王喜娜，黃華兵，班 亞，李 杰

(1.武漢大學(xué)測繪學(xué)院，湖北武漢430079;2.中山大學(xué)地理科學(xué)與規(guī)劃學(xué)院，廣東 廣州510275)

一、引 言

滑坡是指構(gòu)成斜坡的巖土體在重力作用下失穩(wěn)，沿著坡體內(nèi)部軟弱結(jié)構(gòu)面(帶)發(fā)生剪切而產(chǎn)生的整體性運動現(xiàn)象，俗稱垮山、地滑，是較為嚴(yán)重的一種山地災(zāi)害。滑坡災(zāi)害是我國山區(qū)最重要的自然災(zāi)害之一，往往給人類社會和自然環(huán)境帶來巨大的傷害和損失。因此加強滑坡災(zāi)害危險性評估研究，以及進(jìn)行滑坡災(zāi)害的危險性區(qū)劃制圖對于提高應(yīng)對滑坡災(zāi)害的防災(zāi)減災(zāi)能力具有重要的基礎(chǔ)意義［1］。

攀枝花地處四川省西南部，川滇交界處，界內(nèi)山區(qū)面積占總面積的88.38%，地貌類型復(fù)雜多樣，且是全國有名的礦區(qū)，因此加強地質(zhì)災(zāi)害防范，做好地質(zhì)災(zāi)害普查和危險性區(qū)劃制圖是地區(qū)國土部門的重要基礎(chǔ)工作。

基于地理信息系統(tǒng)的滑坡危險性區(qū)劃制圖是識別和管理潛在滑坡風(fēng)險的有效工具。地理信息系統(tǒng)具有強大的地理信息存儲、處理、分析和展示功能。近20年，地理學(xué)家和工程技術(shù)人員運用GIS識別滑坡，繪制滑坡災(zāi)害區(qū)劃圖，他們采用了多種方法，如綜合參數(shù)法(專家打分法、層次分析法)［1-3］、信息量法［4-5］、模糊綜合評判法［6］、神經(jīng)網(wǎng)絡(luò)法［7］、Logistical回歸模型［8］等方法。

筆者基于GIS技術(shù)和邏輯回歸方法，以四川省攀枝花市為研究區(qū)域，選取高程、坡度、坡向、土地利用類型、地層巖性、道路交通、河流水系7個影響因子作為評價指標(biāo)，建立邏輯回歸模型進(jìn)行預(yù)測，編制了滑坡危險性區(qū)劃分布圖，圈定了滑坡災(zāi)害多發(fā)、易發(fā)區(qū)域。模型結(jié)果的預(yù)測情況顯示與實際滑坡災(zāi)害點在空間上的分布十分吻合。

二、研究區(qū)域概況

四川省攀枝花市位于 26°05'N—27°21'N，101°08'E—102°15'E，包括東區(qū)、西區(qū)、仁和區(qū)、米易縣、鹽邊縣5個區(qū)縣，研究區(qū)總面積7 440 km2，最高海拔4 195.5 m，最低海拔937 m。攀枝花市地處攀西裂谷中南段，屬浸蝕、剝蝕中山丘陵、山原峽谷地貌，山高谷深，盆地交錯分布，地貌類型復(fù)雜多樣。該區(qū)域地質(zhì)災(zāi)害頻發(fā)，截至2010年，研究區(qū)內(nèi)共發(fā)現(xiàn)滑坡災(zāi)害點及滑坡災(zāi)害隱患點184處，具體分布如圖1所示。

攀枝花市的滑坡數(shù)量多，分布廣，規(guī)模大，而且發(fā)生的頻率和成災(zāi)的概率都大，給該區(qū)的工農(nóng)業(yè)生產(chǎn)﹑交通運輸和人民生命財產(chǎn)造成了很大的危害。因此，加強地質(zhì)災(zāi)害防范是當(dāng)?shù)匕踩芾砉ぷ鞯闹刂兄亍?/p>

