技术领域
本发明涉及滑坡灾害预测领域,具体涉及一种基于数据模型的浅层滑坡易感性评估方法。
背景技术
浅层滑动和流动引起的潜在破坏多发生在滑动路径和沉积区域,将滑坡起始区与滑出区整合进行滑坡敏感性评价是一种很好的方法。因此,滑坡敏感性图应包括滑坡起始区域以及可能受移动材料影响的下游区域;在这个框架中,滑坡敏感性分析分为两个不同的阶段:首先,必须确定破坏的敏感性评估,然后,将有关起始区域的信息被用作输入滑坡滑动建模。潜在失效的易感性图可以使用定性或定量(统计和确定性)方法实现,常使用双变量和多变量统计模型,因为它们允许量化斜坡失稳系统上每个变量的权重,并使用成功率和预测率验证建模结果或ROC(接收器操作特征)曲线。滑坡滑动分析并不常见,因为它是对破坏的易感性评估,传统的方法主要是通过使用简单的流向算法和经验统计方法来探讨泥石流问题。
元胞自动机(CA)模拟方法是指一个相对简单、动态的空间系统,传统上是基于网格的元胞。每个单元格的值由相邻单元格的前一个值或状态决定。根据一定的转换规则,下面的时间步或迭代总是依赖于前面的时间步,并且在仿真结束时,会生成复杂的模式。因此,CA模型可以有效地应用于复杂自然过程的模拟。
在滑坡的应用方面,CA模型已被普遍用于泥石流和其他流型运动的滑动模拟,在这种情况下,SCIDDICA是最广泛使用的模型之一。SCIDDICA可以被视为与经典模型完全不同的CA模型,因为它通过基本过程的组合,整合了泥石流初始土壤滑移和沿路径的进一步物质夹带,在计算域的单元内起作用。此外,尽管采用了简化的方法(例如,等效流体),但通过能量耗散选项也考虑了流变问题。
降雨诱发的浅层滑坡是世界范围内最常见的滑坡类型之一,浅层滑坡的宽度和长度一般不超过几十米,深度不超过2米。尽管滑动的体积较小,但当浅层滑坡发生在人口密集的城市地区时,容易对结构和基础设施造成重大破坏。
发明内容
本发明意在提供一种基于数据模型的浅层滑坡易感性评估方法,通过对滑坡滑动和破坏区域建模,最终构建浅层滑坡的易感性评估,对滑坡灾害防治与风险管理有重要的意义。
为达到上述目的,本发明采用如下技术方案:一种基于数据模型的浅层滑坡易感性评估方法,包括如下步骤:
S1:滑坡数据采集;将收集到的滑坡资料分为建模组和验证组;
S2:诱发因素选择;所述诱发因素包括坡角、坡向、地形湿度指数、平面曲率、剖面曲
率、土地利用情况、地层岩性和土壤厚度;
S3:多重共线性诊断;通过估计R
其中VIF=1/(1-R
S4:逻辑回归模型构建;在模型中是否存在滑坡与诱发因素之间的关系由公式(1)表示:
Pr=1/(1+e
其中,Pr发生浅层滑坡的空间概率,Z是由公式(2)表示的线形组合;
Z=B
其中B
于Z在-∞到+∞之间变化,因此S形曲线的概率范围在0到1之间;
S5:滑坡滑动的易感性评价;
S6:验证模型;
S7:通过结合逻辑回归模型,对浅层滑坡破坏和滑动进行易感性评估。
优选的,作为一种改进,步骤S1中滑坡数据采集包括已有的文献资料、实地调查、识别1∶10000比例的数字地形特征图获取。
优选的,作为一种改进,步骤S2中诱发因素来自数字地形模型、官方土地利用图、官方地质图。
优选的,作为一种改进,4.步骤S5滑坡滑动的易感性评价包括如下步骤:
S501:过渡规则的预处理和建立:包括创建具有建模输入的数据库,所述数据库包括浅层滑坡多时相库存的二进制栅格文件和DTM,从中提取坡向和坡角;
