杭州市滑坡地质灾害危险性区划与评价

俞 布，潘文卓，宋 健，缪启龙，张玮玮，段春锋

（1. 杭州市气象局，杭州 310051；2. 浙江省气象局，杭州 310051；3. 南京信息工程大学 江苏省农业气象重点实验室，南京 210044）

1 前 言

滑坡是发生在山地丘陵区的最主要地质灾害类型，具有突发性强、易损度高的特点，与地震、火山并列成为全球性的主要地质灾害类型[1]。随着城市化与气象次生动力因素的交互作用，潜在地质灾害风险被无限放大，给人们在防灾、减灾规划方面提出了新的要求。不断发生的滑坡地质灾害表明，完全避免或阻止滑坡地质灾害的发生并不现实，但若采用有效的灾害管理战略，则可减轻其带来的巨大损失。因此，根据影响滑坡地质灾害形成、发展的孕育环境及成灾特征，分析区域滑坡地质灾害危险性分布，对经济可持续发展及地质灾害防御规划具有重要社会价值。

滑坡危险性研究通常采取两种方式：一种是基于滑坡孕育、演化机制及工程地质学模型对坡面稳定性的定量评价[2]，这种确定性模型需要逐点进行大量地质构造及动力学监测，对于特定滑坡点位研究较为合适，对于大范围潜在滑坡危险性评价而言，无论从人力、物力，以及时间、技术投入等方面考虑均较难实现。另一种基于统计学理论，根据特定区域内滑坡点位的孕育环境、诱发因素及其相互关联建立数学经验模型，从滑坡概率分析及滑坡风险接受准则等方面实现滑坡危险程度的定量、半定量研究[3]，如戴福初等[4]用支持向量机统计方法实现了香港滑坡地质灾害的空间预测；Guzzetti等[5]在意大利中部的Collazzone地区建立了滑坡敏感性统计分析模型，并提出了滑坡敏感性模型评估的技术框架；唐川[6]基于影响斜坡稳定性的10种评定因素，对德国波恩地区进行滑坡危险性等级划分。总体而言，滑坡危险性评价的统计学模型大多是建立在敏感性指标选取及其权重确定的基础上，这也直接影响到评价质量和区划精度[7-8]。由于滑坡系统形成过程复杂，非确定性因素较多，并存在多种非定量指标的参与，如何确定评价指标及其权重是滑坡统计学模型的研究瓶颈。

本文引入证据权法，利用滑坡数据集和环境敏感性变量来探讨该方法在滑坡灾害危险性区划的适用性。证据权法是一种结合空间数据来描述和分析其相互作用的有效工具，并为决策者提供智力支持[9]，已在医学诊断、矿产资源探测等方面得到广泛的应用。这里以杭州市为研究区，立足该地区历史滑坡点位的空间位置关系，基于复合地学信息的多源栅格图层，在GIS空间叠置技术的支持下建立证据权模型，客观定量地分析杭州滑坡地质灾害的发育状况，并据此进行潜在滑坡的空间预测及滑坡灾害危险性区划。

2 研究区概况

研究区位于浙江省西北部，长江三角洲南翼，界于北纬 29°11'～30°34'，东经 118°20'～129°37'，土地总面积为16596 km2，地处江南地层分区，地层出露齐全，滑坡地质灾害较为发育，尤其在河流、湖泊沿岸以及软硬岩石互层地段分布较密[10]。截止2009年，区内共发生包括崩塌、滑坡、地面塌陷以及泥石流等地质灾害个例1281次，其中滑坡占全部地质灾害总数的67.24%，大于1万方稳定性差或较差的滑坡100处，占本区滑坡的50%。

本文研究资料来源于杭州市地质环境检测调查大队实测1930－2009年间的1905个滑坡地质灾害详细记录和反映研究区环境概况的气象、水文及地质资料,主要来源于杭州市气象局，包括覆盖研究区的1: 25万DEM、杭州市土地利用、1951－2009年杭州7个国家气候基准站及250个自动气象站的逐日降水资料，以及中国地质矿产部编辑的 1:500万中国地质图。

