国土资源遥感, 2019, 31(3): 183-192 doi: 10.6046/gtzyyg.2019.03.23

技术应用

基于层次分析法的盐池县地质灾害危险性评价

张晓东1,2, 刘湘南,1, 赵志鹏2, 武丹3,4, 吴文忠2, 褚小东2

1. 中国地质大学(北京)信息工程学院,北京 100083

2. 宁夏回族自治区地质调查院,银川 750021

3. 宁夏大学资源环境学院,银川 750021

4. 宁夏回族自治区遥感测绘勘查院(宁夏回族自治区遥感中心),银川 750021

Geological disaster hazard assessment in Yanchi County based on AHP

ZHANG Xiaodong1,2, LIU Xiangnan,1, ZHAO Zhipeng2, WU Dan3,4, WU Wenzhong2, CHU Xiaodong2

1. School of Information Engineering, China University of Geosciences(Beijing), Beijing 100083, China

2. Ningxia Geological Survey Institute, Yinchuan 750021, China

3. College of Resources and Environmental Science, Ningxia University, Yinchuan 750021, China

4. Ningxia Institute of Remote Sensing Survey and Mapping(Ningxia Remote Sensing Center), Yinchuan 750021, China

通讯作者: 刘湘南(1964-),男,教授,博士生导师,主要从事资源环境遥感信息机理及应用模型方面的研究。Email:liuxn@cugb.edu.cn

责任编辑: 张仙

收稿日期: 2018-05-16   修回日期: 2018-07-11   网络出版日期: 2019-09-15

基金资助: 宁夏回族自治区国土资源厅项目“宁夏盐池县地质灾害详细调查”.  XC(2012)-05
水环创新团队后补助资金研究项目共同资助.  2017—水环团队04

Received: 2018-05-16   Revised: 2018-07-11   Online: 2019-09-15

作者简介 About authors

张晓东(1980-),男,博士研究生,主要从事遥感地质灾害研究工作。Email:33131692@qq.com.。 。

摘要

为探讨区域地质灾害危险性评价方法,在充分研究盐池县地质灾害孕灾环境的基础上,以多源遥感数据和基础地质数据为数据源,选择地层、岩组、土壤、土地利用类型、坡度、坡向、地形湿度指数、径流强度指数、距河流距离、距道路距离、归一化植被指数以及降水量等12个因子,利用GIS提取因子信息,采用层次分析法(analytic hierarchy process, AHP)建立评价因子及其类型的判断矩阵,构建地质灾害危险性评价指数,对盐池县地质灾害危险性进行评价和分区,划分出极低、低、中、高和极高危险区5类分区并完成精度检验。结果表明: ①极低、低危险区的面积分别占全县面积的34%和28%,主要分布在盐池县中北部的丘陵区,中危险区面积约占全县的25%,主要分布在南部麻黄山、王乐井以西以及道路周边地区,高和极高危险区分别占总面积的12%和1%,主要集中分布在河流两侧以及麻黄山地区; ②成功率曲线和受试者工作特征(receiver operating characteristics, ROC)曲线与横轴围成的面积(area under curve, AUC)分别为0.77和0.89,检验结果精度较好,同时,灾害点密度从极低危险区到极高危险区呈增加趋势且极高危险区的灾害点密度最大,达到了1.076个/km 2; ③AHP方法适用于盐池县地质灾害危险性评价,评价结果可为盐池县地质灾害的防范与治理提供一定的参考依据。

关键词: 地质灾害 ; 危险性评价 ; 层次分析法(AHP) ; 盐池县

Abstract

In order to discuss the regional hazard assessment method of geological disaster, the authors, based on the comprehensive study of hazard-formative environments of Yanchi County, extracted twelve conditioning factors, i.e., strata, lithology, soil, land use type, slope, aspect, topographic wetness index (TWI), stream power index (SPI), distance to river, distance to road, normalized difference vegetation index (NDVI) and precipitation in the evaluation and information of factors by employing GIS with remote sensing data and geological data. Then the judgment matrix of conditioning factors and factor classes were constructed by analytic hierarchy process (AHP) method, and geological disaster hazard index (GDHI) was built. Finally the geological disaster hazard of Yanchi County was assessed and the resulted hazard map was classified into five classes, including very low, low, moderate, high and very high hazard. Meanwhile validation of the hazard map was performed using success rate curve and receiver operating characteristics (ROC) technique. The results are as follows: ①The area percentage of very low and low class accounts for 34% and 28% respectively, mainly distributed among the middle and north of hill region; the area percentage of moderate class accounts for 25%, mainly distributed in the area of Mahuang Mountain, western Wanglejing and two sides of the main roads; the area percentage of high and very high class accounts for 12% and 1% respectively, mainly distributed in the area on two sides of rivers and Mahuang Mountain. ②The area under curve (AUC) value of success rate curve and ROC is 0.77 and 0.89 respectively, which shows a reasonable validation accuracy of hazard assessment. At the same time, disaster density shows the characteristics of a continuing increase in the density values from the very low class to the very high class, and the density of the very high hazard class has maximum value with 1.076/km 2. ③AHP method was successfully used to assess the geological disaster hazard of Yanchi County and AHP is suitable for hazard mapping in this region. The evaluation results could provide a reference for the prevention and control of geological disasters in Yanchi County.

