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.     

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。     

基于IOE和SVM模型的府谷镇滑坡易发性分区

将陕西省府谷县府谷镇作为研究区,通过野外实地调查,圈定了47个滑坡点,制作了研究区滑坡编录图。以GIS软件和统计分析模型为基础,开展研究区滑坡易发性分区研究。首先通过GIS软件将滑坡点随机分成训练样本（70%）和测试样本（30%）两组。然后选择坡度、坡向、高程、距断层的距离、距道路的距离、距河流的距离、岩性、土地利用、NDVI、降雨量作为影响因子,提取因子图层。分别应用熵权模型（IOE）和支持向量机模型（SVM）计算滑坡易发性指数,利用自然间断点法将研究区划分为低易发区、中易发区、高易发区和极高易发区。最后利用ROC敏感度曲线下的面积（AUC）分别检验两种模型所得到的分区结果,结果表明,成功率曲线和预测度曲线的AUC值均在0.70～0.90,表明两种模型所得到的分区结果具有较高的精度,都可以为研究区的滑坡防治提供参考。在训练样本和测试样本中SVM模型的AUC值均最高,说明SVM模型比IOE模型适合在研究区开展滑坡预测研究。     

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。     

林芝市公路地质灾害易发性区划及气象预报模型

[目的]对西藏自治区林芝市公路地质灾害易发性区划及气象预报模型进行研究,为实施该市境内公路沿线地质灾害气象预报提供理论依据。[方法]首先,选取了林芝市公路沿线15 km缓冲区内的断层密度、土壤类型、坡度、沟谷密度、年降水量、土地利用、裸岩率和距河流的距离8个地质灾害易发性区划因子,通过信息量及逻辑回归方法确定各区划因子的系数,得到了地质灾害易发性区划模型;再进一步依据地质灾害发生当日、前1日、前2日和前3日的日降水数据,使用逻辑回归方法建立了地质灾害气象预报模型。[结果]林芝市公路沿线15 km缓冲区内的大部分地区地质灾害易发性概率小于0.4,且离道路越近,地质灾害易发性概率越大。将该预报模型用于历史地质灾害点数据进行检验,发现该模型的预报准确率为85.71%,漏报率为14.29%。[结论]受地形地貌、降水资料等影响,该模型预报结果可能与实际情况存在一定的偏差,但能反映基本趋势。     

基于GIS与Logistic模型的公路泥石流易发性分析

分析了泥石流形成与演化的物质条件、能量条件和环境条件。选取坡度、高程、坡面粗糙度、地层岩性、距断裂距离、地震烈度、土地利用类型作为泥石流易发性评价因子,引入Logistic回归分析方法,建立了泥石流易发性分析模型。定量分析了G318川藏公路段泥石流易发性,结果表明,该公路全线大部分处于泥石流中高易发区,其中,高易发区与中易发区占总面积的78.61%,主要分布在大渡河、澜沧江、金沙江、怒江、帕隆藏布江等大江大河的峡谷区段,这些地区在公路修复和规划重建中应做好泥石流的预测、预报及防治。     

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。     

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。     

普洱市思茅区地质灾害分区与防治对策

普洱市思茅区地质灾害类型主要有滑坡、不稳定斜坡、泥石流等。通过地质灾害调查,分析思茅区地质灾害发育的影响因素和成因机理,采用定性与定量分析相结合的方法,确定区内地质灾害易发性分区分别为5个高易发区、1个中易发区、6个低易发区,分别占到全区总面积的18.09%、60.29%、21.62%,提出了该区地质灾害的防治对策。     

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。     

环境因子组合和负样本选取策略对花岗岩区崩岗易发性的影响

不同环境因子组合和负样本选取策略对崩岗易发性评价结果存在较多不确定性。为探究其对评价结果的影响，该研究以江西省兴国县花岗岩区为例，利用地理探测器探测17个环境因子的统计量q值，根据累计q值百分比大小依次选择4、7、10和17个环境因子进行组合；利用单随机欠采样、频率比法及改进频率比法等负样本选取策略构建与正样本等量的负样本数据集；采用随机森林模型进行易发性评价，并对评价结果进行对比分析。结果表明：1）3种负样本选取策略下的模型精度随着因子数量的增加先下降再上升，考虑4个环境因子的模型AUC（area under curve）值分别为0.729、0.909和0.909，较最优环境因子组合仅相差0.020～0.038，说明考虑主控环境因子，即可得到较为理想的精度；2）通过频率比法选取的负样本数据集更具合理性；3）研究区内高和极高易发区主要分布在兴国县西南部，而极低易发区主要分布在兴国县北部及东部，这与实际情况较吻合。该研究通过探究不同环境因子组合和负样本选取策略对崩岗易发性评价的影响，可为花岗岩区崩岗的防灾减灾提供科学依据。     

