區域滑坡易發性評價的時間尺度特征分析

朱吉祥，張禮中，周小元，王 乾，陸 琰

(中國地質科學院 水文地質環境地質研究所，河北 石家莊 050061)

1 滑坡易發性研究

滑坡是世界上危害最大的自然災害之一，對人類的生存與經濟的發展造成了嚴重威脅[1]，因此制定有效的滑坡災害預防與治理措施是各國政府相關部門的重要工作內容，而滑坡易發性區劃是其中的關鍵[2]。滑坡易發性區劃是利用已有的監測數據對研究區滑坡發生的概率進行分析，以評估未來發生滑坡的風險性[3]。但是，由于滑坡演變機制的非線性[4]，使得目前無法對滑坡是否發生作出明確的判斷，因此基于風險分析的滑坡易發性區劃必然存在一定的不確定性。如何降低不確定性，使區劃結果能夠更準確地揭示滑坡發生的規律，是目前滑坡研究中一項十分困難且迫切的工作[5]。滑坡易發性區劃結果的不確定性一方面是由于評價方法與滑坡本身的“非兼容性”(評價方法對數據的要求與滑坡監測數據的多樣性，評價方法約束條件與滑坡發生機制的開放性等)、數據質量、評價過程中產生的誤差等客觀因素造成的，另一方面則是由于滑坡本身的尺度特征引起的。

2 滑坡易發性研究的尺度效應

尺度是自然過程抑或觀測研究在空間、時間或時空域上的特征量度[6-7]，凡是與地球參考位置有關的數據都具有尺度特性。作為一定時間和空間內的自然現象，滑坡自身必然內蘊尺度的相關性質，同時滑坡的影響因素(地形地貌、地質構造等)作為區域性的自然條件，其表征特性(面積、形態等)和演變過程等也會受到尺度的影響。滑坡的尺度特征是其內在固有屬性之一，而作為滑坡分析與評價的對象，滑坡監測數據的尺度特征必然會影響區劃結果的不確定性，因此研究滑坡監測數據的尺度特征對于分析滑坡易發性具有重要的實際意義。在區劃過程中，如果忽略監測資料的時態分布特征，對所有監測數據默認為同等重要程度參與評價，隨著監測數據的積累，滑坡影響因素的權重可能會出現“平均化”的現象。

3 國內外利用監測數據進行滑坡易發性研究的現狀

滑坡易發性區劃是將研究區按照滑坡發生的概率進行等級劃分，具有相同等級的區域，滑坡發生的概率相等[7]。目前，滑坡易發性區劃普遍遵循過去與現在是認識未來的關鍵的原則。因此，滑坡易發性區劃是對歷史滑坡點的位置、類別、規模、活動特征、發生時間以及其他監測數據進行綜合分析的結果[7]。

尺度是任何滑坡易發性區劃必然要涉及的一個問題[8]，Fell等[7]認為特定規模的滑坡易發性區劃必須在相應的尺度下進行，以使評價所必需的信息可以顯示在相應的比例尺圖層中。Cascini[9]的研究表明，參與區劃的數據必須具有合適的分辨率與質量。Fell、Cascini等[7，9]從尺度的規模出發，將用于滑坡易發性區劃的方法分為三類：基于地形學、地貌學與地質學數據的啟發式、經驗類方法，適用于大尺度的滑坡易發性區劃；基于概率統計的中間過渡類方法，適用于中尺度的滑坡易發性區劃；利用水文地質、巖土工程類數據的確定式方法，適用于小尺度的滑坡易發性區劃。結合目前國內外滑坡易發性區劃在尺度方面的研究現狀，歸納出基于不同比例尺的滑坡易發性區劃對評價方法、區劃面積、應用范圍與目標等的要求(表1)。

表1 不同比例尺下滑坡易發性區劃對應的尺度、評價方法、面積與應用范圍[9-10]

