基于GIS和ANN技術(shù)的延邊地區(qū)山體滑坡敏感性分析

趙保寧 權(quán)赫春

(延邊大學(xué)，吉林 延吉 133002)

基于GIS和ANN技術(shù)的延邊地區(qū)山體滑坡敏感性分析

趙保寧 權(quán)赫春*

(延邊大學(xué)，吉林 延吉 133002)

為了分析延邊地區(qū)山體滑坡的敏感性，采用人工神經(jīng)網(wǎng)絡(luò)方法，計(jì)算了坡度、坡向、土壤類型、地質(zhì)類型和土地五個(gè)影響山體滑坡發(fā)生因子的權(quán)重值，并使用GIS加權(quán)疊加方法，得到了敏感性地圖，最后，山體滑坡敏感性地圖表明非常危險(xiǎn)區(qū)域(0.9或以上)主要分布在坡度為25°～40°的山區(qū)。

地理信息系統(tǒng)，人工神經(jīng)網(wǎng)絡(luò)，山體，滑坡敏感性

0 引言

山體滑坡是世界上許多地區(qū)都發(fā)生的重大自然災(zāi)害。在全球范圍內(nèi)，滑坡造成的損失達(dá)數(shù)百億美元，每年都會(huì)出現(xiàn)很多的死亡和受傷人數(shù)。在過(guò)去的25年里，許多國(guó)家的政府和國(guó)際研究機(jī)構(gòu)都投入了大量的資源在山體滑坡災(zāi)害評(píng)估上，并嘗試制作地圖描繪它們的空間分布狀態(tài)。

在中國(guó)，2012年，王寧濤等以湖北省五峰縣為例，利用GIS和RS對(duì)地質(zhì)災(zāi)害易發(fā)性進(jìn)行了定量分析。2013年，譚春以3S技術(shù)為平臺(tái)，在對(duì)怒江流域巖桑樹(shù)庫(kù)區(qū)的滑坡災(zāi)害進(jìn)行遙感解譯、實(shí)地考察和特征參數(shù)統(tǒng)計(jì)的基礎(chǔ)上建立了滑坡災(zāi)害數(shù)據(jù)庫(kù)，并以此為基礎(chǔ)對(duì)庫(kù)區(qū)滑坡進(jìn)行敏感性區(qū)劃。在土耳其，Yesilnacar和Topal(2005)進(jìn)行的一項(xiàng)山體滑坡的研究中采用了兩種不同的方法，邏輯回歸法和神經(jīng)網(wǎng)絡(luò)，并用兩種方法繪制了山體滑坡敏感性圖。最后，他們發(fā)現(xiàn)用神經(jīng)網(wǎng)絡(luò)方法繪制的敏感性圖更為準(zhǔn)確一些。

近幾年，一些學(xué)者對(duì)于延邊地區(qū)的滑坡，泥石流和崩塌等問(wèn)題雖然進(jìn)行了一些研究，但這些研究一般局限于延邊地區(qū)的局部地區(qū)或某一滑坡事件，并且相關(guān)災(zāi)害的資料也是比較分散，并沒(méi)有形成一個(gè)有效的系統(tǒng)。因此，有必要利用GIS技術(shù)和RS技術(shù)來(lái)分析延邊地區(qū)山體滑坡敏感性。

1 研究區(qū)狀況

延邊地區(qū)位于中國(guó)和朝鮮的兩國(guó)邊境、中國(guó)吉林省的東部，面對(duì)日本海(約在東經(jīng)127°27′～131°18′，北緯41°59′～44°30′)。在該地區(qū)，整個(gè)西部地區(qū)均高于東部地區(qū)，琿春地區(qū)是最低的地區(qū)。該地區(qū)結(jié)構(gòu)性地震活動(dòng)非常頻繁，地質(zhì)環(huán)境質(zhì)量較差，雨季較多。因此，這些不利因素最終會(huì)導(dǎo)致滑坡、泥石流、崩塌等各種地質(zhì)災(zāi)害的發(fā)生。

2 滑坡敏感性分析相關(guān)因子

2.1 坡度

坡度與滑坡直接相關(guān)，它經(jīng)常被用于繪制滑坡敏感性地圖。坡度通過(guò)數(shù)字高程模型(DEM)來(lái)進(jìn)行計(jì)算。數(shù)字高程模型是由SRTM轉(zhuǎn)換得到，如圖1所示。由數(shù)字高程模型生成的坡度圖分為九個(gè)坡度類別，敏感性分析重分為四個(gè)等級(jí)，如圖2所示。坡度圖的分辨率與數(shù)字高程模型相同。

2.2 坡向

坡向圖是用不同的顏色表示出地形圖當(dāng)中處于不同方向的柵格的分布圖。由數(shù)字高程模型生成坡向圖并劃分為九類坡向，見(jiàn)圖3。坡向圖的分辨率與數(shù)字高程模型相同。

2.3 地質(zhì)

圖4展示了本次研究的地質(zhì)圖，通常被分為四種類型：松巖孔隙含水層、碎屑巖孔隙裂隙含水層、碳酸鹽巖溶裂隙含水層、變質(zhì)巖裂隙含水層。每一種類型根據(jù)含水能力分為四個(gè)級(jí)別：A(非常高)、B(高)、C(正常)、D(非常低)，見(jiàn)圖4。

