時空數據預測推算滑坡數據危險性(時空預測推算模型)

時空序列的判斷竅門

時空序列的判斷竅門：

高點提前 時間延後 市場下跌

低點提前 時間延後 市場上漲



如上圖為綠色序列線 綠後次序是7 9 5 而市場在綠後2的具體位置，產生瞭低點位置，就是低點提前 時間延後 市場上漲 上漲到綠後9的為位置，市場開始下跌瞭。



如上圖，市場為紅色序列線，紅後序列為：10 8 而市場在紅後3的具體位置產生瞭高點，是高點提前，時間延時，市場下跌，市場下跌到紅後10的具體位置市場開始上漲瞭。



如上圖，為粉色序列線，市場高點與時間同至，市場下跌，下跌到粉後6的具體位置，市場開始上漲。

時間預測推算可以提前預測推算出市場未來的時間窗口位置，及市場的漲跌情況。

時空預測推算密碼，是交易市場最高檔的交易密碼，隻有掌握時間預測推算，才能掌握最高檔的預測推算技術，時間永久都是最要緊的，提前預測推算，總能未雨綢繆，提前佈陣與佈局市場。

何謂時空數據庫技術

時空數據庫是存儲、管理隨時間變化，其空間地段和/或范圍也發生變化的時空對象的數據庫系統，時空索引技術是時空數據庫管理系統的關鍵技術之一。

時空GIS概念很大，上面的是很簡單容易的定義。。。

時空數據的可視化和動態可視化的不同

地理信息系統中的空間信息可視化從表現內容上來分：有地圖(圖形)、多媒體、虛擬現實等，從空間維數上來分有：二維可視化、三維可視化、多維動態可視化等。地理信息可視化是運用圖形學、計算機圖形學和圖像處理技術，將地學信息輸入、處理、查詢、剖析以及預測推算的結果和數據以圖形符號、圖標、文字、表格、視頻等可視化形式顯示並進行交互的論理、方法和技術。在地理信息系統中，可視化則以地理信息科學、計算機科學、地圖學、認知科學、信息傳輸學與地理信息系統為基礎，並通過計算機技術、數字技術、多媒體技術動態，直觀、形象地表現、解釋、傳輸地理空間信息並揭示其規律，是關於信息表達和傳輸的論理、方法與技術的一門學科。

院士專業人士談 - 時空大數據:地理信息產業融合發展必由之路

作 者 ：中國工程院院士 王傢耀

地理信息產業是以現代測繪和地理信息系統、遙感、衛星導航定位等技術為基礎，以地理信息資源開發利用為核心，從事地理信息獲取、處理、應用的高技術服務業。自20世紀60年代地理信息系統提出以來，其應用逐漸拓展到多個行業，從產生、成長到壯大，地理信息產業發展取得瞭可喜成績。

當前，咱們國的經濟和 社會 發展已經進入新的 歷史 階段， 社會 主要矛盾已經轉化為人民日益增長的美滿生活需要和不平衡不充分的發展之間的矛盾；以5G、雲計算、大數據、邊緣計算、物聯網等為代表的新技術快速發展，人工智能技術也因深層神經互聯網的成功而得來瞭巨大進步；隨著我國行政體制改革和自然資源管理體系的建立，地理信息產業已溶入自然資源管理體系中。面對新的 社會 需求、新的技術進步和新的管理體系要求，亟待依據國傢大政方針、 社會 生產需要、技術發展走勢、產業發展規律，做好地理信息產業的工程技術、商業模式、產品類型的轉型升級與融合創新，進一步提高地理信息產業發展的質量和水平。

地理信息產業融合發展的驅動力——人工智能

信息化的發展遵循從數字化到互聯網化再到智能化的規律，地理信息產業的發展亦如此，智能化是地理信息產業融合發展的高檔階段。

“網絡 ”改變瞭地理信息產業發展的思維思考方式。“網絡 ”的根本是跨界融合。“基礎地理信息 ”和“通用時空大數據平臺 ”的根本也是跨界融合。“ ”是核心，提出跨界融合的處理方案是關鍵。唯獨這樣，才能更充分地發揮基礎地理信息和通用時空大數據平臺的“基礎”和“通用”作用，實現地理信息產業到時空大數據產業的轉型升級。

