基于LiDAR數(shù)據(jù)的汕尾火山嶂地質(zhì)災(zāi)害風(fēng)險(xiǎn)評價(jià)*

甄俊偉，黃智煒，章桂芳，3，4，曾探，王同皓

1.廣東省地質(zhì)局第七地質(zhì)大隊(duì)，廣東 惠州 516000

2.中山大學(xué)地球科學(xué)與工程學(xué)院，廣東 珠海 519082

3.廣東省地質(zhì)過程與礦產(chǎn)資源探查實(shí)驗(yàn)室，廣東 珠海 519082

4.南方海洋科學(xué)與工程廣東省實(shí)驗(yàn)室（珠海）， 廣東 珠海 519082

山地丘陵面積較大，地質(zhì)條件復(fù)雜，以及構(gòu)造活動頻繁等多種因素綜合作用，使我國成為世界上地質(zhì)災(zāi)害極其頻繁的國家之一。每年因?yàn)?zāi)死亡人數(shù)眾多，造成的經(jīng)濟(jì)財(cái)產(chǎn)損失極為嚴(yán)重，地質(zhì)災(zāi)害防治形勢十分嚴(yán)峻（許強(qiáng)，2020）。在災(zāi)害發(fā)生后準(zhǔn)確地識別地質(zhì)災(zāi)害的位置和范圍對于受災(zāi)區(qū)域后續(xù)的災(zāi)害預(yù)測和防災(zāi)減災(zāi)工作具有重要的指導(dǎo)意義。

傳統(tǒng)的地質(zhì)災(zāi)害識別主要依靠人工野外實(shí)地調(diào)查，存在費(fèi)時(shí)費(fèi)力、精準(zhǔn)度差、無法實(shí)時(shí)更新等問題，特別是在地形陡峻、氣候多變和人跡罕至區(qū)域則顯得更加困難，對植被覆蓋嚴(yán)重、隱蔽性較強(qiáng)的點(diǎn)位也難以準(zhǔn)確發(fā)現(xiàn)，亟須發(fā)展新的方法進(jìn)行快速高效的地質(zhì)災(zāi)害識別和調(diào)查（孫濤等，2021）。隨著對地觀測技術(shù)的迅猛發(fā)展，遙感因其具有大面積、實(shí)時(shí)性和周期性等特點(diǎn)，在地質(zhì)災(zāi)害調(diào)查中發(fā)揮越來越重要的作用。基于衛(wèi)星遙感技術(shù)的地質(zhì)災(zāi)害識別經(jīng)歷了目視解譯、基于像素、面向?qū)ο蠛蜕疃葘W(xué)習(xí)等4 個(gè)階段（王治華，1999；張帥娟，2017；陳善靜等，2020；蔡浩杰等，2022）。但是，由于大部分衛(wèi)星遙感影像的地面分辨率有限，對于小型的地質(zhì)災(zāi)害點(diǎn)無法有效識別；對于光譜特性與周圍環(huán)境并無明顯差異的古老滑坡體以及高植被覆蓋下的滑坡等地質(zhì)災(zāi)害，可見光遙感也無能為力。作為衛(wèi)星遙感觀測的新技術(shù)，航空遙感技術(shù)中的機(jī)載激光雷達(dá)（LiDAR，light de‐tection and ranging），從2000 年開始逐步被應(yīng)用于地質(zhì)災(zāi)害識別和定量分析研究中。機(jī)載LiDAR 通過高速激光對目標(biāo)地面進(jìn)行掃描測量，能在一定程度上“穿透”植被覆蓋物直接獲取真實(shí)的地形，采集到高精度的點(diǎn)云數(shù)據(jù)，從而生成1～10 cm 分辨率的DEM（數(shù)字高程模型），為植被覆蓋下的地質(zhì)災(zāi)害調(diào)查、監(jiān)測和預(yù)防提供了基礎(chǔ)數(shù)據(jù)和有效手段（van den Eeckhaut et al.，2005；Corsini et al.，2009；Li et al.，2015；Pawluszek，2019；董秀軍等，2020；劉小莎等，2021；尹晨灃，2021；Gorsevski，2021；許強(qiáng)等，2022；鄧博等，2022）。

