基于GIS与信息量模型的汶川次生地质灾害危险性评价

发布时间：2017-01-03 08:59

  本文关键词：基于GIS与信息量模型的汶川次生地质灾害危险性评价，由笔耕文化传播整理发布。

第35卷第2期

2010年3月

地球科学———中国地质大学学报

EarthScience—JournalofChinaUniversityofGeosciences

Vol.35　No.2Mar.　2010

doi:10.3799/dqkx.2010.034

基于GIS与信息量模型的汶川次生地质灾害危险性评价

杜　军1,杨青华2,严　嘉1,薛重生1

1.中国地质大学地球科学学院,湖北武汉4300742.广西师范大学环境资源学院,广西桂林541004

摘要:5?12汶川大地震诱发了大量滑坡、崩塌、泥石流等次生地质灾害,对人民群众的生命财产和社会经济的发展形成了严

重威胁.针对次生地质灾害危险性评价,选取重灾区汶川县作为研究区域,利用遥感与地理信息技术的空间数据管理和空间数据分析平台,获取了研究区的次生地质灾害信息,分析了研究区内次生地质灾害与各影响因子,包括地形地貌、地层岩性、水系、地震断裂之间的相关性特征,并结合信息量法模型进行次生地质灾害危险性评价.高度、中度和轻度危险区的面积分别

222

为1130.196km、1739.584km、1213.219km.即断裂带及其附近地区地质灾害集中发育,而远离断裂带区地质灾害很快衰减,;,质灾害呈现出北部和东部重、西部和南部轻的特点.,够快速、.关键词:危险评价;;;.中图分类号::-(--07　　　　收稿日期:2009-11-15

HazardEvaluationofSecondaryGeologicalDisasterBased

onGISandInformationValueMethod

DUJun1,YANGQing2hua2,YANJia1,XUEChong2sheng1

1.FacultyofEarthSciences,ChinaUniversityofGeosciences,Wuhan430074,China

2.CollegeofResourceandEnvironmentalScience,GuangxiNormalUniversity,Guilin541004,China

Abstract:5?12Wenchuanearthquaketriggeredaseriesofsecondarylandslides,landslides,debrisflows,andothergeologicaldisasters,whichposedamajorthreattopeoplesπlivesandpropertyandsocio2economicdevelopment.Forriskassessmentofsecondarygeologicalhazardsinthearea,theworst2hitWenchuanCountywasselectedasthestudyarea.Remotesensingandgeographicinformationtechnologyspatialdatamanagementandspatialdataanalysisplatformhavebeenappliedtogainrelevantinformation,tomakeacorrelativeanalysisbetweensecondarygeologicaldisastersinthestudyareaandthetopography,litholo2gy,hydrology,earthquakerupture.Inaddition,informationvaluemethodhasbeenusedtoevaluatetheriskofsecondarygeo2logicaldisasters.Itisfoundthattheareaofhighrisk,moderateriskandlowriskis1130.196km2,1739.584km2,1213.219km2respectively.Thedistributionofsecondarygeologydisastertriggeredbyearthquakehasthecolonytypedistri2butioncharacteristicfeaturedwithaconcentrateddevelopmentofgeologicaldisastersinthefaultzoneandthenearbyregionsandaquickdecayandthefragmentarydistributionfartherawayformthefaultzoneareas.Analysisalsoshowsthatriskofsec2ondarygeologicaldisasterinnorthandeastareasofWenchuanisheavy,whilethatinthewestandsouthareasislight,whichiscoincidentwiththereality.Thestudyfurtherdemonstratesthatthegeographicalinformationsystemcombinedwithinforma2tionvaluemodelcanquicklyandeffectivelyevaluatethespatialdistributionandriskofsecondarygeologicaldisasters.Keywords:hazardevaluation;secondarygeologicaldisaster;Wenchuan;geographicalinformationsystem(GIS);informationvaluemethod.

基金项目:国土资源部次生地质灾害卫星遥感数据购置及综合解译项目(No.1212140889001).

作者简介:杜军(1981-),男,博士研究生,主要从事遥感与GIS地学应用研究.E2mail:dujun_20002@yahoo.cn

　第2期　杜军等:基于GIS与信息量模型的汶川次生地质灾害危险性评价

325

　　地震次生地质灾害是指由地震活动引起的地质灾害.地震次生地质灾害增强了地震灾害的破坏效应,加剧了地震的损失程度.因此次生地质灾害危险性评价是地震灾情评估工作的重要组成部分,在地质灾害危险范围预测、地质灾害损失预评估和地质灾害防治工程评价等方面发挥着重要的作用(刘凤民等,2006).汶川地震发生以后,国内学者对震后次生地质灾害的特征和分布规律做了相关的研究,王涛等(2008)通过野外和遥感数据调查对汶川地震断裂活动与次生地质灾害的相关性进行了定性分析,张永双等(2008)在实地调查的基础上,对四川汶川强震次生地质灾害进行了较全面地研究,较深入地探讨了次生地质灾害的类型和次生地质灾害的主要特征.韩金良等(2009)对汶川地震次生地质灾害的基本特征、分布规律和主要影响因素进行了初步总结,步探讨.

