CN110322118A - 地质灾害空间分布规律及易发性评估方法 - Google Patents
地质灾害空间分布规律及易发性评估方法 Download PDFInfo
- Publication number
- CN110322118A CN110322118A CN201910494391.XA CN201910494391A CN110322118A CN 110322118 A CN110322118 A CN 110322118A CN 201910494391 A CN201910494391 A CN 201910494391A CN 110322118 A CN110322118 A CN 110322118A
- Authority
- CN
- China
- Prior art keywords
- disaster
- geological disaster
- evaluation
- evaluation factor
- factor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000009826 distribution Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000011156 evaluation Methods 0.000 claims abstract description 104
- 238000011160 research Methods 0.000 claims description 18
- 239000002689 soil Substances 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 4
- 238000013480 data collection Methods 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 2
- 239000011435 rock Substances 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000005520 cutting process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种地质灾害空间分布规律及易发性评估方法，基于遥感数据与GIS系统，通过构建基础地质模型，模拟各级评估因子对地质灾害的影响情况，并量化拟合，获得各评估因子的权重以及地质灾害的空间分布规律，并以此计算易发性数值；通过上述方式，本发明能够解决评估因子权重确定时主观性较大的问题，从非线性角度分析地质灾害的空间分布规律，客观、准确地对地质灾害的易发性进行定量评估。
Description
技术领域
本发明涉及地质灾害研究领域，特别是涉及一种地质灾害空间分布规律及易发性评估方法。
背景技术
地质灾害作为一种破坏性的地质事件，对人类生命财产和生存环境构成严重威胁，制约着社会经济的可持续发展；地质灾害发生时间、地点、规模和方式的不确定性，给地质灾害防治工作带来了极大的挑战，为了主动而有效地进行防灾减灾、降低地质灾害造成的人员伤亡和财产损失，需要提前对地质灾害的空间分布规律和易发性进行研究，掌握其分布形态、位置、规模、频率及其相互之间所遵从的关系和规律，并评估各区域的地质灾害易发性，从而制定针对性的防灾战略。
目前，对地质灾害空间分布规律和易发性评估的主要是基于GIS技术，建立对地质灾害发生有影响的相关评价因子体系，采用特定的评估方法对各项影响因子进行分析、运算，从而得出评估结果，当前常用的评估方法主要包括层次分析法、逻辑回归法、信息量法、神经网络法、模糊综合评判法等。
