陶 偉，孫 岳

（東華理工大學(xué)地球科學(xué)學(xué)院，江西 南昌 330013）

滑坡作為最常見的地質(zhì)災(zāi)害，危害性大、破壞力強，給人民的生命財產(chǎn)安全造成巨大威脅。據(jù)全國地質(zhì)災(zāi)害通報，2019年全國共發(fā)生地質(zhì)災(zāi)害6181起，共造成211人死亡、13人失蹤、75人受傷，直接經(jīng)濟(jì)損失27.7億元，其中滑坡4220起，占地質(zhì)災(zāi)害總數(shù)的68.27%，造成嚴(yán)重的環(huán)境破壞和經(jīng)濟(jì)損失，具有自然和社會雙重屬性[1，2]。我國幅員遼闊，地質(zhì)環(huán)境復(fù)雜多樣的特殊性決定了滑坡地質(zhì)災(zāi)害多樣性和區(qū)域變異性，滑坡同時受多種外界因素耦合誘發(fā)，亟待提高滑坡災(zāi)害監(jiān)測預(yù)警的時效性與準(zhǔn)確性[3]?？茖W(xué)地進(jìn)行滑坡災(zāi)害預(yù)測和評價對防災(zāi)減災(zāi)和保護(hù)人民生命、財產(chǎn)安全意義重大，選定合適的評價方法、建立分析模型，劃分研究區(qū)滑坡地質(zhì)災(zāi)害易發(fā)性等級，從而為防災(zāi)減災(zāi)和區(qū)域規(guī)劃的制定提供可靠的決策依據(jù)，為滑坡災(zāi)害防治和預(yù)警提供指導(dǎo)[4]。

地理信息系統(tǒng)（geographic information system，GIS）作為數(shù)據(jù)管理、空間分析和圖像輸出的強有力技術(shù)手段，能使得分析結(jié)果更加精細(xì)化，被廣泛應(yīng)用于滑坡地質(zhì)災(zāi)害的早期識別和定量分析領(lǐng)域。將地形地貌特征、地質(zhì)信息以及與滑坡有關(guān)的降水量和歷史災(zāi)害等數(shù)據(jù)導(dǎo)入GIS平臺，建立相應(yīng)的預(yù)測模型，能有效對滑坡災(zāi)害進(jìn)行評價和預(yù)測。GIS高效率、高精度、定量化的模擬與分析，對滑坡災(zāi)害的易發(fā)性區(qū)劃研究及預(yù)警有重要的現(xiàn)實意義，為滑坡災(zāi)害的研究開創(chuàng)了新局面。

本文通過總結(jié)前人基于GIS滑坡災(zāi)害易發(fā)性評價的研究方法和模型，歸納幾種常用的滑坡災(zāi)害評價方法，分析了其適用范圍及在應(yīng)用中的優(yōu)勢和局限性。在此基礎(chǔ)上，總結(jié)出基于GIS滑坡易發(fā)性評價思路，以期對今后的不同形成機(jī)理的滑坡災(zāi)害研究提供借鑒。

1 常見滑坡災(zāi)害易發(fā)性評價方法分析

滑坡災(zāi)害的易發(fā)性評價研究起始于20世紀(jì)60年代，九十年代開始伴隨著數(shù)理統(tǒng)計、概率論及信息量理論、模糊數(shù)學(xué)理論等學(xué)科不斷被引入地質(zhì)災(zāi)害研究領(lǐng)域，傳統(tǒng)定性研究逐步向定量研究發(fā)展，即以數(shù)據(jù)資料為基礎(chǔ)和依據(jù)，能夠更加客觀和科學(xué)的反映滑坡地質(zhì)災(zāi)害的真實狀況[5]。當(dāng)前，基于GIS應(yīng)用于滑坡地質(zhì)災(zāi)害評價的方法大致可以分為統(tǒng)計分析方法和數(shù)學(xué)模型法兩類。統(tǒng)計分析法中比較常見的方法有層次分析法、頻率比法、證據(jù)權(quán)法和邏輯回歸等；數(shù)學(xué)模型法中比較常用的有神經(jīng)網(wǎng)絡(luò)模型法、模糊綜合評判法、信息量模型、支持向量機(jī)模型法等[6，7]。