Keywords: geological hazard ; hazard assessment ; analytic hierarchy process(AHP) ; Yanchi County

PDF (6993KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

张晓东, 刘湘南, 赵志鹏, 武丹, 吴文忠, 褚小东. 基于层次分析法的盐池县地质灾害危险性评价. 国土资源遥感[J], 2019, 31(3): 183-192 doi:10.6046/gtzyyg.2019.03.23

ZHANG Xiaodong, LIU Xiangnan, ZHAO Zhipeng, WU Dan, WU Wenzhong, CHU Xiaodong. Geological disaster hazard assessment in Yanchi County based on AHP. REMOTE SENSING FOR LAND & RESOURCES[J], 2019, 31(3): 183-192 doi:10.6046/gtzyyg.2019.03.23

0 引言

地质灾害危险性是一定时期内区域地质灾害活动程度的综合反映,即一个地区在某一时期内可能发生的某种地质灾害的密度、规模、频次,以及可能产生的危害范围与危害强度的综合概括[1]。地质灾害危险性评价作为地质灾害评价(敏感性、危险性、风险性)的重要内容之一,不仅是地质灾害风险评价的基础,而且是区域经济发展以及基础设施建设的重要参考。纵观地质灾害危险性评价的分析研究,主要可以分为定性分析方法和定量分析方法2种类型[2]。由于技术方法以及数据精度等因素的限制,定性分析方法是早期地质灾害危险性评价的常用方法。定量分析方法包括层次分析法(analytic hierarchy process, AHP)[3,4]、模糊综合评判法[5]、逻辑回归法[6,7]、神经网络法[8,9]等。以上评价方法均在不同地区的应用中取得了较好的效果。其中,利用AHP方法进行地质灾害评价研究已经十分成熟,由于该方法简单实用,可有效解决目标复杂性问题,因此在地质灾害敏感性评价[10,11,12,13]和危险性评价中得到了广泛应用[14,15,16,17]

宁夏回族自治区盐池县自然环境敏感性强,生态地质环境极为脆弱,崩塌、滑坡及矿区地面塌陷等地质灾害时有发生,是宁夏回族自治区地质灾害较为发育的地区之一[18]。2009年开展的盐池县1:10万地质灾害调查与区划工作中未涉及采用定量方法进行地质灾害的危险性评价。因此,本文以盐池县为研究区,在充分研究其孕灾环境的基础上,采用AHP方法进行研究区地质灾害危险性评价,并对该地区地质灾害危险性进行分区,以期为区域地质灾害的预防和治理提供科学依据。

1 研究区概况及数据源

1.1 研究区概况

盐池县位于宁夏回族自治区东部,总面积约为6 757.6 km2。气候属典型中温带大陆性季风气候,常年干旱少雨,风大沙多,年平均气温为8.4 ℃; 多年平均降水量为250~350 mm,从南向北、从东南向西北递减,年平均蒸发量为2 403.7 mm。无常年地表水流,仅有一些小型的季节性溪流,变化非常明显。地形总体呈南部高、北部低,中部高、东西两侧低的特点,北部为缓坡丘陵,地势平缓起伏; 南部为黄土丘陵区,沟壑纵横,地质环境条件十分脆弱,水土流失严重。境内出露最老地层为中元古界王全口组,奥陶系、三叠系、二叠系和侏罗系仅有零星出露,白垩系主要分布在县城东部苏步井—红沟梁—佟记圈—青山一带,第四系地层分布广泛。地震烈度为Ⅵ—Ⅷ度,地震动峰值加速度为0.05g~0.20g。

1.2 数据源

本研究所用的地质灾害数据来源于2012年宁夏回族自治区原国土资源厅支撑项目“宁夏盐池县1:50 000地质灾害详细调查”统计结果,共有地质灾害点231个(其中滑坡125处、崩塌84处、泥石流19处、地面塌陷3处)。与地质灾害危险性评价影响因子有关的基础数据包括Landsat8 OLI影像(2014年7月28日)、ASTER GDEM数据(30 m空间分辨率)、盐池县1:20万地质图、1:5万水系图、1:20万土壤图以及从中国气象数据网下载的降水数据。

2 评价指标体系的建立

2.1 评价因子的选择与提取

地质灾害危险性受多种因素影响和制约,根据研究区地质灾害种类、规模、危害性以及对孕灾环境背景因素的分析研究,本文选择地层、岩组、土壤、土地利用类型、坡度、坡向、地形湿度指数(topographic wetness index , TWI)、径流强度指数(stream power index,SPI)、距河流距离、距道路距离、归一化植被指数(normalized difference vegetation index,NDVI)和降水量等12个因子进行盐池县地质灾害危险性评价(图1)。其中,土地利用类型数据和NDVI均基于Landsat8 OLI影像计算获得,具体参考文献[1920]; 坡度、坡向由ASTER GDEM数据计算获得; TWI和SPI因子分别采用文献[2122]的方法获取; 距河流距离和距道路距离因子分别根据盐池县河流和道路分布图利用缓冲区分析计算提取; 降水量数据根据1989—2014年间盐池县(盐池和麻黄山)及周边(灵武、韦州、同心、定边和鄂托克前旗)7个气象站点多年平均降水量,在ArcGIS软件中采用Kriging方法进行插值得到的研究区内降水空间分布图中获得。对12个评价因子分别进行分类处理得到研究区地质灾害危险性评价因子。

