基于確定性系數(shù)組合模型的區(qū)域滑坡敏感性評價*

楊 光 徐佩華 曹 琛 張 文 蘭志廣 陳俊淇 董秀軍

( ①吉林大學(xué)建設(shè)工程學(xué)院 長春 130026)

( ②成都理工大學(xué) 成都 610059)

0 引 言

滑坡敏感性評價是以地質(zhì)環(huán)境條件為基礎(chǔ)，參考滑坡現(xiàn)狀靜態(tài)因素預(yù)測滑坡在一定區(qū)域內(nèi)發(fā)生的可能性大小( 倪化勇等，2015) 。近年來，3S 技術(shù)快速發(fā)展，許多研究人員將其應(yīng)用于滑坡敏感性制圖( Bai et al.，2009) 。地質(zhì)災(zāi)害敏感性評價主要可以分為定性和定量方法兩類，定性方法是以專家的知識和經(jīng)驗為基礎(chǔ)來判斷各個因子的權(quán)重，然后將各個因子疊加，就得到了敏感性分區(qū)圖; 近10 年來，定量分析方法逐漸成為地質(zhì)災(zāi)害評價的主要方向。定量方法是使用一種或多種數(shù)學(xué)方法來分析地質(zhì)災(zāi)害的數(shù)據(jù)與選取的評價因子是否具有相關(guān)性，然后疊加各因子得到敏感性分區(qū)圖。常用的分析方法有層次分析法( 許沖等，2009) 、模糊綜合評判法( 王哲等，2012) 、邏輯回歸法( 陳燕平，2010) 等。其中層次分析法和模糊綜合評判法是啟發(fā)式方法，邏輯回歸方法屬于統(tǒng)計方法，統(tǒng)計方法具有較高精度并且能夠客觀評價因子的權(quán)重，因此確定性系數(shù)法( 許沖等，2010; 劉麗娜等，2014; 馮杭建等，2017) 、信息量法( 許英姿等，2016; 寇麗娜等，2017) 等統(tǒng)計方法已經(jīng)廣泛應(yīng)用于地質(zhì)災(zāi)害評價。除了統(tǒng)計方法，大量機器學(xué)習(xí)算法如支持向量機( Chen et al.，2016) 、多層感知器模型( 王志恒等，2015) 、決策樹模型( Tsangaratos et al.，2016) 等也被廣泛使用。但是單一的評價模型會存在一定的缺點，例如確定性系數(shù)法沒有考慮每個評價因素對地質(zhì)災(zāi)害敏感性的影響差異，而層次分析過程不能考慮每個因素內(nèi)不同特征變量對其的影響，邏輯回歸法和多層感知器法無法解決各個影響因子的量化問題，即多源數(shù)據(jù)類型的合并問題，難以客觀、定量準確地進行區(qū)域地質(zhì)災(zāi)害評價?；诖?，近些年組合方法得以廣泛的應(yīng)用并取得良好效果，像信息量法與Logistic 回歸法組合( 樊芷吟等，2018; 張曉東等，2018) 、支持向量機和人工神經(jīng)網(wǎng)絡(luò)組合方法( 夏輝等，2018) 。

確定性系數(shù)方法計算嚴密，可以解決多源數(shù)據(jù)類型的合并問題，也能夠很好地解決影響因子內(nèi)部不同特征區(qū)間對地質(zhì)災(zāi)害敏感性的影響; 層次分析法可以很好地考慮每個因素的復(fù)雜性以及不同因素對地質(zhì)災(zāi)害敏感性的影響差異; 邏輯回歸模型屬于統(tǒng)計方法，計算簡單，物理意義明確，可以用簡單的線性回歸來描述自然現(xiàn)象之間復(fù)雜的非線性關(guān)系;多層感知器是數(shù)據(jù)挖掘方法，具有突出的非線性映射能力更適合用于滑坡預(yù)測預(yù)報。將確定性系數(shù)分別與層次分析法、邏輯回歸模型、多層感知器模型結(jié)合進行滑坡敏感性評價，結(jié)合各個模型的優(yōu)點，能夠較好地解決使用單一模型在地質(zhì)災(zāi)害敏感性分析中的不足，使評價結(jié)果更為直觀合理。

