中圖分類號：P642.4 文獻標志碼：A 文章編號：2095-2945（2025）21-0085-05

Abstract：Loesslandslidesareatypical geologicaldisasterwidelydistributedaroundtheworld，andtheirsusceptibility evaluationhasalwaysbeearesearchhotspotinthefieldofengineringgeology.Thispapertakes Xifeng District，Qingyang City，GansuProvince，atypicalareaoftheLoessPlateau，astheresearchobject.Usingthecombinationofgeographical informationsystem（GS）andlogisticregresionmodel，multipleinfluencefactorsicludingprecipitation，slope，soiltype，slope aspect，etc.wereselectedtobuildalandslidesusceptibilityevaluationmodel.Throughmulti-factoranalysis，itisfoundthat precipitationandslopearethemainfactorsafectinglandslidesusceptibility.Theareaswithhighlandslidesusceptiblityin easternGansuaremainlyconcentratedinareaswithlargeslope，highprecipitationandthick loesslayers.Thisstudyprovidesa scientific basis for landslide disaster prevention and risk assessment in Longdong region.

Keywords： deep loess; landslide; logistic regression model； susceptibility evaluation; GIS

滑坡是全球范圍內(nèi)常見且嚴重的地質(zhì)災害，尤其在山區(qū)和黃土高原等易滑坡地帶，對生命財產(chǎn)安全和社會經(jīng)濟發(fā)展構成了巨大的威脅。中國黃土高原地區(qū)，尤其是隴東黃土地區(qū)，由于其特殊的地質(zhì)和氣候條件，滑坡災害瀕發(fā)，已嚴重影響當?shù)厣鐣?jīng)濟發(fā)展。隴東地區(qū)作為我國黃土高原的重要組成部分，其深厚黃土層（厚度普遍超過 50m 因獨特的結構特性（垂直節(jié)理發(fā)育、濕陷性強）和復雜的地形地貌，導致區(qū)域滑坡災害頻發(fā)。因此，系統(tǒng)研究該地區(qū)的滑坡破壞機理及其易發(fā)性，對于制定有效的滑坡防治措施具有重要的理論與實踐意義。

近年來，滑坡易發(fā)性研究主要集中在滑坡潛在區(qū)域的識別4危險因子的分析5-以及災害預測8-等方面。隨著遙感技術、地理信息系統(tǒng)（GIS）和多因素分析方法的迅速發(fā)展，滑坡易發(fā)性評估已經(jīng)取得了一定的進展[2-14。許多學者采用了空間分析方法[15-1邏輯回歸模型[7-18]AHP法[19-20等多種技術手段，在不同區(qū)域成功地開展了滑坡易發(fā)性評價。

盡管國內(nèi)外對滑坡穩(wěn)定性評價已有較多研究，但針對隴東深厚黃土地區(qū)的研究仍然較少。當前的研究多集中在單一因素的作用下進行滑坡穩(wěn)定性分析，而忽略了降水、地質(zhì)構造、人工開挖等多個因素共同作用下的滑坡穩(wěn)定性問題。此外，滑坡的易發(fā)性評價常常忽略了局部環(huán)境的復雜性與變化性。因此，如何結合區(qū)域特點和多因素分析方法，提高黃土滑坡易發(fā)性評價的準確性，仍然是一個亟待解決的科學問題。本研究旨在通過對隴東地區(qū)深厚黃土滑坡的穩(wěn)定性進行系統(tǒng)的分析，結合現(xiàn)代化的評價方法，為區(qū)域的滑坡防治提供理論依據(jù)和技術支持。

1研究區(qū)概況

隴東地區(qū)作為中國黃土高原的核心組成部分，其深厚黃土層在極端降雨和人類活動（梯田灌溉、油氣開采）等疊加作用下，滑坡災害呈現(xiàn)高頻次、大規(guī)模、鏈式演化的特征，造成嚴重的經(jīng)濟損失，凸顯該區(qū)域風險評估的緊迫性。

1.1地理位置

省市西峰區(qū)位于省東部，是陜甘寧三省交界的幾何中心，處于黃土高原腹地董志塬核心區(qū)，其地理位置如圖1所示。本區(qū)第四紀以來，構造以振蕩性上升運動為主，在流水侵蝕營力（尤以溝谷瀕源侵蝕為主導）的持續(xù)作用下，塬邊地帶發(fā)生強烈的侵蝕切割作用，導致原始黃土塬發(fā)生系統(tǒng)性破碎化，形成梁、昂、溝等次生黃土地貌形態(tài)，地質(zhì)環(huán)境脆弱，四周山脈環(huán)繞，地勢較為復雜。

