基于IV、CF、LRIV和LRCF模型的海南昌江縣地質(zhì)災害易發(fā)性評價研究

摘要：海南省昌江縣地質(zhì)條件復雜，地質(zhì)災害頻發(fā)，開展地質(zhì)災害易發(fā)性研究對該縣地質(zhì)災害防治與監(jiān)測預警具有重要的現(xiàn)實意義。以昌江縣為研究區(qū)，選取巖土體、高程變異系數(shù)、坡度、斷裂、起伏度、河流、道路、降雨作為易發(fā)性評價指標，采用信息量（IV）模型、確定性系數(shù)（CF）模型、信息量邏輯回歸（LRIV）模型及確定性系數(shù)邏輯回歸（LRCF）模型進行地質(zhì)災害易發(fā)性評價研究。評價結(jié)果顯示，昌江縣地質(zhì)災害高易發(fā)區(qū)主要分布于山區(qū)公路和河流兩側(cè)沿線，而極低易發(fā)區(qū)基本位于西部平原地區(qū);四種模型的AUC值分別為0.755、0.749、0.766及0.764，表明預測精度滿足易發(fā)性評價要求;LRIV模型與其他三種模型相比具有更高的可靠性和準確性。研究結(jié)果可為海南島西南山區(qū)地質(zhì)災害防治與監(jiān)測預警提供科學依據(jù)。

關(guān)鍵詞：

確定性系數(shù); 信息量模型; 邏輯回歸; 易發(fā)性; 地質(zhì)災害

中圖分類號： P642.21""""" 文獻標志碼：A"" 文章編號： 1000-0844（2025）02-0319-13

DOI：10.20000/j.1000-0844.20230512003

Susceptibility assessment of geological hazards in Changjiang County，

Hainan Island， based on IV， CF， LRIV， and LRCF models

LI Xin^1，2， XUE Guicheng^1，2， LIU Changzhu^1，2， MA Bo2， YANG Yongpeng^1，2，

YANG Feng^1，2， WANG Xiaolin^1，2， LI Jieyu3

（1. Hainan Key Laboratory of Marine Geological Resources and Environment， Haikou 570206， Hainan， China;

2. Hainan Geological Survey Institute， Haikou 570206， Hainan， China;

3. Hainan Association of Geology and Geography， Haikou 570206， Hainan， China）

Abstract：

In Changjiang County， located in the southwest mountainous area of Hainan Province， geological hazards have occurred frequently in recent years owing to the complex geological conditions and frequent engineering activities in the area. Therefore， studying the susceptibility of geological hazards in this region for the prevention， monitoring， and early warning of geological hazards has great practical significance. To evaluate the susceptibility of geological hazards in Changjiang County， the rock-soil mass， elevation variation coefficient， slope， fracture， undulation， river， road， and rainfall were selected as assessment indicators. The evaluation was conducted using four models： information value， certainty factor， logistic regression of information value （LRIV）， and logistic regression of certainty factor. The results indicate that the high-susceptibility areas of geological hazards in Changjiang County are mainly distributed along roads and rivers in the mountainous areas， while the extremely low-susceptibility areas are located in the plains. The AUC values of the four models， 0.755， 0.749， 0.766， and 0.764， respectively， indicate that the prediction accuracy meets the requirement of susceptibility assessment and that the LRIV model is more reliable and accurate than the three other models. The findings of this research can provide a scientific basis for the prevention， monitoring， and early warning of geological hazards in the southwest mountainous areas of Hainan Island.

Keywords：

certainty factor; information value model; logistic regression; susceptibility; geological hazards

0 引言

隨著海南自貿(mào)港建設力度不斷加大，昌江縣旅游開發(fā)、礦產(chǎn)開發(fā)等工程活動日益頻繁;然而，昌江縣地質(zhì)條件復雜，構(gòu)造發(fā)育，地形起伏大，導致地質(zhì)災害頻發(fā)。加強地質(zhì)災害防治與監(jiān)測對海南自由貿(mào)易港建設和國家熱帶雨林公園的地質(zhì)環(huán)境保護具有重要意義。昌江縣地質(zhì)災害分布于西南部山區(qū)，對地質(zhì)災害進行定期巡視、巡查和識別判斷具有一定的難度。開展地質(zhì)災害易發(fā)性評價可以有效地識別地質(zhì)災害高易發(fā)區(qū)，對研究區(qū)精準化監(jiān)測與防控具有指導意義;同時對揭示該地區(qū)地質(zhì)災害發(fā)育的成災機制和分布規(guī)律具有重要意義。

隨著地理信息系統(tǒng)（Geographic Information System，GIS）的廣泛應用以及人工智能理論的日益完善，地質(zhì)災害易發(fā)性評價已經(jīng)從過去簡單地貌制圖的定性評價發(fā)展到如今的地理空間信息系統(tǒng)與數(shù)理統(tǒng)計方法相結(jié)合的定量評價。目前，地質(zhì)災害易發(fā)性評價方法主要包括專家打分、層次分析法、模糊數(shù)學法等經(jīng)驗模型，信息量（Information Value，IV）模型、確定性系數(shù)（Certainty Factor，CF）和證據(jù)權(quán)法等統(tǒng)計模型，以及邏輯回歸、決策樹、支持向量機和隨機森林等機器學習模型。經(jīng)驗模型往往依賴于專家的主觀經(jīng)驗和知識結(jié)構(gòu)，因此很難擺脫主觀因素的干擾，而且不同專家之間的評價結(jié)果也難以進行有效的比較和分析^［1-13］。統(tǒng)計模型在處理數(shù)據(jù)時要求因子之間具有獨立性，實際應用中缺乏科學的標準或規(guī)范，連續(xù)型因子的分級標準也會存在差異，導致預測結(jié)果的不一致性。機器學習模型從大量數(shù)據(jù)中自動提取有價值的信息，并自動確定各因子的特征重要性，從而排除了人為因素的干擾。此外，它們還可以根據(jù)數(shù)據(jù)的特征進行自動分類和預測，能更精確地預測地質(zhì)災害的類型和發(fā)生概率。而統(tǒng)計模型與機器模型的組合模型相較于單一模型，在評價精度、預測準確率等方面具有更明顯的優(yōu)越性^［14-15］。信息量模型與邏輯回歸模型組合被運用在海南五指山市地質(zhì)災害易發(fā)性評價中，結(jié)果表明采用組合模型的信息量邏輯回歸（ Logistic Regression of Information Value，LRIV）模型具有更高的準確性和適用性^［1］。確定性系數(shù)模型以及其邏輯回歸耦合模型廣泛地應用在地質(zhì)災害易發(fā)性評價方面，如九寨溝縣、汶川地區(qū)的地質(zhì)災害易發(fā)性評價取得了優(yōu)于傳統(tǒng)單一模型的效果^［16-17］。

