導語：構建地理信息體系的危險性評估一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

僅利用有限的背景信息及數據評估與滑坡相關的災害對工程師，地質學家，規劃人員，土地所有者，開發商，保險公司以及政府部門是永遠的挑戰?；聻暮υu估可分為幾個步驟。第一步，識別和評估滑坡易發區域，生成滑坡編目圖備用?；戮幠繄D是針對一個區域采用野外測量，航空影像解譯，以及查詢歷史滑坡紀錄文獻等不同技術繪制的已有滑坡系列制圖，可以提供已有滑坡的位置空間分布。第二步，繪制滑坡危險性區劃圖，表達局部地形條件下滑坡現象發生的可能性。滑坡危險性區劃圖是基于歷史滑坡的分布，地形坡度，土壤及基巖類型，結構，水文和其他有關資料建立的。這些不同地理空間輸入數據集的唯一組合將生成代表不同危險性等級的區劃圖，包括低，中，高及非常高四個等級。地理信息系統技術和計算能力的迅速發展在處理大量滑坡數據集方面具有極大的潛力。

學者研究發現，滑坡災害評估可采用兩種通用方法實現：基于域的定性方法以及基于數據驅動的量化方法。就量化方法而言，通常采用二元或多元統計模型分析滑坡危險性。本文的研究目的在于使用兩種通用的模型實現二元及多元統計分析，并評價它們的效果?，F有的二元統計方法考慮多種不穩定性因素變量，并對每種變量影響滑坡的程度作獨立評估，然后采用唯一的方程聯合不同變量的影響。就多元統計而言，邏輯性回歸是目前研究成果中最為合適的方法。本文僅采用統計性顯著的不穩定因素數據估計滑坡的空間分布，忽略了不顯著數據的影響。二元及多元方法與采集數據的質量及數量有很強的相關性，而與任何主觀評估無太大關聯。選用的數據驅動技術十分穩健，不過滑坡危險性區劃圖的生成可能會滯后，因為搜集一個區域內與滑坡相關的足夠多的信息需要長時間的努力。另一方面，有限或者不具代表性的數據可能導致不合理的結果。本文研究的一個重要目的則是利用從被稱之為‘訓練區’的子研究區域獲取的極其有限的滑坡數據評估二元及多元技術的適用性。首先在訓練區對統計技術進行測試，然后將其應用范圍延伸至整個研究區域。為了評估技術的性能，我們測量并繪制了整個研究區域內的滑坡位置分布圖。研究結果表明，在范圍較小，且具代表性的區域做精細的采樣可以在較短時間內輕松獲得與實際相符的結果。本文的研究區域選擇為美國東北部的庫雅荷加河流域，與格雷特湖毗鄰。庫雅荷加河流域以滑坡災害聞名，然而該區域數據的空間覆蓋率有限，因此滑坡災害分布圖十分匱乏。針對該區域繪制滑坡危險性區劃圖是一項緊急任務，可以幫助有關部門準確預測未來滑坡的發生。

1研究區域

土著美國人將河流命名為“庫雅加”的意思是“曲水”。庫雅加河長約160千米，流域陸地面積2105平方千米，區域年降雨量（包括雨水和積雪）范圍為92.7厘米～102.67厘米。庫雅加河流域位于阿巴拉契亞高原省境內的阿列格尼山。該區域的基巖由古生代時期的硅質沉積巖組成，具體為晚泥盆紀，密西西比紀和賓夕法尼亞紀。跨越了大半個中生代二疊紀以及幾乎整個新生代，擁有2.7億年歷史的巖石紀錄丟失了，其原因可能是由于俄亥俄洲海平面的隆升導致了巖石的侵蝕。區域的地形大致呈起伏狀，高程范圍跨越160米～395米，邊坡傾角從0度到70度之間變化。旋轉滑動是庫雅加河流域主要的地質災害。除此以外，研究區域還出現了一些傳統的滑坡和泥石流現象，不過現有研究沒有考慮這些現象的形成機理。

