基于信息量模型的盤州市地質災害易發性評價

魯 霞， 蘭安軍， 母浩江， 秦 微， 李 蕓， 張興菊

(貴州師范大學地理與環境科學學院，貴陽 550025)

2019年7月23日，貴州省六盤水市水城縣突發山體滑坡，造成42人遇難、9人失聯、21棟房屋被埋的重大地質災害事件，引發了社會對地質災害的高度關注。地質災害是在各種地質作用下形成的災害性地質現象，受自然環境與人類活動共同影響[1]，且具有成因復雜、破壞面廣、續發性強等特點，時刻威脅著人們的生命財產和生產生活[2]。地質災害易發性評價是對區域地質災害發生的可能性進行預測，對于區域災害防治具有現實意義。

早期的地質災害評價多采用地理相關分析法、專家打分法等評價方法，這些方法分別從災害概念、災害種類等角度進行定性分析[3-4]。隨著相關領域科學技術的快速發展，遙感(remote sensing, RS)和地理信息系統(geographic information system,GIS)技術與各種模型相結合的評價方法開始被應用到災害評價中，促使評價方式從定性研究逐步過渡到定量研究。定量研究的方法很多，其中Anbalagan[5]、趙建糧等[6]運用GIS強大的空間分析功能開展地質災害區劃研究；賀鵬等[7]利用層次分析法構建評價模型分析西藏札達地區的滑坡災害易發性；武雪玲等[8]將三層BP(back propagation)神經網絡引入到三峽庫區的滑坡災害易發性評估中；田春山等[9]基于CF模型和邏輯回歸模型對廣東省地質災害易發性進行了評價；呂擎峰等[10]在對霍爾古吐水電站壩址區泥石流進行危險性評價時引入了灰色關聯法。上述評價模型各有特色，也取得了大量的研究成果，但隨著中外學者在地質災害評價研究中的不斷深入，對于評價模型的可靠性、易實現性有了更高的要求。信息量模型的引入在一定程度上滿足了這一需求，同時使評價結果更具客觀性[11]。Wang等[12]、Mandal等[13]學者先后運用信息量模型在區域滑坡敏感性評價中獲得較高精度的評價結果；朱良峰等[14]、吳柏清等[15]、鄧輝等[16]學者也紛紛在地質災害風險評價中引入信息量模型，將其應用范圍擴展到不同的地理環境中，為各研究區的災害防治研究提供了重要參考[17-18]。

盤州市是貴州省喀斯特地貌較為突出的地區，也是省內地質災害易發地區[19]，區內滑坡、塌陷等地質災害頻發，對當地的經濟發展及環境保護造成嚴重的制約。但通過查閱相關文獻資料發現，近年來盤州市關于地質災害的研究基本以定性研究為主[20]，缺乏系統的定量評價，且信息量模型在喀斯特地區地質災害研究中的應用極少。因此，根據盤州市的地質環境特點，基于信息量模型開展地質災害易發性評價具有現實意義，評價結果能為該區域災害預防和治理提供一定參考。

1 研究區概況

盤州市位于貴州省六盤水市西南部(圖1), 介于104°17′～104°57′E，25°19′～26°17′N, 處于滇黔交界處，區域總體地勢東南低、西北高、中部隆起。境內水系發達，河流密布，海拔735～2 861 m，相對高差2 130 m，區內氣候屬于亞熱帶高原濕潤季風氣候，雨熱同期，年平均氣溫15.2 ℃，年平均降水量1 390 mm。研究區屬典型的西南喀斯特山區，地形環境復雜、生態環境脆弱、水土流失嚴重，2015年盤州市土壤侵蝕面積占區域面積的40.44%[21]。通過資料收集和災害調查得知，2016年盤州市地質災害(隱患)點共445處，據不完全統計，區域內共有18 135戶、57 370人受到地質災害威脅。如表1所示，按地質災害類型來看，研究區主要分布有滑坡災害278處，占災害總數的62.47%，其余災害分別為崩塌56處、地面塌陷40處、地裂縫35處、不穩定斜坡34處、泥石流2處。從空間分布來看，地質災害在境內31個鄉鎮皆有不同程度的分布，其中北部及中部地區分布較集中，南部地區分布相對稀疏。

