基于长时间尺度下滑坡易发性评价研究——以甘肃省永靖县为例

利用决策树模型,基于五期土地利用评价因子,对甘肃省永靖县进行近40年的长时间尺度下的滑坡易发性评价,五期评价结果均显示研究区内滑坡灾害的极高和高易发性区域主要集中在中部黄河流域(盐锅峡镇至刘家峡水电站段)周边、西南部川城村—红泉镇—王台乡周边区域以及中部偏东的三条岘乡,该区域人口密集,人类活动较多。研究结果与前人研究结果类似,且通过受试者工作特征曲线的精度检验,说明五期评价结果均具有较高的可靠性。另外,研究区内的自然植被和裸土地与滑坡易发性指标之间具有负相关关系,而旱地、水域和城乡建设用地等人类活动频繁的区域则更容易导致滑坡灾害的发生。从时间尺度上来看,极高和高易发性分区面积逐年下降,但自2000年,极高和高易发性分区面积减少速度出现显著减缓,同期,该区域内的土地利用变化为城乡建设用地面积增加而植被面积减少,这使得区域内边坡稳定性下降,使部分防灾工程措施的减灾能力下降。本研究为该地区的灾害预防、预测和城乡土地规划提供了参考。

基于GIS的白龙江流域舟曲—武都段的滑坡危险性评价

本研究以围绕着白龙江流域的甘肃省南部的宕昌县、舟曲县和武都区部分地区为研究区,根据全国滑坡编目中得到的272个历史滑坡数据以及选取的高程、坡度、坡向、平面曲率、剖面曲率、归一化植被指数(NDVI)、降雨、岩性、距道路距离和距河流距离10种影响因子,利用三种具有代表性的定量方法:信息量模型、以及基于频率比模型的逻辑回归模型和人工神经网络模型对研究区内滑坡灾害危险性进行评价。三种评价结果均显示研究区内滑坡灾害的极高和高危险区主要沿白龙江河谷地区呈带状分布。从危险性分区图可看出,人工神经网络模型得到的分区图较为合理,既表现出沿河谷地区集中分布的趋势,也呈现出对滑坡历史数据较为独立的特征,这一研究结果与前人研究结果一致。根据受试者工作特征曲线(ROC曲线)对三种模型的精度进行检验,检验得到的AUC值分别为0.818、0.829和0.837,说明三种评价结果均具有较高的可靠性,基于频率比模型的人工神经网络模型相比其他两个模型具有更好的评价精度,能更好地进行滑坡危险性的预测和评价,其中高程、降雨、岩性以及距道路距离对评价结果影响更大,这四种影响因子重要性值占比为52.1%。为该地区的城市扩建与灾害预防预测提供了参考。