基于斜坡单元划分法的汝阳县地质灾害易发性区划

以斜坡单元作为评价单元,建立地质灾害易发性评价指标体系。利用综合评价模型叠加分析法,对汝阳县地质灾害易发性进行分区,结果表明此方法准确、实用,对指导地质灾害防治工作有很大的意义。     

基于斜坡单元与信息量法结合的宝塔区黄土滑坡易发性评价

滑坡易发性评价对滑坡灾害的防治与管理具有重要意义。为了评价延安宝塔区黄土滑坡易发性,以斜坡为基本评价单元,选取斜坡坡度、坡高、坡向、坡形、斜坡结构类型、植被和人类工程活动7个指标作为评价因子,在ArcGIS平台下,利用信息量模型对研究区的黄土滑坡进行易发性分区评价。评价结果表明,宝塔区滑坡高易发区面积1092.39km2,占全区面积的30.81%,主要分布于宝塔区的中部及北部地区,低易发区集中于宝塔区南部汾川河流域。以斜坡作为评价单元提高了与实际地形地貌的吻合度。应用信息量模型进行滑坡易发性评价具有较高的预测精度,已有滑坡点落在很高易发区和高易发区中的比例为95.7％,较真实地反映了客观实际。     

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斜坡单元主要在长岗-高桥向斜两翼,其中高易发斜坡单元共计60处,面积约为4.1 km²,占研究区面积的8.2%;较高易发斜坡单元共计115处,面积约为7.4 km²,占研究区面积的14.8%,多数滑坡高易发斜坡单元和较高易发斜坡单位发育小田湾～丛坝村～蔡家坝村一带;滑坡中易发斜坡单元主要分布在研究区北部和南部,中易发斜坡单元共计400处,面积约为19.6 km²,占研究区面积的39.2%;滑坡较低易发斜坡单元和低易发斜坡单元主要分布在研究区东部和西部,共计550处,面积约为18.9 km²,占研究区面积的37.8%,评价方法与结果可为贵州省小区域滑坡地质灾害易发性评价和防治提供参考。     

基于斜坡破坏模式的软弱变质岩区岩质滑坡易发性评价

滑坡受控于地质环境条件和坡体地质结构,不同地质结构的斜坡失稳破坏的模式存在差异,本文以后龙门山千枚岩区为例,基于现场调查,梳理总结了区内岩质滑坡发生的力学模式与斜坡地质环境、坡体结构之间的关系,进而选取控制滑坡发生的关键因素,运用ARCGIS软件的加权叠加功能定量划分了不同模式滑坡的易发区域,主要取得以下认识：（1）滑移—拉裂式滑坡主要发生在坡度30-45°的顺向飘倾坡内、滑移—溃曲式滑坡发生在坡度30-45°的顺向伏倾坡内、倾倒变形主要发生在岩层倾角大于65°的反向斜坡内;（2）区内倾倒变形易发区面积为8.73km2、滑移拉裂易发区面积为4.31m2、滑移溃曲易发区面积为3.28km2,以倾倒变形类型的滑坡为主,已发生滑坡与易发分区结果比对证明了滑坡易发分区与实际情况基本吻合。     

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。

     

基于斜坡单元和语义分割的皖南地区滑坡灾害易发性评估

滑坡灾害严重影响着人们的生命和财产安全,对自然环境造成重大破坏。以斜坡单元为单位进行滑坡易发性评估能够更加接近真实的滑坡地形,为滑坡灾害的防治提供更加科学的理论支持。本文以安徽省皖南地区为研究区,基于黄山、宣城、池州市滑坡点数据以及皖南地区基础地理数据,利用主成分分析和多重共线性分析方法筛选滑坡评价因子,提出将斜坡单元几何形状信息和语义分割方法相结合的创新方法,构建滑坡灾害易发性评估模型,对皖南地区的滑坡灾害易发性进行评估,揭示其空间分布规律。结果表明：结合斜坡单元和语义分割方法构建的滑坡易发性评估模型具有较高的预测精度,能够充分考虑斜坡单元的几何形状信息对滑坡易发性的影响,较为准确地评估皖南地区的滑坡易发性。评估结果符合滑坡形成机理,其中62.19%的滑坡单元分布在滑坡易发性等级中—高的斜坡单元上,模型预测AUC值为0.878,与缺少几何形状信息的CNN模型进行对比,预测精度明显提高。

