基于SVM-LR模型的滑坡易发性评价——以临潼区为例

以临潼区作为研究区,在收集资料的基础上,选取12类影响因素作为评价因子,采用滑坡相对点密度分析滑坡点与评价因子的空间分布关系,通过Spearman对因子相关性进行分析,剔除地形起伏度因子;分别采用支持向量机模型(support vector machine,SVM)与逻辑回归模型(logistic regression,LR)对区内滑坡易发性进行评价,评价结果表明:SVM、LR模型的预测准确率分别为81. 8%、86. 4%。在此基础上,通过建立max{LSI(SVM)、LSI(LR)}函数,提出SVM-LR模型并用于研究区滑坡灾害易发性评价中。最后采用受试者特性曲线(receiver operate curve,ROC)对3种模型的预测精度进行检验与对比,检验结果表明:SVM-LR模型的成功率与预测率均高于SVM、LR模型,在极高易发区—高易发区内,滑坡灾害点所占百分率提高了2. 8%。研究结果可以为滑坡易发性评价提供一种新的思路。     

基于证据权和支持向量机模型的威信县滑坡易发性评价

滑坡易发性评价研究对滑坡灾害防治具有重要意义。多模型耦合在滑坡易发性评价中运用广泛,但将(Weight of evidence,WOE)和支持向量机模型(Support Vector Machine,SVM)模型耦合进行滑坡易发性评价研究较少。以滇东北山区威信县为研究区,选取坡度等12个滑坡评价因子建立滑坡易发性评价指标体系,根据证据权计算得到证据权对比度、滑坡栅格占比和分级栅格占比,对指标因子进行分级,构建WOE-SVM模型计算得到滑坡易发性指数(Landslide susceptibility index,LSI),利用GIS平台得到研究区易发性分级图。结果表明：滑坡极高和高易发区主要分布河流流域和人类工程活动频繁区域,SVM和WOE-SVM模型评价结果与滑坡空间位置分布基本一致,但耦合模型精度高于单一SVM模型,其评价结果也更加合理有效,可为当地滑坡灾害的治理与预防提供一定参考价值。     

基于CF融入SSA优化SVM和RF模型的滑坡易发性评价

针对传统的区域滑坡易发性评价建模过程可能存在的样本数据量纲不统一以及模型参数选取误差等问题,本文以陕西省留坝县为研究区,选取高程、坡度、水系、降雨量、地层岩性等10个评价因子,采用确定性系数模型(CF)计算各评价因子的敏感值作为支持向量机模型(SVM)和随机森林模型(RF)的输入样本属性值,引入麻雀搜索算法(SSA)分别对SVM模型和RF模型的参数进行优化,获取最优参数对两种模型进行训练,最终构建了CF-SSA-SVM和CF-SSA-RF模型,从而对整个研究区进行预测,完成滑坡易发性评价,并通过受试者工作特征曲线(ROC)对两种模型进行精度验证。结果表明,两种模型的评价结果均有较多滑坡点落在极高易发区,无滑坡点落在极低易发区,评价结果均有较高的准确率。其中,CF-SSA-RF模型的成功率和预测率曲线AUC值分别为0.994和0.940,高于CF-SSA-SVM模型;并以三处典型滑坡为例进行验证,结果显示易发性分区与历史滑坡点分布较为吻合。进一步表明CF-SSA-RF模型更适用于留坝县的滑坡易发性评价,为当地滑坡灾害风险评估提供了指导依据。     

震后地质灾害易发性评价——以映秀震区为例

2008年汶川大地震诱发了数以万计的地质灾害,特别是在震中映秀附近,同震滑坡形成了大量松散物质堆积于沟道和山区斜坡上,为震后泥石流的发生提供了良好的物源条件,同时也有大量同震滑坡堆积体在震后发生复活。为了研究震后滑坡地质灾害发生的控制因素并进行易发性分析,对震中映秀附近2008年同震滑坡及2009年震后滑坡进行了遥感解译与野外调查复核。在此基础上,选取岩性、同震滑坡面密度、坡度、坡向、高程、相对高差、距河流距离和径流强度指数,8个因子作为震后滑坡地质灾害易发性评价的因子。利用确定性系数(certainty factor, CF)法和逻辑回归方法,定量评价了汶川震中区域震后地质灾害易发性,并对两个模型精度进行了比较。将研究区划分为193个小流域单元,将各评价因子进行分级,计算出各分级的CF值,并基于ArcGIS平台分别将CF值叠加得出各流域单元的CF值;利用SPSS计算各因子分级的标准化值,以得出各因子的回归系数,建立逻辑回归模型,最终对各个流域单元滑坡地质灾害的空间发生概率(即易发性)进行评价。根据结果将研究区域划分为5个区:高易发区、较高度易发区、中度易发区、较低度易发区以和低易发区。通过ROC(receiver operating characteristic curve)曲线检验CF法和逻辑回归评价方法的精度,AUC(area under curve)值分别为0.840和0.897,评价方法精度较高。     

