基于改进证据权重法的北海道地震同震滑坡易发性评价

周 宇，常 鸣，2*，孙 文 静，武 彬 彬

(1.成都理工大学地质灾害防治与地质环境保护国家重点实验室，四川 成都 610059；2.中国科学院水利部成都山地灾害与环境研究所，山地灾害与地表过程重点实验室，四川 成都 610041)

0 引言

2018年9月6日，日本北海道发生Mw6.7级地震，震中位于42°40′15.6″N，141°55′58.8″E，震源深度37 km[1]。受发震断层、地形地貌及岩性影响，地震诱发的同震滑坡空间分布具有一定规律，开展震区同震滑坡易发性评价对于灾区恢复重建具有重要意义。滑坡易发性评价模型可分为确定性模型和非确定性模型，随着GIS技术日益成熟，基于统计分析的非确定性模型在同震滑坡易发性评价中的应用越来越广泛。例如：Pamela等选取12个评价因子利用证据权重法对印度尼西亚Takengon地区的滑坡易发性进行评价，经验证模型的准确率较高[2]；Aril等基于频率比法、多元逻辑回归及人工神经网络模型对印度尼西亚Ambon地区的同震滑坡易发性进行评价，其中人工神经网络模型的准确率最高[3]；Rahim等采用层次分析法评价巴基斯坦北部Ghizer地区的滑坡，发现绝大部分滑坡位于中等至极高易发区内[4]；武雪玲等基于SVM、PSO和ANN复合模型对滑坡易发性进行定量研究，成功率和准确率均高于单独SVM模型评价结果[5,6]；刘坚等基于优化的随机森林模型开展三峡库区滑坡易发性评价，结果准确性显著提高[7]；杨根云等利用信息量模型开展滑坡易发性评价，所得滑坡易发性区划图与滑坡实际发育情况基本吻合[8,9]；李权等运用多元逻辑回归模型对兰坪县滑坡易发性进行评价，准确率为78.58%[10]。

综上，既有滑坡易发性评价研究以层次分析法、多元逻辑回归、人工神经网络和随机森林等模型为主，在评价过程中未考虑评价因子的权重值，也未解决权重值确定方法与不同分级条件下对滑坡发生概率的影响。因此，本文以北海道地震诱发同震滑坡为研究对象，基于震前和震后高精度遥感影像构建同震滑坡数据库，选取坡度、坡向、距断层距离、距水系距离、地层岩性、曲率和峰值地面加速度(PGA)共7个同震滑坡易发性评价因子，分析北海道地震诱发的同震滑坡在不同评价因子上的空间分布特征；基于证据权重法和层次分析法计算评价因子权重值，通过多模型耦合得到改进证据权重法，构建同震滑坡易发性评价新模型，并检验改进证据权重法与原证据权重法的准确度，以期得到准确度更高的易发性评价结果，为同震滑坡易发性评价提供参考。

1 数据与方法

1.1 研究区与数据

研究区为北海道地震震中区域，面积508.97 km2(图1a)。该区断裂和活动断裂极为发育，南北走向较明显，尤其是在石狩断层地区，震中也靠近该断层(图1b)。利用ALOS-2数据进行InSAR分析，获得震区的地壳变形数据，发现该地震由北西向的逆断层造成[11]。震区年降雨量为1 200～1 800 mm，地貌以低山为主，地势东北高、西南低，海拔最高为643 m。区内主要岩性为早中新统至中中新统泥岩、砂岩与砾岩、凝灰岩交替层、晚白垩世海相泥质浊积岩和泥岩，中部丘陵地区为中新世—上新世泥岩、粉砂岩、砂岩、砾岩，西部主要为全新世河流沉积的砂岩、泥岩、页岩以及晚更新世火山碎屑流的松散堆积层[12,13]。

根据文献[14]，地震前一天研究区有降雨，山体被雨水浸透后，在地震作用下发生了同震滑坡。本文利用地震前后不同时期高精度遥感影像(表1)获取同震滑坡的详细信息，震前航拍影像用于辅助辨别震后滑坡增加数量，震后Planet影像用于遥感解译。结合前人解译结果[15]，通过目视解译得到5 977处同震滑坡，灾害总面积15.26 km2，主要集中在厚真町断层和石狩断层附近，以中小型滑坡为主，单体滑坡面积最大为0.1 km2，最小为68.6 m2(图1b)，据此建立北海道地震诱发同震滑坡空间属性数据库；同时，采用研究区地形、地质及地震数据分析同震滑坡空间分布特征(表1)。

表1 北海道地震遥感影像及其他数据Table 1 Remote sensing images and other information data of Hokkaido earthquake

