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。     

层次分析法在永登县地质灾害易发性评价中的应用

在阐述AHP在地质灾害易发性评价的过程与步臻后，建立地质灾害易发性综合评价的层次模型，构造判断矩阵，通过分析计算，确定影响地质灾害易发性因子的权重，在分析已有的气象、水文、地质环境条件等资料，利用GIS的栅格计算功能，将复杂的因子定量化，建立永登县地质灾害易发性综合评价模型。     

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。     

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。     

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.     

基于GIS与信息量法的贵州省丹寨县地质灾害易发性评价

基于贵州省丹寨县最新开展的地质灾害详细调查数据,选取5类主要地质灾害影响因素,采用信息量法,在评价因子分析的基础上,通过GIS软件空间分析功能,对丹寨县开展了地质灾害易发性评价。评价结果显示,研究区可划分为极高易发区、高易发区、中易发区和低易发区等4个区。     

玉树县地震震后地质灾害易发程度评价

玉树"4·14"地震发生后,地质灾害发育密度明显递增。通过对研究区地质环境条件及地质灾害基本特征分析研究,选取了历史地质灾害发育程度、地形地貌、工程地质岩组、地质构造、水文条件、植被条件、降雨量、地震、人类工程活动等影响因素,建立了相应的地质灾害危险性评价指标体系,采用层次分析法,基于GIS技术平台,对玉树"4·14"地震震后地质灾害进行了易发程度划分。     

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。     

宁强县鱼家沟泥石流易发程度评价

陕西省宁强县阳平关镇小鱼村鱼家沟泥石流扇形地发育完整,为大型沟谷型泥石流。易发程度为易发等级,危害程度大,为省级地质灾害监测点。通过对该泥石流隐患点的野外调查、测量及工程揭露等项研究,查明了该泥石流现状,分析了成因和影响因素等,对其易发程度进行定性、定量分析评价,并提出防治措施。     

基于支持向量机的滑坡易发性评价

应用支持向量机算法对湖南省靖州县的滑坡易发性进行评价.首先,通过实地调查、卫片判译及滑坡历史记录,共发现滑坡102处及非滑坡点100处,随机用70％数据来训练模型,30％数据来验证模型;其次,选取坡度、坡向、高度、河流距离、断层距离、公路距离、土地利用和人类活动强度8个地质灾害影响因子作为地质灾害易发性评价指标;然后,...     

永登县苦水镇潜在地质灾害时空分布特征及易发性与危险性分区评价

以永登县苦水镇为研究对象,充分利用已有资料和野外实地勘察对苦水镇地质灾害的类型、地质条件、发育特征、时空分布规律等进行系统分析。明确了滑坡和不稳定斜坡均为土质斜坡,主要沿东侧黄土丘陵区第一斜坡带成带状分布,具有明显的雨季效应。基于苦水镇地质背景条件,以斜坡作为基本评价单元,分别选取滑坡和不稳定斜坡各自的指标评价因子对其易发性进行分区和评价,进而以易发性分析结果对危险性进行分区评价。结果表明：苦水镇地质灾害易发性可划分为高、中、低及非易发4个分区,面积分别为0.16km2、0.01km2、0.03km2、1.37km2;地质灾害危险性可划分为高、中、低及极低危险4个分区,面积分别为0.118km2、0.035km2、0.031km2、1.386km2。易发性与危险性分区结果与野外实地调查情况相吻合,能够较好地反映区内地质灾害发育的总体特征,这对苦水镇地质危害的预测预警具有一定的指导意义,为甘肃省城镇地区滑坡地质灾害评价和防治提供借鉴。     

西南山地多灾区域道路网络可靠性规律分析

为揭示西南山地城乡道路系统在多灾情景下的损毁机制,提升多灾地区路网可靠性服务能力,选取典型西南灾害多发区大渡河流域康定段作为研究靶区,采用复杂网络以及计算机仿真分析方法,建立区域道路网络模型以及多灾干扰模拟机制。以整体连通性和高效连通性为指标体系,在多灾情景模拟干扰下探索道路网络可靠性动态响应规律。研究表明:西南山地多灾区域城乡道路网络的可靠性受关键路段及地质灾害点地理位置的影响,不同等级的关键路段呈现聚类分布,据此提出相关应对策略。     

基于频率比-投影寻踪模型的渝东北三峡库区滑坡敏感性制图

滑坡敏感性制图是灾害防治较为有效的软措施之一.以渝东北三峡库区为例,利用频率比法和投影寻踪模型绘制滑坡敏感性图.首先,针对研究区的地质环境特征建立滑坡敏感性评价指标,并利用频率比法分析历史滑坡与指标之间的空间关系.其次,利用投影寻踪模型确定评价指标的最优向量,将频率比分析结果与最优向量进行加权计算得到滑坡敏感性指数,并...     

