基于信息量模型的滑坡災害易發性評價
——以重慶市為例

王佳妮, 王云琦?, 李耀明, 魏 商, 李 成, 王玉杰, 戚海梅

(1.北京林業大學水土保持學院,100083,北京;2.北京林業大學重慶縉云山三峽庫區森林生態系統定位觀測研究站,100083,北京;3.北京市水生態保護與水土保持中心,100086,北京;4.自然資源部重慶典型礦區生態修復野外科學觀測研究站 重慶地質礦產研究院,401120,重慶)

重慶市由于其地形地貌的復雜性、極端氣候的頻發性以及三峽工程的建設,致使其滑坡災害頻發,具有“點多、面廣”的分布特點[1]。2015年6月24日重慶巫山突發大面積滑坡造成6人傷亡,2001年5月1日重慶武隆縣發生山體滑坡造成79人死亡。因此,進行重慶市的滑坡災害易發性評價具備一定的必要性,為政府決策、提前預測、防災減災提供科學依據。

近年來由于遙感(remote sensing, RS)和地理信息系統(geographic information system, GIS)技術的迅速發展,對地質災害的評價由定性分析逐漸推向定量分析,大幅度提高評價和預測的精準度。目前常用的定量分析模型包括:頻率比模型、信息量模型、證據權模型、加權頻率比模型、集成學習模型、隨機森林模型、人工神經網絡模型、邏輯回歸模型等。毛華銳等[2]運用頻率比法繪制渝東北三峽庫區滑坡敏感性圖;田春陽等[3]采用信息量理論開展遼寧省西豐縣的地質災害評價工作;郭子正等[4-5]分別采用證據權法、加權頻率比模型對三峽庫區萬州區進行滑坡易發性等級預測;周超等[6]基于集成學習和徑向基神經網絡耦合模型(RBNN-Adaboost)評價三峽庫區龍駒壩滑坡敏感性;吳潤澤等[7]采用隨機森林模型對三峽庫區湖北段進行易發性評價;Yesilnacar等[8]對比分析了邏輯回歸模型和神經網絡模型在土耳其Hendek地區的易發性評價結果;Sun等[9]采用貝葉斯優化算法優化隨機森林模型中的參數,提高了三峽庫區奉節縣的滑坡評價精度;Sahana等[10]對比了邏輯回歸、模糊邏輯、頻率比3種模型在印度Rudraprayag地區的滑坡評價結果,結果表明模糊邏輯模型更適合評價Rudraprayag地區。上述模型都具各自的優點和缺點,不同地區適用的模型不同。由于信息量模型概念明確、客觀性強、適用范圍廣[11],使其在地質災害評價中被廣泛應用,且評價結果得到認可。

筆者以重慶市為研究對象,選取地形、地質、水文環境、人類活動4大類指標,采用相關性檢驗剔除相關系數較大的指標后,建立研究區滑坡災害易發性的評價指標體系;基于信息量模型確定各評價指標對歷史滑坡災害提供的信息量值以及確定主要影響因子;再基于GIS平臺,將各評價指標的信息量值進行疊加得到研究區的總信息量值,進行易發性分區;最后統計歷史滑坡災害點在各易發性分區的分布情況,計算信息量模型的預測精度。

1 研究區概況

重慶市位于我國內陸西南部、長江上游地區,下轄巫山、巫溪、奉節 、開州、云陽等38個區縣。地跨E 105°11′～110°11′、N 28°10′～32°13′,總面積約8萬2 422 km2。研究區屬于亞熱帶濕潤季風氣候區,平均相對濕度在70%～80%,年均降雨量1 000～1 350 mm,集中分布于汛期5—9月,多災害性暴雨天氣。區內地勢東高西低,最高海拔2 786 m,最低海拔52 m,地質構造復雜多樣,地形以丘陵、山地為主。由于其地形、地質、水文環境等因子的特殊性,造成其滑坡災害頻發。據統計,2000—2020年期間,區內共發生滑坡8 756次,其中主要分布在奉節(1 288次)、巫山(783次)、云陽(602次)、萬州(490次)、忠縣(467次)、江津(444次)、涪陵(431次)、開州(417次)8個區縣(圖1)。

