滑坡灾害所带来的财产损失和人员伤亡是巨大的,其研究已成为我国生态环境建设的必需,具有重要的现实意义和研究价值。据调查,在我国所发生的各类滑坡灾害中,堆积层滑坡是最主要的类型之一,具有暴发频率高、突发性强、分布广泛等特点,尤其多发于人类活动频繁、地质环境扰动剧烈的地区,严重制约着受灾地国民经济水平的进步,由此可见,对堆积层滑坡灾害的研究尤为重要。基于此,本文选取典型堆积层滑坡易发区——竹山县为研究区,充分收集区域地质背景资料,采取遥感图像解译和现场调查相联合的方法,完成竹山县区域地质灾害调查。在探明研究区滑坡发育规律的基础上,开展竹山县堆积层滑坡单体稳定性和区域滑坡易发性研究,论文主要研究内容及成果如下:1、简要阐述了研究区地质概况和滑坡发育概况,从地质环境特征、形态规模特征两方面总结竹山县滑坡发育规律,为构建堆积层滑坡稳定性评价指标体系提供评定标准,同时为确定该地区滑坡的形成影响因子提供相应的依据。2、根据堆积层滑坡发育规律分析结果,综合考虑内因(内部地质环境)和外因(外界扰动环境)的共同影响,构建了单体滑坡稳定性评估指标体系。该指标体系分别考虑了五个方面的内容,囊括14个评定指标:(1)斜坡地形地貌:坡面形态、相对高差、地形坡度;(2)滑床特征:滑床岩性、滑床倾角、滑坡所在斜坡类型;(3)滑带特征:滑面倾角、滑带粘聚力、滑带内摩擦角;(4)滑体特征:滑体厚度、渗透特性;(5)诱发因素:降雨、人类工程活动、库水扰动。3、按照所建立的评价指标体系,以竹山县研究范围内典型的、调查资料相对完整的177个堆积层滑坡为统计对象,采用综合贡献率分析法对评价指标进行量化,随后运用独立分量分析理论中的Fast ICA算法对量化的指标进行特征提取,获得独立分量。4、基于提取的独立分量,建立堆积层滑坡稳定性粒子群法支持向量机(PSO-SVM)评价模型,对区内177个单体滑坡进行稳定性评价,并选取50个滑坡实现模型验证,验证结果证实了PSO-SVM稳定性预测模型的有效性。5、根据研究区堆积层滑坡的发育规律,从五个方面(地质结构、地形地貌、水文地质、气候环境、外界诱发)出发,以ArcGIS为工具,选取规则栅格为基本单元,创建滑坡易发性初始评价因子数据库,共包含18个初始评价因子:工程岩组、地质构造缓冲带、斜坡结构、斜坡坡度、高程、斜坡坡向、地形曲率、剖面曲率、平面曲率、地表粗糙度TRI、水系缓冲带、径流强度指数SPI、集水流域面积、TOBIA指数、侵蚀地形因子LS、地形湿度系数TWI、公路缓冲带、多年平均降雨量。采用三个关系量(因子各区段的栅格百分比、因子各区段的信息量、因子各区段内的滑坡百分比)详细分析了各因子与堆积层滑坡灾害的关联情况。6、采取遗传算法优化的粗糙集方法,实现初始评价因子的属性约简,获得对滑坡易发性起关键作用的核因子,同时,为避免权重的叠加计算,采用Pearson相关系数判断每个因子的相关性,去掉与其他因子相关性高,且相对权重较低的因子。最终确定的滑坡易发性评价因子为:公路缓冲带、工程岩组、TOBIA指数、斜坡坡度、水系缓冲带、斜坡结构、高程、径流强度指数。7、提出并建立了滑坡易发性综合LSI指数评价模型。(1)在进行BP神经网络前完成了样本预处理:详述样本预处理对滑坡易发性评价工作的重要意义,建立“非滑坡”样本筛选条件,采用两种聚类手段(K-means、Two-step)分别进行样本筛选,其中K-means聚类未能满足筛选条件,Two-step聚类可以满足。经过有效性验证,证实基于Two-step聚类方法进行样本预处理能够获得使预测结果更优的“非滑坡”样本。(2)建立综合LSI指数评价模型,并获取研究区滑坡易发性分区图:建立以8个核评价因子为输入层,滑坡发育情况(其中已发滑坡的值为1,样本筛选后的“非滑坡”值为0)为输出层的BP神经网络模型,用以求解8个核评价因子的权值;然后,基于概率论原理计算出8个评价因子各区段的等级评分;最后,采用加权求和的方式获得各栅格单元综合LSI指数,基于ArcGIS平台的自然断点法获取了研究区滑坡易发性分区图。8、为实现综合评价模型的对比验证,建立了两种常用的滑坡易发性模型(逻辑回归模型、信息量模型),并通过SPSS、ArcGIS等软件获得了模型对应的滑坡易发性分区图,其中信息量评价模型中的评价因子权值由层次分析法确定。随后采用ROC曲线验证法、SCAI种子验证法,以及已发滑坡点累积数量对比验证法,综合对比三种评价方法的精度及可靠性。结论如下:通过ROC及AUC测得模型精度排序从大到小依次为:综合LSI指数模型、逻辑回归模型、AHP-信息量模型。随后,在SCAI测试中表现较好的预测模型有:AHP-信息量模型、综合LSI指数模型。最后,采用已发滑坡点对三个模型进行对比,对比结果显示综合LSI指数模型的易发性分区差异最显著,实用性最好。