EN中文

地球信息科学学报 >

2017 , Vol. 19 >Issue 12: 1584 - 1592

DOI: https://doi.org/10.3724/SP.J.1047.2017.01584

山洪/泥石流灾害风险评价

黄土区滑坡研究中地形因子的选取与适宜性分析

  • 牛全福 , * ,
  • 冯尊斌 ,
  • 党星海 ,
  • 张映雪 ,
  • 李月锋
展开
  • 兰州理工大学土木工程学院,兰州 730050

作者简介：牛全福（1973-）,男,甘肃天水人,博士,副教授,主要从事地理信息与数字地形分析方面的研究。E-mail:

收稿日期: 2017-06-12

  要求修回日期: 2017-07-11

  网络出版日期: 2017-12-25

基金资助

基金项目：国家自然科学基金项目（41461084）

甘肃省自然科学基金项目（145RJZA180）

收起

Suitability Analysis of Topographic Factors in Loess Landslide Research

  • NIU Quanfu , * ,
  • FENG Zunbin ,
  • DANG Xinghai ,
  • ZHANG Yingxue ,
  • LI Yuefeng
Expand
  • School of Civil Engineering, Lanzhou University of Technology, Lanzhou 730050, China
*Corresponding author: NIU Quanfu, E-mail:

Received date: 2017-06-12

  Request revised date: 2017-07-11

  Online published: 2017-12-25

Copyright

《地球信息科学学报》编辑部 所有
Fold

摘要

黄土高原是中国生态较为脆弱的地区,也是滑坡发育的地层之一。黄土滑坡发育是孕灾环境、致灾因子和承灾体等多种因素联合作用的结果,其中作为重要孕灾环境因素的地形因子的选取是黄土滑坡风险研究的基础。本文选取黄土滑坡灾害多发的甘谷县作为研究区,综合利用敏感性指数、确定性系数和相关系数方法进行地形因子在滑坡灾害研究中的适宜性分析,得出以下结论：基于确定性系数法、敏感性分析模型和相关系数法,最终筛选出适宜于本区域滑坡灾害评价的地形因子为：坡度、坡度变率、坡形和地表粗糙度;确定性系数法、敏感性分析模型都基于分析单一因子与滑坡之间的关系进行致灾因子选取,忽视地形因子之间的相关性。实验结果表明,研究区稳定性较差的区域与已发生滑坡灾害分布数量具有较好的对应关系,并深入分析了滑坡与地形因子分级范围的关系,发现地形因子分级范围对地质灾害风险研究具有重要的影响,是导致部分区域的差异性主要原因之一。实地调查发现,河网切割密度及人类工程活动也对研究区危险性具有重要的控制作用,是重要的地形因素。

关键词： 滑坡灾害; 黄土; 地形因子; 模型; 适宜性分析

本文引用格式

牛全福 , 冯尊斌 , 党星海 , 张映雪 , 李月锋 . 黄土区滑坡研究中地形因子的选取与适宜性分析[J]. 地球信息科学学报, 2017 , 19(12) : 1584 -1592 . DOI: 10.3724/SP.J.1047.2017.01584

Abstract

The region of loess plateau is one of the ecologically fragile areas in China. It is one of the slippery strata of which landslides often developed. The development of the loess landslides is the result of the combined effect of many factors such as the disaster environment, the disaster factor and the disaster bearing body. The selection of topographic factors which are important environmental elements of the disasters is the basis of the study of loess landslide risk. We take Gangu county as the study area, which is one of the frequent occurrence of loess landslide hazards in Gansu province. According to the basic conditions of landform, suitability analysis of topographic factors in the study area was carried out with models of sensitivity index (SI), certainty factor (CF) and correlation coefficient (CC). The following conclusions were obtained: Based on the models of SI, CF and CC, the topographic factors suitable for the loess landslide hazard research of this area are: slope, slope of slope (SS), slope shape and surface roughness (SR). The selection of disaster-inducing factors with the methods of SI and CF is merely based on the analysis of the relationship between the single factor and the landslides. We ignore the correlation between the topographic factors. The experimental results indicated that the area with poor stability in the study area has a good correspondence with the number of landslide hazard distributions. After deeply analyzing the relationship between the landslides and the grade range of the topographic factors, it is found that the grade range of the topographic factors has an important influence on the landslide risk assessment of the study area. This is one of the main reasons of the differences in some areas. Based on field investigation, the river-cutting depth, drainage density and human engineering activities are also important topographic factors and have key control effect on the landslides of this study area.

Key words： landslide hazard; loess; topographic factors; model; suitability analysis

