基于信息量模型和信息量-邏輯回歸模型的海南島中部山區(qū)地質災害易發(fā)性研究

李 信薛桂澄柳長柱夏 南楊永鵬楊 峰王曉林常振宇

1.海南省海洋地質資源與環(huán)境重點實驗室,海南 ?？?570206;

2.海南省地質調(diào)查院,海南 ?？?570206

0 引言

地質災害易發(fā)性是指在一定地質環(huán)境背景下發(fā)生地質災害概率的大小 (Guzzetti et al., 2005; 羅元華等, 1998)。地質災害易發(fā)性評價經(jīng)歷了從專家經(jīng)驗和地貌制圖的定性模型到概率統(tǒng)計和機器自主學習的定量模型的轉變,隨著3S技術的快速發(fā)展,基于GIS的信息量法(許英姿等, 2016)、確定性系數(shù)法(許沖等, 2010)、證據(jù)權法(楊華陽等, 2020)、熵值法(趙東亮等,2021)、邏輯回歸法(何寶夫和張加桂, 2012)、神經(jīng)網(wǎng)絡法(胡濤等, 2019)、Newmark模型(程小杰等, 2017)、頻率比(齊信等, 2017)、層次分析法(杜國梁等, 2016)等的定量評價模型在地質災害評價中得到了廣泛的應用。Singh et al.(2021) 采用信息量模型對印度喜馬偕爾邦巴努帕里-貝里地區(qū)開展了滑坡易發(fā)性區(qū)劃,對滑坡細分后的評價效果更佳。羅路廣等(2021)利用確定性系數(shù)和邏輯回歸模型對九寨溝景區(qū)地質災害易發(fā)性進行了劃分,分區(qū)結果與實際情況吻合度較好。李遠遠等(2018)利用確定系數(shù)法和支持向量機的耦合模型,對云南省怒江州瀘水縣進行了地質災害易發(fā)性評價,取得了較高的準確率。田春山等(2016)基于確定性系數(shù)法與logistic回歸模型耦合的方法對廣東省地質災害易發(fā)性評價進行了有益的嘗試。信息量模型是基于原始數(shù)據(jù),對地質災害發(fā)育規(guī)律進行定量化處理,能夠客觀準確地評價地質災害易發(fā)性的單一模型;而信息量-邏輯回歸模型則對每種因子進行了獨立性檢驗,并對地質災害貢獻大小進行定量化運算并排名,使過程、結果定量化。兩種模型都有自身的優(yōu)點和不足,對于不同研究區(qū)每種研究方法的精度也有差異。

地質災害易發(fā)性評價能否取得良好的效果,不僅需考慮分析模型的準確性,還取決于地質環(huán)境背景、影響因素與地質災害之間的相關性。文章在研究五指山市地質環(huán)境條件的基礎上,選取斷裂、巖土體、坡度、地形起伏度、海拔高程變異系數(shù)、NDVI、降雨量、水系、公路、曲率值10項影響因子,采用定量化高的信息量模型和信息量-邏輯回歸模型對研究區(qū)進行地質災害易發(fā)性評價研究,為五指山市后續(xù)開展地質災害風險評價、危險性評價、地質災害防治和監(jiān)測預警提供科學依據(jù)。

1 研究區(qū)概況

五指山市位于海南中南部五指山腹地,以市區(qū)為中心,其地貌呈盆地、山狀,地勢逐漸向四周升高。東部、東南部、中北部及西北部為山區(qū),面積約1050 km2,占總面積的92.9%,平均海拔約800~1867.1 m;中南部、東南部為山澗洼地,海拔300~500 m,坡度較緩,河流、水庫、小溪較多,地表植被較為稀少。五指山屬于熱帶山區(qū)氣候,30年年均降雨量多集中在1704~2240 mm之間,降雨集中于5~10月的汛期,總降雨量約占全年的85%。五指山水系縱橫,分布大小河流約120條,最大水系為昌化江,其在市內(nèi)的流域面積為746 km2,占全市總面積的66.1%。地層主要有白堊系(K)、志留系(S)和長城系(Ch),白堊紀、侏羅紀、三疊紀、二疊紀的花崗巖大面積分布于五指山中部,占全市面積的92%。五指山市處于華南褶皺系五指山褶皺帶中南部,構造主要是斷裂構造,發(fā)育有東西向、北東向和南北向三組斷裂帶(圖1)。

