基于危险源识别的山区地质灾害风险定量评价——以贵州省茅台镇为例

徐庆方,何开寿,胡励耘,谢配红,张 辉

(1.贵州省地质矿产勘查开发局一○六地质大队,贵州 遵义 563000;2.贵州省地质矿产勘查开发局一○二地质大队,贵州 遵义 563003;3.中南勘察基础工程有限公司,湖北 武汉 430081)

地质灾害是地球内外动力与人类活动共同作用下的地质环境过程[1]。近年来,在全球气候变化的背景下,包括崩塌、滑坡和泥石流在内的地质灾害发生频率不断增加[2-3]。目前,地处我国西南部的云贵高原是各类地质灾害高发地区之一,特别是贵州省西北部近四川盆地的盆山过渡带。由于受复杂地质环境条件和构造活动的影响,该地区破坏性地质灾害时有发生,严重威胁着当地居民的生命和财产安全[4]。因此,有必要开展该地区的地质灾害风险评价研究,排除致灾隐患[5-6]。

地质灾害风险评价是国际提倡的防灾减灾手段,同样也是本领域的前沿问题和研究热点。早期研究对地质灾害风险的概念未做统一阐述,其中风险被定义为自然灾害发生的概率及其造成的损失或表示为发生概率和危害规模[7-8]。然而,风险既不等同于损失,也不是对危害的概率和结果及其大小的简单概括,因此上述关于风险的陈述仍然不完整。1992年,联合国人道主义事务部提出了一种更广为接受的表述,将风险视为在特定区域和特定时间段内自然灾害对人类生命、财产和经济活动造成损失的预期价值[9]。基于该概念,风险可表示为危险性(hazard,H)和易损性(vulnerability,V)的乘积,并一直沿用至今[10-12]。上述关于风险的描述表明,风险以人为核心,以生命损失和社会活动为衡量标准[7],如果某个地区的灾害事件能够造成生命和经济价值的损失,则该地区将处于风险之中。

地质灾害风险评价通过识别容易受到地质灾害危险威胁的区域来预防和减缓灾害损失[7,11-12]。风险评价主要涉及易发性、危险性和易损性3个要素[13-16]。其中,地质灾害易发性评价侧重于对评价地区地质灾害发生的空间概率预测;地质灾害危险性评价涉及地质灾害发生的时间概率和影响范围,强调灾害的自然属性;地质灾害易损性评价主要是评估承灾体对灾害的抵抗能力。从相关研究成果来看,尽管风险框架表达了一个全面的概念,但学者更倾向于对风险各个组成部分的分析和讨论。如,张军以等[17]以重庆武隆区为例,采用XGBoost模型分析了滑坡取样比例和模型参数对滑坡易发性评价精度的影响;刘博文等[18]基于SINMAP水文-力学耦合模型,定量分析不同降雨强度下广东省茂名市小流域滑坡灾害群发危险性;杜娟[19]在考虑滑坡作用强度和承灾体脆弱性的基础上,建立了单体滑坡变形和失稳阶段的易损性评价模型。总之,现有的研究更倾向于从定量化的角度对构成风险的单个要素进行评估,而综合评价地质灾害风险的研究略显不足,鲜有大比例尺或乡镇尺度可行的地质灾害风险评价方法和案例研究。

国内部分学者虽然开展了一些乡镇尺度的地质灾害风险评价研究,但评价方法仍然遵循小比例尺的地质灾害风险评价流程,风险评价的精细化程度有待提高。特别是乡镇尺度的地质灾害风险评价对地质灾害危险性的考虑过于简单,认为危险性是地质灾害空间概率和简化时间概率的乘积[20-21],未开展地质灾害的“失稳-启滑-运动”距离分析(即run-out分析)和影响范围预测。由于在我国西南山区等地形高陡区域,地质灾害所造成的损失是巨大的,而且该地区开展的地质灾害综合风险普查工作在地质灾害风险评价的精细化程度上还未达到政府风险防控的需求,为此,本文以贵州省茅台镇为研究区,基于水文-地貌斜坡单元,对研究区地质灾害的易发性、危险性、易损性和风险进行了定量评价研究。首先分灾种(滑坡、崩塌)选取评价指标因子,通过层次分析法确定研究区地质灾害的空间概率,并基于条件概率理论评估不同降雨重现期下研究区地质灾害的危险性,结合详细的承灾体价值调查数据,完成研究区地质灾害综合风险的量化评价;然后通过确定研究区地质灾害易发性临界阈值识别地质灾害危险源,分析其运动特征和影响范围,建立了一套适合山区的地质灾害危险源识别及run-out定量分析方法,并据此对斜坡单元的风险评价结果进行修正。该研究结果可为政府防灾减灾和土地利用空间规划提供依据。

