邱丹丹，牛瑞卿，趙艷南，武雪玲

1.中國地質(zhì)大學(武漢)地球物理與空間信息學院,武漢 430074 2.武漢工程大學資源與土木工程學院，武漢 430073

?

斜坡單元支持下地震滑坡危險性區(qū)劃
----以蘆山地震為例

邱丹丹1，2，牛瑞卿1，趙艷南1，武雪玲1

1.中國地質(zhì)大學(武漢)地球物理與空間信息學院,武漢 430074 2.武漢工程大學資源與土木工程學院，武漢 430073

以地震滑坡作為研究對象，選取“4·20”蘆山地震中蘆山縣為研究區(qū)，結(jié)合多源數(shù)據(jù)，在相關(guān)分析后選取10個評價因子，分別是地面高程、坡度、坡向、斜坡形態(tài)、地層、斜坡結(jié)構(gòu)、斷層平均距離、水系平均距離、植被指數(shù)和地震峰值加速度，在數(shù)字高程模型基礎(chǔ)上采用集水區(qū)重疊法劃分斜坡單元，再對各評價因子重采樣，進而利用基于遺傳算法的神經(jīng)網(wǎng)絡(luò)算法構(gòu)建地震滑坡危險性評價模型，完成地震滑坡危險性區(qū)劃。將基于斜坡單元的危險性區(qū)劃結(jié)果和基于格網(wǎng)單元的區(qū)劃結(jié)果進行比較，結(jié)果顯示滑坡正確率分別為96.6%和92.6%，斜坡單元的正確率較高；同時通過多組數(shù)據(jù)的受試者工作特征曲線分析本評價模型的不確定性，每組曲線位置及曲線下面積大小相當。

地震滑坡；危險性區(qū)劃；評價因子；斜坡單元；四川蘆山

0 引言

地震滑坡是地震引起巖體或土體沿一個滑坡面滑移一定距離的現(xiàn)象。其在地震發(fā)生時及滯后一段時間都有可能發(fā)生。當發(fā)生強震時，由地震引發(fā)的滑坡崩塌造成的危害有時可能比地震本身還要嚴重，尤其在山區(qū)。我國處在世界兩大地震帶中間，屬于大陸地震多發(fā)的國家之一，因地震而導致的滑坡及水土流失也是最嚴重的地區(qū)之一。在我國，多震的西部地區(qū)是地震滑坡的主要發(fā)生地，而邊坡地震崩滑以川滇兩省為首[1-2]。

地震滑坡相關(guān)問題已得到國內(nèi)外學者的廣泛研究。其中，前人對地震滑坡的統(tǒng)計分析、分類、空間分布規(guī)律以及影響因素等方面獲得了重要的成果，并在地震滑坡的危險性分析上也取得了一定的進展[3-8]。盡管如此，地震滑坡的危險性區(qū)劃在評價單元及分析模型上仍需進一步完善。

筆者以“4·20”蘆山地震為例，選擇蘆山縣為研究區(qū)，從地形數(shù)據(jù)中提取斜坡作為評價單元，并構(gòu)建基于遺傳算法的神經(jīng)網(wǎng)絡(luò)的評價模型，完成蘆山縣地震滑坡危險性區(qū)劃圖，以期為蘆山縣地震災(zāi)后預警及評估提供決策支持，同時為地震滑坡危險性區(qū)劃研究提供新的技術(shù)手段。

1 研究區(qū)概況及數(shù)據(jù)源

發(fā)生于2013年4月20日的蘆山地震是繼2008年汶川地震后沿龍門山斷裂帶發(fā)生的又一起破壞性地震[9]。蘆山縣，隸屬于四川省雅安市，位于四川盆地西緣，位于102°52′E--103°11′E，30°01′N--30°49′N，面積達1 364.42 km2。該區(qū)域河谷深切，地形起伏大，海拔最低541 m，最高5 279 m。屬內(nèi)陸亞熱帶濕潤氣候，氣候溫和，雨量充沛。研究區(qū)的地層巖性主要有二疊系碳酸鹽巖和火山巖、石炭系的碳酸鹽巖、震旦系白云巖和石灰?guī)r。此次地震震中位于蘆山縣，是地震誘發(fā)滑坡的主要地區(qū)[10]。

