楊小鳳, 朱 軍,,曹云剛,龔 競,曹振宇,尹靈芝
(1.西南交通大學地球科學與環(huán)境工程學院,四川 成都 611756; 2.西南交通大學高速鐵路運營安全空間信息技術國家地方聯(lián)合工程實驗室,四川 成都 610031; 3.四川省應急測繪與防災減災工程技術研究中心,四川 成都 610041)
基于不同方法的泥石流危險性評價對比分析
——以四川汶川七盤溝泥石流為例
楊小鳳1,2, 朱 軍1,2,3,曹云剛1,2,龔 競3,曹振宇3,尹靈芝1,2
(1.西南交通大學地球科學與環(huán)境工程學院,四川 成都 611756; 2.西南交通大學高速鐵路運營安全空間信息技術國家地方聯(lián)合工程實驗室,四川 成都 610031; 3.四川省應急測繪與防災減災工程技術研究中心,四川 成都 610041)
以汶川縣七盤溝泥石流為研究對象,綜合災害環(huán)境選擇危險性評價指標,以流域劃分評價單元,基于熵值法、層次分析法和灰色關聯(lián)法三種賦權方法,并采用危險性多因子評價模型,設計了基于上述三種方法的危險評價流程,開展了危險評價與有效性分析試驗。研究結果得到研究區(qū)泥石流危險性級別,從危險分區(qū)與泥石流淹沒范圍以及單位面積內滑坡面積比重可得,熵值法和層次分析法的評價結果中單位滑坡面積隨著危險級別的提高而增大,其中熵值法的評價結果精度較高,層次分析法計算結果與其他方法差異較大,灰色關聯(lián)法沒有達到良好的梯度。實驗結果表明該實驗方法能有效進行七盤溝泥石流危險評價,可為泥石流災害環(huán)境的危險評估和應急預警提供合理和有效的參考依據(jù)。
熵值法;層次分析法;灰色關聯(lián)法;七盤溝泥石流;危險性評價
近年來我國泥石流災害頻發(fā),其中西南地區(qū)尤為嚴重。據(jù)統(tǒng)計2001~2008年,我國發(fā)生泥石流共253 679起,直接經(jīng)濟損失高達312.8×108元[1]。因此對泥石流進行危險性研究對于災害防治具有重要意義。七盤溝自然災害頻發(fā),據(jù)統(tǒng)計大約發(fā)生泥石流10次[2],其中2013年受暴雨影響引發(fā)重大泥石流。泥石流危險性評價[3]是指對導致泥石流發(fā)生的內外部因素及自身特性進行定量或半定量分析,通過評價模型劃分泥石流危害等級,并評估危害程度的過程。
目前,針對泥石流危險評價的方法有很多,根據(jù)模型權重確定情況,評價方法可劃分為固定性和半固定性兩種。其中,前者主要包括劉希林模型等[4-6]。該方法評價因子及權重固定,有些因子獲取困難且權重取值為人為設定不能更加客觀真實地反應不同區(qū)域的危險情況。后者主要包括粗糙集理論[7]、模糊神經(jīng)網(wǎng)絡技術[8]、灰色關聯(lián)分析法[9]、層次分析法[10]、支持向量機[11]、故障樹分析法[12]、熵值法[13]等。該類方法評價因子可根據(jù)研究區(qū)域具體情況結合專家經(jīng)驗進行選取,權重取值依靠數(shù)據(jù)計算,可有效排除主觀判斷影響,評價結果更貼合實際,應用更加廣泛。然而,半固定性方法在以流域劃分為評價單元的的單溝泥石流危險評價研究中,大多依靠單一方法,評價結果單一缺少比較,且分區(qū)結果缺乏驗證。
本文以汶川縣七盤溝泥石流為研究對象,以流域劃分評價單元,結合多因子綜合評價模型,設計基于熵值法、層次分析法及灰色關聯(lián)法三種賦權方法的泥石流危險評估分析流程,利用該三種方法確定研究區(qū)各影響因子權重,在此基礎上對七盤溝泥石流進行危險性評價分區(qū)及分析試驗,并以各危險分區(qū)內單位滑坡面積進行驗證。
七盤溝位于汶川威州,距離縣城西南方約7 km,為岷江左岸的一條分支,主溝實際總長約為15.2 km。流域面積約為52.5 km2,海拔約為1.309 km 至4.35 km,地形起伏較大。氣候干燥,降雨大多集中在每年的5至9月份,但局部會出現(xiàn)暴雨或特大暴雨現(xiàn)象,此次泥石流就是在7月份遭受到特大暴雨所致,導致90%左右房屋遭到破壞。七盤溝松散物質儲量豐富,平緩地帶有大量黃土堆積,堆積厚度在幾米到幾十米不等,植被覆蓋高達90%,溝谷被大量植物殘體覆蓋,巖體主要以白云巖、閃長巖和花崗巖為主,受侵蝕和地震影響松動巖層轉變成顆粒狀堆積物,這些都造成了溝內松散物質儲量大大增加(圖1)。
