基于LOGISTIC的海南熱帶雨林國家公園公路沿線地質災害敏感性評價

李 信 ,薛桂澄 ,柳長柱 ,馬 波，楊永鵬，楊 峰，王曉林

1.海南省海洋地質資源與環境重點實驗室，海南?？?570206；2.海南省地質調查院，海南?？?570206

地質災害敏感性是指一定空間范圍內，在自然和人類活動作用下，發生地質災害的可能性。山區公路沿線的地質災害敏感性是指在山區公路沿線，當自然或人為因素導致某一地段或段落發生地質災害的可能性。開展地質災害敏感性評價與區劃，可以有效地識別地質災害敏感性，對地質災害精準化監測與防控具有指導意義。海南熱帶雨林國家公園位于海南島中部山區，是建設中的海南自由貿易港的重要組成部分，也是海南國家生態文明試驗區的核心區，加強海南熱帶雨林國家公園的地質環境監測和保護具有重要意義。開展海南熱帶雨林國家公園山區公路沿線的地質災害敏感性評價與區劃，可以有針對性地為海南熱帶雨林國家公園管理局提供地質災害防治措施和減災建議，提高對山區公路沿線地質災害的監測與預警能力。隨著GIS的應用推廣和機器學習理論日臻完善，地質災害影響因素相關性定量化程度越來越高，地質災害敏感性評價在機器學習和深度學習的加持下，敏感性評價預測的準確性得到了大幅度的提升。目前地質災害敏感性因素的定量研究主要基于證據權重法（趙祈溶等，2021）、信息量法（彭珂等，2018；李信等，2022a；賴波等，2023；章昱等，2023）、頻率比（齊信等，2017）、貢獻率（吳森等,2016）、確定性系數（李劍鋒等，2021）等熱門方法；而基于敏感性指數與地質災害影響是否呈線性關系，敏感性評價模型有模糊數學、多元回歸分析、層次分析法的線性假設模型和灰色理論、人工神經網絡、支持向量機等非線性假設模型（Althuwaynee et al.,2016；張曉敏等,2018；Adineh et al.,2018；宋亞婭和張航泊,2020；Nanehkaran et al.,2022；李明等，2023）；實際研究中敏感性因素對地質災害發生并不是一致的線性關系，前者缺點是結果客觀性不強，后者需要對樣本數據進行深度挖掘才能得到較好的非線性假設，對于樣本不大的區域適用性不高。確定性系數法評價地質災害敏感性具有可操作性強和運用廣泛等特點；作為一種機器學習方法，邏輯回歸模型不需要曲線估計，只需對對數概率進行轉換，將敏感性因子與地質災害發生與否的非線性關系變換為線性關系，是一種較為成熟的統計方法（Ayalew and Yamagishi,2005）；李信等（2022b）以五指山市為例分別利用邏輯回歸模型與信息量模型的耦合模型和信息量的單一模型進行敏感性評價，結果顯示耦合模型預測的準確性更高。以往研究尺度集中在縣域行政區，對山區公路沿線開展的敏感性評價研究較少，本文將以國家熱帶雨林山區公路沿線為研究對象，選取斷裂、坡度、坡向、水系、公路、降雨量作為敏感性評價指標，對地質災害主控因素進行分級分析，采用確定性系數法與邏輯回歸的耦合模型和確定性系數的單一模型開展地質災害敏感性評價；并對評價的準確性和合理性進行對比分析。研究成果將為海南熱帶雨林國家公園沿線公路地質災害防治和災害預警提供科學依據。

1 尖峰嶺公園公路沿線地質概況

海南熱帶雨林國家公園尖峰嶺園區位于海南島西南部，樂東縣的尖峰鎮內（圖1）。地理坐標為東經108°36′～109°05′，北緯18°23′～18°52′。尖峰嶺園區地處熱帶北緣，屬熱帶季風氣候，年平均氣溫24.5°C，年平均降雨量2265.8 mm，年均相對濕度88%，年均日照時數1625 h。尖峰嶺園區發育河流主要有東南向的南巴河和南向的望樓河，南巴河經昌化江匯流入海;望樓河經長茅水庫后匯流入海。尖峰嶺公園公路地區屬侵蝕構造中低山區，最高的山峰為尖峰嶺，海拔1400 m。

