地灾调查评价文献综述论文

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——定性图的结合）；

（3）统计方法（双变量或多变量统计）；

（4）确定性方法（Soeters和Van Westen，1996）。有关滑坡风险评估方面的出版物不多，但最近有一些关于滑坡风险评估的综述出版物值得称赞，如Cruden和Fell（1997）、Guzzetti（2000）、Dai等（2002）的文章以及Lee和Jone（2004）出版的教科书。根据澳大利亚岩土力学协会滑坡风险管理分委会提出的分类方法是基于定量化水平分为以下三种：

（1）定性方法（以定性术语表示概率和损失）；

（2）半定量方法（指标性概率和定性术语）；

（3）定量方法（概率和损失的定量化）。

总的来说，滑坡空间分析方法可以分为两大类：一是定性方法，包括滑坡编目和启发式方法；二是定量方法，包括统计概率预测和基于过程的数值模拟方法。根据Soeters和van Westen（1996）的研究，将不同尺度的滑坡空间分析所适用的方法加以概括（表2-8）。将滑坡危险性的4种方法与3种风险评估方法进行组合，便可以获得适用于中比例尺（1∶10000～1∶50000）的多种有用的方法（表2-9）。

表2-8 不同尺度滑坡灾害空间分析建议方法

表2-9 中比例尺基于GIS滑坡风险区划的评估方法和特定组合的有用性

注：0：危险性评估方法不适合风险评估方法；1：有用性中等的组合，危险性评估方法不太适合于风险评估方法；2：有用性高的组合，危险性方法可能是用于风险评估的最好方法，但这取决于数据的可得性（如历史滑坡记录）；3：最有用的组合，在可得的输入数据条件下会得出最好的风险评估结果。

如果在滑坡编目中有滑坡发生的时间和规模方面的信息可以利用的话，就可以估计一定地点特定时间给定规模的滑坡发生概率。滑坡编目的另一用途是对滑坡危险性分析的结果进行验证和校正。因此，最好将滑坡编目数据分成两组，一组用于滑坡分析，另一组用于验证（Chung和Fabbri，1999）。这往往是一个最基本的、但往往被忽视的问题。应投入较大的资源进行高质量的滑坡编目，以保证获得可靠的空间分析数据。

启发式方法基于对当地有关滑坡的认识和专家的判断。这种方法还使用空间信息解释滑坡的发生。通常这样的信息包括地形、水文、地质、岩土、地貌、植被以及土地利用等信息。通过野外调查和航片的解译获得这些信息。不同专家对于环境因子对滑坡的影响判断是不同的，主要取决于他（们）对滑坡的认识和经验。这种判断的主观性以及没有确定的标准使得启发式方法具有明显的缺陷。然而，如果专家对其所研究的滑坡机制有深入的了解，并对研究区进行过详细调查研究，使用这种评估方法得出的结果还是比较准确的和适用的，特别是对滑坡敏感性的首次估计。启发式方法适用于定性和半定量风险评估，可以用有限经费编制出较大面积的可靠的滑坡图，当然，这些工作要由专家来做才行。

与定性方法不同的是，定量方法主要基于客观准则进行评估，从理论上来讲，使用大致相同的数据会得出比较一致的结果。定量方法中统计方法应用的最普遍。利用多元回归或判别分析，将环境因子（如地质、地貌、土壤、地形、水文、植被等）分布图与滑坡编目图（发生地点）进行空间统计计算，得到滑坡危险性图。或者通过概率预测模型（如贝叶斯概率法和模糊逻辑法）也可以计算得出滑坡危险性图。滑坡危险性图是静态的，没有考虑气象条件的变化、流域汇水条件的变化和人类对环境条件的影响。统计方法非常适用于空间概率的评估，但在评估时间概率或未来环境变化效应时存在问题。如果与不同触发事件的滑坡编目图结合，可能是在较大范围地区进行定量风险评估的最好方法。

另一类定量方法是基于过程的模型方法。这类模型将地形属性（如坡度、曲度、坡向、距河道的距离、汇水面积等）与水文特征（土壤饱和度、渗透性和水力传导性等）相结合，以获得有关土壤岩土性质（如凝聚力、内摩擦角、比重），从而进行坡体稳定性分析。主要可利用的模型是无限坡法，如由Montgomery和Dietrich（1994）开发的SHALSTAB模型，该模型在美国许多地区和巴西里约热内卢得到了广泛的应用。最近由Günther等（2002）开发的数字电影模拟方法也用于滑坡空间分析上。

