月度防控视角下韩江下游城镇地质灾害危险性评价

摘要：

华南山区地质环境条件复杂，地质灾害频发，亟需开展区域地质灾害危险性评价，解决“地质灾害最可能发生月度及相应易发区在哪里”的问题，以针对性地分级、分阶段部署相应防控措施，有效降低地质灾害可能造成的损失。以韩江下游广东省梅州市留隍镇为例，选取坡度、坡形、高程、工程地质岩组、土层厚度、距断裂距离、植被NDVI值与用地类型共8个评价指标，通过灾害频率比（FR）模型对指标分级赋值；采用灰色关联度法计算指标权重，结合信息量模型完成研究区地质灾害易发性评价，并通过ROC曲线对结果进行验证；在易发性评价的基础上，将月度作为最小时间评价尺度，以历史发灾记录最大月均降雨量作为激发极值优化降雨假设模型，计算1～12月地质灾害发生概率，并完成各月度地质灾害危险性评价及分区。结果表明：① 总体上，留隍镇地质灾害共划分为低易发区、中易发区、高易发区、极高易发区4类易发区，各区面积占比分别为58.60%，22.99%，13.39%，5.02%，经ROC曲线检验评价精度达到0.81，表明评价结果客观有效。② 月度地质灾害危险性评价结果显示，5～8月留隍镇地质灾害发生概率最大，建议将其作为全年重点防御时段；且集中分布于留隍镇北部、中部及南部，建议将上述区域作为重点防御区。研究成果可为研究区域年内不同月度地灾防控工作安排及防控措施动态调整提供参考。

关" 键" 词：

地质灾害； 月度危险性评价； 灾害频率比； 灰色关联度； 加权信息量； 极值降雨假设； 韩江下游

中图法分类号： P694

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2024.07.013

收稿日期：

2023-12-29

；接受日期：

2024-03-22

基金项目：

地质灾害防治与地质环境保护国家重点实验室开放基金项目（SKLGP2022K019）；中央财政专项资金项目（H202302006）；广东省重点乡镇1∶10 000地质灾害风险调查评价（梅州市丰顺县留隍镇）项目

作者简介：

王天河，男，硕士，主要从事地质灾害调查评价与防治研究。E-mail：447922860@qq.com

通信作者：

赖桂林，男，高级工程师，主要从事地质灾害调查评价与防治研究。E-mail：751584327@qq.com

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章编号：1001-4179（2024） 07-0098-10

引用本文：

王天河，赖桂林，李坤，等.

月度防控视角下韩江下游城镇地质灾害危险性评价

［J］.人民长江，2024，55（7）：98-107，137.

0" 引 言

华南山区地质环境条件复杂，地质灾害频发，尤其是汛期强降雨的激发会加速地质灾害的形成［1-3］，直接威胁山区居民生命及财产安全。开展区域地质灾害危险性评价，针对性地分级、分阶段部署相应防控措施，能有效降低地质灾害可能造成的损失［4-7］。

目前，对于区域地质灾害评价及分区的相关研究已较为系统。王存智等［8］对沙溪流域进行生态地质调查，分析了滑坡灾害分布和致灾因素间的联系，选取坡向、降雨量、坡度、岩性建造、地貌、距河流距离和距断层距离7项指标，利用层次分析法结合地信空间分析技术，完成了滑坡地质灾害易发性评价。张凌煜等［9］选取坡向、高程、坡度、降雨量、水系距离、道路距离、断层距离、工程岩组8类评价因子，以地质灾害点作为样本，构建超效率数据包络分析-信息量模型完成地质灾害危险性评价。他将研究区划分4个危险性分区，以接受者操作特征曲线验证结果。闫成林等［10］以滑坡、崩塌、地面塌陷、海水入侵和海岸侵蚀5种地质灾害作为评价对象，开展基于ANP-模糊贝叶斯网络模型的地质灾害易发性、危险性和风险性评价，并编制相应分区图。徐庆方等［11］以水文斜坡单元为基础评价单元，应用层次分析法实现地质灾害易发性、危险性、易损性和风险的量化，并通过划分地质灾害易发性临界阈值识别地质灾害相关危险源，分析其运动特征和影响范围，并对风险评价结果进行修正。

