山区公路沿线斜坡物理韧性随机森林评价模型——以四川省茂县为例

[目的]建立山区公路沿线斜坡物理韧性随机森林评价模型,为山区斜坡抗灾工作提供科学参考。[方法]以四川省茂县为研究区,选取高程、坡度、坡向、坡位、微地貌、曲率、顺逆向坡、归一化植被指数、岩性、距水系距离、距断层距离、距道路距离、多年平均降雨13个斜坡物理韧性评价因子,结合公路沿线498个历史斜坡破坏点,构建斜坡物理韧性评价的地理空间信息数据库。将样本数据按照7∶3的比例分为训练数据和验证数据。采用随机森林方法对训练数据进行训练建模,将得到的模型分别对训练数据、验证数据和样本整体数据进行预测分析。采用混淆矩阵和ROC曲线对模型预测的准确度进行验证。[结果]评价因子中高程、距道路距离、距水系距离这3个评价因子的权重较大。该模型精度较高,混淆矩阵的精度为98.9%,训练数据集、验证数据集和整个研究区的ROC曲线下的面积(AUC)值分别为1.000,0.870和0.978。模型仿真到整个研究区中,将研究区的物理韧性划分为极低、低、中、高、极高5个等级。[结论]基于随机森林方法构建的山区公路沿线斜坡物理韧性评价模型具有较高的稳定性以及可靠性。     

应用GIS和神经网络方法进行泥石流危险度评价的研究——以云南省为例

应用了GIS和神经网络方法,根据云南省31年的降水数据和DEM数据,以该省典型的区域为样本训练神经网络,以县、市行政区域为评价单元,对云南省泥石流的危险度进行了评价。结果表明,所采用的网络能够很好地收敛,用训练好的网络对全省125个县市的样本进行测试,结果表明网络能较好的对样本做出评价,而且评价结果与其他方法进行评价的结果较一致,达到了设计网络所预期的目的。     

基于GIS的泥石流发生域危险性评价——以大寨沟流域为例

以大寨沟流域为例,在GIS技术支持下,通过计算机对空间数据获取、处理和分析,建立了该流域的泥石流发生域危险性评价基本数据库。再通过合理选取评价指标、建立指标权重体系、计算综合评价值等一系列程序,建立了泥石流发生域危险性评价的数字环境模型,绘制了大寨沟流域泥石流发生域危险性等级评价图。在GIS技术支持下,实现了大寨沟流域泥石流发生域的危险程度评价,为白鹤滩水电站的顺利建设打下了基础。     

基于GIS的徐州生态敏感性分析

借助GIS技术手段,根据徐州地区的本底环境特征选用了7个因子,采用取最大值法对徐州地区生态敏感性及其空间分布进行了定量化分析,按生态敏感性的高低将研究区划分为5级:极高敏感区、高敏感区、中敏感区、低敏感区和非敏感区,可为研究区的开发建设和规划提供依据及参考。结果显示:高敏感区和极高敏感区占研究区面积的17.29%,中敏感区占9.85%,非敏感区和低敏感区占72.85%;表明徐州地区的生态敏感性总体上较低。     

基于随机森林算法的土壤侵蚀影响因子研究——以赣江上游流域为例

[目的]分析影响赣江上游流域土壤侵蚀的主要因素,为该区水土流失治理与科学管理提供科学依据。[方法]基于2015年Landsat 8遥感影像、MODIS NDVI数据、数字高程模型(DEM)、土壤类型和降雨数据,采用RUSLE模型和随机森林算法对赣江上游流域土壤侵蚀及其影响因子进行定量化分析。[结果] 2015年赣江上游流域土壤侵蚀强度由东南向西北逐渐加剧,总体上处于轻度侵蚀水平,土壤侵蚀总量为3.45×10~7 t/a,平均土壤侵蚀模数为1 046.38 t/(km~2·a),比南方红壤丘陵区土壤允许流失量[500 t/(km~2·a)]高出2倍之多;子流域9,11,15平均土壤侵蚀模数分别为1 672.66,1 715.83和1 565.36 t/(km~2·a),处于中度侵蚀级别,为研究区重点防治区域;其余子流域均为轻度侵蚀级别。[结论]各子流域的土壤侵蚀受植被覆盖与管理因子(C)和坡长坡度因子(LS)影响较大,两者重要程度分别在30%和20%以上,土壤可蚀性因子(K)和降雨侵蚀力因子(R)的重要程度偏低,均未超过10%。其中子流域9,11,21主要受LS因子影响,其余子流域均受C因子主控。     

