劉力維，程傳周

（1.南京林業大學 森林資源與環境學院,江蘇 南京 210037；2. 國家海洋局,北京 100860）

滑坡是指在河流沖刷、降雨、地震、人工切坡、斜坡施工等因素影響下，土層或巖層整體或分散地順斜坡向下滑動的現象[1]。泥石流是指在降水、潰壩或冰雪融化形成的地面流水作用下，在溝谷或山坡上產生的一種挾帶大量泥砂、石塊等固體物質的特殊洪流[2]。當滑坡、泥石流運動速度較快，滑坡上或滑坡、泥石流運移路徑上有城鎮、村莊分布時，常常由于人們猝不及防而造成巨大生命、財產損失[1-4]。進行滑坡、泥石流風險評估，是預防和減少災害損失的有效方法。但是，滑坡、泥石流的孕育和發生受內外因素的多重影響，災害發生機制十分復雜[5-7]，其風險評估十分困難。

1 滑坡、泥石流風險評估背景

滑坡、泥石流均是巖土體失穩運動的重要形式。根據不同的特性可分為不同類型[1,3]，如按組成物質可將滑坡分為堆巖滑坡、基巖滑坡，泥石流可分為稀性泥石流和粘性泥石流；按穩定性可以分為穩定、基本穩定、次穩定、不穩定等幾類。相關研究表明，所有這些失穩運動形式都具有以下特點[8-12]：

1）氣象條件主要為陰雨天氣，并且在持續的大量降雨情況下居多；

2）災害發生過程具有階段征，按時間順序一般包括相對緩慢的蠕動階段和速滑階段；

3）巖體在蠕動階段形變量相對較小，對周邊環境和人類影響也較輕微；

4）速滑階段是災害強度突然增大和爆發的時期，也是產生破壞和災害的主要階段，而時間相對較長的蠕動階段為災害監測預報提供了時間和可能；

5）滑坡、泥石流的發生具有周期性的特點；

6）滑坡、泥石流產生的破壞性和損失除了與地質災害本身的強度有關外，也與發生的地點、時間密切相關，是該地方人口、產業等社會經濟因子發展布局的函數。

基于以上分析，滑坡、泥石流風險評估模型需要具備持續、實時、快速響應和周期性的特點，高精度的風險評估需要有全面、及時、可靠的數據支撐。風險評估的目的是為了識別危害、降低風險損失。對滑坡、泥石流而言，主要包括風險識別、風險估算和風險評價3個環節。目前，災害風險公式已得到廣大學者的普遍認可，滑坡、泥石流基本評估方法也相對比較成熟；但在風險評估中，如何實現從點評價向面評價過渡相對不足[13]。GIS技術以其強大的數據獲取、管理、分析和信息挖掘能力，為滑坡、泥石流災害風險評估提供了有效的空間分析平臺[14]，也為由點到面的風險評估提供了技術手段，已經應用到風險評估的各個方面[15-19]。但是，對于滑坡、泥石流預報預測、大范圍統一的災損評估模型以及基于GIS的實現方法，研究尚不成熟[1]。

2 基于GIS的滑坡、泥石流風險分析方法綜述

目前，基于GIS的滑坡、泥石流風險評估主要是在GIS技術支持下，驅動相關模型，利用GIS的數據管理和空間分析、演示制圖功能，實現災害分析和風險評估。

2.1 專家打分法

專家打分法是決策支持系統中經常用到的一種間接定性方法，有利于避免無法獲取的客觀數據的影響。但是，打分結果容易受到專業背景及實際經驗的影響，從而使決策結果產生誤差。因此，采用專家打分法首先要選擇合適的專家成員。另外，由于專家打分法帶有一定的主觀性，也會影響權重的計算結果。利用特征根法（GEM , group eigenvalue method）對專家打分進行統計分析，可以確定最優專家[20]。

2.2 層次分析法

層次分析法是一種進行多目標決策分析的方法。該方法能把復雜系統的決策思維進行層次化，把決策過程中定性和定量因素有機結合起來。通過判斷矩陣的建立、排序計算和一致性檢驗，得到的最后結果更具有說服力。同時，由于可將人的主觀性用數量表達出來，使之更具條理性和科學性，從而可以避免由于人的主觀性導致的權重預測與實際情況相矛盾的現象，提高決策的有效性[21]。但是，在構造判斷矩陣時，由于決策者很難掌握標度的標準，作出的判斷往往不能滿足一致性檢驗，進而會導致計算量增加。實際應用中，可采用判斷平均特性修正矩陣的方法對判斷矩陣進行一致性改進，提高排序權向量的穩定性，有利于計算機完成迭代算法[22]。

