基于不同耦合模型的区域地质灾害易发性评价—

引用本文

刘玥, 申玉松, 李旭, 张迪. 基于不同耦合模型的区域地质灾害易发性评价——以河南商城县为例[J].中国地质调查, 2024,11(1): 83-92.
LIU Yue, SHEN Yusong, LI Xu, ZHANG Di. Evaluation of regional geological disaster susceptibility based on different coupling models: A case study of Shangcheng County of Henan Province[J].Geological Survey of China, 2024,11(1): 83-92. 复制到剪切板

doi: 10.19388/j.zgdzdc.2024.01.10

Permissions

《中国地质调查》编辑部所有

基于不同耦合模型的区域地质灾害易发性评价——以河南商城县为例

刘玥^1,², 申玉松^1,², 李旭^1,², 张迪^1,²

1.河南省第三地质矿产调查院有限公司,河南郑州 450000

2.河南省自然资源科技创新中心(信息感知技术应用研究),河南郑州 450000

第一作者简介: 刘玥(1994—),女,工程师,主要从事基础地质与地质灾害方面的研究工作。Email: 493487617@qq.com。

收稿日期: 2023-05-23

基金资助: 河南省自然资源厅“河南省商城县1∶5万地质灾害风险调查(普查)评价(编号: 豫地灾项目〔2021〕39号)”项目资助

摘要

为探索效果最优的地质灾害易发性评价模型,以商城县为研究区,结合其孕灾地质条件与地质灾害发育特征,分析地质灾害影响因素,从地理环境、地质环境、人类活动3个方面选取高程、坡度、坡向、剖面曲率、植被覆盖率、工程地质岩组、断层、道路、水系9个因子构建评价指标体系,运用证据权(weights of evidence,WofE)模型、信息量(information value,IV)模型、层次分析-信息量(analytic hierarchy process-information value,AHP-IV)耦合模型分别进行了地质灾害易发性分析。研究表明: AHP-IV耦合模型下的受试者工作特征(receiver operating characteristic,ROC)曲线的线下面积(area under curve,AUC)值最大,评价效果更为准确,更适用于商城县地质灾害易发性评价。通过评价可知,商城县地质灾害极高易发区沿沟谷、道路呈条带状分布,高易发区呈团状包围在极高易发区边缘,中、低易发区多分布在地势平坦、岩性较单一的北部平原地区。研究成果可为当地的地质灾害防治管控工作提供科学依据,也可为类似区域的地质灾害易发性分区提供参考。

关键词: 地质灾害易发性; 证据权模型; 信息量模型; 层次分析-信息量耦合模型; 商城县

中图分类号:P694 文献标志码:A 文章编号:2095-8706(2024)01-0083-10

Evaluation of regional geological disaster susceptibility based on different coupling models: A case study of Shangcheng County of Henan Province

LIU Yue^1,², SHEN Yusong^1,², LI Xu^1,², ZHANG Di^1,²

1. Henan Third Institute of Geology and Mineral Resources Survey Co.Ltd, Henan Zhengzhou 450000, China

2. Henan Science and Technology Innovation Center of Natural Resources (Application Research of Information Perception Technology), Henan Zhengzhou 450000, China

Abstract

In order to explore the optimal evaluation model of geological disaster susceptibility, the authors take Shangcheng County as a case to analyze the influencing factors of geological disasters, combined with its geological conditions and geological disaster development characteristics. The evaluation index system was constructed using nine factors from three aspects of geographical environment, geological environment and human activities, which includes elevation, slope, aspect, profile curvature, vegetation coverage, engineering geological rock group, fault, road and water system. The weights of evidence (WofE) model, information value ( IV ) model and analytic hierarchy process-information value ( AHP-IV ) coupling model were used to analyze the susceptibility of geological disasters. The results show that the area under curve (AUC) of the receiver operating characteristic (ROC) curve using the AHP-IV coupling model is the largest, and its evaluation effect the most more accurate, which is most suitable for the susceptibility evaluation of geological disasters in Shangcheng County. The extremely high-prone areas of geological disasters in Shangcheng County are distributed in strips along valleys and roads and the extremely high-prone areas are surrounded by the high-prone areas like clusters. While the middle and low-prone areas are mostly distributed in the northern plains with flat terrain and single lithology. The research results could provide scientific basis for local geological disaster prevention and control work, and also provide reference for geological disaster susceptibility zoning in similar areas.

