基于河谷橫剖面形態(tài)特征的滑坡體堵江易發(fā)性評價研究

王珊珊,童立強(qiáng)

(中國國土資源航空物探遙感中心,北京100083)

基于河谷橫剖面形態(tài)特征的滑坡體堵江易發(fā)性評價研究

王珊珊,童立強(qiáng)

(中國國土資源航空物探遙感中心,北京100083)

滑坡體堵江易發(fā)性評價是滑坡堵江風(fēng)險研究中的短板,不利于其防災(zāi)減災(zāi)工作的開展。該文以物質(zhì)來源、水力條件和河谷地形為主要影響因素進(jìn)行滑坡體堵江概率預(yù)測分析和應(yīng)用,提供了基于GIS技術(shù)的河谷橫剖面形態(tài)參數(shù)自動提取方法,以定量表征河谷地形特征;以中國喜馬拉雅山地區(qū)為例,分別提取堵江滑坡和非堵江滑坡事件為樣本,基于邏輯回歸建立了研究區(qū)滑坡體堵江概率預(yù)測模型,經(jīng)驗(yàn)證精度較理想。取得的主要結(jié)論有:1)河谷橫剖面形態(tài)參數(shù)自動提取方法,具有面向?qū)ο?、表征全面、提高?jì)算效率和精度等優(yōu)點(diǎn)。2)在中國喜馬拉雅山地區(qū),堵江滑坡事件與非堵江滑坡事件發(fā)生處河谷橫剖面的坡高、不同深度寬深比、凹度和河寬指數(shù)具有顯著差異,其中河寬指數(shù)差異最大,3/4坡高寬深比次之。3)基于邏輯回歸開展滑坡體堵江易發(fā)性評價是可行的,該方法在中國喜馬拉雅山地區(qū)的應(yīng)用精度達(dá)80%以上,各變量按照與滑坡體堵江形成的相關(guān)性從大到小依次是坡高寬深比、滑坡面積、工程地質(zhì)巖組、河寬指數(shù)和凹度。

滑坡堵江;河谷橫剖面;自動提取;邏輯回歸

0 引言

滑坡堵江是滑坡堆積體向下運(yùn)動、推移,堵塞山間河流的現(xiàn)象,一定規(guī)模的滑坡堵江事件常常在壩體形成、回水淹沒或壩體失穩(wěn)、洪水潰決的過程中造成巨大破壞[1,2]。針對滑坡堵江的鏈?zhǔn)竭^程,已有學(xué)者圍繞滑坡發(fā)生危險性[3]、滑坡壩體穩(wěn)定性[4-6]、潰決洪水演進(jìn)模擬[7]和承災(zāi)體災(zāi)損分析[8]等問題開展了較為廣泛的研究,但針對滑坡發(fā)生后堆積體堵江可能性的評價卻涉及甚少,尚未取得較成熟的研究成果。這使滑坡堵江風(fēng)險研究缺少了承上啟下的重要環(huán)節(jié),不利于防災(zāi)減災(zāi)工作的開展。

滑坡堆積體能否堵江的主要控制因素可以概括為物質(zhì)來源、水力條件和河谷地形[9,10]。物質(zhì)來源和水力條件可通過實(shí)地調(diào)查獲取,在區(qū)域分析中常用工程地質(zhì)巖組、上游流域面積等參數(shù)表征。就地形而言,目前常用的地形參數(shù)包括坡度、坡向、粗糙度、起伏度等,尚無法有效表征河谷的具體形態(tài)。針對這一問題,本文提出了表征河谷地形的河谷橫剖面形態(tài)參數(shù)及其自動提取方法,在此基礎(chǔ)上基于邏輯回歸建立了滑坡體堵江概率預(yù)測模型,并在我國喜馬拉雅地區(qū)的應(yīng)用中取得了理想的評價效果,從而證明了基于河谷橫剖面特征開展滑坡體堵江易發(fā)性評價是可行的。

1 河谷橫剖面形態(tài)參數(shù)與自動提取

河道上任意一點(diǎn)的河谷橫剖面是由垂直于該點(diǎn)流向的谷底河道及兩岸斜坡組成的幾何體,其形態(tài)沿河流方向不斷變化。河谷橫剖面幾何形態(tài)的定量計(jì)算和分析,將有助于判斷河谷類型和發(fā)育情況。