     

基于斜坡单元与随机森林模型的元阳县崩滑地质灾害易发性评价

针对基于栅格单元与定性定量方法模型在地质灾害易发性评价中存在模型预测精度低且使用较为频繁的不足与弊端,采用斜坡单元与机器学习方法之一的随机森林模型相结合开展元阳县崩滑地质灾害易发性评价。在ArcGIS中,利用曲率分水岭法划分出7851个斜坡单元。经过大量统计研究与地质环境条件分析,选取工程地质岩组、地貌类型、高程、坡度、坡向、曲率、起伏度、河流距离、断层距离等9个因子作为评价指标,并通过SPSS软件,将9个评价指标与灾点发育特征的关系进行数据分析,得出各评价指标权重。在SPSS中,采用随机森林模型,建立易发性评价模型,将元阳县崩滑地质灾害易发性划分为低、中、高、极高4类,所占面积分别为410.06 km2、470.21 km2、550.02 km2和776.87 km2,分别占元阳县面积的18.58%、21.30%、24.92%和35.20%。经与详查结果对比,评价结果与实际高度吻合。利用ROC曲线得出区划结果精度AUC值为92.7%,区划结果相当好。研究显示,元阳县中部和西南两个部分地质灾害集中,易发性极高。     

基于斜坡单元与信息量法的丹江口库区典型流域地质灾害易发性评价

地质灾害易发性评价是地质灾害危险性评价及风险评价的基础。本文以斜坡单元为最小评价单元,选取坡度、斜坡结构、工程岩组等8个指标作为评价因子,基于GIS平台采用信息量模型对丹江口库区典型流域开展地质灾害易发性评价,划分出极高、高、中、低4类易发区,分布面积分别为128.67 km²、455.71 km²、622.55 km²和634.77 km²,分别占总面积的7%、24.7%、33.8%和34.5%。极高和高易发区主要分布在十堰断裂附近及以北区域,灾害点发育密度高,具带状分布特征。经成功率曲线法检验,评价结果合理,可以为地质灾害危险性评价及精准风险区划提供参考,进而为国土空间规划及风险管控提供重要依据。     

基于信息量的金川县斜坡地质灾害易发性评价

以斜坡地质灾害(滑坡、崩塌)高发的金川县为例,采用遥感解译与地面调查相结合的综合手段获取灾害数据.选取地形起伏度、坡度、斜坡坡形、斜坡结构类型、工程地质岩组、地质构造、水系、植被与土地利用类型等8个影响因素作为评价因子,分别基于区内斜坡地质灾害点和斜坡地质灾害面积采用信息量模型开展易发性评价.利用最新提出的历史地质灾害...     

天水市北山滑坡群发育特征及坡体结构分区

天水市北山地处秦岭北缘山地与黄土高原过渡地带, 受强烈的内外动力耦合作用影响, 诱发了呈带状分布的大型滑坡群, 严重制约现阶段天水市区规划建设和灾害风险防控。此次研究在系统总结已有地质灾害资料的基础上, 利用空-天-地一体化综合勘察手段, 查明了天水市北山自西向东黄土厚度渐变特征、典型的斜坡结构类型及关键控滑地层, 系统分析了地震滑坡的发育特征、分布规律和几何学、运动学特征。结果表明: 天水市北山滑坡群沿藉河河谷北岸集中呈带状分布, 滑坡类型主要为泥岩滑坡和黄土-泥岩接触面滑坡, 多具有深层多级旋转-平移、多期次滑动的特征; 地层结构为上覆第四系黄土和下伏新近系尧店组和甘泉组河湖相泥岩、黏土岩, 坡体结构类型为顺层岩土质斜坡; 天水市北山的坡体结构自西向东可分为3个典型区段, 黄土厚度自西向东逐渐增大, 海拔高程和表观摩擦角东西部低、中部高, 滑坡后壁高度东西部高、中部低; 天水市北山地震滑坡具有低角度启动和远程运动的特征, 其等效摩擦系数(f)在0.21~0.28之间, 且东、西区段地震滑坡的运动性更强。     

