基于空間分析的區域地質災害點的分布特征研究
——以新疆為例

關　穎，朱　翊

(1.遼寧工程技術大學 測繪與地理科學學院，遼寧 阜新 123000；2.中國測繪科學研究院，北京 100830)

?

基于空間分析的區域地質災害點的分布特征研究
——以新疆為例

關穎1，2，朱翊2

(1.遼寧工程技術大學 測繪與地理科學學院，遼寧 阜新 123000；2.中國測繪科學研究院，北京 100830)

摘要：地質災害點的空間分布是災害領域研究的熱點問題之一。從地質災害點自身的規律出發，通過空間數據分析的方法來研究災害點的空間分布可以準確、深刻的揭示其空間分布的形態特征。以新疆滑坡、泥石流和崩塌災害點為例，引入標準差橢圓、Ripley’s K函數、核密度分析等空間數據分析方法，從不同角度對其空間聚集-離散的分布特征進行定性和定量的分析，實驗結果表明：新疆災害點呈現出“西南—東北分散，西北—東南聚集”的空間分布格局；滑坡、泥石流及崩塌的特征空間尺度依次為176 km、72 km和71 km，特征空間尺度可為災害多發地段的劃分提供依據；不同規模的地質災害在空間中的影響分布不同。

關鍵詞：地質災害；空間分析；新疆；標準差橢圓；Ripley’s K函數；核密度分析

地質災害是在自然變異和人為等作用下形成的復雜的地質現象[1]。看似它在空間上隨機分布，但實際上具有內在的規律性。區域地質災害點的空間分布特征是對地質災害進行深入認識、分析的重要基礎，一直是災害領域研究的主要內容之一。近年來有學者對地質災害點的空間分布進行了研究，研究的主要角度有：從半定量的角度對其空間分布的特點進行描述[2-3];通過統計分析的方式分析地質災害的分布與其他因素(高程、坡度、道路等)的關系[4-6]。但很少從地質災害自身內在所蘊含的特征來探究其空間分布的特征。實際上，其自身內在的規律性不應被忽視。

從空間分析的角度，滑坡、泥石流及崩塌等地質災害被抽象為“點”狀實體，幾何位置、時間與屬性等是其自身固有屬性特征[7]。空間數據分析方法是空間模式認知的重要方法。它側重于根據實體的地理坐標或屬性等信息分析其所具有的固體地理空間特征。因此，本文從空間分析的角度出發，以新疆滑坡、泥石流和崩塌地質災害為例，將標準差橢圓、Ripley’s K函數及核密度分析空間數據分析方法引入到區域地質災害點分布特征研究分析中，以定性和定量相結合的方式揭示其空間分布聚集與離散的分布模式，從而對地質災害本身有更深刻與全面的認識。

1研究區域概況及數據源

圖1　歷史災害點空間分布

新疆維吾爾自治區(簡稱新疆)，處于75°～95°E、35°～50°N之間。新疆面積約166萬km2，是我國面積最大的省級行政區。新疆地域遼闊，呈現出以下主要特點：1)新疆地形地貌變化復雜，地勢高低差異大，全疆高程范圍在-155～8 611 m左右；2)坡度陡峭不均，0°～10°的坡度范圍約占總面積的72%，而10°～40°的坡度范圍約占總面積的24%;3)斷裂帶發育明顯，構造運動活躍，主要的深斷裂帶約有35條，呈現出我國西部別具特色的菱形構造分布格局[8]，主要包括烏恰—庫爾勒—興地斷裂帶、康西瓦—商南—榮城斷裂帶、準格爾南緣斷裂等；4)地層巖性是孕育一切地質災害的物質基礎。新疆地層巖性豐富，包含有輝長巖、石英閃長巖、斜長花崗巖、片巖、流紋巖、哈爾加烏組和卡拉崗組并巖等多種成分，其中沉積巖約占總面積的60%。正因為復雜的地質條件，使滑坡、泥石流及崩塌成為易發災害，且暴發頻率高，影響范圍廣。具體空間分布如圖1所示。

