趙曉燕，李永平，談樹成

(1.內江師范學院 地理與資源科學學院，四川 內江 641000；2.內江師范學院 國際教育學院，四川 內江 641000；3.云南大學 地球科學學院，云南 昆明 650500)

礦山地質災害是指在礦產(chǎn)資源開發(fā)開采的過程中，因人類活動改變了礦山巖土體的應力構成、破壞了礦區(qū)水文地質條件和自然環(huán)境，致使崩塌、滑坡、泥石流、地面塌陷、地裂縫等地質災害發(fā)生的地質現(xiàn)象和過程.地質災害易發(fā)性評價是以基礎地質地理環(huán)境為出發(fā)點，探討影響地質災害發(fā)生的控制因素，進而評估在某個空間范圍內地質災害發(fā)生的可能性大小[1-2].地質災害易發(fā)性評價的方法有很多，主要分為定性和定量兩種，其中定性方法主觀性較強，人為干擾因素較大，常常需要根據(jù)經(jīng)驗和專家意見對指標因子的重要性進行打分，進而確定指標因子權重值開展評價；定量方法客觀性較強，常基于統(tǒng)計學原理或確定性方法，采用數(shù)學模型計算指標因子權重開展評價[3].為了使評價結果更加地科學合理，目前在地質災害評價方面主要采用主客觀評價方法相結合的評價模型開展研究.趙曉燕等[4]、陳立華等[5]、杜曉晨等[6]及田述軍等[7]采用信息量模型開展了不同地區(qū)的地質災害易發(fā)性或危險性評價，且經(jīng)過受試者工作特征曲線（Receiver Operating Characteristic Curve,ROC）驗證評價結果科學可行；談樹成等[8]、Hu 等[9]采用兩種評價模型進行疊加計算各指標因子的權重，開展研究區(qū)的地質災害易發(fā)性、易感性或風險性評價，經(jīng)驗證和對比分析，發(fā)現(xiàn)兩種模型疊加賦權計算的評價結果更加科學，精準性更高；賈貴義等[10]、鄧越等[11]、周平華等[12]采用層次分析法和信息量模型加權疊加開展研究區(qū)內的地質災害危險性評價研究，具有較強的數(shù)理理論依據(jù)，其評價結果與實際調查吻合度較高.Reichenbach 等[13]發(fā)現(xiàn)滑坡易發(fā)性評價常采用Logistic 回歸、神經(jīng)網(wǎng)絡分析、數(shù)據(jù)疊加和證據(jù)權重分析等模型.近幾年隨著機器學習方法的重視，業(yè)界側重于對模型擬合和預測性能方面進行研究，研究的地理區(qū)域上偏差較大，中國、印度、土耳其、意大利等地區(qū)為易感性研究地點，而非洲、南美洲、大洋洲相對較少.同時Reichenbach等[13]還提出組合評價模型比單一模型更有說服力，應加強對滑坡易感性區(qū)劃研究，最大力度地開發(fā)其衍生產(chǎn)品價值以及編制滑坡易感性區(qū)劃表的9 個重要步驟.Lai 等[14]采用層次分析法（Analytic Hierarchy Process，AHP）和投影追蹤法（Projection Pursuit Method，PPM）對攀西地區(qū)地質災害進行風險評價，發(fā)現(xiàn)AHP-PPM 模型的評價結果與地質災害影響范圍吻合度最好，精度最高，并對高、中、低風險區(qū)提出了對策和建議.Wang 等[15]發(fā)現(xiàn)使用無人機傾斜攝影和圖像處理技術能夠很好地應用于地質災害易發(fā)性評價，且經(jīng)過ROC 曲線驗證表明信息量和確定性系數(shù)（Certainty Factor,CF）加權確定因子權重的方法要優(yōu)于單一評價方法.Tan 等[16]鑒于目前地質災害區(qū)劃精度的不足，提出基于GIS的人工神經(jīng)網(wǎng)絡模型開展南昌市萬里區(qū)的災害區(qū)劃，經(jīng)過模擬實驗和ROC 曲線驗證，評價結果較為科學合理.鄭買紅等[17]基于美國航空航天局(NASA) Landsat-8 衛(wèi)星的陸地成像儀（Operational Land Imager,OLI）和最新地球電子地形（Advanced Spaceborne Theemal Emissionand Reflection Radiomter Global Digital Elevation Model,ASTER GDEM）數(shù)據(jù)對云南昌寧縣的滑坡、泥石流開展了易發(fā)評價研究；趙曉燕等[18]、馬國胤等[19]為了更好地利用遙感影像解譯礦山地質災害，建立了基于高分遙感衛(wèi)星的礦山地質災害的解譯標志.綜上，國內外學者采用多種模型組合賦權確定指標因子權重，且通過模擬實驗、ROC 曲線以及樣本選點等方法驗證組合加權模型的精度、評價方法和評價體系較為成熟.但是，這些評價方法和體系主要應用于大范圍的區(qū)域地質災害研究，而在礦山地質災害研究方面相對較少.

