CN114997666A - 一种区域泥石流易发性评估方法 - Google Patents
一种区域泥石流易发性评估方法 Download PDFInfo
- Publication number
- CN114997666A CN114997666A CN202210652481.9A CN202210652481A CN114997666A CN 114997666 A CN114997666 A CN 114997666A CN 202210652481 A CN202210652481 A CN 202210652481A CN 114997666 A CN114997666 A CN 114997666A
- Authority
- CN
- China
- Prior art keywords
- debris flow
- index
- indexes
- area
- type
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011160 research Methods 0.000 claims abstract description 40
- 238000011156 evaluation Methods 0.000 claims abstract description 23
- 238000007637 random forest analysis Methods 0.000 claims abstract description 13
- 238000012216 screening Methods 0.000 claims abstract description 4
- 238000000638 solvent extraction Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 239000011435 rock Substances 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000001186 cumulative effect Effects 0.000 claims description 3
- 230000001419 dependent effect Effects 0.000 abstract description 3
- 241000920592 Red seabream iridovirus Species 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种区域泥石流易发性评估方法,包括以下步骤:S1、建立研究区域的泥石流指标评估数据;S2、根据研究区域的泥石流指标评估数据,筛选出独立的泥石流指标;S3、根据筛选出独立的泥石流指标,计算指标的一级权重系数;S4、根据筛选出独立的泥石流指标,计算指标信息值;S5、根据指标的一级权重系数和指标信息值,计算所有指标的加权信息量值;S6、根据所有指标的加权信息量值,对研究区域的各区域进行分区;S7、在分区中选取非泥石流点,基于随机森林模型,对泥石流易发性进行评估;本发明解决了现有技术的权重系数高度依赖人的主观意识导致预测结果准确率不高的问题。
Description
技术领域
本发明涉及灾害预报领域,具体涉及一种区域泥石流易发性评估方法。
背景技术
泥石流是我国常见的地质灾害形式之一,其具有历史短和破坏程度大等特点,对人民生命财产安全和生态环境造成巨大破坏,严重制约着国民经济的发展。因此,对泥石流灾害进行有效的预测和预防具有重要的意义。
现有技术采用层次分析法(AHP)对尼泊尔喜马拉雅地区进行滑坡易发性评估,在这种方法中,通过两两相对比较来确定致灾因子权重。
层次分析法(AHP)对地区进行滑坡易发性评估时,在确定各因素的权重系数时,由于不同决策者自身知识和经验的差异,导致专家对因素排序的主观偏好可能不同。且层次分析法高度依赖人为主观意识,因此所得致灾因子的权重系数的主观意识较强。因此该技术方法最后得到LSI结果,高风险区仅包含70%,预测准确度较低。
发明内容
针对现有技术中的上述不足,本发明提供的一种区域泥石流易发性评估方法解决了现有技术的权重系数高度依赖人的主观意识导致预测结果准确率不高的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种区域泥石流易发性评估方法,包括以下步骤:
S1、建立研究区域的泥石流指标评估数据;
S2、根据研究区域的泥石流指标评估数据,筛选出独立的泥石流指标;
S3、根据筛选出独立的泥石流指标,计算指标的一级权重系数;
S4、根据筛选出独立的泥石流指标,计算指标信息值;
S5、根据指标的一级权重系数和指标信息值,计算所有指标的加权信息量值;
S6、根据所有指标的加权信息量值,对研究区域的各区域进行分区;
S7、在分区中选取非泥石流点,基于随机森林模型,对泥石流易发性进行评估。
进一步地,所述步骤S1中指标的类型包括:高程、坡度、坡向、归一化植被数、降雨量、距道路距离、距水系距离和土地利用类型。
进一步地,所述泥石流指标评估数据包括:分级灾害比数据、分级面积比数据和累计灾害频率数据;
分级灾害比的计算公式为:
所述分级面积比的计算公式为:
所述累计灾害频率的计算公式为:
其中,CDR为累计灾害频率,GDi为第i个类型的指标下的分级灾害比,n为指标类型总数。
进一步地,所述步骤S2包括以下分步骤:
S21、根据研究区域的泥石流指标评估数据,计算指标数据间的相关系数;
S22、排除相关系数大于等于0.5的指标数据,得到独立的泥石流指标。
进一步地,所述步骤S3中计算指标的一级权重系数的公式为:
其中,Wi为第i个类型的指标的一级权重系数,D为研究区域发生或未发生泥石流的集合,D={发生泥石流,未发生泥石流},C为所有类型指标的集合,C={高程,坡度,坡向,归一化植被数,降雨量,距道路距离,距水系距离和土地利用类型},Ci为第i个类型的指标,U为所有类型指标的集合C和研究区域发生或未发生泥石流的集合D构成的知识库,为在所有类型指标的集合C中排除Ci后分类结果的变化率,posC为所有类型指标的集合C分类结果的变化率,n为指标类型总数,||为集合的基。
进一步地,所述步骤S4中计算指标信息值的公式为:
其中,I为指标信息值,Nj为第j种类型的泥石流发生时的泥石流单元数,N为所有泥石流单元数,Sj为第j种类型的泥石流发生时的所占区域面积,S为研究区域总面积,j为一个类型指标下发生的第j种类型的泥石流,J为一个类型指标下发生的泥石流类型的总数。
进一步地,所述步骤S7包括以下分步骤:
S71、在分区选取非泥石流点,将泥石流点数据与非泥石流点组成数据集;
S72、在数据集中,采用ArcGIS多值提取工具获取每个指标的加权信息量值;
S73、将研究区域划分为多个渔网单元;
S74、将多个渔网单元和加权信息量值输入到随机森林模型中,得到研究区泥石流易发性评估值。
综上,本发明的有益效果为:
1、本发明通过相关系数排除相关性高的泥石流指标数据,使得泥石流指标数据间不存在多重共线性,进而排除相互依赖的指标,避免多重叠加相同影响的指标,使得预测精度提高。
2、根据筛选出的独立的泥石流指标,分别计算一级权重系数和指标信息值,再得到加权信息量值,通过加权信息量值有效筛选出非泥石流点,使得随机森林模型的预测精度提高,本发明解决了现有技术的权重系数高度依赖人的主观意识导致预测结果准确率不高的问题。
附图说明
图1为一种区域泥石流易发性评估方法的流程图;
图2为三种方法的ROC曲线对比图;
图3为本发明区域泥石流易发性评估结果。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种区域泥石流易发性评估方法,包括以下步骤:
S1、建立研究区域的泥石流指标评估数据;
步骤S1中指标的类型包括:高程、坡度、坡向、归一化植被数、降雨量、距道路距离、距水系距离和土地利用类型。
所述泥石流指标评估数据包括:分级灾害比数据、分级面积比数据和累计灾害频率数据;
分级灾害比的计算公式为:
所述分级面积比的计算公式为:
所述累计灾害频率的计算公式为:
其中,CDR为累计灾害频率,GDi为第i个类型的指标下的分级灾害比,n为指标类型总数。
S2、根据研究区域的泥石流指标评估数据,筛选出独立的泥石流指标;
所述步骤S2包括以下分步骤:
S21、根据研究区域的泥石流指标评估数据,计算指标数据间的相关系数;
S22、排除相关系数大于等于0.5的指标数据,得到独立的泥石流指标。
S3、根据筛选出独立的泥石流指标,计算指标的一级权重系数;
所述步骤S3中计算指标的一级权重系数的公式为:
其中,Wi为第i个类型的指标的一级权重系数,D为研究区域发生或未发生泥石流的集合,D={发生泥石流,未发生泥石流},C为所有类型指标的集合,C={高程,坡度,坡向,归一化植被数,降雨量,距道路距离,距水系距离和土地利用类型},Ci为第i个类型的指标,U为所有类型指标的集合C和研究区域发生或未发生泥石流的集合D构成的知识库,为在所有类型指标的集合C中排除Ci后分类结果的变化率,posC为所有类型指标的集合C分类结果的变化率,n为指标类型总数,||为集合的基。
S4、根据筛选出独立的泥石流指标,计算指标信息值;
所述步骤S4中计算指标信息值的公式为:
其中,I为指标信息值,Nj为第j种类型的泥石流发生时的泥石流单元数,N为所有泥石流单元数,Sj为第j种类型的泥石流发生时的所占区域面积,S为研究区域总面积,j为一个类型指标下发生的第j种类型的泥石流,J为一个类型指标下发生的泥石流类型的总数。
S5、根据指标的一级权重系数和指标信息值,计算所有指标的加权信息量值;
在本实施例中,将指标的一级权重系数和指标信息值进行加权,得到对应指标的加权信息量值。
在本实施例中,通过ArcGIS空间分析平台,将所有指标图层重采样为30m×30m像元大小的栅格图层,将步骤S5的加权信息量值,赋予给每个评估指标的所有栅格像元。
在本实施例中,所有指标的加权信息量值和指标信息值,如表1:
表1
S6、根据所有指标的加权信息量值,对研究区域的各区域进行分区;
本实施例中,在ArcGIS空间分析平台上利用栅格计算器叠加所有指标的信息量图层,得到所有指标的加权信息量值,即总加权信息量值,总加权信息量值范围为[-1.180,1.159],将该值按照自然断点法将研究区划分为1-极低易发区(19.812%)、2-低易发区(22.259%)、3-中易发区(24.894%)、4-较高易发区(22.710%)、5-高易发区(9.929%)。