歷史地質災害點、行政邊界線等數據信息均由新疆政府應急辦提供，經統計1920—2007年期間新疆共發生滑坡約1 201次；泥石流約1 422次；崩塌災害約2 006次。從歷史地質災害點的空間分布(見圖1)中不難發現，新疆滑坡災害集中發生在伊犁河谷地區。泥石流災害大部分事件集中在克孜勒蘇柯爾克孜自治州、喀什地區西南部、昌吉回族自治州的南部等區域。可見地質災害點的分布并非“雜亂無章”，而是在數據背后蘊含著其自身的規律性。

2地質災害點空間分布特征分析方法

標準差橢圓、Ripley’s K函數及核密度分析是空間數據分析的重要方法。標準差橢圓是從定性的角度表現地質災害事件在空間不同方向上的聚集分布趨勢，Ripley’s K函數則是定量的呈現不同尺度下地質災害事件的聚集分布模式，核密度分析則是定量的呈現不同規模的地質災害事件在空間分布中的聚集效應。因此3種方法相互補充，可以充分地對地理對象的空間特征和相互作用關系進行描述[9]。

2.1標準差橢圓分析

地質災害點的空間分布在各個方向上的離散程度明顯不同，正所謂“各向異性”[10]。一般的標準差橢圓可以解釋災害點事件中心趨勢、離散趨勢和方向趨勢等的空間特征。長軸方向標準差、短軸方向標準差及旋轉角θ是標準差橢圓構成的基本要素。一般來說，橢圓的長軸代表其最大離散度的方向，而短軸則代表最小離散度的方向[11]。主要計算方法為式(1)、式(2)。

(1)

(2)

2.2Ripley’s K多尺度點格局分析

地質災害事件在空間上的分布可以看作為二維空間里的“點”事件。事件“點”的空間分布模式并非固定不變，可能會受空間尺度的制約影響，即在不同尺度下呈現出不同的分布格局：在小尺度條件下表現出聚集分布的模式，而在大尺度條件下則表現出離散或均勻的分布模式[11]。Ripley’s K是點密度距離的函數，能夠克服傳統方法單一尺度分析的缺點，最大程度利用空間事件“點”的屬性信息，從而在不同空間尺度條件下分析事件“點”的分布模式，更加科學、合理。K(d)函數的算式為

(3)

(4)

式中：n為研究事件中“點”的數量；A為研究區面積；d為不同的空間尺度;δij(d)是在距離d范圍內的點i與j之間的距離。式(4)函數為式(3)函數的變形，使計算起來更加方便、快捷。

根據統計學相關理論，在完全空間隨機分布的假設前提下，L(d)的期望為0。根據L(d)與d的關系圖可分析、檢驗多尺度地質災害事件點的空間格局。若L(d)>0則地質災害點呈現出聚集分布模式；若L(d)<0則呈現離散的空間分布模式；L(d)=0則呈現完全隨機的空間分布模式[12]。

2.3核密度分析

核密度分析用于計算要素在其周圍鄰域中的密度，可計算點要素的密度也可以計算線要素的密度。常用于獲取犯罪情況報告或管線對動物、植物等生存環境造成的影響。在點所在位置處表面值最高，隨著與點的距離的增大表面值逐漸減小，在與點的距離等于搜索半徑的位置處表面值為零。在核密度分析中，落入搜索區域內的點或線具有不同的權重，靠近網格搜索中心的被賦予較大的權重，隨著距離的增加而降低。因此，“影響隨距離的增加而衰減”的思想正符合地質災害對周圍的影響程度，即規模越大對周圍的影響越大，且隨距離的增加而衰減。

3新疆地質災害點空間分布特征分析結果

3.1基于標準差橢圓的方向分布分析

ArcGIS10.1中的“方向分布”工具是基于標準差橢圓的原理用于分析地理事物在不同方向上的聚集—離散特征的工具。本文以滑坡、泥石流、崩塌歷史災害點資料數據為基礎，利用ArcGIS10.1軟件中“方向分布”工具分別計算其在空間方向上的聚集、離散程度，具體結果如圖2所示。

圖2　地質災害點的方向分布

從圖2中可以看出，滑坡、泥石流及崩塌災害總體均呈現出“西南—東北分散，西北—東南聚集”的空間分布格局。主要原因是由于南疆塔里木盆地面積遼闊，地勢平坦，并且人煙稀少，因此鮮有災害發生。滑坡、泥石流歷史累計的數目接近，所屬區域大致相同、長軸方向相似，但從圖2(a)、2(b)上明顯看出泥石流事件方向分布的長軸明顯長于滑坡事件方向分布的長軸，可見泥石流的發生隨機性更強一些，滑坡事件的空間聚集性較強，應在其短軸方向加強防范措施。