其中，层次分析法、逻辑回归法和信息量法属于统计预测模型，具有操作简单、易于理解的优点，因而得到了广泛的应用，但统计方法主要是对线性关系进行分析，难以描述与地质灾害相关因素之间的非线性关系，具有局限性；而神经网络法和模糊综合评判法则存在计算耗时、参数难以确定等问题。此外，当前对易发性的评估研究主要侧重于对最终评估方法的优化，而对于前期数据的收集、评估因子的选择和权重确定过程则多依照经验或采用专家打分的形式来确定，结果具有一定的主观性。
发明内容
基于现有统计预测模型难以描述非线性关系以及评估因子权重确定的主观性问题，本发明提供了一种地质灾害空间分布规律及易发性评估方法，基于遥感数据与GIS系统，通过构建基础地质模型，模拟各评估因子对地质灾害的具体影响情况，获得各评估因子的权重以及地质灾害的空间分布规律，并以此计算易发性数值，从非线性角度客观、准确地对地质灾害的易发性进行定量评估。
为实现上述目的，本发明提供了一种地质灾害空间分布规律及易发性评估方法，包括如下步骤：
(1)数据收集：系统收集研究区的基础数据，包括历史灾害记录、现有地质数据及环境数据等；
(2)地质灾害模拟：将所获数据通过GIS软件进行处理，构建基础地质模型，并逐一叠加各级评估因子，进行地质灾害模拟；
(3)确定评估因子权重及地质灾害空间分布规律：量化各级评估因子造成的地质灾害程度，以此确定各级评估因子权重，并对评估因子与地质灾害间的关系曲线进行线性拟合，分析地质灾害空间分布规律；
(4)易发性评估：将各级评估因子的权重值与其信息量的乘积累计后作为该评估因子所在区域的易发性指数值，将所计算的易发性指数值赋值到各因子分区的栅格中，利用GIS软件的空间叠加计算所研究区域的地质灾害易发性指数，并进行易发性分区。
进一步地，为全面、精确地获取研究区的基础数据，所述步骤(1)中数据来源主要包括统计资料和遥感数据。
其中，统计资料包括相关研究文献、历史地质灾害数据、人口分布数据、气象数据等；遥感数据是基于遥感技术获得，经处理后得到地形地貌、植被覆盖及土壤类型等数据：使用遥感影像处理软件，对遥感影像图及1∶50000数字线划图进行影像几何校正、大气校正、裁剪等处理，控制误差精度在一个像元内，生成三维数字高程模型，通过数字高程模型分析软件计算出地形、坡向、坡度等数据；利用遥感影像处理平台，计算归一化差分植被指数，获得土壤植被覆盖数据；根据遥感影像，对土壤类型进行分类，并结合土壤光谱特性曲线计算出不同土壤类型在不同波段的亮度值，获得土壤松散度数据。
进一步地，所述步骤(2)中基础地质模型是通过GIS软件对数字高程模型的地形、坡向、坡度等数据进行提取，并叠加土壤及植被信息构建而成的，在此基础上，选择n个与地质灾害有关的影响因素作为评估因子u1～un，将其数据导入GIS进行处理计算，得到对应的矢量与栅格图层，并对各影响因素进行分级划分(如把u1划分为m级，则依次为u11、u12、....、u1m)，将所得各级评估因子逐一叠加于基础地质模型上，模拟研究区内的灾害发生情况，并统计叠加评估因子前后的灾害面积变化。
进一步地，所述步骤(3)中对各级评估因子造成的地质灾害程度进行量化的方法即计算灾害面积的变化率P(xi)，计算公式如下：
式中，Si1表示叠加该级评估因子前的灾害面积；Si2表示叠加该级评估因子后的灾害面积；S表示该研究区的总面积，当P(xi)＞0时，表示叠加该级评估因子后灾害面积增加，则该级评估因子与灾害的发生呈正相关，且P(xi)值越大，表明该级评估因子与地质灾害的正相关性越强；反之，当P(xi)＜0时，表示叠加该级评估因子后灾害面积减少，则该级评估因子与灾害的发生呈负相关，且P(xi)值越小，表明该级评估因子与地质灾害的负相关性越强。因此，选取|P(xi)|作为对应评估因子的权重。
同时，对各项评估因子级数与灾害变化面积|Si2-Si1|之间的关系进行线性拟合：首先，绘制评估因子级数与灾害变化面积的曲线，若两者呈非线性关系，表示该项评估因子与灾害之间存在变维关系，则需对评估因子级数和灾害变化面积分别取对数，进行分维变换，直至两者呈线性关系为止，所得拟合曲线的斜率即为该项评估因子的分维值D。
