2020, Vol. 29
PDF
2. 中国地质大学 环境学院, 湖北 武汉 430074
2. School of Environment, China University of Geosciences, Wuhan 430074, China
地质灾害危险性评价及区划是地质灾害防治的重要工作之一, 通过研究区域地质构造单元特征、不同地层单元组合及地形地貌等条件下区域地质灾害的发生分布规律, 从宏观上对地质灾害的危险程度做出等级划分[1], 早在20世纪60年代国内外学者就已开展了卓有成效的研究工作.近年来, 随着“3S”技术的不断成熟和地质灾害损失的日益严重, 地质灾害的危险性评价和区划研究有了长足的发展, 涌现出了大量的研究成果[2-16].
本文选取湖南省麻阳县作为研究区域, 以1 : 5万地质灾害详细调查的289处灾害点为样本数据, 选择对地质灾害产生具有密切关系的9个因子建立评价指标体系, 通过层次分析法和信息量模型的融合, 开展研究区的地质灾害危险性评价与区划, 为研究区的地质灾害防治工作提供理论依据和技术支持.
1 研究区概况研究区位于湖南省西部, 沅麻盆地中南部, 雪峰山脉与武陵山脉之间, 是云贵高原向江南丘陵的过渡地带, 总面积1566.21 km2, 约占全省总面积的0.74%.
研究区属亚热带季风气候区, 区内降雨时空分布不均, 多年均降雨量1275.9 mm, 是湖南省年平均降雨量中值区, 暴雨次高频中心(据湖南省气象局1980~2017年数据统计).区内以侵蚀剥蚀中低山、丘陵地貌为主, 西、南、北三面较高, 中部较低, 朝东倾斜开口, 总体地形复杂, 坡体切割强烈, “V”型沟谷发育, 山坡坡度陡峻(图 1).境内主要河流为属沅水水系的锦江及其支流, 其中锦江自西向东横贯全境, 两侧高丘山地环绕, 河床比降大, 水流湍急.同时, 研究区地处华南地层区, 地层发育以白垩系碎屑岩出露最广, 岩性主要为紫红色砂岩、砂砾岩、粉砂质泥岩, 是我国南方著名的“红层”地区.境内构造复杂, 形迹多样, 断裂和褶皱均很发育, 构造线方向受区域构造所控制, 以北东向构造分布较广泛.
|
图 1 研究区地貌分区简图 Fig.1 Landform zoning map of the study area 1-山地(mountainous area)；2-丘陵(hilly area)；3-平原(plain) |
根据麻阳县1 : 5万地质灾害详查资料统计分析, 研究区共有地质灾害289处, 其中不稳定斜坡47处、滑坡211处、崩塌29处、泥石流1处、地面塌陷1处(图 2).区内地质灾害具有下列基本特征：
|
图 2 研究区灾点分布图 Fig.2 Geohazard sites in the study area 1-滑坡(landslide)；2-不稳定斜坡(unstable slope)；3-崩塌(rockfall)；4-泥石流(debris flow)；5-地面塌陷(ground collapse) |
1) 地质灾害以中、小型滑坡、崩塌灾害为主, 点多、面广、隐蔽性强, 空间分布明显受构造、工程地质岩组、岩性和地形地貌的控制.
2) 区内90%以上的地质灾害是由大气降雨直接诱发的或与气象因素相关, 汛期(4~9月)是地质灾害多发期, 主汛期(6~7月)是地质灾害高发期, 占区内发灾总数的70%以上.
3) 地质灾害多以土质灾害为主, 岩质灾害相对比较少, 但仍反映出灾害的群发性明显受工程地质岩组控制.其中浅变质岩、碳酸盐岩分布区多以土质灾害为主, 碎屑岩区由于多为红色厚层-巨厚层状砂岩、粉砂岩, 多发生岩质灾害.
4) 造成人员伤亡的地质灾害多受人为活动影响, 特别是屋后切坡、沟口建房等, 另外公路切坡也是区内诱发地质灾害的重要因素.
