基于熵指數法的黃河龍羊峽一積石峽山洪致災因子分析

關鍵詞：山洪災害；致災因子；熵指數法；權重；黃河龍羊峽一積石峽區間；青海省中圖分類號：TV62;TV882.1 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.07.002引用格式;，隆坤，郭要輝，等.基于熵指數法的黃河龍羊峽—積石峽山洪致災因子分析[J].人民黃河，2025，47（7）：8-12，19.

Analysis of Flash Flood Causing Factors in the Longyangxia-Jishixia Section of the Yellow River Based on Entropy Index Method

HU Shaowei1，2，，LONG Kun² ，GUO Yaohui2， XU Yaoqun1， ZHANG Zhiwei2 （1.School of Water Conservancy and Transportation， Zhengzhou University， Zhengzhou 45Ooo1， China; 2.School of Civil Engineering，Chongqing University，Chongqing 40oO45，China）

Abstract：Duetoisomplexterrandspecalcmate，QnghaiProvinceispronetosudnaddsructiveountainfloosoderto provideabasisforthemonitoingandpreventionofountaifloodsintheegion，takingtheLongangia-Jishixiasctioofteprea cheoftheYelloRiverinQingaiProvince，heremoutainfooddisasterswereelativelysevere，astesudyraOinfuencincto of moutaiflooddisasterswereinillyseletedBasedonthataof11istorcalflooddisasterpointsinthestudyareafrom958to 2000，fourfactsioelaoseeadoghearselotesTmangsiienctoai fied.GISspatialaalysistecholowasusedtobtainthasifeddataofthesixifuecingfactors.Thentropdexmetodwasadot edtocalculateteweightsofachfactorandidentiftheaindisaster-causingfactos.Theeseachsultsshothatelevatioalpre cipitation，terainroughs，Iistacefroheiverouse，andaspectaeesastercausingfactosfoutainflosthe studyarea（withthe weightsof0.5716，0.1448，0.1079，0.0948，0.0719and0.0090respectively），amongwhich，elevationaual precipitationndinousaretindisastecausinctorsAoigtofaiofteainisasteaingfctor， （2 91.30% of the historical mountain flood disasters in the study area occur in the areas with an elevation lower than 3 091 m， 99.14% occur in the areas with an annual precipitation greater than 317 mm，and 98.26% occur in the areas with a terrain roughness less than 1.10.

Keywords：mountainflooddisaster；disaster-causingfactor;EntropyIndexMethod；weight;ongangxia-JishiiasctionofelowRiver; Qinghai Province

0 引言

青海省是黃河上游生態屏障，但因地形復雜、氣候特殊而山洪災害突發性強、破壞力大。國家青藏高原科學數據中心平臺發布的《青海省自然災害統計數據（1950—2000）》顯示，青海省每年均有山洪災害事件發生，且災害損失呈顯著上升趨勢。例如：1986年發生在青海省的洪災，導致7人死亡、1.4萬 hm² 農作物受災，11座電站、10多 km 通信線路被沖毀，直接經濟損失0.18億元；1993年發生在青海省的山洪災害，導致300人死亡、10.6萬 hm² 農田受災、1300處水利設施被沖毀、5454間房屋倒塌，直接經濟損失3.02億元；2020年發生在青海省的山洪災害造成水利設施直接經濟損失達2.68億元。頻發的山洪災害對區域基礎設施（水電站、通信線路等）及生態安全構成持續性威脅，亟待通過致災因子精準識別進行風險防控措施優化。