分维值D反映的是地质灾害点系统要素空间分布的均衡性，一般情况下，其数值变化范围为0～2，若D值越趋近于0，表明该区域地质灾害对于该因素的集中度越高，空间联系就越紧密，空间的相互作用也越强；反之，当D值越趋近于2时，表明该地区地质灾害对于该因素的集中度越低，空间分布便越分散，其相互作用便越弱。
进一步地，所述步骤(4)中，各级评估因子的信息量指的是该级因子对地质灾害发生的贡献度，其计算公式如下：
式中，Ni表示评估因子在某分级区(xi)内的地质灾害数量；N表示整个研究区域内地质灾害的总数量；Si表示评估因子某分级区(xi)内的单元栅格数量；S表示整个研究区域内的栅格单元数；I(xi)表示评估因子在某分级区(xi)内的信息量。
将各级评估因子的信息量与步骤(3)所得的对应的权重相乘后，即可得到各级评估因子在所在区域的易发性指数值Y(ui)，公式如下：
Y(ui)＝I(Xi)P(xi)
将所计算的易发性指数值赋值到各项评估因子对应分区的栅格中，利用GIS软件的空间叠加计算所研究区域的地质灾害易发性指数，将研究区以一定单位面积进行易发区等级划分，统计各区内易发性指数，得到探究区内易发性指数范围，再利用重分类工具将其按自然间距分类方法分为五级：I级为易发性极低、II级为易发性低、III级为易发性中等、IV级为易发性高、V级为易发性极高，从而实现对地质灾害的易发性分区。
本发明的有益效果是：
1、本发明基于遥感数据与GIS系统，通过构建基础地质模型，模拟各评估因子对地质灾害的具体影响情况，获得各评估因子的权重以及地质灾害的空间分布规律，并以此计算易发性数值，实现了对地质灾害的易发性的定量评估；
2、本发明通过进行地质灾害模拟，量化了各级评估因子对地质灾害的影响程度，计算得出各级评估因子的权重，解决了评估因子权重基于专家打分时主观性大的问题，结果更加客观、精确；
3、本发明在分析地质灾害空间分布规律时，对评估因子和灾害间的关系通过分维变换进行线性拟合，解决了一般统计预测模型难以描述非线性关系的问题。
附图说明
图1是本发明实施例所提供的一种地质灾害空间分布规律即易发性评估方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例以研究区A的滑坡灾害为例，提供了一种地质灾害空间分布规律及易发性评估方法，流程如图1所示，包括如下步骤：
(1)数据收集：系统收集研究区的基础数据，包括历史灾害记录、现有地质数据及环境数据等，数据来源主要包括统计资料和遥感数据。
其中，统计资料包括相关研究文献、历史地质灾害数据、人口分布数据、气象数据等；遥感数据是基于遥感技术获得，经处理后得到地形地貌、植被覆盖及土壤类型等数据：使用遥感影像处理软件，对遥感影像图及1∶50000数字线划图地形图进行影像几何校正、大气校正、裁剪等处理，控制误差精度在一个像元内，生成三维数字高程模型，通过数字高程模型分析软件计算出地形、坡向、坡度等数据；利用遥感影像处理平台，计算归一化差分植被指数，获得土壤植被覆盖数据；根据遥感影像，对土壤类型进行分类，并结合土壤光谱特性曲线计算出不同土壤类型在不同波段的亮度值，获得土壤松散度数据。
(2)地质灾害模拟：将所获数据通过GIS软件进行处理，构建基础地质模型，并逐一叠加各级评估因子，进行地质灾害模拟。
其中，基础地质模型是通过GIS软件对数字高程模型的地形、坡向、坡度等数据进行提取，并叠加土壤及植被信息构建而成的，在此基础上，根据所得资料，选择高程、坡度、斜坡结构、工程地质岩组、植被覆盖、降雨量、河流水系和人类工程活动8个影响因素作为评估因子，并分别进行分级划分，具体划分情况如下：
高程u1：根据数字高程模型将研究区A的高程重分类为6级，分别是：＜600m，600-800m、800-1000m、1000-1200m、1200-1400m和＞1400m；
坡度u2：根据研究区A的情况，将坡度划分6级，分别为：＜10°、10°-20°、20°-30°、30°-40°、40°-50°和＞50°；
斜坡结构u3：根据斜坡结构特征，将研究区A内斜坡类型划分为松散体坡、顺向坡、逆向坡、斜交坡、横向坡5级；
工程地质岩组u4：根据研究区A内的地质特征，分为坚硬类岩体、较硬类岩体、较软类岩体、软弱类岩体和松散类岩体5级；