圖1 海南省熱帶雨林公園概況圖Fig.1 Overview of Hainan Tropical Rainforest Park

尖峰嶺公園公路沿線地質環境條件較復雜，公路沿線面積約為96 km2；地層為第四系，巖性為礫質粘性土、沖洪積砂粒、粉砂；巖漿巖為二疊紀、三疊紀花崗巖。尖峰嶺公園公路沿線發育的較大斷裂為東西向尖峰-吊羅斷裂帶，小型斷層為尖峰七隊斷層等。尖峰嶺公園公路沿線崩塌地質災害頻發，共計80 處，發育密度最高為2.87 處/km2，嚴重威脅公路沿線過往的人民生命財產安全。

2 研究方法

地質災害影響因素分析旨在通過概率函數將影響因子定量化，來衡量在不同因子條件下地質災害的響應程度（羅路廣等,2021a）。確定性系數模型是指將各因子分級區間內地質災害個數轉換成確定性系數，通過各級確定性系數大小變化規律判定因子分級內部的主控因素。以確定性系數為自變量，以是否發生地質災害為因變量，運用二元邏輯回歸模型，計算出二元回歸系數，將回歸系數歸一化后作為刻畫各個獨立因子之間對地質災害的影響程度大小，確定地質災害影響因素在地質災害敏感性評價中的權重，最后對定量化的圖層進行疊加分析，形成地質災害敏感性區劃和結果。

2.1 確定性系數模型（CF）

確定性系數模型是精度較高、可操作性強且能定量地反映出地質災害發育規律的模型（李劍鋒等,2021）。該模型是假設已發生的地質災害和未來將發生的災害處于相同的地質環境條件下。計算公式為：

式中：ICF為確定性系數；Pa為地質災害在因子a 中發生的條件概率，以因子a 中的地質災害個數（或面積）與a的面積比值表示；Ps表示災害總數（或面積）與總面積的比值。由公式（1）可知，ICF的變化范圍為[-1，1]。ICF為正值時表示地質災害發生的確定性高；ICF為負值時表示地質災害發生的確定性低（李劍鋒等,2021）。

2.2 確定性系數-邏輯回歸模型（CFLR）

二元邏輯回歸是一種能針對定性不連續變量進行有效、準確定量的預測統計模型（羅路廣等,2021b）。該模型以確定性系數值為自變量（xi），以地質災害發生與否（地質災害發生取值為1，不發生為0）為因變量，建立邏輯回歸方程預測地質災害發生的概率（P）。二元邏輯回歸模型操作簡單，自變量類型可以是連續的也可以是離散的，在地質災害易發性評價中得到廣泛應用。邏輯回歸函數公式為：

式中：P 為當Y 取值為1 時發生地質災害的概率；xn為自變量，此處為確定性系數ICF；βn為邏輯回歸系數。

利用確定性系數模型計算公式（1）計算出各個因子的敏感性指數ICF值，再將ICF值作為自變量代入邏輯回歸模型公式（3）進行運算得出二元邏輯回歸系數，最后將回歸系數歸一化為各評價因子的權重，并對所有評價因子加權求和得出確定性系數邏輯回歸模型易發性指數ILRCF，公式如下：

3 影響因素敏感程度分析

由于眾多影響因素中，不同因子之間存在一定的相關性，如坡度、起伏度等具有地質災害發育響應的同方向性。Pourghasemi and Rossi（2017）回顧了2005～2012年220篇文獻研究，坡度、地層巖性、坡向、土地利用、河流緩沖距離、海拔高程、斷裂緩沖距離、平面曲率、剖面曲率、公路緩沖距離為從高到低使用頻次前十的影響因子。根據前人研究成果和海南熱帶雨林國家公園地質背景，選取了地質災害敏感性分析中最常使用的斷裂、坡度、坡向、水系、公路、降雨量6個因素應用于本研究；利用確定性系數模型公式（1），運用GIS 空間分析功能繪制出敏感性分級與各因子之間的疊加分布圖，基于各分級災害百分比和面積百分比的敏感性指數的方法來衡量和刻畫地質災害在各因子分級內部的分布規律，因子分級間的數據采用右半開區間，即數據只含左端點而右端點不包含在內的區間（如圖2）。

圖2 研究區地質災害影響因子分級圖Fig.2 Classification map of susceptibility evaluation factors of geohazards in study area

3.1 斷裂距離

斷裂構造作用為災害的孕育提供了破碎的巖層和軟弱的結構面（劉廣寧等,2019）。尖峰嶺公園公路沿線主要的大斷裂帶為尖峰-吊羅構造斷裂帶，呈東西走向，位于北部的天池林場-林業局二廠一帶；其次為尖峰七隊斷層，呈北西走向（圖1）。斷裂帶一定范圍內巖層破碎,裂隙、結構面發育，形成大量破碎、松散堆積物。黃潤秋和李為樂（2009）就斷裂構造對地質災害影響范圍進行研究表明：斷裂在0～7000m范圍內對地質災害影響較大，故將尖峰嶺公園公路沿線的斷裂緩沖距離（單位：m）分級為[0,1000）、[1000,2000）、[2000,3000）、[3000,4000）、[4000,5000）、[5000,6000）、[6000,7000）、≥7000（圖2a）。

