滑坡演算法

⑴ 滑坡演化的非線性動力學模型

一、引言

應用NDS理論研究滑坡是大有裨益的，但在實際應用中有許多問題需要解決。應用NDS理論研究滑坡問題的一般途徑是：先寫出系統的動力學方程組且求解；然後研究解的特性；最終探索各種復雜現象的起源。令人遺憾的是，描述滑坡演化過程的動力學方程迄今未能正確寫出，目前能得到的唯一信息是觀測數據和現象的描述。這就是說，我們知道動力學方程的一系列特解。如果我們把這樣的解作為動力學方程的一系列離散值，那麼較理想的滑坡演化動力學方程可通過反演演算法得到。

本節的目的是提供一個應用NDS理論於滑坡預測的基本框架。為此，我們建議了一個滑坡發展過程的非線性動力學模型，通過改進的反演演算法確定其模型參數。然後，給出了Lyapunov指數的計算方法和反映滑坡演化狀態的穩定性判別准則。最後，通過一個實例分析驗證了模型的有效性。

二、反演演算法與改進的迭代反演演算法

把滑坡發展過程看作一個非線性動力學系統（NDS）。滑坡NDS包含n個相互作用的分量q_i（i=1，2，…，n）。對一個特定的系統，這些分量可能包括描述構造、岩性及水文等條件的各種因素或變數。

設系統狀態qi 隨時間演變的物理規律為：

=f_i（q₁，q₂，…，q_n），（i=1，2，…，n） （4-20）]]

i為q₁，q₂，…，q_n的一般非線性函數。

假定f_i有G_k項和相應P_k個參數（k=1，2，…，K），即：f_i（q₁，q₂，…，q_n）=

G_kP_k。如果觀測數據能夠組成M個方程，寫成矩陣形式為：

D=GP （4-21）

式中，D=［

-

］/（2Δt）（j=2，3，…，M+1）為M列差分方程；G為M×K階觀測數據矩陣；P為K列參數矩陣。

在多數情況下，用最小二乘法解方程（4-21）時，方程（4-21）的解通常是不穩定的，因為G^TG是一個奇異矩陣或接近奇異矩陣，該矩陣的解對觀測數據誤差特別敏感^［31］。Backus and Gilbert^［32］為克服這一困難，曾提出了廣義線性反演演算法，下面是這一演算法的簡要描述。

G^TG是一K階實對稱矩陣，它的特徵值依其絕對值大小可排列為：

｜λ₁｜≥｜λ₂｜≥…≥｜λ_K｜ （4-22）

設有L個非零特徵值，而K-L個特徵值為零（或接近於零，其判別准則為（｜λ_i｜＜10^-3｜λ₁｜），對應於此L個特徵值的標准化特徵向量可組成一個K × L階的矩陣U，式中，U_i=（U_i1，U_i2，…，U_Ki），（i=1，2，…，L）是對應於λ_i的特徵向量。

計算V_i=

，可得M×L階矩陣V。方程（4-21）可重新整理為：

P=UB^-1V^TD （4-23）

用上式可確定參數矩陣P。式中，B為由不為零的特徵值組成的對角矩陣。

實際研究發現^［7］，當觀測周期較短時，僅用上述演算法反演，預測精度常不能滿足要求。為此，秦四清等提出了如下的迭代反演改進演算法。

對方程（4-21），按最小二乘法准則，可得到如下正則方程：

G^TGP=G^TD （4-24）

以由式（4-23）解出的參數矩陣P作為初始估計解向量P^（0）=（

，

，…，

），用Gaussian-Sidel迭代公式

非線性岩土力學基礎

進行迭代，直到滿足：

非線性岩土力學基礎

式中，T=0，1，2，…是迭代次數；C_ij是矩陣G^TG（i=1，2，…，K）的元素；e_i是矩陣G^TD的列元素；E是允許的絕對誤差。

三、滑坡演化的非線性動力學分析

1.模型

描述滑坡發展過程可能需要許多狀態變數（觀測序列），但考慮到某些變數具有相關性，因此選擇一些具有高置信度的序列作為狀態變數是合理的。為簡化分析，我們選擇3個狀態變數建立滑坡演化過程的非線性動力學模型。

假定X、Y和Z是三個不同的觀測序列，如應力、位移和降雨。考慮到X、Y和Z量綱與大小不同，在計算前應該被標准化。一般的標准化方法是該序列的每一個觀測值除以其平均值。假定方程（4-20）中的f_i是關於系統物理特性的非線性函數，不妨設其為如下一般的表達式^［31］。

非線性岩土力學基礎

非線性岩土力學基礎

非線性岩土力學基礎

式中，a₁、a₂、…、a₉，b₁、b₂、…、b₉與c₁、c₂、…、c₉是用上述改進反演演算法解得的常數。對方程（4-27）、（4-28）和（4-29）用Runge-Kutta法作數值積分，可求出預測值，比較監測值和預測值可估計預測精度。

已應用上述非線性動力學模型研究了一些滑坡和地震，如四川華鎣山市溪口鎮滑坡、唐山地震等，分析結果令人滿意。

2.Lyapunov指數、Kolmogorov熵、信息維與可預報時間尺度

Lyapunov指數與相空間中鄰近軌道的指數發散或收斂有關，可定性和定量描述動力學行為。具有一個或多個正的Lyapunov指數的系統定義為混沌系統^［27］。以下是根據非線性動力學模型求解Lyapunov指數的方法簡介。

由方程（4-27）、（4-28）和（4-29）組成的Jacobi矩陣J為：

非線性岩土力學基礎

式中，

=dX/dt，

=dY/dt，

=dZ/dt。

根據NDS理論，Lyapunov指數λ可根據下述方程解出：

非線性岩土力學基礎

方程（4-31）可重寫為：

λ³+Aλ²+Bλ+C=0 （4-32）

式中：

非線性岩土力學基礎

非線性岩土力學基礎

非線性岩土力學基礎

解方程（4-32）、（4-33）、（4-34）和（4-35）可求得三個Lyapunov指數（λ₁≥λ₂≥λ₃）。λ代表在相空間中沿特定方向的系統狀態誤差的指數增長率。如果在一個系統中產生的誤差隨時間逐漸增長，顯然它的長期行為是不可預測的。如果要進行預測，必須有可預報時間尺度限制。所有正的Lyapunov指數之和為：

非線性岩土力學基礎

稱為Kolmogorov熵^［28］，它表示一個物理系統的信息平均產生率。1/K₁是系統的平均可預報時間尺度，表示這樣的誤差增長一倍需要的時間，顯然，這個量對滑坡預測是很有用的。

Kaplan and Yorke^［27］推測Lyapunov信息維d與Lyapunov指數譜的關系為：

非線性岩土力學基礎

式中，T是滿足λ₁+λ₂+…+λ_T≥0的最大正整數。顯然，定常吸引子、周期吸引子與擬周期吸引子的信息維數都是整數，分別是0，1，2，而混沌吸引子的維數是小數，這是判斷系統處於混沌態的另一個標志。

3.系統穩定性判據

Routh-Hurwitz准則^［33］給出了系統穩定性的充要條件，即

A＞0，AB＞C，C＞0 （4-38）

式中，A、B與C可分別用方程（4-33）、（4-34）與（4-35）解得。如果方程（4-38）滿足，滑坡的演化狀態是穩定的；否則是不穩定的。

四、實例研究

1988年4月，發現新灘滑坡後的坡體已開始復活變形。1988年5月至1990年2月的位移觀測值（X）、地下水位監測值（Y）與應力監測值（Z）^［34］如圖4-16所示。

圖4-16 監測值與預測值對比

圖4-17 Lyapunov指數隨時間的變化

先對監測值標准化，然後用上述改進的迭代反演演算法確定方程（4-27）、（4-28）與（4-29）中的未知參數。迭代允許絕對誤差為E=10^-4，迭代次數為35000，反演得到的非線性動力學模型如下：

非線性岩土力學基礎

非線性岩土力學基礎

非線性岩土力學基礎

對方程（4-39）～（4-41）用Runge-Kutta法作數值積分，經量綱還原後可得到預測值（圖4-16）。監測值與預測值的平均相對誤差對X、Y和Z序列分別為7%、6%和10%，這說明建立的新灘滑坡的非線性動力學模型較為理想。

圖4-17示出了Lyapunov指數λ_i（i=1，2，3）隨時間的變化，很明顯λ_i的符號隨時間的演變為：（+，+，-）→（+，0，-）→（+，-，-）→（0，-，-）→（-，-，-）。這表明坡體由混沌運動經周期運動又向確定性運動演進，顯示出不確定性與復雜性的特點。

圖4-18 信息維數隨時間的變化

由式（4-36）可計算K₁，K₁的平均值是0.73，可確定平均可預報時間尺度為1.37月，即在1990年3月至1990年4月11日間，可進行確定性預測，超出此時間范圍，預測誤差將變得很大。

