基于迁移学习的青藏高原东北缘地震诱发滑坡易发性评估模型

通过研究,旨在提出一种迁移学习方法,以应对机器学习在缺乏历史滑坡点数据的大区域很难取得良好的评估效果的挑战。首先,通过结合10个影响因子利用随机森林算法对2013年芦山7.0级地震极震区进行预训练,得到高精度的预训练模型。随后,采用直推式迁移学习方法进行初始迁移,并利用“半监督”评估方式补充青藏高原东北缘地区的标签数值点。最后,利用归纳式迁移学习进一步训练预训练模型,得到在青藏高原东北缘地区评估更准确的地震诱发滑坡易发性评估图。此外,使用Kullback-Leibler散度计算迁移前后区域影响因子数据的相似性,并对2022年泸定6.8级地震极震区进行评估应用,验证基于迁移学习的青藏高原东北缘地震诱发滑坡易发性评估模型的准确性。研究结果可为该区域地震诱发滑坡灾害预防提供一定的参考。

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。

基于斜坡单元和语义分割的皖南地区滑坡灾害易发性评估

滑坡灾害严重影响着人们的生命和财产安全,对自然环境造成重大破坏。以斜坡单元为单位进行滑坡易发性评估能够更加接近真实的滑坡地形,为滑坡灾害的防治提供更加科学的理论支持。本文以安徽省皖南地区为研究区,基于黄山、宣城、池州市滑坡点数据以及皖南地区基础地理数据,利用主成分分析和多重共线性分析方法筛选滑坡评价因子,提出将斜坡单元几何形状信息和语义分割方法相结合的创新方法,构建滑坡灾害易发性评估模型,对皖南地区的滑坡灾害易发性进行评估,揭示其空间分布规律。结果表明:结合斜坡单元和语义分割方法构建的滑坡易发性评估模型具有较高的预测精度,能够充分考虑斜坡单元的几何形状信息对滑坡易发性的影响,较为准确地评估皖南地区的滑坡易发性。评估结果符合滑坡形成机理,其中62.19%的滑坡单元分布在滑坡易发性等级中—高的斜坡单元上,模型预测AUC值为0.878,与缺少几何形状信息的CNN模型进行对比,预测精度明显提高。

基于CatBoost-SHAP模型的滑坡易发性建模及可解释性

文章致力于深入探索滑坡易发性建模中集成学习模型的不确定性和可解释性。以浙江省东部沿海山区为研究对象,利用谷歌历史影像与Sentinel-2A影像,记录了2016年超级台风“鲇鱼”触发的552起浅层滑坡事件。研究首先对连续型因子进行了不分级、等间距法和自然断点法的工况设计,进一步划分为4,6,8,12,16,20级。随后,引入了类别增强提升树模型(CatBoost)以评估不同工况下的滑坡易发性值,再结合受试者曲线与沙普利加性解释法分析,对建模过程中的不确定性和可解释性进行了深入研究,目的在于确定最优建模策略。结果表明:(1)在CatBoost模型计算中,河流距离成为最关键的影响因子,其次是与地质条件、人类活动相关的因子;(2)不分级工况下,模型能够获得最高的AUC值,达到0.866;(3)相较于等间距法,自然断点法的划分策略展现出更佳的泛化能力,且模型预测性能随着分级数量的增加而增加;(4)沙普利加性解释法模型揭示了主要影响因子道路距离、河流距离、DEM和坡向对台风诱发滑坡的控制机制。研究成果能够加深对滑坡易发性的理解,提高滑坡预测的准确性和可靠性,为相关地区的防灾减灾工作提供科学依据。

基于Newmark模型的地震诱发滑坡易发性分析方法的研究

以芦山地震诱发滑坡数据为研究对象,开展Newmark模型在区域性地震诱发滑坡空间易发性分析中的应用研究。首先采用网格形式进行数据处理,完成地形坡度、地震参数等数据的统一化,重点利用地层岩性数据对Newmark模型内参数开展区域定量化赋值,在此基础上根据Newmark模型及地震参数相关公式分别计算了安全系数、临界加速度和累积位移,并利用累积位移分析了该地区的地震滑坡易发性大小,在此基础上完成地震滑坡易发性分区。最后,通过已识别滑坡对分析结果进行验证,结果表明,累积位移与实际滑坡有较好的相关性。

