持續強降雨天氣下地質危險區災害特征提取方法

惠 航

(中國地震局第二監測中心，西安 710054)

中國是地質災害較為嚴重的國家之一，各種外界因素和基礎的斜坡地質條件是誘發地質災害的原因[1]。在誘發地質災害的多種因素中持續強降雨是主要因素之一[2]。地質危險區域中強降雨會導致巖土體內部強度、結構、應力狀態和含水量發生變化，降低了巖土體的強度[3]。通過提取地質危險區在持續強降雨天氣下的災害特征，可以對地質區域進行危險預警，對于減災防災和災后重建等工作具有重要意義[4]。當前地質危險區災害特征提取方法存在特征提取精準度低的問題，需要對地質危險區災害特征提取方法進行研究。

尚慧等[5]對持續強降雨天氣下的地質危險區災害資料進行分析，根據分析結果選取降雨、泥石流點密度、溝床比降、平均坡度、流域面積和流域相對高差因素作為地質危險區的災害特征，通過組合賦權法對災害特征的權重進行計算，選取權重較高的因素作為地質危險區的災害特征，但該方法計算得到的權重存在誤差，導致特征提取精度低。李孝攀等[6]采用標度法在灰色聚類理論的基礎上構建判斷矩陣，通過層次分析法提取地質危險區在持續強降雨天氣下的災害特征，但該方法的特征提取精準度較低。

Ding等[7]針對地質災害的頻繁發生現象，提出基于野外調查和高分辨率遙感影像結合的地質災害特征提取方法，對地震等級大于7級的地震進行研究，根據獲得的統計數據，系統地分析地質災害多發區域的地質災害特征。但是該方法的實現過程較為復雜，因此該方法的應用具有較高的局限性。Piras等[8]利用無人機對地質災害范圍進行測量并提取災害特征信息。利用無人機獲得地質災害地區的地形模型、正射影像和三維模型，以此為基礎建立災害地區模型，通過分析模型完成地質災害特征的提取，但是該方法的提取準確性需要進一步提高。

為了解決上述方法中存在的問題，提出持續強降雨天氣下地質危險區災害特征提取方法，完成地質危險區災害特征的高精度提取。

1 特征因子提取

在查閱大量相關文獻以及實地考察后，得出地質坡度、起伏度、地表切割密度、地表切割深度、河網密度、植被因子、降雨因子是影響地質危險區災害特征提取準確性的關鍵因素。因此，準確計算特征因子可實現高精度災害特征提取。

1.1 坡度

坡度描述點在地表面中的傾斜程度，即水平地面和該點切平面之間存在的夾角。

1.2 起伏度

起伏度Hi是單位地表單元中地勢對應的起伏復雜程度，起伏度Hi的計算公式為

Hi=Himax+Himin

(1)

式(1)中：Hi是地表在統計單元i內對應的起伏度；Himax是在統計單元i內地表對應的最大高程值；Himin是在統計單元i內地表對應的最小高程值。

1.3 地表切割密度

地表切割密度也被稱為溝谷密度或溝壑密度，通常情況下通過溝谷線在地表面積中的總長度進行度量，描述的是地表切割破碎的程度。設D代表切割密度，其表達式為

(2)

式(2)中：A為地表面積；∑L為溝谷線在單位地表面積中的長度總和。

1.4 地表切割深度

地表切割深度是單元匯水面積中存在的相對高差，通常情況下表示的是地勢起伏在單位地表單元內對應的復雜程度[9]。設Qi代表地表切割深度，其計算公式為

Qi=Himean+Himin

(3)

式(3)中：Qi為地表在統計區域i內對應的切割深度；Himean為地表在區域i中的平均高程值；Himin為在區域i中地表對應的最小高程值。

1.5 河網密度

河網密度為單位流域面積和單位地表面積河流總長度在流域中的比值，地表流域情況可以通過河網密度進行反映，地表徑流沖刷隨著河網密度的增大而增強，具體提取流程如圖1所示。