山地旅游区地质灾害风险管理和减灾体系构建 ——以四川省乐山市山地景区为例

山地旅游蓬勃发展的同时旅游区地质灾害类型和数量也日益增多,对旅游区人员、旅游资源和基础设施等造成很大危害。为降低由地质灾害引发的山地旅游区公共安全风险问题,本文通过资料收集、实际调研和理论分析的方法构建了山地旅游区地质灾害风险管理和的防灾减灾体系。结果表明,四川乐山山地旅游区地质灾害类型主要为危岩、滑坡、泥石流和山洪,危害方式呈现灾害链形式;分别阐述了灾害风险管理的全过程,包含风险的识别、分析、评价和管控,最终建立了适应山地旅游区的地质灾害风险管理框架;从地面调查、监测预警、工程治理和应急救援等方面构建了防灾减灾体系。此成果丰富了山地旅游区风险管理的理论研究、提高了旅游区防灾减灾能力,促进了旅游区可持续发展。     

评价单元对地质灾害易发性评价的影响

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。     

矿山地质环境变异的模糊综合评价

利用现场调查收集灾害点和区域地质环境数据,将模糊综合评判应用到区域地质灾害危险性评价中,在模糊综合评判时,由于评价因素较多,因此采用二级模糊综合评判模型．评价集采用三级评价标准,即把地质灾害危险性划分为危险性小、危险性中等和危险性大三类．确定了三个参评要素：地质环境条件、地质动力和历史状况,十一个评价因子,采用半梯形分布隶属函数曲线确定其隶属度．选用在传统的层次分析方法上有所改进的模糊层次分析法（FAHP）作为评价因素权重的确定方法,确定了各评价要素、因子的权重值．然后进行模糊变换与综合评判,根据最大隶属度原则,评判计算单元所属危险性级别．为定量评估研究区地质灾害危险性,把整个太原市西山矿区进行单元划分。将全区划分为23个有效单元．文中以第15单元为例具体说明了模糊综合评判方法．在整个研究区运用该方法,计算出每个单元所属地质灾害危险性类别,从而判断了各单元所属的危险性等级．     

贵州采煤塌陷引发的地质灾害及塌陷区的类型

贵州省因采煤塌陷引发的矿山地质灾害主要表现为地裂缝、滑坡、崩塌、泥石流等,其发育程度和影响程度在不同采煤塌陷区差异较大。采煤塌陷区可划分为六盘水复合型塌陷区、贵-毕中度塌陷区及黔东轻微塌陷区等三种类型。其中,第一种类型煤矿采空区地表沉陷变形最明显,易引发次生地质灾害,危害性最大;第二种类型采空区地表沉陷变形较明显,引发次生地质灾害的可能性和危害程度较前者小;第三种类型采空区地表沉陷变形不明显,塌陷危害较小。     

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。     

Regional Integrated Meteorological Forecasting and Warning Model for Geological Hazards Based on Logistic Regression

Information model is adopted to integrate factors of various geosciences to estimate the susceptibility of geological hazards. Further combining the dynamic rainfall observations, Logistic regression is used for modeling the probabilities of geological hazard occurrences, upon which hierarchical warnings for rainfall-induced geological hazards are produced. The forecasting and warning model takes numerical precipitation forecasts on grid points as its dynamic input, forecasts the probabilities of geological hazard occurrences on the same grid, and translates the results into likelihoods in the form of a 5-level hierarchy. Validation of the model with observational data for the year 2004 shows that 80% of the geological hazards of the year have been identified as ＂likely enough to release warning messages＂. The model can satisfy the requirements of an operational warning system, thus is an effective way to improve the meteorological warnings for geological hazards.