冶力关国家地质公园崩滑—碎屑流危险性评价初探

施紫越, 辛存林, 焦志鹏, 刘海博,2, 刘 昕

(1.西北师范大学 地理与环境科学学院, 兰州 730070;2.中国地震局 地震预测研究所, 北京 100036; 3.兰州大学 资源环境学院, 兰州 730000)

“崩滑—碎屑流”是我国典型的链式地质灾害，作为一种特殊的地表过程，其形成条件受到区域地质环境、多相介质融合等复杂因素的影响，通常具有速度快、滑程远、常转向等特征，在其运动过程中若遇到江、河、湖，极有可能出现水体被堵塞形成堰塞湖的情况，对下游地区的生命财产安全往往构成溃决威胁[1]。在高陡的坡度条件下，崩滑体的重力势能转化为动能，不仅使其解体碰撞碎屑化，还形成了碎屑流运动的初始速度，在后续的滑动过程中，碎屑流可历经多级地形陡坎，再次将部分势能迅速转化为动能，极具冲击性与摧毁性[2]。

目前，国内外关于崩滑—碎屑流的研究主要集中于遥感解译、室内试验、滑动距离分析等方面：夏式伟分析了西藏易贡高速远程滑坡特征，建立了堰塞坝溃决的三维数值模拟模型[3]；Keith Delaney等利用DEM数据、Landsat影像和动态滑坡建模方法对西藏易贡大型滑坡—碎屑流事件进行了回顾，对易贡堰塞湖的体积进行确认[4]；郑鸿超等对崩滑—碎屑流的堵江模式及相关数值模拟方法进行了总结与探讨[5]；Jeffrey Kargel等对2015年尼泊尔戈尔喀7.8级地震进行分析，认为区域地貌、地质构造和岩性对地震引起的崩滑—碎屑流灾害链起到了控制作用[6]；夏式伟等对芦山地震诱发的汤家沟碎屑流事件进行了滑坡全过程的动态模拟[7]；李从容等对在汶川地震后记录了2008—2016年降雨期间发生的滑坡—碎屑流事件，提出了在强降雨条件下高海拔地区更易发生新的滑坡和岩土体膨胀过程，为碎屑流提供了松散物源[8]。尤其是在2000年西藏易贡藏布滑坡—碎屑流和2008年汶川地震发生后，我国山区崩滑—碎屑流形成模式及其环境效应逐渐成为地质灾害链的研究热点[9-11]，基于数值模拟的动力学特征分析也有所侧重，但针对崩滑—碎屑流的危险性评价内容仍相对缺乏。

冶力关国家地质公园的崩滑—碎屑流发育史在我国西部十分罕见，虽尚未对园区建设与旅游安全产生影响，但相关危险性研究还未见具体报道，评价工作迫切需要进行。maxEnt模型是基于机器学习和数理统计方法的预测物种地理分布的生态位模型[12]，即探寻与物种“已知分布位置点”环境变量特征相同的评价单元[13]，现已逐步应用于农业生产预测[14]、物种生境分析[15]、滑坡易发性评价等[16]方面。鉴于此，本文利用ArcGIS与maxEnt进行园区的崩滑—碎屑流危险性评价，探讨不同因素对崩滑—碎屑流的影响，以期为同类型地质公园的防灾减灾提供新的认识。

1 研究区概况

2 数据与方法

2.1 数据来源

研究区内共查明中小规模的崩滑—碎屑流灾害点65处，初步确定地形因素、地质条件、地震活动和气候条件是崩滑—碎屑流的孕灾环境，并提取高程、坡度、地表粗糙度、地层岩性、距断裂距离、地震动峰值加速度、距水系距离、5—9月平均降水量、植被覆盖度、地表温度、季节性冻土冻结深度为影响因素(表1)。

2.2 研究方法

maxEnt模型的特征函数f(x,y)可描述x，y的某种定性关系，当x，y满足特定条件时，特征函数赋值为1；不满足特定条件时，特征函数赋值为0。给定一个约束条件，将训练数据视为随机变量(X,Y)产生，用Ep(f)表示特征函数f(x,y)关于经验分布P(X,Y)的期望，如下式：

(1)

若满足约束条件，则P(Y|X)关于函数f的期望，与经验分布关于f(x,y)的期望相等：

(2)

