基于不同耦合模型的区域地质灾害易发性评价——以河南商城县为例

为探索效果最优的地质灾害易发性评价模型,以商城县为研究区,结合其孕灾地质条件与地质灾害发育特征,分析地质灾害影响因素,从地理环境、地质环境、人类活动3个方面选取高程、坡度、坡向、剖面曲率、植被覆盖率、工程地质岩组、断层、道路、水系9个因子构建评价指标体系,运用证据权(weights of evidence,WofE)模型、信息量(information value,IV)模型、层次分析-信息量(analytic hierarchy process-information value,AHP-IV)耦合模型分别进行了地质灾害易发性分析。研究表明:AHP-IV耦合模型下的受试者工作特征(receiver operating characteristic,ROC)曲线的线下面积(area under curve,AUC)值最大,评价效果更为准确,更适用于商城县地质灾害易发性评价。通过评价可知,商城县地质灾害极高易发区沿沟谷、道路呈条带状分布,高易发区呈团状包围在极高易发区边缘,中、低易发区多分布在地势平坦、岩性较单一的北部平原地区。研究成果可为当地的地质灾害防治管控工作提供科学依据,也可为类似区域的地质灾害易发性分区提供参考。

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。

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。

耦合Random Forest算法与信息量模型的地质灾害易发性评价——以西藏自治区工布江达县为例

地质灾害易发性评价是防灾减灾工作中不可或缺的部分。以西藏自治区工布江达县为研究对象,选取地形起伏度、土壤类型、地层岩性、坡度、降水强度等11项评价因子,并对所选因子进行等级区分;采用信息量为基础构建地质灾害易发性评价模型,利用随机森林(RF)算法确定各因子权重,完成信息量模型赋权;使用RF-信息量模型对研究区内地质灾害进行易发性分析,并用历史灾害点与受试者工作特征(ROC)曲线验证评价精度。结果表明:1)土壤类型、地层岩性以及平面曲率是影响工布江达县内地质灾害发育的3个主要因素;2)低易发区、中易发区、高易发区、极高易发区的面积占全县总面积的比例分别为54.43%、23.74%、14.91%、6.92%;3)在县域内处于高易发或极高易发的区域多靠近沟谷;4)通过ROC曲线比较,RF-信息量模型精度高于信息量模型。使用RF算法可以提高信息量模型的评价精度,使评价结果更理想,为以工布江达县为例的高山高原地区的地质灾害评估和治理提供了参考。

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。

基于优化MaxEnt模型的高山峡谷区地质灾害易发性评价——以云南省德钦县为例

高山峡谷区滑坡、泥石流、崩塌等地质灾害频发,严重威胁当地居民的生命财产安全。选取云南省德钦县为研究区,基于328个地质灾害分布点数据和9个环境变量,利用R语言的kuenm数据包对MaxEnt模型的主要影响参数调控倍频(Regularization Multiplier,RM)和特征组合(Feature Combination,FC)进行调整,选择最优模型对德钦县地质灾害易发性进行分区,同时采用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC)评价模型精度,采用刀切法分析各环境变量的权重。结果表明:(1)基于优化MaxEnt模型的滑坡、泥石流、崩塌的ROC曲线下面积(Area Under Curve,AUC)值分别为0.948、0.957、0.944,说明预测结果精确可靠。(2)研究区滑坡、泥石流、崩塌的高、极高易发区分别占总面积的9.93%、5.81%、8.52%,三类灾害综合易发区的高、极高易发区占总面积的8.25%,主要集中在研究区西部、东部以及东南部的公路沿线。在所有环境变量中,高程和距公路距离是研究区地质灾害发生的主要驱动因素,坡度、NDVI、降水、距河流距离是地质灾害易发性评价的影响因素。

基于GIS的瑞丽市地质灾害易发性研究

以云南省瑞丽市为研究区,基于GIS空间分析功能,选取高程、坡度、坡向、距断裂带距离、降雨等评价指标,用信息量模型和确定性系数模型进行地质灾害易发性评价,通过ROC检验评价模型精度,确定瑞丽市地质灾害易发性分区。

