基于GDIV模型的大渡河中游地区滑坡危险性评价与区划.pdf

DOI：10.16031/ki.issn.1003-8035.202208014阳清青，余秋兵，张廷斌，等.基于 GDIV 模型的大渡河中游地区滑坡危险性评价与区划J.中国地质灾害与防治学报，2023，34(5):130-140.YANGQingqing，YUQiubing，ZHANGTingbin，etal.LandslidehazardassessmentinthemiddlereachareaoftheDaduRiverbasedontheGDIVmodelJ.TheChineseJournalofGeologicalHazardandControl，2023，34(5):130-140.基于 GDIV 模型的大渡河中游地区滑坡危险性评价与区划阳清青1，余秋兵2，张廷斌1，易桂花3，张恺1（1.成都理工大学地球科学学院，四川成都610059；2.四川省冶金地质勘查局六六大队，四川成都611730；3.成都理工大学旅游与城乡规划学院，四川成都610059）摘要：区域地质灾害评价是减灾防治的重要非工程手段，构建区域滑坡危险性评价模型，对提高地质灾害评价精度和防治效率具有重要意义。文章以滑坡频发的大渡河中游地区为研究区，初选高程、坡度、坡向、地震动参数、土壤类型、工程地质岩组、年平均降雨量和地形湿度指数（TWI）等 13 个因子，建立滑坡危险性初级评价指标体系。考虑各因子对滑坡形成贡献程度的不同和目前常权栅格叠加方式对滑坡危险性评价结果精度的影响，引入了地理探测器和变权栅格叠加，构建了地理探测器、信息量法和变权栅格叠加的组合模型（GDIV 模型）。基于 2021 年四川省 150000 地质灾害风险调查中 313 处滑坡地质灾害隐患点，开展基于 GDIV 模型的大渡河中游地区滑坡危险性评价，并与逻辑回归模型和信息量模型的组合模型（LRI 模型）评价结果进行对比分析。结果表明：研究区以中危险及以下危险区为主，占总面积的 78.3%，极高和高危险区主要分布在大渡河、革什扎河和东谷河两岸的低海拔地区；与 LRI 模型相比，基于 GDIV 模型的评价结果精度更高，其受试者工作特征（ROC）曲线的线下面积（AUC）值为 0.917。文章提出的 GDIV 模型提高了区域滑坡危险性评价精度，可为类似地区地质灾害评价提供方法参考。关键词：地理探测器；信息量法；变权栅格叠加；危险性评价；大渡河中游地区中图分类号：P642.22文献标志码：A文章编号：1003-8035（2023）05-0130-11Landslide hazard assessment in the middle reach area ofthe Dadu River based on the GDIV modelYANGQingqing1，YUQiubing2，ZHANGTingbin1，YIGuihua3，ZHANGKai1（1.College of Earth Science,Chengdu University of Technology,Chengdu,Sichuan610059,China；2.606 Bringade ofSichuan Bureau of Metallurgical Geology Exploration,Chengdu,Sichuan611730,China；3.College of Tourism andUrban-Rural Planning,Chengdu University of Technology,Chengdu,Sichuan610059,China）Abstract：Regional geological hazard assessment is an important non-engineering approach for disaster reduction