滑坡敏感性評價模型研究

鄭向東，妙 丹，薛東劍

（1.西安市勘察測繪院，陜西 西安 710000；2.西安四維圖新信息技術有限公司，陜西 西安710075；3.成都理工大學 地球科學學院，四川 成都 610059；4.國土資源部國土資源信息技術與應用重點實驗室，四川 成都610059）

滑坡敏感性評價模型研究

鄭向東1，妙 丹2，薛東劍3,4

（1.西安市勘察測繪院，陜西 西安 710000；2.西安四維圖新信息技術有限公司，陜西 西安710075；3.成都理工大學 地球科學學院，四川 成都 610059；4.國土資源部國土資源信息技術與應用重點實驗室，四川 成都610059）

以得榮縣為研究區(qū)，結(jié)合野外調(diào)查資料，選取坡度、坡向、高程、斷裂、水系、地表曲率、工程巖組、土地利用和NDVI等9個評價因子，利用信息量、邏輯回歸和支持向量機（SVM）3種定量模型進行了敏感性評價，并引入成功率驗證法對評價模型精度進行了評定。研究結(jié)果表明，SVM模型具有很高的預測精度，為81.2%，可推廣到其他高山峽谷區(qū)域使用。

得榮縣；滑坡敏感性評價；SVM

滑坡是僅次于地震和洪水的嚴重地質(zhì)災害[1]。2008 年5·12汶川地震后，強烈的震動使地表遭到嚴重破壞，形成大量的堆積物和松散物，西南地區(qū)在未來較長的時間里滑坡會更趨向嚴重[2]?；聻暮γ舾行詤^(qū)劃有定性、定量及確定性[3]3類建模方法。定性方法包括層次分析法（AHP）；定量方法有概率分析法、邏輯回歸模型、信息量模型、人工神經(jīng)網(wǎng)絡模型和SVM模型；確定性方法有安全系數(shù)模型等。LEE[4]采用邏輯回歸模型對Penang、Malaysia 地區(qū)進行了敏感性分析；Suzen等在土耳其的Asarsuyu集水流域，利用滑坡種子元圖和統(tǒng)計百分位圖來確定各個影響因子的權重，并對其進行了滑坡災害敏感性評價[5]；Van Westen進一步將貝葉斯概率統(tǒng)計方法的數(shù)據(jù)驅(qū)動權重模型應用到滑坡災害敏感性評價領域[5]；朱良峰[6]等利用信息量模型對全國范圍內(nèi)的滑坡敏感性進行了評價，研究成果有一定的指導意義；趙建華[7]等通過研究得出，邏輯回歸模型需要在大量樣本數(shù)據(jù)的支持下才能取得較為理想的效果。

1 研究區(qū)概況

得榮縣城位于四川省甘孜州南部，呈南北長、東西窄的長條形，幅員面積2 908 km2。研究區(qū)地處青藏高原東南緣橫斷山脈北端、川西高原高山峽（深）谷區(qū)，地形切割強烈，坡陡谷深，以深切割的高山、高中山為主。研究區(qū)屬青藏滇尼“歹”字型構(gòu)造體系中部川滇南北向構(gòu)造體系歸并復合的最北段，受區(qū)域性強大的壓應力作用，形成規(guī)模較大的褶皺帶。研究區(qū)內(nèi)大部分地區(qū)基巖裸露，從奧陶系到第四系地層除缺失第三系、白堊系和侏羅系外，其他各系均有不同程度的發(fā)育，尤其是三迭系分布最廣，在局部地區(qū)還分布有火山巖。得榮縣屬金沙江水系，金沙江自北向南，流經(jīng)縣境西部和西南部邊緣，縣境內(nèi)其一級支流有定曲河，二級支流有瑪曲、許曲和崗曲。