基于斜坡单元与随机森林模型的元阳县崩滑地质灾害易发性评价

针对基于栅格单元与定性定量方法模型在地质灾害易发性评价中存在模型预测精度低且使用较为频繁的不足与弊端,采用斜坡单元与机器学习方法之一的随机森林模型相结合开展元阳县崩滑地质灾害易发性评价。在ArcGIS中,利用曲率分水岭法划分出7851个斜坡单元。经过大量统计研究与地质环境条件分析,选取工程地质岩组、地貌类型、高程、坡度、坡向、曲率、起伏度、河流距离、断层距离等9个因子作为评价指标,并通过SPSS软件,将9个评价指标与灾点发育特征的关系进行数据分析,得出各评价指标权重。在SPSS中,采用随机森林模型,建立易发性评价模型,将元阳县崩滑地质灾害易发性划分为低、中、高、极高4类,所占面积分别为410.06 km^(2)、470.21 km^(2)、550.02 km^(2)和776.87 km^(2),分别占元阳县面积的18.58%、21.30%、24.92%和35.20%。经与详查结果对比,评价结果与实际高度吻合。利用ROC曲线得出区划结果精度AUC值为92.7%,区划结果相当好。研究显示,元阳县中部和西南两个部分地质灾害集中,易发性极高。

基于信息量法罗源县地质灾害易发性评价

基于罗源县1∶5万地质灾害风险评价调查项目资料的整理与分析,选取自然坡度、相对高差、坡形、坡向、与构造距离、沟壑密度、岩土体类型等7项地质灾害影响因子,采用信息量模型结合GIS平台,选择17 m×17 m的规则栅格单元作为评价单元,共划分了3 965 497个栅格单元进行信息量赋值评价,划分出非、低、中、高4个等级。易发区等级的划分与实际情况较一致,评价结果对地方政府的灾害防治工作具有较强指导意义。

基于OCSVM-RF耦合模型的雅江县地质灾害易发性评价

地质灾害威胁着工农业安全生产及人民生命财产安全,因此,对地质灾害易发性进行高效率、高精度的评价尤为重要。以四川省雅江县为研究区,机器学习方法为基础,分别构建了传统逻辑回归模型、随机森林模型和OCSVM-RF耦合模型,对雅江县地质灾害易发性进行评价并制作雅江县地质灾害易发性分级图。同时使用ROC和AUC值对评价精度进行分析,得到AUC值分别为:逻辑回归(0.9017),随机森林(0.9523),OCSVM-RF耦合模型(0.9575),得出OCSVM-RF耦合模型的评价精度明显高于传统机器学习模型。因此,可以使用该耦合模型对地质灾害易发性进行评价,为研究区的防灾减灾工作提供一定的理论参考。

基于GIS平台的赣县区地质灾害易发性程度分区评价

文章根据赣州市赣县区1/50000地质灾害风险调查与区划项目资料和实地调查,以赣县区为研究区,利用地形坡度、斜坡结构、地貌类型、工程地质岩组、土层厚度、灾点密度6个评价指标和GIS平台,获取各评价单元的地质灾害综合危害性指数,将赣县区地质灾害易发程度划分为高、中、低易发区和非易发区4个等级。通过分区评价,为地方政府防灾减灾提供科学依据。

基于GIS和综合指数法的地质灾害易发性评价——以安徽省滁州市来安县丘陵区为例

来安县地处沿江丘陵平原区,地质灾害主要分布在北部丘陵区。本文以来安县丘陵区为研究区,选取坡度、地形起伏度、工程岩组、斜坡结构4项孕灾地质环境因素作为评价因子,并对其逐一进行分析后确定各指标因子的强度等级。采用综合指数法对研究区内地质灾害易发性进行评价,将其划分为低易发区、中易发区和高易发区,对区内地质灾害防治具有重要的意义。

基于GIS的信息量法及其地质灾害易发性评价应用——以滇中晋宁县为例

地质灾害易发性评价是地质灾害评价工作的基础,是地质灾害研究的重点。以往地质灾害易发性分区评价大部分依据专家的主观经验,从而导致评价结果具有较大的随意性。本文利用研究区实际调查资料,选取地形地貌、工程地质岩组、地质构造、水文地质条件、人类工程活动等参评因子,利用信息量模型在基于GIS的平台对空间数据进行自动叠加分析,得出各影响因子综合影响下的客观的易发性分区结果,然后结合专家的主观经验,经定性与定量综合分析,对分区结果进行进一步的修正,可实现对地质灾害易发性的科学评价。选取晋宁县作为示例区的应用结果与国土资源大调查中的评价结果基本一致,证实该方法切实可行,并具有广泛的推广应用价值。

