滑坡算法

⑴ 滑坡演化的非线性动力学模型

一、引言

应用NDS理论研究滑坡是大有裨益的，但在实际应用中有许多问题需要解决。应用NDS理论研究滑坡问题的一般途径是：先写出系统的动力学方程组且求解；然后研究解的特性；最终探索各种复杂现象的起源。令人遗憾的是，描述滑坡演化过程的动力学方程迄今未能正确写出，目前能得到的唯一信息是观测数据和现象的描述。这就是说，我们知道动力学方程的一系列特解。如果我们把这样的解作为动力学方程的一系列离散值，那么较理想的滑坡演化动力学方程可通过反演算法得到。

本节的目的是提供一个应用NDS理论于滑坡预测的基本框架。为此，我们建议了一个滑坡发展过程的非线性动力学模型，通过改进的反算法确定其模型参数。然后，给出了Lyapunov指数的计算方法和反映滑坡演化状态的稳定性判别准则。最后，通过一个实例分析验证了模型的有效性。

二、反算法与改进的迭代反算法

把滑坡发展过程看作一个非线性动力学系统（NDS）。滑坡NDS包含n个相互作用的分量q_i（i=1，2，…，n）。对一个特定的系统，这些分量可能包括描述构造、岩性及水文等条件的各种因素或变量。

设系统状态qi 随时间演变的物理规律为：

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

i为q₁，q₂，…，q_n的一般非线性函数。

假定f_i有G_k项和相应P_k个参数（k=1，2，…，K），即：f_i（q₁，q₂，…，q_n）=

G_kP_k。如果观测数据能够组成M个方程，写成矩阵形式为：

D=GP （4-21）

式中，D=［

-

］/（2Δt）（j=2，3，…，M+1）为M列差分方程；G为M×K阶观测数据矩阵；P为K列参数矩阵。

在多数情况下，用最小二乘法解方程（4-21）时，方程（4-21）的解通常是不稳定的，因为G^TG是一个奇异矩阵或接近奇异矩阵，该矩阵的解对观测数据误差特别敏感^［31］。Backus and Gilbert^［32］为克服这一困难，曾提出了广义线性反算法，下面是这一算法的简要描述。

G^TG是一K阶实对称矩阵，它的特征值依其绝对值大小可排列为：

｜λ₁｜≥｜λ₂｜≥…≥｜λ_K｜ （4-22）

设有L个非零特征值，而K-L个特征值为零（或接近于零，其判别准则为（｜λ_i｜＜10^-3｜λ₁｜），对应于此L个特征值的标准化特征向量可组成一个K × L阶的矩阵U，式中，U_i=（U_i1，U_i2，…，U_Ki），（i=1，2，…，L）是对应于λ_i的特征向量。

计算V_i=

，可得M×L阶矩阵V。方程（4-21）可重新整理为：

P=UB^-1V^TD （4-23）

用上式可确定参数矩阵P。式中，B为由不为零的特征值组成的对角矩阵。

实际研究发现^［7］，当观测周期较短时，仅用上述算法反演，预测精度常不能满足要求。为此，秦四清等提出了如下的迭代反演改进算法。

对方程（4-21），按最小二乘法准则，可得到如下正则方程：

G^TGP=G^TD （4-24）

以由式（4-23）解出的参数矩阵P作为初始估计解向量P^（0）=（

，

，…，

），用Gaussian-Sidel迭代公式

非线性岩土力学基础

进行迭代，直到满足：

非线性岩土力学基础

式中，T=0，1，2，…是迭代次数；C_ij是矩阵G^TG（i=1，2，…，K）的元素；e_i是矩阵G^TD的列元素；E是允许的绝对误差。

三、滑坡演化的非线性动力学分析

1.模型

描述滑坡发展过程可能需要许多状态变量（观测序列），但考虑到某些变量具有相关性，因此选择一些具有高置信度的序列作为状态变量是合理的。为简化分析，我们选择3个状态变量建立滑坡演化过程的非线性动力学模型。

假定X、Y和Z是三个不同的观测序列，如应力、位移和降雨。考虑到X、Y和Z量纲与大小不同，在计算前应该被标准化。一般的标准化方法是该序列的每一个观测值除以其平均值。假定方程（4-20）中的f_i是关于系统物理特性的非线性函数，不妨设其为如下一般的表达式^［31］。

非线性岩土力学基础

非线性岩土力学基础

非线性岩土力学基础

式中，a₁、a₂、…、a₉，b₁、b₂、…、b₉与c₁、c₂、…、c₉是用上述改进反算法解得的常数。对方程（4-27）、（4-28）和（4-29）用Runge-Kutta法作数值积分，可求出预测值，比较监测值和预测值可估计预测精度。

已应用上述非线性动力学模型研究了一些滑坡和地震，如四川华蓥山市溪口镇滑坡、唐山地震等，分析结果令人满意。

2.Lyapunov指数、Kolmogorov熵、信息维与可预报时间尺度

Lyapunov指数与相空间中邻近轨道的指数发散或收敛有关，可定性和定量描述动力学行为。具有一个或多个正的Lyapunov指数的系统定义为混沌系统^［27］。以下是根据非线性动力学模型求解Lyapunov指数的方法简介。

由方程（4-27）、（4-28）和（4-29）组成的Jacobi矩阵J为：

非线性岩土力学基础

式中，

=dX/dt，

=dY/dt，

=dZ/dt。

根据NDS理论，Lyapunov指数λ可根据下述方程解出：

非线性岩土力学基础

方程（4-31）可重写为：

λ³+Aλ²+Bλ+C=0 （4-32）

式中：

非线性岩土力学基础

非线性岩土力学基础

非线性岩土力学基础

解方程（4-32）、（4-33）、（4-34）和（4-35）可求得三个Lyapunov指数（λ₁≥λ₂≥λ₃）。λ代表在相空间中沿特定方向的系统状态误差的指数增长率。如果在一个系统中产生的误差随时间逐渐增长，显然它的长期行为是不可预测的。如果要进行预测，必须有可预报时间尺度限制。所有正的Lyapunov指数之和为：

非线性岩土力学基础

称为Kolmogorov熵^［28］，它表示一个物理系统的信息平均产生率。1/K₁是系统的平均可预报时间尺度，表示这样的误差增长一倍需要的时间，显然，这个量对滑坡预测是很有用的。

Kaplan and Yorke^［27］推测Lyapunov信息维d与Lyapunov指数谱的关系为：

非线性岩土力学基础

式中，T是满足λ₁+λ₂+…+λ_T≥0的最大正整数。显然，定常吸引子、周期吸引子与拟周期吸引子的信息维数都是整数，分别是0，1，2，而混沌吸引子的维数是小数，这是判断系统处于混沌态的另一个标志。

3.系统稳定性判据

Routh-Hurwitz准则^［33］给出了系统稳定性的充要条件，即

A＞0，AB＞C，C＞0 （4-38）

式中，A、B与C可分别用方程（4-33）、（4-34）与（4-35）解得。如果方程（4-38）满足，滑坡的演化状态是稳定的；否则是不稳定的。

四、实例研究

1988年4月，发现新滩滑坡后的坡体已开始复活变形。1988年5月至1990年2月的位移观测值（X）、地下水位监测值（Y）与应力监测值（Z）^［34］如图4-16所示。

图4-16 监测值与预测值对比

图4-17 Lyapunov指数随时间的变化

先对监测值标准化，然后用上述改进的迭代反算法确定方程（4-27）、（4-28）与（4-29）中的未知参数。迭代允许绝对误差为E=10^-4，迭代次数为35000，反演得到的非线性动力学模型如下：

非线性岩土力学基础

非线性岩土力学基础

非线性岩土力学基础

对方程（4-39）～（4-41）用Runge-Kutta法作数值积分，经量纲还原后可得到预测值（图4-16）。监测值与预测值的平均相对误差对X、Y和Z序列分别为7%、6%和10%，这说明建立的新滩滑坡的非线性动力学模型较为理想。

图4-17示出了Lyapunov指数λ_i（i=1，2，3）随时间的变化，很明显λ_i的符号随时间的演变为：（+，+，-）→（+，0，-）→（+，-，-）→（0，-，-）→（-，-，-）。这表明坡体由混沌运动经周期运动又向确定性运动演进，显示出不确定性与复杂性的特点。

