2018年日本北海道地震滑坡：分布特征解析與易發性精準評價一、引言1.1研究背景與意義地震作為一種極具破壞力的自然災害，常常引發一系列次生地質災害，其中滑坡是最為常見且危害巨大的類型之一。2018年9月6日，日本北海道發生了Mw6.6級地震，此次地震釋放出的巨大能量，打破了該地區地殼的原有平衡，導致大量山體斜坡失穩，從而引發了大規模的滑坡災害。這些滑坡不僅對當地的地形地貌造成了顯著改變，還嚴重威脅到了民眾的生命財產安全，給當地的基礎設施、交通線路、建筑物等帶來了毀滅性的打擊。從人員傷亡情況來看，地震滑坡導致了部分居民被掩埋，造成了一定數量的人員傷亡，許多家庭因此破碎，親人生離死別，給幸存者帶來了巨大的心理創傷。在財產損失方面，大量房屋被滑坡沖毀或掩埋，使得居民失去了住所；道路、橋梁等交通設施也受到嚴重破壞，導致交通癱瘓，救援物資難以順利運達，嚴重阻礙了災后救援和恢復工作的開展。此外，滑坡還對當地的農田、水利設施等造成了破壞，影響了農業生產和水資源的合理利用，給當地的經濟發展帶來了沉重的打擊。研究2018年日本北海道地震滑坡分布特征及易發性評價具有重要的現實意義。通過深入分析此次地震滑坡的分布特征，能夠清晰地了解滑坡在空間上的分布規律，明確哪些區域是滑坡的高發區，哪些區域相對較為安全。這對于未來該地區以及其他類似地質條件區域的防災減災工作具有重要的指導作用。在城市規劃和建設中，可以避開滑坡高發區域，減少潛在的地質災害風險；在基礎設施建設中，如修建道路、橋梁、鐵路等，可以提前采取有效的防護措施，增強設施的抗災能力。準確評估地震滑坡的易發性，能夠為災害預警提供科學依據。通過建立科學合理的易發性評價模型，結合地質、地形、地震等多方面的數據，對不同區域發生滑坡的可能性進行量化評估。一旦有地震發生，可以迅速根據易發性評價結果，對可能發生滑坡的區域進行預警，提前疏散居民，減少人員傷亡和財產損失。這對于提高社會的整體抗災能力，保障人民群眾的生命財產安全具有重要的意義。1.2國內外研究現狀在地震滑坡分布特征研究方面，眾多學者已取得了一系列有價值的成果。李樹德等人從活動斷裂分段與地震安全性評價的角度出發，對我國地震滑坡分布規律與成因進行了初步探究，揭示了地震滑坡分布與活動斷裂之間存在著緊密的相關性。周本剛總結了橫斷山地區1970年以來11次M≥6.7級強震觸發滑坡的特征，發現地震滑坡的空間分布明顯受到發震斷層的影響，其密集分布帶與發震斷層走向基本一致。黃潤秋對“5.12”汶川地震觸發地震滑坡分布規律的研究成果表明，在斷裂交匯處，地震滑坡不僅數量眾多，而且規模更大。劉亢研究2015年尼泊爾Ms8.1級地震觸發地質災害時發現，589組地震滑坡點主要沿主中央逆沖斷裂展布。鮑鵬鵬等對2018年日本北海道Mw6.6級地震觸發地震滑坡的研究指出，距震中10-12km范圍內地震滑坡分布數量最多，面積最大。關于地震滑坡易發性評價，學者們也提出了多種方法和模型。早期主要采用定性分析方法，如專家經驗判斷等，但這種方法主觀性較強，缺乏足夠的科學性和準確性。隨著科技的不斷進步和研究的深入，定量評價方法逐漸成為主流。例如，基于地理信息系統（GIS）技術，結合地形、地質、地震等多源數據，構建數學模型來評估地震滑坡易發性。其中，常用的模型有邏輯回歸模型、信息量模型、神經網絡模型等。這些模型能夠充分利用大量的數據信息，通過數學計算和分析，對地震滑坡易發性進行量化評估，提高了評價結果的科學性和可靠性。盡管國內外在地震滑坡分布特征和易發性評價方面已經取得了顯著進展，但仍存在一些不足之處。在分布特征研究方面，對于一些復雜地質條件和特殊地形區域的地震滑坡分布規律，研究還不夠深入和全面。不同地區的地質構造、地形地貌、巖土體性質等存在很大差異，單一的研究方法和結論可能無法適用于所有地區，需要進一步開展針對性的研究。在易發性評價方面，目前的評價模型大多基于歷史數據和經驗公式建立，對地震滑坡形成的物理機制考慮不夠充分。而且，不同模型之間的評價結果存在一定差異，缺乏統一的評價標準和驗證方法，導致評價結果的可靠性和可比性受到影響。此外，數據的質量和完整性也對易發性評價結果有著重要影響。在實際研究中，往往存在數據缺失、不準確等問題，這在一定程度上制約了易發性評價的精度和可靠性。本文旨在針對現有研究的不足，以2018年日本北海道地震滑坡為研究對象，深入分析其分布特征，并綜合考慮多種影響因素，構建更加科學合理的易發性評價模型，提高地震滑坡易發性評價的精度和可靠性，為該地區及其他類似地區的地震滑坡防災減災工作提供更加有效的科學依據。1.3研究內容與方法本研究主要聚焦于2018年日本北海道地震滑坡，旨在深入剖析其分布特征，并對該地區的地震滑坡易發性進行科學評價。具體研究內容如下：地震滑坡分布特征分析：通過對高分辨率遙感影像的解譯，結合詳細的野外實地調查，精確識別和提取地震滑坡的邊界、范圍等關鍵信息。在此基礎上，從空間分布、規模大小、形態特征等多個維度，深入分析地震滑坡的分布規律。例如，研究滑坡在不同地形地貌區域（如山地、丘陵、平原等）的分布差異，以及滑坡規模與地形坡度、坡向之間的關系。地震滑坡影響因素分析：全面收集地質、地形、地震等多方面的數據，深入分析影響地震滑坡發生的各種因素。地質因素包括巖土體類型、地質構造、地層巖性等；地形因素涵蓋坡度、坡向、高程、地形起伏度等；地震因素主要涉及震級、烈度、震源深度、震中距等。通過相關性分析、主成分分析等方法，明確各因素對地震滑坡發生的影響程度和作用機制。地震滑坡易發性評價：綜合考慮地震滑坡的分布特征和影響因素，選取合適的評價指標和模型，對研究區的地震滑坡易發性進行評價。評價指標體系將涵蓋上述地質、地形、地震等多方面因素，通過層次分析法、熵權法等方法確定各指標的權重。選用邏輯回歸模型、信息量模型、神經網絡模型等常用的易發性評價模型，對研究區進行易發性分區，分為低易發區、中易發區、高易發區和極高易發區，明確不同區域發生地震滑坡的可能性大小。評價結果驗證與分析：運用多種驗證方法，如混淆矩陣、受試者工作特征曲線（ROC）等，對地震滑坡易發性評價結果的準確性和可靠性進行驗證。分析評價結果與實際情況之間的差異，探討產生差異的原因，進一步優化評價模型和指標體系，提高評價結果的精度和可靠性。為實現上述研究內容，本研究將采用以下研究方法：遙感影像解譯：收集震前和震后的高分辨率衛星遙感影像，利用ENVI、Erdas等專業遙感圖像處理軟件，通過目視解譯和計算機自動分類相結合的方法，識別地震滑坡的位置、范圍和邊界。同時，借助影像的光譜特征、紋理特征等信息，對滑坡的類型、規模等進行初步分析。