基于概率數學方法與GIS的泥石流敏感性分析及評價
——以汶川縣為例

， ， ，

(成都理工大學 地質災害防治與地質環境保護國家重點實驗室,成都 610059)

基于概率數學方法與GIS的泥石流敏感性分析及評價
——以汶川縣為例

夏晨皓，朱靜，常鳴，楊宇

(成都理工大學 地質災害防治與地質環境保護國家重點實驗室,成都 610059)

以汶川縣為研究區，通過對震后的高分辨遙感影像的遙感解譯，獲得了145條泥石流溝及流域中的崩滑物源的分布圖。選擇了坡度、坡向、地層巖性、地震峰值加速度、距水系距離、距斷層距離作為評價因子，利用概率數學方法與GIS的空間分析功能，獲得145條泥石流溝在上述6個評價因子上的分值；再利用層次分析法計算得到各評價因子權重，建立泥石流敏感性評價模型，得到了研究區泥石流溝敏感性分級圖。結果表明： 研究區145條泥石流溝中，有60條泥石流溝屬于高敏感性，43條泥石流溝為中敏感性，其余42條泥石流溝敏感性較低，研究成果對于認識該地區泥石流災害現狀及發展趨勢與防災減災有一定的參考意義。

泥石流；層次分析法；概率數學方法;敏感性；汶川縣；GIS

1 研究背景

2008年5月12日在四川省汶川縣發生了8.0級特大地震， 汶川縣作為震中心， 震后次生山地災害頻發， 有學者研究表明[1-3]， 汶川地震后， 受強震影響的重災區的地質災害活躍期將持續20 a以上。 由于汶川縣既處于地質環境脆弱的高中山地區， 又受“5·12”地震影響， 境內泥石流災害頻發， 它時刻危害著當地人民的生產生活安全， 因此,對汶川縣進行整體的區域泥石流敏感性評價對認識該地區災害現狀及發展趨勢與防災減災有積極的作用， 對于保障該地區的震后社會經濟可持續發展具有現實意義。

泥石流敏感性評價是對預測評價某區域未來某段時間內導致泥石流暴發的各致災因子等各種敏感性指標的變化情況進行分析，估算它們的概率分布，完成它們的敏感性評價圖。目前3S技術在地質災害領域中廣泛運用，成為了泥石流(滑坡)的敏感性分析評價中的有力工具，國內外專家們也在此基礎上運用了許多敏感性分析模型。 Ayalew等[4]2004年在日本Kakuda-Yahiko山區利用邏輯回歸模型開展了基于GIS的滑坡敏感性分析研究；唐川[5]2005年在云南怒江流域利用條件概率模型與GIS結合繪制了當地泥石流敏感性專題地圖；Chang等[6]2007年在臺北地區利用人工神經網絡法為當地171條泥石流溝作了定量危險性評價研究，評價結果也基本準確。劉洋等[7]在2013年利用信息量模型與層次分析法對四川省龍池地區48條泥石流溝進行敏感性評價,從而確定了該地區需要重點監測防治的泥石流溝道。向靈芝等[8]在2015年將流域演化理論運用到泥石流敏感性研究中，對汶川縣都汶公路和省道303沿線60條泥石流溝進行敏感性評價，結果基本反映了地貌演化與泥石流發展的關系。

基于上述研究，考慮到研究區汶川縣是“5·12”地震強震區，震后誘發的大量的崩塌滑坡在強降雨情況下就可能很快轉變成泥石流或參與泥石流運動，筆者認為汶川縣泥石流的敏感性與汶川縣的同震滑坡可能有較強聯系。因此,本文以汶川縣為研究區，通過對其震后的高分辨遙感影像的遙感解譯，獲得145條泥石流溝及流域中的崩滑物源的分布圖。結合研究區特點，選擇合適評價因子，采用概率數學方法與GIS空間分析功能得到每條泥石流溝各評價因子的分值;又利用層次分析法確定各評價因子權重，最終建立泥石流敏感性評價模型，使評價結果更加客觀可靠。

2 研究區概況

研究區汶川縣位于四川盆地西北部、阿壩藏族羌族自治州東南部，地理位置為30°45′N—31°43′N,102°51′ E—103° 44′ E之間,全縣面積4 084 km2，常住人口為101 533人(2013年末)。汶川縣以高中山地形為主，地形坡度大，境內溝壑縱橫，切割強烈，水系發達，河流眾多，有大小支流達百余條。汶川縣降雨較多且集中、干濕季明顯，雨量528.7～1 332.2 mm[9]，全縣處于九頂山新華夏構造帶,巖體地質空間特征變化復雜，巖性差異變化較大，地層發育較為完整,只是除了奧陶系、志留系大部分缺失。斷層、褶皺較為發育,茂縣—汶川斷裂帶和北川—映秀斷裂帶2條主要大斷裂帶呈北東—南西方向穿過汶川縣。其中映秀—北川斷裂是“5·12”地震的發震斷裂。

