贵州省开阳县斜坡地质灾害孕灾因子敏感性分析

开阳县地质条件复杂，区内山地灾害频发，在进行野外地质灾害调查的基础上，选取高程、坡度、坡向、工程岩组、斜坡结构、断层、水系、归一化植被指数（NDVI）8个影响因子作为斜坡地质灾害孕灾因子。基于GIS平台，采用确定性系数模型（CF）进行开阳县斜坡地质灾害孕灾因子敏感性分析，并通过敏感性指数（E）分析各因子对开阳县斜坡地质灾害的敏感性大小。结果表明:在高程515~993 m、坡度20°~50°、坡向为东南、西和西北向、软质岩组、顺向坡地区、距断层1 000 m以内、距河流800 m以内、NDVI值处于-0.098~0.181的区域，为开阳县地质灾害敏感区；坡度、岩性、坡向、距河流距离、距断层距离、高程6个因子为开阳县地质灾害的主要控制因素，NDVI和斜坡结构具有较低的敏感性；进一步分析表明，NDVI敏感程度很可能受高程1 288~1 664 m区间和北向坡向限制；斜坡结构敏感性主要受坡向东、西2个方向限制。研究成果可为开阳县地质灾害的防灾减灾工作提供参考。      

基于信息量和多层感知机分类器模型耦合的平果市斜坡类地质灾害易发性评价

广西平果市频发的地质灾害严重制约着市区的工程建设和生命财产安全。在充分收集和整理区域地质资料的基础上,通过遥感解译和现场调查,确定了平果市共发育251处斜坡类地质灾害,其中崩塌189处、滑坡62处。选择高程、坡度、坡向、曲率、工程地质岩组、距断层距离、土层厚度、距河流距离和降雨共9个因子作为评价因子,结合信息量和多层感知机分类器的优势,采用信息量和多层感知机分类器耦合模型对平果市斜坡类地质灾害进行易发性评价。斜坡类地质灾害易发性制图表明极高易发区占平果市面积的25.39%,主要分布于平果市的北部、中部和南部山区。通过ROC曲线对模型预测能力进行检验获得AUC=0.809,表明模型评价结果能够很好地预测研究区斜坡类地质灾害的发生。研究结果可为研究区的崩滑灾害风险评价和灾害防治提供科学依据。     

基于神经网络模型的斜坡地质灾害易发性评价:以吉林永吉为例

吉林省永吉县存在大量的斜坡地质灾害,为了给永吉县斜坡地质灾害的防治和预警提供高效直观的分析模型,将吉林省永吉县作为研究区,选取高程、坡度、坡向、剖面曲率、平面曲率、距断层距离、岩性、距河流距离、年均降雨量、地形湿度指数和植被覆盖指数等11个评价因子,利用神经网络模型进行区域斜坡地质灾害易发性分析,再选用频率比、支持向量机模型进行对比。利用ROC曲线对模型的准确性进行验证分析,得出神经网络、频率比和支持向量机模型的成功率分别是91. 3%、89. 3%、90. 2%,预测率分别是87. 3%、84. 3%、85. 6%。结果表明:神经网络模型的精度最高,更适用于永吉县斜坡地质灾害的易发性评价。     

基于确定性系数组合模型的区域滑坡敏感性评价

本文以四川茂县叠溪镇到石大关乡为研究区,根据野外资料并结合研究区的基本情况,选取了坡度、剖面曲率、起伏度、坡向、距河流距离、高程、地层、距断层距离、土地类型、植被覆盖度10个影响因子。以GIS技术作为操作平台,采用确定性系数+层次分析法（CF-AHP）、确定性系数+逻辑回归方法（CF-LR）和确定性系数+神经网络的多层感知器方法（CF-MLP）3种方法对研究区滑坡灾害敏感性进行评价,将该区域滑坡灾害划分为极低、低、中、高敏感区4类,并通过受试者工作特征曲线（ROC）检验模型的效果。CF-AHP、CF-LR和CF-MLP组合模型ROC曲线的线下面积（AUC）分别为0.850、0.884和0.867,CF-LR组合模型效果最好。CF-LR组合模型中,高、中、低和极低敏感区面积分别占研究区总面积的11.3%、25.1%、22.5%和41.1%。研究结果表明,高敏感区主要集中在主要水系周围与断层集中区域,计算出的敏感性分区结果与研究区实际情况接近,能够在地质灾害风险评价中起到重要参考作用。     