地理信息系統（GIS）技術：運用ArcGIS軟件強大的空間分析功能，對地震滑坡的分布特征進行可視化表達和定量分析。例如，通過空間插值、緩沖區分析、疊加分析等方法，研究滑坡與地質構造、地形地貌、地震參數等因素之間的空間關系；利用DEM數據提取地形坡度、坡向、高程等地形因子，為地震滑坡易發性評價提供數據支持。野外實地調查：開展詳細的野外實地調查工作，對遙感解譯和GIS分析結果進行驗證和補充。在調查過程中，記錄滑坡的位置、規模、形態、滑動方向、巖土體性質等現場信息，并拍攝照片和視頻資料。同時，與當地居民進行交流，了解地震發生時的情況以及滑坡造成的危害，獲取第一手資料。數據統計分析：運用SPSS、Excel等統計分析軟件，對收集到的地質、地形、地震等數據進行統計分析。通過相關性分析，確定各因素與地震滑坡之間的相關程度；采用主成分分析等方法，對多因素數據進行降維處理，提取主要影響因子，為易發性評價模型的建立提供數據基礎。易發性評價模型：選用邏輯回歸模型、信息量模型、神經網絡模型等常用的地震滑坡易發性評價模型，結合研究區的實際情況和數據特點，建立適合本地區的易發性評價模型。在模型建立過程中，對模型參數進行優化和調整，提高模型的精度和可靠性。通過對比不同模型的評價結果，選擇最優的評價模型，并對研究區進行地震滑坡易發性分區。二、研究區域與數據來源2.1研究區域概況北海道作為日本的第二大島，宛如一顆璀璨的明珠鑲嵌在亞洲大陸以東，它靜靜地夾在鄂霍次克海、日本海和太平洋之間，經緯度范圍為139°45′55″–145°49′02″E、41°23′51″–45°31′23″N，其形狀近似菱形，南北長413千米，東西寬508千米，海岸線綿延曲折，長達3,753.26千米，總面積約83,453.57平方千米。在日本的地理版圖中，北海道占據著舉足輕重的地位，它不僅是日本重要的農牧業基地，被譽為“日本的糧倉”，還擁有豐富的自然資源和獨特的自然景觀，吸引著來自世界各地的游客。北海道的地形地貌豐富多樣，地勢呈現出中部高、四周低的態勢，整體地形起伏較為顯著。山地在全島面積中占比高達60%，其中火山又占據了山地面積的40%，眾多火山構成了獨特的火山地形，北見、日高等山脈猶如巨龍一般縱貫北海道島中央，氣勢磅礴。大雪山火山群更是其中的佼佼者，其最高峰旭岳海拔達2290米，高聳入云，山頂常年被積雪覆蓋，在陽光的照耀下，閃耀著圣潔的光芒。這些火山不僅塑造了壯麗的山脈，還帶來了豐富的溫泉資源，如北海道最大的登別溫泉，就隱匿在群山環抱的峽谷之中，這里涌出11種不同類型的溫泉，水溫從45℃至93℃不等，富含多種對人體有益的礦物質，具有神奇的醫療功效，可治療多種疾病，吸引著無數游客前來放松身心、療養度假。島嶼的沿岸則多為平原，西側的石狩平原、勇拂平原，土地肥沃，石狩川、天鹽川蜿蜒流淌其間，為農業灌溉提供了充足的水源，孕育了發達的農業；東側的十勝平原及十勝川等河流，同樣滋養著這片土地，使得這里成為重要的糧食產區。北海道的地質構造復雜多樣，地質活動頻繁，仿佛大地在不停地呼吸和運動。它處于板塊的交界地帶，受到太平洋板塊、北美板塊和歐亞板塊的相互作用，地殼運動活躍，地震和火山活動時有發生。這種復雜的地質構造為地震滑坡的發生提供了潛在的地質條件。在漫長的地質歷史時期，板塊的碰撞、擠壓和俯沖，使得地層發生褶皺、斷裂和錯動，形成了眾多的斷層和破碎帶。這些斷層和破碎帶就像是大地的傷口，巖石的結構和強度遭到破壞，穩定性降低，一旦受到地震等外力的觸發，就容易引發山體滑坡。例如，膽振地區的地震滑坡就與當地的地質構造密切相關，該地區存在多條活動斷層，在2018年的地震中，這些斷層的活動導致了山體的失穩，從而引發了大規模的滑坡災害。北海道屬溫帶季風氣候，四季分明，宛如一幅絢麗多彩的畫卷。冬季，這里寒冷干燥，凜冽的寒風呼嘯而過，帶來了大量的降雪，使得整個島嶼銀裝素裹，仿佛童話世界一般。平均氣溫在-4℃至-10℃之間，每年12月至次年3月是積雪期，最深可達4米，雪景壯美，吸引了眾多滑雪愛好者和游客前來體驗冰雪的魅力。北岸和東岸有從鄂霍次克海南下的流冰，這些流冰在陽光的照耀下，閃爍著藍色的光芒，宛如夢幻的水晶世界，成為一道獨特的自然景觀。夏季，氣候暖熱多雨，平均氣溫在18℃至20℃之間，東南岸多海霧，給人一種朦朧的美感。年降水量在800毫米至1200毫米之間，充足的降水為植被的生長提供了良好的條件，使得北海道大部分地區被森林覆蓋，森林覆蓋率高達70%以上，棕熊、麋鹿、北狐、浣熊、野豬和候鳥等野生動物在這里繁衍生息，構成了生機勃勃的生態系統。這種復雜的地形地貌、活躍的地質構造以及獨特的氣候條件，與地震滑坡的發生有著緊密的聯系。地形起伏大、山地眾多，使得山體斜坡的穩定性較差，容易在地震等外力作用下發生滑坡。地質構造中的斷層和破碎帶，降低了巖石的強度和穩定性，增加了地震滑坡的風險。而溫帶季風氣候帶來的豐富降水和積雪，在地震發生時，可能會因為山體含水量的增加而導致滑坡的發生。此外，冬季的積雪在春季融化時，也可能引發融雪型滑坡。2018年的北海道地震滑坡，就是在這樣的地理環境背景下發生的，這些因素相互作用、相互影響，共同導致了大規模滑坡災害的產生。2.2數據來源與處理本研究的數據來源豐富多樣，涵蓋了震前震后遙感影像、地形圖、地質圖等多個方面，這些數據為深入分析2018年日本北海道地震滑坡分布特征及易發性評價提供了堅實的基礎。在遙感影像方面，主要獲取了震前和震后的高分辨率衛星遙感影像。震前影像選取了2018年8月的Landsat8OLI影像，該影像空間分辨率為30米，能夠清晰地反映研究區震前的地表覆蓋狀況，如植被分布、土地利用類型等信息。通過對震前影像的分析，可以了解研究區在地震發生前的地形地貌特征和地表狀況，為后續對比震后影像，準確識別地震滑坡提供了重要的參考依據。震后影像則采用了2018年9月7日的高分二號衛星影像，其空間分辨率高達1米，具有極高的清晰度和細節表現力。高分二號衛星影像能夠精確地捕捉到地震滑坡的位置、范圍和邊界，為滑坡的詳細解譯和分析提供了關鍵數據支持。這些高分辨率的遙感影像，就像是研究區的“眼睛”，讓我們能夠從宏觀和微觀兩個層面，全面、細致地觀察地震滑坡的發生和發展情況。地形圖數據選用了日本地理信息局提供的1:50000比例尺地形圖。該地形圖包含了豐富的地形信息，如等高線、高程注記、水系、居民地等。通過對地形圖的數字化處理，利用ArcGIS軟件的空間分析功能，成功提取了研究區的地形坡度、坡向、高程、地形起伏度等地形因子。