汕尾火山嶂位于廣東省汕尾市北部山區(qū)，山體陡峻，滑坡/崩塌較為密集，坡面和溝谷堆積了大量的松散堆積物，山腳分布較多居民區(qū)。若遇強(qiáng)降雨極有可能發(fā)生滑坡、崩塌并引發(fā)泥石流災(zāi)害，嚴(yán)重威脅群眾的生命財(cái)產(chǎn)。因此，查明本區(qū)域的滑坡/崩塌的點(diǎn)位和體量，進(jìn)行區(qū)域地質(zhì)災(zāi)害風(fēng)險(xiǎn)評價(jià)是該區(qū)地質(zhì)災(zāi)害監(jiān)測和防治的重要工作。但是該區(qū)地勢較陡，植被茂密，可見光遙感在該區(qū)的探測能力受限。因此，本文擬綜合高分一號遙感影像和機(jī)載激光雷達(dá)（LiDAR）技術(shù)獲取的高精度DEM 衍生的高程、坡度、坡向、曲率、起伏度、粗糙度和山體陰影等因子圖像進(jìn)行滑坡/崩塌的解譯識別，綜合劃定火山嶂各個(gè)子區(qū)的地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級，為該區(qū)域的防災(zāi)減災(zāi)提供有力支持。

1 研究區(qū)域

1.1 區(qū)域地質(zhì)背景

火山嶂位于汕尾市陸河縣河田鎮(zhèn)北部（圖1a），距陸河縣城約2 km。陸河縣以低山丘陵地貌為主，全縣丘陵面積460 km2，其中海拔高度在500 m 以上的山地面積約260 km2。陸河縣海拔高度700 m以上的山峰有7 座，其中火山嶂為第4 高的山，海拔高度763 m?；鹕结稚郊棺呦蚨酁镹E-SW 向，坡頂局部區(qū)域基巖裸露，溝谷以“Ⅴ”字型溝谷為主，整體山體植被覆蓋較好（圖1b）?；鹕结謱賮啛釒Ъ撅L(fēng)氣候區(qū)，年平均氣溫為21～22 ℃，多年年平均降雨量為1 800～2 400 mm，年最大降雨量可達(dá)3 728 mm，24 h 最大降雨量為620 mm，72 h連續(xù)最大降雨量為1 062 mm（2018 年8 月28～31日）。根據(jù)1∶20萬海豐幅地質(zhì)圖（圖1c），研究區(qū)內(nèi)巖性主要為燕山三期（γ52（3））二長花崗巖，及第四系沖洪積層、殘積層。區(qū)內(nèi)的地質(zhì)構(gòu)造主要為河口斷裂及蓮塘斷裂，屬蓮花山斷裂的一部分。受斷裂構(gòu)造影響，區(qū)內(nèi)巖石片理化發(fā)育，屬全～強(qiáng)風(fēng)化花崗巖，坡面一般覆蓋有10～20 m的砂質(zhì)黏性土。

圖1 研究區(qū)域概況圖Fig.1 The study area overview

1.2 區(qū)域地質(zhì)災(zāi)害

2018 年8 月28～31 日，陸河縣發(fā)生了連續(xù)降雨量為1 062 mm，24 h 降雨量達(dá)620 mm 的歷史最大降雨，距離火山嶂約3 km 的共聯(lián)村發(fā)生泥石流災(zāi)害并造成2人死亡，30多間房屋受損，直接財(cái)產(chǎn)損失500～1 000 萬元，威脅共聯(lián)村2 700 人的人身財(cái)產(chǎn)安全，威脅財(cái)產(chǎn)損失7 400 萬元。該次降雨同樣造成火山嶂發(fā)生眾多崩塌/滑坡，并呈松散狀堆積于溝谷中，進(jìn)而形成泥石流，規(guī)模約20 000 m3，屬中型泥石流。雖未造成人員傷亡，但坡面堆積了大量的松散堆積物，加之火山嶂地區(qū)山體較陡，山腳有部分居民區(qū)，且距縣城較近，若遇強(qiáng)降雨極有可能再次發(fā)生泥石流，對群眾的生命財(cái)產(chǎn)有嚴(yán)重威脅。因此，火山嶂作為泥石流隱患區(qū)，對其進(jìn)行詳盡的災(zāi)害調(diào)查對災(zāi)害防治具有非常重要的意義。

本研究利用LiDAR 數(shù)據(jù)消除植被影響，生成高精度DEM 數(shù)據(jù)，并基于DEM 生成坡度、坡向、曲率、起伏度、粗糙度和山體陰影等地形因子，建立滑坡/崩塌在各個(gè)因子上的解譯標(biāo)志。進(jìn)一步綜合高分一號遙感影像進(jìn)行研究區(qū)域的滑坡/崩塌解譯，確定滑坡/崩塌的位置及范圍。然后基于分形理論確定各解譯因子對滑坡/崩塌形成的影響和權(quán)重，綜合計(jì)算獲得每個(gè)解譯滑坡/崩塌的確認(rèn)概率，刪除確認(rèn)概率較低的滑坡/崩塌。最后基于火山嶂各個(gè)溝谷的地形特征、滑坡/崩塌數(shù)量和體量以及人類活動分布對每個(gè)子區(qū)的地質(zhì)災(zāi)害風(fēng)險(xiǎn)進(jìn)行評價(jià)。