1 地质灾害风险评价流程和方法

本文提出的基于斜坡单元的地质灾害风险评价方法包括易发性评价、危险源识别与run-out定量分析、危险性评价和风险定量评价4部分,如图1所示。

图1 研究区地质灾害风险评价技术路线Fig.1 Flow chart for quantified risk assessment of geological hazards of the study area

1.1 地质灾害易发性评价

地质灾害易发性主要反映地质灾害空间上的易发程度,旨在解决滑坡发生的空间概率问题。地质灾害易发性评价的主要内容包括评价单元选择、评价指标选择和模型方法选取等。基于斜坡单元的地质灾害易发性评价尤其适用于小区域、大比例尺的范围[22],故本研究选用水文-地貌斜坡评价单元,根据滑坡、崩塌的现场调查与地质灾害特征建立地质灾害的评价指标体系,并利用层次分析法分别完成各种地质灾害的易发性评价。

1.2 地质灾害危险源识别与run-out定量分析

地质灾害危险源,特指潜在的地质灾害隐患与历史地质灾害[1-3,11],其特征是具有威胁人类生产和经济活动的地质灾害风险。虽然可以通过野外调查定性确定地质灾害危险源,但该过程的主观性较强,因此本研究提出了基于地质灾害空间概率的危险源识别方法。本研究使用地质灾害易发性临界阈值确定地质灾害危险源,即将实际诱发地质灾害斜坡单元的易发性指数最小值作为临界值,认为易发性指数高于此临界值的斜坡单元发生地质灾害的概率极大,可视为地质灾害危险源。因此,地质灾害危险源中包含所有历史地质灾害点和少数地质灾害隐患(地质灾害易发性评价中易发性指数较高的非地质灾害斜坡单元)。从风险管理层面上,将易发性指数最小值作为临界值,意义明确,可操作性强,十分便于风险管理。

同时,地质灾害不只会在源区造成风险,还会对运动区和堆积区产生威胁。目前地质灾害风险评价研究大多未考虑地质灾害运动的影响[23]。本文采用现场调查和数值模拟技术等手段对所有的危险斜坡单元进行了run-out定量分析,确定地质灾害危险源的运动距离,圈定其致灾影响范围。

1.3 地质灾害危险性评价

地质灾害危险性评价是指在某种诱发条件下,一定区域在特定时间发生特定地质灾害的概率。降雨是地质灾害的主要诱因,学者们一般认为滑坡的空间发生概率和其在特定降雨重现期下发生的概率相互独立[24],因此滑坡危险性计算公式如下:

H=P(T)×P(S|T)

(1)

式中:H为滑坡危险性;P(T)为滑坡时间概率,滑坡时间概率一般采用降雨重现期表示,不同重现期下降雨极值模型包括Gumbel分布模型[25]、Weibull分布模型[26]和Pearson分布模型[27];P(S|T)为特定时间概率下滑坡发生的概率。

通过run-out定量分析修正地质灾害危险性评价结果,提升风险评价的精细化程度。

1.4 地质灾害风险定量评价

地质灾害承灾体是指研究区内可能受地质灾害威胁的经济物体或生命,其调查精度决定了风险评价结果的应用范围。根据Li等[28]和杜娟[19]的研究,地质灾害承灾体易损性由地质灾害作用强度和承灾体抗灾能力共同决定,具体计算公式如下:

(2)

