基于层次分析法的盐池县地质灾害危险性评价

张晓东， 刘湘南， 赵志鹏， 武丹， 吴文忠， 褚小东

(1.中国地质大学(北京)信息工程学院，北京 100083； 2.宁夏回族自治区地质调查院,银川 750021； 3.宁夏大学资源环境学院,银川 750021； 4.宁夏回族自治区遥感测绘勘查院(宁夏回族自治区遥感中心)，银川 750021)

0 引言

地质灾害危险性是一定时期内区域地质灾害活动程度的综合反映，即一个地区在某一时期内可能发生的某种地质灾害的密度、规模、频次，以及可能产生的危害范围与危害强度的综合概括[1]。地质灾害危险性评价作为地质灾害评价(敏感性、危险性、风险性)的重要内容之一，不仅是地质灾害风险评价的基础，而且是区域经济发展以及基础设施建设的重要参考。纵观地质灾害危险性评价的分析研究，主要可以分为定性分析方法和定量分析方法2种类型[2]。由于技术方法以及数据精度等因素的限制，定性分析方法是早期地质灾害危险性评价的常用方法。定量分析方法包括层次分析法(analytic hierarchy process, AHP)[3-4]、模糊综合评判法[5]、逻辑回归法[6-7]、神经网络法[8-9]等。以上评价方法均在不同地区的应用中取得了较好的效果。其中，利用AHP方法进行地质灾害评价研究已经十分成熟，由于该方法简单实用，可有效解决目标复杂性问题，因此在地质灾害敏感性评价[10-13]和危险性评价中得到了广泛应用[14-17]。

宁夏回族自治区盐池县自然环境敏感性强，生态地质环境极为脆弱，崩塌、滑坡及矿区地面塌陷等地质灾害时有发生，是宁夏回族自治区地质灾害较为发育的地区之一[18]。2009年开展的盐池县1∶10万地质灾害调查与区划工作中未涉及采用定量方法进行地质灾害的危险性评价。因此，本文以盐池县为研究区，在充分研究其孕灾环境的基础上，采用AHP方法进行研究区地质灾害危险性评价，并对该地区地质灾害危险性进行分区，以期为区域地质灾害的预防和治理提供科学依据。

1 研究区概况及数据源

1.1 研究区概况

盐池县位于宁夏回族自治区东部，总面积约为6 757.6 km2。气候属典型中温带大陆性季风气候，常年干旱少雨，风大沙多，年平均气温为8.4 ℃； 多年平均降水量为250～350 mm，从南向北、从东南向西北递减，年平均蒸发量为2 403.7 mm。无常年地表水流，仅有一些小型的季节性溪流，变化非常明显。地形总体呈南部高、北部低，中部高、东西两侧低的特点，北部为缓坡丘陵，地势平缓起伏； 南部为黄土丘陵区，沟壑纵横，地质环境条件十分脆弱，水土流失严重。境内出露最老地层为中元古界王全口组，奥陶系、三叠系、二叠系和侏罗系仅有零星出露，白垩系主要分布在县城东部苏步井—红沟梁—佟记圈—青山一带，第四系地层分布广泛。地震烈度为Ⅵ—Ⅷ度，地震动峰值加速度为0.05g～0.20g。

1.2 数据源

本研究所用的地质灾害数据来源于2012年宁夏回族自治区原国土资源厅支撑项目“宁夏盐池县1∶50 000地质灾害详细调查”统计结果，共有地质灾害点231个(其中滑坡125处、崩塌84处、泥石流19处、地面塌陷3处)。与地质灾害危险性评价影响因子有关的基础数据包括Landsat8 OLI影像(2014年7月28日)、ASTER GDEM数据(30 m空间分辨率)、盐池县1∶20万地质图、1∶5万水系图、1∶20万土壤图以及从中国气象数据网下载的降水数据。

