多因子组合的地质灾害易发性空间精度验证.pdf
《多因子组合的地质灾害易发性空间精度验证.pdf》由会员分享,可在线阅读,更多相关《多因子组合的地质灾害易发性空间精度验证.pdf(10页珍藏版)》请在文库网上搜索。
1、DOI:10.16031/ki.issn.1003-8035.202302032解明礼,巨能攀,赵建军,等.多因子组合的地质灾害易发性空间精度验证J.中国地质灾害与防治学报,2023,34(5):10-19.XIEMingli,JUNengpan,ZHAOJianjun,etal.Evaluationonspatialaccuracyandvalidationofgeologicalhazardsusceptibilitybasedonamulti-factorcombinationJ.TheChineseJournalofGeologicalHazardandControl,2023,34(
2、5):10-19.多因子组合的地质灾害易发性空间精度验证解明礼,巨能攀,赵建军,范强,何朝阳(地质灾害防治与地质环境保护国家重点实验室(成都理工大学),四川成都610059)摘要:地质灾害的发生是多种因素相互作用、制约和触发的结果。长期以来,研究人员通过统计历史地质灾害所在区域的地质、地形、水文等环境因素预测未来地质灾害可能发生的位置、时间(或频率),即地质灾害易发性评价。地质灾害易发性评价前提工作是进行影响因子选取,而地质灾害发生的影响因子有数十种,是否叠加因子越多模型评价精度就越高?是否存在“最优因子数量”?这一简单而又关键的问题值得探讨。文章以四川省汶川县为例,选取 11 种广泛应用于地
3、质灾害易发性评价的影响因子,按照 4 种排列组合模型,叠加 3 到 11 个因子信息量获得对应的地质灾害易发性指数分布图。运用成功率曲线确定线下面积值对各个结果进行预测精度评价。试验结果表明,按照初步设定的 4 种排列组合模型叠加因子数量到 8 个时,模型预测精度达到最大值;但在因子叠加过程中发现各个因子对于易发性的控制性与个人经验确定的控制性存在一定差异,按照实际因子控制性从大到小与从小到大排列组合后,叠加多个关键因子后模型预测精度才会达到峰值。研究成果表明,地质灾害易发性评价中叠加的因子数量越多,模型预测精度越高,叠加过程中如未加入关键因子,模型预测精度将不会达到峰值,说明地质灾害易发性评
4、价不存在“最优因子数量”。关键词:地质灾害;易发性;影响因子;最优因子数量;关键因子中图分类号:P642;TU43文献标志码:A文章编号:1003-8035(2023)05-0010-10Evaluation on spatial accuracy and validation of geological hazardsusceptibility based on a multi-factor combinationXIEMingli,JUNengpan,ZHAOJianjun,FANQiang,HEChaoyang(State Key Laboratory of Geohazard Prev
5、ention and Geoenvironment Protection,Chengdu University of Technology,Chengdu,Sichuan610059,China)Abstract:Theoccurrenceofgeologicalhazardsistheresultoftheinteraction,constraints,andtriggersofvariousfactors.Foralongtime,researchershavepredictedthepotentiallocationsandtime(orfrequency)offuturegeologi
6、calhazardsinareasproneto historical geological disasters based on environmental factors such as geology,topography,and hydrology,known asgeologicalhazardsusceptibilityassessment.Aprerequisiteforgeologicalhazardsusceptibilityassessmentistheselectionofimpactfactors,andtherearedozensoffactorscontributi