為了對研究區(qū)的土地利用規(guī)劃及防災(zāi)減災(zāi)預(yù)警工作提供一定的參考，本文結(jié)合122 個災(zāi)害點，對四川茂縣疊溪鎮(zhèn)到石大關(guān)鄉(xiāng)區(qū)域的地質(zhì)災(zāi)害敏感性進行評價。在茂縣的孕災(zāi)環(huán)境基礎(chǔ)上，選取了坡度、剖面曲率、起伏度、坡向、距河流距離、高程、地層、距斷層距離、土地類型、植被覆蓋度10 個影響災(zāi)害發(fā)生的評價因子，并選用確定性系數(shù)( Certainty Factor，CF) 法分別與層次分析( Analytic Hierarchy Process)法、邏輯回歸( Logistics Regression，LR) 法、多層感知器( Multiple Layer Perceptron，MLP) 法相結(jié)合等3種方法對區(qū)域進行敏感性區(qū)劃，比較3 種模型的敏感性分區(qū)效果。

1 研究區(qū)概況

研究區(qū)為疊溪鎮(zhèn)到石大關(guān)鄉(xiāng)區(qū)域，位于四川省茂縣東北部，地理范圍在103°32' ～103°51'E，31°48'～32°12' N 之間( 圖1a) ，面積為1120 km2。研究區(qū)地處青藏高原向川西平原過渡地帶，北側(cè)有岷山、南側(cè)有龍門山、西側(cè)有邛崍山等山脈。研究區(qū)為中山地帶，地貌以高山峽谷為主，地勢由西北向東南傾斜，高程最低為1581 m，最高為4711 m，相對高差3130 m( 圖1b) 。研究區(qū)屬高原性季風(fēng)氣候，垂直氣候和地區(qū)氣候明顯，海拔超過2400 m 的地區(qū)氣溫低，海拔低于2400 m 的地區(qū)氣候溫和，年均氣溫11.0 ℃，夏季和秋季降雨較多，春季和冬季降雨較少，年降水量486.3 mm; 研究區(qū)內(nèi)河流屬岷江水系，支流發(fā)育，迂回曲折，縱貫全境，境內(nèi)流長約5 km。區(qū)內(nèi)出露的地層主要有三疊系、二疊系、泥盆系、志留系，巖性主要為早三疊系灰綠色變質(zhì)凝灰質(zhì)砂巖、粉砂巖與絹云板巖，中夾薄層灰?guī)r，為軟硬互層; 中三疊系變砂巖、板巖，夾灰?guī)r，為軟質(zhì)巖體;晚三疊系深灰色?。駥幼冑|(zhì)長石石英砂巖、含礫砂巖，與炭質(zhì)板巖互層，為軟質(zhì)巖體; 二疊系碳酸鹽巖夾硅質(zhì)巖，為硬質(zhì)巖體; 泥盆系灰黑色變質(zhì)泥、砂、炭硅質(zhì)巖，夾碳酸鹽巖，為軟質(zhì)巖體; 志留系綠色絹云板巖，夾砂質(zhì)灰?guī)r、石英砂巖，為軟質(zhì)巖體。研究區(qū)的斷裂和褶皺較為發(fā)育，區(qū)內(nèi)主要斷裂構(gòu)造為岷江斷裂和松坪溝斷裂( 圖1c) 。這些斷裂和褶皺造成區(qū)內(nèi)巖體破碎，產(chǎn)狀倒轉(zhuǎn)等特點，大部分屬馬爾康地質(zhì)分區(qū)。

