滑坡、泥石流灾害危险度评估经验模型 滑坡灾害风险评估
一、泥石流灾害的经验模型
针对泥石流灾害，刘希林在多年的实践中初步建立一套泥石流危险度的定量评估方法，逐步得到广泛的共识,并在实践应用中不断加以完善。他确定的区域泥石流危险度评估指标为8项：
y:泥石流沟分布密度（条/103km2），通过实地考察或航片判读获取。泥石流沟分布密度是区域泥石流规模和发生频率的替代因子，含有规模和频率的双重信息，它不仅表明了区域泥石流的发育历史，也表明了目前的活动状况，同时预示着将来的发展趋势，是区域泥石流危险度评估的重要依据。
x1:岩石风化程度系数Ky（取倒数），岩石风化程度系数定义为风化岩石单轴干抗压强度除以新鲜岩石单轴干抗压强度。岩石风化程度能较好地反映一个地区泥石流形成的可能性大小，而Ky值又与岩石性质和风化程度有关。岩石风化越严重，Ky值越小；岩性越软弱，Ky值越小。新生代和中生代的Ky值可取0.6，古生代和元古宙岩石的Ky值可取0.5，半风化岩石Ky取值为0.4～0.75。以岩石出露面积为权重，从地质图上量算获取。
x3:断裂带密度（km/103km2），从地质图（1∶20万或1∶50万）上量算获取。一个地区断裂带密度越大，地层岩石越破碎，松散固体物质产出越多，泥石流潜在规模就越大，该地区泥石流危险度就越大。
x6:大于等于25°的坡地面积百分比（%），从政府统计部门、国土部门等有关部门获取。以1∶5万或1∶10万地形图为基础图件，利用计算机GIS技术制作出区域地形坡度图，从中获取大于等于25°的坡地面积百分比的数据。泥石流形成区山坡坡度大都在25°以上。陡峻的坡度造成坡面上松散固体物质的剪切强度减小，剪切应力增大而最终导致斜坡破坏失稳，为泥石流提供固体物质来源和运动动能。
x8:洪灾发生频率（%），即实际洪灾次数除以可能出现的洪灾次数，从气象部门和水利部门获取（实际工作中此指标若难获取，亦可用年平均降雨量代替）。
x9:年平均月降雨量变差系数Cv值（小数），从气象部门获取资料后计算获取。这一因子反映一个地区降雨量在年内各月的分配情况。降雨量越集中，降雨强度就越大，泥石流触发条件就越充分，区域泥石流发生频率就可能越大。
x11:年平均大于等于25mm大雨的日数（日），从气象部门获取（实际工作中此指标也可用年平均大于等于50mm暴雨的年平均日数代替）。
x16:大于等于25°的坡耕地面积百分比（%），从政府统计部门或国土部门获取。陡坡耕种破坏森林植被，加重水土流失，是造成不稳定斜坡发生重力块体运动、坡面侵蚀和沟谷侵蚀的主要因素之一。
提出了如下区域泥石流危险度的计算公式：
地质灾害风险评估理论与实践
式中：H为区域泥石流危险度（0～1）；Y，X1，X3，X6，X8，X9，X11，X16分别是y，x1，x3，x6，x8，x9，x11，x16八项指标的极差变换后的赋值（0～1）。
极差变化实际上就是0～1标准化，最大值变换为1，最小值变化为0，其余值介于0～1之间。这种方法得到的危险度只具有相对意义而不具有绝对可比性，即危险度大小比较只能在同一评估区进行，不具有跨区横向可比性。为克服极差变换赋值法的不足，刘希林结合我国云南、四川、辽宁、北京等暴雨泥石流地区的实际情况，提出了8项指标的分段函数赋值（表3-3）。
表3-3 区域泥石流危险度8项评估指标的分段赋值转换函数
二、意大利学者提出的经验模型
意大利在Campania西北部盆地（面积1500km2，具有独特的地质和地貌特征，有火山岩、冲积沉积物和灰岩分布）进行的泥石流灾害危险度评估，采用的经验公式如下：
地质灾害风险评估理论与实践
式中：S代表泥石流的危险性；A，B，K，，N是当地地貌或土地利用相关的参数；G是泥石流物源区的坡度。
对于整个研究区，采用了下列公式：
地质灾害风险评估理论与实践
式中：L代表土地利用；Dc代表到危险悬崖的距离；T代表火山碎屑盖层的厚度；Dr代表到山区道路的距离。
根据不同地区的具体情况，进一步简化公式（2），如有的地方Dc和Dr的影响不大，可以忽略，公式（2）可改写为S=L×G（1+T）。采用一元统计回归方法，确定相关参数的数值。对于稳定的草原，L的取值为0.0001，而对于针叶林，L的取值为1.5。
该地区的研究人员证实了泥石流的发生频率（F）与D（Dc或Dr）之间存在公式（3）的统计关系：
地质灾害风险评估理论与实践
式中：F为滑坡发生概率。
公式（3）说明了在Sarno地区爆发大规模泥石流的原因。最早产生滑坡可能是在天然危岩体或道路削坡处，运动物质仅数方物质，但随着暴雨持续，使火山碎屑岩盖层得到了浸泡，山谷中不断聚集这些物质，冲向下游，逐渐发展成为杀伤力巨大的大型泥石流灾难。泥石流的影响范围是通过“到达角”（=tan-1Dh/L）来确定的，其中Dh是高度，L是水平长度。对于自然边坡，视亚区的条件，采用28°或21°时泥石流的高度和水平长度。对于整治过滑坡，采用18°时的泥石流的高度和水平长度。
