基于频率比—层次分析模型的大比例尺地质灾害易发性综合评价<br/>——以渔洋河流域为例

基于频率比—层次分析模型的大比例尺地质灾害易发性综合评价
——以渔洋河流域为例

2024-02-26陈梦源李慧娟王艺霖王海艳

资源环境与工程 2024年1期

陈梦源, 李慧娟*, 刘畅, 潘峰, 李喜, 涂婧, 王艺霖, 何睿, 王海艳

(1.资源与生态环境地质湖北省重点实验室,湖北武汉 430034; 2.湖北省地质环境总站,湖北武汉 430034; 3.中国地质大学(武汉) 工程学院,湖北武汉 430074)

地质灾害易发性评价是地质灾害调查评价的重要组成部分,其对识别潜在灾害风险、地方政府防灾减灾具有重要意义。随着地理信息系统(GIS)的提出,地质灾害评价研究发生了一次里程牌式的跨越。相较于国外[1-4],国内相关研究起步较晚,但发展迅速。目前,地质灾害易发性评价模型大致可分为启发式(层次分析法(AHP)[5]、灰色关联模型[6]等)、常规数理统计(信息量法[7]、证据权法[8]等)和机器学习法(随机森林模型[9]、支持向量机模型[10]等)三大类型[11]。中国地质调查局2020年3月发布的《地质灾害风险调查评价技术要求(1∶50 000)(试行)》推荐的信息量、证据权模型是目前最常用的评价方法[12-16]。

随着国内地质灾害防治体系不断健全和完善,地质灾害调查评价工作逐渐由全域1∶5万普查向重点地域1∶1万详查转变。由于大比例尺地质灾害详查工作区域的限制,进行易发性评价时存在灾害点样本较少的局限性,不利于数理统计模型预测。同时,区域地质灾害发育往往不是单一类型,若在易发性评价中笼统分析,也不利于地质灾害的精准预测[17-18]。

AHP作为启发式模型的代表,能有效利用专家知识,降低多源异构数据的不确定性,即使在数据较少或质量一般的情况下,也可以发挥一定的评价效果。频率比法(FR)作为常用的评价指标联接方法[19],可以定量分析地质灾害与因子间的关联性特征[20],从而更有效反映因子对地质灾害发生概率的作用大小。频率比—层次分析(FR-AHP)模型融合了FR的因子分级和AHP的权重计算,相对于其他模型,在考虑数据规律的同时,降低了对样本数量的依赖,对区域大比例尺易发性评价具有较强的适用性。因此,本文以渔洋河流域[21]为研究区,开展基于FR-AHP模型的滑坡、崩塌易发性综合评价研究。

1 研究区概况

研究区地处鄂西南山地与江汉平原的交接地带,整体地势南西高、北东低,南西部属中、低山区,中部见丘陵零星分布于山地之间,北东部属丘陵、岗地和平原区。区内降雨量充沛,降雨时间相对较集中。该区经历多期次构造运动,断裂及褶皱发育,地质构造复杂;岩性以碳酸盐岩为主,岩溶较为发育,岩体结构较为破碎,风化强烈。

近年来,随着区内经济建设迅速发展,人类工程活动日益频繁,破坏了其原始地质环境条件,导致原本脆弱的地质环境条件进一步恶化,引发、加剧了大量地质灾害,给河谷区道路交通、水电工程和城镇建设带来重大安全隐患,严重制约着地方经济社会可持续发展。

研究区共发育地质灾害113处,以滑坡为主,共计78处,占研究区地质灾害总数的69.0%;其次为地面塌陷19处,占比16.8%;崩塌14处,占比12.4%;泥石流仅2处,占比1.8%,详见图1。李慧娟等[22]对该区地质灾害发育特征进行了详细研究,为本次开展地质灾害易发性评价打好了基础。

图1 研究区地质灾害分布简图Fig.1 Distribution map of geological hazards in the study area

2 评价模型

2.1 AHP模型

AHP模型将一个复杂的目标决策问题层次化分解,形成目标、准则、指标等多个层次,通过计算最下层指标权重的总排序,建立多指标优化解决目标决策问题的系统方法,具有很强的逻辑性[23]。通过AHP模型计算评价指标权重的具体步骤如下:

(1) 建立判断矩阵。以A表示目标,ui、uj(i,j=1,2,…,n)表示指标,uij表示ui对uj的相对重要权数,建立A-U判断矩阵P。

(1)

(2) 重要性排序。计算特征向量w并归一化,即为各指标重要性排序(权重)Pw。公式如下:

Pw=λmaxw

(2)

式中:λmax为判断矩阵得到的最大特征根。

(3) 一致性检验。判断指标权重是否合理,则需要进行一致性检验。公式如下:

(3)

(4)

式中:CR为判断矩阵的随机一致性比率;CI为判断矩阵的一般一致性指标;RI为判断矩阵的平均随机一致性指标(1～9阶判断矩阵RI值参见表1)。

表1 1～9阶判断矩阵RI值Table 1 Judgment matrix RI values of order 1～9

当判断矩阵P的CR<0.1或λmax=n,CI=0时,认为P具有满意的一致性,否则需要调整判断矩阵。

层次分析法根据专家经验选择评价因子,通过矩阵计算完成因子权重分配,具有操作简单、计算速度快的特点。

2.2 FR模型

FR模型是一种双变量纯数理统计方法,用来计算因变量和自变量之间的相关性(概率关系)。根据相关性分析,可以对自变量进行离散化处理,从而提高分类的准确性。计算分类区间i中xi与yi的频率比(FRi),即相关性,公式如下:

(5)

式中:X为自变量;Y为因变量;xi、yi(i=1,2,…,n)分别为第i类自变量和因变量。

通过计算评价因子与地质灾害的频率比,来表示评价因子与地质灾害发生的相关程度。FRi>0表示该评价因子对地质灾害发生有一定影响,且FRi越大表示相关性越高;FRi<0表示该评价因子对地质灾害发生无明显影响。

通过对频率比接近的分类区间进行合并,从数据特征实现评价因子指标的分级[24]。运用FR模型能够一定程度上弥补AHP模型中因子分级、权重全部依赖专家经验的弊端,为易发性评价模型提升精确度。

2.3 FR-AHP模型

FR-AHP模型本质是利用FR模型优化评价指标联接方法,从而结合AHP模型实现易发性评价,其吸纳了两者的优点,将专家知识引入分析过程的同时,尊重客观数据规律,能有效提高评价准确性,且具有较强的适用性。

3 地质灾害易发性评价

3.1 地质灾害数据编录

本文采用《渔洋河流域地质灾害详细调查(1∶1万)》项目调查成果资料,建立区域地质灾害编录数据库。由于采用面数据的易发性评价精度要优于点数据[25],而FR模型属于二元统计模型,其对统计样本数量也有一定的要求,故本次采用地质灾害面数据作为样本,可以一定程度上弥补样本数量较少的缺陷。但研究区泥石流仅2处,地面塌陷有18处,共43个栅格,仍不具备FR-AHP模型的样本条件,故本次仅对滑坡、崩塌进行易发性综合评价。

研究区主要数据来源包括:①1∶1万地形图,用于提取高程、坡度、坡向等基本信息;②以1∶5万地质图为主,局部辅以1∶20万地质图补充,结合实地调查、遥感解译以及现场复核获取的第四系范围,用于提取构造、工程地质岩组等信息;③地质灾害相关信息采用实地调查成果,包括地质灾害发生时间、规模、物质组成、实体勾绘边界等;④斜坡单元采用以集水区重叠法[26]划分为基础,通过野外调查修正的1 710个自然斜坡;流域第一斜坡带斜坡结构依据“一坡一卡”实地调查成果,其他斜坡单元斜坡结构,通过地层产状调查与DEM数据获取的坡向和坡度,计算空间相互组合关系确定。

3.2 评价单元选取

易发性评价结果受评价单元尺寸影响很大,在确定栅格单元尺寸时,应综合考虑调查资料的精度、地形数据的精度、研究区面积等因素[27]。根据本研究精度为1∶1万,引用栅格单元尺寸经验公式:

GS=7.49+0.000 6S-2×10-9S2+2.9×10-15S3

(6)

式中:GS为最大栅格单元尺寸;S为数据精度分母。

根据计算得出GS为13.49 m,故本研究选取10 m×10 m作为栅格评价的单元尺寸,即1∶1万底图上1 mm×1 mm正方形方格为一个基本单元,栅格总数为4 377 966个。

3.3 指标因子选取

根据研究区滑坡调查资料统计分析,在总结前人研究成果及滑坡形成机理基础上,从地质、地形、水文3个方面选取滑坡易发性评价指标因子,其中地质因子选取工程地质岩组、斜坡结构、断层,地形因子选取高差、坡度,水文因子选取水系,共计6个指标因子。在ArcGIS软件中通过矢量化、DEM生成、表面分析等工具,首先对原始数据进行处理,再利用FR模型探讨滑坡与各因子间的非线性响应关系。