圖1 研究區(qū)域位置Fig.1 The study area location
2.1 評價單元劃分
Guzzeti[14]將評價單元劃分為柵格、地貌、流域、地形以及均一條件單元等5種。而柵格單元在此類研究中應用最為廣泛,是將整個區(qū)域劃分成細小正方形網(wǎng)格,能夠記錄因子的細微變化,結果較為精確,但是不能保留整體區(qū)域內各小區(qū)域變化。地貌單元是不規(guī)則單元,可以較好的體現(xiàn)小區(qū)域地貌特征,但是沒有很好保留泥石流發(fā)生的流域面積差異情況。地形單元通常表示面積大,地形一致的區(qū)域。均一條件單元是評定條件相對均一的地塊劃為一個單元,但缺少環(huán)境和溝谷之間的聯(lián)系。綜合考慮泥石流發(fā)生區(qū)域的環(huán)境條件與流域面積差異,保留泥石流溝與孕育環(huán)境之間聯(lián)系,更加準確的體現(xiàn)災害發(fā)生的真實情況,本文選擇以流域單元作為評價單元。
2.2 評價因子提取
泥石流發(fā)生影響因子眾多,可分為內部和外部因素,其中內部因素包括流域面積、坡度、坡降等,外部因素包括降雨等。泥石流的危險性主要表現(xiàn)為它的破壞能力,泥石流危險性分區(qū)指標選取的是否合理將直接影響分區(qū)結果的準確性。根據(jù)單溝地質地貌特點,流域面積較小,整體降雨情況相差不大,因此沒有選擇降雨因素。本文選取影響因素見表1。其中流域面積、主溝長度、最大相對高差、地質巖性以及土地利用變化可通過遙感解譯獲取,主縱坡降為最大相對高差與流域單元首尾兩端直線長度比值,平均坡度為依據(jù)DEM得到的坡度數(shù)據(jù)平均值。
表1 泥石流危險度評價因子
2.3 評價方法
(1) 熵值法
根據(jù)熵值法賦權可以評判某一指標的離散度,進而得到對整體評價的重要性。熵值法基本思路如下:首先假設有n個樣本m個指標,每個樣本相對于某一指標取值可得到一個樣本矩陣,并對其進行標準化處理,得到矩陣X見公式1:
(1)
式中:xij——樣本i相對于指標j的標準化取值。然后計算熵值,見公式2:
(2)
式中:ej——指標j的熵值;k——常數(shù)k=1/lnn;yij——j指標下i樣本的比重。
最后計算各指標權重,見公式3。
(3)
式中:ωj——指標j的權重。
(2) 層次分析法
層次分析法(AHP)是將與決策有關信息進行多層次分析,并進行定性和定量分析決策的一種方法。層次分析法基本思路如下:首先將實際問題劃分為三個結構層次:目標層、準則層和方案層;然后決策者依據(jù)判斷矩陣標度將各層指標兩兩比較構建判斷矩陣A=(aij)n×n(表2),是災害評判領域中較為常用的一種方法。
表2 判斷矩陣標度
接著求取判斷矩陣特征向量與其最大值,用于判斷矩陣的不一致程度,一致性指標公式如公式(4)所示:
(4)
式中:CI——一致性指標;λmax——判斷矩陣最大特征值。
隨機一致性比率見公式(5):
(5)式中:CR——隨機一致性比率;n——判斷矩陣階數(shù);RI——平均隨機一致性指標(表3)。
當CR<0.1時,說明判斷矩陣具有良好的一致性,否則重新判斷。
最后利用公式(6)獲得各因子權重。
表3 平均隨機一致性指標
(6)
(3) 灰色關聯(lián)法
灰色關聯(lián)法是根據(jù)因子間變化的相似性判定各因子之間關聯(lián)程度的一種方法?;疑P聯(lián)法主要思路為:首先將評價因子組成的數(shù)列Xi均值化之后計算絕對差,進而得到關聯(lián)系數(shù),見公式(7)。
(7)
式中:εij——關聯(lián)系數(shù),Xi(k),Xj(k)分別為比較序列和參考序列,Δmin,Δmax分別為序列絕對差的最小值和最大值,ρ為分辨系數(shù),一般取值為0.5。
然后通過公式(8)計各因子之間的關聯(lián)度。
