、断层密度7个因子构建泥石流易发性评价指标体系。通过易发性评价,研究区104条泥石流沟中,66条为高易发性,占总数的63.5%;32条为中等易发性,占总数的30.8%;6条为低易发性,占总数的5.7%。     

甘肃河西地区泥石流沟分布特征与易发性评估研究

根据汇水面积、松散物质储量、沟坡坡度、主沟纵坡降等4项泥石流沟易发性判断特征指标,利用数理统计方法,对甘肃省河西地区20个县、区、市的587条泥石流沟现状进行了分析研究. 结果表明：河西地区泥石流多发育在南北山地的前山走廊地带,泥石流沟分布密度稀疏,属于泥石流稀疏地区. 在泥石流沟易发性主要特征指标方面,研究区汇水面积指标处于偏轻微程度,松散物质储量指标处于中等程度,沟坡坡度指标处于严重程度,主沟纵坡降指标处于中等以下程度. 在泥石流沟易发性评价结果方面区域总体属于泥石流地质灾害低易发-中易发区域. 在全球气候变暖的背景下,研究区内强降水情况发生频率呈现增强趋势,应积极开展极端天气影响下河西地区泥石流发展趋势和干旱、半干旱地区植被特征与泥石流易发性之间的相关关系研究.     

基于信息量模型的云南东川泥石流易发性评价

以东川泥石流为研究对象,选取高程、坡度、坡向、起伏度、曲率、工程岩组、距断层距离、距水系距离、土地利用类型9个影响因子,以研究区144条泥石流为样本数据,建立了东川泥石流易发性评价体系。基于GIS平台,采用信息量模型计算各个评价指标状态分级的信息量值,以小流域为评价单元使用自然间断法将研究区泥石流易发程度分为极高、高、...     

基于逻辑回归模型的泥石流易发性评价与检验：以金沙江上游奔子栏—昌波河段为例

基于地理信息系统(ArcGIS100)平台和小流域单元,采用逻辑回归(LR)模型对金沙江上游(奔子栏—昌波河段)干热河谷区进行泥石流易发性评价,并对预测结果进行总体检验与随机个案检验。评价与检验结果表明,得到的最优指标组合下LR评价模型的AUC值为827%;预测的极高易发区、高易发区面积合占全区面积的3598%,实发泥石流面积占泥石流总面积的6503%;在个案检验中,位于各等级分区的检验组样本实发泥石流比例随着分区易发性等级降低,依次为917%(极高)、750%(高)、364%(中等)、167%(低)、0(极低),表明评价效果良好。研究区泥石流集中发育于金沙江沿岸的东北部、中部和西南部,主导性的评价指标依次为距主干道路距离、岩性、距断裂带距离、雨季月平均降雨量。人类活动与季节性降雨为研究区干热河谷泥石流的主要诱发条件。基于逻辑回归模型的泥石流易发性评价方法提高了泥石流发生可能性的预测精度,可为干热河谷区泥石流预测预警和防治提供参考依据。     

基于面积?高程和面积?坡度积分的泥石流物质供给能力分析

松散物质是流域侵蚀演化的产物,对于泥石流流域而言,物质供给能力影响着泥石流的易发程度和活动频率。以岷江上游都江堰—汶川部分区域147个泥石流小流域为例,运用面积?高程法和面积?坡度积分对流域地貌演化阶段和侵蚀强度定量划分,并结合地貌演化阶段和侵蚀强度开展泥石流物质供给能力研究。研究结果表明:采用单一的地貌演化阶段或侵蚀强度解释泥石流的易发程度具有一定局限性,泥石流暴发主要集中于壮年期、壮年偏幼年期及侵蚀强度Ⅲ～Ⅴ级;随着物质供给能力的提升,泥石流的暴发率上升,而面积对泥石流的暴发有一定限制作用,初步确定研究区内供给能力处中、强、极强三种水平泥石流流域,其优势发育面积范围分别为:20～35 km2、10～50 km2、10～40 km2;对于物质供给能力水平较高、面积处于优势发育范围内、且长期未有明显泥石流活动迹象的流域,应进一步排查流域松散物质储量和分布特征,确定泥石流活动稳定性,采取合理的防灾减灾措施。     

