地震滑坡危險性評估模型及初步應用*

白仙富，戴雨芡，余慶坤，邵文麗

(1.云南省地震局 云南 昆明 650224；2.昆明市西山區防震減災局，云南 昆明 650118)

?

地震滑坡危險性評估模型及初步應用*

白仙富1，戴雨芡2，余慶坤1，邵文麗1

(1.云南省地震局 云南 昆明 650224；2.昆明市西山區防震減災局，云南 昆明 650118)

摘要：統計分析了汶川地震滑坡在不同影響因子下數量和密度，然后采用歸一化方法確定影響地震滑坡的關鍵因子。基于關鍵因子建立了地震滑坡密度數學模型。結果表明：從滑坡數量看，滑坡主要集中在(10°～20°)至(40°～50°)的坡度(90 m柵格)區間，主體集中在35°附近，在3°～7°之間有一個滑坡分布的小峰值；滑坡密度隨著坡度的增加而增加，在3°～7°的低坡地帶有一個滑坡密度小峰值，在坡度一定的情況下，除了烈度外，其他影響因子下滑坡密度并沒有表現出足夠明顯的規律性變化；歸一化計算結果表明：坡度和烈度是地震滑坡的關鍵因子；根據邏輯斯蒂模型計算的結果，將地震滑坡危險性分為幾無(≤0.01)、輕微(0.01～0.03)、中等(0.03～0.09)、嚴重(0.09～0.27)、特重(≥0.27)5個等級。地震滑坡危險性預測數據在魯甸地震等地震應急中發揮了較好作用。

關鍵詞：地震滑坡；危險性；邏輯斯蒂模型；汶川地震；魯甸地震

0引言

地震活動除直接造成損毀外，還會誘發一系列次生災害，如海嘯、火災、瘟疫、滑坡、泥石流、堰塞湖等。有時地震次生災害造成的損失甚至遠遠超過地震本身造成的直接損失。在山岳地區，地震滑坡是最常見也是破壞最嚴重的次生災害之一。我國有大量地震滑坡造成嚴重人員傷亡和財產損失的案例，如1917 年云南大關地震時大關北部“山岳崩頹，居民死者數千”(謝毓壽，蔡美彪，1985)；1920年12月16日寧夏海原8.5級大地震，引發大量滑坡，分布面積約5萬平方米，大量房屋、窯洞被覆埋，死亡不計其數(牛中齊等，2006)；1933年8月25日，四川疊溪發生7.5級地震，引起大量滑坡，疊溪鎮被兩座崩塌的山掩埋，全鎮500多人僅5人幸免于難(常隆慶，1938)；1952年8月15日，西藏墨脫發生8.5級大地震，極震區內房屋全部倒平，山川移易，地形改變，多處山峰崩塌堵塞雅魯藏布江，山體滑坡將5處村落推入江中，貢布縣580名喇嘛被滑坡埋壓而死(游澤李等，1991)；1966年云南東川6.5級地震滑坡，阻塞小江形成短時地震湖(李世成等，2001)；1970年云南通海7.8級地震，極震區內曲江右岸高大—曲江間昆陽群板巖破碎帶內連片崩滑，阻斷交通，形成的地震堰塞湖還淹沒了大片良田(許國昌，1981)；1974 年云南昭通7.1 級地震，極震區內手扒崖發生了巨大的山崩(孫崇紹，蔡衛紅，1997)，使該居民點全村被埋，居民無一幸免(朱海之等，1975)；1988年云南瀾滄—耿馬地震山體滑坡和崩塌破壞公路阻塞河流；1996年云南麗江7.0級地震，在約12 000km2范圍內誘發了至少420處中小型崩塌和30處大中型滑坡，造成房屋倒塌、橋梁毀壞和公路堵塞(唐川等，1997)；2006年7月22日云南昭通鹽津5.1級地震共死亡22人，其中18人被地震引起的山坡石塊滾落砸死；2008年5月12日汶川8.0級地震誘發了大規模滑坡、崩塌，造成嚴重的生命財產損失(喬建平等，2009；袁一凡，2008)；2012年9月7日云南昭通彝良5.7級、5.6級地震死亡81人，其中60人死于地震滑坡(白仙富等，2013)。

由于我國大陸所處的地理位置和構造環境，受到西南面印度洋板塊和東面太平洋板塊的雙重擠壓，導致我國地震多、山地廣，地震滑坡嚴重。因此，有必要對地震滑坡危險性進行深入研究和采取必要措施。

