基于分形的滑坡易发程度区划方法

本文发展了一种基于分形统计的滑坡易发程度评价方法,该方法仅使用已有的滑坡数据,首先通过分形统计获得滑坡分布的分形丛集关系,再通过GIS的空间操作与分析生成滑坡易发程度区划图。提出一种对滑坡易发程度区划图的可信度和预测效果进行评价的方法。本文介绍了这些方法及其在浙江地区应用的结果。     

基于RS和GIS技术的清江隔河岩库区滑坡易发性评价与制图

为了探索滑坡空间定量评价与制图技术和方法,文中利用RS与GIS技术相结合,以鄂西清江流域隔河岩水库库区为例,在滑坡调查编录和数据库建设的基础上,利用DEM数据提取地形地貌和水文因素,利用ETM 多光谱影像获取植被指教(NDVI)和地表湿度指数(NDWI),利用DEM、矢量数据、工程地质图及典型滑坡调查分析相结合,确定斜坡结构类型、工程地质岩组、库岸再造范围等滑坡因素的定量化指标.通过这些因素与滑坡的相关性统计分析,采用基于GIS空间分析的信息量计算因素的权重,利用GIS的空间分析功能实现清江隔河岩库区滑坡易发性分区制图.结果显示:高易发区占15.65%,主要分布在清江干流及其一级支流两侧,包含已知滑坡的73.17%;中易发区占41.54%,包含已知滑坡的17.81%,低易发区占42.81%,包含已知滑坡的9.02%.     

基于随机森林的滑坡空间易发性评价:以三峡库区湖北段为例

滑坡空间易发性分析有助于开展滑坡防灾减灾工作,训练有效的滑坡预测模型在其中扮演重要角色.以三峡库区湖北段为研究区,选取高程、坡度、斜坡结构、土地利用类型、岩土体类型、断裂距离、路网距离、河网距离、以及归一化植被指数这9个影响因子建立滑坡空间数据库,采用集成学习中的随机森林算法进行滑坡易发性评价.结果显示,随机森林抽样训练的方式有利于确定较优的训练参数,保证随机森林在不过拟合的情况下取得满意的拟合能力和泛化能力.随机森林绘制的滑坡易发性分级图显示出合理的空间分布,其中73.35%的滑坡分布在较高和极高级别区域.而巴东县北部、秭归县中部以及夷陵区南部等区域显示出较高的易发性级别.性能评估及易发性统计结果均表明随机森林是一种出色的算法,在滑坡空间预测领域具有较好的适用性.      

基于滑坡破坏模式分析的易发性评价——以三峡库区首段泄滩河左岸为例

三峡库区首段发育有大量岩质滑坡,其中很多灾害点极具隐蔽性且目前并未被查明。文中以三峡库区首段泄滩河左岸为研究区,以区内唯一破坏的卡门子湾顺层岩质滑坡为例,在分析其成因机制的基础上归纳总结了该地区顺层岩质滑坡的破坏模式,并以此确定了高程、坡度、坡向、起伏度、平面曲率、剖面曲率、地层岩性、距河流距离及距道路距离共9个评价指标因子及疑似滑坡隐患点,将这些灾害隐患点作为滑坡样本,运用ALSA模型开展研究区的滑坡易发性分区,最后采用ROC曲线及现场复查等方法验证评价结果的可靠性。预测结果表明：研究区内顺层岩质滑坡的极高易发区和较高易发区大致呈面状分布,主要集中在岩性为侏罗系中统上沙溪庙组紫红色泥岩夹砂岩和西北坡向的近库岸地区。现场验证发现易发分区结果与滑坡破坏模式分布规律较吻合,表明基于滑坡破坏模式选择滑坡样本得到的滑坡易发性结果在整体上也能反映研究区滑坡概率空间分布规律,在缺乏准确滑坡样本时可作为一种替补方案。上述研究结果为基于滑坡破坏模式选取滑坡样本开展易发性评价工作提供了理论支持和科学依据。     

基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价

准确的滑坡易发性评价结果是滑坡风险评价的重要基础.为提升滑坡易发性评价精度,以三峡库区龙驹坝为例,选取坡度等10个因子构建滑坡易发性评价指标体系,应用频率比方法定量分析各指标与滑坡发育的关系.在此基础上,随机选取70%/30%的滑坡数据作为训练/测试样本,应用径向基神经网络和Adaboost集成学习耦合模型(RBNN-Adaboost),径向基神经网络和逻辑回归模型分别开展易发性评价.结果显示:水系距离、坡度等是滑坡发育的主控因素;RBNN-Adaboost耦合模型的预测精度最高(0.820),优于RBNN模型和LR模型的0.781和0.748.Adaboost集成算法能进一步提升模型的预测性能,所提出的耦合模型结合了两者的优点,具有更强的预测能力,是一种可靠的滑坡易发性评价模型.      

