基于GIS和加权信息量模型的绿春县城地质灾害易发性评价

张钟远，徐世光，2，李超，管晓琪，李微，邓胜，郑笑秋

(1.昆明理工大学国土资源工程学院，昆明 650031；2.云南地矿工程勘察集团公司，昆明 650041)

地质灾害易发性评价，国外又称为地质灾害敏感性评价(Geological disaster susceptibility)，其意义在于研究一定区域内多种地质灾害影响因素综合作用下发生地质灾害的可能性[1]。常用的地质灾害易发性评价模型有:神经网络模型(张苏平等，2003)[2]、概率指数模型(陈玉等，2013)[3]、模糊评判法(常青等，2014)[4]、Logistic回归法(黄健敏等，2016)[5]、证据权法(郭长宝等，2019)[6]、信息量法(陈立华等，2020)[7]、层次分析法(辛存林等，2020)[8]、确定性系数法(刘月等，2020)[9]，以及多种方法耦合模型(田春山等，2016)[10]等。

考虑到各个模型均有优缺点，本文将信息量模型与层次分析法相结合，以绿春县城区为例，选取地质灾害影响因子，在信息量模型的基础上运用层次分析法赋权重，使评价结果更为直观合理，为地质灾害防治与风险评价做出参考。

1 加权信息量模型

信息量模型属于统计分析模型的一种，其物理意义明确、操作简单，在地质灾害易发性评价中得到了广泛的应用[11]。但是该模型未考虑各评价因子在地质灾害发生过程中所起作用的大小，不能反映不同因子影响程度的差异。因此，为了更加科学合理的易发性评价应考虑对各个影响因子赋予权重与信息量相乘后得到加权信息量。本文结合信息量法和层次分析法的优点，采用加权信息量法评价其指标，最终得到易发性的划分结果，模型表述如下:

单个因子信息量计算公式：

式中，Ni为因子Xi特定类别xi内的地质灾害点个数；N为研究区域地质灾害发生的灾害点总数；Si为研究区域内含有评价因子xi的单元面积；S为研究区域评价单元面积总数。

总的信息量计算公式：

式中，Ij为评价单元总的信息量。

加权信息量计算公式：

式中，Wi为评价因子权重。

2 研究区概况

绿春县城区位于云南省南部，位于红河州西南部的绿春县大兴镇，东经102.35°～102.45°，北纬22.97°～23.02°。绿春县城受区域地质、地形、气候、地貌影响，城区地层风化强烈，岩体结构多以软质岩体为主，形成了较为脆弱的地质环境条件。随着社会的不断发展、人口的不断增加、地质环境条件逐渐恶化导致地质灾害频发。经过野外调查与收集资料研究分析，县城区发育地质灾害类型主要为滑坡、泥石流，其中滑坡57个、泥石流9个，研究区地理位置及地质灾害分布如图1。

图1 地理位置及地质灾害分布

3 地质灾害易发性评价

3.1 评价指标

通过分析自然地质环境特征和地质灾害的分布规律与形成条件，选取地层岩性、高程、坡度、坡向、断层、道路、河流7个影响因子进行地质灾害易发性评价。离散型因子有地层岩性，根据岩土体类型分类；连续型因子有高程、坡度、坡向、距断裂距离、距道路距离和距河流距离，分级采用细化等间距的分级方式。各评价因子分级如图2(a～g)所示。

(1) 地层岩性

研究区出露的地层岩性分别为第四系(Q)松散堆积层；三迭系上统一碗水组(T3y)泥岩、粉砂质泥岩； 高山寨组(T3g)泥岩； 志留系下统(S1)板岩；印支期岩浆岩(T3λπ)岩性主要为流纹岩。将地层岩性分为5个二级评价因子(图2a)。灾点密度在第四系(Q)松散堆积层最高，达到了4.39个/km2，其面积占比5%，其次为志留系下统(S1)板岩，密度达到了2.17/km2，其面积占比32%(图3a)。

图2 评价因子分级与地质灾害关系图

(2) 高程

通过 ArcGIS 将高程分为4个评价区间(图2b)。地质灾害在1 300～1 550 m、1 550～1 800 m区间发育密度最大，分别达到了1.46个/km2、2.25个/km2，其面积分别占比33%、40%(图3b)。

(3) 坡度

利用DEM数据，通过 ArcGIS 表面分析坡度工具提取坡度，将坡度分为5个评价区间(图2c)。对于坡度而言，评价区最有利于地质灾害发生的是20°～40°，尤其是20°～30°地质灾害密度达到了1.88个/km2，其面积占比41%(图3c)。

(4) 坡向

利用DEM数据，通过 ArcGIS 表面分析坡向工具提取坡向，将坡向分为9个评价区间(图2d)。在坡向为南、北时，地质灾害发育密度最大，分别达到了1.82个/km2、2.15个/km2，其面积占比分别为16%、17%(图3d)。