3 加权信息量模型概述信息量是反映事件在某种因素组合下发生概率的一个概念, 这种理论认为可以用信息量来评价影响因子与研究对象之间的相关性[17].但是该统计分析只反映了各影响因子在特定组合类别情况下灾害发生的概率, 未充分考虑各因子对地质灾害发生贡献的差异[18-19].因此, 本文采用层次分析法加权的信息量评价模型, 对每个评价因子赋予不同的权重, 使评价结果更加准确合理[20].
各影响因子的不同类别的信息量可用下式表示：
| $ I\left(x_{i}\right)=\ln \frac{S_{i} / S}{A_{i} / A} \quad i=1, 2, \ldots . . n $ | (1) |
式中, Si为影响因子x第i类中地质灾害数量之和；S为研究区地质灾害总数量；Ai为影响因子x第i类的总面积；A为研究区总面积.
利用层次分析法对信息量模型加以改进, 将影响因子的权重与信息量相乘, 得到加权信息量.设n个评价因子的权重为wi (i=1, 2, …, n), 则其加权信息量为：
| $ I=\sum\limits_{i=1}^{n} w_{i} I_{i}=\sum\limits_{i=1}^{n} w_{i} \ln \frac{S_{i} / S}{A_{i} / A} \quad i=1, 2, \ldots . n $ | (2) |
利用公式(2), 可得出不同因子组合后信息量值.信息量大的地区发生地质灾害的可能性大, 为高危险区, 反之则小, 为低危险区.
4 评价指标的确定与提取基于加权信息量模型的计算方式及评价指标的建立原则, 结合野外实地调查并对研究区地质灾害影响因素进行分析, 本次评价选取灾害现状、地质环境条件、诱发因素和危害程度共4类一级指标, 9类二级指标[21-24]建立地质灾害危险性评价指标体系(表 1).
|
表 1 地质灾害危险性评价指标体系 Table 1 Index system of geohazard risk assessment |
依据上述指标体系特点, 结合研究区实际情况, 选取规则栅格单元作为评价单元, 对9类二级指标进行量化提取, 并取1 km × 1 km为最小评价分析单元格, 将研究区剖分为1798个评价单元网格, 得到各指标因子的量化网格图(图 3~11).
|
图 3 研究区灾害点密度分级网格图 Fig.3 Hierarchical grid map of geohazard sites in the study area |
|
图 4 研究区地形坡度分级网格图 Fig.4 Hierarchical grid map of terrain gradient of the study area |
|
图 5 研究区岩土体类型分级网格图 Fig.5 Hierarchical grid map of rock-soil mass types in the study area 1-坚硬-较坚硬块状岩组(hard massive rock formation)；2-较坚硬-软质岩组(soft to hard rock formation)；3-软硬相间岩组(hard-soft interbedded rock formation)；4-软质岩组(soft rock formation) |
|
图 6 研究区地质构造距离分级网格图 Fig.6 Hierarchical grid map of geological structure distance in the study area |
|
图 7 研究区植被覆盖率分级网格图 Fig.7 Hierarchical grid map of vegetation coverage in the study area |
|
图 8 研究区年降雨量分级网格图 Fig.8 Hierarchical grid map of annual rainfall in the study area |
|
图 9 研究区工程活动分级网格图 Fig.9 Hierarchical grid map of engineering activities in the study area 1-较轻(light)；2-一般(ordinary)；3-中等(medium)；4-强烈(intense) |
|
图 10 研究区受威胁人数分级网格图 Fig.10 Hierarchical grid map of threatened population in the study area |
|
图 11 研究区潜在经济损失分级网格图 Fig.11 Hierarchical grid map of potential economic losses in the study area 1-无威胁(no threat)；2-0 ~ 100万元/km2(RMB0-1 million/km2)；3-100 ~ 500万元/km2 (RMB1-5 million/km2)；4-大于500万元/km2 (more than RMB 5 million/km2) |
根据层次分析法为每个评价指标赋权重值, 参考专家意见及野外实地验证, 对各因子之间的相互重要性进行打分, 构建各因子判断矩阵(见表 2).