西藏地区崩塌滑坡影响因子敏感性分析CSCD

西藏地区地形地貌复杂,构造活动强烈,气候条件多样,地质灾害频发,对全区经济建设和社会发展的影响日趋显著。其中,崩塌、滑坡是西藏地区常见的地质灾害,为了定量分析研究区内崩塌、滑坡影响因子的敏感性,文中基于GIS与确定性系数分析方法,选取了坡度、坡向、地形起伏度、坡形、高程、距地质构造距离、河网密度、工程地质岩组等8个因子开展了崩塌、滑坡影响因子敏感性分析。分析结果表明:(1)西藏地区崩塌、滑坡影响因子高敏感性区间为:斜坡坡度大于30°,坡向为南东向、南向、南西向,地形起伏度在200~800 m/km^(2),坡形为凹形坡,高程在1500~4500 m,距地质构造距离0~3 km,河网密度>0.5 km/km^(2),代号为YJ2、TS1、TS2、BZ1的岩组,灾害与影响因子之间表现出较好的相关性。(2)影响因子间的敏感性大小:坡度>工程地质岩组>高程>坡形>河网密度>地形起伏度>坡向>距地质构造距离。研究结果对西藏地区崩塌、滑坡易发性评价工作提供了参考。     

信息量模型、确定性系数模型与逻辑回归模型组合评价地质灾害敏感性的对比研究

为探索区域地质灾害敏感性评价方法,以宁夏盐池县为研究区域,选取坡度、坡向、坡高、高程、地层、距河流距离、距道路距离、植被覆盖度等8个影响地质灾害发生的评价因子,分别采用信息量模型+逻辑回归模型(I+LR)和确定性系数模型+逻辑回归模型(CF+LR)2种组合模型对盐池县地质灾害敏感性进行评价,将该区域地质灾害划分为极低、低、中和高敏感区4类,并完成结果检验。结果表明：(1)2种组合模型得到的低、中敏感区面积基本相当,而高敏感区面积相差较大,CF+LR模型较I+LR模型高敏感区面积增加约5336 km2,而极低敏感区面积减少约6%;(2)2种组合模型的合理性均符合检验要求,且ROC精度检验AUC值分别为0868和0829,渐进Sigb均小于005,表明2种组合评价模型都能较为客观准确地评价盐池县地质灾害敏感性;(3)ROC检验精度与盐池县地质灾害发育情况均表明I+LR模型精度更高。     

基于斜坡单元的山区城镇滑坡灾害易发性评价：以康定为例

山区地质灾害易发性评价对城镇地质灾害风险管理具有重要意义。本文以康定市为例,以斜坡单元为最小评价单元,选取高程、坡度、坡向、曲率、工程地质岩组、距道路距离、距断裂距离、距水系距离和斜坡结构等9个滑坡影响因子,根据各因子滑坡面积比曲线与证据权值曲线的突变点,划分滑坡影响因子二级状态,并对各影响因子进行相关性分析,剔除相关性较高的距道路距离因子,在此基础上,采用证据权模型进行滑坡易发性评价。对已有治理工程的斜坡单元,本文尝试利用折减系数法对其易发性进行进一步评价。结合现场调查,将研究区滑坡易发性程度划分为：极高易发、高易发、中等易发、低易发。评价结果表明,自然工况下极高易发区主要位于康定市炉城镇以及研究区北侧二道桥村一带,高易发区主要位于雅拉河、折多河与瓦斯沟河谷两侧,对治理工程所在的斜坡单元进行折减后,极高易发区面积由11.21%降至8.42%,滑坡比率由4.03降低至2.3,研究结果符合实际情况,模型精度达77.8%。评价结果较好地反映了康定市区的滑坡易发性分布情况,可为城镇精细化评价提供一定的参考依据。     

