共查询到17条相似文献，搜索用时 109 毫秒
1.
输电线路的安全运行对国家经济建设与发展具有重要意义,而针对输电线路进行地质灾害易发性评价的研究较少。以京津冀地区的输电线路为例,选取高程、坡度、坡向、地形起伏度、地层岩性、距断层距离、距水系距离、土地利用类型8个指标因子,采用频率比法对各指标因子进行分级,构建易发性评价体系。再利用不同的机器学习模型,使用不同尺寸的栅格单元作为评价单元对研究区进行易发性评价。最后,选取精度最高的机器学习模型与传统的层次分析法完成研究区易发性区划图。研究结果表明：贝叶斯网络模型在区域输电线路易发性评价中的应用效果最好,模型性能最强,最高AUC值为0.876。与传统的层次分析法相比,BN模型在研究区易发性制图中的效果更好,精度更高。此外,采用50 m的栅格作为评价单元在研究区易发性评价中取得了最好的应用效果,研究成果为输电线路地质灾害易发性评价以及栅格尺寸的选用提供了思路以及参考。 相似文献
2.
基于信息量模型的涪陵区地质灾害易发性评价 总被引：2，自引：0，他引：2
本文以重庆涪陵区为研究区域,选取坡度、坡向、累计汇水面积、地层岩性、水域、降雨量、植被和土地利用分类8个影响因子,提取高分一号遥感数据（2013.12.24）动态影响因子,引入信息量模型,分别计算上述影响因子对应的信息量,对该时期示范区的地质灾害危险性进行评价,并引入ROC曲线和AUC评价指标,对得到的区域地质灾害易发性评价结果进行精度评估。结果显示,2013年12月研究区内高易发区面积占总面积的9.73%,该易发区内含有104个地质灾害点,占所有灾害点的52.7%,灾积比为5.42,明显大于其他易发等级类别。利用ROC评价方法,计算成功率曲线AUC为0.796,预测率曲线AUC为0.748（74.8%）,具有较高的可靠性,证明本文方法在该区域地质灾害易发性评价的适应性良好。 相似文献
3.
基于信息量模型和数据标准化的滑坡易发性评价 总被引：1，自引：0，他引：1
本文以北川曲山-擂鼓片区为研究区,将坡度、坡向、高程、地层、距断层的距离、距水系的距离和距道路的距离作为该区域滑坡易发性评价因子。采用信息量模型计算了各项评价因子的信息量值,并运用4种标准化模型对信息量值进行标准化处理。各评价因子的权重由层次分析法（AHP）确定。在GIS中将权重值和各评价因子的标准化信息量值,进行叠加计算得到区域滑坡总信息量值,并基于自然断点法对其进行重分类,将研究区划分为极高易发区、高易发区、中易发区、低易发区和极低易发区5级易发区。将基于4种标准化模型和信息量模型得到的滑坡易发性评价结果进行了对比分析,结果表明：基于最值标准化信息量模型的滑坡易发性评价结果的ROC曲线下面积AUC值为0.807,高于其余模型的AUC值,说明最值标准化信息量模型的滑坡易发性评价效果最好。极高易发区面积占研究区面积的20.03%,离断层和水系较近,主要分布地层为寒武系、志留系和三迭系。研究结果可为区内滑坡风险评价和灾害防治提供参考。 相似文献
4.
地质灾害威胁着山区人民生命财产安全, 进行地质灾害易发性评价有助于山区城镇进行规划与建设时规避灾害风险。以川东南古蔺县为例, 基于ArcGIS空间分析获取了研究区高程、坡度、岩性、斜坡结构、植被指数、距断层距离和距道路距离7个评价因子, 采用信息量模型分别对滑坡和崩塌灾害进行易发性评价后, 进一步利用ArcGIS单元统计功能对比了滑坡和崩塌易发性的信息量值, 选取相对更大的信息量值作为该栅格的最终信息量值, 绘制了研究区综合地质灾害易发性图, 利用自然断点法将古蔺县按信息量值的大小划分为极低、低、中、高和极高易发区。结果表明: 地质灾害主要分布在断层和道路附近, 断层和人类工程活动是造成研究区地质灾害频发的主要原因; 高易发区与极高易发区面积之和为1 315.62 km2, 占全区总面积的41.32%;预测模型性能经ROC曲线检验, AUC值为0.812 5, 说明栅格最大值法预测的古蔺县综合地灾易发性效果良好。 相似文献
5.
蒙阴县位于山东省东南部,岱崮地貌分布范围较广。近年来,随着人类工程活动的增强,崩塌滑坡泥石流灾害进一步加剧。本文在山东省蒙阴县1∶5万地质灾害风险普查的基础上,结合最新的遥感信息,选取坡度、起伏度、工程地质岩组、地质构造、地貌类型5个影响因子作为研究区地质灾害易发性的评价指标,采用信息量模型法对各评价因子进行信息量计算,通过GIS空间分析平台,建立了蒙阴县地质灾害易发性评价体系,为蒙阴县有效开展防灾减灾救灾工作,切实保障经济社会可持续发展提供有效的科学决策依据。研究区划分为地质灾害高易发区、中易发区、低易发区、非易发区４个等级,特征曲线（ROC）的线下面积（AUC）精度检验值为0.833,表明评价精度较高。 相似文献
6.