2 數(shù)據(jù)獲取與處理

2.1 LiDAR數(shù)據(jù)獲取

2021 年12 月13～15 日對火山嶂地區(qū)的5.5 km2區(qū)域進(jìn)行了激光雷達(dá)測量（LiDAR），通過點(diǎn)云數(shù)據(jù)處理，得到了高精度的DEM 數(shù)據(jù)。本次機(jī)載激光雷達(dá)測量采用飛馬公司D20 大載重旋翼無人機(jī)系統(tǒng)，搭載LiDAR200激光雷達(dá)模塊，該模塊的各項(xiàng)技術(shù)參數(shù)見表1。

表1 LiDAR200激光雷達(dá)參數(shù)Table 1 Parameters of LiDAR200 Laser Radar

2.2 LiDAR數(shù)據(jù)處理

對采集的高程數(shù)據(jù)，利用飛馬無人機(jī)管家“智激光”進(jìn)行點(diǎn)云解算，航帶平差，精度檢查，最終形成高精度的DEM 產(chǎn)品（圖2a），高程分辨率為5 cm。并根據(jù)DEM計(jì)算該地區(qū)的坡度（圖2c）。

圖2 火山嶂DEM、三維影像及各個(gè)地形因子圖Fig.2 DEM, 3D image, and various terrain factor maps of Huoshanzhang based on LiDAR Data

根據(jù)該區(qū)的高程和坡度數(shù)據(jù)，火山嶂山脊走向多為NE-SW 向；山體坡頂標(biāo)高約765.4 m，坡腳標(biāo)高約50.1 m；山體坡度大部分區(qū)域約20°～30°，局部斜坡單元較陡，自然坡度大于45°，區(qū)內(nèi)的邊坡主要表現(xiàn)為S-SE 向坡較陡，W-NW 向坡較緩?；鹕结譁瞎燃皟蓚?cè)巖土體主要為殘積礫質(zhì)黏性土和全-強(qiáng)風(fēng)化花崗巖，該類巖土體物理力學(xué)性能差，溝谷兩岸的斜坡較易失穩(wěn)。

2018 年的歷史最大降雨量造成了火山嶂地區(qū)多處發(fā)生滑坡/崩塌。滑坡/崩塌最直接的地表證據(jù)是裸露的巖體或者土體，這在光學(xué)遙感影像上具有非常明顯的可視化特征。但是由于火山嶂所處地區(qū)氣候溫?zé)幔涤炅控S沛，滑坡/崩塌發(fā)生后某些土質(zhì)較豐富的區(qū)域很快會被植被覆蓋，導(dǎo)致滑坡/崩塌產(chǎn)生的地表裸露隨之變得模糊或者消失，光學(xué)遙感影像上的可視化特征會很快減弱甚至消失。目前，火山嶂整體山體植被覆蓋度可達(dá)80%，某些滑坡和崩塌的點(diǎn)位和范圍已無法準(zhǔn)確用光學(xué)遙感影像進(jìn)行識別和解譯。

基于LiDAR 生成的DEM 數(shù)據(jù)可以消除植被的影響（圖2a），DEM 疊加高分一號遙感影像（RGB：432 波段）生成的三維圖可以立體呈現(xiàn)火山嶂地區(qū)的地表形貌（圖2b）。但是這兩種圖像并不能有效顯示所有滑坡/崩塌，特別是當(dāng)滑坡/崩塌被植被覆蓋的時(shí)候，為了充分利用滑坡/崩塌引起的地形異常而將其位置、范圍和形態(tài)提取出來。本文增加了由DEM 生成的坡度、坡向、曲率、起伏度、粗糙度以及山體陰影等地形因子圖像對滑坡/崩塌進(jìn)行綜合解譯（圖2c-h）。

為了降低數(shù)據(jù)冗余，對地形因子兩兩進(jìn)行獨(dú)立性檢驗(yàn)，原假設(shè)是兩個(gè)因子間不獨(dú)立，顯著性統(tǒng)計(jì)結(jié)果如表2 所示，由于顯著性均大于0.05，故拒絕原假設(shè)，認(rèn)為地形因子之間具有獨(dú)立性。

