兩種斜坡單元劃分方法對滑坡災害易發(fā)性評價的對比研究

張 曦，陳麗霞，徐 勇，連志鵬

(1.中國地質大學(武漢)地球物理與空間信息學院，湖北 武漢 430074； 2.中國地質調查局武漢地質調查中心，湖北 武漢 430205)

斜坡單元劃分是開展大比例尺區(qū)域滑坡災害易發(fā)性、危險性、風險評價的首要工作和重要基礎，其劃分過程繁瑣、耗時且復雜，難有統(tǒng)一、客觀的流程與方法。基于斜坡單元的災害評價工作已廣泛開展，但少有研究討論不同劃分方式對斜坡單元形態(tài)、面積大小、數(shù)量以及滑坡災害易發(fā)性評價結果的影響。

區(qū)域滑坡災害評價單元一般分為5種類型[1]：柵格單元、地貌單元、特定條件單元、斜坡單元和地形學單元。其中，斜坡單元能較好地體現(xiàn)1∶10 000尺度區(qū)域斜坡的整體性，相較于柵格單元能更有效地應用于評價區(qū)域防災減災工程與風險管理實踐，發(fā)揮災害區(qū)劃理論研究成果的科學指導作用。國內外學者一直較為重視基于斜坡單元的滑坡災害評價研究，如武雪玲等[2]基于斜坡單元對三峽庫區(qū)滑坡易發(fā)性的評價研究，指出采用斜坡單元作為滑坡災害易發(fā)性評價的基本單元，能夠綜合體現(xiàn)滑坡孕災環(huán)境和誘發(fā)因子的作用，提高滑坡空間預測的精度和效率；邱丹丹等[3]基于斜坡單元對蘆山地區(qū)滑坡危險性進行了評價，斜坡單元相比柵格單元能更好地保留斜坡的整體性，且評價結果更為精確；薛強等[4]基于斜坡單元對延安寶塔區(qū)滑坡易發(fā)性進行了評價，認為以斜坡作為單元進行滑坡易發(fā)性評價可以提高與實際地形地貌的吻合度，能夠更好地體現(xiàn)區(qū)域中滑坡的實際發(fā)育狀況；Erener等[5]指出斜坡單元能有效地消除柵格單元中無法考慮單元間聯(lián)系和地面形態(tài)元素的缺點。

目前，關于斜坡單元的劃分方法研究已有一些研究成果，如Philip等[6]提出了遙感影像光譜與地形剖面曲率相結合的劃分方法，但受限于遙感影像和數(shù)字高程模型(DEM)的精度，該方法對1∶10 000圖幅的劃分不易發(fā)揮較好的效果；Xie等[7]利用水文分析法提取分水嶺與匯水網(wǎng)劃分斜坡單元的方法已被廣泛接受并應用于實踐中，但劃分過程中會出現(xiàn)較多的細小破碎面和不合理長條狀面，后期需要進行大量手動修改工作；顏閣[8]利用分水嶺分析地表曲率劃分斜坡單元，其步驟簡潔，單元面積與形狀均勻，但缺乏對地形、地質界線和人為活動等要素的考慮。

在滑坡災害易發(fā)性評價中，斜坡單元的劃分也需要考慮研究區(qū)歷史災害的發(fā)育規(guī)模，以確定控制單元大小的閾值，使評價結果更符合實際。但是，由于地形、地質、水文環(huán)境等條件的差異性，各研究區(qū)內斜坡的分布也呈現(xiàn)不同的空間分布特征，如何在這些差異中尋找共性，并結合滑坡災害實際發(fā)育規(guī)模和評價尺度，通過滑坡易發(fā)性評價效果選用合適的劃分方式，是本文研究的重點。為此，本文將以我國鄂西山區(qū)咸豐縣高樂山鎮(zhèn)為研究區(qū)，對比分析兩種不同斜坡單元劃分方法(水文分析法和地表曲率分水嶺法)的優(yōu)劣和滑坡災害易發(fā)性評價的效果。