雲計算擁有的信息資源管理、處理和應用的“全面彈性”，可以支撐“地理信息產業”到“時空大數據產業”的轉型。時空大數據產業化需要超強計算能力的鼓勵。雲計算作為一種新的計算模式，通過“池化”和“雲化”把數千臺甚至上萬部機器都放在一個“池子”裡面，這是“資源彈性”；並在“資源彈性”即基礎設施即服務（IaaS）之上增添瞭一層“應用彈性”，包括平臺即服務（PaaS）和軟件即服務（SaaS），以滿足時空大數據的“應用彈性”需求。雲計算支撐時空大數據處理的分佈式、協作（同）化和智能化；通過任務分解，解決分佈式問題；通過工作流重構，解決並行問題；通過算法調度，解決協作（同）化問題。

時空大數據產業

——屬於第4產業的范圍

時空大數據，指基於統一時空基準活動或存在於時間和空間與位置直接或間接相關聯的大數據。據此，時空大數據由時空框架數據和時空變化數據兩大類數據組成。

時空框架數據指基於統一時空基準的衛星導航定位數據（含連續運行參考站 CORS數據）、遙感影像數據、地圖數據、地名數據等。時空變化數據包括 社會 經濟人文數據、位置軌跡數據、與位置相關聯的空間媒體數據、社交互聯網數據、搜索引擎數據、視頻觀測數據、生態環境監測數據等。時空變化數據聚合（關聯）在時空框架數據上，就構成瞭時空大數據。時空大數據具有位置、屬性、時間、尺度、分辨率、多樣性、異構性、多維性、價值隱含性、快速性等特性。時空大數據產業，指以天空地海傳感器互聯網為基礎，以時空信息“獲取（傳感網） 處理（生產） 應用（服務）”為產業鏈，以人工智能等新興信息技術為支撐，以數據密集型計算為特征的知識密集型信息產業，屬於從第3產業中分離出來的第4產業的范圍。同地理信息產業相比較，時空大數據產業內涵要寬泛得多，規模要大得多，類型更具多維性和多樣性，知識更密集，速度更快，產品更加多樣化和個性化，其應用范疇更加廣闊，具有良好的產業發展前景。

時空大數據產業化的核心

——時空大數據平臺

時空大數據平臺是時空大數據產業化的核心。

它是指把各式分散的和分割的大數據即時空框架數據和時空變化數據匯聚到一個特別規定的平臺上，並使之發生持續的聚合效應。這種聚合效應就是通過數據多維融合和關聯剖析與數據挖掘，揭示事物的根本規律，對事物做出更加快捷、更加全面、更加精確準確和愈發有效的研判和預測推算。從這個意義上講，時空大數據平臺是大數據的核心價值，是大數據發展的高檔形態，是大數據時代的處理方案。從產業化的角度講，通用時空大數據平臺是指將時空框架數據匯聚在一個特定平臺上，利用此平臺生產軍民兩用的基礎測繪地理信息產品。

所謂“通用時空大數據平臺+”模式，即以通用時空大數據平臺作為框架，聚合民用、軍用的時空變化數據，分別構成時空大數據平臺。“通用時空大數據平臺+民用”模式，即將地方各部門各行業的政務、自然資源、規劃、交通、水利、管網、人口、經濟、人文、 社會 、醫療、教導、電力、公安等數據匯聚在通用時空大數據平臺上，使之成為新型智慧城市的“智腦”，通過持續的聚合效應，生成各類（種）民用深加工知識產品，為綜合決策、各部門各行業和 社會 公眾提供智能化服務。

時空大數據產業化是通過時空大數據平臺產業化實現的。由於時空大數據產業化是一個新問題，應該走一條從基礎研究起步的產業化創新之路。這條創新之路first of all要研究和建立以數據科學為核心的時空大數據理論體系。目前，“數據科學”的邊界還不清晰，時空大數據理論研究薄弱，更未形成時空大數據的論理體系，而這是時空大數據產業化的基礎。於是，這條創新之路要研究和建立以“數據隱含價值 計算發現價值 應用實現價值”為核心，以“數據獲取（傳感器網） 處理（生產） 應用（服務）”為產業鏈的時空大數據產業化技術體系。走在這條創新之路上的人，更要研究和設計包括軟件產品、硬件產品、軟硬件集成產品、各類（種）應用平臺產品和數字產品在內的時空大數據產品體系。

