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。     

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。     

基于两种方法的攀西泥石流易发性评价对比分析

泥石流易发性评价是泥石流灾害危险性评价和易损性评价的基础工作,为泥石流灾害预防预测提供依据。利用贡献权重叠加模型(CWS)和基于确定性系数(CF)的确定权重模型,采用多因子评价模型,进行了四川省攀西地区泥石流易发性评价,并结合实际泥石流点,采用频率比对评价结果进行精度检验。结果表明:两种方法得到的易发性分区结果整体分布具有较高的相似性,攀西地区泥石流高、极高易发区主要分布于中部、南部、东部的断层分布地区及雅砻江、金沙江及其支流两岸。基于确定性系数的确定权重模型的评价精度高于贡献权重模型,两种模型的评价结果中高易发区及以上级别分别占实际泥石流点总个数的87.5%,58.22%,频率比分别为6.02,3.71。基于确定性系数确定权重模型的评价结果具有更高的精确性,该方法能有效进行攀西泥石流易发性评价。     

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。     

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.     

基于统计方法耦合地理探测器的地质灾害易发性评价——以吕梁山区为例

[目的]以山西省吕梁市吕梁山区的离石、石楼、柳林三区(县)为例研究高精度地质灾害易发性评价模型,为该地区区域规划提供辅助决策支持。[方法]基于地理信息系统,以区域内525个历史灾害点及500个非灾害点为样本,选取19个地灾影响因素,应用地理探测器(geographic detectors, GD)判断各因素的相对重要性,在Jupyter Notebook平台展开相关性检验并筛选指标因子,以信息量模型(information method, IM)为基础,利用灾害点计算其所提供的信息量的同时结合非灾害点提供信息量得到指标因子改进信息量模型(improved information method, IIM),并借助地理探测器空间分异性q值计算权重。利用综合确定性系数法(certainty factor, CF)分别建立GD-IIM, GD-IM, GD-CF, IM, CF, IIM共6大评价体系,采用自然断点分类法将研究区易发性依次划分为5,4,3个等级,以种子细胞面积指数(seed cell area index, SCAI)验证其分区结果准确性,采用ROC曲线对比模型结果精确度。[结...     

基于GIS的延河流域滑坡崩塌地质灾害空间分布及其引发因素分析

[目的]以更符合滑坡崩塌发生发展规律的延河流域为例,进行地质灾害空间分布及引发因素分析研究,为防灾减灾提供依据。[方法]依据区县地质灾害详细调查资料,建立GIS地质灾害数据库,包含地理数据、基础地质数据、地质灾害点数据和栅格数据。统计分析坡度、坡高、坡型、河谷发育期等引发因素;选取坡度、坡型、植被、河谷地貌、地层、降雨量、道路距离、居民点8因素,采用加权信息量法进行地质灾害易发性分区阐述地质灾害空间分布。[结果]坡高50~100m,坡度30°~45°易形成滑坡;老年河谷灾害点密度为壮年期的2倍,幼年期的3倍;凸型和直线型斜坡更容易产生滑坡和崩塌灾害,阶梯型和凹陷型斜坡稳定程度明显增高。延河流域滑塌高易发面积1 664.96km2,灾害点密度0.29处/km2;中易发3 102.02km2,密度0.10处/km2;低易发3 888.99km2,密度0.04处/km2。[结论]以流域为单位进行地质灾害研究,引发因素、空间分布规律更为明显,指导防灾减灾更加实用。     

