资源描述：
《地质灾害论文：汶川地震重灾区地质灾害风险评价重要意义》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。
1、地质灾害论文：汶川地震重灾区地质灾害风险评价重要意义摘要：地质灾害发生的几率及其可能造成的损失等问题一直国内外研究的重点。地质灾害风险评价的方法很多,各有优劣。采取什么评价方法,怎样进行快速评价和制图,在减灾防灾中,特别是应急救灾中能发挥更大的作用是进行风险评价的主攻方向。关键词：地质灾害，风险评价，指标体系 本文在进行地质灾害调查和遥感解译资料的基础上,采用专家评判方法利用GIS技术对重灾区14县市地质灾害进行的快速定量的危险性评价,并在此基础上进行定性评价。这种方法可以进行快速评价和制图,为地震灾区恢复重建工作中重建规划、
2、特别是场地选址、地质灾害的防治提供急需的次生灾害方面的基础资料,为国家和地方政府规划决策提供科学依据。一、地质灾害风险评价指标体系(一)地质灾害风险评估体系构成地质灾害风险评估是对风险区发生不同强度地质灾害活动的可能性及其可能造成的损失进行的定量化分析与评估。地质灾害风险评估的目的是反映评价区地质灾害总体风险水平与地区差异,为指导国土资源开发、保护环境、规划与实施地质灾害防治工程提供科学依据。地质灾害风险评估主要包括以下两方面内容:一是危险性分析———通过对历史地质灾害活动程度以及对地质灾害各种活动条件的综合分析,评价地质灾害活
3、动的危险程度,确定地质灾害活动的密度、强度(规模)、发生概率(发展速率)以及可能造成的危害区的位置、范围。二是易损性分析———通过对风险区内各类受灾体数量、价值以及对不同种类、不同强度地质灾害的抗御能力进行综合分析,评价承灾区易损性,确定可能遭受地质灾害危害的人口、工程、财产以及国土资源的数量(或密度)及其破坏损失率。危险性分析和易损性分析是地质灾害风险评估的基础,通过这两方面分析,确定风险区位置、范围以及地质灾害活动的分布密度与时间概率,进而确定可能遭受地质灾害的人口、工程、财产以及资源、环境的空间分布与破坏损失率。这二方面分
4、析相互联系,形成具有层次特点的地质灾害风险评估系统。在地质灾害影响因素分类分析的基础上,根据风险评价目标和内涵的不同,可采用层次分析的方法,建立相应的评价指标体系。根据风险评价目的、评价内容的不同,可将指标体系的最高层次一目标层划分为两大类—危险性评价、易损性评价,进一步可依据研究对象的分布范围的大小划分为不同的亚类。针对不同的评价对象,进行相应的影响因素分析,初步确定出对评价有影响的因素,如地质环境因素、动力环境因素、人类工程经济活动因素等,构造出指标体系的一级指标层。对于不同的评价目标,指标选择的侧重点不同,可选择不同的评价
5、指标准则,具体到某一区域斜坡或某一类型地质灾害时,其基础指标要进行一定的取舍和细化,评价成功的关键在于因素筛选和因素权重赋值。(二)指标体系建立中几个关键问题1·评价指标的选取。评价指标的选取在某种程度上说是评价成功的关键。不同层次、不同目的危险性评价,评价指标的选取即要反映地质灾害地质体本身的特征属性,又要反映地质灾害的经济和社会属性,评价指标侧重于反映地质灾害的运动变化特征。如果评价的目的是为国土规划服务,评价指标侧重于反映地质灾害的空间分布特征;如果评价的目的是减灾,评价指标则要同时反映地质灾害的空间分布特征和承灾体的分布
6、及特性。2·评价指标的量化。地质灾害影响因素众多,有定性指标、定量指标,也有半定量指标。对于定量指标只要统一量纲,进行归一化处理后便可为评价直接利用。而对于定性指标,由于对指标状态的描述是采用一些模棱两可的词句,具有较大的随意性和不确定性,需应用一些数学方法对指标进行定量或半定量描述;目前通常采用德尔菲法、;信息量法;模糊隶属度、各种统计方法等,在指标转换的过程中要注意统一指标尺度,以免有些变量被夸大。在对地质灾害的众多影响因素定量化后,还应对这些指标进行筛选,选出对地质灾害的发生贡献大的指标,以排除某些指标对预测结果的干扰。通
7、常指标筛选是以地质灾害易发性性分析为基础的。目前常用的易发性分析方法有:主成分分析、距离系数、灰色关联度、效果测度、数据本构等。3·评价指标的权重赋值。由于地质灾害系统是一个复杂系统,各种指标对地质灾害产生的影响程度是不尽相同的,那么在评价模型中还应确定出各指标的权重,以反映指标对地质灾害事件产生的影响程度。近年来,随着现代数学理论与计算机发展与应用,人们确定权重的方法正从主观判断向定量、客观判断的方向发展。目前常用的方法有德尔菲法、信息量法、层次分析法、模糊区间映射法、综合评判系数法等。二、地质灾害风险评价技术方法及流程1·通
8、过野外调查和充分收集获得评价范围内的相关资料,并进行相关资料整理。2·数据预处理:依据指标体系对主要影响因素进行赋值;能够直接用数据表示的因素,直接用数据表示;不能直接用数据表示的描述性因素,通过数据概化赋值后转化为数值数据。为了在计算过程中方便使用,使指标无量
