基于样本与因子优化的黄冈南部地区地质灾害易发性评价
doi: 10.19509/j.cnki.dzkq.2020.0219
详细信息Susceptibility evaluation of geological disasters in southern Huanggang based on samples and factor optimization
-
摘要: 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。
-
关键词:
- 样本类别 /
- 因子优化 /
- 信息量模型 /
- 地质灾害 /
- 易发性评价
Abstract: Taking southern Huanggang as the study area, this paper contrasted the applicability of the two kinds of calculation samples of the number of disasters and the disaster acreage in the information model, and explored the optimization combination of the evaluation factors. The study established the information model and selected the primary evaluation factors according to the engineering geological conditions and the characteristics of geological disasters of the study area. Also, the paper determined the optimization combination of factors with the success rate curve to verify the susceptibility evaluation results by disaster ratio and typical geological disaster. The results show that: ① In the single factor evaluation results, the order of the two AUC values is different but regular. ② The accuracy of each superposition factor evaluation result is above 94.9% of the optimal combination of factors, and the variation range is relatively small. This shows a trend of increase with the increase of the number of factors, but not as much as possible. ③ The results of the two calculation samples show that the high-prone areas are mainly concentrated in the central and northern parts of the study area, and that the low-prone areas are concentrated along the Yangtze River and in the southern part of the study area, consistent with the location of the disaster. ④ Both are the effective calculation samples of information value model in the geological disaster susceptibility evaluation, and the accuracy of the acreage sample is significantly better than that of the quantity sample.-
Key words:
- sample category /
- factor optimization /
- information value model /
- geological disaster /
- susceptibility evaluation
-
图 1 研究区地理位置及灾害点分布
Figure 1. Location of the study area and distribution of disaster points
下载:
全尺寸图片
幻灯片
图 2 灾害面积和数量分布情况
Figure 2. The distribution of disaster area and quantity
下载:
全尺寸图片
幻灯片
图 3 地形地貌因子分级及信息量
a.高程分级及信息量；b.高程因子状态分级图；c.坡度分级及信息量；d.坡度因子状态分级图；e.切割深度分级及信息量；f.切割深度因子状态分级图
Figure 3. Grading and information value of the topography factor
下载:
全尺寸图片
幻灯片
图 4 地质特征因子分级及信息量
a.地层分级及信息量；b.地层因子状态分级图；c.构造分级及信息量；d.构造因子状态分级图
Figure 4. Grading and information value of geological feature factor