2 評價指標與信息量模型

2.1 評價指標選取

根據前人研究[12],地質災害的影響指標分為地形、地質、水文環境、人類活動因子4大類。筆者選取地形因子包括高程、坡度、坡向;地質因子包括地層巖性、距構造距離;水文環境因子包括距水系距離、降雨量、土壤類型;人類活動因子包括土地利用類型、距道路距離、歸一化植被指數(normalized difference vegetation index, NDVI)。

根據野外實地調查與評價精度的要求,收集各指標因子數據,數據源見表1。采用ArcGIS 10.2中的柵格表面工具從高程數據中提取坡度、坡向;基于地質圖、構造綱要圖中提取巖性、構造信息;采用ArcGIS 10.2中的多環緩沖工具對構造、水系、道路等數據進行處理;通過ArcGIS 10.2中的克里金插值法對多年原始降雨量數據插值得到重慶市平均月降雨柵格數據;采用ArcGIS 10.2中地圖代數的柵格計算器能求得重慶市2000—2020年的NDVI多年均值。在基于遙感影像數據確定全區滑坡分布的情況下,根據野外實地調查、滑坡詳勘資料等對滑坡歷史清單信息進行更新補充。

2.2 信息量模型

滑坡災害的發生受多種因子耦合作用影響,區域位置不同,各因子的影響程度不同。信息量法是一種統計預測方法,通過統計各因子在歷史滑坡災害中所提供的信息量,對區域內滑坡易發性進行分區具有依據性。信息量值越大,指標因子對滑坡的影響程度越大,在進行分區時滑坡災害發生的可能性越大。

式中:F(i,L)為指標因子(或范圍)i對區域內滑坡災害發生所提供的信息量值;Ni為指標因子(或范圍)i內已發生的滑坡次數;N為研究區已發生的滑坡總次數;Mi為指標因子(或范圍)i的面積,km2;M為研究區總面積,km2。

完成各指標因子(或范圍)i的信息量計算后,通過ArcGIS 10.2中的柵格疊加功能將所有指標因子(或范圍)i的信息量值進行疊加得到研究區的總信息量值

式中n為指標因子數量。

3 指標因子分析

3.1 地形因子

高程、坡度屬于連續型變量,依據自然斷點法將高程、坡度指標分為6個等級,滑坡災害及各指標的等級空間分布見圖2,對應信息量值見表2。高程是影響滑坡發育的重要因素,具體體現在:直接影響坡體內部的受力面分布以及受力是否均勻,以及間接影響溫差、植被分布、人類活動等指標。重慶市高程分布呈現東高西低,90.50%的滑坡發生在[3 m, 957 m)區間內(圖2a)。當高程位于[957 m,1 294 m)、[1 294 m,1 739 m)、[1 739 m,2 786 m]區間時,滑坡數量分別為704、117、8,滑坡數量極劇減少,原因為當高程大于957 m時,降水和人類活動較少,導致滑坡不易發生。坡度會直接影響斜坡的穩定性,對滑坡災害的發生起著決定作用[13]。由圖2b可知,重慶市坡度分布為東北高、西北低,81.06%的滑坡發生在[7°, 28°)之間,當坡度≥37°時,幾乎沒有滑坡發生(1.18%)。坡向是指臨空面的朝向,不同坡向直接影響光熱的再分配,影響水分狀況和植被分布,從而影響斜坡穩定性。坡向屬于離散型變量,本文等級劃分中,坡向分為平地、北、東北、東、東南、南、西南、西、西北9個等級?；略谄降厣戏植驾^少(滑坡次數為3),南、西南、東南的信息值較大,分別為0.100、0.092、0.036,表明滑坡更易發生在南面[14]。

