城市滑坡灾害生态风险不确定性分析及风险管理——以深圳市为例
发布时间：2021-07-22 12:43
城市化的快速推进加剧了建设活动强度,强烈改变自然地表,破环原本稳定的地质环境,导致滑坡灾害日益频繁。本研究以深圳市为研究区,基于"危险性-脆弱性-潜在损失"三维评价框架评价深圳市街道尺度滑坡灾害生态风险、运用"三基色"原理可视化风险结构,并采用蒙特卡洛模拟进行不确定性分析,进而提出生态风险管理措施。结果表明:（1）不确定性与街道面积呈显著的负相关关系,随着街道面积增加,生态风险源不确定性减少;（2）以风险源为不确定性主体的生态风险评价中,不确定性由生态风险源不确定性和"源外"因子大小共同主导,"源外"因子大小是生态风险评价不确定的敏感因素;（3）深圳市滑坡灾害生态风险从西到东呈现"低-高-低-高"交错结构,风险结构主要为"高脆弱-高潜在损失"型和"高危险-高潜在损失"型。分析生态风险结构,建立滑坡灾害生态风险管理体系,制定明确风险管理目标,有利于高效地进行生态风险管理。
【文章来源】：生态学报. 2020,40(11)北大核心CSCD
【文章页数】：10 页
【部分图文】：
深圳市街道及滑坡编录
利用深圳市112例历史滑坡点(设为“1”)和等量的“无隐患点”(设为“0”)共224例样本点对深圳市全域内的滑坡灾害危险性进行预测。随后提取样本点对应的环境因子,用于人工神经网络的训练和测试。考虑滑坡机理[15],本文从数据源中获取了9项环境因子,包括:高程、坡度、剖面曲率、平面曲率、地层岩性、断层距离、NDVI、边坡点核密度和年平均降雨量,将所有图层输出为60 m×60 m的栅格大小。为避免相似因素被重复考虑,导致模型估计失真,需识别环境因子之间的关联关系,剔除相关性较强的环境因子。利用波段集统计各图层的相关关系,发现高程和坡度相关关系中等,其余因子相关系数小于0.5,考虑到高程、坡度对滑坡发生的机理不一致,故不剔除,选用这9项因子评价滑坡灾害危险性(图2)。在环境因子选择上,剖面曲率和平面曲率控制着滑坡体的重量,两边坡同等剪切面下,凹形边坡的重量比凸形边坡更轻,凹形边坡比凸形边坡更难发生滑坡灾害;断层控制着岩层的破碎化程度,离断层越近,岩石更加破碎,降雨情况下易渗水失稳;边坡点核密度和NVDI在反应了人类活动的强弱,一定程度上可表征对地质环境的破环。其余因子都是文献中常用到的滑坡灾害危险性评价因子[15,22- 23]。将9项环境因子极差标准化到[0,1]之间以消除量纲对结果的影响[22],提取224例样本点和深圳市546910个栅格点(60 m×60 m)的9项环境因子,在MATLAB R2014a中使用动量梯度下降法[21]训练人工神经网络并预测结果。为了检验滑坡评价的准确性,将样本点分为训练样本和测试样本两部分,分别占80%和20%。通过比对节点层数目,构建隐含层节点数目为16的前向网络,采用动量梯度下降法训练神经网络,设定误差目标为0.1,学习效率为0.02[21],网络在2545次迭代后达到训练误差目标0.1。将9个图层输入训练得到的BP网络中进行深圳市全域滑坡灾害危险性的预测,预测结果用测试样本和SPSS 22.0的ROC曲线进行检验并极差标准化到[0,1]后,导入ArcGIS中转为栅格数据进行分区统计,得到街道尺度滑坡灾害危险性。
“危险性-脆弱性-潜在损失”评价框架包含滑坡灾害危险性、生态脆弱性、潜在生态损失三项因子。危险性结果的ROC曲线下面积AUC值为0.926,表明预测结果可信度较高,可以作为滑坡灾害评价结果。将三项环境因子数值按照自然间断法分为5个等级显示(图3)。结果表明:深圳市滑坡灾害危险性普遍处于相对较高水平,滑坡灾害危险区域集中在深圳中西部和东南部,西北部生态脆弱性较高,潜在生态损失从西到东呈现“低-高-低-高”交错分布。图4 滑坡灾害生态风险等级
【参考文献】：
期刊论文
[1]基于滑坡监测数据的Elman神经网络动态预测[J]. 李寻昌,叶君文,李葛,李俊. 煤田地质与勘探. 2018(03)
[2]基于栖息地风险评价模型的海岸带滩涂湿地风险评价——以闽三角为例[J]. 陈晔倩,李杨帆,祁新华,陈文惠,林金煌. 生态学报. 2018(12)
[3]基于粗糙集和BP神经网络的滑坡易发性评价[J]. 唐睿旋,晏鄂川,唐薇. 煤田地质与勘探. 2017(06)
[4]基于聚类分析和支持向量机的滑坡易发性评价[J]. 黄发明,殷坤龙,蒋水华,黄劲松,曹中山. 岩石力学与工程学报. 2018(01)
[5]宏生态尺度上景观破碎化对物种丰富度的影响[J]. 邱廉,陶婷婷,韩善锐,杨文宇,栾夏丽,邱燕宁,刘茂松,徐驰. 生态学报. 2017(22)
[6]西南山地滑坡灾害生态风险评价——以大理白族自治州为例[J]. 杜悦悦,彭建,赵士权,胡智超,王仰麟. 地理学报. 2016(09)
[7]城市雨洪管控需要生态智慧的引领[J]. 陈利顶. 生态学报. 2016(16)
