祁东县滑坡地质灾害发育特征与孕灾因子分析
doi: 10.20008/j.kckc.202505020
吴碧娟 , 卜鹏 , 何旭 , 郝玉军 , 杨艳绪 , 徐思超
有色金属矿产地质调查中心,北京 100012
基金项目: 本文受湖南省祁东县栗山矿区建筑石料用灰岩矿勘查项目(20220301)资助
Development characteristics and disaster-pregnant factors analysis of landslide geological hazards in Qidong County
WU Bijuan , BU Peng , HE Xu , HAO Yujun , YANG Yanxu , XU Sichao
China Non-ferrous Metals Resource Geological Survey, Beijing 100012 , China
摘要
本文通过对祁东县150处滑坡地质灾害点分析,归纳出该地区滑坡地质灾害的发育特征;选取高程、坡向、坡度、坡位、地形湿度指数、岩性、归一化植被指数(NDVI)、降雨量、距断层的距离共9个评价因子进行孕灾分析,并运用随机森林模型开展了区内滑坡地质灾害易发性评价。结果显示,祁东县滑坡主要分布于海拔100~400 m的丘陵地貌区,地形坡度25°~60°,集中发生时间在每年的4—7月,滑坡体主要为土质,滑坡诱因主要是降雨以及人类工程活动;易发生性评价共划分为极低、低、中等、高和极高5个分区,调查表明,文中孕灾因子与易发性评价与祁东县实际情况相符,可用于指导地质灾害防治管理。
Abstract
By analyzing 150 landslide geological hazard points in Qidong County, the development characteristics of landslide geological hazards in the area were summarized; Nine evaluation factors, including elevation, slope orientation, gradient, slope position, terrain humidity index, lithology, normalized vegetation index (NDVI), rainfall, and distance from faults, were selected for disaster prone analysis. A random forest model was used to evaluate the susceptibility of landslide geological hazards in the area. The results show that landslides in Qidong County are mainly distributed in hilly terrain areas with an altitude of 100 m to 400 m, with a terrain slope of 25° to 60°, and occur mainly from April to July each year. The landslide body is mainly soil, and the main causes of landslides are rainfall and human engineering activities; The susceptibility assessment is divided into five zones: extremely low,low, medium, high, and extremely high. The survey shows that the risk factors and susceptibility assessment mentioned in the article are consistent with the actual situation in Qidong County and can be used to guide geological disaster prevention and management.