1.2 氣象數(shù)據(jù)

西峰區(qū)地處北緯 35^°40^′ ，屬典型溫帶大陸性半干旱季風氣候，具有光照資源豐沛、水熱時空異質(zhì)性等特征。該地區(qū)年平均氣溫 10.3±0.4°C ，高溫 35.5^qC 左右，低溫達- -15^°C 左右，年溫差高達 50.5^°C ，凸顯大陸性氣候特征。年均降水量為 518.4±38.7mm ，其中7—9月占比62.3% ，單日最大降水量達 137.6mm ，冬季降水僅占全年2.8% ，如圖2所示。短時強降水事件發(fā)生頻率較高，小時最大雨強達 68.3mm ，其氣象參數(shù)對黃土滑坡災害發(fā)育具有顯著控制作用。

1.3地形地貌數(shù)據(jù)

基于1：50000高精度DEM數(shù)據(jù)，采用ArcGIS水文模塊進行坡度重分類，結果如圖3所示，暖色系表征高坡度帶（深色大于 30^° ），冷色系對應緩坡區(qū)（淺色小于10^° ）。圖中顯示西峰區(qū)地形坡度呈現(xiàn)階梯式陡變特征。

1.3.1 緩坡帶 ∠10^° ）

占比 57.4% ，集中分布于董志塬核心區(qū)，是典型黃土塬面殘留區(qū)域；地表形態(tài)平緩，人類耕作占比較高。

1.3.2 過渡帶（ 10^°～20^° ）

占比 22.1% ，主要位于塬-溝過渡斜坡處。

1.3.3 陡坡帶（ 20^°～30^° ）

占比 16.5% ，對應梁昂斜坡與溝谷側(cè)壁，受流水側(cè)蝕與重力崩塌共同作用。

1.3.4 極陡帶（ gt;30^° ）

30^°～40^° 占比 3.8% 40^° 以上零星分布于基巖出露陡崖。坡向分布上，除水平地形所占比例較少外，各種坡向的斜坡分布比較均勻，如圖4所示。

1.4地質(zhì)數(shù)據(jù)

西峰區(qū)受涇河支流切割，形成“塬-梁-昴-溝\"復合地貌，溝壑密度達 2.3km/km³ ，最大溝深超過 80m_c 塬面平均海拔 1421m ，地勢平坦，地表覆蓋馬蘭黃土（ （_Q3m） ！厚度 60～120m ，其下伏下白堊系砂泥巖在溝谷側(cè)壁廣泛出露，該區(qū)出露地層主要為第四系地層，從老到新分布見表1。

1.4.1 黃土梁地貌參數(shù)

黃土梁大部分近東西向延伸，長度為 3～8km ，頂寬100～450m （平均 257m ），梁坡坡度為 25^°～30^° 。梁間發(fā)育梳狀水系，主溝切割深度 80～120m_? 。梁頂覆蓋離石黃土（Q₂） ，其抗剪強度低于馬蘭黃土，易發(fā)生淺層滑坡。

1.4.2 黃土峁地貌參數(shù)

峁體呈橢圓穹隆狀（長軸 1000～1500m ，短軸 500～ 800m） ，峁坡坡度 18^°～25^° ，鞍部相對高差 20～40m_? 昴頂殘留午城黃王（厚度小于 10m， ，其下為離石黃土與古土壤交替層，軟弱夾層構成旋轉(zhuǎn)滑動面。

1.4.3 黃土溝谷地貌參數(shù)

溝谷系統(tǒng)呈“上V下U”復合剖面，上游段（切割深度 40～80m 溝谷狹窄（寬深比小于0.3），下游段切割深度達 150～200m ，反映水力侵蝕與重力崩塌的協(xié)同作用。溝谷下切至下白堊系頂面，形成陡坎（坡度大于 45^° ）。

2 研究方法

研究時采用邏輯回歸結合GIS技術進行滑坡易發(fā)性評價，邏輯回歸模型能夠揭示各個因素與滑坡發(fā)生概率的關系，借助GIS技術，結合多種地理因子進行空間分析，制作滑坡易發(fā)性圖。