Lyapunov信息維數d隨時間的變化如圖4-18所示。可發現在斜坡演化過程中存在著類似於岩石變形破壞的降維、有序現象。穩定性分析表明，該坡體向穩定態演化，這與該斜坡目前處於穩定狀態的現實一致。

⑵ 滑坡災害風險評估與區劃的難點及發展前景

一、風險評估與區劃的難點

1.與滑坡編目相關的困難

滑坡事件通常散布在區域各處，彼此相對獨立，規模相對較小但發生頻率高。滑坡災害不像地震或洪水災害影響范圍大，因此滑坡調查資料庫和編目圖的編制是一個十分繁瑣的過程。要逐一對所有滑坡進行編圖和描述，每個滑坡點的特徵都有所不同。在大多數國家中，沒有一個單獨的機構從事滑坡數據的維護工作。不同部門（如公共事務部或交通部等）都有自己的滑坡資料庫。因他們關注的影響地區和問題不同，因此所建立的滑坡資料庫不夠全面，且彼此之間數據的共享也有障礙。報紙和其他歷史紀錄也只記載那些造成重大破壞的滑坡事件。大學和研究機構所進行的滑坡編目圖的編制也只是他們的研究項目的一部分，在項目有限的時間內完成。所建立的資料庫不可能再進行更新。因此無論從覆蓋區域還是從調查時期的長度來看，很難獲得全面完整的滑坡編目圖（Ibsen和Brunsden，1996）。即便是存在這樣的圖件，也很少有關於坡體失穩的類型和特徵方面的信息。解決問題的辦法之一是，使用航片或衛星影像解譯來獲得滑坡歷史信息。這就需要獲得一定時期的遙感影像數據。但由於對絕大多數編錄的滑坡發生的具體時間不清楚，就難以將滑坡事件與觸發事件（如降雨或地震）關聯起來，特別是不同的滑坡類型有著不同的氣象觸發條件。滑坡編目圖的缺少或質量不高、不完整給建立易損性關系和校正滑坡災害圖帶來了困難。

2.與空間概率評估相關的困難

為了進行定量風險評估，首先需要進行危險性評估。目前大多數危險性圖還一直停留在定性分析的水平上，基本上是確定敏感性，可以將其看成是空間概率的表徵。滑坡的空間概率或敏感性可通過不同的分析方法獲得。

基於統計的滑坡危險性評估已經非常普遍，特別是使用GIS和數據綜合技術，將滑坡編目圖和環境要素圖中的空間信息關聯起來，分析和評估滑坡發生的空間概率分布或滑坡敏感性，這樣的評估是基於這樣的假設，即在與近期發生過滑坡的相似環境條件和觸發條件下發生滑坡的可能性大。然而，滑坡發生的前後地形條件、坡度、土地利用等環境條件都發生了變化，因此基於這樣的假設的空間概率預測顯然是不夠准確的。此外，對於不同類型、深度和體積的滑坡，其產生滑坡的環境條件組合都有其特殊性。

很少見有對不同滑坡類型分別建立統計模型的研究。大多數研究是將所有的活動性滑坡作為一體來建立統計關系。基於統計的滑坡敏感性評估難以將觸發因素（如降雨量、地震加速度）考慮進去，如果考慮觸發因素，也是考慮其空間變化，而不是考慮時間變化。在滑坡敏感性評估中，專家的「主觀」判斷起重要作用，如何使用「客觀」的計算機演算法來取代專家的「主觀」作用目前還沒有令人滿意的結果。GIS在滑坡敏感性統計評估中主要是一種工具，在使用過程中，通常將非常復雜的環境控制因素的信息加以十分簡單的概化。

另一方面，利用水文和坡度穩定性確定性模型可以給出更加可靠的結果，但這樣的模型要求有詳細的空間參數資料庫。最敏感的參數是坡度（通常可從精確的DTM中生成）和土壤厚度。這些參數的空間分布很難進行測量。如果土壤厚度未知，潛水面高度與土壤厚度的比率就無法獲得。該比率值是坡體穩定性最敏感的參數。盡管地貌模型能對土壤深度給出一定的預測，但其空間變化性很大。此外，下伏岩石中的風化作用因素常常被忽視。難以測定的物質參數（內聚力和摩擦角）空間分布變化大。在GIS環境中，僅無限滑坡穩定性模型（具有平行於滑動面的滑坡）適用於較大區域，而對於匯水流域尺度的滑坡模型（具有復雜的活動曲面的滑坡）難以在GIS環境下進行操作。

3.與時間概率評估有關的困難

滑坡是發生在局部的災害，通常不會在同一地點重復發生不同頻率和規模的滑坡。也許泥石流和岩崩的發生會違背這種規律。但大多數類型的滑坡一旦發生後，坡度條件就發生了變化，重復發生滑坡的可能性很小。換句話講，不像地震、洪水、泥石流和雪崩災害有其固定的運動路徑，通常無法建立給定位置上滑坡發生的規模與頻率之間的關系。然而，還是可以在較大范圍內（如整個流域）將滑坡發生率與其特定的觸發事件特徵（如降雨）進行關聯，即將滑坡的空間頻率與重現期聯系起來，從而建立滑坡規模與頻率之間的關系。滑坡歷史紀錄的缺少或不完整是滑坡危險性和風險性評估的主要障礙。因此，世界上大多數研究不可能建立滑坡發生率與重要的觸發因素之間的定量關系，這與地震和洪水災害不同，可以對它們建立出規模—頻率函數。

4.與滑坡運動路徑模擬有關的困難

對滑坡初發地區的運動路徑進行模擬一直非常困難。根據以前事件建立最大摩擦角曲線，用它來確定滑坡的運動距離，或建立與環境因素有關的變數摩擦線，以此圈定基於GIS的滑坡影響帶。然而，這樣的經驗分析需要大量的數據。通常雪崩數據豐富，而滑坡數據則不足。在確定性方法中，所需的物質參數在滑坡快速流動條件下很難進行測定。此外，很難模擬出初次發生運動的滑坡（絕大多數滑坡都是初次的）運動路徑和影響范圍，這需要非常詳細的DTM數據，在GIS環境中模擬滑坡的運動路徑還會碰到一些技術問題。

5.與滑坡易損性評估有關的困難

對於大多數滑坡類型（泥石流和岩崩可能是例外）而言，進行承災體的易損性評估是非常困難的。因為滑坡災害損失方面的數據非常有限。此外，可能的滑坡規模的預測很難，這取決於觸發事件的規模及其事件發生時的環境條件（如水位高度）。

與其他災害（地震、洪水、風暴）不同，滑坡災害的損失估計模型不存在。原因同上面一樣，還是因為缺少歷史數據。此外，滑坡造成的損失具有孤立的「點」性特徵，這與其他災害（如地震、洪水）造成的「多邊形面狀」特徵不同。缺少不同類型、不同規模滑坡和不同承災體易損性方面的信息必然成為滑坡風險評估的主要障礙之一。

易損性由建築類型（建築物材料和地基類型）的承載力所決定。此外，由於建築物的使用年限、結構和規模也決定著這些建築物的價值或費用，從而使不同建築物對同一災害（如10年重現期的滑坡）的易損性和風險有所差異。此外，在計算人對災害的易損性時，建築物中的人和道路上行駛車輛中的人是否受到災害影響的時間概率變化也起著重要作用。盡管確定承災體的時間易損性可能會遇到麻煩，並且過程十分耗時，承災體易損性可以進行分類和編圖，不會遇到許多概念性問題。在滑坡風險評估因素中，迄今為止，危險性方面是最復雜的。

二、存在的主要問題

總的來說，過去絕大多數研究成果只是關於過去滑坡發生地點、滑坡的特徵以及用以解釋滑坡發生的定性地貌圖或災害圖。很少有能夠預測未來滑坡發生地的滑坡時空分布圖。即便是有所謂的預測圖，也沒有對預測結果可靠性和有效性進行檢驗，因此，具有很大的不確定性。正如Varnes等（1984）所說的那樣：「盡管滑坡災害在世界各地普遍存在且所造成的損失不斷增加，地球科學家和工程師在進行不斷的研究探索，編制了成百上千張滑坡災害圖，但到目前，表示滑坡危險性、易損性和風險性的概率圖還很少。」

