APP下载

基于GIS的滑坡泥石流风险评估及其应用

2014-03-27刘力维程传周

地理空间信息 2014年3期
关键词:泥石流滑坡灾害

刘力维,程传周

(1.南京林业大学 森林资源与环境学院,江苏 南京 210037;2. 国家海洋局,北京 100860)

滑坡是指在河流冲刷、降雨、地震、人工切坡、斜坡施工等因素影响下,土层或岩层整体或分散地顺斜坡向下滑动的现象[1]。泥石流是指在降水、溃坝或冰雪融化形成的地面流水作用下,在沟谷或山坡上产生的一种挟带大量泥砂、石块等固体物质的特殊洪流[2]。当滑坡、泥石流运动速度较快,滑坡上或滑坡、泥石流运移路径上有城镇、村庄分布时,常常由于人们猝不及防而造成巨大生命、财产损失[1-4]。进行滑坡、泥石流风险评估,是预防和减少灾害损失的有效方法。但是,滑坡、泥石流的孕育和发生受内外因素的多重影响,灾害发生机制十分复杂[5-7],其风险评估十分困难。

1 滑坡、泥石流风险评估背景

滑坡、泥石流均是岩土体失稳运动的重要形式。根据不同的特性可分为不同类型[1,3],如按组成物质可将滑坡分为堆岩滑坡、基岩滑坡,泥石流可分为稀性泥石流和粘性泥石流;按稳定性可以分为稳定、基本稳定、次稳定、不稳定等几类。相关研究表明,所有这些失稳运动形式都具有以下特点[8-12]:

1)气象条件主要为阴雨天气,并且在持续的大量降雨情况下居多;

2)灾害发生过程具有阶段征,按时间顺序一般包括相对缓慢的蠕动阶段和速滑阶段;

3)岩体在蠕动阶段形变量相对较小,对周边环境和人类影响也较轻微;

4)速滑阶段是灾害强度突然增大和爆发的时期,也是产生破坏和灾害的主要阶段,而时间相对较长的蠕动阶段为灾害监测预报提供了时间和可能;

5)滑坡、泥石流的发生具有周期性的特点;

6)滑坡、泥石流产生的破坏性和损失除了与地质灾害本身的强度有关外,也与发生的地点、时间密切相关,是该地方人口、产业等社会经济因子发展布局的函数。

基于以上分析,滑坡、泥石流风险评估模型需要具备持续、实时、快速响应和周期性的特点,高精度的风险评估需要有全面、及时、可靠的数据支撑。风险评估的目的是为了识别危害、降低风险损失。对滑坡、泥石流而言,主要包括风险识别、风险估算和风险评价3个环节。目前,灾害风险公式已得到广大学者的普遍认可,滑坡、泥石流基本评估方法也相对比较成熟;但在风险评估中,如何实现从点评价向面评价过渡相对不足[13]。GIS技术以其强大的数据获取、管理、分析和信息挖掘能力,为滑坡、泥石流灾害风险评估提供了有效的空间分析平台[14],也为由点到面的风险评估提供了技术手段,已经应用到风险评估的各个方面[15-19]。但是,对于滑坡、泥石流预报预测、大范围统一的灾损评估模型以及基于GIS的实现方法,研究尚不成熟[1]。

2 基于GIS的滑坡、泥石流风险分析方法综述

目前,基于GIS的滑坡、泥石流风险评估主要是在GIS技术支持下,驱动相关模型,利用GIS的数据管理和空间分析、演示制图功能,实现灾害分析和风险评估。

2.1 专家打分法

专家打分法是决策支持系统中经常用到的一种间接定性方法,有利于避免无法获取的客观数据的影响。但是,打分结果容易受到专业背景及实际经验的影响,从而使决策结果产生误差。因此,采用专家打分法首先要选择合适的专家成员。另外,由于专家打分法带有一定的主观性,也会影响权重的计算结果。利用特征根法(GEM , group eigenvalue method)对专家打分进行统计分析,可以确定最优专家[20]。

2.2 层次分析法

层次分析法是一种进行多目标决策分析的方法。该方法能把复杂系统的决策思维进行层次化,把决策过程中定性和定量因素有机结合起来。通过判断矩阵的建立、排序计算和一致性检验,得到的最后结果更具有说服力。同时,由于可将人的主观性用数量表达出来,使之更具条理性和科学性,从而可以避免由于人的主观性导致的权重预测与实际情况相矛盾的现象,提高决策的有效性[21]。但是,在构造判断矩阵时,由于决策者很难掌握标度的标准,作出的判断往往不能满足一致性检验,进而会导致计算量增加。实际应用中,可采用判断平均特性修正矩阵的方法对判断矩阵进行一致性改进,提高排序权向量的稳定性,有利于计算机完成迭代算法[22]。

