水利水电技术 第47 卷 2016 年第4 期

Water Resources and Hydropower Engineering Vol. 47 No. 4

地质灾害危险性评价模型的比较分析与应用

缪 信1，汤明高1，王自高2，杨 何1

( 1. 成都理工大学 地质灾害防治与地质环境保护国家重点实验室，四川 成都 610059;

2. 中国电建集团昆明勘测设计研究院有限公司，云南 昆明 650051)

摘 要: 地质灾害危险性评价过程中模型的选取是评价的关键。为了研究评价模型的适用性，分析比

较了常用模型的优缺点。以黄登水电站库区为例，根据适用条件选取了信息量模型和逻辑回归模型进

行分析应用。通过 ROC 曲线的比较，两种模型都能很好的评价黄登水电站库区的灾害危险性，但是

逻辑回归模型能够剔除对地质灾害贡献小的因子，从而使得评价结果更为精确。分析表明，合适的模

型能够快速、有效地对地质灾害做出危险性评价，从而为地质灾害防治提供科学依据。关键词: 地质灾害; 危险性评价; 信息量模型; 逻辑回归模型; 黄登水电站

doi: 10. 13928 / j. cnki. wrahe. 2016. 04. 026中图分类号: P694 文献标识码: B 文章编号: 1000-0860( 2016) 04-0119-04

Comparative analysis and application of model for assessment on risk of geological hazardMIAO Xin1，TANG Minggao1，WANG Zigao2，YANG He1

( 1. State Key Laboratory of Geohazards Prevention and Geoenviroment Protection，Chengdu University of Technology，Chengdu 610059，

Sichuan，China; 2. PowerChina Kunming Engineering Corporation Limited，Kunming 650051，Yunnan，China)

Abstract: During the assessment on the risk of geological hazard，the key link is the selection of the model to be used. In orderto study the adaptability of the assessment model，the defects and merits of the conventional models are comparatively analyzedherein. By taking the reservoir area of Huangdeng Hydropower Station as the study case，the information content model and thelogistic regression model are selected for the analysis and application in accordance with the adaptable conditions con-cerned. Through the comparison of the relevant ROC curves，it is demonstrated that both the models can satisfactorily assess therisk of geological hazard of the reservoir area of the hydropower，while the logistic regression model can reject those factors withsmall contribution to geological hazard，thus its assessment result is more accurate. The analysis shows that the appropriate modelcan quickly and effectively assess the risk of geological hazard，and then provide a scientific basis for control and prevention ofgeological hazard.Key words: geological hazard; risk assessment; information content model; logistic regression model; Huangdeng HydropowerStation

