白龙江流域滑坡危险性评价指标体系的构建

滑坡的发生受控于多种影响因子,同时影响因子中各属性类别对滑坡的发育分别产生促进或抑制作用,因此,构建合适的指标体系对滑坡危险性评价具有重要意义。以白龙江流域作为研究区,通过野外调查及前人研究,选取8个影响因子,并对各影响因子及其各属性类进行敏感性分析。结果表明各因子平均敏感性从大到小排序依次为:土地利用1.992,地质年代1.262,高程1.123,河流缓冲区1.059,距断层构造线距离1.058,坡度1.014,坡向0.978,NDVI(归—化植被指数)0.505,由于坡向和NDVI的平均敏感性小于1,因此予以剔除。最终确定高程、坡度、土地利用、地质年代、距断层构造线距离以及河流缓冲区6个因子作为白龙江流域滑坡危险性评价的参评因子。利用GIS的信息量法对白龙江流域滑坡进行危险性评价,得到白龙江流域滑坡危险性分区图。通过检验,评价结果具有较高的准确性,进而充分证明了参评因子选取的合理性。     

宣汉地区降雨型滑坡空间发育规律及敏感性分析

宣汉县是四川省达州市地质灾害较为发育的县区。为研究该区域滑坡分布及稳定性规律,通过实地调查滑坡数据信息,并结合GIS技术和确定性系数法,分析与滑坡分布及稳定性紧密关联的多个致灾因子(滑坡坡度、高程、坡向、岩性、水系和公路)的敏感性。结果表明研究区滑坡灾害受到致灾因子影响区间多发生在:①400～1 000 m的高程范围内,其中400～600 m处于高度易发区;②滑坡坡度处于5°～25°的相对区间内,其中5°～15°区间更加敏感;③水系缓冲区和公路缓冲区均在800 m范围内,特别是公路缓冲区在400 m范围内的影响更大。同时,应用敏感性系数比值和敏感性指数进一步分析了致灾因子对滑坡分布和稳定性2个方面的影响程度。分析表明:坡度因子对降雨型滑坡稳定性起到重要的影响,但其对滑坡分布的影响程度要弱于公路因子。研究结果为今后类似条件下的滑坡危险性评价、防灾减灾计划等提供理论依托。     

四川省普格县滑坡孕灾环境因子敏感性分析

四川西部是我国地质灾害高易发区。为了对滑坡孕灾环境因子的敏感性进行定量分析,以普格县境内分布的滑坡为例,基于变维分形理论、ArcGIS平台,借助累积和变换次数和分维值研究区内小、中、大型滑坡孕灾环境因子的敏感性,并引入分维值方差这一概念来度量分维值的离散程度。主要成果与结论为:①坡度、断裂和公路等因子对滑坡发育的影响较大,河流和起伏度等因子对滑坡发育的影响较小;②中型滑坡的孕灾环境因子分维值方差最大,小型滑坡次之,大型滑坡最小;③分维值为滑坡对孕灾环境因子的敏感性提供了定量的分析,而分维值方差为滑坡对各个孕灾环境因子敏感性程度的离散性进行了度量;④变维分形理论为滑坡灾害危险性评价中的孕灾环境因子权重提供了分形学依据。     

空间数据挖掘技术在滑坡敏感性评价中的应用

基于空间数据挖掘技术对滑坡敏感性评价进行研究,利用遥感技术、地形图矢量化和数字高程模型(DEM)生成等方法获取空间数据,建立研究区的滑坡灾害空间数据库,在全面分析滑坡与高程、坡度、坡向等地貌因子的关系后,采用Auto Logistic回归模型和信息统计量模型对研究区进行震后浅层滑坡的敏感性评价,并对不同的评价方法产生的敏感性评价结果进行了精度分析。结果表明:信息统计量模型的AUC为0.713,Auto Logistic回归模型的AUC为0.836,两个模型可以相互验证,Auto Logistic模型的预测精确度较高。     

