Research on Geological Hazard Assessment at County-Level in Inner Mongolia Autonomous Region: A Case Study of Dongsheng District, Ordos City
-
摘要:
内蒙古自治区矿产资源较为丰富，区内强烈的矿业开发活动成为崩塌、滑坡、地面塌陷等地质灾害的重要诱发因素。为提升地质灾害危险性评价成果质量，支撑内蒙古自治区防灾减灾工作，本文以内蒙古自治区鄂尔多斯市东胜区为研究区，开展县级尺度地质灾害危险性评价方法技术研究。首先通过InSAR和光学遥感技术开展了地质灾害隐患识别工作，查清了研究区内地质灾害隐患点的分布和发育特征；再针对崩塌、滑坡等突发型与地面塌陷等缓变型地质灾害形成机理和控制因素等方面的差异，根据研究区孕灾地质环境特征，分别建立了这两类灾害的评价指标体系；之后利用信息量法完成了地质灾害的易发性评价；最后基于易发性评价结果，进一步以降雨和采矿活动为诱发因素，分别构建评价模型完成了地质灾害的危险性评价。研究结果显示区内地质灾害极高、高、中和低危险等级区域面积占全区的6.74%、22.02%、38.38%和32.86%，其中极高和高危险区主要位于研究区的中部、东北部和南部，与采矿活动的地区分布特征基本吻合，表明本次风险评价模型具有较好的准确性。研究表明针对缓变型地质灾害和突发型地质灾害分别建立指标体系和评价模型可以得出较为可靠的评价结果，研究形成的评价方法对内蒙古自治区其它类似地区的地质灾害危险性评价具有较好的示范推广价值。
Abstract:Inner Mongolia Autonomous Region has abundant mineral resources, and strong mining development activities within the region have become important triggering factors for geological disasters such as landslides, collapses, and ground subsidence. This paper takes Dongsheng District, Inner Mongolia Autonomous Region as the research area. First, it carried out the identification of geological hazards through InSAR and optical remote sensing technology, and found out the distribution and development characteristics of geological hazard points in the study area. Then, based on the disaster-prone geological environment of the study area, it is of great significance to construct an evaluation index system respectively of the two types of hazard as the completely different formation mechanisms and control factors of collapses, landslides and ground subsidence, and then the susceptibility evaluation of geological disasters was completed using the information method. Finally, based on the susceptibility evaluation results, using rainfall and mining activities as the further inducing factors, evaluation models were constructed respectively to complete the risk assessment of geological hazards. The research results show that the areas with extremely high, high, medium and low risk levels of geological disasters account for 6.74%, 22.02%, 38.38% and 32.86% of the entire area. The extremely high and high hazard areas are mainly located in the central, northeastern and the southern region of the study area, which is basically consistent with the main distribution areas of mining, indicating that this risk assessment model isreally accurate. The research has proposed a county-wide geological hazard risk assessment model suitable for mining disturbance areas. The assessment results have good reliability for the construction of different index systems and assessment models for the two types of hazard. The research results have good demonstration and promotion value for geological hazard risk assessment in other similar areas in the Inner Mongolia Autonomous Region.
-
Key words:
- geological disasters /
- InSAR /
- information value /
- susceptibility assessment /
- hazard assessment /
- Inner Mongolia
-
-
表 1 东胜区地面塌陷易发性评价模型因子信息量值
Table 1. The Information values of factors in the susceptibility evaluation model of ground collapse in the Dongsheng District