利用信息量模型、確定性系數(shù)模型、信息量邏輯回歸模型和確定性系數(shù)邏輯回歸（Logistic Regression of Certainty Factor，LRCF）模型對海南昌江縣開展易發(fā)性評價研究，在對常見評價因子進行獨立性檢驗和篩選后，建立地質(zhì)災害易發(fā)性預測模型，繪制易發(fā)性分區(qū)圖;通過比較模型之間預測性能與適用性差異，探討、挖掘精確性更高、適用性更強的易發(fā)性評價方法，以期為海南島地質(zhì)災害機理研究、地質(zhì)災害防治和地質(zhì)災害預警提供理論依據(jù)。

1 研究區(qū)概況

研究區(qū)位于海南島西南部、五指山余脈西北側(cè)，西北部為濱海平原，中部為剝蝕區(qū)，南部為中低山丘陵地區(qū)［圖1（a）］。地層出露長城系（Ch）、青白口系（Qb）、奧陶系（O）、志留系（S）、石炭系（C）、二疊系（P）、白堊系（K）和第四系（Q），巖性為砂巖、石英巖、灰?guī)r、板巖等;巖漿巖為二疊紀、三疊紀、侏羅紀和白堊紀花崗巖［圖1（b）］。研究區(qū)構(gòu)造發(fā)育東西向昌江—瓊海斷裂和峨港斷層，北西向為峨溝嶺―軍營村斷層和峨溝嶺斷層，南北向為霸王嶺斷層;發(fā)育有小型的紅地嶺斷層、樺栗山—馬鞍山斷裂、保梅采育場斷裂、七叉鎮(zhèn)游龍嶺―便通山斷層、燕窩嶺斷層、王下鄉(xiāng)王下斷層、牙勞斷層和洪水村斷層等。

研究區(qū)背山面海，河流遍布全縣，主要河流為昌化江和珠碧江，分別從南、北邊界流入北部灣，支流主要為石碌河、南堯河、七叉河等，河流總長244.35 km。研究區(qū)巖體破碎，土體主要為風化層;研究區(qū)人類工程活動頻繁，主要為公路建設與切坡建房。詳細調(diào)查結(jié)果顯示研究區(qū)共發(fā)育地質(zhì)災害125處，其中崩塌112處、滑坡10處、泥石流3處，威脅人口1 913人，威脅財產(chǎn)9 971萬元;地質(zhì)災害多分布于研究區(qū)西南部低山丘陵區(qū)的公路兩側(cè)、主要河流兩岸、礦山開采邊坡和建房削坡形成的斜坡上［圖1（c）］。

確定性系數(shù)模型、信息量模型是地質(zhì)災害評價的常規(guī)手段，是基于條件概率的統(tǒng)計方法，旨在通過概率函數(shù)來衡量在不同地質(zhì)條件下地質(zhì)災害的響應程度，其具體方法是分別將地質(zhì)災害在每個因子分級內(nèi)的發(fā)生個數(shù)轉(zhuǎn)換成定量的信息量指標和確定性系數(shù)指標，并對賦值后的各指標圖層進行疊加，繪制成地質(zhì)災害易發(fā)性區(qū)劃圖。以信息量指標和確定性系數(shù)指標為自變量，以是否發(fā)生地質(zhì)災害為因變量，運用二元邏輯回歸模型運算出不同因子對地質(zhì)災害發(fā)生響應程度的量化值，將量化值進行歸一化后確定權(quán)重，最后對各圖層賦值并進行疊加，得出研究區(qū)地質(zhì)災害易發(fā)性區(qū)劃和結(jié)果。

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

地質(zhì)災害易發(fā)性評價所采用的數(shù)據(jù)來源于1∶5萬詳查成果。根據(jù)1∶5萬地質(zhì)災害詳查成果，研究區(qū)發(fā)育各類地質(zhì)災害點125處。為了滿足邏輯回歸模型對樣本量的要求，運用GIS隨機生成的非地質(zhì)災害點400處和隨機選取的100處地質(zhì)災害（占總數(shù)的20%）作為地質(zhì)災害易發(fā)性評價的樣本，剩余的25處作為檢驗樣本。根據(jù)1∶5萬的地形數(shù)據(jù)，運用30 m柵格的數(shù)字高程模型（Digital Elevation Model，DEM），衍生出各類地形地貌因子，如高程變異系數(shù)、起伏度等（表1）。

2.2 研究方法

2.2.1 確定性系數(shù)模型

確定性系數(shù)模型是一種概率函數(shù)方法，用于分析影響事件發(fā)生的各種因素的易發(fā)性。Shortliffe等^［18］提出確定性系數(shù)模型，并經(jīng)過Heckerman修正^［19］。根據(jù)該模型，地質(zhì)災害的易發(fā)程度依據(jù)歷史災點與確定性環(huán)境因素的數(shù)據(jù)集之間的統(tǒng)計關(guān)系進行計算。確定性系數(shù)模型不僅可以定量地反映出地質(zhì)災害發(fā)育規(guī)律，且具有精度較高、可操作性強等特點。該模型假設已發(fā)生的地質(zhì)災害和未來將發(fā)生的災害處于相同的地質(zhì)環(huán)境條件下。計算公式為：