式中:V为地质灾害承灾体易损性;I为地质灾害作用强度;S为承灾体抗灾能力,取值均介于0～1。

地质灾害承灾体易损性确定后,可根据地质灾害危险性、承灾体易损性和承灾体价值,按下式定量计算地质灾害风险R:

R=H·V·E

(3)

式中:R为地质灾害风险;H为地质灾害危险性;E为承灾体价值(或人口数量)。

2 研究区概况

研究区位于贵州省怀仁市茅台镇,面积为55 km2,是贵州省地质灾害重点调查区,地理位置为东经106°18′24″～106°22′36″,北纬27°54′46″～ 28°03′38″。研究区地处黔北高原北缘的娄山山脉向四川盆地过渡的斜坡山地,受赤水河强烈切割作用的影响,形成沟谷纵横的山地河谷地貌,海拔高度在380～920 m之间,整体地势东部和西部高、中部低(图2)。区内主要出露三叠系与侏罗系的沉积岩,构造较简单,由于受季节性降雨和人工切坡的影响,区内自然灾害频发。

图2 研究区地理位置及斜坡单元分析图Fig.2 Location and the slope unit zonation of the study area

本研究以“贵州省仁怀市茅台镇、合马镇、二合镇重点区域地质灾害详细调查及风险评价”项目为依托,采用InSAR地表形变点探测、机载LiDAR变形点排查以及现场隐患点核查的方法开展了研究区地质灾害调查,目前已查明的研究区地质灾害包括滑坡和崩塌两类,其中滑坡19处,崩塌6处,这两类地质灾害对当地居民的生产和生活已造成了严重的威胁。因此,本研究的地质灾害风险评价主要是针对滑坡和崩塌这两种地质灾害进行的。

3 研究区地质灾害风险评价

3.1 地质灾害易发性评价

3.1.1 评价指标选取与分级

地质灾害易发性评价指标一般包括地形因子、地质因子、水文因子、人类工程活动因子、变形因子等,基于贵州省已有的地质灾害易发性评价研究[29],结合现场调查,最终选取了常用的斜坡高差、斜坡坡度、地层岩性、斜坡结构、地质构造、人类工程活动和斜坡变形情况和崩塌发生概率与规模7个因子作为研究区地质灾害易发性评价指标(表1和表2、图3和图4)。其中,地形因子数据(斜坡高差和斜坡坡度)来源于1∶10 000地形图,通过1∶10 000区域地质图获得地层岩性、地质构造、斜坡结构的数据;人类工程活动、斜坡变形情况由现场调查数据所得。以斜坡单元作为基本评价单元,具体使用ArcGIS软件划分水文-地貌单元[30-31],研究区共计有228个斜坡单元(图2)。

表1 研究区滑坡易发性评价指标及其分级表

图3 研究区滑坡易发性评价指标分级图Fig.3 Evaluation index classification of geological hazard susceptibility assessment

图4 研究区崩塌易发性评价指标分级图Fig.4 Evaluation index classification of geological hazard susceptibility assessment

1) 斜坡高差。高程对地质灾害分布的影响主要表现在不同高程范围的斜坡临空条件、人类工程活动强度、植被类型和大气降雨量等存在差异[32]。对于斜坡单元而言,内部斜坡高差越大则更易发生变形,因此通过计算滑坡发生频率比,可将斜坡高差划分为[0,50)、[50,100)、[100,200)、[200,300)、≥300五级;同理,通过计算崩塌的发生频率比,可得到崩塌灾害易发性评价中斜坡高差的分级区间,见表1和表2。

2) 斜坡坡度。斜坡坡度的几何特征一定程度上决定了坡体物质运移的速度。此外,斜坡坡度不仅影响地质灾害体内的应力分布,还对地表水径流、地下水补给与排泄等起着控制作用[33],是地质灾害发生的重要控制因素。本研究按照滑坡和崩塌的发生频率比,将斜坡坡度划分为5级,具体见表1和表2。