2.3 Logistic回归模型

对于地质灾害而言,从统计学角度出发,各因子数据可以作为自变量,而灾害的发生与否可以作为分类因变量。由于不是连续变量,线性回归将不适用于推导此类自变量和因变量之间的关系。这种情况下,通常采用对数线性模型(Log-linear model),而Logistic回归模型就是对数线性模型的一种特殊形式[23],它已被国内外学者引入到地质灾害评价模型中,预测评价效果较好[24,25]。

2.4 人工神经网络

人工神经网络分析具有独特的学习特性,收敛速度快,容错能力高,被广泛应用于灾害预测,如Pradhan[26]基于GIS建立人工神经网络模型,得到了满意的地区滑坡灾害图。但是,由于人工神经网络对输入和输出有严格要求,而在地质灾害评价中输出很难和实际数据一致,导致训练样本的选择成为人工神经网络技术应用的一大难点。

2.5 统计量法

丛威青等[27]提出了统计量法模型,在分析过程中更加注重每一个评价因子与地质灾害之间的一一对应关系,并以此指导影响因子的选择和因子区段的划分。该模型利用如下公式计算灾害危险性:

其中,Fk为单元k地质灾害危险性区划值;δi为利用相关性分析获得的因子i的相关性系数;Iki为单元k因子i出现区段的敏感性数值;m为评价因子总数。

2.6 基于GIS的滑坡灾害概率预测模型

Chung等[28]通过对滑坡数据库中的数据进行多元回归分析,提出了一个统一的基于GIS多层空间数据的滑坡灾害概率预测模型,以现场测量和遥感数据作为输入,预测滑坡在未来发生的频率,但在模型扩展应用和评估实效上目前仍达不到预期。

2.7 遥感解译法

遥感是目前唯一的快速获取大范围地表数据的有效手段[29]。在滑坡、泥石流灾害风险评估中,利用遥感图像对灾害进行调查,即基于灾害的光谱特性及时序变化趋势,利用遥感图像对灾害发育背景进行判别分析,包括工程地质岩组的判别分析、植被覆盖解译、水文条件分析、地貌辨识等,进而基于GIS技术实现分析滑坡、泥石流风险形势和警情、评估灾害损失的目的[30,31]。但是,遥感解译法目前主要侧重于使用超高分辨率数据,价格相对昂贵且数据时空覆盖不够全面。

3 发展前景与建议

GIS为快速、准确地监测评估滑坡、泥石流风险提供了强有力的技术手段。但是,滑坡、泥石流灾害所涉及的地层岩性、地质结构、地貌形态、底层突变、水系分布、植被覆盖等主要控制因素和降雨、地震、冰雪消融及人为工程施工等诱发因素之间的关系非常复杂,GIS手段用于模拟真实地表动态特性还存在很大困难,只能从增进数据获取效率、把握时空格局、提高决策速度,以及确保模型适用性等角度,建立、改进风险评估模型,提高预测和评估结果的有效性。在目前的GIS和RS、GPS技术水平下,可以从以下几个方面入手:

1)提高模型输入数据的全面性和质量。输入数据的精度是影响滑坡风险分析的重要因素,发展更好的数据综合处理方法、获取更全面的输入数据非常必要。另外,滑坡、泥石流即时影响因子的判断和权重赋值,离不开历史序列数据的积累和对其相互干扰的分析,对历史数据的回溯处理也有助于对滑坡风险的分析。

2)岩体蠕动具有持续累积性和相对突发性的特点,要求有长期积累的背景参考信息和实时的、高精度的内外部影响因子来加以判别。因而,需要利用各种可以获得的多源数据,建立滑坡、泥石流风险评估地形地貌和水文地质背景库。

3)构建针对不同地质构造的滑坡、泥石流快速预报与响应模型,提高模型精度。由于滑坡、泥石流驱动因子及相互关系,尤其是地质力学关系非常复杂,尚没有统一的范式,这就造成了风险评估大批量快速操作的不确定性。所以,基于GIS建立适合于不同地质构造的滑坡、泥石流快速预报与响应模型,对于快速获得大范围的滑坡、泥石流信息非常重要。

目前,基于GIS进行滑坡、泥石流风险评估,主要是将GIS作为一种技术手段来实现已有滑坡、泥石流的风险评估模型和方法,而以GIS为基础,综合利用3S技术构建的模型较少。同时,现有应用主要是在继发灾害的灾情分析和损失评估上,RS大范围快速数据获取功能、GIS强大的空间分析和三维模拟等功能都得不到充分利用。但是,MODIS等中高分辨率遥感数据对地表特征捕获较为全面,数据实效性强,且全球免费发布,将其与地质地貌调查结果、气象站降雨数据结合起来,构建驱动因子更加全面的模型,使间断性的地面勘察数据和高时间分辨率的遥感数据相融合,将是进行滑坡、泥石流风险预测和灾损评估的可行方法。

