AHP-信息量模型在斜坡类地质灾害易发性评价中的应用

田仕雄, 张路飞, 孟思宇, 潘志辉

1. 中国建筑材料工业地质勘查中心河北总队, 河北 保定 071000; 2. 河北省地质调查院, 河北 石家庄 050081;3. 中国兵器工业北方勘察设计研究院有限公司, 河北 石家庄 050031; 4. 山东建勘集团有限公司, 山东 济南250000

0 引言

地质灾害风险评价是在地质灾害详细调查工作成果的基础上, 由查明地质灾害基本情况到进一步掌握地质灾害风险隐患底数的过程, 是地质灾害防治工作的基础, 评价依据易发性—危险性—风险性层次递进[1,2]。 易发性作为评价基础, 科学、 客观的评价模型显得十分必要。

评价方法上有定性与定量两种方法可选。 定性分析主要依赖于专家进行评级分析, 定量分析则更加倾向于借助数学方法进行量化研究(逻辑回归模型、 证据权模型、 Fuzzy 模型、 信息量模型等)[3]。 近年来,随着3S 技术发展, 我国在地质灾害易发性评价领域取得了一定成果。 刘艺梁等以三峡坝区到巴东段为调查区, 采用逻辑回归和人工神经网络(ANN) 模型,在 ArcGIS 平台上进行滑坡危险性预测[4]; 游桂芝等采用灰色关联度法确定各影响因素的权重, 并采用模糊综合评价法对中山区各网格单元进行评价[5]; 张艳玲等在地灾害详查、 遥感解译的基础上完成汶川地震灾区的地质灾害编录工作, 运用证据权法提取调查区的滑坡易发性影响因子, 开展灾区滑坡地质灾害易发性区划[6]。

为使评价的结果更具科学性、 客观性, 地质灾害易发性评价应尽可能在定性分析的基础上再选取相关的、 合适的数学方法来定量化处理。 结合浪卡子县地质灾害发育特征, 本次评价采用层次分析法(AHP)-信息量法相结合的评价模型对地质灾害易发性进行评价。

1 研究区概况

浪卡子县位于西藏南部喜马拉雅山中段北麓, 面积7 969.89 km2, 东与贡嘎县、 措美县、 扎囊县交界, 西与日喀则地区江孜县、 康马县、 仁布县交界,南与洛扎县和不丹国接壤, 北与拉萨市曲水县隔江相望, 边境线长约25 km。 地理坐标E90°04′40″—91°20′00″、 N28°37′30″—29°18′58″。

地质灾害的发生是地形地貌、 地质构造、 岩土体结构类型、 植被、 降雨、 地震、 河流侵蚀、 人类工程活动等诸多因素共同作用的结果。 本次浪卡子县地质灾害易发性评价, 将调查区内自然资源部门、 交通部门管理的地质灾害点以及区内已销号地灾点、 遥感解译点和地面调查不良地质现象点等均纳入分析, 共计有地质灾害调查点142 处, 包括滑坡12 处、 泥石流53 处、 崩塌77 处。

2 AHP-信息量模型

层次分析法是地质灾害易发性评价中较为广泛应用的方法之一, 主要是利用专业知识对地质灾害现象进行判断评估打分, 最后得到权重[7,8]。 在评估打分的过程中, 专业知识水平对权重的影响很大, 它是定性与定量相结合、 能够解决多指标的复杂问题的方法, 主要用于解决用完全定量的方法难以处理的实际难题。

信息量法则是利用传统的数学统计方法将大量调查数据中影响地质环境稳定的因素进行量化, 从而应用到地质灾害易发性评价领域, 它是能够解决多指标综合的实际问题、 完全排除了人为干扰的定量方法[9]。

AHP-信息量模型反映了一定地质环境下最易致灾因素及其细分区间的加权组合[10]; 具体是通过特定评价单元内某种因素作用下地质灾害发生频率与区域地质灾害发生频率相比较实现的。 各状态因素组合条件下地质灾害发生的加权信息量公式如下:

式(1) 中:

I—对应特定单元地质灾害发生的加权信息量,指示地质灾害发生的可能性, 可作为地质灾害易发性指数;

Wi—第i状态(或区间) 应用AHP 法计算出来的权重;

Ni—对应特定因素、 第i状态(或区间) 条件下的地质灾害面积或地质灾害点数;

Si—对应特定因素、 第i状态(或区间) 的分布面积;

N—调查区地质灾害总面积或总地质灾害点数;

S—调查区总面积。

3 易发性评价

本次工作采用AHP-信息量模型对斜坡类地质灾害易发性进行评价和区划, 主要技术路线和方法如下:

(1) 对浪卡子县进行单元网格剖分(25×25 m);