1 斜坡單元劃分方法

斜坡單元的劃分主要采用ARCGIS平臺，使用數(shù)字高程模型(DEM)、地質圖和遙感影像來實現(xiàn)，其劃分過程依次為：去除平地單元、提取山谷山脊線、添加相關界線。其中，山谷山脊線的提取是斜坡單元劃分中最復雜、最重要的步驟，本文對比分析了水文分析法和地表曲率分水嶺法兩種方法提取山谷山脊線的具體流程。

1. 1 水文分析法

基于水文分析法提取山谷山脊線的流程(見圖1)如下：

圖1 水文分析法提取山谷山脊線的流程圖Fig.1 Procedure of HM for extraction of valley and ridge line

(1) 獲取正DEM和反DEM。反DEM即用研究區(qū)的最高高程減去原DEM得到。

(2) 分別對正、反兩個DEM進行填挖，防止后期水文分析時出現(xiàn)方向混亂與積水區(qū)域。

(3) 對填挖后的DEM提取流向。通過提取研究區(qū)內的地表水流動方向能夠快速地區(qū)分出地表形態(tài)極速變化的區(qū)域，也是后續(xù)水文分析的必備步驟。

(4) 建立河網(wǎng)的連接。在流向的基礎上提取流量、匯水點，連接各級水系得到河網(wǎng)。其中，通過正DEM得到的河網(wǎng)大致相當于地形中的山谷；通過反DEM得到的河網(wǎng)大致相當于地形中的山脊。

(5) 將正、反兩個DEM得到的河網(wǎng)匯總，即可得到山谷線和山脊線。

1. 2 地表曲率分水嶺法

基于地表曲率分水嶺法(以下簡稱曲率分水嶺法)提取山谷山脊線的流程(見圖2)如下：

圖2 曲率分水嶺法提取山谷山脊線的流程圖Fig.2 Procedure of CWM for extraction of valley and ridge line

(1) 獲取整個研究區(qū)的地表曲率。在得到的地表曲率圖層中，數(shù)值為正表示此處的地形向上凸出，數(shù)值越大表示凸出程度越明顯；數(shù)值為負則表示此處的地形向下凹陷，數(shù)值越小表示凹陷程度越明顯。

(2) 以地表曲率為基礎提取整個研究區(qū)的流向。虛擬水流的方向即為高值至低值，山脊至山谷。

(3) 計算洼地。由于水流方向基本確定，積水處(洼地)會落在山谷(地表曲率圖層中的低值)附近。

(4) 基于流向與洼地計算分水嶺。得到的分水嶺回溯到DEM中即為山脊線。

(5) 反轉地表曲率圖層每個柵格的正負值，重復上述步驟可以得到山谷線，最終匯總得到山谷線和山脊線。

斜坡單元面積的大小和形狀是影響斜坡單元劃分結果的兩個主要要素，本文引入形狀指數(shù)F[9]來進行衡量，即

F=L2/(4πS)

(1)

式中：L為斜坡單元周長(m)；S為斜坡單元面積(m2)。

當F值趨近于1時，表示斜坡單元形狀趨近于圓形；F值越大，則表示斜坡單元的形狀越顯狹長。

2 實例應用與分析

2. 1 研究區(qū)概況

本文選取湖北省鄂西南咸豐縣高樂山鎮(zhèn)為研究區(qū)，分別采用水文分析法和曲率分水嶺法進行了斜坡單元提取和滑坡災害易發(fā)性評價，并對比分析了兩種斜坡單元劃分方法對滑坡災害易發(fā)性評價的效果。

研究區(qū)面積約23 km2，總體地勢為南北高、中部較低，高程分布于700～1 100 m之間，坡度分布主要集中于0°～40°之間，高陡坡較為少見，坡向分布均勻，坡面形態(tài)多為凸型坡。

在地質條件方面，咸豐縣高樂山鎮(zhèn)地層巖性中除缺少下泥盆統(tǒng)、上下石炭統(tǒng)以及上三疊統(tǒng)地層外，從上古生界寒武系到新生代第四系地層均有出露。該地區(qū)大地構造位置處于揚子準地臺上揚子臺坪八面山臺褶帶恩施臺褶束，構造體系歸屬新華夏系一級構造鄂西隆起帶西部，組成褶束的褶皺以北東和北北東向為主，斷裂構造則是沿背斜陡翼形成的北東向壓性或壓扭性斷裂。

