本发明公开了一种活动性地质灾害调控因子定量分析方法，涉及地质灾害分析技术领域，本发明通过获取研究区域像素点的活动性地质灾害密度值和调控因子的属性值，利用地理探测器原理确定调控因子对活动性地质灾害的贡献大小及双调控因子对活动性地质灾害的交互作用；从而可以实现由活动性地质灾害的单调控因子分析向单调控因子+双调控因子交互作用分析的转变；同时可以实现活动性地质灾害单调控因子和双调控因子交互作用的定量化分析；本发明提供的方法在全球任何地方均适用，普适性高。
1.一种活动性地质灾害调控因子定量分析方法，其特征在于，包括以下步骤：获取研究区域活动性地质灾害的位置；
基于研究区域活动性地质灾害的位置生成活动性地质灾害密度图；
获取研究区域具有统一分辨率的调控因子离散数据集；其中调控因子包括地形因子、植被因子、气候水文因子、地震因子和岩性因子；
随机生成研究区域若干像素点，从活动性地质灾害密度图和调控因子离散数据集中提取每个像素点的活动性地质灾害密度值和调控因子的属性值；
基于每个像素点的活动性地质灾害密度值和调控因子的属性值，利用地理探测器原理确定调控因子对活动性地质灾害的影响大小，以及通过比较双调控因子的综合贡献和独立贡献，评估双调控因子的交互作用对活动性地质灾害是相互增强还是相互减弱；
其中，所述利用地理探测器原理确定调控因子对活动性地质灾害的影响大小，具体包括：单调控因子的贡献用q值衡量：
qx的物理解释为调控因子x对AGs的解释力为100*q%，q的范围为0到1，值越高表示调控因子对AGs的解释力越强；
地理探测器原理为：如果调控因子对活动性地质灾害有显著影响，则调控因子与活动性地质灾害的空间分布具有相似性；
所述通过比较双调控因子的综合贡献和独立贡献，评估双调控因子的交互作用对活动性地质灾害是相互增强还是相互减弱，具体包括：双调控因子的交互作用通过比较双调控因子的综合贡献和独立贡献，评估双调控因子对活动性地质灾害是相互增强还是相互减弱，共有五种类型：双因子非线性减弱，其判断依据为q(f1∩f2)< Min(q(f1), q(f2))；
单因子非线性减弱，其判断依据为Min(q(f1), q(f2)) < q(f1∩f2)< Max(q(f1), q(f2))；
双因子增强，其判断依据为Max(q(f1), q(f2)) < q(f1∩f2) < q(f1) + q(f2)；
双因子相互独立，其判断依据为q(f1∩f2)= q(f1) + q(f2)；
双因子非线性增强，其判断依据为q(f1∩f2)> q(f1) + q(f2)；
其中，q(f1)、q(f2)分别是调控因子f1与f2对活动性地质灾害的独立贡献，q(f1∩f2)是调控因子f1与f2交互后的综合贡献，Min(q(f1), q(f2))代表调控因子f1与f2对活动性地质灾害独立贡献q值的最小值，Max(q(f1), q(f2))代表调控因子f1与f2对活动性地质灾害独立贡献q值的最大值，q(f1) + q(f2)代表调控因子f1和f2对活动性地质灾害独立贡献q值的和。
2.如权利要求1所述的一种活动性地质灾害调控因子定量分析方法，其特征在于，所述获取研究区域活动性地质灾害的位置，具体包括：利用合成孔径雷达干涉测量技术，SAR/光学像素偏移量技术和DEM差分技术获取毫米到米级的地表形变，联合最小协方差行列式算法和基于密度的噪声应用空间聚类算法实现研究区域活动性地质灾害位置的获取。
3.如权利要求2所述的一种活动性地质灾害调控因子定量分析方法，其特征在于，所述基于研究区域活动性地质灾害的位置生成活动性地质灾害密度图，具体包括：基于研究区域活动性地质灾害的位置，利用点密度分析算法获取活动性地质灾害密度图。
4.如权利要求1所述的一种活动性地质灾害调控因子定量分析方法，其特征在于，所述地形因子包括高程、坡度、坡向、曲率、表面凸性和地形位置指数：所述植被因子包括归一化植被指数和土地覆盖；
所述气候水文因子包括降水、温度、距河流距离和流量积累；
