針對山地城市滑坡災害影響區(qū)域的不確定性,選擇重慶市中心城區(qū)典型滑坡作為研究對象,利用最鄰近指數(shù)、空間熱點探測與核密度估計方法分析了歷史滑坡災害點的空間分布特征;并選擇高程、坡度、坡向、地貌類型、土壤類型、土壤侵蝕、降雨、水系、地表覆蓋、歸一化植被指數(shù)（NDVI）、人口密度和道路等12個影響因素建立滑坡因子數(shù)據(jù)庫,利用神經網絡模型分析滑坡災害空間分布特征的驅動因素,并定量計算各影響因子的貢獻權重。利用受試者工作特征曲線（ROC）對模型進行準確性評估。最鄰近指數(shù)結果表明研究區(qū)歷史滑坡災害點呈聚集型分布特征,空間熱點探測與核密度估計均顯示渝中區(qū)、沙坪壩區(qū)和巴南區(qū)北部是滑坡聚集程度最大的地區(qū);在所有的影響因子中,人口密度、地貌類型和降雨對研究區(qū)滑坡災害的空間分布影響最大,而坡向和道路影響最低。ROC曲線下面積AUC值達到0.917,表明該神經網絡模型能準確反映出該地區(qū)滑坡影響因子的影響程度。 

【文章來源】：重慶大學學報. 2020,43(08)北大核心CSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
1 研究區(qū)概況及滑坡影響因子
    1.1 研究區(qū)概況
    1.2 滑坡影響因子
2 研究方法
    2.1 空間分布特征分析方法
        2.1.1 最鄰近指數(shù)分析
        2.1.2 空間熱點探測
        2.1.3 核密度估計
    2.2 滑坡影響因子分析方法
    2.3 模型準確度檢驗
3 結果與分析
    3.1 滑坡災害空間分布特征
    3.2 滑坡災害影響因子
4 結 論


【參考文獻】：
期刊論文
[1]陸地表層人類活動強度——概念、方法及應用（英文）[J]. 徐勇,徐小任,湯青.  Journal of Geographical Sciences. 2016(09)
[2]Development and application of traffic accident density estimation models using kernel density estimation[J]. Seiji Hashimoto,Syuji Yoshiki,Ryoko Saeki,Yasuhiro Mimura,Ryosuke Ando,Shutaro Nanba.  Journal of Traffic and Transportation Engineering（English Edition）. 2016(03)



本文編號：3162242