目前滑坡風險評估還屬於探索階段，存在許多不足。概括起來，這些研究存在的主要問題包括以下方面：

（1）在每個物質運動發生地與相應的環境因素之間沒有建立起明確的統計關系，只是建立了預先劃分的斜坡單元和環境因素之間的關系；

（2）沒有分別評估不同類型的滑坡；

（3）對滑坡的初發地和累積帶沒有加以區分；

（4）沒有按照相應的航片解譯時間，將滑坡物質運動時間進行劃分；

（5）基本假設——滑坡發生的「相同」條件太嚴格，實際上滑坡發生的條件都會隨時間而發生變化；

（6）在預測模擬中似乎都某種程度上忽視了理論基礎。如果對未來一定時期內預計發生的滑坡的數量和規模不進行特別假設的話，就不可能估計出未來滑坡的發生概率；

（7）幾乎所有的敏感性評估結果都沒有進行檢驗；

（8）沒有對三種危險性模型得出的相對危險性等級進行定量比較分析，也沒有對危險性不同等級水平進行解釋，對滑坡單元也沒有進行驗證。

根據文獻研究，現有滑坡定量空間預測模型主要存在以下5個方面的問題：

（1）輸入數據的簡化。簡化輸入數據會丟失許多詳細的信息。在滑坡危險性評估中，將坡度和高程等連續型數據轉化為若干個等級的離散型分類數據的做法十分普遍。這種數據的簡化處理主要是為了適應所提出的模型及其計算機程序的要求（不能處理連續型數據，但目前這已不成問題）。例如，Clerici等（2002）提出了基於獨特條件單元（uniqueconditional unit）的預測模型，需要將從原始的1∶10000DEM中提取的坡度和高程連續型數據轉化為離散型數據圖層。許多研究盡管使用了高精度的DEM數據（5m或10m網格單元）來描述諸如「凸凹度」等地貌特徵或滑坡陡崖特徵，但在預測模型中很少直接使用高精度的原始連續型數據。Carrara和Guzzetti等（1995、1999）基於地貌單元或坡度單元進行預測分析。單元大小從幾平方米到數千平方千米。盡管原始DEM解析度達10m，但在每個單元中，僅有一個坡度或一個等級的坡度值。20世紀90年代以前，由於計算機容量和計算能力的限制，這種簡化是必要的，以適應海量空間數據定量空間預測模擬的條件需要。但隨著計算機技術的突飛猛進，目前這種數據的簡化已不再需要。

（2）離散型數據層和連續型數據層的混合處理。在滑坡危險性評估中，要素圖層有的是連續型數據（如坡度、高程），而有的則是離散型數據（如地質、地表物質）。在以往的預測評估中，要麼將所有離散型數據轉換為二值（0，1）數據層，要麼將所有連續型數據轉換為離散型數據層。這種不同數據類型之間的轉換會丟失許多原始數據的屬性特徵，這將大大降低滑坡危險性預測評估的准確性。

（3）在預測模型中沒有對假設條件加以說明。從Clerici等（2002）簡單的「條件分析」，到Carrara和Guzzetti等（1995，1999）以及Chung和Fabbri（1995，1999）復雜的「多變數統計方法」的所有滑坡定量空間預測模型，實際上都隱含著許多假設條件。沒有這些假設條件，就根本無法進行預測分析。例如，Carrara等（1995）基於判別分析得出的「概率」大小，編制了滑坡危險性評估圖。這種「概率」表示的是未來滑坡發生的概率。但在他們發表的文章中並沒有對其進行明確的定義和說明。幾乎所有的滑坡危險性定量預測分析研究都沒有對假設條件加以討論和說明。

（4）對預測結果缺乏有效的檢驗。如果預測結果沒有進行有效的檢驗，其使用的預測方法就不具有科學可靠性。滑坡危險性區劃圖是用來顯示未來滑坡發生的可能位置，需要對預期結果進行檢驗。而絕大多數的研究預測都缺乏這樣的檢驗。可喜的是，Chung和Fabbri（2003）提出將空間資料庫進行時間/空間分組，一組用於建立預測模型；另一組用於預測結果的檢驗。Fabbri等（2003）使用了類似的有效性檢驗技術，對每個圖層及其組合關系的預測靈敏性進行分析。

（5）缺乏對未來滑坡概率的估計。通常在滑坡危險性圖基礎上，加入詳細的社會-經濟空間屬性特徵（如人口和基礎設施分布及相應的經濟參數）得到滑坡風險圖。為了綜合進行社會-經濟分析（包括預期的「費用-效益」分析），需要將不同的滑坡危險性等級轉換成滑坡未來發生的概率，以用於隨後的承災體易損性分析和風險分析。大多數滑坡災害區劃一般僅限於滑坡敏感性區劃，往往沒有估計滑坡未來發生的概率。Fabbri等（2002）在這方面進行了探索研究，通過其案例研究，可以了解如何應用檢驗技術，綜合考慮滑坡危險性水平和易損性情景來表示滑坡風險大小。

在應用滑坡風險分析成果時，要認識到滑坡風險分析存在不確定性，主要體現在以下幾個方面：

任何滑坡的空間信息都包含著難以估計的不確定性；

社會-經濟數據的精度和質量差異大，直接影響風險評估結果的准確性；

在大多數情況下，只能對建築物和社會的易損性進行粗略的估計；

風險模型總是對現實的概化，模型的性能在很大程度上受數據的限制；

計算的滑坡風險是對一定時間的現實分析的靜態表徵。

三、未來發展前景

1.地形數據的改進

隨著地理信息科學和地球觀測技術的迅猛發展，有越來越多的工具可用於更可靠的滑坡危險性和風險評估。在滑坡危險性和風險分析中，地形是重要因素之一。數字高程模型（DEM）起著重要作用。在過去15年，無論是在高精度的地形數據可得性方面，還是在地形數據處理軟體開發方面都有重大進展。使用航片的成像方法生成DEM、GPS的應用、地形圖的數字化及其插值專業軟體，現已成為大多數滑坡研究人員工作的標准程序。來自NASA航天雷達地形工作組（SRTM）的DEM數據已覆蓋全球，在美國境內解析度為30m，在世界其他地方為90m（Rabus等，2003）。這為開展區域尺度的滑坡研究奠定了基礎。干涉雷達（InSAR）日益成為准確、快速採集地形數據的重要技術。目前正在運行的星載InSAR系統有：ERS、ENVISAT、RADASAT。近年來該技術已被用於滑坡位移的監測和測量（Fruneau等，1996；Rott等，1999；Kimura和Yamaguchi，2000；Rizo和Tesauro，2000；Squarzoni等，2003）。目前使用DInSar技術進行植被覆蓋地區的斜坡位移探測還有許多限制（如大氣條件干擾）。業已證明，干涉雷達技術是生成DEM和監測緩速滑坡的一種好方法，但它對於滑坡編目填圖不是十分有效。

另一種用於高精度地形填圖的新技術是激光測距（LiDAR）。通常LiDAR的點測量可以提供DSMs，其中包含有關地球表面的所有物體（建築物、樹木等）的信息。Montgomery等（2000）、Dietrich等（2001）、Crosta和Agliardi（2002）將LiDAR技術應用於滑坡敏感性評估中。Norheim等（2002）在同一地區對LiDAR和InSAR技術進行了比較，結果表明，LiDAR生成的DEM精度遠比InSAR高，而且與航片成像技術相比，LiDAR更經濟些。陸地激光掃描技術已經研製出來並被用於滑坡體或岩石坡體的3維結構表徵（Rowlands等，2003）。一旦激光掃描技術更加便宜，就可獲取高精度、大面積覆蓋的DEM，這將為新滑坡的編目提供強有力的技術支持。

2.滑坡編目填圖的改進

如上所述，滑坡編目圖是滑坡風險評估的主要組成部分，特別是如果滑坡編目圖包含滑坡發生時間、滑坡類型和體積的信息以及當發生重大滑坡觸發事件後相關數據得到及時更新的話，滑坡編目圖就更加重要。盡管滑坡編目所需的地面數據採集具有重要作用，但大多數信息來自遙感信息。在過去10年中，利用衛星遙感數據識別小規模滑坡失穩並進行編圖的可能性已有了實質性的進展。現在多光譜、全色衛星數據的空間解析度已達1m，其應用前景廣闊（CEOS，2001）。

在無植被覆蓋地區，使用中等解析度系統（如LANSAT、 SPOT、IRS-1）的遙感影像，可以根據不同的光譜波段鑒別出滑坡體。

ASTER是目前最經濟的、可用於滑坡填圖的中等解析度衛星數據之一。ASTER』s14多光譜波段（VNIR、SWIR、熱IR三個波段）和立體影像功能使其成為區域尺度滑坡填圖前景廣闊的技術，特別是在缺少地質圖和地形圖的地區（Liu等，2004）。

在滑坡編目填圖中，還可利用高解析度的立體影像（如IKONOS或Quickbird）進行地貌解譯和滑坡填圖（De la Ville等，2002；Petley等，2002）。利用目前GIS和影像處理軟體（如ERDAS立體分析模塊或ILWIS）也可將平面衛星影像轉化為立體影像。這為提高滑坡編目填圖水平提供了技術支持。