S7、在分区中选取非泥石流点,基于随机森林模型,对泥石流易发性进行评估。
所述步骤S7包括以下分步骤:
S71、在分区选取非泥石流点,将泥石流点数据与非泥石流点组成数据集;
本实施例中,在从低风险区(1-极低易发区、2-低易发区)选取‘高概率’的非泥石流点,‘高概率’即发生泥石流概率最低。
本实施例中,设置泥石流点数据的标签为1,设置非泥石流点数据的标签为0。
S72、在数据集中,采用ArcGIS多值提取工具获取每个指标的加权信息量值;
所述加权信息量值由指标的一级权重系数和指标信息值加权得到;
S73、将研究区域划分为多个渔网单元;
S74、将多个渔网单元和加权信息量值输入到随机森林模型中,得到研究区泥石流易发性评估值。
本实施例中,将研究区以100m2大小划分为5981633个渔网单元,多值提取工具提取所有样本点对应评估指标图层加权信息量值,将划分的全部研究区单元输入到训练好的随机森林模型,得到研究区泥石流易发性指数为0~0.99,指数越大则表示风险越大,结合自然断点法将研究区划分为1-极低易发区(39.130%)、2-低易发区(11.036%)、3-中易发区(11.591%)、4-较高易发区(8.703%)、5-高易发区(29.642%)
在本实施例中,具体实现时,可将步骤S71的数据集中70%作为训练集,30%作为测试集,训练集去训练随机森林模型,通过测试集去对训练后的随机森林模型进行评估,在满足条件时,随机森林模型训练完成。
为了评本发明的评估效果,采用灾害比、ROC曲线、kappa系数三个指标对本发明、RSIV、RF三种方法效果对比:
不同方法的灾害比对比
三种方法的灾害密度均随着易发性等级由低到高逐步增加;RSIV、RF、本发明三种评估方法的高风险区灾害比分别为85.227%、86.364%、88.636%,本发明的高风险区域的灾害比例最大,相比其他评估方法,准确度分别提高了3.409%、2.272%。
不同方法的ROC曲线对比,如图2所示
ROC(eceiverperating characteristic)曲线作为一种衡量模型预测能力的指标,广泛应用在地质灾害易发性评估;ROC曲线横轴代表累计区间的面积比,三种方法的ROC曲线,RSIV、RF、本发明曲线下面积AUC大小分别为0.863、0.854、0.881,本发明较于其他两种方法AUC值分别提升1.8%、2.7%。
不同方法的kappa系数对比
根据kappa系数计算原理,首先分别统计RF、本发明两种方法在测试样本下的混淆矩阵,结合kappa系数公式,计算出两种方法的kappa系数分别为0.824、0.866,相比单一的随机森林评价模型,耦合后的本发明随机森林分类精度提升了4.24%。
从以上评估结果可以看出各项指标,本发明的评估方法提升了研究区区域泥石流预测精度,同时本发明提出的加权信息量能够有效的筛选‘高概率’非泥石流样本。如图3为本发明的区域泥石流易发性评价图。
Claims (7)
1.一种区域泥石流易发性评估方法,其特征在于,包括以下步骤:
S1、建立研究区域的泥石流指标评估数据;
S2、根据研究区域的泥石流指标评估数据,筛选出独立的泥石流指标;
S3、根据筛选出独立的泥石流指标,计算指标的一级权重系数;
S4、根据筛选出独立的泥石流指标,计算指标信息值;
S5、根据指标的一级权重系数和指标信息值,计算所有指标的加权信息量值;
S6、根据所有指标的加权信息量值,对研究区域的各区域进行分区;
S7、在分区中选取非泥石流点,基于随机森林模型,对泥石流易发性进行评估。
2.根据权利要求1所述的区域泥石流易发性评估方法,其特征在于,所述步骤S1中指标的类型包括:高程、坡度、坡向、归一化植被数、降雨量、距道路距离、距水系距离和土地利用类型。
3.根据权利要求2所述的区域泥石流易发性评估方法,其特征在于,所述泥石流指标评估数据包括:分级灾害比数据、分级面积比数据和累计灾害频率数据;
分级灾害比的计算公式为:
所述分级面积比的计算公式为:
所述累计灾害频率的计算公式
其中,CDR为累计灾害频率,GDi为第i个类型的指标下的分级灾害比,n为指标类型总数。
4.根据权利要求1所述的区域泥石流易发性评估方法,其特征在于,所述步骤S2包括以下分步骤:
S21、根据研究区域的泥石流指标评估数据,计算指标数据间的相关系数;
S22、排除相关系数大于等于0.5的指标数据,得到独立的泥石流指标。
7.根据权利要求1所述的区域泥石流易发性评估方法,其特征在于,所述步骤S7包括以下分步骤:
S71、在分区选取非泥石流点,将泥石流点数据与非泥石流点组成数据集;
S72、在数据集中,采用ArcGIS多值提取工具获取每个指标的加权信息量值;
S73、将研究区域划分为多个渔网单元;
S74、将多个渔网单元和加权信息量值输入到随机森林模型中,得到研究区泥石流易发性评估值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210652481.9A CN114997666A (zh) | 2022-06-08 | 2022-06-08 | 一种区域泥石流易发性评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210652481.9A CN114997666A (zh) | 2022-06-08 | 2022-06-08 | 一种区域泥石流易发性评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114997666A true CN114997666A (zh) | 2022-09-02 |