三、美国学者提出的统计经验模型
Jones等人（1961）在美国富兰克林·罗斯福湖周围的更新世阶地堆积物中开展的滑坡灾害危险性区划。他们根据对调查的300多个滑坡灾害点的分类统计，并对定性与定量影响因素（物质成分、地下水条件、阶地高度、排水状况、原始坡度、浸没）的信息数据建立滑坡灾害数据卡。每个滑坡灾害点依据HC∶VC比值来分类（从滑坡前缘到后缘的水平距离和垂直距离之比），在分类的10组滑坡类型中，作进一步的方差、协方差和多元回归计算，以确定系统中的重要控制参数。通过进一步的统计分析，建立了双变量判别函数方程：
地质灾害风险评估理论与实践
y为判别函数；x1为原始坡度；x2为浸没百分率；x3为阶地高度；x4为地下水位（高时取值0.1，低时取值为0）。
320个滑坡和稳定斜坡的判别函数值范围为-0.0019到0.0404，y值低代表稳定斜坡，y值高代表活动滑坡。0.0106为滑动的下限值,根据该值，斜坡被划分成稳定的（y<0.0106），相对稳定的（0.0106<y<0.0142）和易滑动的（y>0.0142）三种危险性等级。
Neuland在1976年采用主成分分析方法，从包括地貌、土力学性质、物质成分和结构特征的31个参数中选择基准变量，经F检验的结果表明，有9个因素是独立的。建立的滑坡判别函数为：
T=0.114×10-4S2-0.2048×10-2R+0.8119log（W+10）-0.583log（D+10）
式中：T为预测函数；S为斜坡坡度（度）；R为坡脚深度（m）；W为距分水岭距离（km）；D为土的固结度和密度。
泥石流灾害易损性评估~
泥石流灾害的易损性是指“在一定区域和时段内，由于泥石流灾害而可能导致的该区域内所存在的一切人、财、物的潜在最大损失”。“在给定地区，由于潜在损害现象可能造成的损失程度，可以取值从0到1”。泥石流灾害易损性特征主要体现在泥石流灾害特征方面，易损性的内涵按属性亦同样可分为社会易损性、物质易损性、经济易损性和资源环境易损性。
一、区域泥石流易损性评估因子
泥石流灾害承灾体可分为两种基本类型：财产和人口。一方面，社会经济条件可以反映潜在最大损失的大小，即易损度的高低，因为社会经济发达的地区，城镇和人口密集，产业活动频繁，承灾体数量多、密度大、价值高，遭受灾害时人员伤亡和经济损失就大；另一方面，社会经济条件较好的地区，随着人们受教育程度的增加，防灾意识增强，个人和政府为减少灾害损失而采取的防灾投入增加，因此该地区整体承灾能力相对较强，相对损失值有所降低，但绝对损失值并不会因此而降低，易损度仍然随着财产和人口的增加而增大，只不过增长的幅度由于承灾能力的增强而部分抵消，增长速度逐渐减缓而已。因此，财产和人口与易损度的关系不是简单的线性关系。据此，易损度评估因子主要分为财产指标和人口指标两大类。财产指标包括建筑资产、交通设施资产、生命线工程资产、个人财产和土地资源价值；人口指标包括人口年龄、受教育程度、富裕状况、人口自然增长率和人口密度。也可以按照承灾体的属性将易损性分为四类：物质易损性、经济易损性、环境易损性和社会易损性。
物质易损性指标：基础设施和建筑物，为有形资产，可用固定资产投资来表示。考虑到资产折旧因素，可用累积15年固定资产投资作为代表物质易损性的综合指标。显然，一个地区固定资产价值越大，遭受自然灾害时该地区总的物质损失就越大，即易损性就越大。
经济易损性指标：为无形资产，用货币形式表示，可用国内生产总值（GDP）来作为代表经济易损性的综合指标。显然，一个地区国内生产总值越大，遭受自然灾害时该地区经济损失就越大，即易损性就越大。
资源环境易损性指标：主要包括水、气和土地资源。森林资源已考虑在经济易损性中。对泥石流来说，土地资源是主要的环境易损物源，可作为代表环境易损性的主要指标。显然，土地资源价值越大，遭受泥石流时土地损失就越大，即易损性就越大。土地价值不仅依赖于土地质量和土地利用方式，而且与市场条件有关。而市场条件变化迅速且难以预测，因此直接评估土地价值较为困难。为简单起见，一般以不同土地类型的基准地价作为土地资源易损性的衡量指标。
社会易损性指标：即人口和社会结构（规模、密度、年龄、教育和财富）。国际地质科学联合会（IUGS）提出了将人的易损性表达为自然灾害对某一人群生命造成影响的概率，但如何确定这一概率到目前还很难用直接的方法来确定。因此，一般考虑用间接的方法来将社会易损性定量化。可能最大的生命损失，首先与人口密度有关，一个地区人口密度越大，遭受自然灾害时，该地区人们生命遭受损失的可能性越大，即易损性就越大；同时也与人口（年龄状况）有关，65岁以上的老人和15岁以下的少年儿童比其他年龄段的人具有更大的易损性；易损性还与教育水平有关，接受较少教育的人们易损性就较高；此外，富裕程度亦影响到易损性的大小，农村人口较为贫穷，相对于城市居民来说具有更大的易损性。
