基于GIS的广西北流市地质灾害易发性分区评价

以北流市为例,利用地质环境要素对地质灾害易发性进行评价,并通过MapGIS软件实现可视化。选取了地质灾害发育密度、地貌类型、自然斜坡坡度、工程地质岩组、残坡积土层厚度、人类活动强度、多年平均降雨量7个影响地质灾害易发性的地质环境因素,建立了地质灾害易发性评价指标体系和评价方法,并对研究区进行了评价,依据预测分区指标计算,研究区地质灾害高易发区总面积为1185. 37 km~2,占全市总面积的49%;地质灾害中易发区总面积为1027. 76 km~2,占全市总面积的41%地质灾害低易发区总面积为243. 50 km~2,占全市总面积的10%。     

基于ArcGIS的修文县滑坡灾害易发性评价

通过野外调查修文县滑坡,用信息量法和层次分析法进行易发性评价。信息量法中,依据不同区域总信息量大小,来反映不同区域滑坡易发性程度。层次分析法中,先确定每个单因子各等级的得分,再确定不同层次各个因子的权重关系,之后通过加权叠加得到评价分区结果。对两种评价方法在原理和评价结果上的区别进行对比。叠加两方法的分区图,形成滑坡地质灾害易发性综合评价。综合区划中研究区被分为极低易发区、低易发区、中易发区、高易发区、极高易发区。     

灵宝市地质灾害易发性分区评价

根据灵宝市地质灾害调查成果,作者基于地质灾害现状,采用定性分析结合定量分析方法,对灵宝市各类地质灾害进行评价,将灵宝市地质灾害易发性划分为4个区,即高易发区、中易发区、低易发区和不易发区,为灵宝地区地质灾害防治规划提供依据。     

基于信息量法的地质灾害易发区评价

以江西省崇义县为研究区,以崇义县1∶5万地质灾害调查数据为基础,基于信息量法,采用Arcgis软件研究地质灾害易发性。首先分析各类地质环境因子与地质灾害相关性,选取高程、坡度、水系、工程地质岩类、构造、居民区及公路七个影响因子。以地质灾害点为基础数据,将灾点与七个因子图层分别进行栅格运算,得出各个因子分段的灾点分布概率,计算出各个因子的信息量值,将各因子的信息量进行叠加,得出研究区内的信息量分布图。根据灾点在各信息量区间的概率,将研究区分为高、中、低、极低四个地质灾害易发级别。易发性评价结果与研究区实际情况吻合度高的结论,表明信息量法适合于崇义县地质灾害易性的评价。     

输电线路高分辨率遥感影像地质灾害解译识别技术

现代遥感技术在地质灾害调查、地质灾害危险评价、灾情评估和地质灾害治理方面可节约大量的人力和经济成本。以鹏深线和济腾线杆塔所在区域输电线路遥感影像为研究对象,在获取高清遥感影像基础上,开展遥感影像地质灾害调查和识别技术以及风险等级评估方法研究。研究表明:(1)工作区域内按地质灾害易发程度分为高易发区、中易发区、低易发区3类,鹏深甲乙线的146个杆塔中,62个杆塔处于高易发区,22个杆塔处于中易发区,66个杆塔处于低易发区,济腾甲乙线的92个杆塔中,62个杆塔处于高易发区,30个杆塔处于低易发区;(2)工作区域按风险等级分为高风险区、中风险区、低风险区3类,处于高风险区的滑坡15处、边坡9处,处于中风险区的滑坡4处、边坡0处,处于低风险区的滑坡2处。与现场踏勘结果进行对比,验证了分析结果的正确性和有效性。     

云南省勐海县地质灾害易发性区划

在云南省勐海县地质灾害详细调查的基础上,选取了对地质灾害发育起主导作用的9个因素作为易发区划分的评判因子,采用单元面积评价法对勐海县地质灾害易发性进行了区划,将研究区划分为高、中、低和不易发区等四个大区,为勐海县地质灾害防灾减灾工作提供技术支持。     