|
|
表 2 危险性评价指标体系重要度比较矩阵 Table 2 Importance comparison matrix of risk assessment index system |
采用方根法求出上述判断矩阵的最大特征根λmax=9.52, 对其对应的特征向量归一化, 得到评价指标的权重(表 3).
|
|
表 3 评价指标权重 Table 3 Weights of evaluation indexes |
根据一致性检验可得：CI=0.06, RI=1.45, CR=CI/RI=0.0449＜0.1, 符合一致性.
通过使用GIS技术的分析功能将地质灾害在各个空间的分布与评价因素进行叠加运算, 得到相关结果.
同时, 将所得评价因素相关取值及所得值带入信息量法公式, 即可得到不同评价因素各个层级对不同地质灾害所产生的或所能够提供的信息量.根据各信息量与权重联合, 即得到各因素在本次评价中的信息权值, 具体结果见表 4.
|
|
表 4 各评价因子信息权值统计表 Table 4 Statistical table of information weight of each evaluation factor |
利用GIS栅格计算功能对各评价因子进行栅格叠加运算, 得到各评价单元信息权值结果, 经人工修饰、整合并对不合理的区域进行调整后得研究区地质灾害危险性评价区划图(图 12), 评价结果基本符合实际情况.根据计算可知地质灾害危险性评价信息权值区间为[-1.1668, 0.4673], 利用重分类工具, 将信息权值结果分为极低危险区、低危险区、中危险区、高危险区4个等级.其中高危险区[0.2311, 0.4673]面积86.57 km2, 占总面积的5.53%；中等危险区[-0.0012, 0.2311)面积414.08 km2, 占总面积的26.44%；低危险区[-0.5102, -0.0012)面积984.44 km2, 占总面积的62.86%；极低危险区[-1.1668, -0.5102)面积81.11 km2, 占研究区总面积的5.18%.
|
图 12 研究区地质灾害危险性评价区划图 Fig.12 Geohazard risk assessment zoning map of the study area 1-危险性极低区(very low risk area)；2-危险性低区(low risk area)；3-危险性中等区(medium risk area)；4-危险性高区(high risk area) |
本研究通过层次分析法和信息量模型的融合, 解决各因子指标的排序赋值和权重问题, 充分考虑各因子对地质灾害发生贡献的差异, 并对研究区开展地质灾害危险性区划分析, 评价结果基本符合实际情况, 为以后开展区域地质灾害防治工作提供了较为可靠的理论资料.但是由于技术手段的不足和数据的可获得性等原因, 在对指标选择和量化的过程中, 依然带有一定的主观性.在以后的研究工作中, 需全面考虑对地质灾害的影响因素, 尽可能减少指标确定过程的主观随意性, 建立完善的地质灾害危险性评价体系.
| [1] |
李媛.区域降雨型滑坡预报预警方法研究[D].北京: 中国地质大学(北京), 2005.