下载:
全尺寸图片
幻灯片
图 5 人类工程活动因子分级及信息量
a.公路分级及信息量；b.公路因子状态分级图；c房屋分级及信息量；d.房屋因子状态分级图
Figure 5. Grading and information value of human engineering activity factor
下载:
全尺寸图片
幻灯片
图 6 地表水系因子分级及信息量
a.水系分级及信息量；b.水系因子状态分级图
Figure 6. Grading and information value of surface water system factor
下载:
全尺寸图片
幻灯片
图 7 土地分类因子分级及信息量
a.土地分类分级及信息量；b.土地分类因子状态分级图
Figure 7. Grading and information value of landclassification factor
下载:
全尺寸图片
幻灯片
图 8 面积(a)和数量(b)样本单因子成功率曲线
Figure 8. Success rate curves of single factor of area sample(a), and quantity sample(b)
下载:
全尺寸图片
幻灯片
图 9 叠加因子AUC值对比
Figure 9. The AUC value comparison of superposition factor
下载:
全尺寸图片
幻灯片
图 10 面积样品(a)和数量样本(b)易发性评价结果
Figure 10. Evaluation result of susceptibility of area sample (a), and quantity sample (b)
下载:
全尺寸图片
幻灯片
图 11 研究区典型地质灾害平剖面图
Figure 11. Flat section of typical geological disaster in the study area
下载:
全尺寸图片
幻灯片
表 1 AUC值与准确性对照
Table 1. Comparison of AUC value and accuracy
AUC值 0.5 0.5~0.7 0.7~0.9 >0.9 准确性 无 一般 较高 高
下载: 导出CSV
表 2 单因子成功率曲线对应的AUC值
Table 2. The AUC value of single factor success rate curve
评价因子 切割深度 坡度 构造 地层 高程 公路 土地分类 房屋 水系 面积样本 0.864 0.811 0.801 0.793 0.783 0.748 0.723 0.714 0.709 数量样本 0.695 0.663 0.570 0.638 0.671 0.563 0.628 0.549 0.523 差值 0.169 0.148 0.232 0.156 0.112 0.185 0.096 0.164 0.186
下载: 导出CSV
表 3 叠加因子成功率曲线对应的AUC值
Table 3. The AUC value of superposition factor success rate curve
因子叠加数量/个 面积样本 数量样本 差值 切割深度 0.864 2 0.695 1 0.169 1 2 0.878 4 0.709 4 0.169 0 3 0.905 7 0.714 9 0.190 8 4 0.911 1 0.719 3 0.191 7 5 0.918 9 0.718 4 0.200 4 6 0.922 2 0.721 6 0.200 6 7 0.924 3 0.726 3 0.198 0 8 0.925 3 0.725 5 0.199 8 9 0.922 6 0.726 2 0.196 4
下载: 导出CSV
表 4 研究区2种样本各分级灾害比率
Table 4. Each graded disaster ratio of the two kinds of sample in the study eara
易发等级 灾害密度/% 分级面积比/% 灾害比率 数量 面积 数量 面积 数量 面积 低易发区 1.7 0.1 20.7 19.2 0.084 0.007 较低易发区 7.0 2.4 16.4 21.8 0.425 0.110 中易发区 14.0 5.7 17.8 22.2 0.783 0.255 较高易发区 25.3 7.9 21.2 23.5 1.190 0.334 高易发区 52.0 83.9 23.8 13.3 2.186 6.324
下载: 导出CSV
表 5 浠水县2种样本各分级灾害比率
Table 5. Each graded disaster ratio of the two kinds of sample in Xishui County
易发等级 灾害密度/% 分级面积比/% 灾害比率 数量 面积 数量 面积 数量 面积 低易发区 0.9 0.2 4.5 5.3 0.190 0.041 较低易发区 2.6 3.5 11.9 18.6 0.215 0.191 中易发区 20.5 20.0 27.9 33.0 0.735 0.606 较高易发区 45.3 38.4 35.4 31.1 1.279 1.238 高易发区 30.8 37.8 20.2 12.0 1.522 3.148
下载: 导出CSV