圖1 提取流程Fig.1 Extraction process

設R代表河網密度，其計算公式為

(4)

式(4)中：G為河網面積；∑Lg為河溝在單位河網面積中的長度總和。

1.6 植被因子

通常情況下通過植被覆蓋度代替植被指數F，植被指數F的計算公式為

(5)

式(5)中：Y5、Y4分別表示植被覆蓋度。

1.7 降雨因子

持續強降雨天氣下地質危險區災害特征提取方法通過插值法獲取降雨量[10]，設Z(x0)代表未知樣點值，其表達式為

(6)

式(6)中：ri為在未知樣本點中第i個已知樣本點對應的權重；Z(xi)代表已知樣本點在未知樣本點周圍對應的值。

2 災害特征提取

持續強降雨天氣下地質危險區災害特征提取方法通過群組層次分析法(analytic hierarchy process, AHP)計算特征因子對應的權重，根據計算結果選取權重較高的特征因子作為持續強降雨天氣下地質危險區域災害的特征。

2.1 群體一致度系數

專家們的共識程度隨著權重向量的相近不斷提高，應該賦予可信度高的專家評價結果較高的權重[11]。根據上述分析，持續強降雨天氣下地質危險區災害特征提取方法根據專家指標權重向量對應的相似度通過系統聚類分析方法對專家進行分類，根據獲取的結果獲得專家對應的群體一致度系數。

可以通過向量夾角余弦計算兩個專家個體向量間存在的相似性程度。設Cij代表的是特征向量W(i)和特征向量W(j)之間存在的向量夾角余弦，其計算公式為

(7)

如果向量夾角余弦Cij的值與1接近，代表專家之間存在相似的評價結果。當相似程度較高時，可以將兩個專家歸屬到同一類中。

n位專家可以通過上述過程被分為t類，針對同類專家，在聚類分析原理的基礎上可以看為相似的，賦予上述專家相同的權重，將不同的權重賦予不同類型專家對應的評價信息[12]。針對不同類，該類專家的數量和專家的評價結果之間為正比。

設φk代表第k位專家所屬的類中存在的專家總數；φk代表專家對應的權重。專家總數φk和專家權重ak之間為正比，存在：

a1:a2:…an=φ1:φ2:…:φn

(8)

通過式(8)對第k位專家對應的權重進行計算，得：

(9)

利用式(9)計算得到的權重即為群體一致度系數。

2.2 個體差異性系數

群體一致度系數通常只對類和類間的差異進行考慮，并認為專家的類別相同時對應的權重也相同[13]。

因為專家評價、知識、偏好和經驗的思路清晰度存在差異，導致專家評判結果通常情況下都存在差異性。如果不考慮上述差異性，會對評判結果的準確性產生一定的影響[14]。

為了提高評判結果的準確性和科學性，持續強降雨天氣下地質危險區災害特征提取方法在均值距離思想的基礎上利用個體差異性系數對專家評判結果的差異性進行度量。

(10)

權重向量之間存在的距離可以通過幾何距離公式進行計算[15]。持續強降雨天氣下地質危險區災害特征提取方法通過閔考斯基距離對平均權重向量和專家個體權重向量之間存在的距離進行度量。

設Bk代表平均權重向量和第k位專家權重向量之間存在的距離，其計算公式為

(11)

式(11)中：q≥3，“平均意見”和第k位專家意見之間存在的差異可以通過Bk進行衡量，與平均意見越接近，獲得的權重值越大[16-17]。綜上，個體差異系數bk的計算公式為

(12)

2.3 特征因子權重向量計算

設λe代表7種特征因子對應的權重系數，可通過個體差異性系數和群體一致度系數計算得到，特征因子權重系數的計算公式為

(13)

設W′代表的是特征因子權重子向量，可根據上式計算得到的權重系數得到：

W′=(λ1,λ2,…,λe)

(14)

通過加權平均法在子向量的基礎上獲得特征因子的權重向量

(15)

