羅亮 宋國虎 唐良琴 向靈芝 李小龍 梁夢輝
摘要:基于遙感解譯和實地調查,白龍江流域武都區(qū)段共發(fā)育329條泥石流溝。根據地形地貌、物質條件、外部激發(fā)因素三大孕災條件,選取高程、坡度、巖性等9個孕災因子,基于ArcGIS平臺,分析研究區(qū)內泥石流分布規(guī)律,采用信息量法進行泥石流危險性評價。分析結果表明:① 地形地貌上,研究區(qū)泥石流主要分布在1 800~3 000 m和NDVI值為0.2~0.4的范圍內,其優(yōu)勢坡度分布區(qū)間為15°~35°。② 物質條件上,泥石流大量分布在地震動峰值加速度為0.2g的范圍內,且在以千枚巖、板巖為主的軟弱-堅硬中厚層-厚層板巖、碎屑巖組區(qū)內,與距斷層距離呈負相關分布。③ 外部激發(fā)因素主要分布在1 h最大降雨量為36~40 mm區(qū)域內,與距河流、道路距離呈負相關分布。④ 運用信息量法對泥石流做危險性評價,得到泥石流危險性分區(qū)圖,在中度、高度、極高度危險范圍內的泥石流面積分別占總泥石流面積的21.77%,32.94%,31.49%,且較高等級危險區(qū)主要分布在白龍江的北岸。應用ROC曲線驗證評價結果,AUC=0.737,表明評價結果有較高的準確度和可靠性。
關 鍵 詞:泥石流; 分布規(guī)律; 信息量法; 危險性評價; 白龍江流域
中圖法分類號: P642.23
文獻標志碼: A
DOI:10.16232/j.cnki.1001-4179.2022.05.022
0 引 言
白龍江流域武都區(qū)段(武都區(qū)桔柑鎮(zhèn)-宕昌縣兩河口鄉(xiāng))位于甘肅省東南部,隨著青藏高原東北緣區(qū)域山地的持續(xù)抬升,流域內地形切割強烈、山勢陡峻、相對高差大,溝谷發(fā)育、溝坡坡度大,再加上近年來日益加劇的極端降雨天氣,地質災害頻繁發(fā)生[1]。預計未來在構造活動、氣候變化及人類活動加劇背景下,地質災害有日益增加的趨勢[2]。因此,對研究區(qū)內開展泥石流的發(fā)育、分布規(guī)律以及危險性評價等研究有利于國民生產及當地人民的生命財產安全。
隨著大數據及智能化技術的發(fā)展,GIS(地理信息系統(tǒng))在地質災害的分析方面也得到了越來越廣泛的應用[3]。白龍江流域作為中國地質災害的高發(fā)區(qū),前期研究成果非常豐富。如杜國梁等分析了白龍江流域甘肅段滑坡發(fā)育與高程、巖性等8個孕災因子之間的關系,建立了白龍江流域滑坡易發(fā)性評價指標體系,并采用基于GIS的層次分析法評價模型,完成了的滑坡易發(fā)性評價[4];寧娜等選取了高程、坡度、巖性、土地利用類型、滑坡點密度、地質構造緩沖區(qū)及歸一化植被指數(NDVI)7 個評價因子,在基于信息量模型分析法下分析得到甘肅南部白龍江流域泥石流災害危險性分區(qū)[5];任非凡等利用已有的野外資料,深入分析了G212線隴南段的工程地質環(huán)境,并在充分認識該區(qū)域泥石流發(fā)生機制的基礎上,通過對典型泥石流的探究,綜合分析了研究區(qū)泥石流分布的空間特征與時間特征[6]。在野外調查及遙感解譯的基礎上,本文選取影響泥石流發(fā)育的9個主要控制因素(高程、坡度、巖性、NDVI值、1 h最大降雨量、地震峰值加速度、距河流、道路、斷層的距離),利用ArcGIS定量統(tǒng)計分析研究區(qū)內泥石流分布的規(guī)律,并采用信息量法對研究區(qū)域進行危險性評價。相關分析結果可為區(qū)域泥石流風險評估作依據,并為防災減災作參考。
1 研究區(qū)概況