基于斜坡单元尺度AHP-信息量模型的重点区域地质灾害风险评价——以贵州省紫云县中部重点区为例

以紫云县重点区域为例,通过划分斜坡单元作为评价单元,运用AHP-信息量模型,结合GIS分析建立了基于斜坡单元尺度的重点区域地质灾害风险评价体系。通过选取符合区域孕灾地质条件及地质灾害形成机理的坡度、坡高、地层、斜坡结构、河流距离、构造距离、降雨、人类工程活动等评价因子对重点区域进行地质灾害危险性评价,最后通过叠加易损性评价结果形成不同降雨频率下的地质灾害风险评价成果。基于斜坡单元尺度AHP-信息量模型的地质灾害风险评价相较栅格法和传统信息量法,避免了夸大平坝区及无人区地质灾害风险等级的不合理结果,其充分考虑了评价因子在评价体系中的重要程度及影响情况,且增加了相似孕灾条件下的地质灾害样本以确定信息量值,经验证评价结果准确可靠,同时其成果能做到以斜坡为单元开展地质灾害精准防治。     

基于贡献率权重法的区域滑坡影响因子敏感性分析

滑坡影响因子是区域滑坡危险性评价的基础,而因子的敏感性直接反应评价过程中权重大小,因此因子敏感性的精度将影响着评价结果的精度。本文以平昌县滑坡灾害为例,选取坡度、地层、高差、高程、坡形五个因子作为滑坡灾害的敏感性分析因子,采用贡献率权重法对研究区滑坡灾害影响因子的内部敏感性及因子间敏感性进行分析,该评价方法结构简单,不受地域限制,能客观的反应出各评价因子间以及因子内对地质灾害的敏感性。分析结果显示:选取的5个指标敏感性大小依次为:坡形坡度地层高差高程;在各评价指标内部中,坡度10°~30°、侏罗系下统蓬莱镇组上段地层、高差4.94~12.36 m、高程300~800 m、凸形与直线形坡是滑坡发生的高敏感区间。     

基于CF和Logistic回归模型的广东省地质灾害易发性评价

在研究广东省崩塌、滑坡、泥石流孕灾环境的基础上,选取高程、坡度、地质年代、岩性、距断层距离、距水系距离、归一化植被指数(NDVI)7个因子作为地质灾害易发条件因子。首先利用CF模型计算出7个因子各分类级别的CF值,然后将各因子的CF值作为自变量,是否发生地质灾害作为因变量,利用Logistic回归模型得到各因子的回归系数。再对各因子之间的独立性进行检验,所选7个因子都符合独立性检验条件,全部进入到逻辑回归方程中,计算出各独立单元发生崩滑流地质灾害的概率。根据计算结果将广东省崩滑流地质灾害易发程度划分成四类:极低易发区(16.63%),低易发区(28.65%),中易发区(32.57%),高易发区(22.15%)。评价模型的合理性和精确度都符合检验要求,说明采用确定性系模型和逻辑回归模型能够较为客观准确地评价广东省地质灾害易发性。     

伊犁河谷主要交通线路两侧工程扰动灾害易发性评价

伊犁河谷是新疆地质灾害易发区和重灾区,进行相应的地质灾害易发性评价,可为防灾减灾提供依据。该区交通线路由于跨度大,沿线工程地质条件复杂,极易发生扰动灾害。遥感解译显示,伊犁河谷主要交通沿线分布有179处工程扰动灾害。基于ARCGIS软件,利用层次分析法,选取高程、坡度、坡向、地表起伏度、工程地质岩组、PGA、距断层距离、距道路距离、距河流距离这9个评价因子对伊犁河谷主要交通线路两侧5 km范围内工程扰动灾害易发性进行评价。权重值显示坡度对工程扰动灾害影响最大,易发性分区结果与实际灾害分布相符合。统计显示,在占总面积15%的高与极高易发区内分布有67%的灾害,表明分区结果较合理。     

基于信息量模型的地质灾害易发性评价:以川东南古蔺县为例

地质灾害威胁着山区人民生命财产安全,进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险.以川东南古蔺县为例,基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子,采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后,进一步利用ArcGIS单元统计功能对...     