图1 杭州市水系与滑坡灾害分布Fig.1 The distribution of water system and landslide hazards in Hangzhou city

3 研究方法

证据权法最早是由加拿大数学地质学家Agterberg将其引入地质科学领域[11－12]，主要应用于矿产预测。这件方法以贝叶斯条件概率为理论基础，通过定量分析确定与预测结果关联性较大的证据层因子，建立基于二值变量的相关证据图层，其中每一个证据图层均可通过对预测结果的贡献程度确定其权重，然后基于各证据因子权重及训练样本的点位特征计算空间任意位置预测结果发生概率。

本文利用证据权法实现滑坡危险性区划，将滑坡点定义为点对象，与滑坡发育关联性较大的气象、水文、地质以及人类工程影响等图层定义为证据因子。首先，将研究区划分N个为100 m×100 m的格网单元，每一个滑坡点对应相应格网单元。任意单元发生滑坡的先验概率可通过式(1)求得。

式中：D为存在滑坡格网数。

其次，基于影响滑坡发育的证据因子与滑坡点位的空间相对分布，计算各证据因子逐一格网单元的权重值，计算公式为

证据权法要求各证据因子之间满足条件独立性原则，因此应用贝叶斯定理线性对数方法对各证据因子进行条件独立性检验，同时计算多种证据因子同时存在时的滑坡预测值，即后验概率P=O/(1+O)，继而圈定滑坡危险等级的预测靶区,

式中：O(D)为先验几率，O(D)=P(D)/(1-P(D))；Bi为第i个证据层；K(i)在第i个证据层存在时是+，不存在时是-；分别为第i个预测变量存在或不存在区的权重值。

4 过程与分析

4.1 训练样本的选择与先验概率运算

根据研究区内1930－2009年间所收集的1905个滑坡个例以及其空间属性，采用分离样本法将原始数据集划分为两部分，提取85%的训练样本参与证据权模型的建立，另外,15%的样本用于模型的检验。

基于ArcGIS平台的Fishnet模块实现研究区的格网化，将研究区划分为9482130个100 m×100 m的格网单元，并在每个网格中判定相应的滑坡单元属性，统计存在滑坡点的格网数目，求得先验概率值为0.000201。

4.2 证据因子的选择与权重计算

滑坡灾害是一种多因素综合作用的产物，涉及地形地貌、地质环境，以及天气、水文动力等方面，因此,滑坡灾害影响因素的选取是危险性研究的基础。通过对杭州历史滑坡灾害记录的个例分析并结合前人对滑坡形成机制研究[13－14]发现,地形坡度、高程、坡向、河网缓冲、地层岩性以及人类工程活动对杭州滑坡地质灾害的形成影响较大，可以作为对滑坡孕育有利的参考证据图层。

（1）降雨强度

降雨，尤其是1～3 d的连续性强降水，是诱发滑坡的最主要动力因素。根据前人对降水与山体滑坡灾害机制研究成果，降水可能通过增加孔隙水压力而减少抗滑力，从而改变岩土体强度和斜坡的应力状态，致使边坡失稳。通过对研究区521个时间确切记录的滑坡单点统计，山体滑坡发生当天及前5 d内有降水发生的滑坡个例共414个，占全部滑坡总数的79%以上。

研究区滑坡发生频次与降水强度也存在较强关联，将降水强度按中到大雨（10～50 mm）及暴雨（50 mm以上）划分，见表1，不同降水强度对山体滑坡的影响作用明显不同。一般而言，降水强度越大，雨水的下渗速度越快，造成的动静水压力越大，诱发滑坡更快；而降水强度较小，山体滑坡的孕育过程也相对缓慢。通过研究区降水强度与滑坡个例分析,50 mm以上当日降水致使滑坡发生的案例约占滑坡总数的43%，同等强度前1 d降水导致滑坡产生比重为12%，前2 d约占为5%，以此类推，距离降水时间越久，滑坡个例越少。然而，对于10～50 mm中等强度降水，滑坡与降水之间存在时间差，即滑坡发生日期往往滞后于该种强度降水2～3 d，时间差超过3 d时，除非是连续性降水，否则对后续滑坡发生的贡献越来越低。