也就是說，在當前全球數字經濟快速發展的大背景下，數字化的知識和信息作為關鍵生產要素，以數字技術為核心驅動力量，以現代信息互聯網為重要載體，通過數字技術與實體經濟深度融合，數字經濟能夠不斷提高經濟 社會 的數字化、互聯網化、智能化水平，以加速重構經濟發展與 社會 治理模式。地理信息產業作為處理位置數據的核心產業，可以積極推動其基於“通用時空大數據平臺+”模式深度溶入數字產業化、產業數字化、數字化治理與數據價值化范疇，積極溶入自然資源管理工作整體佈陣與佈局，主動引領以地理信息為基礎的新型智慧城市、實景三維中國、新型基礎測繪建設，推進地理信息產業向全產業鏈發展，擴大地理信息產品供給面，增大地理信息消費級產品研發，鼓勵新應用、培育新市場，讓地理信息產品通過生態建設、智慧管理、數字經濟服務國傢戰略建設並惠及全 社會 ，從而促使地理信息產業向時空大數據產業的融合發展與轉型升級。

國內的數據可視化的軟件那個好一些?優點是什麼

洞見作為一款專業的時空大數據可視化工具，能夠一鍵鏈接已有服務、Excel等外部數據，通過簡單拖拽即可將時空數據轉換成適當的、專業的可視化地圖和統計圖表，將隱藏在數據中的信息直觀、多維、實時的展示，全面激活數據價值，為剖析和決策提供有效的數據可視化支撐服務。提供自助式剖析工具集，拖放式構建數字孿生場景，並支持多頁面分級聯動。

洞見提供 60 餘種剖析模型、支持切片、切塊、聚合、鉆取等可視化剖析方法，將業務數據與時空建立維度關系和計量度算，實現從時間、空間及業務的多個維度進行分析和觀察，使用戶能夠從多種維度、多個方面綜合剖析數據，從而深入發掘數據中隱含的信息和價值。

支持組件級別的鉆取、篩選、聯動，並且 還支持跨頁面跳轉，多樣化、人性化的交互方式，可適配任意分辨率顯示單元，並結合GIS+業務的形態清晰展示業務態勢，實現關註數據的快速展示，提升決策效率。

圖形化的操作界面幫助用戶建立正確的數據流和數據結構，通過拖拽操作即可快速完成數據建模，一次建模數次應用，並提供建模數據預覽等功能，實現對數據的檢查和校驗，為數據剖析打下良好的基礎。

滑坡災害危險性與風險評估研究進展

因為人口的增長，可供利用的土地不斷減少，城市化向不穩定地區擴張，滑坡等地質災害造成的損失不斷增添。當決策者面臨災害防治和減輕決策時，不但需要對過去災害事件的“靜態”環境的空間表征，更需要具有“預測推算性”的空間表征。這象征著管理決策者需要曉得未來災害的發生概率和可能的發生地點，以便采取適當的防災措施和制定減災計劃。為此，從20世紀80年代後期開始，世界各地廣泛開展瞭滑坡危險性評估以及滑坡風險評估與區劃研究等工作。

1。滑坡災害危險性評估

Cross於1996年采用滑坡敏感性指數（LSI）（Landslide Susceptibility Index）作為定量化指標進行滑坡災害危險性區劃，並在英國Derbyshire地區進行瞭實踐。FinlayP。J。 和 Fell Robin（1997）從滑坡災害風險辨識和可接受滑坡風險水平出發，對澳大利亞和的滑坡災害進行瞭研究，其成果包括滑坡災害的調查、土地開發原則、滑坡災害的分類、滑坡災害造成的生命財產損失可接受概率等。Finlay P。J。， Mostyn G。R。&Fell Robin（1999）用統計學原理，對1984-1993年間的3000多個滑坡災害記錄數據庫進行瞭統計剖析研究，建立瞭機遇滑坡災害幾何條件的預測推算滑坡災害水平運動距離的多元回歸模型。 Conor G。Smyth & Stephen A。 Royle （2000） 以Niteroi城市為研究對象，研究瞭湖泊承災體城市居民的易損性，剖析瞭滑坡致災因子及其作用與影響，並提出瞭對應的滑坡災害風險管理措施。Fausto Guzzetti（2000）建立瞭意大利1279-1999年間滑坡災害致使生命死亡的數據庫，對致命滑坡的發生頻率及其致命率的評估進行瞭系統的研究。Piyoosch Rautelal 和 Ramesh Chandna Lakhera（2000） 利用GIS和遙感技術對印度的Giri 和 Tons River （in Himachal Himalaya）流域的滑坡災害進行瞭風險評估研究。B。Temesgen 和 M。U。 Mohammmed（2001） 利用GIS和遙感技術研究瞭滑坡災害與致災因子之間的統計關系，並用風險系數（0-1）來評估滑坡災害風險。 Ragozin等在兩千年提出瞭使用於滑坡災害風險評估的危險性指標和易損性指標以及對應的表達式。Johnson等兩千年在澳大利亞一項為城市發展規劃服務的崩塌、滑坡、泥石流災害預測推算中，把地質災害危險性、易損性和風險評估作為一體，以GIS軟件為技術平臺，分別采用瞭平面和三維評估系統，對Cairns地區進行瞭崩塌、滑坡、泥石流等地質災害的危險性剖析和風險區劃研究。P。 Aleollt（2000）采用瞭GIS技術對意大利北部阿爾卑斯山前緣地區的滑坡、洪水、雪崩、山谷口堆積等災害的危險性及總的風險進行瞭區劃性制圖研究。A。Ragozin（2000）從按道理來講研究瞭滑坡災害風險評估中的危險性、易損性和風險性，提出瞭考慮危險性評估目標有效期限在內的單個滑坡災害危險性指標，並以其主要控制因素的概率乘積預示；對於區域性滑坡災害評估，提出用給定地區的面積、滑坡發生面積、滑坡數量和時間之間的聯系建立定量模型。

