共查询到20条相似文献，搜索用时 578 毫秒
1.
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
2.
以2008年5月12日汶川地震区为研究区,基于高分辨率航片与卫星影像开展地震滑坡目视解译,制作了汶川地震滑坡编录图.选择坡度、坡向、高程、与水系距离、与公路距离、与映秀-北川断裂距离、地震烈度、岩性共8个影响因子开展地震滑坡危险性评价工作.滑坡样本采用前期48007处滑坡编录点数据,不滑样本为在基于证据权重模型的滑坡危险性评价结果的低危险区与极低危险区随机选择的48000个点.基于这8个影响因子与逻辑回归模型,建立了汶川地震滑坡危险性索引图.采用这48007个滑坡样本点与汶川地震滑坡最新编录的增加滑坡,分别进行模型的成功率与预测率检验.结果表明,模型成功率为81.739％,预测率达到86.278％. 相似文献
3.
4.
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
5.
根据研究区的基本情况,选择坡度、坡向、地层岩性、距断层距离、降雨、土地利用等6个评价因子,采用滑坡灾害易发性评价的GIS与AHP耦合模型进行戛洒镇滑坡灾害易发性评价,并将滑坡灾害分为极高、高、中、低和极低易发区5个区域进行了滑坡灾害易发性评价结果分析,以期为后期的小流域滑坡风险评估研究服务。 相似文献
6.
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
7.
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
8.
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
9.
基于GIS与ANN模型的地震滑坡易发性区划 总被引：1，自引：0，他引：1
基于遥感数据、地理信息系统(GIS)技术和人工神经网络(ANN)模型,开展地震滑坡易发性区划研究.2010年4月14日玉树地震后,基于航片与卫星影像目视解译,并辅以野外调查的方法,在地震区圈定了2036处地震诱发滑坡.选择高程、坡度、坡向、斜坡曲率、坡位、与水系距离、地层岩性、与断裂距离、与公路距离、归一化植被指数(NDVI)、与同震地表破裂距离、地震动峰值加速度(PGA)共12个因子作为地震滑坡易发性评价因子.这些因子均是应用GIS技术与遥感影像处理技术,基于地形数据、地质数据、遥感数据得到.训练样本中的滑动样本有两组,一组是滑坡区整个单滑坡体的质心位置,另一组是滑坡滑源区滑前的坡体高程最高的位置.应用这12个影响因子,分别采用这两组评价样本,基于ANN模型建立地震滑坡易发性索引图,基于GIS工具建立地震滑坡易发性分级图.分别应用训练样本中滑坡分布的点数据去检验各自的结果正确率,正确率分别为81.53％与81.29％,表明ANN模型是一种高效科学的地震滑坡易发性区划模型. 相似文献
10.
依托“5.12”特大地震的抗震救灾工作,以汶川地震12个极重灾县市为研究对象,在1:5万滑坡详细调查、编录和遥感影像解译的基础上,利用DEM数据,ETM影像及基础地质数据,使用证据权法完成了研究区滑坡易发性评价因子的提取与制图以及相关性统计分析,实现了1:5万的滑坡易发性区划。 相似文献
11.
基于多模型的滑坡易发性评价以甘肃岷县地震滑坡为例 总被引：1，自引：0，他引：1
2013年7月22日,甘肃省岷县漳县交界处发生了MS6.6级地震(岷县地震),本文以这次地震烈度Ⅷ度区为研究区,根据地震前后遥感影像解译出来的2330个地震滑坡数据,以坡度、坡向、水系、岩性和断层为因子图层,分别应用模糊逻辑法,信息量模型及Shannon熵改进的信息量模型,对研究区的地震滑坡易发性进行评价。结果表明: 1滑坡的高易发性地区位于研究区的中间部分,以及水系0～50m这一缓冲区范围内,离水系越近滑坡易发性等级越高; 2应用ROC曲线对3个模型的易发性评价结果进行比较,信息量模型和Shannon熵改进的信息量模型的AUC值分别为0.8488, 0.8502; 模糊逻辑模型的AUC值为0.7640,表明前两个模型的表现较好,而模糊逻辑模型相对来说表现一般; 3通过对比3个模型中各等级易发性所占的面积比例和各等级易发性中滑坡数目占总数比例,表明Shannon熵改进后的模型更适用于灾害风险评价以及应急风险管理等实际应用。 相似文献
12.
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
13.