7、ngtotheoccurrenceofgeologicalhazards.Doestheaccuracyofassessmentmodelincreasewiththeadditionofmorefactors?Istherean“optimalnumberoffactors”?Thissimpleyetcrucialquestionisworthexploring.TakingWenchuanCounty,SichuanProvince,asanexample,thisstudyselects11commonlyusedinfluencing factors in geological ha
8、zard susceptibility assessment and arranges them into four different combination,收稿日期:2023-02-28;修订日期:2023-07-10投稿网址:https:/ 引言地质灾害易发性评价是地质灾害风险评价的核心工作内容之一,是通过分析地质灾害位置与其相关因素之间的关系。利用统计、数据挖掘以及地理信息系统在空间上识别地质灾害易发区域,影响因子选取是易发性评价的前提工作13。因子的正确选择取决于地质灾害的类型、机理、特征、案例区、分析的尺度、数据的可用性和使用的评价模型方法46。地质灾害影响因子可划分为以下几类:
9、(1)地质因子:岩性、断层距离(密度)、工程地质岩组、斜坡结构类型、向斜与背斜构造、褶皱轨迹等;(2)地形因子:坡度、坡高(地形起伏度)、高程、地形曲率(平面曲率、剖面曲率、标准曲率、坡形)、坡长、坡位、沟谷密度、地形表面纹理、地形位置指数(topographicpositionindex,TRI)、地形耐用指数(terrainruggednessindex,TPI)、粗糙度指数、地表切割度等;(3)水文因子:河流距离(密度)、降雨、地形湿度指数(topographicwetnessindex,TWI)、水动力指数、地下水高度、有效补给率、侵蚀程度、输沙能力指数、河谷深度、流路长度、径流强度指
10、数、河流流量等;(4)地表覆盖因子:土地利用、植被指数(NDVI)、土壤类型、土壤厚度、森林类型、土壤渗透率、地表太阳辐射强度等;(5)人类活动因子:道路距离(密度)、居民距离(密度)等;(6)地震因子:地震烈度、峰值加速度、地震密度、震中距离等710。地形因子与地质因子可以表征主导滑坡发生的背景条件,地表覆盖因子、水文因子、人类活动因子与地震因子则反映附加因素加剧滑坡的可能。在已有的研究中,坡度是地质灾害易发性评价工作中最为常用的因素,岩性、高程、坡向、河流距离和断层距离等也是常用的评价因子,而其它因素的适用性因地制宜1114。对于地质灾害影响因子的选择,目前还没有统一的标准,以往研究工作中
11、地质灾害易发性评价选择的影响因子往往是根据经验选取地质因子、地形因子、水文因子中的部分参数,每项研究选取的因子类型存在一定差异,且因子数量不一致1519。可能存在以下问题:选择因子较少,预测精度不足;选择因子过多,叠加部分因子后预测精度可能达到峰值,叠加过多因子增加一定工作量。此外,是否在地质灾害易发性评价中叠加的因子数量越多,模型预测精度越高或者上下大幅度波动?易发性评价中是否存在“最优因子数量”这一概念?这些问题值得探讨。基于以上提出的问题,本文在以往研究工作基础上,以四川省汶川县作为案例区,选取多个常用地质灾害影响因子,将所选取影响因子按照一定排列组合模式运用信息量法进行案例区地质灾害易
12、发性评价,并采用成功率曲线验证叠加不同数量对地质灾害易发性评价精度的影响20。1 研究方法本研究选取“512”汶川地震后地质灾害频发的汶川县为案例区,案例区共发育有地质灾害 690 处,包括崩塌 192 处、滑坡 351 处、泥石流 147 处(图 1)。基于所收集资料与已有研究基础16,选取地质灾害易发性评价常用影响因子 11 种:地貌类因子(高程、坡度、起伏度、坡形、起伏度、沟谷密度)、地质类因子(工程岩组、断裂)、水文类(河流)、人类工程活动(道路、植被指数),并对因子进行分级(表 1)。运用信息量模型(表 1),以案例区 70%历史灾害点为训练样本,计算每个影响因子各个分级的信息量,信