ICF=Pa-PsPs（1-Pa），Palt;Ps

Pa-PsPa（1-Ps），Pa≥Ps （1）

式中：ICF為確定性系數(shù)值;Pa為地質(zhì)災害在因子a中發(fā)生的條件概率，以因子a中的地質(zhì)災害個數(shù)（或面積）與a的面積比值表示;Ps表示研究區(qū)災害總數(shù)（或面積）與研究區(qū)總面積的比值。由式（1）可知，ICF的變化范圍為［-1，1］：如果ICF為正值，則表示地質(zhì)災害發(fā)生的確定性高，地質(zhì)環(huán)境條件易發(fā)生地質(zhì)災害;如果ICF為負值，則表示地質(zhì)災害發(fā)生的確定性低，地質(zhì)環(huán)境條件不易發(fā)生地質(zhì)災害。

2.2.2 信息量模型

信息量模型的理論基礎是信息論，即采用地質(zhì)災害發(fā)生過程中熵的減少來表征地質(zhì)災害事件產(chǎn)生的可能性。地質(zhì)災害受多種因素（xi）的影響，且各種因素所起作用各不相同，總會存在一種“最佳因素組合”。信息量模型預測觀點認為，地質(zhì)災害產(chǎn)生與否取決于預測過程中所獲取的信息數(shù)量和質(zhì)量。信息量越大，表明產(chǎn)生地質(zhì)災害的可能性越大^［1］，其公式為：

IIV=∑ni=1I（xi，H）=∑ni=1lnNiNSiS （2）

式中：IIV為總評價單元信息量值;n為參評價因子數(shù);H為研究范圍內(nèi)地質(zhì)災害數(shù);S為已知總單元數(shù);N為失穩(wěn)的總單元數(shù);Si為指標因子xi的單元數(shù);Ni為指標因子xi的失穩(wěn)單元數(shù)。

2.2.3 邏輯回歸模型

邏輯回歸模型是一種基于二項分類的回歸模型，能針對定量的不確定性和復雜性進行有效準確的預測^［20］。以地質(zhì)災害發(fā)生或不發(fā)生作為因變量（Y），取值分別為1或0（1代表地質(zhì)災害發(fā)生，0代表地質(zhì)災害不發(fā)生），以評價因子的指數(shù)值為自變量（ai），通過建立邏輯回歸方程來確立地質(zhì)災害發(fā)生的概率（P）。邏輯回歸函數(shù)公式為：

P（Y=1|A）=11-e^-z

z=β0-β1a1-β2a2-…-βnan（3）

式中：P為當Y取值為1時，發(fā)生地質(zhì)災害的概率;an表示以敏感性指數(shù)為自變量的變量;βn為邏輯回歸系數(shù)。

（1） 確定性系數(shù)邏輯回歸模型

利用確定性系數(shù)模型計算公式［式（1）］，計算出各個因子的易發(fā)性指數(shù)ICF值；再將ICF值作為自變量代入邏輯回歸模型公式［式（3）］，并進行運算，得出二元邏輯回歸系數(shù)；最后將回歸系數(shù)歸一化為各評價因子的權(quán)重，并對所有評價因子加權(quán)求和得出ILRCF，公式如下：

ILRCF=∑ni=1wiCFi， （i=1，2，…，n） （4）

式中： ILRCF為確定性系數(shù)邏輯回歸模型易發(fā)性指數(shù);wi為評價因子權(quán)重

（2） 信息量邏輯回歸模型

利用信息量模型計算公式［式（2）］，計算出各個因子的易發(fā)性指數(shù)IIV值；再將IIV值作為自變量代入邏輯回歸模型公式［式（3）］，并進行運算，得出二元邏輯回歸系數(shù)；最后將回歸系數(shù)歸一化為各評價因子的權(quán)重，并對所有評價因子加權(quán)求和得出信息量邏輯回歸模型易發(fā)性指數(shù)ILRIV，公式如下：

ILRIV=∑ni=1wiIVi， （i=1，2，…，n） （5）

式中： wi為評價因子權(quán)重。

3 地質(zhì)災害易發(fā)性評價

3.1 評價因子篩選

地質(zhì)災害受地質(zhì)條件、地形地貌、地表植被覆蓋、水文環(huán)境和外界誘發(fā)因素等孕災條件控制和影響。地質(zhì)條件包括斷層、巖土體等，地形地貌條件為地形坡度、地形起伏度、高程變異系數(shù)、曲率，地表覆蓋條件為歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），水文環(huán)境為河流;外界誘發(fā)因素為降雨和公路。Pourghasemi等^［21］回顧了2005—2012年220篇文獻，發(fā)現(xiàn)坡度、土地利用、斷裂緩沖距離、公路緩沖距離、降雨量為從高到低使用頻次前5的因子（圖2）。地質(zhì)災害易發(fā)性評價因子的選取不是越多越好，而是既要滿足因子對地質(zhì)災害起主要控制作用，因子之間又不能具有較強的相關(guān)性。本文將結(jié)合前人研究成果和海南島獨特的地質(zhì)背景條件，對研究區(qū)10個評價因子進行相關(guān)性分析以規(guī)避評價因子間的相互干擾。

依據(jù)獨立性檢驗原理可知，當各因子之間的相關(guān)矩陣R≤0.3時，表明所選擇的評價因子之間不相關(guān)或微弱相關(guān)^［7］。如圖3所示，10個評價因子中起伏度、坡度、曲率3個因子的相關(guān)系數(shù)大于0.3，表明三者存在較大的相關(guān)性，而歷史統(tǒng)計數(shù)據(jù)中坡度為使用量最高的評價因子，故選擇坡度作為本研究的評價指標;其余因子的相關(guān)性系數(shù)均小于0.3，表明各因子之間的相關(guān)性微弱或較小。方差膨脹系數(shù)值（Variance Inflation Factor，VIF）越接近1，評價因子之間存在共線性的可能越小^［7］。由表2可知，將剩余的評價因子進行共振性檢驗，其方差膨脹系數(shù)均非常接近。由此可見，斷裂、巖土體、坡度、NDVI值、高程變異系數(shù)、降雨量、河流、公路等8種評價因子具有較高的獨立性，滿足基于邏輯回歸模型的評價要求，故將這些因子作為研究區(qū)易發(fā)性的指標值來開展易發(fā)性評價研究。

