共查询到17条相似文献，搜索用时 171 毫秒
1.
《水土保持研究》2020,(4)
有效精确地预测滑坡易发性对滑坡灾害风险管理与土地利用规划具有重要的现实意义。以往研究中,最大熵模型(maximum entropy model,maxEnt)因其能有效避免模型过拟合在生态学领域中运用广泛,但在滑坡易发性研究运用鲜见。以哈尼梯田世界遗产地为例,选取高程、坡度、坡向、地表粗糙度、平面和剖面曲率、地形湿度、曲率、水系、断层、道路、岩性、植被、土地利用、降雨量与居民点15种指标因子,基于GIS栅格分析法,采用maxEnt模型对研究区滑坡进行了易发性研究。应用受试者工作特征曲线下面积(ROC-AUC)对模拟结果进行检验,结果发现ROC-AUC值达到0.895,maxEnt该模型的预测效果较高,适用于滑坡易发性评价研究;断层和道路、降雨量和居民点密度是影响遗产地滑坡发育的主要因子;采用滑坡密度指标对分区结果检验发现滑坡密度值由易发性极低、低、中、高和极高依次递增,说明正态分布理论与专家经验法分区结果合理,且极高和高易发区占区域总面积的21.75%,其主要分布于人类居住较为集中区域。研究可为哈尼梯田核心区的遗产可持续发展、灾害监测和防治提供新的途径。 相似文献
2.
基于GIS的城市滑坡灾害易发性评价——以湖北省宜昌市城区为例 总被引：1，自引：1，他引：0
[目的]对城市滑坡灾害进行易发性分区评价,为城市规划与防灾减灾工程提供理论依据。[方法]以湖北省宜昌市城区为研究区,通过GIS平台选取高程、坡度、地层岩性、归一化植被指数(NDVI)、与水系的距离和道路密度等6个评价因子,采用似然比方法分析评价因子和滑坡发育的关系,并以归一化似然比值将评价因子参数分类量化;以量化值作为Logistic回归模型的自变量,抽取样本数据建立滑坡易发性评价回归模型。[结果]评价因子结果显著,模型的整体准确率达到79.2%,ROC曲线下面积达0.871;极低易发区和低易发区占全区面积的61.59%,包含滑坡灾害的11.29%;高易发区和极高易发区虽仅占全区面积的17.88%,却发育了68.55%的滑坡灾害,结果与滑坡灾害分布特征相符合。[结论]对宜昌市城区的滑坡易发性进行了等级划分。采用GIS和Logistic回归相结合的滑坡易发性评价方法,结果准确可靠。 相似文献
3.
将陕西省府谷县府谷镇作为研究区,通过野外实地调查,圈定了47个滑坡点,制作了研究区滑坡编录图。以GIS软件和统计分析模型为基础,开展研究区滑坡易发性分区研究。首先通过GIS软件将滑坡点随机分成训练样本（70%）和测试样本（30%）两组。然后选择坡度、坡向、高程、距断层的距离、距道路的距离、距河流的距离、岩性、土地利用、NDVI、降雨量作为影响因子,提取因子图层。分别应用熵权模型（IOE）和支持向量机模型（SVM）计算滑坡易发性指数,利用自然间断点法将研究区划分为低易发区、中易发区、高易发区和极高易发区。最后利用ROC敏感度曲线下的面积（AUC）分别检验两种模型所得到的分区结果,结果表明,成功率曲线和预测度曲线的AUC值均在0.70～0.90,表明两种模型所得到的分区结果具有较高的精度,都可以为研究区的滑坡防治提供参考。在训练样本和测试样本中SVM模型的AUC值均最高,说明SVM模型比IOE模型适合在研究区开展滑坡预测研究。 相似文献
4.