表1 降水强度与滑坡发生的时段分析Table1 The analysis of precipitation intensity and landslide happen time

国外学者对于降水与滑坡关系的研究相对较多，Onordera[15]研究指出，在日本累积雨量超过150 mm，或每小时降雨强度超过20 mm时，大量滑坡将发生滑动。美国SanBenito和Alameda地区将过程累积雨量 180～250 mm作为当地滑坡发生的临界值。本文通过对杭州市近 60年的逐日降水量与历史滑坡点的研究，认为暴雨或持续性降水是诱发山体滑坡的主要因素，并在3 d内对滑坡发生贡献明显，因此可将连续3 d累计降水量100 mm作为杭州市诱发滑坡的降水临界值。由于杭州7个气象基准站的降水资料时间尺度不一致，不利于降水强度的空间比对，因此以各站点连续3 d累积降水100 mm以上年均次数作为反映降水强度的证据图层。受地形差异影响，东西部地区存在明显的降水差别，以淳安站为代表的西部山地丘陵区年均降水次数为3.96次，而地处东北部平原的萧山站年均降水次数仅为2.71次，见表2。

表2 降水强度证据层及权重Table2 The evidence layers and the weight of precipitation intensity

（2）地层岩性

岩、土体所属的地层岩性是产生滑坡的物质基础。通常，结构松软，抗剪强度和抗风化能力较低，易变性的岩土类型较易发生滑坡。根据杭州市地层构造分布，中、西部山地丘陵地带滑坡较为发育，局部地段存在软弱岩层，诸如奥陶、志留系泥岩，粉砂岩等，局地此类岩体大多层薄不纯，风化层剥蚀严重，受水土流失动力作用影响，斜坡基岩得以暴露，致使顺向坡山体极不稳定，容易发生滑坡或泥石流，见表3。

表3 地层岩性证据层及权重Table3 The evidence layers and the weight of formation lithology

（3）地形坡度

杭州市的坡度范围分布在0°～57.7°之间，尤其在中部高山丘陵区和西部千岛湖水域周围，这也是杭州滑坡地质灾害比较严重的地区。根据已有1793个滑坡灾害记录，杭州山体滑坡的斜坡坡度在 25°以下的滑坡点相对较多，占全部滑坡的94.3%；大于40°坡度范围时，滑坡数量急剧减少，是由于 40°以上的斜坡在漫长的历史风化过程中，大多易滑区域早已成灾滑落，即使仍有陡峭的岩体也大多坚硬、稳定且不易松动，一般不易成灾，见表4。

（4）地形坡向

由于朝向不同，山坡的小气候和水热比情况有规律性差异，导致不同朝向坡面上自然地理诸要素的规律性分异，也往往存在滑坡分布的规律性分异。根据研究区内滑坡点坡向分布直方图，把坡向分为 8个方向区间：北坡（0°～22.5°，337.5°～360°）、东北坡（22.5°～67.5°）、东坡（67.5°～112.5°）、东南坡（112.5°～157.5°）、南坡（157.5°～202.5°）、西南坡（202.5°～247.5°）、西坡（247.5°～292.5°）、西北坡（292.5°～337.5°）。从杭州市滑坡点的斜坡坡向分布看，似乎规律性不太明显，但南、西南以及西向的坡面还是能够看出相对较多的滑坡点分布。这可能是由于阳坡沟谷比阴坡较为发育，更易于发生滑坡。本文研究结果与吴彩燕等[16]对三峡库区云阳－巫山段西、南坡向与滑坡发育关联较大的结论一致，能够反映出坡向与滑坡发育的一般性规律，见表5。

（5）地形高程

统计研究表明，地层岩性及河谷切割深度控制着谷坡的高度，从而控制滑坡的后缘高程[17]，可见高程分布理应作为滑坡预测的重要指示因子。根据已有记录的滑坡点位提取各滑坡点的海拔高度值，大部分滑坡点集中在50～450 m海拔高度以内，主要分布在杭州中部及西南低山丘陵区以及淳安千岛湖沿岸山地，该区发生的滑坡个例占全部滑坡记录的86%，而50 m以下海拔高度产生滑坡的可能性较低，仅为全部滑坡总数的1%以下，见表6。

