隐伏断层地震诱发滑坡易发性评价

针对隐伏断层地震诱发滑坡无明显空间分布规律导致滑坡易发性分区难度较大的问题,提出考虑同震地表变形因子的人工神经网络地震滑坡易发性评价方法.以2004年日本新泻中越地震为例,除选取地层岩性、高程、坡度、坡向、地表曲率、地震加速度峰值、距道路的距离等常规地震滑坡影响因子外,新增同震地表变形作为影响因子,利用地理信息系统(GIS)平台通过神经网络法进行地震滑坡易发性评价.结果表明,基于GIS的人工神经网络法对地震诱发滑坡易发性评价有较高的精度.同震地表变形对预测准确度有一定贡献,优于坡向、高程以及距道路的距离等常规影响因子.     

基于耦合信息量法选择负样本的区域滑坡易发性预测

机器学习(Machine Learning, ML)模型预测滑坡易发性时选择合理的负样本对预测结果具有重要影响,现有研究大多从整个研究区或从低坡度等特定属性区内随机选择负样本,这些负样本往往不够准确或以偏概全,降低了易发性制图的可靠性。为解决这一问题,拟提出耦合信息量法(Information Value, IV)的ML模型开展易发性建模。以江西省瑞金市为例,采用IV法将环境因子的属性值转化为对滑坡贡献的信息量值,划定极低和低易发区并从中随机选择出ML模型训练验证用的负样本数据,构建全新的信息量-支持向量机(IV-SVM)、信息量-随机森林(IV-RF)耦合模型并预测瑞金滑坡易发性;进一步与从全区随机选择负样本的单独SVM和RF模型,以及从坡度小于2°的特定属性区内随机选负样本的低坡度SVM和RF模型做对比研究;最后采用Kappa系数和ROC曲线等指标验证和比较建模结果。IV-SVM和IV-RF模型的Kappa系数为0.828和0.9146且对应ROC曲线的AUC值为0.876和0.939,分别高于单独SVM、RF和低坡度SVM、RF模型;同时,IV-SVM和IV-RF模型的易发性概率分布的平均值较小而标准差较大。结果表明：1) IV-SVM和IV-RF模型具有比单独SVM和RF模型,以及低坡度SVM和RF模型更高的滑坡易发性预测精度且更有效的反映了瑞金滑坡易发性分布规律;2) RF模型相较于SVM模型具有更高的预测精度;3) IV-RF等耦合模型能够弥补单独模型存在的负样本采样不准确和低坡度模型对坡度因子区间选择的缺点而提高预测精度更加合适机器学习的滑坡易发性预测建模。总之,本文研究为机器学习预测滑坡易发性的负样本采样方法提供新思路。     

基于信息量及层次分析关联法和BP神经网络耦合的滑坡易发性评价

滑坡与其评价因子之间的关联计算将直接影响滑坡易发性评价结果的精度,因此需要研究不同关联模型对滑坡易发性评价的影响。以白鹤滩库区象鼻岭-江边村段库岸段为研究区,选取以层次分析法(AHP)为代表的经验模型和以信息量法(IV)为代表的统计模型分别与BP神经网络(BPNN)模型耦合进行滑坡易发性评价,同时将仅采用BPNN模型的评价结果作对比。采用ROC曲线、频率比、易发性指数分布(均值、标准差)等方式对滑坡易发性结果进行对比评价。结果显示,IV-BPNN耦合模型滑坡易发性评价结果精度高于AHP-BPNN耦合模型,统计分析模型在滑坡评价因子关联分析上表现更为优秀;单一BPNN模型易发性评价结果整体精度低于耦合模型。在进行滑坡易发性评价时采用评价因子关联法的耦合模型优势较为明显,并且以信息量法为代表的统计分析模型作评价因子关联法进行耦合计算,获得的易发性评价结果精度最高、可靠性最强,评价结果与研究区实际的滑坡分布更为相符。     

基于GIS和信息量法的伊犁黄土滑坡易发性评价

伊犁州位于新疆西北部,黄土分布范围较广,境内降雨丰沛.近年来,随着人类工程活动的增强,黄土滑坡灾害进一步加剧.以新疆伊犁州伊宁县某滑坡密集区域为研究区,在Google Earth平台上采用人工目视方法解译出3424处滑坡.选取高程、坡度、坡向、地形位置指数(TPI)、距道路距离、距河流距离、距断层距离、多年平均降雨量、归一化植被指数(NDVI)共九个滑坡影响因子,运用信息量法进行滑坡易发性评价.将研究区的滑坡易发性分为极低易发区、低易发区、中易发区、高易发区和极高易发区,采用感受性曲线(ROC)对评价结果进行检验.结果 表明:信息量模型训练集和验证集的成功率均在80％以上,信息量模型的评价结果较为理想;高易发区和极高易发区内滑坡数量有2660个,占滑坡总数的77.69％,滑坡面积为2.2 km2,占滑坡总面积的60.27％.基于GI S和信息量法的滑坡易发性评价结果可以为该区域地质灾害防灾减灾工作提供科学依据和可靠参考.     