3.2 評價因子分級

根據(jù)相關(guān)性分析結(jié)果，選擇巖土體、高程變異系數(shù)、坡度、斷裂、河流、公路、降雨量及NDVI值作為本研究的易發(fā)性評價因子。根據(jù)地質(zhì)災害百分比、分級面積百分比以及兩者的比值（下稱比值比）來衡量和刻畫地質(zhì)災害在各因子分級內(nèi)部的分布規(guī)律（圖4）。

3.2.1 巖土體

巖土體結(jié)構(gòu)類型控制了邊坡巖體的破壞模式和邊坡失穩(wěn)類型^［22］。結(jié)構(gòu)面的發(fā)育程度、延伸特征、組合特征以及幾何特征對巖土體的力學性能起著決定性的作用^［23］。根據(jù)詳查成果，研究區(qū)巖土體類型被劃分為1～5級，分別為砂巖夾泥巖組，變質(zhì)石英砂巖和變質(zhì)巖組，花崗巖巖組，變質(zhì)砂巖和結(jié)晶灰?guī)r組，礫石、砂、黏性土等多層土體［圖4（a）、圖5（a）］。

3.2.2 高程變異系數(shù)

高程變異系數(shù)以高程標準差與高程平均值的比值來表示，反映了高程相對變化大小，同時影響著地質(zhì)災害發(fā)生的可能性^［24-25］。將高程變異系數(shù)劃分為1～5級，分別為［0，0.02］、（0.02，0.04］、（0.04，0.06］、（0.06，0.08］、gt;0.08［圖4（b）］。如圖5（b）所示，地質(zhì)災害百分比和分級面積百分比均隨著高程變異系數(shù)的增加而降低，而比值比則逐漸增大，在（0.06～0.08］區(qū)間比值比達到高點;當高程變異系數(shù)大于0.08時，比值比卻出現(xiàn)了回落，其可能的原因是該區(qū)域內(nèi)人類工程活動減少，或人跡罕至而未能調(diào)查發(fā)現(xiàn)地質(zhì)災害。

3.2.3 坡度

坡度的大小決定了地表物質(zhì)位移和形成地質(zhì)災害的可能性，也在很大程度上決定了斜坡變形破壞的形式和機制^［26］。為便于分析，將研究區(qū)以10°坡度為間隔，平均分為1～5級，分別為［0，10°］、（10°，20°］、（20°，30°］、（30°，40°］、gt;40°［圖4（c）］。如圖5（c）所示，研究區(qū)地質(zhì)災害占比和分級面積占比均隨著坡度的增加而逐漸減少，而比值比卻隨著坡度的增大而增大，表明研究區(qū)坡度越大地質(zhì)災害發(fā)生的可能性越高。

3.2.4 斷裂

構(gòu)造運動沿著構(gòu)造帶形成了一定規(guī)模的軟弱破碎帶，破碎的巖層為地質(zhì)災害的發(fā)育提供了物質(zhì)基礎^［27］。如圖4（d）所示，利用GIS工具將斷裂分為1～6級，分別為［0，400］、（400，800］、（800，1 200］、（1 200，1 600］、（1 600，2 000］、gt;2 000 m。如圖5（d）所示，隨著斷裂緩沖距離的增大，地質(zhì)災害占比卻逐漸降低，當緩沖距離為0～400 m時災害點占比和比值比最大，分別為58%和2.72，隨后隨著斷裂緩沖距離的增加災害點占比及比值比呈現(xiàn)逐步降低的趨勢，表明研究區(qū)斷裂對地質(zhì)災害的影響作用隨著距離的增加而減弱。

3.2.5 河流

河流在很大程度上塑造了地貌，對地質(zhì)災害的影響主要體現(xiàn)在對斜坡體的軟化、浸潤、侵蝕作用^［28］。以河流中心線為基準，將緩沖距離劃分為1～6級，分別為［0，200］、（200，400］、（400，600］、（600，800］、（800，1 000］、gt;1 000 m［圖4（e）］。如圖5（e）所示，隨著河流緩沖距離的增大，地質(zhì)災害占比、分級面積占比和比值比均呈波浪式下降，表明河流緩沖距離對地質(zhì)災害的發(fā)育具有一定的控制作用。當緩沖距離為（200～400］ m時，地質(zhì)災害占比與分級面積占比的比值比為2.16，其原因是河流、溝壑兩側(cè)巖土體較為破碎，且道路工程活動程度較為強烈，有利于地質(zhì)災害的孕育。

3.2.6 公路

研究區(qū)公路建設常伴隨著開挖、切削山體，期間巖土體受振動、擾動而產(chǎn)生松弛，在暴雨的誘發(fā)作用下易發(fā)生地質(zhì)災害。以公路線為基準，將公路緩沖距離劃分為1～6級，分別為［0，200］、（200，400］、（400，600］、（600，800］、（800，1 000］、gt;1 000 m［圖4（f）］。如圖5（f）可知，當公路緩沖距離由［0～200］ m時，研究區(qū)地質(zhì)災害占比與面積占比的比值比達到最大，為2.97，表明該公路緩沖范圍是研究區(qū)地質(zhì)災害發(fā)育的最有利區(qū)間;隨后隨著公路緩沖距離的增加災害點占比及比值比呈現(xiàn)逐步降低的趨勢，表明研究區(qū)公路緩沖距離對地質(zhì)災害的影響作用隨著距離的增加而減弱。

