施紫越, 朱海燕, 王晶菁, 辛存林

(1.西北師范大學(xué) 地理與環(huán)境科學(xué)學(xué)院, 蘭州 730070; 2.中國建筑材料工業(yè)地質(zhì)勘查中心廣西總隊,廣西 桂林 541002; 3.中國地質(zhì)大學(xué)(北京) 地球科學(xué)與資源學(xué)院, 北京 100083)

滑坡是我國高發(fā)、頻發(fā)的自然災(zāi)害之一，屬地質(zhì)災(zāi)害鏈的重要組成部分[1]，作為典型的非線性動力學(xué)過程，滑坡的形成機理受到區(qū)域地質(zhì)環(huán)境、多相介質(zhì)融合、多場耦合條件等復(fù)雜因素的控制。根據(jù)《全國地質(zhì)災(zāi)害防治“十三五”規(guī)劃》[2]，受到地質(zhì)地貌條件、極端天氣氣候、降水時空分布不均等因素的影響，我國滑坡災(zāi)害防治工作所面臨的形勢依然嚴峻。作為滑坡災(zāi)害的研究熱點之一，易發(fā)性評價可綜合反映出滑坡的威脅區(qū)域和潛在破壞能力，是災(zāi)害危險性評價、風(fēng)險評價的基礎(chǔ)，通過滑坡災(zāi)害的易發(fā)性分析，可探討滑坡在不同條件下的形成機理，厘清災(zāi)害的易發(fā)性區(qū)域。

近年來，國內(nèi)外研究人員基于不同的地質(zhì)環(huán)境條件，構(gòu)建并使用多樣化的模型來分析滑坡災(zāi)害的影響因子與易發(fā)性的關(guān)系：Ionut Sandric利用證據(jù)權(quán)法，對羅馬尼亞國布雷扎鎮(zhèn)進行滑坡敏感性分析，認為證據(jù)權(quán)法具有較高的精度[3]；Binh Thai Pham采用誤差降低剪枝的裝袋算法、多重提升算法、旋轉(zhuǎn)森林算法、隨機子空間算法和誤差降低剪枝算法分別對印度國北阿坎德邦比托拉格爾地區(qū)進行滑坡易發(fā)性評價，認為基于誤差降低剪枝的裝袋模型精確度最高[4]；Mukhiddin Juliev采用SI，F(xiàn)R，CF指標對烏茲別克斯坦國博斯坦利克地區(qū)進行滑坡敏感性評價，劃分出5個敏感性區(qū)域[5]；林齊根利用Newmark位移模型，建立了基于物理機理的汶川縣地震滑坡易發(fā)性評估模型[6]；夏輝分別以SVM模型和ANN模型對巫山縣進行滑坡易發(fā)性評價，認為SVM模型的預(yù)測能力略優(yōu)于ANN模型[7]；趙東梅應(yīng)用maxent模型對哈尼梯田核心區(qū)進行了滑坡易發(fā)性評價[8]；蔣德明結(jié)合確定性系數(shù)概率模型和敏感性指數(shù)，對瀘水縣的滑坡孕育因素進行分析[9]。這些單類模型的應(yīng)用在一定程度上克服了概率統(tǒng)計理論的局限性，對于不同耦合模型在滑坡易發(fā)性評價中的探討較為缺乏。