目前滑坡易發性區劃主要是采用離散化的區劃單元格進行易發性計算，區劃單元格大小的確定主要取決于滑坡的類型、研究的尺度、信息挖掘工具的性能以及關鍵數據的質量、分辨率、尺度等[8]。文獻[11]提出了幾種確定區劃單元格的方法。Michele Calvello 等人的研究直接給出了不同尺度下地形區劃單元的大小[8](表2)。

表2 不同尺度下地形區劃單元的大小[8]

滑坡的尺度研究主要集中于監測數據的空間尺度特征，而時間尺度特征研究的重點在于對單個滑坡演變機制的物理模擬[12]；對于區域性的滑坡易發性區劃，目前國內外相關研究成果較少，比較有代表性的是程謙恭等[13]利用多種時間尺度的方法對我國近5 000年滑坡群發周期進行相關分析。

4 滑坡監測數據的時序性特征分析

滑坡的監測數據不僅包括滑坡的位置、形態、失穩機制、誘發因素、發生頻度以及規模等具有空間屬性的數據，同時也包括滑坡發生的時間、監測數據的時態分布特征等[1]。監測數據的時態分布特征是指監測數據隨時間的變化過程與趨勢。分析現有的滑坡評價研究成果，對不確定性的研究除了克服由評價方法自身缺陷帶來的偏差之外，主要的研究方向是分析空間尺度效應對評價不確定性的影響[14]；而在時間尺度方面，對于滑坡易發性區劃的研究主要還是以“靜態”為主，原因之一是相關滑坡影響因素演變的緩慢性，但是隨著全球極端自然現象的頻發[15]以及人類活動對環境影響的加劇[16]，滑坡的演變進程大大加快，時間尺度效應對滑坡易發性區劃不確定性的影響逐漸凸顯。監測數據的時態分布特征是滑坡時間尺度特征的重要表現，能夠清楚地表征研究區滑坡的演變進程。分析監測數據的時態分布特征，對于研究時間尺度特征對滑坡易發性區劃不確定性的影響，具有比較重要的理論價值。

4.1 監測數據的時態分布特征與研究區滑坡演變規律的相關性

滑坡是一個動態演變的非線性系統，是其背景條件相互作用的“極端結果”，包含一定的必然性，這種必然性不僅是指滑坡發生的位置、規模，同時也包括滑坡發生的時間。因此，作為滑坡信息載體的監測數據在時間上的非平穩性分布特征也應當包含一定的必然性，這種必然性是由研究區滑坡的演變進程決定的。由于控制滑坡演變與發生的影響因素存有規律性，所以這種必然性對于特定區域的滑坡演變進程而言，最終會導致監測數據的時態分布特征呈現出與之對應的規律性特征。因此，監測數據的時態分布特征是研究區滑坡演變進程的重要表征之一。

4.2 監測數據集的選擇對滑坡易發性評價的影響

不同時期的滑坡監測數據反映的是當時研究區的滑坡演變情況。根據滑坡演變的非線性特征，從理論上講，基于監測數據的區域地質評價應當是實時的，但是由于實時獲取的監測數據往往因數據量不足而無法反映研究區的滑坡信息，因此這種實時的區域滑坡評價思路目前在技術上無法實現。同時由于滑坡演變的緩慢性與繼承性，特定時間段內的具有相同地質環境背景的滑坡的發生往往具有一定的相關性，因此這種基于實時數據的評價方式沒有太大的實際意義。目前主流的評價思路均是對一定時間段的監測數據集進行分析，但在選取監測數據進行評價時并不是越多越好，因為對于同一研究區而言，監測數據越多意味著監測時間越長，利用大時間尺度的監測數據參與評價有可能使評價的不確定性積累放大，更為嚴重的是，控制研究區滑坡發生的主因素可能已經在如此長的時間段內發生改變，利用主因素變化前后的監測數據參與評價可能導致評價結果產生重大的偏差。