然而，现有的地质灾害危险性评价模式多采用单日作为最小时间尺度来完成各种不同降雨量激发工况下的危险性模拟评估［12-13］。对于在已发地质灾害的区域开展现状危险性评价研究深度不足，不利于年内不同月度地灾防控工作安排及防控措施动态调整。鉴于此，本次研究以韩江下游广东省梅州市留隍镇为例，通过地质灾害致灾因素分析，选取合适的评价指标，采用灾害相对频率比分析法完成指标分级赋值；以灰色关联度指标权重计算模式代替传统的人为主观指标赋权模式，提高评价结果精度；在指标权重计算结果的基础上，结合信息量模型完成地质灾害易发性评价，将月度作为最小时间评价尺度，以历史发灾记录最大月均降雨量作为激发极值优化降雨假设模型，并叠加地质灾害易发评价结果，完成留隍镇1～12月各月地质灾害危险性分区评价，以精准服务于留隍镇月度地质灾害动态防控。

1" 研究区基本概况及数据来源

留隍镇位于韩江下游广东省梅州市丰顺县东北部，广东省第二大流域韩江流域自北向西穿镇而过，属亚热带季风气候区。地貌总体具有“东北及西南高，中部低”的特征。研究区位于新华夏系构造第二隆起带的东南侧与南岭东西向复杂构造带南部东段交接地带，构造以北东向构造为主，且与北西向构造互为配套，东西向构造时隐时现，断续展露。区内出露及隐伏地层为全新统大湾镇组（Qhdw）、晚侏罗统南山村组（J3K1n）、早侏罗统嵩灵组（J1s）；区内主要侵入岩为早白垩统石英二长岩（K1ηο）、晚侏罗统二长花岗岩（J3ηγ）及黑云母花岗岩（J3γ）。复杂的地质环境条件为地质灾害的孕育及发展提供了内在基础。研究区共发育地质灾害1 510处，其中，崩塌1 506处、滑坡3处、泥石流1处，区内地质灾害空间分布呈现以北部、西部及中部较集中，南部及东部中山、中高山较少发育的特征，见图1，在时间上多发生于5～8月的雨量集中时段。

本次研究采用的数据主要为地质灾害、坡度、坡形、高程、工程地质岩组、土层厚度、距断裂距离、植被NDVI、用地类型及降雨。地质灾害数据基于“广东省重点乡镇1∶10 000地质灾害风险调查评价（梅州市丰顺县留隍镇）项目（以下简称留隍镇风险调查评价项目）”实地调查获得；坡度、坡形、高程数据基于数字高程模型DEM（Digital Elevation Model）数据（重点人群密集区为无人机三维倾斜摄影修正）在ArcGIS中生成，其DEM数据来源于地理空间数据云下载的SRTM数据（https：∥www.gscloud.cn/），空间分辨率为30 m；工程地质岩组以留隍镇地质图为基础分类得到；土层厚度数据通过留隍镇风险调查评价项目实施的钻孔、洛阳铲以及斜坡开挖面剥土信息插值生成；距断裂距离数据通过断裂缓冲区构建得到；植被NDVI基于地理空间数据云下载的LANDSAT8数据基础上生成，空间分辨率为15 m；用地类型数据为当地自然资源部门协助提供；降雨数据下载于世界气候数据库（http：∥www.worldclim.org/），分辨率为2.5\"，时间段为2011～2020年各月历史月均雨量。

2" 技术路线及研究方法

本次研究主要分三大内容：通过对地质灾害致灾因素的分析，在选取合理评价指标基础上，采用地质灾害相对频率比法（Frequency Ratio，FR）完成指标重分级，各指标通过皮尔逊相关系数（Pearson product-moment correlation coefficient，PPMCC）

检验后进行量纲统一；采用灰色关联度模型建立评价指标关联度矩阵，完成权重计算，在权重计算结果的基础上结合信息量模型完成研究区地质灾害易发性评价，通过ROC曲线（Receiver Operating Characteristic Curve，即受试者工作特征曲线）对结果进行验证；对近10 a来研究区已发地质灾害的雨量监测数据进行分析，得到历史灾害发生月份中月均降雨量最大值，以该值作为激发极值，采用优化后的极值降雨假设法计算1～12月各月地质灾害发生概率，叠加地质灾害易发性评价结果完成1～12月各月度地质灾害危险性评价分区，如图2所示。