Suzen等人提出瞭運用滑坡種子元（seeds）圖和統計百分位（percentile）圖的新概念進行區域滑坡危險性評估。其主要原理是，運用統計學方法，估計作用與影響滑坡穩定性的各因素的相對貢獻率。種子元是指未被擾動的地貌單元（地帶），它用以確定滑坡邊界；而百分位類型的劃分則用以將連續變量轉化為類級離散變量。他們將這一方法應用到土耳其的Asarsuyu集水流域的滑坡災害危險性評估。在GIS環境下生成巖性、到斷層線段距離等13個作用與影響邊坡穩定性的變量圖。分別將13個作用與影響變量圖與滑坡災害分佈圖相疊置，獲得“種子元”和“滑動元”的屬性數據庫。依據各作用與影響因素中不同百分位類別中滑動單元的數目以及未滑動（種子） 元的數目，計算出各作用與影響因素的權重。

Bonham提出瞭基於統計學的Bayesian方法的數據驅動權重模型（weights ofevidence modeling），將其應用到找礦范疇。Van Westen進一步將該模型應用到滑坡災害危險性評估范疇。數據驅動權重模擬方法的主要原理是利用滑坡歷史分佈數據，建立滑坡分佈與各作用與影響因子之間的統計關系，即依據在各作用與影響因子不同類別中滑坡分佈的統計情況來核實確定各作用與影響因子對滑坡災害的貢獻率（權重）大小。與專業人士知識模型相比，該類模型對權重的確定更加科學和可靠，避開瞭專業人士的主觀性能給人帶來的不確定性。最後，利用另一時期的滑坡分佈歷史數據對評估結果進行檢驗和成功機會預測推算，調整不合理的邊界，使評估結果更是有著可信度。基於貝葉斯（Bayesian）統計方法的數據驅動權重模型較其他統計方法更加嚴謹，充分考慮瞭滑坡作用與影響因素之間的聯系，以及各作用與影響因素與滑坡災害的關系；並進行作用與影響因素的單獨性剖析，找出最關鍵的作用與影響因子。在此基礎上再計算各作用與影響因素的權重。

Carrara（1989）利用多變量或“黑箱”模型，在意大利的一些地區開展瞭滑坡危險性定量評估編圖工作，預測推算實際和潛在滑坡的失穩事件。作為一種“預警”工具，這種編圖可用於選擇“危險性大”、需進一步詳細調查的場所。所采用的主要方法包括：①依據專業人士經驗和知識進行直接的估計；②將代表斜坡不穩定因素的圖層按一定的權重進行疊加獲得“指數”主題圖；③利用多變量模型，通過統計方法評估實際/潛在的斜坡不穩定性，以確定滑坡危險性概率水平。應用這類辦法的基本假設條件是：在統計訓練樣本地區滑坡失穩的產生條件與整個研究區的環境條件相同。統計剖析中的基本單元是“具有地貌意義”的斜坡單元（面積大小不等）。作用與影響滑坡失穩的各式作用與影響因子之間的運算都是在GIS環境下的基本網格單元上進行。利用判別剖析方法，將穩定性斜坡單元和不穩定性斜坡單元分成不同類別，在此基礎上將其轉換成概率。最後將得到的滑坡危險性預測推算概率圖與實際/編目的滑坡圖進行對比，獲得“可靠性”程度的檢驗。不幸的是，在很多案例剖析中常常如此的可靠性檢驗事實上沒有任何意義。由於進行測算解讀所使用的滑坡數據就是實際的滑坡數據，即進行預測推算建模的數據與驗證模型的數據沒有分開，是同一組數據。