表2 地形因子顯著性檢驗(yàn)結(jié)果Table 2 Results of terrain factor significance test

2.3 建立解譯標(biāo)志

通過獨(dú)立性檢驗(yàn)后，根據(jù)滑坡/崩塌在各個(gè)因子圖像上的顯示特征建立解譯標(biāo)志：

1） 坡度：當(dāng)坡度大于自然休止角并且沒有足夠內(nèi)聚力的時(shí)候，滑坡/崩塌就極易發(fā)生（Ercano‐glu et al.，2004；Conoscenti et al.，2008）。坡度是識別滑坡/崩塌特征的重要參數(shù)（郭果等，2013）：滑坡/崩塌在坡度因子上主要表現(xiàn)在兩側(cè)邊緣會與周圍山體存在明顯變化，滑坡/崩塌內(nèi)部坡度較為集中，色彩較平滑，滑坡/崩塌邊界處坡度圖像會有跳躍和突變，呈突變狀態(tài)（圖2c）。

2） 坡向：不同坡向地區(qū)具有不同的風(fēng)化條件（降雨，冰雪）、土地覆蓋類型（森林、草地、農(nóng)地）和土壤條件（滲透率），區(qū)內(nèi)山體易形成某一坡向坡度較陡，在降雨條件下，土體內(nèi)地下水飽和或發(fā)生滲流，土體重度變大及地下水的滲透力會更大，進(jìn)而通過這些因素對坡體產(chǎn)生影響而造成滑坡/崩塌（白世彪等，2005；Yalcin，2008；Mein‐hardt et al.，2015）。坡向難以判斷滑坡/崩塌的形態(tài)特征，但通?；?崩塌的邊界在坡向上也會有所體現(xiàn)，同時(shí)也可以分析滑坡的大致朝向，可以輔助觀察滑坡/崩塌的大致形態(tài)與變形程度（圖2d）。

3） 曲率：曲率對滑坡的發(fā)育主要通過影響地表徑流，導(dǎo)致斜坡體巖土壓力變化，凹陷的地形更容易匯集地表徑流，導(dǎo)致斜坡體壓力增大，形成滑坡/崩塌等災(zāi)害（Ayalew et al.，2004）。一般發(fā)生滑坡/崩塌災(zāi)害后，完整的斜坡會遭受嚴(yán)重破壞，曲率也會發(fā)生較明顯破壞。因此通過識別曲率的變化可以來識別滑坡/崩塌的范圍和形態(tài)（圖2e）。

4） 起伏度：判斷滑坡/崩塌的因子之一，滑坡/崩塌發(fā)生后，在邊界處高程通常會有突變，因此起伏度也能很好地幫助滑坡/崩塌邊界的識別（圖2f）。

5） 粗糙度：即地表曲面面積/平面面積，它能夠比較好地反應(yīng)地形的起伏變化，通?；?崩塌的邊界和滑坡/崩塌內(nèi)部相對于其他區(qū)域均有較明顯變化，其粗糙度會明顯區(qū)別于周圍的區(qū)域，可以通過粗糙度圖的異常變化來識別滑坡/崩塌，并且可以通過分形維數(shù)的方式來分析地表粗糙度（Glenn et al.，2005；尹晨灃，2021）（圖2g）。

6） 山體陰影：利用特定的太陽角度對地面照射產(chǎn)生的表面明暗程度連續(xù)變化并用灰度色調(diào)或彩色輸出而得到隨光度近似連續(xù)變化的色調(diào)（Horn，1981）。山體陰影增強(qiáng)被照亮的山坡的地形特征，將陡坡和溝壑增強(qiáng)顯示，可以較直接地觀察到山體的變形行跡，從而進(jìn)行滑坡/崩塌識別（圖2h，入射角方向?yàn)?15°）。

3 結(jié)果和討論

3.1 解譯結(jié)果

綜合遙感影像解譯和LiDAR 數(shù)據(jù)衍生的6 個(gè)地形因子圖像，本次研究共在火山嶂共解譯出44處滑坡/崩塌，其分布和范圍如圖3 所示，圖中數(shù)字為滑坡/崩塌編號。

圖3 火山嶂滑坡/崩塌解譯結(jié)果圖Fig.3 The map of landslide/avalanche interpretation results of Huoshanzhang

44 處滑坡/崩塌中的28 處在遙感影像上具有明顯的特征，選取7 號和15 號滑坡/崩塌為例，其遙感影像、現(xiàn)場照片和地形因子圖像見圖4。

圖4 7號和15號滑坡/崩塌的遙感影像、現(xiàn)場照片和地形因子Fig.4 Remote sensing images, field photographs,and terrain factors of landslides/collapses No.7 and No.15