S502:对过渡规则的集成;采用了算法路径距离,对于网格上的每个像元,确定了到最近源的最小累积移动成本,对路径距离的应用成本面、HF、VF三个分量;
S503:时间索引和模拟;所述时间索引采用马尔可夫链分析来估计一个过渡区域矩阵,所述过渡区域矩阵记录了在指定时间内预期会改变位置的像元数量。
优选的,作为一种改进,所述步骤S502中:坡向为水平方向的水平因子表示,所述坡角为垂直方向的垂直因子表示。
优选的,作为一种改进,所述步骤S503中:模拟滑坡位移的空间分布,模拟在IDRISI SELVA软件通过CA_MARKOV模块运行,算法在转换地图上迭代运行,选择最多10次迭代的结果,总共执行了10次模拟。
优选的,作为一种改进,步骤S6验证模型包括如下步骤:
S601:逻辑回归模型的验证;通过ROC曲线和曲线下面积的量化评估LR模型的预测能力,计算50个LR模型的平均概率得到最终的易感性图,此外该图将混淆矩阵的阈值设置为0.5,所有大于0.5概率的单元格被认为是不稳定的,赋值为1,剩余的单元格稳定为稳定,赋值为0。
优选的,作为一种改进,步骤S6验证模型包括如下步骤:
S602:元胞自动机滑动模型验证;通过混淆矩阵对浅层滑坡运动仿真进行验证;计算仿真结果与实际情况重叠面积的百分比;使用适应度函数验证了浅层滑坡运动模型,在适应度函数公式(3)中,R和S分别是受真实事件和模拟事件影响的单元;
m(R∩S)和m(R∪S)分别是它们的交集和和并集的度量;
适应度函数提供0到1之间的值。
优选的,作为一种改进,所述适应度函数的可接受值是大于0.7。
优选的,作为一种改进,步骤S7中通过结合逻辑回归模型,对浅层滑坡破坏和滑动进行易感性评估,具体包括以下步骤:
S701:分析浅层滑坡区域里,每一个因滑坡产生的碎片量及堆积区;
S702:评估由破坏产生的碎屑体积与相应堆积区的相关性;
S703:运用马尔可夫链分析模型和CA模型以模拟浅层滑坡的滑动;
S704:通过将模拟结果与浅层滑坡的实际堆积区域进行比较,验证S703中获得的马尔可
夫链分析模型和CA模型;
S705:选择1%空间破坏概率最高的大于500m
S706:获取从S705中设定的区域破坏时移动的碎屑体积,执行S702中的步骤,以计算
相应堆积面积;
S707:执行马尔可夫链分析模型和CA模型,针对潜在滑坡,评估滑动的空间扩展;
估计由公式(4)估算滑动产生的碎屑体积:
V=0.785abh (4)
公式(4)中V是体积,a是破坏面最大宽度的一半,b是破坏面长度,h是破坏深度。
本发明通过分别模拟破坏和滑动区域进行了浅层滑坡易感性评估,浅层滑坡是碎屑滑坡的同义词,被理解为沿着与地面平行的平面发生的斜坡运动。使用逻辑回归(LR)评估浅层滑动破坏,LR还具有允许对具有异常分布的变量进行积分的优势。此外,LR对诱发因素的条件依赖性不敏感,这可能导致高估空间概率值。对于滑动评估,提出了一个简单的CA模型。本发明的主要目的是构建最终的浅滑坡敏感性图,包括失效和跳动区域。最后,本发明旨在实现低成本方法与有限输入数据的结合,从而使敏感性评估具有良好的性能,并且可以轻松应用于其他研究领域。
具体实施方式
下面通过具体实施方式进一步详细说明:
本发明中S1表示步骤1,S101表示S1中的01步骤,S102表示S1中的02步骤,依次类推。
具体实施过程如下:
设研究区为N区。
S1:滑坡数据采集:将收集到的滑坡资料分为建模组和验证组;