滑坡是咸豐縣高樂山鎮(zhèn)最主要的地質災害類型，研究區(qū)內共有10處已發(fā)生的滑坡災害，主要分布在研究區(qū)的東北至西南的中部條帶區(qū)域內，形態(tài)多為舌形和半圓形，研究區(qū)滑坡分布及其形狀指數(shù)和面積統(tǒng)計，詳見圖3和表1。本次研究涉及到的資料數(shù)據(jù)有咸豐縣高樂山鎮(zhèn)遙感影像、數(shù)字高程模型(3 m×3 m DEM)、斷層、河流、地層巖性和歷史滑坡，其中斷層、河流、地層巖性、歷史滑坡為線狀矢量文件。數(shù)據(jù)來源于歷史資料收集、無人機航測、遙感影像解譯、區(qū)域地質環(huán)境詳查、工程地質測繪等。

圖3 咸豐縣高樂山鎮(zhèn)滑坡分布圖Fig.3 Landslide inventory map of Gaolle Town,Xianfeng County,Hubei Province,China

滑坡編號形狀指數(shù)F面積/(m2)滑坡編號形狀指數(shù)F面積/(m2)XF11．0997249XF61．1118254XF21．17615411XF71．17110100XF31．07913156XF81．11010923XF41．07822490XF91．1383791XF51．3087754XF101．1857764

2. 2 斜坡單元劃分

2.2.1 平地單元去除

依據(jù)DEM提取坡度、坡向、山體陰影(見圖4)，疊加分析坡度圖層中0°～5°區(qū)域、坡向圖層中平地(深綠色部分)、陰影圖層中光影分割線，并綜合遙感影像劃分得到平地單元。若DEM精度較高導致坡向圖層中無深綠色部分，則可降低DEM精度再次獲取。

圖4 平地單元提取輔助數(shù)據(jù)Fig.4 Auxiliary maps for removing flat areas

本次劃分得到的平地面積共3.9 km2，占據(jù)研究區(qū)總面積約17.5%，主要分布于河流兩岸，局部分布于山間、山頂平臺。

2.2.2 水文分析法和曲率分水嶺法提取山谷山脊線

基于水文分析法提取的斜坡單元數(shù)量為1 462個，斜坡單元平均面積約15 245 m2，當?shù)貏葑兓黠@時，提取效果好，但當?shù)孛孑^平坦時，出現(xiàn)細小且狹長的破碎面和冗余的分界[見圖5(a)]，這是因為在水文分析法分析中地勢平坦的區(qū)域水流無明確的方向。

基于曲率分水嶺法提取出的地形單元分布均勻、大小一致，但提取的斜坡單元數(shù)量較多(8 500個)，斜坡單元平均面積較小(約3 000 m2)，這是因為在曲率分水嶺法分析中，由于使用過高精度的DEM(3 m×3 m)，使得地面細小的起伏均被識別為洼地，過多的洼地導致了斜坡單元數(shù)量的偏多和斜坡單元面積的細小[見圖5(b)]。

圖5 基于水文分析法和曲率分水嶺法所得初步斜坡單元分布圖(局部)Fig.5 Preliminary results of slope units by HM and CWM(part)

為了解決曲率分水嶺法提取斜坡單元數(shù)量過多和斜坡單元面積小的問題，本文降低DEM和曲率圖層精度，平滑時均采用了圓形均值濾波器，斜坡單位數(shù)量隨平滑半徑的變化見圖6。

圖6 斜坡單元數(shù)量隨平滑半徑的變化Fig.6 Variation of slope units number with radius of DEM and curvature resolution

