基于GIS的Logistic回归模型在区域滑坡敏感性评价中的应用

本文基于GIS技术和Logistic回归模型进行滑坡敏感性评价定量分析方法,并以江苏省连云港市郊区为研究区域,建立了地质、地形数据库等滑坡因子空间数据库和滑坡空间分布数据库,并进行了滑坡影响因子敏感性分析。对连云港市郊区滑坡灾害在空间上的预测结果具有重要的现实意义,对推广应用、防灾减灾具有实际的指导意义。     

基于GIS的Logistic回归模型在区域滑坡敏感性评价中的应用

本文基于GIS技术和Logistic回归模型进行滑坡敏感性评价定量分析方法,并以江苏省连云港市郊区为研究区域,建立了地质、地形数据库等滑坡因子空间数据库和滑坡空间分布数据库,进行了滑坡影响因子敏感性分析。对连云港市郊区滑坡灾害在空间上的预测结果具有重要的现实意义,对推广应用、防灾减灾具有实际的指导意义。     

基于多元逻辑回归的兰坪县崩塌滑坡敏感性评价

通过卫星遥感影像解译和地面调查,获取了云南省兰坪县崩塌滑坡灾害的空间分布,利用Arc GIS软件空间分析方法对该县崩塌滑坡分布规律进行了统计分析,最后运用多元逻辑回归方法对该县未来崩塌滑坡发生的空间位置进行了易发性评价。分析结果确认了极高易发性区域地理位置,其中,极高易发性区域面积为345.1 km~2,占研究区面积的7.90%;高易发性区域面积为429.3 km~2,占研究区总面积的9.82%。所得到的兰坪县崩塌滑坡易发性分布对进一步的防灾减灾工作具有指示作用。     

GIS辅助下滑坡灾害危险性区划图的绘制——以四川省攀枝花市为例

以四川省攀枝花地区为研究区域,选取高程、坡度、坡向、土地利用类型、地层岩性、道路交通、河流水系7个影响因子为评价指标,将上述指标作为栅格数据输入,并选择历史滑坡灾害点的影响因子数据作为样本,建立Logistic回归方程,进行回归方程和回归系数的显著性检验,最后利用回归方程对研究区滑坡危险性进行预测,编制滑坡危险性区划分布图。结果表明,逻辑回归方法得到的危险性分区图中,极高和高危险区包含了83%的已知滑坡灾害,攀枝花地区滑坡危险性较高的区域占到区域总面积的将近50%,主要分布在中部和南部人口比较集中的地区,与滑坡的发生受人类工程活动的影响比较吻合。     

粒子群优化BP神经网络的滑坡敏感性评价

滑坡敏感性评价是地质灾害预测预报的关键环节。针对BP神经网络易陷入局部最小值、收敛速度慢等问题,该文以三峡库区秭归县境内为研究区,采用粒子群优化(PSO)算法对BP神经网络的初始权值和阈值进行优化,构建PSO-BP神经网络滑坡敏感性预测模型,实现研究区滑坡敏感性评价。采用受试者工作特征曲线分析模型预测精度,得到PSO-BP神经网络预测精度为0.931,预测结果与实际滑坡总体空间分布具有良好的一致性,且预测能力优于BP神经网络。实验结果表明,PSO-BP神经网络耦合模型在实现滑坡敏感性评价上具有理想的预测精度和良好的适用性。     

环境因子空间特征约束的区域滑坡敏感性模糊逻辑分析方法

中国西部山区灾难性滑坡事件频繁发生,滑坡敏感性分析已成为灾前科学预警和主动防范的必要手段。传统滑坡敏感性分析方法中单一知识驱动模型对滑坡灾害环境因子定权主观性强,数据驱动模型过分依赖样本数据的质量及数量。针对上述问题,提出了一种环境因子空间关联特征与启发式模糊逻辑模型耦合的区域滑坡敏感性分析方法,通过灾害环境因子滑坡频率比与信息熵权等空间统计指标,显式描述滑坡灾害环境因子的贡献度与空间分布特征,以此约束多因子耦合的区域滑坡敏感性计算。选择中国重庆市奉节县内的灾害多发地带进行验证评估,实验结果表明,所提方法优于单一的信息量模型、信息量-逻辑回归模型方法。     

基于InSAR与随机森林的滑坡敏感性评价与误差改正北大核心CSCD

滑坡不仅影响社会经济的可持续发展,而且威胁人类的生命安全。滑坡敏感性图(LSM)被认为是预测滑坡空间位置的有效手段之一,但现有方法生成的LSM因受假阴性误差的影响,难以得到可靠的预测结果。针对该问题,本文提出了基于InSAR形变结果的LSM改进方法。在甘肃省舟曲县的试验结果表明,研究区范围内滑坡敏感性等级提升2.74%。对两个具体区域的原始LSM和改进后LSM进行比较,结果表明,利用改进后的方法,可在受滑坡蠕动现象影响的区域制作更可靠的LSM。     

