基于概率数学方法与GIS的泥石流敏感性分析及评价——以汶川县为例

， ， ，

(成都理工大学 地质灾害防治与地质环境保护国家重点实验室,成都 610059)

基于概率数学方法与GIS的泥石流敏感性分析及评价
——以汶川县为例

夏晨皓，朱静，常鸣，杨宇

(成都理工大学 地质灾害防治与地质环境保护国家重点实验室,成都 610059)

以汶川县为研究区，通过对震后的高分辨遥感影像的遥感解译，获得了145条泥石流沟及流域中的崩滑物源的分布图。选择了坡度、坡向、地层岩性、地震峰值加速度、距水系距离、距断层距离作为评价因子，利用概率数学方法与GIS的空间分析功能，获得145条泥石流沟在上述6个评价因子上的分值；再利用层次分析法计算得到各评价因子权重，建立泥石流敏感性评价模型，得到了研究区泥石流沟敏感性分级图。结果表明： 研究区145条泥石流沟中，有60条泥石流沟属于高敏感性，43条泥石流沟为中敏感性，其余42条泥石流沟敏感性较低，研究成果对于认识该地区泥石流灾害现状及发展趋势与防灾减灾有一定的参考意义。

泥石流；层次分析法；概率数学方法;敏感性；汶川县；GIS

1 研究背景

2008年5月12日在四川省汶川县发生了8.0级特大地震， 汶川县作为震中心， 震后次生山地灾害频发， 有学者研究表明[1-3]， 汶川地震后， 受强震影响的重灾区的地质灾害活跃期将持续20 a以上。 由于汶川县既处于地质环境脆弱的高中山地区， 又受“5·12”地震影响， 境内泥石流灾害频发， 它时刻危害着当地人民的生产生活安全， 因此,对汶川县进行整体的区域泥石流敏感性评价对认识该地区灾害现状及发展趋势与防灾减灾有积极的作用， 对于保障该地区的震后社会经济可持续发展具有现实意义。

泥石流敏感性评价是对预测评价某区域未来某段时间内导致泥石流暴发的各致灾因子等各种敏感性指标的变化情况进行分析，估算它们的概率分布，完成它们的敏感性评价图。目前3S技术在地质灾害领域中广泛运用，成为了泥石流(滑坡)的敏感性分析评价中的有力工具，国内外专家们也在此基础上运用了许多敏感性分析模型。 Ayalew等[4]2004年在日本Kakuda-Yahiko山区利用逻辑回归模型开展了基于GIS的滑坡敏感性分析研究；唐川[5]2005年在云南怒江流域利用条件概率模型与GIS结合绘制了当地泥石流敏感性专题地图；Chang等[6]2007年在台北地区利用人工神经网络法为当地171条泥石流沟作了定量危险性评价研究，评价结果也基本准确。刘洋等[7]在2013年利用信息量模型与层次分析法对四川省龙池地区48条泥石流沟进行敏感性评价,从而确定了该地区需要重点监测防治的泥石流沟道。向灵芝等[8]在2015年将流域演化理论运用到泥石流敏感性研究中，对汶川县都汶公路和省道303沿线60条泥石流沟进行敏感性评价，结果基本反映了地貌演化与泥石流发展的关系。

基于上述研究，考虑到研究区汶川县是“5·12”地震强震区，震后诱发的大量的崩塌滑坡在强降雨情况下就可能很快转变成泥石流或参与泥石流运动，笔者认为汶川县泥石流的敏感性与汶川县的同震滑坡可能有较强联系。因此,本文以汶川县为研究区，通过对其震后的高分辨遥感影像的遥感解译，获得145条泥石流沟及流域中的崩滑物源的分布图。结合研究区特点，选择合适评价因子，采用概率数学方法与GIS空间分析功能得到每条泥石流沟各评价因子的分值;又利用层次分析法确定各评价因子权重，最终建立泥石流敏感性评价模型，使评价结果更加客观可靠。

2 研究区概况

研究区汶川县位于四川盆地西北部、阿坝藏族羌族自治州东南部，地理位置为30°45′N—31°43′N,102°51′ E—103° 44′ E之间,全县面积4 084 km2，常住人口为101 533人(2013年末)。汶川县以高中山地形为主，地形坡度大，境内沟壑纵横，切割强烈，水系发达，河流众多，有大小支流达百余条。汶川县降雨较多且集中、干湿季明显，雨量528.7～1 332.2 mm[9]，全县处于九顶山新华夏构造带,岩体地质空间特征变化复杂，岩性差异变化较大，地层发育较为完整,只是除了奥陶系、志留系大部分缺失。断层、褶皱较为发育,茂县—汶川断裂带和北川—映秀断裂带2条主要大断裂带呈北东—南西方向穿过汶川县。其中映秀—北川断裂是“5·12”地震的发震断裂。