4.3 影響因素權重確定的滯后性

權重的大小表征影響因素在整個滑坡演變進程中的重要程度，權重的確定是整個評價過程的關鍵環節。影響因素權重的確定要依據一定時間段的歷史資料作出判斷，這種歷史資料包含的是當時的滑坡演變信息。由于區域滑坡演變的非線性，導致不同時期的滑坡演變機制必然存在差異，因此基于這類監測數據的權重確定方式獲取的是該監測時段內過去與現在的“均值”。對于研究最新的區域滑坡演變進程而言，這種權重的確定方式具有一定的滯后性，這也是導致目前滑坡易發性評價存在不確定性的因素之一。

5 我國典型滑坡演變類型的劃分

滑坡演變類型是指滑坡在自然與人為動力因素作用下隨時間的演變過程與趨勢。利用全國主要城市環境地質綜合評價項目的相關成果數據，運用時序性分析理論，對具有不同地質環境條件的滑坡演變進行比較分析，初步確定了穩定型、生長型、衰弱型以及隨機型等4種演變類型(圖1)。

5.1 穩定型

該演變類型是指滑坡監測數隨時間變化不大，即滑坡監測數Z(t)隨時間t變化很小[圖1(a)]，對于任意時段t1與t1+k而言，有Z(t1) =Z(t1+k)。確定該類型監測數據的標準時態分布曲線為

Z(t)=μt

(1)

穩定型演變類型主要受演變較慢的背景因素控制，如地層巖性、地形地貌等，主要發生于地層穩定、巖性變化緩慢、降水較少的地區。

5.2 生長型

該演變類型是指滑坡監測數隨時間變化呈趨勢性上升，即滑坡監測數Z(t)隨時間t波動增加[圖1(b)]。生長型演變類型是一種典型的非平穩性過程，利用確定性趨勢模型確定該類型監測數據的標準時態分布函數為

Z(t)=α1t+at0(a1>0)

(2)

式中：α1為滑坡數隨時間t的增長率；at0為初始監測時間點的歷史滑坡數。

圖1 我國4種典型的滑坡演變類型

生長型演變類型是一種發育中的滑坡發生機制，表明區域范圍內影響滑坡演變與發生的某個或某幾個因素的活動性增強，例如大型水庫修建導致區域范圍內的巖體內部應力集中而產生的滑坡,震后位于斷裂帶地區的土體、巖體失穩而產生的滑坡等。

5.3 衰弱型

該演變類型是指滑坡監測數隨時間變化呈趨勢性下降，即滑坡監測數Z(t)隨時間t波動減少[圖1(c)]。衰弱型演變類型也是一種典型的非平穩性過程，利用確定性趨勢模型確定該類型監測數據的標準時態分布函數為

Z(t)=α2t+at0(a2<0)

(3)

式中：α2為滑坡數隨時間t的減少率。

衰弱型演變類型是區域范圍內滑坡的動力源與物質源逐步減少，影響因素的活動性趨于平穩，這類演變類型廣泛分布于社會化程度較高的城市及其周邊地區，這些地區一般地質構造比較穩定、人為治理程度較高。

5.4 隨機型

該演變類型是指滑坡監測數隨時間呈現出沒有規律的變化過程[圖1(d)]。隨機型演變類型是一種由誘發因素控制的滑坡發生機制，常見的誘發因素包括降水、地震等。這類演變類型沒有統一的標準函數，往往與誘發因素的時序性特征具有很好的相關性。

需要說明的是，由于自然條件的復雜性，導致滑坡發生的內動力與外動力可能同時存在，因此區域范圍內往往不止存在一種滑坡演變類型，更普遍的是多種演變類型組合存在，常見的組合類型包括穩定型與降水隨機型組合、生長型與降水隨機型組合等。

6 結 語

(1)滑坡的演變與發生依賴于特定的時空尺度，但是由于滑坡演變的非線性與空間介質的非均質性，導致區域滑坡易發性分析與評價必然包含有尺度效應產生的不確定性。監測數據作為滑坡的信息載體，不僅包含滑坡的空間分布信息，而且一定時間序列的監測數據也包含滑坡在時間上的演變信息。