图1

图1   地质灾害危险性评价因子

Fig.1   Geological disasters conditioning factors


2.2 评价因子与地质灾害的关系

利用GIS的空间分析功能统计上述12个评价因子与地质灾害数量和密度之间的关系(图2)。结果表明: 地质灾害更易发育在更新统和白垩系地层中(图2(a)); 从岩组类型上看主要分布在软弱岩体和较软弱岩体中(图2(b)); 土壤类型方面地质灾害主要集中在黄绵土类型(图2(c)); 图2(d)反映地质灾害主要分布在居民及工矿用地以及裸地等土地利用类型中; 而坡度在15~30°之间地质灾害相对集中(图2(e)),且主要发育在南坡和北坡(图2(f)); 图2(g)和图2(h)显示地质灾害主要分布在TWI在16~27之间,SPI在7~19之间的地区; 由图2(i)可知,地质灾害主要分布在距河流小于200 m的范围内(图2(i)); 而距道路距离小于400 m的范围内灾害点密度较大(图2(j)); 此外,NDVI在0.1~0.4之间的地区(图2(k))及年均降水量大于313 mm的地区(图2(l))地质灾害较为集中。

图2

图2   地质灾害危险性评价因子与地质灾害关系

Fig.2   Relationships between conditioning factors and geological disasters


3 研究方法

3.1 AHP

AHP是一种多目标评价决策的方法,它能提供一个全面的解决方案,用于构建问题并表现、关联及量化元素[23]。其基本原理是将被评价系统的有关方案的各个要素分解为目标、准则、方案等层次,在此基础上进行定性和定量分析[24]。通过对影响因素的两两比较,采用Saaty[25]给出的1~9标度法构造判断矩阵,综合确定各层次各因素之间的权重。判断矩阵的结果可以通过随机一致性比率(consistency ratio,CR)来衡量,它是判断矩阵的一致性与平均随机一致性的综合指标,其计算公式为

CR=CI/RI ,
CI=(λmax-N)/(N-1) ,

式中: λmax为最大特征值; N 为判断矩阵的阶数; CI为判断矩阵一致性指标; RI为判断矩阵的平均随机一致性指标(表1)[3]。当CR<0.1时,则认为判断矩阵一致性较好。

表1   平均随机一致性指标

Tab.1  Average random consistency index

NRINRINRI
1061.24111.51
2071.32121.53
30.5881.41131.56
40.9091.45141.57
51.12101.49151.59

新窗口打开| 下载CSV


3.2 构建地质灾害危险性评价指数

地质灾害危险性评价指数(geological disaster hazard index ,GDHI)能够综合多因子定量表达区域的地质灾害危险性程度。基于AHP方法计算的地质灾害评价因子及其类型的权重构建GDHI,即[13,26]

GDHI=i=1nWiDij ,

式中: n为评价因子的个数; Wi为第i个评价因子的权重,Dij为第i个评价因子中第j个因子类型的权重。

4 结果与验证

4.1 评价结果

本文基于12个地质灾害危险性评价因子,采用AHP方法对评价因子及其类型分别进行判断矩阵构建、权重计算以及一致性检验,在此基础上获得了GDHI。判断矩阵计算结果显示,12个因子及其类型经一致性检验后CR均小于0.1,表明各判断矩阵具有较好的一致性且通过一致性检验,各评价因子及因子类型判断矩阵、权重、CR及最大特征值λmax分别如表2表3所示。

表2   评价因子AHP判断矩阵、权重、CRλmax

Tab.2  Refers AHP scores of factors, weight, CR and maximum eigenvalue

评价因子地层土壤岩组土地利
用类型
降水量坡度坡向TWISPI距河流
距离
距道路
距离
NDVI权重CRλmax
地层10.093 30.086 413.45
土壤1/410.041 7
岩组1/2210.065 8
土地利用类型1/221/310.077 0
降水量1/2111/210.096 3
坡度4453110.160 7
坡向1/411/31/31/41/210.030 2
TWI1/2121/31/41/4210.050 6
SPI1/31/21/21/41/51/521/310.028 3
距河流距离44543355510.232 9
距道路距离33321/21/23231/310.104 1
NDVI1/41/31/41/51/51/61/21/41/21/51/310.019 1

新窗口打开| 下载CSV


表3   评价因子类型权重、CRλmax

Tab.3  Weight,CR and maximum eigenvalue of factor classes

因子因子类型权重CRλmax因子因子类型权重CRλmax
地层全新统0.1080.03110.415岩组坚硬岩组0.0890.0534.144
更新统0.296较坚硬岩组0.126
新近系0.091较软弱岩组0.262
古近系0.091软弱岩组0.523
白垩系0.234TWI[9,13)0.0600.0285.127
侏罗系0.036[13,16)0.095
三叠系0.036[16,20)0.155
二叠系0.036[20,23)0.239
奥陶系0.036[23,27]0.451
中元古界0.036SPI[2.7,5)0.0620.0155.068
土壤风沙土0.2500.0002.000[5,7)0.097
黄绵土0.750[7,9)0.160
土地利用
类型
耕地0.1610.0466.286[9,11)0.263
草地0.076[11,19]0.418
居民及工矿用地0.166距河流距离/m[0,200)0.3830.0206.123
水体0.082[200,400)0.250
裸地0.404[400,600)0.160
沙地0.111[600,800)0.101
坡度/(°)[0,5)0.0470.0208.201[800,1 000)0.064
[5,10)0.055>1 0000.042
[10,15)0.067距道路距离/m[0,100)0.4700.0705.314
[15,20)0.090[100,200)0.262
[20,25)0.113[200,300)0.144
[25,30)0.149[300,400)0.079
[30,35)0.168>4000.045
[35,50]0.311NDVI[0,0.1)0.0620.0185.079
坡向平地0.0280.0609.691[0.1,0.2)0.348
北向0.271[0.2,0.3)0.319
东北0.118[0.3,0.4)0.188
东向0.063[0.4,1]0.083
东南0.072降水量[207,240)0.0750.0295.129
南向0.199[240,263)0.112
西南0.083[263,286)0.119
西向0.083[286,313)0.231
西北0.083[313,343]0.463

新窗口打开| 下载CSV


在ArcGIS软件中,根据得到的各因子及类型的权重系数,结合用式(3)计算出的盐池县GDHI,形成盐池县地质灾害危险性分布(图3(a)); 在此基础上,采用自然间断点分级法将盐池县地质灾害危险性分为极低、低、中、高、极高危险区5个分区,得到地质灾害危险性分区情况(图3(b))。

图3

图3   盐池县地质灾害危险性评价分区

Fig.3   Hazard assessment zonation of geological disasters in Yanchi County


利用ArcGIS软件的空间统计功能对5个危险性分区的面积进行统计,结果表明: 极低和低危险区的面积分别占全县面积的34%和28%,主要分布在盐池县中北部的丘陵区,区内地势平坦,人口密度低,植被覆盖度相对较高,人类工程活动较少; 中危险区面积约占全县的25%,主要分布在南部麻黄山、王乐井以西以及道路周边地区,区内人类活动较为强烈,植被覆盖度较低,地质灾害危险性主要表现为对道路交通和行人安全的威胁; 高和极高危险区面积较少,分别占总面积的12%和1%,主要集中分布在河流两侧以及麻黄山地区,地质灾害以滑坡为主,崩塌次之,区内黄土覆盖厚度大,冲沟切割深、斜坡坡度陡,植被覆盖度低,在降水及人类工程活动的影响下容易发生灾害,危险性大。

4.2 精度验证

成功率曲线以及受试者工作特征(receiver operating characteristics, ROC)曲线是目前常用的精度检验统计学方法。成功率曲线考虑模型对灾害样本的预测好坏,且高危险区所占样本比例越高,模型预测结果越好[27]。ROC曲线则能考察模型对正类和负类样本的预测能力和可分性[28,29],可准确地反映所用分析方法特异性与敏感性的关系,具有很好的试验准确性。2种曲线与横轴围成的面积(area under curve,AUC)表示模型对灾害样本的预测精度,AUC值越大,精度越高。本文选取231个灾害点和231个非灾害点,分别采用成功率曲线和ROC曲线对研究区的地质灾害危险性评价结果进行精度检验。成功率曲线结果显示,约19%的灾害点落在危险性90%~100%的高值区(x轴为10%),54%的灾害点落在危险性80%~90%的高值区(x轴为20%),0~30%的危险区(x轴为30%)包含了约70%的灾害点,AUC值为0.77(图4(a)); ROC曲线AUC值为0.89且渐进Sig.b小于0.05(图4(b))。以上结果表明,采用AHP方法获得的地质灾害危险性分布精度较高,该方法能较为客观准确地对盐池县地质灾害敏感性进行评价。

图4

图4   评价结果精度检验

Fig.4   Accuracy validation of assessment results for AHP


此外,不同危险性分区的灾害点密度也能综合反映区域地质灾害危险性评价的合理性。统计盐池县极低、低、中、高、极高5个级别的危险性分区的灾害点数量及面积,计算出不同分区的灾害点密度(表4)。结果表明,从极低危险区到极高危险区的点密度呈增加趋势且极高危险区的灾害点密度最大,达到了1.076个/km2,说明该区域中灾害点分布集中,地质灾害危险性分区较为合理。

表4   危险区分区灾害点密度统计

Tab.4  Geological disasters density in different classes of hazard assessment map

危险区分级灾害点数量/个面积/km2密度/(个·km-2)
极低危险区22 241.420.001
低危险区61 925.180.003
中危险区391 675.310.023
高危险区105842.260.125
极高危险区7973.451.076