挑選權重向量高的特征因子作為地質危險區災害特征，完成持續強降雨天氣下地質危險區域災害特征的提取。

3 實驗結果與分析

為了驗證持續強降雨天氣下地質危險區災害特征提取方法的整體有效性，在Visual C++開發的TTE(time-triggered ethernet)網絡平臺中對持續強降雨天氣下地質危險區災害特征提取方法進行測試。實驗以陜西省西鄰降雨量充沛的鹽池縣地區為實驗研究區域，進行持續強降雨天氣下地質危險區災害特征提取實驗。該地區的特征因子數據如表1所示。

表1 特征因子數據

圖2 研究區域位置Fig.2 Study area location

研究區域的位置如圖2所示。鹽池縣降雨量豐富，該地區屬中溫帶大陸性氣候，具有降雨豐富、蒸發強烈、晝夜溫差大等特征。該地區多年的平均氣溫為8.11 ℃，1月份最低平均氣溫為-7.82 ℃，7月份最高平均氣溫為21.95 ℃。多年平均降水量為310.35 mm，多年平均蒸發量為1 939.12 mm。其中7—8 月是全年降水量最多的時期。該地區的降水量(1996—2018 年)如圖3所示。

圖3 研究區域降水量Fig.3 Precipitation in the study area

3.1 災害特征提取

運用提出的災害特征提取方法對研究區域內持續強降雨作用下的災害特征進行提取。提取結果如圖4所示。

圖4 研究區域災害特征提取結果Fig.4 Research on regional disaster feature extraction results

根據圖4的災害特征提取結果，可以清晰地辨別出研究區域在持續強降雨作用下發生自然災害的區域，說明提出方法具有較高的災害特征提取有效性。

為了驗證本文提出的災害特征提取方法的權重計算準確率與提取精確度進行對比實驗。

3.2 權重計算準確率對比

計算特征因子權重是提取地質危險區災害特征的主要步驟，分別采用持續強降雨天氣下地質危險區災害特征提取方法和文獻[5]、文獻[6]方法進行測試，對比3種方法的權重計算結果準確率，測試結果如圖5所示。

圖5 3種方法的權重計算準確率Fig.5 Accuracy of weight calculation of three methods

分析圖5可知，在多次迭代中持續強降雨天氣下地質危險區災害特征提取方法的權重計算準確率均高于文獻[5]、文獻[6]方法的權重計算準確率。因為持續強降雨天氣下地質危險區災害特征提取方法優化AHP，通過改進的群組AHP賦權方法由個體差異系數和群體一致度系數計算特征因子對應的權重，提高了持續強降雨天氣下地質危險區災害特征提取方法的權重計算準確率。

3.3 特征提取精準度對比

將特征提取精準度作為衡量指標，通過特征提取精準度測試持續強降雨天氣下地質危險區災害特征提取方法、文獻[5]方法和文獻[6]方法的有效性，測試結果如圖6所示。

圖6 3種方法的特征提取精準度Fig.6 Feature extraction accuracy of the three methods

分析圖6可知，持續強降雨天氣下地質危險區災害特征提取方法的特征提取精準度均高于文獻[5]方法和文獻[6]方法的特征提取精準度，因為該方法可以準確地計算得到特征因子對應的權重，選取權重高的特征因子作為地質危險區災害的特征，提高了持續強降雨天氣下地質危險區災害特征提取方法的特征提取精準度。

4 結論

中國因持續強降雨引起的地質災害較多，會引起交通延誤、交通中斷和交通事故等問題，對人們的生命和財產安全造成了嚴重的威脅，通過提取地質危險區災害特征，可以減小損失程度。當前地質危險區災害特征提取方法存在特征提取精準度低的問題，提出持續強降雨天氣下地質危險區災害特征提取方法，通過確定特征因子的權重，實現地質危險區災害特征的提取，為危險區地質災害分析提供技術支持，降低因地質災害造成的影響。