基于RS和GIS的地质灾害易发性定量评价:以湖北省五峰县为例

根据地质灾害的群发性和区域性的特点,运用地质统计学理论,通过分析,选取研究区内致灾因子,采用信息量模型进行地质灾害易发性定量评价。文中采用地质统计学信息量法,以GIS技术和RS技术为基础,从致灾机理上对各致灾因子进行选取和分析,使用GIS空间分析技术,完成了地质灾害易发性分区定量分析。分析结果表明,研究区内:(1)软硬相间碳酸盐岩类、(2)与河谷距离50～350m的斜坡带、(3)软硬相间碎屑岩类、(4)公路两侧1km范围、(5)斜坡在断裂带影响范围以内(1km)、(6)与河谷距离<50m或350～550m等6大影响因子对地质灾害的发生起主导作用。其中,除"公路两侧1km范围"为人类工程活动外,其他因素均为地质动力作用。研究完成的五峰县地质灾害易发分区定量评价,为五峰县的经济发展和城镇规划提供了科学依据,同时为以后在鄂西南地区进行地质灾害遥感解译提供了参考。

基于GIS和信息量法的四川峨眉山市地质灾害易发性定量评价

以四川峨眉山市为研究区,选取坡度、坡高、坡向、岩土体类型、构造、河流侵蚀、地表覆被、降雨、工程切坡以及矿产开发10个影响因素作为评价因子,采用改进信息量法,在评价因子分级分析的基础上,利用GIS技术,对研究区地质灾害易发性进行了定量评价。结果表明:方法科学可靠,评价结果与实际基本相符;地质灾害在高陡斜坡区域、坚硬薄层-厚层状砂岩、粉砂岩夹白云岩、灰岩岩组、构造密集区最为发育,地形地貌、地质构造是地质灾害发育最主要的控制因素;地质灾害易发性划分为高易发、中易发、低易发、极低易发4个等级,分布面积分别为169.37km^2、429.07km^2、363.43km^2和221.12km^2。易发性评价精度74.80%。评价方法可为县域地质灾害易发性评价提供理论指导,评价结果可为该区域地质灾害防治工作提供科学依据。

新疆阿勒泰青河县地质灾害易发性定量评价

介绍了地质灾害易发性定量评价建模、定量评价空间数据库构建及数据处理方法、定量评价模型的应用。

地质灾害易发性定量评价模型的建立与应用

地质灾害的形成是多种因素综合作用的结果。阿图什市位于新疆维吾尔自治区西南部,由于受自然因素和人为因素条件的控制和影响,区内泥石流、崩塌灾害广泛发育,对研究区内的人身和财产安全构成严重威胁。因此,本文在地质灾害易发性定量评价模型建立的基础上,探讨了地质灾害定量评价空间数据库的建设和相关处理方法,并采用加权Logistic回归模型和证据权模型相结合大方式对阿图什市地质灾害的易发性进行了评价。

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.

区域地质灾害易发性评价的证据权法原理与实践

在阐述证据权法概念与原理的基础上,以西北黄土高原滑坡、崩塌地质灾害高易发的兰州市区为评价区,详解基于证据权法的区域地质灾害易发性评价的技术流程,利用GIS工具,开展评价指标选取与相关性分析、证据因子权重与后验概率分析、评价模型检验、易发程度评价。分析结果显示,坡度、坡向、地层岩性、断层、绿化灌溉、土地利用类型等地质灾害影响因素之间呈无相关或弱相关性,符合相互独立的要求,组成的模型ROC曲线(接受者操作特征曲线)AUC值(曲线下面积)为0.85,具有较高的预测精度。理论与实践表明,与其他统计学方法相比,证据权法同时考虑了评价指标中存在地质灾害与不存在地质灾害2种情况,避免了当地质灾害不存在时权重偏大导致结果失真的问题。证据权法结果为地质灾害发生的绝对概率,可以作为不同区域、地区的地质灾害易发程度对比的依据。

