基于信息量模型的陕西省合阳县地质灾害易发性区划

在对合阳县地质灾害进行野外调查和资料收集的基础上,选用灾害点密度、坡型、坡高、坡度、岩土类型和人类工程活动6个因子建立该地区地质灾害易发性分区的评价指标体系,采用基于GIS的信息量模型进行合阳县地质灾害易发性区划,并针对不同分区提出相应的地质灾害防治措施.根据计算分析,最终将研究区划分为非易发区、低易发区、中易发区和高易发区4个区.其中高易发区占研究区总面积的20.16%,中易发区占总面积的4.47%,低易发区面积占总面积的3.98%,非易发区面积占总面积的71.39%.     

基于信息量法的西丰县地质灾害易发性评价

地质灾害的发生不仅威胁着人类生命财产安全,也对经济发展与社会稳定产生重大影响.本文以辽宁省西丰县下辖的西丰镇、更刻乡等12个镇、6个乡为研究区,选取坡度、坡向、地形起伏度、岩性软硬程度、距河流远近、年平均降水量、土地利用类型和距道路远近等8个指标为评价因子,基于ArcGIS平台,结合信息量模型对西丰县进行地质灾害易发性评价,得到西丰县地质灾害高易发区、中易发区、低易发区划分图,并对地质灾害的发生的原因进行分析.结果表明:(1)高易发区主要分布在西丰县南部、东南部、东北部及河流两岸、道路沿线;中易发区和低易发区依次沿高易发区外围分布.(2)西丰县地质灾害的发育主要由坡度、岩性软硬程度影响因素控制,经降水因素诱发,受河流和道路建设所代表的人类活动的影响,并在坡向、地形起伏度、土地利用类型等多重因素的共同作用下,造成了西丰县地质灾害易发性分区的差异分布.     

基于地理信息系统和加权信息量的茂县地质灾害易发性评价

以茂县为研究区,选取坡度、起伏度和道路等8个因子构建评价指标体系,通过信息量法、确定系数法确定因子信息量值和权重,运用ArcGIS进行地质灾害易发性评价。结果显示,研究区高易发区面积345.62 km~2、较高易发区456.65 km~2、中易发区664.83 km~2、较低易发区943.71 km~2和低易发区1 488.34 km~2,分别占总面积的8.86%、11.71%、17.05%、24.20%和38.17%。对评价结果进行合理性检验和受试者特征曲线(receiver operate curve, ROC)的精度检验,检验结果表明评价具有合理性,且曲线下的面积(area under curve, AUC)值为0.882,即评价准确度较好。研究结果能为研究区的灾害防治和国土空间规划提供科学依据。     

基于机器学习均值化的地质灾害易发性评价

建立地质灾害易发性评价模型并开展易发性评价，对提高区域地质灾害预报预警效率和精度有重要意义.然而，如何建立既切合区域实际、又具有推广适用价值的地质灾害易发性评价模型是制约地质灾害预报预警的关键科学问题.以云南省南华县2015年地质灾害详查数据为基础，选择地形、地貌等11个因子，基于均值法，采取梯度提升树算法（XGBoost、LightGBM、CatBoost）、信息量模型与地理加权回归模型开展了地质灾害易发性评价研究.结果表明：(1)地理加权回归模型预测结果存在过拟合现象，信息量模型则存在欠拟合现象；(2)均值法效果最好，AUC(Area Under Curve)值为0.933 7，精度较地理加权回归模型、XGBoost、LightGBM、CatBoost、信息量模型分别提高了1.7%、1.8%、2.0%、3.8%、4.0%；(3)Catboost对正样本的预测效果最差，但是对负样本的预测效果最好，而XGBoost对正样本的预测效果最好，对负样本的预测效果很差，基于3种梯度算法的均值法则对正负样本的预测精度有了明显提高；(4)南华县地质灾害主要诱因有道路修建、断层活动、降雨冲刷、河流侵...     

信息量支持下的随机森林模型的崩塌易发性评价

地质灾害易发性评价作为预测地质灾害发生概率的重要手段被中外学者广泛应用.以陕西省神木市为研究区,在分析了研究区地质环境、人类活动与崩塌形成条件的基础上选取了高程、坡度、坡向、降雨量、距水系距离、距道路距离、岩性、地貌、曲率、归一化植被指数(normalized vegetation index,NDVI)10个影响因子.采用皮尔森相关系数对各因子进行独立性检验.结果表明:各因子间相关系数较低,认为各因子独立;为确保所选非崩塌点为高概率的非崩塌点,利用从信息量模型(in-formation value model,IV)形成的较低及低易发区选取非崩塌点,结合随机森林模型(random forests,RF)进行研究区崩塌易发性分析,并将得到的易发性分析结果与随机选取非崩塌点的RF模型进行对比.最后利用受试者特征曲线(receiver operate curve,ROC)曲线进行两种模型的精度对比,得到RF的成功率和预测率分别为94.5％、89.9％,IV支持下的RF的成功率和预测率分别为96.9％、96.5％.综上IV支持下的RF模型比单一模型具有更好的预测精度.     