筆者采用的數(shù)據(jù)源有：①1∶50 000數(shù)字化地形圖，用于生成30 m數(shù)字高程模型，并從中提取地形地貌、斜坡單元、水文特征等信息；②1∶250 000數(shù)字化地質(zhì)圖，從中提取地層巖性、斷層、斜坡結(jié)構(gòu)等信息；③2013年10月9日的Landsat ETM+衛(wèi)星遙感影像1景，軌道號為130/39，用于提取植被指數(shù)等信息；④地震參數(shù)中的地震峰值加速度(PGA)和加速度反應(yīng)譜峰值(PSA)，由美國聯(lián)邦地質(zhì)調(diào)查局USGS發(fā)布；⑤震后無人機航空影像數(shù)據(jù)(0.4 m和0.6 m分辨率)。通過遙感解譯和野外調(diào)查，最終提取了226個地震誘發(fā)滑坡，其中最大的面積為0.089 km2，最小的為0.000 1 km2，平均滑坡面積為0.005 km2(圖1)。所有數(shù)據(jù)轉(zhuǎn)化為格網(wǎng)形式，大小統(tǒng)一為30 m×30 m。

2 研究方法

2.1 評價因子選取

地震滑坡的發(fā)生受到多種因素的影響，前人[11-13]對此做了大量的研究。通過對已有成果的分析，將影響因素分為地形地貌因素、基礎(chǔ)地質(zhì)、水文因素、地表覆被因素和地震誘發(fā)因素5大類；根據(jù)已有的研究成果，提取地面高程、坡度、坡向、斜坡形態(tài)、地層、斜坡結(jié)構(gòu)、斷層平均距離(簡稱斷層)、水系平均距離(簡稱水系)、植被指數(shù)(NDVI)、PGA和PSA11個地震滑坡評價因子；為了確保評價因子之間的獨立性，應(yīng)用皮爾森(Pearson)積矩相關(guān)系數(shù)對11個評價因子進行相關(guān)分析并得出統(tǒng)計結(jié)果(表1)。其中，除PSA和PGA的相關(guān)系數(shù)為0.841外，其余因子的相關(guān)系數(shù)均小于0.500?？烧J為地震誘發(fā)因素的兩個因子(PGA和PSA)有較強的相關(guān)性，而其余因子的相關(guān)性較低?？紤]到PGA是地震分析的主要因素[12]，最后剔除PSA，將剩余10個因子作為地震滑坡的評價因子。

2.2 評價單元劃分

評價單元作為開展滑坡危險性分析的基本單位，其大小和邊界與評價結(jié)果有直接關(guān)系。在以往的研究中多采用格網(wǎng)單元，其缺點是切割了斜坡整體性；而筆者采用斜坡單元作為評價單元，可克服該缺點，其劃分方法為“集水區(qū)重疊法”。主要步驟有：先對正、反向數(shù)字高程數(shù)據(jù)進行無洼地填充，然后計算河流流向并生成累計流量圖，在此基礎(chǔ)上計算河流網(wǎng)絡(luò)；接著繪制集水區(qū)，通過正、反集水區(qū)重疊切割和人工修編得到斜坡單元劃分圖[14-16]。通過該劃分方法，將研究區(qū)劃分出24 164個斜坡單元。

圖1 研究區(qū)滑坡分布及樣例圖Fig.1 Landslide distribution and samples of the study area

Pearson相關(guān)性坡向高程NDVIPGAPSA水系坡度地層斷層斜坡結(jié)構(gòu)斜坡形態(tài)坡向1．000高程-0．0681．000NDVI0．2940．0621．000PGA0．002-0．5050．0441．000PSA0．001-0．491-0．0440．8411．000水系-0．0020．2970．0970．009-0．0301．000坡度0．0300．5020．158-0．320-0．3650．0921．000地層0．042-0．4380．1860．4880．4400．036-0．2401．000斷層0．014-0．324-0．1830．1560．139-0．104-0．2980．1051．000斜坡結(jié)構(gòu)-0．3050．081-0．026-0．046-0．031-0．0160．088-0．82-0．711．000斜坡形態(tài)-0．0830．029-0．050-0．015-0．0190．0110．034-0．003-0．0040．0551．000