研究區(qū)位于甘肅省東南部,介于東經 104°21′48″~105°17′24″,北緯33°08′51″~33°45′32″之間,區(qū)內最低海拔742 m,最高海拔有3 737 m,最大高差將近3 000 m。研究區(qū)內白龍江兩岸海拔分布在700~1 200 m左右,兩岸都為2 000~3 000 m的高山。地處青藏高原東緣的南北構造帶北段,該區(qū)構造運動強烈,地表破碎、巖性復雜,是我國地形上第1階梯和第2階梯的過渡地帶,地勢由西北向東南逐漸降低[7],總的地形特點是溝谷發(fā)育、切割強烈、地表起伏大、山勢陡峭、坡度大[8],極易形成泥石流等地質災害。
本次分析基于ASTER DEM 30 m高程數據、Google Earth衛(wèi)星圖像,結合實地勘察,利用ArcGIS的流域提取功能,解譯白龍江流域武都區(qū)段的泥石流溝共329條,泥石流溝分布如圖1所示。
泥石流是白龍江流域的主要地質災害類型之一,分布廣泛,數量多,易發(fā)性強,危害巨大[2]。并且研究區(qū)內含有大量的滑坡群,給泥石流提供了大量的物源,滑坡危害發(fā)生后,物源堆積到泥石流溝道內,這些滑坡松散物源也使該區(qū)段內泥石流頻發(fā)。根據實地調查,研究區(qū)內泥石流以黏性泥石流為主。受溝谷側蝕作用的影響,白龍江北岸泥石流溝較南岸發(fā)育,常堵江為患的溝谷主要有甘家溝、三眼峪溝、石門溝和深溝等[9]。研究區(qū)段的泥石流主要發(fā)生在6~9月,這也是區(qū)內每年降雨最多的月份,泥石流均為暴雨引發(fā),具有突發(fā)性的特點。
2 泥石流分布規(guī)律
研究區(qū)內泥石流的發(fā)育跟諸多因子有關聯,根據地形地貌、物質條件、外部激發(fā)因素三大孕災條件選取了高程、坡度、巖性、NDVI值、1 h最大降雨量、地震峰值加速度以及距離河流、道路、斷層的距離來分析泥石流分布規(guī)律。利用ArcGIS對不同因子圖層和泥石流溝分布圖層進行疊加分析,結果如圖2所示。
2.1 高 程
高程對泥石流的分布有著一定影響,不同高程范圍松散物的臨空條件差異以及不同高程范圍內的人類活動強度差異等,都會影響泥石流的發(fā)生[5]。本文基于30 m分辨率的ASTER DEM數據,對高程劃分為5個等級,分別為742~1 200,1 200~1 800,1 800~2 400,2 400~3 000,3 000~3 737 m,空間分布如圖2(a)所示。從圖2(a)中可以看出:在742~1 200 m和3 000 m以上的高程范圍內泥石流溝面積最少,總共占比5.51%。而在1 800~2 400 m的高程范圍內泥石流溝面積的占比最大,達41.43%,該區(qū)域是研究區(qū)段人口較密集的區(qū)域,農業(yè)種植物較多,泥石流受人為影響較大,故泥石流分布較多。其次是2 400~3 000 m和1 200~1 800 m段,分別占28.72%和24.91%。綜上,研究區(qū)泥石流主要分布在1 800~3 000 m的高程區(qū)域內,共占泥石流總面積的70.15%。
2.2 坡 度
坡度是指泥石流溝兩岸邊坡的平均坡度,是判斷地質災害的的重要指標之一。一般來說坡度小是不利于泥石流發(fā)生的,坡度越大,則堆積體向下滑動時勢能就越大,會導致邊坡失穩(wěn),從而致使泥石流發(fā)生的概率變大[5],但實際上并不是坡度越大泥石流發(fā)生的概率就越大,泥石流的發(fā)生是在一定坡度范圍內的,坡度太小物源不具備發(fā)動勢能,坡度太大不利于物源堆積停留。白龍江流域內物源多分布于坡度在 15°~45°的斜坡上[10]。將坡度因子分為0~15°,15°~35°,35°~60°以及大于60°四個等級。同樣,用30 m精度的DEM數據提取坡度因子,疊加泥石流溝進行分析,得到結果如圖2(b)所示。從圖2(b)