攀枝花市采礦歷史悠久，地質結構復雜，生態(tài)環(huán)境脆弱.在2017 年10 月18 日黨的十九大報告中，習近平同志將“綠水青山就是金山銀山”作為生態(tài)文明建設的重要思想，并提出要加快綠色礦山建設和生態(tài)環(huán)境的治理工作.本文應用2019 年礦山開發(fā)環(huán)境遙感調查的基礎數(shù)據(jù)，從信息量模型、確定性系數(shù)以及加權耦合模型方面開展了攀枝花礦山地質災害易發(fā)性評價研究，并運用ROC 曲線對模型評價的精度進行驗證，評價結果能夠較為準確地反映攀枝花市區(qū)域內礦山地質災害發(fā)育的基本規(guī)律，對國土部門有效地監(jiān)測和預防礦山地質災害的發(fā)生具有重要意義.

1 研究區(qū)概況

攀枝花市位于四川省的最南端，地處中國西南川滇結合部，雅礱江和金沙江的匯合處，區(qū)域交通位置十分重要.區(qū)內轄三區(qū)兩縣，地理坐標為26°05′～27°21′N，102°15′～108°08′E，總面積為7 378.04 km2，2021 年第7 次人口普查顯示總人口約為121.22 萬人.攀枝花市地處攀西裂谷中南段，地形受橫斷山區(qū)構造帶控制，地質構造復雜，出露的地層較全，中生界、古生界和元古界地層發(fā)育較好，新生界零星分布，其中以地層較厚的中生界占主要地位，巖漿巖和沉積巖覆蓋大面積區(qū)域，在河流溝谷和山間盆地地帶第四系松散黏土廣泛分布[17]；整體地勢由西北向東南傾斜，地貌類型復雜多樣，主要以低中山和中山為主，屬于典型的峽谷地貌；區(qū)內海拔最高點為4 195.5 m，最低點為937 m，相對高差為3 258.5 m，一般高程介于1 500～2 000 m；研究區(qū)位于著名的南北地震帶中南段，屬南北向石棉-元謀地震帶、北東向的鹽源-洱源地震帶組成部分，地震活動頻繁且烈度較大，斷裂帶發(fā)育較好；屬于亞熱帶亞濕潤氣候，受季風和河谷地貌的影響，全年氣溫變化小且溫暖，夏季降水量大且集中在6-10 月，年均降水量在800 mm 以上，其中米易縣年均降水量（1 101.2 mm）最多；日照長，太陽輻射強，濕度低，蒸發(fā)量大；氣候的垂直地帶性顯著，從山麓到山頂?shù)闹脖活愋鸵来螢橄涔嗖輩?、常綠闊葉林、針葉林、亞高山灌叢、高山草甸，植被類型復雜多樣；區(qū)內水系發(fā)育較好，雅礱江水系和安寧河水系匯入金沙江水系，構成龐大的水系格網(wǎng).

