共查询到20条相似文献，搜索用时 15 毫秒
1.
滑坡灾害持续影响着人民生命财产安全和地区社会经济可持续发展,滑坡危险性评价能够为防灾减灾和区域规划提供有效的理论依据。以福建省南平市为研究区,区内1711个历史滑坡灾害点,选择高程、坡度、坡向、曲率、地质岩性、土壤类型、降雨、水系、土地利用类型、公路和铁路共11个影响因子构成基本评价体系。使用Spearman相关系数对各因子进行共线性分析。基于1711个滑坡样本和1711个随机选取的非滑坡样本数据,利用人工神经网络模型对研究区进行了滑坡危险性评价,并利用混淆矩阵和接收者操作特征曲线（ROC）对模型进行验证。结果表明:混淆矩阵精度84.91%,ROC曲线下面积AUC值0.93,说明模型具有较高精度和预测率。使用自然间断法将滑坡危险性分为5个等级,结果表明研究区内危险性最高地区位于延平区和浦城县,顺昌县和松溪县次之,其余地区多为低危险区和较低危险区。研究结果可为当地区域规划和防灾减灾工程提供一定的理论依据和科学指导。 相似文献
2.
区域地质灾害评价是减灾防治的重要非工程手段,构建区域滑坡危险性评价模型,对提高地质灾害评价精度和防治效率具有重要意义。文章以滑坡频发的大渡河中游地区为研究区,初选高程、坡度、坡向、地震动参数、土壤类型、工程地质岩组、年平均降雨量和地形湿度指数（TWI）等13个因子,建立滑坡危险性初级评价指标体系。考虑各因子对滑坡形成贡献程度的不同和目前常权栅格叠加方式对滑坡危险性评价结果精度的影响,引入了地理探测器和变权栅格叠加,构建了地理探测器、信息量法和变权栅格叠加的组合模型（GDIV模型）。基于2021年四川省1∶50 000地质灾害风险调查中313处滑坡地质灾害隐患点,开展基于GDIV模型的大渡河中游地区滑坡危险性评价,并与逻辑回归模型和信息量模型的组合模型（LRI模型）评价结果进行对比分析。结果表明：研究区以中危险及以下危险区为主,占总面积的78.3%,极高和高危险区主要分布在大渡河、革什扎河和东谷河两岸的低海拔地区;与LRI模型相比,基于GDIV模型的评价结果精度更高,其受试者工作特征（ROC）曲线的线下面积（AUC）值为0.917。文章提出的GDIV模型提高了区域滑坡危险性评价精度,可为... 相似文献
3.
危险性评价是滑坡灾害预防与减灾工作首要解决的重要内容.在地理信息系统技术支持下, 以山地灾害频发区——小江流域作为研究对象, 选取坡度、土体粘聚力和内摩擦角这3个评价指标构建滑坡危险性分级评价指标体系, 将投影寻踪技术运用到滑坡危险性等级评价中, 对评价样本的各指标因素进行线性投影, 以最优投影方向所对应的投影特征值作为评价依据, 建立了滑坡危险性等级综合评价模型, 绘制了滑坡危险性等级分布图.结果表明: 研究区极高危险区、高危险区、中等危险区、低危险区和极低危险区的面积比例为14.28∶9.41∶69.12∶7.00∶0.19;根据所建立的5级评价指标体系对研究区60个土质滑坡点资料进行了验证, 在占研究区总面积23.69%的高、极高危险区的小范围内, 实际发生土质滑坡数量45个, 占总土质滑坡数量的75.00%;中等危险性级别以上区域拥有的土质滑坡数量占全部土质滑坡的96.67%;不同危险性级别的滑坡体积方量统计结果表明, 滑坡体积方量密度随危险性级别的提高而迅速增加.对比评价结果及实测结果可知, 投影寻踪分级结果符合实际情况, 证实了该方法的正确性, 为滑坡危险性评价提供了一条新思路. 相似文献
4.