(8)
最后重復以上步驟,依次交換參考序列,得到關聯(lián)矩陣R=(rij)n×m,因子權重計算公式為公式(9)所示:
(9)
(4) 評價模型
首先將每個單元因子取值分級量化,然后通過泥石流危險性多因子綜合評價模型公式如公式(10)所示,計算每個單元泥石流危險度并保存到屬性表中。
(10)
式中:H——泥石流危險度;ωi——因子權重;Xi——每單元各因子指標賦值;n——因子個數(shù)。
3.1 評價單元劃分
本文為確保研究區(qū)域溝谷與其他影響因素之間的聯(lián)系,參照文獻[13]以更能表現(xiàn)地形特性的流域單元進行劃分,劃分方法如下:首先利用ArcGIS裁剪出研究區(qū)DEM數(shù)據(jù)見圖2;然后順著低洼區(qū)進行矢量化得到區(qū)域水流分布網(wǎng)并與主溝交匯,最后利用水網(wǎng)將整個流域劃分成不同單元見圖3,整體劃分為45個評價單元,各單元滑坡分布情況見圖4。
3.2 評價因子計算
通過資料查找與遙感影像解譯獲取每個單元內相應的評價因子實際取值,具體數(shù)值見表4,并依據(jù)表5進行轉換。
圖2 研究區(qū)域DEMFig.2 The DEM of study area
圖3 研究區(qū)域劃分單元Fig.3 The units of gully
圖4 泥石流及滑坡分布Fig.4 The distribute of debris flow and landslide
流域單元流域面積/km2主溝長度/km相對高差/km主縱坡降/%平均坡度/(°)土地利用類型巖性115122946321200903632411212481881128806853805412306261224095407793596312431082799322511523406811553103474363710473202011633973292396112033339311703940728070309654115412811742261150606663531611928342965425114343425011100209085805830680335421211005402850207072632321131201500473051010794276212130130064405930921402871214047207550779103239048121524382482433617473050011160277039007131830381901217074915190704046325071111811621915434722702251911191440181542132321220221120012105650491086935311122118642856427914982905211220228060006451074324841223219532354169128935067112401710519044608593202212250857164109920604328411126306328824012139234997112709361668096305773265812284984341135221033346241129046911650676058032952123013591959320316353676311311620213831611478376921132076116232817173537275113302450753064408563902012340467100709790972397651135016708590842098043271123605751244256720643851311370312092805470589340702338007503730248066431268233906881353074405503081334400437108719671809281743441070205591739311217785234205670402167741772387934431492094222642403317494444084019212909151438726424500850454054311954721112