為了深入地開展攀枝花市礦山地質災害易發(fā)性評價，本文借助全國礦山開發(fā)狀況遙感地質調查與監(jiān)測項目，對三江北地區(qū)的礦產(chǎn)資源和礦山地質環(huán)境展開了調查，文中基礎地質數(shù)據(jù)來源于中國地質調查局的數(shù)據(jù)，礦山地質災害數(shù)據(jù)來源于2019年三江北礦產(chǎn)資源遙感監(jiān)測野外調查結果.西南三江成礦帶范圍為鮮水河斷裂-康定-麗江-哀牢山一線以西的川西和滇西地區(qū)，研究區(qū)位于西南三江成礦帶北段，礦產(chǎn)資源十分豐富，礦種齊全且儲量豐富，目前主要開采礦種有釩鈦磁鐵礦、石灰?guī)r礦、煤礦、錳礦、花崗巖礦、砂頁巖礦等，其中已探明的鐵礦（主要是釩鈦磁鐵礦）73.8 億噸，占四川省鐵礦探明資源儲量的72.3%，是全國四大鐵礦之一.通過對2019 年8 月野外調查核實的三江北地區(qū)礦山地質環(huán)境污染和地質災害進行整理，得出攀枝花市共發(fā)育礦山地質災害53 處，其中崩塌9 處、滑坡14 處、泥石流23 處和地面塌陷7 處，主要分布在仁和區(qū)、東區(qū)和米易縣，其中以泥石流和滑坡災害為主.

2 礦山地質災害易發(fā)性評價方法

2.1 信息量模型信息論是由美國數(shù)學家香農(nóng)提出的一種統(tǒng)計分析模型，最早用于對礦藏的探查，后延伸到地質災害領域，預測已發(fā)生地質災害區(qū)域的災害發(fā)生概率.信息量模型具有客觀性較強、指標因子量化方法簡單、評價結果精準度較高的優(yōu)點而被廣泛應用于地質災害易發(fā)性評價研究中.信息量模型主要研究各評價指標因子對區(qū)域內地質災害發(fā)生的貢獻率，貢獻率越高信息量值越大，區(qū)域內發(fā)生地質災害的可能性越大，反之亦然.根據(jù)研究區(qū)礦山地質災害發(fā)育特征和分布規(guī)律建立最佳評價指標體系，計算單個因素的信息量值，公式如下：

式中，Ni表示在因素Xi內特定類別內的礦山地質災害點個數(shù)；N表示研究區(qū)域內礦山地質災害發(fā)生的災害點總數(shù)；Si表示研究區(qū)內含有評價因素Xi的單元數(shù)；Y表示評價指標因子；S表示研究區(qū)域內評價單元總數(shù).計算某個評價單元內各指標因子總的信息量值，公式如下：

式中，I表示某個評價單元內各指標因子總的信息量值，也表示該評價單元內礦山地質災害發(fā)生的易發(fā)性大小.I值越大表示發(fā)生礦山地質災害的可能性越大，反之亦然.

2.2 確定性系數(shù)模型確定性系數(shù)模型（CF）是由Shortlifffe 和Buchanan 在1975 年提出的一種概率函數(shù)[15]，主要通過分析已發(fā)生災害點與影響其事件發(fā)生的環(huán)境因素之間的統(tǒng)計關系，確定事件發(fā)生與各因素之間的敏感程度.確定性系數(shù)模型具有計算方法嚴密、評價精準度高、能夠較好地反映各影響因子內部不同特征區(qū)間對地質災害敏感性的影響.確定性系數(shù)模型的計算方法如下：

式中，Pa為事件在a分類中發(fā)生的條件概率，即數(shù)據(jù)a類單元中災害個數(shù)與該類單元面積的比值；Ps為事件發(fā)生的先驗概率，即整個研究區(qū)地質災害總個數(shù)與研究區(qū)面積的比值；CF為地質災害的確定性系數(shù)，取值范圍為[-1，1]. CF越接近1，地質災害發(fā)生的確定性越高，越接近-1，確定性越低，當CF接近0 時，表示在分類中不能確定是否發(fā)生地質災害.權重計算方法如下：

式中：CF(i,max)表示因子i各分類對地質災害發(fā)生的確定系數(shù)的最大值；CF(i,min)表示因子i各分類對地質災害發(fā)生的確定系數(shù)的最小值.