赵伯驹李宁幸夫诚向晗 《中国地质灾害与防治学报》2023,(5):32-42
文章以德格县为研究区,以7 m DEM进行地形分析处理,并结合相关调查数据建立了德格县滑坡灾害数据库,通过选取的地震峰值加速度、断裂带、水系、坡度、坡向、高程、岩性等7个指标,在GIS技术支持下,利用信息量模型(I)、层次分析法模型(AHP)、确定性系数模型(CF)相互耦合对研究区灾害敏感性评价,再分析得到活动频率因素对研究区全县域进行危险性评价,将得到的结果分成4个区域,分别为高危险区、较高危险区、中危险区、低危险区,其中高、较高危险区占总面积2.23%。其中,滑坡灾害占总灾害的42%。评价结果与实际调查结果符合程度较高,能够为该地域未进行实地调查的地方进行相关滑坡灾害的预测预报,并对安全防治提供技术支持,亦可以为其他地区滑坡灾害危险性评价提供理论指导和技术参考。 相似文献
5.
以三峡坝区到巴东段为研究区,选择坡度、坡向、软弱夹层、水系影响范围和土地利用状况等9项评价指标,分别采用逻辑回归和人工神经网络(ANN)模型,在ArcGIS平台上进行滑坡灾害危险性预测。此外,应用受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)分析方法对两种模型的预测结果进行对比,分析结果表明滑坡危险性预测区划图和实际的滑坡发育情况基本吻合,逻辑回归模型和ANN模型的ROC曲线下面积AUC值分别为0.806和0.799,两种模型的预测结果可以相互验证,且逻辑回归模型的预测精度相对较高。 相似文献
6.
本文以四川茂县叠溪镇到石大关乡为研究区,根据野外资料并结合研究区的基本情况,选取了坡度、剖面曲率、起伏度、坡向、距河流距离、高程、地层、距断层距离、土地类型、植被覆盖度10个影响因子。以GIS技术作为操作平台,采用确定性系数+层次分析法（CF-AHP）、确定性系数+逻辑回归方法（CF-LR）和确定性系数+神经网络的多层感知器方法（CF-MLP）3种方法对研究区滑坡灾害敏感性进行评价,将该区域滑坡灾害划分为极低、低、中、高敏感区4类,并通过受试者工作特征曲线（ROC）检验模型的效果。CF-AHP、CF-LR和CF-MLP组合模型ROC曲线的线下面积（AUC）分别为0.850、0.884和0.867,CF-LR组合模型效果最好。CF-LR组合模型中,高、中、低和极低敏感区面积分别占研究区总面积的11.3%、25.1%、22.5%和41.1%。研究结果表明,高敏感区主要集中在主要水系周围与断层集中区域,计算出的敏感性分区结果与研究区实际情况接近,能够在地质灾害风险评价中起到重要参考作用。 相似文献
7.
白龙江流域是我国滑坡泥石流灾害四大高发区之一,进行该区域滑坡敏感性评价,能够为决策者在灾害管理和设施建设规划方面提供帮助,对区域防灾减灾具有重要指导意义。本研究采用边坡单元为基本研究单元,在野外调查及前人研究基础上,选择控制该区域滑坡发育的19个要素作为影响因子;经过主成分分析和独立性检验得到该区域对滑坡形成贡献最大的6个因子:高程、坡度、坡向、岩性、断裂距离和人口密度;分别使用二元逻辑回归模型(LR)和支持向量机模型(SVM)对该区域进行滑坡敏感性评价;最后,采用ROC曲线对模型精度进行验证。研究结果表明,两模型各能将38.76%、14.48%、9.40%、11.28%、26.07%和13.49%、21.61%、8.17%、26.70%、30.04%的边坡单元分别预测为极高危险区、高危险区、中度危险区、低危险区和极低危险区;精度验证结果表明两种模型均能有效地进行该区域滑坡敏感性评价,并且支持向量机模型具有更好的分类能力、预测精度和稳定性。 相似文献
8.