为针对性地采取预防、避让、治理等地质灾害防治与管控提供依据,完善在地质灾害危险性评价中将降雨作为单一诱发因子参与评价体系的弊端,在大雨、暴雨、大暴雨和特大暴雨4种不同降雨工况条件下进行了研究区崩滑地质灾害危险性评价。以云南省元阳县作为研究区域,以栅格单元作为评价单元,选取地貌类型、高程、坡度、坡向、曲率、工程地质岩组、土地利用类型、断层距离和河流距离9个评价因子,采用主观的层次分析法与客观的信息量模型相结合的加权信息量模型对元阳县崩塌、滑坡进行了地质灾害易发性评价。研究结果表明：基于自然间断点法元阳县域可分为低、中、高、极高4类易发区,4类易发区面积分别占元阳县面积的21.55%,35.46%,25.53%和17.16%。利用ROC曲线得出区划结果精度AUC值为0.812,表明区划结果很好。在易发性评价基础上,以年平均最大日降雨量为诱发因素,分别对大雨、暴雨、大暴雨和特大暴雨4种工况条件下的研究区进行了崩塌、滑坡地质灾害危险性评价,得到了大雨([25,50) mm)工况、暴雨([50,100) mm)工况、大暴雨([100, 250]mm)工况和特大暴雨(>250 mm)工况4种... 相似文献
7.
编制科学的滑坡易发性分区图,可以有效降低灾害带来的损失。以云南省芒市为研究区,利用确定性系数模型（certainty factor,简称CF）方法计算各个因子的敏感值,作为随机森林（random forests,简称RF）的分类数据,选取合适的训练数据和最优化的模型参数进行模型预测,从而对研究区进行滑坡易发性评价分区。采用频率比方法将连续性因子离散化,从而通过确定性系数计算因子不同区间的滑坡易发性,同时利用CF先验模型,对研究区负样本进行选取。通过计算袋外误差得到最优化的RF参数,随后利用RF模型对研究区模型进行训练及预测。绘制ROC曲线和三维遥感影像对预测模型结果分别进行定量和定性评价,结果表明,所得到的模型精度为91%,优于随机抽样得到的结果。最后,采用平均基尼不纯度减少和平均准确度下降两种计算方法计算、评价了研究区各个因子的重要性。基于以上对研究区进行的滑坡易发性评价结果,可以为该区灾害风险评估和管理提供依据。 相似文献
8.
针对随机森林(RF)模型进行泥石流易发性评价过程中存在连续型因子依靠主观意识分级、随机选取的非泥石流样本准确度较低等问题,以位于四川西南部的凉山彝族自治州为研究区,提出基于统计学先验模型抽样的随机森林对研究区进行泥石流易发性评价分区。利用累计灾害频率等曲线的相对变化对连续型因子进行分级处理;采用粗糙集理论(RS)和信息量法(IV)计算加权信息量值,划定极低和低易发性区并从中选择负样本数据。通过袋外误差(OOB)变化曲线确定RF模型的最佳树棵数n＿estimators和分裂特征数max＿features,随后构建加权信息量-随机森林(RSIV-RF)模型预测凉山州泥石流易发性。进一步地,与从全区随机选择非泥石流样本的RF模型开展对比研究。结果表明,训练集和测试集下RSIV-RF模型的准确度分别为0.89,0.83,且对应的ROC曲线的AUC值分别为0.920,0.895,均高于单独的RF模型;RSIV-RF绘制的泥石流易发性评价图与历史灾害分布较为一致,较高和高易发性等级区域占研究区面积比为18.625%,包含了78.57%的泥石流点。性能评估和易发性统计结果均表明基于RSIV-RF能够... 相似文献
9.
对于滑坡易发性预测中的水系、公路和断层等线状环境因子, 现有研究大多采用缓冲分析提取距离线状因子的距离。但缓冲分析得到的线距离属于离散型变量, 带有大小不等的随机波动性且对点或线要素的误差较为敏感, 导致滑坡易发性建模精度下降。提出了使用水系和公路的空间密度等连续型变量改进线状环境因子的适宜性。以江西省安远县为例, 选取高程、地形起伏度、距水系和公路距离等14个环境因子(原始因子), 再将距水系和公路距离2个线状因子改进为水系密度和公路密度(改进因子); 之后采用逻辑回归、多层感知器、支持向量机和C5.0决策树等机器学习模型, 分别构建了基于原始因子和改进因子的机器学习模型以预测滑坡易发性; 最后利用ROC曲线和易发性指数分布特征等来研究建模规律。结果表明: ①改进因子机器学习预测精度均高于原始因子机器学习模型, 表明空间密度对于易发性预测的适宜性更好; ②在4类机器学习模型中C5.0模型对于滑坡易发性预测性能最好, 其次是SVM、MLP和LR; ③水系和公路两类环境因子的重要性较高且使用改进因子机器学习后这两类环境因子重要性排名依然非常靠前。 相似文献
10.
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
11.
