白龙江流域滑坡危险性评价指标体系的构建

， ， ，

(兰州大学 西部环境教育部重点实验室, 兰州 730000)

1 研究背景

滑坡是指斜坡上的土、岩体，受河流、地下水、地震及人类活动等因素的影响，在重力作用下失稳，整体或分散地向下滑动的自然现象，是一种典型的全球性的重大自然地质灾害[1]。当滑坡发生在人类居住地附近时，会给人类带来巨大的损失，因此，进行区域滑坡危险性评价具有重大意义。

滑坡发育的影响因子错综复杂，因子选取较多或不当，不但会增加评价过程的难度，甚至影响最终评价结果的准确性与可靠性。所以，对影响因子进行筛选及影响因子中各属性类别对滑坡发育贡献的研究是进行滑坡危险性评价的关键。唐川[2]利用敏感性分析方法对德国波恩地区滑坡影响因子进行了分析，同时对该区域进行了滑坡危险性评价。敏感性分析法[3]是由日本学者Masamn Aniya提出的统计学方法，利用ArcGIS对属性数据进行预处理，继而使用敏感性分析法对滑坡发育的影响因子进行筛选，得出关键影响因子，从而建立区域滑坡危险性评价指标体系。基于统计方法的滑坡灾害危险性评价需要假定滑坡的发生与若干因子相关,并且在这些因子的作用下,相同的因子组合状况依然会导致滑坡的发生[4]。早期 E.B.维索科奥斯特罗夫斯卡娅及N.N恰金将信息量法应用于区域矿产预测中[5]，晏同珍先生首先将信息论引入到滑坡预测，继而被许多学者广泛应用到环境质量评估和地质灾害危险性评价中[6]。信息量法是一种统计分析法，用条件概率的形式给出评价因子的权重值，避免了主观臆断性[7]。集空间、属性数据的处理、管理、查询、分析、输入输出及遥感图像处理分析等功能为一体的地理信息系统，是当前滑坡灾害危险性评价的强有力的工具[8-9]。GIS与信息量法的结合，综合了信息量法与GIS评价方法的优点，将GIS技术的数据采集、图形处理、空间分析功能与信息量法的定量分析评价功能结合，弥补了单一评价方法的不足，提高了工作效率以及结果的精准性。

本文以白龙江流域作为研究区，利用GIS的信息量法对白龙江流域滑坡进行危险性评价，通过野外调查及前人研究选取8个影响因子，并对各影响因子及其各属性类进行敏感性分析。

2 研究区概况与研究方法

2.1 研究区概况

研究区为地处青藏高原向黄土高原过渡的斜坡急剧变形带上的白龙江流域，属西秦岭侵蚀-剥蚀构造山地，处于我国南北构造带与东西构造带的交汇处。构造线呈NWW向延伸，断裂多属压性，区内主要地质构造为：白龙江复式背斜、文县复式向斜、文(县)-康(县) 断裂带等。研究区内沟壑纵横、切割强烈、谷道狭窄、山势陡峻，地势西高东低。区内地层从志留系到第四系均有出露，志留系、泥盆系、石炭系、二叠系等分布也较为广泛。受新构造活动的影响，岩层挤压、褶皱断裂严重，导致研究区岩层十分破碎。流域水系呈不规则的树枝状，其主要支流有白水江、岷江、达拉沟和拱坝河等。降水集中在6—9月份，多为暴雨。

2.2 研究方法

2.2.1 敏感性指数IL分析法

IL=b/a;

(1)

a=Pmn(G)/Pm(G) ;

(2)

b=Pmn(L)/Pm(L) 。

(3)

式中：IL表示滑坡敏感性指数；Pmn(L)表示影响因子m的n个属性类别中存在滑坡点的栅格个数；Pm(L)表示影响因子m中的所有滑坡点的栅格个数；Pmn(G)表示影响因子m的n个属性类别中不存在滑坡点的栅格个数；Pm(G) 表示影响因子m所占的总栅格个数[10]。

2.2.2 GIS的信息量法

(1) 计算各影响因子Xi对滑坡灾害发生(H)提供的信息量Ii(Xi，H)：

(4)

