基于双变量熵信息法的江西省崩岗侵蚀风险评估

，，，

(长江科学院 水土保持研究所，武汉 430010)

1 研究背景

崩岗侵蚀是我国南方水土流失的一种特殊类型，侵蚀模数巨大，发展速度快，具有突发生、长期性等特点，危害十分严重[1]，一直以来受到社会广泛关注。近年来学者们在崩岗分类[2-6]、发展过程[6-7]、形成机理[7-12]和治理措施[1,13]等方面开展了大量工作，取得了众多成果，为崩岗的防治提供了一定的理论指导和科学依据。

然而，从危害及风险角度对崩岗侵蚀研究却鲜有报道，陈洋[14]以诏安县东溪流域官陂镇和霞葛镇为研究区，通过对相关崩岗敏感性影响因子的统计分析得到崩岗敏感性评价指标，再对该指标进行空间叠加，以此划分崩岗敏感性等级并进行敏感性分析，该研究尽管是定性分析，但也是崩岗侵蚀风险评估的有益尝试。陈嘉林[15]通过调查、数据收集和室内分析筛选了长汀县和安溪县小流域潜在崩岗风险评价因子的数据源，采用ArcGIS的空间叠加分析及SPSS的数据处理分别提取了两个县小流域的地形地貌、水系、降雨等评价因子，分析评价因子与崩岗侵蚀的空间分布关系，最后利用崩岗与这些因子的分布特征关系对小流域的崩岗空间分布进行模拟预测，该研究是小流域尺度崩岗侵蚀风险评估的大胆探索，但其不适宜于大尺度区域崩岗侵蚀风险评估。李家存[16]在分析地形地貌、线性构造、土地利用、海拔高度、岩性、道路和坡度等环境因子与重力侵蚀的关系的基础上，利用GIS技术，采用双变量统计分析和多变量统计分析方法，对研究区的重力侵蚀危险性进行评价和分区，该研究是从区域大尺度上对重力侵蚀危险性进行评价的一次很有意义的尝试，也为区域崩岗侵蚀风险评估提供了较好的研究方法和思路。

程冬兵等[17]专门撰文对南方崩岗侵蚀风险评估提出构想，参照生态环境、地质灾害等风险评估流程，界定了崩岗侵蚀风险内涵，拟定了崩岗侵蚀风险评估方法，构建了崩岗侵蚀风险评估指标体系，并提出了崩岗侵蚀风险评估程序。为此，本文拟在此基础上，选择江西省作为研究区域，探讨区域尺度崩岗侵蚀风险评估的可行性，以及双变量熵信息法对崩岗侵蚀风险评估的适用性，以期为南方七省(自治区)崩岗侵蚀风险评估提供科学依据和技术支撑。

2 研究区概况及数据来源

2.1 研究区概况

江西省位于我国东南部，长江中下游南岸，东邻福建、浙江，西接湖南，南连广东，北毗湖北、安徽，南北向最长约620 km，东西向最长约490 km，土地总面积1.69万km2。江西省属亚热带湿润季风气候区，降水丰沛，雨量年内分配不均，且多以大雨、暴雨形式出现。境内地貌类型复杂多样，以山地、丘陵为主，其面积约占全省土地总面积的78%。土壤类型以地带性红壤为主，约占全省土地总面积的65%，植被主要是处于不同演替阶段的次生群落。以上这些独特的气象、地形、地貌、土壤、植被等自然条件，加上人为因素的影响，使得江西省极易产生水土流失。根据第一次全国水利普查江西省水土保持情况普查数据，江西省水土流失总面积2.65万km2，占该省土地总面积的15.87%，占该省山地面积的26.34%，在南方红壤区八省中居第3位。其中江西省有崩岗4.81万处，崩岗面积206.75 km2，占该省水土流失总面积的0.78%，是我国崩岗侵蚀最严重的省份之一，在南方崩岗侵蚀区具有典型代表性。

2.2 数据来源

根据研究需求，全面收集了研究区崩岗及各要素数据，其来源详见表1。考虑后面数据叠加分析，部分数据需通过空间内插，所有数据均设置为统一精度30 m×30 m。

表1 数据来源Table 1 Data sources

3 研究方法

3.1 前提假设

(1)在基本影响因子与已发生崩岗侵蚀区域相类似的地方，更易于发生。

(2)如果基本影响因素不发生显著的变化，则崩岗侵蚀未来情况将与过去相似。

3.2 基本条件

(1)已基本弄清崩岗侵蚀发育的主控因子。

(2)风险程度可以量化表达。

3.3 基本原则

(1)主导因子原则。控制和诱发崩岗侵蚀孕育发生的各种因子对崩岗侵蚀风险的贡献各不相同，抓住主导因子，忽略次要因子。

(2)评估因子的简明性和可操作性。简明性是指评估因子应尽可能的简单、明确，具有代表性，评估因子的内容是可以通过实际工作比较方便地获取或实现的。

3.4 原理介绍

根据崩岗侵蚀风险内涵[17]，崩岗侵蚀风险度量表示为

P=Pf+Pw。

(1)