青海省湟水流域潜在地质灾害识别与易发性评价

[目的] 明确青海省湟水流域地质灾害空间分布特征与规律,为该地区防灾减灾提供数据支撑与科学依据。 [方法] 通过小基线子集干涉测量(small baseline subset interferometric synthetic aperture radar, SBAS-InSAR)技术识别地质灾害点,结合地形因素、地质因素、环境因素、气象因素、人类活动因素进行灾害空间分布规律分析,建立逻辑回归(logistic regression, LR)—频率比(frequency response, FR)模型并检验,利用返回概率值进行易发性评价。 [结果] ①湟水流域所分布的潜在地质灾害以滑坡、崩塌为主,多种类型潜在地质灾害并生。滑坡与不稳定斜坡通常发育于坡度较缓的山坡上,通常伴有大量张拉与剪切裂缝,尤其在雨季发育明显,对山体下方交通、居民安全构成威胁。发育于河谷两岸的滑坡与不稳定斜坡还可能阻塞河流,形成堰塞湖,进一步加剧灾害风险。崩塌多发育在岩石结构较为疏松或风化严重的陡峭山壁,因地质脆弱,加之降雨等自然因素刺激,易使山体土块、岩石块下落,对下方的居民区和交通线路构成威胁。 ②研究区2 425—3 650 m高程区间的地质灾害分布较多,东北向为地质灾害易发坡向;地质灾害易发性随归一化植被指数(normalized digital vegetation index, NDVI)增加而降低,随坡度、地形起伏度、日降水量增加而升高,随距断层距离增加而减少。 ③湟水流域高易发区及较高易发区,面积约5 937.60 km²,占研究区总面积约38.78%,主要集中在湟水流域南、北边缘地区,湟中、大通、海晏交界处,以及建筑区周边边坡上。 ④对评价结果进行检验,模型预测性能受试者特征曲线(receiver operating characteristic curve, ROC曲线)线下面积(area under curve, AUC)为0.787,易发区由高至低FR逐级减小,与实际灾害点的分布具有良好的一致性。 ⑤断层核密度为湟水流域地质灾害发育的主控因子,坡向、地形起伏度、道路核密度次之,剖面曲率对地质灾害发育影响最小。 [结论] ①利用SBAS-InSAR技术能有效识别湟水流域潜在地质灾害,LR-FR模型获得的易发性评价结果可靠。 ②湟水流域地质灾害易发区的分布具有明显的空间差异性,主要分布在海拔较高、植被覆盖率较低、降雨量较大、距离断层近的地区,断层核密度为地质灾害易发性的主控因子。 ③湟水流域的地质灾害具有多发性、突发性和高风险性的特点,给当地居民生活、区域经济发展及生态环境带来了严重的影响。因此,对其进行监测、预警和防治工作显得尤为重要。     

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。     

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。     

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。     

5·12汶川地震灾区茂县地质灾害危险性评价

该文讨论了模糊综合评价模型和地理信息系统（GIS）相结合进行地质灾害危险性评价的方法。选取研究区内的地形坡度、海拔高程、地层岩性、河流缓冲区、断层缓冲区的灾害点分布频率作为评价指标,利用模糊综合评价模型进行地质灾害危险性评价;基于GIS系统强大的空间分析功能,实现对地理数据进行运算处理及评价结果图的输出。最后,以5·12汶川地震后的四川省茂县为例,实现研究区地质灾害危险性评价,研究表明:高危险区面积25.0%,地质灾害点占60.7%;中危险区面积33.1%,地质灾害点占24.4%;低危险区面积41.9%,地质灾害点占14.9%。地质灾害危险性评价结果可为政府部门的灾后重建及规划提供科学依据。     

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。     

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。     

新疆西昆仑地区泥石流灾害分析与评价

[目的]评价研究区泥石流的危险性,找出适合新疆西昆仑地区泥石流灾害研究的技术和方法。[方法]以新疆西昆仑山脉西段马尔洋地区为研究对象,在充分收集、研究前人资料和有效利用其他信息源的基础上,通过对研究区ETM+影像数据的研究,对研究区泥石流灾害点进行了判读。结合DEM数据,对该区地形地貌进行了研究。[结果]选取了合适的泥石流灾害危险性评价指标体系。一般危险区、中度危险区、高度危险区、极度危险区,面积分别为:31.69,40.70,38.31,25.83km2,所占比例分别为:23.21%,29.81%,28.06%,19.92%。[结论]研究区泥石流灾害极度危险区和高度危险区占总面积的47.98%,主要分布在研究区的中部和西北部区域,为泥石流灾害高度危险性易发区。