2.3 加權信息量模型由于地質災害發(fā)生的原因很多且較為復雜，各因素對地質災害發(fā)生的貢獻程度也不一樣.鑒于信息量模型未能考慮到各指標因子對地質災害發(fā)生貢獻程度的大小，因此本文結合確定性系數(shù)法計算各因子不同特征變量對應的確定性系數(shù)值，將信息量模型和確定性系數(shù)法的權重進行加權求和，得到攀枝花市礦山地質災害易發(fā)性指數(shù)，其計算模型為：

式中，J表示各評價指標因子的加權信息量值；I表示某個評價單元內各指標因子總的信息量值，CF表示各評價指標因子的確定性系數(shù)值.

2.4 ROC 曲線ROC（Receiver Operating Characteristic）曲線又稱接收者操作特征曲線，是一種簡便、高效的二分類問題研究方法，通過將特異性（假陽率）和靈敏度（真陽率）在不同切斷點的值進行連接，繪制出一條遞增的曲線，曲線下的面積AUC（Area Under the Curve）作為衡量評價模型精度的指標，AUC 面積數(shù)值越大代表該評價方法越有效，一般AUC 值達到0.9 以上認為是一個準確性很高的評價方法，此時的研究結果才具有實際意義.ROC 曲線在醫(yī)學診斷、心理測評和算法效度研究方面應用較為廣泛.其計算方法為：

式中，xi為未發(fā)生礦山地質災害被正確預測的單元，yi為已發(fā)生礦山地質災害被正確預測的單元.

3 GIS 支持下的礦山地質災害評價

3.1 評價因子選取與分級礦山地質災害的發(fā)生是基礎地質條件和外部誘發(fā)因素共同作用的結果.通過對攀枝花市礦山地質災害發(fā)育現(xiàn)狀和分布特征的分析，發(fā)現(xiàn)區(qū)內地質災害主要發(fā)生在采礦活動強度較大的礦山，邊坡的巖土體物質較為松散、植被較少、坡度較大，靠近溝谷和河流.結合區(qū)域礦山地質環(huán)境背景和前人對地質災害影響因素的研究成果[14,17-18]，在遵循科學與可操作性相結合、數(shù)據(jù)是否可以量化、地質災害發(fā)生的主導因素3 個原則的基礎上，選取了地質構造因子（距斷層的距離）、地形地貌因子（坡度、距河流的距離）、地質因子（工程地質巖組）和其它因子（降水量、植被覆蓋度、距開采活動點的距離）4 個大類的7 個因素作為評價指標因子（圖1）.

圖1 研究區(qū)礦山地質災害易發(fā)性評價因子分級Fig.1 Classification of mine geological disaster susceptibility assessment factor of the study area

3.1.1 地質構造因子 研究區(qū)的構造屬于華力西-印支期古裂谷帶，主要呈南北走向的褶皺和斷裂帶，成為區(qū)內山脈、河流的主要構造骨架，斷裂帶附近也是地震活動頻繁和強烈的地區(qū).從四川省1∶50 萬地質圖中提取得到攀枝花市構造綱要圖，根據(jù)距斷裂帶的距離將斷層指標因子分為＜500 m、500～1 000 m、1 000～1 500 m、1 500～2000 m、＞2000 m 五個等級.