(2) 浪卡子县孕灾地质条件分析, 确定评价指标体系, 确定评价因子权重;

(3) 对各评价因子指标计算加权信息量;

(4) 确定评价指标加权信息量, 利用GIS 的空间分析功能进行数据的空间叠加;

(5) 经统计分析确定易发性区划的分界点, 将评价结果分成不同等级。

3.1 孕灾地质条件分析

从浪卡子县地质背景来看, 县内的地形地貌、 地层岩性、 地质构造、 水文地质等地质环境条件是非常复杂的, 但综合起来可以发现: 整个地质背景主要是由复杂的地形地貌、 复杂的地层岩性(以变质岩为主), 强烈的新构造运动格局所决定和控制的[11]。 因此选择地形坡度、 坡高、 坡向、 地貌、 地质构造、 斜坡结构、 工程地质岩组、 水文条件等进行孕灾地质条件分析。

3.1.1 坡度

坡度是控制地质灾害发育程度和地质灾害发育类型的一个重要因素。 坡度明显改变斜坡的应力分布状态, 随着坡度的增大, 坡面附近应力带范围随之扩大, 坡脚应力集中并随之增高。 根据调查统计分析,浪卡子县内崩塌大多发生于坡度大于35°的陡坡、 陡崖地段, 滑坡坡度主要分布于15°-35°之间, 占滑坡地质灾害总数的75%。

3.1.2 坡高

斜坡坡高与地质灾害的发生存在着明显的控制关系, 坡高虽然没有改变斜坡内应力的分布状态, 但控制着坡体内各处应力的大小, 随着坡高的增大, 应力值呈线性增加, 坡体安全系数降低。

3.1.3 地貌

浪卡子县地貌类型分为构造剥蚀地貌区和侵蚀堆积地貌区。 区内地貌对地质灾害的发育和分布具有明显的控制作用, 不同地貌分区内的地质灾害的类型和数量也有所不同。 浪卡子县在构造剥蚀地貌—中低高山区, 斜坡类地质灾害滑坡崩塌数量及分布密度均为最高, 随着地貌类型的改变, 在向河流堆积地貌过渡趋势下, 受其所在地貌因素的控制影响, 崩塌发育数量和密度呈逐步降低的趋势。

3.1.4 地质构造

地质构造是影响浪卡子县地质灾害发育的关键因素之一, 它既控制岩层的岩体结构及其组合特征, 为斜坡变形提供结构面, 同时对地形地貌也有很大的影响, 因而对地质灾害的发育起到综合控制影响作用。

3.1.5 工程地质岩组

岩土体结构决定了斜坡变形破坏的方式和软弱结构面的位置, 对滑动面的位置具有明显的控制作用。据调查统计浪卡子县内地质灾害主要分布于第四系松散土岩组中, 其次为较坚硬—软弱薄—中层状类工程地质岩组, 而在坚硬块状侵入岩类工程地质岩组中分布最少。

3.1.6 斜坡结构

层状岩体按岩层倾向与斜坡坡向的组合关系划分为顺向坡、 逆向坡、 斜向坡和横向坡。 斜坡稳定性由小到大一般为: 松散土体斜坡＜顺向斜坡＜斜向斜坡(顺斜) ＜逆向斜坡＜斜向斜坡(逆斜) ＜横向斜坡＜块状岩体斜坡。 浪卡子县斜坡结构类型以横向斜坡和斜向斜坡为主, 且两种斜坡发育的地质灾害最多。

3.1.7 水文条件

水对斜坡的稳定性具有显著的影响, 从力学平衡的观点看, 斜坡的稳定性取决于斜坡的应力状态和边坡物质对这些应力的承受能力, 而水正是改变斜坡应力状态(斜坡变形) 和恶化岩体的(主要是软弱结构面) 力学强度最为活跃的因素。 据调查统计浪卡子县地质灾害数量随主河道距离的增大而呈明显降低。

3.1.8 植被

植被是影响斜坡稳定的一个重要因素, 浪卡子县境内海拔较高, 多数区域海拔高度在4 450 m 以上,岩土体受风化、 剥蚀等外力地质作用强烈。

3.1.9 人类工程活动

浪卡子县主要为高原河谷地貌及高原湖泊地貌,高原湖泊占大部分, 居住生存环境较差, 人口多沿狭长沟谷、 缓坡平台和沟口扇形地集中居住。 区内人类工程经济活动较强烈, 且主要集中在沟谷、 湖泊沿线附近, 主要表现形式为房屋修建、 公路修建铺设、 水电工程建设等。 浪卡子县人类工程活动对地质灾害的诱发起到了重要的作用, 尤其是公路沿线是地质灾害多发区域, 区内地质灾害与人类工程活动密切相关。