1.1 河谷橫剖面形態(tài)參數(shù)

目前河谷橫剖面特征的定量研究并不多見。Zhou等曾基于DEM數(shù)據(jù)提取了日本山區(qū)河谷橫剖面上高程的最值、均值、標(biāo)準(zhǔn)差、偏差等統(tǒng)計(jì)參數(shù)[11,12]。閔石頭等從幾何角度,利用寬深比、凹度、不對稱系數(shù)等參數(shù)分析了滇西縱向嶺谷區(qū)河谷橫剖面的形態(tài)特征[13]。相比之下后者更能突出河谷橫剖面的微觀地形特征,本文在其基礎(chǔ)上進(jìn)行改進(jìn),提出了可用于滑坡體堵江易發(fā)性評價的河谷橫剖面形態(tài)參數(shù),圖1是河谷橫剖面的幾何示意圖。

(1)坡高h(yuǎn)。即河谷左、右兩岸斜坡山脊與河谷最低點(diǎn)高差的較小值,h=min(h1,h2)。

(2)寬深比R。取谷深h′,且h′＜h,在h′深度上向兩岸斜坡作水平線,得到谷寬l′,寬深比R=l′/h′。h′可以取多個值,以全面反映河谷在不同深度上的寬窄程度。

圖1 河谷橫剖面幾何示意Fig.1 The geometric graphic of valley transverse profile

(3)剖面面積A。以坡高相對較低的山脊為頂點(diǎn),以坡高h(yuǎn)所對應(yīng)的谷寬l為長,以坡高h(yuǎn)為寬做矩形ra。河谷橫剖面將ra分為上下兩部分,上部封閉空間的面積為剖面面積A。一般A越大,堵江所需滑坡堆積體的體積越大。

(4)凹度C。矩形ra中,上部與下部封閉空間的面積之比為凹度,即C=A/(Ara-A),其中Ara為矩形ra的面積。凹度可表征河谷的形態(tài)類型:C＞1時,定義河谷為U形谷;當(dāng)C≤1時,定義河谷為V形谷。一般V形谷有利于形成滑坡堵江。

(5)不對稱系數(shù)S。即河谷最低點(diǎn)到矩形ra左、右兩條寬邊的水平距離之比,S=w1/w2。S=1時河谷兩岸對稱,反之為左傾型或右傾型河谷。

(6)河寬指數(shù)W。河道寬度一般通過遙感影像解譯或現(xiàn)場量測獲取,費(fèi)時費(fèi)力且誤差較大。本文提出河寬指數(shù)的概念以表征同一區(qū)域內(nèi)不同河谷橫剖面上河寬的相對大小。計(jì)算方法是從河谷橫剖面的最低點(diǎn)分別向兩岸斜坡做角度為θ的射線并交于兩點(diǎn),該兩點(diǎn)間的水平距即為河寬指數(shù)。θ的取值和精度主要由區(qū)域地形復(fù)雜性和DEM數(shù)據(jù)質(zhì)量決定。

1.2 基于DEM的參數(shù)自動提取

目前河谷橫剖面形態(tài)參數(shù)主要借助地學(xué)分析軟件和地圖手動量算獲得,不僅操作復(fù)雜、效率較低,且精度易受干擾,導(dǎo)致相關(guān)應(yīng)用研究難以開展。本文基于GIS軟件和二次程序編寫實(shí)現(xiàn)了河谷橫剖面形態(tài)參數(shù)的自動提取。具體流程如圖2所示,輸入數(shù)據(jù)是覆蓋河谷流域的DEM和分布在河道附近的定位點(diǎn),參數(shù)提取過程涉及河谷橫剖面水平投影線生成、采樣點(diǎn)提取和形態(tài)參數(shù)計(jì)算3個步驟。

