论文部分内容阅读
茂县位于四川省西北部,隶属于阿坝藏族羌族自治州。地处青藏高原向四川盆地过渡,地形发生陡变的地带。区内的褶皱及断裂构造发育,新构造活动强烈,由于受地震影响严重,该区成为典型的地质灾害易发区,主要灾害类型有滑坡、崩塌等。其中,滑坡的活动性强,对国道213及沿河的村庄产生了威胁。为保障人民的生命财产安全,实现人与环境的和谐相处与发展,有必要对该区域内滑坡进行敏感性评价,评价结果亦可为政府的土地利用规划及防灾减灾提供重要依据。本文以茂县飞虹乡至叠溪镇滑坡灾害为研究对象,通过分析滑坡灾害的发育特征,对影响因子进行选取与分析,建立了研究区空间数据库及敏感性评价体系。以GIS技术为基础,结合确定性系数法及三种机器学习类方法对研究区滑坡灾害进行敏感性评价与分析,并且借助SBAS-InSAR技术手段对得到的区域滑坡敏感性评价结果进行优化,将滑坡的敏感性图与InSAR数据相结合,提高评价结果的合理性,主要取得如下成果:(1)研究区滑坡灾害点122个,滑坡灾害点主要分布在回龙乡、永和乡、白溪乡、石大关乡及叠溪镇等乡镇,其中回龙乡分布23个滑坡点、永和乡21个、白溪乡17个、石大关乡13个、飞虹乡12个及叠溪镇10个。将滑坡点投影到谷歌,发现空间上滑坡灾害点主要分布在岷江沿岸,且成群或者链分布。(2)选取了地形地貌(包括高程、坡度、起伏度、曲率、坡向、河流)、地质要素(地层、断层)及环境因素(土地类型、植被类型、地形湿度指数)等11个指标构建了滑坡的敏感性评价体系。以ArcGIS为平台,结合SPSS统计分析模块及EXCEL的信息处理,通过确定性系数法分析了各影响因子分类区间的重要性,经过统计分析知,滑坡在高程值1500~2000m、起伏度值0~100m、曲率值-0.5~0.5、坡度0°~20°、坡向为北及东向的区域分布较多;滑坡灾害主要分布于岷江及支流两侧,断裂带附近,地层岩性主要是泥盆系及志留系地层等软弱岩体;滑坡在耕地及草本植被、TWI值大的区域分布较多。(3)主要使用了三种机器学习类方法的组合模型对研究区进行评价,即确定性系数分别与支持向量机、随机森林及人工神经网络三种方法组合(CF-SVM,CF-RF及CF-ANN),以CF确定出的系数作为基础数据,使用三种机器学习算法对研究区敏感性进行评价。基于ArcGIS软件,三种模型的评价结果依据自然间断点法将研究区的敏感性分为极低、低、中、高和极高敏感性五类。评价对比三个模型的精度与准确性,最终优选出CF-SVM模型,研究区敏感性区划图极低、低、中、高和极高敏感区的面积分别为597.38km~2、229.82km~2、82.39km~2、101.2km~2、152.50km~2。(4)利用SBAS-InSAR技术和多时相Sentient-1A数据提取研究区2017-2019年时间跨度的地表形变速率图;结合InSAR数据对CF-SVM模型得到的评价图进行优化,优化后模型ROC精度达0.894,模型精度有了一定提升,滑坡敏感性区划图的合理性也得到了验证与提升。并通过现场验证,新发生的5个滑坡灾害隐患点,其中2个滑坡灾害隐患点的所对应的敏感性级别有所增加,评价结果更加合理。研究区敏感性区划图极低、低、中、高和极高敏感区的面积分别为641.59km~2、198.77km~2、79.10km~2、128.92km~2和114.83km~2;优化后的滑坡敏感性评价结果与研究区的滑坡点空间分布特征较为一致,表明CF-SVM模型与SBAS-InSAR优化后的结果适用于研究区的敏感性评价,可为以后区域滑坡敏感性评价提供一个新的方法。