图4-18 信息维数随时间的变化

由式（4-36）可计算K₁，K₁的平均值是0.73，可确定平均可预报时间尺度为1.37月，即在1990年3月至1990年4月11日间，可进行确定性预测，超出此时间范围，预测误差将变得很大。

Lyapunov信息维数d随时间的变化如图4-18所示。可发现在斜坡演化过程中存在着类似于岩石变形破坏的降维、有序现象。稳定性分析表明，该坡体向稳定态演化，这与该斜坡目前处于稳定状态的现实一致。

⑵ 滑坡灾害风险评估与区划的难点及发展前景

一、风险评估与区划的难点

1.与滑坡编目相关的困难

滑坡事件通常散布在区域各处，彼此相对独立，规模相对较小但发生频率高。滑坡灾害不像地震或洪水灾害影响范围大，因此滑坡调查数据库和编目图的编制是一个十分繁琐的过程。要逐一对所有滑坡进行编图和描述，每个滑坡点的特征都有所不同。在大多数国家中，没有一个单独的机构从事滑坡数据的维护工作。不同部门（如公共事务部或交通部等）都有自己的滑坡数据库。因他们关注的影响地区和问题不同，因此所建立的滑坡数据库不够全面，且彼此之间数据的共享也有障碍。报纸和其他历史纪录也只记载那些造成重大破坏的滑坡事件。大学和研究机构所进行的滑坡编目图的编制也只是他们的研究项目的一部分，在项目有限的时间内完成。所建立的数据库不可能再进行更新。因此无论从覆盖区域还是从调查时期的长度来看，很难获得全面完整的滑坡编目图（Ibsen和Brunsden，1996）。即便是存在这样的图件，也很少有关于坡体失稳的类型和特征方面的信息。解决问题的办法之一是，使用航片或卫星影像解译来获得滑坡历史信息。这就需要获得一定时期的遥感影像数据。但由于对绝大多数编录的滑坡发生的具体时间不清楚，就难以将滑坡事件与触发事件（如降雨或地震）关联起来，特别是不同的滑坡类型有着不同的气象触发条件。滑坡编目图的缺少或质量不高、不完整给建立易损性关系和校正滑坡灾害图带来了困难。

2.与空间概率评估相关的困难

为了进行定量风险评估，首先需要进行危险性评估。目前大多数危险性图还一直停留在定性分析的水平上，基本上是确定敏感性，可以将其看成是空间概率的表征。滑坡的空间概率或敏感性可通过不同的分析方法获得。

基于统计的滑坡危险性评估已经非常普遍，特别是使用GIS和数据综合技术，将滑坡编目图和环境要素图中的空间信息关联起来，分析和评估滑坡发生的空间概率分布或滑坡敏感性，这样的评估是基于这样的假设，即在与近期发生过滑坡的相似环境条件和触发条件下发生滑坡的可能性大。然而，滑坡发生的前后地形条件、坡度、土地利用等环境条件都发生了变化，因此基于这样的假设的空间概率预测显然是不够准确的。此外，对于不同类型、深度和体积的滑坡，其产生滑坡的环境条件组合都有其特殊性。

很少见有对不同滑坡类型分别建立统计模型的研究。大多数研究是将所有的活动性滑坡作为一体来建立统计关系。基于统计的滑坡敏感性评估难以将触发因素（如降雨量、地震加速度）考虑进去，如果考虑触发因素，也是考虑其空间变化，而不是考虑时间变化。在滑坡敏感性评估中，专家的“主观”判断起重要作用，如何使用“客观”的计算机算法来取代专家的“主观”作用目前还没有令人满意的结果。GIS在滑坡敏感性统计评估中主要是一种工具，在使用过程中，通常将非常复杂的环境控制因素的信息加以十分简单的概化。

另一方面，利用水文和坡度稳定性确定性模型可以给出更加可靠的结果，但这样的模型要求有详细的空间参数数据库。最敏感的参数是坡度（通常可从精确的DTM中生成）和土壤厚度。这些参数的空间分布很难进行测量。如果土壤厚度未知，潜水面高度与土壤厚度的比率就无法获得。该比率值是坡体稳定性最敏感的参数。尽管地貌模型能对土壤深度给出一定的预测，但其空间变化性很大。此外，下伏岩石中的风化作用因素常常被忽视。难以测定的物质参数（内聚力和摩擦角）空间分布变化大。在GIS环境中，仅无限滑坡稳定性模型（具有平行于滑动面的滑坡）适用于较大区域，而对于汇水流域尺度的滑坡模型（具有复杂的活动曲面的滑坡）难以在GIS环境下进行操作。

3.与时间概率评估有关的困难

滑坡是发生在局部的灾害，通常不会在同一地点重复发生不同频率和规模的滑坡。也许泥石流和岩崩的发生会违背这种规律。但大多数类型的滑坡一旦发生后，坡度条件就发生了变化，重复发生滑坡的可能性很小。换句话讲，不像地震、洪水、泥石流和雪崩灾害有其固定的运动路径，通常无法建立给定位置上滑坡发生的规模与频率之间的关系。然而，还是可以在较大范围内（如整个流域）将滑坡发生率与其特定的触发事件特征（如降雨）进行关联，即将滑坡的空间频率与重现期联系起来，从而建立滑坡规模与频率之间的关系。滑坡历史纪录的缺少或不完整是滑坡危险性和风险性评估的主要障碍。因此，世界上大多数研究不可能建立滑坡发生率与重要的触发因素之间的定量关系，这与地震和洪水灾害不同，可以对它们建立出规模—频率函数。

4.与滑坡运动路径模拟有关的困难

对滑坡初发地区的运动路径进行模拟一直非常困难。根据以前事件建立最大摩擦角曲线，用它来确定滑坡的运动距离，或建立与环境因素有关的变量摩擦线，以此圈定基于GIS的滑坡影响带。然而，这样的经验分析需要大量的数据。通常雪崩数据丰富，而滑坡数据则不足。在确定性方法中，所需的物质参数在滑坡快速流动条件下很难进行测定。此外，很难模拟出初次发生运动的滑坡（绝大多数滑坡都是初次的）运动路径和影响范围，这需要非常详细的DTM数据，在GIS环境中模拟滑坡的运动路径还会碰到一些技术问题。

5.与滑坡易损性评估有关的困难

对于大多数滑坡类型（泥石流和岩崩可能是例外）而言，进行承灾体的易损性评估是非常困难的。因为滑坡灾害损失方面的数据非常有限。此外，可能的滑坡规模的预测很难，这取决于触发事件的规模及其事件发生时的环境条件（如水位高度）。

与其他灾害（地震、洪水、风暴）不同，滑坡灾害的损失估计模型不存在。原因同上面一样，还是因为缺少历史数据。此外，滑坡造成的损失具有孤立的“点”性特征，这与其他灾害（如地震、洪水）造成的“多边形面状”特征不同。缺少不同类型、不同规模滑坡和不同承灾体易损性方面的信息必然成为滑坡风险评估的主要障碍之一。

易损性由建筑类型（建筑物材料和地基类型）的承载力所决定。此外，由于建筑物的使用年限、结构和规模也决定着这些建筑物的价值或费用，从而使不同建筑物对同一灾害（如10年重现期的滑坡）的易损性和风险有所差异。此外，在计算人对灾害的易损性时，建筑物中的人和道路上行驶车辆中的人是否受到灾害影响的时间概率变化也起着重要作用。尽管确定承灾体的时间易损性可能会遇到麻烦，并且过程十分耗时，承灾体易损性可以进行分类和编图，不会遇到许多概念性问题。在滑坡风险评估因素中，迄今为止，危险性方面是最复杂的。

二、存在的主要问题

总的来说，过去绝大多数研究成果只是关于过去滑坡发生地点、滑坡的特征以及用以解释滑坡发生的定性地貌图或灾害图。很少有能够预测未来滑坡发生地的滑坡时空分布图。即便是有所谓的预测图，也没有对预测结果可靠性和有效性进行检验，因此，具有很大的不确定性。正如Varnes等（1984）所说的那样：“尽管滑坡灾害在世界各地普遍存在且所造成的损失不断增加，地球科学家和工程师在进行不断的研究探索，编制了成百上千张滑坡灾害图，但到目前，表示滑坡危险性、易损性和风险性的概率图还很少。”

