基于AHP-CF法的白水江流域滑坡影响因子敏感性分析

2022-04-02 08:39:37 | 浏览次数：

摘要：根据野外调查和室内分析，选取坡度、坡向、坡高、工程地质岩组、岸坡结构、断裂构造、河流水系、降雨条件、人类工程活动作为白水江流域滑坡影响因子，运用AHP-CF法对上述因子进行滑坡敏感性分析，最终得到各因子的LSP值及其排名。结果显示：研究区滑坡对软硬相间岩类敏感性最强;对顺向坡、距离河流水系与道路小于1km、坡度为20°～40°及400～500mm年均降雨量值较为敏感;对坡向、坡高等因素敏感性较弱;对区内其它岩类、坡度为40°～90°及600～800mm年均降雨量值敏感性弱。

关键词：AFP-CF法;白水江流域;滑坡影响因子;敏感性分析

中图分类号：P642.22 文献标识码：A 文章编号：1007-1903（2018）04-0043-07

0 前言

滑坡作为地质灾害中十分广泛的类型之一，极大地威胁着人民的安危，制约着社会的发展（黄润秋等，2004）。近些年来随着滑坡灾害的急剧增加，广大群众的人身和财产安全损失极为惨重。所以，预测滑坡发生的可能性、降低滑坡所造成的損失就显得格外重要（向喜琼，2005）。

滑坡影响因子敏感性分析是预测某一区域在今后一段时间内发生滑坡可能性的前提和基础。它是根据区域的自然地理和工程地质条件，运用合理的方法对影响滑坡的内外因素进行综合分析比较，得到对滑坡发生演化起关键作用的敏感因子，为今后区内滑坡灾害预测与防治提供基础的地质资料与数据（梁瑞锋，2017）。

目前，针对区域性滑坡影响因子敏感性分析的方法主要分为专家打分法、决策分析方法、二元线性统计分析方法、多元线性统计分析方法、非线性统计分析方法等。其中，专家打分法是以专家的经验进行评价因子的选取及相应权重的赋值，原理简单，但受到人为主观因素过大;决策分析方法主要为层次分析法（李燕婷等，2016），其优点在于对数据要求低，计算较为简便，其缺点在于当评价指标过多时，权重难以确定;二元线性统计分析方法包括信息量法（陈立华等，2016）、证据权重法（赵志芳等，2010）与确定性系数法（许冲等，2010）等，这类方法的主要优点是各评价因子内部的信息量值、证据权重或确定性系数由滑坡本身属性决定，客观真实，在很大程度上克服人为主观因素的影响，但不足之处在于它们不能有效避免评价因子之间的相互重复性与依赖性，在一定程度上使评价结果失真;多元线性统计分析方法主要是 Logistic 回归分析（许冲等，2012），其优点在于可以解决因子间的依赖性问题，在确定因子权重方面有较大的优势，不足之处是计算量过大;非线性统计分析方法主要包含人工神经网络（谭龙等，2014）、模糊综合评判（包磊等，2016）与支持向量机（毛伊敏等，2016）等，优点是能够避免人为因素的干扰。

1 AHP-CF法介绍

本文所采用的层次分析-确定性系数法（AHP-CF法）其优势在于将主观与客观相结合，不仅综合考虑到每个影响因子对区域内滑坡发生的参与程度，还在一定范围内避免了影响因子之间的重复性和人为因素的干扰性，计算简便，效果显著。

1.1 CF法原理

采用确定性系数法（Certainty Factor，CF）对滑坡影响因子进行敏感性分析是有基本假设的，那就是根据已发生的滑坡与影响因子（例如坡向、地层岩性、地质构造等）之间的统计关系来判定这些因子对滑坡敏感性的强弱。

CF作为一个概率函数，将绝对假定改为基于已有事实的假定（兰恒星等，2002）。其计算公式如下：

式中：PPa表示影响因子中某一指标内存在的滑坡数量与该指标总面积的比值，即滑坡在该类指标中的点密度;PPs表示区内滑坡总数与研究区总面积的比值。

由式（1）函数可知，CF取值区间为[-1，1]。其中，正值表示影响因子的敏感性确定性增长，CF值越接近1就代表其敏感性越强;负值表示影响因子的敏感性确定性降低，CF值越接近 -1就代表其敏感性越弱;CF值为0或接近0时，则表示此条件下影响因子敏感性的确定性不能判定（刘艳芳等，2014）。

1.2 AHP法原理

层次分析法（Analytic Hierarchy Process，AHP）是一种将定性与定量相结合解决多准则问题的决策方法（刘丽娜等，2014）。其在滑坡影响因子的敏感性分析过程中原理如下：

（1）建立层次分析结构模型

首先对模型进行层级划分，本文中目标层为滑坡影响因子敏感性分析，准则层为影响滑坡发育的内在因素与外在因素（图1），方案层为具体的影响因子（毛伟等，2011）。

（2）构造判断矩阵及计算权重

根据专家评分的高低，对不同影响因子的重要性进行标度从而建立判断矩阵，计算出判断矩阵的最大特征值及相对应的特征向量，将特征向量进行归一化处理后得到归一化权重，归一化权重即为同一层级中各影响因子的权重。

