Machine Learning-Based Evaluation of Susceptibility to Geological Hazards in the Hengduan Mountains Region, China

The Hengduan Mountains Region(HMR) is one of the areas that experience the most frequent geological hazards in China. However, few reports are available that address the geological hazard susceptibility of the region.This study developed six machine learning models to assess the geological hazard susceptibility. The results show that areas with medium and high susceptibility to geological hazards as a whole account for almost 21% of the total area, while both are 18% when it comes to the single hazard of landslide and rockfall respectively. Medium and high geological hazard susceptibility is found in three parts of the HMR with different characteristics:(1)the central and southern parts, where the population of the region concentrates;(2) the northern part, where higher geological hazard susceptibility is found along the mountain ranges;and(3) the junction of Tibet, Yunnan, and Sichuan in the eastern part, which is prone to larger-scale geological hazards. Of all the potential influencing factors,topographic features and climatic variables act as the major driving factors behind geological hazards and elevation,slope, and precipitation are crucial indicators for geological hazard susceptibility assessment. This study developed the geological hazard susceptibility maps of the HMR and provided information for the multi-hazard risk assessment and management of the region.

地质灾害易发性评价方法综述

我国地形地质条件复杂,地质灾害多发,人类各类工程地质活动加剧了地质灾害的发生与发展.地质灾害预防与管理工作是保障人民生命与财产安全的前提与基础.地质灾害易发性评价是地质灾害危险性评价和风险评价的前提,也是地质灾害区划和防治工作的基础.本文基于国内外地质灾害易发性的相关研究,对地质灾害易发性概念、评价指标体系、权重计算方法和易发性评价模型进行分析总结,并指出了地质灾害易发性评价中亟待解决的主要问题.

基于信息量-Scoops3D联合模型的地质灾害易发性评价

贵渝管道沿线地势险峻、构造活跃、雨量集中,崩滑流等地质灾害十分发育,科学开展管道沿线地质灾害的易发性评估工作对确保其安全运行至关重要。本研究在查明管道沿线自然地质环境及地质灾害分布的基础上,结合管道沿线地形地质特征、管道展布与斜坡体的相互空间位置关系划分了101段适合管道工程特点的评价单元,基于信息量数理统计模型与Scoops3D物理力学模型对管道沿线地质灾害的易发性进行了评价。评价结果表明管道沿线地质灾害的高易发区主要集中在遵义及桐梓县附近,其中7段处于极高易发区,26段处于高易发区,20段处于中易发区,30段处于低易发区,18段处于极低易发区。通过ROC曲线分别求得信息量、Scoops3D以及二者联合模型的AUC值分别为0.796、0.683和0.803,结果表明信息量-Scoops3D联合模型的评价准确性最高。

基于侵蚀循环理论的河南省降雨型地质灾害易发性分区

三面环山、西高东低的地貌格局以及较为集中的降雨期,使得河南省由降雨侵蚀引发的地质灾害具有明显的时空分布特征。为有效地做好区域降雨型地质灾害的防灾减灾工作,基于侵蚀循环理论及流域系统稳定性判断的超熵模型,利用地理信息处理技术,对河南省降雨型地质灾害易发性进行分区。结果表明:降雨型地质灾害易发区主要分布在河南省山地丘陵地区;其中极高易发区和高易发区都主要分布在豫北太行山山地丘陵区,豫西崤山、熊耳山、伏牛山、嵩山、外方山山地丘陵区以及豫南桐柏山、大别山山地丘陵区;中易发区在崤山和大别山地区分布较少,在其他山地地区分布零散,在南阳盆地周围分布相对集中;低易发区在伊河、洛河、北汝河流域分布稍多,在其他山地地区分布数量极少。2019年以前,河南省已发生的4899处地质灾害中,共有4575处灾害点分布在文中划分的不同地质灾害易发性分区内。其中,极高易发区范围内的灾害点占总数的63.23%,高易发区和中易发区范围内的灾害点共占总数的34.29%,低易发区范围内灾害点占总数的2.48%。易发性分区结果与地质灾害空间分布具有很高的吻合度,说明利用超熵值对降雨型地质灾害的评价分区结果与实际情况相符合,可以用来指导区域防灾减灾工作。