2.3 評價模型構(gòu)建

構(gòu)建科學合理的評價模型是確定評價因子對地震滑坡的影響程度，從而挖掘出兩者之間關(guān)系的重要技術(shù)。筆者采用遺傳算法結(jié)合神經(jīng)網(wǎng)絡(luò)的方法構(gòu)建評價模型。遺傳算法(GA)是模仿生物進化思想得出的一種自適應(yīng)啟發(fā)式全局搜索算法，而神經(jīng)網(wǎng)絡(luò)適合處理規(guī)則不明確的復雜問題。將兩者結(jié)合，通過遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)權(quán)值，從而使神經(jīng)網(wǎng)絡(luò)在繼承了神經(jīng)網(wǎng)絡(luò)自身的廣泛映射能力的基礎(chǔ)上，具有自適應(yīng)、增強式學習的能力[17]，使之能更好地反映地震滑坡和評價因子之間的關(guān)系。具體步驟如下：

1)設(shè)置基本參數(shù)：BP神經(jīng)網(wǎng)絡(luò)輸入層、隱含層及輸出層的節(jié)點數(shù)目、種群規(guī)模、終止進化代數(shù)、交叉概率和變異概率。遺傳種群的個體是神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)權(quán)值，將其看成一個整體，編成浮點數(shù)編碼的染色體，初始種群隨機生成。

2)由適應(yīng)度函數(shù)計算種群中每個個體的適應(yīng)度值。

3)根據(jù)代溝值大小通過隨機遍歷采樣法選擇算子選擇出母體。對該母體分別按交叉概率和變異概率執(zhí)行交叉和變異，得到待選個體群。依據(jù)適應(yīng)值最小原則選擇出新一代種群。

4)如果新一代種群的個體的適應(yīng)度值滿足設(shè)定的閾值條件，或者達到了進化代數(shù)的最大值，則算法結(jié)束，否則迭代數(shù)+1轉(zhuǎn)到步驟2)。

5)根據(jù)搜索得到的最佳染色體還原到神經(jīng)網(wǎng)絡(luò)權(quán)值，建立評價模型。

3 地震滑坡危險性評價

3.1 評價因子數(shù)據(jù)處理

由于評價因子數(shù)據(jù)在數(shù)據(jù)類型、數(shù)值范圍及量綱上存在多處不同，在建模之前需對所有數(shù)據(jù)進行標準化處理。

首先，將數(shù)據(jù)進行分類。對于連續(xù)數(shù)據(jù)，容易分類的(如坡向)按照常規(guī)方法分類；更多的不易分類的(如高程、坡度、斷層、水系、NDVI、PGA等)則按自然斷點法離散化為排序數(shù)據(jù)。其中高程等參數(shù)采用整數(shù)，而NDVI取值是-1～1的小數(shù)，由美國USGS提供的PGA值是帶有兩位小數(shù)的小數(shù)值，為了保證精度要求，NDVI取三位小數(shù)，PGA取兩位小數(shù)(表2)。對于離散數(shù)據(jù)，可按照各自的規(guī)則進行分類。如根據(jù)巖層的特征將其分為7類(表3)，斜坡結(jié)構(gòu)類型根據(jù)斜坡坡度、坡向、下伏地層傾向、傾角這四者在空間上的相互關(guān)系及組合可劃分為：塊狀巖體、近水平層狀坡、順向坡、斜向坡、逆向坡、橫向坡6大類[15]，斜坡形態(tài)則可根據(jù)平面曲率與剖面曲率的組合分為9類：X/O，X/I，X/GR，V/O，V/I，V/GR，GE/O，GE/I，GE/GR。其中，/左側(cè)的X、V、GE分別表示凸形坡、凹形坡、直線坡，/右側(cè)的O、I、GR分別表示外向形坡、內(nèi)向型坡、直坡[18]。

