基于集成学习的山区中小流域滑坡易发区早期识别优化试验

滑坡作为山洪水沙耦合运动的物源和动力基础,其易发区的识别是山洪水沙灾害预报预警和风险评估的重要前提。以往的山洪水沙灾害防治研究主要关注洪水的影响,而忽视了固体物源的作用。为完善山区中小流域山洪水沙灾害防控体系,提出基于集成学习的山区中小流域滑坡易发区早期识别方法,针对数据样本构建和影响因子选取过程进行优化试验。利用滑坡单元下垫面环境因子频率比作为无监督学习算法数据样本进行聚类分析,根据聚类算法易发性分区结果选取非滑坡单元,结合滑坡单元构建集成学习分类算法数据样本集,比较单体算法和融合算法的易发性分区结果准确率和覆盖度。选取研究区域高分卫星遥感影像建立松散堆积物直接解译标志,基于目视解译识别松散堆积物面积,通过回归分析构建松散堆积物面积-体积幂律关系,形成研究区域松散堆积物空间分布图。将固体物源作为下垫面环境因子,比较引入物源因子前后的滑坡易发性分区结果准确率和覆盖度。结果表明：K-Means-RF（K-Means-AdaBoost）融合算法输出的高易发区覆盖率相对于K-Means单体算法提高9.3%（12.1%）。两类融合算法的易发性分区准确率和泛化能力比较接近,K-Means-AdaBoost融合算法对于滑坡点的预测效果更优。考虑物源因子后的K-Means-RF和K-Means-AdaBoos融合算法易发性分区中的高易发区覆盖率分别提高14.2%和17.7%,召回率都提高12.1%。     

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.     

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GIS的延边地区道路周边滑坡灾害易发程度分析

为防治延边地区滑坡灾害,利用遥感技术(remote sensing,RS)和地理信息系统(geographic information system,GIS)对整个延边地区进行滑坡灾害易发程度分析,并在此基础上进一步分析该地区道路周边滑坡灾害易发区分布情况.首先,选择6个影响较大的滑坡灾害影响因子(坡度、坡向、土壤、地质、土地利用、断层),利用层次分析法(analytic hierarchy process,AHP)确定这6个因子的权重;然后,结合GIS软件的栅格数据叠加功能绘制出滑坡灾害易发程度图,并将整个研究区划分成极高、高、中和低4个层次;最后,将滑坡灾害易发程度图分别与道路200、500、800、1 000m及1 000m之外的缓冲区图叠加,以此分析各道路缓冲区范围内滑坡灾害易发区的分布特点,为道路周边滑坡灾害重点防范区的选定提供参考.     

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...     

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。     

安阳县地质灾害分区特征及防治对策

为了划分安阳县地质灾害易发性区域、建立地质灾害信息系统,在大量实地调查和资料分析的基础上,研究了河南省安阳县地质灾害的发育情况,分析了安阳县地质灾害分布特征,采用了以定性划分为基础的单元网格划分,以信息叠加的方法划出了安阳县地质灾害易发区,并提出了地质灾害的防治对策,为建立地质灾害信息系统、群专结合的监测网络及有计划地开展地质灾害防治提供了科学依据.     

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。     

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...     

A static and dynamic factors-coupled forecasting model of regional rainfall-induced landslides: A case study of Shenzhen

Most rainfall-induced landslide forecasting models focus on the relation between landslides and rainfall, which is one of the dynamic factors, and seldom consider the stacitc factors, such as geological and geograpical factors. Landslide susceptibility, however, is determinded by both static and dynamic factors. This article proposes a static and dynamic factors-coupled forecasting model (SDFCFM) of regional rainfall-induced landslides, which quantitatively considers both the static and dynamic factors that affect landslides. The generalized additive model (GAM) is applied to coupling both factors to get the landslide susceptibility. In the case study, SDFCFM is applied to forecast the landslide occurrences in Shenzhen during a rainfall process in 2008. Compared with the rainfall logistic regression model, the resulting landslide susceptibility map illustrates that SDFCFM can reduce the forecast redundancy and improve the hit ratio. It is both applicable and practical. The application of SDFCFM in landslide warning and prevention system will improve its efficiency and also cut down the cost of human and matreial resources.     

