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。     

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。     

遵义市不同地质灾害易发区滑坡临界雨量研究

[目的]确定遵义市不同地质灾害易发区的滑坡临界雨量,建立阈值模型并对其进行检验评估,为该地区滑坡预测提供科学依据。[方法]利用遵义市2010—2016年59次滑坡事件对应的逐小时降雨资料,采用统计方法对不同地质灾害易发区的滑坡临界雨量的历时、降雨类型对比分析,建立阈值模型并对其进行检验评估。[结果]中锋型是主要的降雨类型;大于10和20mm/h强降雨基本来自滑坡发生当天,但中易区降雨历时均长于高易区的降雨历时。对于高易区来说,滑坡当日1h最大雨量与前期3d的有效雨量组合的阈值模型预报准确率最大,因此将滑坡当天1h最大雨量作为高易区滑坡发生的激发雨量。而对于中易区来说,滑坡当天3h最大雨量是其滑坡发生的激发雨量。[结论]不同等级地质灾害易发区其滑坡临界雨量不同。对已经确定的滑坡阈值模型需根据新增滑坡信息进行检验评估,如果预测模型对新增滑坡预测不准确,需调整其滑坡判别线,从而对阈值模型进行订正。     

基于GBDT-LR和信息量模型耦合的滑坡易发性评价

[目的]探索准确、快速的滑坡易发性区划方法,为区域安全监测提供参考,为政府治理滑坡灾害提供科学依据。[方法]以安徽省池州市贵池区为研究区域,采用梯度提升决策树—逻辑回归(GBDT-LR)和信息量(I)模型耦合的方法,实现区域滑坡易发性评价。该方法通过对原样本地学习,组合产生新的模拟样本,从而增强易发性评价模型对滑坡的拟合能力;采用Borderline-Smote算法解决样本数据不对称的问题。选用r.slopeunits软件划分的斜坡单元作为最小评价单元,选取坡度、坡向、地形曲率、剖面曲率、平面曲率、地形湿度指数(TWI)、地形起伏度、归一化植被指数(NDVI)、距断裂距离和距水系距离总计10个评价因子。分别从频率比、滑坡灾害点及隐患点密度、ROC曲线3个方面对构建的滑坡易发性模型进行评价。[结果]试验结果表明：耦合模型I-GBDT-LR分别比I,LR,I-LR模型的高易发区频率比所占比例提升约10%,13%,7%,高易发区滑坡灾害点及隐患点密度分别提升约9,11,7,ROC精度提升约10%,9%,5%。[结论]从检验指标综合来看,耦合模型的精度均高于单一模型,所提出耦合模型精度又高于I...     

基于GIS的湖南省滑坡灾害风险和损失评估

[目的] 评估湖南省滑坡发生的风险和损失等级，丰富湖南省滑坡防治理论及方法，为该地减少滑坡灾害提供科学依据。[方法] 基于GIS技术和层次分析法（AHP）以DEM、遥感、气象、岩性、地震点等数据为支撑，分别从危险性评价和易损性评价两方面对湖南省滑坡风险进行评估。[结果] ①湖南省滑坡风险等级大多处于中低风险等级，少部分为较高风险或高风险等级，中度风险等级最多，占全省面积的31.31%，其余依次为较低、较高、低和高风险等级，其比例分别是24.92%，22.09%，13.88%和7.79%；②从空间格局来看，风险性等级整体呈现出中部、东南高，西南、东北低的空间分布特征；③湖南省滑坡损失等级整体呈现出东高西低，局部不均匀的分布特征。[结论] 湖南省滑坡灾害的管理主要应从预防和整治两方面进行，依据各地区常见滑坡类型，制定有针对性的区域差异化防治预案。     

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。     

粤港澳大湾区复合灾害系统敏感性评估

[目的]识别灾害的敏感性是防灾减灾的重要前提,复合灾害系统敏感性评估是复合灾害系统风险评估的重要组成部分。[方法]首先根据暴雨—滑坡灾害链特征构建复合灾害系统敏感性评估指标体系,进而采用卷积神经网络(CNN)和参数最优地理探测器—层次分析法耦合模型(OPGD-AHP)对粤港澳大湾区的暴雨—滑坡灾害链敏感性进行评估。通过对暴雨和滑坡单灾种的敏感性分析,分别得到粤港澳大湾区暴雨和滑坡的敏感性分级图,并由统计分析得出暴雨诱发滑坡的阈值及其转换概率,以此对暴雨-滑坡灾害链敏感性进行分析,最终得到粤港澳大湾区暴雨—滑坡灾害链敏感性分级图。[结果](1)粤港澳地区暴雨-滑坡灾害链高敏感区域主要分布在广宁县、怀集县等西北部地区和惠阳区、惠东县等东部地区;(2)次高敏感性和中敏感性区域主要分布在封开、德庆、从化、龙门、博罗等区域;(3)低敏感区和次低敏感区主要分布在南海、荔湾、禅城、顺德、南沙、番禺、三水、白云等中部地区。[结论]研究结果可为粤港澳大湾区的防灾减灾、增强灾害链风险抵抗力和恢复力提供科学依据和技术支持。     