3) 地层岩性。地层岩性与地质灾害的发育密切相关。不同地层在地质历史过程中会产生矿物组分、结构等的差异,导致地质体的物理力学特征区别明显,因此对斜坡稳定性有很大的影响,可能直接决定地质灾害的类型及规模[22]。对于滑坡易发性评价而言,可将地层岩性分为5类(表1),并根据地层的强度特征,将研究区地层岩性分为硬质岩、软硬相间岩、软质岩3类,如图3(c)所示,研究区以软质岩为主,主要为J2sh的砂页岩、泥岩等,仅在东北与西南部零星出露有硬质岩(T1-2j)和软硬相间岩(J1-2z)。对于崩塌易发性评价而言,岩体结构对崩塌稳定性也有影响,据此将研究区地层岩性划分为5类,分别为岩体破碎的块状硬质岩、岩体破碎的厚层状硬质岩、岩体破碎的层状软硬相间岩、岩体结构完整的片状软质岩和岩体结构完整的厚层状硬质岩[图4(c)]。

4) 斜坡结构。斜坡结构反映了斜坡临空面与地层之间的交互关系,控制了滑坡灾害的发育强度。一般来说,顺向坡受岩土界面和软弱夹层的控制,易于发生滑坡灾害;逆向坡则易于形成小至中型的堆积层滑坡;当斜向坡中存在多组节理时易产生岩质滑坡;横向坡相较于其他斜坡结构类型较稳定。根据野外调查,将研究区斜坡结构划分为5类,具体见表1。

5) 地质构造。地质构造反映了区域内动力条件,主要影响岩体结构面的分布,对崩塌稳定性的影响巨大。不同构造交接复合地段、褶皱轴部及其转折部位、向斜翘起端、构造断层带及其附近一定范围内的岩体结构非常复杂,在降雨和地下水的综合作用下将会加速变形。本研究在野外调查的基础上,根据地质构造与斜坡位置的关系,将地质构造划分为5类,具体为断层控制、褶皱控制、构造影响强、构造影响弱和构造不发育(表2)。

6) 人类工程活动。斜坡稳定性与人类工程活动的强烈程度密切相关。在修建公路、采石、露天开矿等工程中,斜坡开挖极其普遍,常使自然边坡的坡度变陡,不利于其稳定性。如工程设计不合理、施工措施不当或开挖施工中采用爆破等更易使斜坡产生破坏的施工方式,对斜坡稳定性将会造成很大的影响。本研究将人类工程活动划分为强烈、较强烈、一般、较轻、轻微5类,见表1和表2。根据野外调查可知,研究区地处西南山区,人类工程活动强度轻微,目前并未进行大规模的开发建设,仅在4个斜坡单元存在矿区开采,因此将其定为人类工程活动一般区域,见图3(e)和图4(e)。

7) 斜坡变形情况。斜坡变形直观反映了斜坡稳定性的现状,该指标数据可通过野外定性判断或区域遥感解译等手段获得[3]。斜坡变形越明显,则发生地质灾害的概率越大。为了便于展开野外工作,结合滑坡与崩塌特点,分别采用“斜坡变形破坏情况”和“崩塌发生频率与规模”来表示。本文在野外调查的基础上,对研究区滑坡和崩塌的变形特征进行了细分,具体见表1、表2、图3(f)和图4(f)。

3.1.2 评价方法选择

评价方法的选择是影响地质灾害易发性评价可靠性和精度的关键。前人研究经验表明,数理统计及机器学习模型适用于多灾害样本的区域易发性评价[34]。本研究为乡镇范围的大比例尺地质灾害调查,由于地质灾害数据较少,故采用不受样本数据影响的层次分析法实现系统多目标决策[35]。层次分析法评价步骤主要包括确定模型指标、构建判断矩阵、计算指标权向量(最大特征值λ和一致性CI检验)和一致性检验。

本研究基于研究区地质灾害发育特点,分滑坡和崩塌计算评价指标权重,其见表1和表2。先按照表1和表2的评价指标构建层次分析模型,并基于建立的判断矩阵,对两两因素进行重要度判断;然后按照表3所示的重要度对评价指标进行赋值,取值范围为1～9,并通过判断矩阵量化评价指标的权重。此外,还需计算判断矩阵的权重向量来衡量其合理性。本研究中,滑坡判断矩阵的最大特征值λ=6.051,一致性指标CR=0.008;崩塌判断矩阵的最大特征值λ=6.242,一致性指标CR=0.038,均通过了一致性检验(CR<0.1)。

