肯尼亚滑坡灾害分布特征及敏感性区划

肯尼亚是我国"一带一路"战略在东非的重要支点,由于全球气候变暖和其独特的气候地形条件,使得肯尼亚地质灾害频发,造成了大量的人员和财产损失,因此对其地质灾害的时空分布特性及敏感性区划研究具有重要现实意义。本文首先以肯尼亚1999—2013年的地质灾害数据为基础,分析得出了肯尼亚主要的地质灾害类型、时空分布特性;然后选取地貌,高程,坡度,坡向,土层类型,年均降雨量,地表植被覆盖类型,以及距离东非大裂谷的距离等滑坡影响因素,采用层次分析法开展了肯尼亚全境的滑坡敏感性评价。结果表明:(1)由于存在明显的雨季(每年3～5月,10～12月),肯尼亚地质灾害多与强降水有关,洪水和降雨引起的滑坡、泥石流是主要的地质灾害类型;(2)受地形及降雨的影响,洪水、滑坡、泥石流多发生在肯尼亚西南部的裂谷及高原区域,且多发生在每年的雨季期间;(3)肯尼亚西南部高原与东非大裂谷过渡地带是滑坡的高危险区,79. 48%的历史滑坡均分布在敏感性分区的Ⅳ级(敏感)和V级(非常敏感)区域。本文的研究结果最大限度地防范和抵御地质灾害对我国"一带一路"战略实施带来的不利影响,并为肯尼亚的防灾减灾规划提供参考。     

基于GDIV模型的大渡河中游地区滑坡危险性评价与区划

区域地质灾害评价是减灾防治的重要非工程手段,构建区域滑坡危险性评价模型,对提高地质灾害评价精度和防治效率具有重要意义。文章以滑坡频发的大渡河中游地区为研究区,初选高程、坡度、坡向、地震动参数、土壤类型、工程地质岩组、年平均降雨量和地形湿度指数（TWI）等13个因子,建立滑坡危险性初级评价指标体系。考虑各因子对滑坡形成贡献程度的不同和目前常权栅格叠加方式对滑坡危险性评价结果精度的影响,引入了地理探测器和变权栅格叠加,构建了地理探测器、信息量法和变权栅格叠加的组合模型（GDIV模型）。基于2021年四川省1∶50 000地质灾害风险调查中313处滑坡地质灾害隐患点,开展基于GDIV模型的大渡河中游地区滑坡危险性评价,并与逻辑回归模型和信息量模型的组合模型（LRI模型）评价结果进行对比分析。结果表明：研究区以中危险及以下危险区为主,占总面积的78.3%,极高和高危险区主要分布在大渡河、革什扎河和东谷河两岸的低海拔地区;与LRI模型相比,基于GDIV模型的评价结果精度更高,其受试者工作特征（ROC）曲线的线下面积（AUC）值为0.917。文章提出的GDIV模型提高了区域滑坡危险性评价精度,可为...     

基于SVM-ANN模型的滑坡易发性评价——以三峡库区巫山县为例

本文以三峡库区巫山县为研究区,利用收集的资料,提取出9类指标因子(高程、坡度、坡向、地形湿度指数TWI、地表粗糙度指数TRI、地层岩性、水系距离、构造距离、植被覆盖指数NDVI),利用相关性分析剔除高程因子。将灾害点和指标因子数据带入支持向量机(SVM)和人工神经网络(ANN)模型,得到研究区滑坡易发性区划图。根据ROC曲线对模型的精确度进行评价,得到SVM模型的成功率和预测率曲线的AUC值分别为0.919和0.862,ANN模型分别为0.86和0.837,表明两个模型均适用于研究区滑坡易发性评价。根据以上工作,本文提出了基于Max{LSI(SVM);LSI(ANN)}函数的SVM-ANN模型,并将其应用到该区的滑坡易发性评价中。SVM、ANN和SVM-ANN模型中,历史滑坡灾害点分布在高-极高易发区的比例分别为90.06%、83.18%和94.01%,表明SVM-ANN模型更适用于滑坡灾害风险分析的实际应用。     