收稿日期: 2015-07-30

基金项目: 国家重点基础研究发展计划( 2013CB733202) ; 中国电建集

团科研项目( AQ2013-1) 。

作者简介: 缪 信( 1991—) ，男，硕士研究生。

近年来，随着 GIS 等技术飞速发展，地质灾害危

险性评价也得到了大量专家和学者的研究［1 － 2］。国外

A. K. Pachauri 等［3］对 Garhwal 地区进行滑坡易发性制

图，提供了一个基于地质学和地形学的滑坡制图的实

例。A. Uromeihy 等［4］利用模糊综合评判法得出滑坡

灾害分区图。H. Go'mez 等［5］运用人工神经网络的方

法，进行了委内瑞拉 Jabonosa 河盆地滑坡的危险性评

911

缪 信，等∥地质灾害危险性评价模型的比较分析与应用

水利水电技术 第47 卷 2016 年第4 期

价研究。Yalcin［6］分别采用层次分析法和二元统计进

行滑坡灾害易发性分析。Pradhan Lee ［7］利用逻辑回

归模型和人工神经网络对马来西亚槟岛地区的滑坡灾

害进行了危险度区划。国内黄润秋等［8］运用 GIS 技

术与多种数学模型进行了地质灾害区域评价与危险性

区划。许强、汤明高等［9 － 10］采用多元统计、模糊综

合评判、神经网络、层次分析法等对长江三峡地质灾

害进行危险性评价和预测。薛东剑等［11］结合遥感数

据解译和地面调查，综合运用 GIS 技术、信息量模型

和 Logit 模型完成了对青川、平武县的地质灾害危险

性评价。地质灾害危险性评价是建立在地质环境研究、灾

害调查、监测等工作基础上按一定模型或方法进行

的。地质灾害危险性的研究开展至今，常用的模型有

信息量模型、逻辑回归模型等线性模型以及神经网络

模型、模糊评判模型等非线性模型。这些方法或模型

都有成功应用的先例，也有各自的优缺点［8 － 12］。结

合上述分析，本文以黄登水电站库区为例，选取数学

模型进行危险性评价，比较模型的适用性。

1 研究区概况

黄登水电站位于云南省怒江州兰坪县境内，水库

区为高山峡谷地貌，地形切割强烈，岩体较破碎，水

土流失严重。库区出露地层以中生界为主，主要出露

地层有石炭系、二叠系、三叠系、侏罗系及第四系

( Q) 地层。库区主要分布有滑坡、不稳定斜坡、崩

塌、泥石流等地质灾害( 见图 1) ，严重影响当地人们

的生命安全和和经济发展。因此，迫切需要对该区域

进行地质灾害危险性评价，为防灾减灾以及后续工作

提供科学依据。

图 1 库区地质灾害分布

2 地质灾害危险性评价与比较

结合现场勘查以及数据统计，本文选取坡度、高

差、工程地质岩组、河流水系、地质构造、人类工程

活动为地质灾害危险性的评价指标，其中河流水系、

地质构造、人类工程活动的影响分别以河流、断层、道路的影响距离为依据划分分级。

考虑到黄登水电站库区研究范围广，计算量大，

而神经网络模型和模糊评判模型计算复杂且只适用于

小流域的特点，选择信息量模型和逻辑回归模型进行

危险性评价。2. 1 基于信息量模型的危险性评价

信息量法以往多用于地质找矿等领域，将其应用

于地质灾害危险性区划的主要思路是: 通过对已变形

或破坏区域的各种影响区域稳定性因素的实测值转化

为反映区域稳定性的信息量值; 即通过某些因素对所

提供的研究对象信息量的计算来评价，亦即用信息量

的大小来评价影响因素与研究对象关系的密切程度。信息量用条件概率计算，实际计算时可用频率估计条

件概率来估算。即

I( xi，H) = lnNi /NSi /S

( 1)

式中，S 为研究区评价单元总数; N 为研究区含有地

质灾害分布的单元总数; Si 为研究区内含有评价因

素 Xi 的单元数; Ni 为分布在因素 Xi 内特定类别的地

质灾害单元数。各因子图层准备好之后，利用空间叠置分析、信

息分类、表面分析和距离分析等空间分析功能，结合

灾害分布图进行运算，获取灾害在不同因子类别中的

分布密度，再按照式( 1) 计算出各评价指标的信息量

值。由于信息量值过多，本文意在比较模型的评价结

果，故不在此一一列出。再对各类别赋予其对应的信

息量值，并进行相对应的栅格累加，最终结果得到整

个研究区的一张综合信息量图。利用统计学中常用的

自然断点法划分为 4 级: 高危险、中危险、低危险和

极低危险。黄登水电站库区地质灾害危险性区划( 信

息量模型) 如图 2 所示。2. 2 基于逻辑回归模型的危险性评价

逻辑回归模型是二分类因变量( 因变量 Y 只取两

个值) 进行回归分析时经常使用的统计分析方法，对

分类因变量和分类自变量( 或连

续自变量，或混合变量) 进行回

归建模。在地质灾害中，因变量

Y 是一个二类分量，其取值 Y =0 和 Y = 1( 0 代表灾害不发生，1代表灾害发生) ，各因子数据可

以作为自变量。影响 Y 取值的 n个自变量分别为各影响指标 x1，

x2，…，xn。在 n 个自变量作用

021

缪 信，等∥地质灾害危险性评价模型的比较分析与应用

水利水电技术 第47 卷 2016 年第4 期

表 1 危险性分区统计

项 目信息量模型 逻辑回归模型

分级栅格 /个 分级比例 /% 灾害栅格 /个 灾害比例 /% 分级栅格 /个 分级比例 /% 灾害栅格 /个 灾害比例 /%

极低危险 41 734 813 69. 9 5 805 0. 8 32 227 209 54 6 192 0. 9低危险 12 471 904 20. 9 126 804 19. 3 22 614 125 37. 9 113 733 17. 3中危险 3 793 244 6. 4 172 963 26. 3 3 028 987 5. 1 185 123 28. 2高危险 1 673 980 2. 8 352 004 53. 5 1 803 620 3. 0 352 528 53. 6

