基于粗糙集和BP神经网络的滑坡易发性评价

区域滑坡易发性评价是国土规划和滑坡中长期防治的重要依据。为进一步提高滑坡易发性评价的准确性,以恩施市龙凤镇为研究区,运用地理信息系统GIS技术,获取了包括工程岩组、坡度、地质构造等在内的13个初始评价因子,利用基于遗传约简算法的粗糙集理论对初始评价因子进行属性约简,去掉冗余属性后获得最小约简,即8个核评价因子:工程岩组、高程、地形曲率、道路、水系、坡度、坡向、径流强度指数,并以此作为BP神经网络的输入层,构建RS-BPNN预测模型,获得滑坡易发性指数LSI及滑坡易发性等级分区图。其中高易发区面积占总面积的12.82%,该区包含的滑坡面积占总滑坡面积的78.11%,通过ROC曲线测试,模型预测精度为90.9%。结果表明,RS-BPNN模型预测性能良好,进一步提高了滑坡易发性评价的精度和准确性,有较高的工程实用价值。      

基于斜坡单元的滑坡易发性评价 ——以遵义市汇川区山盆区域为例

贵州省遵义市汇川区是地质灾害相对频发的地区,以遵义市汇川区山盆区域为研究区,以斜坡单元为评价单元,提取地形坡度、地表粗糙指数、斜坡类型、工程岩组、地表起伏度、人类工程活动强度等6项因子,采用层次分析法对研究区滑坡地质灾害易发性进行评价,绘制基于斜坡单元的研究区易发性评价分级图,评价结果认为:滑坡高易发斜坡单元和较高易发...     

基于确定性系数的降雨型滑坡影响因子敏感性分析

本文选择东南沿海地区具有典型降雨型滑坡的淳安县作为研究区,在完成全县地质灾害详细调查的基础上,选取高程、坡度、坡向、曲率、工程地质岩组、距断层距离、距道路距离、土地利用和植被等9个滑坡影响因子,利用GIS技术与确定性系数分析方法,对这9个影响因子开展敏感性分析。研究结果表明:(1) 寒武、震旦、石炭和白垩系是滑坡易发地层,侵入岩组、紫红色砂岩、碳酸盐岩夹碎屑岩、碳酸盐岩为主的岩组是滑坡高敏感性岩组;滑坡受断层影响总体上随着距离断层由近及远逐渐降低;(2) 坡度范围10°~35°是滑坡的易发坡度,30°~35°滑坡数量达到峰值;SE和S等朝南坡向是滑坡最易发坡向;高程范围为100~200m是滑坡最易发区间;凹坡最易发生滑坡,而凸坡则滑坡敏感性最差;非林地、茶叶、竹林和经济林等是滑坡高敏感植被类型;(3) 住宅用地、耕地、园地等与人类活动密切相关的用地类型是滑坡易发地类;距道路距离因子对滑坡敏感性低,相关性不明显。上述各滑坡影响因子最利于滑坡发生的数值区间确定,将为研究区进一步开展降雨型滑坡区域易发性评价及预测奠定基础。     

几种聚类优化的机器学习方法在灵台县滑坡易发性评价中的应用

笔者以甘肃省平凉市灵台县为目标研究区域,基于地理空间和历史滑坡数据,利用混合高斯聚类(GMM)优化的逻辑回归(LR)、支持向量机(SVM)、BP神经网络(BP Neural Network)、随机森林(RF)4种机器学习模型构建滑坡易发性评价分析模型。选取高程、坡度、坡向、曲率、黄土侵蚀强度、归一化植被指数、地质构造7个环境因子作为滑坡易发性影响因子,以30m栅格建立影响因子地理空间数据库,将研究区域划分为180万栅格单元。利用混合高斯聚类模型对整个研究区域的栅格单元进行聚类,得出初步的滑坡易发分区,选择易发程度最低类别中的栅格单元作为非滑坡区域,每次随机选择500个单元作为非滑坡单元,并根据历史滑坡数据将203个已知滑坡栅格单元作为滑坡单元,建立4种机器学习分类模型。利用训练好的模型对整个研究区域进行预测,绘制各算法的受试者工作曲线(ROC曲线),对各个算法的预测结果进行对比。分析结果表明,在本目标研究区域,各模型的滑坡易发区划图与实际的滑坡分布情况总体相吻合。随机森林模型的ROC曲线下面积(AUC)最大为0.96,测试集准确率最高为0.93;BP神经网络模型的ROC曲线下面积和测试集准确率次之,为0.90和0.87;支持向量机模型和逻辑回归模型的ROC曲线下面积和测试集准确率分别为0.86、0.81和0.85、0.80,均低于随机森林和BP神经网络模型。     

