【《基于多模型的滑坡地质灾害易发性评价研究》8000字（论文）】

基于多模型的滑坡地质灾害易发性评价研究目录TOC\o"1-3"\h\u26284基于多模型的滑坡地质灾害易发性评价研究 1139771.1滑坡地质灾害易发性评价目的与任务 1143731.2研究区滑坡地质灾害分布 3221971.3层次分析法（定性） 5276111.3.1层次分析法原理 527151.3.2判断矩阵 5168181.3.3一致性检验 662951.3.4影响因子权重的确定 6155811.3.5基于层次分析法的滑坡地质灾害易发性区划 9155781.3.6模型评价精度 10326181.4信息量法（定量） 1154581.4.1信息量原理 1128781.4.2信息量模型 12207981.4.3影响因子信息量 13235231.4.4基于信息量模型的滑坡地质灾害易发性区划 14271931.4.5模型评价精度 15101961.5层次分析—信息量法（半定量） 1668751.5.1层次分析—信息量法原理 16197611.5.2层次分析——信息量法模型 16100131.5.3基于层次分析——信息量法模型的滑坡地质灾害易发性区划 17197091.5.4模型评价精度 18滑坡地质灾害易发性评价目的与任务1、滑坡地质灾害易发性评价目的滑坡是我国所有地质灾害中发生次数多、频率高、密度大、破坏后果严重的常见地质灾害现象，对生态环境和人类生命财产安全造成的损失不可估量，因此，对滑坡地质灾害的整体区域化分析至关重要。对其进行易发性评价的目的有以下几点：（1）进一步全面的认识、了解滑坡地质灾害。由于不同地域条件和环境因素的差异、不同地区的滑坡地质灾害有不同的分布特征。要具体情况具体分析，结合不同的区域特点和环境因素，比较、权衡不同影响因素对滑坡地质灾害发生的重要性，合理的对评价区域内的滑坡地质灾害进行分析，得到易发性区划成果，更深一步的认识滑坡地质灾害，从而对其进行更深入、更全面的研究。（2）为研究区域内的防灾减灾提供具体的理论决策依据。对滑坡地质灾害划分易发等级，便于相关的管理部门分层次、分级别的进行预警监测，为政府在防灾减灾方面提供理论依据，减少人员生命财产和物资财产损失，促进经济发展和社会的持续稳定。（3）实现人与自然环境的协调发展。从本质上来说针对滑坡地质灾害进行的易发性评价是探索人与自然环境的关系。以综合评价结果为根据，提出合理的建议，规范人类自身的行为，以保护生态环境为大前提，合理地开发、利用自然资源，实现人与自然环境的协调发展，在追求金山银山、快速发展的同时，保护生态环境中的绿水青山，营造美丽绿色的生态环境，造福自己，也造福后人。2、滑坡地质灾害易发性评价任务滑坡地质灾害本身是一个系统，并且是一个相对复杂的系统，而滑坡地质灾害易发性评价是一个工作体系，是为滑坡地质灾害这个复杂的系统服务的，其主要的工作任务有：（1）构建易发性评价体系。具体模型的选取与应用是滑坡地质灾害易发性评价这个工作体系中的核心环节，但是评价体系的建立是这个核心环节的基础。只有保证基础的合理、科学才能得到最后相对准确的评价结果。因此，在建立不同地域滑坡地质灾害评价指标体系时万不可生搬硬套，要结合不同地域的具体特点，权衡不同影响因素的重要性，选取合理的评价指标。（2）选取适合的评价模型。目前对于滑坡地质灾害易发性评价的方法主要有定性、定量以及定性、定量相结合的半定量方法，具体到模型上又有十几种具体方法。因此，在对研究区域进行易发性评价时，应根据不同区域选取适合的研究方法，以便得到精度较高的易发性评价结果，全面反映研究区域内的真实情况。（3）对所得到的评价结果进行分析。选取并确定评价模型后，得到评价结果，分析评价结果，判断评价结果与研究区域的实际情况是否相符，并比较各个评价模型的评价精度如何，得到针对该研究区域评价精度最高的评价模型。（4）提出科学合理的防治建议。包括滑坡地质灾害易发性评价在内的关于滑坡的研究并不是简单地分析自然灾害本身，而是以综合评价结果为依据，提出防治建议，规范人类行为，实现防灾减灾，减少人员生命财产和物资财产损失，促进经济发展和社会稳定，实现人与环境的整体协调发展。研究区滑坡地质灾害分布研究区域位于龙门山断裂带，2008年5·12日发生的汶川地震产生了大量的不稳定堆积物停留在区域内，造成了大量滑坡地质灾害。本研究所用的滑坡地质灾害数据选取自汶川地震区滑坡地质灾害分布统计ADDINEN.CITEADDINEN.CITE.DATA[78,79]（见图4.1所示），汶川地震区（北川——安州区段）共有2244个滑坡地质灾害点（见图4.2所示），结合本研究区域以及高分辨率的遥感数据解译，共提取出位于本研究区域内的99个滑坡地质灾害点（见图4.3所示）。