区域滑坡空间预测方法研究及结果分析

区域滑坡空间预测是通过分析滑坡在区域空间分布的丛集性及规律性,圈定出滑坡相对危险性区域。通过MAPGIS软件平台及其二次开发的滑坡灾害分析系统,采用半定量和定量两种方法对浙江省永嘉县区域滑坡进行了预测。半定量方法采用反映历史滑坡强度的袭扰系数和滑坡易发程度指数来评价,编制了危险性预测分区图;定量化方法采用信息量模型来评价,采用规则网格作为预测单元,运用该模型对永嘉县区域滑坡进行了空间定量预测,并依信息量法的结果编制了该区的危险性划决预测分区图,为政府部门进行土地规策、避免在滑坡易发区进行大规模土地开发和工程建设提供了科学依据。同时通过两种方法的预测结果,对比分析了滑坡的形成和各影响因素的关系,为滑坡的有效防治提供了参考。     

基于GIS的区域滑坡危险性预测方法与初步应用

在GIS平台上，将多元空间信息统计分析方法与非线性统计预测方法相结合，在充分考虑滑坡与各环境因子之间的统计相关性和位置相关性的基础上，研究了滑坡与环境因子之间定量关系的表示方法，建立了单因子分析，多因子分析、整组性分析和多元空间信息的非线性预测模型，在理论基础上，选取香港大屿山岛中部作为试验研究区，利用环境因子进行区域滑坡危险性预测，经实际资料检验表明，该模型可获取较高的预测精度，具有极大的应用潜力。     

不同空间分辨率和训练测试集比例下的滑坡易发性预测不确定性

探讨空间分辨率和模型训练测试集比例等因素对滑坡易发性预测不确定性的影响具有重要意义。拟以江西省宁都县的滑坡为例,首先计算各环境因子在不同空间分辨率(15,30,60,90和120m)下的频率比值;然后将滑坡和非滑坡样本按照9/1,8/2,7/3,6/4和5/5的比例划分出不同的模型训练和测试数据集,由此得到25种组合工况下的模型输入和输出变量;再将其导入支持向量机(support vector machine,SVM)和随机森林(random forest,RF)模型中开展滑坡易发性预测,最后利用预测精度和易发性指数特征来分析各工况下的易发性建模不确定性。结果表明:(1)15m分辨率、9∶1训练测试集比例和RF模型工况下的易发性预测精度最高,各工况下重要的环境因子分别为高程、坡度和地形起伏度等;(2)随着分辨率的下降或训练测试集比例的减小,SVM和RF模型的预测精度均逐渐下降,易发性指数的均值变大且标准差减小;(3)所有工况下随着分辨率和训练测试集比例的减小,易发性预测精度均逐渐下降且其不确定性增大;(4)各工况下RF预测精度优于SVM,分辨率对RF模型的影响显著大于训练测试集比例,而在SVM中2种因素的影响相差不大。     

基于集对分析的巴东新城区滑坡灾害空间预测

集对分析方法的研究和应用对区域性滑坡预测具有较强的理论和实用意义。滑坡空间预测系统是一个受不确定因素影响较多的系统,而集对分析法能够很好地解决确定–不确定问题。将集对分析法引用到滑坡空间预测领域,以MAPGIS为操作平台,在对巴东县新城区滑坡灾害发育的地质背景、分布规律和发育特征进行统计分析的基础上,根据统计结果确定预测危险性等级评价标准,然后根据各预测单元的属性信息判别各预测单元指标等级,最后利用集对分析理论对各预测单元进行危险性等级预测。将所得空间预测图与已知滑坡分布图进行比较,认为结果可靠、方法可行,并得出联系度和集对势理论结合能够提高预测精度的结论。     