表5 泥石流危險因子實際值轉換[13,15]
獲得評價因子轉換數(shù)據(jù)矩陣之后,需要計算各因子權重,不同賦權方法計算結果如下:
(1)熵值法
熵值法可以直接利用評價因子轉換數(shù)據(jù)矩陣通過熵值法公式處理過程得到各因子權重為:
(2)層次分析法
參照各因子實測數(shù)據(jù)和判斷矩陣標度,完成判斷矩陣構建(表6)。
表6 因子權重判斷矩陣
上述矩陣最大特征值為7.399,一致性指標CI(式4)取值為0.067,平均隨機一致性指標RI通過表2知道為1.36,一致性比例CR(式5)為0.049小于0.1,說明上述判斷矩陣滿足要求。因此因子權重經(jīng)由公式(6)計算為:
(3)灰度關聯(lián)法
灰度關聯(lián)法與熵值法相似,直接依據(jù)評價因子轉換數(shù)據(jù)矩陣計算經(jīng)由灰度關聯(lián)法公式處理獲得各因子權重為:
3.3 泥石流危險性評價
依據(jù)獲取的評價因子轉換數(shù)據(jù)矩陣以及上述不同方法計算獲取的因子權重代入公式(10),計算得到各評價單元內相應的危險度大小。利用ArcGIS軟件將不同方法計算各評價單元危險度數(shù)據(jù)輸入到屬性表中,并進行危險性評定,本文泥石流危險性分區(qū)是依據(jù)熵值法方法下自然斷點法,對各單元評定結果進行分區(qū),級別見表7,分區(qū)結果見圖5。
表7 泥石流危險性等級劃分標準
圖5 三種方法獲得七盤溝泥石流危險性分區(qū)圖(左圖為熵值法評價結果,中圖為層次分析法評價結果,右圖為灰色關聯(lián)法評價結果)Fig.5 Three methods for Qipangou debris flow risk zoning map(The results of entropy method, AHP, grey relational analysis)
3.4 評價結果驗證
為了驗證評價結果合理性,本文將強降雨引發(fā)泥石流和滑坡數(shù)據(jù)與危險分級結果對比分析。首先提取泥石流和滑坡發(fā)生點,計算各個評價單元的滑坡面積比例并進行分級,結果見圖6。然后分別統(tǒng)計了三種評價方法不同危險分區(qū)內滑坡點數(shù)、所占的面積以及單位面積內滑坡面積比重,結果見表8,比重分區(qū)見圖7。
結果顯示,從整體上看,三種方法對于極高危險區(qū)的評價都比較一致,但是層次分析法總體評價的危險性較低,而熵值法的評價結果與實際的滑坡分布密度最為一致,且熵值法中單位面積內滑坡面積隨著危險級別的提高而增大,且滑坡比圖和危險分級圖一致性較高。同時三種方法分別得到86.7%、71.1%以及81.25%的滑坡點位于中度及以上危險范圍,符合研究區(qū)內的滑坡實際情況。因此,驗證方法能夠很好地驗證評價結果的準確性,該研究方法也能較好的適用于此研究中。
圖6 各評價單元內滑坡面積比Fig.6 Landslide area ratio of each evaluation unit
評價方法評價等級面積/km2滑坡數(shù)滑坡面積/km2單位面積內滑坡面積極低328335011810036低66755120263400395熵值法中168687251267600751高211098702349901113極高40247161022602541極低3525450118100335低2174093213016005987層次分析法中220454722479101125高0625730100301603極高40247161022602541極低62872120408300649低66755120263400395灰色關聯(lián)法中172623271313200761高177125612014101137極高40247161022702541
通過上述結果分析得到結論如下:
(1)采用多因子綜合評價模型,依據(jù)特定環(huán)境選擇評價因子并計算取值,有效排除主觀判斷影響,模型因子權重計算即選擇客觀賦權的熵值法和灰色關聯(lián)法也選擇主觀賦權的層次分析法,通過多種方法比較,可以在滿足客觀分析的同時也考慮的主觀意愿,在體現(xiàn)各自優(yōu)點的同時也可以分析不足,使得評價結果更貼合實際,提升可靠性。
(2)依據(jù)危險分區(qū)與單位滑坡面積分級圖等結果來看,熵值法危險分區(qū)差異明顯,很好的體現(xiàn)了滑坡分布情況,有較好的評價結果;層次分析法中雖然二者分級結果一致,但危險分區(qū)結果與其他方法差異較大;灰色關聯(lián)法沒有達到良好的梯度,其中極低危險區(qū)中單位面積內的滑坡面積比重高于低危險區(qū)的。同時依據(jù)歷史滑坡數(shù)據(jù)與各評價單元內滑坡面積比圖來看,熵值法和實際的滑坡密度比較接近,且與單位面積內滑坡面積比重分級更為一致。以熵值法為基準得到極低危險度占6.318 7%,低危險度占12.846 9%,中危險度占32.463 5%,高危險度占40.625 5%,極高危險度占7.745 4%。
圖7 三種方法獲得單位面積內滑坡面積比重分級(左圖為熵值法結果,中圖為層次分析法結果,右圖為灰色關聯(lián)法結果)Fig.7 Three ways to get the proportion of landslide area in unit area(The results of entropy method, AHP, grey relational analysis)
(3)在針對七盤溝泥石流危險評價過程中,熵值法權重不僅是依據(jù)實地環(huán)境下的因子取值提供的信息大小來確定的,而且七盤溝地形復雜,信息量較大,一些因子的觀測值之間差異較大,離散程度較高,這些因子在整個評價過程中的作用也較為重要,符合熵值計算因子權重原理,因此熵值法在此過程中更為合理。雖然熵值法評價結果與圖6存在差異,但是是因為差異單元內的因子取值除了巖性外,其他因子取值都較大所致。
近年來,汶川地區(qū)地質災害造成了巨大社會經(jīng)濟損失。泥石流災害尤為嚴重,對泥石流進行危險評價對防災減災具有重要意義。本文以泥石流頻發(fā)的七盤溝為例,對其孕育環(huán)境進行危險性評價研究,通過本文方法進行以下討論:
(1)以流域劃分評價單元,相較于其他四種方法,綜合考慮泥石流發(fā)生區(qū)域的環(huán)境條件與流域面積差異,能更好的確保研究區(qū)域溝谷與其他影響因素之間的聯(lián)系,保持溝谷的完整性,更加準確的體現(xiàn)災害發(fā)生的真實情況。評價因子選取充分考慮了研究區(qū)域特定環(huán)境,并采用多因子評價模型,評價結果更加符合客觀實際。
(2)基于熵值法、層次分析法和灰色關聯(lián)法的三種賦權方法確定因子權重,實現(xiàn)研究區(qū)域的危險評價與分析。其中依據(jù)危險分區(qū)、淹沒范圍和單位面積內滑坡面積比重及其分級圖對這三種方法進行了比較,熵值法的評價分區(qū)與實際泥石流淹沒范圍以及滑坡面積比重情況有較好的吻合,隨著危險級別越高滑坡和泥石流比重越大,評價結果精度較高,層次分析法雖然也有較好的梯度,但是危險分區(qū)中高、中以及低危險度與其他方法差異較大,區(qū)域差異不是很明顯,灰色關聯(lián)法雖然與熵值法結果相似,但是在極低和低危險度中沒有達到良好的梯度。
(3)在單溝泥石流危險評價結果驗證中,本文不僅依據(jù)泥石流淹沒范圍,同時也首次考慮研究區(qū)域整體滑坡情況。通過泥石流淹沒范圍和單位面積內滑坡面積比重及其分級圖與危險分區(qū)進行比較分析,驗證評價結果的準確性,使得結果更加精確合理。
實驗方法與結果可以為有效進行七盤溝泥石流危險評價,為泥石流災害環(huán)境的危險評估和應急預警提供合理和有效的參考依據(jù)。
[1] 牛岑岑.泥石流危險度評價指標的提取與等級劃分[D].吉林:吉林大學,2013. NIU Cencen. Index selection and rating for debris flow hazard assessment [D]. Jilin: Jilin University,2013.