基于逻辑回归模型和3S技术的思南县滑坡易发性评价

区域滑坡易发性评价对滑坡灾害防治具有重要意义,贵州省思南县由于其特殊的自然地理和地质条件,受滑坡地质灾害的影响非常严重,因此,非常有必要对思南县的滑坡易发性进行评价。在滑坡编录的基础上,采用由RS、GIS和GPS组成的3S技术,获取了思南县的数字高程模型、坡度、坡向、剖面曲率、坡长、岩土类型、地表湿度指数、距离水系的距离、植被覆盖度和地表建筑物指数10个滑坡影响因子;再在频率比和相关性分析的基础上,利用逻辑回归模型对思南县的滑坡易发性进行了评价并绘制了易发性分布图。结果表明:利用逻辑回归模型预测思南县滑坡易发性的准确率(AUC值)达到0.797,较为准确地预测出了思南县滑坡分布规律;极高和高滑坡易发区主要分布在高程低于600 m、地表坡度较大且以软质岩类为主的区域;而极低和低滑坡易发区主要分布在高程较高、地表坡度较小且以硬质岩类为主的区域。     

基于斜坡单元的山区城镇滑坡灾害易发性评价：以康定为例

山区地质灾害易发性评价对城镇地质灾害风险管理具有重要意义。本文以康定市为例,以斜坡单元为最小评价单元,选取高程、坡度、坡向、曲率、工程地质岩组、距道路距离、距断裂距离、距水系距离和斜坡结构等9个滑坡影响因子,根据各因子滑坡面积比曲线与证据权值曲线的突变点,划分滑坡影响因子二级状态,并对各影响因子进行相关性分析,剔除相关性较高的距道路距离因子,在此基础上,采用证据权模型进行滑坡易发性评价。对已有治理工程的斜坡单元,本文尝试利用折减系数法对其易发性进行进一步评价。结合现场调查,将研究区滑坡易发性程度划分为：极高易发、高易发、中等易发、低易发。评价结果表明,自然工况下极高易发区主要位于康定市炉城镇以及研究区北侧二道桥村一带,高易发区主要位于雅拉河、折多河与瓦斯沟河谷两侧,对治理工程所在的斜坡单元进行折减后,极高易发区面积由11.21%降至8.42%,滑坡比率由4.03降低至2.3,研究结果符合实际情况,模型精度达77.8%。评价结果较好地反映了康定市区的滑坡易发性分布情况,可为城镇精细化评价提供一定的参考依据。     

基于C5.0决策树-快速聚类模型的万州区库岸段乡镇滑坡易发性区划

以乡镇为评价单元开展区域滑坡易发性评价对用地规划、防灾减灾等方面具有重要意义。以万州区临江段的23个乡镇单元作为研究对象,首先选取地表高程、坡度、坡向、岩性、构造、土地利用类型、地形湿度指数、水系、道路9个指标因子,通过C5.0决策树算法计算该区域发生滑坡的概率,再利用快速聚类算法进行易发性结果分级;基于ArcGIS平台得到各乡镇单元的滑坡易发性分区,结果表明:C5.0决策树-快速聚类模型的易发性评价精度最高,AUC值达到0.950,优于人工神经网络-快速聚类模型的0.826和贝叶斯-快速聚类模型的0.772。利用C5.0决策树-快速聚类模型的计算结果,综合考虑极高(高)易发区面积大小及其占乡镇面积比大小,完成各乡镇单元的滑坡易发性区划。在所有23个乡镇中,滑坡易发性等级高的包括大周镇、万州城区、溪口乡、新田镇等乡镇。通过对比各乡镇滑坡面积占研究区滑坡总面积的比重,发现两者结论基本一致,预测结果可为全区滑坡防灾减灾提供科学依据。     

