CF耦合LR模型的地质灾害易发性评价

doi:10.13474/j.cnki.11-2246.2022.0335

测绘通报 ›› 2022, Vol. 0 ›› Issue (11): 112-117.doi: 10.13474/j.cnki.11-2246.2022.0335

CF耦合LR模型的地质灾害易发性评价

王璇¹, 师芸^1,2, 陈浩³

1. 西安科技大学测绘科学与技术学院, 陕西西安 710054;
2. 西安科技大学国土资源部煤炭资源勘查与综合利用重点实验室, 陕西西安 710021;
3. 陕西省灾害监测与机理模拟重点实验室, 陕西宝鸡 721013

收稿日期:2021-11-02 发布日期:2022-12-08
通讯作者: 师芸,E-mail:shiyun0908@hotmail.com
作者简介:王璇(1994-),女,硕士生,主要从事GIS与地质灾害易发性方面的研究工作。E-mail:183045308@qq.com
基金资助:
国家自然科学基金(41674013;41874012)

Evaluation of geological hazard susceptibility based on certainty factors coupling logistic regression

WANG Xuan¹, SHI Yun^1,2, CHEN Hao³

1. College of Geomatics, Xi'an University of Science and Technology, Xi'an 710054, China;
2. Key Laboratory of Coal Resources Exploration and Comprehensive Utilization, Ministry of Land and Resources, Xi'an University of Science and Technology, Xi'an 710021, China;
3. Shaanxi Key Laboratory of Disasters Monitoring and Mechanism Simulation, Baoji 721013, China

Received:2021-11-02 Published:2022-12-08

摘要/Abstract

摘要： 为对自然灾害频发的西北地区进行地质灾害易发性研究,本文考虑了高程、坡向等10类因素,利用确定性系数(CF)模型和确定性系数耦合逻辑回归(CF-LR)模型对城固县地质灾害易发性进行评价。结果表明,CF模型和CF-LR模型的灾害比均呈递增状态,高、极高灾害点密度分别为4.75、5.97个/km²,且两种模型的测试集受试者工作特征(ROC)曲线下面积(AUC)分别为0.812、0.835,验证集ROC和AUC值分别为0.862、0.891。两种模型均能有效评价区域内地质灾害易发性,且CF-LR模型具有更高的评价精度。

关键词: 地质灾害, 易发性评价, 逻辑回归模型, 相关性系数, 确定性系数模型

Abstract: In order to study the susceptibility of geological disasters in the Northwest region, where natural disasters frequently occur, we consider ten factors, such as elevation and slope aspect, and use the coefficient of certainty (CF) model and the coupled logistic regression (CF-LR) model to evaluate the susceptibility of geological hazards in Chenggu county. The results show that the disaster ratios of the CF model and the CF-LR model are increasing, and the density of high-extremely high disaster points are 4.75/km²and 5.97/km² respectively. In addition, in the test data set, the area under curve (AUC) of the receiver operating characteristic (ROC) of the two models are 0.812 and 0.835 respectively. In the validation dataset, the AUC of the ROC of the two models are 0.862 and 0.891 respectively. Both models can effectively evaluate the susceptibility of geological disasters in the region, and the CF-LR model has higher evaluation accuracy.

Key words: hazards, assessment of susceptibility, logistic regression model, correlation coefficient, coefficient factors model

中图分类号:

P208

王璇, 师芸, 陈浩. CF耦合LR模型的地质灾害易发性评价[J]. 测绘通报, 2022, 0(11): 112-117.

WANG Xuan, SHI Yun, CHEN Hao. Evaluation of geological hazard susceptibility based on certainty factors coupling logistic regression[J]. Bulletin of Surveying and Mapping, 2022, 0(11): 112-117.