3.2.7 降雨量

降雨是地質(zhì)災害發(fā)生的重要誘發(fā)因素，也是引發(fā)地質(zhì)災害較為活躍的因子^［29］。研究區(qū)地質(zhì)災害往往伴隨著汛期的來臨而顯著增多，降雨量的大小對地質(zhì)災害分布也具有明顯的影響?；诤Ｄ蠉u降雨等值線數(shù)據(jù)，將降雨量分為1～4級，分別為（1 340，1 540］、（1 140，1 340］、（940，1 140］、（740，940］ mm［圖4（g）］。如圖5（g）所示，研究區(qū)地質(zhì)災害占比和分級面積占比隨著降雨量的下降經(jīng)歷了先快速增長后緩慢回落的過程，其比值比在降雨量為（1 140～1 340］ mm區(qū)間達到最大值1.44，表明降雨量越大地質(zhì)災害發(fā)生的概率越大。

3.2.8 NDVI值

植被有護坡及保持水土的作用，對斜坡穩(wěn)定性有利^［30］。NDVI指數(shù)小于0，說明地面裸露;NDVI指數(shù)大于0，地表植被覆蓋較好。如圖4（h）所示，基于高分2遙感影像，將NDVI值劃分為6級，分別為［-1，-0.1］、（-0.1，0］、（0，0.1］、（0.1，0.2］、（0.2，0.3］、（0.3，1］。如圖5（h）所示，研究區(qū)NDVI植被覆蓋值在-1～-0.1之間時比值比最高，為1.38，說明研究區(qū)植被發(fā)育程度較差地段地質(zhì)災害發(fā)育密度最高;而NDVI值介于-0.1～1，災害百分比、分級面積百分比及其比值波動范圍很小，表明此區(qū)域植被覆蓋度大于一定范圍時，地質(zhì)災害發(fā)生的幾率較為平均，主要原因是在植被覆蓋度高的地區(qū)，斜坡體受植被固結(jié)作用更強，雨水不容易浸潤土體而使土體失穩(wěn)發(fā)生地質(zhì)災害。

3.3 評價模型構(gòu)建

以巖土體、高程變異系數(shù)、斷裂、坡度、河流、道路、降雨量和NDVI值作為易發(fā)性評價指標，構(gòu)建確定性系數(shù)模型和信息量模型，計算出各評價因子分級內(nèi)的易發(fā)性指數(shù)值ICF、IIV;利用SPSS軟件，分別以易發(fā)性指數(shù)值ICF、IIV作為邏輯回歸模型的自變量，以地質(zhì)災害發(fā)生或不發(fā)生作為因變量建立邏輯回歸模型。邏輯回歸模型中的回歸系數(shù)BCF和BIV刻畫了各因子確定自變量與是否發(fā)生地質(zhì)災害因變量之間的相關(guān)度，常量代表無其他因子影響時不發(fā)生地質(zhì)災害的相對程度;將回歸系數(shù)進行歸一化得出影響因素權(quán)重，然后將權(quán)重疊加易發(fā)性指數(shù)得出邏輯回歸耦合的易發(fā)性指數(shù)值ILRCF、ILRIV（表3、表4）。最后將四種模型的易發(fā)性指數(shù)（表5）圖層疊加，形成了四種模型的易發(fā)性綜合圖。

3.4 評價結(jié)果分析

3.4.1 易發(fā)性區(qū)劃

在疊加各評價因子指標圖層后，利用自然斷點法將研究區(qū)地質(zhì)災害易發(fā)性由低到高劃分為極低、低、中、高四個等級（圖6、表6）。如表6所列，四種模型在高易發(fā)區(qū)的災害點密度排序由大到小依次為LRIV模型、LRCF模型、CF模型、Ⅳ模型，分別為0.157、0.143、0.111、0.085處/km2;CF模型、IV模型中落入高易發(fā)區(qū)的災害點比例為34.34%、24.24%，LRCF模型、LRIV模型中落入高易發(fā)區(qū)的災害點比例分別為44.44%、40.40%。在極低易發(fā)區(qū)的災害點密度由高到低為LRIV模型、CF模型、Ⅳ模型、LRCF模型，分別為0.013、0.018、0.018、0.016;LRIV模型顯示地質(zhì)災害在極低易發(fā)區(qū)分布密度相對更低，LRIV模型顯示地質(zhì)災害在高易發(fā)區(qū)分布密度相對更大。由此可見，基于四種模型下的地質(zhì)災害易發(fā)性的劃分總體上是科學合理的，并且兩種耦合模型的區(qū)分度更為明顯;相比其他三種模型，LRIV模型預測地質(zhì)災害概率的準確性更高（表6）。

3.4.2 區(qū)劃結(jié)果分析

四種模型的區(qū)劃結(jié)果揭示了地質(zhì)災害易發(fā)性在空間上的分異規(guī)律，說明四種模型均可以真實反映研究區(qū)地質(zhì)災害發(fā)育特征與空間分布趨勢。局部地區(qū)存在一定的差異，如CF模型在低易發(fā)區(qū)分區(qū)占比相較于其他三種模型更低，空間上極低易發(fā)區(qū)差異體現(xiàn)在研究區(qū)北部的昌化大嶺地區(qū)和中東部的金波農(nóng)場一帶。評價結(jié)果顯示，熱帶雨林國家公園的王下鄉(xiāng)公路、河流沿線地質(zhì)災害呈高易發(fā)態(tài)勢。該地段地質(zhì)條件復雜，巖石軟硬不均、裂隙發(fā)育，河網(wǎng)密度大，在降雨和人類工程共同誘發(fā)下形成大量地質(zhì)災害。研究區(qū)北部為地質(zhì)災害低易發(fā)和極低易發(fā)區(qū)，該區(qū)域為剝蝕堆積平原和濱海堆積平原，地勢平緩、人類工程活動較少。因此，研究區(qū)中高易發(fā)性區(qū)域多發(fā)生在海拔較高、NDVI指數(shù)較低，及河流、路網(wǎng)、斷層和人口較密集的地區(qū)，與災害分布實際特征相吻合。

