特定区域内山体滑坡等多灾害预测

马雅文 G.加普林达什维利 C.V.韦斯腾

(1.长江勘测规划设计研究院，湖北 武汉 430010； 2.格鲁吉亚第比利斯国立大学，第比利斯，0179； 3.荷兰特温特大学ITC学院，恩斯赫德，7500AE)

特定区域内山体滑坡等多灾害预测

马雅文1G.加普林达什维利2C.V.韦斯腾3

(1.长江勘测规划设计研究院，湖北 武汉 430010； 2.格鲁吉亚第比利斯国立大学，第比利斯，0179； 3.荷兰特温特大学ITC学院，恩斯赫德，7500AE)

滑坡作为山区主要自然灾害之一，给人类生命和财产带来巨大威胁。在历史数据缺乏的情况下，以格鲁吉亚姆茨赫塔-姆季阿涅季州为研究范围，模拟了该区域的滑坡及其范围。利用ILWIS软件空间多标准评价(SMCE)方法评估特定区域范围内土地脆弱性，选择高脆弱性区域作为滑坡起始点，再采用Flow-R软件模拟了当触发因子较弱、中等和较强3种情况的滑坡范围。结果表明：在充分了解当地环境的情况下，经验型的滑坡预测可以较好地模拟出滑坡范围；对滑坡范围的模拟比单纯的土地脆弱性分析能更好地预测这类自然灾害。从格鲁吉亚环保部提供的已有滑坡地点记录看，预测结果与当地有记录的滑坡灾害基本符合。

灾害；滑坡； 脆弱性评价；空间多标准评价；区域范围；滑坡范围；模型预测分析

1 研究背景和意义

自然灾害是影响许多国家经济、社会和环境的原因之一。滑坡作为山区主要的自然灾害之一，给人类生命和财产带来了巨大威胁。广义的滑坡是指一切由于重力作用引起的山坡块体运动，还包含泥石流、岩崩和雪崩等。

目前，为了降低滑坡带来的危害，在滑坡发生前及时搬迁是最理想的方法之一。因此对滑坡的预测，有助于减轻和降低其带来的损失。然而，由于缺乏历史数据，通常难以实现对区域规模滑坡的预测。本文研究了在缺乏历史数据的情况下，特定区域范围内山体滑坡范围的预测和模拟方法。利用ILWIS软件空间多标准评价(SMCE)方法评估区域范围内土体的脆弱性，选择高脆弱性区域作为滑坡起始点，利用Flow-R软件模拟了当触发因子(例如地震、降雨等)较弱、中等和较强3种情况的山体滑坡范围。

2 数据搜集和分析

2.1 数字高程模型

通过数字高程模型数据不仅可以获得特定区域地形因素(如坡度、角度、坡度曲率)，还可以获得水文参数(如流向、流路、水流网络等)。该研究对比了两种数据源生成的数字高程模型，分别是来自ASTER的全球高程模型(GDEM)和格鲁吉亚方面提供的20 m精度等高线。

滑坡范围预测软件Flow-R 对区域范围运行的最小栅格精度是50 m；ASTER GDEM数据高程精度较低(约为30 m)；ASTER数据内插50 m栅格时受原格式影响较大，而20 m精度等高线较好。所以该研究中所采用的数字高程模型由20 m精度等高线内插获得，栅格大小为50 m。

2.2 土地覆盖地图

土地覆盖地图来自1∶500 000比例尺地貌图。经过对地貌图数字化，得到矢量化土地覆盖地图。对土地覆盖地图的分析发现，由于山区地形特殊，山地人类活动相对较少，森林和草地等植被所占比重较大，人类活动区域如城市、农田、果园、公路铁路等所占比重较小。土地覆盖也与地形地貌相符，山区海拔较高区域，分布有冰山、草地和灌木等；海拔较低区分布有森林和人类活动区域。

2.3 地质条件

地质地图来自于1∶500 000比例尺纸质地图，处理方法与土地覆盖地图类似。由于地质种类众多、分布零散，再加上本文针对大范围内的灾害进行模拟，因此按地质形成年代进行了区分。

2.4 水网和路网

水网数据来自数字高程模型，利用软件ILWIS处理获得。这里水网并不仅指河流区域，而是泛指地形均为沟壑状的区域。泥石流等灾害发生在沟壑中。本文设定集水范围为0.5 km2时，水网形成。

统计数据显示，陡峭地区的道路极大程度地造成了滑坡灾害，因此在本研究中，考虑坡度不小于20°的道路。

2.5 MODIS雪域覆盖数据

由于本文也分析雪崩灾害，因此下载了MODIS雪域覆盖数据(MOD10A2)。MOD10A2包含每8 d内最大雪域面积。该研究时下载了目标区域有雪月份近5 a来的雪域情况。选取每月中云层覆盖最少的地图，转化为布尔型数据，然后对所有年份和月份的雪域地图进行叠加，选取数值较大的作为雪域范围。

