城市化的快速推進加劇了建設活動強度,強烈改變自然地表,破環(huán)原本穩(wěn)定的地質(zhì)環(huán)境,導致滑坡災害日益頻繁。本研究以深圳市為研究區(qū),基于"危險性-脆弱性-潛在損失"三維評價框架評價深圳市街道尺度滑坡災害生態(tài)風險、運用"三基色"原理可視化風險結構,并采用蒙特卡洛模擬進行不確定性分析,進而提出生態(tài)風險管理措施。結果表明:（1）不確定性與街道面積呈顯著的負相關關系,隨著街道面積增加,生態(tài)風險源不確定性減少;（2）以風險源為不確定性主體的生態(tài)風險評價中,不確定性由生態(tài)風險源不確定性和"源外"因子大小共同主導,"源外"因子大小是生態(tài)風險評價不確定的敏感因素;（3）深圳市滑坡災害生態(tài)風險從西到東呈現(xiàn)"低-高-低-高"交錯結構,風險結構主要為"高脆弱-高潛在損失"型和"高危險-高潛在損失"型。分析生態(tài)風險結構,建立滑坡災害生態(tài)風險管理體系,制定明確風險管理目標,有利于高效地進行生態(tài)風險管理。 

【文章來源】：生態(tài)學報. 2020,40(11)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

深圳市街道及滑坡編錄

利用深圳市112例歷史滑坡點(設為“1”)和等量的“無隱患點”(設為“0”)共224例樣本點對深圳市全域內(nèi)的滑坡災害危險性進行預測。隨后提取樣本點對應的環(huán)境因子,用于人工神經(jīng)網(wǎng)絡的訓練和測試�？紤]滑坡機理[15],本文從數(shù)據(jù)源中獲取了9項環(huán)境因子,包括:高程、坡度、剖面曲率、平面曲率、地層巖性、斷層距離、NDVI、邊坡點核密度和年平均降雨量,將所有圖層輸出為60 m×60 m的柵格大小。為避免相似因素被重復考慮,導致模型估計失真,需識別環(huán)境因子之間的關聯(lián)關系,剔除相關性較強的環(huán)境因子。利用波段集統(tǒng)計各圖層的相關關系,發(fā)現(xiàn)高程和坡度相關關系中等,其余因子相關系數(shù)小于0.5,考慮到高程、坡度對滑坡發(fā)生的機理不一致,故不剔除,選用這9項因子評價滑坡災害危險性(圖2)。在環(huán)境因子選擇上,剖面曲率和平面曲率控制著滑坡體的重量,兩邊坡同等剪切面下,凹形邊坡的重量比凸形邊坡更輕,凹形邊坡比凸形邊坡更難發(fā)生滑坡災害;斷層控制著巖層的破碎化程度,離斷層越近,巖石更加破碎,降雨情況下易滲水失穩(wěn);邊坡點核密度和NVDI在反應了人類活動的強弱,一定程度上可表征對地質(zhì)環(huán)境的破環(huán)。其余因子都是文獻中常用到的滑坡災害危險性評價因子[15,22- 23]。將9項環(huán)境因子極差標準化到[0,1]之間以消除量綱對結果的影響[22],提取224例樣本點和深圳市546910個柵格點(60 m×60 m)的9項環(huán)境因子,在MATLAB R2014a中使用動量梯度下降法[21]訓練人工神經(jīng)網(wǎng)絡并預測結果。為了檢驗滑坡評價的準確性,將樣本點分為訓練樣本和測試樣本兩部分,分別占80%和20%。通過比對節(jié)點層數(shù)目,構建隱含層節(jié)點數(shù)目為16的前向網(wǎng)絡,采用動量梯度下降法訓練神經(jīng)網(wǎng)絡,設定誤差目標為0.1,學習效率為0.02[21],網(wǎng)絡在2545次迭代后達到訓練誤差目標0.1。將9個圖層輸入訓練得到的BP網(wǎng)絡中進行深圳市全域滑坡災害危險性的預測,預測結果用測試樣本和SPSS 22.0的ROC曲線進行檢驗并極差標準化到[0,1]后,導入ArcGIS中轉(zhuǎn)為柵格數(shù)據(jù)進行分區(qū)統(tǒng)計,得到街道尺度滑坡災害危險性。

“危險性-脆弱性-潛在損失”評價框架包含滑坡災害危險性、生態(tài)脆弱性、潛在生態(tài)損失三項因子。危險性結果的ROC曲線下面積AUC值為0.926,表明預測結果可信度較高,可以作為滑坡災害評價結果。將三項環(huán)境因子數(shù)值按照自然間斷法分為5個等級顯示(圖3)。結果表明:深圳市滑坡災害危險性普遍處于相對較高水平,滑坡災害危險區(qū)域集中在深圳中西部和東南部,西北部生態(tài)脆弱性較高,潛在生態(tài)損失從西到東呈現(xiàn)“低-高-低-高”交錯分布。圖4 滑坡災害生態(tài)風險等級

【參考文獻】：
期刊論文
[1]基于滑坡監(jiān)測數(shù)據(jù)的Elman神經(jīng)網(wǎng)絡動態(tài)預測[J]. 李尋昌,葉君文,李葛,李俊.  煤田地質(zhì)與勘探. 2018(03)
[2]基于棲息地風險評價模型的海岸帶灘涂濕地風險評價——以閩三角為例[J]. 陳曄倩,李楊帆,祁新華,陳文惠,林金煌.  生態(tài)學報. 2018(12)
[3]基于粗糙集和BP神經(jīng)網(wǎng)絡的滑坡易發(fā)性評價[J]. 唐睿旋,晏鄂川,唐薇.  煤田地質(zhì)與勘探. 2017(06)
[4]基于聚類分析和支持向量機的滑坡易發(fā)性評價[J]. 黃發(fā)明,殷坤龍,蔣水華,黃勁松,曹中山.  巖石力學與工程學報. 2018(01)
[5]宏生態(tài)尺度上景觀破碎化對物種豐富度的影響[J]. 邱廉,陶婷婷,韓善銳,楊文宇,欒夏麗,邱燕寧,劉茂松,徐馳.  生態(tài)學報. 2017(22)
[6]西南山地滑坡災害生態(tài)風險評價——以大理白族自治州為例[J]. 杜悅悅,彭建,趙士權,胡智超,王仰麟.  地理學報. 2016(09)
[7]城市雨洪管控需要生態(tài)智慧的引領[J]. 陳利頂.  生態(tài)學報. 2016(16)
[8]基于RRM模型和不確定性分析的喀斯特地區(qū)生態(tài)風險管理——貴陽市案例研究[J]. 王祺,蒙吉軍,孫寧.  山地學報. 2016(04)
[9]不同采樣密度下縣域森林碳儲量仿真估計[J]. 郭含茹,張茂震,徐麗華,袁振花,秦立厚,陳田閣.  生態(tài)學報. 2016(14)
[10]基于生態(tài)系統(tǒng)服務的生態(tài)風險評價研究進展[J]. 康鵬,陳衛(wèi)平,王美娥.  生態(tài)學報. 2016(05)



本文編號：3297176