3" 致灾因素分析及指标体系构建

本次研究中地质灾害致灾因素主要基于广东省地质灾害研究经验、留隍镇风险调查评价项目野外调查、钻探、洛阳铲揭露等综合考虑，各致灾因素对地质灾害影响分析中采用地质灾害频率比（FR）进行指标分级［14-15］，

FR=致灾因素分级中灾害数量/研究区地质灾害总数致灾因素分级中栅格总数/研究区栅格总数－1（1）

FR≤0表示致灾因素分类区间不利于灾害的发生；FR＞0表示致灾因素分类区间利于灾害发生，且其值越大表示该区间单位面积上所占灾点数量越大，即与地质灾害发育关系越密切。对FR值绘制曲线，曲线折点处将各致灾因素区间进行重分级。

各致灾因素中坡度、高程、土层厚度、距断裂距离厚度、植被NDVI值共5个指标为连续性数据，先将其各自初步划分为7个区间以进行地质灾害相关性分析，其中坡形、工程地质岩组按照地质成因分类后与地质灾害进行相关性分析，用地类型则以自然资源部门提供的用地分类为准进行地质灾害相关性分析，具体分析结果如下：

（1） 坡度。坡度不仅会影响斜坡应力分布，也影响斜坡的变形失稳模式。总体上看，斜坡坡度对地质灾害发生的控制作用是显而易见的：10°～20°为地质灾害高发区间，共计671处，其次为＜10°及20°～30°区间，分别为425处及318处。从灾害相对频率比（FR）来看，10°～20°坡度区间该值最大，表示该区间极利于灾害发生，其次为＜10°坡度区间，如图3（a）、图4（a）所示。因此，根据FR值拐点位置结合区内相似原则，将坡度重分为＜10°、10°～20°、20°～40°、＞40°共4个区间。

（2） 坡形。坡形即斜坡形态，为斜坡三维结构的表征，斜坡形态影响地表水与坡体水力联系，也影响坡体上应力集中区域的分布特征。直线形坡不论是灾点分布数量还是灾害相对频率比值（FR）均显示与灾害发育有极高的相关性，其次为凹形坡与凸形坡，见图3（b）、图4（b）。

（3） 高程。高程主要影响植被、土壤类型、地表集水能力和人类活动范围，从而间接影响灾害的分布。研究区内地质灾害随高程增加其分布数量减少，灾害频率比值（FR）降低。其中＜100 m的高程区，为与灾害关系最密切的区间，其次为100～200 m区间，如图3（c）、图4（c）所示。因此，根据灾害频率比值（FR）曲线拐点位置结合区内相似原则，将高程重分为＜100 m、100～200 m、200～300 m、＞300 m共4个区间。

（4） 工程地质岩组。根据岩土层结构和岩石物理力学性质等，将区内岩土体划分为4类工程地质岩组：① 砂、砾石及黏土多层土体（Ⅰ），主要为全新统大湾镇组（Qhdw）地层；② 层状较硬碎屑岩岩性组（Ⅱ），主要为早侏罗统嵩灵组（J1s）地层；③ 层状较硬—坚硬火山碎屑岩岩性组（Ⅲ），主要为晚侏罗统南山村组（J3K1n）地层；④ 块状较硬—坚硬侵入岩岩性组（Ⅳ），主要为早白垩统石英二长岩（K1ηο）、晚侏罗统二长花岗岩（J3ηγ）及黑云母花岗岩（J3γ）3类侵入岩。分析发现Ⅳ类岩组中灾点最多，共计608处，其次为Ⅱ、Ⅲ类岩组，分别有453处、446处。虽然Ⅳ类岩组中灾点多，但该区分布面积较大，灾点频率比值（FR）较Ⅱ类及Ⅲ类岩组略低，如图3（d）、图4（d）所示。

（5） 土层厚度。调查发现研究区内地质灾害点所在斜坡中，土质斜坡及岩土混合质斜坡共占灾害总数的83.22%，故土层分布情况与地质灾害关系客观存在。通过区内钻探、洛阳铲揭露结合野外调查开挖面露头土层厚度信息进行插值生成土层厚度等值线图，分析发现区内土层1～3 m及3～5 m厚度区间灾点数量最多，分别为395处、377处。灾害频率比值（FR）曲线则显示＜1 m与＞15 m土层厚度区间内该比值最大，即与灾害分布关系最密切，如图3（e）、图4（e）所示。因此，根据FR值拐点位置结合区内相似原则，将土层厚度重分为4个区间，＜1 m，1～5 m，5～15 m以及＞15 m。