[2] 曾超, 崔鵬, 葛永剛,等. 四川汶川七盤溝“7·11”泥石流破壞建筑物的特征與力學模型[J]. 地球科學與環(huán)境學報, 2014(2):81-91. ZENG Chao, CUI Jian, GE Yonggang, et al. Characteristics and mechanism of buildings damaged by debris flows on 11 July, 2013 in Qipangou of Wenchuan, Sichuan [J]. Journal of Earth Sciences and Environment, 2014(2):81-91.
[3] 李建林,韓樂,張洪云.河南省泥石流危險度分區(qū)[J].中國地質災害與防治學報,2012,23(3):28-31. LI Jianlin, HAN Yue, ZHANG Hongyun. Hazard degree zonation of debris flow in Henan Province[J]. The Chinese Journal of Geological Hazard and Control, 2012,23(3):28-31.
[4] 劉希林,莫多聞.泥石流風險評價[M].成都:四川科技出版社,2002:18-26. LIU Xilin, MO Duowen. Debris flow risk assessment[J]. Chendu: Sichuan Science and Technology Press, 2002:18-26.
[5] 楊小鳳,曹云剛,馮薪朗,等.基于無人機高分影像的七盤溝泥石流風險性評價[J].災害學,2016,31(2):206-212. YANG Xiaofeng, CAO Yungang, FENG Xinlang,et al. Risk assessment of Qipangou debris flow based on UAV image[J]. Journal of Catastrophology, 2016,31(2):206-212.
[6] 王春山, 巴仁基, 周洪福,等. 四川省石棉縣縣城泥石流災害風險評估[J]. 水土保持研究, 2014, 21(4):219-223. WANG Chunshan, BA Renji, ZHOU Hongfu,et al. Risk evaluation of debris flows in urban area of Shimian county of Sinchuan province[J]. Research of Soil and Water Conservation, 2014, 21(4):219-223.
[7] LI Ju, CHANG Jin Yi, WANG Xing, et al. Application of rough set feature selection in the hazard assessment of debris flow[C]. International Conference on Materials Engineering for Advanced Technologies, Singapore,ICMEAT, 2011:1051-1053.
[8] 曹祿來,徐林榮,陳舒陽,等.基于模糊神經(jīng)網(wǎng)絡的泥石流危險性評價[J].水文地質工程地質,2014,41(2):143-147. CAO Lulai, XU Linrong, CHEN Shuyang,et al. Assessment of debris flow hazard based on Fuzzy Neutral Network[J]. Hydrogeology & Enginering Geology, 2014,41(2):143-147.
[9] 代貞偉, 魏云杰, 呂韜,等. 三峽庫區(qū)某滑坡變形影響因素的灰色關聯(lián)分析[J]. 中國地質災害與防治學報, 2016,27(1):32-37. DAI Zhenwei, WEI Yunjie,LYU Tao, et al. Deformation influence factors of a landslide in Three Gorges Reservoir area based on grey correlation analysis [J]. The Chinese Journal of Geological Hazard and Control, 2016, 27(1):32-37.
[10] 陳君, 王浩, 戴強. 湖北恩施市降雨引發(fā)滑坡災害的風險評價[J]. 中國地質災害與防治學報, 2016,27(1):15-21. CHEN Jun, WANG Hao, DAI Qiang. Risk assessment of landslide hazard caused by rainfall in Enshi city [J]. The Chinese Journal of Geological Hazard and Control, 2016, 27(1):32-37.