二、区域泥石流灾害易损性经验评估模型
根据有关学者的研究成果，区域泥石流灾害易损性评估模型如下：
地质灾害风险评估理论与实践
式中：V1为财产指标（亿元）；P为物质易损性，取累积15年固定资产投资（亿元）；G为经济易损性，取当年国内生产总值（亿元）；B为环境易损性，取各类土地资源基准地价（元/m2）；A为各类土地面积（km2）；V2为人口指标（人/km2））；a为65岁以上老年人和15岁以下少年儿童人口的比例（%）；b为初等教育及以下人口的比例（%）；c为农业人口的比例（%）；D为人口密度（人/km2）；FV1为财产指标V1的转换赋值（0～1）；FV2为人口指标V2的转换赋值（0～1）；V为区域泥石流易损度，即易损性的量化数值（0～1，或0～100%）。
从定义的内涵来看，易损性是指自然灾害可能发生地区一切人和物的潜在总损失，即生命和财产损失的总和。由此可推论易损性模型的基本形式应是“和函数”，但财产指标V1和人口指标V2具有不同的计量单位，不能直接相加。故采用“分段转换赋值函数”解决人、财、物统一标度。根据区域统计资料，设定V1和V2达到或超过某一上限值时赋值为1；V1和V2取值为零时赋值为0；其余值介于0～1之间。由此得到的FV1和FV2无计量单位，故而满足“和函数”的要求。易损度取值范围介于0～1或0～100%之间，与危险度和风险度的取值范围一致。易损度V与FV1和FV2之间并非简单的正相关线性关系，基于统计分析得知，指数为0.5的幂函数最适合于拟合易损性与财产和人口之间的关系，由此得出区域泥石流灾害易损性转换模型。易损性分级与危险性分级一样，仍在0～1的取值范围采用等分法：即0<V<0.2为极低易损区；0.2<V<0.4为低易损区；0.4<V<0.6为中度易损区；0.6<V<0.8为高度易损区；0.8<V<1.0为极高易损区。
三、小结
易损性（vulnerability）是某种地质灾害现象以一定的强度发生而对承灾体可能造成的损失程度。
易损性评价首先要对地质灾害承灾体分类，地质灾害承灾体分为三类：
（1）公民的生存安全；
（2）以物化劳动形式存在的物质财富，包括属于机关企事业单位所有的一切财产和属于居民个人所有的一切财产；
（3）资源，只包括未经人类劳动加工的自然资源和环境资源。
物质财富分类，可分为十二类：
（1）居民财产，再分为：
①城市居民财产，包括房屋、家居用品；
②乡村居民财产，包括房屋、家居用品；
（2）种植养殖的动植物（农林牧渔第一产业价值）；
（3）农业净资产；
（4）工业净资产；
（5）交通运输业（铁路、公路、运输工具）净资产；
（6）建筑业净资产；
（7）商业净资产；
（8）金融和科研单位净资产；
（9）医疗卫生机构净资产；
（10）机关及其附属单位净资产；
（11）中小学校净资产；
（12）其他净资产。
承灾体易损性的确定，采用野外实地调查法。以评价单元为单位，详细调查每个评价单元内在某次地质灾害中对某类物质财富造成的损失价值，及当时灾害成灾范围内某类物质财富的总价值。物质财富易损性即为地质灾害造成的某类物质财富的损失价值占灾前灾害危害范围内某类物质财富的总价值的百分比。承灾体易损性的确定，也可采用得尔菲法。向从事地质灾害防治的工程技术人员和管理人员发出问卷，对收回的问卷进行统计分析，求取各类地质灾害对各类承灾体的易损性。
人口安全易损性是人在地质灾害中可能死伤人数与灾前人口总数的比重或百分比。依据得尔菲法和野外实地调查综合取值，分别求取各类地质灾害的人口安全易损性。因此，要详细调查每个评价单元内在某次地质灾害中造成的人口伤亡，及当时灾害成灾范围内的人口总数。
一、滑坡灾害危险性评估
（一）评估方法
Bonham提出了基于统计学的Bayesian方法的数据驱动权重模型（weights of evidencemodeling），并将其应用到找矿领域。Van Westen进一步将模型应用到灾害危险型评估领域。数据驱动权重模拟方法的主要原理是利用滑坡历史分布数据，建立滑坡分布与各影响因子之间的统计关系，即根据在各影响因子不同类别中滑坡分布的统计情况来确定各影响因子对滑坡灾害的贡献率(权重) 大小。这种采用数据进行权重确定的方法被称为数据驱动模型。与专家的知识模型相比，权重的确定更加科学和可靠，避免了专家的主观性所带来的不确定性。最后，利用另一时期的滑坡分布历史数据对评估结果进行检验和成功率预测，使评估结果更加具有可信度。这种方法的主要评估原理示意于图7-5。基于贝叶斯（Bayesian）统计方法的数据驱动权重模型较其他统计方法更加严谨，充分考虑了滑坡影响因素之间的关系，以及各影响因素与滑坡灾害的关系；并进行影响因素的独立性分析，找出最关键的影响因子。在此基础上再计算各影响因素的权重。通过实证权重统计计算得出正负权重以及各种统计参数，依次选择不同方法——后概率预测法、指数叠加法和模糊逻辑法，生成最终的滑坡敏感性图，用另一组数据进行检验，比对各种方法的预测结果的准确性。
