基于信息量模型的地质灾害易发性评价——以天府新区成都直管区为例

林虹宇，庙 成，郑宗明，李 铃

基于信息量模型的地质灾害易发性评价——以天府新区成都直管区为例

林虹宇1，庙 成2，郑宗明3，李 铃1

（1.内江师范学院，四川 内江 641100；2.中山大学地理科学与规划学院， 广州 510275；3.宜宾市农业机械研究所，四川 宜宾 644000）

本文选择天府新区成都直管区为研究区，基于因素相关性分析结果，选取坡度、坡向、地形起伏度、地貌、岩性、汛期降雨量、人口密度和崩滑密度8个要素作为地质灾害易发性评价因子，应用信息量模型，分析各因子对研究区地质灾害发生的贡献，开展研究区地质灾害易发性区划。结果表明：研究区地质灾害主要沿龙泉山西翼呈条带集中分布，易发等级总体上由东向西递减分布，灾害点空间分布与易发等级呈正相关性，信息量模型应用评价结论，可为该区地质灾害防治提供参考。

地质灾害；易发性评价；信息量模型；天府新区成都直管区

地质灾害的易发性，在统筹国土规划和地灾防治，显得越来越重要。国内对于地质灾害易发性评价研究，借鉴国外经验，并逐渐完善。本文以天府新区地质灾害汛前排查项目为依托，实地调查获取基础地质与灾害数据，考察地形、地貌、地层岩性、汛期降雨、人类活动等要素与地质灾害分布之间关系。以传统的栅格作为基本评价单元，应用信息量模型对区域地质灾害进行易发性分区。

1 研究区概况

天府新区成都直管区位于成都市南部，成都平原“牧马山台地”大部分，面积562.26km2，辖13个镇（图1），地理坐标为东经103°58′～104°16′，北纬30°13′～30°35′。

研究区以成都平原“牧马山冰积台地”及苏码头背斜分布区浅丘为主，呈北东向展布，纵贯境内东侧，地势西北低东南高（赵琦，2001）。苏码头背斜区出露中生界侏罗系、白垩系，露头区外新生界第四系分布于平原及鹿溪河以东台地。该区位于新华夏系第三沉降带—四川盆地西部边缘，北西部属成都凹陷，中东部为龙泉山背斜。

图1 研究区位置示意图

研究区处于亚热带湿润气候区，夏季降雨量占全年60%～70％。

区内主要发育地质灾害为滑坡、不稳定斜坡、崩塌，规模以小型为主，威胁对象主要为分散农户。滑坡占69%，多位于龙泉山脉西侧低山区和中部丘陵区，在暴雨或连续降雨诱发，引起岩质、土质滑坡，威胁农房、公路，对新区建设和发展产生一定影响；崩塌主要位于低山区。

2 信息量模型

信息量法是以已知灾害区影响因素为依据，推算出标志易发性的信息量，建立评价预测模型，依据类比原则外推到相邻地区，对整个地区易发性做出评价的方法。

信息量法的地质灾害易发性评价中，将影响产生地质灾害的地形、坡度、岩性等因子作为评价指标。通过影响因子贡献信息量大小与综合水平，进行区域易发预测与等级区划（吴柏清等，2008；殷坤龙，2004；丁明涛等，2015；付文博等，2017）。

地质灾害易发性评价在划分研究区域格网单元基础上进行。假定某区域划分N个单元，已经发生单元为N0。有相同因素X1X2…Xn组合单元共M个，发生地质灾害单元数为M0。按统计概率代表先验概率原理，因素X1X2…Xn在地区内提供地质灾害信息量，公式（1）：

如果采用面积比来计算信息量值：公式（2）：

式中：A为区域内单元总面积，A0为已经发生地质灾害的单元面积之和，S为具有相同因素X1X2…Xn组合的单元总面积，S0为具有相同因素X1X2…Xn组合单元发生地质灾害的单元面积之和。