汶川縣在2008年汶川地震以前就是地質災害高易發區域，特別是在岷江、漁子溪、雜古腦河沿岸斜坡地質災害嚴重，其中泥石流又是汶川縣最主要的地質災害類型[10]。根據唐邦興等[11]的野外調查，境內有泥石流活動歷史的溝多達98條。由于“5·12”汶川地震為泥石流提供了豐富的松散固體物質，同時根據周偉等[12]研究，地震后震區泥石流起動的臨界雨量也較地震前有所降低，使得在強降雨情況下泥石流暴發的可能性大增。在“5·12”大地震后，汶川縣泥石流災害頻發。2008年9月22—26日，汶川縣進入震后第1個雨季里就有大范圍的泥石流活動，2010年 8月13日的強降雨讓汶川縣多個鄉鎮泥石流群發。2013年7月10日汶川縣遭受了自地震以來最大規模的一次群發性泥石流災害，全縣90%以上的村寨不同程度受災。因此,可以看出汶川縣泥石流溝不僅分布密集，危害嚴重,且進入到了一個新的活躍期。

3 數據獲取

研究區等高線與水系的矢量數據主要來源于四川省測繪地理信息局的1∶50 000地形圖，斷裂帶及巖性的矢量數據主要來源于中國地質調查局的1∶100 000地質圖，地震峰值加速度值來源于四川省地震局，研究區DEM數據通過1∶50 000地形圖中的等高線在ArcGIS軟件中插值生成，網格大小為10 m×10 m。

研究區崩滑體空間屬性數據庫主要利用項目組對汶川縣城、映秀鎮、岷江及漁子溪沿岸等重點區域的遙感解譯成果和戴福初等[13]2011年對汶川縣全縣震后次生災害遙感解譯成果建立的。其中采用的遙感影像數據主要有SPOT5衛星影像(分辨率2.5 m)、WorldView-2衛星影像(分辨率0.5 m)和美國 IKNOS 衛星影像(分辨率1 m)。

4 研究方法

4.1 評價因子選取

控制和影響泥石流敏感性程度的因子有多種。因為汶川縣是地震強震區，地震對汶川縣地表及山坡穩定性破壞強烈，導致崩塌、滑坡等地質災害的發育，為泥石流提供了豐富的松散固體物質，增強了泥石流的形成條件，所以泥石流溝流域內的崩滑體敏感性是影響研究區泥石流敏感性的重要因子，因此,選擇了泥石流溝流域及其崩滑體都適用的評價因子:坡度、坡向、地層巖性、地震峰值加速度、距水系距離、距斷層距離這6個因子。

(1) 當斜坡坡度大于自然休止角并且沒有足夠大的抗滑力時，斜坡就會發生變形破壞[14]。通常來說，坡度越大，土體自重力沿滑動面向下的分力也將會越大，這將使滑坡越不穩定，但是坡度也不宜過大，因為過大的坡度也不利于松散固體物質的儲存堆積。因此,坡度一方面將會影響松散固體物質的分布和聚集;另一方面還會影響斜坡內應力的分布，并對坡表面的地表水徑流和坡體內部地下水的供給和排泄起控制作用，同時較大的坡度為斜坡兩側崩滑體的能量轉換提供客觀條件。因此,坡體的坡度陡緩將間接影響泥石流的規模大小。

(2) 坡向對于滑坡災害以及泥石流災害來說是一個較為重要的地形特征，坡向主要影響局部的小氣候，而小氣候又通過太陽輻射、溫度、水分蒸發等渠道影響坡面上自然地理諸要素。研究區海拔較高，接收日照時間更長，并且研究區地形起伏較大，相對高差較大，坡度也較大，導致了各坡向斜坡的自然地理諸要素的規律性差異更為巨大。同時，不同坡向造成巖石風化程度也有所不同，影響巖層的破碎程度，進而可能在滑坡、崩塌過程中產生大量源物質。

