Assessment of landslide hazard risk in Kenya based on different statistical models
-
摘要:
肯尼亚是我国“一带一路”倡议在东非重要支点。受高原裂谷地形和显著的雨旱季节影响,肯尼亚地质灾害频发。本文以肯尼亚的历史滑坡数据为样本,选取高度、坡度、坡向、地貌、平面曲率、土壤类型、年平均降雨量、水流强度指数、地形湿度指数及土地利用类型作为评价指标,分别基于信息量模型(IV)、逻辑回归模型(LR)和极限学习机模型(ELM)对肯尼亚滑坡灾害进行危险性区划,其中ELM分别考虑了sigmoid 函数、正弦函数和对称阈值型传输函数作为激活函数进行讨论。主要结论如下:(1)肯尼亚滑坡灾害高危险性及以上等级区域集中分布在西南部的高原和高原—裂谷过渡地带;(2)采用ROC曲线对模型精度进行评价,各模型的AUC值分别为0.977(IV)、0.965(LR)、0.859(ELM-SIG)、0.900(ELM-SIN)、0.941(ELM-HARDLIM),评价结果有效;(3)综合PR曲线结果判定,LR模型的召回率和精确率都处于较高的水平,优于其他模型;(4)肯尼亚内罗毕省(Nairobi)、中部省(Central)、尼扬扎省(Nyanza)和西部省(Western)四个省份高危险性区域占比较大。
Abstract:Kenya is an important fulcrum of China's Belt and Road initiative in east Africa. However, due to its plateau rift terrain and aboriginal rain and drought season, geological disasters occur frequently in Kenya. The study used historical landslide data in Kenya as samples and selected several evaluation indexes, including elevation, slope, aspect, landform, plane curvature, soil type, annual average rainfall, stream power index, terrain witness index, and land use type. The landslide risk in Kenya was evaluated based on the information value model (IV), logistic regression model (LR), and extreme learning machine model (ELM), with the ELM model considering SIG, SIN, and HARDLIM functions as activation functions for discussion. The main findings are as follows: (1) The high-risk and above-grade areas of landslide disasters in Kenya are mainly concentrated in the plateau and plateau-rift transition zone in the southwest. (2) The ROC curve was used to evaluate the accuracy of the models, and the AUC values of the 0.977(IV), 0.965(LR), 0.859(ELM-SIG), 0.900(ELM-SIN), and 0.941(ELM-HARDLIM) models illustrate their validity. (3) Considering the PR curve results comprehensively, the recall rate and precision rate of the LR model are at a high level, marking it better than other models. (4) Nairobi, Central, Nyanza and Western provinces in Kenya account for a significant proportion of the high-risk and above-grade areas of landslide disasters.
-
Key words:
- Kenya /
- risk /
- information value /
- logistic regression /
- machine learning
-
致密油因其平面分布范围广、资源储量大而成为现今全球非常规石油勘探开发的重要领域[1-5]。致密油的概念最早是用以描述致密砂岩中的石油[6]。随着勘探技术的进步,在很长一段时间内致密油被定义为以吸附或游离状态赋存于生油岩中,或与生油岩互层、紧邻的致密砂岩、致密碳酸盐岩等储集岩中,未经过大规模长距离运移的石油聚集[1]。这一定义包含了页岩油与致密岩油的含义,近几年随着对页岩油的成功勘探与开发,为了区别页岩油与致密油,逐渐将致密油定义为“以吸附或游离状态赋存于紧邻优质生油层系的致密储层中,经短距离运移而形成的石油聚集”[7]。致密油储层是指孔隙度一般小于10%、渗透率小于1×10−3 µm2的致密砂岩、碳酸盐岩等。
