基于GIS的蘭州地區(qū)滑坡災(zāi)害孕災(zāi)環(huán)境敏感性評(píng)價(jià)*

牛全福, 馮尊斌, 張映雪, 黨星海

(蘭州理工大學(xué) 土木工程學(xué)院, 甘肅 蘭州 730050)

基于GIS的蘭州地區(qū)滑坡災(zāi)害孕災(zāi)環(huán)境敏感性評(píng)價(jià)*

牛全福, 馮尊斌, 張映雪, 黨星海

(蘭州理工大學(xué) 土木工程學(xué)院, 甘肅 蘭州 730050)

選取坡度、坡向等八個(gè)孕災(zāi)環(huán)境因子，利用概率指數(shù)法、信息量法和Logistic回歸模型對(duì)蘭州地區(qū)地質(zhì)災(zāi)害進(jìn)行了危險(xiǎn)性研究，對(duì)比三種模型的評(píng)價(jià)結(jié)果可以看出，地質(zhì)災(zāi)害的敏感性強(qiáng)弱分布趨勢(shì)基本一致，信息量模型對(duì)應(yīng)的ROC曲線下面積較大，Logistic回歸模型次之，概率指數(shù)模型略低。模型精度評(píng)價(jià)表明，信息量模型略高于Logistic回歸模型，概率指數(shù)模型評(píng)價(jià)精度最低。評(píng)價(jià)結(jié)果表明，位于地質(zhì)災(zāi)害極高易發(fā)區(qū)的縣(區(qū))為：城關(guān)區(qū)、西固區(qū)、永登縣；位于高易發(fā)區(qū)的縣(區(qū))有：七里河區(qū)、安寧區(qū)；位于易發(fā)區(qū)的縣(區(qū))為皋蘭縣；相對(duì)較穩(wěn)定(不易發(fā)區(qū))的縣(區(qū))為榆中縣。

滑坡災(zāi)害；孕災(zāi)環(huán)境；敏感性；模型；蘭州

黃土滑坡與崩塌是黃土地區(qū)很重要的地質(zhì)災(zāi)害。前者是斜坡或邊坡地帶的巖土體，在重力或其他附加力的作用下，整體順坡下滑的現(xiàn)象；后者是較陡斜坡上的巖土體，在重力作用下，突然發(fā)生崩落現(xiàn)象。由于我國(guó)黃土高原地質(zhì)構(gòu)造復(fù)雜、斷裂發(fā)育、新構(gòu)造運(yùn)動(dòng)強(qiáng)烈，黃土及下伏中新生界泥巖、沙質(zhì)泥巖等巖土體疏松、欠壓密的巖性性質(zhì)，以及區(qū)內(nèi)地形起伏、溝壑縱橫的地貌特征，加之降雨集中、局地性暴雨多，植被稀疏，土體裸露等因素，因此黃土滑坡和崩塌異常發(fā)育。黃土高原地區(qū)滑坡是我國(guó)滑坡災(zāi)害最嚴(yán)重的地區(qū)，據(jù)統(tǒng)計(jì)，我國(guó)滑坡約有1/3發(fā)生于黃土高原地區(qū)，僅甘肅省就有各類大小滑坡4萬處，其中，體積大于50萬m3的滑坡約5 580處[1]。滑坡災(zāi)害是山區(qū)常見的突發(fā)性地質(zhì)災(zāi)害，經(jīng)常壓埋村莊城市、毀壞道路渠道、摧毀工程礦山、堵塞江河水庫(kù)、破毀農(nóng)田，還可引發(fā)泥石流等次生災(zāi)害。因此，滑坡已成為制約我國(guó)黃土山區(qū)經(jīng)濟(jì)發(fā)展和人民生命財(cái)產(chǎn)安全的最嚴(yán)重自然災(zāi)害之一，故對(duì)黃土區(qū)滑坡災(zāi)害研究和危險(xiǎn)性評(píng)價(jià)具有重要現(xiàn)實(shí)意義[2]。

黃土區(qū)域滑坡災(zāi)害的危險(xiǎn)性是指在一定區(qū)域內(nèi)滑坡災(zāi)害發(fā)生的可能性[3]，自1980年后期始，世界各地廣泛開展了滑坡危險(xiǎn)性研究。Cross[4]于1996年利用滑坡敏感性指數(shù)(LSI)在英國(guó)Derbyshire地區(qū)進(jìn)行滑坡危險(xiǎn)性區(qū)劃實(shí)踐研究。Finlay P J等[5]采用統(tǒng)計(jì)學(xué)原理，對(duì)香港1984-1993年間的3 000多個(gè)滑坡災(zāi)害記錄數(shù)據(jù)庫(kù)進(jìn)行了統(tǒng)計(jì)分析研究，建立了基于滑坡災(zāi)害幾何條件預(yù)測(cè)滑坡災(zāi)害水平運(yùn)動(dòng)距離的多元回歸模型。隨著遙感與地理信息系統(tǒng)的發(fā)展，為滑坡災(zāi)害危險(xiǎn)性評(píng)價(jià)研究提供了更加便利的數(shù)據(jù)來源與空間分析工具，使滑坡災(zāi)害危險(xiǎn)性評(píng)價(jià)研究的精度與效率都得到了很大提高[6-7]。