1.2 改进型同震滑坡易发性评价模型

证据权重法是一种基于数据驱动、离散多元的地学统计方法[16]，但其未考虑各评价因子的权重，仅对地质灾害相关的评价因子叠加复核分析，进而对地质灾害发生概率进行预测。因此，本文在证据权重法基础上，采用层次分析法计算同震滑坡易发性评价因子权重值，得到改进型证据权重法，以此对同震滑坡易发性进行评价。计算公式为：

(1)

(2)

Pp(l)=S0/S

(3)

(4)

(5)

2 北海道地震同震滑坡空间分布规律

影响同震滑坡的因子主要有地形地貌、地层岩性、地质及人类工程活动等[17]。根据研究区实际情况，本文选取地形(高程、坡度、曲率、坡向)、地质(距断层距离、地层岩性、PGA)及水文(距水系距离)三方面共8个影响因子，通过ArcGIS空间分析功能，对研究区同震滑坡评价因子进行分级(图2、表2)。

表2 各评价因子分级及同震滑坡发生概率Table 2 Classification and coseismic landslides probability for evaluation factors

图2 北海道地震同震滑坡各影响因子空间分布Fig.2 Spatial distribution of influencing factors on coseismic landslides of Hokkaido earthquake

(1)高程。不同高程范围内土壤类型、植被种类、植被覆盖率及降雨量可能不同，进而导致滑坡的移动距离和影响范围也不同。本文基于1∶5万地形图中的等高线获取研究区DEM，并将高程分为0～90 m、90～170 m、170～250 m、250～330 m和>330 m共 5类(图2a)，可以看出，研究区同震滑坡主要集中在高程90～250 m范围内，滑坡面积12.58 km2，占5个高程区间灾害总面积的82.48%，且随着高程增加，同震滑坡数量减少。

(2)坡度及曲率。坡度是影响坡面稳定性的重要因子，坡度大小在几何特征上决定了同震滑坡的分布，通常滑坡更易发生在坡度较大区域[18]。基于研究区DEM数据获取坡度数据，将其分为0°～10°、10°～20°、20°～30°、30°～40°、40°～50°和>50° 共6类(图2b)，可以看出，研究区同震滑坡主要分布在20°～40°坡度范围内，滑坡面积10.57 km2，占6个坡度区间灾害总面积的69.26%；随着坡度增加，总体上同震滑坡数量递减，缘于研究区内坡度较大区域面积较小，滑坡集中在坡脚地区。曲率为坡度的导数，曲率为正说明坡面上凸，为负说明坡面下凹，同震滑坡在凹形坡和凸形坡分布大致相同(图2c)。

(3)坡向。坡向是影响滑坡分布的重要因子之一，不同坡向的日照时长和辐射强度也不同，影响山地的植被覆盖，进而影响坡体的稳定性[19]。本文基于DEM提取坡向数据，并将其分为北、东北、东、东南、南、西南、西和西北8个方向(图2d)，可以看出，同震滑坡主要集中在东、南、东南方向，滑坡面积9.84 km2，占8个坡向区间灾害总面积的64.46%。

(4)距断层距离。同震滑坡的空间分布特征主要受断层控制。距断层越近，地质灾害越发育；距断层越远，地质灾害分布密度越小[20]。本文基于1∶10万地质图获取断层数据，研究区内有两个较大的断层，分别为厚真町断层和石狩断层。以1 km为多环缓冲区间距，将研究区分为11个区域(图2e)，可以看出，同震滑坡主要集中在距断层5 km的区域内，滑坡面积占11个区域灾害总面积的89.78%，且距断层越远，同震滑坡越少，符合同震滑坡易发生在断层附近的普遍规律。

(5)地层岩性。岩土体的类型及其结构特征影响坡面的稳定性[21]。由1∶10万地质图得到研究区岩性矢量数据，并将其划分为砾岩、砂岩、泥岩、页岩、粉砂岩及松散堆积物6种(图2f)，可以看出，同震滑坡在页岩和砾岩上较为发育，二者滑坡面积合计11.01 km2，占6种岩性灾害总面积的72.12%。

(6)PGA。地震时地面运动的峰值加速度可反映地面及建筑物受地震破坏的程度，PGA值越大，坡面受到的影响越大，越易诱发滑坡。以0.04 g为多环缓冲区，将研究区PGA分为11类(图2g)，其中，同震滑坡主要分布在0.48～0.52 g区域内，滑坡面积7.28 km2，占11类PGA灾害总面积的47.79%。

(7)距水系距离。水系的切割为滑坡的发生提供了临空面，滑坡分布与距水系距离密切相关，强震区滑坡多沿河流两侧分布，且距水系越远，滑坡分布密度越小[22]。基于1∶5万地形图得到水系数据，以200 m为水系多环缓冲区间距共划分8个区域(图2h)，可以看出，同震滑坡主要集中在距水系0.8 km范围内，滑坡面积12.22 km2，占8个区域灾害总面积的80.13%，且距水系越远，同震滑坡越少。

