基于GIS 和加權信息量法的靖邊縣地質災害易發性評價＊

韓飛 羅軍堯

（1.昆明理工大學國土資源工程學院，云南昆明 650031；2.中國電建集團昆明勘測設計研究院有限公司，云南昆明 650051）

0 引言

地質災害易發性評價，國外又稱作為地質災害敏感性評價（Geological Disaster Susceptibility），其意義在于研究一定區域內多個地質災害影響因子組合導致地質災害發生的傾向性［1］。近年來，通過國內外學者的不斷研究，GIS技術及各類評價模型在不同區域地質災害易發性評價中得到了廣泛的應用。常用的地質災害評價方法有：層次分析法、Logistic 回歸模型法、概率指數法、模糊數學評價法、信息量法、人工神經網絡模型、確定性系數模型、支持向量機模型及多模型耦合評價方法等［2-9］。

研究表明，不同評價模型都存在各自的特點與弊端。在地質災害頻發的區域，只采用單一評價指標體系很難保證評價結果的精度，因此，考慮研究區實際調查結果并結合對比多種模型進行地質災害易發性評價，能夠更大限度減小模型特異性所帶來的誤差，規范化復雜地質條件下的評價指標體系并提高預測穩定性。本文結合層次分析法（Analytic Hierarchy Process）與信息量模型（IV），以靖邊縣為例，選取9 個地質災害影響因子，綜合信息量法的嚴密性與層次分析法的系統性，平衡主客觀因素，使評價結果更加貼合研究區實際情況，為靖邊縣及同類地質環境區域地質災害防治工作提供參考。

1 研究區概況及數據來源

1.1 研究區概況

靖邊縣位于陜西省北部偏西，榆林市西南部，地處毛烏素沙漠南緣（北緯36°58′45″～38°03′15″，東經108°17′15″～109°20′15″），處于鄂爾多斯臺向斜陜北臺凹，總體呈一緩傾的單斜構造，區內構造變動微弱。地貌從北到南依次為風沙灘地區、黃土梁峁澗區和黃土丘陵溝壑區。區內出露地層為中生界侏羅系、中生界白堊系、新近系上新統及第四系。對地質災害影響的環境地質問題主要集中在黃土丘陵溝壑區，黃土丘陵溝壑區位于白于山區南部，河谷深切狹窄，河床深切基巖，地表形態破碎，梁窄溝深，坡度較陡，自然生態環境脆弱，地質環境條件差，加之多年來不合理的工程活動如切坡、挖窯洞、建房，以及石油天然氣開采、公路建設等，使該區地質環境遭受嚴重破壞，造成森林資源破環，水土流失，誘發了大量滑坡、崩塌等地質災害發生，對當地人民生命財產安全構成較大威脅，嚴重制約了地方經濟的發展，是該區最為嚴重的環境地質問題。

圖1 研究區概況

1.2 數據來源

本研究依據1∶50 000 野外實地詳細調查結果在ArcGIS 平臺建立了地質災害數據庫，包含了等高線、水系、道路、地層巖性等基礎數據，共涉及地質災害點112 處，其中滑坡59 處、崩塌52 處、泥石流1處，考慮到研究區地質災害類型主要以滑坡、崩塌為主，且泥石流成災機理及孕災環境與滑坡、崩塌存在一定差異，故選取其中111 處滑坡、崩塌點作為災害點數據。

數字高程模型（DEM）數據通過等高線要素文件在ArcGIS 中使用轉換工具與掩膜提取工具生成，分辨率30 m，并進一步衍生出坡度、坡向、剖面曲率、地形濕度指數等；歸一化植被指數（Normalized Vegetation Index）來源于地理空間數據云平臺Landsat8 數據集波段影像，分辨率30 m。

2 評價因子選取

地質災害的形成受制于地形地貌、地層巖性及巖土體特征、水文條件、植被覆蓋等因素，研究區總體呈單斜構造，區內構造變動微弱，故本文選取高程、坡度、坡向、剖面曲率、水系距離、道路距離、地層巖性、歸一化植被指數（NDVI）、地形濕度指數（TWI）共9 個指標因子進行地質災害易發性評價。

（1）高程因子。同一區域不同高程范圍內植被類型、地形濕度指數、地層巖性、人類工程活動及降雨量都會有所不同。利用1∶50 000 地形等高線數據在ArcGIS 中生成數字高程模型DEM，柵格大小為30 m×30 m，根據自然間斷點法分為5 個評價區間，結果顯示區域內1 289～1405 m 高程面積占比最大，為33.69%，含地質災害點20 個，在1 405～1 512 m 區間內災害點最多，為34 個，面積占比18.12%，見圖2（a）。