2 研究方法

2.1 CF-AHP 模型

確定性系數(shù)法是一種概率函數(shù)方法，用于分析影響事件發(fā)生的各種因素的敏感性。基本假設(shè)條件為:滑坡災(zāi)害的易發(fā)程度可依據(jù)以前發(fā)生的滑坡與確定為環(huán)境因素的數(shù)據(jù)集之間的統(tǒng)計關(guān)系來確定。Shortliffe( 1975) 提出確定性系數(shù)模型，并經(jīng)過Heckerman( 2013) 修正。確定性模型可以組合不同類型的數(shù)據(jù)，它可以有效地解決數(shù)據(jù)輸入的異質(zhì)性和不確定性，數(shù)據(jù)處理和評估過程相對簡單，準確性高。因此，它被廣泛用于滑坡敏感性評估。模型假設(shè)將來發(fā)生地質(zhì)災(zāi)害的條件與以前相比是不變的，

計算公式為:

式中，CF為地質(zhì)災(zāi)害的確定性系數(shù); Pa 為影響因子數(shù)據(jù)a 中地質(zhì)災(zāi)害個數(shù)與數(shù)據(jù)a 面積之比; Ps 為研究區(qū)災(zāi)害總個數(shù)與研究區(qū)總面積之比。由式( 1) 可知，CF區(qū)間為［－ 1，1］，CF越接近1，說明地質(zhì)災(zāi)害發(fā)生的確定性越大，對應(yīng)區(qū)域極有可能是災(zāi)害易發(fā)區(qū); CF越接近－1，說明地質(zhì)災(zāi)害發(fā)生的確定性越小，對應(yīng)區(qū)域是災(zāi)害易發(fā)區(qū)的可能性很小。

層次分析法是一種定性與定量相結(jié)合的系統(tǒng)化決策方法，由美國學(xué)者Saaty( 1980) 在20 世紀70 年代提出。它的基本原理是根據(jù)問題的實質(zhì)，將決策問題的有關(guān)元素分解成指標等層次，按照指標之間的相互關(guān)系進行組合，形成一種定性與定量關(guān)系相結(jié)合的多層次遞階結(jié)構(gòu)。層次分析法可根據(jù)以下幾個基本步驟來進行: ( 1) 首先應(yīng)該建立起遞階層次結(jié)構(gòu)模型，通過分析問題所選取的指標及指標之間的相互關(guān)系確立; ( 2) 從層次結(jié)構(gòu)的第2 層開始，采用1～9 標度方法，根據(jù)薩蒂方法，比較每個因素，構(gòu)造判斷矩陣; ( 3) 根據(jù)層次分析法的基本原理，應(yīng)該滿足判斷矩陣A:

式中，ω 為對應(yīng)于矩陣A 的最大特征值λmax的特征向量，并引入一致性指標CI 來測量判斷矩陣的偏離，檢驗一致性。

引入平均隨機一致性指標RI，其值如表1 所示。隨機一致性之比CR 為:

如果CR＜0.1，則判斷矩陣滿足一致性檢驗，因子權(quán)重設(shè)定指標較合理。

表1 隨機一致性指標(RI)Table 1 Random consistency indicator( RI)

CF-AHP 組合模型是利用AHP 計算所選取指標因子的重要性程度，并且采用CF 法計算不同因子的CF 值，并此為基礎(chǔ)，將指標因子的CF 加權(quán)求和，得到要評價的區(qū)域的敏感性指數(shù)，以此為依據(jù)進行研究區(qū)敏感性評價。

2.2 CF－LR 模型

邏輯回歸模型是研究二分類因變量常用的多元統(tǒng)計分析方法，其中因變量y 只取兩個值，在地質(zhì)災(zāi)害分析中，y 通常會取值0 和1( 0 代表地質(zhì)災(zāi)害不存在，1 代表地質(zhì)災(zāi)害存在) 。模型用來描述二元因變量和一系列的自變量( X1，X2，…，Xn) 之間的關(guān)系。自變量數(shù)據(jù)類型沒有具體要求，邏輯回歸模型具有容易計算，物理意義明確等優(yōu)點，可以用簡單的線性回歸來描述自然現(xiàn)象之間復(fù)雜的非線性關(guān)系，也可以用來預(yù)測事件發(fā)生的概率。邏輯回歸估計的優(yōu)勢比也可以用來檢驗自變量與因變量之間的相關(guān)性強度。該方法在滑坡敏感性分析中得到了廣泛的應(yīng)用。函數(shù)如下式:

式中，P 為滑坡可能發(fā)生概率，在［0，1］區(qū)間，β1為通過計算得到的回歸系數(shù)。

CF－LR 組合模型是將由確定性系數(shù)模型計算出的各個指標等級的CF 值作為邏輯回歸模型中的指標值，不同滑坡點處和非滑坡點處提取CF 值，建立回歸方程以估計邏輯回歸系數(shù)，以此為依據(jù)進行研究區(qū)敏感性評價。

2.3 CF-MLP 模型

Rumehart 等提出了多層感知器模型( Multiple Layer Perceptron，MLP) ，它可以解決單層感知器模型存在的非線性可分數(shù)據(jù)的多類別分解問題，多層感知器是一種按照單向誤差傳播的多層前饋網(wǎng)絡(luò)模型，相對于一般的線性統(tǒng)計方法，多層感知器突出的非線性映射能力更適合用于滑坡預(yù)測預(yù)報，因此，多層感知器模型在滑坡敏感性分析中得到廣泛的應(yīng)用，是最基本的網(wǎng)絡(luò)模型之一。

MLP 模型由3 部分組成，分別為感受層( S) 、聯(lián)想層( A) 和響應(yīng)層( R) 。3 部分都是由同類的神經(jīng)元構(gòu)成的，特征向量通過感受層輸入，聯(lián)想層屬于模型中的隱含層，而響應(yīng)層為網(wǎng)絡(luò)的輸出層。模型示意圖如圖2。

圖2 MLP 模型示意圖Fig. 2 MLP model diagram

CF-MLP 模型通過影響因子的CF 值來確定滑坡的關(guān)鍵影響因子，每個影響因子的CF 值都位于相同的數(shù)據(jù)區(qū)間。此數(shù)據(jù)具有同樣的量綱，解決數(shù)據(jù)類型的合并問題。CF-MLP 模型將CF 值通過輸入層輸入，結(jié)合CF 函數(shù)和MLP 模型，構(gòu)建出CFMLP 模型，很好地提高了模型的精度。

3 評價因子的選擇和分級

本文選取244 個樣本點，其中滑坡點和非滑坡點分別為122 個，從244 個樣本點中隨機選擇70%的數(shù)據(jù)作為訓(xùn)練樣本來建模，再結(jié)合本文選取的10個評價因子，采用CF-AHP、CF－LR 和CF-MLP 3 種模型評價研究區(qū)的滑坡敏感性并分區(qū)，利用剩余的30%樣本點，采用精度檢驗，結(jié)合滑坡實際發(fā)育情況討論并比較3 種模型。

有許多影響滑坡發(fā)生的因素，指標的選取主要基于前人對滑坡災(zāi)害的研究( Park et al.，2012) ，Park et al. ( 2012) 對2005～2012 年發(fā)表的220 余篇文獻進行總結(jié)，統(tǒng)計出一些常用影響因子，結(jié)果如圖3。根據(jù)研究區(qū)的地質(zhì)災(zāi)害調(diào)查資料，并結(jié)合上述統(tǒng)計結(jié)果，經(jīng)過分析選擇坡度、剖面曲率、起伏度、坡向、距河流距離、高程、地層、距斷層距離、土地類型、植被覆蓋度10 個因子作為研究區(qū)的評價因子( 圖4) ，每個因子的分級指標見表2，指標數(shù)據(jù)精度見表3。

表2 各評價因子分類級別確定性系數(shù)計算結(jié)果表Table 2 Results for different classes of influence factors of CF model