Family
ID=83034016
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210652481.9A Pending CN114997666A (zh) | 2022-06-08 | 2022-06-08 | 一种区域泥石流易发性评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114997666A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540830A (zh) * | 2024-01-05 | 2024-02-09 | 中国地质科学院探矿工艺研究所 | 基于断层分布指数的泥石流易发性预测方法、装置及介质 |
-
2022
- 2022-06-08 CN CN202210652481.9A patent/CN114997666A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117540830A (zh) * | 2024-01-05 | 2024-02-09 | 中国地质科学院探矿工艺研究所 | 基于断层分布指数的泥石流易发性预测方法、装置及介质 |
CN117540830B (zh) * | 2024-01-05 | 2024-04-12 | 中国地质科学院探矿工艺研究所 | 基于断层分布指数的泥石流易发性预测方法、装置及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107943880B (zh) | 一种基于层次分析法的地质灾害易发性改进评估方法 | |
CN112819207B (zh) | 基于相似性度量的地质灾害空间预测方法、系统及存储介质 | |
CN111144651A (zh) | 一种地质灾害的预测方法、装置及设备 | |
CN115688404B (zh) | 基于svm-rf模型的降雨型滑坡预警方法 | |
CN113642849B (zh) | 考虑空间分布特征的地质灾害危险性综合评价方法及装置 | |
CN116108758B (zh) | 滑坡易发性评价方法 | |
WO2013009160A2 (en) | A geometric method for predicting landslide disaste | |
CN110929939B (zh) | 一种基于聚类-信息量耦合模型下的滑坡灾害易发性空间预测方法 | |
CN112966722A (zh) | 基于半监督随机森林模型的区域滑坡易发性预测方法 | |
CN111079999A (zh) | 一种基于cnn和svm的洪水灾害易发性预测方法 | |
CN112529327A (zh) | 一种用于构建商业地区建筑火灾风险预测等级模型的方法 | |
CN111898315A (zh) | 基于分形—机器学习混合模型的滑坡易发性评估方法 | |
CN113487123A (zh) | 高光谱监测与gis耦合山洪灾害动态风险评估方法 | |
CN114330812A (zh) | 基于机器学习的滑坡灾害风险评估方法 | |
CN111539904B (zh) | 一种基于降雨量的灾害易发性预测方法 | |
CN112232526A (zh) | 一种基于集成策略的地质灾害易发性评价方法及系统 | |
CN114997666A (zh) | 一种区域泥石流易发性评估方法 | |
CN114897378A (zh) | 地质灾害精细化气象风险预警区评价方法及装置 | |
CN114219123A (zh) | 基于频率比-随机森林模型的区域崩岗易发性预测方法 | |
Dobos et al. | Legacy soil data harmonization and database development | |
CN117540303A (zh) | 基于交叉半监督机器学习算法的滑坡易发性评估方法及系统 | |
CN116384627A (zh) | 一种基于机器学习的地质灾害评价方法 | |
CN115222196B (zh) | 一种山区道路网脆弱性评估与驱动力探测方法 | |
CN116384626A (zh) | 一种红层地区地质灾害风险调查易发性评价方法 | |
Chrisnanto et al. | GIS-based ranking and categorization of potential impact on drought as disaster mitigation effort in Bandung Barat Regency (KBB) using Simple Additive Weighting (SAW) |
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 |