圖1 地質條件背景及區(qū)位圖Fig.1 Geological background and location of the study area

2 研究方法

信息量模型作為易發(fā)性評價最為常用的方法,能將地質災害各影響因素定量化,在很大程度上避免主觀因素的干擾,并能夠較好地解決因子內(nèi)部不同特征分級對地質災害易發(fā)性的影響;信息量-邏輯回歸模型作為典型的二元線性耦合模型,能有效解決因子間的相互獨立性和差異性問題,將致災因子間復雜的非線性關系采用簡單的線性回歸來刻畫,對地質災害發(fā)生概率的程度或差異進行定量化。文章基于詳實的致災因子數(shù)據(jù)、合理的數(shù)理統(tǒng)計方法和空間分析統(tǒng)計手段建立評價模型,能準確快速地得出評價結果,通過對比單一模型和耦合模型在評價過程中的差異,分析結果的精度、敏感性,選出滿足研究區(qū)地質災害易發(fā)性、危險性評價需求的評價模型。

2.1 信息量模型

信息量模型通過收集變形破壞區(qū)的實際地質災害數(shù)量和地質災害影響因素,計算各影響因素對破壞變形的影響值,來作為分區(qū)的量化指標(臧麗萍等,2018)。信息量模型作為反映地質災害發(fā)育規(guī)律的定量模型,方法簡單易行,在地質災害易發(fā)性評價中得到了廣泛運用。文章通過把反映區(qū)域穩(wěn)定性因素的影響實測值換算成信息量值作為易發(fā)性區(qū)劃的量化指標,對地質災害易發(fā)性程度進行劃分。

式中:I為評價單元總的信息量值,體現(xiàn)了單元破壞的可能性,n為因子數(shù);H為地質災害數(shù);S為已知總單元數(shù);N為破壞的單元總數(shù);Si為指標xi的單元個數(shù);Ni為指標xi的破壞單元數(shù)。當I越大,越有利于發(fā)生變形破壞,表明地質災害發(fā)生的概率越大(陳毅等, 2017;李信等,2022)。

2.2 信息量-邏輯回歸模型

邏輯回歸作為一種基于二項分類的回歸分析模型,能廣泛應用于針對定性變量的不確定性和復雜性進行有效準確的預測。在地質災害評價過程中,該模型以地質災害發(fā)生或不發(fā)生作為因變量(Y),取值分別為1或0,以致災因子為自變量(xn),通過建立邏輯回歸方程來確立地質災害發(fā)生的概率(P)。該模型中自變量可以是連續(xù)的也可以是離散的,不需要滿足正態(tài)的頻率分布。邏輯回歸函數(shù)表達式為:

式中P為地質災害發(fā)生概率,范圍為0~1;βn為邏輯回歸系數(shù),β0為邏輯回歸常數(shù)項;xn為地質災害因子信息量值,n為因子數(shù)量。將信息量模型計算得到的評價因子各級的信息值作為邏輯回歸的自變量,將是否發(fā)生地質災害作為因變量(張峰等, 2019)。該模型利用SPSS軟件對10項因子進行獨立性檢驗、共線性診斷,然后進行二項邏輯回歸分析,得到各影響因子的回歸系數(shù)和因子權重。在此基礎上建立邏輯回歸方程,進行地質災害易發(fā)性評價,最后利用樣本外地質災害進行結果驗證,利用ROC曲線(受試者工作特征曲線)對評價模型敏感度進行預測(覃乙根等,2020)。

3 數(shù)據(jù)及評價因子

3.1 數(shù)據(jù)來源

五指山市境內(nèi)有各類地質災害點237處,其中崩塌178處、不穩(wěn)定斜坡51處、滑坡8處(圖2)。全部237處地質災害點累計威脅人口3578人,威脅財產(chǎn)10229萬元。已發(fā)生地質災害點來自于地質災害詳查項目(表1)。通過Arcgis隨機生成點功能生成的非地質災害點902處和現(xiàn)有地質災害點198處組成1100個總訓練樣本(圖3),以此來滿足邏輯回歸法對樣本空間的要求;利用近2年內(nèi)發(fā)生的39處地質災害點作為測試樣本來檢驗評價結果的合理性,并最終討論比較兩種模型的適用性和準確性。