雅江县位于四川省西部雅砻江中游河段,以中山-高山峡谷地貌为主,地质灾害频发.为保障人民生命财产安全,基于逻辑回归与确定性系数叠加分析,进行雅江县上游河段滑坡灾害危险性评价.结果表明：1）雅江县上游河段滑坡极易发生在海拔2 500~3 000 m、拔河高度600~900 m、坡度30~45°、距离河流水系0~200 m范围较硬岩夹较软岩类地带;2）雅江县上游河段高危险区、极高危险区面积占总面积的46.75%,发生滑坡占滑坡总数的65.91%,说明该区域内滑坡分布密集,危害程度相对较高,与野外实际调查结果相符;3）雅江县上游河段呷拉镇一带多属极高危险区、高危险区,瓦多乡一带多属中等危险区,木绒乡、普巴绒乡一带多属低危险区、极低危险区;4）通过查验点及ROC曲线对评价结果验证,该评价结果有较高的准确性,能够作为研究区防灾减灾与河谷开发利用的合理方案依据. 相似文献
9.
2017年8月8日四川省北部九寨沟县暴发了Ms7.0级地震,是继2013年"4·20"芦山Ms7.0级地震后再次发生在巴颜喀拉块体边界的强烈地震,地震诱发了近1 880处滑坡,通过地理信息系统与遥感技术,选取与高程、坡度、坡向、与水系距离、峰值加速度(PGA)、与震中距离、岩性、与断裂距离等8个因素作为九寨沟地震滑坡危险性评价因子,采用加法和减法2种证据权方法,对九寨沟地震滑坡危险性进行评价。结果表明:基于加法证据权的评价模型的准确率为88.29%,基于减法证据权的评价模型的准确率为87.31%。利用自然断点法,将研究区按滑坡危险性程度分为极高危险区、高危险区、中危险区、低危险区与极低危险区。其中,基于加法证据权所计算的极高和高危险区面积之和约300.17 km~2,占研究区总面积的33.84%,发育的滑坡面积占滑坡总面积的91.10%;基于减法证据权所计算的极高和高危险区面积之和约214.35 km~2,占研究区总面积的24.17%,发育的滑坡面积占滑坡总面积的85.04%。评价结果可为震后地质灾害防治、基础设施重建,特别是九寨沟自然风景区的灾后重建工作提供重要的参考。 相似文献
10.
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
11.
《地质科技情报》2020,(4)
以湖南省澧源镇为例,利用证据权模型和灰色关联度模型分别计算了坡度、地层岩性、斜坡形态、土地利用类型、人类工程活动5个因子二级状态证据权值和一级因子权重;综合2种模型确定全区滑坡易发性指数后,完成基于斜坡单元的全区滑坡易发性区划;根据研究区岩土体类型(碎屑岩类、碳酸盐岩夹碎屑岩类、碳酸盐岩类和松散岩土体类)分组研究不同滑坡发生概率下的有效降雨阈值曲线(I-D曲线)。研究降雨时间为3日、有效强度为22.4 mm/d的降雨工况下各岩土体类型滑坡发生的时间概率。综合时间概率和易发性结果得到澧源镇基于有效降雨阈值的滑坡灾害危险性区划图。研究结果表明:澧源镇滑坡灾害高和极高易发区占研究区总面积的25%,主要沿澧河分布;极高危险区和高危险区占研究区总面积的14%,主要分布在澧河北侧。 相似文献
12.
滑坡危险性评价是滑坡灾害防治和管理的重要依据。文章基于层次分析法和随机森林模型,结合距离函数法,探索性地提出了一种新的组合赋权法（RF-AHP）。采用RF-AHP对青海省贵德县北部山区滑坡进行了危险性评价,对比探讨了AHP、RF和RF-AHP三种模型评价结果与实际滑坡灾害的吻合性,结果表明:（1）RF-AHP在高危险区和极高危险区面积占比38.38%的情况下,包括了60.13%的滑坡灾害,结果准确性相比AHP和RF两种模型有较大提升;（2）随着危险性等级的逐步提高,RF-AHP区划结果中相应分区的灾害实际发生的比率也随之增高,并对三种方法出现结果差异的客观原因进行了分析讨论,证明RF-AHP适用于滑坡危险性评价工作。 相似文献
13.
