患點及非線性算法的地質災害風險范文

本站小編為你精心準備了患點及非線性算法的地質災害風險參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:針對地質災害風險評價中存在的隱患點與風險級別不一致、易損性評價指標單一等問題，提出了基于隱患點詳查及非線性疊加算法的地質災害風險區劃模型。模型通過針對性的隱患點調查，收集隱患點數據，從中選取與地質災害風險相關的指標參數，形成隱患點模塊H，遴選地質災害的主要影響因素建立影響因素模塊T。在對研究區域進行網格劃分的基礎上，進一步通過密度比、歸一化算法、AHP等分析方法得出網格區域內兩組模塊的指標評分標準及指標間權重，得出H、T值。將H、T評分值代入模型R=HαT計算得出網格的最終風險數值。根據網格坐標，生成DEM數據，并形成區域的風險區劃圖件。通過對比，建立的風險區劃模型較傳統模型具有較高的準確率和較低的錯誤率，具有較好的實用性和科學性。

關鍵詞:地質災害;風險區劃;隱患點調查;非線性疊加;密度比;AHP

地質災害風險區劃一直以來都是地質災害研究的主要方向，研究整體已較為成熟［1］。以往主要的分區思路是以地質災害點、隱患點分布圖為基礎，通過危險性、易損性各項因子的評價和疊加計算，形成最終地質災害風險區劃圖。以往學者的研究方向主要集中在指標參數的選取和劃分［2－3］、指標計算模型優化［4－5］、地質災害危險性判別［6］、區劃精度提升［7］、成圖方式的選擇［8］等內容上。上述方向均取得了一定的研究成果，但整體上仍存在三方面的不足:(1)以往地質災害風險分區采用較多的是線性疊加的計算模式，這將使得危險性與易損性的各項因子之間僅存在簡單的并集關系，這使得在局部的無危險區或無易損性區，通過評價參數的疊加仍存在較高的地質災害風險。而事實上，部分高危險區并不存在威脅對象，部分高易損區也可能不存在地質災害發生的基礎條件(平原)［9］，因此，評價的結果將與事實相悖。(2)也有不少學者采用非線性建模方式［10］，如模糊邏輯［11－12］、邏輯回歸［13］等。但多數方法是通過宏觀評價區域的地質環境參數進行風險區劃的，而較少將可能發生地質災害區域(隱患點)本身以及其威脅對象作為研究重點［14］，因此多數分區結果側重于反映區域滑坡、崩塌的易發情況，而忽略了地質災害與人的相關性。(3)對于易損性指標的獲取，主要參考研究區域的人口分布情況，而較少考慮斜坡體實際的威脅狀態，這將使分區結果的實用性和科學性大大降低。本次研究針對上述問題，提出以區域地質災害隱患點詳細調查為基礎，通過隱患點威脅狀態各指標與區域地質災害危險性指標間的非線性疊加，并根據疊加后的DEM數據進行地質災害風險分區的區劃模式。區劃成果的實用性及科學性較以往有著較大提高，可為地質災害的管理和預警提供有效的參考。

1風險區劃模式

1.1區劃模式特征與傳統風險區劃方式不同的是，研究采用的區劃手段是建立在區域地質災害隱患點(高陡邊坡、已發地災點)詳細調查的基礎之上，相較于以往通過地質環境圖件進行疊加分析的區劃方式，詳細調查更能切合區域地質災害及地質環境的實際情況，從而提高了區劃的準確性。此外，根據隱患點調查的結果，在風險評價指標的計算過程中，將評價因子為2組集合:隱患因素模塊(H)和影響因素模塊(I)，其中隱患因素指對于研究區域內地質災害危險性和易損性產生影響的指標參數，其不僅考慮了以往易損性評價中的人口指標，還根據區域調查結果，引入了潛在規模、坡高、坡度等小范圍內的危險性指標。通過整合多項指標，可更為精確的得出隱患點對于區域的威脅性。影響因素模塊指研究區域內的地質環境對地質災害發生發育產生影響各項指標參數。通過集合間的非線性疊加得出風險評價值，從而使隱患因素和影響因素存在的關系為:H∩I。將隱患因素形成獨立集合有利于隱患區域真實威脅性判斷，突出威脅對象因素在地質災害風險區劃中的作用，避免無隱患點區域存在高風險區的矛盾狀況。將影響因素單獨成集有利于風險區劃圖在后期使用中的擴展性，即在人工開挖邊坡等對區域地質環境進行人為改造活動后，可根據新的威脅對象狀態對風險區劃圖進行修正。

