基于GIS的灾害技术方法 基于gis的灾害技术方法有

地理信息系统在灾害监测取得成果有哪些？

地理信息系统（Geographic Information System，简称GIS）在灾害监测方面发挥了重要的作用，取得了如下成果：

十年专注成都网站制作，企业网站建设，个人网站制作服务，为大家分享网站制作知识、方案，网站设计流程、步骤,成功服务上千家企业。为您提供网站建设,网站制作,网页设计及定制高端网站建设服务,专注于企业网站建设,高端网页制作,对成都服务器托管等多个行业，拥有多年的网站营销经验。

灾害信息收集：GIS技术可以通过遥感技术和地面监测设备获取各种类型的灾害信息，如地震、洪水、山体滑坡等自然灾害信息，以及火灾、爆炸等人为灾害信息。GIS可以将这些信息整合起来，形成全面的灾害信息库。

灾害预警：通过GIS技术，可以实现对于灾害的实时监测和预警，及时通报相关机构和群众，减轻灾害的影响。例如，地震监测站可以将地震信息传输至GIS系统中，自动产生预警信息并快速发送给相关部门和民众。

灾害评估：GIS技术可以通过空间分析、模拟和建模等手段，对于灾害的影响范围、人员流动、救援路线等进行科学的评估和分析。通过对于灾害影响范围的精准判断，可以快速进行救援和灾后重建。

灾害应急管理：GIS技术可以支持灾害应急管理中的决策制定和指挥调度。例如，通过GIS系统可以确定灾害救援的重点区域，为救援队伍提供合理的路线和通讯支持，从而加强应急管理效率。

综上所述，GIS在灾害监测方面取得了诸多成果，为灾害预警、评估、救援和重建等工作提供了重要的支持和保障。

基于GIS的滑坡灾害危险性评价

一、达曲库区地质背景

为综合评价工程区滑坡的危险性，选取达曲流域为研究对象，采用GIS技术对该区域的滑坡进行危险性评价。主要思路是通过对已查明的滑坡的统计分析建立研究区的危险性分析指标体系和信息量模型，然后运用GIS技术实现研究区的危险性分区。达曲为雅砻江的一级支流鲜水河的支流，是一期工程输水线路的起始调水河流，研究范围如图10-1所示。达曲曲折多弯，在然充乡上游的亚隆塘自西北流入库区，流至然充寺附近向南偏转为SSE向，在夺多村流出库区。库区河谷海拔一般为3580～3700m，相对高差为400～900m，属于轻微—中等切割的高山区。两岸山脊多呈浑圆状，两岸岸坡基本对称，坡度一般在20°～40°之间。区内植被发育，两岸山坡多被灌木、树木及草皮覆盖，基岩露头少。

区内出露地层有三叠系和第四系。其中以三叠系分布面积最大，为一套非稳定型复理石碎屑岩建造，遭受区域低级变质作用，形成区域变质岩，其变质程度很低，原岩结构、构造等特征保留完好。主要出露上三叠统的杂谷脑组（T3z）、侏倭组（T3zw）、两河口组（T3lh）。第四系沉积物的成因类型主要有冲积、洪积、残坡积等，其中以冲积为主，主要沿达曲沟谷及其支流呈带状分布。

达曲库区处于巴颜喀拉褶皱带的中巴颜喀拉断褶带，区内褶皱构造比较发育，主要沿NWW向展布，一般形成复式背斜或向斜。褶皱构造与断裂构造相伴产出，褶皱的完整性多被破坏，形成断层—褶皱的构造组合样式。根据库区内地下水的赋存条件、含水介质特征，可划分为第四系松散岩类孔隙水和基岩裂隙水两大类型。第四系主要分布于河谷中，是库区第四系孔隙水主要分布区。基岩裂隙水分布于断层、裂隙及风化带内，主要受大气降水补给，排泄于沟谷及河流内。库区地表水和地下水多为无色、无臭、无味、清澈透明的淡水。水质类型以HCO3-Ca型为主，局部为HCO3-Ca·Mg及HCO3-K＋Na·Ca型；pH值在7.08～7.65之间，属弱碱性水；多属软水或极软水，少数属微硬水。按照环境水对混凝土腐蚀性的判别标准，