再转化为求解附带约束条件的最优化问题，引入拉格朗日算子x、归一化指数exp(1-w)，令Zw(x)表示exp(1-w)[18]，有：

(3)

表1 影响因素数据来源

3 崩滑-碎屑流危险性评价

3.1 影响因素相关特征

3.1.1 高 程 将研究区的高程划分为2 110～2 400 m，2 400～2 600 m，2 600～2 800 m，2 800～3 000 m，3 000～3 900 m共5个级别，由图1A可知，崩滑—碎屑流发生最多的高程位于2 400～2 800 m，灾害点密度达37个km2。

3.1.2 坡 度 坡度反映了地表单元的陡缓程度，是分析崩滑—碎屑流形成条件、危险性的重要基础数据。将研究区的坡度划分为0°～15°，15°～30°，30°～45°，45°～74°，由图1B可知，崩滑—碎屑流发生最多的坡度位于15°～30°，灾害点密度达19个/km2。

3.1.3 地表粗糙度 地表粗糙度是地球表面粗糙程度的示量，在一定程度上体现了地形起伏的特征，是构成崩滑—碎屑流微地貌的重要条件之一。计算公式如下：

在公司激励机制运作中，心理学是连接激励措施与激励效果的关键纽带，也是为员工与公司建立良好关系的重要桥梁。第一，在公司实施激励的过程中，需要对激励措施所产生的效果进行反馈，修正偏差。随着激励措施所产生的效果，员工的心理会发生改变，对所处岗位产生感知与评价，从而调整心理。因此，在调整激励措施时，企业需要参照员工的心理变化，以使企业能够有效地运作其激励机制。第二，建立激励主体和激励客体两者关系的桥梁是心理学。两者关系的强化也由心理学提供媒介，且激励主体和激励客体两者心理学的履约能够加强彼此之间的沟通，从而强化两者之间的关系。

(4)

式中:Fsr为某一点的地表粗糙度；FSlope为某一点的坡度。将研究区的地表粗糙度划分为1～1.08，1.08～1.21，1.21～1.46，1.46～2.06，2.06～3.9，由图1C可知,地表粗糙度为1～1.08时,崩滑—碎屑流分布密度最高,灾害点密度达25个/km2。

3.1.4 地层岩性 在一个区域内，可供崩塌、滑坡等形成的固体物质量首先取决于地质因素，软弱或软硬均有分布的岩层易遭到破坏与侵蚀[19]，是影响崩滑—碎屑流暴发的重要地质因素。研究区石炭纪、二叠纪地层的岩体节理裂隙发育、岩体较为破碎，其中崩滑—碎屑流发育于石炭纪地层的比例最高，灾害点密度达41个/100/km2，其次为二叠纪地层，灾害点密度达3个/km2(图1D)。

3.1.5 距断裂距离 研究区内发育北西向断裂，其延伸方向是地表岩体的破碎集中带，断裂活动及其对地下水的控制作用往往影响着山体危岩区域的稳定程度。将研究区的距断裂距离划分为<1 km，1～2 km，2～3 km，3～5 km，>5 km，65处灾害点全部分布于距断裂距离2 km之内，而距断裂1 km之内发生了41.5%以上的崩滑—碎屑流，灾害点密度达18个/km2(图1E)。

3.1.6 地震动峰值加速度 研究区属西秦岭北缘构造区，频繁的地震活动通常使得岩体的破碎程度加剧。65处灾害点全部分布于地震动峰值加速度为0.2 g的区域内，地震引起崩滑—碎屑流的危险性极高(图1F)。

3.1.7 距水系距离 现代河流的侵蚀切割作用与地质灾害的发生密切相关，主要水系通常沿河谷分布，河谷下切时剥蚀形成临空面，因此水系两岸多成为地质灾害的形成部位[20]。研究区的崩滑—碎屑流点多分布于石门河、后山河附近，将距水系距离划分为<250 m，250～500 m，500～800 m，800～1 000 m，>1 000 m共5个级别。从总体上看，距水系500 m之内发育的灾害点最多，密度达8个/km2(图1G)。

3.1.8 5—9月平均降水量 降水可使得边坡潜在滑动面上的有效应力与抗剪强度下降，是诱发崩滑—碎屑流的水动力因素。将研究区5—9月平均降水量划分为62～72 mm，72～82 mm两个级别，灾害点密度分别为15个/100/km2，28个/km2(图1H)。