中國(guó)滑坡災(zāi)害危險(xiǎn)性評(píng)價(jià)研究發(fā)展也較快。仵惠寧[8]分析了蘭州市區(qū)地質(zhì)環(huán)境特征及其對(duì)崩滑流災(zāi)害的控制作用，并分析了人類工程經(jīng)濟(jì)活動(dòng)對(duì)地質(zhì)環(huán)境的重大影響。李家存等[9]以馬來西亞金馬侖高原作為研究區(qū),利用概率指數(shù)評(píng)價(jià)模型進(jìn)行了滑坡危險(xiǎn)性評(píng)價(jià)，表明此模型具有較好的評(píng)價(jià)精度。牛全福[10]等基于信息量模型，研究了玉樹地震重災(zāi)區(qū)結(jié)古鎮(zhèn)的滑坡危險(xiǎn)性，得出的危險(xiǎn)性評(píng)價(jià)等級(jí)與實(shí)際滑坡發(fā)生情況吻合度較好。許沖等[11]基于GIS和RS技術(shù)，應(yīng)用邏輯回歸模型開展玉樹地震滑坡危險(xiǎn)性評(píng)價(jià)，并對(duì)結(jié)果合理性進(jìn)行檢驗(yàn)，正確率達(dá)83.21%[10]。唐川[12]以柵格單元與地貌單元作為單位評(píng)價(jià)單元，以信息量法與邏輯回歸法兩種評(píng)價(jià)模型對(duì)汶川進(jìn)行地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)分區(qū)，研究表明在小范圍區(qū)域內(nèi)，基于地貌單元的地質(zhì)災(zāi)害易發(fā)性評(píng)價(jià)分區(qū)具有良好的適用性與可塑性。災(zāi)害是地球表層變異過程的產(chǎn)物，是致災(zāi)因子、孕災(zāi)環(huán)境與承災(zāi)體綜合作用的結(jié)果[13]。目前對(duì)滑坡災(zāi)害孕災(zāi)環(huán)境危險(xiǎn)性的評(píng)價(jià)，大多依靠專家經(jīng)驗(yàn)及因子疊加法進(jìn)行研究，評(píng)價(jià)結(jié)果往往存在一定的主觀性。同時(shí)在研究中采用單一方法進(jìn)行評(píng)價(jià)相對(duì)較多，而運(yùn)用多方法比較研究相對(duì)較少。因此，本研究?jī)斣囈渣S土地區(qū)實(shí)測(cè)滑坡為基準(zhǔn)，選用滑坡災(zāi)害危險(xiǎn)性評(píng)價(jià)常用模型：概率指數(shù)模型、信息量模型和邏輯回歸模型，結(jié)合研究區(qū)地質(zhì)災(zāi)害特點(diǎn)，分別對(duì)研究區(qū)滑坡災(zāi)害危險(xiǎn)性進(jìn)行計(jì)算模擬，對(duì)比分析評(píng)價(jià)結(jié)果，進(jìn)一步探究討論評(píng)價(jià)模型對(duì)研究區(qū)的適用性，以期為黃土區(qū)域滑坡災(zāi)害危險(xiǎn)性評(píng)價(jià)提供研究思路。

1 地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)方法

1.1 概率指數(shù)模型

(1)

式中：GWarea(i)是因子Bi中發(fā)生地質(zhì)災(zāi)害的概率，Darea(i)是因子Bi的地質(zhì)災(zāi)害的面積密度。

1.2 信息量模型

信息量模型是一種統(tǒng)計(jì)分析預(yù)測(cè)方法。它的理論基礎(chǔ)是信息論，采用地質(zhì)災(zāi)害發(fā)生過程中熵的減少來表征地質(zhì)災(zāi)害發(fā)生的可能性。區(qū)域地質(zhì)災(zāi)害穩(wěn)定性計(jì)算中，首先利用已有災(zāi)害數(shù)據(jù)和評(píng)價(jià)因子，計(jì)算各評(píng)價(jià)因子的信息量，所有影響因子的綜合指標(biāo)可以通過下式計(jì)算得到：

