羅平縣崩滑易發性評價模型對比研究

楊得虎,朱杰勇,劉帥,馬博, 代旭升

(1.昆明理工大學國土資源工程學院,昆明 650093;2.云南省地質環境監測院,昆明 650216)

崩滑地質災害的廣泛發育威脅著人們的生命財產安全,其災害的發生受自然因素和誘發因素影響[1]。

隨著地理信息系統(GIS)的不斷發展,基于GIS技術的地質災害易發性評價已成為評估的有效工具和研究領域的熱點[2]。本文選取羅平縣作為研究區建立崩滑易發評估模型,對今后城市的發展和防災減災有重要意義[3],也可為巖溶地區地質災害易發性評價提供一定的依據。

目前,地質災害易發性評價主要為定性、定量兩種評價方法[4]。隨著技術的不斷發展,機器評價方法也逐漸得到普遍運用。定性分析是通過對成因機制的全面認識,基于專家經驗和知識確定評價因子權重,定量分析方法通過數學或數值算法估計滑坡易感性[5]。定性分析方法主要有層次分析法[6-8],定量分析方法主要有頻率比法[9,10]、信息量法[11,12],機器學習方法有logistic回歸法、隨機森林法、K近鄰、支持向量機和神經網絡等[13-15]。通過對國內外學者研究進行分析,單一模型的評價結果精度較低,現多采用耦合模型和機器學習方法進行評價。吉日伍呷等[15]通過logistic回歸、K近鄰、樸素貝葉斯和 隨機森林算法對魯甸地震進行地震滑坡易發性評價;樊芷吟等[16]通過信息量模型和Logistic回歸耦合模型對汶川縣地災進行易發性評價;張曉東[17]通過層次分析法、支持向量機和地理加權回歸等模型對寧夏鹽池縣地災進行易發性評價。從以上研究可以發現,單一評價模型在因子分類級計算時主觀因素較大,其評價結果存在一定的缺陷,現采用多種耦合模型和機器模型對地質災害進行評價成為新的探索方法?；隈詈夏Ｐ秃蜋C器模型的評價方法可以降低主觀性因素的影響,解決評價因子之間的數據整合問題,使評價結果更加精確和可靠。

本文以羅平縣作為研究區域,根據崩滑地質災害的形成條件選取基礎地質、地形地貌、地質構造、水文環境和外界觸發等5類評價指標。采用定量評價方法信息量法和頻率比法計算評價因子分類分級權重,再選取邏輯回歸法對評價因子進行權重計算,以此構建信息量模型(ICM)、頻率比模型(NFR)和以及與邏輯回歸(LR)耦合的信息量-邏輯回歸(ICM-LR)耦合模型和歸一化頻率比-邏輯回歸(NFR-LR)耦合模型對羅平縣崩滑地質災害進行易發性評價,并對評價結果進行精度檢驗分析,得出精度最高的評價模型,可為快速建立評價指標體系和區域崩滑地質災害監測預警系統及防災減災提供參考。

1 崩滑易發性評價模型

1.1 信息量模型(ICM)

信息量模型(information content method, ICM)是將崩滑歷史數據進行統計分析,將影響崩滑的因子分類級得實測值轉化為信息量值,來衡量崩滑的易發性[18]。首先計算所選評價因子分類級的信息量值,再對各因子信息量值進行總和,作為崩滑易發性的綜合指標[19]。單因子信息量計算公式:

(1)

式中,I為評價因子j下的信息量;Nj為評價因子j內發生的崩滑數;N為研究區崩滑總數;Sj為評價因子j下所占柵格數;S為研究區柵格總數。

根據選取的評價因子進行分類級計算,各因子分類級的信息量值決定地質災害發生的可能性,將各分類級因子疊加計算的總信息量計算公式為:

(2)

式中,Ij為總信息量,為崩滑地質災害易發性指數;Ij值越大且為正值則表示該單元內有利于崩滑發生。

1.2 歸一化頻率比模型(NFR)