3.1.9 植被覆盖度 植被覆盖度与NDVI之间存在极为显著的线性相关关系，通常根据两者之间的转换关系可提取植被覆盖信息[21-22]，NDVI值的高或低都可能对崩滑—碎屑流产生不同的影响。NDVI的计算公式为：

(5)

式中:IR为红外波段的像素值；R为红光波段的像素值。以寒生植物为优势种的草原植被、以粗叶云杉为优势种的森林植被是研究区的两大植被类型。将研究区的NDVI划分为0.68～0.81,0.81～0.88两个级别,由图1I可知,植被覆盖度为0.68～0.81时,崩滑—碎屑流的分布密度最高,灾害点密度达28个/km2。

3.1.10 地表温度 研究区位于青藏高原东北缘的高寒区，年均气温约3℃，年均地表温度不超过11℃，在此气候条件下物理风化作用较为强烈，加速了岩体的风化剥蚀。将研究区的地表温度划分为4.74～6.83℃，6.83～7.96℃，7.96～8.84℃，8.84～9.67℃，9.67～11℃共5个级别，由图1J可知，地表温度在7.96～8.84℃时，崩滑—碎屑流的分布密度最高，灾害点密度达21个/km2。

3.1.11 季节性冻土冻结深度 研究区冻土类型属浅季节性冻土，最大季节冻结深度不超过1 m，是高寒区气候作用下反复冻融的显著特征之一。由图1K可知，65处灾害点均分布于浅季节性冻土区域之中，引起崩滑—碎屑流的危险性可能较高。

3.2 影响因素多重共线性分析

多重共线性是一个模型中预测变量与其他预测变量相关时所发生的条件，为检验所选取影响因素的独立性，需要对因素的关联性进行多重共线性分析，避免出现因素的高度相关性而使模型结果失真[23]。从崩滑—碎屑流灾害点中随机选取80%的样本点作为maxEnt模型的测试数据，并提取每个样本所对应的11类影响因素分级值。方差膨胀系数(VIF)可用于预测变量的相关性时，度量回归系数方差增加的幅度，通常以10作为其判断边界，若VIF<10，不存在多重共线性；若10≤VIF<100，存在较强的多重共线性；若VIF≥100，则存在严重的多重共线性。在SPSS软件中进行多重共线性诊断，统计其方差膨胀系数与容忍度，根据分析结果，所有影响因素的方差膨胀系数均小于5，容差均小于1，说明因素间出现多重共线性的可能性极低(表2)。

3.3 评价结果与分析

根据maxEnt对栅格图层变量与坐标数据的读取要求，11类影响因素的栅格数据通过ArcGIS转换为ASCII格式文件，将经纬度属性的崩滑—碎屑流点转换为CSV格式文件。同时为了消除运算随机性所带来的影响，将maxEnt运行次数设置为50次，将输出的ASCII格式数据在ArcGIS中转换为标准的GRID格式数据，输出类型为FLOAT。研究区崩滑—碎屑流的危险性值域为[0，1]，利用自然断点法对结果进行重分类(图2)，将其分为极高危险区(0.6～1)、高危险区(0.32～0.6)、中危险区(0.1～0.32)和极低危险区(0～0.1)。

同时，在maxEnt中以“JACKKNIFE”方式输出11类影响因素对崩滑—碎屑流危险性的相对贡献率，其中白色柱代表某影响因素单独作用下崩滑—碎屑流发生的概率，白色柱越长，该因素对崩滑—碎屑流的影响越显著；网状柱表示该因素之外的其他变量相对贡献率的总和；单斜状柱表示所有影响因素的相对贡献率总和。由图3可知，在地震动峰值加速度、地层岩性、距断裂距离的单独影响下，崩滑—碎屑流的发生概率均超过0.75；在高程、距水系距离和坡度的单独影响下，崩滑—碎屑流的发生概率均超过于0.65。而在11类影响因素的综合作用下，崩滑—碎屑流的发生概率超过0.95。

极高危险区和高危险区集中分布于天池冶海景区、赤壁幽谷景区、冶木峡景区和亲昵沟景区，区内岩层风化程度较高，高程在2 500 m以上，坡度在30°～45°，受地震活动影响强烈。极低危险区占研究区面积的83.98%，无灾害点分布，而极高危险区占比3.75%，分布有42处灾害点，表明随着崩滑—碎屑流危险性的升高，灾害点数量与点密度随之增大，二者呈显著的正相关关系(表3)，与危险性划分等级相一致。