圖2 重慶市地形因子Fig.2 Topographic factors of Chongqing city

3.2 地質因子

地層巖性屬于離散型變量,直接將類型劃分為12個等級。重慶市主要以砂巖、石灰巖、泥巖、頁巖為主,其次為泥灰巖、礫巖、花崗巖,局部分布有千枚巖、板巖、玄武巖(圖3a)。不同類型的巖石物理力學特性存在較大差異[15],例如泥巖、頁巖、板巖、千枚巖的巖性差,所構成的斜坡易風化產生泥化礦物,致使坡體結構面抗剪強度降低,破壞坡體穩定性。重慶市的砂巖、泥巖主要分布在西北部,石灰巖、頁巖主要分布在東北部和南部。其中,91.53%的滑坡發生在砂巖、泥巖、頁巖、石灰巖4個巖層上,但板巖的信息量值最大,表明重慶市板巖分布少,但只要板巖存在的區域發生滑坡的概率最大。距構造距離屬于連續型變量,基于ArcGIS的多環緩沖功能將距離分為7個等級,地質構造通過影響坡體內部軟弱結構面的發展與演化間接影響斜坡穩定。據圖3b和表2可知,48.20%的滑坡發生在距構造2 500 m的范圍之外,但其信息量值最小。距構造距離[500 m,1 000 m)區間的信息量值最大,表明在距構造[500 m, 1 000 m)范圍內最易發生滑坡。

圖3 重慶市地質因子Fig.3 Geological factors of Chongqing city

3.3 水文環境因子

距水系距離屬于連續型變量,基于ArcGIS的多環緩沖功能將距水系距離分為7個等級。水流的下切作用以及入滲作用會破壞邊坡內部應力分布,據圖4a和表2可知重慶市58.92%的滑坡發生距水系2 500 m范圍之外,其信息量值最小。距水系距離[200 m, 500 m)的信息量值最大,表明重慶市在距水系[200 m, 500 m)距離內最易發生滑坡。降雨量屬于連續型變量,依據自然斷點法將降雨量分為6個等級;降雨是滑坡災害產生的主要誘發因素[16],其影響主要體現在4方面:1)降雨對地表的擊濺作用破壞坡面表層結構;2)降雨入滲會在坡面淺表層形成暫態飽和區,降低土體有效應力,加速坡體變形;3)雨水的入滲提高坡體含水量,增加坡體自重;4)未入滲的雨水形成地表徑流沖刷坡面。據圖4b和表2可知,重慶市的月均降雨量主要分布于[134 mm, 157 mm]之間,東南、西北降雨量較大;其中,6 526次(74.53%)滑坡發生在降雨量[134 mm, 148mm)的區域,[134 mm, 139mm)區間的信息量值最大,表明在月均降雨量位于[134 mm, 139mm)區間的地域,最易發生滑坡災害。

圖4 重慶市水文環境因子Fig.4 Hydro-environmental factors of Chongqing city

土壤類型屬于離散型變量,直接將類型劃分為8個等級;不同類型的土壤存在不同的物理力學特性。據圖4c和表2可知,重慶市主要以黃壤和紫色土為主,分別占47.94%和39.36%,黃壤土主要分布在西北部,紫色土主要分布在東北部和南部。89.47%的滑坡發生在黃壤和紫色土,黃壤的信息量值最大,表明重慶市滑坡災害主要發生在黃壤地區。

3.4 人類活動因子

土地利用類型屬于離散型變量,直接將類型劃分為6個等級。土地利用會影響水土流失、降雨入滲、地表結構特征,不合理的土地利用加速滑坡發育。據圖5a和表2可知,重慶市的土地利用主要以耕地和林地為主,分別占45.48%和40.76%;耕地主要分布在西北部和西南部,林地主要分布在東北和東南部。其中,84.43%的滑坡發生在耕地和林地上,兩者的信息量值分別為0.159和-0.270,耕地更易誘發滑坡發生。距道路距離屬于連續型變量,基于ArcGIS的多環緩沖功能將距道路距離分為7個等級。道路建設破壞了原有的自然地質條件,破壞坡體自身平衡狀態。據圖5b和表2可知,50.54%的滑坡發生在距道路2 500 m范圍之外,但其信息量值最小;[0, 200 m)的信息量值最大,表明在距道路200 m范圍之內最易發生滑坡。NDVI屬于連續型變量,依據自然斷點法將NDVI分為6個等級,植被的護坡作用通過力學機制、水文機制發揮作用。重慶市的NDVI分布在[8%, 74%]之間,主要呈現東北高、西北低的走勢(圖5c)。NDVI 為[8%, 38%)時,信息量值最大,表明植被覆蓋較少的地方更易發生滑坡災害。

