基于加权信息量的地质灾害易发性评价——以四川省泸定县为例

[目的]对四川省泸定县进行地质灾害易发性评价,为该区地质灾害预防预测提供依据。[方法]借助谷歌影像解译,获取崩塌、滑坡、泥石流等地质灾害隐患点279处。选取地形地貌、岩性构造、气象水文、土壤与土地利用(LULC)4个方面构建评价指标体系。运用确定性系数法确定因子权重,并结合信息量法构成加权信息量模型。通过ArcGIS空间分析平台,开展灾害易发性评价。[结果]研究区极高和高易发区分别占总研究区面积的13.54%,26.49%。地质灾害点共225处落在极高易发区和高易发区内,占总样本灾害点的80.65%。通过受试者工作特征曲线(ROC)的线下面积(AUC)进行检验,其值为0.793,评价模型精度良好。[结论]对四川省泸定县的地质灾害易发性进行了等级划分,采用的加权信息量方法的易发性评价结果可信。     

兰州市地质灾害易发性区划研究

兰州市是我国地质灾害最严重的地区之一，做好兰州市地质灾害易发性分级区划可为科学防治地质灾害提供数据支撑。随着信息技术的发展，地质灾害模型与GIS技术相结合的研究方法被广泛运用于地质灾害易发性区划研究。从地形地貌、地质结构、土地利用、水文降水等方面，选取坡度、海拔、土地利用类型、距河流距离、距地质断层距离等12个影响因子，采用信息量法和确定性系数法确定每个影响因子的得分值和权重值，采用加权综合评价法结合ArcGIS软件进行兰州市地质灾害易发性区划研究，并分析不同影响因子对兰州市地质灾害易发性的影响。结果表明：兰州市地质灾害极高易发区、高易发区、易发区3个分区总面积占兰州市总面积的50.70%,地质灾害对兰州市的影响较大；地质灾害极高易发区呈带状分布，主要分布于研究区南、北部河谷Ⅳ级阶地前缘及各沟谷台地前缘、黄土丘陵沟壑区。     

基于聚类和最大似然法的汶川灾区泥石流滑坡易发性评价

选择坡度、相对高差、地表径流深和地震烈度4个震后地质灾害的主控因素作为评价影响因子,采用聚类分析和最大似然法评价汶川极重灾区(四川省部分)震后地质灾害的易发性.结果表明:聚类分析和最大似然法这种非监督分类的方法适用于没有足够训练数据的情况,可以快速对一个大区域的地质灾害易发性进行评估;从得到的易发性评价图中可知,在大块的高易发区内存在一些小的极低易发区,这些区域可以作为安全的居民点使用,在极高易发区和高易发区以及高易发区与极低易发区分界线附近,地质灾害点分布比较密集.     

新安县地质灾害易发性分区及防治措施研究

新安县地处豫西低山丘陵区,区域内地质灾害较发育且危险性逐年增加。经调查分析,新安县有滑坡、崩塌、不稳定斜坡、泥石流和地面塌陷等地质灾害点共128处。通过综合分析新安县地质灾害发育特征、地形地质特征、植被特征、地质灾害诱发因素等,选择坡度、坡高、坡形、岩土体结构、地质灾害点密度、植被指数、降水、工程活动等8个因素建立地质灾害易发性评价指标体系;通过计算地质灾害易发性综合指数将新安县分为地质灾害高易发区、中易发区、低易发区和非易发区共4个等级,分析了各分区特征并针对分区情况提出防治建议,可为该地区地质灾害精细化评价和防灾减灾提供科学依据。     

基于确定性系数模型的泸水市泥石流易发性评价

以泥石流灾害频发的怒江州泸水市为研究区,选取坡度、高程、河流距离、道路距离、岩性、断裂带距离、降雨量、NDVI、土地利用9个影响因子,建立了泸水市泥石流灾害易发性评价体系。采用确定性系数模型(CF模型)进行了泥石流灾害易发性评价,将泥石流易发性评价结果分为极高易发区、高易发区、中易发区、低易发区4个等级。结果表明:研究区高易发区及以上级别的易发区内发生的泥石流灾害数量占总数的95.32%,易发性评价结果正确率达到81.99%,表明选取的评价指标合理,CF模型适用于泸水市的泥石流灾害易发性评价研究。泸水市泥石流灾害高易发区也是居民点集中分布区,评价分区结果对泸水市的泥石流灾害防灾减灾具有一定的借鉴作用。     