由圖6可見，當DEM平滑半徑到10個柵格(30 m,0.9×103m2)后，斜坡單元數(shù)量快速上升；當曲率平滑半徑到15個柵格(45 m,2.025×103m2)后，斜坡單元數(shù)量下降緩慢。當進一步增加濾波器半徑時，不僅斜坡單元數(shù)量上升，且山脊線和山谷線出現(xiàn)較大程度偏移。綜合以上兩個特征，在對DEM平滑10個柵格提取曲率圖的基礎上，采用15個柵格平滑該曲率圖并用于提取分水嶺，斜坡單元數(shù)量降低為4 320個，斜坡單元面積平均增大1倍。經(jīng)多次平滑降低精度，劃分得到的斜坡單元分布及其形狀指數(shù)和面積統(tǒng)計，詳見圖7和表2。

圖7 多次平滑后斜坡單元分布圖(局部)Fig.7 Distribution map of slope units by CWM after multiple smoothing (part)

形狀指數(shù)F水文分析法占比曲率分水嶺法占比1～20．45760．85812～30．24970．08913～40．12310．02714～50．05880．01255～60．03210．00356～70．02940．00197～80．01500．0016>80．03420．0062面積/m2水文分析法占比曲率分水嶺法占比0～1030．43640．3269103～1040．18600．5042104～1050．36590．1690>1050．01160．0000

由表1可見，咸豐縣高樂山鎮(zhèn)發(fā)生的歷史滑坡災害面積主要集中在104m2范圍內，形狀指數(shù)F主要集中在1～1.5之間。綜合表2可見，曲率分水嶺法斜坡單元的初步劃分結果在相應面積和形狀指數(shù)區(qū)域分別達到85.81%和83.11%，均占比更大，劃分效果更加優(yōu)異。

最終，通過添加斷層、水系、交通線路等明顯分界線，即可完成一次斜坡單元的劃分。

2. 3 滑坡災害易發(fā)性評價

目前滑坡易發(fā)性評價體系已十分成熟，眾多學者已經(jīng)將信息量[10-11]、證據(jù)權[12-13]、支持向量機(SVM)[14-15]、神經(jīng)網(wǎng)絡[16]等模型或方法應用到實際問題中。本文選用證據(jù)權模型，結合咸豐縣高樂山鎮(zhèn)歷史滑坡數(shù)據(jù)，將上述兩種斜坡單元劃分方法提取的斜坡單元用于滑坡災害易發(fā)性評價。根據(jù)咸豐縣高樂山鎮(zhèn)實際情況與實測數(shù)據(jù)，最終選取坡度、坡向、高程、坡面形態(tài)、地層巖性、坡體結構、土地利用類型、道路、斷層共9個因子進入評價體系，各評價因子證據(jù)權值統(tǒng)計結果見表3。

表3 研究區(qū)滑坡災害易發(fā)性評價因子及其證據(jù)權值

兩種斜坡單元劃分方法得到的研究區(qū)滑坡災害易發(fā)性分區(qū)結果見圖8，兩種斜坡單元劃分方法的成功率(AUC值,即曲線線下面積)分別為71.69%和78.43%(見圖9)，其對應的不同等級滑坡災害易發(fā)性分區(qū)面積占比統(tǒng)計見表4。

圖8 兩種斜坡單元劃分方法滑坡災害易發(fā)性分區(qū)圖Fig.8 Landslide susceptibility map by HM(A) and CWM(B)

圖9 兩種斜坡單元劃分方法滑坡易發(fā)性ROC曲線Fig.9 Receiver Operating Characteristic for landslide susceptibility by the two methods

由圖9和表4可見，曲率分水嶺法比水文分析法所得研究區(qū)滑坡災害易發(fā)性分區(qū)精度略高6.7%，理論結果更可信；但水文分析法所得的滑坡災害高、中易發(fā)區(qū)的面積達到44.9%，比曲率分水嶺法略高7%，其評價結果更為保守。

表4 兩種斜坡單元劃分方法對應的不同等級滑坡災害 易發(fā)性分區(qū)面積占比統(tǒng)計

3 結 論

本文針對大比例尺滑坡災害區(qū)劃工作中，斜坡單元劃分方法不統(tǒng)一、使用效果不明確的問題，以我國鄂西地區(qū)咸豐縣高樂山鎮(zhèn)為研究區(qū)，對比分析了水文分析法和曲率分水嶺法用于斜坡單元劃分和滑坡災害易發(fā)性分區(qū)的效果，得出以下結論：