2 信息量模型的基本原理

信息量模型是由信息論衍變而來的一種統計分析模型，過去常被用于地質找礦等領域[22]。中國最早將信息論方法運用于滑坡災害預測的是晏國珍，隨后，許多學者開始使用這種方法來評價不同地區地質災害的易發性[23]。地質災害(Y)受各種影響因素(Xi，i=1，2，3，…，n)的影響，由于各影響因素的性質不同，地質災害受其影響的程度存在差異。當使用信息論方法進行預測時，認為地質災害發生的可能性和預測過程中所得到的各種信息的數量和質量密切相關，是可以通過信息量來衡量的[24]。根據地質災害在各因子中實際分布情況來計算每個評價因子的信息量值，然后將評價單元中所有因子的信息量值進行疊加，從而獲取整個區域的地質災害綜合信息量值，當信息量值的越大時，則表明地區發生地質災害的可能性越大[25]。用概率公式表示信息量值如下：

圖1 研究區位置Fig.1 The location of research area

災害類型災害點受脅戶受脅人災害點數占地質災害總數/%受脅戶數占總戶數/%受脅人數占總人數/%崩塌5612.581 89510.455 93310.34不穩定斜坡347.64 1 4167.81 4 9128.56 地裂縫357.87 1 96610.84 5 74910.02 地面塌陷408.99 2 24712.39 7 02112.24 滑坡27862.47 10 57458.31 33 63158.62 泥石流20.45 370.20 1240.22 合計445100.00 18 135100.00 57 370100.00

(1)

式(1)中:I(Y,x1,x2,…,xn)表示參與評價的各指標對地質災害提供的信息量值總和；P(Y,x1,x2,…,xn)代表的是評價體系作用下地質災害發生的概率；P(Y)表示地質災害發生的概率。

在實際計算中可采用樣本頻率計算，通常可先計算各評價指標xi的信息量值(評價指標xi對地質災害發生Y的貢獻率)，即

(2)

式(2)中：Ni指的是影響因素Xi中分布的災害單元數量；N代表研究區中分布的地質災害單元總數；Si表示研究區中包含了影響因素Xi的單元數量；S表示研究區劃分得到的評價單元總數。

計算每一個評價單元在若干評級指標組合條件下的總信息量，公式如下：

(3)

式(3)中：Ii指的是評價單元中信息量值的總和；n為評價指標的總數。

3 基于信息量模型的地質災害易發性評價

3.1 評價因子的選取與分析

地質災害的成因非常復雜，受多種因素共同作用，因此在地質災害易發性評價中，合理地把握地質環境中控制災害發生的影響因素顯得尤為重要[17]。為構建適合研究區地質環境特點的易發性評價模型，本次評價因子的選取是在前人研究成果的基礎上，分析了盤州市地質災害與影響因子的空間分布規律，對資料的可獲性、研究區的尺度、范圍等情況綜合考慮后，最終選取了高程、坡度、坡向、年平均降雨、距斷層的距離、距水系的距離、距道路的距離、巖性8個因子參與評價。

3.1.1 高程

在不同高程之間人類工程活動以及土壤特性皆存在差異，從而對地質災害的發生及分布有著重要的影響。盤州市高程數據來源于地理空間數據云平臺下載的覆蓋研究范圍的30 m分辨率數字高程模型(digital eleration model, DEM)數據，然后將其劃分為5個等級，得到高程分級，如圖2(a)所示。將研究區地質災害(隱患)點與高程數據疊加分析發現，區內地質災害大多分布在1 567～1 936 m，占災害點總量的63.82%。

3.1.2 坡度

坡度能直觀地描述局部地表的起伏形態，坡度越陡，其地表物質流動和能量轉換的強度越劇烈[26]，可能會造成斜坡的穩定性降低，進而影響災害的發生。利用研究區DEM數據和ArcGIS表面分析Slope工具，得到研究區的地形坡度因子，將坡度分為5等級，如圖2(b)所示。經統計分析可知，該地區的地質災害主要發生在坡度為5°～25°的區域，其間共有317處災害點，占研究區災害點總數的71.24%。

3.1.3 坡向

坡向指的是山坡的坡面法線在水平面上投影的朝向，在不同坡向上受到的太陽輻射強度、降雨等自然條件不同，隨之植被特征及巖石風化程度也存在著差異，因此坡向也是影響地質災害分布的重要因素之一。將研究區的DEM數據運用ArcGIS表面分析Aspect工具提取得到坡向因子，并按照各個方向角度分級，如圖2(c)所示。對各個方向上的地質災害分布情況進行統計分析，結果表明災害點在不同方向上分布的數量差異并不大，其中北、東南方向稍多，分別占災害點總數的14.38%、12.58%。