植被覆盖u5：将研究区A内的植被覆盖情况按归一化差分植被指数分为5级：＜0.2、0.2-0.3、0.3-0.4、0.4-0.5和＞0.5；
降雨量u6：根据研究区A的情况，将降雨量分为5级：＜200mm、200-300mm、300-400mm、400-500mm和＞500mm；
河流水系u7：按河流侵蚀切割影响距离，分为4级：0-100m、100-200m、200-300m和＞300m；
人类工程活动u8：由于研究区A内人类工程活动主要为公路修建，因此按距离道路距离分为5级：0-10m、10-20m、20-30m、30-40m和＞40m；
将上述各级评估因子逐一叠加于基础地质模型上，模拟研究区内的灾害发生情况，并统计叠加评估因子前后的灾害面积变化。
(3)确定评估因子权重及地质灾害空间分布规律：量化各级评估因子造成的地质灾害程度，以此确定各级评估因子权重，并对评估因子与地质灾害间的关系曲线进行线性拟合，分析地质灾害空间分布规律。
其中，对各级评估因子造成的地质灾害程度进行量化的方法即计算灾害面积的变化率P(xi)，计算公式如下：
式中，Si1表示叠加该级评估因子前的灾害面积；Si2表示叠加该级评估因子后的灾害面积；S表示该研究区的总面积。当P(xi)＞0时，表示叠加该级评估因子后灾害面积增加，则该级评估因子与灾害的发生呈正相关，且P(xi)值越大，表明该级评估因子与地质灾害的正相关性越强；反之，当P(xi)＜0时，表示叠加该级评估因子后灾害面积减少，则该级评估因子与灾害的发生呈负相关，且P(xi)值越小，表明该级评估因子与地质灾害的负相关性越强。因此，选取|P(xi)|作为对应评估因子的权重，计算得各级评估因子权重如表2所示。
同时，对各项评估因子级数与灾害变化面积|Si2-Si1|之间的关系进行线性拟合：首先，绘制评估因子级数与灾害变化面积的曲线，若两者呈非线性关系，表示该项评估因子与灾害之间存在变维关系，则需对评估因子级数和灾害变化面积分别取对数，进行分维变换，直至两者呈线性关系为止，所得拟合曲线的斜率即为该项评估因子的分维值D，各评估因子的分维值如表1所示。
表1各评估因子分维值统计表
分维值D反映的是地质灾害点系统要素空间分布的均衡性，一般情况下，其数值变化范围为0～2，若D值越趋近于0，表明该区域地质灾害对于该因素的集中度越高，空间联系就越紧密，空间的相互作用也越强；反之，当D值越趋近于2时，表明该地区地质灾害对于该因素的集中度越低，空间分布便越分散，其相互作用便越弱。
(4)易发性评估：将各级评估因子的权重值与其信息量的乘积累计后作为该评估因子所在区域的易发性指数值，将所计算的易发性指数值赋值到各因子分区的栅格中，利用GIS软件的空间叠加计算所研究区域的地质灾害易发性指数，并进行易发性分区。
各级评估因子的信息量指的是该级因子对地质灾害发生的贡献度，其计算公式如下：
式中，Ni表示评估因子在某分级区(xi)内的地质灾害数量；N表示整个研究区域内地质灾害的总数量；Si表示评估因子某分级区(xi)内的单元栅格数量；S表示整个研究区域内的栅格单元数；I(xi)表示评估因子在某分级区(xi)内的信息量。
将各级评估因子的信息量与步骤(3)所得的对应的权重相乘后，即可得到各级评估因子在所在区域的易发性指数值Y(ui)，计算公式如下：
Y(ui)＝I(xi)P(xi)
各级评估因子对应的易发性指数计算结果如表2所示：
表2各级评估因子权重及易发性指数计算结果表
将所计算的易发性指数值赋值到各项评估因子对应分区的栅格中，利用GIS软件的空间叠加功能进行计算，得出所研究区各部分的地质灾害易发性指数，以某区域a为例：其高程为700m、坡度为15°、斜坡结构为顺向坡、属于较硬类岩体、植被覆盖率为0.25、平均降雨量为350mm、距河流水系＞300m、距离道路＞40m，则其易发性指数Y(ua)＝0.1624+(-0.0245)+0.3541+(-0.1746)+(-0.0198)+0.0892+(-0.0355)+(-0.0274)＝0.3239.