主要致災因子識別是山洪災害防治的依據，眾多學者對此開展了廣泛研究。例如：章德武等1通過研究，把我國山洪致災因子歸結為降雨（包括降雨量、降雨強度和降雨歷時）地形地質（包括地形地貌、地層巖性、地質構造、新構造運動與地震）和人類活動（包括毀林開荒和不合理開發等）三大類；吉中會等[通過綜合分析，認為山洪災害的致災因子主要包括氣象、水文、地質、地形地貌、土壤類型等。然而，致災因子具有一定的區域性，如我國東南地區的山洪主要誘發因素與西北地區可能存在差異，上述研究結果可能并不適用于青海省和黃河上游地區。當前，山洪致災因子研究已形成“降雨-地形-人類活動\"綜合分析框架，其核心是量化致災因子與災害事件的統計關聯性，對各致災因子進行賦權，進而識別主導災害發生的關鍵因子。其中致災因子權重賦值方法可分為主觀賦權法（如層次分析法、德爾菲法）與客觀賦權法（如熵權法、灰色關聯分析法）兩類，其適用性因區域環境與災害類型而異。例如：楊秀峰等[3]基于自然災害風險評估理論，利用熵權法來確定城市內澇致災因子權重;劉磊磊等[4]基于確定性因數模型，對湖南省紅層地區滑坡災害的致災因子進行敏感性分析;蘇廣全等[5基于博弈論組合賦權方法，對武威地區洪災風險進行評價；劉光旭等[采用層次分析法對贛江上游洪災風險評價指標進行賦權; Yu 等[7]采用夏普里值（Shapley value）法與層次分析法相結合的綜合賦權方法來確定洪水風險評價指標的權重。本研究以青海省山洪災害較為嚴重的黃河上游龍羊峽—積石峽區間為研究區，采用GIS空間分析技術獲取山洪災害影響因子分級數據、采用熵指數法計算各因子權重，識別山洪的主要致災因子，以期為青海省山洪災害監測與防治等提供依據。

1 研究區概況

黃河上游龍羊峽—積石峽區間位于青藏高原東北緣，為青海省海南藏族自治州、黃南藏族自治州與海東市的接壤區域，是黃河上游重要的生態屏障和水源涵養區。本文研究區為黃河干流龍羊峽—積石峽段涉及的同德、興海、共和、貴南、貴德、尖扎、化隆、循化、民和等9個縣域（其中小部分屬青海湖流域），總面積為51545.92km² ，該區域黃河主要支流有中鐵溝、巴溝、尕干曲、尕曲、茫拉河、沙珠玉河、恰卜恰河、沙溝、隆務河、清水河等。研究區以山地為主，海拔（ （1610～5310m） 梯度大，地貌類型復雜多樣，兼具高原、丘陵、河谷、盆地等特征，河道比降與邊坡坡度大（最大坡度達 76.4^° ，西南部及黃河干流兩岸為陡坡集中區，見圖1），多年平均降水量 231～661mm ，降水時空差異大（年內高度集中于5—9月，空間分布由東南向西北遞減）。

研究區地表透水性差， 80%～90% 的降水會轉化為地表徑流，加之與地形等致災因素的耦合，造成的山洪災害頻率高、突發性強。據《青海省志：水利志（1986—2005）》記載，該區域致災性降雨量閾值僅為15mm ，單次降雨量大于 25mm 即可引發洪災。

2 熵指數法

目前，對于致災因子的分析，主要是對各因子進行權重賦值，進而根據各因子的權重大小來判定致災因子的主次，其中關鍵是因子權重賦值方法的選取，即使樣本數據（因子數據和災害數據）相同也會因賦權方法的不同而得到不一致的結果。

借鑒李利峰等[8的研究，本研究采用熵指數法對山洪災害致災因子進行賦權。熵是指一個系統不穩定或不確定性的程度。本研究用熵指數表示各評價因子對山洪災害發生的影響程度，某因子的熵指數越大表示其對山洪災害發生的影響越大。設有 n 個因子，每個因子分為 N 級，熵指數法權重計算公式如下：

I_i=（B_max-B_i）/B_max

W_i=I_iA_i

式中：下標 i，j 分別為因子編號、分級編號， Y_ij 為因子 i 分級 j 面積占比， X_ij 為因子 i 分級 j 災害點占比， a_ij 為因子 i 分級 j 頻率比， A_i 為因子 i 頻率比均值， P_ij 為因子 i 分級 j 致災概率密度， B_i 為因子 i 信息熵， B_max 為各因子最大信息熵， I_i 為因子 i 信息率， W_i 為因子 i 權重，W_i^' 為因子 i 歸一化權重。