图4.1汶川地震重灾区地质灾害点分布图图4.2北川—安县研究区地震滑坡分布图图4.3研究区滑坡地质灾害点分布图层次分析法（定性）层次分析法原理层次分析法（AnalyticHierarchyProcess，AHP）是一种多指标分析评价方法，由美国运筹学家SattyADDINEN.CITE<EndNote><Cite><Author>Satty</Author><Year>1977</Year><RecNum>653</RecNum><DisplayText><styleface="superscript">[42]</style></DisplayText><record><rec-number>653</rec-number><foreign-keys><keyapp="EN"db-id="w0pad5xvna05rfew2f7ptd99xdrwdee0zwtx"timestamp="1609755347">653</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>TLSatty</author></authors></contributors><titles><title>Ascalingmethodforprioritiesinhierarchicalstructures</title><secondary-title>JournalofMathematicalPsychology</secondary-title></titles><periodical><full-title>JournalofMathematicalPsychology</full-title></periodical><pages>234-281</pages><volume>15(3)</volume><dates><year>1977</year></dates><urls></urls></record></Cite></EndNote>[42]在20世纪70年代第一次提出。层次分析法的基本原理是根据问题的性质和要达到的总目标，将问题分解为不同的组成因素，并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合，形成一个多层次的分析结构模型，从而最终使问题归结为最低层(供决策的方案、措施等)相对于最高层(总目标)的相对重要权值的确定或相对优劣次序的排定。对每一层次中的各种因素进行两两的比较，得到任意两个要素的相对权重值，通过得到的判断矩阵来进行分析，根据判断矩阵的最大特征值对应的特征向量来确定对应要素的重要性。判断矩阵采用1977年SaatyADDINEN.CITE<EndNote><Cite><Author>Satty</Author><Year>1977</Year><RecNum>653</RecNum><DisplayText><styleface="superscript">[42]</style></DisplayText><record><rec-number>653</rec-number><foreign-keys><keyapp="EN"db-id="w0pad5xvna05rfew2f7ptd99xdrwdee0zwtx"timestamp="1609755347">653</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>TLSatty</author></authors></contributors><titles><title>Ascalingmethodforprioritiesinhierarchicalstructures</title><secondary-title>JournalofMathematicalPsychology</secondary-title></titles><periodical><full-title>JournalofMathematicalPsychology</full-title></periodical><pages>234-281</pages><volume>15(3)</volume><dates><year>1977</year></dates><urls></urls></record></Cite></EndNote>[42]给出的1～9标度法对影响因子的两两关系构造判断矩阵，所有影响因子的两两比较综合决定了各个影响因子的权重，这样可以尽量避免由于专家自身的主观性而造成的结果误差。两两影响因子定性比较的数量标度值如表4.1所示ADDINEN.CITE<EndNote><Cite><Author>Xu</Author><Year>2015</Year><RecNum>693</RecNum><DisplayText><styleface="superscript">[80,81]</style></DisplayText><record><rec-number>693</rec-number><foreign-keys><keyapp="EN"db-id="w0pad5xvna05rfew2f7ptd99xdrwdee0zwtx"timestamp="1609837650">693</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>Xu,Chong</author><author>Xu,Xiwei</author><author>Shyu,J.BruceH.