基于GIS与IIVM的桐城市地质灾害易发性评价

张 琪, 侯晓亮, 马 雷, 钱家忠

(合肥工业大学 资源与环境工程学院,安徽 合肥 230009)

地质灾害易发性评价,又被称为地质灾害敏感性评价,通过对一定区域内多个地质灾害影响因子的研究分析,确定环境地质灾害发生的可能性。对于地质灾害易发性评价,相关研究多以建立评价模型为主,常用模型有逻辑回归模型、信息量模型(information value model,IVM)、层次分析(analytic hierarchy process,AHP)法、支持向量机法等[1-4]。文献[5]采用双变量统计分析对斯洛伐克西南部区域进行滑坡易发性评价;文献[6]利用基于地理信息系统(geographic information system,GIS)技术的神经网络模型对三峡水库蓄水条件下巴东新县城进行滑坡灾害风险预测。不同的评价模型有各自的优缺点,可通过2种或多种模型相结合的方式,弱化单一模型的缺陷,以取得更好的评价效果。文献[7-8]运用IVM对地质灾害易发性进行评价,发现IVM易于实现,并且具有较高的客观性。AHP法也因其良好的系统性、逻辑性及实用性,被广泛应用于地质灾害评价工作[9-11]。因此,本文采用AHP法来改进IVM,在对桐城市地质灾害进行详查与综合分析的基础上,通过建立多因素多层次的改进信息量模型(improved information value model,IIVM)对该地区地质灾害的易发性进行评价与区划,以期有助于区域地质灾害的防治工作。

1 研究区概况及控制因子分析

桐城市位于安徽省中南部,地处大别山东麓,属北亚热带季风湿润气候区。地理坐标为东经116°40′～117°09′,北纬30°40′～31°16′。郯庐断裂北东向穿过研究区,区内断裂也多沿大别山东麓呈45°左右方向延伸。

研究区内地势由西北向东南逐渐降低,主要为山地、丘陵及平原地貌。中低山区位于研究区西北部,出露的地层主要为深变质岩及侵入岩等;丘陵区位于研究区中部,岩性主要为新太古界变质岩、中生代侵入岩以及二叠系、志留系砂岩、页岩等;平原区位于研究区东南部,出露地层主要为第四系上更新统和全新统冲积形成的黏性土、粉土、粉细砂及砂砾石层等。

研究区地质条件复杂,地貌单元多样,地表水系发育,加上人类工程活动较为强烈,导致了区域地质环境脆弱,特别是西北部山区,突发地质灾害如崩塌、滑坡、泥石流等较为发育。实地调查及相关资料显示,研究区地质灾害及隐患点共112处,主要为崩塌、滑坡、泥石流和不稳定斜坡4种类型,如图1所示。

图1 桐城市高程及地质灾害隐患点分布图

影响研究区地质灾害发育的因素可分为主控因素和诱发因素2类[10]。主控因素为研究区的地质环境背景,评价因子包括地形地貌因子、地质条件因子等;诱发因素指促进事件发生的外部因素,包括水文因子、人类活动因子等。以上信息均可从实地调查和地质资料中获取。

结合区内地质环境背景和野外实际调查结果,本文选取高程、坡度、坡向、工程地质岩组、与断裂的距离、与水系的距离、与道路的距离7个指标作为评价因子。降雨对地质灾害有诱发作用,是常用的评价因子,但研究区范围较小,资料显示各地实际降雨量无明显差异,不能有效区分,因此未采用降雨指标。不合理的人类工程活动对地质灾害发生的贡献度很大,特别是在道路修建、矿山开挖等方面,本文采用与道路的距离作为人类工程活动指标。

2 评价模型基本原理及应用分析

2.1 评价模型原理

2.1.1 AHP法

依照人们在决策分析过程中“分解—判断—重组”的思维方式[11],AHP法把多准则、多约束的复杂问题分解为若干指标因子,根据相互间的影响和隶属度,按层次关系形成有序的递阶式结构,并构造一致性的判断矩阵,通过确定不同层次中各因子的相对重要性,综合计算并最终确定各指标的综合权重。

2.1.2 IVM

IVM以信息论原理为基础。依据研究区已知的地质灾害影响因素,通过概率的方式叠加计算不同评价因子的信息量值,建立相关易发性评价模型。按照信息量值的大小来判断区域内地质灾害的易发程度,值越大,地质灾害易发性越高。评价因子信息量值计算公式[8]为:

(1)

其中:I为研究区内某评价单元叠加后的信息量值;Ii为某评价因子信息量值;S为研究区内评价单元总数;N为研究区内包含地质灾害点的评价单元总数;Si为包含某评价因子子项的单元数;Ni为包含某评价因子子项的单元内含有地质灾害点的单元数;n为评价因子个数。

2.1.3IIVM

传统IVM的不足是没有考虑不同评价因子对事件发生影响程度的差异性,仅是将各评价因子的信息量进行简单相加,这对评价结果的有效性具有影响。本文通过AHP法确定各评价因子间的权重,以加权叠加的方法计算改进后的信息量值,确定IIVM。公式为:

(2)

其中:I′为研究区内评价单元的改进信息量值;wi为评价因子权重。

2.2 基于GIS技术的信息量叠加计算

2.2.1 信息采集

本研究采用的数据包括1∶100 000地形图、GDEMV2 30 m分辨率数字高程数据、Landsat8影像及安徽省桐城市历史地质灾害点数据。利用ArcGIS软件,采集研究区内基础地质资料。

2.2.2 基于GIS技术的信息量叠加分析

叠加分析是ArcGIS空间分析功能的重要组成部分。本文对各个评价因子建立单独的图层,获取不同评价因子下地质灾害分布信息;根据(2)式对单个评价单元进行计算,得到各因子的改进信息量值,生成各评价因子的图层;利用叠加分析中的加权总和(WeightedSum)功能,根据确定的易发因子综合信息量进行栅格叠加,生成研究区地质灾害易发性分区图。

3 评价因子分级与结果分析

3.1 评价因子分级

基于所选取的高程、坡度、坡向、工程地质岩组、与断裂的距离、与水系的距离、与道路的距离7个指标进行评价因子分级,具体评价因子分级情况,如图2、图3所示。

图2 6种评价因子分级结果

图3 与道路的距离评价因子分级结果

(1) 高程。地质灾害多受重力作用的影响,不同高程的地形差异导致了局部的水文条件、人类活动的差异。研究区西北部中低山区,地质灾害点较多,反映高程对地质灾害发生存在一定程度的影响。结合区域地形条件,将高程以100、250、400、550 m为界划分为5个类别,如图2a所示。

(2) 坡度。坡度控制地质灾害的稳定性,影响斜坡的应力分布、松散物质组成和堆积、地表水和地下水补径排等,在几何特征和形状特征上影响着区域地质灾害的空间分布情况。研究区内坡度划分为5个类别,即0°～8°、8°～15°、15°～25°、25°～35°及大于35°,如图2b所示。

(3) 坡向。不同坡向影响区域地质环境的水热条件,与向阴坡相比,向阳坡的日照时间一般情况下更长,导致其气温更高、蒸发作用更为强烈。这种水热条件的变化会影响当地土壤、水文、植被、地形等自然地理要素。结合研究区的地形条件,按照角度不同划分为8个方向,如图2c所示。

(4) 工程地质岩组。岩土体是地质灾害产生的基础,不同类型、结构、性质及构造特征对地质灾害的发生和分布具有重要影响。根据研究区地质环境调查结果,结合地层特征,按照国家工程地质场地建设的划分标准,划分为坚硬岩、较坚硬岩、软质岩及土质体4类,如图2d所示。

(5) 与断裂的距离。断裂主要通过破坏岩土体结构、影响水文条件、降低岩土体完整性来诱发地质灾害,且距离断裂越近,影响程度越大。通过对断裂进行缓冲区分析来确定其影响范围。结合区域断裂构造条件,以1 000 m为间隔,划分为4类,如图2e所示。

(6) 与水系的距离。水对地质灾害的发生起着重要的作用,能增加岩土体的自身容重、降低抗剪强度和潜在滑面上的摩擦力。研究区内水系密布,河流对两岸具有明显的冲刷和侵蚀作用,容易诱发地质灾害的发生。结合研究区水文条件,对水系两侧设置缓冲区,以200、400、600、800、1 000 m为分界点划分出6个等级,如图2f所示。

(7) 与道路的距离。不合理的人类工程活动是地质灾害发生的直接诱因,会破坏岩土体稳定性,影响原斜坡内的应力平衡,易诱发地质灾害。调查中发现,修建道路时的岩土体开挖容易形成不稳定斜坡,因此以研究区与主要道路的缓冲距离作为指标因子,划分6个等级,分界标准与距水系一致,如图3所示。

3.2 评价过程及结果分析

3.2.1 确定评价因子权重和信息量

根据属性的不同,区域内地质灾害易发性评价可分成3个层次,从上至下分别为目标层、方案层及指标层。

依照设置的指标因子,建立易发性评价AHP模型,如图4所示。

图4 地质灾害易发性评价AHP模型

使用专家打分法对AHP体系中每层评价因子相对上一层的影响程度进行量化,采用1～9标度,对各因子相互间重要程度进行评估打分,分别构造相对应的判断矩阵A,即

其中:aij为评价因子ai相对于aj的重要程度;m为指标因子数量。

判断矩阵1～9标度定义见表1所列。

表1 判断矩阵1～9标度定义

考虑到AHP法的主观性和地质灾害本身的复杂性,需要考察判断矩阵的合理性。对每组特征矩阵进行一致性检验,若检验通过,则归一化后的特征向量即为该因子的权向量;若检验未通过,则需要重新完善,直到通过检验为止。使用Matlab数值分析软件对判断矩阵进行处理,计算出各层级权重值,并加以组合计算,确定最终的权重值。

