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。     

加权确定性系数模型的滑坡易发性评价

针对传统的滑坡灾害易发性评价中仅考虑评价因子间的一级指标权重或者因子各分级状态的二级指标权重,未能考虑各评价因子各分级状态的综合权重,从而导致评价结果缺乏一定适应性问题。文中提出了将随机森林模型(Random Forest,RF)和确定性系数模型(Certainty Factor,CF)相耦合的加权确定性系数评价模型(Weighted Certainty Factor,WCF)。该模型通过CF模型计算二级指标因子权重,并利用RF模型计算出一级指标因子权重,然后通过将所有指标因子的易发性指数进行加权求和,获得多种因素耦合下的滑坡灾害易发性程度。以陕西省西安市周至县为研究区,在对研究区的地质环境、人类活动情况、滑坡分布特征及形成条件进行了综合分析的基础上,选取了14类与滑坡发生相关的指示因子,结合GIS的空间分析功能,分别采用CF,RF和WCF模型对研究区内滑坡灾害易发性进行区划,各模型的评价结果采用Kappa系数进行对比验证。研究结果表明:研究区内的滑坡主要受高程、地貌类型、与断层距离因子的影响,各因子所占权重分别为0.27,0.12,0.11;改进后的WCF模型区划结果的准确性相对于RF和CF模型提高了5.2%和9.9%.由此表明,WCF模型更适用于研究区的滑坡易发性评价,评价结果可为研究区的滑坡灾害防治规划提供重要的参考价值。     

基于熵指数与逻辑回归耦合模型的滑坡灾害易发性评价—以蓝田县为例

以蓝田县作为研究区,选取高程、坡度、坡向、曲率、降雨量、距水系距离、地层岩性、距断层距离、距道路距离、归一化植被指数(normalized difference vegetation index, NDVI)共10类评价因子,分别采用皮尔森相关系数、方差膨胀因子、容忍度3种指标对评价因子之间的多重共线性问题进行分析。结果表明,各选取因子之间多重共线性较低,可以认为各因子相对独立。随后,采用频率比法分析各评价因子与滑坡灾害点之间的空间分布关系。分别利用熵指数(index of entropy,IOE)模型、逻辑回归(logistic regression, LR)模型以及两种模型耦合作用下的逻辑回归与熵指数耦合(integration of logistic regression and index of entropy,IOE-LR)模型对研究区滑坡易发性进行评价,得到各模型下的研究区滑坡灾害易发性区划图。最终采用接受者操作特性(receiver operating characterstic, ROC)曲线验证并比较了3种模型的性能。成功率曲线表明,IOE模型、LR模型、IOE-LR模型的ROC曲线下的面积(area under curve, AUC)分别为0.735、0.742和0.805;预测率曲线表明,IOE模型、LR模型、IOE-LR模型的ROC曲线下的面积AUC分别为0.732、0.785和0.830,其中IOE-LR模型均具有最高的准确率。生成的滑坡易发性区划图可以为蓝田县政府合理解决土地利用规划问题以及减轻滑坡风险提供有效参考。     

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。     

基于逻辑回归的巫山县滑坡易发性区划研究

[目的]在已有文献研究基础上,构建基于逻辑回归的滑坡易发性评价模型,并与基于随机森林的模型进行分析比较,探讨出适用于三峡库区巫山县的滑坡易发性评价模型.[方法]选取地质条件、地形地貌、环境条件、人类工程活动等4方面影响下的22个因子作为滑坡易发性影响因子,根据研究区963处历史滑坡点,建立30 m×30 m栅格地理空间数据库;进一步在数据库中,按历史滑坡与非滑坡1∶10的比例构建地理空间数据样本集,基于十折交叉验证法选择最佳样本数据后,进行逻辑回归模型训练;最后,利用最佳样本训练后的模型,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]逻辑回归模型训练集、测试集的受试者工作特征曲线下面积(Area under curve,AUC)值分别为0.803和0.787;有63.24％历史滑坡落入面积比为26.26％的较高滑坡易发性区划中.[结论]基于逻辑回归和随机森林构建的滑坡易发性评价模型均具有良好的稳定性及预测功能,但随机森林模型性能优于逻辑回归模型性能,更适用于三峡库区滑坡易发性区划研究.     

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。     

随机森林赋权层次分析法的崩塌易发性评价

为确定一组合适的指标权重,通过提出随机森林(random forest, RF)模型与层次分析法(analytic hierarchy process, AHP)相结合的模型对不同指标进行客观赋权重,以区分不同指标对崩塌易发性的影响。该耦合模型利用RF模型计算出各指标的客观权重,作为层次分析法的初始权重来修正判断矩阵,最终获得各指标的综合权重。以陕西省绥德县为研究对象,通过分析大量文献及进行相关性分析后选取坡向、曲率、坡度、地貌、降雨量、距水系距离、地层岩性、距道路距离及归一化植被指数(normalized vegetation index, NDVI)9个影响因子作为评价指标,结合ArcGIS空间分析功能,采用RF模型、RF-AHP模型进行崩塌易发性评价,评价结果用受试者特征曲线(receiver operate curve, ROC)进行检验。结果表明:影响崩塌的9个评价指标中,距水系距离对其影响最大;崩塌高易发区呈线性分布在水系及道路附近;RF-AHP模型较RF模型的预测精度提高了4.5%。说明RF-AHP模型更适合此研究区的崩塌易发性评价,评价结果可为绥德县防灾减灾工作提供理论指导。     