斷裂構造對崩塌、滑坡的發育延伸方向、發育規模及分布密度具有一定的控制作用（王高峰等,2017）。公路沿線地質災害受東西向尖峰-吊羅構造（斷裂）帶以及尖峰七隊斷層的影響，如圖3a所示距斷裂帶越近，地質災害占比越大，距離斷裂1000 m范圍內地質災害發育最多；隨著距斷裂緩沖距離的增加，地質災害占比總體減少；在斷裂緩沖距離（m）[3000，4000）處地質災害百分比達到第二個高點，敏感性指數達到最大，為0.254，表明[3000 m，4000 m）是尖峰嶺公路沿線地質災害最易發生的斷裂緩沖區間。由此可見，斷裂是影響地質災害發育分布的重要因素之一，斷裂對地質災害的影響作用隨著距離的增加而減弱。

圖3 研究區地質災害影響因子分級敏感指數統計圖Fig.3 Statistics of susceptibility evaluation index of geohazard in study area

3.2 坡度

坡度對斜坡體應力分布有直接影響，坡度的大小決定了坡體表層松散物失穩概率的大?。T衛等,2021）。為便于分析，以10°坡度為間隔將尖峰嶺公園公路沿線坡度（單位：°）劃分為6級，分別為[0，10）、[10，20）、[20，30）、[30，40）、[40，50）、≥50（圖3b）。尖峰嶺公園公路沿線地質災害主要分布在坡度以0～30°為主的地區（圖2b）。敏感性分析結果表明，雖然在50°以上坡度范圍內地質災害分布不多，但是敏感性指數最高，表明此坡度段是崩塌地質災害發育最有利的坡度。

地質體失穩破壞基本上發生于松散覆蓋層與基巖交界面或巖石破碎的結構面，當坡度較低時，斜坡體上利于形成松散堆積物（張宏鑫等,2020）。如圖3b，坡度在30°以內地質災害占比最高，當坡度緩慢增長時，地質災害敏感性指數呈現緩慢下降趨勢；當坡度大于40°時，敏感性指數開始反轉，其原因是道路工程的切坡、開挖誘發了大量的地質災害；當坡度大于50°時，地質災害發育數量不多，敏感性指數和頻率比卻達到峰值，主要是當坡度變陡時，斜坡上土體滑動力顯著增大，超過摩擦阻力的臨界值時，發生地質災害的概率將顯著增加。

3.3 坡向

太陽入射角度、輻射強度、輻射時間在不同坡向上存在一定的差異；植被發育狀況和土壤濕度在不同的坡向上也存在較大的差異（馮凡等,2019）。本文將不同分布位置的坡向分為9 個，分別為平面、北坡、東北坡、東坡、東南坡、南坡、西南坡、西坡、西北坡（圖2c）。通過坡向與地質災害疊加分析，統計出地質災害在各個方位上的分布，并計算各個坡向的敏感性指數。

向陽的南坡、東坡和東南坡是發生地質災害的幾率大于其他坡向。如圖3c 所示，北坡、東坡、南坡、東南坡、西南坡方向的地質災害發育占比超過了70%，主要因為受臺風強降雨以及熱帶強輻射的影響，南坡、東坡方向向陽面的干濕循環速度明顯高于陰面西坡的土體。

3.4 公路緩沖距離

公路施工常常伴隨著斜坡體的開挖、切削，其對土體的振動、擾動改變了斜坡體的應力狀態，降低了巖土體的粘聚力，增大了滲透系數，在強降雨的作用下形成地質災害（張曉東等，2018；劉廣寧等，2019）。尖峰嶺公園公路包括西段的林業局場部至天池公路和東段的林業局場部至尖峰嶺公路，根據公路切坡對地質災害的影響情況，本文將公路緩沖距離（單位：m）劃分為[0，200）、[200，400）、[400，600）、[600，800）、[800，1000）、≥1000六個區間（圖2d）。對公路緩沖距離與地質災害進行疊加分析，統計出地質災害在不同緩沖距離區間內的分布，并計算其敏感性指數。