基于信息量法的重庆云阳县(三峡库区)地质灾害易发性评价

云阳县地处重庆市东部,属三峡库区,构造上位于川东弧形构造带东北段,褶皱形态以宽平的屉形向斜和狭窄的高背斜相间排列,组成隔挡式构造。区内地貌以中-高山峡谷地貌为主,第四纪以来一直处于间歇性抬升状态,地形切割强烈,长江河道从境内穿过,河流水系发育,年降雨量大,地质环境条件脆弱,地质灾害发育。论文基于Arcgis平台,运用信息量法全面分析了影响云阳县地质灾害发育的地形条件、地层岩性、地质构造、河流水系、人类工程活动等因素,建立了云阳县地质灾害易发评价指标体系。评价结果表明,高易发区面积576 km²,占比15.8％,中易发区面积1801.68 km²,占比49.41％；评价结果可为云阳县区域地质灾害防治提供依据,也可为三峡库区地质灾害易发性评价提供参考。     

基于逻辑回归模型的凉山州滑坡易发性评价

凉山州地质环境复杂,地质灾害频发,为了防止凉山州因灾致贫、因灾返贫,对凉山州滑坡灾害进行易发性评价。选择10个因子,分析因子与滑坡的分布规律,并建立逻辑回归模型对凉山州滑坡灾害进行易发性评价。结果表明：凉山州滑坡分布于高程1 800 m～2 300 m;坡度10°～30°;坡向为东方向;坡位为中坡;距道路距离和距断层距离为小于2 km,NDVI为0.7～0.8;TWI为2～4;岩组为碎屑岩;土地利用类型为耕地。滑坡极高易发区位于凉山州中部安宁河、则木河断裂带两侧和东部汉源-甘洛带、峨边-金阳断裂带两侧。     

基于专家-层次分析法的岩溶地面塌陷易发性评价——以广西平桂区为例

以地质灾害详细调查成果资料作为依据,利用专家-层次分析法对贺州市平桂区岩溶地面塌陷易发性进行评价,选取了11个影响岩溶塌陷易发性的地质环境因素,创建了贺州市平桂区岩溶地面塌陷易发性评价指标体系,再通过GIS的空间分析功能对平桂区岩溶塌陷易发性进行评价研究,将平桂区岩溶塌陷易发分区分为高、中、低、非岩溶区4种类型,其中岩溶塌陷高易发区(Ⅰ)的面积为87.18 km~2;岩溶塌陷中易发区(Ⅱ)的面积为182.25 km~2;岩溶塌陷低易发区(Ⅲ)的面积为348.97 km~2;非岩溶区(Ⅳ)的面积为1403.6 km~2。评价结果对贺州市平桂区的岩溶塌陷地质灾害的防治具有指导意义。     

基于信息量与神经网络模型的滑坡易发性评价

针对神经网络模型进行滑坡易发性评价时,传统的随机选取非滑坡单元存在准确性不高的缺点,提出信息量与神经网络结合的易发性评价模型。以江西省上犹县为研究区,首先,基于上犹县滑坡编录与实际调查,选取坡度、高程、坡向、平面曲率、剖面曲率,植被指数(NDVI)、湿度指数(TWI)、距水系距离、距道路距离、土地利用等10个环境因子,其次利用信息量模型对上犹县进行易发性分区,得到上犹县易发性分区图。然后,从信息量模型得出的易发性分区中的低易发区选取非滑坡单元,与滑坡编录中的历史滑坡点组成测试集与训练集,输入神经网络中训练模型,再将上犹县所有栅格输入,预测上犹县栅格的滑坡概率。最后利用自然断点法在上犹县栅格滑坡概率进行分类,得到基于信息量与人工神经网络结合的上犹县易发性分区图。由易发性结果表明:单独的信息量模型的成功率曲线下面积AUC=0.7364,历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的55.6%;基于信息量与神经网络模型的AUC=0.7874;历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的85.8%。信息量–神经网络的评价模型比单独的信息量模型的评价精度提高了5.1%;高易发区与较高易发区所涵盖的灾害数占比高30.2%。信息量–神经网络模型有更好的评价精度,并且证明了在信息量模型中的极低易发区选取非滑坡点具有可行性。     