图7-5 基于GIS的滑坡灾害敏感性评估示意图
（二）滑坡危险性评估准则与数据准备
滑坡的发生与所在的地质环境条件、外部气象条件和人类活动的强度密切相关。根据当地条件和数据可得性确定以下滑坡评估因素：
存在适宜的地质岩性条件。例如，软弱岩石的存在；
存在适宜的土地利用强度。土地利用强度越大，越容易产生滑坡；
存在适宜的坡度条件。坡度越陡越容易产生滑坡；
存在适宜的降水条件。持续时间越长的暴雨越容易产生滑坡；
存在适宜的地壳活动强度。断裂活动越强，越容易产生滑坡。
本次研究所采用的GIS平台主要是荷兰国际地区测量与观测学院（ITC）开发的ILWIS软件。该软件集GIS空间分析、地质统计学、遥感影像处理等模块为一体，具有强大的空间分析、地质统计和影像处理功能。利用ILWIS软件生成以下5个滑坡影响因子图，并根据滑坡调查数据，生成两组滑坡分布图：
坡度图：从衢州地区1∶5万DEM地形图中生成坡度图，然后按照表7-12重新进行分类和赋值生成坡度图（Sub_1）。
降雨量图：通过数字化衢州地区1∶5万降雨量图获得降雨量图，然后按表7-13重新进行分类和赋值生成降雨量图（Sub_2）。
岩性图：从衢州地区1∶10万地质图提取，按照表7-14进行分类和赋值，生成岩性图（Sub_3）。
土地利用强度图：从衢州地区1∶5万土地利用图，按照表7-15重新进行分类和赋值，生成土地利用强度图（Sub_4）
断层图：从衢州地区1∶10万地质图提取断层线，以此利用ILWIS软件中的“Buffer”功能来按表7-16生成断裂距离图（Sub_5）。
崩滑流灾害分布图：将滑坡调查数据分为两组：用危害程度“较大级”和“重大级”（21个点）作为计算图件（Threat_L），用危害程度“一般级”（共29个点）（Threat_S）进行验证。
表7-12 坡度分类和赋值
表7-13 降雨量分类和赋值
表7-14 地质岩性分类及赋值
表7-15 土地利用分类及赋值
表7-16 断层缓冲分区和赋值
（三）计算流程
计算流程见图7-6。
图7-6 滑坡敏感性图计算流程
（四）实证权重后概率预测法
第一步：生成多边形属性特征图（图7-7，见彩页）
根据表7-15～表7-16，按下列命令在ILWIS GIS环境中，生成岩性二值图（Sub_4）和土地利用强度二值图(Sub_5)：
Sub_4=iff(geology<6,"nonfav","fav")
Sub_5=iff(Dl_value<5,"nonfav","fav")
将岩性二值图（Sub_4）和土地利用强度二值图(Sub_5)分别与第一组滑坡灾害分布图（Threat_L）进行交叉运算，分别生成交叉运算表，按下列一组公式确定统计参数：Npixt ,Npixd, Npixb, Npixbd，然后计算正、负权重(Wp, Wn) 以及离差（C）和标准离差（sigC），计算结果见表7-17。
表7-17 滑坡二值模式的权重和统计参数
Npixt=研究区的总像元素数目
Npixd=存在滑坡点的像元数数目
Npixb=各滑坡影响因子二值图中“存在”类型的像元数数目
Npixbd=在各滑坡影响因子二值图“存在”类型中有滑坡分布的像元数数目
Wp=ln(((Npixbd*(Npixt-Npixd))/((Npixb-Npixbd)*Npixd)))
Wn=ln(((Npixd-Npixbd)*(Npixt-Npixd))/((Npixt-Npixd-(Npixb-Npixbd))*Npixd))
stdWp=sqrt((1/Npixbd)+(1/(Npixb-Npixbd)))
stdWn=sqrt((1/(Npixd-Npixbd))+(1/(Npixt-Npixd-(Npixb-Npixbd))))
C=Wp-Wn
sigC=C/(sqrt(stdWp^2+stdWn^2))
第二步：生成线性属性特征图（图7－7）
根据表7-12～表7-14，生成坡度图（:Sub_1）、降雨量图（Sub_2）和断层缓冲图（Sub_3），将生成的坡度图（:Sub_1）、降雨量图（Sub_2）和断层缓冲图（Sub_3）分别与第一组滑坡灾害分布图（Threat_L）进行交叉运算，分别生成交叉运算表，按下列一组公式确定统计参数：Npixt ,Npixd, Npixp, Npixpd，然后计算正、负权重(Wp,Wn) 以及离差（C）和标准离差（sigC），计算结果见表7-17。
Npixt、Npixd 代表的意义与上面一样。
Npixp=累积分类中像元素数目
Npixpd=累积分类中存在滑坡点的数目