目前滑坡风险评估还属于探索阶段，存在许多不足。概括起来，这些研究存在的主要问题包括以下方面：

（1）在每个物质运动发生地与相应的环境因素之间没有建立起明确的统计关系，只是建立了预先划分的斜坡单元和环境因素之间的关系；

（2）没有分别评估不同类型的滑坡；

（3）对滑坡的初发地和累积带没有加以区分；

（4）没有按照相应的航片解译时间，将滑坡物质运动时间进行划分；

（5）基本假设——滑坡发生的“相同”条件太严格，实际上滑坡发生的条件都会随时间而发生变化；

（6）在预测模拟中似乎都某种程度上忽视了理论基础。如果对未来一定时期内预计发生的滑坡的数量和规模不进行特别假设的话，就不可能估计出未来滑坡的发生概率；

（7）几乎所有的敏感性评估结果都没有进行检验；

（8）没有对三种危险性模型得出的相对危险性等级进行定量比较分析，也没有对危险性不同等级水平进行解释，对滑坡单元也没有进行验证。

根据文献研究，现有滑坡定量空间预测模型主要存在以下5个方面的问题：

（1）输入数据的简化。简化输入数据会丢失许多详细的信息。在滑坡危险性评估中，将坡度和高程等连续型数据转化为若干个等级的离散型分类数据的做法十分普遍。这种数据的简化处理主要是为了适应所提出的模型及其计算机程序的要求（不能处理连续型数据，但目前这已不成问题）。例如，Clerici等（2002）提出了基于独特条件单元（uniqueconditional unit）的预测模型，需要将从原始的1∶10000DEM中提取的坡度和高程连续型数据转化为离散型数据图层。许多研究尽管使用了高精度的DEM数据（5m或10m网格单元）来描述诸如“凸凹度”等地貌特征或滑坡陡崖特征，但在预测模型中很少直接使用高精度的原始连续型数据。Carrara和Guzzetti等（1995、1999）基于地貌单元或坡度单元进行预测分析。单元大小从几平方米到数千平方千米。尽管原始DEM分辨率达10m，但在每个单元中，仅有一个坡度或一个等级的坡度值。20世纪90年代以前，由于计算机容量和计算能力的限制，这种简化是必要的，以适应海量空间数据定量空间预测模拟的条件需要。但随着计算机技术的突飞猛进，目前这种数据的简化已不再需要。

（2）离散型数据层和连续型数据层的混合处理。在滑坡危险性评估中，要素图层有的是连续型数据（如坡度、高程），而有的则是离散型数据（如地质、地表物质）。在以往的预测评估中，要么将所有离散型数据转换为二值（0，1）数据层，要么将所有连续型数据转换为离散型数据层。这种不同数据类型之间的转换会丢失许多原始数据的属性特征，这将大大降低滑坡危险性预测评估的准确性。

（3）在预测模型中没有对假设条件加以说明。从Clerici等（2002）简单的“条件分析”，到Carrara和Guzzetti等（1995，1999）以及Chung和Fabbri（1995，1999）复杂的“多变量统计方法”的所有滑坡定量空间预测模型，实际上都隐含着许多假设条件。没有这些假设条件，就根本无法进行预测分析。例如，Carrara等（1995）基于判别分析得出的“概率”大小，编制了滑坡危险性评估图。这种“概率”表示的是未来滑坡发生的概率。但在他们发表的文章中并没有对其进行明确的定义和说明。几乎所有的滑坡危险性定量预测分析研究都没有对假设条件加以讨论和说明。

（4）对预测结果缺乏有效的检验。如果预测结果没有进行有效的检验，其使用的预测方法就不具有科学可靠性。滑坡危险性区划图是用来显示未来滑坡发生的可能位置，需要对预期结果进行检验。而绝大多数的研究预测都缺乏这样的检验。可喜的是，Chung和Fabbri（2003）提出将空间数据库进行时间/空间分组，一组用于建立预测模型；另一组用于预测结果的检验。Fabbri等（2003）使用了类似的有效性检验技术，对每个图层及其组合关系的预测灵敏性进行分析。

（5）缺乏对未来滑坡概率的估计。通常在滑坡危险性图基础上，加入详细的社会-经济空间属性特征（如人口和基础设施分布及相应的经济参数）得到滑坡风险图。为了综合进行社会-经济分析（包括预期的“费用-效益”分析），需要将不同的滑坡危险性等级转换成滑坡未来发生的概率，以用于随后的承灾体易损性分析和风险分析。大多数滑坡灾害区划一般仅限于滑坡敏感性区划，往往没有估计滑坡未来发生的概率。Fabbri等（2002）在这方面进行了探索研究，通过其案例研究，可以了解如何应用检验技术，综合考虑滑坡危险性水平和易损性情景来表示滑坡风险大小。

在应用滑坡风险分析成果时，要认识到滑坡风险分析存在不确定性，主要体现在以下几个方面：

任何滑坡的空间信息都包含着难以估计的不确定性；

社会-经济数据的精度和质量差异大，直接影响风险评估结果的准确性；

在大多数情况下，只能对建筑物和社会的易损性进行粗略的估计；

风险模型总是对现实的概化，模型的性能在很大程度上受数据的限制；

计算的滑坡风险是对一定时间的现实分析的静态表征。

三、未来发展前景

1.地形数据的改进

随着地理信息科学和地球观测技术的迅猛发展，有越来越多的工具可用于更可靠的滑坡危险性和风险评估。在滑坡危险性和风险分析中，地形是重要因素之一。数字高程模型（DEM）起着重要作用。在过去15年，无论是在高精度的地形数据可得性方面，还是在地形数据处理软件开发方面都有重大进展。使用航片的成像方法生成DEM、GPS的应用、地形图的数字化及其插值专业软件，现已成为大多数滑坡研究人员工作的标准程序。来自NASA航天雷达地形工作组（SRTM）的DEM数据已覆盖全球，在美国境内分辨率为30m，在世界其他地方为90m（Rabus等，2003）。这为开展区域尺度的滑坡研究奠定了基础。干涉雷达（InSAR）日益成为准确、快速采集地形数据的重要技术。目前正在运行的星载InSAR系统有：ERS、ENVISAT、RADASAT。近年来该技术已被用于滑坡位移的监测和测量（Fruneau等，1996；Rott等，1999；Kimura和Yamaguchi，2000；Rizo和Tesauro，2000；Squarzoni等，2003）。目前使用DInSar技术进行植被覆盖地区的斜坡位移探测还有许多限制（如大气条件干扰）。业已证明，干涉雷达技术是生成DEM和监测缓速滑坡的一种好方法，但它对于滑坡编目填图不是十分有效。

另一种用于高精度地形填图的新技术是激光测距（LiDAR）。通常LiDAR的点测量可以提供DSMs，其中包含有关地球表面的所有物体（建筑物、树木等）的信息。Montgomery等（2000）、Dietrich等（2001）、Crosta和Agliardi（2002）将LiDAR技术应用于滑坡敏感性评估中。Norheim等（2002）在同一地区对LiDAR和InSAR技术进行了比较，结果表明，LiDAR生成的DEM精度远比InSAR高，而且与航片成像技术相比，LiDAR更经济些。陆地激光扫描技术已经研制出来并被用于滑坡体或岩石坡体的3维结构表征（Rowlands等，2003）。一旦激光扫描技术更加便宜，就可获取高精度、大面积覆盖的DEM，这将为新滑坡的编目提供强有力的技术支持。

2.滑坡编目填图的改进

如上所述，滑坡编目图是滑坡风险评估的主要组成部分，特别是如果滑坡编目图包含滑坡发生时间、滑坡类型和体积的信息以及当发生重大滑坡触发事件后相关数据得到及时更新的话，滑坡编目图就更加重要。尽管滑坡编目所需的地面数据采集具有重要作用，但大多数信息来自遥感信息。在过去10年中，利用卫星遥感数据识别小规模滑坡失稳并进行编图的可能性已有了实质性的进展。现在多光谱、全色卫星数据的空间分辨率已达1m，其应用前景广阔（CEOS，2001）。