基于机器学习的滑坡灾害易发性评价——以三峡库区为例

三峡库区滑坡灾害分布广、数量多、规模大、危害严重,因此开展滑坡灾害易发性评价对该地的地灾防治与处理具有重要参考意义。本文提取了地层岩性、地质构造、坡度、坡向、曲率、斜坡形态、植被指数、水系等17 个因子,选用逻辑回归模型、支持向量机模型、集成学习的梯度提升迭代决策树模型和深度学习中的长短期记忆神经网络与卷积神经网络耦合模型四个机器学习模型进行滑坡灾害易发性评价,选取最优评价模型,完成三峡库区的易发性分区评价,总结研究区易发性空间区划特性。对比四种模型的AUC（Area Under Curve）精度可以得出结论：GBDT模型（Gradient Boosting Decision Tree Model）的AUC精度相对较高,优于其他三个模型,更适合三峡库区的滑坡易发性研究。GBDT的易发性评价结果显示：研究区内极高易发性区域和高易发性区域主要集中于渝东、鄂西一带以及长江沿岸和支流沿岸。研究结果是对整个库区的易发性进行评价,可为后续库区的防灾减灾提供参考。     

基于Mamdani FIS模型的滑坡易发性评价研究

滑坡的形成是众多非线性关系的影响因子相互作用的结果,传统滑坡预测方法需要大量实地勘查数据。利用Mamdani FIS(模糊推理系统)模型对三峡库区巴东-秭归段进行滑坡易发性预测,并对结果进行评价。通过地理信息系统(geographic information system,GIS)、遥感(remote sensing,RS)技术和区域地质背景资料获取地形类、生态环境类和地质背景类共3类7种滑坡影响因子,建立了192条相关的推理规则,在Matlab平台下基于Mamdani FIS模型得到研究区滑坡易发性预测指数,并生成滑坡易发性区划图。预测结果的受试者工作特征曲线下的面积值为82.8%,显示滑坡评估效果良好。结果证明,与其他模型相比,基于空间信息技术的Mamdani FIS模型,利用其非线性分析能力和基于专家意见的推理规则,评估滑坡易发性时不需要先验知识支撑,简化了模型使用时对数据的要求。另外,该模型只需通过专家意见改变推理规则就可以应用于不同的地质地理环境区域,显示其较强的适应性。     

基于粗糙集的支持向量机滑坡易发性评价

区域滑坡易发性评价对灾害中长期预测预报具有重要意义。以三峡库区秭归至巴东段为研究区,利用粗糙集理论对20个初始评价因子进行属性约简,去掉冗余或干扰信息,得到13个核心评价因子,并以此作为支持向量机的输入特征集,构建支持向量机模型,实现滑坡易发性评价。在易发性分区图中高易发区占8.2%,主要分布在童庄河右岸、归州河沿岸、青干河左岸、树坪至范家坪长江右岸、牛口到东壤口长江左岸和巴东附近;不易发区占 52.7%,主要分布于店子湾至巴东旧城以及远离长江水系及植被覆盖度高的区域。通过验证与分析,粗糙集-支持向量机模型在高中易发区中的预测精度为85.6%,其预测能力优于支持向量机模型;与野外调查对比,预测结果与实际情况吻合较好。研究表明,应用粗糙集和支持向量机相结合进行滑坡易发性评价具有预测能力强、计算效率高等优点。     