（6） 距断裂距离。研究区地质构造较复杂，断裂较发育，调查发现，断裂构造影响范围内一般岩石节理裂隙较发育，结构也多呈碎裂—块裂状。总体来看，构造带1 000 m范围内灾害点数量最大，共计468处，其次为1 000～4 000 m的多断裂综合作用区；从灾害频率比值（FR）来看，3 000～4 000 m及＜1 000 m断裂范围内该值最大，如图3（f）、图4（f）所示。因此，将距断裂距离重分为4个区间，＜1 000 m，1 000～3 000 m，3 000～4 000 m以及＞4 000 m。

（7） 植被NDVI值。植被覆盖度影响降雨入渗条件，其根系也影响表层土体结构及力学性质。以植被NDVI值大小表征植被覆盖度，其值在0.4～0.5以及0.5～0.6区间灾点数量最大，分别为498处、468处。而0.2～0.3以及0.3～0.4植被NDVI值区间内灾害频率比值（FR）最大，当NDVI＜0或＞0.6时该值最小，如图3（g）、图4（g）所示。因此，将植被NDVI值重分为4个区间，＜0.2，0.2～0.4，0.4～0.5以及＞0.5。

（8） 用地类型。用地类型很大程度上代表人类活动范围及活动强度，实地调查发现临山建设用地区往往涉及削坡建房，导致裸露的开挖边坡产生。分析发现建设用地范围内分布灾点数量最多，共818处，且其灾害频率比值（FR）也最大，故建设用地与地质灾害关系联系最密切；而水域及其他用地一是占地面积小，二是灾害频率比值（FR）较低，如图3（h）、图4（h）所示。因此，将用地类型重分为4类，水域及其他、林地、耕地、建设用地。

从上述分析不难看出，坡度、坡形、高程、工程地质岩组、土层厚度、距断裂距离、植被NDVI值及用地类型8个致灾因素均与地质灾害发育关系紧密，故将8个致灾因素作为本次留隍镇地质灾害易发性评价的8个指标纳入评价体系，相应的指标区间划分与对应致灾因素区间重分后的一致。为保证各指标的独立性，引入皮尔森系数法进行验证［16-17］，其相关系数一般用r表示，r计算公式如下：

r=ni=1（Xi-X）（Yi-Y）

ni=1（Xi-X）2

ni=1（Yi-Y）2

（2）

式中：n是评价指标样本数量，n=1，2，3，…，8；Xi、Yi是变量X、Y对应的i点观测值；X、Y分别为X、Y样本的平均数。

将矢量栅格化后的各评价指标图层在ArcGIS中通过多元分析工具获取评价因子间的皮尔森相关系数矩阵，如表1所列，其中相关系数|r|＜0.5时，表示因子间为低度相关，故本次8个地质灾害易发性评价指标均通过独立性检验标准。

4" 地质灾害易发性评价

4.1" 基于灰色关联度的指标权重计算

实际工作中对各指标重要性评价多采用经验判断赋予权重，人为主观影响较大。本次评价指标权重采用灰色关联度模型计算，该模型具有良好的数理基础，能根据各指标本底值与地质灾害分布关系客观得出其重要性排序［18］，其计算步骤如下：

（1） 建立求差数列。计算公式为

Δij=|X0j-Xij|（3）

式中：i=1，2，3，…，n；j=1，2，3，…，m。

（2） 灰色关联系数计算。首先建立灰色关联空间，ξ为特定关联形成映射，ξij为子因素Xij关于因素X0j的灰色关联系数，可得：

ξij=minnminmX0j-Xij+ξmaxnmaxmX0j-XijX0j-Xij+ξmaxnmaxmX0j-Xij（4）

式中：minnminmX0j-Xij表示两层绝对值差最小值；maxnmaxmX0j-Xij表示两层绝对值差最大值；ξ为分辨率系数，取值ξ=0.5。

（3） 灰色关联度计算。关联系数是比较数列与参考数列在各个时刻的关联程度，故其值不唯一，且数据分散，将各时刻关联系数统一表示为单个数值，关联度rj计算公式如下：

rj=1nni=1ξij（5）

（4） 权重值计算。将关联度rj进行归一化处理，得到Wj，Wj=（ω1，ω2，…，ωm）为权重计算结果。计算公式为：

Wj=rjmj=1rj（6）

由于各指标单位及表征形式均有所区别，故首先在前述致灾因素分析基础上，采用专家打分法进行赋值［19-20］，统一指标量纲，如表2所列；然后在区内随机选择20个样本点建立基本数列Xij，得出求差数列Δij，并计算灰色关联系数、灰色关联度，如表3所列；最终得出各评价指标权重值，如表4所列。