圖2 評價因子分級Fig.2 Classification of landslide influence factors

3.1.4 年平均降雨

降雨不僅會影響土壤含水率，也會使地表土層在受到沖刷作用后坡體結構失衡，進而引發地質災害。盤州市屬于亞熱帶氣候，雨量較為充沛，年平均降雨量為1 390 mm，雨量呈現出從北至南逐漸增加的趨勢。將收集到的降雨數據共分為6個區段，如圖2(d)所示，分別統計地質災害(隱患)點在不同區段的分布情況，在降雨量大于1 235 mm的區段分布最多，達到了229處，占到了災害點總數的51.46%。

3.1.5 距斷層距離

斷層主要通過影響其一定范圍內的巖土體結構使得坡體的穩定性降低，同時也為地下水提供營運通道進而造成斜坡的變形[23]，為地質災害的發育提供條件。充分考慮研究區斷層與地質災害的空間分布關系，將斷層以1 000 m為間隔共劃分為4個區段，如圖2(e)所示。統計分析發現研究區內災害點集中分布在斷層集中和斷層鄰近區域；在距斷層2 000 m范圍內，分布有295處災害點，占災害點總數的66.29%，地質災害點隨距斷層的距離的增大而減少。

3.1.6 距水系距離

水系條件除了影響河流附近的地下水位線，造成斜坡穩定率下降，還可能通過河流的側蝕和下切作用形成斜坡陡坎，隨時間積累易發生地質災害[27-28]。利用研究區DEM數據和ArcGIS的水文分析工具，提取得到研究區水系因子。結合地質災害的空間分布，以400 m為緩沖距離進行多級緩沖，將距水系距離共劃分為6級，如圖2(f)所示。在距水系2 000 m范圍內，距離水系越近災害點分布越集中，其中在距水系400 m區域內有災害點154處，占災害發生總量的34.61%。

3.1.7 距道路距離

道路因子主要反映的是人類工程活動的影響。道路建設時不可避免地要進行填挖改造，改造過程中很可能會使斜坡形成高陡邊坡，在長期的重力作用和外力條件下，破壞了原始的坡土體結構，從而為地質災害的發生提供條件[29]。為了統一數據的標準，同樣以400 m為間隔將距道路距離等距分為6個級別，如圖2(g)所示。通過分析地質災害與道路分布關系發現，在距道路2 000 m范圍內，共分布地質災害(隱患)點305處，是研究區災害點總量的68.54%，災害點數量隨著距離增加而減少。

3.1.8 巖性

盤州市屬于典型的西南喀斯特山區，以喀斯特地貌為主，為了更好地表示研究區的地質特征，本次收集到的巖性數據主要分為3個區域，即喀斯特區、半喀斯特區(喀斯特與非喀斯特混合地區)、非喀斯特區。如圖2(h)所示。研究區地質災害集中分布在半喀斯特和非喀斯特區域，在這兩個分區內災害類型以滑坡災害為主，分別占災害總數的55.22%和55.91%，可以看出巖石性質在一定程度控制了地質災害的發生。

3.2 信息量模型計算過程

3.2.1 評價單元劃分

在構建信息量模型過程中，各因子間分級標準不同，為了便于量化各評價指標，計算不同指標的信息量值，在計算之前需對研究區進行單元劃分，選取適宜的單元將對評價結果產生直接影響。綜合考慮原始數據的情況和計算機的處理能力，在滿足精度和運算準確性的前提下，選擇柵格單元作為研究區的評價單元。確定適宜柵格單元格大小參考了之前學者的經驗公式：

GS=7.49+0.000 6S-2.0×10-9S2+2.9×10-15S3

(4)

式(4)中：GS為選取單元格的大小；S為原始等高線數據精讀分母。

根據經驗公式計算得到的柵格大小為50.39 m。由于本次研究收集的災害數據為點狀數據，且采用的DEM 數據分辨率為30 m，為了方便計算，最終確定評價單元格大小為30 m×30 m，將研究區總共劃分為 4 408 663 個評價單元。

3.2.2 基于GIS的信息量模型計算

基于信息量模型進行地質災害易發性評價時，首先是構建評價指標體系，以高程、坡度、坡向、年平均降雨、距斷層距離、距水系距離、距道路距離、巖性為評價因子，通過對搜集到的基礎資料整理分析，再利用GIS技術對各評價因子圖層進行提取、分級。為了便于計算，參考評價單元數據標準將所有因子轉換為30 m×30 m的柵格數據，完成評價指標體系的建立。分別將各因子圖層和地質災害數據進行空間疊加，計算不同指標因子下地質災害點的分布密度，然后引入式(2)計算各指標因子的信息量值，如表2所示。根據各指標因子的信息量值對其柵格圖層重分類，生成各因子的信息量圖。最后參照式(3)，將各因子信息量圖進行柵格疊加運算，得到各單元綜合信息量值。