式中:P(Xi，H)为滑坡灾害发生(H)条件下出现影响因子Xi的概率；P(Xi)为研究区内出现影响因子Xi的概率。

公式(4)为理论公式，但在实际计算中通常采用下列样本频率计算：

(5)

式中:Ni为分布在影响因素Xi内的灾害单元数，N为研究区内滑坡灾害分布的单元总数;Si为研究区内含有影响因素Xi的单元数，S为研究区所划分的评价单元总数。

(2) 计算某个评价单元内总的信息量I：

(6)

式中n为评价因子数。

(3) 基于GIS的信息量法实际上对处理对象进行了变换，将式(6)进行如下变换：

(7)

式中,N/S为研究区滑坡灾害分布密度，研究区一定时，该值是定值。因此，只需计算Ni/Si即可。

3 评价指标体系的构建

3.1 影响因子敏感性分析

滑坡发育的影响因子一般主要有地层岩性和地质构造、地形地貌、水文地质条件及破坏动力等[11]。本文在野外调查及前人研究的基础上，选取高程、坡度、坡向、地质年代、河流缓冲区、距地质构造线的距离、NDVI以及土地利用8个影响因子，这些评价因子在已有的滑坡危险性评价研究中已被广泛应用, 并取得了大量的研究成果[12-14]。对以上8个影响因子的各属性类进行相对频率组合定量计算，最终确定其滑坡敏感性指数IL。具体计算过程是：①在ArcGIS中将选取的8个影响因子的属性用栅格单元表示，栅格大小为200 m×200 m；②将白龙江流域内402个滑坡灾害点图层添加到ArcGIS中不同属性图层的栅格单元中，提取滑坡灾害点所处位置中各个影响因子的属性数据，用栅格单元个数表示，得出影响因子m的n个类别中存在滑坡点的栅格个数Pmn(L)、影响因子m中所有滑坡点的栅格个数Pm(L)、影响因子m的n个类别中不存在滑坡点的栅格个数Pmn(G)以及影响因子m所占的总栅格个数Pm(G)；③根据公式(1)至公式(3)计算得出各个影响因子的各属性类别的敏感性；④根据影响因子各属性类别的敏感性可得出各影响因子的平均敏感性。

根据敏感性计算方法及Gokceoglu等[15-17]的研究成果,说明某个因子中某一属性类别的IL值大于1，则滑坡与该属性类别成正相关，其对滑坡的发育具有较明显的促进作用,滑坡在该属性类内发生的概率较大；反之若IL值小于1，则说明滑坡与该属性类成负相关，其对滑坡的发育具有一定的抑制作用，滑坡在该属性类内发生的概率较小。而当IL值接近于1时，说明该属性类别与滑坡相关性不大,接近于整个区域内的平均水平。根据各个影响因子各属性类别的敏感性得出各影响因子的平均敏感性，若某个影响因子的平均敏感性值小于1，则不作为该地区滑坡危险性评价的参评因子。

(1) 坡向：坡向对滑坡发育的影响主要表现为山坡的小气候以及水热比的规律性差异[18]。对该因子进行IL计算，如图1(a)所示：在90°～315°之间，IL都大于1，说明在该属性类别范围内对滑坡的发育产生了积极影响；而在其它属性类别中IL都低于1，因此，对滑坡的发育产生了抑制作用。

(2) 高程：水系发育程度、土壤类型、植被类型、人类活动等都与高程有密切的关系，本文将研究区高程分为以下5个类别：575～1 400 m，1 400～2 300 m，2 300～3 200 m，3 200～4 100 m，4 100～5 100 m。通过IL值计算，如图1(b)所示：随着高程的增加，IL值逐渐降低，高程越低，滑坡发育越好。在2 300～5 100 m之间，IL值都低于1，说明在该属性类别范围内对滑坡的发育无影响，相反起到抑制作用；在575～2 300 m之间，IL值大于1，该区域内高程相对较低，人类活动频繁，大范围采石采矿工厂的建立，沿坡地密集的建筑以及修路等，都将引起岩、土体松动，甚至坍塌，同时山区房屋的建设一般都分布于坡面上，在房屋建设过程中，难免触及部分滑坡的滑动面，进而使得斜坡失稳。