基于PSO-SVM模型的滑坡易发性评价

滑坡易发性评价是区域滑坡预警和评估工作的前期准备。滑坡致灾因子的有效选取以及评价模型的构建成为当前滑坡预测研究中的难点问题。以府谷县作为研究区,借助多种技术手段将数字高程模型(DEM)、地质图、路网图、遥感影像图等多源数据进行融合,提取了地形地貌、地层岩性以及地表覆盖等滑坡孕灾环境因子和降雨量、人类工程活动等诱发因素的特征属性作为评价指标。在此基础上,对提取的各因子的相关性进行分析,剔除了地形起伏度因子。采用粒子群优化(PSO)算法对支持向量机(SVM)模型的参数进行优化,得到最佳参数组合为惩罚因子c=1.42,核参数σ=1.15,将最优参数组合代入支持向量机模型中,构建出粒子群优化算法-支持向量机模型(PSO-SVM),并将其用于研究区滑坡易发性定量评价中。最后分别采用ROC曲线与Kappa系数对PSO-SVM模型性能的优越性进行检验,结果表明,PSO-SVM模型成功率与预测率分别为0.931和0.917,训练集与测试集的预测精度分别为79.17%、76.67%。研究结果可以为从事滑坡预测评价工作者提供决策参考。     

中小河流洪涝风险评估及研究——以哈尔滨地区为例

针对中小河流洪涝灾害防治工作中存在的河流数目庞大、基础资料缺乏、重点难以确定等问题,以哈尔滨地区为例,基于现代灾害风险理论,利用遥感数据和社会经济数据,在GIS空间分析基础上,通过对致灾因子的危险性、孕灾环境的敏感性、承灾体的脆弱性和区域防灾减灾能力的分析,对洪涝灾害风险进行定量评价,绘制出研究区域的洪涝灾害风险指数分布图。在此基础上应用聚类分析等方法进行洪涝风险分区和河流分类,从而科学、快速地确定重点防治地区和河流。研究成果不仅对哈尔滨地区中小河流洪涝灾害防治具有指导意义,所采用的技术方法还可供其他地区中小河流治理借鉴参考。     

基于加权信息量模型的临潼区滑坡易发性评价

为提高滑坡易发性评价的准确性和精度,结合随机森林(FR)模型和信息量(IV)模型2种方法,提出一种新的加权信息量(WIV)模型。以西安市临潼区为研究区,基于野外调查和因素相关性分析,选取坡度、坡向、高程、曲率、地形起伏、岩土体类型、降雨量、断层、水系和道路10个影响因子,以全区72个滑坡灾害点为样本数据,分别采用FR模型、IV模型和WIV模型对研究区开展滑坡易发性评价。结果表明:WIV模型训练样本的成功率和预测率比FR模型分别高4.9%和1.9%,比IV模型分别高17.80%和4.70%;滑坡灾害点高易发区和极高易发区多分布在断层、河流及道路集中区域,且其滑坡灾害点比例WIV模型比IV模型、FR模型分别提高6.37%和4.45%;WIV模型易发性评价分区结果与研究区实际情况相近。研究成果可为防灾减灾工程提供科学依据。     

基于机器学习模型的福州地区滑坡易发性评价

开展滑坡易发性评价是开展区域地质灾害风险管理的基础性工作,以福州主要陆域区为对象,基于植被覆盖度、高程、坡度、坡向、岩性、距断裂距离和距水系距离共7个影响因子,采用逻辑回归模型和随机森林模型进行滑坡易发性评价,并将模型评价结果分为低、较低、中、较高和高共5个易发性等级区划。研究表明,随机森林模型满足较高和高风险区的面积小、区内滑坡密度大的预测模型评判标准,预测精度更高且泛化能力更好,从而验证研究区基于机器学习模型的滑坡易发性评价的可行性;研究还表明植被覆盖度和高程是研究区滑坡易发性评价的高重要性影响因子,而坡向是最低重要性的影响因子,可以为该区域滑坡灾害风险评估的信息获取提供参考。     