基于有效降雨强度的滑坡灾害危险性预警

选取湖北省恩施地区1 000 km2区域作为典型研究区, 在全面分析该区域历史滑坡资料的基础上, 根据该区滑坡生成与地层岩性之间的关系, 将研究区地层划分为高、中、低3类易发性岩组.分岩组统计降雨监测数据与历史滑坡信息, 得出有效降雨强度与关键降雨持续时间的散点图, 由此确定不同滑坡发生概率的有效降雨强度阈值, 提出该区的滑坡灾害危险性预警判别模型.基于样本区统计数据建立滑坡预测指标体系, 运用GIS得出研究区域的滑坡空间易发性区划结果, 并根据不同易发岩组-有效降雨强度模型, 叠加滑坡灾害易发性分区结果与降雨危险性预警等级分级结果, 对研究区的滑坡灾害危险性进行了预测预警.结果表明: 不同易发岩组-有效降雨强度模型所得预警结果与实际情况吻合, 预警模型具有考虑全面和预警精度高的特点, 在实际预警中切实可用.      

基于多光谱遥感影像的巫峡滑坡灾害识别技术研究

三峡库区地质结构复杂,尤其是巫峡高陡岸坡发育区域,历来是滑坡灾害高发区,对三峡库区的安全运行构成威胁。为了厘清巫峡高陡峡谷区滑坡灾害发育的高精度多光谱遥感影像特征,本研究以高精度遥感影像资料为基础,以巫峡高陡峡谷区为研究对象,应用面对对象的分类方法对研究区的高精遥感影像进行分割和分类,结合多尺度分割和ESP(Estimation of Scale Parameter)工具确定最优分割尺度,选取典型的滑坡对象样本进行最近邻分类,探索基于高精度多光谱遥感影像的高陡峡谷区滑坡灾害识别技术方法。经试验得出高陡峡谷区基于高精度多光谱遥感影像的滑坡灾害识别的最优分割尺度为720,形状因子和紧致度为0.5,在分割基础上,进行分类和滑坡信息提取。通过对比已有滑坡灾害资料,基于遥感影像自动识别滑坡灾害技术得到的研究区滑坡灾害分布结果总体精度达到了0.8696。研究结果表明,基于高精度的遥感影像自动识别滑坡灾害技术方法能够较好地进行分割与滑坡识别,精度评价的结果比较符合实际。研究结果为巫峡高陡峡谷区滑坡灾害的识别、调查、预测和防治提供依据,对三峡库区滑坡灾害的早期识别和防灾减灾有重要意义。     

基于信息量和多层感知机分类器模型耦合的平果市斜坡类地质灾害易发性评价

广西平果市频发的地质灾害严重制约着市区的工程建设和生命财产安全。在充分收集和整理区域地质资料的基础上,通过遥感解译和现场调查,确定了平果市共发育251处斜坡类地质灾害,其中崩塌189处、滑坡62处。选择高程、坡度、坡向、曲率、工程地质岩组、距断层距离、土层厚度、距河流距离和降雨共9个因子作为评价因子,结合信息量和多层感知机分类器的优势,采用信息量和多层感知机分类器耦合模型对平果市斜坡类地质灾害进行易发性评价。斜坡类地质灾害易发性制图表明极高易发区占平果市面积的25.39%,主要分布于平果市的北部、中部和南部山区。通过ROC曲线对模型预测能力进行检验获得AUC=0.809,表明模型评价结果能够很好地预测研究区斜坡类地质灾害的发生。研究结果可为研究区的崩滑灾害风险评价和灾害防治提供科学依据。     

Landslide susceptibility assessment using object mapping units,decision tree,and support vector machine models in the Three Gorges of China