断和评价,故称之为专家评价法(AleottiandChowdhury,1999).该方法评价结果精度取决于野外调查的详细程度和专家的知识与经验,评价中运用的隐含规则使结果分析与更新困难,而且不同调查者与专家得出的结果无法进行比较.GIS的运用使原先计算复杂,甚至无法考虑的因子能够引入地质灾害的危险性研究,众多的数学模型,如多元统计分析、数理统计、概率理论等在滑坡危险性研究中开始被使用,大大提高了滑坡危险性研究的水平.如Carrara(1983)将多元统计分析预测方法引用到区域滑坡空间预测中,Carraraetal.(1991)将GIS结合统计模型用于滑坡灾害的评价,使用逐步回归方法分析了地形因素对单个滑坡的影响.多元分析方法具有很严密的数学推理,自然必须在满足其苛刻的应用条件(即各因素之间不相关、因素与目标线性强相关)的前提下才能得出较好的结果.但是,在实际评价过程中,往往己知样本的取得己经是非常困难的一件事,更为糟糕的是形成的己知样本常常通不过假设检验.因此这种方法在适用性上要差一些,其应用也受到一定的限制;Grecoetal.(2007)将Logistic回归模型运用到大规模运动的风险评估,得出结果的可靠性较高;LinandTung(2003)利用信息量法分析了由于Chi2Chi地震造成的潜在滑坡危险性,发现信息量模型具有较高的客观性,实施简便.

本文结合汶川县地质灾害调查与区划项目,探讨了GIS技术与信息量法相结合的评价方法及其在汶川县地质灾害危险性评估中的具体实施过程.利用遥感与地理信息技术的空间数据管理和空间数据分析平台,提取次生地质灾害的诱发因子,并对其与次生地质灾害的相关性进行了定量化评述,然后运用信息量模型,针对现有的次生地质灾害,对以后再发生次生灾害的潜在危险性进行预测和定位.

1　次生地质灾害危险性评价的信息量

模型

次生地质灾害现象(Y)xi的影响,.在各种不,,总会存在,“最佳因素组合”,而不是停留在单个因素上.信息预测的观点认为,次生地质灾害产生与否与预测过程中所获取的信息的数量和质量有关,是用信息量来衡量的(殷坤龙,2004).信息量法是以已知灾害区的影响因素为依据,推算出标志危险性的信息量,建立评价预测模型,并依照类比原则外推到相邻地区,从而对整个地区的危险性做出评价.

假设次生地质灾害(L)受多种因素影响,即L=f(x1,x2,…,xn),

I(L,x1,x2,…,xn)=ln,(1)

P(L)

式中:I(L,x1,x2,…,xn)为因素组合x1x2…xn对次生地质灾害所提供的信息量;P(L,x1,x2…,xn)为因素x1,x2,…,xn组合条件下次生地质灾害发生的概率;P(L)为次生地质灾害发生的概率.模型建立过程如下:

(1)单独计算各因素xi对次生地质灾害发生事件(L)提供的信息量I(L,xi),在实际计算中可运用频率来进行条件概率的估算,即:

I(L,xi)=ln

,Si/S

(2)

式中:S为研究区评价单元总数;N为研究区含有次生地质灾害分布的单元总数;Si为研究区内含有评价因素xi的单元数;Ni为分布在因素xi内特定类别内的次生地质灾害单元数.

(2)计算单个评价单元内总的信息量:

326

地球科学———中国地质大学学报第35卷

Ij=

j=1

6

n

I(L,xi)=

j=1

6

n

ln

,Si/S

(3)

式中:Ij为评价单元总的信息量值;n为参评因子数.

(3)用总的信息量Ij作为该单元影响次生地质灾害发生的综合指标,其值越大表明越有利于次生地质灾害的发生,该单元的次生地质灾害危险性也越高;最后对最终的全部单元的信息量值划分类别,分成不同的危险等级.

在使用基于GIS的信息量法开展地质灾害危险性评估时,利用GIS技术提取出各评价因子图层;在完成各评价因子图层提取后,需要将因子图层和地质灾害分布图进行栅格化,并进行栅格单元的划分,然后进行栅格图层的运算.各评价因子图层在完成与地质灾害分布图的栅格乘运算后可得到地质灾害在各评价因子图层中的分布密度,图.最后,,,完成区域地质灾害危险性评估.

