崩崗侵蝕發(fā)生風(fēng)險(xiǎn)評(píng)估方法的對(duì)比研究
——以廣東省為例

孫 昆，程冬兵，賀佳杰，趙元凌

(1.長(zhǎng)江科學(xué)院，湖北 武漢 430010； 2.華中農(nóng)業(yè)大學(xué)，湖北 武漢 430010)

風(fēng)險(xiǎn)是指不利事件未來(lái)發(fā)生的可能性分布函數(shù)和不利事件所導(dǎo)致?lián)p失的可能性分布函數(shù)的總稱(chēng)，風(fēng)險(xiǎn)評(píng)估是指客觀認(rèn)識(shí)到不利事件發(fā)生的風(fēng)險(xiǎn)因素，計(jì)算研究區(qū)風(fēng)險(xiǎn)并確定風(fēng)險(xiǎn)等級(jí)的過(guò)程[1]。目前有關(guān)土壤侵蝕領(lǐng)域風(fēng)險(xiǎn)評(píng)估的案例較少，常見(jiàn)的有兩種：一是借助土壤侵蝕模型進(jìn)行風(fēng)險(xiǎn)評(píng)估，比如ANGIMA et al.[2-4]憑借經(jīng)驗(yàn)統(tǒng)計(jì)模型USLE/RUSLE，通過(guò)因子選擇及綜合方法對(duì)土壤侵蝕進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)，陳嘉林[5]運(yùn)用基于GIS的分布式流域水文模型SWAT進(jìn)行了福建省典型崩崗區(qū)潛在性崩崗風(fēng)險(xiǎn)評(píng)估；二是從統(tǒng)計(jì)分析的角度進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)，主要有因子加權(quán)法，如VRIELING et al.[6-7]通過(guò)專(zhuān)家打分及標(biāo)準(zhǔn)評(píng)分確定因子貢獻(xiàn)值，繼而加權(quán)確定風(fēng)險(xiǎn)等級(jí)，還有結(jié)合Logistic模型進(jìn)行風(fēng)險(xiǎn)分級(jí)評(píng)價(jià)研究，如王文娟等[8]以SPOT 5影像為基礎(chǔ)，結(jié)合地形圖提取了與溝蝕形成相關(guān)的11個(gè)地形因子，構(gòu)建Logistic模型并據(jù)此對(duì)研究區(qū)溝蝕發(fā)生風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)。但是目前風(fēng)險(xiǎn)評(píng)估理念的應(yīng)用在土壤侵蝕領(lǐng)域尚處于探索階段。

崩崗侵蝕是我國(guó)南方紅壤區(qū)一種特殊的水土流失形式，也是水土流失嚴(yán)重的一個(gè)顯著標(biāo)志。我國(guó)南方紅壤區(qū)崩崗侵蝕模數(shù)高、發(fā)展速度快，并伴有突發(fā)性、長(zhǎng)期性等特點(diǎn)。廣東省崩崗數(shù)量最多、密度最大，選擇廣東省作為崩崗風(fēng)險(xiǎn)評(píng)估的研究區(qū)具有代表性。本研究以廣東省為例，在崩崗侵蝕風(fēng)險(xiǎn)評(píng)估及分類(lèi)防控關(guān)鍵技術(shù)研究項(xiàng)目前期工作的基礎(chǔ)上，重點(diǎn)對(duì)項(xiàng)目中采用的兩種風(fēng)險(xiǎn)評(píng)估方法進(jìn)行對(duì)比研究，旨在為優(yōu)化崩崗風(fēng)險(xiǎn)評(píng)估方法提供科學(xué)依據(jù)，也希望能為廣東省崩崗侵蝕防治提供決策參考。

1 研究方法

1.1 信息量法

信息量法是通過(guò)信息熵的減少表征事件發(fā)生的可能性[9]。在崩崗侵蝕風(fēng)險(xiǎn)評(píng)估中，信息熵的減少意味著崩崗的發(fā)生。信息熵是信息量的期望，因此可以采用信息量來(lái)衡量崩崗侵蝕產(chǎn)生的可能性。信息量由崩崗侵蝕發(fā)生的概率決定，其計(jì)算公式為

(1)

式中：Ii為第i個(gè)影響因子對(duì)崩崗侵蝕提供的信息量，i=1，2，…，n；Ni為第i個(gè)影響因子作用下崩崗侵蝕發(fā)生的數(shù)量；N為崩崗侵蝕發(fā)生的總數(shù)量。

以各影響因子的信息量作為信息量法的自變量，既表現(xiàn)了各因子類(lèi)中各影響因子對(duì)崩崗侵蝕貢獻(xiàn)的大小，也表現(xiàn)了各因子類(lèi)對(duì)崩崗侵蝕的貢獻(xiàn)。在ArcGIS中，運(yùn)用柵格計(jì)算器將不同因子類(lèi)圖層中的各種影響因子以信息量為系數(shù)進(jìn)行疊加，以圖像的形式表現(xiàn)不同影響因子共同影響下的廣東省崩崗侵蝕風(fēng)險(xiǎn)分布趨勢(shì)，計(jì)算公式為

P=I1x1+I2x2+…+Inxn

(2)

