基于GIS和AHP的福建福安区域滑坡地质灾害危险性评价

以福建省宁德福安市为研究区,通过综合分析研究区地质灾害调查数据,选取了坡度、坡向、曲率、高程、降水、植被、道路、河流、地质、断裂带及人类工程活动等10个因子作为评价指标,构建区域滑坡地质灾害危险性评价层次结构模型,利用层次分析法(AHP)确定各因子权重,基于GIS地理空间分析评价了研究区地质灾害危险性,划分了5类区域:...     

基于地理空间分析和AHP的线路通道滑坡风险性评价

输电线路常需要跨越地质灾害易发区域,为了保证电力的正常、安全输送,对输电线路通道所经区域进行滑坡地质灾害的空间分布及潜在风险评价具有重要意义。本文结合GIS和AHP方法进行了某输电线通道滑坡灾害危险性评价,选取地形地貌、气候条件、水文条件、人为活动条件、植被条件、地质岩组条件等影响因子,建立评价指标体系,利用层次分析法(AHP)确定各因子权重,基于GIS地理空间分析评价了输电线路通道地质灾害危险性,划分了5类区域:极高危险区、高危险区、中危险区、低危险区、较低危险区。危险性评价结果可为输电线路电力设施通道滑坡灾害防治、安全设计和施工提供科学依据。     

基于GIS的滑坡地质灾害危险性评价方法的探讨

滑坡地质灾害的危险性评价对区域内地质灾害的防治规划有着重要意义,本文探讨了基于GIS的滑坡地质灾害危险性评价体系的构建,概述了滑坡危险性评价的主要流程以及步骤。根据影响区域滑坡灾害形成的各种因素,分析了滑坡地质灾害评价因子的选择方法。     

基于致灾因子对称法分级的信息量模型在地震滑坡危险性评价中的应用

信息量模型是由信息论引出的一种统计预测方法,被广泛地应用于地质灾害危险性评价中.如何制定合适的因子分级方法,使单因子统计分析的优势最大化,是信息量模型构建中的关键问题.为此提出了一种对称分级方法,该方法基于正态分布相关的统计学知识,以标准差为间隔对因子进行预分级后,由外到内将对称的区间合并、划分为一级.基于对称分级方法...     

基于GIS的岷江映秀段泥石流危险性评价

流域地貌是泥石流形成的基础,对泥石流的发育有较大影响。本文基于地貌信息熵理论,利用GIS技术定量分析岷江映秀段小流域地貌发育阶段,以评价岷江映秀段沟谷发生泥石流的危险性。最后利用泥石流沟的实例数据来验证评价结果的准确性,对比结果表明评价结果与实际情况能较好吻合。     

基于GIS的坡面泥石流危险性评价

综合不同的泥石流评价因子对泥石流危险性进行了研究,利用地理信息系统（ GIS）来计算潜在的泥石流危险区域。选取虹口乡高原村与庙坝村共处坡面为研究区域,在ArcGIS中生成研究区域的坡面立体图。选取适当的评级指标,确定了流域内主要的泥石流影响因子。采用层次分析法得出各主要因子的权重值,将各因子划分为五个不同等级,并分别对各个因子进行数值化和归一化处理。利用ArcGIS形成各评价因子专题层,再分别给不同评价栅格赋权重值,最终运用叠置分析与插值分析得出研究坡面的不同色带所表示的危险等级区划图,从而实现单坡面泥石流危险性的评价。     

基于GIS的修水县地质灾害危险性评估研究

滑坡灾害作为一种与人们生命紧密相连的常见自然灾害,对其进行危险性评价研究极为重要。以江西省九江市修水县作为研究区域,以修水县243个滑坡地质灾害点作为研究对象,根据对修水县滑坡灾害的发育特征和关联因素的分析,选取了九大评价因子,利用信息量模型和AHP对修水县进行滑坡地质灾害危险性分区。其按危险程度分为极低、低、中等、高和极高5个危险区,分别占总面积的4.25%、14.97%、32.14%、35.17%和13.58%。综合研究区滑坡概况对各危险区进行分析,为研究区的地质灾害预防提供建议。     

滑坡敏感性评价模型研究

以得荣县为研究区,结合野外调查资料,选取坡度、坡向、高程、断裂、水系、地表曲率、工程岩组、土地利用和NDVI等9个评价因子,利用信息量、逻辑回归和支持向量机(SVM)3种定量模型进行了敏感性评价,并引入成功率验证法对评价模型精度进行了评定。研究结果表明,SVM模型具有很高的预测精度,为81.2%,可推广到其他高山峡谷区域使用。     

滑坡灾害危险性研究现状与展望

滑坡的孕育和发生是受不同内外因素的影响而发生的灾害现象。滑坡灾害危险性区划在滑坡编目和灾害敏感性分析结果的基础上,应用定性分析和定量分析、确定性模型和随机性模型相结合对滑坡灾害易发程度进行分区表示。随着地理信息系统在滑坡灾害区划中的广泛应用,灾害危险性的定量研究得到进一步的深化和发展。本文全面介绍了滑坡灾害危险性区划的主要定量模型,分析了未来滑坡灾害区划的发展趋势,并提出了基于空间数据挖掘的滑坡灾害危险性分析框架。     