圖2 地質災害分布圖Fig.2 Distribution map of geohazards

圖3 樣本點分布圖Fig.3 Sample distribution

表1 數(shù)據(jù)來源統(tǒng)計(夏南等,2014)Table 1 Statistics of data sources (Xia et al,2014)

3.2 評價因子

地質災害的發(fā)生受地質條件、地形地貌、地表覆蓋、水文環(huán)境和外界環(huán)境因素等孕災條件因子的控制和影響,因此文中將這5類孕災條件作為地質災害易發(fā)性評價研究的大類指標,大類指標分別包含地質條件的斷裂、巖土體指標,地形地貌的坡度、地形起伏度、高程變異系數(shù)、曲率,地表覆蓋的NDVI,水文環(huán)境的水系因子指標以及外界因素的降雨因子和公路因子,并對各因子進行分級(圖4),數(shù)值分級區(qū)間采用半開半閉區(qū)間來表示。

3.2.1 斷裂

斷裂周圍應力作用頻繁和劇烈,易形成破碎的巖層和裂隙發(fā)育的結構面,易發(fā)展成地下水通道,使得斜坡結構面更容易軟化形成滑移面而導致地質災害的發(fā)生(秦宇龍等,2021)。如圖4a所示,地質災害百分比在0~4000 m內(nèi)隨著緩沖距離的增大而增多,表明地質災害的發(fā)生受斷裂發(fā)育程度的影響,因此,將斷裂分級為0~1000 m、1000~2000 m、2000~3000 m、3000~4000 m、4000~5000 m、>5000 m。

3.2.2 坡度

坡度對地質災害的發(fā)生起著重要作用,坡度的大小決定了地表松散物質位移和形成地質災害的可能性大小,也在很大程度上決定了斜坡變形破壞的形式和機制(梁麗萍等, 2019)。如圖4b所示,當坡度在40°以內(nèi)時,地質災害百分比與分級面積百分比之間的差值由正變負,表明地質災害密度隨坡度的增加而增加,然后逐漸遞減。

3.2.3 地形起伏度

地形起伏可以反映坡度的變化,刻畫整個區(qū)域的地形變化規(guī)律。一般來說,起伏越大,地形內(nèi)的地形變化越大,研究區(qū)的地形變化越明顯(李偉和楊成斌,2009;楊光等,2019)。如圖4c所示,起伏度在0~30 m區(qū)間內(nèi),地質災害百分比大于分級面積百分比,且之間的差值逐呈增大趨勢,表明地質災害受起伏度影響較大;而超過了30 m時,地質災害百分比面積小于分級面積百分比,且地質災害百分比逐漸降低,表明地質災害發(fā)育較弱,發(fā)育程度呈減弱趨勢。

圖4 地質災害易發(fā)性影響因子分級與地質災害分布統(tǒng)計圖Fig.4 Statistical chart of geological hazard susceptibility influencing factor classification and geological hazard distribution(a) Fracture; (b) Slope; (c) Terrain undulations; (d) Coefficient of variation for elevation; (e) Rock and soil; (f) Water systems; (g) Roads; (h) NDVI; (i) Curvature; (j) Rainfall

3.2.4 高程變異系數(shù)

高程變異系數(shù)描述的是一定距離內(nèi)高程相對變化的指標。高程變異系數(shù)的大小可表明該區(qū)域高程相對變化大小,也決定了地形起伏大小,同時在一定程度上影響著地質災害發(fā)生的可能性(朱紅春等,2005)。如圖4d所示,在高程變異系數(shù)0~0.02范圍內(nèi),地質災害百分比小于分級面積百分比,說明高程變異系數(shù)對地質災害影響較弱;高程變異系數(shù)大于0.02時,地質災害百分比大于分級面積百分比,表明地質災害受高程變異系數(shù)影響較大。

