基于大数据挖掘的山区公路沿线滑坡易发性小区划

本文目的是基于滑坡灾害因子地理空间数据、历史滑坡大数据分析,构建山区公路沿线滑坡易发性精细化评价的逻辑回归模型。选取高程、坡度、坡向、坡位、微地貌、曲率、顺逆向坡、归一化植被指数、岩性、距水系距离、距断层距离、距道路距离、多年平均降雨13个因子作为滑坡易发性影响因子,以30 m精度栅格建立影响因子地理空间数据库。在研究区域441个历史滑坡数据的基础上,将地理空间分划分为滑坡区与非滑坡区,分别随机选取70%的滑坡区域与非滑坡区作为训练数据集,剩下的30%作为验证数据集。通过样本数据集的训练,建立逻辑回归分析模型。利用训练好的逻辑回归模型,对整个研究区滑坡易发性进行仿真预测。结果显示,滑坡极低、低、中、高、极高易发区面积分别占42.24%、18.42%、17.57%、16.37%、5.41%,高、极高易发区与历史滑坡位置吻合度高;训练数据集、验证数据集以及区域仿真的ROC曲线AUC值分别为0.89、0.83、0.87,评价模型具有较高的稳定性与可靠性;新近发生的3个典型滑坡均处于高或极高易发区,模型具有良好的预测功能。     

基于不同评价单元的滑坡易发性评价对比研究

为了探寻不同评价单元对滑坡易发性评价结果准确性的影响,分别将研究区划分为12949个斜坡单元和27017398个网格单元。选取高差、坡度、坡向、坡形、距断层距离、工程地质岩组、距河流距离和距公路距离8个评价因子,采用信息量模型对岷江上游滑坡进行易发性评价。对2413处滑坡灾害点在不同易发性等级中的分布情况进行数理统计和ROC曲线精度检验,结果表明:极高易发区和高等易发等级,网格单元灾害比例为76.92%,斜坡单元为78.82%,网格单元极高易发区灾害点比例比斜坡单元低10%;极高易发区斜坡单元灾害密度比高于网格单元,极低和低易发斜坡单元低于网格单元,斜坡单元的评价结果更为合理;采用ROC曲线对评价结果进行检验,斜坡单元AUC值高于网格单元,斜坡单元能以较小的研究区面积包含较多灾害数量,说明斜坡单元的评价结果比网格单元更为合理与准确。     

基于GD-SPCA的京津冀城市群地质灾害易发性评价

对区域地质灾害准确地进行定量易发性评价对于区域未来可持续发展具有重要的意义。针对现有研究存在指标选取时较少考虑不同因子的重要性程度、评价方法主观性较强等不足,该文结合地理探测器(Geodetector,简称GD)和空间主成分分析法(Spatial Principal Component Analysis,简称SPCA),提出一种新的地质灾害易发性评价方法及评价指数(Geological Hazard Susceptibility Index,GHSI)。以京津冀城市群为研究区,运用等距划分法、空间自相关分析法以及统计方法等对结果进行定量分析。结果表明：(1)高程与坡度是主要影响因子,其q值分别为0.398 0和0.334 0;而坡向对地质灾害影响程度极低,q值仅为0.001 9;(2)京津冀城市群GHSI均值为0.453 8,整体属于中度易发等级。从空间上看,高值区主要位于燕山及太行山区,而低值区主要位于冀东平原及坝上高原西部区域;(3)京津冀城市群GHSI值表现出显著的空间正相关性,其全局空间自相关指数值为0.814 2。因此,GHSI值主要以高-高聚集和低-低聚集为主,且高-高聚集...     