对于定量风险评估，基于滑坡编目的概率方法通常是最好的方法（假设条件是过去发生的滑坡事件是未来发生滑坡的指示）。然而，这种方法需要相当完整的历史滑坡记录。在因气候变化导致环境发生巨大变化的地区，滑坡频率将发生显著变化，该方法不适用于这类地区。一般来讲，滑坡风险定量评估的最好选择是应用确定性滑坡稳定模型，与山坡水文条件动态模型相结合。这需要覆盖大面积地区的大量数据，并且要对滑坡类型和滑坡深度进行很大程度的简化。

二、评估方法的进展

1.滑坡编目方法的进展

世界上只有极少数的地方建立了过去50～100年的完整的历史滑坡记录。在一些国家建立国家滑坡编目数据库，有时可以通过互联网获取数据库中的信息。其中最好的数据库包括意大利、中国香港、瑞士、法国、加拿大和哥伦比亚。可以利用这些数据进行滑坡危险性概率评估，这是定量风险评估的基础。根据Crovelli（2000），通常利用历史滑坡数据进行滑坡危险性评估的适用概率模型有两类：连续时间模型和离散时间模型。例如Coe等（2004a,b）将西雅图市（1909～1999）历史滑坡数据库有关信息输入到泊松模型中，据此估计出单体滑坡未来发生概率；还利用双峰概率模型估计了滑坡群年发生概率。这些成果图显示出未来可能发生的滑坡密度、平均重现期和超越概率。

香港是另一个具有相当丰富信息的滑坡数据库的典范。使用了将概率方法和启发式调整因素相结合的方法，利用该数据库的详细信息，估计了切坡失稳的年概率（Finlay等，1997）。历史滑坡记录还被用于计算滑坡触发事件（如降雨和地震）的概率。新西兰是这类分析研究的理想场所，确定了不同降雨强度下降雨临界值和滑坡概率（Glade，1997；Crozier和Glade，1999）。估计未来滑坡事件的频率和规模是必不可少的工作，最好在任何重大灾难性事件（地震、暴雨和飓风等）发生后，地貌学家应立即开展滑坡现象的编目以及不同承灾体损失调查。

2.启发式方法的进展

许多国家和地区实施的定性风险评估程序采用了启发式方法。例如美国加州（Blake等，2002）、新西兰（Glassey等，2003），澳大利亚（AGSO，2001；Michael—Leiba等，2003）、法国（Flageollet，1989）和瑞士（Lateltin，1997）。在澳大利亚国家地质灾害易损性的城市社区项目（或城市项目）是一项有关分析和评估包括滑坡在内的地质灾害对城市构成风险的计划，所使用的方法绝大多数是基于专家或地貌的启发式方法（AGSO，2001）。大区域的滑坡风险定量评估通常是一项艰巨的任务，因为计算整个地区的滑坡强度和频率是非常困难的事情，即便是借助GIS先进手段也是如此。在实践中，通常使用简化的定性评估程序，就像瑞士的做法一样（Lateltin，1997）（图2-1）。

地质灾害风险评估理论与实践

图2-1 瑞士水与地质联邦办公室采用的滑坡风险评估简化方案

注：表格中E为动能；V为滑坡速度；M为潜在物源物质的厚度；H为泥石流的高度。在这种方法中，没有根据滑坡发生的概率对滑坡事件做进一步的划分。

基于专家经验的定性方法将评估地区划分为几类风险地区：即“非常高”、“高”、“中等”、“低”、“非常低”的不同等级的风险地区。建议要对这些不同等级的风险说明实际应用的含义。例如，在非常高的风险地区，需要物理和非物理治理措施，必须限制更多的基础设施建设等。澳大利亚岩土力学协会滑坡风险分委会发布了有关财产滑坡风险评估的术语和方法指南，该指南综合考虑了滑坡发生的可能性及其可能的后果（与图3-1的方法相似），使用的方法适用于GIS环境的空间分析。