0 引言
湖南省是中国地质灾害较严重的省份之一,且滑坡为该省主要地质灾害类型(李铁峰等,2007;李明波等,2018Zhang et al.,2022)。国内外学者对滑坡灾害风险评价进行了大量的研究,主要分为危险性评价和易损性评价两大内容。其中,危险性评价中,支持向量机(Tsangaratos and Ilia,2016)、人工神经网络(Trigila et al.,2015)、随机森林(Hong et al., 2015)等统计机器学习算法(方然可等,2021)因其优良的评价效果而逐步得到广泛应用。因承灾体的复杂多变,易损性评价目前处于从定性分析到定量计算的发展阶段(王璨等,2023)。遥感和地理信息系统技术的发展,为地质灾害的调查与分析提供了强有力的工具,特别是在滑坡早期识别和风险评估方面,效果显著(尹展等,2019陈洁等,2020白永健等,2021)。
近年来,祁东县的采矿、公路建设和水库建设等人类活动日益增多,这导致了地质灾害的频繁发生(刘许生等,2014蒋操奕,2023)。特别是2019年 6月 11日—12日的特大暴雨,使得该地区的地质灾害防治问题变得尤为紧迫。滑坡灾害尤为严重,对当地居民的生命和财产安全构成了巨大威胁。因此,对祁东县滑坡地质灾害的发育特征及其成因进行深入研究,对于全面而系统地预防和控制滑坡灾害至关重要;这不仅有助于保护地质环境,确保人民的生命和财产安全,还能提高居民的生活质量,并为国民经济和社会的持续发展提供保障。
1祁东县位置示意图
1 研究区概况
祁东县位于湖南省西南部,东西狭长,北高南低,总面积 1872 km2。地理坐标位于东经 111° 32'16″~112° 20'10″、北纬 26° 28'01″~27° 04'34″(图1)。地貌类型以山地、丘陵为主。出露冷家溪群、板溪群、泥盆系、白垩系及第四系。其中,碎屑岩-浅变质岩经区域变质作用和多期次的断裂、褶皱构造影响,岩石节理、裂隙发育,且表面风化强烈,岩土体力学性质较差。
县域内四季分明,气候温暖湿润,雨水充足。年均降水量为 1267.9 mm,年均气温 18.1℃,属亚热带季风湿润气候区。境内地表水系较发育,属于湘江流域。受大气降水的补给,地表径流量和地下水亦比较丰富。根据地层岩性、构造特征及地下水赋存条件等,将区内地下划分为松散堆积层孔隙水、红层孔隙裂隙水、碳酸盐岩岩溶裂隙水、基岩风化裂隙水共4类。
2 滑坡地质灾害发育特征
统计祁东县滑坡发育特征,主要从滑坡概况、形态特征、边界特征、表部特征、滑带特征、滑床特征、危害特征等方面分析。
(1)滑坡概况
调查显示,祁东县共有150处滑坡,规模主要为小型(143处),占滑坡总数的95.33%;在滑坡体的物质组成上,土质滑坡占据了主导地位,占比高达 68.00%;根据滑坡时间划分,新滑坡占比达到了 94.67%;滑坡诱发因素主要有降雨、人类工程活动等综合因素;此外,滑坡大多为浅层滑坡,占比达 90.00%;在滑坡的运动形式上,牵引式是最常见的,占比为79.33%。
(2)滑坡形态特征
滑坡的平面形态特征主要呈现为半圆形状(图2a),偶尔也会出现不规律的形状或类似舌头的形状,而矩形则较为罕见;剖面特征以阶梯状为主,但凹形、复合形、直线型和凸形等形态也时有出现。
(3)滑坡边界特征
滑坡后缘、侧壁、前缘等边界特征的观察可以预测滑坡点的稳定性。
稳定的滑坡后缘表面没有明显摩擦痕迹和位移迹象,先前存在的裂缝常被新的填充物所填补; 基本稳定的滑坡后缘仍可见小裂缝和轻微的变形迹象;不稳定的滑坡后缘,其特征最为明显,后缘壁上有明显的位移,多形成高位台阶,常可见摩擦痕迹、拉张裂缝(图2b)。
稳定的滑坡侧壁边界平缓,与周边岩土体无明显界线,常长满灌木丛,边界模糊已无法辨析;不稳定的滑坡侧壁边界鲜明,颜色各异,侧壁常见坠土、坠石、剪切裂缝等(图2c)。
