共查询到18条相似文献，搜索用时 993 毫秒
1.
滑坡危险性评价与预测是滑坡灾害防治中的首要任务,科学合理地评价滑坡危险性十分重要。以岩桑树水电站库区发育的潜在滑坡为例,据其特有的地质环境条件,选取坡体风化程度、斜坡坡度等9个影响因素作为滑坡危险性评价的指标,并建立分级标准将滑坡危险性分为轻度危险、中度危险、重度危险和极度危险4个等级。将突变理论运用到滑坡危险性评价中,从而建立了新的稳定性评判模型。基于突变级数法的滑坡危险性评价方法,综合考虑了各评价指标间的相关性,真实地描绘了滑坡系统的内在机制。实例分析结果表明,该方法评判结果准确率高,可为滑坡的防治提供依据。 相似文献
2.
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。 相似文献
3.
基于组合赋权-未确知测度理论的滑坡危险性评价 总被引：2，自引：0，他引：2
危险性评价与预测是滑坡灾害预防与减灾工作首要解决的重要内容。以西藏隆子县研究区内发育的滑坡为例,据其特有的地质环境条件,选取滑坡发育高程、坡度等13项影响因素作为滑坡危险性评价的指标,并建立分级标准将滑坡危险性划分为高度、中度和低度三级。采用组合赋权-未确知测度理论耦合评价模型,构建了评价指标未确知测度函数、评价指标组合赋权值、置信度判别准则,对研究区内20个滑坡进行了危险性评价,获得了每个滑坡危险性等级,并与模糊物元和突变理论评价结果及实测结果对比,评价结果基本符合实际情况,证明该方法科学合理,可为滑坡危险性预测提供新思路。 相似文献
4.
GIS支持下基于CF方法的2013年芦山地震滑坡因子敏感性分析 总被引：1，自引：0，他引：1
本文依据研究区现有地形因子(高程、坡度、坡向、斜坡曲率)、地质因子(岩性、距深大活动断裂距离)和地震因子(PGA、距震中距离)等相关影响因子资料并结合地震区基本情况,以GIS技术作为操作平台,采用确定性系数法,开展较为详细的芦山地震区地震滑坡影响因子敏感性分析工作。首先,以GIS技术作为操作平台将地震滑坡的8个影响因子据研究区特征进行分级,构建不同影响因子分级的栅格图层进行地震滑坡分布相关参数统计; 其次,采用确定性系数法计算8个地震滑坡影响因子分级区间对应的CF值,分别提取出地震滑坡最为敏感分级区间以进行地震滑坡影响因子敏感性分析,从而衡量不同影响因子分级区间对地震滑坡易发性敏感程度。地震滑坡影响因子敏感性分析结果表明,除斜坡曲率因子与距震中距离因子对地震滑坡易发性不敏感外,其他6个影响因子对地震滑坡易发性均很敏感,分别是影响滑坡发生的主要地形、地质和地震因子。针对斜坡曲率因子和距震中距离因子对滑坡的易发性不是很敏感是否受内部其他影响因子限制所进行的分析与讨论结果表明,SW向很可能限制了斜坡曲率对地震滑坡易发性的敏感程度,地层岩性对距震中距离因子限制作用更为明显,除奥陶系、志留系外的地层岩性对距震中距离因子敏感性程度都有限制。文章所得成果具有一定的方法理论意义,对于防震减灾工作也具有一定参考意义。 相似文献
5.
国道213汶川—松潘段位于强震山区,滑坡灾害频发,每年都会因滑坡灾害导致交通中断,迫切需要查明沿线滑坡隐患的空间分布,并对其易发性进行评价。利用光学遥感和InSAR综合遥感技术对沿线滑坡隐患进行识别,共识别滑坡隐患288处,其中InSAR探测出有形变的滑坡隐患点27处。以识别出的滑坡隐患为评价样本,选取高程、坡度、坡向、地表曲率、工程地质岩组、归一化植被指数(normalizied difference vegetation index,NDVI)、距道路距离、距河流距离、距断层距离等9个影响因素作为评价因子,采用Logistic回归模型评价该沿线滑坡隐患易发性,评价结果可为国道213汶川—松潘段滑坡灾害防治提供参考。 相似文献
6.