[目的] 在滑坡易发性评价中,滑坡预测模型的选取和优化对运算过程的高效性和预测结果的准确性至关重要。针对现有单目标遗传优化算法(genetic algorithm,GA)易陷入早熟、局部搜索能力差、全局优化速度慢等问题,拟提出一种新的优化算法框架,将多目标遗传算法中的经典算法—带精英选择策略的非支配排序算法(the nondominated sorting genetic algorithm with an elite strategy,NSGA-Ⅱ)与常用机器学习模型[随机森林(random forest,RF)、支持向量机(support vector machine,SVM)]相结合,进行滑坡易发性预测。与单目标优化不同的是,NSGA-Ⅱ算法可同时进行特征选择和超参数优化,并使预测模型同时实现最优准确度、召回率、精密度和AUC(area under curve,AUC)。[方法] 以三峡库区重庆段为研究区,从模型精度评价、滑坡灾害易发性分区图、分区统计3个方面对4种优化模型(RF-GA、SVM-GA、RF-NSGA-II、SVM-NSGA-II)进行对比分析。[结果] NSGA-II较GA优化效果更明显,在模型评价和滑坡易发性分区方面,RF-NSGA-II模型具有更高的预测性能,4项评价值分别为80.91%,81.89%,80.07%,88.60%,证明NSGA-II优化算法的有效性;极低至极高危险区面积占比依次为23.06%,22.46%,22.96%,19.99%,11.53%,验证了RF-NSGA-II模型的可靠性。由RF-NSGA-II模型预测得到的易发性图表明,高和极高易发性区集中在研究区北部,且由东向西呈带状分布。[结论] 研究采取的基于多目标选择的RF-NSGA-II模型,为滑坡易发性评价中机器学习模型调优提供新思路。 相似文献
5.
不同环境因子联接方法对崩岗易发性评价的影响 总被引：1，自引：0，他引：1
[目的] 研究不同联接方法对崩岗易发性的影响,为区域崩岗的精细化空间预测提供理论依据,进而为合理、经济、高效地做好防灾减灾提供科学支持。[方法] 基于随机森林模型,选择改进频率比(ALSA)与传统频率比(FR)两种不同联接方法,通过地理探测器选取年平均降雨量、年平均降雨侵蚀力、土壤可蚀性、坡长因子、黏粒含量、坡度、砂粒含量、标准化VH通道后向散射系数(表征地表覆被的性质)作为评价指标,以江西省兴国县永丰镇为例开展崩岗易发性评价。[结果] ①ALSA-RF模型较FR-RF模型精度更高,ACC,AUC值分别为83.89%,0.893 0; ②研究区极高、高易发区主要分布于其西南区域,这与实际崩岗分布情况较吻合。[结论] 改进频率比的联接方法较传统频率比方法可以更好地体现区域崩岗的分布规律,可为滑坡研究领域中的类似问题提供借鉴。 相似文献
6.
开展滑坡易发性分析是制定合理的地质灾害防治规划的基础，对防灾减灾工作具有重要意义。以怒江州为研究区，斜坡单元为评价单元，选取高程、坡度、坡向、NDVI、距河流距离、降雨量、岩性、距断层距离和距道路距离9个因素为评价因子，采用信息量(I)模型、确定性系数(CF)模型以及I-LR、CF-LR耦合模型进行滑坡易发性评价，并对4种模型进行精度验证。结果表明：(1)CF-LR模型中滑坡点落入高、极高易发区占比最大，为88.77%,且滑坡点密度(0.309 2)最大，高于I模型(0.285 4)与CF模型(0.277 6)单一模型；(2)极高、高易发区主要发育于怒江、独龙江、澜沧江和通甸河4条河流一带；中易发区主要分布于研究区东部；低和极低易发区主要分布在研究区的北部、中部以及西部边缘地区；(3)根据基于Sridevi Jadi经验概率法和ROC曲线的结果均表明，CF-LR模型预测精度高于其他3个模型。 相似文献
7.
[目的]对四川省泸定县进行地质灾害易发性评价,为该区地质灾害预防预测提供依据。[方法]借助谷歌影像解译,获取崩塌、滑坡、泥石流等地质灾害隐患点279处。选取地形地貌、岩性构造、气象水文、土壤与土地利用(LULC)4个方面构建评价指标体系。运用确定性系数法确定因子权重,并结合信息量法构成加权信息量模型。通过ArcGIS空间分析平台,开展灾害易发性评价。[结果]研究区极高和高易发区分别占总研究区面积的13.54%,26.49%。地质灾害点共225处落在极高易发区和高易发区内,占总样本灾害点的80.65%。通过受试者工作特征曲线(ROC)的线下面积(AUC)进行检验,其值为0.793,评价模型精度良好。[结论]对四川省泸定县的地质灾害易发性进行了等级划分,采用的加权信息量方法的易发性评价结果可信。 相似文献
8.
