基于GIS与信息量模型的地质灾害危险性评价——以云南省丘北县为例

谈树成，赵晓燕，李永平，魏东伟，杨 林

(1．云南大学 资源环境与地球科学学院，云南 昆明 650500；2．云南省地理研究所，云南 昆明 650223；3．云南大学 “一带一路”战略研究院，云南 昆明 650500)

地质灾害(Geological disaster)是在自然或人为因素作用下形成的对人类生命财产和环境造成破坏的地质作用或地质现象[1]．地质灾害危险性包含了致灾体和成灾对象的属性特征，地质灾害危险性评价需将自然和人为影响因素进行综合考虑而得出灾害体的危险等级．通过分析地质灾害的发育现状、发育特征和成灾机理，将影响地质灾害形成的主控因素作为指标因子，采取定量或定性的评价模型或方法来估算未来潜在地质灾害发生的概率，并完成地质灾害危险性预测分区．地质灾害评价经历了定性、定量、定性与定量相结合三个阶段的发展历程，尤其是GIS技术在地质灾害领域中的运用加快了定量化评价方法的发展．目前常用的定性评价法有层次分析法[2-3]、灰色模型法[4]、模糊综合判别[5]等；定量评价法有人工神经网络法[6-7]、信息量模型[8-11]、逻辑回归分析方法[12-13]；以及定性与定量相结合的组合赋权法[14]．其中，信息量模型具有客观性较高，易于实现的优点，因此在地质灾害危险性评价中运用较广[15]．地理信息技术的发展为开展区域地质灾害预警和危险性评价提供了技术支撑，使人们能够精准地掌握地质灾害多发区域的空间信息，为推动地质灾害防范和治理提供技术保障．Duman等[16]采用逻辑回归法对土耳其伊斯坦布尔的Cekmece地区的滑坡敏感性开展了研究，发现在选择的25个变量中，河网密度和坡度是相对较为重要的变量指标．Che等[17]和Bhandary等[18]采用信息量法分别对喀麦隆SW Limbe地区和日本四国北部地区的滑坡开展了敏感性分区评价研究．刘彦花等[19]、张晓东等[20]、Feizizadeh等[21]、袁湘秦等[22]利用RS技术对地质灾害空间分布情况进行调查，运用GIS技术和评价模型开展了区域地质灾害发生概率的研究，根据概率大小进行地质灾害危险等级划分，并对每个等级分区进行了评价研究．

文中以云南省丘北县的地质灾害作为研究对象，结合地质灾害详细调查项目，采用高分遥感影像进行解译，借助GIS技术平台进行数据空间分析，提取坡度、断裂构造、工程地质岩组、降雨量、道路、河流水系和土地利用/覆被等7个地质灾害控制因素，基于GIS软件平台，采用信息量模型对研究区的地质灾害危险性开展定量评价，评价结果为丘北县地质灾害重点区防治区划提供了决策依据，为政府开展防灾减灾工作和地质灾害管理提供了技术支撑．

1 研究区概况

研究区地处滇东南岩溶山原斜坡地带，总体地势西南高、东北低，呈阶梯状下降．地理范围在103°34′～104°45′E，23°45′～24°28′N之间(图1)．总面积4 997 km2，总人口约45.9万人，其中少数民族人口28.7万人，占总人口的62.52%．属亚热带季风气候，多年平均气温16.3℃，1957—2007年多年平均降雨量1 174.6 mm(丘北县年鉴，下同)，降雨量时空分布不均，每年5—10月为雨季，降雨量占全年的84.1%，东北部地区降雨量大于西部和南部地区．区内地层主要发育沉积岩类，三叠系分布最广，以泥岩、粉砂岩为主，约占全县总面积3/4以上；其次是泥盆系、石炭系、二叠系，以灰岩、白云岩为主；寒武系和第三系极少分布．研究区构造活跃，处于滇东南褶皱带，以东西向构造为主．根据地貌的形成原因、形态特征以及地质灾害的发育程度，将丘北县划分为5个地貌区(图2)．水系比较发育，河网密集，岩土体主要以碳酸盐岩和软碎屑岩为主，人类工程经济活动频繁，触发了地质灾害的发生，致使地质灾害发育比较频繁．区内地质灾害主要以崩塌、滑坡、泥石流3类灾害为主，按照体积划分，崩塌以中小型为主，大多由人为开矿和修建道路而诱发；滑坡以中小型岩土质滑坡为主，主要分布在双龙营镇和官寨乡；泥石流主要以大中型为主，在水系较为发达、地势较为陡峻和岩土体松散的新店乡发育广泛(表1)．

