基于斜坡单元的滑坡易发性评价 ——以易贡地区为例

滑坡易发性评价对于滑坡的预测与管理具有重要意义.以往的滑坡易发性评价多基于像素信息进行评价,难以与地质环境相联系.选用以山脊线和山谷线所构成的斜坡单元为评价单元,选取坡度、地形起伏度、地层岩性、多年平均降雨量、河流距离和植被指数等6个指标作为评价因子,建立易发性评价模型,将研究区划分为不易发区、低易发区、中易发区和高易发区,利用研究区内已知滑坡进行验证.结果表明,有21处滑坡位于高易发区,9处位于中易发区,正确率达88%,与实际情况相符.此次评价结果具有较高可信度,为指导滑坡灾害防治工作提供了重要的信息和依据.     

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.     

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。     

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GIS和信息量-快速聚类模型的滑坡易发性研究——以云南省福贡县为例

云南省福贡县地质环境脆弱,滑坡灾害频发,对其开展滑坡灾害易发性研究具有重大意义.首先,在研究了福贡县地质地理环境特征和滑坡现状发育特征的基础上,从地理环境因素、地质环境因素、人类活动因素3个维度选取9个指标因子建立滑坡灾害易发性评价指标体系,并利用滑坡频率比法充分考虑各因子不同状态下对滑坡灾害的不同影响情况进行各指标因子状态分级;其次,引入信息量模型并基于GIS平台对福贡县滑坡灾害进行易发性评价;再则,通过快速聚类算法对滑坡易发性进行分级,提高滑坡易发性评价的准确性;最后,利用成功率曲线对评价精度进行验证.结果表明:采用GIS和信息量-快速聚类模型进行滑坡易发性评价能较好地反映出福贡县的滑坡灾害易发性状况,改善了由于人为因素对区域划分的主观影响,与福贡县的实际滑坡灾害分布情况相吻合,可应用于福贡县的防灾减灾工作.     

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。     

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.     

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。