3.模擬滑坡啟動機制研究的改進

在目前的研究中，滑坡危險性評估通常限制為經驗降雨臨界值方法或多邊量統計技術（Caine，1980；Corominas，2000；Fan等，2003）。這些方法忽視了降雨觸發滑坡的啟動機制，大大降低了滑坡危險性的預測和定量分析水平。在缺少滑坡歷史數據或沒有明顯的統計關系的地方，利用現有方法預測滑坡危險性是不可能的。 因人類活動、土地利用變化、森林砍伐或氣候變化的緣故導致滑坡邊界條件發生變化，滑坡的歷史數據就不再有關，也不再有用（Van Beek和Van Asch，1999；Van Beek，2002）。因此，建立降雨入滲、坡體地下水補給與坡體滑動之間的物理動力機制模型，特別是聯系著植被和位於滑坡體內較深的地下水儲存之間的過渡帶—包氣帶的作用以及優先流的作用必須加以考慮，以便能更好地預測因土地利用和氣候變化引起的失穩頻率的變化（Bogaard和VanAsch，2002）。

4.模擬滑坡活動范圍的改進

滑坡活動范圍模擬相當復雜，因為涉及坡體開始滑動的物源組成、行動路徑的地貌形態，以及在滑坡運動過程中所攜帶的物質（Savage和Hutter，1991; Rickenmann，2000；Iverson等，2004）。通常滑坡的沉積物特徵與初始滑動的物質不同。大多數情況下缺少關於滑坡速度或流動類型方面的信息，因而難以估計流變動態特徵，並應用物理模型對相應的物質流動進行模擬。

另一方面，模擬泥石流物源區的准確位置以及沉積扇物質的擴展。不同的滑坡活動模型與GIS結合，可以模擬出准3D的運動物質分布。然而，在地形條件復雜的地區，利用GIS中的不同演算法，會得出不同的活動范圍。可以利用隨機技術來克服這些技術問題。

5.滑坡危險性時間概率評估的改進

為得到真正的滑坡危險性圖，應在匯水流域尺度的敏感性圖件中加入時間維度，這必將是一個挑戰。使用確定性方法與概率統計技術或許可以提供一種解決方案。一種辦法是將不同類型滑坡的場地尺度的確定性水文動力學模型升級為適用於流域尺度的模型，用來評估滑坡發生的時間概率，也有可能評估滑坡發生的規模（體積、面積）和/或滑坡活動范圍。需要有確定不同氣候情景下滑坡和岩崩危險性和風險的時空模式的方法和模型。

6.滑坡易損性評估的改進

滑坡易損性評估是滑坡風險評估中遇到的主要難題之一。不像地震、洪水或風暴等災害，滑坡易損性定量評估所做的工作很少。地震、洪水或風暴等災害的損失估計決策支持系統建立非常完備，有較簡單的損失評估工具，也有多災種復雜的損失評估系統（如HAZUS）（FEMA，2004）。滑坡易損性評估遇到的問題是，滑坡有許多類型，應該分別進行評估。滑坡易損性方面的信息應來自滑坡發生的歷史資料，然後利用模擬方法和經驗方法進行易損性評估。

總之，有關滑坡風險評估的文獻研究表明，在過去10年中，開展了大量的滑坡風險評估研究，定量滑坡風險評估主要是針對場地尺度和線性構築物場所（如管道和道路）開展的。而定量滑坡風險區劃編圖，特別是中等尺度（1∶10,000～1∶50000）滑坡風險區劃圖的編制還有很長的路要走。這種中等尺度的滑坡風險區劃圖可用於土地開發規劃和災害應急響應（Michael-Leiba等，2003）。利用該類圖件，可以確定出不適宜開發的地區，也可以用來選擇相對風險高的地區，以進一步開展詳細調查定量確定風險，進行費用-效益分析，以確定未來開發方案。

鑒於上述區域滑坡風險評估的諸多困難，建議對中等尺度的滑坡風險評估進行定性或半定量評估，將滑坡風險劃分為「非常高」、「高」、「中等」、「低」、「非常低」不同的定性等級，這些等級的確定是根據專家知識和經驗以及利用統計模型和確定性模型得出的結果。不同風險等級還應包括其實際應用含義的描述性語言。建議對每種滑坡類型進行單獨的風險評估，因為每種滑坡類型的失穩效應彼此差異很大。編制的風險圖件應直接指示出在一定的環境背景條件下影響風險的 地貌證據，如滑坡運動距離、規模、滑坡深度、滑坡的回退運動。

地理信息系統（GIS）已成為滑坡危險性、易損性和風險評估必不可少的基本工具。在大尺度研究中，確定性模型最適合於確定斜坡的安全系數，動態模型適合於描繪滑坡的運動軌跡。當與概率方法相結合時（觸發事件的輸入數據的變化性和重現期），便可獲得滑坡失穩的概率。由於土壤深度是確定性滑坡危險性評估的重要參數，可以通過淺層地球物理方法獲取該參數，可採用的方法包括：地電方法、高解析度地震反射勘查、地面穿透雷達（GPR）、電磁法（EM）和激發極化（SP）測量。

在中等尺度上，最重要的輸入數據是基於事件的滑坡編目圖。該類圖應強調滑坡特徵（類型、體積）以及不同承災體的損失。將這些滑坡信息與要素圖（如坡度、岩性等）相結合，利用啟發式或統計方法，便可生成滑坡敏感性圖。將敏感性圖與滑坡頻率分析（與降雨和地震記錄有關的時間資料庫連接）相結合，也可獲得滑坡發生的時間概率。地球觀測數據應成為滑坡研究常規數據基礎，以定期進行新滑坡編目和資料庫的更新。在確定滑坡易損性和損失函數方面還有許多工作要做。需要研究突破的是，如何確定預期的滑坡規模或體積，最後，將滑坡風險分析與評估的各個組成部分綜合在一起，形成滑坡風險信息/管理系統，從而為地方政府進行滑坡風險管理和空間決策提供技術支持系統。

四、小結

實踐證明，地質災害風險評估是地質災害勘查、研究的一項重要的基礎內容，它對認識地質災害程度，制定減災規劃，部署防治工程，提高災害管理水平具有十分重要的意義。然而，盡管近年來國內外地質災害評估得到迅速發展，但由於這方面工作是一個新的領域，而且它所涉及的內容廣泛，不僅包括自然科學，而且包括社會科學，所以已有的研究遠沒有形成系統完善的科學體系，已有的應用水平也遠不能滿足社會經濟發展的減災需要。

由於減災事業發展的需要和社會對災害風險評估認識的提高，為了更加科學有效地防範地質災害，今後，地質災害風險評估必將得到進一步發展。主要趨向表現在下列方面：

（1）研究內容進一步擴展，將逐漸形成跨學科、跨領域的相互交叉的綜合研究體系。

（2）研究方法和手段進一步豐富、先進。除計算機技術得到更廣泛應用、發揮更大作用外，遙感技術、衛星定位技術等多種高科技手段也將為地質災害風險評估所利用。

（3）關注和參加的部門和專家進一步擴展。除政府減災管理部門、地質災害專業研究部門外，保險和防災治災的產業部門等也將在更大程度上關注或直接參與地質災害風險評估工作。

（4）國際交流合作將進一步發展，特別是在理論、方法、技術方面的交流合作將會有較大發展。

（5）理論研究將得到較大提高，逐步形成自身的理論體系。

（6）與減災規劃、防治工程及其他社會經濟的結合越來越緊密，實用性越來越強。

⑶ 地質災害危險性現狀評估

以定性分析為主，定量為輔的評估方法，按「技術要求」規定，根據評估區地質環境條件和已有取得資料，採用地質歷史分析法、工程地質類比法和穩定狀態，按大、中等、小三級（表5-14）對各類地質災害危險性現狀進行評估。

表5-14 地質災害危險性分級表

（一）崩塌（危岩）

首先對其穩定性進行評價，之後結合危害對象進行災害（危害）程度分級評價，在此基礎上進行危險性分級，如穩定性好，危害程度輕，則危險性小，相反即為危險性大，介於二者之間為危險性中等。

1.穩定性評價

根據崩塌體所處的地質環境條件，重點依據變形跡象，並與以往同類崩塌發生條件進行類比，綜合分析後判定其穩定性。評估區內崩塌大部分穩定性為較差至差，其中差的有19處，較差的有72處，好的有14處。差和較差者存在有再次滑塌的可能。

2.災害（危害）程度分級評價

根據調查，區內已發生崩塌災情均為一般級。現依據「基本要求」對崩塌危害程度進行分級評價，其中屬於重的有1處，編號b117，位於清水縣土門鄉老墳村（天水支線38km附近）；該危岩體為黃土及下伏新近系泥岩組成的陡坡，由於人為開挖削坡形成，方量1.2×10⁴m³，坡下學校被危及，管道也在下方通過。中等的有5處，其餘99處均為輕度危害。主要危害對象為農田和簡易公路，少數危害居民、學校，同時為泥石流提供了鬆散固體物質。