頻率比模型(frequency ratio,FR)是將崩滑點分布情況與評價因子分類級的空間關系進行分析。推導出崩滑發生概率與評價因子之間的關系,從而反應出各分類級對崩滑發生的影響程度,FR值越大則表示對崩滑發育的貢獻越大[20]。其頻率比計算公式如下:

(3)

式中,FR(xij)為頻率比值;zij為第i個評價因子j類發生崩滑的個數;Z為研究區內崩滑的總數;sij為第i個評價因子j類區間的面積;S為研究區總面積。

歸一化頻率比模型(normalized frequency ratio,NFR)是將各頻率比值做歸一化處理,其公式如下:

(4)

式中,NFR(Xij)為歸一化頻率比值。

1.3 邏輯回歸模型(LR)

邏輯回歸模型(logistic regression,LR)是一種研究二分類因變量常用的統計方法[21]。通過研究崩滑易發性與評價因子之間的關系,預測崩滑發生的概率。其中自變量為評價因子指標值(x1,x2,…,xn),是否發生地質災害作為因變量(1和0分別代表崩滑點和非崩滑點)。Logistic回歸函數如下:

Z=α+β1x1+β2x2+…+βnxn

(5)

(6)

式中,α為常數項;x1,x2,…,xn為自變量;β1,β2,…,βn為回歸系數;Z為崩滑發生的可能性與各評價因子之間的關系;P為崩滑災害發生的概率,范圍0～1。

1.4 耦合模型

將ICM模型和NFR模型分別與LR模型進行耦合,可解決單一模型因子分類級的數據整合問題和降低人為主觀性因素影響問題。首先對所選因子進行共線性診斷分析,保證評價因子的獨立性。將ICM模型和NFR模型計算得出的各評價因子分類級的值作為LR模型的自變量,建立回歸方程,得出各評價因子的回歸系數,再計算評價單元的崩滑概率,以此為依據分別建立ICM-LR 模型和NFR-LR 模型對研究區進行崩滑易發性評價。

2 研究區概況及數據來源

2.1 研究區概況

研究區(羅平縣)位于云南省曲靖市東部。地理坐標為24°31′～25°25′ N, 103°57′～104°43′ E,東西最大橫距75 km,南北最大縱距99 km,全縣國土面積3 018 km2(圖1)。研究區西部和北部屬于巖溶盆地地貌和巖溶低中山地貌,中部屬巖溶斷陷湖形盆地,東部和南部受九龍河和南盤江流域侵蝕切割,形成峰林洼地和巖溶中山地貌。區內地層出露主要有古生界泥盆系(D)淺灰、深灰色中厚層狀灰巖、泥灰巖、泥質白云巖;石炭系(C)深灰、灰黑色塊狀灰巖、白云質灰巖、泥質灰巖;古生界二疊系(P)灰、深灰色厚層塊狀、生物碎屑灰巖,結晶灰巖夾虎斑狀灰巖及白云巖;中生界三疊系(T)上統為黃褐色粉砂巖、泥質粉砂巖及細砂巖,中統為深灰色灰巖夾泥質灰巖,中上部為黃色白云巖,下統為紫紅色含長石粉細砂夾泥灰巖頁巖及含銅頁巖;新生界第三系(N)褐黃紫紅色礫巖、細砂巖及粉砂質泥巖,底部礫巖;新生界第四系(Q)細砂、砂礫石及砂質粘土。區內位于云南山字形構造的東翼。主要構造體系和構造型式有北東向構造、新華夏系構造、網狀構造等。主要斷裂有:金雞山斷裂、長家灣斷裂和臘莊斷裂等。其次為新華夏系構造,多發育在褶皺邊緣,密集成束,規模大、延伸遠,呈舒緩波狀,主要分布在西部及南盤江兩岸。主要斷裂有:灑土革斷裂、大水塘斷裂、羅格斷裂等。