基于GIS的泾川县地质灾害易发性评价

基于GIS平台,选取地貌、坡度、岩性、降雨、植被5个地质灾害影响因子并结合野外调查资料,采用指数加权分析方法对甘肃省泾川县进行地质灾害易发性分区。按照地质灾害的易发性分级,将研究区的地质灾害易发性划为4类,其中高易发区面积为364.90 km2,中易发区为392.99 km2,低易发区为200.01km2,不易发区为506.18 km2,分区结果表明,泾川县地质灾害总体表现出群发性、突发性和周期性等特点。     

基于斜坡单元的怒江州滑坡易发性研究

开展滑坡易发性分析是制定合理的地质灾害防治规划的基础，对防灾减灾工作具有重要意义。以怒江州为研究区，斜坡单元为评价单元，选取高程、坡度、坡向、NDVI、距河流距离、降雨量、岩性、距断层距离和距道路距离9个因素为评价因子，采用信息量(I)模型、确定性系数(CF)模型以及I-LR、CF-LR耦合模型进行滑坡易发性评价，并对4种模型进行精度验证。结果表明：(1)CF-LR模型中滑坡点落入高、极高易发区占比最大，为88.77%,且滑坡点密度(0.309 2)最大，高于I模型(0.285 4)与CF模型(0.277 6)单一模型；(2)极高、高易发区主要发育于怒江、独龙江、澜沧江和通甸河4条河流一带；中易发区主要分布于研究区东部；低和极低易发区主要分布在研究区的北部、中部以及西部边缘地区；(3)根据基于Sridevi Jadi经验概率法和ROC曲线的结果均表明，CF-LR模型预测精度高于其他3个模型。     

空间分析在铜川市耀州区地质灾害易发性分区中的应用

为了进行铜川市耀州区地质灾害易发区的区划,选取了铜川市耀州区具有代表性的4个乡镇,确定了影响耀州区地质灾害易发性的主要因子,即岩土体类型、地形地貌、年降雨量和人类工程活动强度,并用分形分维理论验证了其可靠性.将灰色关联分析得到的各影响因子与易发性的关联度作为MAPGIS空间分析功能的评价权重,最后通过多图层叠加得到耀州区地质灾害易发性的分区图,所得结果与实际情况基本吻合.     

基于GIS的城市滑坡灾害易发性评价——以湖北省宜昌市城区为例

[目的]对城市滑坡灾害进行易发性分区评价,为城市规划与防灾减灾工程提供理论依据。[方法]以湖北省宜昌市城区为研究区,通过GIS平台选取高程、坡度、地层岩性、归一化植被指数(NDVI)、与水系的距离和道路密度等6个评价因子,采用似然比方法分析评价因子和滑坡发育的关系,并以归一化似然比值将评价因子参数分类量化;以量化值作为Logistic回归模型的自变量,抽取样本数据建立滑坡易发性评价回归模型。[结果]评价因子结果显著,模型的整体准确率达到79.2%,ROC曲线下面积达0.871;极低易发区和低易发区占全区面积的61.59%,包含滑坡灾害的11.29%;高易发区和极高易发区虽仅占全区面积的17.88%,却发育了68.55%的滑坡灾害,结果与滑坡灾害分布特征相符合。[结论]对宜昌市城区的滑坡易发性进行了等级划分。采用GIS和Logistic回归相结合的滑坡易发性评价方法,结果准确可靠。     