崩塌作为斜坡地质灾害的另一种形式,其指标因子的选取可参照滑坡,但因两者受各因子影响程度存在明显差异,故需另外分析因子的响应关系及权重。

3.4 指标因子权重

根据各评价因子对地质灾害的影响大小,构建判断矩阵。通过对判断矩阵进行一致性检验,滑坡、崩塌λmax分别为6.323 0和6.546 3,查表1知n=6、RI=1.24,代入计算得到CR分别为0.051 3和0.081 6,满足一致性检验,并进一步计算出综合权重值(Wi),滑坡各环境因子权重值为工程地质岩组(0.414 4)、斜坡结构(0.254 0)、断层(0.070 5)、高差(0.075 9)、坡度(0.146 3)、水系(0.039 0);崩塌各环境因子权重为工程地质岩组(0.166 9)、斜坡结构(0.064 7)、断层(0.242 6)、高差(0.114 8)、坡度(0.374 7)、水系(0.036 3),详见表2、表3。

表2 滑坡评价因子判断矩阵Table 2 Judgment matrix of landslide evaluation factor

表3 崩塌评价因子判断矩阵Table 3 Judgment matrix of collapse evaluation factor

3.5 基于FR的因子分析

(1) 工程地质岩组。工程地质岩组对地质灾害形成和发育起着十分重要的作用,是孕育地质灾害发生的关键内在因素,且对地质灾害的类型及规模在很大程度上起着控制作用。研究区地层出露较齐全,除白垩系、侏罗系和新近系缺失外,从寒武系至第四系均有出露,可分为松散岩(Ⅰ)、碎屑岩(Ⅱ)、碳酸盐岩(Ⅲ)3大岩类。根据其工程地质特性及物理力学参数的差异,进一步细分为11个工程地质岩组,属离散型数据(图2-a、图3-a)。

图2 滑坡易发性评价指标因子分类图Fig.2 Classification chart of landslide susceptibility evaluation index factors

图3 崩塌易发性评价指标因子分类图Fig.3 Classification chart of collapse susceptibility evaluation index factors

研究区滑坡以土质为主,残坡积含碎石粉质黏土(Ⅰ3)FR值远大于其他岩组;软硬相间中—厚层状砂岩、黏土岩、灰岩、煤线(Ⅱ3),软弱薄—中厚层状页岩、粉砂岩、泥岩(Ⅱ4),坚硬较坚硬薄—中厚层状岩溶弱发育泥质灰岩、瘤状灰岩夹页岩(Ⅲ3)以及崩坡积块石土(Ⅰ2)FR值均>0,表明上述工程地质岩组更利于滑坡发生,主要原因是在软硬岩接触面或软弱夹层,易形成较强烈的错动带和风化带。研究区崩塌均为岩质,松散岩(Ⅰ)FR值均趋近于-1,而软硬相间层状砂岩、黏土岩互层为主夹灰岩、煤线(Ⅱ3)FR值最大,其次为坚硬较坚硬中—厚层状中—弱岩溶化灰质白云岩、泥质白云岩(Ⅲ2),FR>0。

(2) 斜坡结构。不同的斜坡结构决定了斜坡岩土体空间形态的差异,进而对地质灾害的发育强度起着一定的控制作用。根据斜坡坡度、坡向与地层倾向、倾角的组合关系,可将研究区斜坡分为顺向飘倾坡、近水平层状坡、顺向伏倾坡、顺斜坡、横向坡、逆斜坡、逆向坡以及非斜坡8类,属离散型数据(图2-b、图3-b)。

从斜坡结构的影响上看,研究区滑坡受顺向斜坡结构控制最为明显,其中顺向飘倾坡、顺向伏倾坡的FR值最大,分别为1.64和1.46。而顺斜坡结构对崩塌的控制最为明显,FR值为2.39,远大于其他类型。

(3) 与断层距离。断层造成一定范围内岩土体裂隙发育、结构破碎,其影响程度还可能受规模、延伸性等变化,本文用地质灾害点与断层轴线的垂直距离来概化其对地质灾害的影响。将研究区断层按100 m步长建立缓冲区,进行数据离散化处理(图2-c、图3-c)。

滑坡断层FR值表现出明显的分带性,600～1 500 m区间FR值整体>0,其中1 100～1 300 m区间FR值最大,为2.8。而崩塌断层FR值则表现为随着距离增大而逐渐减小,当距离>500 m时,FR值趋近于-1。

(4) 高差。相对高差的大小决定着斜坡的有效临空面的大小,相对高差越大,发生斜坡失稳的可能性就越大。高差为连续型变量,需对其进行10 m等步长离散化(图2-d、图3-d)。

滑坡表现为10～30 m高差区间FR值最大,其次为30～40 m高差区间,当高差>80 m时FR值趋近于-1,几乎没有滑坡栅格。崩塌则是在50～90 m高差区间FR值均>5,当高差>90 m时,FR值趋近于-1,整体表现出明显的区间性。

