鶴峰縣地質災害易發性評價

段先鋒， 毛啟曦， 劉萬亮， 龔志愚

(湖北省地質調查院，湖北 武漢 430034)

鶴峰縣位于湖北省西部中低山地區，由于特殊的自然地理環境和地質構造背景，加之人類工程活動的影響，導致該地區地質災害頻發，特別是近幾年強降雨增多，地質災害在雨后更為強烈，頻繁的地質災害嚴重威脅當地居民生命財產安全，也制約了城鄉建設及社會經濟的持續健康發展[1]。該區前期開展過地質災害調查核查以及易發性評價工作[2-3]，但未能客觀完整的對地質災害的影響因素做出分析，對地質災害的研究也主要考慮的是其自然屬性，預測評價也多從地質災害本身的內外影響因素入手，對地質環境條件的調查重視不夠，尤其是對因人類經濟工程活動所誘發的地質災害的研究不夠，在諸多不利因素影響下，地質災害的發展趨勢預測評價較為欠缺。

地質災害易發性是指某一地區過去和未來發生地質災害的概率[4]，即探索在某一區域中給定時間段內，在諸如地形地貌、地質構造、巖土類型、植被以及人類工程活動等影響因素下，發生地質災害的可能性。根據地質環境條件和地質災害發育特征與分布規律，可將地質災害易發區分為極高易發區、高易發區、中易發區和低易發區[5-6]。

地質災害易發性評價始于上世紀70年代，其評價方法較多，歸納起來主要包括統計分析法[7]、邏輯回歸法[8-9]、層次分析法[10-11]、遞進分析法[12]、權重指標法[13-15]、信息量模型法[1，6，16-17]和其他方法[18-21]，每種方法都具有各自的特點及適用性。研究區前期已經用定性與半定量相結合的易發程度指數法做過易發性評價工作[2-3]，其研究精度已經不能滿足當前需要，而信息量模型法是一種定量分析方法，物理意義明確、操作簡單，能將主觀和客觀相結合。為了提高易發性分區評價準確性和精度，在分析各因素對研究區地質災害發育程度影響的基礎上，選取適當的評價因子，構建信息量模型進行評價。

依據鶴峰縣地質災害風險調查最新數據，對區內地質環境條件和地質災害發育特征與分布規律進行分析研究，利用ArcGIS軟件平臺，進行地質災害易發性評價，為研究區城鄉發展規劃及防災減災預警工作提供科學依據。

1 研究區概況

鶴峰縣地處鄂西褶皺山地，地跨東經109°45′～109°38′，北緯29°38′～30°14′。東西長85 km，南北寬約67 km，面積2 868 km2。山脈走向與褶皺構造線方向基本一致，全縣地勢東南低、西北高，平均海拔高程1 147 m[22]，最高點為燕子坪北側的牛池峰，海拔高程2 095.6 m；最低點為東南部鐵爐鄉的江口谷地，海拔高程194.6 m。由北西向東南逕流的溇水河是境內侵蝕基準面。區內多年平均降雨量超過1 800 mm，春、夏雨季為地質災害高發期。

區內出露地層較全，除侏羅系、白堊系外，中元古界冷家溪群—新生界第四系均有出露，其中寒武系、三疊系分布最廣，第四系主要分布在河谷兩岸、巖溶谷地。巖性上以碳酸鹽巖分布面積最廣，占全縣總面積的60%以上。區域構造上屬湘鄂西拗陷，構造類型以NNE-NEE向褶皺和斷裂為主(圖1)。

圖1 研究區構造綱要圖Fig.1 Structural outline map of the study area

2 地質災害發育現狀

研究區地質災害主要類型為滑坡和崩塌，其中滑坡367處、崩塌29處，而地面塌陷和泥石流甚少。

地質災害空間上主要分布在地質構造活躍及河流沖刷侵蝕作用強烈、地形地貌特征不利的溝谷地區；構造上主要分布在鄔陽鄉—下坪鄉—中營鎮、容美鎮—太平鎮、燕子鎮與五里鄉分界線、走馬鎮、鐵爐鄉5條NE走向的線性區域內，與研究區構造走向基本一致(圖2)；時間上多發育于3—8月份的春夏雨季。此外區內人類經濟工程活動較強區域，特別是切坡建房修路會降低斜坡的整體穩定性，易發生地質災害。