地质灾害易发性评价因子分级的AIFFC算法优化

针对地质灾害易发性评价因子分级数不确定的问题,引入自适应膨胀因子模糊覆盖分级方法(fuzzy cover approach for clustering based on adaptive inflation factor,AIFFC)对易发性评价因子分级进行优化。以湖南省湘乡市为研究区,提取了坡度、坡向、高程、年平均降雨量、归一化植被指数、道路、断层、岩性和土地利用9类评价因子,运用AIFFC及自然断点法(natural breakpoint classification,NBC)对连续型因子进行分级,并分别代入加权信息量模型和随机森林模型,获取研究区易发性区划图。采用单因子分级结果精度、灾积比分析和易发性分区结果对AIFFC分级法的优越性进行检验,结果表明:各因子采用AIFFC算法分级的AUC值均高于自然断点法;基于AIFFC的随机森林模型及加权信息量模型的高易发区灾积比分别提升了56.3%、74.6%,低易发区灾积比分别降低了48%、58.1%,AUC值分别提升了7.6%、2.7%。采用AIFFC分级方法优化了地质灾害易发性评价因子分级,显著提高了地质灾害易发性评价的合理性。

信息量确定系数耦合模型的地质灾害易发性评价——以铜陵义安区为例

目的为研究地质灾害所带来的人员伤亡和财产损失等问题。方法以铜陵义安区为例,选取坡度、地形起伏度、工程地质岩组、距断层距离、斜坡结构、归一化植被指数(NDVI)6个评价因子,采用信息量模型(I)、确定系数模型(CF)及I-CF耦合模型建立义安区地质灾害易发性评价体系,利用受试者工作特征(ROC)曲线对模型进行对比和分析。结果坡度、地形起伏度对义安区地质灾害易发性评价影响程度较大的主要因子;信息量模型、确定系数模型、I-CF耦合模型的AUC值分别为0.890、0.884、0.913,说明,I-CF耦合模型预测精度优于另外两种单一模型。结论研究表明,采用I-CF耦合模型在义安区地质灾害易发性评价结果中效果更好,中、高易发区主要分布于南部、东南部及西部丘陵山区,主要涉及天门镇、顺安镇、新桥办事处、钟鸣镇及五松镇,该区域主要以矿业开发和城镇建设为主,同时地形起伏相对较大,植被覆盖较高,采矿现象普遍,灾害点比较集中,其中,采空塌陷地质灾害主要分布于天门镇、钟鸣镇和顺安镇一带,多为矿山早期开采遗留的老采空区导致,可对当地政府进行地质灾害防范工作具有重要指导意义。

甘肃积石山县M_(S)6.2地震同震地质灾害发育特征与易发性评价

2023年12月18日,甘肃积石山县发生M_(S)6.2地震,诱发的同震地质灾害严重威胁到人民生命和财产安全,因此及时总结分析同震地质灾害发育规律并进行县域易发性评价,对支撑震后恢复重建至关重要。通过应急排查、野外调查与结果分析,对同震地质灾害发育特征进行分析总结;以震后排查的同震新增和加剧隐患点为分析样本,采用Pearson相关性系数与随机森林Gini系数分析方法,筛选了15个影响因子,并运用机器学习-随机森林模型对积石山县进行同震地质灾害易发性评价。结果表明,震区同震地质灾害总体发育程度不强,规模以小型为主,崩滑流地质灾害隐患可分为3大类、8个亚类,绝大部分分布在黄土丘陵区;积石山县同震地质灾害随机森林模型易发性评价(AUC=0.961)结果显示,极高易发区面积占比约8.67%,主要分布在胡林家乡、徐扈家乡、柳沟乡等乡镇,且县域及各乡镇易发性分级结构与隐患点密度分布吻合程度高。评价结果对已有排查隐患点以外的震裂山体或潜在崩滑流灾害具有重要指示作用,可为积石山县灾后恢复重建规划提供决策支撑,同时将Pearson相关性系数与随机森林Gini系数的影响因子筛选方法及机器学习模型——随机森林应用于易发性评价中,可为其他山地丘陵区地质灾害易发性评价提供参考。