确定性系数与地理探测器模型耦合的泥石流易发性评估方法研究∗——以安宁河流域为例

通过确定性系数与地理探测器模型耦合的方法研究耦合模型对泥石流灾害易发性评估的影响。基于遥感判识和野外考察确定安宁河流域内的 198 条泥石流沟作为评估样本,选取坡度、地面峰值加速度、地形起伏度、地层岩性、植被覆盖度、植被类型、地形湿度指数以及地貌演化指数作为评价因子,耦合确定性系数和地理探测器模型,分别计算各评价因子分级取值和因子权重,进行安宁河流域泥石流易发性等级分区。研究结果表明：(1)地理探测器方法定量分析安宁河流域内泥石流发育的主要贡献因子为地面峰值加速度、地形起伏度和坡度。(2)泥石流极高易发区和高易发区分别占流域总面积的 9.67% 和 12.02%,高易发区主要分布在安宁河流域两岸且呈条带状分布。 (3)利用 ROC 曲线对泥石流易发性评估精度进行验证,耦合模型的 AUC 值达到 0.824,相比单种模型 CF 模型的评估精度 0.786 提升了 4.8%,具有更高的准确率,评价效果更优。     

基于信息量⁃Scoops3D联合模型的地质灾害易发性评价∗

贵渝管道沿线地势险峻、构造活跃、雨量集中,崩滑流等地质灾害十分发育,科学开展管道沿线地质灾害的易发性评估工作对确保其安全运行至关重要。本研究在查明管道沿线自然地质环境及地质灾害分布的基础上,结合管道沿线地形地质特征、管道展布与斜坡体的相互空间位置关系划分了 101 段适合管道工程特点的评价单元,基于信息量数理统计模型与 Scoops3D 物理力学模型对管道沿线地质灾害的易发性进行了评价。评价结果表明管道沿线地质灾害的高易发区主要集中在遵义及桐梓县附近,其中 7 段处于极高易发区,26 段处于高易发区,20 段处于中易发区,30 段处于低易发区,18 段处于极低易发区。通过 ROC 曲线分别求得信息量、Scoops3D 以及二者联合模型的 AUC 值分别为 0.796、0.683 和 0.803,结果表明信息量-Scoops3D 联合模型的评价准确性最高。     

基于加权信息量和迭代自组织聚类的地质灾害易发性评价

以三峡库区忠县-方斗山地区为研究对象,首先选取坡度、坡向、坡高、岩土体类型、坡体结构、构造、水的作用、人类工程活动等8个评价因子建立地质灾害易发性评价指标体系,并对因子状态进行分级;然后,采用层次分析法计算各指标因子的权重,应用加权信息量模型进行地质灾害易发性评价;再者,利用迭代自组织聚类模型对地质灾害易发性评价结果进...     

基于优化MaxEnt模型的高山峡谷区地质灾害易发性评价——以云南省德钦县为例

高山峡谷区滑坡、泥石流、崩塌等地质灾害频发,严重威胁当地居民的生命财产安全。选取云南省德钦县为研究区,基于328个地质灾害分布点数据和9个环境变量,利用R语言的kuenm数据包对MaxEnt模型的主要影响参数调控倍频(Regularization Multiplier,RM)和特征组合(Feature Combination,FC)进行调整,选择最优模型对德钦县地质灾害易发性进行分区,同时采用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)评价模型精度,采用刀切法分析各环境变量的权重。结果表明：(1)基于优化MaxEnt模型的滑坡、泥石流、崩塌的ROC曲线下面积(Area Under Curve,AUC)值分别为0.948、0.957、0.944,说明预测结果精确可靠。(2)研究区滑坡、泥石流、崩塌的高、极高易发区分别占总面积的9.93%、5.81%、8.52%,三类灾害综合易发区的高、极高易发区占总面积的8.25%,主要集中在研究区西部、东部以及东南部的公路沿线。在所有环境变量中,高程和距公路距离是研究区地质灾害发生的主要驱...     

基于频率比模型和随机森林模型耦合的地质灾害易发性评价

目前利用机器学习进行易发性评价时,非地质灾害单元通常是在研究区范围内随机选取,会导致部分非地质灾害单元落在潜在地质灾害单元之上,造成模型评价结果偏差,所以非地质灾害单元的有效选取成为当前易发性评价的难点问题。以浙江省长兴县李家巷镇为研究区,选取高程、坡度、坡向、剖面曲率、岩组、距水系距离、距断层距离、归一化植被指数和土地利用这9个环境因子作为评价指标,利用频率比模型(frequency radio, FR)进行非地质灾害单元的选取,然后选用随机森林模型(random forest, RF)进行地质灾害易发性评价,并与未经有效筛选非地质灾害单元的RF模型结果进行对比分析。结果表明,与RF模型相比,FR-RF模型的特异性(Specificity)提升了9.51%,说明对非地质灾害单元的预测能力显著提升,同时敏感性(Recall)提升了13.71%,说明对地质灾害单元的预测性能也大幅提升,受试者工作特征曲线下的面积(area under curve, AUC)和准确率(Accuracy)分别提高了6%、11.66%,模型整体性能及预测能力得到改进;地质灾害极高和高易发区主要分布于存在碎屑岩和...     

