基于改進證據權重法的北海道地震同震滑坡易發性評價

周 宇，常 鳴，2*，孫 文 靜，武 彬 彬

(1.成都理工大學地質災害防治與地質環境保護國家重點實驗室，四川 成都 610059；2.中國科學院水利部成都山地災害與環境研究所，山地災害與地表過程重點實驗室，四川 成都 610041)

0 引言

2018年9月6日，日本北海道發生Mw6.7級地震，震中位于42°40′15.6″N，141°55′58.8″E，震源深度37 km[1]。受發震斷層、地形地貌及巖性影響，地震誘發的同震滑坡空間分布具有一定規律，開展震區同震滑坡易發性評價對于災區恢復重建具有重要意義。滑坡易發性評價模型可分為確定性模型和非確定性模型，隨著GIS技術日益成熟，基于統計分析的非確定性模型在同震滑坡易發性評價中的應用越來越廣泛。例如：Pamela等選取12個評價因子利用證據權重法對印度尼西亞Takengon地區的滑坡易發性進行評價，經驗證模型的準確率較高[2]；Aril等基于頻率比法、多元邏輯回歸及人工神經網絡模型對印度尼西亞Ambon地區的同震滑坡易發性進行評價，其中人工神經網絡模型的準確率最高[3]；Rahim等采用層次分析法評價巴基斯坦北部Ghizer地區的滑坡，發現絕大部分滑坡位于中等至極高易發區內[4]；武雪玲等基于SVM、PSO和ANN復合模型對滑坡易發性進行定量研究，成功率和準確率均高于單獨SVM模型評價結果[5,6]；劉堅等基于優化的隨機森林模型開展三峽庫區滑坡易發性評價，結果準確性顯著提高[7]；楊根云等利用信息量模型開展滑坡易發性評價，所得滑坡易發性區劃圖與滑坡實際發育情況基本吻合[8,9]；李權等運用多元邏輯回歸模型對蘭坪縣滑坡易發性進行評價，準確率為78.58%[10]。

綜上，既有滑坡易發性評價研究以層次分析法、多元邏輯回歸、人工神經網絡和隨機森林等模型為主，在評價過程中未考慮評價因子的權重值，也未解決權重值確定方法與不同分級條件下對滑坡發生概率的影響。因此，本文以北海道地震誘發同震滑坡為研究對象，基于震前和震后高精度遙感影像構建同震滑坡數據庫，選取坡度、坡向、距斷層距離、距水系距離、地層巖性、曲率和峰值地面加速度(PGA)共7個同震滑坡易發性評價因子，分析北海道地震誘發的同震滑坡在不同評價因子上的空間分布特征；基于證據權重法和層次分析法計算評價因子權重值，通過多模型耦合得到改進證據權重法，構建同震滑坡易發性評價新模型，并檢驗改進證據權重法與原證據權重法的準確度，以期得到準確度更高的易發性評價結果，為同震滑坡易發性評價提供參考。

1 數據與方法

1.1 研究區與數據

研究區為北海道地震震中區域，面積508.97 km2(圖1a)。該區斷裂和活動斷裂極為發育，南北走向較明顯，尤其是在石狩斷層地區，震中也靠近該斷層(圖1b)。利用ALOS-2數據進行InSAR分析，獲得震區的地殼變形數據，發現該地震由北西向的逆斷層造成[11]。震區年降雨量為1 200～1 800 mm，地貌以低山為主，地勢東北高、西南低，海拔最高為643 m。區內主要巖性為早中新統至中中新統泥巖、砂巖與礫巖、凝灰巖交替層、晚白堊世海相泥質濁積巖和泥巖，中部丘陵地區為中新世—上新世泥巖、粉砂巖、砂巖、礫巖，西部主要為全新世河流沉積的砂巖、泥巖、頁巖以及晚更新世火山碎屑流的松散堆積層[12,13]。

根據文獻[14]，地震前一天研究區有降雨，山體被雨水浸透后，在地震作用下發生了同震滑坡。本文利用地震前后不同時期高精度遙感影像(表1)獲取同震滑坡的詳細信息，震前航拍影像用于輔助辨別震后滑坡增加數量，震后Planet影像用于遙感解譯。結合前人解譯結果[15]，通過目視解譯得到5 977處同震滑坡，災害總面積15.26 km2，主要集中在厚真町斷層和石狩斷層附近，以中小型滑坡為主，單體滑坡面積最大為0.1 km2，最小為68.6 m2(圖1b)，據此建立北海道地震誘發同震滑坡空間屬性數據庫；同時，采用研究區地形、地質及地震數據分析同震滑坡空間分布特征(表1)。

表1 北海道地震遙感影像及其他數據Table 1 Remote sensing images and other information data of Hokkaido earthquake