作用于地质灾害因素、因素组合状态多，样本统计数量受到限制，一般采用简化的单因素信息量模型分布计算，综合叠加分析，信息量模型改为（3式）：

式中：I为评价区某单元信息量预测值，Si为因素Xi所占单元总面积(或地质灾害点数)，S0i为因素Xi单元中发生滑坡灾害的单元面积（或地质灾害点数）之和（张佳荣等，2003）。

信息量模型中的I值有正负之分，正值表明该划分区有利于山地灾害发生(在平均频数之上)；负值表明该划分区间不利于山地灾害发生(在平均频数之下)；0值表明该划分区间对于山地灾害的贡献介于正负值中间（与平均频数相同）。

3 地质灾害易发性评价

3.1 单元网格划分

单元网格的划分直接影响着地质灾害易发性评价结果的合理性，也影响到区划过程中各参数获取的难易程度。目前网格大小选取取决于经验和原始数据的精度。

本文依据研究区原始数据精度（高分辨率DEM）和经验公式（4）（李军等，2003）的计算，选取50m×50m网格，将整个研究区域划分为761行、548列，共224901个单元。

式中：Gs为适宜网格的大小，S为原始等高线数据精度的分母。

3.2 指标体系建立与相关性分析

3.2.1指标体系建立

控制崩塌、滑坡和不稳定斜坡的主要因素有：坡度、地层岩性、构造、河流地质作用和人类工程活动（Chen et al. 1991）本文筛选确定出坡度、坡向、地形起伏度、地貌、岩性、汛期降雨量、人口密度、崩滑密度8个评价因子（图2）。

图2 评价指标体系

3.2.2 影响因子相关性分析

表1 各因子间的相关系数1

为保证各因子间相互独立、满足模型输入参数准确要求，需对所选因子做相关性检验。运用Arcgis软件中的多元分析工具计算相关矩阵，对初选因子进行相关性分析，得到显著性为0.01的各因子相关系数表（表1）。可知：其中0.2︱相关系数︱<0.24有6组，分别是坡度和地形起伏度、坡度和崩滑密度、地貌与崩滑密度、岩性和地貌、岩性和坡向、人口密度和汛期降雨量。坡度和岩性因子相关系数较大，考虑到两者隶属不同形成条件、相关性系数均<0.24，对整体的信息干扰较小，将因子保留。

3.3 评价因素分析

3.3.1 坡度

利用Arcgis软件提取坡度因子，以10°为间隔重分为4个级别，生成坡度分布图（图3），进而分析研究区坡度分布情况，发现区域坡度主要为0～20°（占总面积的90%以上）。为了进一步探讨地质灾害与坡度的关系，利用GIS空间分析功能，统计分析地质灾害区间分布情况，得到坡度主要的信息量值位于10°～30°区间，且通过现场调查发现该区间也存在区域主要地质灾害点分布。

图3 地质灾害与坡度关系

经汛前野外灾害点排查情况来看，区域主要灾害点靠近山脚斜坡处，坡度虽然较低，但人类活动（以修路、切坡建房为主）剧烈，坡脚开挖常形成陡坡，在汛期强降雨的影响下，易发生浅表层滑坡或崩塌。

图4 研究区地质灾害与坡向的关系

3.3.2坡向

通过Arcgis软件提取坡向和3×3窗口进行扫描，获取坡向图层(坡向分布图)（图6b），并应用统计分析工具，得到灾害点与坡向的分布关系（图4）。研究区占总数45.1%灾害点分布在西和西北方向龙泉山背斜西侧。根据历年灾害点分布分析，降雨比同纬度平坦区偏多，使西侧斜坡不稳定，出现崩滑灾害现象。

3.3.3 地形起伏度和地貌

地表起伏度是描述地貌形态的定量指标。利用DEM数据，通过邻域分析工具，得到地形起伏度分布图（图6c）。根据地貌制图分类标准，结合研究区起伏条件，将研究区地形起伏度划分4级：平坦起伏（0～20m）占总面积30.1%；小起伏（20～200m）占65.2%；中起伏（200～350m）占4.5%；山地起伏（300～600m）占0.2%。统计结果，研究区主要以小起伏和平坦起伏为主，山地起伏和中起伏分布面积小，是地质灾害点主要集中分布区。

