融合InSAR与信息量-层次分析耦合模型的西宁市地质灾害易发性评价

胡祥祥,明璐璐,吴 涛,刘宝康,庞栋栋,尹继鑫,宋 宝,柯福阳

(1. 天水师范学院资源与环境工程学院,甘肃 天水 741001; 2. 甘肃正昊地星遥感科技中心,甘肃 天水 741001; 3. 南京信息工程大学遥感与测绘工程学院,江苏 南京 210044; 4. 中共铜鼓县委组织部,江西 宜春 336200; 5. 西宁市测绘院,青海 西宁 810000; 6. 北京理工大学自动化学院,北京 100081; 7. 南京信息工程大学软件学院,江苏 南京 210044; 8.南京信息工程大学无锡研究院,江苏 无锡 214000)

西宁市地处青海省东部河湟谷地,以湿陷性黄土为主,降雨集中。近年来随着西部大开发战略向纵深层次推进,城市化进程显著加快,由此引发的崩塌、滑坡等地质灾害严重威胁着附近居民的生命财产安全,同时也限制了西宁市社会经济的持续发展[1]。

地质灾害易发性评价是对滑坡灾害发生的概率和可能性进行综合性度量和评价,为灾害预警和防治措施的制定等提供科学依据[2]。滑坡易发性评价方法有3种基本类型,分别为经验模型、确定性模型和统计模型[3]。其中,统计模型因能较好地反映滑坡发生与影响因子之间的空间关系且更具客观性大受学者青睐[4-5],目前已在滑坡易发性评价中取得大量成果,但该方法的准确性不高[6]。为解决上述滑坡易发性评价中的不足,部分学者引入InSAR对其进行改善。如,文献[7-8]利用InSAR技术获取的形变数据对滑坡易发性区域进行了更新;文献[9-10]将时序InSAR获取的平均形变速率量级作为一个影响因子引入滑坡易发性评价模型,得到基于InSAR结果的滑坡易发性评价模型。然而InSAR的引入解决了一些不足,也存在一些问题:①滑坡是一个复杂的运动过程,存在很多驱动因子,不能只依据形变信息进行滑坡易发性分区;②引入InSAR形变量时要对其进行分级,不能直接引入;③单一的统计模型存在一定的缺陷,多种方法结合可以提高模型的精度。

为此,本文针对现有地质灾害易发性评价方法存在的弊端,首先采用 SBAS-InSAR 和信息量-层次分析法耦合模型相结合的方式对西宁市进行地质灾害易发性评价;然后利用SBAS-InSAR 获取西宁市形变信息,将获得的形变信息进行量级并结合其他7个评价因子,基于信息量-层次分析法对西宁市易发性进行评价;最后利用已有地质灾害点数据对评价结果进行验证,以期为西宁市北山地质灾害风险防控提供科学依据。

1 研究区概况

西宁市位于湟水谷地北侧,是连接西北地区与青藏高原的重要节点,为青藏高原与内陆平原的过渡地带,地势逐渐由高海拔的青藏高原递变为平坦的内陆地带。西宁的气候属高原半干旱气候,降水主要集中在夏季,而冬季则相对干燥且植被覆盖相对较小,具有良好的相干性,适用于采用InSAR技术监测地表形变。

2 时序 InSAR 数据处理

使用Sentinel-1A数据,以及ENVI SARScape软件,利用短基线集技术对所得103景Sentinel-1A卫星降轨数据和对应精轨数据进行处理。图1为基于SBAS-InSAR技术的LOS方向2018 年11月15 日至 2022年6月3日西宁市地表平均形变速率,以及Ⅰ～Ⅵ 6个滑坡的局部平均形变速率。正值表示地表形变方向抬升,负值表示地表形变方向下沉,即靠近雷达方向和远离雷达方向。

图1 西宁市地表平均形变速率

由图1可知,西宁市地表形变速率范围为-41.6～15.2 mm/a,地表沉降区主要分布在火烧沟、海子沟、北山斜坡带、南山斜坡带等环山中,尤其是Ⅰ～Ⅵ滑坡严重威胁着西宁市道路安全和生命财产安全。本文从西宁市地表形变速率中筛选过滤得到7072个形变点,并将这些形变点的形变速率量级后作为易发性评价模型的一个评价因子。

3 地质灾害易发性评价模型建立

3.1 评价因子

评价因子的选择在某种程度上影响着易发性评价结果的精度。本文在国内外学者评价因子[11-12]选择的基础上,选择高程、坡度、坡向、地形起伏度、水系影响距、地层、土地利用及 InSAR形变量级作为西宁市地质灾害易发性评价因子,并对评价因子进行了分级(如图2所示)。为研究评价因子对地质易发性的贡献,采用形变点相对点数或相对面积密度公式来表征各评价因子的分级在地质灾害中的影响程度(如图3所示),其表达式为

图2 地质灾害评价因子

图3 评价因子对形变点的作用关系

(1)

式中,N为形变点总数,本文N=7072;Ni为选定的影响因子的第i个分级中分布的形变点个数;S为研究区总面积,本文S=307.89 km2;Si为选定的影响因子的第i个分级包含的面积。

由图3可知,研究区形变点主要分布在2300～2400 m海拔区间,坡度为10°～30°,起伏度为10～30 m,远离河流的区域。灾害方向多为西南方,草地发生地质灾害最多。

3.2 评价模型

3.2.1 信息量模型

信息量模型[13]是一种常用于数据挖掘和分类问题的数学模型。其基本思想是通过计算每个特征对于分类的重要性(信息量)进行特征选择和分类。信息量的计算通常使用熵或基尼指数等方法,这些方法能够衡量一个特征对于分类的影响程度,进而确定出对于分类更为重要的特征。目前,信息量模型在地质灾害领域已得到了广泛应用。