圖1 滑坡災(zāi)害分布圖

三、研究方法

1.影響因子的選擇

滑坡災(zāi)害的發(fā)育形成受內(nèi)外力綜合影響，本文根據(jù)攀枝花地區(qū)的地質(zhì)、地形調(diào)查資料，綜合考慮滑坡內(nèi)外動力影響因素進(jìn)行滑坡影響因子的選擇。內(nèi)動力因素包括地質(zhì)因素、地形因素的和水文因素，其中地質(zhì)因素用巖性來衡量，地形因素用坡度、坡向與高程來表達(dá)，水文因素用距水流距離來衡量。外動力因素包括人工開挖、修坡建房等人類工程活動，可利用距公路距離和土地利用類型來表達(dá)人類活動對滑坡的影響。綜合上述考慮，選取地層巖性、坡度、坡向、高程、距水流距離、距公路距離和土地利用類型共7個滑坡影響因子進(jìn)行滑坡危險性評價。

2.數(shù)據(jù)來源

研究數(shù)據(jù)來源于中國山地災(zāi)害與環(huán)境數(shù)據(jù)庫，由中國科學(xué)院水利部成都山地災(zāi)害與環(huán)境研究所提供。原始數(shù)據(jù)包括攀枝花市1∶25萬行政界線數(shù)據(jù)、攀枝花市1∶25萬柵格地形圖數(shù)據(jù)(DEM)、攀枝花市1∶50萬地質(zhì)類型數(shù)據(jù)、攀枝花市1∶10萬土地利用數(shù)據(jù)(2010年)、攀枝花市1∶10萬河流水系湖泊分布數(shù)據(jù)、攀枝花市遙感影像數(shù)據(jù)、攀枝花市道路交通數(shù)據(jù)、攀枝花市歷史滑坡災(zāi)害及災(zāi)害隱患點分布數(shù)據(jù)等。

3.數(shù)據(jù)預(yù)處理

首先將數(shù)據(jù)轉(zhuǎn)換到統(tǒng)一的地理坐標(biāo)系和投影坐標(biāo)系下;然后將土地利用類型和地質(zhì)巖性分布兩個矢量圖層?xùn)鸥窕傻臇鸥駡D像的分辨率與數(shù)字高程模型(DEM)的分辨率一致，即85 m×85 m;由河流線圖層和道路線圖層生成距離柵格圖，由DEM生成坡度柵格圖和坡向柵格圖;最后將所有柵格圖疊加，將發(fā)生滑坡的184個樣本點和未發(fā)生滑坡的148個樣本點共332個點作為采樣點，提取7個影響因子的屬性數(shù)據(jù)，編制 Logistic回歸數(shù)據(jù)表。圖2—圖8為各影響因子專題圖。

圖2 坡向?qū)ｎ}圖

圖3 土地利用專題圖

圖4 地層巖性專題圖

圖5 坡度專題圖

圖6 水系專題圖

圖7 道路交通專題圖

圖8 數(shù)字高程模型

4.危險性評價模型

(1)理論依據(jù)

滑坡危險性評價的理論依據(jù)是工程地質(zhì)類比法，即類似的工程地質(zhì)環(huán)境及其組合可能發(fā)生類似的滑坡作用?；聻?zāi)害危險性評價模型經(jīng)歷了從定性模型、半定量模型到定量模型的發(fā)展。定性模型是基于專家的野外現(xiàn)場經(jīng)驗判斷，直接從現(xiàn)場調(diào)查得出的易發(fā)性和危險性結(jié)果;半定量模型雖然使用數(shù)值方法對地質(zhì)目標(biāo)的空間位置和屬性開展數(shù)值計算，并得到了量值，但評價因素權(quán)重確定仍依賴于專家經(jīng)驗;定量模型是根據(jù)過去區(qū)域滑坡災(zāi)害的分布情況，在數(shù)理統(tǒng)計理論的指導(dǎo)下，建立影響因素和地質(zhì)災(zāi)害之間的數(shù)學(xué)模型，在模型得到驗證后，將其應(yīng)用到地質(zhì)環(huán)境相同或類似的區(qū)域，以評價地質(zhì)災(zāi)害的發(fā)生情況。定量模型包括二元與多元回歸模型、人工神經(jīng)網(wǎng)絡(luò)模型、分形理論模型、支持向量機等。邏輯回歸分析方法沒有關(guān)于分布類型、協(xié)方差陣等方面的嚴(yán)格假設(shè)，不要求數(shù)據(jù)的正態(tài)分布，其參數(shù)估計比多元判別分析更加穩(wěn)健，因此邏輯回歸方法在滑坡危險性評價中有著更為廣泛的應(yīng)用。本文即選用邏輯回歸模型建立預(yù)測模型。