5.如权利要求4所述的一种活动性地质灾害调控因子定量分析方法，其特征在于，所述获取研究区域具有统一分辨率的调控因子离散数据集，还包括：调控因子中包含了动态因子，求取研究时间段内动态因子的平均值作为静态调控因子；
利用三次卷积插值将所有调控因子重采样到统一分辨率，采用自然间断法将连续数据分为离散数据集，最终获取研究区域具有统一分辨率的调控因子离散数据集，用于分析活动性地质灾害的主要驱动因子。
6.如权利要求1所述的一种活动性地质灾害调控因子定量分析方法，其特征在于，所述随机生成研究区域若干像素点时，至少确保每500 ㎡一个像素点。
一种活动性地质灾害调控因子定量分析方法
技术领域
[0001] 本发明涉及地质灾害分析技术领域，具体为一种活动性地质灾害调控因子定量分析方法。
背景技术
[0002] 地质灾害是指在自然或人为因素作用下形成的对人类生命财产造成损失、对环境造成破坏的地质作用或地质现象。地质灾害在时间和空间上的分布变化规律，既受制于自然环境，又与人类活动有关，往往是人类与自然界相互作用的结果。
[0003] 活动性地质灾害(Active Geohazards)下称AGs，是地质灾害隐患中常常失稳的一种地质灾害，挖掘AGs活动的主要调控因子，探究双调控因子加强或减弱对AGs活动的作用，对理解AGs的空间分布规律和AGs的防灾减灾至关重要。
[0004] 现有研究AGs调控因子的方法主要为相关性分析法和信息增益比法，其中相关性分析只能获取AGs的易发调控因子范围，信息增益比只能获取单个调控因子的贡献，但地质灾害的活动可能是单调控因子作用下的结果，也可能是双调控因子的综合作用结果；因此亟需一种既可定量分析AGs主要调控因子也可以定量分析AGs双调控因子的方法。
发明内容
[0005] 本发明针对现有技术中缺少一种既可定量分析AGs主要调控因子也可以定量分析AGs双调控因子的方法的问题，提供了一种活动性地质灾害调控因子定量分析方法，包括以下步骤：
[0006] 获取研究区域活动性地质灾害的位置；
[0007] 基于研究区域活动性地质灾害的位置生成活动性地质灾害密度图；
[0008] 获取研究区域具有统一分辨率的调控因子离散数据集；其中调控因子包括地形因子、植被因子、气候水文因子、地震因子和岩性因子；
[0009] 随机生成研究区域若干像素点，从活动性地质灾害密度图和调控因子离散数据集中提取每个像素点的活动性地质灾害密度值和调控因子的属性值；
[0010] 基于每个像素点的活动性地质灾害密度值和调控因子的属性值，利用地理探测器原理确定调控因子对活动性地质灾害的影响大小，以及通过比较双调控因子的综合贡献和独立贡献，评估双调控因子的交互作用对活动性地质灾害是相互增强还是相互减弱。
[0011] 进一步的，所述获取研究区域活动性地质灾害的位置，具体包括：
[0012] 利用合成孔径雷达干涉测量技术，SAR/光学像素偏移量技术和DEM差分技术获取毫米到米级的地表形变，联合最小协方差行列式算法和基于密度的噪声应用空间聚类算法实现研究区域活动性地质灾害位置的获取。
[0013] 进一步的，所述基于研究区域活动性地质灾害的位置生成活动性地质灾害密度图，具体包括：
[0014] 基于研究区域活动性地质灾害的位置，利用点密度分析算法获取活动性地质灾害密度图。
[0015] 进一步的，所述地形因子包括高程、坡度、坡向、曲率、表面凸性和地形位置指数：
[0016] 所述植被因子包括归一化植被指数和土地覆盖；
[0017] 所述气候水文因子包括降水、温度、距河流距离和流量积累；
[0018] 所述地震因子包括距历史震中距离和距断层的距离。
[0019] 进一步的，所述获取研究区域具有统一分辨率的调控因子离散数据集，还包括：
[0020] 调控因子中包含了动态因子，求取研究时间段内动态因子的平均值作为静态调控因子；
[0021] 利用三次卷积插值将所有调控因子重采样到统一分辨率，采用自然间断法将连续数据分为离散数据集，最终获取研究区域具有统一分辨率的调控因子离散数据集，用于分析活动性地质灾害的主要驱动因子。