可以看出:在15°~35°這個等級下的泥石流溝面積占比最高,達到44.05%,而大于60°區(qū)域內泥石流溝的面積占比很少,分布只有4.47%。說明在武都區(qū)段,泥石流在坡度15°~35°的區(qū)域分布較廣,在此坡度內最利于物源堆積停留。而在0°~15°的區(qū)域內由于坡度較緩,不利于泥石流的形成,所以分布較少。據實地調查,大于60°的區(qū)域內植被分布較好,且不利于松散物質堆積,少有泥石流分布。
2.3 巖 性
地層巖性對泥石流的發(fā)育至關重要,巖石的物理性質和力學特性差異對泥石流的發(fā)育有不同的影響。風化侵蝕嚴重的碎屑巖和一些松散堆積層可以給泥石流的發(fā)育提供充足的物源,促進泥石流的發(fā)育。依據研究區(qū)1∶250 000地質圖,不同的地層巖性可按巖石的組成及其性質大致分為6個巖組(見表1)。
利用ArcGIS將地質圖與泥石流溝進行疊加,得到不同巖性下的泥石流溝面積如圖2(c)所示。由圖2(c)可以看出:軟弱-堅硬中厚層-厚層板巖、碎屑巖組內,泥石流溝面積占總泥石流面積比例最大,達66.3%;面積占比最小的為堅硬塊狀巖漿巖組,只有0.7%。由此可看出,研究區(qū)段內泥石流主要分部在以千枚巖、板巖為主的軟弱-堅硬中厚層-厚層板巖、碎屑巖組中,是該地區(qū)泥石流物源的主要來源。
2.4 植 被
植被的疏密程度影響著水土的好壞,植被密度高的區(qū)域能夠封水固土,不易發(fā)生泥石流,而植被稀少的區(qū)域土質疏松,在水的作用下很容易成為泥石流的物源。此次分析采用歸一化植被指數(NDVI),數據來源國家地球系統(tǒng)科學數據中心,精度為1 km。NDVI指的是植物生長狀態(tài)以及植被空間分布密度的最佳指標因子,與植被分布密度呈線性相關[11]。NDVI值越高,代表植被覆蓋率越高,反之亦然。對研究區(qū)內歸一化植被指數分5級:NDVI<0.2,0.2≤NDVI<0.3,0.3≤NDVI<0.4,0.4≤NDVI<0.5,NDVI≥0.5。
利用ArcGIS對NDVI重分類后與研究區(qū)內泥石流溝進行疊加,得到不同NDVI值下的泥石流面積占總泥石流面積的比例如圖2(d)所示。由圖2(d)可以看出:研究區(qū)內在植被覆蓋度0.2~0.4的范圍內泥石流面積占比最大,達到70%,而在大于0.5的范圍內災害的占比最小。NDVI小于0.2的泥石流面積占比極小,根據實地調查,其原因是該區(qū)域多為建筑用房和河流區(qū)域。
2.5 降 雨
降雨是研究區(qū)內滑坡災害的重要誘發(fā)因素。但在通常情況下,極端降雨事件才是泥石流的觸發(fā)因素[12]。本文選用1h最大降雨量來進行分析。
利用ArcGIS將白龍江流域武都區(qū)段的1 h最大降雨量等值線圖在研究區(qū)內的降雨分布與泥石流溝進行疊加分析,并將降雨分為小于36,36~38,38~40 mm和大于40 mm 4個等級,最終得到結果如圖2(e)所示。從泥石流災害的發(fā)生時間的分布來看,1 h最大降雨量在36~38 mm和降雨量38~40 mm區(qū)泥石流災害面積所占總泥石流面積最大,達到56.08%。
2.6 地震動峰值加速度
根據《地震動參數區(qū)劃圖》,利用ArcGIS,對研究區(qū)內的地震動峰值加速度區(qū)劃與泥石流溝進行疊加分析。分析表明,地震動峰值加速度為0.2g區(qū)域內的泥石流面積占比最大,為86%,遠高于地震動峰值加速度為0.3g的區(qū)域。表明研究區(qū)內的泥石流溝主要分布在地震動峰值加速度為0.2g的區(qū)域內。一般情況,通常是地震動加速度值越大,地表巖土體所受到的擾動越大,巖體更破碎,在相同的降雨等其他外力激發(fā)因素下,更容易進入溝道并啟動成為泥石流物源。而本研究區(qū)由于地震動峰值加速度0.2g的面積占比遠高于0.3g,因此在泥石流的分布上以0.2g占優(yōu)。經實地考察發(fā)現其原因是0.2g范圍內的巖性較差,多為風化侵蝕嚴重、結構破碎的千枚巖、板巖等,這也說明了不同巖性對泥石流發(fā)育的重要性。