1.2 改進型同震滑坡易發性評價模型

證據權重法是一種基于數據驅動、離散多元的地學統計方法[16]，但其未考慮各評價因子的權重，僅對地質災害相關的評價因子疊加復核分析，進而對地質災害發生概率進行預測。因此，本文在證據權重法基礎上，采用層次分析法計算同震滑坡易發性評價因子權重值，得到改進型證據權重法，以此對同震滑坡易發性進行評價。計算公式為：

(1)

(2)

Pp(l)=S0/S

(3)

(4)

(5)

2 北海道地震同震滑坡空間分布規律

影響同震滑坡的因子主要有地形地貌、地層巖性、地質及人類工程活動等[17]。根據研究區實際情況，本文選取地形(高程、坡度、曲率、坡向)、地質(距斷層距離、地層巖性、PGA)及水文(距水系距離)三方面共8個影響因子，通過ArcGIS空間分析功能，對研究區同震滑坡評價因子進行分級(圖2、表2)。

表2 各評價因子分級及同震滑坡發生概率Table 2 Classification and coseismic landslides probability for evaluation factors

圖2 北海道地震同震滑坡各影響因子空間分布Fig.2 Spatial distribution of influencing factors on coseismic landslides of Hokkaido earthquake

(1)高程。不同高程范圍內土壤類型、植被種類、植被覆蓋率及降雨量可能不同，進而導致滑坡的移動距離和影響范圍也不同。本文基于1∶5萬地形圖中的等高線獲取研究區DEM，并將高程分為0～90 m、90～170 m、170～250 m、250～330 m和>330 m共 5類(圖2a)，可以看出，研究區同震滑坡主要集中在高程90～250 m范圍內，滑坡面積12.58 km2，占5個高程區間災害總面積的82.48%，且隨著高程增加，同震滑坡數量減少。

(2)坡度及曲率。坡度是影響坡面穩定性的重要因子，坡度大小在幾何特征上決定了同震滑坡的分布，通常滑坡更易發生在坡度較大區域[18]。基于研究區DEM數據獲取坡度數據，將其分為0°～10°、10°～20°、20°～30°、30°～40°、40°～50°和>50° 共6類(圖2b)，可以看出，研究區同震滑坡主要分布在20°～40°坡度范圍內，滑坡面積10.57 km2，占6個坡度區間災害總面積的69.26%；隨著坡度增加，總體上同震滑坡數量遞減，緣于研究區內坡度較大區域面積較小，滑坡集中在坡腳地區。曲率為坡度的導數，曲率為正說明坡面上凸，為負說明坡面下凹，同震滑坡在凹形坡和凸形坡分布大致相同(圖2c)。

(3)坡向。坡向是影響滑坡分布的重要因子之一，不同坡向的日照時長和輻射強度也不同，影響山地的植被覆蓋，進而影響坡體的穩定性[19]。本文基于DEM提取坡向數據，并將其分為北、東北、東、東南、南、西南、西和西北8個方向(圖2d)，可以看出，同震滑坡主要集中在東、南、東南方向，滑坡面積9.84 km2，占8個坡向區間災害總面積的64.46%。

(4)距斷層距離。同震滑坡的空間分布特征主要受斷層控制。距斷層越近，地質災害越發育；距斷層越遠，地質災害分布密度越小[20]。本文基于1∶10萬地質圖獲取斷層數據，研究區內有兩個較大的斷層，分別為厚真町斷層和石狩斷層。以1 km為多環緩沖區間距，將研究區分為11個區域(圖2e)，可以看出，同震滑坡主要集中在距斷層5 km的區域內，滑坡面積占11個區域災害總面積的89.78%，且距斷層越遠，同震滑坡越少，符合同震滑坡易發生在斷層附近的普遍規律。

(5)地層巖性。巖土體的類型及其結構特征影響坡面的穩定性[21]。由1∶10萬地質圖得到研究區巖性矢量數據，并將其劃分為礫巖、砂巖、泥巖、頁巖、粉砂巖及松散堆積物6種(圖2f)，可以看出，同震滑坡在頁巖和礫巖上較為發育，二者滑坡面積合計11.01 km2，占6種巖性災害總面積的72.12%。

(6)PGA。地震時地面運動的峰值加速度可反映地面及建筑物受地震破壞的程度，PGA值越大，坡面受到的影響越大，越易誘發滑坡。以0.04 g為多環緩沖區，將研究區PGA分為11類(圖2g)，其中，同震滑坡主要分布在0.48～0.52 g區域內，滑坡面積7.28 km2，占11類PGA災害總面積的47.79%。

(7)距水系距離。水系的切割為滑坡的發生提供了臨空面，滑坡分布與距水系距離密切相關，強震區滑坡多沿河流兩側分布，且距水系越遠，滑坡分布密度越小[22]。基于1∶5萬地形圖得到水系數據，以200 m為水系多環緩沖區間距共劃分8個區域(圖2h)，可以看出，同震滑坡主要集中在距水系0.8 km范圍內，滑坡面積12.22 km2，占8個區域災害總面積的80.13%，且距水系越遠，同震滑坡越少。

