基于IV-IOE-LR耦合模型的滑坡易發(fā)性評價
——以云南省瀘水市為例*

陳 羽,楊海林,鐘延江

(1.昆明理工大學(xué) 國土資源與工程學(xué)院,云南 昆明 650093;2.中國電建集團(tuán)昆明勘測設(shè)計研究院有限公司,云南 昆明 650000)

0 引言

滑坡災(zāi)害具有突發(fā)性強(qiáng)、發(fā)展迅速、危害性大等特點[1],一旦發(fā)生將對附近區(qū)域人民生命財產(chǎn)安全造成巨大威脅?；乱装l(fā)性評價是預(yù)測滑坡風(fēng)險的重要手段[2],有利于提高當(dāng)?shù)鼗嘛L(fēng)險的管控水平。

目前,滑坡易發(fā)性評價方法分為定性分析和定量分析兩類[3]。定性分析需要豐富的野外經(jīng)驗和扎實的理論基礎(chǔ),主觀性強(qiáng),常用方法有專家打分法[4]、層次分析法[5]等;定量分析是利用數(shù)理統(tǒng)計學(xué)原理進(jìn)行數(shù)據(jù)分析,屬于數(shù)據(jù)驅(qū)動型方法。常用的數(shù)理統(tǒng)計方法有熵值法[6](Index of Entropy,IOE)、頻率比法[7](Frequency Ratio,FR)、信息量法[8](Information Value,IV)、確定性系數(shù)法[9](Certainty Factor,CF)、證據(jù)權(quán)法[10](Weight of Evidence,WOE)、邏輯回歸法[11](Logistic Regression,LR)、支持向量機(jī)[12](Support Vector Machines,SVM)、隨機(jī)森林[13](Random Fores,RF)等。不同的評價方法有其優(yōu)勢與弊端[14],大量研究證明,耦合模型的精度相較單一模型具有明顯優(yōu)勢[15-18]。數(shù)理統(tǒng)計模型通過獨立比較評價因子與滑坡分布的關(guān)系計算因子分級對應(yīng)的權(quán)重,但各孕災(zāi)因子之間對于滑坡相對重要性并不明確[19],通過耦合模型計算權(quán)重,其優(yōu)勢在于增強(qiáng)了指標(biāo)權(quán)重的客觀性[20],彌補(bǔ)了單一方法的缺陷,提高了預(yù)測的準(zhǔn)確性[21]。信息量模型由于其物理意義明確、操作簡單,在滑坡易發(fā)性評價研究和實踐中得到了廣泛應(yīng)用,但其也存在一定的局限性。熵權(quán)法作為一種客觀賦權(quán)方法,可以根據(jù)各因素信息量的分散程度計算各因素的熵權(quán),并對信息量進(jìn)行合理修正,從而得到較為客觀的信息量加權(quán)值。邏輯回歸作為一種常見的多重線性回歸分析模型,其計算量僅與特征數(shù)目有關(guān),能根據(jù)信息量值通過分類算法快速擬合出各評價因子的類概率回歸系數(shù),同樣也能彌補(bǔ)原始數(shù)據(jù)自身缺陷造成的偶然性誤差,在滑坡易發(fā)性評價研究中已取得良好的應(yīng)用效果,如:張志沛等[22]基于IOE與IV模型,提出了一種新的加權(quán)信息量模型(WIV),其訓(xùn)練精度與預(yù)測精度均優(yōu)于單一模型;田欽等[23]以江西省寧都地區(qū)為例,研究發(fā)現(xiàn)IV-LR耦合模型不僅繼承了單一模型的優(yōu)勢,且精度與分區(qū)效果更好;李利峰等[24]在陜西省藍(lán)田縣的滑坡易發(fā)性評價研究中發(fā)現(xiàn)IOE-LR耦合模型精度更高。但目前少見將上述3種模型進(jìn)行耦合的研究。