1.1 統(tǒng)計分析法

（1）層次分析法（Analytic Hierarchy Process，AHP）：20世紀(jì)90年代由T.L.Saaty提出層次分析理論的“1～9標(biāo)度法”，用于解決層次結(jié)構(gòu)或網(wǎng)絡(luò)結(jié)構(gòu)的多指標(biāo)決策分析的方法[8]。將評價因子大致分為目標(biāo)層、準(zhǔn)則層和方案層三個層次，分析思路是確定研究區(qū)域的方案層要素因子，照各因子相互之間的內(nèi)在關(guān)系，建立層次結(jié)構(gòu)模型，通過各因子的兩兩對比，建立判斷矩陣，進(jìn)行層次分析排序，確定單個因子的相對重要性。運用層次分析法進(jìn)行滑坡災(zāi)害易發(fā)性分區(qū)與評價基本流程為：分析地質(zhì)條件，選定評價因子和評價單元→建立遞階層次結(jié)構(gòu)模型→構(gòu)造判斷矩陣并計算各因子權(quán)重，計算權(quán)向量，一致性檢驗→因子加權(quán)疊加，分級擬合后進(jìn)行分區(qū)[2]。

層次分析法的優(yōu)勢是根據(jù)判斷矩陣定量計算出各因子的權(quán)重，雖然判斷矩陣是人為確定，但是矩陣需要通過一致性檢驗判斷權(quán)重是否科學(xué)，一致性檢驗合格后，確定各個評價因子的權(quán)重值，大大減少了人為確定的主觀性和錯誤可能性，確保AHP法在研滑坡易發(fā)性評價上的運用是科學(xué)合理的[9]。缺點是在構(gòu)建判斷矩陣時，評價指標(biāo)過多，統(tǒng)計量大，指標(biāo)間可能存在很強的相關(guān)性導(dǎo)致模型失真，且由于決策者很難掌握標(biāo)度的標(biāo)準(zhǔn)，因此往往做出的判斷不能滿足一致性檢驗。這會導(dǎo)致計算收斂較慢，迭代次數(shù)較多，從而增加計算量[10，11]。

（2）頻率比法（Frequency Ratio，F(xiàn)R）：基于已知的滑坡分布與各滑坡災(zāi)害影響因子間的關(guān)系，通過數(shù)學(xué)方法計算滑坡災(zāi)害與評價因子間的關(guān)系得到頻率比值（FR）表示滑坡地質(zhì)災(zāi)害位置和評價因子間的相關(guān)程度。FR值為1代表平均值，當(dāng)FR小于1時，表明評價因子與滑坡災(zāi)害相關(guān)性低；當(dāng)FR大于1時，說明評價因子與滑坡災(zāi)害間的相關(guān)性高。頻率比法類似于專家打分和層次分析法的確定權(quán)重步驟，僅僅是純數(shù)理統(tǒng)計，而對滑坡發(fā)育機(jī)理和各因子協(xié)同耦合關(guān)系缺少深入研究。

（3）證據(jù)加權(quán)分析法（Weights of Evidence Model，WEM）：是加拿大數(shù)學(xué)地質(zhì)學(xué)家Agterberg提出的一種地質(zhì)學(xué)統(tǒng)計方法，它基于貝葉斯理論，統(tǒng)計分析計算滑坡災(zāi)害評價因子的權(quán)重值。證據(jù)加權(quán)分析法成立有兩個前提條件，一是評價因子通過獨立性檢驗去除相關(guān)性大的因素，二是滑坡災(zāi)害所有的致災(zāi)因子均是長期保持不變的[12]。對滑坡災(zāi)害和滑坡災(zāi)害的致災(zāi)因子進(jìn)行空間分析，計算致災(zāi)因子的權(quán)重值，求取滑坡災(zāi)害危險性指數(shù)。這種方法成立的前提條件要求致災(zāi)因子相對穩(wěn)定，但是近年來極端氣候頻發(fā)，降水和溫度的變化較大，會間接影響一些其他因子，不能有效避免評價因子之間的相互依賴，因此使用該方法有很大局限性。

（4）邏輯回歸（Logistic Regression，LR）：從統(tǒng)計學(xué)角度出發(fā)，各因子數(shù)據(jù)可以作為自變量，而災(zāi)害的發(fā)生與否可以作為分類因變量。由于不是連續(xù)變量，線性回歸不適用于推導(dǎo)自變量和因變量之間的關(guān)系。這種情況下，通常采用對數(shù)線性模型，而Logistic回歸模型就是對數(shù)線性模型的一種特殊形式，被引入到地質(zhì)災(zāi)害評價中，展現(xiàn)了較好的評價效果[13]。邏輯回歸模型有操作方法簡單、計算過程不受主觀因素影響，評價結(jié)果的物理意義明確等突出優(yōu)點。其缺點是基于大樣本統(tǒng)計規(guī)律的，需要大量數(shù)據(jù)的支持，且對于研究區(qū)特征如植被覆蓋度高的容易造成數(shù)據(jù)本身的不確定性導(dǎo)致回歸模型的結(jié)果不可靠[4]。