2方法和數據

檢測造成滑坡的不穩定性因素需要對研究區域內影響滑坡的當地地質狀況做全面的認知。本文研究的不穩定性因素包括邊坡傾角，土壤地質和侵蝕度，與溪流之間的鄰近度，降雨量，土地覆被類型以及土壤性質?；碌拇嬖诳梢圆捎?.6米像素分辨率的彩色電子航空影像根據地形特征識別，例如地貌，植被及邊坡排水狀況等，然后通過野外調研驗證識別結果。我們還利用俄亥俄運輸局的記錄及已出版的俄亥俄東北部滑坡報道繪制了該區域約三十年的歷史滑坡位置分布圖，采用地理信息系統工具生成了區域的滑坡編目圖，表達該區域歷史及最近的滑坡發生狀況。庫雅加河流域發生的滑坡從幾米的小尺度到幾千米的大尺度范圍變化，將小于10米的小尺度滑坡作為土壤滑動從滑坡編目圖中剔除。文獻分析表明，定義編目圖里滑坡的范圍有幾種可選方法：單一狀態區（包括貧乏區及累積帶在內的所有滑坡區），滑坡前邊坡傾斜面，滑坡破裂帶，地貌地形單元，種子細胞法以及滑前狀況代表區。采用上述不同方法建立的滑坡編目圖結果完全不同，分別代表不同的含義。在本文的研究區域里，使用航空影像獲取小尺度到大尺度范圍的滑坡，并繪制貧乏區及累積帶邊界并非完全可行，尤其是樹林茂盛區。

因此，本文選取種子細胞法定義滑坡范圍。該方法認為最佳原始形態狀況（滑坡前狀態）可以從實發滑坡附近區域提取，通過給滑坡增加緩沖區實現。本文選用50米的緩沖區以保證所有像素點均位于滑坡前區域。本文將整個流域劃分為兩個區域：訓練區及測試區，其中訓練區位于薩米特縣及庫雅加縣，占地面積1416平方公里，測試區位于吉奧格縣和波特縣，面積689平方公里。研究區域包括訓練區和測試區。在生成的滑坡編目圖里，我們識別了訓練區內的170個滑坡現象（覆蓋147500個像素），以及測試區內的104個滑坡（覆蓋85320個像素）。分別采用二元及多元統計方法分析了訓練區內的滑坡現象，然后將分析結果擴展到整個研究區域，包括測試區。測試區內的滑坡僅用來驗證分析結果。不穩定性因素（包括邊坡傾角，土壤地質和侵蝕度，與溪流之間的鄰近度，降雨量，土地覆被類型以及土壤流體指數）以1:24000的比例尺作為不同柵格數據圖層輸入到地理信息系統。此外，ArcGIS的輸入數據還包括以7.5分地形方格圖表示的10米分辨率數字高程模型，并據此計算流域的邊坡傾角數據。邊坡傾角圖的角度范圍從0度到70度之間變化。研究區域內的淺層滑坡發生于覆蓋基巖的重積土層。

土壤制圖單元從自然資源保護服務所屬的美國農業部獲取，并根據農業部制定的質地分類獎土壤分為幾種不同類型，例如粘土，粉土，沙土和有機土壤。土壤侵蝕度則由通用土壤流失方程式確定，所需的參數包括從年累積降雨能量及密度獲得的侵蝕力指數，土壤的粘性及運動阻力，地形因子和作物經營因子。區域的平均土壤流失量范圍約為2.27×106～2.27×107千米/平方公里/年。與溪流之間的鄰近度根據庫雅加河及其支流周圍400米范圍的緩沖區生成。野外調研結果發現滑坡集中在被溪流侵蝕的兩岸附近，然而考慮到庫雅加河及其支流的蜿蜒特性，本文沒有對整個流域沿著侵蝕河岸的潛在不穩定性做敏感度分析。因此在400米緩沖區內生成的與溪流之間的鄰近度圖僅用來描述多數邊坡運動發生的地點。土地覆被圖數據從1994年的陸地衛星專題制圖儀數據中提取。數據圖層被分為多個類別：城市，農業區，灌木叢，森林，開放水域，非林區濕地和荒漠。

據有關文獻記載，二十世紀八十年代末興起的大規模森林砍伐使得庫雅加河流域的土地覆被類型發生了劇烈的變化，不過該區域于九十年代末開始實施退耕還林策略。本文假設森林砍伐會導致滑坡數目的增加，因此使用了1994年的土地覆被圖，而沒有使用最近的覆被資料。此外，由于研究涉及的歷史滑坡具有近30年的歷史，采用1994年的土地覆被圖更能反映平均滑坡事件的時間框架。我們對自然資源保護服務所屬的水資源及氣象研究中心的1962～1990年間30年的年均降雨量數據在ArcGIS環境里進行內插以獲得相同的時間分辨率。本文的重點在于研究庫雅加河流域的滑坡空間分布，因此并沒有評估滑坡與降水量的時間序列之間的關系，僅僅將三十年的年均降水量作為其中一個輸入因子。包含細微粒結構的土壤表現出塑性及粘性特征，由粘土、粉土及含水量決定。隨著含水量的增大，粘土或粉土會變軟，從固態變為塑態，直至液態。土壤位于半固態至塑態之間閾值處的天然含水量稱之為塑限，位于塑態及液態之間閾值處的天然含水量則稱為液限。流域土壤覆蓋的含水量及塑性指數從自然資源保護服務所屬的美國農業部獲得。含水量相對于液限及塑限的相對數值指明了重塑土壤表現出液態，塑態或者脆性物質的可能性。三者之間的關系可以通過液性指數描述。如果液性指數大于1，意味著含水量大于液限，沉積物在剪力作用下表現為近似液態；相反，如果數值位于0到1之間，土壤則表現為塑性，小于0表現為脆性。庫雅加河流域土壤的液性指數范圍為－2.2～0.7。本文根據土壤的含水量，液限及塑限值信息在ArcGIS環境下采用柵格計算器生成了基于格網的土壤液性指數分布圖。所有數據圖層均采用通用橫軸墨卡托投影，與1972北美基準對齊，比例尺選擇為1:24000，與美國地質勘探局使用的標準地形圖圖幅一致。最后對這些地理空間數據圖層做二元及三元統計分析。

