基于风险因子敏感度的滑坡分析方法

1.本发明涉及一种基于风险因子敏感度的滑坡分析方法，属于灾害预防技术领域。


背景技术：

2.滑坡风险因子的体系构成是易发性评价的重要一环。然而，目前大部分已有研究只是单纯利用能够获取到的一些基础数据进行提取分析，至于提取出的因子是否相关考虑的不多，很大程度上造成了数据的冗余，给相关研究增大了工作量，具有较大的盲目性。因此如何合理选择滑坡风险因子进行滑坡易发性评价成为了当前研究的一个重要切入点。
3.科学选取滑坡风险因子必然引出对于滑坡风险因子敏感度的评定方法，而决定性系数方法则是对于滑坡风险因子敏感度进行量化的一个有效方法。通过判断决定性系数的正负，即可直观确定风险因子的敏感度。
4.滑坡的发生是一个复杂的过程，受到众多因素的影响，因此对其风险因子做出准确分析是非常困难的。


技术实现要素：

5.针对现有对滑坡预防分析困难的问题，本发明提供一种基于风险因子敏感度的滑坡分析方法。
6.本发明的一种基于风险因子敏感度的滑坡分析方法，所述方法包括：
7.s1、搜集滑坡灾害点及各滑坡风险因子的数据；
8.s2、对各滑坡风险因子的栅格数据进行离散化，划分分类特征区间，每一种划分方式对应一种分类方案，获得多种不同的分类方案，每种分类方案中包括多个分类特征区间；
9.s3、计算各滑坡风险因子的偏差和指数sm：
[0010][0011]
其中，xi为某一风险因子的第i个栅格值，i＝1,2,
…
,w，w表示所述某一风险因子栅格的数量，为该风险因子的所有栅格值的均值；
[0012]
s4、计算各滑坡风险因子各分类方案的拟合偏差和指数nsm：nsm＝nsm1 nsm2
…
nsmm；
[0013]
其中，nsmc表示第c个分类特征区间的拟合偏差和指数，c＝1,2,
…
,m，m表示分类特征区间的数量，x
cg
为风险因子在第c个分类特征区间内的第g个栅格值，g＝1,2,
…
,n，n表示第c个分类特征区间栅格的数量，为第c个分类特征区间所有栅格值的均值；
[0014]
s5、采用偏差和指数及拟合偏差和指数构建各滑坡风险因子的分类模型，分类模型为：
[0015][0016]
其中，gf表示对应风险因子各分类方案效果；
[0017]
s6、选择gf值最接近于1时对应的分类方案；
[0018]
s7、对选择的分类方案的分类特征区间进行重新划分：计算概率比指数pr，以各分类特征区间的端点值为横坐标，pr值为纵坐标绘制曲线，将曲线拐点作为分类特征区间的端点值，从而得到优化后的分类特征区间：
[0019]
其中，a为某一风险因子在分类特征区间中的滑坡灾害点数，a0为滑坡灾害点总数，k为某一风险因子在对应分类特征区间中的面积，k0为风险因子总面积；
[0020]
s8、计算滑坡风险因子在优化后的分类特征区间敏感度dc：
[0021][0022]
其中，nna为某一风险因子在分类特征区间中的滑坡灾害点个数与面积的比值，nns为滑坡灾害点总数与总面积的比值；
[0023]
s9、根据dc进行判别：
[0024]
若dc》0，则表示滑坡在对应的分类特征区间易发生；
[0025]
若dc《0，则表示滑坡在对应的分类特征区间不易发生；
[0026]
若dc≈0，则表示不能确定滑坡在对应分类特征区间是否容易发生。
[0027]
作为优选，所述s1还包括：
[0028]
计算搜集的各滑坡风险因子的相关性指数
[0029][0030]
为第x个风险因子和第y个风险因子之间的协方差，xi为第x个风险因子第i个栅格值，yj为第y个风险因子第j个栅格值；为第x个风险因子的总体标准差，为第y个风险因子的总体均值；若时定为相关性较强，若某一风险因子同时与两个以上风险因子具有较强的相关性，剔除这一风险因子。
[0031]
作为优选，w代表总栅格数。
[0032]
作为优选，
[0033]
作为优选，滑坡风险因子包括地形地貌、地质构造、人类活动、气象水文方面的因子。
[0034]
本发明的有益效果：本发明构建了一种确定滑坡风险因子敏感度的分析模型，对于预测滑坡易发性具有重要意义。本发明量化各滑坡风险因子，通过dc值的正负，即对该地区滑坡风险因子敏感度作出合理判断；同时，本发明综合考虑了各风险因子之间的相互影响，用更具实践性的理论指导地质灾害规划，具有简便易行的优点，可直接用于地质灾害易发性的相关研究。
附图说明
[0035]
图1是本发明的流程图；
[0036]
图2是实施例区灾害点在高程各分类特征区间分布直方图。
具体实施方式