表2 地震滑坡評價因子分類體系

注：巖層分類標準中的1--7對應(yīng)表3中的編號。

表3 巖層分類及描述

然后按照平均值法對數(shù)據(jù)進行歸一化，取值范圍為-1～1。

最后，將斜坡單元內(nèi)的評價因子數(shù)據(jù)按照統(tǒng)計的方法進行規(guī)整。對于連續(xù)型數(shù)據(jù)采取統(tǒng)計斜坡單元內(nèi)平均值的方式給斜坡單元賦值，如一個斜坡單元內(nèi)斷層的距離為整個單元內(nèi)所有格網(wǎng)的平均斷層距離。對于離散型數(shù)據(jù)則采取統(tǒng)計單元內(nèi)占比例最大的類型賦值，如一個斜坡單元內(nèi)的地層屬性是該單元內(nèi)占比例最大的地層類別。

3.2 樣本及參數(shù)設(shè)置

隨機選取70%的滑坡及與滑坡樣本數(shù)量相同的非滑坡區(qū)作為訓練樣本?；谶z傳算法的神經(jīng)網(wǎng)絡(luò)參數(shù)設(shè)置包括：BP神經(jīng)網(wǎng)絡(luò)輸入層、隱含層及輸出層的節(jié)點數(shù)目，激勵函數(shù)，種群規(guī)模，適應(yīng)度函數(shù)，終止進化代數(shù)，交叉概率和變異概率。其中：輸入層和輸出層是由本次評價對象決定的，評價因子有10個，所以BP網(wǎng)絡(luò)的輸入層為10，結(jié)果為滑坡的“發(fā)生”和“不發(fā)生”兩類，BP網(wǎng)絡(luò)的輸出層可用1個輸出節(jié)點表達；激勵函數(shù)選擇Sigmond函數(shù)；適應(yīng)度函數(shù)的公式為

(1)

終止進化代數(shù)為150；種群規(guī)模為60。

式(1)中：f(xi)為第i個訓練樣本的危險性指數(shù)值；yi為第i個訓練樣本的樣本值；n為訓練樣本大?。籪為適應(yīng)度函數(shù)值。

代溝、變異概率、交叉概率和隱含層節(jié)點數(shù)對算法性能將產(chǎn)生影響，通過試驗我們對這幾項數(shù)據(jù)進行了測試，原則是每組試驗中只改變一個參數(shù)的數(shù)值，其他參數(shù)保持不變。首先對代溝參數(shù)進行測試，選擇最好的參數(shù)后再進行其他參數(shù)測試；以此類推，得到正確率趨勢圖(圖2)。

圖2 不同參數(shù)的正確率趨勢圖Fig.2 Accuracy trend of different parameters

通過綜合比較滑坡正確率和總體正確率的實驗結(jié)果，發(fā)現(xiàn)當代溝、變異概率、交叉概率和隱含層節(jié)點數(shù)分別為1.9，0.09，0.7，20時總體正確率結(jié)果最好。因此選擇這些參數(shù)構(gòu)建本文的評價模型。

3.3 危險性評價分區(qū)

利用構(gòu)建的評價模型計算研究區(qū)內(nèi)每個斜坡單元的危險性指數(shù)，取值范圍為0～1，越接近1說明危險性越高。然后將數(shù)據(jù)導入到斜坡單元屬性中，并利用自然斷點法(劃分的危險性指數(shù)范圍見表4和表5)將危險性進行分區(qū)，得到蘆山地區(qū)地震滑坡的危險性分區(qū)圖(圖3a)。

4 結(jié)果分析

為了比較斜坡單元和格網(wǎng)單元區(qū)劃結(jié)果的準確性，筆者用同樣的評價模型對格網(wǎng)單元的數(shù)據(jù)(為了

控制數(shù)據(jù)量，格網(wǎng)大小為100 m×100 m)進行了試驗，其危險性分區(qū)圖見圖3b，而兩者的定量化統(tǒng)計結(jié)果則見表4和表5。從表4、5可知，格網(wǎng)單元的滑坡正確率為92.6%(包含極高危險區(qū)、高危險區(qū)和中危險區(qū))，斜坡單元的滑坡正確率為96.6%。因此斜坡單元的正確率比格網(wǎng)單元高。