此研究区有81个浅层滑坡,采用时间标准来建模和验证滑坡破坏的敏感性,使用其中的64个浅层滑坡作为建模组进行建模,另外17个作为验证组,通过将建模结果与17个浅层滑坡进行比较后进行验证。
研究区的滑坡数据通过收集已有的文献资料、实地调查、识别1∶10000比例的数字地形特征图得到。将收集到的滑坡资料分为建模组和验证组。收集浅层滑坡数据一共有三个目的:①确定浅层滑坡与自变量(诱发因素)的统计关系,②评估滑动物质体积与浅层滑坡堆积面积之间的相关性,③验证滑坡破坏与滑动的敏感性模型。
S2:诱发因素选择:所述诱发因素包括坡角、坡向、地形湿度指数、平面曲率、剖面曲率、土地利用情况、地层岩性和土壤厚度;
根据收集资料和可用的数据,选择了8个诱发因素,分别是坡角、坡向、地形湿度指数(TWI)、平面曲率、剖面曲率、土地利用情况、地层岩性和土壤厚度。所有形态变量均来自分辨率为5m的数字地形模型(DTM),土地利用图取自官方土地利用图(比例尺1∶25000),地层岩性取自地区官方地质图(比例尺1∶25000)。土壤厚度图(解释为基岩深度)基于简化的地貌索引土壤厚度(sGIST)模型,该模型通过将结果与147个田间点土壤厚度测量值进行比较来验证,导致平均绝对误差为54.5cm。研究区记录的最大和最小土壤厚度分别为250cm和0cm。
S3:多重共线性诊断:
通过估计R
VIF=1/(1-R
S4:建立逻辑回归模型:
二分变量(即是否存在滑坡)与自变量(或诱发因素)之间的关系可由公式(1)表示:
Pr=1/(1+e
其中,Pr发生浅层滑坡的空间概率,Z是由公式2表示的线形组合。
Z=B
其中B
因变量由建模组中包括的64个滑坡数据组成(面积在25到1800平方米之间,平均409.8平方米,总共26250平方米)。浅层无滑动区域,即因变量不存在的区域,根据存在的总数随机抽样。建立了50个LR模型,每个模型采样了新的缺失单元,这50个模型保证了模型预测能力的总体稳定性。该程序确保了最终空间概率图的鲁棒性,其可靠性可能由于存在数量的减少而受到影响最终的空间概率图来自50个LR模型计算的平均概率。
S5:浅层滑坡滑动的易感性评价:元胞自动机模型(CA)用于模拟浅层滑坡的滑动,通过以下顺序步骤实现:
S501:过渡规则的预处理和建立:预处理步骤包括创建具有建模输入的数据库,即浅层滑坡多时相库存的二进制栅格文件和DTM,从中提取坡向和坡角。跃迁规律与位移质量的运动直接相关。在这种情况下,可能的移动方向被确定,水平方向-水平因子(HF)和垂直方向-垂直因子(VF),这两个因素分别对应于坡向和坡角(以度表示)。
S502:变量的集成:对于过渡规则的集成,采用了算法路径距离(ESRI2014),对于网格上的每个像元,确定了到最近源的最小累积移动成本,此外还考虑了必须的表面距离以及垂直和水平成本因素,所以对路径距离的应用需要三个分量:成本面、HF、VF。
在成本网格表面中,为每个像元分配了一个权重,该权重与滑坡位移体通过的相关成本成正比。HF影响运动的总成本,对任何水平摩擦力负责。该因子分两步计算:
①首先估计每个像元的水平方向,并确定与处理像元有关的水平移动成本最低的方向。
②其后,HF被确定为单元格的水平方向与移动方向之间的夹角,即水平相对运动角(HRMA)。对于HF计算,使用了向前移动的功能,它表明只允许向前移动。如果HRMA小于45°,则单元的HF定义为与零因子相关的值,其默认值为0.5。当HRMA等于或大于45°且小于90°时,HF定义为横向值,根据定义假定为1。如果HRMA等于或大于90°,则HF设置为无穷大。在实践中,这意味着滑坡位移块永远不会向后移动,并且优先移动发生在45°的角度,因为45°和90°之间的移动成本是两倍(从1到0.5)。