3危險性分析和繪圖

本文采用二元及多元技術對庫雅加河流域內劃定的訓練區進行了滑坡危險性分析。每一項分析過程中，滑坡不穩定性因素（邊坡傾角，土壤類型，土壤侵蝕度，土壤液性指數，降水量，土地覆被，以及與溪流之間的鄰近度）均被視為造成滑坡（因變量）的獨立變量。分析的第一步是生成綜合數據矩陣，行和列分別代表自變量和因變量。為了達到無偏采樣代表的目的，滑坡發生狀態量（1）和未發生狀態量（0）均被看做是因變量。通過這種方法，我們總共識別了170個滑坡現象，覆蓋147500個像素。代表滑坡未發生且覆蓋相同像素的狀態量（0）隨機選擇。由此每個采樣點除了具有自變量信息外，還具有一個代表性二進制因變量值，用1（滑坡發生）或者0（滑坡未發生）表示。

3.1二元統計分析在二元分析過程中，我們研究了七個自變量中的每一個變量對滑坡危險性的影響，并假定自變量互不相關。通過分析七個自變量與滑坡發生頻率之間的關系分別估計了不同變量引起的滑坡危險性程度。訓練區域內每個變量引起的滑坡頻率通過柱狀圖分析計算獲得。在滑坡的頻率分布基礎上，相對于影響訓練區滑坡發生的不同因素，我們生成了范圍在0.0到1.0之間變化的數值分級系統，每個因素分布圖都劃分為10個相等間隔的等級，滑坡顯著的等級賦值為1.0。兩類數據圖層，土地覆被和土壤類型劃分為5個等級，且每個等級賦予相應的權重。為了與其他連續因素圖層數據保持一致，等級之間的增量選擇為0.2。每個類型值均由表達滑坡危險性程度的新數值替代。然后將這些信息傳輸至ArcGIS環境重組為七種不同類型，且分辨率為10米×10米的格網圖，每個格網點的值代表數值等級，是二元統計分析的基礎。

3.2多元統計分析多元統計模型和二元模型不同，將造成滑坡的所有不穩定因素圖層（即自變量）放在一起同時考慮，它們之間的相互作用可以幫助決策者判斷庫雅加河流域未來的滑坡發生概率。多元模型還可以評價每個變量的相對貢獻，強調造成滑坡的已知因素的影響(通過賦予相對權重實現)。考慮到本文所用數據的特點，我們選用邏輯性回歸分析進行多元統計。分析涉及的自變量包括非線性，非正態分布類型數據（土地覆被、土壤類型）和連續型數據（邊坡傾角，土壤液性指數，土壤侵蝕度，與溪流之間的鄰近度以及降水量），且因變量表現為二進制，兩分性（滑坡發生表現為1，未發生表現為0）。本文采用前向逐步回歸對庫雅加河流域范圍內的訓練區做邏輯性回歸分析，分析結果作為ArcGIS柵格計算器的輸入數據進行邏輯回歸方程的數學運算，以及生成滑坡危險性概率區劃圖（像素分辨率為10米×10米，滑坡發生的概率范圍為0～1）。

3.3危險性區劃圖采用二元及邏輯性回歸模型的目的是為了繪制滑坡危險性區劃圖，表達各個位置發生滑坡的概率。若數值接近1則表示該地點發生了滑坡?？蓪^劃圖分為低、中、高和非常高四個不同等級。為了確定分級步驟，本文參考了五種分級系統：專家意見，二叉法，自然臨界點，標準差和等間隔法。考慮到不同分級系統及所使用的實際數據的特征，本文最后選擇了等間隔法，將通過二元及邏輯性回歸模型計算得到的范圍位于0.0～1.0之間的滑坡危險性指數等間隔分為四個等級，數值分別為：低（0.00～0.25），中（0.26～0.50），高（0.51～0.75）和非常高（0.76～1.00）。