地形坡度是影響地震滑坡發生的重要因素之一，坡度越大，山體斜坡的穩定性越差，在地震作用下越容易發生滑坡。坡向則影響著山體的光照、降水和風化程度，進而對滑坡的發生產生間接影響。高程和地形起伏度也與地震滑坡的分布密切相關，一般來說，在地形起伏較大、高程變化明顯的區域，地震滑坡的發生概率相對較高。這些地形因子的提取，為后續分析地震滑坡與地形因素之間的關系提供了重要的數據支持。地質圖數據來源于日本地質調查所發布的1:200000比例尺地質圖。該地質圖詳細記錄了研究區的地層巖性、地質構造、斷層分布等地質信息。通過對地質圖的分析和數字化處理，明確了研究區不同地層巖性的分布范圍和特征，以及主要斷層的位置和走向。地層巖性的差異決定了巖石的物理力學性質，如硬度、強度、抗風化能力等，這些性質直接影響著山體的穩定性，從而與地震滑坡的發生密切相關。地質構造中的斷層和褶皺等，是地殼運動的產物，它們破壞了巖石的完整性和連續性，降低了巖石的強度和穩定性，使得斷層附近的區域成為地震滑坡的高發區。了解地質構造和斷層分布情況，對于深入分析地震滑坡的形成機制和分布規律具有重要意義。在獲取上述數據后，進行了一系列嚴謹的數據預處理和分析工作。對于遙感影像，首先利用ENVI軟件進行輻射定標和大氣校正，以消除傳感器本身的誤差和大氣對影像的影響，提高影像的質量和準確性。然后，采用監督分類和目視解譯相結合的方法，對震前震后影像進行對比分析，準確識別出地震滑坡的位置和范圍。在監督分類過程中，選取了大量具有代表性的訓練樣本，根據樣本的光譜特征，建立分類模型，對影像進行自動分類。對于分類結果中存在的誤判和不確定區域，通過目視解譯，結合實地調查資料和相關知識，進行人工修正和確認，確保滑坡解譯結果的準確性。對于地形圖和地質圖數據，在ArcGIS軟件中進行了坐標系統轉換和投影設置，使其與遙感影像的坐標系統一致，以便進行數據的疊加分析。同時，對地形圖和地質圖中的矢量數據進行了拓撲檢查和修正，確保數據的完整性和準確性。在數據分析過程中，運用ArcGIS的空間分析工具，如緩沖區分析、疊加分析、統計分析等，深入研究地震滑坡與地形、地質因素之間的空間關系和相關性。通過緩沖區分析，可以確定地震滑坡與斷層、河流等地理要素的距離關系；疊加分析則能夠將不同類型的數據進行融合，直觀地展示地震滑坡在不同地形、地質條件下的分布特征；統計分析可以對各種數據進行量化處理，計算出不同因素與地震滑坡之間的相關系數，明確各因素對地震滑坡發生的影響程度。三、2018年日本北海道地震概況3.1地震基本參數2018年9月6日，日本北海道地區發生了一次具有重大影響的地震，此次地震的各項參數揭示了其強大的破壞力和獨特的地質背景。地震發生于當地時間3時7分（北京時間2時7分），這一時刻的突然震動打破了清晨的寧靜，給當地居民帶來了巨大的恐慌。地震震級為Mw6.6級，矩震級（Mw）是目前國際上廣泛采用的一種衡量地震規模的指標，它能夠更準確地反映地震釋放的能量大小。Mw6.6級的地震意味著釋放出了極其巨大的能量，相當于數億噸TNT炸藥同時爆炸所產生的能量，如此強大的能量足以對地表造成嚴重的破壞。震源深度約37千米，相對較深的震源深度在一定程度上影響了地震波的傳播和能量釋放方式。較深的震源使得地震波在傳播過程中會受到更多的介質吸收和散射，能量會有一定程度的衰減，但同時也會導致地震影響范圍更廣，對地下深部結構的破壞作用更大。震中位置位于北緯42.671度，東經141.933度，處于北海道膽振地方中東部。這一區域的地質構造復雜，處于板塊相互作用的敏感地帶，太平洋板塊、北美板塊和歐亞板塊在這里相互碰撞、擠壓，使得地殼運動活躍，地震活動頻繁。此次地震的發生正是這種復雜地質構造背景下地殼應力積累和釋放的結果。此次地震的影響范圍廣泛，北海道地區幾乎全境都感受到了強烈的震感。從震中向外輻射，周邊的城市和鄉村都受到了不同程度的影響。其中，北海道厚真町、安平町等地區受災最為嚴重，這些地區距離震中較近，地震波傳播過程中能量衰減較少，直接受到了地震的強烈沖擊。在厚真町，地震引發了大規模的山體滑坡，大量的山體巖石和土壤在地震的作用下失去平衡，沿著山坡急速下滑，掩埋了道路、房屋和農田，導致交通癱瘓，居民失去家園，許多人被困其中，生命受到嚴重威脅。安平町也出現了房屋倒塌、地面塌陷等嚴重災害，大量建筑物在地震的搖晃下瞬間化為廢墟，居民們在睡夢中被驚醒，慌亂地逃離家園，場面十分混亂。在地震強度分布方面，呈現出以震中為中心逐漸向外遞減的趨勢。震中附近地區的地震烈度達到了7級，日本氣象廳的地震烈度劃分標準中，7級表示大部分不穩固的重家具移動和倒下，大部分房屋的墻磚和玻璃窗受損下墮，大部分非鋼筋混凝土的磚墻倒塌，耐震能力較差的房屋倒塌，耐震能力較強的房屋亦有可能嚴重受損。隨著距離震中距離的增加，地震烈度逐漸降低，但在一定范圍內，仍能感受到明顯的震感，對建筑物和基礎設施造成不同程度的破壞。在距離震中稍遠的札幌市，雖然地震烈度相對較低，但也出現了建筑物晃動、物品掉落等情況，給市民的生活帶來了極大的不便。新千歲機場因停電及漏水等原因一度關閉，機場候機樓多處墻壁受損，大量旅客滯留，航空公司取消了逾100架航班，超過1.7萬人的出行受到影響。此外，地震還造成北海道諸多地區停電，約295萬戶居民家中斷電，居民生活陷入困境，電力供應的中斷也對醫院、消防等重要部門的正常運轉造成了嚴重影響，給救援工作帶來了極大的困難。3.2地震造成的災害損失2018年日本北海道地震所引發的災害損失極為慘重，其影響范圍廣泛，涉及人員、基礎設施、經濟以及社會生活的多個層面。在人員傷亡方面，這場地震成為了當地民眾的一場噩夢。截至當地時間2018年9月10日晚，北海道地震已無情地奪走了44條寶貴的生命，約640人在地震中受傷。這些傷亡人員來自不同的年齡層和職業，他們的離去或受傷，讓無數家庭陷入了悲痛之中。許多家庭原本幸福美滿，卻因這場地震瞬間支離破碎，親人們陰陽兩隔，幸存者們不僅要承受身體上的傷痛，還要面對心靈上的巨大創傷。在厚真町和安平町等重災區，救援人員在廢墟中艱難地搜尋著生命跡象，每發現一名遇難者或傷者，都讓現場的氣氛變得更加沉重。那些被救出的傷者，有的傷勢嚴重，面臨著長期的治療和康復過程，他們的未來充滿了不確定性。基礎設施在地震的沖擊下遭受了毀滅性的打擊。道路和橋梁作為交通的命脈，受到了嚴重的破壞。許多道路出現了大面積的塌陷、裂縫和隆起，路面變得崎嶇不平，車輛無法正常通行。橋梁則有的橋墩斷裂，橋面坍塌，導致交通完全癱瘓。北海道地區內的軌道交通大部分停運，新干線也被迫中斷運行，大量旅客被困在車站，無法按時出行。