基于GIS和信息量的滑坡灾害易发性评价——以三峡库区万州区为例

 以滑坡灾害发育较多的三峡库区万州区为研究区,基于指标因素状态分级和因素相关性分析结果,选取坡度、坡向、坡体结构、地层岩性、地质构造、水的作用以及土地利用7项影响因素,以全区700多个滑坡灾害点为样本数据,依据各因素状态下发生的滑坡频率曲线和信息量曲线的突变点为等级划分的临界值来确定因素状态,并在此基础上建立易发性评价指标体系。基于GIS的栅格数据模型,应用信息量理论开展研究区易发性评价,研究结果表明：易发性高和较高的区域主要分布在土地利用总体规划中的建设用地、侏罗系中统上沙溪庙组第二、三段(J2s2,J2s3)、库水变动带和河网影响带以及万州城区。统计结果表明,处在高易发和较高易发区面积为1 210 km2,其中高易发区和较高易发区分别占研究区总面积的9.71%和25.9%,研究区易发性评价精度高达87%。本文完整的论述了县域滑坡灾害易发性评价的理论方法和技术路线,并以三峡库区万州区为例开展滑坡灾害易发性评价、结果分析以及预测精度评价等,为该区域滑坡灾害防治规划与预测预报提供技术支持,为全国范围内县域滑坡灾害易发性评价提供理论指导和技术参考。     

基于时间序列与PSO-SVR耦合模型的白水河滑坡位移预测研究

 滑坡位移预测模型的选择及其参数的选取是滑坡位移预测中至关重要的2个问题,以往的模型在预测滑坡位移时具有诸多的限制和不足。以三峡库区白水河滑坡为研究对象,基于时间序列分析方法,分离提取出滑坡趋势性位移与周期性位移。前者主要受控于滑坡的内部因素(物质组成、地质构造、地形地貌等),可用最小二乘法对其进行多项式拟合并预测;后者是由外部影响因素(季节性降雨、库水位变动等)导致,取当月降雨量、双月降雨量、库水位高程、月间库水位变化量、双月库水位变化量和年间累计位移增量作为周期性位移的影响因子,提出采用可优化选参的粒子群优化算法(PSO)与支持向量机回归(SVR)相结合的方法对其进行预测;将各分位移预测值叠加得到累计位移预测值。运用多种方法进行分析对比,结果表明,基于时间序列与PSO-SVR耦合模型的滑坡位移预测精度要明显高于BP神经网络模型、网格搜索法优化的支持向量机模型(GS),其在滑坡位移预测中具有一定的理论基础和良好的应用前景。     

三峡库区万州区滑坡灾害易发性评价研究

 滑坡灾害易发性研究在滑坡灾害风险管理与城市规划等方面具有非常重要的现实意义。以往的研究中,鲜有对指标因子状态划分作有关深入分析和讨论的。鉴于此,以滑坡灾害频发的三峡库区万州区为研究对象：首先,选取影响滑坡发生的7个致灾因子(地层岩性、地质构造、水系分布、坡度、坡向、坡体结构及土地利用)作为滑坡易发性的评价指标,依据各指标条件下滑坡累计发生频率曲线斜率的变化,并结合滑坡面积比和分级面积比曲线对指标因子的状态进行分级;其次,根据全区655个历史滑坡数据,分别运用信息量模型和逻辑回归模型建立各自的滑坡易发性评价体系;再则,采用快速聚类法(K-means cluster)对以上2种方法所得到的易发性结果进行分级,并基于GIS平台,得到全区滑坡易发性区划图;最后,从模型结果、精度、适用条件等方面对2个模型进行讨论和比较,研究结果表明：信息量模型和逻辑回归模型的预测精度分别为73.0%和54.9%,前者预测能力要优于后者。     

基于时间序列分析的滑坡位移预测模型研究

 结合滑坡位移监测数据,从分析滑坡位移演变规律的角度出发,将滑坡位移分解为受其自身基础地质条件控制的趋势项位移以及由外界因素如降雨、库水位变动等影响的周期项位移,应用时间序列分析方法建立滑坡位移预报模型。采用二次移动平均法分离滑坡位移的趋势项和周期项,在此基础上分别采用GM(1,1)灰色模型和自回归AR模型分别对滑坡趋势项位移和周期项位移进行预测,将计算得到的各分项位移预测值叠加即得到总位移预测值。以三峡库区八字门滑坡位移为例,分析对比实测与预测位移–时间曲线之间的关系。计算结果能够较好地体现出滑坡在外界诱发因素作用下位移的发展变化趋势,说明所建滑坡位移预测预报模型效果较好,在滑坡位移预测中是有效可行的。     