隐伏断层地震诱发滑坡易发性评价

针对隐伏断层地震诱发滑坡无明显空间分布规律导致滑坡易发性分区难度较大的问题,提出考虑同震地表变形因子的人工神经网络地震滑坡易发性评价方法.以2004年日本新泻中越地震为例,除选取地层岩性、高程、坡度、坡向、地表曲率、地震加速度峰值、距道路的距离等常规地震滑坡影响因子外,新增同震地表变形作为影响因子,利用地理信息系统(GIS)平台通过神经网络法进行地震滑坡易发性评价.结果表明,基于GIS的人工神经网络法对地震诱发滑坡易发性评价有较高的精度.同震地表变形对预测准确度有一定贡献,优于坡向、高程以及距道路的距离等常规影响因子.

基于逻辑回归模型的汶川地震灾区崩塌滑坡易发性评估

选取了汶川地震灾区的22个县作为研究区域,基于6007条崩滑数据和多源信息,利用GIS技术手段,选取高程、坡度、坡向、断层、岩性、降雨量和土地利用7个因子作为崩滑易发性评价的影响因子,基于逻辑回归模型进行崩滑易发性评估并生成易发性分区图。结果表明,历史崩滑点分布与崩滑易发性分区图拟合程度较好,该地区的汶川县、茂县、北川县、绵竹市、青川县、平武县为崩滑易发性较高的区域。采用ROC曲线对模型成功率和预测率进行评价,求得训练样本集的AUC(ROC曲线下与坐标轴围成的面积)为0.84,验证样本集的AUC为0.79,表明采用的逻辑回归模型预测准确率较高。

GIS支持下基于层次分析法的汶川地震区滑坡易发性评价

2008年5月12日14时28分,四川汶川发生了Ms8.0级大地震,地震诱发了数以万计的滑坡灾害。在大约48678km2的区域内,采用震后遥感影像解译并结合野外调查的方法,共解译出48007个滑坡。应用GIS技术,建立了汶川地震诱发滑坡灾害及相关地形、地质空间数据库,分析了断层、岩性、高程、坡度、坡向、河流、公路等7个因素与滑坡分布的关系,应用滑坡面积百分比这一标准来分别衡量每个因素中各个级别对滑坡的影响程度;然后使用层次分析法对这7个参数进行权重分析;在GIS平台下对这些参数进行综合分析,通过分析结果将研究区内滑坡按易发程度分为极高易发区、高易发区、中易发区、低易发区与极低易发区5类,极高易发区与高易发区面积约8211km2,占研究区总面积的16.9%;最后,使用汶川地震滑坡数据库对研究结果进行检验,检验曲线表明分区效果良好,其中极高易发区与高易发区内实际发生滑坡面积为430km2,占滑坡总面积的60.5%。

基于GIS与确定性系数分析方法的汶川地震滑坡易发性评价

汶川Ms 8.0级大地震诱发了数以万计的滑坡灾害。在大约48678 km2的滑坡影响区域内,作者采用震后遥感影像解译并结合野外调查的方法,共解译出48007处滑坡。应用GIS技术,建立了汶川地震诱发滑坡灾害及相关地形、地质空间数据库。采用地震滑坡确定性系数分析方法,分析了地震滑坡关于地震烈度、岩性、坡度、断层、高程、坡向、河流与公路等8个因素的易发程度。基于GIS栅格分析方法,分别对16种不同影响因子组合类型进行地震滑坡易发性评价。最后,应用AUC(Ar-ea Under Curve,评价曲线下面积)方法得到最佳因子组合及其对应的评价结果,使用自然分类法则方法将研究区按滑坡易发程度分为极高易发区、高易发区、中易发区、低易发区与极低易发区5类,极高易发区与高易发区面积之和约11690.46km2,占研究区总面积的24.02%,其中发育滑坡面积为524.84 km2,占滑坡总面积的73.73%。结果表明了极高与高易发区与实际滑坡之间有着良好的一致性,方法的评价结果成功率(AUC值)达到82.107%。

