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。

工程弃渣泥石流易发性评估方法

为了对工程弃渣转化成泥石流的可能性进行评估,针对工程弃渣特点,在考虑自然沟道泥石流活动情况的基础上,叠加弃渣场局部环境特征、弃渣体堆积特征及物料特征等三方面共计12个评价指标,运用层次分析法确立指标的权重,利用黄金分割法为各指标定量赋值,通过计算弃渣泥石流易发性指数RQ来评估工程弃渣泥石流的易发性,将评价结果分成4级:高度易发、中度易发、低度易发和不易发,并通过对长江三峡巴东县黄家大沟工程弃渣泥石流与重庆奉节李家大沟弃渣泥石流易发性进行评价,结果显示黄家大沟弃渣泥石流易发性指数为0.602(偏保守估算),属于中度易发,与实际发生泥石流较符合;李家大沟弃渣泥石流易发性指数为0.707,属于中度易发,与弃渣稳定性理论计算评价结果一致,验证了该方法的准确性和可行性。

基于AHP与信息量法的甘肃省滑坡易发性评估

甘肃省是我国滑坡灾害频发地区之一,该地居民的生命财产和生态环境遭受威胁,为降低该省受灾程度,提高人们对滑坡灾害的防范意识,对甘肃省滑坡灾害防治提供理论依据,该文参考国内外滑坡灾害风险评估指标及方法,分别从甘肃省地理环境、地质情况、人类活动等方面选取10项滑坡灾害风险影响指标,基于层次分析法与信息量模型得到的各指标权重值及信息量值,对该省滑坡易发性进行综合评估,得到结果如下:极高易发区面积占研究区总面积的4.336%,滑坡灾害密度达12.870;高易发区面积占15.243%,滑坡灾害密度达9.392;中易发区面积占47.544%,滑坡灾害密度达2.041;低易发区面积占32.875%,滑坡灾害密度为0.074;极低易发区面积占0.003%,滑坡灾害密度为0。甘肃省大部分区域滑坡易发性较小,滑坡灾害易发性空间分布呈现集中分布特征,主要集中在东南部地区,且多位于人口密度较高、交通线较密集地区。

基于经验权重方法的舟曲县泥石流易发性评估

舟曲县泥石流灾害频发,2010年8月发生的特大山洪泥石流,造成大量生命财产损失。文章采用遥感影像结合地面调查获取舟曲县植被覆盖、岩性、构造等信息;基于数字高程模型与水文分析获取水系、沟谷纵比降、沟谷弯曲度、流域、坡度信息;基于国土资源部在全国开展县市灾害调查中提供的泥石流易发性量化经验权重,对全县178条较大沟谷进行泥石流易发性评价。得到的结果与野外考察和前人认识具有较高的一致性。该方法不需要大量的野外工作,具有评估迅速简单的特点,对县级以上区域尺度的泥石流易发性快速评估具有较高推广价值。

江西省九江市规划区地质灾害易发性评估

在阐述九江市规划区的地质背景、地形地貌特征和水文地质、工程地质条件及其地质灾害发育现状的基础上,对规划区的地质灾害易发性进行了较详细的评估,圈定出十里铺、沙河街和狮子3个地面塌陷易发区;国棉二厂、官湖、炼油厂和沙河街4个地面塌陷较易发区。在规划区内选取11个均为土岩混合斜坡,斜坡坡度15°~30°,斜坡高度20m^100m,强风化带厚度和残坡积层厚度均小于3m的自然斜坡进行评估,其中有6个为稳定性中等,占总数的54.5%,稳定性好的5个,占总数的45.5%。并提出了地质灾害防治建议。

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。

帕隆藏布流域冰川泥石流易发性研究

帕隆藏布流域地处藏东南高海拔,高地应力,高烈度,高地温的地形急变带,现代海洋性冰川分布,流域内冰川泥石流频发,合理评价流域内冰川泥石流易发性对工程建设具有重要意义。考虑到目前流行的机器学习算法应用的局限性,采用因子分析和证据权模型相耦合的方法建立易发性评估模型。将帕隆藏布划分为169个子流域,通过遥感解译和现场调查确定泥石流发育情况,并选取14个与冰川泥石流相关的影响因子进行分析。结果表明:冰川泥石流极高易发区集中在帕隆藏布干流古乡至通麦段、波堆藏布上游段、瓤达曲小流域段,共包括104个子流域,总流域面积为2308.4 km^(2),占所有子流域面积的24%。