稳定的滑坡前缘较为平缓,与地面的高差不大,岩土体干燥;不稳定的滑坡前缘多为临空或隆起,坡度较陡,受到地表径流的侵蚀常见掉块或滑坡。
(4)滑坡表部特征
区内滑坡多以牵引式运动为主,其表部特征除边界附近的拉张裂缝、剪切裂缝外,大多数中部具有多级拉张裂缝和多级滑坡台阶或明显扰动现象,部分滑坡表面树木有马刀树、醉汉林分布(图2d)。
(5)滑带特征
滑坡发生时总是沿一定的软弱面(带)发生位移,这个软弱面(带)就是滑带,滑带在承受重大压力作用下,会留下明显印记,如光滑如镜的磨擦面、清晰可见的擦痕,以及泥土化的痕迹。区内滑坡主要为土质滑坡,以粉质黏土为主,其次为含砾黏土 (图2e)。
(6)滑床特征
滑床是滑坡滑动时下伏的岩土体,区内滑坡主要为小型滑坡,滑床多为岩质,滑床基本未发生变形,保持了原有结构,只是其前缘部分因受滑体的挤压而产生一些裂隙(图2f)。
(7)危害特征
根据灾情划分,祁东县 150 处滑坡,大型灾情 1 处,中型灾情 6处,小型灾情 143处。因灾死亡人数共计 9 人,530 间房屋被毁,7.5 亩农田遭受破坏,公路损毁长度达到 380 m,渠道损坏 810 处,直接经济损失高达2002.66万元。
根据险情划分,县域内滑坡主要为中型和小型,其中中型 9 处、小型 141 处,受灾害威胁人数为 4854人,受威胁的资产达17855.2万元。
3 孕灾因子分析
3.1 评价因子的选择
结合祁东县的地理环境与地质条件,选取了高程、坡向、坡度、坡位、地形湿度指数、岩性、归一化植被指数(NDVI)、岩性、降雨量、距断层的距离共 9 个评价因子(图3)。
3.2 评价因子分析
本文初步选取的 9 个滑坡评价因子,均是影响滑坡发生的内部因子和外部因子,对于滑坡发生有着直接或间接的影响。然而,初步选取的 9 个评价因子之间可能存在相互联系,并不完全独立。因此,需要对这9个因子进行分析与筛选,得到研究区适用的滑坡易发性环境因子体系。本文使用皮尔逊系数法(骆菁菁等,2021)和多重共线性分析(杨楠,2004)对9个评价因子进行分析与评价。
2祁东县滑坡发育特征图
a—滑坡半圆形态;b—滑坡后缘台阶;c—滑坡侧壁裂缝;d—滑坡面马刀树;e—土质滑带;f—岩质滑床
3祁东县评价因子图
3.2.1 皮尔逊系数法
皮尔逊系数,用来衡量变量间线性关系,它能够告诉我们变量xy之间的密切程度,其数值范围从-1~1。皮尔逊系数的绝对值大于 0.5 表示 2 个变量之间的线性相关性比较显著,其值可以通过以下公式获得(Wang et al.,2020):
ρx,y=cov(x,y)σxσy=Ex-μxy-μyσxσy
(1)
式(1)中:cov(xy)是2个变量之间的协方差;σxσy分别是变量x与变量y的标准差;μxμy分别是变量x与变量y的均值;E为数学期望。
3.2.2 多重共线性分析
评价因子之间存在较高的多重共线性会使得所训练的模型的预测性能变差。采用方程膨胀因子(VIF)和容忍度指数(TI)检验滑坡评价因子之间的多重共线性。如果2个滑坡影响因子之间存在高度多重共线性,则需要删除具有较高 VIF 或较低 TI 的因子。一般情况下,VIF>10 或者 TI<0.1 意味着 2 个滑坡评价因子之间存在高度的多重共线性。VIF 值越高,因子之间的多重共线性越高。通常情况下,VIF 的值可以通过以下公式计算得到(陈阳, 2021):
VIF=11-R2
(2)
式(2)中:R2 是因子的复相关系数。
从皮尔逊系数矩阵图(图4)可以看出 9 个评价因子的相关系数都没有超过阈值0.5;从多重共线性分析结果(表1)可以看到 9 个评价因子的 VIF 没有超过 5。所以认为这 9 个因子之间不存在严重的多重共线性问题,因此无需对这些因子进行剔除处理。
4评价因子的皮尔逊系数矩阵图
1多重共线性分析结果
4 祁东县滑坡易发性评价
4.1 RF模型评价滑坡易发性