基于多种模型对比的寻甸县地质灾害易发性分析

寻甸县地质条件复杂,地质灾害频发,而区域性易发性评价是预防地质灾害亟待解决的问题。本文以寻甸县斜坡类地质灾害为研究对象,采用证据权法、组合赋权法以及证据权-组合赋权耦合模型3种模型方式,基于GIS平台与SPSS 26.0软件,将选取的高程、坡度、土地利用等7项证据因素/诱发因子进行研究区易发性评价,划分出低、中、中高、高4类易发区。研究结果表明：（1）高、中高易发性分区内地质特质与研究得出的地质灾害影响因素相吻合,预测结果符合地质灾害空间分布特征;（2）落在高及中高分区内的灾害点占比分别为83.33%,84.68%,85.14%;（3）3种模型精确率均超过70%,其中,证据权-组合赋权耦合模型的特征曲线（ROC）的线下面积（AUC）精度检验值最大,为0.801,证据权法次之,为0.758,组合赋权法第三,为0.752。相对而言,证据权-组合赋权耦合模型更适合应用于地质灾害风险评价,为寻甸县灾害的分析提供方法思路,为区域的城镇化建设及发展提供参考,为防灾减灾和地质灾害预防提供科学依据。     

基于GBDT模型的广东阳春市地质灾害易发性评价研究

本研究旨在利用梯度提升决策树（Gradient Boosting Decision Tree,GBDT）模型,对广东省阳春市滑坡易发性进行评价。通过收集大量地质、地形、气象等相关数据,提取了坡度、坡向、工程岩组等11个地质灾害易发性评价指标,构建了全面的滑坡易发性评价指标体系,并采用GBDT模型进行训练和预测。受试者曲线（Receiver Operator Characteristic,ROC曲线）和AUC值（Area Under Curve,AUC）被用于评估模型的准确性,研究结果表明,模型的AUC值达到了0.9414,说明GBDT模型在阳春市滑坡易发性评价中表现出较高的准确性和可靠性。易发性分区统计结果显示,整个阳春市中,高易发区占4.98%,中易发区占8.42%,低易发区占16.39%,非易发区占70.22%。本文研究方法可为开展区域地质灾害易发性评价提供参考。     

基于GIS的汶川地震滑坡灾害影响因子确定性系数分析

 2008年5月12日14时28分,四川省汶川发生了8.0级大地震,地震诱发了数以万计的滑坡灾害。在大约48 678 km2的区域内,采用震后航空像片与多源卫星影像解译并结合野外调查验证的方法,共圈定出48 007个地震滑坡灾害。在此基础上,选取地层、岩性、断裂、地震烈度、宏观震中、地表破裂调查点、地形坡度、坡向、顺坡向曲率、高程、水系与公路共12个影响因子作为汶川地震诱发滑坡影响因子,利用GIS强大的空间分析能力与确定性系数方法,对这12个影响因子进行敏感性研究。研究结果表明：(1) 寒武与震旦系是地震滑坡易发地层,侵入岩组、灰岩为主的岩组是地震滑坡发育的高敏感性岩组;(2) 地震滑坡受中央断裂影响最大,同时还受控于前山断裂,受后山断裂的影响较小;(3) 地震滑坡易发性分别随着地震烈度、与震中的距离、与地表破裂点距离的增加而减少;(4) 坡度大于40°是地震滑坡的易发坡度,E,ES方向为地震滑坡的易发坡向,高程范围为1 000～2 000 m,尤其是高程1 000～1 500 m范围为地震滑坡易发区;(5) 400 m水系缓冲区和2 000 m公路缓冲区范围内滑坡易发性较高。确定研究区内各地震滑坡影响因子最利于滑坡发生的数值区间,为进一步地震滑坡区域评价及预测奠定基础。     