1 引言

黄土是第四纪以来形成的、多孔隙弱胶结的特殊沉积物,它广泛分布于亚洲、欧洲、北美和南美等地。中国是世界上黄土分布最广、厚度最大的国家,位于中国第二级阶梯的黄土高原是世界上最大的黄土堆积区。作为特殊地质体,黄土是记录新近纪晚期以来全球自然环境和气候变化及地表灾害演化的最好载体[1]。由于黄土厚度大,结构疏松,沟壑纵横,地形破碎,气候干旱,降雨集中,水土流失极其严重,是中国生态环境最为脆弱的地区。同时,黄土又是中国滑坡发育的易滑地层之一,据统计,中国约有1/3的滑坡灾害发生于黄土地区[2]。随着西部经济的发展及人类工程活动的加强,滑坡灾害呈明显的高发趋势[3]。黄土滑坡灾害发育是孕灾环境、致灾因子和承灾体等多种因素联合作用的结果,其中,地形因素是滑坡形成基本条件之一,是重要的孕灾环境因素。地质灾害的研究通常依据相关算法、基于DEM进行定量提取,然后进行各地形因子与地质灾害的相关分析、环境建模和风险评价,并取得一系列的研究成果[4-7]。然而,对孕灾环境因子的选取,大多基于单一因子与滑坡灾害的关系,未考虑因子间的相关性,并且不同的学者对形成地质灾害的地形因子体系有不同的表述,缺乏普遍共识的评价框架体系[8],因此在一定程度上会影响滑坡灾害研究的精度。由于滑坡灾害形成过程的复杂性,非线性和不确定性,尤其针对中国地质灾害高发的黄土地区,探讨形成地质灾害的地形因子的独立性、实用性及有效性具有重要的现实意义。
黄土地质灾害的形成和发展与黄土地貌的演化密不可分,基于GIS、DTA技术的黄土地貌演变过程的定量刻化、精确判读地貌演化状态的研究已取得了一系列重要成果。如,基于DEM数据的黄土高原地区地面坡谱的研究[9-11]、基于DEM数和GIS技术的黄土地貌沟沿线提取研究[12]、基于DEM数据和分形技术对黄土高原地形地貌进行的研究[13]、黄土丘陵小流域的土壤侵蚀与地貌演化之间的研究[14]等。可见,坡面因子成为研究与表达地貌形态特征的基本途径,目前已形成的用于描述地形的微观因子包括坡度、坡向、坡长、坡度变率、坡向变率、曲率、坡高等,宏观因子包括地表切割深度、高程变异系数、地形粗糙度和起伏度等[15],已成为地质灾害研究的重要基础数据。为此,本研究选取中国典型黄土区——甘肃省甘谷县为对象,从研究区地形地貌基本形态的出发,基于GIS技术和高精度DEM提取各地形因子,依据多种算法分析地形因子在黄土滑坡研究中的适宜性,深入研究地形因子与滑坡灾害发生之间的相关性,为黄土区滑坡灾害风险评估研究提供参考。

2 研究区概况和研究方法

2.1 研究区概况

甘谷县位于西秦岭山地和陇中黄土高原的过渡地带,介于东经104°58´49″~105°31´14″,北纬34°26´07″~35°03´08″之间,渭河从中部自西向东横贯全县,境内梁、峁、沟、壑起伏纵横,湾、坪、川、滩交错如棋。地势总体南高北低,南、北两山向中部的渭河河谷倾伏,呈“两山夹一川”之势（图1）。
Fig. 1 The study area

图1 研究区域

受构造单元的影响,区内新构造运动十分活跃,褶皱、断裂较为发育[16]。依据地貌成因可分为构造剥蚀基岩山区、构造剥蚀黄土低山丘陵区和侵蚀堆积河谷区3个地貌单元,其中,构造剥蚀黄土低山丘陵为区内主要地貌类型,以古近系和新近系红层为基底,上覆早、中更新世黄土和马兰黄土,山顶多浑圆、平缓,山梁呈垅岗状、长条状展布。研究区气候属暖温带半干旱半湿润过渡带,据甘谷县气象局的资料,降水相对集中,小范围短时暴雨往往发生于4-5月,最大降雨量达189 mm（武家河）,区内年平均降雨量约450 mm,集各支流汇入渭河。由于渭河两岸的强烈上升,加上黄土塬及黄土梁峁土体破碎,河流发育,使得塬体边缘及河流沟谷深切,形成谷中谷及基座阶地等现象,如散渡河、清溪河、四十里铺河、武家河、大沙沟等,都形成了陡峻谷坡,为滑坡、崩塌泥石流形成提供了地形地貌条件。
由于研究区地质结构复杂,地形多样,地质环境与自然生态环境脆弱,历史上为地质灾害多发地区之一。经调查统计,区内主要地质灾害类型有滑坡、崩塌、泥石流和不稳定斜坡4种,其中滑坡228个,包括黄土滑坡、黄土与基岩复合滑坡、残坡积层滑坡和基岩滑坡等,以黄土滑坡和复合滑坡为主,多数为牵引式滑坡,占地质灾害点总数的76%;崩塌有17个,包括岩质崩塌和土质崩塌2种,占地质灾害点总数的4%;泥石流59个,主要为中小型,发育于基岩山区的冲沟中,占地质灾害点总数的14%,不稳定斜坡为24个,具有崩塌和滑坡两种趋势,以滑坡趋势为主,占地质灾害点总数的6%。从地质灾害的分布来看（图1）,明显受秦岭山脉和渭河谷地控制,总体上呈东西向带状展布,大多数灾害点分布于中低山丘陵地带-黄土梁峁过渡山坡地带,受地形地貌、岩性和渭河支流的控制作用十分明显。

2.2 研究方法

本研究主要数据有：数字高程模型(DEM)、灾害数据及辅助数据。为更精细地研究本区的地质灾害,采用比例尺为1:5万的高精度DEM,用于精确提取地形因子;灾害数据主要为调查已发生的滑坡、崩塌、泥石流及不稳定斜坡等;辅助数据包括研究区行政区划等基础地理信息数据。
本研究的基本思路如下（图2）：
Fig. 2 The technical route

图2 技术路线

① 利用已收集的数据,在ArcGIS平台支持下,基于1:5万DEM进行各地形因子的提取,获得各地形因子的栅格图层;② 将地质灾害点数据与提取的地形因子进行叠加和空间分析,获取地质灾害点的各地形因子属性值;③ 考虑地形因子间的相关性,进行研究区地形因子的滑坡灾害适宜性分析,尝试通过灾点的各地形属性值进行相关系数计算、基于确定性系数[17-18]和敏感性指数法[19-20]分别进行地形因子的地灾适用性分析,从而优选本区域滑坡灾害研究的地形因子;④ 深入分析已有地质灾害与地形因子的空间分布特征关系,并以研究区为例进行应用果分析,为进一步验证该方法在黄土地质灾害研究中地形因子选取的合理性。