(1)河谷橫剖面水平投影線生成。定位點(diǎn)處河谷橫剖面水平投影線的方向與該點(diǎn)處的河流流向垂直,因此首先要計(jì)算定位點(diǎn)的河流流向。GIS軟件可以基于DEM自動提取河流流向,但所得數(shù)據(jù)只能表示離散的8個方向,與實(shí)際情況常常偏差較大。針對這一問題,本文基于最小二乘法實(shí)現(xiàn)了連續(xù)型河流流向的自動提取。首先基于ArcGIS水文分析提取河流矢量線并進(jìn)行編號,然后如圖3所示,按照采樣間隔a提取河流采樣點(diǎn)集合P。其中a取值為略大于2倍DEM空間分辨率的正整數(shù)。檢索出距離定位點(diǎn)最近的河流采樣點(diǎn)Pi,將其河流流向作為定位點(diǎn)的河流流向。Pi處河流流向的計(jì)算方式如下:以Pi為起點(diǎn)分別向上、下游各遍歷3個采樣點(diǎn),根據(jù)上述7個采樣點(diǎn)的二維坐標(biāo)基于最小二乘法進(jìn)行直線擬合,所得直線的斜率k即為Pi處的河流流向,k的計(jì)算公式為:

圖2 河谷橫剖面形態(tài)參數(shù)自動提取流程Fig.2 The automatic extraction flow of valley transverse profile morphological parameters

圖3 河谷橫剖面水平投影線示意Fig.3 The graphic of horizontal projection line of valley transverse profile

借助ArcGIS地形分析和圖形編輯工具獲取河谷內(nèi)的線狀山脊矢量數(shù)據(jù)。為每條山脊線添加關(guān)聯(lián)河流編號river_id和相對位置l_r兩個屬性,表征該山脊線位于某條河流的左岸還是右岸。在此基礎(chǔ)上,過定位點(diǎn)以K=-1/k為斜率做射線分別交左、右兩岸山脊于A、B點(diǎn),線段A B即為河谷橫剖面的水平投影線。

(2)河谷橫剖面采樣點(diǎn)提取。在線段A B上,從左端點(diǎn)開始按照采樣間隔b提取采樣點(diǎn)直至右端點(diǎn)。將距離河流線最近的點(diǎn)視為河谷最低點(diǎn),編號為id=0;以此為中心分別按順序?qū)ψ?、右兩?cè)采樣點(diǎn)進(jìn)行編號,定義右側(cè)采樣點(diǎn)id=1,2,3,…,左側(cè)采樣點(diǎn)id=-1,-2,-3,…。計(jì)算各采樣點(diǎn)的高程H和距離0點(diǎn)的水平距離len。

(3)形態(tài)參數(shù)計(jì)算。按照河谷橫剖面形態(tài)參數(shù)的定義,利用提取的河谷橫剖面采樣點(diǎn)及其屬性值,計(jì)算定位點(diǎn)處河谷橫剖面的坡高h(yuǎn)、寬深比R、剖面面積A、凹度C、不對稱系數(shù)S和河寬指數(shù)W等形態(tài)參數(shù)。

1.3 主要優(yōu)勢

河谷橫剖面形態(tài)參數(shù)自動提取程序基于ArcEngine二次開發(fā)平臺和Visual Studio 2010開發(fā)環(huán)境,采用C#高級語言編寫完成。相比于坡度、坡向、粗糙度、起伏度等常用地形參數(shù),本文所采用的河谷橫剖面形態(tài)參數(shù)及其獲取方式主要具有以下優(yōu)勢:

(1)面向?qū)ο?以沿河流分布的任意一點(diǎn)為對象,自動提取其河谷橫剖面形態(tài)特征參數(shù),幾何意義表征明確,能夠從微觀上反映河谷地貌及分段差異,有利于分析河谷的整體地形。

(2)表征全面:河谷橫剖面的坡高、寬深比、橫剖面面積、凹度、不對稱系數(shù)、河寬指數(shù)等形態(tài)特征參數(shù),可以共同反映河流的整體形態(tài)、地勢變化和切割程度等,表達(dá)全面完整。

(3)干擾因素小,精度更高:形態(tài)參數(shù)自動提取的輸入數(shù)據(jù)和設(shè)置較少,包括DEM、定位點(diǎn)位置、采樣間隔和計(jì)算間隔,誤差主要源于DEM數(shù)據(jù)質(zhì)量和空間采樣,人為干擾程度低,提高了參數(shù)的計(jì)算精度。