圖1 羅平縣崩滑分布圖

2.2 數據來源

本研究數據主要包括:(1)12.5 m分辨率數字高程模型(DEM),用于提取坡度、坡向、起伏度、曲率等評價因子;(2)1∶5萬地質圖,用于提取巖性、斷裂等因子;(3)1∶5萬全國基礎地理數據庫,用于提取水系、道路等評價因子;(4)歷史崩滑數據:主要來自1∶5萬全區調查和1∶1萬重點區羅平縣地質災害詳細調查資料以及野外補充資料;(5)地質災害點的基礎數據來自于地礦眉山工程勘察院的詳細調查結果,共包含154個崩滑災害點的數據,滑坡136處,崩塌18處。

3 評價因子分析

本文在研究區資料收集和野外調查的基礎上,選取基礎地質(工程巖組、斷層緩沖距)、地形地貌(坡度、坡向、高程、起伏度、曲率、地貌類型)、水文環境(河流緩沖距)、外界觸發(降雨量)等5大類中的10個評價因子進行分析。根據12.5 m×12.5 m柵格單元作為易發性評價的制圖單元,通過對研究區評價因子進行歸納分析,將崩滑災害點與各評價因子進行空間關聯分析,通過重分類得到各崩滑點在各評價因子的分布情況。對各評價因子的分類級處理如圖2和表1所示。

3.1 基礎地質因子

選取工程地質巖組、斷裂緩沖距作為崩滑易發性評價的地質類因子。工程地質巖組是崩滑發育形成的重要內因,不同巖組的力學參數存在較大差異,從而影響坡體的穩定性[22]。區域內崩滑點主要分布在層狀結構堅硬長石石英砂巖巖組,中厚層狀堅硬灰巖、白云巖巖組,其FR值大于1,在層狀結構堅硬長石石英砂巖巖組中崩滑點分布相對密集。地質構造中的斷裂多發育在褶皺邊緣,且密集度、規模大、延伸遠,對兩側巖層強烈擠壓扭曲牽引,對地質災害的發育起控制作用。將研究區斷裂按600 m等距離分為6類緩沖區,斷裂緩沖距小于600 m以內時,FR值大于1,表明區域內距斷裂越近,越有利崩滑地質災害的發生。

圖2 評價因子分類級圖

表1 評價因子分類級計算表

3.2 地形地貌因子

地形地貌因子是滑坡發育敏感性程度的重要因素[23]。研究區地形地貌因子均從12.5 m×12.5 m分辨率的DEM中提取,分別提取了高程、坡度、坡向、曲率、起伏度等評價因子。將研究區高程分成8個區間,崩滑點主要分布在715～860 m、1 200～1 350 m、1 650～1 800 m區間內,其FR值均大于1,其最高值為1.44。坡度和坡向的組合與土層厚度、土壤濕度、光照強度存在密切關系[24],將研究區坡度和坡向分成8個區間,崩滑主要分布在坡度6°～24°之間,坡向朝東、東南、南、西北時,FR值均大于1。表明該區間內有利于崩滑的發生。地形起伏度反映地形的起伏情況,地形起伏度較大的地區為崩滑災害的發生提供了物質條件和地形條件[25]。將起伏度因子分為8個區間,起伏度為8～15 m、30～38 m易發生,FR 值分別為1.53、2.80。地形曲率在微觀尺度上反映了地表形態[26]。曲率的數值可以反映斜坡的形態,將其分為3個區間,值小于0代表凹形坡,值為0為平形坡,值大于0為凸形坡。其中凹形坡的FR值更大,說明其比其它兩種坡形更易發生崩滑地質災害。

3.3 水文環境因子

地表水系的侵蝕和切割為滑坡災害提供了重要的誘因[27]。將區域內河流按600 m等距離分為6類緩沖區,河流緩沖距1 800 m以內時,FR 值均大于1,當河流緩沖距在600 m以內時,FR值為1.96。表明區域內距河流越近越有利于崩滑災害的發生。