Keyword: geological disaster susceptibility; weights of evidence model; information value model; analytic hierarchy process-information value coupling model; Shangcheng County

图片选项

0 引言

商城县是河南省地质灾害易发县之一, 地质灾害隐患点多年保持在70~100处范围内。近年来, 地质灾害对人民生产生活、交通运输产生较大威胁, 在一定程度上成为制约区域经济可持续发展及社会稳定的重要因素。因此, 开展区域地质灾害易发性评价对当地的防灾减灾管理、国土空间规划具有重大意义。为提高地质灾害易发性分区的准确性, 国内外学者采用多种数学模型不断进行研究探索^[1], 由于地质灾害的发生受多种因素影响, 各地区的孕灾地质条件各有不同, 地质灾害评价模型尚未统一, 探索一种适合当地的区域地质灾害易发性评价模型至关重要。目前, 地质灾害易发性评价模型主要分为定量评价和定性评价, 定量方法主要有证据权^{[2, 3]}、信息量^[4]、逻辑回归模型^[5], 定性方法主要包括专家打分法^[6]、层次分析^[7]等。如: 王雷等^[8]运用信息量模型计算不同因子对地质灾害的信息量, 并依据灾害发生密度将易发性分为5类, 合理评价了安徽池州地质灾害的易发性; 白光顺等^[9]选用证据权法绘制地质灾害易发性图, 有效地预测了该区地质灾害, 该模型在研究云南高原低山丘陵区方面有效性较高; 刘康等^[10]通过将信息量与层次分析法进行耦合建立评价模型, 并对易发性评价的合理性进行检验, 克服了单一模型的局限性。从上述模型来看, 定量方法评价结果客观, 无法体现各因子对地质灾害影响的差异, 定性方法将专家经验有效量化, 但也存在较大的主观性和人为因素。考虑到定性评价与定量评价各有优缺点, 将定性定量相结合的耦合模型相比单一模型的预测效果更为精确。为探索效果最优的地质灾害易发性评价模型, 本文以商城县为研究区, 分别建立了证据权(weights of evidence, WofE)模型、信息量(information value, IV)模型和层次分析-信息量(analytic hierarchy process-information value, AHP-IV)耦合模型, 分析检验各模型评价结果的合理性, 并用受试者工作特征(receiver operating characteristic, ROC)曲线进行精度验证, 旨在筛选出更适用于商城县地质灾害的易发性评价模型, 为有效开展区域地质灾害防治工作提供科学依据。

1 研究区概况及数据来源

1.1 研究区概况

商城县地处鄂豫皖三省交界处, 隶属河南省信阳市。区内地形南高北低, 地形海拔高差为1 540 m。商城县位于北亚热带向暖温带过渡, 属亚热带季风性气候, 全年气候变化较大, 降雨主要集中在6— 8月, 年平均降水量为1 188 mm。区内河流众多, 以灌河为主要径流(图1)。

	Figure Option View Download New Window
	图1 商城县位置简图及地质灾害隐患点分布Fig.1 Location of Shangcheng County and distribution of geological hazard points

研究区位于东秦岭— 大别山造山带中东段, 大别山北麓。区内构造复杂, 具多期多次活动特征, 以断裂构造为主^[11]。龟山— 梅山断裂由中部自东向西横贯而过: 北侧为北秦岭地层区信阳— 商城小区, 主要出露地层为新元古界栾川群大红口组和煤窑沟组、早古生界二郎坪群、上泥盆统— 下石炭统花园墙组、上石炭统胡油坊组等, 自北向南由海相(火山)碎屑沉积变质岩向河湖相沉积变质岩递变; 南侧为南秦岭地层区西峡— 大别小区, 主要出露地层为中元古界— 新元古界浒湾岩组和龟山岩组、震旦系— 下奥陶统肖家庙岩组、泥盆系南湾组, 以海相火山岩为主, 夹陆源(火山)碎屑岩、碳酸盐岩沉积。区内岩浆活动强烈, 酸性侵入岩分布广泛, 侵入时代自晚元古代至早白垩世均有分布, 以早白垩世酸性侵入体分布最广^[12]。

在区域地质背景影响下, 特殊的自然地理环境和日益增多的人类工程活动致使商城县地质灾害频发, 地质灾害类型以滑坡、崩塌为主。据统计, 商城县域范围内共计发生地质灾害225处(图1), 其中滑坡151处, 崩塌69处, 泥石流5处, 分别占地质灾害总数的67.11%、30.67%和2.22%。

1.2 数据来源

本研究所用到的数据主要包括地质灾害点数据、地质数据、地理数据以及统计数据4类: 地质灾害点数据来源于商城县历年地质灾害调查以及商城县地质灾害风险评价野外资料; 地质数据来源于商城县1∶ 5万区域地质资料; 地理数据来源于“ 地理空间数据云” 平台收集的数字高程模型(digital elevation model, DEM)及道路、河流水系、工程设施等基础地理信息数据; 统计数据来源商城县统计年鉴^[13]。

2 地质灾害易发性评价模型原理

2.1 WofE模型

WofE模型是以贝叶斯统计模型为基础的综合分析方法^[14]。通过选取与地质灾害有关的影响因素作为证据因子, 基于统计学理论对证据因子进行统计分析, 得到证据因子权重, 最后根据相应证据权重叠加分析得到地质灾害易发性评价结果。

