大巴山区顺层岩质滑坡发育影响因素的贡献率及易发性评价
2019-10-11易靖松程英建
易靖松， 张 勇， 程英建， 苗 朝
(中国地质科学院探矿工艺研究所/中国地质调查局地质灾害防治技术中心， 四川 成都 611734)
大巴山区位于中国西部，人口密集，地质环境条件复杂，为国家集中连片贫困区，历来就是地质灾害的多发地。21世纪以来就发生了多处大型、特大型的灾难性滑坡，造成了大量的人员伤亡和财产损失，严重制约着当地的政治经济发展(表1)。本文基于大巴山区城镇地质灾害调查项目，对这些典型滑坡灾害的进行了调查研究，发现这些滑坡几乎都是以顺层基岩滑坡类型为主，该类滑坡具有隐蔽性好、突发性强、破坏性大、难以提前识别的特点，因此，针对区域内的该类滑坡，基于数量化理论Ⅱ和GIS平台技术，采用定性分析与定量分析相结合的方法，研究该类滑坡在研究区的易发性。21世纪70年代董文泉等[1]将数量化理论引入我国，用于对内部信息进行合理选取，构建用于数据统计和分析、模型预测与评价。克服了指标权重计算上的主观性，并且可以考虑指标相互间的制约和作用关系。随着这么多年发展，目前，已有许多学者将数量化理论运用到地质灾害研究领域内，汪茜和李广杰[2]应用数量化理论I进行泥石流灾害预测预报；周国云和陈光齐[3]利用GIS和数量化理论Ⅱ研究预测滑坡危险性；王卫红和张文君[4]采用遥感与数量化Ⅱ研究滑坡危险度划分；李军霞[5]等将数量化理论Ⅲ应用到了滑坡主要影响因素的分析中，实例验证取得了良好的效果；程英建[6]等基于数理化理论Ⅰ建立泥石流易发性预测模型，并进行了验证。在滑坡易发性预测研究方面，唐亚明[7]对滑坡易发性评价要素的选取进行了阐明；范林峰[8]研究了加权信息量模型在滑坡易发性预测的应用；牛瑞卿[9]研究了基于粗糙集的支持向量机模型在滑坡易发性预测中的应用；张俊，殷坤龙[10]等对比了信息量模型和逻辑回归模型对易发性评价的效果，结果显示信息量模型优于逻辑回归模型；王森[11]基于分形理论对南江县滑坡进行了易发性评价。从上述研究中可以看出，众多学者运用了各种各样的方法跟模型对地质灾害的易发性进行了研究，但没有单独针对某一类灾害的易发性进行过相关预测和研究。由于不同类型滑坡泥石流灾害的形成条件、影响因素、成灾模式是不同的，相比于基于统计模型而未考虑灾种类型区分的易发性评价而言，针对某一类滑坡的特点来开展易发性预测是更为准确的。本文选取大量样本调查获取基础数据，基于数理化理论Ⅱ，通过各种影响因子(定性和定量)与出现的结果进行学习找到规律(线性或非线性)，根据新的影响因子组合对可能出现的结果进行预测，建立预测评价模型，最后利用GIS技术得到预测评价结果。
表1 大巴山区近年来发生的部分灾难性滑坡统计
1 滑坡发育影响因素的选取
1.1 研究区概况
大巴山区域位于四川东部，包括巴中市、达州市以及广元市东部等区域，地貌形态可大致分为中深切割侵蚀—构造中山地形和浅、中切割剥蚀(侵蚀)—构造中低山地形两个大类，其中前者主要表现为块状山、断块山、褶皱山及单斜山，后者表现为单面山、似单面山、桌状山等。区内出露地层以侏罗纪、白垩纪地层为主。地质构造上属于川东弧形褶皱带，主要是由印支—燕山主造山期形成，位于扬子板块与秦岭造山带过渡位置，坡度多在10°～30°之间为缓倾岩层。受地貌、岩性、地质构造等条件的影响，区内地质灾害十分发育。在调查的312个样本点中，基岩顺层岩质滑坡有28个，约占9%，其他类滑坡占91%；而其造成的财产人员损失约占87%，其他类滑坡仅占13%。所以对大巴山区构成严重威胁的灾害类型也是该类基岩顺层类滑坡。
1.2 滑坡发育的影响因素
由于区内出露地层以砂泥岩软硬互层的岩体结构为主，这就为滑坡发生提供必要的物质基础；缓倾单斜的地貌形态为滑坡形成提供了良好的温室环境(坡度、坡向、坡体结构等)；河流水系及人类活动的后期改造也加速了滑坡形成的过程；最终在持续强降雨的诱发下形成。因此，根据滑坡形成的过程及条件，选取滑坡发生的高程、坡度、岩体结构、斜坡结构、剖面曲率、距水系距离、汇流面积、土地利用、外营力作用及年平均降雨量为影响因子开展评价研究。
2 GIS支持下基于数理化理论Ⅱ的滑坡易发性预测
2.1 预测模型的基本原理
数量化理论Ⅱ是一种可以同时对定性变量和定量进行处理的分析方法，其基本思想是以反应矩阵为基础，对各类目或各样品赋予适当的得分，根据已知的若干个母体中的n个样品对于m个项目的观测结果寻求线性判别函数，进而对未知母体的样品进行判别分类。
(1)
其中：