新千歲機場候機樓多處墻壁受損，因停電及漏水等原因一度關閉，航空公司取消了逾100架航班，超過1.7萬人的出行計劃被打亂。電力供應設施也未能幸免，地震造成北海道諸多地區停電，約295萬戶居民家中陷入黑暗，電力供應的中斷嚴重影響了居民的日常生活，醫院、消防等重要部門的正常運轉也受到了極大的制約。醫院里，許多手術被迫中斷，重癥患者的生命受到威脅；消防部門在應對火災等緊急情況時，由于缺乏電力支持，救援工作面臨重重困難。通信設施同樣遭到破壞，手機信號中斷，固定電話無法使用，使得人們之間的聯系變得異常困難，信息的傳遞受阻，給救援和災后重建工作帶來了極大的不便。經濟損失更是難以估量。農業作為北海道的重要產業之一，受到了嚴重的沖擊。大量農田被地震滑坡掩埋，農作物受損嚴重，許多農民辛苦一年的勞作付諸東流。地震還導致了農業生產設施的損壞，如灌溉系統、倉庫等，這不僅影響了當年的農作物收成，還對未來的農業生產造成了長期的影響。漁業也未能幸免，地震引發的海嘯雖然沒有造成人員傷亡，但對沿海的漁業設施造成了一定的破壞，漁船受損，漁港設施損壞，漁業捕撈和養殖受到了嚴重的影響。工業方面，一些工廠的廠房倒塌，機器設備損壞，生產被迫中斷。許多企業面臨著巨大的經濟損失，不僅要承擔設備維修和重建廠房的費用，還要面臨訂單延誤、客戶流失等問題。旅游業作為北海道的支柱產業之一，也遭受了重創。地震引發的長時間停電以及持續不斷的余震，讓游客們望而卻步。據北海道政府介紹，截至2018年9月30日，共有114.9萬人次取消酒店住宿，如果加上交通費及餐飲、購買禮品的費用，受影響總額達356億日元（約合人民幣21.5億元）。許多旅游景點被迫關閉，旅游從業人員失去了收入來源，整個旅游業陷入了低迷狀態。地震引發的滑坡等次生災害更是雪上加霜。滑坡掩埋了大量的房屋、道路和農田，使得原本就受災嚴重的地區情況更加惡化。在厚真町，滑坡導致了許多房屋被掩埋，居民們失去了家園，只能暫時在避難所中生活。道路被滑坡阻斷，救援物資無法及時運達，救援工作受到了極大的阻礙。農田被掩埋后，土壤結構遭到破壞，肥力下降，需要經過長時間的修復才能恢復耕種。滑坡還對生態環境造成了破壞，大量的植被被掩埋，水土流失加劇，生物多樣性受到威脅。許多野生動物失去了棲息地，生存面臨著嚴峻的挑戰。這些次生災害不僅增加了人員傷亡和財產損失，還對當地的生態環境和社會經濟發展造成了長期的負面影響，使得災后重建工作變得更加艱巨和復雜。四、滑坡分布特征分析4.1滑坡識別與提取本研究采用了遙感影像解譯與實地調查相結合的方法，對2018年日本北海道地震引發的滑坡進行了精準識別與提取。在遙感影像解譯方面，主要運用了ENVI軟件對獲取的震前和震后高分辨率衛星遙感影像進行處理。首先，對影像進行輻射定標和大氣校正，以消除因傳感器誤差和大氣散射、吸收等因素對影像質量的影響，確保影像的真實性和準確性。通過這一過程，使影像能夠更真實地反映地表物體的光譜特征，為后續的滑坡識別提供可靠的數據基礎。接著，采用監督分類與目視解譯相結合的方式。監督分類利用了ENVI軟件中的最大似然分類法，通過選取大量具有代表性的訓練樣本，建立分類模型，對影像進行自動分類。在訓練樣本選取過程中，充分考慮了滑坡區域與周圍背景地物在光譜特征上的差異，確保訓練樣本的準確性和代表性。對于自動分類結果中存在的誤判和不確定區域，采用目視解譯的方法進行人工修正。目視解譯過程中，結合滑坡的典型影像特征，如色調、紋理、形狀等，以及研究區的地形地貌、地質構造等背景信息，對滑坡的邊界、范圍進行仔細判別和勾繪。在實地調查中，對遙感解譯結果進行了全面驗證和補充。調查團隊深入地震災區，對疑似滑坡區域進行現場勘查。通過實地觀察，詳細記錄滑坡的位置、規模、形態、滑動方向、巖土體性質等信息，并拍攝了大量照片和視頻資料。在某一滑坡現場，通過實地測量，確定了滑坡的長度、寬度和厚度，觀察到滑坡體由松散的砂土和碎石組成，滑動方向與山坡的坡度方向一致。與當地居民進行交流，了解地震發生時的具體情況以及滑坡造成的危害，獲取了許多第一手資料，這些資料為準確識別滑坡提供了有力的支持。通過以上方法，本研究成功識別出地震滑坡4196個。這些滑坡的總面積達到15.98km2，分布范圍廣泛，涉及多個區域。在空間分布上，滑坡呈現出明顯的聚集性，主要集中在室谷地、洞爺湖周邊、膽振管區等地。室谷地由于地形起伏較大，山體坡度陡峭，地質構造復雜，在地震的作用下，大量山體斜坡失穩，從而引發了眾多滑坡。洞爺湖周邊地區，由于湖岸附近的巖土體長期受到湖水的浸泡和侵蝕，結構較為松散，地震發生時，容易發生滑坡災害。膽振管區則處于板塊交界地帶，地質活動頻繁，巖石破碎，為滑坡的發生提供了有利條件。將識別出的滑坡導入ArcGIS軟件進行進一步分析。利用ArcGIS強大的空間分析功能，對滑坡的分布特征進行了可視化表達和定量分析。通過創建滑坡專題圖層，與地形、地質等其他圖層進行疊加分析，直觀地展示了滑坡與地形地貌、地質構造之間的空間關系。利用統計分析工具，對滑坡的數量、面積、規模等信息進行了統計計算，為后續深入研究滑坡分布特征和影響因素提供了數據支持。4.2空間分布特征通過對解譯得到的4196個滑坡數據的深入分析，清晰地揭示了2018年日本北海道地震滑坡在空間上呈現出顯著的不均勻分布特征，且與地形地貌、地質構造等因素密切相關。室谷地作為滑坡的高發區之一，其滑坡分布具有明顯的特征。該區域地勢起伏較大，地形切割強烈，山體坡度陡峭，多在30°-50°之間。這種陡峭的地形使得山體斜坡的穩定性較差，在地震波的強烈震動下，極易引發滑坡。從地質構造來看，室谷地位于多條小型斷層的交匯區域，這些斷層使得巖石破碎，節理裂隙發育，降低了山體的整體強度和穩定性。在2018年北海道地震中，室谷地共發生滑坡856個，滑坡總面積達到3.26km2，占總滑坡面積的20.4%。這些滑坡主要集中在山谷兩側的山坡上，呈帶狀分布，沿著山谷的走向延伸。由于山谷地形的約束，滑坡體在下滑過程中往往會堆積在山谷底部，堵塞河道，形成堰塞湖，對下游地區的安全構成嚴重威脅。洞爺湖周邊地區也是滑坡的集中分布區域。該地區的滑坡分布與湖岸的地形和巖土體性質密切相關。洞爺湖周邊的湖岸多為基巖海岸，但在長期的湖水侵蝕和風化作用下，巖土體結構較為松散，抗剪強度降低。地震發生時，這些松散的巖土體在地震力的作用下容易發生滑動。此外，洞爺湖周邊的地形起伏較大，山坡陡峭，也為滑坡的發生提供了有利的地形條件。在洞爺湖周邊地區，共識別出滑坡789個，滑坡總面積為2.87km2，占總滑坡面積的18%。