基于多变量统计分析的大型滑坡敏感性评价—以...
景观生态评价技术在小城镇总体规划中的运用——以《广州市花都区炭步镇总体规划》为例
对 全 镇 域 景观 生态 系 统 进行 评 价 论 证 ， 作 为 指 导小 城 镇 总 体规 划编 制 的 重要 依 据 。 在 广 州市 花 都 区
、
景 观 生 态
［ 关键词］景观生态评价 ；小城镇总体规划；炭步镇 ［ 文章编号］ ０ ６ ０ ２ （０ １ ０ ～ ０ ８ ０ ［ １ ０ — ０ ２ ２ １ ） ７ ０ ９ — ６ 中图分类号］ Ｕ ８ ９ ［ Ｔ ９ ４ １ １ 文献标识码］ Ｂ
的指标体 系应尽可能反映炭步镇所 处发展 阶段的 自然 、生态和社会特
价值与产出率的分析，对全镇域景观 征。针对炭步镇处于陕速城镇化和工 布局和 开发提供依据 ，缺乏对全镇 生态系统进行评价论证，作为指导小 业化的发展阶段，未来将有大量城镇 图１ 。 域 的生态敏感性 、生态功能等方面 城镇总体规划编制的重要依据 （ ） 建设与产业发展的特点，选取与建设 进行分 析，对如何保 护和 进～步利 用非建 设用地缺乏研 究，导致在小 城镇 总体规划实施过 程中出现部分 优 质农业用地被违法建设 占用 的情 况 ，无法从 整体上对城镇景 观生态 格局进行有效控制 。
，
．
啪时 帅 删
Ｌ ｎ ｓ ａ ｅ ｅ ｏｏ ｙ ｅ ａ ｕ ｔ ｎ Ｓ ａ ｄ ｃ ｐ ｃ ｌｇ ｖ ｌａ ｉ ｏ ｍａｌｏ ｓｅ ｌｎ Ｔ ｎ ｕ ｔｗｎ ｌ ｗｎ ｍａ ｔ ｒ ａ ． ａ ｂ ｔ ｐ ｏ
，
中心镇是我国农村产业化和城市化 的重 要载体，其往往是所在区域 的经济文化 中心 和城 乡联动的关节点，其建设对于消除该区 域城 乡二元结构 、实现 区域协调发展 、促进
岫 帅 咖 Ｅ ｖｒｎ ｎａ ｅｅ ｉｒｔ ｎ ｗａ ｔ ｆａ ｄ ａ ｄｗｅ ｋｐａ ｎｎ ｏ ｔ ｌ Ｆ ｅ ｃ ｍｍｏ ｒ ｂｅ ｎ ｉ ｍｅ ｔｌ ｔｒ ａｉ ， ｓｅｏ ］ｎ ｏ ｄ ｏ ｏ ｎ ａ ｌ ｎ ｉｇｃ ｎ ｒ ｅ ｔ ｏ ｏａ ｈ ｎ Ｄ ｏ ｌｍｓｉ ｎ
基于正交分析法的边坡稳定影响因素敏感性分析
边坡 稳定 性受 多种 因素 的影 响 ， 主要 可分 内部 因素 和 外部 因素 。内部 因素包 括 ： 组成 边坡 的岩土体 类 型及 性质 、 坡地 质构 造 、 坡 形 态 、 下 水 等 ； 部 因素 包 边 边 地 外
收 稿 日期 ：０ １— ５～ ６ ２ １ ０ ０
引 言
括： 振动 作 用 、 候 条件 、 气 风化 作 用 、 体 植 被 以及 南 ｒ 坡 人类 活 动 因素而 造成 的一 些 不利 条件 等 。 对 于具 体 的边坡 ， 地 形 地 貌 确 定 的条 件 下 ， 个 在 各 内部 因素对边 坡 的稳 定 性 影 响 有 大 有 小 ， 就 是 说 ， 这 影
（ ．乐昌峡 水利枢 纽 管理 处 ， 东 韶 关 １ 广 ５２０ ； １２ ０
２ ．广 东省水利 水 电科 学研 究 院 ， 东省 水利 重 点科研 基 地 ， 东 广 州 ５０ １ ； 广 广 １６ ０
３ ．珠 江水利科 学研 究院 ， 东 广 州 ５ ０ １ ） 广 １ ６ １
摘 要 ： 分 析 边 坡 稳 定 影 响 因素 的 基 础 上 ， 出 了判 别 边 坡 稳 定 影 响 因素 敏 感 性 的 正 交 分 析 法 ， 正 交 矩 阵 设 计 来安 排 在 提 以
边坡 的稳 定 性影 响有 大 有 小 ，这 就 是 说 ，影 响 因素 对 边 坡失 稳 的贡献 是 不 同 的 。对 影 响 边 坡 稳定 性 的 因素
析边 坡 的 内部影 响 因素 ， 虑 的 因素有 ： 考 土体 容重 、 粘 聚力 ｃ 内摩擦 角 、 高 ｈ、 率 ｍ 和地 下 水 位 线 位 置 、 坡 坡 ｈ 的影 响 。为 了研 究 方 便 ， 研 究 这 些 影 响 因 素 对 边 在 坡稳 定 性 的影 响时均 只考 虑这 些参 数 的 白相 关 性 ， 不考
基于聚类和最大似然法的汶川灾区泥石流滑坡易发性评价
，
６ ０ ４ ，Ｃ ｉ ） １ ０ １ ｈｎ ａ
２ｌ ０ ２年 ２月
ｌ １ １ —１ ０（ ）： ２ ８
中 国 水ｓ ｒ ａ ｉ ｎ ｃｅ ｅ ｏ ｏｌ ｎ ｔ ｒ Ｃｏ ｅ ｖ ｔ ｏ
Ｖｏ ． ０ Ｎｏ． １１ １ Ｆｅ ２ ２ ｂ． ０１
Ａｂ ｔａ ｔ Ｃ ｕ ｔｒａ ａｙ ｉ ａ ｄ Ｍａ ｉ ｍ ｉｅｉｏ ｄ Ｃ ａ ｓ ｃ ｔ ｎ （ Ｃ） ｍｅｈ ｄ ｒ ｎｒｄ ｃ ｄ ｔ ｓｒ ｃ ｌｓｅ ｎ ｌｓ ｎ ｘｍｕ Ｌｋ ｌ ｏ ｌｓｉ ａｉ ｓ ｈ ｉ ｆ ｏ ＭＬ ｔ ｏ ｓ ａｅ ｉｔ ｕ ｅ ｏ ｏ
ｓ ｓ ｅ ｔ ｉ ｔ （ ｅｙ ｌｗ，ｌｗ，ｍｏ ｅａｅ，ｈｇ ，ａ ｄ ｅ ｔ ｍｅ ｈｇ ｕ ｃ ｐｉ ｌｙ ｖ ｒ ｏ ｂｉ ｏ ｄ ｒｔ ｉｈ ｎ ｘｒ ｉｈ） ａｅ ａ ｓ ｎ ｄ ｔ ｔｅ ｓ ｄ ｒ ａ ｂ ｅ ｒ ｓｉ ｅ ｏ ｈ ｔ ｙ ａｅ ｙ ｇ ｕ
Ｈｕ Ｋａｈ ｎ ｉ ｅ ｇ， Ｃｕ ｎｇ，Ｈ ａ ｎ ｓ ｕ ｉＰｅ ｎ Ｙｏ ｇ ｈ ｎ，Ｙｏ ｎ ｕ Ｙｏ ｇ
（ ｅ ａ ｏａｏ ｆ ｕ ｔｉ Ｈ ｚ ｒｓａ ｄ Ｅ ｒ ｕｆｃ ｒｃｓｅ ， ｈｎ ｓ ｃ ｄ ｍ ｆ ｃｅ ｃ ｓ ｎ ｔｕｅｏ ｕ ｔ ｎＨａａｄ Ｋ ｙＬ ｂ ｒｔ ｙ ｏ Ｍｏ ｎ ｎ ａａｄ ｎ ａ ｔ Ｓ ｒ ｅＰ ｏ ｅｓ ｓ Ｃ ｉｅｅＡ ａ ｅ ｙｏ ｉ ｅ ：Ｉｓ ｔｔ ｆ ｒ ａ ｈ ａ Ｓ ｎ ｉ Ｍｏ ｎａ ｚｒ ｓ ｉ
降雨入渗条件下非饱和土边坡稳定性研究进展
降雨入渗条件下非饱和土边坡稳定性研究进展刘翠;徐文成【摘要】Rainfall, especially the long-lasting heavy rainstorm, is a major cause of instability and failure of slope. During the rainfall, a large number of rain infiltrations will cause the slope soil saturation in-creases, the matrices suction of non-saturated region reduces and the soil shear strength decreases. When the rainfall intensity and duration exceeds a certain extent, it may lead to slope instability. Based on the discussion of unsaturated soil strength theory and percolation theory, the progress of unsaturated soil slope stability research in recent years was discussed.%降雨，特别是强度大、历时长的暴雨，是引起边坡失稳破坏的主要因素。
降雨期间，雨水的大量入渗使边坡土体的饱和度增加，非饱和区基质吸力降低，土体抗剪强度下降。
当降雨的强度和持续时间超过一定程度时，便可能导致边坡失稳。
在讨论非饱和土强度理论和渗流理论的基础上，探讨了近年来关于非饱和土边坡稳定性研究的进展。
【期刊名称】《黄河水利职业技术学院学报》【年(卷),期】2015(000)003【总页数】4页(P24-27)【关键词】边坡稳定性;非饱和土;降雨入渗【作者】刘翠;徐文成【作者单位】黄河水利职业技术学院，河南开封 475004;河南省豫东水利工程管理局，河南开封 475002【正文语种】中文【中图分类】TU457边坡的失稳破坏和降雨是人类生活中常见的事物，自然规律的作用成了两者紧密联系的桥梁。
基于统计方法耦合地理探测器的地质灾害易发性评价——以吕梁山区为例
第44卷第1期2024年2月水土保持通报B u l l e t i no f S o i l a n d W a t e rC o n s e r v a t i o nV o l .44,N o .1F e b .,2024收稿日期:2023-07-26 修回日期:2023-08-08资助项目:国家自然科学青年基金 渐新世以来西地中海板块 地幔系统的四维地球动力学重建 (420020398) 第一作者:高星星(1997 ),女(汉族),山西省临县人,硕士研究生,研究方向为地质灾害防护与治理㊂E m a i l :g a o x i n g x i n g 1005@l i n k .t yu t .e d u .c n ㊂通信作者:马鹏斐(1989 ),男(汉族),山西省太原市人,博士,讲师,主要从事地质构造研究㊂E m a i l :m a p e n g f e i @t yu t .e d u .c n ㊂基于统计方法耦合地理探测器的地质灾害易发性评价以吕梁山区为例高星星1,马鹏斐1,吕义清1,赵金亮2,何海龙2(1.太原理工大学矿业工程学院,山西太原030000;2.山西冶金岩土工程勘察有限公司,山西太原030000)摘 要:[目的]以山西省吕梁市吕梁山区的离石㊁石楼㊁柳林三区(县)为例研究高精度地质灾害易发性评价模型,为该地区区域规划提供辅助决策支持㊂[方法]基于地理信息系统,以区域内525个历史灾害点及500个非灾害点为样本,选取19个地灾影响因素,应用地理探测器(g e o g r a p h i cd e t e c t o r s ,G D )判断各因素的相对重要性,在J u p y t e rN o t e b o o k 平台展开相关性检验并筛选指标因子,以信息量模型(i n f o r m a t i o n m e t h o d ,I M )为基础,利用灾害点计算其所提供的信息量的同时结合非灾害点提供信息量得到指标因子改进信息量模型(i m p r o v e d i n f o r m a t i o nm e t h o d ,I I M ),并借助地理探测器空间分异性q 值计算权重㊂利用综合确定性系数法(c e r t a i n t y f a c t o r ,C F )分别建立G D -I I M ,G D -I M ,G D -C F ,I M ,C F ,I I M 共6大评价体系,采用自然断点分类法将研究区易发性依次划分为5,4,3个等级,以种子细胞面积指数(s e e dc e l l a r e ai n d e x ,S C A I )验证其分区结果准确性,采用R O C 曲线对比模型结果精确度㊂[结果]经S C A I 检验将各模型分为极低㊁低㊁高㊁极高4个等级,满足合理性要求,G D -I I M 模型的灾易发性评价成功率㊁预测率分别为90.5%,85.5%,精度较高㊂[结论]双变量统计方法耦合地理探测器在构建研究区的易发性评价预测模型中表现出较为准确的结果㊂考虑非灾害点信息量进行模型构建比I M 单一考虑灾害点信息量模型精度有所提升,适宜研究区的模型构建㊂关键词:信息量模型;确定性系数法;地理探测器;S C A I ;R O C 曲线;易发性文献标识码:B 文章编号:1000-288X (2024)01-0193-13中图分类号:P 694文献参数:高星星,马鹏斐,吕义清,等.基于统计方法耦合地理探测器的地质灾害易发性评价[J ].