鄂尔多斯盆地上三叠统延长组长7段沉积时期发育大型内陆凹陷湖盆[8-10],沉积了一套以黑色页岩和暗色泥岩为主的富有机质生油岩系,为盆地延长组油藏最主要的烃源岩[11-13]。长期以来,研究区延长组的石油勘探主要集中于长8段、长6段等地层,长7段的勘探程度较低。随着近几年非常规油气勘探的不断投入和页岩油的突破,长7段逐渐成为勘探重点[14-18]。目前,研究区长7段主要集中于沉积相和烃源岩研究,对致密油储层的研究相对较少,特别是对源内薄层致密砂岩储层微观特征研究不足,对致密油储层发育的控制因素认识不清,制约着致密油的进一步勘探与开发。本文综合利用铸体薄片、扫面电镜观察和能谱分析以及高压压汞孔喉结构分析、XRD黏土矿物分析等方法,分析了长7段薄层致密砂岩储层特征及储层发育的主控因素,为鄂尔多斯盆地致密油的勘探开发提供依据。
1. 区域地质特征
鄂尔多斯盆地为准克拉通盆地,可划分为伊盟隆起、西缘逆冲带、天环坳陷、伊陕斜坡、晋西挠褶带和渭北隆起6个一级构造单元,陕北地区位于伊陕斜坡中东部(图1)。晚三叠世开始,鄂尔多斯盆地沉积演化进入内陆差异沉降盆地的形成和发展时期[19],到晚三叠世末期,盆地整体沉降,整体构造活动微弱,地层产状平缓,研究区内为一向西微倾的单斜构造。
上三叠统延长组为河流–湖泊相沉积,发育一套中厚层的中细砂岩、粉砂岩和深灰色、灰黑色泥页岩。根据岩电特征及含油性差异,延长组自下而上被划分为10个油层组(长1—长10),其中长7油层组沉积时期为湖盆鼎盛时期,发育一套厚度相对稳定、富含有机质的泥页岩层,为延长组油藏的主力烃源岩,也是鄂尔多斯盆地页岩油富集的最主要层段。
2. 致密油储层特征
岩石薄片鉴定结果显示,陕北地区长7段致密砂岩碎屑以石英、长石为主,少量岩屑,云母较发育(图2)。镜下观察石英表面光洁,部分晶面具波状消光。长石以斜长石、钾长石为主,斜长石聚片双晶发育,蚀变深,泥化、绢云母化。岩屑以酸性喷出岩、石英岩、花岗质岩、泥化碎屑为主。云母以黑云母为主,部分蚀变深,绿泥石化。粒间泥质以绿泥石、伊利石为主,重结晶,绢云母化,部分呈条带状分布。少量泥铁质,局部富集。经X射线衍射全岩分析,陕北地区长7段致密砂岩储层矿物组成主要为长石、石英、黏土矿物、方解石、白云石以及少量的黄铁矿、红金石和菱铁矿,其中长石含量最高(斜长石平均含量为45.92%,钾长石平均含量为13%),其次为石英(平均含量为18.7%)与黏土矿物(平均含量为15.9%),方解石平均含量为4.21%,白云石平均含量为1.67%。通过薄片鉴定和XRD全岩分析,明确研究区长7段致密砂岩类型主要为长石砂岩与岩屑长石砂岩。
图 2. 陕北地区长7段致密砂岩岩石学特征a. 岩石薄片特征(桥136井,1583.5 m,+),b. 岩石类型三角图,c. XRD全岩矿物分析(桥136井,1583.5 m)。Figure 2. Petrological characteristics of tight sandstone in Chang 7 member in northern Shaanxia. Characteristics of rock slices (Well Qiao 136, 1583.5 m, +), b. Triangle map of rock types, c. XRD analysis of whole rock minerals (Well Qiao 136, 1583.5 m).3. 储集特征
3.1 储层物性特征
本次研究对陕北地区长7段砂岩储层样品进行了物性测试,选取了15口井184件柱塞样。岩心取样的孔隙度、渗透率测定结果显示,陕北地区长7段致密砂岩储层较为致密,物性较差,其中孔隙度为2%~17%,平均9.98%,集中分布于8%~14%;渗透率分布范围(0.001~1.486)×10−3 µm2,平均0.54×10−3 µm2,主要分布于(0.01~0.5)×10−3 µm2(图3)。其中孔隙度2%~6%的主要为粉砂岩,占7.8%,孔隙度6%~14%的主要为中细砂岩,占82%;剩余部分样品存在微裂缝,孔隙度较大,占10.8%。
3.2 储集空间特征
通过30件铸体薄片和24件扫描电镜样品分析,陕北地区长7段致密砂岩主要发育次生孔隙及部分原生剩余孔隙。次生孔隙类型主要是粒间溶蚀孔隙、粒内溶蚀孔隙、填隙物晶间微孔隙及微裂缝(图4、5)。其中以长石溶蚀孔隙(图4a)、晶间微孔和微裂缝(图4c、5d)最为发育。长石溶蚀孔隙多呈狭长状(图5a),部分长石溶蚀孔隙呈圆状(图4b),通过图像测量长石溶蚀孔径分布范围为6~180 µm。粒间溶蚀孔隙主要是长石边界及填隙物溶蚀孔隙,孔隙多呈不规则形(图4a、5b)。扫描电镜图像中粒间溶蚀孔隙多呈不规则圆形(图5b),孔径较大,分布范围为10~240 µm。由于晶间微孔隙非常小,铸体薄片中较难分辨,主要通过扫描电镜分析来研究。晶间微孔类型主要为黏土矿物晶间孔(图5c),包括绿泥石晶间孔、伊利石晶间孔及高岭石晶间孔,孔径多小于20 µm。
图 4. 铸体薄片显示延长组7段致密储层储集空间特征a. 高135井,1783.6 m,长石溶蚀孔隙,粒间溶蚀孔隙(−);b. 高193井,2117 m,长石溶蚀孔隙,粒间溶蚀孔隙,铸膜孔(−);c. 丹288井,1106.8 m,微裂缝(+);d. 丹228井,1143.14 m,微裂缝(−)。Figure 4. Cast thin sections show the reservoir space characteristics of tight reservoirs in the 7th member of the Yanchang Formationa. Well Gao 135, 1783.6 m, feldspar dissolution pores, intergranular dissolution pores (−); b. Gao 193 well, 2117 m, feldspar dissolution pores, intergranular dissolution pores, cast film pores (−); c. Dan Well 288, 1106.8 m, micro-fractures (+); d. Dan 228 well, 1143.14 m, micro-fractures (−).图 5. 