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。     

基于区域临界雨量的广东省泥石流灾害易发区预测

暴雨是广东省大部分泥石流的激发条件和主要动力,采用区域临界雨量用于广东省泥石流灾害易发区的空间预测,在已有广东省地质灾害预测分区研究成果的基础上,通过将原有1798个网格单元转换为以县市区为基本单元的97个研究单元,判别出37个县市区满足泥石流发生的孕灾环境.借鉴单沟泥石流发生概率判别所用的暴雨强度指标,以及广东地区可能发生泥石流的雨量界限值,建立了用于广东省泥石流灾害发生区域空间预测的区域临界雨量判别公式.基于此,结合满足泥石流孕灾环境的37个县市区,预测出广东省泥石流易发区共23个县市区,占总数的23.7%.其余14个和60个县市区分别为非泥石流易发区和无泥石流危险区,分别占总数的14.4%和61.9%.据此,绘制了广东省泥石流灾害易发区预测图.1975-2003年问61次泥石流灾害事件的发生地点检验了本预测结果具有约70%的可靠性.     

川鄂褶皱山地溪洪-滑坡灾害与主要自然因子的关系——以香溪河流域为例

[目的]明确影响香溪河流域溪洪—滑坡灾害分布的瓶颈性自然因子,为其代表的三峡库区东部川鄂褶皱山地山洪地质灾害防治提供科学依据,并探讨地理探测器模型的应用表现。[方法]应用GIS技术、逐步回归和地理探测器模型,分析研究流域溪洪—滑坡灾害分布与主要自然因子的定量关系。[结果]进入回归模型的5项因子总解释度80.6%,贡献率依次为岩性脆弱性28.6%,断层缓冲区19.8%,NDVI18.9%,暴雨极值16.4%,岩性软硬程度16.3%;地理探测中对因变量解释度较大的5项因子分别为岩性脆弱性24.5%,断层缓冲区20.9%,NDVI 18.3%,土壤入渗性16.3%,岩性软硬程度14.8%;岩性脆弱性与NDVI值、坡度的交互作用强度分别达68.8%和62.0%。[结论]地质要素对流域溪洪—滑坡灾害分布具有绝对的控制作用,植被的影响其次,土壤和降水的影响有限,地形的作用体现在协同方面;地理探测器模型为定量分析非线性变量间的关联性提供了新的视角,但它消除了自变量的数值属性,在变量影响方向和重复性侦测方面有局限。     

九寨沟地震次生灾害风险及对自然保护区和自然遗产地的影响

[目的]对四川省九寨沟地震次生灾害及其对自然保护区和自然遗产地的影响进行评估,为灾区生态环境恢复重建规划的制定提供科学参考。[方法]基于土地利用、地形、植被覆盖、自然保护区和自然遗产地分布等数据,分析九寨沟地震区域的自然生态环境状况,评估震区的次生灾害风险等级,重点分析自然保护区与遗产地内的次生灾害风险状况。[结果]灾区地震烈度较高的地区主要位于海拔3 000 m以上的区域,土地利用类型以林地和草地为主,平均植被覆盖度达到58%;次生灾害高风险区面积占30%左右,主要分布在距断裂带较近和坡度较陡的区域;中部和南部的自然保护区处于次生灾害高风险区,西部及北部则处于低风险区;自然遗产地主要分布在极高风险区,增加了景区和自然遗产地的生态风险。[结论]地震使九寨沟自然遗产地、林草植被和动物栖息地遭受不同程度破坏,对九寨沟景区旅游业造成严重影响。建议对九寨沟旅游景区和世界自然遗产地实施优先恢复重建,并加强生态保护和风险防范力度。     

降雨作用下黄土浅层滑坡的危险性分析

[目的]在不同的降雨条件下,对黄土浅层滑坡进行危险性分析,为评价黄土地区浅层滑坡提供有效手段。[方法]以甘肃省天水市为例,根据SHALSTAB模型,在ArcGIS中进行二次开发,编写不同降雨量时浅层滑坡危险性分析程序,计算不同降雨量下浅层黄土滑坡分布预测。[结果]随着降雨量的增加,浅层滑坡数量明显增多,所占面积比例从5mm/d的0.166%增加为320mm/d的3.624%,上升了20倍左右。[结论]当降雨量较小时,浅层滑坡分布于雨水集中汇积的区域,随着降雨的增加,浅层滑坡沿着黄土沟谷向上游延伸。通过和实际发生滑坡灾害进行对比分析,证明计算结果准确可信。     