1.2區劃模型技術路線區劃模型主要遵循以下技術路線。(1)隱患點調查:采用隱患點實地調查的形式收集隱患點資料，根據風險區劃精度開展研究區域的高陡邊坡詳細調查。隱患點選取原則為:①存在威脅對象;②人工切坡高于5m且坡度大于30°;③坡腳威脅對象間距與坡高比小于0.5。根據風險區劃的要求，對隱患點的坐標、坡高、切坡坡度、潛在災害規模、威脅對象范圍及可能造成的人員財產損失進行記錄。(2)隱患點投影:通過GIS軟件，將隱患點根據坐標投影至研究區域地圖中，并根據制定的指標打分規則，對隱患點的信息進行打分，將最終分值以屬性的形式對隱患點進行賦值。(3)網格劃分:根據研究區域特點和評價精度，將研究區域劃分為相同大小的網格，統計網格內各地災點屬性數值。(4)指標打分:根據網格內各地質災害點和地質環境情況對各指標進行評分，具體評分方法見第2章。根據評分結果對網格進行屬性賦值。(5)風險評價指標非線性計算:將所有指標分為隱患因素集和影響因素集兩組集合，對網格內兩組集合分別進行線性疊加計算(式2、式3)，得出隱患模塊和影響模塊兩組數值。并最終將兩組數值進行非線性疊加，得出網格的風險數值(式1)。式中:R為風險數值，H為隱患模塊，T為影響因素，α為指數權重，X、Y分別為隱患指標和影響模塊指標的打分值，ω為權重因子，n為隱患點數量，m為影響因子數量。(6)風險區劃圖生成:根據疊加后的風險數值和網格坐標生成DEM數據，通過Mapgis軟件生成風險區劃圖。

2指標體系建立

2.1指標打分方法根據地質災害的基本特點，選定隱患模塊的指標為:坡高、切坡坡度、潛在災害規模及威脅的人員財產共4組指標。為消除指標量綱不統一對綜合評估帶來的影響，采用極差法對指標值進行標準化處理，將其量化到0～1之間，指標評分結果根據野外調查的結果，由式(4)進行確定。式中:X為上述隱患點影響因子的打分值，I為某指標的實際值，Imax、Imin為研究區域范圍內該指標的最大和最小值，n為網格內隱患點數量。實際操作過程中，為避免異常數據對評分值的影響，可根據隱患點實際情況，剔除異常數據，并對異常數據的打分值進行重新界定。影響模塊指標為:地層巖性、地形、降雨、植被發育情況和構造特征5組指標。指標參數的確定方法主要通過已有的地質環境圖件和地質災害點的分布圖件進行宏觀的確定。具體方法為:①從地質環境圖件中分類出影響模塊指標所對應的圖層信息，將各指標的圖層與災害點圖層進行疊加，統計各影響因素中不同類型單元已發地質災害數量和規模，利用密度比法(式5)確定影響因素各分類的密度比值，再將各分類密度比值進行歸一化處理(式6)，最終確定打分標準。式中:Fij表示第i種影響因素第j分類密度比值;Zij表示第i種影響因素第j分類中發生地質災害總數量、總面積或總規模;Sij表示第i種影響因素第j分類中總面積;Zt表示研究區發生地質災害總數量、總面積或總規模;St表示研究區總面積。f為網格所處的j分類的打分值。