基于贡献率模型的崩塌易发性评价——以广州市白云区为例

[目的] 根据地质灾害野外普查空间数据库,分析花岗岩风化残积土发育地区崩塌形成机理和破坏模式,探究不同环境孕灾因子对崩塌发育的贡献率,评估崩塌灾害空间易发性与分布规律,为中国东南沿海地质灾害多发区的灾害防治工作提供科学支持。[方法] 在分析广州市白云区花岗岩风化残积土崩塌发育特征的基础上,选取高程、坡度、坡向、地形起伏度、距地表水体距离、降雨量、地层岩性、土地利用类型共8个与崩塌灾害发育密切关联的致灾因子构建崩塌灾害易发性评价指标体系,叠加研究区内404个历史崩塌数据,依据贡献率模型计算统计各指标因子崩塌灾害敏感性和空间分布特征。采用各二级指标因子贡献率的修正样本差确定因子权重。[结果] ①研究区内坡度、高程和地形起伏度对崩塌易发性贡献程度较高,坡向、地层岩性、降雨量在崩塌灾害易发性评价中贡献程度较低。②极高易发区主要集中在丘陵西麓,崩塌易发性由山地线范围外层边缘向中心逐级降低。③崩塌极高易发区和高易发区崩塌比率占总崩塌比率超过85%,模型易发性评价成功率和预测率分别达到91.3%和92.6%。[结论] 斜坡地形地貌因子对崩塌发育影响较显著,基于贡献率的崩塌灾害易发性评价模型能够客观量化指标因子权重,模型预测评价结果精度较高,易发性区划符合实际崩塌发育空间分布特征。     

基于图幅调查的六盘山镇孕灾地质条件分析

调查研究小流域孕灾地质环境背景,是分析地质灾害时空分布规律与成灾模式,完成地质灾害易发程度、危险性区划评价,提出地质灾害综合防治对策建议的重要依据。以泾河流域六盘山镇幅地质灾害调查为实例分析了地形地貌、地质构造和工程地质岩组与地质灾害的关系。结果显示:（1）大的地貌单元和格局较明显地控制着地质灾害的分布,不同地貌单元内的地质灾害类型、发育程度和分布特征等都有差异性,统计表明滑坡主要发育在剥蚀构造丘陵区及低山区地貌,泥石流主要发育在侵蚀中低山区,崩塌主要分布在河谷斜坡地带和断裂带内,地质灾害一般沿地貌边界带密集分布发育,尤其是沿断裂呈线状展布;（2）软弱的泥岩岩组是研究区内主要的易滑地层,控制着地质灾害的分布,在不同工程地质岩组区间内滑坡面积的多寡与滑坡分布密度相关性不大;（3）区域地质构造不仅控制着区域地层的展布,也控制着区域地质灾害的发育,不同断裂也凸显出一定的差异性。     

四川省会理县“8·30”地震地质灾害分布特征及防治对策

四川省会理县的地貌条件、地质条件和水文气象条件为地质灾害发育提供了良好基础,县域内地质灾害频繁.2008年8月30日("8·30")地震不仅加剧了原有的地质灾害,而且还引发了多处新的地质灾害点.通过发放地质灾害普查表、典型区域的遥感调查和重点区域的专家详查等调查方法,获得地震诱发的新增地质灾害隐患点55处,其中崩塌8处、滑坡25处、泥石流2处和不稳定斜坡20处.新增灾害点主要集中在县域南部高山峡谷区,特别是沿金沙江一带.根据震后地质灾害的调查结果,以2 km×2 km为单元格对县域内地质灾害易发程度进行分区,主要分为三级地质灾害易发区:高易发区、中易发区、低易发区,分别占全县总面积的42.4%,37.1%,20.5%.最后,提出了建立群测群防网络及监测预警系统实施全面防灾、突发性地质灾害实施紧急防治、重要地质灾害隐患点实施综合防治、加强地质环境管理和实施预防减灾等防治对策.     