本文選取滑坡災(zāi)害高發(fā)的云南省瀘水市作為研究區(qū),結(jié)合該區(qū)域地質(zhì)條件與災(zāi)害發(fā)育規(guī)律,選取坡度、高程、曲率、地形起伏度、河流緩沖區(qū)、道路緩沖區(qū)、年均降雨量、巖組類型和坡向等9個評價指標(biāo),將IV、IOE、LR進(jìn)行耦合得到IV-IOE-LR耦合模型,并與IV、IV-IOE、IV-LR模型進(jìn)行精度對比,以檢驗IV-IOE-LR耦合模型在研究區(qū)的適用性和可靠性。

1 研究區(qū)概況及數(shù)據(jù)源

1.1 研究區(qū)概況

云南省怒江傈僳族自治州瀘水市位于北緯25°33′～26°32′、東經(jīng)99°34′～99°09′之間,地處橫斷山脈高山峽谷區(qū)南端,北高南低,怒江由北向南流經(jīng)市境長109.6 km,西接高黎貢山,東接碧洛雪山,形成獨特的“V”形地貌。瀘水市地處歐亞板塊與印度板塊交界處,印度板塊在第三紀(jì)與歐亞板塊發(fā)生了碰撞,并向下俯沖,造成了一系列大斷裂和斷裂帶。境內(nèi)有20多條河流,分別屬于怒江和伊洛瓦底江兩大水系。區(qū)域地層巖性復(fù)雜,軟巖、較軟巖及地表殘坡積層分布區(qū)是發(fā)生滑坡的主要地段。研究區(qū)地理位置以及滑坡點分布見圖1。

圖1 滑坡點分布

1.2 數(shù)據(jù)來源

基于野外調(diào)查以及收集的地質(zhì)資料,本文用于滑坡易發(fā)性評價的數(shù)據(jù)主要有:①瀘水市30 m分辨率DEM矢量圖以及1∶50 000瀘水市地形圖,用于提取坡度、高程等地形信息;②1∶50 000瀘水市地質(zhì)圖經(jīng)矢量化處理后得到的瀘水市巖組類型圖;③通過91衛(wèi)圖助手得到的瀘水市路網(wǎng)圖和河網(wǎng)圖;④降雨量數(shù)據(jù)由瀘水市氣象數(shù)據(jù)經(jīng)克里金插值法計算獲得。

2 滑坡易發(fā)性評價模型

2.1 信息量(IV)模型

信息量模型是一種基于信息熵的概念來分析各種評價指標(biāo)下滑坡易發(fā)性的模型,現(xiàn)多被用于地質(zhì)災(zāi)害評價,其是根據(jù)研究范圍內(nèi)各評價因子信息量值來預(yù)測滑坡發(fā)生概率的,信息量值越大,滑坡發(fā)生概率就越大[25]。信息量模型按以下公式計算:

(1)

(2)

式中,I(xi,H)表示評價因子xi對滑坡事件H提供的信息量,Ni表示滑坡落在評價因子xi范圍內(nèi)的個數(shù),N表示研究區(qū)內(nèi)滑坡總數(shù),Si表示研究區(qū)內(nèi)含有評價因子xi的單元數(shù),S表示研究區(qū)評價單元總數(shù),I表示所有評價因子對滑坡所提供的信息量值。

2.2 熵指數(shù)模型(IOE)

熵權(quán)法是一種基于信息熵理論的客觀賦權(quán)法,其通過各因素的變異程度來計算各因素的權(quán)重[26]。熵指數(shù)越大表示該評價因子所占權(quán)重越大。但由于評價因子數(shù)據(jù)類型不一,因此在對信息量賦權(quán)之前應(yīng)將求得的信息量值作歸一化處理,以保證數(shù)據(jù)的規(guī)范性和有效性,提升評價模型的精度,計算公式為

(3)