基于XGBoost模型的三峡库区燕山乡滑坡易发性评价与区划

滑坡易发性评价是精细化滑坡灾害风险评价的基础。为了提升滑坡易发性评价模型的精度和稳健性,以三峡库区万州区燕山乡为例,选取工程地质岩组、堆积层厚度等九个影响因子构建滑坡易发性评价指标体系,应用信息量模型定量分析滑坡发育与指标之间的关系。在此基础上,随机选取70%/30%的滑坡样本作为训练/验证数据集,应用极致梯度提升模型(extreme gradient boosting, XGBoost)开展易发性评价。随后从模型预测精度和模型稳定性两方面将其与决策树模型(decision tree, DT)和梯度提升树模型(gradient boosting decision tree, GBDT)进行对比。结果表明：研究区堆积层滑坡主要受长江水系、堆积层厚度和工程地质岩组影响。XGBoost模型具有最高的准确率(94.3%)和预测精度(97.3%)。在模型稳定性验证中,平均预测精度最高(97.3%),优于DT(91.3%)和GBDT(95.7%),模型标准差和变异系数均为0.01,低于其余两种模型。XGBoost在区域滑坡易发性评价与制图中得到了可靠的结果,为滑坡灾害空间预测提供了新的技术支撑。     

三峡库区谢家包背斜与滑坡分布关系

三峡库区作为地质灾害的多发地区,有关构造特征与滑坡之间关系以及相同局部构造上多个个体滑坡之间的因果关 系研究很少。在应用相关理论方法的基础上,结合工程地质研究现状,以谢家包断层传播褶皱为研究重点,对局部构造与滑 坡类型之间的关系进行深入研究,上盘断坡形态特征控制着长江流域和青干河流域滑坡群分布,使其在整体空间演化上表 现出从西向东滑坡体规模逐渐减小的变化规律;长江流域滑坡群规模明显大于青干河流域滑坡群,这与断层传播褶皱两翼 倾角变化密切相关,南翼青干河流域岩层倾角明显大于北翼长江流域岩层倾角。研究表明大型滑坡发生与局部构造类型及 河流切割局部构造的部位相关,这种相关性不仅体现在对单个滑坡的控制,还在于对整体岸坡带演化规律、个体滑坡演化 之间因果关系的控制上。     

三峡库区滑坡规模与发育特征研究

研究滑坡规模及发育特征对开展滑坡风险评价和解析地貌演化过程具有重要意义。以三峡库区为研究区,通过GIS技术和数理统计分析滑坡面积、体积、厚度、发育密度等特征参数及发育规律,以及采用变维分形理论研究滑坡规模与地质环境因素的分形特征。研究结果表明：土、岩质滑坡空间发育模式具有区域性和集群式特点,且不同类型滑坡在空间分布上具有集聚性和规模不均匀性。滑坡发育规模和时序变形速率均存在幂律规则,表明滑坡系统具有自组织临界性。发现滑坡规模具有变维分形特征,同时揭示出滑坡规模与地质环境因素之间的敏感性关系。研究结果对认识三峡库区滑坡发育规律及实现滑坡风险评价具有重要作用。     

基于GIS平台与证据权的地震滑坡易发性评价

汶川地震诱发了数以万计的滑坡灾害.应用地理信息系统与遥感技术,选取地震烈度、岩性、坡度、断层、高程、坡向、河流与公路8个因素作为汶川地震滑坡影响因子,采用证据权方法,对研究区内汶川地震滑坡进行灾害易发性研究.检验表明,易发性评价结果的正确率达到81.855％.不同因子组合评价结果表明,地震烈度对滑坡易发性分区结果影响最...     

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.     

三峡库区滑坡灾害与地质环境关系分析

采用敏感性系数方法分析三峡工程库区滑坡灾害与地质环境各因子不同区段（类型）的关系，以敏感性系数的灾点分析法进行统计分析，得出各因子的不同区段（类型）对滑坡灾害发育的敏感性大小和三峡工程库区斜坡地段滑坡灾害发生的优势地质环境因子组合。     