基于地下水位变化的滑坡预测时序分析

 松散堆积土滑坡受地下水位变化影响显著,地下水位变化先于地表位移,易于监测。在坡体表面位移与地下水位之间建立联系,将地下水位监测作为滑坡预测的手段或辅助预测手段具有广泛的应用前景。相关数据序列分析可借助向量自回归模型,其兼顾数据序列的相关性分析和回归分析,可用于研究时间顺序数据间的滞后效应及多种时序间的联系。基于地下水位变化会引起滑坡下滑推力改变的认识,将实测地下水位变化的时序数据转化为推力引起土体位移加速度的改变,建立实测滑坡位移变化加速度与根据地下水位变化引起滑坡推力变化的计算标称加速度的向量自回归模型,可判断坡体表面位移受地下水位影响的规律及相应的滞后时间。所建立模型应用于上虞-三门高速公路6#滑坡分析,验证模型在滑坡位移预测中的有效性,为相关滑坡工程的预测分析提供了参考和借鉴。     

基于信息量与神经网络模型的滑坡易发性评价

针对神经网络模型进行滑坡易发性评价时,传统的随机选取非滑坡单元存在准确性不高的缺点,提出信息量与神经网络结合的易发性评价模型。以江西省上犹县为研究区,首先,基于上犹县滑坡编录与实际调查,选取坡度、高程、坡向、平面曲率、剖面曲率,植被指数(NDVI)、湿度指数(TWI)、距水系距离、距道路距离、土地利用等10个环境因子,其次利用信息量模型对上犹县进行易发性分区,得到上犹县易发性分区图。然后,从信息量模型得出的易发性分区中的低易发区选取非滑坡单元,与滑坡编录中的历史滑坡点组成测试集与训练集,输入神经网络中训练模型,再将上犹县所有栅格输入,预测上犹县栅格的滑坡概率。最后利用自然断点法在上犹县栅格滑坡概率进行分类,得到基于信息量与人工神经网络结合的上犹县易发性分区图。由易发性结果表明:单独的信息量模型的成功率曲线下面积AUC=0.7364,历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的55.6%;基于信息量与神经网络模型的AUC=0.7874;历史灾害点位于高易发区与较高易发区的灾害数占总灾害数的85.8%。信息量–神经网络的评价模型比单独的信息量模型的评价精度提高了5.1%;高易发区与较高易发区所涵盖的灾害数占比高30.2%。信息量–神经网络模型有更好的评价精度,并且证明了在信息量模型中的极低易发区选取非滑坡点具有可行性。     

滑坡位移预测的SVR-MIV变量筛选方法研究

支持向量回归机(Support Vector Regression, SVR)在滑坡位移预测研究中已得到广泛应用,但SVR具有模型可解释性差的缺陷,即无法直接获得并筛选最佳预测变量,从而影响预测精度。为此,将较广泛应用于评价神经网络模型变量影响大小的平均影响值(Mean Impact Value, MIV)方法与SVR模型相结合,实现基于SVR-MIV的变量筛选,该方法不但能对所有预测模型初始变量影响大小进行排序,还可以进一步结合反向逐变量剔除分析实现变量筛选。为验证该方法的有效性,选择三峡库区两类典型水库滑坡代表的累积位移监测数据,在采用移动平均法将位移分解为趋势项和波动项的基础上,重点针对波动项位移,选择包括降雨及库水位变动特征在内的12项初始变量,采用SVR-MIV方法进行变量筛选分析。结果表明,该方法筛选出的变量理论上符合对应滑坡变形影响机理分析结论,且可以提高滑坡位移实际预测精度。     

降雨型滑坡预报新方法

详细研究了三峡地区部分县市的滑坡和降雨历史资料，从滑坡与降雨量、暴雨以及降雨时间3个不同角度的关系分析了降雨与降雨型滑坡的关系。在此基础上，提出了降雨因子的概念。同时，还提出了一种预报降雨型滑坡的新方法，定量化地描述了降雨型滑坡的易发程度。按照一定的标准，对每种降雨分因子进行分级，通过多因子叠合分析来研究降雨因子与降雨型滑坡之间的关系，并据此准确地预报滑坡的易发程度。通过将这种滑坡预报新方法应用于三峡的万县地区，证明了它可以比较准确地确定滑坡发生的时间。这种滑坡预报方法将为根据历史降雨和滑坡资料来预测降雨型滑坡奠定良好基础。     