汶川县在2008年汶川地震以前就是地质灾害高易发区域，特别是在岷江、渔子溪、杂古脑河沿岸斜坡地质灾害严重，其中泥石流又是汶川县最主要的地质灾害类型[10]。根据唐邦兴等[11]的野外调查，境内有泥石流活动历史的沟多达98条。由于“5·12”汶川地震为泥石流提供了丰富的松散固体物质，同时根据周伟等[12]研究，地震后震区泥石流起动的临界雨量也较地震前有所降低，使得在强降雨情况下泥石流暴发的可能性大增。在“5·12”大地震后，汶川县泥石流灾害频发。2008年9月22—26日，汶川县进入震后第1个雨季里就有大范围的泥石流活动，2010年 8月13日的强降雨让汶川县多个乡镇泥石流群发。2013年7月10日汶川县遭受了自地震以来最大规模的一次群发性泥石流灾害，全县90%以上的村寨不同程度受灾。因此,可以看出汶川县泥石流沟不仅分布密集，危害严重,且进入到了一个新的活跃期。

3 数据获取

研究区等高线与水系的矢量数据主要来源于四川省测绘地理信息局的1∶50 000地形图，断裂带及岩性的矢量数据主要来源于中国地质调查局的1∶100 000地质图，地震峰值加速度值来源于四川省地震局，研究区DEM数据通过1∶50 000地形图中的等高线在ArcGIS软件中插值生成，网格大小为10 m×10 m。

研究区崩滑体空间属性数据库主要利用项目组对汶川县城、映秀镇、岷江及渔子溪沿岸等重点区域的遥感解译成果和戴福初等[13]2011年对汶川县全县震后次生灾害遥感解译成果建立的。其中采用的遥感影像数据主要有SPOT5卫星影像(分辨率2.5 m)、WorldView-2卫星影像(分辨率0.5 m)和美国 IKNOS 卫星影像(分辨率1 m)。

4 研究方法

4.1 评价因子选取

控制和影响泥石流敏感性程度的因子有多种。因为汶川县是地震强震区，地震对汶川县地表及山坡稳定性破坏强烈，导致崩塌、滑坡等地质灾害的发育，为泥石流提供了丰富的松散固体物质，增强了泥石流的形成条件，所以泥石流沟流域内的崩滑体敏感性是影响研究区泥石流敏感性的重要因子，因此,选择了泥石流沟流域及其崩滑体都适用的评价因子:坡度、坡向、地层岩性、地震峰值加速度、距水系距离、距断层距离这6个因子。

(1) 当斜坡坡度大于自然休止角并且没有足够大的抗滑力时，斜坡就会发生变形破坏[14]。通常来说，坡度越大，土体自重力沿滑动面向下的分力也将会越大，这将使滑坡越不稳定，但是坡度也不宜过大，因为过大的坡度也不利于松散固体物质的储存堆积。因此,坡度一方面将会影响松散固体物质的分布和聚集;另一方面还会影响斜坡内应力的分布，并对坡表面的地表水径流和坡体内部地下水的供给和排泄起控制作用，同时较大的坡度为斜坡两侧崩滑体的能量转换提供客观条件。因此,坡体的坡度陡缓将间接影响泥石流的规模大小。

(2) 坡向对于滑坡灾害以及泥石流灾害来说是一个较为重要的地形特征，坡向主要影响局部的小气候，而小气候又通过太阳辐射、温度、水分蒸发等渠道影响坡面上自然地理诸要素。研究区海拔较高，接收日照时间更长，并且研究区地形起伏较大，相对高差较大，坡度也较大，导致了各坡向斜坡的自然地理诸要素的规律性差异更为巨大。同时，不同坡向造成岩石风化程度也有所不同，影响岩层的破碎程度，进而可能在滑坡、崩塌过程中产生大量源物质。

