基于证据权模型的滑坡影响因子研究

程乙峰，刘志辉

（1.新疆大学资源与环境科学学院，新疆 乌鲁木齐 830046；2.绿洲生态教育部重点实验室，新疆 乌鲁木齐 830046；3.新疆测绘档案资料馆（新疆基础地理信息中心），新疆 乌鲁木齐 830002）

基于证据权模型的滑坡影响因子研究

程乙峰1，2，3，刘志辉1，2

（1.新疆大学资源与环境科学学院，新疆 乌鲁木齐 830046；2.绿洲生态教育部重点实验室，新疆 乌鲁木齐 830046；3.新疆测绘档案资料馆（新疆基础地理信息中心），新疆 乌鲁木齐 830002）

以新疆新源县为研究区，基于数据驱动理论，采用证据权模型定量分析滑坡影响因子对滑坡稳定性影响关系。结果表明，高程、坡度、地层岩性、地质断层、水系为研究区主要滑坡影响因子，坡向、道路、植被覆盖对研究区滑坡灾害影响不明显。该结论对研究区滑坡危险性区划及滑坡监测临滑预报具参考意义。

3S技术；证件权模型；滑坡影响因子

滑坡作为发生频率最频繁的地质灾害，长期受到国内外学者的广泛关注，Varnes和唐川提出的原理和技术框架被广泛接受和遵循[1-16]。因子叠加法原理、灰色系统评价法、模糊数学评价法、多因子综合评价等知识驱动型研究方法[17-18]，要求研究人员具丰富的专业经验，主观性和不确定性较强。证据权等数据驱动型方法是利用滑坡灾害历史分布数据，定量分析各环境影响因子对滑坡灾害的权重大小，其结果更真实准确。

1 材料与方法

1.1 区域概况

新源县位于中国西部，东经82°28′～84°56′，北纬43°03′～43°40′，面积7 589 km2，海拔747~4 229 m，属典型大陆性半干旱气候，年平均气温6.1℃～9.3℃，年降水量270~880 mm。主要山脉有东北方向的安迪尔山，南边的那拉提山，北面的阿布热勒山。土壤分布垂直带谱明显，灰钙土、黑钙土、粟钙土面积较大。境内主要河流有巩乃斯河、恰甫河、大吉尔尕郎河和特克斯河。

1.2 遥感解译

正射影像图（DOM）数据采用0.5 m分辨率2012年WorldView-2、Quickbird影像。数字高程模型（DEM）、TM数据影像数据下载于中国科学院数据云，为30 m分辨率的ASTER GDEM数据和2011年TM遥感影像。采用几何精校正、镶嵌与裁切、大气校正、图像增强等预处理建立三维模型。

1.3 空间分布特征分析

使用ArcGIS10.0软件从DEM数据中提取高程、坡度、坡向数据；在1∶100 000地形图数据中提取道路、水系数据；从TM影像中提取归一化植被指数（NDVI），完成地质断层、地层岩性分布图的处理。

1.4 滑坡环境影响因子评价模型构建

证据权重法是基于研究区最小单元数量、二元证据图和滑坡灾害事件前、后概率的分析。每种环境影响因子都被视为滑坡危险度分区的一个证据因子，每个证据因子对滑坡危险度分区的贡献由这个因子的权重值确定。计算时每个滑坡灾害区假设占据一小面积或个体单元。计算公式如下：

P表示一个事件概率，前概率P{D}表示证据缺失条件下一个事件发生的概率。B表示因子存在区的单元数，B的补集表示因子不存在区的单元数。影响滑坡灾害发生的每个证据图层的权重与前概率对数相加得到后概率对数（公式3）。W+、W-分别表示证据因子存在区权重及证据因子不存在区的权重。相关系数C是证据因子和训练点间相关性指标。学生化反差C（StudentizedC）表示相关系数C的确定性。σ是C的标准偏差，当StudentizedC大于1.5时，表示C值意义重大[19-20]。

划分单元格为30 m×30 m，经重分类，转换连续8位无符号整型GRID格式，使用ArcGIS SDM（空间数据建模工具）中Spatial Data Modeller Tools进行滑坡环境影响因子权重分析。

2 结果分析

2.1 滑坡空间分布

经目视解译及使用手持GPS仪器进行野外核实，研究区共计514个滑坡灾害点。

高程 800～3 500 m分布最多。1 100～2 600 m占总滑坡数的96.69%。800～1 100 m、2 600～2 900 m及3 200～3 500 m内有个别滑坡点。

