Regional geological hazard risk assessment based on slope unit and AHP-evidence weight coupling model
-
摘要:
危险性评价是我国西南山区防灾减灾的重要手段，目前大部分评价体系采用的评价模型层次浅显且指标单一，针对该问题，提出层次分析法(analytic hierarchy process，AHP)-证据权耦合模型，对马尔康地质灾害危险性展开评价研究。结合ArcGIS水文分析和人机交互实现了斜坡单元划分的优化，将研究区划分为5 695个斜坡单元，选取了年均降雨量、地层岩性、坡度、坡向、距水系距离、距断层距离、距道路距离、斜坡高差8个指标因子，采用AHP-证据权耦合模型分别求解指标因子权重值及下属区间对地质灾害事件的贡献度，得到研究区地质灾害危险性分区图。结果表明，高危险区和极高危险区分别占研究区总面积的14.96%和8.46%，主要集中在水系两侧的居民聚集区，受试者工作特征曲线(receiver operating characteristic curve，ROC)曲线下面积(area under the curve of the receiver operating characteristic，AUC)为0.78，模型整体预测精度较好。研究成果可为区域地质灾害的危险性评价提供参考，对于西南山区地质灾害排查的前期工作开展具有指导意义。
Abstract:Risk assessment is an important means of disaster prevention and mitigation in mountainous areas in the southwestern China. However, most current evaluation systems use models of shallow level and with single indicator. To address this problem, the authors in this paper proposed the AHP-evidence weight coupling model to conduct risk issessment of geological hazard in Maerkang. ArcGIS hydrological analysis and human-computer interaction were combined to optimize the division of slope units. The study area was divided into 5 695 slope units, and 8 index factors were selected, including rainfall, stratigraphic lithology, slope gradient, slope aspect, distance from water system, distance from fault, and distance from road. AHP-evidence weight coupling model was used to respectively solve the index factor weight value and the contribution of the subordinate intervals to geological hazard events, and the geological hazard risk zoning map of the study area was obtained. The results show that high-risk areas and extremely high-risk areas account for 14.96% and 8.46% of the total area respectively, and these areas are mainly concentrated in residential areas on both sides of the water system. The AUC is 0.78, and the model evaluation accuracy is good. The research results could provide references for the risk assessment of regional geological hazards and have guiding significance for the preliminary work of geological hazard investigation in the southwestern mountainous areas.
-
-
表 1 数据来源信息
Table 1. Data source information
数据类型 数据源 时间 分辨率/m 既有地质灾害 四川省地质灾害信息系统 截至2023年2月 - 数字高程模型 SRTM DEM - 30 年均降雨量 中科院山地所 1991—2020年 30 地层岩性 四川省地质调查院 2008年 1∶25万 光学遥感影像 天地图 2023年 1.2 InSAR形变监测 自然资源部门 2023年 - 注: “-”代表该项内容不存在或未知。 
