崩岗是中国南方红壤丘陵区最为严重的侵蚀形式之一,基于GIS开展江西省崩岗发育风险评估,对该地区崩岗侵蚀防治具有重要的科学意义。以江西省为研究区,应用灰色关联度分析法和皮尔逊相关性分析法,计算10个影响因子的重要性和相关性矩阵...崩岗是中国南方红壤丘陵区最为严重的侵蚀形式之一,基于GIS开展江西省崩岗发育风险评估,对该地区崩岗侵蚀防治具有重要的科学意义。以江西省为研究区,应用灰色关联度分析法和皮尔逊相关性分析法,计算10个影响因子的重要性和相关性矩阵进行影响因子筛选,利用信息量、加权信息量和频率比3种模型开展江西省崩岗发育风险评估,采用自然断点分级法划分风险等级。结果表明:1)气温、海拔和土地利用类型是江西省崩岗发育的重要影响因子。2)信息量模型、加权信息量模型和频率比模型的受试者工作特征曲线下方面积(Area under curve,AUC值)分别为0.860、0.852和0.833,3种模型评估精度均良好,都适用于江西省崩岗发育风险评估。3)江西省崩岗发育风险等级分布具有显著的空间异质性,呈现由北往南逐渐递增的趋势,极高风险区主要集中分布在江西省南部,高风险区主要分布在江西省南部和中部,这与江西省崩岗实际分布情况基本一致。研究结果可为江西省崩岗侵蚀防治提供参考。展开更多
[目的]对区域性泥石流敏感性进行分析,为吉林省洮南市泥石流灾害预测研究提出一种高效快捷的分析模型。[方法]针对现行大多数概率统计模型预测率较低的不足,利用人工智能算法中效果明显的随机森林算法,以吉林省洮南市西北部山区为研究区...[目的]对区域性泥石流敏感性进行分析,为吉林省洮南市泥石流灾害预测研究提出一种高效快捷的分析模型。[方法]针对现行大多数概率统计模型预测率较低的不足,利用人工智能算法中效果明显的随机森林算法,以吉林省洮南市西北部山区为研究区域,选用高程、坡度、坡向、平面曲率、剖面曲率、河流、归一化差分植被指数、地形湿度指数、土地利用及岩性10个评价因子构建了频率比和随机森林泥石流敏感性评价模型进行对比验证。模型准确性的验证方法采用受试者特征曲线(ROC曲线)及累积频率曲线下面积(area under curve,AUC)。[结果]随机森林对研究区泥石流敏感性进行分析,并通过GIS将敏感性图分为5个敏感性区域,位于高敏感性区以上的灾害点占82.3%。验证模型成功率及预测率分别为88.4%与90.4%,相较于频率比的成功率及预测率(86.4%和75.1%)效果良好。[结论]在洮南市北部进行泥石流敏感性分析中,采用随机森林方法进行建模,并利用频率比方法进行对比,结果显示随机森林法结果可靠准确。展开更多
文摘崩岗是中国南方红壤丘陵区最为严重的侵蚀形式之一,基于GIS开展江西省崩岗发育风险评估,对该地区崩岗侵蚀防治具有重要的科学意义。以江西省为研究区,应用灰色关联度分析法和皮尔逊相关性分析法,计算10个影响因子的重要性和相关性矩阵进行影响因子筛选,利用信息量、加权信息量和频率比3种模型开展江西省崩岗发育风险评估,采用自然断点分级法划分风险等级。结果表明:1)气温、海拔和土地利用类型是江西省崩岗发育的重要影响因子。2)信息量模型、加权信息量模型和频率比模型的受试者工作特征曲线下方面积(Area under curve,AUC值)分别为0.860、0.852和0.833,3种模型评估精度均良好,都适用于江西省崩岗发育风险评估。3)江西省崩岗发育风险等级分布具有显著的空间异质性,呈现由北往南逐渐递增的趋势,极高风险区主要集中分布在江西省南部,高风险区主要分布在江西省南部和中部,这与江西省崩岗实际分布情况基本一致。研究结果可为江西省崩岗侵蚀防治提供参考。
文摘滑坡地质灾害易发性评价是防灾减灾的一种重要手段,易发性评价模型的选取和优化至关重要。以思南县为研究区,选取高程、坡度、曲率、地层、土地利用、年平均降雨量等16个评价因子,采用频率比(frequency ratio,FR)模型与支持向量机(support vector machine,SVM)模型和随机森林(random forest,RF)模型相耦合,引入网格搜索方法来获取SVM模型、RF模型及其耦合模型最优参数组合并用于模型训练,最终构建SVM、RF、FR-SVM及FR-RF模型对整个研究区进行滑坡易发性预测,并进行了受试者操作特征(receiver operating characteristics,ROC)曲线验证。结果表明:与单一机器学习模型相比,耦合机器学习有更多的滑坡灾害样本落于高易发区和极高易发区,有更高的准确率。单一模型中,RF模型有较多的滑坡灾害样本落于高易发区和极高易发区,耦合模型中,FR-RF模型有较多的滑坡灾害样本落于高易发区和极高易发区,且FR模型和FR-RF模型中没有滑坡灾害样本落在极低易发区,表明无论是单一模型还是耦合模型,RF模型的性能优于SVM模型。4种模型的ROC预测曲线的曲线下面积(area under the curve,AUC)分别为0.8316、0.8439、0.8644、0.9104,说明FR模型与RF模型结合的耦合模型有更高的准确率,该模型更适用于思南县的滑坡易发性评价研究,评价结果可为当地滑坡地质灾害的防灾减灾提供一定的参考。
文摘[目的]对区域性泥石流敏感性进行分析,为吉林省洮南市泥石流灾害预测研究提出一种高效快捷的分析模型。[方法]针对现行大多数概率统计模型预测率较低的不足,利用人工智能算法中效果明显的随机森林算法,以吉林省洮南市西北部山区为研究区域,选用高程、坡度、坡向、平面曲率、剖面曲率、河流、归一化差分植被指数、地形湿度指数、土地利用及岩性10个评价因子构建了频率比和随机森林泥石流敏感性评价模型进行对比验证。模型准确性的验证方法采用受试者特征曲线(ROC曲线)及累积频率曲线下面积(area under curve,AUC)。[结果]随机森林对研究区泥石流敏感性进行分析,并通过GIS将敏感性图分为5个敏感性区域,位于高敏感性区以上的灾害点占82.3%。验证模型成功率及预测率分别为88.4%与90.4%,相较于频率比的成功率及预测率(86.4%和75.1%)效果良好。[结论]在洮南市北部进行泥石流敏感性分析中,采用随机森林方法进行建模,并利用频率比方法进行对比,结果显示随机森林法结果可靠准确。