3.危險性評價

結合穩定性和災害（危害）程度結果，評價得出危險性大的有3處，分別位於張家川木河（b80）、清水縣土門（b117）、北道區北部（b120）；中等的有 10處，主要分布於皋蘭山、清水金集—北道等地；其餘92處均為危險性小的。危險性大的前2處距管線較近。

（二）滑坡

對穩定性和危險性分別進行評價。

1.穩定性評價

按滑坡穩定性判別表（表5-15）進行評價，其中穩定性差的有7處，分別位於通渭碧玉、張家川木河、清水金集—北道；較差的有28處，分別位於蘭州范家坪、馬營—通渭、靜寧仁大—秦安蓮花、清水土門—天水北道等地；穩定性好的有23處。

現將2處典型滑坡的特徵分析一下。

（1）下河裡滑坡（h28）

位於張家川木河鄉下河裡村東側。滑坡發育在木河上游北岸，溝谷較窄，谷地寬約 100～180m，呈「U」型，發育有一級階地，高出河床3～5m，溝谷兩側為黃土丘陵，相對高差為80～100m。出露地層為新近系砂質泥岩並夾有灰綠色泥岩條帶，出露段表層風化強烈，其上為馬蘭黃土，厚約30～50m，坡體有細小沖蝕溝槽和零星落水洞。

表5-15 滑坡穩定性判別表

該滑坡為黃土—泥岩滑坡，滑坡體長500m，寬300～350m，平均土體厚20m，約40×10⁴m³。滑距約100m，為一老滑坡，滑體下陡、上緩，坡度25°～40°，成因是地表水流側蝕形成。目前該滑坡前緣因修路削坡，形成一定的臨空面，局部已出現崩塌和漿砌護坡鼓脹開裂，極可能導致開挖段部分滑體復活。現場調查，推斷復活體長約50～60m，寬約100～150m，推測滑體厚度5～10m。現狀主要威脅對象為公路和農田，有再次發生的可能（圖5-5）。管線滑坡體下方，距其前緣剪出口約40m。

圖5-5 下河裡滑坡示意剖面圖

1.黃土 2.泥岩及砂質泥岩 3.黃土狀土 4.滑坡堆積物 5.滑床及滑向 6.推測復活體滑床及滑向

（2）蓮花城—郭家河滑坡群

位於清水河河谷北岸，共有5處，由巨型和大型老滑坡組成（圖5-6），自西向東編號依次為：h127、h128、h129、h130、h131。相應的管道里程樁號283km～288km。該段相對高差120～180m，平均坡度30～35°，出露地層為新近系泥岩、第四系黃土、黃土狀土，黃土厚約40～60m，披覆於谷坡及頂部，落水洞及沖蝕溝發育。

圖5-6 蓮花城—郭家河滑坡群平面分布圖

5處滑坡均為黃土—泥岩滑坡，上覆第四系馬蘭黃土，下伏新近系泥岩夾砂質泥岩。滑坡後壁高約10～30m，滑坡形態清晰，坡體長300～500m不等，寬500～800m，推測平均厚度30～40m，主滑方向垂直清水河流向。由於本段所發育的滑坡全是老滑坡，滑坡體受水流沖蝕切割強烈，坡體表面樹枝狀沖溝十分發育，切割較深的沖溝兩側小型崩塌發育，部分滑坡後壁在黃土與泥岩接觸處有泉水出露。滑坡群整體穩定，但組成物較鬆散，現狀前緣受河流側蝕和開挖削坡的影響，局部出現掉塊和崩塌等輕微的變形跡象，可能導致前緣較陡段復活。目前受威脅的對象為村莊、公路。管線在該5處滑坡下方通過（圖5-7）。

圖5-7 h131滑坡示意剖面圖

1.黃土 2.黃土狀土及砂礫石 3.泥岩及砂質泥岩 4.滑坡堆積物 5.滑床及滑向 6.泉

2.危險性評價

據調查結果，區內已發生滑坡災情從一般級到特大級都存在。危害程度嚴重的有3處，主要位於通渭碧玉等地；危害程度中等的有6處，主要位於秦安蓮花、天水北道等地；其餘49處屬於危害程度輕的。主要危害農田、公路、零星住戶，同時構成泥石流的鬆散補給物質。

根據滑坡穩定性和危害程度評判結果，評估區危險性大的滑坡有4處，分別位於范家坪—彭家大山（h3、h5）、通渭碧玉峽口（h49）、張家川木河（h28）；中等的有30處，分別位於蘭州范家坪、靜寧仁大—秦安蓮花、清水土門～天水北道等地；危險性小的24處。

（三）泥石流

分泥石流災情和現狀危險性評估兩部分。

1.泥石流災情評估

區內已發生過多次災害性泥石流，按表5-16分級標准進行災情評估與分級，經調查後初步認為，評估區災害程度中和輕的較多，特重程度的泥石流一般很少發生。由於無法取得准確的資料，只能從簡單的走訪中了解。

表5-16 地質災害災情與危害程度分級標准

2.泥石流現狀危險性評估

按泥石流規模、易發性以及危害情況綜合評估危險性。

（1）泥石流規模。

本次按一次最大沖出量劃分（表5-17），計算方法採用徑流折演算法概算，經驗公式為：

W_H=1000K·H.a.F.

式中：

W_H——一次最大沖出量（10⁴m³）;

K——系數，取0.1～0.5;

H——小時最大降水量（mm）;

a——系數，取0.73;

F——流域匯水面積（km²）；

——增流系數。

根據公式

＝（γ_c-10)/(y_h-y_c）計算求得，其中γ_。為泥石流重度（k N/m³），根據泥石流數量化評分直接查得，γ_h為泥沙顆粒重度（k N/m³），取26.5k N/m³。

計算得出區內一次最大沖出量介於0.1×10⁴m³～7.5×10⁴m³之間，其中屬於小一型的16條，小二型的47條。

（2）泥石流易發性

主要依據已經作過的《縣（市）地質災害調查與區劃》成果進行易發程度分區評價。在沒有作過此項工作的地區，首先按表5-18進行泥石流易發程度分級評價，其中易發程度（嚴重程度）按表5-19進行量化。

區內共有泥石流溝57條，中易發性泥石流溝有21條，低易發32條，不易發者4條。

表5-17 評估區泥石流規模劃分標准表

表5-18 泥石流易發程度分級表

（3）泥石流危害程度及危險性

評估區泥石流溝多屬深切溝谷，而村莊一般均座落於溝谷較高地段，泥石流危害相對較輕，僅對靠近溝口的村莊、農田以及公路有輕微危害，但在城鎮附近和人口集中的地方泥石流危害最大，往往對溝谷兩側及溝口設施形成大的威脅和危害，並誘發一些崩塌和滑坡發生，如通渭碧玉、秦安蓮花城、張家川韓家硤等地。區內泥石流危害程度輕的有24條，危害程度中等的有33條。

表5-19 泥石流易發程度（嚴重程度）數量化表

根據泥石流的易發性、規模和危害程度，區內危險性大的泥石流溝有2條，位於燕麥庄（N8）和高崖（N9）；危險性中等的泥石流溝有31條，分別位於蘭州小坪子、馬營鎮、蓮花城、閻家店等地；危險性小的泥石流溝有24條。2條危險性大的泥石流溝距管線有一定距離，影響小。

（四）洪水沖蝕

洪水沖蝕強度東部大於西部，相應的危害性和威脅性也較大。通渭以西年降水量較低，屬中易發區，除少數河溝外，主要對農田、道路的威脅大，危害程度較小～中等。通渭以東，年降水量較多，特別是局地性陣雨及暴雨突發頻率較高，汛期洪峰流量大，來勢猛，對居民區和道路構成威脅，危害程度中等。除上述危害外，由於水流的不斷沖刷、浸泡和側蝕作用，常引起溝岸坍塌，加劇了水土流失，據有關部門資料和本次調查情況，通渭以西侵蝕模數500～2000t/(km²·a），強側蝕段坍岸速度0.1～0.5m/a，危害程度輕。通渭以東侵蝕模數小於2000～5000t/(km²·a），局部大於5000 t/(km²·a），危害程度中等。

依據調查成果，對評估區內洪水沖蝕災情和危險性分別給予評估。

災情評估依據表5-16分級標准進行，評價結果：屬於輕度災害的有4次，中等災害的有5次，重災害有2次（表5-20），表明本區洪水沖蝕危害一般為輕和中等，當遇降水多的年份或遇暴雨很可能造成較大的災害損失。

