信息量模型在地質災害災情評估及險情預測中的應用

許林艷(云南國土資源職業學院數字國土與土地管理學院，云南昆明650093)

國內外眾多學者針對不同區域的地質災害評價進行了廣泛的理論探討和實證研究，但是目前國內外對地質災害評價尚無統一的評價方法和評價標準［1］，因此，針對各區域開展有針對性的地質災害評價研究，對豐富和完善地質災害評價研究具有重要的理論意義和實踐意義。區域地質災害危險性評價研究，即地質災害發生的可能性大小，一直是國內外學者研究的重點，而基于GIS的信息量法由于客觀性高、可操作性強且能融合專家的經驗，被多數學者認為是實現地質災害評價科學化、信息化、快速化的方法之一［1－3］，眾多評價實踐也表明，基于GIS的信息量法是一種運用成熟、評價結果可靠度較高的方法［1－7］。筆者依托“思茅區地質災害調查與區劃”項目，在對思茅區地質環境背景進行深入、全面、系統的調查和定性分析的基礎上，采用信息量法對思茅區進行地質災害危險性評價，并在此基礎上，考慮地質災害造成的直接和潛在的生命財產損失，探討了信息量法在思茅區地質災害災情評估及險情預測中的應用實踐。

1 研究方法

信息量法最早是由晏國珍引入到滑坡預測的，繼而被許多學者應用到地質災害危險性評價中。由于地質災害是諸多因素共同作用的結果，雖然各因素本身的性質及對地質災害發生所起的作用都存在較大差異，但在諸多影響因子中始終存在一種“最佳因素組合”，它對地質災害發生的“貢獻率”最大，即誘發地質災害發生的可能性最大［8］。信息量法實際上是通過將各評價因子對斜坡變形破壞所提供的信息量值疊加，作為預測評價的定量指標，它把各評價單元的信息量值等權重疊加，且其評價結果的準確性與選取因子的多少和質量無關，比較適合于地形復雜的山區或高原區［1］。信息量通常用條件概率來計算，但實際計算時可用頻率估計條件概率來估算。具體計算過程如下:

(1)確定評價因子Xi，并進行單因子圖層重分類。

(2)分別計算各評價因子Xi對地質災害發生(H)所提供的信息量值Ii(Xi，H):

式中，S為研究區總面積;N為研究區已發生的地質災害的總面積;Si為研究區所含有的評價因子Xi的總面積;Ni為含有指標Xi并且發生發生了地質災害的面積。

(3)計算某一單元在P種因素組合情況下，提供邊坡變形破壞的信息量，即:

式中，Ii為評價單元內總的信息量值;n為影響因子數(其他參數同前)。其中Ii＜0、Ii=0、Ii＞0分別表示該單元發生地質災害的可能性小于、等于、大于區域平均發生地質災害的可能性，即評價單元信息量越大，發生地質災害的可能性越大。

(4)根據各評價單元信息量取值范圍，找出分界點，將所得結果轉化為相應的的危險性等級。

(5)結合災情因子和險情因子，確定地質災害災情等級和險情預測評價等級，方法同上。

2 技術路線與評估預測

2.1 技術路線 主要包括:資料的收集整理與野外調查、建立基礎信息數據庫、劃分評價單元、建立評價指標體系、評估預測及評估結果分析。具體技術流程見圖1。

圖1 技術路線

2.2 評估預測過程

2.2.1 建立地質災害基礎信息數據庫。由于所有評價指標必須統一到同一地理坐標系統才能進行GIS空間分析，才能將其帶入數學評價模型進行地質環境質量評價，因此必須建立研究區的地質災害調查評價基礎信息數據庫。該研究中空間數據庫主要包括:研究區1∶5萬地形圖、水系圖、公路圖、居民點分布圖、地質巖性圖、地質構造圖、降雨分布圖、地質災害現狀分布圖、村直接經濟損失分布圖、村人員傷亡分布圖、村潛在經濟損失分布圖、村潛在威脅人口分布圖、村人口密度分布圖、村地均戶數分布圖、坡度圖、坡向圖等。該研究屬性數據庫主要通過大量野外現場調查所收集到的地質災害點及隱患點數據以及研究區的社會經濟統計數據錄入到空間數據庫中的圖層屬性結構表中。

2.2.2 建立評價指標體系。在廣泛地查閱文獻資料和實地考察的基礎上，充分考慮因子的關鍵性和數據的可獲得性，選取距斷層距離、地面坡度、地層巖性、距河流距離、地面坡向、距公路距離、降雨量、地質災害分布現狀共8因子作為地質災害危險性評價因子，而對于那些在研究區域內空間分布差異不明顯的因素未予考慮(如植被覆蓋、地震等因素)，建立地質危險性評價指標體系;并在此基礎上，選取地質災害造成的村直接經濟損失和村人員傷亡，建立思茅區地質災害災情評估指標體系;同時選取地質災害村潛在威脅人口和村潛在財產損失與村人口密度和村地均戶數兩種險情因子方案，分別建立思茅區地質災害險情預測評估指標體系。