图1 研究区地势

图2 研究区地貌

2 地质灾害发育主导因子的选取

表1 丘北县地质灾害点统计

地质灾害被地质环境中的众多因素影响和控制，因此在地质灾害危险性评价中，合理把握地质灾害主控因素非常重要[23]．地质灾害的发生主要受地形地貌、断裂构造、地层岩性、植被、地震、大气降雨和人类活动等因素的影响，通过分析地灾点与各指标因子之间的空间位置关系，揭示其分布规律，得到各指标因子对地质灾害发生的贡献率．文中通过对研究区地灾点的野外调查，分析其形成原因及总结空间分布规律，确定坡度、断裂构造、工程地质岩组、降雨量、道路、河流水系和土地利用/覆被等7个评价因子．

2.1 坡度因子

坡度是指地表上某一点切平面和水平面夹角的大小，表征地表单元的陡缓程度．研究区坡度因子是利用分辨率为30 m的DEM在ArcGIS中生成，通过分析不同类型的灾害点在每个坡段内的分布特点，结合丘北县地形地貌特征，将坡度以5°为间隔分为7个级别(图3)．从图3可以看出，区内坡度起伏较大，滑坡共有地质灾害89个，坡度在20°～40°的地质灾害有69个，占区内滑坡地质灾害总数的77.52%；崩塌共有地质灾害36个，坡度在45°～60°的地质灾害有25个，占区内崩塌地质灾害总数的69.44%；泥石流共有地质灾害18个，坡度在15°～25°之间的地质灾害有15个，占区内泥石流地质灾害总数的83.33%．

2.2 断裂构造因子

图3 地质灾害与坡度的关系

断裂构造影响到区域的稳定性，断层附近地区地质作用较为活跃， 岩土体容易遭到破坏， 降低坡体的完整性和稳定性，松散的岩土体为地质灾害发生提供充足的物质来源，同时岩土体的缝隙成为地下水的输送通道，提高了地质灾害发生的可能性[24-25]．研究区主要的断裂带大多为逆断层，分别是秧革断裂、戈寒断裂、普格断裂、法果断裂、旧庄科断裂、温浏断裂、腻脚断裂等．通过对丘北县1∶250 000区域地质图中断裂构造的提取，生成断层因子专题图，并根据灾害点与断层带之间的空间位置关系，将断层因子分为5个等级(图4)．从图4 可以看出，随着距断层距离的增大，地质灾害数量呈现出递减的趋势，并且地质灾害主要集中在距断层0～1 000 m，占研究区地质灾害的71.32%．

图4 地质灾害与断层分布关系

2.3 工程地质岩组因子

岩土体作为地质灾害发生的重要物质基础，其岩性组合、岩体结构和坚硬程度的差异对形成不同地质灾害类型及发育特征起着重要的作用[26]．研究区内主要发育沉积岩类，其中以三叠系地层分布最广，以泥岩、粉砂岩为主，约占全县总面积3/4以上；其次是泥盆系、石炭系、二叠系，以灰岩、白云岩为主；寒武系和第三系仅以零星的小面积形态出现．依据岩石成因、岩性组合、物理力学性质、风化强度及工程地质特点的差异，将研究区岩土体划分为4个类别(表2)．通过对不同岩组内发育的地质灾害个数进行统计(表3)，分析得到地质灾害点与地层岩性之间的密切关系．从表2-3可以看出，区域内的岩土体以软质岩类和硬质岩类为主，占研究区面积的81%.地质灾害主要分布在硬质岩类、软硬间夹类和软质岩类工程地质岩组，硬质岩类岩组发育崩塌29处，软质岩类和软硬间夹类岩组发育滑坡75处，分别占崩塌和滑坡总数的80.55%和84.26%．