随机森林模型(Random Forests,RF)是一种基于多棵决策树的分类模型,广泛应用于样本训练与预测(方匡南等,2011杨硕等,2021)。在评价祁东县滑坡易发性时,笔者采用了 RF 模型,将 150 个滑坡点和 150 个非滑坡点作为训练和测试集。其中, 70% 的数据用于模型训练,剩余 30% 用于测试。将 9 个经过处理的评价因子数据输入到训练好的 RF 模型中,对祁东县的滑坡易发性进行综合评估。根据滑坡易发性指数的分布规律,结合自然断点法,将祁东县划分为 5 个易发性等级区间:极高、高、中等、低和极低。最终的评估结果如表2图5所示。
5RF模型滑坡易发性图
2RF模型模型评价滑坡易发性等级的频率比值
表2可知,滑坡易发性各等级所占的比例分别为:极低(21.33%)、低(28.73%)、中等(22.60%)、高(17.14%)和极高(10.20%);随着滑坡易发性的等级逐渐提升,各个等级的滑坡频率比值也呈现出递增的趋势。将极高和高易发区的频率比值除以所有频率比值之和,从而得到该滑坡易发性结果的频率比精度。RF 模型预测结果从极低—极高易发区的频率比值依次为0.100、0.123、0.471、1.283、6.049,其频率比精度为0.913。
4.2 精度检验
ROC 曲线(Receiver Operating Characteristic) (刘月等,2020)又名受试者工作特征曲线,在易发性评价精度检测中被广泛应用(Bradley,1997)。横轴表示假阳性率,即滑坡被错误分类的比例;纵轴表示真阳性率,即滑坡被正确分类的比例。ROC曲线下的面积即 AUC 值,AUC 值越大,意味着模型的分类结果越准确。ROC曲线评价 RF模型预测祁东县滑坡易发性的精度如图6所示,该模型的 AUC 值为0.802,表明模型准确性较高。
6RF模型滑坡易发性图
4.3 精度分析
易发性评价分区显示,祁东县极高易发区和高易发区内滑坡点分别为 87 处、31 处,占比分别为 58%、21%;极低易发区与低易发区内滑坡点分别为 3 处、5 处,占比均小于 5%。野外调查发现,极高易发区和高易发区主要分布于碎屑岩-浅变质低山区域,海拔标高一般在 100~400 m,地形坡度主要为 20°~40°,该区域岩石节理裂隙发育、风化强烈,土体松散,切坡建房、切坡修路等人类工程活动程度高,在强降雨的诱发下,岩土体较易发生滑坡;极低易发区与低易发区主要分布于平原区,地形较为平坦,地形坡度一般小于 20°,较难具备滑坡的发生条件。分析表明,易发生性评价分区与野外调查结果基本一致。
5 结束语
(1)通过对祁东县滑坡概况、形态特征、边界特征、表部特征、滑带特征、滑床特征、危害特征等发育特征分析,认为祁东县滑坡主要为小型滑坡,滑坡主要分布于海拔100~400 m的丘陵地貌区,地形坡度 25°~60°,集中发生时间在每年的 4~7 月,滑坡体主要为土质,滑坡诱因主要是降雨以及人类工程活动。
(2)结合祁东县的地理环境与地质条件,选择了高程、坡向、坡度、坡位、地形湿度指数、岩性、归一化植被指数(NDVI)、岩性、降雨量、距断层的距离共9个评价因子。采用皮尔逊系数法和多重共线性分析对评价因子进行分析,认为因子间线性相关性低、独立性较好,适合于后续评价研究。
(3)本文采用随机森林模型对祁东县滑坡易发性进行综合评估,结合自然断点法,将祁东县划分为 5 个等级区间,各等级占比为:极低(21.33%)、低 (28.73%)、中等(22.60%)、高(17.14%)和极高 (10.20%)。ROC 曲线精度检验和精度分析表明,易发生性区间精度高、符合祁东县实际情况,可用于指导地质灾害调查工作。
1祁东县位置示意图
2祁东县滑坡发育特征图
3祁东县评价因子图
4评价因子的皮尔逊系数矩阵图
5RF模型滑坡易发性图
6RF模型滑坡易发性图
1多重共线性分析结果
2RF模型模型评价滑坡易发性等级的频率比值
Bradley A P. 1997. The use of the area under the roc curve in the evalua-tion of machine learning algorithms[J]. Pattern Recognition, 30(7): 1145-1159.