同時，不確定性分析也是地震滑坡危險性分析的主要方面，是區(qū)劃結(jié)果可利用性的一個參考指標。為此，采用受試者工作特征曲線(ROC)來進行結(jié)果分析比較。ROC 曲線是根據(jù)一系列不同的二分類方式，以危險性指數(shù)為縱坐標，1-特異性(即錯分率)為橫坐標繪制的曲線。曲線越陡，則模型的準確性越高；同時ROC曲線下的面積越大也能說明模型的預測評價能力越強。本文的評價模型每次均隨機抽樣完成評價，通過對5次數(shù)據(jù)的結(jié)果進行分析，得到5次評價結(jié)果的ROC曲線圖(圖4)。從圖4可見，ROC曲線位置及曲線下面積大小相當，可說明本模型穩(wěn)定，結(jié)果可利用性較高。

a.斜坡單元; b.格網(wǎng)單元。圖3 地震滑坡危險性分區(qū)圖Fig.3 Risk zoning of earthquake-induced landslide

危險性分區(qū)危險性指數(shù)范圍分區(qū)面積/km2面積所占比例分區(qū)內(nèi)滑坡點個數(shù)滑坡所占比例滑坡密度/(個/km2)極低危險區(qū)0～0．18825443．959300．376360．000000．000000．00000低危險區(qū)0．18826～0．39152301．262070．2553929．000000．073790．09626中危險區(qū)0．39153～0．59398227．223010．1926287．000000．221370．38288高危險區(qū)0．59399～0．78887146．874720．12451121．000000．307890．82383極高危險區(qū)0．78888～1．0000060．297720．05112156．000000．396952．58716總計1179．616821．00000393．000001．00000

表5 基于斜坡單元的地震滑坡危險性分區(qū)統(tǒng)計結(jié)果

圖4 不同數(shù)據(jù)的危險性評價ROC曲線圖Fig.4 Risk forecast ROC figure of different data

5 結(jié)論

1)本文通過相關(guān)性分析，對地震滑坡的評價因子進行了選擇，結(jié)果表明地面高程、坡度、坡向、斜坡形態(tài)、地層、斜坡結(jié)構(gòu)、斷層平均距離、水系平均距離、植被指數(shù)、地震峰值加速度兩兩之間相關(guān)性較低，可用來進行危險性分析。

2)對評價模型的代溝、變異概率、交叉概率和隱含層節(jié)點數(shù)等參數(shù)進行了多組測試，最終選擇了適合評價模型的參數(shù)。

3)根據(jù)評價模型計算地震滑坡危險性指數(shù)并生成危險性分區(qū)圖。通過對基于斜坡單元和格網(wǎng)單元的區(qū)劃結(jié)果比較，以及基于斜坡單元的多組隨機抽樣結(jié)果的ROC曲線圖分析，發(fā)現(xiàn)斜坡單元支持下基于遺傳算法的神經(jīng)網(wǎng)絡(luò)地震滑坡危險性評價模型具有準確性高、性能穩(wěn)定、數(shù)據(jù)量小的優(yōu)勢，其結(jié)果可為地震災(zāi)后預警及評估提供參考依據(jù)。

[1] 李樹德，任秀生，岳升陽，等. 地震滑坡研究[J]. 水土保持研究，2001,8(2): 24-25. Li Shude, Ren Xiusheng, Yue Shengyang, et al. Study of Earthquake-Landslide[J]. Research of Soil and Water Conservation, 2001,8(2): 24-25.

[2] 李忠生. 國內(nèi)外地震滑坡災(zāi)害研究綜述[J]. 災(zāi)害學, 2003,18(4): 65-71. Li Zhongsheng. The State of the Art of the Research on Seismic Landslide Hazard at Home and Abroad[J]. Journal of Catastrophology, 2003,18(4): 65-71.

[3] 喬建平, 蒲曉虹, 王萌，等. 大地震誘發(fā)滑坡的分布特點及危險性區(qū)劃研究[J]. 災(zāi)害學, 2009,24(2): 25-29. Qiao Jianping, Pu Xiaohong, Wang Meng, et al. A Study on Characteristics of Distribution of Earthquake-Induced Landslides and Hazard Zoning[J]. Journal of Catastrophology, 2009,24(2): 25-29.

[4] 徐桂弘. 地震誘發(fā)滑坡的危險性分析與預測[J]. 內(nèi)陸地震, 2008,22(2): 188-192. Xu Guihong. Analysis and Prediction of Danger of Landslide Caused Earthquakes[J]. Inland Earthquake, 2008,22(2): 188-192.