Wp= ln(((Npixpd*(Npixt-Npixd))/((Npixp-Npixpd)*Npixd)))
Wn=ln(((Npixd-Npixpd)*(Npixt-Npixd))/((Npixt-Npixd-(Npixp-Npixpd))*Npixd))
stdWp = sqrt((1/Npixpd)+(1/(Npixp-Npixpd)))
stdWn = sqrt((1/(Npixd-Npixpd))+(1/(Npixt-Npixd-(Npixp-Npixpd))))
根据表7-17中的W+、C值和SigC来看，降雨量和坡度因素的影响最大，表明它们对衢江地区的滑坡产生具有重要影响。土地利用的影响最小。
第三步：条件独立性检验
首先按以下公式生成5个二值预测模式图（W_1、W_2、W_3、W_4、W_5）（图7-8，见彩页）：
W_1=iff(Slope_1<80,0.5114,-1.5693)
W_2=iff(Waterfall_2<200,0.9816,-1.9373)
W_3=iff(Sub_3="fav",-0.7296,0.1973)
W_4=iff(Sub_4="fav",-0.442,0.2515)
W_5=iff(fault_1<21,0.0869,-0.4051)
然后进行两两条件独立性检验。对上述生成的5个二值预测模式图（W_1～W_5），通过两两条件交叉运算，得出Chi平方值，其计算结果见表7-18。从表中可以看出，所有值都低于3.84（95%的置信度水平）， 这表明所有因素彼此都是具有明显的统计独立性。
表7-18 用于独立性检验的两两比较Chi平方值
第四步：生成滑坡后概率预测图
按以下公式生成滑坡后概率预测图（图7-9，见彩页）：
pstprb1=exp(ln(21/7047/(1-21/7047))+W_1+W_2+W_3+W_4+W_5)/
(1+exp(ln(21/7047/(1-21/7047))+W_1+W_2+W_3+W_4+W_5))
按下列公式对上面滑坡后概率预测图（pstprb1）创建预测二值图(postmap_1)：
Postmap_1 =iff(pstprb1>(21/7047), "favorable", "nonfavorable")
从二值图（Postmap_1）的统计图表中可知，滑坡易发地区（“favorable”）的单元数为3831个，占研究区单元总数的54.36%。将第二组滑坡灾害点图（共有29个危害程度一般滑坡点）迭置在二值图（图7-9，见彩页 Postmap_1）上，有23个点落入滑坡易发地区（“favorable”）内，这表明预测成功率达到79.31%（图中黑点为用于验证的29个的点）。
（五）实证权重指数叠加法
第一步：生成指数叠加二值图
根据表7-17，通过差值法计算权重和分数，其结果见表7-19。
表7-19 指数叠加法和模糊逻辑法的权重和分数
按以下公式生成指数叠加二值图（Index_1, Index_2, Index_3, Index_4,Index_5）
Index1= iff(Slope_1<80,7.21,2.79)
Index2= iff(Waterfall_2<200,9.90,0.10)
Index3= iff(Sub_3="fav",0.10,9.90)
Index4= iff(Sub_4="fav",1.75,8.25)
Index5= iff(fault_1<21,4.78,5.22)
第二步：生成滑坡敏感性图
按下列公式生成滑坡敏感性图（Index_map）：
Index_map=(Index1*2.0801+Index2*2.9181+Index3*(-1.4850)+Index4*1.4342
+Index5*0.602)/( 2.0801+2.9181-1.4850+1.4342+0.602)
将生成的滑坡敏感性图（Index_map）重新进行分类（三类：适宜、一般适宜、不适宜），得到最终滑坡敏感性图
从最终滑坡敏感性图的统计图表可知，滑坡易发地区（“favorable”）的单元数为17856个，占研究区单元总数的33%。将第二组滑坡灾害点图（共有29个滑坡点）迭置在最终滑坡敏感性图（图7-10，见彩页），有16个点落入滑坡易发地区（“favorable”）内，这表明预测成功率达到55.17%。
（六）方法比较
尽管使用不同的方法得出的结果有很大的差异，但总体趋势是相同的。实证权重后概率预测法与指数叠加法相比，前者比后者集中度大，即“适宜”地区大一些（分别是54.36%和35.95%），但前者的预测成功率比后者大一些（79.31%和55.17%）。因此，实证权重后概率预测法比指数叠加法更保守些（表7-20）。
表7-20 不同方法预测成功率比较
（七）小结
实证权重法权重的获得是客观的，不是根据专家的主观判断，而是根据实际滑坡灾害调查数据与滑坡影响因素的统计关系确定的。
