IOE模型在延安市宝塔区碾庄沟流域滑坡易发性分区中的应用

将延安市宝塔区碾庄沟流域作为研究区,在野外调查以及遥感解译的基础上,得到了73个滑坡点数据,其中70%的滑坡点被当作训练样本,剩余的30%的滑坡点被当作测试样本。选取坡度、坡向、高程、归一化植被指数(NDVI)、岩土体类型、土地利用类型、平面曲率和剖面曲率作为滑坡易发性分区建模的解释变量。利用熵指数模型(IOE)计算研究区的滑坡易发性指数(LSI),得到了研究区滑坡易发性分区图(LSM)。最后利用准确率和接受者操作特征曲线下的面积(AUC)对分区结果进行评价。结果表明:训练样本集和测试样本集的准确率均大于0.8,且测试样本集的AUC值为0.9641,说明研究区的滑坡易发性分区结果可信度高,且IOE模型具有较强的泛化能力。研究结果也可以为当地的滑坡防治工作提供参考。

九寨沟漳扎地震区滑坡易发性对比分析

以九寨沟漳扎镇为研究区,基于地质图、遥感影像和GIS平台,选取坡度、坡向、地质岩组、断层距离、水系距离、道路距离、植被覆盖率、地表覆盖类型、土壤类型等9个孕灾环境因子,分别应用信息量模型(IV)、熵指数模型(IOE)及信息量-逻辑回归(IVLR)耦合模型等多种建模方法,对研究区进行易发性评价的对比分析,探究统一地理环境尺度下,不同评价模型对滑坡易发性结果的影响,并引入ROC曲线和AUC评价指标,验证对比分析3种模型的区域地质灾害易发性评价分区结果。结果表明:①滑坡易发性高区域多分布于水系、道路与断层延展集中区域。②3种模型的滑坡易发性分区图均能表现该区域实际滑坡发育分布状况,其中IVLR耦合模型的AUC准确率指标最高达0.959,优于熵指数、信息量2种单一模型,其模型构建所得的研究区滑坡易发性分区结果可信度高,可为当地滑坡灾害防治工作提供参考。