圖3 滑坡影響因子文獻統(tǒng)計( Park et al.，2012)Fig. 3 Landslide impact factor literature statistics( Park et al.，2012)

圖4 研究區(qū)滑坡敏感性評價因子Fig. 4 Conditioning factors for landslide hazard assessment of the study area

高程是滑坡發(fā)生的重要影響因素，對坡體應(yīng)力值大小起著重要影響，坡高越大，應(yīng)力值也越大，影響滑坡的勢能。研究區(qū)地處高山峽谷地區(qū)，高程對降雨、植被分布特征及土地利用范圍都會產(chǎn)生重要的影響，因此有必要對高程因素進行考慮; 滑坡通常都會發(fā)生在一定的斜坡上，在一定坡角范圍內(nèi)，由于坡角的增大，邊坡的破壞概率增加，因此坡度對滑坡發(fā)生起著重要的作用; 坡向不同會影響滑坡環(huán)境的植被覆蓋率、降雨量的大小，也會對巖石風(fēng)化節(jié)理發(fā)育程度造成影響; 剖面曲率描述了斜坡形狀的形態(tài)特征，反映了地表侵蝕和地表徑流的形成，例如凸型坡非常容易在坡腳處發(fā)生應(yīng)力集中導(dǎo)致失穩(wěn)，安全性十分不好; 地形起伏度可以反映坡面的變化，可以揭示整個區(qū)域的地形變化規(guī)律; 通常來講，起伏度越大，地形內(nèi)的地勢變動也就會越大，研究區(qū)處于高山峽谷地區(qū)，地勢變化比較明顯，因此對起伏度進行考慮。植被覆蓋情況是區(qū)域地質(zhì)災(zāi)害發(fā)育的重要影響因素，植被可以對滑坡的穩(wěn)定性起到積極的作用，滑坡多發(fā)生在無植被或低植被覆蓋的區(qū)域，NDVI 是反映植被覆蓋度的常用指標，NDVI 值越大，植被覆蓋越好。地層巖性對滑坡的發(fā)生有明顯的影響，例如出現(xiàn)強度較差、結(jié)構(gòu)破碎等情況的地層就十分容易發(fā)生滑坡( 尚敏等，2018) ; 邊坡的類型、硬度、結(jié)構(gòu)特征等對邊坡的物理力學(xué)性能、變形性和破壞模式有很大的影響; 河流兩岸的坡度通常由河流侵蝕，在正常情況下，與河流的距離越近，侵蝕越強烈，滑坡的發(fā)生概率越高( 譚春，2013) ; 斷層距離是滑坡發(fā)生的重要影響因素，構(gòu)造帶發(fā)育的地方容易發(fā)生滑坡，因為斷裂帶巖石相對破碎，節(jié)理斷裂發(fā)育，巖石強度明顯降低，使該地區(qū)邊坡不穩(wěn)定，更易發(fā)生滑坡。

表3 影響因子信息數(shù)據(jù)Table 3 Impact factor information data

4 滑坡敏感性評價結(jié)果

4.1 結(jié) 果

4.1.1 CF-AHP 模型

根據(jù)前人的研究( Pourghasemi et al.，2017) ，利用層次法將指標進行對比，將每個指標賦值1～9，賦值越小，則對應(yīng)的權(quán)重就越大，構(gòu)建判斷矩陣獲取各指標權(quán)重，如表4 所示。CF-AHP 模型因子權(quán)重由大到小依次為地層、斷層距、坡度、河流距、土地類型、高程、坡向、剖面曲率、NDVI、起伏度。

4.1.2 CF－LR 組合模型

將122 個樣本點10 個因子的CF 值作為數(shù)據(jù)源，在SPSS 軟件中進行二項邏輯回歸分析，其中每個評價因子的CF 值都是獨立的自變量，將滑坡是否會發(fā)生作為因變量，回歸分析結(jié)果( 表4) ，從左到右依次為變量系數(shù)值( B) 、B 的絕對值和重要性排序。