(2)邏輯回歸模型

邏輯回歸模型用于研究某一隨機事件發(fā)生的概率與某些因素之間的關(guān)系，如滑坡發(fā)生的概率與地層巖性、高程、河流水系分布等的關(guān)系。在邏輯回歸分析中，因變量Y是一個二分類變量，其取值Y=1和Y=0分別表示滑坡的發(fā)生和不發(fā)生。假定有p-1個因素 X1，X2，…，Xp-1影響 Y 的取值，π =P{ Y =1}為研究對象，以π(x)表示滑坡發(fā)生的概率，建立 π 與 X1，X2，…，Xp-1的 Logistic 模型

式中，f(X1，X2，…，XP-1)取為 X1，X2，…，Xp-1的線性函數(shù)，即

此時

即最終的邏輯回歸模型為

式中，β0代表回歸常數(shù);βk代表第k個影響因素的回歸系數(shù)(k=1，2，…，p-1)。

在高程、坡度、坡向、土地利用類型、地層巖性、距河流距離、距公路距離7個影響因子中，DEM、坡度圖、距河流距離圖和距道路距離圖的柵格值都屬于連續(xù)變量，在預(yù)測時需要對連續(xù)變量進(jìn)行合理的狀態(tài)劃分，這樣對優(yōu)化預(yù)測模型，提高預(yù)測效果有一定的作用。劃分區(qū)間的原則是區(qū)間之間的數(shù)據(jù)要有盡可能大的差異性，但區(qū)間數(shù)不宜太多。根據(jù)快速聚類方法劃分的影響因子分類分級，見表1。

本文選取了184個滑坡災(zāi)害點(含隱患點)和148個未發(fā)生滑坡的地點作為樣本，共計332個樣本點，使用ArcGIS中Spatial Analyst工具箱Extraction工具中的Sample功能，提取樣本點上的各個影響因素屬性，作為試驗數(shù)據(jù)，帶入SPSS中進(jìn)行二元邏輯回歸計算。

表1 影響因子分類分級表

5.計算結(jié)果及分析

由SPSS的邏輯回歸過程，首先得到似然比統(tǒng)計量K2的觀測值K2=68.753，自由度為7，檢驗的p值為p=p{χ2(7)＞68.753}≤0.000 1。由此可見，x1，x2，…，x7對概率 P{ Y =1}的綜合影響是高度顯著的，建立的邏輯回歸模型是有意義的，即投入的自變量中，至少有一個自變量能有效預(yù)測因變量反映的事件發(fā)生的概率。各個影響因素的參數(shù)估計結(jié)果見表2。

表2 參數(shù)估計值及統(tǒng)計檢驗

由于 β2、β3、β4、β5、β6的 Wald 檢驗的 p 值較大，因此 β2、β3、β4、β5、β6對 P Y=1{ }的影響不顯著，為了建立一個更緊湊有效的Logistic回歸方程，最終只保留x1、x7兩個自變量，得到如下的Logistic回歸方程

式中，x1代表高程因素;x7代表坡向因素。方程表明，攀枝花地區(qū)滑坡的發(fā)生受高程因素和坡向因素影響較大，這兩個因素對滑坡發(fā)生有較好的解釋效果。

由式(5)計算各個柵格單元的邏輯回歸預(yù)測值，并根據(jù)概率大小將回歸預(yù)測值劃分為5個等級，見表3。

表3 危險性等級劃分

編制的攀枝花市滑坡災(zāi)害危險性區(qū)劃圖如圖9所示，歷史滑坡點的頻數(shù)分布如圖10所示。由圖9可以看出，攀枝花境內(nèi)低、中、高和極高危險性分級區(qū)域面積占總面積的比例分別為15.2%、23.03%、33.36%和20.98%，說明攀枝花市約1/3地區(qū)屬于中、低等地質(zhì)災(zāi)害危險區(qū)，1/2以上地區(qū)屬于地質(zhì)災(zāi)害高和極高危險區(qū)。