基于1∶5万成都市水文地质工程地质环境地质综合勘察图件，通过矢量和重分类得到地貌分布图（图6d），本区属平原阶地、弧状浅丘、圆状中丘，脊状低山4类地貌单元。灾害点主要集中分布在脊状低山区，占50.8%，本单元岩层软弱相间，两侧伴有崩塌和小型浅表层滑坡。

3.3.4岩性因子与构造作用

根据1∶20万成都幅、简阳幅区域地质图，矢量和重分类出岩性相近地层，得到岩性分布图（图6e）。统计分析地层岩性与灾害点的关系（表2），侏罗系遂宁组泥岩、泥质粉砂岩（jsn）与侏罗系上沙溪庙组泥岩夹泥石粉砂岩和石英砂岩（Js分布面积较小，地质灾害密度较大。岩性差异风化明显，风化形成较厚强风化带和崩塌堆积体，在外力作用下易发生滑坡、崩塌等地质灾害。

图5 AA，地质剖面

图6 地质灾害易发性评价因子（一）

龙泉山地区不具备孕育大地震的可能性，近代以来，1958年至2005年龙泉山断裂带共发生ML≥2.0地震66次（徐水淼等，2006；黄伟等，2012）。最大一次是1967年1月24日大林镇5.5级地震，震源深度4km。在岩性图（图6e）作研究区NW～SE方向构造剖面AA'（图5），龙泉山西侧三星镇处形成向斜，起伏较大，易发生地质灾害。

表2 地层岩性与灾害点的关系

3.3.5汛期降雨量

本研究收集区域13个降雨监测点2015年汛期降雨数据，采用经验贝叶斯克里金插值方法获取汛期降雨分布图（图6f）。统计表明，研究区汛期降雨量处于234～862mm，以沿龙泉山脉西侧和华阳街道为2个集中降雨中心向两侧递减。灾害点多分布在龙泉山脉西侧。

图6 地质灾害易发性评价因子（二）

3.3.6人口密度

表3 各评价因子的信息量计算结果

通过收集区域各乡镇人口数据，计算各街道人口密度。参照人口密度分级，划分为人口稀少区（<30人/ km2）、中等区（30～100人/km2）、密集区（100～500/ km2）、极密区（>500人/ km2）（见图6g）。统计结果，灾害点主要集中在人口中等区和密集区，占77.5%。对地质灾害危害程度、危险性分级关系密切。同等规模滑坡、崩塌发生在人口中等区、密集区；其危害程度、危险性分级增大；尤其应重视人口中等区和密集区的地质灾害防治工作。

3.3.7灾害点密度

在地质灾害易发性评价中引入灾害点密度因子。通过GIS技术进行信息量分析，得到崩滑点密度图（图6h），崩滑点沿龙泉山脉西侧集中分布，其中合江街道和永兴街道交界地带较为密集。

3.4 评价结果与分析

3.4.1信息量模型计算

利用GIS工具，将每个因子数据进行50m×50m栅格化，根据式（2）计算各因子对地质灾害发生的信息量（表3）。

将计算所得信息量分别联接到对应的各因子不同类别的属性表中，进而生成单因子信息量图。通过公式（3），进行单因子信息量叠加，得到总信息量，并利用自然断点法将信息量图重分为5类，依次为高、较高、中、较低、低5个易发程度分区，得到研究区地质灾害易发性评价图（图7）。

3.4.2 评价分析

表4 各易发度等级区地质灾害点数目分布

区内整体地质灾害易发性较低。其中，低和较低易发区总面积378.55km2，占研究区67.7%；较高和高易发区面积较小，占研究区12.4%，分布灾害点31个，占总数50%（表4）。分区结果，地质灾害点分布与易发性分区正相关；分区与实际情况符合。