式中,Ih為歸一化后的信息量值,Iimin為加權(quán)后亞級影響因子最小信息量值,Iimax為亞級影響因子最大信息量值。

將數(shù)據(jù)歸一化處理后,熵權(quán)值的計算公式如下:

(4)

(5)

(6)

Hjmax=log2Sj,

(7)

(8)

(9)

Wj=Ij+Hi,

(10)

式中,i為評價因子,j為評價因子分級,b為評價因子分級內(nèi)滑坡數(shù)與總滑坡數(shù)的比值,a為對應(yīng)評價因子分級面積與研究區(qū)總面積的比值,FRij為概率比率,Pij為頻率密度,Hj和Hjmax為熵值,Sj為影響因子的分類數(shù),Ij為熵權(quán)值,Wj為整個因子的合成權(quán)重。

2.3 邏輯回歸模型(LR)

由于邏輯回歸模型允許獨立變量的離散或連續(xù),因此被廣泛應(yīng)用于滑坡敏感性的評估。邏輯回歸算法與一般線性回歸算法的不同之處在于可以用Sigmoid函數(shù)將輸出約束在[0,1]。當(dāng)輸出為0時,不會發(fā)生滑坡;當(dāng)輸出為1時,發(fā)生滑坡。因此可以引入閾值的概念對輸出結(jié)果進(jìn)行重新分類[27],計算公式為

Z=β0+β1x1+β2x2+…+βnXn,

(11)

(12)

式中:Z為中間變量參數(shù);β0,β1,…,βn為邏輯回歸系數(shù);x0,x1,…,xn為滑坡影響因子;P為滑坡發(fā)生概率的回歸預(yù)測值。

3 評價單元及因子的選擇

3.1 評價單元選擇

本文采用柵格單元評價方法,最佳柵格大小根據(jù)李軍等[28]提出的一種經(jīng)驗公式計算得到:

Gs=

7.49+0.000 6S-2.0×10-9S2

+2.9×10-15S3,

(13)

式中,Gs為最佳柵格大小,S為地形圖比例尺分母。

經(jīng)計算,Gs理論值為32.853,故本研究取整后采用30 m×30 m分辨率的柵格單元作為最小評價單元。

3.2 評價因子選取

滑坡的形成經(jīng)歷了一個極其復(fù)雜的過程,除了受內(nèi)在因素的控制作用以外,還與人類的工程活動有著密切聯(lián)系。本文基于前人的研究成果,結(jié)合現(xiàn)場地質(zhì)調(diào)查,選取地形地貌、水文環(huán)境、基礎(chǔ)地質(zhì)、人類工程活動四大類的10個評價因子構(gòu)建瀘水市滑坡易發(fā)性評價指標(biāo)體系。其中,地形地貌因子有坡度、高程、曲率、地形起伏度、坡向,基礎(chǔ)地質(zhì)因子有巖組類型、斷裂緩沖區(qū),水文環(huán)境因子有河流、年均降雨量,人類工程活動影響因子有道路。本文結(jié)合評價因子的自身特點,利用等間距分級的方法將評價因子分為不同等級。

瀘水市滑坡易發(fā)性評價因子分級情況見表1,評價因子分級圖見圖2。

表1 瀘水市滑坡易發(fā)性評價因子分級情況

3.2.1 地形地貌因子

1)高程

對于相同的坡度而言,坡高越大失穩(wěn)的可能性就越大[29]。研究區(qū)的高程范圍在688～4 132 m,將其分為688～1 500 m、1 500～2 400 m、2 400～3 200 m、>3 200 m四個區(qū)間(見表1)。由表1可知,研究區(qū)高程在688～1 500 m以及1 500～2 400 m之間,其信息量值分別為0.789 4和0.561 1,滑坡發(fā)生的可能性最大。