南水北调西线工程地质灾害研究

含量小于250mg/L，对混凝土无结晶性侵蚀；侵蚀性CO2含量均小于15mg/L，对混凝土无分解性侵蚀。综上所述，库区水质较好，对混凝土均无腐蚀性。

二、滑坡灾害危险性分析基本思路

在收集大量的基础地质环境资料前提下，通过建立合适的分析指标体系，运用恰当的数学分析模型，对工程区进行滑坡灾害危险性等级划分，即危险性分区。基于GIS的滑坡灾害危险性分析，将运用的数学模型渗透于各个操作方法中，后面的章节将详细介绍危险性分析的步骤。

图10-1 达曲流域工程地质示意图

1.影响因素选取

工程区影响因素的选取按照以下步骤进行。通过资料、现场调查后大概确定滑坡灾害的影响因素。滑坡灾害影响因素的选取没有一个统一的标准，主要是针对工程区的实际情况确定。本书选取滑坡灾害危险性的主要影响因素为地貌条件（坡度、相对高程）、地质构造（距断层距离）、地层组合、水的影响（距水系距离），主要是基于以下考虑：(1)影响滑坡的基本因素为地貌条件、地质构造、地层组合；(2)诱发因素为水的影响。由于工程区的降雨资料以及人类工程活动资料无法获取，所以就不在分析范围之内，这两种因素对工程区的滑坡灾害危险性没有大的影响，是因为工程区的范围内降雨量基本上是一致的，同时工程区处于高山峡谷段，目前人类工程活动影响较小。

2.工程区影响因素分级

影响因素分级的目的是确立影响因素的主次关系，体现层次性。一般分为3级：一级指标是分类指标；二级指标为结构指标；三级指标为判别指标。这里选取的影响因素只有5个，所以对影响因素的分级进行简化，考虑两个分级指标，即一级指标为结构指标，分别为地形坡度、相对高程、地层组合、距断层距离、距水系距离；二级指标为判别指标，是对一级指标的进一步细化。地形坡度分为≤25°，25°～30°，30°～45°，≥45°四类；相对高程分为≤3700m，3700～3900m，≥3900m三类；地层组合分为T3zw1，T3zw2，其他三类；距断层距离分为≤50m，50～200m，200～500m，≥500m四类；距水系距离分为≤50m，50～150m，150～300m，≥300m四类。

通过以上分析，建立了工程区滑坡灾害危险性分析的指标体系，如表10-3所示。

表10-3 滑坡灾害危险性分析指标体系

三、基于GIS的危险性分析模型

1.危险性分析模型的建立

一般情况下，由于作用于滑坡灾害的因素很多，相应的因素组合状态也特别多，样本统计数量往往受到限制，所以采取信息量方法来评价滑坡危险性。采用的信息量模型为

南水北调西线工程地质灾害研究

式中：I为预测区某单元信息量预测值；Ii为因素Xi对地质灾害所提供的信息量；Si为因素Xi所占单元总面积；

南水北调西线工程地质灾害研究

为因素Xi单元中发生地质灾害的单元面积之和；A为区域内单元总面积；A0为已经发生地质灾害的单元面积之和。

基于GIS的危险性分析对工程区的划分采用大小相同的单元栅格，所以上式中的单元面积就可能转化成以单元个数计算。

2.信息量表达式的计算

在影响因素图层栅格化和滑坡灾害点样本的分析过程中，应用GIS统计功能，获取每个影响因素判别指标的单元个数，代入信息量模型式10-5，计算得到单元j的信息量表达式为

南水北调西线工程地质灾害研究

当j中含有变量i时，Xji＝1，否则Xji＝0。（i＝1，2，…，18）

表10-4为信息量计算表。可以看出，变量X1，X4，X7，X10，X18对滑坡灾害的危险性没有贡献，属于不相关因素，所以参与计算的变量为13个。

表10-4 信息量计算表

四、危险性分区及结果分析

1.单因素危险性分析

利用建立的各个影响因素栅格化数据图层和信息量的数学模型，对工程区滑坡灾害的单因素危险性分析如下：

（1）地形坡度

工程区地形坡度影响因素分为≤25°，25°～30°，30°～45°，≥45°四个范围。地形坡度≤25°的栅格单元个数为30350个，占工程区面积的43％；地形坡度25°～30°的栅格单元个数为15521个，占工程区面积的22％；地形坡度30°～45°的栅格单元个数为22868个，占工程区面积的33％；地形坡度≥45°的栅格单元个数为1321个，占工程区面积的2％（图10-2）。根据信息量模型的计算结果，地形坡度因素对滑坡灾害危险性的贡献大小依次为30°～45°，25°～30°。≤25°，≥45°的坡度范围无贡献。