基于IOE-IV耦合模型的地质灾害易发性评价——以陕西省城固县为例

地质灾害易发性评价是地质灾害排查、风险性调查评价及预警预报工作的基础,其成果可以作为建设工程是否进行地质灾害危险性评估工作的依据。因此,进行区域地质灾害易发性评价研究显得尤为重要。本文以城固县为研究区,以气象水文类、地形地貌类、基础地质类、植被覆盖类共4类12种诱发因素为评价指标。分别采用K-means算法、FCM算法、层次聚类算法、DBSCAN密度算法对区内126处地质灾害样本数据进行分析提纯,剔除13处样本噪声点。利用提纯后的113处样本点建立IOE-IV耦合模型,并对城固县地质灾害易发性进行分区评价,评价结果表明:(1)地质灾害极高—高易发区、中易发区、极低—低易发区的占比分别为92.04%、4.42%与3.54%,预测结果较合理准确;(2)地质灾害发育主要受高程、水系的控制,在高程412~500 m、距水系小于500 m范围内主要为极高—高易发区,地质灾害呈线状发育。研究成果可以为地质灾害易发性评价样本优化、模型选择提供一定的理论依据。

基于逻辑回归模型的喜德县滑坡易发性评价

【目的】系统分析喜德县地质灾害发育特征及规律,为当地地质灾害防治提供参考。【方法】以喜德县为研究区域,选取11个影响因子,分析滑坡的空间分布规律,并通过建立逻辑回归模型,对喜德县滑坡灾害进行易发性评价。【结果】结果表明:喜德县滑坡分布于高程2000~2600 m;坡度10°~30°;坡向为东北方向;坡位为中坡;距道路距离小于100 m;距水系距离小于200 m;距村落距离小于500 m;距断层距离为小于3500 m;NDVI为0.7~0.8;地层为白垩系;土地利用为耕地。滑坡高易发区位于鲁基断裂、冷都基断裂、米市河断裂、扎都断裂带周边地区。【结论】滑坡易发性分区结果可直接用于滑坡灾害的防治工作中,对工程建设选址也具有一定的参考价值。

青海省湟水流域潜在地质灾害识别与易发性评价

[目的]明确青海省湟水流域地质灾害空间分布特征与规律,为该地区防灾减灾提供数据支撑与科学依据。[方法]通过小基线子集干涉测量(small baseline subset interferometric synthetic aperture radar,SBAS-InSAR)技术识别地质灾害点,结合地形因素、地质因素、环境因素、气象因素、人类活动因素进行灾害空间分布规律分析,建立逻辑回归(logistic regression,LR)—频率比(frequency response,FR)模型并检验,利用返回概率值进行易发性评价。[结果]①湟水流域所分布的潜在地质灾害以滑坡、崩塌为主,多种类型潜在地质灾害并生。滑坡与不稳定斜坡通常发育于坡度较缓的山坡上,通常伴有大量张拉与剪切裂缝,尤其在雨季发育明显,对山体下方交通、居民安全构成威胁。发育于河谷两岸的滑坡与不稳定斜坡还可能阻塞河流,形成堰塞湖,进一步加剧灾害风险。崩塌多发育在岩石结构较为疏松或风化严重的陡峭山壁,因地质脆弱,加之降雨等自然因素刺激,易使山体土块、岩石块下落,对下方的居民区和交通线路构成威胁。②研究区2425—3650 m高程区间的地质灾害分布较多,东北向为地质灾害易发坡向;地质灾害易发性随归一化植被指数(normalized digital vegetation index,NDVI)增加而降低,随坡度、地形起伏度、日降水量增加而升高,随距断层距离增加而减少。③湟水流域高易发区及较高易发区,面积约5937.60 km 2,占研究区总面积约38.78%,主要集中在湟水流域南、北边缘地区,湟中、大通、海晏交界处,以及建筑区周边边坡上。④对评价结果进行检验,模型预测性能受试者特征曲线(receiver operating characteristic curve,ROC曲线)线下面积(area under curve,AUC)为0.787,易发区由高至低FR逐级减小,与实际灾害点的分布具有良好的一致性。⑤断层核密度为湟水流域地质灾害发育的主控因子,坡向、地形起伏度、道路核密度次之,剖面曲率对地质灾害发育影响最小。[结论]①利用SBAS-InSAR技术能有效识别湟水流域潜在地质灾害,LR-FR模型获得的易发性评价结果可靠。②湟水流域地质灾害易发区的分布具有明显的空间差异性,主要分布在海拔较高、植被覆盖率较低、降雨量较大、距离断层近的地区,断层核密度为地质灾害易发性的主控因子。③湟水流域的地质灾害具有多发性、突发性和高风险性的特点,给当地居民生活、区域经济发展及生态环境带来了严重的影响。因此,对其进行监测、预警和防治工作显得尤为重要。