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。     

板栗树种在中国水土流失区的分布及其环境因子

[目的] 在当前气候背景下预测板栗树种在中国的空间分布和生态特征,为板栗树种的合理引种、产业持续发展以及在水土流失地区的应用提供理论支撑。[方法] 基于261个分布点和40个环境变量,利用MaxEnt模型预测板栗树种的潜在地理分布并确定影响其分布的主要环境因子。通过对比国家级水土流失区和板栗树种的潜在分布确定其应用范围。[结果] 年均降水量、年平均温度、表层土壤酸碱度、平均日温差和温度季节变化方差5个环境变量对板栗树种适生区的分布贡献较大,累积贡献率在83%以上。同时板栗树种喜水怕涝,适合在酸性土壤中生长。潜在适生区面积总计为2.92×10⁶ km²,约占国土总面积的30.46%,其中高度适生区主要分布在四川省和云南省的东北部,湖北省、湖南省和江西省的大部分地区,陕西省、河南省、安徽省、浙江省和山东省的部分地区。中度适生区分布以高度适生区为中心向外扩展。[结论] 对比中国水土流失重点预防和重点治理区,除青藏地区、西北地区和东北地区不太适宜板栗树种的引种外,在其他水土流失区都可以考虑选择板栗树种作为水土保持的经济树种。基于MaxEnt模型的板栗树种潜在分布预测拓展了人们对板栗树种分布和生态特征的认识,同时为水土保持功能区的树种选择提供了科学依据。     

大巴山区顺层岩质滑坡发育影响因素的贡献率及易发性评价

[目的]顺层岩质滑坡是大巴山区极其发育的一类灾害,通过对其发育影响因素的贡献率及易发性评价研究,构建预测评价模型,为该区防灾预灾工作提供科学支撑。[方法]基于GIS和数量化理论Ⅱ,选取21个研究区基岩顺层滑坡的样本,利用GIS技术提取高程、坡度、斜坡结构等9个影响因素的基础数据,通过数量化理论计算方法对学习样本进行学习,确定各因子类目得分,得到各项基础数据的易发性评价系数,然后通过GIS将各图层叠加,进行全范围的易发性预测。[结果]对滑坡贡献率较高的影响因素有:斜坡坡度约10°～20°,顺向坡斜坡结构、砂质硬岩夹软岩的岩体结构、汇流面积,水流冲蚀;基于数量化理论Ⅱ建立的易发性预测方法可以较准确地划分区域易发性的高低。[结论]位于大巴山区的南江县南部、巴州区北部、苍溪县南东部、宣汉县南西侧地等区域为顺层岩质滑坡的高易发区,这也与调查结果相符,GIS和数量化理论Ⅱ相结合的滑坡易发性预测方法适用于该地区滑坡易发性、危险性等相关领域的研究。     

降雨入渗作用下秭归向斜核部南段斜坡稳定性评价

[目的]开展降雨条件下湖北省秭归县向斜核部斜坡稳定性评价研究,为政府部门减灾防灾工程提供科学支持,为滑坡灾害的预测和管理提供科学依据。[方法]以耦合了地下水动力学的TRIGRS无限斜坡稳定性计算模型为基础,详细介绍了斜坡稳定性评价的数据处理过程以及参数选取方法。[结果]发生斜坡失稳的区域多位于松散土体中等厚—较厚,地形坡度中等的区域,尤其是土层厚度在7—10m,地形坡度在20°~30°范围内为斜坡失稳高发区。[结论]在土层厚度和地形地貌的双重控制下,短历时强降雨入渗作用导致孔隙水压力增大,这些区域的斜坡土体极易发生滑动,为滑坡危险性较高的多发区域。斜坡稳定性评价结果和滑坡实际分布吻合程度较高,在一定程度上反映出降雨诱发滑坡空间分布关系和分布规律。     

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。     

不同环境因子联接方法对崩岗易发性评价的影响

[目的] 研究不同联接方法对崩岗易发性的影响,为区域崩岗的精细化空间预测提供理论依据,进而为合理、经济、高效地做好防灾减灾提供科学支持。[方法] 基于随机森林模型,选择改进频率比(ALSA)与传统频率比(FR)两种不同联接方法,通过地理探测器选取年平均降雨量、年平均降雨侵蚀力、土壤可蚀性、坡长因子、黏粒含量、坡度、砂粒含量、标准化VH通道后向散射系数(表征地表覆被的性质)作为评价指标,以江西省兴国县永丰镇为例开展崩岗易发性评价。[结果] ①ALSA-RF模型较FR-RF模型精度更高,ACC,AUC值分别为83.89%,0.893 0; ②研究区极高、高易发区主要分布于其西南区域,这与实际崩岗分布情况较吻合。[结论] 改进频率比的联接方法较传统频率比方法可以更好地体现区域崩岗的分布规律,可为滑坡研究领域中的类似问题提供借鉴。     

基于数量化理论和BP神经网络的滑坡体积预测

[目的]探讨数量化理论Ⅲ和BP神经网络在滑坡中综合应用的效果,为滑坡体积的预测提供一种新的思路。[方法]采用数量化理论Ⅲ分析滑坡体积的影响因素及其耦合作用强度,并结合其分析结果,将次要因素和强耦合程度样本进行剔除,再依据其剔除的不同阶段构建3种滑坡体积的BP神经网络预测模型。[结果]滑坡体积的主要影响因素是坡角、坡向、植被覆盖率和坡高,次要影响因素是岩层倾角、斜坡高程和岩层倾向因素,且在不同样本中,体积影响因素之间的耦合程度具有一定的差异。[结论]该预测方法可行,对次要因素和强耦合程度样本的剔除,提高了预测精度。