2.3 Logistic回歸模型

對于地質災害而言，從統計學角度出發，各因子數據可以作為自變量，而災害的發生與否可以作為分類因變量。由于不是連續變量，線性回歸將不適用于推導此類自變量和因變量之間的關系。這種情況下，通常采用對數線性模型（Log-linear model），而Logistic回歸模型就是對數線性模型的一種特殊形式[23]，它已被國內外學者引入到地質災害評價模型中，預測評價效果較好[24,25]。

2.4 人工神經網絡

人工神經網絡分析具有獨特的學習特性，收斂速度快，容錯能力高，被廣泛應用于災害預測，如Pradhan[26]基于GIS建立人工神經網絡模型，得到了滿意的地區滑坡災害圖。但是，由于人工神經網絡對輸入和輸出有嚴格要求，而在地質災害評價中輸出很難和實際數據一致，導致訓練樣本的選擇成為人工神經網絡技術應用的一大難點。

2.5 統計量法

叢威青等[27]提出了統計量法模型，在分析過程中更加注重每一個評價因子與地質災害之間的一一對應關系，并以此指導影響因子的選擇和因子區段的劃分。該模型利用如下公式計算災害危險性：

其中，Fk為單元k地質災害危險性區劃值；δi為利用相關性分析獲得的因子i的相關性系數；Iki為單元k因子i出現區段的敏感性數值；m為評價因子總數。

2.6 基于GIS的滑坡災害概率預測模型

Chung等[28]通過對滑坡數據庫中的數據進行多元回歸分析，提出了一個統一的基于GIS多層空間數據的滑坡災害概率預測模型，以現場測量和遙感數據作為輸入，預測滑坡在未來發生的頻率，但在模型擴展應用和評估實效上目前仍達不到預期。

2.7 遙感解譯法

遙感是目前唯一的快速獲取大范圍地表數據的有效手段[29]。在滑坡、泥石流災害風險評估中，利用遙感圖像對災害進行調查，即基于災害的光譜特性及時序變化趨勢，利用遙感圖像對災害發育背景進行判別分析，包括工程地質巖組的判別分析、植被覆蓋解譯、水文條件分析、地貌辨識等，進而基于GIS技術實現分析滑坡、泥石流風險形勢和警情、評估災害損失的目的[30,31]。但是，遙感解譯法目前主要側重于使用超高分辨率數據，價格相對昂貴且數據時空覆蓋不夠全面。

3 發展前景與建議

GIS為快速、準確地監測評估滑坡、泥石流風險提供了強有力的技術手段。但是，滑坡、泥石流災害所涉及的地層巖性、地質結構、地貌形態、底層突變、水系分布、植被覆蓋等主要控制因素和降雨、地震、冰雪消融及人為工程施工等誘發因素之間的關系非常復雜，GIS手段用于模擬真實地表動態特性還存在很大困難，只能從增進數據獲取效率、把握時空格局、提高決策速度，以及確保模型適用性等角度，建立、改進風險評估模型，提高預測和評估結果的有效性。在目前的GIS和RS、GPS技術水平下，可以從以下幾個方面入手：

1）提高模型輸入數據的全面性和質量。輸入數據的精度是影響滑坡風險分析的重要因素，發展更好的數據綜合處理方法、獲取更全面的輸入數據非常必要。另外，滑坡、泥石流即時影響因子的判斷和權重賦值，離不開歷史序列數據的積累和對其相互干擾的分析，對歷史數據的回溯處理也有助于對滑坡風險的分析。

2）巖體蠕動具有持續累積性和相對突發性的特點，要求有長期積累的背景參考信息和實時的、高精度的內外部影響因子來加以判別。因而，需要利用各種可以獲得的多源數據，建立滑坡、泥石流風險評估地形地貌和水文地質背景庫。

3）構建針對不同地質構造的滑坡、泥石流快速預報與響應模型，提高模型精度。由于滑坡、泥石流驅動因子及相互關系，尤其是地質力學關系非常復雜，尚沒有統一的范式，這就造成了風險評估大批量快速操作的不確定性。所以，基于GIS建立適合于不同地質構造的滑坡、泥石流快速預報與響應模型，對于快速獲得大范圍的滑坡、泥石流信息非常重要。

目前，基于GIS進行滑坡、泥石流風險評估，主要是將GIS作為一種技術手段來實現已有滑坡、泥石流的風險評估模型和方法，而以GIS為基礎，綜合利用3S技術構建的模型較少。同時，現有應用主要是在繼發災害的災情分析和損失評估上，RS大范圍快速數據獲取功能、GIS強大的空間分析和三維模擬等功能都得不到充分利用。但是，MODIS等中高分辨率遙感數據對地表特征捕獲較為全面，數據實效性強，且全球免費發布，將其與地質地貌調查結果、氣象站降雨數據結合起來，構建驅動因子更加全面的模型，使間斷性的地面勘察數據和高時間分辨率的遙感數據相融合，將是進行滑坡、泥石流風險預測和災損評估的可行方法。