Mark和Ellen（1995）對美國加利福尼亞州數千條泥石流記錄的數據庫和5個滑坡要素圖層進行瞭回歸剖析。在剖析中假定暴雨觸發泥石流的條件與1982年加州暴雨事件相同。對滑坡重現的研究使用瞭模擬技術，選用瞭10m精度的DEM數據。他們利用一組淺層泥石流數據（200多個泥石流）的分佈和頻率來模擬泥石流的觸發區、滑動體積、沉積區以及最大物質運移距離，分解出泥石流高、中、低危險區。用另一組歷史滑坡數據對模擬預測推算結果進行瞭驗證。

Carrara和Guzzetti（1995。1999）在以前的研究基礎上，將基礎編圖單元劃分為三種：網格單元、獨一無二條件單元、斜坡單元，對三種危險性模型進行瞭對比剖析：I-對斜坡單元進行判別剖析；II-對獨一無二單元進行瞭條件剖析；III-對獨一無二單元進行判別剖析。在危險性模型（I）中，使用瞭40個因素用於建立判別函數，將266個斜坡單元劃分為穩定地區（滑坡面積不超過2%）和不穩定地區。65%的單元數據集為訓練數據，其餘35%的單元數據集用於檢驗。結果表明，三種危險性模型劃分單元的“正確率”分別為83、8%、82%、75%。

Liener等（1996）提出瞭SLIDISP的滑坡危險性評估流程，利用通過巖土調查獲得的安全系數來核實確定滑坡易發區。在瑞士的研究區，依據安全系數確定滑坡臨界坡度，大於臨界坡度的地區為滑坡易發區，對不同滑坡類型和土壤估計出不同的臨界坡度，編制稱為SLM的滑坡危險性圖。經驗證發現，這一個方法的準確率達到86%。然而該方法的缺陷是，不能進行滑坡預測推算，因而不可以說明未來滑坡事件的可能發生位置及其與幾個參數圖層（或參數組合）之間的聯系，從而無法對危險性指數進行檢驗。

Guzzetti等（1999）對滑坡危險性評估現狀進行瞭全面的評述，指出：“滑坡危險性預測推算圖的可靠性和危險性評估的標準沒有規范可循”。盡管他對此沒有提出任何有關的意見，但他註意和提防到，“滑坡危險性預測推算模型不易用守舊的科學方法進行檢驗，檢驗滑坡預測推算圖的唯一方法是時間。針對這幾個挑戰，其解決途徑或許是通過新的科學實踐處理不確定性難題。”

Clerici等（2002）提出瞭基於條件概率和GIS的滑坡敏感性評估的流程，編寫瞭宏語言用於處理非常繁雜的空間數據計算。他們考慮瞭5個與滑坡發生相關的環境因素：地質、土地利用、坡度、降雨量、層狀地層/地形坡度關系。5個要素圖進行瞭疊加後將整個研究地區劃分為無數個“獨一無二-條件多邊形”。每個多邊形是均質的，即其產生滑坡的環境條件相同。空間數據庫的分辨率是5m×5m，共有1300萬個單元。假定滑坡密度等於滑坡敏感性。計算每個多邊形的滑坡密度後再進行分類，最後劃分為5個敏感性等級。滑坡敏感性圖由2131個獨一無二-條件區組成，其中1542個獨一無二-條件區至少受到一個滑坡的作用與影響。共考慮瞭6種不一樣類型的滑坡，但沒有將它們區別計算。於是，所產生的敏感性圖是一種“一般”性的概略圖。關於用於預測推算的統計剖析方法以及進行驗證所使用的技術在文獻中作者都沒有提到。

Dai和Lee（2002）利用邏輯剖析方法對的Lantau島進行瞭斜坡不穩定性預測推算評估，還研究瞭滑坡的物質活動行為特征，但遺憾的是，同樣沒有對預測推算結果進行檢驗評估。

Gritzner等（2001）try將歷史滑坡數據隨機分為兩組，一組用於預測推算，一組用於檢驗，但遺憾的是，他們的分組不是依據滑坡的歷史發生時間進行的，然而這種分組評估和驗證思路是正確的。