基于信息量-随机森林模型的地震带地质灾害易发性评价：以松潘-较场地震带为例

地震会引起地表振动及破坏,同时加大滑坡、崩塌、泥石流等次生灾害的发生概率,对位于地震带区域城市进行地质灾害易发性预测,是地质灾害防治的有效措施。为了探究地震带区域地质发育程度对地质灾害的影响,以松潘-较场典型地震带的平武县为例,从地形地貌特征、地层地质条件、气象水文、地震带发育特征、土壤植被、人类工程活动影响六个方面选取地质灾害的诱发因子,采用信息量模型、信息量-AHP和信息量-随机森林(RF)三种评价模型对平武县地质灾害进行易发性评价,结果表明信息量-RF模型的对比分析结果优于其他两种模型,ROC曲线精度评估信息量-RF模型的AUC值(0.991)高于信息量模型(0.931)和信息量-AHP模型(0.920),说明基于信息量耦合随机森林的综合易发性评价模型更适用于地震带地区的地质灾害易发性评价,具有良好的预测精度。     

斜坡单元支持下基于信息量模型的地灾危险性评价

信息量模型能够有效评价地质灾害危险性,为了探寻模型运用过程中评价单元计量单位的最优选择,选取高程、坡度、坡向、坡形、水系距离、断层距离和人类工程活动7个评价因子,运用ArcGIS软件对已知地质灾害隐患点和各评价因子做空间分析,计算评价单元两种不同的总信息量值,利用统计学常用的自然断点法对总的信息量进行分级划定,得到地质灾害危险性分区图.研究表明,以面积作为计量单位在极高危险区的灾害点密度为0.782个/km~2,高于以个数作为计量单位的评价结果.通过这两种计量方法的结果比较,能为更好地利用信息量模型评价地质灾害危险性提供实验依据.     

GIS支持下CF与信息量耦合模型的攀枝花市矿山地质灾害易发性评价

攀枝花市矿产资源丰富,采矿历史悠久,开采活动强度大,地质结构复杂,生态环境脆弱,矿山地质灾害频发.基于2019年的三江（怒江,澜沧江,金沙江）北段矿产开发环境遥感监测调查资料,在分析矿山地质灾害发育规律与影响因素关系的基础上,选取坡度、工程地质岩组、距断层的距离、降水量、植被覆盖度、距河流的距离以及距开采活动面的距离7个评价因子,借助ArcGIS软件平台,采用确定性系数（Certainty Factor,CF）模型、信息量模型以及CF与信息量耦合模型开展攀枝花市矿山地质灾害易发性评价研究.结果表明,工程地质岩组、植被覆盖度、距开采活动面的距离是影响矿山地质灾害分布的控制因子;经过ROC(Receiver Operating Characteristic Curve, ROC)曲线检验,CF与信息量耦合模型的AUC(Area Under the Curve, AUC)值高达0.909,表明耦合模型比单一模型的评价精度高,其精度为耦合模型>信息量模型>确定性系数模型;耦合模型的易发性分区为极高易发区（5.24%）、高易发区（11.67%）、中易发区（41.66%）和低易发区（4...     

基于GIS与IIVM的桐城市地质灾害易发性评价

文章以安徽省桐城市为研究区,选取高程、坡度、坡向、工程地质岩组、与断裂带的距离、与水系的距离及与道路的距离为区域地质灾害易发性评价因子,运用层次分析(analytic hierarchy process, AHP)法对传统信息量模型(information value model, IVM)的评价结果进行加权分析,确定改进信息量模型(improved information value model, IIVM);结合地理信息系统(geographic information system, GIS)对桐城市地质灾害的易发性进行评价,将研究区划分为高易发区、中易发区、低易发区及不易发区4类,研究区主要为不易发区和低易发区,中、高易发区占比28.68%(主要位于研究区西北部);使用受试者工作特征(receiver operating characteristic, ROC)曲线进行评估,IIVM评价结果的曲线下面积(area under the curve, AUC)值为0.807 7,高于传统IVM,说明IIVM具有更高的精度和有效性。评价结果与研究区地质灾害实际调查情况相符合,可为该区域地质灾害防治提供有效参考。     

基于连续因子和非连续因子的山区崩滑流易发性研究

以祁连山东段北坡为研究区,基于区内390个崩滑流点,选择坡度、坡向、水流强度指数、道路、土地利用、断层等评价因子,结合因子剔除方法,应用改进频率比(连续因子计算)和证据权法(非连续因子计算)进行易发性评价,并用密度法和ROC曲线验证评价结果精度.结果表明,评价因子的筛选对易发性结果极为重要;不同因子组合下两种方法的易发性结果曲线下面积值均高于0.80;极低-低易发等级面积约占80%,高-极高易发等级面积约占6.5%,高-极高易发等级中崩滑流灾害点数量均超过64%,亟需加强区内地质灾害潜在风险转移研究.     