扫描电镜显示延长组7段致密储层储集空间特征a. 午100井,1937.5 m,长石粒内溶蚀孔隙,原生剩余粒间孔隙;b. 桥136井,1578.25 m,粒间溶蚀孔隙;c. 顺37井,1915.25 m,晶间微孔;d. 顺37井,1919.25 m,微裂缝。Figure 5. SEM shows the reservoir space characteristics of tight reservoirs in the 7th member of the Yanchang Formationa. Well Wu 100, 1937.5 m, intragranular dissolution pores of feldspar, primary remaining intergranular pores; b. Qiao 136 well, 1578.25 m, intergranular dissolution pores; c. Shun 37 well, 1915.25 m, intergranular micropores; d. Well Shun 37, 1919.25 m, micro-fractures.3.3 孔喉结构特征
通过10口井不同深度的致密砂岩样品进行高压压汞测试,根据毛管压力曲线特征、孔喉分布特征将长7段致密砂岩储层孔喉结构划分为4类:
Ⅰ类孔喉结构:砂岩类型主要为中砂岩与细砂岩,毛管曲线多出现左下凹的平台。排驱压力<1 MPa,图6a为高135井1783.6 m最大连通孔喉半径为0.756 µm,平均孔喉半径为0.05 µm,最大汞饱和度为98.26%,歪度为0.73,为粗歪度,表明孔喉以相对较大孔喉为主。
图 6. 长7段压汞曲线特征及孔喉半径分布a. 高135井,1783.6 m;b. 午230井,2061.3 m;c. 新140井,2080.4 m;d. 塞544井,2147.85 m。Figure 6. Characteristics of mercury intrusion curve and pore throat radius distribution in Chang 7 sectiona. Gao 135 well, 1783.6 m; b. Wu 230 well, 2061.3 m; c. Xin 140 well, 2080.4 m; d. Sai 544 well, 2147.85 m.Ⅱ类孔喉结构:砂岩类型主要为细砂岩,与Ⅰ类毛管压力曲线不同,没出现平台。排驱压力较Ⅰ类大,集中于1~3 MPa。图6b为午230井2061.3 m致密砂岩高压压汞曲线与孔喉半径分布图,其排驱压力为1.24 MPa,最大连通孔喉半径为0.593 µm,平均孔喉半径为0.015 µm,最大汞饱和度为91.01%,歪度为−0.59,为细歪度,表明孔喉以相对较小孔喉为主。
Ⅲ类孔喉结构:砂岩类型主要为细砂岩,曲线形态出现较明显的右上凸的形态。图6c为新140井2080.4 m深度砂岩样品毛管压力曲线与孔喉半径分布图,其排驱压力为4.71 MPa,最大连通孔喉半径为0.058 µm,平均孔喉半径为0.01 µm,最大汞饱和度为80.98%,歪度为−0.88,为细歪度,表明孔喉以相对较小孔喉为主。
Ⅳ类孔喉结构:砂岩类型多为细砂岩与粉砂岩。图6d为塞544井2147.85 m深度致密砂岩样品毛管压力曲线与孔喉半径分布图。其排驱压力为4.95 MPa,最大连通孔喉半径为0.148 µm,平均孔喉半径为0.03 µm,最大汞饱和度为70.15%,歪度为−0.49,为细歪度,表明孔喉以相对较小孔喉为主。
4. 砂岩储层成岩作用
综合利用铸体薄片、扫描电镜、XRD黏土矿物分析等资料,明确研究区长7段致密砂岩储层地质历史时期埋深较大,并且经历了复杂的成岩作用,主要有压实作用、胶结作用、溶蚀作用等。
4.1 压实作用
研究区长7段现今埋藏深度为1500~2100 m,通过埋藏史研究,长7段砂岩经历过3000 m的埋深,压实作用较为发育。在整个成岩过程中,随着埋深的增加,压实作用变强,碎屑矿物颗粒接触从点接触向点–线接触、线–线接触及缝合线接触过渡,可见碎屑颗粒接触关系有点–线接触、线–线接触和凹凸接触(图7a),以线接触为主,少见缝合线接触,云母等塑性矿物发生挤压变形(图7b)。
4.2 胶结作用
通过扫描电镜观察和XRD矿物分析,研究区长7段致密砂岩储层中胶结作用主要为黏土矿物胶结、碳酸盐胶结和硅质胶结。其中以黏土矿物胶结和碳酸盐胶结为主,硅质胶结作用相对较弱。
(1)黏土胶结
黏土矿物XRD分析,长7段致密砂岩中自生黏土矿物主要为绿泥石(平均含量为43.54%),其次为伊利石(平均含量20.42%)、高岭石(18.17%)及伊蒙混层(17.88%)(图8)。
绿泥石胶结物多为树叶状和针叶状,主要有两种赋存方式:一种是孔隙充填式产出(图9a),一种是围绕颗粒成薄膜式(图9b)。高岭石通常呈假六边形树叶状,伊利石多呈不规则片状或网状集合体产出(图9c),多以孔隙式充填为主。
图 9. 午230井长7段致密砂岩黏土矿物和硅质胶结物特征a. 塞544井,2142.83 m,绿泥石薄膜,孔隙填充绿泥石;b. 塞544井,孔隙充填高岭石;c. 午230井,2018.39 m,碳酸盐胶结物,伊利石;d. 高135井,1971.60 m,石英加大(Ⅱ-Ⅲ级)。Figure 9. Characteristics of clay minerals and siliceous cements of tight sandstone in Chang 7 Member of Well Wu 230a. Well Sai 544, 2142.83 m, chlorite film, pores filled with chlorite; b. Well Sai 544, pores filled with kaolinite; c. Well Wu 230, 2018.39 m, carbonate cement, illite; d. Well Gao 135, 1971.60 m, increased quartz (grade II-III).(2)碳酸盐胶结