andprevention.Constructingaregionallandslidehazardassessmentmodelisofgreatsignificanceinimprovingtheaccuracyofgeologicalhazardevaluationandtheefficiencyofprevention.ThisstudyfocusesonthefrequentlandslideoccurrenceinthemiddlereachareaoftheDaduRiverandselects13primaryfactors,includingelevation,slope,aspect,seismicparameters,soiltype,engineeringgeologicallithology,annualaveragerainfall,andtopographicwetnessindex(TWI),toestablishaprimary收稿日期：2022-08-08；修订日期：2023-01-14投稿网址：https:/ results are compared with those of the LRI model.The results show that the study area is predominantlycharacterizedbymiddleandlowerriskareas,accountingfor78.3%ofthetotalarea.Theextremelyhighandhigh-riskareasareprimarilylocatedinthelow-elevationregionsalongthebanksofDaduRiver,GeshizhaRiver,andDongguRiver.ComparedtotheLRImodel,theevaluationresultsbasedontheGDIVmodelexhibithigheraccuracy,withanareaunderthereceiveroperatingcharacteristics(ROC)curveof0.917.TheGDIVmodelproposedinthispaperimprovestheaccuracyofregionalLandslidehazardsassessment,andservesasavaluablereferenceforsimilargeologicaldisasterevaluationsinotherareas.Keywords：geographicdetectors；informativequantity；variableweightrasteroverlay；hazardsassessment；middlereachareaoftheDaduRiver0 引言滑坡是极具破坏性的地质灾害之一，给人类社会造成了巨大的经济损失和人员伤亡，严重威胁人类生命财产安全，制约人类社会的可持续发展12。开展区域滑坡危险性评价，识别滑坡高危险区和阐明地质灾害的潜在分布对地质灾害防治具有重要意义，同时也是决策者预防和减少地质灾害损失的重要手段3。滑坡危险性评价经历了从定性模型到半定量模型再到定量模型的发展过程4。定性模型主要是依据专家的知识和野外经验，受主观性限制较多；定量模型主要使用统计或数学建模技术，评价结果具有客观性57。随着科学技术的发展和定量风险管理的需要，滑坡定量评价模型成为主要的研究方向810。常用的定量模型主要包括信息量模型1112、确定系数法13、逻辑回归模型1416、地理加权回归模型17、支持向量机模型1819、人工神经网络20和随机森林2122等模型。上述模型为区域滑坡危险性评价提供了重要参考，已在省、市和县域尺度的地质灾害危险性评价中得到广泛应用2324。但在评价过程中，多数研究在定性确定评价因子后，直接应用于危险性评价25，很少开展评价因子的定量优选工作；各评价因子分级量化主观性较强，评价因子权重赋值多依靠专家经验或先验知识，缺少客观依据26；运用常权栅格叠加各评价因子时，因子间存在抵消问题和极值区域埋没问题27。因此，结合区域滑坡成灾特征建立科学的评价指标体系，构建有效的评价模型是区域滑坡危险性评价的关键问题28。大渡河中游地区位于青藏高原东缘的川西地区，区域地形地貌和地质条件复杂，生态环境较脆弱，气候复杂多变，是我国滑坡地质灾害高发地区29。由于地理环境恶劣，地质灾害调查和监测难度大，地质灾害综合防治能力较薄弱。综上，本文以大渡河中游地区为研究区，构建一种基于地理探测器、信息量法和变权栅格叠加的评价模型（geographicdetector,informationquantityandvariableweightrasteroverlaymodel，GDIV）。通过地理探测器定量描述各因子对滑坡发生的影响力，基于影响力的显著程度实现评价因子的优选，同时以因子探测结果作为因子定权基础，增强权重的客观性，解决了定性评价因子选择主观性强的问题。