地震诱发浅层海底滑坡易发性概率评价方法

该文旨在实现区域尺度地震诱发海底滑坡地质灾害的分析预判,为海洋工程选址、基础设施规划设计、海洋工程地质灾害防控措施的制定和决策提供理论支撑。为此,结合无限边坡稳定性分析模型和蒙特卡洛模拟方法,提出考虑地震活动的海底斜坡失效概率分析方法。在此基础上,结合区域地形的栅格化离散,提出地震活动下的浅层海底滑坡易发性概率评价方法。将提出的方法应用于南海神狐海域,实现地震活动下的区域海底斜坡安全系数分析和海底滑坡易发性概率评价。结果表明,天然条件下,研究区海底斜坡整体稳定,但在地震影响下,部分地形陡峭区域的安全系数将显著降低,可能诱发区域尺度的海底滑坡灾害。该文提出的方法也可用于其他海域的浅层滑坡易发性评价,对实际工程的规划设计和灾害防控具有重要意义。

露天矿区地质灾害易发性评价

以桐柏县露天矿区为例,采用栅格单元评价法对研究区进行划分,共3 064 985个栅格单元,在此基础上展开易发性评价。并选取坡度、高程、工程地质岩组、距断层距离、斜坡结构类型、水系距离、道路距离、地貌类型作为评价因子。采用自然间断法将叠加计算的值分为4个等级(高易发区、高易发区、中易发区与低易发区)。按照《地质灾害风险调查评价技术要求(1∶50 000)》(试行)中地质灾害不同分区等级规定的图示图例进行区分,最后得出河南省桐柏县露天易发性分布。研究为桐柏县政府提供露天防灾减灾管理、国土空间规划和用途管制的基础地质依据。

基于InSAR的地质灾害易发性评价

首先以Sentinel-1A数据为基础,采用SBAS-InSAR技术,获取研究区2019年1月—2021年8月的地表形变信息。然后通过层次分析法(Analytic Hierarchy Process, AHP)获取8个评价因子的权重。最后基于ArcGIS平台采用综合评价方法获取易发性评价结果并进行分析。结果表明:研究区地表沉降主要发生在中部;地质灾害高易发性区主要分布在研究区中部,东部地区以中易发性为主,西部则主要为低易发性区域。