圖5 重慶市人類活動因子Fig.5 Human activity factors of Chongqing city

4 重慶市滑坡易發性評價

4.1 指標因子相關性

依據工程地質類比法的思想,各指標因子之間存在一定的相關性。若選取所有指標進行評價分析,各指標之間的影響權重可能會疊加,影響評價結果的準確性。因此,采用ArcGIS中的波段集統計工具對11個指標進行相關性檢驗,得到各指標之間的相關性系數分布在-0.310～0.648之間,以弱相關和無相關為主(圖6)。其中,共有3組指標因素的相關性較強:高程與坡度(0.440)、高程與NDVI(0.648)、坡度與NDVI(0.510)。由于高程分別和坡度、NDVI指標相關,且相關系數較大,因此易發性評價過程中剔除高程指標。

4.2 基于信息量模型的指標因子分析

通過直接分類、自然斷點、多環緩沖3種方法確定各指標因子的等級劃分后,結合相關性分析結果,選取坡度、坡向、地層巖性、距構造距離、距水系距離、降雨量、土壤類型、土地利用類型、距道路距離、NDVI 10個指標作為信息量模型的評價指標體系。將各指標因子的信息量值進行統計并進行排序(表2),排序前5位的分別為:距水系距離[200 m,500 m)(信息量值0.809)、NDVI[8%,38%)(信息量值0.563)、坡度[13°,20°)(信息量值0.500)、距水系距離[0,200 m)(信息量值0.429)、距水系距離[500 m,1 000 m)(信息量值0.428)。表明重慶市水系、NDVI、坡度是影響滑坡發育的主要影響因子。

4.3 重慶市滑坡災害易發性評價

將評價指標體系中的10個指標因子的信息量通過ArcGIS的柵格疊加分析得到重慶市的總信息量值分布于-5.516～3.584之間。通過自然斷點法將總信息量劃分為5類:不易發區[-5.516,-2.233)、低易發區[-2.233,-1.087)、中易發區[-1.087,-0.239)、高易發區[-0.239,0.573)、極高易發區[0.573,3.584]。

繪制滑坡災害易發性分區圖,研究區主要以高易發區和中易發區為主(圖7)。重慶市極高易發區面積為1萬4 230.14 km2,占研究區面積的17.26%,已發生滑坡次數3 627次,占滑坡總數41.42%。極高易發區在重慶市各個區縣均有分布,主要集中分布于渝中、南岸、大渡口、巴南、江北、云陽。根據圖7可以看出,極高易發區的空間分布與水系分布高度吻合。高易發區面積為2萬6 222.76 km2,占研究區面積的31.82%,已發生滑坡次數3 220次,占滑坡總數36.77%。高易發區在重慶市各個區縣均有分布,主要集中分布于酉陽、忠縣、九龍坡、彭水、渝北區域。中易發區面積為2萬3 260.00 km2,占研究區面積的28.22%,已發生滑坡次數1 351次,占滑坡總數15.43%。低易發區面積為1萬5 293.23 km2,占研究區面積的18.55%,已發生滑坡次數501次,占滑坡總數5.72%。不易發區面積為3 415.88 km2,占研究區面積的4.14%,已發生滑坡次數57次,占滑坡總數0.65%。其中,渝中、南岸、巴南、大渡口、江北、云陽分別有96.97%、86.46%、80.94%、78.53%、77.46%和71.56%的區域處于極高易發區和高易發區,應加強滑坡災害防治措施。

