斜坡单元支持下的滑坡易发性评价支持向量机模型

武雪玲; 任福; 牛瑞卿; 彭令

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

斜坡单元支持下的滑坡易发性评价支持向量机模型

武雪玲, 任福, 牛瑞卿, 彭令

文章导航 > 武汉大学学报 ● 信息科学版 > 2013 > 38(12): 1499-1503

武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型[J]. 武汉大学学报 ● 信息科学版, 2013, 38(12): 1499-1503.

引用本文:

武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型[J]. 武汉大学学报 ● 信息科学版, 2013, 38(12): 1499-1503.

WU Xueling, REN Fu, NIU Ruiqing, PENG Ling. Landslide Spatial Prediction Based on SlopeUnits and Support Vector Machines[J]. Geomatics and Information Science of Wuhan University, 2013, 38(12): 1499-1503.

Citation:

WU Xueling, REN Fu, NIU Ruiqing, PENG Ling. Landslide Spatial Prediction Based on SlopeUnits and Support Vector Machines[J]. Geomatics and Information Science of Wuhan University, 2013, 38(12): 1499-1503.

斜坡单元支持下的滑坡易发性评价支持向量机模型

¹ 中国地质大学(武汉;地球物理与空间信息学院,武汉市鲁磨路388号,430074;² 武汉大学资源与环境科学学院,武汉市珞喻路129号,430079

基金项目: 国家自然科学基金资助项目(41271455/D0108)；中央高校基本科研业务费专项资金资助项目(CUGL120207)；中国博士后科学基金资助项目(2011M501261)；民政部减灾和应急工程重点实验室开放基金资助项目(LDRERE20120207)

详细信息

作者简介:
武雪玲,博士,副教授,现主要从事滑坡灾害预测预报方面的研究。

中图分类号: P208

Landslide Spatial Prediction Based on SlopeUnits and Support Vector Machines

¹Institute of Geophysics and Geomatics,China University of Geosciences,388Lumo Road,Wuhan 430074,China;²School of Resources and Environmental Science,Wuhan University,129Luoyu Road,Wuhan 430079,China

Funds: 国家自然科学基金资助项目(41271455/D0108)；中央高校基本科研业务费专项资金资助项目(CUGL120207)；中国博士后科学基金资助项目(2011M501261)；民政部减灾和应急工程重点实验室开放基金资助项目(LDRERE20120207)

摘要: 针对传统滑坡预测手段数据源有限、数据更新周期长、难以发现隐藏在复杂滑坡系统中的规律等问题,本文以三峡库区为研究对象,从多源空间数据中提取滑坡孕灾环境和影响因素等信息,采用数字地形水文分析方法划分斜坡单元,对评价因子进行重采样,进而构建两类支持向量机模型。分析了多源影响因素与滑坡易发性的定量关系,并生成滑坡易发性分区图。采用成功率曲线和误差率评价预测结果,模型预测精度达到98.21%,与野外调查实际情况吻合较好。
- 滑坡易发性 /
- 斜坡单元 /
- 支持向量机 /
- 三峡库区
Abstract: Landslides are major natural geological disasters in China,and large-scale engi-neering activities induce and aggravate the occurrence of catastrophic landslides.Traditionalspatial analytical techniques cannot easily discover patterns,trends,and relationships thatcan be hidden deep within complicated landslide hazard systems due to limited data sourceand long update cycle.Focusing on the Three Gorges,a variety of environment and trigge-ring factors for landslide occurrence were calculated or extracted from the multi-source spa-tial data.Secondly,the study area was partitioned into slope units derived semi-automatical-ly from a digital elevation model to resample the conditioning factors.Finally,a two-classSVM was trained and then used to map landslide susceptibility with the best accuracy of 98.21%.To evaluate the models,the susceptibility maps were validated by comparing themwith the existing landslide locations according to success rate curve and error rates.
- landslides susceptibility /
- slope unit /
- support vector machine /
- Three Gorges