2.4 降雨量因子

研究区属于亚热带季风气候，夏季受到西南季风和东南季风的影响，降水量丰沛．降水可以软化岩土体、减小岩土体阻力等，因此降雨量对地质灾害的发生起着十分重要的作用．本次研究通过对丘北县气象站1986—2015年的观测资料和1981—2010年云南省年均降雨量数据的收集(中国气象数据网和丘北县气象局)，选取丘北县域及邻近县共15个气象站点的年均降雨量数据进行空间插值，得到降雨量在空间上的分布规律．可知，降雨量在空间上分布上呈现出从东北向西南逐渐减少的趋势，但整体上空间分布较为均衡．通过对不同降雨量值内地质灾害点的统计得到不同降雨量值内各地质灾害类型的分布个数(图5)．地质灾害主要集中发育在降雨量为1 050～1 250 mm， 共发育地质灾害134个，占研究区总地质灾害点的93.7%，表明诱发因素中降雨量值对地质灾害的发生起着重要的作用．

表2 岩土体类型及其工程地质特征

表3 地质灾害点与工程地质岩组之间的关系

图5 地质灾害与降雨量的关系

图6 地质灾害与道路分布的关系

2.5 道路因子

丘北县地形起伏大，地貌类型多种多样，在这样的地形条件下，兴建铁路和公路时存在挖方填方的问题，因此道路作为诱发因子对地质灾害的发生起着重要的作用．通过矢量化丘北县1∶50 000地形图中的道路因子，结合研究区地灾点的空间分布规律，以500 m为间距分5级进行道路因子的缓冲区分析．通过统计崩滑流地质灾害在不同距离缓冲区内的分布个数，得到地质灾害点与道路因子之间的密切关系(图6)．从图6可以看出，随着距道路的距离越远，地质灾害的个数呈递减趋势；地质灾害主要分布在0～500 m，共有地质灾害109处，占研究区地质灾害的76.22%，表明开展工程建设活动加剧了地质灾害的发生．

2.6 河流水系因子

研究区内水系十分发达，发育大小河流166条，分属于珠江水系的南盘江流域和红河水系的泸江流域．区内南盘江较大的支流有六郎洞河、夸墨河、拖底河、禹乐河、补挡河、凤尾河．根据河流水系分布图，在GIS软件中按照6个级别进行缓冲得到水系因子图．根据水系因子图分析地质灾害的个数与水系之间的密切关系，得到距河流水系的距离各地质灾害类型的分布规律(图7)．从图7可以看出，地质灾害整体上呈现出距河流水系越远，地质灾害个数逐渐越少的趋势；但是在距河流水系1 000 m以外的地区，地质灾害中崩塌的个数有所增加，这是由于修建丘广(丘北—广南)公路切坡而形成的地灾点或隐患．区内地质灾害主要集中在距离河流600 m的范围内，共发育地质灾害113个，占研究区地质灾害的79.02%．

2.7 土地利用/覆被因子

图7 地质灾害与河流水系分布的关系

图8 地质灾害与土地利用/覆被类型的关系

人类活动的范围伴随着经济的发展而不断地扩大，其不合理的土地利用方式加速了地质环境的退化和破坏，植被稀少地表裸露，水土保持能力下降加剧了地质灾害的发生[23]．土地资源利用是通过土地利用/覆被来表现，本研究借助ENVI软件对高分一号遥感影像进行监督分类得到土地利用/覆被信息，根据全国第二次土地利用调查分类标准，将研究区土地利用分为林地、草地、水域、未利用地、建筑用地和耕地6种地类．通过对不同地类中地质灾害分布情况的统计分析得到不同地类中地质灾害的分布个数(图8)，地质灾害主要分布在林地和草地地类中，分别占灾害点总数的54.54%,31.46%．通过实地调查发现，地质灾害主要分布在林草地中是由于人为修建道路、切坡建房而导致，而往往人们会在这个过程中避开耕地、建筑用地和水域．