2 研究區(qū)滑坡現(xiàn)狀

區(qū)內(nèi)滑坡以大中型土質(zhì)滑坡為主，通過調(diào)查得知，截至2011年區(qū)內(nèi)共有245處滑坡等災害點?；麦w外形以微凸狀或階梯狀為主，滑坡后緣的開裂、下錯等變形現(xiàn)象較多，部分還可見鼓丘；而滑坡前緣的剪出口和隆起等現(xiàn)象較多。區(qū)內(nèi)滑坡一般都屬于松散巖類，滑體物質(zhì)組成多為結(jié)構(gòu)松散塊碎石土，且主要分布在松麥鎮(zhèn)和奔都鄉(xiāng)。

3 敏感性評價

由于各因子的量綱不同，首先對指標數(shù)據(jù)進行歸一化處理，運用統(tǒng)計學的方法統(tǒng)計災害點和各因子間的關系。本文采用信息量模型、邏輯回歸模型以及SVM模型對研究區(qū)進行敏感性評價，研究流程如圖1所示。

3.1 信息量模型

信息量法是以已知災害區(qū)的影響因素為依據(jù)，推算出標志各影響因子敏感性的信息量，建立評價預測模型，并依照類比原則外推到相鄰地區(qū)，從而對整個地區(qū)的敏感性作出評價[6]，其公式為：

式中，I（Xi，D）是因子Xi對滑坡災害發(fā)生D提供的信息量；S是研究區(qū)內(nèi)評價單元的總數(shù)；Si是研究區(qū)內(nèi)含有評價因子Xi的單元數(shù)；N是研究區(qū)含有滑坡等地質(zhì)災害的單元總數(shù)；Ni是分布在因素Xi內(nèi)特定類別內(nèi)的滑坡單元數(shù)。

圖1 模型敏感性評價技術路線圖

選取坡度、 坡向、 高程、 斷裂、 水系、 地表曲率、工程巖組、 土地利用和 NDVI等9個評價因子，運用式 （1），計算各個I（Xi，D）的值；再利用GIS的空間分析功能，對各指標分別賦相應的信息量，然后將各個因子圖層進行疊加，得到研究區(qū)敏感性評價結(jié)果；最后用自然斷點法將敏感性系數(shù)分為極輕度、 輕度、 中度、 高度和極高度5個等級，如圖2。

3.2 邏輯回歸模型

在地質(zhì)災害和災情分析中會遇到，在因變量取值范圍已知的情況下，預測某種災害發(fā)生的可能性，邏輯回歸模型就是用來解決這類問題的[8]。P表示發(fā)生滑坡的概率；Q表示未發(fā)生滑坡的概率；x1，x2，…，xn是影響滑坡發(fā)生的n個因子，邏輯回歸模型對滑坡發(fā)生的概率表示為：

對滑坡未發(fā)生的概率表示為：

式中，β0、β1、βn、e都是常數(shù)，最后通過回歸分析得到表1。

表1 邏輯回歸模型系數(shù)表

利用GIS空間分析功能，結(jié)合式（2），得到研究區(qū)的敏感性評價結(jié)果。P值越大，滑坡發(fā)生的概率就越大。利用自然斷點法將敏感性系數(shù)分為5個等級：極輕度、 輕度、 中度、 高度和極高度（圖3）。

3.3 SVM模型

SVM是1995年Cortes和Vapnik首先提出的，它在解決小樣本、非線性及高維模式識別中表現(xiàn)出許多特有的優(yōu)勢。圓形的樣本點定為正樣本，方形的點定為負樣本。H是分類回歸函數(shù)，而H1和H2是平行于H，且過離H最近的兩類樣本的直線，H1與H，H2與H之間的距離叫做幾何間隔，它與樣本的誤分次數(shù)有關。為了分開兩類樣本，求得這樣一個線性函數(shù)公式[9]：

求取g（x）的過程即是求w（一個n維向量）與b （一個實數(shù)）兩個參數(shù)的過程。SVM方法的核心概念是支持向量。落在H1與H2上的紅色圓形點與藍色方形點就是支持向量，通過這些點可求出w。w可寫成為拉格朗日乘子，γi為樣本的標簽，它等于1或-1。