以专家打分为基础，对各因素进行适当的调整得到判断矩阵（表1、表2、表3）：

通过Matlab 软件计算可得最大特征值λmax=2，归一化权重Wi=[0.8333，0.1667]。

同理，可得最大特征值λmax=7.1232，归一化权重Wi=[0.2588，0.0474，0.1515，0.1730，0.2124，0.0940，0.0629]。

同理，可得最大特征值λmax=2，归一化权重Wi=[0.7500，0.2500]。

（3）判断矩阵的一致性检验

为判断通过矩阵所算的权重是否可信，须对判断矩阵进行一致性检验，计算公式如下：

式中，CI为一致性指标;λmax为判断矩阵最大特征值;n为判断矩阵阶数;CR为随机一致性比率;RI为平均随机一致性指标，可由表4查得。

通过对随机一致性比率CR的计算可判断矩阵的合理性。

当矩阵阶数 n<3 时，判断矩阵永远具有完全一致性，因此判断矩阵不需要进行一致性检验。

当矩阵阶数 n≥3 时，需计算CR值进行一致性检验。当CR<0.1，则判断矩阵一致性检验通过，判断矩阵合理;当CR=0.1，则判断矩阵有良好的一致性，判断矩阵较为合理;当CR>0.1，则判断矩阵不满足一致性要求，需对矩阵进行调整修正。

根据式（2）和式（3）对上述判断矩阵进行一致性检验，计算结果见表5，表明矩阵满足一致性要求，判断矩阵合理。

（4）计算各影响因子综合权重

检验合格后，各影响因子各层级的归一化权重的乘积即为其综合权重值。

根据各层次矩阵所计算的归一化权重W i，综合计算可得各影响因子的综合权重值。如表6所示。

1.3 CF-AHP法原理

确定各滑坡影响因子的CF值及其综合权重，通过计算可以得到各评价指标确定性系数权。

影响因子中单个评价指标的确定性权的计算公式为：

式中：LSP代表各评价指标确定性系数权，Wci代表影響因子xi的权重;CFij为影响因子xi下的第j个指标的确定性系数。

2 研究区概况

2.1 自然地理

白水江流域位于川甘两省交界处，自甘肃省文县碧口水库沿白水江向北延伸至四川省九寨沟县西北部。地理坐标：E10332"～10458"，N3243"～3341"。

白水江流域由西向东可分为高原湿润山地气候区及亚热带到温带过渡气候区。九寨沟县全域海拔1000～5000m，属高原湿润气候，流域东南部的文县属亚热带向温带过渡区。区内降雨主要集中在5-10月。根据收集到的区内多年年均降雨量值资料，区内绝大部分区域处于年均降雨量值400～600mm范围内，仅有白水江流域东南角丹堡乡—玉垒乡一带处于600～800mm范围内。

白水江为白龙江的一级支流，属长江水系，全长约295.6km，流域面积约8257.15km2，河道平均纵比降为10.1‰。白水江支流众多，有白河、黑河、中路河等，多呈格子状水系。白水江河谷深邃狭窄，河道坡陡流急，水力资源充沛，水能资源丰富。

白水江流域从南东至北西，由丘陵山区向高山峡谷展布，地势逐渐升高。白水江河谷两侧山体浑厚，岸坡陡立，坡度多在20～60°之间，干流河谷总体呈NW-SE向。中游两侧阶地发育，河谷多呈V-U混合型沟谷。上游、下游及支流多为V型深切沟谷。

2.2 地质构造

白水江流域位于松潘-甘孜褶皱系、秦岭褶皱系以及上扬子地台的结合部位，不同层次、不同期次的构造相互叠加，形成极为复杂的构造格局（武运泊，2015）。区内褶皱和断裂均极为发育，主要的褶皱有陵江-青龙背斜、隆康倒转复背斜、中寨-马营复向斜及关家沟-何家坝复背斜;主要的断裂有文县-康县断裂带、塔藏断裂、岷江断裂及牟泥沟断裂（图2）。

2.3 工程地质岩组

由于白水江流域特殊的大地构造位置以及复杂的区域构造格局，故其地层也复杂多变。本文把具有相同工程地质性质的地层划分到同一工程地质岩组，有利于分析岩土体与滑坡之间的联系。现将流域内地层划分为4套工程地质岩组（表7）。

2.4 岸坡结构

斜坡临空面的方向与岩层层面或主要结构面的倾向存在一定的夹角i。i的绝对值大小直接决定了岸坡结构的类型（表8）。不同的岸坡结构类型在一定程度上影响着斜坡的变形破坏机制。大量研究结果指出，对于同一岩性来说，不同岸坡结构类型的稳定性存在较大差异。一般来说，横向坡和斜向坡相对较稳定，多形成危岩或崩塌，而顺向坡和逆向坡更易发生变形破坏，最终多演变成滑坡（杨栓成， 2017）。

