鹤峰县地质灾害易发性评价

段先锋， 毛启曦， 刘万亮， 龚志愚

(湖北省地质调查院，湖北 武汉 430034)

鹤峰县位于湖北省西部中低山地区，由于特殊的自然地理环境和地质构造背景，加之人类工程活动的影响，导致该地区地质灾害频发，特别是近几年强降雨增多，地质灾害在雨后更为强烈，频繁的地质灾害严重威胁当地居民生命财产安全，也制约了城乡建设及社会经济的持续健康发展[1]。该区前期开展过地质灾害调查核查以及易发性评价工作[2-3]，但未能客观完整的对地质灾害的影响因素做出分析，对地质灾害的研究也主要考虑的是其自然属性，预测评价也多从地质灾害本身的内外影响因素入手，对地质环境条件的调查重视不够，尤其是对因人类经济工程活动所诱发的地质灾害的研究不够，在诸多不利因素影响下，地质灾害的发展趋势预测评价较为欠缺。

地质灾害易发性是指某一地区过去和未来发生地质灾害的概率[4]，即探索在某一区域中给定时间段内，在诸如地形地貌、地质构造、岩土类型、植被以及人类工程活动等影响因素下，发生地质灾害的可能性。根据地质环境条件和地质灾害发育特征与分布规律，可将地质灾害易发区分为极高易发区、高易发区、中易发区和低易发区[5-6]。

地质灾害易发性评价始于上世纪70年代，其评价方法较多，归纳起来主要包括统计分析法[7]、逻辑回归法[8-9]、层次分析法[10-11]、递进分析法[12]、权重指标法[13-15]、信息量模型法[1，6，16-17]和其他方法[18-21]，每种方法都具有各自的特点及适用性。研究区前期已经用定性与半定量相结合的易发程度指数法做过易发性评价工作[2-3]，其研究精度已经不能满足当前需要，而信息量模型法是一种定量分析方法，物理意义明确、操作简单，能将主观和客观相结合。为了提高易发性分区评价准确性和精度，在分析各因素对研究区地质灾害发育程度影响的基础上，选取适当的评价因子，构建信息量模型进行评价。

依据鹤峰县地质灾害风险调查最新数据，对区内地质环境条件和地质灾害发育特征与分布规律进行分析研究，利用ArcGIS软件平台，进行地质灾害易发性评价，为研究区城乡发展规划及防灾减灾预警工作提供科学依据。

1 研究区概况

鹤峰县地处鄂西褶皱山地，地跨东经109°45′～109°38′，北纬29°38′～30°14′。东西长85 km，南北宽约67 km，面积2 868 km2。山脉走向与褶皱构造线方向基本一致，全县地势东南低、西北高，平均海拔高程1 147 m[22]，最高点为燕子坪北侧的牛池峰，海拔高程2 095.6 m；最低点为东南部铁炉乡的江口谷地，海拔高程194.6 m。由北西向东南迳流的溇水河是境内侵蚀基准面。区内多年平均降雨量超过1 800 mm，春、夏雨季为地质灾害高发期。

区内出露地层较全，除侏罗系、白垩系外，中元古界冷家溪群—新生界第四系均有出露，其中寒武系、三叠系分布最广，第四系主要分布在河谷两岸、岩溶谷地。岩性上以碳酸盐岩分布面积最广，占全县总面积的60%以上。区域构造上属湘鄂西拗陷，构造类型以NNE-NEE向褶皱和断裂为主(图1)。

图1 研究区构造纲要图Fig.1 Structural outline map of the study area

2 地质灾害发育现状

研究区地质灾害主要类型为滑坡和崩塌，其中滑坡367处、崩塌29处，而地面塌陷和泥石流甚少。

地质灾害空间上主要分布在地质构造活跃及河流冲刷侵蚀作用强烈、地形地貌特征不利的沟谷地区；构造上主要分布在邬阳乡—下坪乡—中营镇、容美镇—太平镇、燕子镇与五里乡分界线、走马镇、铁炉乡5条NE走向的线性区域内，与研究区构造走向基本一致(图2)；时间上多发育于3—8月份的春夏雨季。此外区内人类经济工程活动较强区域，特别是切坡建房修路会降低斜坡的整体稳定性，易发生地质灾害。