3.1.2 地形地貌因子 （1）坡度.坡度是影響地質災害發(fā)育的重要因素，受人類礦山開采活動的影響，對坡度的干擾破壞力度增大，引發(fā)了在不同坡度上發(fā)育著不同類型的大大小小礦山地質災害.在ArcGIS 軟件中通過對分辨率30 m 的數(shù)字高程模型（Digital Elevation Model,DEM）進行提取生成坡度因子，并結合攀枝花市的地形地貌特征以及地質災害發(fā)育特征和規(guī)律，將坡度因子分為0°～15°、15°～30°、30°～45°、＞45°四個等級.

（2）距河流的距離.區(qū)內河流水系發(fā)育較好，金沙江和雅礱江水系交匯于此，受地質構造的影響河流沿岸礦產(chǎn)資源較為豐富，人類的采礦活動多且受河流水系的沖刷影響，礦山地質災害較為發(fā)育.按照距河流水系的距離將指標因子分為＜800 m、800～1 600 m、1 600～2 400 m、＞2 400 m 四個等級.

3.1.3 地質因子 區(qū)內地質構造復雜，地勢起伏較大，出露的地層較為齊全，中生界、古生界和元古界地層發(fā)育較好，巖漿巖和沉積巖覆蓋大面積區(qū)域，復雜的地質構造蘊藏著豐富的礦產(chǎn)資源，在河流溝谷和山間盆地地帶第四系松散黏土廣泛分布.通過對四川省1∶50 萬的地質圖進行信息提取得到工程地質巖組因子，根據(jù)地質災害在不同巖性中的發(fā)育情況，將工程地質巖組分為軟巖、軟硬間夾巖、硬巖和松散黏土四個等級.

3.1.4 其它因子 （1）降水量.地質災害的發(fā)生往往需要水的參與，降水量增多使表層物質軟化且滲入巖層更易發(fā)生礦山地質災害.區(qū)內屬于亞熱帶季風氣候，年均降水量超過800 mm，其中米易縣的降水量最大（1 100 mm），將降水量分為＜900 m、900～1 000 m、＞1 000 m 三個等級.

（2）植被覆蓋度.植被對地表的巖土體物質起著一定的固定作用，因此植被覆蓋度的高低對地質災害的發(fā)生起著一定的影響作用.運用ENVI 軟件對SPOT6 遙感影像進行監(jiān)督分類得到植被覆蓋度，并分為0～30%、30%～60%、60%～80%、＞80%四個等級.

（3）距開采活動面的距離.礦山開采活動是影響礦山地質災害發(fā)育的最主要且最直接的人為誘發(fā)影響因素，通過對研究區(qū)礦山地質災害發(fā)育與礦山開采活動之間相關性的研究，發(fā)現(xiàn)礦山地質災害發(fā)育的頻數(shù)與距開采活動面的距離呈正相關關系.因此，將距開采活動面的距離劃分為＜500 m、500～1 000 m、1 000～1 500 m、1 500～2 000 m、＞2 000 m五個等級.

3.2 基于加權信息量模型的礦山地質災害權重確定在攀枝花市礦山地質災害評價指標因子確定和分級的基礎上，采用信息量模型和確定性系數(shù)法計算各個指標因子的權重值，然后加權疊加計算各個礦山地質災害評價指標因子的綜合權重值（表1）.