2.5 新构造运动与地震

研究区是我国地震频发地区之一，受多条活动断裂影响。根据《中国地震动参数区划图》（GB18306-2015），域内绝大部分区域地震动峰值加速度为0.2g，反应谱特征周期 0.40s，相应的地震基本烈度为VII度。故在滑坡易发性评价中，地震对区内地质环境的影响烈度整体选择为VII度（图3）。

3 滑坡影响因子敏感性分析

白水江流域地形地貌复杂，地质构造发育，不良物理地质现象普遍发育。经野外调查发现，区内共分布129处滑坡，发育规模以大型—特大型为主（图4）。

根据野外调查及室内归纳分析，区内滑坡的形成在不同程度上受到内在和外在因素影响。其中，内在因素包括坡度、坡向、坡高、工程地质岩组、岸坡结构及断裂构造;外在因素包括河流水系、降雨条件及人类工程活动（道路为人类工程活动的主要代表）。

基于白水江流域GDEMDEM 30M 分辨率数字高程数据，运用ArcGIS软件的空间分析功能将129处滑坡与这些影响因子进行叠加分析，最终得到滑坡在各影响因子不同指标下的点密度值（即PPa）（表10）。根据CF法计算得到不同影响因子下各指标的CF值及上述AHP法计算得到的综合权重值。再根据式（4），可得到白水江流域滑坡灾害不同影响因素下各指标LSP值（表9）。

根据表9中的LSP值及其排名，可知排名1-18的不同影响因素下各指标的LSP值为正值，说明其敏感性为确定性增长，敏感程度逐渐减小;排名19-38的不同影响因素下各指标的LSP值为负值，说明其敏感性为确定性降低，其不敏感程度逐渐增大。具体来说，白水江流域滑坡对工程地质岩组为软硬相间岩类最为敏感，对岸坡结构为顺向坡、滑坡与河流水系和道路距离小于1km、坡度为20～40及400～500mm年均降雨量值敏感性较强，对坡向、坡高等因素敏感性较弱，对工程地质岩组为硬岩类、较硬岩类及较软岩类敏感性弱，对坡度为40～90及600～800mm年均降雨量值敏感性也弱。在上述排名中，年降雨量为400～600mm范围反而比600～800mm范围滑坡敏感性更强，这似乎与我们的认识刚好相反。其实究其原因，降雨只是诱发滑坡的外在因素之一，而降雨量在600～800mm之间的面积本来就很小，而且几乎都位于硬岩区，不利于滑坡的发育。

4 结论

本文采用AHP-CF法对白水江流域滑坡影响因子进行敏感性分析，得到的主要结论如下：

（1） AHP-CF法将主观与客观相结合，综合考虑到每个影响因子对区内滑坡发育的贡献值，在一定程度上避免了影响因子之间的相互重复性和人为主观干扰性。据此计算得到各影响因子不同指标的LSP值能充分反映每个因子对滑坡的敏感程度，方法合理，计算简便。

（2）根据LSP值及其排名，可知白水江流域滑坡对工程地质岩组为软硬相间岩类最为敏感，对岸坡结构为顺向坡、滑坡与河流水系和道路距离小于1km、坡度为20～40°及400～500mm年均降雨量值敏感性较强，对坡向、坡高等因素敏感性较弱，对工程地质岩组为硬岩类、较硬岩类及较软岩类敏感性弱，对坡度为40～90及600～800mm年均降雨量值敏感性也弱。

参考文献

包磊，陈春武，潘昆，等，2016. 模糊综合评判法在滑坡灾害风险评估中的应用[J]. 林业建设，（2）： 35-38.

陈立华，叶江，魏传健，等，2016. 基于ArcGIS与信息量法的滑坡易发性评价[J]. 广西大学学报（自然科学版），41（1）： 141-148.

黄润秋，向喜琼，巨能攀，2004. 我国区域地质灾害評价的现状及问题[J]. 地质通报，23（11）： 1078-1082.

兰恒星，伍法权，王思敬，2002. 基于GIS的滑坡CF多元回归模型及其应用[J]. 山地学报，20（6）： 732-737.

李燕婷，朱海莉，陈少华，2016. 层次分析法的黄河上游滑坡易发性评价[J]. 测绘科学，41（8）： 67-70+75.

梁瑞锋，2017. 白水江流域滑坡地质灾害危险性评价研究[D]. 成都理工大学.

刘丽娜，许冲，徐锡伟，等，2014. GIS支持下基于AHP方法的2013年芦山地震区滑坡危险性评价[J]. 灾害学，29（4）： 183-191.

刘艳芳，方佳琳，陈晓慧，等，2014. 基于确定性系数分析方法的秭归县滑坡易发性评价[J]. 自然灾害学报，23（6）： 209-217.

毛伟，如黑艳，2011. 基于GIS与AHP的金坪子滑坡危险性评价研究[J]. 地球与环境，39（3）：399-404.

毛伊敏，周昭飞，彭喆，等，2016. 基于不确定多分类支持向量机在滑坡危险性预测的应用[J]. 江西理工大学学报，37（3）： 102-108.

谭龙，陈冠，曾润强，等，2014. 人工神经网络在滑坡敏感性评价中的应用[J]. 兰州大学学报（自然科学版）， 50（1）： 15-20.