（2）相对高程

工程区相对高程影响因素分为≤3700m，3700～3900m，≥3900m三个范围。相对高程≤3700m的栅格单元个数为2494个，占工程区面积的4％；相对高程3700～3900m的栅格单元个数为13033个，占工程区面积的19％；相对高程≥3900m的栅格单元个数为54053个，占工程区面积的77％（图10-3）。根据信息量模型的计算结果，相对高程因素对滑坡灾害危险性的贡献大小依次为≤3700m，3700～3900m。≥3900m的相对高程范围无贡献。

图10-2 坡度分区栅格统计图

图10-3 相对高程栅格统计图

（3）地层组合

工程区地层组合影响因素分为T3zw1，T3zw2，其他三类。地层为T3zw1的栅格单元个数为24793个，占工程区面积的35％；地层为T3zw2的栅格单元个数为33179个，占工程区面积的48％；地层为其他的栅格单元个数为12250个，占工程区面积的17％。根据信息量模型的计算结果，地层组合因素对滑坡灾害危险性的贡献大小依次为T3zw1，T3zw2。其他类型的地层无贡献。结果见图10-4。

（4）距断层距离

工程区距断层距离影响因素分为≤100m，100～200m，200～500m，≥500m四个范围。距断层距离≤100m的栅格单元个数为1887个，占工程区面积的3％；距断层距离100～200m的栅格单元个数为5979个，占工程区面积的9％；距断层距离200～500m的栅格单元个数为8290个，占工程区面积的12％；距断层距离≥500m的栅格单元个数为54066个，占工程区面积的76％（图10-5）。根据信息量模型的计算结果，距断层距离因素对滑坡灾害危险性的贡献大小依次为≤100m，100～200m，200～500m，≥500m。

图10-4 地层组合栅格统计图

图10-5 距断层距离栅格统计图

图10-6 距水系距离栅格统计图

（5）距水系距离工程区距水系距离影响因素分为≤50m，50～150m，150～300m，≥300m四个范围。距水系距离≤50m的栅格单元个数为2131个，占工程区面积的3％；距水系距离50～150m的栅格单元个数为3549个，占工程区面积的5％；距水系距离150～300m的栅格单元个数为5851个，占工程区面积的8％；距水系距离≥300m的栅格单元个数为58691个，占工程区面积的84％。根据信息量模型的计算结果，距水系距离因素对滑坡灾害危险性的贡献大小依次为≤50m，50～150m，150～300m。≥300m的距水系距离范围无贡献，结果见图10-6。

2.多因素叠加危险性分析

（1）危险性区划范围界定

多因素叠加危险性分析的信息量值范围为-1.17～3.64，为了确定危险性分析的区划范围，统计了以0.5为步长的信息量值与栅格单元个数、累计栅格单元个数的分布曲线如图10-7，图10-8，对比可以发现在-0.16，0.34，0.84左右曲线出现较明显的拐点，结合库区的工程地质情况，以及ArcGIS Desktop重分类的几种方法对比分析，将工程区危险性划分为稳定区、低危险区、中危险区、高危险区4个级别，信息量值的大小范围为-1.17～-0.16，-0.16～0.34，0.34～1.34，1.34～3.64。

（2）危险性区划图生成

通过对滑坡灾害的多因素叠加栅格图层的重分类，生成了危险性区划图。重分类就是将栅格图层按照区划范围分为-1.17～-0.16（稳定区），-0.16～0.34（低危险区），0.34～1.34（中危险区），1.34～3.64（高危险区）4类，分别赋予值1，2，3，4代表。即在GIS中，属性值为1的栅格代表的是稳定区的所有栅格；属性值为2的栅格代表的是低危险区的所有栅格；属性值为3的栅格代表的是中危险区的所有栅格；属性值为4的栅格代表的是高危险区的所有栅格。据此生成滑坡灾害危险性区划图（图10-9）。