西藏吉隆县地质灾害及其影响因素分析

2015年"4·25"尼泊尔地震后,调查发现吉隆县境内有183处地质灾害,主要为崩塌、滑坡和泥石流。调查发现地质灾害主要是中、小型地质灾害,其中小型占65.55%,中型占29.5%。吉隆县震后地质灾害分布极不均匀,地质灾害主要集中在吉隆镇、贡嘎镇和贡当乡,这三个乡(镇)占81.41%。调查发现高程、坡度、坡向、地层岩性及地震烈度影响灾害空间分布,并且每一种影响因子对灾害形成的作用差异较大。其中高程1 000～2 000 m敏感性最高,随着高度的增加,敏感性逐渐降低;坡度对灾害的敏感性系数整体较低,其中在0°～15°及45°以上范围内,坡度对灾害敏感性较强;地质灾害在西坡向上分布数量及敏感性最大,而在北坡向上分布数量及敏感性最低;地质灾害主要发生在第四系,而上第三系、奥陶系、石炭系则灾害数量极少。可见不同影响因子对地质灾害的影响差异较大,震后需要根据具体情况分类分析,研究结果将为震后灾害预测及灾后重建提供参考。     

基于Logistic回归与随机森林的和龙市地质灾害易发性评价

为了科学地进行地质灾害易发性分析,基于和龙市地质灾害调查与区划,结合地质灾害分布规律和影响因素,综合考虑地形、地质、气象水文、土壤植被和人类工程活动5个因素,结合GIS技术与方法,提取高程、坡度、坡向、曲率、岩性、与断层距离、降雨量、与水系距离、NDVI(归一化植被指数)、土壤质地、水力侵蚀、人口密度、与道路距离等13个致灾因子,利用Logistic回归与随机森林模型进行地质灾害易发性评价,获得了区域地质灾害易发性分区图。其中,随机森林模型的结果表明：极低易发区面积占比最高,达56.98%,多位于研究区南部,高、极高易发区面积占比共12.89%,位于中部与东北部,该区是地质灾害预防和管理的关键区域;NDVI、高程、人口密度和降雨量等是灾害发育主要影响因素,累积贡献率为58.12%。Logistic回归和随机森林模型的ROC(受试者工作特征)曲线、已有灾害密度统计等验证结果均表明易发性分析和分区与实际灾害分布情况吻合度高,其AUC(ROC曲线下面积)值分别为0.856和0.907,说明两种方法均可实现有效预测,均具有较好的适用性,而随机森林模型表现出更高的准确性与稳定性,预测性能优于Lo...     

嘉陵江流域北碚段基于GIS平台的地质灾害易发性评价

基于GIS平台．选取坡度、岩性、河流距离、曲率共4个地质灾害致灾因子,采用多因子综合分析方法,对嘉陵江流域北碚段进行地质灾害易发性分区。按照地质灾害的易发性分级,将2343．6km^2范围的研究区划为4类,其中低易发区面积为141．82km^2,中易发区面积为1162．47km^2,高易发区面积为914．95km^2,极高易发区面积为124．38km^2。最后应用野外地质灾害调查结果对分区结果进行验证,位于极高易发区与高易发区的灾害点分别占全部灾点的59．7％与28．2％,共为87．9％,且几处大型的滑坡、堆积体、危险库岸都位于极高易发区．表明研究成果比较客观。     

逻辑回归和信息量模型在山区滑坡易发性评价中适宜性的分析

以万山区为例,在区域滑坡孕灾条件的基础上,筛选工程地质岩组、斜坡结构、平均坡度、地貌、距构造距离及距河流距离共6个易发条件因子,选取逻辑回归模型和信息量模型对山区滑坡进行易发性评价。结果显示逻辑回归模型中中高易发区面积占比分别为1578%和1970%,82%的地质灾害点落在该区域内;信息量模型中中高易发区面积占比为1241%、2519%,包含了区域88%的滑坡灾害点。最后通过实际发生的灾害点在各易发区的分布情况进行检验,逻辑回归模型中灾害点落在高易发区的比例远小于信息量模型,且高易发等级中灾害点实际发生的比值较小,说明针对山区区域滑坡地质灾害易发性评价结果预测上,信息量模型的评价结果更为客观准确。     