VF考虑可能影响移位质量从一个像元移动到另一个像元的垂直因素。为了估计VF,计算了两个单元之间的斜率角。所得值对应于垂直相对运动角(VRMA)。VRMA的单位以度来指定,范围在-90°和90°之间,以补偿正斜率和负斜率。这一参数化表明,“负斜率”的代价更低;也就是说,如果有一个可能的选择,位移的值总是沿着斜坡向下。较低的值(表示坡度较陡)将有利于位移质量的移动。相反,数值越高,就越不可能促进位移在那个方向移动。
S503:时间索引和模拟:对于时间索引,采用马尔可夫链分析来估计一个过渡区域矩阵,该矩阵记录了在指定时间内预期会改变位置的像元数量。在这种情况下,马尔可夫转移矩阵来自于两幅图像的交叉:前面是指81个浅层滑坡破坏,而后者是指81个浅层滑坡的总面积(即故障和堆积区域),随后编辑由时间索引产生的文件,以便为每个滑坡分配将从破坏区过渡到堆积区的像元数。像元数是根据所有滑坡每一个的实际堆积面积计算的。
最后阶段是CA模拟,即滑坡位移的空间分布,模拟在IDRISI SELVA软件通过CA_MARKOV模块运行。在此阶段,需要利用算法路径距离生成并重新标定成本网格表面,以表示一个概率曲面,该概率曲面将会告知可能的进行方向(根据预先设定的转移规则),以及具有向滑坡堆积区转移像元数的马尔可夫转移矩阵文件,该过程使用一个经典的3×3移动窗口——它定义了空间背景——具有八个单元的邻域,即摩尔邻域。此外,窗口大小使得滑坡模拟无法模拟所谓的跳跃运动中的跳跃单元。矩阵对齐中的单元格(水平和垂直移动)的权重等于1,这意味着它们不会改变移动成本。然而,由于对角线单元离窗口的中心单元更远(参见勾股定理),它们的权重为0.7,这使得在这些方向上传播的可能性更小。该算法在转换地图上迭代运行,直到分配总的单元格数(预计要传输的单元格),作为选择最多10次迭代的结果,总共执行了10次模拟。
S6:验证模型
S601:逻辑回归模型的验证:通过ROC曲线和曲线下面积(AUC)的量化评估LR模型的预测能力。ROC曲线代表真阳性率(TPR)和假阳性率(FPR)之间的平衡。TPR是指出现了浅层滑坡,被归类为易感,而FPR是指不受浅层滑动影响但被归为易受影响的区域。AUC值接近1表示精度高的模型,0.5表示随机分类。
计算50个LR模型的平均概率得到最终的易感性图,此外该图将混淆矩阵的阈值设置为0.5,所有大于0.5概率的单元格被认为是不稳定的,赋值为1,剩余的单元格稳定为稳定,赋值为0。以下ROC指标来源于混淆矩阵:效率、误分类率、敏感性、特异性、假阳性率和假阴性率
S602:元胞自动机滑动模型验证:通过混淆矩阵对浅层滑坡运动仿真进行了验证。对所有仿真结果与实际有完美重叠的单元,赋值1,计算仿真结果与实际情况重叠面积的百分比。此外,使用适应度函数验证了浅层滑坡运动模型,在适应度函数(公式3)中,R和S分别是受真实事件和模拟事件影响的单元,
m(R∩S)和m(R∪S)分别是它们的交集和和并集的度量。
适应度函数提供0到1之间的值。如果f(R,S)=0,则表示真实事件和模拟事件不匹配,即m(R∩S)=0,另一方面,如果f(R,S)=1,则真实事件和模拟事件完全重叠,即m(R∩S)=m(R∪S),对于二维来说,适应度函数的值大于0.7是可以接受的。