下载: 导出CSV
表 2 研究区地质灾害分布统计
Table 2. Geological disaster distribution statistics table
乡镇名称 乡镇面积/km2 灾害数量/处 灾害点密度(10-2处·km-2) 滑坡 崩塌 泥石流 白湾乡 261.7 1 1 0 0.76 脚木足乡 450.7 4 1 8 2.88 康山乡 632.2 4 2 13 3.01 梭磨乡 1108.9 5 2 20 2.43 木尔宗乡 222.7 8 3 5 7.18 松岗镇 245.59 11 2 17 12.22 大藏乡 408.0 9 3 11 5.64 沙尔宗镇 387.3 12 4 12 7.23 日部乡 978.3 14 3 12 2.96 党坝乡 328.3 12 1 4 5.18 龙尔甲乡 345.4 26 3 9 11.00 马尔康镇 673.8 30 10 22 9.20 草登乡 589.8 22 8 31 10.34 合计 6 632.7 158 43 164 5.50
下载: 导出CSV
表 3 指标因子重要性判断标度
Table 3. Index factor importance judgment scale
判断标度 含义 1 表示两个因子a与b相比，它们的重要性相同 3 表示两个因子a与b相比，a比b稍微重要 5 表示两个因子a与b相比，a比b比较重要 7 表示两个因子a与b相比，a比b明显重要 9 表示两个因子a与b相比，a比b非常重要 2、4、6、8 表示上述相邻判断的中间值 倒数 若因子a与b的重要性之比为j，那么因子b与a的重要性之比为1/j 注: a、b表示指标因子; j表示判断标度。
下载: 导出CSV
表 4 随机一致性指标(RI)数值
Table 4. Random consistency index (RI) value
n 1 2 3 4 5 6 RI 0 0 0.58 0.9 1.12 1.24 n 7 8 9 10 11 RI 1.32 1.41 1.45 1.49 1.51 注: n表示指标因子数量。
下载: 导出CSV
表 5 研究区各指标因子分级
Table 5. Index factor grading in the study area
指标因子 分级数量 分级标准 地形条件 坡度/(°) 8 [0°，5°]; (5°，10°]; (10°，15°]; (15°，20°]; (20°，25°]; (25°，30°]; (30°，35°]; (35°，90°] 坡向/(°) 8 北(337.5°，22.5°];
北东(22.5°，67.5°];
东(67.5°，112.5°];
南东(112.5°，157.5°];
南(157.5°，202.5°];
南西(202.5°，247.5°];
西(247.5°，292.5°];
北西(292.5°，337.5°]斜坡高差/m 7 [0, 200]; (200，400]; (400，600]; (600，800]; (800，1 000]; (1 000，1 200]; (1 200，1 400];>1 400 水文条件 年均降雨量/mm 5 [635,655]; (655，675]; (675，695]; (695，715]; >715 距水系距离/km 8 [0, 2]; (2，4]; (4，6]; (6，8]; (8，10]; (10，12]; (12，14]; >14 地震条件 距断层距离/km 8 [0, 3]; (3，6]; (6，9]; (9，12]; (12，15]; (15，18]; (18，21]; >21 地质条件 地层岩性 5 三叠纪似斑状二长花岗岩; 三叠纪花岗岩; 三叠纪花岗闪长岩; 上三叠统厚层状变砂岩板岩; 中—上三叠统变砂岩板岩夹灰岩 工程活动 距道路距离/km 8 [0, 1]; (1，2]; (2，3]; (3，4]; (4，5]; (5，6]; (6，7]; >7
下载: 导出CSV
表 6 研究区层次分析法判别矩阵
Table 6. AHP discriminant matrix in the study area
因子 X1 X2 X3 X4 X5 X6 X7 X8 X1 1 1/3 1 2 2 3 1/2 1/6 X2 3 1 3 3 2 5 3 1/4 X3 1 1/3 1 2 1/2 3 1/2 1/6 X4 1/2 1/3 1/2 1 1/3 2 1/4 1/8 X5 1/2 1/2 2 3 1 2 1/4 1/7 X6 1/3 1/5 1/3 1/2 1/2 1 1/5 1/9 X7 2 1/3 2 4 4 5 1 1/5 X8 6 4 6 8 7 9 5 1 注: X1表示斜坡高差; X2表示地层岩性; X3表示距道路距离; X4表示距水系距离; X5表示距断层距离; X6表示坡向; X7表示坡度; X8表示年均降雨量。
下载: 导出CSV
表 7 研究区指标因子权重
Table 7. Index factor weight value in the study area