基于ArcGIS与信息量法的滑坡易发性评价

广西碎屑岩分布区从2005年至2013年间发生突发性地质灾害共1 261处,其中滑坡数量最多,共860处,占总数的68.2%,隐患点3 956处。通过分析滑坡稳定性的关键性影响因子,以坡度、土地利用类型、岩组、降雨等评价指标建立广西碎屑岩区滑坡易发区评价体系。基于ArcGIS以90 m×90 m栅格单元作为滑坡易发性评价的基本评价单元,采用信息量法计算坡度、土地利用类型、岩组、降雨等评价指标的信息值。对广西碎屑岩分布区进行滑坡易发性评价,分析得到广西碎屑岩区滑坡易发性区划和防治区划。以广西碎屑岩区作为研究区,分析结果可为广西碎屑岩区滑坡预警和防治规划提供技术参考。     

基于信息量模型的盘州市地质灾害易发性评价

地质灾害易发性评价是区域灾害防治的前期工作。构建一个符合区域地质环境的灾害评价体系对评价结果的准确性和区域适用性起决定性作用。在对区域地质灾害调查分析后,选取降雨、坡度、岩性等8个影响因素,利用信息量模型对盘州市进行地质灾害易发性评价。结果显示:盘州市地质灾害主要分布在河流沿岸、靠近道路和断层相对集中的区域;易发性高和较高区域呈带状分布,占盘州市国土面积的38.62%;随易发程度的升高,各区域分布的灾害点数量增多,灾积比也逐渐增大,说明评价结果与研究区地质灾害分布的实际情况相符,分区划分合理。研究成果可为盘州市灾害防治提供参考。     

基于斜坡单元的滑坡崩塌灾害易发性区划研究——以泸水县为例

基于栅格评价单元在滑坡崩塌地质灾害易发性评价中的弊端,采用斜坡评价单元对泸水县滑坡崩塌地质灾害的易发性进行评价.基于ARCGIS平台,建立了利用水文分析方法划分斜坡单元的方法体系.建立了信息量法-层次分析法的易发性评价模型,并对各评价因子的权重和信息量进行了计算提取.在此基础上,运用ARCGIS的空间分析功能,对泸水县滑坡崩塌地质灾害的易发性进行了区划,并对区划结果在宏观和微观上进行了验证.结果表明此种易发性划分方法准确、实用,对指导地质灾害的防治工作有重要意义.     

基于确定性系数模型与逻辑回归模型耦合的地质灾害易发性评价——以贵州省开阳县为例

贵州省开阳县地质条件复杂,区内地质灾害频发。以该县为研究区,选取高程、坡度、地形起伏度、坡向、工程岩组、斜坡结构、断层、水系、归一化植被指数(normalized difference vegetation index,NDVI)等9个影响因子,基于GIS的栅格数据模型,分别采用确定性模型(certainty factor,CF)、Logistic回归模型以及两种模型耦合的方法进行地质灾害易发性评价,利用灾害点在各等级下的分布和成功率曲线(receiver operating characteristic,ROC)对三种模型的评价精度进行检验。结果表明:CF模型与Logistic回归模型评价结果总体上一致,但是耦合模型的评价分区结果更加合理,精度更高。因此,基于耦合模型的评价结果,将开阳县地质灾害易发性等级分为高易发区、中易发区、低易发区和极低易发区。这为县级区域地质灾害易发性评价提供了理论指导和技术参考。     

基于信息量和逻辑回归耦合模型的滑坡易发性评价

目前,滑坡易发性评价大多只采用单一模型进行研究,而单一模型存在缺陷,如只采用信息量模型则不能反映各因子对滑坡发生的权重。通过将两个模型进行耦合分析可以很好地发挥各模型的优点和弥补各模型的不足,从而达到模型优化的目的。针对滑坡易发性常用的信息量模型和逻辑回归模型,提出信息量-逻辑回归耦合模型。以江西省宁都地区为例,获取研究区共297个滑坡,提取高程、坡向、坡度、平面曲率、剖面曲率、地形起伏度、距水系距离、岩性、植被覆盖率、地表建筑物指数共10个因子建立评价指标体系,再分别采用上述3个模型开展易发性评价,最后采用预测率曲线(the prediction rate curve, ROC)评价各模型精度。结果表明:信息量模型、逻辑回归模型和信息量-逻辑回归耦合模型预测率曲线与坐标轴围成的面积(area under ROC, AUC)值分别为0.838、0.864和0.876,可见信息量-逻辑回归耦合模型的评价精度更高,建模更为合理。研究区内滑坡主要沿水系两侧分布,高程和岩性对滑坡的发生起主要作用。     

