新疆大区域滑坡地质灾害危险性评价研究

关 颖，程 瑶，王东兴

(1.南京国图信息产业有限公司，黑龙江 哈尔滨 150000；2.中国测绘科学研究院，北京 100830)

新疆位于我国西北边陲，面积约166万平方公里。由于人类活动频繁、地质构造复杂、岩体破碎、独特的水文气象等自然因素，促使新疆地区地质灾害频发。而且不同区域的地质灾害表现形式不同、危害强度影响范围也不同[1]。根据新疆应急办提供的数据，全疆范围内在1920—2007期间共发生滑坡灾害1700余次，泥石流1 600余次，崩塌4 400余次。2012年由于地质灾害使新疆区域的直接经济损失更是达3 000余万元。可见地质灾害给人们的生命财产安全及政府的防灾减灾工作构成了严重威胁。因此，亟需探索符合新疆区域实际地质灾害情况的评估方法模型。

随着GIS技术在在灾害评价领域的作用日益凸显，我国灾害评估的不再局限于传统的定性研究，已经向定量化方向发展。中南大学的匡乐红学者基于粗糙集理论对AHP方法进行改进优化，从而确定指标因子的权重[2]；柳依莎等人运用GIS方法选取高程、坡度及主要交通公路等指标因子，构建信息量模型对研究区域进行危险性评价[3]；张丽君运用贝叶斯概率模型进行滑坡灾害敏感性分析[4]；多元回归的分析方法被应用到滑坡灾害的空间分布评价中[5]等。在众多理论模型中，统计学方法受到了学者的青睐，因为它不需要收集详细的边坡数据，运用起来方便灵活。

但基于统计模型对大区域的评价，研究者会直接面临“分级”样本量化会造成模型不准确的问题，因此可利用“直接提取真实值”的方式来解决这个问题。根据新疆区域的实际情况，在相关地质灾害评价理论的基础上，从孕灾和致灾两个角度出发构建指标体系，将GIS技术和Logistical方法集成构建符合新疆实际特点的危险性评价模型。最后以滑坡为例，对新疆地质灾害危险性进行综合评估。

1 研究区域与数据源

1.1 研究区域概况

新疆地域辽阔，地形地貌变化复杂，地势高低差异大，断裂带发育明显，构造运动活跃，地质环境脆弱，因此在特殊条件下极易诱发各类地质灾害，并且暴发频率高，影响范围广。新疆历史灾害点的具体空间分布如图1所示。

图1 历史灾害点空间分布

在1920—2007年期间，经过分析统计，发现约70%的滑坡灾害发生在伊犁河谷地区。巨型和大型滑坡事件累计约66次，集中分布在新源县地区；泥石流灾害大部分事件集中在克孜勒苏柯尔克孜自治州、喀什地区西南部、昌吉回族自治州的南部及巴音郭楞蒙古自治州北部等区域。巨型和大型泥石流事件累计约59次；大型和巨型崩塌事件约30次。

1.2 数据源及预处理

本文研究所用的数据来自新疆1∶5万的信息资料，主要包括DEM数据、土地利用、断层构造、地层岩性、道路及历史灾害点和隐患点等。首先由于数据来源不同，并且考虑到新疆面积较大及试验中会涉及面积、长度等的计算，因此统一采用Alberts等面积投影。

其次评价过程中会涉及空间叠加运算，因此需要将各专题数据栅格化。根据李军对不同比例尺下栅格大小的选择问题提出的经验公式[6]，将栅格的大小确定为30 m。依托ArcGIS平台对各专题数据和DEM进行转换和重采样处理。

Gs=7.49+0.000 6S-2.0×10-9S2+

2.9×10-15S3.

式中：S为原始DEM精度的分母，Gs为适宜网格的大小。

2 地质灾害危险性评价的基本理论与技术路线

区域地质灾害评价通常是根据研究区域的地形地貌背景、地质构造条件、诱发因素以及人类工程活动的状况，对一定的区域范围内地质灾害可能发生的地点、时间及造成的损失所进行客观的评价[7]。地质灾害的危险性评价需要遵循一定的原理和方法，这样才能科学、合理的对区域展开评价。

敏感性评价：它用于回答“什么地方容易发生地质灾害”。其实质是利用区域中已发生地质灾害的相关信息(灾害的密度，强度，概率大小)，再结合潜在影响地质灾害性的因素，如断层构造、高程分布、岩性、水文气象等进行客观分析评价，进而划分区域灾害敏感区。敏感性评估只对潜在的空间分布研究，不考虑时间概率。

危险性评价：是在敏感性的基础上结合诱发因素如降雨、地震及融雪等外在因素，是其自然属性的体现。Westen等学者认为地质灾害危险性主要受时间概率和空间概率两个因素的制约影响[8]，即

地质灾害危险性概率=时间概率×空间概率.