應(yīng)用于地質(zhì)災(zāi)害評價的信息量模型，是基于熵的概念來分析因素，其概率[10]通過信息熵的增減來表示。BP神經(jīng)網(wǎng)絡(luò)適用于求解內(nèi)部運行機制較為復(fù)雜的科學(xué)問題，通過計算影響地質(zhì)災(zāi)害發(fā)生的各因素的信息量，經(jīng)單因素或加權(quán)疊加[11]后，由神經(jīng)網(wǎng)絡(luò)訓(xùn)練帶有已知經(jīng)驗的數(shù)據(jù)集來自動提取“合理的”求解規(guī)則，當(dāng)實際輸出與期望值的誤差達到目標后，再通過求得的貢獻率來量化影響因素，同時避免了專家打分或賦值等人為因素所造成的干擾。信息量法與BP神經(jīng)網(wǎng)絡(luò)已在泥石流評價[12]、生態(tài)風(fēng)險評價[13]、庫區(qū)減災(zāi)[14]、煤礦生產(chǎn)[15]、核物理技術(shù)[16]、地殼活動分析等[17]領(lǐng)域得到應(yīng)用，評價模型穩(wěn)健。湘西州是武陵山區(qū)土質(zhì)滑坡的密集發(fā)育區(qū)，由于孕災(zāi)環(huán)境、誘發(fā)機制的不確定性與模糊性，迫切需要進行土質(zhì)滑坡的易發(fā)性評價?；诖耍疚睦肎IS技術(shù)與信息量、BP神經(jīng)網(wǎng)絡(luò)結(jié)合的模型探討土質(zhì)滑坡的影響因素和空間分布特征，以期為武陵山區(qū)的防災(zāi)減災(zāi)政策提供科學(xué)依據(jù)。

1 研究區(qū)概況

研究區(qū)位于湖南省西北部，下轄吉首市、瀘溪縣、鳳凰縣、花垣縣、保靖縣、古丈縣、永順縣和龍山縣。區(qū)內(nèi)氣候?qū)賮啛釒Ъ撅L(fēng)性濕潤氣候，多年平均氣溫16.2 ℃，多年平均相對濕度78%～80%，水系主要屬沅水與澧水，主體河流為沅江及其支流酉水、武水，干流長度大于5 km、流域面積在10 km2以上的河流440余條。研究區(qū)屬我國第二級階梯云貴高原的東北部，構(gòu)造上位于揚子地臺東南緣，毗鄰華南加里東褶皺區(qū)[18]，進入新構(gòu)造運動期以來，研究區(qū)表現(xiàn)為斷塊間歇性差異隆升，平均抬升速率為0.77 mm/a[19]。

2 數(shù)據(jù)方法與模型構(gòu)建

2.1 數(shù)據(jù)來源

筆者于2017年對研究區(qū)進行野外調(diào)查，基于地質(zhì)地貌、降雨條件、土壤特征等，并結(jié)合文獻資料與相關(guān)數(shù)據(jù)的可獲取性，選擇高程、坡度、地形起伏度、巖石堅硬程度、溝谷密度、年降雨量、地貌類型、土壤類型、土壤侵蝕度共9個影響因子，滑坡易發(fā)性評價所用基礎(chǔ)數(shù)據(jù)見表1。在不同的地質(zhì)災(zāi)害環(huán)境中，評價體系是由多項影響因子組成的有機整體，評價體系不僅要反映土質(zhì)滑坡孕育、暴發(fā)的地理屬性，評價單元的大小確定也影響著評價的科學(xué)性和合理性，本文以柵格單元為基本評價單位，以ArcGIS 10.2為平臺，將各影響因子?xùn)鸥駭?shù)據(jù)的投影格式統(tǒng)一為Krasovsky_1940_Albers，柵格單元統(tǒng)一為1 km×1 km。

2.2 研究方法

2.2.1 信息量法 信息量法在我國最早被應(yīng)用于成礦預(yù)測理論[20]中，隨著學(xué)科交叉的深入，信息量法逐漸被納入滑坡、崩塌、泥石流等地質(zhì)災(zāi)害評價模型。評價單元的劃分是應(yīng)用信息量法的基礎(chǔ)，在計算各評價單元在影響因子條件下的信息量后，經(jīng)求和可得到總信息量：

(1)

式中:I為評價單元的總信息量;Si為研究區(qū)內(nèi)包含影響因子Xi的單元個數(shù);S為研究區(qū)的評價單元個數(shù);Ni為分布在因子Xi內(nèi)的土質(zhì)滑坡單元個數(shù);N為研究區(qū)內(nèi)分布有土質(zhì)滑坡的單元個數(shù)。