(1) 基于曲率分水嶺法劃分得到的斜坡單元形狀更接近歷史滑坡形狀(85%)和面積大小(83%)，劃分效果更優(yōu)；但當DEM精度一定時，水文分析法在地勢變化明顯的區(qū)域斜坡單元提取效果較好。

(2) 曲率分水嶺法劃分斜坡單元數(shù)量分別隨DEM和曲率精度下降而呈現(xiàn)先遞減后增(DEM)或穩(wěn)定(曲率)的規(guī)律，基于該規(guī)律，可確定咸豐縣高樂山鎮(zhèn)(1∶10 000尺度)斜坡單元劃分的DEM平滑大小(30 m×30 m)和曲率平滑大小(45 m×45 m)。

(3) 曲率分水嶺法比水文分析法所得滑坡災害易發(fā)性分區(qū)精度略高6.7%；但水文分析法分區(qū)結果更為保守，滑坡災害高、中易發(fā)區(qū)面積比曲率分水嶺法略高7%。

[1] 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(1/2/3/4):181-216.

[2] 武雪玲，任福，牛瑞卿，等．斜坡單元支持下的滑坡易發(fā)性評價支持向量機模型[J]．武漢大學學報(信息科學版)，2013(12)：1499-1503．

[3] 邱丹丹，牛瑞卿，趙艷南，等．斜坡單元支持下地震滑坡危險性區(qū)劃——以蘆山地震為例[J]．吉林大學學報(地球科學版)，2015(5)：1470-1478．

[4] 薛強，張茂省，李林．基于斜坡單元與信息量法結合的寶塔區(qū)黃土滑坡易發(fā)性評價[J]．地質通報，2015，34(11)：2108-2115．

[5] Erener A,Düzgün H S B.Landslide susceptibility assessment:What are the effects of mapping unit and mapping method?[J].EnvironmentalEarthSciences,2012,66(3):859-877.

[6] Philip T G,Franklin S E.An automated approach to the classification of the slope units using digital data[J].Geomorphology,1998,21(3):251-264.

[7] Xie M,Esaki T,Zhou G.GIS-based probabilistic mapping of landslide hazard using a three-dimensional deterministic model[J].NaturalHazards,2004,33(2):265-282.

[8] 顏閣．華池縣滑坡易發(fā)性制圖[D]．蘭州：蘭州大學，2016．

[9] 胡小芳，曾文雄，吳成寶，等．顆粒表面分維與其形狀指數(shù)關系研究[J]．中國粉體技術，2007(2)：14-17．

[10]周超，殷坤龍，向章波，等．基于GIS的淳安縣滑坡易發(fā)性定量評價[J]．安全與環(huán)境工程，2015,22(1)：45-50,55．

[11]朱吉祥，張禮中，梁國玲，等．基于GIS的信息熵理論在滑坡危險性評價中的應用——以四川省青川縣滑坡為例[J]．安全與環(huán)境工程，2012,19(3)：15-19．

[12]許沖，戴福初，徐錫偉，等．基于GIS平臺與證據(jù)權的地震滑坡易發(fā)性評價[J]．地球科學(中國地質大學學報)，2011，36(6)：1155-1164．

[13]Lee S,Chol J.Landslide susceptibility mapping using GIS and the weight-of-evidence model[J].InternationalJournalofGeographicalInformation,2004,18(8):148-789.

[14]Marjanovic＇m,Kovacevic＇ M,Bajat B,et al.Landslide susceptibility assessment using SVM machine learning algorithm[J].EngineeringGeology,2011,123(3):225-234.

[15]姜琪文，許強，何政偉．基于SVM多類分類的滑坡區(qū)域危險性評價方法研究[J]．地質災害與環(huán)境保護，2005，16(3)：328-330．

[16]許沖，徐錫偉．基于GIS與ANN模型的地震滑坡易發(fā)性區(qū)劃[J]．地質科技情報，2012，31(3)：116-121．