水土保持通报,2024,44(1):193-205.D O I :10.13961/j .c n k i .s t b c t b .2024.01.020;G a oX i n g x i n g ,M aP e n gf e i ,L üY i q i ng ,e t a l .G e o l o g i c a lh a z a r ds u s c e p ti b i l i t y e v a l u a t i o nb a s e do nas t a t i s t i c a lm e t h o dc o u pl e d w i t h g e o -g r a ph i c d e t e c t o r [J ].B u l l e t i no f S o i l a n d W a t e rC o n s e r v a t i o n ,2024,44(1):193-205.G e o l o g i c a lH a z a r dS u s c e p t i b i l i t y E v a l u a t i o nB a s e do na S t a t i s t i c a l M e t h o dC o u p l e dw i t hG e o g r a ph i cD e t e c t o r AC a s e S t u d y i n M o u n t a i n o u sA r e a o fL ül i a n g C i t yG a oX i n g x i n g 1,M aP e n g f e i 1,L üY i q i n g 1,Z h a o J i n l i a n g 2,H eH a i l o n g2(1.C o l l o g e o f m i n i n g E n g i n e e r i n g ,T a i y u a nU n i v e r s i t y o f T e c h n o l o g y ,T a i yu a n ,S h a n x i 030000,C h i n a ;2.S h a n x iM e t a l l u r g i c a lC o r p o r a t i o nG e o t e c h n i c a lE n g i n e e r i n g I n v e s t i g a t i o n ,T a i yu a n ,S h a n x i 030000,C h i n a )A b s t r a c t :[O b j e c t i v e ]Ah i g h -p r e c i s i o n g e o l o g i c a l h a z a r ds u s c e p t i b i l i t y ev a l u a t i o n m o d e lw a sd e t e r m i n e d f o r t h e t h r e ed i s t r i c t s (c o u n t i e s )o fL i s h i ,S h i l o u ,a n d L i u l i ni n L ül i a n g C i t y ,S h a n x iP r o v i n c ei n L u l i a n gm o u n t a i o n o u s a r e a i no r d e r t o p r o v i d ea u x i l i a r y d e c i s i o n -m a k i n g s u p p o r t f o rr e g i o n a l p l a n n i n g i nt h ea r e a .[M e t h o d s ]B a s e do na g e o g r a p h i c i n f o r m a t i o ns y s t e m ,as a m pl eo f525h i s t o r i c a lh a z a r d p o i n t sa n d500r a n d o m l y s e l e c t e dn o n -h a z a r d p o i n t s i n t h e r e g i o nw e r eu s e d ,a n d 19i n f l u e n c i n g f a c t o r s o f g e o l o gi c a l h a z a r d w e r es e l e c t e d .G e o g r a p h i c d e t e c t o r s (G D )w e r e u s e dt o j u d g et h er e l a t i v ei m po r t a n c e o fe a c hf a c t o r .C o r r e l a t i o n t e s t s a n d f i l t e r i n g i n d e x f a c t o r sw e r e d e t e r m i n e d o n t h e J u p yt e rN o t e b o o k p l a t f o r m.B a s e d o n t h e i n f o r m a t i o n m e t h o d (I M ),a m e t h o d w a s p r o p o s e dt oc a l c u l a t et h ea m o u n to f i n f o r m a t i o n p r o v i d e d b y d i s a s t e r p o i n t sc o m b i n e d w i t ht h ea m o u n to fi n f o r m a t i o n p r o v i d e d b y no n -d i s a s t e r p o i n t st oo b t a i nt h ei m p r o v e d i n f o r m a t i o nm e t h o d(I I M),a n d t o c a l c u l a t e t h ew e i g h tw i t h t h e h e l p o f t h e s p a t i a l h e t e r o g e n e i t y q v a l u e o f g e o g r a p h i cd e t e c t o r s.S i xe v a l u a t i o ns y s t e m s(G D-I I M,G D-I M,G D-C F,I M,C F,a n dI I M)w e r e e s t a b l i s h e du s i n g t h e c e r t a i n t y f a c t o r(C F).T h en a t u r a l b r e a k p o i n t c l a s s i f i c a t i o n m e t h o dw a su s e d t od i v i d e t h e s u s c e p t i b i l i t y i n t o f i v e,f o u r,a n d t h r e e l e v e l s,a n d t h ea c c u r a c y o f t h e p a r t i t i o nr e s u l t sw a sv e r i f i e db y t h e s e e dc e l la r e ai n d e x(S C A I).T h ea c c u r a c y o ft h e m o d e l r e s u l t s w a sc o m p a r e d w i t ht h e R O Cc u r v e. [R e s u l t s]A f t e r S C A I t e s t i n g,t h em o d e l sw e r e d i v i d e d i n t o f o u r l e v e l s(v e r y l o w,l o w,h i g h,a n d v e r y h i g h) t h a tm e t t h e r a t i o n a l i t y r e q u i r e m e n t s.T h e s u c c e s s r a t e a n d p r e d i c t i o n r a t e o f d i s a s t e r s u s c e p t i b i l i t y e v a l u a t i o n b y t h eG D-I I M m o d e l r e a c h e d90.5%a n d85.5%,r e s p e c t i v e l y.T h e I I M m o d e l e x h i b i t e d2%~4%g r e a t e r a c c u r a c y t h a nt h e t r a d i t i o n a l I M a n dC Fs t a t i s t i c a lm e t h o d s.[C o n c l u s i o n]T h eb i v a r i a t es t a t i s t i c a lm e t h o d c o u p l e dw i t h g e o g r a p h i c d e t e c t o r s p r o d u c e dm o r e a c c u r a t e r e s u l t s i n c o n s t r u c t i n g t h e v u l n e r a b i l i t y e v a l u a t i o n p r e d i c t i o nm o d e l i n t h e s t u d y a r e a.M o d e l c o n s t r u c t i o n t h a t c o n s i d e r e d t h e n o n-d i s a s t e r p o i n t i n f o r m a t i o nw a s m o r e a c c u r a t e t h a n t h e I M m o d e l t h a t c o n s i d e r e do n l y t h ed i s a s t e r p o i n t i n f o r m a t i o n m o d e l.T h e i m p r o v e d m o d e lw a s s u i t a b l e f o r l o c a lm o d e l c o n s t r u c t i o n.K e y w o r d s:i n f o r m a t i o nm e t h o d;c e r t a i n t y f a c t o r;g e o g r a p h i c a l d e t e c t o r s;S C A I;R O Cc u r v e;s u s c e p t i b i l i t y地质灾害是一种危险性极大的地质现象,多由地质条件变化㊁极端天气㊁人为扰动等原因引发,呈隐患多,分布广,易突发的特点,严重损害人类生命财产安全,极大制约中国的可持续发展战略㊂近年来,中国多省地经济快速发展的同时地质灾害发生频率也随之升高,山西省尤为突出㊂2023年7月,山西省政府出台了该年度地质灾害防治方案,晋西黄土高原部分地区离石㊁石楼㊁柳林三地因植被覆盖减弱,用地类型改变,建筑兴起,交通网络日渐密集导致灾害频发被划定为重点防治区㊂地质灾害发生态势多不可控,且易对生态㊁基础设施㊁人员造成严重损害[1],提前预测灾害高发范围对于精准划定防治区域㊁早期救援以及居民安全规划至关重要[2]㊂区域地质灾害易发性评价是通过分析孕灾因子与灾害点的关系继而确定灾害易发的最佳组合[3],并将特定区域内的地质灾害发生空间范围可视化㊂该方法可为区域地质灾害预防与治理工作提供参考,有效减少伤亡㊂近年来,在G I S技术支持下,地质灾害易发性评价方式不断改进,理论体系日趋完善,最初的定性分析逐步发展为客观性更强的定量分析[4]㊂基于专家经验的定性分析方法(层次分析法(A H P)[5])客观性较差,易受主观因素影响[6]㊂定量分析可分为机器学习㊁统计方法两大类㊂人工神经网络(A N N)[7]㊁随机森林(F R)[8]㊁深度学习(D L)[9]㊁逻辑回归(L R)[10]等机器学习方法,大多需要频繁迭代运算㊁调整参数,操作相对复杂[11]㊂统计分析法因其操作简便备受研究者青睐,应用相对广泛[12],诸如信息量法(I M)[13]㊁确定性系数法(C F)[14]㊁证据权模型(WO E)等[15]㊂提高统计方法精度是国内外学者近年不断研究的热点之一㊂梁丽萍等[16]采用信息量与确定性系数相耦合的方法探究四川省泸定县地质灾害易发性;陈飞等[17]以信息量为基础,结合神经网络模型对评价结果进一步训练以预测江西上犹县滑坡发生概率;D e v k o t aK.C.