3致災因子選取與權重計算結果

3.1 致災因子選取

首先，初選10個山洪災害影響因子（NDVI、年降水量、高程、高程變異系數、坡度、坡向、地形粗糙度、地表切割深度、地形起伏度、與河道距離）。然后，從國家青藏高原科學數據中心（https：//data.tpdc.ac.cn）、國家地球系統科學數據中心（https：//www.geodata.cn）、國家地理信息公共服務平臺（https：//www.tianditu.gov.cn）、全國地理信息資源目錄服務系統（ht-tps：//www.webmap.cn）等獲取研究區1958—2000年

115個歷史洪水災害發生點位（見圖2）的有關數據，并計算各初選因子間的皮爾遜相關系數（見表1）。最后，為確保各因子間相互獨立和分析結果的準確性，進行皮爾遜相關性檢驗（一般認為，皮爾遜相關系數在區間 [-0.3，0.3] 內時因子間相關性較弱或不相關[8]），剔除相關性強的4個因子（坡度、高程變異系數、地表切割深度、地形起伏度），保留相關性較弱的6個因子（高程、坡向、地形粗糙度、年降水量、NDVI、與河道距離，篩余因子間的皮爾遜相關系數見表2），用于洪水災害致災因子識別。

3.2 評價因子分級

對高程、年降水量、NDVI、與河道距離4個因子按等差法分為5級，對地形粗糙度按自然斷點法分為5級，對坡向按方位角（坡面朝向在水平面上的投影，按順時針方向與正北方向的夾角）等差法劃分為9級（或稱9類，包括平地），采用GIS空間分析技術提取各因子分級面積等數據并進行可視化表達，結果見表3～ 表8、圖3[其中：圖3（a）＼～（e）分辨率為 30m ，圖3（f）分辨率為 8km ]。

由表3＼～表8可知，研究區洪水災害主要發生在海拔低、地形粗糙度小、植被覆蓋度低（NDVI小）及距河道較近的區域。一般來說，降水量大的區域易發生洪水災害，其他因子也會對山洪災害的發生造成影響。統計數據顯示，研究區 98.26% 的歷史洪水災害點地形粗糙度小于1.10，表明地形越粗糙、地面凹凸不平程度越高越不易發生山洪災害；植被覆蓋度高的地方，一方面植被因截留和林地下滲的雨水較多而減少地面積水，另一方面其對地表徑流的阻擋作用可避免或削弱坡面徑流、減緩山洪；距河道越近，在較大降水引起河流水位上漲時越容易遭受洪水災害。

3.3 各因子權重計算結果

按照前述方法計算的高程、年降水量、地形粗糙度、NDVI、與河道距離、坡向權重分別為 0.571 6.0.144 8， （204號0.1079、0.0948、0.0719、0.0090 。高程、年降水量、地形粗糙度的權重之和為0.8243，表明這3個因子是研究區洪災發生的主要致災因子，其他3個因子為次要致災因子。

在主要致災因子中，高程對于山洪災害的影響主要體現在地表水的匯流，降水到達地面以后，一部分被地表吸收（包括植被截留和土壤下滲），未被吸收的部分則會形成地表徑流，從高程相對較高的地方向相對較低的區域匯聚，因而在低海拔區容易形成山洪災害，研究區歷史山洪災害發生在低海拔區（高程低于3091m）的比例高達 91.30% ；年降水量對于山洪災害的影響主要體現在地表水量的增加，當降水量達到區域環境所能承受的閥值時便可能發生洪災，在基礎環境條件相同的情況下，年降水量大的區域山洪災害比年降水量小的區域更嚴重，研究區歷史山洪災害發生在年降水量較大（大于 317mm ）區域的比例高達 99.14% ：地形粗糙度對于山洪災害的影響主要體現在對地表水流的阻礙，其反映地形的起伏狀況，地形起伏變化越大對于地表徑流的阻礙作用越強，因而越不易發生洪水災害，在地形粗糙度小于1.10的區域降雨徑流容易形成山洪災害。

4結論

1）對初選的10個山洪災害影響因子進行皮爾遜相關性檢驗，剔除4個相關性較強的因子后，可把篩余的高程、坡向、地形粗糙度、年降水量、NDVI、與河道距離作為研究區山洪災害致災因子。