根据表7-17中的W+、C值和SigC来看，降雨量和坡度因素的影响最大，表明它们对衢江地区的滑坡产生具有重要影响。土地利用的影响最小。
通过两两比较相关性检验表明，所选定的5个滑坡影响因子具有条件独立性。
尽管使用不同的方法得出的结果有很大的差异，但总体趋势是相同的。实证权重后概率预测法与指数叠加法相比，前者比后者的“适宜”地区大一些（分别是54.36%和35.95%），但前者的预测成功率比后者大一些（79.31%和55.17%）。而模糊逻辑5种方法结果都不理想。总的来看，实证权重后概率预测法与指数叠加法结果比较好。
滑坡敏感性评估是滑坡灾害风险评估与管理的重要组成部分。只有在充分认识滑坡灾害敏感性的基础上，考虑承灾体的易损性，才能客观地评估滑坡灾害的风险，从而制定出减轻滑坡灾害的行之有效的措施。我国是滑坡灾害的多发国家，如何认识滑坡灾害的敏感性，在国民经济建设中合理开发利用土地，将滑坡灾害损失降低到最小限度，是摆在我们面前的紧迫任务。因此，开展滑坡灾害敏感性评估方面的研究具有重要的现实意义。3S技术在这一领域有着十分广阔的应用前景。不断发展的GIS 平台具有强大的遥感影像的处理功能和空间分析功能，为科学分析和预测滑坡灾害提供了技术平台。概括起来，滑坡灾害评估的空间分析方法主要有两种，一是基于专家经验的知识驱动型方法；二是基于统计学的数据驱动型方法。显然，前者具有主观性和不确定性；而后者则更加科学、可靠。基于统计学的数据驱动型方法在滑坡灾害评估领域中的应用还属于探索阶段，如何利用强大GIS 技术平台，开发出更符合实际的滑坡灾害空间分析的统计算法是今后的发展方向。
二、承灾体易损性评估
承灾体易损性包括物质易损性和人口易损性。承灾体易损性不仅取决于承灾体本身的承灾能力，还取决于当地社会抵御滑坡灾害的能力，这包括减灾措施、灾害预报、灾害应急准备和社会经济发展水平。因此，易损性是承灾体脆弱性和防灾水平共同作用的结果。
（一）易损性评估数据准备与评估准则
滑坡发生所造成的危害取决于人的生命和财产抵御滑坡灾害的能力，即易损性大小。主要与人口和财产（基础设施、建筑物和土地资产）的分布位置及密度密切相关。根据当地条件和数据可得性确定滑坡灾害易损性评估因素包括：人口分布密度、房屋建筑物财产价值（万元）、通讯基站投资（万元）、公路（千米）、耕地资产（万元）、园地资产（万元）、林地资产（万元）。
采用荷兰国际地区测量与观测学院（ITC）开发的ILWIS软件GIS平台，利用ILWIS软件按表7-21生成以下7个滑坡易损性图（图7-11～图7-17，见彩页）：①人口分布密度图；②房屋建筑物财产价值图；③通讯基站投资图；④道路交通图；⑤耕地资产图；⑥园地资产图；⑦林地资产图。
表7-21 衢州地区滑坡灾害承灾体易损性评分标准
（二）易损性评估方法（因子权重评估方法）
采用主成分分析与因子分析方法确定权重。具体计算过程如下：
（1）单变量描述性统计量，见表7-22。
表7-22 单变量描述性统计表
（2）相关系数矩阵见，表7-23。
表7-23 相关系数矩阵
（3）KMO与Bartlett 的球形检定，见表7-24。
显示KMO抽样适当性参数与Bartlett的球形检定。
表7-24 KMO与Bartlett 的球形检定
KMO是Kaiser-Meyer-Olkin的取样适当性量数，当KMO值愈大时，表示变量间的共同因子愈多，愈适合进行因子分析，根据专家 Kaiser（1974）观点，如果KMO的值小于 0.5 时，较不宜进行因子分析。此处的KMO值为0.520，表示适合因子分析。此外，从Bartlett的球形检验的值为158.400，自由度为15，达到显著，代表样本的相关矩阵间有共同因子存在，适合进行因子分析。
（4）共同性。显示因子间的共同性结果，或者说显示各因子解释掉方差的比例。共同度从0到1，0为因子不解释任何方差，1为所有方差均被因子解释掉。一个因子越大地解释掉变量的方差，说明因子包含原有变量信息的量越多，见表7-25。
表7-25 因子间的共同性结果
（5）未转轴前的结果，见表7-26。
表7-26 主成分分析结果
前5个主成分的方差累计贡献率已超过85%，因此，取前5个主成分为公因子。
其主因子荷载矩阵A，见表7-27。
表7-27 主因子荷载矩阵
（6）转轴后的结果，见表7-28～表7-32。
表7-28 方差极大旋转因子荷载矩阵A*
表7-29 正交旋转变换矩阵
表7-30 方差极大旋转因子荷载矩阵A*的特征值及其对应的方差贡献率
表7-31 因子得分的系数矩阵
表7-32 财产评估因子权重分配系列
（三）承灾体易损性评估结果