2.7 河 流
河流的沖刷會導致風化嚴重的表層土壤和一些松散堆積層進入河道中,另外長時間的搬運作用會使河道淤高,在暴雨季節(jié)里就容易形成泥石流。研究區(qū)段除白龍江主河外還有北峪河、拱壩河、溝壩河等幾個白龍江的重要支流。從泥石流溝的分布來看,研究區(qū)段內的地質災害集中分布在這些河流的兩岸。利用ArcGIS對研究區(qū)域進行流域提取,對提取出來的水系建立緩沖區(qū)并疊加研究區(qū)段的泥石流溝,來分析每條泥石流溝與最近河流的距離遠近關系。將距離分為小于500,500~1 000,1 000~2 000,2 000~3 000 m和大于3 000 m 5個等級,結果如圖2(g)所示。
由圖2(g)可看出:河流沿岸發(fā)育的泥石流面積占總數的比例很大,為泥石流災害最密集地帶。泥石流流域面積38.8%集中于河流500 m范圍內,83%分布于河流2 km范圍內,距離河流越近,匯水面積大,水的侵蝕使泥石流更易啟動。由此可以得出結論,泥石流災害分布面積隨著距河流距離的增大而減小,兩者成負相關關系,即距離河流越遠,泥石流分布越少。
2.8 道 路
研究區(qū)段內含有如國道G212、G75等一些道路。近年來由于人的生產、建筑等活動導致的地質災害數量呈增長狀態(tài),因此,研究道路與泥石流溝的距離關系可以進一步認識到人的活動對地質災害的影響。利用ArcGIS建立道路緩沖區(qū),疊加上研究區(qū)段內的泥石流溝,分析泥石流溝距離道路的距離遠近關系,如圖2(h)所示。按距離分為如表2所示的10個等級。
由表2可知:在道路的7 km之內分布的泥石流溝面積占67.55%,并且泥石流溝的面積占比隨著距離道路越遠而越來越小。這表明研究區(qū)段內,在道路周圍的泥石流溝分布更多,也進一步說明了人類活動加速了地質災害的演化。
2.9 斷 層
斷層活動帶附近巖層破碎,松散物質儲量豐富,從物源及滑動動力角度為泥石流的發(fā)育提供了有利的條件[13]。根據研究區(qū)的實測和推測斷層,利用ArcGIS,對區(qū)內主要活動性斷裂建立緩沖區(qū)并疊加上泥石流溝進行了分析。
結果表明:研究區(qū)內泥石流災害多集中在距離主要斷層小于2 km的范圍內,占泥石流總面積的64.3%。由表2和圖2(i)可見:災害點的形成與斷裂直接相關,隨著與斷層距離的增大,泥石流災害的分布變少。
3 泥石流危險性分析
現階段針對地質災害危險性劃分的定量分析有很多種方法[14],例如現在常用的有人工神經網絡法[15]、信息量法[21]、多元回歸分析[16]、邏輯回歸分析[17]、災害熵[18]等。基于GIS的信息量法,綜合了GIS技術的空間分析功能與信息量法的定量分析功能,使得評價過程更加綜合、定量化,提高了評價結果的可靠性和精確度[5]。
3.1 信息量模型
信息量模型是統(tǒng)計模型和信息論結合并不斷衍生發(fā)展而來的,其最早應用于礦產勘查預測。隨著GIS的快速發(fā)展,進而被廣大學者推廣,最終應用到環(huán)境質量評估以及崩塌、滑坡、泥石流等地質災害危險性評價中[19]。信息量法實質是將每個因子的各自實際屬性的實測值,用ArcGIS強大的數據處理能力,將每個因子圖層計算出的信息量值可視化表達出來,最后綜合所有圖層因子進行疊加,得到疊加后圖層的總信息量值。信息量值越大,則表明該因子類型下發(fā)生泥石流災害的概率越大,危險度也就越高,反之亦然。其計算過程如下。
(1) 單獨計算各評價因子類別Xi對泥石流災害發(fā)生(H)提供的信息量I(Xi,H)。
Ii(Xi,H)=lnP(Xi,H)P(Xi)(1)