长7段碳酸盐胶结普遍发育,以方解石为主(最高可达28%),另外发育铁方解石、铁白云石和白云石等碳酸盐胶结物。长7段碳酸盐胶结物主要为早期方解石连晶胶结,充填于孔隙中。晚期碳酸盐胶结物主要呈半自形到自形晶(图9c)充填孔隙,并交代碎屑颗粒。碳酸盐胶结物为方解石胶结,且主要为连晶胶结,表明碳酸盐胶结为早成岩阶段产物。
(3)硅质胶结
长7段致密砂岩硅质胶结物含量平均为1.6%,硅质胶结物多以Ⅰ—Ⅱ级石英的次生加大边和自生石英颗粒两种类型。在铸体薄片下,原生石英颗粒边界清晰(图4c,图7b),与次生石英边界之间通常为绿泥石或高岭石等黏土薄膜,次生石英加大边一般发育在原生颗粒局部,少见环边石英次生加大。
4.3 溶蚀作用
研究区长7段溶蚀作用主要为碎屑颗粒的溶蚀作用和填隙物的溶蚀作用,其中长石溶蚀最为发育。长石溶蚀主要是沿着长石解理缝溶蚀,形成长石粒内溶蚀孔隙(图4a、5a),长石和岩屑被彻底溶蚀后形成铸膜孔(图4b)。粒间不稳定填隙物发生部分溶蚀,从而产生粒间孔(图4a、4b、5b)。
4.4 成岩演化序列
基于陕北地区延长组长7段砂岩的骨架颗粒接触关系、孔隙结构、自生黏土矿物组合及泥岩镜质体反射率特征,划分了研究区长7段砂岩成岩阶段。砂岩骨架颗粒多呈线接触,压实作用较强;孔隙类型以粒间溶孔、粒内溶孔和黏土矿物晶间微孔为主;胶结作用以黏土胶结和碳酸盐胶结为主,黏土矿物以绿泥石为主,黏土矿物分析时伊蒙混层I/S中S层为30%,部分为40%,石英发育级次生加大;泥岩镜质体反射率Ro为0.65%~1.27%。据此判断研究区延长组长7段砂岩储层主要处于中成岩阶段A期(图10)。
早成岩A期,古地温较低,有机质未成熟,以机械压实作用为主,伴有早期绿泥石以薄膜状出现,少量方解石胶结物产出。早成岩B期,古地温为65~85 ℃,随着埋深的不断增加,强烈压实使颗粒呈点-线接触,部分亚溶作用为硅质胶结提供物质,石英加大为Ⅰ级加大,此时Ro为0.35%~0.5%,有机质半成熟,流体为弱酸性,长石开始发生溶蚀,孔隙类型为残余粒间孔和次生溶孔。中成岩A期,埋深进一步加大,古地温达到85~130 ℃,有机质处于大量生烃,使孔隙水呈酸性,溶蚀作用强,同时蒙脱石向伊利石快速转化,此时发育Ⅱ级石英加大,孔隙类型主要发育次生孔隙。
5. 储层主控因素
5.1 沉积作用对储层物性的影响
沉积作用对储层的影响主要体现在储层原始矿物组成及储层结构上,不同沉积环境中因水动力条件、搬运距离等的差异,使得沉积的砂岩成分、粒度、分选及磨圆条件存在差异[19-21]。陕北地区长7段主要为三角洲前缘水下分流河道及河口坝砂体,局部地区发育三角洲前缘滑塌形成的浊积岩[8-10]。研究区长7段物源主要受东北物源控制,仅东南局部受东南物源影响,三角洲前缘–滨浅湖沉积环境,水动力较弱,粒度一般为0.02~0.65 mm,分选磨圆较差,杂基含量相对较高。长7段砂岩主要为中砂岩、细砂岩和粉砂岩,其中中细长石砂岩、岩屑长石砂岩粒度相对较粗,分选较好,磨圆度为次棱–次圆,成分成熟度和结构成熟度较高,物性较好,粉砂粒长石砂岩、岩屑长石砂岩粒度较细,分选磨圆较差,杂基含量高,物性较差(图11)。
图 11. 长7段砂岩典型特征a. 陕365井,1893.7 m,灰色细砂岩,交错层理;b. 陕365井,1880.2 m,灰白色细砂岩,沙纹层理;c. 新271井,1991.8 m,灰白色细砂岩,爬升沙纹层理;d. 新283井,1993.8 m,灰白色细砂岩,板状交错层理; e. 新324井,1849.7 m,褐灰色细砂岩,交错层理;f. 新271井,1989.1 m,灰色细砂岩,平行层理;g. 新283井,1990.85 m,冲刷面;h. 午100井,1941.57 m,灰白色细砂岩,平行层理;i. 灰色细砂岩,块状层理,突变接触。Figure 11. Typical sedimentary characteristics of sandstone in Chang 7 Membera. Shan 365 well, 1893.7 m, gray fine sandstone, cross bedding; b. Shan 365 well, 1880.2 m, gray white fine sandstone, sand grain bedding; c. Xin 271 well, 1991.8 m, gray white fine sandstone, climbing sand Laminate bedding; d. Well Xin 283, 1993.8 m, gray-white fine sandstone, plate cross bedding; e. Well Xin 324, 1849.7 m, brown-gray fine sandstone, cross bedding; f. Well Xin 271, 1989.1 m, Gray fine sandstone, parallel bedding; g. Well Xin 283, 1990.85 m, scour surface; h. Wu 100 well, 1941.57 m, gray fine sandstone, parallel bedding; i. Gray fine sandstone, massive bedding, abrupt contact.5.2 成岩作用对储层的控制作用
成岩作用对储层发育的控制作用主要体现在两个方面:一是破坏性成岩作用,主要是压实作用、胶结作用;另一个是建设性成岩作用,主要是溶蚀作用。
(1)压实作用对储层物性的影响
根据Schrer [22]提出的砂岩初始孔隙度恢复方法,估算了研究区长7段初始孔隙度。研究区长7段砂岩分选系数平均为1.64,恢复初始孔隙度平均为35%。长7段砂岩虽然岩屑含量少,但泥质含量高,粒度较细,分选较好,压实作用对孔隙减少作用强。压实作用不仅是颗粒发生旋转排列,同时会引起塑性矿物变形,占据孔隙,堵塞喉道,进一步使储层物性变差。根据镜下观察与压实率计算,压实作用对原始孔隙的平均减孔量约为18%(图12)。