4.2" 基于加权信息量模型的地质灾害易发性评价

信息量模型法通过提取已发地质灾害发育分布特征的信息，把各致灾因子实际值向反映地质灾害发生的信息量值进行转化，客观讨论致灾因子对灾害发生所贡献的信息量大小，从而计算整个研究区地质灾害易发性［21-23］。其计算公式如下：

Ii=ni=1（Lixi）=ni=1lnNi/NSi/S（7）

式中：xi为评价指标单元；Li为评价指标单元xi的信息量值；S为研究区栅格单元总量；N表示地质灾害总量；Si为区内含有指标单元xi的栅格单元总量；Ni为xi中特定类别的灾害数。

同时，考虑各指标对灾害影响作用区别，加入指标权重计算结果，采用加权信息量模型计算：

Y=ni=1Wi×Ii（8）

式中：Y为易发性值；Wi为指标权重；Ii为各指标信息量值。

据此，计算得出各评价指标分区内信息量值，如表5所列，最终研究区地质灾害易发性评价结果采用自然间断点分区，将研究区划分为低易发区、中易发区、高易发区及极高易发区，各区面积占比分别为58.60%，22.99%，13.39%，5.02%（图5）。对易发性评价结果引入ROC曲线进行验证，结果显示ROC曲线下面积值（AUC）为0.81，即评价精度为0.81，表明该评价程序用于地质灾害易发性评价效果良好，如图6所示。

5" 地质灾害危险性评价

5.1" 基于极值降雨假设法的灾害发生概率计算

分析发现2011～2020年10 a来留隍镇内有发灾时间记录的灾害点共32处，其中30处发生在5～8月降雨集中时期，占总灾害点的93.75%，即降雨是留隍镇地质灾害的直接激发因素，月均降雨量最大值为5月，月均降雨量位270.33 mm，如图7所示。

基于极值降雨假设法的地质灾害危险性评价在众多地区已得到验证［24］，该方法常用的计算公式如下［25］：

Pi=LLmax/day（9）

Hi=YiYmaxPi（10）

式中：Pi为某一工况下第i个栅格单元在给定时间段内的灾害发生概率；Lmax/day为研究区有监测记录以来发灾当日最大降雨量；L为不同工况下的年最大日降雨量；Hi为某一工况下第i个斜坡单元的危险性指数；Yi为第i个栅格单元的易发性指数；Ymax为研究区斜坡单元最大易发性指数。

关于灾害发生概率的计算，通常考虑假定不同雨量工况下，以发灾当日的最大雨量作为诱发极值，完成各工况下的地质灾害危险性预测评价。

为解决研究区全年各月地质灾害工作部署调度及地质灾害高危险区动态变化的实际需求，考虑将灾害发生概率公式进行优化，即以有监测记录以来发灾当月月均最大降雨量Mmax/month替换Lmax/day，本次研究降雨极值为5月月均降雨量，而以近10 a来各月月均降雨量值M替代不同工况日降雨量L，即优化公式为

Pi=MMmax/month（11）

该计算公式更侧重于表达月度防控视角下受各月雨量激发而导致不同月度地质灾害危险性分区评价的差异性结果。各月度灾害发生概率计算结果如图8所示，各月灾害发生概率均有所区别，总体来看，5～8月灾害发生概率最高。

5.2" 月度防控视角下地质灾害危险性评价

在灾害发生概率计算结果的基础上，以月度为最小时间评价单元，采用优化后的极值降雨假设法，以5月月均降雨量270.33 m作为降雨极值，完成1～12月地质灾害危险性评价及分区，分区标准如表6所列［26］，分区结果如图9所示，各月度危险区变化情况如图10所示。1～4月全区多处于低危险区内，5～8月高与极高危险区面积急剧提升，9月开始至12月低危险区又立即占据主导地位。因此，全年地质灾害重点防御时段为5～8月，其次为1～4月与9～12月。重点防御时段需要关注的重点地段为研究区北部、中部及南部，该区域高及极高危险区分布面积最大。此外，东北部及南西部人员密集区也存在零星分布的高与极高危险区。