表5-20 已發生主要洪水沖蝕災害災情一覽表

易發性根據實地調查結果，並結合溝谷已發生洪水頻次和降水量分布情況確定。評價結果：高易發1處、中易發者1處，低易發10處（表5-21）。

根據洪水沖蝕災情和易發性結果，區內洪水沖蝕危險性小的有8處，中等的有4處（見表5-21）。

表5-21 評估區區洪水沖蝕溝現狀危險性評估一覽表

（五）地面塌陷

根據野外調查，評估區采空區目前僅有蘭州西固人防工程、地下水位上升引起的地面塌陷，人防工程與管線距離＞1.5km，黃土丘陵區開挖窯洞引起的地面塌陷很少，其他地段不存在地面塌陷現象。所以評估區內地面塌陷危害小，危險性小。

（六）特殊岩土災害

1.黃土濕陷和潛蝕

根據《濕陷性黃土地區建築規范》，對黃土的濕陷類型及等級作了初步評價。丘陵區黃土為Ⅱ－Ⅳ級自重濕陷性土，屬中等—很嚴重等級，河谷區黃土狀土多為Ⅰ—Ⅱ級非自重濕陷性土，僅黃河、渭河二級階地局部地段為Ⅱ級自重濕陷性土，屬輕微—中等級。

黃土濕陷和潛蝕現象主要表現為陷穴、陷坑、落水洞和豎井等。多零星分布於地形低窪地帶和陡岸處，規模均較小，落水洞一般深2～5m，洞口直徑0.5～2.5m。目前主要危害公路、渠道和農田，另外，引起崩塌、滑坡和水土流失發生。在黃土丘陵和河谷地帶對鄉間公路危害較大，危險性中等，其餘地段危害小，危險性小。

2.鹽漬土的鹽脹和腐蝕

鹽漬土以硫酸—氯化物型為主，經收集資料分析，通渭以西0.0～1.0m段土壤平均含鹽量為3.4%，最大可達 8%～15%左右，表層有弱脹縮性和腐蝕性；該類土現狀分布面積很小，對農田等不具危害性，因此危害小，危險性小。對建築基礎工程有一定影響，但危害小，危險性小。

高礦度水分布區，礦化度1.7～3.2g/L,p H值1～8，氯離子和硫酸根離子含量大於500mg/L,對混凝土和鋼結構有一定的腐蝕性，按《岩土工程勘察規范》（GB50021—2001）指標對比評價，評價區高礦化度水對混凝土具弱—中等結晶性侵蝕，小面積強腐蝕區位於黃河二級階地後緣和葫蘆河、牛谷河及關川河等地；對鋼材的腐蝕性均為中等（表5-22）。

3.膨脹岩的脹縮

根據岩樣分析結果，白堊系泥岩自由膨脹率（Fs）為20%～60%，蒙脫石含量8.17%～19.09%；頁岩自由膨脹率（F_s）為40%～54.3%，蒙脫石含量8.94%～15.59%。

新近系泥岩自由膨脹率（F_s）為11%～59%，膨脹力（P_s)(4～25)k Pa，飽和吸水率（Wsa)9.9%～34.9%。

依據《岩土工程勘察規范》，按自由膨脹率（F_s）分類（表5-23）評價，本區膨脹岩在大部分地段具脹縮性，但均屬弱膨脹潛勢，主要危害是剝落、掉塊造成農田、道路和水利設施等的掩埋，致災現狀輕微，危險性小。此外黃土自由膨脹率變化較大，現狀危害輕微，危險性小。

表5-22 高礦化水對混凝土和鋼結構腐蝕性評價結果表

表5-23 膨脹岩的膨脹潛勢分類表

⑷ 基於MATLAB的BP神經網路設計預測滑坡災害問題

解決好如下幾個問題：

①輸入層：輸入特徵量個數，特徵量。比如輸入層為[x1 x2 x3]T。應有到山體滑坡就是刻畫表徵山體滑坡的特徵量，這些量要歸一化處理。
②隱含層：設置多少層隱含層，網路下有相關計算公式來確定。
③權值修正迭代演算法，選擇什麼樣的演算法是輸入盡快逼近輸出，且誤差最小
④輸出層：輸出的情況有多少種,該實體對象的狀態。比如滑坡，未滑坡。
⑤樣本的選取：樣本要涵蓋所有的輸出，樣本數量理論上越多越好。也可根據情況選擇，盡量是輸出情況對應的輸入樣本比例接近。
舉個實例：
比如車型劃分，主要劃分為大車、小車兩類。
輸入層就是車型劃分的特徵量：比如選車長、軸數、車高三個特徵量，那麼輸入層為3，[車長 軸數 車高]T
隱含層：設置可以設為5.設置太少不好。具體參照公式
迭代演算法:可選擇梯度下降法
輸出層：也就是我們實體的狀況：2中車型，大車 小車。可以定為[1 0]T
[0 1]T
樣本大小車[車長 軸數 車高]形成的特徵輸入，控制大小車樣本接近1:1.
如上確定好了後，形成了3*5*2的bp網路。訓練即可。
參考如下實例：地震bp預測
http://wenku..com/view/856fa45f3b3567ec102d8a2d.html

⑸ 滑坡災害風險評估

一、滑坡災害危險性評估

（一）評估方法

Bonham提出了基於統計學的Bayesian方法的數據驅動權重模型（weights of evidencemodeling），並將其應用到找礦領域。Van Westen進一步將模型應用到災害危險型評估領域。數據驅動權重模擬方法的主要原理是利用滑坡歷史分布數據，建立滑坡分布與各影響因子之間的統計關系，即根據在各影響因子不同類別中滑坡分布的統計情況來確定各影響因子對滑坡災害的貢獻率(權重) 大小。這種採用數據進行權重確定的方法被稱為數據驅動模型。與專家的知識模型相比，權重的確定更加科學和可靠，避免了專家的主觀性所帶來的不確定性。最後，利用另一時期的滑坡分布歷史數據對評估結果進行檢驗和成功率預測，使評估結果更加具有可信度。這種方法的主要評估原理示意於圖7-5。基於貝葉斯（Bayesian）統計方法的數據驅動權重模型較其他統計方法更加嚴謹，充分考慮了滑坡影響因素之間的關系，以及各影響因素與滑坡災害的關系；並進行影響因素的獨立性分析，找出最關鍵的影響因子。在此基礎上再計算各影響因素的權重。通過實證權重統計計算得出正負權重以及各種統計參數，依次選擇不同方法——後概率預測法、指數疊加法和模糊邏輯法，生成最終的滑坡敏感性圖，用另一組數據進行檢驗，比對各種方法的預測結果的准確性。

圖7-5 基於GIS的滑坡災害敏感性評估示意圖

（二）滑坡危險性評估准則與數據准備

滑坡的發生與所在的地質環境條件、外部氣象條件和人類活動的強度密切相關。根據當地條件和數據可得性確定以下滑坡評估因素：

存在適宜的地質岩性條件。例如，軟弱岩石的存在；

存在適宜的土地利用強度。土地利用強度越大，越容易產生滑坡；

存在適宜的坡度條件。坡度越陡越容易產生滑坡；

存在適宜的降水條件。持續時間越長的暴雨越容易產生滑坡；

存在適宜的地殼活動強度。斷裂活動越強，越容易產生滑坡。

本次研究所採用的GIS平台主要是荷蘭國際地區測量與觀測學院（ITC）開發的ILWIS軟體。該軟體集GIS空間分析、地質統計學、遙感影像處理等模塊為一體，具有強大的空間分析、地質統計和影像處理功能。利用ILWIS軟體生成以下5個滑坡影響因子圖，並根據滑坡調查數據，生成兩組滑坡分布圖：

坡度圖：從衢州地區1∶5萬DEM地形圖中生成坡度圖，然後按照表7-12重新進行分類和賦值生成坡度圖（Sub_1）。

降雨量圖：通過數字化衢州地區1∶5萬降雨量圖獲得降雨量圖，然後按表7-13重新進行分類和賦值生成降雨量圖（Sub_2）。

岩性圖：從衢州地區1∶10萬地質圖提取，按照表7-14進行分類和賦值，生成岩性圖（Sub_3）。

土地利用強度圖：從衢州地區1∶5萬土地利用圖，按照表7-15重新進行分類和賦值，生成土地利用強度圖（Sub_4）

斷層圖：從衢州地區1∶10萬地質圖提取斷層線，以此利用ILWIS軟體中的「Buffer」功能來按表7-16生成斷裂距離圖（Sub_5）。

崩滑流災害分布圖：將滑坡調查數據分為兩組：用危害程度「較大級」和「重大級」（21個點）作為計算圖件（Threat_L），用危害程度「一般級」（共29個點）（Threat_S）進行驗證。