4統計分析結果

用于二元分析使用的流域訓練區數據表明滑坡發生的頻率在邊坡傾角為35.1～42.0度的范圍內隨著傾角的增大逐漸增大，當傾角大于42.0度時，頻率逐漸降低。多數滑坡發生在溪流附近，因為溪流兩岸的沉切作用是滑坡初始形成的重要因素。降雨量對于滑坡空間分布沒有顯著的特征，最高密度的滑坡集中在降雨范圍為96.53～97.79的區域。大多數滑坡地點的土壤液性指數范圍為－0.29～0.10。當液性指數范圍位于0～1之間時，土壤受到剪力作用時表現為塑性。旋轉滑動集中在高土壤侵蝕區，且滑坡頻率隨著土壤侵蝕度的降低而減少。位于粉土及粘土區域的滑坡頻率較砂土及沙礫區高，且大部分集中在森林區，其次是農業區和城區。本文采用的土地覆被圖從1994年的陸地衛星影像獲取，不過如果采用更近時期的土地覆被圖會得到完全不同的趨勢，因為城市化建設使得覆被類型經歷著不斷的變化。將輸入因素作為自變量，滑坡的發生及未發生狀態作為因變量，本文采用前向逐步回歸法對庫雅加河流域訓練區的數據進行了邏輯性回歸分析。然后利用沃爾德檢驗評價模型自變量系數的統計顯著性。結果表明邊坡傾角的沃爾德數值最大，也就是說在訓練區域內邊坡傾角是導致滑坡發生的最顯著因素，其次分別是與溪流的鄰近度，土壤侵蝕度以及土壤類型。最后將訓練區的分析結果外推到流域指定測試區。把訓練區和測試區的邊坡傾角，與溪流的鄰近度，土壤侵蝕度以及土壤類型數據圖層輸入到ArcGIS，利用邏輯回歸分析得到整個庫雅加河流域的滑坡危險性區劃圖。

5模型檢驗與統計分析對比

利用二元及邏輯性回歸建模獲得的庫雅加河流域滑坡危險性的準確性通過計算相對操作特性以及不同危險性類別里的已知滑坡的百分比進行評估。計算相對操作特性時，利用相對操作特性曲線值低于0.5～1.0的區域評價模型的準確性。理想模型的曲線值接近1，如果曲線值接近0.5則說明模型不準確。研究表明二元分析的相對特性曲線值為0.59，標準差為0.11，而邏輯性回歸的曲線值為0.81，標準差為0.07。由此可以得出結論，對于庫雅加河流域來說，邏輯性回歸能更好地估計滑坡危險性。模型的檢驗通過與測試區內104個已知滑坡位置比較實現。二元分析結果表明測試區內的多數滑坡集中在中高級危險性類別，而邏輯性回歸則顯示54%的滑坡集中在非常高危險性類別。邏輯性回歸較二元分析更能代表庫雅加河流域的實際狀況。

6總結

繪制滑坡危險性區劃圖對于減少庫雅加河流域滑坡災害具有十分重要的作用。本文采用兩種不同的方法，二元分析及邏輯性回歸分析以區域比例尺1:24000定義了流域滑坡危險性的空間分布。繪制過程在ArcGIS環境里基于像素實現，格網的像素分辨率為10米×10米。兩種方法的準確性通過計算相對操作特性曲線值以及與已知滑坡位置對比檢驗。結果表明，二元分析由于在模型分析里沒有考慮相關因素的影響只是一種近似方法，效果并不理想。邏輯性回歸法得到的結論與實際狀況相符，表明邊坡傾角，與溪流的鄰近度，土壤類型以及土壤侵蝕度是造成研究區域內滑坡運動最顯著的因素。除了繪制反映流域實際狀況的滑坡危險性區劃圖外，本文的另一個目的在于研究是否可以利用有限的采樣位置預測該區域的滑坡危險性。整個研究區域面積為2105平方公里，將其中的1416平方公里作為訓練區。在訓練區進行滑坡危險性分析，然后在假定整個流域具有相似的滑坡不穩定性因素前提下將分析結果外推至測試區。本文采用的邏輯性回歸分析獲得了滿意的結果。值得注意的是，為了獲得合理的結果，與滑坡相關的所有信息以及可能造成滑坡的每一種獨立因素都應進行全面的分析。

總的來說，邏輯性回歸模型應用于滑坡危險性分析具有良好的效果。本文的分析結果對于了解庫雅加河流域滑坡的空間分布做出了顯著的貢獻，生成的滑坡危險性區劃圖可以作為決策者和工程師完成邊坡管理及土地利用規劃時的參考。為了更精確地確定邊坡不穩定性等級，高滑坡危險性及非常高滑坡危險性區域還需要工程地質學家進行更為具體細致的研究。