2）對6個致災因子進行分級，采用熵指數法計算致災因子高程、年降水量、地形粗糙度、NDVI、與河道距離、坡向的權重分別為 0.571 6.0.144 8.0.107 9. （2號0.094 8.0.071 9.0.009 0 ，據此認為高程、年降水量、地形粗糙度為研究區山洪災害主要致災因子，NDVI、距河道距離、坡向為次要致災因子。

3）按主要致災因子分級對研究區歷史山洪災害進行統計， 91.30% 發生在高程低于 3 091m 的地區，99.14% 發生在年降水量大于 317mm 的地區， 98.26% 發生在地形粗糙度小于1.10的地區。

后期研究可采取遙感與實地監測相結合的方法并增加降雨強度、土壤滲透率等因子，使分析結果更精準可靠。

參考文獻：

［1］章德武，諶宏偉.山洪災害致災因子分析與防治措施［J]中國水運（下半月刊），2011，11（3）：146-147.

[2] 吉中會，吳先華.山洪災害風險評估的研究進展[J].災害學，2018，33（1）：162-167，174.

[3] 楊秀峰，霍也，陳長勝，等.長春市城市內澇致災因子危險性模型的建立及評估[J].氣象災害防御，2024，31（4）：43-48.

[4] 劉磊磊，肖浩，王璨，等.湖南紅層地區滑坡地質災害致災因子敏感性分析[J].礦冶工程，2024，44（4）：169-174.

[5] 蘇廣全，呂海深，朱永華，等.基于博弈論組合賦權的洪水風險評價：以武威地區為例[J].干旱區研究，2022，39（3）：801-809.

[6] 劉光旭，王小軍，徐新創，等.低山丘陵區暴雨洪水特征與洪災風險評估：以贛江上游為例［J].水土保持通報，2019，39（5）：236-241，289，345.

[7] YUJiarui，ZOULei，XIAJun，etal.AMulti-DimensionalFrame-work for Improving Flood Risk Assessment：Application in theHanRiver Basin，China[J].Journal of Hydrology：Regional河流域地質災害危險性評估預測［J].干旱區地理，2025，48（4） ：599-611.

［20］何子軍，劉惠軍.基于信息量-隨機森林模型的滑坡易發性評價：以云南省雙江縣滑坡為例[J].甘肅水利水電技術，2024，60（9） ：55-59.

［21］周禹彤，葛永剛，陳興長，等.基于物源特征的泥石流易發性評價：以石鼓—崗托河段為例[J].科學技術與工程，2025，25（8） ：3123-3133.

[22]周靜，劉敦龍，桑學佳，等.基于CNN-KAN的汶川地震災區潛勢泥石流流域識別方法［J].計算機與現代化，2025（4） ：70-76.

[23]LEE Sunmin，BAEK Won Kyung，JUNG Hyung Sup，et al.Susceptibility Mapping on Urban Landslides Using DeepLearningApproachesinMt Umyeon[J].Applied Sciences-Basel，2020，10（22）：8189.

[24］馮興隆，李爭榮，吳愛祥，等.基于組合賦權-物元可拓模型的礦山井下泥石流風險評估及防治［J].礦業研究與開發，2024，44（9）：158-166.

［25］趙健，郭青.互聯網小額信貸違約風險識別模型研究：基于集成學習方法[J].華北水利水電大學學報（社會科學版），2025，41（2）：54-62.

[26]張為，李昕，翟少軍，等.三峽水庫次洪期間降雨特征對洪水過程的影響[J/OL].水利學報：1-11（2025-03-21）[2025-03-23].http：//kns.cnki.net.

[27]邢昭，孟小軍，袁晶晶，等.信息量支持下SVM-GBDT模型的滑坡危險性評價[J].科學技術與工程，2025，25（7） ：2712-2720.

[28］王昕宇，楊鵬，戴健非.基于RFE-RF-XGBoost 的壩體位移預測研究[J].東北師大學報（自然科學版），2021，53（2）：60-66.

【責任編輯 張智民】

Studies，2023，47：101434.[8] 李利峰，張曉虎，鄧慧琳，等.基于熵指數與邏輯回歸耦合模型的滑坡災害易發性評價：以藍田縣為例[J].科學技術與工程，2020，20（14）：5536-5543.

【責任編輯 張智民】