共查询到20条相似文献，搜索用时 375 毫秒
1.
合理选取地质灾害影响因子并对因子进行优化分级是准确评价地质灾害易发性的关键。结合研究区实际情况,选取7个指标因子构建滑坡影响因子指标体系,并以各因子条件下滑坡灾害比例和信息量曲线的突变点为依据,对连续型评价指标因子进行优化分级。在此基础上,基于ArcGIS平台,运用层次分析法加权的信息量模型对镇江高新区滑坡灾害的易发性进行评价。根据易发区划分指标将研究区划分为高、中、低滑坡地质灾害易发区,划分结果与已有滑坡灾害分布有较好的对应关系,评价结果具有较高的准确性。该评价方法可为低山丘陵地区滑坡地质灾害的评价与防治规划提供参考。 相似文献
2.
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 总被引：4，自引：0，他引：4
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Arc GIS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1092.39km~2,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。 相似文献
3.
本文以湖北省秭归县为研究区,选取高程、水系距离、道路距离、岩土体类型、坡向、坡度、土地覆盖类型、年降雨量等8个评价因子开展滑坡易发性评价工作,依据ArcGIS软件数据分析工具完成各评价因子相关性分析。对评价因子相关性值|r|>0.1的高程、坡向因子剔除,计算各因子信息量值。利用信息量模型进行滑坡易发性评价,将研究区划分为四个区域：(1)极高易发区,面积140.0864 km2,占研究区总面积6.18%,主要分布在长江及支流沿岸;(2)高易发区,面积1002.445 km2,占研究区总面积44.23%,主要呈带状分布在极高易发区两侧,部分位于两河口镇、磨坪乡周边区域;(3)中易发区,面积833.8711 km2,占研究区总面积36.79%,呈带状分布在极高易发区两侧,零散分布;(4)低易发区,面积290.2564 km2,占研究区总面积12.80%,多分布在高山人稀区域。本文研究结果能够较好地反映研究区滑坡灾害分布规律,可为秭归县防灾减灾工作提供依据。 相似文献
4.
以万山区为例,在区域滑坡孕灾条件的基础上,筛选工程地质岩组、斜坡结构、平均坡度、地貌、距构造距离及距河流距离共6个易发条件因子,选取逻辑回归模型和信息量模型对山区滑坡进行易发性评价。结果显示逻辑回归模型中中高易发区面积占比分别为1578%和1970%,82%的地质灾害点落在该区域内;信息量模型中中高易发区面积占比为1241%、2519%,包含了区域88%的滑坡灾害点。最后通过实际发生的灾害点在各易发区的分布情况进行检验,逻辑回归模型中灾害点落在高易发区的比例远小于信息量模型,且高易发等级中灾害点实际发生的比值较小,说明针对山区区域滑坡地质灾害易发性评价结果预测上,信息量模型的评价结果更为客观准确。 相似文献
5.
滑坡易发性评价是滑坡灾害管理的基础工作,也是制定各项防灾减灾措施的重要依据。针对传统的信息量模型在评价过程中确定权重值存在准确性不高的缺点,文章提出RBF神经网络和信息量耦合模型。以甘肃省岷县为研究区,筛选坡度等9个指标因子构建了滑坡灾害易发性评价指标体系,应用RBF神经网络-信息量耦合模型（RBFNN-I）进行滑坡灾害易发性评价,利用合理性检验和ROC曲线对模型的评价结果进行精度检验。结果表明:（1）RBFNN-I模型的AUC值为0.853,相比单一的RBFNN和I模型分别提高了6.3%和9.7%,说明RBFNN-I模型具有更好的评价精度;（2）岷县滑坡灾害的极高易发区和高易发区主要分布在临潭—宕昌断裂带、洮河及其支流、闾井河和蒲麻河两侧河谷地带,距断层距离、降雨量、距道路距离和NDVI是影响岷县滑坡灾害分布的主控因子。 相似文献
6.
针对地质灾害易发性评价因子分级数不确定的问题,引入自适应膨胀因子模糊覆盖分级方法（fuzzy cover approach for clustering based on adaptive inflation factor, AIFFC）对易发性评价因子分级进行优化。以湖南省湘乡市为研究区,提取了坡度、坡向、高程、年平均降雨量、归一化植被指数、道路、断层、岩性和土地利用9类评价因子,运用AIFFC及自然断点法（natural breakpoint classification,NBC）对连续型因子进行分级,并分别代入加权信息量模型和随机森林模型,获取研究区易发性区划图。采用单因子分级结果精度、灾积比分析和易发性分区结果 对AIFFC分级法的优越性进行检验,结果 表明：各因子采用AIFFC算法分级的AUC值均高于自然断点法;基于AIFFC的随机森林模型及加权信息量模型的高易发区灾积比分别提升了56.3%、74.6%,低易发区灾积比分别降低了48%、58.1%,AUC值分别提升了7.6%、2.7%。采用AIFFC分级方法优化了地质灾害易发性评价因子分级,显著提高了地质灾害易发性评价的合理性... 相似文献
7.