</author></authors></contributors><titles><title>DatabaseandspatialdistributionoflandslidestriggeredbytheLushan,ChinaMw6.6earthquakeof20April2013</title><secondary-title>Geomorphology</secondary-title></titles><periodical><full-title>Geomorphology</full-title><abbr-1>Geomorphology</abbr-1></periodical><pages>77-92</pages><volume>248</volume><number>NOV.1</number><dates><year>2015</year></dates><urls></urls></record></Cite><Cite><Author>文海家</Author><Year>2014</Year><RecNum>694</RecNum><record><rec-number>694</rec-number><foreign-keys><keyapp="EN"db-id="w0pad5xvna05rfew2f7ptd99xdrwdee0zwtx"timestamp="1609837674">694</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>文海家</author><author>胡东萍</author><author>王桂林</author></authors></contributors><auth-address>重庆大学土木工程学院;重庆大学山地城镇建设新技术教育部重点实验室;</auth-address><titles><title>汶川县地震滑坡易发性LR与NN评价比较研究</title><secondary-title>土木工程学报</secondary-title></titles><periodical><full-title>土木工程学报</full-title></periodical><pages>17-23</pages><volume>47</volume><number>S1</number><keywords><keyword>地震滑坡</keyword><keyword>神经网络模型</keyword><keyword>逻辑回归模型</keyword><keyword>易发性分区</keyword></keywords><dates><year>2014</year></dates><isbn>1000-131X</isbn><call-num>11-2120/TU</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[80,81]。表4.1判断矩阵标度值及含义标度值含义1表示两个因子相比，两者同等的重要性3表示两个因子相比，前者比后者稍微重要5表示两个因子相比，前者比后者明显重要7表示两个因子相比，前者比后者强烈重要9表示两个因子相比，前者比后者极端重要2，4，6，8表示上述相邻判断的中间值倒数若元素i与元素j重要性之比为a，那么元素j与元素i的重要性之比为1/a具体计算流程如下：1.归一化矩阵的各列元素：；2.处理后按行相加，从而确定出：；3.将归一化，，所得即为近似特征向量；4.计算一致性检验层次分析法方法实质是对判断矩阵求解，计算出判断矩阵的特征值和特征向量，得到矩阵最大特征值和其对应的特征向量。层次分析法的评价结果是否合理，可通过随机一致性比率（ConsistencyRatio，CR）来衡量，它代表判断矩阵一致性指标与随机性指标，范围是0～1。其计算公式为：（4.1）（4.2）式4.1、4.2中：为矩阵最大特征值；为判断矩阵阶数；为判断矩阵一致性指标；为判断矩阵的平均随机一致性指标(见表4.2所示)。一般要求值小于0.1，若该值大于0.1，则表明该判断矩阵未能通过一致性检验，需要对该判断矩阵进行修正，即对判断矩阵进行重新构建。表4.2平均随机一致性指标12345678910000.520.891.121.261.361.411.461.49影响因子权重的确定通过对层次结构中各元素的分析，对同一层次的元素进行相互比较，可以据此来建立一系列的判断矩阵。本文中选取坡度、坡向、地层岩性、距断裂距离、距水系距离和归一化植被指数（NDVI）6个滑坡地质灾害易发性影响因子，分别构建影响因子判断矩阵和其分级判断矩阵、计算权重以及一致性检验。判断矩阵结果显示，6个影响因子及其分级矩阵经一致性检验后均小于0.1，表明各判断矩阵具有较好的一致性且经过一致性检验，影响因子判断矩阵见表4.3所示，影响因子的分级判断矩阵见表4.4所示。表4.3影响因子层次分析法判断矩阵、权重、以及影响因子坡度坡向距水系距离距断裂距离NDVI岩性权重坡度1774650.48840.05116.3170坡向1/711/31/71/21/30.0372距水系距离1/7311/61/21/30.0558距断裂距离1/4761320.2228NDVI1/6221/311/20.0756岩性1/5331/2210.1202合计——————1——表4.4影响因子分级权重、以及因子因子分级(1)(2)(3)(4)(5)(6)(7)(8)(9)分级权重坡度/（°）0-10（1）10-20（2）20-30（3）30-40（4）40-50（5）＞50（6）11/21/31/51/61/40.0430.0640.1010.2500.3820.1600.0196.123211/21/41/51/33211/31/41/254311/226542134321/21/