新窗口打开| 下载CSV


5 讨论与结论

5.1 讨论

地质灾害危险性评价精度影响因素包括模型精度、数据、专业人员的经验以及研究区大小[30]。研究表明,定性分析方法、定量分析方法或者两者结合的方法均无法在任意区域取得很好的评价效果,只有针对不同区域,选择不同数据,利用恰当的方法才能得到较为满意的评价效果[31]。本文基于12个地质灾害评价因子,利用AHP方法确定盐池县各评价因子以及因子类型的权重,计算GDHI并进行分区。研究结果表明,盐池县地质灾害高和极高危险区主要分布在河流两侧以及南部麻黄山沟谷陡坡上(图5),且麻黄山地区白垩系地层中灾害点密度较高,当降水量显著增大时,易发生地质灾害,危险性高; 而道路多分布于中部及北部的丘陵区,地势较低、坡度小,综合评价结果为中危险区。以上结果与实际情况基本相符,表明AHP方法在该地区较为适用,能够客观有效地评价盐池县地质灾害危险性程度。由此可见,AHP方法在确定评价因子权重方面虽存在一定的主观性,但由于该方法能够将决策者的经验判断给予量化,具有分析系统化、简洁实用等特征,因此广泛应用于不同区域的地质灾害危险性评价中且效果良好[4,14-16],具有很好的普适性。利用AHP方法进行区域地质灾害危险性评价时,只有深入研究区域地质灾害孕灾环境和成灾机理,尽可能客观地构建评价因子的判断矩阵,才能克服该方法的不足,确保其评价精度。

图5

图5   盐池县地质灾害高和极高危险区典型地质灾害照片

Fig.5   Typical geological disasters photos in high and very high hazard class of Yanchi County


5.2 结论

本文基于多源遥感数据和基础地质数据,选择并提取12个地质灾害危险性评价影响因子,采用AHP方法构建GDHI,对盐池县地质灾害危险性进行评价和分区,得出如下结论:

1)研究区极低和低危险区的面积分别占全县面积的34%和28%,主要分布在研究区中北部的丘陵区; 中危险区面积约占全县的25%,主要分布在研究区南部麻黄山、王乐井以西以及道路周边地区,地质灾害危险性主要表现为对道路和行人安全的威胁; 高和极高危险区分别占总面积的12%和1%,主要集中分布在河流两侧以及麻黄山地区,区内黄土覆盖厚度大,冲沟切割深、斜坡坡度陡,植被覆盖度低,在降水及人类工程活动的影响下容易发生灾害,危险性大。

2)成功率曲线和ROC曲线AUC值分别为0.77和0.89,检验结果不仅满足大于0.5的基本要求,而且精度较好; 同时,灾害点密度从极低危险区到极高危险区呈增加趋势且极高危险区的灾害点密度最大,达到了1.076个/km2,表明AHP方法适用于盐池县地质灾害危险性评价,其评价结果对盐池县地质灾害的防范与治理可提供一定的参考依据。

3)利用AHP方法进行危险性评价的关键是构建评价因子的判断矩阵,因此一定要深入分析研究区域地质灾害背景和成灾机理,才能对研究区地质灾害危险性进行合理评价。

4)本文基于孕灾环境和致灾因子的考虑,将滑坡、崩塌、泥石流以及地面塌陷4类地质灾害一同进行地质灾害危险性评价,虽然地面塌陷数量很少,但因其成灾机理与前3类灾害有较大差异,对评价结果还是有一定影响的。此外,如何更加客观、准确地确定各评价因子及因子类型判断矩阵、权重仍需要进一步研究。

参考文献

张春山, 张业成, 张立海 .

中国崩塌、滑坡、泥石流灾害危险性评价

[J]. 地质力学学报, 2004,10(1):27-32.

[本文引用: 1]

Zhang C S, Zhang Y C, Zhang L H .

Danger assessment of collapses,landslides and debris flows of geological hazards in China

[J]. Journal of Geomechanics, 2004,10(1):27-32.

[本文引用: 1]

Wang H B, Sassa K .

Comparative evaluation of landslide susceptibility in Minamata area,Japan

[J]. Environmental Geology, 2005,47(7):956-966.

[本文引用: 1]

Saaty T L .

The Analytic Hierarchy Process:Planning, Priority Setting,Resource Allocation

[M]. New York:McGraw-Hill, 1980.

[本文引用: 2]

姚玉增, 任群智, 李仁峰 , .

层次分析法在山地地质灾害危险性评价中的应用——以辽宁凌源地区为例

[J]. 水文地质工程地质, 2010,37(2):130-134.

[本文引用: 2]

Yao Y Z, Ren Q Z, Li R F , et al.

Application of analytic hierarchy process to the probability assessment of mountain geological disasters:A case study of Lingyuan region,Liaoning Province

[J]. Hydrogeology and Engineering Geology, 2010,37(2):130-134.

[本文引用: 2]

常青, 刘琳, 苗利勇 .

基于模糊综合评判法临潼区地质灾害危险性评价

[J]. 中国人口·资源与环境, 2014,24(3):355-358.

[本文引用: 1]

Chang Q, Liu L, Miao L Y .

Geological hazard risk assessment based on fuzzy mathematics in Lintong

[J]. China Population,Resources and Environment, 2014,24(3):355-358.

[本文引用: 1]

李健强, 韩海辉, 高婷 , .

资源三号卫星在地质灾害调查评价中的应用——以宝鸡黄土区为例

[J]. 国土资源遥感, 2017,29(s1):73-80.doi: 10.6046/gtzyyg.2017.s1.12.