在科學研究與工程應用領域，地震滑坡災害的研究主要致力于確定并降低地震引發滑坡災害的風險程度方面(Marzoratis，De.，2002；Koitet al.，2006)，地震滑坡危險性分析是地震滑坡危害性評估的前提基礎。本文所說的地震滑坡危險性指地震滑坡發生的可能性，是地震滑坡發生的傾向程度，而不包含地震滑坡帶來的影響。汶川地震發生之后，國內學者對地震滑坡危險性的研究越來越多，采用的方法包括信息量(莊建琦等，2010)與邏輯回歸方法(陶舒等，2010)、層次分析法(許沖等，2009；王秀英等，2012)、模糊數學方法(王秀英等，2011)、人工神經元網絡法(許沖等，2012)及影響因子確定性系數法(許沖，徐錫偉，2010)。筆者主要針對群體性地震滑坡事件的可能性進行研究，根據汶川地震的大量翔實的滑坡樣本，統計分析不同因子下地震滑坡數量和滑坡密度等來分析地震滑坡與各影響因子的統計關系，并進一步區分影響地震滑坡的關鍵因子和一般因子；在確立影響地震滑坡的關鍵因子后，選取關鍵因子建立地震滑坡密度(單位面積內的滑坡數量)數學模型，根據模型計算結果進行地震滑坡危險性等級劃分，并制作Ⅵ～Ⅺ度下我國地震滑坡危險性預測數據。

1數據和方法

1.1數據收集

2008年汶川8.0級地震誘發了大量山體滑坡，為地震滑坡的深入研究提供了珍貴的研究資料。地震發生后，諸多科研單位對地震災區的滑坡進行了多方考察研究，其中中國地質調查局公開發布了詳細的調查結果(秦緒文等，2008)，其發布的8 087條次生地質災害屬性數據中，7 751條屬于地震滑坡的數據，數據內容包括滑坡(點)的經緯度、滑坡影響的對象以及滑坡附近的地名。根據研究需要，筆者收集了中國巖性矢量化數據，中國公里格網的降水柵格數據、公里格網的土地利用/覆蓋類型柵格數據、中國90m的DEM數據、SLOP數據，以上數據由中國科學院地理所提供；此外，還收集了汶川地震的烈度圖，為面圖層的shape數據。

1.2數據分析與評價

2008年5月12日汶川8.0級地震后，我國地震工作者對地震災區烈度開展了深入的實地考察，獲得了完整的地震烈度(Ⅵ～Ⅺ度)資料，這是我國少有的一次地震有Ⅵ～Ⅺ度6個等級的地震烈度的震例。地震災區地形復雜多樣，從海拔500m的成都平原到海拔數千米的云貴高原、黃土高原和青藏高原，高山、中山、低山、丘陵和平原呈階梯狀分布。從水文條件看，汶川地震災區基本上涵蓋了我國從濕潤地區到半濕潤半干旱地區降水類型和相應的土地利用/覆蓋類型。中國地質調查局公布的汶川地震滑坡數據(圖1)是地震發生后為了迅速查明汶川地震災區地質災害分布狀況，利用多類型、多分辨率遙感數據及其他多元數據，在地理信息系統支持下，采用人機交互解譯與計算機自動信息提取相結合的方式完成，解譯范圍涵蓋整個地震災區，解譯人員專業知識構成合理、經驗豐富、解譯精準(秦緒文等，2008)。這樣大量、連續、翔實、制作一致、覆蓋范圍廣袤的數據，非常適合進行群體性地震滑坡危險性建模，建模結果也適宜外推到其他區域。

1.3數據預處理

筆者所收集的數據格式多樣，有屬性形式的表格數據、空間形式的矢量數據和柵格數據，其中空間數據投影坐標系統也不完全一致，需要進一步處理。為了數據分析和最終滑坡危險性數學建模的方便，需要將數據處理到統一的平臺上。首先將全國范圍所有數據統一到相同的坐標和投影系下，其中矢量數據均統一為shape格式，柵格數據均統一為grid格式。數據平面坐標系統采用1954年北京坐標系，高程系統采用1956年黃海高程。投影方式為等面積割圓錐投影，選擇全國統一的中央經線和雙標準緯線，中央經線為105°E，雙標準緯線分別為25°N和47°N，采用Krasovsky橢球體，投影在Arc/Info中完成。然后把中國地質調查局公布的所有滑坡屬性數據轉化為空間的shape格式數據(點圖層)，再把生成的汶川地震滑坡數據和烈度數據與全國范圍的其他數據定義為相同的投影和坐標系。