对这6个评估指标对应的评分图按各个因子的权重值进行图层间的叠加运算，按以下公式得到各单元的滑坡易损性指数，即易损性指数为各评估指标评分的加权和评估结果（图7-18，见彩页）：Di=∑（Wi×Ri）。式中Di为滑坡易损性指数，Wi为评估参数i的权重因子，Ri为评估指标的评分值。
具体来讲，按照上节计算出的财产评估因子的权重结果（Wi），使用ILLWIS软件按下式进行叠加运算：
财产易损性=0.156×建筑物资产+0.164×耕地资产+0.163×园地资产+0.167×林地资产+0.171×道路资产+0.179×通讯基站投资
财产易损性计算结果如图7-18所示。然后将财产易损性图与人口易损性图（即人口分布密度图7-19，见彩页）按等权重进行叠加运算并按5个等级（0，0.1～2.9，3.0～5.7，5.8～8.6，8.7～11.5）重新进行分类，结果如图7-20和图7-21（见彩页）所示。
三、滑坡风险性评估
（一）滑坡风险性评估计算
滑坡风险性是滑坡危险性和承灾体易损性共同作用的结果。滑坡风险评估计算按下式计算：
风险度（Risk）=危险度（Hazard）×易损度（Vulnerability）
具体计算按以下步骤：
（1）将前面用实证权重后概率法和指数叠加法计算出来的滑坡危险性两张图按5个等级进行重新分类，结果如图7-22和图7-23（见彩页）所示。
（2）按滑坡风险评估交叉矩阵（表7-33）将滑坡易损性（图7-21，见彩页）与滑坡危险性（图7-22和图7-23，见彩页）分别进行交叉运算，结果见图7-24和图7-25（见彩页）所示。
表7-33 滑坡风险评估交叉矩阵表（V=VI×VS）
（二）滑坡风险性评估结果分析
从滑坡风险性实证权重概率图的统计图表（表7-34）可以看出，滑坡风险较高地区（IV和V级）所占面积为59.5km2，占研究面积的3.4%，滑坡风险中等地区（III级）所占面积为532km2，占研究面积的30.2%；滑坡风险较小（II和I级）地区所占面积为1170.25km2，占研究面积的66.4%。
表7-34 滑坡风险性实证权重概率图的统计图表
从滑坡风险性实证权重指数叠加图的统计图表（表7-35）可以看出，滑坡风险较高地区（IV和V级）所占面积为126.75km2，占研究面积的7.2%，滑坡风险中等地区（III级）所占面积为691.5km2，占研究面积的39.9%；滑坡风险较小（II和I级）地区所占面积为916.75km2，占研究面积的52.9%。
表7-35 从滑坡风险性实证权重指数叠加图的统计图表
两种方法得出的结果有所差异，但总体趋势基本相同。根据滑坡风险性较高地区（IV和V级）所占面积的集中度和预测成功率，实证权重指数叠加法较实证权重后概率法保守些，滑坡风险性高的地区划定的范围较大，见表7-36，图7-26和图7-27（见彩页）。
表7-36 两种方法比较
（三）小结
本次研究在滑坡危险性评估中采用了两种实证权重统计方法，并在滑坡易损性评估中采用了主成分-因子分析统计方法，确定了财产评估因子的权重，最后通过交叉运算得到了衢州地区滑坡风险性。克服了以往专家指数评定方法权重确定的主观性的缺点，通过实际案例分析，主要得出以下结论：
两种方法得出的结果有所差异，但总体趋势基本相同。根据滑坡风险性较高地区（IV和V级）所占面积的集中度和预测成功率，实证权重指数叠加法较实证权重后概率法保守些，滑坡风险性高的地区划定的范围较大。
研究区滑坡风险性较高地区（IV和V级），主要分布在西北部和东南部地区，在这些地区滑坡危险性主要受降雨量和坡度因素的影响，滑坡易损性主要是人口分布影响较大，居民点和道路及通讯基站的分布也主要集中在这些地区。东南部林地资产较大，这些影响因素的综合作用，导致这些地区滑坡风险性较高。
实证权重法权重的获得是客观的，不是根据专家的主观判断，而是根据实际发生的滑坡灾害数据与影响滑坡危险性的各评估指标的统计关系而确定的。但在本次滑坡危险性案例研究中，因为响应因子-滑坡灾害点少（50个），不能完全揭示出响应因子与预测因子之间的统计关系。如果能够获得足够多训练点数据，会得到更加精确的结果。另外，实证权重要求，必须对预测因子进行分类且对响应因子按一定阈值进行划分才能应用该方法，因此，阈值的确定至关重要，选定不同的阈值将会产生不同的评估结果。因此，更需要大量的实际观测数据，建立响应因子与预测因子之间的统计关系，从而更加科学地确定阈值。
在实证权重评估方法中，进行了两两比较条件独立性检验，结果表明，所选定的滑坡危险性5个评估指标都具有条件独立性，说明所选定的评估指标是合理的。
滑坡、泥石流灾害危险度评估经验模型
答：一、泥石流灾害的经验模型 针对泥石流灾害，刘希林在多年的实践中初步建立一套泥石流危险度的定量评估方法，逐步得到广泛的共识,并在实践应用中不断加以完善。他确定的区域泥石流危险度评估指标为8项：y:泥石流沟分布密度（条/103km2），通过实地考察或航片判读获取。泥石流沟分布密度是区域泥石流规模和发生...