坡度 0°～40°分布最多，占总滑坡数的97.86%。

坡向 337.5°～22.5°有72个，22.5°～67.5°有66个，67.5°～112.5°有64个，112.5°～157.5°有58个，202.5°～247.5°有55个，247.5°～292.5°有75个，292.5°～337.5°有53个。

地层岩性 在石英岩、玄武安山岩、砂岩坚硬的层状碎屑岩组和冲洪积、砾石、砂、亚砂土黄土及花岗岩坚硬的结晶岩组中，滑坡点占总数的97.67%。砂质泥岩、粉砂岩、砂岩夹砾岩坚硬与软弱相间的碎屑岩组、粉土质亚砂土单层结构的砾质土体及冲洪积、砾石、砂、亚砂土多层结构的砾质土体分布较少，共占9.14%。

地质断层 5 000 m内有487个。500 m有131个，500～2 500 m有267个，2 500～4 000 m共70个，4 000～5 000 m共19个。

水系 5 000 m内共468个。1 000 m内194个，1 000～2 000 m129个，2 000～3 000 m86个，3 000～4 000 m59个。

道路 100 m内有15个，100～200 m19个，200～300 m14个，300～400 m16个，400～500 m12个，500～1 000 m63个，1 500～2 000 m71个，2 000 m内共210个。道路数据对研究区滑坡灾害影响不占主导作用。

植被覆盖 选用NDVI（归一化植被指数）作为研究区植被覆盖分析指数，研究区NDVI值在-1~0.5有滑坡点68个，0.5～0.6有99个，0.6～0.7有169个，0.7～0.8有176个，0.8~1没有滑坡发生。研究区滑坡灾害分布随NDVI值升高而增加。

2.2 滑坡影响评价模型建立及评价

2.2.1 滑坡影响因子权重计算

高程 第一类：0～800 m、2 900～3 200 m、3 500～4 229 m Studentized C均为0；第二类：800～1 100 m、2 000～2 900 m、3 200～3 500 m Studentized C小于0；第三类：Studentized C在1 700～2 000 m为4.642 4、1 100～1 400 m为6.758 2、1 400～1 700 m为21.992 1。

坡度 第一类：0°～10°、10°～15°、45°～90° Studentized C为负值；第二类：30°～35°Studen⁃tized C为1.00 82；第三类：Studentized C值15°～20°为3.394 9、20°～25°为4.472 9、25°～30°为4.012 7、35°～40°为2.799 9、40°～45°为2.396。

坡向 第一类：202.5°~247.5°、247.5°~292.5°、292.5°~337.5°、337.5°~360°Studentized C为负值；第二类：Studentized C值22.5°～67.5°为0.348 4、67.5°~112.5°为0.231、112.5°~157.5°为0.525 4；第三类：Studentized C值0°～22.5°为1.340 1，157.5°~ 202.5°为1.215 3。

地层岩性 Studentized C在石英岩、玄武安山岩、砂岩坚硬的层状碎屑岩组为3.725 1，冲洪积、砾石、砂、亚砂土黄土为1.565 4，花岗岩坚硬的结晶岩组为1.921 6，砂质泥岩、粉砂岩、砂岩夹砾岩坚硬-软弱相间的碎屑岩组为6.143 3。粉土质亚砂土单层结构的砾质土体为-0.825 8，冲洪积、砾石、砂、亚砂土多层结构的砾质土体为-7.046。

地质断层 第一类：500 m内Studentized C为4.522 5；第二类：500～1 000 m Studentized C为1.428 7；第三类：Studentized C 1 000～1 500 m为0.200 1、1 500～2 000 m为0.990 8、2 000～2 500 m为0.943 5；第四类：Studentized C值2 500～3 000 m为-1.312 1、3 000～4 000 m为-2.858 2、4 000～5 000 m为-4.807 2。

水系 第一类：Studentized C在水系200 m内为0.873 5、800～1 000 m为0.9271、2 000～3 000 m为0.484、3 000～4 000 m为0.794；第二类：Studen⁃tized C 200～400 m为-1.067 2、400～600 m为-0.309 6、600～800 m为-0.002 1、1 000～1 500 m为-0.747 1、1 500～2 000 m为-0.816 6。