[0037]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0038]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0039]
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
[0040]
本实施方式的基于风险因子敏感度的滑坡分析方法，所述方法包括：
[0041]
步骤一、搜集滑坡灾害点及各滑坡风险因子的数据；
[0042]
步骤二、收集到的风险因子数据类型包括离散型和连续型。为统一数据形式，对各滑坡风险因子的连续型栅格数据进行离散化，划分分类特征区间，每一种划分方式对应一种分类方案，获得多种不同的分类方案，每种分类方案中包括多个分类特征区间；例如：某一滑坡风险因子的栅格数据为1、2、3、4、5、6、7、8、9、10，划分分类特征区间为：1、2、3代表一个分类特征区间，4、5、6代表一个分类特征区间，7、8、9、10代表一个分类特征区间；以1、2、3这一分类特征区间为例，1就是这一分类特征区间内的第1个值，2就是这一分类特征区间的所有值的均值，上述只是一种分类方案，同理还可能是1、2、3、4，5、6、7，8、9、10这种分类方案；
[0043]
步骤三、计算各滑坡风险因子的偏差和指数sm：
[0044][0045]
其中，xi为某一风险因子的第i个栅格值，i＝1,2,
…
,w，w表示所述某一风险因子栅格的数量，为该风险因子的所有栅格值的均值；
[0046]
步骤四、为便于之后构建分类模型以验证分类效果，计算各滑坡风险因子各分类方案的拟合偏差和指数nsm：
[0047]
nsm＝nsm1 nsm2
…
nsmm；
[0048]
其中，nsmc表示第c个分类特征区间的拟合偏差和指数，c＝1,2,
…
,m，m表示分类特征区间的数量，x
cg
为风险因子在第c个分类特征区间内的第g个栅格值，g＝1,2,
…
,n，n表示第c个分类特征区间栅格的数量，为第c个分类特征区间所有栅格值的均值；
[0049]
步骤五、采用偏差和指数及拟合偏差和指数构建各滑坡风险因子的分类模型，对各分类方案的分类效果进行综合评价，分类模型为：
[0050][0051]
其中，gf表示对应风险因子各分类方案效果；gf值处于0-1之间，1表示分类效果极
好，0表示分类效果极差，gf的值越接近于1，其分类效果越好；
[0052]
步骤六、选择gf值最接近于1时对应的分类方案；
[0053]
步骤七、为进一步优化上述分类方案，更加贴合数据本身特点，结合概率比指数对上述分类方案进行进一步合并，对选择的分类方案的分类特征区间进行重新划分：计算概率比指数pr，以各分类特征区间的端点值为横坐标，pr值为纵坐标绘制曲线，将曲线拐点作为分类特征区间的端点值，从而得到优化后的分类特征区间；
[0054][0055]
其中，a为某一风险因子在分类特征区间中的滑坡灾害点数，a0为滑坡灾害点总数，k为某一风险因子在对应分类特征区间中的面积，k0为风险因子总面积；
[0056]
步骤八、计算滑坡风险因子在优化后的分类特征区间敏感度dc：
[0057][0058]
其中，nna为某一风险因子在分类特征区间中的滑坡灾害点个数与这一分类特征区间面积的比值，nns为滑坡灾害点总数与总面积的比值；
[0059]
步骤九、根据dc进行判别：
[0060]
若dc》0，则表示滑坡在对应的分类特征区间易发生；
[0061]
若dc《0，则表示滑坡在对应的分类特征区间不易发生；
[0062]
若dc≈0，则表示不能确定滑坡在对应分类特征区间是否容易发生。
[0063]
本实施方式的步骤一中，还包括：
[0064]
为避免各风险因子之间存在冗余性，对风险因子进行相应的预处理，利用因子相关性指数对各因子之间的相关性进行判断，因子相关性指数为：
[0065]
计算搜集的各滑坡风险因子的相关性指数
[0066][0067]
为第x个风险因子和第y个风险因子之间的协方差，xi为第x个风险因子第i个栅格值，yj为第y个风险因子第j个栅格值；为第x个风险因子的总体标准差，为第y个风险因子的总体均值；若时定为相关性较强，若某一风险因子因子同时与两个以上风险因子具有较强的相关性，剔除这一风险因子。
[0068]
w代表总栅格数。
[0069][0070]
本实施方式滑坡风险因子包括地形地貌、地质构造、人类活动、气象水文方面的因子。
[0071]
具体实施例：
[0072]
为了实现上述的预测和规划目标，本发明提供了一种计算滑坡风险因子敏感度的方法。通过同时考虑多方面的影响因素，利用决定性系数方法判断滑坡风险因子敏感度。下面是本发明采用的具体计算方案，分以下几个步骤作进一步阐述：
