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。     

边坡非线性位移预测的动力系统自记忆模型

边坡位移的准确预测对于边坡稳定性评价、边坡安全状态的预警以及滑坡灾害的控制具有重要意义。将"动力系统自记忆原理"引入到边坡位移时间序列预测研究。首先将量测得到的边坡位移时序数据视为描写边坡位移非线性动力学模型的一个特解,采用双向差分原理反导出边坡位移非线性常微分方程。以此作为微分动力核,运用自记忆原理建立了边坡位移预测的自记忆模型。将该方法用于三峡永久船闸边坡和卧龙寺边坡变形预测,研究结果表明:自记忆模型对于边坡位移预测具有较高的预测精度和较强的预测多个时序步位移的能力,从而为边坡位移预测提供了一条新途径。     

三峡库区万州区滑坡灾害易发性评价研究

 滑坡灾害易发性研究在滑坡灾害风险管理与城市规划等方面具有非常重要的现实意义。以往的研究中,鲜有对指标因子状态划分作有关深入分析和讨论的。鉴于此,以滑坡灾害频发的三峡库区万州区为研究对象：首先,选取影响滑坡发生的7个致灾因子(地层岩性、地质构造、水系分布、坡度、坡向、坡体结构及土地利用)作为滑坡易发性的评价指标,依据各指标条件下滑坡累计发生频率曲线斜率的变化,并结合滑坡面积比和分级面积比曲线对指标因子的状态进行分级;其次,根据全区655个历史滑坡数据,分别运用信息量模型和逻辑回归模型建立各自的滑坡易发性评价体系;再则,采用快速聚类法(K-means cluster)对以上2种方法所得到的易发性结果进行分级,并基于GIS平台,得到全区滑坡易发性区划图;最后,从模型结果、精度、适用条件等方面对2个模型进行讨论和比较,研究结果表明：信息量模型和逻辑回归模型的预测精度分别为73.0%和54.9%,前者预测能力要优于后者。     

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。     

基于滑坡分类和加权频率比模型的滑坡易发性评价

根据区域滑坡特点,针对不同类型滑坡的自身特征分别建立指标评价体系,能够使滑坡易发性评价的过程更加科学准确。以三峡库区万州区内滑坡为例,首先,基于对地质环境、滑坡空间分布及自身特征的分析,将全区滑坡分为陡倾角地层滑坡和缓倾角地层滑坡。其次,获取12种指标因子(高差、坡度、坡向、平面曲率、剖面曲率、地层岩性、水系、地质构造、公路、地层倾角、降雨、含蒙脱石软弱夹层厚度)构成基本评价体系。然后提出基于逻辑回归(logistic regression,LR)–模糊层次分析(fuzzy analytical hierarchy process,FAHP)方法(LR-FAHP)的加权频率比模型(weighted frequency ratio model,WFR),通过对指标因子的重要性进行排序,实现各指标因子权重的定量计算,从而建立不同类型滑坡的评价指标体系,再基于GIS平台实现全区滑坡灾害的易发性等级预测。结果表明:与单一的LR,FAHP和FR三种模型相比,WFR模型能将滑坡易发性评价精度提升4%～9%,表明LR-FAHP是一种定量计算指标因子权重的有效方法;同时,基于滑坡分类的WFR模型的易发性评价成功率为79.2%,预测率为79.6%,均优于未进行滑坡分类的WFR模型,为建立评价指标体系和区域滑坡易发性评价提供了可靠途径。     

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GIS区域边坡失稳灾害预测与评价

 滑坡和泥石流是边坡失稳后两种主要的运动方式,是山区重大的地质灾害。对既往滑坡和泥石流进行研究,以此作为基础来预测和评价本地区潜在的滑坡和泥石流灾害,是防灾减灾的一个重要措施。大多数泥石流是在强降雨的情况下,由滑坡滑入山谷河道而形成的。基于地理信息系统(GIS)和数值模型相结合的方法,采用两步骤方法预测和评价日本熊本县水俣市宝川区集地区的滑坡和泥石流灾害。首先分析该区域可能存在的新滑坡,然后假定这些滑坡在遇到强降雨时形成泥石流,利用数值模拟流动过程分析其在三维复杂地形下的泛滥过程,预测可能受害的房屋和路段。     

地理信息系统/遥感技术支持下三峡库区青干河流域滑坡危险性评价

以统计模型为基础、地理信息系统作为工具的滑坡灾害评价模式已经得到普遍认可和使用,数字高程模型(DEM)、遥感影像、区域地质调查资料已经成为区域滑坡评价研究的因子数据源。选择三峡库区青干河流域顺向坡滑坡多发地段为研究区,在滑坡编目数据库基础上,通过:(1)数字高程模型获取高程、坡度、地形聚水能力因子;(2)遥感影像获取植被指数;(3)区域地质调查资料、数字高程模型计算斜坡类型定量因子TOBIA指数及获取岩石地层单元因子。采用二分类变量逻辑回归评价方法对上述6种因子建立滑坡危险性评价模型,开展地理信息系统/遥感技术支持下顺向坡滑坡危险性评价研究。研究结果表明,根据模型概率值分布和已知滑坡发育关系,可以将研究区划分为高危险区、中等危险区、低危险区3个等级,高危险区包含70%已知滑坡,中等危险区包含14%已知滑坡,评价结果和实际滑坡发育情况吻合,合理地反映区内滑坡灾害发育的总体特征。     