证据权法在区域滑坡危险性评价中的应用以贵州省为例 总被引：3，自引：0，他引：3
以GIS为技术平台,采用证据权法对研究区进行了滑坡地质灾害危险性分析。综合分析历史滑坡数据及其环境因素和触发因素,数据源主要有地形图、DEM、地质图,选取地层岩性、构造、高程、坡度、坡向、地形起伏度、道路、水系作为危险性评价因子。首先应用ArcGIS软件对数据源进行处理,提取各个评价因子图层,并对每个图层进行分级、缓冲区分析等处理,建立若干证据层。然后将历史灾害点与评价因子进行空间关联分析,计算每个评价因子等级的权重,最后计算出评价单元的危险性指数,并将危险性分为极高危险区、高危险区、中等危险区、低危险区。采用成功率曲线法对证据权法评价精度进行验证,结果表明本次评价的精度为71%。利用历史滑坡数据对评价结果进行验证,结果显示评价结果与实际情况较为吻合,说明证据权可以客观定量地评价各影响因子对滑坡的影响程度,该方法应用于区域地质灾害危险性评价比较有效。 相似文献
7.
铜川市属于中国资源枯竭型城市，近年来过量的开采资源与频繁的工程活动诱发了大量的滑坡，对人民安全与社会发展造成了严重威胁，如何科学合理地对滑坡易发性进行评价具有重大的研究意义。以铜川市滑坡分布较多的王益区、印台区作为研究区，选取坡度、坡向、高程、曲率、距道路的距离、距水系的距离、地形地貌、岩土体类型等8个因子构建评价指标体系，采用MaxEnt模型与ArcGIS平台相结合的方法构建了研究区滑坡易发性评价模型，并进行了易发性评价。评价结果显示，MaxEnt模型AUC值达到0.905，评价能力优秀；Kappa系数为0.76，评价结果与滑坡现状分布十分吻合；距水系的距离、地形地貌为最重要的环境影响因子。高易发和较高易发主要分布在其中部及东部居民集中居住区，分别占研究区总面积的4.36%、5.77%，与实地调查结果相符，MaxEnt模型可在类似区域滑坡易发性评价中进行推广。 相似文献
8.
以麦积区1 ∶ 50 000地质灾害风险调查项目为依托,在前人研究及分析区内地质灾害分布规律与发育特征的基础上,以栅格单元作为基本评价单元,运用多因素加权指数和法,以地形条件、地貌类型、工程地质岩组、距断层距离、距水域距离、植被覆盖等作为区内地质灾害易发性评价的一级因子。以高程、坡度、坡向、地形起伏度、地面粗糙度、地表曲率等作为表征地形条件的二级评价因子,以距支流及干流距离作为表征距水域距离的二级评价因子,采用层次分析法计算各一级评价因子及其所属的二级评价因子的权重,基于ArcGIS平台对各评价单元综合易发性指数进行计算并进行归一化处理,采用自然间断点法将研究区地质灾害易发性划分为高易发区（8. 26%）、中易发区（19. 49%）、低易发区（23. 69%）、非易发区（48. 56%）4个区域。采用历史灾害统计法定性验证与ROC曲线法（AUC=0. 866）定量验证相结合的综合评价方法对划分结果进行验证,表明多因素加权指数和法能够较为客观准确的对麦积区地质灾害易发性进行评价。 相似文献
9.
在滑坡的易发性、危险性和风险评价中,评价指标的选取和定量化是非常关键的。目前国内外采取的主要方法是利用GIS工具提取地形、岩性、距河流或断层带的距离、土地类型、植被、降雨、河流密度等因子进行分析和计算。这些指标在滑坡易发性和危险性区划中得到了广泛应用并取得了丰硕的成果,但也有一些局限性,具体表现在3个方面:一是不能针对不同的滑坡类型提供不同的评价指标体系;二是提取的这些因子中在区域上有些是共性因子,如岩性、降雨等;三是尚未建立一个完整的风险评价指标体系。本次研究专门针对陕西北部地区广泛发育的一种称之为"黄土崩塌"的滑坡类型,运用国际上流行的滑坡风险管理理论,确定其风险评价总体指标体系;基于大量野外调查数据的统计规律,分析了黄土崩塌危险性的主要来源和影响危害性的主要因素,从失稳可能性评价指标、崩塌强度评价指标、承灾体评价指标和易损性评价指标4个方面共确定了16大类36个评价指标。该指标体系的构建可为进一步的陕北黄土地区斜坡单元崩塌灾害风险评价提供基础。 相似文献
10.
基于贡献率权重法的区域滑坡影响因子敏感性分析 总被引：2，自引：0，他引：2
滑坡影响因子是区域滑坡危险性评价的基础,而因子的敏感性直接反应评价过程中权重大小,因此因子敏感性的精度将影响着评价结果的精度。本文以平昌县滑坡灾害为例,选取坡度、地层、高差、高程、坡形五个因子作为滑坡灾害的敏感性分析因子,采用贡献率权重法对研究区滑坡灾害影响因子的内部敏感性及因子间敏感性进行分析,该评价方法结构简单,不受地域限制,能客观的反应出各评价因子间以及因子内对地质灾害的敏感性。分析结果显示:选取的5个指标敏感性大小依次为:坡形坡度地层高差高程;在各评价指标内部中,坡度10°~30°、侏罗系下统蓬莱镇组上段地层、高差4.94~12.36 m、高程300~800 m、凸形与直线形坡是滑坡发生的高敏感区间。 相似文献
11.
