考虑最优影响因素组合的滑坡易发性评价——以水城区为例

当前滑坡易发性研究较少考虑不同影响因素组合对模型预测精度的影响。为此,提出了一种考虑最优影响因素组合的滑坡易发性评价模型。以贵州省六盘水市水城区为研究区域,基于该区域滑坡发育的工程地质条件和外界诱发因素,筛选坡度、坡向、曲率、归一化植被指数(normalized difference vegetation index, NDVI)、地层岩性、距断层距离、距水系距离、年平均降雨量、距道路距离和土地利用共10个环境因子作为该区域的滑坡影响因素,然后结合交叉验证和随机森林算法建立考虑最优因素组合的滑坡易发性评价模型;最后,将所提模型的预测准确率与传统诱发因素组合的模型进行对比分析。结果表明：考虑影响因素组合的模型曲线下面积(area under curve, AUC)为0.780,具有较好的预测能力;所提模型预测精度优于传统诱发因素组合模型。     

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。     

滑坡编录表达模式对易发性评价结果的影响

以贵州省六盘水市水城区为例,采用点单元与面单元两种滑坡编录模式,选取相同因子分级与易发性分级方法,对比分析两种模式下滑坡易发性评价结果的差异性。选取海拔高度、坡向、坡度、起伏度、斜坡结构、工程岩组、矿山相对密度、与河流间的距离、与道路间的距离9个因子,使用信息量法对研究区进行滑坡易发性评价。结果表明：基于面单元的易发性评价结果精度高于点单元评价结果,其易发性分级结果的合理性同样明显优于点单元。使用面单元能够提高滑坡易发性精度的原因是其能表达更多的空间信息。     

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...     

基于不同因子分级的滑坡易发性区划对比——以万州区为例

[目的]基于滑坡点属性与研究区全域点属性作为分类基础数据,对位于三峡库区的万州区滑坡易发性区划对比研究.[方法]选取高程、多年平均降雨量、地表切割深度、坡向、距道路距离、坡度、POI核密度、倾坡类型、岩性、归一化植被指数、曲率、地形起伏度、地形湿度指数等13个因子作为影响因子,分别对滑坡点属性与研究区全域点属性使用 自然断点法进行因子分类,并通过两种分类结果构建模型预测研究区内滑坡易发程度的空间分布情况.[结果]以研究区全域点属性作为分类数据对应的曲线下面积(Area under curve,AUC)值为0.79,对应的模型测试集最高精度为0.755;以滑坡点属性作为分类数据对应的AUC值为0.85,对应的模型测试集最高精度为0.779;高程、地表切割深度和多年平均降雨量的重要性位于前3位,对滑坡的发生有较大影响.[结论]采用滑坡点属性确定因子分类标准建立的随机森林模型精确性和预测能力更优,可对万州区的滑坡灾害危险管理和影响因子分级研究提供参考.     

基于可解释性机器学习的丘陵缓坡地区滑坡易发性区划研究

【目的】提出一种基于随机森林与Permutation Importance、PDP和LIME结合的可解释性模型,对滑坡易发性区划进行全局和局部解释,旨为滑坡灾害精准防治与城市规划提供理论依据。【方法】以重庆市江津区为例,选取地形地貌、地质构造、气象水文、环境条件和人类活动共5个方面的21个因子,结合江津区899个历史滑坡点,建立30 m×30 m精度的栅格空间数据库,按照滑坡与非滑坡1∶1的比例选取899个非滑坡点,利用随机森林算法构建滑坡易发性模型,将结果分为极低、低、中、高、极高等5个易发性等级,探讨了随机森林模型在三峡库区滑坡易发性区划中的普适性,最后通过Permutation Importance, PDP, LIME方法研究随机森林模型的可解释性。【结果】滑坡高-极高易发区内滑坡点数占历史总滑坡点的71.3%,面积占区域总面积的20.42%,混淆矩阵准确率为0.968,全体数据集AUC值达0.962。通过模型解释可知地形起伏度、年平均降雨量、坡度是滑坡易发性区划中最重要的因子,且地形起伏度、坡度为正影响,当年平均降雨量小于1 300 mm时,对滑坡的发生也产生正影响。【结论】基于可解释性机器学习的滑坡易发性区划模型预测精度高,对滑坡的精准防治有重要的实践意义。     

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,...     

