[发明专利]基于最大熵模型的地址灾害生态安全评价模型的构建方法

说明书

本发明公开了基于最大熵模型的地址灾害生态安全评价模型的构建方法，包括：（1）通过MAXENT模型将对象已知分布点的像元作为样点，根据样点像元的环境变量得出约束条件；（2）滑坡数据；（3）环境变量数据；（4）土壤质地与土壤类型数据；（5）岩性因子数据；（6）NDVI数据；（7）道路及河流数据；（8）分析。本发明的滑坡灾害分布模型中，加入建设用地距离变量的预测模型，其滑坡高敏感和极高敏感区域范围更小，高敏感区域的范围会更精确的锁定在建设用地周围。

(1)通过MAXENT模型把研究区所有像元作为构成最大熵的可能分布空间，将对象已知分布点的像元作为样点，根据样点像元的环境变量如气候变量、海拔、土壤类型、植被类型得出约束条件，探寻此约束条件下的最大熵的可能分布(即探寻与对象分布点的环境变量特征相同的像元)，据此来预测对象在研究区的分布；该模型采用Jackknife检验对环境变量重要性进行分析，并用ROC曲线(受试者工作特征曲线)下面积(area under curve,AUC)对MAXENT模型的精度进行评价，AUC值越大，表示环境变量与预测目标地理分布模型之间相关性越大，越能将该物种有分布和无分布判别开，预测效果也就越好；一般情况下AUC值高于0.75，则表示模型预测有效；

在本发明中，使用Maxent software for species habitat modeling；

Table 1

(2)滑坡数据：滑坡数据主要来自《广东省地质灾害防治方案》(2014-2016)，该方案为广东省国土资源厅地质环境处(地质灾害应急管理办公室)编制，方案中威胁100人以上滑坡隐患点为高威胁滑坡灾害点，该数据包含灾害隐患点的位置描述、类型、经纬度等信息，由于同时还提供灾害点监测人及联系方式，所以灾害隐患点的精确度较高；通过 GIS将肇庆市滑坡灾害点绘制成滑坡灾害分布图；

2014-2016年，广东省肇庆市威胁100人以上的滑坡灾害隐患点共有159处，本发明随机选取其中的75％构建滑坡敏感性模型，并将其余的25％对模型进行验证，重复运算15次获取平均值作为预测结果；

(3)环境变量数据：1.环境变量选择：在滑坡预测模型中，环境变量的选择尤为重要；学者们通常会将地形地貌、地质、土壤、土地利用、植被、土壤、降雨等因素作为模型预测的环境变量；根据已有的研究，本发明采用海拔、坡度、坡向、岩性、土壤质地、土壤类型、归一化植被指数、年均降雨量、年均最大降雨量、最湿月降雨量、最湿季度降雨量、降雨量变异系数、道路距离、河流距离、断层距离等多数学者常用的变量，同时增加建设用地距离变量作为滑坡预测的环境变量；建设用地距离因子的选取在多数文献中都较少考虑，但本发明认为中国广东多数的滑坡灾害都与人为建设有关，所以我们将“建设用地距离”亦作为环境变量之一，以期探讨其在广东肇庆滑坡灾害中的作用；2.环境变量数据来源：DEM数据为中国科学院计算机网络信息中心地理空间数据云提供的GDEMV2 30m 分辨率数字高程数据，坡度、坡向因子由DEM经过ArcGIS的slope分析获得；肇庆市全境东北部海拔高度较高，西南部相对较低，以中低山丘陵为主，平原较少，形成山地、盆地、丘陵、冲积平原等形态相间分布的山区地貌；

(4)土壤质地与土壤类型数据来源于中国广东省生态环境与土壤研究所广东省数字土壤V2.0，数据精度为1：100万。研究区内土壤质地主要有轻粘土、重壤土、中壤土、轻壤土和砂壤土组成，其中中壤土和砂壤土覆盖了约84％的范围。研究区内土壤类型有16 类，各类型赋值请见表2；

Table 2土壤类型及赋值

(5)岩性因子数据来源于中国国家地质资料数据中心广东省1:50万地质图。研究区内岩性组成结构复杂，总共可以分为44类，岩性因子赋值见表3。

Table 3岩性因子分类及赋值