等[18]采用逻辑回归及多种统计方法对喜马拉雅山区展开滑坡易发性评价,经过对比分析寻找研究区最优模型㊂S h a n oL.等[19]采用多种双变量㊁多变量等统计法展开研究,得出不同区域应根据其调查目的㊁地质条件等采用不同方法的结论㊂本文结合研究区地质灾害发生特征,以统计方法为基础,同时耦合地理探测器,分别结合I I M,I M,C F 建立评价模型,对研究区地质灾害易发性展开分析㊂1研究区概况山西省吕梁市中南部离石㊁石楼㊁柳林三县(区),是华北地区通往大西北的重要中枢,位于黄河东岸,吕梁山西麓,地跨北纬36ʎ51' 37ʎ42',东经110ʎ28' 111ʎ35',属晋西黄土高原的一部分,是山西省受地灾影响最为严重的地区之一(图1)㊂地貌形态主要为中山㊁丘陵两类,地形起伏大,海拔在900~1600m 之间,陡坡深沟交错,多被厚层黄土覆盖,植被生长不均衡,年降雨量460~561mm㊂区域内断裂构造不发达,离石大断裂为主要断裂带,北起离石,南至石楼,压性结构面特征突出,断裂面近直立或向西倾,断距较大;地层发育较为完整,除古生界奥陶系上统㊁泥盆系㊁志留系㊁白垩系上统有缺失外,其余地层均有出露;近年来经济发展较快,道路繁复,青银高速㊁沿黄旅游公路等交错纵横㊂截至2022年底,研究区共累计发生525处地质灾害,不稳定斜坡㊁滑坡㊁崩塌为主要地质灾害形式(图2)㊂2018年4月30日,离石区枣林乡彩家庄遭491水土保持通报第44卷遇滑坡事故,被埋9人全部遇难[20];2021年10月5日,石楼县发生黄土崩塌,致1人遇难㊂地质灾害的频发对当地人民生命和社会经济造成了严重损害,已成为制约该地区发展的主要因素[21],因此,亟需研究精准预测该区域地质灾害易发性的方法㊂图1研究区地形F i g.1T o p o r a g h i cm a p o f s t u d y a r e a图2研究区地质灾害类型及程度F i g.2T y p e s a n dd e g r e e s o f g e o l o g i c a l h a z a r d s a t s t u d y a r e a 2数据源及方法2.1数据源D E M数据采用E a r t h d a t e2020年2月18日最新出台的N A S A D E M V001d e m数据,空间分辨率30m;土地利用数据由地理空间数据云网站获取L a n d s a t8O L I_T I R S卫星影像,应用E N V I软件进行裁剪㊁辐射定标等预处理,选取特征数据进行监督分类,目视解译而来,空间分辨率30m;地貌类型由中国1ʒ100万地貌图提取而来;土壤性质来自I S R I C-W o r l dS o i l I n f o t m a t i o n;植被覆盖度由N A S A 官网提供的MO D I S数据采用MO D I SR e p r o j e c t i o n T o o l软件提取而来;岩性㊁断层数据源于中国地质调查局地质云提供的1ʒ50万基础地质图;河流及道路数据由全国地理信息资源目录服务系统获取;坡度㊁坡向㊁曲率㊁地形起伏度数据由D E M借助A r c G I S 10.2提取得来;30m分辨率多年降雨数据由中国科学院成都山地灾害与环境研究所数字山地与遥感应用中心提供;地质灾害空间分布数据由中国科学院资源环境科学与数据中心获取,经G o o g l e遥感影像进行目视检验并通过实地考察进行验证㊂2.2研究方法2.2.1信息量模型1948年信息论创始人S h a n n o n 提出信息量法[22],后逐步发展到地质行业灾害预测领域㊂其核心思想是通过计算各指标因子不同的分级状态对灾害发生所贡献的信息量来表示其对灾害的孕育程度,并对灾害易发性等级进行划分㊂公式为:I i j=l n N i j-NS i j-S(1)式中:I i j为指标因子x i划分区间j对地质灾害事件提供的信息量;N i j,S i j为因子x i j区域内的灾害点数量及x i j的区域面积;N为区域内灾害点总量;S为区域栅格总面积㊂由公式可知,I i j越大,灾害点提供的信息量越大,因子x i j对地质灾害发育影响越大,地质灾害越易发生㊂由此,依据信息量原理,提出可以增加考虑非灾害点所贡献的信息量,补充利用随机分布的非灾害点进行上述因子分级信息量计算,用I I i j为代表,以表示各影响因子不同分级状态对灾害不发生所贡献的信息量,即I I i j越大,地灾不发生的可能性越大㊂I I i j=l n M i j-MS i j-S(2)式中:I I i j为x i j因子对地质灾害不发生所提供的信息量;M i j,M为x i影响因子j分级区间内的非灾害点数量及研究区非灾害点总量;S i j及S仍为x i j区间所占栅格面积与区域栅格总面积㊂考虑以上各点提供信息量,以评价单元中灾害点提供信息量与非灾害点所贡献的信息量之差表示改进信息量:H i j=I i j-I I i j(3)式中:H i j为考虑非灾点后的x i指标因子的j分级状态所提供的综合信息量㊂H i j越大,相应评价单元地灾发生的可能性越大,灾害易发性等级也越高㊂2.2.2确定性系数法确定性系数法是概率统计方法的一种,假定历史灾害点地质环境等条件不变,计算各分级状态下灾害发生的相对概率[23]㊂用C F表示,值域为[-1,1],大于0表示地质灾害发生确定性较高;小于0表示有较低确定性地质灾害会发生;越591第1期高星星等:基于统计方法耦合地理探测器的地质灾害易发性评价趋近-1越不易发生地质灾害;C F =0表示不能确定地质灾害是否会发生㊂公式为:C F =P P a -P P s P P s (1-P P a) (P P a <P P s )P P a -P P sP P a (1-P P s )(P P a ȡP P s )ìîíïïïï(4)式中:P P a 表示a 分级区间内灾害点数量与区间面积的比值;P P s 为研究区灾害点总量与研究区总面积的比值㊂2.2.3 地理探测器 地理探测器是一种基于空间分布异质性(图3)[23]与方差理论以q 值为度量的处理多类型变量的空间分析方法[24],也是目前学者研究驱动力及因子分析的工具之一㊂其核心思路是:假使某自变量X 对因变量Y 有重要影响,那么两者应具有相同的空间分布㊂q 值计算见式(9)㊂ q =1-ðLh =1N h σ2h N σ2=1-S S WS S T(5) S S W=ðLh =1N h σ2h(6) S S T=N σ2(7)式中:N h 为区域h 的单元数;σ2h 表示Y 值方差;N 和σ2为研究区总单元数和Y 值方差㊂S S W 及S S T为各区域方差之和及研究区总方差[25]㊂q 值表征各个影响因子的贡献率,值域为[0,1],越接近1说明Y 的空间差异越显著㊂本文利用归一化后的q 值作为各因子的一级指标权重以量化因子间差异性㊂图3 空间分异性原理F i g .3 P r i n c i p l e o f s p a t i a l h e t e r o g e n e i t y2.2.4 相关性检验 评价因子的选择在地质灾害易发性评价中起着关键作用,直接影响模型的最终精度㊂本文利用P y t h o n 语言计算两两因子间相关系数以排除存在相关性较大的因子,避免其对模型结果造成影响㊂19世纪80年代,卡尔㊃皮尔逊等人提出皮尔逊相关系数(P e a r s o nc o r r e l a t i o nc o e f f i c i e n t ),该系数适用于衡量呈正态分布的连续变量间的相关程度,是目前统计学中计算相关性的有效方法之一㊂设(X ,Y )为二维连续变量,相关系数表达式为:ρX ,Y =c o v (X ,Y )σX σY =E (X -E X )(Y -E Y )σX σY(8)式中:ρ表示相关系数;c o v 为协方差;E 为数学期望或均值㊂ρ范围在-1~1之间,0表示没有相关性,接近-1或1则表示两因子呈负相关或正相关关系㊂2.3 模型验证2.3.1 S C A I 种子验证法 种子细胞面积指数(S C A I )于2004年提出,由S üz e n 等[26]给出公式,后多应用于验证评估模型的准确性,应用于地灾易发性评价体系中,S C A I 可定量表示各级别与灾害发生的相关性,表达为:每一易发性级别的面积百分比与每个级别的地质灾害百分比的比率㊂S C A I 越低表示地质灾害易发性水平越高,模型精度越高㊂在高易发水平下具有S C A I 值较小,低易发性水平S C A I 值较大即表示模型分区合理准确㊂2.3.2 R O C 曲线 受试者工作特征曲线(R O C )反映了数据特异性和敏感性的持续变化,早年应用于医学行业,后国内外学者逐步应用到灾害评价领域㊂其横坐标由正确预测非灾害点的比例(1-特异度)构成,纵坐标为正确预测灾害点的比例(灵敏度)组成[27]㊂在易发性评价模型验证中,R O C 曲线可以看作分类器对模型分类效果的评定,由其线下面积A U C 值作为度量指标,值域为[0.5,1]㊂曲线能够简单直观地反映出所选方法和易发性结果之间的关系,准确性较高㊂A U C 越接近1说明模型预测结果精确度越高[28]㊂2.4 研究区模型构建为使得非灾害点能尽可能多地表达出不利于地质灾害发生的因子特性,利用A r c G I S 10.2软件在距灾害点2500m 缓冲区外随机选择500个非灾害点与之混合,并以8ʒ2比例进行分配,最终得到由820个样本点组成的训练集以及205个样本点组成的验证集㊂首先,对各影响因素进行分级,用以地理探测器因子探测㊂对于显著性较差(p >0.05)的孕灾因素予以剔除㊂其次,结合因子重要性,通过相关性检验筛除与多数因子相关性较大的影响因素,最终确定691 水土保持通报 第44卷12个地灾指标因子㊂从训练集出发,以探测器q值表示各灾害指标因子对地质灾害发生的影响程度,分别耦合I I M,I M,C F构建加权模型,以S C A I,R O C曲线对结果进行验证(图4)㊂加权公式为: L S I=W1X1+W2X2+ +W o X o(9)式中:L S I为地质灾害易发性综合指数;X o(o=1,2 12)为o因子;W o表示评价因子o对应的归一化后q值㊂图4地质灾害易发分区定量分析流程图F i g.4P r o c e s s d i a g r a mf o r q u a n t i t a t i v e a n a l y s i s o f g e o-h a z a r d s s u s c e p t i b i l i t y z o n a t i o n3研究区地质灾害易发性评价本研究遵循地质灾害评价流程,主要依托A r c G I S10.2平台展开:首先,对影响因素进行筛选,以避免因子间相关性及因子冗余对结果造成影响;其次,用训练集构建6大预测模型并结合测试集展开模型精度验证,选取适宜于本研究区的最优模型;最后,将评价结果分级制图,直观呈现灾害易发性分布情况㊂3.1评价因子的确定地质灾害成因复杂,由多种因素共同决定㊂评价因子的选取对地质灾害易发性评价至关重要[29],构成了其空间预测的不确定性㊂3.1.1因子初选及预处理研究区多为黄土覆盖,植被覆盖变化分明,海拔特征明显,由中山区㊁丘陵区相交而成㊂2022年山西省政府亦发文指出地灾重点防治区应着重排查公共道路地区以降低灾害隐患㊂故本文结合研究区地理条件㊁数据可获取性㊁政府公告以及研究地区地质灾害高发类型(不稳定斜坡㊁滑坡㊁崩塌)孕灾条件,从地形地貌㊁基础地质㊁水文气象㊁环境㊁人类活动方面共收集了19个相关因素,以30m*30m 