基于GIS的白龙江流域舟曲—武都段的滑坡危险性评价

发布时间：2021-05-12 17:04

　　本研究以围绕着白龙江流域的甘肃省南部的宕昌县、舟曲县和武都区部分地区为研究区,根据全国滑坡编目中得到的272个历史滑坡数据以及选取的高程、坡度、坡向、平面曲率、剖面曲率、归一化植被指数（NDVI）、降雨、岩性、距道路距离和距河流距离10种影响因子,利用三种具有代表性的定量方法:信息量模型、以及基于频率比模型的逻辑回归模型和人工神经网络模型对研究区内滑坡灾害危险性进行评价。三种评价结果均显示研究区内滑坡灾害的极高和高危险区主要沿白龙江河谷地区呈带状分布。从危险性分区图可看出,人工神经网络模型得到的分区图较为合理,既表现出沿河谷地区集中分布的趋势,也呈现出对滑坡历史数据较为独立的特征,这一研究结果与前人研究结果一致。根据受试者工作特征曲线（ROC曲线）对三种模型的精度进行检验,检验得到的AUC值分别为0.818、0.829和0.837,说明三种评价结果均具有较高的可靠性,基于频率比模型的人工神经网络模型相比其他两个模型具有更好的评价精度,能更好地进行滑坡危险性的预测和评价,其中高程、降雨、岩性以及距道路距离对评价结果影响更大,这四种影响因子重要性值占比为52.1%。为该地区的城市扩建与灾害... 

【文章来源】：地震工程学报. 2020,42(06)北大核心CSCD

【文章页数】：12 页

【文章目录】：
0 引言
1 研究区概况及数据源
2 评价因子选取
3 研究方法
    3.1 信息量模型
    3.2 频率比模型
        3.2.1 基于频率比模型的逻辑回归模型
        3.2.2 基于频率比模型的神经网络模型
4 研究结果
    4.1 信息量模型
    4.2 逻辑回归模型
    4.3 人工神经网络——多层感知器模型
    4.4 滑坡危险性分区结果
    4.5 模型精度验证
5 讨论
6 结论


【参考文献】：
期刊论文
[1]基于信息量和逻辑回归耦合模型的滑坡易发性评价[J]. 田钦,张彪,郭建飞,刘华赞,常志璐,李怡静,黄发明.  科学技术与工程. 2020(21)
[2]基于GIS与信息量法的北流市地质灾害易发性评价[J]. 陈立华,李立丰,吴福,许英姿.  地球与环境. 2020(04)
[3]基于确定性系数模型与逻辑回归模型耦合的地质灾害易发性评价——以贵州省开阳县为例[J]. 覃乙根,杨根兰,江兴元,鲁鲲鹏,李子安.  科学技术与工程. 2020(01)
[4]陕南地区土岩接触带滑坡地质灾害预测模型构建[J]. 牛洪涛.  华南地震. 2019(04)
[5]Spatial prediction of landslide susceptibility using GIS-based statistical and machine learning models in Wanzhou County,Three Gorges Reservoir, China[J]. Ting Xiao,Kunlong Yin,Tianlu Yao,Shuhao Liu.  Acta Geochimica. 2019(05)
[6]藏东南地区地质灾害空间分布及影响因素分析[J]. 王盈,金家梁,袁仁茂.  地震研究. 2019(03)
[7]基于GIS系统的城市震灾评估和救灾应急的研究[J]. 徐兰声.  地震工程学报. 2019(02)
[8]汶川地震滑坡危险性评价——以武都区和文县为例[J]. 孙艳萍,张苏平,陈文凯,周中红.  地震工程学报. 2018(05)
[9]基于RS和GIS的土地利用动态变化分析——以云南国土资源职业学院周边区域为例[J]. 孙晓莉,田淑静,和万荣.  贵州大学学报(自然科学版). 2018(02)
[10]基于GIS的信息量模型的白沙河流域滑坡危险性评价[J]. 文静,吴彩燕.  西南科技大学学报. 2017(02)

硕士论文
[1]古交市狮子河流域滑坡地质灾害易发性评价[D]. 许超.太原理工大学 2018
[2]白龙江碧口～舟曲干流段滑坡发育特征及危险性评价[D]. 高波.成都理工大学 2015



本文编号：3183791