3 研究方法

3.1 土地脆弱性评价

土地脆弱性地图是指定性或定量得出自然灾害空间分布可能性的地图，包含对已有或者潜在的滑坡灾害程度的描述。

土地脆弱性地图的生成，通常需要目标区域已有滑坡的频率和影响因素多年的记录。通常情况下，要获取这种记录费时费力，现在世界上有较完整记录的多为发达国家，如法国和意大利；对于发展中国家来说，记录通常不全甚至没有。因此，在缺乏历史数据的情况下，无法利用统计模型生成土地脆弱性地图。

另一种方法是基于经验的地图生成方法，具体做法是由专家进行打分。空间多标准评价(SMCE)就是当客观信息不完全时使用的基于专家知识的模型。在这种模型里，基础数据(例如坡度、地质、路网等)方面的专家经验弥补了测量数据的缺乏。为了获得专家经验，需要数值化基础数据和合理的结合方法。

SMCE方法之一是在GIS的环境下，将基础数据地图(以下称为要素地图)标准化为从0～1，然后对每个要素地图赋予一定的权重进行加和，得到数值化的土地脆弱性地图。

基于已有文献和已知数据，该研究中分别选出4种自然灾害的要素地图，然后赋予标准化的数值。

3.1.1 山体滑坡灾害要素选择和标准化

到现在为止，还没有统一山体滑坡要素地图的标准，不同文献里面选择不同的要素，且大部分研究都是基于研究区域的特性和已有的数据。F.Nadim等选择地形、地质、植被覆盖和土地湿度来进行山体滑坡预测[1]，A.Yalcin选择地质、天气、土地覆盖、坡度进行研究[2]。经过对目标区域的了解，选择以下5种数据作为山体滑坡的影响要素。

(1) 地形是影响山体滑坡的最重要因素。坡度长度、坡度曲率、坡度方向和陡峭程度都影响着滑坡的程度。统计数据显示，当坡度为20°～30°时，滑坡发生频率最高，标准化值为1，坡度更大和更小时都依次降低。

(2) 地貌。在植被覆盖丰富的区域，由于植物根系固定，发生滑坡概率较小，而缺少植被覆盖的区域容易风化，因此，发生滑坡概率较大。该研究赋予铁路、居民点等人为活动较多的区域标准化值为1，将湖泊、冰川等区域标准化值为零，其他依据土地覆盖取0～1之间的值。

(3) 岩层和地质结构也影响滑坡，已有文献表明风化程度和岩石种类对山体滑坡有影响，然而由于不同区域土地和岩性不同，无法将其他区域的经验用于目标区域。目标区域岩石的时间分布为第四纪、新第三纪、早第三纪、白垩纪和侏罗纪。每个纪约有10～30种岩层。因此，研究时邀请了一位目标区域地质专家和两位非目标区域地质专家分别打分。结果显示，非目标区域地质专家打分相对集中，与地层关系较一致；目标区域地质专家打分差异性更大，且与地方已有的山体滑坡更一致。该研究集合地层、目标区域专家打分和非目标区域专家打分(其中目标区域专家打分权重更大)来标准化岩层影响地图。

(4) 与水网的距离也影响了滑坡灾害。该研究取0.5 km2为最小汇水面积，利用Strahler等级分配水网等级。根据已有滑坡统计发现，一级水网和二级水网对滑坡影响最大，因此，一、二级水网赋值为1，其他为零。图1为水网的Strahler等级划分。

图1 Strahler等级划分

(5) 道路建设对山区地质灾害也有影响，尤其是在坡度较大的区域。研究中考虑修建在坡度大于20°的道路。

3.1.2 泥石流灾害要素选择和标准化

由于发生速度快、范围大，泥石流是山区最危险的自然灾害中之一。沉淀物、降水和坡度3个因素对泥石流起关键作用。相比山体滑坡，泥石流对水的程度更为依赖。在该研究中，取和山体滑坡相同的要素预测泥石流土地脆弱性。区别在于对不同的要素赋予不同的权重。此内容在下一节描述。

3.1.3 岩崩灾害要素选择和标准化

岩崩通常发生在坡度陡峭、植被少、岩石风化程度高的区域。因此选择坡度、土地覆盖和地质作为岩崩脆弱性的要素。

(1) 通常考虑坡度和岩崩关系时，取一个坡度阈值作为是否易发生岩崩的分界线。加拿大铁路统计数据显示，坡度越高，岩崩可能性越大。研究中根据此原理标准化坡度对岩崩的影响程度。

(2) 土地覆盖也影响岩崩发生的可能性。植被覆盖密度越大，发生岩崩的可能性越小，森林区域岩崩可能性比草地要小。岩石裸露越少，发生岩崩的可能性越小，例如冰川、水库发生岩崩可能性为零。

(3) 地质要素对岩石性质和风化程度有影响，在研究中考虑了目标区域的断层和岩石的性质来标准化地质要素。

3.1.4 雪崩灾害要素选择和标准化

雪崩的要素包括了地形、土地覆盖、道路影响、MODIS雪域覆盖和高程。其中前3个要素用于预测土地脆弱性，后两个要素为布尔数值，用于剔除无降雪和高程不足以发生雪崩的区域。地形因素用于得出坡度、坡向、横向面曲率和汇水面积，与土地覆盖和道路影响要素共同确定雪崩土地脆弱性。