基于层次分析法的绵阳市地质灾害易发性评价

在对层次分析法(AHP)作了简要的介绍后,阐述了该方法应用于地质灾害易发性评价的过程及步骤,并在此基础上运用AHP建立了地质灾害易发性综合评价的层次分析结构模型及其判断矩阵,从而确定了影响地质灾害易发程度因子的权重,建立了地质灾害易发性单灾种评价及区域地质灾害易发性综合评价的数学模型.绵阳市地质灾害易发性评价应用说明,该方法是比较合理、有效的,具有较高的预测精度,评价结果与实际地质灾害发育区的拟合率大于90%.     

考虑土层深度分布的浅层滑坡危险性评价——以陕西秦巴山区为例

以广城幅(1:10 000)为例,利用背包钻机获取土层深度,以坡度、曲率及湿度系数为因子,通过统计回归分析建立不同因子组合的土层深度推估公式。运用TRIGRS程序进行浅层滑坡危险性评价,并结合分类误差矩阵探讨不同土层深度模型对危险性评价结果的影响。研究结果表明:简单回归,以坡度为因子作指数回归结果为最佳,多重回归同时考虑了三种因子,其结果优于所有简单回归的结果。恒定深度模型的滑坡预测正确率极低,坡度单因子模型的预测精度为80.38%,成功率曲线下面积(AUC)为0.695,复合因子模型的预测精度为81.26%,成功率曲线下面积为0.744,说明复合因子模式评价结果更为准确。     

基于信息量与多模型耦合的碎屑岩区滑坡易发性分区评价

滑坡是一种典型的地质灾害,在我国南部湿热条件下,碎屑岩区滑坡的形成机制有别于其他地区。因此,碎屑岩区滑坡的识别及预警较为复杂,需有系统性及针对性。以碎屑岩区的广西来宾金秀瑶族自治县范围内的滑坡为研究对象,选取岩性、坡度、坡向、地形起伏度等10个致灾影响因子,通过信息量模型(I)与逻辑回归模型(LR)、随机森林(RF)、BP神经网络(BP)、卷积神经网络(CNN)等4种模型的耦合,以此构建出相应的易发性评价模型,同时对其精准性进行有效评价,进而在研究区范围内进行滑坡易发性分区。研究表明,信息量与BP神经网络耦合模型的ROC曲线AUC值最大(0.94),因此,可用此方法进行碎屑岩区的滑坡易发性分区。最后,通过评价可知,研究区的滑坡高易发区主要集中在路网和水系两侧。文中针对碎屑岩区的滑坡易发性分区进行了一次有效探索,可为当地防灾工作提供一定依据,也可为类似区域的滑坡防治提供一种思路。     

基于加权信息量模型的藏东南地区滑坡易发性评价

藏东南地区位于青藏高原中东部,地形和地质构造都极为复杂,是我国地质灾害发育最为严重的地区之一。在区域地质灾害调查和相关因素分析的基础上,对藏东南地区滑坡发育特征进行了分析。滑坡影响因素相关性分析结果表明:研究区内滑坡多发育于较坚硬—较软弱层状砂板岩、粉砂岩、泥岩、页岩岩组,较硬层状砂岩、灰岩岩组,松散堆积物岩组内,以及地形坡度大于45°,高程2 500~4 000 m区域内;滑坡发育密度受断裂影响大,随着断裂密度的增大,其与河流、道路距离的减小而增大。根据上述分析结果,综合选取地层岩性、坡度、坡向、地面高程、断裂密度、河流和公路7个因素作为评价因子,采用基于GIS的加权信息量评价模型对研究区滑坡易发性进行评价,并将研究区划分为极高易发、高易发、中易发、低易发和不易发等五个等级,通过成功率曲线(AUC)方法检验,评价结果具有较高的准确性。其中,极高易发区主要沿嘉黎断裂、怒江断裂和澜沧江断裂等区域大型活动断裂带和主干河流两侧分布;高易发区主要分布在主干河流两侧极高易发区边界向两侧扩展的区域;中易发区主要位于大江、大河及深切峡谷的支流两岸,及断裂密度相对较大的区域;低易发区主要在水系发育程度较低、断裂密度较小的区域分布;不易发区主要分布在断裂不发育、人类工程活动微弱的高山地带以及地形相对平缓的区域。此评价结果对藏东南地区滑坡发育特征和重大滑坡灾害防治规划具有重要的指导作用。     