栅格为划分单元将全区共划分为4817414个评价单元㊂为进一步对地质灾害易发性展开评价,将各影响因素进行预处理及分类操作㊂离散型数据按属性分类,连续型数据中将影响范围有限的因素如 距河流距离 等以等距法分类,其余均采用自然断点法分类㊂3.1.2评价因子检验及确定赋值灾害点为1,非灾害点为0,利用地理探测器对各影响因素进行因子探测同时筛除不显著因子,探测结果(图5)㊂各因素对应q值表示其对地质灾害的影响程度,用于耦合I I M,I M,C F构建易发性评价模型;p值表示相应因子的显著性检验结果,通常以0.05为界,小于0.05表示差异显著,大于0.05表达为该因素对地质灾害发生影响不能确定,值越大说明该类型变量对灾害发生有影响这一推断的可靠性越低,故将其对应因素剔除㊂由图5b可知,坡向㊁地形湿地,水流强度㊁剖面曲率㊁距断裂带距离5个因素p值均大于0.05,显著差异性过小,予以剔除㊂791第1期高星星等:基于统计方法耦合地理探测器的地质灾害易发性评价图5地理探测器地质灾害因子探测结果F i g.5G e o-h a z a r d f a c t o r d e t e c t o r r e s u l t s o f g e o g r a p h i c a l d e t e c t o r a t s t u d y a r e a为避免因子冗余及相关性对统计结果产生影响,利用P y t h o n语言对剩余得到的14个因素进行相关性检验(见图6),以剔除各相关较大因子㊂如图6所示,高程与降雨㊁植被覆盖度存在较大相关性;坡度与地表粗糙度相关系数高达0.921,以尽可能少地剔除因子为原则,结合地理探测器q值结果,决定删除高程㊁地表粗糙度两因子㊂最终选定:N D V I值㊁土地利用㊁距公路距离㊁地表起伏度㊁距河流距离㊁土壤性质㊁坡度㊁降雨㊁岩性㊁植被覆盖空间序列㊁地貌㊁距铁路距离共12因子作为灾害易发性评价指标(图7)㊂图6研究区各地质灾害因子相关性热力图F i g.6F a c t o r-r e l a t e dh e a tm a p o f g e o-h a z a r da t s t u d y a r e a3.2基于信息量的统计分析依据筛选结果及评价指标等级划分,统计各因子二级状态下的灾害点㊁非灾害点数量及栅格面积,利用I M模型下的公式(1),(2),(3)分别计算每个一级指标下的各二级指标权重(表1)㊂4结果与分析4.1重要指标因子分析将G D-I I M,G D-I M以及G D-C F三模型相应地质灾害易发性图与选定的12因子图叠加,分析不同因子与易发性水平的关系㊂不同地灾易发程度下,各因子面积百分比见图8㊂下文对本研究区影响灾害发生最大的4个因子展开描述㊂由因子探测结果可知,N D V I是决定本研究区地质灾害易发性的重要因素㊂植被可以加大地表粗糙度,同时对雨水有一定遮挡能力,可以起到降低入渗量的作用;同时,植被根系可以保持水土稳定,提高土体的抗冲㊁抗蚀强度㊂所以,一般情况下,N D V I值越高,越能防止浅层滑坡㊁不稳定斜坡等地质灾害的发生㊂891水土保持通报第44卷991第1期高星星等:基于统计方法耦合地理探测器的地质灾害易发性评价图7研究区地质灾害影响因素空间分布F i g.7S p a t i a l d i s t r i b u t i o n p a t t e r no f i m p a c t f a c t o r s o n g e o-h a z a r d s a t s t u d y a r e a表1 研究区各地质灾害评价指标统计值T a b l e 1 S t a t i s t i c a l v a l u e s o f e a c h e v a l u a t i o n i n d e x o f g e o -h a z a r da t s t u d y ar e a 指标因子二级状态值I i jI I i j H i j 指标因子二级状态I i jI I i j H i j 植被覆盖度土地利用距公路距离地形起伏度降雨坡度[0.00,0.19]0.5960.0050.591(0.19,0.31]0.192-0.3080.500(0.31,0.42]0.212-0.4680.679(0.42,0.55]-0.4910.208-0.699(0.55,0.71]-0.8540.225-1.078(0.71,0.88]-1.9510.367-2.317(0.88,1.00]-5.9300.778-6.708耕地0.598-0.4211.019林地-2.3940.591-2.985灌木-3.4150.730-4.146草地0.006-0.1060.111水域-2.6691.071-3.740裸地2.073-0.1782.251建设用地1.046-0.7281.773[0~500]1.271-2.2463.516(500~1000]0.142-2.1452.287(100~1500]-0.089-0.7780.689(1500~2000]0.254-1.0511.306(2000~2500]0.042-0.1960.239>2500-0.3510.253-0.604[0,51]-1.647-0.617-1.030(51,90]0.601-0.2150.816(90,113]0.249-0.2440.493(113,136]-0.3650.162-0.526(136,172]-1.3320.365-1.697(172,359]-4.4830.508-4.990[464.1,487.9]-0.2120.532-0.744(487.9,495.7]-0.0930.133-0.226(495.7,501.7]0.334-0.1120.447(501.7,507.2]-0.003-0.1390.135(507.2,513.7]-0.229-0.2520.023(513.7,522.8]-1.4910.447-1.938(522.8,546.3]-3.9371.361-5.298[0,6.34]0.587-0.1470.734(6.34,11.14]0.315-0.0390.354(11.14,15.29]-0.0340.056-0.090(15.29,19.24]-0.0020.061-0.063(19.24,23.35]-0.520-0.014-0.505(23.35,28.33]-0.133-0.081-0.051(28.33,66.54]-0.7480.136-0.884土壤性质岩性距铁路距离距河流距离植被覆盖空间序列地貌石灰性雏形土-1.5591.298-2.857饱和雏形土0.048-0.1170.164潜育雏形土-0.2450.060-0.305石灰性冲积土-4.1110.953-5.064黑色石灰薄层土-1.1930.327-1.520简育高活性淋溶土-3.347-0.991-2.356钙积高活性淋溶土0.458-0.5871.045石灰性疏松岩性土0.417-0.8511.268花岗岩-0.6280.731-1.359板岩㊁千层岩(泥质岩)0.062-0.1290.191页岩-2.8161.486-4.302石灰岩和其他碳酸盐-1.2340.155-1.389风成相0.373-0.1330.506河流相-2.5801.385-3.966[0,500]0.723-1.1201.843(500,1000]0.265-0.6930.958(1000,1500]-0.396-0.5420.147(1500,2000]0.361-0.2360.597(2000,2500]0.013-0.4030.416>2500-0.0860.105-0.190[0,300]0.877-0.2131.090(300,600]0.2490.1600.089(600,900]0.022-0.0450.068(900,1200]-0.336-0.202-0.134(1200,1500]-0.396-0.298-0.098>1500-0.1940.068-0.262极显著退化-0.8641.208-2.071极显著退0.421-2.5182.939不显著退化-0.0130.201-0.214不显著增加0.374-0.2630.637显著增加0.241-0.0130.254极显著增加-0.225-0.200-0.025中海拔中起伏山地-1.646-2.8081.163中海拔冲积洪积平原-3.739-1.383-2.356中海拔大起伏山地-1.487-3.6302.143中海拔黄土台塬-2.868-2.172-0.696中海拔黄土塬-2.131-2.1980.067中海拔黄土梁峁-2.694-2.058-0.636中高海拔大起伏山地-1.736-1.8500.113低海拔小起伏山地-0.355-0.301-0.054低海拔洪积台地-5.984-1.325-4.659不合理的土地利用方式是地质灾害现象加剧的重要原因㊂由图8可知,研究区建筑用地㊁水域㊁耕地3种地类地质灾害点密度较大,易发性均呈高㊁极高状态㊂原因在于这3种地类周围人口密度较大,人类活动多,易造成山地植被破坏,降低了土层稳定性,同时,各类水资源容易渗入基底软弱地层,孔隙水压力增大,易形成滑动面,从而引发滑坡等灾害活动;灌木林地面积较小,加之树木根系发达起到固土抗滑作用,并能截流抗蚀,为地质灾害提供不了物质基础,故基本处在低易发或极低易发区域;裸土地表层无植被002 水土保持通报 第44卷覆盖,土壤肥力衰退,面积比例最小,研究区大部分范围被草地㊁林地覆盖,故而4种易发性区域均有涉及㊂近年来,人类工程扰动对地质灾害影响愈发剧烈,受到多地政府的重视㊂通常情况下,山区地形条件复杂,地质环境脆弱㊂然而,交通公路的建设导致切坡㊁填沟㊁爆破等操作不可避免,加剧了土壤松动,严重破坏了地质环境,极易诱发不稳定斜坡㊁滑坡㊁崩塌㊁地裂缝现象㊂由图8可知,与公路距离较近时,高易发㊁极高易发区面积比例增大,随着与公路距离的增大,地灾活动也逐渐减少㊂当超过2500m范围时,高易发及以上区域面积比例减少,原因在于距公路超过2500m范围面积较大,灾害发生密度相对降低,故而极低㊁低发区面积占比有所回升㊂地形起伏度为一定区域内最高点与最低点的高程之差,是描述地貌形态的重要参数,也是斜坡稳定性的表达要素㊂地势平坦,地貌形态单一地带因其剪应力也相对较小,发生地质灾害的概率同样很小㊂随着起伏度的增加,产生滑动的剪应力也不断增加,地质构造越发活跃,发生滑坡灾害的概率也随之增大㊂图8研究区不同地质灾害易发性等级下各因子所占百分比F i g.8P e r c e n t a g e o f e a c h f a c t o r a t d i f f e r e n t s u s c e p t i b i l i t y l e v e l s o f g e o-h a z a r da t s t u d y a r e a 102第1期高星星等:基于统计方法耦合地理探测器的地质灾害易发性评价4.2模型验证4.2.1S C A I对G D-I I M,G D-I M,G D-C F三模型的分区情况展开验证,以确保研究区地灾易发性评价分区准确性㊂为得到最可靠的划分级别,采用自然断点法将研究区分别划分为5,4,3个易发性等级,并分别进行S C A I检验,最终确定合适易发性等级㊂结合A r c G I S 10.2区域统计工具,将灾害点与评价结果叠加,计算不同等级下灾害点个数㊁分区面积及相应S C A I值㊂由S C A I验证原则可知,构建模型需满足易发性等级与S C A I呈反向相关关系,即当各易发性区间的S C A I值随易发性级别的增高而降低时说明地质灾害发生情况与易发性分区一致,区域划分准确㊂图9G D-I I M,G D-I M及G D-C F模型在研究区不同地质灾害易发性分级区间下的S C A I值F i g.9S C A I v e r i f i c a t i o n r e s u l t s u n d e r d i f f e r e n t g e o l o g i c a l h a z a r d s u s c e p t i b i l i t y i n t e