（3）危险性结果分析

工程区危险性区划分为稳定区、低危险区、中危险区、高危险区4个级别。稳定区的栅格单元个数为21846个，占工程区面积的31％；低危险区的栅格单元个数为28864个，占工程区面积的42％；中危险区的栅格单元个数为14135个，占工程区面积的20％；高危险区的栅格单元个数为4650个，占工程区面积的7％（图10-10）。

图10-7 信息量值与栅格单元个数分布图

图10-8 信息量值与累计栅格单元个数分布图

工程区稳定区、低危险区在3种类型的地层中均存在，距水系、断层的距离较远，基本没有滑坡灾害的孕育发生或偶有小规模的滑坡灾害，是稳定性相对较好的地段；中危险区发育在距水系、断层距离较近的斜坡地段，稳定性较差，在这些地段进行工程建设，要考虑对滑坡灾害进行有效防治；高危险区主要分布在河流库岸两侧的斜坡地段，工程区已查明的滑坡大多数都发育在这些区域，主要是松散堆积、崩积物质组成的滑坡体。这些区域有可能发生比较大的滑坡灾害或滑坡灾害发生的频率较高。

图10-9 达曲流域滑坡灾害危险性区划图

图10-10 达曲流域滑坡灾害危险性分区栅格统计图

地质灾害调查评价技术方法

一、内容概述

1.主要成果

通过1∶5万比例尺地质灾害详细调查工作，总结形成了一套滑坡、崩塌、泥石流地质灾害调查工作流程和技术方法体系。取得的主要成果包括：

1）总结及完善了地质灾害调查评价的技术路线，形成了一套野外和室内工作方法。针对黄土高原地区地质环境、地质灾害发育特征和分布规律，形成了一套从资料收集→遥感解译→野外核查→再次解译→野外调查→主要地质灾害点测绘→重大地质灾害点勘查的工作流程和各个环节的实施细则；室内工作形成了基于GIS的数据采集→空间属性数据库建立→评价指标体系选择→危险程度模型分析→地质灾害危险程度评价与区划的技术方法和工作流程。

2）研究了西北黄土高原区地质灾害发育规律及变形破坏模式。其滑坡平面形态典型、剪出口高，基本力学模式简单；崩塌规模小、危害大、变形模式多样（图1）；不稳定斜坡坡度跨度大、坡型以直线型为主，潜在危害严重。

图1 黄土高原区崩塌破坏模式

3）研究了黄土滑坡的主控因素和诱发因素，认为沟谷发育期、坡体地质结构、坡体形态等对滑坡的形成、分布、规模和类型具有明显的控制作用，地下水和植被对滑坡形成具有一定的影响，人类工程活动和降水的双重作用是滑坡灾害最主要的引发因素（图2—图4）。

图2 宝塔区杜甫川沟谷发育分区

图3 降雨量与地质灾害发生频次关系

4）根据黄土地区斜坡特点，计算了工作区不同坡度区间、不同坡高区间、不同斜坡类型及不同坡向区间发生滑坡的概率（图5—图7），建立了基于坡度、坡高、坡型、坡向等参数的黄土滑坡区域危险性评价指标体系。

5）形成了定性与定量相结合的地质灾害易发程度及危险程度区划技术方法（图8—图10）。

6）规范和统一了西北黄土高原区地质灾害图的编制方法和图式图例，建立了基于MapGIS的地质灾害编图的图库字库，形成了一套地质灾害调查评价编图技术方法（图11）。

图4 人类活动改变斜坡原始坡度状态

图5 不同坡度区间发生滑坡的比例

图6 不同坡高区间发生滑坡的比例

图7 不同坡向区间发生滑坡的比例

图8 地质灾害点密度分布

图9 地质灾害易发性区划

图10 地质灾害危险性区划

7）采用高精度遥感影像图对调查区进行了地质灾害和地质环境解译，建立了地质灾害遥感解译标志和数据档案（图12）。

8）对陕西省特大型滑坡进行了专项调查及评价，研究了特大型滑坡的时空分布规律、发育特征、形成机理及风险级别（图13），形成了一套针对特大型滑坡调查与评价的技术方法。