汶川县地震诱发崩滑灾害影响因素的敏感性分析

震后遥感影像与调查结果表明,汶川Ms 8.0级地震在汶川县城约4 083 km2的区域内诱发了 5 528余处崩塌、滑坡灾害.利用GIS技术对地震地质灾害的分布与地层岩性、距断裂距离、坡度、高程等因素的关系进行统计分析,结合崩滑的确定性系数方法(CF),对诸影响因子进行敏感性分析,确定该区域内各因子最利于地震滑坡发育的数值区间,结果表明:地震崩塌滑坡主要分布在元古界、震旦系、二叠系硬质岩石分布的地层里,坡度为大于40°的坡体上;活动断裂10 km缓冲区内,未动断裂6 km缓冲区内崩滑密集分布;崩滑发育较有利的高程范围位于1 000～2 500 m;相对高差范围位于600～1 000 m之间,岷江干流对崩滑分布起绝对控制作用.分析得出影响本次崩塌滑坡分布的因子具有地震波传播介质效应和距离效应;由地震产生的崩滑与降雨诱发的崩滑在岩性、坡度的发生区间上有较为明显的区别;并为进行其他地区区域地震崩滑灾害稳定性评价提供了可以借鉴的科学依据.     

基于IAHP-熵值法的滑坡易发性评价

区域滑坡易发性评价是滑坡灾害防治工作的一个重要环节,针对传统层次分析法在滑坡易发性评价中存在权重赋值依据不明确的缺陷,提出以熵值作为赋值依据的改进层次分析法。以贵州省赫章县80个滑坡点为例,选取高程、坡度、坡向、曲率、植被系数（NDVI）、岩性、距道路距离、距房屋距离、距断层距离作为滑坡影响因子;以熵值作为赋值依据,采用层次分析法求得滑坡影响因子的权重;对影响因子进行分级赋值,并确定滑坡易发性分级标准;在此基础上,构建起滑坡易发性评价体系,并利用GIS软件进行研究区滑坡易发性区划。结果表明：采用改进层次分析法计算时,46个滑坡位于高易发区（占样本总数的57.5%）,13个滑坡位于低易发区（占样本总数的16.25%）,相比传统层次分析法计算结果,分别高15%和低11.25%。因此,改进层次分析法具有更高的准确率。     

基于GIS和CF模型的2018年日本北海道Mw6.6地震滑坡危险性评价

为了给地震区域的灾后重建和防灾减灾工作提供重要帮助,同时给类似滑坡灾害危险性评价提供参考,开展对2018年日本北海道地震的研究。2018-09-06日本北海道厚真町发生Mw6.6级地震,触发了大量山体滑坡,造成人员伤亡和重大财产损失,引发社会广泛关注。基于0.3 m空间分辨率的Pleiades-1卫星震前震后高清遥感卫星影像进行滑坡目视解译,共圈定12 586处滑坡。选取高程、坡度、坡向、曲率、TPI(坡位指数)、距水系距离、距道路距离、距震中距离、地层岩性9个因子作为滑坡的影响因子。基于GIS平台,应用确定性系数(CF)模型开展北海道地震滑坡危险性评价,评价结果将研究区分为极低危险区、低危险区、中危险区、高危险区、极高危险区五类,得出滑坡危险性评价区划图,并利用ROC曲线对评价结果精度进行检验,正确率为85.3%,表明基于确定性系数模型得出的滑坡危险性评价结果与实际滑坡结果比较吻合。     

基于半监督机器学习的滑坡易发性预测建模

为了克服滑坡编录样本不足、扩充滑坡样本较困难、主观随机选择的非滑坡样本准确性较低等缺点,以江西省南康区为例,拟用半监督卡方自交互侦测决策树(SSCHAID)和半监督反向传播神经网络(SSBPNN)进行滑坡易发性预测(LSP), 在已知滑坡样本和随机选取的非滑坡样本基础上,用全监督机器学习将初始LSP划分成不同级别;将高分辨率遥感影像和初始滑坡易发性图中的极高易发区叠加,筛选一定数量的潜在滑坡栅格单元扩充滑坡样本;从极低易发区选取非滑坡栅格单元组合成新的输出变量;将新的输出变量导入全监督机器学习,获得最终LSP并评价其精度. 结果表明：半监督机器学习的LSP精度远高于全监督机器学习的LSP精度.     