因為各因子之間呈現(xiàn)的是多維空間信息，會出現(xiàn)簡單的低維空間線性不可分問題，但最終發(fā)現(xiàn)當?shù)途S空間中的線性不可分問題映射到多維空間后，則變成了線性可分。因此，使其變得線性可分，只需要一個函數(shù)使其由低維向高維空間轉(zhuǎn)化。該函數(shù)則是核函數(shù)，一般情況下，只要是滿足了Mercer條件的函數(shù)，都能成為核函數(shù)。核函數(shù)的基本作用就是接受兩個低維空間里的向量，經(jīng)過某個變換后能夠計算出在高維空間里的向量內(nèi)積值。通常用于研究的核函數(shù)有：線性核函數(shù)： k（x，xi）=x·xi；多項式核函數(shù)：k（x，xi）=（γx·xi+r）d，γ＞0 ；徑向基函數(shù)：k（x，xi）=exp（-γ||x-xi||2），γ＞0和S形函數(shù)：k（x，xi）=tan（γx·xi+r） 。

將核函數(shù)帶入式（6），就可得到最后的回歸函數(shù)：

通過參數(shù)優(yōu)化，最終回歸分析得到研究區(qū)敏感性評估結(jié)果，運用自然斷點法將敏感性系數(shù)分為極輕度、輕度、 中度、 高度和極高度5個等級（圖4）。

4 精度分析

成功率驗證法能定量地評價滑坡空間預測結(jié)果。它將敏感性系數(shù)歸一化為0～100之間，然后作降序排列并等分為100份，然后計算各個單位內(nèi)滑坡發(fā)生的百分比；再將滑坡發(fā)生累積百分比作Y軸，敏感性系數(shù)降序排列作X軸，得到滑坡敏感性指數(shù)—滑坡發(fā)生累計頻率曲線圖。整個區(qū)域的面積為1，曲線與X軸所圍成的面積則是預測成功率的大小（圖5）。

圖2 信息量模型敏感性評估結(jié)果

圖3 邏輯回歸模型敏感性評估結(jié)果

圖4 SVM模型敏感性評估結(jié)果

圖5 評估模型精度對比

從圖5得知，對于80%～70%（X軸30%處）的敏感性指數(shù)，信息量模型、邏輯回歸模型、SVM模型分別可以概括29.6%、70%、74%的滑坡發(fā)生，顯然SVM模型的精度要高于其他模型；60%～50%（X軸50%處）三者分別為54%、92%和99%的滑坡發(fā)生。累計頻率曲線和X軸包圍的面積分別為信息量模型0.556、邏輯回歸模型0.768和SVM模型0.812，因此可以說信息量模型、邏輯回歸模型和SVM模型的預測精度分別為55.6%、76.8%和81.2%。由此可見，SVM相對具有較好的描述精度。

5 結(jié) 語

通過運用SVM模型、邏輯回歸模型以及信息量模型，結(jié)合GIS與RS技術，對得榮縣進行敏感性評價，得出以下結(jié)論：

1）運用3種模型對研究區(qū)進行了敏感性評價，SVM模型具有較高精度，為81.2%；邏輯回歸模型在進行評估時需要大量的樣本數(shù)據(jù)，才能得到較好的結(jié)果，如果研究區(qū)資料收集不充分，很難保證邏輯回歸模型的精度，但SVM模型因其本身具有解決小樣本、非線性及高維模式識別的優(yōu)勢，在同等樣本數(shù)據(jù)基礎上，它可利用少量的樣本信息，對研究區(qū)進行敏感性評價，并能獲得較高精度結(jié)果。因此SVM模型能夠推廣到其他高山峽谷地區(qū)使用。

2）得榮縣為地質(zhì)災害多發(fā)區(qū)域，通過敏感性系數(shù)可知，系數(shù)越大，發(fā)生再次災害的可能性越大，因此該研究成果對得榮縣滑坡預警具有重要的參考意義。