基于WEBGIS和四库一体技术的三峡库区滑坡灾害预测预报系统研究

 在三峡库区开展的地质灾害稳定性评价、危险性区划、风险分析以及滑坡灾害预测预报所获成果的基础上,利用三期灾害地质图编绘、专业监测中崩塌滑坡预报模型和预报判据等资料,根据气象、库水位变化、人类工程活动、滑坡监测等信息,开发基于WEBGIS和四库一体技术的滑坡灾害预测预报系统。该系统主要包括区域滑坡灾害危险性评价、单体滑坡灾害时间预报、滑坡涌浪计算、灾情评估以及信息实时发布等功能模块,集成20多种适应于库区地质环境规律和滑坡灾害发育特点的模型;四库一体模式(模型库、方法库、数据仓库、知识库)即以模型为主导,调用方法,提取数据,模型求解,最后将专家决策结果作为知识源存入知识库。该系统在示范区巴东新城区和典型滑坡八字门和白水河滑坡上进行试运行,取得较好的应用成果,该系统的设计与实现为库区地质灾害预警决策和应急指挥提供技术支持,为库区人民生命和财产安全提供强有力的保障。     

基于Fisher判别分析法的滑坡稳定性评估模型及其应用

我国西南地区滑坡灾害点多面广、规模小、危害大,预测预报很大程度依赖群测群防体系。针对这种现状,该文提出了一种基于Fisher判别分析法的滑坡稳定性定性评估模型。该模型从致灾因素方面考虑,以发育地层类型、地貌类型、坡度、前后缘相对高差、灾体面积和灾体体积为判别因子,在历史资料的基础上,建立判别模型,对未知潜在滑坡进行判别归类,是一种典型的工程类比模型。该文对建立模型的原理和方法进行了论述,并以重庆酉阳县部分滑坡灾害隐患点资料为样本,详细说明了评估过程,并验证了模型的正确率,证明该模型可靠度比较高,并且简单实用,便于在群测群防体系中大范围推广使用。     

Assessment and validation of GIS-based landslide susceptibility maps: a case study from Feltrino stream basin (Central Italy)

Landslide susceptibility studies focus on producing susceptibility maps starting from landslide inventories and considering the main conditioning factors. The validity of susceptibility maps must be verified in terms of model accuracy and prediction skills. This paper deals with a GIS-based landslide susceptibility analysis and relative validation in a hilly-coastal test-area in Adriatic Central Italy. The susceptibility analysis was performed via bivariate statistics using the Landslide-Index method and a detailed (field-based) landslide inventory. Selection and mapping of conditioning factors and landslide inventories was derived from detail geomorphological analyses of the study area. The susceptibility map was validated using recent (shallow) landslides in terms of both model accuracy and prediction skills, via Success rate and Prediction rate curves, respectively. In addition, a pre-existing official landslide inventory was applied to the model to test whether it can be used when a detailed (field-based) inventory is not available, thereby extending its usability in similar physiographic regions. The outcome of this study reveals that slope and lithology are the main conditioning factor of landslides, but also highlights the key role of surficial deposits in susceptibility assessment, for both their type and thickness. The validation results show the effectiveness of the susceptibility model in both model accuracy and prediction skills given the good percentage of correctly classified landslides. Moreover, comparison of the susceptibility map with the official Regional landslides inventory proves the possibility of using the developed susceptibility model also in the absence of detailed landslide mapping, by considering inventories that are already available.     

Landslide susceptibility maps using different probabilistic and bivariate statistical models and comparison of their performance at Wadi Itwad Basin,Asir Region,Saudi Arabia