基于Newmark法的设定地震滑坡危险性评估

摘　要: 基于野外调查和滑坡填图的成果, 将评价单元划分为滑坡单元与栅格单元, 赋予不同的滑块厚度及岩土体强度, 开展滑坡易发性评价; 结合历史地震重现的设定地震方法和地震动衰减经验公式对研究区场地地震危险性进行评价, 利用Arias 强度IA、 临界加速度ac 和滑块位移间的经验式计算滑坡体与斜坡体的累积位移量, 实现对潜在震区地震诱发滑坡的危险性评价。结果表明, 研究区河岸两侧及支沟与黄土地区为潜在地震作用下滑坡高危险区, 局部已有处于稳定状态的滑坡单元在评价结果中显示出整体位移, 可以反映出地震作用下滑坡的复活情况。在尚未开展局地-场地尺度的地震危险性区划时, 可以采用Newmark模型结合设定地震法对潜在震区地震诱发滑坡进行危险性评价。     

基于不确定贝叶斯分类技术的滑坡危险性评价

由于引起滑坡的诱发因素(降雨)值无法准确获取,应用概率统计思想,刻画雨量值;依据延安黄土滑坡成灾机理研究,确定坡高、坡度、坡向、坡型、岩土体结构和植被覆盖为滑坡成灾基本因素;提出了不确定贝叶斯分类挖掘技术构建区域滑坡危险性评价模型方法,达到提高区域滑坡危险性预测精度的目的.以延安市宝塔区为例,验证了运用该方法进行区域滑坡危险评价的可行性.结果表明:采用不确定贝叶斯分类模型对研究区进行危险性划分,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;不确定贝叶斯分类方法的零阶矩曲线下面积值比朴素贝叶斯方法有所提高,证明该方法科学合理.     

滑坡易发性预测建模的不确定性：不同“非滑坡样本”选择方式的影响

滑坡易发性预测建模中如何选择非滑坡是影响建模结果的重要不确定因素。为研究不同非滑坡选择方式的影响规律，拟用5种方式，即全区随机、坡度低于5°区域、滑坡缓冲300 m外区域、信息量（IV）法、半监督法来选择出与滑坡等比例的非滑坡样本；进一步将各选择方式与随机森林（RF）耦合构建随机RF、低坡度RF、缓冲区RF、IV–RF及半监督RF等模型。以江西南康区为例，获取高程、岩性、公路密度等19种环境因子和233个滑坡编录，将滑坡编录划分为2 598个滑坡栅格单元构建上述耦合模型的输入–输出数据集。再采用预测精度和易发性指数分布等指标分析其建模不确定性。进一步针对耦合模型预测的滑坡易发性指数分布不合理等问题，在半监督RF建模时采用滑坡与非滑坡比例为1∶2的样本集开展建模并与1∶1等比例样本集工况作对比。结果表明：1）低坡度RF、缓冲区RF、IV–RF和半监督RF等模型的预测精度均大幅优于随机RF模型，可见准确选择非滑坡样本对易发性建模至关重要；2）半监督RF模型选择非滑坡样本的建模性能最优，且半监督RF在滑坡∶非滑坡=1∶2比其在1∶1时预测的易发性指数分布规律更准确可信。后续研究中有必要更深入探索滑坡与非滑坡样本的比例问题。     

基于证据权和卡方自动交互检测决策树的滑坡易发性预测

滑坡与其环境因子间的非线性关联计算影响滑坡易发性预测建模的不确定性。为研究不确定性因素下易发性建模规律,以中国延长县为例,获取82处滑坡和14种环境因子,通过频率比(Frequency Ratio, FR)和证据权(Weight of Evidence, WOE)等关联法与卡方自动交互检测(Chi-squared Automatic Interaction Detector, CHAID)决策树相耦合进行建模,并用原始环境因子(称为“原始因子数据”)作为输入变量的单独CHAID决策树进行对比。使用精度、易发性指数均值、标准差和平均秩等评价易发性建模的不确定性。结果表明：WOE-CHAID模型预测的滑坡易发性不确定性低于FR-CHAID模型,可见WOE具有较优秀的非线性关联性能;单独CHAID决策树预测的易发性精度整体略低于WOE-CHAID和FR-CHAID模型,但其建模效率较高;在体现滑坡与其环境因子空间关联性方面,考虑FR和WOE关联法的CHAID决策树模型优势显著。WOE是更优秀的关联分析法,CHAID决策树预测性能好且预测效率高,WOE-CHAID决策树模型的易发性预测不确定性...     