图2 研究区地质灾害点分布图Fig.2 Distribution map of geological hazards points in study area

地质灾害发育总体特征是规模较小，但多分布在重要线性工程两侧及人类聚居区附近，危险性和危害性较大等。

3 信息量模型法

3.1 信息量模型原理

信息量模型法是一种定量分析方法[6-7]，评价过程中可较好地反映致灾因子和地质灾害的关联性[15]。通过模型评价，能够直观地反映出研究区内各致灾因子对于形成地质灾害的敏感度和贡献率[4]。

信息预测学认为，地质灾害的产生与否与其所获取信息的数量和质量有关，可用信息量来衡量[23-24]，即单元所获取的总信息量值越大，地质灾害越易发生，且不同的致灾因子对地质灾害发生提供的信息量也是不同的。其模型建立过程如下：

首先，计算单因素(指标)xi提供给地质灾害发生(A)的信息量I(xi，A)：

(1)

式中：P(xi/A)为地质灾害发生条件下xi出现的概率；P(xi)为研究区指标xi出现的概率。

式(1)是理论模型，在具体运算时往往用样本频率计算，即：

(2)

式中：S为预测区总单元数；N为预测区已知发生地灾的单元数；Si为含有xi的单元个数；Ni为含有指标xi，并且已经发生了地灾的单元个数。

计算某一单元在P种因素组合情况下提供的信息量，即：

(3)

式中：xi代表评价单元内所取的因子等级；I(xi，A)为因子xi对地质灾害所贡献的信息量；Si为研究区内含有因子xi的面积；S为研究区面积；Ni为发生地质灾害区域中含有因子xi的数量；N为研究区内地质灾害总数；I为评价单元中的综合信息量[23-24]。

该模型理论简单、客观、实用，在地质灾害易发性评价中效果较好，因此很适合在中小比例尺地质灾害易发性评价中应用。

3.2 ArcGIS分析计算

由于地质灾害易发性评价因子多基于DEM数据和Landsat8数据，因此采用栅格单元作为地质灾害风险评价的评价单元，为便于计算，研究区的栅格大小取30 m×30 m。

地质灾害的发生受多个致灾因子的影响，且不同致灾因子对地质灾害的影响程度也有差异，将收集到的各个致灾因子信息单独作一个图层，然后将评价因子图层分别与地质灾害分布图在ArcGIS软件中作空间叠加分析计算，得到地质灾害在各个不同致灾因子中的信息量值；利用ArcGIS栅格计算功能完成地质灾害综合信息量值，生成以信息量大小为衡量标准的地质灾害易发程度分区图。信息量值越高，说明致灾因子对地质灾害发生的影响程度越高，发生地质灾害的可能性越高。

4 地质灾害易发性评价

4.1 评价因子的选取与分级

根据研究区地质灾害风险调查，在分析各因素对地质灾害发育特征与分布规律影响的基础上，将高程、坡度、工程地质岩组、斜坡结构、距断层的距离、植被覆盖度、距水系的距离、距道路的距离等8个主要致灾因素划分为38个要素区间，进行信息量值计算，以揭示不同要素区间对地质灾害影响的强弱程度。

(1) 高程。根据海拔情况，通过自然间断点分级法对海拔高度进行分级，并作适当调整，将研究区高程划分为五类：①<700 m；②700～1 000 m；③1 000～1 300 m；④1 300～1 600 m；⑤>1 600 m(图3-a)。

通过高程信息量模型计算结果表(表1)，高程>1 000 m 时地质灾害发生的概率较低，而高程<1 000 m时地质灾害发生的可能性较高。

表1 高程信息量模型计算结果表Table 1 Calculation results table of elevation information model

(2) 坡度。坡度直接影响斜坡表面残坡积物的厚度、物质的稳定性和水动力条件，从而影响地质灾害发生的强度和规模[15]。

坡度使用DEM数据计算生成。利用ArcGIS软件中的坡度计算提取地形坡度，结合研究区地形坡度的实际情况，分为五个级别：①0°～10°;②10°～20°;③20°～30°;④30°～40°;⑤>40°，分别研究不同坡度级别下地质灾害的发育情况，见图3-b。

通过坡度信息量模型计算结果表(表2)，可见坡度在10°～30°时，地质灾害发生的可能性较高，而坡度在0°～10°、30°～40°和>40°时，地质灾害发生的概率较低。

表2 坡度信息量模型计算结果表Table 2 Calculation results table of slope information model

(3) 工程地质岩组。根据研究区岩石的地层岩性、岩体结构、物理力学性质及工程地质特征，将其岩土体工程地质类型分为四类：①坚硬石英砂岩岩组;②坚硬灰岩—白云岩岩组;③坚硬—半坚硬白云岩—砂岩—页岩岩组;④半坚硬—软弱粉砂岩—泥岩岩组(图3-c)。