(4)運(yùn)算效率提高:以沿河分布的定位點(diǎn)為計(jì)算對象,待計(jì)算點(diǎn)數(shù)目減少,有利于提高計(jì)算效率,節(jié)約存儲空間;另外可同時完成所有特征參數(shù)的計(jì)算,操作簡單,可維護(hù)性強(qiáng)。

2 中國喜馬拉雅山地區(qū)滑坡堵江河谷橫剖面特征分析

2.1 研究區(qū)概況

中國喜馬拉雅山地區(qū)位于青藏高原南部,西起阿里,東至林芝,北到雅魯藏布江,南與印度、尼泊爾、不丹接壤;東西長約1 700 km,南北寬60～250 km,總面積約1.68×105km2。喜馬拉雅山是近東西向的弧形山系,由許多平行的山脈組成,平均海拔6 000 m以上。山脈南坡陡峻,北坡平緩,地形起伏變化大,具有分帶性。研究區(qū)絕對高度大于4 000 m的高位地貌占總面積的79%;相對高程大于500 m的山地約占86%。在歐亞板塊與印度洋板塊的碰撞下,區(qū)內(nèi)構(gòu)造運(yùn)動強(qiáng)烈,地形切割破碎,滑坡、崩塌、泥石流等地質(zhì)災(zāi)害頻發(fā),在破壞生態(tài)環(huán)境平衡的同時,嚴(yán)重制約了當(dāng)?shù)厣鐣?jīng)濟(jì)的正常發(fā)展[14]。眾多失穩(wěn)斜坡在高山峽谷中常常形成堵江事件,為滑坡體堵江的易發(fā)性研究提供了寶貴素材。

2.2 數(shù)據(jù)獲取

本文選用覆蓋中國喜馬拉雅山地區(qū)30 m分辨率的AST ER GDEM v2為高程數(shù)據(jù)源,通過遙感影像解譯和現(xiàn)場調(diào)查獲取了研究區(qū)堵江滑坡定位點(diǎn)90個和非堵江滑坡定位點(diǎn)91個。本文中的“滑坡”為狹義滑坡,不包含崩塌、泥石流等斜坡運(yùn)動以及冰川活動形成的物質(zhì)運(yùn)動形式?？紤]到滑坡運(yùn)動及氣候、人類活動等因素對河谷橫剖面原始形態(tài)的改造,定位點(diǎn)多選在鄰近滑坡的原始河谷地形變化較小的上游河道上,對周圍原始地形變化過大的滑坡事件則不予采用。

基于以上數(shù)據(jù),設(shè)置河流縱剖面采樣間隔和橫剖面采樣間隔為40 m,θ為11.3°,自動提取了上述兩類定位點(diǎn)的河谷橫剖面形態(tài)參數(shù),包括坡高、坡高寬深比、3/4坡高寬深比、1/2坡高寬深比、1/4坡高寬深比、橫剖面面積、凹度、不對稱系數(shù)和河寬指數(shù)。

2.3 河谷橫剖面特征分析

研究區(qū)堵江滑坡和非堵江滑坡定位點(diǎn)處河谷橫剖面形態(tài)參數(shù)的差異性統(tǒng)計(jì)結(jié)果見表1。坡高、不同深度寬深比、凹度和河寬指數(shù)的樣本差異性統(tǒng)計(jì)量Z均大于z0.025=1.96,剖面面積和不對稱系數(shù)的差異性統(tǒng)計(jì)量Z小于該值,可以認(rèn)為在顯著性水平0.05條件下,中國喜馬拉雅山地區(qū)堵江滑坡與非堵江滑坡發(fā)生處河谷橫剖面的坡高、不同深度寬深比、凹度和河寬系數(shù)具有顯著差異,其中河寬指數(shù)差異最大,3/4坡高寬深比次之。

堵江滑坡河谷橫剖面的寬深比普遍偏小,集中在2.5～4.5之間;非堵江滑坡河谷橫剖面的寬深比分布相對離散,取值多大于4。堵江滑坡河谷凹度的平均值為0.958,最大值為1.476;非堵江滑坡河谷凹度的平均值為1.184,最大值為2.655,大于1的樣本占總數(shù)的65.9%,這反映出V形谷比U形谷更利于形成滑坡堵江。河寬指數(shù)的最大值、平均值在兩類定位點(diǎn)間差異性更明顯。研究區(qū)堵江滑坡與非堵江滑坡河谷橫剖面的剖面面積和不對稱系數(shù)不具有明顯差異,一定程度上說明這兩個參數(shù)對滑坡體堵江形成不具有決定性作用。可見,坡高、寬深比、凹度和河寬指數(shù)是滑坡體堵江形成的主要地形因素。