1.4思路和方法

各種類型的滑坡都是在一系列因子的作用下發生的，地震滑坡也不例外，作用于地震滑坡的這些因子就稱為影響因子，通常情況下，對地震滑坡起決定性作用的屬于關鍵因子，影響地震滑坡的程度的屬于從屬因子。本研究的一個關鍵技術點就是通過收集到的數據，分析不同影響因子對地震滑坡的作用狀況，并選取關鍵因子建立地震滑坡密度數學模型，再根據模型計算值劃分地震滑坡危險性等級。危險性研究過程中，首先將滑坡點所在位置的影響因子屬性提取到滑坡點中，為每一個滑坡點賦予所在位置的烈度、坡度、巖性、土地利用/覆蓋、多年平均降水值等屬性。在研究過程中對坡度、降水等這些連續變量進行分段，然后逐步統計不同影響因子下的滑坡數量和不同影響因子下單位面積內的滑坡數量(即滑坡密度)。為了進一步確定影響滑坡的關鍵因子，對滑坡密度進行歸一化處理，最后按照建模原則選取關鍵指標進行地震滑坡密度建模，依據滑坡密度模型計算值對地震滑坡危險性進行分級。

2地震滑坡影響因子分析

影響地震滑坡的因子較多，有自然因子也有人文因子，結合收集的數據狀況，筆者重點討論地形因子(主要是坡度)、水文因子(主要為降水量)、地質因子(主要考慮巖性)、地表覆被因子、地震因子(本文選取烈度)5個自然因子。從滑坡的本質看，坡度是滑坡產生的必要條件，在平坦的地方不可能產生滑坡；其他因子是滑坡產生的充分條件，這些因子共同作用后誘發滑坡。作為充分條件的因子中，有些起著關鍵作用，有些起一般作用，不同類型的滑坡，在坡度一定的情況下，起關鍵作用的因子可能還會不一樣。地震滑坡也一樣，研究的關鍵在于分析充當充分條件的因子及其在地震滑坡中的貢獻率或主導狀況。基于坡度是滑坡發生的必要條件的認識，筆者以坡度為基本條件，通過坡度一致時不同因子下的滑坡數量、滑坡密度、滑坡密度歸一化分析等來逐漸確定地震滑坡充分條件中的關鍵因子。

2.1滑坡數量分布統計

在統計滑坡數量分布時，對影響因子進行了分段，經過反復測試后初步將坡度分為≤1°、1°～3°、3°～7°、7°～10°、10°～20°、20°～30°、30°～40°、40°～50°、>50°；年平均降水量為擴大10倍的柵格數據，分為≤6 000Pa、6 000～75 00Pa、7 500～9 000Pa、9 000～10 500Pa、>10 500Pa；巖性采用唐川等(2011)的分類方法，分為4類，根據滑坡難易程度從低到高分為1、2、3、4共4個等級；根據土地利用/覆蓋分為耕地、灌木、混交林、高覆蓋度草地、中覆蓋度草地、低覆蓋度草地、城市及建設用地、水體、濕地、冰川雪被、沙漠、裸露巖石、荒漠、青藏高原林地、常綠針葉林、落葉針葉林、常綠闊葉林、落葉闊葉林18個大類，汶川地震的烈度從Ⅵ度到Ⅺ度均有連續分布，分為6個等級。從滑坡數量的分布看(圖2)，隨著坡度變化滑坡數量有很大的變化，主要集中在10°～20°和40°～50°之間，主體集中在35°附近，這與許沖等(2011)的研究結果一致，造成具體數值差異的原因可能是使用的坡度數據的柵格單元值不一樣；但在3°～7°的低坡地帶有一個滑坡數量分布的小峰值，這與前人統計的結果有很大不同。從滑坡數量與滑坡因子之間的統計結果看，難以根據各影響因子下的滑坡數量分布來建立地震滑坡模型，一方面，因為某一影響因子下滑坡的數量可能還和這一影響因子所占的面積有關，一般若其他條件一定，面積越大，滑坡數量也越多；另一方面，滑坡數量隨坡度和其他影響因素的變化并不完全表現出規律性的變化，以降水影響因子為例，雖然在有的坡度段下，隨降水量的增加滑坡數量增加，但在其他坡度段卻發生變化，這種變化的不規律性在土地利用和烈度因子下隨坡度的變化表現得更為明顯。