由圖3d 可知，當公路緩沖距離在[0m，200m）區間時，敏感性指數最高，為0.297，其原因是公路施工切割坡體產生了眾多的人工危巖或不穩定邊坡，在強降雨作用下危巖或不穩定斜邊坡易失穩發生崩塌、滑坡地質災害。

3.5 水系緩沖距離

河流等地表流水對兩側岸坡巖土體的長期側蝕、浸泡和軟化，增大了斜坡的臨空面積，降低了巖土體強度，達到一定程度會失穩形成崩塌地質災害（李信等，2022c）。由于坡腳的土體常年浸泡變軟，土體強度逐漸降低，當土體重力大于其拉應力時，發生崩塌地質災害（黃長生等，2002）。根據尖峰嶺公園公路沿線水系對地質災害的影響情況，本文將水系緩沖距離（單位：m）劃分為[0，200）、[200，400）、[400，600）、[600，800）、[800，1000）、≥1000六個區間（圖2e）。通過GIS 空間分析和疊加分析，統計水系不同緩沖距離內的地質災害分布數量，并計算其敏感性指數。

由圖3e 可以看出，地質災害主要分布于距離水系800 m 以內，當水系緩沖距離逐漸增大時，地質災害占比總體呈下降趨勢。水系緩沖距離在1000 m 以上時仍可見一定數量的崩塌，主要是水系、溝壑兩側一定距離范圍內修路或建房開挖邊坡導致而成。故水系在一定程度上影響和控制了地質災害發生的概率。

3.6 降雨量

海南島地質災害集中發生在7～10 月的汛期，主要是受風暴潮和強降雨的誘發，降雨量是誘發地質災害的重要因素。尖峰嶺公園公路沿線出露花崗巖風化土，其斜坡變形破壞與累積降雨量具有明顯的相關性；斜坡變形破壞有一定的滯后性，滯后期為5～7 天。根據收集到的降雨量等值線圖，本文將降雨量（單位：mm）分為[640，740）、[740，840）、[840，940）、[940，1040）四個區間（圖2f）。

如圖3f，尖峰嶺公園公路沿線敏感性指數均為正，表明地質災害在640～1040 mm 內降雨量對地質災害發生的確定性高，在該范圍內的降雨量條件易于發生地質災害；敏感性指數隨著降雨量的升高而逐漸升高，單從災害點的占比來看，840～1040 mm地質災害發生的概率較大。

4 地質災害敏感性區劃與評價

4.1 確定性系數模型

依據確定性系數公式（1），計算出評價因子的確定性系數值即為敏感性指數ICF。運用GIS空間分析功能，對評價因子圖層進行疊加，按自然斷點法將疊加圖層進行劃分，得出地質災害敏感性評價區劃圖。

4.2 確定性系數邏輯回歸模型

依據邏輯回歸模型原理及公式,以確定性系數值作為邏輯回歸模型的自變量，以地質災害發生或不發生作為因變量進行邏輯回歸運算。為滿足邏輯回歸模型樣本點數量要求，文章利用GIS空間分析功能，生成420 個非災害點，與原有的80 個地質災害點共同組成500個邏輯回歸樣本。當運算的結果滿足顯著性水平小于0.05 時，統計具有意義，結果顯示顯著性均小于0.05（表1），滿足要求。

表1 邏輯回歸運算結果Table 1 Logistic regression calculation results

表1 中的B 為邏輯回歸模型的回歸系數，刻畫了評價因子確定性系數值（自變量）與是否發生地質災害（因變量）之間的相關度，常量代表無其他因子影響時不發生地質災害的相對程度。將邏輯回歸系數加權相加、歸一化運算后，分別得出了海南熱帶雨林國家公園公路沿線地質災害敏感性評價六個因子之間的權重值，并依據權重大小進行排序（表2），影響因素對地質災害發生概率的相關程度由大到小依次為：降雨量＞坡度＞公路緩沖距離＞水系緩沖距離＞斷裂距離＞坡向。

表2 研究區地質災害敏感性評價因子權重大小及排名Table 2 Weight and ranking of susceptibility evaluation factors of geohazards in study area

將回歸系數B代入公式（2）可得出邏輯回歸模型如下：

將回歸系數歸一化作為模型的權重，代入公式（3），可得出敏感性指數ICFLR。運用GIS空間疊加功能對因子圖層疊加，采用自然斷點分級法得到基于確定性系數與邏輯回歸耦合模型（CFLR）的敏感性區劃圖。

5 地質災害敏感性評價結果及檢驗

5.1 地質災害敏感性評價結果

基于確定系數模型（CF）和確定性系數邏輯回歸模型（CFLR），將易發性指數分別賦值評價因子圖層，運用GIS 疊加分析功能和重分類功能，分別進行了地質災害敏感性區劃，形成了基于兩種模型下的地質災害敏感性區劃圖（圖4）。