基于GIS的滑坡预测模型的预测率及其作用

滑坡预测模型的选择直接影响到滑坡预测的准确性,是滑坡预测的关键所在。该研究利用意大利Alpago地区的滑坡数据和其他相关地理空间数据,以模糊伽马模型、模糊代数积模型、模糊代数和模型以及模糊最小模型等4个定量滑坡预测模型为例,探讨滑坡预测模型的预测率在对比、评价和选择不同模型方面的作用。滑坡预测模型的预测率是,模型预测结果图的各个级别类型中,未用于建模的滑坡面积百分比的累积分布函数。在地理信息系统中,利用已知的滑坡分布数据和模型的预测结果图,可以计算滑坡预测模型的预测率。研究结果表明,滑坡模型的预测率是滑坡预测模型自身特性的度量,在输入图层和滑坡类型确定的条件下,滑坡预测模型的预测率可作为对比、评价和选择不同模型的定量指标,可以用来确定最合适的预测模型。     

水库滑坡变形特征和预测预报的数值研究

水库滑坡不同于一般山体滑坡,其稳定性受水位波动的影响十分明显。由于水库滑坡的特殊性和重要性,其变形特征和预测预报的研究已成为目前研究的热点和难点。库水水位的波动,改变了水库滑坡的水力边界条件,引起坡体内渗流场的非稳定渗流,采用传统的分析方法很难对其变形破坏特征和稳定性的动态变化进行研究,并对其失稳破坏进行预测预报。因此,基于数值极限分析方法对水位下降过程中滑坡体的变形特征和稳定性的动态变化规律进行了研究;通过位移-时间关系曲线以及位移-时间对数关系曲线对滑坡体的变形破坏特征进行了定量研究,并提出利用水平位移陡升段（加速段）和水平方向的夹角作为滑坡临滑预报的判据,为认清水库滑坡的破坏机制和提升其预报水平提供了新的思路。     

堆积层滑坡加卸载响应比动力学参数及其应用

在系统分析堆积层滑坡的物质组成和失稳动因的基础上,运用加卸载响应比理论的基本原理,首次提出了将降雨和孔隙水压力的变化作为滑坡的加卸载参数,相应平均位移速率的变化值为加卸载响应参数,由此所确定的位移加卸载响应比作为堆积层滑坡的位移动力学参数,并根据堆积层边坡位移动力学规律论证了该位移动力学参数在滑坡预测预报的可行性和有效性.同时,分别以三峡库区新滩滑坡和黄腊石滑坡为实例,运用加卸载响应比参数对其稳定性进行了评价与预测.评价与预测结果与滑坡稳定性演化规律相吻合.上述研究结果表明了加卸载响应比是一种有效的位移动力学评价参数,可以运用该参数对堆积层边坡稳定性及其演化趋势进行评价与预测.     

滑坡位移预测的支持向量机模型参数选择研究

支持向量机(Support Vector Machine, SVM)已被广泛应用到滑坡位移预测,但在具体使用时,SVM的惩罚系数C、核函数参数δ及松弛系数ζ这三个重要参数的取值选择成为影响预测精度的关键。为有效分析SVM三参数取值对滑坡位移预测精度的影响规律,以三峡库区浮托减重和动水压力型两类典型水库滑坡为代表的连续6年地表位移、降雨及库水位监测数据为研究对象,首先,采用移动平均法将位移数据分解为趋势项和周期波动项,并区分训练集和检验集;再结合对滑坡变形机理及影响因素的分析,选择相应预测变量分别建立趋势项和波动项位移预测SVM模型;然后,在固定两参数情形下,通过改变另一参数的取值大小以获得SVM训练集与检验集的预测精度变化规律;最后,建立起典型水库滑坡SVM位移分解预测的参数取值推荐范围。该取值范围可以作为滑坡位移预测SVM模型的参数寻优初始搜索范围,可以在保证预测精度的前提下大大提高搜索效率。     