2.2權重確定方法指標參數間線性疊加所需的權重采用層次分析法AHP進行確定，即對同一層各因素ui(i=1，2，…，n)相對于上一層支配因素的重要程度進行兩兩比較，按照1～9標度法標度的含義，構造比較矩陣。根據式(2)求出矩陣的特征根ω。Aω=λmaxω，(7)所得到的ω經歸一化處理后作為各影響因素在該準則層的權重。將λmax帶入式(8)，進行一致性檢驗。式中:n為判斷矩陣的階數。計算一致性比例CR=CI/RI，RI為隨機一致性指標，可根據介紹通過查表得出，當CR＜0.1時，判斷矩陣滿足要求。否則，需要對判斷矩陣重新進行調整。指數權重α根據區域地質災害發育特征，由專家討論以及經驗進行最終確定。

3實例分析

3.1區域概況及圖層繪制研究選擇的地質災害風險區劃區域為福建省寧德市蕉城區，區域東西寬達70km，南北長約50km，總面積1354km2。通過區域內1:5萬地質災害及隱患點詳查，查明地質災害點188處，隱患點(高陡邊坡)866處。調查期間記錄隱患點和地質災害點的相關數據，并通過Mapgis軟件投影至區域地圖上。形成地質災害點圖層(圖1)和隱患點圖層(圖2)。區域根據區域面積，按1km×1km劃分網格

。3.2指標評價3.2.1隱患模塊指標評分將網格內所有隱患點的隱患模塊參數代入式4計算各指標的評分值Xij，將網格內n處隱患點平均化后得到該網格的i指標評分值。并將該值賦予網格對應的屬性值。其中人員財產指標采用威脅1人=50萬的標準將威脅對象全部轉化為財產金額，便于比較。根據寧德蕉城區隱患點的實際情況，在評分取值過程中剔除潛在規模大于50000m3、威脅財產大于5000萬元的地災點，并規定上述情況隱患點相應指標評分取最大值。以某網格為例，網格內存在兩處隱患點，表1為網格的評分計算表，網格評分值為網格各指標的最終評分結果。3.2.2影響因素模塊指標評分將區域的地質環境圖系各圖層與地質災害分布圖層進行疊加，統計不同地質環境分圖層(巖性圖層、地貌圖層等)內各個分區(巖漿巖組、沉積巖組等)的地災點數量，根據密度比方法，計算各分區的密度比值，歸一化后得出各分區的評分值。根據網格所在區域的地質環境情況，賦予網格相應的評分值屬性。由于篇幅所限，僅列出地層影響因素評分計算表(表2)。

3.3權重計算各根據上節所述方法，首先構造隱患點模塊對比矩陣A和影響因素模塊對比矩陣B。計算得出矩陣A的特征向量為ω=［0.6648，0.1915，0.5140，0.3324，0.3830］，歸一化得出影響因素集u影=［地層巖性、地形地貌、降雨、植被發育情況、構造］各因子間的權重ωH=［0.32，0.09，0.25，0.16，0.18］。矩陣B的特征向量為ω=［0.25，0.25，0.47，0.80］，歸一化得出隱患因素集u隱=［坡高、坡度、潛在規模、威脅人員財產情況］各因子間的權重ωT=［0.14，0.14，0.27，0.45］。最終計算兩組矩陣一致性比例CR分別為0.043、0.36，均小于0.1，符合一致性要求。

3.4基于非線性算法的風險分區將評分值與權重計算結果代入式2、式3，計算得出各網格的隱患模塊和影響因素模塊的評分值H、T。分值代入式1計算得出各網格的風險數值R，其中根據區域地質災害發育情況及專家建議，指數權重α取0.7。采用等間距法，將風險數值劃分為無風險區、低風險區、中風險區、較高風險區和高風險區五個不同等級，并通過GIS軟件繪制最終的地質災害風險區劃圖(圖3)。區劃圖中高風險區域主要位于寧德城關、石后鄉、洋中鎮及三都鎮等人口密集且存在高陡邊坡的地區，無危險區域主要位于無人員居住的山區以及地勢相對平坦的平原區，整體區劃結果與實際情況基本吻合。