除此之外，另外的16 處滑坡/崩塌在遙感影像上并無可供明顯解譯的色調(diào)或者紋理特征，其解譯主要依靠地形因子圖像，圖5 顯示了1 號和3 號滑坡/崩塌在遙感影像和各個(gè)因子圖像上的顯示特征。結(jié)果表明基于LiDAR 數(shù)據(jù)生成的各個(gè)地形因子圖像對植被覆蓋下的滑坡/崩塌（可見光影像上無明顯色調(diào)和紋理特征）具有較好的顯示，在植被覆蓋區(qū)具有很好的應(yīng)用效果。

圖5 1號和3號滑坡/崩塌的遙感影像和地形因子Fig.5 Remote sensing images and terrain factors of landslides/collapses No.1 and No.3

對解譯的滑坡/崩塌進(jìn)行面積、高程、粗糙度、坡度、坡向、起伏度和曲率等參數(shù)進(jìn)行統(tǒng)計(jì)，結(jié)果如表3。由表3 可知，研究區(qū)域高程范圍為50～765 m，滑坡/崩塌大致分布在150～500 m 之間的高程；研究區(qū)坡度范圍為0～87°，而滑坡/崩塌發(fā)生的坡面坡度主要集中在30°～40°這一區(qū)間（該區(qū)間山體第四系殘積土覆蓋較厚，40°以上的區(qū)域大部分為基巖裸露，或松散蓋層較薄），說明坡度30°～40°且第四系殘積土覆蓋較厚的坡面是土質(zhì)滑坡/崩塌發(fā)育的高風(fēng)險(xiǎn)區(qū)域；滑坡/崩塌坡向絕大部分在90°～270°之間，僅一個(gè)滑坡/崩塌坡向?yàn)?8°，說明滑坡/崩塌在南坡（向陽坡）的發(fā)生概率更高，因?yàn)樵搮^(qū)域受斷裂影響及季風(fēng)氣候的影響，南向的斜坡會受到更強(qiáng)烈的風(fēng)化作用（如日照、降水和晝夜溫差等），其土壤和巖石結(jié)構(gòu)相對更加松散，更容易發(fā)生滑坡/崩塌；曲率平均值大部分為負(fù)值，有40處，因?yàn)榘夹纹碌匦尉哂芯鬯?，水分的積聚會增加土體的重度，并沿坡面形成向外的水壓力，從而促使滑坡/崩塌的形成，而滑坡/崩塌發(fā)生后會進(jìn)一步促進(jìn)凹形坡的形成；滑坡/崩塌的粗糙度值域?yàn)?.174～1.450，整體較大，粗糙度的增大會導(dǎo)致水分滯留在土體內(nèi)，從而增加土壤飽和度和形成地下水的滲流，進(jìn)而影響滑坡/崩塌的發(fā)生；起伏度是指地表在水平方向上的高低起伏程度，滑坡/崩塌區(qū)域的起伏度分布在0.724～1.354，地形起伏度大的地區(qū)通常存在更多的坡面，地面的坡度也更加陡峭，土層的穩(wěn)定性較差，容易發(fā)生滑坡/崩塌。

表3 解譯滑坡/崩塌地形因子數(shù)據(jù)統(tǒng)計(jì)Table 3 Statistics of landslide/collapse terrain factor data interpretation

3.2 確認(rèn)概率計(jì)算

由于本文解譯獲得的滑坡/崩塌并不是在遙感影像和6個(gè)地形因子影像上均有明顯特征且地形因子對地質(zhì)災(zāi)害發(fā)生的影響程度各不相同。另外，各個(gè)滑坡/崩塌的解譯都基于特征因子圖像的目視解譯，會存在一定的誤差。因此本研究引入各個(gè)因子的權(quán)重計(jì)算，基于每個(gè)滑坡/崩塌在地形因子圖像上的特征顯示數(shù)量及權(quán)重對解譯結(jié)果的確認(rèn)概率進(jìn)行計(jì)算：

1） 對每處滑坡/崩塌出現(xiàn)的顯著特征數(shù)量進(jìn)行統(tǒng)計(jì)，有顯著顯示特征設(shè)為“1”，無明顯顯示特征設(shè)為“0”。

2） 利用分形理論計(jì)算6 個(gè)地形因子的分維值，作為權(quán)重設(shè)置的依據(jù)。通過計(jì)算各因子權(quán)重對各個(gè)地形因子在研究區(qū)域滑坡/崩塌解譯中的重要性進(jìn)行評估，確定它們對滑坡/崩塌解譯結(jié)果的貢獻(xiàn)程度，并基于綜合權(quán)重計(jì)算44 處滑坡/崩塌解譯的確認(rèn)概率，對準(zhǔn)確率較低的解譯結(jié)果進(jìn)行篩選，從而增強(qiáng)解譯結(jié)果的可信度。