3 研究区地形因子的选取

3.1 确定性系数法

确定性系数模型是Shortlife和Buchanan在1975年首次提出、并经Heekerman于1986年改进,可分析某一事件发生的各类因素敏感性,在地质灾害研究中能够反映出某类地形因子的易发区间[18]。其基本关系式为：
CF = p p a - p p s p p a 1 - p p s ) , p p a ≥ p p s p p a - p p s p p s 1 - p p a ) , p p a < p p s (1)
式中： CF 为确定性系数; p p a 是事件（滑坡）在数据类 a 中发生的条件概率,即某地形因子的某级别 a 中的滑坡面积与此地形因子该级别中单元总面积的比值; p p s 是事件在整个研究区中发生的先验概率,即整个研究区的滑坡面积与研究区总面积的 比值。
计算出各因子各级别的CF值后,按式（2）进行合并,假定合并的2个数据级别的CF值分别为 x 和 y ,合并后的Z值为该地形因子的滑坡灾害确定性系数。
Z = x + y - xy x , y ≥ 0 x + y 1 - min ( x , y ) x , y 异号 x + y + xy x , y < 0 （2）
若Z值越接近1,表示事件发生的确定性较高,即越易引起地质灾害的发生;若Z值越接近-1,表示其对地质灾害的发生与否无较大影响;若Z值接近于0,则表示先验概率与条件概率十分接近,不易判断其与灾害发生有无关系。
经过对研究区地质灾害影响因素深入分析,初步选取坡向、坡度、坡形、坡度变率、坡向变率、地形起伏度、高程变异系数、地表粗糙度及地表切割深度9个地形因子进行适宜性分析。在地形因子与滑坡数据空间叠加统计中,坡度按每隔5°、坡向按8个方位进行分级,坡形按凸坡、直坡和凹坡进行分级,坡度变率、坡向变率、地形起伏度、高程变异系数、地表粗糙度和地表切割深度均以ArcGIS提供的自然断点法分为9级,然后分别与滑坡数据进行空间叠加,统计出每个地形因子每一级的面积和滑坡个数;然后根据式（1）、（2）进行确定性系数计算,获得各地形因子的确定性系数值（图3）。
Fig. 3 Certainty coefficients of topographic factors

图3 地形因子确定性系数

由图3可知,坡度、坡度变率、坡形、地表起伏度、地表粗糙度和高程变异系数对应的确定性系数大于0,对滑坡发生起到促进作用;坡向、坡向变率和地表切割深度对应的确定性系数小于0,对滑坡的发生起抑制作用。因而基于确定性系数法确定的适宜于本区域滑坡灾害评价的地形因子为：坡度、坡形、坡度变率、地表粗糙度、地表起伏度和高程变异系数。

3.2 敏感性指数法

敏感性指数是通过统计学的方法来计算各地形因子各级别发生灾害的相对频率。若以 P mn 代表因子 m 的某属性 n 出现的频率,则滑坡和地形因子属性的相对频率计算步骤[20]为:
（1）计算地形因子m中各分级n中滑坡灾害 概率。
D P mn ( L ) = P mn ( L ) / P m ( L ) （3）
式中： D P mn ( L ) 为滑坡灾害频率; P mn ( L ) 为分级中滑坡面积; P m ( L ) 为总滑坡面积。
（2）计算地形因子m中分级n的面积频率。
D P mn ( L ) = P mn ( G ) / P m ( G ) （4）
式中： D P mn ( G ) 为分级面积频率; P mn ( G ) 为分级面积, P m ( G ) 为研究区面积。
（3）计算各因子各等级敏感性 D P mn 。
D P mn = D P mn ( L ) / D P m ( G ) （5）
（4）将计算得到的 D P mn 取算术均值即为该地形因子的敏感性指数值。若均值大于1,说明该地形因子对灾害有较大影响,选择其为参评因子,否则剔除。
在敏感性指数的计算中,将3.1节提取各地形因子分级图层与滑坡数据进行空间叠加,依据敏感性指数模型,经统计得出各地形因子的敏感性指数平均值（图4）。
Fig. 4 Sensitivity indices of topographic factors

图4 地形因子敏感性指数

由图4可看出,平均敏感性指数从大到小依次为：地表粗糙度>坡度>高程变异系数>坡度变率>地形起伏度>坡形>地表切割深度>坡向>坡向变率。其中,坡向变率的平均敏感性指数值小于1,坡向的平均敏感性指数值接近于1,说明其对地质灾害的发生影响较小,故剔除。因此,基于敏感性指数模型确定的适宜于本区域滑坡灾害评价的地形因子为：地表粗糙度、坡度、高程变异系数、坡度变率、地形起伏度、坡形和地表切割深度。

3.3 地形因子的确定

通过比较上述2种方法发现,确定性系数法与敏感性指数模型法获得的结论基本一致。差异主要是敏感性模型法多了一个地表切割深度因子,由于地表切割深度因子的敏感性仅为1.074,接近于1,只是该模型没有明确的界定标准,故保留。然而,由于这2种方法均需要对地形因子（连续变量）进行分级,然而缺少相应的分级范围标准,本研究各地形因子采用自然断点法进行分级,也具有较强的主观性,这可能会在一定程度上影响地质灾害评价的精度。而且,这2种方法都仅仅分析了单一因子与地质灾害的相关关系,并没有考虑各个因子之间的相关性,因而筛选出的结果可能仍存在一定的 误差。
考虑各地形因子的相关性,本研究采用因子间的相关系数计算来剔除。基于上述2种方法筛选出的7个地形因子,分别计算微观地形因子和宏观地形因子两两间的相关系数（表1、2）。
Tab. 1 The correlation coefficients of micro-topographic factors

表1 微观地形因子相关系数

相关系数 坡度 坡形 坡度变率
坡度 1 0.113 0.250
坡形 1 -0.123
坡度变率 1
Tab. 2 The correlation coefficients of macro-topographic factors

表2 宏观地形因子相关系数

相关系数 地表起伏度 地表粗糙度 高程变异系数 地表切割深度
地表起伏度 1 0.829 0.957 0.957
地表粗糙度 1 0.808 0.772
高程变异系数 1 0.903
地表切割深度 1
通常情况下通过以下取值范围判断地形因子间的相关强度：相关系数0.8-1.0为极强相关,0.6-0.8为强相关,0.4-0.6为中等程度相关,0.2-0.4为弱相关,0.0-0.2为极弱相关或无相关。
从表1、2可知,坡度、坡形和坡度变率间的相关性较小,而地表粗糙度、高程变异系数、地形起伏度和地表切割深度之间具有较大的相关性。由于地表粗糙度在敏感性模型和确定性系数中均表现出较高的敏感性,因此,综合上述3种方法分析研究区地形因子的地质灾害适宜性问题,确定控制滑坡发生的主要地形因子为：坡度、坡度变率、坡形和地表粗糙度。