3 同震滑坡易發性評價

3.1 因子相關性評價

為保證評價因子間的相互獨立性和客觀性，用Pearson相關系數衡量各評價因子間的相關關系[23]，其絕對值大于0.5時，認為具有一定的相關性。由表3可知，除高程與距斷層距離存在一定相關外，其余各評價因子之間均滿足相互獨立的要求。結合研究區實際情況，同震滑坡主要集中在90～250 m 低海拔地區，同時考慮到同震滑坡受斷層影響較大，故將高程因子剔除，最終選取坡度、曲率、坡向、距水系距離、距斷層距離、地層巖性、PGA共7個因子作為北海道同震滑坡易發性評價指標。

表3 各評價因子間的Pearson相關系數Table 3 Pearson correlation coefficients between evaluation factors

3.2 基于改進型證據權重法的同震滑坡易發性評價

本文采用層次分析法計算每個評價因子的同震滑坡易發性權重值[24]。首先，通過專家打分法對7個評價因子進行打分，建立評價因子權重值判斷矩陣(表4)。然后，利用MATLAB軟件計算判斷矩陣的最大特征值λmax=7，一次性指標CI=0，通過查詢平均隨機一致性指標(RI)表，可得RIn=7=1.32，則檢驗性指標CR=CI/RI=0/1.32=0<1，證明該矩陣具有完全一致性，判斷合理。最大特征值λmax對應的特征向量為(0.0588，0.0588，0.1765，0.1765，0.1765，0.0588，0.2941)，對特征向量進行歸一化處理，得到7個評價因子的權重。

表4 7個評價因子判斷矩陣及權重Table 4 Judgment matrix and the corresponding weights of the seven evaluation factors

利用式(1)-式(5)和表2數據計算研究區同震滑坡發生的概率，利用ArcGIS空間分析功能得到同震滑坡易發性分布圖，對概率值歸一化后將易發性由小到大分為極低(0～0.2)、低(0.2～0.4)、中(0.4～0.6)、高(0.6～0.8)和極高(0.8～1)5個等級(圖3)，可以看出，同震滑坡主要集中在極高和高易發區，在區域內東北向的極低和低易發區幾乎沒有分布。

圖3 模型改進前后北海道同震滑坡易發性評價結果Fig.3 Evaluation on the susceptibility of coseismic landslides of Hokkaido earthquake before and after model improvement

進一步利用ROC曲線評價模型的精確性，以未發生同震滑坡的單元被正確預測的比例為橫坐標、以發生同震滑坡的單元被正確預測的比例為縱坐標繪制曲線，曲線越接近左上角，表明模型的準確性越高[25]；曲線下的面積(Area Under Curve，AUC)表示模型精確程度，取值范圍為0.5～1，AUC值越接近1，表明模型的精確性越高[26]。通過SPSS分析，得到改進前AUC=0.870，改進后AUC=0.916，表明改進后模型精度更高。改進前模型預測的極高、高易發區面積合計183.17 km2，占研究區總面積的35.99%，兩區域同震滑坡面積為9.39 km2，占同震滑坡總面積的61.58%；極低、低易發區面積合計206.68 km2，同震滑坡面積合計0.51 km2。改進后模型預測的極高、高易發區面積合計151.16 km2，占研究區總面積的29.7%，兩區域同震滑坡面積合計10.85 km2，占同震滑坡總面積的71.16%，極低、低易發區面積合計194.9 km2，同震滑坡面積合計0.41 km2，表明改進后模型預測的同震滑坡極高、高易發區分布更集中，模型更合理。

4 結論

本文對地震前后不同時期高精度遙感影像進行解譯，共解譯出5 977處同震滑坡，災害面積15.26 km2，最大單體滑坡面積0.1 km2，以中小型滑坡為主，沿西北—東南向斷層兩側分布，靠近水系地區較為發育。從地形、地質、水文條件方面對北海道地震同震滑坡的空間分布特征進行分析，發現距斷層小于5 km、距水系小于800 m范圍內，同震滑坡分布較密集，距水系和斷層越遠，同震滑坡越少；在PGA 為0.5 g、高程90～250 m、坡度20°～40°、坡向為東至東南向、巖性為頁巖或礫巖區域，同震滑坡較為發育。利用改進后的證據權重法開展北海道地震同震滑坡易發性評價，經ROC曲線評價模型驗證，發現曲線下面積(AUC)為0.916，較改進前模型(AUC為0.870)有明顯提升，表明改進后的證據權重法精度更高，可更好地為相似的同震滑坡易發性評價提供參考。

本文基于遙感技術研究同震滑坡的分布特征，未考慮同震滑坡所處區域的巖土體物理學特征，未來將在室內開展相關物理實驗，彌補此方面的不足。