1.2 數(shù)學(xué)模型法

（1）人工神經(jīng)網(wǎng)絡(luò)模型法（Artificial Neural Networks Model，ANNM）：是模擬人腦結(jié)構(gòu)和神經(jīng)元網(wǎng)絡(luò)進(jìn)行信息處理的數(shù)學(xué)模型，由大量處理單元互聯(lián)而成，具有獨特的學(xué)習(xí)和適應(yīng)特性，收斂速度快，容錯率高，被廣泛應(yīng)用于災(zāi)害預(yù)測等各個方面，取得了令人滿意的效果[13，14]。其中BP（Back-Propagation Network）神經(jīng)網(wǎng)絡(luò)模型是應(yīng)用最成熟廣泛的一種，于1986年被提出的，采用反推學(xué)習(xí)規(guī)則，又稱為反向傳播神經(jīng)網(wǎng)絡(luò)，是一種按誤差逆向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)。BP網(wǎng)絡(luò)是一種有監(jiān)督的學(xué)習(xí)算法，具有很強的自適應(yīng)、自學(xué)習(xí)、非線性映射能力，能較好地解決數(shù)據(jù)少、信息貧、不確定性問題，且不受非線性模型的限制。一個典型的BP網(wǎng)絡(luò)包括三層：輸入層、隱含層和輸出層，輸入層為滑坡災(zāi)害評價因子，輸出層主要是輸出滑坡災(zāi)害易發(fā)性的評價結(jié)果，而隱含層主要是用于修正誤差。但是由于人工神經(jīng)網(wǎng)絡(luò)對輸入層和輸出層有著嚴(yán)格的要求，而在地質(zhì)災(zāi)害評價中輸出層(危險性等級)很難和實際數(shù)據(jù)(災(zāi)害是否發(fā)生)一致，使得在地質(zhì)災(zāi)害中應(yīng)用人工神經(jīng)網(wǎng)絡(luò)技術(shù)的難點集中在訓(xùn)練樣本的選擇上。雖然BP神經(jīng)網(wǎng)絡(luò)具有高度非線性和較強的泛化能力，但也存在收斂速度慢、迭代步數(shù)多、易陷入局部極小和全局搜索能力差等缺點。

（2）模糊綜合評判（Fuzzy Comprehensive Evaluation，F(xiàn)CE）：是以模糊數(shù)學(xué)為基礎(chǔ)，將定性評價轉(zhuǎn)化為定量評價的綜合評判方法?？梢詫Υ_定性或不確定性因素基于給予綜合評價，將邊界不清，復(fù)雜模糊和不易定量的因素進(jìn)行量化[15]。滑坡地質(zhì)災(zāi)害的影響因子十分復(fù)雜，存在很多不確定性因素，而模糊綜合評判能夠?qū)ζ渲械牟淮_定因素建立分析模型，綜合考慮多因素、多層次的影響，直觀的描述各風(fēng)險因素間的關(guān)系，利用概率推理中的先驗概率及后驗概率進(jìn)行計算，確定不同區(qū)域的災(zāi)害發(fā)生風(fēng)險，對相似的地區(qū)進(jìn)行類比分析，再結(jié)合研究區(qū)實際地質(zhì)條件進(jìn)行綜合評判，使評價結(jié)果更加科學(xué)。但應(yīng)用模糊數(shù)學(xué)理論時，其隸屬度函數(shù)的選取更多的是依靠專家經(jīng)驗，評價結(jié)果具有很大的主觀性，而且由于模型的限制，在區(qū)劃中網(wǎng)格通常較大，致使評價結(jié)果不夠精確，本方法更適合單體滑坡的評價，在大范圍、區(qū)域性的滑坡空間預(yù)測上有很大的局限性。