2)坡度

坡度與滑坡的發(fā)生有著密切聯(lián)系,是造成滑坡的重要原因。將研究區(qū)的坡度依次分為0°～20°、20°～40°、40°～60°、>60°四個區(qū)間(見表1)。由表1可知,滑坡多發(fā)生于坡度為0°～20°的區(qū)域,此區(qū)間內(nèi)信息量值最大。一般來說,坡度越大,坡體越不穩(wěn)定,滑坡發(fā)生的可能性就越大。現(xiàn)場勘察結(jié)果顯示,坡度較小的坡面,其斜坡巖體風(fēng)化程度較高、巖石破裂,坡度大的斜坡巖體節(jié)理不發(fā)育、穩(wěn)定性較好。

3)曲率

曲率大于 0 的地方為凸形地貌,曲率小于 0 的地方為凹形地貌,坡體的曲率對坡面物質(zhì)的運(yùn)輸和沉積有一定影響[30]。將研究區(qū)曲率分為<0°和>0°兩部分(見表1)。由表1可知,當(dāng)曲率<0°時,信息量值大于0,表明對滑坡的發(fā)生具有正向的促進(jìn)作用。

4)地形起伏度

地形起伏度是指在特定地區(qū)最高、最低高度之間的差異,其反映了地表的起伏特性[31]。將地形起伏度分為0～30 m、30～50 m、50～80 m、80～314 m四個區(qū)間(見表1)。由表1可知,研究區(qū)的地形起伏度在0～30 m范圍內(nèi)的信息量值最大,表明滑坡發(fā)生的可能性最大。

5)坡向

坡向的不同,會造成太陽輻射量的不同,進(jìn)而影響到水文狀況和巖石的風(fēng)化程度[32]。研究區(qū)坡向分為平面、北、東北、東、東南、南、西南、西、西北、北10個等級(見表1)。由表 1可知:在坡向為南的范圍內(nèi),其信息量值最大,表明最有利于滑坡的發(fā)生;而在坡向為西北的范圍內(nèi),其信息量值最小且為負(fù),表明最不利于滑坡的發(fā)生。

3.2.2 基礎(chǔ)地質(zhì)因子

1)巖組類型

巖組類型是滑坡發(fā)生的物質(zhì)基礎(chǔ),將研究區(qū)的巖組類型按照軟硬程度和厚度分為9個等級(見表1)。由表1可知,研究區(qū)內(nèi)砂礫巖、中細(xì)砂雙層土體信息量值最大,表明滑坡發(fā)生的可能性最大;塊狀-整體偏硬花崗巖、輝長巖巖組信息量值最小,最不利于滑坡的發(fā)生。

2)斷裂緩沖區(qū)

研究區(qū)內(nèi)斷裂發(fā)育明顯,構(gòu)造復(fù)雜,主要斷裂有片馬斷裂、怒江斷裂、田米斷裂、稱戛斷裂、 大興地斷裂等?；轮饕l(fā)生在斷層構(gòu)造密集區(qū)域,具有沿構(gòu)造方向分布的特征[33]。將研究區(qū)的河流按 200 m 等步長作緩沖區(qū)分為0～300 m、300～600 m、600～900 m、900～1 200 m、1 200～1 500、>1 500 m 六類(見表1)。由表 1可知,在研究區(qū)0～300 m范圍內(nèi),其信息量值最大,表明最有利于滑坡的發(fā)生。

3.2.3 水文環(huán)境因子

1)河流緩沖區(qū)

河流水系對兩岸有一定的浸潤作用,浸潤使巖土體含水率升高,離河流越近的巖土體,越易造成滑坡。將研究區(qū)的河流按 200 m 等步長作緩沖區(qū)分為0～200 m、200～400 m、400～600 m、600～800 m、800～1 000 m、>1 000 m 六類(見表1)。由表1可知,在研究區(qū)0～200 m范圍內(nèi),其信息量值最大,表明最有利于滑坡的發(fā)生。

