汶川震区陕西省宁强县滑坡灾害危险性分析与评价

在分析汶川震区陕西省宁强县滑坡灾害特征和危险性影响因素的基础上,利用开发的县域滑坡灾害风险管理GIS系统,选取斜坡坡度、地层岩性、地震动峰值加速度等8个因素进行滑坡灾害危险性分析。根据研究区13 477个网格单元信息量计算结果,将宁强县滑坡灾害危险性分为极高、高、中、低和极低5个危险等级。研究得出极高危险和高危险区主要集中在勉阳深大断裂带及其次级断裂区,约占研究区总面积的16%,滑坡点密度为20.5/100 km2.中等危险区分布于境内工程地质岩性较为软弱的区域,约占研究区总面积的42%,滑坡灾害点密度为6.3/100 km2.低危险区和极低危险区位于区内人口稀少的高远山区,约占研究区总面积的42%,滑坡灾害点密度为0.64/k100 m2.     

基于GIS的重庆巫山县崩塌灾害危险性分区评价

【目的】对位于三峡库区的重庆巫山县进行崩塌灾害危险性分区评价。【方法】遴选了地貌类型、地形相对高差、地形坡度、地层岩性、距断裂构造距离、年均降雨量、植被覆盖度、土地利用类型等8个危险性评价指标及分级指标体系,利用层次分析法与专家系统获得了8个评价指标的权重系数,建立了崩塌灾害危险性评价综合指数模型。基于GIS技术,实现了8个危险性评价指标的单因素危险性分区、等面积及行政区划多因子空间叠加分区,获得了该县崩塌灾害危险性分区评价图。【结果】巫山县崩塌灾害低危险区、中危险区、高危险区和极高危险区分别占全县面积的16.9%,36.4%,31.5%和15.2%。以巫山县行政区划中的26个乡(镇、街道)为单位,其中位于极高危险区的有6个乡(镇),位于高危险区的有9个乡(镇),位于中危险区的有8个乡(镇),位于低危险区的仅有3个镇(街道)。【结论】研究结果对巫山县崩塌地质灾害的防治具有重要参考价值。     

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.     

海南岛台风灾害综合危险评价

为更好地揭示海南岛台风灾害危险分布规律,耦合孕灾环境敏感和致灾因子危险两方面因素,利用海南岛1980-2019年台风数据,运用组合权重法,构建海南岛台风灾害综合危险评价模型,并按10年间隔划分为4个年代,得到海南岛不同时期台风灾害综合危险分区.结果 表明:①孕灾环境敏感程度在空间上具有从东部、西南部沿海向内陆逐渐降低趋势,以中低敏感区为主,面积占比30.88％,高敏感区面积1495.02 km2,占比为4.42％;②致灾危险程度随时间推移呈现上升一下降—上升变化趋势,空间分布具有从沿海向内陆呈逐级递减趋势特征;2001-2009年致灾因子危险程度低的范围最广,面积为25624.85 km2,占比达75.7％;2010-2019年致灾因子危险程度高的范围最广,面积占比达34.78％;③台风灾害综合危险随时间变化呈现下降—升高趋势,空间上均具有从东北部、西南部沿海向中部内陆和西北部沿海降低特征;2001-2009年综合危险指数最低,面积占比为29.61％;2010-2019年代综合危险指数最高,面积占比达42.08％;④台风灾害综合危险高值区主要分布东部、西南部沿海的文昌、陵水等6市县;中值区分布在沿海、内陆的万宁、保亭等6市县;低值区则分布在中部内陆至西北部的五指山、临高等6市县.海南岛台风灾害随时间变化具有较复杂的演变规律,随着社会经济的发展,防治台风灾害的任务将更艰巨.     