2.2.2 重分类

以Studentized C大于1.5表示较高显著性水平为分类标准，将各滑坡影响因子重新分类，计算权重值见表1~6，滑坡影响因子权重分类见图1。

表1 重新分类高程与滑坡训练点权值计算结果Table 1 The weight calculation result of reclass Height and landslide

表2 重新分类坡度与滑坡训练点权值计算结果Table 2 The weight calculation result of reclass Slope and landslide

表3 重新分类坡向与滑坡训练点权值计算结果Table 3 The weight calculation result of reclass Aspect and landslide

表4 重新分类地层岩性与滑坡训练点权值计算结果Table 4 The weight calculation result of reclass Lithology and landslide

表5 分类地质断层与滑坡训练点权值计算结果Table 5 The weight calculation result of reclass geological faults and landslide

表6 分类水系与滑坡训练点权值计算结果Table 6 The weight calculation result of reclass river and landslide

3 结论与讨论

3.1 结论

（1）研究区滑坡环境影响因子主要为高程、坡度、地层岩性、地质断层、水系。高程1 100～2 600 m、坡度小于40°地层岩性为石英岩、玄武安山岩、砂岩坚硬的层状碎屑岩组、冲洪积、砾石、砂、亚砂土黄土及花岗岩坚硬的结晶岩组，距地质断层和水系5 000 m内范围，滑坡灾害发育最突出。坡向、道路等对研究区滑坡灾害影响不占主导作用。

图1 证据权重法滑坡与环境影响因子重分类分布图Fig.1 The distribution of landslide hazard and environment impact factors in weight of evidencea——高程；b——坡度；c——坡向；d——地层岩性；e——地质断层；f——水系

（2）高程1 100～2 000 m，坡度15°~30°、35°~ 45°，坡向0°~22.5°、157.5°~202.5°，地层岩性为石英岩、玄武安山岩、砂岩坚硬的层状碎屑岩组，冲洪积、砾石、砂、亚砂土黄土，花岗岩坚硬的结晶岩组，砂质泥岩、粉砂岩、砂岩夹砾岩坚硬-软弱相间的碎屑岩组，地质断层缓冲距离小于500 m内，水系缓冲距离200 m以内、800~1 000 m、2 000~4 000 m，Studen⁃tized C均大于1.5，具很高的显著性水平。道路数据对研究区滑坡地质灾害影响不占主导作用。植被覆盖对研究区滑坡灾害影响区分不明显。

3.2 讨论

（1）研究区滑坡灾害分布随NDVI值升高而增加。据国内学者研究可知，根系对存在的土体力学加固效显著，此效应一般存在地表下1.5 m深度范围[21]。从根系力学加固效应来看，植被对遏制面状水土流失及部分浅层滑坡是有效的，但在分布普遍、危害性大、滑面埋深大于4.5 m的深层滑坡防治方面，其功效十分有限[22-23]。植被极大地优化了地下水的补给环境，提高了地下水的径流模量。地下水是斜坡蠕变、滑坡孕育及失稳的最主要诱发因素，对滑坡失稳起促进作用。研究区地质多为二元结构，上部是松散的土体，下部是坚硬的岩石，该结构在强降雨浸泡下，极易发生滑坡、泥石流等地质灾害。

（2）由于缺乏相关资料，研究区环境影响因子中，未考虑降雨量、矿产开发等环境影响因子。今后进一步研究中应添加这些因子以提高准确率。

[1] Dennis M,ThadA,JacekS.Surficial patterns of debris flow deposition on alluvial fans in Death Valley,CA using airborne laser swath mapping data[J].Geomorphology,2006,74:152-163.

[2] CavalliM,MarchiL.Characterisation of the surface morphology of an alpine alluvial fan using airborne LiDAR[J].Natural Hazards and Earth System Sciences,2008,8:323-333.

[3] Conway S,DecaulneA,Balme M.A new approach to estimating hazard posed by debrisflows in the Westfjords of Iceland[J].Geomorphology,2010,114:556-572.

[4] BlahutJ,HortonP,SterlacchiniS.Debris flow hazard modeling on medium scale:Valtellina di Tirano,Italy[J].Natural Hazards and Earth System Sciences,2010,10:2379-2390.

[5] LopezSaez,CoronaC,StoffelM.Debris-flow activity in abandoned channels of the Manival torrent reconstructed with LiDAR and tree-ring data[J].Natural Hazards and Earth System Sciences,2011, 11:1247-1257.