|
| [2] |
石菊松, 石玲, 吴树仁. 滑坡风险评估的难点和进展[J]. 地质评论, 2007, 53(6): 797-806. |
| [3] |
宁娜, 马金珠, 张鹏, 等. 基于GIS和信息量法的甘肃南部白龙江流域泥石流灾害危险性评价[J]. 资源科学, 2013, 35(4): 892-899. |
| [4] |
王佳佳, 殷坤龙, 肖莉丽. 基于GIS和信息量的滑坡灾害易发性评价——以三峡库区万州区为例[J]. 岩石力学与工程学报, 2014, 33(4): 797-808. |
| [5] |
王志旺, 李端有, 王湘桂. 证据权法在滑坡危险度区划研究中的应用[J]. 岩土工程学报, 2007, 29(8): 1268-1273. |
| [6] |
陶舒, 胡德勇, 赵文吉, 等. 基于信息量与逻辑回归模型的次生滑坡灾害敏感性评价——以汶川县北部为例[J]. 地理研究, 2010, 29(9): 1594-1605. |
| [7] |
方苗, 张金龙, 徐瑱. 基于GIS和Logistic回归模型的兰州市滑坡灾害敏感性区划研究[J]. 遥感技术与应用, 2011, 26(6): 845-854. |
| [8] |
刘艺梁, 殷坤龙, 刘斌. 逻辑回归和人工神经网络模型在滑坡灾害空间预测中的应用[J]. 水文地质工程地质, 2010, 37(5): 92-96. |
| [9] |
许冲, 戴福初, 姚鑫, 等. 基于GIS与确定性系数分析方法的汶川地震滑坡易发性评价[J]. 工程地质学报, 2010, 18(1): 15-26. |
| [10] |
司康平, 田原, 汪大明, 等. 滑坡灾害危险性评价的3种统计方法比较——以深圳市为例[J]. 北京大学学报(自然科学版), 2009, 45(4): 639-646. |
| [11] |
刘汉湖. RS与GIS支持下的汶川县城周边地质灾害危险性评价[J]. 中国地质, 2012, 39(1): 243-251. |
| [12] |
朱进守, 邓辉, 苑泉, 等. 藏东高山峡谷地带地质灾害危险性评价——以西藏贡觉县为例[J]. 地质与资源, 2018, 27(3): 272-278. |
| [13] |
李明波, 陈平, 陈植华, 等. 湖南雪峰山地区降雨型滑坡灾害敏感性区划[J]. 地质与资源, 2019, 28(1): 78-84. |
| [14] |
侯兴利, 陈建勋, 张恋. 基于ArcGIS的滑坡空间分布的变维分形研究——以江西省宁都县为例[J]. 地质与资源, 2019, 28(3): 293-297. |
| [15] |
李彩侠, 马煜. 四川都江堰龙溪河流域泥石流成因、特征和危险性评价[J]. 地质与资源, 2019, 28(3): 298-304. |
| [16] |
王雪冬, 叶果, 李世宇, 等. 基于熵值法和突变级数法的泥石流易损度评价[J]. 地质与资源, 2019, 28(5): 493-496, 422. |
| [17] |
殷坤龙. 滑坡灾害预测预报[M]. 武汉: 中国地质大学出版, 2004: 19-22.
|
| [18] |
杜国梁, 张永双, 吕文明, 等. 基于加权信息量模型的藏东南地区滑坡易发性评价[J]. 灾害学, 2016, 31(2): 226-234. |
| [19] |
周建伟, 毛郁. 加权信息量模型在矿山地质环境影响评价中的应用——以四川省为例[J]. 中国地质灾害与防治学报, 2016, 27(1): 117-122. |
| [20] |
杜常见, 易庆林, 周宝, 等. 基于GIS和加权信息量的三峡库区云阳县滑坡灾害易发性评价[J]. 三峡大学学报(自然科学版), 2017, 39(2): 48-53. |
| [21] |
李明波, 陈平, 陈植华. 湖南省降雨型滑坡灾害发生的关键性因子研究[J]. 东华理工大学学报(自然科学版), 2018, 41(1): 36-40. |
| [22] |
李铁锋, 温铭生, 丛威青, 等. 降雨型滑坡危险性区划方法[J]. 地学前缘, 2007, 14(6): 107-111. |
| [23] |
罗真富.泥石流流域滑坡地质灾害遥感信息提取及危险性评价——以安县段和松潘段研究区为例[D].成都: 成都理工大学, 2010.
|
| [24] |
毛正君, 倪万魁, 杨晓华, 等. 宁夏回族自治区彭阳县地质灾害危险性评价[J]. 水土保持通报, 2011, 31(3): 245-250. |