選用回歸系數(shù)的絕對值作為分析因子重要性程度的指標，該因子對滑坡發(fā)生的影響隨著絕對值的增大而增加。各因子回歸系數(shù)B 的絕對值如表5所示?？梢钥闯?，CF－LR 模型計算出的因子權(quán)重由大到小依次為高程、距斷層距離、地層、土地類型、坡度、剖面曲率、NDVI、坡向、地形起伏度、距河流距離。

表4 層次分析法判斷矩陣與各因子權(quán)重值Table 4 Analytic hierarchy process judgment matrix and each factor weight value

表5 邏輯回歸分析結(jié)果Table 5 Results of logistic regression analysis

將以上10 個因子數(shù)值代入到邏輯回歸計算模型，得到研究區(qū)邏輯回歸式( 6) :

式中，P 為發(fā)生滑坡的概率; x1－ x10分別為NDVI、河流距、斷層距、坡度、坡向、剖面曲率、土地類型、地形起伏度、地層巖性、高程的CF 值。

4.1.3 CF-MLP 組合模型

基于影響因子的確定性系數(shù)和滑坡數(shù)據(jù)，構(gòu)建多層感知器網(wǎng)絡(luò)，其模型示意如圖2 所示?；贛LP 網(wǎng)絡(luò)訓(xùn)練得到各個影響因子的重要性系數(shù)( 表6) ?？梢钥闯觯珻F-MLP 模型計算出的因子權(quán)重由大到小依次為高程、地層、坡向、坡度、起伏度、距河流距離、剖面曲率、土地類型、NDVI 和距斷層距離。

表6 影響因子重要性系數(shù)表Table 6 Impact factor importance coefficient table

通過上述3 種方法并結(jié)合ArcGIS 工具箱疊加計算出3 種模型的敏感性程度值，可以根據(jù)ArcGIS軟件的自然斷點法進行分級，自然斷點法是統(tǒng)計學(xué)中常用的分級方法，能夠保持類別的一致性，是一種比較客觀的分類方法，在地質(zhì)災(zāi)害分級中得到廣泛應(yīng)用( 譚春，2013) 。將研究區(qū)的敏感性分為4 級:高敏感性、中敏感性、低敏感性、極低敏感性。結(jié)果如圖5。

CF 模型中，高、中、低和極低敏感區(qū)面積分別為144.29 km2、230.47 km2、340.08 km2和386.93 km2，分別占研究區(qū)總面積的13.0、20.9%、30.9%和35.2%; CF－LR 模型，高敏感區(qū)、中敏感區(qū)、低敏感區(qū)和極低敏感區(qū)面積分別為 124.95 km2、278.74 km2、248.17 km2和449.90 km2，分別占研究區(qū)總面積的11.3%、25.1%、22.5%和41.1%; CFMLP 模型，高敏感區(qū)、中敏感區(qū)、低敏感區(qū)和極低敏感 區(qū) 面 積 分 別 為 152.46 km2、191.99 km2、303.28 km2和454.04 km2，分別占研究區(qū)總面積的13.8%%、17.3%、30.0 和38.9%。高敏感區(qū)主要集中在石大關(guān)鄉(xiāng)附近區(qū)域，沿著石大關(guān)鄉(xiāng)到疊溪鎮(zhèn)的岷江兩岸也分布少部分滑坡高敏感區(qū)。

圖5 研究區(qū)滑坡敏感性分區(qū)圖Fig. 5 Landslide sensitivity map of the study area

圖6 3 種模型ROC 曲線圖Fig. 6 ROC curves for three models

4.2 合理性檢驗

ROC 曲線是目前應(yīng)用于地質(zhì)災(zāi)害敏感區(qū)域評價精度驗證比較常用的方法( Hamid et al.，2012) 。ROC 曲線非常簡單直觀，對所選用的方法和敏感性的關(guān)系能夠很好的反映，試驗的準確性非常好。AUC 表示ROC 曲線下的面積，其數(shù)值一般小于1，越接近1，說明模型模擬效果越好。