[目的] 根据地质灾害野外普查空间数据库,分析花岗岩风化残积土发育地区崩塌形成机理和破坏模式,探究不同环境孕灾因子对崩塌发育的贡献率,评估崩塌灾害空间易发性与分布规律,为中国东南沿海地质灾害多发区的灾害防治工作提供科学支持。[方法] 在分析广州市白云区花岗岩风化残积土崩塌发育特征的基础上,选取高程、坡度、坡向、地形起伏度、距地表水体距离、降雨量、地层岩性、土地利用类型共8个与崩塌灾害发育密切关联的致灾因子构建崩塌灾害易发性评价指标体系,叠加研究区内404个历史崩塌数据,依据贡献率模型计算统计各指标因子崩塌灾害敏感性和空间分布特征。采用各二级指标因子贡献率的修正样本差确定因子权重。[结果] ①研究区内坡度、高程和地形起伏度对崩塌易发性贡献程度较高,坡向、地层岩性、降雨量在崩塌灾害易发性评价中贡献程度较低。②极高易发区主要集中在丘陵西麓,崩塌易发性由山地线范围外层边缘向中心逐级降低。③崩塌极高易发区和高易发区崩塌比率占总崩塌比率超过85%,模型易发性评价成功率和预测率分别达到91.3%和92.6%。[结论] 斜坡地形地貌因子对崩塌发育影响较显著,基于贡献率的崩塌灾害易发性评价模型能够客观量化指标因子权重,模型预测评价结果精度较高,易发性区划符合实际崩塌发育空间分布特征。 相似文献
9.
基于GIS的华宁县滑坡灾害影响因子分析及易发性评价 总被引：2，自引：0，他引：2
为了明析区域滑坡灾害影响因子及其易发性,为滑坡地质灾害的防治提供借鉴。以云南省华宁县为研究对象,利用GIS空间分析技术,对华宁县滑坡空间分布及诱发因子进行了分析研究,依据区域地质灾害详细调查资料,建立GIS灾害数据库的同时选取海拔、坡度、坡向、距水系、道路、断层距离、岩性7个诱发因子,利用统计指数对滑坡在每个因子各类别中的占比进行了权重分析,最终确定滑坡灾害易发性分区并阐述其空间分布特征。结果表明:（1）在滑坡灾害分布特征上,具有空间集中分布特征,灾害点密度以中部地区最大,受灾影响人数最大的主要分布在海拔较低的宁州街道和通红甸乡。（2）从诱发因子上看,滑坡灾害大多分布在海拔1 600~2 300 m（占76.06%）,坡度10°~30°（占71.83%）,坡向为E,NE,NW,N等方向上（占71.82%）,距离河流、断层和道路越近,发生滑坡的可能性越大。（3）在滑坡灾害易发性上,高易发区主要分布在宁州街道、青龙镇、华溪镇;中易发区主要分布在青龙镇东北部、宁州街道西南部、通红甸彝族苗族乡中部和盘溪东部;低易发区主要分布在通红甸彝族苗族乡、盘溪镇。华宁县滑坡灾害呈现出东少西多,南少北多的特征,未来华宁县应重点关注中部和西部区域的滑坡灾害预防。 相似文献
10.
大巴山区顺层岩质滑坡发育影响因素的贡献率及易发性评价 总被引：1，自引：1，他引：0
[目的]顺层岩质滑坡是大巴山区极其发育的一类灾害,通过对其发育影响因素的贡献率及易发性评价研究,构建预测评价模型,为该区防灾预灾工作提供科学支撑。[方法]基于GIS和数量化理论Ⅱ,选取21个研究区基岩顺层滑坡的样本,利用GIS技术提取高程、坡度、斜坡结构等9个影响因素的基础数据,通过数量化理论计算方法对学习样本进行学习,确定各因子类目得分,得到各项基础数据的易发性评价系数,然后通过GIS将各图层叠加,进行全范围的易发性预测。[结果]对滑坡贡献率较高的影响因素有:斜坡坡度约10°～20°,顺向坡斜坡结构、砂质硬岩夹软岩的岩体结构、汇流面积,水流冲蚀;基于数量化理论Ⅱ建立的易发性预测方法可以较准确地划分区域易发性的高低。[结论]位于大巴山区的南江县南部、巴州区北部、苍溪县南东部、宣汉县南西侧地等区域为顺层岩质滑坡的高易发区,这也与调查结果相符,GIS和数量化理论Ⅱ相结合的滑坡易发性预测方法适用于该地区滑坡易发性、危险性等相关领域的研究。 相似文献
11.