13、息量计算方法如式(1)(2)所示。根据不同排列组合叠加 3 到 11 个因子信息量获得对应的地质灾害易发性指数分布图,易发性指数越高2023 年解明礼,等:多因子组合的地质灾害易发性空间精度验证11代表地质灾害易发性越高。以 30%历史灾害点和非灾害点为检验样本,本文中非灾害点为历史地质灾害点数据1km 缓冲区范围外随机生成的点位数据,运用成功率(receiveroperatingcharacteristic,ROC)曲线确定线下面积(areaundercurve,AUC)值对各个结果进行预测精度评价,历史灾害点成功率曲线 AUC 值越趋近于 1 代表其评价精度越高,而非灾害点成功率曲线 AU
14、C 值越趋近于 0 代表其评价精度越高。对比各个组合结果,分析叠加影响因子数量与地质灾害易发性评价精度的关系。研究思路如图 2 所示。Yi=NiN(SiS)1(1)I=ni=1lg(Yi)(2)式中:I评价区某单元信息量预测值;NiXi分布在因素内特定类别内的灾害点单元数;N案例区含有灾害点分布的单元总数;SiXi案例区内含有评价因素的面积;S为案例区总面积;Yi致灾因子指标值。2 因子排序组合首先采用层次分析法确定每个因子的权重,层次分析法是一种多指标分析评价方法,具有精度高,使用方便等特点。通过专家估计两两影响因子之间的关系构造矩阵对所有影响因子进行两两比较确定各个影响因子的权重,这样避免
15、了个别比较不合理而造成的结果偏差过大。然而层次分析法带有一定的主观性,为避免主观性,选取 8 位从事工程地质研究工作学者对案例区 11灾害点非灾害点高程/m5 83276401020 kmNN高程/m7641 2001 2001 7001 7002 2002 2002 7002 7005 832坡度/()0101020203030404088起伏度/m0200200400400600600800800工程岩组硬质岩体软层互层软质岩体坡形凹坡形凸坡形沟谷密度/(kmkm2)0.230.460.460.580.580.690.690.820.821.23植被指数0.24河流距离/m1 000道路距
16、离/m1 000坡向水平北北东东南东南南西西北西断层距离/m2 00002550 km图 1 案例区基础信息Fig.1 Fundamental information of the case study area12中国地质灾害与防治学报第5期个因子进行打分,8 位专家打分结果平均值作为因子最终权重值(表 2)。最终确定各个因子对地质灾害敏感度从高到低排序为:断裂岩性坡度河流坡形起伏度沟谷高程公路坡向植被指数。结合汶川县地质灾害发育分布特征及每个因子的信息量综合分析,区内发育汶茂断裂与北川映秀断裂,地质灾害主要集中于河流两岸,受坡度控制明显,且区内地质灾害与构造活动有着高度耦合性,这一结论与已
17、有研究成果是相同的16。综上说明通过多位专家打分的汶川县各个因子对地质灾害敏感度排序结果合理性较高。为了避免按照某种顺序叠加因子导致结果规律的偶然性,本文将各个因子按照不同排列组合成由 3 个因子至 11 个因子组成的评价模型,因子组合分为两类:顺序数组与随机数组。顺序数组涵盖两种组合:因子对地质灾害发生的敏感度从高至低排列与从低至高排列模式;随机数据由编程语言随机函数生成 111 中包含不同个数并且不重复的随机数组。因子排列组合如表 3所示。3 评价精度分析将各个因子信息量按照表 3 中因子组合方式分别叠加,计算出各个组合的案例区地质灾害易发性指数图(图 3),运用成功率曲线验证和比较各个组
18、合模型易发性精度。如图 3 所示,为多个组合模型不同数量因子叠加的案例区地质灾害易发性指数图,结果表明当叠加因子数量 35 个时,易发性指数图受单个因子控制性较为明显,例如组合 1A(3)与组合 1B(4)中断层控制易发性指数图最为明显、组合 2A(3)中道路控制易发性指数图最为明显。而当叠加因子 67 个时,地质灾害易发性指数图受单个因子控制性不再明显,显现出了多个因子的叠加效应,但不同组合模型的地质灾害易发性指数图图面信息差异性较大,易发性高分布的区域和面积各不相同。当叠加至 8 个以上因子后,各个组合模型的易发性表 1 因子分级及信息量Table 1 Classification and
19、 information value of the factors因子分级灾害点比例/%因子分级面积比例/%信息量高程/m784,1200)27.872.603.421200,1700)40.788.692.231700,2200)19.8813.230.592200,2700)7.2616.981.232700,58324.2158.503.80坡度/()0,10)19.883.212.630,20)26.8513.301.0120,30)34.4032.750.0730,40)14.9537.661.3340,883.9213.081.74地面起伏度/m0,200)15.094.491.7