[6] Hong jiang L，Hengxing L,Yi L.Characteristics of spatial distribution of debris flow and the effect of their sediment yield in main downstream of Jinsha River,China[J].Environment Earth Science, 2011,64:1653-1666.

[7] Bremer M,SassO.Combining airborne and terrestrial laser scanning for quantifying erosion and deposition by a debris flow event [J].Geomorphology,2012,138:49-60.

[8] 童立强,聂洪峰,李建存，等.喜马拉雅山地区大型泥石流遥感调查与发育特征研究[J].国土资源遥感,2013,25(4):104-112.

[9] 唐川,张军,万石云,等.基于高分辨率遥感影像的城市泥石流灾害损失评估[J].地理科学,2006,26(3):358-368.

[10]邓辉.高精度卫星遥感技术在地质灾害调查与评价中的应用[D];成都理工大学,2007.

[11]王高峰.基于遥感技术的西藏雅江（米林-加查段）泥石流源地特征分析[D];成都理工大学,2011.

[12]杨小兵.基于多光谱影像和DEM的泥石流堆积扇识别研究[D];兰州大学,2013.

[13]常鸣,唐川,蒋志林,等.强震区都江堰市龙池镇泥石流物源的遥感动态演变[J].山地学报,2014,32(1):89-97.

[14]李凌婧,姚鑫,张永双,等.汶川地震绵远河流域地质灾害遥感提取与分布特征研究[J].工程地质学报,2014,22(1):46-55.

[15]Varnes,DJ.Landslide hazard zonation:A review of principle and pracirce.UNESCO.Paris,1984.

[16]唐川.JORGGRUNERT.滑坡灾害评价原理和方法研宄[J].地理学报,1998,S1):149-57.

[17]Hollingsworth R,Kovacs GS.Soil slumps and debris flows.prediction and protection[J].Bulletin of the Association of Engineering Geologists,1981,38(1):17-28.

[18]李阔,唐川.泥石流危险性评价研究进展[J].灾害学,2007,22(1): 106-111.

[19]P.Honarvar,G.Squires.Preliminary analysis of mineral potential modeling of the Victoria lack supergroup volcanic rocks:a weights of evidence approach[J].Current Research(2006)Newfoundland and Labrador Department of National Resources Geological Survey,Report06-1,25-44.

[20]徐仕琪,赵同阳,朱志新,等.ArcGIS证据权模型在铜矿成矿预测中的应用——以博格达-哈尔里克成矿带为例[J].地质与勘探.2013, 49(5):981-989.

[21]徐则民,黄润秋,唐正光,等.植被护坡的局限性及其对深层滑坡孕育的贡献[J].岩石力学与工程学报,2005,24(3):439-440.

[22]FURUYAG,SASSAK,HIURAH,et al.Mechanism of creep movement caused by landslide activity and underground erosion in crystalline schist,ShikokuIsland,Southwestern Japan[J].EngineeringGeology,1999,53:311-325.

[23]孙德永.南昆铁路八渡滑坡工程整治[M].北京:中国铁道出版社, 2000.

A Research Based on Weight of Evidence Model Landslide Impact Factor

Cheng Yifeng1,2,3,Liu Zhihui1,2
（1.College of Resources and Environment,Xinjiang University,Urumqi,Xinjiang,830046,China;2.Key Laboratory of Oasis Ecology of Ministry of Education,Urumqi,Xinjiang,830046,China;3.Xinjiang mapping archives museum,Xinjiang basic geographic information center,Urumqi,Xinjiang,830002,China）

In this study,Xinyuan County,Xinjiang as the study area,based on data-driven theory,quantitative evidence of the right model to analyze the landslide study area each factor on landslide stability of the relationship,formed a preliminary research results.The results showed that:elevation,slope,lithology,geological faults,landslides River study area is mainly affecting factors,slope,roads,vegetation cover in the study area landslide hazard is not obvious.The findings of the study area landslide hazard zonation and monitoring landslide forecast just before sliding a reference value and significance.

3S technology;The weights of evidence model;Landslide impact factor

1000-8845(2016)02-275-05

P628

A

2016-04-09;

2016-04-28;作者E-mail：83896995@qq.com

程乙峰（1985-），男，陕西留坝人，工程师，新疆大学地理学专业在读博士，研究方向为遥感与3S技术应用

刘志辉，男，新疆大学博士生导师，E-mail:lzh@xju.edu.cn.