以则木河断裂带（普格段）为研究区,分析研究区的地质灾害控制效应以及发育规律;选取海拔高程、坡向、坡度等7个评价因子构建评价指标体系,运用确定性系数模型与信息量模型耦合的加权信息量模型,通过ArcGIS进行地质灾害易发性评价。结果显示,研究区地质灾害发育具有断层距离效应、地层效应以及高程和坡度微地貌效应;极高易发区、高易发区、中易发区和低易发区的面积分别为46.75 km2、123.78 km2、215.73 km2、285.34 km2,面积占比分别为6.96%、18.43%、32.12%、42.49%。研究结果对指导则木河断裂带地区以及同类区域的国土空间规划与地灾防治等方面具有重要现实意义。 相似文献
8.
基于GIS和信息量模型的京张高铁滑坡易发性评价 总被引：5，自引：3，他引：2
新建京张铁路不仅是2022年北京冬奥会的配套交通保障设施,同时也是京包兰交通廊道的重要组成部分。在京张高铁沿线滑坡灾害调查的基础上,对影响滑坡灾害发育的相关因子进行统计分析,选取斜坡坡高、坡度、坡向、归一化植被指数、工程地质岩组、活动断裂、河流、年平均降雨量、地震和人类工程活动等10个要素作为评价模型计算的基本变量和数值化参数,采用基于GIS的信息量模型法对在建京张高铁沿线及邻区进行了滑坡灾害易发性评价,并将评价结果划分为5个等级:极低易发区、低易发区、中易发区、高易发区和极高易发区。结合野外调查成果,对评价结果的可信度进行了检验分析,评价结果与实际灾害发生情况基本吻合,研究结果可为京张高铁建设、减灾防灾提供基础依据。 相似文献
9.
都匀市是贵州省城镇滑坡地质灾害多发频发区。文章以都匀市沙包堡镇为研究区,采用栅格单元提取高程、坡度、岩性、水系等9项致灾因子,分别使用都基于数学统计模型的定量分析方法（二元逻辑回归模型、信息量模型）和定性分析方法（层次分析模型）对都匀市研究区滑坡地质灾害易发性进行评价。结果表明:二元逻辑回归模型预测精度与预测效果均为最优,其ROC曲线下面积AUC值为0.873,易发性分区中高易发区和中易发区内预测发生滑坡面积比占95.41%,且最符合野外实地调查验证情况。评价方法与结果可为贵州城镇地区滑坡地质灾害评价和防治提供借鉴。 相似文献
10.
GIS支持下CF与Logistic回归模型耦合的九寨沟景区滑坡易发性评价 总被引：1，自引：0，他引：1
2017年8月8日九寨沟MS7.0地震诱发了数以千计的崩滑体,产生的大量松散固体碎屑在降雨作用下极易启动转化为新的滑坡或泥石流形成次生灾害,因此对九寨沟景区进行滑坡易发性评价尤为必要。基于震前、震后高精度遥感影像对比分析结合现场调查,共获取1047处滑坡,总面积为3.88 km2。在分析滑坡发育分布与影响因素关系的基础上,本文选取了构造因子、地形因子、地质因子及其他因子等9个指标,采用确定性系数(CF)模型、逻辑回归(Logistic)模型以及两种模型耦合分析进行滑坡易发性评价。研究结果表明,坡度、坡向、高程和地层岩性是影响滑坡分布的主要因子;研究区被划分为低易发区(60.72%)、中度易发区(24.18%)、高易发区(9.89%)和极高易发区(5.21%),高-极高易发区基本沿沟谷分布,面积为99 km2,其中熊猫海、老虎海周边均为滑坡极高易发区;采用耦合模型比单一模型评价结果更加合理,其结果可作为景区滑坡防治和分段分时开放的参考依据。 相似文献
11.