2.2.2 BP神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò)在我國較早被應(yīng)用于測井技術(shù)[21]，其運行主要分為兩個階段：第一階段是信號的前向傳播，從輸入層經(jīng)過隱含層，最后到達輸出層；第二階段是誤差的反向傳播，從輸出層到隱含層，最后到輸入層，依次調(diào)節(jié)隱含層到輸出層的權(quán)重、輸入層到隱含層的權(quán)重(圖1)。在這個神經(jīng)網(wǎng)絡(luò)中，第一層為輸入層，第二層為隱含層，第三層為輸出層。

通常情況下，輸入層和輸出層的節(jié)點個數(shù)為確定值，而隱含層節(jié)點個數(shù)是不固定的。在確定隱含層的神經(jīng)元數(shù)目時，可根據(jù)公式(2)獲得。

(2)

式中:l為神經(jīng)元個數(shù)；m、n分別為輸入層與輸出層的節(jié)點數(shù)；a為1～10內(nèi)的調(diào)節(jié)常數(shù)。輸入層、隱含層與輸出層間的連接權(quán)重矩陣,決定了輸出層的結(jié)果。

圖1 BP神經(jīng)網(wǎng)絡(luò)簡圖

3 模型構(gòu)建

先通過信息量法將9個因子特定屬性段的值，結(jié)合ArcGIS的數(shù)據(jù)處理模塊，將屬性值轉(zhuǎn)化為影響因子的信息量，再將其轉(zhuǎn)換為數(shù)值矩陣后加載至Matlab R2013。參與運算的影響因子作為9個輸入層，影響因子的貢獻率作為9個輸出層，結(jié)合公式(3)，設(shè)置隱含層神經(jīng)元數(shù)為8，輸出節(jié)點為1，迭代次數(shù)為104次，目標誤差為10-7，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練。最后基于訓(xùn)練結(jié)束時BP神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，求得各影響因子對土質(zhì)滑坡的貢獻比例(圖2—3)。

圖2 模型構(gòu)建框架

圖3 各影響因子分級與信息量統(tǒng)計

(1) 高程。高程是土質(zhì)滑坡發(fā)生的基礎(chǔ)條件，不同的高程對滑坡運動的影響也存在差異。根據(jù)研究尺度與土質(zhì)滑坡點的實際情況，從350 m起，以300 m為步長，根據(jù)ArcGIS中的自然斷點法進行分級，得到土質(zhì)滑坡的柵格比例與信息量值。發(fā)生土質(zhì)滑坡的高程多為350～650 m。

(2) 坡度。坡度反映了地表單元的陡緩程度，是分析土質(zhì)滑坡形成條件、易發(fā)性的重要基礎(chǔ)數(shù)據(jù)。利用ArcGIS中Surface Analysis的坡度工具Slope提取研究區(qū)的坡度數(shù)據(jù)，最容易發(fā)生土質(zhì)滑坡的坡度為10°～20°。

(3) 地形起伏度。地形起伏度是定量描述地貌形態(tài)的重要參數(shù)，起源于前蘇聯(lián)科學(xué)院地理所提出的“地形切割深度”概念，目前已成為劃分地貌類型的重要指標。地形起伏度可在宏觀上描述地表起伏，由研究區(qū)內(nèi)海拔最高處與最低處之差確定[22]，計算公式為：

H=Hmax-Hmin

(3)

式中:H為地形起伏度；Hmax為最高海拔；Hmin為最低海拔。

(4) 巖石堅硬程度。研究區(qū)出露地層自中元古界冷家溪群至新生界第四系，缺失石炭系、新近系、古近系。在一個區(qū)域內(nèi)，可供滑坡形成的固體物質(zhì)量首先取決于地質(zhì)因素，軟弱或軟硬均有分布的巖層易遭到破壞與侵蝕，有利于滑坡的形成[23]。根據(jù)湖南省1∶250萬地質(zhì)圖和《巖土工程勘察規(guī)范》[24]，對研究區(qū)的巖石堅硬程度進行劃分(表2)，在較硬巖間發(fā)生土質(zhì)滑坡的比例最高，次為軟巖。

表2 研究區(qū)巖石堅硬程度

(5) 溝谷密度。作為描述地表被水道切割破碎程度的重要因素，溝谷密度與地面破碎程度成正比，在地表徑流易形成的情況下，土壤侵蝕逐漸加劇并不斷誘發(fā)滑坡[25]。溝谷密度的計算公式為：