基于逻辑回归树和旋转森林模型的滑坡易发性评价

为进一步探索集成模型在滑坡易发性评价中的适用性,以陕西省汉中市汉台区为例,结合相关资料与野外调查圈定40处滑坡,通过地质类、水文类、人类工程活动类中选取12个影响因子构建逻辑回归树(logistic model tree, LMT)和旋转森林(rotation forest, ROF)模型,分别生成滑坡易发性分区图,采用ROC(receiver operating characteristic)曲线进行模型精度验证与比较。结果表明,研究区滑坡受地形地貌、平面曲率与岩土体类型影响最大;两种模型预测率均较高,易发性等级分区结果与历史滑坡位置分布趋势基本一致;ROF模型的训练集正确率和验证集预测率分别为77.4%和93.1%,高于LMT模型的75.5%和84.0%;ROF模型滑坡极高易发区频率比为6.52,多于LMT模型(2.07),可见ROF模型对研究区滑坡易发性更加敏感,预测结果可靠度高;本文ROF模型滑坡易发性分区结果可为后期研究区防灾减灾与土地规划提供依据。     

基于地理信息系统与斜坡单元的峨边县地质灾害易发性评价

斜坡单元依据山脊线和山谷线划分的单元,能够体现研究区的真实地质环境条件,作为评价单元在地质灾害易发性评价中具有重要意义。采用地理信息系统(geographic information system, GIS),运用水文分析工具提取峨边县斜坡单元,选取归一化植被指数、坡度、高程、地形起伏度、地层岩性、距水系的距离、距断层距离、距道路的距离8个因子,使用逻辑回归模型(logistic regression, LR),制得地质灾害易发性概率图,将其划分为非易发区、低易发区、中易发区、高易发区和极高易发区。结果表明：ROC(receiver operating characteristic curve)曲线的线下面积(area under curve, AUC)精度检验值为0.917,极高易发区和高易发区内地质灾害点数占总灾害点数的81.3%,说明对峨边县进行基于斜坡单元使用逻辑回归进行地质灾害的易发性评价具有可行性和较高精度。     

基于斜坡单元的滑坡易发性评价 ——以易贡地区为例

滑坡易发性评价对于滑坡的预测与管理具有重要意义.以往的滑坡易发性评价多基于像素信息进行评价,难以与地质环境相联系.选用以山脊线和山谷线所构成的斜坡单元为评价单元,选取坡度、地形起伏度、地层岩性、多年平均降雨量、河流距离和植被指数等6个指标作为评价因子,建立易发性评价模型,将研究区划分为不易发区、低易发区、中易发区和高易发区,利用研究区内已知滑坡进行验证.结果表明,有21处滑坡位于高易发区,9处位于中易发区,正确率达88%,与实际情况相符.此次评价结果具有较高可信度,为指导滑坡灾害防治工作提供了重要的信息和依据.     

基于GIS与随机森林的巫山县滑坡易发性区划

【目的】对三峡库区典型县域巫山县进行滑坡易发性区划,为该县滑坡灾害风险管理和城市建设规划提供科学参考。【方法】选取地形地貌、地质条件、环境条件、人类工程活动及诱发因素共5个方面下的22个因子作为滑坡易发性影响因子,结合研究区963个历史滑坡数据,以30m精度栅格建立滑坡影响因子地理空间数据库;进一步在地理空间数据库中,基于全体样本(包括滑坡点与非滑坡点),采用十折交叉验证选择训练和测试数据集;随后,利用随机森林进行模型训练,用训练好的模型对整个研究区进行全域滑坡易发性仿真分析,将结果划分为低、较低、中、较高、高5种易发性等级。【结果】混淆矩阵的准确率高达100%;受试者工作特征曲线训练数据、测试数据和全体数据的曲线下面积值均为1.000;高易发区面积占整个县面积的5.83%,而区内历史滑坡数占该县历史滑坡总数的35.72%;高程、多年平均降雨量、兴趣点核密度这3个因子对滑坡的发生有更大贡献。【结论】基于巫山历史滑坡数据和随机森林构建的滑坡易发性模型具有较高的准确性、稳定性以及良好的预测功能。     