由于GIS技术的普遍应用，越来越多地使用了间接性的敏感性编图方法，而有关利用GIS的专家启发式的地貌编图或指数叠加编图方法（如Barredo等，2000； Van Westen等，2000）方面的出版物越来越少。 如上所述， 目前有关滑坡的数据库的不完善和数据标准的不统一，以及滑坡敏感性、危险性和风险性评估中存在的诸多困难，都需要专家的经验和知识开展滑坡风险评估和区划研究。特别是将地貌学家的启发式推理与计算机辅助模拟相结合的专家模型用以滑坡风险评估。美国开发的SMORPH模型便是这类模型的代表。该模型根据地形坡度和曲度将山坡划分为高、中、低不同的滑坡危险性等级。

风险编图将会从问题导向方法中受益匪浅，如可以仅选择那些已知的、造成破坏的滑坡失稳类型来确定风险影响因素。

3.统计方法的进展

地理信息系统（GIS）非常适用于间接的滑坡敏感性编图。可利用GIS的数据整合技术将使所有可能影响滑坡的地形要素与滑坡编目图结合起来（Van Westen，1993；Bonham Carte，1996；Chung和Fabbri，1999）。Chung和Fabbri（1999）开发出基于预测模拟的统计程序，将有利函数应用于每个参数上。使用该统计方法，可将地形单元或网格元调整为代表某特定滑坡类型未来发生概率的新数值。

值得注意的是，如何在滑坡敏感性统计评估中确定基础编图单元。从DEM中自动生成地形单元分类是主要的挑战之一。Chuang等（1995）定义了“唯一条件多变形”的概念，以此作为统计分析的基础单元对参数输入层进行叠加。M ller等（2001）定义并描述了利用GIS从DEM中生成的“土壤力学响应单元”（SMRU）的概念。以此作为基础单元，将启发式方法与土壤力学方法相结合对德国Rheinhessen地区进行了滑坡危险性评估。Juang等（1992）、Davis和Keller（1997）、Binaghi 等（1998）、Ercanoglu和Gokceoglu（2001）以及Gorsevski等（2003）综合运用了模糊学方法，进行了基于GIS的滑坡危险性评估。

采用实证权重模拟的双变量统计分析一直被广泛应用。该方法可以灵活地测试用于滑坡敏感性分析的输入因素的重要性，并可作为基于专家编图的辅助工具（Lee等，2002；Suzen和Doyuran，2003；Van Westen等，2003）。多变量统计分析也很重要，也是被广泛应用的方法（Carrara等，1999；Santacana等，2003）。根据最近的文献，目前最受欢迎的新的滑坡危险性统计方法是逻辑回归和人工神经网络（ANN）（如Chung等，1995；Rowbotham和Dudycha，1998；Ohlmacher和Davis，2003；Dai和Lee，2003）。ANN为输入层和输出层之间提供了一种转换机制，需要借助MATLAB系统完成有关计算。

用于滑坡风险评估的统计方法存在一些缺陷。一是简化了滑坡影响因素，仅考虑那些容易进行编图的因素或可以从DEM中生成的参数。二是关系到使用的统计方法的假设条件——在相似的环境组合条件下发生滑坡的可能性大。实际上环境因素在不断发生变化。三是不同滑坡类型有着不同的属性特征，应单独进行分析和评估。实践中因种种困难，难于做到这点。统计模型通常忽视了滑坡的时间方面，不能预测控制条件（如水位波动、土地利用变化和气候变化）的影响。因此，统计模型不能提供全面的时间概率信息，从而使其应用到定量风险评估变得困难。然而，如果能够利用特定时间间隔或特定重现期的滑坡编目图来生成统计关系，就会改进统计方法的评估水平。

近年来有一些关于将统计方法与不同时期滑坡图相结合的研究成果发表。例如，Zêzere等（2004）提出了用于葡萄牙里斯本北部滑坡危险性评估的区域尺度概率统计分析方法。他们基于“唯一条件多变形”这一基础单元，利用逻辑回归方法进行了滑坡危险性分析，得出的预测率曲线被用于滑坡敏感性图的定量解释和分类。由于滑坡与特定重现期的触发降雨事件相关，他们还将时间概率值关联起来。Dai和Lee（2003）在香港的部分地区也开展了类似的研究。然而，上述两个案例研究只开展了滑坡危险性评估，没有开展滑坡的风险评估。目前关于应用统计方法开展滑坡风险评估的研究还很少见。Remonodo等（2004）在西班牙北部进行的风险评估（包括使用过去损失数据进行易损性评估）是为数不多的研究案例之一。