Comparative evaluation of landslide susceptibility in Minamata area, Japan

Landslides are unpredictable; however, the susceptibility of landslide occurrence can be assessed using qualitative and quantitative methods based on the technology of the Geographic Information Systems (GIS). A map of landslide inventory was obtained from the previous work in the Minamata area, the interpretation from aerial photographs taken in 1999 and 2002. A total of 160 landslides was identified in four periods. Following the construction of geospatial databases, including lithology, topography, soil deposits, land use, etc., the study documents the relationship between landslide hazard and the factors that affect the occurrence of landslides. Different methods, namely the logistic regression analysis and the information value model, were then adopted to produce susceptibility maps of landslide occurrence. After the application of each method, two resultant maps categorize the four classes of susceptibility as high, medium, low and very low. Both of them generated acceptable results as both classify the majority of the cells with landslide occurrence in high or medium susceptibility classes, which could be believed to be a success. By combining the hazard maps generated from both methods, the susceptibility was classified as high–medium and low–very low levels, in which the classification of high susceptibility level covers 6.5% of the area, while the areas predicted to be unstable, which are 50.5% of the total area, are classified as the low susceptibility level. However, comparing the results from both the approaches, 43% of the areas were misclassified, either from high–medium to low–very low or low–very low to high–medium classes. Due to the misclassification, 8% and 3.28% of all the areas, which should be stable or free of landsliding, were evaluated as high–medium susceptibility using the logistic regression analysis and the information value model, respectively. Moreover, in the case of the class rank change from high–medium susceptibility to low–very low, 35% and 39.72% of all mapping areas were predicted as stable using both the approaches, respectively, but in these areas landslides were likely to occur or were actually recognized.     

地形起伏度和坡度分析在区域滑坡灾害评价中的应用

基于ArcGIS平台,利用SRTM3-DEM数据资料,选择鄂尔多斯及其周缘为研究区,计算并定量分析了地形起伏度和坡度,并利用区域滑坡灾害调查资料,初步建立了地形起伏度、坡度与滑坡灾害之间的相关性,讨论了地形起伏度的区域地貌意义。结果表明,研究区滑坡集中发育地区的地形起伏度为200￣300m,在此范围内滑坡占研究区所有滑坡总数的48.5%,此区间的面积占研究区总面积的20.3%;坡度为10￣18°,此范围内滑坡占研究区所有滑坡总数的46.7%,而此区间的面积占研究区总面积的30.5%。在地貌类型上,滑坡集中发育地区对应残丘、黄土塬及黄土墚等。通过研究区横向、纵向剖面的地形特征分析,表明地形起伏度和坡度分析是相互补充的,它们均与区域滑坡发生和分布存在良好的相关性。这种相关性为区域滑坡灾害评价提供了新的思路,对区域防灾规划和灾害区预测具有重要的应用意义。     

基于案例挖掘的边坡稳定性智能评价系统研究

虽然边坡灾害治理实践已经积累了大量的成功的或失败的边坡治理工程案例,但这些工程案例产生的大量数据信息未被充分利用与开发,造成了极大的资源浪费。为此,基于边坡工程案例,应用数据挖掘与知识发现和递归的自-组织模糊神经推理网络的方法,初步提出了一种基于案例挖掘的边坡稳定性智能评价系统,并通过案例挖掘的应用实例表明了该系统的有效性和可行性。     