在无植被覆盖地区，使用中等分辨率系统（如LANSAT、 SPOT、IRS-1）的遥感影像，可以根据不同的光谱波段鉴别出滑坡体。

ASTER是目前最经济的、可用于滑坡填图的中等分辨率卫星数据之一。ASTER’s14多光谱波段（VNIR、SWIR、热IR三个波段）和立体影像功能使其成为区域尺度滑坡填图前景广阔的技术，特别是在缺少地质图和地形图的地区（Liu等，2004）。

在滑坡编目填图中，还可利用高分辨率的立体影像（如IKONOS或Quickbird）进行地貌解译和滑坡填图（De la Ville等，2002；Petley等，2002）。利用目前GIS和影像处理软件（如ERDAS立体分析模块或ILWIS）也可将平面卫星影像转化为立体影像。这为提高滑坡编目填图水平提供了技术支持。

3.模拟滑坡启动机制研究的改进

在目前的研究中，滑坡危险性评估通常限制为经验降雨临界值方法或多边量统计技术（Caine，1980；Corominas，2000；Fan等，2003）。这些方法忽视了降雨触发滑坡的启动机制，大大降低了滑坡危险性的预测和定量分析水平。在缺少滑坡历史数据或没有明显的统计关系的地方，利用现有方法预测滑坡危险性是不可能的。 因人类活动、土地利用变化、森林砍伐或气候变化的缘故导致滑坡边界条件发生变化，滑坡的历史数据就不再有关，也不再有用（Van Beek和Van Asch，1999；Van Beek，2002）。因此，建立降雨入渗、坡体地下水补给与坡体滑动之间的物理动力机制模型，特别是联系着植被和位于滑坡体内较深的地下水储存之间的过渡带—包气带的作用以及优先流的作用必须加以考虑，以便能更好地预测因土地利用和气候变化引起的失稳频率的变化（Bogaard和VanAsch，2002）。

4.模拟滑坡活动范围的改进

滑坡活动范围模拟相当复杂，因为涉及坡体开始滑动的物源组成、行动路径的地貌形态，以及在滑坡运动过程中所携带的物质（Savage和Hutter，1991; Rickenmann，2000；Iverson等，2004）。通常滑坡的沉积物特征与初始滑动的物质不同。大多数情况下缺少关于滑坡速度或流动类型方面的信息，因而难以估计流变动态特征，并应用物理模型对相应的物质流动进行模拟。

另一方面，模拟泥石流物源区的准确位置以及沉积扇物质的扩展。不同的滑坡活动模型与GIS结合，可以模拟出准3D的运动物质分布。然而，在地形条件复杂的地区，利用GIS中的不同算法，会得出不同的活动范围。可以利用随机技术来克服这些技术问题。

5.滑坡危险性时间概率评估的改进

为得到真正的滑坡危险性图，应在汇水流域尺度的敏感性图件中加入时间维度，这必将是一个挑战。使用确定性方法与概率统计技术或许可以提供一种解决方案。一种办法是将不同类型滑坡的场地尺度的确定性水文动力学模型升级为适用于流域尺度的模型，用来评估滑坡发生的时间概率，也有可能评估滑坡发生的规模（体积、面积）和/或滑坡活动范围。需要有确定不同气候情景下滑坡和岩崩危险性和风险的时空模式的方法和模型。

6.滑坡易损性评估的改进

滑坡易损性评估是滑坡风险评估中遇到的主要难题之一。不像地震、洪水或风暴等灾害，滑坡易损性定量评估所做的工作很少。地震、洪水或风暴等灾害的损失估计决策支持系统建立非常完备，有较简单的损失评估工具，也有多灾种复杂的损失评估系统（如HAZUS）（FEMA，2004）。滑坡易损性评估遇到的问题是，滑坡有许多类型，应该分别进行评估。滑坡易损性方面的信息应来自滑坡发生的历史资料，然后利用模拟方法和经验方法进行易损性评估。

总之，有关滑坡风险评估的文献研究表明，在过去10年中，开展了大量的滑坡风险评估研究，定量滑坡风险评估主要是针对场地尺度和线性构筑物场所（如管道和道路）开展的。而定量滑坡风险区划编图，特别是中等尺度（1∶10,000～1∶50000）滑坡风险区划图的编制还有很长的路要走。这种中等尺度的滑坡风险区划图可用于土地开发规划和灾害应急响应（Michael-Leiba等，2003）。利用该类图件，可以确定出不适宜开发的地区，也可以用来选择相对风险高的地区，以进一步开展详细调查定量确定风险，进行费用-效益分析，以确定未来开发方案。

鉴于上述区域滑坡风险评估的诸多困难，建议对中等尺度的滑坡风险评估进行定性或半定量评估，将滑坡风险划分为“非常高”、“高”、“中等”、“低”、“非常低”不同的定性等级，这些等级的确定是根据专家知识和经验以及利用统计模型和确定性模型得出的结果。不同风险等级还应包括其实际应用含义的描述性语言。建议对每种滑坡类型进行单独的风险评估，因为每种滑坡类型的失稳效应彼此差异很大。编制的风险图件应直接指示出在一定的环境背景条件下影响风险的 地貌证据，如滑坡运动距离、规模、滑坡深度、滑坡的回退运动。

地理信息系统（GIS）已成为滑坡危险性、易损性和风险评估必不可少的基本工具。在大尺度研究中，确定性模型最适合于确定斜坡的安全系数，动态模型适合于描绘滑坡的运动轨迹。当与概率方法相结合时（触发事件的输入数据的变化性和重现期），便可获得滑坡失稳的概率。由于土壤深度是确定性滑坡危险性评估的重要参数，可以通过浅层地球物理方法获取该参数，可采用的方法包括：地电方法、高分辨率地震反射勘查、地面穿透雷达（GPR）、电磁法（EM）和激发极化（SP）测量。

在中等尺度上，最重要的输入数据是基于事件的滑坡编目图。该类图应强调滑坡特征（类型、体积）以及不同承灾体的损失。将这些滑坡信息与要素图（如坡度、岩性等）相结合，利用启发式或统计方法，便可生成滑坡敏感性图。将敏感性图与滑坡频率分析（与降雨和地震记录有关的时间数据库连接）相结合，也可获得滑坡发生的时间概率。地球观测数据应成为滑坡研究常规数据基础，以定期进行新滑坡编目和数据库的更新。在确定滑坡易损性和损失函数方面还有许多工作要做。需要研究突破的是，如何确定预期的滑坡规模或体积，最后，将滑坡风险分析与评估的各个组成部分综合在一起，形成滑坡风险信息/管理系统，从而为地方政府进行滑坡风险管理和空间决策提供技术支持系统。

四、小结

实践证明，地质灾害风险评估是地质灾害勘查、研究的一项重要的基础内容，它对认识地质灾害程度，制定减灾规划，部署防治工程，提高灾害管理水平具有十分重要的意义。然而，尽管近年来国内外地质灾害评估得到迅速发展，但由于这方面工作是一个新的领域，而且它所涉及的内容广泛，不仅包括自然科学，而且包括社会科学，所以已有的研究远没有形成系统完善的科学体系，已有的应用水平也远不能满足社会经济发展的减灾需要。

由于减灾事业发展的需要和社会对灾害风险评估认识的提高，为了更加科学有效地防范地质灾害，今后，地质灾害风险评估必将得到进一步发展。主要趋向表现在下列方面：

（1）研究内容进一步扩展，将逐渐形成跨学科、跨领域的相互交叉的综合研究体系。

（2）研究方法和手段进一步丰富、先进。除计算机技术得到更广泛应用、发挥更大作用外，遥感技术、卫星定位技术等多种高科技手段也将为地质灾害风险评估所利用。

（3）关注和参加的部门和专家进一步扩展。除政府减灾管理部门、地质灾害专业研究部门外，保险和防灾治灾的产业部门等也将在更大程度上关注或直接参与地质灾害风险评估工作。

（4）国际交流合作将进一步发展，特别是在理论、方法、技术方面的交流合作将会有较大发展。

（5）理论研究将得到较大提高，逐步形成自身的理论体系。

（6）与减灾规划、防治工程及其他社会经济的结合越来越紧密，实用性越来越强。

⑶ 地质灾害危险性现状评估

以定性分析为主，定量为辅的评估方法，按“技术要求”规定，根据评估区地质环境条件和已有取得资料，采用地质历史分析法、工程地质类比法和稳定状态，按大、中等、小三级（表5-14）对各类地质灾害危险性现状进行评估。