4成果分析

為驗證風險區劃成果的有效性，將非線性算法的風險分區圖與常規通過地質環境因素和人口密度因素進行線性疊加的地質災害易發分區圖進行對比，可以看出二者存在較大的差別。常規方法得出的地質災害高風險區主要集中在海拔較高但人煙稀少的山區，對于實際地質災害較為密集的城關區域則顯示為無風險區或低風險區，這與圖1中顯示的地質災害發生情況是相悖的。根據表3的具體的數值統計(準確率定義為高風險區和較高風險區內地質災害點所占比例，錯誤率定義為低風險區和無風險區地質災害所占比例)，非線性疊加分區模式有效的提高了分區成果的準確率并降低了分區成果的錯誤率，整體上與地質災害實際發生情況契合度更高，更好的反映出地質災害風險情況。另一方面，非線性疊加分區模式存在零值區域，也體現出人類活動對于地質災害發生的重要性，更好的體現了地質災害風險分區的實用性。綜上所述，非線性疊加分區模式對于地質災害的預警和防治具有較高的實用性和科學性，能夠較好的指導地質災害預防和預報工作。

5結論

文章建立了基于隱患點調查和非線性疊加算法的風險區劃模型，并通過寧德城區地質災害風險區劃為例做了詳細闡述，總體上可得出如下結論。(1)風險分區模型主要建立在前期的隱患點調查基礎上，通過有針對性的隱患點調查能夠收集詳實而有效的風險分區基礎數據，避免了通過圖鑒分析分區的盲目性和不確定性。(2)模型將隱患點獨立成集，并通過隱患點調查結果，進一步細化隱患點參數影響因素。突出了區域地質災害易損性對地質災害風險的影響力。(3)非線性疊加算法使隱患模塊和影響因素模塊形成交集關系。在突出了區域地質災害易損性對地質災害風險的影響力的同時，避免了無隱患點區域存在高風險區的矛盾狀況。(4)通過建立的風險分區模型與傳統的線性疊加分區模型進行對比，可得出基于隱患點調查和非線性疊加算法的風險區劃模型具有較高的準確率和較低的錯誤率，并劃分出了地質災害的無風險區域。總體上，具有較高的科學性和實用性。

參考文獻:

［2］蔡向陽，鐵永波．基于CVM的地質災害風險價值評估方法探索［J］．災害學，2017，32(1):212－215，227

［3］孟慶華，孫煒鋒，王濤．陜西鳳縣地質災害易發性評價研究［J］．工程地質學報，2011，19(3):388－396．

［4］俞布，潘文卓，宋健，等．杭州市滑坡地質災害危險性區劃與評價［J］．巖土力學，2012，33(1)．

［5］王雁林，郝俊卿，趙法鎖，等．汶川地震陜西重災區地質災害風險區劃探討［J］．災害學，2011，26(4):35－39．

［6］郭富赟，孟興民，張永軍，等．甘肅山區城鎮地質災害風險區劃技術方法探討［J］．蘭州大學學報(自然科學版)，2014，50(5):604－610．

［7］霍艾迪，張駿，盧玉東．地質災害易發性評價單元劃分方法—以陜西省黃陵縣為例［J］．吉林大學學報(地球科學版)，2011，41(2):523－535．

［8］劉亮亮，謝菲．基于GIS的地質災害風險區劃評價—以維西傈僳族自治縣為例［J］．地質災害與環境保護，2016，27(1):37－43．

［9］高華喜．滑坡災害風險區劃與預測研究綜述［J］．災害學，2010，25(2):124－128．

［10］沈玲玲，劉連友，許沖，等．基于多模型的滑坡易發性評價—以甘肅岷縣地震滑坡為例［J］．工程地質學報，2016，24(1):19－28．

［14］姚翔龍，趙法鎖，王雁林，等．陜南秦巴山區地質災害隱患調查識別探討—以柞水縣為例［J］．災害學，2016，31(3):230－234．

作者：陳志超 張智超 羅旋 葉龍珍 單位：福建省地質工程勘察院