按照栅格单元对研究区进行划分, 假设将其划分成面积相等的T个栅格单元, 对于任意证据因子, 其权重定义公式为

$W^{+} = \ln \frac{P (B / D)}{P (B / \bar{D})},$ (1)

$W^{-} = \ln \frac{P (\bar{B} / D)}{P (\bar{B} / \bar{D})},$ (2)

$W_{f} = W^{+} - W^{-} 。$ (3)

式中: B为该影响因子级别内地质灾害栅格单元个数; $\bar{B}$ 为该影响因子级别内未发生地质灾害栅格单元个数; D为研究区内地质灾害的栅格单元个数; $\bar{D}$ 为研究区内非地质灾害的栅格单元个数; P为不同条件下发生的条件概率; W⁺为证据因子存在区的权重值; W^-为证据因子不存在区的权重值; W_f为综合证据权重, 指示特定因子等级对地质灾害的证据权重。

2.2 IV模型

IV模型通过信息量值的大小来评价影响因素与研究对象关系的密切程度^[15]。其主要原理为特定评价单元内致灾因素作用下地质灾害发生与区域地质灾害发生频率的函数比, 反映一定地质环境下致灾因素及其分级区间的组合。通过对历史地质灾害发育规律的定量分析研究, 查明影响地质灾害发育的主控因素及其影响方式, 并对影响因素进行合理的区间划分, 通过一定的数学模型计算因子内部不同区间的信息量值, 各评价因子提供的信息量值叠加即为评价区域总信息量值。

评价因子a在第i个分级区间的信息量I_ai的计算公式^[16]为

$I_{ai} = \ln \frac{N_{i} / N}{S_{i} / S} 。$ (4)

式中: I_ai为评价因子a在i区间下地质灾害发生的信息量; N_i为评价因子a在i区间下地质灾害点个数; N为研究区已知地质灾害点个数; S_i为评价因子a在i区间下分布的单元个数; S为研究区单元总个数。

每个评价单元受众多因素的综合影响, 各因素又存在若干状态, 计算单个评价单元内n种因素组合情况下, 地质灾害发生的总信息量I, 即

$I = \overset{n}{\sum_{i = 1}} \ln \frac{N_{i} / N}{S_{i} / S} 。$ (5)

式中: I为评价单元地质灾害发生的总信息量; n为参与评价的因子个数; N_i为在i区间下的地质灾害点个数; N为研究区地质灾害点总个数; S_i为在i区间下的分布面积, km²; S为研究区总面积, km²。

2.3 AHP-IV耦合模型

AHP-IV耦合模型是在IV模型的基础上, 采用层次分析(Analytic Hierarchy Process, AHP)法确定各评价因子权重, 对各评价因子信息量值赋予权重并求和进行评价的一种综合衡量方法^[17]。模型表述为

$G_{i} = \overset{m}{\sum_{i = 1}} W_{i} I_{ai} 。$ (6)

式中: G_i为评价单元的地质灾害加权信息量值; m为参与评价的因子个数; W_i表示评价因子的权重值; I_ai表示评价因子地质灾害发生的信息量值。

AHP法原理是将多指标因素根据其相互关系分层剥离, 构建基于一个目标层次下的多层次分析模型。计算构建的判断矩阵得到地质灾害易发性各评价因子权重, 检验其随机一致性比率(consistent ratio, CR), 如CR≤ 0.1, 说明判断矩阵的一致性良好, 通过检验。

3 评价因子选取及分析

地质灾害易发性评价是根据多个评价因子来综合决策的过程。评价因子选取要科学、合理、客观, 可以全面反映地质灾害易发性的影响因素。地质灾害发育分布特征表明, 地形地貌、地质构造、地层岩组等孕灾地质条件的相互作用, 共同控制和影响区内地质灾害的发育与分布。商城县地形地貌变化大, 构造复杂, 岩土体组合多样, 沟谷纵横, 植被茂盛, 孕灾地质条件复杂多变, 为分析其地质灾害分布规律与影响因素之间的关系, 本研究从地理环境、地质环境、人类活动动3个方面选取9个指标作为评价因子对商城县地质灾害易发性进行评价。

3.1 高程

高程一方面控制斜坡高度和坡度, 直接影响地质灾害的发育; 另一方面影响人类工程活动范围, 间接控制地质灾害发育。商城县位于大别山中段北麓, 地形南高北低, 南部为中低山、低山地形, 中部为丘陵地形, 北部为平缓的河谷阶地及垄岗地形。高程50~1 565 m, 相对高差达1 015 m。统计结果表明, 商城县地质灾害多数发育在[100, 200) m高程范围内的侵蚀剥蚀丘陵(图2(a)), 这一高程区间主要为山谷两侧斜坡及人类活动较为强烈地段, 岩体较为破碎, 应力集中, 易发生滑坡及崩塌。