[8]基于RRM模型和不确定性分析的喀斯特地区生态风险管理——贵阳市案例研究[J]. 王祺,蒙吉军,孙宁. 山地学报. 2016(04)
[9]不同采样密度下县域森林碳储量仿真估计[J]. 郭含茹,张茂震,徐丽华,袁振花,秦立厚,陈田阁. 生态学报. 2016(14)
[10]基于生态系统服务的生态风险评价研究进展[J]. 康鹏,陈卫平,王美娥. 生态学报. 2016(05)
本文编号：3297176
【文章来源】：生态学报. 2020,40(11)北大核心CSCD
【文章页数】：10 页
【部分图文】：
深圳市街道及滑坡编录
利用深圳市112例历史滑坡点(设为“1”)和等量的“无隐患点”(设为“0”)共224例样本点对深圳市全域内的滑坡灾害危险性进行预测。随后提取样本点对应的环境因子,用于人工神经网络的训练和测试。考虑滑坡机理[15],本文从数据源中获取了9项环境因子,包括:高程、坡度、剖面曲率、平面曲率、地层岩性、断层距离、NDVI、边坡点核密度和年平均降雨量,将所有图层输出为60 m×60 m的栅格大小。为避免相似因素被重复考虑,导致模型估计失真,需识别环境因子之间的关联关系,剔除相关性较强的环境因子。利用波段集统计各图层的相关关系,发现高程和坡度相关关系中等,其余因子相关系数小于0.5,考虑到高程、坡度对滑坡发生的机理不一致,故不剔除,选用这9项因子评价滑坡灾害危险性(图2)。在环境因子选择上,剖面曲率和平面曲率控制着滑坡体的重量,两边坡同等剪切面下,凹形边坡的重量比凸形边坡更轻,凹形边坡比凸形边坡更难发生滑坡灾害;断层控制着岩层的破碎化程度,离断层越近,岩石更加破碎,降雨情况下易渗水失稳;边坡点核密度和NVDI在反应了人类活动的强弱,一定程度上可表征对地质环境的破环。其余因子都是文献中常用到的滑坡灾害危险性评价因子[15,22- 23]。将9项环境因子极差标准化到[0,1]之间以消除量纲对结果的影响[22],提取224例样本点和深圳市546910个栅格点(60 m×60 m)的9项环境因子,在MATLAB R2014a中使用动量梯度下降法[21]训练人工神经网络并预测结果。为了检验滑坡评价的准确性,将样本点分为训练样本和测试样本两部分,分别占80%和20%。通过比对节点层数目,构建隐含层节点数目为16的前向网络,采用动量梯度下降法训练神经网络,设定误差目标为0.1,学习效率为0.02[21],网络在2545次迭代后达到训练误差目标0.1。将9个图层输入训练得到的BP网络中进行深圳市全域滑坡灾害危险性的预测,预测结果用测试样本和SPSS 22.0的ROC曲线进行检验并极差标准化到[0,1]后,导入ArcGIS中转为栅格数据进行分区统计,得到街道尺度滑坡灾害危险性。
“危险性-脆弱性-潜在损失”评价框架包含滑坡灾害危险性、生态脆弱性、潜在生态损失三项因子。危险性结果的ROC曲线下面积AUC值为0.926,表明预测结果可信度较高,可以作为滑坡灾害评价结果。将三项环境因子数值按照自然间断法分为5个等级显示(图3)。结果表明:深圳市滑坡灾害危险性普遍处于相对较高水平,滑坡灾害危险区域集中在深圳中西部和东南部,西北部生态脆弱性较高,潜在生态损失从西到东呈现“低-高-低-高”交错分布。图4 滑坡灾害生态风险等级
【参考文献】：
期刊论文
[1]基于滑坡监测数据的Elman神经网络动态预测[J]. 李寻昌,叶君文,李葛,李俊. 煤田地质与勘探. 2018(03)
[2]基于栖息地风险评价模型的海岸带滩涂湿地风险评价——以闽三角为例[J]. 陈晔倩,李杨帆,祁新华,陈文惠,林金煌. 生态学报. 2018(12)
[3]基于粗糙集和BP神经网络的滑坡易发性评价[J]. 唐睿旋,晏鄂川,唐薇. 煤田地质与勘探. 2017(06)
[4]基于聚类分析和支持向量机的滑坡易发性评价[J]. 黄发明,殷坤龙,蒋水华,黄劲松,曹中山. 岩石力学与工程学报. 2018(01)
[5]宏生态尺度上景观破碎化对物种丰富度的影响[J]. 邱廉,陶婷婷,韩善锐,杨文宇,栾夏丽,邱燕宁,刘茂松,徐驰. 生态学报. 2017(22)
[6]西南山地滑坡灾害生态风险评价——以大理白族自治州为例[J]. 杜悦悦,彭建,赵士权,胡智超,王仰麟. 地理学报. 2016(09)
[7]城市雨洪管控需要生态智慧的引领[J]. 陈利顶. 生态学报. 2016(16)
[8]基于RRM模型和不确定性分析的喀斯特地区生态风险管理——贵阳市案例研究[J]. 王祺,蒙吉军,孙宁. 山地学报. 2016(04)
[9]不同采样密度下县域森林碳储量仿真估计[J]. 郭含茹,张茂震,徐丽华,袁振花,秦立厚,陈田阁. 生态学报. 2016(14)
[10]基于生态系统服务的生态风险评价研究进展[J]. 康鹏,陈卫平,王美娥. 生态学报. 2016(05)
本文编号：3297176
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3297176.html