基于GIS与改进层次分析法的奉节县滑坡易发性区划

【目的】对三峡库区典型县域重庆市奉节县进行滑坡易发性区划，为该县防灾减灾与城市规划工作提供理论依据。【方法】选取地形地貌、地质条件、环境条件、人类工程活动及诱发因素共5个方面影响下的16个因子作为滑坡易发性影响因子，结合研究区1 520个历史滑坡数据，构建地理空间数据库；在地理空间数据库中进一步利用改进后的层次分析法确定各影响因子权重，构建滑坡易发性模型，进行全域滑坡易发性仿真分析，并将结果划分为低、较低、中、较高、高共5种易发性等级。【结果】较高 高易发区历史滑坡数占滑坡总数的80.29%；区域仿真的受试者工作特征曲线的曲线下面积为0.764；90%新近滑坡点分布于滑坡易发性高 较高区域。【结论】基于改进后的层次分析法构建的滑坡易发性区划模型具有一定的准确性与预测能力。     

基于频率比联接法和支持向量机的滑坡易发性预测

区域滑坡易发性制图对滑坡灾害的防治非常有意义。以江西省上犹县滑坡为例,首先基于遥感(remote sensing, RS)和地理信息系统(geographic information system, GIS)平台获取11个滑坡评价因子;进一步利用频率比(frequency ratio, FR)联接方法和支持向量机(support vector machine, SVM)模型耦合出FR-SVM模型进行滑坡易发性预测,并对结果进行易发性分级;同时建立以原始评价因子作为模型输入变量的单独SVM模型,再次对上犹县进行滑坡易发性预测制图;最后通过受试者特征工作曲线下的面积(area under receiver operating characteristic curve, AUC)曲线开展FR-SVM和单独SVM建模工况下的精度验证分析。结果表明:FR-SVM模型对于区域滑坡易发性制图具有比单独SVM模型更好的预测性能。FR-SVM和单独SVM模型的AUC值分别为0.893和0.798,进一步表明FR-SVM模型在描述滑坡易发性指数分布及评价因子对滑坡发育影响特征方面要优于单独SVM模型。     

基于BP神经网络模型的滑坡易发性评价方法

滑坡是中国频发的地质灾害,滑坡的易发性评价涉及多种影响因素,如何利用多影响因素进行精确、有效的滑坡易发性评价是滑坡减灾防灾工作的重点和前提。为探讨基于反向传播(back propagation, BP)神经网络模型的不同滑坡易发性评价方法的适用性,以川西蒲江县为研究区,通过实地调查与编录,筛选地质、地貌、环境等12类影响因子,分析各影响因子与滑坡的相关性,确定影响因子的权重大小,构建BP神经网络模型,完成因子权重法和栅格赋值法的滑坡易发性评价图编制和精度评价。结果显示：研究区筛选的12类滑坡影响因子不存在线性相关,坡度、地形湿度指数(topographic wetness index, TWI)和距道路距离对区内滑坡发育影响明显,利用滑坡影响因子构建的BP神经网络模型可对滑坡易发性进行有效的定量评价。综合现场调查与接收者操作特征(receiver operating characteristic, ROC)曲线精度分析,结果表明：基于BP神经网络模型的栅格赋值法和因子权重法曲线下面积(area under curve, AUC)分别为0.86和0.798,栅格赋值法评价精度优于因子权重...     

基于机器学习混合模型的滑坡易发性评价

安康市汉滨区地质环境脆弱,滑坡频发对当地居民生命财产安全造成严重威胁,针对该区域进行滑坡易发性评价是滑坡防治的有效措施。自适应提升模型和随机森林模型作为新颖的集成学习方法被应用至国内外滑坡易发性评价研究中,但基于两者的混合模型在滑坡易发性中的应用研究尚未开展。为对比混合模型与单一模型的滑坡易发性评价精度,本文根据地质灾害详查资料圈定509处滑坡,结合研究区地质环境背景,选取高程、坡度、坡向、年均降雨量、地层岩性等13类因子进行评价。受试者工作特性曲线（receiver operating characteristic curve,ROC）结果表明,同单一模型相比,混合模型的训练集正确率和验证集预测率均为最高;混合模型的高易发区滑坡密度达到1.94,高于随机森林（1.86）和自适应提升模型（1.68）;通过区内三处历史滑坡进行验证,结果显示区划结果与滑坡分布相吻合,说明自适应提升-随机森林混合模型可作为滑坡易发性评价的新方法,其区划结果可为滑坡防治与土地利用规划提供借鉴。     