分形理論是由Mandelbrot（1982）提出用于描述自相似性的數(shù)學(xué)理論，通過分維值來描述研究對象自相似性的程度：分維值越大，研究對象越復(fù)雜，反之，則越簡單。分形理論在地質(zhì)災(zāi)害研究中可用于描述地質(zhì)災(zāi)害的空間分布和危險(xiǎn)性評價(jià)等（周寅康等，1995；易順民等，1999；菊春燕等，2013；王森等，2017）。本文擬利用分維值來判斷各地形因子的影響權(quán)重，進(jìn)而對滑坡/崩塌的解譯確認(rèn)度作出定量判斷。

分形理論一般包括常維分形和變維分形，前者用于形態(tài)簡單的對象，一般定義為

其中N為相應(yīng)標(biāo)度下某物理量的測量值；C為常數(shù)；r為分類序號；D為分形維度。對于常維分形，D不隨r變化。但在自然界中很難存在嚴(yán)格滿足常維分形的事物，因此學(xué)者們便引入了變維分形的概念（付昱華，2000），將D從常量變成了變量，提出任意D=f(r)均可以變換轉(zhuǎn)換成（1）的表現(xiàn)形式，即進(jìn)行一次或者多次的累計(jì)變換，建立多個(gè)變維模型，在雙對數(shù)曲線中尋找最符合線性分布的模型，具體步驟如下：

（1）以滑坡的面積作為N，每個(gè)滑坡影響因子分為8 個(gè)類型，將原始數(shù)據(jù)（Nr，r）繪制在雙對數(shù)坐標(biāo)中，并通過

計(jì)算各分段的分維值，式中D是分形維度，i為類型，取值i=1，2，…，8.

（2）對原始數(shù)據(jù)（N1，N2，…，N8），進(jìn)行各階累加和，得到

（3）根據(jù)各階累計(jì)和建立相應(yīng)階的變維分形模型，并繪制雙對數(shù)坐標(biāo)曲線，尋找最優(yōu)變換階，即雙對數(shù)坐標(biāo)中最符合線性變化的數(shù)據(jù)，以此數(shù)據(jù)進(jìn)行線性擬合（本文采取的判斷標(biāo)準(zhǔn)是相關(guān)系數(shù)大于0.99），該擬合線的斜率即為數(shù)據(jù)的分維值。

根據(jù)上述步驟，分別對坡度、坡向、起伏度、粗糙度和曲率等5 個(gè)地形因子進(jìn)行計(jì)算。結(jié)果表明，火山嶂的坡度、坡向、起伏度、粗糙度、曲率與滑坡面積均呈二階累計(jì)與分形關(guān)系（圖6），其中各項(xiàng)分維值分別為：坡度1.790，坡向1.497，曲率2.547，粗糙度1.068，起伏度2.068，其相關(guān)系數(shù)除了曲率為0.996，其他因子均為0.999（表4）。通常分維值越大，代表該因子與滑坡之間的關(guān)系更復(fù)雜，貢獻(xiàn)也越大，相反則貢獻(xiàn)越小。由此可知，研究區(qū)域各個(gè)因子的影響力大小為：曲率＞起伏度＞坡度＞坡向＞粗糙度。

表4 地形因子分形結(jié)果及權(quán)重劃分表Table 4 Fractal results of terrain factors and weight allocation

圖6 滑坡/崩塌影響因子各階分維序列圖(a1-e1) 及最優(yōu)階擬合曲線(a2-e2)Fig.6 Multifractal spectrum plot of landslide factors (a1-e1) and best-fit curve of optimal order (a2-e2)

本研究中，將遙感影像權(quán)重設(shè)為0.3，山體陰影權(quán)重設(shè)置為0.2，按分維值從大到小分別賦值0.14、0.12、0.10、0.08 和0.06（表4），進(jìn)行加權(quán)計(jì)算后獲得滑坡/崩塌確認(rèn)概率如表5 所示。由此可知，解譯獲得的滑坡/崩塌確認(rèn)概率大于50%的滑坡有41 處，占比93%，確認(rèn)概率大于80%的滑坡有26 處，占比59%；而低于50%的滑坡/崩塌有3處（編號為10、21 和25，在表5 中斜體表示），均為遙感影像不明顯且地形特征顯著度不足，表明其準(zhǔn)確性較低，后期討論中將這3 處滑坡/崩塌剔除。

表5 解譯獲得的滑坡/崩塌在各個(gè)因子影像上的顯示狀態(tài)及確認(rèn)概率1）Table 5 Display status and confirmation probability of deciphered landslides/collapses on various factor images