3.2.5 巖土體

巖土體對地質災害的發(fā)生具有顯著影響,可以反映地質體的破碎程度,其類型、硬度、結構等對邊坡的物理力學性能、變形性和破壞模式有很大的影響(萬佳威等,2020)。依據(jù)詳查資料,將研究區(qū)巖土體分為5類,分別為塊狀堅硬—較堅硬中酸性熔巖組,塊狀堅硬花崗巖、閃長巖巖組,厚—薄層狀堅硬—軟弱砂巖夾泥巖組,砂卵石、中粗砂、黏性土多層土體,塊狀—薄層狀堅硬—軟弱變質石英砂巖和片狀、板狀變質巖巖組。如圖4e所示,災害百分比在花崗巖、閃長巖巖組最大,主要是五指山花崗巖風化剝蝕嚴重,表層的風化土在強降雨作用下吸水容重增加,抗剪強度下降,容易引發(fā)地質災害。

3.2.6 水系

水系對地質災害的影響取決于對斜坡的軟化作用,容易形成軟弱滑動帶,使斜坡抗剪強度降低;同時水系對河岸兩側邊坡具有侵蝕作用,將形成或增大邊坡的臨空面,使其重力大于其土體所受拉應力而導致河岸崩塌、滑坡的發(fā)生。如圖4f所示,在距離水系中心線以外300 m以內(nèi),地質災害百分比大于分級面積百分比,其差值逐漸減小,說明地質災害密度隨距離增加而降低,表明地質災害在分級范圍內(nèi)受地質災害影響較大。

3.2.7 公路

研究區(qū)位于中部山區(qū),地形狹窄,地貌單元多變,公路的修建常常伴隨著開挖山體、切削坡體,從而使巖土體因振動、擾動而產(chǎn)生松弛,改變巖土體的天然應力狀態(tài),降低巖土體的凝聚力,增大巖土體的滲透系數(shù),在暴雨等誘發(fā)作用下容易形成崩滑地質災害(葉唐進等,2019)。如圖4g所示,地質災害百分比隨著緩沖距離的增大而急劇減小,而分級面積百分比隨著緩沖距離增大而緩慢減小,表明地質災害受公路的影響較大,主要原因在于公路邊坡受人工擾動后,土體呈現(xiàn)失穩(wěn)跡象,在強降雨誘導作用下加劇了邊坡失穩(wěn),從而引發(fā)地質災害。

3.2.8 NDVI

植被有護坡及保持水土的作用,對斜坡穩(wěn)定性有利(董麗君,2017)。如圖4h所示,NDVI植被覆蓋值在0.36~0.70之間的地質災害百分比值較大,說明地質災害在植被發(fā)育程度中等地段發(fā)育密度較高;而NDVI植被覆蓋值低于0.36,災害百分比較低,此區(qū)域為人工林或人工植被種植區(qū),地形、地貌等條件較好,不容易形成高陡邊坡;NDVI植被覆蓋值高于0.70時,地質災害發(fā)育程度較弱,主要原因是地質災害在植被覆蓋度高的地區(qū),斜坡體受植被固結作用更強,雨水不容易浸潤土體而使土體失穩(wěn)發(fā)生地質災害。

3.2.9 曲率值

斜坡為地質災害提供了基礎物質和孕育環(huán)境。斜坡的應力分布和地表徑流特性受斜坡幾何形狀的控制和影響,特別是邊坡類型對邊坡內(nèi)應力分布的影響(?？∪A,2014)。如圖4i所示,當曲率值在[-15,15]區(qū)間地質災害分布百分比最大,表明此區(qū)域受地質災害影響較大。

3.2.10 降雨量

降雨是導致地質災害發(fā)生的重要誘發(fā)因素之一,一般7、8、9三個月份暴雨往往就伴隨著地質災害發(fā)生,尤其是海南熱帶風暴和強臺風是引發(fā)地質災害較為活躍的因子。根據(jù)收集到的降雨量等值線圖,將降雨量分區(qū)為1540~1740 mm、1740~1940 mm、1940~2140 mm(圖4j)。