(4)

式中:Ds為溝谷密度；∑L為研究區(qū)內(nèi)的溝谷長度；A為研究區(qū)面積。

經(jīng)ArcGIS提取溝谷、矢量化、剔除偽溝谷后，得到研究區(qū)的溝谷密度。

(6) 年降雨量。在降雨期間或者降雨過后，巖土體內(nèi)的空隙水壓力升高，降雨入滲在裂隙處形成局部飽水帶[26]，使得潛在滑動面上的有效應(yīng)力與抗剪強度降低[27]，誘發(fā)巖土體失穩(wěn)與變形[28]。年降雨量越集中，對土壤黏性、含水量、抗剪強度等性質(zhì)的影響越顯著，年降雨量在1 370～1 420 mm所引發(fā)的土質(zhì)滑坡最多。

(7) 地貌類型。研究區(qū)地貌類型分為侵蝕溶蝕型中山峰叢洼地地貌(I)、侵蝕溶蝕型低山溶丘谷地地貌(Ⅱ)、河谷侵蝕型堆積地貌(Ⅲ)、侵蝕構(gòu)造型中低山地貌(Ⅳ)和溶蝕構(gòu)造型高山臺地峽谷地貌(Ⅴ)，侵蝕構(gòu)造型中低山地貌中最易發(fā)生土質(zhì)滑坡。

(8) 土壤類型。研究區(qū)地帶性土壤、耕作土壤均有分布(表3)，成土母質(zhì)復(fù)雜。粗骨土分布于溝深坡陡的丘陵地帶，土層淺薄，巖石碎屑或礫石含量高；紅壤呈帶狀分布于研究區(qū)東部和北部，范圍較廣；酸性紫色土作為初育土壤，母巖疏松，易于崩解。

表3 研究區(qū)土壤類型

(9) 土壤侵蝕強度。根據(jù)目前我國土壤侵蝕強度的劃分標準[29](表4)和區(qū)內(nèi)強烈的巖溶發(fā)育程度，水力侵蝕為研究區(qū)土壤侵蝕最主要的類型。強度水力侵蝕最易誘發(fā)土質(zhì)滑坡。

表4 土壤侵蝕強度劃分標準

4 結(jié)果與分析

4.1 主控因素分析

評價模型在經(jīng)過6次的訓(xùn)練后，神經(jīng)網(wǎng)絡(luò)的感知器輸出達到了目標值(圖4)。根據(jù)訓(xùn)練完成后BP神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果，得到土質(zhì)滑坡各影響因子的貢獻率(圖5)，貢獻率總和為1，貢獻率最高的3個因子分別為巖石堅硬程度(19.04%)、地形起伏度(15.99%)和年降雨量(13.46%)，力學(xué)強度低、易遭受侵蝕而破碎的巖體為土質(zhì)滑坡提供物源條件，起伏較大的地形提供動能轉(zhuǎn)化條件，降雨為土質(zhì)滑坡的形成提供激發(fā)條件。受控于研究區(qū)的地貌格局，土質(zhì)滑坡多發(fā)于侵蝕構(gòu)造型中低山與高山臺地峽谷中，該地帶山體較為破碎，河谷深切、降雨集中，平均坡度為15°～20°，反映了地貌類型(12.3%)與坡度(11.48%)對土質(zhì)滑坡的影響。土壤侵蝕強度(9.73%)為土質(zhì)滑坡提供了侵蝕來源，土體受到強度水力侵蝕后，易形成軟弱的易滑面并誘發(fā)滑坡。

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練曲線

圖5 影響因子貢獻率

4.2 區(qū)劃結(jié)果

將影響因子貢獻率分別對應(yīng)至相應(yīng)的柵格圖層，再利用ArcGIS柵格計算器對9個影響因子的柵格圖層進行疊加，得到土質(zhì)滑坡易發(fā)性區(qū)劃圖(圖6)；參照自然斷點法，將結(jié)果劃分為低易發(fā)區(qū)、中易發(fā)區(qū)和高易發(fā)區(qū)(表5)。