2)年均降雨量

降雨是造成滑坡的一個重要外部因素,原因是降雨所產(chǎn)生的水流壓力使斜坡的抗滑力降低[34]。在降雨作用下,由于水流的沖刷,使坡體崩解泥化,坡面軟化,強(qiáng)度下降,最終導(dǎo)致滑坡的發(fā)生。將研究區(qū)年均降雨量分為1 000～1 400 mm、1 400～2 000 mm、2 000～3 000 mm、3 000～4000 mm、>4 000 mm五類(見表1)。由表 1可知,在1 000～1 400 mm范圍內(nèi),其信息量值最大,表明滑坡發(fā)生的可能性最大。

3.2.4 人類工程活動影響因子

近年來,人類工程活動頻繁,尤其是道路修建時因破壞了坡體的平衡狀態(tài),導(dǎo)致滑坡頻發(fā)。將研究區(qū)的道路按 200 m 等步長作緩沖區(qū)劃分為0～200 m、200～400 m、400～600 m、600～800 m、800～1000 m、>1 000 m六類(見表1)。由表1可知,在研究區(qū)0～200 m范圍內(nèi),其信息量值最大,表明最有利于滑坡的發(fā)生。

圖 2 各評價因子分級圖

3.3 評級因子獨立性檢驗

為了確?；乱装l(fā)性評價的各項指標(biāo)符合模型的要求,必須對各因素進(jìn)行獨立性檢驗,排除相關(guān)系數(shù)高的因素。通常認(rèn)為,相關(guān)系數(shù)絕對值愈大,二者的關(guān)聯(lián)度愈高,而絕對值低于0.3,則可視為彼此獨立[35]。

本文基于SPSS雙變量相關(guān)性分析獲得各因子之間的相關(guān)系數(shù)(見圖3)。由圖3可知,高程、地形起伏度、坡度、坡向、斷裂緩沖區(qū)等10個評價因子之間相互獨立,均不存在多重共線性,可納入評價模型。

圖 3 評價因子相關(guān)系數(shù)熱圖

4 滑坡易發(fā)性評價及精度分析

4.1 瀘水市滑坡易發(fā)性評價

4.1.1 基于IV模型的滑坡易發(fā)性評價

利用式(1)-式(2)計算指標(biāo)因子各分級狀態(tài)下的信息量值,結(jié)果見表1。為了使數(shù)據(jù)更加規(guī)范,將其信息量值作歸一化處理,應(yīng)用GIS柵格疊加分析與重分類工具將滑坡的易發(fā)區(qū)分為極高易發(fā)區(qū)(6.555～9.5)、高易發(fā)區(qū)(3.88～6.54)、中易發(fā)區(qū)(2.09～3.87)、低易發(fā)區(qū)(0.07～2.08)四個區(qū)域(見圖4)。

4.1.2 基于IV-IOE耦合模型的滑坡易發(fā)性評價

在IV模型的基礎(chǔ)上,按照式(3)-式(10)計算得到經(jīng)熵權(quán)法加權(quán)后的瀘水市滑坡易發(fā)性信息量值(見表1)。根據(jù)加權(quán)信息量值的大小,利用GIS柵格疊加分析和重分類工具將其劃分為極高易發(fā)區(qū)(8.52～12.17)、高易發(fā)區(qū)(5.80～8.51)、中易發(fā)區(qū)(2.96～5.79)和低易發(fā)區(qū)(0.04～2.95)四個等級(見圖4)。

4.1.3 基于IV-LR耦合模型的滑坡易發(fā)性評價

首先將169個滑坡災(zāi)害面文件轉(zhuǎn)為30 m×30 m的柵格文件,并將滑坡柵格賦值為1,非滑坡柵格賦值為0,與因子狀態(tài)矩陣合并為研究區(qū)屬性矩陣。在屬性矩陣中隨機(jī)選擇與滑坡點數(shù)量相同的非滑坡點構(gòu)建邏輯回歸預(yù)測樣本,導(dǎo)入SPSS軟件,選取滑坡點與非滑坡點各70%作為訓(xùn)練集,其余作為驗證集,并以初始信息量值為自變量,是否滑坡為因變量進(jìn)行邏輯回歸分析,最終得到IV-LR耦合模型每個評價因子的邏輯回歸系數(shù)?；貧w分析中顯著性水平≤0.05,表明評價因子具有數(shù)理統(tǒng)計意義。由于在IV-LR模型中進(jìn)行邏輯回歸運(yùn)算時年均降雨量和坡度的顯著性分別為0.22和0.175,因此將其剔除。最終IV-LR耦合模型計算公式為