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。     

基于滑坡分类的西宁市滑坡易发性评价

以往的滑坡易发性评价多以全体滑坡为研究对象,忽视了滑坡类型的区别。各评价指标对不同类型滑坡的影响程度不同,也导致指标权重无法精确地反映其对滑坡的影响。为更准确地对滑坡灾害进行空间预测,针对西宁市滑坡特征及发育机理,将全区滑坡分为土质滑坡和岩质滑坡;在野外实际调查的基础上,结合相关性分析,选取坡度、坡向、剖面曲率、平面曲率、工程地质岩组,以及滑坡点距断层、水系、道路的距离远近等8项因素作为滑坡易发性评价指标,并通过滑坡点分布密度和滑坡点相对分布密度,分析各评价指标分别对土质滑坡和岩质滑坡的影响;利用信息量模型,计算各评价指标对两类滑坡的信息量值,利用人工神经网络模型,赋予各评价指标对两类滑坡的权重;最后基于GIS平台利用加权信息量模型对研究区进行易发性评价。通过统计方法和ROC曲线法分别计算滑坡易发性评价成功率,结果表明:评价成功率可达到82.61%和82.30%,与未经滑坡分类的成功率比较,分别提高了10.9%和5.2%;同时,经过滑坡分类后,湟水河两岸地质条件较差的地区转变为滑坡高易发区。     

基于遥感影像多尺度分割与地质因子评价的滑坡易发性区划

区域滑坡易发性的研究是滑坡空间预测的核心内容之一。从影像多尺度分割和面向对象的分类理论出发,以研究区遥感影像的熵、能量、相关性、对比度共4个参数作为影像纹理因子提取易发性特征,利用滑坡所处区域的库水影响等级、坡度、斜坡结构、工程岩组4类地质因子分析地质背景,搭建C5.0决策树的易发性分类模型,实现了对研究区内4类滑坡易发性单元的预测。结果表明：高易发性单元的工程岩组通常发育为软岩岩组和软硬相间岩组,且坡度在15°～30°之间;模型显示该区域训练样本和测试样本平均正确率达91.64%,Kappa系数分别为0.84,0.51,因此这种基于影像多尺度分割与地质因子分级的滑坡易发性分类研究具有一定的适用性。     

联合时序InSAR和滑坡灾害易发性的元阳县滑坡灾害隐患识别

目前合成孔径雷达干涉(interfermoetic SAR,InSAR)理论与技术一直处于快速发展态势,在地质灾害隐患识别方面已有阶段性的进展,但是为了提高识别的效率与准确度还需进一步的研究。因此提出一种联合时序InSAR(Interfermoetic SAR)技术和滑坡灾害易发性的方法对云阳县进行滑坡灾害早期识别。该方法通过小基线集干涉测量(Small Baseline Subset InSAR, SBAS-InSAR)技术获得该地区地表形变信息,再结合通过信息量模型以地貌类型、土地利用类型、断层距离、高程、工程地质岩组、坡度、坡向、曲率与河流距离9个评价因子作为信息量值获得的滑坡灾害易发性区划与谷歌影像分层次进行潜在滑坡灾害的识别。然后对识别结果进行验证,研究表明了该种方法在此地区应用的可行性,且研究成果为地质灾害进一步的调查提供了参考与技术支持。     

三峡库区作辑托背斜和巴东断裂与滑坡类型的关系

三峡库区作为地质灾害的多发地区,有关构造特征与滑坡之间的因果关系及相同局部构造上多个滑坡个体之间的因果关系研究很少。在应用断层相关褶皱理论方法的基础上,结合工程地质研究现状,以作辑托背斜和巴东断裂为研究重点,对局部构造与滑坡类型之间的关系进行了深入研究。结果表明：大型滑坡发生与局部构造类型及河流切割局部构造的部位相关,不仅体现于对单个滑坡的控制,更体现在对整体岸坡演化规律、个体滑坡演化因果关系的控制上。对研究区而言,滑坡的形成与作辑托背斜构造样式和巴东断裂的反转活动相关,也与长江切割局部构造位置相联系,使滑坡类型在局部地段发生根本性转变,表现出岸坡破坏发展空间演化过程有很强的方向性。     

三峡库区巫山县新城址中段滑坡的研究

移民是三峡工程成败的关键。巫山县新城址的地质问题是当前工程地质的热点问题 ,也是库区具有普遍性的问题。中段滑坡是新城址泥质灰岩整体滑坡的一部分 ,位于陡坡地带 ,形成最晚 ,结构最复杂 ,稳定性最差。滑坡的后期改造过程仍在继续 ,移民工程也严重影响着滑坡的稳定性。只有采取严格的防治措施才能进行移民工程建设。