开展铁路沿线滑坡易发性评价对川藏交通廊道工程建设及运维过程中的风险管理具有重要意义.提出一种层数自适应、通道加权的卷积神经网络(layer adaptive weighted convolutional neural network,LAW-CNN),对川藏交通廊道沿线滑坡易发性进行评价.依据野外调查和影响因素分析筛选出影响滑坡发生的影响因子,绘制滑坡编目,构造用于易发性评价的实验数据集;针对卷积神经网络的权重初值、网络层数等超参数难以优化设置的问题,提出基于影响因子信息熵的通道加权方法和网络层数优选策略,通过多通道加权和层数自适应分类卷积的方式提出滑坡易发性制图的LAW-CNN架构;搜索最优LAW-CNN网络结构并训练网络参数,获取研究区滑坡发生概率并进行易发性分级评价.所提的LAW-CNN模型可以不同权重和不同深度挖掘影响因子的深层特征,实验结果表明,模型曲线下面积(area under curve,AUC)值为0.852 8,极高易发区滑坡点密度为1.251 9,均优于SVM(support vector machine)和CNN模型;川藏交通廊道沿线滑坡极高和高易发区主要集中在大江大河两侧以及横断山区.LAW-CNN模型可较好评价川藏交通廊道滑坡易发性,能够为川藏交通廊道的建设和灾害防治提供科学的依据. 相似文献
12.
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。 相似文献
13.
滑坡灾害易发性研究对地质灾害风险管理及减灾防灾有着重要的现实意义。目前,多模型耦合的评价方法在国内外应用较为广泛,但将证据权与其他方法相结合用于滑坡易发性评价的研究却较少。鉴于此,本文以浙江省永嘉县为例进行滑坡易发性评价,选取高程等9个因素作为滑坡易发性的评价因子。利用证据权模型计算得到的证据权对比度与分级栅格比、滑坡栅格比进行比较,实现各评价因子状态分级处理;再运用Logistic回归模型算得各评价因子的权重。综合两种模型确定的状态分级权重和评价因子权重,基于GIS的栅格运算功能得到各评价单元的滑坡发生概率,实现研究区滑坡易发性分级区划。研究结果表明,证据权与Logistic回归耦合模型的评价结果的合理性与精确度均优于两种单一模型;且极高易发区和高易发区主要分布在水系延展区、断层密集区、岩组软弱区。研究结果对滑坡灾害风险管理及城市防灾规划具有一定的参考价值。 相似文献
14.
定量分析滑坡发生的敏感性,能为易发性区划、危险性评价、风险性评估等提供定量依据,对研究滑坡的成灾背景、发育规律具有重要意义。文章基于ArcGIS技术应用“累计和分形理论”对滑坡的敏感性进行了分析,得到各致灾因子的累计和分维值及滑坡发生对各致灾因子的敏感性;基于滑坡对致灾因子的敏感性绘制南江县易发性区划图,将南江县滑坡易发性等级分为极高易发区、高易发区、中易发区、较低易发区、极低易发区五个等级。 相似文献
15.
赣南地区滑坡灾害点多、面广、规模小,具有群发性和突发性的特点,90%以上的滑坡是因人工切坡导致的。为研究赣南地区小型削方滑坡对易发性评价模型的适用性,以赣州市于都县银坑镇为例,基于野外地质调查成果,并利用地理探测器,选取坡度、坡体结构、岩组、断层、道路、植被等6个评价指标,分别选用信息量模型、人工神经网络模型、决策树模型和逻辑回归模型开展易发性评价。结果表明:信息量、人工神经网络、决策树和逻辑回归等模型得到的AUC值分别为0.800、0.708、0.672和0.586,信息量模型所得的易发性结果与研究区滑坡实际分布情况较吻合,高易发区和中易发区滑坡占比近80%。信息量模型较其他三个模型,更适合于赣南地区小型削方滑坡易发性评价,评价结果对该地区地质灾害易发性评价模型选取提供了参考与借鉴。 相似文献
16.
以安徽省池州市为研究区,选取坡度、坡向、工程地质岩组、断裂、道路、河流、降雨量、土地利用类型8个影响因子进行地质灾害易发性评价。基于全市345个地质灾害点(崩塌和滑坡)样本数据,采用信息量模型对研究区各影响因子的信息量进行计算,依据灾害点密度将区域灾害易发性划分为5个等级:低易发区、较低易发区、中易发区、较高易发区和高易发区。结果表明:安徽省池州市地质灾害高易发区和较高易发区主要分布在坡度较大的山区河谷两侧,反映人类工程活动破坏、流水冲刷作用和地形地貌因素是影响该区地质灾害的主要因素。其中,高易发区和较高易发区面积为1 801.47 km~2,分别占全区总面积的7.89%和13.88%,高易发区和较高易发区内的灾害点分别占所有灾害点的48.7%和21.5%,其中高易发区的灾积比为6.17,明显高于其他易发等级。对地质灾害易发性的方法与技术的研究,旨在为该区的灾害防治和经济建设提供技术参考。 相似文献
17.