4 評價結(jié)果驗證

4.1 評價模型驗證

地質(zhì)災害易發(fā)性評價結(jié)論是否可靠取決于模型的準確性和敏感性。受試者特征（Receiver Operating Characteristic，ROC）曲線可以評價模型對地質(zhì)災害預測效果的敏感性，其預測原理是將預測值作為可能的判斷閾值，以此計算得到對應的靈敏度和特異性，靈敏度為災害單元被正確預測的概率，特異性則表示未發(fā)生災害單元被正確預測的累積百分比^［31］。為了定量地描述預測模型的準確性，使用ROC曲線下的面積（Area Under Curve，AUC）來準確地比較和度量模型，AUC值介于0.5～1之間，越接近1，則精度越高。如圖7所示，CF、IV、LRCF和LRIV四種模型的AUC值分別為0.755、0.749、0.766、0.764，均大于0.75，表明四種模型的精度都能滿足研究區(qū)易發(fā)性評價要求。

通過分析25個檢驗點在易發(fā)性評價圖上頻率比、災害點比、分區(qū)比的空間分布規(guī)律來檢驗模型的合理性。檢驗結(jié)果滿足高易發(fā)區(qū)內(nèi)檢驗點所占比重最大、檢驗點占比從極低易發(fā)區(qū)到高易發(fā)區(qū)依次遞增、檢驗樣本頻率比從極低易發(fā)區(qū)到高易發(fā)區(qū)依次遞增三個基本標準，說明所有模型的易發(fā)性評價結(jié)果是合理的?？傮w上，LRCF模型和LRIV模型災害檢驗點在各易發(fā)分區(qū)的分布梯度相對于CF模型和IV模型更為顯著。由表7可知，LRCF模型和LRIV模型在高易發(fā)區(qū)的頻率比和災害檢驗點占比均高于單一的CF模型和IV模型;LRCF模型和LRIV模型相對于CF模型和IV模型檢驗點落在極低易發(fā)區(qū)的頻率比更低，落在高易發(fā)區(qū)頻率比相對更高。同時，在極低易發(fā)區(qū)，LRIV模型頻率比相對更低，為0.21;在高易發(fā)區(qū)，LRIV模型的頻率比相對更高，為3.05。由此可見，耦合模型在相同面積占比下的地質(zhì)災害高易發(fā)區(qū)命中概率更高，極低易發(fā)區(qū)的命中概率更低;且LRIV模型在地質(zhì)災害預測概率上具有更高的準確性。

5 結(jié)論

昌江縣是海南島地質(zhì)災害發(fā)育程度較高的地區(qū)之一。本文基于IV模型、CF模型、LRIV模型及LRCF模型，對研究區(qū)進行了地質(zhì)災害易發(fā)性評價研究，對四種模型的準確性進行了討論和比較。得出以下結(jié)論：

（1） 四種模型劃分的易發(fā)性分區(qū)結(jié)果顯示，高易發(fā)區(qū)均主要分布于地勢起伏、高程變異系數(shù)較大的南部王下鄉(xiāng)的中低山區(qū)和霸王嶺林業(yè)局內(nèi)的丘陵地區(qū)，表明地形地貌因素對地質(zhì)災害發(fā)育具有較強的控制作用;中易發(fā)區(qū)主要分布于礦區(qū)、工業(yè)區(qū)、公路和河流，表明切坡、礦山開采等人類工程活動對地質(zhì)災害影響顯著。

（2） IV模型、CF模型、LRIV模型及LRCF模型的AUC值分別為0.755、0.749、0.766、0.764，均超過了0.7，易發(fā)性分區(qū)結(jié)果、災害點驗證結(jié)果顯示易發(fā)性分區(qū)與實際相吻合，表明四種模型在研究區(qū)具有較高的可靠性。

（3） LRCF模型與LRIV模型解決了評價因子權(quán)重的量化問題后，能更定量、準確地進行區(qū)域地質(zhì)災害易發(fā)性評價。

（4） 研究區(qū)降雨量、河流、高程變異系數(shù)、公路等影響因素對地質(zhì)災害易發(fā)性評價起較強的控制作用;LRIV模型具有更高的可靠性和精準度。研究成果可為海南島西部地區(qū)地質(zhì)災害評價提供科學有效的判別方法和預測途徑。

參考文獻（References）

［1］ 李信，薛桂澄，柳長柱，等.基于信息量模型和信息量-邏輯回歸模型的海南島中部山區(qū)地質(zhì)災害易發(fā)性研究［J］.地質(zhì)力學學報，2022，28（2）：294-305.

LI Xin，XUE Guicheng，LIU Changzhu，et al.Evaluation of geohazard susceptibility based on information value model and information value-logistic regression model：a case study of the central mountainous area of Hainan Island［J］.Journal of Geomechanics，2022，28（2）：294-305.

［2］ 許英姿，盧玉南，李東陽，等.基于GIS和信息量模型的廣西花崗巖分布區(qū)滑坡易發(fā)性評價［J］.工程地質(zhì)學報，2016，24（4）：693-703.

XU Yingzi，LU Yunan，LI Dongyang，et al.GIS and information model based landslide susceptibility assessment in granite area of Guangxi Province［J］.Journal of Engineering Geology，2016，24（4）：693-703.

［3］ 許沖，戴福初，姚鑫，等.基于GIS的汶川地震滑坡災害影響因子確定性系數(shù)分析［J］.巖石力學與工程學報，2010，29（增刊1）：2972-2981.

XU Chong，DAI Fuchu，YAO Xin，et al.GIS based certainty factor analysis of landslide triggering factors in Wenchuan earthquake［J］.Chinese Journal of Rock Mechanics and Engineering，2010，29（Suppl01）：2972-2981.

［4］ 楊華陽，許向?qū)帲瑮铠櫚l(fā).基于證據(jù)權(quán)法的九寨溝地震滑坡危險性評價［J］.中國地質(zhì)災害與防治學報，2020，31（3）：20-29.