3.3 地質災害易發性分區

通過上述計算得到研究區各單元綜合信息量值(-4.434 79≤I≤3.360 752)。利用ArcGIS軟件中柵格重分類的自然斷點法(natural break classification)將研究區內評價單元按其綜合信息量值的大小共劃分為5級，然后歸并相同級別的單元，最終獲得研究區的地質災害易發性評價分區(圖3)。各分區信息量值區間分別為低易發區(-4.434 79≤I<-2.019 726)、較低易發區(-2.019 726≤I<-0.949 741)、中易發區(-0.949 741≤I<0.028 536)、較高易發區(0.028 536≤I<1.098 503)、高易發區(1.098 503≤I<3.360 752)。

表2 各評價因子信息量值Table 2 Calculations of information quantity of various evaluation factors

圖3 盤州市地質災害易發性評價分區Fig.3 Geological hazard risk distribution in Panzhou City

3.4 評價結果分析

盤州市地質災害易發性評價結果分為高易發區、較高易發區、中易發區、較低易發區、低易發區5類。將評價結果與因子分級(圖2)結合分析結果如下。

盤州市地質災害高和較高易發區總面積為1 566.46 km2，占研究區面積的38.62%。從行政單元來看，這部分區域主要分布在盤州市東部的英武鎮、舊營白族彝族苗族鄉，南部的新民鎮、響水鎮、石橋鎮以及西北部的柏果鎮、灑基鎮。從分布特點來看，高和較高易發區主要分布在托長江、馬別河等主要河流的沿岸、靠近道路和斷層分布相對集中的區域，呈現出帶狀分布規律。該區域人類活動相對活躍，受河流和斷層影響大，且巖土體結構穩定性較差，當遭遇不適宜的人類工程活動或集中性強降雨時，發生地質災害的可能性極高。

中易發區面積為1 275.18 km2，占盤州市總面積的31.44%。由圖3可看出，中易發區在各鄉鎮的分布并不均勻，主要集中于研究區的南部地區。且該區域與河流、道路的分布也有明顯的位置聯系，大都分布在高和較高易發區周邊，地質災害發生的概率相對減小，但作為高易發區和低易發區的過渡區，如果不加以控制，很可能轉為高易發區。低易發區與較低易發區主要呈塊狀分布，區域面積共計1 214.36 km2，占研究區面積的29.94%，該區受人類工程活動的影響較小，且大多分布在斷層分布稀疏區域，其中低易發區主要分布在研究區的北部和西部地區，地質災害概率低。

此外，根據統計分析各分區中災害點的實際分布情況，得到盤州市地質災害易發性分區統計表，如表3所示，高和較高易發區內地質災害(隱患)點共293處，是災害點總數的65.84%；中易發區共分布101處災害點，占災害點總數的22.70%；低和較低易發區范圍內災害點占比為11.46%，數量共51處。總體來看，隨著易發性等級的升高，各級區域內分布的地質災害(隱患)點的數量增大，其災積比(地質災害發生的概率)也逐步遞增，這可以說明本次易發性評價結果與區域內地質災害的實際分布情況較為符合，在不同等級之間也有較好的區分關系，分區效果理想。

表3 盤州市地質災害易發性分區統計表Table 3 Statistical table of susceptible zoning of geological hazards in Panzhou City

4 結論

(1)以貴州省盤州市為研究對象，在充分考慮區域地質環境及地質災害(隱患)點分布情況的基礎上，選取高程、坡度、坡向、年平均降雨、距斷層距離等8個影響因子，利用GIS技術結合信息量模型完成了盤州市地質災害易發性評價。將分區成果和區域內實際地質災害(隱患)點進行驗證，表明本次評價結果與實際情況相符合，分區劃分合理，可為該地區災害風險評價及災害防治提供重要的參考價值。

(2)各評價因子中，距水系距離、距道路距離、年平均降雨和距斷層距離4個因子對研究區地質災害起著控制性作用。區內地質災害主要分布在靠近水域和道路、斷層相對集中的區域，并隨著距離增加，地質災害發生的概率減小，其中較高易發區、高易發區呈現出帶狀分布的趨勢。

(3)利用信息量模型對區域地質災害進行易發性評價時，災害數據與影響因子數據的精度和完整性對評價結果的準確性有很大影響，因此在今后的研究中盡可能采用質量更好的相關數據，可以使評價效果更加符合實際。