图1　研究区次生地质灾害与坡度关系

Fig.1

Relationbetweensecondarygeologicaldisasterdis2tributionand

slope

2　次生地质灾害影响因子提取与分析

强烈地震导致的地质灾害不仅取决于地震本

身,而且也与边坡所处的地质背景、坡体结构类型、物质组合、地形地貌条件、水文地质条件等各种因素密切相关,不同地区的地震诱发的滑坡特点也不相同(孙崇绍和蔡红卫,1997).次生地质灾害的发育受控于很多因素,如地形、地层岩性(易滑动地层)、地质构造(特殊构造部位、断层破碎带等)、河谷切割密度(区域内线性沟谷分布)等,深入研究每一个主控因素与次生地质灾害发育之间的关系,对深入研究区域次生地质灾害的发生和分布规律是有帮助的.2.1　地形地貌因子提取与分析

本研究利用覆盖研究区1∶50000DEM数据中提取研究区的坡度、坡向及高程信息,通过在ArcGIS中对次生地质灾害数据与各环境因素进行空间分析,总结出了研究区次生地质灾害事件与以上各背景因子之间的关系特征.

2.1.1　坡度　研究区坡度图层是利用DEM在ArcGIS3D中生成.为了能表示出次生地质灾害与

Fig.2

图2　研究区次生地质灾害与坡向关系

Relationbetweensecondarygeologicaldisasterdistri2butionandaspect

态看(图1),次生地质灾害集中发育区域的坡度在

30°～50°.整个研究区内共有次生地质灾害点974个,计算得出坡度30°～50°的次生地质灾害点729个,占次生地质灾害总数的74.85%,0°～30°区间的次生地质灾害数为114个,坡度大于50°的次生地质灾害数为131个.2.1.2　坡向　在ArcGIS中,利用3×3的窗口进行扫描,获取研究区的坡向图层,并进行统计分析.从图2中可看出,研究区内449个次生地质灾害发生在坡面正东、东南和东北方向,占到所有灾害的46.1%.从遥感影像的解译中也能发现,岷江河两岸

汶川县城以南,坡向朝东-东南侧的山体破坏严重,次生地质灾害多呈群状分布,而西侧次生地质灾害规模相对较小,表明不同坡向的边坡对地震响应存在差异.

2.2　岩性类因子

坡度的关系特征,把坡度按5°间隔分为14个类别,

然后与次生地质灾害进行叠加统计.

从坡度曲线形

斜坡的地层岩性是发生次生地质灾害的物质基

　第2期　杜军等:基于GIS与信息量模型的汶川次生地质灾害危险性评价

表1　研究区地层与次生地质灾害分布统计

Table1

Statisticofstrataandsecondarygeologicaldisasters灾害数量灾害密度

1391239388868571

715036252519

0.252.040.580.550.200.231.280.300.423.611.155.000.13

327

代码

SM3Pt2HST2-3zg2zP2wPt2γT1bDwPt1KT3zhZ1γZ2g2dZn2dPt2sl

面积(km2)占总面积比例(%)

555.960.4161.2158.8421.3372.455.5238.3117.910.021.75.0144.6

13.601.483.943.8910.319.111.365.832.880.240.530.123.54

代码ξP

Pt1vZ1m2shD2-3hD1-2p2gwP12wC2P1xg2sZ1sC1mj2zCc2slD3sPt1NPt2σ

面积(km2)占总面积比例(%)

471.584.9404.5287.57.5184.82.763.35.686.442.622.0101.7

11.532.089.907.030.184.520.07

1.550.142.111.040.542.49

灾害数量灾害密度

15111110843100000

0.030.130.030.031.070.021.110.0200000

础,在一定震级下,地层的岩性不同会导致它的最大加速度和震动幅值各不相同,害的难易程度也就不同.

岩类).从表1,d(、砂质页岩、白云岩)与1γ(早震旦世普通花岗岩)岩层面积虽小,次生地质灾害密度却很大.此外,还有SM3(志留纪绿色绢云母板岩)、Pt2HS(元古代灰绿-紫红色变基性-中酸性火山岩、碎屑岩)与T2-3zg2z三个岩层总面积仅占整个区域面积的19.02%,却分布有355个次生地质灾害,占次生地质灾害总数的36.45%.表明研究区岩性变化大,岩体工程地质特性空间变化复杂,以第四系松散地层及强风化岩浆岩为代表的软弱岩土体分布广泛,其抗剪性能差,稳定性和抗风化程度不高,在外力作用下极易发生滑坡、崩塌等次生地质灾害,为地质灾害的发育提供了基本条件,地层岩性对地质灾害的分布起着重要的控制作用.2.3　水系因子