基于多模型的滑坡易发性评价——以甘肃岷县地震滑坡为例

2013年7月22日,甘肃省岷县漳县交界处发生了MS6.6级地震（岷县地震）,本文以这次地震烈度Ⅷ度区为研究区,根据地震前后遥感影像解译出来的2330个地震滑坡数据,以坡度、坡向、水系、岩性和断层为因子图层,分别应用模糊逻辑法,信息量模型及Shannon熵改进的信息量模型,对研究区的地震滑坡易发性进行评价.结果表明①滑坡的高易发性地区位于研究区的中间部分,以及水系0～50m这一缓冲区范围内,离水系越近滑坡易发性等级越高;②应用ROC曲线对3个模型的易发性评价结果进行比较,信息量模型和Shannon熵改进的信息量模型的AUC值分别为0.8488,0.8502;模糊逻辑模型的AUC值为0.7640,表明前两个模型的表现较好,而模糊逻辑模型相对来说表现一般;③通过对比3个模型中各等级易发性所占的面积比例和各等级易发性中滑坡数目占总数比例,表明Shannon熵改进后的模型更适用于灾害风险评价以及应急风险管理等实际应用.

芦山地震重灾区崩塌滑坡易发性评价

2013-04-20 T08:02,四川省芦山县发生7.0级大地震,地震诱发了大量的次生山地灾害。在芦山、宝兴、天全三个地震重灾县6 651.35 km2的区域内,采用震后遥感影像解译并结合野外调查的方法,共解译出1 379处崩塌(含落石)滑坡。应用GIS技术,建立了芦山地震诱发崩塌滑坡灾害及相关地形、地质空间数据库,分析了岩性、断层、地震动加速度、高程、坡度等5个因素与崩塌滑坡分布的关系,应用崩塌滑坡数量百分比这一标准来分别衡量每个因素中各个级别对崩塌滑坡的影响程度;然后使用层次分析法对这5个参数进行权重分析;在GIS平台下对这些参数进行综合分析,以此将研究区内的崩塌滑坡按易发程度分为极高易发区、高易发区、中易发区、低易发区4类,极高易发区与高易发区面积约2 149.89 km2,占研究区总面积的32.32%。

地震区降雨作用下泥石流易发性动态评估

泥石流易发性同时受静态和动态地质环境致灾因子的影响,呈现为动态变化过程。基于动态易发性与静态易发性为线性关系的假设,提出了考虑地震和降雨影响的灾害易发性动态评估模型。地震对易发性的影响系数为地震烈度的2次方函数,且与时间为负幂律关系。降雨的影响系数与归一化的大雨发生天数为正比关系。应用提出的方法和模型,用相对高差、坡度、岩性和断裂带密度计算了横断山区的静态易发性,分析了2000~2015年横断山区地震事件的影响和大雨事件的年际变化规律,计算了地震影响系数和降雨影响系数,得到了横断山区2000~2015年的逐年易发性分区图。

基于GIS与ANN模型的地震滑坡易发性区划

基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究。2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡。选择高程、坡度、坡向、斜坡曲率、坡位、与水系距离、地层岩性、与断裂距离、与公路距离、归一化植被指数(NDVI)、与同震地表破裂距离、地震动峰值加速度(PGA)共12个因子作为地震滑坡易发性评价因子。这些因子均是应用GIS技术与遥感影像处理技术,基于地形数据、地质数据、遥感数据得到。训练样本中的滑动样本有两组,一组是滑坡区整个单滑坡体的质心位置,另一组是滑坡滑源区滑前的坡体高程最高的位置。应用这12个影响因子,分别采用这两组评价样本,基于ANN模型建立地震滑坡易发性索引图,基于GIS工具建立地震滑坡易发性分级图。分别应用训练样本中滑坡分布的点数据去检验各自的结果正确率,正确率分别为81.53%与81.29%,表明ANN模型是一种高效科学的地震滑坡易发性区划模型。