(2)胶结作用对储层物性的影响
研究区长7段主要发育黏土矿物胶结和碳酸盐胶结(图9a,9c)。黏土胶结矿物多填充孔隙和堵塞喉道,使储层更加致密。但是早期绿泥石薄膜对孔隙具有保护作用,一方面增加了岩石的抗压实能力,另一方面有效阻止了石英自生加大,对剩余原生粒间孔隙起到了一定程度的保护作用。压溶作用产生的硅质在孔隙内胶结,形成石英加大边,减少孔隙(图9d)。早期方解石胶结和中成岩A阶段溶蚀作用形成的物质重新胶结形成的铁方解石等进一步充填孔隙。研究区长7段早期碳酸盐胶结及晚期原始孔隙和溶蚀孔隙的充填,进一步降低了储层物性,对储层起到破坏作用。黏土矿物胶结与碳酸盐胶结使储层原生孔隙消失殆尽,整体上胶结作用是储层致密的重要原因,对储层起到破坏作用。
(3)溶蚀作用
研究区长7段致密砂岩现今孔隙主要为溶蚀作用形成的粒间溶蚀孔隙、粒内溶蚀孔。研究区长7段长石含量较高,随着地层的埋深,烃源岩逐渐成熟,大量排烃,成岩环境变为酸性,使长石和岩屑发生溶蚀,形成溶蚀孔隙,物性变好,是长7段储层发育最为主要的建设性成岩作用。
6. 结论
(1)鄂尔多斯盆地陕北地区长7段致密砂岩长石含量较高,砂岩以长石砂岩和岩屑长石砂岩为主,砂岩黏土矿物含量高,其中绿泥石含量最高,其次为伊利石、高岭石及伊蒙混层。
(2)长7段致密砂岩储层次生孔隙类型主要是粒间溶蚀孔隙、粒内溶蚀孔隙、填隙物晶间微孔隙及微裂缝。根据毛管压力曲线特征、孔喉分布特征将长7段致密砂岩储层孔喉结构划分为4类,其中Ⅰ类和Ⅱ类储层物性较好。
(3)长7段砂岩储层经历了压实作用、胶结作用(黏土矿物胶结、硅质胶结和碳酸盐胶结)和溶蚀作用等复杂的成岩改造,其中压实作用和胶结作用使储层孔隙减小,降低储层质量,溶蚀作用让储层质量得到改善,是长7段有利储层形成的主要原因。
-
表 1 信息量模型系数
Table 1. Summary table for coefficients of the IV model
因素 因子分级 信息量 因素 因子分级 信息量 高程
/m0~50 −1.341 坡度/(°) 0~5 −2.212 50~200 0.000 5~15 0.315 200~500 −1.941 15~25 1.552 500~1000 −2.813 25~35 3.671 1000~2000 0.452 35~45 4.889 >2000 2.316 >45 5.356 坡向 平 0.000 地貌 洼地 1.547 北 0.282 山麓 0.340 东北 0.322 高原 1.389 东北 0.183 平原 −2.277 东南 −0.032 谷底 0.000 南 −0.215 悬崖 1.062 西南 −0.707 丘陵 0.913 西 −0.089 山谷 2.353 西北 0.052 山脊 1.476 土壤
类型黏土 −0.124 水体 0.000 壤土 0.115 年平均
降雨量
/mm<400 −1.762 砂土 −1.948 400~800 −0.729 高含量黏土 0.450 800~1200 0.850 地形
湿度
指数7~12 1.666 1200~1600 2.240 12~14 −1.423 1600~2000 0.503 14−16 −2.041 2000~2400 0.607 16~20 −1.785 >2400 0.000 20~32 −2.319 水流
能力
指数2~5 −2.889 土地
利用
类型农业用地 0.800 5~7 −1.562 荒地 −1.365 7~9 0.972 灌木丛 −1.570 9~12 1.107 林地 2.043 12~23 0.250 草地 0.000 平面
曲率凸 −0.089 沼泽 0.000 平 −1.026 城镇 2.148 凹 0.187 表 2 逻辑回归模型系数
Table 2. Summary table for coefficients of the LR model
因素 系数 因素 系数 高程 1.683 土壤类型 −0.048 坡度 0.754 地形湿度指数 −1.125 坡向 −0.097 水流能力指数 1.481 地貌 0.229 年平均降雨量 1.466 平面曲率 0.047 土地利用类型 0.026 表 3 不同模型灾害分布统计结果
Table 3. Statistical results of disasters distribution for different models
危险性分区评估模型 极低危险性 低危险性 中危险性 高危险性 极高危险性 LR模型 面积占比/% 72.700 11.900 5.500 4.400 5.400 数量占比/% 2.570 0.930 1.170 10.510 84.810 灾害比重 0.035 0.078 0.213 2.389 15.705 IV模型 面积占比/% 35.300 29.800 16.9000 11.000 6.900 数量占比/% 0.930 0.930 2.8000 17.520 77.800 灾害比重 0.026 0.031 0.1657 1.593 11.275 ELM-SIG 面积占比/% 1.300 76.300 19.400 1.100 1.900 数量占比/% 1.870 8.410 88.080 1.170 0.470 灾害比重 1.438 0.110 4.540 1.064 0.247 ELM-SIN 面积占比/% 1.100 38.300 43.600 12.800 4.200 数量占比/% 0.700 2.800 9.110 33.880 53.500 灾害比重 0.636 0.073 0.208 2.647 12.738 ELM-HARDLIM 面积占比/% 5.200 34.300 34.500 18.000 8.000 数量占比/% 0.930 0.930 2.800 17.520 77.800 灾害比重 0.178 0.027 0.081 0.973 9.725 -