Due to the particular geographical location and complex geological conditions, the Three Gorges of China suffer from many landslide hazards that often result in tragic loss of life and economic devastation. To reduce the casualty and damages, an effective and accurate method of assessing landslide susceptibility is necessary. Object-based data mining methods were applied to a case study of landslide susceptibility assessment on the Guojiaba Town of the Three Gorges. The study area was partitioned into object mapping units derived from 30 m resolution Landsat TM images using multi-resolution segmentation algorithm based on the landslide factors of engineering rock group, homogeneity, and reservoir water level. Landslide locations were determined by interpretation of Landsat TM images and extensive field surveys. Eleven primary landslide-related factors were extracted from the topographic and geologic maps, and satellite images. Those factors were selected as independent variables using significance testing and correlation coefficient analysis, including slope, profile curvature, engineering rock group, slope structure, distance from faults, land cover, tasseled cap transformation wetness index, reservoir water level, homogeneity, and first and second principal components of the images. Decision tree and support vector machine (SVM) models with the optimal parameters were trained and then used to map landslide susceptibility, respectively. The analytical results were validated by comparing them with known landslides using the success rate and prediction rate curves and classification accuracy. The object-based SVM model has the highest correct rate of 89.36 % and a kappa coefficient of 0.8286 and outperforms the pixel-based SVM, object-based C5.0, and pixel-based SVM models.     

斜坡地质结构与地质灾害发育类型研究——以店子街幅灾害为例

岩土体是组成斜坡地质结构的基本单元,斜坡地质结构类型与地质灾害的发育类型密切相关。店子街幅图幅调查范围内主要发育软弱-较坚硬层状泥岩、砂岩岩组,风积黄土单层土体,粉土、砂砾卵石双层土体,粉土、碎石和基岩碎屑多层土体等4类岩土体,这些不同的岩土体组成了6种不同的斜坡地质结构,进而演变形成了不同类型、不同规模的斜坡地质灾害。黄土斜坡结构和黄土—冲洪积层斜坡结构多演变发生小型滑坡灾害、黄土—泥岩斜坡结构多演变发生中—大型黄土泥岩滑坡灾害、泥岩与泥质砂岩互层斜坡结构多演变发生崩塌灾害、泥岩风化堆积层斜坡结构和滑坡堆积层斜坡结构多演变发生小-中型滑坡灾害。研究不同斜坡地质结构与地质灾害发育类型的发育关系,有助于进一步开展区域崩塌、滑坡形成机理研究,研究成果有助于洮河下游地质灾害防治工作的展开,并为地方政府科学制定地质灾害防灾减灾规划提供了技术支持。     

国道213汶川—松潘段滑坡隐患遥感识别与易发性评价

国道213汶川—松潘段位于强震山区,滑坡灾害频发,每年都会因滑坡灾害导致交通中断,迫切需要查明沿线滑坡隐患的空间分布,并对其易发性进行评价。利用光学遥感和InSAR综合遥感技术对沿线滑坡隐患进行识别,共识别滑坡隐患288处,其中InSAR探测出有形变的滑坡隐患点27处。以识别出的滑坡隐患为评价样本,选取高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数(normalizied difference vegetation index,NDVI)、距道路距离、距河流距离、距断层距离等9个影响因素作为评价因子,采用Logistic回归模型评价该沿线滑坡隐患易发性,评价结果可为国道213汶川—松潘段滑坡灾害防治提供参考。     

基于组合赋权-未确知测度理论的滑坡危险性评价

危险性评价与预测是滑坡灾害预防与减灾工作首要解决的重要内容。以西藏隆子县研究区内发育的滑坡为例,据其特有的地质环境条件,选取滑坡发育高程、坡度等13项影响因素作为滑坡危险性评价的指标,并建立分级标准将滑坡危险性划分为高度、中度和低度三级。采用组合赋权-未确知测度理论耦合评价模型,构建了评价指标未确知测度函数、评价指标组合赋权值、置信度判别准则,对研究区内20个滑坡进行了危险性评价,获得了每个滑坡危险性等级,并与模糊物元和突变理论评价结果及实测结果对比,评价结果基本符合实际情况,证明该方法科学合理,可为滑坡危险性预测提供新思路。     

