您好, 访客   登录/注册

滑坡、泥石流地质灾害评价方法国内外研究进展综述

来源:用户上传      作者:

  [摘要]本文通过查阅资料、结合工作经历等对国内外滑坡、泥石流地质灾害评价方法进行了分析归纳,具有较强的使用价值和指导意义。
  [关键词]滑坡 泥石流 地质灾害评价方法 综述
  [中图分类号] P694 [文献码] B [文章编号] 1000-405X(2014)-6-37-1
  1滑坡、泥石流地质灾害评价方法国外研究进展
  在国外,滑坡、泥石流地质灾害评价方法大致可分为:启发式的方法、确定性的方法、统计分析的方法和人工智能的方法。
  启发式的方法又被称作专家评价方法(Leroi,1996),―般是由地貌专家来决定一个区域(或地形单元)发生灾害的类型和灾害的危险度。这种评价方法一般主要靠专家个人的经验和知识,主观性比较强(Aleotti and Chowdhury,1999),这种评价方法在20世纪70到90年代得到了广泛的应用。启发式评价方法又可分为野外地形调查分析法和综合因素分析法。野外地形调查分析法主要由灾害评价专家直接通过地形和其它相关因素分析来确定一个地形单元的灾害危险性。综合因素分析法是利用GIS软件把多个评价指标图层采用加权叠加的方式叠加在一起,然后由专家进行综合分析,权重的设置主要靠专家的经验和知识,因此又被称作专家打分法。启发式方法的优点是简单,可以根据每个区域的条件分别对灾害情况进行评价(Jose etal,2000)。缺点是在数据和评价规则的选择上具有很大的主观性,导致不同专家评价出的结果不具有可比性,且野外试验和调查成本比较高且很费时。
  确定性的评价方法主要基于滑坡、泥石流地质灾害物理模型进行灾害评价(Carraraet al.,1995; Guzzetti et al.,1999;Soeters and van Westen,1996)。此评价方法可以提供比较详细的评价结果信息。在提供详细的降雨、地形、地质、水文等的边界条件下,模型可以计算出滑坡、泥石流地质灾害的绝对安全系数或发生灾害的概率。但是,物理模型需要详细完整的地质、地形、气象和水文数据资料,并且当数据不完整时,可能导致模型过分单纯化。
  统计分析的方法主要包括二元统计分析和多元统计分析。统计分析的方法比较适合于中尺度上的灾害评价(Guzzetti et al.,2006;Jose et al.,2000)。(Baeza and Corominas,2001)把多元统计分析的方法用于滑坡地质灾害脆弱性评价。Ayalew andYamagishi(2005)把逻辑回归的分析方法应用于滑坡脆弱性评价中。Guzzetti et al.(2005b)把概率模型应用于流域尺度的滑坡地质灾害评价中。Alberto andDomenico(2002)利用概率模型来表达滑坡地质灾害评价中的不确定性,此方法在地震诱发的滑坡地质灾害评价中取得了不错的效果。统计分析方法可以根据过去滑坡、泥石流地质灾害发生的分布信息和主要的环境条件信息,较精确地评价滑坡地质灾害发生的地点。但是统计分析的方法需要大量完整、可靠的灾害发生的历史数据和相关的环境条件调查数据来生产可靠的结果。滑坡、泥石流地质灾害受多种因素的影响,如地形、地质、水文条件等,在实际操作中获取大量完整、可靠的数据往往也是不现实的。因为不同类型滑坡、泥石流地质灾害的影响因素不同,所以对不同的滑坡、泥石流地质灾害类型要单独分析,单独建立统计模型,且不能很好的处理评价目标和评价指标之间的非线性问题。