PIV-LR=1/(1+EXP(-(1.112×I1j+0.153×I2j

-0.067×I3j+0.362×I4j+0.502×I5j+0.711

×I6j+0.473×I7j+0.564×I8j-1.247))),

(14)

式中,I1j-I8j分別代表高程、曲率、地形起伏度、坡向、巖組類型、斷裂緩沖區(qū)、河流緩沖區(qū)、道路緩沖區(qū)不同等級的信息量值。

根據(jù)式(14)得到IV-LR耦合模型的滑坡易發(fā)性概率分布圖,利用自然間斷法將瀘水市劃分為極高易發(fā)區(qū)(0.70～0.86)、高易發(fā)區(qū)(0.40～0.69)、中易發(fā)區(qū)(0.26～0.39)和低易發(fā)區(qū)(0.06～0.25)四個等級(見圖4)。

與單一信息量模型相比,兩種方法耦合評價模型在高易發(fā)區(qū)和低易發(fā)區(qū)的預(yù)測精度均有較大提高,說明耦合模型的評價效果優(yōu)于單一模型。

4.1.4 基于IV-IOE-LR耦合模型的滑坡易發(fā)性評價

將IV-LR耦合模型中的預(yù)測樣本導(dǎo)入SPSS軟件,訓(xùn)練集與驗證集比例為7∶3,以IV-IOE耦合模型的加權(quán)信息量值為自變量,同樣以是否滑坡為因變量進(jìn)行邏輯回歸分析,最終得到IV-IOE-LR耦合模型各評價因子的邏輯回歸系數(shù)。

由于在IV-IOE-LR模型中進(jìn)行邏輯回歸運(yùn)算時地形起伏度的顯著性大于0.05,因此剔除地形起伏度影響因子,最終IV-IOE-LR耦合模型計算公式為

PIV-IOE-LR=1/(1+EXP(-(0.709×I1j″+0.522

×I2j″+0.3×I3j″+0.553×I4j″+0.452×I5j″

+0.436×I6j″+0.674×I7j″+0.249×I8j″

+0.3×9jI″-2.578))),

(15)

式中,I1j″-I9j″分別代表高程、坡度、曲率、坡向、巖組類型、斷裂緩沖區(qū)、河流緩沖區(qū)、年均降雨量、道路緩沖區(qū)不同等級熵指數(shù)加權(quán)后的信息量值。

基于式(15),利用GIS柵格計算器得到瀘水市滑坡發(fā)生概率,利用自然斷點法,將其分為極高易發(fā)區(qū)(0.77～0.94)、高易發(fā)區(qū)(0.47～0.76)、中易發(fā)區(qū)(0.27～0.46)和低易發(fā)區(qū)(0.05～0.26)四個等級(見圖4)。