Disperati等（2002）利用由Chung和Fabbri（1993）提出來的統計技術，對意大利中部的一個研究區開展瞭滑坡危險性區劃研究。他們使用瞭1∶10000空間數據庫（包括滑坡、陡崖、物質位移范圍等數據，還包括巖性、坡度和坡向、高程、土地利用等滑坡作用與影響要素圖層）。在預測推算建模中，隨機選取瞭一組訓練數據集，將不同的滑坡作用與影響因素進行瞭組合疊加，得到滑坡危險性預測推算圖。利用剩餘的一組數據集通過生成的預測推算率曲線（prediction-rate curves）對預測推算圖進行瞭檢驗。盡管預測推算結果並不理想，但畢竟他們的工作在使用系統流程開展滑坡危險性空間定量預測推算並檢驗和解釋其預測推算結果方面向前邁出瞭重要的一步。

Park等（2002）剖析和研究瞭滑坡危險性編圖中的空間不確定性。他們對空間預測推算模型中的作用與影響要素圖層的邊界模糊性進行瞭表征。用預測推算率曲線來解釋和驗證瞭不同要素組合和不同空間不確定水平下的預測推算結果。

表2-1和表2-2概述瞭在過去30多年裡，世界各地關於滑坡編目和危險性空間剖析鉆石的主要情況。在區域尺度的滑坡空間剖析研究中，普遍使用瞭統計方法進行滑坡敏感性剖析（如Baeza和Corominas，2001；Carrara，1989；Fernandes等，2004；Griffiths等，2002）和危險性評估（如Guzzetti等，1999；Asch等，1992），近日還使用瞭模糊模型（如Ercanoglu和Gokceoglu，2002；Pistocchi等，2002）和概率預測推算模型等先進的統計方法（Pistocchi 等，2002）進行滑坡敏感性剖析。

巖石滑坡空間剖析主要包括巖石塌落和（大規模）巖石滑動（表2-3）。一些巖石滑坡的編目給出瞭其空間分佈的信息，還有那麼一些編目利用統計方法和經驗模型對巖石塌落進行瞭空間剖析（如Dorren和Seijmonsberegen，2003；Mei，2001；Wieczorek等，1998）。還有那麼一些研究人員（如Guzzetti等，2002a）開發瞭數值模型模擬巖石滑坡的空間運動模式。

世界各國廣泛開展瞭泥石流的流域、區域和國傢尺度的調查（表2-4）。著重是泥石流發生的空間分佈編目以及在顯著的觸發事件（如暴雨、地震等）作用下發生的滑坡分佈情況。普遍采用瞭統計技術以及數值方法評估泥石流敏感性和危險性（如D’Ambrosio等，2003；Lorente等，2002）。除瞭流域和區域尺度外，一些國傢（如美國和瑞士）還開展瞭國傢尺度的泥石流編目和敏感性空間剖析。

世界各國還廣泛開展瞭土體滑動的空間剖析研究（表2-5）。主要包括深位滑動和淺層轉換滑動。對於場地尺度的淺層轉換滑動，主要應用無限平衡滑坡穩定性剖析模型，用來估計坡體的安全系數（FoS）和失穩概率（如Dietrich等，1995；Montgomery 等，2000；Wu和Abdel-Latif，2000）。Moller等（2001）開發瞭基於水文響應單元和土壤力學響應單元的一種無限滑坡模型。啟發式（heuristic）專業人士評判方法主要用於區域和國傢尺度的研究。這種研究為進一步使用先進模型的研究奠定瞭基礎。

從國傢尺度的研究來看，Paige-Green（1985）基於專業人士判斷給出瞭滑坡危險性的分類。Jones和Lee（1994）概述瞭英國滑坡編目的信息。Guzzetti等（1994）對意大利進行瞭滑坡的綜合編目。Dikau和Glade（2003）依據巖性和坡體的幾何特征進行瞭國傢尺度的滑坡敏感性編圖。盡管國傢尺度的剖析所給出的信息是粗略的，但它們為進一步開展區域滑坡風險剖析奠定瞭基礎，例如，結合風險承災體（風險元素）和相關的社會—經濟屬性，可以開展區域滑坡風險評估。