对历史地震次生地质灾害资料的调查研究表明,河流两岸往往有大型的地震次生地质灾害发生,造成巨大危害(晏鄂川等,1998).研究区内水系发育,岷江为主要河流,纵贯汶川县境西部地区,长达88km,有多处支流分布,如图3所示.绝大多数次生地质灾害分布在距河流0～1000m的范围内,占次生地质灾害总面积的80.29%,而且离水系越远,次生地质灾害密度有明显逐渐减小的趋势.2.4　地震断裂

区域性大断裂往往控制次生地质灾害密集发育并呈带状分布,原因在于断层带及其附近一定范围

图3　地质灾害与距离河流远近关系

Fig.3

Relationbetweensecondarygeologicaldisastersandhydrology

图4　研究区地质灾害与距断裂带距离的关系

Fig.4

Relationbetweensecondarygeologicaldisastersandfault

内的岩土体容易遭到破坏,从而降低坡体的完整性,

为次生地质灾害提供充足的物质保障(李忠生,2003;陈晓利等,2008);从图4可看出,研究区内次生地质灾害发生密度最高的区域在断层附近0～2.5km范围内,共475处次生地质灾害发生,占研究区次生地质灾害总数的48.77%.由此可见,本次地震所引发的次生地质灾害很大程度上受发震断裂和同震断裂的控制,距离断层较远的区域,发生次生

328

地球科学———中国地质大学学报

表2　信息量计算结果

Table2

因子

分类平

北东北东东南南西南西西北

<55～1010～1515～2020～3030～200

第35

卷

地质灾害的可能性会减小,但沿地震断裂带方向,其次生地质灾害规模同时也受到当地地形地貌等因子的影响,因而变化不是很均匀.

Resultsofinformationvalues信息量

-0.4630-0.54620.17630.36730.1577-0.17320.0331-0.0274-0.46300.4473-0.0236-0.8965-0.4083-0.3488-0.57821.16758-0.0228-0.5350-0.5503-0.6840-1.0222

因子分类

C1mj2zC2P1xg2sCc2sl

信息量

0.0000-0.54820.0000-0.0246-1.23350.0000-0.6478-0.16520.02520.11470.00001.44460.90650.00000.2294-0.36560.15510.6308-0.0440-0.7977-0.35722.0020-0.13430.02130.89990.2926

3　致灾因子信息量的计算及危险性评价

3.1　评价因子的选取

坡

向

前面已对研究区次生地质灾害分布的面层和次生地质灾害各影响因子进行了提取和相关性分析,根据分析结果,最终选取坡度、坡向、岩性、地震断裂、河流水系作为次生地质灾害危险性评价的因子(图5).在已获取数据的基础上,只需利用GIS软件的栅格化功能将研究区参与评价的影响因子数据栅格化,然后采用GIS栅格空间分析方法开展次生地质灾害空间的工作.所有因子图层转换成25m×25m的栅格图层后,,的,.3.2　基于GIS的信息量模型计算

首先,利用ArcGIS的3DAnalyst模块对等高

坡度

地层岩性

D1-2p2gwD2-3hD3sDwP12wP2wPt1KPt1N

地层岩性

Pt1vPt2HS2σ2sl

3T1b

距

河流的距离

200400600600～800800～10001000～1500>1500

地层岩性

T2-3zg2zT3zhZ1m2shZ2g2dpt2γZ1γ

距<1500断1500～3000层

3000～8000的

距8000～15000

>15000离

注:表中距离单位为m.

　0.3712

-0.00930.1263-0.0147-1.9724

地

层岩性

Zn2dZ1s

线信息进行预处理,生成基于栅格的DEM数据.然后,从DEM数据中提取坡度与坡向地形数据,生成坡度与坡向因子图;利用遥感数据和野外调查成果,完成地质灾害分布图;从地质图中提取出地层岩性图和地质构造图,从地形图中提取出水系图.其次,将经过栅格转换的各因子图层分别与地质灾害分布图进行空间分析,通过公式(3)得到各影响因素对地质灾害发生“贡献”的信息量值.最后,根据次生地质灾害致灾因子属性量化表(表2)对各因子图进行重新赋值,生成各单因子对次生地质灾害的信息量图.

4　研究区次生地质灾害危险性评估结

果及分析

图5　基于GIS和信息量模型的次生地质灾害危险性评价

流程

Fig.5

Flowchartofsecondarygeologicaldisasterassess2mentbasedonGISandinformationvaluemodel

利用ArcGIS强大的空间分析功能,采用栅格加权叠加,对5个影响次生地质灾害发生发展的单因子信息量图利用评价模型进行复合,通过统计分

博泰典藏网btdcw.com包含总结汇报、计划方案、外语学习、表格模板、农林牧渔、资格考试、初中教育、经管营销以及基于GIS与信息量模型的汶川次生地质灾害危险性评价_图文等内容。

本文共2页12

  本文关键词：基于GIS与信息量模型的汶川次生地质灾害危险性评价，由笔耕文化传播整理发布。

本文编号：232547