[目的]以更符合滑坡崩塌发生发展规律的延河流域为例,进行地质灾害空间分布及引发因素分析研究,为防灾减灾提供依据。[方法]依据区县地质灾害详细调查资料,建立GIS地质灾害数据库,包含地理数据、基础地质数据、地质灾害点数据和栅格数据。统计分析坡度、坡高、坡型、河谷发育期等引发因素;选取坡度、坡型、植被、河谷地貌、地层、降雨量、道路距离、居民点8因素,采用加权信息量法进行地质灾害易发性分区阐述地质灾害空间分布。[结果]坡高50~100m,坡度30°~45°易形成滑坡;老年河谷灾害点密度为壮年期的2倍,幼年期的3倍;凸型和直线型斜坡更容易产生滑坡和崩塌灾害,阶梯型和凹陷型斜坡稳定程度明显增高。延河流域滑塌高易发面积1 664.96km2,灾害点密度0.29处/km2;中易发3 102.02km2,密度0.10处/km2;低易发3 888.99km2,密度0.04处/km2。[结论]以流域为单位进行地质灾害研究,引发因素、空间分布规律更为明显,指导防灾减灾更加实用。 相似文献
12.
准确的泥石流易发性评价结果对山区泥石流灾害防治具有重要意义。该研究将合成少数类过采样技术（Synthetic Minority Oversampling Technique,SMOTE）和多粒度级联森林（multi-Grained Cascade Forest,gcForest）运用于泥石流易发性评价,以提高泥石流易发性评价精度。以泥石流多发地东川区为例,在解译泥石流点的基础上,以流域单元为评价单元,基于地质、地形和降水等多源数据,初步选取了15个泥石流孕灾因子,并对初选因子进行贡献率分析和多重共线性检验,筛选出共13个因子构建孕灾因子体系;然后采用SMOTE技术对泥石流与非泥石流样本比例不平衡问题进行处理,构建训练数据集;最后构建gcForest模型对研究区泥石流易发性进行定量分析,计算出各个流域单元的泥石流易发性指数,使用自然断点法将其划分为极低易发区、低易发区、中易发区、高易发区和极高易发区5个等级,并与BP神经网络（Back Propagation neural network,BPNN）和随机森林（Random Forest,RF）模型的预测性能进行对比。结果表明,泥石流极低和低易发区主要集中于研究区东部和西部,极高和高易发区主要集中分布于研究区小江河谷两岸和金沙江南岸,该地区地质环境脆弱,危险性较高;结合流域单元建立的山区泥石流易发性评价模型具有很好的准确性和稳定性,其中多粒度级联森林（gcForest）的受试者工作特征曲线（Receiver-Operating Characteristic,ROC）下面积AUC（Area Under Curve）值和准确度（Accuracy,ACC）分别达到91.76%和81.25%,均高于BP神经网络和RF模型的AUC值和ACC值,表明该模型是一种高性能的泥石流易发性评价方法。利用该方法能更精准地对泥石流进行易发性评价,可为山区泥石流防灾减灾提供科学依据。 相似文献
13.
[目的]对区域性泥石流敏感性进行分析,为吉林省洮南市泥石流灾害预测研究提出一种高效快捷的分析模型。[方法]针对现行大多数概率统计模型预测率较低的不足,利用人工智能算法中效果明显的随机森林算法,以吉林省洮南市西北部山区为研究区域,选用高程、坡度、坡向、平面曲率、剖面曲率、河流、归一化差分植被指数、地形湿度指数、土地利用及岩性10个评价因子构建了频率比和随机森林泥石流敏感性评价模型进行对比验证。模型准确性的验证方法采用受试者特征曲线(ROC曲线)及累积频率曲线下面积(area under curve,AUC)。[结果]随机森林对研究区泥石流敏感性进行分析,并通过GIS将敏感性图分为5个敏感性区域,位于高敏感性区以上的灾害点占82.3%。验证模型成功率及预测率分别为88.4%与90.4%,相较于频率比的成功率及预测率(86.4%和75.1%)效果良好。[结论]在洮南市北部进行泥石流敏感性分析中,采用随机森林方法进行建模,并利用频率比方法进行对比,结果显示随机森林法结果可靠准确。 相似文献
14.