基于Random Forest 和AHP的贵德县北部山区滑坡危险性评价

滑坡危险性评价是滑坡灾害防治和管理的重要依据。文章基于层次分析法和随机森林模型,结合距离函数法,探索性地提出了一种新的组合赋权法（RF-AHP）。采用RF-AHP对青海省贵德县北部山区滑坡进行了危险性评价,对比探讨了AHP、RF和RF-AHP三种模型评价结果与实际滑坡灾害的吻合性,结果表明:（1）RF-AHP在高危险区和极高危险区面积占比38.38%的情况下,包括了60.13%的滑坡灾害,结果准确性相比AHP和RF两种模型有较大提升;（2）随着危险性等级的逐步提高,RF-AHP区划结果中相应分区的灾害实际发生的比率也随之增高,并对三种方法出现结果差异的客观原因进行了分析讨论,证明RF-AHP适用于滑坡危险性评价工作。     

基于人工神经网络模型的福建南平市滑坡危险性评价

滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据。以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系。使用Spearman相关系数对各因子进行共线性分析。基于1711个滑坡样本和1711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线（ROC）对模型进行验证。结果表明:混淆矩阵精度84.91%,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率。使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区。研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导。     

优化神经网络下阿富汗东北高原寒旱区滑坡危险性评价

阿富汗东北部是典型的高原寒旱地区,滑坡灾害发育,除受地形地貌、地质构造、人类活动等因素影响外,还由积雪覆盖、冰雪消融等方面控制;为研究高原寒旱地区滑坡危险性,在遥感解译基础数据上,考虑高原寒旱地区积雪覆盖和冰川活动对滑坡发育的影响,引入积雪覆盖度和消融水当量两个评价指标,基于证据权-全连接神经网络模型建立滑坡易发性评价模型,以度日模型、SCS-CN模型建立滑坡危险性评价体系,并根据混淆矩阵对评价模型进行检验;危险性评价结果表明极高危险性区域占全区10.46%,分布灾害面积占比82.71%,主要分布在努尔斯坦省东部库纳尔-奇特拉尔河段、巴达赫尚省除瓦罕走廊段的中东部高山区和帕尔万省赫尔曼德河段;高危险性区域占全区14.83%,分布灾害面积占比12.11%,主要分布在巴达赫尚省东部区域、努尔斯坦省和帕尔万省西部.检验结果及统计结果均表明结合证据权法取负样本对神经网络精度提升显著;研究成果为阿富汗滑坡灾害早期预警与工程防治提供科学依据.     

基于I-CF模型的四川德格县滑坡危险性评价与区划CSCD

文章以德格县为研究区,以7 m DEM进行地形分析处理,并结合相关调查数据建立了德格县滑坡灾害数据库,通过选取的地震峰值加速度、断裂带、水系、坡度、坡向、高程、岩性等7个指标,在GIS技术支持下,利用信息量模型(I)、层次分析法模型(AHP)、确定性系数模型(CF)相互耦合对研究区灾害敏感性评价,再分析得到活动频率因素对研究区全县域进行危险性评价,将得到的结果分成4个区域,分别为高危险区、较高危险区、中危险区、低危险区,其中高、较高危险区占总面积2.23%。其中,滑坡灾害占总灾害的42%。评价结果与实际调查结果符合程度较高,能够为该地域未进行实地调查的地方进行相关滑坡灾害的预测预报,并对安全防治提供技术支持,亦可以为其他地区滑坡灾害危险性评价提供理论指导和技术参考。     