如果把地质灾害的发生看作为一种“随机事件”，那么地质灾害危险性评估的实质则是分析出地质灾害何时再次发生及可能性的大小[9]。

从敏感性和危险性评价的定义中，不难看出危险性评价应按照敏感性评价—危险性评价的顺序递进进行。敏感性评价是危险性评价的重要基础。敏感性评价侧重于解决在什么样的条件下“哪里”容易发生灾害，危险性侧重于“何时”发生灾害。因此不难理解敏感性评价注重于对模型的分析研究，同时更是关系到区域危险性评价结果的准确性的关键所在。因此在遵循相关理论的基础上，采取的技术路线如图2所示。

图2 技术路线

3 研究方法

3.1 指标因子的指标体系

地质灾害是多因素相互作用的结果，因素之间的关系也错综复杂。在查阅相关文献的基础上[10]，从地质灾害孕灾环境和致灾因子两方面考虑构建指标体系(见图3)。孕灾环境是内在因素，主要指研究区域自身所处的自然环境条件：地形地貌、地质结构等条件；致灾因子主要是指对地质灾害的产生起到诱发作用的外界因素：降雨、融雪和人类大型工程活动等。

图3 评价指标体系

3.2 Logistical敏感性评价方法

基于统计分析的理论模型是近年被很多学者普遍采用的方法，它不需要搜集详细边坡物理数据，主要在分析灾害事件的分布与若干指标因子的相关关系和规律的基础上，进而判断区域发生灾害可能性的大小，具有客观性。逻辑回归方法(Logistic)是典型统计学方法之一。它的优势在于进行统计分析时，对自变量的分布未作任何要求，可以是连续变量，也可以是离散变量等，在一定程度上增强了模型的应用范围和灵活性[11]。

3.2.1 基本原理

Logistic模型方法属于典型的二分类变量的统计方法，即因变量y只有0和1，其中1表示“灾害已发生”，0表示“灾害不发生”。其评价结果在0-1之间，因此可以用概率来解释，具有实际意义。地质灾害事件发生的概率可用Logistic模型方法为

P=eβ0+β1x1+…+βnxn/(1+eβ0+β1x1+…+βnxn)，

(1)

Q=1-P=1/(1+evβ0+β1x1+…+βnxn).

(2)

式中：P代表地质灾害发生概率的大小，Q则代表地质灾害不发生概率的大小，且Q+P=l。x1，x2，x3，…，xn代表指标因子。

将P与Q进行Logit变换，取其对数ln(odds)，odds表示某种结果的概率与不出现的概率之比的比值。 Logit变换可写成：

β2x2+…+βnxn.

(3)

式中：β0,β1，…，βn称为Logistical回归系数。其中P值反映研究区域在各指标因子的综合影响，灾害发生敏感性的高低。

3.2.2 样本量化方法

Logistical方程的系数受样本量化制约性较强。地质灾害评价，传统的量化方法是将指标因子分成若干二级子类，用各二级子类包含的灾害点数目或灾害点密度度量其敏感性。但由于评价区域面积较大，通过大量实验发现，这样的方法既破坏了数据的连续性也缺少关联性，并会导致某些因子的系数与实际情况不符，如道路、断层因子的系数为正值，即随着距离的增加地质灾害的可能性增大。

针对上述情况，为使得模型达到最优状态，本文不将因子做分类处理。具体方法如图4所示。

1)连续数据直接获取其真实值并归一化到0～1之间，消除量纲影响。对于不能直接获取其连续值的因子(公路、断层等)，将新疆区域格网化，每个格网中心点会有“label”点。将所有“label”点的集合近似看作是“整个”新疆，然后利用ArcGIS工具箱中的“Near”工具获取每个“label”点到公路、断层的距离。

2)分类变量则以“哑变量”的形式引入。哑变量为变量的一种定义方式，用来度量两个级别或若干级别分类变量之间的差异性，这样可以避免一个系数拟合的不足，使结果更加准确[12]。

