本研究运用数理统计模型，在多元回归线性模型的基础上，并结合地信（GIS）技术进行研究分析。随着地理信息系统（GIS）、遥感（RS）等技术的不断完善，GIS在滑坡等灾害危险性评价方面的作用日益增强，是现有的对滑坡危险性空间预测的有效方法之一[6-7]，能极为有效地进行空间预测，获取到高效而相对准确的预测结果，能大大提高滑坡灾害的防治效率。

2  研究区概况和研究方法

2。 1  研究区概况

江西省是一个多雨和多丘陵的地区，滑坡和泥石流极易发生[8]。而庐山距江西九江市约13km，东边靠近鄱阳湖，北边与长江相邻，占地面积为30493hm2。庐山气候温适，夏天最热的时候也不会感觉很热，冬天最冷的时候也不会觉得特别冷 [9-10]。庐山山顶因所处的位置高，而且四周有江湖围绕，山峰会阻挡潮湿气流的前进，因而云雨在这里容易形成，同时导致庐山的雨水丰富。而庐山风景区的主要通道之一就是北山公路，由于其滑坡体的稳定性较差，从而对北山公路构成威胁，滑坡灾害一旦发生，将造成公路的严重堵塞，给山上居民以及游客带来极大的不便[8]。

近年来，滑坡灾害频繁发生于庐山北山公路地段附近。2005年9月3号，北山公路沿线路段15。36公里处发生滑坡（其发生位置见图1中点2）；2014年2月25号，北山公路沿线路段7。5公里处发生了山体滑坡（见图1中点1）；2014年6月29号，北山公路18公里处发生滑坡（见图1中点4）；2015年8月9日，北山公路沿线路段22公里处附近发生了山体滑坡（见图1中点5）。

图1 近十年庐山北山公路发生过滑坡灾害的部分地点

2。 2  研究方法

本文主要使用ArcGIS和多元线性回归方法。在全国范围内选取13个滑坡点，即训练数据样本，这些滑坡点与北山公路的地理环境相似，寻找全国滑坡危险指数与庐山滑坡危险指数之间的相似性，通过统计分析工具，创建多元线性回归模型；结合ArcGIS软件，对庐山数据进行因子处理，并空间预测和分析庐山北山公路的滑坡危险性。同时由于地信系统具有特有且强大的空间分析功能，因而本研究可以进行制图综合和制图表达[11]。

研究技术路线如图2所示。

图2 技术路线图

3  多元线性回归模型构建

3。 1  多元线性回归分析

回归分析[12]是一种统计方法，是用一组预测变量（自变量）来预测一个或多个响应变量（因变量）。它也可以用以评估自变量对因变量的效果。在很多情况下，不止一个而是多个因子会影响响应变量，这种问题大多归为多元回归分析问题，当预测变量和响应变量之间又存在线性关系时，即为多元线性回归分析问题。比如，降水量不仅会受到温度的影响，还会受到云量、坡向和气压等多种因素的影响。为了全面揭示这种复杂的关系，准确测定他们数量变化情况，可以在完成模型的创建后，深入和系统的分析这种关系。文献综述

多元线性回归模型，即当对响应变量W有显著影响的预测变量有K个，分别为p1,p2,…,pk,且W与p1,p2,…,pk线性相关时，可以用n个方程来表达回归模型[13]：

式中，，，，…，为待定参数；为随机变量，它反映了除p1,p2,…,pk对W的线性关系之外的随机因素对W的影响，是不能由p1,p2,…,pk与W之间的线性关系来解释的变异性。

3。 2  多元线性回归模型

3。 2。 1  数据获取

本研究选取了13个与庐山地理环境相似的滑坡灾害点，即用训练样本点的危险等级去预测庐山北山公路发生滑坡灾害的危险等级，用6个主要的影响因子，即高差、坡度、植被覆盖度（NDVI）、地表曲率、地表粗糙度和地层岩性进行空间预测。对于训练样本数据，高差、地层岩性和危险等级[14]的数据主要从各类报刊文献中查询得到，坡度、地表粗糙度和地表曲率则是通过对高程数据提取得到,高程数据是从SRTM网站下载得到，而植被覆盖度是对TM影像处理得到，获取的部分数据如图3所示。 RS/GIS技术支持下的庐山北山公路滑坡危险性空间预测(2):http://www.youerw.com/guanli/lunwen_90351.html