3.3 評價結果分析根據(jù)公式（1）、（3）分別得到各因子分類級別的信息量值和確定性系數(shù)值（表1）；通過公式（2）計算每個評價單元總的信息量值，通過公式（4）將各個因子的確定性系數(shù)最大值與最小值的差值得到每個因子的綜合確定性系數(shù)值，得到礦山地質災害易發(fā)性分區(qū)圖.應用公式（5）將信息量值與確定性系數(shù)值加權求和，并借助ArcGIS 軟件平臺將評價結果利用自然斷點法劃分為極高易發(fā)區(qū)、高易發(fā)區(qū)、中易發(fā)區(qū)和低易發(fā)區(qū)（圖2）.其中低易發(fā)區(qū)面積為3 056.71 km2，占總面積的41.43%；中易發(fā)區(qū)面積為3 073.74 km2，占總面積的41.66%；高易發(fā)區(qū)面積為860.95 km2，占總面積的11.67%，發(fā)育3 個礦山地災；極高易發(fā)區(qū)面積為386.64 km2，占總面積的5.24%，發(fā)育50 個礦山地災.綜上所述，研究區(qū)的極高、高、中、低易發(fā)性分區(qū)面積占比符合區(qū)域礦山地災區(qū)劃的分布規(guī)律，即高和極高易發(fā)區(qū)面積占比較小，為16.91%，評價結果具有可靠性和合理性（表2）.

圖2 研究區(qū)礦山地質災害易發(fā)性分區(qū)Fig.2 Mine geological hazard sensitivity of the study area

表1 評價因子分級和W i，WC f 值Tab.1 Classification and Wi,WC f values of assessment factors

3 種評價模型得出的礦山地質災害易發(fā)性分區(qū)具有相似的變化趨勢，高和極高易發(fā)區(qū)主要分布在礦山開發(fā)活動較為頻繁的地區(qū)，這些地區(qū)植被覆蓋度低、巖性主要為軟巖、河流水系較為發(fā)育、沿斷裂構造帶分布.但是局部地區(qū)又有著很大的差異，尤其是仁和區(qū)的西北部，結合攀枝花市采礦權的分布范圍和7 個評價指標因子，可知仁和區(qū)的西北部無采礦權、巖性為軟巖、坡度較大、植被覆蓋度低，在單一模型的地質災害易發(fā)性分區(qū)中均屬于有極高和高易發(fā)區(qū)，而在加權耦合模型易發(fā)性分區(qū)中為高易發(fā)區(qū).結合2019 年8 月野外實地調查資料，發(fā)現(xiàn)該地區(qū)主要為礦山道路和礦渣的堆放場，生態(tài)環(huán)境脆弱，有可能誘發(fā)地質災害.

為了檢驗不同模型評價結果的精確性，隨機選取滑坡、泥石流兩種礦山地質災害進行驗證，通過將SPOT6 遙感衛(wèi)星影像中的地質災害信息與3 種模型得出的易發(fā)性分區(qū)圖進行疊加（圖3）.由圖3可知，CF 與信息量耦合模型評價得到的易發(fā)性聚合度相對較高，滑坡災害及其潛在的影響范圍均落入在極高易發(fā)區(qū)，泥石流災害的流通區(qū)和堆積區(qū)也落入在極高易發(fā)區(qū).通過對3 種模型的易發(fā)性分區(qū)結果進行對比，得出CF 與信息量耦合模型的地質災害易發(fā)性分區(qū)結果更符合實際情況.

基于信息量模型、確定性系數(shù)法以及CF 與信息量耦合模型的礦山地質災害易發(fā)性評價結果進行對比分析，可以看出由3 種方法計算的礦山地質災害易發(fā)性評價結果與礦山災害的分布規(guī)律主要有以下特點：①礦山地質災害極高和高易發(fā)區(qū)主要分布在礦山開采活動強度較大的大中型礦山，如仁和區(qū)寶頂煤礦、東區(qū)朱家包包鐵礦和蘭尖鐵礦、鹽邊縣紅格鐵礦、米易縣白馬鐵礦和花崗巖礦山等，說明距開采活動面的距離對礦山災害的分布有明顯的控制作用.②CF 與信息量耦合模型比信息量模型和確定性系數(shù)模型獲得的礦山地質災害易發(fā)性分區(qū)中，分布在中和低易發(fā)區(qū)的礦山災害較少；94.34%的礦山災害分布在極高易發(fā)區(qū).結合攀枝花市采礦權的分布范圍以及礦山開發(fā)活動的強度，基于耦合模型的易發(fā)性分區(qū)與礦山災害的野外調查結果較為吻合，具有較好的適用性.③為了更好地監(jiān)測和預防礦山地質災害的發(fā)生，根據(jù)CF 與信息量耦合模型得到的易發(fā)性分區(qū)結果，需加強對極高和高易發(fā)區(qū)的監(jiān)管力度，整改礦山不合理的開采方式，進行規(guī)范化的梯級開采，降低開采面整體坡度；合理規(guī)劃和堆放礦渣，并做好礦渣的管理和處理；加強對排土場的整改，開展礦山生態(tài)環(huán)境恢復治理工作，推進礦山向生態(tài)、綠色的方向發(fā)展.