圖2 研究區地質災害點分布圖Fig.2 Distribution map of geological hazards points in study area

地質災害發育總體特征是規模較小，但多分布在重要線性工程兩側及人類聚居區附近，危險性和危害性較大等。

3 信息量模型法

3.1 信息量模型原理

信息量模型法是一種定量分析方法[6-7]，評價過程中可較好地反映致災因子和地質災害的關聯性[15]。通過模型評價，能夠直觀地反映出研究區內各致災因子對于形成地質災害的敏感度和貢獻率[4]。

信息預測學認為，地質災害的產生與否與其所獲取信息的數量和質量有關，可用信息量來衡量[23-24]，即單元所獲取的總信息量值越大，地質災害越易發生，且不同的致災因子對地質災害發生提供的信息量也是不同的。其模型建立過程如下：

首先，計算單因素(指標)xi提供給地質災害發生(A)的信息量I(xi，A)：

(1)

式中：P(xi/A)為地質災害發生條件下xi出現的概率；P(xi)為研究區指標xi出現的概率。

式(1)是理論模型，在具體運算時往往用樣本頻率計算，即：

(2)

式中：S為預測區總單元數；N為預測區已知發生地災的單元數；Si為含有xi的單元個數；Ni為含有指標xi，并且已經發生了地災的單元個數。

計算某一單元在P種因素組合情況下提供的信息量，即：

(3)

式中：xi代表評價單元內所取的因子等級；I(xi，A)為因子xi對地質災害所貢獻的信息量；Si為研究區內含有因子xi的面積；S為研究區面積；Ni為發生地質災害區域中含有因子xi的數量；N為研究區內地質災害總數；I為評價單元中的綜合信息量[23-24]。

該模型理論簡單、客觀、實用，在地質災害易發性評價中效果較好，因此很適合在中小比例尺地質災害易發性評價中應用。

3.2 ArcGIS分析計算

由于地質災害易發性評價因子多基于DEM數據和Landsat8數據，因此采用柵格單元作為地質災害風險評價的評價單元，為便于計算，研究區的柵格大小取30 m×30 m。

地質災害的發生受多個致災因子的影響，且不同致災因子對地質災害的影響程度也有差異，將收集到的各個致災因子信息單獨作一個圖層，然后將評價因子圖層分別與地質災害分布圖在ArcGIS軟件中作空間疊加分析計算，得到地質災害在各個不同致災因子中的信息量值；利用ArcGIS柵格計算功能完成地質災害綜合信息量值，生成以信息量大小為衡量標準的地質災害易發程度分區圖。信息量值越高，說明致災因子對地質災害發生的影響程度越高，發生地質災害的可能性越高。

4 地質災害易發性評價

4.1 評價因子的選取與分級

根據研究區地質災害風險調查，在分析各因素對地質災害發育特征與分布規律影響的基礎上，將高程、坡度、工程地質巖組、斜坡結構、距斷層的距離、植被覆蓋度、距水系的距離、距道路的距離等8個主要致災因素劃分為38個要素區間，進行信息量值計算，以揭示不同要素區間對地質災害影響的強弱程度。

(1) 高程。根據海拔情況，通過自然間斷點分級法對海拔高度進行分級，并作適當調整，將研究區高程劃分為五類：①<700 m；②700～1 000 m；③1 000～1 300 m；④1 300～1 600 m；⑤>1 600 m(圖3-a)。

通過高程信息量模型計算結果表(表1)，高程>1 000 m 時地質災害發生的概率較低，而高程<1 000 m時地質災害發生的可能性較高。

表1 高程信息量模型計算結果表Table 1 Calculation results table of elevation information model

(2) 坡度。坡度直接影響斜坡表面殘坡積物的厚度、物質的穩定性和水動力條件，從而影響地質災害發生的強度和規模[15]。

坡度使用DEM數據計算生成。利用ArcGIS軟件中的坡度計算提取地形坡度，結合研究區地形坡度的實際情況，分為五個級別：①0°～10°;②10°～20°;③20°～30°;④30°～40°;⑤>40°，分別研究不同坡度級別下地質災害的發育情況，見圖3-b。

通過坡度信息量模型計算結果表(表2)，可見坡度在10°～30°時，地質災害發生的可能性較高，而坡度在0°～10°、30°～40°和>40°時，地質災害發生的概率較低。

表2 坡度信息量模型計算結果表Table 2 Calculation results table of slope information model

(3) 工程地質巖組。根據研究區巖石的地層巖性、巖體結構、物理力學性質及工程地質特征，將其巖土體工程地質類型分為四類：①堅硬石英砂巖巖組;②堅硬灰巖—白云巖巖組;③堅硬—半堅硬白云巖—砂巖—頁巖巖組;④半堅硬—軟弱粉砂巖—泥巖巖組(圖3-c)。

