趙良軍,楊 號,王 澤,牛 凱,張 蕓,鄭莉萍
(1.四川輕化工大學計算機科學與工程學院,四川 自貢 643000;2.企業信息化與物聯網測控技術四川省高校重點實驗室,四川 自貢 643000)
地震是滑坡的一個主要觸發因素,強震過后震區滑坡、泥石流等地質災害往往成為研究熱點。例如,由汶川地震[1-4]和九寨溝地震[5-8]所引發的相關地域滑坡、泥石流等地質災害至今仍然具有研究價值。地震的影響范圍較大,雖然持續、多次的中小烈度地震可能不易造成強烈破壞,但是卻極易導致滑坡、泥石流等重大自然災害的發生,然而這類災害往往容易被忽視。以釜溪河流域為例,匯總中國地震局2015 年1 月1 日至2021 年2 月30 日地震統計數據可知(圖1),該區域及周圍共發生4.0 級及以上地震40 次(其中5.0~5.9 級地震8 次,6.0 級以上地震1 次),而同期四川省內發生4.0 級以上地震76次,近5 年來該區域內地震總數占四川省地震總數的52.6%,所以,該區域成為了名副其實的地震頻發區。大多數文獻是關于地震頻率的研究,而由地震引發的區域滑坡、泥石流等地質災害的研究卻較少。文獻[9]研究了“自貢市區滑坡的基本特征”。文獻[10-11]研究了自貢市北環路k8 處、成都-自貢-瀘州高速公路二峨山隧道出口滑坡。該研究區內滑坡(包括泥石流、崩塌等)尚缺乏深入研究,其滑坡致災因子和易發性風險等級尚不清楚,這一狀況可能給社會經濟發展帶來隱患。

圖1 研究區及周圍4級以上地震分布圖(地震點來源于中國地震局官網2015年01月—2021年02月數據,網址:https://www.cea.gov.cn/)
本文以釜溪河流域主要流經區自貢市為研究對象,利用Google earth 影像數據進行滑坡解譯并獲取130 處滑坡信息,使用30 m DEM(Digital Elevation Model,數字高程模型)提取地形相關信息,并使用Landsat8 數據提取植被指數和水體指數,再結合全國1∶100萬土壤數據,分析研究區地形地貌、氣象水文條件、植被等因素,并且采用基于頻率比的災害風險指數模型來進行滑坡風險易發性分析,進而評價該地區的地質災害風險,分析關鍵致災因子,旨在為該區域滑坡風險分析評估、災害預警與災害治理提供輔助決策支持,且有效減少人員傷害與財產損失,保障該區域社會經濟持續發展。
研究區(自貢市)位于四川盆地南部,沱江流域釜溪河畔(東經104.05°~105.26°,北緯28.93°~29.64°),面積約4381 km2,總人口323.94 萬人,具有兩千年的鹽業開采歷史。該區域大地構造系楊子淮地四川臺坳、川中臺拱、自貢凹陷,北與威遠—龍女寺臺穹相鄰,東南為赤水凹陷,南與瀘州凸起相接,西南與涼山褶斷帶相鄰,境內構造簡單、巖層產狀平緩,西北部地勢高、東南部地勢低,由低山地貌、丘陵地貌、平壩地貌和溝谷地貌組成,分布有沖谷、沖溝、侵蝕溝以及喀斯特槽谷和盆地、河谷。多年平均降雨量在1000 mm 左右,5月至9月降雨量約占全年的50%~80%,此期間易爆發滑坡、崩塌等地質災害;而冬季少雨,年降雨量僅占5%左右(圖2)。

圖2 研究區滑坡災害分布影像圖
因此,該區域由于人工工程開采頻繁,以及環境降雨分布不均勻等因素導致地震頻發,極易造成地表切割塌陷,從而導致地質災害頻發。
通過借助Google earth 遙感影像圖,再結合30 m DEM 數據,同時進行野外地質調查,經過解譯—復核—再解譯—再復核的工作流程,來識別地質災害類型、確定邊界、判斷主滑方向,以及獲得前后緣高程、估算面積、坡度和坡向等信息,建立解譯標志,并將解譯結果與衛星影像圖疊加,目視解譯地質災害130處,災害總面積為371 202 m2,解譯成果如圖3所示。從圖3 可以看出,滑坡災害主要分布在海拔相對較高、沿溝谷發育區域,規模以中、小型為主。