（6）河网缓冲距离

河流的侵蚀作用是岸坡破坏、演变的主要外动力之一。从目前新安江水库边岸众多的崩滑体沿湖区周边密布这一事实来看，河流对坡角掏蚀作用明显，大量临空面的产生也致使众多滑移控制面得以暴露，从而使得水库边岸的滑坡体如此发育。因此，滑坡点与河网缓冲距离这一影响因素是必须被考虑的。根据研究区滑坡点的空间分布，54%的滑坡点位于河流水库的1000 m缓冲距离以内，尤其在新安江、分水江流域，这种特征尤为明显。另外，从见表7和图3也明显看出，滑坡点的个数随着河流缓冲距离的增加呈指数显著减少的趋势，其中距离河流200 m以内的滑坡点数为250个左右，500 m以内的滑坡点已超过500个。

表4 坡度证据层及权重Table4 The evidence layers and the weight of slope

表5 坡向证据层及权重Table5 The evidence layers and the weight of slope direction

表6 高程证据层及权重Table6 The evidence layers and the weight of elevation

表7 河流缓冲距离证据层及权重Table7 The evidence layers and the weight of buffer distance to river

（7）道路缓冲距离

工程道路建设是诱发滑坡的最主要人类活动类型，其中开挖坡角和人工弃土是滑坡发生的两个重要诱发因素，道路工程缓冲距离也应作为滑坡预测的重要参考证据。本文根据杭州市气象局提供的土地利用数据提取研究区内道路矢量数据，并依据道路距离与滑坡点数的直方图分布将道路缓冲距离划分为 0～200，200～400，400～600，600～800，800～1000 m以及1000 m以上的6个区间。如图3所示，滑坡点个数与道路缓冲范围具有极好的指数相关关系，距离道路中心400 m以内的滑坡点高达897个，即占全部滑坡点数的70%左右，如表8所列。

4.3 证据因子的优选及后验概率计算

证据权法的理论基础是贝叶斯法则，该理论以条件独立性假设为前提。在利用证据权法进行滑坡危险性区划研究时，各证据因子之间必须通过条件独立性检验，这也是证据因子优选的必要条件。利用卡方（χ2）检验实现对所有成对证据因子，预测专题图的有效性进行验证。该独立性检验过程基于 Arc-WofE扩展模块，条件独立性检验结果见表 9，各证据因子相对于滑坡点分布的独立性检验概率均小于 0.4，即各因子均通过条件独立性检验。

图3 滑坡点与河网、道路缓冲距离的相关关系Fig.3 The correlation between landslide points and distances to river and roads

表8 道路缓冲距离证据层及权重Table8 The evidence layers and the weight of buffer distances to road

表9 证据因子条件独立性检验Table9 The probability values from the pairwise test of the conditional independence for evidence factors

证据因子优选的另一指示标准为对比度C筛选准则。对比度越大，表明相应证据因子与滑坡点分布的关系越密切，对滑坡点预测的敏感性越高，并可据此作为滑坡危险性评价因素的剔选条件。通过各证据因子的对比度计算以及条件独立性检验，筛选以下证据层：降水强度（连续 3 d累积降水100 mm以上年均次数大于3.49次）；地层岩性（志留系、奥陶系、侏罗系）；高程因子（50～150 m 、150～300 m）；坡度因子（5°～15°）；坡向因子（南、西南、西面朝向）；河流缓冲距离因子（<1000 m）；道路缓冲距离因子为500 m以内。至此，证据权模型建立所涉及的2个基本要素（筛选后证据因子权重W+、先验概率）均得以满足，只需代入后验概率式（3）计算这些证据层同时存在时的权重和，即可得到滑坡危险性预测结果（见图4）。

图4 杭州市滑坡危险性区划Fig.4 Zonation of landslide risk in Hangzhou

较低危险(0.00027～0.00154)