Multi-hazard susceptibility mapping based on Convolutional Neural Networks

Multi-hazard susceptibility prediction is an important component of disasters risk management plan. An effective multi-hazard risk mitigation strategy includes assessing individual hazards as well as their interactions. However, with the rapid development of artificial intelligence technology, multi-hazard susceptibility prediction techniques based on machine learning has encountered a huge bottleneck. In order to effectively solve this problem, this study proposes a multi-hazard susceptibility mapping framework using the classical deep learning algorithm of Convolutional Neural Networks (CNN). First, we use historical flash flood, debris flow and landslide locations based on Google Earth images, extensive field surveys, topography, hydrology, and environmental data sets to train and validate the proposed CNN method. Next, the proposed CNN method is assessed in comparison to conventional logistic regression and k-nearest neighbor methods using several objective criteria, i.e., coefficient of determination, overall accuracy, mean absolute error and the root mean square error. Experimental results show that the CNN method outperforms the conventional machine learning algorithms in predicting probability of flash floods, debris flows and landslides. Finally, the susceptibility maps of the three hazards based on CNN are combined to create a multi-hazard susceptibility map. It can be observed from the map that 62.43% of the study area are prone to hazards, while 37.57% of the study area are harmless. In hazard-prone areas, 16.14%, 4.94% and 30.66% of the study area are susceptible to flash floods, debris flows and landslides, respectively. In terms of concurrent hazards, 0.28%, 7.11% and 3.13% of the study area are susceptible to the joint occurrence of flash floods and debris flow, debris flow and landslides, and flash floods and landslides, respectively, whereas, 0.18% of the study area is subject to all the three hazards. The results of this study can benefit engineers, disaster managers and local government officials involved in sustainable land management and disaster risk mitigation.     

Multi-geohazards susceptibility mapping based on machine learning—a case study in Jiuzhaigou,China

Jiuzhaigou, located in the transitional area between the Qinghai–Tibet Plateau and the Sichuan Basin, is highly prone to geological hazards (e.g., rock fall, landslide, and debris flow). High-performance-based hazard prediction models, therefore, are urgently required to prevent related hazards and manage potential emergencies. Current researches mainly focus on susceptibility of single hazard but ignore that different types of geological hazards might occur simultaneously under a complex environment. Here, we firstly built a multi-geohazard inventory from 2000 to 2015 based on a geographical information system and used satellite data in Google earth and then chose twelve conditioning factors and three machine learning methods—random forest, support vector machine, and extreme gradient boosting (XGBoost)—to generate rock fall, landslide, and debris flow susceptibility maps. The results show that debris flow models presented the best prediction capabilities [area under the receiver operating characteristic curve (AUC 0.95)], followed by rock fall (AUC 0.94) and landslide (AUC 0.85). Additionally, XGBoost outperformed the other two methods with the highest AUC of 0.93. All three methods with AUC values larger than 0.84 suggest that these models have fairly good performance to assess geological hazards susceptibility. Finally, evolution index was constructed based on a joint probability of these three hazard models to predict the evolution tendency of 35 unstable slopes in Jiuzhaigou. The results show that these unstable slopes are likely to evolve into debris flows with a probability of 46%, followed by landslides (43%) and rock falls (29%). Higher susceptibility areas for geohazards were mainly located in the southeast and middle of Jiuzhaigou, implying geohazards prevention and mitigation measures should be taken there in near future.

     

基于小流域的地震扰动区降雨型滑坡泥石流危险性评价方法

地震扰动区存在大量震裂松散坡体,在持续或者密集的降雨条件下极易转化为滑坡灾害。同时,滑坡又会给泥石流提供大量松散固体物质,增加泥石流的危险性。因此,在震区,灾害通常以"链"的形式出现,比单一灾种危害性大。为了更有效地对地质灾害危险性进行评价,笔者将滑坡、泥石流作为灾害链,综合地加以分析和研究。选择5·12汶川大地震中受灾严重的都江堰市白沙河流域的17条泥石流沟作为研究区,建立滑坡-泥石流危险性评价耦合模型,研究24 h不同降雨量条件下小流域滑坡泥石流危险性的变化。耦合模型包括了坡体稳定性评价模型,水文模型及以泥石流规模、发生频率、流域面积、主沟长度、流域高差、切割密度、不稳定斜坡比为评价因子的泥石流危险性评价统计模型。研究结果表明:随着降雨量的增大,参与泥石流活动的松散物质方量持续增加,但当24 h降雨量超过200 mm后,泥石流沟的危险度等级不再发生变化;17条泥石流沟中4条为中危险度,12条为高危险度,1条为极高危险度。这说明研究区地质灾害问题相当严峻,在多雨季节存在泥石流群发的可能性,直接威胁到居住在泥石流沟附近的人民群众生命财产安全;因此,对于有直接危害对象的高危险度及其以上的泥石流沟,应该按照高等级设防标准进行工程治理及发布预警报。同时也说明,将滑坡、泥石流作为灾害链研究具必要性和可行性。