表3 判断矩阵重要性标度值

在现场调查并分析地质灾害的形成机理的基础上,结合调查过程中对各个因素的专家打分情况,对每个评价指标进行量化赋值(表1和2),并借助ArcGIS软件完成易发性指数计算,具体计算公式如下:

(4)

式中:Ej指斜坡单元j的易发性指数;aij指斜坡单元j第i个评价因子的权重;Aij指斜坡单元j第i个评价因子的环境变量得分。

3.1.3 评价结果与分析

根据评分标准,利用公式(4)分别计算出研究区滑坡和崩塌的易发性指数,并采用自然断点法将研究区分为低、中、高、极高易发区,断点分别为0.4、0.6、0.8,从而得到研究区滑坡和崩塌的易发性分区[图5(a)和5(b)],通过合并获得研究区地质灾害易发性分区图[图5(c)]。

图5 研究区地质灾害易发性评价结果Fig.5 Susceptibility maps of geological hazards of the study area

由图5(c)可知,研究区处于极高易发区的斜坡单元有21个(3.45 km2),而处于高易发区的斜坡单元有25个(5.52 km2),高-极高易发区面积占研究区总面积的17.3%。进一步分析可知,极高易发区有地质灾害的斜坡单元有20个,高易发区有3个,中易发区有1个,低易发区有1个,共计80%的历史地质灾害落在极高易发性区。若定义处于高-极高易发区滑坡的数量比为预测准确率,则本研究采用层次分析法建立的地质灾害易发性评价模型获得的研究区地质灾害空间预测准确率高达92%。

此外,本研究还使用受试者工作特征(ROC)曲线对模型预测精度进行了评估,以真阳性率为垂直坐标,假阳性率为水平坐标绘制ROC曲线,通过不同的阈值来计算模型预测的拟合优度,结果显示ROC曲线面积(AUC)达0.969 7(图6),说明本文建立的地质灾害易发性评价模型具有良好的预测性能。

图6 地质灾害易发性ROC曲线预测精度评价Fig.6 Prediction accuracy evaluation of ROC curve of geological hazards susceptibility

3.2 危险源识别及run-out定量分析

根据前述临界阈值法,确定研究区滑坡的易发性临界阈值为0.6,崩塌的易发性临界阈值为0.8,共识别出高于临界阈值的研究区地质灾害危险源有35处,其中28处为滑坡危险源,7处为崩塌危险源(图7)。在识别出地质灾害危险源的基础上,进一步确定其运动范围,用于圈定其致灾影响范围。滑坡灾害隐患运动距离预测主要利用野外调查的历史地质灾害运动数据建立预测模型,并采用全局优化算法进行拟合,拟合公式如下(拟合度为0.85,拟合效果良好):

图7 研究区地质灾害危险源分布及运动距离Fig.7 Distribution of geological hazard sources and their run-out distance of Maotai Town

L=226.42+1.1×10-5V-5.81S+1.1H

(5)

式中:L为滑体滑移距离(m);V为滑坡体积(m3);S为斜坡坡度(°);H为斜坡前、后缘高程差(m)。

此外,通过地质建模,采用RockFall软件对研究区崩塌灾害运动距离进行了预测,与崩塌体的落石大致对应。如图8所示,选取研究区XP194崩塌的典型坡面,对危岩落石运动轨迹进行了模拟。结果表明,XP194地质灾害危险源的落石水平运移距离为750 m,在位置1 000 m处由于地形原因落石达到最大的弹跳高度为26 m,落石影响范围为1.04 km2。根据落石主要沿坡表低洼地形运动的特征,在对危岩体内结构面发育分布情况、坡体表面植被、覆盖层特征以及地形地貌进行野外调查的基础上,综合危岩体失稳后运动轨迹模拟结果,确定危岩体两侧及前缘的影响范围。