(3) 地層巖性是產生滑坡地質災害的物質基礎，并且在一定的程度上影響泥石流的性質。泥石流通常在千枚巖、板巖、砂巖和花崗巖風化殼地區分布較為集中，比如研究區里志留系的板巖、千枚巖因為斷裂帶及地震影響，巖石破碎、風化強烈,為泥石流的暴發提供了豐富的松散物源,也為泥石流裹挾巨石長距離運移提供必要條件[15]。由各類松散土體及固結較差的軟質巖石組成的斜坡，在強降雨后隨著抗剪強度的下降穩定性也會顯著降低。研究區范圍內共有7個地質年代的地層出露，分布最廣的3種地層是由花崗巖和閃長巖組成的二疊紀、砂巖和千枚巖組成的三疊紀以及板巖、千枚巖組成的志留系，它們結構破碎、風化嚴重，且受強震影響產生大量松散物源。

(4) 河流水系的沖蝕影響滑坡災害的發生和泥石流災害的規模，因為河流水系沖蝕切割時會產生大量的臨空面，造成了許多的滑移控制面外露，降低了土體斜坡的穩定性，進而導致了滑坡，而這些滑坡又將為泥石流的發生提供豐富的松散物源。

(5) 在地質構造運動影響下斷裂帶附近巖層破碎嚴重，特別是在有差異性較大的升降運動時，巖層經過擠壓破壞而穩定性會受損，更易發生崩滑災害，為泥石流發生提供豐富的松散物源;另外根據以前對集集地震同震滑坡的研究表明，地震崩滑體的空間分布與它的發震斷層關系密切[16]，汶川地震和1999年臺灣地區集集地震一樣，屬于逆斷層型地震，汶川地震的發震斷層為映秀—北川斷裂帶。

(6)因為地震活動導致泥石流災害加劇甚至直接使泥石流暴發的事件較多，前人也已有研究[17]，地震活動一方面直接使山體劇烈破壞，產生大量同震崩滑體，提供豐富的松散物源;另一方面，地震的巨大動力還可以導致巖體強度降低，土體強度大量下降，最終導致斜坡失穩參與泥石流活動。因此地震峰值加速度可以選為泥石流敏感性因子。

4.2 各評價因子概率取值

確定評價因子后需要將這些因子進行量化，以保證泥石流敏感性評價的科學性。采用概率數學方法來計算各個評價因子在不同的等級區間范圍內影響泥石流發生的概率，相對提高了敏感性評價的科學性[18]。具體采用式(1)進行計算。

(1)

式中：p為評價因子在不同等級區間范圍內概率綜合值；p1為評價因子不同等級區間范圍內崩滑體面積占該區間范圍內研究區總面積(泥石流溝流域面積)的比例，是條件概率；p2為整個研究區內所有崩滑體面積占整個研究區流域總面積比例，是先驗概率。

根據式(1):當p1≥p2時，說明該評價因子在這個分級條件區間內的條件概率大于先驗概率，對泥石流的發生有明顯的推動作用;當p1

利用研究區DEM數據，使用ArcGIS軟件提取研究區地形坡度、坡向特征，并根據前人對汶川地震同震滑坡統計編錄及敏感性研究[19]，將距水系距離按200 m為間隔，距斷層距離按15 km為間隔，分為4類，建立緩沖區，將各評價因子按DEM精度10 m×10 m柵格化處理并進行空間疊加分析參與泥石流敏感性評價分析，得到研究區各因子分級見圖1。

圖1 研究區各因子分級Fig.1 Zoning of the study area according to rating of factors

利用公式(1)劃分出各評價因子下的分級區間,并計算評價因子在不同等級區間范圍內的概率綜合值P,見表1。

4.3 敏感性評價因子綜合賦值及統計

根據上述對6個評價因子在不同等級區間范圍里的概率綜合值統計分析整合，將每個敏感性評價因子劃分為不同分級范圍區間并分別進行權重賦值。其中，數值的大小表示該因子在研究區區域內的影響程度,具體見表2。參照表2里的各因子分級范圍及綜合賦值情況,結合研究區145條泥石流溝單溝在各評價因子上的空間面積分布情況，在ArcGIS軟件中進行統計量化計算，得到每條泥石流溝在6個評價因子上的敏感性量化分值。

表1 研究區各因子分級及泥石流概率綜合值統計表Table 1 Rating of factors and statistics of comprehensive values of probability of debris flow in the study area