2 评价指标体系的建立

2.1 评价因子的选择与提取

地质灾害危险性受多种因素影响和制约，根据研究区地质灾害种类、规模、危害性以及对孕灾环境背景因素的分析研究，本文选择地层、岩组、土壤、土地利用类型、坡度、坡向、地形湿度指数(topographic wetness index , TWI)、径流强度指数(stream power index，SPI)、距河流距离、距道路距离、归一化植被指数(normalized difference vegetation index，NDVI)和降水量等12个因子进行盐池县地质灾害危险性评价(图1)。其中，土地利用类型数据和NDVI均基于Landsat8 OLI影像计算获得，具体参考文献[19—20]； 坡度、坡向由ASTER GDEM数据计算获得； TWI和SPI因子分别采用文献[21—22]的方法获取； 距河流距离和距道路距离因子分别根据盐池县河流和道路分布图利用缓冲区分析计算提取； 降水量数据根据1989—2014年间盐池县(盐池和麻黄山)及周边(灵武、韦州、同心、定边和鄂托克前旗)7个气象站点多年平均降水量，在ArcGIS软件中采用Kriging方法进行插值得到的研究区内降水空间分布图中获得。对12个评价因子分别进行分类处理得到研究区地质灾害危险性评价因子。

(a) 地层 (b) 岩组 (c) 土壤

(d) 土地利用类型 (e) 坡度 (f) 坡向

图1-1 地质灾害危险性评价因子

Fig.1-1Geologicaldisastersconditioningfactors

(g) TWI (h) SPI (i) 距河流距离

(j) 距道路距离 (k) NDVI (l) 降水量

图1-2 地质灾害危险性评价因子

Fig.1-2Geologicaldisastersconditioningfactors

2.2 评价因子与地质灾害的关系

利用GIS的空间分析功能统计上述12个评价因子与地质灾害数量和密度之间的关系(图2)。结果表明： 地质灾害更易发育在更新统和白垩系地层中(图2(a))； 从岩组类型上看主要分布在软弱岩体和较软弱岩体中(图2(b))； 土壤类型方面地质灾害主要集中在黄绵土类型(图2(c))； 图2(d)反映地质灾害主要分布在居民及工矿用地以及裸地等土地利用类型中； 而坡度在15～30°之间地质灾害相对集中(图2(e))，且主要发育在南坡和北坡(图2(f))； 图2(g)和图2(h)显示地质灾害主要分布在TWI在16～27之间，SPI在7～19之间的地区； 由图2(i)可知，地质灾害主要分布在距河流小于200 m的范围内(图2(i))； 而距道路距离小于400 m的范围内灾害点密度较大(图2(j))； 此外，NDVI在0.1～0.4之间的地区(图2(k))及年均降水量大于313 mm的地区(图2(l))地质灾害较为集中。

(a) 地层与地质灾害关系 (b) 岩组与地质灾害关系 (c) 土壤与地质灾害关系

图2-1 地质灾害危险性评价因子与地质灾害关系

Fig.2-1Relationshipsbetweenconditioningfactorsandgeologicaldisasters

(d) 土地利用类型与地质灾害关系 (e) 坡度与地质灾害关系 (f) 坡向与地质灾害关系

(g) TWI与地质灾害关系 (h) SPI与地质灾害关系 (i) 距河流距离与地质灾害关系

(j) 距道路距离与地质灾害关系 (k) NDVI与地质灾害关系 (l) 降水量与地质灾害关系

图2-2 地质灾害危险性评价因子与地质灾害关系

Fig.2-2Relationshipsbetweenconditioningfactorsandgeologicaldisasters

3 研究方法

3.1 AHP

AHP是一种多目标评价决策的方法，它能提供一个全面的解决方案，用于构建问题并表现、关联及量化元素[23]。其基本原理是将被评价系统的有关方案的各个要素分解为目标、准则、方案等层次，在此基础上进行定性和定量分析[24]。通过对影响因素的两两比较，采用Saaty[25]给出的1～9标度法构造判断矩阵，综合确定各层次各因素之间的权重。判断矩阵的结果可以通过随机一致性比率(consistency ratio，CR)来衡量，它是判断矩阵的一致性与平均随机一致性的综合指标，其计算公式为

CR=CI/RI，

(1)

CI=(λmax-N)/(N-1)，

(2)

式中：λmax为最大特征值；N为判断矩阵的阶数；CI为判断矩阵一致性指标；RI为判断矩阵的平均随机一致性指标(表1)[3]。当CR<0.1时，则认为判断矩阵一致性较好。

