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.     

农村乡镇地质灾害易发性综合评价方法研究

以甘肃乡镇地质灾害资料为基础,通过对比筛选合理的评价因子,依据对比法和权的最小平方法确定其权值,建立了一种农村乡镇地质灾害易发性综合评价模型方法,并对甘肃东部27个乡镇进行地质灾害易发性评价和地质灾害分区,可用于指导城镇建设。     

北京市地质灾害韧性水平评估

从经济条件、人口情况、社会保障与发展、基础设施和灾害管理5个方面构建了北京市地质灾害韧性评估指标体系；运用熵权-TOPSIS法定量计算了各区县地质灾害内在韧性得分，并结合地质灾害易发性分数得到了地质灾害韧性水平评估结果.结果表明：1）北京市地质灾害韧性水平呈现出明显的城区高、郊区低的趋势，其中海淀、朝阳区地质灾害韧性水平最高；2）朝阳、密云、怀柔地质灾害易发性总体水平最高，城6区中除了朝阳区以外，其他城区的地质灾害易发性水平较低；3）朝阳区地质灾害韧性水平较高，但地质灾害易发性偏高，仍具有较高的地质灾害风险；怀柔、密云、门头沟和房山的地质灾害韧性水平较低，并且地质灾害易发性水平较高，在突发地质灾害时具有高风险，需加强地质灾害风险评估、做好泥石流防治工程建设以及地质灾害避难场地的建设.     

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.     

怒江州滑坡地质灾害气象预警模型研究

根据怒江州2012—2014年87个雨量监测站点的降雨数据,首先研究降雨量及降雨过程与地质灾害空间分布的对应关系,再用信息量模型对地质灾害易发性进行静态评价.在此基础上,应用广义线性模型将动态降雨预报和静态的易发性评价结合起来,分别建立了地质-气象耦合模型和地质-降雨综合模型.实例检验并分析了2种模型,结果表明:地质-降雨综合模型的指标计算结果更具有科学性;同时地质-降雨综合模型在时间与空间的结合上更有优势;此外,地质-降雨综合模型的预警准确度较高,且在地质-降雨综合模型的预警图上除灾害当天的预警显示外,相近时间发生的灾害也有所反映.综上,地质-降雨综合模型比地质-气象耦合模型更适合怒江州滑坡地质灾害预报预警.     

基于GIS的瓮安县地质灾害易发性和危险性分区评价

为了研究贵州省瓮安县各类地质灾害在空间上的发育分布规律,根据瓮安县地质环境和地质灾害野外调查资料,运用综合指数法,对区域内地质灾害易发性的影响因素进行量化。通过地理信息系统(GIS)空间分析软件,对其进行计算与叠加,并依据分区的标准,利用ArcGIS软件内置的自然间断点对地质灾害易发性指数图层进行插值处理,得到瓮安县地质灾害易发性分区图。将区域地质灾害的易发性和区域受威胁对象的易损性进行叠加计算,得到瓮安县地质灾害危险性分区图。根据分区结果可知:地质灾害高易发区占全县面积41.52%,地质灾害中易发区占全县面积38.62%,地质灾害低易发区占全县面积19.86%;地质灾害危险性划分为高危险区、中危险区和低危险区3个区,所占面积比例分别为41.00%、42.54%、16.46%。研究结果为该区地质灾害的预防和预警提供了依据,具有一定的工程实践意义。     

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。     

“4·20”芦山地震后的四川地质灾害形势预测与防治对策

"4·20"芦山地震诱发了大量次生地质灾害。针对此次地震引发的次生地质灾害,通过分析地形地貌、地质条件、地震活动和极端干湿气候对泥石流发育的影响,建立地质灾害易发性评价指标,利用GIS空间分析技术对四川震后地质灾害易发性进行了快速定量评价。结果显示,2013年四川省地质灾害高、中、低易发区面积分别为9.97×104 km2、6.67×104 km2、1.41×104 km2。其中高易发区主要集中于芦山地震影响区、汶川地震影响区、川东南和川南干旱区。在此基础上提出了防控建议。     

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%.     

不同精度下地表稳定性模型的评价

地质灾害易发性评价是地质灾害调查评价的重要内容之一。SINMAP模型耦合了无限斜坡模型和稳态水文模型,是应用最广泛的地质灾害易发性评价模型之一。该模型的输入参数包括地形数据、岩土物理力学参数、降雨量数据,其中DEM的精度对地形参数影响较大。为了探明不同DEM解像度对模型评价结果的影响,以浙江省温州市文成县玉壶流域作为研究对象,利用5 m、12.5 m和30 m三种不同精度DEM分别进行了SINMAP模型的地质灾害评价计算,并对结果进行了统计分析与比较。分析结果表明,DEM精度对SINMAP模型下地质灾害易发性评价结果呈现明显的非线性,5 m精度条件下的无条件不稳定区域接近12.5 m精度的两倍,30 m精度的三倍。日最大降雨量超过100 mm情况下降雨量对模型输出值的影响并不大。     