图3 评价因子分级面积占比与地质灾害占比关系图

(5) 断层

研究区位于牛孔-黄草岭断裂，地处苍山-哀牢山变质地体，经历了长期复杂的地质构造演变，有利于地质灾害发育。通过 ArcGIS 邻域分析提取得到研究区域的断层缓冲区(图2e)。地质灾害在0～900 m区间发育密度最大，以300 m分界的3个区间地质灾害密度分别达到了3.36个/km2、1.78个/km2、2.58个/km2，其面积分别占比16%、15%、14%(图3e)。

(6) 河流

研究区位于规洞河、松东河流域，规洞河、松东河水面宽分别为8～16 m、10～25 m，受人类活动影响较明显，水土流失严重，极有利于地质灾害发育。通过 ArcGIS 邻域分析提取得到研究区域的河流缓冲区(图2f)。地质灾害在0～250 m、250～500 m区间发育密度最大，分别达到了2.21个/km2、2.37个/km2，其面积分别占比30%、23%(图3f)。

(7) 道路

通过 ArcGIS 邻域分析提取得到研究区域的道路缓冲区(图2g)。地质灾害在0～200 m、200～400 m区间发育密度最大，分别达到了2.37个/km2、1.18个/km2，其面积分别占比43%、24%(图3g)。

为保证预测因素能满足信息量模型的要求，通过因素之间的相互独立性验证和综合分析研究区内的现状来剔除相关性较大的因素[12]。因此，为了分析初选因子的互相关系，利用 ArcGIS 波段集统计工具计算得到相关系数矩阵(表1)。由表1和表2中可以看出各指标都在低度相关范围内。

表1 图层因素之间的相关系数矩阵

表2 相关性划分标准

3.2 权重确定

运用层次分析法对7个评价因子进行分析，建立评价模型层次结构。根据各评价因子内在关系，通过相关专家经验结合绿春县城区地质灾害的实际情况，对各因子进行两两比较建立判断矩阵(表3)，计算得到各因子的权重值(表4)，一致性比例CR=0.006<0.1，通过一致性检验。

表3 评价因子判断矩阵及权重

3.3 评价结果

研究区总面积为45.7 km2，运用信息量计算公式得到各评价因子的信息量。根据层次分析法计算得到的评价因子权重，再计算加权信息量(见表4)。

表4 评价因子信息量及权重值

对研究区地质灾害易发性分区，将计算得到的加权信息量值赋值给已分类的评价因子相应的单元，然后利用 ArcGIS 对各评价因子的栅格进行叠加计算，最终得到研究区地质灾害易发性评价的综合加权信息量图层(图4)，其加权信息量值域范围为-1.02～0.78。使用自然间断法将研究区加权信息量值划分为地质灾害极高易发区、高易发区、中易发区、低易发区。

图4 绿春县城区地质灾害易发性评价图

研究区极高、高易发区主要分布在规洞河、松东河中部分水岭地带。地质灾害极高、高、中、低易发性面积(占比)分别为：14.74 km2(32.24%)、12.31 km2(26.94%)、12.71 km2(27.82%)、5.94 km2(13%)；地质灾害分布数量(占比)分别为：50个(75.76%)、12个(18.18%)、4个(6.06%)、0个(0%)；地质灾害密度分别为3.39个/km2、0.97个/km2、0.31个/km2、0.00个/km2，如表5所示。

表5 不同易发性等级对应的实际灾害

3.4 评价精度

ROC曲线简单、直观，可准确地反映所用分析方法特异性和敏感性的关系，具有很好的试验准确性，因而广泛应用于地质灾害易发性区域评价[2]。ROC曲线下的面积 AUC 是检验地质灾害易发性分区图质量的良好指示器。若 AUC 为 0.5～1，说明该图是有效可靠的[3]。由图5可知，ROC曲线横坐标表示易发性由极高到极低其累计面积所占百分比，纵坐标表示对应易发性分区的灾害点累计所占百分比，AUC 越大表明评价结果精度越高，绿春县地质灾害易发性评价结果的 AUC 值为0.772，即评价精度是77.2%。这说明信息量模型用于评价绿春县地质灾害易发性区划具有良好的准确性。

图5 ROC曲线与AUC值

4 结论

(1) 根据层次分析法计算各因子权重大小，研究区评价因子中地层岩性、断层、河流权重值较大，分别高达0.28、0.22、0.20，是地质灾害的主控因子。其次为坡度、道路，坡向和高程相对来说所占权重较小。

(2) 地质灾害易发性分区表明，研究区极高易发区和高易发区面积(占比)分别为14.74 km2(32.24%)、12.31 km2(26.94%)。从各评价因子提供的信息量来看，地层岩性为填土(Q)，坡向为北，坡度为20°～30°，高程为1 550～1 800 m，分别距断层、河流、道路0～300 m、0～500 m、0～200 m的类型和范围内极易发生地质灾害。

(3) 运用层次分析法和信息量法构成加权信息量模型，通过ROC检验AUC=0.772，极高、高易发区地质灾害数量(占比)分别为：50个(75.76%)、12个(18.18%)，评价具有良好的准确性并与研究区实际情况比较一致。