4 研究区地形因子的适宜性分析

4.1 研究区应用分析

基于上述筛选的研究区影响滑坡发生的主要地形因子,对甘谷县滑坡灾害进行危险性评价。在危险性评价因子的建立中,环境因子主要选取了坡度、坡度变率、坡形、地表粗糙度、地层岩性;触发因子选择了河网密度、道路工程;已有灾害主要选取灾点密度和断裂密度。将各因子分别转换成栅格层并进行重分类后,与已有滑坡灾害点进行叠加,计算各因子各级别的敏感性指数[19],然后将所有因子进行叠加运算,依据自然断点法将叠加结果分为较高、高、中、低和极低5个危险区等级,得到甘谷县滑坡灾害危险性分布图（图5）。
Fig. 5 Landslide hazard risk assessment

图5 滑坡灾害危险性分级图

对图5进行统计,其较高、高、中、低和极低5个等级的面积分别为13.9、155.8、640.5、386.7和366.8 km2,对应灾害点个数依次为5、72、154、44和19个;同时统计出各等级内的灾点密度分别为0.36、0.46、0.24、0.11和0.05 个/km2。统计结果表明：研究区滑坡灾害易发区大多数分布于高、极高和中度危险区,说明本次危险性评价结果较合理,即稳定性最差的区域与已发生滑坡灾害分布数量具有较好的对应关系,也反映出本次研究中地形因子的选择基本合理。经现场调查,研究区滑坡灾害主要分布于渭河及各支流两岸、人居高密度区域的道路两侧、农田坎坡等处,与评价结果基本一致,然而在高度和中度危险区也存在一定的差异性,需结合各地形因子作具体分析。

4.2 地形因子的滑坡灾害空间特征分析

为进一步分析研究区已发生滑坡与地形因子之间的空间分布特征,分别对坡度、坡度变率、坡形和地表粗糙度按自然断点法进行分级,并与滑坡灾害数据进行叠加统计,获取各因子各级的敏感性和确定性系数（表3-6）。
Tab. 3 Slope grades with SI and CF

表3 坡度分级与敏感性指数和确定性系数统计

坡度分级/° 面积/km2 面积百分比/% 滑坡/个 滑坡百分比/% 滑坡密度/（个/m2） 敏感性指数 确定性系数
0~10 240.470 29.173 15 11.538 0.624 0.396 -0.604
10~20 337.408 40.933 47 36.154 1.393 0.883 -0.117
20~30 203.028 24.630 53 40.769 2.610 1.655 0.396
30~40 39.047 4.737 12 9.231 3.073 1.949 0.487
40~65 4.368 0.530 3 2.308 6.868 4.355 0.770
Tab. 4 Slope shape with SI and CF

表4 坡形分级与敏感性指数和确定性系数统计

坡形分级 面积/km2 面积百分比/% 滑坡/个 滑坡百分比/% 滑坡密度/（个/m2） 敏感性指数 确定性系数
凸坡 77.739 9.431 21 16.15 27.014 1.712 0.416
凹坡 610.038 74.007 86 66.15 14.097 0.894 -0.106
直坡 136.537 16.564 23 17.69 16.845 1.068 0.064
Tab. 5 Slope of slope with SI and CF

表5 坡度变率分级与敏感性指数和确定性系数统计

坡度变率 面积/km2 面积百分比/% 滑坡/个 滑坡百分比/% 滑坡密度/（个/m2） 敏感性指数 确定性系数
0~3.2 279.573 33.916 29 22.31 10.373 0.658 -0.342
3.2~7.4 272.118 33.011 36 27.69 13.230 0.839 -0.161
7.4~12.3 164.387 19.942 33 25.38 20.075 1.273 0.214
12.3~19.1 82.139 9.964 17 13.08 20.697 1.313 0.238
19.1~47.9 26.104 3.167 15 11.54 57.463 3.644 0.726
Tab. 6 Roughness with SI and CF