This paper deals with landslide hazards and risk analysis of Penang Island, Malaysia using Geographic Information System (GIS)
and remote sensing data. Landslide locations in the study area were identified from interpretations of aerial photographs
and field surveys. Topographical/geological data and satellite images were collected and processed using GIS and image processing
tools. There are ten landslide inducing parameters which are considered for landslide hazard analysis. These parameters are
topographic slope, aspect, curvature and distance from drainage, all derived from the topographic database; geology and distance
from lineament, derived from the geologic database; landuse from Landsat satellite images; soil from the soil database; precipitation
amount, derived from the rainfall database; and the vegetation index value from SPOT satellite images. Landslide susceptibility
was analyzed using landslide-occurrence factors employing the probability-frequency ratio model. The results of the analysis
were verified using the landslide location data and compared with the probabilistic model. The accuracy observed was 80.03%.
The qualitative landslide hazard analysis was carried out using the frequency ratio model through the map overlay analysis
in GIS environment. The accuracy of hazard map was 86.41%. Further, risk analysis was done by studying the landslide hazard
map and damageable objects at risk. This information could be used to estimate the risk to population, property and existing
infrastructure like transportation network. 相似文献
12.
区域滑坡易发性评价是国土规划和滑坡中长期防治的重要依据。为进一步提高滑坡易发性评价的准确性,以恩施市龙凤镇为研究区,运用地理信息系统GIS技术,获取了包括工程岩组、坡度、地质构造等在内的13个初始评价因子,利用基于遗传约简算法的粗糙集理论对初始评价因子进行属性约简,去掉冗余属性后获得最小约简,即8个核评价因子:工程岩组、高程、地形曲率、道路、水系、坡度、坡向、径流强度指数,并以此作为BP神经网络的输入层,构建RS-BPNN预测模型,获得滑坡易发性指数LSI及滑坡易发性等级分区图。其中高易发区面积占总面积的12.82%,该区包含的滑坡面积占总滑坡面积的78.11%,通过ROC曲线测试,模型预测精度为90.9%。结果表明,RS-BPNN模型预测性能良好,进一步提高了滑坡易发性评价的精度和准确性,有较高的工程实用价值。 相似文献
13.
区域滑坡易发性研究对地质灾害风险管理具有重要意义.以往研究中,将多元统计模型与机器学习方法相结合用于滑坡易发性评价的研究较少.以三峡库区万州区为例,首先选取9种指标因子（坡度、坡向、剖面曲率、地表纹理、地层岩性、斜坡结构、地质构造、水系分布及土地利用类型）作为滑坡易发性评价指标.基于证据权模型（weights of evidence,WOE）计算得到的对比度和滑坡面积比与分级面积比的相对大小,对各指标因子进行状态分级;再利用粒子群法优化的BP神经网络模型（PSO-BP）得到各指标因子权重.综合两种模型确定的状态分级权重和指标因子权重（WOE-BP）计算滑坡易发性指数（landslide susceptibility index,LSI）,基于GIS平台得到全区滑坡易发性分区图.结果表明:水系、地层岩性和地质构造是影响万州区滑坡发育的主要指标因子;WOE-BP模型的预测精度为80.8%,优于WOE模型的73.1%和BP神经网络模型的71.6%,可为定量计算指标因子权重和优化滑坡易发性评价提供有效途径. 相似文献
14.
传统的Newmark模型常对地下水位以上由负孔隙水压力提供的部分抗剪强度忽略不计,这对于滑动面的主要部分处在地下水位以下时较为合理,但对地下水位很深或考虑出现浅层滑动的坡体,其计算结果过于保守。因此,文章将Newmark累积位移模型扩展至非饱和土力学领域,在考虑基质吸力作用的基础上,改进了Newmark模型计算公式。分别利用Newmark传统模型和改进模型对甘肃礼县幅区域内的地震滑坡进行易发性分区,并在此基础上分别开展50年超越概率10%情况下的地震滑坡危险性分区和风险评价,最后利用ROC曲线对评价结果进行验证和比较。结果表明:改进模型所得易发区和危险区的计算结果明显优于传统模型计算结果;改进的模型所得风险区的计算结果虽然改进效果不明显,但仍优于传统模型计算结果。由于考虑基质吸力作用的Newmark改进模型充分发挥了基质吸力的贡献,使得计算结果更为合理,研究成果可为相关地区开展地震滑坡易发性分区、危险性分析和风险评价提供新的参考。 相似文献
15.
