基于深度信念网络的滑坡敏感性评价

滑坡敏感性评价中各致灾因子之间存在复杂非线性关系，传统的评价模型难以揭示该类复杂关系，以致评价结果精度受限.基于文献调查与实地调研，选取高程、地貌类型、岩性、坡度、与构造线距离、与水系距离和年均降雨量为主要致灾因素，在地理信息系统(GIS)中建立了基于深度信念网络(DBN)模型的区域滑坡敏感性区划模型，并以四川区域为例进行了实例分析.最后通过ROC曲线特征将评价结果与逻辑回归(LR)和人工神经网络(BPNN)模型评价结果进行了对比分析，并探讨了各评价模型对不同致灾因子的响应.研究表明DBN模型具有更高精度以及较低的假阳性率和假阴性率，更适合于大区域、复杂致灾因素的区划滑坡敏感性评价工作.     

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。     

权重线性组合与逻辑回归模型在滑坡易发性区划中的应用与比较

以贵州省为研究区对滑坡易发性进行研究,对预测方法进行比较.其步骤为:首先,选取年均降雨量、岩性、高程、坡向、地形地貌、坡度、至构造线距离、至水系距离、至铁路距离和至公路距离10项评价指标作为影响滑坡发生的致灾因子,分别采用主客观权重线性组合(WLC)模型及结合确定性系数的逻辑回归模型(LR)分析研究区内各致灾因子与滑坡发生的相关性并建立预测模型:其次,基于ArcGIS平台完成贵州省滑坡易发性区划图,结合历史滑坡分布,应用熵值法对2个模型的区划结果进行验证和比较.最后,从模型原理、运行环境和适用条件等方面对2个模型进行比较和讨论.研究结果表明:WLC模型和LR模型的熵权分别为0.255和0.745,表明逻辑回归模型(LR)的区划结果与实际的滑坡情况吻合度更高.     

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。     

基于多变量统计分析的大型滑坡敏感性评价:以汶川地震影响的陇南地区为例

以"5.12"汶川地震影响较严重的甘肃东部的陇南震区为研究区,分析地震前后影响历史大型深层滑坡的空间要素,以专家经验分析确定的成因要素作为滑坡敏感性评价的初选方案。为了避免专家经验的客观性和要素相互重叠对滑坡敏感性评价的影响,执行主成分(PCA)多变量分析法以确定新的评价方案。2个方案分别通过逻辑回归模型(LR)执行,并绘制滑坡危险等级地图。采用成功率曲线和累积面积曲线对2种评价结果的有效性和性能进行检验和对比。检验结果表明:采用新方案所得的滑坡敏感性地图具有更好的性能和更高的精度,因此,新方案下由LR绘制的滑坡危险等级地图可作为指导研究区震后重建、基础设施建设和土地规划的依据。     

基于卷积神经网络模型的区域滑坡敏感性评价——以川藏铁路沿线为例

在遥感解译、野外调查及前人研究的基础上,基于共线性诊断与极端随机数算法对13个影响因子的相关性和重要性进行评估,运用一维卷积神经网络构建川藏铁路沿线滑坡敏感性评价模型,使用受试者工作特征（ROC)曲线进行精度验证.结果表明,影响该区滑坡发育的主控因子为距河流距离、道路与断层的距离以及岩性,敏感性极低、低、中、高、极高的面积分别占总面积的66.30%、10.98%、7.55%、6.91%和8.26%.敏感性高的区域主要分布在河流、道路两侧和断层发育的区域;全线滑坡敏感性高低呈分段式分布,在山南-朗县段、波密-理塘段最为严重;一维卷积神经网络的ROC曲线下覆盖的面积为0.958,能有效地进行该区域的滑坡敏感性评价.     

GIS支持下的滑坡危险性评价研究

遥感和地理信息技术作为一种新的调查、监测途径和手段,在滑坡研究领域已得到广泛运用。本文阐述了信息量模型与逻辑回归模型,介绍基于GIS的滑坡危险性评价过程与方法,从而实现滑坡地质灾害的科学评价。     

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.     