4.确定性和动力模型方法的进展

在确定性分析中，根据斜坡稳定性模型计算的安全系数来确定滑坡危险性。确定性模型提供了滑坡危险性最好的定量信息，可直接用于岩土工程设计或定量风险评估。然而，确定性模型需要大量的输入数据，这些数据需要通过实验室试验和野外测量获得，因此仅能在小范围内使用确定模型。Dietrich等（2001）、Gritzner等（2001）、Chen和Lee（2003）、Van Beek和Van Asch（2003）等研究人员，将确定性模型与降雨诱发的潜层滑坡联系起来，开发出了水文动力模型（模拟孔隙水压力的时间变化）与斜坡稳定性模型耦合的GIS模型，用以定量分析临界孔隙水压力值。由美国森林管理局开发的斜坡稳定性模型也是基于无限斜坡方程。Hammond等（1992）使用了该模型并利用蒙特卡罗模拟器得出斜坡失稳的概率值。Davis和Keller（1997）以及Zhou等（2003）还尝试将蒙特卡罗与模糊方法相结合来确定斜坡失稳概率。

用于地震诱发的滑坡危险分析的确定型方法通常是基于简化的Newmark斜坡稳定性模型，Miles 和Ho（1999）、Luzi等（2000）、Randall等（2000）、Jibson等（2000）在GIS的每个计算单元上应用Newmark斜坡稳定性模型，得出滑坡危险性预测值。Refice和Capolongo（2002）还开展了将蒙特卡罗模拟方法与Newmark斜坡稳定性模型相结合的研究。

Anderson和Howes（1985）使用了完全不同的方法。他们开发出将水文斜坡稳定性模型耦合在内的2D模型（目前为CHASM），用于道路边坡滑坡危险性编图。Van Asch等（1993）和Moon 和Blackstock（2003）也使用了该方法对奥地利西部的Vorarlberg的小型汇水流域以及新西兰惠灵顿市分别开展了滑坡危险性评估。Miller和Sias（1998）使用2维有限元模型模拟非承压地下水的通量，计算了水位高度和大型滑坡不同剖面（采用简化的Bishop分隔方法）的安全系数。

GIS被广泛应用于滑坡活动范围的模拟。Dymond等（1999）开发了不同暴雨事件和土地利用情景下，浅层滑坡及其向河网输送沉积物的、基于GIS的计算机模拟模型。高分辨率的DEM是模型中的主要部分。De Joode和VanSteijn（2003）建立了一个简单又完整的过程模型，用以模拟降雨诱发的滑坡初始滑动、沿剖面的径流、物质传输、侵蚀以及在主要沟谷中的泥石流扩展。在模拟滑坡的流动速度和影响范围时，普遍采用了细胞单元自动生成法（Avolio等2000）。

许多研究人员（如Terlien，1996；Montgomery等，1998；Dietrich等，2001；VanBeek，2002）开展了GIS环境下的确定性动态模拟研究。如果输入气象数据，确定型模型就能够预测斜坡失稳的空间和时间频率。最近研发出的一些模型可以预测斜坡失稳后物质的运移过程并确定出泥石流的影响带（Chen和Lee，2003）。这些信息将直接用于滑坡易损性和风险评估。确定性模型与统计模型相比，其优势是可以预测不同的土地利用情景（目前不存在）下的滑坡危险性变化，还可以预测气候条件变化情景下的滑坡危险性。

然而，确定型模型的参数化方面的限制，使滑坡发生的时空频率及其影响范围的预测的准确性具有许多不确定性。在汇水流域尺度上，仅可对诱发机制较为简单、水文构型简单的滑坡能进行模拟预测。由于滑坡发生的时间和空间分布数据有限，难于进行模型的矫正和有效性检验。在滑坡活动范围和沉积带中物质厚度的分布是重要的模型校正与检验参数（Van Asch等，2004）。