高山峡谷地区地质灾害易发性评价 -——以怒江州为例
冯显杰1
李益敏2
邓选伦3
赵娟珍1
杨一铭3
1.云南大学 国际河流与生态安全研究院,云南 昆明 6505002.云南大学 地球科学学院,云南 昆明 650500;云南省高校国产高分卫星遥感地质工程研究中心,云南 昆明 6505003.云南大学 地球科学学院,云南 昆明 650500
摘要：高山峡谷地区地质灾害频发,目的 为探究地质灾害易发性空间分布状况,方法 以怒江州为研究区,综合地质条件、气象水文、植被覆盖等因素,筛选高程、坡度、坡向、曲率、起伏度等12个共线性低的评价因子,构建区域易发性评价指标体系,并基于栅格单元采用信息量(infor-mation value,IV)模型、信息量-BP神经网络(information value-back propagation neural networks,IV-BPNN)耦合模型和信息量-支持向量机(information value-support vector machine,IV-SVM)耦合模型进行地质灾害易发性评价.结果 结果表明:(1)用实际地质灾害点验证易发性结果,灾害点与3种易发性结果在空间分布上具有较好的一致性;(2)将易发性指数划分为低、中、高和极高易发4个等级,其中IV模型、IV-BPNN耦合模型与IV-SVM耦合模型的高+极高易发区面积占比分别为37.12%,32.36%,23.08%,高与极高易发区呈线状分布,主要集中在怒江、澜沧江、独龙江等水系沿岸地区、道路附近和地质构造活跃的区域;(3)IV模型、IV-BPNN耦合模型与IV-SVM耦合模型的受试者曲线(receiver operating characteristic curve,ROC)的曲线下面积(area under the curve,AUC)分别为0.884,0.889,0.901.结论 3种地质灾害易发性评价模型均有较高的预测精度,其中IV-SVM耦合模型准确率最高,分区结果较可靠,可为当地政府制定地质灾害防治措施提供参考.
关键词：高山峡谷地区地质灾害信息量模型BP神经网络支持向量机易发性评价怒江州
分类号：P694(灾害地质学)
资助基金：国家自然科学基金(41161070)云南省科技厅-云南大学联合基金重点资助项目(2019FY003017)云南大学大湄公河次区域气候变化研究省创新团队项目(2019HC027)云南大学第二届专业学位研究生实践创新项目(ZC-22222175)
论文发表日期：2024-06-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 70-80 )
英文信息