[0073]
1、数据获取：
[0074]
选取某省某市某县为实施例区，采用实施例区1：650000地质灾害分布图、1:1万县级二调数据、gf-1遥感影像，地理空间数据云的gdemdem 30m分辨率数字高程数据，以及实施例区构造刚要图和湖北省气象局雨量站点数据。
[0075]
2、为减小数据冗余度，选用风险因子数据输入公式
[0076]
计算因子相关性，剔除相关性较大的因子。
[0077]
若两风险因子之间的相关性较强，则选择其中一种因子即可代表此类影响特征。本实例各风险因子的因子相关性具体计算结果如表1。综合选取规则，本实施例最终选取高程、斜坡方向、到河流的距离、到道路的距离、剖面曲率、ndvi、斜坡构造、土地类别、岩土体类别9个滑坡风险因子。
[0078]
表1实施例区滑坡风险因子相关性系数
[0079][0080]
表1中，x1：年均降雨量；x2：地形湿度指数；x3：斜坡构造；x4：到道路的距离；x5：到断裂的距离；x6：高程；x7：到河流的距离；x8：ndvi；x9：平面曲率；x
10
：坡度；x
11
：剖面曲率；x
12
：斜坡方向；x
13
：土地类别；x
14
：岩土体类别；
[0081]
3、收集到的风险因子数据包括离散型和连续型。将连续型数据进行离散化。依据聚类与迭代原理，对连续型数据罗列一定预设组别的分类方案进行初步分类，并将实施例区各类风险因子对应数据输入偏差和指数公式和拟合偏差和指数公式；
[0082]
4、将计算所得出的各风险因子偏差和指数和拟合偏差和指数代入分类模型，计算得出各风险因子各分类方案对应的分类模型值，并评价分类效果，从而确定所选分类方案。
[0083]
gf表示对应风险因子栅格值经各划分组合分级后分类效果的验证模型，gf值处于0-1之间，1表示分级效果极好，0表示分级效果极差，gf的值越接近于1，其分类效果越好。这
里以实施例区高程这一风险因子为例进行计算，通过比较各分类方案分类模型计算结果，选择分类模型计算值最接近1的划分组合作为该风险因子最终的分类结果。其具体分类结果如图2所示。100～120高程范围内灾害点最多，1300～1400范围内灾害点最少，符合此地区灾害发生基本特征。
[0084]
5、为进一步优化上述分类方案、更加贴合数据本身特点，结合概率比指数对其进行合并，得到优化后的分类特征区间。将各风险因子连续型数据经最优分类方案所确定的各分类特征区间中的滑坡灾害点数据代入概率比方法公式，以概率比计算结果绘制曲线，并以曲线拐点及整体趋势对风险因子的区间进行合理合并，从而得到优化后的分类特征区间，实现对连续型因子的区间划分，达到降噪效果。最终得到的分类特征区间如表2所示。
[0085]
表2实施例区因子区间离散化结果
[0086][0087]
表2中，土地类别：1.耕地 2.园地 3.城镇村即工矿用地 3.林地 4.水域及水利设施用地 5.草地 6.其他土地 7.交通运输用地；岩土体类别：1.松散松软岩土类 2.碎屑岩类 3.碳酸盐岩类 4.岩浆岩及变质岩岩类；斜坡构造：1.水平坡 2.顺向坡 3.顺斜向坡 4.横向坡 5.逆斜向坡 6.逆向坡；
[0088]
6、依据上述计算所得特征区间，重新划分并统计滑坡灾害点在各优化分类特征区间分布及各优化分类特征区间面积，并将统计结果代入决定性系数dc公式，计算各类风险因子敏感度值。
[0089]
通过计算得出各风险因子在各区间的敏感性值，其结果如表3所示：高程在0-400m内、斜坡方向在90-180
°
内、ndvi在-0.3-0.2、剖面曲率在-2-2、到道路的距离在0-100m内、到河流的距离在4800-6800m内、土地类别为耕地、园地、城镇村及工矿用地及交通运输用地、岩土体类别为松散松软岩土类及碎屑岩类、顺斜向坡及横向坡内易发生滑坡。
[0090]
表3
[0091][0092]
表3中，土地类别：1.耕地 2.园地 3.城镇村即工矿用地 3.林地 4.水域及水利设施用地 5.草地 6.其他土地 7.交通运输用地；岩土体类别：1.松散松软岩土类 2.碎屑岩
类 3.碳酸盐岩类 4.岩浆岩及变质岩岩类；斜坡构造：1.水平坡 2.顺向坡 3.顺斜向坡 4.横向坡 5.逆斜向坡 6.逆向坡；
[0093]
经过考察与比对，本实施例计算结果与统计所得的历史滑坡灾害点在各个区间分布特点较为符合。各个因子在滑坡高易发区间的dc值也都大于0，这表明我们采用dc方法对各个因子的各属性区间进行敏感性分析是合理可靠的。