2.2滑坡密度分布統計

考慮到不同影響因子下滑坡數量的分布統計還不足以反映出地震滑坡的規律特性，在2.1節的基礎上，對滑坡密度分布進行統計，計算相應條件下單位面積內的滑坡數量，得到滑坡密度指數(將計算得到的密度值擴大1 000倍)。在計算時，為了結果的一致性和可比性將所有要素統一到90m柵格單元的基礎上。從統計結果(圖3)看，總體上，滑坡密度隨著坡度的增加而增加，在3°～7°的低坡地帶有一個滑坡密度小峰值。從滑坡密度與影響因子之間的關系看，在同一坡度條件下，除了烈度外，其他因子并沒有表現出足夠明顯的規律性變化，以降水為例，在一些坡度段，隨降水量的增長滑坡密度增加，但在其他坡度段這種趨勢又被打破；土地利用因子下的這種離散現象更為明顯。從坡度和烈度的分布看，總體上，滑坡密度隨著烈度和坡度的增加而增加，在3°～7°的低坡地帶有一個滑坡密度小峰值。在低坡度帶有一個滑坡密度小峰值的統計結果也是和以往的研究者有很多不一致的地方，這一現象可能表明坡度在某種程度上體現了巖性的部分作用，因為在這些低坡度帶內恰好往往有大量松散的坡積物堆積，地表巖石相對破碎，原有的準靜止狀態更易于被地震動力擾亂而發生滑坡。

2.3滑坡密度歸一化分析

為了進一步分析在坡度一定條件下其他影響因子對地震滑坡的影響作用，以篩選出最為關鍵的影響因子，在2.2節的基礎上，對地震滑坡密度指數進行歸一化處理，從結果看，在坡度一定的情況下，除了烈度影響因子外，其他影響因子下的歸一化值都是比較離散的，特別是土地利用類型下的歸一化值更顯得雜亂(圖4)；相反，烈度和坡度共同作用下的歸一化值卻表現的頗有規律，即在坡度一定的情況下，總體上隨著烈度的增加歸一化值隨之增加。這說明，在坡度一定的條件下，地震動力越大越容易發生滑坡，之所以出現各烈度下的歸一化值會隨坡度變化而有波動，筆者認為這恰好說明巖性、降水、土地利用等其他因子對地震滑坡起脅迫作用，在坡度和烈度一定的條件下，因巖性、降水、土地利用等影響因子分布的不均衡導致了滑坡的不均勻。從滑坡密度指數分布特征和滑坡密度歸一化分析可以進一步確定坡度和烈度是地震滑坡的關鍵因子，其他因子為從屬因子。

圖4地震滑坡密度歸一化值

Fig.4Thenormalizedvalueofearthquakelandslidesfrequency

3地震滑坡危險性模型

3.1建模原則

地震滑坡建模就是用數學語言描述地震滑坡現象的過程，通過模型能計算出區域內地震滑坡發生的可能性大小。地震滑坡危險性建模遵循以下3個原則：(1)科學性原則：地震滑坡危險性模型的建立要符合一般數學模型建模的原則和基本流程，建模的數據真實源于本研究的統計結果；(2)實用性原則：模型要能反映地震滑坡與影響因子之間的作用關系，更為關鍵的是模型的計算結果要與實際接近，模型要能在地震風險評估、地震應急等工作中起到減災實效，能推廣到未來的防震減災實踐中；(3)簡潔性原則：建模過程要抓住事物的主要矛盾，解決關鍵問題，在能滿足實用性的要求下，模型力求簡單，模型因子宜少則少。