基于WIM的地质灾害易发性评价--以遵化市为例

以遵化市为例,运用聚类分析方法确定坡高、坡度、坡向、工程地质岩组、地质构造、归一化植被指数(NDVI)、水系、道路8项因子组成地质灾害易发性评价指标体系,运用层析分析法(AHP)与信息量(IM)模型耦合后加权信息量(WIM)模型对研究区开展地质灾害易发性评价。结果表明:研究区高易发区、中易发区、低易发区和非易发区面积(占比)分别为60.94 km^(2)(4.007%)、487.87 km^(2)(32.076%)、330.93 km^(2)(21.757%)、641.26 km^(2)(42.160%);经受试者工作曲线验证,WIM评价结果AUC值为0.853,高于IM评价结果(AUC=0.712),表明WIM模型评价结果精度更高。研究可为本区域地质灾害评价、防灾减灾工作提供参考依据。

六盘水市水城区地质灾害易发性评价

为探究高山峡谷地区地质灾害易发性空间分布状况,以六盘水市水城区为研究区,选择地形坡度、地层岩性、河谷切割、地质构造以及地灾现状等5个评价因子,构建区域易发性评价指标体系,根据各评价指标的划分及赋值,结合对图层权重,按照模糊综合评价的方法及步骤,应用GIS平台上的空间分析工具对各指标图层进行栅格化处理,并进行叠加分析,得到调查区易发性评价结果,划分为极高易发区、高易发区、中易发区和低易发区四个级别进行地质灾害易发性评价。结果表明:研究区极高易发区主要分布于人类工程活动强烈一带,该区受煤矿开采区影响,破坏了斜坡岩体的结构,使原斜坡应力发生变化,导致斜坡失稳极易发生崩塌、滑坡、地面塌陷等地质灾害,研究结果可为当地政府制定地质灾害防治措施和国土空间规划提供参考。

株洲市攸县地质灾害易发性区划与评价

文章以攸县为研究区域,根据县域内地质灾害的发育情况、分布规律、地形地貌、地质构造、地层岩性、人类工程活动及城镇规划等因素,采用定量与定性相结合的方法,对攸县地质灾害易发性进行分区和评价。

通化市二道江区地质灾害易发性评价

本文结合通化市二道江区地质灾害分布现状,以孕灾地质条件为基础选取评价指标,采用GIS技术和统计模型方法(信息量)结合的评价方法进行地质灾害易发性评价,为二道江区地质灾害防治工作提供参考依据。

基于GIS与AHP法耦合技术的贵州惠水地质灾害评价

惠水地处扬子准地台黔南台陷贵定南北向构造变形区,为评价研究区地质灾害易发性,在总结前人研究成果的基础上,选取坡度、地层岩性及土体结构、斜坡结构、新构造运动与地震、人类工程活动、斜坡高度、降雨、斜坡变形破坏情况等作为评估因子,采用GIS与层次分析法耦合技术,完成地质灾害易发性分区定量分析.研究结果表明,研究区可划分4个高易发区、6个中易发区,其中,涟江街道、濛江街道、好花红镇、芦山镇、断杉镇及部分王佑镇,点密度为0.058个/km^(2);王佑镇,点密度为0.071个/km^(2);雅水镇、断杉镇及部分羡塘镇,点密度为0.035个/km^(2);摆金镇和岗度镇,点密度为0.035个/km^(2).研究成果可为惠水县防灾减灾、经济发展、城镇规划提供科学依据。

基于GIS和CF-Logistic回归模型地质灾害易发性评价:以青海湟中县为例

研究地质灾害易发性的评价方法,对地质灾害防治有着非常重要的现实意义。本文以青海省西宁市湟中县为研究区域,选取高程、坡度、坡向、地形起伏度、距河流距离、距断层距离和工程岩组7个评价因子,利用确定性系数与逻辑回归模型相结合的方法计算出每个单元格地质灾害发生的概率。同时利用ROC曲线和AUC值对模型分类精度进行验证,最终得到AUC值为0.863,说明该方法对湟中县地质灾害易发性评价具有较强的适用性和客观性。本文研究表明,高层、坡向、距河流距离和工程岩组4个因子对研究区地质灾害的影响最为显著。从地质灾害的空间分布来看,该方法计算结果表明极高、高易发区主要分布在湟水河及其干流两侧低山丘陵地区,低易发区主要分布在研究区北部和西南地区。从评价因子的角度分析,高易发区主要分布在离河流500m的松散冲洪积岩层和软弱层状碎屑岩岩层上。以上研究结果表明,基于CF-Logistic回归模型对研究区地质灾害易发性评价有较强的参考价值,能为研究区地质灾害的防治工作提供理论依据及方法。

