基于GIS和信息量模型的安徽池州地质灾害易发性评价

王 雷，吴君平，赵冰雪，3，姚志强，张乐勤

(1.池州学院地理与规划学院，安徽 池州 247000；2.安徽省地质环境监测总站， 安徽 合肥 230000；3.南京大学地理与海洋科学学院，江苏 南京 210023)

0 引言

池州地处安徽西南，北与安庆市隔江相望，南邻黄山市，西与江西省毗邻。池州西北部为沿江平原，地势低平，河湖交错，地表由第四纪全新世和更新世冲积、坡积和洪积物组成；中部为岗冲相间丘陵区，由中元古界浅变质岩及古生代碎屑岩和碳酸盐岩及燕山晚期岩浆岩等组成；东南部以九华山、老山、牯牛降和仙寓山构成南部山区骨架(图1)。区域内地质构造单元属于扬子准地台区，横跨下扬子台坳和江南台隆两个二级构造单元，经过多期次的构造运动，褶皱、断裂构造较为发育，使岩石破碎，易于风化。地层间的主干断裂有东至断裂、葛公断裂、高坦断裂、江南深断裂、周王深断裂等。在安徽省地质灾害防治“十三五”规划中，池州市被列为崩塌、滑坡、泥石流、岩溶塌陷的重点防治区域[1]。

图1 研究区概况Fig.1 Overview of study area

目前已有多位学者对地质灾害的易发性评价方法进行了研究，但由于不同的地质、气候、人类活动环境下，影响因素有所不同，各因子的适宜性也有差别，目前没有形成统一的方法[2-4]。常用的地质灾害易发性评价模型主要有：人工神经网络[5-6]、信息量法[7-10]、综合指数法[11-12]、层次分析法[13-14]、逻辑回归分析[15-16]、证据权法[17]等。信息量法具有原理简单，易于建模且具有较高精度的特点，近年来，以GIS为代表的空间信息技术结合信息量模型已广泛应用于地质灾害易发性的评价中[7-10,18-19]。

基于信息量模型，借助GIS技术分析地质灾害易发性，步骤如下：(1)选取与地质灾害相关的影响因子，完成基础数据的整理；(2)运用ArcGIS重分类和区域统计工具统计各影响因子不同区间的灾害信息；(3)依据统计信息，分析各因子的空间分布特征及其与灾害发生的关系，计算致灾因子不同区间的信息量；(4)对单因子不同区间按信息量重新赋值，获得单因子信息量图，借助叠加分析方法，获得综合信息量图层；(5)采用分位数法将综合信息量图层划分为50个区间，在此基础上依据不同区间的灾害点密度将图层划归为5个易发区间；(6)统计不同易发区间的面积占比与灾积比，判断区间划分的合理性。

1 数据来源

研究数据包括全市388个历史地质灾害点，来源于安徽省地质环境监测总站池州站，其中滑坡146个，崩塌199个，塌陷21个，泥石流22个。考虑该区主要的灾害类型为崩塌和滑坡以及不同灾害类型致灾因素的差异，本文选取其中的345个滑坡和崩塌灾害点作为灾害点数据。坡度和坡向通过ASTER GDEM V2数据生成，数据来源于地理空间数据云，分辨率为30 m；道路数据源于Open Street Map，在此基础上，借助Google影像完善道路网；河流数据基于DEM通过ArcGIS水文分析工具获取；地层岩性和断裂数据来源于安徽省地质图；土地利用类型数据来源于FROM-GLC(http://data.ess.tsinghua.edu.cn/)，分辨率为10 m；降雨量数据来源于安徽省水文局水文信息网(http://yc.wswj.net/ahsxx/LOL/public/public.html)，有效站点数92个，选取2014—2018年的年均降雨量作为站点的年降雨量值，通过张力样条插值生成全区降雨量空间分布图。

2 信息量模型

信息量模型源于信息理论中量化描述信息的一种统计评价方法，由美国数学家，信息论创始人香农提出[20]，被许多学者广泛的应用到地质灾害易发性评价中。地质灾害的发生受多种因素的影响，在不同的地理环境中，各种影响因素对地质灾害的发生的作用有所差异。地质灾害的发生与否与评价过程中各因素信息量的大小有关，以已发生灾害的影响因素为依据，推算标志灾害发生概率的信息量，建立评价模型，从而对整个区域的灾害易发性做出评价。信息量通过事件概率来计算，见公式(1)

(1)

其中I(E,x1x2…xn)为因素x1x2…xn组合条件下地质灾害发生的信息量，p(E|x1x2…xn)为x1x2…xn组合下地质灾害发生的概率，p(E)为地质灾害发生的概率。式(1)可改写为：

I(E,x1x2…xn)=I(E,x1)+Ix1(E,x2)+…+

Ix1x2…xn-1(E,xn)