基于地质环境分区的南漳县城区滑坡易发性评价

对于地质环境复杂地区,不同区块滑坡的形成机理和主控因素差异明显,若对不同区块使用相同的评价因子和权重进行易发性评价,会导致评价结果不可靠。鉴于此,以襄阳市南漳县城区为例,通过对斜坡高度、斜坡坡度、地层岩性、覆盖层厚度、断裂构造、斜坡结构、水系密度、道路密度和房屋密度9个评价因子进行分析,依据地质环境的差异将研究区划分为3个区块,基于ArcGIS软件运用层次分析法对不同区块内的土质滑坡、岩质滑坡分别进行易发性评价,并以2种滑坡的数量百分比为权重,加权求和得到研究区滑坡易发性区划图。通过与未分区的易发性结果对比,结果显示:基于地质环境分区的易发性结果更加可靠,高易发区与已知滑坡灾害位置更加吻合。研究有益于区域地质灾害易发性评价向精细化方向发展,所提出方法具有很强的实用性。     

耦合信息量和Logistic回归模型的滑坡易发性评价

区域滑坡易发性预测能准确地反映出特定研究区内滑坡分布的空间概率特征。基于信息量和Logistic回归的耦合模型,对江西省崇义县滑坡易发性进行了预测,首先选取高程、坡度、坡体结构、平面曲率、剖面曲率、地形起伏度、距水系距离、岩性、归一化植被指数(NDVI)和归一化建筑指数(NDBI)等10个影响因子;之后利用各因子的信息量值来构建Logistic回归模型;最后以信息量模型和Logistic回归模型作为对比模型来探讨3种模型各自的滑坡易发性评价结果。结果表明:耦合模型具有最好的预测性能(AUC=80.4%),其余依次为Logistic回归模型(76.8%)和信息量模型(72.8%);各模型所预测的滑坡易发性分布规律具有一定的相似性,滑坡灾害多集中发生于海拔高程较低、接近水系、碳酸盐岩性地层构造、植被覆盖率低、建筑密集的区域。     

北京地区崩塌灾害成灾因子敏感性分析

选取北京地区崩塌灾害现有调查成果作为研究对象,分析了北京地区崩塌灾害与地形地貌、地层岩性、构造、降水和人类活动之间的定性、定量关系。从2004~2015年突发地质灾害应急调查数据中选取了18起突发地质灾害作为研究案例,采用主成分分析法,对崩塌灾害成灾因子敏感性进行分析,得出崩塌灾害成灾因子敏感性由大到小排序为节理裂隙、地形坡度、人类工程活动、降水和岩性。研究成果可为今后北京地区突发地质灾害的防治提供依据。     

基于ArcGIS的易滑地层滑坡孕灾模式研究——以湖北省保康县为例

湖北省保康县滑坡灾害发育,查明滑坡的孕灾模式十分必要。通过分析滑坡分布发育特征,选取高程分布、水系分布、岩土体类型、降水、断层分布和人类活动6个因子,基于Arc GIS操作平台进行因子敏感性分析,进而识别出研究区易滑地层。在此基础上,提取出非连续变量孕灾模式:孕灾模式A,含碎石粉质黏土+基岩为碎屑岩;孕灾模式B,含碎石粉质黏土+基岩为碳酸盐岩。采用确定性系数(CF)法识别出连续变量孕灾模式:滑坡发育面积多为1.2万~4.8万m~2,滑坡后缘高程主要集中在280~520 m高程段,总体坡度19°~31°,且发育岩层倾角9°~36°。综合以上变量,获得研究区易滑地层滑坡典型孕灾模式,可划分为2个大类和6个亚类,即基岩为碎屑岩类(根据不同斜坡结构又可细分为3类)和基岩为碳酸盐岩类(根据不同斜坡结构又可细分为3类),滑体物质成分均为含碎石粉质黏土。研究结果可为保康县滑坡灾害防治提供一定的地质依据。     

基于GIS的色达县地质环境质量评价和分析

色达县位于青藏高原东部边缘,地质环境复杂,对该地区进行系统的地质环境质量评价对其社会经济发展有重要意义。基于2015年色达县地质灾害详细调查数据,结合研究区实际情况,选择了坡度、坡向、地表粗糙度、工程地质岩组、24h最大降雨量、水系、人类工程活动和地质构造8个指标作为本次评价的指标;利用专家打分法确定了所选指标的权重;并基于GIS平台对指标进行量化与加权叠加分析,得到区域地质环境综合评价结果,按照一定标准将评价结果分为3级。结果表明:地质灾害发育数量在地质环境差的区域占82.81%,地质环境质量中等的区域占15.63%,在地质环境质量好的区域仅占1.56%;地质环境质量分区与灾害易发程度吻合度高,验证了评价结果的合理性,对区内防灾减灾工作有指导意义。     