基于频率比联接法和支持向量机的滑坡易发性预测

区域滑坡易发性制图对滑坡灾害的防治非常有意义。以江西省上犹县滑坡为例,首先基于遥感(remote sensing, RS)和地理信息系统(geographic information system, GIS)平台获取11个滑坡评价因子;进一步利用频率比(frequency ratio, FR)联接方法和支持向量机(support vector machine, SVM)模型耦合出FR-SVM模型进行滑坡易发性预测,并对结果进行易发性分级;同时建立以原始评价因子作为模型输入变量的单独SVM模型,再次对上犹县进行滑坡易发性预测制图;最后通过受试者特征工作曲线下的面积(area under receiver operating characteristic curve, AUC)曲线开展FR-SVM和单独SVM建模工况下的精度验证分析。结果表明:FR-SVM模型对于区域滑坡易发性制图具有比单独SVM模型更好的预测性能。FR-SVM和单独SVM模型的AUC值分别为0.893和0.798,进一步表明FR-SVM模型在描述滑坡易发性指数分布及评价因子对滑坡发育影响特征方面要优于单独SVM模型。     

基于GIS与随机森林的巫山县滑坡易发性区划

【目的】对三峡库区典型县域巫山县进行滑坡易发性区划,为该县滑坡灾害风险管理和城市建设规划提供科学参考。【方法】选取地形地貌、地质条件、环境条件、人类工程活动及诱发因素共5个方面下的22个因子作为滑坡易发性影响因子,结合研究区963个历史滑坡数据,以30m精度栅格建立滑坡影响因子地理空间数据库;进一步在地理空间数据库中,基于全体样本(包括滑坡点与非滑坡点),采用十折交叉验证选择训练和测试数据集;随后,利用随机森林进行模型训练,用训练好的模型对整个研究区进行全域滑坡易发性仿真分析,将结果划分为低、较低、中、较高、高5种易发性等级。【结果】混淆矩阵的准确率高达100%;受试者工作特征曲线训练数据、测试数据和全体数据的曲线下面积值均为1.000;高易发区面积占整个县面积的5.83%,而区内历史滑坡数占该县历史滑坡总数的35.72%;高程、多年平均降雨量、兴趣点核密度这3个因子对滑坡的发生有更大贡献。【结论】基于巫山历史滑坡数据和随机森林构建的滑坡易发性模型具有较高的准确性、稳定性以及良好的预测功能。     

釜溪河流域滑坡易发性评价及致灾因子分析

选取地震频发的釜溪河流域千年盐都自贡市为研究对象,基于Google Earth、Landsat8等遥感数据,运用GIS技术评估滑坡灾害易发性风险,采用频率比灾害风险指数进行致灾因子的敏感性分析,将研究区滑坡灾害易发性风险划分为极低、低、中、高和极高5个等级.研究发现:(1)在致灾因子中,坡度的频率比值最高达19.2...     

基于区间数-集对分析理论的库岸滑坡易发性评价

以乌东德库岸滑坡为例,充分考虑其发育的地质环境,选取滑坡发育特征、岸坡结构与岩性特征、地质构造与地形地貌特征、灾害诱发因素共4类因子作为滑坡易发性的影响因素.构建单因素分级标准,将库岸滑坡灾害易发性划分为四个等级,即重度易发、中度易发、轻度易发与不易发.应用区间数与集对分析理论,建立基于联系期望概念的库岸滑坡灾害易发性评价新模型,可系统分析滑坡易发性评价指标的区间形式及演化态势.实例分析结果表明,该方法评判结果可靠,且能简化区间数之间关系的分析过程.     

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。     

基于机器学习混合模型的滑坡易发性评价

安康市汉滨区地质环境脆弱,滑坡频发对当地居民生命财产安全造成严重威胁,针对该区域进行滑坡易发性评价是滑坡防治的有效措施。自适应提升模型和随机森林模型作为新颖的集成学习方法被应用至中外滑坡易发性评价研究中,但基于两者的混合模型在滑坡易发性中的应用研究尚未开展。为对比混合模型与单一模型的滑坡易发性评价精度,根据地质灾害详查资料圈定509处滑坡,结合研究区地质环境背景,选取高程、坡度、坡向、年均降雨量、地层岩性等13类因子进行评价。受试者工作特性曲线(receiver operating characteristic curve, ROC)结果表明,同单一模型相比,混合模型的训练集正确率和验证集预测率均为最高;混合模型的高易发区滑坡密度达到1.94,高于随机森林(1.86)和自适应提升模型(1.68);通过区内三处历史滑坡进行验证,结果显示区划结果与滑坡分布相吻合,说明自适应提升-随机森林混合模型可作为滑坡易发性评价的新方法,其区划结果可为滑坡防治与土地利用规划提供借鉴。     