图8 研究区典型地质灾害危险源剖面和运动轨迹 模拟结果Fig.8 Profile and track simulation result of hazard source of typical geological hazards

根据现场调查结果,结合崩塌灾害运动距离预测模型与模拟技术,确定了研究区35个地质灾害危险源run-out特征(图8),并考虑地质灾害危险源的影响范围,进一步修正斜坡单元的危险性分析结果,使得地质灾害风险评价更加精细。

3.3 地质灾害危险性评价

张志才等[36]采用Gumbel分布拟合模型,根据日降雨量极值的概率分布特征值,利用最大似然法进行参数分布估计,得到贵州省50年一遇的降雨分布。由于研究区内缺少完整的气象资料,故而参考张志才等的研究成果,得到茅台镇的50年日降雨极值为100 mm。本研究的地质灾害危险性评价、风险评价均考虑50年一遇日降雨工况。

以100 mm的日降雨极大值作为诱发事件对研究区域地质灾害的危险性进行评价,根据历史地质灾害数据库中历史地质灾害点的面积和降雨量,统计100 mm日降雨量下研究区地质灾害各个易发性分区下的滑坡和崩塌面积,地质灾害面积与易发性区划面积的比值即为地质灾害发生的空间概率,其对应的时间概率为0.02。通过式(1),可以定量化计算研究区地质灾害各易发区的危险性值,见表4。由表4可知:研究区低、中、高、极高易发区的危险性值分别为1.29×10-6、1.79×10-5、2.23×10-3、2.48×10-3,并根据地质灾害危险源run-out定量分析预测的斜坡影响范围修正该评价结果,得到研究区地质灾害危险性区划图,见图9。

表4 研究区50年一遇日降雨工况下地质灾害危险性评价结果

图9 研究区地质灾害危险性区划图Fig.9 Hazard zonation of geological hazards of the study area

3.4 地质灾害风险定量评价

地质灾害承灾体调查是地质灾害风险评价的重要一环,根据调查数据,对研究区域内易损性进行定量分析与价值统计,最终获得研究区地质灾害风险定量评价结果。但需要注意的是,本研究主要考虑人口和建筑两种承灾体。

3.4.1 承灾体易损性

易损性,即特定地质灾害强度下承灾体可能受到的损失程度,其包含了地质灾害的强度与承灾体的脆弱性。假设地质灾害的作用强度与地质灾害的危险性一致,通过对研究区内人口与建筑物的脆弱性进行简化处理,参考肖婷[12]在西南地区对滑坡易损性的研究,并结合地质灾害强度和现场构筑物的变形特征,对地质灾害承灾体易损性值进行了微调,得到研究区地质灾害承灾体人口和建筑物的易损性值,见表5。

表5 研究区地质灾害承灾体人口和建筑物的易损性值参考表

3.4.2 承灾体价值

地质灾害承灾体分布采取网格化调查,按照网格划分进行详细调查和访问,全区共计人口为8 593户41 281人,人口密度为751人/km2;建筑物价值计算根据当地物价折算,全区共计财产为1 102 658.7万元,财产密度为20 048万元/km2。研究区域人口密度和建筑物财产密度分布,见图10。

图10 研究区人口密度和建筑物财产密度分布Fig.10 Density distribution of population and building property in the study area

由图10可见,人口主要分布在研究区北部茅台镇所在地,建筑物财产与人口分布较为一致,且沿赤水河两岸也有建筑物财产分布,主要为农村住宅基地。

3.4.3 地质灾害风险定量计算

根据地质灾害风险定量计算公式(3)可计算得到研究区基于水文-地貌斜坡单元的风险定量评价结果,并最终得到研究区人口伤亡和建筑物财产损失风险分级图(图11)与风险评价结果统计表(表6、表7)。

表6 研究区人口伤亡风险评价结果统计表

表7 研究区建筑物财产损失风险评价结果统计表

图11 研究区人口伤亡风险和建筑物财产损失风险分级图Fig.11 Visualization maps of casualty and building property loss risk degree