4 地質災害易發(fā)性評價過程

4.1 信息量模型

根據(jù)信息量模型,將地質災害易發(fā)性因子實測值轉化成信息量值(表2),通過GIS地圖代數(shù)運算得到各因子定量化指標圖層。然后將各因子圖層進行疊加,運用統(tǒng)計學中自然斷點法將柵格疊加圖按信息值重新分類,最后得出信息量值區(qū)間分別-13.639037~-6.540264、-6.540264~-3.27646、-3.27646~0.23213、0.23213~7.249308的易發(fā)性圖。根據(jù)公式(1),信息量值越大該區(qū)域發(fā)生地質災害的可能性越大,易發(fā)性也越高?；谛畔⒘磕Ｐ蛯⑽逯干绞幸装l(fā)性程度劃分為極低、低、中、高四個等級,面積分別占總面積的17.77%、34.64%、29.59%、18.00%(圖5)。地質災害高易發(fā)區(qū)主要分布于研究區(qū)G224國道、X590縣道、S313省道、通什鎮(zhèn)-毛道鄉(xiāng)-番陽鎮(zhèn)等公路兩側的中低山地帶,沿公路呈條帶狀分布,區(qū)內(nèi)人口密度大,修路、建房等人類工程活動較劇烈,地質環(huán)境改造和破壞程度較嚴重。

表2 評價因子信息量值統(tǒng)計Table 2 Information value of evaluation factors

圖5 基于信息量模型易發(fā)性圖Fig.5 Vulnerability graph based on information value model

4.2 信息量-邏輯回歸模型

地質災害易發(fā)性評價因子的選取不是越多越好,而是既要滿足因子對地質災害起主要控制作用,因子之間又不具有較強的相關性。二元邏輯回歸運算需要各因子之間保持獨立性,而文中所選的因子中顯然存在一些相關性較高的因子。為了規(guī)避因子的相互干擾,利用SPSS軟件對各因子進行相關性、共振性分析的預篩選,結果表明降雨量、高程變異系數(shù)、公路、水系、起伏度、斷裂、NDVI等七大孕災因子具有較高的獨立性,因此將這些因子作為信息量-邏輯回歸模型的指標值來開展易發(fā)性評價研究。

邏輯回歸模型采用最大似然估計的方法進行估算,該法具有有效性、一致性、正態(tài)性等優(yōu)點,同時需要具備較大的樣本空間,才能保證結果的正確性(李翔,2015)。文章運用Arcgis數(shù)據(jù)管理工具中隨機采樣點功能隨機選取902個非地質災害樣本點,選取現(xiàn)有災害點樣本198個,災害點樣本占總樣本的18%。根據(jù)公式(2),將信息量值作為自變量,是否發(fā)生地質災害為因變量,進行信息量-邏輯回歸模型的地質災害易發(fā)性評價研究。

4.2.1 因子間獨立性檢驗

是否發(fā)生地質災害為因變量(0代表不發(fā)生地質災害,1代表發(fā)生地質災害),對各因子之間進行相關性檢驗,運用SPSS軟件,主要采用方差膨脹因子和容許度來衡量因子的多元共線程度,同時進行相關性矩陣來檢驗因子獨立性。通過對評價因子多重共線性診斷,統(tǒng)計其方差膨脹因子,顯示10個指標因子VIF值基本接近于1.1,表明因子之間存在共線性的可能性較小,因子間交互作用不明顯(表3)。同時經(jīng)過偏相關分析,10個因子之間相關系數(shù)均小于0.3(表4),表明各因子之間的相關性微弱或較小。由此可見,這10個影響因子滿足相互獨立的要求,可參與邏輯回歸模型評價。

表3 方差膨脹因子(VIF)與容許度Table 3 The variance inflation factor (VIF) and the tolerance

表4 各影響因子之間的相關系數(shù)矩陣Table 4 Correlation coefficient matrix between various impact factors

