對于滑坡易發(fā)性預(yù)測建模,連續(xù)型環(huán)境因子在頻率比分析時的屬性區(qū)間劃分數(shù)量（attribute interval numbers,AIN）和不同易發(fā)性預(yù)測模型是兩個重要不確定性因素.為研究這兩個因素對建模的影響規(guī)律,以江西省上猶縣為例,考慮5種連續(xù)型環(huán)境因子AIN劃分（4、8、12、16及20）和5種數(shù)據(jù)驅(qū)動模型（層次分析法（analytic hierarchy process,AHP）、邏輯回歸（logistic regression,LR）、BP神經(jīng)網(wǎng)絡(luò)（back-propagation neural network,BPNN）、支持向量機（support vector machine,SVM）和隨機森林（random forest,RF））,總計25種不同工況下的滑坡易發(fā)性預(yù)測研究.再開展滑坡易發(fā)性指數(shù)的不確定性（包括精度評價和統(tǒng)計規(guī)律等）分析.結(jié)果表明:（1）對于同一模型,隨著AIN值從4增加至8再到20時,易發(fā)性預(yù)測精度先逐漸提升,然后緩慢提升直至穩(wěn)定;（2）對于同一AIN值,RF模型預(yù)測精度最高,其后依次為SVM、BPNN、LR和AHP模型;（3）在25種組合工況下,AIN=2... 

【文章來源】：地球科學(xué). 2020,45(12)北大核心

【文章頁數(shù)】：15 頁

【部分圖文】：

上猶縣地理位置圖(a)和滑坡編錄圖(b)

圖1 上猶縣地理位置圖(a)和滑坡編錄圖(b)本文基于遙感影像和GIS平臺，根據(jù)江西省滑坡易發(fā)性預(yù)測的相關(guān)研究文獻、滑坡與其環(huán)境因子之間的關(guān)聯(lián)性以及環(huán)境因子獲取的難易程度來確定本文的滑坡環(huán)境因子（Chen et al.,2018；林松等，2019;Chang et al.,2020）.從數(shù)據(jù)源中總計選取了12個環(huán)境因子：（1）地形地貌因子，包括高程、坡度、坡向、剖面曲率、平面曲率、地形起伏度；（2）地層巖性（劉鵬等，2019);(3）水文環(huán)境因子，包括地形濕度指數(shù)（topographic wetness index,TWI）和修正的歸一化差異水體指數(shù)（modified normalized difference water index,MNDWI);(4）地表覆被因子，包括歸一化植被指數(shù)（normalized difference vegetation index,NDVI）、歸一化建筑物指數(shù)（normalized difference built-up index,NDBI）、地表總輻射（羅渝等，2014;Huang et al.,2020).

本文首先分別將25種不同組合工況下預(yù)測出的滑坡易發(fā)性指數(shù)導(dǎo)入Arc GIS 10.3軟件中，然后根據(jù)易發(fā)性指數(shù)分布規(guī)律和自然間斷點法進行級別劃分：極高、高、中、低和極低易發(fā)區(qū)（黃發(fā)明等，2018）.在25種組合工況中，AIN值為8和其他各類模型組合工況下的易發(fā)性預(yù)測結(jié)果如圖3所示；AIN值為4、8、12、16、20和BPNN模型組合工況下的易發(fā)性預(yù)測結(jié)果如圖4所示，其余組合工況下的易發(fā)性預(yù)測結(jié)果沒有展示.從圖3可看出上猶縣大部分地區(qū)處于低和極低滑坡易發(fā)區(qū)，但AHP和LR模型的高和極高易發(fā)區(qū)比例高于低和極低易發(fā)區(qū).AHP和LR模型計算出的權(quán)重可知高程和坡度是最重要的兩個環(huán)境因子，且大部分滑坡位于山地丘陵等坡度和高程中等的地區(qū)，這與野外調(diào)查結(jié)果相符.圖4中可見隨著AIN值增大，不同滑坡易發(fā)性級別的分布規(guī)律更加顯著，且低和極低易發(fā)區(qū)面積也更大.圖4 各種AIN值以及BPNN模型預(yù)測滑坡易發(fā)性

【參考文獻】：
期刊論文
[1]隨機森林與GIS的泥石流易發(fā)性及可靠性[J]. 張書豪,吳光.  地球科學(xué). 2019(09)
[2]三峽庫區(qū)典型滑坡地球物理實測及其意義:以萬州區(qū)四方碑滑坡為例[J]. 林松,王薇,鄧小虎,查雁鴻,周紅偉,程邈.  地球科學(xué). 2019(09)
[3]海量監(jiān)測數(shù)據(jù)下分布式BP神經(jīng)網(wǎng)絡(luò)區(qū)域滑坡空間預(yù)測方法[J]. 趙久彬,劉元雪,劉娜,胡明.  巖土力學(xué). 2019(07)
[4]基于滑坡分類和加權(quán)頻率比模型的滑坡易發(fā)性評價[J]. 郭子正,殷坤龍,黃發(fā)明,付圣,張文.  巖石力學(xué)與工程學(xué)報. 2019(02)
[5]基于灰色關(guān)聯(lián)度模型的區(qū)域滑坡敏感性評價[J]. 黃發(fā)明,汪洋,董志良,吳禮舟,郭子正,張?zhí)?  地球科學(xué). 2019(02)
[6]基于正交設(shè)計的麻柳林滑坡穩(wěn)定性敏感分析[J]. 劉毅,趙斌濱,殷坤龍,陳麗霞,桂蕾,梁鑫.  地球科學(xué). 2019(02)
[7]基于GIS與WOE-BP模型的滑坡易發(fā)性評價[J]. 郭子正,殷坤龍,付圣,黃發(fā)明,桂蕾,夏輝.  地球科學(xué). 2019(12)
[8]臺風(fēng)暴雨條件下滑坡地下水滲流特征及成因機制[J]. 張?zhí)?周愛國,孫強,伍劍波,王赫生,劉政華.  地球科學(xué). 2017(12)
[9]基于聚類分析和支持向量機的滑坡易發(fā)性評價[J]. 黃發(fā)明,殷坤龍,蔣水華,黃勁松,曹中山.  巖石力學(xué)與工程學(xué)報. 2018(01)
[10]浙西梅雨滑坡易發(fā)性評價模型對比[J]. 馮杭建,周愛國,俞劍君,唐小明,鄭嘉麗,陳秀秀,游省易.  地球科學(xué). 2016(03)



本文編號：3052407