基于随机森林模型的耕地表层土壤有机质含量空间预测——以河南省辉县市为例

耕地表层土壤有机质含量与作物生长发育密切相关,掌握土壤有机质空间分布对土壤肥力定向培养和农业生产指导具有重要意义。本研究以河南省辉县市5 922个耕地资源管理单元图斑中心点为基础数据,并分别按8∶2、7∶3、6∶4的比例随机划分训练数据集和验证数据集,以土壤类型作为辅助定性变量,利用随机森林模型模拟预测土壤有机质含量与自然环境变量(坡向、曲率、坡度、高程、土壤质地、归一化植被指数NDVI)、社会经济因子(排水能力、灌溉状况)之间的复杂非线性关系。结果表明:①当训练集与检验集中样点数量的比例为8∶2时,对应的随机森林模型总体上预测精度较高;②选用80%基础数据作为训练集时,预测得到的地图与已有图件相比,相关性达到0.859;③当用303个实地数据验证时,预测值与实测值的皮尔逊相关系数为0.595。通过对影响因子的重要性排序,发现土壤质地是研究区农用地表层土壤有机质含量的最重要影响因子。因此,随机森林模型作为机器学习和数据挖掘的有效方法,能较好地模拟输入变量与有机质含量之间的关系,预测图件与实际情况相符,但对有机质含量精细的差异不能很好体现。     

基于GIS的西藏林芝地区泥石流易发与危险区分析

西藏林芝地区是我国泥石流灾害最为严重的地区之一,特别是近年来受全球气候变化的影响,冰川融化速度加快,冰川融水型泥石流灾害频频发生,危害严重。自2011年6月中旬开始,对该地区泥石流做了系统调查,并以遥感与GIS作为数据获取与分析处理的技术手段。首先分析了地质、地貌、冰川活动、气候、地震单因子对林芝地区泥石流易发区的影响并给出了相应的易发区区划结果;其次,以主导因素分析原则对单因子进行综合叠加得到该地区泥石流易发区分区结果;最后,在易发区的基础上考虑区域内的威胁对象进行空间运算叠加得到该区域泥石流危险区,并针对性地提出了区域泥石流防灾减灾的建议。     

基于GIS的漓江流域环境敏感性分析

漓江流域水安全和生态安全形势严峻,流域生态环境极易受到外界的影响,环境敏感性分析和评价作为流域生态功能区划的基础性工作,应当引起足够的重视。在综合考虑漓江流域生态环境特点的基础上,建立了适用于漓江流域环境敏感性评价的指标体系,在GIS软件支持下,对漓江流域环境敏感性进行了综合分析与评价,探讨了漓江流域生态环境敏感性的空间分布及分异特征,并将其划分为极敏感区、高度敏感区、中度敏感区、轻度敏感区和一般敏感区5个等级区域,最后按照行政区划对其敏感性区域进行了统计,以期为漓江流域生态修复提供基础支撑。     

基于随机森林算法的耕地面积预测及影响因素重要性分析——以甘肃省庆阳市为例

[目的]分析耕地面积变化影响因素的重要性,以便科学预测耕地资源数量,为保护耕地资源服务。[方法]以属于黄土高原地区的甘肃省庆阳市为例,尝试采用随机森林算法构建耕地面积预测模型,与BP神经网络模型的预测结果进行对比,并对耕地面积变化影响因素重要性进行排序。[结果]随机森林算法预测结果的相对误差和均方根误差均小于BP神经网络的,预测精度高,结果稳定。它预测出2020,2025,2030年的耕地面积分别为4.515×10~5,4.513×10~5,4.512×10~5 hm~2,呈现减少的趋势;主要影响因素重要程度排序为:农业机械总动力农业人口地区生产总值固定资产投资额。[结论]随机森林算法适合于耕地面积预测,且能够测度耕地面积变化影响因素的重要程度。     