米林震后地质灾害空间分布特征及易发性分析

2017年11月18日西藏米林发生M_S6.9级强震并引发严重的次生地质灾害。为研究其地质灾害的空间分布规律,利用遥感技术提取该区域的滑坡、崩塌等灾害信息。在此基础上,引入高程、坡度、坡向、地层岩性、水系和断层等六种地震触发的地质灾害影响因素,并利用层次分析法(AHP)确定各影响因素在地质灾害易发性评价中所占权重,得到了研究区地质灾害易发性空间分布图。结果表明,该研究区地质灾害总面积达到32.77 km~2,并以中小浅层滑坡和崩塌为主,且55.6%的地质灾害位于极易发区。     

基于确定性系数分析方法的秭归县滑坡易发性评价

滑坡易发性研究对地质灾害的防治工作具有重要意义。以三峡库区秭归县为研究区域,选取坡度、高程、岩性、土地利用、距水系距离等滑坡因子,采用确定性系数方法分析了滑坡关于各影响因子的易发程度。在此基础上进行了滑坡易发性评价与制图,根据自然间距分类方法将评价结果分为极低、低、中、高和极高5个等级,它们依次占研究区域面积的8.80%,18.89%,25.62%,25.07%和21.62%。评价结果表明,极高和高易发区主要分布于长江干流与支流两岸,与实际分布情况吻合,研究结果对防灾减灾工作具有实用意义。     

频率比与信息量模型在黄土沟壑区滑坡易发性评价中的应用与比较

本文以地处黄土沟壑区的皋兰县部分区域为研究对象,选取了高程、坡度、坡向、平面曲率、岩性、河流、水流强度指数和建筑物作为滑坡的评价因子,基于GIS的数据分析技术,利用频率比和信息量模型对其进行滑坡易发性评价,并对结果进行等级划分。最后,通过ROC曲线和密度法,对2种模型的评价结果进行精度检验和对比分析。结果表明:信息量模型的评价结果优于频率比模型的评价结果,其更适合于该区域滑坡易发性的定量评估;研究区滑坡的分布主要受控于高程和建筑设施;高、极高易发区域集中分布于低高程区域和距建筑物250m范围内。所得到的滑坡易发性分区结果可为该区域的滑坡灾害防治和土地规划利用提供参考依据。     

延河流域加权信息量法地质灾害分区研究

以延河流域为例,依据区县地质灾害详细调查资料,建立GIS地质灾害数据库,包含地理数据、基础地质数据、地质灾害点数据和栅格数据,选取坡度、坡型、植被、河谷地貌、地层、降雨量、道路距离、居民点8因素,采用加权信息量法进行地质灾害易发性分区研究。结果表明,延河流域高易发面积为1 664.96 km~2,占流域总面积的19.2%,灾害点有486处,灾害点密度为0.29处/km~2;中易发面积为3 102.02 km~2、占流域总面积的35.8%,灾害点有300处,密度为0.10处/km~2;低易发面积为3 888.99 km~2,占流域总面积的44.9%,灾害点有171处,密度为0.04处/km~2。     