逻辑回归与支持向量机模型在滑坡敏感性评价中的应用 总被引：1，自引：0，他引：1
白龙江流域是我国滑坡泥石流灾害四大高发区之一,进行该区域滑坡敏感性评价,能够为决策者在灾害管理和设施建设规划方面提供帮助,对区域防灾减灾具有重要指导意义。本研究采用边坡单元为基本研究单元,在野外调查及前人研究基础上,选择控制该区域滑坡发育的19个要素作为影响因子; 经过主成分分析和独立性检验得到该区域对滑坡形成贡献最大的6个因子:高程、坡度、坡向、岩性、断裂距离和人口密度; 分别使用二元逻辑回归模型（LR）和支持向量机模型（SVM）对该区域进行滑坡敏感性评价; 最后,采用ROC曲线对模型精度进行验证。研究结果表明,两模型各能将38.76%、14.48%、9.40%、11.28%、26.07%和13.49%、21.61%、8.17%、26.70%、30.04%的边坡单元分别预测为极高危险区、高危险区、中度危险区、低危险区和极低危险区; 精度验证结果表明两种模型均能有效地进行该区域滑坡敏感性评价,并且支持向量机模型具有更好的分类能力、预测精度和稳定性。 相似文献
14.
为了弥补滑坡灾害危险性区划研究中影响因子和等级划分的不确定性,结合前人研究成果,依据斜坡几何形态、岩性、地质构造、河流侵蚀、土地利用类型、人类工程活动、降水条件等影响因子与研究区实际已发生的滑坡灾害数之间的关系,编制重庆市万州区滑坡灾害危险性评价标准,并基于GIS技术和信息量模型法,计算滑坡评价因子的信息量,就万州区滑坡危险性进行区划,最后基于乡镇行政区对该区滑坡危险性区划进行细化。结果表明：建设用地、坡高为90～200 m的地形、1 024～1 060 mm的年降雨量以及侏罗系中统上沙溪庙组岩层等因素对万州区滑坡发生影响较大;根据滑坡灾害危险性评价标准,万州区滑坡灾害被划分为高、中、低、极低等4个危险区;应用信息量模型法得到的万州区滑坡危险性区划与实际情况比较吻合;高危险区和中危险区面积分别为564.4 km2和848.6 km2,分别占万州区总面积的16.3%和24.5%,主要分布于长江干流及支流两岸的居民相对集中区以及公路干线地段;高危险和中危险乡镇主要分布在万州区经济较为发达的长江干流两岸,尤其是左岸的黄柏乡、太龙镇、天城镇、李河镇等以及万州主城区。 相似文献
15.
三峡库区重庆市丰都县滑坡灾害危险性评价 总被引：6，自引：10，他引：6
在对三峡库区丰都县滑坡灾害调查和统计分析的基础上,初步概括了滑坡灾害的分布特征和主要影响因素,进而利用综合信息模型评价了丰都县滑坡灾害的危险性,将丰都县滑坡灾害的危险性划分为高危险区、中危险区、低危险区和基本安全区4个等级。其中,高危险区和中危险区分别占全县总面积的2.6%和23.2%,主要分布在长江干流及其支流两岸的居民相对集中区,不同规模的滑坡灾害经常发生,因此潜在危害也很大;低危险区占全县总面积的47.5%,偶有小规模的滑坡灾害发生;基本安全区占全县总面积的25.5%,在人为因素的诱发下可能偶有小规模的滑坡灾害发生,适合于大型工程建设和城镇居民点建设。 相似文献
16.