[本文引用: 1]

Li J Q, Han H H, Gao T , et al.

The application of ZY-3 satellite to geological hazards survey and evaluation:A case study of Baoji loess area

[J]. Remote Sensing for Land and Resources, 2017,29(s1):73-80.doi: 10.6046/gtzyyg.2017.s1.12.

[本文引用: 1]

李晓璇, 马海建 .

基于Logistic模型的地震次生崩滑危险性评价——以汶川县为例

[J]. 地震, 2013,33(2):63-70.

[本文引用: 1]

Li X X, Ma H J .

Risk assessment of earthquke-induced collapses and slides based on Logistic model for the case of Wenchuan County

[J]. Earthquake, 2013,33(2):63-70.

[本文引用: 1]

张重, 沈晓华, 邹乐君 , .

滑坡危险性评价模型中的量化方式研究——以永嘉县为例

[J]. 国土资源遥感, 2010,22(3):16-20.doi: 10.6046/gtzyyg.2010.03.04.

Magsci     [本文引用: 1]

<p>滑坡因子的分段和量化问题非常复杂,相同的滑坡因子在不同条件下对滑坡的贡献会有所不同,甚至完全相反。针对浙江省永嘉县具体滑坡点各个滑坡因子的分布情况,提出滑坡因子量化方案,并应用该方案构建滑坡危险性评价的神经网络模型。通过不同模型的对比分析,认为基于量化方案的支持向量机(Support Vector Machine, SVM)神经网络模型的实用性最强,结果最为满意,其滑坡分布的验证正确率达到84.2%。</p><p>&nbsp;</p>

Zhang Z, Shen X H, Zou L J , et al.

The quantification method in the estimation model for landslide danger:A case study of Yongjia County

[J]. Remote Sensing for Land and Resources, 2010,22(3):16-20.doi: 10.6046/gtzyyg.2010.03.04.

Magsci     [本文引用: 1]

吕远强, 林杜军, 罗伟强 .

基于人工神经网络的区域地质灾害危险性预测评价

[J]. 中国地质灾害与防治学报, 2007,18(1):95-98.

[本文引用: 1]

Lyu Y Q, Lin D J, Luo W Q .

Study on artificial NN method for forecast and risk assessment of regional geologic hazards

[J]. The Chinese Journal of Geological Hazard and Control, 2007,18(1):95-98.

[本文引用: 1]

Ying X, Zeng G M, Chen G Q , et al.

Combining AHP with GIS in synthetic evaluation of ecoenvironment quality—A case study of Hunan Province,China

[J]. Ecological Modelling, 2007,209(2):97-109.

[本文引用: 1]

Pourghasemi H R, Pradhan B, Gokceoglu C .

Application of fuzzy logic and analytical hierarchy process (AHP) to landslide susceptibility mapping at Haraz watershed, Iran

[J]. Natural Hazards, 2012,63(2):965-996.

[本文引用: 1]

Kayastha P, Dhital M R, Smedt F D .

Application of the analytical hierarchy process (AHP) for landslide susceptibility mapping:A case study from the Tinau watershed,west Nepal

[J]. Computers and Geosciences, 2013,52(52):398-408.

[本文引用: 1]

Kumar R, Anbalagan R .

Landslide susceptibility mapping using analytical hierarchy process (AHP) in Tehri reservoir rim region,Uttarakhand

[J]. Journal of the Geological Society of India, 2016,87(3):271-286.

[本文引用: 2]

郑师谊, 张绪教, 杨艳 , .

层次分析法在滇西怒江河谷潞江盆地段崩塌与滑坡地质灾害危险性评价中的应用

[J]. 地质通报, 2012,31(2/3):356-365.

[本文引用: 2]

Zheng S Y, Zhang X J, Yang Y , et al.

The application of analytic hierarchy process to the danger evaluation of collapse and slide in Lujiang basin segment of Nujiang valley,western Yunnan Province

[J]. Geological Bulletin of China, 2012,31(2/3):356-365.

[本文引用: 2]

刘洋, 唐川, 冯毅 .

基于AHP-信息量法的地质灾害危险性评价

[J]. 地球与环境, 2013,41(2):173-179.

[本文引用: 1]

Liu Y, Tang C, Feng Y .

Geological disaster risk assessment based on AHP information method

[J]. Earth and Enviroment, 2013,41(2):173-179.

[本文引用: 1]

贾贵义, 全永庆, 黎志恒 , .

基于组合赋权法的白龙江流域甘肃段地质灾害危险性评价

[J]. 冰川冻土, 2014,36(5):1227-1236.

DOI:10.7522/j.issn.1000-0240.2014.0147      Magsci     [本文引用: 2]

<p>以甘肃省白龙江流域主要城镇环境工程地质勘查及历次地质调查数据为基础, 分析了地貌、人类活动等因素对白龙江流域甘肃段地质灾害的控制作用, 选定了坡度、岩性、地震、河流、降水等评价因子, 采用层次分析法和信息量法组合赋权的方式确定评价因子的综合权重, 最后利用GIS的叠加、以及重分类功能进行了地质灾害危险性分区评价. 结果表明: 白龙江流域地质灾害主要分布于人口相对密集的城镇(河谷)一带, 地质灾害分布相对密集, 危险性较大. 而以农牧业为主的中、高山区地质灾害分布相对稀疏, 危险性较低.</p>

Jia G Y, Quan Y Q, Li Z H , et al.