表6 粗糙度分级与敏感性指数和确定性系数统计

粗糙度 面积/km2 面积百分比/% 滑坡/个 滑坡百分比/% 滑坡密度/（个/m2） 敏感性指数 确定性系数
1.00~1.03 383.884 46.57 34 26.15 0.006 0.562 -0.438
1.03~1.09 281.086 34.10 48 36.92 0.011 1.083 0.076
1.09~1.16 121.180 14.70 34 26.15 0.018 1.779 0.438
1.16~1.31 33.913 4.11 11 8.46 0.02 2.056 0.514
1.31~2.38 4.259 0.52 3 2.31 0.044 4.471 0.776
由于坡度直接决定斜坡的应力分布,坡度的大小影响着斜坡表面土体所承受的重力、斜坡表面的径流能量等,因此,斜坡坡度一直被认为是影响滑坡稳定性的重要因素。从表5可看出,虽然敏感性模型和确定性系数计算得到值域范围不同,但2种算法获得的结果基本一致,SI值和CF值基本随坡度的增大而增大,尤其在坡度20~30°︒区段的敏感性大于1,CF值大于0.4,说明此区段坡度对滑坡灾害的发生起明显的促进作用,灾点数达53个。当坡度大于40°时,地质灾害主要以崩塌为主,滑坡发育较少,然而计算预测的敏感性值和CF值表明该区间却更有利于滑坡灾害发生,进一步分析发现这种结果与地形因子的分级范围有关,需结合滑坡实际确定坡度分级范围。
从表4可知,就敏感性来说,凸坡>直坡>凹坡,且敏感性均大于1,说明凸坡与直坡非常有利于滑坡灾害的发生,是区内地质灾害的主要分布区;从确定性系数表明,凸坡与直坡的确定性系数大于0,也体现出与敏感性分析一致的特性。由此表明,研究区地质灾害主要分布在凸形坡和直形坡。
坡度变化率是反映地形基本因子坡度变化情况的指标,坡度变率越大,表明该点处的坡度变化越大,形成临空面,为地质灾害的发生创造了条件。从表5可看出,当坡度变率大于7.4时,敏感性大于1,确定性系数也大于0,表明坡度变率大于7.4时,对地质灾害的发生起正向反馈作用。且灾点密度、敏感性及确定性系数的计算结果基本一致,即随着坡度变率的增大,越有利于地质灾害的发生。然而,通过分析发现,区段0~3.2和3.2~7.4的灾点个数分别为29个和36个,但模型计算的敏感性不大,而且其确定性系数均小于0,指示该区间较为稳定,与实际情况不符合,其原因为该区域所分面积较大,级别内地质灾害所占比例较小。
地面粗糙度是特定的区域内地表表面积与其投影面积的比例,是反映地表宏观区域内地面的破碎程度与受侵蚀程度的指标。其大小反映了降雨水流的分散与汇集能力,粗糙度大的斜坡不利于产流而有利于雨水汇集,将加大地下水对岩土体的物理力学特征的改变,在外力作用下易于发生滑坡灾害。从表6可知,当地表粗糙度在1.03-1.09区段时,其敏感性大于1,确定性系数大于0,说明研究区在粗糙度大于1.03时,易于引起地质灾害的发生,且随着粗糙度的加大,灾害的敏感性也增大。从确定性系数计算值发现,在1-1.03区段,灾点数为34个,但是确定性系数值却小于0,指示该区间较为稳定,亦与实际情况不符合,其原因为该区域所分面积较大,级别内地质灾害所占比例较小所致,这也反映出该算法与分级范围有一定的关系。

5 结论与讨论

黄土高原地区是中国生态较为脆弱的地区,黄土也是滑坡发育的易滑地层之一。本文选取地质灾害多发的甘谷县作为研究区,基于敏感性模型、确定性系数和相关系数法进行地形因子在滑坡灾害评价中的适宜性分析,并基于敏感性和确定性系数值进行灾害的地形因子空间分布特征分析和研究区危险性评价应用,得出以下结论：
（1）研究区基于确定性系数和敏感性分析模型法进行黄土区滑坡灾害的地形因子适宜性分析,按照相应的标准对地形因子进行筛选。确定性系数法确定的适宜于本区域滑坡灾害评价的地形因子为：坡度、坡形、坡度变率、地表粗糙度、地表起伏度和高程变异系数;敏感性分析模型确定的地形因子为：地表粗糙度、坡度、高程变异系数、坡度变率、地形起伏度、坡形和地表切割深度。由于地表切割深度的敏感性接近于1,因此其对滑坡灾害的影响不是很大,所以2种方法的计算结果基本一致。在综合分析因子间的相关性后,最终筛选出适宜于本区域滑坡灾害评价的地形因子为：坡度、坡度变率、坡形和地表粗糙度。黄土滑坡是坡体内应力与其强度发生演化的结果[21]。统计发现,研究区滑坡主要发生于10~30°坡度范围,该区由于发育的滑坡类型大部分为黄土-泥岩接触面滑坡,斜坡上部渗透性较好的黄土与下部渗透性差的泥质岩类构成“双层异质”的斜坡结构,当降水较为丰富时,极易沿软弱结构面发生滑动[22]。同时,研究区滑坡主要位于凸形坡和高陡直形坡,由于坡体内的水平应力减弱,坡角处剪应力集中,致使其出现大量拉张裂缝,有利于水分的入渗[23],为滑坡的形成创造了条件。
（2）基于上述方法确定的地形因子进行研究区实验结果表明,研究区稳定性较差的区域基本与已发生滑坡灾害分布数量具有较好的对应关系,反映出本次研究中地形因子的选择基本合理。经现场调查确认,研究区滑坡灾害部分分布于渭河及各支流两岸、人居高密度区域的道路两侧、农田坎坡等区域,位于评价结果的高和极高风险级别区,调查数据与评价结果基本一致;同时由于实践中对地形因子分级范围缺乏一定的标准和参考,地形因子分级的经验性以及数字高程模型的分辨率也导致部分区域存在一定的差异性,因此,在操作时易结合实际对选取的地形因子作具体分析,以保证评价的精度。
（3）黄土区滑坡灾害危险性评价,地形因子是重要的控制因素之一。依据本次研究选定的因子进行实验区危险性评价,并进行实地调查发现,河网切割密度及人类工程活动也对研究区危险性具有重要的控制作用,在河流两岸以及人类活动高密区滑坡灾害存在较高的危险性。这些区域河流切割较深、地形破碎、人类工程活动频繁,地形稳定性差。因此,河网和人类活动区也是重要的地形因素,在危险性评价中,也必须考虑微地形地貌的影响,以提高滑坡灾害危险性评价的精度。
致谢：感谢甘肃省测绘地理信息局提供高精度DEM数据;感谢甘谷县气象局提供降雨数据。

The authors have declared that no competing interests exist.

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
刘东生. 黄土与环境[M].北京:科学出版社,1985.

[ Liu D S.Loess and Environment[M]. Beijing: Science Press, 1985. ]

[2]
Zhou J X, Zhu C Y.Landslide disaster in the loess of China[J]. Journal of Forestry Research, 2002,13(2):157-161.<a name="Abs1"></a>China is the country with most widely distributed loess area in the world, and its loess area accounts of 6.63% of total nation land area. The landslide disaster occurs frequently for complex natural condition and becomes major factors hindering the social and economic development of loess regions. Through different indexes, the authors divided the landslides into 9 principal types and analyzed the distribution characteristics of loess landslide in time and space, the affecting factors and mechanism of landslides. It is pointed out that time and spatial distributions of landslides are closely correlative to topographic and geomorphic conditions, earthquake and rainfall, and the key influencing factors include topography, geomorphology, new tectonic movements, earthquake activity, surface water, ground water and human activities. The authors emphasized that the loess landslide was an urgent task for sustainable development in the loess zone.

