基于GIS 和加权信息量法的靖边县地质灾害易发性评价＊

2024-03-15韩飞罗军尧

工业安全与环保 2024年2期

韩飞罗军尧

（1.昆明理工大学国土资源工程学院，云南昆明 650031；2.中国电建集团昆明勘测设计研究院有限公司，云南昆明 650051）

0 引言

地质灾害易发性评价，国外又称作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个地质灾害影响因子组合导致地质灾害发生的倾向性［1］。近年来，通过国内外学者的不断研究，GIS技术及各类评价模型在不同区域地质灾害易发性评价中得到了广泛的应用。常用的地质灾害评价方法有：层次分析法、Logistic 回归模型法、概率指数法、模糊数学评价法、信息量法、人工神经网络模型、确定性系数模型、支持向量机模型及多模型耦合评价方法等［2-9］。

研究表明，不同评价模型都存在各自的特点与弊端。在地质灾害频发的区域，只采用单一评价指标体系很难保证评价结果的精度，因此，考虑研究区实际调查结果并结合对比多种模型进行地质灾害易发性评价，能够更大限度减小模型特异性所带来的误差，规范化复杂地质条件下的评价指标体系并提高预测稳定性。本文结合层次分析法（Analytic Hierarchy Process）与信息量模型（IV），以靖边县为例，选取9 个地质灾害影响因子，综合信息量法的严密性与层次分析法的系统性，平衡主客观因素，使评价结果更加贴合研究区实际情况，为靖边县及同类地质环境区域地质灾害防治工作提供参考。

1 研究区概况及数据来源

1.1 研究区概况

靖边县位于陕西省北部偏西，榆林市西南部，地处毛乌素沙漠南缘（北纬36°58′45″～38°03′15″，东经108°17′15″～109°20′15″），处于鄂尔多斯台向斜陕北台凹，总体呈一缓倾的单斜构造，区内构造变动微弱。地貌从北到南依次为风沙滩地区、黄土梁峁涧区和黄土丘陵沟壑区。区内出露地层为中生界侏罗系、中生界白垩系、新近系上新统及第四系。对地质灾害影响的环境地质问题主要集中在黄土丘陵沟壑区，黄土丘陵沟壑区位于白于山区南部，河谷深切狭窄，河床深切基岩，地表形态破碎，梁窄沟深，坡度较陡，自然生态环境脆弱，地质环境条件差，加之多年来不合理的工程活动如切坡、挖窑洞、建房，以及石油天然气开采、公路建设等，使该区地质环境遭受严重破坏，造成森林资源破环，水土流失，诱发了大量滑坡、崩塌等地质灾害发生，对当地人民生命财产安全构成较大威胁，严重制约了地方经济的发展，是该区最为严重的环境地质问题。

图1 研究区概况

1.2 数据来源

本研究依据1∶50 000 野外实地详细调查结果在ArcGIS 平台建立了地质灾害数据库，包含了等高线、水系、道路、地层岩性等基础数据，共涉及地质灾害点112 处，其中滑坡59 处、崩塌52 处、泥石流1处，考虑到研究区地质灾害类型主要以滑坡、崩塌为主，且泥石流成灾机理及孕灾环境与滑坡、崩塌存在一定差异，故选取其中111 处滑坡、崩塌点作为灾害点数据。

数字高程模型（DEM）数据通过等高线要素文件在ArcGIS 中使用转换工具与掩膜提取工具生成，分辨率30 m，并进一步衍生出坡度、坡向、剖面曲率、地形湿度指数等；归一化植被指数（Normalized Vegetation Index）来源于地理空间数据云平台Landsat8 数据集波段影像，分辨率30 m。

2 评价因子选取

地质灾害的形成受制于地形地貌、地层岩性及岩土体特征、水文条件、植被覆盖等因素，研究区总体呈单斜构造，区内构造变动微弱，故本文选取高程、坡度、坡向、剖面曲率、水系距离、道路距离、地层岩性、归一化植被指数（NDVI）、地形湿度指数（TWI）共9 个指标因子进行地质灾害易发性评价。