基于GIS技术的区域滑坡灾害危险性预测

基于GIS技术,利用信息量模型开展区域滑坡灾害危险性预测研究,编制滑坡灾害易发分区图,为滑坡灾害的风险预测及实时预警预报提供基础资料。以浙江省永嘉县为例,利用MAPGIS二次开发得到的信息量专业模块,结合永嘉县历史滑坡灾害和2004年以来新发生的灾害点,分别评价了研究区的历史滑坡灾害危险性和现状滑坡灾害危险性;提出用历史滑坡灾害危险性图件结合新发生的灾害点来验证评价模型;将历史灾害点和新灾害点结合生成滑坡灾害危险性预测图件的预测过程;研究成果经在永嘉县的实际验证分析,2004年后3次台风期间（2004年的“云娜” 台风,2005年的“海棠”和“麦莎”台风）发生的有准确地点的滑坡灾害点全部位于滑坡灾害易发区内,表明采用的模型具有较好的实用性和可靠性;采用历史统计和快速聚类相结合的方法进行危险性等级的划分,克服了前人研究工作中人为划分易发区的缺陷,更科学、客观。     

基于GIS的重庆万州区滑坡灾害危险性评价

在充分调查万州区地质环境及滑坡灾害基本特征的基础上,根据资料的有效性和可获得性,选取地表高程、坡度、地层岩性、地质构造、土地利用类型、区域交通建设及河流侵蚀冲刷7个影响滑坡发生的因素作为评价指标,采用AHP法确定各个指标权重并建立滑坡灾害危险性指数模型,通过GIS系统的空间分析功能进行栅格运算,得出研究区滑坡灾害危险性分区。采用上述指标和方法将重庆市万州区的滑坡灾害划分为极高危险区、高危险区、中危险区、低危险区和极低危险区,划分结果符合该区滑坡灾害的实际情况。     

基于GIS的重庆市万州区滑坡灾害危险性评价

在充分调查万州区地质环境及滑坡灾害基本特征的基础上,根据资料的有效性和可获得性,选取地表高程、坡度、地层岩性、地质构造、土地利用类型、区域交通建设和河流侵蚀冲刷7个影响滑坡发生的因素作为评价指标,采用AHP法确定各个指标的权重并建立滑坡灾害危险性指数模型,通过GIS系统的空间分析功能进行栅格运算,得出研究区滑坡灾害危险性分区.采用上述指标和方法将重庆市万州区的滑坡灾害划分为极高危险区、高危险区、中危险区、低危险区和极低危险区,划分结果符合该区滑坡灾害的实际情况.     

基于频率比与集成学习的滑坡易发性评价——以金沙江上游巴塘—德格河段为例

金沙江上游巴塘—德格河段地处青藏高原东部,该区地质、地形、地貌极其复杂,滑坡灾害最为发育,开展区域滑坡易发性评价对防灾减灾工作有着重要的意义。本文以金沙江上游巴塘—德格河段为研究区,在滑坡编录与野外实际调查的基础上,通过对滑坡分布规律和影响因素分析,选取高程、坡度、坡向、曲率、地形起伏度、地表切割度、地表粗糙度、地层岩性、断层、水系和道路等11个影响因子,构建了滑坡易发性评价指标体系。利用皮尔森系数去除高相关性影响因子,运用频率比方法定量分析各个因子与滑坡发育的关系。通过频率比模型选取非滑坡样本,采用集成学习算法模型进行滑坡易发性评价,根据易发性指数将研究区划分为极高易发区、高易发区、中易发区、低易发区及极低易发区5个等级。由滑坡易发性分区图和ROC曲线表明,高和极高易发区主要沿金沙江沿岸和沟谷分布,随机森林模型的成功率曲线下面积AUC=0.84,历史滑坡灾害位于高-极高易发区的灾害数占总滑坡数的84.8%,梯度提升树模型的成功率曲线下面积AUC=0.79,历史滑坡灾害位于高-极高易发区灾害数占总滑坡数的79.3%。由AUC值和历史灾害的分布可知,随机森林模型比梯度提升树模型在本研究区滑坡易发性评价中有着更好的评价精度和更高的预测能力。     