Figure Option
View Download New Window

图2 研究区评价因子分级
注: 图(f)中I指块状坚硬混合岩、混合质片麻岩岩组; II指块状坚硬、较硬片岩、片麻岩、变粒岩岩组; III指层状坚硬、较硬大理岩、石英片岩岩组; IV指中厚层状坚硬砾岩、粉砂岩岩组; V指块状、碎裂状坚硬、较硬花岗岩岩组; VI指块状坚硬火山碎屑岩岩组; VII指粉土、粉质黏土、砂、砂砾石多层土; VIII指黏性土单层土体。Fig.2 Evaluation factor classification chart of the study area

3.2 坡度

坡度决定着地表径流的方式和下渗、山体斜坡的应力分布特征以及斜坡体松散物质的搬运和堆积等, 因此对地质灾害的发生起着较为明显的控制作用。商城县地形坡度最大为65° , 由南向北坡度逐渐变小。其地质灾害多为滑坡, 一般发育于折线型坡的转折部位, 大多发育在[5° , 10° )坡度范围内的较缓地带(图2(b)), 该类斜坡往往应力集中程度较大, 稳定程度较低。

3.3 坡向

我国位于北半球, 南向坡可接受更多的阳光, 通常易形成更厚的堆积层、更茂盛的植被。暖湿气流自南向北流动, 受地形阻隔, 在南向坡更容易形成降雨, 对地质灾害的发育、分布有一定的影响。地质灾害主要产生在东南、南、西南方向坡中, 在平坦处不易发生灾害(图2(c))。

3.4 剖面曲率

剖面曲率是斜坡沿最大坡降方向地面高程的变化率, 可以反映斜坡的坡形。该指标间接反映斜坡剖面的临空条件和坡脚支撑稳固条件特征, 与斜坡地质灾害息息相关。当斜坡表面曲率的数值大于0时, 说明该斜坡表面向外凸起; 数值小于0时, 说明该斜坡表面向内凹入。商城县地质灾害主要发育在曲率为[-1, 0)区域的凹形坡中(图2(d))。

3.5 植被覆盖率

植被具有滞留降水、保持水土、调节径流等功能, 对自然斜坡具有一定的保护作用, 可使斜坡免遭侵蚀, 具有稳固坡体的功能^[18]。当植被遭受破坏后, 植被原有的功能消失, 易产生泥石流、崩塌、滑坡灾害。商城县区内地质灾害集中发育在植被覆盖率为(0.2, 0.4]的区域(图2(e))。

3.6 工程地质岩组

岩土体类型是影响斜坡稳定性的重要因素, 不同的岩土体往往孕育着不同类型和规模的地质灾害。统计表明, 商城县地质灾害在块状、碎裂状坚硬、较硬花岗岩岩组(V)中发育最多, 其次为块状坚硬、较硬片岩、片麻岩、变粒岩岩组(II)(图2(f))。

3.7 距断层距离

构造断层对地质灾害的影响主要表现为断层带及其附近一定范围内的岩土体结构遭到破坏, 降低斜坡的完整性程度, 同时为地下水提供了重要通道, 因而对斜坡的变形和破坏带来不利影响。商城县地质构造以断裂为主, 如南北向的商城— 麻城断裂和东西向的龟山— 梅山断裂(图1)。根据断层的延伸性、规模和类型等地质特征分析其影响范围, 采用距断层的距离来分析其对区域地质灾害的影响。区内地质灾害多发育在距断层距离< 1 000 m范围内(图2(g))。

3.8 距道路距离

公路等交通建设是商城县最具代表性的人类工程活动之一, 且具有贯穿全县的特点, 边坡开挖及修筑路堤, 极易引发地质灾害。距离道路越近, 地质灾害易发程度越高。区内地质灾害主要集中在距道路距离< 150 m范围内, 具有沿道路密集展布的特点(图2(h))。

3.9 距水系距离

河流冲刷河床, 致使河流沿岸大多为基岩裸露, 河床边坡不稳定, 岩体破碎节理发育, 加剧地质灾害的发生。商城县沟谷纵横, 降水丰富, 地表水系发育, 河流密布。河流沟谷侵蚀作用影响显著, 地质灾害的形成与距离河流的距离关系紧密。商城县水系发育, 区内地质灾害主要分布在灌河及其支流两侧岸坡(图1), 多发育在距水系距离< 100 m 范围内(图2(i))。

3.10 评价因子计算结果

按照各模型原理与公式, 各评价因子计算结果如表1。

表1 研究区评价因子分级及计算数值 Tab.1 Evaluation factor classification and calculation results of the study area