圖3 滑坡分布與DEM
該研究的基礎數據來源于Landsat8OLI(LANDSAT_SCENE_ID:LC81290402018092LGN00),經輻射校正、大氣校正和裁剪等預處理步驟,提取出植被指數(NDVI)和水體指數(NDWI);再利用DEM 生成坡度、坡向、高程、溝谷密度、地表起伏度;最后基于1∶100萬土壤數據提取土壤類型數據。將所有數據轉為柵格圖層并重采樣為30 m×30 m 網格,把坡度、坡向、植被指數等因子作為“疑似”致災因子代入計算,通過頻率比法進行篩選、分析坡度、坡向及土壤類型等8 個指標因子與滑坡災害的關系,最后結合歷史災害數據,驗證滑坡風險易發性分析的準確性,并判斷主要致災因子,流程如圖4所示。

圖4 滑坡災害評價的技術路線
(1)土壤類型
土壤是孕育滑坡的重要因子,與滑坡成因、滑坡類型、危害大小等密切相關[12-13]。論文采用的土壤數據來自中國科學院南京土壤研究所與中國農業部土壤環境處共同制作的全國1∶100萬數字化土壤圖數據。在該比例尺內,研究區的土壤分為6類:簡育高活性強酸土、人為堆積土、不飽和雛形土、艷色高活性淋溶土、石灰性疏松巖性土及不飽和疏松巖性土,如圖5(a)所示。
(2)地形參數
滑坡的孕育與地形有密切關系,由DEM 數據生成的坡度、坡向、地表高程、溝谷密度、起伏度等地形參數是決定滑坡能否發生及發生后的危害程度的重要條件[14-16]。本文中具體的地形因子獲取方法如下:
①坡度:滑坡的產生,是由于滑體(土質、巖質等)在一定的重力作用下移動而形成,因此坡度是分析滑坡易發性的一個候選指標。本文所用坡度圖層根據研究區30 m DEM生成,如圖5(b)所示。
②坡向:即山坡傾向,坡向可影響地表降水流向、植被生長及繁茂程度,最終對滑坡的孕育產生間接影響[17]。本文根據30 m DEM 提取的坡向圖層,如圖5(c)所示。
③高程:即地表高程,是以黃海平面為參考平面的豎向高度,坡道的滑移需要一定的高程作為前提條件。不同的高程范圍內,對滑坡體產生影響的因素分布差異較大,例如地下潛水層的分布、坡體內應力值的大小、植被覆蓋度、人類活動范圍等。本文提取的地表高程圖層,如圖5(d)所示。
④溝谷密度:水力侵蝕是部分類型滑坡的直接觸發因素,在一定的降水條件下水流沖刷掏蝕斜坡坡腳,特別是對于土質邊坡,當坡腳受到嚴重破壞時將會造成邊坡崩塌。本文采用線密度來表示溝谷密度,利用ArcGIS 生成[18],如圖5(e)所示。其定義如下:

式中:D為溝谷密度;ΣL為河流總長度,km;ΣA為單位面積,km2。
⑤起伏度:地形起伏度指在一個特定的區域內最高點海拔高度與最低點海拔高度的差值,用以表達地形切割深度,是劃分地貌類型的一個重要指標。本文采用11×11網格大小范圍內的海拔高度與最低點海拔高度的差值來表示地表起伏度,提取的起伏度圖層如圖5(f)所示。
(3)植被、水體指數
①植被指數
滑坡的孕育與植被的覆蓋狀況密切相關:植被不僅可以防風固坡,而且具有防止地下水對邊坡的侵蝕等作用,因此,植被指數是評判滑坡易發程度的候選因子。本文采用歸一化植被指數(NDVI)來反映植物生長狀態以及植被空間分布密度[19],NDVI的計算公式如下:

式中:NIR、R分別為近紅外波段、紅外波段。NDVI的值在-1.0~1.0 范圍內變化,NVDI值越大,植被分布密度越高。本文提取的植被指數如圖5(g)所示。
②水體指數
降水是觸發滑坡的主要因素之一[20-21],因此,水體指數(NDWI)可以作為滑坡致災候選因子,其公式如下:

式中Green為綠光波段。提取的水體指數圖層如圖5(h)所示。
頻率比法(Frequency Ratio Method,簡稱FRM)主要用來確定滑坡災害和致災因子的關系。基于將來發生的滑坡災害與過去發生的滑坡災害條件相同這一假設[22-23],通過分析已經發生的滑坡災害影響因素及其影響程度大小,評估將來可能發生滑坡災害的概率。頻率比法公式如下:
式中:FR為頻率比,Ni為在某類條件下(如坡度為5°~10°)災害的數量(用像元數表示),N為災害的總數量(總像元數),Si為某類條件下地質災害在柵格圖層上所占的總像元數,S為該區域內柵格圖層的總像元數。當FR值大于1時,表示該因素與地質災害相關度較大,反之較小。如果某類因素的整體頻率比都小于1,則說明該類因素與地質災害關聯度小,可以不考慮該類因素。因此,頻率比法可以用來確定影響地質災害的主要致災因子,并剔除無關因子。滑坡敏感性指數(LSI)模型可以用來評估災害風險,其值為訓練區各因子的頻率比值進行累加所得[24],即:

滑坡敏感性指數代表了滑坡等災害發生的相對難易程度。因此,其值越大,災害發生的概率越高,反之,代表發生概率較低。為了便于模型驗證,將LSI進行歸一化,公式如下:

式中:LSIi為第i個LSI值,LSImin為LSI最小值,LSImax為最大值。
基于FRM 方法,各因素的類型或范圍的頻率比計算及它們與滑坡事件的關系見表1,可以看出坡度、坡向、土壤類型、植被指數、水體指數、地表起伏度、溝谷密度和地表高程8 個因子都與研究區滑坡災害密切相關。

表1 致災因子頻率比分析結果表

續表
根據式(5),將坡度、坡向、土壤類型、植被指數等8 個致災因子的柵格圖層像元值相加,并根據式(6)進行歸一化,得到各像元點風險指數值。
依據滑坡易發性分類標準,將研究區滑坡災害易發性劃分為極低、低、中、高、極高5 個等級(分類標準見表2),所占百分比分別為37.04%、39.43%、13.84%、6.88%、2.81%,如圖6所示。

表2 滑坡易發性等級分類標準表

圖6 研究區滑坡易發性等級區劃圖(LSI)
(1)結果驗證
將研究區的滑坡敏感性分級圖(圖6)與提取的滑坡信息(面狀矢量)進行疊置分析,疊置分析后得到的滑坡像元與研究區滑坡災害易發性等級對應關系見表3。

表3 滑坡像元與易發性等級對照表
在130 處滑坡中,研究區30 m×30 m 網格中包含478 個像元,極低像元與低像元所占百分比共為28.25%,中、高、極高像元所占百分比共為71.75%,該結果表明該模型預測值基本準確。
(2)風險分析
將滑坡易發性等級區劃圖層與地理信息數據進行疊加,如圖7 所示。在研究區北部的榮縣高山區域,滑坡風險極高,如圖7(a)所示;富順縣南部山區極高風險區呈零星帶狀分布,如圖7(b)所示。圖7(b)中可見,中部的貢井區、自流井區、大安區、沿灘區等主城區周圍存在大片的高風險區。由圖7可見,榮縣高山區域(地表高程337~884 m,起伏度1~216 m),中、高、極高風險區域共占總面積70.37%,極高風險區域占總面積20.95%。