(5) 坡度。坡度与斜坡体内部应力分布状态有着密切的关系,随着坡度的增大,坡脚应力集中也随之增大,有利于地质灾害的发生。坡度同样为连续型变量,需按5°等步长离散化处理(图2-e、图3-e)。

从坡度的影响上看,滑坡、崩塌存在明显差异。滑坡坡度在15°～30°区间FR值近似,均为0.5左右,随着坡度的增大或减小,FR值逐渐降低。崩塌坡度在55°～65°区间FR值接近10,随着坡度减小FR值逐渐降低,当坡度>65°时,FR值趋近于-1。

(6) 与水系距离。水是诱发滑坡的重要因素之一,地表水对斜坡坡脚的侵蚀作用,以及地下水软化岩土体,降低了抗剪强度,本文用地质灾害点与水系表面的距离来概化其对地质灾害的影响。将研究区水系按100 m步长建立缓冲区,进行数据离散化处理(图2-f、图3-f)。

滑坡在与水系距离100～300 m时FR值最大,接近于1,随着距离的增大或减小,FR值逐渐降低。而崩塌在与水系距离≤100 m时,FR值最大,随着距离增大表现出减小的趋势。

3.6 指标因子分类赋值

分别统计分析滑坡、崩塌在各个指标因子分类上的分布规律,包括数量、密度、栅格数、分类栅格数以及FR值等。结合地质灾害发育特征及形成机理,将指标因子按4级进行分类赋值,统一转化为1～4的可比值,详见表4、表5。

表4 滑坡易发性评价指标因子分类赋值Table 4 Classification and assignment of landslide susceptibility evaluation index factors

表5 崩塌易发性评价指标因子分类赋值Table 5 Classification and assignment of collapse susceptibility evaluation index factors

3.7 模型精度评价

通过指标因子权重与各分级赋值乘积之和,可以得到易发性指数,经归一化后即为易发性值。评价模型的可靠性,可以运用评价结果的成功率进行检验,ROC曲线是最常见的一种手段。本研究采用信息量模型作为对照组,选取工程地质岩组、斜坡结构、与断层距离、高差、坡度、与水系距离等6个评价因子,将高差、坡度、与断层距离、与水系距离4个连续型评价因子采用自然间断法分为5级,而工程地质岩组、斜坡结构2个离散型评价因子保留类型划分。分别对滑坡、崩塌的FR-AHP模型以及不区分滑坡崩塌的信息量模型易发性结果,随机抽取地质灾害点及非地质灾害点样本栅格各500个,绘制ROC曲线,滑坡、崩塌FR-AHP模型的AUC值分别为0.871、0.926,均高于信息量模型AUC值0.864(图4、表6)。因此认为FR-AHP模型易发性评价效果良好,且样本数量较少的崩塌易发性评价仍有较好的准确性。

表6 易发性AUC值对照表Table 6 Susceptibility AUC value comparison table

图4 滑坡易发性成功率ROC曲线图Fig.4 ROC curve of landslide susceptibility success rate

4 地质灾害易发性综合评价

4.1 易发性分级

易发性分级是将易发性值按照从大到小的顺序依次划分区间。根据风险调查评价技术要求,易发性评价结果设置为高、中、低、非4个等级,滑坡、崩塌易发性分级详见图5、图6。对比栅格统计数据(表7)可以发现,滑坡、崩塌易发性分级均呈现出易发性级别越高,FR值越大的趋势,且大多数地质灾害点均分布在高易发区,说明评价等级划分合理。

表7 易发性评价等级栅格统计结果Table 7 Raster statistical results of susceptibility evaluation scale

图5 滑坡易发性分级图Fig.5 Landslide susceptibility grading chart

图6 崩塌易发性分级图Fig.6 Collapse susceptibility grading chart

4.2 易发性叠加

地质灾害易发性综合评价应充分考虑各类地质灾害易发性等级,为充分体现研究区滑坡、崩塌易发程度,采用就高原则,将滑坡、崩塌易发性分级结果进行叠加(图7),得到渔洋河流域地质灾害易发性综合评价结果(图8)。

图7 地质灾害易发性综合评价等级Fig.7 Comprehensive evaluation grade ofgeological disaster susceptibility

图8 渔洋河流域地质灾害易发性综合分区图Fig.8 Comprehensive zoning map of geological disaster susceptibility in Yuyang River Basin

由图8可知,渔洋河流域高、中、低、非易发区面积分别占研究区面积的13.6%、36.0%、41.8%、8.6%,其中高易发区主要分布在上游渔洋关集镇及周边,地质灾害受断裂构造、地层岩性及岩性组合控制,其次分布在中游王家畈—樟桂岭和张家涧—托溪一带,因河流侵蚀作用创造了临空条件,顺向斜坡结构和软弱结构面是主要的控制因素。