基于ANN和LR的远安县滑坡易发性评价

在人工智能算法快速发展的背景下,选取人工神经网络模型(ANN)和逻辑回归模型(LR)对湖北省远安县进行滑坡易发性评价,得到滑坡易发性区划图,并对结果进行对比分析。该区共发育滑坡177处,提取出了与滑坡发生相关的9类指标因子。利用相关性分析,剔除高程因子,选择其余8类因子用于滑坡易发性评价,利用Arc GIS和SPSS Modeler软件得到研究区滑坡易发性区划图。最后,利用ROC曲线图对两个模型的成功率进行分析,得到人工神经网络模型和逻辑回归模型的AUC值分别为0.864和0.809,说明人工神经网络模型在该研究区的预测能力较好。     

九寨沟县滑坡灾害易发性快速评估模型对比研究EI北大核心CSCD

通过地理信息系统(GIS)技术,采用信息量(I)、确定性系数(CF)、逻辑回归(LR)、逻辑回归–信息量(LR-I)和逻辑回归–确定性系数(LR-CF)耦合模型的快速评估方法对九寨沟县范围内滑坡灾害易发性评价,并对5种模型进行比较研究。基于历史资料、遥感解译和现场调查,获取九寨沟全县6205个滑坡灾害点作为样本数据库,选取海拔、坡度、坡向、地形曲率、剖面曲率、平面曲率、地形起伏度、地表粗糙度、地表切割度、地层岩性、距断层距离、PGA、降雨、距公路距离和距水系距离共计15项评价指标因子,基于GIS平台提取80%滑坡点作为训练样本,采用I,CF,LR模型建立九寨沟县滑坡灾害易发性评价体系,并将滑坡易发性划分为极低、低、中、高和极高。基于I,CF和LR模型,提出LR-I和LR-CF耦合模型,实现各评价指标因子二次逻辑回归计算,优化了九寨沟地区滑坡灾害易发性区划图。最后利用未参与训练的20%滑坡点作为检验样本,利用频率比和ROC曲线进行精度检验。结果表明:5种评价模型得到的滑坡的高易发区和极高易发区频率比值占总频率比值均超过85%,I,CF,LR,LR-I和LR-CF的AUC评价精度分别为0.762,0.756,0.788,0.838和0.836,表明5种模型均能较好评价九寨沟地区滑坡灾害易发性。LR-I和LR-CF模型与单一的I,CF模型相比能将滑坡易发性评价精度提高约8%;与单一LR模型相比,其精度提高约5%,说明LR-I和LR-CF模型的滑坡预测更优于单一的I,CF和LR模型,为快速建立评价指标体系和区域滑坡易发性提供了可靠途径。     