为了探究乌海市植被覆盖度时空动态变化特征以及预测NDVI变化趋势,基于Lantsat OLI/TM/ETM,DEM影像运用像元二分模型法、趋势分析法研究了乌海市2000—2018年植被覆盖度时空动态变化特征,重标极差(R/S)分析法的Hurst指数预测了乌海市未来NDVI变化趋势。结果表明:(1) 2000—2018年乌海市植被覆盖度整体呈现上升趋势,增长速率为0.07%/10 a,植被覆盖度均值由22.26%增至41.30%;(2)空间上植被覆盖度呈现由西北向东南逐渐递增的趋势,植被覆盖度改善的区域大于退化区域,海南区改善趋势更明显;(3)从地形因子来看,植被覆盖度受高程、坡度影响较大,不同坡向间变化不明显;(4)乌海市大部分地区植被未来变化趋势为随机发展,持续改善区域占10.95%,持续退化区域占2.93%,海勃湾区持续变化性强,乌达区反持续变化性强。整体来看研究区2000—2018年植被覆盖度持续上升,植被改善明显,未来进行生态保护时应多关注地形因素和植被退化的区域,从而制定合理的政策。 相似文献
15.
[目的]探索准确、快速的滑坡易发性区划方法,为区域安全监测提供参考,为政府治理滑坡灾害提供科学依据。[方法]以安徽省池州市贵池区为研究区域,采用梯度提升决策树—逻辑回归(GBDT-LR)和信息量(I)模型耦合的方法,实现区域滑坡易发性评价。该方法通过对原样本地学习,组合产生新的模拟样本,从而增强易发性评价模型对滑坡的拟合能力;采用Borderline-Smote算法解决样本数据不对称的问题。选用r.slopeunits软件划分的斜坡单元作为最小评价单元,选取坡度、坡向、地形曲率、剖面曲率、平面曲率、地形湿度指数(TWI)、地形起伏度、归一化植被指数(NDVI)、距断裂距离和距水系距离总计10个评价因子。分别从频率比、滑坡灾害点及隐患点密度、ROC曲线3个方面对构建的滑坡易发性模型进行评价。[结果]试验结果表明：耦合模型I-GBDT-LR分别比I,LR,I-LR模型的高易发区频率比所占比例提升约10%,13%,7%,高易发区滑坡灾害点及隐患点密度分别提升约9,11,7,ROC精度提升约10%,9%,5%。[结论]从检验指标综合来看,耦合模型的精度均高于单一模型,所提出耦合模型精度又高于I... 相似文献
16.
[目的]探讨汶川地震强震区滑坡的活动强度演变与敏感性,为滑坡、泥石流等地质灾害风险管理提供依据。[方法]选取四川省都江堰市龙池镇龙溪河12条泥石流流域为研究区,通过对研究区震后4期遥感影像的滑坡解译分析,研究震后滑坡的活动演化特征;同时利用概率综合判别法—层次分析法对滑坡物源进行多期敏感性评价。[结果]地震后该区域产生了825个强震滑坡;2009—2017年,在强震滑坡区域外新增376个滑坡,至2017年,仍活动的滑坡数量减少到368个,占滑坡总数的30.6%,同时利用曲线下面积(AUC)检验多期敏感性评价结果,准确率为75.6%～81.4%,评价效果较好。[结论]强震区震后活动滑坡数量及高敏感性区域面积整体表现降低趋势,表明震后滑坡处于逐步恢复过程,强震区的地质灾害活动但活动强度仍远远高于震前。 相似文献
17.
[目的] 预测长江流域滑坡灾害分布情况,旨在开展隐患排查和危险评估,提升灾害的应对能力。[方法] 基于1 211个滑坡分布点数据和15个环境变量,通过MaxEnt模型对江西省的滑坡易发区分布进行预测,同时采用Jackknife检验评估15个环境变量对预测结果的重要程度,最终确定不同程度滑坡易发区的面积和分布以及影响滑坡灾害发生的主要环境变量。[结果] 江西省内极高、高和中易发区分别占全省总面积的29.6%,36.5%和23%。滑坡发生的概率以鄱阳湖平原为中心向四周呈现逐渐增加的趋势,集中分布在西部和南部的山地丘陵地带。海拔、坡度、植被归一化指数NDVI、年均降雨量和距离水系和道路的距离是影响滑坡发生和分布的主要环境变量,累积贡献率在83%以上。[结论] 江西省滑坡易发区的分布具有明显的空间差异性,主要分布在海拔较高、地质复杂和岩层节理裂隙发育的地区,降雨是滑坡发生的直接诱导因子。 相似文献