將評價因子信息值作為自變量,是否發(fā)生地質災害(1為發(fā)生,0為不發(fā)生)作為因變量輸入SPSS軟件進行邏輯回歸分析。由于各因子自變量比較顯著,當顯著性小于0.05時才具有統(tǒng)計意義,而巖土體、曲率、坡度因子的顯著性值分別為0.352、0.974、0.620,均大于0.05,無統(tǒng)計意義,因此將此3個指標因子剔除;再次利用二項邏輯回歸模型分析,其余7項因子均小于0.05,具有統(tǒng)計意義(表5)。將回歸系數(shù)代入模型,得到信息量-邏輯回歸模型的易發(fā)性評價模型。

表5 邏輯回歸分析參數(shù)Table 5 Data of preliminary logistic regression analysis

式中P為地質災害概率,x1-x7分別為公路、水系、NDVI值、起伏度、斷裂、降雨量、高程變異系數(shù)信息值。

4.2.2 邏輯回歸權重的確定

邏輯回歸分析中B代表邏輯回歸系數(shù),而常數(shù)項-2.095表明模型對地質災害發(fā)生起到負向作用,即在無其他因子作用下未發(fā)生地質災害的程度。通過運算各項因子的權重大小降序依次為降雨量、高程變異系數(shù)、公路、水系、起伏度、NDVI、斷裂(表6)。結果顯示降雨量、高程變異系數(shù)、公路3個影響因子回歸系數(shù)明顯高于其他評價因子,表明這3個影響因子對研究區(qū)地質災害易發(fā)程度影響較大。

表6 評價因子回歸系數(shù)與權重Table 6 Regression coefficient and weight of evaluation factors

運用Arcgis中柵格計算工具,將各信息量圖層和邏輯回歸運算后權重指標疊加,生成信息量-邏輯回歸模型的易發(fā)性評價圖(圖6),最后利用統(tǒng)計學中自然斷點法重新分類,將五指山市易發(fā)性程度劃分為極低、低、中、高四個等級,面積分別占總面積的30.05%、28.05%、23.34%、18.56%。通過對比分析,顯示信息量-邏輯回歸模型的易發(fā)性圖相比于單一的信息量模型劃分的差異更加突出,表明前者在易發(fā)性分區(qū)時表達的層次更為充分、準確。

圖6 基于信息量-邏輯回歸模型易發(fā)性圖Fig.6 Vulnerability graph based on information value-logistic regression model

根據(jù)評價結果,地質災害高易發(fā)區(qū)遍布研究區(qū),主要分布于山區(qū)公路和水系兩側沿線,尤其是五指山熱帶雨林以及北部番陽鎮(zhèn)至毛陽鎮(zhèn)公路、河流沿線。該區(qū)域地質條件復雜,地形起伏度大,公路沿線及民房切坡嚴重,在強降雨的誘發(fā)作用下形成大量地質災害。極低易發(fā)區(qū)主要位于河谷不發(fā)育、人類工程活動較少的丘陵低山地帶。

5 易發(fā)性評價效果檢驗與討論

5.1 評價結果檢驗

評價結果檢驗是地質災害易發(fā)性評價模型適應性檢驗的方法之一,通過分析實際發(fā)生災害點在易發(fā)區(qū)內(nèi)的分布情況來驗證易發(fā)性評價結果是否合理,確保所建立的模型符合客觀性。文章未進入模型的39個地質災害點要滿足以下3個基本標準,即高易發(fā)區(qū)內(nèi)檢驗點所占比重最大、極低易發(fā)區(qū)所占面積占比最大、檢驗樣本各分區(qū)占比和各分區(qū)的面積占比的比值由極低向高易發(fā)區(qū)逐漸增大。

信息量模型和信息量-邏輯回歸模型都符合以上標準,兩模型R值相差不大,信息量模型R值區(qū)分度不如信息量-邏輯回歸模型;信息量模型和信息量-邏輯回歸模型的高易發(fā)面積占比分別為18.00%和18.56%,災害比例前者為69.23%,后者為74.24%。此外,如表7所示,信息量-邏輯回歸模型在高易發(fā)區(qū)檢測點比值比分別為4.01,明顯高于信息量模型的比值比3.84,表明在同等高易發(fā)面積條件下,信息量-邏輯回歸模型災害命中概率要高于信息量模型;而信息量邏輯回歸模型的極低、低易發(fā)區(qū)比值分別為0.00、0.09,明顯低于信息量模型的0.14、0.15,表明在低易發(fā)區(qū)域,信息量模型發(fā)生災害概率要高于信息量-邏輯回歸模型。由此可見,信息量-邏輯回歸模型相較于單一的信息量模型的分區(qū)結果,準確性和合理性更高些。