3 基于GIS和信息量模型的地质灾害危险性评价

3.1 信息量模型的建立

信息量法(Information model)是由信息论发展而来的一种评价预测方法，由晏国珍首次运用到滑坡的预测中[23]．通过对研究区地质灾害影响因素进行筛选，将对地质灾害发育影响较大的因素作为危险性评价的指标因子，并结合信息量模型计算各指标因子发生的概率，以各因子概率的大小来衡量地质灾害危险性的程度[27]．信息预测的准确率与地质灾害发育的现状和指标因子选取的重要性有关[28]．信息量是条件概率运算，而在实际运算时各因子对地质灾害发生的贡献率是用样本频率来计算[9]146：

(1)

其中，S为研究区评价单元总数；N为研究区有地质灾害分布的单元总数；Si为研究区内含有评价因素Xi的单元数；Ni为分布在因素Xi内特定类别内的地质灾害单元数．

因此，对每个评价单元的各指标因子信息量进行求和，得到该单元的总信息量值[9]146：

(2)

其中，I为评价单元总的信息量值；n为参评因子数．

用总的信息量值I来确定单元的危险性等级，小单元内各指标因子的综合信息量值越大表明越有利于地质灾害的发生，其危险性等级越高.通过对所有单元格综合信息量的计算，按综合信息量值的大小划分类别，分成等级不同的危险区．

3.2 评价单元格大小的选取

在地理学研究中，研究尺度的选取是其核心内容之一，直接影响到评价结果的精确度．文中研究尺度问题即是评价单元格大小的选取．运用GIS技术对地质灾害各因子的基础地理数据栅格化处理，就要确定栅格单元的大小．一些学者[26]通过研究总结出了栅格单元大小选取的常用公式，具体为[9]147

其中，Gs为适宜网格大小；S为原始地形图比例尺倒数．

本次评价单元格的大小由经验公式计算得到，研究区所使用的地形图比例尺为1∶50 000，通过经验公式计算得出，研究区评价单元的适宜格网大小为32.852 5 m×32.852 5 m．但是考虑到研究区面积太大，采用适宜网格大小的栅格个数上千万个，运算难度较大，故结合实际情况选取100 m×100 m作为评价单元格网的大小．

3.3 基于GIS的信息量模型计算

根据前面的分析结果，选取坡度、断层构造、工程地质岩组、降雨量、道路、河流水系和土地利用/覆被7个指标因子开展地质灾害危险性评价．借助ArcGIS软件平台，将各指标因子的基础数据转化为100 m×100 m的栅格数据，采用信息量模型计算各评价单元的信息量值，根据评价单元的综合信息量划分地质灾害危险性等级分区．通过分析各指标因子与地质灾害点的空间位置关系，运用(1)式计算各指标因子对地质灾害发生的信息量值(表4)．通过对单因子中各个类别信息量的赋值，生成单因子信息量图(图9，第74页)，再运用(2)式计算评价小单元内的总信息量，得到研究区的综合信息量．根据综合信息量值的大小进行重分类，按照极高度、高度、中度、低度和极低度5级危险性等级进行分区，得到研究区地质灾害危险性分区图(图10，第75页)，综合信息量值越大，其地质灾害危险性等级就越高，发生大中型地质灾害的可能性就越大．

3.4 评价结果分析

表4 各评价因子信息量计算结果

通过对研究区地质灾害危险性分区的面积和地灾个数进行统计分析(表5), 可以看出， 中度、 高度和极高度危险区内共有地质灾害113个，占研究区地灾点总数的79.02%，而低度和极低度危险区内地质灾害点的个数相对较少；中度以上危险区的面积为3205.88 km2，占研究区总面积的63.21%；其中，中度危险区所占面积比例高达36.55%．进一步统计地质灾害在不同危险等级范围内的分布数据，计算灾害点在不同危险等级范围内的分布密度，发现灾害点分布密度随危险等级升高而逐渐增加，两者呈正相关关系(图11，第75页)，并且运用指数函数进行拟合，R2高达0.91，表明地质灾害危险性分区与灾积比的拟合程度较高，说明采用信息量法开展丘北县地质灾害危险性评价能够较为客观真实地反映区内地质灾害危险度的空间分布情况，评价结果比较符合实际的地质灾害发育分布规律．