圖2 評價因子分級

（2）坡度因子。坡度對斜坡穩定性具有明顯的控制作用，坡腳最大剪應力及張力帶會隨著坡度的增加而增大，從而影響地質災害的發生概率。本文利用ArcGIS中的表面分析工具從DEM中提取坡度因子，根據自然間斷點法將坡度分為5 個評價區間，結果顯示，區內地質災害多發生在坡度0°～31°的斜坡上，含地質災害點97 個，見圖2（b）。

（3）坡向。不同坡向所受太陽輻射不同，該差異會影響地表植被覆蓋、巖石風化，降水及蒸發量等環境條件。將DEM 輸出為坡向柵格數據，自定義重分類為9 類，并與地質災害點進行疊加分析統計。結果顯示坡度為112.5°～157.5°、202.5°～247.5°的區間災害點分布最多，共48 個災害點，坡度區間面積占比19.6%，見圖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變化率的度量。正負值分別代表地形表面開口朝上凹入或上凸，值的大小代表凹凸程度。將DEM 輸出為剖面曲率柵格數據，采用自然間斷點分級法分為5 類。結果顯示災害點在-0.48～0.94的剖面曲率區間數量最多，區間面積占比87.34%，見圖2（d）。

（5）道路距離。公路的新修和舊線改造形成了大量高陡邊坡，大多數未采取加固護理措施，為災害發生提供了有利條件。將道路數據進行歐氏距離運算。采用自定義分級法劃分為5 類。結果顯示道路距離在500 m 內時，災害點多集中在0～100 m 區段，影響程度隨距離增加而減小，見圖2（e）。

（6）水系距離。河流的切割侵蝕作用使河流兩岸斜坡增高變陡，降低了斜坡的整體性和力學強度。將水文分析結果結合野外測繪的水文數據進行歐氏距離運算，將水系距離自定義劃分為5 類。結果顯示地質災害點多分布與水系距離0～500 m 區間內，含地質災害點81 個，區間面積占比33.08%，見圖2（f）。

（7）地層巖性。巖土體是地質災害發育的物質基礎，不同類型的地層所形成的地質災害也有所不同。通過野外調查將研究區地層巖性劃分為7 類：第四系黃土、第四系沖湖積物、白堊系砂礫巖、第四系風積黃土、第三系砂礫巖、侏羅系砂巖。對野外調查整理地層巖性數據進行重分類，并與地質災害點進行疊加分析統計，結果顯示，超過一半地質災害點（共59 個）位于第四季風積黃土層，地層面積占比54.56%，見圖2（g）。

（8）NDVI。地表植被能夠起到護坡和防止水土流失的作用，對斜坡的演化和穩定性具有一定影響。植被覆蓋度可用歸一化植被指數（NDVI）來表征。本文采用地理空間數據云landsat8 數據集波段影像數據，當日云量稀少，分別為0.02、0，利于提取分析，通過ENVI5.3 進行NDVI 提取計算。采用自然間斷點分級法分為5 類。結果顯示植被覆蓋度在0.01～0.19區間的地質災害點分布最密集，含76 個，區間面積占比68.47%，見圖2（h）。

（9）TWI。地形濕度指數（Topographic Wetness Index），簡稱TWI。該概念用以精確表征地形變化及其對地表徑流的影響，并廣泛應用于土壤水分空間分布于徑流模擬研究?？杀硎緸椋?/p>

式中，為DEM 柵格單元匯水面積與柵格尺寸的比值，tan為單元格局部坡腳。地形濕度指數與地貌發育、植被、徑流等密切相關，因此對斜坡穩定性也有重大影響。

將TWI柵格單元采用自然間斷點分級法分為5類。結果顯示，地質災害點集中分布在TWI值為2～13的區間，含地質災害點100 個，區間面積占比85.36%，見圖2（i）。

3 易發性評價

3.1 加權信息量模型

信息量模型是結合了信息論與統計分析模型而衍生發展出來的一種預測方法，早期多用于礦產勘察［10］。將其應用于地質災害易發性評價的原理是通過統計分析受災區域信息，選取最佳評價指標組合，以信息熵的概念來反映單個指標在不同分級標準下與研究對象的密切程度［11］。但在實際地質災害區域，成災原因十分復雜，不同影響因子的貢獻值大小不一，信息量模型無法準確反映各指標在地質災害中的重要程度。因此，本文采用層次分析法，結合專家經驗打分對各評價指標賦權重，與信息量模型耦合得到加權信息量模型。單個因子信息量計算公式：