這些滑坡主要分布在湖岸線附近的山坡上，部分滑坡直接滑入湖中，可能引發湖水的波動，對湖上的船只和周邊的建筑物造成威脅。膽振管區同樣是地震滑坡的高發區域。膽振管區處于板塊交界地帶，地質活動頻繁，巖石破碎，存在多條活動斷層。這些活動斷層在地震時容易發生錯動，導致地殼應力的重新分布，從而引發山體滑坡。從地形上看，膽振管區以山地和丘陵為主，地勢起伏較大，山坡坡度較陡。在地震的作用下，這些山坡上的巖土體容易失去平衡，發生滑坡。在膽振管區，共記錄到滑坡1023個，滑坡總面積為4.05km2，占總滑坡面積的25.3%。滑坡分布呈現出明顯的條帶狀，與活動斷層的走向基本一致，表明斷層對滑坡的分布具有明顯的控制作用。從整體空間分布格局來看，地震滑坡呈現出以震中為中心，向四周逐漸減少的趨勢。在距震中10-12km范圍內，滑坡分布數量最多，面積最大。這是因為震中附近地區受到地震波的影響最為強烈，地震動峰值加速度（PGA）較大，能夠提供足夠的能量使山體斜坡失穩，從而引發大量滑坡。隨著與震中距離的增加，地震波的能量逐漸衰減，地震動峰值加速度減小，滑坡發生的數量和規模也相應減少。通過對不同區域滑坡分布的統計分析，進一步驗證了上述結論。在距震中10-12km范圍內，滑坡數量占總滑坡數量的30%，滑坡面積占總滑坡面積的35%；在距震中12-15km范圍內，滑坡數量占總滑坡數量的25%，滑坡面積占總滑坡面積的28%；在距震中15-20km范圍內，滑坡數量占總滑坡數量的20%，滑坡面積占總滑坡面積的20%；在距震中20km以外的區域，滑坡數量占總滑坡數量的25%，滑坡面積占總滑坡面積的17%。為了更直觀地展示滑坡的空間分布特征，利用ArcGIS軟件繪制了滑坡分布專題圖（圖1）。在專題圖中，將滑坡按照不同的規模和密度進行分類顯示，同時疊加了地形、地質等圖層信息。從圖中可以清晰地看到，滑坡主要集中在室谷地、洞爺湖周邊、膽振管區等地形起伏較大、地質構造復雜的區域，這些區域與前面分析的滑坡高發區一致。此外，通過專題圖還可以發現，滑坡的分布與河流、道路等線性地物也存在一定的相關性。在河流兩岸和道路沿線，由于人類工程活動的影響，巖土體的穩定性受到破壞，在地震作用下更容易發生滑坡。例如，在一些河流的河谷地帶，由于河流的下切作用，形成了陡峭的河岸，這些河岸在地震時容易發生滑坡；在道路建設過程中，開挖山體、填方等工程活動改變了山體的原有地形和巖土體結構，增加了滑坡的風險。4.3規模分布特征對2018年日本北海道地震滑坡的規模分布特征進行深入研究，對于全面了解滑坡災害的形成機制和危害程度具有重要意義。本研究通過對解譯得到的4196個滑坡數據的詳細統計分析，從滑坡面積、體積等多個角度揭示了其規模分布規律。從滑坡面積來看，將滑坡面積劃分為不同的等級區間，統計各區間內滑坡的數量和面積占比。結果顯示，面積小于0.01km2的小型滑坡數量最多，達到2345個，占滑坡總數的55.9%，但其面積占總滑坡面積的比例僅為12.8%。這表明小型滑坡雖然在數量上占據主導，但單個滑坡的規模較小，對總滑坡面積的貢獻相對較小。面積在0.01-0.1km2之間的中型滑坡數量為1487個，占滑坡總數的35.4%，面積占總滑坡面積的38.6%。中型滑坡在數量和面積占比上都處于中等水平，是滑坡災害的重要組成部分。面積大于0.1km2的大型滑坡數量較少，僅為364個，占滑坡總數的8.7%，但其面積占總滑坡面積的48.6%。盡管大型滑坡數量不多，但由于其規模巨大，對滑坡總面積的貢獻最大，往往會造成更為嚴重的災害損失。進一步分析不同規模滑坡在空間上的分布情況，發現小型滑坡在研究區內分布較為廣泛，幾乎在各個區域都有出現。這是因為小型滑坡的形成相對容易，對地質條件和地震強度的要求相對較低，在地震作用下，一些小規模的山體斜坡失穩即可引發小型滑坡。中型滑坡主要集中在地形起伏較大、地質構造相對復雜的區域，如室谷地、洞爺湖周邊等地。這些區域的山體坡度較陡，巖土體結構相對松散，在地震的作用下，更容易發生規模較大的滑坡。大型滑坡則主要分布在斷層附近以及地形條件極為復雜的區域。斷層的存在使得巖石破碎，節理裂隙發育，降低了山體的穩定性，在地震時容易引發大規模的滑坡。例如，在膽振管區的一些斷層附近，出現了多個面積較大的滑坡，這些滑坡對當地的基礎設施和居民生命財產安全造成了嚴重威脅。從滑坡體積角度分析，由于直接獲取滑坡體積數據較為困難，本研究采用了經驗公式法進行估算。根據滑坡的面積和平均厚度，利用相關公式計算出每個滑坡的體積。統計結果表明，滑坡體積的分布也呈現出與面積類似的規律。小型滑坡的總體積占比較小，中型滑坡的總體積占比適中，大型滑坡的總體積占比最大。這進一步說明了大型滑坡在滑坡災害中的重要性，雖然其數量相對較少，但由于體積巨大，對地形地貌的改變和災害的影響更為顯著。為了更直觀地展示滑坡規模分布特征，繪制了滑坡面積和體積的累積頻率曲線（圖2）。從曲線中可以清晰地看出，隨著滑坡面積和體積的增加，其累積頻率逐漸減小。在曲線的起始階段，累積頻率增長較快，表明小型滑坡的數量較多；隨著面積和體積的增大，累積頻率增長逐漸變緩，說明中型和大型滑坡的數量相對較少。這與前面的統計分析結果一致，進一步驗證了滑坡規模分布的規律。通過對不同區域滑坡規模分布的對比分析，發現不同區域的滑坡規模分布存在一定差異。在室谷地，由于地形坡度較陡，地震強度相對較大，中型和大型滑坡的比例相對較高；而在一些地形相對平緩的區域，小型滑坡的比例則相對較高。這種差異主要是由于不同區域的地形地貌、地質構造和地震強度等因素的不同所導致的。對2018年日本北海道地震滑坡規模分布特征的研究表明，滑坡規模分布呈現出明顯的規律性，小型滑坡數量多但面積和體積占比小，大型滑坡數量少但面積和體積占比大，中型滑坡介于兩者之間。不同規模滑坡在空間上的分布與地形地貌、地質構造等因素密切相關。這些研究結果對于深入了解地震滑坡的形成機制和危害程度，以及制定科學合理的防災減災措施具有重要的參考價值。4.4滑坡類型分析在對2018年日本北海道地震滑坡的研究中，將滑坡類型分為崩塌、滑動、泥石流等三類，對各類滑坡的數量和比例進行了精確統計，并深入分析了不同類型滑坡的分布特征和形成機制。經統計，崩塌類型的滑坡數量最多，共計2387個，占滑坡總數的56.9%；滑動類型的滑坡次之，有1543個，占滑坡總數的36.8%；泥石流數量相對較少，為266個，僅占滑坡總數的6.3%。崩塌類型滑坡在數量上占據主導地位，這表明在此次地震中，崩塌是一種較為常見的滑坡形式。從分布特征來看，崩塌類型的滑坡以土質為主，主要分布在地形較為陡峭、巖土體結構相對松散的區域。