将研究区以一定单位面积进行易发区等级划分，统计各区内易发性指数的平均值，作为该区域的易发性特征值，得到所研究区内易发性特征值最大为0.8156，最小为-0.3608，即该区域内易发性指数范围为-0.3608～0.8156，易发性指数越高，表明地质灾害发生的概率越大；利用GIS软件的重分类工具将所得指数范围-0.3608～0.8156按自然间距分类法平均分为五段，依次表示易发性I～V五级，对应易发性分区表如表3所示：
表3易发性分区表
| 等级 | I | II | III | IV | V |
| 指数 | -0.3608～-0.1255 | -0.1255～0.1098 | 0.1098～0.3450 | 0.3450～0.5803 | 0.5803～0.8156 |
其中，I级表示易发性极低、II级表示易发性低、III级表示易发性中等、IV级表示易发性高、V级表示易发性极高。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种地质灾害空间分布规律及易发性评估方法，其特征在于，包括如下步骤：
(1)数据收集：系统收集研究区的基础数据；
(2)地质灾害模拟：将所获数据通过GIS软件进行处理，构建基础地质模型，并逐一叠加各级评估因子，进行地质灾害模拟；
(3)确定评估因子权重及地质灾害空间分布规律：量化各级评估因子造成的地质灾害程度，确定各级评估因子权重，并对评估因子与地质灾害间的关系曲线进行线性拟合，分析地质灾害空间分布规律；
(4)易发性评估：将各级评估因子的权重值与其信息量的乘积累计后作为该评估因子所在区域的易发性指数值，并赋值到各评估因子分区的栅格中，利用GIS软件的空间叠加计算所研究区域的地质灾害易发性指数，并进行易发性分区。
2.根据权利要求1所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，步骤(1)中数据来源主要包括统计资料和遥感数据；其中，统计资料包括相关研究文献、历史地质灾害数据、人口分布数据、气象数据等；遥感数据经处理后可以得到地形地貌、植被覆盖及土壤类型等数据。
3.根据权利要求1所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，步骤(2)中基础地质模型是通过GIS软件对数字高程模型的地形、坡向、坡度等数据进行提取，并叠加土壤及植被信息构建而成的。
4.根据权利要求3所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，选择n个与地质灾害有关的影响因素作为评估因子u1～un，将其数据导入GIS进行处理计算，得到对应的矢量与栅格图层，并对各影响因素进行分级划分，将所得各级评估因子逐一叠加于基础地质模型上，模拟研究区内的灾害发生情况，并统计叠加评估因子前后的灾害面积变化。
5.根据权利要求1所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，步骤(3)中通过计算灾害面积的变化率P(xi)对各级评估因子造成的地质灾害程度进行量化，计算公式如下：
式中，Si1表示叠加该级评估因子前的灾害面积；Si2表示叠加该级评估因子后的灾害面积；S表示该研究区的总面积；且P(xi)的绝对值越大，表明该级评估因子与地质灾害的相关性越强，因此，选取P(xi)的绝对值作为对应评估因子的权重。
6.根据权利要求5所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，对各项评估因子级数与灾害变化面积|Si2-Si1|之间的关系进行线性拟合，当两者呈非线性关系时，则对评估因子级数和灾害变化面积分别取对数，进行分维变换，直至两者呈线性关系为止，所得拟合曲线的斜率即为该项评估因子的分维值D；分维值D的数值变化范围为0～2，若D值越趋近于0，表明该区域地质灾害对于该因素的集中度越高；反之，若D值越趋近于2，表明该地区地质灾害对于该因素的集中度越低。
7.根据权利要求1所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，步骤(4)中，各级评估因子的信息量指的是该级因子对地质灾害发生的贡献度，其计算公式如下：
式中，Ni表示评估因子在某分级区(xi)内的地质灾害数量；N表示整个研究区域内地质灾害的总数量；Si表示评估因子某分级区(xi)内的单元栅格数量；S表示整个研究区域内的栅格单元数；I(xi)表示评估因子在某分级区(xi)内的信息量。
8.根据权利要求7所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，将各级评估因子的信息量与步骤(3)所得的对应的权重相乘后，即可得到各级评估因子在所在区域的易发性指数值Y(ui)，计算公式如下：
Y(ui)＝I(xi)P(xi)
9.根据权利要求8所述的一种地质灾害空间分布规律及易发性评估方法，其特征在于，所得易发性指数值需赋值到各项评估因子对应分区的栅格中，利用GIS软件的空间叠加功能，计算所研究区域的地质灾害易发性指数，并将研究区以一定单位面积进行易发区等级划分，统计各区内易发性指数，得到探究区内易发性指数范围，再利用重分类工具将其按自然间距分类方法分为五级：I级为易发性极低、II级为易发性低、III级为易发性中等、IV级为易发性高、V级为易发性极高。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910494391.XA CN110322118A (zh) | 2019-06-06 | 2019-06-06 | 地质灾害空间分布规律及易发性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910494391.XA CN110322118A (zh) | 2019-06-06 | 2019-06-06 | 地质灾害空间分布规律及易发性评估方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110322118A true CN110322118A (zh) | 2019-10-11 |
Family
ID=68120725