基于GIS的平昌县滑坡灾害危险性评价

滑坡是平昌县境内发育的主要灾害,结合平昌县滑坡灾害发育特征,选取地层、高程、高差、坡度、坡向、剖面曲率6个因子作为研究区滑坡灾害的危险性评价因子。基于GIS空间分析,利用贡献率权重模型确定各因子的自权重与互权重,根据多因子叠加的原理,建立研究区的危险度计算模型,最终将研究区内滑坡灾害危险性划分为3级:低危险区、中等危险区、高危险区。经过检验评价分区结果符合实际情况。     

甘肃天水市北山地质灾害危险度区划

依据北山地质灾害的形成机制,选取地层岩性、断裂构造、多年平均降水量、交通道路、山坡坡向、沟岸坡度、沟谷密度、地形起伏度8个评价指标,利用层次分析法研究了各指标与地质灾害间的关系,建立以ArcGIS 10.2为平台的危险度区划模型,完成天水市北山地质灾害危险度区划图.结果表明:天水市北山高危险区面积41.61 km~2,占研究区总面积的29.72%;中危险区面积33.84 km~2,占研究区总面积的24.17%;低危险区面积64.13 km~2,占研究区总面积的45.81%,所得区划结果与各地质灾害区域的分布特征相吻合.     

基于GIS的信息量模型的白沙河流域滑坡危险性评价

以白沙河流域为例进行了滑坡地质灾害危险性评价。选取土地利用类型、岩性、高程、坡度和坡向5个评价因子,建立了基于GIS的信息量模型,解决了存在于评价过程中定性因素定量化处理不够客观的问题。用自然断点法将结果划分成20.0%的高危险区、31.0%的中危险区、26.4%的低危险区以及22.6%的极低危险区。经过验证得到实际滑坡危险性程度与评价结果基本相符,表明将GIS与信息量模型用于滑坡灾害危险性评价是可行的。     

人工神经网络在滑坡敏感性评价中的应用

以边坡为基本研究单元,经过主成分分析和独立性检验得到白龙江流域对滑坡形成贡献最大的6个因子:人口密度、坡度、坡向、断裂距离、岩性和高程.使用人工神经网络对白龙江流域进行滑坡敏感性评价,采用ROC曲线对模型精度进行验证.研究结果表明,人工神经网络能有效地对该区域进行滑坡敏感性评价,且能将研究区划分成5个区:极低危险区、低危险区、中等危险区、高危险区、极高危险区,各区面积占研究区面积的比例分别为9.53%,41.46%,12.12%,25.33%,11.58%.     

基于GIS技术的汶川地震诱发地质灾害危险性评价——以四川省北川县为例

在汶川地震诱发地质灾害应急调查的基础上,开展地震诱发地质灾害危险性评价。以北川县为例,应用GIS技术对5个主要评价指标进行提取和叠加分析,并结合降雨因子最终完成北川县灾后危险性评价图。评价结果表明:高危险区面积占52.6%,地质灾害点占95.9%;中危险区面积占25.1%,地质灾害点占3.7%;低危险区面积占22.3%,地质灾害点占0.4%。     

芦山“4·20”震后地质灾害危险性评价

 芦山“4·20”地震之后,滑坡、崩塌、泥石流等次生地质灾害频发,新增地质灾害点365 处,严重影响当地经济建设与灾后重建工作。在分析地质灾害孕灾环境条件的基础上,选取地层岩性、断裂带、坡度、相对高程、年平均降雨量、地震动峰值加速度、土地利用类型等7 个因子作为评价指标,建立基于灾害熵的地质灾害危险性评价方法,并将该方法应用于芦山县地质灾害危险性评价。结果表明,芦山县49.89%的区域处于中度和高度危险区,其中高危险区占总面积的29.99%,这些高危险区位于正河、玉溪河、灵关河流域,受地形、人类活动、地震影响,地质灾害破坏性极大,在后期建设与防灾减灾中应当给予高度关注。     