(3) 河流缓冲区：河流侵蚀作用对坡面具有极大的影响，河流不断的淘蚀坡角产生许多临空面，促使了滑坡的发生。在ArcGIS中对白龙江进行缓冲区分析，划分距河流的距离500，1 000，1 500，2 000，2 500，3 000 m的缓冲区，将滑坡灾害点关联到河流缓冲区图层中得出，随着缓冲区的增大，滑坡发生的数量和密度逐渐减少。对该因子进行IL值计算，如图1(c)所示：在1 000 m缓冲区以内，IL值都大于1，对滑坡的发育产生了积极影响作用，足够大的临空面是滑坡发生的重要条件之一，河水的不断冲蚀作用，使得河流沿岸的坡角遭到严重的淘蚀，在研究区内产生了大量的临空面，因此距离河流越近，越能够促进滑坡的发育；而在大于1 000 m的缓冲区中IL值都低于1，河流冲蚀能力降低，对滑坡发育的影响作用也越来越小。

(4) 坡度：坡度是滑坡发生的重要影响因素之一，对滑坡发生起到控制性作用。坡度增大，重力及剪切力也随之增大，因此，滑坡发生的概率也不断的增大。本文将研究区坡度分为4个类别：0°～15°，15°～35°，35°～45°，45°～70°。对该因子进行IL值计算，如图1(d)所示：在0°～15°，15°～35°以及45°～70°之间，IL值都大于1，说明在该属性类别范围内对滑坡的发育产生了积极的促进作用。在低坡度范围内，人类活动频繁，地下水埋深较浅，都有利于新滑坡的发育，同时也为老滑坡的复活提供了有利条件。坡度较大的地方，发生崩塌的概率较大，崩塌产生的碎石为滑坡的发育提供了物源条件，因此坡度在45°～70°之间也有利于滑坡灾害的发生。

(5) 土地利用类型：研究区内土地利用类型为耕地、林地、草地、水域、居民用地以及未利用土地6个类型。对该因子进行IL值计算，如图1(e)所示，其中耕地和居民用地的IL值大于1，耕地及居民用地都在不同程度上破坏了土体及岩体的结构，使得研究区内该属性类别中的土体变得松散，进而促进滑坡灾害的发生。

(6) 距断层构造线距离：在ArcGIS中对研究区的断层构造线进行缓冲区分析，划分的缓冲区为：1 000，2 000，3 000，4 000，5 000 m。对该因子进行IL值计算，如图1(f)所示，在距离构造线1 000 m内IL值大于1，在研究区内断层构造线分布零乱，在区域性断裂构造的交叉复合部位，岩石通常较为破碎，距离构造线越近，构造活动越为强烈，其附近岩土遭到破坏程度越大，进而破坏了坡体的稳定性。因而距构造线的距离越远，越不利于滑坡的发育。

(7) 归一化植被指数(NDVI)：本文在ArcGIS中对归一化植被指数进行分类，分别为-0.14～0.13，0.13～0.35，0.35～0.55，0.55～0.75，0.75～0.96。对该因子进行IL值计算，如图1(g)所示，仅在0.13～0.35范围内，IL值大于1，其他范围内IL值都低于1，都抑制了滑坡的发育。

(8) 地质年代：研究区位于松潘-甘孜褶皱带，武都山字型构造与陇南斜迭弧形构造的交错部位[19]。岩性决定相关的力学性质，一般软弱的岩土其力学性质都比较差[20]。对该因子进行IL值计算，如图1(h)所示，在泥盆系(D)、下侏罗系(J)、志留系(S)、新第三系(N)以及第四系(Q)中IL值大于1，在以上5个属性类别范围内，主要岩石类型为千枚岩、灰岩、粉砂岩、泥岩等，岩体风化现象严重，较为破碎松散，为滑坡的发育提供了物源条件；而在石炭系和上白垩系中IL值都略大于1，对该区域滑坡的发育没有产生积极的促进或抑制作用。