r v a l s o f s t u d y a r e ab y t h r e em o d e l s为在图中直观表示S C A I变化情况,将个别过大数据进行了倍数缩小处理,横坐标以数字表示易发性等级的升高(图9)㊂图9a中,G D-I I M,G D-I M的极低易发区与低易发区S C A I呈上升态势,易发性水平越高,S C A I值反而越大,分级不合理㊂图9b,9c中,模型被分为3个易发区及4个易发区时,S C A I值均满足随易发性等级升高而降低的特征㊂相较于3个易发级别,当研究区被划分为极低易发区㊁低易发区㊁高易发区㊁极高易发区4个等级时,分区内容更为细致㊁有效㊂且G D-I I M,G D-I M,G D-C F最高易发区S C A I值分别为0.399,0.464,0.362相较划分为3级别下的最高易发区0.495,0.824,0.52的S C A I值数值更小,说明划分为4个级别下易发性模型的预测错误率可得到更好的控制㊂得到最终地质灾害易发性分区图(图10)㊂图10各模型地质灾害易发性评价图F i g.10E v a l u a t i o no f t h e s u s c e p t i b i l i t y o f g e o l o g i c a l d i s a s t e r s i n e a c hm o d e l4.2.2 R O C曲线经R O C检验,由图11a,11b训练集构建的成功率曲线所示I M,I I M模型A U C值分别为0.884,0.903;G D-I M,G D-I I M对应A U C值为0.889,0.905;图10c,10d中,测试集构建的预测率曲线下I I M,I M模型A U C值分别为0.868及0.850, G D-I I M比G D-I M模型A U C提升3%,由此可知,无论是成功率还是预测率,考虑非灾害点信息量模型相较均表现出较好结果㊂202水土保持通报第44卷图11各模型的成功率和预测率的R O C曲线F i g.11R O Cc u r v e s o f s u c c e s s r a t e a n d p r e d i c t i o n r a t e f o r e a c hm o d e l4.3易发性评价结果易发性评价模型对于地质灾害防治具有重要意义㊂为提升统计模型结果精度,优选出最适宜本研究区的灾害评价模型,本文将地理探测器的因子探测结果作为因子权重,耦合各类统计方法,并从传统信息量模型出发,考虑灾害点信息量的同时综合考虑各指标因子不同分级状态下非灾害点所提供信息量,以此提高最终模型结果精度㊂视归一化后的地理探测器空间分异性q值为权重分别与I I M,I M,C F相耦合构建研究区6大地质灾害易发性评价体系,按照8ʒ2比例将样本点划分为训练集和测试集㊂由于易发性分区准确性与区划数量及方式密不可分,本文采用自然断点法分别将研究区易发性级别划分为5,4,3个等级,利用S C A I验证分区准确性从而确定最合理的分划等级,并以R O C曲线对各模型结果进行精度评价㊂得出结果:各模型划分为极低㊁低㊁高㊁极高4个易发性区域时S C A I值与易发性等级呈负相关,且分级效果良好,最为合理准确,满足要求;基于G D-I I M,G D-I M,G D-C F模型的预测率曲线A U C值分别为0.885,0.855,0.873,表明应用双变量统计法耦合地理探测器模型预测效果较好,适宜应用于本研究区易发性评价模型构建;结合成功率曲线㊁预测率曲线结果及极高易发区S C A I值(G D-I I M,G D-I M模型S C A I 为0.036,0.045)均表明I I M相较I M有所优化,精度有所提升㊂5结论(1)研究区灾害点布局分散,由因子探测结果可知,地形条件(植被覆盖度㊁地形起伏度)㊁人类工程活动(土地利用㊁距公路距离)所占权重较大,灾害多受其影响,且研究区灾害易发区不具有极端性,高易发区面积广泛㊂(2)耦合地理探测器确定指标因子权重,基于信息量法考虑非灾害点贡献信息量,构成加权模型㊂通过S C A I及R O C检验,对比I M,I I M,C F,I M-G D, C F-G D,I I M-G D模型在研究区划定的易发性分区结果较为精确,成功率为0.905,预测率为0.885,能够在该区域地质灾害危险性评价中起到较好的预测作用㊂(3)连续型因子不同的离散化方式㊁耦合模型类型等均可能对地理探测器结果产生影响,继而对加权后精度提升程度有所影响,未来研究可进一步探索使地理探测器结果产生差异的原因㊂并且,考虑非灾害点信息量在本研究区的易发性评价模型构建中成效显著,但是否具有普适性仍需进一步研究㊂302第1期高星星等:基于统计方法耦合地理探测器的地质灾害易发性评价。
金沙江下游宜宾—白鹤滩段岸坡稳定性评价与预测
1 引言
金沙江流域水能理论蕴藏量资源十分丰富 ,其中 可开发水电装机容量达 0189 ×108 kW ,年发电量 5 000 ×108 kW·h 。根据国家布署 ,金沙江流域规划了 9 个梯 级水电站 ,总库容为 81917 ×108 m3 ,规划装机容量5 343 ×104 kW ,发电 2 74618 ×108 kW·h ,可大大缓解我国部 分地区长期以来用电紧张的局面 。另外 ,金沙江流域 的开发对三峡水库有重要的拦沙作用 ,减少三峡库尾 段泥沙的淤积 ,推迟三峡水库淤积平衡的年限 ,使三峡 枢纽发挥更大的经济效益和社会效益 。因此 ,有必要 对岸坡稳定性进行评价与预测 ,为“西电东送”水电工 程建设中岸坡失稳的预测和防治提供科学的地质依 据 。本文在充分调研和综合分析研究金沙江干流宜宾 —白鹤滩段岸坡地质背景和岩体力学环境条件的基础 上 ,遵循地质定性分析与定量评价相结合的评价思路 , 对宜宾 —白鹤滩断岸坡的稳定状况作出分段评价预 测。
计算以传递系数法为主 ,毕肖普法作为参照 ,结果 见表 2 。计算时除考虑了崩滑体的天然状态外 ,还考 虑了水库回水工况 ,其中向家坝库段水库回水至 380m ,溪洛渡库段水库回水至 600m。 313 特大型典型崩滑体稳定性的综合评价预测
对 46 个崩滑体逐一分析研究结果表明 ,蓄水前 , 稳定性差和较差的崩滑体有 15 个 ,体积 36 21515 × 104 m3 ,分别占大型崩滑体总数的 3216 %、1714 % ;蓄水 后增至 19 个 ,体积 53 25416 ×104 m3 ,分别占大型崩滑 体总数的 4113 %、2515 %。可见 ,水库蓄水后对淹没范 围内的崩滑体稳定性有较大影响 ,其余崩滑体的稳定 性变化不大 。
水文地质工程地质
表 1 特大型崩滑体稳定性综合评价一览表 Table 1 Synthetically evaluating of very large rockfalls and landslides
滑坡稳定性分析及防治实例
实验值 物理性 质 孔隙比 孔隙率／ ％ 饱和度／ 土粒比重 液限／ ％ ％
含水量／ 湿密度／ ｃｌ 干密度／ ｅ ３ ％ ｇ・ ｎ 一 ｇ・ ｍ－
塑限／ ％
塑性指数 液性指数
最大值 ｌ９６ ． ２ 最小值 ｌ４０ ． ２ 平均值 ｌ６９ ． ２
法 ， 递 系数 法 计算 说 明图见 图 ５ 传 。计 算 公式 如 下 （ Ｂ ５０ １ Ｇ ０ ２ ． ２０ ０ １岩土工程勘察规范 ５ ２ ８ ： ． ． ）
ｎ一 １ —ｌ
∑（ 兀 ） Ｒ ＋
＝
２ 滑坡稳 定性 分析 评价 ２ １ 滑坡稳 定性 分析 ．
２ １ １ 计算模型及计算方法 ． ．
重建 的交通要道 。滑坡一旦整体滑移 ， 不仅会 给地方 经济发 展带 经综合分析滑坡滑 体 、 床岩 土体特 征及 其各 种荷 载情 况 ， 来损 失 ， 滑 还会严重影 响灾后 重建 工作 ， 和谐 社会 建设 带来 一定 对 本次选定以下三种工况来对滑坡稳定性进 行评 价（ 见表 ３ 。 ） 影响。因此 ， 对该滑坡采 用一 定 的工程措 施进 行治 理 ， 提高 滑坡
第３ ８卷 第 １ ３期
２ ０ １ ２ 年 ５ 月
山 西 建 筑
Ｓ ＨＡＮＸＩ ＡＲＣＨＩ ＴＥＣＴＵＲＥ
Ｖ０ｌ３８ Ｎｏ ３ ｜ ．１
Ｍａ ． ２ １ ｙ ０２
・８ ・ ５
文章编号 ：０ ９ ６ ２ （ ０ ２ １ —０ ５ ０ １０ — ８５ ２ １ ） ３０ ８ － ３
３ 本滑坡 的治理 ， ） 不仅 带来显著 的经 济效益 ， 而且也 会带来
明显的社会效益。
３
地震 工况
基于I-D阈值的滑坡气象预警双指标模型
地质科技通报㊀㊀2024年㊀第43卷㊀第1期©Editorial Office of Bulletin of Geological Science and T echnology.This is an open access article under the CC BY -NC -ND license.https:ʊ基于I-D 阈值的滑坡气象预警双指标模型龚泉冰1a ,殷坤龙1a∗,肖常贵2,3,陈丽霞1b ,严亮轩1a ,曾韬睿1c ,刘谢攀1a1.中国地质大学a.工程学院;b.地球物理与空间信息学院;c.地质调查研究院,武汉430074;2.浙江省地质环境监测中心,杭州310007;3.自然资源部浙江地质灾害野外科学观测研究站,杭州310007㊀第一作者,E-mail:qbgong@∗通信作者,E-mail:yinkl@2022-06-20收稿;2022-10-29修回;2022-10-31接受基金项目:国家重点研发计划课题(2023YFC3007201);衢州市自然资源和规划局柯城分局科研项目(ZZCG2021058)中图分类号:P642.22㊀㊀㊀文章编号:2096-8523(2024)01-0262-13㊀㊀㊀doi:10.19509/ki.dzkq.tb20220254摘㊀要:确定降雨阈值对于管控降雨型滑坡灾害风险具有重要意义㊂以浙江衢州市98处降雨型滑坡为例进行降雨阈值研究㊂在统计分析1970 2019年梅汛期间诱发滑坡降雨特征的基础上,首先对比分析I-D㊁E-D 和E-I 曲线建立的降雨阈值模型,然后基于I-D 阈值建立以当日降雨量R 0和5d 有效降雨量R 5为预警指标的滑坡气象预警双指标模型,最后采用历史降雨和滑坡数据检验模型的合理性和可靠性㊂结果表明:(1)I-D 模型对于降雨型滑坡的预测能力优于E-D 和E-I 模型;(2)按双指标模型反演衢州市历史50a 滑坡气象预警情况,红色㊁橙色和黄色预警的年均预警次数为1.5,3.2,9.3次,具有较高的合理性;20处验证滑坡点被双指标模型准确预警,其中15处为红色和橙色预警,此外模型成功预警了2014年全部8处降雨型滑坡;(3)用于检验模型预测能力的7处滞后性滑坡全部成功预警,其中3处橙色预警㊁3处黄色预警和1处蓝色预警㊂本研究提出的预警模型有助于衢州市滑坡气象预警发布,为政府部门开展风险评价和管理提供新思路与方法㊂关键词:降雨型滑坡;有效降雨量;降雨阈值;双指标模型;滑坡气象预警㊀㊀滑坡是我国发生频繁㊁分布广泛,常常造成人员伤亡和经济损失的自然灾害[1]㊂降雨是控制滑坡发生的主要因素之一,其通过抬升地下水位,改变滑体容重,产生水压力和弱化滑动面抗剪强度来影响滑坡稳定性㊂由降雨作用导致的滑坡称为降雨型滑坡[2],中国约有95.5%的滑坡灾害由降雨诱发[3]㊂在降雨型滑坡易发地区,建立滑坡灾害气象预警系统是管控灾害风险的有效手段,诱发滑坡的降雨阈值是建立预警系统的基础数据㊂降雨阈值表示导致滑坡发生的降雨量㊁土壤含水量或其他水文条件的临界值[4]㊂降雨阈值可以通过分析灾害发生的物理过程进行确定性定义,也可以基于历史灾害和降雨数据统计分析得出㊂通过分析滑坡的水文地质条件和稳定性系数变化过程可以确定滑坡发生的具体时间和地点,但是由于难以获取区域上详细准确的地质地理信息,基于滑坡发生物理过程的降雨阈值使用受限㊂数理统计模型通过分析历史滑坡和降雨数据来定义区域滑坡发生的降雨阈值㊂YANG 等[5]利用滑坡发生当日和前7日有效降雨量确定了达州市的降雨阈值㊂HE 等[6]根据我国771处滑坡利用分位数回归方法建立了雨季和非雨季的累计降雨量-持续时间(E-D )阈值㊂MA 等[7]确定了浙江省62个区县的降雨强度-持续时间(I-D )阈值㊂不同数理统计阈值模型从不同方面龚泉冰等:基于I-D阈值的滑坡气象预警双指标模型表征了诱发滑坡降雨事件的降雨特征,阈值研究中应用最广泛的是I-D和E-D模型,少有学者对比不同阈值模型在同一研究区的适用性㊂自然灾害预警系统是减轻灾害风险,实现可持续发展的重要工具㊂基于降雨阈值建立的滑坡气象预警系统已得到广泛运用㊂1985年美国地质调查局在旧金山湾区基于6h预报降雨量和滑坡降雨阈值开发了早期的预警系统[8]㊂日本利用60min的累计降雨量结合土-水特征指标建立了滑坡灾害预警系统[9]㊂香港土力工程处和天文台依据24h预报降雨量建立了国内最早的滑坡灾害预警系统[10]㊂现有预警系统主要选择未来一段时间的预报雨量作为预警指标,此类单一指标主要考虑短时强降雨的影响,在表征前期降雨对滑坡的作用方面有所不足㊂诱发滑坡灾害的数理统计降雨阈值研究已经取得了长足进步,但是由于区域气候特征㊁地质环境背景等条件的区别,不同地区降雨阈值差别显著[11-18],建立具有区域针对性的降雨阈值是必要的㊂进一步地建立滑坡气象预警模型要同时考虑短时强降雨和前期降雨作用,针对研究区域的降雨特征选取预警指标㊂浙江省位于中国东南沿海,雨量充沛,梅汛期间降雨量大且持续时间长,是我国降雨型滑坡最频发的地区之一[19]㊂在分析研究区降雨和滑坡发育特征的基础上,笔者拟以更符合实际降雨入渗情况的有效降雨模型计算前期有效降雨量,对比常用的I-D㊁E-D和E-I模型在研究区的适用性㊂基于研究区特有的梅汛过程确定当日降雨量R0和5d有效降雨量R5为气象预警模型的预警指标,建立滑坡气象预警R0-R5双指标模型,旨在为研究区滑坡预警提供理论指导㊂1㊀研究方法1.1㊀降雨事件定义确定诱发滑坡的降雨阈值前,首先要完成对诱发滑坡降雨事件的定义,即建立同一标准确定降雨开始和结束的时间㊂对降雨事件的准确定义是保证阈值可靠性的重要条件,但目前并没有统一的降雨事件定义标准㊂衢州市汛期降雨具有强弱降雨交替发生,持续时间长等特点㊂本研究对降雨事件划分标准为连续2d累计降雨量小于5mm,如图1所示㊂分析降雨阈值所需的降雨参数有:E,D,I㊂E 为降雨事件的有效降雨量,计算公式为式(1),降雨事件持续时间D为滑坡发生时间前推至本场降雨开始,降雨强度I采用过程平均雨强,即降雨过程中的有效降雨量除以降雨持续时间㊂图1㊀诱发滑坡的降雨事件定义Fig.1㊀Definition of the rainfall events inducing landslides1.2㊀前期降雨作用和有效降雨模型降雨型滑坡的形成过程包括降雨入渗㊁吸水饱和㊁结构劣化㊁坡体失稳等阶段[20]㊂滑坡发生时间较降雨过程可能存在滞后性㊂一般可将触发滑坡的降雨过程分为2个阶段:①前期降雨阶段,此阶段降雨持续入渗会抬升地下水位,产生水压力,增大土体容重,滑面遇水后抗剪强度弱化,为滑坡发育成熟提供条件;②触发降雨阶段,此阶段的降雨直接导致了滑坡发生㊂因此,前期降雨和当日降雨共同作用导致滑坡发生㊂前期降雨在土层缓慢饱和的过程中影响土壤含水量和地下水位等因素从而导致滑坡发生㊂因地下水位和土壤含水量取决于土壤性质(粒径㊁颗粒分布和排列㊁密度㊁孔隙度㊁渗透性等)㊁降雨和温度等因素,难以准确确定㊂ROSSI等[21]通过统计滑坡发生当日降雨和前期降雨的关系来表示前期降雨在诱发滑坡时的作用㊂在降雨诱发滑坡的过程中,由于水分蒸发和地表径流等作用,实际作用于滑坡的降雨量不是前期雨量的简单累加,要考虑雨量的衰减㊂本研究采用有效降雨模型来计算实际作用于滑坡的前期有效降雨量,有效降雨量由滑坡发生前及滑坡发生当日的降雨量分别乘以各自对应的有效降雨系数并求和所得,计算公式如下[22]:R e=R0+αR1+α2R2+ +αn R n,(1)式中:R e为有效降雨量;R0为滑坡发生当日降雨量;R n为滑坡发生前n d降雨量;α为有效降雨系数,反映了前期降雨的实际入渗情况,α=0.8是最适合研究区的有效降雨系数[23]㊂362地质科技通报㊀㊀2024年㊀第43卷㊀第1期1.3㊀降雨阈值模型滑坡发生不仅与降雨相关,同时还取决于岩土体抗剪强度㊁植被覆盖㊁地形地貌等条件㊂在以上众多条件的影响下,即使降雨量相同,诱发滑坡的情况也可能不同,此时仅用降雨并不能表征如上全部因素,也不能完全区分滑坡发生与不发生的降雨边界条件,所以在建立阈值模型时常用一定的滑坡发生概率来确定阈值㊂对于概率的划分主要有2种形式:一是以如1%,10%等滑坡发生概率制作下包络线确定降雨阈值,表示诱发滑坡所需的最小降雨量[24];二是采用贝叶斯[25]㊁分位数回归[26]等方法确定多个滑坡发生概率对应的降雨条件作为降雨阈值,常用于预测滑坡㊂GUZZETTI等[27]将数理统计阈值分为4类:降雨强度-持续时间阈值(I-D);累计降雨量阈值(E);累计降雨量-持续时间阈值(E-D);累计降雨量-降雨强度阈值(E-I)㊂按照建立分级阈值的常用方法[28],本研究先按照各降雨阈值模型的幂函数形式拟合阈值方程,确定阈值曲线的斜率,再以滑坡数量的15%,30%,60%,85%确定各曲线的截距,得到4个等级的阈值曲线㊂降雨强度I 和持续时间D是表征降雨事件的主要参数,也是影响滑坡发生的关键因素㊂I-D阈值建立了诱发滑坡的降雨强度随持续时间的变化关系㊂CAINE[29]在1980年基于全球73个滑坡和降雨数据建立了第一个I-D阈值,其形式如式(2)所示㊂I-D阈值也是目前使用最广泛的阈值模型[30-32]㊂I=αDβ,(2)式中:α和β为拟合参数,其中α为幂函数的截距,β控制了幂函数的斜率,β<0㊂E-D阈值建立了诱发滑坡降雨事件的累计降雨量和降雨持续时间之间的关系,随着降雨持续时间增加,诱发滑坡所需的累计降雨量增大,E-D模型使用也较为广泛[33-34],其形式如式(3)所示:E=αDβ,(3)式中:β>0㊂E-I阈值建立了诱发滑坡降雨事件的累计降雨量和降雨强度之间的关系,其形式如式(4)所示: E=αIβ,(4)式中:β>0㊂1.4㊀滑坡气象预警指标滑坡气象预警是利用滑坡与降雨的关系实现滑坡的预测预报,降雨是预警模型所需的重要信息,所选降雨指标必须能表征降雨与滑坡之间的关系㊂PICIULLO等[35]统计了全球24个滑坡气象预警系统的预警指标,主要采用的是未来1~96h的预报雨量,其中6,12,24h的预报雨量使用最多㊂以预报雨量作为预警指标实际上反映的是滑坡与待发生降雨的关系,没有反映滑坡与前期降雨的关系㊂在浙江,大量滑坡同时受短时强降雨和前期降雨的影响,所以在设计预警指标时既要考虑预报雨量,也应考虑已发生降雨对诱发滑坡的作用㊂对此,本研究提出滑坡气象预警双指标模型,包括预报降雨指标R0和有效降雨指标R e㊂R0为未来一段时间的预报雨量,一般为短时强降雨,可单独诱发滑坡;R e为有效降雨,反映前期降雨诱发滑坡的作用,前期降雨计算天数依据本地实际降雨特征确定㊂降雨阈值建立了降雨与滑坡之间的关系,R0和R e可通过阈值确定㊂以常见的I-D阈值为例,确定预报降雨时长和前期降雨计算时长D后,即可反算预警指标R0和R e㊂2㊀研究区概况及降雨特征2.1㊀研究区概况衢州市位于浙江省西部,金衢盆地西端,钱塘江上游,属亚热带季风气候区,降水充沛,降雨是滑坡的主要诱发因素㊂衢州市域面积8844km2,其中丘陵山地面积达7560km2,占土地总面积的85.5%㊂境内海拔以衢江为轴向南北对称展布,高度逐级提升㊂衢江两侧为河谷,外延为丘陵低山,再扩展上升为低山与中山,海拔为33~1500m㊂NE-SW向的江山-绍兴深断裂横跨衢州全境,境内地质环境复杂,构造形态多样㊂地壳经历了地槽-地台-陆缘活动三大发育阶段,形成了碎屑沉积岩㊁海底火山喷发岩为主的海相㊁滨海相碎屑岩,碳酸盐岩为主的陆相火山喷发岩和陆缘粗碎屑堆积三大沉积建造系列㊂2011年6月15日,研究区受强降雨影响发生群发性地质灾害,全区受灾15处㊂2021年汛期,研究区内遭遇强降雨,诱发多处浅层滑坡(图2)㊂2.2㊀滑坡和降雨数据衢州市历史灾害数据集共记录了369起滑坡,其中211起滑坡记录有具体发生时间和地点,时间跨度为1975-2020年,发生时间精确到天㊂356处滑坡发育规模为小型,其余13处为中型,无大型滑坡发育㊂数据集仅包含滑坡发生时间㊁地点㊁规模和承灾体的社会经济属性等基本信息,基于滑坡发育规模或坡体结构分类建立阈值时受数据制约明显㊂部分滑坡发生前一段时间内无降雨或降雨量明显不足以导致滑坡,在后续降雨阈值分析时,此类数据予462龚泉冰等:基于I-D阈值的滑坡气象预警双指标模型图2㊀衢州市地理位置及区内滑坡Fig.2㊀Location and typical landslides in Quzhou以剔除㊂本研究降雨数据来源于衢州市境内的3个国家级地面气象观测站,其中衢州站为根据全国气候分析和天气预报需要所设置的地面气象观测站,龙游和常山站为以降雨量㊁气温㊁湿度㊁风向㊁风速等基本气象要素观测为主的地面气象观测站㊂观测站记录数据时间为1970 2019年,数据类型为日降雨量㊂3个观测站的位置和年均降雨量等基本信息如表1所示㊂2.3㊀降雨特征分析(1)整体降雨研究区降水充沛㊁旱涝明显㊂据衢州市19702019年降雨资料,年平均降雨量为1700mm,各年降雨量起伏较大,丰水年和枯水年出现频繁,最大年表1㊀衢州市国家地面气象观测站基本情况Table 1㊀Basic information of national ground meteorological observation stations in Quzhou区站号站名站类观测场海拔/m经度/(ʎ)纬度/(ʎ)平均年降雨量/mm最大日降雨量/mm58633衢州国家基本气象站82.4118.890828.9942170020658547龙游国家气象观测站66.2119.194729.04031661170.958631常山国家气象观测站137118.507228.90721769204.2降雨量为2560mm,最小仅为1092mm㊂六月份是全年降雨最集中的时段,月降雨量占全年雨量的19%,降雨和滑坡发育联系紧密,降雨最频繁的月份滑坡也最发育,如图3㊂区内复杂的地形条件有助于静止锋滞留,利于降雨发生㊂台风较难深入境内,影响较小㊂(2)梅汛特征衢州市多年月平均降雨量呈单峰型,降雨过程具有典型的梅汛特征㊂3 5月为春雨期,降水日多,平均雨量小㊂6 7月为梅汛期,降水量大且持续时间长,长时间的持续降雨极易诱发滑坡㊂统计2013 2018年衢州市年度降雨过程,虽然各年度降雨总量相差较大,2015年降雨量为2560mm,2013年降雨量仅为1315mm,但是在6 7月梅汛期降雨量均较大,降雨总量在梅汛期间陡增,如图4㊂以2011年和2017年梅汛过程为例分析其降雨特征,如图5㊂梅汛过程持续时间长,2次降雨过程持续时间分别为20,35d;梅汛期间累计降雨量大,2场降雨事件累计降雨量分别为711,599mm,降雨量可达全年降雨量的1/3以上;降雨呈多峰型,日均降雨量较小,期间穿插发生多次暴雨甚至大暴雨事件,在降雨过程的中后期且日降雨量达峰时是滑坡最易发的时期㊂(3)暴雨特征暴雨诱发滑坡的作用已被广泛证实[36]㊂衢州市562地质科技通报㊀㊀2024年㊀第43卷㊀第1期图3衢州市1970 2019年各月平均降雨量和滑坡分布Fig.3㊀Average monthly rainfall and landslide distribution inQuzhou from 1970to2019图4㊀衢州市2013 2018年累计降雨量Fig.4㊀Accumulated rainfall during 2013-2018inQuzhou图5㊀衢州市2011年(a)和2017年(b)梅汛降雨过程Fig.5㊀Rainfall process of the plum rain season in 2011(a)and 2017(b)in Quzhou39%的暴雨事件发生在6月份,正值梅汛期,如图6所示㊂6月为滑坡最频发时期,数量占全年的46.3%㊂5 7月的暴雨事件占全年的67%,同时期地质灾害占全年的72%,灾害发生和暴雨事件具有良好相关性㊂衢州市50d 