應(yīng)用SPSS 軟件，將3 種模型進行ROC 曲線的繪制，并求取AUC 值( 圖6) 可知，3 個AUC 的值分別為0.850、0.884、0.867。其中CF－LR 模型AUC值為0.884，準確性最高，分區(qū)可靠。因此本區(qū)域選用CF－LR 組合模型。

4.3 結(jié)果分析

( 1) 地層:從表2 中可以看出，泥盆系和志留系CF 值為正值，這兩個地層有利于滑坡的發(fā)生。這些地層的巖性為灰黑色變質(zhì)泥、砂、碳硅質(zhì)巖，夾碳酸鹽巖和綠色絹云板巖，夾砂質(zhì)灰?guī)r、石英砂巖，都為軟質(zhì)巖體。巖體受水流沖刷作用影響很大，導(dǎo)致強度降低，巖體中常見彎曲和撕裂變形現(xiàn)象，因此，這些因素為滑坡變形提供了有利條件; 對于坡向，根據(jù)CF 值可以看出，研究區(qū)北、東北、東、東南和西向CF 值為正值，其中東南向CF 值最大，說明東南向最有利于滑坡的發(fā)生。邊坡的坡向往往影響巖體的邊坡結(jié)構(gòu)，巖石反向邊坡更容易發(fā)生彎曲，傾斜層質(zhì)邊坡比陡坡更容易發(fā)生滑坡; 對于土地類型和NDVI，根據(jù)CF 值，當(dāng)土地類型為耕地和NDVI 區(qū)間為0.2～0.3 時最有利于滑坡的發(fā)生，當(dāng)?shù)貐^(qū)植被茂盛時，由于植被根系的作用，會加強邊坡穩(wěn)定性，沒有植被的地區(qū)更容易引發(fā)滑坡; 斷層距方面，滑坡主要發(fā)生在離斷層0～3200 m 區(qū)間，在斷裂帶中，巖石相對破碎，節(jié)理斷裂發(fā)育，因此更容易發(fā)生滑坡( Hong et al.，2015) 。

( 2) 圖5 中敏感性高的地區(qū)大部分集中在主要水系周圍、泥盆系和志留系的軟質(zhì)巖體、以及植被相對缺乏的地帶，斜坡遭受水的沖刷，軟化和動水壓力將導(dǎo)致斜坡上的巖土強度下降，山谷兩側(cè)陡峭且起伏較大的斜坡，在地形的影響下容易發(fā)生滑坡。

5 結(jié) 論

( 1) 基于GIS 平臺分析取得的敏感性評價結(jié)果，將研究區(qū)分成高、中、低和極低敏感區(qū)4 類。CF模型、CF－LR 組合模型和CF-MLP 組合模型中高敏感區(qū)分別占研究區(qū)總面積的12.2%、11.3% 和13.8%?；赂呙舾袇^(qū)大部分集中在石大關(guān)鄉(xiāng)附近區(qū)域，沿著石大關(guān)鄉(xiāng)到疊溪鎮(zhèn)的岷江兩岸也分布少部分滑坡高敏感區(qū)，石大關(guān)鄉(xiāng)應(yīng)做好防災(zāi)工作。

(2) 研究區(qū)滑坡災(zāi)害敏感性評價結(jié)果表明高敏感區(qū)主要集中在主要水系周圍與斷層集中區(qū)域，其主要控制作用的因子是斷層、高程、水系。

(3) 利用ROC 曲線，得到CF 模型、CF－LR 組合模型和CF-MLP 組合模型的AUC 值分別為0.848、0.884 和0.867。說明CF－LR 的組合模型在該研究區(qū)的滑坡敏感性評價中效果最好。采用CF－LR 組合模型所得出的敏感性分區(qū)圖與研究區(qū)實際情況比較一致，可以為地質(zhì)災(zāi)害風(fēng)險評價提供參考。