gis数据驱动的二元变量评价滑坡敏感性

在过去的几十年中，滑坡灾害评价引起了许多学者的注意。有许多参数可以定量地来描述滑坡机制，然而一些数据类型和模型是针对特定点的，不能在其它的地点使用。根据不同专家的观点，将连续参数图中存储的数据任意划分，这种划分基本上控制了二元变量分析结果；此外，参数图控制机制的分配也是任意加权的。根据这两个原因，分类边界对编制敏感性图有影响，导致的结果是取决于使用者的水平而不是数据和事实本身。本文研究目的是以一种更依赖于数据本身的发展方向，改进以前的定义方法。要达到这一目的，要明确两个新概念：晶体单元和粒度百分位图。晶体单元是指认为代表最佳未扰动地形（滑坡发生前的状况）的区域，可以通过在滑坡顶部和两侧增加一个缓冲区获得。为定量划分输入的参数图，根据分布的粒度百分位断点，将参数图中晶体单元分布数据划分为几类，参数图与晶体单元分布直接相关，因此取决于数据本身。一、概述几乎全球都受自然灾害的影响，每年有许多人死于自然灾害。由于人口密度增加或发展规划不当，越来越多的人受到自然灾害的影响。与世界上大多数地区情况类似，在土耳其，高降水量、基础设施不足、缺乏灾害规划和灾害图都是导致人员伤亡的主要原因。在过去的20多年，许多学者都致力于评价滑坡灾害和绘制滑坡敏感性图来描述滑坡的空间分布，然而直到现在也没有通用的评价方法。尽管具有方法上和操作上的区别，所有的方法都是基于一个简单的概念模型，即首先绘制一套与斜坡不稳定性直接或间接相关的地质—地貌因素图，然后评价这些因素对产生边坡失稳的相对贡献，并将地表划分为不同的敏感度区。文献中可以检索到的灾害模型方法，主要可以归纳为两类：直接推断法和统计法。在直接推断法中，调查者给出所有编制滑坡和敏感性图的判定规则，这主要是取决于调查者的经验，因此专业知识是必不可少的。总的来说，这些方法是应用易滑坡地区的地貌规则，这在过去20年的文献中很突出。由于这些方法主要是取决于制图者的经验，其他的学者用同样的数据进行重新编制图件是不可行的。尽管这些方法比较精确，但其主观成分和对专业知识的依赖性导致学者们寻求更有效的统计方法，过去的10年中这一方法使用很广泛。统计方法的所有形式都用来判断与斜坡不稳定性有关因素的相对贡献，并根据这些因素进行预测；但在处理数据时这些方法之间仍有不同。统计方法可细分为两类：二元变量和多元变量方法。在多元变量方法中，考虑所有因素之间的相关性，用来解释统计现象；而二元变量方法假定所有因素之间无相关性，在文献中可见到这一方法的应用。本文研究目的是用一种更依赖于数据的方法，改进以前用二元变量统计学评价滑坡敏感性方法。为达到这一目标，作者引入两个新名词（“晶体单元”用来定义斜坡不稳定性的判定规则；“百分位类型划分”用来将连续变量划分为分类变量）。由于众所周知Asarsuyu流域发生滑坡是受Bolu山E-5高速公路和Anatolian公路的影响，选择该区为试验区。二、输入数据和数据产生与研究目的一致，选用了三组数据来生成必需的变量。这些数据是遥感资料(多谱卫星图和航空摄影)，地貌图和现有的地质图。所有图幅的比例尺都是1/25000，像素都选择25×25m。在所有地质空间数据处理中，都用到了缩微图像的TNTMIPS和将GIS-RS相结合分析的程序。敏感性评价方案首先要评价目前的情况（如果有关于滑坡过去状况的资料更好）。在本项研究中，从航空摄影中选取了4个不同时期(1952，1972，1984和1994年)滑坡的空间位置像片，并转化为底图。与此同时，有关滑坡的可观测特征用图像检验表进行了解译。