基于SMOTE和多粒度级联森林的泥石流易发性评价

准确的泥石流易发性评价结果对山区泥石流灾害防治具有重要意义。该研究将合成少数类过采样技术（Synthetic Minority Oversampling Technique,SMOTE）和多粒度级联森林（multi-Grained Cascade Forest,gcForest）运用于泥石流易发性评价,以提高泥石流易发性评价精度。以泥石流多发地东川区为例,在解译泥石流点的基础上,以流域单元为评价单元,基于地质、地形和降水等多源数据,初步选取了15个泥石流孕灾因子,并对初选因子进行贡献率分析和多重共线性检验,筛选出共13个因子构建孕灾因子体系;然后采用SMOTE技术对泥石流与非泥石流样本比例不平衡问题进行处理,构建训练数据集;最后构建gcForest模型对研究区泥石流易发性进行定量分析,计算出各个流域单元的泥石流易发性指数,使用自然断点法将其划分为极低易发区、低易发区、中易发区、高易发区和极高易发区5个等级,并与BP神经网络（Back Propagation neural network,BPNN）和随机森林（Random Forest,RF）模型的预测性能进行对比。结果表明,泥石流极低和低易发区主要集中于研究区东部和西部,极高和高易发区主要集中分布于研究区小江河谷两岸和金沙江南岸,该地区地质环境脆弱,危险性较高;结合流域单元建立的山区泥石流易发性评价模型具有很好的准确性和稳定性,其中多粒度级联森林（gcForest）的受试者工作特征曲线（Receiver-Operating Characteristic,ROC）下面积AUC（Area Under Curve）值和准确度（Accuracy,ACC）分别达到91.76%和81.25%,均高于BP神经网络和RF模型的AUC值和ACC值,表明该模型是一种高性能的泥石流易发性评价方法。利用该方法能更精准地对泥石流进行易发性评价,可为山区泥石流防灾减灾提供科学依据。     

联合SBAS-InSAR和PSO-BP算法的高山峡谷区地质灾害危险性评价

近年来,高山峡谷区地质灾害频频发生,给人民生命和财产安全带来严重威胁。针对现有地质灾害评价方法存在地质灾害数据时效性差、不准确以及需进行大量评价因子权值计算等弊端,该研究提出一种联合SBAS-InSAR（Small Baseline Subsets- Interferometric Synthetic Aperture Radar）和PSO-BP（Particle Swarm Optimization-Back Propagation）算法来对高山峡谷区地质灾害危险性进行评价的方法。首先利用SBAS-InSAR技术获取得到研究区升降轨形变量,引入高分辨率影像等作为辅助识别,得到研究区地质灾害数据;然后,选取高程、坡度、升降形变速率等12个评价因子与是否为高危险区构建PSO-BP模型,对模型进行训练、验证并保存模型;利用保存好的模型得到研究区的地质灾害指数,通过ArcGIS自然间断点分级法结合专家参与进行危险性分级,最终得到研究区地质灾害危险性评价结果。试验结果表明：利用升降轨结合的方式对高山峡谷地质灾害进行识别,避免了单一轨道存在SAR成像几何畸变造成部分地质灾害不能识别或识别结果不全面等问题;利用SBAS-InSAR技术并结合高分辨率影像等辅助信息,可有效识别出活跃的泥石流、滑坡、崩塌和潜在地质灾害,解决了现有地质灾害点数据源时效性差、不准确等弊端;利用PSO-BP算法能跳过大量评价因子权值计算等弊端;为验证该研究方法的有效性,选择信息量法和组合赋权法进行定量和定性比较,结果表明,该研究方法有效的提高了地质灾害危险性评价的准确度,信息量法、组合赋权法和该研究方法的AUC（Area Under The Curve）值分别为0.694、0.721、0.785,准确率为73.3%、76.2%、79.8%。利用该方法能更为有效的对高山峡谷区地质灾害进行危险性评价,为防灾减灾事业及政府部门决策提供参考。     

基于粗糙集理论的泥石流易发性综合评判模型

泥石流灾害易发性判断是泥石流灾害性评价的重要组成部分,快捷、准确的评判对人类工程活动有着重要的指导意义。众所周知,流域中,形貌、地质、水文三大条件对泥石流灾害起决定性作用,是泥石流易发性的主要影响因素。这里基于对泥石流灾害的机理认识,将泥石流易发性分为高易发、中易发、低易发、不易发4个等级,在充分考虑泥石流灾害易发性影响因素贡献的基础上,给出各因素等级的确定标准,运用粗糙集理论获取各级评价指标的相对重要度,再依据专家经验确定主观权重,结合相对重要度和主观权重确定各因素的综合权重,进而利用模糊数学中多级模糊评判的理论和方法,建立了一种新的泥石流易发性多级模糊综合评判模型,并以陕西省凤县5条泥石流沟为例进行模型验证,结果表明这5条泥石流沟易发性从低到高的排序为:吴家沟泥石流沟、三台山泥石流沟、后沟泥石流沟、银铜梁泥石流沟、寺沟泥石流沟,结果与实际吻合良好。     