31合计———————1——坡向北（1）东北（2）东（3）东南（4）南（5）西南（6）西（7）西北（8）平地（9）11/31/31/41/51/41/21/230.0410.0630.0830.1500.2950.2040.0790.0570.0290.0509.591311/21/31/41/31/2133211/31/41/312343311/31/333454431344543331/313452211/31/41/3123211/21/31/41/41/2131/31/31/31/41/51/51/31/31合计——————————1——距水系距离（m）＜150（1）150-250（2）250-400（3）400-600（4）＞600（5）122450.3720.3110.1780.0890.0500.0565.2521/213451/21/31341/41/41/3131/51/51/41/31合计——————1——距断裂距离（m）＜500（1）500-100（2）1000-1500（3）1500-2000（4）＞2000（5）123460.4200.2650.1640.1030.0480.0225.0991/212351/31/21241/41/31/2131/61/51/41/31合计——————1——NDVI-0.1-0.1（1）0.1-0.3（2）0.3-0.5（3）0.5-1（4）11/31/51/70.0560.1150.2900.5390.0324.087311/31/65311/27621合计—————1——岩性Ⅰ（1）Ⅱ（2）Ⅲ（3）Ⅳ（4）Ⅴ（5）122340.3760.2150.2150.1200.0740.0075.0331/211231/211231/31/21/2121/41/31/31/21合计——————1——整理后即得到各个影响因子的权重为｛0.4884,0.0372,0.0558,0.2228,0.0756,0.1202｝，从结果中可以看出，坡度是研究区域内对滑坡地质灾害产生影响最大的因子，其权重达到了0.4884，其次是距断裂的距离（0.2228）、岩性（0.1202）、NDVI（0.0756）、距水系的距离（0.0558）、坡向（0.0372），其影响程度依次减小。基于层次分析法的滑坡地质灾害易发性区划层次分析法模型中发生滑坡地质灾害的可能性由易发性指标体现（4.3）式4.3中和分别为第i个影响因子权重和分级权重。值越大，则意味着在层次分析法模型下该范围内发生滑坡地质灾害的可能性越大。将层次分析法模型计算得到的因子权重和分级权重利用ArcGIS10.3软件赋值于制作好的影响因子栅格图层中，再利用软件中的栅格计算器功能将赋值后的影响因子图层进行叠加计算得到层次分析法模型的易发性指数图，结果表明基于层次分析法模型的易发性指数值域为0.053~0.371，最后根据软件中的自然间断法将易发性指数结果划分为极高易发区[0.267~0.371]、高易发区[0.207~0.267]、中易发区[0.147~0.207]、低易发区[0.103~0.147]和极低易发区[0.053~0.103]五个易发性分区，见图4.4所示。图4.4研究区域滑坡地质灾害易发性区划依据层次分析法模型的滑坡地质灾害易发性区划分布以及其属性表内包含的易发性分区栅格数和每个分区内涵盖的地质灾害点数，对其滑坡地质灾害分布进行适当的统计分析，见表4.5所示。表4.5层次分析法模型下的滑坡地质灾害点分布统计易发区分级易发区占比灾害点数量/个区域面积/km2密度/（个·km-2）极高易发区1.74%34.970.604高易发区5.88%2016.871.186中易发区14.92%2942.610.680低易发区30.12%3186.140.360极低易发区47.34%16135.400.118合计100%99285.99—模型评价精度验证是地质灾害易发性制图中最重要的一环，它直接决定了评价模型的预测精度。对地质灾害易发性制图的评价方法有多种，包括ROC曲线、Kappa系数、SrideviJadi等ADDINEN.CITE<EndNote><Cite><Author>管新邦</Author><Year>2018</Year><RecNum>722</RecNum><DisplayText><styleface="superscript">[82]</style></DisplayText><record><rec-number>722</rec-number><foreign-keys><keyapp="EN"db-id="w0pad5xvna05rfew2f7ptd99xdrwdee0zwtx"timestamp="1611647599">722</key></foreign-keys><ref-typename="Thesis">32</ref-type><contributors><authors><author>管新邦</author></authors><tertiary-authors><author>赵峰华,</author></tertiary-authors></contributors><titles><title>云南省滑坡地质灾害危险性评价研究</title></titles><keywords><keyword>滑坡灾害</keyword><keyword>易发性评价</keyword><keyword>危险性评价</keyword><keyword>特征分析</keyword><keyword>云南省</keyword></keywords><dates><year>2018</year></dates><publisher>中国矿业大学(北京)</publisher><work-type>博士</work-type><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[82]，其中ROC曲线经过国内外大量学者的反复验证，证明其在表征地质灾害易发性评价精度方面的效果最好。