支持向量机与Newmark模型结合的地震滑坡易发性评估研究

Newmark位移模型是研究地震滑坡易发性的经典模型,机器学习方法支持向量机模型也越来越多的应用到滑坡易发性评估研究。本文将Newmark位移模型与支持向量机模型相结合,建立基于物理机理的地震滑坡易发性评估模型并应用于2008年汶川地震重灾区汶川县。从震后遥感影像目视解译出汶川县1900处地震诱发滑坡,并将其随机划分为70%的训练数据集和30%的验证数据集。选择地形起伏度、坡度、地形曲率、与构造断裂带距离、与水系距离、与道路距离6个因子与Newmark位移值共同作为地震滑坡易发性影响因素。利用ROC曲线和模型不确定性等指标对模型结果进行评估,并与二元统计模型频率比和多元统计模型Logistic回归的结果进行对比。结果表明:与频率比和Logistic回归模型相比,支持向量机模型的正确率最高,训练集和验证集ROC曲线下的面积分别为0.876和0.851。将模型应用于绘制汶川县地震滑坡易发性图,结果显示滑坡易发性图与实际的滑坡点位分布一致性较高,有80.4%的滑坡位于极高和高易发区。这说明支持向量机与Newmark位移方法结合建立的地震滑坡易发性评估模型有较高的预测价值,可以为滑坡风险评估和管理提供依据。

基于GIS的昆明市五华区地质灾害易发性评价

五华区共查证崩滑流及地面塌陷灾害点60处,灾情堪称严重。基于ArcGIS平台,利用信息量法对全区地质灾害易发程度进行评价分区。高易发区面积31.35km2,中等易发区面积247km2,低易发区面积101.65km2。科学评估分区结果为政府进一步制定全区地质灾害防治规划提供科学依据。

浅谈我国的地质灾害风险评估

针对我国地质灾害风险评估研究现状,着重讨论了对我国地质灾害风险评估的理解,提出了中国地质灾害风险评估为灾害体易发性、承灾体的易损性、这两者耦合关系评估的结构组成及结构公式,并根据其研究对象、内容、目的等方面情况提出了地质灾害风险评估的完整概念。

顾及InSAR形变的CNN滑坡易发性动态评估——以刘家峡水库区域为例

已有的滑坡易发性评估方法所采用的滑坡因子多为静态数据(如地形,地质),缺乏动态数据(如地表形变),无法充分挖掘正在变形的滑坡特征,导致滑坡易发性评估可靠性较差。合成孔径雷达干涉测量(synthetic aperture radar interferometry,InSAR)二维InSAR数据可反映滑坡在垂直和水平方向的形变特征。引入二维InSAR形变数据作为动态因子,结合地形、地质、水文以及人文共计16种滑坡影响因子,构建卷积神经网络模型(convolutional neural network,CNN)进行滑坡易发性动态评估;采用多种评价指标来衡量模型精度,同时对比有无顾及二维InSAR因子的滑坡易发性评估结果,并与支持向量机(support vector machines,SVM)方法进行对比,此外,在不同场景进行应用。实验结果表明,顾及InSAR形变动态因子的多种评价指标整体精度有所提高,模型对正处于缓慢变形的滑坡易发性区域的识别具有良好的效果,在训练数据中,识别率由0.78提高至0.93;在验证数据中,识别率提升0.21,揭示出顾及二维InSAR形变因子可以提升滑坡易发性动态评估准确度。构建的CNN模型相比SVM方法评估结果更加可靠,在不同场景下更具有普适性和泛化能力。刘家峡水库区域高易发性主要分布于杨塔乡东北部山区、红泉镇以及三塬镇等区域,应加强实时监测。提出的顾及二维InSAR形变因子CNN滑坡易发性动态评估模型可为滑坡灾害预防提供新思路。

基于物理过程不确定性的降雨诱发浅层滑坡易发性快速区划:GIS-FORM技术开发与应用

高效绘制降雨诱发山体滑坡易发性分布图是区域尺度滑坡预测和地质灾害早期预警的重要技术手段。考虑降雨导致地表径流情况,采用无限长斜坡模型耦合孔隙水压力(PWP)变化规律,提出一种能够模拟区域边坡湿润锋深度随时空变化的简化瞬时降雨入渗模型PRL-STIM(physically-based probabilistic modelling of rainfall landslide using simplified transient infiltration model)。该模型通过引入一阶可靠度方法(FORM)开展高效概率计算,模拟区域尺度内地质条件的内在不确定性,实现区域尺度滑坡失效概率空间分布快速评估。以地理信息系统(GIS)为平台,采用Python程序语言,开发一种能够自动执行区域滑坡易发性分析的PRL-STIM v1.0工具。以我国甘肃娘娘坝镇于2013年7月发生的降雨诱发区域浅层滑坡为例,进行所提模型在区域滑坡易发性评估中的工程应用。结果表明,考虑50%失效概率阈值可有效地表征区域滑坡灾害易发性分布;简化的瞬时降雨入渗模型能够有效识别高风险滑坡区域,设置20 m缓冲区后的确定性和概率预测精度分别达到79%和81%;此外,相比于TRIGRS模型72%的预测精度,PRL-STIM预测精度达到75%,且服从相关非正态分布的岩土参数对降雨滑坡预测与区域尺度滑坡易发性有显著影响。

基于综合灾害风险评估的高原山区乡村聚落空间优化--以青海省海东市乐都区为例

自然灾害评价是衡量资源环境承载能力和国土空间开发适宜性的本底要素。以青海省海东市乐都区为研究区,采取频数统计和优化AHP法确定研究区灾种和孕灾因子体系双层权重,利用GIS技术分析评价灾害易发风险区划和几何拓扑特征。结果表明:①乐都区综合灾害极高和高风险易发区总面积为1694.8 km^(2),占比55.5%,在浅山区、川水区和脑山区各自区域占比分别为87.11%、60.73%和7.59%;②乐都区综合灾害易发风险等级与人口规模、人均收入分布具有显著负相关性和正向耦合性,严重失调区分别占17.58%和15.52%,对区内乡村聚落居民生命财产及生活生计造成较大威胁;③乐都区乡村聚落空间优化可分为32个搬迁撤并型、117个优先整治型、163个防治拓展型和42个集聚提升型,具体优化建议可为西部高原山区国土空间安全提升和助力乡村振兴提供依据和参考路径。

百色电网输电通道边坡地灾隐患点识别与风险管控技术

收集百色市历史地灾点作为地灾易发性评估的灾害基础数据集,优选地形地貌、地质条件、环境条件、人类活动等多项致灾评估因子构建符合百色市地域特征的地灾易发性评估模型。将卫星遥感中的InSAR(合成孔径雷达干涉)技术引入电网输电通道的广域微形变监测中,结合地灾易发性评估模型进行电网边坡的地灾隐患点识别。基于地质灾害风险管控的研究,提出针对电网输电通道边坡的相关地质灾害风险管控措施。该风险评估方法联合微形变动态指标和多项致灾评估因子等静态指标,通过指标优选分析,使模型更具科学性和实用性,能够实现对百色市输电通道边坡地灾隐患点的高精度、高效的风险排查以及提供合理的风险管控措施。

XGBoost机器学习模型与GIS技术结合的公路崩塌灾害易发性研究

地质灾害预测预警在自然灾害防治中的地位日益凸显,而地质灾害易发性评估是地质灾害预测预警的基础。文章以北京西南地区的公路崩塌灾害为研究对象,利用GIS技术从多来源、多时相的数据源中提取了包括高程、地层岩性和降水在内的多种崩塌致灾因素;尝试将新型的XGBoost机器学习模型应用于地质灾害易发性研究,将452个公路崩塌灾害样本分为70%的训练集与30%的验证集进行训练,利用召回率、ROC曲线以及模型的不确定性等指标对模型结果进行评价,并与常用的SVM模型进行对比。结果表明,XGBoost模型的训练集和验证集的召回率分别为1.00和0.87,ROC曲线下面积分别为1.00和0.91,均优于SVM模型,并且其预测价值大的样本(崩塌发生概率为0.75~1和0~0.25)占比达到93%,远高于SVM模型。将训练得到的评估模型应用于北京西南地区,叠加区域路网数据,绘制北京西南地区的公路崩塌易发性图。用"8·11"房山崩塌灾害样本验证了易发性图的可靠性,并通过易发性图识别出需要重点防范的崩塌高易发性公路路段。

利用物探遥感技术探查城市道路塌陷隐患

城市道路塌陷隐患排查对城市公共安全具有重要意义。本文利用物探和InSAR遥感技术,以南京市鼓楼区域为实验区,对道路塌陷隐患进行了探查和研究。利用InSAR技术获取2019年~2020年南京市鼓楼区主要道路的形变梯度信息;结合软土层厚度、管道渗漏点和轨道交通分布等信息,利用层次分析法建立道路塌陷评估模型,对实验区道路塌陷易发性进行评估和分析;利用地质雷达探测等手段进行验证和综合评价。结果表明,南京鼓楼区域道路塌陷易发性空间特征明显,呈现西南高东北低的趋势,高易发区主要分布在实验区龙园西路、湛江路、清凉门大街和凤凰西街等区域。