汶川县地震滑坡易发性LR与NN评价比较研究

通过地理信息系统(GIS)技术,结合神经网络(NN)和逻辑回归模型(LR)开展汶川县范围内地震诱发滑坡易感性评价,并对两种模型结果进行比较研究。基于2008年5.12 Ms8.0级地震,选取高程、坡度、坡位、坡向、岩性、微地貌、距断层距离、距水系距离、距道路距离、年平均降雨量、归一化植被指数、地震峰值加速度共12个因子作为地震滑坡影响因子,基于ARCGIS10.1平台将这些影响因子专题图层栅格化;采用提取的模型训练样本,由R软件对神经网络(NN)和逻辑回归模型(LR)进行训练;将训练好的模型对整个汶川县地震滑坡易感性进行仿真,并将仿真结果划分为五类滑坡敏感区域:极低,低,中,高和极高,分别得到LR与NN模型仿真的滑坡易发性分区图;根据汶川县实际地震滑坡分布图进行统计分析,以及采用ROC曲线对两种模型的仿真结果进行对比分析,神经网络(NN)和逻辑回归模型(LR)的AUC值分别为0.930和0.941。研究表明两种模型的滑坡易感性评价图与实际滑坡发育基本吻合,评价结果较好,且LR模型预测精度相对较高。

云南鲁甸Ms6.5级地震震区滑坡易发性分析

根据野外科考结果,对2014年鲁甸6.5级地震滑坡易发性成因进行了分析研究。研究表明:鲁甸震区位于凉山次级活动块体SE向运动的前缘部位,是我国陆内地震活动最强的地区之一,平均7年左右就有一次5级以上地震发生。长趋势缓慢的地壳运动和频繁的地震活动,对斜坡的力学强度产生累积效应并逐步降低其稳定性,对滑坡的孕育有积极的促进作用,这是地震滑坡易发的内在成因。构造隆升和强烈的河流下蚀作用,使得该地区地形高差巨大、地形陡峻,它是地震滑坡普遍发生的重要的地形条件。在该地区独特的气候环境下,外动力地质作用类型繁多而强烈。易于风化的玄武岩、硬质的碳酸盐岩的广泛分布,是有利于特大型地震滑坡和崩塌发育的重要岩性条件。内、外动力地质作用的叠加和耦合,是地震滑坡广泛发生的主要成因。

基于信息量、逻辑回归及其耦合模型的滑坡易发性评估研究:以青海沙塘川流域为例

滑坡易发性定量评估是预测滑坡发生空间概率的重要手段,基于统计分析原理的评估方法目前在国内外应用最为广泛,且不同评估方法的对比研究逐渐成为热点。以青海沙塘川流域黄土梁峁区为例,剖析了信息量模型和逻辑回归模型在滑坡易发性评估中的优越性和局限性,并探索提出基于二者的耦合模型。考虑坡度、坡向、起伏度、岩性、与干流距离、与支流距离和植被指数等7个影响因素,对比分析了基于信息量、逻辑回归及二者耦合模型的滑坡易发性评估的技术流程及结果。3种模型的成功率分别为:耦合模型成功率(78. 9%)>信息量模型成功率(71. 8%)>逻辑回归模型成功率(70. 8%)。在沙塘川流域黄土滑坡的易发性评估中,信息量和逻辑回归模型的表现基本相当,但信息量-逻辑回归耦合模型的成功率明显提升。该研究结果可为黄土高原区滑坡易发性定量评估提供借鉴。

基于逻辑回归的地震滑坡易发性评价——以汶川地震、鲁甸地震为例

准确评估地震诱发的滑坡风险,并及时绘制滑坡易发风险图是灾害应急救援的科学前提和理论基础。目前机器学习在滑坡敏感性评估中具有广泛应用,但大多数研究缺乏对模型的普适性探讨,且该类预测模型缺乏定量评价地震动参数对模型精度的影响。该文以2008年5月12日的汶川8级地震和2014年8月3日的鲁甸6.5级地震为例,先通过相关系数及方差膨胀因子选择地震滑坡的影响因子构建数据库,并随机按照7∶3的比例分为训练集和测试集,再分析影响因子在滑坡和非滑坡样本中的频数分布,最后分别利用两次地震的训练集建立逻辑回归模型(Logistic Regression, LR)进行精度验证和易发性评估。结果显示模型在同一次地震的测试集下均达到较高的预测精度(>90%);但是基于汶川地震构建的模型对鲁甸地震诱发滑坡的预测精度整体下降了14%。此外,地震动参数(Modified Mercalli Intensity Scale, MMI)对模型预测精度贡献在5%~29%。结果表明基于历史地震事件建立的模型对未来地震引发滑坡的预测中仍具有较大的局限性,需要增加不同地区不同震情的样本量和新的机器学习方法提高预测模型的普适性。