3.3 地質(zhì)災(zāi)害風(fēng)險(xiǎn)評價(jià)

本研究采用水文分析的方法將火山嶂劃分為6個(gè)子區(qū)域（圖7），其中Ⅰ和Ⅱ區(qū)內(nèi)各有一個(gè)解譯滑坡/崩塌，Ⅲ區(qū)內(nèi)有5 處解譯滑坡/崩塌，Ⅳ區(qū)內(nèi)有13處解譯滑坡/崩塌，Ⅴ區(qū)內(nèi)有16 處解譯滑坡/崩塌，Ⅵ內(nèi)有8處解譯滑坡/崩塌。

圖7 火山嶂6個(gè)子區(qū)地質(zhì)災(zāi)害風(fēng)險(xiǎn)評價(jià)Fig.7 Geological hazard risk assessment of 6 subzones within the Huoshanzhang

根據(jù)各個(gè)子區(qū)內(nèi)的滑坡/崩塌密度和體量，并綜合每個(gè)子區(qū)的地形特征和周邊人類活動分布，對這6個(gè)子區(qū)的地質(zhì)災(zāi)害風(fēng)險(xiǎn)進(jìn)行分析：

（1） Ⅰ區(qū)位于火山嶂山體的西側(cè)，區(qū)內(nèi)地面標(biāo)高70～330 m，高差260 m，區(qū)內(nèi)發(fā)育一條主溝谷，溝谷長850 m，溝谷兩側(cè)植被覆蓋率高，區(qū)域僅發(fā)生有一處規(guī)模較小的滑坡/崩塌，且靠近居民區(qū)200 m 處有一處地形隆起，如遇泥石流災(zāi)害可作為緩沖，對人類生命和財(cái)產(chǎn)危害性較小，地質(zhì)災(zāi)害風(fēng)險(xiǎn)較小。

（2） Ⅱ區(qū)位于火山嶂山體的西側(cè)，區(qū)內(nèi)地面標(biāo)高60～540 m，高差480 m，區(qū)內(nèi)發(fā)育一條主溝谷、一條次溝谷。主溝谷長1 300 m，次溝谷長720 m，區(qū)域僅發(fā)生有一處規(guī)模較小的滑坡/崩塌，且溝谷兩側(cè)植被覆蓋茂密，地質(zhì)災(zāi)害風(fēng)險(xiǎn)較小。

（3） Ⅲ區(qū)位于火山嶂山體的中部區(qū)域，區(qū)內(nèi)地面標(biāo)高60～680 m，高差達(dá)620 m，區(qū)內(nèi)發(fā)育有一條長約1 300 m 的主溝谷，其中發(fā)育有5 處滑坡/崩塌，且規(guī)模較大，高程集中在200～400 m，溝谷高差大，發(fā)生大量降雨后有可能誘發(fā)泥石流災(zāi)害，地質(zhì)災(zāi)害風(fēng)險(xiǎn)較大。

（4） Ⅳ區(qū)位于火山嶂山體的中部區(qū)域，區(qū)內(nèi)海拔標(biāo)高60～660 m，高差達(dá)600 m，區(qū)內(nèi)發(fā)育有3條溝谷（1條主溝，2條支溝），匯水面積約1.4 km2。主溝發(fā)育長度約1 500 m，沿主溝發(fā)育有12處滑坡/崩塌，集中在500 m 處，規(guī)模較大且較為集中。該子區(qū)斜坡高差大，坡度大，溝谷長，在大量降雨時(shí)易發(fā)生滑坡和崩塌，集中發(fā)育的滑坡/崩塌也使該區(qū)具有豐富的碎屑物物源，從而引發(fā)泥石流等災(zāi)害，且緊鄰道路且山腳有較密集居民地，地質(zhì)災(zāi)害風(fēng)險(xiǎn)大。

（5） Ⅴ區(qū)位于火山嶂山體的東部區(qū)域，區(qū)內(nèi)標(biāo)高70～560 m，高差490 m，區(qū)內(nèi)發(fā)育有2 條主溝谷，溝谷長約1 400 m，該區(qū)共發(fā)育有14處滑坡/崩塌，但規(guī)模都很小，溝谷出山口離人類活動區(qū)域（道路和建筑）較遠(yuǎn)，地質(zhì)災(zāi)害風(fēng)險(xiǎn)較小。