图 2 研究区地质灾害危险性区划( 信息量模型)

下灾害发生的条件概率为 P = P( Y = | x1，x2，…，xn ) ，将比

数 P / ( 1 － P) 取自然对数，并对

P 作 Logit ( 逻辑回归) 转换，记

为 Logit P，则 Logit P 的取值范

围为( － ∞， + ∞ ) 。则回归方

程和概率可表示为

LogitP = β0 + β1x1 +… + βnxn ( 2)

P = eβ0 + β1x1 +…βnxn

1 + eβ0 + β1x1 +…βnxn( 3)

图 3 研究区地质灾害危险性区划( 逻辑回归模型)

式中，z 为中间变量参数; β0 为

常数 项; β1，…，βn 为 回 归 系

数; P 为发生地质灾害的概率。Logit 回归模型是普通多元

线性回归 模 型 的 推 广，模 型 中

β0 为常数，表示在不接触任何

潜在危险 因 素 条 件 下，效 应 指

标发生与不发生事件的概率之

比; β1，…，βn 表 示 某 一 因 素

改变一个 单 位 时，效 应 指 标 发

生与不发生事件的概率之比的对数值。式( 2 ) 中如

果逻辑回归系数 β1，…，βn 确定，则根据不同的指

标 x1，x2，…，xn，即可计算某一区域发生灾害的

概率 P 值。根据 P 值大小，划分灾害发生可能性等

级。因此，问题转化为利用已知的历史灾害空间分

布，求算逻辑回归系数 β1，…，βn。若 Logit P 数值

随着 xn 的变化没有明显改变，则表示该变量贡献

小，逻辑回归本身具有挑选变量的功能，没有贡献

或贡献很小的变量会被剔除出模型。在 已 有 的 栅 格 数 据 上 根 据 随 机 采 样 方 法 选 取

6 000 样本点，其中灾害样本点 1 000 个，占总样本

的 16. 7%，然后利用 SPSS 软件进行逻辑回归分析，

各个影响因子的逻辑回归系数值。经计算，坡度、高差、工程地质岩组、河流距

离、断层距离、道路距离的回归系数分别为 0. 362、1. 366、0. 650、0. 522、0、1. 007，其中断层距离指

标的回归系数为 0，被剔除模型。利用式( 3) 计算出

各评级单元的概率，划分为 4 级。按此标准分类后的

等级图即研究区地质灾害危险性区划图( 逻辑回归模

型) ，如图 3 所示。2. 3 不同模型对比与分析

通过图 1 与图 2、图 3 的对比，发现两者均以较

小的面积概括了绝大部分的灾害发生区域，有较高的

评价精度。高、中危险区的区域范围相对一致，主要

为人类工程活动强度最大枢纽区和库区上游软弱岩体

集中的区域，但低、极低危险性区域的划分存在一定

的差异。运用 GIS 空间统计功能可得出各危险性分区

具体比例( 见表 1) 。综合区划图与分区统计表，信息量模型和逻辑回

归模型所预测的高危险和中危险面积分别占研究区域

总面积的 9. 2% 和 8. 1%。但是所包含的历史灾害比

例，信息量模型为 79. 8%，逻辑回归模型为 81. 8%。说明逻辑回归模型评级精度更高，对于高低危险区的

区分度更好。为了进一步评价模型分类结果的准确性，引入

121

缪 信，等∥地质灾害危险性评价模型的比较分析与应用

水利水电技术 第47 卷 2016 年第4 期

ROC 曲线这一方法来说明。ROC 曲线是模型的评价

和比较中常用的方法［14］。ROC 曲线是以预测结果的

每一个值作为可能的判断阈值，由此计算得到相应的

灵敏度和特异度，以假阳性率即( 1 － 特异度) 为横坐

标，以真阳性率即灵敏度为纵坐标绘制而成。假阳性

率即未发生灾害单元被正确预测的比例，真阳性率即

灾害单元被正确预测的比例。为了定量比较，使用曲

线下面积( Area Under Curve) 来衡量比模型的评价预

测精度。AUC 取值范围为［0. 5，1］，ROC 曲线靠近

左上角，则 AUC 值越大，其性能则更好一些。理想

情况是模型预测分布区与灾害实际分布区完全吻合，

此时 AUC 值为 1。将 GIS 软件随机生成的 6 000 个测试样本点的

发生地质灾害的概率数据导入 SPSS 软件中并绘制

ROC 曲线 ( 见 图 4 ) 。通 过 运 算，信 息 量 模 型 AUC值为 0. 897，逻辑回归模型 AUC 值为 0. 901。在本

研究区中逻辑回归模型适用性较信息量模型好，总

体精度更高。分析其原因，主要在于逻辑回归模型

将相关性相对不是很大的变量剔除出模型。本案例

中，地质灾害的分布距离断层较远，断层对地质灾

害灾害的发生“贡献”较小，所以几乎可以忽略断层

的影响。逻辑回归模型仅保留了对灾害贡献最大的

几个变 量，因 而 使 得 评 价 过 程 更 具 集 中 性 和 有 效