基于GIS与AHP属性辨识模型的地质灾害危险性评价——以涪陵页岩气开采区为例

【目的】建立新的区域性地质灾害评价模型，对涪陵页岩气开采区的地质灾害危险性进行评价。【方法】根据涪陵页岩气开采区的地质、水文和气候特征，选取归一化植被指数(NDVI)、土地类型、坡度、坡高、年峰值周降雨量、年峰值日降雨量等6个主要因素作为评价指标。基于GIS平台，采用AHP属性辨识模型对研究区的地质灾害进行危险性评价。【结果】涪陵页岩气开采区的地质灾害危险性较高，极高危险区面积为1466 km2，高危险区面积为743.6 km2，两者分别占开采区总面积的9.6%和52.8%。通过开采区173个历史地质灾害点的验证表明，评价的地质灾害危险性区划与历史地质灾害点的空间分布一致，其中98个分布于极高危险区，56个分布于高危险区，分布于中危险区和低危险区的仅有19个。用受试者工作特征曲线法对上述评价结果进行精度评估，曲线下的面积百分比达82.8%，验证了评价模型的可行性。【结论】研究结果对涪陵页岩气开采区输气管线、道路和房建等的规划和防灾减灾具有重要指导意义。     

基于GIS的吉林省公路洪水灾害危险性评价

为研究吉林省公路洪水灾害危险性特点,在将吉林省公路地貌划分为平原区和山区的基础上,选取大于25 mm年降水日数、年降水量、地形坡度、区域河网密度和土地利用/覆被类型作为评价指标,分平原区和山区构建吉林省公路洪水灾害危险性综合评价模型,在GIS平台支持下对吉林省公路洪水灾害危险性进行了评价。结果表明,吉林省公路洪水灾害中、低危险区主要分布在吉林省西部和东部的延边朝鲜族自治州中部,较高和高危险区主要分布在吉林省的中部和南部,低、中、较高和高危险区占全省总面积的比例分别为19.91%、25.65%、28.96%和25.48%。     

基于GIS的层次分析法在同德县地质灾害易发性评价中的应用

为了更直观、有效地反映同德县地质灾害空间分布规律及易发程度,通过资料收集、遥感解译、野外地质调查等工作,选取灾害点密度、坡度、坡高、坡型、岩土类型、冻土、植被、降雨、断层和人类工程活动10个评价指标,建立层次模型,计算各个指标的权重。在GIS平台下,对各个指标进行分析和归一化处理,通过叠加计算得出:研究区划分为高易发区、中易发区、低易发区3个等级,其中,高易发区面积为760. 51 km2,占总面积的15. 18%;中易发区面积为3 784. 41 km2,占总面积的75. 52%;低易发区面积为466. 12 km2,占总面积的9. 3%。研究结果可以更客观有效地反映实际情况,为地质灾害防治提供依据。     

滇西高山峡谷区泥石流危险性评价——以怒江傈僳族自治州为例

滇西高山峡谷区特殊的地理环境特征,使其成为泥石流灾害的高发区.以怒江傈僳族自治州为研究区域,以历史灾害数据为基础,选取地理环境、地质、气候水文、地形和人类活动五个方面,包括地貌类型、土壤类型、植被类型、归一化差分植被指数、岩性、断裂带、河流分布、降雨量、坡度、坡向、土地利用类型以及公路分布12项评价指标,采用统计指标法和层次分析法相结合的方法对该区域的泥石流危险性进行分区和评价.结果显示:泥石流的危险性分区以中低危险区、中危险区和较高危险区为主,分别占总面积的30.96%、25.5%和20.57%,而低危险区和高危险区共占22.94%;不同样本泥石流分布密度与危险性分区具有较高的正相关性,直接印证了分区方法的合理性;评价方法受试者工作曲线下的面积(AUC)为0.756,表明方法具有可行性.     

基于权重模型的滑坡灾害敏感性评价

在GIS环境下,基于主客观综合权重模型编制贵州省滑坡灾害敏感性区划图。选择历史滑坡分布、坡向、至水系距离、地形地貌、高程、岩性、至构造线距离和年平均降雨量作为引发滑坡的致灾因子,应用TFNW(梯形模糊数加权)方法计算二级指标的主观权重。根据历史滑坡的密度,以信息熵权理论计算一级指标的客观权重。最后,应用WLC(权重线性组合)方法,基于GIS平台编制贵州省滑坡灾害敏感性区划图。根据敏感性指标分布,将贵州省划分为4个区域：低危险区、中等危险区、高危险区和极高危险区。结合历史滑坡分布图对分区结果进行统计分析,结果表明滑坡敏感性预测区划图和实际的滑坡发育情况基本吻合,说明TFNW和信息熵理论是有效的滑坡致灾因子赋权方法。     

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.     