3.2 土地脆弱性地图和滑坡范围预测

3.2.1 滑坡起始点预测

研究采用SMCE法生成土地脆弱性地图，该法是一个经常用于自然资源和灾害管理的GIS应用。其主要原理是先将各要素进行标准化(这在前一节已经完成)，然后分别赋予权重，根据各要素和相应权重组合综合得出结果。

采用层次分析法(Analytic hierarchy process)获得各要素的权重。由于缺乏历史数据，本文进行了敏感性分析，以保证权重的合理性。

采用ILWIS软件中SMCE模型建模，将各要素和相应权重组合，得到各类滑坡脆弱性地图。之后选取脆弱性高的土地区域作为滑坡起始点。利用Flow-R软件模拟滑坡范围[3]。Flow-R中参数的设置则依据在历史数据充足的区域试验和验证后获得。为了模拟真实场景，将触发因子分为较弱、中等和较强3类，不同触发因子触发的脆弱性阈值不同，触发因子较强时，阈值较小，滑坡起始点数量较多。

3.2.2 滑坡范围预测

预测滑坡范围Flow-R软件是一个以栅格数据为基础的基于经验模型。滑坡范围由双重算法决定：基于地形确定滑坡方向的算法和基于能量转换确定滑坡长度的算法[4]。

对滑坡方向的算法确定了滑坡从起始点向四周8个栅格的方向。Flow-R中包含对不同地质灾害适宜的不同算法，以多方向算法为例。

当tanβ>0时，

(1)

式中，i,j为滑坡方向(1，2，…，8)，fsi为向第i个栅格运行的滑动物的量 (1，2，…，8) ，βi为中间栅格与第i个栅格之间坡度正切值，x为变量。

滑坡长度的算法取决于滑动物的动能。由于滑坡总量为正，动能的计算取决于单位栅格内的滑动物动能量、持续摩擦损失能量和最大阈值。

(2)

图2 滑坡范围计算示意

4 案例分析

下面以某山体滑坡为例进行试验。对目标区域山体滑坡的各要素重要性进行常识性判断，结合有限的历史性数据进行敏感性测试，得出各要素的相对重要性，如表1所示。如果表中数据大于1，表示横向要素重要性大于纵向要素，反之亦然。

表1 山体滑坡各要素的相对重要性

计算此矩阵的特征向量，不一致比例为0.03，属于可以接受的范围。按照所选择要素以及相应权重叠加，山体滑坡土地脆弱性地图如图3所示。

图3 山体滑坡土地脆弱性地图和危险系数直方图

图3中，3条阈值线显示了取较弱、中等和较强的的触发因子时山体滑坡起始点的数量，分别为0.96%，1.79%和2.26%。模拟滑坡影响范围如图4所示。起始点和滑坡范围的统计如表2所示。

图4 不同等级触发因子的山体滑坡预测范围

表2 起始点和滑坡范围所占面积统计 %

5 结 语

将模拟结果与已发生的自然灾害数据进行比较，同时也与地方专家进行了讨论。专家认为模拟结果较符合目标区域的自然灾害情况，尤其是沿主干道发生的多个自然灾害均在准确预测中。然而历史数据与模拟数据存在一定差异，原因如下：①历史数据的记录不完全且记录地点不准确，多为口头上报地址或者文字记录；②部分重要要素数据无法取得，例如预测滑坡的泥土数据和雪崩的风力数据等；③其他区域的结论不能完全应用于目标区域，某些参数是由对其他区域的研究获得，不一定完全能应用于目标区域。

传统的对于小比例尺区域滑坡研究，通常只获得土地脆弱性结果，其结果也只能预测滑坡起始点。然后实际中，滑坡的滑动范围比起始点范围更大且破坏性也更大。该研究中选取高脆弱性土地作为起始点进行滑坡范围预测，较传统方法更贴近实际情况。结果显示，如果对目标区域足够了解，基于经验的自然灾害预测能达到良好效果，对滑坡范围的预测能使模拟结果更加符合实际情况。

[1] Nadim F, Kjekstad O. Global landslide and avalanche hotspots[J]. Landslides, 2006, 3(2), 159-173.

[2] Yalcin A. GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey): Comparisons of results and confirmations[J]. CATENA, 2008, 72(1), 1-12.

[3] Blahut J. Debris flow hazard and risk analysis at medium and local scale[D].Milano :University of Milano-Bicocca, 2010.

[4] Horton P, Jaboyedoff M, Bardou E. Debris flow susceptibility mapping at a regional scale[C]∥Paper presented at the 4th Canadian Conference on Geohazards,2008.

(编辑：李 慧)

2017-03-20

马雅文，女，长江勘测规划设计研究院，工程师.

1006-0081(2017)05-0027-04

U416.163

A