圖6 研究區(qū)土質(zhì)滑坡易發(fā)性區(qū)劃

表5 土質(zhì)滑坡易發(fā)性統(tǒng)計

研究區(qū)土質(zhì)滑坡易發(fā)性為由南向北逐漸增大的態(tài)勢，低易發(fā)區(qū)主要位于鳳凰縣、吉首市中部和花垣縣北部，以河谷侵蝕型堆積地貌為主，次為侵蝕堆積階地地貌，海拔多位于300～400 m，地形坡度平緩，土壤侵蝕強度低，在酉水、武水、沱江、沅江、猛洞河、花垣河等河岸分布有少量土質(zhì)滑坡點；中、高易發(fā)區(qū)主要位于瀘溪縣、古丈縣、永順縣、保靖縣和龍山縣，以侵蝕構(gòu)造型中低山、低山溶丘谷地和高山臺地峽谷地貌為主，溝谷縱橫發(fā)育，坡度較陡，高程多在450～950 m，年降雨量達1 400 mm，成巖地層巖性為軟硬相間，表層風(fēng)化程度較高，山坡殘坡積物厚度一般在2～5 m，局部地段可達5～10 m，土壤侵蝕強度高。

4.3 評價精度檢驗

易發(fā)性評價的精度可通過有效、直觀的受試者工作特征曲線(ROC)進行檢驗，模型的精度根據(jù)曲線下方面積(AUC)這一定量指標進行評價，以信息量由高到低的各等級區(qū)間內(nèi)累計柵格的比例為橫坐標，相對應(yīng)區(qū)間內(nèi)土質(zhì)滑坡累計柵格的比例為縱坐標，可繪制一條經(jīng)過點(0,0)和(1,1)的檢驗曲線。通常AUC取值在0.5～1內(nèi)，值越大表示評價模型的精度越高[30]。根據(jù)計算結(jié)果，AUC值為0.76，模型評價效果較為良好(圖7)，可為研究區(qū)土質(zhì)滑坡的防治提供有效參考。

圖7 土質(zhì)滑坡易發(fā)性ROC檢驗結(jié)果

5 結(jié) 論

(1) 本文基于信息量法與BP神經(jīng)網(wǎng)絡(luò)建立了湘西州土質(zhì)滑坡易發(fā)性評價模型，根據(jù)ROC檢驗結(jié)果，AUC值達0.76，有73%的土質(zhì)滑坡點位于高易發(fā)區(qū)，密度與發(fā)生比率隨易發(fā)性等級的升高而增加，與災(zāi)害等級的劃分原則相符、與實際情況吻合。通過量化9個影響因子對土質(zhì)滑坡的貢獻率，認為巖石堅硬程度、地形起伏度、年降雨量是土質(zhì)滑坡的主控因子，地貌類型、坡度、土壤侵蝕強度對土質(zhì)滑坡的發(fā)育產(chǎn)生較大影響。

(2) 湘西州土質(zhì)滑坡表現(xiàn)為殘坡積松散物較厚、邊坡穩(wěn)定性差的特征，高易發(fā)區(qū)占湘西州面積的24.87%，主要分布于地形切割強烈、軟硬巖層相間、降水豐沛的西北部和東部地區(qū)；中易發(fā)區(qū)占湘西州面積的41.79%，分布于湘西州南部以侵蝕溶蝕型峰叢洼地、侵蝕溶蝕型溶丘谷地為主的地貌區(qū)；低易發(fā)區(qū)占湘西州面積的33.34%，主要分布于地勢平坦、土壤侵蝕強度低的中部、西南部地區(qū)。

(3) 湘西州是湖南省中低山區(qū)滑坡的密集分布區(qū)，未來的防治重點應(yīng)側(cè)重于交通干線兩側(cè)以及峽谷人口密集區(qū)。針對相同類型的滑坡災(zāi)害區(qū)劃研究，未來可利用數(shù)據(jù)挖掘、機器學(xué)習(xí)算法的多源觀測數(shù)據(jù)模型，來提高預(yù)測、判斷和區(qū)劃的精度，最大程度的管理好滑坡區(qū)域。