式中:P(Xi,H)為泥石流災害發(fā)生(H)條件下出現某評價因子類別Xi的概率;P(Xi)為研究區(qū)內出現某評價因子類別Xi的概率。對于影響泥石流發(fā)育的環(huán)境影響因子較多且不同因子對泥石流所起的作用大小、性質是不同的[20]。所以在詳細計算信息量值時,通常會采用更為簡單的方法。即:
IXi,H=lnNi/NSi/S(2)
式中:Ni為分布在某特定評價因子類別Xi內的泥石流災害單元面積;N為整個研究區(qū)內泥石流災害分布的單元總面積;Si為研究區(qū)內含有某評價因子類別Xi的單元面積;S為整個研究區(qū)域單元總面積。
(2) 計算單個評價單元內的總信息。
I=ni=1Ii(Xi,H)=ni=1lnNi/NSi/S(3)
式中:I為某評價單元內總的信息量值;n為參評因子數。
3.2 計算結果
采用信息量法整個分析計算過程如下。
(1) 計算出每個因子類型的信息量值。
(2) 在ArcGIS中,對各個因子進行信息量的賦值,計算得到各因子的專題圖層。
(3) 泥石流的發(fā)生是多個因子共同作用的結果,用ArcGIS加權總和功能對每個專題圖層進行疊加從而得到各因子綜合信息量圖層。
(4) 將綜合信息量圖層按照自然斷點法重分類為極輕度危險區(qū)(-1.74~-0.99)、輕度危險區(qū)(-0.99~-0.25)、中度危險區(qū)(-0.25~0.33)、高度危險區(qū)(0.33~1.23)、極高度危險區(qū)(1.23~1.6)5個對應的危險區(qū)從而得到泥石流的危險性分區(qū)圖。
(5) 疊加上研究區(qū)段的泥石流溝進行分析。
信息量值結果如表2所示,危險性分區(qū)如圖3所示,可以得出以下結論:
(1) 區(qū)內泥石流在高程2 400~3 000 m、坡度15°~35°內,巖性為軟弱中厚層巖組和軟弱-堅硬中厚層-厚層板巖、碎屑巖巖組,NDVI值小于0.2,1 h最大降雨量為36~38 mm,地震峰值加速度為0.2g,距離河流3 km,距離道路1~7 km以及距離斷層1 km以內信息量值最大,發(fā)生泥石流的概率最大。
(2) 1 h最大降雨量在36~38 mm之間的信息量值最大,而后降雨量越大信息量值越來越少,說明研究區(qū)段泥石流啟動的1 h最大降雨量臨界值大致在36~38 mm之間。
3.3 危險性分析
各危險性分區(qū)內泥石流溝分布的面積占比分別如圖3所示和表3所列。從結果可知:研究區(qū)內大部分區(qū)域處于中度危險區(qū)以上,中度以上危險區(qū)占了總面積的80.19%;而極輕度危險區(qū)占比非常少,只有4.37%。高度危險區(qū)與極高度危險區(qū)的泥石流溝面積占各自危險等級的面積的53.08%和73.37%。在泥石流溝中,高度、極高度危險范圍內的泥石流面積分別占泥石流總面積的32.94%和31.49%。按空間位置分布來看,高度與極高度危險區(qū)主要分布在白龍江的北岸,特別是北峪河流域泥石流分布密集;較輕度危險的區(qū)域大部分都分布在白龍江南岸。結合實地勘察,結果與研究區(qū)實際的泥石流發(fā)育規(guī)律基本一致。
3.4 評價結果驗證
對于信息量模型的計算結果,采用ROC曲線來驗證其精度。ROC曲線即受試者工作特征曲線,橫坐標
為假陽性率(1-特異度),縱坐標為真陽性率(即敏感度)。ROC曲線可直觀準確地反應特異性跟敏感性的關系。地質災害評價的對應關系為:① 敏感度表示為現實為地質災害,通過數學模型計算也判斷為地質災害的概率;② 特異度表示實際上并未發(fā)生地質災害,通過數學模型計算亦判斷不是地質災害的概率;③ 誤判率表示把實際為假值,通過數學模型計算卻判斷為真值的概率[22]。ROC曲線下的面積(AUC值)在0~1之間,其值越接近于1,說明判別效果越好,結果有較高的準確度和可靠度。