[1]殷坤龙.滑坡灾害预测预报[M].武汉:中国地质大学出版社,2004

[2]康志成,李焯芬,马蔼乃.中国泥石流研究[M].北京:科学出版社,2004

[3]刘希林,唐川.泥石流危险性评价[M].北京:科学出版社,1995

[4]刘传正.区域滑坡、泥石流灾害预警理论与方法研究[J].水文地质工程地质,2004(3):1-5

[5]Bell R, Glade T. Quantitative Risk Analysis for Landslides:Examples from Bildudalur, NW-Iceland[J]. Nat Hazards Earth Sci Syst, 2004(4):117-131

[6]高庆华,马宗晋,张业成.自然灾害评估[M].北京:气象出版社,2007

[7]葛全胜,邹铭,郑景云.中国自然灾害风险综合评估初步研究[M].北京:科学出版社,2008

[8]Hutchinson J N. Landslide Hazard Assessment[C].the Sixth International Symposium on Landslide,Rotterdam,1995

[9]殷坤龙,陈丽霞,张桂荣.区域滑坡灾害预测预警与风险评价[J]. 地学前缘,2007,14(6):85–97

[10]单新建,叶洪,李焯芬,等. 基于GIS的区域滑坡危险性预测方法与初步应用[J]. 岩石力学与工程学报,2002,21(10):1 507–1 514

[11]Aleotti P,Chowdhury R. Landslide Hazard Assessment:Summary Review and New Perspectives[J]. Bulletin of Engineering Geology and the Environment,1999,58(1):21–44

[12]刘传正.突发地质灾害的预测预警问题[J].水文地质工程地质,2001,28(4):1-4

[13]刘光旭,戴尔阜,吴绍洪,等.泥石流灾害风险评估理论与方法研究[J].地理科学进展,2012,31(3):383-388

[14]Guzzetti F, Carrara A , Cardinali M , et al. Landslide Evaluation:A Review of Current Techniques and Their Application on a Multi-scale Study, Central Italy [J]. Geomorphology,1999,31(1):181-216

[15]唐川,朱大奎. 基于GIS技术的泥石流风险评价研究[J].地理科学, 2002, 22(3):300-304

[16]Dikau R, Cavallin A ,Jager S. Databases and GIS for Landslide Research in Europe[J]. Geomorphology, 1996,15(3-4):227-239

[17]Mantovani F R, Soeters C J, Van W. Remote Sensing Techniques for Landslide Studies and Hazard Zonation in Europe[J]. Geomorphology, 1996, 15: 213-225

[18]Gupta R P, Joshi B. Landslides Hazard Zoning Using the GIS Approach: A Case Study from the Ramganga Catchment Himalayas[J]. Engineering Geology, 1990, 28(1-2): 119-131

[19]Dhakal AS, Amada T, Aniya M. Landslide Hazard Mapping and Its Evaluation Using GIS: an Investigation of Sampling Schemes for a Grid-cell Based Quantitative Method[J]. Photogrammatry Engineering and Remote Sensing,2000, 66(8):981–989

[20]邱莞华.群组决策特特征根法[J].应用数学和力学,1997,18(11):1 027-1 031

[21]徐建华.现代地理学中的数学方法[M].北京:高等教育出版社,2002

[22]吴祈宗,李有文.层次分析法中矩阵的判断一致性研究[J].北京理工大学学报,1999 ,19 (4) :502-505

[23]王济川,郭志刚. Logistic 回归模型方法与应用[M].北京:高等教育出版社,2001

[24]Gregory C ,Ohlmacher J , Davis C. Using Multiple Logistic Regression and GIS Technology to Predict Landslide Hazard in Northeast Kansas , USA[J]. Engineering Geology, 2003,69:331-343

[25]胡德勇,李京,陈云浩,等.GIS支持下滑坡灾害空间预测方法研究[J].遥感学报,2007(6):852-859

[26]Pradhan B, Lee S.Utilization of Optical Remote Sensing Data and GIS Tools for Regional Landslide Hazard Analysis Using an Artificial Neural Network Model[J].Earth Science Frontiers,2006,13(6):143-15

[27]丛威青,潘懋,李铁锋,等.基于GIS的滑坡、泥石流灾害危险性区划关键问题研究[J]. 地学前沿,2006,13(1):185-190

[28]C-J F 丘恩.滑坡灾害制图的概率预测模型[J].水利水电快报,2000(16):16-17

[29]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2003

[30]Rathje E,Crawford M,Woo K,et al.Damage Patterns from Satellite Images of the 2003 Bam, Iran[J]. Earthquake Spectra,2005, 21( S1): 295-307

[31]唐川,张军,万石云,等.基于高分辨率遥感影像的城市泥石流灾害损失评估[J].地理科学,2006,26(3):358-363

猜你喜欢

泥石流滑坡灾害
河南郑州“7·20”特大暴雨灾害的警示及应对
滑坡推力隐式解与显式解对比分析——以河北某膨胀土滑坡为例
推动灾害防治工作实现新跨越
泥石流
滑坡稳定性分析及处治方案
地球变暖——最大的气象灾害
“民谣泥石流”花粥:唱出自己
泥石流
浅谈公路滑坡治理
“监管滑坡”比“渣土山”滑坡更可怕