20、5200,400)68.3642.070.70400,600)15.3845.221.56600,800)1.027.292.84800,)0.150.932.69沟谷密度/(kmkm2)0.23,0.46)1.3013.653.390.46,0.58)6.0824.262.000.58,0.69)31.8433.000.050.69,0.82)42.2623.380.850.82,1.2318.525.711.70道路距离/m0,200)1.011.700.75200,400)2.321.680.46400,600)2.321.660.48600,800)2.321.660.48800,10
21、00)2.321.640.501000,)89.7391.660.03断层距离/m0,500)28.949.961.54500,1000)25.908.801.561000,1500)10.277.270.501500,2000)7.966.070.392000,)26.9267.901.33工程岩组硬质岩组18.389.560.94软硬互层岩组46.7453.020.18软质岩组34.8837.420.10河流距离/m0,200)8.101.592.35200,400)10.271.592.69400,600)11.291.592.82600,800)5.791.571.88800,1000
22、)3.471.571.141000,)61.0792.070.59坡向北6.3411.300.83北东11.2112.430.15东16.3714.930.13南东19.0313.620.48南7.9611.820.57南西9.0012.470.47西12.2411.260.12北西17.8512.170.55坡形凹形坡68.8054.790.33凸形坡31.2045.210.53续表 1Table 1因子分级灾害点比例/%因子分级面积比例/%信息量植被指数1,0)2.034.761.230,0.1)18.4322.120.260.1,0.25)31.6420.930.600.25,0.4)2
23、3.0823.690.040.4,0.55)21.0418.310.200.55,0.63.7710.181.432023 年解明礼,等:多因子组合的地质灾害易发性空间精度验证13因子高程坡度坡向植被断裂其他基础数据灾害点信息量法因子信息量值因子组合叠加分析空间精度验证空间位置验证ROC曲线第一组:权重从高到低第二组:权重从低到高第三组:随机数组1第四组:随机数组2地质灾害易发性精度分析地质灾害易发性指数空间精度验证反思AUC值图 2 研究技术路线Fig.2 The research methodology flowchart表 2 因子权重Table 2 Factor weights tab
24、le专家因子12345678平均值断层0.0550.2690.1930.2230.1380.1820.2090.1350.176岩性0.0230.1330.1820.1240.1680.1060.1820.1430.133高程0.1710.0530.0180.0220.0990.1380.0120.0560.071坡度0.0280.1160.1080.1460.0830.2030.1410.1120.117坡向0.1690.0140.0380.0410.0860.1060.0240.0230.063沟谷密度0.0630.0640.0820.0550.0820.1060.0960.0730.07
25、8坡形0.1280.1050.0460.1000.0730.0460.1050.0900.087河流0.1230.0310.0840.1030.0420.0430.0890.1960.089道路0.1280.0420.0780.0640.0570.0210.0570.0750.065植被指数0.0440.0530.0180.0430.0360.0360.0500.0280.039起伏度0.0690.1190.1530.0790.1380.0140.0350.0670.084表 3 因子排列组合Table 3 Factor combination table因子数量顺序组合随机组合组合1组合2组
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 因子 组合 地质灾害 易发性 空间 精度 验证