基于信息量模型的盘州市地质灾害易发性评价

鲁 霞， 兰安军， 母浩江， 秦 微， 李 芸， 张兴菊

(贵州师范大学地理与环境科学学院，贵阳 550025)

2019年7月23日，贵州省六盘水市水城县突发山体滑坡，造成42人遇难、9人失联、21栋房屋被埋的重大地质灾害事件，引发了社会对地质灾害的高度关注。地质灾害是在各种地质作用下形成的灾害性地质现象，受自然环境与人类活动共同影响[1]，且具有成因复杂、破坏面广、续发性强等特点，时刻威胁着人们的生命财产和生产生活[2]。地质灾害易发性评价是对区域地质灾害发生的可能性进行预测，对于区域灾害防治具有现实意义。

早期的地质灾害评价多采用地理相关分析法、专家打分法等评价方法，这些方法分别从灾害概念、灾害种类等角度进行定性分析[3-4]。随着相关领域科学技术的快速发展，遥感(remote sensing, RS)和地理信息系统(geographic information system,GIS)技术与各种模型相结合的评价方法开始被应用到灾害评价中，促使评价方式从定性研究逐步过渡到定量研究。定量研究的方法很多，其中Anbalagan[5]、赵建粮等[6]运用GIS强大的空间分析功能开展地质灾害区划研究；贺鹏等[7]利用层次分析法构建评价模型分析西藏札达地区的滑坡灾害易发性；武雪玲等[8]将三层BP(back propagation)神经网络引入到三峡库区的滑坡灾害易发性评估中；田春山等[9]基于CF模型和逻辑回归模型对广东省地质灾害易发性进行了评价；吕擎峰等[10]在对霍尔古吐水电站坝址区泥石流进行危险性评价时引入了灰色关联法。上述评价模型各有特色，也取得了大量的研究成果，但随着中外学者在地质灾害评价研究中的不断深入，对于评价模型的可靠性、易实现性有了更高的要求。信息量模型的引入在一定程度上满足了这一需求，同时使评价结果更具客观性[11]。Wang等[12]、Mandal等[13]学者先后运用信息量模型在区域滑坡敏感性评价中获得较高精度的评价结果；朱良峰等[14]、吴柏清等[15]、邓辉等[16]学者也纷纷在地质灾害风险评价中引入信息量模型，将其应用范围扩展到不同的地理环境中，为各研究区的灾害防治研究提供了重要参考[17-18]。

盘州市是贵州省喀斯特地貌较为突出的地区，也是省内地质灾害易发地区[19]，区内滑坡、塌陷等地质灾害频发，对当地的经济发展及环境保护造成严重的制约。但通过查阅相关文献资料发现，近年来盘州市关于地质灾害的研究基本以定性研究为主[20]，缺乏系统的定量评价，且信息量模型在喀斯特地区地质灾害研究中的应用极少。因此，根据盘州市的地质环境特点，基于信息量模型开展地质灾害易发性评价具有现实意义，评价结果能为该区域灾害预防和治理提供一定参考。

1 研究区概况

盘州市位于贵州省六盘水市西南部(图1), 介于104°17′～104°57′E，25°19′～26°17′N, 处于滇黔交界处，区域总体地势东南低、西北高、中部隆起。境内水系发达，河流密布，海拔735～2 861 m，相对高差2 130 m，区内气候属于亚热带高原湿润季风气候，雨热同期，年平均气温15.2 ℃，年平均降水量1 390 mm。研究区属典型的西南喀斯特山区，地形环境复杂、生态环境脆弱、水土流失严重，2015年盘州市土壤侵蚀面积占区域面积的40.44%[21]。通过资料收集和灾害调查得知，2016年盘州市地质灾害(隐患)点共445处，据不完全统计，区域内共有18 135户、57 370人受到地质灾害威胁。如表1所示，按地质灾害类型来看，研究区主要分布有滑坡灾害278处，占灾害总数的62.47%，其余灾害分别为崩塌56处、地面塌陷40处、地裂缝35处、不稳定斜坡34处、泥石流2处。从空间分布来看，地质灾害在境内31个乡镇皆有不同程度的分布，其中北部及中部地区分布较集中，南部地区分布相对稀疏。

2 信息量模型的基本原理

信息量模型是由信息论衍变而来的一种统计分析模型，过去常被用于地质找矿等领域[22]。中国最早将信息论方法运用于滑坡灾害预测的是晏国珍，随后，许多学者开始使用这种方法来评价不同地区地质灾害的易发性[23]。地质灾害(Y)受各种影响因素(Xi，i=1，2，3，…，n)的影响，由于各影响因素的性质不同，地质灾害受其影响的程度存在差异。当使用信息论方法进行预测时，认为地质灾害发生的可能性和预测过程中所得到的各种信息的数量和质量密切相关，是可以通过信息量来衡量的[24]。根据地质灾害在各因子中实际分布情况来计算每个评价因子的信息量值，然后将评价单元中所有因子的信息量值进行叠加，从而获取整个区域的地质灾害综合信息量值，当信息量值的越大时，则表明地区发生地质灾害的可能性越大[25]。用概率公式表示信息量值如下：

图1 研究区位置Fig.1 The location of research area

灾害类型灾害点受胁户受胁人灾害点数占地质灾害总数/%受胁户数占总户数/%受胁人数占总人数/%崩塌5612.581 89510.455 93310.34不稳定斜坡347.64 1 4167.81 4 9128.56 地裂缝357.87 1 96610.84 5 74910.02 地面塌陷408.99 2 24712.39 7 02112.24 滑坡27862.47 10 57458.31 33 63158.62 泥石流20.45 370.20 1240.22 合计445100.00 18 135100.00 57 370100.00

(1)

式(1)中:I(Y,x1,x2,…,xn)表示参与评价的各指标对地质灾害提供的信息量值总和；P(Y,x1,x2,…,xn)代表的是评价体系作用下地质灾害发生的概率；P(Y)表示地质灾害发生的概率。

在实际计算中可采用样本频率计算，通常可先计算各评价指标xi的信息量值(评价指标xi对地质灾害发生Y的贡献率)，即

(2)

式(2)中：Ni指的是影响因素Xi中分布的灾害单元数量；N代表研究区中分布的地质灾害单元总数；Si表示研究区中包含了影响因素Xi的单元数量；S表示研究区划分得到的评价单元总数。

计算每一个评价单元在若干评级指标组合条件下的总信息量，公式如下：

(3)

式(3)中：Ii指的是评价单元中信息量值的总和；n为评价指标的总数。

3 基于信息量模型的地质灾害易发性评价

3.1 评价因子的选取与分析

地质灾害的成因非常复杂，受多种因素共同作用，因此在地质灾害易发性评价中，合理地把握地质环境中控制灾害发生的影响因素显得尤为重要[17]。为构建适合研究区地质环境特点的易发性评价模型，本次评价因子的选取是在前人研究成果的基础上，分析了盘州市地质灾害与影响因子的空间分布规律，对资料的可获性、研究区的尺度、范围等情况综合考虑后，最终选取了高程、坡度、坡向、年平均降雨、距断层的距离、距水系的距离、距道路的距离、岩性8个因子参与评价。

3.1.1 高程

在不同高程之间人类工程活动以及土壤特性皆存在差异，从而对地质灾害的发生及分布有着重要的影响。盘州市高程数据来源于地理空间数据云平台下载的覆盖研究范围的30 m分辨率数字高程模型(digital eleration model, DEM)数据，然后将其划分为5个等级，得到高程分级，如图2(a)所示。将研究区地质灾害(隐患)点与高程数据叠加分析发现，区内地质灾害大多分布在1 567～1 936 m，占灾害点总量的63.82%。

3.1.2 坡度

坡度能直观地描述局部地表的起伏形态，坡度越陡，其地表物质流动和能量转换的强度越剧烈[26]，可能会造成斜坡的稳定性降低，进而影响灾害的发生。利用研究区DEM数据和ArcGIS表面分析Slope工具，得到研究区的地形坡度因子，将坡度分为5等级，如图2(b)所示。经统计分析可知，该地区的地质灾害主要发生在坡度为5°～25°的区域，其间共有317处灾害点，占研究区灾害点总数的71.24%。

3.1.3 坡向

坡向指的是山坡的坡面法线在水平面上投影的朝向，在不同坡向上受到的太阳辐射强度、降雨等自然条件不同，随之植被特征及岩石风化程度也存在着差异，因此坡向也是影响地质灾害分布的重要因素之一。将研究区的DEM数据运用ArcGIS表面分析Aspect工具提取得到坡向因子，并按照各个方向角度分级，如图2(c)所示。对各个方向上的地质灾害分布情况进行统计分析，结果表明灾害点在不同方向上分布的数量差异并不大，其中北、东南方向稍多，分别占灾害点总数的14.38%、12.58%。

图2 评价因子分级Fig.2 Classification of landslide influence factors

3.1.4 年平均降雨

降雨不仅会影响土壤含水率，也会使地表土层在受到冲刷作用后坡体结构失衡，进而引发地质灾害。盘州市属于亚热带气候，雨量较为充沛，年平均降雨量为1 390 mm，雨量呈现出从北至南逐渐增加的趋势。将收集到的降雨数据共分为6个区段，如图2(d)所示，分别统计地质灾害(隐患)点在不同区段的分布情况，在降雨量大于1 235 mm的区段分布最多，达到了229处，占到了灾害点总数的51.46%。

3.1.5 距断层距离

断层主要通过影响其一定范围内的岩土体结构使得坡体的稳定性降低，同时也为地下水提供营运通道进而造成斜坡的变形[23]，为地质灾害的发育提供条件。充分考虑研究区断层与地质灾害的空间分布关系，将断层以1 000 m为间隔共划分为4个区段，如图2(e)所示。统计分析发现研究区内灾害点集中分布在断层集中和断层邻近区域；在距断层2 000 m范围内，分布有295处灾害点，占灾害点总数的66.29%，地质灾害点随距断层的距离的增大而减少。

3.1.6 距水系距离

水系条件除了影响河流附近的地下水位线，造成斜坡稳定率下降，还可能通过河流的侧蚀和下切作用形成斜坡陡坎，随时间积累易发生地质灾害[27-28]。利用研究区DEM数据和ArcGIS的水文分析工具，提取得到研究区水系因子。结合地质灾害的空间分布，以400 m为缓冲距离进行多级缓冲，将距水系距离共划分为6级，如图2(f)所示。在距水系2 000 m范围内，距离水系越近灾害点分布越集中，其中在距水系400 m区域内有灾害点154处，占灾害发生总量的34.61%。

3.1.7 距道路距离

道路因子主要反映的是人类工程活动的影响。道路建设时不可避免地要进行填挖改造，改造过程中很可能会使斜坡形成高陡边坡，在长期的重力作用和外力条件下，破坏了原始的坡土体结构，从而为地质灾害的发生提供条件[29]。为了统一数据的标准，同样以400 m为间隔将距道路距离等距分为6个级别，如图2(g)所示。通过分析地质灾害与道路分布关系发现，在距道路2 000 m范围内，共分布地质灾害(隐患)点305处，是研究区灾害点总量的68.54%，灾害点数量随着距离增加而减少。

3.1.8 岩性

盘州市属于典型的西南喀斯特山区，以喀斯特地貌为主，为了更好地表示研究区的地质特征，本次收集到的岩性数据主要分为3个区域，即喀斯特区、半喀斯特区(喀斯特与非喀斯特混合地区)、非喀斯特区。如图2(h)所示。研究区地质灾害集中分布在半喀斯特和非喀斯特区域，在这两个分区内灾害类型以滑坡灾害为主，分别占灾害总数的55.22%和55.91%，可以看出岩石性质在一定程度控制了地质灾害的发生。

3.2 信息量模型计算过程

3.2.1 评价单元划分

在构建信息量模型过程中，各因子间分级标准不同，为了便于量化各评价指标，计算不同指标的信息量值，在计算之前需对研究区进行单元划分，选取适宜的单元将对评价结果产生直接影响。综合考虑原始数据的情况和计算机的处理能力，在满足精度和运算准确性的前提下，选择栅格单元作为研究区的评价单元。确定适宜栅格单元格大小参考了之前学者的经验公式：

GS=7.49+0.000 6S-2.0×10-9S2+2.9×10-15S3

(4)

式(4)中：GS为选取单元格的大小；S为原始等高线数据精读分母。

根据经验公式计算得到的栅格大小为50.39 m。由于本次研究收集的灾害数据为点状数据，且采用的DEM 数据分辨率为30 m，为了方便计算，最终确定评价单元格大小为30 m×30 m，将研究区总共划分为 4 408 663 个评价单元。

3.2.2 基于GIS的信息量模型计算

基于信息量模型进行地质灾害易发性评价时，首先是构建评价指标体系，以高程、坡度、坡向、年平均降雨、距断层距离、距水系距离、距道路距离、岩性为评价因子，通过对搜集到的基础资料整理分析，再利用GIS技术对各评价因子图层进行提取、分级。为了便于计算，参考评价单元数据标准将所有因子转换为30 m×30 m的栅格数据，完成评价指标体系的建立。分别将各因子图层和地质灾害数据进行空间叠加，计算不同指标因子下地质灾害点的分布密度，然后引入式(2)计算各指标因子的信息量值，如表2所示。根据各指标因子的信息量值对其栅格图层重分类，生成各因子的信息量图。最后参照式(3)，将各因子信息量图进行栅格叠加运算，得到各单元综合信息量值。

3.3 地质灾害易发性分区

通过上述计算得到研究区各单元综合信息量值(-4.434 79≤I≤3.360 752)。利用ArcGIS软件中栅格重分类的自然断点法(natural break classification)将研究区内评价单元按其综合信息量值的大小共划分为5级，然后归并相同级别的单元，最终获得研究区的地质灾害易发性评价分区(图3)。各分区信息量值区间分别为低易发区(-4.434 79≤I<-2.019 726)、较低易发区(-2.019 726≤I<-0.949 741)、中易发区(-0.949 741≤I<0.028 536)、较高易发区(0.028 536≤I<1.098 503)、高易发区(1.098 503≤I<3.360 752)。

表2 各评价因子信息量值Table 2 Calculations of information quantity of various evaluation factors

图3 盘州市地质灾害易发性评价分区Fig.3 Geological hazard risk distribution in Panzhou City

3.4 评价结果分析

盘州市地质灾害易发性评价结果分为高易发区、较高易发区、中易发区、较低易发区、低易发区5类。将评价结果与因子分级(图2)结合分析结果如下。

盘州市地质灾害高和较高易发区总面积为1 566.46 km2，占研究区面积的38.62%。从行政单元来看，这部分区域主要分布在盘州市东部的英武镇、旧营白族彝族苗族乡，南部的新民镇、响水镇、石桥镇以及西北部的柏果镇、洒基镇。从分布特点来看，高和较高易发区主要分布在托长江、马别河等主要河流的沿岸、靠近道路和断层分布相对集中的区域，呈现出带状分布规律。该区域人类活动相对活跃，受河流和断层影响大，且岩土体结构稳定性较差，当遭遇不适宜的人类工程活动或集中性强降雨时，发生地质灾害的可能性极高。

中易发区面积为1 275.18 km2，占盘州市总面积的31.44%。由图3可看出，中易发区在各乡镇的分布并不均匀，主要集中于研究区的南部地区。且该区域与河流、道路的分布也有明显的位置联系，大都分布在高和较高易发区周边，地质灾害发生的概率相对减小，但作为高易发区和低易发区的过渡区，如果不加以控制，很可能转为高易发区。低易发区与较低易发区主要呈块状分布，区域面积共计1 214.36 km2，占研究区面积的29.94%，该区受人类工程活动的影响较小，且大多分布在断层分布稀疏区域，其中低易发区主要分布在研究区的北部和西部地区，地质灾害概率低。

此外，根据统计分析各分区中灾害点的实际分布情况，得到盘州市地质灾害易发性分区统计表，如表3所示，高和较高易发区内地质灾害(隐患)点共293处，是灾害点总数的65.84%；中易发区共分布101处灾害点，占灾害点总数的22.70%；低和较低易发区范围内灾害点占比为11.46%，数量共51处。总体来看，随着易发性等级的升高，各级区域内分布的地质灾害(隐患)点的数量增大，其灾积比(地质灾害发生的概率)也逐步递增，这可以说明本次易发性评价结果与区域内地质灾害的实际分布情况较为符合，在不同等级之间也有较好的区分关系，分区效果理想。

表3 盘州市地质灾害易发性分区统计表Table 3 Statistical table of susceptible zoning of geological hazards in Panzhou City

4 结论

(1)以贵州省盘州市为研究对象，在充分考虑区域地质环境及地质灾害(隐患)点分布情况的基础上，选取高程、坡度、坡向、年平均降雨、距断层距离等8个影响因子，利用GIS技术结合信息量模型完成了盘州市地质灾害易发性评价。将分区成果和区域内实际地质灾害(隐患)点进行验证，表明本次评价结果与实际情况相符合，分区划分合理，可为该地区灾害风险评价及灾害防治提供重要的参考价值。

(2)各评价因子中，距水系距离、距道路距离、年平均降雨和距断层距离4个因子对研究区地质灾害起着控制性作用。区内地质灾害主要分布在靠近水域和道路、断层相对集中的区域，并随着距离增加，地质灾害发生的概率减小，其中较高易发区、高易发区呈现出带状分布的趋势。

(3)利用信息量模型对区域地质灾害进行易发性评价时，灾害数据与影响因子数据的精度和完整性对评价结果的准确性有很大影响，因此在今后的研究中尽可能采用质量更好的相关数据，可以使评价效果更加符合实际。