YANG Huayang，XU Xiangning，YANG Hongfa.The Jiuzhaigou co-seismic landslide hazard assessment based on weight of evidence method［J］.The Chinese Journal of Geological Hazard and Control，2020，31（3）：20-29.

［5］ 何寶夫，張加桂.金沙江魯?shù)乩娬舅畮靺^(qū)地質(zhì)災害易發(fā)性評價［J］.中國地質(zhì)災害與防治學報，2012，23（2）：75-82.

HE Baofu，ZHANG Jiagui.Assessment of geo-hazards susceptibility in reservoir of Ludila hydropower station，Jinsha River［J］.The Chinese Journal of Geological Hazard and Control，2012，23（2）：75-82.

［6］ 胡濤，樊鑫，王碩，等.基于徑向基神經(jīng)網(wǎng)絡的思南縣崩塌易發(fā)性評價［J］.科學技術(shù)與工程，2019，19（35）：61-69.

HU Tao，F(xiàn)AN Xin，WANG Shuo，et al.Collapse susceptibility assessment of Sinan County based on radial basis function neural network［J］.Science Technology and Engineering，2019，19（35）：61-69.

［7］ 黃發(fā)明，殷坤龍，蔣水華，等.基于聚類分析和支持向量機的滑坡易發(fā)性評價［J］.巖石力學與工程學報，2018，37（1）：156-167.

HUANG Faming，YIN Kunlong，JIANG Shuihua，et al.Landslide susceptibility assessment based on clustering analysis and support vector machine［J］.Chinese Journal of Rock Mechanics and Engineering，2018，37（1）：156-167.

［8］ 許沖，戴福初，姚鑫，等.GIS支持下基于層次分析法的汶川地震區(qū)滑坡易發(fā)性評價［J］.巖石力學與工程學報，2009，28（增刊2）：3978-3985.

XU Chong，DAI Fuchu，YAO Xin，et al.GIS-based landslide susceptibility assessment using analytical hierarchy process in wenchuan earthquake region［J］.Chinese Journal of Rock Mechanics and Engineering，2009，28（Suppl02）：3978-3985.

［9］ 李信，薛桂澄，夏南，等.基于CF、CF-LR和CF-AHP模型的國家熱帶雨林公園地質(zhì)災害易發(fā)性研究：以海南保亭為例［J］.現(xiàn)代地質(zhì)，2023，37（4）：1033-1043.

LI Xin，XUE Guicheng，XIA Na，et al.Geological hazard susceptibility evaluation based on CF，CF-LR and CF-AHP models in National Tropical Rain Forest Park：taking Baoting County，Hainan Province as an example［J］.Geoscience，2023，37（4）：1033-1043.

［10］ 栗澤桐，王濤，周楊，等.基于信息量、邏輯回歸及其耦合模型的滑坡易發(fā)性評估研究：以青海沙塘川流域為例［J］.現(xiàn)代地質(zhì)，2019，33（1）：235-245.

LI Zetong，WANG Tao，ZHOU Yang，et al.Landslide susceptibility assessment based on information value model，logistic regression model and their integrated model：a case in Shatang River Basin，Qinghai Province［J］.Geoscience，2019，33（1）：235-245.

［11］ 鄭迎凱，陳建國，王成彬，等.確定性系數(shù)與隨機森林模型在云南芒市滑坡易發(fā)性評價中的應用［J］.地質(zhì)科技通報，2020，39（6）：131-144.

ZHENG Yingkai，CHEN Jianguo，WANG Chengbin，et al.Application of certainty factor and random forests model in landslide susceptibility evaluation in Mangshi City，Yunnan Province［J］.Bulletin of Geological Science and Technology，2020，39（6）：131-144.

［12］ 胡燕，李德營，孟頌頌，等.基于證據(jù)權(quán)法的巴東縣城滑坡災害易發(fā)性評價［J］.地質(zhì)科技通報，2020，39（3）：187-194.

HU Yan，LI Deying，MENG Songsong，et al.Landslide susceptibility evaluation in Badong County based on weights of evidence method［J］.Bulletin of Geological Science and Technology，2020，39（3）：187-194.

［13］ 郭子正，殷坤龍，黃發(fā)明，等.基于滑坡分類和加權(quán)頻率比模型的滑坡易發(fā)性評價［J］.巖石力學與工程學報，2019，38（2）：287-300.

GUO Zizheng，YIN Kunlong，HUANG Faming，et al.Evaluation of landslide susceptibility based on landslide classification and weighted frequency ratio model［J］.Chinese Journal of Rock Mechanics and Engineering，2019，38（2）：287-300.

［14］ 岳溪柳，黃玫，徐慶勇，等.貴州省喀斯特地區(qū)泥石流災害易發(fā)性評價［J］.地球信息科學學報，2015，17（11）：1395-1403.

YUE Xiliu，HUANG Mei，XU Qingyong，et al.The susceptibility assessment of debris flow in karst region of Guizhou Province［J］.Journal of Geo-Information Science，2015，17（11）：1395-1403.

［15］ 田春山，劉希林，汪佳.基于CF和Logistic回歸模型的廣東省地質(zhì)災害易發(fā)性評價［J］.水文地質(zhì)工程地質(zhì)，2016，43（6）：154-161，170.

TIAN Chunshan，LIU Xilin，WANG Jia.Geohazard susceptibility assessment based on CF model and Logistic Regression models in Guangdong［J］.Hydrogeology amp; Engineering Geology，2016，43（6）：154-161，170.

［16］ 羅路廣，裴向軍，黃潤秋，等.GIS支持下CF與Logistic回歸模型耦合的九寨溝景區(qū)滑坡易發(fā)性評價［J］.工程地質(zhì)學報，2021，29（2）：526-535.

LUO Luguang，PEI Xiangjun，HUANG Runqiu，et al.Landslide susceptibility assessment in Jiuzhaigou scenic area with GIS based on certainty factor and logistic regression model［J］.Journal of Engineering Geology，2021，29（2）：526-535.

