AHP-信息量法在古城区地质灾害危险性评价中的应用

范诗铃，刘汉湖，李金豪

（成都理工大学地球科学学院，四川成都 610051）

地质灾害作为一种不良地质现象，其发生具有高度的不确定性，一旦出现造成的危害往往不可估量. 为了最大限度地减少地质灾害造成的人员伤亡和财产损失，需要了解和分析地质灾害的发生机理、诱发因素、空间分布特征、发生规律等方面的情况，为后续减灾防灾工作打下基础. 地质灾害危险性评价作为地质灾害风险性评价的基础，是防治减灾工作部署与基础建设的重要参考[1]. 目前国外学者在地质灾害危险性评价方面已作了广泛的研究，评价方法多种多样，主要有层次分析法[2]、主成分分析法[3]、确定系数法[4]、信息量法[5]等. 然而单一评价方法所得的评价结果精度通常较低，而多类评价方法之间的相互耦合能更准确地对评价结果进行描述.程斌等[6]用确定系数模型与逻辑回归模型进行耦合，对赤水市进行地灾易发性评价；陈慧敏等[7]以地理信息系统为平台，用加权信息量法对茂县地区进行地质灾害易发性评价；周子涵等[8]用信息量模型等方法对红河县地质灾害危险性进行相应的评价.信息量建模方式是对地质环境进行预测的较佳方式之一，它可对地质的具体状况进行全面分析，其具有较高的可信度和科学性，且处理方式较简便.

古城区是丽江市的政治、经济、文化、科技、金融和信息中心，本文将层次分析法、信息量模型与GIS系统相结合，对古城区地理状况和地质灾害危险性进行研究，以目视解译和野外调查崩塌、滑坡、泥石流数据为分析要点，获得地理环境因子、地质环境因子、地质灾害外部诱发因子等相关要素，然后对各要素中的单个评价指标（地理环境因子包括坡度、高程、NDVI、地形起伏度，地质环境因子包括地层岩性、距断层距离，地质灾害外部诱发因子包括距道路距离、年均降雨量、距河流距离）展开分析，搭建地质灾害危险评价指标体系，对其地质灾害危险性进行综合评价.

1 研究区概况

古城区地理地貌如图1 所示. 该地区衔接青藏高原南端与云贵高原，同时结合了藏滇地槽与扬子准地台，因而其地貌与一般地貌有所不同，特点较为明显，为横断山峡谷和滇西北高原[9]，境内地形地貌错综复杂. 该区为南亚季风气候，位于偏低纬度，气候较为温和，冬不过冷夏不过热，雨量较大，存在干湿季节且较为明显，因地形深切，具有明显的垂直差异气候特征. 古城区地层内含古生界二叠系上统、中生界三叠系、新生界下第三系和第四系地层. 二叠系仅有上统出露，为一套基性海底火山喷出岩及浅海—沼泽泥炭相沉积，主要集中分布于金沙江河谷两岸；三叠系发育，分布广泛，全区皆存在出露情况；新生界下第三系为一套红色碎屑岩建造，主要分布于象山、龙兴、羊见、忠义等地，呈南北条带状展布；第四系为一套湖相或河湖相沉积，主要分布于丽江盆地.

图1 研究区示意图

2 研究方法

2.1 评价因子

在不同的区域地质灾害的评价研究中，所选取的评价因子不尽相同. 选取的评价因子过少会导致结果侧重于某类主导因子，而选取过多将使模型复杂化，最终导致评价结果不够准确，只有合理地选择适合于研究区的评价因子才能有效保障地质灾害危险性评价结果的准确性. 根据区域内实际情况并参照中外较为普遍采用的评价指标，从地理环境、地质环境与外部致灾三方面，将坡度、高程、NDVI、地形起伏度、地层岩性、距断层距离、距河流距离、距道路距离、年均降雨量九个影响较大且具有代表性的因子作为本文地质灾害危险性评价的指标.

（1）坡度：地质灾害的发生与坡度有着重要的关系，根据斜坡受力模式等内容探究坡度对地质灾害的作用，研究此项内容时应考虑到地质体重力稳定性、变形失稳模式等相关内容. 依据研究区的实际情况将坡度划分为15° ～40°、40° ～45°、10° ～15°和45°～50°、＜10°和＞50°共4个级别（如图2a）.

（2）高程：该项因素作用于土壤种类、山区水系发育状况、生活者的生产活动[10].以确定的区域作为研究对象，高程减小后容易干扰地表物质. 高程分类分别为1200 m ～1800 m、1800 m ～2400 m、2400 m ～3000 m、3000 m ～3600 m（如图2b）.

（3）地形起伏度：在规定的某一片区域内，地表高程差的最大值即为地形起伏度. 其内容是基于坡度概念方面的拓展，主要对地形的特点进行表现，在地质灾害评价过程中，地形起伏度为一项地形内容参与其中. 将研究区的地形起伏度分为以下级别：30 m ～60 m、20 m ～30 m 和60 m ～80 m、10 m ～20 m（如图2c）.

（4）NDVI：松散的岩土体可借助植被根系实现稳固，植被根系庞大、植被覆盖率较高有利于岩土体的完整性不受破坏，减弱风化程度，降低因自然环境引发各类地质灾害的几率. 归一化植被指数NDVI反映了植被生长情况及空间密度分布. 根据研究区内植被分布实际，将NDVI 划分为4 个级别，分别是≤0.12、0.12 ～0.22、0.22 ～0.32、＞0.32（如图2d）.

（5）地层岩性：该要素作为控制要素参与地质灾害的形成过程[11].地质灾害的发生与地层结构有关，通常发生于软弱岩性和软硬相间的地层结构中. 由于研究区域包括多种地层岩，将其划分为较硬岩组区、较软弱岩组区、软弱岩组区、松散堆积区（如图2e）.

（6）距断层距离：指处于断层结构且正处于发育状态，这种情况下岩体稳定性较差，容易被破坏，而后引发地质灾害[12]. 一般而言，特殊结构、断层发育部位容易发生地质灾害. 古城区内约有60 条断层，按照距断层距离远近划分为4 个分区，分别是≤500 m、500 m ～1000 m、1000 m ～1500 m、＞1500 m（如图2f）.

（7）距道路距离：距离道路的远近表示着不同强度的人类工程活动，不同程度的诱发程度各类地质灾害. 依据研究区的实际情况，按照距道路远近划分为4 个级别≤1000 m、1000 m ～2000 m、2000 m ～3000 m、＞3000 m（如图2g）.

（8）距河流距离：河流分布对地质灾害的影响表现在距河流的远近程度上，距河流越近，河流两岸的掏蚀作用愈发明显，地质灾害危险性更大. 依据研究区的实际情况，按照距河流远近划分为4 个级别≤500 m、500 m ～1000 m、1000 m ～1500 m、＞1500 m（如图2h）.

（9）年均降雨量：降雨一方面加快了对坡面的冲刷侵蚀，另一方面增加了岩土的孔隙水压力，从而加剧了地质灾害的发生[13]. 选取了古城区2010-2019年多个气象站点的年均降雨量进行空间插值得到降雨量分布图，并将其依照自然间断法划分为4 类（如图2i）.

2.2 信息量法

信息量模型（Information Value Model）是在发生崩塌和滑坡灾害的基础上计算诱发因素带来的信息量值I，可定量分析以完成地质灾害易发生等级的研究[14]. 此种方式对地质灾害受到变形破坏的主要影响因素进行分析，获取其信息量贡献值大小，观测各个因素与地质灾害之间的相关程度，信息量值越小越不容易造成灾害.计算公式如下:

式中：Nij表示影响因子子类中灾害点个数，N为灾害点总个数，Sij为影响因子子类栅格数，S是总栅格数.

基于研究区内各灾害点的空间分布情况，对9个评价因子分级分别按式（1）解得其对应的信息量值，结果如表1所示.

表1 各评价因子信息量值计算结果

2.3 层次分析法

层次分析法（AHP）是一种定性的多目标决策分析方法，能将行业专家的经验判断，广泛应用于易发性研究中.层次分析法包括3个步骤：一是构建最高层决策(目标层)，中间层(准则层)及底层(方案层)的隶属关系模型；二是建立相应的判断矩阵；三是计算各因子权重并检验各因子的随机一致性.

（1）建立系统层次结构：根据古城区地质灾害具体表现和成因，结合研究区的相关情况后选择合理的评价指标，加之分析古城区的研究结果，分析研究区发生地质灾害的主要影响要素，例如自然环境、地质要素等，研究的过程中搭建层次结构模型[15]及具体因子（如图3）.

（2）建立判断矩阵：图3构建的地质灾害危险性层次分析法结构模型可对因子进行分析，对因子的隶属性问题进行准确表现. 依照1～9 标度法等有关内容，因子之间会存在层次方面的不同，对各个因子所涉及到的相对作用程度进行分析，明确其权重后，搭建A-B层、B-C层判断矩阵，见表2-表5.

表2 地质灾害危险性判断矩阵（A-B）

表3 地理环境因素判断矩阵

表4 地质环境因素判断矩阵

表5 外部致灾因素判断矩阵

图3 地质灾害危险性评价层次分析法结构模型

(3) 相对权重及一致性检验：求得矩阵的最大特征值λmax，同时获得相应的特征向量，并根据式（2）、（3）验证判断矩阵的一致性.

式中：CI是一致性指标，其值越小则表明不一致程度越低；λmax为判断矩阵的最大特征值，n为阶数.CR为一致性比率，RI是随机一致性指标. 通过CR基于变量和指标之间的比较而判断模型的优劣程度[16]，若CR＜0.1，可接受判断矩阵的一致性.然后获得准则层对方案层(B-C)归一化后的权重Wi，将其在目标层(A)下再次归一化后，获取目标层对方案层(A-C)的权重，具体数据内容见表6、表7.

表6 判断矩阵权重计算（A-C）

表7 地质灾害危险性评价权重

3 地质灾害危险性评价区划

3.1 危险性评价区划结果与分析

本文研究过程中使用GIS 软件的空间分析、栅格计算功能，在确定评价因子所属的分级后，利用信息量法求算出各分级单元信息量，利用层次分析法(AHP)获得各评价因子权重，将两者进行耦合运算，具体公式为：

式中：S为评价单元的综合信息量值，Wi为层次分析法获得的各评价因子的权重，Iij为第i个评价因子第j个类别的信息. 结果显示，加权信息量值区间为-0.658 67 ～0.721 78. 以综合加权信息量值的组间方差最大、组内方差最小为聚类结束条件，采用自然断点法将总信息量值划分为4 个区间：-0.658 67～-0.268 89、-0.268 89 ～-0.063 18、-0.063 18 ～0.218 32、0.218 32 ～0.721 778，则研究区域所处区间表现出的地质灾害危险性等级划分为低危险区、中危险区、高危险区以及极高危险区. 为了获取研究地区地质灾害危险等级区划，对其进行重分类，得到结果如图4所示.

3.2 区划验证结果

将研究区地质灾害危险性等级区划图和既有灾害点叠加，进行统计分析，得到表8所示结果.

表8 研究区地质灾害危险性等级区划统计

由表8 可知，73.68%的地质灾害点分布于高危险区和极高危险区，低危险区地质灾害点仅占4.45%. 通过实地调查发现，低危险区灾害点通常发育规模小，仅可能对山区公路造成潜在威胁. 随着危险性的提高，地质灾害点密度逐步增大. 研究区内河流沿岸，尤其是金沙江沿岸，地质灾害发育较多，地质灾害点密度高. 由此可见，通过本文综合的地质灾害危险性等级区划评价结果与实际地质灾害分布吻合.

4 结语

本文通过资料分析、野外调查、遥感解译等手段，基于GIS 技术总结古城区地质灾害空间分布规律，采用AHP-信息量法开展古城区地质灾害危险性等级区划评价，得出以下结论：

(1) 古城区地质灾害主要受到坡度、高程、地形起伏度、NDVI 等9 个评价指标的影响，经验证古城区地质灾害危险性等级区划分析研究选取的评价因子合理可靠.

(2) 地质灾害极高危险区、地质灾害高危险区、地质灾害中风险区、地质灾害低危险区分别占全区的8.04%、28.54%、43.60%、20.82%，涉及面积分别为：88.10 km2、356.91 km2、545.33 km2、260.42 km2，与实际地质灾害分布吻合.