式中：P为某个单元崩岗侵蚀风险值，无量纲；Pf为某个单元崩岗侵蚀发生风险值，无量纲；Pw为某个单元崩岗侵蚀危害风险值，无量纲。

其中，某个单元崩岗侵蚀发生风险值Pf计算采用双变量统计分析方法[16]，该方法在区域滑坡、崩塌危险性评价中占有重要地位，它通过假定各因子之间没有任何相关性，计算各单个因子与因变量之间的关系，即

式中：I(f,x1,x2,…,xn)为具体因素组合x1,x2,…,xn对崩岗侵蚀所提供的信息量，没有量纲；P(f|x1x2…xn)为因素x1,x2,…,xn组合条件下崩岗侵蚀发生的概率，无量纲。

在具体运算中，假定研究区的总面积为A，已知的崩岗侵蚀面积为Ai，某因子xi对应的崩岗侵蚀单元数为Si，则因子xi对崩岗侵蚀所提供的信息量Ii为

(3)

式中：n为因子总数；S为崩岗侵蚀单元总数；D(i)为因子xi的崩岗侵蚀密度；AVER(D(1),D(2),…,D(n))为研究区的平均崩岗侵蚀密度。

某一单元的信息总量I为

(4)

崩岗侵蚀密度根据基数不同，又可分为面积密度和数量密度。其中崩岗侵蚀面积密度Darea(i)是指某一因子Xi单位面积里发生的崩岗个数,即

(5)

式中：N(Xi)是因子Xi发生崩岗个数；Area(Xi)是因子Xi的面积(km2)。

崩岗侵蚀数量密度Dnumber(i)是指某一因子Xi发生的崩岗个数占崩岗总数的百分比，即

(6)

式中N是崩岗总数。

由于危害风险是建立在发生风险基础上的，则Pw可表示为

Pw=PfWj。

(7)

式中Wj为某个单元崩岗侵蚀可能造成的危害风险权重(0～1之间，总权重≤1)，无量纲。

Wj采用专家打分法[18-19]，通过对长期从事崩岗侵蚀研究的5名专家寄送调查问卷，征询崩岗侵蚀可能对不同土地利用类型造成的危害权重，经汇总统计，不同土地利用类型危害权重如表2所示。

表2 不同土地利用类型危害权重值Table 2 Weight values of hazardous risk for different land use types

4 崩岗侵蚀风险评估指标筛选

将收集的研究区气候、地质、土壤、地形、植被以及人为活动因子数据与崩岗分布图进行叠加，通过相关分析，江西省崩岗主要分布在年均降雨量为1 500～1 700 mm、岩性为花岗岩、土壤为红壤、坡度在10°～30°、高程在300 m以下、起伏度0～150 m、植被覆盖度<0.2或者在0.6～0.8范围内、土地利用类型为森林和草地的区域内。

考虑风险评估采样数据精度为30 m×30 m，部分因子的差异性较小，对崩岗侵蚀发育响应不敏感，不宜作评估指标，如多年平均气温，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江西省区域尺度上变化不明显，予以剔除。另外，一些相关性较差的因子也直接剔除，如土地利用中除森林和草地之外的其它因子，土壤类型中除红壤、黄壤、黄褐土、石灰岩土之外的其它因子等。最终筛选了降水量、岩土类型、土壤类型、坡度、高程、起伏度、植被覆盖度、土地利用类型8个因子类共40个因子进行分析。在ArcGIS中，利用地理分析功能将各因子与崩岗侵蚀分布点进行叠加，计算出各因子的崩岗侵蚀密度和信息量，如表3所示。

表3 各因子崩岗侵蚀密度及信息量Table 3 Densities and information values of collapse gully erosion for different factors

5 江西省崩岗侵蚀风险评估

5.1 崩岗侵蚀发生风险评估

根据各因子的信息量建立崩岗侵蚀发生风险的预测方程。采用面积密度和数量密度的预测方程分别为：

Pf=4.92X1+4.99X2+…+5.88X40；

(8)

