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。     

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。     

确定性系数法的海城市地质灾害易发性评价

海城市地貌类型多样,地质灾害多发.本文选取高程、坡度、坡向、地层岩性、年均降雨量、距河流距离、植被覆盖度和距断层距离8个影响因子进行地质灾害易发性评价,基于ArcGIS栅格统计功能,运用确定性系数模型对海城市地质灾害易发性进行评价.结果表明:海城市地质灾害可分为高、中、低和不易发区,高易发区主要分布在海城市东南部低山丘陵地区;中易发区集中分布在高易发区外围的析木镇、牌楼镇和岔沟镇;低易发区零星分散于海城市各镇;不易发区主要分布在北部地形平缓的平原区.海城市地质灾害的发生受高程和地层岩性影响因子主要控制,经降雨诱发,受河流附近人为活动影响,并在坡度、坡向、植被覆盖度和距断层距离等多种因素影响下,导致海城市地质灾害发育程度和分区的不同.     

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。     

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。     

基于信息量法与加权信息量法的地质灾害易发性评价效果对比 ——以蕲春县北部地区为例

为对比应用信息量法与加权信息量法对地质灾害易发性评价效果,以蕲春县北部地区为例进行研究.对区内地质灾害影响因素分级和相关性分析,确定高程、坡度、坡向、岩土体类型、水系、居民区和公路共7个因子作为区内易发性评价因子.基于以上两种方法,利用ArcGIS平台,对研究区进行地质灾害易发性评价,将研究区分为高易发区、中易发区、低易发区和不易发区.最后通过ROC曲线验证及地质灾害相对百分比指标对比分析两种方法的评价效果,据此选择出较优的易发性评价结果.结果表明,两种方法的评价结果均有较好的准确性,但加权信息量法效果不如信息量法,通过对信息量值加权来达到改进效果并不适用于本次地质灾害易发性评价.因此,在选择加权信息量法进行易发性评价时需要对其评价效果进行对比验证.     

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...     

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...     

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。     

基于小流域单元的泥石流易发性评价

为探究不同评价指标体系对泥石流易发性评估结果的影响。选取植被覆盖度、地层岩性、地表起伏度、地表粗糙度、沟壑密度、距断层距离和地震峰值加速度总共7个评价因子组成对照组指标体系,通过坡体稳定性分析得到潜在失稳面积与小流域面积比评价指标,构建包阔地表起伏度、地表粗糙度、沟壑密度、距断层距离、地震峰值加速度和潜在物源分布面积与小流域面积比的试验组指标体系,采用确定性系数模型,将安宁河流域划分为高、较高、中、较低、低五个泥石流易发性区。对比结果表明：试验组指标体系与对照组指标体系的泥石流易发性高易发区和较高易发区频率比值分别占总频率比值的88.17%和85.88%,表明两种评价指标体系均客观、有效的评价了安宁河流域的泥石流易发性。试验组指标体系的AUC值达0.767,与对照组指标体系的AUC值相比提升了1.99%,表明泥石流易发性评价指标体系中加入坡体稳定性因子相较于仅考虑孕灾环境因子的泥石流易发性评价结果更好。为提高泥石流易发性评估结果提供了新思路。     

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。     

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。     

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.     

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。     

基于确定性系数与支持向量机的滑坡易发性评价

准确的滑坡易发性评价对防灾减灾具有重大意义。以略阳县为研究区,在确定性系数模型(certainty factor, CF)易发性分区的基础上,剔除极高和高易发区后选取非滑坡点,提取CF值为支持向量机模型(support vector machine, SVM)的输入值,采取灰狼优化算法得到最优参数建立CF-SVM模型对研究区进行预测,同时与随机选取的非滑坡点SVM模型进行对比。结果表明：CF-SVM模型在极高和高易发区涵盖了74.2%的历史滑坡点,且受试者特征工作曲线下的面积(area under receiver operating characteristic curve, AUC)达到0.95,均高于SVM模型,由此说明CF-SVM模型具有更高的准确率,并且证明了在CF模型基础上选取非滑坡点的可行性,可为该区域的风险管理提供科学依据。     

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.