The purpose of the current study is to produce landslide susceptibility maps using different probabilistic and bivariate statistical approaches; namely, frequency ratio (FR), weights-of-evidence (WofE), index-of-entropy (IofE), and Dempster–Shafer (DS) models, at Wadi Itwad, Asir region, in the southwestern part of Saudi Arabia. Landslide locations were identified and mapped from interpretation of high-resolution satellite images, historical records, and extensive field surveys. In total, 326 landslide locations were mapped using ArcGIS and divided into two groups; 75 % and 25 % of landslide locations were used for training and validation of models, respectively. Twelve layers of landslide-related factors were prepared, including altitude, slope degree, slope length, topography wetness index, curvature, slope aspect, distance from lineaments, distance from roads, distance from streams, lithology, rainfall, and normalized difference vegetation index. The relationships between the landslide-related factors and the landslide inventory map were calculated using different statistical models (FR, WofE, IofE, and DS). The model results were verified with landslide locations, which were not used during the model training. In addition, receiver operating characteristic curves were applied, and area under the curve (AUC) was calculated for the different susceptibility maps using the success (training data) and prediction (validation data) rate curves. The results showed that the AUC for success rates are 0.813, 0.815, 0.800, and 0.777, while the prediction rates are 0.95, 0.952, 0.946, and 0.934 for FR, WofE, IofE, and DS models, respectively. Subsequently, landslide susceptibility maps were divided into five susceptibility classes, including very low, low, moderate, high, and very high. Additionally, the percentage of training and validating landslides locations in high and very high landslide susceptibility classes in each map were calculated. The results revealed that the FR, WofE, IofE, and DS models produced reasonable accuracy. The outcomes will be useful for future general planned development activities and environmental protection.     

滑坡速度倒数法预测模型加速开始点识别及临滑时间预测研究

对矿山或自然土质和岩质边坡而言,大多数滑坡预报都是基于边坡变形三阶段蠕变理论,并根据临滑前加速变形阶段即开始加速点(onset of acceleration,OOA)之后的位移进行滑坡时间预测研究.在分析S-SAR型边坡雷达连续监测的位移后,发现以OOA作为速度倒数法(inverse velocity method,...     

基于ArcGIS的四川松新黑水河地区滑坡危险性评价

以松新黑水河地区作为研究区域,基于遥感解译、野外调查统计、地质环境分析、典型滑坡研究的基础上,选取坡度、工程地质岩组、斜坡结构、断裂构造、降雨、人类工程活动等6个与滑坡发生相关的要素作为危险性评价因子。在ArcGIS空间分析模块中,采用自然断点法的数据分类方法,运用频率比——面域模型,对研究区滑坡危险性进行了评价与区划。研究结果表明:松新黑水河地区滑坡危险性分区为:高危险区、中等危险区、低危险区3个区域,所占研究区面积比例分别为32%、50%、18%。     

基于诱发因素响应分析的滑坡位移预测模型研究

 滑坡位移的变化除与其基础地质条件相关之外,更取决于诱发因素的动态作用。为建立滑坡位移动态变化与诱因变化的响应关系,采用时间序列分解预测模型,通过移动平均法将位移分解为趋势项及周期项。趋势项位移由边坡的势能和约束条件所决定,利用多项式位移函数进行拟合预测。周期项位移受库水位涨落和降雨等诱因的周期性动态作用而变化,选取当前月降雨量、累计前两月降雨量、月库水位高程变化量及年内总位移累计增量为影响因子,利用BP神经网络进行多变量位移预测。将各分项位移预测值叠加,从而得到总位移预测值。以三峡库区白水河滑坡为例,利用位移、降雨及库水位变化数据进行计算验证。结果表明,基于滑坡诱发因素和位移变化综合分析预测模型,可以较好地反映诱因动态变化对滑坡位移发展的关键作用,提高预测结果的精度和有效性。     

Slope stability prediction using ensemble learning techniques: A case study in Yunyang County,Chongqing, China

Slope stability prediction plays a significant role in landslide disaster prevention and mitigation. This study develops an ensemble learning-based method to predict the slope stability by introducing the random forest(RF) and extreme gradient boosting(XGBoost). As an illustration, the proposed approach is applied to the stability prediction of 786 landslide cases in Yunyang County, Chongqing, China. For comparison, the predictive performance of RF, XGBoost, support vector machine(SVM), and logi...     

基于数量化理论III的滑坡发育影响因素及耦合作用强度分析

 探讨西藏朗县研究区内滑坡发育的地质环境影响因素,借助GIS技术将影响因素指标量化,采用数量化理论III对滑坡发育的影响因素及其耦合作用强度进行分类分析。结果表明,对区内滑坡发育起主导作用的是降雨因素、坡体岩性、平均坡度、坡体前缘河流影响距,起重要作用的是坡体高度、外营力与人类工程活动、地震烈度因素,起一般作用的是土地利用因素;确定出年均降雨量、含残坡积物和绢云母千枚岩的滑坡体岩性、200 m内的河流影响距、35°～45°的平均坡度、地震烈度、高于200 m的坡体高度因素为滑坡发育的主控因素,可为区内开展滑坡评价工作提供依据;区内29个滑坡的影响因素耦合作用强度以±0.01为界进行强、中等、弱分级,耦合作用强度越高,滑坡发育程度及潜在危险性越高,对区内防灾减灾具有重要的指导意义;对分析结果以实地调查的可靠性验证,表明数量化理论III的可行性与适用性,为滑坡灾害影响因素的研究提供新的思路。