Hong H Y, Pradhan B, Xu C, Tien B D. 2015. Spatial prediction of land-slide hazard at the Yihuang area (China) using two-class kernel lo-gistic regression, alternating ecision tree and support vector ma-chines[J]. Catena, 133: 266-281.
Trigila A, Iadanza C, Esposito C, Scarascia-Mugnozza G. 2015. Com-parison of logistic regression and random forests techniques for shallow landslide susceptibility assessment in Giampilieri (NE Sic-ily, Italy)[J]. Geomorphology, 249: 119-136.
Tsangaratos P, Ilia I. 2016. Comparison of a logistic regressionand Naïve Bayes classifier in landslide susceptibility assessments: The influ-ence of models complexity and training dataset size[J]. Catena, 145: 164-179.
Wang Y M, Feng L W, Li S J, Ren F, Du Q Y. 2020. A hybrid model considering spatial heterogeneity for landslide susceptibility map-ping in Zhejiang Province, China[J]. Catena, 188: 104425.
Zhang Y G, Tang J, Cheng Y M, Huang L, Guo F, Yin X J, Li N. 2022. Prediction of landslide displacement with dynamic features using intelligent approaches[J]. International Journal of Mining Science and Technology, 32(3): 539-549.
白永健, 熊小辉, 铁永波. 2021. 川藏铁路雅砻江深切峡谷区滑坡早期识别研究[J]. 灾害学, 36(3): 109-114.
陈洁, 高子弘, 王珊珊, 金鼎坚. 2020. 三峡库区航空遥感地质调查技术发展综述[J]. 国土资源遥感, 32(2): 1-10.
陈阳. 2021. 基于GIS与机器学习的吉林省泥石流风险性评价[D]. 长春: 吉林大学.
方匡南, 吴见彬, 朱建平, 谢邦昌. 2011. 随机森林方法研究综述[J]. 统计与信息论坛, 26(3): 32-38.
方然可, 刘艳辉, 黄志全. 2021. 基于机器学习的区域滑坡危险性评价方法综述[J]. 中国地质灾害与防治学报, 32(4): 1-8.
蒋操奕. 2023. 祁东县步云桥镇高也塘村排院子滑坡地质灾害成因分析[J]. 城市情报, (20): 241-243.
李明波, 陈平, 陈植华. 2018. 湖南省降雨型滑坡灾害发生的关键性因子研究[J]. 东华理工大学学报: 自然科学版, 41(1): 36-40.
李铁锋, 温铭生, 丛威青, 连建发, 陈平. 2007. 降雨型滑坡危险性区划方法[J]. 地学前缘, 14(6): 107-111.
刘许生, 肖振华, 刘旭. 2014. 祁东营房新村地灾防治突围[J]. 国土资源导刊, 11(3): 60-61.
刘月, 王宁涛, 周超, 谢家龙, 李远耀. 2020. 基于ROC曲线与确定性系数法集成模型的三峡库区奉节县滑坡易发性评价[J]. 安全与环境工程, 27(4): 61-70.
骆菁菁, 唐卫贞, 丁继婷. 2021. 基于皮尔逊系数的管制仿真训练数据独立化与因子分析下的数据可视化研究[J]. 计算机科学, 48 (S1): 623-628.
王璨, 肖浩, 肖婷, 方亚其, 刘磊磊. 2023. 基于机器学习的长沙市滑坡灾害快速风险评价[J]. 矿冶工程, 43(5): 26-31.
杨硕, 李德营, 严亮轩, 黄元, 王明哲. 2021. 基于随机森林模型的乌江高陡岸坡滑坡地质灾害易发性评价[J]. 安全与环境工程, 28 (4): 131-138.
杨楠. 2004. 岭回归分析在解决多重共线性问题中的独特作用[J]. 统计与决策, (3): 14-15.
尹展, 王志红, 吴碧娟. 2019. 基于小流域划分的矿山泥石流遥感解译——以陕西凤县为例[J]. 矿产勘查, 10(12): 2973-2979.