圖7 滑坡風險分析圖
基于致災因子頻率比以及LSI 模型結果,從研究區滑坡易發性等級區劃圖(圖6)可以看出:
(1)研究區內的坡度、坡向、土壤類型、植被指數、水體指數、地表起伏度、溝谷密度和地表高程8個因子均與地質災害相關,其中坡度為30°~90°的FR值 最 高,并 且 坡 度>10°的FR分 別 為2.5406、4.0713、4.8775、10.9253、19.2817,該類地形面積僅占全部研究區總面積的12.12%,而其余87.88%區域坡度均小于10°,說明在研究區坡度較陡峭的區域極易發生滑坡,應重點關注城區及周邊坡度大于10°的人工或自然陡坡。
(2)對于坡向,在東、東南、南、西南、西區域,FR>1,說明在該區域主要在陽坡,光照充足,利于植被生長發育,可以起到穩固邊坡的作用。
(3)溝谷密度在0.50~0.90 km/km2范圍內,FR>1 的區域,占全部研究區的58.58%;當溝谷密度大于0.90 km/km2時,FR<1,說明溝谷密度與滑坡呈非線性關系,滑坡災害在一定溝谷密度下易發。
(4)植被指數在負值區,FR=0,該區域主要為城鎮及道路區域,人工設施較多,無滑坡樣本數據;植被 指 數 在0~0.60 區 間 內,FR分 別 為3.3249、1.1151、0.6194,表明隨著植被覆蓋度的增加,滑坡易發概率降低;但是在0.60~1.00 植被指數區間內FR=1.2243,表明在植被覆蓋度較高的區域也容易發生滑坡。綜合分析,在與研究區地理位置類似的我國西南部低矮丘陵地帶,植被發育良好,但受坡度和地下水等環境影響,也易發生滑坡。
(5)地表起伏度區間為0~216 m,起伏度>20 m,則FR>1,表明具備一定的高程差是形成滑坡的必要因素;地表高程區間為214~900 m,研究區中地表高程值大于300 m 的區域FR>1,而且隨著高程增加FR值也在增大;土壤類型為簡育高活性強酸土,FR=4.1022,該類型土壤主要分布在研究區西北部及東南角高山區。綜合地表高程、土壤類型及起伏度分析,在地形切割嚴重的高山丘陵地帶易發生滑坡。
(6)綜合考慮研究區西北、東南部較高、中部較為平緩的丘陵地形特征,本文研究結果證明了滑坡災害頻發與近100 年來持續的礦業開發、城鎮化建設、地震影響及氣候異常相關,在研究區海拔較低的區域,一旦形成人工切坡,就極易發生滑坡災害,特別是在人口密集的城鎮及周邊地區,人類活動頻繁再加上受地震及降水影響,其災害易發性風險較高。
因此,為了治理滑坡災害,在減少地形、地質因子影響(邊坡加固)的同時,還需要從加強滑坡預測、預報工作,重點區劃分災害易發區方面進行考慮,預防、減緩滑坡災害的發生。
基于Google Earth、Landsat8 數據研究了滑坡易發性評估方法在地質災害監測與調查中的應用,通過頻率比法分析致災因子與滑坡的相關性,結合滑坡敏感性指數模型實現了研究區滑坡易發性等級區劃,最后分析、評價了主要致災因子,主要結論如下:
(1)研究區內的坡度、坡向、土壤類型、植被指數、水體指數、地表起伏度、溝谷密度、地表高程8個因子均與地質災害相關,在地形切割嚴重的高山丘陵地帶極易發生滑坡。
(2)在研究區北部的榮縣高山區域,滑坡風險極高,富順縣南部山區極高風險區呈零星帶狀分布,而該區域及周圍地震頻發,應重點關注新的滑坡產生;中部的貢井區、自流井區、大安區、沿灘區等主城區周圍存在大片的高風險區,一旦形成人工切坡,極易發生新的滑坡災害。
(3)鑒于該區域近5年來地震頻發,針對研究區的滑坡災害治理,在減少地形、地質因子影響(邊坡加固)的同時,需要從加強滑坡預測、預報工作著手,從而預防、減緩滑坡災害的發生。
綜上所述,本文以釜溪河主要流經區域自貢市為研究區,進行了滑坡易發性等級區劃,為今后的滑坡災害防治勾劃重點,為川南類似區域地質災害風險預測、評估與監測治理提供了有效途徑。