代做工资流水公司柳州银行流水报价嘉兴代开工作收入证明三亚入职流水样本湛江转账流水多少钱兰州查银行流水单沈阳自存银行流水费用银川办理房贷银行流水成都薪资银行流水样本淄博开个人流水泉州房贷银行流水 样本邢台银行流水电子版代开淄博个人流水查询无锡查询自存银行流水曲靖企业贷流水样本济宁制作签证银行流水长春开入职银行流水烟台做贷款工资流水武汉代办自存流水莆田个人银行流水费用青岛制作自存流水常州个人工资流水 办理鞍山查询流水单舟山流水样本桂林流水单公司桂林工资证明价格广州代办个人工资流水蚌埠对公账户流水价格泉州企业流水打印代开芜湖办理自存流水嘉兴企业流水打印模板香港通过《维护国家安全条例》两大学生合买彩票中奖一人不认账让美丽中国“从细节出发”19岁小伙救下5人后溺亡 多方发声卫健委通报少年有偿捐血浆16次猝死汪小菲曝离婚始末何赛飞追着代拍打雅江山火三名扑火人员牺牲系谣言男子被猫抓伤后确诊“猫抓病”周杰伦一审败诉网易中国拥有亿元资产的家庭达13.3万户315晚会后胖东来又人满为患了高校汽车撞人致3死16伤 司机系学生张家界的山上“长”满了韩国人？张立群任西安交通大学校长手机成瘾是影响睡眠质量重要因素网友洛杉矶偶遇贾玲“重生之我在北大当嫡校长”单亲妈妈陷入热恋 14岁儿子报警倪萍分享减重40斤方法杨倩无缘巴黎奥运考生莫言也上北大硕士复试名单了许家印被限制高消费奥巴马现身唐宁街 黑色着装引猜测专访95后高颜值猪保姆男孩8年未见母亲被告知被遗忘七年后宇文玥被薅头发捞上岸郑州一火锅店爆改成麻辣烫店西双版纳热带植物园回应蜉蝣大爆发沉迷短剧的人就像掉进了杀猪盘当地回应沈阳致3死车祸车主疑毒驾开除党籍5年后 原水城县长再被查凯特王妃现身！外出购物视频曝光初中生遭15人围殴自卫刺伤3人判无罪事业单位女子向同事水杯投不明物质男子被流浪猫绊倒 投喂者赔24万外国人感慨凌晨的中国很安全路边卖淀粉肠阿姨主动出示声明书胖东来员工每周单休无小长假王树国卸任西安交大校长 师生送别小米汽车超级工厂正式揭幕黑马情侣提车了妈妈回应孩子在校撞护栏坠楼校方回应护栏损坏小学生课间坠楼房客欠租失踪 房东直发愁专家建议不必谈骨泥色变老人退休金被冒领16年 金额超20万西藏招商引资投资者子女可当地高考特朗普无法缴纳4.54亿美元罚金浙江一高校内汽车冲撞行人 多人受伤
-
[1] 王佳佳, 殷坤龙, 肖莉丽.基于GIS和信息量的滑坡灾害易发性评价:以三峡库区万州区为例[J].岩石力学与工程学报, 2014, 33(4):797-808. https://www.zhangqiaokeyan.com/academic-journal-cn_chinese-journal-rock-mechanics-engineering_thesis/0201254461687.html [2] 杜谦, 范文, 李凯, 等.二元Logistic回归和信息量模型在地质灾害分区中的应用[J].灾害学, 2017, 32(2):220-226. http://www.cnki.com.cn/Article/CJFDTotal-ZHXU201702039.htm [3] 朱吉祥, 张礼中, 周小元, 等.不同区域地质灾害评价方法的组合效应分析[J].地质科技情报, 2012, 31(1):100-105. http://www.cnki.com.cn/Article/CJFDTotal-DZKQ201201018.htm [4] 唐睿旋, 晏鄂川, 唐薇.基于粗糙集和BP神经网络的滑坡易发性评价[J].煤田地质与勘探, 2017, 45(6):129-138. http://www.cnki.com.cn/Article/CJFDTotal-MDKT201706021.htm [5] 高克昌, 崔鹏, 赵纯勇, 等.基于地理信息系统和信息量模型的滑坡危险性评价:以重庆万州为例[J].岩石力学与工程学报, 2006(5):991-996. http://d.wanfangdata.com.cn/periodical/yslxygcxb200605020 [6] 石菊松, 徐瑞春, 石玲, 等.基于RS和GIS技术的清江隔河岩库区滑坡易发性评价与制图[J].地学前缘, 2007, 14(6):119-128. http://www.cnki.com.cn/Article/CJFDTotal-DXQY200706015.htm [7] 冯杭建, 周爱国, 俞剑君, 等.浙西梅雨滑坡易发性评价模型对比[J].地球科学:中国地质大学学报, 2016, 41(3):403-415. http://www.cnki.com.cn/Article/CJFDTotal-DQKX201603006.htm [8] 范强, 巨能攀, 向喜琼, 等.基于结果验证的信息量法地质灾害易发性评价:以贵州省开阳县为例[J].人民长江, 2015, 46(15):65-68. http://www.cnki.com.cn/Article/CJFDTotal-RIVE201515016.htm [9] 戴悦.基于信息量模型的三峡库区滑坡区域危险性评价方法研究[D].北京: 清华大学, 2013. [10] Balamurugan G, Ramesh V, Touthang M.Landslide susceptibility zonation mapping using frequency ratio and fuzzy gamma operator models in part of NH-39, Manipur, India[J].Natural Hazards, 2016, 84(1):1-24. doi: 10.1007/s11069-016-2328-7 [11] Conoscenti C, Maggio C D, Rotigliano E.GIS analysis to assess landslide susceptibility in a fluvial basin of NW Sicily(Italy)[J].Geomorphology, 2008, 94(3/4):325-339. http://cn.bing.com/academic/profile?id=79f514a7c7547b1c61bfcc8d890bf414&encoded=0&v=paper_preview&mkt=zh-cn [12] 刘斌, 殷坤龙, 刘艺梁.基于栅格数据的巴东新城区滑坡空间预测[J].