云南鲁甸地质灾害发育背景研究

位于云南东北部的鲁甸县是我国地质灾害高发的区县之一,2014年前,县域内共有各类地质灾害隐患点248处;2014年"8.03"鲁甸Ms6.5地震后,县域内各类地质灾害隐患点增至671处,其中滑坡382处,崩塌244处,滑坡崩塌占地质灾总数93.3%,是鲁甸县主要的地质灾害。通过在区内开展1∶5万标准分幅地质灾害调查,查明了龙头山镇图幅地质灾害发育分布特征与孕灾地质背景条件:(1)牛栏江及其支流两岸斜坡高陡,为地质灾害发育提供了地形条件;(2)顺(向)斜坡与碎裂状、散体状结构岩土体是地质灾害发育的物质基础;(3)北、北东向的断裂与向斜构造控制着地质灾害的发育和分布;(4)泥岩、页岩、砂泥岩等易崩易滑软弱岩层和风化界面对滑坡具有控制效应;(5)岩体的风化程度、岩溶效应、结构面发育程度等对滑坡发育也具有控制效应。     

似然比检验在区域斜坡稳定性敏感因素分析中的应用

敏感因素分析是区域斜坡稳定性评价的前提.设计了逐个加入影响因素进行嵌套模型的优劣程度对比的试验方法,将巫山县新址西区作为试验区,选取影响区域斜坡稳定性的几个因素为自变量,历史滑坡的发生为因变量,建立Logistic回归模型.通过对回归方程的似然比检验进行模型优劣程度的对比,得出影响本区斜坡稳定性敏感因素的程度.试验区斜坡稳定性敏感因素程度计算结果依次为:岩土类型、高程、地下水位埋深、距有影响构造线距离、坡度或坡形.     

管道漏水引起黄土滑坡失稳机理研究

2011年3月2号,甘肃东乡县城发生重大地质灾害——滑坡,威胁县城2/3安全。通过对东乡县城"3.2"滑坡的现场勘察,分析了滑坡的发育特征,并对非饱和黄土进行土水特征曲线吸湿测试,运用饱和非饱和渗流理论,进行了管道漏水滑坡渗流场模拟,探讨了管道漏水引起的黄土滑坡渗流场变化规律。最后,对原始边坡与管道漏水边坡的稳定性进行了对比,认为管道漏水是滑坡发生的诱发因素。     

滑坡碎屑流运动特征的模型试验研究

运动距离、速度变化及堆积体厚度是滑坡致灾区域和致灾强度的主要评价指标,其复杂的运动机制使灾害预防十分困难。通过开展室内滑坡模型试验,研究了岩土体类型、斜坡坡度和滑体体积对其运动特征的影响。试验结果表明:滑坡碎屑流的运动距离受控于岩土体类型,且随着碎屑粒径的增大而增大。且随着斜坡坡度的增大,滑坡由分级启动向整体启动转变,撞击坡脚引起的持速特征,是造成同等规模下滑坡运动距离和堆积厚度差异的原因。同时,滑坡规模越大,其运动距离越远,符合滑坡的规模效应。     

基于Visual MODFLOW的地下水流数值模拟——以四川垮梁子滑坡为例

以四川省中江县冯店镇垮梁子滑坡为研究对象,通过工程地质勘察查明了研究区基本地层结构,结合水文地质调查与现场试验(电阻率成像法、直流充电法、示踪试验、注水试验等)获得的水文地质参数和边界条件,建立了滑坡区水文地质概念模型,并运用Visual MODFLOW软件构建了垮梁子岩质滑坡体中地下水各向异性三维渗流模型,经过模型的识别及验证,对模型的水文地质参数进行了敏感性分析。结果显示:渗透系数对模型的准确性影响较大,后缘水位对滑坡的稳定性起关键作用。模拟结果可以对垮梁子滑坡预警预报模型的建立提供科学依据。