3.2地震滑坡密度模型

基于對汶川地震滑坡數據影響因子的統計分析結果，按照上述的建模原則，選取坡度和烈度因子進行地震滑坡密度建模。從地震滑坡密度指數(圖3)看，我們難以用一個包含很多個參數的模型來計算地震滑坡密度，因此采用分段的方式進行建模，也就是針對不同的坡度段給出滑坡密度數學公式。為了充分反映地震滑坡密度與地震烈度和坡度之間的關系以更精細地刻畫地震滑坡的本質，對10°以后的坡度采用5°步長的等距，即將坡度分為≤1°、1°～3°、3°～7°、7°～10°、10°～15°、15°～20°、20°～25°、25°～30°、30°～35°、35°～40°、40°～45°、45°～50°、>50°共13個等級。從各坡度段內滑坡密度與烈度的統計看，指數模型和邏輯斯蒂模型都適合構建地震滑坡密度與烈度和坡度的數學模型，因此筆者建立了各坡度段內地震滑坡密度與烈度的指數模型和邏輯斯蒂模型(表1)。從數學檢驗的角度看，兩個模型都能滿足數學建模檢驗要求，因此對兩個模型的實用性進行檢驗。從圖5a～m可以直觀地看出，總體上，基于邏輯斯蒂模型的計算值比基于指數模型的計算值更加接近實際值，特別是在高坡度段和高烈度區，邏輯斯蒂模型的計算值遠比指數模型的計算值更接近實際值。為了進一步確定哪個模型更符合滑坡密度與坡度和烈度的統計關系，對模型進一步進行誤差檢驗，將模型的計算值減去基于汶川地震統計的實際值的結果作為絕對誤差，將模型的計算值減去實際值再除以模型的計算值加上實際值的結果作為相對誤差。無論是絕對誤差還是相對誤差，絕對值越小，說明與實際差別越小，對應的模型越能反映地震滑坡密度的實際情況。從圖5n可以看出，邏輯斯蒂模型的計算值與實際值絕對誤差在-0.08～0.06之間，主體絕對誤差在±0.02之間；指數模型的計算值與實際值絕對誤差在-0.39～0.03之間，主體絕對誤差在-0.05～0.03之間。從圖5o可以看出，邏輯斯蒂模型的計算值與實際值相對誤差在-0.2～1之間，主體相對誤差在±0.2之間；指數模型的計算值與實際值相對誤差在±1之間，主體相對誤差在±0.5之間。顯然，邏輯斯蒂模型的絕對誤差和相對誤差總體比指數模型的小。因此可以確定，邏輯斯蒂模型更能描述地震滑坡現象，地震滑坡密度值更適宜采用邏輯斯蒂模型進行計算。

表1　不同坡度下的地震滑坡密度模型

注：式中：y表示滑坡頻度； x表示地震烈度.

3.3地震滑坡危險性分級

筆者建立并確定了基于坡度和烈度的邏輯斯蒂地震滑坡密度模型，但是，其計算結果僅是一個90m柵格單元內的滑坡密度，反映的是地震滑坡概率的高低而不是地震滑坡的危險性，與地震滑坡危險性的要求還有距離。也就是說，要根據地震滑坡密度值給出對應的地震滑坡危險性等級，才算建立了完整的地震滑坡危險性模型。對地震滑坡危險性等級的確定難以找到統一的標準，可以分3級或6級，劃分的界線采用不同的依據結果就會不一樣。筆者根據地震應急的實踐，給出一個地震滑坡危險等級和劃分標準的粗略標尺。依據地震滑坡密度從低到高將地震滑坡危險等級分為幾無、輕微、中等、嚴重、特重共5個等級。在基于地震滑坡密度進行地震滑坡危險性分級時采取3倍等比的劃分尺度，劃分標準為滑坡密度值在(0～0.01]為滑坡幾無危險等級，表示這一危險等級下基本不出現滑坡現象；滑坡密度值在(0.01～0.03]為滑坡輕微危險等級，表示這一危險等級下發生滑坡的可能性不大，有些零星的落石、塌方現象，個別地方可能造成短暫的交通破壞，地震滑坡造成人畜傷亡的可能性很低，地震滑坡影響的道路、河流、電力、通信等設施在簡易處置后可以很快恢復使用；滑坡密度值在(0.03～0.09]為滑坡中等危險等級，表示這一危險等級下可能有一定規模的滑坡現象，并有可能造成交通破壞和房屋受損，有出現地震滑坡造成人畜傷亡的可能，受地震滑坡影響的道路、河流、生命線工程等可以快速搶通，通常情況下1天內能大部分恢復使用；滑坡密度值在(0.09～0.27]