Pf=2.65X1+4.86X2+…+3.90X40。

(9)

根据式(8)、式(9)计算江西省崩岗侵蚀发生风险值，归一化处理后绘制出江西省崩岗侵蚀发生风险的分布图，如图1所示。

从图1可以看出，在江西省南部、西部崩岗发生风险较高，东部、北部和中部相对较低。对比不同密度计算方法绘制的风险图发现，崩岗发生风险态势分布总体一致，但根据崩岗数量密度计算的崩岗发生风险值要大于崩岗面积密度计算的风险值。

为验证该方法风险评估精度，将江西省崩岗侵蚀发生风险与崩岗分布进行叠加，如图2所示。

图2 江西省崩岗侵蚀发生风险值与崩岗分布的叠加Fig.2 Occurrence risk overlaid with distribution of collapse gully erosion in Jiangxi Province

由图2可以明显看出高风险分布趋势与崩岗分布高度一致。同时，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>0.7的采样网格数评价预测精度。评价结果的精度E以经验的概率形式来表示，即

E=N0.7/NPf。

(10)

式中：NPf是存在崩岗侵蚀的采样网格总数;N0.7是崩岗侵蚀生风险>0.7的区域中存在崩岗侵蚀的采样网格数。

经计算，基于崩岗面积密度的发生风险评估精度为81.17%，基于崩岗数量密度的发生风险评估精度为83.72%。结果表明，双变量熵信息法能概括绝大部分的崩岗侵蚀分布点，也就是说采用双变量熵信息法对崩岗侵蚀发生风险进行评估是可行的。

5.2 崩岗侵蚀危害风险评估

在获取发生风险的基础上，根据式(7)计算崩岗侵蚀危害风险，归一化处理后绘制出江西省崩岗侵蚀危害风险分布图，如图3所示。

图3 江西省崩岗侵蚀危害风险值分布Fig.3 Distribution of hazardous risk of collapse gully erosion in Jiangxi Province

从图3可以看出，在江西省崩岗危害风险总体较轻微，在中部危害风险相对较高，但比较零碎。不同密度计算方法绘制的风险图之间对比，崩岗危害风险态势分布及风险值差异不大。

5.3 崩岗侵蚀风险分级

将崩岗侵蚀发生风险与危害风险进行叠加，即为崩岗侵蚀风险，归一化处理后重新计算出江西省崩岗侵蚀风险，按风险值等距划分原则，将崩岗侵蚀风险划分为5级，可得到江西省崩岗侵蚀风险分级，如表4、图4所示。

表4 崩岗侵蚀风险等级划分标准Table 4 Classification criterion of collapse gully erosion risk

图4 江西省崩岗侵蚀风险分级Fig.4 Risk classification of collapse gullyerosion in Jiangxi Province

从表4及图4可以看出，江西省崩岗侵蚀以中风险为主，占全省总面积的63%以上。较高及以上风险主要分布在中部呈东北至西南向的区域范围内。不同密度计算方法绘制的风险等级图之间的对比结果表明，崩岗风险态势分布及等级差异不大。

6 结 论

(1)江西省崩岗主要分布在年均降雨量为1 500～1 700 mm、岩性为花岗岩、土壤为红壤、坡度在10°～30°、高程在300 m以下、起伏度0～150 m、植被覆盖度<0.2或在0.6～0.8范围内、土地利用类型为森林和草地的区域内。

(2)在江西省南部、西部崩岗发生风险较高，东部、北部和中部相对较低。对比不同密度计算方法绘制的风险图发现，崩岗发生风险态势分布总体一致，但根据崩岗数量密度计算的崩岗发生风险值要大于崩岗面积密度计算的风险值。

(3)在江西省崩岗危害风险总体较轻微，在中部危害风险相对较高，但比较零碎。不同密度计算方法绘制的风险图之间的对比结果表明，崩岗危害风险态势分布及风险值差异不大。

(4)江西省崩岗侵蚀以中风险为主，占全省总面积的63%以上。较高及以上风险主要分布在中部呈东北至西南向的区域范围内。不同密度计算方法绘制的风险等级图之间对比，崩岗风险态势分布及等级差异不大。

(5)基于双变量熵信息法计算的崩岗发生风险评估精度均在80%以上，说明双变量熵信息法对崩岗侵蚀发生风险评估是可行的。同时研究结果也论证了笔者提出的崩岗评估方法在区域尺度上适用性较好，而且数据易获取，具有很好的实用性和可操作性。