通过工程地质岩组信息量统计表(表3)，可见坚硬石英砂岩岩组，坚硬—半坚硬白云岩—砂岩—页岩岩组和半坚硬—软弱粉砂岩—泥岩岩组中信息量值较大，地质灾害发生的可能性较高。

表3 工程地质岩组信息量统计表Table 3 Statistics of information of engineering rock group

(4) 斜坡结构。斜坡结构决定了滑坡的空间形态，对滑坡的发育强度也起到一定程度的控制性作用。将研究区的斜坡结构分为五类：①顺向坡(0°～30°);②斜顺坡(30°～60°);③横向坡(60°～120°);④斜逆坡(120°～150°);⑤逆向坡(150°～180°)(图3-d)。

通过斜坡结构信息量模型计算结果表(表4)，可见顺向坡与逆向坡发生滑坡地质灾害的可能性较高，在横向坡和斜逆坡发生地质灾害的可能性较低。

表4 斜坡结构信息量模型计算结果表Table 4 Calculation results table of slope structure information model

(5) 距断层的距离。地质灾害的发育一般都与断裂构造密切相关，断裂带附近由于岩石较为破碎，有利于地质灾害形成和发育的构造条件[25]。将研究区地质灾害点距断层的距离分为五个等级：①0～200 m;②200～500 m;③500～800 m;④800～1 200 m;⑤>1 200 m(图3-e)。

通过地灾点距断层的距离信息量统计表(表5)，可知在距离断层800 m以内发生地质灾害的可能性较高，800 m以上发生地质灾害的可能性则较低。

表5 距断层的距离信息量统计表Table 5 Statistics of distance from fracture classification level information

(6) 植被覆盖度。植被的作用主要是减少水土流失，保护斜坡的稳定性。一般情况下，植被越发育，地质灾害发育程度越低，但对地质灾害发育程度起不到决定性作用[24]。因此，研究区的植被覆盖度信息仅能在一定程度上反映该区地质灾害的发育情况。

将研究区植被覆盖度分为四类：①水体;②中低植被覆盖区;③较高植被覆盖区;④高植被覆盖区(图3-f)，可知该区绝大部分地区属于较高、高植被覆盖区。

通过植被覆盖度信息量模型计算结果表(表6)，可见植被覆盖度越高，其信息量值越低，地质灾害发生的概率也越低。

表6 植被覆盖度信息量模型计算结果表Table 6 Calculation results table of vegetation coverage classification level information model

(7) 距水系的距离。研究区地质灾害发育具有沿沟谷两侧分布的特征，根据距河流远近关系，结合信息量模型法多次计算，将地灾点距水系的距离分为五个等级：①0～200 m;②200～400 m;③400～600 m;④600～800 m;⑤>800 m(图3-g)。

通过距水系的距离信息量模型计算结果表(表7)，可见灾害点距水系的距离越近，信息量值越大，地质灾害发生的概率越高。

表7 距水系的距离信息量模型计算结果表Table 7 Calculation results table of distance from water system classification level information model

(8) 距道路的距离。公路开挖边坡导致部分地段斜坡坡度过陡，未做防护措施或切坡、护坡不规范时，易形成崩塌地质灾害[23]。对研究区内道路网络进行分析，并根据灾害点距道路的距离分为五个等级：①0～100 m;②100～200 m;③200～300 m;④300～400 m;⑤>400 m(图3-h)。

图3 致灾因子分级图Fig.3 Classification map of disaster-causing factors

通过距道路的距离信息量模型计算结果表(表8)，可见灾害点距道路的距离越近，信息量值越大，地质灾害发生的概率越高，道路切坡对区域内地质灾害发生的影响非常大。

表8 距道路的距离信息量模型计算结果表Table 8 Calculation results table of distance from the road classification level information model

通过比对各类地质灾害信息量模型计算结果，不难发现不同致灾因子对于地质灾害致灾效果有明显区别，在高程<1 000 m，坡度10°～30°，坚硬石英砂岩岩组、坚硬—半坚硬白云岩—砂岩—页岩岩组和半坚硬—软弱粉砂岩—泥岩岩组，顺向坡和逆向坡，距断层的距离<800 m，中低植被覆盖区，距水系距离<200 m，距道路距离<100 m各致灾因子中的信息量值最大，地质灾害更为发育；且在其中高程<1 000 m，中低植被覆盖区，距水系的距离<200 m，距道路的距离<100 m条件下最为易发。