圖7 重慶市滑坡災害易發性分區Fig.7 Landslide susceptibility mapping of Chongqing city

5 討論

基于信息量模型確定重慶市滑坡災害的3大主要影響指標為水系、NDVI和坡度。水系對邊坡影響主要體現在3方面[17]:1)河流對岸坡坡腳的沖刷、掏蝕作用,為滑坡的發生提供了良好的臨空條件;2)水位的周期性變化,使岸坡土體長期處于干濕交替狀態,破壞岸坡土體強度,使岸坡變形特征產生不可逆的變化;3)水的入滲作用會增加邊坡含水量,對巖土體起到軟化作用。當距水系距離特別近時,水同時也會對邊坡土體產生靜水壓力,促使邊坡短時間內不會發生失穩,這可能也是距水系[200 m,500 m)信息量值比[0,200 m)大的原因,是否正確還需進一步細化研究。植被對邊坡穩定存在正負兩方面作用[18],正作用包括:截留雨水、減弱地表沖刷、根系錨固、調節水文;負作用主要包括:增加坡體自重、增加土壤滲透系數、向坡體轉移風荷載[19]。根據表2,NDVI 5個等級對應的信息量值分別為0.563、-0.143、-0.126、0.319、-0.059和-0.552,表明當NDVI 為[8%,38%)和[54%,59%)時,植被的負作用占主要地位,促進滑坡的發生;當NDVI處于[38%,54%)和[63%,74%]時,植被的正作用占據主要地位。坡度決定坡體內部應力分布狀態、地表徑流狀態、地下水補給情況,以及決定由重力所產生的下滑力大小和滑坡規模,坡度越大斜坡穩定性越差[13]。根據表2,坡度6個等級對應的信息量值分別為-0.879、0.082、0.500、0.269、-0.300和-1.164,信息量值隨坡度的升高逐漸增加,在[13°,20°)區間達到最大值,隨后隨坡度增加逐漸減小。后面信息量值逐漸減小的原因可能是,當坡度≥20°時,人類工程設施(修建公路、房屋修建、水利工程)減少、雨水入滲量減少,滑坡災害不易發生。

此外,基于遙感和GIS平臺,采用信息量模型確定各指標因子為滑坡災害發生提供的信息量值,進行重慶市滑坡災害易發性分區,是一項有利于防治重慶市地質災害的工作。在易發性評價結果中,易發性越高的地區滑坡密度越大,則代表評價結果越合理。在本次評價結果中,存在78.20%滑坡分布于極高易發區和高易發區,且滑坡密度隨易發性分區等級的增加而增加,表明本次研究重慶市滑坡易發性分區的結果有效且合理(表3)。采用歷史滑坡點落在極高易發區、高易發區的比例表征信息量模型預測重慶市滑坡災害的精度,本研究評價精度為78.20%。

表3 重慶市滑坡易發性分區結果Tab.3 Results of landslide susceptibility zoning

6 結論

1)以重慶市為研究對象,選取高程、坡度、坡向、地層巖性、距構造距離、距水系距離、降雨量、土壤類型、土地利用類型、距道路距離、NDVI共11個指標作為研究滑坡的影響因子。通過相關性分析剔除高程因子后,構建重慶市滑坡災害易發性評價指標體系?；?000—2020年的滑坡災害數據,采用信息量模型繪制重慶市滑坡災害易發性分區圖,采用自然斷點法將研究區劃分為極高易發區、高易發區、中易發區、低易發區、不易發區。研究區內主要以高易發區、中易發區為主,信息量模型評價精度達78.20%,能夠較好反映重慶市的滑坡災害情況。

2)根據信息量模型確定各指標因子的信息量值,影響重慶滑坡災害的主要指標為水系、NDVI和坡度。其中,在距水系距離[200 m,500 m)范圍、NDVI[8%,38%)、坡度[13°,20°)的區域,發生滑坡災害的概率最大。重慶市的渝中、南岸、巴南、大渡口、江北、云陽地區均有超過70%的區域處于極高易發區和高易發區,應加強滑坡災害的防治工作。