因子 分类 信息量 因子 分类 信息量 坡度（°） [0, 5) − 0.57925 坡向 平面 / [5, 10) 0.658587 北 0.5911 [10, 15) 1.46249 东北 0.208982 [15, 20) / 东 0.569757 [20, 25) / 东南 0.309125 ≥25 / 南 − 1.3395 曲率 <−0.653 1.19418 西南 − 0.35845 [−0.653, −0.392) 0.775704 西 − 0.27018 [−0.392, −0.261) − 0.61323 西北 − 1.07367 [−0.261, −0.131) − 0.16167 地层岩性 Qhal − 1.25875 [−0.131, 0) − 0.03184 Qhl − 2.04175 [0, 0.261) − 0.09102 Qheol / [0.261, 0.522) 0.081223 N2 − 0.62311 [0.522, 0.914) 1.6163 K1jc − 1.89742 ≥0.914 / K1lh − 1.38325 距道路距离（m） [0, 100) − 0.79252 K1h / [100, 300) − 1.37366 K1l − 1.57853 [300, 500) 0.170279 J2z 2.14305 [500, 1000 )− 0.03805 J1y 1.68358 ≥ 1000 0.269884 T3y / 降雨量（mm/a） [301, 315) / T2e 1.34881 [315, 330) / 用地类别 草地 − 0.13271 [330, 345) − 2.22026 林地 − 0.08941 [345, 360) / 水域及水利设施用地 − 0.06197 [360, 375) / 耕地 / [375, 390) − 0.13422 交通运输用地 / [390, 405) 0.938195 其他土地 / [405, 420) 0.780957 工矿用地 2.05341 累计开采量（×104 t） <100 1.46249 特殊用地 / [100, 500) 0.780957 商业服务用地 / [500, 1000 )− 0.13271 住宅用地 / [ 1000 ,3000 )− 0.08941 公共管理与服务用地 / [ 3000 ,5000 )− 2.04175 种植园 / [ 5000 ,10000 )0.5911 持续矿山开采时间（a） ≥20 − 1.89742 ≥ 10000 0.208982 [20, 15) − 1.38325 累计固体废弃物总量（×104 t） [100, 500) 0.269884 [15, 10) 2.14305 [500, 1000 )− 1.89742 [5, 10) − 1.25875 [ 1000 ,3000 )− 1.38325 [0, 5) / [ 3000 ,5000 )− 2.22026 0 1.68358 ≥ 5000 0.780957 
下载: 导出CSV
表 2 东胜区崩塌、滑坡易发性评价模型因子信息量值
Table 2. The Information values of factors in the susceptibility evaluation model of collapse and landslide in the Dongsheng District
因子 分类 信息量 因子 分类 信息量 坡向 平面 / 坡度（°） [0, 5) 0.04326 北 − 1.26686 [5, 10) 0.388424 东北 − 0.88474 [10, 15) − 1.73278 东 − 0.45705 [15, 20) / 东南 1.094562 [20, 25) / 南 / ≥25 / 西南 / 地层岩性 Qhal − 0.81022 西 / Qhl 0.889075 西北 / Qheol − 0.90075 距道路距离（m） [0, 100) − 0.82279 N2 − 0.93503 [100, 300) − 0.93479 K1jc 1.437887 [300, 500) 0.006177 K1lh 0.923721 [500, 1000 )0.006866 K1h − 0.70928 ≥ 1000 1.292867 K1l 1.119 曲率 <−0.653 − 1.86993 J2z − 1.90944 [−0.653, −0.392) − 1.45146 J1y 0.341799 [−0.392, −0.261) 1.323764 T3y − 1.20642 [−0.261, −0.131) − 0.10862 T2e − 2.50149 [−0.131, 0) 0.534744 用地类别 草地 / [0, 0.261) 0.578416 林地 1.664949 [0.261, 0.522) − 0.06383 水域及水利设施用地 / [0.522, 0.914) − 2.29206 耕地 − 0.35763 ≥0.914 / 交通运输用地 − 1.30772 降雨量（mm/a） [301, 315) − 2.10876 其他土地 − 1.17893 [315, 330) 0.124893 工矿用地 0.043427 [330, 345) − 0.72418 特殊用地 − 4.42266 [345, 360) − 0.24054 商业服务用地 − 2.07995 [360, 375) 0.165682 住宅用地 − 1.27448 [375, 390) 0.521984 公共管理与服务用地 − 2.68201 [390, 405) 1.030021 种植园 − 5.9562 [405, 420) /
下载: 导出CSV
表 3 东胜区地质灾害易发性等级及其与实际灾害点分布的对比
Table 3. Comparison between susceptibility classes and actual geological hazard distribution in the Dongsheng District
易发性等级 面积（km2） 面积占比（%） 灾害点数量（处） 灾害点占比（%） 灾害点密度（处/km2） 非 483.5 22.3 5 5.8 0.010 低 736.8 34.1 9 10.5 0.012 中 640.2 29.7 11 12.8 0.017 高 299.8 13.9 61 70.9 0.203 总计 2160 100 86 100
下载: 导出CSV
表 4 东胜区地质灾害危险性等级及其与实际灾害点分布的对比
Table 4. Comparison between hazard classes and actual geological hazard distribution in Dongsheng District
危险性等级 面积（km2） 面积占比（%） 灾害点数量（处） 灾害点占比（%） 灾害点密度（处/km2） 低 709.829 32.86 4 4.65 0.006 中 828.9968 38.38 11 12.79 0.013 高 475.5246 22.02 32 37.21 0.067 极高 145.6496 6.74 39 45.35 0.268 总计 2160 100 86 100 0.040
下载: 导出CSV
-
[1] 贾丽娜,陈世昌.2024.基于AHP和GIS的舟曲地质灾害易发性评价[J]. 西北地质,57(1):23-33. doi: 10.12401/j.nwg.2023094
[2] 赖 波,赵风顺,江金进,江山,江 宁,李俊生.2023.基于AHP-信息量法的珠海市地质灾害风险评价[J]. 华南地质,39(1):147-156.