将这4个不同时期的滑坡合并为一个矢量文件，形成流域总的滑坡清单图。这一矢量文件代表了统计分析的训练源，可以推测控制不稳定性的参数。在Asarsuyu流域4个时期总共有49次滑坡。为验证清单图的准确性，于2000年在野外验证所有滑坡的位置，在野外几乎观察到了所有的滑坡，然而，由于植被浓郁，一些老滑坡观察的不很清楚。观察到的大多数滑坡是浅土石流或是平移的。只有两处滑坡，即Bülbülderesi和Bakacak滑坡，空间延伸范围很大，地形图表明它们是由许多较小的滑坡结合形成的。因此，由于这两处滑坡空间延伸范围大和机制不同，在统计学分析中没有将它们包括在内。其余的滑坡中，观察到的最小滑动空间范围约为2000m2，最大滑坡范围约为85万m2。第一，除了空间摄影，用遥感数据集LandsatTM5提取土地覆盖信息，用到了不同的图像处理和增强技术。以前的空间图像解译表明，由于上世纪70年代大面积的滥伐林木和80年代后对滥伐林木采取了一定措施，土地覆盖变化很大，也观察到滥伐林木后滑坡的数量有所增加。因此，在进一步的统计学分析中将编制的土地覆盖图也作为一个参数图来分析。第二是地质图数据集，是根据不同比例尺的地质图编辑而成的。区域地质主要由古生代变质侵入岩以及中生代和第三纪沉积物组成。然而，这些图是为一般的地质研究目的而准备的，并没有考虑敏感性评价方法的特别需要，因此在本研究中根据岩性特征而非地层对地质单元进行了重新分组。地质数据集也用提取线性构造图，这些图根据航空图像辅助和野外复核进行改进和确认。第三也是最大的数据集，1/25000的数字地形图。关于地表形态和基础设施信息，从这些地形图中提取了11个空间和地形参数。这些图中的信息由点、线或多边形形式的矢量文件表示。这一离散形式不是应用于GIS最好的方法，得将其转化为连续面，从离散对象转化为连续表面的空间转化受对象属性类型的控制。当矢量数据具有高程（Z）属性（如地形等高线）可以通过内插得到其它点的属性。在本项研究中根据属性矢量得到的地表图包括高程、方向和斜坡图。另一方面，如果矢量对象没有Z属性（如基础设施信息），要根据有无空间对象量化，这就应当采用一种无内插方法，这种方法是特定范围的对象密度（固定区域固定长度的线/点元素数量），或是到该对象像素的最近距离。在本项研究中，对于非属性矢量如排水、断层、流域和基础设施，同时用了距离和密度函数来绘制相关的连续地表图。此外，对于需要距离函数的图件，在本项研究中考虑了一种创新方法，主要是计算到特定要素的真实距离而非采用平面图的距离。对13幅图中的6幅进行了地形校正，分别为与排水流域、线性构造、山脊、E—5高速公路、道路网和居民点的距离。使用这样一种校正的目的是在制定的决策规则中将地形坡度产生的影响考虑在内。显然采用这一地形坡度校正对于陡坡影响更大，因为在缓坡或平原地，两种方法得到的距离基本上相等。为对三个区域进行标准化，用参照光栅作为数字高程模型（DEM），将所有图件进行重新取样，这种重新取样对确定每一参数图的范围和像素中心是非常重要的，完成的参数图包括整个研究区特定参数的信息。初一看一些参数对似乎给出了重复和冗余的信息，如排水流域密度——与排水流域的距离，断层密度——与断层的距离参数对。然而，这些参数对的元素分别代表了不同的区域信息，如密度函数反映的是区域环境，距离函数评价的是局部情况。断层图的密度包括的信息有现在发生的微振动和岩石剪切程度；而断层图的距离包括的信息是现有的节点断裂，这些节点断裂会影响强度，而且如果不进行处理，会增加泉出现的概率。