6" 结论及建议

（1） 留隍镇地质灾害按易发性大小划分为低、中、高、极高4级，各级面积占比分别为58.60%，22.99%，13.39%，5.02%。评价结果经ROC曲线检验，精度达到0.81，表明评价结果客观有效。

（2） 通过优化后的灾害发生概率公式完成留隍镇各月度地质灾害发生概率评价，结果显示，5～8月留隍镇地质灾害发生概率最大。

（3） 基于灾害发生概率计算结果，叠加地质灾害易发性评价结果，完成各月度地质灾害危险性评价分区。从时间尺度上看，5～8月高危险区及极高危险区占比最大，建议将其作为全年重点防御时段；从空间分布上看，5～8月高危险区与极高危险区都集中分布于留隍镇北部、中部及南部，东北部与西南部零星分布，建议将上述区域作为重点防御区。

参考文献：

［1］" 魏敏.广东省强降雨诱发地质灾害的统计研究［D］.焦作：河南理工大学，2011.

［2］" 麦鉴锋，冼宇阳，刘桂林.气候变化情景下广东省降雨诱发型滑坡灾害潜在分布及预测［J］.地球信息科学学报，2021，23（11）：2042-2054.

［3］" 江金进，赖波，江山，等.珠海市横琴新区地质灾害分布特征及易发性评价［J］.地质灾害与环境保护，2022，33（1）：30-36.

［4］" 陈陆军，易武，黄晓虎，等.谭家河滑坡监测与精细化预警模型研究［J］.水利水电快报，2024，45（2）：34-43.

［5］" CHEN Z，SONG D Q.Modeling landslide susceptibility based on convolutional neural network coupling with metaheuristic optimization algorithms［J］.International Journal of Digital Earth，2023，16（1）：3384-3416.

［6］" 秦红富，谈树成，施旖奇，等.基于CF-LR组合模型的地质灾害易发性评价：以云南省宁洱哈尼族彝族自治县为例［J］.人民长江，2022，53（7）：119 -127.

［7］" STEFANELLI T C，CASAGLI N，CATANI F.Landslide damming hazard susceptibility maps：a new GIS-based procedure for risk management［J］.Landslides，2020，17：1-14.

［8］" 王存智，张炜，李晨冬，等.基于GIS和层次分析法的沙溪流域滑坡地质灾害易发性评价［J］.中国地质调查，2022，9（5）：51-60.

［9］" 张凌煜，薛东剑，陈磊，等.基于超效率数据包络分析-信息量模型的沧源县地质灾害危险性评价［J］.科学技术与工程，2022，22（29）：12782-12790.

［10］" 闫成林，郑德风，年廷凯，等.基于 ANP的模糊贝叶斯网络模型及其在海岸带地质灾害风险评价中的应用［J］.工程地质学报，2021，29（6）：1862-1868.

［11］" 徐庆方，何开寿，胡励耘，等.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［J］.安全与环境工程，2023，30（5）：152-165.

［12］" 李阳.信都区地质灾害风险评价及预警模型研究［D］.石家庄：河北科技大学，2022.

［13］" 林齐根，王磊斌，张家慧.全球温升1.5 ℃和2.0 ℃情景下中国降雨诱发地质灾害危险性和人口暴露度评估研究［J］.地球信息科学学报，2023，25（1）：177-189.

［14］" 张俊，殷坤龙，王佳佳，等.三峡库区万州区滑坡灾害易发性评价研究［J］.岩石力学与工程学报，2016，35（2）：284-296.

［15］" 刘月，王宁涛，周超，等.基于ROC曲线与确定性系数法集成模型的三峡库区奉节县滑坡易发性评价［J］.安全与环境工程，2020，27（4）：61-70.

［16］" 胡杨，张紫昭，林世河.基于证据权与逻辑回归耦合的新疆伊犁河谷地区滑坡易发性评价［J］.工程地质学报，2023，31（4）：1350-1363.