(2)

式中：S為研究區(qū)評(píng)價(jià)單元的總數(shù)；N為研究區(qū)分布滑坡災(zāi)害的單元總數(shù)；Si為研究區(qū)內(nèi)含有評(píng)價(jià)因素x1的單元數(shù)；Ni為分布在因素x1內(nèi)特定類別內(nèi)的滑坡災(zāi)害單元數(shù)目；總信息量Ii表示區(qū)域地質(zhì)災(zāi)害穩(wěn)定性的綜合指標(biāo)，其值越大表明越利于滑坡災(zāi)害的發(fā)生。

1.3 Logistic回歸模型

邏輯回歸模型是一種多元非線性統(tǒng)計(jì)模型，是地質(zhì)災(zāi)害發(fā)生與否這類二分類因變量常用的統(tǒng)計(jì)分析方法。滑坡災(zāi)害發(fā)生的概率與評(píng)價(jià)因子之間的關(guān)系可表示為：

Z=B0+B1X1+B2X2+…+BnXn；

(3)

P=1/(1+e-z)。

(4)

式中：Z代表變量疊加后的線性權(quán)重之和；Bi是回歸系數(shù)；P代表滑坡發(fā)生的概率，輸出結(jié)果范圍為0～1，0表示發(fā)生滑坡的概率為 0，1表示發(fā)生滑坡的概率為100% 。

2 研究區(qū)地質(zhì)災(zāi)害概況

蘭州地區(qū)地處黃河上游的黃土高原西部，其南北兩側(cè)為綿延起伏的山地和溝壑縱橫的黃土梁峁，城區(qū)主要坐落在黃河兩岸Ⅰ、Ⅱ級(jí)階地上，黃河干流橫穿主城區(qū)，黃河谷地呈峽谷、串珠狀河谷階地相間，是典型的山地城市。該區(qū)經(jīng)歷了多個(gè)時(shí)期的造山運(yùn)動(dòng)，地質(zhì)構(gòu)造復(fù)雜、地形起伏強(qiáng)烈，南北兩山主要為上覆第四系黃土的新生界紅色碎屑巖類，其結(jié)構(gòu)非常疏松，加之高差大，形成較多垂直截立面，故是我國(guó)地質(zhì)災(zāi)害最嚴(yán)重的城市之一[14]。近年來，隨著城市發(fā)展規(guī)模的進(jìn)一步擴(kuò)大，受制于特殊的地形地貌條件，城市建設(shè)不斷向黃河兩岸山前和臺(tái)塬地帶拓展，人類活動(dòng)對(duì)地質(zhì)災(zāi)害的引發(fā)和加劇作用已越來越明顯，因此研究該地區(qū)的滑坡災(zāi)害具有重要的意義。

本次研究選取地質(zhì)災(zāi)害高發(fā)的蘭州市及周邊，范圍為103°28′～104°02′ E，35°50′～36°20′ N，面積約2 051.54 km2。區(qū)內(nèi)突發(fā)性地質(zhì)災(zāi)害的類型主要為滑坡、崩塌、泥石流和地面塌陷等。通過遙感解譯和實(shí)地調(diào)查統(tǒng)計(jì)，研究區(qū)共有滑坡災(zāi)害及隱患點(diǎn)達(dá)227處，其中滑坡121處，崩塌68處，不穩(wěn)定斜坡38處，主要分布于南北兩山及山前地帶、蘭州市區(qū)自河口到桑園峽、蘭州火車站到焦家灣、西固洪水溝、黃河北岸大砂溝及徐家灣地帶(圖1)。研究區(qū)滑坡災(zāi)害主要以斜坡變形破壞為主，即以崩塌、滑坡災(zāi)害占主導(dǎo)地位，其次為泥石流災(zāi)害,也與崩塌、滑坡的關(guān)系較為密切。

3 滑坡災(zāi)害危險(xiǎn)性評(píng)價(jià)

3.1 評(píng)價(jià)指標(biāo)的獲取

影響黃土滑坡、崩塌災(zāi)害的因素主要有地形地貌、地層巖性、植被覆蓋、降雨以及人類工程活動(dòng)等，是多種因素聯(lián)合作用的結(jié)果[15]，因此，在地質(zhì)災(zāi)害孕災(zāi)環(huán)境危險(xiǎn)性評(píng)價(jià)中影響因子的選取至關(guān)重要。由于研究樣區(qū)范圍不大，故只選影響斜坡穩(wěn)定性的基本因素：高程、坡度、坡向、地形起伏度、地層巖性、曲率及高程變異系數(shù)七個(gè)因素作為孕災(zāi)