注：滑坡體總面積為149.34 km2,流域總面積為1 573.61 km2

表2 研究區泥石流敏感性評價因子綜合賦值Table 2 Comprehensive scores of debris flow susceptibility

4.4 敏感性因子權重賦值

選用層次分析法來構建判別矩陣，同樣考慮坡度、坡向、地層巖性、地震峰值加速度、距水系距離、距斷層距離共6個評價指標，通過查閱文獻，讓專家打分，并結合實地野外調查等，最終建立判別矩陣(表3)，并且求得CR=0.04<0.1，說明該矩陣較為合理，有較好的判斷一致性。

表3 泥石流敏感性評價因子層次分析法判別系數矩陣Table 3 Comparative matrix and weight of evaluation factors affecting debris flow susceptibility

注：B1為距水系距離;B2為坡向;B3為地層巖性;B4為距斷層距離;B5為地震峰值加速度;B6為坡度；W為權重

根據判別矩陣可以看到，對泥石流敏感性影響最大的因素為坡度,其次為地震峰值加速度，距水系的距離也對泥石流敏感性有較為明顯的影響，這結果也跟我們實地野外調查觀察大致相同，大量崩滑體多發生在坡度較大的坡頂上，沿著山脊線呈串珠狀分布，同時也有沿河呈條帶狀分布的特征。

4.5 敏感性評價模型建立及評價結果

根據前文層次分析法中計算出來的研究區泥石流6個敏感性評價因子權重值及研究區145條泥石流溝的各因子分數值建立敏感性評價模型，公式為

(2)

式中:S為泥石流溝的綜合敏感度值；i=1,2,…,6;Xi(k)為研究區145條泥石流溝因子賦值；Wi為研究區6個泥石流敏感性評價因子權重。

根據研究區145條泥石流溝判別系數矩陣表里的值，在ArcGIS軟件里對泥石流溝屬性表進行字段賦值，然后在ArcGIS里的字段計算器模塊中利用公式(2)，計算得到泥石流溝的綜合敏感度值。參考前人研究結果[6]，考慮到本文單溝的各評價因子都在ArcGIS軟件中進行了定量化的處理并不是按整數1—4賦值，并結合實地對研究區泥石流災害野外調查統計等因素將研究區145條泥石流溝的敏感性劃分為3類，得到泥石流溝敏感性評價圖，見圖2。

圖2 研究區泥石流敏感性分級Fig.2 Classification of the study area according to levels of debris flow susceptibility

(1)S≤2.3，為低度敏感性泥石流流域，主要分布在汶川縣的西南部，未來可能有低頻小規模的泥石流發生，隨著時間變化，山體、植被恢復，流域可能會慢慢向高含沙水流為主的山洪溝演變。

(2)2.3

(3)S≥2.9，為高度敏感性泥石流流域，主要在岷江與漁子溪流域交匯處集中分布，未來可能暴發高頻大規模的泥石流，造成較為嚴重的生命財產損失，長時間需要綜合泥石流防治措施治理。

5 結 論

根據概率綜合判別方法并運用層次分析法，建立了研究區145條泥石流溝敏感性評價模型，得到研究區泥石流敏感性分級圖。根據這一模型最終得到了60條泥石流屬于高敏感性，易發生泥石流，43條泥石流溝為中敏感性，需要定期監測警惕突然暴發，其余42條泥石流溝敏感性較低，較為安全。

考慮到研究區汶川縣是地震強震區，因此選擇了坡度、坡向、地層巖性、地震峰值加速度、距水系距離、距斷層距離6個評價因子作為評價指標，使用概率數學方法對各評價因子進行數據統計分析，從大量原始數據中找到了一定的規律性，提高敏感性評價的客觀性，得到每個評價因子的因子分級范圍及貢獻分值,使泥石流敏感性評價結果更加精準可靠。

根據6個評價因子的判別區間權重賦值標準，結合研究區145條泥石流溝在上述評價因子的分布情況，得到研究區每條泥石流溝的敏感性量化分值，單溝的各評價因子都在ArcGIS軟件中進行了定量化的處理，使評價結果更加客觀可靠。

[1] 黃潤秋.汶川地震地質災害后效應分析[J]． 工程地質學報，2011，19(2):145-151．

[2] 崔 鵬,韋方強,何思明,等．5·12汶川地震誘發的山地災害及減災措施[J]．山地學報，2008，26(3)：280-282.

[3] 唐 川.汶川地震區暴雨滑坡泥石流活動趨勢預測[J]．山地學報，2010，28(3)：341-349.

[4] AYALEW L,YAMAGISHI H.The Application of GIS-based Logistic Regression for Landslide Susceptibility Mapping in the Kakuda-Yahiko Mountains，Central Japan[J]．Elsvier，2005，65(1):15-31.