采用变权栅格叠加评价因子信息量值，解决了评价因子叠加存在的抵消问题。基于 GDIV 模型开展区内滑坡危险性评价，评价模型为区域滑坡地质灾害评价提供新参考，评价结果为研究区地质灾害防治提供决策支持。1 研究区与数据源1.1研究区概况大渡河中游地区地处四川省阿坝州和甘孜州交界处，区域面积约 8179.6km2。该区地质构造复杂，包括滇藏“歹”字形构造体系和金汤弧形构造体系，出露的地层主要有三叠系、志留系和泥盆系。地处青藏高原东缘地势一级阶梯向二级阶梯过渡地带，区内海拔17875782m，相对高差大。气候以高原型季风气候为主，年平均气温 18.4，年均降雨量 788mm。区内水系发达，以大渡河为主流，包括革什扎河和东谷河等支流，河流汇集于丹巴县。在复杂的地质地貌条件、降雨和地震等因素影响下，地质灾害发生频繁。大渡河中游地区地质灾害类型主要包括滑坡、崩塌和泥石流，地质灾害详查数据显示，截至 2021 年 12 月，区内分布滑坡2023 年阳清青，等：基于 GDIV 模型的大渡河中游地区滑坡危险性评价与区划131地质灾害隐患点 313 处（图 1）。滑坡发育规模以中小型为主，大型规模的地质灾害 6 处，巨型规模的滑坡 1 处。1.2数据来源及处理本研究所需的基础数据包括大渡河中游地区滑坡点、地层岩性、土壤类型、数字高程模型和地震动参数等。其中滑坡隐患点数据来源于四川省国土空间生态修复与地质灾害防治研究院 150000 地质灾害详查数据；地层岩性和地质构造数据来源于 125 万炉霍县幅、康定幅和马尔康幅地质图和相关地质报告；降雨量数据来自国家气象科学数据中心中国气象数据网（http:/ 年降雨量插值生成年平均降雨量；数字高程模型（digitalelevationmodel，DEM）和 2020 年 8 月两景 Landsat8OLI_TIRS 数据来源于地理空间数据云（http:/ 30m。利用 DEM生成坡度、坡向、地形湿度指数（TWI）和径流强度指数（SPI），基于 Landsat8 影像计算归一化植被指数（NDVI）。地震动参数源自中国地震动参数区划图 GB183062015（http:/ 30m，地理参考为 WGS_1984_UTM_zone_47N。2 研究方法2.1滑坡危险性评价初级指标构建滑坡地质灾害是由内部因素和外部因素共同作用的结果30，本研究基于区域滑坡发育规律，从地质特征、地震、地形地貌、地表水系、降雨和人类活动等6 个方面，选取 13 个影响因子构建大渡河中游地区滑坡危险性初级评价指标体系（图 2）。其中工程地质岩组分为 4 类，分别为坚硬岩、较坚硬岩、较软岩、松散土。坚硬岩主要为花岗岩、闪长岩、石英砂岩和石英岩等；较坚硬岩主要为板岩、石英岩状砂岩和硅质岩等；较软岩主要为页岩、千枚岩和粉砂岩等；松散土主要是第四系河漫滩等。2.2地理探测器将滑坡点密度作为因变量，高程、坡度、坡向、地震动参数、土壤类型、与道路距离和与断层距离等 13 个NN高:5 782低:1 787滑坡水系县界研究区边界大渡河流域12.5025 km12.5025 km高程/m构造水系县界研究区边界三叠系砂岩、千枚岩等二叠系石灰岩、千枚岩等志留系灰岩、千枚岩等燕山期花岗岩、闪长岩等第四系河漫滩等震旦系白云岩、变粒岩等图 1 大渡河中游地区滑坡分布图和地质条件背景图Fig.1 Map of landslide distribution and geological conditions in the middle reach area of Dadu River132中国地质灾害与防治学报第5期（a）X1（b）X2（c）X3（d）X4N工程地质岩组松散土较软岩较坚硬岩坚硬岩01530 kmN01530 km断层/m15 500N01530 km地震动参数/g0.10.100.150.150.200.200.30N01530 km高程/m4 400（e）X5（f）X6（g）X7（h）X8NNNN01530 km0 15 30 km01530 km01530 km坡度/（）010102020303040405050坡向平面北向东北向东向东南向南向西南向西向西北向地形湿度指数21归一化植被指数0.5N01530 km道路/m500（m）X13NNNN01530 km01530 km01530 km01530 km土壤类型半淋溶土初育土高山土淋溶土人为土铁铝土河流/m2 