圖1 研究范圍

環(huán)境危險(xiǎn)性評(píng)價(jià)因子，而降雨、植被覆蓋等影響因素由于基本相同故沒有考慮。在影響因子的提取中，地層巖性主要依據(jù)收集的1：25萬地質(zhì)數(shù)據(jù)獲取，為便于統(tǒng)計(jì)計(jì)算，將研究區(qū)地層巖性面狀數(shù)據(jù)轉(zhuǎn)換為柵格數(shù)據(jù)格式，并根據(jù)巖層的堅(jiān)硬程度，將其劃分為5個(gè)等級(jí)，即穩(wěn)定巖組、偶滑巖組、較易滑巖組、易滑巖組、極易滑巖組；坡度等其它因子主要基于ArcGIS軟件的表面分析功能，利用1：5萬DEM為基礎(chǔ)數(shù)據(jù)進(jìn)行提取并進(jìn)行分級(jí)。

3.2 區(qū)域滑坡災(zāi)害危險(xiǎn)性計(jì)算

3.2.1 概率指數(shù)模型法

首先基于ArcGIS軟件平臺(tái)，將調(diào)查獲得的歷史滑坡災(zāi)害數(shù)據(jù)和已提取的影響因子圖層進(jìn)行疊加運(yùn)算，得到研究區(qū)滑坡面積密度；然后將歷史滑坡與各因子各分段區(qū)域進(jìn)行疊加分析，分別獲得各影響因子各分段的區(qū)域面積、分段內(nèi)滑坡災(zāi)害的面積，依據(jù)公式(1)計(jì)算得到概率指數(shù)(表1)；最后將所有影響因子概率指數(shù)圖層進(jìn)行疊加運(yùn)算，得到全要素綜合概率指數(shù)圖，即基于概率指數(shù)的研究區(qū)滑坡災(zāi)害敏感性分布圖，采用幾何分割方法將計(jì)算結(jié)果分為5個(gè)等級(jí)，分別為極高易發(fā)區(qū)、高易發(fā)區(qū)、易發(fā)區(qū)、不易發(fā)區(qū)、極不易發(fā)區(qū)，然后將解譯的滑坡災(zāi)害數(shù)據(jù)與敏感性分布圖進(jìn)行疊加(圖2)。

圖2 概率指數(shù)法

3.2.2 信息量模型

對(duì)獲取的8個(gè)影響因子圖層，利用ArcGIS的空間分析功能，結(jié)合已調(diào)查獲取的滑坡災(zāi)害數(shù)據(jù)進(jìn)行疊加運(yùn)算，獲取滑坡災(zāi)害在不同因子類別中的分布密度，依據(jù)公式(2)計(jì)算各評(píng)價(jià)因子的信息量值(表1)；其次對(duì)各影響因子的各類別依據(jù)計(jì)算的信息量值進(jìn)行重分類，獲得各因子的信息量圖層；最后將所有因子的信息量圖層進(jìn)行疊加運(yùn)算，得到全要素綜合信息量圖，采用幾何分割方法將計(jì)算結(jié)果分為 5 個(gè)等級(jí)，分別為極高易發(fā)區(qū)、高易發(fā)區(qū)、易發(fā)區(qū)、不易發(fā)區(qū)、極不易發(fā)區(qū)，然后將解譯的滑坡災(zāi)害數(shù)據(jù)與信息量分布圖進(jìn)行疊加(圖3)。

3.2.3 Logistic回歸模型

基于Logistic回歸模型的地質(zhì)災(zāi)害危險(xiǎn)性評(píng)估中，在已提取的柵格數(shù)據(jù)上進(jìn)行滑坡發(fā)生和未發(fā)生點(diǎn)采樣，然后利用SPSS軟件進(jìn)行邏輯回歸分析，得到各影響因子的邏輯回歸系數(shù)值 (表2)。由于邏輯回歸本身具有挑選變量的功能，對(duì)變量沒有貢獻(xiàn)或貢獻(xiàn)很小的變量剔除出模型，本研究基于Logistic回歸模型選取的影響因子有：高程、坡度、平面曲率、起伏度、地質(zhì)巖組以及高程變異系數(shù)，將其邏輯回歸系數(shù)值代入公式(3)，計(jì)算各個(gè)評(píng)價(jià)單元發(fā)生滑坡的概率，概率數(shù)值越大，反映發(fā)生滑坡的敏感性越大。

同樣采用幾何分割方法將計(jì)算結(jié)果分為5個(gè)等級(jí)，分別為極高易發(fā)區(qū)、高易發(fā)區(qū)、易發(fā)區(qū)、不易發(fā)區(qū)、極不易發(fā)區(qū)，然后將解譯的滑坡災(zāi)害數(shù)據(jù)與邏輯回歸計(jì)算得概率分布圖進(jìn)行疊加(圖4)。