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910494391.XA Pending CN110322118A (zh) | 2019-06-06 | 2019-06-06 | 地质灾害空间分布规律及易发性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110322118A (zh) |
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310898A (zh) * | 2020-02-14 | 2020-06-19 | 中国地质大学（武汉） | 一种基于rnn的滑坡灾害易发性预测方法 |
| CN111915281A (zh) * | 2020-09-03 | 2020-11-10 | 深圳市不动产评估中心(深圳市地质环境监测中心) | 基于地质灾害易发分区的区块评估审批方法、系统、智能终端及存储介质 |
| CN112132470A (zh) * | 2020-09-25 | 2020-12-25 | 西北大学 | 一种基于加权信息量法的滑坡易发性评估方法 |
| CN112465356A (zh) * | 2020-11-30 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
| CN113051315A (zh) * | 2021-03-26 | 2021-06-29 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种突发事件预警信息的信息量测算系统 |
| CN113379200A (zh) * | 2021-05-25 | 2021-09-10 | 中国地质大学（武汉） | 一种地质灾害易发性评价的确定方法及装置 |
| CN113506203A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
| CN113554345A (zh) * | 2021-08-10 | 2021-10-26 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
| CN115375064A (zh) * | 2022-02-11 | 2022-11-22 | 中国石油天然气集团有限公司 | 一种确定油气上游资产空间分布集中度的方法和装置 |
| CN115719161A (zh) * | 2022-11-08 | 2023-02-28 | 广东省科学院广州地理研究所 | 一种崩岗灾害风险综合评估的方法 |
| CN116384086A (zh) * | 2023-03-21 | 2023-07-04 | 广西壮族自治区地质环境监测站 | 一种基于大数据的多灾种地区风险评估方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080172262A1 (en) * | 2007-01-12 | 2008-07-17 | Lianjun An | Method and System for Disaster Mitigation Planning and Business Impact Assessment |
| CN101726750A (zh) * | 2009-11-30 | 2010-06-09 | 中国矿业大学(北京) | 地裂缝评价的“三图法” |
| CN102663507A (zh) * | 2012-04-28 | 2012-09-12 | 清华大学 | 一种城乡规划的地质生态敏感分析方法 |
| CN106295233A (zh) * | 2016-08-31 | 2017-01-04 | 中测新图(北京)遥感技术有限责任公司 | 一种地质灾害易发性评价方法以及装置 |
| CN106780050A (zh) * | 2016-12-12 | 2017-05-31 | 国信优易数据有限公司 | 受灾程度评估方法、系统及电子设备 |
| CN107943880A (zh) * | 2017-11-15 | 2018-04-20 | 国网四川省电力公司经济技术研究院 | 一种基于层次分析法的地质灾害易发性改进评估方法 |
| CN108596518A (zh) * | 2018-05-14 | 2018-09-28 | 中国路桥工程有限责任公司 | 一种公路地质灾害危险性评估方法 |
-
2019
- 2019-06-06 CN CN201910494391.XA patent/CN110322118A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080172262A1 (en) * | 2007-01-12 | 2008-07-17 | Lianjun An | Method and System for Disaster Mitigation Planning and Business Impact Assessment |
| CN101726750A (zh) * | 2009-11-30 | 2010-06-09 | 中国矿业大学(北京) | 地裂缝评价的“三图法” |
| CN102663507A (zh) * | 2012-04-28 | 2012-09-12 | 清华大学 | 一种城乡规划的地质生态敏感分析方法 |
| CN106295233A (zh) * | 2016-08-31 | 2017-01-04 | 中测新图(北京)遥感技术有限责任公司 | 一种地质灾害易发性评价方法以及装置 |
| CN106780050A (zh) * | 2016-12-12 | 2017-05-31 | 国信优易数据有限公司 | 受灾程度评估方法、系统及电子设备 |
| CN107943880A (zh) * | 2017-11-15 | 2018-04-20 | 国网四川省电力公司经济技术研究院 | 一种基于层次分析法的地质灾害易发性改进评估方法 |
| CN108596518A (zh) * | 2018-05-14 | 2018-09-28 | 中国路桥工程有限责任公司 | 一种公路地质灾害危险性评估方法 |
Non-Patent Citations (2)
| Title |