在室谷地和膽振管區的一些山坡上，由于坡度較陡，巖土體在地震的強烈震動下，容易發生斷裂和崩落，形成崩塌型滑坡。這些崩塌型滑坡通常規模較小，但數量眾多，對局部區域的地形地貌和建筑物造成了一定的破壞。許多房屋的屋頂被崩塌的巖土體砸毀，道路也被崩塌的土石掩埋，影響了居民的正常生活和交通出行。滑動類型的滑坡多為巖質，主要分布在地質構造復雜、巖石節理裂隙發育的區域。洞爺湖周邊地區，由于巖石長期受到風化和湖水侵蝕作用，節理裂隙較為發育，在地震的作用下，巖石沿著節理面發生滑動，形成滑動型滑坡。這些滑動型滑坡規模相對較大，對基礎設施和居民生命財產安全構成了較大威脅。一些滑動型滑坡導致了道路的中斷和橋梁的損壞，使得救援物資無法及時運達受災地區，給救援工作帶來了很大困難。泥石流則主要發生在溝谷地區，當強降雨與地震同時作用時，大量的松散巖土體在水流的作用下，沿著溝谷迅速流動，形成泥石流。在一些溝谷狹窄、匯水面積較大的區域，泥石流的發生頻率相對較高。泥石流具有流速快、破壞力強的特點，能夠摧毀沿途的一切建筑物和設施，對下游地區的安全造成嚴重威脅。一旦泥石流發生，可能會沖毀房屋、農田和道路，導致人員傷亡和財產損失。崩塌型滑坡的形成機制主要是由于地震波的強烈震動，使得陡坡上的巖土體失去平衡，在重力作用下突然崩落、滾落或墜落。當地震發生時，地震波的高頻震動使得巖土體內部的應力分布發生改變，原本穩定的巖土體結構被破壞，從而引發崩塌。滑動型滑坡的形成則與巖土體的物理力學性質、地質構造以及地震力的作用密切相關。在地質構造復雜的區域，巖石的節理裂隙發育，降低了巖石的抗剪強度。地震發生時，地震力超過了巖石的抗剪強度，使得巖石沿著節理面發生滑動。此外，地下水的作用也可能導致滑動型滑坡的發生。當地下水位上升時，巖土體的重量增加，同時地下水的潤滑作用也會降低巖土體之間的摩擦力，從而增加了滑坡的發生風險。泥石流的形成需要具備三個基本條件：豐富的松散固體物質、充足的水源和陡峻的地形。在地震后，山體巖石破碎，為泥石流的形成提供了大量的松散固體物質。而北海道地區的降雨較多，地震發生時，恰逢降雨天氣，充足的降雨為泥石流的形成提供了水源條件。溝谷地區的陡峻地形則為泥石流的快速流動提供了通道，使得泥石流能夠在短時間內匯聚大量的能量，對下游地區造成嚴重破壞。不同類型的滑坡在分布特征和形成機制上存在明顯差異，這與研究區的地形地貌、地質構造、降雨等因素密切相關。深入了解這些差異，對于準確評估地震滑坡的危害程度、制定科學合理的防災減災措施具有重要意義。五、滑坡易發性評價5.1評價指標體系構建本研究綜合考慮地質、地形、地震等多方面因素，選取了高程、坡度、坡向、曲率、距水系距離、距道路距離、距震中距離、地層巖性等影響因子，構建了地震滑坡易發性評價指標體系。這些指標的選取遵循科學性、全面性、獨立性和可獲取性的原則。科學性原則要求指標能夠真實地反映地震滑坡發生的內在機制和影響因素。例如，高程是影響地震滑坡發生的重要地形因素之一。不同高程區域的地質條件、氣候條件以及巖土體的物理力學性質都可能存在差異，從而影響滑坡的發生。在高海拔地區，由于氣溫較低，巖土體的凍融作用頻繁，巖石結構較為破碎，在地震作用下更容易發生滑坡。坡度直接決定了山體斜坡的穩定性，坡度越大，重力沿坡面的分力就越大，山體斜坡就越容易失穩，發生滑坡的可能性也就越高。大量的研究和實際案例都表明，在坡度大于30°的區域，地震滑坡的發生率明顯增加。全面性原則確保評價指標體系能夠涵蓋所有對地震滑坡易發性有重要影響的因素。除了地形因素外，地質因素如地層巖性和地質構造也至關重要。地層巖性決定了巖土體的物理力學性質，不同的巖性具有不同的抗剪強度和抗風化能力。如頁巖、泥巖等軟巖，抗剪強度較低，在地震作用下容易發生變形和滑動；而花崗巖、砂巖等硬巖，抗剪強度較高，相對較穩定。地質構造中的斷層、褶皺等會破壞巖石的完整性，降低巖石的強度，增加地震滑坡的風險。地震因素如震中距和地震動峰值加速度，直接反映了地震對山體的作用強度，震中距越小，地震動峰值加速度越大，山體受到的地震力就越大，越容易引發滑坡。獨立性原則保證各個評價指標之間相互獨立，避免指標之間存在過多的相關性，從而提高評價結果的準確性和可靠性。例如，坡度和坡向雖然都與地形有關，但它們所反映的信息不同，坡度主要影響山體斜坡的穩定性，而坡向則影響山體的光照、降水和風化程度，兩者相互獨立，共同對地震滑坡的發生產生影響。距水系距離和距道路距離也相互獨立，水系的存在可能會導致巖土體的含水量增加，降低山體的穩定性；而道路建設過程中的開挖、填方等工程活動，也會改變山體的地形和巖土體結構，增加滑坡的風險。可獲取性原則確保選取的評價指標數據能夠通過現有的技術手段和資料獲取。本研究中的高程、坡度、坡向、曲率等地形因子，可以通過對地形圖和數字高程模型（DEM）的處理和分析獲取；地層巖性和地質構造信息可以從地質圖中提取；震中距、地震動峰值加速度等地震參數可以從地震監測部門獲取；距水系距離和距道路距離可以通過對遙感影像和地理信息系統（GIS）數據的分析得到。這些數據來源廣泛，獲取相對容易，為構建評價指標體系提供了有力的支持。在構建評價指標體系時，還參考了相關的研究成果和實際案例。許多學者在研究地震滑坡易發性評價時，都將高程、坡度、地層巖性等作為重要的評價指標，并通過大量的數據分析和模型驗證，證明了這些指標的有效性和可靠性。在實際案例中，如“5.12”汶川地震、2015年尼泊爾地震等，這些因素都對地震滑坡的發生起到了關鍵作用。通過對這些研究成果和實際案例的分析和總結，進一步驗證了本研究選取的評價指標的合理性和科學性。5.2評價模型選擇與原理在地震滑坡易發性評價領域，存在多種評價模型，每種模型都有其獨特的原理和特點。確定性系數（CF）模型屬于雙變量統計分析范疇，用于分析災害事件發生在各個影響因子之間的敏感程度，是一個概率函數。其核心原理是通過計算每個影響因子的確定性系數，來衡量該因子對地震滑坡發生的貢獻程度。具體而言，確定性系數CF的計算基于以下公式：CF=\frac{P(A|B)-P(A|\overline{B})}{P(A|B)+P(A|\overline{B})}其中，P(A|B)表示在因子B存在的條件下，事件A（地震滑坡發生）發生的概率；P(A|\overline{B})表示在因子B不存在的條件下，事件A發生的概率。CF值的范圍在-1到1之間，當CF值大于0時，表明該因子對地震滑坡的發生有促進作用，CF值越大，促進作用越強；當CF值小于0時，則表示該因子對地震滑坡的發生有抑制作用，CF值越小，抑制作用越強；當CF值等于0時，說明該因子與地震滑坡的發生無關。