3.4 外界觸發因子

地形地貌、地質構造、工程巖組等是地質災害形成的主要控制因素,降雨作為誘發因素,其強度大小與地質災害的發生密切相關。將研究區降雨量值分為6個區間,當降雨量值大于1 300 mm時,崩滑災害分布較多,其值為1 300～1 400 mm時FR值為1.16。

4 羅平縣崩滑易發性評價

4.1 評價因子信息量值和頻率比值的計算

根據研究區已有的154個崩滑點,通過對各因子進行分級并統計災點比和面積比,利用公式(1)和(3)計算得到各因子分級區間的信息量值和頻率比值,根據不同方法計算得出的結果,從而分析不同因子區間的重要性。各因子分類級的信息量值和頻率比值如圖2和表1所示。

4.2 評價因子共線性診斷

崩滑地質災害易發性評價指標體系中,需要保證自變量相互獨立,相關性高會出現多重共線性[21],將影響模型的準確性。因此采用容忍度(Tolerance, TOL)和方差膨脹因子(Variance Inflation Factor, VIF)對自變量進行多重共線性診斷:

(7)

其中,R2是以xi為因變量時對其他自變量回歸的復測定系數。TOL為VIF的倒數,當TOL>0.1且VIF<10時,說明自變量不存在多重共線性。通過SPSS軟件進行多重共線性診斷,結果如表2所示。結果顯示對所選10個評價因子其VIF值在1～1.5。其VIF<5,表明各因子之間相互獨立,不存在共線性。

表2 評價因子VIF計算結果表

4.3 評價因子相關性分析

崩滑的易發性與評價因子之間存在一定的相關性。為了保證各評價因子間的相互獨立性和結果的可靠性,進行因子相關性檢驗[28],結果如表3所示。結果顯示各評價因子之間的相關系數均<0.3,評價因子之間的相關性較小,所以10個評價因子均可以進入模型。

4.4 評價因子邏輯回歸分析

根據研究區已有的154個崩滑點,并隨機選取等量的非崩滑點,共計有308個獨立屬性的統計樣本。提取每個樣本的各類級信息量值和頻率比值作為自變量,是否發生地質災害作為因變量(1和0分別代表崩滑點和非崩滑點)。分別導入SPSS軟件中進行二項邏輯回歸運算,當選取的評價因子顯著性均≤0.05時具有統計意義[21]。在I-IR模型中,曲率的顯著性為0.54,計算時應剔除。NFR-IR模型中,坡向和曲率的顯著性為0.36和0.25,計算時剔除,其余評價因子的顯著性均<0.05。其I-LR和NFR-LR的回歸運算公式為:

表3 評價因子之間的相關系數矩陣

(8)

(9)

式中,x1～x10分別為工程巖組、坡度、坡向、高程、地貌類型、起伏度、曲率、斷裂緩沖距、河流緩沖距、降雨量的ICM值和NFR值。

5 崩滑易發性評價結果與精度評價

5.1 單一模型評價結果

根據表1所求出各評價因子分類級的NFR值和ICM值,進行疊加分析,分別得到羅平縣崩滑地質災害的易發性分布圖,利用ARCGIS的自然斷點法將其分為極高、高、中、低4個區間。結果如圖3(a～b)和表4所示。其中ICM模型中,低-極高易發區的面積(頻率比)分別為529.96 km2(0.33)、943.72 km2(0.46)、979.64 km2(0.96)、564.67 km2(2.60)。在極高易發區內,崩滑點占總災點的48.7%。NFR模型中,低-極高易發區的面積(頻率比)分別為562.54 km2(0.28)、908.48 km2(0.8)、950.81 km2(1.13) 、596.17 km2(1.97)。在極高易發區內,崩滑點占總災點的38.96%。兩種單一評價模型中,從低-極高易發區崩滑易發性的頻率比逐漸增大。且低-中易發區間內,頻率比值都小于1,說明兩種單一模型均可以有效對羅平縣崩滑易發性進行評價。