基于MaxEnt模型的滑坡易发性评价--以攀枝花市为例

为了客观评价滑坡影响因子的贡献度和构建滑坡预测模型,以滑坡灾害发生较多的攀枝花市为研究区,通过筛选后选取高程、坡度、坡向、土地利用类型、归一化植被指数(NDVI)和人口密度6项因子作为滑坡易发性的评价指标;基于最大熵(maxEnt)模型和ArcGIS空间分析模块对研究区滑坡易发性进行了定量预测和分析研究。结果表明:maxEnt模型在研究区滑坡易发性研究方面的适用性等级为优秀(AUC=0.96),Kappa系数为0.86;随机选取75%的数据集用于训练模型,其余25%用于验证模型,得到的AUC值最稳定且精度最高,模型预测可信度最高;研究区高易发生和极易发生区分别占总面积的2.57%,0.80%,主要分布在人口比较密集的东部和西部地区,部分沿着金沙江、雅砻江、巴关河、安宁河和主要道路两侧发育;植被覆盖度和坡度是决定研究区滑坡易发性空间分布格局最重要的环境影响因子。     

利子依达沟泥石流演化历史及发展趋势预测

大渡河右岸一级支流利子依达沟是一条多期次,中高频率的泥石流沟。根据该沟泥石流的灾害历史和发育特征,对整个沟域进行了详细的地质工程调查,典型剖面保留泥痕的地质工程测绘,现场的颗分实验及容重实验,分析了利子依达沟泥石流的形成条件和泥石流的演化历史。结合大渡河阶地发育特征和冰川消融期次,分析了利子依达沟各期老泥石流的发育时期,并对该沟泥石流进行了预测。通过研究发现,利子依达沟古泥石流的形成和冰川的演化有着密切的联系,通过历史分析法可以预测其发展趋势。利子依达沟是一条衰亡期泥石流沟,其泥石流暴发规模会逐次减小。     

基于GIS的华宁县滑坡灾害影响因子分析及易发性评价

为了明析区域滑坡灾害影响因子及其易发性,为滑坡地质灾害的防治提供借鉴。以云南省华宁县为研究对象,利用GIS空间分析技术,对华宁县滑坡空间分布及诱发因子进行了分析研究,依据区域地质灾害详细调查资料,建立GIS灾害数据库的同时选取海拔、坡度、坡向、距水系、道路、断层距离、岩性7个诱发因子,利用统计指数对滑坡在每个因子各类别中的占比进行了权重分析,最终确定滑坡灾害易发性分区并阐述其空间分布特征。结果表明:（1）在滑坡灾害分布特征上,具有空间集中分布特征,灾害点密度以中部地区最大,受灾影响人数最大的主要分布在海拔较低的宁州街道和通红甸乡。（2）从诱发因子上看,滑坡灾害大多分布在海拔1 600~2 300 m（占76.06%）,坡度10°~30°（占71.83%）,坡向为E,NE,NW,N等方向上（占71.82%）,距离河流、断层和道路越近,发生滑坡的可能性越大。（3）在滑坡灾害易发性上,高易发区主要分布在宁州街道、青龙镇、华溪镇;中易发区主要分布在青龙镇东北部、宁州街道西南部、通红甸彝族苗族乡中部和盘溪东部;低易发区主要分布在通红甸彝族苗族乡、盘溪镇。华宁县滑坡灾害呈现出东少西多,南少北多的特征,未来华宁县应重点关注中部和西部区域的滑坡灾害预防。     

梅州市地质灾害特征及防治规划

梅州市是典型的山区,是广东省崩塌、滑坡等地质灾害多发、频发、易发区.在对该市地质灾害进行系统调查的基础上,对地质灾害的特征和影响因素进行分析.研究表明,脆弱的地质环境是该地区地质灾害发育的基础,降雨是主要诱因,人类工程活动是造成地质灾害隐患的主要因素.针对梅州市的灾害分布情况及经济发展要求,对梅州市地质灾害进行全面规划,并进行了易发性分区;将梅州市分为地质灾害重点防治区、次要防治区和一般防治区;在把握预测性、前瞻性、动态性的原则上,将规划分为近期、中期和远期规划.最后,对该区地质灾害防治提出主要措施及建议:逐步建立地质灾害监测预报体系,提高防灾减灾能力;落实地质灾害防治责任制;工程措施与生物措施相结合的治理模式.