九寨沟县滑坡灾害易发性快速评估模型对比研究

通过地理信息系统(GIS)技术,采用信息量(I)、确定性系数(CF)、逻辑回归(LR)、逻辑回归–信息量(LR-I)和逻辑回归–确定性系数(LR-CF)耦合模型的快速评估方法对九寨沟县范围内滑坡灾害易发性评价,并对5种模型进行比较研究。基于历史资料、遥感解译和现场调查,获取九寨沟全县6205个滑坡灾害点作为样本数据库,选取海拔、坡度、坡向、地形曲率、剖面曲率、平面曲率、地形起伏度、地表粗糙度、地表切割度、地层岩性、距断层距离、PGA、降雨、距公路距离和距水系距离共计15项评价指标因子,基于GIS平台提取80%滑坡点作为训练样本,采用I,CF,LR模型建立九寨沟县滑坡灾害易发性评价体系,并将滑坡易发性划分为极低、低、中、高和极高。基于I,CF和LR模型,提出LR-I和LR-CF耦合模型,实现各评价指标因子二次逻辑回归计算,优化了九寨沟地区滑坡灾害易发性区划图。最后利用未参与训练的20%滑坡点作为检验样本,利用频率比和ROC曲线进行精度检验。结果表明:5种评价模型得到的滑坡的高易发区和极高易发区频率比值占总频率比值均超过85%,I,CF,LR,LR-I和LR-CF的AUC评价精度分别为0.762,0.756,0.788,0.838和0.836,表明5种模型均能较好评价九寨沟地区滑坡灾害易发性。LR-I和LR-CF模型与单一的I,CF模型相比能将滑坡易发性评价精度提高约8%;与单一LR模型相比,其精度提高约5%,说明LR-I和LR-CF模型的滑坡预测更优于单一的I,CF和LR模型,为快速建立评价指标体系和区域滑坡易发性提供了可靠途径。     

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48 678 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48 007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8 211 km2,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430 km2,占滑坡总面积的60.5%。     

基于GIS和信息量的滑坡灾害易发性评价——以三峡库区万州区为例

 以滑坡灾害发育较多的三峡库区万州区为研究区,基于指标因素状态分级和因素相关性分析结果,选取坡度、坡向、坡体结构、地层岩性、地质构造、水的作用以及土地利用7项影响因素,以全区700多个滑坡灾害点为样本数据,依据各因素状态下发生的滑坡频率曲线和信息量曲线的突变点为等级划分的临界值来确定因素状态,并在此基础上建立易发性评价指标体系。基于GIS的栅格数据模型,应用信息量理论开展研究区易发性评价,研究结果表明：易发性高和较高的区域主要分布在土地利用总体规划中的建设用地、侏罗系中统上沙溪庙组第二、三段(J2s2,J2s3)、库水变动带和河网影响带以及万州城区。统计结果表明,处在高易发和较高易发区面积为1 210 km2,其中高易发区和较高易发区分别占研究区总面积的9.71%和25.9%,研究区易发性评价精度高达87%。本文完整的论述了县域滑坡灾害易发性评价的理论方法和技术路线,并以三峡库区万州区为例开展滑坡灾害易发性评价、结果分析以及预测精度评价等,为该区域滑坡灾害防治规划与预测预报提供技术支持,为全国范围内县域滑坡灾害易发性评价提供理论指导和技术参考。     

基于多源遥感数据的浏阳500kV线路工程地质灾害风险评价

以浏阳500kV线路工程沿线为研究区,收集和整理相关资料,地质灾害类型主要为滑坡,确定了坡高、坡度、坡向、坡形、距离水系距离5个具有代表性的影响因素作为评价因子。通过层次分析法,对各个评价因子赋予权重。运用ArcGIS10的表面分析、距离分析、重分类、加权叠加、重采样等工具,对各评价因子的多源遥感数据进行分析,获得研究区的地质灾害风险评价图。对研究区进行地质灾害风险评价,将此区域内的地质灾害风险等级划分为:低风险、中等风险、高风险、极高风险四类。     

基于信息量法的贵州印江县地质灾害危险性评价

我国西部中高山地区地质灾害频发,选取贵州省印江县为研究区,从地质灾害发育的地质致灾因子和环境致灾因子出发,选取坡度、坡向、高程、岩组类型、构造断裂密度五个地质致灾因子和年均降雨量、道路工程二个环境致灾因子建立地质灾害危险性评价指标体系,以ArcGis软件为分析工具,运用信息量法对印江县地质灾害危险性进行评价。研究结果表明:印江县地质灾害危险性高和极高的区域分别占总面积的27.33%和5.40%,主要分布在印江县西北部和西南局部地区,其中极高区主要分布在峨岭镇、板溪镇南部、杉树乡和中坝村局部地区。