改进层次分析法在某滑坡场地建设适宜性评价中的应用

场地建设适宜性评价是土地利用、资源节约和工程建设的重要依据。应地区规划要求,为了确定滑坡场地建设适宜性,采用改进层次分析法(IAHP)针对性的提出基岩表面坡度、深切冲沟的距离以及滑坡自身的稳定性等9个评价因子,对规划区内整体稳定性较好的某滑坡进行场地适宜性评价。结果表明：适宜性区面积约0.83 km²,约占场地总面积的20.2%,分布于山前地带、场地中后部;较适宜区面积约0.43 km²,约占场地总面积的10.4％,主要为滑坡场地中部;适宜性差区面积约1.01 km²,约占场地总面积的24.4%,主要为滑坡的中前部;不适宜区面积约1.85 km²,约占场地总面积的45.0%,主要为工程地质条件及施工条件较差区域。评价结果与野外地质环境调查以及场地现状定性判别结果基本一致,具有可靠性,可见改进层次分析法对滑坡场地规划建设用地的分类和预测具有重要意义。     

基于支持向量机模型的滑坡危险性评价

以长安区为研究区,在分析研究区地质环境条件以及滑坡发育特征的基础上,选取12类因子作为评价指标,通过Spearman对各因子之间的相关性进行分析;分别采用线性核函数(LN)、多项式核函数(PL)、径向基核函数(RBF)、Sigmoid核函数下的支持向量机模型对研究区地质灾害危险性进行评价,利用ArcGIS软件生成最终的危险性评价结果图,将评价结果图划分为四个危险等级,分别为极高危险区、高危险区、中危险区、低危险区;不同核函数下的支持向量机模型经ROC曲线验证得到:RBF-SVM模型的预测精度最高,此核函数下的支持向量机模型更适应于该研究区滑坡灾害危险性评价中。研究结论可以为类似地质环境条件下区域地质灾害危险性评价模型的选取提供参考。     

基于孤石全生命周期的危险性评价

近年孤石滚落灾害越发受到关注,而对其危险性定量评价的相关研究较少。首先是因为孤石具有数量多,规模大,形状不一的特点,对孤石群的稳定性判定是一个问题；其次对孤石影响区域的危险性评价是另一个难点。因此以广州市白云山原始森林公园为研究对象,特对此区域开展孤石危险性评价。通过对孤石“稳定性定性定量综合判断＋失稳孤石威胁范围精准划分”的方法,考虑多评价因子对研究区危险性进行综合评价。利用熵权法计算各评价因子的权重,基于高精度DEM、GIS软件和RA(RockFall Analyst)模型对研究区危险性等级进行划分,将白云山原始森林公园滚石危险范围划分为四个等级：极高危险区、高危险区、中危险区和低危险区。研究成果提出了一套可为其他区域孤石滚落灾害危险区划的系统性评价方法。     

非完整滑坡编目三参数反Gamma概率分布模型

中国5.12地震震级高,震源浅,于震区内触发了大量滑坡。为了研究地震滑坡的概率分布特征,对四川映秀极震区(约109.3 km2)地震滑坡进行系统编目,该编目属非完整滑坡编目。利用该编目建立三参数反Gamma概率分布模型,其拟合参数分别为b=1.11,a=2.17×10-3 km2及s=-3.925×10-4 km2。基于该模型对编目区内滑坡面积均值、总面积及最大滑坡面积进行计算,并引入滑坡标度及建立指数修正函数分别对5.12四川汶川地震触发滑坡总数及滑坡总面积进行预测,同时建议模型建立原则。研究结果表明:模型的幂律衰减参数值与已有研究结果相近;模型对编目区内滑坡面积均值、总面积及最大滑坡面积的计算结果与实测值之间的相对误差均为10%左右;模型对5.12汶川地震触发滑坡总数及滑坡总面积的预测结果均与已有研究结果比较接近。