［17］ 張玘愷，凌斯祥，李曉寧，等.九寨溝縣滑坡災害易發(fā)性快速評估模型對比研究［J］.巖石力學與工程學報，2020，39（8）：1595-1610.

ZHANG Qikai，LING Sixiang，LI Xiaoning，et al.Comparison of landslide susceptibility mapping rapid assessment models in Jiuzhaigou County，Sichuan Province，China［J］.Chinese Journal of Rock Mechanics and Engineering，2020，39（8）：1595-1610.

［18］ SHORTLIFFE E H，BUCHANAN B G.A model of inexact reasoning in medicine［J］.Mathematical Biosciences，1975，23（3-4）：351-379.

［19］ HECKERMAN D.Probabilistic interpretations for mycin's certainty factors［J］.Machine Intelligence and Pattern Recognition，1986，4（C）：167-196.

［20］ 楊德宏，范文.基于ArcGIS的地質(zhì)災害易發(fā)性分區(qū)評價：以旬陽縣為例［J］.中國地質(zhì)災害與防治學報，2015，26（4）：82-86，93.

YANG Dehong，F(xiàn)AN Wen.Zoning of probable occurrence level of geological disasters based on ArcGIS：a case of Xunyang［J］.The Chinese Journal of Geological Hazard and Control，2015，26（4）：82-86，93.

［21］ POURGHASEMI H R，ROSSI M.Landslide susceptibility modeling in a landslide prone area in Mazandarn Province，north of Iran：a comparison between GLM，GAM，MARS，and M-AHP methods［J］.Theoretical and Applied Climatology，2017，130（1）：609-633.

［22］ 黃玉華，武文英，馮衛(wèi)，等.秦嶺山區(qū)南秦河流域崩滑地質(zhì)災害發(fā)育特征及主控因素［J］.地質(zhì)通報，2015，34（11）：2116-2122.

HUANG Yuhua，WU Wenying，F(xiàn)ENG Wei，et al.Characteristics of main controlling factors of landslide in Nanqin River，Qinling Mountains［J］.Geological Bulletin of China，2015，34（11）：2116-2122.

［23］ 李偉，楊成斌.黃山地區(qū)中生代碎屑巖區(qū)域地質(zhì)災害成因的探究［J］.工程與建設，2009，23（4）：524-526.

LI Wei，YANG Chengbin.Research on causes of geological disaster on Mesozoic clastic rock in Huangshan area［J］.Engineering and Construction，2009，23（4）：524-526.

［24］ NANEHKARAN Y A，ZHU L C，CHEN J D，et al.Application of artificial neural networks and geographic information system to provide hazard susceptibility maps for rockfall failures［J］.Environmental Earth Sciences，2022，81（19）：475.

［25］ 朱紅春，陳楠，劉海英，等.自1∶10 000比例尺DEM提取地形起伏度：以陜北黃土高原的實驗為例［J］.測繪科學，2005，30（4）：86-88.

ZHU Hongchun，CHEN Nan，LIU Haiying，et al.Research on the relief based on 1∶10 000 DEMs：a case study in the Loess Plateau of north Shaanxi Province［J］.Science of Surveying and Mapping，2005，30（4）：86-88.

［26］ 張曉東，劉湘南，趙志鵬，等.信息量模型、確定性系數(shù)模型與邏輯回歸模型組合評價地質(zhì)災害敏感性的對比研究［J］.現(xiàn)代地質(zhì)，2018，32（3）：602-610.

ZHANG Xiaodong，LIU Xiangnan，ZHAO Zhipeng，et al.Comparative study of geological hazards susceptibility assessment：constraints from the information value + logistic regression model and the CF + logistic regression model［J］.Geoscience，2018，32（3）：602-610.

［27］ 孫萍萍，張茂省，江睿君，等.降雨誘發(fā)淺層黃土滑坡變形破壞機制［J］.地質(zhì)通報，2021，40（10）：1617-1625.

SUN Pingping，ZHANG Maosheng，JIANG Ruijun，et al.Deformation and failure mechanism of rainfall-induced shallow loess landslide［J］.Geological Bulletin of China，2021，40（10）：1617-1625.

［28］ 鄧茂林，許強，韓蓓，等.降雨條件下河流沖刷型滑坡的基本特征及滑動機制分析：以四川宣漢樊噲大橋滑坡為例［J］.地球與環(huán)境，2014，42（1）：62-67.

DENG Maolin，XU Qiang，HAN Bei，et al.Analysis of the basic characteristics and formation mechanism of river erosion-type landslides under rainfal conditions as exemplified by Fankuai Daqiao landslide in Xuanhan，Sichuan Province［J］.Earth and Environment，2014，42（1）：62-67.

［29］ 杜曉晨.基于ArcGIS和SPSS的德昌縣滑坡危險性評價研究［D］.綿陽：西南科技大學，2020.

DU Xiaochen.Study on landslide risk assessment in Dechang County based on ArcGIS and SPSS［D］.Mianyang：Southwest University of Science and Technology，2020.

［30］ 繆信，湯明高，王自高，等.地質(zhì)災害危險性評價模型的比較分析與應用［J］.水利水電技術(shù)，2016，47（4）：119-122.

MIAO Xin，TANG Minggao，WANG Zigao，et al.Comparative analysis and application of model for assessment on risk of geological hazard［J］.Water Resources and Hydropower Engineering，2016，47（4）：119-122.

［31］ 王雪冬，張超彪，王翠，等.基于Logistic回歸與隨機森林的和龍市地質(zhì)災害易發(fā)性評價［J］.吉林大學學報（地球科學版），2022，52（6）：1957-1970.

WANG Xuedong，ZHANG Chaobiao，WANG Cui，et al.Geological disaster susceptibility in Helong City based on Logical regression and radom forest［J］.Journall of Jilin University （Earth Science Edition），2022，52（6）：1957-1970.

（本文編輯：張向紅）