表5-14 地质灾害危险性分级表

（一）崩塌（危岩）

首先对其稳定性进行评价，之后结合危害对象进行灾害（危害）程度分级评价，在此基础上进行危险性分级，如稳定性好，危害程度轻，则危险性小，相反即为危险性大，介于二者之间为危险性中等。

1.稳定性评价

根据崩塌体所处的地质环境条件，重点依据变形迹象，并与以往同类崩塌发生条件进行类比，综合分析后判定其稳定性。评估区内崩塌大部分稳定性为较差至差，其中差的有19处，较差的有72处，好的有14处。差和较差者存在有再次滑塌的可能。

2.灾害（危害）程度分级评价

根据调查，区内已发生崩塌灾情均为一般级。现依据“基本要求”对崩塌危害程度进行分级评价，其中属于重的有1处，编号b117，位于清水县土门乡老坟村（天水支线38km附近）；该危岩体为黄土及下伏新近系泥岩组成的陡坡，由于人为开挖削坡形成，方量1.2×10⁴m³，坡下学校被危及，管道也在下方通过。中等的有5处，其余99处均为轻度危害。主要危害对象为农田和简易公路，少数危害居民、学校，同时为泥石流提供了松散固体物质。

3.危险性评价

结合稳定性和灾害（危害）程度结果，评价得出危险性大的有3处，分别位于张家川木河（b80）、清水县土门（b117）、北道区北部（b120）；中等的有 10处，主要分布于皋兰山、清水金集—北道等地；其余92处均为危险性小的。危险性大的前2处距管线较近。

（二）滑坡

对稳定性和危险性分别进行评价。

1.稳定性评价

按滑坡稳定性判别表（表5-15）进行评价，其中稳定性差的有7处，分别位于通渭碧玉、张家川木河、清水金集—北道；较差的有28处，分别位于兰州范家坪、马营—通渭、静宁仁大—秦安莲花、清水土门—天水北道等地；稳定性好的有23处。

现将2处典型滑坡的特征分析一下。

（1）下河里滑坡（h28）

位于张家川木河乡下河里村东侧。滑坡发育在木河上游北岸，沟谷较窄，谷地宽约 100～180m，呈“U”型，发育有一级阶地，高出河床3～5m，沟谷两侧为黄土丘陵，相对高差为80～100m。出露地层为新近系砂质泥岩并夹有灰绿色泥岩条带，出露段表层风化强烈，其上为马兰黄土，厚约30～50m，坡体有细小冲蚀沟槽和零星落水洞。

表5-15 滑坡稳定性判别表

该滑坡为黄土—泥岩滑坡，滑坡体长500m，宽300～350m，平均土体厚20m，约40×10⁴m³。滑距约100m，为一老滑坡，滑体下陡、上缓，坡度25°～40°，成因是地表水流侧蚀形成。目前该滑坡前缘因修路削坡，形成一定的临空面，局部已出现崩塌和浆砌护坡鼓胀开裂，极可能导致开挖段部分滑体复活。现场调查，推断复活体长约50～60m，宽约100～150m，推测滑体厚度5～10m。现状主要威胁对象为公路和农田，有再次发生的可能（图5-5）。管线滑坡体下方，距其前缘剪出口约40m。

图5-5 下河里滑坡示意剖面图

1.黄土 2.泥岩及砂质泥岩 3.黄土状土 4.滑坡堆积物 5.滑床及滑向 6.推测复活体滑床及滑向

（2）莲花城—郭家河滑坡群

位于清水河河谷北岸，共有5处，由巨型和大型老滑坡组成（图5-6），自西向东编号依次为：h127、h128、h129、h130、h131。相应的管道里程桩号283km～288km。该段相对高差120～180m，平均坡度30～35°，出露地层为新近系泥岩、第四系黄土、黄土状土，黄土厚约40～60m，披覆于谷坡及顶部，落水洞及冲蚀沟发育。

图5-6 莲花城—郭家河滑坡群平面分布图

5处滑坡均为黄土—泥岩滑坡，上覆第四系马兰黄土，下伏新近系泥岩夹砂质泥岩。滑坡后壁高约10～30m，滑坡形态清晰，坡体长300～500m不等，宽500～800m，推测平均厚度30～40m，主滑方向垂直清水河流向。由于本段所发育的滑坡全是老滑坡，滑坡体受水流冲蚀切割强烈，坡体表面树枝状冲沟十分发育，切割较深的冲沟两侧小型崩塌发育，部分滑坡后壁在黄土与泥岩接触处有泉水出露。滑坡群整体稳定，但组成物较松散，现状前缘受河流侧蚀和开挖削坡的影响，局部出现掉块和崩塌等轻微的变形迹象，可能导致前缘较陡段复活。目前受威胁的对象为村庄、公路。管线在该5处滑坡下方通过（图5-7）。

图5-7 h131滑坡示意剖面图

1.黄土 2.黄土状土及砂砾石 3.泥岩及砂质泥岩 4.滑坡堆积物 5.滑床及滑向 6.泉

2.危险性评价

据调查结果，区内已发生滑坡灾情从一般级到特大级都存在。危害程度严重的有3处，主要位于通渭碧玉等地；危害程度中等的有6处，主要位于秦安莲花、天水北道等地；其余49处属于危害程度轻的。主要危害农田、公路、零星住户，同时构成泥石流的松散补给物质。

根据滑坡稳定性和危害程度评判结果，评估区危险性大的滑坡有4处，分别位于范家坪—彭家大山（h3、h5）、通渭碧玉峡口（h49）、张家川木河（h28）；中等的有30处，分别位于兰州范家坪、静宁仁大—秦安莲花、清水土门～天水北道等地；危险性小的24处。

（三）泥石流

分泥石流灾情和现状危险性评估两部分。

1.泥石流灾情评估

区内已发生过多次灾害性泥石流，按表5-16分级标准进行灾情评估与分级，经调查后初步认为，评估区灾害程度中和轻的较多，特重程度的泥石流一般很少发生。由于无法取得准确的资料，只能从简单的走访中了解。

表5-16 地质灾害灾情与危害程度分级标准

2.泥石流现状危险性评估

按泥石流规模、易发性以及危害情况综合评估危险性。

（1）泥石流规模。

本次按一次最大冲出量划分（表5-17），计算方法采用径流折算法概算，经验公式为：

W_H=1000K·H.a.F.

式中：

W_H——一次最大冲出量（10⁴m³）;

K——系数，取0.1～0.5;

H——小时最大降水量（mm）;

a——系数，取0.73;

F——流域汇水面积（km²）；

——增流系数。

根据公式

＝（γ_c-10)/(y_h-y_c）计算求得，其中γ_。为泥石流重度（k N/m³），根据泥石流数量化评分直接查得，γ_h为泥沙颗粒重度（k N/m³），取26.5k N/m³。

计算得出区内一次最大冲出量介于0.1×10⁴m³～7.5×10⁴m³之间，其中属于小一型的16条，小二型的47条。

（2）泥石流易发性

主要依据已经作过的《县（市）地质灾害调查与区划》成果进行易发程度分区评价。在没有作过此项工作的地区，首先按表5-18进行泥石流易发程度分级评价，其中易发程度（严重程度）按表5-19进行量化。

区内共有泥石流沟57条，中易发性泥石流沟有21条，低易发32条，不易发者4条。

表5-17 评估区泥石流规模划分标准表

表5-18 泥石流易发程度分级表

（3）泥石流危害程度及危险性

评估区泥石流沟多属深切沟谷，而村庄一般均座落于沟谷较高地段，泥石流危害相对较轻，仅对靠近沟口的村庄、农田以及公路有轻微危害，但在城镇附近和人口集中的地方泥石流危害最大，往往对沟谷两侧及沟口设施形成大的威胁和危害，并诱发一些崩塌和滑坡发生，如通渭碧玉、秦安莲花城、张家川韩家硖等地。区内泥石流危害程度轻的有24条，危害程度中等的有33条。