3）敏感性系數(shù)最高區(qū)主要位于定曲河谷深切割高山峽谷區(qū)、金沙江河谷區(qū)、許曲河谷區(qū)和瑪曲河谷區(qū)，對人民的人身與財產(chǎn)安全構(gòu)成很大威脅，對該區(qū)的滑坡災害防治迫在眉睫。

[1] CHEN J, YANG Z F, LIU H Q. Landslide Susceptibility Zoning and Its Probabilistic Forecast[J].Chinese Journal of Rock Mechanics and Engineering,2005,24(13):2 392-2 396

[2] 陶舒,胡德勇,趙文吉,等.基于信息量與邏輯回歸模型的次生滑坡災害敏感性評價:以汶川縣北部為例[J].地理研究,2010,29(9):1 594-1 605

[3] 解傳銀.基于權重模型的滑坡災害敏感性評價[J].中南大學學報(自然科學版),2011,42(6):1 772-1 779

[4] LEE S. Application of Logistic Regression Model and Its Validation for Landslide Susceptibility Mapping Using GIS and Remote Sensing Data[J].International Journal of Remote Sensing,2005,26(7):1 477-1 491

[5] 張麗君,江思宏.區(qū)域性滑坡敏感性評價的數(shù)據(jù)驅(qū)動權重模型及應用[J].水文地質(zhì)工程地質(zhì),2005,31(6):33-36

[6] 朱良峰,吳信才,殷坤龍,等.基于GIS的中國滑坡災害風險分析[J].巖土力學,2003,24(增刊):221-230

[7] 趙建華,陳漢林,楊樹鋒.滑坡災害危險性評價模型比較[J].自然災害學報,2006,15(1):128-134

[8] 邢秋菊,趙純勇,高克昌,等.基于GIS的滑坡危險性邏輯回歸評價研究[J].地理與地理信息科學,2004,20(3):49-51

[9] Cortes C,Vapnik V. Support Vector Networks[J].Machine Learning,1995,20(3): 273-297

[10] Chung C F, Fabbri A G. Probabilistic Prediction Models for Landslide Hazard Mapping[J].Photogrammetric Engineering &Remote Sensing,1999,65(12):1 388-1 399

[11] LEE S, Cho l J, Min K. Probabilistic Landslide Hazard Mapping Using GIS and Remote Sensing Data at Boun Korea[J]. International Journal of Remote Sensing,2004,25(11):2 037-2 052

[12] 胡德勇,李京,陳云浩,等.GIS支持下滑坡災害空間預測方法研究[J].遙感學報,2007,11(6):852-859

[13] Mehmet Lutfi Suzen, Vedat Doyuran. Data Driven Bivariate Landslide Susceptibility Assessment Using Geographical Information Systems: a Method and Application to Asarsuyu Catchment, Turkey[J]. Engineering Geology,2004,71:303-321

[14] Van Westen C J. Lecture Notes of Application of GIS to Landslide Hazard Assessment ITC[R].Enschede, the Netherland,2002

[15] Guzzetti F, Carrara A, Cardinali M, et al. Landslide Hazard Evaluation: a Review of Current Techniques and Their Application in a Multiscale Study, Central Italy [J].Geomorphology,1999,31(1/4):181-216

[16] Ayalew L, Yamagishi H, Marui H, et al. Landslides in Sado Island of Japan: Part II.GIS-based Susceptibility Mapping with Comparisons of Results from Two Methods and Verifications[J]. Engineering Geology, 2005,81(4):432-445

P208

B

1672-4623（2016）07-0098-03

10.3969/j.issn.1672-4623.2016.07.032

鄭向東，主要從事環(huán)境遙感與地質(zhì)災害風險評價研究。

2015-05-05。

項目來源：國家自然科學基金資助項目（40972225）；教育部博士點基金聯(lián)合資助項目（20095122110003）。