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。     

2010年海地太子港地震触发滑坡危险性区划和合理性检验

 2010年1月12日海地M_w 7.0级地震触发了数以万计的滑坡。本文应用二元统计分析模型、地理信息系统与遥感技术,开展海地地震区滑坡危险性区划研究,并对结果合理性及模型预测功能进行检验。地震前后多源高分辨率遥感数据目视解译结果表明,海地地震触发了30828处滑坡。选择高程、坡度、坡向、曲率、与水系距离、地震动峰值加速度(PGA)、与恩里基约－芭蕉园断裂距离、沿恩里基约－芭蕉园断裂距离8个地震滑坡影响因子进行海地地震滑坡危险性区划。将这30828处滑坡随机分为训练样本与预测样本两类,分别进行模型的建立与测试,训练样本包括滑坡总数的70%(21579处滑坡,覆盖面积为11.18km²);预测样本包括滑坡总数的30%(9249处滑坡,覆盖面积为4.56km²)。基于滑坡训练样本、8个滑坡影响因子、权重系数模型(二元统计方法模型)和GIS技术,构建了滑坡危险性概率分布图。结果合理性检验表明了模型的正确率为84.966%,预测率为84.547%,两者都表明了实际滑坡位置与滑坡危险性结果图具有良好一致性。按照滑坡危险性索引值的大小,将研究区分为非常高、高、中等、低、非常低5类。本文证明了在地震滑坡危险性区划中,权重系数模型作为一种二元统计方法具有良好的建模与预测能力,可为海地地震灾区恢复重建中滑坡的防灾减灾工作提供参考。     

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。     

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.     

相关向量机在地震滑坡敏感性分析中的应用

 地震滑坡敏感性分析是地震次生灾害研究的重点内容之一。数据量大且致灾因素复杂是研究地震滑坡问题的难点。在对已有敏感性分析模型研究的基础上,以芦山地震为例,选取地面高程、坡度、坡向、地层、斜坡形态、斜坡结构、距断层平均距离、距水系平均距离、地震峰值加速度9个地震滑坡评价因子,建立基于遗传算法的相关向量机（GA-RVM）敏感性分析模型,生成地震滑坡敏感性区划图,统计结果显示滑坡正确率为99.74%,滑坡密度在极高敏感区达到27.4057个/km²。结果表明,相对于基于遗传算法的支持向量机,GA-RVM获得了更高的预测精度,可为进一步完成地震灾害预防提供依据。     

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。     

玉树地震滑坡影响因子敏感性分析

 2010年玉树地震触发了2036处滑坡,总面积为1.194km²。采用滑坡面积百分比(LAP)与滑坡点密度(LND)两个指标对地震滑坡影响因子进行敏感性分析,这些因子包括地震因子(震中、宏观震中、地表破裂、地震动峰值加速度、同震位移),地形因子(高程、坡度、坡向、曲率、坡位、水系),地质因子(岩性、断裂),其他因子(公路、归一化植被指数)。结果表明,(1) 距地表破裂越近,滑坡越易发生;除个别分级异常外,距宏观震中越近、同震位移越大,滑坡越易发生;滑坡易发程度与震中、PGA的关系不显著。(2) 坡度越大,滑坡易发程度越高;滑坡的易发高程区间为<4km;易发坡向为北东、东、南东;除平坡外,坡位越低,滑坡越容易发生;距离水系越近,滑坡越易发生;曲率与滑坡对应关系表现出坡面凸凹不平的容易发生滑坡,坡面光滑的不容易发生滑坡。(3) 易发地层是Q₄^al-pl (湖沼淤泥和泥炭沉积)、N(石英细砂岩,底部为角砾岩)、T₃kn¹(灰色长石砂岩、长石石英砂岩夹粉砂岩、板岩、灰岩);滑坡发生与断裂的关系不明显。(4) 越靠近公路,滑坡越容易发生;植被覆盖越少,滑坡越易发生。     

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。     

基于K-PSO聚类算法和熵值法的滑坡敏感性

引入K-PSO聚类算法和熵值法,建立滑坡敏感性分析模型.选取旭龙水电站库区22处典型滑坡作为研究对象,确定8个主要影响因子:岩体结构、斜坡结构、断层距离、变形迹象、坡体高度、平均坡度、诱发地震、淹没比例.利用熵值法确定影响因子权重值分别为0.152,0.178,0.035,0.106,0.106,0.169,0.193和0.061.采用K-PSO算法对滑坡进行敏感性划分,结果表明,该库区22处滑坡有8处为轻度敏感,9处为中度敏感,4处为重度敏感和1处极度敏感.将评价结果与现场实际调查情况对比分析知,22处滑坡的敏感度水平与现场实际发育情况具有较好的一致性,该方法对旭龙水电站库区滑坡敏感性评价具有良好的指导作用.