4.4 滑坡危险性区划与验证

基于优选后的多种证据因子叠加，利用Arc-WofE扩展模块计算预测滑坡点位的后验概率值（滑坡发生风险的表证值），并通过自然断点法将研究区划分为较高危险（0.26181～0.54892）、次高危险（0.07237～0.26181）、中等危险（0.01424～0.07237）、次低危险（0.00154～0.01424）以及较低危险（0.00027～0.00154）5级危险区，实现了基于证据权法的滑坡危险性区划，其中后验概率值代表各独立的单元格预测滑坡点的概率大小，概率值域一般在0～1之间，概率值越大，表明发生滑坡地质灾害的可能性越高。经过计算，研究区后验概率值介于0～0.55之间。

依据分离样本法，将历史滑坡点的15%作为验证样本参与滑坡危险性区划的检验，结果显示 286个验证样本中 88.3%的滑坡点落在高危险区内，检验样本与区划结果较为吻合，即滑坡危险性区划具有较高的可行性。

由图4可见，滑坡中、高危险性区域主要分布在杭州中、西部山地丘陵区，包括临安市中部，富阳市西北部，富春江、分水江沿岸，以及新安江流域，而广阔的东北平原区及高海拔山区一般以较低危险性呈现。此外，高危险性区域分布具有一定的规律性特征：（1）地貌类型主要为低山丘陵为主，受地层岩性及河谷切割深度控制，滑坡后缘高程平均海拔不足300 m；（2）以河流中心线为基准线，高危险性区域较多的分布在河谷两岸500 m缓冲区内，这一地区受河流季节性的涨落引起岸坡带动、静水压力发生变化，加之岸坡带风化作用较强，岩石变得相对的不稳定；（3）在迎风高坡南侧存在较多高危险性区域，如天目山、昱岭南部，以及白际山脉东南侧区域等。由于迎风坡面对暖湿空气的抬升作用较为明显，常常在坡面南侧形成强降水中心，短时或持续性强降水极易致使边坡失稳；（4）中、高危险性区域沿道路工程地段性分布。道路工程建设对边坡的直接破坏作用致使带状临空面沿坡脚形成，改变了坡体应力状态和边坡稳定条件，很可能形成不连续带状发育的滑坡群。

5 结 论

（1）基于证据权法实现了杭州市滑坡灾害危险性区划。通过对比区划结果与历史滑坡点位分布，两者较为吻合，说明该模型在滑坡地质灾害研究方面具有较好的适用性和精度。

（2）持续性强降水、地层岩性、高程、坡度、坡向、河网及道路缓冲是杭州市滑坡灾害危险性预测的重要指示因子。各种证据因子在不同范围、不同程度、不同阶段上对滑坡灾害危险程度存在着差别化贡献，而且滑坡是多种因素的联合作用产物。

（3）基于证据权法的滑坡灾害评价模型同样存在着适用性未知和研究缺陷，研究表明在景观尺度上研究滑坡分布有良好的效果，通过更详细的资料或者使用多尺度方法进行地质灾害模拟，可以提高预测的准确性[18]，但对于样本量较少、研究区域较小的滑坡地质灾害预测是否具有同样的可行性和精度尚不得而知。此外，该模型过度依赖数据质量，滑坡点的采集精度及证据图层的空间尺度都将直接影响到灾害评价的准确性。

[1]DAI F C,LEE C F,NGAI Y Y. Landslide risk assessment and management: An overview[J]. Engineering Geology,2002,64(1): 65－87.

[2]IVERSON R M. Landslide triggering by rain infiltration[J]. Water Resources Research,2000,36(7):1897－1910.

[3]殷坤龙. 滑坡灾害预测预报[M]. 武汉: 中国地质大学出版社,2004.

[4]戴福初,姚鑫,谭国焕. 滑坡灾害空间预测支持向量机模型及其应用[J]. 地学前缘,2007,14 (6): 153－159.DAI Fu-chu,YAO Xin,TAN Guo-huan. Landslide susceptibility mapping using support vector machines[J].Earth Science Frontiers,2007,14 (6): 153－159.

[5]GUZZETTI F,REICHENBACH P,ARDIZZONE F,et al. Estimating the quality of landslide susceptibility models[J]. Geomorphology,2006,81(1/2): 166－184.