评价因子	分级	单元数 (S_i)/个	地质灾害点数 (N_i)/个	综合证据权重(W_f)	信息量(I_ai)		权重值(W_i)		加权信息量值(G_i)
高程/m	< 100	1 169 390	23	-1.537 6	-1.220 2	0.1324		-0.161 6
	[100, 200)	1 073 761	146	1.377 2	0.713 2			0.094 4
	[200, 350)	604 031	36	-0.134 4	-0.111 6			-0.014 8
	≥ 350	529 347	20	-0.644 9	-0.567 4			-0.075 1
坡度/(° )	[0° , 5° )	1 617 095	63	-0.867 2	-0.540 4	0.178		-0.096 2
	[5° , 10° )	694 934	75	0.652 6	0.478 5			0.085 2
	[10° , 15° )	395 535	47	0.684 0	0.574 7			0.102 3
	[15° , 20° )	263 623	21	0.191 2	0.174 8			0.031 1
	[20° , 25° )	175 799	10	-0.170 1	-0.161 9			-0.028 8
	≥ 25°	217 186	9	-0.504 6	-0.478 7			-0.085 2
评价因子	分级	单元数 (S_i)/个	地质灾害点数 (N_i)/个	综合证据权重(W_f)	信息量(I_ai)		权重值(W_i)		加权信息量值(G_i)
坡向	平坦	119 263	2	-1.410 6	-1.383 3	0.079 1		-0.109 4
	北	426 284	24	-0.194 9	-0.172 2			-0.013 6
	东北	379 315	20	-0.264 4	-0.237 8			-0.018 8
	东	407 123	24	-0.142 4	-0.126 2			-0.010 0
	东南	357 359	32	0.333 0	0.291 8			0.023 1
	南	402 100	29	-0.038 3	0.075 4			0.006 0
	西南	363 590	39	0.548 4	0.472 4			0.037 4
	西	466 404	28	-0.007 2	-0.108 0			-0.008 5
	西北	442 734	27	-0.105 6	-0.092 3			-0.007 3
剖面曲率	< -1	200 531	14	0.049 6	0.046 6	0.055 7		0.002 6
	[-1, 0)	1 777 332	126	0.135 6	0.061 9			0.003 4
	[0, 1)	1 186 784	78	-0.021 2	-0.013 8			-0.000 8
	≥ 1	211 882	7	-0.734 9	-0.701 6			-0.039 1
植被覆盖率	[-1, 0]	878 730	1	-1.789 9	-1.767 9	0.041 5		-0.345 6
	(0, 0.2]	564 492	46	0.246 4	0.200 7			0.039 2
	(0.2, 0.4]	735 654	92	0.909 0	0.629 0			0.123 0
	(0.4, 1]	1 986 846	86	-0.838 9	-0.431 9			-0.084 4
工程地质岩组	块状坚硬混合岩、混合质片麻岩岩组(Ⅰ )	156 598	9	-0.154 6	-0.147 9	0.195 5		-0.028 9
	块状坚硬、较硬片岩、片麻岩、变粒岩岩组(Ⅱ )	506 398	47	0.403 2	0.331 3			0.064 8
	层状坚硬、较硬大理岩、石英片岩岩组(Ⅲ )	68 405	14	1.166 1	1.122 1			0.219 4
	中厚层状坚硬砾岩、粉砂岩岩组(Ⅳ )	350 937	38	0.560 8	0.485 5			0.094 9
	块状、碎裂状坚硬、较硬花岗岩岩组(Ⅴ )	1 188 901	77	-0.043 6	-0.028 5			-0.005 6
	块状坚硬火山碎屑岩岩组(Ⅵ )	161 921	12	0.112 0	0.106 3			0.020 8
	粉土、粉质黏土、砂、砂砾石多层土(Ⅶ )	481 328	27	-0.198 2	-0.172 2			-0.033 7
	黏性土单层土体(Ⅷ )	381 798	1	-3.352 0	-3.236 4			-0.632 7
距断层距离/m	< 1 000	937 906	89	0.531 7	0.353 6	0.067 9		0.024 0
	[1 000, 2 000)	787 444	70	0.395 5	0.288 3			0.019 6
	[2 000, 3 000)	564 576	37	-0.019 8	-0.016 5			-0.001 1
	[3 000, 5 000)	619 202	18	-0.948 7	-0.829 4			-0.056 3
	≥ 5 000	467 777	11	-1.140 5	-1.041 5			-0.070 7
距水系距离/m	< 100	597 774	77	0.883 3	0.659 2	0.083 3		0.054 9
	[100, 200)	496 466	51	0.531 0	0.432 9			0.036 1
	[200, 300)	432 436	31	0.084 4	0.073 2			0.006 1
	[300, 500)	671 829	30	-0.478 9	-0.400 2			-0.033 3
	≥ 500	1 178 400	36	-1.034 7	-0.779 8			-0.065 0
距道路距离/m	< 150	581 660	123	1.757 2	1.154 9	0.166 7		0.192 5
	[150, 300)	486 894	29	-0.129 9	-0.112 1			-0.018 7
	[300, 500)	524 854	10	-1.375 4	-1.251 9			-0.208 7
	[500, 800)	564 852	16	-0.964 7	-0.855 4			-0.142 6
	≥ 800	1 218 645	47	-0.760 1	-0.546 7			-0.091 1