3.2 评价因子选取

应用 ArcGIS 空间分析工具对所有上述指标因素进行相关性分析[12]。 通过计算相关性系数 Ei 来衡量各影响因子指标与地质灾害之间的相关程度, Ei 的取值范围[-1, 1], Ei 越接近 1, 则表示指标相关性越高, 确定地质灾害与因子间的相关性, 见表1。

表1 易发性评价因子相关性分析表Table 1 Correlation analysis of susceptibility assessment factors

依据计算得到的各因子相关性数值, 剔除掉相关程度高的因子: 植被、 地貌 2 个因子, 再结合浪卡子县地质灾害发育特征, 最终得到易发性评价因子(工程岩组、 斜坡结构、 人类工程活动、 地质构造、 坡度、 坡高、 水文)。 各因子与地质灾害关系见图1。

图1 各因子评价分级图Fig.1 Grading chart for each factor evaluation

3.3 加权信息量计算

3.3.1 权重计算

采用AHP (层次分析法) 对选取评价因子进行权重计算。 根据专家打分对7 个因子进行重要性排序, 构造判断矩阵, 进行一致性检验, 得到一致性指标CI=0.049 2, 一致性比例CR=0.031 5＜0.1, 该判断矩阵一致性可行。 判断矩阵及权重见表2。

表2 判断矩阵及各因子权重Table 2 Judgment matrix and weights of each factor

3.3.2 信息量计算

地质灾害发育的严重程度受到诸多因素的作用,在局部区域又表现出明显的差异性和复杂性, 因此,在对调查区进行易发性评价时首先考虑确定的就是评价单元。 本文采用规则栅格作为评价单元, 分辨率25×25 m。 依据公式(1) 进行信息量计算, 计算结果见表3。

表3 易发性评价各因子加权信息量表Table 3 Susceptibility assessment factor weighted information scale

4 讨论

基于GIS 平台对赋予了信息量值的各栅格图层按照权重叠加计算, 得到易发性综合指数, 按照自然间断法将易发性结果分为4 类(极高易发区、 高易发区、 中易发区、 低易发区), 结果见图2。

图2 浪卡子县地质灾害易发性评价结果Fig.2 Evaluation results of geological hazard susceptibility in Langkazi County

评价结果显示: 浪卡子县极高易发区面积约83.56 km2, 占调查区面积的1.31%, 主要分布在卡热乡一带; 高易发区面积约371.89 km2, 占调查区面积的5.82%, 主要分布在卡热乡、 白地乡、 G349 附近等; 中易发区面积约1 780.01 km2, 占调查区面积的27.87%, 主要分布在卡热乡、 白地乡中间区域、环湖公路、 浪卡子县城附近等; 低易发区面积约4 151.62 km2, 占调查区面积的65.00%, 分布于县内大部分区域。

在模型评价结果结束后, 还应对评价结果进行验证, 工作特征曲线(ROC) 是衡量评价模型预测精度的指标, 以信息量值从低到高的区域累计栅格与总栅格的百分比作为横轴, 以对应信息量区间内地质灾害累计点数与地质灾害总数百分比作为纵轴, 当ROC 曲线下方的面积越接近于 1, 则说明越符合真实情况[13-15]。 根据验证结果, 得到 ROC曲线以下面积为0. 88, 说明易发性预测结果良好,见图3。

图3 易发性评价结果ROC 曲线图Fig.3 ROC curve of susceptibility assessment results

5 结论

本文将西藏自治区浪卡子县作为研究对象, 应用AHP-信息量模型进行了地质灾害易发性评价, 评价结果应用ROC 特征曲线进行验证, 结果良好。 就评价结果而言, 县内地质灾害极高、 高易发区主要分布在卡热乡张普村、 边距村、 最堆村, 白地乡杂塘村、G349, 白地乡扎马龙村至叶色村, 环湖公路局部以及G349 与S207 交汇西侧翁果村一带区域, 与地面调查及地质灾害分布情况是相吻合的, 结果满足后续风险性评价精度要求。

笔者在评价过程中对该模型产生了几点思考, 供参考:

(1) 评价模型宜结合研究区特点及模型优缺点综合进行选取;

(2) 定量评价依赖样本数量及准确性, 在样本数量不满足精度要求时宜采用定性评价;

(3) 评价因子选取及要素分区直接影响评价结果, 宜针对各区孕灾情况进行合理划分;

(4) 泥石流易发性评价区别于斜坡类灾害, 评价单元宜采用流域单元;

(5) 地质灾害为自然属性与社会属性共同作用结果, 该模型偏重于自然属性, 局部评价结果与现实情况存在偏差, 需人工干预调整。