地质科技情报, 2010, 29(3):133-138. http://www.cnki.com.cn/Article/CJFDTotal-DZKQ201003023.htm [13] Pourghasemi H R, Jirandeh A G, Pradhan B, et al.Landslide susceptibility mapping using support vector machine and GIS at the Golestan Province, Iran[J].Journal of Earth System Science, 2013, 122(2):349-369. doi: 10.1007/s12040-013-0282-2 [14] Pradhan B.A comparative study on the predictive ability of the decision tree, support vector machine and neuro-fuzzy models in landslide susceptibility mapping using GIS[J].Computers & Geosciences, 2013, 51(2):350-365. http://cn.bing.com/academic/profile?id=82f21d3f6234e7c61410bbb9db3e3842&encoded=0&v=paper_preview&mkt=zh-cn [15] Bui D T, Pradhan B, Lofman O, et al.Regional prediction of landslide hazard using probability analysis of intense rainfall in the Hoa Binh Province, Vietnam[J].Natrual Hazards, 2013, 66(2):707-730. doi: 10.1007/s11069-012-0510-0 [16] 郑光明.基于信息量法的兰州市幅滑坡灾害易发性评价[D].北京: 中国地质大学(北京), 2017. [17] 李军, 周成虎.基于栅格GIS滑坡风险评价方法中格网大小选取分析[J].遥感学报, 2003, 7(2):86-92. http://www.cnki.com.cn/Article/CJFDTotal-YGXB200302001.htm [18] 阮沈勇, 黄润秋.基于GIS的信息量法模型在地质灾害危险性区划中的应用[J].成都理工学院学报, 2001, 28(1):89-92. http://www.cnki.com.cn/Article/CJFDTotal-CDLG200101017.htm [19] 杨永刚, 殷坤龙, 赵海燕, 等.基于C5.0决策树-快速聚类模型的万州区库岸段乡镇滑坡易滑性区划[J].地质科技情报, 2019, 38(6):189-197. http://www.cnki.com.cn/Article/CJFDTotal-DZKQ201906023.htm [20] 郭天颂, 张菊清, 韩煜, 等.基于粒子群优化支持向量机的延长县滑坡易发性评价[J].地质科技情报, 2019, 38(3):236-243. http://www.cnki.com.cn/Article/CJFDTotal-DZKQ201903025.htm [21] Ilia I, Tsangaratos P.Applying weight of evidence method and sensitivity analysis to produce a landslide susceptibility map[J].Landslides, 2016, 13(2):379-397. doi: 10.1007/s10346-015-0576-3 [22] Hung L Q, Van N T H, Duc D M, et al.Landslide susceptibility mapping by combining the analytical hierarchy process and weighted linear combination methods: A case study in the upper Lo River catchment(Vietnam)[J].Landslides, 2015, 13(5):1285-1301. http://cn.bing.com/academic/profile?id=eac74a331e179fd20bbe044a54e04203&encoded=0&v=paper_preview&mkt=zh-cn [23] 何文秀, 石云.黄土丘陵沟壑区地形复杂度分析[J].测绘科学, 2015, 40(10):146-152. http://www.cnki.com.cn/Article/CJFDTotal-CHKD201510031.htm [24] Basofi A, Fariza A, Ahsan A S, et al.A comparison between natural and Head/tail breaks in LSI(Landslide Susceptibility Index)classification for landslide susceptibility mapping: A case study in Ponorogo, East Java, Indonesia[C]//International Conference on Science in Information Technology.[S.l.]: IEEE, 2016. -
下载:
全尺寸图片
幻灯片
点击查看大图
计量
- 文章访问数: 509
- PDF下载量: 537
- 被引次数: 0