通过分析图11(a)和表6可知:在研究区人员伤亡风险分级图中,有10个斜坡单元(1.22 km2)处于极高风险区,发育地质灾害9处,地质灾害密度达到7.4个/km2;有22个斜坡单元(4.73 km2)处于高风险区,发育地质灾害6处,地质灾害密度达到1.3个/km2;高-极高风险区面积占研究区总面积的11%,剩余89%的区域处于中-低风险区。通过分析图11(b)和表7可知:建筑物财产损失风险分级图中,有10个斜坡单元(1.94 km2)处于极高风险区,发育地质灾害8处,地质灾害密度达到4.1个/km2;有20个斜坡单元(5.23 km2)处于高风险区,发育地质灾害9处,地质灾害密度达到1.7个/km2;高-极高风险区面积占研究区总面积的14%,86%的区域处于中-低风险区。从研究区人口伤亡风险和建筑物财产损失风险的分布来看,高-极高风险区主要分布在赤水河两岸及北部山区。

4 讨 论

4.1 模型评估

研究区地质灾害易发性评价结果的ROC曲线AUC值为0.97,并且92%的历史地质灾害落在高-极高易发区,这为后续的地质灾害风险评价提供了基础数据。此外,从研究区各个等级地质灾害风险区的地质灾害数量、地质灾害分布密度等多个方面的评价结果均说明风险评价模型具有准确性与可靠性(表6和表7)。而人口伤亡风险评价结果与建筑财产损失风险评价结果具有相似的统计规律,其中地质灾害率(各级地质灾害数量占比)和地质灾害分布密度从低风险区到极高风险区总体保持增长趋势,但分区面积占比从51%逐渐降低到2%。总体而言,研究区地质灾害的风险评价结果较为可靠,可为后续大比例尺或乡镇尺度地质灾害风险评价提供参考。

4.2 大比例尺地质灾害风险评价

本文所构建的地质灾害风险评价方法与传统小比例尺评价方法在评价单元、地质灾害数据、评价指标体系、危险性评价方法、易发性评价精度等方面存在诸多不同,如表8所示。本研究提出了辨识潜在地质灾害隐患的方法,并在危险性评价中通过关系曲线拟合确定了地质灾害隐患的致灾范围,该方法意义明确,具有可操作性,对城镇开发规划具有一定的指导意见,可为地区经济发展带来较大的效益。可以预见的是,研究区的北部罗村与柏杨村之间一带地势较为平缓且以农村宅基地为主,地质灾害危险性和风险性较低,可以作为茅台镇未来城镇开发规划的首选区域。

表8 不同比例尺地质灾害风险评价方法比较

5 结论与建议

本研究以水文-地貌斜坡单元为基本评价单元,完成了适合于山区乡镇尺度的地质灾害风险评价案例研究,得到的主要结论如下:

1) 系统地将地质灾害风险评价框架R=H×V×E运用到乡镇尺度地质灾害风险评价。结果表明:研究区地质灾害易发性评价的受试者工作特征曲线(ROC)的面积高达0.969 7;人口伤亡风险和建筑物财产损失风险评价结果中地质灾害率、分区面积和地质灾害分布密度等指标均表明此次风险评价取得了良好效果;研究区赤水河两岸及北部山区为地质灾害高风险区。

2) 建立了地质灾害危险源识别与定量化run-out分析方法。根据现场调查、数理统计或者数值模拟等手段圈定了研究区35处地质灾害危险源的潜在威胁范围,修正了水文斜坡单元,进而完善了地质灾害风险计算,补充了地质灾害危险性评价内容,细化了地质灾害风险评价的流程。

3) 地质灾害风险定量评价结果可为当地地质灾害管控与城镇开发规划选址提供理论支撑。从地质灾害的预防角度,应重点关注高-极高易发区的46个斜坡单元;从风险管理的角度上,重点关注研究区内高-极高易风险区,这些地区一旦发生地质灾害,可能对人民生命和财产安全产生重大的威胁。未来城镇开发时,可选地质灾害风险较低的茅台镇北部罗村与柏杨村之间一带作为主要场址。