（6） Ⅵ區(qū)位于Ⅳ區(qū)與Ⅴ區(qū)之間，區(qū)內(nèi)標(biāo)高70～250 m，高差170 m，自然坡度30°～45°，發(fā)育2 條溝谷，溝谷長約600 m，雖發(fā)育8 處滑坡，但規(guī)模極小，但是該區(qū)域離道路較近，且坡度較大，可能發(fā)生的滑坡或崩塌會對道路產(chǎn)生一定威脅，具有一定的地質(zhì)災(zāi)害風(fēng)險(xiǎn)。

綜上所述，如圖7 所示：Ⅳ區(qū)高差大，坡度大，溝谷長，滑坡/崩塌密度大，體量大，且其下部靠近人類活動區(qū)，滑坡/崩塌和泥石流災(zāi)害均需密切注意，地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級為“高風(fēng)險(xiǎn)”；Ⅲ區(qū)溝谷高差大，溝谷較長，滑坡/崩塌密度較大，滑坡/崩塌和泥石流災(zāi)害風(fēng)險(xiǎn)等級為“中風(fēng)險(xiǎn)”；Ⅵ區(qū)高差較小，滑坡/崩塌密度中等，但是緊靠道路且坡度較大，地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級為“中風(fēng)險(xiǎn)”；Ⅰ區(qū)和Ⅱ區(qū)滑坡/崩塌密度極小，高差也較小，因此風(fēng)險(xiǎn)等級為“低風(fēng)險(xiǎn)”；Ⅴ區(qū)高差小，雖有一定的滑坡/崩塌密度，但規(guī)模小且遠(yuǎn)離人類活動區(qū)域，風(fēng)險(xiǎn)等級為“低風(fēng)險(xiǎn)”。

4 結(jié) 論

本研究利用機(jī)載LiDAR 點(diǎn)云數(shù)據(jù)構(gòu)建的高分辨率DEM 及其衍生的地形因子數(shù)據(jù)，綜合遙感影像對汕尾市火山嶂進(jìn)行滑坡/崩塌解譯，并結(jié)合變維分形模型確定各解譯因子的權(quán)重后計(jì)算獲得每個(gè)解譯滑坡/崩塌的確認(rèn)概率，并結(jié)合火山嶂各個(gè)子區(qū)地形特征、滑坡/崩塌密度和體量以及人類活動分布進(jìn)行地質(zhì)災(zāi)害風(fēng)險(xiǎn)評價(jià)，主要的結(jié)論如下：

1） 綜合采用機(jī)載LiDAR 生成的高精度DEM及其衍生的坡度、坡向、曲率、起伏度、粗糙度和山體陰影等6 個(gè)地形因子和高分一號遙感影像，在火山嶂地區(qū)共解譯獲得滑坡/崩塌44 處，其中28處在遙感影像上具有明顯的特征，其余16 個(gè)滑坡/崩塌由于植被覆蓋，在遙感影像上并無可供明顯解譯的色調(diào)或者紋理特征，其解譯主要依靠地形因子。

2） 基于變維分形模型對解譯滑坡/崩塌的地形因子權(quán)重進(jìn)行計(jì)算，結(jié)果表明火山嶂地區(qū)各地形因子對滑坡/崩塌的影響力大小為：曲率＞起伏度＞坡度＞坡向＞粗糙度，進(jìn)行加權(quán)計(jì)算后獲得滑坡/崩塌確認(rèn)概率，將3 處概率小于50%的滑坡/崩塌作為無效結(jié)果進(jìn)行剔除。

3） 采用水文分析的方法將火山嶂劃分為6 個(gè)子區(qū)，根據(jù)滑坡/崩塌密度和體量、地形特征和周邊人類活動分布對各個(gè)子區(qū)進(jìn)行地質(zhì)災(zāi)害風(fēng)險(xiǎn)評價(jià)：Ⅳ區(qū)滑坡/崩塌密度大，高差大，溝谷深，有較大的滑坡/崩塌和泥石流災(zāi)害風(fēng)險(xiǎn)，地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級評價(jià)為“高風(fēng)險(xiǎn)”；Ⅲ和Ⅵ區(qū)或有較大的滑坡/崩塌密度，或靠近人類活動區(qū)，地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級為“中風(fēng)險(xiǎn)”；Ⅰ和Ⅱ區(qū)滑坡/崩塌密度低，Ⅴ區(qū)的滑坡/崩塌都很小且遠(yuǎn)離人類活動區(qū)域，因此，將Ⅰ、Ⅱ和Ⅴ區(qū)地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級評價(jià)為“低風(fēng)險(xiǎn)”。

本研究表明，基于機(jī)載LiDAR 數(shù)據(jù)形成的DEM 及其衍生地形因子可以有效去除植被影響，是植被覆蓋區(qū)的地質(zhì)災(zāi)害解譯和風(fēng)險(xiǎn)評價(jià)的有效手段。