[0022] 进一步的，所述随机生成研究区域若干像素点时，提取的随机点在计算能力允许2
的情况下尽可能多，越多越能保证计算结果的可靠性，至少确保每500m一个像素点。
[0023] 进一步的，所述利用地理探测器原理确定调控因子对活动性地质灾害的影响大小，具体包括：
[0024] 单调控因子的贡献用q值衡量：
[0025]
[0026] qx的物理解释为调控因子x对AGs的解释力为100*q％，q的范围为0到1，值越高表示调控因子对AGs的解释力越强；
[0027] 地理探测器原理为：如果调控因子对活动性地质灾害有显著影响，则调控因子与活动性地质灾害的空间分布具有相似性。
[0028] 进一步的，所述通过比较双调控因子的综合贡献和独立贡献，评估双调控因子的交互作用对活动性地质灾害是相互增强还是相互减弱，具体包括：
[0029] 双调控因子的交互作用通过比较双调控因子的综合贡献和独立贡献，评估双调控因子对活动性地质灾害是相互增强还是相互减弱，共有五种类型：
[0030] 双因子非线性减弱，其判断依据为q(f1∩f2)
[0031] 单因子非线性减弱，其判断依据为Min(q(f1),q(f2))
[0032] 双因子增强，其判断依据为Max(q(f1),q(f2))
[0033] 双因子相互独立，其判断依据为q(f1∩f2)＝q(f1)+q(f2)；
[0034] 双因子非线性增强，其判断依据为q(f1∩f2)>q(f1)+q(f2)；
[0035] 其中，q(f1)、q(f2)分别是调控因子f1与f2对活动性地质灾害的独立贡献，q(f1∩f2)是调控因子f1与f2交互后的综合贡献，Min(q(f1),q(f2))代表调控因子f1与f2对活动性地质灾害独立贡献q值的最小值，Max(q(f1),q(f2))代表调控因子f1与f2对活动性地质灾害独立贡献q值的最大值，q(f1)+q(f2)代表调控因子f1和f2对活动性地质灾害独立贡献q值的和。
[0036] 与现有技术相比，本发明提供的一种活动性地质灾害调控因子定量分析方法，其有益效果是：
[0037] 本发明通过获取研究区域像素点的活动性地质灾害密度值和调控因子的属性值，利用地理探测器原理确定调控因子对活动性地质灾害的贡献大小及双调控因子对活动性地质灾害的交互作用；从而可以实现由活动性地质灾害的单调控因子分析向单调控因子+双调控因子交互作用分析的转变；同时可以实现活动性地质灾害单调控因子和双调控因子交互作用的定量化分析；本发明提供的方法在全球任何地方均适用，普适性高。
附图说明
[0038] 图1为本发明提供的活动性地质灾害调控因子定量分析方法的流程图；
[0039] 图2为本发明实施例提供的河西走廊区域AGs位置分布图；
[0040] 图3为本发明实施例提供的河西走廊区域AGs密度图；
[0041] 图4为本发明实施例提供的调控因子对AGs的可解释力图；
[0042] 图5为本发明实施例提供的双调控因子交互作用对AGs的可解释力图。
具体实施方式
[0043] 下面结合附图1‑5，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0044] 实施例1：本发明提出了一种活动性地质灾害调控因子定量分析方法，包括如下步骤：
[0045] 1、获取研究区域AGs的位置；具体为利用InSAR技术，SAR/光学像素偏移量技术和DEM差分技术获取毫米到米级的地表形变，联合最小协方差行列式算法和基于密度的噪声应用空间聚类算法实现AGs位置的获取。
[0046] 2、基于AGs位置生成活动性地质灾害密度图；主要利用点密度分析算法获取AGs的密度图。
[0047] 3、获取统一分辨率的调控因子离散数据集；地形、地质、水文和人类活动等多种因素的影响均可导致地质灾害的发生。建议选取地形因子(高程、坡度、坡向、曲率、表面凸性和地形位置指数)、植被因子(NDVI和土地覆盖)、气候水文因子(降水、温度、距河流距离和流量积累)、地震因子(距历史震中距离和距断层的距离)和岩性因子(岩性)调控因子，调控因子中包含了动态因子，如降雨和温度，因此求取研究时间段内动态因子的平均值作为静态调控因子。然后利用三次卷积插值将所有调控因子重采样到统一分辨率(所有调控因子中的最高分辨率)，采用自然间断法将连续数据分为离散数据集，此处建议分为5‑10级。最终获取研究区域具有统一分辨率的调控因子离散数据集，用于分析AGs的主要驱动因子。