表1 平均随机一致性指标Tab.1 Average random consistency index

3.2 构建地质灾害危险性评价指数

地质灾害危险性评价指数(geological disaster hazard index ，GDHI)能够综合多因子定量表达区域的地质灾害危险性程度。基于AHP方法计算的地质灾害评价因子及其类型的权重构建GDHI，即[13,26]

(3)

式中：n为评价因子的个数；Wi为第i个评价因子的权重，Dij为第i个评价因子中第j个因子类型的权重。

4 结果与验证

4.1 评价结果

本文基于12个地质灾害危险性评价因子，采用AHP方法对评价因子及其类型分别进行判断矩阵构建、权重计算以及一致性检验，在此基础上获得了GDHI。判断矩阵计算结果显示，12个因子及其类型经一致性检验后CR均小于0.1，表明各判断矩阵具有较好的一致性且通过一致性检验，各评价因子及因子类型判断矩阵、权重、CR及最大特征值λmax分别如表2和表3所示。

表2 评价因子AHP判断矩阵、权重、CR及λmaxTab.2 Refers AHP scores of factors, weight, CR and maximum eigenvalue

表3 评价因子类型权重、CR及λmaxTab.3 Weight,CR and maximum eigenvalue of factor classes

在ArcGIS软件中，根据得到的各因子及类型的权重系数，结合用式(3)计算出的盐池县GDHI，形成盐池县地质灾害危险性分布(图3(a))； 在此基础上，采用自然间断点分级法将盐池县地质灾害危险性分为极低、低、中、高、极高危险区5个分区，得到地质灾害危险性分区情况(图3(b))。

(a) 地质灾害危险性分布 (b) 地质灾害危险性分区

图3 盐池县地质灾害危险性评价分区

Fig.3Hazardassessmentzonationof

geologicaldisastersinYanchiCounty

利用ArcGIS软件的空间统计功能对5个危险性分区的面积进行统计，结果表明： 极低和低危险区的面积分别占全县面积的34%和28%，主要分布在盐池县中北部的丘陵区，区内地势平坦，人口密度低，植被覆盖度相对较高，人类工程活动较少； 中危险区面积约占全县的25%，主要分布在南部麻黄山、王乐井以西以及道路周边地区，区内人类活动较为强烈，植被覆盖度较低，地质灾害危险性主要表现为对道路交通和行人安全的威胁； 高和极高危险区面积较少，分别占总面积的12%和1%，主要集中分布在河流两侧以及麻黄山地区，地质灾害以滑坡为主，崩塌次之，区内黄土覆盖厚度大，冲沟切割深、斜坡坡度陡，植被覆盖度低，在降水及人类工程活动的影响下容易发生灾害，危险性大。

4.2 精度验证

成功率曲线以及受试者工作特征(receiver operating characteristics, ROC)曲线是目前常用的精度检验统计学方法。成功率曲线考虑模型对灾害样本的预测好坏，且高危险区所占样本比例越高，模型预测结果越好[27]。ROC曲线则能考察模型对正类和负类样本的预测能力和可分性[28-29]，可准确地反映所用分析方法特异性与敏感性的关系，具有很好的试验准确性。2种曲线与横轴围成的面积(area under curve，AUC)表示模型对灾害样本的预测精度，AUC值越大，精度越高。本文选取231个灾害点和231个非灾害点，分别采用成功率曲线和ROC曲线对研究区的地质灾害危险性评价结果进行精度检验。成功率曲线结果显示，约19%的灾害点落在危险性90%～100%的高值区(x轴为10%)，54%的灾害点落在危险性80%～90%的高值区(x轴为20%)，0～30%的危险区(x轴为30%)包含了约70%的灾害点，AUC值为0.77(图4(a))； ROC曲线AUC值为0.89且渐进Sig.b小于0.05(图4(b))。以上结果表明，采用AHP方法获得的地质灾害危险性分布精度较高，该方法能较为客观准确地对盐池县地质灾害敏感性进行评价。