地震诱发崩塌滑坡敏感性评价 ——以北川县为例

以汶川地震重灾区四川省北川县为例,对研究区进行崩塌滑坡敏感性评价,并探究地震诱发的崩塌滑坡的分布规律。研究建立研究区崩塌滑坡空间数据库,选取距断裂带距离、坡度、坡型、高差、地层岩性等5个因素作为评价指标,采用层次分析法(Analytic Hierarchy Process,AHP)对指标的权重定量,使用因子加权相加模型对北川县的由地震引发的崩塌滑坡敏感性进行评价。研究发现,距断裂带距离和坡度对崩塌滑坡影响较强。研究结果将北川县划分为崩塌滑坡极度敏感区、高度敏感区、中度敏感区、轻度敏感区和不敏感区五个区域。其中,极度敏感区主要分布在北川县东部的龙门山断裂带上,并沿断裂带延伸,在西部河流两岸也有少量分布,高度敏感和中度敏感区在极敏感区外围辐射分布,轻度敏感区和不敏感区主要分布在研究区的西部地区。     

长春市地震危险性评价

长春市尖山子一卡伦断层东段、南湖一桑家窝堡断层中段、伊通河断层北段均位于断层的交汇部位,并且这3个断层段直接位于长春市市区的下方,一旦发生地震将造成巨大的危害．通过经验关系估计了这3个相对危险段的震级上限,并通过统计概率性方法评价了这3个相对危险段的地震危险性．     

机器学习方法在滑坡易发性评价中的应用

中国山区多、地形复杂,构造发育、地质灾害隐患分布广泛.滑坡作为山区最具灾难性的地质灾害之一,严重威胁着人民群众的生命及财产安全.构建滑坡易发性模型能够量化滑坡发生的可能性,对制定防灾措施、减少潜在风险具有重要作用.由于经验驱动模型难以量化,且往往依赖主观判断,近年来,滑坡易发性模型的精度与准确度在从经验驱动和统计理论模...     

汶川地震后北川干溪沟山地灾害及长期发展趋势初步分析

汶川地震在干溪沟内激发了大量的崩塌、滑坡.根据航空影像数据解译,干溪沟内发育成片的崩塌滑坡91块,总面积10.42 km2,占全流域的28.95%,而暂时没有泥石流活动痕迹.干溪沟内山地灾害在坡度、坡向、高程、断裂距离、地层岩性等方面存在如下规律:1)发生崩塌滑坡的坡度主要分布在30°～50°,随着坡度的增加,发生崩塌滑坡的概率越大;2)崩塌滑坡的坡向主要分布为向南方向;3)崩塌滑坡主要分布在1 000～1 600m高程内,其中,1 000～1 400m尤其集中;4)绝大部分崩塌滑坡都分布距离北川断裂2000m或距离其他主要断裂1 000m的范围内;5)T1f+t地层是"5·12"汶川地震的易发山地灾害地层.通过初步分析,预测干溪沟泥石流长期发展趋势为:1)总体呈活动强度下降趋势,可供形成山地灾害的松散固体物质来源总量呈下降趋势,泥石流总量下降;2)活跃期-平静期交替、活跃期逐渐缩短、平静期逐渐延长;3)泥石流活动类型表现震后一段时间内为输移控制型、然后为输移控制型向松散固体物质控制型过渡,最后发展成为松散固体物质控制型;4)汶川地震后第一个活跃期为10～15 a.干溪沟的山地灾害现状及其长期发展趋势分析为下一步制定减灾方案奠定了基础.     