因子 X1 X2 X3 X4 X5 X6 X7 X8 权重 0.07 0.14 0.06 0.04 0.10 0.03 0.14 0.42 注: X1表示斜坡高差; X2表示地层岩性; X3表示距道路距离; X4表示距水系距离; X5表示距断层距离; X6表示坡向; X7表示坡度; X8表示年均降雨量。
下载: 导出CSV
表 8 研究区各指标因子下属层级贡献度
Table 8. Contribution of the subordinate levels of each index factor in the study area
因子 证据层 Ci值 证据层 Ci值 坡度/(°) [0°，5°] - (20°，25°] 0.14 (5°，10°] 1.10 (25°，30°] -0.17 (10°，15°] 3.09 (30°，35°] -0.71 (15°，20°] 2.17 (35°，90°] -1.28 坡向 北 -0.83 南 0.24 北东 0.24 南西 0.23 东 0.30 西 -0.15 南东 -0.02 北西 -0.79 斜坡高差/m [0, 200] 2.68 (800，1 000] -1.17 (200，400] 0.31 (1 000，1 200] -2.34 (400，600] -0.23 (1 200，1 400] -3.45 (600，800] -0.92 >1 400 -4.18 年均降雨量/mm [635，655] 0.70 (695，715] -0.49 (655，675] 1.04 >715 -2.41 (675，695] 0.57 - - 距水系距离/km [0, 2] 0.62 (8，10] -1.67 (2，4] -0.09 (10, 12] -1.99 (4，6] -0.35 (12, 14] -2.34 (6，8] -0.47 >14 -2.87 距断层距离/km [0, 3] 0.49 (12，15] -0.64 (3，6] -0.41 (15，18] -0.16 (6，9] 0.31 (18，21] -2.09 (9，12] -0.12 >21 -0.61 地层岩性 三叠纪似斑状二长花岗岩 -1.39 三叠纪花岗岩 - 三叠纪花岗闪长岩 - 中—上三叠统变砂岩板岩夹灰岩 -0.38 上三叠统厚层状变砂岩板岩 0.7 - - 距道路距离/km [0, 1] 2.24 (4，5] -2.73 (1，2] -1.64 (5, 6] -2.84 (2，3] -1.16 (6, 7] -3.02 (3，4] -2.51 >7 -3.61 注: “-”表示灾害不发育。
下载: 导出CSV
表 9 研究区各危险区划频率比
Table 9. Frequency ratio for each danger zone in the study area
危险区划 滑坡占比/% 面积占比/% 频率比 极低危险区 1.36 46.55 0.03 低危险区 3.52 8.09 0.44 中危险区 18.97 21.94 0.86 高危险区 24.12 14.96 1.61 极高危险区 52.03 8.46 6.15
下载: 导出CSV
-
[1] 许强, 张一凡, 陈伟. 西南山区城镇地质灾害易损性评价方法——以四川省丹巴县城为例[J]. 地质通报, 2010, 29(5): 729-738.
Xu Q, Zhang Y F, Chen W. Vulnerability assessment of geo-hazards in southwest mountainous area: Aanba County, Sichuan, China as an example[J]. Geological Bulletin of China, 2010, 29(5): 729-738.
[2] 许强, 朱星, 李为乐, 等. "天-空-地"协同滑坡监测技术进展[J]. 测绘学报, 2022, 51(7): 1416-1436.
Xu Q, Zhu X, Li W L, et al. Technical progress of space-air-ground collaborative monitoring of landslide[J]. Acta Geodaetica et Cartographica Sinica, 2022, 51(7): 1416-1436.
[3] Varnes D J. Landslide Hazard Zonation: A Review of Principles and Practice[M]. Paris: UNESCO, 1984.
[4] 罗元华, 张梁, 张业成. 地质灾害风险评估方法[M]. 北京: 地质出版社, 1998.
Luo Y H, Zhang L, Zhang Y C. Geological Disaster Risk Assessment Method[M]. Beijing: Geology Press, 1998.
[5] 赵焕臣, 和金生, 许树柏. 层次分析法在科技管理中的应用[J]. 科学学与科学技术管理, 1985(6): 23-25.
Zhao H C, He J S, Xu S B. Application of analytic hierarchy process in science and technology management[J]. Science and Science and Technology Management, 1985(6): 23-25.
