基于ArcGIS與證據權法的崩塌易發性評價

薛文洋，高猛，朱亞勝

（1.新疆大學地質與礦業工程學院，新疆 烏魯木齊 830047；2.新疆中亞造山帶大陸動力學成礦預測重點實驗室，新疆 烏魯木齊 830047）

礦山地質災害易發性評價是礦山地質災害調查評價的一項重要內容，易發性是對某一礦山地質災害發生難易程度的描述，反映物理地質現象。趙帥等[1]認為礦山地質災害易發性評價主要分為兩類：一類是基于專家經驗認知的定性評價方法，另一類是基于統計學的定量評價方法。早期的礦山地質災害預防，主要由專家打分對地質災害敏感性進行判斷和評價[2]。目前，礦山地質災害易發性評價方面很多學者進行了大量的研究，如俞布、孟凡奇、程乙峰、焦方謙等[3-6]均將證據權法應用于礦山地質災害易發性評價當中；楊德宏、范文[7]通過量化礦山地質災害因子并使其歸一化，再利用層次分析法確定各因子的權重系數，最終對旬陽縣礦山地質災害進行易發區分區評價。高治群、王佳佳、彭珂等[8-10]人用信息量法對礦山地質災害易發性進行評價。李遠遠、任曉杰等[11]基于確定性系數和支持向量機的評估模型對云南瀘水縣礦山地質災害易發性進行預測。本文選取證據權重法對礦山崩塌災害進行定量評價。

1 證據權模型介紹

證據權模型是一種以貝葉斯條件概率為基礎的多源信息定量評價模型[12]。證據權模型通過評價已知災害點和各種影響因子之間的空間分布特征，計算影響因子與礦山地質災害間的空間相關性，這種空間相關性通過兩個量化值體現，即W+和W-。W+和W-按以下公式計算：

其中

N｛｝表示影響因子中各類別或響應因子占據的單元（像元）個數。為剔除偶然因素導致的高C值，上述反差（C值）計算結果還需進行顯著性檢驗，檢驗公式如下：

其中：

以上公式中，S2(W+)、S2(W-)、S2(Contrast)表示W+、W-、Contrast的方差，Studentized(Contrast)是對反差Contrast（即C值）做學生化處理，該值反映了C值的顯著性水平，在模型中作為顯著性量化指標存在，可作為空間相關性置信度的度量依據，二者對應關系見表1。

表1 顯著性量化指標與置信度對應關系

最后，通過對W+、W-、C值及其顯著性水平綜合分析，計算重分類后的W+值，即可獲得綜合量化權重值，為進一步綜合評價提供量化依據[13]。

2 數據分析

2.1 礦山崩塌空間分布

吉木乃縣位于新疆維吾爾自治區北部，準葛爾盆地北緣，薩吾爾山北麓，額爾齊斯河南岸，地形地貌復雜，斷裂發育，地質構造復雜，地表水系發育，導致縣境內礦山滑坡、崩塌、泥石流等礦山地質災害頻發且分布廣泛，其中滑坡17處，崩塌60處，泥石流9處。

本次參與評價的礦山崩塌災害點60個，易發性定量評價所需的數據包括：DEM數據由地理空間數據云平臺提供，單元格分辨率為30m×30m；工程巖組、水系數據均從相關部門獲取所得。

2.2 礦山崩塌災害控制因素

根據前人研究成果以及對研究中所涉及的礦山地質災害分析，選取工程巖組、高程差、坡度、斷層密度、地震加速度峰值、水系線密度、距道路距離、居民點密度等8個影響因子。各個影響因子數據經過重分類，轉換為整形柵格數據。

高差：是指通過兩點的兩個水準面的差距，極大的影響著礦山崩塌災害的發生。

坡度：坡度表示坡面的傾斜程度，傾斜程度越大越易于礦山災害的發生。

工程地質巖組：是礦山地質災害的物質基礎，其類型、性質、結構及構造特征對礦山地質災害的產生存在重要的影響。

斷層線密度：斷層是礦山災害發生的重要影響條件，與礦山災害發生存在著密切聯系，斷層線密度越大礦山災害發生的可能性越大。

水系線密度：水系通過地表徑流對河岸不斷的沖刷，從而可能導致礦山崩塌災害的發生。

距道路距離：道路屬于人類工程活動的范疇，人類的活動也可能會引發礦山地質災害。

地震加速度峰值：地震是誘發礦山地質災害的重要因素。

居民點密度：人類的各種工程活動都可能對礦山地質災害產生影響。

2.3 礦山崩塌影響因子權重計算

各影響因子重分類后的整形柵格數據通過Arcgis中的SDM（空間數據建模工具）模塊中Weights of Evidence（證據權重法），計算各影響因子的權重值（見表2）。

表2 證據因子等級權重

3 礦山崩塌易發性評價

3.1 評價結果

地層巖性為層狀、塊狀較硬礫巖、砂巖、火山碎屑巖巖組，高差在6m～24m內,坡度大于4°，斷層線密度在0.23m/km2～0.38m/km2之間，地震加速度峰值在0.05g,水系線密度在0.44m/km2～0.71m/km2之間，距道路距離在0m～313m內，居民點密度0.4個/km2～1.2個/km2之間都與礦山崩塌災害的發生具有良好的正相關性，Studentized C均大于1.5，具有很高的顯著性水平，礦山崩塌災害發育最突出。

圖1 崩塌后概率計算結果

圖2 崩塌后概率置信度計算結果

圖3 崩塌易發性定量評價結果

圖4 ROC曲線結果

地震加速度峰值綜合權重值較低，故地震加速度峰值數據對研究區礦山崩塌災害影響不占主導作用。礦山崩塌高易發區占評價總面積的33%，有86.67%的礦山崩塌災害點發生，主要分布在高差大、坡度陡、人工活動強水系較為密集的南部地區。中易發區占總面積的22.74%，有13.33%的礦山崩塌災害點發生。低易發區和不易發區占了總面積的44.26%，主要分布在人類工程活動弱、遠離水系的北部地勢平坦地區。最終得到礦山崩塌地質災害后概率計算結果見圖1，得到礦山崩塌后概率置信度計算結果見圖2以及礦山崩塌易發性定量評價結果見圖3。

3.2 評價結果精度

ROC曲線以敏感性為縱坐標、（1-特異性）為橫坐標繪制成曲線，曲線下面積（AUC值）越大，評價準確性越高。在AUC＞0.5的情況下，AUC越接近于1，說明評價效果越好。由圖4可知，證據權模型的AUC值為0.785，具有較好的精度和質量。

4 結語

本文通過分析吉木乃縣地質環境、人類活動，總結礦山崩塌災害分布的規律上，選取了礦山崩塌災害發生的8種重要影響因子，結合Arcgis與證據權模型，對吉木乃縣崩塌災害進行了易發性評價，得到如下幾點認識：

①地層巖性、高差、坡度、地震加速度峰值、斷層線密度、水系線密度、居民點密度是礦山崩塌災害易發性預測的重要指示因子。各種因子在不同區域、不同程度、不同階段上對礦山崩塌災害的發生存在著差別化貢獻，而且礦山崩塌是多種因素的聯合作用產物。②證據權法可以較好的避免礦山崩塌災害易發性評價因子選擇及權重賦值的專家主觀性。采用證據權模型進行綜合定量評價時，在證據權模型基礎上加入加權Logistic回歸方法，可以彌補評價結果同實際值的偏差，實現礦山地質災害易發性評價目標。ROC曲線表明，該評價方法有較好的精度和質量，可為吉木乃縣礦山崩塌預警和防治規劃提供技術參考。