表5-19 泥石流易发程度（严重程度）数量化表

根据泥石流的易发性、规模和危害程度，区内危险性大的泥石流沟有2条，位于燕麦庄（N8）和高崖（N9）；危险性中等的泥石流沟有31条，分别位于兰州小坪子、马营镇、莲花城、阎家店等地；危险性小的泥石流沟有24条。2条危险性大的泥石流沟距管线有一定距离，影响小。

（四）洪水冲蚀

洪水冲蚀强度东部大于西部，相应的危害性和威胁性也较大。通渭以西年降水量较低，属中易发区，除少数河沟外，主要对农田、道路的威胁大，危害程度较小～中等。通渭以东，年降水量较多，特别是局地性阵雨及暴雨突发频率较高，汛期洪峰流量大，来势猛，对居民区和道路构成威胁，危害程度中等。除上述危害外，由于水流的不断冲刷、浸泡和侧蚀作用，常引起沟岸坍塌，加剧了水土流失，据有关部门资料和本次调查情况，通渭以西侵蚀模数500～2000t/(km²·a），强侧蚀段坍岸速度0.1～0.5m/a，危害程度轻。通渭以东侵蚀模数小于2000～5000t/(km²·a），局部大于5000 t/(km²·a），危害程度中等。

依据调查成果，对评估区内洪水冲蚀灾情和危险性分别给予评估。

灾情评估依据表5-16分级标准进行，评价结果：属于轻度灾害的有4次，中等灾害的有5次，重灾害有2次（表5-20），表明本区洪水冲蚀危害一般为轻和中等，当遇降水多的年份或遇暴雨很可能造成较大的灾害损失。

表5-20 已发生主要洪水冲蚀灾害灾情一览表

易发性根据实地调查结果，并结合沟谷已发生洪水频次和降水量分布情况确定。评价结果：高易发1处、中易发者1处，低易发10处（表5-21）。

根据洪水冲蚀灾情和易发性结果，区内洪水冲蚀危险性小的有8处，中等的有4处（见表5-21）。

表5-21 评估区区洪水冲蚀沟现状危险性评估一览表

（五）地面塌陷

根据野外调查，评估区采空区目前仅有兰州西固人防工程、地下水位上升引起的地面塌陷，人防工程与管线距离＞1.5km，黄土丘陵区开挖窑洞引起的地面塌陷很少，其他地段不存在地面塌陷现象。所以评估区内地面塌陷危害小，危险性小。

（六）特殊岩土灾害

1.黄土湿陷和潜蚀

根据《湿陷性黄土地区建筑规范》，对黄土的湿陷类型及等级作了初步评价。丘陵区黄土为Ⅱ－Ⅳ级自重湿陷性土，属中等—很严重等级，河谷区黄土状土多为Ⅰ—Ⅱ级非自重湿陷性土，仅黄河、渭河二级阶地局部地段为Ⅱ级自重湿陷性土，属轻微—中等级。

黄土湿陷和潜蚀现象主要表现为陷穴、陷坑、落水洞和竖井等。多零星分布于地形低洼地带和陡岸处，规模均较小，落水洞一般深2～5m，洞口直径0.5～2.5m。目前主要危害公路、渠道和农田，另外，引起崩塌、滑坡和水土流失发生。在黄土丘陵和河谷地带对乡间公路危害较大，危险性中等，其余地段危害小，危险性小。

2.盐渍土的盐胀和腐蚀

盐渍土以硫酸—氯化物型为主，经收集资料分析，通渭以西0.0～1.0m段土壤平均含盐量为3.4%，最大可达 8%～15%左右，表层有弱胀缩性和腐蚀性；该类土现状分布面积很小，对农田等不具危害性，因此危害小，危险性小。对建筑基础工程有一定影响，但危害小，危险性小。

高矿度水分布区，矿化度1.7～3.2g/L,p H值1～8，氯离子和硫酸根离子含量大于500mg/L,对混凝土和钢结构有一定的腐蚀性，按《岩土工程勘察规范》（GB50021—2001）指标对比评价，评价区高矿化度水对混凝土具弱—中等结晶性侵蚀，小面积强腐蚀区位于黄河二级阶地后缘和葫芦河、牛谷河及关川河等地；对钢材的腐蚀性均为中等（表5-22）。

3.膨胀岩的胀缩

根据岩样分析结果，白垩系泥岩自由膨胀率（Fs）为20%～60%，蒙脱石含量8.17%～19.09%；页岩自由膨胀率（F_s）为40%～54.3%，蒙脱石含量8.94%～15.59%。

新近系泥岩自由膨胀率（F_s）为11%～59%，膨胀力（P_s)(4～25)k Pa，饱和吸水率（Wsa)9.9%～34.9%。

依据《岩土工程勘察规范》，按自由膨胀率（F_s）分类（表5-23）评价，本区膨胀岩在大部分地段具胀缩性，但均属弱膨胀潜势，主要危害是剥落、掉块造成农田、道路和水利设施等的掩埋，致灾现状轻微，危险性小。此外黄土自由膨胀率变化较大，现状危害轻微，危险性小。

表5-22 高矿化水对混凝土和钢结构腐蚀性评价结果表

表5-23 膨胀岩的膨胀潜势分类表

⑷ 基于MATLAB的BP神经网络设计预测滑坡灾害问题

解决好如下几个问题：

①输入层：输入特征量个数，特征量。比如输入层为[x1 x2 x3]T。应有到山体滑坡就是刻画表征山体滑坡的特征量，这些量要归一化处理。
②隐含层：设置多少层隐含层，网络下有相关计算公式来确定。
③权值修正迭代算法，选择什么样的算法是输入尽快逼近输出，且误差最小
④输出层：输出的情况有多少种,该实体对象的状态。比如滑坡，未滑坡。
⑤样本的选取：样本要涵盖所有的输出，样本数量理论上越多越好。也可根据情况选择，尽量是输出情况对应的输入样本比例接近。
举个实例：
比如车型划分，主要划分为大车、小车两类。
输入层就是车型划分的特征量：比如选车长、轴数、车高三个特征量，那么输入层为3，[车长 轴数 车高]T
隐含层：设置可以设为5.设置太少不好。具体参照公式
迭代算法:可选择梯度下降法
输出层：也就是我们实体的状况：2中车型，大车 小车。可以定为[1 0]T
[0 1]T
样本大小车[车长 轴数 车高]形成的特征输入，控制大小车样本接近1:1.
如上确定好了后，形成了3*5*2的bp网络。训练即可。
参考如下实例：地震bp预测
http://wenku..com/view/856fa45f3b3567ec102d8a2d.html

⑸ 滑坡灾害风险评估

一、滑坡灾害危险性评估

（一）评估方法

Bonham提出了基于统计学的Bayesian方法的数据驱动权重模型（weights of evidencemodeling），并将其应用到找矿领域。Van Westen进一步将模型应用到灾害危险型评估领域。数据驱动权重模拟方法的主要原理是利用滑坡历史分布数据，建立滑坡分布与各影响因子之间的统计关系，即根据在各影响因子不同类别中滑坡分布的统计情况来确定各影响因子对滑坡灾害的贡献率(权重) 大小。这种采用数据进行权重确定的方法被称为数据驱动模型。与专家的知识模型相比，权重的确定更加科学和可靠，避免了专家的主观性所带来的不确定性。最后，利用另一时期的滑坡分布历史数据对评估结果进行检验和成功率预测，使评估结果更加具有可信度。这种方法的主要评估原理示意于图7-5。基于贝叶斯（Bayesian）统计方法的数据驱动权重模型较其他统计方法更加严谨，充分考虑了滑坡影响因素之间的关系，以及各影响因素与滑坡灾害的关系；并进行影响因素的独立性分析，找出最关键的影响因子。在此基础上再计算各影响因素的权重。通过实证权重统计计算得出正负权重以及各种统计参数，依次选择不同方法——后概率预测法、指数叠加法和模糊逻辑法，生成最终的滑坡敏感性图，用另一组数据进行检验，比对各种方法的预测结果的准确性。