000径流强度指数8.5年均降雨量/mm880（i）X9（j）X10（k）X11（l）X12图 2 大渡河中游地区滑坡危险性初级评价指标体系分级图Fig.2 Grading chart of the primary hazard assessment index system for landslides in the middle reach area of Dadu River Basin2023 年阳清青，等：基于 GDIV 模型的大渡河中游地区滑坡危险性评价与区划133因子作为自变量，运用地理探测器的因子探测器和交互探测器对因子进行计算分析。为消除因子类型差异的影响和优化各级因子对地质灾害影响程度的体现，先利用信息量法对自变量进行处理31：I(Xi,Y)=lnP(B/Xi)P(B)=lnNi/NSi/S（1）式中：Xi成灾因素 X 中的第 i 区间；Y成灾因素 X 中第 i 区间滑坡发生的信息量值；B滑坡事件；Ni研究区内包含评价因素 Xi的单元数且存在滑坡的单元数；Si研究区内包含评价因素 Xi的单元数；N研究区存在滑坡单元总数；S研究区中评价单元的总数。因子探测器的计算如下3233：q=1Lh=1Nh2hN2=1SSWSST（2）SSW=lh=1Nh2h,SST=N2（3）式中：h=1,2,L变量 Y 或因子 X 的分层；Nh、N层 h 和全区的单元数；2h、2层 h 和全区的 Y 值的方差；SSW、SST层内方差之和和全区总方差；q因子对滑坡发育的解释力，值域为0，1，值越大说明对滑坡的影响力越大，因子对滑坡发育的解释力越强。交互探测器是评估因子 X1和 X2共同作用时是否会增加或减弱对因变量 Y 的解释力，或这些因子对 Y 的影响是相互独立的。因子间若存在交互作用便能通过对比 q 值体现，交互作用方式的判断依据如表 1 所示。表 1 交互作用探测器因子关系Table 1 Factor relationships of interaction detectors因子关系交互作用q(X1X2)Min(q(X1),q(X2)非线性减弱Min(q(X1),q(X2)q(X1X2)Max(q(X1),q(X2)双因子增强q(X1X2)=q(X1)+q(X2)独立q(X1X2)q(X1)+q(X2)非线性增强2.3评价模型2.3.1LRI 模型LRI（logisticregressionandinformative）模型是逻辑回归模型和信息量模型的组合模型，逻辑回归模型是一种对二元分类变量进行回归分析的统计方法，定量描述二元因变量和一系列自变量之间的关系。在危险性评价时，选取评价因子为自变量，以信息量模型计算出的各个指标等级的信息量值表征各评价因子，以区内是否存在滑坡为因变量（1 代表存在，0 代表不存在）。构建逻辑回归函数：P=11+e(+1X1+nXn)（4）式中：P滑坡发生的概率，范围为 01；截距；回归系数；i评价因子种类数目。将式（5）两边取自然对数 lnP/1P，将评价因子Xi(i=1,2,n)作为自变量，建立线性回归方程：ln(p1 p)=+1X1+2X2+nXn=+X（5）2.3.2变权栅格叠加变权栅格叠加是变权理论在栅格叠加分析中的应用，该方法根据各叠加图层的初始权重及叠加栅格的像元值，通过一定规则对极值像元进行惩罚型、激励型或混合型变权，可以凸显个别极值栅格的效应28，实现层内因子重要区间的最大化应用。变权栅格叠加的实现主要包括状态变权函数确定和归一化变权权重计算，其过程如图 3 所示。图 3 中，W 为各评价因子的初始权重，S(X)是根据状态变权函数获得各图层每个像元的状态变权值，W(X)是各个栅格像元的状态变权值和原始权重值乘积的归一化值，M 是所有叠加图层各个栅格像元值和变权权重乘积的综合值。本文的状态变权函数采用局部激励型变权，当信息量值0.6 时，相应权重翻倍，即调权幅度为 200%；当信息量值0.6 时，权重保持不变，即调权幅度为 100%。2.3.3GDIV 模型GDIV 模型是本文提出的地理探测器、信息量法和变权栅格叠加的组合模型，该模型定量描述各因子对滑坡发生的影响力，并以定量结果作为因子定权基础，增强了权重的客观性；同时以变权栅格叠加因子值，消除了因子叠加存在的抵消问题。