渝西典型丘陵区地质灾害易发性评价

重庆西部的丘陵区属于地质灾害发育密度较高的区域,掌握其地质灾害的易发性分布规律对于推动当地灾害预警体系建设至关重要.在分析渝西典型丘陵区孕灾地质环境条件的基础上,选取高程、地形起伏度、斜坡坡度、地灾点密度、距道路距离、距水系距离、工程地质岩组作为评价因子,采用信息量法和层次分析法构建地质灾害易发性评价指标体系和评价模型,并对渝西典型丘陵区的地质灾害易发性进行分区评价,同时对地质灾害易发性分区评价结果的精度和合理性进行了验证.结果表明：地质灾害高易发区主要分布于研究区的深丘区,其面积占研究区总面积的13.86%;地质灾害中易发区和低易发区在研究区的深丘区和中丘区中均有分布;研究区的浅丘平坝区以非易发区为主;经验证可知,本研究对研究区地质灾害易发性分区的评价结果与研究区地灾点的实际分布情况吻合度较高,说明本研究结果的精度较高,可作为当地灾害风险管控的依据.     

浙江省东阳市佐村镇地质灾害形成条件及易发性评价

为总结研究区及类似山区城镇地质灾害发育规律,以东阳市佐村镇地质灾害风险调查评价项目为依托,从地质灾害时空分布、降雨情况等6个方面分析了研究区地质灾害发育特征、分布规律。选取了斜坡坡度、坡向、坡形、高差、覆盖层厚度、岩性与岩土结构、斜坡结构、与构造间距离、切坡高度等9项评价因子,借助GIS平台,运用综合指数法开展了地质灾害易发性评价研究。结果表明,研究区划分为地质灾害高易发、中易发、低易发和不易发4个等级,分别占研究区面积的10.56%、35.77%、53.20%和0.48%。特征曲线(ROC)的线下面积(AUC)精度检验值为0.915,证明评价精度较高,可为研究区及类似区域的地质灾害防治工作提供理论基础及技术参考。     

GIS技术在灵宝市地质灾害易发性分区评价中的应用

结合灵宝市地质灾害调查与区划,分析GIS软件在地质灾害调查与区划中的应用,并建立了易发性分区评价管理信息系统,阐明了SuperMap软件在地质灾害调查与区划中体现的优点及在管理决策上实现的简捷性和易操作性,为地质灾害部门管理、决策带来了多方面的优势,提高部门的工作效率。     

评价单元对地质灾害易发性评价的影响

西吉县地处宁夏回族自治区南部山区,地质环境条件复杂,地质灾害数量多、规模大,严重制约当地的经济发展。为了探究不同评价单元对地质灾害易发性评价结果准确性的影响,以宁夏西吉县地质灾害为研究对象,分别以网格单元和斜坡单元作为评价单元,选取灾害点密度、坡度、坡高、坡型、降雨、岩土体类型、人类工程活动和地震等8个评价指标,基于ArcGIS软件,运用综合评判模型对各分级量化的评价指标进行叠加计算,其中采用层次分析法确定各指标的权重值,并应用突变点法将研究区划分为非易发区、低易发区、中易发区和高易发区四个等级,最后通过Sridevi Jadi经验概率法和相对滑坡密度指数法对易发性评价结果进行精度检验。结果表明：基于斜坡单元的高、中易发区灾害点占比比基于网格单元的高5.2%,采用Sridevi Jadi经验概率法得到的基于斜坡单元和网格单元的地质灾害易发性预测结果精度分别为94.74%和90.08%,基于斜坡单元和网格单元的高、中易发区滑坡密度指数值分别为99.30%和98.79%。斜坡单元的预测精度更高,表明采用斜坡单元划分的地质灾害易发性评价结果更为合理准确。     

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。     

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。     

基于极端梯度提升算法的滑坡易发性评价模型

机器学习用于地质灾害的易发性评价分析是当前研究的热点之一,不同的学习模型其效果不尽相同。为合理有效地评价滑坡地质灾害的易发性,依托浙江省温州市飞云江流域地质灾害的调查数据,应用地理信息系统（Geographic Information System,GIS）技术提取坡度、坡向、坡形、地表覆盖、地形湿度指数（Topographic Wetness Index,TWI）、极端小时降雨量、内摩擦角、黏聚力、容重与风化层厚度10个滑坡致灾因子,基于极端梯度提升算法（eXtreme Gradient Boosting,XGBoost）构建模型用于滑坡地质灾害的易发性多分类评价。模型结果通过多分类混淆矩阵进行评价,并与支持向量机（Support Vector Machine,SVM）模型进行精度比对分析。研究结果显示,训练后的XGBoost 算法模型对测试集中极高易发区识别的召回率和精确率分别达到了97.92%和98.06%,F1值达到97.99%,均优于SVM,可为研究地区的滑塌地质灾害易发性评价提供模型支持。