4 新疆滑坡灾害危险性评价

4.1 基于Logistical的敏感性评价

4.1.1 样本点采集及相关性检验

新疆共有1 201个滑坡点，将其分为两部分：模型训练点(601个)，测试点(600个)。在滑坡点30 m缓冲区以外的区域随机生成1 000个非样本点，这样可以避免地理空间距离太近带来的影响。其中，500个作为训练点，500个作为测试点。所以最终得到1 101个训练样本点，1 100个测试点。提取属性值后剔除无效的边界点(1个)，即最后有1 100个训练点将用于模型训练。

在评价因子中，坡度、坡向等地形地貌因子都是根据DEM提取出来的，这些因子或与其它因子之间若存在多元共线性的问题[13]，则会对模型带来影响。因此用SPSS17.0对指标因子进行多重共线性关系检验。在容忍度(Tolerance)和方差膨胀因子(VIF)彼此间互为倒数。若容忍度指标值越小，则说明因子间的共线性现象越严重。当其低至0.1以下时，则表明共线性严重，此时就要慎重或适当的处理后再进行Logistical分析。表1分析结果显示7个自变量因子之间不存在明显的相关性。

表1 因子相关性统计表

4.1.2 模型计算

将1 100个滑坡数据训练样本点导入SPSS软件中分析，经多次迭代和对模型校正后，Logistical分析结果显示：高程、坡度、断层、岩性及道路因子对应的显著性Sig.值均小于0.05。而坡向因子的Sig.值却远远大于0.05，因此不被纳入评估模型。以哑变量形式引入的岩性和土地利用分类因子整体的回归系数差异性显著，但是却出现同一分类变量的不同哑变量之间一些具有统计学意义而另一些不具备的现象，为保证哑变量代表含义的正确性和模型精度，根据“同进同出”的原则，将岩性和土地利用两个指标因子都纳入模型。因此最终构建的滑坡敏感性Logistical方程如下：

4.778×Xslope-4.667×Xdem-10.045Xrode-

(4)

其中，P为滑坡灾害空间预测的概率，Xslope,Xdem,Xrode,Xslipe为坡度、高程、道路及断层因子值，βlituology,βlanduse为岩性、土地利用的哑变量回归系数。

由模型汇总拟统计表2可以看出，模型拟合程度较好，进行敏感性评价。滑坡敏感性预测最终的结果是预测出区域中每个格网发生灾害的概率。Can等学者通过研究：在检验空间预测分布图效果时，应该考虑两个方面的因素：第一，历史地质灾害点应尽量的落在“高易发”的敏感区内；第二，高易发区的面积不宜过大，因此他主张采用0～0.25，0.25～0.5，0.5～0.75，0.75-1的分级评估体系[14]。吴树仁[15]建议评估结果制图划分的等级不宜太细，一般分3～5级，并且从低级到高级颜色逐级加深。综上考虑，在ArcGIS平台将各因子图层叠加获取每个格网单元概率值P，按照0～0.25，0.25～0.5，0.5～0.75，0.75～1划分为四级(图5所示)，分别代表不易发区、低易发区、中易发区和高易发区。

表2 逻辑回归模型拟合统计

4.1.3 模型验证

敏感性的评价结果是危险性评价的重要基础，因此需要对敏感性评估的精确度进行检验。通过测试点(1 100个)提取新疆发生滑坡敏感性概率的预测值采用正确率拟合(切割值为0.6)与ROC曲线的AUC值行验证，具体结果如表3所示。

表3 预测率检测与AUC

当AUC≥0.9时则认为模型有很高地准确性，因此构建的模型具有较高的准确性与合理性。这是对模型本身预测效果的评价。为对滑坡空间预测分布图的效果进一步评判，将通过新疆滑坡历史滑坡点(1 201)去验证模型的预测效果(见表4)。发现落在中、高易发区的灾害点数目占到灾害点总数的94%左右，并且高易发区域内的滑坡点密度最高。进一步说明了实验构建的模型在地质灾害敏感性评估中的有效性和科学性。

4.2 基于降雨因子的危险性评价

危险性评价主要针对灾害何时发生的“时间概率”而言。但对于“什么时候会发生地质灾害”这样的问题却很难回答。新疆环境气象研究中心的谭艳梅等专家通过分析、挖掘历史数据信息(洪水和地质灾害的关系)，发现新疆地质灾害频繁发生的区域内，灾害事件的空间分布与降水分布有一致性[16]。可见降雨对新疆地质灾害有着明显的制约作用。因此转换思路，将“降雨”作为时间的度量单位实现对新疆滑坡地质灾害危险性的评价，在敏感性评估的基础上叠加时况降雨分级图从而得到评估结果。