使用SPSS 22.0軟件,將信息量模型的評估結果以及研究區(qū)內泥石流的發(fā)生與否情況采樣100個點輸入,已經發(fā)生泥石流的賦值為1,未發(fā)生的賦值在0。分析結果如圖4所示。由分析結果可知:AUC值為0.737,標準誤差為0.036,漸進95%置信區(qū)間下限為0.631,上限為1.843,結果比較準確,說明能夠較好地進行本研究區(qū)地質災害危險性預測。
4 結 論
(1) 白龍江流域武都區(qū)段泥石流主要分布在1 800~3 000 m和NDVI值為0.2~0.4的范圍內,其優(yōu)勢坡度分布區(qū)間為15°~35°。該地形地貌環(huán)境給泥石流提供勢能的同時,還使松散物質能大量堆積。
(2) 從物質條件來看,泥石流大量分布在地震動峰值加速度為0.2g的范圍內,且在以千枚巖、板巖為主的軟弱-堅硬中厚層-厚層板巖、碎屑巖組區(qū)內,與距斷層距離呈負相關分布,距斷層2 km以內泥石流占比64.3%。地震動和斷層的內部活動,給泥石流提供了源源不斷的物質來源。
(3) 在外部激發(fā)因素方面,主要分布在1 h最大降雨量為36~40 mm區(qū)域內,與距河流、道路距離呈負相關分布,83%的泥石流溝分布在河流的2 km以內;在距離道路7 km之內泥石流占比67.55%。近年來,極端天氣頻繁出現、人的生產活動范圍越來越大,都大大促進了泥石流發(fā)育。
(4) 運用信息量法對研究區(qū)進行危險性評價,得到泥石流危險性分區(qū)圖。統(tǒng)計結果表明,在中度、高度、極高度危險范圍內,泥石流面積分別占總泥石流面積的21.77%,32.94%,31.49%,且較高等級危險區(qū)主要分布在白龍江的北岸,特別是北峪河流域,泥石流密集分布且危險性也高,這也與實際勘察結果相吻合。經ROC曲線驗證,AUC值為0.737,結果具有較高的準確性。相關結果可為研究該區(qū)域泥石流發(fā)育規(guī)律提供參考,進一步為該區(qū)域的泥石流防治提供科學依據。
參考文獻:
[1] 張茂省,黎志恒,王根龍,等.白龍江流域地質災害特征及勘查思路[J].西北地質,2011,44(3):1-9.
[2] 孟興民,陳冠,郭鵬,等.白龍江流域滑坡泥石流災害研究進展與展望[J].海洋地質與第四紀地質,2013,33(4):1-15.
[3] 徐蘭聲.基于GIS系統(tǒng)的城市震災評估和救災應急的研究[J].地震工程學報,2019,41(2):243-248.
[4] 杜國梁,張永雙,高金川,等.基于GIS的白龍江流域甘肅段滑坡易發(fā)性評價[J].地質力學學報,2016,22(1):1-11.
[5] 寧娜,馬金珠,張鵬,等.基于GIS和信息量法的甘肅南部白龍江流域泥石流災害危險性評價[J].資源科學,2013,35(4):892-899.
[6] 任非凡,諶文武,韓文峰.G212線隴南段泥石流發(fā)育成因及其時空分布特征分析[J].巖石力學與工程學報,2008,27(增1):3237-3237.
[7] 黃江成,楊順,潘華利,等.白龍江流域泥石流特征分析[J].水土保持通報,2014,34(1):311-315.
[8] 李曉婷,劉文龍.模糊綜合評判法在甘肅隴南武都區(qū)石門鄉(xiāng)泥石流危險性評價中的應用[J].中國地質災害與防治學報,2020,31(4):71-76.
[9] 陳秀清,白福,于燕燕.甘肅省泥石流發(fā)育特征、成因分析及其危害[J].西北地質,2014,47(3):205-210.
[10] 毛佳睿,李鐵峰,田運濤,等.基于物源特征的白龍江流域泥石流易發(fā)性評價[J].科學技術與工程,2020,20(28):11479-11490.
[11] 李苗苗.植被覆蓋度的遙感估算方法研究[D].北京:中國科學研究院遙感應用研究所,2003.