[6] 易靖松, 王峰, 程英建, 等. 高山峡谷区地质灾害危险性评价——以四川省阿坝县为例[J]. 中国地质灾害与防治学报, 2022, 33(3): 134-142.
Yi J S, Wang F, Cheng Y J, et al. Study on the risk assessment of geological disasters in alpine valley area: A case study in Aba County, Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(3): 134-142.
[7] 赵晓燕, 谈树成, 李永平. 基于斜坡单元与组合赋权法的东川区地质灾害危险性评价[J]. 云南大学学报: 自然科学版, 2021, 43(2): 299-305.
Zhao X Y, Tan S C, Li Y P. Risk assessment of geological hazards in Dongchuan District based on the methods of slope unit and combination weighting[J]. Journal of Yunnan University(Natural Science Edition), 2021, 43(2): 299-305.
[8] 赵雪慧. 马尔康市地质灾害易发性多模型综合评价[D]. 成都: 成都理工大学, 2020.
Zhao X H. Multi-model Comprehensive Assessment of Susceptibility to Geological Disaster in Maerkang City[D]. Chengdu: Chengdu University of Technology, 2020.
[9] 胡现振, 付少杰, 迟宏庆, 等. 基于层次分析-信息量耦合模型的地质灾害风险评价——以河北省武安市为例[J]. 中国地质调查, 2023, 10(5): 109-117. doi: 10.19388/j.zgdzdc.2023.05.13
Hu X Z, Fu S J, Chi H Q, et al. Geological hazard risk assessment based on AHP-information coupling model: A case study of Wu'an City in Hebei Province[J]. Geological Survey of China, 2023, 10(5): 109-117. doi: 10.19388/j.zgdzdc.2023.05.13
[10] 罗璟. "8·3"鲁甸地震斜坡动力响应及巨型岩质滑坡堵江机制研究[D]. 成都: 成都理工大学, 2020.
Luo J. Slope Dynamic Response and Formation Mechanism of Large-scale Rockslide Dam in the "8·3" Ludian Earthquake[D]. Chengdu: Chengdu University of Technology, 2020.
[11] 罗路广, 裴向军, 崔圣华, 等. 九寨沟地震滑坡易发性评价因子组合选取研究[J]. 岩石力学与工程学报, 2021, 40(11): 2306-2319.
Luo L G, Pei X J, Cui S H, et al. Combined selection of susceptibility assessment factors for Jiuzhaigou earthquake-induced landslides[J]. Chinese Journal of Rock Mechanics and Engineering, 2021, 40(11): 2306-2319.
[12] 张晓东, 刘湘南, 赵志鹏, 等. 基于层次分析法的盐池县地质灾害危险性评价[J]. 国土资源遥感, 2019, 31(3): 183-192.
Zhang X D, Liu X N, Zhao Z P, et al. Geological disaster hazard assessment in Yanchi County based on AHP[J]. Remote Sensing for Natural Resources, 2019, 31(3): 183-192.
[13] 管新邦. 云南省滑坡地质灾害危险性评价研究[D]. 北京: 中国矿业大学(北京), 2018.
Guan X B. Study on Risk Assessment of Landslide in Yunnan Province[D]. Beijing: China University of Mining & Technology, Beijing, 2018.
[14] 李阔, 杨景, 唐川. 地质灾害危险性评价研究——以四川省青川县为例[J]. 中国地质灾害与防治学报, 2007(2): 54-57, 121.
Li K, Yang J, Tang C. Risk assessment on geological hazards in Qingchuan County of Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control, 2007(2): 54-57, 121.
[15] 黄双飞. 基于多尺度地理加权回归的滑坡易发性评价[D]. 长沙: 中南大学, 2022.
Huang S F. Landslide Susceptibility Assessment Based on Multi-scale Geographically Weighted Regression[D]. Changsha: Central South University, 2022.
-
图(7)
表(9)
计量
- 文章访问数: 29
- PDF下载数: 7
- 施引文献: 0