[5] 唐 川.云南怒江流域泥石流敏感性空間分析[J].地理研究,2005,24(2): 178-185.

[6] CHANG T C.Risk Degree of Debris Flow Applying Neural Networks[J].Natural Hazards,2007,42(1):209-224.

[7] 劉 洋,唐 川,李為樂,等.四川省都江堰市龍池地區群發性泥石流物源敏感性分析[J].災害學,2013,28(2):107-113.

[8] 向靈芝,李 泳,陳洪凱,等.基于流域演化的泥石流敏感性分析[J].長江流域資源與環境,2015,24(11):1984-1992.

[9] 胡寶榮.基于遙感與GIS技術的汶川縣地震前后生態環境質量評價[D].成都:成都理工大學,2009.

[10] 程 思,易加強.四川省汶川縣地質災害的成因及防治對策[J].地質災害與環境保護,2007,18(4):1-4.

[11] 唐邦興，柳素清 .四川省阿壩藏族羌族自治州泥石流及其防治研究[M]． 成都: 成都科技大學出版社，1993: 21-25.

[12] 周 偉,唐 川，周春花.汶川震區暴雨泥石流激發雨量特征[J].水科學進展,2012,23(5): 650-655.

[13] DAI F C,XU C,YAO X,etal.Spatial Distribution of Landslides Triggered by the 2008 Ms 8.0 Wenchuan Earthquake,China[J].Journal of Asian Earth Sciences,2012,40(4):883-895.

[14] KAMP U， GROWLEY B J， KHATTAK G A，etal． GIS-based Landslide Susceptibility Mapping for the 2005 Kashmir Earthquake Region[J]．Geomorphology，2008,101:631-642.

[15] 唐 川,梁京濤.汶川震區北川9·24暴雨泥石流特征研究[J].工程地質學報,2008,(6): 752-758.

[16] WANG W N，NAKAMURA H，TSUCHIYA S，etal．Distributions of Landslides Triggered by the Chi-Chi Earthquake in Central Taiwan on September 21，1999[J]．Journal of the Japan Landslide Society，2002，38( 4): 318-326.

[17] 李樹德,任秀生,岳升陽,等.地震與泥石流活動[J].水土保持研究,2001,8(2):26-28.

[18] CHANG Ming,TANG Chuan,ZHANG Dan-dan,etal.Debris Flow Susceptibility Assessment Using a Probabilistic Approach: A Case Study in the Longchi Area,Sichuan Province,China[J]．Journal of Mountain Science,2014,11(4):1001-1014.

[19] LI Wei-le,HUANG Run-qiu,TANG Chuan，etal．Co-seismic Landslide Inventory and Susceptibility Mapping in the 2008 Wenchuan Earthquake Disaster Area,China[J]． Journal of Mountain Science,2013,10(3):339-354.

(編輯：趙衛兵)

Susceptibility Assessment of Debris Flow Using a Probabilistic andGIS Approach: A Case Study on the Wenchuan County

XIA Chen-hao,ZHU Jing,CHANG Ming,YANG Yu

(State Key Laboratory of Geo-hazard Prevention and Geo-environment Protection,Chengdu University of Technology,Chengdu 610059,China)

In this paper we mapped co-seismic landslides and potential source materials for generating debris flows in 145 catchments based on high resolution satellite images in Wenchuan County.Slope,aspect,lithology,peak ground acceleration,distance to drainage,distance to faults were used as factors for debris flow susceptibility analysis.Probabilistic mathematic method,spatial analysis,analytic hierarchy process,and weight analysis were applied to generate a debris flow susceptibility map.Our result indicates that 60,43,and 42 catchments were highly,moderately,and lowly susceptible to debris flow respectively.The results offer reference for the debris flow research and mitigation planning of the area in the future.

debris flow; analytic hierarchy process (AHP); probabilistic approach; susceptibility; Wenchuan county; GIS

P642.23

A

1001-5485(2017)10-0034-05

2016-06-29;

2016-08-28

科技基礎性工作專項(2011FY110100-3)；國家重點實驗室團隊項目(SKLGP2012Z002)

夏晨皓(1992-)，男，四川綿陽人，碩士研究生，主要從事地質災害及GIS應用方面的研究,(電話)18200121317 (電子信箱)791364601@qq.com。

朱 靜(1964-)，女，江蘇寶應人，教授，博士，主要從事自然災害、生態環境評價和GIS應用研究，(電話)13981814078(電子信箱)zhujing@cdut.edu.cn。

10.11988/ckyyb.20160664 2017,34(10):34-38,44