(3) 地层岩性是产生滑坡地质灾害的物质基础，并且在一定的程度上影响泥石流的性质。泥石流通常在千枚岩、板岩、砂岩和花岗岩风化壳地区分布较为集中，比如研究区里志留系的板岩、千枚岩因为断裂带及地震影响，岩石破碎、风化强烈,为泥石流的暴发提供了丰富的松散物源,也为泥石流裹挟巨石长距离运移提供必要条件[15]。由各类松散土体及固结较差的软质岩石组成的斜坡，在强降雨后随着抗剪强度的下降稳定性也会显著降低。研究区范围内共有7个地质年代的地层出露，分布最广的3种地层是由花岗岩和闪长岩组成的二叠纪、砂岩和千枚岩组成的三叠纪以及板岩、千枚岩组成的志留系，它们结构破碎、风化严重，且受强震影响产生大量松散物源。

(4) 河流水系的冲蚀影响滑坡灾害的发生和泥石流灾害的规模，因为河流水系冲蚀切割时会产生大量的临空面，造成了许多的滑移控制面外露，降低了土体斜坡的稳定性，进而导致了滑坡，而这些滑坡又将为泥石流的发生提供丰富的松散物源。

(5) 在地质构造运动影响下断裂带附近岩层破碎严重，特别是在有差异性较大的升降运动时，岩层经过挤压破坏而稳定性会受损，更易发生崩滑灾害，为泥石流发生提供丰富的松散物源;另外根据以前对集集地震同震滑坡的研究表明，地震崩滑体的空间分布与它的发震断层关系密切[16]，汶川地震和1999年台湾地区集集地震一样，属于逆断层型地震，汶川地震的发震断层为映秀—北川断裂带。

(6)因为地震活动导致泥石流灾害加剧甚至直接使泥石流暴发的事件较多，前人也已有研究[17]，地震活动一方面直接使山体剧烈破坏，产生大量同震崩滑体，提供丰富的松散物源;另一方面，地震的巨大动力还可以导致岩体强度降低，土体强度大量下降，最终导致斜坡失稳参与泥石流活动。因此地震峰值加速度可以选为泥石流敏感性因子。

4.2 各评价因子概率取值

确定评价因子后需要将这些因子进行量化，以保证泥石流敏感性评价的科学性。采用概率数学方法来计算各个评价因子在不同的等级区间范围内影响泥石流发生的概率，相对提高了敏感性评价的科学性[18]。具体采用式(1)进行计算。

(1)

式中：p为评价因子在不同等级区间范围内概率综合值；p1为评价因子不同等级区间范围内崩滑体面积占该区间范围内研究区总面积(泥石流沟流域面积)的比例，是条件概率；p2为整个研究区内所有崩滑体面积占整个研究区流域总面积比例，是先验概率。

根据式(1):当p1≥p2时，说明该评价因子在这个分级条件区间内的条件概率大于先验概率，对泥石流的发生有明显的推动作用;当p1

利用研究区DEM数据，使用ArcGIS软件提取研究区地形坡度、坡向特征，并根据前人对汶川地震同震滑坡统计编录及敏感性研究[19]，将距水系距离按200 m为间隔，距断层距离按15 km为间隔，分为4类，建立缓冲区，将各评价因子按DEM精度10 m×10 m栅格化处理并进行空间叠加分析参与泥石流敏感性评价分析，得到研究区各因子分级见图1。

图1 研究区各因子分级Fig.1 Zoning of the study area according to rating of factors

利用公式(1)划分出各评价因子下的分级区间,并计算评价因子在不同等级区间范围内的概率综合值P,见表1。

4.3 敏感性评价因子综合赋值及统计

根据上述对6个评价因子在不同等级区间范围里的概率综合值统计分析整合，将每个敏感性评价因子划分为不同分级范围区间并分别进行权重赋值。其中，数值的大小表示该因子在研究区区域内的影响程度,具体见表2。参照表2里的各因子分级范围及综合赋值情况,结合研究区145条泥石流沟单沟在各评价因子上的空间面积分布情况，在ArcGIS软件中进行统计量化计算，得到每条泥石流沟在6个评价因子上的敏感性量化分值。

表1 研究区各因子分级及泥石流概率综合值统计表Table 1 Rating of factors and statistics of comprehensive values of probability of debris flow in the study area

注：滑坡体总面积为149.34 km2,流域总面积为1 573.61 km2

表2 研究区泥石流敏感性评价因子综合赋值Table 2 Comprehensive scores of debris flow susceptibility

4.4 敏感性因子权重赋值

选用层次分析法来构建判别矩阵，同样考虑坡度、坡向、地层岩性、地震峰值加速度、距水系距离、距断层距离共6个评价指标，通过查阅文献，让专家打分，并结合实地野外调查等，最终建立判别矩阵(表3)，并且求得CR=0.04<0.1，说明该矩阵较为合理，有较好的判断一致性。

表3 泥石流敏感性评价因子层次分析法判别系数矩阵Table 3 Comparative matrix and weight of evaluation factors affecting debris flow susceptibility

注：B1为距水系距离;B2为坡向;B3为地层岩性;B4为距断层距离;B5为地震峰值加速度;B6为坡度；W为权重

根据判别矩阵可以看到，对泥石流敏感性影响最大的因素为坡度,其次为地震峰值加速度，距水系的距离也对泥石流敏感性有较为明显的影响，这结果也跟我们实地野外调查观察大致相同，大量崩滑体多发生在坡度较大的坡顶上，沿着山脊线呈串珠状分布，同时也有沿河呈条带状分布的特征。

4.5 敏感性评价模型建立及评价结果

根据前文层次分析法中计算出来的研究区泥石流6个敏感性评价因子权重值及研究区145条泥石流沟的各因子分数值建立敏感性评价模型，公式为

(2)

式中:S为泥石流沟的综合敏感度值；i=1,2,…,6;Xi(k)为研究区145条泥石流沟因子赋值；Wi为研究区6个泥石流敏感性评价因子权重。

根据研究区145条泥石流沟判别系数矩阵表里的值，在ArcGIS软件里对泥石流沟属性表进行字段赋值，然后在ArcGIS里的字段计算器模块中利用公式(2)，计算得到泥石流沟的综合敏感度值。参考前人研究结果[6]，考虑到本文单沟的各评价因子都在ArcGIS软件中进行了定量化的处理并不是按整数1—4赋值，并结合实地对研究区泥石流灾害野外调查统计等因素将研究区145条泥石流沟的敏感性划分为3类，得到泥石流沟敏感性评价图，见图2。

图2 研究区泥石流敏感性分级Fig.2 Classification of the study area according to levels of debris flow susceptibility

(1)S≤2.3，为低度敏感性泥石流流域，主要分布在汶川县的西南部，未来可能有低频小规模的泥石流发生，随着时间变化，山体、植被恢复，流域可能会慢慢向高含沙水流为主的山洪沟演变。

(2)2.3

(3)S≥2.9，为高度敏感性泥石流流域，主要在岷江与渔子溪流域交汇处集中分布，未来可能暴发高频大规模的泥石流，造成较为严重的生命财产损失，长时间需要综合泥石流防治措施治理。

5 结 论

根据概率综合判别方法并运用层次分析法，建立了研究区145条泥石流沟敏感性评价模型，得到研究区泥石流敏感性分级图。根据这一模型最终得到了60条泥石流属于高敏感性，易发生泥石流，43条泥石流沟为中敏感性，需要定期监测警惕突然暴发，其余42条泥石流沟敏感性较低，较为安全。

考虑到研究区汶川县是地震强震区，因此选择了坡度、坡向、地层岩性、地震峰值加速度、距水系距离、距断层距离6个评价因子作为评价指标，使用概率数学方法对各评价因子进行数据统计分析，从大量原始数据中找到了一定的规律性，提高敏感性评价的客观性，得到每个评价因子的因子分级范围及贡献分值,使泥石流敏感性评价结果更加精准可靠。

根据6个评价因子的判别区间权重赋值标准，结合研究区145条泥石流沟在上述评价因子的分布情况，得到研究区每条泥石流沟的敏感性量化分值，单沟的各评价因子都在ArcGIS软件中进行了定量化的处理，使评价结果更加客观可靠。

[1] 黄润秋.汶川地震地质灾害后效应分析[J]． 工程地质学报，2011，19(2):145-151．

[2] 崔 鹏,韦方强,何思明,等．5·12汶川地震诱发的山地灾害及减灾措施[J]．山地学报，2008，26(3)：280-282.

[3] 唐 川.汶川地震区暴雨滑坡泥石流活动趋势预测[J]．山地学报，2010，28(3)：341-349.

[4] AYALEW L,YAMAGISHI H.The Application of GIS-based Logistic Regression for Landslide Susceptibility Mapping in the Kakuda-Yahiko Mountains，Central Japan[J]．Elsvier，2005，65(1):15-31.

[5] 唐 川.云南怒江流域泥石流敏感性空间分析[J].地理研究,2005,24(2): 178-185.