3.4 模型精度評價及檢驗評價模型是否適用直接關系到礦山地質災害易發(fā)性分區(qū)結果的精確度，因此采用受試者工作特征曲線（ROC）對評價結果進行精度檢驗能較好地衡量評價結果的可靠性.ROC 曲線在地質災害易發(fā)性評價模型檢驗領域應用較廣，已發(fā)生礦山地質災害被正確預測的單元為縱坐標，未發(fā)生礦山地質災害被正確預測的單元為橫坐標進行曲線繪制，曲線越靠近左上角或曲線下方面積AUC（Area Under Curve）值越接近1，表明評價模型的精確度越高.AUC＜0.7，說明模型精度低；0.7≤AUC≤0.9，說明模型精度高；AUC＞0.9，說明模型精度極高[19-23].基于SPSS 軟件，對3 種模型進行ROC 曲線的繪制（圖4），得到確定性系數(shù)、信息量和加權耦合模型的線下面積AUC 值分別是0.813、0.877、0.909，其中CF 與信息量耦合模型的AUC 值最接近1，準確性最高，分區(qū)可靠.結合表2 和圖3，可以看出94.34%的礦山地質災害落入在極高易發(fā)區(qū)，5.66%的礦山地質災害落入到高易發(fā)區(qū)，耦合模型比單一模型的評價預測效果好，其精度分別為耦合模型＞信息量模型＞確定性系數(shù)模型.

圖3 不同評價模型下的礦山地質災害或隱患的易發(fā)性范圍Fig.3 The susceptibility range of mine geological disaster or hidden danger under different evaluation models

圖4 不同評價模型下的ROC 曲線Fig.4 Receiver operating characteristic curve of different assessment models

表2 不同評價模型下的易發(fā)性分區(qū)統(tǒng)計結果Tab.2 Susceptibility zoning results of different assessment models

4 結論

（1）本文采用3 種模型對攀枝花市礦山地質災害開展了易發(fā)性評價研究，將研究區(qū)分為極高易發(fā)區(qū)、高易發(fā)區(qū)、中易發(fā)區(qū)和低易發(fā)區(qū).CF 模型、信息量模型和CF 與信息量耦合模型中極高易發(fā)區(qū)分別占研究區(qū)總面積的4.16%、4.55%和5.24%.礦山地質災害主要集中在開采活動強度較大的煤礦、鐵礦和花崗石礦礦山.

（2）通過對影響礦山地質災害發(fā)育的指標因子進行分析，結合CF 與信息量耦合模型的評價結果，可知極高易發(fā)區(qū)主要分布在軟巖及松散黏土、植被覆蓋率低、水系較為發(fā)育和距開采活動面較近的區(qū)域，其中工程地質巖組、植被覆蓋度、距開采活動面的距離是主要控制因子.

（3）利用ROC 曲線檢驗模型的精確度，得到CF 模型、信息量模型和CF 與信息量耦合模型的AUC 值分別為0.813、0.877、0.909，說明CF 與信息量耦合模型在研究區(qū)的礦山地質災害易發(fā)性評價結果中效果最好，精度最高，可以為國土部門開展礦山管理和災害監(jiān)測提供一定的參考依據(jù).