[3] 李 明,蒋委君,董佳慧,金少锋,张宸伟,牛瑞卿.2023.基于机器学习的滑坡灾害易发性评价——以三峡库区为例[J]. 华南地质,39(3):413-427. doi: 10.3969/j.issn.2097-0013.2023.03.002
[4] 林 振,卢书强,梅 军.2024.基于信息量法的湖北省秭归县滑坡易发性评价[J]. 华南地质,40(1):152-161. doi: 10.3969/j.issn.2097-0013.2024.01.011
[5] 刘 帅,朱杰勇,杨得虎,马 博.2024.不同降雨工况条件下的崩滑地质灾害危险性评价[J]. 地质科技通报,43(2):253-267.
[6] 刘艺梁,殷坤龙,刘 斌.2010.逻辑回归和人工神经网络模型在滑坡灾害空间预测中的应用[J]. 水文地质工程地质,37(5):92-96. doi: 10.3969/j.issn.1000-3665.2010.05.017
[7] 马 敏,王江立,陈 琦,李景富.2024.基于随机森林赋权信息量的区域滑坡易发性评价——以三峡库区秭归至巴东段为例[J]. 华南地质,40(4):749-763. doi: 10.3969/j.issn.2097-0013.2024.04.013
[8] 内蒙古自治区市场监督管理局. 2020. 城市暴雨强度公式编制技术规范 DB15/T 2040—2020[S].
[9] 丘嘉荣,黄利兵,王金秋.2024.不同降雨工况条件下东江上游城镇崩滑灾害危险性评价——以广东省龙川县四都镇为例[J]. 华南地质,40(4):773-782. doi: 10.3969/j.issn.2097-0013.2024.04.015
[10] 孙 滨,祝传兵,康晓波,叶 雷,刘 益.2022.基于信息量模型的云南东川泥石流易发性评价[J]. 中国地质灾害与防治学报,33(5):119-127.
[11] 谭 龙,陈 冠,王思源,孟兴民.2014.逻辑回归与支持向量机模型在滑坡敏感性评价中的应用[J]. 工程地质学报,22(1):56-63. doi: 10.3969/j.issn.1004-9665.2014.01.008
[12] 王 芳,殷坤龙,桂 蕾,陈丽霞.2018.不同日降雨工况下万州区滑坡灾害危险性分析[J]. 地质科技情报,37(1):190-195+203.
[13] 王佳佳,殷坤龙,肖莉丽.2014.基于GIS和信息量的滑坡灾害易发性评价——以三峡库区万州区为例[J]. 岩石力学与工程学报,33(4):797-808.
[14] 夏靖禹,仲 朔,纪鑫霖,许方党,张兴晨,孙晨昊,陈丽霞.2023.基于InSAR技术的西宁北山地质灾害危险性评价[J]. 安全与环境工程,30(4):182-191.
[15] 殷坤龙,朱良峰.2001.滑坡灾害空间区划及GIS应用研究[J]. 地学前缘,2001(2):279-284. doi: 10.3321/j.issn:1005-2321.2001.02.010
[16] 张平平,何 书,李 滨.2024.江西丘陵山区公路地质灾害危险性评价多耦合模型对比研究[J]. 中国地质灾害与防治学报,35(4):135-145.
[17] 张向营,张春山,孟华君,王雪冰,赵伟康,郑满城.2018.基于Random Forest和AHP的贵德县北部山区滑坡危险性评价[J]. 水文地质工程地质,45(4):142-149.
[18] 张晓东. 2018. 基于遥感和GIS的宁夏盐池县地质灾害风险评价研究[D]. 中国地质大学(北京)博士学位论文.
[19] 张艳玲,南征兵,周平根.2012.利用证据权法实现滑坡易发性区划[J]. 水文地质工程地质,39(2):121-125.
[20] 赵建华,陈汉林,杨树锋,马志江.2004.基于决策树算法的滑坡危险性区划评价[J]. 浙江大学学报(理学版),31(4):465-470.
[21] Varnes D J. 1984. IAEG Commission on Landslides and other Mass-Movements. Landslide hazard zonation: A review of principles and practice[M]. Paris: The UNESCO Press.
[22] Yacine A, Hamid R P. 2020. How do machine learning techniques help in increasing accuracy of landslide susceptibility maps?[J]. Geoscience Frontiers, 11(3): 871-883. doi: 10.1016/j.gsf.2019.10.001
-
图(10)
表(4)
计量
- 文章访问数: 43
- PDF下载数: 8
- 施引文献: 0