针对矿区长期煤矿开采引起的滑坡灾害频发问题,快速高效地模拟和评价矿致滑坡灾害易发性是实现采矿地区科学防灾减灾的关键。基于此,本文应用信息量与Logistic回归模型结合多源高分辨率光学遥感数据等,选取相对高差、坡度、坡向、距断层距离、NDVI、距采空区距离6个滑坡影响因子来评价采煤矿区滑坡灾害易发性。结果表明:(1)信息量与Logistic回归模型耦合的综合预测准确率为96%,信息量模型滑坡预测准确率为95%,实验结果表明耦合模型的预测精度优于单一信息量评价模型,评价模型的合理性和预测精度皆符合检验要求;(2)研究结果也表明了采用信息量+Logistic回归模型耦合能较为客观准确、快速高效地评价地下采矿引起的滑坡灾害易发范围,评价结果可为类似地区高效快速划定滑坡灾害易发区间提供技术支撑。 相似文献
14.
15.
评价方法的合理选择是获取正确滑坡地质灾害易发性评价结果的关键环节。本文以贵州省黔西南州普安县为例,在全面分析区内地层岩性、地形地貌、地质构造和水文地质等条件对滑坡灾害影响的基础上,采用层次分析法建立了具有针对性的滑坡灾害易发性评价指标体系,并开展了实际应用。评价结果在县境内划分出了极高、高、中和低易发区四个区域,对比分析显示评价结果与区内滑坡灾害发育宏观认识与实际分布情况吻合较好,证明了该方法在山区滑坡地质灾害易发性评价中的有效性与实用性。 相似文献
16.
汶川特大地震发生后,都江堰至汶川公路两侧地质灾害尤为发育,先后多次完全中断震中生命线的交通,严重影响了公路的安全运行和灾后重建的顺利进行。通过汶川地震前后都江堰-汶川公路边坡现场调查资料对比分析,研究了该地段边坡的主要地质灾害类型及其破坏模式、易发性分区和防治建议。研究表明破坏类型主要为碎屑流式、碎裂滑移崩塌,剪断-溃滑型、拉裂-溃滑型、顺层溃滑型滑坡和沟谷型泥石流。都汶公路两侧的边坡灾害以崩塌为主,滑坡、泥石流次之。地震使区内泥石流暴发的频率和规模增大,特大型泥石流主要发生在映秀-北川断裂带的地震烈度较高区域。防治此类地质灾害,应以治理为主,预防和避让相结合。 相似文献
17.
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
18.
强震山区地形陡峭,植被茂盛,使同震滑坡“点多面广”,难以探测,为灾害防控带来困难.滑坡易发性评估能够预测灾害空间分布.但传统评估方法存在数据源有限、数据量化标准不一等问题,难以获取准确的易发性评价结果及难以掌握复杂孕灾环境下滑坡发育特征.鉴于此,通过多源监测数据、空间分析和深度学习方法,分析同震滑坡的发育规律,探究滑坡的地震响应机制,并进行滑坡易发性区划.结果表明：地震通过影响地形地貌的应力场及岩土体结构对地震波的地震响应的作用,使同震滑坡表现不同形式的发灾效应（如锁固段效应、微地形效应和地层倾向效应等）;采用基于卷积神经网络（CNN）和深度神经网络（DNN）的深度学习模型取得了良好的易发性评价结果（AUC值分别为0.901和0.865）,CNN模型的预测性能优于DNN模型.两模型精度都较高,均能较为准确识别潜在的滑坡区域;极高和高滑坡易发性区域广泛分布于丹祖沟等13条沟道中,这些沟道在暴雨下更容易发生泥石流. 相似文献
19.
滑坡灾害易发频发、点多面广、隐蔽性强、危害严重.开展“天-空-地-深”观测一体化的滑坡早期识别、易发性评价及预测预报,对于保障人民生命和财产安全,推进滑坡灾害防治能力现代化具有重要意义.目前,依靠人工解译的滑坡识别耗时耗力,采用启发式模型的滑坡易发性评价不能较好地探明环境因子之间的非线性关系,基于传统监测数据的滑坡预测预报精度较低.机器学习算法凭借其强大的非线性处理能力及鲁棒性等优势,逐渐广泛应用于滑坡智能防灾减灾中.基于此,本研究系统阐述了机器学习在滑坡灾害早期识别、易发性评价及预测预报等方面的具体应用,综述了多种机器学习算法在上述3个领域中运用的优劣,最终对机器学习在滑坡灾害中未来的发展趋势进行了展望. 相似文献
20.
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