表7 五指山市地質災害分區(qū)結果合理性檢驗表Table 7 Checklist for the rationality of the classification results of the geohazards in Wuzhishan

5.2 易發(fā)性評價精度檢驗

地質災害易發(fā)性評價結論是否準確可靠取決于模型運行的精度和敏感性,作為地質災害區(qū)域評價精度驗證的常用方法,ROC曲線簡單、直觀,可準確反映分析模型特異性和敏感性的關系,具有相當高的準確性(張曉東等,2018;杜曉晨,2020)。ROC曲線是反映敏感性與特異性之間關系的曲線,橫坐標X軸為1-特異性,也稱為假陽性率(誤報率),表示未發(fā)生災害被正確預測的累計百分比;縱坐標Y軸為敏感度,也稱為真陽性率,表示災害單元被正確預測的累計百分比,Y軸越大代表準確率越好(繆信等,2016)。為了以定量的方式來描述預測模型精度,使用AUC值對模型進行準確的比較和衡量,其值介于 0.5~1之間,越接近1,則精度越高。運用SPSS軟件進行運算,兩模型AUC值分別為0.897和0.896(圖7),表明兩模型均能客觀準確地對五指山市易發(fā)性進行評價。

圖7 信息量模型和信息量-邏輯回歸模型ROC曲線Fig.7 ROC curves of both models

綜上所述,ROC特異性曲線和預測結果客觀準確地反映了利用兩種模型得出的地質災害易發(fā)性評價結論的預測精度和敏感度。研究區(qū)信息量模型、信息量-邏輯回歸模型在易發(fā)性評價的實際結果與評價效果方面具有較高的吻合度。

5.3 討論

海南島地質災害風險評價研究作為當前研究熱點,易發(fā)性研究是風險評價的重要組成部分。以往的易發(fā)性評價方法為基于半定量的信息量層次分析法,因子選擇多而全。文章通過因子間的共線性診斷,解決了因子間的相互干擾問題,采用的兩種模型分別代表了單一的定量模型和定量模型耦合定量權重模型。信息量-邏輯回歸克服了賦權重時的主觀性干擾,使多因子數(shù)據(jù)權重定量化。通過模型的對比研究,可以為當前或未來開展的風險調(diào)查評價中評價因子和評價模型的選擇提供科學依據(jù)。

6 結論

海南島中部山區(qū)的五指山市是海南島孕災條件最為有利的地區(qū)之一。文章基于定量化較高的信息量模型和信息量-邏輯回歸模型對研究區(qū)進行易發(fā)性評價研究,得出以下結論:

(1)兩種模型劃分的高易發(fā)區(qū)遍布研究區(qū),主要分布于山區(qū)公路和水系兩側沿線,尤其是五指山熱帶雨林以及北部番陽鎮(zhèn)至毛陽鎮(zhèn)公路、河流沿線。極低易發(fā)區(qū)主要位于河谷不發(fā)育、人類工程活動較少的丘陵低山地帶。

(2)評價因子共振性和相關性分析結果表明、曲率、巖土體、坡度相關度較大;公路、水系、起伏度、斷裂、NDVI、降雨量、高程變異系數(shù)因子間是相互獨立的;評價因子對地質災害發(fā)生的貢獻大小依次為降雨量、高程變異系數(shù)、公路、水系、起伏度、NDVI、斷裂;降雨量、高程變異系數(shù)、公路評價因子對地質災害易發(fā)性評價起較強的控制作用。

(3)兩種模型的AUC值分別為0.897和0.896,表明預測精度滿足易發(fā)性評價要求;利用未進入模型的39個災害點驗證,結果顯示研究區(qū)易發(fā)性分區(qū)結果是合理的。信息量-邏輯回歸模型具有更高的可靠性和精準度,研究成果將為該地區(qū)地質災害風險評價提供科學有效的判別方法和預測途徑。