2.4 土壤

土壤類型也是繪制滑坡敏感性地圖的一大重要因素。特別是當(dāng)臺(tái)風(fēng)或暴雨來(lái)臨時(shí)，土壤的排水條件直接影響土壤的重量。根據(jù)排水和強(qiáng)度條件，將本次研究所使用的土壤圖重新分為四類：A(非常高)、B(高)、C(正常)、D(非常低)，見(jiàn)圖5。

2.5 土地利用

土地利用也經(jīng)常用于繪制滑坡敏感性地圖。土地利用分類是遙感影像的最具代表性和典型性的方法之一，它可以對(duì)地球表面的物理環(huán)境如森林、草地和混凝土路面進(jìn)行分類。在此項(xiàng)研究中，通過(guò)使用監(jiān)督分類的方式，將研究區(qū)分為五類：森林，草地，城市，荒地和水域，如圖6所示。

3 ANN技術(shù)的應(yīng)用

人工神經(jīng)網(wǎng)絡(luò)是由神經(jīng)元、拓?fù)浣Y(jié)構(gòu)和學(xué)習(xí)規(guī)則所定義的。神經(jīng)元是人工神經(jīng)網(wǎng)絡(luò)計(jì)算的基本處理單元。神經(jīng)網(wǎng)絡(luò)是一種運(yùn)算模型，由大量的節(jié)點(diǎn)(或稱神經(jīng)元)之間相互聯(lián)接構(gòu)成。在人工神經(jīng)網(wǎng)絡(luò)方法中，學(xué)習(xí)率和動(dòng)量值是影響模型收斂性的重要參數(shù)。為計(jì)算每個(gè)輸入因子的權(quán)重，我們使用了16對(duì)學(xué)習(xí)率和動(dòng)量值。最后，通過(guò)人工神經(jīng)網(wǎng)絡(luò)的方法計(jì)算出每個(gè)輸入因子的權(quán)重，如圖7所示。

4 基于GIS技術(shù)的山體滑坡敏感性分析

為了生成滑坡敏感性圖，我們使用GIS疊置法。由多個(gè)圖層的屬性值疊加生成一個(gè)新的屬性值的函數(shù)，可以用以下函數(shù)來(lái)表示：

U=f(A,B,C)。

其中，U為疊加所產(chǎn)生的屬性值；f為應(yīng)用于疊加的轉(zhuǎn)換函數(shù)；A，B，C，…均為疊加層中使用的層的屬性值。

本研究中，坡度圖、坡向圖、地質(zhì)圖、土壤圖和土地利用作為圖層的屬性值(A，B，C，…)。并利用這五個(gè)屬性值和人工智能算出權(quán)重大小，通過(guò)疊加函數(shù)f來(lái)完成整個(gè)計(jì)算過(guò)程。疊加生成的屬性值(U)是最終生成的滑坡敏感性圖，如圖8所示。

5 結(jié)語(yǔ)

在本研究中，我們利用人工神經(jīng)網(wǎng)絡(luò)方法分析了滑坡影響因子的權(quán)重并繪制了滑坡敏感性圖，并得出以下結(jié)論:

首先，根據(jù)人工神經(jīng)網(wǎng)絡(luò)法計(jì)算的權(quán)重值，坡度、土壤和地質(zhì)的權(quán)重值分別為36%，25%和18%，而這些占整個(gè)值的79%。因此，坡度、土壤和地質(zhì)是本區(qū)域分析滑坡敏感性的最重要因素。

第二，根據(jù)敏感性地圖，非常危險(xiǎn)的區(qū)域(0.9或更高)主要分布在斜坡在25°～40°之間的山區(qū)地區(qū)。

第三，為了判斷人工神經(jīng)網(wǎng)絡(luò)方法得出的敏感性地圖的準(zhǔn)確性，對(duì)滑坡敏感性地圖和滑坡編目圖之間做了對(duì)比分析，并得出人工神經(jīng)網(wǎng)絡(luò)的方法可以用于分析該區(qū)域的滑坡敏感性。

[1] 王寧濤，彭 軻，黎清華，等.基于RS和GIS的地質(zhì)災(zāi)害易發(fā)性定量評(píng)價(jià):以湖北省五峰縣為例[J].地學(xué)前緣，2012(6):225-233.

[2] 譚 春.基于3S技術(shù)的巖桑樹(shù)水電站近壩區(qū)滑坡敏感性評(píng)價(jià)[D].吉林：吉林大學(xué)博士學(xué)位論文，2013.

[3] Yesilnacar,E.,Topal,T..Landslide susceptibility mapping:A comparison of logistic regression and neural networks methods in a medium scale study, Hendek region(Turkey)[J].Engineering Geology,2005(79)：251-266.

[4] Yalcin, A.GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen(Turkey). Comparisons of results and confirmations[J].Catena,2008(72)：1-12.

Landslide susceptibility analysis based on GIS and ANN method in Yanbian area

Zhao Baoning Quan Hechun*

(YanbianUniversity,Yanji133002,China)

In order to analyze the landslide susceptibility in Yanbian area, the paper adopts the artificial neutral network, calculates the weighted value of the five factors including gradient, slope aspect, soil type, geological type, and land which affect the mountainous landslides, adopts the GIS and weighted method to achieve the susceptibility map, and indicates the map can identify the most hazardous areas(0.9 or above) mainly distribute in the mountainous areas of 25°～40°.

geographic information system, artificial neutral network, mountain, landslide susceptibility

1009-6825(2017)03-0068-02

2016-11-19

趙保寧(1987- )，男，在讀碩士

權(quán)赫春(1979- )，男，博士，副教授

P694

A