(a) 成功率曲线 (b) ROC曲线

图4 评价结果精度检验

Fig.4AccuracyvalidationofassessmentresultsforAHP

此外，不同危险性分区的灾害点密度也能综合反映区域地质灾害危险性评价的合理性。统计盐池县极低、低、中、高、极高5个级别的危险性分区的灾害点数量及面积，计算出不同分区的灾害点密度(表4)。结果表明，从极低危险区到极高危险区的点密度呈增加趋势且极高危险区的灾害点密度最大，达到了1.076个/km2，说明该区域中灾害点分布集中，地质灾害危险性分区较为合理。

表4 危险区分区灾害点密度统计Tab.4 Geological disasters density in differentclasses of hazard assessment map

5 讨论与结论

5.1 讨论

地质灾害危险性评价精度影响因素包括模型精度、数据、专业人员的经验以及研究区大小[30]。研究表明，定性分析方法、定量分析方法或者两者结合的方法均无法在任意区域取得很好的评价效果，只有针对不同区域，选择不同数据，利用恰当的方法才能得到较为满意的评价效果[31]。本文基于12个地质灾害评价因子，利用AHP方法确定盐池县各评价因子以及因子类型的权重，计算GDHI并进行分区。研究结果表明，盐池县地质灾害高和极高危险区主要分布在河流两侧以及南部麻黄山沟谷陡坡上(图5)，且麻黄山地区白垩系地层中灾害点密度较高，当降水量显著增大时，易发生地质灾害，危险性高； 而道路多分布于中部及北部的丘陵区，地势较低、坡度小，综合评价结果为中危险区。以上结果与实际情况基本相符，表明AHP方法在该地区较为适用，能够客观有效地评价盐池县地质灾害危险性程度。由此可见，AHP方法在确定评价因子权重方面虽存在一定的主观性，但由于该方法能够将决策者的经验判断给予量化，具有分析系统化、简洁实用等特征，因此广泛应用于不同区域的地质灾害危险性评价中且效果良好[4,14-16]，具有很好的普适性。利用AHP方法进行区域地质灾害危险性评价时，只有深入研究区域地质灾害孕灾环境和成灾机理，尽可能客观地构建评价因子的判断矩阵，才能克服该方法的不足，确保其评价精度。

(a) 曾家渠滑坡 (b) 王石峁滑坡

(c) 墩凹滑坡 (d) 张家沟崩塌

图5 盐池县地质灾害高和极高危险区典型地质灾害照片

Fig.5TypicalgeologicaldisastersphotosinhighandveryhighhazardclassofYanchiCounty

5.2 结论

本文基于多源遥感数据和基础地质数据，选择并提取12个地质灾害危险性评价影响因子，采用AHP方法构建GDHI，对盐池县地质灾害危险性进行评价和分区，得出如下结论：

1)研究区极低和低危险区的面积分别占全县面积的34%和28%，主要分布在研究区中北部的丘陵区； 中危险区面积约占全县的25%，主要分布在研究区南部麻黄山、王乐井以西以及道路周边地区，地质灾害危险性主要表现为对道路和行人安全的威胁； 高和极高危险区分别占总面积的12%和1%，主要集中分布在河流两侧以及麻黄山地区，区内黄土覆盖厚度大，冲沟切割深、斜坡坡度陡，植被覆盖度低，在降水及人类工程活动的影响下容易发生灾害，危险性大。

2)成功率曲线和ROC曲线AUC值分别为0.77和0.89，检验结果不仅满足大于0.5的基本要求，而且精度较好； 同时，灾害点密度从极低危险区到极高危险区呈增加趋势且极高危险区的灾害点密度最大，达到了1.076个/km2，表明AHP方法适用于盐池县地质灾害危险性评价，其评价结果对盐池县地质灾害的防范与治理可提供一定的参考依据。

3)利用AHP方法进行危险性评价的关键是构建评价因子的判断矩阵，因此一定要深入分析研究区域地质灾害背景和成灾机理，才能对研究区地质灾害危险性进行合理评价。

4)本文基于孕灾环境和致灾因子的考虑，将滑坡、崩塌、泥石流以及地面塌陷4类地质灾害一同进行地质灾害危险性评价，虽然地面塌陷数量很少，但因其成灾机理与前3类灾害有较大差异，对评价结果还是有一定影响的。此外，如何更加客观、准确地确定各评价因子及因子类型判断矩阵、权重仍需要进一步研究。