此外,本文提取并統(tǒng)計(jì)了兩類定位點(diǎn)處原始斜坡的平均坡度,得出差異性統(tǒng)計(jì)量Z為2.070,略大于z0.025,但明顯小于河谷橫剖面坡高、不同深度寬深比、凹度和河寬指數(shù)的差異性統(tǒng)計(jì)量Z?？梢?河谷橫剖面參數(shù)更適于參與滑坡體堵江易發(fā)性評價。

表1 河谷橫剖面形態(tài)參數(shù)差異性統(tǒng)計(jì)Table 1 The difference statistics of valley transverse profile morphological parameters

3 基于邏輯回歸的滑坡體堵江概率預(yù)測模型

本文以研究區(qū)的堵江滑坡和非堵江滑坡事件為樣本,獲取兩類樣本在物源、水力和地形等方面的定性、定量特征參數(shù)作為變量,基于邏輯回歸模型構(gòu)建函數(shù)來表征滑坡發(fā)生后堆積體堵江的概率,以實(shí)現(xiàn)滑坡體堵江能力的定量評價。

3.1 邏輯回歸分析

邏輯回歸(Logistic Regression)分析是一種重要的應(yīng)用回歸分析方法,主要針對0-1型因變量產(chǎn)生的問題,可用于預(yù)測因變量的發(fā)生概率,或?qū)崿F(xiàn)其定性分類[15]。常用的邏輯函數(shù)形式為:

在利用邏輯回歸模型預(yù)測因變量發(fā)生概率時,假設(shè)因變量Y是一個二值變量,取值為:

自變量為x1,x2,…,xm,P表示在m個自變量作用下事件發(fā)生的概率。

事件發(fā)生概率與未發(fā)生概率之比的自然對數(shù)稱為P的logit變換,記作logit(P):

概率P的取值范圍在0～1之間,而logit(P)取值沒有界限,更適于進(jìn)行回歸分析。令Z=β0+β1x1 +…+βmxm,將復(fù)雜的概率預(yù)測非線性模型簡化為多元線性回歸模型。利用樣本數(shù)據(jù)采用最大似然估計(jì)法對常數(shù)項(xiàng)β0和回歸參數(shù)β1…βm進(jìn)行擬合,進(jìn)而得到P的估計(jì),即:

邏輯回歸分析的實(shí)質(zhì)是在線性回歸基礎(chǔ)上套用了邏輯函數(shù),由于該方法簡單、高效,目前已在地質(zhì)災(zāi)害研究領(lǐng)域取得了廣泛應(yīng)用[16,17]。

3.2 模型構(gòu)建

(1)指標(biāo)變量選取。物源、水力和地形條件是影響山間滑坡堆積體堵江的主要條件。本文基于中國喜馬拉雅山地區(qū)堵江滑坡與非堵江滑坡河谷橫剖面形態(tài)參數(shù)的差異分析結(jié)果,將不同深度寬深比、凹度、河寬指數(shù)、坡高作為地形條件指標(biāo);將反映滑坡體物質(zhì)結(jié)構(gòu)的工程地質(zhì)巖組、反映滑坡規(guī)模的滑坡面積作為物源條件指標(biāo);由于滑坡發(fā)生時河流的流速、流量等詳細(xì)水文數(shù)據(jù)都難以獲取,水力條件指標(biāo)暫用上游流域面積粗略表征。綜上,本文共采用7個指標(biāo)變量參與滑坡體堵江概率預(yù)測模型構(gòu)建(表2)。

表2 滑坡體堵江預(yù)測建模指標(biāo)變量Table 2 The influence factors of landslide-damning susceptibility modeling

(2)樣本數(shù)據(jù)獲取。樣本數(shù)據(jù)質(zhì)量直接影響模型的精度和可靠性。本文以研究區(qū)90個堵江滑坡事件為1-值樣本,91個非堵江滑坡點(diǎn)為0-值樣本。地形條件指標(biāo)利用本文編寫的河谷橫剖面形態(tài)參數(shù)自動提取程序獲取,其他指標(biāo)利用ArcGIS軟件處理分析獲取。圖4是樣本數(shù)據(jù)獲取圖。