该模型的实现主要有四步：（1）基于信息量法，对初选因子分级和量化，增强因子各级的差异性；（2）基于地理探测器的因子探测和交互探测结果，选取影响力较强的因子作为评价因子；（3）构建权重方程，见式（6），归一化各评价因子 q 值以获得134中国地质灾害与防治学报第5期权重；（4）确定状态变权函数，生成各因子的变权权重，利用变权栅格叠加实现危险性评价。采用自然间断法将评价结果划分为地质灾害极高、高、中、低和极低5 个等级的危险区，实现滑坡危险性评价区划。具体流程如图 4 所示。i=qini=1qi（6）式中：i归一化各因子 q 值所得的权重值；qi各因子因子探测 q 值。初级评价指标基于信息量模型计算各因子信息量值初级评价指标信息量模型地理探测器地震动参数土壤类型高程变权栅格叠加评价因子高程分级2 7002 7003 200信息量值2.0581.308评价因子年平均降雨量分级0.6调权幅度为200%当信息量值0.6调权幅度为100%0.420.250.330.39图 3 变权栅格叠加过程Fig.3 The variational raster overlay process2023 年阳清青，等：基于 GDIV 模型的大渡河中游地区滑坡危险性评价与区划135河中游地区滑坡发生的影响程度较小，在本研究中为次要因子。表 2 滑坡初级评价指标q值统计Table 2 Statistical analysis of primary evaluation index q-values for landslides类别指标q值p值地质特征工程地质岩组（X1）0.1560.000与断层距离（X2）0.0870.000地震地震动参数（X3）0.1640.000地形地貌高程（X4）0.5830.000坡度（X5）0.0210.023坡向（X6）0.0380.003地形湿度指数（X7）0.0170.297归一化植被指数（X8）0.0720.000土壤类型（X9）0.4150.000地表水系与河流距离（X10）0.1580.000径流强度指数（X11）0.0320.015降雨年平均降雨量（X12）0.1820.000人类活动与道路距离（X13）0.1150.0003.1.2影响因子交互作用基于因子探测器中对滑坡发生解释力较强的 7 个因子，采用交互探测器分析两因子交互作用后对滑坡发育的解释力（表 3）。结果显示，21 对交互因子中，双因子增强 16 对，非线性增强 5 对，不存在相互独立或者非线性减弱的关系，与单因子对滑坡发育的解释力相比，两因子交互作用明显增强了对滑坡发育的解释力。交互作用解释力最高的是高程与工程地质岩组（q=0.736），其次是高程与地震动参数（q=0.676），解释力均高于65%，两者均是滑坡发生的重要因子组合。高程与土壤类型、工程地质岩组、与道路距离、地震动参数、年平均降雨量、与河流距离均呈现双因子增强作用类型，解释力均在 59.6%以上，说明高程增强了土壤类型、工程地质岩组、与道路距离、与河流距离、地震动参数、年平均降雨量对滑坡发生的影响力。土壤类型与地震动参数、工程地质岩组的解释力均大于 53%，是滑坡发育的较重要因子组合。从各因子的交互作用结果来看，高程、土壤类型和工程地质岩组等 7 个因子的协同作用是大渡河中游地区滑坡发生的主导交互作用方式，也是滑坡形成的重要影响因子。3.2评价因子优化与分析通过地理探测器分析了研究区内高程、土壤类型和工程地质岩组等 13 个因子与滑坡发生频率变化关系,结合因子探测器和交互探测器结果，最终选定影响力较强和交互作用显著的 7 个因子作为大渡河中游地区滑坡危险性评价因子，即高程、年平均降雨量、土壤类型、地震动参数、与道路距离、工程地质岩组和与河流距离。通过式（1）得到各评价因子信息量值（表 4），其中高程值2700m 的区间信息量值大于 2，表明区内滑坡主要发生在高程值2700m 的区间；土壤类型为淋溶土和人为土的区间信息量值大于 1，表明区内滑坡主要发生在这两类土壤中。工程地质岩组通过基岩和堆积体的物理力学性质来影响滑坡发生，区内较软岩的信息量值大于 1.8，意味着较软岩分布区更有利于滑坡的发生。归一化植被指数、与河流距离、地震动参数和与道路距离是滑坡形成的重要因子，年平均降雨量在750775 时，信息量值最大；道路在建设中因剥离地表土壤和松散岩石对周边环境产生影响，区内滑坡发生概率与道路距离成负相关关系。区内与道路距离小于100m 的缓冲区信息量值最高，随着与道路距离的增加信息量值依次递减。3.3滑坡危险性评价3.3.1LRI 模型滑坡危险性评价基于大渡河中游地区各评价因子的信息量值，运用 LRI 模型分析得到各因子的逻辑回归系数值（表 5）。