基于确定性系数与证据权模型的滑坡灾害敏感性评估:以金沙江龙开口——期纳段流域为例

金沙江流域内滑坡灾害频发,对大型工程及交通设施均造成了极大的损害。采用确定性系数(CF)与证据权(WOE)模型,选取坡度、坡向、NDVI、海拔、岩石性质、纵剖面曲率、距道路的距离、距河流的距离、距断层的距离与第四纪沉积物类型10个指标,分不同组合进行区域性滑坡灾害敏感性评估。CF与WOE在多种不同指标组合下经过累积频率曲线下面积(AUC)检验,结果表明10种指标组合下的CF模型表现最佳,相比WOE模型所得的最高准确率(74.52%)与预测率(69.89%),CF的准确率与预测率分别高达83.40%与74.43%。CF计算获得的敏感性指数通过自然间断点法将研究区域分为滑坡极难发生区、滑坡较难发生区、滑坡较易发生区与滑坡极易发生区4类区域。评估结果指示程海断裂带南北延伸带与金沙江中段主要干支流沿线为区域的滑坡灾害易发区,表明断裂带及河流与该区域的滑坡发生具有一定的相关性。     

逻辑回归与支持向量机模型在滑坡敏感性评价中的应用

白龙江流域是我国滑坡泥石流灾害四大高发区之一,进行该区域滑坡敏感性评价,能够为决策者在灾害管理和设施建设规划方面提供帮助,对区域防灾减灾具有重要指导意义。本研究采用边坡单元为基本研究单元,在野外调查及前人研究基础上,选择控制该区域滑坡发育的19个要素作为影响因子; 经过主成分分析和独立性检验得到该区域对滑坡形成贡献最大的6个因子:高程、坡度、坡向、岩性、断裂距离和人口密度; 分别使用二元逻辑回归模型（LR）和支持向量机模型（SVM）对该区域进行滑坡敏感性评价; 最后,采用ROC曲线对模型精度进行验证。研究结果表明,两模型各能将38.76%、14.48%、9.40%、11.28%、26.07%和13.49%、21.61%、8.17%、26.70%、30.04%的边坡单元分别预测为极高危险区、高危险区、中度危险区、低危险区和极低危险区; 精度验证结果表明两种模型均能有效地进行该区域滑坡敏感性评价,并且支持向量机模型具有更好的分类能力、预测精度和稳定性。     

中国崩塌、滑坡、泥石流灾害危险性评价

地质灾害危险性是地质灾害发育密度、活动规模、活动频次的综合性反映。从这一认识出发,本文论述了地质灾害危险性构成及其评价方法,在此基础上,以县(市、区、旗)和省(直辖市、自治区)为单元,进行了崩塌、滑坡、泥石流灾害危险性评价与区划,分析了危险性分布情况与区域变化规律。      

基于GIS技术的巴东新城区滑坡灾害危险性区划

基于ArcGIS8软件平台开发了三峡库区巴东县新城区滑坡灾害信息系统,通过全面分析巴东新城区滑坡灾害的地形条件,工程地质岩组、构造与斜坡结构类型、人类工程活动、水的作用等影响因素,建立了相应的滑坡灾害危险性评价指标体系。采用基于GIS技术的信息量模型和敏感性评价方法,实现了巴东县新城区滑坡灾害危险性区划,其中,高危险区面积3.30km^2,占7.196;中危险区面积5.77km^2,占12.4％;低危险区面积16.40km^2,占35.3％;基本安全面积21.05km^2,占45.2％,可以作为巴东新城区城镇建设规划和减灾防灾的参考依据。     