研究区内高度和极高度危险区主要分布在丘北县的西部和北部地区，南部地区为低度和中度危险区，根据研究分析发现，高度和极高度危险区主要分布在软硬间夹岩类和软质岩类中，常常发育泥岩、粉砂岩、灰岩和白云岩等岩类，抗风化能力低，节理裂隙发育，风化层厚度变化大，岩性较为软弱，易成为滑坡的滑动带，同时岩性破碎易成为泥石流的物质来源．从断裂构造上看，高度和极高度危险区地质构造活跃，断裂构造较为发育，地质环境不稳定.从河流水系上看，高度和极高度危险区河网密集，水系发达，水资源丰富，坡度大于30°，坡度过陡且岩土体的整体性较差，利于地质灾害的发生．南部地区为低度和极低度危险区，分布面积为1 865.6 km2，占研究区总面积的36.78%，岩性主要为硬质岩类，抗风化能力强，河网密度稀疏，坡度小于20°，较为和缓，发生的地质灾害较少．

4 结论

根据丘北县地质灾害点分布特征，结合其地质地理环境和诱发因素，选取坡度、断层构造、工程地质岩组、降雨量、道路、河流水系和土地利用/覆被7项评价指标作为评价因子，按照地质灾害分布特点进一步将影响因子划分为33个分级，采用信息量法模型与GIS结合对丘北县地质灾害进行危险性分区评价，最终结果表明，因子和评价方法的选取都是合理的．可以得出下列结论：

图9 地质灾害危险性评价因子分类

1)丘北县易于地质灾害发生的影响因子条件有：① 到断层的距离在0～1 000 m；② 地层岩性为抗风化能力较低、节理裂隙发育、风化层厚度变化较大的泥岩、砂岩、灰岩、白云岩；③ 年均降雨量值在1 050～1 250 mm；④ 到交通干线的距离在0～500 m；⑤ 距地面水体距离在0～400 m；⑥ 土地利用/覆被类型主要为林地、草地类型．

2)丘北县地质灾害危险区主要分布在平寨乡、双龙营镇、新店彝族乡、温浏乡等乡镇,南盘江两岸,交通道路主要干道的两侧以及人类活动频繁和密集的地区．中度以上危险区域主要分布在丘北县的东部、北部、西部地区，这些地区坡度较陡、岩土体整体性较差，河网密集且水系发达，地质构造活跃、岩性较软，抗风化能力低，人类修建道路诱发公路两旁崩塌地质灾害发育，说明地质灾害的发生除了受到自然地理环境的影响外，人类活动也成为重要的诱发因素．

图10 地质灾害危险性评价

表5 划分的危险性等级内地质灾害点的数目分布

图11 不同危险等级内地质灾害灾积比分布关系

3)为了促进研究区地质灾害的减灾防灾工作，减少地质灾害的发生给社会经济和人类生活带来的损失，各级政府部门应加强地质灾害防治工作的领导和管理．在人类工程活动中，加强对临时切、填方边坡的防范和规避，对永久性人工边坡施以科学的支护治理手段，尤其是对平寨乡修建道路引起的崩塌和滑坡地质灾害治理时尤为注意.根据区内地质灾害点的危险性大小、危害程度和规模，按先重后轻的原则对丘北县地质灾害进行防治规划，对重点防治区(例如学校、旅游景点、人口相对集中的村镇和重要基础设施)优先防治和治理，对一般防治区应以地质环境保护为主，通过保护达到防灾减灾的目的．为了推动丘北县社会经济的快速发展和保障人民的生命财产安全，做好地质灾害的防护治理将是长久的工作．

[1] 潘懋，李铁峰．灾害地质学[M].第2版．北京：北京大学出版社，2012．

[2] 易明华，吴辉，叶柯．地理国情的地质灾害危险性评价[J].测绘科学，2017，42(8)：40．

[3] 姚玉增，任群智，李仁峰，等．层次分析法在山地地质灾害危险性评价中应用——以辽宁凌源地区为例[J].水文地质工程地质，2010，37(2)：130．

[4] 张丽，李广杰，周志广，等．基于灰色聚类的区域地质灾害危险性分区评价[J].自然灾害学报，2009，18(1)：164．

[5] 金菊良，魏一鸣，丁晶．基于改进层次分析法的模糊综合评价模型[J].水利学报，2004，3(11)：65．

[6] 吕远强，杜林军，罗伟强．基于人工神经网络的区域地质灾害危险性预测评价[J].中国地质灾害与防治学报，2007，18(1)：95．

[7] KANUNGO D P，SARKAR S，SHARMA S．Combining neural network with fuzzy，certainty factor and likelihood ratio concepts for spatial prediction of landslides[J].NatHazards，2011，59(3)：1491．