S7:通过结合数据驱动模型,对浅层滑坡破坏和滑动进行易感性评估:
CA模型旨在模拟单元从浅层滑坡破坏到堆积区的转变,假设一个简化的传播过程,在这个过程中,由于材料夹带,位移量的体积没有增加,将这一程序应用于过去发生的滑坡时,可将滑坡区和堆积区分开,则过程相对简单和直接。在这种情况下,由于累积区域面积已知,根据之前定义的成本网格面(即首先占据最有可能的区域)计算并分布从破坏到累积的单元数量,始终保持累积区域的限制。然而,如果目的是模拟潜在的新滑坡(例如,由LR模型定义)的破坏,而其累积区域是未知的,则有必要估计从一个区域转移到另一个区域的单元数量。因此,按照以下步骤,构建了整个区域包括破坏区和滑动区在内的浅层滑坡易感性图:具体设计以下步骤:
S701:估计研究区的滑坡里,每一个因滑坡产生的碎片量及堆积区。
S702:评估由破坏产生的碎屑体积与相应堆积区的相关性。
S703:运用马尔可夫链分析模型和CA模型以模拟研究区浅层滑坡的滑动。
S704:通过将模拟结果与浅层滑坡的实际堆积区域进行比较,验证S703中获得的马尔可夫链分析模型和CA模型。
S705:选择空间破坏概率最高的区域,此外,为获得空间的一致的区域,排出小于500m
S706:获取从S705中设定的破坏时移动的碎屑体积,并执行S702中的步骤,以计算相应堆积面积。
S707:执行马尔可夫链分析模型和CA模型,针对潜在滑坡,评估滑动的空间扩展。
估计由滑动产生的碎屑体积,可以由公式(4)估算,该公式适用于浅层滑坡:
V=0.785abh (4)
其中V(m
以上所述的仅是本发明的实施例,方案中公知的具体技术方案和/或特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明技术方案的前提下,还可以作出若干变形和改进,在本发明中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
机译: 用于诊断个体中肝细胞癌(hcc),或评估个体对hcc发生的易感性,或评估个体中所述疾病的进展,或用于确定所述疾病的阶段或严重性的体外方法。一种用于鉴定和评估hcc治疗有效性的体外方法,基因核苷酸序列的使用,选自adh,aop2,smp30,nslt,asao,sap基因,pgm,p4h,apoa1, caiii,addhm,燕麦,oct及其组合,和/或选自adh蛋白质,aop2,smp30,nslt,asao,sap,pgm,p4h,apoa1,caiii,addhm,燕麦,oct和其组合的蛋白质选择,筛选,鉴定,开发和评估化合物在治疗hcc中的功效,使用体外方法鉴定ind iv中肝细胞癌(hcc)发生之前的阶段,使用选自adh的基因,aop2,smp30,nslt,a
机译: 核酸,核酸序列,使用核酸的过程,使用载体的过程,产生聚肽,施用聚肽以治疗动物I中的疾病或失调,以确定动物中的疾病或失调I,生产任何脂肽,鉴定,分离和扩增神经母细胞核素核酸序列的方法,诊断或评估疾病或病症或它们的易感性,评估纯化的神经母细胞的脂肽或先例的调节剂活性的衍生物或片段,用于治疗或预防疾病。使用一种或多种核酸序列治疗神经系统疾病,并鉴定候选化合物诱导由神经母细胞,载体介导的生物学效应的细胞,该细胞用核酸,lipeptept,cmposi,抗体,合成基因和集合转化。
机译: 基于滑坡故障形态的全面评估侧坡风险的方法