表7-12 坡度分類和賦值

表7-13 降雨量分類和賦值

表7-14 地質岩性分類及賦值

表7-15 土地利用分類及賦值

表7-16 斷層緩沖分區和賦值

（三）計算流程

計算流程見圖7-6。

圖7-6 滑坡敏感性圖計算流程

（四）實證權重後概率預測法

第一步：生成多邊形屬性特徵圖（圖7-7，見彩頁）

根據表7-15～表7-16，按下列命令在ILWIS GIS環境中，生成岩性二值圖（Sub_4）和土地利用強度二值圖(Sub_5)：

Sub_4=iff(geology<6,"nonfav","fav")

Sub_5=iff(Dl_value<5,"nonfav","fav")

將岩性二值圖（Sub_4）和土地利用強度二值圖(Sub_5)分別與第一組滑坡災害分布圖（Threat_L）進行交叉運算，分別生成交叉運算表，按下列一組公式確定統計參數：Npixt ,Npixd, Npixb, Npixbd，然後計算正、負權重(Wp, Wn) 以及離差（C）和標准離差（sigC），計算結果見表7-17。

表7-17 滑坡二值模式的權重和統計參數

Npixt=研究區的總像元素數目

Npixd=存在滑坡點的像元數數目

Npixb=各滑坡影響因子二值圖中「存在」類型的像元數數目

Npixbd=在各滑坡影響因子二值圖「存在」類型中有滑坡分布的像元數數目

Wp=ln(((Npixbd*(Npixt-Npixd))/((Npixb-Npixbd)*Npixd)))

Wn=ln(((Npixd-Npixbd)*(Npixt-Npixd))/((Npixt-Npixd-(Npixb-Npixbd))*Npixd))

stdWp=sqrt((1/Npixbd)+(1/(Npixb-Npixbd)))

stdWn=sqrt((1/(Npixd-Npixbd))+(1/(Npixt-Npixd-(Npixb-Npixbd))))

C=Wp-Wn

sigC=C/(sqrt(stdWp^2+stdWn^2))

第二步：生成線性屬性特徵圖（圖7－7）

根據表7-12～表7-14，生成坡度圖（:Sub_1）、降雨量圖（Sub_2）和斷層緩沖圖（Sub_3），將生成的坡度圖（:Sub_1）、降雨量圖（Sub_2）和斷層緩沖圖（Sub_3）分別與第一組滑坡災害分布圖（Threat_L）進行交叉運算，分別生成交叉運算表，按下列一組公式確定統計參數：Npixt ,Npixd, Npixp, Npixpd，然後計算正、負權重(Wp,Wn) 以及離差（C）和標准離差（sigC），計算結果見表7-17。

Npixt、Npixd 代表的意義與上面一樣。

Npixp=累積分類中像元素數目

Npixpd=累積分類中存在滑坡點的數目

Wp= ln(((Npixpd*(Npixt-Npixd))/((Npixp-Npixpd)*Npixd)))

Wn=ln(((Npixd-Npixpd)*(Npixt-Npixd))/((Npixt-Npixd-(Npixp-Npixpd))*Npixd))

stdWp = sqrt((1/Npixpd)+(1/(Npixp-Npixpd)))

stdWn = sqrt((1/(Npixd-Npixpd))+(1/(Npixt-Npixd-(Npixp-Npixpd))))

根據表7-17中的W+、C值和SigC來看，降雨量和坡度因素的影響最大，表明它們對衢江地區的滑坡產生具有重要影響。土地利用的影響最小。

第三步：條件獨立性檢驗

首先按以下公式生成5個二值預測模式圖（W_1、W_2、W_3、W_4、W_5）（圖7-8，見彩頁）：

W_1=iff(Slope_1<80,0.5114,-1.5693)

W_2=iff(Waterfall_2<200,0.9816,-1.9373)

W_3=iff(Sub_3="fav",-0.7296,0.1973)

W_4=iff(Sub_4="fav",-0.442,0.2515)

W_5=iff(fault_1<21,0.0869,-0.4051)

然後進行兩兩條件獨立性檢驗。對上述生成的5個二值預測模式圖（W_1～W_5），通過兩兩條件交叉運算，得出Chi平方值，其計算結果見表7-18。從表中可以看出，所有值都低於3.84（95%的置信度水平）， 這表明所有因素彼此都是具有明顯的統計獨立性。

表7-18 用於獨立性檢驗的兩兩比較Chi平方值

第四步：生成滑坡後概率預測圖

按以下公式生成滑坡後概率預測圖（圖7-9，見彩頁）：

pstprb1=exp(ln(21/7047/(1-21/7047))+W_1+W_2+W_3+W_4+W_5)/

(1+exp(ln(21/7047/(1-21/7047))+W_1+W_2+W_3+W_4+W_5))

按下列公式對上面滑坡後概率預測圖（pstprb1）創建預測二值圖(postmap_1)：

Postmap_1 =iff(pstprb1>(21/7047), "favorable", "nonfavorable")

從二值圖（Postmap_1）的統計圖表中可知，滑坡易發地區（「favorable」）的單元數為3831個，占研究區單元總數的54.36%。將第二組滑坡災害點圖（共有29個危害程度一般滑坡點）迭置在二值圖（圖7-9，見彩頁 Postmap_1）上，有23個點落入滑坡易發地區（「favorable」）內，這表明預測成功率達到79.31%（圖中黑點為用於驗證的29個的點）。

（五）實證權重指數疊加法

第一步：生成指數疊加二值圖

根據表7-17，通過差值法計算權重和分數，其結果見表7-19。

表7-19 指數疊加法和模糊邏輯法的權重和分數

按以下公式生成指數疊加二值圖（Index_1, Index_2, Index_3, Index_4,Index_5）

Index1= iff(Slope_1<80,7.21,2.79)

Index2= iff(Waterfall_2<200,9.90,0.10)

Index3= iff(Sub_3="fav",0.10,9.90)

Index4= iff(Sub_4="fav",1.75,8.25)

Index5= iff(fault_1<21,4.78,5.22)

第二步：生成滑坡敏感性圖

按下列公式生成滑坡敏感性圖（Index_map）：

Index_map=(Index1*2.0801+Index2*2.9181+Index3*(-1.4850)+Index4*1.4342

+Index5*0.602)/( 2.0801+2.9181-1.4850+1.4342+0.602)

將生成的滑坡敏感性圖（Index_map）重新進行分類（三類：適宜、一般適宜、不適宜），得到最終滑坡敏感性圖

從最終滑坡敏感性圖的統計圖表可知，滑坡易發地區（「favorable」）的單元數為17856個，占研究區單元總數的33%。將第二組滑坡災害點圖（共有29個滑坡點）迭置在最終滑坡敏感性圖（圖7-10，見彩頁），有16個點落入滑坡易發地區（「favorable」）內，這表明預測成功率達到55.17%。

（六）方法比較

盡管使用不同的方法得出的結果有很大的差異，但總體趨勢是相同的。實證權重後概率預測法與指數疊加法相比，前者比後者集中度大，即「適宜」地區大一些（分別是54.36%和35.95%），但前者的預測成功率比後者大一些（79.31%和55.17%）。因此，實證權重後概率預測法比指數疊加法更保守些（表7-20）。

表7-20 不同方法預測成功率比較

（七）小結

實證權重法權重的獲得是客觀的，不是根據專家的主觀判斷，而是根據實際滑坡災害調查數據與滑坡影響因素的統計關系確定的。

根據表7-17中的W+、C值和SigC來看，降雨量和坡度因素的影響最大，表明它們對衢江地區的滑坡產生具有重要影響。土地利用的影響最小。

通過兩兩比較相關性檢驗表明，所選定的5個滑坡影響因子具有條件獨立性。

盡管使用不同的方法得出的結果有很大的差異，但總體趨勢是相同的。實證權重後概率預測法與指數疊加法相比，前者比後者的「適宜」地區大一些（分別是54.36%和35.95%），但前者的預測成功率比後者大一些（79.31%和55.17%）。而模糊邏輯5種方法結果都不理想。總的來看，實證權重後概率預測法與指數疊加法結果比較好。

滑坡敏感性評估是滑坡災害風險評估與管理的重要組成部分。只有在充分認識滑坡災害敏感性的基礎上，考慮承災體的易損性，才能客觀地評估滑坡災害的風險，從而制定出減輕滑坡災害的行之有效的措施。我國是滑坡災害的多發國家，如何認識滑坡災害的敏感性，在國民經濟建設中合理開發利用土地，將滑坡災害損失降低到最小限度，是擺在我們面前的緊迫任務。因此，開展滑坡災害敏感性評估方面的研究具有重要的現實意義。3S技術在這一領域有著十分廣闊的應用前景。不斷發展的GIS 平台具有強大的遙感影像的處理功能和空間分析功能，為科學分析和預測滑坡災害提供了技術平台。概括起來，滑坡災害評估的空間分析方法主要有兩種，一是基於專家經驗的知識驅動型方法；二是基於統計學的數據驅動型方法。顯然，前者具有主觀性和不確定性；而後者則更加科學、可靠。基於統計學的數據驅動型方法在滑坡災害評估領域中的應用還屬於探索階段，如何利用強大GIS 技術平台，開發出更符合實際的滑坡災害空間分析的統計演算法是今後的發展方向。