浙江省永嘉县滑坡灾害危险性区划

永嘉县是浙江省滑坡灾害发生频繁的区县之一,其滑坡受地质、地形和人类工程活动等因素的影响。本文根据永嘉县滑坡灾害分布情况,选择了影响滑坡分布的主要因素,将各种因子归一化处理后转换成相同分辨率的定量数据,选择了逻辑回归分析模型和信息量模型进行滑坡灾害危险性评价。在逻辑回归模型中,利用SPSS软件,通过逐步回归分析筛选出影响滑坡的最直接的因子,计算出各个因子的回归系数,得到逻辑回归方程,据此编制了危险性预测分区图。在信息量模型中,通过MAPGIS软件及其二次开发的信息量模型,对永嘉县滑坡灾害进行了危险性区划,并依信息量法的结果编制了该区的危险性预测分区图。两种方法所编制的危险性分区图中高危险区和中危险区重合率达到了87%,具有很高的一致性,起到了相互验证的作用,为滑坡的有效防治提供了依据。最后根据"云娜"台风期间永嘉县实际灾害发生情况的资料分析,新灾害点绝大部分落在危险性预测区中的高危险区,表明模型的预测准确率很高。     

基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

逻辑回归模型在玉树地震滑坡危险性评价中的应用与检验

2010年4月14日07时49分(北京时间),青海省玉树县发生了Ms7.1级大地震。作者基于高分辨率遥感影像解译与现场调查验证的方法,圈定了2036处本次地震诱发滑坡。这些滑坡受地震地表破裂控制强烈,规模相对较小,常常密集成片分布。滑坡类型多样,以崩塌型滑坡为主,还包括滑动型、流滑型、碎屑流型、复合型等类型的滑坡。本文基于地理信息系统(GIS)与遥感(RS)技术,应用逻辑回归模型开展玉树地震滑坡危险性评价,并对结果合理性进行检验。应用GIS技术建立玉树地震滑坡灾害及相关滑坡影响因子空间数据库,选择高程、斜坡坡度、斜坡坡向、斜坡曲率、与水系距离、坡位、断裂、地层岩性、归一化植被指数(NDVI)、公路、同震地表破裂、地震动峰值加速度(PGA)共12个因子作为玉树地震滑坡影响因子,在GIS平台下将这些因子专题图层栅格化。应用逻辑回归模型得到每个因子分级的回归系数,然后建立滑坡危险性指数分布图。利用玉树地震滑坡空间分布图对滑坡危险性指数图进行检验,正确率达到83.21%。滑坡危险性分级结果表明,在占研究区总面积4.97%的"很高危险度"的较小范围内,实际发育滑坡数量为766个,占总滑坡面积的比例高达37.62%,表明地震滑坡危险性评价结果良好。不同危险性级别的滑坡点密度统计结果表明,滑坡点密度随着危险性级别的升高而非常迅速的升高。     

基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

基于GIS的滑坡灾害危险性区划研究——以重庆市万州区为例

为了弥补滑坡灾害危险性区划研究中影响因子和等级划分的不确定性,结合前人研究成果,依据斜坡几何形态、岩性、地质构造、河流侵蚀、土地利用类型、人类工程活动、降水条件等影响因子与研究区实际已发生的滑坡灾害数之间的关系,编制重庆市万州区滑坡灾害危险性评价标准,并基于GIS技术和信息量模型法,计算滑坡评价因子的信息量,就万州区滑坡危险性进行区划,最后基于乡镇行政区对该区滑坡危险性区划进行细化。结果表明：建设用地、坡高为90～200 m的地形、1 024～1 060 mm的年降雨量以及侏罗系中统上沙溪庙组岩层等因素对万州区滑坡发生影响较大;根据滑坡灾害危险性评价标准,万州区滑坡灾害被划分为高、中、低、极低等4个危险区;应用信息量模型法得到的万州区滑坡危险性区划与实际情况比较吻合;高危险区和中危险区面积分别为564.4 km2和848.6 km2,分别占万州区总面积的16.3%和24.5%,主要分布于长江干流及支流两岸的居民相对集中区以及公路干线地段;高危险和中危险乡镇主要分布在万州区经济较为发达的长江干流两岸,尤其是左岸的黄柏乡、太龙镇、天城镇、李河镇等以及万州主城区。