基于信息量模型与Logistic回归模型耦合的地质灾害易发性评价

2018: 基于信息量模型与Logistic回归模型耦合的地质灾害易发性评价. 工程地质学报, 26(2): 340-347. doi: 10.13544/j.cnki.jeg.2017-052
引用本文: 2018: 基于信息量模型与Logistic回归模型耦合的地质灾害易发性评价. 工程地质学报, 26(2): 340-347. doi: 10.13544/j.cnki.jeg.2017-052
2018: INFORMATION AND LOGISTIC REGRESSION MODELS BASED COUPL-ING ANALYSIS FOR SUSCEPTIBILITY OF GEOLOGICAL HAZARDS. JOURNAL OF ENGINEERING GEOLOGY, 26(2): 340-347. doi: 10.13544/j.cnki.jeg.2017-052
Citation: 2018: INFORMATION AND LOGISTIC REGRESSION MODELS BASED COUPL-ING ANALYSIS FOR SUSCEPTIBILITY OF GEOLOGICAL HAZARDS. JOURNAL OF ENGINEERING GEOLOGY, 26(2): 340-347. doi: 10.13544/j.cnki.jeg.2017-052

基于信息量模型与Logistic回归模型耦合的地质灾害易发性评价

doi: 10.13544/j.cnki.jeg.2017-052
基金项目: 国家科技支撑计划(2015BAK09B01),国家重点基础研究计划(973)项目(2013CB733202)资助
详细信息
  • 中图分类号: P642.2

INFORMATION AND LOGISTIC REGRESSION MODELS BASED COUPL-ING ANALYSIS FOR SUSCEPTIBILITY OF GEOLOGICAL HAZARDS

  • 摘要: 汶川地震在区内诱发了大量滑坡、崩塌等地质灾害,且孕育了大量松动岩体,这些松动岩体在降雨等因素诱发下将会产生大量次生地质灾害,危险性极大。故此对汶川县进行地质灾害易发性评价具有十分重要的现实意义。本文选取高程、坡度、坡向、起伏度、沟谷密度、工程岩组、断层、水系、道路9个影响因子,基于GIS的栅格数据模型,采用信息量模型、Logistic回归模型以及两种模型耦合分析进行地质灾害易发性评价。研究结果表明,采用耦合模型较信息量或Logistic单一模型评价结果更加合理、精度更高;易发性高与较高区域多集中于水系延展区域与断层集中区域。所计算得出的易发性分区结果与研究区实际情况相近,能在地质灾害风险评价中起到重要参考作用。
  • 图  1  研究区概况

    Figure  1.  Overview of the study area

    图  2  评价因子分级图

    a.高程分布图;b.坡度分布图;c.坡向分布图;d.起伏度分布图;e.沟谷密度分布图;f.工程岩组分布图;g.断层缓冲区分布图;h.水系分布图;i.道路分布图

    Figure  2.  Evaluation factors of classification

    图  3  信息量模型评价结果

    Figure  3.  The evaluation result of the information model

    图  4  Logistic回归模型评价结果

    Figure  4.  The evaluation result of the Logistic model

    图  5  耦合模型评价结果

    Figure  5.  The evaluation result of the coupling model

    图  6  成功率曲线图

    Figure  6.  The success rate curve

    表  1  各评价因子状态信息量值

    Table  1.   Status information of each evaluation factor

    指标因子 分级 信息量 指标因子 分级 信息量
    高程/m 784~1200 3.42 工程岩组 软硬互层岩体 0.94
    1200~1700 2.23 软质岩体 -0.18
    1700~2200 0.59 硬质岩体 -0.10
    2200~2700 -1.23 道路缓冲区/m < 200 -0.75
    > 2700 -3.80 200~400 0.46
    坡度/(°) 0~10 2.63 400~600 0.48
    10~20 1.01 600~800 0.48
    20~30 0.07 800~1000 0.50
    30~40 -1.33 > 1000 -0.03
    > 40 -1.74 水系缓冲区/m < 200 2.35
    起伏度/m < 245 1.36 200~400 2.69
    245~366 0.05 400~600 2.82
    366~493 -0.77 600~800 1.88
    493~650 -1.48 800~1000 1.14
    > 650 -1.96 > 1000 -0.59
    沟谷密度 0.38~0.53 -3.39 坡向 N -0.83
    0.53~0.59 -2.00 NE -0.15
    0.59~0.64 -0.05 E 0.13
    0.64~0.70 0.85 SE 0.48
    0.70~0.85 1.70 S -0.57
    断层缓冲区/m < 500 1.54 SW -0.47
    500~1000 1.56 W 0.12
    1000~1500 0.50 NW 0.55
    1500~2000 0.39
    > 2000 -1.33
    下载: 导出CSV

    表  2  各个易发性区灾害点分布表

    Table  2.   Disaster distribution of each liability area

    易发性 灾害点比例/%
    耦合模型 信息量模型 Logistic回归模型
    低易发性 2.76 2.47 3.12
    较低易发性 2.33 3.20 3.31
    中易发性 6.54 11.34 7.89
    较高易发性 10.73 18.90 16.13
    高易发性 77.64 64.10 69.55
    下载: 导出CSV
  • 加载中
图(6) / 表(2)
计量
  • 文章访问数:  3110
  • HTML全文浏览量:  541
  • PDF下载量:  222
  • 被引次数: 0
出版历程
  • 收稿日期:  2017-02-08
  • 录用日期:  2017-08-28
  • 刊出日期:  2018-04-25

目录

    /

    返回文章
    返回