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。     

云南昆明东川区泥石流危险性评价

根据泥石流危险度评价的五个层次：即泥石流灾害野外调查、泥石流暴发成因分析、危险度评价模型、灾害评价与减灾。根据泥石流的发生学原理,10个自然因子分别用于代表能量、物质和激发条件,以用于自然危险度评价,在评价时采用了权重模型和方根模型,野外泥石流调查资料用于模型检验,结果表明权重模型能更好进行自然危险度区划;4个社会经济发展水平代表性因子用于经济状况评价。二者复合后得到该区域综合危险度评价。根据综合危险度评价结果最重度危险区面积为133.7 km^2,79.0%的泥石流沟该区内;重度危险区面积580.6 km^2,19.8%的泥石流沟位于该区内;中度危险区面积723.9km^2,有1.2%的泥石流沟位于区内;安全区面积119.0 km^2,该区内无泥石流沟,表明分区结果符合实际泥石流分布。根据分区结果提出了该区内泥石流减灾方案。     

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。     

基于故障树分析法的亚热带地区泥石流危险性评价

通过分析泥石流危害的影响因子及其间存在的逻辑关系,运用故障树分析法(FTA),针对亚热带地区泥石流主要危害线域工程的特点,建立了泥石流灾害评价故障树,并应用于泥石流危险性评价。对广东省乐昌市16条泥石流沟危险度的评价结果表明,该方法与传统灰色关联度危险度评价法结果一致性较高,且更符合实际情况。该法克服了传统方法因子、权重不灵活,未考虑因子之间的非线性关系,及地区适用局限性等问题。从而证明了故障树分析(FTA)法在泥石流危险性评价应用中的有效性和可行性。     

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与地统计学土壤养分空间变异特征研究——以辽宁省凌源市6乡镇为例

以辽宁省凌源市西南部6乡镇为研究对象,利用GPS定位采集了1 042个土壤表层样.采用传统统计学和地统计学相结合的方法,研究了土壤养分的空间变异特征.结果表明,土壤养分的变异系数为29.45%～67.25%,变异强度是有效磷>碱解氮>有机质>速效钾.有机质、碱解氮和速效钾的C0/(C0+C)比值均在49.7%～49.90%之间,都具有中等的相关性,而有效磷的C0/(C0+C)的比值为100%,空间的相关性较弱.分维数D大小顺序为:有效磷>碱解氮>速效钾>有机质.Kriging插值分析表明,研究区土壤养分的空间分布格局主要受土地利用类型影响较大.     

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MaxEnt模型的怒江大峡谷泥石流易发性评价和成因

为进行泥石流易发性分区及环境因子的敏感性评价,选取降水、高程、坡度、坡向、径流量、岩性、断层、归一化植被指数、土壤侵蚀模数等9个环境因子,基于最大熵(MaxEnt)模型对187个泥石流沟道进行易发性评价。结果表明：导致泥石流易发的主导因素依次是径流量、高程、降水、岩性、断层、坡度、归一化植被指数、土壤侵蚀模数、坡向。依据泥石流灾害易发概率进行易发性分区发现,贡山—福贡段泥石流易发性最强,模型AUC值为0.974,标准差为0.010,模型分析结果与实际结果一致。与研究区山洪沟道9个环境因子进行对比评价发现,泥石流对环境因子的敏感性要比山洪复杂。通过能量分析的方法证明泥石流环境因子的敏感性复杂的原因,表明流域汇水能量对灾害的形成贡献率最大。     

西南山区泥石流沟流域形态统计分析——以云南小江流域为例

泥石流沟谷因泥石流类型和发育阶段不同而具有多种形态,对其进行研究具有十分重要的理论和实际意义。通过对小江流域32条灾害性泥石流沟的流域面积、主沟长、平均沟床比降、流域平均宽度进行统计分析,得出了几点结论,为泥石流危险度评价和防治工作提供了参考。     

苏北低山丘陵区典型性森林土壤健康评价研究

以苏北低山丘陵区6种典型性森林植被下土壤为研究对象,通过野外调查与室内分析,在系统调查和分析土壤形态、物理、化学、酶活性特征以及物种多样性的基础上,运用土壤学知识和专家经验,构建了适合苏北山丘区森林土壤健康评价指标体系;应用不同类型的评分函数方程,对各评价指标数值进行隶属度处理,并基于SPSS软件对所获得数据进行差异性检验和相关分析,确定各项指标的权重;最后通过加权综合法,建立森林土壤健康指数,对该地区不同林分下土壤健康状况进行评价。