因此本次研究选用ROC曲线作为判定地质灾害易发性评价精度的定量指标。ROC曲线是通过预测滑坡易发性面积累加与实际滑坡灾害数量百分比累加来构建评价结果检验曲线(receiveroperatingcharacteristics，ROC)，曲线与横轴所围成的面积（AreaUnderCurve，AUC）表示模型对研究区域内滑坡地质灾害的预测精度，其中AUC值越接近于1，即表示预测情况与实际情况越接近，则表明该模型的预测效果更好。一般而言，AUC值大于0.9表示该评价模型具有非常好的准确性，AUC值介于0.7~0.9之间表明该评价模型具有较好的准确性，AUC值介于0.5~0.7之间则表明该评价模型预测精度较差。依据上述研究区域滑坡地质灾害易发性区划的栅格数据统计和易发性指数，将全部栅格单元按照易发性指数从高到低均分为十部分，并统计每一部分的栅格单元数量和其中包含的滑坡地质灾害点数量，以预测滑坡易发性面积百分比累加为横轴，以实际滑坡数量百分比累加为纵轴，对层次分析法模型绘制评价结果检验曲线（ROC），评价结果检验曲线如图4.5所示，评价结果检验曲线下的AUC值为71.21%，即层次分析法模型针对该研究区域滑坡地质灾害的预测精度为71.21%。图4.5层次分析法模型评价曲线信息量法（定量）信息量原理信息量模型是利用滑坡发生的密度计算出表征各影响因子区间下滑坡发生的信息量大小，并加权叠加单因子信息量，实现对滑坡地质灾害易发性的区划ADDINEN.CITE<EndNote><Cite><Author>李文彦</Author><Year>2020</Year><RecNum>695</RecNum><DisplayText><styleface="superscript">[83]</style></DisplayText><record><rec-number>695</rec-number><foreign-keys><keyapp="EN"db-id="w0pad5xvna05rfew2f7ptd99xdrwdee0zwtx"timestamp="1609843829">695</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>李文彦</author><author>王喜乐</author></authors></contributors><auth-address>甘肃省地矿局第二地质矿产勘查院;兰州大学土木工程与力学学院;</auth-address><titles><title>频率比与信息量模型在黄土沟壑区滑坡易发性评价中的应用与比较</title><secondary-title>自然灾害学报</secondary-title></titles><periodical><full-title>自然灾害学报</full-title></periodical><pages>213-220</pages><volume>29</volume><number>04</number><keywords><keyword>滑坡易发性</keyword><keyword>频率比</keyword><keyword>信息量</keyword><keyword>ROC曲线</keyword><keyword>皋兰县</keyword></keywords><dates><year>2020</year></dates><isbn>1004-4574</isbn><call-num>23-1324/X</call-num><urls></urls><remote-database-provider>Cnki</remote-database-provider></record></Cite></EndNote>[83]。信息量模型的理论基础是信息论，采用滑坡地质灾害发生过程中熵的减少来表示滑坡地质灾害事件产生的可能性。滑坡地质灾害现象(Y)的发生受多方面因素Xi的影响，在各种不同的地质环境和外界因素中，对于滑坡地质灾害而言，各种因素所起作用的大小、性质是不相同的，总会存在一种“最佳因素组合”。信息预测的观点认为，滑坡地质灾害产生与否与预测过程中所获取的信息的数量和质量有关，是用信息量来衡量的。信息量值越大，表明产生滑坡地质灾害的可能性就越大ADDINEN.CITEADDINEN.CITE.DATA[32,84]（4.4）（4.5）式4.4、4.5中：为具体因素组合对滑坡地质灾害所提供的信息量：为因素组合条件下滑坡地质灾害发生的概率；是滑坡灾害发生的概率；为因素存在条件下，因素对滑坡所提供的信息量。和均可用统计概率来表示，各种影响因素的组合对预测滑坡地质灾害所提供的信息量可以是正值，也可以是负值，当大于时，大于0；反之则小于0。