表2-1 世界不同地區滑坡編目（流域和區域尺度）

續表

表2-2 世界各地滑坡空間危險性剖析概覽

續表

表2-3 世界各地崩塌、巖質滑坡空間評估概覽

續表

表2-4 世界各地泥石流危險性空間剖析評估概覽

表2-5 世界各地土體滑坡空間剖析評估概覽

續表

2。滑坡災害風險評估

聯合國減災組織-UNDRO於1982年提出瞭風險概念。從此以後有不少研究人員（如Brabb，1984；Einstein，1988；Fell，1994；Hearn和Griffiths，2001；Leoneo等，1996；Leroi，1996；等）將這一概念引入滑坡災害范疇。由Cruden和Fell（1997）編輯出版的滑坡風險評估國際研討會論文集，首次全面介紹瞭滑坡風險鉆石的情況。從此以後，陸續出版瞭滑坡風險鉆石的案例（如Cardinali等，2002；Dai等，2002；Finlay等，1999；Guzzetti，2000；Hardingham等，1998；Hearn和Griffiths，2001；Michael-Leiba等，2000）。

目前普遍采用的是滑坡工作組風險評估委員會（IUGS，1997）和由澳大利亞巖石力學協會的Fell（2000）提出來的滑坡風險定義。大都滑坡風險研究主要采用的是自然科學的方式方法，而關註社會對滑坡災害事件的應對戰略或受作用與影響社區的彈性能力相關的社會科學研究與洪水或地震等自然災害相比還十分有限。以下列出瞭近日10多年來滑坡風險鉆石的重要成果。

Mario Mejia-Navarro和Ellen E。Wohl（1994）在剖析哥倫比亞的 Meddllin 地區地質災害危險性和土地及生命易損性的基礎上，利用GIS技術將二者合成產生瞭風險評估分區圖。R。Anbalagan和Bhawani Singh（1996）在前期關於山區滑坡災害評估和區劃制圖鉆石的基礎上，提出瞭風險評估制圖的新方法；風險評估矩陣（RAM）。Jefferies等在1996年提出瞭用Bayesian方法進行風險概率的評估。

Mejía -Navarro和Garcia（1996）開發出IPDSS，即綜合規劃決策支持系統（Integrated Planning Decision Support System），它是基於GIS平臺和圖形用戶交互界面的滑坡災害危險性、易損性和風險評估的綜合信息系統。滑坡危險性（敏感性）評估是依據作用與影響滑坡的要素圖層（如地形、坡面、基巖、地表和構造地質、地貌、土壤、土地覆被、土地利用、水文、降雨量、行洪道分佈圖以及以前災害的歷史數據）按一定的權重疊加完成的。權重是依據多變量統計剖析及專業人士知識總結出的。同樣地，IPDSS系統沒有將物質運動劃分為不同的時段，因而無法表征滑坡發生地與其作用與影響因素之間的聯系，也就無法驗證預測推算模式。盡管IPDSS相對之前的研究前進瞭一步，除瞭危險性評估，還進行瞭易損性評估和風險評估，但在整個評估過程中，其屬性表征和選擇隨意性大。

Cardinali等（2002）通過航片解譯和野外調查，編制並剖析瞭多時段滑坡編目圖。他們將調查維持在過去60年正在發生物質運動以及過去發生過物質運動的地區，重點研究各式失穩類型的演化和分佈。通過以下戰略開展滑坡危險性、易損性和風險性評估：①確定研究區范圍；②編制多試點滑坡編目圖和分類圖；③確定滑坡災害帶（單相和多相滑坡的作用與影響范圍）；④滑坡危險性評估；⑤識別並編制承災體圖，並評估其對於不同滑坡類型的易損性；⑥滑坡風險評估。假設條件是研究區內未來發生的滑坡也許會出此刻已發生過滑坡的鄰近地區或發生在同一坡體上或同一水系流域中。出於經濟的考慮，作者隻進行瞭局部滑坡危險性評估（占研究區面積的21、4%，980個滑坡作用與影響帶中的210個作用與影響帶，面積為20km2），沒有對整個研究區或匯水流域進行區域滑坡危險性評估。滑坡危險性區劃也隻限定在也許會發生物質運動的地區。將估計的滑坡頻率等級和觀測到的滑坡強度等級進行交叉後得到不同危險性等級，將其歸並後重新劃分為4個相對等級。在編制的1∶10000的概略圖上，表征瞭11種承災體，針對每種滑坡類型的區別滑坡強度，分解出3個易損性等級。該項研究特別使人有興趣的是，對過去60年內的物質運動進行瞭航片解譯，將滑坡的演化過程進行瞭時間對比剖析。但該項研究還存在3大缺憾：①沒有給出滑坡危險性水平的定量化絕對值；②對滑坡危險性評估/預測推算結果沒有進行檢驗；③沒有使用一致性的空間單元和空間覆蓋。