[11] YUAN Lifeng, ZHANG Youshui. Debris flow hazard assessment based on support vector machine[J]. Wuhan University Journal of Natural Sciences, 2006, 11(4):897-900.
[12] 吳強,徐林榮,陳宏偉,等.基于故障樹分析法的亞熱帶地區(qū)泥石流危險性評價[J].水土保持通報,2014,34(6):316-320. WU Qiang, XU Linrong, CHEN Hongwei, et al. Hazard assessment of debris flow in subtropical area based on fault tree analusis[J]. Bulletin of Soil and Water Conservation, 2014,34(6):316-320.
[13] 杜國梁,高金川,胡新麗. 基于GIS和組合賦權的岷縣板達溝泥石流危險性評價[J]. 自然災害學報, 2014,23(4)235-241. DU Guoliang, GAO Jinchuan, HU Xinli. Debris flow hazard assessment of Banda Gully in Minxian Country based on GIS and combination weighting method[J]. Journal of Natural Disasters, 2014,23(4):235-241.
[14] Fansto Guzzentti, Alberto Carrara, Mauro Cardinali, et al. Landslide hazard evaluation: a review of current techniques and their application in amulti-scale syudy central Italy [J].Geomorphology, 1999,31(1-4):181-216.
[15] 任啟龍,王利,杜鵬.大連市北部水源地泥石流危險性評價[J].自然災害學報,2014,23(3):250-256. REN Qilong, WANG Li, DU Peng. Hazard assessment of debris flows in Dalian City’s northern water head site[J].Journal of Natural Disasters, 2014,23(3)250-256.
Risk assessment of Qipangou debris flow based on determining weight method and effectiveness analysis
YANG Xiaofeng1,2,ZHU Jun1,2,3,CAO Yungang1,2,GONG Jing3,CAO Zhenyu3,YIN Lingzhi1,2
(1.FacultyofGeosciencesandEnvironmentalEngineering,SouthwestJiaotongUniversity,Chengdu,Sichuan611756,China;2.National-LocalJointEngineeringLaboratoryofSpatialInformationTechnologyforHigh-speedRailwayOperationSafety,SouthwestJiaotongUniversity,Chengdu,Sichuan610031,China;3.SichuanEngineeringResearchCenterforEmergencyMapping&DisasterReduction,Chengdu,Sichuan610041,China)
In this paper, Qipangou debris flow was selected as the research object to carry out hazard assessment and analysis experiments. First, environmental indicators of disaster risk assessment on the partial river basin units were integrated. Then, analysis hierarchy process (AHP) and gray correlation method, the influence factor weights were calculated. Meantime, a multi-factor comprehensive model was used to design a hazard assessment flow based on the three methods. Finally, hazard assessment and analysis experiments were carried out. The research results show that debris flow hazard level. From hazard level, mudslides inundated area and per unit area of the landslide area proportion available, the evaluation results of the entropy value method and AHP in landslide area unit increase with the increase of level of risk. The evaluation results accuracy of entropy value method is higher, AHP is quite different from other methods, gray correlation method does not achieve a good gradient. The proposed method is effective on the aspect of hazard assessment, which can provide important and timely reference for emergency decision and early warning management of debris flow disasters.
entropy method; analysis hierarchy process; gray correlation method; Qipangou debris flow; hazard assessment
10.16031/j.cnki.issn.1003-8035.2017.01.04
2016-05-31;
2016-06-23
國家自然科學基金項目(41271389);國家自然科學基金項目(41201434);四川省應急測繪與防災減災工程技術研究中心重點開放基金(J2014ZC17);四川省應急測繪與防災減災工程技術研究中心開放基金資助項目(K2014B016)
楊小鳳(1989-),女,山東臨沂人,碩士研究生,研究方向為虛擬地理環(huán)境、地理信息系統(tǒng)應用研究。E-mail:yxf14j@163.com
P612.23
A
1003-8035(2017)01-0022-08