基于多尺度分割方法的斜坡单元划分及滑坡易发性预测

滑坡易发性预测可以有效预测潜在滑坡的空间位置,是滑坡危险性和风险性评价的基础。由于斜坡单元依据真实地形地貌划分和具有明确的地质特征意义,更多的学者尝试利用斜坡单元进行区域滑坡易发性预测。但是,如何高效准确地划分斜坡单元并考虑其内部环境因子的非均质性是制约斜坡单元应用的关键因素,也是目前研究中的难点。本文以江西省崇义县为例,首先,提取研究区域坡向和山体阴影图作为基础数据,采用多尺度分割（MSS）方法划分斜坡单元,并结合试错法和研究区域历史滑坡形态特征确定MSS方法的最优参数组合。然后,基于斜坡单元提取高程、坡度、剖面曲率等环境因子,分别导入支持向量机（SVM）和逻辑回归（LR）模型,构建Slope-SVM/LR易发性预测模型。通过变化值和标准差表征斜坡单元内部环境因子的非均质性,进而构建Variant Slope-SVM/LR易发性预测模型。最后,采用ROC曲线和频率比精度分析上述模型的预测精度。结果表明：1）当尺度、形状特征权重和紧致度权重参数分别取20、0.8和0.8时,研究区域斜坡单元的划分效果最好;2）Slope-SVM、Variant slope-SVM、Slope-LR和Variant slope-LR模型的ROC精度分别为0.812、0.876、0.818和0.839,相应的频率比精度分别为0.780、0.866、0.792和0.865, 说明Variant slope-SVM/LR模型的预测精度高于Slope-SVM/LR模型。因此,MSS方法可以实现高效准确地自动划分斜坡单元,考虑斜坡单元内部环境因子的非均质性可以提高易发性预测结果的准确性。     

基于决策树和有效降雨强度的滑坡危险性预警

以江西省寻乌县为例,采用信息量（IV）、反向传播神经网络（BPNN）和C5.0决策树模型进行滑坡易发性预测（LSP）,比较不同模型的预测性能;基于有效降雨量的概念提出有效降雨强度-历时（EI-D）模型,计算滑坡临界降雨阈值并将其与传统的降雨强度-历时（I-D）阈值做对比;将LSP结果与EI-D模型耦合,实现滑坡灾害预警并进一步验证了预警精度. 结果表明：C5.0决策树的LSP精度高于BPNN和IV,EI-D阈值的预测效果优于I-D模型,且基于滑坡易发性和EI-D阈值的模型能有效实现降雨型滑坡的实时预报.     

不同分级方法对区域滑坡易发性区划的影响

易发性分区是开展区域地质灾害风险评价的基础步骤，选取合理的分级方法对有效绘制区域滑坡易发性图意义显著，但鲜有研究对比了各易发性分级方法的优缺点，尤其是未能将历史滑坡与预测出的易发性指数相联接。针对该问题，以陕西省延长县为例采用3种机器学习模型计算滑坡易发性指数，即分类和回归树、随机森林和径向基函数；设计了5种易发性分级方法，划分不同的滑坡易发性等级，包括4种常规的基于地理信息系统的分级方法（自然断点、等间隔、分位数和几何间隔），同时考虑了滑坡与易发性指数间的非线性关联性的频率比阈值法。结果表明：3种模型的受试者工作特征（ROC）曲线下面积均大于0.75，但划分的易发性分级图分布模式却存在较大差异，使用几何间隔和分位数法的易发性图能在极高易发区中识别出更多滑坡，但这两种方法划分的极高和高易发区的总面积过大；使用等间隔法和频率比阈值法在极高和高易发区中的滑坡比率更大，说明识别出的滑坡更为集中。本文提出的频率比阈值法用于滑坡易发性分级，能为易发性的准确分区提供思路，为边坡稳定性较差区域的工程选址以及土地利用规划提供科学参考，提高地质安全评估及应急管理能力。     

基于GIS与PCA-Logistic的斜坡灾害易发性评价

地质灾害的易发性评价是早期区域灾害预警的重要基础。本文以礼州1:50 000的地质灾害调查数据为基础,分析了区域斜坡灾害的发育规律、分布特征及影响因素。文章选取区域断层、水系、地层岩性等8个因素,基于GIS平台结合逻辑回归(Logistic)和主成分分析(PCA)方法(即PCA-Logistic)对区域的斜坡灾害进行易发性评价。结果显示:断层密度和历史灾害密度是影响该区域斜坡灾害发育的主控因素,随着断层密度和灾害点密度的增加,断层距离和水系距离减小,区域斜坡灾害的分布呈现增大趋势;其中斜坡灾害高易发区主要分布于热水河两岸,中易发区主要分布在安宁河东侧,低易发区和基本安全区主要分布在安宁河河谷地势平缓区;使用AUC方法检验PCA-Logistic模型和PCA模型的评价结果,检验结果显示2种模型的评价结果都能够准确反应研究区斜坡灾害的发育情况,PCA-Logistic模型的斜坡灾害易发性评价结果要优于单一PCA模型。本研究可为地质灾害的早期预警防治工作提供依据。