基于GIS和双变量分析模型的三峡库区滑坡灾害易发性制图

在GIS技术的支持下,以三峡库区忠县-石柱河段为研究区域(面积260.9km2,滑坡分布面积5.3km2),建立了地质、地形数据库等滑坡因子空间数据库和滑坡空间分布数据库(数据比例尺均为1∶10万);在进行滑坡影响因子敏感性分析的基础上;对双变量分析模型进行了改进应用,对滑坡影响定量因子采用滑坡种子网格数据驱动的分级新方法。在GIS系统中进行了滑坡危险度评价成果图制图,将评价结果分为很低、低、中等、高、很高5个等级,依次占研究区域19.9%、31.69%、27.95%、17.1%和3.6%。评价结果显示危险性高和很高的区域主要分布在长江两岸,这与实际的滑坡分布吻合。研究结果对在三峡库区推广应用、防灾减灾具有实际指导意义。

基于stacking集成策略和SBAS-InSAR的滑坡动态易发性制图

当前滑坡易发性评价方法存在集成建模策略缺失及假阴性误报现象。首先创新性地利用stacking算法集成随机森林(random forest,RF)和极端梯度提升树(extreme gradient boosting,XGBoost),用于预测滑坡发生的空间概率;然后采用小基线集干涉测量方法解译2018年1月~2021年9月的104景Sentinel-1A数据,将沿视线的变形速度(Vlos)重新投影为沿斜坡方向(VSlope);最后采用经验关联矩阵将易发性分级与变形速度分级相结合,以生成滑坡动态易发性图。研究结果表明,stacking-based RF-XGBoost模型具有比决策树(decision tree,DT),RF,XGBoost,贝叶斯模型(Bayesian network,BN)和多层感知器神经网络(multilayer perceptron neuro network,MLPNN)更好的预测效果和泛化能力。滑坡动态易发性图对变形强烈的区域具有良好的识别效果,降低了3%~8%低易发性占比,提升了2%左右的高~极高易发性占比。现场调查验证了该方法能够在工程活动强烈的区域提高滑坡易发性等级,减少假阴性误报。大周镇极高动态易发区主要分布在长江沿岸及北部凤凰村,应加强监测预警。提出的集成框架及滑坡动态易发性制图技术能够提高区域滑坡的空间辨识度和预警精度,可以作为滑坡灾害区域规划的新手段。

基于RS和GIS技术的清江隔河岩库区滑坡易发性评价与制图

为了探索滑坡空间定量评价与制图技术和方法,文中利用RS与GIS技术相结合,以鄂西清江流域隔河岩水库库区为例,在滑坡调查编录和数据库建设的基础上,利用DEM数据提取地形地貌和水文因素,利用ETM+多光谱影像获取植被指数(NDVI)和地表湿度指数(NDWI),利用DEM、矢量数据、工程地质图及典型滑坡调查分析相结合,确定斜坡结构类型、工程地质岩组、库岸再造范围等滑坡因素的定量化指标。通过这些因素与滑坡的相关性统计分析,采用基于GIS空间分析的信息量计算因素的权重,利用GIS的空间分析功能实现清江隔河岩库区滑坡易发性分区制图。结果显示:高易发区占15.65%,主要分布在清江干流及其一级支流两侧,包含已知滑坡的73.17%;中易发区占41.54%,包含已知滑坡的17.81%,低易发区占42.81%,包含已知滑坡的9.02%。

基于卷积神经网络的区域滑坡易发性评价:以三峡库区万州区为例

开展区域滑坡易发性评价是滑坡气象预警与风险评价的关键。针对目前诸多易发性研究未考虑滑坡发生与邻接环境有关的情况,本文提出了一种基于卷积神经网络(CNN)的区域滑坡易发性建模框架。以三峡库区万州区为例,选取坡度、坡向等12个因子构建评价指标体系,通过信息量法分析因子对滑坡发育的影响程度,采用二维矩阵构建数据集,运用CNN进行易发性建模,得到易发性评价图,同时探究构建样本时二维矩阵的大小对精度的影响。研究结果表明,越靠近水库带越易发生滑坡,水系和人类工程活动对于滑坡发育具有较大影响;CNN模型精度为0.925,相比机器学习模型精度明显提升;增大构建样本时的二维矩阵可提高精度。CNN模型在多维空间数据处理方面具有优势,它考虑了滑坡位置及其邻接环境的影响,是一种准确可靠的区域滑坡易发性评价方法。

金沙江流域滑坡易发性空间预报分析

灾害易发性预报是提高灾害防控能力的第一步。针对位于云南省内的金沙江流域因地势险峻、生态环境脆弱,加之近年来人为活动增多已成为地质灾害高发区的现状,本文以金沙江德钦至华坪段滑坡灾害为例,运用Maxent和随机森林两种机器学习模型对滑坡空间分布作归因与预测,并对两者之间的差异进行对比分析。试验结果表明,随机森林模型的预测精度高于Maxent模型,AUC值为0.72。

考虑非滑坡样本选取和集成机器学习方法的水库滑坡易发性预测

准确的滑坡易发性建模对预警预报和风险管控具有重要意义.针对机器学习技术建模中非滑坡样本随机选取和单个分类器存在的精度不高问题,提出了一种耦合多模型的区域滑坡易发性建模框架.以三峡库区秭归-巴东段为例,选取高程、坡度等12个因子构建评价指标体系,应用信息量法定量分析各指标对滑坡空间发育的影响程度.随机选取70%的滑坡作为训练样本,剩余的30%作为验证样本;应用逻辑回归模型(LR)制作研究区的初始易发性分区图,确定非滑坡随机采样的约束范围.随后,分别采用LR模型约束和无约束条件下随机选取的非滑坡样本,应用单个分类回归树(LR-CART和No-CART)及分类回归树-Bagging组合模型(LR-CART-Bagging和No-CART-Bagging)开展滑坡易发性建模,并应用多个指标进行精度评估.结果发现:高程和水系等是滑坡发育的主控因素;LR-CART-Bagging模型精度为0.973,高于LR-CART模型的0.889;相比于No-CART和No-CART-Bagging模型,LR-CART和LR-CART-Bagging模型精度分别提升了0.057和0.047.LR模型可以有效约束非滑坡样本的选取范围,提升样本的选取质量;CART-Bagging模型综合了机器学习和集成学习的优势,预测性能更强,提出的LR-CART-Bagging模型是一种准确可靠的滑坡易发性建模方法.