[6] CHANG T C.Risk Degree of Debris Flow Applying Neural Networks[J].Natural Hazards,2007,42(1):209-224.

[7] 刘 洋,唐 川,李为乐,等.四川省都江堰市龙池地区群发性泥石流物源敏感性分析[J].灾害学,2013,28(2):107-113.

[8] 向灵芝,李 泳,陈洪凯,等.基于流域演化的泥石流敏感性分析[J].长江流域资源与环境,2015,24(11):1984-1992.

[9] 胡宝荣.基于遥感与GIS技术的汶川县地震前后生态环境质量评价[D].成都:成都理工大学,2009.

[10] 程 思,易加强.四川省汶川县地质灾害的成因及防治对策[J].地质灾害与环境保护,2007,18(4):1-4.

[11] 唐邦兴，柳素清 .四川省阿坝藏族羌族自治州泥石流及其防治研究[M]． 成都: 成都科技大学出版社，1993: 21-25.

[12] 周 伟,唐 川，周春花.汶川震区暴雨泥石流激发雨量特征[J].水科学进展,2012,23(5): 650-655.

[13] DAI F C,XU C,YAO X,etal.Spatial Distribution of Landslides Triggered by the 2008 Ms 8.0 Wenchuan Earthquake,China[J].Journal of Asian Earth Sciences,2012,40(4):883-895.

[14] KAMP U， GROWLEY B J， KHATTAK G A，etal． GIS-based Landslide Susceptibility Mapping for the 2005 Kashmir Earthquake Region[J]．Geomorphology，2008,101:631-642.

[15] 唐 川,梁京涛.汶川震区北川9·24暴雨泥石流特征研究[J].工程地质学报,2008,(6): 752-758.

[16] WANG W N，NAKAMURA H，TSUCHIYA S，etal．Distributions of Landslides Triggered by the Chi-Chi Earthquake in Central Taiwan on September 21，1999[J]．Journal of the Japan Landslide Society，2002，38( 4): 318-326.

[17] 李树德,任秀生,岳升阳,等.地震与泥石流活动[J].水土保持研究,2001,8(2):26-28.

[18] CHANG Ming,TANG Chuan,ZHANG Dan-dan,etal.Debris Flow Susceptibility Assessment Using a Probabilistic Approach: A Case Study in the Longchi Area,Sichuan Province,China[J]．Journal of Mountain Science,2014,11(4):1001-1014.

[19] LI Wei-le,HUANG Run-qiu,TANG Chuan，etal．Co-seismic Landslide Inventory and Susceptibility Mapping in the 2008 Wenchuan Earthquake Disaster Area,China[J]． Journal of Mountain Science,2013,10(3):339-354.

(编辑：赵卫兵)

Susceptibility Assessment of Debris Flow Using a Probabilistic andGIS Approach: A Case Study on the Wenchuan County

XIA Chen-hao,ZHU Jing,CHANG Ming,YANG Yu

(State Key Laboratory of Geo-hazard Prevention and Geo-environment Protection,Chengdu University of Technology,Chengdu 610059,China)

In this paper we mapped co-seismic landslides and potential source materials for generating debris flows in 145 catchments based on high resolution satellite images in Wenchuan County.Slope,aspect,lithology,peak ground acceleration,distance to drainage,distance to faults were used as factors for debris flow susceptibility analysis.Probabilistic mathematic method,spatial analysis,analytic hierarchy process,and weight analysis were applied to generate a debris flow susceptibility map.Our result indicates that 60,43,and 42 catchments were highly,moderately,and lowly susceptible to debris flow respectively.The results offer reference for the debris flow research and mitigation planning of the area in the future.

debris flow; analytic hierarchy process (AHP); probabilistic approach; susceptibility; Wenchuan county; GIS

P642.23

A

1001-5485(2017)10-0034-05

2016-06-29;

2016-08-28

科技基础性工作专项(2011FY110100-3)；国家重点实验室团队项目(SKLGP2012Z002)

夏晨皓(1992-)，男，四川绵阳人，硕士研究生，主要从事地质灾害及GIS应用方面的研究,(电话)18200121317 (电子信箱)791364601@qq.com。

朱 静(1964-)，女，江苏宝应人，教授，博士，主要从事自然灾害、生态环境评价和GIS应用研究，(电话)13981814078(电子信箱)zhujing@cdut.edu.cn。

10.11988/ckyyb.20160664 2017,34(10):34-38,44