圖4 Logistic模型法

評(píng)價(jià)因子分段情況類內(nèi)面積/km2類內(nèi)滑坡面積/km2概率指數(shù)信息量高程/m<18002172028068-0201800～210028570541000182100～24001166016072-0152400～2700710012085002>2700129002076-009坡度/(°)<15863010024-03515～252443031028-02125～352151034034-00135～45118402504502745～55347010062060>55046002100108坡向平地033001082002N822012073-010EN924014078-003E1079018086006ES853013078-003S726010067-019WS735010069-016W956019100021WN907016087008坡度變率<52119029034-0145～10383306203900110～15975018045015>15107003064050坡向變率<20152103110002520～40235803908000440～601955026065-018>601199015063-021地形起伏度/m<151194013025-03515～303612050031-01330～45176903404402045～60396011064058>60062003100103地質(zhì)穩(wěn)定巖組342001017-149偶滑巖組247004070-054較易滑巖組363001014-169易滑巖組3073066100031極易滑巖組267034060-021切割深度/m<51221014028-0345～103576049035-01410～20172103404902220～30426011064048>30089004100092

表2 Logistics回歸系數(shù)表

3.3 評(píng)價(jià)結(jié)果分析

3.3.1 精度評(píng)定

ROC曲線(receiver operating characteristic curve)，又稱感受性曲線，曲線上各點(diǎn)可反映在幾種不同的判定標(biāo)準(zhǔn)下對(duì)同一信號(hào)刺激的相同感受性[16]。ROC曲線下的面積值位于0～1之間，越接近于1，說明模型的判別結(jié)果較好。其評(píng)判標(biāo)準(zhǔn)為：曲線下的面積小于0.5，預(yù)測(cè)結(jié)果相反；面積接近0.5，為隨機(jī)模型；面積在 0.5～0.7 之間，則模型具有較低的準(zhǔn)確性，面積在0.7～0.9 之間，模型具有較高的準(zhǔn)確性；面積大于0.9，說明該模型具有極高的準(zhǔn)確性。ROC曲線已成功應(yīng)用于地質(zhì)災(zāi)害敏感性模型評(píng)價(jià)中[9]，其對(duì)應(yīng)關(guān)系為：①靈敏度表示為現(xiàn)實(shí)為地質(zhì)災(zāi)害，通過數(shù)學(xué)模型計(jì)算也判斷為地質(zhì)災(zāi)害的概率；②特異度表示為實(shí)際上未發(fā)生地質(zhì)災(zāi)害，通過數(shù)學(xué)模型計(jì)算亦判斷不是地質(zhì)災(zāi)害的概率；③誤判率表示把實(shí)際為假值，通過數(shù)學(xué)模型計(jì)算卻判斷為真值的概率。

本次研究采用SPSS軟件，將概率指數(shù)模型、信息量模型及Logistic回歸模型的預(yù)測(cè)結(jié)果及建模區(qū)內(nèi)地質(zhì)災(zāi)害發(fā)生與否情況，通過采樣并制作成Excel文件導(dǎo)入SPSS軟件中，得到三種評(píng)價(jià)模型的ROC曲線(圖5)和精度計(jì)算結(jié)果(表3)。由圖5和表3可知，信息量模型的預(yù)測(cè)精度最好，其ROC曲線下面積為0.732；Logistic回歸模型ROC曲線下面積為0.723，其預(yù)測(cè)精度次之；概率指數(shù)模型的

預(yù)測(cè)精度較前兩種模型略低，其ROC曲線下面積為0.7。但依據(jù)ROC曲線評(píng)價(jià)標(biāo)準(zhǔn)，信息量和概率指數(shù)模型均達(dá)到較高準(zhǔn)確性級(jí)別，說明本研究區(qū)其預(yù)測(cè)結(jié)果具有較高的可信度，均能夠較好地進(jìn)行本研究區(qū)地質(zhì)災(zāi)害危險(xiǎn)性預(yù)測(cè)。

圖5 ROC曲線

3.3.2 危險(xiǎn)性分布特征分析

為了更進(jìn)一步討論此三種模型的預(yù)測(cè)可靠性，本研究對(duì)每一種模型的預(yù)測(cè)結(jié)果按相同的標(biāo)準(zhǔn)進(jìn)行風(fēng)險(xiǎn)分級(jí)，并進(jìn)行各算法預(yù)測(cè)結(jié)果中各等級(jí)面積統(tǒng)計(jì)(表4)。

