本书以山东省淄博市博山区为研究区域，调查博山区地质灾害数据和地质环境条件，并基于ArcGIS 10.2和ENVI 5.3提取滑坡致灾因子，对致灾因子进行相关性分析和共线性检验。将通过检验的致灾因子分为静态致灾因子和动态致灾因子，建立了静态致灾因子+动态致灾因子2021年实测值、静态致灾因子+动态致灾因子各年实测值、静态致灾因子+动态致灾因子年际变化值3种评价因子组合，将3种因子组合输入5种机器学习模型（随机森林模型、逻辑回归模型、支持向量机模型、Stacking集成模型和卷积神经网络模型），比较不同因子组合和不同模型的预测精度与评价结果。使用地理探测器的分异及因子探测功能分析博山区土地利用对滑坡敏感性的影响，使用交互作用探测功能分析土地利用变化对滑坡敏感性的交互作用，使用ArcGIS 10.2的空间叠加功能分析土地利用、NDVI和人口密度等动态因子的变化信息同滑坡敏感性空间分布的关系。对位于极高敏感区和高敏感区的G205乐疃一青石关段12处危险边坡分别制定2套治理方案，通过对比防治效果、造价和工程量确定了优选方案和备选方案。

第1章 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 滑坡敏感性评价因子
1.2.2 滑坡敏感性评价方法
1.3 研究内容
第2章 滑坡致灾因子分析
2.1 研究区域概况
2.1.1 地理位置
2.1.2 地形地貌
2.1.3 地层岩性
2.1.4 气候条件
2.1.5 水文条件
2.1.6 地质构造
2.1.7 土地利用
2.1.8 交通状况
2.1.9 滑坡概况
2.2 数据来源及预处理
2.2.1 数据来源
2.2.2 数据预处理
2.3 滑坡影响因素分析
2.3.1 地形及地质因素
2.3.2 水文及植被因素
2.3.3 人类活动因素
2.4 致灾因子筛选
2.4.1 相关性分析
2.4.2 共线性检验
2.5 本章小结
第3章 滑坡敏感性评价因子组合与量化
3.1 评价因子组合
3.2 评价因子量化
3.2.1 信息量法
3.2.2 固定评价因子量化结果
3.2.3 动态评价因子量化结果
3.3 本章小结
第4章 滑坡敏感性建模
4.1 评价模型概述
4.1.1 RF模型
4.1.2 LR模型
4.1.3 SVM模型
4.1.4 Stacking集成模型
4.1.5 CNN模型
4.2 评价模型构建
4.2.1 RF模型构建
4.2.2 LR模型构建
4.2.3 SVM模型构建
4.2.4 Stacking集成模型构建
4.2.5 CNN模型构建
4.3 评价因子组合的合理性验证
4.3.1 RF-RFE算法
4.3.2 评价因子组合验证
4.4 模型精度分析
4.5 本章小结
第5章 滑坡敏感性评价结果
5.1 评价结果分析
5.1.1 RF模型评价结果
5.1.2 LR模型评价结果
5.1.3 SVM模型评价结果
5.1.4 Stacking集成模型评价结果
5.1.5 CNN模型评价结果
5.1.6 滑坡敏感性评价结果总结
5.2 评价结果对比分析
5.2.1 不同评价因子组合的评价结果对比
5.2.2 不同评价模型的评价结果对比
5.3 本章小结
第6章 基于动态因子的滑坡敏感性分析
6.1 土地利用变化对滑坡敏感性的影响
6.1.1 土地利用对滑坡敏感性的解释程度分析
6.1.2 土地利用变化对滑坡敏感性的交互作用分析
6.2 人口密度变化对滑坡敏感性的影响
6.3 NDVI变化对滑坡敏感性的影响
6.3.1 NDVI年际变化的影响
6.3.2 NDVI稳定性的影响
6.4 本章小结
第7章 G205乐疃-青石关段岩质滑坡稳定性分析与治理措施
7.1 G205乐疃-青石关段概况
7.2 边坡稳定性计算
7.2.1 计算方法
7.2.2 参数取值
7.2.3 计算结果
7.3 边坡落石运动特征分析
7.3.1 RocFaU软件计算原理
7.3.2 RocFaU软件使用流程
7.3.3 材料参数
7.4 边坡防治方案
7.5 结论
第8章 结论与展望
8.1 结论
8.2 创新点
参考文献