圖4 滑坡體堵江預(yù)測建模樣本數(shù)據(jù)獲取Fig.4 The way of sample data obtaining

在樣本數(shù)據(jù)中,分別隨機(jī)選出80個1-值樣本和80個0-值樣本參與模型構(gòu)建,留出10個1-值樣本和11個0-值樣本用于模型驗(yàn)證。利用SPSS統(tǒng)計(jì)分析軟件的Logistic回歸分析工具,設(shè)置迭代方式為Forward:Conditional,構(gòu)建了中國喜馬拉雅山地區(qū)滑坡體堵江能力評價模型,其表達(dá)式為:

經(jīng)過迭代模型中僅剩坡高寬深比、凹度、河寬指數(shù)、工程地質(zhì)巖組和滑坡面積參與滑坡體堵江概率預(yù)測。將上述5個變量代入式(7),就可以對研究區(qū)范圍內(nèi)潛在滑坡或新生滑坡體堵江的概率做出預(yù)測。當(dāng)P＞0.5時認(rèn)為滑坡體堵江易發(fā),反之不易發(fā)。各變量的回歸系數(shù)統(tǒng)計(jì)結(jié)果見表3。

表3 模型參數(shù)Table 3 The parameters of prediction model

其中,B是各變量回歸系數(shù)的估計(jì)量,S.E.是Std.Error的縮寫,表示回歸系數(shù)估計(jì)量的標(biāo)準(zhǔn)差; Wald是回歸系數(shù)檢驗(yàn)的統(tǒng)計(jì)量值(式(8));Df是自由度,Sig是顯著性概率。Wald值越大,Sig值越小,說明參數(shù)顯著性越高。表3中所有回歸系數(shù)的Wald＞6,Sig＜0.05,說明預(yù)測模型在顯著性水平0.05條件下是可以接受的。

通過中國喜馬拉雅山地區(qū)滑坡體堵江概率預(yù)測模型可以看出,影響該區(qū)滑坡體堵江易發(fā)性的主要因素包括地形因素以及滑坡體的規(guī)模和物質(zhì)組成,這基本符合工程地質(zhì)學(xué)對滑坡堵江成因的普遍認(rèn)識。根據(jù)回歸系數(shù)B的取值,坡高寬深比、凹度、河寬指數(shù)與滑坡體堵江概率呈負(fù)相關(guān)關(guān)系,滑坡面積與之呈正相關(guān)關(guān)系,工程地質(zhì)巖組中的較堅(jiān)硬巖組是滑坡體堵江形成的有利條件。根據(jù)各變量Wald的取值,認(rèn)為各變量對滑坡體堵江的重要性從高到低排序?yàn)槠赂邔捝畋?、滑坡面積、工程地質(zhì)巖組、河寬指數(shù)和凹度。水力條件,至少上游流域指標(biāo)對滑坡體堵江能力的影響并不突出,考慮到現(xiàn)有數(shù)據(jù)獲取和采樣水平,認(rèn)為可以忽略水力條件這一參數(shù)。

3.3 模型驗(yàn)證

以P=0.5作為區(qū)分滑坡體堵江與否的分類標(biāo)準(zhǔn),計(jì)算并統(tǒng)計(jì)了建模樣本和驗(yàn)證樣本的預(yù)測精度,分別見表4、表5。研究區(qū)滑坡體堵江概率預(yù)測模型對建模樣本的總體預(yù)測精度為86.25%,其中1-型樣本和0-型樣本預(yù)測精度相差不大;對驗(yàn)證樣本的總體預(yù)測精度為80.95%,且對1-型樣本的預(yù)測精度大于0-型樣本?？梢?該模型對研究區(qū)滑坡體堵江的易發(fā)性評價較為理想,且評價結(jié)果相對保守。