Lerio（1996）對法國上世紀70年代以後，尤其是在1982年7月13日頒佈自然風險規劃法（PER）以來的滑坡風險性評估與編圖進行瞭全面的評述。依據PER法律的要求，在法國普遍開展瞭1∶5000到1∶10000的滑坡風險性編圖工作，並且將編制的圖件作為災害防治和災後補償的根據。災害風險評估與編圖主要回答以下問題：①物質運動的那種是什麼？②潛在不穩定地區在哪裡？③什麼時間會觸發災害的發生？④災害作用與影響范圍有多大？⑤災害與環境的關系是什麼？是自然原因還是人為因素造成的？⑥災害引起的損失有多大？Lerio匯總出3種可供使用的編圖方法：①專業人士評估（具有主觀性，需要進行一下解讀和運用統計技術）；②回歸剖析（利用已發生滑坡地區可靠的空間數據庫，建立物質運動模式與其環境因素的關系，據此推測其他類似地區滑坡發生的可能性，主要用於較大區域的剖析）；③機械剖析（基於確定性穩定性模型，預測推算滑坡發生概率，主要用於場地尺度的滑坡評估與預測推算）。Lerio指出：“幾乎所有的風險圖都沒有將時間概念綜合進去，而災害的預防投資將需要基於大量歷史數據的可靠的災害時空預測推算模型。

Leone等（1996）提出瞭損失函數，作為構建易損性框架的一部分。為此，收集和對比剖析歷史滑坡及其相關數據是至關重要的。必要之代表是將研究區劃分為若幹個空間區塊，不同區塊其滑坡發生概率不同。

Glade（2001）在德國Rheinhessen地區開展瞭區域滑坡風險評估。將不同土地利用劃分為不同的風險因素，因生命風險在該地區很小，因此在該研究中忽視瞭生命風險剖析。對每類風險因素（不同土地類型）進行瞭貨幣價值的折算（表2-6）。將滑坡災害信息與風險因素的易損性相結合，構成風險矩陣。以此劃分滑坡風險的區別等級。90%地區劃分為低風險區，8%地區是中等地區，2%為高風險區，0。2%為非常非常高風險區。盡管所總結出的滑坡風險圖不能用於當地的詳細規劃目的，但所確定的滑坡災害易發區不管是對當地還是地區用於確定“熱點”地區的詳細剖析，無疑都具有很大價值。

表2-6 不同潛在損害價值（歐元）的風險因素（Glade等）

Glade和Jensen（2004）在冰島fjord西北地區Bildudalur開展瞭崩塌災害風險剖析研究，確定瞭建築物的易損性和人員傷亡的風險概率。盡管歷史上沒有崩塌災害的傷亡記錄，但這種研究還是為當地對危險巖石的恰當管理提供瞭可靠的根據。在研究中將確定的崩塌路徑轉換為危險帶區劃，再與潛在的損失價值和相關的風險因素相結合，確定瞭風險水平。在後果剖析中，不但考慮瞭研究區任何地點的易損性、作用與影響的時空概率，還考慮瞭崩塌災害的季節作用與影響概率。在GIS環境下，將這幾個成果以圖件的形式表征出來。最後確定的風險不但包括個人生命風險，還包括社會生命風險。崩塌災害的個人風險很低，范圍是1、1×10-5/年至5、6×10-5/年；92%地區屬於低風險，8%地區屬超低風險區；然而社會風險則變化在1、6×10-3/年至2、1×10-5/年，4%地區屬超低風險區，27%地區為低風險區，58%地區是中等風險區，11%地區屬高風險區。所計算的生命總風險水平，即年死亡率為0。009。

表2-7概述瞭世界不同地區開展的各式空間尺度的滑坡風險評估。一些研究基於編圖流程進行瞭滑坡危險性和風險區劃（如Espizua和Bengochea，2002），另一些研究提出瞭泥石流（如Liu等，2002）等不同類型的滑坡風險評估的經驗公式，還有那麼一些研究利用概率方法進行滑坡風險評估（如Chung和Fabbri，2002；Rezig等，1996）。盡管在很多出版的文章中，“風險”一詞出現的頻率很大，但真真正正意義上的滑坡風險研究並不多。滑坡風險研究還處於探索階段。

表2-7 世界各地地質災害風險空間評估概覽

續表