APP下载

基于高分遥感技术的地质灾害风险评估模型分析

2023-09-05赖增伟李宗文陈成伟

西部交通科技 2023年5期
关键词:遥感技术公路工程灾害

赖增伟,李宗文,陈成伟

(1.广西新发展交通集团有限公司,广西 南宁 530029;2.广西交通设计集团有限公司,广西 南宁 530029)

0 引言

公路的地质灾害多种多样,诸如滑坡、崩塌这样的常见危险事件已严重威胁人民生命和国家财产安全。近年来,由于我国在偏远山区、中西部地区加快公路的建设,因此会经常突发一些地质灾害事件。这些突发情况会导致工程受到破坏,并严重影响当地的发展和自然环境。类似公路建设这样的大工程,在其整个生命周期中,对其周边地质情况进行一系列的危害风险评估是十分有必要的,同时也有助于国家应急管理部防灾减灾工作的具体落实。

广西位于我国的西南边陲,其地质结构复杂,环境脆弱。受气象因素影响,一些滑坡、周围地质松动造成的崩塌、雨水造成的泥石流,还有一些岩溶破坏和膨胀土等意外的地质风险灾害的发生,对交通的正常运行和施工建设造成了严重影响[1-2]。根据2018年的调查数据显示,在广西总面积的96.65%属于易发生地质灾害的区域[3],其中高、中易发生地质灾害的区域达到了42.3%。根据不完全统计,截至2019-02-20,全广西境内地质灾害隐患点登记的数量达10 704处,其中,容易发生地质灾害的村落有5 742个,受到灾害威胁的潜在对象主要是住在易发点附近的居民以及附近的工矿企业、学校等。

针对地质灾害方面的危害测评当前还是以实际资料搜查和相关人员实地环境勘察为主要手段,然而,如滑坡、泥石流、山体崩塌这样的灾害,其形成的机理因素较多,搜寻相应的有效资料和指标量是十分棘手的。所以,这类手段只能对单独的施工工况点或某一部分区域地质灾害进行危害性指标评估。而建设公路是线性形式的交通工程,不仅里程数长,而且地势元素和环境有差别。对此,经常通过遥感数据来传递信息,用于辅助传统的实地勘察的手段。目前,高分遥感技术是一种前沿技术,能够全面准确地对所观察地区进行动态监测。此外,利用高分遥感的数据来解释和判断地质信息,有助于对灾害进行潜在识别和定性分析。然而,这方面的定量化分析方法还很欠缺,对于较大区域以及不同种类的灾害识别与定量分析是远远不够的。

结合上述分析,本文通过高分遥感图像数据,对诸如山体滑坡、崩塌等公路地质灾害进行潜在识别和定性分析,同时进行关键信息的摘取和量化计算,构建合理的灾害风险评估模型,并以某公路建设工程为例,评估该工程区域内发生灾害的可能性。

1 高分遥感技术概述

遥感技术是一种新兴的勘测技术,是指可以通过超远距离感知目标反射或自身辐射的红外线、电磁波,并且可以对一些特定的目标进行观测和识别的技术。如航空摄影就是一种非常典型的通过远距离拍摄和感知目标的技术,即属于遥感技术的一种。在遥感技术的整个发展历程中,航空航天技术的发展起到了关键的作用,特别是越来越多的卫星发射升空,推动了遥感技术的快速发展,使遥感技术逐渐丰富起来。遥感系统核心的部件就是遥感器。遥感器的种类有很多,如成像用的光谱仪、电视摄像机、用于合成的孔径雷达、普通的照相机以及多光谱扫描仪等器件[4]。传输设备的主要功能是将遥感信息从卫星等远距离平台传送至地面站,而常见的信息处理设备有数字图像处理机、彩色合成仪等。

因为高分遥感的数据是通过卫星获取的高清图像数据,所以其来源稀缺且很有价值。其独特的优势在自然资源的勘测调查、大规模农业的耕种管理以及规范化的城市管理,甚至在军事等领域发挥着无可替代的作用[5]。在自然环境的勘察调查中,由高分遥感获取的数据可以支撑国有山地土地的合理利用调查、矿产资源的合理开发、大气环境污染的监测排查、突发性的地质灾害和应急管理调查等。

2 基于高分遥感技术的地质灾害风险评估模型构建方法

基于高分遥感技术的评估原理为:利用高分遥感的三维图像信息数据,构建所要观测地域内高精度和高密度的数字地面模型(DEM),在此基础上,选取与灾害相关的分析因子来进行量化分析;根据形成的数字正射影像(DOM),解释并采集地质遥感信息数据。基于数据探究灾害的形成机理、存在的区域特征;通过筛选的评价因子来解析地质灾害危害性的随机森林模型,达到危害性评估的目的。整套评估原理流程如图1所示。