為滑坡嚴重危險等級，表示這一危險等級下滑坡現象普遍，滑坡規模較大，滑坡造成嚴重的交通中斷、房屋受損的較大可能性，甚至出現滑坡造成大量人員死亡的可能，受地震滑坡影響，可能需要數天的搶修才能基本恢復交通，在降水豐富和河流密集地區出現地震滑坡—堰塞湖、地震滑坡—泥石流等次生災害鏈的可能性也較大，有關部門應該根據地震影響區域人口密度等因素考慮是否提高啟動的應急響應等級；滑坡密度值大于0.27 為滑坡特重危險等級，表示這一危險等級下滑坡現象特別普遍，滑坡規模特別巨大，并由此可能造成特別嚴重的交通中斷、房屋受損和人員傷亡，在降水豐富和河流密集地區出現地震滑坡—堰塞湖、地震滑坡—泥石流等次生災害鏈的可能性特別大，地震滑坡造成的交通、河流、電力、通信等破壞往往需要十余天甚至數十天才能修復，有關部門應該考慮提高啟動的應急響應等級。根據3倍等比的滑坡危險性等級劃分標準，我們計算了從Ⅵ～Ⅺ共6個烈度等級下全國90m柵格單元的地震滑坡危險性預測數據(圖6)，用于年度風險區地震滑坡危險性和危害性評價、震后地震滑坡危險性和危害性應急評估等。

4地震滑坡危險性評估模型初步應用

在近3年來云南年度危險區地震滑坡風險評估、云南省地震局地震應急評估、蘆山地震和漳縣岷縣地震應急評估中都使用了基于本文建立的地震滑坡危險性評估模型計算的地震滑坡預測數據并取得了較好效果。為滿足當前正在部署的國家社會服務工程應急分項軟件系統(含基礎數據庫)需要而提供給各省(直轄市)地震局的地震滑坡預測數據也正是基于本文提出的模型計算的成果。無論是年度危險區滑坡危險性評估還是地震應急地震滑坡危險性評估，其基本方式為按照坡度進行各烈度區滑坡密度計算，將滑坡密度分級后形成滑坡危險性等級數據，在此基礎上可根據需要疊加交通、水系、居民點等要素來進一步分析地震滑坡的危害性。在儲備了區域內不同烈度下的滑坡危險性預測數據時，則只要根據評估的烈度數據提取對應的滑坡危險性數據最后形成評估區的地震滑坡危險性等級數據即可。

2014年魯甸MS6.5地震發生后10min，根據地震影響場應急評估方法(白仙富等，2014)開

展本次地震影響場的初步評估。根據地震影響場初步評估結果從基礎數據庫中提取各烈度下的地震滑坡危險性預測數據，形成魯甸MS6.5地震滑坡危險性評估(初評估)(圖7a)，又根據地震滑坡危險性評估圖確定本次地震將造成嚴重地震滑坡，滑坡主要分布在店子上村到董家田壩村的牛欄江沿線一帶，以及店子上村—雷家坪子—二家村—新波—大山—青山灣子殷家梁子一線范圍內的地區。通往災區的道路可能因地震滑坡無法通行，需要數日搶修才能通行，建議考慮直升飛機運送物資；店子上村到董家田壩村的牛欄江沿線一帶可能出現地震滑坡—堰塞湖次生災害鏈，建議相關部門查看；災區有數十個自然村可能受到嚴重到特重危險等級的地震滑坡威脅，可能造成大量人員死亡(結合彝良地震實踐評估魯甸地震滑坡可能造成百余人死亡)。根據昭通地震災害的區域性特征(白仙富等，2013)判斷，MS6.5地震可以造成昭通地區400余人死亡，綜合地震滑坡可能造成百余人死亡，最終給出此次地震造成400～600人死亡的初步評估結果，建議有關部門提高應急響應等級。震后1h，根據地震影響場應急評估方法(白仙富等，2014)利用余震信息完成地震影響場的動態修正，再根據修正的影響場完成地震滑坡危險性修正評估圖7b，即魯甸MS6.5地震滑坡危險性評估(修正)。根據動態修正評估的結果，認為魯甸地震誘發嚴重地滑坡，滑坡主要分布在牛欄江沿岸的二坪子村—黃角村和新法村—旱谷地村一帶，以及王家坡—大洼子—大寶上—四方井—天成洞—干水井—上大坪—塆子一線范圍內的地區。牛欄江沿線發生地震滑坡—堰塞湖災害鏈的可能性特別大，特別是紅石巖—旱谷地沿線的牛欄江段形成堰塞湖的危險性更高；滑坡嚴重區域內有數十個自然村受到威脅，因地震滑坡可能造成100～200人死亡；因地震滑坡可能造成交通、電力、通信嚴重破壞，需要數日才能恢復，進入災區困難，建議對志愿者進行準入管制。震后調查表明*云南省國土資源廳震后滑坡調查內部資料.：滑坡發生范圍與評估的“嚴重”和“特重”區域幾乎完全一致。

