白龙江武都区段泥石流分布规律及其危险性评价

罗亮 宋国虎 唐良琴 向灵芝 李小龙 梁梦辉

摘要：基于遥感解译和实地调查，白龙江流域武都区段共发育329条泥石流沟。根据地形地貌、物质条件、外部激发因素三大孕灾条件，选取高程、坡度、岩性等9个孕灾因子，基于ArcGIS平台，分析研究区内泥石流分布规律，采用信息量法进行泥石流危险性评价。分析结果表明：① 地形地貌上，研究区泥石流主要分布在1 800～3 000 m和NDVI值为0.2～0.4的范围内，其优势坡度分布区间为15°～35°。② 物质条件上，泥石流大量分布在地震动峰值加速度为0.2g的范围内，且在以千枚岩、板岩为主的软弱-坚硬中厚层-厚层板岩、碎屑岩组区内，与距断层距离呈负相关分布。③ 外部激发因素主要分布在1 h最大降雨量为36～40 mm区域内，与距河流、道路距离呈负相关分布。④ 运用信息量法对泥石流做危险性评价，得到泥石流危险性分区图，在中度、高度、极高度危险范围内的泥石流面积分别占总泥石流面积的21.77%，32.94%，31.49%，且较高等级危险区主要分布在白龙江的北岸。应用ROC曲线验证评价结果，AUC=0.737，表明评价结果有较高的准确度和可靠性。

关 键 词：泥石流; 分布规律; 信息量法; 危险性评价; 白龙江流域

中图法分类号： P642.23

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2022.05.022

0 引 言

白龙江流域武都区段（武都区桔柑镇-宕昌县两河口乡）位于甘肃省东南部，随着青藏高原東北缘区域山地的持续抬升，流域内地形切割强烈、山势陡峻、相对高差大，沟谷发育、沟坡坡度大，再加上近年来日益加剧的极端降雨天气，地质灾害频繁发生[1]。预计未来在构造活动、气候变化及人类活动加剧背景下，地质灾害有日益增加的趋势[2]。因此，对研究区内开展泥石流的发育、分布规律以及危险性评价等研究有利于国民生产及当地人民的生命财产安全。

随着大数据及智能化技术的发展，GIS（地理信息系统）在地质灾害的分析方面也得到了越来越广泛的应用[3]。白龙江流域作为中国地质灾害的高发区，前期研究成果非常丰富。如杜国梁等分析了白龙江流域甘肃段滑坡发育与高程、岩性等8个孕灾因子之间的关系，建立了白龙江流域滑坡易发性评价指标体系，并采用基于GIS的层次分析法评价模型，完成了的滑坡易发性评价[4];宁娜等选取了高程、坡度、岩性、土地利用类型、滑坡点密度、地质构造缓冲区及归一化植被指数（NDVI）7 个评价因子，在基于信息量模型分析法下分析得到甘肃南部白龙江流域泥石流灾害危险性分区[5];任非凡等利用已有的野外资料，深入分析了G212线陇南段的工程地质环境，并在充分认识该区域泥石流发生机制的基础上，通过对典型泥石流的探究，综合分析了研究区泥石流分布的空间特征与时间特征[6]。在野外调查及遥感解译的基础上，本文选取影响泥石流发育的9个主要控制因素（高程、坡度、岩性、NDVI值、1 h最大降雨量、地震峰值加速度、距河流、道路、断层的距离），利用ArcGIS定量统计分析研究区内泥石流分布的规律，并采用信息量法对研究区域进行危险性评价。相关分析结果可为区域泥石流风险评估作依据，并为防灾减灾作参考。

1 研究区概况

研究区位于甘肃省东南部，介于东经 104°21′48″～105°17′24″，北纬33°08′51″～33°45′32″之间，区内最低海拔742 m，最高海拔有3 737 m，最大高差将近3 000 m。研究区内白龙江两岸海拔分布在700～1 200 m左右，两岸都为2 000～3 000 m的高山。地处青藏高原东缘的南北构造带北段，该区构造运动强烈，地表破碎、岩性复杂，是我国地形上第1阶梯和第2阶梯的过渡地带，地势由西北向东南逐渐降低[7]，总的地形特点是沟谷发育、切割强烈、地表起伏大、山势陡峭、坡度大[8]，极易形成泥石流等地质灾害。

本次分析基于ASTER DEM 30 m高程数据、Google Earth卫星图像，结合实地勘察，利用ArcGIS的流域提取功能，解译白龙江流域武都区段的泥石流沟共329条，泥石流沟分布如图1所示。

泥石流是白龙江流域的主要地质灾害类型之一，分布广泛，数量多，易发性强，危害巨大[2]。并且研究区内含有大量的滑坡群，给泥石流提供了大量的物源，滑坡危害发生后，物源堆积到泥石流沟道内，这些滑坡松散物源也使该区段内泥石流频发。根据实地调查，研究区内泥石流以黏性泥石流为主。受沟谷侧蚀作用的影响，白龙江北岸泥石流沟较南岸发育，常堵江为患的沟谷主要有甘家沟、三眼峪沟、石门沟和深沟等[9]。研究区段的泥石流主要发生在6～9月，这也是区内每年降雨最多的月份，泥石流均为暴雨引发，具有突发性的特点。

2 泥石流分布规律

研究区内泥石流的发育跟诸多因子有关联，根据地形地貌、物质条件、外部激发因素三大孕灾条件选取了高程、坡度、岩性、NDVI值、1 h最大降雨量、地震峰值加速度以及距离河流、道路、断层的距离来分析泥石流分布规律。利用ArcGIS对不同因子图层和泥石流沟分布图层进行叠加分析，结果如图2所示。

2.1 高 程

高程对泥石流的分布有着一定影响，不同高程范围松散物的临空条件差异以及不同高程范围内的人类活动强度差异等，都会影响泥石流的发生[5]。本文基于30 m分辨率的ASTER DEM数据，对高程划分为5个等级，分别为742～1 200，1 200～1 800，1 800～2 400，2 400～3 000，3 000～3 737 m，空间分布如图2（a）所示。从图2（a）中可以看出：在742～1 200 m和3 000 m以上的高程范围内泥石流沟面积最少，总共占比5.51%。而在1 800～2 400 m的高程范围内泥石流沟面积的占比最大，达41.43%，该区域是研究区段人口较密集的区域，农业种植物较多，泥石流受人为影响较大，故泥石流分布较多。其次是2 400～3 000 m和1 200～1 800 m段，分别占28.72%和24.91%。综上，研究区泥石流主要分布在1 800～3 000 m的高程区域内，共占泥石流总面积的70.15%。

2.2 坡 度

坡度是指泥石流沟两岸边坡的平均坡度，是判断地质灾害的的重要指标之一。一般来说坡度小是不利于泥石流发生的，坡度越大，则堆积体向下滑动时势能就越大，会导致边坡失稳，从而致使泥石流发生的概率变大[5]，但实际上并不是坡度越大泥石流发生的概率就越大，泥石流的发生是在一定坡度范围内的，坡度太小物源不具备发动势能，坡度太大不利于物源堆积停留。白龙江流域内物源多分布于坡度在 15°～45°的斜坡上[10]。将坡度因子分为0～15°，15°～35°，35°～60°以及大于60°四个等级。同样，用30 m精度的DEM数据提取坡度因子，叠加泥石流沟进行分析，得到结果如图2（b）所示。从图2（b）

可以看出：在15°～35°这个等级下的泥石流沟面积占比最高，达到44.05%，而大于60°区域内泥石流沟的面积占比很少，分布只有4.47%。说明在武都区段，泥石流在坡度15°～35°的区域分布较广，在此坡度内最利于物源堆积停留。而在0°～15°的区域内由于坡度较缓，不利于泥石流的形成，所以分布较少。据实地调查，大于60°的区域内植被分布较好，且不利于松散物质堆积，少有泥石流分布。

2.3 岩 性

地层岩性对泥石流的发育至关重要，岩石的物理性质和力学特性差异对泥石流的发育有不同的影响。风化侵蚀严重的碎屑岩和一些松散堆积层可以给泥石流的发育提供充足的物源，促进泥石流的发育。依据研究区1∶250 000地质图，不同的地层岩性可按岩石的组成及其性质大致分为6个岩组（见表1）。

利用ArcGIS将地质图与泥石流沟进行叠加，得到不同岩性下的泥石流沟面积如图2（c）所示。由图2（c）可以看出：软弱-坚硬中厚层-厚层板岩、碎屑岩组内，泥石流沟面积占总泥石流面积比例最大，达66.3%;面积占比最小的为坚硬块状岩浆岩组，只有0.7%。由此可看出，研究区段内泥石流主要分部在以千枚岩、板岩为主的软弱-坚硬中厚层-厚层板岩、碎屑岩组中，是该地区泥石流物源的主要来源。

2.4 植 被

植被的疏密程度影响着水土的好坏，植被密度高的区域能够封水固土，不易发生泥石流，而植被稀少的区域土质疏松，在水的作用下很容易成为泥石流的物源。此次分析采用归一化植被指数（NDVI），数据来源国家地球系统科学数据中心，精度为1 km。NDVI指的是植物生长状态以及植被空间分布密度的最佳指标因子，与植被分布密度呈线性相关[11]。NDVI值越高，代表植被覆盖率越高，反之亦然。对研究区内归一化植被指数分5级：NDVI<0.2，0.2≤NDVI<0.3，0.3≤NDVI<0.4，0.4≤NDVI<0.5，NDVI≥0.5。

利用ArcGIS对NDVI重分类后与研究区内泥石流沟进行叠加，得到不同NDVI值下的泥石流面积占总泥石流面积的比例如图2（d）所示。由图2（d）可以看出：研究区内在植被覆盖度0.2～0.4的范围内泥石流面积占比最大，达到70%，而在大于0.5的范围内灾害的占比最小。NDVI小于0.2的泥石流面积占比极小，根据实地调查，其原因是该区域多为建筑用房和河流区域。

2.5 降 雨

降雨是研究区内滑坡灾害的重要诱发因素。但在通常情况下，极端降雨事件才是泥石流的触发因素[12]。本文选用1h最大降雨量来进行分析。

利用ArcGIS将白龙江流域武都区段的1 h最大降雨量等值线图在研究区内的降雨分布与泥石流沟进行叠加分析，并将降雨分为小于36，36～38，38～40 mm和大于40 mm 4个等级，最终得到结果如图2（e）所示。从泥石流灾害的发生时间的分布来看，1 h最大降雨量在36～38 mm和降雨量38～40 mm区泥石流灾害面积所占总泥石流面积最大，达到56.08%。

2.6 地震动峰值加速度

根据《地震动参数区划图》，利用ArcGIS，对研究区内的地震动峰值加速度区划与泥石流沟进行叠加分析。分析表明，地震动峰值加速度为0.2g区域内的泥石流面积占比最大，为86%，远高于地震动峰值加速度为0.3g的区域。表明研究区内的泥石流沟主要分布在地震动峰值加速度为0.2g的区域内。一般情况，通常是地震动加速度值越大，地表岩土体所受到的扰动越大，岩体更破碎，在相同的降雨等其他外力激发因素下，更容易进入沟道并启动成为泥石流物源。而本研究区由于地震动峰值加速度0.2g的面积占比远高于0.3g，因此在泥石流的分布上以0.2g占优。经实地考察发现其原因是0.2g范围内的岩性较差，多为风化侵蚀严重、结构破碎的千枚岩、板岩等，这也说明了不同岩性对泥石流发育的重要性。

2.7 河 流

河流的冲刷会导致风化严重的表层土壤和一些松散堆积层进入河道中，另外长时间的搬运作用会使河道淤高，在暴雨季节里就容易形成泥石流。研究区段除白龙江主河外还有北峪河、拱坝河、沟坝河等几个白龙江的重要支流。从泥石流沟的分布来看，研究区段内的地质灾害集中分布在这些河流的两岸。利用ArcGIS对研究区域进行流域提取，对提取出来的水系建立缓冲区并叠加研究区段的泥石流沟，来分析每条泥石流沟与最近河流的距离远近关系。将距离分为小于500，500～1 000，1 000～2 000，2 000～3 000 m和大于3 000 m 5个等级，结果如图2（g）所示。

由图2（g）可看出：河流沿岸发育的泥石流面积占总数的比例很大，为泥石流灾害最密集地带。泥石流流域面积38.8%集中于河流500 m范围内，83%分布于河流2 km范圍内，距离河流越近，汇水面积大，水的侵蚀使泥石流更易启动。由此可以得出结论，泥石流灾害分布面积随着距河流距离的增大而减小，两者成负相关关系，即距离河流越远，泥石流分布越少。

2.8 道 路

研究区段内含有如国道G212、G75等一些道路。近年来由于人的生产、建筑等活动导致的地质灾害数量呈增长状态，因此，研究道路与泥石流沟的距离关系可以进一步认识到人的活动对地质灾害的影响。利用ArcGIS建立道路缓冲区，叠加上研究区段内的泥石流沟，分析泥石流沟距离道路的距离远近关系，如图2（h）所示。按距离分为如表2所示的10个等级。

由表2可知：在道路的7 km之内分布的泥石流沟面积占67.55%，并且泥石流沟的面积占比随着距离道路越远而越来越小。这表明研究区段内，在道路周围的泥石流沟分布更多，也进一步说明了人类活动加速了地质灾害的演化。

2.9 断 层

断层活动带附近岩层破碎，松散物质储量丰富，从物源及滑动动力角度为泥石流的发育提供了有利的条件[13]。根据研究区的实测和推测断层，利用ArcGIS，对区内主要活动性断裂建立缓冲区并叠加上泥石流沟进行了分析。

结果表明：研究区内泥石流灾害多集中在距离主要断层小于2 km的范围内，占泥石流总面积的64.3%。由表2和图2（i）可见：灾害点的形成与断裂直接相关，随着与断层距离的增大，泥石流灾害的分布变少。

3 泥石流危险性分析

现阶段针对地质灾害危险性划分的定量分析有很多种方法[14]，例如现在常用的有人工神经网络法[15]、信息量法[21]、多元回归分析[16]、逻辑回归分析[17]、灾害熵[18]等。基于GIS的信息量法，综合了GIS技术的空间分析功能与信息量法的定量分析功能，使得评价过程更加综合、定量化，提高了评价结果的可靠性和精确度[5]。

3.1 信息量模型

信息量模型是统计模型和信息论结合并不断衍生发展而来的，其最早应用于矿产勘查预测。随着GIS的快速发展，进而被广大学者推广，最终应用到环境质量评估以及崩塌、滑坡、泥石流等地质灾害危险性评价中[19]。信息量法实质是将每个因子的各自实际属性的实测值，用ArcGIS强大的数据处理能力，将每个因子图层计算出的信息量值可视化表达出来，最后综合所有图层因子进行叠加，得到叠加后图层的总信息量值。信息量值越大，则表明该因子类型下发生泥石流灾害的概率越大，危险度也就越高，反之亦然。其计算过程如下。

（1） 单独计算各评价因子类别Xi对泥石流灾害发生（H）提供的信息量I（Xi，H）。

Ii（Xi，H）=lnP（Xi，H）P（Xi）（1）

式中：P（Xi，H）为泥石流灾害发生（H）条件下出现某评价因子类别Xi的概率;P（Xi）为研究区内出现某评价因子类别Xi的概率。对于影响泥石流发育的环境影响因子较多且不同因子对泥石流所起的作用大小、性质是不同的[20]。所以在详细计算信息量值时，通常会采用更为简单的方法。即：

IXi，H=lnNi/NSi/S（2）

式中：Ni为分布在某特定评价因子类别Xi内的泥石流灾害单元面积;N为整个研究区内泥石流灾害分布的单元总面积;Si为研究区内含有某评价因子类别Xi的单元面积;S为整个研究区域单元总面积。

（2） 计算单个评价单元内的总信息。

I=ni=1Ii（Xi，H）=ni=1lnNi/NSi/S（3）

式中：I为某评价单元内总的信息量值;n为参评因子数。

3.2 计算结果

采用信息量法整个分析计算过程如下。

（1） 计算出每个因子类型的信息量值。

（2） 在ArcGIS中，对各个因子进行信息量的赋值，计算得到各因子的专题图层。

（3） 泥石流的发生是多个因子共同作用的结果，用ArcGIS加权总和功能对每个专题图层进行叠加从而得到各因子综合信息量图层。

（4） 将综合信息量图层按照自然断点法重分类为极轻度危险区（-1.74～-0.99）、轻度危险区（-0.99～-0.25）、中度危险区（-0.25～0.33）、高度危险区（0.33～1.23）、极高度危险区（1.23～1.6）5个对应的危险区从而得到泥石流的危险性分区图。

（5） 叠加上研究区段的泥石流沟进行分析。

信息量值结果如表2所示，危险性分区如图3所示，可以得出以下结论：

（1） 区内泥石流在高程2 400～3 000 m、坡度15°～35°内，岩性为软弱中厚层岩组和软弱-坚硬中厚层-厚层板岩、碎屑岩岩组，NDVI值小于0.2，1 h最大降雨量为36～38 mm，地震峰值加速度为0.2g，距离河流3 km，距离道路1～7 km以及距离断层1 km以内信息量值最大，发生泥石流的概率最大。

（2） 1 h最大降雨量在36～38 mm之间的信息量值最大，而后降雨量越大信息量值越来越少，说明研究区段泥石流启动的1 h最大降雨量临界值大致在36～38 mm之间。

3.3 危险性分析

各危险性分区内泥石流沟分布的面积占比分别如图3所示和表3所列。从结果可知：研究区内大部分区域处于中度危险区以上，中度以上危险区占了总面积的80.19%;而极轻度危险区占比非常少，只有4.37%。高度危险区与极高度危险区的泥石流沟面积占各自危险等级的面积的53.08%和73.37%。在泥石流沟中，高度、极高度危险范围内的泥石流面积分别占泥石流总面积的32.94%和31.49%。按空间位置分布来看，高度与极高度危险区主要分布在白龙江的北岸，特别是北峪河流域泥石流分布密集;较轻度危险的区域大部分都分布在白龙江南岸。结合实地勘察，结果与研究区实际的泥石流发育规律基本一致。

3.4 评价结果验证

对于信息量模型的计算结果，采用ROC曲線来验证其精度。ROC曲线即受试者工作特征曲线，横坐标

为假阳性率（1-特异度），纵坐标为真阳性率（即敏感度）。ROC曲线可直观准确地反应特异性跟敏感性的关系。地质灾害评价的对应关系为：① 敏感度表示为现实为地质灾害，通过数学模型计算也判断为地质灾害的概率;② 特异度表示实际上并未发生地质灾害，通过数学模型计算亦判断不是地质灾害的概率;③ 误判率表示把实际为假值，通过数学模型计算却判断为真值的概率[22]。ROC曲线下的面积（AUC值）在0～1之间，其值越接近于1，说明判别效果越好，结果有较高的准确度和可靠度。

使用SPSS 22.0软件，将信息量模型的评估结果以及研究区内泥石流的发生与否情况采样100个点输入，已经发生泥石流的赋值为1，未发生的赋值在0。分析结果如图4所示。由分析结果可知：AUC值为0.737，标准误差为0.036，渐进95%置信区间下限为0.631，上限为1.843，结果比较准确，说明能够较好地进行本研究区地质灾害危险性预测。

4 结 论

（1） 白龙江流域武都区段泥石流主要分布在1 800～3 000 m和NDVI值为0.2～0.4的范围内，其优势坡度分布区间为15°～35°。该地形地貌环境给泥石流提供势能的同时，还使松散物质能大量堆积。

（2） 从物质条件来看，泥石流大量分布在地震动峰值加速度为0.2g的范围内，且在以千枚岩、板岩为主的软弱-坚硬中厚层-厚层板岩、碎屑岩组区内，与距断层距离呈负相关分布，距断层2 km以内泥石流占比64.3%。地震动和断层的内部活动，给泥石流提供了源源不断的物质来源。

（3） 在外部激发因素方面，主要分布在1 h最大降雨量为36～40 mm区域内，与距河流、道路距离呈负相关分布，83%的泥石流沟分布在河流的2 km以内;在距离道路7 km之内泥石流占比67.55%。近年来，极端天气频繁出现、人的生产活动范围越来越大，都大大促进了泥石流发育。

（4） 运用信息量法对研究区进行危险性评价，得到泥石流危险性分区图。统计结果表明，在中度、高度、极高度危险范围内，泥石流面积分别占总泥石流面积的21.77%，32.94%，31.49%，且较高等级危险区主要分布在白龙江的北岸，特别是北峪河流域，泥石流密集分布且危险性也高，这也与实际勘察结果相吻合。经ROC曲线验证，AUC值为0.737，结果具有较高的准确性。相关结果可为研究该区域泥石流发育规律提供参考，进一步为该区域的泥石流防治提供科学依据。

参考文献：

[1] 张茂省，黎志恒，王根龙，等.白龙江流域地质灾害特征及勘查思路[J].西北地质，2011，44（3）：1-9.

[2] 孟兴民，陈冠，郭鹏，等.白龙江流域滑坡泥石流灾害研究进展与展望[J].海洋地质与第四纪地质，2013，33（4）：1-15.

[3] 徐兰声.基于GIS系统的城市震灾评估和救灾应急的研究[J].地震工程学报，2019，41（2）：243-248.

[4] 杜国梁，张永双，高金川，等.基于GIS的白龙江流域甘肃段滑坡易发性评价[J].地质力学学报，2016，22（1）：1-11.

[5] 宁娜，马金珠，张鹏，等.基于GIS和信息量法的甘肃南部白龙江流域泥石流灾害危险性评价[J].资源科学，2013，35（4）：892-899.

[6] 任非凡，谌文武，韩文峰.G212线陇南段泥石流发育成因及其时空分布特征分析[J].岩石力学与工程学报，2008，27（增1）：3237-3237.

[7] 黄江成，杨顺，潘华利，等.白龙江流域泥石流特征分析[J].水土保持通报，2014，34（1）：311-315.

[8] 李曉婷，刘文龙.模糊综合评判法在甘肃陇南武都区石门乡泥石流危险性评价中的应用[J].中国地质灾害与防治学报，2020，31（4）：71-76.

[9] 陈秀清，白福，于燕燕.甘肃省泥石流发育特征、成因分析及其危害[J].西北地质，2014，47（3）：205-210.

[10] 毛佳睿，李铁峰，田运涛，等.基于物源特征的白龙江流域泥石流易发性评价[J].科学技术与工程，2020，20（28）：11479-11490.

[11] 李苗苗.植被覆盖度的遥感估算方法研究[D].北京：中国科学研究院遥感应用研究所，2003.

[12] 李郎平，兰恒星，郭长宝，等.基于改进频率比法的川藏铁路沿线及邻区地质灾害易发性分区评价[J].现代地质，2017，31（5）：911-929.

[13] LIU X L.Empirical assessment of debris flow risk on a regional scale in Yunnan Province，south western China[J].Environmental Management，2002，30（2）：249-264.

[14] 陈飞飞，姚磊华，赵宏亮，等.泥石流危险性评价问题的探讨[J].科学技术与工程，2018，18（32）：114-123.

[15] 刘艺梁，殷坤龙，刘斌.逻辑回归和人工神经网络模型在滑坡灾害空间预测中的应用[J].水文地质工程地质，2010，37（5）：92-96.

[16] 李权，曾涛，覃虎，等.基于多元逻辑回归的兰坪县崩塌滑坡敏感性评价[J].测绘与空间地理信息，2015，38（12）：36-39.

[17] 唐川，马国超.基于地貌单元的小区域地质灾害易发性分区方法研究[J].地理科学，2015，35（1）：91-97.

[18] 向灵芝，崔鹏，陈洪凯，等.基于灾害熵的汶川震后道路泥石流敏感性分析[J].重庆交通大学学报（自然科学版），2017，36（5）：71-78.

[19] 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）：170-171，179.

[20] 邹强，崔鹏，杨伟.G318川藏公路段泥石流危险性评价[J].山地学报，2013，31（3）：342-348.

[21] 张晓东，刘湘南，赵志鹏，等.信息量模型、确定性系数模型与逻辑回归模型组合评价地质灾害敏感性的对比研究[J].现代地质，2018，32（3）：602-610.

[22] 牛全福，馮尊斌，张映雪，等.基于GIS的兰州地区滑坡灾害孕灾环境敏感性评价[J].灾害学，2017，32（3）：29-35.

（编辑：刘 媛）

Debris flow distribution law and risk analysis in Wudu section of Bailong River

LUO Liang1，SONG Guohu2，3，TANG Liangqin1，XIANG Lingzhi1，LI Xiaolong1，LIANG Menghui1

（1.Key Laboratory of Chongqing University for Geological Disaster Mitigation of Mountain Highway Water Transportation，Chongqing Jiaotong University，Chongqing 400074，China; 2.Chengdu Hydrogeological Engineering Geological Team ，Sichuan Bureau of Geology and Mineral Resources，Chengdu 610072，China;3.Geological Engineering Survey Institute of Sichuan Province，Chengdu 610072，China）

Abstract：

Based on remote sensing interpretation and field investigation，there are 329 debris flows developed in the Wudu section of Bailong River Basin.According to the three major disaster-pregnancy conditions of topography，material conditions and external excitation factors，9 disaster-pregnancy factors such as elevation，slope，and lithology were selected.Based on ArcGIS platform，the distribution law of debris flow in the research area was analyzed and the debris flow risk was assessed by using information model.The analysis result showed that：① Debris flows in the study area were mainly distributed in the elevation range of 1800～3000m and NDVI value of 0.2～0.4 in terms of topography，and their dominant slope distribution range were 15°～35°.② In terms of material conditions，a large number of debris flows we re developed in the range of the peak acceleration of ground motion of 0.2g，and mainly distributed in the soft-hard and medium-thick layer -thick layer slate and clastic rock formations mainly composed of phyllite and slate，while the areas of debris flow were negatively correlated with the distance from the the faults.③ External excitation factors were mainly distributed in the area with the maximum rainfall of 36～40 mm per hour.And it was negatively correlated with the distance from the rivers and roads.④ The risk assessment on debris flow was done by information method and the risk zoning map was obtained.Results showed that the debris flow area in the medium，high and extremely high risk range accounted for 21.77%，32.94% and 31.49% of the total debris flow area，and the high-level danger zone was mainly distributed on the north bank of Bailong River.The ROC curve was used to verify the evaluation result，and AUC was 0.737，which means the evaluation result is accurate and reliable.

Key words：

debris flow;distribution law;information method;risk assessment;Bailong River Basin