Geo-hazards assessment for the Gansu segment in Bailongjiang River basin by using combination weighting method

[J]. Journal of Glaciology and Geocryology, 2014,36(5):1227-1236.

Magsci     [本文引用: 2]

李远华, 姜琦刚 .

基于遥感调查与GIS分析的林芝地区地质灾害评价

[J]. 国土资源遥感, 2006,18(2):57-60.doi: 10.6046/gtzyyg.2006.02.14.

Magsci     [本文引用: 1]

<p>利用遥感、GIS技术和其它分析手段,在&ldquo;递进分析法&rdquo;(AMFP)理论框架下,利用AHP模型评估各影响因子权重; 选用综合指数评价模型求取潜势度、危险度及危害度等区域地质灾害评价指数; 借助自建的灾害评价系统,实现了藏东林芝地区的区域性地质灾害预测评价及其可视化表达。研究结果表明: 该方法评价结果较为合理; 研究方法和试点区预警系统的建设实践对于区域性灾害的预测、预报和防止不仅具有理论意义,也具有重要的现实意义; 将人类活动等影响因子量化,不仅缩小了预测区的范围,也突出了地质灾害对人类生存环境的影响。</p>

Li Y H, Jiang Q G .

The estimation of regional geo-hazards based on reinvestigation and GIS analysis

[J]. Remote Sensing for Land and Resources, 2006,18(2):57-60.doi: 10.6046/gtzyyg.2006.02.14.

Magsci     [本文引用: 1]

张晓东, 刘湘南, 赵志鹏 , .

盐池县地质灾害遥感调查及空间分布特征

[J]. 水文地质工程地质, 2017,44(1):164-170.

[本文引用: 1]

Zhang X D, Liu X N, Zhao Z P , et al.

Survey of geological hazards by RS and spatial distribution characteristics analysis in Yanchi County

[J]. Hydrogeology and Engineering Geology, 2017,44(1):164-170.

[本文引用: 1]

李粉玲, 常庆瑞, 刘佳岐 , .

基于多纹理和支持向量机的ZY-1 02C星HR数据分类

[J]. 武汉大学学报(信息科学版), 2016,41(4):455-461.

DOI:10.13203/j.whugis20140356      Magsci     [本文引用: 1]

<p>基于国产资源一号02C星高分辨率(high resolution,HR)影像,提取了基于变差函数、灰度共生矩阵和梯度的多纹理特征,结合光谱信息构建了基于支持向量机(support vector machine,SVM)的多源信息复合模型的图像分类方法,并与传统最大似然法和决策树法的分类结果进行了比较。研究表明,变差函数纹理和梯度纹理参与的多源复合数据有效提高了图像的分类精度,总分类精度由85.14%提高到87.43%,Kappa系数由0.82提高到0.85;绝对值变差函数为纹理最佳窗口分析提供了理论依据,基于累积步长提取的纹理特征能显著提升图像分类的精度,分类准确率提高了13.94%,Kappa系数增加了0.17;基于多源复合数据的SVM高空间分辨率遥感图像分类方法能有效解决传统图像分类结果破碎的问题,比最大似然方法和决策树法的分类精度显著提高,总精度达到89.14%,Kappa系数为0.87,分别提高了6.85%和10.84%。实验表明,ZY-102C星HR数据在冬小麦信息提取中具有一定的稳定性和优势。</p>

Li F L, Chang Q R, Liu J Q , et al.

SVM classification with multi-texture data of ZY-1 02C HR image

[J]. Geomatics and Information Science of Wuhan University, 2016,41(4):455-461.

Magsci     [本文引用: 1]

彭文甫, 王广杰, 周介铭 , .

基于多时相Landsat5/8影像的岷江汶川—都江堰段植被覆盖动态监测

[J]. 生态学报, 2016,36(7):1975-1988.

DOI:10.5846/stxb201409051756      Magsci     [本文引用: 1]

植被覆盖度是衡量地表植被状况和指示生态环境变化的一个重要指标。基于像元二分模型,利用Landsat5/8遥感影像和DEM数据,对岷江汶川-都江堰段植被覆盖动态变化进行了监测,并结合高程、坡度和坡向数据,分析了汶川地震前后植被受损与恢复的空间动态格局变化。研究表明:植被覆盖总体良好,大部分区域的植被覆盖度均在中、高度以上,空间格局上呈现由汶川县东部、都江堰市西北部的龙门山区向两侧减少的总体趋势;地震造成植被受损面积达63808.7 hm<sup>2</sup>,且集中分布于海拔567-4331 m、坡度26-51&#176;的范围以及东坡、北坡、南坡和西坡;震后5a,植被恢复面积17786.47 hm<sup>2</sup>,主要分布在海拔576-2180 m与3256-3793 m、坡度小于9&#176;和26-51&#176;以及东坡、东南坡和和南坡;高程和坡度对植被损毁与恢复的影响明显高于坡向。

Peng W F, Wang G J, Zhou J M , et al.