（3）信息量模型（Information Model，IM）:是以已知災(zāi)害區(qū)的滑坡致災(zāi)因素為依據(jù)，推算出貢獻(xiàn)大小的信息量，建立評價預(yù)測模型。依照類比原則外推到相鄰地區(qū)，從而對整個地區(qū)的危險性做出評價。信息量模型相對于其他預(yù)測方法在單元劃分?jǐn)?shù)量較大的災(zāi)害區(qū)劃中更具優(yōu)勢。但信息量模型所統(tǒng)計的信息只能反映不同影響因子在特定組合情況下災(zāi)害出現(xiàn)的可能性，各因子的影響程度的差異不能體現(xiàn)，可能出現(xiàn)某種條件對災(zāi)害發(fā)生具有抑制作用，與自然規(guī)律相悖，影響準(zhǔn)確性[16，17]。為了解決這一問題，應(yīng)對評價因子進(jìn)行加權(quán)，使其反映出不同因素對滑坡影響的差異性，采用加權(quán)信息量評價模型，提高評價的準(zhǔn)確性[18]。信息量模型常用來與其他模型的計算評價結(jié)果交叉檢驗，效果較好。理論上信息量模型對參與危險性評價因子的標(biāo)志狀態(tài)的劃分沒有特殊要求，但研究發(fā)現(xiàn)[10]，因子選取及其標(biāo)志狀態(tài)劃分的合理性影響著計算評價的結(jié)果。所以，因子選擇要有代表性，能夠反映災(zāi)害活動的特征。在預(yù)測單元劃分上，依比例尺的不同要足夠小，這樣才能減少誤差，從而提高預(yù)測的準(zhǔn)確性[19，20]。地質(zhì)災(zāi)害有一定的隨機(jī)性，只從歷史災(zāi)害因素去分析和預(yù)測，缺少災(zāi)害形成機(jī)制的分析判斷，那么進(jìn)行分析的準(zhǔn)確性將取決于收集的數(shù)據(jù)量的大小，具有一定局限性。

（4）支持向量機(jī)模型（Support Vector Machine，SVM）：由Vapnik提出，是一種基于統(tǒng)計學(xué)原理的分類預(yù)測模型，通過引入核函數(shù)，將特征空間內(nèi)線性不可分的數(shù)據(jù)轉(zhuǎn)換為多維空間線性可分?jǐn)?shù)據(jù)的算法[17]。核函數(shù)是SVM的核心，核函數(shù)的選擇直接影響到運算結(jié)果的精度和時間。常見的SVM模型可以分為單類支持和兩類支持兩種。與其他統(tǒng)計預(yù)測模型或?qū)W習(xí)算法相比，支持向量機(jī)模型具有兩個突出優(yōu)點：①易于使用而不需要對輸入?yún)?shù)進(jìn)行較大的調(diào)整；②結(jié)合了最優(yōu)理論、統(tǒng)計和函數(shù)分析，計算效率高、預(yù)測能力強，在解決小樣本、高緯度和非線性問題方面更具優(yōu)勢，避免了人為因素的干擾[13，14]。在研究區(qū)資料不夠豐富時，可利用易于獲得的資料，如地形圖、遙感影像，加上已知滑坡點和不穩(wěn)定斜坡的位置，建立滑坡的預(yù)測評價模型，快速完成滑坡災(zāi)害的區(qū)劃評價。但這種方法需要選定合適的核函數(shù)，對數(shù)理分析及計算機(jī)能力要求較高。兩種類型中，由于單類支持向量機(jī)沒有未發(fā)生滑坡樣本的約束，因此在相同的預(yù)測精度下可能導(dǎo)致高危險區(qū)域偏大。

表1 常用滑坡易發(fā)性評價方法對比

2 常用滑坡評價方法對比

通過上述統(tǒng)計分析法和數(shù)字模型法的分析總結(jié)，不同方法的優(yōu)勢和局限性如表1所示。

由表1可知，不同方法都具有一定的局限性和適用范圍。在研究某一地區(qū)滑坡災(zāi)害時，由于影響滑坡發(fā)育的因素眾多，所有對滑坡的產(chǎn)生有貢獻(xiàn)的因素也很難被全部收集到，因此在研究區(qū)資料不夠充足時，可用已獲得的各種來源的數(shù)據(jù)結(jié)合現(xiàn)有的滑坡的詳細(xì)位置資料等，應(yīng)用一定的數(shù)據(jù)挖掘模型來建立適合目標(biāo)研究區(qū)的滑坡評價模型，實現(xiàn)滑坡災(zāi)害評價。本文針對不同形成機(jī)理的滑坡災(zāi)害，歸納出基于GIS滑坡易發(fā)性評價基本思路。首先依據(jù)已發(fā)生滑坡災(zāi)害的規(guī)模、大小、地形特征、坡度、巖石性質(zhì)、斷裂等信息進(jìn)行統(tǒng)計分析，確定評價因子，并進(jìn)行相應(yīng)賦值，然后根據(jù)滑坡易發(fā)性評價因子選擇合適的一種或幾種評價方法及模型，最后劃分易發(fā)性等級，完成滑坡災(zāi)害易發(fā)性評價和預(yù)測。

3 結(jié)語

對比基于GIS評價滑坡災(zāi)害的不同方法可知，針對不同區(qū)域的滑坡災(zāi)害，需要分析滑坡災(zāi)害的形成機(jī)理，選擇合適的易發(fā)性評價方法。此外，往往還需要綜合多種方法加以交叉驗證，才能達(dá)到科學(xué)合理的評價和預(yù)測結(jié)果。