基于GIS的环滆湖地区生态敏感性分析

生态敏感性分析是城市规划编制研究的重要依据,运用GIS空间分析技术可以有效地实现生态敏感性定量分析。文中以环滆湖地区为研究区,选择海拔、水域、农田、水源保护区、生态保护区和建成区六项有区域代表性的生态因子,借助GIS空间缓冲区分析、叠加分析等功能,采用因子叠加取最值法得到规划研究区的总体生态敏感性区划,对研究区生态敏感性进行定量化分析与评价,为环滆湖地区的生态环境保护和空间管制规划策略制定与用地空间合理布局提供科学依据、方法支撑和决策支持。     

GIS支持下滑坡灾害空间预测方法研究

滑坡预测在防灾减灾工作中具有重要意义,它包括空间、时间预测两个方面。基于统计模型进行区域评价与空间预测是滑坡灾害研究的重要方向,但是预测结果往往依赖样本数量和空间分布等。本文以马来西亚金马伦高原为研究区,选择高程、坡度、坡向、地表曲率、构造、土地覆盖、地貌类型、道路和排水系统作为评价因子,探讨运用地理信息系统(GIS)和遥感(RS)获取与管理滑坡灾害信息,以及热带雨林地区湿热环境下滑坡空间预测的方法。支持向量机(SVM)和逻辑(Logistic)回归模型分别应用于滑坡空间预测,结果显示平均预测精度分别为95.9%和86.2%,SVM法具有较高的描述精度,值得推荐;同时,基于SVM模型的滑坡空间预测受样本影响较小,预测结果相对比较稳定,这对于滑坡灾害区域评价与预测的快速实现具有实际意义。     

基于优化随机森林模型的滑坡易发性评价

以三峡库区沙镇溪镇-泄滩乡为研究区,探索基于最短描述长度原则的信息增益法对滑坡连续型因子进行离散的效果,计算皮尔森系数去除高相关因子。利用信息量法预测的极低、低易发区随机抽取非滑坡样本点。通过迭代计算袋外误差估计确定较优的随机特征及其数目,将优化后的随机森林对研究区滑坡进行易发性评价,并与逻辑回归等方法进行比较。绘制各算法预测结果的接收灵敏度曲线,其中优化后的随机森林预测结果的曲线下面积较高,达91.8%,表明优化随机森林模型在滑坡易发性评价中具有较高的预测能力。     

知识引导的滑坡监测数据粗差定位与剔除方法

为了避免灾情误判和误报,准确探测和剔除滑坡形变监测数据中的粗差已经成为提高监测数据质量亟待解决的问题。已有方法主要针对单一传感器数据独立处理,且过度依赖数据变化本身的突变-平滑关系,难以有效区分粗差和外界因素突变引起的奇异值。介绍了一种知识引导的滑坡监测数据粗差剔除方法,通过粗糙集属性约简筛选具有相关关系的多源滑坡观测数据,并结合多元统计理论挖掘粗差影响因素间的时空约束关系,利用不同类型滑坡监测数据变化间的相关性规律,将多因素影响下的滑坡形变抽象为多模式的组合,根据不同模式自适应选择多因子模型以此引导卡尔曼滤波模型更新,从而实现滑坡形变监测粗差的定位与剔除。实验证明,该方法不仅能够有效甄别因环境变化引起的突变,并且能显著提高滑坡形变监测数据粗差自适应剔除的准确性、可靠性与智能化水平。     

滑坡敏感性评价模型研究

以得荣县为研究区,结合野外调查资料,选取坡度、坡向、高程、断裂、水系、地表曲率、工程岩组、土地利用和NDVI等9个评价因子,利用信息量、逻辑回归和支持向量机(SVM)3种定量模型进行了敏感性评价,并引入成功率验证法对评价模型精度进行了评定。研究结果表明,SVM模型具有很高的预测精度,为81.2%,可推广到其他高山峡谷区域使用。     

滇东南岩溶区土壤侵蚀敏感性分析及其空间分异特征

以滇东南岩溶区独特的地理环境作为研究对象,根据《生态功能区划暂行规定》和国内外已有的土壤侵蚀敏感性的研究成果,选择地形起伏度(LS)、植被覆盖度(C)、土壤质地(K)3个自然因子作为滇东南岩溶区土壤侵蚀敏感性评价的指标,在GIS时空分析功能支持下,以《生态功能区划暂行规定》的敏感性等级标准为依据,分析各个因子对土壤侵蚀敏感性的影响,并结合研究区域实地情况对各个因子分别进行土壤侵蚀敏感性的评价。在各因子单独分析的基础上运用GIS的空间分析功能,根据这些敏感因子对侵蚀敏感性影响程度的不同分配、不同权重,进行综合分析评价,得到不同敏感程度区域的面积和空间分异特征。     