Dynamic monitoring of fractional vegetation cover along Minjiang River from Wenchuan County to Dujiangyan City using multi-temporal Landsat 5 and 8 images

[J]. Acta Ecologica Sinica, 2016,36(7):1975-1988.

Magsci     [本文引用: 1]

张彩霞, 杨勤科, 李锐 .

基于DEM的地形湿度指数及其应用研究进展

[J]. 地理科学进展, 2005,24(6):116-123.

DOI:10.11820/dlkxjz.2005.06.014      Magsci     [本文引用: 1]

<p>地形湿度指数以数字高程模型(DEM)为基础,综合考虑了地形和土壤特性对土壤水分分布的影响,在流域土壤水分空间分布的研究中具有重要的理论与应用价值。根据对汇流面积时空变化的分析,地形湿度指数可分为静态、半动态和动态地形湿度指数等类型。在利用该指数评价土壤水分空间分布状况时,需要考虑计算方法与DEM网格单元大小的影响及其普遍适应性等问题。同时,针对黄土高原干旱半干旱区实际的水分循环过程和产流机制与现有地形湿度指数假设条件的差异,提出了地形湿度指数在黄土高原地区的研究设想与应用途径,以期为该区的水土保持和植被恢复研究提供理论和实践支持。</p>

Zhang C X, Yang Q K, Li R .

Advancement in topographic wetness index and its application

[J]. Progress in Geography, 2005,24(6):116-123.

Magsci     [本文引用: 1]

Thalacker R J .

Mapping Techniques for Soil Erosion:Modeling Stream Power Index in Eastern North Dakota

[D]. North Dakota:University of North Dakota, 2014.

[本文引用: 1]

Hasekioğulları G D, Ercanoglu M .

A new approach to use AHP in landslide susceptibility mapping:A case study at Yenice(Karabuk,NW Turkey)

[J]. Natural Hazards, 2012,63(2):1157-1179.

[本文引用: 1]

郭谦 .

层次分析法在生态环境综合评价应用中的优化

[J]. 国土资源遥感, 2008,20(3):104-107.doi: 10.6046/gtzyyg.2008.03.23.

Magsci     [本文引用: 1]

<p>层次分析法(Analytical Hierarchy Process,AHP),是一种常用的系统分析与决策方法,但在应用于青藏高原区域生态环境综合评价时,由于因素的权重值只能为正数,影响了表达效果。为此,本文对其进行了优化,改进了构造判断矩阵时的赋值方法,在评价过程中引入了负数。实验证明,优化后的方法能准确地评价青藏高原的生态环境。</p>

Guo Q .

The optimization of AHP in its application of the comprehensive evaluation of ecological environment

[J]. Remote Sensing for Land and Resources, 2008,20(3):104-107.doi: 10.6046/gtzyyg.2008.03.23.

Magsci     [本文引用: 1]

Saaty T L .

A scaling method for priorities in hierarchical structures

[J]. Journal of Mathematical Psychology, 1977,15(3):234-281.

[本文引用: 1]

李福建, 马安青, 丁原东 , .

基于RS与GIS技术的地质灾害危险性评价——以青岛市崂山区为例

[J]. 中国海洋大学学报(自然科学版), 2010,40(6):47-52.

[本文引用: 1]

Li F J, Ma A Q, Ding Y D , et al.

Application of RS and GIS to the risk evaluation of geological hazards:A case study on Qingdao Laoshan District

[J]. Periodical of Ocean University of China(Natural Science), 2010,40(6):47-52.

[本文引用: 1]

Lee S, Pradhan B .

Landslide hazard mapping at Selangor,Malaysia using frequency ratio and logistic regression models

[J]. Landslides, 2007,4(1):33-41.

[本文引用: 1]

Pontius R G, Schneider L C .

Land-cover change model validation by an ROC method for the Ipswich watershed, Massachusetts,USA

[J]. Agriculture Ecosystems and Environment, 2001,85(1-3):239-248.

[本文引用: 1]

饶品增, 曹冉, 蒋卫国 .

基于地理加权回归模型的云南省地质灾害易发性评价

[J]. 自然灾害学报, 2017,26(2):134-143.

[本文引用: 1]

Rao P Z, Cao R, Jiang W G .

Susceptibility evaluation of geological disasters in Yunnan Province based on geographically weighted regression model

[J]. Journal of Natural Disasters, 2017,26(2):134-143.

[本文引用: 1]

Westen C J V, Rengers N, Soeters R .

Use of geomorphological information in indirect landslide susceptibility assessment

[J]. Natural Hazards, 2003,30(3):399-419.

[本文引用: 1]

杜谦, 范文, 李凯 , .

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.

[本文引用: 1]

Du Q, Fan W, Li K , et al.

Geohazard susceptibility assessment by using binary Logical regression and information value model

[J]. Journal of Catastrophology, 2017,32(2):220-226.

[本文引用: 1]

/

京ICP备05055290号-2
版权所有 © 2015 《自然资源遥感》编辑部
地址:北京学院路31号中国国土资源航空物探遥感中心 邮编:100083
电话:010-62060291/62060292 E-mail:zrzyyg@163.com
本系统由北京玛格泰克科技发展有限公司设计开发