论文部分内容阅读
由于地质条件不稳定、地形复杂等原因，我国地质灾害频发，造成严重的人员伤亡和经济损失，给社会和经济发展造成十分严重的影响。滑坡是地质灾害中最为常见的、影响最大的灾害。区域滑坡易发性评价是人们研究的重点内容。根据地质条件和其他因素，划分出区域滑坡易发性等级分布，可为滑坡的防治工作提供参考。而在此基础上进行的滑坡易发性动态预测研究将有助于滑坡防治工作的有效开展，有利于合理地安排生产生活。 论文从滑坡评价因子、滑坡灾害区域易发性评价、逻辑回归(LogisticRegression，简称LR)模型、元胞自动机-马尔科夫模型(Cellular Automata-Markov，简称CA-Markov)的研究入手，利用遥感影像处理技术、GIS技术、统计学分析模型，结合LR模型和CA-Markov模型，开展了基于LR的滑坡易发性评价模型研究以及基于CA-Markov的滑坡易发性动态预测模型研究，并设计和开展了实验。通过40组实验，确立了精度较高的基于CA-Markov的滑坡易发性动态预测模型，并对2017年和2020年研究区滑坡易发性进行了预测，得到了2017年和2020年区域滑坡易发性评价结果。 通过理论研究和模型实验，论文得到以下三点结论: 1)通过对研究区域评价因子进行分区间统计，得到了滑坡在各个评价因子最为集中的分布区间，分别是:DEM(1620-2014m)、坡度(31.487586°-38.753952°)、坡向(东南:112.5°-157.5°)、平面曲率(3分类:0.8393°-0.5622°;6分类:-0.3003°-0.3466°)、岩性（晚太古-早元古界:斜长角闪岩、混合片麻岩、变粒岩、浅粒岩夹大理岩）、与水系距离(0-300m)、与断层距离(0-400m)、土地利用类型（裸地）和NDVI(0.236391-0.358369)。 2)基于LR的滑坡易发性评价模型对研究区的滑坡易发性评价结果具有较高的准确率(AUC平均值:81.37;曲线下面积:Area Under Curve，简称AUC);LR模型适用于滑坡易发性评价研究。 3)基于CA-Markov的滑坡易发性动态预测模型对研究区域的滑坡易发性评价的预测结果与真实值（2016年）相比，具有较高的一致性（Kappa系数:0.7509），说明模型能较好的对研究区滑坡易发性进行演化预测;CA-Markov模型适用于滑坡易发性动态预测研究。 论文通过对滑坡易发性动态预测模型的研究，旨在探究能预测区域滑坡易发性评价结果的方法，为滑坡灾害防治工作的有效开展提供支持。