(2)

Ix1(E,x2)为因素x1存在的条件下，因素x2所提供的信息量。

通常情况下，影响地质灾害发生的因素有很多，在排除因子相互影响的前提下，可计算各因子的单因子信息量，通过叠加得到多因子共同作用下的综合信息量，见公式(3)

(3)

式(3)中Ii为各因子的信息量，可用频率估计条件概率来估算因素xi对地质灾害发生事件(E)提供的信息量。

ArcGIS中采用栅格数据组织评价单元，通常情况下，每个栅格单元由多个影响因素，各因素又被划分为多个区间或类别，对每个栅格单元的信息量进行求和就得到该栅格单元的信息量，见公式(4)

(4)

式中：n——评价因子个数；

A——研究区评价单元总面积；

N——研究区内含有灾害点的总数；

Ai——研究区含有评价因素xi的单元总面积；

Ni——分布在评价因素xi的灾害点总数。

I为栅格单元的信息量预测值，I值有正有负，当I大于0时表示多因素的组合有利于栅格单元发生地质灾害，反之则表示不利于地质灾害的发生。信息量的值越大表示越易于发生灾害。

3 基于GIS的地质灾害易发性评价

3.1 灾害影响因子分析

本文通过收集影响地质灾害发生的相关基础数据，最终选取坡度、坡向、工程地质岩组、断裂、道路、河流、降雨量、土地利用类型8个影响因子进行地质灾害易发性评价。利用ArcGIS对因子进行分级，离散型因子根据已有的分类标准，如：工程地质岩组、土地利用类型。连续型因子中坡度、坡向采用细化等间距的分级方式；降雨量按100 mm等间距分级；距断裂、道路和河流的距离参考已有研究[9,21]，结合区间内的灾害密度进行分级，各因子划分区间见表1。

(1)地形因素

地形决定着区域地面能量与物质的再分配，是影响地质灾害发生的基础条件。基于DEM进行坡度和坡向计算。其中坡度以5°为间隔，划分为10个等级。坡向以正北为0°，依顺时针方向增至360°，每隔30°将坡向划分为12个区间，另外ArcGIS中-1代表水平面，故共有13个区间。

由图2(a)可见，随着坡度的增大整体灾害密度表现为上升趋势，坡度大于20°以上的区间占总面积的32.34%，区间内灾害密度高。从图2(b)可知，坡向与灾害发生总体表现为东南(90°～210°)方向密度较高，西北方向密度低，这与池州夏季受东南季风影响，阳坡的水热条件更为显著，易于造成地质灾害相吻合。

(2)地质构造

依据池州市岩土体类型划分和特征一览表[22]将区域划分为7类工程地质岩组：坚硬-较坚硬块裂状花岗岩为主岩浆岩岩组(R)；坚硬-较坚硬中-厚层状岩溶较发育的碳酸盐岩岩组(O)；较坚硬-软弱层状碳酸盐岩与碎屑岩岩组(P+T)；坚硬-软弱薄-厚层状砂岩泥岩页岩为主碎屑岩岩组(S)；坚硬-较软弱中厚-巨厚层状砂砾岩为主碎屑岩岩组(K)；较坚硬-软弱片状含云母千枚岩、板岩岩组(Pt2)；第四纪松散岩类岩组(Q)。由图2(c)可见：地质灾害发生密度最大的是R，其面积占总面积的11.67%，灾害密度为10.97个/100 km2。

研究区内经过多次的地质构造，发育了多条断裂，断裂带附近受断裂作用影响易发生地质灾害。以断裂带为中心做5个等级的缓冲区。由图2(d)可见，灾害发生的密度在断裂带附近明显高于其它地方。

(3)道路

池州属于皖南低山丘陵区，山区村落主要沿河道和山谷分布，且房屋多依山而建。山区道路在建设过程中多存在开挖坡体的情况，这会直接影响坡体的稳定性，形成地质灾害隐患。以池州主要道路为中心做5个等级的缓冲区。由图2(e)可见，临近道路的区域灾害点密度明显大于其它区域。

(4)河流

池州境内有三大水系，九条主要河流，其中多数河流由南向北汇入长江。在夏季强降雨条件下，山体斜坡易受水体的冲刷，影响其稳定性。以河网为中心做5个等级的缓冲区。由图2(f)可见，灾害发生的密度整体与临近河流的距离成负相关性。

(5)降雨量

池州市属于亚热带季风性气候，受东南季风的影响，降雨量整体呈东南高西北低的特点。在降雨的主要季节，山区受地形因素的影响，降雨在短时局部空间上差异往往较为明显，且总体与海拔的高度成正比。由图2(g)可见，随着降雨量的增加地质灾害的密度呈明显的上升趋势，其中降雨量大于2 000 mm的区域灾害密度为10.80个/100 km2，其面积占总面积的10.74%。

