伴随着我国社会经济的高速发展，对自然环境的影响越来越大[1]。高强度的道路建设、城市扩张、矿山开采等对地质环境的破坏程度更是愈发严重，由此造成的脆弱的地质环境以及气候变化带来的极端降雨事件频发，导致滑坡泥石流等地质灾害发生的概率大大增加[2]。地质灾害具有分布范围广、发生频率高、危害性强、发生发展迅速等特点。我国自然地理和地质环境复杂并伴随着数千年人类活动对自然环境的影响，相比于发达国家，发展中国家更容易受到地质灾害的影响。而作为最大的发展中国家，中国一直以来饱受地质灾害的威胁[3-4]。 自“十三五”计划启动以来，各个社会经济领域都出现了快速的进步。如城市基础设施建设、水利工程项目、道路建设和铁路扩建等各种人类工程活动已经改变了原有的地质条件。再加上极端天气条件的发生，导致了许多地质灾害的出现。
地质灾害危险性评价是在查清不同灾害活动历史、形成条件、变化规律与发展趋势的基础上，对研究区灾害发生的危险性进行评判。这不仅为保护当地地质环境提供依据，而且对于工程活动的选址与防治也提供了针对性手段。目前灾害危险性评价主要采用的是定性及定量方法相结合的评价手段。近年来，随着3S技术的发展，危险性评价不仅提高了工作效率，更是提升了灾害管理的信息化水平[5]。在整个灾害危险性评价过程中，评价单元的选择和评价模型的选取不仅对评价结果有着至关重要的作用，不同的评估单元对不同的建模方法具有不同程度的适应性。因此，分析不同评估单元对各种评估模型的适用性，选择最有效的区域地质灾害评估方法，在制定地质灾害防治计划以及地方灾害风险划分的宏观决策方面，对政府具有重要的指导意义。
1 评价单元研究与分析
如何有效进行评价单元的划分是获得高精度评价结果的关键之一，也会直接影响地质灾害评价区划。根据区域环境特征和评价方法，目前主流采用的地质灾害危险性评价单元主要分为栅格单元、斜坡单元以及子流域单元[6]。子流域单元通常是进行泥石流灾害危险性分区，优点是操作简单，计算量小，计算速度快；斜坡单元是滑坡、崩塌等地质灾害发育的基本单元，优点是适用于预测地表的浅层滑坡；子流域单元和斜坡单元有着共同的不足之处，在于后期人为调整时，存在明显的人为控制且工作量较大。而栅格单元的确定在于并不能很好的反映灾害的地质环境特征，但由于栅格单元获取简单以及可以快速划分，从而在地质灾害评价过程中受到广泛运用。
2 评价模型与方法
灾害的孕育通常要从多方面的角度进行考虑，从而对孕灾机理以及灾害发生的条件进行终结和研究，现如今对于地质灾害的监测和评价已经在飞速发展当中。随着计算机科学和遥感科学的不断研究，3S技术在地质灾害的治理和监测方面正逐步融入其中。例如区域地质环境划分、灾害点的采集、绘制地质图以及灾害路径分布趋势划分等。3S 技术不仅提升了地质学领域的研究发展，而且为各种地学领域的科研工作取得了高效而又准确的结果。在此基础上，国内外学者发展出了许多针对地质灾害评价的理论和模型，并总结出了许多可靠有效的方法，可分为确定性方法和非确定性方法两种[9]：
2.1确定性方法
确定性方法是以地质灾害危险性评价为基础，对评价过程中筛选出的影响因素进行定量研究，并选取多种类型的评价模型对灾害危险性进行定量分析和研究。通过确定灾害可能发生的位置以及范围,模拟灾害发生的过程。由于人工智能的飞速进步，在地质灾害的空间评级中许多不同种类不同模式的定量方法被应用[7-8]。目前使用广泛的定性评价模型包括：专家评判模型、模糊综合评价模型等，这类模型减少了很多繁琐的评估过程，可以快速的得到评价结果，但存在一定的人为主观性，且很考验专家的专业经验，较适用研究区为小范围的危险性评价。
2.2非确定性方法
目前广泛应用地质灾害评价分析方法主要是是非确定方法模型，非确定性分析方法可以分为许多类，方法之间的不同点在于如何对不同影响因素的权重进行赋值。因此可将其分为基于知识驱动和基于数据驱动两种方法。知识驱动方法包括层次分析法等方法，该类型方法的特点在于对研究区灾害形成机理进行研究，并根据专家经验对评价因子进行选取以及对评价因子所占权重进行赋值。
数据驱动型方法在地质灾害危险性评价研究中包括线性评价方法和非线性评价方法：线性分析方法包括信息量模型、确定系数模型等。非线性分析方法包括：卷积神经网络、随机森林、决策树等近年来掀起热潮的机器学习领域模型。相较于仅以统计学为基础的评价模型，机器学习模型则是囊括了各种数理统计学方面中的理论，将理论进行信息化可以更好的处理多维度空间集合的信息数据集，具有很强的预测和分类能力[9]。
3 结论
（1）通过收集研究区域内地质灾害的各种资料，研究地质灾害的地质条件,分析地质灾害的孕灾机理和分布趋势。同时综合考虑灾害的发育特征，选择不同评价单元（栅格单元、子流域单元、斜坡单元）进行地质灾害危险性评价以进行评价结果的对比。
（2）根据区域灾害的孕育机制，在自然环境和人为因素的影响下筛选不同方面的影响因素作为地质灾害危险性评价因子。采用主成分分析、相关性分析以及多重共线性分析对影响因素进行分析，避免选取的影响因素对评价结果造成误差。对于最终获得的评价因子进行因子分析以及分类，从而构建得到地质灾害危险性评价因子体系。
（3）在定量评价的基础上，结合知识驱动与数据驱动型法，构建地质灾害危险性评价耦合模型，评价结果的精度采用ROC曲线和KAPPA系数进行检验以得到在不同评价单元的划分下，区域地质灾害的危险性评价精度变化的特征。
参考文献
[1]王芳. 万州区滑坡灾害风险评价与管理研究[D]. 中国地质大学, 2017.
[2]Petley David. Global Patterns of Loss of Life from Landslides[J]. Geology, 2012,
[3]李智毅. 中国地质灾害的成生和活动特点[J]. 地质灾害与防治
[4]胡旭东. 基于集成学习的地质灾害易发性评价研究[D].中国地质大学,2019.
[5]田述军,张珊珊,唐青松等.基于不同评价单元的滑坡易发性评价对比研究[J].自然灾害学报,2019,28(06):137-145.DOI:10.13577/j.jnd.2019.0615.
[6]李泽芝,王新刚.镇域尺度下秦巴山区堆积层滑坡易发性不同单元评价性能对比研究[J].西北地质,2024,57(01):1-11.DOI:10.12401/j.nwg.2023159.
[7]逯兴娅. 基于多种评价单元和评价模型的镇域滑坡灾害易发性评价[D].长安大学,2023.DOI:10.26976/d.cnki.gchau.2023.002152.