通过生成影响因素的响应曲线，可获得研究区崩滑—碎屑流的发生概率与影响因素之间的规律(图4)，其中横坐标表示各影响因素的属性，纵坐标表示崩滑—碎屑流的发生概率。在11类影响因素中，高程、地表温度与植被覆盖度的响应曲线呈“抛物线”状，整体为先增大后减小的趋势，在曲线达到峰值前，崩滑—碎屑流的发生概率随高程、地表温度与植被覆盖度的增加而上升；坡度、地层岩性、距断裂距离、5—9月平均降水量与崩滑—碎屑流的发生概率呈负相关关系，表现为坡度在0°～30°、地层岩性为石炭系灰岩、距断裂距离2 km之内、5—9月平均降水量为72 mm时，崩滑—碎屑流的发生概率较高；由于地震动峰值加速度和季节性冻土冻结深度为单一值，故其响应曲线为一条水平线，地震动峰值加速度对崩滑—碎屑流的影响最高，而季节性冻土冻结深度对崩滑—碎屑流的影响相对较低，但在高寒区气候条件下，不可忽略反复冻融时的冻土冻胀力改变表层岩土体的结构或促使岩体裂隙扩大的影响。

图1 影响因素分级及灾害点密度

表2 影响因素方差膨胀系数及容忍度值

图2 基于maxEnt的崩滑—碎屑流危险性分区

图3 影响因素的相对贡献率

表3 基于maxEnt的崩滑—碎屑流危险区统计

3.4 评价结果检验

评价结果的精度可通过ROC曲线进行检验，可反映maxEnt在不同阈值时的敏感性和精确性的趋势走向，目前已广泛、成熟地运用于地质灾害分级评价中[24-26]。随机选取崩滑—碎屑流点中的80%为训练数据，20%为测试数据，用以评价maxEnt运行的准确度。根据ROC检验结果，训练数据集的AUC值为0.982，测试数据集的AUC值为0.964(图5)，表明maxEnt运行结果具有很高的精度，适用于研究区崩滑—碎屑流的危险性评价。

4 结 论

本文初步确定了冶力关国家地质公园的崩滑—碎屑流孕灾环境，梳理了典型崩滑—碎屑流的发育特征，基于ArcGIS与maxEnt探讨了崩滑—碎屑流的危险性分布，得到如下结论及认识：

(1) 崩滑—碎屑流共发育65处，集中分布于天池冶海景区和亲昵沟景区，崩滑物源类型以岩质为主，发育地层为石炭系与二叠系，基岩表面多裸露、破碎。部分崩源区可见零星掉块与崩塌落石，危岩区周围岩体未发现明显的变形迹象。

(2) 通过量化11类影响因素对崩滑—碎屑流的相对贡献率，认为地震动峰值加速度、地层岩性、距断裂距离是主导因素，高程、距水系距离、坡度和植被覆盖度对崩滑—碎屑流也产生较大影响。在高寒区气候条件下，极低的地表温度与反复冻融的冻胀力不直接诱发崩滑—碎屑流，但昼夜温差与季节性温差可能加速了岩土体的崩解变形与裂隙的扩大。

(3) 极高危险区和高危险区占研究区面积的8.71%，灾害点占比87.69%，灾害点密度随危险性等级的升高而增加，与危险性等级的划分原则相符、与实际情况吻合。根据ROC检验结果，训练数据集的AUC值为0.982，测试数据集的AUC值为0.964，表明maxEnt适用于研究区的崩滑—碎屑流危险性评价。

(4) 鉴于园区地质环境条件的复杂性，地质公园管理部门应详细评估崩滑—碎屑流对旅游线路规划及工程建设的潜在影响，建议以逐点、逐段的方式来排查相关隐患，使得评价结果更具有可操作性。

图4 崩滑-碎屑流发生概率与各影响因素的关系曲线

图5 基于maxEnt的ROC曲线

致谢:感谢甘肃省地矿局第三地质矿产勘查院段凯工程师、郭林业工程师在野外调查时提供的协助；感谢北京师范大学地理科学学部博士生王浩在数据处理时给予的指导。