（1）高程因子。同一区域不同高程范围内植被类型、地形湿度指数、地层岩性、人类工程活动及降雨量都会有所不同。利用1∶50 000 地形等高线数据在ArcGIS 中生成数字高程模型DEM，栅格大小为30 m×30 m，根据自然间断点法分为5 个评价区间，结果显示区域内1 289～1405 m 高程面积占比最大，为33.69%，含地质灾害点20 个，在1 405～1 512 m 区间内灾害点最多，为34 个，面积占比18.12%，见图2（a）。

图2 评价因子分级

（2）坡度因子。坡度对斜坡稳定性具有明显的控制作用，坡脚最大剪应力及张力带会随着坡度的增加而增大，从而影响地质灾害的发生概率。本文利用ArcGIS中的表面分析工具从DEM中提取坡度因子，根据自然间断点法将坡度分为5 个评价区间，结果显示，区内地质灾害多发生在坡度0°～31°的斜坡上，含地质灾害点97 个，见图2（b）。

（3）坡向。不同坡向所受太阳辐射不同，该差异会影响地表植被覆盖、岩石风化，降水及蒸发量等环境条件。将DEM 输出为坡向栅格数据，自定义重分类为9 类，并与地质灾害点进行叠加分析统计。结果显示坡度为112.5°～157.5°、202.5°～247.5°的区间灾害点分布最多，共48 个灾害点，坡度区间面积占比19.6%，见图2（c）。

（4）剖面曲率。剖面曲率是地面坡度的沿最大坡降方向地面高程变化率的度量。正负值分别代表地形表面开口朝上凹入或上凸，值的大小代表凹凸程度。将DEM 输出为剖面曲率栅格数据，采用自然间断点分级法分为5 类。结果显示灾害点在-0.48～0.94的剖面曲率区间数量最多，区间面积占比87.34%，见图2（d）。

（5）道路距离。公路的新修和旧线改造形成了大量高陡边坡，大多数未采取加固护理措施，为灾害发生提供了有利条件。将道路数据进行欧氏距离运算。采用自定义分级法划分为5 类。结果显示道路距离在500 m 内时，灾害点多集中在0～100 m 区段，影响程度随距离增加而减小，见图2（e）。

（6）水系距离。河流的切割侵蚀作用使河流两岸斜坡增高变陡，降低了斜坡的整体性和力学强度。将水文分析结果结合野外测绘的水文数据进行欧氏距离运算，将水系距离自定义划分为5 类。结果显示地质灾害点多分布与水系距离0～500 m 区间内，含地质灾害点81 个，区间面积占比33.08%，见图2（f）。

（7）地层岩性。岩土体是地质灾害发育的物质基础，不同类型的地层所形成的地质灾害也有所不同。通过野外调查将研究区地层岩性划分为7 类：第四系黄土、第四系冲湖积物、白垩系砂砾岩、第四系风积黄土、第三系砂砾岩、侏罗系砂岩。对野外调查整理地层岩性数据进行重分类，并与地质灾害点进行叠加分析统计，结果显示，超过一半地质灾害点（共59 个）位于第四季风积黄土层，地层面积占比54.56%，见图2（g）。

（8）NDVI。地表植被能够起到护坡和防止水土流失的作用，对斜坡的演化和稳定性具有一定影响。植被覆盖度可用归一化植被指数（NDVI）来表征。本文采用地理空间数据云landsat8 数据集波段影像数据，当日云量稀少，分别为0.02、0，利于提取分析，通过ENVI5.3 进行NDVI 提取计算。采用自然间断点分级法分为5 类。结果显示植被覆盖度在0.01～0.19区间的地质灾害点分布最密集，含76 个，区间面积占比68.47%，见图2（h）。

（9）TWI。地形湿度指数（Topographic Wetness Index），简称TWI。该概念用以精确表征地形变化及其对地表径流的影响，并广泛应用于土壤水分空间分布于径流模拟研究。可表示为：

式中，为DEM 栅格单元汇水面积与栅格尺寸的比值，tan为单元格局部坡脚。地形湿度指数与地貌发育、植被、径流等密切相关，因此对斜坡稳定性也有重大影响。

将TWI栅格单元采用自然间断点分级法分为5类。结果显示，地质灾害点集中分布在TWI值为2～13的区间，含地质灾害点100 个，区间面积占比85.36%，见图2（i）。