高山峡谷地区地质灾害易发性评价——以怒江州为例

高山峡谷地区地质灾害频发,目的为探究地质灾害易发性空间分布状况,方法以怒江州为研究区,综合地质条件、气象水文、植被覆盖等因素,筛选高程、坡度、坡向、曲率、起伏度等12个共线性低的评价因子,构建区域易发性评价指标体系,并基于栅格单元采用信息量(information value,IV)模型、信息量-BP神经网络(information value-back propagation neural networks,IV-BPNN)耦合模型和信息量-支持向量机(information value-support vector machine,IV-SVM)耦合模型进行地质灾害易发性评价。结果结果表明:(1)用实际地质灾害点验证易发性结果,灾害点与3种易发性结果在空间分布上具有较好的一致性;(2)将易发性指数划分为低、中、高和极高易发4个等级,其中IV模型、IV-BPNN耦合模型与IV-SVM耦合模型的高+极高易发区面积占比分别为37.12%,32.36%,23.08%,高与极高易发区呈线状分布,主要集中在怒江、澜沧江、独龙江等水系沿岸地区、道路附近和地质构造活跃的区域;(3)IV模型、IV-BPNN耦合模型与IV-SVM耦合模型的受试者曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the curve,AUC)分别为0.884,0.889,0.901。结论3种地质灾害易发性评价模型均有较高的预测精度,其中IV-SVM耦合模型准确率最高,分区结果较可靠,可为当地政府制定地质灾害防治措施提供参考。

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AHP和GIS的舟曲地质灾害易发性评价

舟曲县是中国罕见的滑坡、泥石流地质灾害高发区,其防灾减灾工作具有一定的挑战性。依托舟曲县1∶50000地质灾害风险调查工作,深入分析孕灾地质条件,选取地质灾害频率比、地质灾害面积模数比、地质灾害体积模数比、坡度、坡度变化率、坡形、切割深度、沟壑密度、岩土体类型、地质构造、植被指数11个评价因子,建立AHP评价模型,确定各因子权重,运用GIS平台综合评价舟曲县地质灾害易发性。结果显示:舟曲县地质灾害极高易发区和高易发区的面积分别为68.98 km^(2)、390.9 km^(2),分别占县域总面积的2.29%和12.97%,主要分布在人员财产集中的白龙江流域、石门沟流域、拱坝河流域中下游和博峪河流域舟曲段中部区域;中易发区、低易发区对应的面积分别为1166.21 km^(2)和1387.76 km^(2)。研究成果为舟曲县城镇整体规划和地质灾害防治提供决策参考。

不同栅格尺寸下输电线路地质灾害易发性评价

输电线路的安全运行对国家经济建设与发展具有重要意义,而针对输电线路进行地质灾害易发性评价的研究较少。以京津冀地区的输电线路为例,选取高程、坡度、坡向、地形起伏度、地层岩性、距断层距离、距水系距离、土地利用类型8个指标因子,采用频率比法对各指标因子进行分级,构建易发性评价体系。再利用不同的机器学习模型,使用不同尺寸的栅格单元作为评价单元对研究区进行易发性评价。最后,选取精度最高的机器学习模型与传统的层次分析法完成研究区易发性区划图。研究结果表明:贝叶斯网络模型在区域输电线路易发性评价中的应用效果最好,模型性能最强,最高AUC值为0.876。与传统的层次分析法相比,BN模型在研究区易发性制图中的效果更好,精度更高。此外,采用50 m的栅格作为评价单元在研究区易发性评价中取得了最好的应用效果,研究成果为输电线路地质灾害易发性评价以及栅格尺寸的选用提供了思路以及参考。

GIS支持下基于归一化信息量模型的地质灾害易发性评价

以沅陵县为研究区,对地质灾害的发育和分布特征进行定量化分析,基于控制因素与诱发因素,选取高程、坡向、坡度、剖面曲率、岩组、距断层的距离、距道路的距离、距河流的距离、年平均降雨量等9个因素作为评价指标,并利用线性函数转换的Min-Max归一化算法,将信息量模型(Information quantity model,I模型)得到的数据进行归一化处理;然后通过ROC曲线、灾积比对模型精度进行检验.结果表明:(1)信息量模型和归一化信息量模型的AUC值分别为0.730和0.784,归一化处理后的AUC值提高了5.4%;(2)极低易发区至极高易发区的面积分布差异显著,归一化处理后的模型在高易发和极高易发区面积上减少了428.51 km^(2).归一化处理后的信息量模型具有更高的精准度,研究成果将为该地区地质灾害防治工作提供一种有效的方法.