技术特征：
1.一种基于风险因子敏感度的滑坡分析方法，其特征在于，所述方法包括：s1、搜集滑坡灾害点及各滑坡风险因子的数据；s2、对各滑坡风险因子的栅格数据进行离散化，划分分类特征区间，每一种划分方式对应一种分类方案，获得多种不同的分类方案，每种分类方案中包括多个分类特征区间；s3、计算各滑坡风险因子的偏差和指数sm：其中，x
i
为某一风险因子的第i个栅格值，i＝1，2，...，w，w表示所述某一风险因子的栅格数量，为该风险因子的所有栅格值的均值；s4、计算各滑坡风险因子在各分类方案的拟合偏差和指数nsm：nsm＝nsm1 nsm2
…
nsm
m
；其中，nsm
c
表示第c个分类特征区间的拟合偏差和指数，c＝1，2，...，m，m表示分类特征区间的数量，x
cg
为风险因子在第c个分类特征区间内的第g个栅格值，g＝1，2，
…
，n，n表示第c个分类特征区间栅格的数量，为第c个分类特征区间所有栅格值的均值；s5、采用偏差和指数及拟合偏差和指数构建各滑坡风险因子的分类模型，分类模型为：其中，gf表示对应风险因子各分类方案效果；s6、选择gf值最接近于1时对应的分类方案；s7、对选择的分类方案的分类特征区间进行重新划分：计算概率比指数pr，以各分类特征区间的端点值为横坐标，pr值为纵坐标绘制曲线，将曲线拐点作为分类特征区间的端点值，从而得到优化后的分类特征区间：其中，a为某一风险因子在分类特征区间中的滑坡灾害点数，a0为滑坡灾害点总数，k为某一风险因子在对应分类特征区间中的面积，k0为风险因子总面积；s8、计算滑坡风险因子在优化后的分类特征区间敏感度dc：其中，nn
a
为某一风险因子在分类特征区间中的滑坡灾害点个数与这一分类特征区间面积的比值，nn
s
为滑坡灾害点总数与总面积的比值；s9、根据dc进行判别：若dc＞0，则表示滑坡在对应的分类特征区间易发生；若dc＜0，则表示滑坡在对应的分类特征区间不易发生；若dc≈0，则表示不能确定滑坡在对应分类特征区间是否容易发生。2.根据权利要求1所述的基于风险因子敏感度的滑坡分析方法，其特征在于，所述s1还
包括：计算搜集的各滑坡风险因子的相关性指数计算搜集的各滑坡风险因子的相关性指数计算搜集的各滑坡风险因子的相关性指数为第x个风险因子和第y个风险因子之间的协方差，x
i
为第x个风险因子第i个栅格值，y
j
为第y个风险因子第j个栅格值；为第x个风险因子的总体标准差，为第y个风险因子的总体均值；若时定为相关性较强，若某一风险因子因子同时与两个以上风险因子具有较强的相关性，剔除这一风险因子。3.根据权利要求2所述的基于风险因子敏感度的滑坡分析方法，其特征在于，w代表总栅格数。4.根据权利要求3所述的计算滑坡风险因子敏感度的分析方法，其特征在于5.根据权利要求4所述的基于风险因子敏感度的滑坡分析方法，其特征在于，滑坡风险因子包括地形地貌、地质构造、人类活动、气象水文方面的因子。

技术总结
基于风险因子敏感度的滑坡分析方法，解决了现有对滑坡预防分析困难的问题，属于灾害预防技术领域。本发明包括：搜集滑坡灾害点及各滑坡风险因子的数据；对各滑坡风险因子的栅格数据划分分类特征区间，获得多种不同的分类方案，每种分类方案包括多个分类特征区间；采用偏差和指数及拟合偏差和指数构建各滑坡风险因子的分类模型，选择分类模型值最接近于1时的分类方案；对选择的分类方案的分类特征区间进行优化；计算滑坡风险因子在优化后的分类特征区间敏感度DC；若DC>0，则表示滑坡在对应的分类特征区间易发生；若DC<0，则表示滑坡在对应的分类特征区间不易发生；若DC≈0，则表示不能确定滑坡在对应分类特征区间是否容易发生。能确定滑坡在对应分类特征区间是否容易发生。能确定滑坡在对应分类特征区间是否容易发生。


技术研发人员：崔耀平 邓祥征 李志慧 王国峰 李梦迪 韩赜
受保护的技术使用者：中国科学院地理科学与资源研究所
技术研发日：2022.02.16
技术公布日：2022/5/25