式中：δi(j,rj)(1≤i≤n，1≤j≤m)——第i样品在j项目之rj类目上的反应，公式(1)中后s列中u(i，k)(1≤k≤s)是k定量变量在i样品中的取值。数量化理论Ⅲ分析中对r+s维类目反应赋以得分，在矩阵中前q列中的每一列是一个定量自变量在各样品中的取值，在运算前要对数据进行正规化；后p列是n个样品在p个类目上的反应度。数量化理论Ⅱ可表示为如下数学模型表达形式为:
(2)
(3)
b={a1，aq，b1,1，b1,r1，bm,rm}T
(4)
(5)
(6)
(7)
(8)
(9)
(10)
(11)
(12)
通过以上的系列运算，可以得到每个类目得分，类目得分是判定样品为什么是母体的重要依据。一般是通过已知样品的所属母体和变量组合的学习，在判错概率最小或者与某母体的距离最小的情况下对待判样品进行判定。通过公式(5)得到各个类目的得分C之后，类目得分越高表征该类目对滑坡形成的贡献率越高。对类目得分C归一化，使其成为0～1的数据，由于数据值比较小，将其放大50倍作为其易发性评价系数，其计算公式为：
易发性评价系数：
G=50〔(C-Cmin)/(Cmax-Cmin)〕
式中：C——某个类目的得分；Cmax，Cmin——类目的得分的最大值和最小值。
最后对各个类目的易发性评价系数合计叠加后，并用自然间断法划分成一定的等级得到区域滑坡的易发性分区图。
2.2 数据来源与准备
选取21个研究区基岩顺层滑坡调查样本(另外7个样本用于评价结果验证)，利用GIS平台的分析提取功能，基于数量化理论，根据选取的影响因子，通过公式(1)对定性变量的类目反应，当样品为rj类目时，其该项反应值为δi(j,rj)=1，当样品不为rj类目时,该项反应值δi(j,rj)=0，类目之间的反应为样品在j项目所占的比率，0≤δi(j,rj)≤1[12-13]。因此，根据上述反应方法，得到滑坡个影响数据取值表(表2—3)。需要指出的是对汇流面积采用地形湿度指数来表征[14]，地形湿度指数(TWI)计算公式为：
TWI=ln(α/tanβ)
式中：α——上坡面积，为流经地表单位等高线长度上的汇流面积；β——坡度。
表2 各滑坡样本影响因素的基础数据
表3 各滑坡样本影响因素的基础数据
2.3 数据计算与分析
通过样本数据，选取的基岩顺层滑坡样品21个，定性变量9个，定量变量1个，其中，高程变量分为4类，坡度变量分为4类，斜坡结构分为4类，岩体结构分为3类，剖面曲率分为3类，距水系距离分为4类，汇流面积分为4类，土地利用分为3类，外营力作用分为2类，共计32个类目。运用数量化理论Ⅱ计算原理和方法，得到各类目的得分和易发性评价系数(表4)。
表4 各影响因素类目得分和易发性评价系数
2.4 各影响因素贡献率分析
对表3数据进行分析，得到各影响因素得分的曲线图(图1)，由于由于滑坡发生的定量数据设定为 1，没发生的设定为0，那么类目得分越高，对滑坡形成的贡献率就越大。现结合对大巴山区顺层岩质滑坡形成条件的研究，将各因素的得分划分为3类：-0.5
图1 各影响因素类目得分曲线
2.5 易发性预测评价
对研究区滑坡样本数据采用数量化理论模型训练后，采用滑坡破坏的栅格个数占实际破坏的栅格个数的百分比来判定预测的准确率，通过计算，在研究区的判定准确率达到了84%。在得到各个因素易发性评价系数后，将类目栅格的易发性评价系数进行叠加合并，合计得到预测值为85～265，采用自然间断法将预测值按大小分为4类，即85～130为较低易发区，131～175为中等易发区，176～220为较高易发区，221～265为高易发区，得到研究区基岩顺层类滑坡易发性预测图(图2)。
图2 大巴山区基岩顺层类滑坡易发性评价
3 结 论
(1) 采用数量化理论Ⅱ，选取了滑坡发生的高程、坡度、岩体结构、斜坡结构、剖面曲率、距水系距离、汇流面积、土地利用、外营力作用及年平均降雨量等指标，对各指标进行了量化处理，建立了大巴山区基岩顺层类岩质滑坡易发性预测方法。
(2) 对大巴山区域顺层岩质类滑坡发育影响因素的贡献率分析，得出斜坡坡度10°～20°，顺向坡斜坡结构、砂质硬岩夹软岩的岩体结构、汇流面积，水流冲蚀等因素对滑坡形成贡献率较高；高程500～1 000 m和剖面曲率、距水系距离、开挖路堑等因素对滑坡形成贡献率中等；土地利用类型等因素对滑坡形成贡献率低。
(3) 通过研究区易发性评价图可以看到，位于大巴山区的南江县南部、巴州区北部、苍溪县南东部、宣汉县南西侧地等区域为顺层岩质滑坡的高易发区，这也与调查结果相符。
(4) 量化理论计算方法对学习样本进行学习，确定各因子类目得分，然后全范围进行判别计算，并合计判定分类的易发性预测方法能较好地适用于大巴山区基岩顺层类岩质滑坡的易发性预测。