基于GIS的拉萨堆龙德庆区地质灾害易发性评价

以拉萨市堆龙德庆区1∶5万地质灾害调查数据,选取起伏度、坡度、坡向、工程地质岩组、构造密度、距河流距离、植被7个因子,采用信息量模型,通过GIS空间分析平台,对堆龙德庆区进行地质灾害易发性评价。成果供堆龙德庆区地质灾害防治工作参考。

基于AHP和信息量模型的地质灾害易发性评价--以鲁东片区为例

以鲁东片区为研究区,采用GIS平台提取高程、坡度、坡向信息,并结合地质构造、岩性、降水量、灾害点密度、水系和道路分布特征,运用信息量模型和层次分析法进行地质灾害易发性分区。研究结果将研究区划分为四个易发性分区,分别占研究区面积的42.79%、23.50%、16.53%、17.18%。通过受试者工作曲线检验,本次评价正确率为81.89%,结果良好,可为山东地区地质灾害隐患点排查工作提供科学依据。

基于聚类算法优化样本的地质灾害易发性评价

区域地质灾害易发性评价样本数据的可靠性是影响最终评价结果的关键因素之一。以陕西省白河县236处地质灾害为研究对象,分别采用层次聚类算法与动态K-means聚类算法对地质灾害样本数据进行聚类分析并获得其样本纯度。分析结果表明:层次聚类算法与K-means聚类算法得到样本纯度分别为91.53%与92.80%;结合两种算法结果,剔除样本噪声点20个,确定有效样本点216个,得到最终样本纯度为91.53%。利用样本提纯前后数据分别建立信息量模型(Ⅳ前、Ⅳ后),开展区域地质灾害易发性评价。评价结果表明:Ⅳ前模型与Ⅳ后模型得到的区域易发性区划图中,地质灾害落入极高-高易发区的数量分别为149个与167个,分别占灾害总数的63.13%与70.77%,灾害密度分别为0.508个/km 2与0.584个/km 2,较初始样本条件,样本提纯后极高-高易发区内灾害点数增加18个,灾害密度增加0.076个/km 2,地质灾害分布更集中,预测结果准确度更高。研究结果可为地质灾害易发性评价研究中的初始样本数据提纯提供一定的理论与科学依据。

基于堆叠模型的滑坡易发性评价——以商洛市丹凤县为例

陕南地区滑坡灾害频发,该地区进行有效的滑坡易发性评价对防灾减灾意义重大。文中以陕西省商洛市丹凤县257个滑坡灾点数据为评价样本,选取高程、坡度、坡向、剖面曲率、平面曲率、地形湿度指数(TWI)、植被归一化利用指数(NDVI)、距道路距离、距断层距离和年均降雨量共10个影响因子进行评价。通过相关属性评估分析,与研究区滑坡发生最为密切的是高程、TWI和距道路距离。基于GIS随机提取70%栅格数据作为样本,采用Stacking模型集成RA、DECORATE和RS模型,在WEKA软件中分别进行训练,对剩余30%栅格数据进行验证,采用AUC值进行模型性能比较,最终分别生成各单独分类器与堆叠后的滑坡易发性图。结果表明:4种模型AUC值均大于0.7,训练准确率和验证预测率均较高,适合研究区滑坡易发性评价。其中,Stacking模型的预测能力最高,说明不同基分类器组合提升了堆叠模型的拟合能力,增强了对滑坡易发性的辨识度。