基于证据权和支持向量机模型的威信县滑坡易发性评价

滑坡易发性评价研究对滑坡灾害防治具有重要意义。多模型耦合在滑坡易发性评价中运用广泛,但将(Weight of evidence,WOE)和支持向量机模型(Support Vector Machine,SVM)模型耦合进行滑坡易发性评价研究较少。以滇东北山区威信县为研究区,选取坡度等12个滑坡评价因子建立滑坡易发性评价指标体系,根据证据权计算得到证据权对比度、滑坡栅格占比和分级栅格占比,对指标因子进行分级,构建WOE-SVM模型计算得到滑坡易发性指数(Landslide susceptibility index,LSI),利用GIS平台得到研究区易发性分级图。结果表明：滑坡极高和高易发区主要分布河流流域和人类工程活动频繁区域,SVM和WOE-SVM模型评价结果与滑坡空间位置分布基本一致,但耦合模型精度高于单一SVM模型,其评价结果也更加合理有效,可为当地滑坡灾害的治理与预防提供一定参考价值。     

基于GIS与改进层次分析法的奉节县滑坡易发性区划

【目的】对三峡库区典型县域重庆市奉节县进行滑坡易发性区划,为该县防灾减灾与城市规划工作提供理论依据。【方法】选取地形地貌、地质条件、环境条件、人类工程活动及诱发因素共5个方面影响下的16个因子作为滑坡易发性影响因子,结合研究区1 520个历史滑坡数据,构建地理空间数据库;在地理空间数据库中进一步利用改进后的层次分析法确定各影响因子权重,构建滑坡易发性模型,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】较高 高易发区历史滑坡数占滑坡总数的80.29%;区域仿真的受试者工作特征曲线的曲线下面积为0.764;90%新近滑坡点分布于滑坡易发性高 较高区域。【结论】基于改进后的层次分析法构建的滑坡易发性区划模型具有一定的准确性与预测能力。     

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。     

基于频率比-随机森林模型的滑坡易发性评价

本文以陕西省洋县为研究区,通过搜集资料、实地调查获得研究区滑坡分布状况。结合研究区地质环境特征与前人研究经验,初步选取海拔、坡度、坡向、地形起伏度、曲率、距水系距离、距道路距离、降雨量及岩土体类型,共九种滑坡影响因子展开滑坡易发性研究。首先,采用皮尔森相关系数法对各因子间的相关性进行分析。其次,按照70/30的比例将滑坡数据随机划分为模型训练集与模型验证集。然后,采用模型训练集对频率比模型(FR)、随机森林模型(RF)及两者的耦合模型(FR-RF)进行训练,利用模型验证集对模型训练结果进行检验,并绘制ROC曲线。最后,利用验证后的模型绘制研究区滑坡易发性分区图。结果表明：(1)所选取的9个滑坡影响因子是相互独立的;(2)本研究所采用的三个模型均表现良好,其中FR-RF模型预测准确度最高(0.901),其次为RF模型(0.863),最后为FR(0.833);(3)本研究所绘制的滑坡易发性分区图可为当地政府制定土地利用规划、预防滑坡等方案提供参考借鉴。     

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...     

基于逻辑回归树和旋转森林模型的滑坡易发性评价

为进一步探索集成模型在滑坡易发性评价中的适用性,以陕西省汉中市汉台区为例,结合相关资料与野外调查圈定40处滑坡,通过地质类、水文类、人类工程活动类中选取12个影响因子构建逻辑回归树(logistic model tree, LMT)和旋转森林(rotation forest, ROF)模型,分别生成滑坡易发性分区图,采用ROC(receiver operating characteristic)曲线进行模型精度验证与比较。结果表明,研究区滑坡受地形地貌、平面曲率与岩土体类型影响最大;两种模型预测率均较高,易发性等级分区结果与历史滑坡位置分布趋势基本一致;ROF模型的训练集正确率和验证集预测率分别为77.4%和93.1%,高于LMT模型的75.5%和84.0%;ROF模型滑坡极高易发区频率比为6.52,多于LMT模型(2.07),可见ROF模型对研究区滑坡易发性更加敏感,预测结果可靠度高;本文ROF模型滑坡易发性分区结果可为后期研究区防灾减灾与土地规划提供依据。