9）开展了汶川地震灾区、玉树地震灾区、安康特大暴雨及灞桥滑坡等地质灾害应急调查，形成一套快速反应、高效的地质灾害应急排查技术方法。

图11 滑坡分布图编制的基本构成及层次

图12 基于ArcGIS的遥感解译平台

图13 不同风险级别特大型滑坡数量

图14 地质灾害信息系统

10）建立了基于ArcGIS的数据库及地质灾害信息系统（图14）。

2.技术特点

地质灾害调查评价技术路线见图15，其技术特点包含以下6个方面：

1）以已发生滑坡、崩塌、泥石流、潜在地质灾害隐患点及其形成的地质条件调查为核心，以遥感解译和野外核查为主要手段，对已发生的滑坡、崩塌、泥石流进行调查，开展滑坡、崩塌、泥石流易发程度区划；在遥感解译的基础上，以野外实地调查为主要手段，对潜在的滑坡、崩塌、泥石流等地质灾害隐患点进行排查，并逐一对其危险程度和危害性进行评价。

2）以遥感调查为先导，并将遥感调查贯穿于详细调查工作的全过程。在遥感解译基础上，初步判断滑坡、崩塌、泥石流等的危险性，确定需要进一步核查和调查的已有地质灾害点，以及需要排查的基本具备成灾条件的地质灾害隐患地段或区域，划分重点调查区和一般调查区，指导野外调查；并将遥感解译—野外核查—再解译贯穿于调查工作的全过程。

3）调查区采用重点调查区与一般调查区相结合的方法。根据地质环境条件和地质灾害发育程度，将调查区划分为重点调查区与一般调查区，按照1∶1万比例尺草测、1∶5万比例尺正测、1∶5万比例尺简测3种主要的不同精度展开调查。

图15 地质灾害调查评价技术路线框架图

4）灾害点按野外核查、地面调查、测绘和勘查4个层次开展。对于未成灾或没有威胁对象，且规模小、发育特征不典型的滑坡、崩塌、泥石流自然地质现象，采用野外核查为主的方法；对于已成灾的已有地质灾害点或具有威胁对象的地质灾害隐患点，逐一进行现场调查；对于危险程度较大的地质灾害，进行大比例尺工程地质测绘；调查中发现的重大地质灾害隐患点，当地面调查和测绘工作仍不能解决问题时，对其实施控制性勘查。

5）采用点、线、面相结合，重视环境地质条件调查，以专业调查为主的方法：①地质灾害点调查，即对已有地质灾害点逐一进行现场调查；②沿线追踪调查，即沿着主干河流及其支流低地、交通线路及输油管线进行地质环境条件、滑坡、崩塌以及地质灾害隐患点追踪调查；③面上控制调查，即在地质灾害点较少地段，采用网格控制调查。

6）紧密与各级政府国土部门相结合，采用政府部门和当地群众共同参与的调查方法。一是充分了解地方政府部门对于地质灾害防治工作的需要，并将其需要贯穿于调查工作中，提高调查成果的实用性；二是在地方政府部门配合调查时，调查组实时将地质灾害隐患点移交给政府部门，政府部门及时实施避让、监测等防治措施；三是专业调查与群测群防相结合，提高群众地质灾害防治意识，完善群专结合的监测网络。

二、应用范围及应用实例

1.成果应用的范围及效果

西北黄土高原区地质灾害详细调查成果可作为减灾防灾和国民经济发展规划以及科学研究等的基础地质依据，对地质灾害防治具有重要的现实意义。

1）总结形成了一套滑坡、崩塌、泥石流地质灾害详细调查工作流程和技术方法体系，建立了延安市宝塔区地质灾害详细调查示范，为随后开展的地质灾害详细调查项目提供了技术示范。

2）揭示了调查区地质灾害发育的地质环境背景、地质灾害类型、发育特征与分布规律及形成机理，并以此为基础提出了防治对策。

3）完善了群测群防网络，建立了重要地质灾害隐患点防灾预案，为地方政府汛期地质灾害防治及编制防治规划提供了基础地质依据，被调查区内工程建设选址、地质灾害危险性评估等广泛应用。