3.2 关键影响因子筛选

利用各个影响因子的各属性类别的IL值，对预选的8个影响因子进行平均敏感性计算，得出：土地利用(1.992)>地质年代(1.262)>高程(1.123)>河流缓冲区(1.059)>距断层构造线距离(1.058)>坡度(1.014)>坡向(0.978)>NDVI(0.505)。由于坡向和NDVI的平均敏感性值均小于1，所以，将坡向和NDVI因子剔除，不作为该地区滑坡危险性评价时的参评因子。最终选取土地利用、地质年代、高程、河流缓冲区、距断层构造线距离以及坡度作为白龙江流域滑坡危险性评价的参评因子。

4 滑坡危险性评价

表1 信息量值计算结果Table 1 Calculation results of information quantity

信息量模型就是在栅格单元内将各影响因子对滑坡影响的信息量累加，确定每个栅格单元中各因子对滑坡发生的综合信息量值，然后根据综合信息量值进行危险性区划[21]。研究区内共有滑坡灾害点402个，分布广泛，且暴发频率高，危害极为严重。本文在进行滑坡危险性评价时，首先在ArcGIS中随机选取50个点作为验证点，不参与计算，另外352个滑坡点作为样本点参与计算，进行滑坡危险性分区。

4.1 影响因子信息量值计算

对确定的6个参评因子进行分析，在ArcGIS中对各因子图层进行栅格，栅格大小为200 m×200 m，从各因子图层中提取相关信息，根据公式(7)对各图层因子进行信息量计算，然后在ArcGIS中对各因子图层进行信息量赋值，由于ArcGIS默认取整数，因此，在赋值过程中需要将信息量值扩大十万倍，以便取到小数点后5位。6个因子图层的信息量计算结果见表1。从表中分析得出：高程在575～1 400 m的范围内，信息量值最大，受人类活动影响大，发生滑坡的可能性较大；随着河流缓冲区的增加，信息量值不断减少，说明离河流越近，对滑坡灾害的影响越大；地质年代中，新第三系(N)的信息量值最大，岩性为红色泥岩、砂质泥岩等，与地层呈不整合接触，表层松散破碎的覆盖物为滑坡产生提供了有利条件；坡度在0°～35°以及45°～70°之间容易发生滑坡灾害；距离断层构造线较近的范围内，信息量值大，更容易促进滑坡的发育。土地利用类型中，人类活动频繁的耕地以及居民用地中信息量值大，充分说明，人为活动对滑坡的发育具有重大的影响。

4.2 滑坡危险性分区

图2 白龙江流域滑坡危险性分区图Fig.2 Map of risk zoning for landslides in Bailong river basin

将6张信息量图在ArcGIS中利用Raster Calculator进行运算叠加分析，将各因子的信息量值叠加，得到一张综合信息量图，其信息量范围是-11.141 01～6.095 59，信息量值越大，发生滑坡的可能性越大。在ArcGIS中将其重新分类，划分为5级：极高度危险区(2.648 27～6.095 59)、高度危险区(-0.799 05～2.648 27)、中度危险区(-4.246 37～-0.799 05)、轻度危险区(-7.693 69～-4.246 37)以及极轻度危险区(-11.141 01～-7.693 69)。最后，得到白龙江滑坡危险性区划图，如图2。图中红色区域容易发生滑坡灾害，主要集中在白龙江沿岸，舟曲一带的山坡上，岷江下游官亭—两河口段区域、拱坝河下游以及武都部分区域。

4.3 结果验证

将50个滑坡验证点在ArcGIS中关联到上述危险性分区图中，其中16个滑坡点落在极高度危险区内，33个滑坡点落在高度危险区内，1个滑坡点落在中度危险性区内，因此，98%的验证点落在高度及极高度危险区内，充分证明GIS技术和信息量法在滑坡危险性评价中的可靠性和准确性，同时也证明了本文所选取的评价因子的正确性及合理性。