[1] BATALA L K,YU Wangxing,KHAN A,et al. Natural disasters' influence on industrial growth,foreign direct investment,and export performance in the South Asian region of Belt and road initiative[J]. Natural Hazards,2021,108(2):1853 − 1876. doi: 10.1007/s11069-021-04759-w
[2] BAI Yuanli,WIERZBICKI T. Application of extended Mohr-Coulomb criterion to ductile fracture[J]. International Journal of Fracture,2010,161(1):1 − 20. doi: 10.1007/s10704-009-9422-8
[3] ROGERS J D,CHUNG J. Applying Terzaghi’s method of slope characterization to the recognition of Holocene land slippage[J]. Geomorphology,2016,265:24 − 44. doi: 10.1016/j.geomorph.2016.04.020
[4] AHMED A,UGAI K,YANG Qing qing. Assessment of 3D slope stability analysis methods based on 3D simplified janbu and hovland methods[J]. International Journal of Geomechanics,2012,12(2):81 − 89. doi: 10.1061/(ASCE)GM.1943-5622.0000117
[5] WANG Chun ming,LIU Chun yuan,WU Mai,et al. Research on soil-like slope instability based on FEM strength reduction[J]. Applied Mechanics and Materials,2013,438/439:1244 − 1248. doi: 10.4028/www.scientific.net/AMM.438-439.1244
[6] 吴信才,白玉琪,郭玲玲. 地理信息系统(GIS)发展现状及展望[J]. 计算机工程与应用,2000,36(4):8 − 9. [WU Xincai,BAI Yuqi,GUO Lingling. Development and prospect of geographic information system[J]. Computer Engineering and Applications,2000,36(4):8 − 9. (in Chinese with English abstract)
WU Xincai, BAI Yuqi, GUO Lingling. Development and prospect of geographic information system[J]. Computer Engineering and Applications, 2000, 36(4): 8-9. (in Chinese with English abstract)
[7] SON J,SUH J,PARK H D. GIS-based landslide susceptibility assessment in Seoul,South Korea,applying the radius of influence to frequency ratio analysis[J]. Environmental Earth Sciences,2016,75(4):310. doi: 10.1007/s12665-015-5149-1
[8] 屠水云,张钟远,付弘流,等. 基于CF与CF-LR模型的地质灾害易发性评价[J]. 中国地质灾害与防治学报,2022,33(2):96 − 104. [TU Shuiyun,ZHANG Zhongyuan,FU Hongliu,et al. Geological hazard susceptibility evaluation based on CF and CF-LR model[J]. The Chinese Journal of Geological Hazard and Control,2022,33(2):96 − 104. (in Chinese with English abstract)
TU Shuiyun, ZHANG Zhongyuan, FU Hongliu, et al. Geological hazard susceptibility evaluation based on CF and CF-LR model[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(2): 96-104. (in Chinese with English abstract)
[9] 刘福臻,王灵,肖东升. 机器学习模型在滑坡易发性评价中的应用[J]. 中国地质灾害与防治学报,2021,32(6):98 − 106. [LIU Fuzhen,WANG Ling,XIAO Dongsheng. Application of machine learning model in landslide susceptibility evaluation[J]. The Chinese Journal of Geological Hazard and Control,2021,32(6):98 − 106. (in Chinese with English abstract)