基于瑞典条分法的应变软化边坡稳定性评价方法

引入简化的应变协调方程,基于瑞典条分法的基本原理,提出一个新的能够考虑土的剪应力-应变关系的应变软化边坡稳定性简化分析方法。推导了该方法的计算公式,提出了具体算法并编制了计算程序,分析了不同应变软化特性的边坡稳定性。实际应用表明,该方法简单可靠、效率较高,计算所采用的分条数量和初始滑裂面位置对计算结果精度的影响均很小。应变软化边坡的安全系数介于基于峰值强度和残余强度的极限平衡条分法计算结果之间,具体数值不仅取决于土的抗剪强度指标,还与其剪应力-应变关系密切相关。     

边坡稳定性分类评价的同伦模糊C-均值聚类算法

针对单一模糊C-均值聚类算法对初始聚类中心初值敏感性问题,引入同伦理论,提出了同伦模糊C-均值聚类算法。以三峡库岸研究程度较高的36个边坡为对象,采用同伦模糊C-均值聚类算法对边坡的稳定性进行分类,研究边坡最佳分类级数和算法的收敛性、可靠性。边坡聚类结果研究表明,同伦模糊C-均值聚类算法对初始聚类中心的选取没有明显的依赖性,是一个具有全局最优解的聚类方法,其结果明显好于单一模糊C-均值聚类算法。     

斜坡单元支持下基于土体含水率的陕西省清涧县城区黄土滑坡危险性评价

滑坡危险性评价是减灾防灾的重要措施之一。通过野外调查,陕西省清涧县城区周边斜坡地带共发育滑坡138处,严重威胁县城安全。为了准确评价清涧县城区滑坡危险性,按照河流沟谷的发育情况和地形地貌的完整性,将清涧县城区及周边区域的斜坡地带共划分为925个斜坡单元,将斜坡单元按照不同的坡度、坡高和坡型分别进行不同土体含水率工况下的斜坡稳定性计算。计算结果表明,随着斜坡土体含水率的逐渐增加,城区内稳定斜坡的面积逐渐减少,不稳定斜坡的面积逐渐增大。依据陕北地区黄土斜坡土体含水率监测数据,分析计算土体含水率（w）的出现概率,w≤0.15出现的概率为0.622（概率很高）,0.15<w≤0.2出现的概率为0.2963（概率高）,0.2<w≤0.25出现的概率为0.0816（概率中）,w>0.25出现的概率为0（概率低）。结合斜坡稳定性计算结果和含水率出现概率,评价斜坡单元危险性。评价结果表明,清涧县城区危险性很高区面积3.27 km²,包含斜坡单元112个,已发生滑坡点92个;危险性高区面积4.19 km²,包含斜坡单元128个,已发生滑坡点36个;危险性中区面积8.75 km²,包含斜坡单元251个,已发生滑坡点6个;危险性低区面积15.20 km²,包含斜坡单元434个,已发生滑坡点4个。     

A back-propagation network for the assessment of susceptibility to rock slope failure in the eastern portion of the Southern Cross-Island Highway in Taiwan

An assessment of the susceptibility to rock slope failure by means of a back-propagation network is proposed for the eastern portion of the Southern Cross-Island Highway in Taiwan. The model was developed on the basis of six influence parameters of rock slope instability, which include the rock type, slope aspect, slope angle, joint set number, joint spacing and bedding–slope relationship. The values of these influence parameters were used as inputs for the network and were classified as nominal scales in terms of binary numbers, while the state of failure/non-failure of a given slope was assumed to be the output variable. Data on a total of 170 slopes along the highway was fed into the network for learning. According to the outputs of the network, the susceptibility to rock slope failure is categorized into four levels, namely low, medium–low, medium and high, which are mapped along the highway. Three highly susceptible regions are found, which can be viewed as hazardous sections requiring cautionary measures. Moreover, the proposed model can be used as a tool for determining the possible state of an unfamiliar rock slope in the context of devising management strategies to be applied to the investigated portion of the highway.