|---|
| 史展等: "GIS支持下川滇黔接壤区滑坡危险性评价", 《水土保持通报》 * |
| 熊倩莹: "基于1：5万地质灾害填图的区域地质灾害易发性及危险性的评价与区划", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111310898A (zh) * | 2020-02-14 | 2020-06-19 | 中国地质大学（武汉） | 一种基于rnn的滑坡灾害易发性预测方法 |
| CN111915281A (zh) * | 2020-09-03 | 2020-11-10 | 深圳市不动产评估中心(深圳市地质环境监测中心) | 基于地质灾害易发分区的区块评估审批方法、系统、智能终端及存储介质 |
| CN111915281B (zh) * | 2020-09-03 | 2021-02-23 | 深圳市不动产评估中心(深圳市地质环境监测中心) | 基于地质灾害易发分区的区块评估审批方法、系统、智能终端及存储介质 |
| CN112132470A (zh) * | 2020-09-25 | 2020-12-25 | 西北大学 | 一种基于加权信息量法的滑坡易发性评估方法 |
| CN112465356B (zh) * | 2020-11-30 | 2023-05-23 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
| CN112465356A (zh) * | 2020-11-30 | 2021-03-09 | 国网四川省电力公司电力科学研究院 | 一种改进的崩滑地质灾害物质易损性定量评价方法及系统 |
| CN113051315A (zh) * | 2021-03-26 | 2021-06-29 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种突发事件预警信息的信息量测算系统 |
| CN113051315B (zh) * | 2021-03-26 | 2022-08-19 | 中国气象局公共气象服务中心(国家预警信息发布中心) | 一种突发事件预警信息的信息量测算系统 |
| CN113379200A (zh) * | 2021-05-25 | 2021-09-10 | 中国地质大学（武汉） | 一种地质灾害易发性评价的确定方法及装置 |
| CN113379200B (zh) * | 2021-05-25 | 2022-08-16 | 中国地质大学（武汉） | 一种地质灾害易发性评价的确定方法及装置 |
| CN113506203A (zh) * | 2021-07-12 | 2021-10-15 | 京创智慧科技有限责任公司 | 一种数据处理方法、装置、设备及存储介质 |
| CN113554345A (zh) * | 2021-08-10 | 2021-10-26 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
| CN113554345B (zh) * | 2021-08-10 | 2023-04-18 | 山西省地震局 | 地震滑坡灾害区域及灾害链风险评估方法 |
| CN115375064A (zh) * | 2022-02-11 | 2022-11-22 | 中国石油天然气集团有限公司 | 一种确定油气上游资产空间分布集中度的方法和装置 |
| CN115375064B (zh) * | 2022-02-11 | 2024-02-20 | 中国石油天然气集团有限公司 | 一种确定油气上游资产空间分布集中度的方法和装置 |
| CN115719161A (zh) * | 2022-11-08 | 2023-02-28 | 广东省科学院广州地理研究所 | 一种崩岗灾害风险综合评估的方法 |
| CN115719161B (zh) * | 2022-11-08 | 2024-02-20 | 广东省科学院广州地理研究所 | 一种崩岗灾害风险综合评估的方法 |
| CN116384086A (zh) * | 2023-03-21 | 2023-07-04 | 广西壮族自治区地质环境监测站 | 一种基于大数据的多灾种地区风险评估方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110322118A (zh) | 地质灾害空间分布规律及易发性评估方法 | |
| Bhattacharya et al. | Sub-basin prioritization for assessment of soil erosion susceptibility in Kangsabati, a plateau basin: a comparison between MCDM and SWAT models | |
| Quan et al. | GIS-based landslide susceptibility mapping using analytic hierarchy process and artificial neural network in Jeju (Korea) | |
| Aditian et al. | Comparison of GIS-based landslide susceptibility models using frequency ratio, logistic regression, and artificial neural network in a tertiary region of Ambon, Indonesia | |
| Rahmati et al. | Evaluation of different machine learning models for predicting and mapping the susceptibility of gully erosion | |
| Ciurean et al. | Multi-scale debris flow vulnerability assessment and direct loss estimation of buildings in the Eastern Italian Alps | |