图1 评估原理流程图

2.1 确定地质灾害易发性评价因子

发生地质灾害不是单一因素所能决定的,其本身是众多内在的地质因素和外部自然环境因素的合成效应。诸如山体滑坡与崩塌等这类公路地质灾害,因其周边的地形地貌较为复杂,因此导致灾害的原因多种多样。如何选取准确的地质灾害易发性评价因子,是公路地质危险评估的关键步骤。经过对公路地质灾害发生的地质因素及外部因素进行研究,结合遥感数据光谱和空间特征,建立致灾因子的遥感定量表达方法,实现地质灾害影响因素的遥感定量表示及定量分析。根据地质灾害现有研究成果,选择地形地貌、地质条件、水文条件、地表覆被、大气降雨等因素作为地质灾害易发性关键控制因子,具体如图2所示。

图2 地质灾害影响因子构成示意图

具体的选取流程为:

(1)利用高分遥感影像提取表征水文信息的水系距离和湿度指数因子,以及表征地表覆盖信息的植被指数和土地利用信息,对多种指数进行统计分析,选择最佳的表征土壤湿度等的遥感指数。

(2)利用所研究区域的重要数据,如地质图的数据,提取出有效信息,特别是跟地质有关的地层岩性和地质构造的有用信息。

(3)通过有用的DEM数据,提取有价值的地形特征信息,如坡度、坡度方向以及斜坡形态结构等信息。

2.2 评估因子的尺度转化

评估因子通过在空间、时态、语义、尺度、关系的变换,可以实现多源数据的时空基准统一。同时地质灾害评价因子数据类型、取值范围和量纲的不一致,会降低模型训练的速度。所以,通过极差标准化的方法,对所选取的连续型评价因子,先进行归一化处理。而一些离散型的评价因子,要根据解析出来的滑坡栅格单元中的各因子属性,分析出其所占的比例,然后再利用极差标准化方法对各因子属性的权值进行归一化处理,将归一化的影响因子进行栅格化,通过尺度转换形成统一像素大小的栅格数据。尺度转化流程如图3所示。

图3 尺度转化流程图

2.3 地质灾害易发性评估模型构建

2.3.1 评估模型原理

本文基于获取的地质灾害影响因子数据,采用随机森林模型(Random Forest,RF),选择相同数量的两组样本数据,一组为已经发生过地质灾害,另一组为未发生过地质灾害,构建研究区的地质灾害易发性风险评估模型,并利用新的样本数据对模型进行优化。结合实时气象信息,生成研究区的灾害易发性风险评估结果图,再结合相应的监测数据,确定地质灾害的高风险区域。

随机森林算法是由决策树算法发展而来的,两者密不可分。随机森林算法的原则为:依照bootstrap重复采样策略,在不同组别的样本数据中,随机并集中选择子样本;重复该操作得到样本集,利用该样本集单独生成决策树;决策树组成森林即可对样本进行预测和分类;分析决策树的结果,就可知道样本的不同类别(见图4)。

图4 随机森林算法示意图

如图4所示,RF的内在原理是对决策树的算法进行完善,利用各自单独的样本数据产生的决策树,分析推理出分类或回归的模型。另外,RF还有一个优势,就是也适用于不平衡的样本集合,同样能针对大量的数据进行分析预测。目前CART模型是随机森林中决策树常用的算法模型,模型建立过程中,采用的分裂属性为基尼指数(Gini Index),其定义为:

(1)

式中:T——N个类别的样本集合;

pi——类别j的频率。

如果把集合T划分为T1(样本数N1)子集和T2(样本数N2)子集,划分后的集合用Gini可表示为:

Ginisplit(T)=N1/NGini(T1)+N2/NGini(T2)

(2)

在整个决策树构造中,选取样本集合划分的分裂属性的规则是:选择具有最小Ginisplit值的属性。分裂值确定的前提必须是每个属性变量都进行运算。

2.3.2 RF模型的易发性预测评估

本文对广西境内某公路区域的地质灾害环境进行易发性预测评估。选用RF模型和Matlab仿真平台,通过bootstrap法从原本的训练样本集合里,有放回地抽取500个新的样本数据集,由此得到500棵决策树,其他没有选中的样本数据就形成了500个袋外数据。而每一棵树的节点由4个特征值构成,这些值是从12个分裂属性集合中抽取获得的。通过这些节点的参数值,再代入RF模型函数里,即可求解出已训练的模型。对该模型进行测试验证,通过测试的集合数据可以得到实际分类结果与预测分类结果,如图5所示。根据预测结果,纵坐标表示为灾害点的分类器数量,横坐标为非灾害点的分类器数量。

图5 预测模型精度示意图

结果表明,56个样本数据中出现了3个预测错误,说明该易发性预测模型的精度为94.6%。同时也证明了基于RF的方法适用于广西地区的地质灾害评价分析,并能够展示出有效的预测能力。