4）编制的《编图指南》和示范图件为地质灾害编图提供了支撑，随后开展的地质灾害详细调查项目都以此为技术范例。

5）编写了国土资源部行业规范，即《滑坡崩塌泥石流灾害调查规范》。

6）为地质灾害监测预警及风险管理提供了基础数据。

7）开展了汶川地震灾区（图16）、玉树地震灾区（图17）、安康特大暴雨、榆林子洲滑坡、西安灞桥滑坡（图18）等地质灾害应急调查。同时开展了延安市和榆林市地质灾害汛期排查，向当地政府提出了应急处置建议。

8）基于地质灾害调查与评价发表了多篇论文，成果被多次引用，其中《延安市宝塔区崩滑地质灾害发育特征与分布规律初探》被引频次23次，《遥感技术在黄土高原区地质灾害详细调查中的应用》被引频次18次；同时通过中国地质大学（北京）、长安大学等高校研究生联合培养基地培养研究生多名。

图16 汶川地震灾区应急调查

图17 玉树地震灾区应急调查

图18 西安灞桥滑坡应急调查

9）此项地质灾害调查评价工作已纳入《国务院关于加强地质灾害防治工作的决定》，掀起了全国地质灾害调查评价工作高潮，推动了我国地质灾害调查评价工作进展。

2.应用前景

近年来，全国各地开展的地质灾害详细调查工作都以延安市宝塔区地质灾害详细调查为示范，起到了应有的示范作用，在地质灾害调查及防治工作中应用前景广阔。

三、推广转化方式

1.宣传报道

举办了“地质灾害防治知识万村培训”，向当地群众宣讲地质灾害防治知识（图19）；提出的地质灾害应急调查处置建议在中央电视台新闻频道进行了报道（图20）；同时在国土资源部网站、中国地质调查局网站及西安地质调查中心网站也多次就地质灾害调查评价技术方法进行了报道。

图19 地质灾害防治知识万村培训

图20 中央电视台报道

2.会议交流

1）举办了中国-挪威地质灾害研讨会，启动了“灌溉渗透诱发型黄土崩滑灾害机理研究”中挪国际合作研究项目。

2）承办了“第十届国际滑坡与工程边坡会议”、“2011年全国工程地质学术年会”、“国际首届地质灾害研究及管理新技术研讨会”等多次学术会议，并就“地质灾害调查评价技术方法”向与会代表进行了交流。

3.人员培训

项目负责人张茂省研究员分别在3 期全国性地质灾害详细调查培训班以及陕西、甘肃、青海、山西、河南、海南、吉林等省地质灾害详细调查培训班上授课，对地质灾害详细调查方法进行培训，并赴实地进行地质灾害调查技术指导，累计培训人员超过1000人次（图21）。

图21 张茂省研究员在为学员授课

技术依托单位：中国地质调查局西安地质调查中心

联系人：张茂省

通讯地址：陕西省西安市友谊东路438号

邮政编码：710054

联系电话：029-87821980

电子邮件：xazms@126.com

　基于GIS和ANN的群发性滑坡灾害概率预报预警方法

3.1.6.1　原理与方法

模型设计思路的正确与否是决定地质灾害预警预报效果的一个关键环节。滑坡灾害的孕育与发生由多种因素组合而成，虽然滑坡灾害尤其是由降雨诱发的滑坡灾害看起来似乎简单，但其内在的各种因素之间的相互作用是非常复杂的，对于这样的复杂系统目前还难以用几个确定的参数进行解析表达。因此，如何寻找一种能在已有的资料和观测条件下，可以自动学习和调整系统各因子之间的作用参数并且合理地利用已有数据资源的方法就成为提高群发性滑坡灾害预警预报能力的一个可行途径，因而成为人们关注的一个重要课题。

人工神经网络（Artificial Neural Network），简称ANN，是近年来迅速发展的一种模拟人脑机理和功能的新型计算机和人工智能技术，是当前国际上一个非常活跃的边缘学科。它与传统的专家系统、模糊理论等人工智能技术相比具有很多突出的优点①由于ANN采用自适应算法，使其较之专家系统固定的推理方式及传统计算机的指令程序更能适应环境的变化；②具有自组织、自学习功能及归纳能力；③在数据处理中可以避免数据分析和建模中的困难，采用拟人化的方法进行处理，特别适合不确定性和非结构化信息的处理；④具有较强的容错能力。ANN具有的这些显而易见的优点，使其在群发性滑坡灾害的预报评价中具有很大的应用前景。