| Alilou et al. | A cost-effective and efficient framework to determine water quality monitoring network locations | |
| Estoque et al. | Examining the potential impact of land use/cover changes on the ecosystem services of Baguio city, the Philippines: A scenario-based analysis | |
| Mehrabi | Landslide susceptibility zonation using statistical and machine learning approaches in Northern Lecco, Italy | |
| Strager et al. | Watershed analysis with GIS: The watershed characterization and modeling system software application | |
| Islam et al. | Integrating spatial information technologies and fuzzy analytic hierarchy process (F-AHP) approach for landfill siting | |
| Kim et al. | Hybrid machine learning framework for hydrological assessment | |
| Stevenazzi et al. | A versatile method for groundwater vulnerability projections in future scenarios | |
| Nguyen et al. | New approach of water quantity vulnerability assessment using satellite images and GIS-based model: An application to a case study in Vietnam | |
| Liu et al. | Spatio-temporal prediction and factor identification of urban air quality using support vector machine | |
| Hatten et al. | Modeling the dynamic habitat and breeding population of Southwestern Willow Flycatcher | |
| Xiong et al. | Landslide susceptibility prediction considering land use change and human activity: A case study under rapid urban expansion and afforestation in China | |
| Wubalem et al. | Comparison of statistical and analytical hierarchy process methods on flood susceptibility mapping: In a case study of the Lake Tana sub-basin in northwestern Ethiopia | |
| Raj et al. | Spatial E-PSR modelling for ecological sensitivity assessment for arid rangeland resilience and management | |
| Shi et al. | Digital mapping of heavy metals in urban soils: A review and research challenges | |
| Okalp et al. | Landslide susceptibility assessment in medium-scale: case studies from the major drainage basins of Turkey | |
| Uzielli et al. | Temporal evolution of flow-like landslide hazard for a road infrastructure in the municipality of Nocera Inferiore (southern Italy) under the effect of climate change | |
| Guduru et al. | Groundwater potential zone assessment using integrated analytical hierarchy process-geospatial driven in a GIS environment in Gobele watershed, Wabe Shebele river basin, Ethiopia | |
| Xiang et al. | Mapping potential wetlands by a new framework method using random forest algorithm and big Earth data: A case study in China's Yangtze River Basin | |
| Liu et al. | A comparative evaluation of machine learning algorithms and an improved optimal model for landslide susceptibility: a case study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191011 |