表1 研究区评价因子分级及计算数值 Tab.1 Evaluation factor classification and calculation results of the study area

4 评价结果及精度检验

4.1 评价结果

基于GIS平台, 将各评价因子计算结果进行叠加分析, 利用自然间断点法找到4个突变点作为分区界线, 划分为低易发区、中易发区、高易发区、极高易发区(图3)。3种模型的地质灾害易发性分区结果与野外调查地质灾害分布情况整体一致, 能够反映地质灾害的空间分布特点。

	Figure Option View Download New Window
	图3 研究区不同模型下的易发性分区Fig.3 Vulnerability zoning diagram under different models of the study area

极高、高易发区主要位于县境中部及南部, 极高易发区沿沟谷、道路呈条带状分布, 高易发区呈团状包围在极高易发区边缘, 该区地质灾害多发育于沟谷及道路交汇处, 沟谷侵蚀较为强烈, 道路建设及房屋建设等人类工程活动影响进一步加剧了该区的地质灾害发育程度; 中、低易发区多分布在地势平坦、岩性较单一的县境北部平原地区, 该区以冲积平缓平原地貌为主, 区内地层以第四系松散堆积物为主, 人类工程活动主要为农业生产, 地质灾害发育少。

统计分析易发性分区与地质灾害点分布的关系(表2), 总体而言, 3种模型的计算结果差异不大。随着地质灾害易发性等级增加, 地质灾害点密度逐渐增大, 各等级易发区内地质灾害点数量占灾害点总数百分比与各易发区面积占总面积百分比的比值, 即频率比, 均显著增大。对比3种模型中频率比可知, AHP-IV耦合模型结果中的低易发区和极高易发区的频率比分别为最低值与最高值, 表明其低易发区和极高易发区的分区结果更为精确。

表2 研究区各模型评价结果对比 Tab.2 Comparison of evaluation results for each model of the study area

4.2 精度检验

对比不同模型的计算结果准确性, 采用受试者工作特征(receiver operating characteristic, ROC)曲线进行精度验证。ROC曲线是地质灾害易发区域评价精度验证的常用方法^{[19, 20]}。横坐标X轴为1-特异性, 也称为假阳性, 表示未发生灾害被正确预测的累计百分比; 纵坐标Y轴为敏感度, 也称为真阳性, 表示灾害单元被正确预测的累计百分比。ROC曲线下的面积(area under curve, AUC)是衡量模型准确度的重要指标, 其值介于0~1间, AUC值评价指标值越大, 则代表模型分类结果的准确性越高, 即模型精度越高。

由图4可知, 3种模型的AUC值差异不大, 均能客观准确地对商城县地质灾害易发性进行评价。其中AHP-IV耦合模型的AUC值最高, 具备更好的精度及预测性, 且其评价得到的易发性分区结果更符合野外调查结果, 具有较高的精确度。

	Figure Option View Download New Window
	图4 研究区各模型ROC曲线Fig.4 ROC curve of coupled model of the study area

5 结论

(1)从选取的9个评价因子各分级的灾害点数量可以看出, 在高程[100, 200) m, 坡度[5° , 10° ), 坡向朝向东南、南、西南, 剖面曲率范围为[-1, 0), 植被覆盖率为(0.2, 0.4], 块状、碎裂状坚硬、较硬花岗岩岩组, 距断层距离< 1 000 m、距道路距离< 150 m和距水系距离< 100 m情况下, 可能会加剧商城县地质灾害发育程度。

(2)商城县地质灾害极高易发区沿沟谷、道路呈条带状分布, 高易发区呈团状包围在极高易发区边缘, 中、低易发区多分布在地势平坦、岩性较单一的县境北部平原地区。地质灾害易发性分区与野外调查地质灾害分布情况相符, 具有较高的精度与准确度。

(3)WofE模型、IV模型、与AHP-IV耦合模型均能够客观准确地对商城县地质灾害易发性进行评价, 预测结果准确率由高到低依次为AHP-IV耦合模型> IV模型> WofE模型。AHP-IV耦合模型将定性和定量计算相结合, 避免了人为主观性和实际情况不符的问题, 使分区结果更加科学合理, 能够更加客观准确地对商城县地质灾害易发性进行评价。研究成果可为当地的地质灾害防治管控工作提供科学依据, 也可为类似区域的地质灾害易发性分区提供参考。

(责任编辑: 刘丹)