為進(jìn)一步對(duì)三種模型的預(yù)測(cè)結(jié)果作詳細(xì)分析，研究中分別對(duì)城關(guān)區(qū)、七里河區(qū)、西固區(qū)以及安寧區(qū)的預(yù)測(cè)結(jié)果進(jìn)行對(duì)比分析(圖6)。

表3 ROC曲線計(jì)算結(jié)果

表4 三種模型各等級(jí)面積統(tǒng)計(jì)表 km2

圖6 預(yù)測(cè)結(jié)果對(duì)比直方圖

分析圖6得出：就城關(guān)區(qū)的預(yù)測(cè)結(jié)果來看，三種模型預(yù)測(cè)結(jié)果中各級(jí)別面積大小的趨勢(shì)基本一致，尤其在極高、高和中三個(gè)級(jí)別中，概率指數(shù)和信息量模型的預(yù)測(cè)結(jié)果十分接近，而邏輯回歸模型的預(yù)測(cè)結(jié)果較大，在低和極低級(jí)別中，三種模型的預(yù)測(cè)結(jié)論趨勢(shì)一致，但有些許差異，其主要原因?yàn)樵搮^(qū)域面積較大，災(zāi)害發(fā)生數(shù)據(jù)少，模型計(jì)算預(yù)測(cè)有一定誤差所致；從七里河區(qū)的預(yù)測(cè)結(jié)果來分析，概率指數(shù)和信息量模型的預(yù)測(cè)結(jié)果與城關(guān)區(qū)相似，而邏輯回歸模型的預(yù)測(cè)結(jié)果卻較其它兩種方法偏?。辉谖鞴虆^(qū)的預(yù)測(cè)結(jié)果上，三種方法在極高、高和中三個(gè)級(jí)別中的預(yù)測(cè)結(jié)論解本一致；安寧區(qū)的預(yù)測(cè)結(jié)果與城關(guān)區(qū)的預(yù)測(cè)結(jié)果基本相似。綜合四個(gè)區(qū)域的預(yù)測(cè)結(jié)果，信息量和邏輯回歸模型的預(yù)測(cè)結(jié)論基本一致，這與上述ROC的精度評(píng)定結(jié)論相一致。

由此，本研究區(qū)進(jìn)行地質(zhì)災(zāi)害孕災(zāi)環(huán)境危險(xiǎn)性評(píng)估，可以信息量模型或邏輯回歸模型的預(yù)測(cè)結(jié)果分析，本研究選取息量法的預(yù)測(cè)結(jié)果進(jìn)行進(jìn)一步的討論。首先，將研究區(qū)調(diào)查得到的滑坡歷史地質(zhì)災(zāi)害數(shù)據(jù)與信息量模型預(yù)測(cè)結(jié)果圖進(jìn)行疊加統(tǒng)計(jì)，分別計(jì)算落入各區(qū)縣、各危險(xiǎn)等級(jí)的滑坡歷史災(zāi)害面積，然后，計(jì)算滑坡歷史災(zāi)害數(shù)據(jù)與各區(qū)縣、各危險(xiǎn)等級(jí)的面積百分比，若數(shù)值相對(duì)較大，則確定為風(fēng)險(xiǎn)等級(jí)較高。通過計(jì)算得出：位于極高易發(fā)區(qū)的縣(區(qū))為：城關(guān)區(qū)、西固區(qū)，其實(shí)際滑坡面積占預(yù)測(cè)面積分別為5.63%和5.91%； 位于高易發(fā)區(qū)的縣(區(qū))有：七里河區(qū)、安寧區(qū)，其實(shí)際滑坡面積占預(yù)測(cè)面積分別為1.57%和1.54%；位于易發(fā)區(qū)的縣(區(qū))為皋蘭縣，其實(shí)際滑坡面積占預(yù)測(cè)面積為0.5%；位于不易發(fā)區(qū)的縣(區(qū))為榆中縣，其實(shí)際滑坡面積占預(yù)測(cè)面積為0.15%，即相對(duì)較穩(wěn)定。