针对崩塌、滑坡和泥石流等灾种齐全的高山峡谷区,选取四川省阿坝县为研究区,采用多灾种耦合的评价思路,开展地质灾害危险性精细化评价。崩塌、滑坡等斜坡类灾害危险性评价以栅格为评价单元,泥石流灾害危险性评价以流域为评价单元。基于信息量模型和层次分析法,分别开展危险性评价,进而采用取大值的方法,获取研究区综合地质灾害危险性评价结果。研究表明,工作区综合地质灾害极高危险区、高危险区面积明显大于单灾种评价结果,极高危险区、高危险区主要位于崩塌、滑坡较发育的碎裂岩区域和极度易发的泥石流流域。针对高山峡谷区地质灾害危险性评价,多灾种耦合的评价思路能更合理的反映不同类型灾害在形态及空间上的差异,获取更精确的危险性评价结果。 相似文献
17.
基于GIS的重庆市万州区滑坡灾害危险性评价 总被引：1，自引：0，他引：1
在充分调查万州区地质环境及滑坡灾害基本特征的基础上,根据资料的有效性和可获得性,选取地表高程、坡度、地层岩性、地质构造、土地利用类型、区域交通建设和河流侵蚀冲刷7个影响滑坡发生的因素作为评价指标,采用AHP法确定各个指标的权重并建立滑坡灾害危险性指数模型,通过GIS系统的空间分析功能进行栅格运算,得出研究区滑坡灾害危险性分区.采用上述指标和方法将重庆市万州区的滑坡灾害划分为极高危险区、高危险区、中危险区、低危险区和极低危险区,划分结果符合该区滑坡灾害的实际情况. 相似文献
18.
《西北地质》2020,(1)
笔者以甘肃省平凉市灵台县为目标研究区域,基于地理空间和历史滑坡数据,利用混合高斯聚类(GMM)优化的逻辑回归(LR)、支持向量机(SVM)、BP神经网络(BP Neural Network)、随机森林(RF)4种机器学习模型构建滑坡易发性评价分析模型。选取高程、坡度、坡向、曲率、黄土侵蚀强度、归一化植被指数、地质构造7个环境因子作为滑坡易发性影响因子,以30m栅格建立影响因子地理空间数据库,将研究区域划分为180万栅格单元。利用混合高斯聚类模型对整个研究区域的栅格单元进行聚类,得出初步的滑坡易发分区,选择易发程度最低类别中的栅格单元作为非滑坡区域,每次随机选择500个单元作为非滑坡单元,并根据历史滑坡数据将203个已知滑坡栅格单元作为滑坡单元,建立4种机器学习分类模型。利用训练好的模型对整个研究区域进行预测,绘制各算法的受试者工作曲线(ROC曲线),对各个算法的预测结果进行对比。分析结果表明,在本目标研究区域,各模型的滑坡易发区划图与实际的滑坡分布情况总体相吻合。随机森林模型的ROC曲线下面积(AUC)最大为0.96,测试集准确率最高为0.93;BP神经网络模型的ROC曲线下面积和测试集准确率次之,为0.90和0.87;支持向量机模型和逻辑回归模型的ROC曲线下面积和测试集准确率分别为0.86、0.81和0.85、0.80,均低于随机森林和BP神经网络模型。 相似文献
19.
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
20.
以地震滑坡作为研究对象,选取"4·20"芦山地震中芦山县为研究区,结合多源数据,在相关分析后选取10个评价因子,分别是地面高程、坡度、坡向、斜坡形态、地层、斜坡结构、断层平均距离、水系平均距离、植被指数和地震峰值加速度,在数字高程模型基础上采用集水区重叠法划分斜坡单元,再对各评价因子重采样,进而利用基于遗传算法的神经网络算法构建地震滑坡危险性评价模型,完成地震滑坡危险性区划。将基于斜坡单元的危险性区划结果和基于格网单元的区划结果进行比较,结果显示滑坡正确率分别为96.6%和92.6%,斜坡单元的正确率较高;同时通过多组数据的受试者工作特征曲线分析本评价模型的不确定性,每组曲线位置及曲线下面积大小相当。 相似文献