基于极端梯度提升算法的滑坡易发性评价模型

机器学习用于地质灾害的易发性评价分析是当前研究的热点之一,不同的学习模型其效果不尽相同。为合理有效地评价滑坡地质灾害的易发性,依托浙江省温州市飞云江流域地质灾害的调查数据,应用地理信息系统（Geographic Information System,GIS）技术提取坡度、坡向、坡形、地表覆盖、地形湿度指数（Topographic Wetness Index,TWI）、极端小时降雨量、内摩擦角、黏聚力、容重与风化层厚度10个滑坡致灾因子,基于极端梯度提升算法（eXtreme Gradient Boosting,XGBoost）构建模型用于滑坡地质灾害的易发性多分类评价。模型结果通过多分类混淆矩阵进行评价,并与支持向量机（Support Vector Machine,SVM）模型进行精度比对分析。研究结果显示,训练后的XGBoost 算法模型对测试集中极高易发区识别的召回率和精确率分别达到了97.92%和98.06%,F1值达到97.99%,均优于SVM,可为研究地区的滑塌地质灾害易发性评价提供模型支持。     

山地城市滑坡灾害空间分布特征及影响因素分析

针对山地城市滑坡灾害影响区域的不确定性,选择重庆市中心城区典型滑坡作为研究对象,利用最邻近指数、空间热点探测与核密度估计方法分析了历史滑坡灾害点的空间分布特征;并选择高程、坡度、坡向、地貌类型、土壤类型、土壤侵蚀、降雨、水系、地表覆盖、归一化植被指数(NDVI)、人口密度和道路等12个影响因素建立滑坡因子数据库,利用神经网络模型分析滑坡灾害空间分布特征的驱动因素,并定量计算各影响因子的贡献权重。利用受试者工作特征曲线(ROC)对模型进行准确性评估。最邻近指数结果表明研究区历史滑坡灾害点呈聚集型分布特征,空间热点探测与核密度估计均显示渝中区、沙坪坝区和巴南区北部是滑坡聚集程度最大的地区;在所有的影响因子中,人口密度、地貌类型和降雨对研究区滑坡灾害的空间分布影响最大,而坡向和道路影响最低。ROC曲线下面积AUC值达到0.917,表明该神经网络模型能准确反映出该地区滑坡影响因子的影响程度。     

评价单元对地质灾害易发性评价的影响

为了探究不同评价单元对地质灾害易发性评价结果准确性的影响,以宁夏西吉县地质灾害为研究对象,分别以网格单元和斜坡单元作为评价单元,选取灾害点密度、坡度、坡高、坡型、降雨、岩土体类型、人类工程活动和地震等8个评价指标,基于ArcGIS软件,运用综合评判模型对各分级量化的评价指标进行叠加计算,其中采用层次分析法确定各指标的权重值,并应用突变点法将研究区划分为非易发区、低易发区、中易发区和高易发区四个等级,最后通过Sridevi Jadi经验概率法和相对滑坡密度指数法对易发性评价结果进行精度检验。结果表明：基于斜坡单元的高、中易发区灾害点占比比基于网格单元的高5.2%,采用Sridevi Jadi经验概率法得到的基于斜坡单元和网格单元的地质灾害易发性预测结果精度分别为94.74%和90.08%,基于斜坡单元和网格单元的高、中易发区滑坡密度指数值分别为99.30%和98.79%。斜坡单元的预测精度更高,表明采用斜坡单元划分的地质灾害易发性评价结果更为合理准确。     

Susceptibility Assessment of Landslides in Alpine-Canyon Region Using Multiple GIS-Based Models

This study explores a comparative study of three susceptibility assessment models based on remote sensing(RS) and geographic information system(GIS). The Lenggu region(China) was selected as a case study. At first, a landslide inventory map was compiled using data from existing geology reports, satellite imagery, and coupling with field observations. Subsequently, three models were built to map the landslide susceptibility using analytical hierarchy process(AHP), fuzzy logic(FL) and certainty factors(CF). The resulting models were validated and compared using areas under the curve(AUC). The AUC plot estimation results indicated that the three models are promising methods for landslide susceptibility mapping. Among the three methods, CF model has highest prediction accuracy than the other two models. Similarly, the outcome of this study reveals that streams, faults, slope and elevation are the main conditioning factors of landslides. Especially, the erosion of streams plays a key role of the landslide occurrence. These landslide susceptibility maps, to some extent, reflect spatial distribution characteristics of landslides in alpine-canyon region of southwest China, and can be used for land planning and hazard risk assessment.     

1976年龙陵地震诱发滑坡的影响因子敏感性分析

基于前人的研究和龙陵地震滑坡的调查资料,选取了地层岩性、断裂、地震烈度、震中距、地形坡度、坡向、高程、水系等8个因子作为1976年龙陵地震诱发滑坡的影响因子。利用GIS强大的空间分析能力,结合滑坡确定性系数(CF)的方法,对1976年龙陵地震诱发滑坡的诸影响因子进行敏感性分析,确定了该区域内各因子最利于地震滑坡发育的数值区间,为进一步区域地震滑坡稳定性评价奠定基础。