  随着地理信息科学、数据挖掘和人工智能等技术的发展,很多新的技术开始应用于灾害评价中(Jiang and Eastman,2000;Li L and Wang,2005)。近年来,很多人工智能的模型结合GIS技术在不同尺度的灾害评价中己得到了成功的应用,如:人工神经网络(Gomez and Kavzoglu,2005;Liu et al.,2005)、支持向量机(Yao et al.,2008)、决策支持系统(Saito et al.,2009;Wan,2009)等模型和方法。这些新技术应用于滑坡、泥石流地质灾害评价最大的问题是不能很好的处理灾害评价过程中的不确定性问题,并且这些评价方法不能很好的利用先验知识。
  2滑坡、泥石流地质灾害评价方法国内研究进展
  我国是一个滑坡地质灾害多发的国家,其中多是降雨诱发的滑坡地质灾害,因此,我国对滑坡地质灾害的研宄起步比较早。二十世纪80年代以前,对滑坡地质灾害的研究主要是针对灾害分布规律、形成机理、趋势预测等方面。80年代以后,滑坡地质灾害研究开始突破传统的研究模式,研究水平得到不断提高,研究内容也日益丰富。新的技术和方法开始应用与滑坡地质灾害评价中,如遥感、GIS等。
  在多因素综合评判研究的过程中,研究人员结合非线性动力学理论,建立了多种数学模型,期望在实际应用中取得良好的评价效果。国内专家也提出了多种区域滑坡地质灾害评价方法,如乔建平(1997)的多因素量化叠加法、殷坤龙和晏同珍的统计学方法、聚类分析法以及黄润秋的逻辑信息法等。这些方法经过实践证明具有一定的实用性和可靠性,但其评价精度都不高,究其原因主要是因为滑坡系统是一个非线性的复杂系统,通过线性的方法进行滑坡区划的精度很难得到提高。因此滑坡研究人员致力于将非线性科学引进滑坡地质灾害评价方法研究中。目前应用于滑坡地质灾害危险性评价研究中的非线性模型和方法主要有:多元回归法、聚类分析法、模糊综合评判法、神经网络模型、区域滑坡信息量预测法。
  我国对泥石流地质灾害的研究经历了从单沟到区域泥石流危险性评价的发展历程。国内泥石流灾害危险性评价方法主要分为:定性的评价方法、定量的评价方法和基于人工智能的评价方法。谭炳炎(1986)提出了泥石流严重程度的综合评判方法,此方法主要是从定性角度对泥石流的危险性做出判别。随着各种数学理论的发展成熟,许多泥石流地质灾害研究工作者开始运用数学模型的方法来解决泥石流危险性评价的问题,其中比较有代表性的数学模型有模糊数学、灰色关联分析等。匡乐红等(2006)针对泥石流危险度区划指标选取方法的不足,基于粗糙集原理,提出了一种新的区划指标选取方法,即首先根据泥石流形成的环境背景条件,建立备选指标体系,然后根据指标等级对备选指标离散化处理,最后利用粗糙集的分辨矩阵对指标进行求核约简,筛选出代表性指标。王晓朋等(2006)提出了基于流域系统地貌信息熵的泥石流危险性定量评价方法。高士平等(2007)采用3S技术对河北省泥石流地质灾害预测模型进行了研究,为提高泥石流地质灾害预测以及防灾减灾提供了技术支撑和新的研究思路。原立峰(2008)运用支持向量机理论,以云南省37条泥石流沟的259个基础数据为样本进行学习训练和测试,建立泥石流危险度评价的支持向量机模型,通过实例验证,取得了良好的评价效果。张峰等(2009)将GIS技术和神经网络集成应用于泥石流危险性评价中,充分发挥了 GIS强大的空间信息可视化管理和分析功能以及神经网络的非线性描述和分析功能。
  参考文献
  [1]Ayalew,L.,Yamagishi,H..The application of GIS-based logistic regression for landslide susceptibilitymapping in the Kakuda-Yahiko Mountains,Central Japan.Geomorphology,2005,65(2).
  [2]高士平,杜丽娟,王瑞君.基于3S技术的河北省泥石流灾害预测模型研宄[J].地理与地理信息科学,2007,23(4).
转载注明来源:https://www.xzbu.com/1/view-12691670.htm