Landslide susceptibility mapping (LSM) is important for catastrophe management in the mountainous regions. They focus on generating susceptibility maps beginning from landslide inventories and considering the main predisposing parameters. The aim of this study was to assess the susceptibility of the occurrence of debris flows in the Zêzere River basin and its surrounding area using logistic regression (LR) and frequency ratio (FR) models. To achieve this, a landslide inventory map was created using historical information, satellite imagery, and extensive field works. One hundred landslides were mapped, of which 75% were randomly selected as training data, while the remaining 25% were used for validating the models. The landslide influence factors considered for this study were lithology, elevation, slope gradient, slope aspect, plan curvature, profile curvature, normalized difference vegetation index (NDVI), distance to roads, topographic wetness index (TWI), and stream power index (SPI). The relationships between landslide occurrence and these factors were established, and the results were then evaluated and validated. Validation results show that both methods give acceptable results [the area under curve (AUC) of success rates is 83.71 and 76.38 for LR and FR, respectively]. Furthermore, the AUC results for prediction accuracy revealed that LR model has the highest predictive performance (AUC of predicted rate?=?80.26). Hence, it is concluded that the two models showed reasonably good accuracy in predicting the landslide susceptibility in the study area. These two models have the potential to aid planners in development and land-use planning and to offer tools for hazard mitigation measures. 相似文献
16.
利用光学遥感数据、GIS及人工神经网络模型分析区域滑坡灾害(英文) 总被引：3，自引：0，他引：3
Biswajeet Pradhan Saro Lee 《地学前缘》2007,14(6):143-152
用光学遥感数据和地理信息系统(GIS)分析了马来西亚Selangor地区的滑坡灾害。通过遥感图像解译和野外调查,在研究区内确定出滑坡发生区。通过GIS和图像处理,建立了一个集地形、地质和遥感图像等多种信息的空间数据库。滑坡发生的因素主要为:地形坡度、地形方位、地形曲率及与排水设备距离;岩性及与线性构造距离;TM图像解译得到的植被覆盖情况;Landsat图像解译得到的植被指数;降水量。通过建立人工神经网络模型对这些因素进行分析后得到滑坡灾害图:由反向传播训练方法确定每个因素的权重值,然后用该权重值计算出滑坡灾害指数,最后用GIS工具生成滑坡灾害图。用遥感解译和野外观测确定出的滑坡位置资料验证了滑坡灾害图,准确率为82.92%。结果表明推测的滑坡灾害图与滑坡实际发生区域足够吻合。 相似文献
17.
在陕西省宝鸡市附近长寿沟地区滑坡详细调查和遥感解译的基础上,完成了1∶10000滑坡编目图。通过使用GIS的水文分析功能,运用正反DEM技术,将长寿沟地区划分为216个自然斜坡单元,其中包括123个滑坡单元和93个未发生滑坡单元,分析滑坡发生与坡高、坡度、坡向、坡形、人类工程活动和水文地质条件影响因子之间的统计规律。利用经遗传算法优化后的BP神经网络对80个滑坡样本和40个未滑坡样本进行训练学习,然后再利用训练好的网络对预测样本进行评价分析。结果表明:43个已滑坡单元中只有3个被误判为无滑坡,正确率为9302%,53个未滑坡单元中有10个被预测为滑坡,正确率为8113%,总体正确率为8646%。通过对被预测为滑坡的10个斜坡单元进行分析,发现这些单元在坡形、坡高等影响因素的组合上已经具备了发生滑坡的条件,虽然目前没有发生滑坡,但作为潜在的滑坡危险区,可以为滑坡灾害预测预报和防灾减灾工作提供参考。 相似文献
18.
Manifestation of remote sensing data and GIS on landslide hazard analysis using spatial-based statistical models 总被引：15，自引：10，他引：5
This paper presents landslide hazard analysis at Cameron area, Malaysia, using a geographic information system (GIS) and remote sensing data. Landslide locations were identified from interpretation of aerial photographs and field surveys. Topographical and geological data and satellite images were collected, processed, and constructed into a spatial database using GIS and image processing. The factors chosen that influence landslide occurrence are topographic slope, topographic aspect, topographic curvature, and distance to rivers, all from the topographic database; lithology and distance to faults were taken from the geologic database; land cover from TM satellite image; the vegetation index value was taken from Landsat images; and precipitation distribution from meteorological data. Landslide hazard area was analyzed and mapped using the landslide occurrence factors by frequency ratio and bivariate logistic regression models. The results of the analysis were verified using the landslide location data and compared with the probabilistic models. The validation results showed that the frequency ratio model (accuracy is 89.25%) is better in prediction of landslide than bivariate logistic regression (accuracy is 85.73%) model. 相似文献