5.2 耦合模型評價結果

利用GIS的柵格計算器功能,將ICM-LR耦合模型和NFR-LR耦合模型按照公式(8～9)進行邏輯回歸分析計算,得到相應評價模型的崩滑易發性分布圖,利用ARCGIS的自然斷點法將其分為極高、高、中、低4個區間。結果如圖3(c～d)和表4所示。在ICM-LR耦合模型中,低-極高易發區的面積(頻率比)分別為771.1 km2(0.25)、836.6 km2(0.73)、864.36 km2(0.88)、545.94 km2(2.66)。在極高易發區內,崩滑點占總災點的48.05%。NFR-LR模型中,低-極高易發區的面積(頻率比)分別為548.52 km2(0.25)、940.12 km2(0.71)、989.08 km2(0.95)、540.28 km2(2.36)。在極高易發區內,崩滑點占總災點的42.21%。兩種耦合模型評價結果比較一致,從低-極高易發區崩滑易發性的頻率比逐漸增大。且低-中易發區間內,頻率比值都小于1,ICM-LR耦合模型低易發區的面積較單一模型相對增大,且兩種耦合模型各分區面積相對一致,說明耦合模型更能準確對羅平縣崩滑易發性進行評價。

圖3 羅平縣崩滑易發性評價結果

表4 羅平縣崩滑易發性評價頻率比

5.3 評價精度對比分析

本文采用ROC(receiver operating characteristic)曲線對ICM模型、NFR模型、ICM-LR耦合模型和NFR-LR耦合模型的易發性評價結果進行精度檢驗。ROC曲線又稱接收者工作特征曲線,其橫軸為假陽性率(1-特異性),縱軸為真陽性率(敏感度),根據其線下的面積大小作為評價方法準確性評價的指標。ROC曲線的線下面積用AUC值來表示,值越大,實驗的準確率越高,模型的預測效果越好[29]。4種評價模型ROC曲線如圖4所示。AUC值分別為0.820、0.796、0.882及0.840,耦合模型的精度較單一模型的精度高,其中ICM-LR耦合模型的精度最高,該模型更能準確對羅平縣崩滑地質災害易發性評價研究。

圖4 ROC曲線

6 結論

(1) 以羅平縣為研究對象,選取工程巖組、坡度、坡向、高程、地貌類型、起伏度、曲率、斷裂緩沖距、河流緩沖距、降雨量等10個評價因子,對因子進行獨立性檢驗,選取信息量模型(ICM)、頻率比模型(NFR)以及與邏輯回歸(LR)耦合模型對羅平縣崩滑地質災害進行易發性評價。

(2) 通過對評價因子的分類級處理,計算信息量值和頻率比值,通過信息量正值和頻率比值得出影響較大的因子類級分別是:工程巖組中的層狀結構堅硬長石石英砂巖巖組、地貌類型中的巖溶中山地貌和侵蝕谷地地貌、坡度主要分布在6°～30°度之間、高程集中在1 350～1 950 m之間、起伏度在23 m以下、斷裂緩沖距和河流緩沖距1 800 m之內、降雨量集中在1 300～1 600 mm之間,對崩滑發育具有促進作用。

(3) 根據構建的ICM、NFR、ICM-LR和NFR-LR模型進行對比研究,通過ROC曲線對4種模型的精度進行檢驗,AUC值分別為0.820、0.796、0.882和0.840,耦合模型的精度較單一模型的精度高,其中ICM-LR耦合模型的精度最高,表明該模型更能準確對羅平縣崩滑地質災害易發性評價研究。

(4) 基于ICM-LR耦合模型的評價結果得出,極高易發區主要分布在砂巖、碳酸鹽巖組區域和水系延展區域。