内暴雨次数为267,年平均暴雨次数为5.34㊂88.4%的暴雨日降雨量小于100mm,累计236次,大暴雨事件累计31次,无特大暴雨事件㊂综上所述,衢州市梅汛诱发滑坡具有两大特点:①日均雨量小,持续时间长,累计雨量大,降雨过程中微雨㊁中小雨和暴雨交替出现㊂②梅汛诱发滑坡是中小雨持续入渗叠加短时暴雨作用的结果㊂梅汛期间动辄持续2周以上的降雨入渗可深入土体内部,软化斜坡土体,减小抗剪强度,其间叠加多次暴雨作用进一步加大滑坡发生的可能性㊂图6㊀衢州市1970 2019年各月累计暴雨次数和滑坡分布图Fig.6㊀Rainstorm frequency and landslide distribution inQuzhou from 1970to 2019662龚泉冰等:基于I-D 阈值的滑坡气象预警双指标模型3㊀阈值结果和双指标预警模型3.1㊀降雨阈值结果(1)I-D 阈值剔除非降雨诱发和发生时间㊁地点模糊的灾害点,将剩余98处具有明确发生时间和地点的滑坡用于阈值分析,其中78处用于拟合I-D 阈值曲线,另20处用于验证拟合效果㊂以降雨持续时间D 为横轴,有效降雨强度I 为纵轴,统计诱发滑坡降雨事件的持续时间和有效降雨强度作双对数坐标散点图,以区域滑坡15%,30%,60%,85%的发生概率按式(2)建立I-D 阈值曲线为I 15%=25D -0.568,I 30%=40D -0.568,I 60%=62D -0.568和I 85%=90D -0.568,结果如图7㊂I-D 阈值曲线表明持续时间短的降雨事件诱发滑坡所需的降雨强度大,但是经过一段时间的降雨积累后,强度较小的降雨也能够诱发滑坡㊂这说明在前期降雨对滑坡的持续浸润下,岩土体趋于饱和,抗剪强度降低,后续诱发滑坡所需的降雨强度变小㊂图7㊀降雨诱发滑坡的I-D 阈值曲线Fig.7㊀Rainfall intensity-duration (I-D )thresholds for the in-itiation of landslides(2)E-D 阈值以降雨持续时间D 为横轴,有效降雨量E 为纵轴,统计诱发滑坡降雨事件的持续时间和有效降雨量作双对数坐标散点图,以区域滑坡15%,30%,60%,85%的发生概率按式(3)建立E-D 阈值曲线为E 15%=43D 0.151,E 30%=70D 0.151,E 60%=115D 0.151和E 85%=150D 0.151,结果如图8㊂E-D 阈值曲线整体上呈现出有效降雨量E 随持续时间D 增加而增大的趋势,但是曲线较为平缓,累计有效降雨量E变化图8㊀降雨诱发滑坡的E-D 阈值曲线Fig.8㊀Cumulated event rainfall-duration (E-D )thresholdsfor the initiation of landslides不明显,说明在不同持续时间的降雨事件中,滑坡发生对累计有效降雨量敏感度较低㊂图9㊀降雨诱发滑坡的E-I 阈值曲线Fig.9㊀Cumulated event rainfall-intensity(E-I )threshold forthe initiation of landslides(3)E-I 阈值以有效降雨强度I 为横轴,有效降雨量E 为纵轴,统计诱发滑坡降雨事件的有效降雨强度和有效降雨量作双对数坐标散点图,以区域滑坡15%,30%,60%,85%的发生比例按式(4)建立E-I 阈值曲线为E 15%=37I 0.348,E 30%=58I 0.348,E 60%=80I 0.348和E 85%=99I 0.348,结果如图9㊂E-I 阈值曲线整体上反映了有效降雨量E 随有效降雨强度I 的变化趋势:E 随I 增大而增大,降雨强度较小时,有效降雨量也较小,降雨强度增大,有效降雨量也随之增大㊂在较小和较大的降雨强度下,诱发的滑坡数量较少,这是因为E 和I 较小时不易诱发滑坡,E 和I 较大的极端降雨出现次数较少㊂诱发滑坡的降雨强度主要集中在8~50mm /d 内,累计有效降雨量主要集中于762地质科技通报㊀㊀2024年㊀第43卷㊀第1期80~250mm㊂3.2㊀阈值模型预测能力评价3类模型以有效降雨强度㊁降雨持续时间和有效降雨量为基础数据,从不同方面表示了诱发滑坡降雨事件的降雨特征㊂使用独立于阈值建立的滑坡数据集检验各模型对滑坡灾害的预测能力,验证滑坡所处区间概率越大,说明模型预测能力更好[37]㊂20处滑坡对应的降雨事件分布如图10所示,分布区间如表2所示㊂I-D 模型的验证滑坡全部位于15%的阈值线以上,E-D 模型和E-I 模型各有2处和7处滑坡位于15%阈值线以下㊂I-D 模型有13处滑坡位于60%线以上,E-D 模型和E-I 模型各有11和7处滑坡位于60%线以上㊂由验证滑坡的分布可以看出,I-D 阈值模型对滑坡的预测能力优于E-D 模型和E-I 模型,更能反映研究区诱发滑坡降雨的实际特征,后续将在I-D阈值模型基础上设计图10㊀阈值模型预测能力检验Fig.10㊀Prediction ability test of the threshold model表2㊀验证滑坡数据集分布情况Table 2㊀Distribution of threshold model prediction ability testlandslides滑坡概率<15%[15%,30%)[30%,60%)[60%,85%]>85%I-D 模型04349E-D 模型24329E-I 模型74234滑坡气象预警指标㊂3.3㊀滑坡与前期降雨作用前期降雨和持续时间是影响滑坡发生的重要因素,在分析降雨型滑坡时,既要考虑滑坡发生时降雨事件的影响,也要考虑前期降雨诱发滑坡的作用[38]㊂为研究滑坡发生与前期降雨的关系,本研究统计了滑坡当天降雨量和前期有效降雨量的分布,如图11所示㊂31%的滑坡发生当天降雨量小于25mm,甚至无降雨,而前期有效降雨量分布于30~217mm 之间㊂当日降雨量很小也有可能发生滑坡,说明前期降雨是诱发滑坡的重要因素㊂统计滑坡发生当天的降雨量与滑坡发生前3,5,7,10,15,20d 的累积降雨量,绘制两者关系如图12,对比滑坡发生当天降雨量和前期降雨量的大小㊂对角线上的点表示当日降雨量和前期累计降雨量相等㊂对角线偏左的点表示当日降雨量大于前期累计降雨量,说明滑坡发生更多受当日降雨控制㊂对角图11㊀滑坡发生当日降雨量与前期有效降雨量分布图Fig.11㊀Distribution of rainfall on the day of landslide occur-rence and effective rainfall in the earlier period线偏右的点表示当日降雨量小于前期累计降雨量,说明滑坡发生更多受前期降雨控制[34]㊂如图12所示,在前期不同持续时间的降雨下,大量滑坡事件点偏向对角线右侧,说明衢州市前期降雨在诱发滑坡的过程中扮演了重要角色,在设计滑坡气象预警指标时要充分考虑前期降雨的作用㊂3.4㊀滑坡气象预警双指标模型I-D 阈值曲线反映了诱发滑坡的降雨强度随降雨持续时间变化的关系,由I-D 曲线可反演获得不同持续时间的降雨诱发滑坡所需的平均降雨强度,862龚泉冰等:基于I-D阈值的滑坡气象预警双指标模型图12㊀滑坡发生当日降雨量与前期降雨量Fig.12㊀Rainfall on the day of the landslide occurrence and in the earlier period并在此基础上设计适用于研究区的滑坡气象预警指标㊂梅汛期是研究区滑坡最频发的时期,本研究针对梅汛期持续时间长,中小雨和暴雨交替出现的特点设计预警指标,同时考虑受前期降雨和短时强降雨作用的情况㊂研究区内数量众多的滑坡发生前已有较长持续时间的降雨发生,其中降雨持续时间达到5d及以上的滑坡数量占比为69.2%,说明5d 及以上的持续降雨对于滑坡的诱发作用明显㊂据谢剑明等[23]对研究区内滑坡与降雨相关性研究表明,滑坡发生与前期5d降雨最相关,故选择前期5d有效降雨量R5作为预警指标以表征前期降雨的影响㊂对梅汛期间交替出现的多次短时暴雨诱发滑坡的特点以当日降雨量R0进行预警㊂综合对比R5和R02类指标预警情况,选取较高等级预警发布,实现针对研究区降雨特征的双指标综合预警㊂将本研究设计的4个等级阈值与浙江省地质灾害气象预警等级结合:I15%阈值对应Ⅰ级低风险蓝色预警;I30%对应Ⅱ级中风险黄色预警,提醒预报区内人员开展巡查监测,关注降雨和实时预警信息;I60%对应Ⅲ级高风险橙色预警,停止预报区内户外作业,密切关注降雨和实时预警信息,做好受地灾威胁居民转移准备,落实应急措施;I85%对应Ⅳ级极高风险红色预警,加强预报区内风险管控,密切关注降雨和实时预警信息,可根据实际情况提前疏散受地灾威胁的人员,做好应急准备㊂按照浙江省地质灾害气象预警各等级的相应措施,可分为警告级和行动级预警㊂其中Ⅰ㊁Ⅱ级为警告级,主要目的是提高地质灾害防范意识㊂Ⅲ㊁Ⅳ级为行动级,要采取诸如停止作业㊁转移安置等避险行动㊂基于I-D阈值计算得出滑坡气象预警双指标判据如表3所示㊂表3㊀基于I-D阈值的滑坡气象预警双指标模型Table3㊀Landslide meteorological warning double-index model based on the I-D threshold预警等级ⅠⅡⅢⅣ日降雨量R0/mm[25,40)[40,60)[60,90)ȡ90 5d有效降雨量R5/mm[50,80)[80,125)[125,180)ȡ1804㊀气象预警双指标模型验证4.1㊀基于历史降雨的预警情况反演衢州市1970 2019年共18262个自然日,获取所有自然日当日降雨量R0并计算5d有效降雨量R5,按双指标模型对比日降雨量和5d有效降雨量进行预警分析㊂50a综合预警总计1728次,其中红色预警76次,橙色预警162次,黄色预警463次,如表4所示㊂双指标模型触发的各等级年均预警次数合理,便于政府管理部门进行预警发布,可避免因频繁的预警发布造成预警信号可信度下降㊂图13为衢州市50a按双指标模型统计的预警分布情况㊂红色㊁橙色等行动级预警点广泛散布在高日降雨量和高有效降雨量的扇形外围区域,呈现量少分散的特点,小部分降雨事件点紧靠扇形边缘,具有超大的前期降雨量或日降雨量,是衢州市极端降雨天气诱发滑坡的代表㊂数量众多的非预警点和警告级预警点集中分布在扇形中心区域㊂表4㊀衢州市按双指标模型50a预警反演情况Table4㊀Release of early warning in Quzhou over the past50 years预警等级蓝色预警黄色预警橙色预警红色预警按R0预警/次55026711553按R5预警/次8783559535综合预警/次102746316276年均次数20.59.3 3.2 1.5 4.2㊀基于历史灾害的模型可靠性分析检验预警模型可靠性最直接㊁可靠的方式即对比历史灾害发生情况和预警等级的一致性㊂通过衢州市多年梅汛期间诱发滑坡的20场降雨事件检验双指标模型的可靠性㊂统计滑坡发生当日降雨量和5d有效降雨量,判断其触发的预警等级,如图14㊂单一日降雨量指标R0成功预警了全部20处滑坡,其中橙色和红色预警11处㊂单一5d有效降雨量962。
基于Logistic回归的降雨型滑坡概率预测研究
基于Logistic回归的降雨型滑坡概率预测研究
张辉;陈忠发
【期刊名称】《中国资源综合利用》
【年(卷),期】2023(41)2
【摘要】为明确降雨对滑坡的影响规律,本文选取赫章县2000年以来已经发生的滑坡作为研究对象,基于Logistic回归,采用降雨因子进行统计分析,并建立降雨型滑坡的预测模型。
研究表明,滑坡发生前3~4 d,降雨量对滑坡的影响最大;发生滑坡的判断正确率为83.8%,未发生滑坡的判断正确率为93.5%,预测模型的总判断正确率为88.7%。
【总页数】4页(P45-48)
【作者】张辉;陈忠发
【作者单位】贵州省地质矿产勘查开发局一〇大地质大队
【正文语种】中文
【中图分类】P642.22
【相关文献】
1.基于Logistic回归及前期有效雨量的降雨诱发型滑坡预测方法
2.基于确定性系数概率模型的降雨型滑坡孕灾环境因子敏感性分析——以四川省低山丘陵区为例
3.基于有效降雨强度和逻辑回归的降雨型滑坡预测模型
4.基于破坏概率法的降雨型滑坡失稳破坏分析
5.基于Logistic回归的陕南秦巴山区降雨型滑坡预测方法
因版权原因，仅展示原文概要，查看原文内容请购买。