降雨的时况数据很难获取，因此通过气象站预报的天气进行评价。一般天气预报以“小雨”、“小到中雨”等的形式预报。选取新疆某一天的天气情况，将降雨按新疆当地天气预报进行量化，阵雨—4，小雨—6，中雨—10，大雨—24，暴雨—48。最后通过普通克里格方法获得全疆的降雨预报分布图，如图6所示。

表4 预测结果与实际滑坡对比

图6 新疆预报降雨分布模拟

自然断点法是在分级数确定的情况下，通过聚类分析的原理将相似性最大的数据分在同一等级，差异最大的则分在不同的等级[17]。因此最后将新疆滑坡地质灾害敏感性区划与降雨分布叠加，利用自然断点法将结果分四级：低危险、中度危险、较高危险和高危险类别，具体结果如图7所示。

从危险性评估结果看，新疆伊犁河谷地区发生滑坡地质灾害的危险性很高，这与降雨插值模拟的结果相吻合：伊犁河谷地区雨量接近10 mm左右，在新疆属于中到大雨的级别，因此与敏感性叠加发生灾害的危险性理应很高。

5 结束语

本文充分吸收Logistical的核心思想，解决大区域的评价预测过程中样本量化的问题。在综合GIS技术和Logistical方法的各自优点基础上，建立危险性评价模型。并以新疆滑坡灾害为例，对滑坡灾害的危险性进行评估。结果表明GIS技术和统计学方法相融合，对大区域地质灾害危险性进行评估的研究具有可行性和实践意义。

作为初步研究成果，在模型设计中仍有一些问题有待改进，如地质灾害形成机理复杂，并非是线性系统，尝试对非线性模型引入从而对现有成果进行优化；对于大区域的评价应具有针对性，研究合适的格网划分。

参考文献：

[1] 陈亚宁,李卫红.新疆干旱区地质灾害研究[J].海洋地质与第四纪地质,1995,15(3):122-125.

[2] 匡乐红,徐林荣,刘宝琛.组合赋权法确定地质灾害危险性评价指标权重[J].地下空间与工程学报,2002,2 (6):1063-1067.

[3] 柳伊莎,杨苗.基于信息量模型的地质灾害危险性评价研究[J].重庆师范大学学报,2012,29(4):35-38.

[4] 张丽君,江思宏.区域性滑坡敏感性评价的数据驱动权重模型及应用[J].水文地质工程地质,2004(6):33-36.

[5] 韦浩.多元回归分析法在滑坡空间预测中的应用[D].西安：长安大学,2011：47-64.

[6] 李军,周成虎.基于GIS栅格滑坡风险评价方法中格网大小选取分析[J].遥感学报,2003,7(2):86-92.

[7] 周伟.基于Logistic回归和SINMAP模型的白龙江流域滑坡危险性评价研究[D].兰州：兰州大学,2012.

[8] 齐信,唐川,铁永波，等.基于GIS 技术的汶川地震诱发地质灾害危险性评价—以四川省北川县为例[J].成都理工大学学报,2010,37(2):160-163.

[9] 邱海军.区域滑坡崩塌地质灾害特征分析及其易发性和危险性评价研究[D].西安：西北大学，2012,99-102.

[10] 杜继稳.降雨型地质灾害预报预警—以黄土高原和秦巴山区为例[M].北京:科学出版社,2010.

[11] 方苗,张金龙,徐瑱. 基于GIS和Logistic回归模型的兰州市滑坡灾害敏感性区划研究[J].遥感技术与应用,2011,26(6):846-852.

[12] 张文彤,董伟.SPSS统计分析高级教程[M].北京:高等教育出版社,2013：168-171.

[13] 司康平,田源,汪大明，等.滑坡灾害危险性评价的3 种统计方法比较—以深圳市为例[J].北京大学学报(自然科学版),2009,45(4):19-32.

[14] CAN T, NEFESLIOGLU H A，GOKCEOGLU C，et al. Susceptibility assessments of shallow earthflows triggered by heavy rainfall at three catchments by logistic regression analyses[J].Geomorphology, 2005, 72: 250- 271．

[15] 吴树任,石菊松.地质灾害风险评估技术指南初论[J].地质通报,2009,28(8):996-999.

[16] 谭艳梅, 蒋军,蔡仁,等.地质灾害临界雨量及潜势预报模型研究[J].新疆气象,2006,29(3):1-5．

[17] 廖永丰,赵飞,王志强,等.2000-2011年中国自然灾害灾情空间分布格局分析[J].灾害学,2013,28(4):55-60.