[5] 許沖, 戴福初, 姚鑫，等. 基于GIS與確定性系數(shù)分析方法的汶川地震滑坡易發(fā)性評價[J]. 工程地質(zhì)學報, 2010,18(1): 15-26. Xu Chong, Dai Fuchu, Yao Xin, et al. GIS Platform and Certainty Factor Analysis Method Based Wenchuan Earthquake-Induced Landslide Susceptibility Evaluation[J]. Journal of Engineering Geology, 2010,18(1): 15-26.

[6] 陳曉利, 葉洪, 程菊紅. GIS技術(shù)在區(qū)域地震滑坡危險性預測中的應(yīng)用:以龍陵地震滑坡為例[J]. 工程地質(zhì)學報, 2006,14(3): 333-338. Chen Xiaoli, Ye Hong, Cheng Juhong. Use of GIS in Regional Risk Assessment of Earthquake Induced Landslides:A Case Study of Earthquake Induced Landslides in Longling in 1976[J]. Journal of Engineering Geology, 2006,14(3): 333-338.

[7] 許沖, 戴福初, 姚鑫，等. GIS支持下基于層次分析法的汶川地震區(qū)滑坡易發(fā)性評價[J]. 巖石力學與工程學報, 2009,28(增刊2): 3978-3985. Xu Chong, Dai Fuchu,Yao Xin, et al. GIS-Based Landslide Susceptibility Assessment Using Analytical Hierarchy Process in Wenchuan Earthquake Region[J]. Chinese Journal of Rock Mechanics and Engineering, 2009,28(Sup.2): 3978-3985.

[8] Keefer D K. Investigating Landslides Caused by Ear-thquakes: A Historical Review[J]. Surveys in Geophysics, 2002, 23(6): 473-510.

[9] 孟憲綱, 薄萬舉, 劉志廣,等. 蘆山7.0級地震與巴顏喀拉塊體中東段的活動性[J]. 吉林大學學報:地球科學版，2014,44(5):1705-1711. Meng Xiangang, Bo Wanju, Liu Zhiguang, et al. Activity in the Middle East of Bayan Har Block with LushanMs7.0 Earthquake[J]. Journal of Jilin University:Earth Science Edition,2014,44(5): 1705-1711.

[10] 常鳴, 唐川, 李為樂，等.“4·20”蘆山地震地質(zhì)災(zāi)害遙感快速解譯與空間分析[J]. 成都理工大學學報：自然科學版, 2013,40(3): 275-281. Chang Ming, Tang Chuan, Li Weile, et al. Image Interpretation and Spatial Analysis of Geohazards Induced by “4·20”Lushan Earthquake in Epicenter Area[J]. Journal of Chengdu University of Technology: Science & Technology Edition, 2013,40(3): 275-281.

[11] 陳曉利, 冉洪流, 祁生文. 1976年龍陵地震誘發(fā)滑坡的影響因子敏感性分析[J]. 北京大學學報：自然科學版, 2009,45(1): 104-110. Chen Xiaoli, Ran Hongliu, Qi Shengwen. Triggering Factors Susceptibility of Earthquake-Induced Landslides in 1976 Longling Earthquake[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2009,45(1): 104-110.

[12] 王秀英, 聶高眾, 馬牧軍. 地震滑坡災(zāi)害評估中地震影響因素的聯(lián)合應(yīng)用[J]. 地震學報, 2012,34(1): 76-84. Wang Xiuying, Nie Gaozhong, Ma Mujun. Application of Multiple Ground Motion Factors in Earthquake-Induced Landslide Hazard Evaluation[J]. Acta Seismologica Sinica, 2012,34(1): 76-84.

[13] 侯景瑞, 袁中夏. 汶川地震滑坡與影響因素[J]. 西北地震學報, 2011,33(增刊1): 398-402. Hou Jingrui, Yuan Zhongxia. Influence Factors of the Landslides Caused by Wenchuan Earthquake[J]. Northwestern Seismological Journal, 2011,33(Sup.1): 398-402.