[12] 李郎平,蘭恒星,郭長寶,等.基于改進頻率比法的川藏鐵路沿線及鄰區(qū)地質災害易發(fā)性分區(qū)評價[J].現代地質,2017,31(5):911-929.
[13] LIU X L.Empirical assessment of debris flow risk on a regional scale in Yunnan Province,south western China[J].Environmental Management,2002,30(2):249-264.
[14] 陳飛飛,姚磊華,趙宏亮,等.泥石流危險性評價問題的探討[J].科學技術與工程,2018,18(32):114-123.
[15] 劉藝梁,殷坤龍,劉斌.邏輯回歸和人工神經網絡模型在滑坡災害空間預測中的應用[J].水文地質工程地質,2010,37(5):92-96.
[16] 李權,曾濤,覃虎,等.基于多元邏輯回歸的蘭坪縣崩塌滑坡敏感性評價[J].測繪與空間地理信息,2015,38(12):36-39.
[17] 唐川,馬國超.基于地貌單元的小區(qū)域地質災害易發(fā)性分區(qū)方法研究[J].地理科學,2015,35(1):91-97.
[18] 向靈芝,崔鵬,陳洪凱,等.基于災害熵的汶川震后道路泥石流敏感性分析[J].重慶交通大學學報(自然科學版),2017,36(5):71-78.
[19] 張俊峰,何政偉,汪宙峰.基于GIS的信息量法在天山公路地質穩(wěn)定性評價系統(tǒng)中的應用[J].測繪科學,2008,33(2):170-171,179.
[20] 鄒強,崔鵬,楊偉.G318川藏公路段泥石流危險性評價[J].山地學報,2013,31(3):342-348.
[21] 張曉東,劉湘南,趙志鵬,等.信息量模型、確定性系數模型與邏輯回歸模型組合評價地質災害敏感性的對比研究[J].現代地質,2018,32(3):602-610.
[22] 牛全福,馮尊斌,張映雪,等.基于GIS的蘭州地區(qū)滑坡災害孕災環(huán)境敏感性評價[J].災害學,2017,32(3):29-35.
(編輯:劉 媛)
Debris flow distribution law and risk analysis in Wudu section of Bailong River
LUO Liang1,SONG Guohu2,3,TANG Liangqin1,XIANG Lingzhi1,LI Xiaolong1,LIANG Menghui1
(1.Key Laboratory of Chongqing University for Geological Disaster Mitigation of Mountain Highway Water Transportation,Chongqing Jiaotong University,Chongqing 400074,China; 2.Chengdu Hydrogeological Engineering Geological Team ,Sichuan Bureau of Geology and Mineral Resources,Chengdu 610072,China;3.Geological Engineering Survey Institute of Sichuan Province,Chengdu 610072,China)
Abstract:
Based on remote sensing interpretation and field investigation,there are 329 debris flows developed in the Wudu section of Bailong River Basin.According to the three major disaster-pregnancy conditions of topography,material conditions and external excitation factors,9 disaster-pregnancy factors such as elevation,slope,and lithology were selected.Based on ArcGIS platform,the distribution law of debris flow in the research area was analyzed and the debris flow risk was assessed by using information model.The analysis result showed that:① Debris flows in the study area were mainly distributed in the elevation range of 1800~3000m and NDVI value of 0.2~0.4 in terms of topography,and their dominant slope distribution range were 15°~35°.② In terms of material conditions,a large number of debris flows we re developed in the range of the peak acceleration of ground motion of 0.2g,and mainly distributed in the soft-hard and medium-thick layer -thick layer slate and clastic rock formations mainly composed of phyllite and slate,while the areas of debris flow were negatively correlated with the distance from the the faults.③ External excitation factors were mainly distributed in the area with the maximum rainfall of 36~40 mm per hour.And it was negatively correlated with the distance from the rivers and roads.④ The risk assessment on debris flow was done by information method and the risk zoning map was obtained.Results showed that the debris flow area in the medium,high and extremely high risk range accounted for 21.77%,32.94% and 31.49% of the total debris flow area,and the high-level danger zone was mainly distributed on the north bank of Bailong River.The ROC curve was used to verify the evaluation result,and AUC was 0.737,which means the evaluation result is accurate and reliable.
Key words:
debris flow;distribution law;information method;risk assessment;Bailong River Basin