A static and dynamic factorscoupled forecasting model of regional rainfall-induced landslides:A case study of Shenzhen

Most rainfall-induced landslide forecasting models focus on the relation between landslides and rainfall,which is one of the dynamic factors,and seldom consider the stacitc factors,such as geological and geograpical factors.Landslide susceptibility,however,is determinded by both static and dynamic factors.This article proposes a static and dynamic factors-coupled forecasting model(SDFCFM) of regional rainfall-induced landslides,which quantitatively considers both the static and dynamic factors that affect l...     

A static and dynamic factors-coupled forecasting model of regional rainfall-induced landslides: A case study of Shenzhen

Most rainfall-induced landslide forecasting models focus on the relation between landslides and rainfall, which is one of the dynamic factors, and seldom consider the stacitc factors, such as geological and geograpical factors. Landslide susceptibility, however, is determinded by both static and dynamic factors. This article proposes a static and dynamic factors-coupled forecasting model (SDFCFM) of regional rainfall-induced landslides, which quantitatively considers both the static and dynamic factors that affect landslides. The generalized additive model (GAM) is applied to coupling both factors to get the landslide susceptibility. In the case study, SDFCFM is applied to forecast the landslide occurrences in Shenzhen during a rainfall process in 2008. Compared with the rainfall logistic regression model, the resulting landslide susceptibility map illustrates that SDFCFM can reduce the forecast redundancy and improve the hit ratio. It is both applicable and practical. The application of SDFCFM in landslide warning and prevention system will improve its efficiency and also cut down the cost of human and matreial resources.

     

Landslides susceptibility mapping in Guizhou province based on fuzzy theory

The purpose of this study was to assess the susceptibility of landslides around the area of Guizhou province based on fuzzy theory. In first instance, slope, elevation, lithology, proximity to tectonic lines, proximity to drainage and annual precipitation were taken as independent, causal factors in this study. A landslide hazard evaluation factor system was established by classifying these factors into more subclasses according to some rules. Secondly, a trapezoidal fuzzy number weighting (TFNW) approach was used to assess the importance of six causal factors to landslides in an ArcGIS environment. Thirdly, a landslide susceptibility map was created based on a weighted linear combination model. According to this susceptibility map, the study area was classified into four categories of landslide susceptibility: low, moderate, high and very high. Finally, in order to verify the results obtained, the susceptibility map and the landslide inventory map were combined in the GIS. In addition, the weighting procedure showed that TFNW is an efficient method for weighting causal landslide factors.     

水库滑坡灾害致灾机理及防控技术研究与展望

随着中国高坝大库水利水电工程的相继运行,水库滑坡灾害已成为影响工程运行稳定和威胁沿岸人民生命财产安全的重大隐患,提升其综合防控能力是国家重大需求。水库滑坡是一个复杂的地质综合体,其变形破坏过程不仅与滑坡所在区域的地质条件特性相关,更取决于诱发因素如降雨、库水位变动等动态作用的影响,从开始孕育变形到最终失稳破坏一般需经历较长的历时,是一个不断累积发展的过程,不仅涉及降雨入渗与库水影响的时空叠加作用,更涉及多因素耦合下的渐进破坏机制,其致灾机理与防控难度极高。本文结合大量现场调查、室内外试验和数值模拟,总结了库区地质、水文等条件对于滑坡易感性及空间分布的影响规律,揭示了强降雨、库水位变动及多因素叠加作用下水库滑坡的累积灾变失稳机理;建立了离散元模型与流体力学模型（DEM-SPH）耦合的滑坡-涌浪模拟技术,能够较好地揭示高速滑坡体入河与水流的强碰撞及涌浪的非线性传播过程,可为滑坡致灾影响范围及应急避险方案制定提供科学依据;构建了无人机-3维激光扫描空地数据融合的大范围水库滑坡3维变形演化监测技术,并归纳总结了水库滑坡的综合治理技术。此外,针对多因素驱动下水库滑坡复杂致灾机理及防控技术方面的研究不足和局限性,展望了水库滑坡在灾变累积失稳与稳定评价、多源融合监测与智能预警、滑坡-涌浪流固耦合模拟与致灾影响评估、生态措施-支护结构联合治理技术方面的未来发展方向,期望为水库滑坡灾害防控减灾研究提供借鉴。