2.1數(shù)據(jù)準備

2.1.1 收集數(shù)據(jù)

在滑坡分析中，因變量通常采用\"滑坡發(fā)生\"（1）和“滑坡未發(fā)生\"（0）的二元標記方法表示事件的發(fā)生與否。將坡度、降水量、坡向和地質(zhì)條件等因素作為自變量，通過模型輸入到GIS中。

2.1.2 數(shù)據(jù)訓練

對于量綱不同的特征（如坡度、坡向、降雨等），進行歸一化（縮放到0～1區(qū)間）處理，確保不同特征對模型影響的公平性。同時檢測并處理異常值，確保數(shù)據(jù)的質(zhì)量。收集足夠的滑坡事件數(shù)據(jù)，將滑坡事件分為發(fā)生和未發(fā)生，提取這些事件的環(huán)境因子。構建訓練數(shù)據(jù)集，使用邏輯回歸模型進行擬合，找出不同環(huán)境因子與滑坡發(fā)生概率之間的關系。

2.2 模型建立

邏輯回歸模型如公式（1）所示

式中： P（Y=1） 是滑坡發(fā)生的概率， b₀ 為截距， b₁，b₂，… b_n 為各個自變量的回歸系數(shù)， X₁，X₂，…，X_n 為自變量，即坡度、降水量、坡向等。通過梯度下降法來估計回歸系數(shù) b₀，b₁，b₂，…，b_n ，表示每個自變量對事件發(fā)生概率的影響。

3易發(fā)性評價

通過模型計算結果，結合GIS的空間分析功能，制作西峰區(qū)滑坡易發(fā)性圖，如圖5所示。該圖直觀地呈現(xiàn)了研究區(qū)域內(nèi)不同區(qū)域的滑坡易發(fā)性等級，能夠為防災減災措施的制定提供重要的決策依據(jù)。

根據(jù)圖5可得，區(qū)內(nèi)山坡高差在 100～500m 之間，坡度為 30^°～70^° 的斜坡，上部為馬蘭黃土，下部多為砂質(zhì)泥巖或泥巖，此類斜坡是滑坡集中分布的地段。從高易發(fā)區(qū)的坡向來看正東和正西的坡向所占比例較高，區(qū)內(nèi)溝谷多呈“V\"型，相對切割深度大，斜坡高、陡，臨空條件好；斜坡中部多呈凸形，坡腳處又無原生土體支撐。由于區(qū)內(nèi)降水量主要集中在7一9月，決定了區(qū)內(nèi)滑坡發(fā)生時間上的集中性。同時滑坡的分布受到降雨量的空間變化，降水量自西南部向東北部逐漸減小，滑坡數(shù)量也在不斷減少。

4結束語

本研究的滑坡易發(fā)性評價為隴東地區(qū)的災害預防和減災措施的制定提供了科學支持?；谶壿嫽貧w模型并結合GIS技術的空間分析能力，能夠直觀地展示區(qū)域內(nèi)滑坡易發(fā)性等級的空間分布，為政府和相關部門制定防災減災政策和規(guī)劃提供實用的參考依據(jù)。

研究發(fā)現(xiàn)高易發(fā)區(qū)集中分布于董志塬邊緣帶，該區(qū)域為坡度大于 30^° 的塬-溝過渡地形，黃土層厚度大于80m ；年均暴雨日數(shù)大于等于4d（單日雨量大于 50mm ），其形成與黃土特有的垂直節(jié)理、直立性、易軟化性等有關。研究成果可推動該地區(qū)地質(zhì)災害防控從“被動治理向“主動防控\"轉(zhuǎn)型，助力“碳中和”自標下黃土地質(zhì)安全與綠色城鎮(zhèn)化的協(xié)同發(fā)展。

然而，本研究仍存在一些局限性。首先，影響滑坡的因子眾多，而本研究僅選取了部分因子，未來可以進一步考慮更多影響因子的綜合作用。其次，盡管邏輯回歸模型能夠揭示因素與滑坡發(fā)生的關系，但其對于非線性關系的處理能力有限，未來可結合更為復雜的機器學習模型，以提高模型的預測精度。此外，氣候變化、土地利用變化等動態(tài)因素可能會對滑坡易發(fā)性產(chǎn)生影響，未來研究可以結合時間序列數(shù)據(jù)，探索滑坡易發(fā)性的動態(tài)變化規(guī)律。

總之，基于GIS與邏輯回歸模型的滑坡易發(fā)性評價方法為區(qū)域性的滑坡災害風險評估提供了新的思路，并為未來更精細化的滑坡預測和防治工作奠定了基礎。

參考文獻：

[1]袁爽，許強，趙寬耀，等.基于統(tǒng)計學的隴東地區(qū)溝谷分布及演化研究[J].水土保持通報，2020，40（5）：172-180.