基于MDT的地震滑坡道路可通行性空间分布快速评估方法研究

如何预测地震滑坡道路可通行性空间分布是快速评估中的一个难题,为解决这一问题,本文提出一种基于MDT的地震滑坡道路可通行性空间分布快速评估方法。该方法包括3个步骤:(1)定制路段单元,将路段作为地震滑坡道路可通行性评估的基本单元,利用GIS将评估区内的道路划分成路段,制作每条路段两侧180m的缓冲区;(2)对路段进行地震滑坡属性赋值,统计各缓冲区范围内不同地震滑坡敏感性水平的像元数量,将统计结果作为对应路段的地震滑坡属性;(3)路段可通行性空间分布推断,利用MDT模型计算道路可通行性,最后进行地震滑坡道路可通行性空间分布制图。利用该方法对我国2008年汶川M_(S)8.0、2014年鲁甸M_(S)6.5和2012年彝良M_(S)5.6、M_(S)5.7地震灾区进行研究。其中,汶川地震灾区用来进行地震滑坡道路可通行性空间分布快速评估方法的建立和方法有效性的评价,鲁甸地震灾区和彝良地震灾区则用来对所建立方法在相似区域可移植性的评价。通过计算P值来检验模型的统计学显著性,并通过计算kappa值来评价模型反演结果与实际情况的一致性。结果表明模型计算出的道路可通行性是判断地震灾区道路是否因地震滑坡中断的良好指标;在允许一定误差的情况下,利用MDT模型进行地震滑坡道路可通行性空间分布快速评估的方法可以移植到其他相似区域。

基于多模态分类模型的芦山地震滑坡易发性评价

为提高地震滑坡易发性评价精度,从多模态数据融合角度提出一种新的地震滑坡易发性评价模型。以芦山地震为例,从多源数据中提取15种滑坡影响因子,将这些影响因子按4种不同类型的模态数据进行融合;以斜坡单元为评价单元,利用多模态分类模型评价地震滑坡易发性,并与逻辑回归模型比较;最后分别采用基于受试者工作特征曲线和区划滑坡灾害点密度2种精度评价方法对评价结果进行检验。结果表明,基于多模态分类模型的地震滑坡易发性评价结果具有更高的精度,其评价结果的曲线下面积、高易发区-极高易发区的滑坡灾害点密度分别为0.86、2.24个/km^(2),均优于逻辑回归模型,表明该模型在区域内具有较好的适用性。研究结果从数据融合角度为提高地震滑坡易发性评价精度提供了新思路。

基于改进证据权重法的北海道地震同震滑坡易发性评价

多模型耦合方法被广泛应用于同震滑坡易发性评价研究,但耦合证据权重法和其他方法的改进型证据权重法鲜有涉及。该文以北海道地震震中区为研究区,基于震前和震后高精度遥感影像解译出5977处同震滑坡(以中小型为主),选取高程、坡度、距断层距离、距水系距离等8个滑坡易发性评价因子,对同震滑坡的空间分布规律和控制因子进行分析,发现同震滑坡集中发育在距断层小于5 km、距水系小于800 m、峰值地面加速度(PGA)0.5 g、高程90~250 m、坡度20°~40°、坡向东至东南向、岩性以页岩和砾岩为主的区域内;基于改进型证据权重法,综合考虑地形、地质和水文条件对北海道同震滑坡易发性进行评价,经ROC曲线评价模型验证,发现改进模型曲线下面积(AUC)为0.916,较原模型(AUC为0.870)精度有明显提高。改进模型能为同震滑坡易发性评价提供新的研究思路,并为震后区域防灾减灾提供科学依据。