另一方面，对于排水参数，校正距离表明在滑坡前端河岸侵蚀的可能性，在此排水密度给出了一些岩石的区域水文地质的信息。参数图完成后，可以确定滑坡发生的决策规则。在文献中有多种从方法上来定义决策规则：按与性质相关的空间区域；将区域次分为相等情形的方法；或是通过地形单元，如独特的区域，平面坡和地形地层单元。然而，在考虑空间范围时，这些不同的方法包括发生滑坡的可靠像素和无关像素，由于无关像素弥散或降低了决策规则中有效参数的力度，这样在敏感性评价方案中会降低决策规则的质量。滑坡发生决策规则产生后出现了一种称为“晶体单元”的新方法，这是因为认为可以从滑坡多边形本身附近地区提取最好的原状地形状况（滑坡发生前）。提取缓冲线边界的规则如下：如果滑坡边界和微水域分割线之间的距离小于100m，使用微水域分割线；如果距离大于100m，使用100m缓冲线（4个晶体单元）来生成晶体区域。100m的距离是随机选取的，在提取晶体单元后，测试了一个150m（6个晶体单元）的区域，大多数单元格都超出了微水域分割线，因此可以将其排除。应当根据整个研究区与滑坡有关的像素制定决策规则来反应现象分布参数图的真正作用。为将与滑坡相关的信息储存到数据库中，作了一个25m的点网栅格。从栅格中提取出晶体单元区和滑坡多边形，将13幅图中包含的所有信息都转化成单元格，分别储存为“晶体单元格”和“滑动体”数据库，以使外部统计软件包可以进一步使用。在模拟滑坡前状况时，把“晶体单元格”数据库作为决策规则的基础。三、统计数据准备由于本文的研究目的是提高评价的客观性和从自身的决策规则中获得数据，故采用了统计学方法。为实现这一目标，将晶体单元格的节点作为决策规则生成元或训练样本。尽管在研究区有49个滑坡样本，对统计分析来说样本数较小，将这一多边形数据转化为晶体单元格，样本数达到了4430个，这个对象数目对于统计分析来说足够大，可以作为一个对象总体。这些样本中包括所有已知会导致斜坡不稳定性的13个参数的值。然而，由于文献中所有的二元方法都指明是用一些分类数据而非连续数据集，因此在兼顾数据的特性时有一巨大的障碍。这是因为所有通用的二元变量方法都是根据滑坡密度或一定参数分类的丰度基础上进行的。如果使用连续数据，就应当对整幅图的密度进行计算，而不能用选择区域内的单个变量进行敏感性评价。常用的方法是根据直方图的最佳直方单元宽度划分。建议用若干数量的直方单元而不是一个直方单元的规则，选择直方单元宽度的数据范围非常重要。HYPERLINK"/uploadfile/200465214241878.gif"其中：ĥ——最佳直方单元宽度n——样本数然而，Scott认为这一直方单元宽度会使直方图过于平滑，特别是对大样本，他提出了概率密度函数无偏差估计：W＝3.49σN－1/3（2）其中：W——直方图直方单元宽度σ——分布范围的标准偏差N——有效样本数对于导致大直方单元宽度重叠从而直方图过于平滑的高斯分布，该估算效果较好。Friedman和Diaconis提出一种更简单的方法：W＝2（IQR）N－1/3（3）其中：W——直方图直方单元宽度IQR——内四分位范围（第75百分位除以第25百分位）N——样本数Scott和Friedman—Diaconis（FD）规则的比较表明尽管在实际应用中，两种规则通常具有同样的区间宽度，但FD规则的直方单元宽度较窄。以上提到的所有方法都有缺陷，如过于平滑的类型划分，分布和样本数的依赖，仅对一个参数图有效，多模态分布应用无效（如多模态忽略了假设）。由于大多数学者使用他们的经验来对边界进行分类，在敏感性分析文献中同样类型的讨论结果总是不太清楚。