基于有效降雨阈值的鄂西山区五峰集镇滑坡危险性评价∗

五峰集镇地质环境背景条件复杂，特别在汛期降雨影响下滑坡地质灾害频发，因此开展五峰集镇滑坡空间预测评价和降雨阈值研究，不仅对研究区滑坡的防灾减灾具有实际指导意义，同时对基于降雨阈值的滑坡危险性评价方法研究也具备较好的参考价值。本文以降雨型滑坡多发的五峰集镇为例，利用地理探测器法准确选取研究区评价因子，综合层次分析模型与 BP 神经网络模型计算全区易发性指数，得到基于斜坡单元的滑坡易发性分区；同时，统计每个滑坡点的降雨历时及有效降雨强度，分析研究区滑坡的致灾雨型，绘制诱发鄂西山区滑坡灾害发生的临界降雨 I‐D 阈值曲线，得到设计工况下的时间概率；综合易发性分区和时间概率得到基于有效降雨阈值的鄂西山区五峰集镇滑坡危险性分区图。研究结果表明：五峰集镇滑坡高和极高易发区占研究区总面积的 27.12%，主要分布于研究区大型河流两岸；五峰集镇滑坡发生 10%、50%、75%概率的阈值曲线分别为 I = 31.42 × D^{-0.786 94} 、I = 68.11 × D^{-0.786 94} 、I = 84.74 × D^{-0.786 94} ；五峰集镇滑坡高和极高危险区占研究区总面积的 19.33%，主要分布于研究区中部及东南部河流两岸。本文所构建的五峰集镇滑坡危险性评价体系，以及适用于鄂西山区的基于降雨阈值滑坡危险性评价方法，能够为山区地质灾害防控以及危险性评价研究的不断完善提供有益参考。     

考虑植被因素的林地浅表层滑坡易发性评价——以川东华蓥市山地为例

选取川东华蓥市东部山区林地作为浅表层滑坡研究区域，采用综合评价法和权重分析方法，构建林地浅表层滑坡易发性评价指标体系，分析研究区内林地浅表层滑坡的主要影响因素，并探讨浅表层滑坡易发性空间分布特征。结果表明：工程地质岩组、坡度、平面曲率、剖面曲率、土层厚度是浅表层滑坡发生的主要影响因子，除此之外，在林地中平均树龄、林分类型等植被因子也是重要的影响因子；通过历史滑坡点的验证得出评价模型的准确率达到92.37%,考虑植被因子的综合评价模型适用于林地浅表层滑坡易发性评价；在考虑植被因子的条件下，易发性评价结果显示高易发性及以上的区域的易发性指数大于6,面积为38.75 km~2,占研究区总面积的22.00%,其主要分布在研究区西侧与平原交界的山脉一带，与软弱岩组的空间分布一致。     

证据权法在滑坡易发性分区中的应用——以贵州桐梓河流域为例

应用证据权法对研究区进行滑坡易发性分区。主要数据源有:历史滑坡灾害点编录数据、地质图、地形图、数字高程模型。首先对数据源进行处理,生成地层岩性、离断层距离、高程、坡度、坡向、离道路距离、离河流距离7个证据图层。应用Arc GIS平台,将各证据图层与滑坡灾害点图层进行叠加分析,利用累积权重法对连续数据进行分级,然后求取对连续数据及分类数据因子等级对滑坡灾害贡献的权重值,然后对各证据图层两两进行条件独立性检验,选择4组证据图层组合,参与最终易发性指数计算,得到4幅易发性结果图。应用成功率曲线法对计算结果进行验证,表明由因子组合1得出的计算结果,为最优的因子组合。根据易发性指数将研究区分为高易发性、中等易发性、低易发性三类,并将分区图与历史灾害点进行叠加分析,结果表明评价结果与灾害点分布较为吻合,说明证据权法应用与滑坡灾害易发性分区的可行性。     

基于组合赋权理论的泥石流孕灾因子分析

针对地质灾害易发性评价指标识别与构建的问题,以准确获取吉林省泥石流孕灾因子权重系数为目标,采用"3S"技术获取大量数据为基础,选取对吉林省泥石流易发性有显著影响的地貌、坡度、地势高程等7个孕灾因子,首次将偏好比率法与粗糙集理论组合赋权并优化,分析吉林省泥石流孕灾因子权重,并将分析结果与以往所采用的方法所取得的权重结果进行对比,结果表明:坡度、植被覆盖率、地势高程、人口密集度因素对吉林省泥石流发育影响较显著,与以往方法相比,植被覆盖率对吉林省泥石流易发性的影响显著提高,岩组的影响显著降低,在ARCGIS平台下开展评价,证明该方法取得结果与实地灾情较好吻合。研究成果对地质灾害风险评价及防灾减灾具有重要参考价值。