图7-5 基于GIS的滑坡灾害敏感性评估示意图

（二）滑坡危险性评估准则与数据准备

滑坡的发生与所在的地质环境条件、外部气象条件和人类活动的强度密切相关。根据当地条件和数据可得性确定以下滑坡评估因素：

存在适宜的地质岩性条件。例如，软弱岩石的存在；

存在适宜的土地利用强度。土地利用强度越大，越容易产生滑坡；

存在适宜的坡度条件。坡度越陡越容易产生滑坡；

存在适宜的降水条件。持续时间越长的暴雨越容易产生滑坡；

存在适宜的地壳活动强度。断裂活动越强，越容易产生滑坡。

本次研究所采用的GIS平台主要是荷兰国际地区测量与观测学院（ITC）开发的ILWIS软件。该软件集GIS空间分析、地质统计学、遥感影像处理等模块为一体，具有强大的空间分析、地质统计和影像处理功能。利用ILWIS软件生成以下5个滑坡影响因子图，并根据滑坡调查数据，生成两组滑坡分布图：

坡度图：从衢州地区1∶5万DEM地形图中生成坡度图，然后按照表7-12重新进行分类和赋值生成坡度图（Sub_1）。

降雨量图：通过数字化衢州地区1∶5万降雨量图获得降雨量图，然后按表7-13重新进行分类和赋值生成降雨量图（Sub_2）。

岩性图：从衢州地区1∶10万地质图提取，按照表7-14进行分类和赋值，生成岩性图（Sub_3）。

土地利用强度图：从衢州地区1∶5万土地利用图，按照表7-15重新进行分类和赋值，生成土地利用强度图（Sub_4）

断层图：从衢州地区1∶10万地质图提取断层线，以此利用ILWIS软件中的“Buffer”功能来按表7-16生成断裂距离图（Sub_5）。

崩滑流灾害分布图：将滑坡调查数据分为两组：用危害程度“较大级”和“重大级”（21个点）作为计算图件（Threat_L），用危害程度“一般级”（共29个点）（Threat_S）进行验证。

表7-12 坡度分类和赋值

表7-13 降雨量分类和赋值

表7-14 地质岩性分类及赋值

表7-15 土地利用分类及赋值

表7-16 断层缓冲分区和赋值

（三）计算流程

计算流程见图7-6。

图7-6 滑坡敏感性图计算流程

（四）实证权重后概率预测法

第一步：生成多边形属性特征图（图7-7，见彩页）

根据表7-15～表7-16，按下列命令在ILWIS GIS环境中，生成岩性二值图（Sub_4）和土地利用强度二值图(Sub_5)：

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

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

将岩性二值图（Sub_4）和土地利用强度二值图(Sub_5)分别与第一组滑坡灾害分布图（Threat_L）进行交叉运算，分别生成交叉运算表，按下列一组公式确定统计参数：Npixt ,Npixd, Npixb, Npixbd，然后计算正、负权重(Wp, Wn) 以及离差（C）和标准离差（sigC），计算结果见表7-17。

表7-17 滑坡二值模式的权重和统计参数

Npixt=研究区的总像元素数目

Npixd=存在滑坡点的像元数数目

Npixb=各滑坡影响因子二值图中“存在”类型的像元数数目

Npixbd=在各滑坡影响因子二值图“存在”类型中有滑坡分布的像元数数目

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：生成线性属性特征图（图7－7）

根据表7-12～表7-14，生成坡度图（:Sub_1）、降雨量图（Sub_2）和断层缓冲图（Sub_3），将生成的坡度图（:Sub_1）、降雨量图（Sub_2）和断层缓冲图（Sub_3）分别与第一组滑坡灾害分布图（Threat_L）进行交叉运算，分别生成交叉运算表，按下列一组公式确定统计参数：Npixt ,Npixd, Npixp, Npixpd，然后计算正、负权重(Wp,Wn) 以及离差（C）和标准离差（sigC），计算结果见表7-17。

Npixt、Npixd 代表的意义与上面一样。

Npixp=累积分类中像元素数目

Npixpd=累积分类中存在滑坡点的数目

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))))

根据表7-17中的W+、C值和SigC来看，降雨量和坡度因素的影响最大，表明它们对衢江地区的滑坡产生具有重要影响。土地利用的影响最小。

第三步：条件独立性检验

首先按以下公式生成5个二值预测模式图（W_1、W_2、W_3、W_4、W_5）（图7-8，见彩页）：

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)

然后进行两两条件独立性检验。对上述生成的5个二值预测模式图（W_1～W_5），通过两两条件交叉运算，得出Chi平方值，其计算结果见表7-18。从表中可以看出，所有值都低于3.84（95%的置信度水平）， 这表明所有因素彼此都是具有明显的统计独立性。

表7-18 用于独立性检验的两两比较Chi平方值

第四步：生成滑坡后概率预测图

按以下公式生成滑坡后概率预测图（图7-9，见彩页）：

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))

按下列公式对上面滑坡后概率预测图（pstprb1）创建预测二值图(postmap_1)：

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

从二值图（Postmap_1）的统计图表中可知，滑坡易发地区（“favorable”）的单元数为3831个，占研究区单元总数的54.36%。将第二组滑坡灾害点图（共有29个危害程度一般滑坡点）迭置在二值图（图7-9，见彩页 Postmap_1）上，有23个点落入滑坡易发地区（“favorable”）内，这表明预测成功率达到79.31%（图中黑点为用于验证的29个的点）。

（五）实证权重指数叠加法

第一步：生成指数叠加二值图

根据表7-17，通过差值法计算权重和分数，其结果见表7-19。

表7-19 指数叠加法和模糊逻辑法的权重和分数

按以下公式生成指数叠加二值图（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：生成滑坡敏感性图

按下列公式生成滑坡敏感性图（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)

将生成的滑坡敏感性图（Index_map）重新进行分类（三类：适宜、一般适宜、不适宜），得到最终滑坡敏感性图

从最终滑坡敏感性图的统计图表可知，滑坡易发地区（“favorable”）的单元数为17856个，占研究区单元总数的33%。将第二组滑坡灾害点图（共有29个滑坡点）迭置在最终滑坡敏感性图（图7-10，见彩页），有16个点落入滑坡易发地区（“favorable”）内，这表明预测成功率达到55.17%。

（六）方法比较

尽管使用不同的方法得出的结果有很大的差异，但总体趋势是相同的。实证权重后概率预测法与指数叠加法相比，前者比后者集中度大，即“适宜”地区大一些（分别是54.36%和35.95%），但前者的预测成功率比后者大一些（79.31%和55.17%）。因此，实证权重后概率预测法比指数叠加法更保守些（表7-20）。

表7-20 不同方法预测成功率比较

（七）小结

实证权重法权重的获得是客观的，不是根据专家的主观判断，而是根据实际滑坡灾害调查数据与滑坡影响因素的统计关系确定的。

根据表7-17中的W+、C值和SigC来看，降雨量和坡度因素的影响最大，表明它们对衢江地区的滑坡产生具有重要影响。土地利用的影响最小。

通过两两比较相关性检验表明，所选定的5个滑坡影响因子具有条件独立性。

尽管使用不同的方法得出的结果有很大的差异，但总体趋势是相同的。实证权重后概率预测法与指数叠加法相比，前者比后者的“适宜”地区大一些（分别是54.36%和35.95%），但前者的预测成功率比后者大一些（79.31%和55.17%）。而模糊逻辑5种方法结果都不理想。总的来看，实证权重后概率预测法与指数叠加法结果比较好。

滑坡敏感性评估是滑坡灾害风险评估与管理的重要组成部分。只有在充分认识滑坡灾害敏感性的基础上，考虑承灾体的易损性，才能客观地评估滑坡灾害的风险，从而制定出减轻滑坡灾害的行之有效的措施。我国是滑坡灾害的多发国家，如何认识滑坡灾害的敏感性，在国民经济建设中合理开发利用土地，将滑坡灾害损失降低到最小限度，是摆在我们面前的紧迫任务。因此，开展滑坡灾害敏感性评估方面的研究具有重要的现实意义。3S技术在这一领域有着十分广阔的应用前景。不断发展的GIS 平台具有强大的遥感影像的处理功能和空间分析功能，为科学分析和预测滑坡灾害提供了技术平台。概括起来，滑坡灾害评估的空间分析方法主要有两种，一是基于专家经验的知识驱动型方法；二是基于统计学的数据驱动型方法。显然，前者具有主观性和不确定性；而后者则更加科学、可靠。基于统计学的数据驱动型方法在滑坡灾害评估领域中的应用还属于探索阶段，如何利用强大GIS 技术平台，开发出更符合实际的滑坡灾害空间分析的统计算法是今后的发展方向。