[2]郭平.基于SBAS-InSAR技術的稀土礦區(qū)潛在滑坡識別[D]南昌：江西理工大學，2022.

[3]郭瑞，李素敏，陳婭男，等.基于SBAS-InSAR的礦區(qū)采空區(qū)潛在滑坡綜合識別方法 [J].地球信息科學學報，2019，21（7）：1109-1120.

[4]許強，董秀軍，李為樂.基于天-空-地一體化的重大地質(zhì)災害隱患早期識別與監(jiān)測預警[J武漢大學學報（信息科學版），2019，44（7）：957-966.

[5]李郎平，蘭恒星.滑坡運動路徑復雜度研究：綜述與展望[J].地球科學，2022（12）：4663-4680.

[6]CHEN L，MA P F，YU C，et al. Landslide susceptibility as-sessmentin multiple urban slope settings with a landslide in-ventory augmented by InSAR techniques[JJEng Geol2023（327）：107342.

[7]DONG JH，NIU RQ，LIBQ et al. Potential landslides i-dentification based on temporal and spatial filtering of SBAS-InSAR results[J]. Geomat Nat Haz Risk，2023，14（1）：52-75.

[8]朱祖騰，藍燕金，簡文彬，等.基于增量型貝葉斯概率統(tǒng)計的滑坡預測模型研究[J].水利與建筑工程學報，2024，22（6）：181-188.

[9]宋宇飛，曹琰波，范文，等.陶虹基于貝葉斯方法的降雨誘發(fā)滑坡概率型預警模型研究[J].巖石力學與工程學報，2023，42（3）：558-574.

[10] BORDONI M，VIVALDI V，LUCCHELLI L，et al. Develop-ment of a data-driven model for spatial and temporal shallowlandslide probability of occurrence at catchment scale [J].Landslides，2021（18）：1209-1229.

[11] JUNG H L，HANBEEN K，HYUCK J P，et al.Temporalprediction modeling for rainfall-induced shallow landslidehazards using extreme value distribution [J].Landslides，2021（18）：321-338.

[12]ADNANIRM，KHANI，MOAYEDIH，etal.Novel evolutionary-optimized neural network for predicting landslide susceptibility[J].Environ Dev Sustain，2024（26）：17687-17719.

[13]ALI N，CHENJ，F(xiàn)U X，etal.Integrating machine learning ensembles for landslide susceptibility mapping in northern Pakistan[J].Remote Sens，2024（16）：988.

[14]BIENTX，IQBALM，JAMALA，etal.Integrationofrotation forest and multiboost ensemble methods with forest by penalizing attributes for spatial prediction of landslide susceptible areas [J]. Stoch Environ Res Risk Assess，2023（37）： 4641-4660.

[15]何雨楓，丁明濤，段鈺，等.2000—2019年四川省滑坡災害時空分布特征及影響因素分析[J.自然災害學報，2024，33（6）：17-26.

[16林娜，譚力兵，張迪，等.時序InSAR和LSTM結合的滑坡形變時空分析與預測方法[J]：地球信息科學學報，2024，26（12）：2772-2787.

[17]林沛文，何書，鮮木斯艷·阿布迪克依木，等.基于邏輯回歸-模糊層次分析模型的公路沿線滑坡易發(fā)性評價[J]：自然災害學報，2024，33（6）：27-36.

[18]李成林，劉嚴松，賴思翰，等.基于邏輯回歸和支持向量機耦合模型的滑坡易發(fā)性分析[J].自然災害學報，2024，33（2）：75-86.

[19]張晨.層次分析（AHP）法在滑坡地災風險性評價中的應用淺析[J].能源與環(huán)境，2023（5）：132-134，149.

[20]朱清華，王曉婭.改進的AHP法在黃土老滑坡穩(wěn)定性評價中的應用[J]煤炭技術，2019，38（4）：131-134.