[14] 彭令. 三峽庫區(qū)滑坡災(zāi)害風險評估研究[D]. 武漢：中國地質(zhì)大學, 2013. Peng Ling. Landslide Risk Sssessment in the Three Gorges Reservoir[D]. Wuhan:China University of Geosciences,2013.

[15] 丁輝. 基于遙感技術(shù)滑坡災(zāi)害區(qū)劃研究[D]. 西安：長安大學, 2011. Ding Hui. Study on Landslides Geo-Hazard Zoning[D].Xi’an: Chang’an University, 2011.

[16] 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, 2013,38(12): 1499-1503. Wu Xueling, Ren Fu, Niu Ruiqing, et al. Landslide Spatial Prediction Based on Slope Units and Suppert Vector Machines[J]. Geomatics and Information Science of Wuhan University, 2013,38(12): 1499-1503.

[17] 田旭光, 宋彤, 劉宇新. 結(jié)合遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)[J]. 計算機應(yīng)用與軟件, 2004,21(6): 69-71. Tian Xuguang, Song Tong ,Liu Yuxin. Optimizing the Structure and Parameters of BP Neural Network Based on Genetic Algorithm[J]. Computer Applications and Software, 2004,21(6): 69-71.

[18] 李景富, 牛瑞卿. 基于GIS的斜坡結(jié)構(gòu)圖自動化制圖方法研究[J]. 人民長江, 2009,40(19): 38-40. Li Jingfu, Niu Ruiqing. Automated Mapping Method of Slope Structure Image Based on GIS[J].Yangtze River, 2009,40(19): 38-40.

Risk Zoning of Earthquake-Induced Landslides Based on Slope Units: A Case Study on Lushan Earthquake

Qiu Dandan1,2, Niu Ruiqing1,ZhaoYannan1,Wu Xueling1

1.InstituteofGeophysicsandGeomatics,ChinaUniversityofGeosciences,Wuhan430074,China2.SchoolofResourceandcivilengineering,WuhanInstituteofTechnology,Wuhan430073,China

Earthquake-induced landslide could cause serious damage, which could be even worse than the quake itself especial in a mountain area. We select Lushan as the research area where Lushan earthquake occurred on April 20, 2013. This earthquake caused massive landslides that resulted in a tragic loss of life and economy. Combining multi-source data, we select 10 evaluation factors after Pearson correlation analysis, including elevation, slope, aspect, shape, curvature classification, vegetation index, distance from drainages, slope structure, lithology, and distance from faults. Based on the digital elevation model, we use watershed overlay method to plot slope units, and resample the evaluation factors. After multi-group test, we get the appropriate parameter value of the neural network optimized by Genetic Algorithm model. The risk zoning of earthquake induced landslides is then calculated by using neural network optimized by Genetic Algorithm. The same risk zoning model is used to slope units and grid units. The accuracy rate of slope units is 96.6%; while the accuracy rate of grid units is 92.6%. In comparison with the grid units, the slope units are more accurate. Further, we analyze the uncertainty in this evaluation model by using multi-data receiver operating characteristic curve(ROC). Each curve has the equal position; and the areas under the line are almost the same. The result indicates that the proposed method has the advantages of high accuracy, stable performance, and small amount of data to process. It can be used for early warning and assessment of earthquake.

earthquake-induced landslide; risk zoning; evaluation factors; slope units; Lushan, Sichuan

10.13278/j.cnki.jjuese.201505201.

2014-09-02

國家“863”計劃項目(2012AA121303)

邱丹丹(1981--)，女，博士研究生，講師，主要從事遙感與地質(zhì)災(zāi)害交叉方向的研究，E-mail:dada_qdd@163.com

牛瑞卿(1969--)，男，教授，博士，主要從事遙感、工程地質(zhì)領(lǐng)域的研究，E-mail:rqniu@163.com。

10.13278/j.cnki.jjuese.201505201

P642.22

A

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.吉林大學學報:地球科學版,2015,45(5):1470-1478.

Qiu Dandan,Niu Ruiqing,ZhaoYannan，et al.Risk Zoning of Earthquake-Induced Landslides Based on Slope Units:A Case Study on Lushan Earthquake.Journal of Jilin University:Earth Science Edition,2015,45(5):1470-1478.doi:10.13278/j.cnki.jjuese.201505201.