基于模糊数学法的岩质边坡稳定性分析
“
５
啡
：
ｍｚ 。 ） ｔ ｚ
。 。
：
。
方 。 法
１ 隶属函数确定的原则 ． ２ 在隶属函数的构造过程中，需要我们充分考虑到影 响边坡稳定性因素的多样性 、 复杂性和不确定性 ， 力求使 构造的隶属函数能够较全面真实的反映出边坡的真实状
态。
：
＃
— — ———
—
． ．
： ｎ ｕ ］
“ ｕ ｏ ３ ２ － ｏ ｏ
：
ｏ
概 可以 过比 个 念， 通 较二 元素相 隶 应的 属度， 相对 法求 隶属 果。 文根 前国内 采取 选择 得 本论 据目
素模糊集的隶属函数 ， 再综合出模糊概念的隶属函数。 １ 模糊数学近似推论公式 ／：Ａ ． ３ ３ 中Ａ的求法 ，
里的模糊子集， Ｒ为模糊关系 ，” ” ０ 表示运算规则或合成
式 分 为 域 中Ａ 别 论 ｛
Ｐ，｛Ｉ￣ ： ！ ｎ １ ２Ｖ ｝ ７ ￣ｎ １ ￣ ， Ｊ ￣
／ ａ （｝ Ｍ Ｐ
， ， 、
”。 。 。 。 。
ｏ 一。
一
－ ｏ 。 。
数 — 模 概 是 若 个 糊 素 合 成 ，可 求 因 外 有 研 成 嗍 同 。 个 糊 念 由 干 模 因 复 而 的则 先 各 若 己 的 究 果 ，
ｕ ４ ？
。
： ！
：
时考 虑到实 际的工程 经 — — — — —— — — — — — — —— 验，共选取 了十四个因素作为影响顺层岩质边坡稳定性的主要作用因
家鼎提出的公式咻目 结合的方式来确定
３定量 用因 隶 数 造 ． 作 素 属函 构 １
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
http://www.paper.edu.cn -1- 中国科技论文在线
基于多变量统计分析的大型滑坡敏感性评价—以汶川地震影响的陇南地区为例
沈云霞，杜伟飞，张帆宇 兰州大学 土木工程与力学学院，兰州 730000 E-mail: shenyx08@lzu.cn
摘 要：滑坡敏感性制图是地质灾害管理和缓解的基础组成部分，也是基础设施建设和土地利用规划的基础。以2008.5.12汶川地震影响较严重的甘肃东部的陇南震区作为研究区，全面调查和分析了地震前后影响历史大型深层滑坡的空间要素，依据专家经验确定的内在成因要素作为滑坡敏感性评价的初步方案，统计式的逻辑回归(LR)多变量分析被执行绘制了滑坡危险等级地图。地质科学家的判别经验分析确定的评价要素存在相互重叠的共线性问题是不可避免的，为了保证评价要素的独立性，判别式的主成分(PCA)多变量分析法被执行确定了新的评价要素；随后LR模型被再次执行绘制了新的滑坡危险等级地图。最后利用成功率曲线及其AUC值和累积面积曲线及其ACA值对两种评价结果的有效性和性能进行检验和对比，检验结果表明，新方案下的滑坡敏感性地图具有更好的性能和精度。因此，新方案下LR绘制的滑坡危险等级地图被推荐作为指导研究区震后重建、基础设施建设和土地规划的依据。 关键词：逻辑回归分析；主成分分析；大型滑坡；敏感性评价；陇南震区；汶川地震
1引言 随着滑坡影响对社会经济意义的增加，以及山区环境发展和城市化压力的增大[1]，滑坡已成为山区环境中最具破坏的自然灾害之一[2]。在多山地区，区域尺度的滑坡敏感性评价对将来的灾害缓减、风险管理和土地规划是必须的[3-5]。 滑坡敏感性评价可以分为定性和定量方法[1, 3, 6]。定性方法依赖专家主观经验对滑坡危害的定性描述，存在很大的主观性，且缺乏可重复性[1, 3, 5]。定量方法可以分为物理的和数学的模型。物理模型通常指斜坡稳定性分析模式的确定性模型，尽管被认为是最好的斜坡灾害评价方法，但需要单个斜坡或研究区详细的岩土参数[7]，结果受数据的影响较大，只适合
小范围和单个的灾害评估[1]。数学模型包括自由分布方法和统计分析方法。自由分布方法不依赖于数据分布假设，而是根据基于某一准则或算法对数据进行分析和智能学习，被认为是一种高度客观有效的方法[1]，诸如神经网络、模糊数学等，但这类方法需要大量高质量的数
据和复杂的数据转换[8]。统计分析方法建立在滑坡和影响要素的分布规律上，主要包括二元分析和多变量分析，已被广泛用于复杂的区域和中等尺度的滑坡敏感评价[1, 3, 6, 9]，尽管二元统计具有很好的稳定性和灵活性，但数据选择和要素等级划分的差异能够较大的影响输出结果[10-11]；多变量分析分为判别式和统计式模型，更适合大区域复杂环境下的敏感性评价[3]，
但要求收集大量可靠的数据和对区域环境的正确理解[1, 8]。可见，每种方法都不是完美的，为保证评价质量，根据研究区特征和评价目的选择合适的评价方法是必须的。 滑坡是受时空变化的内外要素综合作用的结果，因此，深入和准确理解滑坡分布与空间要素的关系，不但是滑坡敏感性评价的前提[1, 4, 9, 12-13]，还能提升制图的质量和效率，降低制
图的成本[1, 13]。在当前敏感性评价中，尽管要素选择的研究已有大量的讨论，受滑坡过程本http://www.paper.edu.cn -2- 中国科技论文在线
身复杂性[14]和要素非孤立性[1, 9]的影响，准确辨别和理解滑坡分布和要素、影响要素间的相互关系是很难的[1, 9, 15-16]；同时，在滑坡敏感性评价中，由于要素的选择也缺少统一的标准和依据[9, 12]，成为了滑坡敏感性制图的主要限制[17]。 滑坡敏感性评价对于影响要素的选择、分级和分析模式还没有一套完全可重复和共同接受的方法，特别是对于影响要素之间的相互依存，导致影响要素选择重叠造成评价结果出现偏差或预测精度低的问题上，尚无有效的解决办法。因此，本文选用2008.5.12四川地震中影响较严重的陇南震区白龙江流域为研究区，基于影响要素和滑坡空间分布的定性分析确定评价要素，利用统计模式的逻辑回归模型(LR)绘制滑坡易发性地图；然后，以判别模式的主成份分析分析法(PCA)分析要素间各自的独立性和重要程度，解决要素相互依存的共线性问题，再使用逻辑回归模型利用反映滑坡空间分布关系的主要要素绘制滑坡易发性地图；最后利用成功率曲线及AUC和累积面积曲线及ACA对两种评价结果的有效性和性能进行验证对比，并从要素选择和检验结果深入分析，以期建立一套合理、可靠且有效的区域尺度的滑坡敏感性评价模式，以及准确获得研究区将来的滑坡易发区域，为震后重建、基础设施建设和土地规划提供参考指导。
2区域环境 研究区位于西秦岭造山带陇南地区，沿我国南北地震带展布，在青藏高原东北缘构造带的作用下，地质构造复杂，发育多条区域性断裂，且局部小型断裂和褶皱分布广泛，新构造运动和地震活动频繁；地层岩性以千枚岩、砂岩、灰岩、泥岩等变质岩，第三系红层软岩和第四纪的堆积物为主，受构造影响，岩层破碎和风化作用强烈；白龙江及其支流贯穿整个区域，两岸地形海拔高度范围在840~3176m之间，相对高差1000~1500m，表现为明显的高山峡谷地貌特[18]。研究区距震中汶川地震最近距离仅200km，是四川震中地区外受地震影响最严重的区域。研究区是连接我国东南(兰州至海口高速公路)和西南(兰州至重庆高速铁路)的重要交通要道，更是我国滑坡灾害最发育的地区之一，但是，目前仍然缺乏经济发展规划必须的滑坡灾害易发性分区地图，特别是针对该地区分布广泛的大型历史滑坡的危险等级评价还较少。
3空间数据库
3.1 滑坡分布 任何滑坡敏感性评价都是从滑坡分布资料收集开始的[3-4, 9, 12]。由于可以根据不同的目的、资源和方法绘制各种尺度的滑坡分布图[12, 19]，因此，基于敏感性评价目的和有用资源绘制合理的分布图是必须的。 在野外和数据处理过程中各种规模和类型的滑坡都有发现，尽管地震和震后降雨诱发了部分崩塌和小规模滑动，由于研究区处于复杂的地质地貌和活跃的构造山区环境，区内大量存在的大型深层历史滑坡，构成了滑坡灾害的主要潜在威胁。汶川地震后对该区的现场调查也发现，除个别历史滑坡有整体滑动外，历史上多数已有的大型深层滑坡没有明显的滑动和位移产生，但存在地震影响局部的崩塌和滑动，一些滑坡还出现了新的裂缝，可见，地震加剧了大型滑坡对区内的潜在威胁。因此，根据研究区的滑坡类型和威胁特征，以大型滑坡敏感性的区域评价为目的，通过室内解译公路沿线航空照片和公路两侧的遥感图片，然后利用1:5万地形图在野外进行补充调查和校核，获得了大型历史滑坡分布图(图1)。 http://www.paper.edu.cn -3- 中国科技论文在线
图1 研究区的滑坡分布图 Fig.1 The inventory map of landslide in the study area
3.2 评价要素选择和分级 滑坡灾害是受控和依赖于大量复杂的自然和人类环境要素，而各种要素往往有着相互关联的因果关系。对于历史的大型深层滑坡而言，将来的发展趋势可能受到内外要素的综合作用的影响，但主要受到地层、构造和地貌等内部要素的控制。另外，在当前的滑坡敏感性评价中，尽管降雨和地震等外部触发要素也被选作评价要素，但这些触发要素在时空上变换明显[1]，在时间上很不稳定，如何影响区域滑坡分布很难明确[20]，导致在滑坡敏感性评价中很
难被合理使用[1]。由于滑坡灾害预测模型是建立在将来的滑坡将发生在导致过去和当前失稳的假设条件下的[1, 5-6, 17]，在当前的滑坡敏感性评价中，建议使用内在要素作为评价要素去绘制研究区的滑坡易发性区域[1, 3, 5-6, 9, 11, 13-14, 17, 21]。 基于滑坡的地质环境、演化和滑动类型，以及滑坡分布和各种影响要素的相互关系分析表明，区内的地层岩性、地质构造、地貌特征、水文地质条件和土地类型是影响和控制大型深层滑坡发生的主要要素，其它要素的影响较小或者在整个区域范围内表现不明显。因此，整理和数字化已有图件和资料，建立了影响要素的基础数据库。
3.2.1 地层岩性 地层岩性对滑坡失稳扮演了一个重要角色，滑坡现象通常与构成它的材料的结构和强度密切相关。由于研究区跨越多个结构和性质差异明显的地层，因此，根据地层岩性的性质、结构和质量相似的地层组合成厚层的砾岩、砂砾岩岩组(A)，中厚层灰岩、板岩岩组(B)，砂卵、砾石岩组(C)，千枚岩、板岩、薄层灰岩岩组(D)，粉砂岩、泥岩、薄层砂砾岩岩组(E)五类地层岩性组合
3.2.2 地质构造 在断裂带影响范围内，滑坡发生的规模和活动频率要比断裂带外的大很多，这在构造活跃的山区环境中已被很普遍发现[14]。根据滑坡分布和断层展布的关系，将区内断裂带按500mhttp://www.paper.edu.cn -4- 中国科技论文在线
间距建立了4个等距的缓冲区和一个超过2000m的缓冲区，即将断裂带分成了5个不同的影响区。
3.2.3 地形地貌要素 地形地貌是影响滑坡稳定的重要条件。坡向与土壤湿度、植被盖度和降雨路径等有关，从而影响斜坡稳定[14]。坡度和高度也是影响斜坡稳定的重要条件[3-4, 9, 14]，在特定区域内，
滑坡的坡度和坡高分布都具有一定的规律，通常是在一定范围内随着坡度和高度的增加有增强的趋势，但增加到一定程度后，滑坡会明显较少。在研究区，滑坡主要分布在高度2500m以下20~40˚的斜坡范围内。根据已有研究表明，滑坡分布与地形地貌要素等级的关系服从一定的统计分布规律[7, 9, 13]。在这个前提下，根据坡度和坡向与滑坡分布关系的现场统计结
果[18, 22]，分别将坡度分为0~10˚，10~20˚，20~30˚，30~40˚，>40˚五个等级，坡向分为Flat、N、E、S、W五类；而坡高基于滑坡剪出口与侵蚀基准面现场统计的关系[22]分为840~1100m、1000~1400m、1400~1700m、1700~2000m、2000~3176m五级。
3.2.4 河流 河流侵蚀作用严重影响着滑坡的稳定状态，主要通过破坏斜坡坡脚和水位变化改变整个或者局部斜坡的应力状态，从而导致整体或局部失稳。根据区内河流对斜坡的影响范围和滑坡分布的关系，建立河流对斜坡影响的缓冲带，分为0~150m，150~300m，300~600m，600~1000m，1000~1500m，1500~2000m六级。
3.2.5 土地利用类型 土地利用类型也是影响滑坡发生的一个关键条件，滑坡发生频率和土地类型密切相关[2-3]。因为，土地利用很大程度上反映了人类对土地的使用情况，也间接反映了在不同土地