大于0的情况表示影响因素的组合对预测滑坡地质灾害是有利的，相反情况则表示这些影响因素组合不利于产生滑坡地质灾害。单独计算各因素Xi对滑坡地质灾害发生事件提供的信息量，在案例的实际计算中可运用频率进行条件概率的估算：（4.6）式4.6中：Ni为分布在因素Xi内的滑坡地质灾害单元数：N为全区发生滑坡地质灾害的总数；Si为研究区域内含有评价因素Xi的单元数，S为研究区域内的总单元数。信息量模型依据上节信息量原理内容，本文中基于信息量模型发生滑坡地质灾害的可能性由易发性指标体现，公式如式4.7所示：（4.7）式4.7中：Ni为某一影响因子区域内发生的滑坡数，N为研究区域内发生滑坡总数；Si为全研究区域中含有某一影响因子的面积，S为研究区域的总面积；R为评价单元总信息量，R值越大则表示发生滑坡地质灾害的可能性越大；n为影响滑坡地质灾害发生的因子数量（本次研究中n=6）。影响因子信息量基于坡度、坡向、地层岩性、距断裂距离、距水系距离和归一化植被指数（NDVI）6个滑坡地质灾害易发性影响因子，运用上述信息量模型评价公式4.7计算影响因子的每个分级所承载的信息量大小，并对信息量大小进行排序，见下表4.6所示。表4.6影响因子分级信息量影响因子分级Ni/个Si/km2信息量信息量排序坡度/(°)0-1011105.144-1.1943310-201390.631-0.8783120-301944.1800.2191430-402626.9761.026440-501814.7341.2632大于50125.0321.9321坡向/(°)平地01.564019北930.898-0.1724东北1232.5990.06417东1841.8400.2212东南2146.3040.27310南1639.0240.17215西南1332.1960.15616西429.527-0.93532西北632.744-0.63427距河流距离（m）0-150317.589-0.70528150-250511.6290.21913250-4001216.0660.7725400-600621.314-0.20425＞60073220.099-0.04022距断裂距离（m）＜500317.861-0.72129500-1000917.5330.39691000-1500616.4520.055181500-20001015.8340.6046＞200071219.017-0.06323NDVI-0.1-0.105.0830200.1-0.325115.811-0.47260.3-0.574165.8180.257110.5-100.029021岩性Ⅰ879.514-1.23334Ⅱ18122.514-0.85530Ⅲ1829.5030.5697Ⅳ4842.1411.1933Ⅴ712.9180.4508基于信息量模型的滑坡地质灾害易发性区划将通过信息量模型计算得到的信息量利用ArcGIS10.3软件赋值于制作好的影响因子栅格图层中，再利用软件中的栅格计算器功能将赋值后的因子图层进行叠加计算得到信息量模型下的易发性指数图，结果表明基于信息量模型的易发性指数值域为-5.258~4.823。最后依据软件中的自然间断法将结果进行重分类，划分为极高易发区[1.581~4.823]、高易发区[0.119~1.581]、中易发区[-1.186~0.119]、低易发区[-2.372~-1.186]和极低易发区[-5.258~-2.372]五个易发性分区，见下图4.6所示。图4.6信息量模型下滑坡地质灾害易发性区划依据信息量模型的滑坡地质灾害易发性区划分布以及其属性表内包含的易发性分区栅格数和每个分区内涵盖的滑坡地质灾害点个数，对其滑坡地质灾害分布进行适当的统计分析，见下表4.7所示。通过不同易发区域的滑坡地质灾害点密度可以综合反映研究区域内滑坡地质灾害易发性评价的合理性，统计研究区域极低、低、中、高和极高5个级别易发性区划的滑坡地质灾害点数量和各自面积，计算出反馈校准后不同分区的滑坡地质灾害点密度。结果表明，从极低易发区到极高易发区的滑坡地质灾害点密度呈增加趋势，极高易发区灾害点密度最大为1.533个/km²，说明该区域滑坡地质灾害点分布集中，滑坡地质灾害易发性区划较为合理。表4.7信息量模型下的滑坡地质灾害点分布统计易发区分级易发区占比灾害点数量/个区域面积/km2密度/（个·km-2）极高易发区12.32%5435.231.533高易发区12.65%1736.180.470中易发区14.93%1542.700.351低易发区30.50%987.230.103极低易发区29.60%484.650.047合计100%99285.99—模型评价精度如同上述4.3.6章节内容，依据上述研究区域滑坡地质灾害易发性区划的栅格数据统计和易发性指数，将全部栅格单元按照易发性指数从高到低均分为十部分，并统计每一部分的栅格单元数量和其中包含的滑坡地质灾害点数量，以预测滑坡易发性面积百分比累加为横轴，以实际滑坡数量百分比累加为纵轴，对信息量法模型绘制评价结果检验曲线（ROC），结果如图4.7所示，评价结果检验曲线下的AUC值为79.93%，即信息量法模型针对该研究区域滑坡地质灾害的预测精度为79.93%。图4.7信息量法模型评价曲线层次分析—信息量法（半定量）层次分析—信息量法原理层次分析—信息量法在信息量法的基础上考虑