二、承灾体易损性评估

承灾体易损性包括物质易损性和人口易损性。承灾体易损性不仅取决于承灾体本身的承灾能力，还取决于当地社会抵御滑坡灾害的能力，这包括减灾措施、灾害预报、灾害应急准备和社会经济发展水平。因此，易损性是承灾体脆弱性和防灾水平共同作用的结果。

（一）易损性评估数据准备与评估准则

滑坡发生所造成的危害取决于人的生命和财产抵御滑坡灾害的能力，即易损性大小。主要与人口和财产（基础设施、建筑物和土地资产）的分布位置及密度密切相关。根据当地条件和数据可得性确定滑坡灾害易损性评估因素包括：人口分布密度、房屋建筑物财产价值（万元）、通讯基站投资（万元）、公路（千米）、耕地资产（万元）、园地资产（万元）、林地资产（万元）。

采用荷兰国际地区测量与观测学院（ITC）开发的ILWIS软件GIS平台，利用ILWIS软件按表7-21生成以下7个滑坡易损性图（图7-11～图7-17，见彩页）：①人口分布密度图；②房屋建筑物财产价值图；③通讯基站投资图；④道路交通图；⑤耕地资产图；⑥园地资产图；⑦林地资产图。

表7-21 衢州地区滑坡灾害承灾体易损性评分标准

（二）易损性评估方法（因子权重评估方法）

采用主成分分析与因子分析方法确定权重。具体计算过程如下：

（1）单变量描述性统计量，见表7-22。

表7-22 单变量描述性统计表

（2）相关系数矩阵见，表7-23。

表7-23 相关系数矩阵

（3）KMO与Bartlett 的球形检定，见表7-24。

显示KMO抽样适当性参数与Bartlett的球形检定。

表7-24 KMO与Bartlett 的球形检定

KMO是Kaiser-Meyer-Olkin的取样适当性量数，当KMO值愈大时，表示变量间的共同因子愈多，愈适合进行因子分析，根据专家 Kaiser（1974）观点，如果KMO的值小于 0.5 时，较不宜进行因子分析。此处的KMO值为0.520，表示适合因子分析。此外，从Bartlett的球形检验的值为158.400，自由度为15，达到显着，代表样本的相关矩阵间有共同因子存在，适合进行因子分析。

（4）共同性。显示因子间的共同性结果，或者说显示各因子解释掉方差的比例。共同度从0到1，0为因子不解释任何方差，1为所有方差均被因子解释掉。一个因子越大地解释掉变量的方差，说明因子包含原有变量信息的量越多，见表7-25。

表7-25 因子间的共同性结果

（5）未转轴前的结果，见表7-26。

表7-26 主成分分析结果

前5个主成分的方差累计贡献率已超过85%，因此，取前5个主成分为公因子。

其主因子荷载矩阵A，见表7-27。

表7-27 主因子荷载矩阵

（6）转轴后的结果，见表7-28～表7-32。

表7-28 方差极大旋转因子荷载矩阵A*

表7-29 正交旋转变换矩阵

表7-30 方差极大旋转因子荷载矩阵A*的特征值及其对应的方差贡献率

表7-31 因子得分的系数矩阵

表7-32 财产评估因子权重分配系列

（三）承灾体易损性评估结果

对这6个评估指标对应的评分图按各个因子的权重值进行图层间的叠加运算，按以下公式得到各单元的滑坡易损性指数，即易损性指数为各评估指标评分的加权和评估结果（图7-18，见彩页）：D_i=∑（W_i×R_i）。式中D_i为滑坡易损性指数，W_i为评估参数i的权重因子，R_i为评估指标的评分值。

具体来讲，按照上节计算出的财产评估因子的权重结果（W_i），使用ILLWIS软件按下式进行叠加运算：

财产易损性=0.156×建筑物资产+0.164×耕地资产+0.163×园地资产+0.167×林地资产+0.171×道路资产+0.179×通讯基站投资

财产易损性计算结果如图7-18所示。然后将财产易损性图与人口易损性图（即人口分布密度图7-19，见彩页）按等权重进行叠加运算并按5个等级（0，0.1～2.9，3.0～5.7，5.8～8.6，8.7～11.5）重新进行分类，结果如图7-20和图7-21（见彩页）所示。

三、滑坡风险性评估

（一）滑坡风险性评估计算

滑坡风险性是滑坡危险性和承灾体易损性共同作用的结果。滑坡风险评估计算按下式计算：

风险度（Risk）=危险度（Hazard）×易损度（Vulnerability）

具体计算按以下步骤：

（1）将前面用实证权重后概率法和指数叠加法计算出来的滑坡危险性两张图按5个等级进行重新分类，结果如图7-22和图7-23（见彩页）所示。

（2）按滑坡风险评估交叉矩阵（表7-33）将滑坡易损性（图7-21，见彩页）与滑坡危险性（图7-22和图7-23，见彩页）分别进行交叉运算，结果见图7-24和图7-25（见彩页）所示。

表7-33 滑坡风险评估交叉矩阵表（V=VI×VS）

（二）滑坡风险性评估结果分析

从滑坡风险性实证权重概率图的统计图表（表7-34）可以看出，滑坡风险较高地区（IV和V级）所占面积为59.5km²，占研究面积的3.4%，滑坡风险中等地区（III级）所占面积为532km²，占研究面积的30.2%；滑坡风险较小（II和I级）地区所占面积为1170.25km²，占研究面积的66.4%。

表7-34 滑坡风险性实证权重概率图的统计图表

从滑坡风险性实证权重指数叠加图的统计图表（表7-35）可以看出，滑坡风险较高地区（IV和V级）所占面积为126.75km²，占研究面积的7.2%，滑坡风险中等地区（III级）所占面积为691.5km²，占研究面积的39.9%；滑坡风险较小（II和I级）地区所占面积为916.75km²，占研究面积的52.9%。

表7-35 从滑坡风险性实证权重指数叠加图的统计图表

两种方法得出的结果有所差异，但总体趋势基本相同。根据滑坡风险性较高地区（IV和V级）所占面积的集中度和预测成功率，实证权重指数叠加法较实证权重后概率法保守些，滑坡风险性高的地区划定的范围较大，见表7-36，图7-26和图7-27（见彩页）。

表7-36 两种方法比较

（三）小结

本次研究在滑坡危险性评估中采用了两种实证权重统计方法，并在滑坡易损性评估中采用了主成分-因子分析统计方法，确定了财产评估因子的权重，最后通过交叉运算得到了衢州地区滑坡风险性。克服了以往专家指数评定方法权重确定的主观性的缺点，通过实际案例分析，主要得出以下结论：

两种方法得出的结果有所差异，但总体趋势基本相同。根据滑坡风险性较高地区（IV和V级）所占面积的集中度和预测成功率，实证权重指数叠加法较实证权重后概率法保守些，滑坡风险性高的地区划定的范围较大。

研究区滑坡风险性较高地区（IV和V级），主要分布在西北部和东南部地区，在这些地区滑坡危险性主要受降雨量和坡度因素的影响，滑坡易损性主要是人口分布影响较大，居民点和道路及通讯基站的分布也主要集中在这些地区。东南部林地资产较大，这些影响因素的综合作用，导致这些地区滑坡风险性较高。

实证权重法权重的获得是客观的，不是根据专家的主观判断，而是根据实际发生的滑坡灾害数据与影响滑坡危险性的各评估指标的统计关系而确定的。但在本次滑坡危险性案例研究中，因为响应因子-滑坡灾害点少（50个），不能完全揭示出响应因子与预测因子之间的统计关系。如果能够获得足够多训练点数据，会得到更加精确的结果。另外，实证权重要求，必须对预测因子进行分类且对响应因子按一定阈值进行划分才能应用该方法，因此，阈值的确定至关重要，选定不同的阈值将会产生不同的评估结果。因此，更需要大量的实际观测数据，建立响应因子与预测因子之间的统计关系，从而更加科学地确定阈值。

在实证权重评估方法中，进行了两两比较条件独立性检验，结果表明，所选定的滑坡危险性5个评估指标都具有条件独立性，说明所选定的评估指标是合理的。