DOI

[3]
许领,戴福初,邝国麟,等.黄土滑坡典型工程地质问题分析[J].岩土工程学报,2009,32(2):287-293.

[ Xu L, Dai F C, Kuang G L, et al.Analysis of some special engineering-geological problems of loess landslide[J]. Chinese Journal of Geotechnical Engineering, 2009,31(2):287-293. ]

[4]
单新建,叶洪,李焯芬,等.基于环境因子AI-GIS方法的天然滑坡危险性预测——以香港大屿山岛为例[J].地质科技情报,2004,23(3):109-112.利用人工神经元网络(AI)及地理信息系统(GIS)技术,将多元空间信息分析与非线性理论相结合,建立了基于环境因子的区域滑坡非线性预测模型.选择天 然滑坡比较发育的香港大屿山岛中部作为试验研究区,定量分析了滑坡与各种环境因子的空间关系,进行了因子筛选,据此对区域天然滑坡进行了危险性分区.结果 表明,该方法可获取较高的预测精度,是完全可行的.该方法的应用将为区域滑坡危险性区划及滑坡灾害的防治提供重要依据.

DOI

[ Shan X J, Ye H, Li Z F, et al.Prediction of regional landslide danger areas using AI-GIS based on environment factors: An example of LANTAU island, Hongkong[J]. Geological Science and Technology Information, 2004,23(13):109-112. ]

[5]
贾贵义,全永庆,黎志恒,等.基于组合赋权法的白龙江流域甘肃段地质灾害危险性评价[J].冰川冻土,2014,36(5):1227-1236.以甘肃省白龙江流域主要城镇环境工程地质勘查及历次地质调查数据为基础,分析了地貌、人类活动等因素对白龙江流域甘肃段地质灾害的控制作用,选定了坡度、岩性、地震、河流、降水等评价因子,采用层次分析法和信息量法组合赋权的方式确定评价因子的综合权重,最后利用GIS的叠加、以及重分类功能进行了地质灾害危险性分区评价.结果表明:白龙江流域地质灾害主要分布于人口相对密集的城镇(河谷)一带,地质灾害分布相对密集,危险性较大.而以农牧业为主的中、高山区地质灾害分布相对稀疏,危险性较低.

DOI

[ Jia G Y, Quan Y Q, Li Z H, et al.Geo-hazards assessment for the Gansu segment in Bailongjiang River basin by using combination weighting method[J]. Journal of Glaciology and Geocryology, 2014,36(5):1227-1236. ]

[6]
牛全福,程维明,刘勇,等.基于信息量模型的玉树地震次生地质灾害危险性评价[J].山地学报,2011,29(2):243-249.2010-04-14发生在青海省玉树的Ms7.1级地震引发了大量的地质灾害。基于GIS技术和信息量模型方法,以坡度、坡向、高程、坡形、地貌类型、断层距和地层岩性为评价因子,通过空间分析计算各因子的信息量,分析地质灾害在各因子中的空间分布特征,对各评价因子图层进行空间建模,将获取的信息量图划分为高度、中度、轻度三级危险区,通过遥感解译研究区实际滑坡分布,与危险性分布图叠加表明:本次研究得出的危险等级与实际的滑坡发生情况相吻合,为灾区重建提供参考依据。

DOI

[ Niu Q F, Cheng W M, Liu Y, et al.Susceptibility assessment of secondary geological disaster based on information value methodology for Yushu earthquake region[J]. Journal of Mountain Science, 2011,29(2):243-249. ]

[7]
王志旺,李端有,王湘桂.证据权法在滑坡危险度区划研究中的应用[J].岩土工程学报,2007,29(8):1268-1273. [ Wang Z W, Li D Y, Wang X G. Zonation of landslide hazards based on weights of evidence model[J]. Chinese Journal of Geotechnical Engineering, 2007,29(8):1268-1273. ]

[8]
Niu Q F, Cheng W M, Liu Y, et al.Risk assessment of secondary geological disasters induced by Yushu earthquake[J]. Journal of Mountain Science, 2012,9:232-242.The Yushu Ms 7.1 earthquake occurred on April 14,2010 in Qinghai Province,China.It induced a mass of secondary geological disasters,such as collapses,landslides,and debris flows.Risk assessment maps are important for geological disaster prevention and mitigation,and also can serve as a guide for post-earthquake reconstruction.Firstly,a hazard assessment index system of secondary geological disasters in the earthquake region was built in this paper,which was based on detailed analysis of environmental and triggering factors closely related to geological disasters in the study area.GIS technology was utilized to extract and analyze the assessment index.Hazard assessment maps of secondary geological disasters were obtained by spatial modeling and overlaying analysis.Secondly,an analysis of the vulnerability of hazard bearing bodies in the area was conducted,important information,such as, population density,percentage of arable land, industrial and agricultural outputs per unit area were regarded as assessment indices to evaluate socioeconomic vulnerability.Thirdly,the risk level of secondary geological disasters of the area was obtained by the formula:Risk=Hazard脳Vulnerability. Risk assessment maps were categorized into four levels,including"low","moderate","high"and"very high".These results show that some urban areas are at very high risk,including Jiegu,Chengwen,Xiaxiula and Sahuteng towns.This research can provide some references and suggestions to improve decisionmaking support for emergency relief and post- earthquake reconstruction in the study area.