表4 建模樣本預(yù)測精度Table 4 Prediction accuracy of modeling samples

表5 驗(yàn)證樣本預(yù)測精度Table 5 Prediction accuracy of verification samples

此外,深入滑坡事件頻發(fā)且交通相對便利的林芝、米林、朗縣、加查、隆子、錯那和亞東等縣進(jìn)行實(shí)地驗(yàn)證,根據(jù)對定位點(diǎn)處相關(guān)指標(biāo)的實(shí)地勘查量測和堵江分析結(jié)果,認(rèn)為本文提出的河谷橫剖面形態(tài)參數(shù)能夠較好地反映河谷形態(tài)特征,而利用研究區(qū)滑坡體堵江概率預(yù)測模型判斷的堵江情況與實(shí)際基本相符,證明了堵江預(yù)測模型的有效性。

4 結(jié)論

本文以物質(zhì)來源、水力條件和河谷地形為影響因素進(jìn)行滑坡體堵江概率分析研究和應(yīng)用。引入坡高、寬深比、剖面面積、凹度、不對稱系數(shù)和河寬指數(shù)等河谷橫剖面形態(tài)參數(shù),并利用GIS技術(shù)基于DEM數(shù)據(jù)實(shí)現(xiàn)了上述參數(shù)的自動提取。提取中國喜馬拉雅山地區(qū)堵江滑坡事件和非堵江滑坡事件樣本,統(tǒng)計(jì)對比了兩類樣本河谷橫剖面形態(tài)特征的差異性,并基于邏輯回歸建立了研究區(qū)滑坡體堵江概率預(yù)測模型,經(jīng)驗(yàn)證效果較為理想。本文結(jié)論如下:

(1)提出的河谷橫剖面形態(tài)參數(shù)及其自動提取方法,具有面向?qū)ο?、表征全面、提高?jì)算效率和精度等優(yōu)點(diǎn),可在河谷地貌研究領(lǐng)域推廣應(yīng)用。

(2)在中國喜馬拉雅山地區(qū),堵江滑坡與非堵江滑坡發(fā)生處河谷橫剖面的坡高、不同深度寬深比、凹度和河寬系數(shù)差異顯著,其中河寬指數(shù)差異最大,3/ 4坡高寬深比次之。相比于滑坡體所在斜坡的平均坡度,上述參數(shù)更利于開展滑坡體堵江易發(fā)性評價。

(3)基于邏輯回歸建立滑坡體堵江概率預(yù)測模型是可行的。該方法在中國喜馬拉雅山地區(qū)的應(yīng)用精度達(dá)到80%以上,且具有評價結(jié)果相對保守的特點(diǎn)。各影響因素按照對滑坡體堵江形成的重要性從大到小依次是坡高寬深比、滑坡面積、工程地質(zhì)巖組、河寬指數(shù)和凹度。其中,坡高寬深比、河寬指數(shù)、凹度3個地形參數(shù)與滑坡體堵江的發(fā)生概率呈反相關(guān)關(guān)系。作為堵江主體,較大的滑坡面積和較堅(jiān)硬巖組容易導(dǎo)致滑坡堵江事件的形成。

本文是河谷橫剖面形態(tài)特征分析和滑坡體堵江易發(fā)性評價領(lǐng)域的初步嘗試,效果比較理想。但所提出的參數(shù)計(jì)算和模型構(gòu)建方法還需要應(yīng)用于更多地區(qū)進(jìn)行驗(yàn)證和完善,這也是下一步的工作方向。

[1] COSTA J E,SCHU ST ER R L.T he formation and failure of nature dams[J].Geological Society of America Bulletin,1988, 100:1054-1068.

[2] SCHU STER R L.Landslide Dams:Processes,Risk and Mitigation[M].Seattle,Washington:American Society of Civil Engineers,1986.

[3] CARRARA A,GUZZETTI F,CARDINALI M,et al.U se of GIS technology in the prediction and monitoring of landslide hazard [J].Natural Hazards,1999,20:117-135.

[4] 石振明,李建可,鹿存亮,等.堰塞湖壩體穩(wěn)定性研究現(xiàn)狀及展望[J].工程地質(zhì)學(xué)報,2010(5):657-663.

[5] DONG J J,TU NG Y H,CHEN C C,et al.Discriminant analysis of the geomorphic characteristics and stability of landslide dams [J].Geomorphology,2009,110(3-4):162-171.