结果表明，各评价因子的显著性水平值均小于 0.05，通表 3 部分滑坡初级评价指标交互作用Table 3 Interactions of primary evaluation indicatorsfor landslidesXiXjq(Xi)q(Xj)q(XiXj)q(Xi)+q(Xj)交互类型X4X10.5830.1560.7360.739双因子增强X3X40.1640.5830.6760.747双因子增强X9X40.4150.5830.5960.998双因子增强X10X40.1580.5830.6030.741双因子增强X13X40.1150.5830.5970.698双因子增强X12X40.1820.5830.6720.765双因子增强X9X30.4150.1640.5370.579双因子增强X9X10.4150.1560.5550.571双因子增强X9X100.4150.1580.4340.573双因子增强X9X130.4150.1150.4280.53双因子增强X9X120.4150.1820.5270.597双因子增强X10X30.1580.1640.3120.322双因子增强X10X10.1580.1560.3440.314非线性增强X13X30.1150.1640.2760.279双因子增强X13X10.1150.1560.2780.271非线性增强X3X10.1640.1560.3290.320非线性增强X13X100.1150.1580.2260.273双因子增强X10X120.1580.1820.3430.340非线性增强X13X120.1150.1820.2920.297双因子增强X3X120.1640.1820.2690.346双因子增强X12X10.1820.1560.3480.338非线性增强136中国地质灾害与防治学报第5期过显著性检验。各评价因子的回归系数均为正值，表明各评价因子对滑坡发生均具有促进作用。高程的回归系数最大（B=4.992），区内地质灾害的发生与高程相关程度最大。其次是土壤类型（B=3.001）、工程地质岩组（B=1.606）、年平均降雨量（B=1.103）、与道路距离（B=0.995）和地震动参数（B=0.802），回归系数均大于 0.8，对滑坡的发生具有较强的影响。基于各因子的回归系数构建线性回归方程，实现区内滑坡危险性评价，见图 5（a）。评价结果表明，随着危险等级的降低对应区内的01530 km01530 kmNN极低危险区低危险区中危险区高危险区极高危险区极低危险区低危险区中危险区高危险区极高危险区（a）LRI模型（b）GDIV模型图 5 滑坡危险性区划图Fig.5 Landslide hazard zoning map表 4 危险性评价因子分级与信息量值Table 4 Grading and information value of hazardevaluation factors评价因子分级信息量值评价因子分级信息量值高程/m27002.058年平均降雨量/mm44008800.231土壤类型淋溶土1.685地震动参数0.10.151半淋溶土0.10.150.464初育土3.9210.150.21.059高山土0.1070.20.3人为土1.429与道路距离/m1001.500铁铝土0.8901002001.227与河流距离/m5000.335160020000.57720001.038工程地质岩组坚硬岩0.023较坚硬岩0.443较软岩1.878松散土类1.086表 5 滑坡危险性评价因子逻辑回归分析结果Table 5 Results of logistic regression analysis for landslidehazard evaluation factors评价因子BSEWalddfsigExp(B)高程4.9920.55182.21010.000147.24土壤类型3.0010.55029.78510.00020.110工程地质岩组1.6060.8373.38710.0004.666年平均降雨量1.1030.3798.46810.0003.013与道路距离0.9950.3962.57310.0002.435地震动参数0.8020.4691.65710.0001.830与河流距离0.1480.3985.25910.0010.739常数7.1320.696104.81510.0000.001注：B为模型中各变量的回归系数、SE是标准差、Wald是卡方统计、Sig为显著性水平,df和Exp(B)为逻辑回归的结果参数。