圖4 研究區地質災害敏感性評價因子疊加示意圖及兩種敏感性評價區劃圖Fig.4 Schematic diagram of the geohazard factors and zoning maps of two models of susceptibility evaluation in study area

根據兩種模型評價結果，將尖峰嶺公園公路沿線地質災害敏感性等級分區劃分為極低易發區、低易發區、中易發區和高易發區，其中，高易發區主要位于公路沿線地質災害較發育的地段，極低和低易發區位于人跡罕至的高海拔地區。尖峰嶺公園公路沿線地質災害點數量由低到高分別分布在極低易發區、低易發區、中易發區和高易發區（表3），因此，兩種評價模型結果都表明實際的地質災害發育分布情況與評價結果基本吻合。將已發生的地質災害點投入到敏感性分區得到CF 模型和CFLR 耦合模型高易發區的災害點比例分別為67.50%和83.75%；在極低易發區的災害點比例均為1.25%，在低易發區的災害點占比分別為6.25%和5.00%（表3）。災害點數量在CFLR 耦合模型中高易發區占比明顯高于CF 模型，災害點數量在低易發區占比CFLR 模型明顯低于CF 模型，表明CFLR 模型預測災害點的準確性高于CF 模型。

表3 研究區兩種地質災害敏感性評價模型檢驗結果對比Table 3 Comparison of test results of both evaluation models in study area

5.2 地質災害敏感性結果檢驗

地質災害敏感性評價結果的可靠性取決于模型的精度和敏感性，ROC 曲線被廣泛應用于分析模型特異性和敏感性的關系，具有較強的可操作性和科學性（楊志華等,2018），ROC 曲線（受試者工作特征曲線，Receiver Operating Characteristic）是反映敏感性與特異性之間關系的曲線，橫軸為1-特異性，也稱為假陽性率（誤報率），表示未發生災害被正確預測的累計百分比；縱軸稱為敏感度，也稱為真陽性率，表示災害單元被正確預測的累計百分比；ROC 曲線能夠較為直觀的以定量方式來描述預測模型的精度，使用AUC（曲線和橫軸之間的面積，Area Under Curve）值來對模型進行準確的比較和衡量，其值介于0.5～1之間，越接近1，則精度越高（繆信等,2016）。運用SPSS 軟件進行運算，CF模型和CFLR 模型的AUC 值分別為0.785、0.808（圖5），表明兩種模型均能客觀準確的對尖峰嶺公園公路沿線敏感性進行評價，然而在預測的精度上差異明顯，預測效果準確性為確定性系數與邏輯回歸耦合模型（CFLR）高于確定系數模型（CF）。

圖5 研究區地質災害敏感性預測ROC曲線Fig.5 ROC curve of geological hazard sensitivity prediction in study area

綜上所述，基于兩種模型對于海南熱帶雨林國家公園公路沿線進行地質災害敏感性評價，其評價結果與海南熱帶雨林國家公園公路沿線地質災害發育的實際情況基本一致，但確定性系數邏輯回歸模型（CFLR）較單一的確定性系數法（CF）具有更高的準確度和可靠性。

6 結論

（1）海南熱帶雨林國家公園公路沿線地質災害敏感性評價的六種影響因子中，斷裂距離[3000 m，4000 m），坡度50°以上，坡向為北坡、東坡、南坡、西南坡，公路緩沖距離為[0 m，100 m），水系距離為[0 m，200 m）時，在各評價因子分級中敏感性指數較高，對地質災害發育較為有利。評價因子對地質災害的影響程度由大到小依次為降雨量＞坡度＞公路緩沖距離＞水系緩沖距離＞斷裂距離＞坡向。

（2）海南熱帶雨林國家公園公路沿線地質災害敏感性評價結果將該區地質災害敏感性等級劃分為極低易發區、低易發區、中易發區和高易發區，高易發區主要位于公路沿線地質災害較發育的地段，極低和低易發區位于人跡罕至的高海拔地區。研究結果將為海南熱帶雨林國家公園公路沿線地質災害敏感性識別、精準化監測與防災減災提供指導。

（3）評價結果與地質災害發育分布情況基本吻合。評價模型的AUC值分別為0.785、0.808，均大于0.7，表明兩種評價模型具有較好的可靠性和客觀性；確定性系數邏輯回歸模型（CFLR）相比單一的確定系數模型（CF）具有更高的準確率。