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。

基于信息量模型与确定性系数模型的曩宋河流域地质灾害易发性评价

云南省复杂的地质环境与大量的人类工程活动导致地质灾害频发,该区域的地质灾害识别与防治十分重要。本文以云南省梁河县曩宋河流域为研究区,选取高程、坡度、植被覆盖度、河流距离、工程岩组5个评价因子指标,基于确定性系数模型与信息量模型对流域内41处地质灾害区域进行分析并对研究区地质灾害进行易发性评价,利用ROC曲线对评价模型结果进行检验。结果表明,信息量模型检验得到的AUC值为0.804,确定性系数模型检验得到的AUC值为0.781,信息量模型更适用研究区的地质灾害易发性评价。研究结果可为云南省梁河县地质灾害防治工作提供参考。

基于频率比—层次分析模型的大比例尺地质灾害易发性综合评价——以渔洋河流域为例

区域大比例尺地质灾害调查评价具有地质灾害点少且灾害类型多样的特点,对地质灾害易发性评价要求更高。以渔洋河流域为研究区,基于频率比—层次分析模型,选取工程地质岩组、斜坡结构、与断层距离、高差、坡度、与水系距离等6个因子,分别建立滑坡、崩塌易发性评价指标体系,评价结果AUC值分别为0.871和0.926;将滑坡、崩塌易发性分别划分为高、中、低、非4级,采用就高原则进行空间叠加,显示渔洋河流域高易发区面积占研究区面积的13.6%,主要位于上游渔洋关集镇周边及中游王家畈—樟桂岭、张家涧—托溪一带。通过地质灾害分类频率比—层次分析模型与未分类信息模型易发性评价效果对比,说明该套技术方法在大比例尺地质灾害易发性评价中应用效果良好,具有一定的应用推广价值。

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。

基于GIS与加权信息量模型的汤口断裂南段地区地质灾害易发性评价

汤口断裂带沿线地质灾害频发,为研究该断裂对周边地区地质灾害的影响程度,以断裂带南段的地质灾害隐患点为研究对象,选取研究区内的坡度、工程地质岩组和断裂距离等7个指标建立评价体系,运用层次分析法和信息量模型法开展地质灾害易发性评价。计算结果显示,断裂构造的影响因子占比较大(信息量值为2.729),叠加层次分析法后的评价分区图进一步表明,地质灾害易发区主要集中在汤口断裂带附近。结合受试者工作特征(receiver operating characteristic curve,ROC)曲线的精度结果对比,两方法耦合评价模型曲线下面积(area under curve,AUC)明显优于单一信息量模型,且与研究区地质灾害调查结果一致,说明汤口断裂对研究区地质灾害存在较大影响。

样本选取对地质灾害易发性评价的影响——以山西柳林县为例

非地质灾害样本的合理选取对地质灾害易发性预测准确度的提高具有重要意义。文章以柳林县为例,选取适宜的影响因子,基于GIS技术采用随机森林模型进行易发性评价。以地质灾害与非地质灾害比例为1∶1、1∶1.5、1∶3、1∶5、1∶10和非地质灾害点距已知灾害点100,500,800,1000 m为选取条件交叉结合共创建20组模型进行分析。结果表明:(1)通过误差指标、混淆矩阵和ROC曲线检验,样本比例和距已知灾害点距离变化对地质灾害易发性评价结果有较大影响。随着样本比例变小,距已知灾害点距离增加,各模型平均绝对误差和均方根误差整体下降,准确率整体上升。各模型ROC曲线下面积值均大于0.8,均有较好的预测效果。当样本比例小于1∶3时,距已知灾害点距离增加对模型误差和准确率影响较小,变化趋于稳定。综合判断样本比例为1∶10、距已知灾害点1000 m为最适合研究区模型。(2)高和极高易发区主要分布在中部及北部道路和河流两侧的地区,是柳林县防灾减灾的重点区。(3)样本选取差异导致易发性结果不同主要是因为建模过程中随机森林模型对数据特征的采集及判断发生变化,样本是否具有代表性发生变化。这些研究成果对当防灾减灾工作的实施具有重要意义。