2023 年阳清青，等：基于 GDIV 模型的大渡河中游地区滑坡危险性评价与区划137面积逐步增加，其中极高和高危险的面积占比为18.1%，分布 295 处滑坡，随着危险等级的降低对应区内的滑坡点也逐渐减少。3.3.2GDIV 模型滑坡危险性评价利用式（6）获得各评价因子权重（表 6），经变权栅格叠加实现基于 GDIV 模型的滑坡危险性评价（图 5b）。结果表明，各评价因子的权重大小顺序为：高程（0.329）土壤类型（0.234）年平均降雨量（0.103）地震动参数（0.092）与河流距离（0.089）工程地质岩组（0.088）与道路距离（0.065）。研究区极高和高危险区分布滑坡共302 处，占总地质灾害的 96.5%。其中极高危险区滑坡数量占比为 65.5%，高危险区滑坡数量占比为 31%，中等及以下危险区滑坡发育较少。随滑坡危险等级的降低，对应区内的滑坡点数量也依次减少，评价结果与实际情况相符。滑坡危险性等级从低到高的各区面积占比分别是 25.2%（极低）、40%（低）、13.2%（中）、11.2%（高）和 10.5%（极高）。GDIV 模型充分考虑因子间的抵消效应和极值埋没问题，变权栅格叠加评价因子的综合信息量值在极值区间占比较小，极低危险区面积占比小于低危险区。极高危险区和高危险区主要沿东谷河、大渡河和革什扎河两侧分布，区内海拔小于 3200m，以淋溶土为主，人类活动频繁。低危险区和极低危险区主要分布在水系发育程度较低、海拔相对较高和距交通干线相对较远的地区，集中分布在大渡河中游地区的阿科里乡、毛日乡、丹东乡、银恩乡、七美乡和协德乡等地。表 6 滑坡危险性评价因子权重值Table 6 Weight values of landslide hazard assessment factors因子q值权重高程0.5830.329土壤类型0.4150.234年平均降雨量0.1820.103地震动参数0.1640.092与河流距离0.1580.089工程地质岩组0.1560.088与道路距离0.1150.0653.4精度验证基于 ROC 曲线对 GDIV 模型和 LRI 模型滑坡危险性评价结果进行精度验证和对比分析。研究区共分布滑坡点 313 处，在研究区生成 313 处随机点作为非灾害样本点合并绘制 ROC 曲线（图 6）。LRI 模型的 AUC 值为 0.903，标准误差为 0.013，在满足显著性条件下 AUC值最高可大 0.929。GDIV 模型的 AUC 值为 0.917，标准误差为 0.012，在满足显著性条件下 AUC 值最高可大0.941。两种模型的评价效果均较好，但 GDIV 模型的评价精度相对较高。由此表明基于 GDIV 模型的滑坡危险性评价方法在大渡河中游地区的实用性更好，能较好地评估滑坡危险情况。1.000.80.20.60.40.40.60.20.81.0敏感度特异性GDIV（AUC=0.917）LRI（AUC=0.903）参考线图 6 滑坡危险性评价结果 ROC 曲线Fig.6 ROC curve of landslide hazard evaluation results4 结论本文以大渡河中游地区为研究区，初选高程、土壤类型和与河流距离等 13 个因子构建初级评价指标体系，利用地理探测器和信息量法实现因子的筛选和优化，构建 GDIV 模型开展研究区滑坡危险性评价，为验证模型的精度引入 LRI 模型，基于 ROC 曲线对比分析和验证两种模型的评价精度，得出以下结论。（1）地理探测器结果表明，高程（q=0.583）和土壤类型（q=0.415）是区内滑坡危险性的重要背景因素，高程与工程地质岩组（q=0.736）、高程与地震动参数（q=0.676）、高程与年平均降雨量（q=0.672）的协同作用对滑坡的发生具有重要影响。（2）基于 GDIV 模型的大渡河中游地区滑坡危险性评价结果显示，区内大部分地区为中度及以下危险区，面积占比为 78.3%；而极高和高危险区面积占比为 21.7%。极高危险区主要集中分布在河谷地区，工程地质岩组为松散土类均分布在该区内，土壤类型为淋溶土；高危险区要分布在东谷河、大渡河和革什扎河两侧极高危险区以外的区域；中危险区主要集中在海拔 32004000m范围内，极低和低危险区主要集中在人口稀少的高海拔区域。