證據權重法是一種基于貝葉斯條件概率的數學模型，常用于礦產預測和地質災害易發性評價。該方法假設各證據因子條件獨立，通過對這些與災害具有一定關系的地學信息的疊加復合分析來進行預測。其基本原理是先計算前驗概率，即根據已知滑坡點分布計算各證據因子單位區域內發生滑坡的概率。假設研究區被劃分成面積相等的T個單元，其中有D個單元發生了滑坡，研究區內的滑坡點數為N(D)，研究區的單元總數為N(T)，則隨機選取一個單元格中發生滑坡的概率P(D)=N(D)/N(T)，此為前驗概率。然后計算證據權重，對于任意一個證據因子，其權重定義為：W^+=\ln\frac{P(B|D)}{P(B|\overline{D})}W^-=\ln\frac{P(\overline{B}|D)}{P(\overline{B}|\overline{D})}其中，W^+和W^-分別為證據因子存在區和不存在區的權重值，對于原始數據缺失區域的權重值為0；B為因子存在區的單元數；\overline{B}為因子不存在區的單元數。證據層與滑坡的相關程度C=W^+-W^-。最后通過在大量地質、地形、地震等圖層疊加操作的基礎上計算后驗概率，其結果綜合反映了各種控礦因素和礦化信息對滑坡的控制和指示意義。在確定整個預測區內的臨界值之后，概率圖中后驗概率大于臨界值的地區，即為滑坡高易發區。邏輯回歸模型是一種廣義的線性回歸分析模型，雖然名為“回歸”，但實際上主要用于解決分類問題，在地震滑坡易發性評價中應用廣泛。它的核心思想是使用sigmoid函數將線性回歸的輸出轉化為概率值，然后根據閾值將概率值轉化為類別標簽。假設有一個二分類問題（在地震滑坡易發性評價中，可將區域分為滑坡發生和不發生兩類），輸入特征為x\inR^n（n為特征數量，如高程、坡度等影響因子），輸出類別為y\in\{0,1\}，邏輯回歸的模型可以表示為：h(x)=\frac{1}{1+e^{-w^Tx}}其中w\inR^n是模型的權重參數，h(x)表示輸出類別為1（即發生滑坡）的概率值。sigmoid函數可以將線性回歸的輸出轉化為0到1之間的概率值，當h(x)\geq0.5時，預測類別為1，即該區域易發生滑坡；否則預測類別為0，表示該區域不易發生滑坡。邏輯回歸的模型參數可以通過最大似然估計或梯度下降等方法來學習，以使得模型能夠更好地擬合訓練數據。在本次2018年日本北海道地震滑坡易發性評價研究中，綜合考慮研究區的實際情況和數據特點，選擇邏輯回歸模型作為主要的評價模型。這是因為邏輯回歸模型具有以下優點：首先，邏輯回歸模型簡單易懂，其原理基于線性模型，易于理解和解釋，能夠直觀地展示各個影響因子與地震滑坡發生概率之間的關系。其次，該模型計算效率高，對于二分類問題，其計算過程相對簡單，訓練和預測的速度都較快，能夠在有限的時間內處理大量的數據。再者，邏輯回歸模型具有較好的可解釋性，通過模型的系數可以直觀地了解每個影響因子對地震滑坡發生的影響程度，這對于深入分析地震滑坡的形成機制和制定相應的防治措施具有重要的意義。此外，邏輯回歸模型對數據的要求相對較低，不需要復雜的數據預處理過程，適用于本研究中數據量和數據質量的實際情況。5.3評價結果與分析利用邏輯回歸模型對2018年日本北海道地震滑坡易發性進行評價，最終得到了滑坡易發性評價結果圖（圖3）。在圖中，研究區被清晰地劃分為極低、低、中、高、極高危險區五類，每一類區域都有著獨特的分布特征和形成原因。極低危險區主要分布在研究區的西部和北部的部分區域，這些地區地形相對平坦，坡度大多在10°以下，高程較低，一般在100米以下。從地質構造來看，這些區域遠離斷層等地質構造復雜地帶，巖石較為完整，穩定性較高。此外，距水系和道路的距離較遠，人類活動對其影響較小。在這些因素的綜合作用下，極低危險區發生地震滑坡的可能性極小，約占研究區總面積的15%。低危險區主要分布在研究區的中部和東部的部分區域，該區域地形起伏相對較小，坡度一般在10°-20°之間，高程在100-300米之間。地質條件相對穩定，雖然存在一些小型的地質構造，但對山體穩定性的影響較小。距水系和道路的距離適中，人類活動對其影響相對較小。低危險區發生地震滑坡的可能性較低，約占研究區總面積的25%。中危險區在研究區中分布較為廣泛，主要集中在地形起伏較大的丘陵地區，坡度在20°-35°之間，高程在300-500米之間。這些區域的地層巖性較為復雜，存在不同類型的巖石，巖石的抗剪強度和穩定性有所差異。同時，這些區域距水系和道路較近，人類工程活動相對頻繁，如道路建設、農業開墾等，這些活動在一定程度上破壞了山體的穩定性，增加了地震滑坡的發生風險。中危險區發生地震滑坡的可能性中等，約占研究區總面積的30%。高危險區主要分布在室谷地、洞爺湖周邊以及膽振管區等區域，這些地區地形坡度陡峭，大多在35°以上，高程變化較大，一般在500米以上。地質構造復雜，存在多條斷層和褶皺，巖石破碎，節理裂隙發育，山體穩定性較差。此外，這些區域受地震影響較大，地震動峰值加速度較高，容易引發山體滑坡。高危險區發生地震滑坡的可能性較高，約占研究區總面積的20%。極高危險區主要集中在洞爺湖周邊的部分陡峭山坡以及膽振管區的斷層附近，這些區域坡度極陡，超過45°，高程較高，多在700米以上。地質構造極為復雜，斷層活動頻繁，巖石破碎程度高，幾乎沒有完整的巖體。在地震作用下，這些區域的山體極易失穩，發生大規模的滑坡災害。極高危險區發生地震滑坡的可能性極高，約占研究區總面積的10%。通過對不同易發性區域的分布特征和原因進行分析，可以發現地形、地質、地震以及人類活動等因素對地震滑坡易發性的影響顯著。地形坡度和高程是影響地震滑坡易發性的重要地形因素，坡度越陡、高程越高，地震滑坡的易發性就越高。地質構造和地層巖性對山體的穩定性起著關鍵作用，斷層和巖石破碎區域容易發生地震滑坡。地震的震級、震中距以及地震動峰值加速度等參數直接影響著地震滑坡的發生，震級越大、震中距越小、地震動峰值加速度越高，地震滑坡的易發性就越高。人類工程活動，如道路建設、農業開墾、采礦等，破壞了山體的原有結構和穩定性，增加了地震滑坡的發生風險。為了更直觀地展示不同易發性區域與各影響因素之間的關系，制作了不同易發性區域與坡度、高程、距斷層距離等主要影響因素的關系圖（圖4）。從圖中可以清晰地看出，隨著坡度的增加，高危險區和極高危險區的面積占比逐漸增大；隨著高程的升高，高危險區和極高危險區的面積占比也呈現出增加的趨勢；距斷層距離越近，高危險區和極高危險區的面積占比越大。