二、承災體易損性評估

承災體易損性包括物質易損性和人口易損性。承災體易損性不僅取決於承災體本身的承災能力，還取決於當地社會抵禦滑坡災害的能力，這包括減災措施、災害預報、災害應急准備和社會經濟發展水平。因此，易損性是承災體脆弱性和防災水平共同作用的結果。

（一）易損性評估數據准備與評估准則

滑坡發生所造成的危害取決於人的生命和財產抵禦滑坡災害的能力，即易損性大小。主要與人口和財產（基礎設施、建築物和土地資產）的分布位置及密度密切相關。根據當地條件和數據可得性確定滑坡災害易損性評估因素包括：人口分布密度、房屋建築物財產價值（萬元）、通訊基站投資（萬元）、公路（千米）、耕地資產（萬元）、園地資產（萬元）、林地資產（萬元）。

採用荷蘭國際地區測量與觀測學院（ITC）開發的ILWIS軟體GIS平台，利用ILWIS軟體按表7-21生成以下7個滑坡易損性圖（圖7-11～圖7-17，見彩頁）：①人口分布密度圖；②房屋建築物財產價值圖；③通訊基站投資圖；④道路交通圖；⑤耕地資產圖；⑥園地資產圖；⑦林地資產圖。

表7-21 衢州地區滑坡災害承災體易損性評分標准

（二）易損性評估方法（因子權重評估方法）

採用主成分分析與因子分析方法確定權重。具體計算過程如下：

（1）單變數描述性統計量，見表7-22。

表7-22 單變數描述性統計表

（2）相關系數矩陣見，表7-23。

表7-23 相關系數矩陣

（3）KMO與Bartlett 的球形檢定，見表7-24。

顯示KMO抽樣適當性參數與Bartlett的球形檢定。

表7-24 KMO與Bartlett 的球形檢定

KMO是Kaiser-Meyer-Olkin的取樣適當性量數，當KMO值愈大時，表示變數間的共同因子愈多，愈適合進行因子分析，根據專家 Kaiser（1974）觀點，如果KMO的值小於 0.5 時，較不宜進行因子分析。此處的KMO值為0.520，表示適合因子分析。此外，從Bartlett的球形檢驗的值為158.400，自由度為15，達到顯著，代表樣本的相關矩陣間有共同因子存在，適合進行因子分析。

（4）共同性。顯示因子間的共同性結果，或者說顯示各因子解釋掉方差的比例。共同度從0到1，0為因子不解釋任何方差，1為所有方差均被因子解釋掉。一個因子越大地解釋掉變數的方差，說明因子包含原有變數信息的量越多，見表7-25。

表7-25 因子間的共同性結果

（5）未轉軸前的結果，見表7-26。

表7-26 主成分分析結果

前5個主成分的方差累計貢獻率已超過85%，因此，取前5個主成分為公因子。

其主因子荷載矩陣A，見表7-27。

表7-27 主因子荷載矩陣

（6）轉軸後的結果，見表7-28～表7-32。

表7-28 方差極大旋轉因子荷載矩陣A*

表7-29 正交旋轉變換矩陣

表7-30 方差極大旋轉因子荷載矩陣A*的特徵值及其對應的方差貢獻率

表7-31 因子得分的系數矩陣

表7-32 財產評估因子權重分配系列

（三）承災體易損性評估結果

對這6個評估指標對應的評分圖按各個因子的權重值進行圖層間的疊加運算，按以下公式得到各單元的滑坡易損性指數，即易損性指數為各評估指標評分的加權和評估結果（圖7-18，見彩頁）：D_i=∑（W_i×R_i）。式中D_i為滑坡易損性指數，W_i為評估參數i的權重因子，R_i為評估指標的評分值。

具體來講，按照上節計算出的財產評估因子的權重結果（W_i），使用ILLWIS軟體按下式進行疊加運算：

財產易損性=0.156×建築物資產+0.164×耕地資產+0.163×園地資產+0.167×林地資產+0.171×道路資產+0.179×通訊基站投資

財產易損性計算結果如圖7-18所示。然後將財產易損性圖與人口易損性圖（即人口分布密度圖7-19，見彩頁）按等權重進行疊加運算並按5個等級（0，0.1～2.9，3.0～5.7，5.8～8.6，8.7～11.5）重新進行分類，結果如圖7-20和圖7-21（見彩頁）所示。

三、滑坡風險性評估

（一）滑坡風險性評估計算

滑坡風險性是滑坡危險性和承災體易損性共同作用的結果。滑坡風險評估計算按下式計算：

風險度（Risk）=危險度（Hazard）×易損度（Vulnerability）

具體計算按以下步驟：

（1）將前面用實證權重後概率法和指數疊加法計算出來的滑坡危險性兩張圖按5個等級進行重新分類，結果如圖7-22和圖7-23（見彩頁）所示。

（2）按滑坡風險評估交叉矩陣（表7-33）將滑坡易損性（圖7-21，見彩頁）與滑坡危險性（圖7-22和圖7-23，見彩頁）分別進行交叉運算，結果見圖7-24和圖7-25（見彩頁）所示。

表7-33 滑坡風險評估交叉矩陣表（V=VI×VS）

（二）滑坡風險性評估結果分析

從滑坡風險性實證權重概率圖的統計圖表（表7-34）可以看出，滑坡風險較高地區（IV和V級）所佔面積為59.5km²，占研究面積的3.4%，滑坡風險中等地區（III級）所佔面積為532km²，占研究面積的30.2%；滑坡風險較小（II和I級）地區所佔面積為1170.25km²，占研究面積的66.4%。

表7-34 滑坡風險性實證權重概率圖的統計圖表

從滑坡風險性實證權重指數疊加圖的統計圖表（表7-35）可以看出，滑坡風險較高地區（IV和V級）所佔面積為126.75km²，占研究面積的7.2%，滑坡風險中等地區（III級）所佔面積為691.5km²，占研究面積的39.9%；滑坡風險較小（II和I級）地區所佔面積為916.75km²，占研究面積的52.9%。

表7-35 從滑坡風險性實證權重指數疊加圖的統計圖表

兩種方法得出的結果有所差異，但總體趨勢基本相同。根據滑坡風險性較高地區（IV和V級）所佔面積的集中度和預測成功率，實證權重指數疊加法較實證權重後概率法保守些，滑坡風險性高的地區劃定的范圍較大，見表7-36，圖7-26和圖7-27（見彩頁）。

表7-36 兩種方法比較

（三）小結

本次研究在滑坡危險性評估中採用了兩種實證權重統計方法，並在滑坡易損性評估中採用了主成分-因子分析統計方法，確定了財產評估因子的權重，最後通過交叉運算得到了衢州地區滑坡風險性。克服了以往專家指數評定方法權重確定的主觀性的缺點，通過實際案例分析，主要得出以下結論：

兩種方法得出的結果有所差異，但總體趨勢基本相同。根據滑坡風險性較高地區（IV和V級）所佔面積的集中度和預測成功率，實證權重指數疊加法較實證權重後概率法保守些，滑坡風險性高的地區劃定的范圍較大。

研究區滑坡風險性較高地區（IV和V級），主要分布在西北部和東南部地區，在這些地區滑坡危險性主要受降雨量和坡度因素的影響，滑坡易損性主要是人口分布影響較大，居民點和道路及通訊基站的分布也主要集中在這些地區。東南部林地資產較大，這些影響因素的綜合作用，導致這些地區滑坡風險性較高。

實證權重法權重的獲得是客觀的，不是根據專家的主觀判斷，而是根據實際發生的滑坡災害數據與影響滑坡危險性的各評估指標的統計關系而確定的。但在本次滑坡危險性案例研究中，因為響應因子-滑坡災害點少（50個），不能完全揭示出響應因子與預測因子之間的統計關系。如果能夠獲得足夠多訓練點數據，會得到更加精確的結果。另外，實證權重要求，必須對預測因子進行分類且對響應因子按一定閾值進行劃分才能應用該方法，因此，閾值的確定至關重要，選定不同的閾值將會產生不同的評估結果。因此，更需要大量的實際觀測數據，建立響應因子與預測因子之間的統計關系，從而更加科學地確定閾值。

在實證權重評估方法中，進行了兩兩比較條件獨立性檢驗，結果表明，所選定的滑坡危險性5個評估指標都具有條件獨立性，說明所選定的評估指標是合理的。