[6]唐川. 滑坡灾害评价原理和方法研究[J]. 地理学报,1998,53: 149－157.TANG Chuan. The principles and methodology of landslide hazard assessment[J]. Acta Geographica Sinica,1998,53: 149－157.

[7]梁桂兰,徐卫亚,何育智,等. 边坡工程监测信息可视化分析系统研发及应用[J]. 岩土力学,2008,29(3): 849－853.LIANG Gui-lan,XU Wei-ya,HE Yu-zhi,et al. Visual system development and application of data analysis for slope engineering[J]. Rock and Soil Mechanics,2008,29(3): 849－853.

[8]倪长健,王顺久,丁晶. 边坡稳定性评价的投影寻踪聚类模型[J]. 岩石力学与工程学报,2004,23(16): 2687－2689.NI Chang-jian,WANG Shun-jiu,DING Jing. Projection pursuit cluster model for slope stability evaluation[J].Chinese Journal of Rock Mechanics and Engineering,2004,23(16): 2687－2689.

[9]秦喜文,张树清,李晓峰,等. 基于证据权重法的丹顶鹤栖息地适宜性评价[J]. 生态学报,2009,29(3): 1074－1082.QIN Xi-wen,ZHANG Shu-qing,LI Xiao-feng,et al.Assessment of red-crowned cranes habitat suitability based on weights-of-evidence[J]. Acta Ecologica Sinica,2009,29(3): 1074－1082.

[10]浙江省地质矿产局. 浙江省区域地质志[M]. 北京: 地质出版社,1989: 499－526.

[11]BONHAM-CARTER G F,AGTERBERG F P,WRIGHT D F. Weights of evidence modeling: A new approach to mapping mineral potential[J]. Statistical Applications in the Earth Sciences,1990,1: 171－183.

[12]王志旺,李端有,王湘桂. 证据权法在滑坡危险度区划研究中的应用[J]. 岩土工程学报,2007,29(8): 1268－1273.WANG Zhi-wang,LI Duan-you,WANG Xiang-gui.Zonation of landslide hazards based on weights of evidence model[J]. Chinese Journal of Geotechnical Engineering,2007,29(8): 1268－1273.

[13]殷坤龙,朱良峰. 滑坡灾害空间区划及 GIS应用研究[J]. 地学前缘,2001,8(2): 279－284.YIN Kun-long,ZHU Liang-feng. Landslide hazard zonation and application of GIS[J]. Earth Science Frontiers,2001,8(2): 279－284.

[14]兰恒星,伍法权,周成虎,等. 基于GIS的云南小江流域滑坡因子敏感性分析[J]. 岩石力学与工程学报,2002,21(10): 1500－1506.LAN Heng-xing,WU Fa-quan,ZHOU Cheg-hu,et al.Analysis of susceptibility of GIS based landslide triggering factors in Yunnan Xiaojiang watershed[J].Chinese Journal of Rock Mechanics and Engineering,2002,21(10): 1500－1506.

[15]ONODERA T,YOSHINAKA R,KAZAMA H. Slope failures caused by heavy rainfall in Japan[C]//Proceedings of the 2nd International Congress of the International Association of Engineering Geology. SaoPaulo,Brazil:[s.n.],1974: 1－10.

[16]吴彩燕,乔建平. 三峡库区云阳－巫山段坡向因素对滑坡发育的贡献率研究[J]. 四川大学学报(工程科学版),2005,37(4): 25－29.WU Cai-yan,QIAO Jian-ping. The contributing rate research of slope aspect to landslide growth from Yunyang to Wushan in Three Gorges Reservoir region[J].Journal of Sichuan University (Engineering Science Edition),2005,37(4): 25－29.

[17]杜榕桓,刘新民,袁建模,等. 长江三峡工程库区滑坡与泥石流研究[M]. 成都: 四川科学技术出版社,1990.

[18]JABERG C,GUISAN A. Modelling the distribution of bats in relation to landscape structure in a temperate mountain environment[J]. Journal of Applied Ecology,2001,38: 1169－1181.