利用ANFIS方法反演裸土区土壤水分含量

为了更好地进行土壤水分反演,发展了一种基于ALOS/PALSAR数据、利用自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)反演土壤水分的方法.首先,根据研究区实际情况,利用AIEM和Oh模型模拟了试验区裸土区的后向散射特性,建立了后向散射系数与地表粗糙度之间的关系;然后,考虑到研究区地表粗糙度几乎没有变化这一情况,设定了地表粗糙度对后向散射系数的影响为常量;在此基础上,分别利用ANFIS,BP神经网络、多元线性回归和多元非线性回归方法构建了裸土区土壤水分的反演模型,并利用野外实测数据对模型进行了验证.研究结果表明,采用ANFIS方法构建的模型反演精度最高,其均方根误差为0.030,相对误差为14.5％.因此,可以利用ANFIS方法反演裸土区的土壤水分含量,其反演结果具有较高的精度.     

自然样条非参数回归模型及模拟分析

采用自然样条逼近的数据处理方法,探讨自然样条非参数回归分析方法.在补偿最小二乘的原则下,利用三次样条函数构 造补偿项,通过广义交叉核实函数自动选取光滑参数.采用自编程序进行计算,得到非参数回归函数的补偿最小二乘估计.模拟计算表明,该方法优于经典的LS估计.因此可以用于曲线拟合或测量系统误差的估计.     

自然样条半参数模型与系统误差估计

采用自然样条逼近的数据处理方法,探讨了自然样条半参数回归分析方法。在补偿最小二乘的原则下,利用三次样条函数构造补偿项,通过广义交叉核实函数自动选取光滑参数。自编程序进行计算,得到了回归参数向量和样条函数的补偿最小二乘估计。模拟计算表明,该方法适合于回归函数模型误差与测量系统误差的估计。     

顾及样本敏感性的滑坡易发性评价

滑坡作为一种危害极大的自然地质现象,严重威胁着人民的生命财产安全。因此,科学、准确地评价滑坡体的易发性至关重要。随着机器学习的发展,基于机器学习的滑坡易发性评价逐渐成为研究热点。而在真实情况中,滑坡区域与非滑坡区域面积占比悬殊,这使得机器学习模型的应用存在较严重的样本不均衡问题。本文采用样本敏感性分析方法,综合多个机器学习模型在不同比例的正负滑坡样本集上的表现,以获取最均衡滑坡样本集;并在此样本集基础上采用深度随机森林模型,在示范研究区开展滑坡易发性评价。最终的评价结果接近真实分布,表明本文方法具有较好的有效性。     

基于神经网络和模糊评判的滑坡敏感性分析

滑坡的敏感性涉及到很多因素,如滑坡体的坡度、坡的朝向、坡度的类型、岩石特性、海拔高度、植被覆盖等特征。神经网络具有非线性映射能力,利用这些与滑坡发生紧密相关的因素作为网络的输入,构造一个具有反映滑坡敏感性的评价网络,输出端为敏感性分析的结果。本文针对某具体地区,提取相关因素,构造评价指标体系并量化,利用该地区样本集数据对滑坡敏感性评价神经网络进行训练,用训练后的网络对实例并结合模糊评判进行了相互验证,结果说明利用神经网络和模糊评判进行滑坡敏感性分析是可行的。     

地理加权回归模型的多重共线性诊断方法

地理加权回归是常用的空间分析方法,已广泛应用于各个领域,但利用此方法进行回归分析前,往往忽略了对设计矩阵进行局部多重共线性的诊断,从而导致对模型的估计不准确。因此,本文在引入了全局模型的多重共线性诊断方法的基础上,对这些方法进行了改进,改进后构建了加权方差膨胀因子法和加权条件指标方法——分解比法,用于诊断地理加权回归模型设计矩阵的多重共线性问题。实验结果表明,多重共线性不存在于全局模型,而可能存在于局部模型中,构建的两种方法能够有效地诊断地理加权回归模型的多重共线性问题,且加权条件指标方法——分解比法比加权方差膨胀因子法在诊断多重共线性问题上更有优势。     

GIS支持下绿洲生态敏感性研究——以伊犁河谷为例

为探索绿洲生态环境保护方法,解决绿洲生态环境与社会经济发展的矛盾,本文选取7项生态敏感性评价因子,结合层次分析法和均方差决策法确定各因子权重,对伊犁河谷生态敏感性进行评价分析;选取4项社会经济指标,利用莫兰指数进行空间自相关性分析,研究伊犁河谷生态敏感性与社会经济的相关性。结果表明：(1)海拔因子和植被因子对伊犁河谷生态敏感性影响最强烈。(2)伊犁河谷生态敏感性总体适中,主要受垂直地带性影响,敏感性与海拔、坡度呈正相关关系;受自然环境影响,敏感性与水体和植被呈负相关关系。(3)伊犁河谷生态敏感性与社会经济呈负空间相关性。研究生态敏感性与社会经济的相关性,为未来伊犁河谷生态保护、国土空间规划、社会经济发展等提供了一定的理论指导和参考。