DOI

[9]
Tang G A, Song X D, Li F Y, et al.Slope spectrum critical area and its spatial variation in the Loess Plateau of China[J]. Journal of Geographical Sciences, 2015,25(12):1452-1466.Slope spectrum has been proved to be a significant methodology in revealing geomorphological features in the study of Chinese loess terrain. The determination of critical areas in deriving slope spectra is an indispensable task. Along with the increase in the size of the study area, the derived spectra are becoming more and more alike, such that their differences can be ignored in favor of a standard. Subsequently, the test size is defined as the Slope Spectrum Critical Area(SSCA). SSCA is not only the foundation of the slope spectrum calculation but also, to some extent, a reflection of geomorphological development of loess relief. High resolution DEMs are important in extracting the slope spectrum. A set of 48 DEMs with different landform areas of the Loess Plateau in northern Shaanxi province was selected for the experiment. The spatial distribution of SSCA is investigated with a geo-statistical analysis method, resulting in values ranging from 6.18 km2 to 35.1 km2. Primary experimental results show that the spatial distribution of SSCA is correlated with the spatial distribution of the soil erosion intensity, to a certain extent reflecting the terrain complexity. The critical area of the slope spectrum presents a spatial variation trend of weak-strong-weak from north to south. Four terrain parameters, gully density, slope skewness, terrain driving force(Td) and slope of slope(SOS), were chosen as indicators. There exists a good exponential function relationship between SSCA and gully density, terrain driving force(Td) and SOS and a logarithmic function relationship between SSCA and slope skewness. Slope skewness increases, and gully density, terrain driving force and SOS decrease with increasing SSCA. SSCA can be utilized as a discriminating factor to identify loess landforms, in that spatial distributions of SSCA and the evolution of loess landforms are correlative. Following the evolution of a loess landform from tableland to gully-hilly region, this also proves that SSCA can represent the development degree of local landforms. The critical stable regions of the Loess Plateaurepresent the degree of development of loess landforms. Its chief significance is that the perception of stable areas can be used to determine the minimal geographical unit.

DOI

[10]
Zhu S J, Tang G A, Xiong L Y, et al.Uncertainty of slope length derived from digital elevation models of the loess plateau, China[J]. Journal of Mountain Science, 2014,11(5):1169-1181.尽管许多研究调查了从数字举起模型(DEM ) 导出的斜坡坡度无常，有关斜坡长度无常的研究是远非成熟的。这差异象水文学建模一样影响土壤侵蚀的可获得性和精确性。这研究在中国的中间基于黄土高原的 5-m 分辨率 DEM 在斜坡长度推导调查存在错误和无常的形成和分发。在三个不同地形区域的斜坡长度精确性被检验分析算法效果。实验显示扁平的测试区域的精确性比更不平的区域的低。来自特定的作出贡献区域(SCA ) 的价值方法比累积斜坡长度(CSL ) 大，并且这二个方法之间的差别从 upslope 区域的形状产生。吝啬的斜坡长度的变化源于各种各样的 DEM 决定和地形。斜坡长度精确性与在六个测试地点增加格子尺寸和地面复杂性减少。一个回归模型被造与不到 85 m 和地面复杂性由溪谷密度代表了的 DEM 分辨率表示吝啬的斜坡长度的关系。结果支持斜坡长度精确性的理解，从而帮助表面过程的当模特儿的效果的有效评估。

DOI

[11]
Tang G A, Li F Y, Liu X J, et al.Research on the slope spectrum of the Loess Plateau[J]. Science in China Series E: Technological Sciences, 2008,5(1):175-185.

[12]
Song X D, Tang G A, Li F Y, et al.Extraction of loess shoulder-line based on the parallel GVF snake model in the loess hilly area of China[J]. Computers & Geosciences, 2013,52:11-20.Loess shoulder-lines are the most critical terrain feature in representing and modeling the landforms of the Loess Plateau of China. Existing algorithms usually fail in obtaining a continuous shoulder-line for complicated surface, DEM quality and algorithm limitation. This paper proposes a new method, by which gradient vector flow (GVF) snake model is employed to generate an integrated contour which could connect the discontinuous fragments of shoulder-line. Moreover, a new criterion for the selection of initial seeds is created for the snake model, which takes the value of median smoothing of the local neighborhood regions. By doing this, we can extract the adjacent boundary of loess positive egative terrains from the shoulder-line zones, which build a basis to found the real shoulder-lines by the gradient vector flow. However, the computational burden of this method remains heavy for large DEM dataset. In this study, a parallel computing scheme of the cluster for automatic shoulder-line extraction is proposed and implemented with a parallel GVF snake model. After analyzing the principle of the method, the paper develops an effective parallel algorithm integrating both single program multiple data (SPMD) and master/slave (M/S) programming modes. Based on domain decomposition of DEM data, each partition is decomposed regularly and calculated simultaneously. The experimental results on different DEM datasets indicate that parallel programming can achieve the main objective of distinctly reducing execution time without losing accuracy compared with the sequential model. The hybrid algorithm in this study achieves a mean shoulder-line offset of 15.8 m, a quite satisfied result in both accuracy and efficiency compared with published extraction methods.

DOI

[13]
闾国年,钱亚东,陈钟明.黄土丘陵沟壑区沟谷网络自动制图技术研究[J].测绘学报,1998,27(2):131-137.

[ Lv G N, Qian Y D, Chen Z M.Study of automated mapping of channel network in hilly loess region[J]. Acta Geodaetica & Cartographica Sinica, 1998,27(2):131-137. ]

[14]
蔡强国,陆兆熊,王贵平.黄土丘陵沟壑区典型小流域侵蚀产沙过程模型[J].地理学报,1996,51(2):108-117.在分析现存土壤侵蚀产沙模型基础上，依据大量小流域野外试验小区观测与模拟降雨试验资料，建立了一个适用于黄土丘陵沟壑区小流域预测侵蚀产沙量的侵蚀产沙过程模型。由于黄土丘陵沟壑区小流域的复杂地形和侵蚀产沙的垂直分带规律，土壤侵蚀产沙的空间变化要比现有模型复杂得多，因此，本模型由三个子模型组成：坡面子模型、沟坡子模型、沟道子模型，它可以计算小流域每场暴雨的径流量与侵蚀产沙量。本文较为详细地描述了模型中计算

DOI

[ Cai Q G, Lu Z X, Wang G P, et al.Process-based soil erosion and sediment yield model in a small basin in the hilly loess region[J]. Acta Goegraphica Sinica, 1996,51(2):108-117. ]

[15]
汤国安,刘学军.数字高程模型及地学分析的原理与方法[M].北京:科学出版社,2006.