4.2 易发性分区评价

将各个评价因子图层按信息量值进行栅格计算，将量化后的每个栅格单元在ArcGIS平台上进行各种空间信息叠加，得到每个栅格单元的总信息量值。研究区总信息量值范围为[-0.53,0.59]，代表区内地质灾害的易发性指数。利用ArcGIS软件中的自然断点法将地质灾害易发区分为四类：低易发区(<-0.24)、中易发区(-0.24～0.04)、高易发区(0.04～0.19)、极高易发区(>0.19)，得到研究区地质灾害易发性分区图(图4)，地质灾害易发性分区统计结果见表9。

图4 研究区地质灾害易发性分区图Fig.4 Zoning map of geological hazard susceptibility in the study area

表9 地质灾害易发性分区统计表Table 9 Statistics of geological hazard susceptibility zones

由图4和表9可知，地质灾害极高易发区分布于地质构造活跃及河流冲刷侵蚀作用强烈、地形地貌特征不利的沟谷地区，面积仅占研究区总面积的7.35%，却发育有47.47%的地质灾害；地质灾害高易发区分布于极高易发区的周缘，该区面积占研究区总面积的23.49%，发育有38.89%的地质灾害；低易发区面积占研究区总面积的19.38%，仅发育有0.51%的地质灾害；中易发区分布于低易发区的四周，面积占研究区总面积的49.78%，发育有13.13%的地质灾害。

综合以上，研究区主要为山区，植被覆盖度高，且无河流冲蚀，人类工程活动较弱，地质灾害发生的概率较低，为地质灾害中低易发区。

总体上，从低易发区到极高易发区分布面积占全区总面积的比例数量合理，易发性等级由低到高，其地质灾害发育数量的比例越来越大，高易发区与极高易发区地质灾害点总占比为86.36%。

4.3 精度检验

地质灾害易发性评价结果是否准确直接关系到模型的可靠性[26]，因此对易发性评级结果进行精度检验十分必要。ROC曲线(Receiver Operating Characteristic Curve)即受试者工作特征曲线，是地质灾害易发性评价精度验证的常用方法[23]。由于ROC曲线直观、简单，可准确地反映出易发性和所用分析方法特异性之间的关系，试验准确性较高，因此在地质灾害易发性评价中应用比较广泛[26]。纵坐标为真阳性率(敏感度)，横坐标为假阳性率(1-特异度)。AUC(Area Under Curve)表示ROC曲线下的面积，是度量分类模型好坏的一个标准，其值介于0～1之间，越接近1，则模型模拟值和样本值越接近；AUC评价指标值越大，则代表模型分类结果的准确性越高，即模型精度越高[23]。

检验结果显示，本次信息量模型的AUC值为0.850(图5)，表明该信息量模型能较为准确、客观地对研究区地质灾害易发性进行评价，模型评价准确率达85.0%。

图5 地质灾害易发性评价结果AUC图Fig.5 AUC diagram of geological hazard susceptibility evaluation results

5 结论

(1) 通过对研究区地质环境条件和地质灾害发育特征与分布规律的分析研究，采用信息量模型法，借助ArcGIS平台进行地质灾害易发性评价。客观地反映出地质灾害易发性分区的空间展布特征，地质灾害空间上主要分布在地质构造活跃及河流冲刷侵蚀作用强烈、地形地貌特征不利的沟谷地区；构造上主要分布在邬阳乡—下坪乡—中营镇、容美镇—太平镇、燕子镇与五里乡分界线、走马镇、铁炉乡5条NE走向的线性区域内，与研究区构造走向基本一致；时间上多发育于3—8月份的春夏雨季。为研究区城乡发展规划及防灾减灾预警工作提供了科学依据。

(2) 结合研究区地质灾害风险调查最新数据，选取高程、坡度、斜坡结构、植被覆盖度、距水系的距离、距道路的距离、距断层的距离和工程地质岩组等8 个致灾因子，在其中高程<1 000 m，中低植被覆盖区，距水系的距离<200 m，距道路的距离<100 m条件下最为易发。

(3)研究区极高易发区面积仅占区内总面积的7.35%，却发育有47.47%的地质灾害；高易发区分布于极高易发区的周缘，面积占区内总面积的23.49%，发育有38.89%的地质灾害；中易发区面积占区内总面积的49.78%，发育有13.13%的地质灾害；低易发区面积占区内总面积的19.38%，仅发育有0.51%的地质灾害。