圖9 攀枝花地區(qū)滑坡危險性區(qū)劃圖

圖10 歷史滑坡點的頻數(shù)分布

根據(jù)圖9和圖10的區(qū)劃結(jié)果統(tǒng)計，危險性級別越高的區(qū)域，滑坡面積占分級區(qū)域面積的比例就越高，即滑坡災(zāi)害密度越大。高危險區(qū)和極高危險區(qū)集中了大量的滑坡災(zāi)害，而低危險區(qū)和中等危險區(qū)的滑坡分布相對稀疏。這說明本文劃分的危險性級別區(qū)域符合歷史滑坡分布現(xiàn)狀，編制的攀枝花市滑坡危險性區(qū)劃圖合理、有效。

四、結(jié)束語

本文基于GIS技術(shù)，利用攀枝花市基礎(chǔ)地理數(shù)據(jù)構(gòu)建了滑坡災(zāi)害危險性評價指標(biāo)體系和評價模型，定量、客觀地完成了攀枝花市滑坡災(zāi)害危險性評估和區(qū)劃，能夠較好地反映滑坡災(zāi)害危險性的空間分布特征。

本研究得出的危險性沒有時間因素，如果在此評價基礎(chǔ)上疊加對滑坡危險性產(chǎn)生影響的時間因素，如地震因素或降雨因素，并以概率的形式與本文得到的危險性相乘，則可得到更為完整的滑坡危險性評價結(jié)果，也將會進(jìn)一步提高評價精度。

［1］趙寶云，胡艷香，趙忠營，等.降雨誘發(fā)公路滑坡災(zāi)害危險性評價動態(tài)權(quán)重系統(tǒng)［J］.地球與環(huán)境，2011，39(3):376-381.

［2］肖擁軍，高華喜.庫區(qū)移民新城滑坡災(zāi)害危險性區(qū)劃研究［J］.地球與環(huán)境，2011，39(3):388-392.

［3］童祥.基于ANP的鐵路隧道塌方風(fēng)險評價研究［J］.隧道地下工程，2011(7):74-77.

［4］孟令超，盧曉倉，史晨曉，等.基于信息量模型的達(dá)曲庫區(qū)滑坡危險性分析［J］.災(zāi)害學(xué)，2009，24(4):31-34.

［5］朱良峰，吳信才，殷坤龍，等.基于信息量模型的中國滑坡災(zāi)害風(fēng)險區(qū)劃研究［J］.地球科學(xué)與環(huán)境學(xué)報，2004.26(3):52-56.

［6］黃俊寶.基于GIS的地質(zhì)災(zāi)害危險性模糊數(shù)學(xué)評判［J］.福建地質(zhì)，2009，28(4):346-351.

［7］劉藝梁，殷坤龍，劉斌.邏輯回歸和人工神經(jīng)網(wǎng)絡(luò)模型在滑坡災(zāi)害空間預(yù)測中的應(yīng)用［J］.水文地質(zhì)工程地質(zhì)，2010，37(5):92-96.

［8］王衛(wèi)東，陳燕平，鐘晟.應(yīng)用CF和Logistic回歸模型編制滑坡危險性區(qū)劃圖［J］.中南大學(xué)學(xué)報:自然科學(xué)版，2009，40(4):1127-1132.

［9］石菊松，張永雙，董誠，等.基于GIS技術(shù)的巴東新城區(qū)滑坡災(zāi)害危險性區(qū)劃［J］.地球?qū)W報，2005，26(3):275-282.

［10］殷坤龍，張桂榮，陳麗霞，等.滑坡災(zāi)害風(fēng)險分析［M］.北京:科學(xué)出版社，2010:30，86-88.

［11］牛全福.基于GIS的地質(zhì)災(zāi)害風(fēng)險評估方法研究［D］.蘭州:蘭州大學(xué)，2011.

［12］刑秋菊，趙純勇，高克昌，等.基于GIS的滑坡危險性邏輯回歸評價研究［J］.地理與地理信息科學(xué)，2004，20(3):49-51.

［13］夏瑞庚，朱元友，李新平.基于神經(jīng)網(wǎng)絡(luò)的巖質(zhì)邊坡穩(wěn)定性評估系統(tǒng)研究［J］.自然災(zāi)害學(xué)報，1996(1):98-104.

［14］范金城，梅長林.數(shù)據(jù)分析［M］.北京:科學(xué)出版社，2002.

［15］劉斌，殷坤龍，劉藝梁.基于柵格數(shù)據(jù)的巴東新城區(qū)滑坡空間預(yù)測［J］.地質(zhì)科技情報，2010，29(3):133-138.