該研究主要介紹災情因子與險情因子與地質災害發育的相關關系及分布特征，其他因子與地質災害發育的相關關系及分布特征，不再詳述。

(1)災情因子。由于地質災害調查與區劃的主要目的是為防災減災決策提供參考，而實地調查得到的已造成生命財產損失數據是衡量地質災害災情的最直接的依據和標準。研究區共已發生61個地質災害點，分布在34個行政村，58個自然村內，共造成直接經濟損失1 373.7萬元，死亡10人。該研究思路主要是將實地調查到得的地質災害直接經濟損失和人員傷亡以行政村為單位計算其信息量，從而進行地質災害災情的空間定位分析。

(2)險情因子。險情因子有2種方案:方案一是實地調查得到的潛在威脅人口和潛在經濟損失是地質災害潛在險情的直接反映，其中潛在威脅人口按實際調查中地質災害隱患點的潛在威脅人口估算，潛在財產損失考慮到損毀的多為房屋且差異不大，主要根據房屋的結構類型和新舊程度，并結合實際調查訪問，采用統一價格折價法，按照每戶3萬～5萬不等的補償價格進行估算。研究區共有42個行政村，94個自然村存在地質災害隱患，潛在威脅人口約2 702人，威脅財產約4 030.5萬元。同理，險情因子也是以行政村為單位計算其信息量，從而進行地質災害險情的空間定位分析。方案二的提出是為了檢驗方案一中調查數據的完整性和科學性，選取村地均戶數和村人口密度作為險情因子，進行地質災害險情預測對比分析，以期得到更加全面和科學的險情預測結果。

2.2.3 劃分評價單元。該研究采用GIS柵格單元作為地質災害評價單元，柵格評價單元的劃分是否恰當，直接影響到預測結果的合理性。由于評價單元面積的大小主要與基礎數據的精度和自然坡體的大小有關，但是假若基礎數據很粗略，而評價設置單元過小，這除了增加計算工作量以外別無其他用處。因此在實際運用中，往往還只能憑經驗公式確定評價單元面積的大小。確定柵格單元大小的經驗公式為:

式中，G為適宜格網大小;S為原始地形圖比例尺倒數。結合研究區實際情況、制圖效果以及經驗公式，最后選取70 m×70 m的格網大小，一共將研究區劃分為8 013 626個柵格評價單元。

2.2.4 評價因子信息量計算。分別將地質災害現狀分布圖與各評價因子專題圖層進行疊加，通過公式(1)計算出各評價因子每個狀態集對地質災害發生所提供的信息量值(表1)。

3 評價結果分析

3.1 危險性分區評價 利用ArcGIS的空間疊加功能將各評價單元內的危險性評價因子的信息量值進行疊加，信息量最大值為8.905 758 868，最小值為 －11.264 265 06，數值越大，表示地質災害發生的可能性越大。利用自然斷點分類法對研究區地質災害危險性總息量值進行重分類，分別為高度危險區(Nat∈［－1.398 542 671，8.905 758 858］)，中度危險區(Nat∈［－ 4.407965024，－ 1.398542672］)，低度危險區(Nat∈［11.264 265 06，－4.407 965 025 5］)，其占總評價單 元的面積比例依次為27.60%、40.23%、32.18%。

從得到的思茅區地質災害危險性區劃(圖2)可以看出，地質災害危險性分布圖很好地反映了區域地質災害發育的分布特征:思茅區地質災害高度危險區主要集中在思茅至江城公路和思茅至瀾滄公路沿線兩側、倚象鎮東南部、云仙鄉西北部、龍潭鄉東北部和思茅港鎮西部地區;中度危險區在各鄉鎮都有零星分布;低度危險區主要集中分布在地勢平坦的盆地一帶以及六順鄉東部和萊茵河自然保護區。值得注意的是，思茅港鎮西部糯扎度自然保護區是國家自然保護區，從該處地質環境看，緊靠瀾滄公路和瀾滄江，地層巖性以J2X和T2X為主，地形坡度陡峭，是地質災害高度和中度險情區的集合。但由于該地區人煙稀少，雖是高易發區，但是可能造成生命財產損失較少，不能稱之為地質災害，只能稱之為不良地質現象，因此在地質災害調查過程中并非重點調查區。

圖2 地質災害危險性評價區劃

3.2 災情評估 在地質災害危險性評價的基礎上，將村直接經濟損失和村人員傷亡兩個災情因子疊加起來，得到地質災害災情總信息量最大值為9.405 496 60，最小值為－12.873 743 06，同理進行重分類，將研究區地質災害災情分為高度災情區(Nat∈［－1.795 485 902，9.405 496 597］)，中度災情區(Nat∈［－5.150 205 317 ～ －1.795 485 903］)和低度災情區(Nat∈［－12.873 743 06，－5.150 205 318］)，其占總評價單元的面積比例依次為 22.78%、43.85%、33.37%。