3 地质灾害危险定级

在对公路工程地质灾害完成危险性评估工作后,需要对其开展定级工作,以便能够根据其级别完善应急处置方案。在此过程中,要始终遵循我国自然资源部出台的《县(市)地质灾害调查与区划基本要求》文件内容,而且还需要对地质灾害导致的损失进行预测分析。有关分级细则见表1。

表1 地质灾害分级评价表

根据表1可以将公路工程地质灾害分为极度危险、高度危险、较稳定区与稳定区4个等级。相关人员需要以立体卫星图像数据库为基础,利用测量评估法等地质遥感解译方法,对项目的地质构造信息、地形的地貌信息、滑坡现象以及其他不正常的地质地貌信息进行数据采集,分析其灾害分布规律以及区域地质环境,以便能够确定其灾害等级,及时采取针对性的预防对策。广西某公路工程项目存在以下几点规律:

(1)在本项目所选区域中,存在部分疏松堆积物覆盖底层,类似山体滑坡和崩塌的灾害危险,很有可能出现在泥盆系地层的被覆盖区域,所以,像这种类型的地方发生地质性灾害的概率不是很高。

(2)在公路工程的生态景观区域,因为植被覆盖、茂密生长等关系,有关崩塌、滑坡地质灾害等发生概率极小。

(3)由坡度、坡向、坡长因子所导致的地质灾害,在本项目当中主要表现在坡度为35°~52°、坡向为165°~195°、坡长为10~50 m时,易发生地质灾害。

总体来看,本公路工程项目中处于稳定区的项目面积占总面积的65.2%,较为稳定的区域占总面积的14.6%,而高风险的区域占总面积的18.2%,极度风险的区域占总面积的2%。

4 防治措施

4.1 加强遥感技术对突发性地质灾害的全面监测

要对公路工程地质灾害进行预防,需要合理借助遥感技术对突发性地质灾害进行全面监测,将遥感技术采集到的数据信息及时上传给相关数据库,对有关地质灾害体的危险性及涉及范围进行分析。如实时监测的动态过程中及时发现了动态险情变化,必须在第一时间将其情况反馈给相关职能部门,并采取科学合理的治理对策,提高公路工程地质灾害应急处置效率。

4.2 加强地质灾害的防治宣传工作

针对公路工程地质灾害防治工作,除了相关部门的监测工作之外,还需要人民群众的大力支持,促使人们从思想上重视山体、绿植的保护工作,意识到乱采滥挖对环境造成的严重影响。基于此,有关部门要做好地质灾害防治宣传工作,通过印发防治宣传手册及深入基层定期开展宣传工作等方式,提高人们对地质灾害的警惕性,以便在日常生活中一旦发现异常情况能够及时上报并撤离,为保障自身生命财产安全及工程的安全打下坚实的基础。

4.3 结合实际有效开展地质灾害治理工作

在该公路工程中,极度危险区域占总面积的2%,针对这2%的地质灾害易发区,有关工作人员要认识到其地质安全隐患,结合实际情况,合理有序地开展地质方面的治理工作,消除该公路工程项目中的地质灾害体,避免因相关地质灾害造成生命财产安全问题。处于该公路工程陡坡下的居民区要尽快撤离,对于筑路建房等建设活动也要定期开展勘探工作,相关施工一定要远离危岩体,防患于未然方可避免地质灾害。

4.4 合理设置公路工程避险设施

针对公路工程中易发生泥石流、滑坡等灾害的区域要合理设置警示牌,提醒通行车辆及行人在此区域内要快速通过不宜逗留。针对不稳定的边坡区域,要及时设置警示带,禁止任何车辆及行人在此区域逗留休息。相关部门要做好巡检工作,实时掌握危岩体的变化,以便有效避免安全事故发生。

5 结语

综上所述,结合当前我国公路工程运行情况,在公路工程建设规模不断扩大的今天,有关工程涉及的地质环境愈发复杂。在此情况下,相关人员需要对公路工程区域极易发生的地质灾害进行预测评估,确定其危险等级,及时采取科学合理的防治措施,如加强遥感技术对突发性地质灾害的全面监测、结合实况有效开展地质灾害治理工作、加强地质灾害的防治宣传工作等,才能将安全事故扼杀在源头,确保公路工程安全稳定运行,保障人民的生命财产安全。

猜你喜欢

遥感技术公路工程灾害
河南郑州“7·20”特大暴雨灾害的警示及应对
我省汛期常见气象灾害及防御
推动灾害防治工作实现新跨越
路基换填技术在公路工程中的实践
各阶段造价控制在公路工程中的应用
遥感技术在林业中的应用
工程量清单在公路工程招投标中的应用
遥感技术在农村土地承包经营权确权登记中的应用
遥感技术与数字国土
遥感技术在微生物复垦中的应用研究