[1]殷坤龍.滑坡災害預測預報[M].武漢:中國地質大學出版社,2004

[2]康志成,李焯芬,馬藹乃.中國泥石流研究[M].北京:科學出版社,2004

[3]劉希林，唐川.泥石流危險性評價[M].北京:科學出版社，1995

[4]劉傳正.區域滑坡、泥石流災害預警理論與方法研究[J].水文地質工程地質,2004(3):1-5

[5]Bell R, Glade T. Quantitative Risk Analysis for Landslides:Examples from Bildudalur, NW-Iceland[J]. Nat Hazards Earth Sci Syst, 2004(4):117-131

[6]高慶華,馬宗晉,張業成.自然災害評估[M].北京:氣象出版社,2007

[7]葛全勝,鄒銘,鄭景云.中國自然災害風險綜合評估初步研究[M].北京:科學出版社,2008

[8]Hutchinson J N. Landslide Hazard Assessment[C].the Sixth International Symposium on Landslide，Rotterdam,1995

[9]殷坤龍,陳麗霞,張桂榮.區域滑坡災害預測預警與風險評價[J]. 地學前緣,2007,14(6):85–97

[10]單新建,葉洪,李焯芬，等. 基于GIS的區域滑坡危險性預測方法與初步應用[J]. 巖石力學與工程學報,2002,21(10):1 507–1 514

[11]Aleotti P,Chowdhury R. Landslide Hazard Assessment：Summary Review and New Perspectives[J]. Bulletin of Engineering Geology and the Environment,1999,58(1):21–44

[12]劉傳正.突發地質災害的預測預警問題[J].水文地質工程地質，2001,28(4):1-4

[13]劉光旭,戴爾阜,吳紹洪，等.泥石流災害風險評估理論與方法研究[J].地理科學進展,2012,31(3):383-388

[14]Guzzetti F, Carrara A , Cardinali M , et al. Landslide Evaluation:A Review of Current Techniques and Their Application on a Multi-scale Study, Central Italy [J]. Geomorphology,1999,31(1):181-216

[15]唐川,朱大奎. 基于GIS技術的泥石流風險評價研究[J].地理科學, 2002, 22(3):300-304

[16]Dikau R, Cavallin A ,Jager S. Databases and GIS for Landslide Research in Europe[J]. Geomorphology, 1996,15(3-4):227-239

[17]Mantovani F R, Soeters C J, Van W. Remote Sensing Techniques for Landslide Studies and Hazard Zonation in Europe[J]. Geomorphology, 1996, 15: 213-225

[18]Gupta R P, Joshi B. Landslides Hazard Zoning Using the GIS Approach: A Case Study from the Ramganga Catchment Himalayas[J]. Engineering Geology, 1990, 28(1-2): 119-131

[19]Dhakal AS, Amada T, Aniya M. Landslide Hazard Mapping and Its Evaluation Using GIS: an Investigation of Sampling Schemes for a Grid-cell Based Quantitative Method[J]. Photogrammatry Engineering and Remote Sensing,2000, 66(8):981–989

[20]邱莞華.群組決策特特征根法[J].應用數學和力學，1997,18(11):1 027-1 031

[21]徐建華.現代地理學中的數學方法[M].北京：高等教育出版社，2002

[22]吳祈宗,李有文.層次分析法中矩陣的判斷一致性研究[J].北京理工大學學報,1999 ,19 (4) :502-505

[23]王濟川,郭志剛. Logistic 回歸模型方法與應用[M].北京:高等教育出版社,2001

[24]Gregory C ,Ohlmacher J , Davis C. Using Multiple Logistic Regression and GIS Technology to Predict Landslide Hazard in Northeast Kansas , USA[J]. Engineering Geology, 2003,69:331-343

[25]胡德勇,李京,陳云浩，等.GIS支持下滑坡災害空間預測方法研究[J].遙感學報，2007(6):852-859

[26]Pradhan B, Lee S.Utilization of Optical Remote Sensing Data and GIS Tools for Regional Landslide Hazard Analysis Using an Artificial Neural Network Model[J].Earth Science Frontiers，2006,13(6):143-15

[27]叢威青,潘懋,李鐵鋒，等.基于GIS的滑坡、泥石流災害危險性區劃關鍵問題研究[J]. 地學前沿，2006,13(1):185-190

[28]C-J F 丘恩.滑坡災害制圖的概率預測模型[J].水利水電快報，2000(16)：16-17

[29]趙英時.遙感應用分析原理與方法[M].北京:科學出版社,2003

[30]Rathje E,Crawford M,Woo K,et al.Damage Patterns from Satellite Images of the 2003 Bam, Iran[J]. Earthquake Spectra，2005, 21( S1): 295-307

[31]唐川,張軍,萬石云，等.基于高分辨率遙感影像的城市泥石流災害損失評估[J].地理科學，2006,26(3):358-363