圖3 地質災害災情評價區劃

對比災情評價圖(圖3)和危險性評價圖可知:地質災害災情空間分布與危險性空間分布基本一致，且高度災情區主要集中在思茅至江城公路和思茅至瀾滄公路沿線兩側、云仙鄉西北部以及思茅港鎮北部地區。災情評價是從已造成的生命財產損失角度對地質災害危險性做出的一種詮釋，高度災情區即為地質災害高度危險區，低度災情區即為低度地質災害低度危險區。

3.3 險情預測 在地質災害危險性評價圖上，疊加方案一村威脅人口和村威脅財產2個險情因子，得到方案一思茅區地質災害險情評價結果(圖4)，通過分析可知:方案一險情分布與實際調查中隱患點的分布基本一致，調查隱患點密集的地區為高度險情區，沒有隱患點的地區為低度險情區。考慮到野外實地調查的局限性及典型性，雖為普查但也不可能對研究區內每一個地方都進行實地調查，因此其評價結果也可能存在局限性。

圖4 方案一地質災害險情預測評價結果

圖5 方案二地質災害險情預測評價結果

為了驗證方案一中結果的準確性和可靠性，考慮在危險性評價圖上疊加方案二村人口密度和村地均戶數2個險情因子，得到方案二思茅區地質災害險情評價結果(圖5)，其中險情預測總信息量最大值為8.464 862 82，最小值為－15.547 164 92，研究區險情分為3級:高度險情區(Nat∈［－1.941 997 997，8.464 862 823］)，中度險情區(Nat∈［－5.765 382 592，－ 1.941 997 998］)，低度險情區(Nat∈［－15.547 164 92，－5.765 382 593］)，其占總評價單元的面積比例依次為32.93%、44.53%、22.54%。對比方案一和方案二的評價結果可知:高度險情區主要集中在思江公路、思瀾公路沿線及云仙鄉西北部地區;但局部地帶也存在特殊規律，如龍潭鄉北部、思茅港鎮西部糯扎度自然保護區，方案一得出的結果是低度險情區，方案二得出的結果卻是高度險情區，說明這些地區其自身的地質環境決定了其是地質災害高度危險區，但在地質災害調查中可能被忽略或未予以重點調查，從而導致兩者結果存在局部差異，因此在以后的更新調查中要予以重點考慮。總的來說，2種方案險情分布基本一致且與實地調查吻合，說明這2種方案的評價結果都是具有可行性和可靠性的，但方案二中用村人口密度和村地均戶數作為險情因子得出的險情預測評價結果更加全面和具有普遍意義。

4 結論與討論

該研究將信息量法應用到思茅區地質災害危險評價及災情評估和險情預測中，且評價結果與實地調查結果吻合度較高，說明用信息量法進行地質災害空間區劃具有可行性、可靠性及準確性，并為豐富與完善云南山區典型性區域地質災害理論與方法運用研究提供了新的案例。其中用信息量法進行地質災害經濟損失評估(包括災情評估和險情預測)，主要通過對經濟損失統計數據進行空間定位化，利用ArcGIS空間疊加功能將災情因子和險情因子與危險性評價因子進行空間疊加，從而實現災情評估和險情預測評估。在險情評價過程中，為了驗證方案一村威脅人口和村威脅財產作為險情因子進行險情預測的客觀性和可靠性，用方案二村人口密度和村地均戶數作為險情因子進行險情預測評價，并進行對比分析，結果表明，方案二的評價結果及其分布規律既遵循了以人為本的原則又滿足實際調查中數據的可獲得性，評價結果更加全面，具有普遍意義。

［1］張春山，韓金良，孫煒鋒，等.陜西隴縣地質災害危險性分區評價［J］.地質通報，2008，27(11):1795 －1801.

［2］高克昌，崔鵬，趙純勇，等.基于地理信息系統和信息模型的滑坡危險性評價——以重慶萬州為例［J］.巖石力學與工程學報，2006，25(5):991－996.

［3］阮沈勇，黃潤秋.基于GIS的信息量法模型在地質災害危險性區劃中的應用［J］.成都理工學院學報，2001，28(1):89 －92.

［4］吳柏清，何政偉，劉嚴松.基于GIS的信息量法在九龍縣地質災害危險性評價中的應用［J］.測繪科學，2008，33(4):146 －147.

［5］張桂榮，殷坤龍，劉傳正，等.基于GIS的陜西省旬陽地區滑坡災害危險性區劃［J］.中國地質災害與防治學報，2003，14(4):39 －43.

［6］陳亮，孟高頭，張文杰，等.信息量模型在縣市地質災害調查與區劃中的應用研究［J］.水文地質工程地質，2003，30(5):49 －52.

［7］孟令超，盧曉倉，史晨曉，等.基于信息量模型的達曲庫區滑坡危險性分析［J］.災害學，2009，24(4):31 －34.

［8］孫煒鋒，譚成軒，王繼明，等.陜西寶雞地區千陽縣地質災害易發性評價［J］.地質通報，2008，27(11):1795 －1801.