式中，I（H，Xi）為由因子Xi的特定組合提供的地質災害信息值，Ni為第i類評價因子所含地質災害點個數；N為研究區內地質災害點總數；Si為研究區內所含評價因子Xi的單元面積，S為研究區評價單元總面積。

評價單元總的信息量值可通過對各個評價因子子類的信息量求和算出：

式中，Ii為評價單元總信息量值。

加權信息量計算公式：

表2 一級指標判斷矩陣

式中，Wi為評價因子權重值。

3.2 權重確定

采用層次分析法，以評價指標體系為目標層，準則層按地質災害發育成因分為控制因素、非控制因素、其他因素3 類一級指標，要素層為坡度、巖性、道路距離、剖面曲率、TWI、NDVI、坡向、高程、河流距離9 類二級指標，建立靖邊縣評價因子層次結構模型，見表1。

表1 評價指標體系

參考前人研究及專家經驗，對評價因子之間的相互重要性進行打分，結合評價因子級別分級結果，各因子兩兩比較構建研究區一級、二級結構判斷矩陣，見表2—表3；針對各評價因子分析得到最大特征根max=9.103，CI=0.01，查閱AHP 一致性指標值得RI=1.46，根據檢驗性指標CR=CI/RI=0.01/1.46=0.009＜0.1，判斷該矩陣一致性良好，再對矩陣向量進行歸一化處理，得到各評價因子的權重。

3.3 地質災害易發性評價

根據評價因子重分類結果，由ArcGIS 軟件的提取分析功能計算出評價因子各個分級的地質災害點密度和分級面積占比，再結合二級指標權重，經式（4）計算出加權信息量值（表4），疊加分析得到綜合加權信息量圖層，值域范圍為-1.36～1.54，采用自然間斷點分級法將靖邊縣地質災害易發性指數劃分為5 類：極低易發區、低易發區、中易發區、高易發區、極高易發區，最終得到靖邊縣地質災害易發性分區圖，見圖3。分別統計2 種評價模型各易發性分區面積占比與災害點個數（表5），結果表明2 種模型的分區面積占比基本相同，但災害點個數分布在不同易發性分區內差異較大。

表4 信息量值計算

表5 易發性分區統計

圖3 靖邊縣地質災害易發性分區

為了進一步對比2 種模型的評價精度，將WIV模型與IV 模型的評價結果進行對比。WIV 模型中道路距離所占權重相較于IV 模型更為顯著，且線狀分布的極高易發區多位于道路與水系的交匯處，一定程度上反映了水系距離與道路距離的耦合作用對地質災害易發分區的影響。

3.4 評價結果分析

ROC 曲線（Receiver Operating Characteristic Curve）即受試者工作特征曲線，多應用于醫學試驗結果評估，作為一類綜合指標，能夠準確直觀地反映分析方法的特異性與敏感性，近年來被廣泛應用于地質災害易發性評價結果檢驗［12］。ROC 曲線下方面積（AUC，Area Under Curve）用于衡量評價模型的精度，AUC 的取值范圍為0.5～1，AUC 值越接近1，表明模型預測能力越強［13］。本文以2 種模型的易發性指數柵格圖為基礎，通過ArcGIS中創建隨機點工具，創建111 個隨機地質災害點，合并圖層后將模型模擬值作為檢驗變量，是否為災害點作為狀態變量，繪制模型的ROC 曲線（圖4）。

圖4 地質災害易發性評價結果ROC 曲線

由圖4 可知，WIV 模型的AUC 值為0.861，IV模型的AUC 值為0.830，WIV 模型相比IV 模型評價精度提高了4%，說明WIV 模型準確度更高，相較于IV 模型更適用于研究區地質災害的易發性評價。

4 結論

（1）以陜西省靖邊縣地質災害為研究對象，因地制宜選取9 個易發性評價指標因子，建立靖邊縣地質災害易發性評價體系，采用WIV 模型，對比IV 模型，對靖邊縣展開地質災害易發性研究，所得易發性分區圖符合研究區實際情況。

（2）評價結果表明：研究區內極高易發區、高易發區主要集中在白堊系砂礫巖、第四系風積黃土層和縣域南部黃土丘陵溝壑區道路與水系交叉帶，說明地層巖性及道路水系為研究區地質災害主要控制因素。

（3）經過ROC 曲線對2 種模型的精度檢驗與對比，WIV 模型的AUC 值為0.861，且相比IV 模型評價精度提高了4%，具有較高可信度，可為相似尺度及地質環境的區域地質災害易發性評價工作提供一定參考。