[1]	段佩祥, 钱海忠, 何海威, 谢丽敏, 罗登瀚. 基于支持向量机的线化简方法 . 武汉大学学报 ● 信息科学版, 2020, 45(5): 744-752, 783. doi: 10.13203/j.whugis20180434
[2]	陈涛, 钟子颖, 牛瑞卿, 刘桐, 陈胜云. 利用深度信念网络进行滑坡易发性评价 . 武汉大学学报 ● 信息科学版, 2020, 45(11): 1809-1817. doi: 10.13203/j.whugis20190144
[3]	徐胜华, 刘纪平, 王想红, 张玉, 林荣福, 张蒙, 刘猛猛, 姜涛. 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 . 武汉大学学报 ● 信息科学版, 2020, 45(8): 1214-1222. doi: 10.13203/j.whugis20200109
[4]	祝胜男, 郭炜炜, 柳彬, 张增辉, 郁文贤. 利用超像素级上下文特征进行靠岸集装箱船检测 . 武汉大学学报 ● 信息科学版, 2019, 44(4): 578-585. doi: 10.13203/j.whugis20170129
[5]	刘坚, 李树林, 陈涛. 基于优化随机森林模型的滑坡易发性评价 . 武汉大学学报 ● 信息科学版, 2018, 43(7): 1085-1091. doi: 10.13203/j.whugis20160515
[6]	李粉玲, 常庆瑞, 刘佳岐, 刘京. 基于多纹理和支持向量机的ZY-102C星HR数据分类 . 武汉大学学报 ● 信息科学版, 2016, 41(4): 455-461,486. doi: 10.13203/j.whugis20140356
[7]	黄声享, 罗力. 三峡库区滑坡监测基准的稳定性分析及结果 . 武汉大学学报 ● 信息科学版, 2014, 39(3): 367-372. doi: 10.13203/j.whugis20120019
[8]	彭令, 牛瑞卿, 赵艳南, 邓清禄. 基于核主成分分析和粒子群优化支持向量机的滑坡位移预测 . 武汉大学学报 ● 信息科学版, 2013, 38(2): 148-152,161.
[9]	武雪玲, 任福, 牛瑞卿. 多源数据支持下的三峡库区滑坡灾害空间智能预测 . 武汉大学学报 ● 信息科学版, 2013, 38(8): 963-968.
[10]	巫兆聪, 欧阳群东, 胡忠文. 应用分水岭变换与支持向量机的极化SAR图像分类 . 武汉大学学报 ● 信息科学版, 2012, 37(1): 7-10.
[11]	杨柳, 刘艳芳. 将微粒群和支持向量机用于耕地驱动因子选择的研究 . 武汉大学学报 ● 信息科学版, 2010, 35(2): 248-251.
[12]	王尚庆, 徐进军, 罗勉. 三峡库区白水河滑坡险情预警方法研究 . 武汉大学学报 ● 信息科学版, 2009, 34(10): 1218-1221.
[13]	熊华, 刘耀林, 车珊珊, 张俊峰. 基于支持向量机的土地利用变化模拟模型 . 武汉大学学报 ● 信息科学版, 2009, 34(3): 366-369.
[14]	范千, 花向红. 基于相空间重构与支持向量机预测滑坡位移的一种新方法 . 武汉大学学报 ● 信息科学版, 2009, 34(2): 248-251.
[15]	王新洲, 范千, 许承权, 李昭. 基于小波变换和支持向量机的大坝变形预测 . 武汉大学学报 ● 信息科学版, 2008, 33(5): 469-471.
[16]	陈刚, 鄂栋臣. 基于纹理分析和支持向量机的极地冰雪覆盖区的云层检测 . 武汉大学学报 ● 信息科学版, 2006, 31(5): 403-406.
[17]	吴涛, 颜辉武, 唐桂刚. 三峡库区水质数据时间序列分析预测研究 . 武汉大学学报 ● 信息科学版, 2006, 31(6): 500-502.
[18]	徐芳, 梅文胜, 燕琴. 支持向量机中遗传模糊C-均值的样本预选取方法 . 武汉大学学报 ● 信息科学版, 2005, 30(10): 921-924.
[19]	梅建新, 段汕, 秦前清. 基于支持向量机的特定目标检测方法 . 武汉大学学报 ● 信息科学版, 2004, 29(10): 912-915,932.
[20]	徐芳, 燕琴. 基于支持向量机的航空影像纹理分类研究 . 武汉大学学报 ● 信息科学版, 2003, 28(5): 517-520.

点击查看大图

计量

文章访问数: 977
HTML全文浏览量: 40
PDF下载量: 637
被引次数: 0

斜坡单元支持下的滑坡易发性评价支持向量机模型

¹ 中国地质大学(武汉;地球物理与空间信息学院,武汉市鲁磨路388号,430074;² 武汉大学资源与环境科学学院,武汉市珞喻路129号,430079

作者简介:
武雪玲,博士,副教授,现主要从事滑坡灾害预测预报方面的研究。

收稿日期: 2013-10-26
修回日期: 2013-12-05
刊出日期: 2013-12-05

中图分类号: P208

关键词:

摘要: 针对传统滑坡预测手段数据源有限、数据更新周期长、难以发现隐藏在复杂滑坡系统中的规律等问题,本文以三峡库区为研究对象,从多源空间数据中提取滑坡孕灾环境和影响因素等信息,采用数字地形水文分析方法划分斜坡单元,对评价因子进行重采样,进而构建两类支持向量机模型。分析了多源影响因素与滑坡易发性的定量关系,并生成滑坡易发性分区图。采用成功率曲线和误差率评价预测结果,模型预测精度达到98.21%,与野外调查实际情况吻合较好。

English Abstract

Landslide Spatial Prediction Based on SlopeUnits and Support Vector Machines

¹Institute of Geophysics and Geomatics,China University of Geosciences,388Lumo Road,Wuhan 430074,China;²School of Resources and Environmental Science,Wuhan University,129Luoyu Road,Wuhan 430079,China

Received Date: 2013-10-26
Rev Recd Date: 2013-12-05
Publish Date: 2013-12-05

Keywords:

Abstract: Landslides are major natural geological disasters in China,and large-scale engi-neering activities induce and aggravate the occurrence of catastrophic landslides.Traditionalspatial analytical techniques cannot easily discover patterns,trends,and relationships thatcan be hidden deep within complicated landslide hazard systems due to limited data sourceand long update cycle.Focusing on the Three Gorges,a variety of environment and trigge-ring factors for landslide occurrence were calculated or extracted from the multi-source spa-tial data.Secondly,the study area was partitioned into slope units derived semi-automatical-ly from a digital elevation model to resample the conditioning factors.Finally,a two-classSVM was trained and then used to map landslide susceptibility with the best accuracy of 98.21%.To evaluate the models,the susceptibility maps were validated by comparing themwith the existing landslide locations according to success rate curve and error rates.

武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型[J]. 武汉大学学报 ● 信息科学版, 2013, 38(12): 1499-1503.

引用本文:

武雪玲, 任福, 牛瑞卿, 彭令. 斜坡单元支持下的滑坡易发性评价支持向量机模型[J]. 武汉大学学报 ● 信息科学版, 2013, 38(12): 1499-1503.

Citation: