崩岗侵蚀发生风险评估方法的对比研究——以广东省为例

孙 昆，程冬兵，贺佳杰，赵元凌

(1.长江科学院，湖北 武汉 430010； 2.华中农业大学，湖北 武汉 430010)

风险是指不利事件未来发生的可能性分布函数和不利事件所导致损失的可能性分布函数的总称，风险评估是指客观认识到不利事件发生的风险因素，计算研究区风险并确定风险等级的过程[1]。目前有关土壤侵蚀领域风险评估的案例较少，常见的有两种：一是借助土壤侵蚀模型进行风险评估，比如ANGIMA et al.[2-4]凭借经验统计模型USLE/RUSLE，通过因子选择及综合方法对土壤侵蚀进行风险评价，陈嘉林[5]运用基于GIS的分布式流域水文模型SWAT进行了福建省典型崩岗区潜在性崩岗风险评估；二是从统计分析的角度进行风险评价，主要有因子加权法，如VRIELING et al.[6-7]通过专家打分及标准评分确定因子贡献值，继而加权确定风险等级，还有结合Logistic模型进行风险分级评价研究，如王文娟等[8]以SPOT 5影像为基础，结合地形图提取了与沟蚀形成相关的11个地形因子，构建Logistic模型并据此对研究区沟蚀发生风险进行评价。但是目前风险评估理念的应用在土壤侵蚀领域尚处于探索阶段。

崩岗侵蚀是我国南方红壤区一种特殊的水土流失形式，也是水土流失严重的一个显著标志。我国南方红壤区崩岗侵蚀模数高、发展速度快，并伴有突发性、长期性等特点。广东省崩岗数量最多、密度最大，选择广东省作为崩岗风险评估的研究区具有代表性。本研究以广东省为例，在崩岗侵蚀风险评估及分类防控关键技术研究项目前期工作的基础上，重点对项目中采用的两种风险评估方法进行对比研究，旨在为优化崩岗风险评估方法提供科学依据，也希望能为广东省崩岗侵蚀防治提供决策参考。

1 研究方法

1.1 信息量法

信息量法是通过信息熵的减少表征事件发生的可能性[9]。在崩岗侵蚀风险评估中，信息熵的减少意味着崩岗的发生。信息熵是信息量的期望，因此可以采用信息量来衡量崩岗侵蚀产生的可能性。信息量由崩岗侵蚀发生的概率决定，其计算公式为

(1)

式中：Ii为第i个影响因子对崩岗侵蚀提供的信息量，i=1，2，…，n；Ni为第i个影响因子作用下崩岗侵蚀发生的数量；N为崩岗侵蚀发生的总数量。

以各影响因子的信息量作为信息量法的自变量，既表现了各因子类中各影响因子对崩岗侵蚀贡献的大小，也表现了各因子类对崩岗侵蚀的贡献。在ArcGIS中，运用栅格计算器将不同因子类图层中的各种影响因子以信息量为系数进行叠加，以图像的形式表现不同影响因子共同影响下的广东省崩岗侵蚀风险分布趋势，计算公式为

P=I1x1+I2x2+…+Inxn

(2)

式中：P为事件发生的概率；Ii为第i个影响因子对崩岗侵蚀提供的信息量，i=1，2，…，n；xi为第i个影响因子图层。

1.2 Logistic回归分析法

Logistic回归分析属于判别分析[10]，因变量取值有0与1两种。采用Logistic模型将崩岗发生与否作为因变量进行回归分析，能对二值响应的因变量和分类自变量进行回归建模，根据建立的模型对未知的每个栅格崩岗侵蚀可能发生的概率进行预测，进而依据发生概率大小进行风险评价[11]。其计算公式为

(3)

式中：βi为 Logistic方程的解释变量系数，i=0,1,…,n；其余符号意义同上。

2 研究区概况及数据来源

2.1 研究区概况

广东省地处中国大陆最南部，位于北纬20°13′～25°31′、东经109°39′～117°19′，陆地面积为17.98万km2；山脉以东北—西南走向居多，粤北的山脉多为向南拱出的弧形山脉，粤东和粤西有少量西北—东南走向的山脉，山脉间有谷地和盆地分布，平原以珠江三角洲平原最大，潮汕平原次之；构成各类地貌的基岩以花岗岩最为普遍，砂岩和变质岩也较多，在粤西北还有较大片的石灰岩分布；最重要的地带性土壤是红壤、赤红壤和砖红壤，其分布面积分别占全省土壤面积的37.96%、24.80%、5.15%；属东亚季风区，降雨充沛，年均降水量1 300～2 500 mm，年均气温19～24 ℃。广东省是我国崩岗侵蚀最为严重的省份之一：崩岗数量最多，约10.79万个，占南方崩岗总数的45.14%，平均1.67 km2土地就有1个崩岗；崩岗面积最大，约82 760 hm2，占南方崩岗总面积的67.83%；崩岗侵蚀严重，造成的水土流失量约占广东省水土流失总量的43%。崩岗严重地区会出现土地退化和生态环境恶化，且治理难度大，已成为广东省山区经济发展的主要制约因素之一。

2.2 数据来源

本研究涉及的广东省各因子类数据来源包括：2005年崩岗普查成果；中国气象数据网和531个气象站点数据资料；中国地质调查局2004年出版的《1∶250万中国地质图》；中国科学院南京土壤研究所1995年发布的1∶100万中国土壤属性数据库；NASA新一代对地观测卫星Terra观测得到的先进星载热发射和反射辐射仪全球数字高程模型(30 m分辨率)；2005年美国陆地资源卫星Landsat8 OLI多光谱影像和中国环境减灾卫星多光谱影像(30 m分辨率)。

3 结果与分析

3.1 评估指标筛选

基于ArcGIS等软件平台，得到广东省崩岗点数据与各因子类图层空间叠加成果。对主要影响因子进行分析，得出崩岗主要分布在年降水量为1 500～1 800 mm，地质类型为沉积岩、花岗岩、变质岩，土壤类型为赤红壤、砖红壤、红壤及黄壤，坡度为0～30°，高程为0～400 m，地形起伏度为0～150 m，植被覆盖度为<20%、80%～90%，土地利用类型为林地、农田及裸地的区域内。尽管崩岗分布随气温呈现出一定的规律，但由于多年平均气温在广东省区域尺度上变化不明显，因此多年平均气温不宜作为评估指标。另外，一些崩岗侵蚀分布密度特别小的因子也应直接剔除，如土地利用中除有林地、农田及裸地外的其他因子，土壤类型中除赤红壤、砖红壤、红壤和黄壤外的其他因子等。最终筛选出年降水量、地质类型、土壤类型、坡度、高程、地形起伏度、植被覆盖度、土地利用类型等8个因子类共34个因子，具体如下：年降水量为1 500～1 600、1 600～1 700、1 700～1 800、1 800～1 900 mm；地质类型为其他火成岩、沉积岩、变质岩、花岗岩；土壤类型为赤红壤、砖红壤、红壤、黄壤；坡度为0～10°、10°～20°、20°～30°、30°～40°；土地利用类型为林地、农田及裸地；高程为0～100、100～200、200～300、300～400、400～500、500～600 m；地形起伏度为0～50、50～100、100～150、150～200 m；植被覆盖度为<20%、20%～40%、40%～60%、60%～80%、80%～90%、>90%。

3.2 崩岗侵蚀发生风险评估

3.2.1 信息量法

基于ArcGIS软件得到8种影响因子类对应的崩岗侵蚀数量，结合公式(1)可计算出8种影响因子类对应的信息量，见表1。

根据表1中各因子的信息量，结合公式(2)建立信息量预测方程为

P=4.05x1+5.14x2+…+5.13x34

(4)

在ArcGIS中，根据式(4)，运用栅格计算器将所有因子图层进行叠加运算，归一化处理后即得广东省崩岗侵蚀发生风险分布图，见图1。

3.2.2 Logistic回归分析法

采用ArcGIS软件，将筛选所得各因子类数据与随机抽样得到的1万个采样网格(有崩岗点、无崩岗点各5 000个)进行空间叠加分析，得到每个网格对应的因子数据。由筛选出的风险评估指标所对应的崩岗侵蚀密度，找到所有因子数据所处的因子类范围，每一个因子类范围都有着相应的崩岗侵蚀密度。将1万个采样网格中的所有因子数据替换为对应的崩岗侵蚀密度，运用SPSS中的二元Logistic回归对数据进行分析，其中因变量为采样网格中有无崩岗点存在，有崩岗点为1，无崩岗点为0，分析结果见表2。

表1 各因子类崩岗侵蚀密度对应信息量

图1 基于信息量法的广东省崩岗侵蚀发生风险评估结果

由表2中的回归系数β结合公式(3)得到的回归模型为

(5)

表2 Logistic回归系数

在ArcGIS中，根据式(5)，运用栅格计算器将所有因子类图层进行叠加运算，归一化处理后即得广东省崩岗侵蚀发生风险分布图，见图2。

图2 基于Logistic回归分析法的广东省崩岗侵蚀发生风险评估结果

3.3 基于两种评估方法的崩岗发生风险特征对比

3.3.1 空间分布对比

综合以上两种方法，可以看出信息量法得到的崩岗侵蚀风险分布总体趋势与Logistic回归分析法基本一致。区别是信息量法风险区分布较为分散，Logistic回归分析法较为紧密；信息量法高风险区分布较广，中风险区面积略小，Logistic回归分析法则相反。

分析两种风险评估方法在发生风险的空间分布上存在的偏差，可能是由以下两点所致：一是在数量庞大的采样网格中随机抽样，不同抽样结果会导致抽样网格的因子数据发生变化，对回归结果产生一定影响；二是选取的采样网格为1 000 m×1 000 m，卫星影像的分辨率为30 m×30 m，单个采样网格中可能存在多个崩岗点，但进行Logistic回归分析时将上述情况均按有崩岗点一种情况进行计算，这可能会对回归结果造成影响。

3.3.2 强度等级对比

在强度等级上进行对比可以发现，两种风险评估方法得到的崩岗侵蚀风险强度相差不大。信息量法在崩岗侵蚀发生风险强度等级上与Logistic回归分析法存在的差异，可能是由于采用信息量法进行计算时，仅考虑到崩岗点对崩岗侵蚀风险的影响，未考虑到非崩岗点产生的影响。而Logistic回归分析法统计了采样网格中有崩岗点与无崩岗点两种情况，无崩岗点的采样网格风险等级较低，在与有崩岗点的采样网格进行叠加运算时，会降低崩岗侵蚀的整体风险强度，因此信息量法得到的风险强度较Logistic回归分析法高。

3.4 精度对比

通过对比存在崩岗发生的采样网格数和崩岗侵蚀发生风险大于0.8的采样网格数评估预测精度。评估结果的精度E以经验的概率形式来表示，计算公式为

(6)

式中：NP为存在崩岗侵蚀的采样网格总数量；N0.8为崩岗侵蚀发生风险大于0.8的区域中存在崩岗侵蚀的采样网格数量。

经计算，信息量法计算得到的崩岗发生风险评估精度为83.64%，Logistic回归分析法计算得到的崩岗发生风险评估精度为82.95%。对比两种风险评估方法精度，信息量法稍高于Logistic回归分析法，两者之间存在差异的原因，笔者认为，信息量法包含了各因子对崩岗侵蚀的不同影响，保留了不同因子对崩岗侵蚀的影响值。例如，分布在植被覆盖度80%～90%区域的崩岗数量占崩岗总数的30%左右，其原因可能是过高的乔木覆盖度会消耗有限的土壤水分和营养成分，且松针挥发的酸性物质抑制了其他植物的生存，同时雨滴会在林冠层重新汇聚，雨滴滴落的尺寸可能大于自然状态，间接增加了雨滴的重力势能，从而导致裸地受到溅蚀，因此乔木覆盖度过高的区域反而有着较高的崩岗侵蚀。而Logistic回归分析法直接将因子类数据与采样网格进行叠加，未包含同一因子类中不同因子的影响值，精度要略低于信息量法。

4 结 论

(1)采用信息量法及Logistic回归分析法，在GIS技术的支持下筛选了适合崩岗侵蚀风险评估的8个因子类34个因子，并绘制了广东省崩岗侵蚀发生风险的分布图。

(2)广东省崩岗侵蚀发生风险主要分布地区从东部延伸到北部，西部也存在较高风险，珠江三角洲地区及广东省西南部崩岗侵蚀的发生风险较低。不同方法之间风险分布差异不大，且两种方法计算的崩岗发生风险精度均在80%以上，因此采用两种方法进行广东省崩岗侵蚀风险评估均可行且可靠，得到的评估结果与研究区实际存在的崩岗侵蚀区域相比较，评估精度较高。

(3)相较而言，信息量法的精度取决于影响因子类别的多寡，因子类越多，信息量越大，得到的结果越可信。Logistic回归分析法需要将研究区域划分为若干个样本单元，样本单元划分得越小，计算精度越高，因此更适用于较小尺度的崩岗风险评估。本研究区为广东省全境，范围较大，且选取了较多的影响因子类别，因此前者有更好的评估精度。从崩岗侵蚀风险分布图上可以看出，信息量法得到的风险分布图在空间上有更好的均匀性，小图斑较少，有更好的使用价值。

[1] 金菊良,郦建强,周玉良,等.旱灾风险评估的初步理论框架[J].灾害学,2014(3):1-10.

[2] ANGIMA S D,STOTT D E,O’NEILL M K,et al.Soil erosion prediction using RUSLE for central Kenyan highland conditions[J].Agriculture Ecosystems & Environment,2003,97(1-3):295-308.

[3] 戴露莹,王飞儿,俞洁.基于GIS的东苕溪典型小流域土壤侵蚀风险评估[J].农业环境科学学报,2012,31(9):1777-1784.

[4] 李晓松,吴炳方,王浩,等.区域尺度海河流域水土流失风险评估[J].遥感学报,2011,15(2):372-387.

[5] 陈嘉林.福建省典型崩岗区潜在性崩岗风险评估与预测[D].福州:福建农林大学,2015:8-16.

[6] VRIELING A,STERK G,BEAULIEU N.Erosion risk mapping: a methodological case study in the Colombian Eastern Plains[J].Journal of Soil and Water Conservation,2002,57(3):158-163.

[7] 潘树林,冉玲.金沙江宜宾段土壤侵蚀潜在危险度[J].宜宾学院学报,2012,12(12):81-84.

[8] 王文娟,邓荣鑫,张树文.东北典型黑土区沟蚀发生风险评价研究[J].自然资源学报,2014,29(12):2058-2067.

[9] 李家存.基于RS和GIS的区域坡地重力侵蚀危险性评价研究[D].北京:中国科学院遥感应用研究所,2006:94-99.

[10] 邓欧,李亦秋,冯仲科,等.基于空间Logistic的黑龙江省林火风险模型与火险区划[J].农业工程学报,2012,28(8):200-205.

[11] 王济川,郭志刚.Logistic回归模型方法与应用[M].北京:高等教育出版社,2001:98-100.