5 结 论

(1) 本文利用滑坡敏感性指数对影响白龙江流域滑坡发育的影响因子进行了详细分析，最终得出：影响因子属性类别在高程为575～2 300 m、坡度在0°～15°，15°～35°以及45°～70°之间、河流缓冲区在1 000 m之内、土地利用为耕地和居民用地、地质年代为泥盆系、下侏罗系、志留系、新第三系以及第四系，距离构造线在1 000 m以内时，对研究区滑坡灾害的发育起到积极的促进作用。

(2) 由于坡向和NDVI的平均敏感性指数小于1，因此将二者剔除。最终确定高程、坡度、土地利用、地质年代、距断层构造线距离以及河流缓冲区6个影响因子作为白龙江流域滑坡危险性评价的参评因子。最终利用GIS技术和信息量法结合将研究区滑坡危险性等级划分为5级。

(3) 本文选取敏感性指数分析法及GIS的信息量法，对参评因子选取时没有直接将人为选取的影响因子全部进行笼统的叠加分析，而是经过细致分析，经过筛选得到合理的指标体系；在最终评价时也通过了信息量法的统计分析，用条件概率的形式较客观地赋予了评价因子权重。二者都较好地避免了人为的主观臆断性，提高了评价结果的精准性。

(4) 由于资料来源有限，未能获取更高分辨率影像，在作分析时必然影响结果，有待进一步改善。

参考文献：

[1] 兰恒星,王苓涓,周成虎.地理信息系统支持下的滑坡灾害分析模型研究[J].工程地质学报,2002, (4):421-427.(LAN Heng-xing, WANG Ling-juan, ZHOU Cheng-hu. Study on GIS-aided Model for Analysis of Landslide Hazard[J]. Journal of Engineering Geology, 2002, (4): 421-427.(in Chinese))

[2] 唐 川.德国波恩地区滑坡特征与危险性评价[J].水土保持学报,2000,14(1):49-53.(TANG Chuan. Characteristics of Landslides and Its Hazard Assessment in Boon Area, Germany[J]. Journal of Soil Water Conservation, 2000, 14(1): 49-53.(in Chinese))

[3] 唐 川, GRUNERT J. 滑坡灾害评价原理与方法研究[J].地理学,1998,53(6):149-157.(TANG Chuan. GRUNERT J. Principles and Methodology of Landslide Hazard Assessment[J]. Acta Geographica Sinica, 1998, 53(6): 149-157.(in Chinese))

[4] 司康平,田 原,汪大明,等.滑坡灾害危险性评价的3种统计方法比较[J].北京大学学报:自然科学版,2009,45(4):639-646.(SI Kang-ping, TIAN Yuan, WANG Da-ming,etal. The Comparison of Three Statistical Methods on Landslide Susceptibility Analysis: A Case Study of Shenzhen City[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2009, 45(4): 639-646.(in Chinese))

[5] 赵鹏大.矿床统计预测[M]. 北京: 地质出版社,1983.(ZHAO Peng-da. Statistical Prediction of Mineral Deposit[M]. Beijing: Geological Publishing House, 1983.(in Chinese))

[6] 张俊峰,何政伟,汪宙峰.基于GIS的信息量法在天山公路地质稳定性评价系统中的应用[J]. 测绘科学,2008, 33(2):170.(ZHANG Jun-feng, HE Zheng-wei, WANG Zhou-feng. The Application of Information Model Based on GIS in Geology Stability Evaluation System of Tianshan Road[J]. Science of Surveying and Mapping, 2008, 33(2):170.(in Chinese))

[7] 王志旺,李端有,王湘桂.区域滑坡空间预测方法研究综述[J].长江科学院院报,2012,29(5):78-94. (WANG Zhi-wang, LI Duan-you, WANG Xiang-gui. Review of Researches on Regional Landslide Susceptibility Mapping Model[J]. Journal of Yangtze River Scientific Research Institute, 2012, 29(5): 78-94.(in Chinese))

[8] 戴福初,李 军.地理信息系统在滑坡灾害研究中的应用[J].地质科技情报,2000,19(1):91-96.(DAI Fu-chu, LI Jun. Applications of Geographical Information Systems in Landslide Studies[J]. Geological Science and Technology Information, 2000, 19(1): 91-96.(in Chinese))