3 同震滑坡易发性评价

3.1 因子相关性评价

为保证评价因子间的相互独立性和客观性，用Pearson相关系数衡量各评价因子间的相关关系[23]，其绝对值大于0.5时，认为具有一定的相关性。由表3可知，除高程与距断层距离存在一定相关外，其余各评价因子之间均满足相互独立的要求。结合研究区实际情况，同震滑坡主要集中在90～250 m 低海拔地区，同时考虑到同震滑坡受断层影响较大，故将高程因子剔除，最终选取坡度、曲率、坡向、距水系距离、距断层距离、地层岩性、PGA共7个因子作为北海道同震滑坡易发性评价指标。

表3 各评价因子间的Pearson相关系数Table 3 Pearson correlation coefficients between evaluation factors

3.2 基于改进型证据权重法的同震滑坡易发性评价

本文采用层次分析法计算每个评价因子的同震滑坡易发性权重值[24]。首先，通过专家打分法对7个评价因子进行打分，建立评价因子权重值判断矩阵(表4)。然后，利用MATLAB软件计算判断矩阵的最大特征值λmax=7，一次性指标CI=0，通过查询平均随机一致性指标(RI)表，可得RIn=7=1.32，则检验性指标CR=CI/RI=0/1.32=0<1，证明该矩阵具有完全一致性，判断合理。最大特征值λmax对应的特征向量为(0.0588，0.0588，0.1765，0.1765，0.1765，0.0588，0.2941)，对特征向量进行归一化处理，得到7个评价因子的权重。

表4 7个评价因子判断矩阵及权重Table 4 Judgment matrix and the corresponding weights of the seven evaluation factors

利用式(1)-式(5)和表2数据计算研究区同震滑坡发生的概率，利用ArcGIS空间分析功能得到同震滑坡易发性分布图，对概率值归一化后将易发性由小到大分为极低(0～0.2)、低(0.2～0.4)、中(0.4～0.6)、高(0.6～0.8)和极高(0.8～1)5个等级(图3)，可以看出，同震滑坡主要集中在极高和高易发区，在区域内东北向的极低和低易发区几乎没有分布。

图3 模型改进前后北海道同震滑坡易发性评价结果Fig.3 Evaluation on the susceptibility of coseismic landslides of Hokkaido earthquake before and after model improvement

进一步利用ROC曲线评价模型的精确性，以未发生同震滑坡的单元被正确预测的比例为横坐标、以发生同震滑坡的单元被正确预测的比例为纵坐标绘制曲线，曲线越接近左上角，表明模型的准确性越高[25]；曲线下的面积(Area Under Curve，AUC)表示模型精确程度，取值范围为0.5～1，AUC值越接近1，表明模型的精确性越高[26]。通过SPSS分析，得到改进前AUC=0.870，改进后AUC=0.916，表明改进后模型精度更高。改进前模型预测的极高、高易发区面积合计183.17 km2，占研究区总面积的35.99%，两区域同震滑坡面积为9.39 km2，占同震滑坡总面积的61.58%；极低、低易发区面积合计206.68 km2，同震滑坡面积合计0.51 km2。改进后模型预测的极高、高易发区面积合计151.16 km2，占研究区总面积的29.7%，两区域同震滑坡面积合计10.85 km2，占同震滑坡总面积的71.16%，极低、低易发区面积合计194.9 km2，同震滑坡面积合计0.41 km2，表明改进后模型预测的同震滑坡极高、高易发区分布更集中，模型更合理。

4 结论

本文对地震前后不同时期高精度遥感影像进行解译，共解译出5 977处同震滑坡，灾害面积15.26 km2，最大单体滑坡面积0.1 km2，以中小型滑坡为主，沿西北—东南向断层两侧分布，靠近水系地区较为发育。从地形、地质、水文条件方面对北海道地震同震滑坡的空间分布特征进行分析，发现距断层小于5 km、距水系小于800 m范围内，同震滑坡分布较密集，距水系和断层越远，同震滑坡越少；在PGA 为0.5 g、高程90～250 m、坡度20°～40°、坡向为东至东南向、岩性为页岩或砾岩区域，同震滑坡较为发育。利用改进后的证据权重法开展北海道地震同震滑坡易发性评价，经ROC曲线评价模型验证，发现曲线下面积(AUC)为0.916，较改进前模型(AUC为0.870)有明显提升，表明改进后的证据权重法精度更高，可更好地为相似的同震滑坡易发性评价提供参考。

本文基于遥感技术研究同震滑坡的分布特征，未考虑同震滑坡所处区域的岩土体物理学特征，未来将在室内开展相关物理实验，弥补此方面的不足。