应用ANN技术必须要有数据源。应用GIS对与滑坡形成有关的各种信息进行操作获得的各种结果，可以作为ANN的输入和训练条件，同时ANN的输出又可以作为GIS的资源来管理和进行新的操作。因此在滑坡等突发性地质灾害预警预报系统中联结GIS和ANN，可以使这两种新技术相得益彰，获得更好的应用效果。GIS与ANN两者之间的关系可以用图3.16表示。

图3.16　滑坡灾害预报中ANN与GIS的关系示意图

图3.17　SPV-ANN示意图

P—预测向量，m—模型向量（隐含层向量），i—输入变量的下标，o—输出变量的下标，N—模型向量的数量，M—输入变量的个数

SPV-ANN模型（李长江等，1999）是一种与邻域法相似，但属于自组织系统与概率型及平行向量法结合的神经网络，它与反馈型神经网络不同，其结构设计如图3.17所示。

采用基于GIS的SPV-ANN系统进行突发性地质灾害预警预报，具有以下几个特点：①具有动态性、自适应性和自学习功能。该模型不是固定不变的，而是可以随着有关数据的精度和质量的改善与实时更新，不断提高系统预测的准确程度；②具有客观性。预测过程和预测结果都不是人为决定和由人工随意改变的，一旦输入数据确定后，所获得的结果不会因人而异；③具有现时性。当系统通过网络与气象、水文地面观测站相连通后，系统可以根据实时的降雨预报和雨量观测数据，对预报区域范围内滑坡灾害发生的概率进行快速评价，对已知的滑坡灾害危险点进行逐点搜索评价，自动编制和输出滑坡灾害发生概率分布图，实现对滑坡灾害发生的空间范围、强度及其分布概率的临灾预警预报，通过该系统，可以同时实现在互联网上发布滑坡灾害预报信息。

3.1.6.2　数据源

根据对目前已有资料的分析，可以将导致滑坡发生的主要因素概括为7个方面：①第四纪松散堆积层的类型、厚度、组成及结构构造；②第四纪松散堆积层下覆基岩的岩石类型、矿物组成、结构构造、产状；③断裂；④地形（坡角、坡向等）；⑤植被；⑥人类工程活动；⑦降雨量（降雨强度）和降雨持续时间等。其中，对与人类工程活动有关的情况，目前还难以获得比较系统的资料。但是土地利用现状从一个侧面反映了人类活动的影响，因此，通过对土地利用类型与滑坡分布关系的分析可以在一定程度上揭示人类工程活动对滑坡发生的影响。

在上述7类影响因素中，任一给定点的地形坡度、坡向，断裂构造，土壤类型及其下覆基岩的岩石类型、矿物组成、结构构造、产状以及植被等因素相对于滑坡孕育时间的变化很小，因此在系统中把这些因素作为“常量”处理是合理的。这样，使用经过学习训练的SPV-ANN/GIS进行滑坡灾害的预报处理时，主要的变量就是降雨量（降雨强度）和降雨持续时间。换言之，在SPV-ANN/GIS系统中通过样本训练，由系统自动确定各个输入变量的权重值，设定除降雨之外的其他变量对于待评估地区（或评估单元）是稳定的，则可以以降雨量（或降雨强度）及降雨持续时间作为该点惟一的变化信息，求取在对应降雨条件（降雨量、降雨强度、降雨持续时间）下待评估地区（单元）的灾害发生概率，即确定在给定降雨状态下主要滑坡灾害可能发生的区域与概率。预报结果以灾害发生的空间分布概率（0～1）表示。上述的基于GIS和ANN的滑坡灾害概率预报（警）系统（landslidehazard probability prediction system based on GIS and ANN），简称LAPS，其模式如图3.18所示，图3.19是LAPS的部分程序界面。

图3.18　群发性滑坡灾害概率预报（警）模式

图3.19　群发性滑坡灾害概率预报（警）系统（LAPS）