[9] 韦京莲.地质灾害信息系统的数据准备及数据库设计[J].煤田地质与勘探,2002,30(1):30-32. (WEI Jing-lian. Data Preparation and Database Design for Information System on Geological Disaster[J]. Coal Geology and Exploration, 2002, 30(1): 30-32.(in Chinese))

[10] 赵建华,陈汉林,杨树锋,等.滑坡危险性评价中关键因素的筛选[J].自然灾害学报,2008,17 (2):87-92.(ZHAO Jian-hua, CHEN Han-lin, YANG Shu-feng,etal. Selection of Key Factors in Assessment of Landslide Hazard[J]. Journal of Natural Disasters, 2008, 17 (2): 87-92.(in Chinese))

[11] 王志旺.基于GIS技术的区域滑坡分形特征分析与危险性评价[D].武汉：中国地质大学，2010.(WANG Zhi-wang. GIS-Based Methods for Fractal Analysis and Hazard Estimation of Regional Landslides[D]. Wuhan: China University of Geosciences, 2010.(in Chinese))

[12] 楚敬龙,杜加强,滕彦国,等. 基于GIS的重庆市万州区滑坡灾害危险性评价[J].地质通报,2008,27(11):1875-1881.(CHU Jing-long, DU Jia-qiang, TENG Yan-guo,etal. Landslide Hazard Evaluation for Wanzhou District, Chongqing City, China, Using GIS[J]. Geological Bulletin of China, 2008,27(11):1875-1881.(in Chinese))

[13] 李铁锋,温铭生,丛威青,等.降雨型滑坡危险性区划方法[J].地学前缘,2007,14(6):107-111.(LI Tie-feng, WEN Ming-sheng, CONG Wei-qing,etal. Research on the Zonation Methods of Landslides Triggered by Rainfall[J]. Earth Science Frontiers, 2007, 14(6): 107-111.(in Chinese))

[14] AL-HOMOUD A S, MASANAT Y. A Classification System for the Assessment of Slope Stability of Terrains along Highway Routes in Jordan[J]. Environmental Geology, 1998,34(1): 59-69.

[15] GOKCEOGLU C, AKSOY H. Landslide Susceptibility Mapping of the Slopes in the Residual Soils of the Mengen Region (Turkey) by Deterministic Stability Analyses and Image Processing Techniques[J]. Engineering Geology, 1996, 44(1/4): 147-161.

[16] LUZI L, PERGALANI F, TERLIEN M T J. Slope Vulnerability to Earthquakes at Subregional Scale, Using Probabilistic Techniques and Geographic Information Systems[J]. Engineering Geology, 2000, 58(3/4): 313- 336.

[17] LEE S, MIN K. Statistical Analysis of Landslide Susceptibility at Yong in Korea[J]. Environmental Geology, 2001,40(9):1095-1113.

[18] 高克昌,崔 鹏,赵纯勇,等. 基于地理信息系统和信息量模型的滑坡危险性评价——以重庆万州为例[J].岩石力学与工程学报,2006，(5):991-996.(GAO Ke-chang, CUI Peng, ZHAO Chun-yong,etal. Landslide Hazard Evaluation of Wanzhou Based on GIS Information Value Method in the Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2006, (5): 991-996.(in Chinese))

[19] 韩金华.基于GIS的白龙江流域泥石流危险性评价研究[D].兰州：兰州大学,2010.(HAN Jin-hua. Study on GIS-based Risk Assessment on Debris Flows of Bailong Basin[D]. Lanzhou： Lanzhou University, 2010.(in Chinese))

[20] 周 伟.基于Logistic回归和SINMAP模型的白龙江流域滑坡危险性评价研究[D].兰州：兰州大学,2012.(ZHOU Wei. Landslide Hazard Assessment Based on Logistic Regression and SINMAP Model in Bailong River Basin[D].Lanzhou： Lanzhou University, 2012.(in Chinese))

[21] 魏从玲.基于GIS的巫山县滑坡地质灾害危险性评价[D].重庆：西南大学,2008.(WEI Cong-ling. GIS-Based Assessment of Landslide’s Geological Hazard in Wushan County[D]. Chongqing: Southwest University, 2008.(in Chinese))