[6] DONG J J,T UNG Y H,CHEN C C,et al.Logistic regression model for predicting the failure probability of a landslide dam [J].Engineering Geology,2011,117(1-2):52-61.

[7] WANG G,LIU F,FU X,et al.Simulation of dam breach development for emerg ency treatment of the Tangjiashan Quake L ake in China[J].Science in China Series E:T echnological Sciences,2009,51(S2):82-94.

[8] SCHU STER R L.Impact of landslide dams on mountain valley [A].EVANS S G.Landslides from Massive Rock Slope Failure [C].Netherlands:Springer,2006.591-616.

[9] 張金山,沈興菊,謝洪.泥石流堵河影響因素研究——以岷江上游為例[J].災(zāi)害學(xué),2007(2):82-86.

[10] 柴賀軍,劉漢超,張倬元.滑坡堵江的基本條件[J].地質(zhì)災(zāi)害與環(huán)境保護(hù),1996(1):41-46.

[11] ZHOU L,TAKASHI O.DEM analysis on longitudinal and transverse profiles of steep mountainous watersheds[J].Geomorphology,2006,78(1-2):77-89.

[12] ZHOU L,T AKASHI O.Longitudinal and transverse profiles of hilly and mountainous watersheds in Japan[J].Geomorphology,2009,111(1-2):17-26.

[13] 閔石頭,王隨繼.滇西縱向嶺谷區(qū)河谷形態(tài)特征、發(fā)育規(guī)律及成因[J].山地學(xué)報,2007(5):524-533.

[14] 王珊珊,胡瑞林,童立強(qiáng).中國喜馬拉雅山地區(qū)滑坡堵江編目及空間特征分析[J].工程地質(zhì)學(xué)報,2015,23(3):361-372.

[15] 何曉群,劉文卿.應(yīng)用回歸分析[M].北京:中國人民大學(xué)出版社,2011.245-250.

[16] 許沖,徐錫偉.邏輯回歸模型在玉樹地震滑坡危險性評價中的應(yīng)用與檢驗(yàn)[J].工程地質(zhì)學(xué)報,2012,20(3):326-333.

[17] 劉藝梁,殷坤龍,劉斌.邏輯回歸和人工神經(jīng)網(wǎng)絡(luò)模型在滑坡災(zāi)害空間預(yù)測中的應(yīng)用[J].水文地質(zhì)工程地質(zhì),2010(5):92-96.

Susceptibility Assessment of Landslide-Damming Based on Valley Transverse Profile Morphological Characteristics

WANG Shan-shan,TONG Li-qiang
(ChinaA erogeop hysics and Remote Sensing Center,Beij ing100083,China)

Susceptibility assessment of landslide-damming is a short board in landslide-damming risk research.Taking material source,hydraulic condition and valley topography as main influence factors,the paper analyzed the probability of landslide mass to dam rivers.An automatic extraction method of valley transverse profile morphological parameters was proposed,to quantify valley morphological characteristics.T aking Himalaya of China as the study area,the landslide-damning susceptibility model was built based on logistic regression,and the results were proved to be ideal.The main conclusions are as follows:1)The automatic extraction method of valley transverse profile morphological parameters has the advantages of object-oriented,reflecting comprehensively,high efficient and high-accuracy.2)Comparing the landslides dammed rivers with the landslides un-dammed rivers in Himalaya of China,the valley transverse profile morphological parameters including slope height,width-depth ratio of various depth,valley concavity and river width index have significant differences.Among the above parameters,river width index has the greatest difference,and width-depth ratio of 3/4 slope height takes the second place.3)Susceptibility assessment of landslidedamming based on logistic regression is feasible.The model accuracy applied in Himalaya of China is greater than 80%.T he influenced factors according to the correlation with landslide damming from big to small in proper order are:width-depth ratio of slope height,landslide area,engineering geological petrofabric,river width index and valley concavity.

landslide damming;valley transverse profile;automatic extraction;logistic regression

P642.22

A

1672-0504(2016)05-0097-06

10.3969/j.issn.1672-0504.2016.05.015

2016-03-09;

2016-06-01

王珊珊(1985-),女,工學(xué)博士,工程師,研究方向:基于3S技術(shù)的地質(zhì)災(zāi)害監(jiān)測與評價。E-mail:wangss1028@126.com