(2)由于人類活動與自然界極端事件頻繁，導致各滑坡影響因素的演變進程大大加快，使得時間效應對滑坡易發性評價的影響凸顯，原有的靜態評價思路可能會產生一定的誤差，而利用監測數據的時態分布特征可以獲取滑坡的演變進程，以修正評價過程的“靜態性”缺陷，有助于提高評價結果的精度。

(3)通過對我國不同地形地貌單元與地質構造下的滑坡演變過程進行比較性分析，總結了穩定型、生長型、衰弱型與隨機型等4種典型的滑坡演變類型。不同滑坡演變類型的主控因素、作用機制等不同，這對于修正滑坡易發性的評價方法與思路、提高評價結果具有比較重要的意義。

[參考文獻]

[1] Kyo-Young Song, Hyun-Joo Oh, Jaewon Choi, et al. Prediction of landslides using ASTER imagery and data mining models[J]. Advances in Space Research,2012,49(5):978-993.

[2] Chong Xu, Fuchu Dai, Xiwei Xu, et al. GIS-based support vector machine modeling of earthquake-triggered landslide susceptibility in the Jianjiang River watershed, China[J]. Geomorphology,2012,145-146:70-80.

[3] Renée Schicker,Vicki Moon. Comparison of bivariate and multivariate statistical approaches in landslide susceptibility mapping at a regional scale[J]. Geomorphology,2012,161-162:40-57.

[4] Biswajeet Pradhan. A comparative study on the predictive ability of the decision tree, support vector machine and neuro-fuzzy models in landslide susceptibility mapping using GIS[J]. Computers & Geosciences,2013,51:350-365.

[5] Nefeslioglu H A, San B T, Gokceoglu C, et al. An assessment on the use of Terra ASTER L3A data in landslide susceptibility mapping[J]. International Journal of Applied Earth Observation and Geoinformation,2012,14(1):40-60.

[6] 李雙成,蔡運龍.地理尺度轉換若干問題的初步探討[J].地理研究,2005,24(1):11-18.

[7] Fell R, Corominas J, Bonnard C, et al. Guidelines for landslide susceptibility, hazard and risk zoning for land-use planning[J]. Engineering Geology,2008，102(3-4):85-98.

[8] Calvello M, Cascini L, Mastroianni S. Landslide zoning over large areas from a sample inventory by means of scale-dependent terrain units[J].Geomorphology,2013,182:33-48.

[9] Cascini L. Applicability of landslide susceptibility and hazard zoning at different scales[J].Engineering Geology,2008，102(3-4):164-177.

[10] 陳偉,許強,唐告生.大比例尺評價尺度強震條件下崩滑災害易發性評價方法[J].湖南科技大學學報:自然科學版,2011,26(4):32-36.

[11] Guzzetti F, Carrara A, Cardinali M, et al. Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Central Italy[J]. Geomorphology,1999,31(1-4) :181-216.

[12] 王智磊,孫紅月,劉永莉,等.降雨與邊坡地下水位關系的時間序列分析[J].浙江大學學報:工學版,2011,45(7):1031-1037.

[13] 程謙恭,胡廣韜,肖榮久.中國近五千年來地質災害群發周期初步研究[J].西安地質學院學報,1995,17(4):48-53.

[14] Van Westen C J, Castellanos E, Kuriakose S L. Spatial data for landslide susceptibility, hazard, and vulnerability assessment: An overview[J]. Engineering Geology, 2008,102(3-4):112-131.

[15] Shiwakoti D R. An assessment of soil loss and natural hazards in Nepal[J]. Journal of Nepal Geological Society,2000，21:41-48.

[16] Lee S, Hwang J, Park I. Application of data-driven evidential belief functions to landslide susceptibility mapping in Jinbu, Korea[J]. Catena,2012,100:15-30.