3.2基于Ripley’s K多尺度點格局分析

標準差橢圓是從定性的角度對地質災害點不同方向的聚集—離散的程度進行描述，Ripley’s K函數則是從定量角度對不同尺度下的地質災害點聚集—離散的程度進行刻畫。

CrimeStat3.3是地理空間統計分析的軟件，主要用于犯罪事件，受美國資助由Ned Levine & Associates開發研制而成。本文在原始數據的基礎上提取出2000—2007年地質災害點數據，然后利用CrimeStat3.3軟件下的“Distance Analysis”模塊進行Ripley’s K函數分析，從而分析得到新疆滑坡、泥石流及崩塌災害點空間分布格局。

3.2.1滑坡

通常情況下，常用縱坐標L(d)值的第一個峰值所對應的橫坐標距離d值表示該事件空間聚集的特征空間尺度，用來度量事件分布強度或擁擠度[13-14]。由圖3可以看出，滑坡的特征空間尺度為176 km，并隨著空間距離的增大，L(d)值曲線變得平緩并有下降趨勢，聚集強度降低，在305 km處略有上升趨勢，隨后聚集強度再一次下降，說明滑坡事件的分布范圍在變大，災害事件“點”在空間分布中的均勻程度在變高。

圖3　2000—2007年的滑坡災害點分布

3.2.2泥石流

由圖4可以看出，泥石流事件L(d)值的變化略微動蕩，出現兩個峰值分別約為72 km和245 km，在空間尺度小于72 km時其空間聚集強度不斷增大，72～245 km時增加緩慢，災害點的分布變得均勻，隨后L(d)值略微上升達到空間聚集的特征尺度的最大值，然后L(d)急劇下降，災害點逐漸分布均勻。

圖4　2000—2007年的泥石流災害點分布

3.2.3崩塌

由圖5可看出，崩塌的特征空間尺度為71 km，隨空間距離的增大，L(d)值曲線急劇下降，聚集強度不斷降低，L(d)最后小于0，災害點呈現出離散分布。

圖5　2000—2007年的崩塌災害點分布

地質災害點空間上的聚集效應可以表現為區域的多發地段或是災害群發性。因此，滑坡、泥石流和崩塌在新疆的空間聚集度的特征尺度可以作為災害防治監測尺度，為地質災害的多發地段的劃分提供一定依據。

3.3基于核密度分析的地質災害點規模影響空間分布

地質災害暴發時的規模、體積等狀況將會決定對附近區域造成的危害程度。因此對滑坡、泥石流等災害規模的掌握對于其易發性、危險性等的研究比較重要。依據縣市度地質災害的調查要求，按體積大小將其分4種規模類型，具體如表1所示。

表1　地質災害規模分類標準及統計

地質災害的體積、規模越大，對自然和人文環境造成的破壞力越大，同時對周圍環境帶來直接或間接的危害也更大。為探究地質災害規模影響程度在空間上的分布，利用歷史災害點的規模屬性信息：小型、大型、中型及巨型，按照分類標準的臨界值量化，最后利用核密度分析工具進行分析。具體分析結果如圖6所示。

對地質災害破壞范圍的分析，有助于相關部門有針對性地建立監測點，將地質災害帶來的風險值降到最低。在歷史累計的時間上看，崩塌造成的影響破壞性較大，分布區域較廣，主要分布在北疆的北部和南部區域，如布爾津、烏魯木齊等地和阿爾泰山南麓中低山丘陵區及伊犁河谷地區，及南疆的克孜勒蘇自治州北部和喀什地區局地；滑坡災害則對伊利河谷地區造成較大影響；泥石流事件則對天山南、北及南疆西南部局部地區影響較大。

4結論

本文基于空間數據分析的角度，將標準差橢圓、Ripley’s K函數及核密度分析的原理引入到對

圖6　地質災害點強度影響分布

新疆區域歷史地質災害點的空間分布特征的研究中，通過定性和定量相結合的方式揭示其在空間中的分布特征。研究結果發現：

1)新疆滑坡、泥石流和崩塌歷史災害點呈現出明顯的空間聚集特征。標準差橢圓可以定性地描述災害點在方向分布上的聚集特征，而Ripley’s K函數則可以對不同空間尺度下的聚集形態進行定量的刻畫，從而可以為有關部門提供防范監測依據。