基于不同耦合模型的县域滑坡易发性评价对比分析

为有效预测县域滑坡发生的空间概率,探索不同统计学耦合模型滑坡易发性定量评价结果的合理性和精度,以四川省普格县为研究对象。选取坡度、坡向、高程、工程地质岩组、断层和斜坡结构等6项孕灾因子作为评价指标体系,基于信息量模型（I）、确定性系数模型（CF）、证据权模型（WF）、频率比模型（FR）分别与逻辑回归模型（LR）耦合开展滑坡易发性评价。结果表明:各耦合模型评价结果和易发程度区划均是合理的,极高易发区主要分布于则木河、黑水河河谷两侧斜坡带,面积介于129.04～183.43 km2（占比6.77%～9.62%）,各模型评价精度依次为WF-LR模型（AUC=0.869）>I-LR模型（AUC=0.868）>CF-LR模型（AUC=0.866）>NFR-LR模型（AUC=0.858）。研究成果可为川西南山区县域滑坡易发性定量评估提供重要参考。     

北京山区突发性地质灾害易发性评价

北京山区地质环境条件复杂,发育大量突发地质灾害隐患,既直接威胁山区村庄、道路、景区的人员及设施的安全,又会对城镇的规划建设构成威胁。通过开展地质灾害易发性评价工作,划分出地质灾害易发区,以评价结果指导城镇建设规划,减轻地质灾害的威胁,这是一项十分重要的工作。文章在阐述北京山区崩塌、滑坡及泥石流突发地质灾害发育情况的基础上,选取了坡度、起伏度、工程地质岩组、地质构造、地貌类型及降水等6个影响因子,采用综合信息量模型方法,分别对北京山区斜坡类灾害（崩塌、滑坡）和泥石流灾害的易发性进行评价,并根据“就高不就低”的原则,叠加各灾种的易发性评价结果划分出北京山区突发地质灾害易发性分区图,为城镇建设适宜性评价、编制国土空间规划及完善空间治理提供科学的依据。     

遗传算法优化BP网络在滑坡灾害预测中的应用研究

在陕西省宝鸡市附近长寿沟地区滑坡详细调查和遥感解译的基础上,完成了1∶10000滑坡编目图。通过使用GIS的水文分析功能,运用正反DEM技术,将长寿沟地区划分为216个自然斜坡单元,其中包括123个滑坡单元和93个未发生滑坡单元,分析滑坡发生与坡高、坡度、坡向、坡形、人类工程活动和水文地质条件影响因子之间的统计规律。利用经遗传算法优化后的BP神经网络对80个滑坡样本和40个未滑坡样本进行训练学习,然后再利用训练好的网络对预测样本进行评价分析。结果表明:43个已滑坡单元中只有3个被误判为无滑坡,正确率为9302%,53个未滑坡单元中有10个被预测为滑坡,正确率为8113%,总体正确率为8646%。通过对被预测为滑坡的10个斜坡单元进行分析,发现这些单元在坡形、坡高等影响因素的组合上已经具备了发生滑坡的条件,虽然目前没有发生滑坡,但作为潜在的滑坡危险区,可以为滑坡灾害预测预报和防灾减灾工作提供参考。     

抚顺西露天矿区滑坡易发性评价与时空特征分析

近年抚顺西露天矿矿区滑坡在规模、活动频率以及空间发育位置等方面均与矿区历史滑坡呈现出较明显的时空差异性,为矿区未来治理提出新的挑战。故基于改进频率比模型,选择人类工程活动（主要是采矿工程扰动）和工程地质条件两类致灾因素,对由矿区滑坡时空差异所导致的易发性变化进行研究。结果表明:影响矿区滑坡灾害的主要因素包括坡体结构、工程岩组和水文地质条件;矿区滑坡易发性较2010年前有所降低,高易发区和较高易发区面积共减少1.294 km2,但北帮中区等地段仍呈高易发态势;滑坡易发区的空间位置与2010年前后对比发生了较大变化,矿坑西北帮滑坡易发性大幅降低,东部环矿区境界50~500 m处滑坡易发性轻微降低,北帮中段与南帮中、西段顶部滑坡易发性增加,其中北帮中段为目前最易发的区段。研究结果可为矿区闭坑停采后边坡整治及后续规划利用提供参考依据。