圖 4 四種模型滑坡易發(fā)性評價結(jié)果

4.2 ROC曲線精度分析

受試者工作特征曲線(ROC曲線)是根據(jù)一系列不同的分類方式,以真陽性率(敏感度)為縱坐標(biāo),假陽性率(1-特異性)為橫坐標(biāo)繪制的曲線,能夠更加全面、客觀地分析評價體系[36]。AUC(Area Under Curve)為 ROC 曲線下與坐標(biāo)軸圍成的面積。當(dāng)AUC值為0.7～0.9時,表明模型精度較高;當(dāng)AUC值大于0.9時,表明模型精度極高。利用SPSS軟件對每一種模型的易發(fā)性概率和是否滑坡的實際狀況進(jìn)行分析,AUC值越大,模型精度越高,成功率ROC曲線見圖5。檢驗結(jié)果表明,IV模型、IV-LR、IV-IOE、IV-IOE-LR耦合模型的AUC值分別為0.764、0.781、0.881、0.829,表明4種模型評價結(jié)果與實際情況有著較高的一致性,均對瀘水市滑坡易發(fā)性作出了較為準(zhǔn)確的評價,4種模型的評價精度排序為:IV-IOE-LR>IV-IOE>IV-LR>IV,與單一模式相比,耦合模型的評價精度更高,其中IV-IOE-LR耦合模型評價精度最高。

圖5 ROC曲線

對未參與訓(xùn)練的30%滑坡柵格進(jìn)行精度預(yù)測分析,預(yù)測率ROC曲線見圖5。由圖5可知:IV、IV-LR、IV-IOE、IV-IOE-LR模型的AUC值分別為0.725、0.736、0.741、0.794,表明4種模型的預(yù)測效果良好,IV-IOE-LR模型較IV、IV-LR、IV-IOE模型預(yù)測成功率分別提高了9.5%、7.9%、7.2%,IV-IOE-LR模型預(yù)測成功率最高。

4.3 評級結(jié)果分析

IV-IOE-LR模型中研究區(qū)滑坡極高易發(fā)區(qū)面積為321.71 km2,高易發(fā)區(qū)面積為902.82 km2,中易發(fā)區(qū)面積為902.82 km2,低易發(fā)區(qū)面積為321.71 km2,極高和高易發(fā)區(qū)主要分布在怒江、芭蕉河、木楠河、以火洛河、臘門嘎河、老窩河、瑪布河、賴茂河、石崗河、蠻蚌河、丙貢河、彎橋河、蠻英河等大型河流兩岸,以及工程建設(shè)密集、人類活動強(qiáng)烈的區(qū)域。

5 結(jié)論

本文選取高程、坡度、曲率、地形起伏度、坡向、巖組類型、斷裂緩沖區(qū)、河流緩沖區(qū)、年均降雨量、道路緩沖區(qū)等10個影響因子構(gòu)建瀘水市易發(fā)性評價指標(biāo)體系,應(yīng)用 IV、IV-IOE、IV-LR、IV-IOE-LR等模型進(jìn)行滑坡易發(fā)性評價,得到以下主要結(jié)論:

a.選取高程、坡度、曲率、地形起伏度、坡向、巖組類型、斷裂緩沖區(qū)、河流緩沖區(qū)、年均降雨量、道路緩沖區(qū)等10個影響因子作為評價因子,通過SPSS軟件得到各影響因子之間的相關(guān)系數(shù),發(fā)現(xiàn)均小于0.3,說明影響因子之間不存在共線性,評價因子選擇是合理的。

b.通過將IV模型和LR模型及IOE模型相結(jié)合,可以很好地克服信息量模型主觀性較高的缺點,IV模型、IV-LR、IV-IOE、IV-IOE-LR耦合模型ROC曲線的成功率AUC值分別為0.764、0.781、0.881、0.829,IV-IOE-LR耦合模型效果最好,精度最高。IV、IV-LR、IV-IOE、IV-IOE-LR模型預(yù)測率ROC曲線AUC值分別為0.725、0.736、0.741、0.794,IV-IOE-LR耦合模型預(yù)測效果最好。

c.IV-IOE-LR耦合模型評價結(jié)果表明:極高易發(fā)和高易發(fā)區(qū)均主要分布在怒江、芭蕉河、木楠河、以火洛河、臘門嘎河、老窩河、瑪布河、賴茂河、石崗河、蠻蚌河、丙貢河、彎橋河、蠻英河等大型河流兩岸,以及工程建設(shè)密集、人類活動強(qiáng)烈的區(qū)域。