3 易发性评价

3.1 加权信息量模型

信息量模型是结合了信息论与统计分析模型而衍生发展出来的一种预测方法，早期多用于矿产勘察［10］。将其应用于地质灾害易发性评价的原理是通过统计分析受灾区域信息，选取最佳评价指标组合，以信息熵的概念来反映单个指标在不同分级标准下与研究对象的密切程度［11］。但在实际地质灾害区域，成灾原因十分复杂，不同影响因子的贡献值大小不一，信息量模型无法准确反映各指标在地质灾害中的重要程度。因此，本文采用层次分析法，结合专家经验打分对各评价指标赋权重，与信息量模型耦合得到加权信息量模型。单个因子信息量计算公式：

式中，I（H，Xi）为由因子Xi的特定组合提供的地质灾害信息值，Ni为第i类评价因子所含地质灾害点个数；N为研究区内地质灾害点总数；Si为研究区内所含评价因子Xi的单元面积，S为研究区评价单元总面积。

评价单元总的信息量值可通过对各个评价因子子类的信息量求和算出：

式中，Ii为评价单元总信息量值。

加权信息量计算公式：

表2 一级指标判断矩阵

式中，Wi为评价因子权重值。

3.2 权重确定

采用层次分析法，以评价指标体系为目标层，准则层按地质灾害发育成因分为控制因素、非控制因素、其他因素3 类一级指标，要素层为坡度、岩性、道路距离、剖面曲率、TWI、NDVI、坡向、高程、河流距离9 类二级指标，建立靖边县评价因子层次结构模型，见表1。

表1 评价指标体系

参考前人研究及专家经验，对评价因子之间的相互重要性进行打分，结合评价因子级别分级结果，各因子两两比较构建研究区一级、二级结构判断矩阵，见表2—表3；针对各评价因子分析得到最大特征根max=9.103，CI=0.01，查阅AHP 一致性指标值得RI=1.46，根据检验性指标CR=CI/RI=0.01/1.46=0.009＜0.1，判断该矩阵一致性良好，再对矩阵向量进行归一化处理，得到各评价因子的权重。

3.3 地质灾害易发性评价

根据评价因子重分类结果，由ArcGIS 软件的提取分析功能计算出评价因子各个分级的地质灾害点密度和分级面积占比，再结合二级指标权重，经式（4）计算出加权信息量值（表4），叠加分析得到综合加权信息量图层，值域范围为-1.36～1.54，采用自然间断点分级法将靖边县地质灾害易发性指数划分为5 类：极低易发区、低易发区、中易发区、高易发区、极高易发区，最终得到靖边县地质灾害易发性分区图，见图3。分别统计2 种评价模型各易发性分区面积占比与灾害点个数（表5），结果表明2 种模型的分区面积占比基本相同，但灾害点个数分布在不同易发性分区内差异较大。

表4 信息量值计算

表5 易发性分区统计

图3 靖边县地质灾害易发性分区

为了进一步对比2 种模型的评价精度，将WIV模型与IV 模型的评价结果进行对比。WIV 模型中道路距离所占权重相较于IV 模型更为显著，且线状分布的极高易发区多位于道路与水系的交汇处，一定程度上反映了水系距离与道路距离的耦合作用对地质灾害易发分区的影响。

3.4 评价结果分析

ROC 曲线（Receiver Operating Characteristic Curve）即受试者工作特征曲线，多应用于医学试验结果评估，作为一类综合指标，能够准确直观地反映分析方法的特异性与敏感性，近年来被广泛应用于地质灾害易发性评价结果检验［12］。ROC 曲线下方面积（AUC，Area Under Curve）用于衡量评价模型的精度，AUC 的取值范围为0.5～1，AUC 值越接近1，表明模型预测能力越强［13］。本文以2 种模型的易发性指数栅格图为基础，通过ArcGIS中创建随机点工具，创建111 个随机地质灾害点，合并图层后将模型模拟值作为检验变量，是否为灾害点作为状态变量，绘制模型的ROC 曲线（图4）。