应用CF和Logistic回归模型编制滑坡危险性区划图

根据地理信息系统(GIS),以滑坡发生确定性系数(CF)和Logistic回归模型编制贵州省滑坡灾害区划图,其主要步骤为:应用历史滑坡灾点面积和滑坡致灾单因子子集面积计算CF,由此确定主要的滑坡致灾因子;应用Logistic回归模型、地理信息系统(GIS)空间分析工具和统计软件SPSS寻求最合适的模型描述灾害是否发生(因变量)与致灾因子(自变量)之间的关系;计算研究区域内各单元的滑坡概率,划分危险性等级,绘制基于GIS的贵州省滑坡灾害区划图;最后,用历史灾害分布数据检验滑坡灾害区划图.研究结果表明:根据区划图,贵州省可分为4个区域,即低危险区、中等危险区、高危险区和极高危险区;对贵州省的危险性分区合理,结合CF与Logistic回归模型编制滑坡灾害区划图的方法有效.     

基于CF-PCCs模型的维西县滑坡致灾因子敏感性分析

为了深入了解滑坡的成灾背景，减少灾害造成的生命财产损失，以云南省维西县为研究区，选取了高程、坡度、坡向、降水量、距河流距离、工程地质岩组、距断层距离、植被归一化指数（Normalized Difference Vegetation Index,NDVI）和道路密度9项致灾因子，利用确定性系数（Certainty Factor,CF）-皮尔逊积矩相关系数（Pearson Product-moment Correlation Coefficient,PCCs）模型对致灾因子进行敏感性分析，并对分析结果的准确性进行了验证.结果表明：(1)因子敏感性由高到低分别为坡向、河流、高程、降水量、断层、道路、坡度、工程地质岩组和NDVI；(2)敏感性最大的因子类别包括：高程为1 486～2 600 m，坡度为0°～20°，坡向为半阳坡，降水量为782～1 178 mm，距河流距离为0～300 m，工程地质岩组为极软岩，距断层距离为2 400～3 200 m,NDVI为-0.169～0.039，道路密度为80～117 km/km2；(3)CF-PCCs模型精度高，数据分析结果可靠，该方法可为滑坡敏感性分...     

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Logistic回归模型的芦山震后滑坡易发性评价

地震导致山体结构失衡,物质松动,在降雨条件下,滑坡等次生地质灾害极易发生。以"4.20"芦山地震区为研究对象,基于遥感(RS)和地理信息系统技术(GIS),以坡度、起伏度、土地类型、断层的距离、地震动的峰值加速度为评价因子,采用Logistic回归方法构建评价模型评估了研究区滑坡易发性,并通过受试者工作特征曲线(ROC)检验模型的效果。通过对421个滑坡灾害点的回归分析得出断层的距离、地震动的峰值加速度对滑坡的发生贡献最大,研究区域46.63%的地区滑坡极易发生。ROC曲线的线下面积(AUC)为0.772,验证结果显示评价结果与实际情况吻合。     

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...     

基于地理处理服务的滑坡敏感性区划研究

在ArcGIS Server平台下开发地理处理服务(GP服务),实现滑坡敏感性区划图的自动化编制.其步骤为:首先,阐述GP服务二次开发方法及其在地质灾害自动化分析和网络发布中的作用；然后,以贵州省为研究区域,选择高程、坡度、岩性、地质构造、铁路建设和年均降雨量6个致灾因子及其二级指标建立滑坡敏感性区划研究体系；最后,以主客观综合权重方法为原型构建滑坡敏感性区划GP模型,并发布为网络服务,在WebGIS系统中调用该服务自动编制贵州省滑坡敏感性区划图.将敏感性区划图与历史滑坡分布图比较,证明了GP模型的可靠性.     

一种新的区域滑坡影响因子敏感性分析方法研究与应用

区域滑坡的研究是近几年滑坡领域的一个研究热点,而对于区域滑坡研究而言,影响因子(环境因子和触发因子)的敏感性分析是其中的一个难点.在基于滑坡历史资料分析的基础上,提出了一种新的较为客观的影响因子的敏感性分析方法,并利用此方法对研究区-四川省雅安市雨城区内的区域滑坡的影响因子进行了敏感性分析.结果表明:此种方法较之其它方法更为客观,能较为真实地反映实际情况.因此该方法可为类似区域滑坡研究提供借鉴.图1,表2,参9.     

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。     

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。