滑坡危险性预测模型的设计与实现

滑坡灾害的发生严重影响人类社会的生产生活,因此对滑坡灾害的预警预测工作一直是地质灾害监测和防治的重点,国内外众多学者都对此进行了相应研究。本文在前人的研究基础上把信息量模型和降雨诱发指数应用在滑坡预测研究中,充分考虑两者的耦合影响,建立了滑坡危险性预测模型,并完成了模型的开发工作。该模型实现了滑坡灾害危险性预测的快速化、自动化,并且已集成到江西省地质灾害预警预报分析决策系统中,得到了成功应用。     

滑坡遥感调查、监测与评估

滑坡遥感调查包括滑坡识别、基本信息获取和滑坡空间分析等，本文以天台乡滑坡遥感调查中用特征点法确定滑坡边界、影响带及滑坡运动特征及规模为例说明。滑坡遥感监测可分为直接监测和间接监测。由于突发的高速超高速崩塌、滑坡及泥石流活动时间难以预测，滑坡运动的规模相对于遥感地面分辨率较小，获取遥感数据的不连续性及价格昂贵等原因，目前较少应用遥感技术直接监测滑坡活动； 遥感监测滑坡运动引起的环境变化，称为间接滑坡监测，以遥感监测易贡大滑坡引起的易贡湖水面变化及溃坝造成的下游灾害为例说明。滑坡遥感评估指在获取滑坡及其发育环境基本信息的基础上，评估滑坡的稳定性，预测其未来活动性，评估区域滑坡的影响因子和进行区域滑坡危险性评价，文中以天台乡滑坡、千将坪滑坡稳定性评估及三峡库区中前段区域滑坡危险性评价为例说明。     

滑坡区域危险性的动态预测方法研究

在一般滑坡区域危险性预测方法的基础上,考虑动态预测,添加了降雨、蓄水水位变化、植被三种动态因素对于滑坡的作用,并以三峡库区中的重庆市涪陵区为例将动态预测方法加以实现。     

3S技术下滑坡危险性区划及监测

针对传统知识驱动型滑坡灾害研究多依赖专业人员经验,具有主观性和不确定性的问题,该文提出了基于数据驱动滑坡致灾因子评价及危险性区划的方法。采用证据权模型,较好地平衡了滑坡危险性区划中准确性与高效性之间的矛盾,实现了较为精确的滑坡易发性及危险性区划;利用感知层、网络层、应用层的物联网技术,实现了高危险区滑坡点在线预警监测。3S技术支持下的滑坡危险性区划及监测实验结果表明:所用模型及监测技术不仅可以准确评价滑坡致灾因子权重及危险性区划,还能够精准、高效实现滑坡点实时监控预警。     

基于优化随机森林模型的滑坡易发性评价

以三峡库区沙镇溪镇-泄滩乡为研究区,探索基于最短描述长度原则的信息增益法对滑坡连续型因子进行离散的效果,计算皮尔森系数去除高相关因子。利用信息量法预测的极低、低易发区随机抽取非滑坡样本点。通过迭代计算袋外误差估计确定较优的随机特征及其数目,将优化后的随机森林对研究区滑坡进行易发性评价,并与逻辑回归等方法进行比较。绘制各算法预测结果的接收灵敏度曲线,其中优化后的随机森林预测结果的曲线下面积较高,达91.8%,表明优化随机森林模型在滑坡易发性评价中具有较高的预测能力。     

输电线路三维模型的构建与数据组织

提出了一种以二维输电线路GIS和DEMs数据为基础,通过三维扩展构建输电线路三维模型的方法;针对虚拟地形环境的特点,采用地形几何与纹理数据一体化组织的策略,以提高实时数据调度的效率。实例证明了该方法的科学性和实用性。     

基于多元逻辑回归的兰坪县崩塌滑坡敏感性评价

通过卫星遥感影像解译和地面调查,获取了云南省兰坪县崩塌滑坡灾害的空间分布,利用Arc GIS软件空间分析方法对该县崩塌滑坡分布规律进行了统计分析,最后运用多元逻辑回归方法对该县未来崩塌滑坡发生的空间位置进行了易发性评价。分析结果确认了极高易发性区域地理位置,其中,极高易发性区域面积为345.1 km~2,占研究区面积的7.90%;高易发性区域面积为429.3 km~2,占研究区总面积的9.82%。所得到的兰坪县崩塌滑坡易发性分布对进一步的防灾减灾工作具有指示作用。     

层次分析法的黄河上游滑坡易发性评价

针对黄河上游龙羊峡至积石峡段滑坡灾害分布易发性评价与区划成图问题,该文以ArcGIS为平台,联系评价区的实际特点,选取地貌类型、地层岩性、降雨、断层、坡度为评价因子,运用层次分析法(AHP)确定各评价因子的权重,建立研究区滑坡易发性评价模型,结合GIS的空间分析功能实现研究区内滑坡灾害的易发性区划。结果表明,滑坡灾害主要集中在龙羊峡库区右岸和群科-尖扎盆地。区划结果与野外实际调查基本吻合,为今后GIS应用于地质灾害区划提供了思路,同时可为区内地质单位进行灾害监测提供基础数据和依据。     

滑坡危险性评价模型中的量化方式研究——以永嘉县为例

滑坡因子的分段和量化问题非常复杂,相同的滑坡因子在不同条件下对滑坡的贡献会有所不同,甚至完全相反。针对浙江省永嘉县具体滑坡点各个滑坡因子的分布情况,提出滑坡因子量化方案,并应用该方案构建滑坡危险性评价的神经网络模型。通过不同模型的对比分析,认为基于量化方案的支持向量机(Support Vector Machine,SVM)神经网络模型的实用性最强,结果最为满意,其滑坡分布的验证正确率达到84.2%。