《西北地质》2020,(2)
云南省陇川县地质环境脆弱,易发生滑坡灾害,对其开展滑坡易发性评价对指导陇川县的滑坡地质灾害防治具有重大意义。根据陇川县地理环境、地质环境、人类活动等条件,选取高程、坡度、坡向、剖面曲率、平面曲率、归一化植被指数、水系距离、断层距离、地层岩性和道路距离等10个评价因子,利用信息量模型和ArcGIS软件进行滑坡易发性评价。结果表明,滑坡高易发区主要位于研究区北部、东南部和西南部;中易发区主要位于中部、东部和西部部分地区;低易发区主要位于陇把镇、城子镇大部分地区和户撒阿昌族乡的西北部;不易发区主要位于清平乡中部、城子镇中部部分地区、以及章凤镇大部分地区。在中易发区和高易发区包含83.56%的滑坡灾害点,且滑坡面积随着易发性等级的增加也随之增大。滑坡中、高易发区内发生的滑坡面积分别占研究区滑坡面积的22.79%和58.13%,分析结果与实际灾害分布特征相吻合,可为研究区及类似区域的滑坡地质灾害防灾减灾工作提供参考意见。 相似文献
18.
基于GIS与确定性系数分析方法的汶川地震滑坡易发性评价 总被引：4，自引：0，他引：4
汶川Ms 80级大地震诱发了数以万计的滑坡灾害。在大约48678 km2的滑坡影响区域内,作者采用震后遥感影像解译并结合野外调查的方法,共解译出48007处滑坡。应用GIS技术,建立了汶川地震诱发滑坡灾害及相关地形、地质空间数据库。采用地震滑坡确定性系数分析方法,分析了地震滑坡关于地震烈度、岩性、坡度、断层、高程、坡向、河流与公路等8个因素的易发程度。基于GIS栅格分析方法,分别对16种不同影响因子组合类型进行地震滑坡易发性评价。最后,应用AUC（Area Under Curve,评价曲线下面积）方法得到最佳因子组合及其对应的评价结果,使用自然分类法则方法将研究区按滑坡易发程度分为极高易发区、高易发区、中易发区、低易发区与极低易发区5类,极高易发区与高易发区面积之和约1169046km2,占研究区总面积的2402%,其中发育滑坡面积为52484 km2,占滑坡总面积的7373%。结果表明了极高与高易发区与实际滑坡之间有着良好的一致性,方法的评价结果成功率（AUC值）达到82107%。 相似文献
19.
《地质科技情报》2020,(2)
为对比信息量模型中灾害数量和灾害面积2种样本的适用性,以黄冈南部地区作为研究对象,探讨了评价因子的优化组合形式,采用信息量模型,根据研究区工程地质条件和地质灾害的特征初选评价因子,结合成功率曲线确定2种样本的因子优化组合,进而通过灾害比率及典型地质灾害点验证易发性评价结果。结果表明:①在单因子评价结果中,2种样本的单因子评价结果的AUC值排列顺序不尽相同,但呈现出一定规律性;②各叠加因子评价结果的准确度均达到因子优化组合的94.9%以上,变化幅度相对较小,且呈现出随因子数量增加而增大的趋势,但并不是越多越好;③2种样本的易发性评价结果都显示出高、较高易发区主要集中于研究区中部及北部地区,低易发区和较低易发区多集中于长江沿岸以及研究区南部,与灾害分布位置相符;④2种样本均为地质灾害易发性评价中信息量模型的有效计算样本,且面积样本的准确度明显优于数量样本。 相似文献
20.
横断山区地质灾害发育多,其中属滑坡灾害易发育,危害大,且山区乡镇多地势环境复杂,不规范活动较多,易引发滑坡。因此对该区域乡镇进行滑坡易发性评价具有重要意义。以普洱市澜沧县安康佤族乡为例,选择高程、坡度、坡向、起伏度等8个影响因素建立滑坡易发性评价指标体系,构建了小区域滑坡灾害易发性评价指标层次结构模型,利用层次分析法(AHP)确定出各个因子权重值。基于易发综合强度指数法,利用ArcGIS地理空间分析评价了研究区滑坡易发性,划分了四类区域：高易发区,面积占比14.53%;较高易发区,面积占比34.06%;中易发区,面积占比33.57%;低易发区,面积占比17.84%。为安康佤族乡防灾减灾以及滑坡灾害治理提供参考,也为小区域滑坡灾害易发性评价提供了思路方法。 相似文献