基于maxEnt模型的哈尼梯田核心区滑坡易发性评价

有效精确地预测滑坡易发性对滑坡灾害风险管理与土地利用规划具有重要的现实意义。以往研究中,最大熵模型(maximum entropy model,maxEnt)因其能有效避免模型过拟合在生态学领域中运用广泛,但在滑坡易发性研究运用鲜见。以哈尼梯田世界遗产地为例,选取高程、坡度、坡向、地表粗糙度、平面和剖面曲率、地形湿度、曲率、水系、断层、道路、岩性、植被、土地利用、降雨量与居民点15种指标因子,基于GIS栅格分析法,采用maxEnt模型对研究区滑坡进行了易发性研究。应用受试者工作特征曲线下面积(ROC-AUC)对模拟结果进行检验,结果发现ROC-AUC值达到0.895,maxEnt该模型的预测效果较高,适用于滑坡易发性评价研究;断层和道路、降雨量和居民点密度是影响遗产地滑坡发育的主要因子;采用滑坡密度指标对分区结果检验发现滑坡密度值由易发性极低、低、中、高和极高依次递增,说明正态分布理论与专家经验法分区结果合理,且极高和高易发区占区域总面积的21.75%,其主要分布于人类居住较为集中区域。研究可为哈尼梯田核心区的遗产可持续发展、灾害监测和防治提供新的途径。     

基于地质灾害危险性区划的盈江县农村居民点空间布局优化

为增强农村居民点地质环境安全布局认识,科学推动农村建设用地可持续、健康发展。以云南省盈江县为研究区域,选择坡度、线性构造等评价指标,用Logistic回归模型对研究区进行了地质灾害危险性区划,其中为了统一评价单元,通过ArcGIS建立鱼网将相关地理信息数据网格化。再根据地质灾害危险性区划结果对现状农村居民点布局进行相关分析和研究。结果表明:盈江县地质灾害区划分区结果中的中高易发区占到全县总面积的63.57%,包含全县95.83%的历史地质灾害点;且农村居民点位于地质灾害中、高易发区的面积占居民点总面积比例达到74.55%,所有乡镇都有位于高易发区的居民点;基于农村居民点现状与区划结果,将各乡镇及其典型村落划分为3个级别,并针对性地提出“梯度推进”、“内部整改”、“就地城镇化”3种优化方向。     

层次分析法在通海县地质灾害易发性分区中的应用

对通海县地质环境条件、地质灾害分布、人类工程活动等进行分析,采用层次分析法,选取多个地质灾害发育影响因子,确定各因子所占权重及评价标准,并进行综合评分,运用数理统计方法及GIS空间分析进行地质灾害易发性初步分区,结合实际调查成果对初步分区结果进行修正,得出了通海县地质灾害易发性分区结果。     

怒江州斜坡地质灾害孕灾环境因素敏感性研究

由于地质背景复杂、地理位置特殊以及气候特征独特,导致怒江州山地灾害频发,人居环境脆弱。选择海拔、坡度、河流、道路、地层岩性、断裂带、降雨量以及土地利用类型作为怒江州斜坡地质灾害孕灾环境因子。在地理信息系统(GIS)技术支持下,采用确定性系数(CF)分析了斜坡地质灾害易发敏感性,并通过敏感性指数(E)分析了各因子对斜坡地质灾害发生的影响程度,确定有利于斜坡地质灾发生的条件,绘制了斜坡地质灾害敏感性分区图。结果表明:研究区极低敏感区、低敏感区、中敏感区、高敏感区以及极高敏感区面积比例为19.95∶31.22∶23.84∶16.57∶8.2。采用国土部门提供的研究区历年发生的1 366个斜坡地质灾害点对研究结果进行了验证,仅占研究区总面积的24.99%的高、极高敏感区内,发生斜坡地质灾害1 171起,占总的斜坡地质灾害发生数的85.72%;斜坡地质灾害点的空间分布情况与孕灾环境敏感性分区具有良好的正相关性。同时采用2017年最新地质灾害数据对研究结果进行了验证,位于高、极高敏感区内的地质灾害数占总灾害数的90%,验证了本次研究结果的合理性。可为怒江州灾害的防灾减灾提供决策依据。     

某拟建高速公路地质灾害易发性评价

高原山地地区地质灾害多发频发,对重大建设项目安全危害极大,开展拟建高速公路区域地质灾害易发性评价研究,对后期线路选址及地质灾害防治具有重要的理论和实际意义。在分析现状地质灾害特征的基础上,从气象水文、地形地貌、岩土类型及构造、人类工程活动4个方面选取对地质灾害发育贡献程度较大的因子,基于GIS技术,结合层次分析法（AHP）和信息量法对拟建施甸至链子桥段高速公路进行地质灾害易发性评价,并将评价结果划分为高易发区、中易发区和低易发区。通过研究区已有地质灾害编目对评价结果进行验证,结果表明,AHP_信息量模型在拟建工程地质灾害易发性评价中可操作性强,评价结果可靠性高。     

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。