[ Tang G A, Liu X J.Digital elevation model and principle and methodology in geographical analysis[M]. Beijing: Science Press, 2006. ]

[16]
马收先,李海龙,岳桥,等.天水盆地新近纪伸展构造——来自沉积与构造变形方面的证据[J].地质通报,2016,35(8):1314-1323.天水盆地位于青藏高原东北缘高海拔挤压隆升区与鄂尔多斯低海拔伸展区的过渡部位,新构造活动强烈。然而,新构造活动对天水盆地的影响尚不清楚。通过对盆地的沉积环境、构造沉降、构造变形等方面的研究,结果显示:1盆地由风成堆积、洪积扇、河湖相与湖泊相沉积组成,代表沉积中心的河湖相与湖泊相沿控盆断裂(西秦岭北缘断裂、西和断裂与礼县-罗家堡断裂)分布;2盆地经历了16~14Ma、9.2~7.4Ma和3.6~2.6Ma三次加速沉降期;3控盆断裂在同沉积期为正断层。沉积中心沿断裂分布、快速沉降事件及生长正断层表明,天水盆地至少在中新世晚期受控于走滑伸展构造,记录了青藏高原向北东方向的构造挤出作用。

[ Ma S X, Li H L, Yue Q, et al.The neogene extension of the Tianshui Basin: Evidence from sedimentary and structural records[J]. Geological Bulletin of China, 2016,35(8):1314-1323. ]

[17]
许冲,戴福初,姚鑫,等.基于GIS的汶川地震滑坡灾害影响因子确定性系数分析[J].岩石力学与工程学报,2010 (s1):642-664.2008年5月12日14时28分,四川省汶川发生了8.0级大地震,地震诱发了数以万计的滑坡灾害.在大约48 678 km2的区域内,采用震后航空像片与多源卫星影像解译并结合野外调查验证的方法,共圈定出48 007个地震滑坡灾害.在此基础上,选取地层、岩性、断裂、地震烈度、宏观震中、地表破裂调查点、地形坡度、坡向、顺坡向曲率、高程、水系与公路共12个影响因子作为汶川地震诱发滑坡影响因子,利用GIS强大的空间分析能力与确定性系数方法,对这12个影响因子进行敏感性研究.研究结果表明:(1) 寒武与震旦系是地震滑坡易发地层,侵入岩组、灰岩为主的岩组是地震滑坡发育的高敏感性岩组;(2) 地震滑坡受中央断裂影响最大,同时还受控于前山断裂,受后山断裂的影响较小;(3) 地震滑坡易发性分别随着地震烈度、与震中的距离、与地表破裂点距离的增加而减少;(4) 坡度大于40°是地震滑坡的易发坡度,E,ES方向为地震滑坡的易发坡向,高程范围为1 000～2 000 m,尤其是高程1 000～1 500 m范围为地震滑坡易发区;(5) 400 m水系缓冲区和2 000 m公路缓冲区范围内滑坡易发性较高.确定研究区内各地震滑坡影响因子最利于滑坡发生的数值区间,为进一步地震滑坡区域评价及预测奠定基础.

[ Xu C, Dai F C, Yao X, et al.GIS based certainty factor analysis of landslide triggering factors in Wenchuan earthquake[J]. Chinese Journal of Rock Mechanics and Engineering, 2010,s1:642-664. ]

[18]
Heckerman D.Probabilistic interpretations for mycin's certainty factors[J]. Machine Intelligence & Pattern Recognition, 2013,4:167-196.

[19]
兰恒星,伍法权,周成虎,等.基于GIS的云南小江流域滑坡因子敏感性分析[J].岩石力学与工程学报,2002,21(10):1500-1506.进行滑坡因子敏感性分析是滑坡研究的一个重要的步骤,有利于研究滑坡的变形破坏机理及分析滑坡的空间分布规律。采用滑坡确定性系数的方法对云南小江流域进行了影响因子敏感性分析,确定了有利于滑坡发育的岩性、结构、坡度、高程、断裂等影响因子。

DOI

[ Lan HX, Wu F Q, Zhou C H, et al.Analysis on susceptibility of GIS based landslide triggering factors in Yunnan Xiaojiang watershed[J]. Chinese Journal of Rock Mechanics and Engineering, 2002,21(10):1500-1506. ]

[20]
唐川. 德国波恩地区滑坡特征与危险性评价[J].水土保持学报,2000,14(1):48-53.

DOI

[ Tang C.Characteristics of landslides and its hazard assessment in Boon area, Germany[J]. Journal of Soil and Water Conservation, 2000,14(1):48-53. ]

[21]
唐新凯,梁收运.地形条件对黄土滑坡的影响分析[J].世界科技研究与发展,2012,34(6):945-949.为了及时总结该领域已有的研究成果,基于地形条件,分别从坡度、 坡形、坡高和坡向对黄土滑坡的影响进行了综述和分析.结果表明:一定坡度、坡高范围内,黄土滑坡发生概率随坡度、坡高的增大而增大；同一条件下,凸形坡较 其他坡形更易发生滑坡,阳坡发生滑坡概率比阴坡较大.地形条件的定量化描述及其多因子耦合作用对黄土滑坡的影响是进一步深入研究的重要内容.

DOI

[ Tang X K, Liang S Y.Effects of topography conditions on loess landslide[J]. World SCI-TECH R&D, 2012,34(6):945-949. ]

[22]
吴玮江,王念秦.甘肃滑坡灾害[M].兰州:兰州大学出版社,2006.

[ Wu W J, Wang N Q.Gansu landslide hazard[M]. Lanzhou: Lanzhou University Press, 2006. ]

[23]
符振平. 王沟黄土滑坡形成机理及稳定性研究[D].西安:长安大学,2010.

[ Fu Z P.Study on formation mechanism and stability of loess landslide in Wanggou[D]. Xi′an: Changan university Press, 2010. ]

Options
文章导航

/

〈 〉