2)基于核密度原理的地質災害規模影響分析表明：規模不同地質災害對周圍的影響強度不同，呈現出的空間聚集性也不同。且地質災害規模的空間聚集性可以反映災害群發性的特征。

3)地質災害點自身呈現出的規律性是對地質災害深刻認識的基礎，是揭示其發展演化過程的重要前提。因此從空間數據分析的角度探討地質災害點的分布規律具有研究和實踐價值。

參考文獻：

[1]張繼賢.3S支持下的滑坡地質災害監測、評估與建模[J].測繪工程,2005,14(2)：1-2.

[2]孫煒峰.千陽縣千河谷地典型粘黃土區地質災害危險性評價研究[D].北京：中國地質科學院,2009.

[3]尚志海,林培松,林妙棋.梅州市典型地質災害分布特征及危害性分析[J].國土與自然資源研究,2012,6(3)：60-62.

[4]張國平,徐晶,畢寶貴.滑坡和泥石流災害與環境因子的關系[J].應用生態學報,2009,20(3):653-657.

[5]方丹,胡卓瑋.基于GIS的北川縣地震次生滑坡災害空間預測[J].山地學報,2012,30(2):230-238．

[6]黃維江，曾濤，謝玉鳳.基于RS與GIS的汶川地區地質災害易發性評價分析[J].測繪與空間地理信息，2015,38(9)：34-37.

[7]閆慶武,卞正富,王楨.基于空間分析的徐州市居民點分布模式研究[J].測繪科學,2009,34(5):160-162．

[8]木合塔爾·扎日.新疆主要斷裂構造的分布及其地質特征[J].新疆工學院學報,1994,15(3):188-190.

[9]毛政元,李霖.空間模式的測度及其應用[M].北京:科學出版社,2004:1-331.

[10] EBDON D.Statistics in Geography[M].2nd ed.Oxford:Blackwell Publishers,1988.

[11] 王勁峰,廖一蘭.空間數據分析教程[M].北京：科學出版社，2010.

[12] 高凱,周志翔.基于 Ripley K 函數的武漢市景觀格局特征及其變化[J].應用生態學報，2010,21(10)：2621-2626.

[13] O’DRISCOLL R L．Description of spatial pattern in seabird distributions along line transects using neighbour K statistics[J]．Marine Ecology Progress Series,1998,165：81-94.

[14] 盧志軍,王巍.巴山木竹發筍和大熊貓取食的時空格局及相關性分析[J].生物多樣性,2009,17(1):1-9.

[責任編輯：張德福]

A study of the distribution characteristics of regional geological hazards based on spatial analysis—a case of Xinjiang

GUAN Ying1，2，ZHU Yi2

(1.College of Surveying and Geographic Science，Liaoning Technical University，Fuxin 123000，China;2.Chinese Academy of Surveying and Mapping，Beijing 100830，China)

Abstract：The distribution of geological disasters in the space is one of the hot issues in the field of disaster.From geological hazard rules，the spatial data analysis method is used to study the spatial distribution of disaster point that can accurately reveal the profound morphological characteristics.The paper analyzes the effects of spatial data aggregation-discrete degree from different angles by qualitative and quantitative methods of standard deviation ellipse，Ripley’s K function and kernel density, taking landslide, debris flow and landslide of Xinjiang as the cases.The experimental results show that Xinjiang disaster presents the spatial distribution of “Southwest northeast scattered，northwest southeast aggregated”；the characteristic spatial scale of Xinjiang landslide, debris flow and collapse are 176 km, 72 km and 71 km. The characteristics of spatial scale can provide the basis for disaster prone division.The geological disasters in different scale effect the different spatial distribution.

Key words：geological disaster；spatial analysis;Xinjiang;standard deviation ellipse;Ripley’s K function; kernel density analysis

DOI:10.19349/j.cnki.issn1006-7949.2016.09.004

收稿日期：2015-05-10；修回日期：2015-09-30

作者簡介：關穎(1989-)，女，碩士研究生.

中圖分類號：P954

文獻標識碼：A

文章編號：1006-7949(2016)09-0015-05