滑坡的易滑度分区及其概率预报模式

滑坡的发生主要由地形、地质和降雨三方面因素决定。基于区域地质-气象耦合分析的思路,有可能提高区域性滑坡的预报精度。首先通过将降雨条件和地质环境条件相结合的方法,提出一种新的滑坡概率预报模式,利用数理统计分析,提出利用最大24h雨强和前15d实效降雨量作为滑坡灾害发生的短期预报判据;然后以重庆市区作为研究对象,选择岩性组合、地形坡度、边坡形态、岩体结构和水文地质五大因素及其21种状态为预测变量,利用信息量法进行了易滑度的分区;最后,对概率预报滑坡的可行性进行了实例分析和探讨。     

Enhancing the accuracy of rainfall-induced landslide prediction along mountain roads with a GIS-based random forest classifier

Along mountain roads, rainfall-triggered landslides are typical disasters that cause significant human casualties. Thus, to establish effective mitigation measures, it would be very useful were government agencies and practicing land-use planners to have the capability to make an accurate landslide evaluation. Here, we propose a machine learning methodology for the spatial prediction of rainfall-induced landslides along mountain roads which is based on a random forest classifier (RFC) and a GIS-based dataset. The RFC is used as a supervised learning technique to generalize the classification boundary that separates the input information of ten landslide conditioning factors (slope, aspect, relief amplitude, toposhape, topographic wetness index, distance to roads, distance to rivers, lithology, distance to faults, and rainfall) into two distinctive class labels: ‘landslide’ and ‘non-landslide’. Experimental results with a cross validation process and sensitivity analysis on the RFC model parameters reveal that the proposed model achieves a superior prediction accuracy with an area under the curve  of 0.92. The RFC significantly outperforms other benchmarking methods, including discriminant analysis, logistic regression, artificial neural networks, relevance vector machines, and support vector machines. Based on our experimental outcome and comparative analysis, we strongly recommend the RFC as a very capable tool for spatial modeling of rainfall-induced landslides.

     

Assessment and validation of GIS-based landslide susceptibility maps: a case study from Feltrino stream basin (Central Italy)

Landslide susceptibility studies focus on producing susceptibility maps starting from landslide inventories and considering the main conditioning factors. The validity of susceptibility maps must be verified in terms of model accuracy and prediction skills. This paper deals with a GIS-based landslide susceptibility analysis and relative validation in a hilly-coastal test-area in Adriatic Central Italy. The susceptibility analysis was performed via bivariate statistics using the Landslide-Index method and a detailed (field-based) landslide inventory. Selection and mapping of conditioning factors and landslide inventories was derived from detail geomorphological analyses of the study area. The susceptibility map was validated using recent (shallow) landslides in terms of both model accuracy and prediction skills, via Success rate and Prediction rate curves, respectively. In addition, a pre-existing official landslide inventory was applied to the model to test whether it can be used when a detailed (field-based) inventory is not available, thereby extending its usability in similar physiographic regions. The outcome of this study reveals that slope and lithology are the main conditioning factor of landslides, but also highlights the key role of surficial deposits in susceptibility assessment, for both their type and thickness. The validation results show the effectiveness of the susceptibility model in both model accuracy and prediction skills given the good percentage of correctly classified landslides. Moreover, comparison of the susceptibility map with the official Regional landslides inventory proves the possibility of using the developed susceptibility model also in the absence of detailed landslide mapping, by considering inventories that are already available.     

强震区断裂活动与大型滑坡关系研究

 活动断裂带与大型滑坡之间的关系一直是人们关注的热点问题。通过汶川Ms8.0级地震活动断裂和大型滑坡调查,阐述龙门山活动断裂带大型滑坡形成的地质背景,总结活动断裂带大型地震滑坡的分布特征、形态特征、启动特征和分段特征及其相关影响因素。基于野外调查资料,以龙门山中央断裂带谢家店子滑坡为例,采用离散元方法模拟分析滑坡的启动和快速运移过程,提出高速远程滑坡的致灾后果决定于启动方式、飞行路径和堆积特征3个方面。本项研究对于认识断裂活动与大型滑坡之间的关系以及滑坡成灾后果预测具有重要的指导作用。