国道213汶川—松潘段滑坡隐患遥感识别与易发性评价

国道213汶川—松潘段位于强震山区,滑坡灾害频发,每年都会因滑坡灾害导致交通中断,迫切需要查明沿线滑坡隐患的空间分布,并对其易发性进行评价。利用光学遥感和InSAR综合遥感技术对沿线滑坡隐患进行识别,共识别滑坡隐患288处,其中InSAR探测出有形变的滑坡隐患点27处。以识别出的滑坡隐患为评价样本,选取高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数(normalizied difference vegetation index,NDVI)、距道路距离、距河流距离、距断层距离等9个影响因素作为评价因子,采用Logistic回归模型评价该沿线滑坡隐患易发性,评价结果可为国道213汶川—松潘段滑坡灾害防治提供参考。     

青海省河湟谷地地质灾害易发性评价

地处青藏高原东北缘的黄河与湟水谷地,由于剧烈的地质活动、 较大高差与强烈水力作用等,使得地质灾害非常频繁,为明确该区域的地灾易发性区划,选取地貌、坡度、坡高、植被、岩性、降雨量和距断层、距河流、距道路等因子构建评价指标体系,采用信息量模型计算崩塌、滑坡、泥石流及其综合地质灾害易发性指数,将研究区地质灾害易发性划分为极高...     

秦巴山区地质灾害发育规律研究——以镇巴县幅为例

以镇巴县幅为例,通过现场地质灾害调查、无人机航拍、室内遥感解译的方法,统计斜坡地质灾害的分布与地貌、坡度、坡向、斜坡结构类型、水系与公路的相关性,得出以下结论：1）斜坡灾害发育与地貌紧密相关,低山区与中山区斜坡地质灾害占灾害总数的96.97%.2）斜坡灾害主要分布在20～40°坡度区间内,灾害数目占总斜坡灾害数目的75.76%.3）41%的斜坡灾害分布在东、西两个方向斜坡上.4）顺向坡最易发育地质灾害,顺向坡地质灾害数量占总数的33%.5）河流对地质灾害有很强的控制作用,45.45%的地质灾害发生在距河流200 m范围内.6）研究区内斜坡灾害与人类工程活动特别是修建公路有很强的相关性,公路两侧50 m范围内发育斜坡灾害数量占总数的55.56%.结合研究区地质灾害发育规律及遥感影像特征,总结出一套适用于陕南秦巴山区的斜坡灾害识别方法,可为防灾减灾及灾害识别提供技术支持.     

基于SVM的地下采煤区沉陷灾害发育敏感性分区研究

地下采煤区沉陷灾害发育重点区预测目前尚无固定程式,且敏感区预测结果存在不确定性较大的问题。以山西省太原市西山地区沉陷灾害为研究对象,分别以2012年和2014年核查编录的沉陷灾害数据为建模数据和验证数据,以高程、坡度、坡向、地势起伏度、地面曲率、地层岩组、地质构造为敏感性评价因子,综合运用GIS空间分析、统计分析和支持向量机(SVM)等方法,构建了4种核函数SVM沉陷灾害敏感性分区预测模型,分别从模型的评价因子权重、模型优选、敏感性分区预测结果、预测精度和模型适用性进行了分析。结果表明:多项式核函数SVM模型(PL-SVM)的训练精度(受试者特征曲线下面积AUC=0.854)与验证精度(AUC=0.755)均较高,模型预测能力良好,是4种模型中表现最好的模型,所划分敏感性分区结果合理,极高与高敏感区以较小面积分布较多沉陷灾害点,而低敏感区则以较大面积分布极少沉陷灾害点。PL-SVM模型预测的太原西山地区沉陷灾害发育极高、高、中和低敏感区的面积占比分别为:20.19%、17.43%、21.18%、41.20%,频率比值与敏感性等级之间呈良好的正相关,符合线性函数关系。PL-SVM模型敏感性评价结果可靠,适用性好,对地下采煤区沉陷灾害发育特征研究及灾害普查重点区预判具有参考意义。