通過工程地質巖組信息量統計表(表3)，可見堅硬石英砂巖巖組，堅硬—半堅硬白云巖—砂巖—頁巖巖組和半堅硬—軟弱粉砂巖—泥巖巖組中信息量值較大，地質災害發生的可能性較高。

表3 工程地質巖組信息量統計表Table 3 Statistics of information of engineering rock group

(4) 斜坡結構。斜坡結構決定了滑坡的空間形態，對滑坡的發育強度也起到一定程度的控制性作用。將研究區的斜坡結構分為五類：①順向坡(0°～30°);②斜順坡(30°～60°);③橫向坡(60°～120°);④斜逆坡(120°～150°);⑤逆向坡(150°～180°)(圖3-d)。

通過斜坡結構信息量模型計算結果表(表4)，可見順向坡與逆向坡發生滑坡地質災害的可能性較高，在橫向坡和斜逆坡發生地質災害的可能性較低。

表4 斜坡結構信息量模型計算結果表Table 4 Calculation results table of slope structure information model

(5) 距斷層的距離。地質災害的發育一般都與斷裂構造密切相關，斷裂帶附近由于巖石較為破碎，有利于地質災害形成和發育的構造條件[25]。將研究區地質災害點距斷層的距離分為五個等級：①0～200 m;②200～500 m;③500～800 m;④800～1 200 m;⑤>1 200 m(圖3-e)。

通過地災點距斷層的距離信息量統計表(表5)，可知在距離斷層800 m以內發生地質災害的可能性較高，800 m以上發生地質災害的可能性則較低。

表5 距斷層的距離信息量統計表Table 5 Statistics of distance from fracture classification level information

(6) 植被覆蓋度。植被的作用主要是減少水土流失，保護斜坡的穩定性。一般情況下，植被越發育，地質災害發育程度越低，但對地質災害發育程度起不到決定性作用[24]。因此，研究區的植被覆蓋度信息僅能在一定程度上反映該區地質災害的發育情況。

將研究區植被覆蓋度分為四類：①水體;②中低植被覆蓋區;③較高植被覆蓋區;④高植被覆蓋區(圖3-f)，可知該區絕大部分地區屬于較高、高植被覆蓋區。

通過植被覆蓋度信息量模型計算結果表(表6)，可見植被覆蓋度越高，其信息量值越低，地質災害發生的概率也越低。

表6 植被覆蓋度信息量模型計算結果表Table 6 Calculation results table of vegetation coverage classification level information model

(7) 距水系的距離。研究區地質災害發育具有沿溝谷兩側分布的特征，根據距河流遠近關系，結合信息量模型法多次計算，將地災點距水系的距離分為五個等級：①0～200 m;②200～400 m;③400～600 m;④600～800 m;⑤>800 m(圖3-g)。

通過距水系的距離信息量模型計算結果表(表7)，可見災害點距水系的距離越近，信息量值越大，地質災害發生的概率越高。

表7 距水系的距離信息量模型計算結果表Table 7 Calculation results table of distance from water system classification level information model

(8) 距道路的距離。公路開挖邊坡導致部分地段斜坡坡度過陡，未做防護措施或切坡、護坡不規范時，易形成崩塌地質災害[23]。對研究區內道路網絡進行分析，并根據災害點距道路的距離分為五個等級：①0～100 m;②100～200 m;③200～300 m;④300～400 m;⑤>400 m(圖3-h)。

圖3 致災因子分級圖Fig.3 Classification map of disaster-causing factors

通過距道路的距離信息量模型計算結果表(表8)，可見災害點距道路的距離越近，信息量值越大，地質災害發生的概率越高，道路切坡對區域內地質災害發生的影響非常大。

表8 距道路的距離信息量模型計算結果表Table 8 Calculation results table of distance from the road classification level information model

通過比對各類地質災害信息量模型計算結果，不難發現不同致災因子對于地質災害致災效果有明顯區別，在高程<1 000 m，坡度10°～30°，堅硬石英砂巖巖組、堅硬—半堅硬白云巖—砂巖—頁巖巖組和半堅硬—軟弱粉砂巖—泥巖巖組，順向坡和逆向坡，距斷層的距離<800 m，中低植被覆蓋區，距水系距離<200 m，距道路距離<100 m各致災因子中的信息量值最大，地質災害更為發育；且在其中高程<1 000 m，中低植被覆蓋區，距水系的距離<200 m，距道路的距離<100 m條件下最為易發。