［17］" 彭志忠，袁飞云，肖锋，等.多源遥感数据融合调查的复杂山区滑坡易发性评价方法研究［J］.地质灾害与环境保护，2023，34（1）：1-7.

［18］" 孙剑锋，马超，胡金树，等.基于灰色关联度与层次分析法耦合的地质灾害易发性评价：以浙江省云和县崇头镇为例［J］.工程地质学报，2023，31（2）：538-551.

［19］" 冯培华，向灵芝，罗亮，等.基于灾害熵与层次分析法的泥石流危险性评价对比分析［J］.科学技术与工程，2023，23（29）：12416-12426.

［20］" 芦磊，张斌，郑达.基于AHP-CRITIC的公路土质路堑边坡风险评估模型［J］.人民长江，2023，54（1）：133-139.

［21］" 罗亮，宋国虎，唐良琴，等.白龙江武都区段泥石流分布规律及其危险性评价［J］.人民长江，2022，53（5）：135-142.

［22］" 刘铁铭，郭有金，刘艳领.基于聚类算法优化样本的地质灾害易发性评价［J］.人民长江，2023，54（3）：117-124.

［23］" MA J W，WANG X D，YUAN G X.Evaluation of geological hazard susceptibility based on the regional division information value method［J］.ISPRS International Journal of Geo-Information，2023，12（1）：17-27.

［24］" WANG K，ZHANG S J.Rainfall-induced landslides assessment in the Fengjie County，Three-Gorges reservoir area，China［J］.Natural Hazards，2021，108（1）：1-28.

［25］" 姬永涛，王鲜，郝业，等.基于斜坡单元的陕西省城镇地质灾害风险调查评价：以西安市蒋村街道为例［J］．灾害学，2022，37（4）：211-219.

［26］" 严明，谢婉丽，何亚南，等.基于极值降雨假设法的城镇地质灾害风险性评价耦合模型研究：以安康市岚皋县官元镇为例［J］.灾害学，2023，38（4）：219-227.

（编辑：刘 媛）

Risk assessment on geological hazards in urban areas of lower reaches of Hanjiang River from perspective of monthly prevention and control

WANG Tianhe，LAI Guilin，LI Kun，CUI Jinfeng，ZHONG Tianfu

（Foshan Geological Bureau of Guangdong Province，Foshan 528000，China）

Abstract：

The geological environment conditions in the mountainous areas of South China are complex，and geological disasters occur frequently.It is urgent to carry out regional geological hazard risk assessment and solve the problem of “where geological disasters are most likely to occur on a monthly basis and corresponding high-risk areas”，and deploy corresponding prevention and control measures in a targeted and phased manner to effectively reduce the losses.Liuhuang Town，Meizhou City，Guangdong Province，located downstream of the Hanjianh River，was selected as the research area.Eight evaluation indicators were selected，including slope gradient，slope shape，elevation，engineering geological rock group，soil thickness，distance from the fault，vegetation NDVI value，and land type.The indicators were graded and assigned values using the disaster frequency ratio （FR） model，and the weight of indicators was calculated by the grey correlation method.The geological hazard susceptibility in the study area was evaluated with an information quantity model，and the results were verified through ROC curves.Based on the susceptibility evaluation，a month was used as the minimum time evaluation scale，and the maximum monthly average rainfall in historical disaster records was used as the excitation extremum to optimize the rainfall assumption model.The occurrence probability of geological hazards from January to December was calculated，and the risk assessment and zoning of geological hazards in each month were completed.The results showed that： ① Overall，the geological hazards in Liuhuang Town were divided into four types of prone areas，namely low prone area，medium prone area，high prone area，and extremely high prone area.The area proportions of each area were 58.60%，22.99%，13.39%，and 5.02%，respectively.The accuracy of the ROC curve test evaluation reached 0.81，indicating that the evaluation results were objective and effective.② The monthly geological hazard assessment results showed the probability of geological disasters occurring in Liuhuang Town was the highest from May to August.This period was recommended to be a key defense period for the whole year.Spatially the disasters were concentrated in the northern，central，and southern parts of Liuhuang Town，which should be assigned as key defense areas.The research results can provide a reference for the dynamic adjustment of disaster prevention and control work arrangements and measures in different months in the research area.

Key words：

geological hazards； monthly hazard assessment； disaster frequency ratio； grey correlation degree； weighted information content； assumption of extreme rainfall； lower reaches of Hanjiang River