5結論和討論

(1)影響地震滑坡的因子較多，有自然因子也有人文因子，從滑坡的本質看，坡度是滑坡產生的必要條件，坡度是地震誘發滑坡的必要條件，其他因子是誘發滑坡的充分條件。

(2)從大范圍大樣本的汶川地震滑坡數據統計結果看，坡度、烈度、巖性、降水、地表覆被等因素對地震滑坡都有不同程度的影響，但在坡度一定的前提，烈度對地震滑坡的影響最為突出，規律性最強。

(3)從數學建模結果看，盡管指數模型和邏輯斯蒂模型都能很好地擬合地震滑坡密度與坡度和烈度之間的統計關系，但從模型反演和檢驗看，邏輯斯蒂模型的相對誤差總體比指數模型的相對誤差小。說明邏輯斯蒂模型更能描述地震滑坡現象，地震滑坡密度值更適宜采用邏輯斯蒂模型進行計算。

(4)地震滑坡危險性模型包括地震滑坡密度模型和危險性分級，無論是地震滑坡密度模型還是地震滑坡危險性分級都需要不斷地加以完善和發展。而地震滑坡危險性模型又是地震滑坡危害性模型研究的基礎，今后的工作，應加快地震滑坡危害性的研究和產出地震滑坡危害性預測數據，以滿足當前社會經濟發展的需要。從關注的重點看，優先建立地震滑坡人員傷亡評估模型、地震滑道路中斷評估模型、地震滑坡房屋埋壓評估模型、地震滑坡經濟損失評估模型、堰塞湖評估模型等。在地震滑坡危險性模型暫沒有更進一步完善時，可以以當前的危險性模型為基礎，從建立地震滑坡危害性的概念模型開始進行地震滑坡的空間運算并初步產出地震滑坡危險性預測數據；或進一步收集地震滑坡危害性數據，從統計的角度建立地震滑坡的危害性模型產出地震滑坡危害性預測數據，并盡快在地震事件中進行檢驗和推出產品。

參考文獻：

白仙富，戴雨芡，戴靖，等.2013.昭通地區地震災害區域性特征分析[J].地震研究，34(4)：514-523.

白仙富，戴雨芡，趙恒.2014.地震影響場應急評估方法研究[J].自然災害學報，23(4)：91-102.

常隆慶.1938.四川疊溪地震調查記[J].地質評論，(3)：251-292.

李世成，崔建文，喬森，等.2001.云南山地地震地質災害對河流綜合開發的影響[J].地震研究，24(2)：140-145.

牛中齊，填海波，高武，等.2006.在山走動的地方[M].銀川：寧夏人民出版社.

喬建平，蒲曉虹，王萌，等.2009.汶川地震滑坡的分布特點及最大震中距分析[J].自然災害學報，18(5)：10-15.

秦緒文，楊金中，張志，等.2008.汶川地震災區航天遙感應急調查[M].北京：科學出版社.

孫崇紹，蔡紅衛.1997.我國歷史地震時滑坡崩塌的發育及分布特征[J].自然災害學報，6(1)：25-30.

唐川，黃楚興，萬曄.1997.云南省麗江大地震及其誘發的崩塌滑坡災害特征[J].自然災害學報，6(3)：76-84.

唐川，朱靜，張翔瑞.2001.GIS支持下的地震誘發滑坡危險區預測研究[J].地震研究，24(1)：73-81.

陶舒，胡德勇，趙文吉，等.2010.基于信息量與邏輯回歸模型的次生滑坡災害敏感性評價[J].地理研究，29(9)：1594-1605.

王秀英，聶高眾，馬牧軍.2012.地震滑坡災害評估中地震影響因素的聯合應用[J].地震學報，34(1)：76-84.

王秀英，聶高眾，王松.2011.利用模糊數學方法建立汶川地震滑坡災害評判標準[J].巖土力學，32(2)：403-410.

謝毓壽，蔡美彪.1985.中國地震歷史資料匯編(第四卷)[M].北京：科學出版社.