本文将信息量模型应用于滑坡灾害易发性评价中,滑坡受多因子影响,各因子对滑坡灾害的影响程度不同。主要思想是结合滑坡区域的历史滑坡发生情况、影响滑坡驱动因子综合分析滑坡发生的可能性。信息量模型的核心在于计算每个因子在滑坡发生时可能的贡献值,表达式为

(2)

式中,x为影响因子;n为x的分级总数目;I(x,H)为x的信息量;Ni为x第i级分级区域内的滑坡灾害点数量;N为研究区内滑坡灾害点总数量;Si为x第i级分级区域的面积;S为研究区的总面积。滑坡的发生是由多种致灾影响因子相互耦合的结果,当存在m个致灾因子时,总信息量I的表达式为

(3)

式中,I为因子xi信息量总和;m为致灾影响因子的数量,总信息量I为滑坡易发性的量化表达,是栅格单元的信息量预测值。当I<0时,表明致灾影响因子对滑坡灾害影响作用不大;当I>0时,表明致灾影响因子对滑坡灾害的影响作用较大,I值越大代表越容易发生滑坡灾害[14]。

由表1所示,评价因子的信息量值由式(3)得出,其中InSAR获取的形变量进行线性定权,即假定形变量级越大,滑坡发生概率越高。

表1 各因子图层分类情况及其对应的信息量值

3.2.2 层次分析法

层次分析法[15-16]是一种解决分配问题的层次权重决策分析方法。其主要步骤包括4部分:①建立系统层次结构;②构造判断矩阵,本文采用Saaty给出的平均随机性指标表建立判断矩阵,见表2;③层次单排序,层次单排序需要计算最大特征值及对应的特征向量,本文根据判断矩阵获得的各影响因子权重PT=[0.040.200.160.050.090.110.050.30];④判断矩阵一致性检验,通过采用随机一致性比率(consistency ratio,CR)作为综合指标,保证平均随机性和一致性。判断矩阵的一致性检验公式为

CR=CI/RI

(4)

CR=(λmax-N)/(N-1)

(5)

式中,λmax为最大特征值;N为判断矩阵的阶数;CR为一致性比率;CI为一致性指标;RI为平均随机性指标。通常,以CR是否小于0.1为判断矩阵满意性准则。如果CR小于0.1表明判断矩阵一致性较好。本文一致性比率 CR的值为 0.07,小于阈值 0.1。因此可以认为所构建的矩阵符合完全一致性,其权重分布是合理的。

3.2.3 耦合信息量和层次分析法的评价模型

根据层次分析法计算的各评价因子权重,重新计算各评价因子等级的信息量

(6)

式中,In为总信息量;Pi为各评价因子的权重。

4 地质灾害易发性评价结果及精度检验

为进一步分析西宁市地质灾害易发性,本文依据信息量-层次分析法耦合评价模型,对各评价因子在ArcGIS 中进行空间加权叠合分析,得到各因子影响的总信息量In,将空间加权叠合分析结果进行归一化处理。通过地质灾害易发性分区划分标准,对归一化结果进行重分类,对地质灾害易发性影响进行 GIS 空间分析,将结果分为极低易发区、低易发区、中易发区、高易发区、极高易发区5个等级,最终得到西宁市的地质灾害易发性分区(如图4所示)。

图4 研究区地质灾害易发性分区图

由图4可以看出,西宁市的地质灾害高风险区主要沿河流和沟谷两侧分布(见表3),研究区内地质灾害高易发区以上面积约为65.64 km2,占总面积的21.32%;低易发区是分布面积最广的风险区,占总面积的34.81%。同时通过已有记录的地质灾害点验证本文所做易发性分区图的效果,发现已有记录的地质灾害点聚集的区域绝大多数位于本文所划分区的中易发区及其以上区域;极低易发区灾点密度为0.019 6处/km2,高易发区灾点密度为0.499 2处/km2,极高易发区灾点密度为3.141 4处/km2。因此,可以观察到本文的地质灾害易发性评价结果与已知地质灾害分布相符,表现出较高的一致性。

表3 易发性评价结果与已有地质灾害点分布对比

本文引入ROC曲线对耦合模型进行精度评价。曲线向左上越凸,曲线下面积越大,表示模型准确性越高。AUC即为曲线下面积,其值越接近1模型越准确,一般认为AUC大于0.7,表示预测结果准确性越高。ROC曲线如图5所示,本文ROC检验曲线呈凸形,AUC值为0.91表明滑坡易发性评价结果准确性较高。

图5 滑坡易发性评价ROC曲线

5 结 语

为了评估西宁市地质灾害易发区,探究InSAR获取的地表形变在地质灾害易发性评价中的应用,本文基于信息量-层次分析法耦合模型对西宁市滑坡易发性进行定量评价,结合高程、坡度、地层岩性等7个评价因子,将InSAR获取的形变量进行量级,作为一个评价因子融入易发性评价模型。结果表明:西宁市地质灾害高易发区、极高易发区主要分布在河流和主要沟谷两侧。从分布面积上看,低、极低易发区面积占总面积的67.94%,中易发区占10.74%,高易发区占18.22%,极高易发区占3.10%。通过与已有地质灾害点对比分析,本文得到的易发性评价结果和相关历史数据具有一致性。ROC曲线证明了本文滑坡易发性评价结果准确性较高。可见,基于InSAR获取的地表形变可用于地质灾害易发性评价,研究结果可为西宁市滑坡综合防治措施提供依据。