（3）GDIV 模型（AUC=0.917）评价精度高于 LRI 模型（AUC=0.903），在极高危险区和高危险区内 GDIV 模138中国地质灾害与防治学报第5期型所含滑坡点总量较 LRI 模型多 7 处。GDIV 模型评价结果更符合区内滑坡分布情况，该模型适用于大渡河中游地区滑坡危险性评价。参考文献（References）：赵东亮，兰措卓玛，侯光良，等.青海省河湟谷地地质灾害 易 发 性 评 价 J.地 质 力 学 学 报，2021，27（1）：8395.ZHAO Dongliang，LAN C，HOU Guangliang，et al.AssessmentofgeologicaldisastersusceptibilityintheHehuangValley of Qinghai ProvinceJ.Journal of Geomechanics，2021，27（1）：8395.（inChinesewithEnglishabstract）1CENGIZLD，ERCANOGLUM.Anoveldata-drivenapproachto pairwise comparisons in AHP using fuzzy relations andmatricesforlandslidesusceptibilityassessmentsJ.EnvironmentalEarthSciences，2022，81（7）：123.2WANGDi，HAOMengmeng，CHENShuai，etal.AssessmentoflandslidesusceptibilityandriskfactorsinChinaJ.NaturalHazards，2021，108（3）：30453059.3TAN Qulin，BAI Minzhou，ZHOU Pinggen，et al.GeologicalhazardriskassessmentoflinelandslidebasedonremotelysenseddataandGISJ.Measurement，2021，169：108370.4BIER T，ERCANOGLU M.A semi-quantitative landsliderisk assessment of central Kahramanmara City in the EasternMediterranean region of TurkeyJ.Arabian Journal ofGeosciences，2020，13（15）：732.5SCIARRAM，COCOL，URBANOT.AssessmentandvalidationofGIS-basedlandslidesusceptibilitymaps：AcasestudyfromFeltrino stream basin（Central Italy）J.Bulletin ofEngineering Geology and the Environment，2017，76（2）：437456.6罗守敬，王珊珊，付德荃.北京山区突发性地质灾害易发性评价J.中国地质灾害与防治学报，2021，32（4）：126133.LUO Shoujing，WANG Shanshan，FU Dequan.Assessmentonthesusceptibilityofsuddengeologicalhazardsinmountainous areas of BeijingJ.The Chinese Journal ofGeological Hazard and Control，2021，32（4）：126133.（inChinesewithEnglishabstract）7ZHAOFumeng，MENGXingmin，ZHANGYi，etal.LandslidesusceptibilitymappingofKarakorumhighwaycombinedwiththeapplication of SBAS-InSAR technologyJ.Sensors，2019，19（12）：2685.8王世宝，庄建琦，樊宏宇，等.基于频率比与集成学习的滑坡易发性评价以金沙江上游巴塘德格河段为例J.工程地质学报，2022，30（3）：817828.WANGShibao，ZHUANG Jianqi，FAN Hongyu，et al.Evaluation oflandslide suscep