参考文献

文献选项

[1]	吴树仁, 石菊松, 张春山, 等. 地质灾害风险评估技术指南初论[J]. 地质通报, 2009, 28(8): 995-1005. Wu S R, Shi J S, Zhang C S, et al. Preliminary discussion on technical guideline for geohazard risk assessment[J]. Geological Bulletin of China, 2009, 28(8): 995-1005. [本文引用:1]
[2]	胡燕, 李德营, 孟颂颂, 等. 基于证据权法的巴东县城滑坡灾害易发性评价[J]. 地质科技通报, 2020, 39(3): 187-194. Hu Y, Li D Y, Meng S S, et al. Land slide susceptibility evaluation in Badong County based on weights of evidence method[J]. Bulletin of Geological Science and Technology, 2020, 39(3): 187-194. [本文引用:1]
[3]	范强, 巨能攀, 向喜琼, 等. 证据权法在区域滑坡危险性评价中的应用——以贵州省为例[J]. 工程地质学报, 2014, 22(3): 474-481. Fan Q, Ju N P, Xiang X Q, et al. Land slides hazards assessment with weights of evidence: A case study of Guizhou, China[J]. Journal of Engineering Geology, 2014, 22(3): 474-481. [本文引用:1]
[4]	鲁霞, 兰安军, 母浩江, 等. 基于信息量模型的盘州市地质灾害易发性评价[J]. 科学技术与工程, 2020, 20(14): 5544-5551. Lu X, Lan A J, Mu H J, et al. Geological hazard risk assessment based on information quantity model in Panzhou City[J]. Science Technology and Engineering, 2020, 20(14): 5544-5551. [本文引用:1]
[5]	许冲, 戴福初, 徐素宁, 等. 基于逻辑回归模型的汶川地震滑坡危险性评价与检验[J]. 水文地质工程地质, 2013, 40(3): 98-104. Xu C, Dai F C, Xu S N, et al. Application of logistic regression model on the Wenchuan earthquake triggered land slide hazard mapping and its validation[J]. Hydrogeology & Engineering Geology, 2013, 40(3): 98-104. [本文引用:1]
[6]	解明礼, 巨能攀, 刘蕴琨, 等. 崩塌滑坡地质灾害风险排序方法研究[J]. 水文地质工程地质, 2021, 48(5): 184-192. Xie M L, Ju N P, Liu Y K, et al. A study of the risk ranking method of land slides and collapses[J]. Hydrogeology & Engineering Geology, 2021, 48(5): 184-192. [本文引用:1]
[7]	祁于娜, 王磊. 层次分析-熵值定权法应用于山区城镇地质灾害易发性评价[J]. 测绘通报, 2021(6): 112-116. Qi Y N, Wang L. Application of AHP-entropy weight method in hazards susceptibility assessment in mountain town[J]. Bulletin of Surveying and Mapping, 2021(6): 112-116. [本文引用:1]
[8]	王雷, 吴君平, 赵冰雪, 等. 基于GIS和信息量模型的安徽池州地质灾害易发性评价[J]. 中国地质灾害与防治学报, 2020, 31(3): 96-103. Wang L, Wu J P, Zhao B X, et al. Susceptibility assessment of geohazards in Chizhou city of Anhui province based on GIS and informative model[J]. The Chinese Journal of Geological Hazard and Control, 2020, 31(3): 96-103. [本文引用:1]
[9]	白光顺, 杨雪梅, 朱杰勇, 等. 基于证据权法的昆明五华区地质灾害易发性评价[J]. 中国地质灾害与防治学报, 2022, 33(5): 128-138. Bai G S, Yang X M, Zhu J Y, et al. Susceptibility assessment of geological hazards in Wuhua District of Kuming, China using the weight evidence method[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(5): 128-138. [本文引用:1]
[10]	刘康, 田臣龙, 徐凤琳. 基于信息量-层次分析耦合模型的泗水县地质灾害易发性评价[J]. 中国地质调查, 2023, 10(2): 77-86. Liu K, Tian C L, Xu F L. Susceptibility assessment of geological disasters in Sishui County based on the couplingmodel of Information Content and Analytic Hierarchy Process method[J]. Geological Survey of China, 2023, 10(2): 77-86. [本文引用:1]
[11]	王瑜. 大别山北麓地区的构造格局[J]. 中国区域地质, 1994(2): 141-147. Wang Y. The tectonic framework in the northern piedmont area of the Dabie Mountains[J]. Regional Geology of China, 1994(2): 141-147. [本文引用:1]
[12]	杨泽强. 北大别山商城汤家坪富钼花岗斑岩体地球化学特征及构造环境[J]. 地质论评, 2009, 55(5): 745-752. Yang Z Q. Geochemistry and tectonic setting of the Tangjiaping Mo-riched granodiorite porphyry in the northern Dabie mountains[J]. Geological Review, 2009, 55(5): 745-752. [本文引用:1]
[13]	商城县统计局. 商城统计年鉴2021[R]. 2021: 33-34. Shangcheng County Bureau of Statistics. Statistical Yearbook of Shangcheng County 2021[R]. 2021: 33-34. [本文引用:1]
[14]	尚敏, 马锐, 张英莹, 等. 基于GIS的证据权重法的崩塌敏感性分析研究[J]. 工程地质学报, 2018, 26(5): 1211-1218. Shang M, Ma R, Zhang Y Y, et al. GIS based weights of evidence method for rock fall susceptibility[J]. Journal of Engineering Geology, 2018, 26(5): 1211-1218. [本文引用:1]
[15]	薛强, 张茂省, 李林. 基于斜坡单元与信息量法结合的宝塔区黄土滑坡易发性评价[J]. 地质通报, 2015, 34(11): 2108-2115. Xue Q, Zhang M S, Li L. Loess land slide susceptibility evaluation based on slope unit and information value method in Bao-ta District, Yan'an[J]. Geological Bulletin of China, 2015, 34(11): 2108-2115. [本文引用:1]
[16]	李中权. 基于信息量模型法评价青阳县地质灾害易发性[J]. 现代矿业, 2022, 38(9): 91-94. Li Z Q. Evaluation of geological hazard susceptibility in Qingyang county based on information model method[J]. Modern Mining, 2022, 38(9): 91-94. [本文引用:1]
[17]	李雪晗, 晏鄂川, 张丹. 基于信息量法与加权信息量法的地质灾害易发性评价效果对比——以蕲春县北部地区为例[J]. 河南科学, 2020, 38(2): 212-220. Li X H, Yan E C, Zhang D. The susceptibility evaluation effects of geological hazards based on information value method and weighted information value method: A case study from Northern Qichun County[J]. Henan Science, 2020, 38(2): 212-220. [本文引用:1]
[18]	王现国, 翟小洁, 张平辉, 等. 小秦岭矿区地质灾害发育特征与易发性分区[J]. 地下水, 2010, 32(4): 162-164. Wang X G, Zhai X J, Zhang P H, et al. Analysis of geological hazards development characteristics and effect factors at Xiaoqinling mining area[J]. Ground Water, 2010, 32(4): 162-164. [本文引用:1]
[19]	Fawcett T. An introduction to ROC analysis[J]. Pattern Recognition Letters, 2006, 27(8): 861-874. [本文引用:1]
[20]	Hanley J A, Mcneil B J. The meaning and use of the area under a receiver operating characteristic (ROC) curve[J]. Radiology, 1982, 143(1): 29-36. [本文引用:1]