Newmark位移模型是研究地震滑坡易发性的经典模型,机器学习方法支持向量机模型也越来越多的应用到滑坡易发性评估研究。本文将Newmark位移模型与支持向量机模型相结合,建立基于物理机理的地震滑坡易发性评估模型并应用于2008年汶川地震重灾区汶川县。从震后遥感影像目视解译出汶川县1900处地震诱发滑坡,并将其随机划分为70%的训练数据集和30%的验证数据集。选择地形起伏度、坡度、地形曲率、与构造断裂带距离、与水系距离、与道路距离6个因子与Newmark位移值共同作为地震滑坡易发性影响因素。利用ROC曲线和模型不确定性等指标对模型结果进行评估,并与二元统计模型频率比和多元统计模型Logistic回归的结果进行对比。结果表明：与频率比和Logistic回归模型相比,支持向量机模型的正确率最高,训练集和验证集ROC曲线下的面积分别为0.876和0.851。将模型应用于绘制汶川县地震滑坡易发性图,结果显示滑坡易发性图与实际的滑坡点位分布一致性较高,有80.4%的滑坡位于极高和高易发区。这说明支持向量机与Newmark位移方法结合建立的地震滑坡易发性评估模型有较高的预测价值,可以为滑坡风险评估和管理提供依据。 相似文献
12.
Landslide susceptibility assessment using the certainty factor and analytic hierarchy process 总被引：2，自引：0，他引：2
A new approach combining the certainty factor (CF) and analytic hierarchy process (AHP) methods was proposed to assess landslide susceptibility in the Ziyang district, which is situated in the Qin-Ba Mountain region, China. Landslide inventory data were collected based on field investigations and remote sensing interpretations. A total of 791 landslides were identified. A total of 633 landslides were randomly selected from this data set as the training set, and the remaining landslides were used for validation as the test set. Nine factors, including the slope angle, slope aspect, slope curvature, lithology, distance to faults, distance to streams, precipitation, road network intensity degree and land use were chosen as the landslide causal factors for further susceptibility assessment. The weight of each factor and its subclass were calculated by AHP and CF methods. Landslide susceptibility was compared between the bivariate statistical method and the proposed CF-AHP method. The results indicate that the distance to streams, distance to faults and lithology are the most dominant causal factors associated with landslides. The susceptibility zonation was categorized into five classes of landslide susceptibility, i.e., very high, high, moderate, low and very low level. Lastly, the relative operating characteristics (ROC) curve was used to validate the accuracy of the new approach, and the result showed a satisfactory prediction rate of 78.3%, compared to 69.2% obtained with the landslide susceptibility index method. The results indicate that the CF-AHP combined method is more appropriate for assessing the landslide susceptibility in this area. 相似文献
13.
四川省地形高低悬殊, 岩性构造发育, 各类地质灾害频发, 开展地质灾害易发性评价具有重要意义。崩塌、泥石流属于广义上的滑坡, 以四川省丹巴县为例, 从考虑不同滑坡类别的区域性地质灾害易发性出发综合考虑崩塌、滑坡、泥石流的空间概率分布。基于ArcGIS通过高精度数字高程模型共选取高程、坡度等10个地质灾害关键控制因素, 采用信息量模型对综合地质灾害进行了易发性评价。最终通过ArcGIS的单元统计(Cell Statistics)功能实现多个栅格图层最大值法合成综合易发性, 进一步利用受试者工作特征曲线(ROC)验证单种滑坡类别易发性模型的精度。按照自然断点法将研究区划分为极低、低、中、高、极高易发区, 高易发区和极高易发区主要集中分布在章谷镇、太平桥乡以及甲居镇等地。研究结果证明信息量模型能对单类地质灾害进行评价, 栅格最大值法是获取综合易发性的一种有效评价方法。 相似文献
14.
15.
The primary objective of landslide susceptibility mapping is the prediction of potential landslides in landslide-prone areas.The predictive power of a landslide susceptibility mapping model could be tested in an adjacent area of similar geoenvironmental conditions to find out the reliability.Both the 2008 Wenchuan Earthquake and the 2013 Lushan Earthquake occurred in the Longmen Mountain seismic zone,with similar topographical and geological conditions.The two earthquakes are both featured by thrust fault and similar seismic mechanism.This paper adopted the susceptibility mapping model of co-seismic landslides triggered by Wenchuan earthquake to predict the spatial distribution of landslides induced by Lushan earthquake.Six influencing parameters were taken into consideration: distance from the seismic fault,slope gradient,lithology,distance from drainage,elevation and Peak Ground Acceleration(PGA).The preliminary results suggested that the zones with high susceptibility of coseismic landslides were mainly distributed in the mountainous areas of Lushan,Baoxing and Tianquan counties.The co-seismic landslide susceptibility map was completed in two days after the quake and sent to the field investigators to provide guidance for rescue and relief work.The predictive power of the susceptibility map was validated by ROC curve analysis method using 2037 co-seismic landslides in the epicenter area.The AUC value of 0.710 indicated that the susceptibility model derived from Wenchuan Earthquake landslides showed good accuracy in predicting the landslides triggered by Lushan earthquake. 相似文献
16.