参考文献

[1] 国土资源部. 国土资源部印发《全国地质灾害防治"十三五"规划》[J]. 中国应急管理,2016(12):39-44.
[2] 夏辉, 殷坤龙, 梁鑫, 等. 基于SVM-ANN模型的滑坡易发性评价:以三峡库区巫山县为例[J]. 中国地质灾害与防治学报, 2018, 29(5):13-19.
[3] 谢明娟, 蒲瑞, 韩信, 等. 基于多模型的滑坡易发性评价[J]. 测绘与空间地理信息, 2019, 42(10):83-85.
[4] 黄发明. 基于3S和人工智能的滑坡位移预测与易发性评价[D]. 武汉:中国地质大学, 2017.
[5] 李远远, 梅红波, 任晓杰, 等. 基于确定性系数和支持向量机的地质灾害易发性评价[J]. 地球信息科学学报, 2018, 20(12):1699-1709.
[6] 葛大庆, 戴可人, 郭兆成, 等. 重大地质灾害隐患早期识别中综合遥感应用的思考与建议[J]. 武汉大学学报(信息科学版), 2019, 44(7):949-956.
[7] CHEN Wei, XIE Xiaoshen, WANG Jiale, et al. A comparative study of logistic model tree, random forest, and classification and regression tree models for spatial prediction of landslide susceptibility[J]. Catena,2017, 151:147-160.
[8] TAALAB K, CHENG Tao, ZHANG Yang. Mapping landslide susceptibility and types using random forest[J]. Big Earth Data, 2018, 2(2):159-178.
[9] CHEN Wei, POURGHASEMI H R, NAGHIBI S A. A comparative study of landslide susceptibility maps produced using support vector machine with different kernel functions and entropy data mining models in China[J]. Bulletin of Engineering Geology and the Environment, 2018, 77(2):647-664.
[10] CHEN Tao, ZHU Li, NIU Ruiqing, et al. Mapping landslide susceptibility at the Three Gorges Reservoir, China, using gradient boosting decision tree, random forest and information value models[J]. Journal of Mountain Science, 2020, 17(3):670-685.
[11] DOU J, YUNUS A P, TIEN BUI D, et al. Assessment of advanced random forest and decision tree algorithms for modeling rainfall-induced landslide susceptibility in the Izu-Oshima Volcanic Island, Japan[J]. Science of the Total Environment, 2019, 662:332-346.
[12] 徐胜华, 刘纪平, 王想红, 等. 熵指数融入支持向量机的滑坡灾害易发性评价方法:以陕西省为例[J]. 武汉大学学报(信息科学版), 2020, 45(8):1214-1222.
[13] 林荣福, 刘纪平, 徐胜华, 等. 随机森林赋权信息量的滑坡易发性评价方法[J]. 测绘科学, 2020, 45(12):131-138.
[14] 陈飞, 蔡超, 李小双, 等. 基于信息量与神经网络模型的滑坡易发性评价[J]. 岩石力学与工程学报, 2020, 39(S1):2859-2870.
[15] 樊芷吟, 苟晓峰, 秦明月, 等. 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[J]. 工程地质学报, 2018, 26(2):340-347.
[16] 李益敏, 李驭豪, 赵志芳. 基于确定性系数模型的泸水市泥石流易发性评价[J]. 水土保持研究, 2019, 26(4):336-342.
[17] BUDIMIR M E A, ATKINSON P M, LEWIS H G. A systematic review of landslide probability mapping using logistic regression[J]. Landslides, 2015, 12(3):419-436.

CF耦合LR模型的地质灾害易发性评价

Evaluation of geological hazard susceptibility based on certainty factors coupling logistic regression

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李坤, 赵俊三, 林伊琳, 周豹. 基于不同斜坡单元划分方法和BP神经网络的泥石流易发性评价[J]. 测绘通报, 2022, 0(8): 68-74.
[2]	周定义, 左小清, 喜文飞, 肖波, 刘馨雨. 顾及大气误差和相位解缠误差的LiCSBAS方法对高山峡谷地区地质灾害的探测[J]. 测绘通报, 2022, 0(6): 114-120147.
[3]	何伟, 张伦宁, 曾露, 赵清, 余国新, 竺科英, 李柯欣. 高精度时空信息崩滑坡灾害监测技术[J]. 测绘通报, 2022, 0(11): 1-7.
[4]	郭佳, 赵之星, 刘志奇, 李晋东, 潘伟, 王文州. 结合信息量与AHP模型的阳泉市矿区地质灾害风险评价[J]. 测绘通报, 2022, 0(11): 101-105.
[5]	徐刚, 胡坤霖, 温剑峰, 徐登财, 戴欣宜, 陈杰, 朱安峰, 章豪, 苏宗奎. 顾及地形邻域影响的地质灾害风险易发区评估[J]. 测绘通报, 2021, 0(7): 59-64.
[6]	翁昌凯, 肖添. SBAS技术支持下的临沧市地表时序形变分析[J]. 测绘通报, 2021, 0(7): 81-85.
[7]	翁昌凯, 朱习朋. 基于哨兵数据的云南地表形变监测[J]. 测绘通报, 2021, 0(6): 61-66,92.
[8]	祁于娜, 王磊. 层次分析-熵值定权法应用于山区城镇地质灾害易发性评价[J]. 测绘通报, 2021, 0(6): 112-116.
[9]	章豪, 温剑峰, 陈温清, 徐刚, 史瑞洁, 戴欣宜, 陈杰, 朱安峰, 范全龙. 对陡坡陡崖引发地质灾害的潜在影响范围进行建模分析[J]. 测绘通报, 2021, 0(6): 117-121,133.
[10]	孙涛, 徐明宇, 董秀军, 潘星. 机载LiDAR技术应用于茂密植被山区地质灾害调查[J]. 测绘通报, 2021, 0(4): 90-97.
[11]	杜青松, 李国玉, 彭万林, 周宇, 柴明堂, 李金明. 利用InSAR技术获取高寒高海拔地区高精度DEM[J]. 测绘通报, 2021, 0(3): 44-49.
[12]	冯志强, 张耀东, 胡丹晖, 周光远, 李朝晖, 周学明, 毛晓坡. 输电线路电磁干扰对北斗变形监测数据质量及定位精度的影响分析[J]. 测绘通报, 2021, 0(10): 94-97,113.
[13]	吴波, 李俊, 蒋大鹏, 冯志. 针对地质灾害隐患点的无人机航摄像控点布点方案[J]. 测绘通报, 2020, 0(6): 125-127,140.
[14]	邱亚辉, 别伟平, 薄志毅, 李长青, 郑阔, 郎博. 基于InSAR的城市地下轨道交通沉降与灾害监测[J]. 测绘通报, 2020, 0(2): 107-112.
[15]	王硕, 王晨阳, 陈常松. 测绘业务与地质灾害监测预警业务之间的融合途径分析[J]. 测绘通报, 2020, 0(11): 151-154.