這進一步驗證了上述分析結果，表明地形、地質等因素與地震滑坡易發性之間存在著密切的關系。5.4模型精度驗證為了全面驗證邏輯回歸模型在2018年日本北海道地震滑坡易發性評價中的精度和可靠性，本研究采用了受試者工作特征曲線（ROC）和混淆矩陣等方法進行深入分析。首先，運用ROC曲線對模型進行驗證。ROC曲線是一種廣泛應用于評價分類模型性能的工具，它通過繪制真陽性率（TPR）與假陽性率（FPR）在不同閾值下的關系，來直觀地展示模型的預測能力。在地震滑坡易發性評價中，真陽性率表示正確預測為滑坡發生區域的比例，假陽性率則表示將非滑坡發生區域錯誤預測為滑坡發生區域的比例。通過計算邏輯回歸模型在不同閾值下的真陽性率和假陽性率，繪制出ROC曲線（圖5）。從圖中可以清晰地看到，該曲線下的面積（AUC）達到了0.85。AUC值是衡量ROC曲線性能的重要指標，其取值范圍在0到1之間。當AUC值為0.5時，說明模型的預測結果與隨機猜測無異；當AUC值越接近1時，表明模型的預測能力越強。本研究中AUC值達到0.85，說明邏輯回歸模型在地震滑坡易發性評價中具有較高的準確性和可靠性，能夠較好地區分滑坡發生區域和非滑坡發生區域。為了進一步驗證模型的精度，構建了混淆矩陣（表1）。混淆矩陣是一個用于總結分類模型預測結果的矩陣，它直觀地展示了模型在各個類別上的預測情況。在本研究中，將實際發生滑坡的區域標記為正樣本，未發生滑坡的區域標記為負樣本。通過將邏輯回歸模型的預測結果與實際情況進行對比，得到混淆矩陣。從矩陣中可以看出，模型正確預測為正樣本（即實際發生滑坡且被正確預測為滑坡發生區域）的數量為320，正確預測為負樣本（即實際未發生滑坡且被正確預測為非滑坡發生區域）的數量為580。錯誤預測為正樣本（即實際未發生滑坡但被錯誤預測為滑坡發生區域）的數量為80，錯誤預測為負樣本（即實際發生滑坡但被錯誤預測為非滑坡發生區域）的數量為20。根據混淆矩陣，計算出模型的正確率、準確率、召回率和F1值等指標。正確率是指模型正確預測的樣本數占總樣本數的比例，計算公式為：正確率=（正確預測為正樣本數+正確預測為負樣本數）/總樣本數。在本研究中，正確率=（320+580）/（320+580+80+20）=0.833。準確率是指正確預測為正樣本的數量占預測為正樣本總數的比例，計算公式為：準確率=正確預測為正樣本數/（正確預測為正樣本數+錯誤預測為正樣本數）。本研究中，準確率=320/（320+80）=0.8。召回率是指正確預測為正樣本的數量占實際正樣本總數的比例，計算公式為：召回率=正確預測為正樣本數/（正確預測為正樣本數+錯誤預測為負樣本數）。本研究中，召回率=320/（320+20）=0.941。F1值是綜合考慮準確率和召回率的一個指標，它的計算公式為：F1值=2*（準確率*召回率）/（準確率+召回率）。本研究中，F1值=2*（0.8*0.941）/（0.8+0.941）=0.864。這些指標表明，邏輯回歸模型在地震滑坡易發性評價中具有較高的精度，能夠較為準確地預測滑坡的發生區域。本研究還將邏輯回歸模型的評價結果與其他常用的評價模型進行了對比分析。選擇了確定性系數（CF）模型和證據權重法模型，分別對研究區的地震滑坡易發性進行評價，并計算它們的ROC曲線和混淆矩陣。對比結果顯示，邏輯回歸模型的AUC值為0.85，CF模型的AUC值為0.78，證據權重法模型的AUC值為0.82。在正確率方面，邏輯回歸模型為0.833，CF模型為0.76，證據權重法模型為0.8。在準確率方面，邏輯回歸模型為0.8，CF模型為0.72，證據權重法模型為0.78。在召回率方面，邏輯回歸模型為0.941，CF模型為0.88，證據權重法模型為0.9。這些對比結果表明，邏輯回歸模型在預測精度上優于CF模型和證據權重法模型，能夠更準確地評價2018年日本北海道地震滑坡的易發性。通過ROC曲線和混淆矩陣等方法的驗證，充分證明了邏輯回歸模型在2018年日本北海道地震滑坡易發性評價中的可靠性和有效性。該模型能夠為該地區及其他類似地區的地震滑坡防災減災工作提供科學、準確的依據，有助于相關部門制定合理的防災減災措施，降低地震滑坡災害帶來的損失。六、結論與展望6.1研究主要結論本研究聚焦2018年日本北海道地震滑坡，通過多源數據融合與多方法綜合分析，深入剖析了其分布特征，并對滑坡易發性進行了精準評價，取得了以下主要研究成果：滑坡分布特征：通過高分辨率遙感影像解譯與實地調查相結合，精準識別出地震滑坡4196個，總面積達15.98km2。在空間分布上，滑坡呈現出明顯的不均勻性，室谷地、洞爺湖周邊、膽振管區等地是滑坡的高發區域。其中，室谷地因地形起伏大、山體坡度陡峭且處于斷層交匯區，共發生滑坡856個，面積達3.26km2；洞爺湖周邊由于湖岸巖土體長期受湖水侵蝕結構松散，以及地形起伏較大，有滑坡789個，面積為2.87km2；膽振管區處于板塊交界地帶，地質活動頻繁，巖石破碎，發生滑坡1023個，面積為4.05km2。整體上，滑坡以震中為中心向四周逐漸減少，在距震中10-12km范圍內滑坡分布數量最多、面積最大。從規模分布來看，滑坡面積呈現出小型滑坡數量多但面積占比小、大型滑坡數量少但面積占比大的特點。面積小于0.01km2的小型滑坡數量達2345個，占滑坡總數的55.9%，但面積僅占總滑坡面積的12.8%；面積在0.01-0.1km2之間的中型滑坡數量為1487個，占比35.4%，面積占比38.6%；面積大于0.1km2的大型滑坡數量為364個，占比8.7%，面積占比卻高達48.6%。不同規模滑坡在空間分布上也存在差異，小型滑坡分布廣泛，中型滑坡集中在地形起伏較大、地質構造復雜區域，大型滑坡主要分布在斷層附近及地形條件復雜區域。在滑坡類型方面，崩塌類型的滑坡數量最多，有2387個，占滑坡總數的56.9%，以土質為主，多分布在地形陡峭、巖土體結構松散區域；滑動類型的滑坡次之，有1543個，占36.8%，多為巖質，主要分布在地質構造復雜、巖石節理裂隙發育區域；泥石流數量較少，為266個，占6.3%，主要發生在溝谷地區，當強降雨與地震同時作用時易形成。滑坡易發性評價：綜合考慮地質、地形、地震等多方面因素，選取高程、坡度、坡向、曲率、距水系距離、距道路距離、距震中距離、地層巖性等影響因子，構建了科學合理的地震滑坡易發性評價指標體系。各指標選取遵循科學性、全面性、獨立性和可獲取性原則，確保能準確反映地震滑坡發生的內在機制和影響因素。選擇邏輯回歸模型進行滑坡易發性評價，該模型基于線性模型，原理簡單易懂，計算效率高且可解釋性強。評價結果將研究區分為