LIU Fuzhen, WANG Ling, XIAO Dongsheng. Application of machine learning model in landslide susceptibility evaluation[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(6)98-106(in Chinese with English abstract)
[10] LIU Rui,LI Luyao,PIRASTEH S,et al. The performance quality of LR,SVM,and RF for earthquake-induced landslides susceptibility mapping incorporating remote sensing imagery[J]. Arabian Journal of Geosciences,2021,14(4):1 − 15.
[11] WANG Xi,WANG Shuangyin,QI Jiashuo. Open-channel landslide hazard assessment based on AHP and fuzzy comprehensive evaluation[J]. Water Supply,2020,20(8):3687 − 3696. doi: 10.2166/ws.2020.176
[12] 商冬凡,唐梦芸,苗雷强,等. 城市道路空洞隐患风险评估方法应用研究[J]. 市政技术,2022,40(11):37 − 42. [SHANG Dongfan,TANG Mengyun,MIAO Leiqiang,et al. Risk Assessment of Operation and Maintenance Stage of Utility Tunnel based on Combination Weighting-Improved Risk Matrix Method[J]. Journal of Municipal Technology,2022,40(11):37 − 42. (in Chinese with English abstract)
[Shang Dongfan, Tang Mengyun, Miao Leiqiang, Shi Jiahao, Zhou Siqing. Risk Assessment of Operation and Maintenance Stage of Utility Tunnel based on Combination Weighting-Improved Risk Matrix Method [J]. Journal of Municipal Technology, 2022,40(11): 37-42. (in Chinese with English abstract)
[13] 张俊,殷坤龙,王佳佳,等. 三峡库区万州区滑坡灾害易发性评价研究[J]. 岩石力学与工程学报,2016,35(2):284 − 296. [ZHANG Jun,YIN Kunlong,WANG Jiajia,et al. Evaluation of landslide susceptibility for Wanzhou district of Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering,2016,35(2):284 − 296. (in Chinese with English abstract)
Zhang Jun, Yin Kunlong, Wang Jiajia, et al. Evaluation of landslide susceptibility for Wanzhou district of Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2016, 35(2): 284-296. (in Chinese with English abstract)
[14] CHEN Wei,LI Wenping,CHAI Huichan,et al. GIS-based landslide susceptibility mapping using analytical hierarchy process (AHP) and certainty factor (CF) models for the Baozhong region of Baoji City,China[J]. Environmental Earth Sciences,2016,75(1):63. doi: 10.1007/s12665-015-4795-7
[15] 刘璐瑶,高惠瑛,李照. 基于CF与Logistic回归模型耦合的永嘉县滑坡易发性评价[J]. 中国海洋大学学报(自然科学版),2021,51(10):121 − 129. [LIU Luyao,GAO Huiying,LI Zhao. Landslide susceptibility assessment based on coupling of CF model and logistic regression model in Yongjia County[J]. Periodical of Ocean University of China,2021,51(10):121 − 129. (in Chinese with English abstract)
LIU Luyao, GAO Huiying, LI Zhao. Landslide susceptibility assessment based on coupling of CF model and logistic regression model in Yongjia County[J]. Periodical of Ocean University of China, 2021, 51(10)121-129(in Chinese with English abstract)