2009

0.0

... 为提高地质灾害易发性分区的准确性,国内外学者采用多种数学模型不断进行研究探索^[1],由于地质灾害的发生受多种因素影响,各地区的孕灾地质条件各有不同,地质灾害评价模型尚未统一,探索一种适合当地的区域地质灾害易发性评价模型至关重要 ...

2020

0.0

... 目前,地质灾害易发性评价模型主要分为定量评价和定性评价,定量方法主要有证据权^[2,3]、信息量^[4]、逻辑回归模型^[5],定性方法主要包括专家打分法^[6]、层次分析^[7]等 ...

2014

0.0

2020

0.0

2013

0.0

2021

0.0

2020

0.0

... 如: 王雷等^[8]运用信息量模型计算不同因子对地质灾害的信息量,并依据灾害发生密度将易发性分为5类,合理评价了安徽池州地质灾害的易发性 ...

2022

0.0

... 白光顺等^[9]选用证据权法绘制地质灾害易发性图,有效地预测了该区地质灾害,该模型在研究云南高原低山丘陵区方面有效性较高 ...

2023

0.0

... 刘康等^[10]通过将信息量与层次分析法进行耦合建立评价模型,并对易发性评价的合理性进行检验,克服了单一模型的局限性 ...

0.0

... 区内构造复杂,具多期多次活动特征,以断裂构造为主^[11] ...

2009

0.0

... 区内岩浆活动强烈,酸性侵入岩分布广泛,侵入时代自晚元古代至早白垩世均有分布,以早白垩世酸性侵入体分布最广^[12] ...

2021

0.0

... 统计数据来源商城县统计年鉴^[13] ...

2018

0.0

... 1 WofE模型WofE模型是以贝叶斯统计模型为基础的综合分析方法^[14] ...

2015

0.0

... 2 IV模型IV模型通过信息量值的大小来评价影响因素与研究对象关系的密切程度^[15] ...

2022

0.0

... 评价因子a在第i个分级区间的信息量I_ai的计算公式^[16]为 ...

2020

0.0

... 3 AHP-IV耦合模型AHP-IV耦合模型是在IV模型的基础上,采用层次分析(Analytic Hierarchy Process,AHP)法确定各评价因子权重,对各评价因子信息量值赋予权重并求和进行评价的一种综合衡量方法^[17] ...

2010

0.0

... 5 植被覆盖率植被具有滞留降水、保持水土、调节径流等功能,对自然斜坡具有一定的保护作用,可使斜坡免遭侵蚀,具有稳固坡体的功能^[18] ...

2006

0.0

... ROC曲线是地质灾害易发区域评价精度验证的常用方法^[19,20] ...

1982

0.0

... ROC曲线是地质灾害易发区域评价精度验证的常用方法^[19,20] ...