在定义分类边界时使用经验的结果可以在试验区准确地解释对现象及其机制，但是不能说明其它地方有同样数据集就有同样的联系。本文的研究提出了一种新方法，克服了上述方法的缺陷。根据晶体单元格的百分位数划分将连续数据集进行分类。由于所有13幅图中的样本数相同（均为4430），而且由于参数说明了不同的分布类型，在选择分类界限时就可以将样本数和分布类型的影响降到最小。在进行图像处理时这与直方图平直化有些相似，但是这样可以将现有值保留下来。首先是定义同样频率的组界限，频率范围完全独立于分布参数，通过模态或多模态分布很容易实现。第二步是采用逻辑查询方法，查询百分位边界，将原始参数图重新分类为新的百分位图，对11个连续图进行了分类，其余2个参数图（地质图和土地覆盖图）被排除在外。尽管百分位图的数据依赖于晶体单元格数据集，但由于晶体单元格缓冲区没有滑坡发生，故不考虑该区以外的数据。为简化二元变量分析过程的复杂性，任选10类，换句话说，随机选取了将晶体单元格进行10%划分的10个百分位数，这是由于即使是用11个参数（排除了2个）进行10种类型划分，也有110种不同类型（11幅图×10类）。显然较低的分类号会得出较全面的最终的敏感性图，而较高的分类号会产生本应丢弃的孤立像素；这会改变敏感性图的结果。二元变量（滑坡敏感性）分析和编图二元变量分析的核心是衡量每一百分位分类中滑坡发生的分布量。这可以通过确定每一百分位分类中晶体单元格的总数来获得，之后用该百分位的总像素来除这一值。因为由晶体单元格和像素代表的两个区是相等的（25×25m），这一比值给出了该百分位分类的代表性密度。在每一类型中，根据一个参数的相等频率或百分位划分得到同一特征密度。如前所述，根据百分位数方法，每一百分位类型中滑坡分布量近似于10%；因此，参数图的最终百分位分类具有相同的晶体单元格具体值；然而，在图上这些不同的百分位分类的面积是不等的，这样密度也不等，这就组成了有效参数分类和参数本身的固有加权。换句话说，在二元变量分析中，这一根据数据分类方法将问题简化了，在此要对每一参数图加权，因为此时每一百分位图都是作为独立的参数图，晶体单元的分布量与分类面积之间的比率给出了固有权重。下一步是关于某一参数的所有百分位分类，将权重分配到整个图中。换句话说，是评价每一参数的影响，应当计算加权因子来将百分位分类的计算密度与整个流域面积参数图的总密度进行比较。这可以通过将所有参数图百分位数分类的权重求和获得，之后从独立百分位分类的权重中将其减去。如果相减的结果为负值，就可以认为百分位分类不影响斜坡的不稳定性；相反，正值说明特定的百分位分类对于滑坡发生有一定作用。这一处理可以对百分位分类权重进行相互比较。这样，随机选取一图的百分位分类都可与其它图的百分位分类进行权重比较。关于负权重需要进行较小的标准化或是改变比例尺，这可以通过对每一特定参数图对所有百分位分类增加最大负权重的绝对值完成。计算完权重值后，对每一参数图的每一百分位分类进行空间上的综合，得到敏感性图的最终像素值。由于已经将分类标准化了，故在综合处理时没有引入额外的加权过程。按敏感性图的最终像素值进行重新分类，在本项研究中，使用最终敏感性图的分布参数选择了4种分类：极低、低、高和极高，敏感性值的平均值作为基准点，之后加上或减去分布范围的标准偏差作为分类边界，对于正态分布和似正态分布都有效。敏感性图和这些敏感性分类中滑坡数量的结果表明：全区有48%划分为高和极高敏感性类，在这些分类中有93.3%晶体单元格。另外的52%划分为低和极低敏感性区，仅占全区晶体单元格的6.7