横断山区山地灾害的动态危险性评价*

徐瑞池，李秀珍，胡凯衡，聂银瓶

(1. 中国科学院、水利部成都山地灾害与环境研究所，四川 成都 610041；2. 中国科学院大学，北京 100049)

横断山区地处我国西南的藏东、川西和滇西北一带，在行政区域上包括西藏自治区的昌都，四川省的阿坝、甘孜、凉山、攀枝花及云南省的丽江、迪庆、怒江和大理地 (州) 区[1]。该区地域辽阔，地形地貌、水文、气象等自然环境条件十分复杂，是我国崩塌、滑坡、泥石流等山地灾害频发且危害最为严重的区域之一。国内学者对横断山区山地灾害已开展了许多相关研究。兰恒星等[2]基于统计分析模型对横断山区小江流域内影响滑坡灾害形成的关键因子进行了深入分析；黄靖[3]、白永健[4]、陶媛[5]和曹楠[6]对横断山区内山地灾害的空间分布特征进行了深入探讨；李秀珍等[7]在横断山区安宁河流域进行了以乡镇为单元的小区域泥石流危险性评价。目前该区域山地灾害的危险性评价大多以静态评价结果为主，实际上由于降雨、地震等促进、加速山地灾害发生的诱发因素是动态变化的，山地灾害的危险性也会随之发生动态变化。科学评估山地灾害的动态危险性，对准确地预测和精准规避山地灾害具有重要的意义。部分学者在动态评价中也做了相关研究。如胡凯衡等[8]初步建立了考虑地震和降雨影响的灾害易发性动态评估方法和模型，并对横断山区泥石流灾害进行易发性评估；徐兴华等[9]采用模糊数学理论和构建预警关系矩阵，进行降雨诱发突发地质灾害的动态危险性评价；戴悦等[10]用信息量模型考虑降雨，蓄水水位变化和植被的动态影响，对三峡库区滑坡危险性进行了动态预测；张永双等[11]将年最大72 h雨量作为主要触发灾害的动态因子，对龙门山地区泥石流灾害进行了动态危险性预测评价。

目前对于横断山区山地灾害方面的研究主要是山地灾害分布规律和小流域的静态危险性评价，对于整个横断山区山地灾害的动态危险性评价研究较少。在变化环境下对大区域进行山地灾害的动态危险性研究，则能更科学地把握灾害的时空分布规律并分析危险性的动态变化，从而为防灾减灾工作提供更准确更科学的依据。本文以横断山区为研究区域，在分析静态因子影响的基础上，结合动态降雨因子对山地灾害进行动态危险性评价，以期丰富山地灾害的动态评价研究，并为横断山区发展规划以及山地灾害防控防治管理对策提供科学依据。

1 横断山区自然环境条件及山地灾害基本概况

横断山区位于中国青藏高原东部、四川盆地西部和云贵高原西北部，是中国地势第一、第二阶梯的过渡地带[12]。区内山间盆地、湖泊众多，古冰川侵蚀与堆积地貌广布，且因现代冰川作用发育、重力地貌作用，崩塌、滑坡和泥石流等山地灾害屡见[13]。横断山区发育一系列南北走向的平行山脉和河流，具有突出的纵向岭谷地貌，且河谷地貌明显受地质构造控制。该区在地势上西北高东南低，具有山高谷深、相对高差大的地势特征，区内最高海拔为7 447 m，最低仅为290 m。

本区处于亚欧板块、印度板块和太平洋板块之间，受三大板块碰撞挤压的影响，区内新构造运动和地震活动强烈，复杂的深大断裂带极为发育，主要呈南北分布，如金沙江断裂带，龙门山断裂带、鲜水河断裂带、安宁河断裂带和小江断裂带等(图1)。受深大断裂带下切作用，区内发育了众多大江大河，主要为金沙江、澜沧江、怒江、大渡河、雅砻江和岷江六大水系。横断山区地层岩性由下元古界至三叠系，以碎屑岩、碳酸盐岩等海相沉积为主，侏罗白垩系开始以砾岩和泥岩等陆相沉积，第三系至第四系为零星之山间盆地堆积，其中第四纪沉积发育广泛，不论在山间盆地或山前地带，都可见到不同成因的河湖相、湖沼相、洪积相、坡积相等沉积物的出露[14]。根据岩体的工程地质特性，可将研究区岩体分为硬岩、中软硬岩、中硬软岩、软岩和松散岩组五个类型(图2)。

图1 断裂带分布图

图2 岩组分布图

横断山区全年受东南季风、西南季风和南支西风急流组成的冬夏季风环流所控制，降水量在区域上和时间上有明显的差异[1]，据1961-2012年气象站降雨数据，横断山区年平均降雨量高达1 137mm,降雨主要集中在南部和东北部地区和每年的5-10月，占全年 90% 以上，且多为大雨、暴雨和夜雨。

横断山区山地灾害数量多、分布广，主要分布于横断山区南部和东北部，根据实地调查及全国地质灾害通报等相关资料粗略统计，自2006-2015年以来，横断山区共发育大型、特大型山地灾害约980处(图3)，并呈现出逐年增多的趋势[15]。灾害主要由降雨、地震、人类工程活动等因素诱发，据不完全统计由降雨触发的山地灾害占到80%左右。山地灾害一旦发生，往往会造成重大的人员伤亡和财产损失，如2010年8月18日，云南省贡山县普拉底乡东月谷河谷因局部强降雨诱发特大泥石流灾害，造成37人死亡、55人失踪、39人受伤，直接经济损失超过1.4亿元。

综上，横断山区多样的地貌类型、复杂的地质构造、发育的河流水系和集中降雨等自然环境条件，对山地灾害的形成和发生都十分有利，导致该区山地灾害发生频繁、危害严重，应当引起人们高度重视。

图3 横断山区山地灾害分布图

2 山地灾害动态危险性评价

区域灾害的危险性评价目前已有多种方法，但其大部分是静态评价而忽视动态因素的变化性。本研究的评价方法主要依据灾害发生的条件相似假设和概率统计学理论，选取坡度、坡向、曲率、相对高差、岩性、断裂带密度和河网密度作为该区域山地灾害静态危险性的评价因子，采用频率比法计算横断山区山地灾害静态危险度。然后将静态危险度、降雨因子和灾害点密度进行灰色关联度分析，定量对静态危险度和动态降雨因子进行权重赋值。最后采用因子叠加法加权叠加静态危险度和动态降雨因子，实现变化降雨条件下山地灾害的动态危险性评价。

2.1 静态危险性评价

山地灾害的静态危险性评价一般选取研究区内相对长期不变或缓变的本底因子进行静态影响分析。采用GIS空间分析与数理统计相结合的方法分析该区山地灾害与地形地貌、地层岩性、地质构造等环境背景因子之间的相关关系[15]，并最终选取坡度、坡向、曲率、相对高差、岩性、断裂带密度和河网密度作为该区域山地灾害静态危险性的评价因子。

表1 因子频率比

基于前期灾害调查工作，将已采集到的980个山地灾害数据作为样本，采用频率比法评价横断山区在空间上的山地灾害静态危险性。频率比法是一种定量的概率统计分析方法，其主要指数频率比通过对所提取的灾害点信息和与灾害相关的影响因子之间的关系运用数学方法进行计算求得。相较于经验模型、物理模型和数值模拟，频率比法简单直观且意义明确[16]，避免了权重赋值的主观性、克服了对详细地质物理数据的需求和模拟参数难设定等问题，适用于区域尺度比较大的地质灾害危险性定量评价的工作。

频率比法首先根据一定规则将因子X划分为i种类型或i种等级[16-17]，每类因子的频率比FRi定义为：

(1)

式中:P(HiXi)表示Hi(灾害)中Xi的频率，P(Xi)表示研究区中Xi的频率，NP(Hi)表示因子Xi中Hi的个数或面积，∑iNP(Hi)表示Hi的总个数或总面积，NP(Xi)表示Ni的总面积，∑iNP(Xi)表示研究区的总面积。对于特定灾种Hi，P(Xi)由地质灾害调查数据统计得出，为定值。因此，FRi实际上与Xi发生时，Hi发生的条件概率等效。因子Xi的条件概率P(Hi│Xi)越大，则说明在第i类型或第i分级的区域灾害Hi发生的概率就越大。如果FRi>1，说明P(Hi│Xi)>P(Hi)，也即Xi有利于灾害Hi的发生，反之不利于灾害Hi的发生。

对于整个研究区的特定空间位置的危险性，需要考虑不同灾害影响因子X。首先计算各个因子分级后频率比，然后对于第j个影响因子，将分级后因子的FRi分别赋值给相应的位置定为FRi(j)，最后将特定空间位置的不同因子的频率比相加，得到该空间位置灾害的危险性h：

(2)

图4 横断山区山地灾害危险性静态评价因子图

由于本次灾害危险性评价研究区范围大、比例尺小，灾害数据集只有灾害点数据，没有灾害覆盖范围的面积数据，因此在这种情况下，频率比的计算使用灾害数量代替面积。计算的频率比结果如表1所示。

根据表1和公式(2)算出基于以下7个本底因子(图4)的静态危险度值，得到横断山区的静态危险性评估图(图5)。

图5 横断山区山地灾害危险性静态评估结果

在未考虑降雨因子的情况下，横断山区的静态高危险区总体沿断裂带及河流分布，主要分布在川藏交界的三江并流区域、四川的龙门山地区、四川南部的安宁河流域、川滇交界的小江流域和云南西北部的澜沧江、红河断裂带等区域。

2.2 动态危险性评价

区域灾害的动态危险性是由静态因素和动态因素共同作用的。横断山区山地灾害大部分由大雨或暴雨激发，本文重点考虑降雨因子对山地灾害危险性动态变化的影响，选取降雨因子作为动态因素进行评价。为实现动态危险性评价，将静态危险度和降雨因子有效叠加，采用因子叠加法计算动态危险性：

H=wh×h+wr×R。

(3)

式中：H为灾害逐年的危险性；h和R为归一化的静态危险性和降雨因子；wh和wr为静态危险性和降雨因子的权重。

研究中搜集了横断山区的TRMM卫星降雨数据(1998-2015年)和98个气象站点的降雨数据(1951-2016年)。根据气象站卫星降雨数据统计了横断山区不同空间部位的强降雨次数，即一年中24 h降雨量大于25 mm的次数。气象站点的年降雨量数据是基于GIS平台采用反距离插值法获取研究区降雨量的空间分布栅格数据。

采用灰色关联度分析法，以研究区灾害数量的点密度为参考数列，将强降雨次数、TRMM年降雨量、气象站点的年降雨量数据作为比较数列，取分辨系数ρ=0.5[18]，进行灰色关联度分析，分别计算出灾害数量的点密度与强降雨次数、TRMM年降雨量、气象站年降雨量之间的灰色关联度分别为r1=0.926、r2=0.923、r3=0.919，对于三个降雨因子：r1>r2>r3，说明灾害数量的点密度与强降雨次数之间的相关性更大，利用强降雨次数能相对更好地表征降雨因子与山地灾害之间的关系。然后再次采用灰色关联度法,以研究区山地灾害的点密度为对比序列，以山地灾害静态危险度和强降雨次数为比较序列，计算得到静态危险性和动态降雨因子对山地灾害动态危险性的影响权重各为0.50。

3 评价结果及验证

综合横断山区山地灾害的静态危险性、降雨因子及其权重的计算结果，用公式(3)计算2000年、2005年、2010年和2015年横断山区山地灾害的危险性，并将危险性按照自然断点法划分为极高、高、中和低四个等级。强降雨次数分布和危险性区划见图6和图7。

从以上四年的危险性分区图可以得出：高和极高危险区主要分布在横断山区强降雨次数较多的南部及东北部，危险性呈现出西北低东南高的整体态势。由于每年降雨差异，各年灾害危险性在空间分布上有明显的不同，如2010年强降雨次数最高，较高次数主要分布在研究区西南及东南方向，受此影响，从危险性分区图可以明显看出危险性也主要分布于研究区西南和东南部，而2015年的强降雨次数则主要分布在研究区东南部，该年的极高和高危险区也主要分布在东南方向。从四年的分区结果来看，山地灾害的危险性主要随着强降雨次数分布的变化而变化，体现出动态变化过程。

图6 横断山区2000年、2005年、2010年和2015年强降雨次数分区图

图7 横断山区2000年、2005年、2010年和2015年山地灾害危险性分区图

图8 横断山区2010年和 2015年危险性分区和灾害分布图

年份高、极高危险区山地灾害个数山地灾害总个数灾害占比/%高、极高危险区面积/万km2面积占比/%2010518659.3018.897242.20201511315572.9021.406747.81

由于所搜集到的灾害数据的不完备，4年中仅有2010年和2015年的山地灾害数据。为检验本文方法结果的合理性，选取2010年和2015年的危险性区划图进行验证，将调查收集到的2010年和2015年灾害事件分别和对应年份的危险分区结果进行对比分析发现：两年的危险性区划有明显差异，2010年灾害主要发生在滇西北的澜沧江流域、四川南部的安宁河流域、川滇藏交界的金沙江流域和四川龙门山等区域附近；2015年灾害主要发生在云南西北部的红河断裂带和小金河-丽江断裂带、四川南部的安宁河流域、川滇交界的小江流域和四川龙门山等区域附近，两年灾害实际分布和分区结果基本吻合(图8)。提取灾害的动态危险度值进行定量验证分析，如(表2)，从灾害数量和区划结果面积的变化趋势来看，2015年山地灾害发育的数量明显较2010年多，2015年处于山地灾害高、极高危险区的面积也相应越大。

4 结论及讨论

山地灾害的动态危险性是由静态因素和动态因素共同作用的。本文基于ArcGIS平台，将山地灾害的危险性分为静态和动态两个层次，重点考虑动态降雨变化的影响，分别计算了横断山区山地灾害的静态危险性和2000年、2005年、2010年和2015年逐年的动态危险性，继而获得横断山区山地灾害的动态危险性区划图。

在对TRMM降雨量、强降雨次数和气象站年降雨量三类动态降雨因子进行分析的过程中，发现强降雨次数对山地灾害的危险性影响较大，用该因子得出的动态危险性结果显示各年高和极高危险区主要分布于横断山区南部及东北部，与实际山地灾害分布情况基本一致。在山地灾害的危险性评价中，强降雨次数能相对更好地表征降雨对与山地灾害影响。横断山区山地灾害受强降雨次数的分布变化的影响，各年危险性在空间分布上具有比较明显的差异，体现出动态变化过程。根据已有的2010年和2015年灾害数据，两年的山地灾害分布实际与动态危险性分区结果吻合较好。

由于现阶段针对横断山区的山地灾害统计数据还不完善，许多实际发生的灾害事件并未被统计，以及降雨气象数据等其他数据在处理过程中存在误差等问题，可能会导致评价结果出现一定的偏差及在验证等方面存在一定的局限性；此外，本研究在动态因子中仅考虑降雨因素，未考虑植被、地震和人类工程活动等相对复杂的动态因子对山地灾害的影响，如何综合确定这些因素对山地灾害的定量影响关系，还需要在今后的研究工作中进一步深入分析和探讨。

致谢：感谢国家重点基础研究发展计划(973计划)“典型山地水土要素时空耦合特征、效应及其调控”项目组戴尔阜研究员、熊东红研究员和刘斌涛博士在基础数据收集方面提供的帮助和支持。