考虑地震后效应的青藏高原东缘地质灾害易发性评价

青藏高原东缘地震活动频繁,地震作用形成的松散堆积物为滑坡、泥石流等地质灾害提供了丰富物源,增加了震后一段时期内的地质灾害发生强度。本文在青藏高原东缘地质背景、已有地质灾害调查资料分析的基础上,采用近年来发生的汶川地震、芦山地震、鲁甸地震等诱发的松散物源量表征地震作用对震后地质灾害的影响,提出了考虑地震后效应的地质灾害易发性综合评价思路,建立了青藏高原东缘地质灾害易发性综合评价的指标体系。基于传统信息量模型和Logistic逻辑回归模型,建立了加权信息量模型,并完成了青藏高原东缘地质灾害易发性综合评价。研究表明,地震扰动区的地质灾害易发性显著高于震前水平,地震作用改变了地质灾害成灾条件,增加了震后地质灾害易发程度,研究结果对于活动构造区地质灾害易发性评价和区划具有重要的指导意义。

基于神经网络模型的斜坡地质灾害易发性评价:以吉林永吉为例

吉林省永吉县存在大量的斜坡地质灾害,为了给永吉县斜坡地质灾害的防治和预警提供高效直观的分析模型,将吉林省永吉县作为研究区,选取高程、坡度、坡向、剖面曲率、平面曲率、距断层距离、岩性、距河流距离、年均降雨量、地形湿度指数和植被覆盖指数等11个评价因子,利用神经网络模型进行区域斜坡地质灾害易发性分析,再选用频率比、支持向量机模型进行对比。利用ROC曲线对模型的准确性进行验证分析,得出神经网络、频率比和支持向量机模型的成功率分别是91.3%、89.3%、90.2%,预测率分别是87.3%、84.3%、85.6%。结果表明:神经网络模型的精度最高,更适用于永吉县斜坡地质灾害的易发性评价。

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。

精准防灾导向下乡村地质灾害易发性评价及防灾策略研究——以花垣县为例

山地乡村地质灾害频发,而现有的防灾规划不够科学且过于粗放,实现精准防灾成为当下乡村振兴的重要内容。以花垣县为例,通过地理加权回归模型(GWR)和一般回归模型(OLS)的比较,开展地质灾害易发性评价研究。结果表明:GWR模型验证系数远优于OLS,因此GWR更适合解释地质灾害的形成,且预测准确率达到97.9%;花垣县南部和西北部等区域属于灾害高易发区;花垣县致灾要素中降雨、高程、断裂带、水系致灾贡献比例高,建筑、道路、采矿要素次之,且不同村庄致灾因子存在明显空间差异性。研究不但提高了地质灾害易发性评价的科学性,而且提出了“异村异法”的精准防灾策略,增强了乡村抵御灾害的能力。

江西省德安县地质灾害易发性评价

江西省德安县地质灾害类型主要有滑坡、崩塌、泥石流和地面塌陷等。文章主要对地质灾害发生与发育的影响因素研究,通过对各影响因素的权重值计算,运用MapGIS对影响因素进行数字化,并利用提供的图层叠加分析功能对德安县地质灾害易发性进行评价,把研究区的地质灾害划分为易发区、较易发区和少易发区。

金沙江鲁地拉电站水库区地质灾害易发性评价

西南高山峡谷区是地质灾害高易发区,通过对典型流域段地质灾害的分析研究,能更好地掌握金沙江流域地质灾害的分布规律。本文以鲁地拉电站库区为例,根据野外地质灾害调查分析结果,采用Logistic回归模型和GIS空间分析方法,评价各致灾因子的作用,经过遴选最终选取地表径流冲蚀强度、工程地质岩组、河谷形态、坡度、坡向5个与地质灾害相关性强的因子,进行地质灾害易发性分析,结果表明库区地质灾害易发性程度很高,高易发区占41%,主要集中在库首段及朵美附近,评价结果很好地反映了库区段地质灾害的现状,为有效防治库区地质灾害及后期库区灾害监测提供了科学依据。

基于MAPGIS的永吉县地质灾害易发性评价

本文根据野外实际调查成果,描述了永吉县地质灾害发育的特点,分析了地质灾害发育的控制因素和影响因素,利用层次-模糊评价法结合MAPGIS对永吉县地质灾害的易发性进行评价,并进行了灾害易发区划分,其结果可对当地制定相应的应急预案,采取相应的防范措施提供依据。