高度和较高易发区集中沿龙泉山脉两侧呈条带状分布。北东～南西向的龙泉山箱状背斜构造，两翼伴有压扭性断裂，节理发育，多易发浅表层地质灾害；中易发区沿较高易发区外围分布，多为中浅丘，近年新区开发，人类工程活动逐渐增强，地质灾害发生多受为不合理人类工程活动影响明显；较低和低易发区沿鹿溪河、府河、锦江、兴隆湖分布。以台地、平原和河流阶地为主。多个沿江生态带对地区生态景观保护较好，地质灾害发生较少。

4 结论

本文基于信息量模型对成都天府新区的地质灾害进行易发性评价，并对各区进行相应的统计分析，主要得出以下结论：

1）从成都天府新区直管区选择坡度、地形起伏度等8个因子建立易发性评价指标体系，基于因数相关性分析，利用GIS技术作地质灾害易发性评价，易发性分区图与研究区实际比较一致。可为研究区地质灾害特征探讨和防治提供参考。

图7 天府新区成都直管区地质灾害易发性分区图

2）研究区地质灾害高易发性区域沿龙泉山脉条带状集中分布；中易发区较分散分布在近年来受人类活动干扰加强的中部浅丘和中丘区；较低和低易发区主要分布沿台地、河流分布。

CHEN Zhiming, LIU Zhendong, YU Xiu bodong. 1991.National geomorphologic mapping of China [J].ITC Journal ,1(1):19-25.

丁明涛,王骏,城尊兰,庙成.2015.岷江上游土地利用类型对泥石流灾害的敏感性[J].山地学报,33(5):587-596.

付文博,杜光远,王凌晔,常安代..2017.基于ArcGIS模型的滑坡地质灾害敏感性评价—以金沙江上游为例[J]四川地质学报,37(1):100-103.

黄伟,江娃利.2012.四川龙泉山断裂带及其活动性与潜在地震危险性讨论[J].西北地震学报,34(1):50-56

李军,周成虎.2003.基于GIS滑坡风险评价方法中网格大小选取分析[J].遥感学报,7(2):86-93.

吴柏清,何政伟,刘严松.2008.基于GIS 的信息量法在九龙县地震灾害危险性评价中的应用[J].测绘科学,33(4):146-148.

殷坤龙.2004.滑坡灾害预测预报[M].武汉:中国地质大学出版社,72-79.

徐水森,任寰,宋杰.2006.龙泉山断裂带地震活动性浅析[J].四川地震,119(2):22-28.

赵琦.2001.川西高原造就了天府之国[J].四川地质学报,21(2):116-121

张佳荣,殷坤龙,刘传正,唐灿.2003.基于GIS的陕西省旬阳地区滑坡灾害危险性区划[J].中国地质灾害与防治学报,14(4):42-46.

Evaluation of Geohazard Susceptibility Based onInformation Quantity Model——By the Example of Tianfu New District, Chengdu

LIN Hong-yu1MIAO Cheng2ZHENG Zong-ming3LI Ling1

(1-Neijiang Normal College, Neijiang, Sichuan 641100; 2-School of Geography and Planning, Sun Yat-Sen University, Guangzhou 510275; 3-Yibin Institute of Agricultural Machinery, Yibin, Sichuan 6454000)

By the example of the Tianfu New District, Chengdu, this paper selects 8 essential factors such as slope grade, slope direction, topographic relief, landform, rock character, rainfall in flood season, population density, and avalanche density to be evaluation factors of geological hazard susceptibility and applies information quantity model to analysis of the contribution of each factor to the occurrence of geological disasters in the study area and carries out divisions of geological hazard susceptibility in the study area. The results indicate that the geohazards in the study area are mainly distributed along the west flank of the Longquan Mountains. On the whole, the susceptibility grade decreases from east to west and the spatial distribution of geohazard points is positively correlated with the susceptibility grade.

geohazard; susceptibility evaluation; information quantity model; Tianfu New District, Chengdu

2019-12-16

林虹宇（1990—），男，四川宜宾人，硕士，助教，从事地质灾害风险控制研究

P694

A

1006-0995（2021）01-0154-07

10.3969/j.issn.1006-0995.2021.01.030