基于GIS和加权信息量的三峡库区云阳县滑坡灾害易发性评价

以滑坡地质灾害高发区的三峡库区云阳县县城区域作为研究区,选取坡度、坡向、斜坡结构、工程地质岩组、水系作用以及土地利用类型6项影响因素作为评价指标,结合境内143个地质灾害点作为样本数据,基于ArcGIS地理信息系统软件的栅格数据计算分析功能,应用层次分析法加权的信息量理论对研究区进行滑坡灾害易发性分区评价.研究结果显示:滑坡灾害高易发区主要集中在人类工程活动频繁的县城开发区和库水位变动带库岸斜坡,分布地层主要为中统上沙溪庙组(J_2s)和下统的遂宁组(J_3s).通过对研究区的分区评价,确定了滑坡灾害高易发区,为该区滑坡地质灾害预防和规划治理工作提供指导.     

基于加权信息量模型的滑坡灾害易发性评价——以灞桥区为例

以灞桥区作为研究区,在查阅大量相关文献以及对区域地质环境条件、滑坡特征分析的基础上,选取坡度、坡向、高程、曲率、地形起伏度、地貌类型、地层岩性、断层距离、水系距离、降雨量、归一化植被指数(normalized difference vegetation index, NDVI)、道路距离12类影响因素作为评价因子。基于熵指数模型(index of entropy, IOE)与信息量模型(IV),提出一种新的加权信息量模型(WIV),分别将三种模型用于研究区滑坡灾害易发性评价中。借助ArcGIS软件计算得到整个研究区滑坡易发性指数,根据自然间断点法划分为5个易发等级区,分别为极低、低、中、高、极高易发区,生成最终的滑坡易发性区划图。最后采用ROC曲线对三种评价模型进行检验与比较,结果表明:IOE、IV、WIV三种模型的成功率曲线的训练精度分别为76%、84%、88%;预测率曲线的预测能力分别为72%、86%、90%,由此得出WIV模型较IOE、IV模型预测准确率更高。同时,对三种模型之间的独立性进行了检验,结果表明IOE模型与IV、WIV模型呈低相关度,IV模型与WIV模型呈显著相关。研究结果可为评价模型间的选取以及当地有关部门进行防灾减灾、工程部署以及土地利用规划提供参考。     

基于模糊综合评判的绵阳市地质灾害易发性评价

 在综合分析研究区孕灾环境、致灾因子与地质灾害分布关系基础上,建立了绵阳市地质灾害易发性评价指标体系,并根据评价指标量化分级标准和方法,运用层次分析法确定各评价指标对地质灾害易发性贡献率。将层次分析法与模糊数学综合评判法结合,根据建立的隶属度函数构造模糊判断矩阵,对整个研究区的地质灾害易发程度进行二级模糊综合评判,得到了4个等级的地质灾害易发性分区。其中,地质灾害不易发区共为810个网格单元,面积约12960km²;地质灾害低易发区共为157个网格单元,面积约2512km²;地质灾害中易发区共为66个网格单元,面积约1056km²;地质灾害高易发区共为253个网格单元,面积约4048km²。根据易发性评价结果绘制了各易发性程度分区图件,并对各易发分区进行了分区评价。     

基于超效率数据包络分析-信息量模型的沧源县地质灾害危险性评价

沧源县地处云南高原,该区域由于地质环境复杂多变,构造活动频繁,加之降雨等诱发因素的影响,成为了地质灾害多发区域,严重威胁人员生命与财产安全。为了综合评价研究区的地质灾害危险程度,选取高程、坡度、坡向、降雨量、断层距离、水系距离、道路距离、工程岩组8类评价因子,以研究区内192处地质灾害点作为样本,构建超效率DEA-信息量模型对研究区进行地质灾害危险性评价,划分低、中、高、极高四个危险性分区,引入ROC曲线验证评价精度。评价结果显示,沧源县高、极高危险性分区占研究区总面积的54.2%,区内共分布有地质灾害点166处,占灾害点总数的86.5%,灾害点比与面积比的比值随着危险性的提高逐级递增,通过ROC曲线计算得到的AUC值为0.755。上述数据表明,基于超效率DEA-信息量模型的地质灾害危险性评价结果比较符合实际,评价精度较高,能够满足对研究区进行地质灾害危险性评价的需要。     

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。