4 結(jié)束語

蘭州地區(qū)由于其地質(zhì)構(gòu)造復(fù)雜、地形起伏較大，人類活動(dòng)強(qiáng)烈，山地災(zāi)害頻發(fā)。地質(zhì)災(zāi)害的發(fā)生除了受地層巖性、地質(zhì)構(gòu)造、地形地貌等孕災(zāi)環(huán)境條件的控制外，人類活動(dòng)、降雨等誘發(fā)因素也是地質(zhì)災(zāi)害發(fā)生的直接誘發(fā)因素。對(duì)于研究區(qū)地質(zhì)災(zāi)害風(fēng)險(xiǎn)評(píng)估，除了要考慮研究區(qū)的靜態(tài)本底影響因素和誘發(fā)因素外，預(yù)測(cè)方法也是相對(duì)重要的一環(huán)。本研究主要針對(duì)地質(zhì)災(zāi)害研究廣泛采用的概率指數(shù)、信息量法和Logistic回歸模型，以地質(zhì)災(zāi)害高發(fā)的蘭州市區(qū)及周邊為研究對(duì)象進(jìn)行了孕災(zāi)環(huán)境敏感性分析，詳細(xì)對(duì)比分析了三種模型適用性，并以信息量模型所得結(jié)果進(jìn)行敏感性分析，得出以下結(jié)論。

(1)從三種模型的預(yù)測(cè)結(jié)果來看，其敏感性強(qiáng)弱分布的趨勢(shì)基本一致，基于ROC曲線分析得出，信息量模型對(duì)應(yīng)ROC曲線下的面積較大，Logistic回歸模型次之，概率指數(shù)模型略低。就本區(qū)域本次研究結(jié)果來看，信息量模型略高于Logistic回歸模型，而Logistic回歸模型略高于概率指數(shù)模型。

(2)進(jìn)一步對(duì)三種模型的預(yù)測(cè)結(jié)果作詳細(xì)分析得出，各模型預(yù)測(cè)結(jié)果中各等級(jí)的面積大小趨勢(shì)基本一致，同時(shí)，通過統(tǒng)計(jì)各區(qū)縣、各等級(jí)的面積進(jìn)行對(duì)比分析，綜合分析得出：信息量和邏輯回歸模型的預(yù)測(cè)結(jié)果基本相似，這與ROC曲線的分析結(jié)論相一致。

(3)基于信息量模型的預(yù)測(cè)結(jié)果，并與滑坡歷史災(zāi)害數(shù)據(jù)疊加統(tǒng)計(jì)，計(jì)算其與各區(qū)縣、各等級(jí)面積百分比，結(jié)果表明，位于地質(zhì)災(zāi)害極高易發(fā)區(qū)的縣(區(qū))為：城關(guān)區(qū)、西固區(qū)；位于高易發(fā)區(qū)的縣(區(qū))有：七里河區(qū)、安寧區(qū)；位于易發(fā)區(qū)的縣為皋蘭縣；相對(duì)較穩(wěn)定的縣為榆中縣。需要指出的是，本次研究區(qū)選擇的是蘭州市及南北兩山部分區(qū)域，致災(zāi)因子的選取僅選擇了與孕災(zāi)環(huán)境相關(guān)的一部分因素，如植被覆蓋、降雨等由于研究范圍較小，認(rèn)為對(duì)研究區(qū)影響相同而未采用，同時(shí)也未進(jìn)一步考慮各評(píng)價(jià)因子間的相關(guān)性以及影響地質(zhì)災(zāi)害發(fā)生的機(jī)理問題，因此，后續(xù)在更多數(shù)據(jù)輔助下，可進(jìn)一步針對(duì)各評(píng)價(jià)因子對(duì)地質(zhì)災(zāi)害的影響做更深入的綜合分析。

[1] 吳瑋江, 王念秦. 甘肅滑坡災(zāi)害[M]. 蘭州: 蘭州大學(xué)出版社, 2006.

[2] 史培軍. 再論災(zāi)害研究的理論與實(shí)踐[J]. 自然災(zāi)害學(xué)報(bào), 1996, 5(4): 6-17.

[3] 董穎. 地質(zhì)災(zāi)害風(fēng)險(xiǎn)評(píng)估理論與實(shí)踐[M]. 地質(zhì)出版社, 2009.

[4] 李強(qiáng). 基于GIS的重慶北碚城區(qū)滑坡災(zāi)害危險(xiǎn)性評(píng)價(jià)[D]. 重慶: 西南大學(xué), 2008.

[5] Finlay P J, Mostyn G R, Fell R. Landslide risk assessment: prediction of travel distance[J]. Canadian Geotechnical Journal, 1999, 36(3):556-562.

[6] Ayalew L, Yamagishi H. The application of GIS-based logistic regression for landslide susceptibility mapping in the Kakuda-Yahiko Mountains, Central Japan[J]. Geomorphology, 2005, 65(1/2):15-31.

[7] Biswajeet P, Saro L. Utilization of optical remote sensing data and GIS tools for regional landslide hazard analysis using an artificial neural network model[J]. Earth Science Frontiers, 2007, 14(6):143-151.

[8] 仵慧寧. 蘭州市區(qū)地質(zhì)環(huán)境特征與崩滑流災(zāi)害[J]. 甘肅科學(xué)學(xué)報(bào), 2000, 12(3): 78-82.