[8] 柳依莎，杨华．基于信息量模型的地质灾害危险性评价研究——以重庆市涪陵区为例[J].重庆师范大学学报(自然科学版)，2012，29(4)：34．

[9] 吴柏清，何政伟，刘严松．基于GIS的信息量法在九龙县地质灾害危险性评价中的应用[J].测绘科学，2008，33(4)：146．

[10] 杜军，杨青华，严嘉，等．基于GIS与信息量模型的汶川次生地质灾害危险性评价[J].地球科学:中国地质大学学报，2010，35(2)：324．

[11] 邓辉，何政伟，陈晔，等．信息量模型在山地环境地质灾害危险性评价中的应用——以四川泸定县为例[J].自然灾害学报，2014，23(2)：67．

[12] 王云龙，文宝萍．兰州市滑坡地质灾害危险性研究[J].中国地质，2011，38(6)：1593．

[13] 薛东剑，何政伟，陶舒，等．“5.12”震后区域地质灾害危险性评价研究——以青川、平武县为例[J].地球科学进展，2011，26(3)：311．

[14] 贾贵义，全永庆，黎志恒，等．基于组合赋权法的白龙江流域甘肃段地质灾害危险性评价[J].冰川冻土，2014，36(5)：1227．

[15] 阮沈勇，黄润秋．基于GIS的信息量法模型在地质灾害危险性区划中的应用[J].成都理工学院学报，2001，28(1)：89．

[16] DUMAN T Y，CAN T，GOKCEOGLU C，et al．Application of logistic regression for landslide susceptibility zoning of Cekmece Area，Istanbul，Turkey[J].EnvironmentalGeology，2006，51(2)：241．

[17] CHE V B，KERVYN M，SUH C E，et al．Landslide susceptibility assessment in Limbe(SW Cameroon)：a field calibrated seed and information value method[J].Catena，2012，92(1)：83．

[18] BHANDARY N P，DAHAL R K，TIMILSINA M，et al．Rainfall event-based landslide susceptibility zonation mapping[J].NatHazards，2013，69(1)：365．

[19] 刘彦花，叶国华．基于粗糙集与GIS的滑坡地质灾害风险评估——以广西梧州为例[J].灾害学，2015，30(2)：108．

[20] 张晓东，刘湘南，赵志鹏，等．盐池县地质灾害遥感调查及空间分布特征[J].水文地质工程地质，2017，44(1)：164．

[21] FEIZIZADEH B，BLASCHKE T．GIS-multicriteria decision analysis for landslide susceptibility mapping：comparing three methods for the Urmialake basin，Iran[J].NatHazards，2013，65(3)：2105．

[22] 袁湘秦，赵法锁，陈新建，等．陕西省绥德县地质灾害易发性区划[J].灾害学，2017，32(1)：117．

[23] 黄润秋，许向宁，唐川，等．地质环境评价与地质灾害管理[M].北京：科学出版社，2008．

[24] 李忠生．国内外地震滑坡灾害研究综述[J].灾害学，2003，18(4)：64．

[25] 陈晓利，冉洪流，祁生文．1976年龙陵地震诱发滑坡的影响因子敏感性分析[J].北京大学学报(自然科学版)，2009，45(1)：104．

[26] 刘传正，刘艳辉，温铭生，等．长江三峡库区地质灾害成因与评价研究[M].北京：地质出版社，2007．

[27] 高克昌，崔鹏，赵纯勇，等．基于地理信息系统和信息量模型的滑坡危险性评价——以重庆万州为例[J].岩石力学与工程学报，2006，25(5)：991．

[28] ALDO C，SUSANNA P，CLAUDIO T，et al．A procedure for landslide susceptibility zonation by the conditional analysis method[J].Geomorphology，2002，48(4)：349．