(6)土地利用类型

在FROM-GLC 10 m土地利用数据集的基础上，将池州土地利用类型划分为耕地、林地、草地、水域、不透水面和裸地。由图2(h)可见，裸地的灾害密度高达41.1个/100 km2，这主要是由于矿山开发造成了多起地质灾害。

图2 因子对地质灾害发育贡献统计Fig.2 Statistics of factors contribution to the development of geological disasters

3.2 致灾因子信息量计算

运用ArcGIS重分类得到8个因子专题图(图3)，图层栅格单元大小30 m×30 m，统计因子不同区间的面积及灾害发生数量获得各因子不同区间的信息量表(表1)。根据信息量值对各因子图层重新赋值得到各致灾因子的信息量图层，利用栅格计算器叠加单因子信息量图层得到综合信息量分布图。

3.3 地质灾害易发性评价

对灾害易发性的分级，多数学者采用“自然断点法”[9-10,18]，该方法认为数据本身有断点，其适宜性受到一定限制。本文首先对综合信息量采用“分位数”分类法分为50个区间，从而保证每个区间的面积较为平均，在此基础上，统计每个区间的灾害点密度。参考吴树仁提出的分区标准[4]，依据不同信息量区间的灾害点密度划分易发性等级，将密度小于0.5个/100 km2的定为低易发区；大于0.5个/100 km2，小于2个/100 km2的定为较低易发区；大于2个/100 km2，小于5个/100 km2的定为中易发区；大于5个/100 km2，小于15个/100 km2定为较高易发区；大于15个/100 km2的定为高易发区。据此，由低易发区至高易发区的信息量区间分别为(-11.23，-4.44)、(-4.44，-1.19)、(-1.19，-0.05)、(-0.05，0.99)、(0.99，6.68)分类标准见图4，结果见图3(i)。

4 结果评价

通过叠加以上8个致灾因子，并对地质灾害易发性结果进行区域统计分析，可得各易发区内主要的致灾因子的组合形式，结合图3(i)可见：

(1)高和较高易发区面积为1 801.47 km2，约占全区面积的21.77%，主要分布在坡度较大的山区河谷两侧。究其原因是山区道路和村落多沿河道和山谷而建、人为开凿边坡和河流冲刷作用下容易造成滑坡、崩塌等地质灾害。

图3 评价因子分级和易发性等级Fig.3 The classified distribution maps of evaluation factors and susceptibility

表1 致灾因子信息量

图4 地质灾害易发性分级标准Fig.4 The standard of the susceptibility classification

(2)中易发区面积为2 156.38 km2，约占全区面积的26.07%，主要位于远离道路和河流的山区，该区域受道路和流水等因素的影响较小，但由于地形坡度较大，较易在其他人为因素的影响下发生地质灾害。

(3)较低和低易发区面积4 313.84 km2，约占全区面积的52.15%，主要分布在沿江平原地带和南部山区地势较为平缓的区域。沿江平原地带由于地势平坦，地质灾害发生的可能性较小，南部山区部分远离道路、河流且坡度较小区域，地质灾害发生的概率也不大。

表2 不同易发性等级对应的实际灾害

通过GIS区域统计分析工具，获取各易发等级区域的灾害点数量，统计不同易发等级的单元个数、各区域的面积占比、各区域的灾害点占总数量的比例、不同易发等级内的地质灾害比例。由表2可见，随着易发性等级的提高，单位面积内的灾害点数量由0.33增加到25.73。高易发区和较高易发区占区域总面积的21.77%，而灾害发生数量占总灾害的70.15%，其中高易发区占48.7%，灾积比为6.17，明显高于其他易发等级。

5 结论

(1)基于信息量模型，选取8个主要的致灾因子，借助GIS技术对安徽池州地质灾害的易发性进行评价。通过计算不同因子对地质灾害的信息量，叠加计算获得该区地质灾害易发性分布图，依据灾害发生密度将易发性分为低易发区、较低易发区、中易发区、较高易发区和高易发区5类。

(2)矿山开采区、道路附近100 m内、河流附近200 m内、块裂状花岗岩为主岩浆岩岩组、断裂带附近500 m以内、降雨量大于2 000 mm的山区、坡度大于20°、山体的东南坡面是研究区地质灾害发生的集中区域。

(3)从高易发区的分布来看，坡度较大的山区道路和河流附近易发生地质灾害，表明在地形坡度较大的区域人类工程活动和流水作用对地质灾害的发生影响明显。

(4)随着易发性等级的提高，地质灾害发生的比例快速上升，易发性等级与实际灾害发生的相符，高和较高易发区的地质灾害占总灾害数量的70.15%，高易发区灾积比为6.17，评价结果可靠，可为该区的地质灾害防治和经济建设提供科学依据。