性。

图 4 ROC 曲线

3 结语与展望

本文总结了当前区域地质灾害常用模型的优缺

点，并选取了信息量模型和逻辑回归模型对黄登水电

站库区进行危险性评价。评价结果与现有地质灾害分

布情况比较吻合，有较高的精度。通过对比两种模型

的 ROC 曲线和 AUC 值，得出逻辑回归模型总体描述

精度稍高，能更好地评价黄登水电站库区的地质灾害

危险性。如今，随着不同学科之间交叉应用，涌现了大量

的数学理论和模型。目前阶段中在选择最合适模型的

基础上，可运用多个模型相互补充和验证，从而提高

评价结果的准确性。但是，地质灾害危险性评价研究

过程常用的模型并不多，每个模型都有着不同的适用

条件和不足之处。如何改进并创新模型也是今后研究

的方向。

参考文献:

［1］ 高文学 . 中国自然灾害史 ( 总论) ［M］. 北京: 地震出版社，

1996.

［2］ 张业成，胡景江，张春山，等 . 中国地质灾害危险性分析与灾

变区划［J］. 海洋地质与第四纪地质，1995，15( 3) : 55-671.

［3］ A. K. Pachauri，P. V. Gupta，R. Chander. Landslide zoning in a part

of the Garhwal Himalayas［J］. Environmental Geology，1998，36( 3-

4) .

［4］ A. Uromeihy，M. R. Mahdavifar. Landslide hazard zonation of the Khorsh-

rostam area，Iran［J］. Bulletin of Engineering Geology and the Environ-

ment，2000( 58) : 207-213.

［5］ H. Go'mez，T. Kavzoglu. Assessment of shallow landslide suscepti-

bility using artificial neural networks in Jabonosa River Basin［J］.

Venezuela. Engineering Geology，2005( 78) : 11-27.

［6］ Yalcin，A. A GIS-based landslide susceptibility mapping using ana-

lytical hierarchy process and bivariate statistics in Ardesen ( Tur-

key) : Comparisons of results and confirmations［J］. Catena，2008

( 72) : 1-12.

［7］ Pradhan B，Lee S. Delineation of landslide hazard areas on Penang

Island，Malaysia， by using frequency ratio， logistic regression，

and artificial neural network models［J］. Environmental Earth Sci-

ences，2010，60( 5) : 1037-1054.

［8］ 黄润秋，许强，沈芳，等 . 基于 GIS 的地质灾害区域评价与危

险性区划系统研究［C］/ /第三届海峡两岸山地环境灾害研讨会

论文集 . 台北，2001.

［9］ 向喜琼 . 区域滑坡地质灾害危险性评价与风险管理［D］. 成都:

成都理大学，2005.

［10］ 汤明高，许强 . 基于层次分析法的三峡水库塌岸危险度评价

［J］. 人民长江，2008( 15) : 10-12.

［11］ 薛东剑，何政伟，陶舒，等 .“5. 12”震后区域地质灾害危险性

评价研究: 青川、平武县为例［J］. 地球科学进展，2011，26

( 3) : 311-318.

［12］ 孟庆华 . 秦岭山区地质灾害风险评估方法研究［D］. 武汉: 中

国地质科学院，2011.

［13］ Nefeslioplu H. a. ，GokceogluC，H. An assessment on the use of lo-

gistic regression and artificial neural networks with different sampling

strategies for the preparation of landslide susceptibility maps［J］.

Engineering Geology，2008，97( 3-4) : 171-191.

( 责任编辑 郭利娜)

221