4.2 易發性分區評價

將各個評價因子圖層按信息量值進行柵格計算，將量化后的每個柵格單元在ArcGIS平臺上進行各種空間信息疊加，得到每個柵格單元的總信息量值。研究區總信息量值范圍為[-0.53,0.59]，代表區內地質災害的易發性指數。利用ArcGIS軟件中的自然斷點法將地質災害易發區分為四類：低易發區(<-0.24)、中易發區(-0.24～0.04)、高易發區(0.04～0.19)、極高易發區(>0.19)，得到研究區地質災害易發性分區圖(圖4)，地質災害易發性分區統計結果見表9。

圖4 研究區地質災害易發性分區圖Fig.4 Zoning map of geological hazard susceptibility in the study area

表9 地質災害易發性分區統計表Table 9 Statistics of geological hazard susceptibility zones

由圖4和表9可知，地質災害極高易發區分布于地質構造活躍及河流沖刷侵蝕作用強烈、地形地貌特征不利的溝谷地區，面積僅占研究區總面積的7.35%，卻發育有47.47%的地質災害；地質災害高易發區分布于極高易發區的周緣，該區面積占研究區總面積的23.49%，發育有38.89%的地質災害；低易發區面積占研究區總面積的19.38%，僅發育有0.51%的地質災害；中易發區分布于低易發區的四周，面積占研究區總面積的49.78%，發育有13.13%的地質災害。

綜合以上，研究區主要為山區，植被覆蓋度高，且無河流沖蝕，人類工程活動較弱，地質災害發生的概率較低，為地質災害中低易發區。

總體上，從低易發區到極高易發區分布面積占全區總面積的比例數量合理，易發性等級由低到高，其地質災害發育數量的比例越來越大，高易發區與極高易發區地質災害點總占比為86.36%。

4.3 精度檢驗

地質災害易發性評價結果是否準確直接關系到模型的可靠性[26]，因此對易發性評級結果進行精度檢驗十分必要。ROC曲線(Receiver Operating Characteristic Curve)即受試者工作特征曲線，是地質災害易發性評價精度驗證的常用方法[23]。由于ROC曲線直觀、簡單，可準確地反映出易發性和所用分析方法特異性之間的關系，試驗準確性較高，因此在地質災害易發性評價中應用比較廣泛[26]。縱坐標為真陽性率(敏感度)，橫坐標為假陽性率(1-特異度)。AUC(Area Under Curve)表示ROC曲線下的面積，是度量分類模型好壞的一個標準，其值介于0～1之間，越接近1，則模型模擬值和樣本值越接近；AUC評價指標值越大，則代表模型分類結果的準確性越高，即模型精度越高[23]。

檢驗結果顯示，本次信息量模型的AUC值為0.850(圖5)，表明該信息量模型能較為準確、客觀地對研究區地質災害易發性進行評價，模型評價準確率達85.0%。

圖5 地質災害易發性評價結果AUC圖Fig.5 AUC diagram of geological hazard susceptibility evaluation results

5 結論

(1) 通過對研究區地質環境條件和地質災害發育特征與分布規律的分析研究，采用信息量模型法，借助ArcGIS平臺進行地質災害易發性評價。客觀地反映出地質災害易發性分區的空間展布特征，地質災害空間上主要分布在地質構造活躍及河流沖刷侵蝕作用強烈、地形地貌特征不利的溝谷地區；構造上主要分布在鄔陽鄉—下坪鄉—中營鎮、容美鎮—太平鎮、燕子鎮與五里鄉分界線、走馬鎮、鐵爐鄉5條NE走向的線性區域內，與研究區構造走向基本一致；時間上多發育于3—8月份的春夏雨季。為研究區城鄉發展規劃及防災減災預警工作提供了科學依據。

(2) 結合研究區地質災害風險調查最新數據，選取高程、坡度、斜坡結構、植被覆蓋度、距水系的距離、距道路的距離、距斷層的距離和工程地質巖組等8 個致災因子，在其中高程<1 000 m，中低植被覆蓋區，距水系的距離<200 m，距道路的距離<100 m條件下最為易發。

(3)研究區極高易發區面積僅占區內總面積的7.35%，卻發育有47.47%的地質災害；高易發區分布于極高易發區的周緣，面積占區內總面積的23.49%，發育有38.89%的地質災害；中易發區面積占區內總面積的49.78%，發育有13.13%的地質災害；低易發區面積占區內總面積的19.38%，僅發育有0.51%的地質災害。