[16] 国家市场监督管理总局, 国家标准化管理委员会. 地质灾害危险性评估规范: GB/T 40112—2021[S]. 北京: 中国标准出版社, 2021
Standardization Administration of the People's Republic of China. Specifications for risk assessment of geological hazard: GB/T 40112—2021[S]. Beijing: Standards Press of China, 2021. (in Chinese)
[17] 杨先全,周苏华,邢静康,等. 肯尼亚滑坡灾害分布特征及敏感性区划[J]. 中国地质灾害与防治学报,2019,30(5):65 − 74. [YANG Xianquan,ZHOU Suhua,XING Jingkang,et al. Distribution patterns and susceptibility mapping of landslides in Kenya[J]. The Chinese Journal of Geological Hazard and Control,2019,30(5):65 − 74. (in Chinese with English abstract)
YANG Xianquan, ZHOU Suhua, XING Jingkang, et al. Distribution patterns and susceptibility mapping of landslides in Kenya[J]. The Chinese Journal of Geological Hazard and Control, 2019, 30(5)65-74(in Chinese with English abstract)
[18] 朱丛瑞. 肯尼亚建国后的环境问题研究[D]. 昆明: 云南师范大学, 2021
ZHU Congrui. Research on environmental problems after the founding of Kenya[D]. Kunming: Yunnan Normal University, 2021. (in Chinese with English abstract)
[19] 肯尼亚信息、通信和技术部.滑坡统计资料[M/OL]. [2015-5-18]. https://www.ict.go.ke/wp-content/uploadsKenya.
Ministry of Information, Communication and Technology of Kenya. Landslide Statistics[M/OL]. [2015-5-18]. (in Chinese)
[20] 全球毁灭性滑坡数据库.肯尼亚地区滑坡数据[M/OL]. [2019-6-18]. https://blogs.agu.org/landslideblog/.
Global Database of Fatal Landslides.Kenya Historical Landslide Data[M/OL]. [2019-6-18]. (in Chinese)
[21] BROECKX J,VANMAERCKE M,DUCHATEAU R,et al. A data-based landslide susceptibility map of Africa[J]. Earth-Science Reviews,2018,185:102 − 121. doi: 10.1016/j.earscirev.2018.05.002
[22] NASA 地球公开数据. ASTERGDEMV2卫星全球高程公开共享数据[M/OL]. [2013-11-30].https://visibleearth.nasa.gov/.
NASA Earth Open Data. ASTERGDEMV2 satellite global elevation data[M/OL]. [2013-11-30]. (in Chinese)
[23] 开放非洲数据库. 肯尼亚地区地表径流、地貌、年降雨量等共享数据[M/OL]. [2014-1-20]. www.Openafrica.org
Open Africa Database. Shared data on surface runoff, landforms, and annual rainfall in Kenya [M/OL]. [2014-1-20]. (in Chinese)
[24] 世界资源研究所公开数据. 肯尼亚地区土地利用类型共享数据[M/OL]. [2014-1-20]. www.wri.org.
World Resources Institute Open Data. Shared data on land use types in Kenya[M/OL]. [2014-1-20]. (in Chinese)
[25] CHENG Yongzhen,HUANG Xiaoming. Effect of mineral additives on the behavior of an expansive soil for use in highway subgrade soils[J]. Applied Sciences,2018,9(1):30. doi: 10.3390/app9010030
[26] SWETS J A. Measuring the accuracy of diagnostic systems[J]. Science,1988,240(4857):1285 − 1293. doi: 10.1126/science.3287615
-