研究尺度即评价单元大小是地理学研究核心问题之一。以往评价过程中多以专家经验选取,未考虑区域地质环境条件及数据精度的因素。文献[12]以香港大屿山地区的滑坡风险性评价为例,研究并确定了不同研究区适宜栅格大小的选取公式。对于本研究评价过程,计算所得适宜的格网大小为50.8,因此选取50 m×50 m进行划分,使用ArcGIS软件获取研究区评价因子图层,并转为栅格数据。利用(1)式进行计算,获取各因子子项的信息量。各评价因子权重和信息量值见表2所列。

表2 各评价因子权重和信息量值

根据表2结果,利用ArcGIS软件的加权总和(WeightedSum)功能实现(2)式的叠加分析,获得评价单元综合信息量,最高值为0.686 95,最低值为-1.018 90,数值越大,反映各因子对地质灾害形成的贡献越大,越容易发生地质灾害。本文采用自然断点分级法(Jenks)对各评价单元进行划分,将桐城市的地质灾害易发性等级划分为高易发区、中易发区、低易发区及不易发区4级。

IVM和IIVM的评价分区结果如图4所示。

图5 桐城市地质灾害易发性评价2种模型分区结果

3.2.2 评价结果及分析

IVM与IIVM 2种模型评价结果显示相似的易发性分布情况。将IIVM的评价结果与原有地质灾害分布进行叠加分析,结果见表3所列。表3中,“地灾”表示地质灾害。

表3 地质灾害易发性分区统计结果

由表3可知,研究区内地质灾害中、高易发区面积为419 km2,占研究区总面积的28.68%。高易发区内分布地质灾害点58处,占灾害点总数的51.79%,地灾密度为每100 km232.64处;中易发区内地灾点31处,占27.68%,地灾密度为每100 km212.88处;低易发区和不易发区面积较大,但灾害点分布较少。图5与表3结果显示,地灾点的分布与实际地灾情况具有很好的相关性,说明本次易发性分区能够客观反映研究区内地质灾害易发性的分布情况,证明了分区结果的合理性和准确性。

地质灾害易发性评价的有效性可由受试者工作特征(receiver operating characteristic,ROC)曲线进行定量检验,其曲线下方面积(area under the curve,AUC)指标可用来判断模型评价结果的精度。AUC指标越大,表明评价结果的精度越高[13]。以评价分区面积累计比例为横轴,对应评价分区地灾点累计比例为纵轴,获得IIVM和传统IVM评价结果的ROC曲线,如图6所示,其AUC指标分别为0.807 7、0.785 1。该结果表明,评价结果较为准确,且采用IIVM的地质灾害易发性评价结果具有更高的精度和有效性。

图6 2种模型评价分区ROC曲线

研究区大部分地区以低易发区和不易发区为主,高、中易发区较少但地灾点极多,占地灾总数的79.5%。研究发现,高、中易发区主要分布于大关镇、卅铺镇、龙眠乡、黄铺镇、唐湾镇、陶冲镇及挂车河镇的部分地区,从地质构造上看,该区域位于郯庐断裂西北部,地貌主要为中低山和丘陵,地形起伏陡峭,断裂密集且明显,地表水系较发育,山区道路修建开挖坡脚形成大量不稳定斜坡,易于诱发地质灾害的发生。低易发区主要沿高、中易发区周边分布,主要包括吕亭镇、范岗镇、青草镇、桐城市以及东部双港镇、孔城镇等部分地区,面积294 km2,分布地灾点12处,区域内地貌为丘陵向平原过渡,地形平坦,主要受断裂构造和人工活动影响,总体影响程度较低,地质灾害相对减少。不易发区主要分布在东部平原区,面积为748 km2,仅有11处地灾点分布,岩性主要为第四系上更新统和全新统黏性土、粉土等,区域内水系发育,人类活动较多,但受到地形地貌和断裂构造的影响极小,地质灾害极少发生。

4 结 论

(1) 地质灾害易发性评价模型是对地质灾害实际发生可能性的概化。本文基于GIS技术,利用AHP法与IVM相结合的IIVM法对研究区进行易发性评价,较好地考虑了各评价因子之间差异,同时降低了AHP法的人为主观性,有利于评价因子隶属度和权重的确定,削弱单一评价模型应用时的缺陷。

(2) 本文以桐城市为研究区,选取高程、坡度、坡向、工程地质岩组、与断裂的距离、与水系的距离及与道路的距离作为评价因子,开展地质灾害易发性评价工作。根据评价结果,中、高易发区主要分布在研究区西北部山区,地灾点集中,占地灾总数的79.5%,所在坡度集中于8°～25°,高程100～550 m,地灾点离道路和水系较近,多分布于山地和丘陵,断裂构造发育,地层岩性为大别山岩群的深变质岩、侵入岩及喷出岩等,属坚硬岩和较坚硬岩。

研究结果表明,地质灾害易发性分区图与研究区区域现状基本吻合,能很好地划分研究区内中、高易发区,对区域环境地质保护和灾害治理具有指导意义。