[9] 李家存, 李京, Jasmi. 基于概率指數(shù)模型的區(qū)域滑坡危險(xiǎn)性評(píng)價(jià)[J]. 中國(guó)圖象圖形學(xué)報(bào), 2007, 12(8): 1471-1475.

[10] 牛全福, 程維明, 蘭恒星. 基于信息量模型的玉樹地震次生地質(zhì)災(zāi)害危險(xiǎn)性評(píng)價(jià)[J]. 山地學(xué)報(bào), 2011, 29(2): 243-248.

[11]許沖, 徐錫偉. 邏輯回歸模型在玉樹地震滑坡危險(xiǎn)性評(píng)價(jià)中的應(yīng)用與檢驗(yàn)[J]. 工程地質(zhì)學(xué)報(bào), 2012, 20(1): 326-333.

[12]唐川, 馬國(guó)超. 基于地貌單元的小區(qū)域地質(zhì)災(zāi)害易發(fā)性分區(qū)方法研究[J]. 地理科學(xué), 2015, 35(1): 91-98.

[13]史培軍. 三論災(zāi)害研究的理論與實(shí)踐[J]. 自然災(zāi)害學(xué)報(bào), 2002, 11(3): 1-9.

[14]張春山, 李國(guó)俊, 張業(yè)成. 黃河上游地區(qū)崩塌滑坡泥石流地質(zhì)災(zāi)害風(fēng)險(xiǎn)評(píng)價(jià)[J]. 地質(zhì)力學(xué)學(xué)報(bào), 2006, 12(2): 211-218.

[15]Niu Quanfu, Cheng Weiming, et al. Risk assessment of secondary geological disasters induced by Yushu Earthquake [J]. Journal of mountain science, 2012, 9: 232-242.

[16]陳玉, 郭華東, 王欽軍. 基于RS與GIS的蘆山地震地質(zhì)災(zāi)害敏感性評(píng)價(jià)[J]. 科學(xué)通報(bào), 2013, 58(36): 3859-3866.

Susceptibility Assessment of Disaster Environment for LandslideHazard based on GIS in Lanzhou Area

NIU Quanfu, FENG Zunbin, ZHANG Yingxue and DANG Xinghai

(SchoolofCivilEngineering,LanzhouUniversityofTechnology,Lanzhou730050,China)

Becauseofitscomplexgeologicalstructure,largerelief,stronghumanactivities,frequentgeologichazards,LanzhouisoneofthemostseriousgeologicalhazardinChina.Inthisstudy,eightfactorsofdisasterenvironmentwereselected,suchasslope,aspectandsoon,andtheriskassessmentofgeologicalhazardswerestudiedwiththemethodsofProbabilityIndex(PI),InformationModel(IM)andLogisticRegression(LR).Theassessmentresultsofthethreemodelswerecomparedanditcanbeseenthatthesensitivitydistributionofgeologicalhazardsisbasicallyconsistent.TheareaundertheROCcurveoftheIMislarger,andtheLRissecond,andthePIisslightlylower.Fromitsaccuracy,itshowsthattheIMisslightlyhigherthantheLR,andthelowestisthePI.Theassessmentresultsshowthatthecounty(district)locatedinthehigherproneareasofgeologicalhazardsare:Chengguandistrict,Xigudistrict,Yongdengcounty;thehighproneareasofgeologicalhazardsare:Qilihedistrict,Anningdistrict;Gaolancountyislocatedintheproneareas;andtherelativelystableareaisYuzhongcounty.

landslidehazard;hazard-pregnantenvironment;susceptibility;models;Lanzhou

2016-11-25

2017-01-04

國(guó)家自然科學(xué)基金(41461084)；甘肅省自然科學(xué)基金(145RJZA180)

牛全福(1973-)，男，甘肅天水人，博士，副教授，主要從事地理信息與數(shù)字地形分析方面的研究. E-mail:330398304@qq.com

10.3969/j.issn.1000-811X.2017.03.006.]

X43；P642.22

A

1000-811X(2017)03-0029-07

10.3969/j.issn.1000-811X.2017.03.006

牛全福, 馮尊斌, 張映雪,等. 基于GIS的蘭州地區(qū)滑坡災(zāi)害孕災(zāi)環(huán)境敏感性評(píng)價(jià)[J]. 災(zāi)害學(xué)，2017，32(3)：29-35. [NIU Quanfu, FENG Zunbin, ZHANG Yingxue,et al.Susceptibility Assessment of Disaster Environment for Landslide Hazard based on GIS in Lanzhou Area[J]. Journal of Catastrophology，2017，32(3)：29-35.