地质灾害风险评估方法
答：在地质灾害预测中,可利用灰色关联分析,评估斜坡稳定性各影响因素的影响程度,可以克服通常数理统计方法作系统分析所导致的缺憾,对样本量和样本的规律性无特殊要求。同样可通过灰色聚类中的灰类白化权函数聚类,在考虑多种影响因素的基础上对各研究单元的危险性状态进行判定,进而完成空间预测中的危险性分区。灰色系统的以灰...
泥石流灾害易损性评估
答：二、区域泥石流灾害易损性经验评估模型 根据有关学者的研究成果,区域泥石流灾害易损性评估模型如下: 地质灾害风险评估理论与实践 式中:V1为财产指标(亿元);P为物质易损性,取累积15年固定资产投资(亿元);G为经济易损性,取当年国内生产总值(亿元);B为环境易损性,取各类土地资源基准地价(元/m2);A为各类土地面...
地质灾害危险性现状评估
答：危害程度严重的有3处,主要位于通渭碧玉等地;危害程度中等的有6处,主要位于秦安莲花、天水北道等地;其余49处属于危害程度轻的。主要危害农田、公路、零星住户,同时构成泥石流的松散补给物质。 根据滑坡稳定性和危害程度评判结果,评估区危险性大的滑坡有4处,分别位于范家坪—彭家大山(h3、h5)、通渭碧玉峡口(h49)、...
滑坡灾害风险经济学评价
答：五、滑坡风险评估结果 王家半坡滑坡发生灾害的可能性很大,风险概率为0.83,处于极不稳定阶段,受威胁面积达37500m2,影响范围约为37500m2,灾害如果发生会产生巨大的经济损失,预测结果如表9-4-1所示。 以上为直接经济损失值,根据灾害的经验统计,间接损失为直接经济损失的4倍,所以间接经济损失为1912.04万元,总计为2390.05...
地质灾害风险评估方法研究进展
答：一、评估方法的分类及适用性 对基于GIS的滑坡危险性评估方法分类和评述可参见Soeters和Van Westen(1996)、Carrara等(1995,1999)、Guzzetti等(1999),Aleotti和Chowdury(1999)和Van Westen(2000)发表的文章。一致认为评估方法可分为4类: (1)基于滑坡编目的概率方法; (2)启发式方法(直接方法——地貌填图,或间接方法...
地质灾害危险区划分与评价
答：一、地质灾害危险性评价指标体系 控制和影响地质灾害形成的地质条件很多,但归纳起来主包括两方面的条件,即地质灾害形成的基础条件和诱发条件。依此,可建立地质灾害危险性评价指标体系(图6-12)。 1.地质灾害活动程度 地质灾害活动程度主要是指地质灾害活动的历史。在本次地质灾害危险性评价中,主要考虑地质灾害活动的点密...
滑坡灾害危险性与风险评估研究进展
答：Ragozin等在2000年提出了应用于滑坡灾害风险评估的危险性指标和易损性指标以及相应的表达式。Johnson等2000年在澳大利亚一项为城市发展规划服务的崩塌、滑坡、泥石流灾害预测中,把地质灾害危险性、易损性和风险评估作为一体,以GIS软件为技术平台,分别采用了平面和三维评估系统,对Cairns地区进行了崩塌、滑坡、泥石流等地质...
地质灾害损失评价
答：崩塌、滑坡、泥石流破坏范围广,几乎涉及各类受灾体,包括:房屋、铁路、公路、桥梁、生命线工程、水利工程、构筑物、航道、农作物林木、设备、材料、室内财产、土地资源等。 二、地质灾害经济损失评估 把定量化分析地质灾害经济损失程度的过程称为地质灾害经济损失评估。它是在地质灾害危险性评价和易损性评价基础上进行的...
地质灾害造成的价值损失评估
答：三、地质灾害期望经济损失评价方法 预测地质灾害经济损失需根据不同类型地质灾害活动特点计算期望损失:崩塌、滑坡、泥石流等突发性地质灾害根据风险评价理论,采用概率预测方法计算期望损失;地面沉降、海水入侵等缓发性地质灾害采用趋势预测方法计算期望损失。下面分别按“点评估”和“面评估”来叙述。 (一)点评估地质灾害期...