[0048] 4、随机生成研究区域若干像素点，提取每个像素点的AGs密度值和调控因子的属性值；建议提取的随机点在计算能力允许的情况下尽可能多，越多越能保证计算结果的可2
靠性。至少保证每500m一个像素点。
[0049] 5、在python平台，利用GD原理(如果调控因子对AGs有显著影响，则调控因子与AGs的空间分布具有相似性)实现调控因子对AGs的贡献大小及双调控因子对AGs的交互作用。其中单调控因子的贡献用q值衡量：
[0050]
[0051] qx的物理解释为调控因子x对AGs的解释力为100*q％，q的范围为0到1，值越高表示调控因子对AGs的解释力越强。双调控因子的交互作用可以通过比较双调控因子的综合贡献和独立贡献来评估双调控因子对AGs是相互增强还是相互减弱，共有以下五种类型：
[0052] 两调控因子的交互关系
[0053]交互类型 判断依据
双因子非线性减弱 q(f1∩f2)单因子非线性减弱 Min(q(f1),q(f2))双因子增强 Max(q(f1),q(f2))双因子相互独立 q(f1∩f2)＝q(f1)+q(f2)
双因子非线性增强 q(f1∩f2)>q(f1)+q(f2)
[0054] 实施例2：以中国河西走廊区域为例，验证本发明实施例1的方法。
[0055] 表1为本实例选取的调控因子数据集。本实例选取15个调控因子，主要为地形因子(高程、坡度、坡向、曲率、表面凸性和地形位置指数)、植被因子(NDVI和土地覆盖)、气候水文因子(降水、温度、距河流距离和流量积累)、地震因子(距历史震中距离和距断层的距离)和岩性因子(岩性)等调控因子。图4为调控因子对AGs的可解释。(a)至(d)分别为15个调控因子对AGs、ALs、SLs和RLs的解释力。(e)为AGs、ALs、SLs和RLs各调控因子的q值排序(每列降序排列)。从图中可以看出，高程、温度、降雨对AGs的可解释力位于前三，其中高程对AGs、ALs、SLs的可解释性最高，说明高程是AGs、ALs、SLs最主要的调控因子；温度对RLs的可解释力高达0.63，说明温度为RLs最主要的调控因子。
[0056] 图5为双调控因子交互作用对AGs的可解释性。从图中可以看出所有调控因子的交互作用均呈现双因子增强。AGs影响最大的交互作用为：降雨∩高程，解释力为57％，超出主调控因子高程10％；ALs影响最大的交互作用为：降雨∩高程，解释力为63％，超出主调控因子高程24％；SLs影响最大的交互作用为：降雨∩高程，解释力为63％，超出主调控因子高程24％；RLs影响最大的交互作用为：降雨∩温度，解释能力高达78％，还发现高程与NDVI的交互作用对RLs的解释力为65％,说明NDVI对快速滑坡的控制作用较强。
[0057] 表1本实例选取的调控因子
[0058]
[0059] 综合来看，与现有技术相比，本发明提供的一种活动性地质灾害调控因子定量分析方法，具有以下的有益效果：
[0060] 本发明通过获取研究区域像素点的活动性地质灾害密度值和调控因子的属性值，利用地理探测器原理确定调控因子对活动性地质灾害的贡献大小及双调控因子对活动性地质灾害的交互作用；从而可以实现由活动性地质灾害的单调控因子分析向单调控因子+双调控因子交互作用分析的转变；同时可以实现活动性地质灾害单调控因子和双调控因子交互作用的定量化分析；本发明提供的方法在全球任何地方均适用，普适性高。
[0061] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0062] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