許沖，戴福初，肖建章.2011.“5·12”汶川地震誘發滑坡特征參數統計分析[J].自然災害學報，20(4)：147-153.

許沖，戴福初，姚鑫，等.2009.GIS支持下基于層次分析法的汶川地震區滑坡易發性評價[J].巖石力學與工程學報，28(z2)：3978-3985.

許沖，戴福初，姚鑫，等.2010.基于GIS的汶川地震滑坡災害影響因子確定性系書分析[J].巖石力學與工程學報，29(1)：2972-2980.

許沖，徐錫偉.2012.基于GIS與ANN模型的地震滑坡易發性區劃[J].地質科技情報，31(3)：116-121.

許國昌.1981.強震區人工巖質路塹邊坡的破壞及穩定性分析[J].西北地震學報，(3)：18-22.

游澤李，吳芝雄，謝樂今.1991.西藏察隅8.6級地震的烈度分布[J].東北地震研究，7(1)：94-102.

袁一凡.2008.四川汶川8.0級地震損失評估[J].地震工程與工程振動，25(5)：10-19.

朱海之，王克魯，趙其強.1975.從昭通地震破壞看山區地震地面破壞特點[J].地質科學，(3)：230-243.

莊建琦，崔鵬，葛永剛，等.2010.“5·12”汶川地震崩塌滑坡危險性評價[J].巖石力學與工程學報，29(z2)：3735-3742.

Koit，HottaN.，IshigakiI.，et al.2006.Prolongedimpactofearthquake-inducedlandslidesonsedimentyieldinamountainwatershed：theTanzawaregion，Japan[J].Geomorphology，81(1/2)：166-184.

Marzoratis，Luzil.，DeA.M..2002.Rockfallsinducedbyearthquakes：astatisticalapproach[J].SoilDynamicsandEarthquakeengineering，22(7)：565-577.

Inordertoquicklyandaccuratelypredicttheriskofearthquakeinducedlandslidesaftertheearthquake，wecountandanalyzethequantityandthedensity(whichmeansthenumberofthelandslideperunitarea)ofWenchuanMS8.0earthquakeinducedlandslidesindifferentimpactfactor，anddeterminethekeyfactorsofearthquakeinducedlandslidesbynormalizationmethod.Thenbasedonthekeyfactors，wedevelopamathematicalmodelfortheearthquakeinducedlandslidesfrequency.Takingthelandslidesnumberasthemainstatisticalstandards，wefindthatthelandslidesaremainlyconcentratedintheslopeof10-20°～40-50°(basedonthegridof90m)，mostlandslidesareconcentratedintheslopeof35°anditsnearby，andthereisasmallpeakwithlandslidesdistributionintheslopeof3°～7°.Thedensityoflandslidesincreaseswiththeincreaseoftheslope，andthereisasmallpeakoflandslidesdensityduringtheslopeof3°～7°.Ifthesloperemainsunchanged，wefindthatlandslidesdensitydonotshowaregularvariationwithotherfactorsexceptintensity.Thenormalizedcalculationresultsshowthattheslopeandtheintensityarethekeyfactorsofearthquakeinducedlandslides.AccordingtothecalculationresultofLogisticmodel，wedividetheriskofearthquakeinducedlandslidesinto5grades：Few(≤0.01)，Low(0.01～0.03)，Medium(0.03～0.09)，Critical(0.09～0.27)andExtra-heavy(≥0.27).Now，thepredictingdataoftheriskofearthquakeinducedlandslideshasplayedagoodroleinLudianM6.5earthquakeemergency.

Keywords：earthquakeinducedlandslides；risk；Logisticmodel；Wenchuanearthquake；Ludianearthquake

*收稿日期：2014-12-13. 基金項目：地震行業科研專項：中國地震應急救援的區域差異性分析(201208018)和國家科技支撐計劃：地震災情服務與應急決策支撐平臺研究(2012BAK15B06)共同資助.

中圖分類號：P315.9

文獻標識碼：A

文章編號：1000-0666(2015)02-0301-12

RiskAssessmentModelingofEarthquake-inducedLandslides
anditsPreliminaryApplication
BAIXian-fu1，DAIYu-qian2，YUQing-kun1，SHAOWen-li1

(1.EarthquakeAdministrationofYunnanProvince，Kunming650224，Yunnan，China)

(2.EarthquakeAdministrationofXishanDistrictofKunmingMultiple，Kunming650118，Yunnan，China)

Abstract