式中：P為事件發(fā)生的概率；Ii為第i個(gè)影響因子對(duì)崩崗侵蝕提供的信息量，i=1，2，…，n；xi為第i個(gè)影響因子圖層。

1.2 Logistic回歸分析法

Logistic回歸分析屬于判別分析[10]，因變量取值有0與1兩種。采用Logistic模型將崩崗發(fā)生與否作為因變量進(jìn)行回歸分析，能對(duì)二值響應(yīng)的因變量和分類(lèi)自變量進(jìn)行回歸建模，根據(jù)建立的模型對(duì)未知的每個(gè)柵格崩崗侵蝕可能發(fā)生的概率進(jìn)行預(yù)測(cè)，進(jìn)而依據(jù)發(fā)生概率大小進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)[11]。其計(jì)算公式為

(3)

式中：βi為 Logistic方程的解釋變量系數(shù)，i=0,1,…,n；其余符號(hào)意義同上。

2 研究區(qū)概況及數(shù)據(jù)來(lái)源

2.1 研究區(qū)概況

廣東省地處中國(guó)大陸最南部，位于北緯20°13′～25°31′、東經(jīng)109°39′～117°19′，陸地面積為17.98萬(wàn)km2；山脈以東北—西南走向居多，粵北的山脈多為向南拱出的弧形山脈，粵東和粵西有少量西北—東南走向的山脈，山脈間有谷地和盆地分布，平原以珠江三角洲平原最大，潮汕平原次之；構(gòu)成各類(lèi)地貌的基巖以花崗巖最為普遍，砂巖和變質(zhì)巖也較多，在粵西北還有較大片的石灰?guī)r分布；最重要的地帶性土壤是紅壤、赤紅壤和磚紅壤，其分布面積分別占全省土壤面積的37.96%、24.80%、5.15%；屬東亞季風(fēng)區(qū)，降雨充沛，年均降水量1 300～2 500 mm，年均氣溫19～24 ℃。廣東省是我國(guó)崩崗侵蝕最為嚴(yán)重的省份之一：崩崗數(shù)量最多，約10.79萬(wàn)個(gè)，占南方崩崗總數(shù)的45.14%，平均1.67 km2土地就有1個(gè)崩崗；崩崗面積最大，約82 760 hm2，占南方崩崗總面積的67.83%；崩崗侵蝕嚴(yán)重，造成的水土流失量約占廣東省水土流失總量的43%。崩崗嚴(yán)重地區(qū)會(huì)出現(xiàn)土地退化和生態(tài)環(huán)境惡化，且治理難度大，已成為廣東省山區(qū)經(jīng)濟(jì)發(fā)展的主要制約因素之一。

2.2 數(shù)據(jù)來(lái)源

本研究涉及的廣東省各因子類(lèi)數(shù)據(jù)來(lái)源包括：2005年崩崗普查成果；中國(guó)氣象數(shù)據(jù)網(wǎng)和531個(gè)氣象站點(diǎn)數(shù)據(jù)資料；中國(guó)地質(zhì)調(diào)查局2004年出版的《1∶250萬(wàn)中國(guó)地質(zhì)圖》；中國(guó)科學(xué)院南京土壤研究所1995年發(fā)布的1∶100萬(wàn)中國(guó)土壤屬性數(shù)據(jù)庫(kù)；NASA新一代對(duì)地觀測(cè)衛(wèi)星Terra觀測(cè)得到的先進(jìn)星載熱發(fā)射和反射輻射儀全球數(shù)字高程模型(30 m分辨率)；2005年美國(guó)陸地資源衛(wèi)星Landsat8 OLI多光譜影像和中國(guó)環(huán)境減災(zāi)衛(wèi)星多光譜影像(30 m分辨率)。

3 結(jié)果與分析

3.1 評(píng)估指標(biāo)篩選

基于ArcGIS等軟件平臺(tái)，得到廣東省崩崗點(diǎn)數(shù)據(jù)與各因子類(lèi)圖層空間疊加成果。對(duì)主要影響因子進(jìn)行分析，得出崩崗主要分布在年降水量為1 500～1 800 mm，地質(zhì)類(lèi)型為沉積巖、花崗巖、變質(zhì)巖，土壤類(lèi)型為赤紅壤、磚紅壤、紅壤及黃壤，坡度為0～30°，高程為0～400 m，地形起伏度為0～150 m，植被覆蓋度為<20%、80%～90%，土地利用類(lèi)型為林地、農(nóng)田及裸地的區(qū)域內(nèi)。盡管崩崗分布隨氣溫呈現(xiàn)出一定的規(guī)律，但由于多年平均氣溫在廣東省區(qū)域尺度上變化不明顯，因此多年平均氣溫不宜作為評(píng)估指標(biāo)。另外，一些崩崗侵蝕分布密度特別小的因子也應(yīng)直接剔除，如土地利用中除有林地、農(nóng)田及裸地外的其他因子，土壤類(lèi)型中除赤紅壤、磚紅壤、紅壤和黃壤外的其他因子等。最終篩選出年降水量、地質(zhì)類(lèi)型、土壤類(lèi)型、坡度、高程、地形起伏度、植被覆蓋度、土地利用類(lèi)型等8個(gè)因子類(lèi)共34個(gè)因子，具體如下：年降水量為1 500～1 600、1 600～1 700、1 700～1 800、1 800～1 900 mm；地質(zhì)類(lèi)型為其他火成巖、沉積巖、變質(zhì)巖、花崗巖；土壤類(lèi)型為赤紅壤、磚紅壤、紅壤、黃壤；坡度為0～10°、10°～20°、20°～30°、30°～40°；土地利用類(lèi)型為林地、農(nóng)田及裸地；高程為0～100、100～200、200～300、300～400、400～500、500～600 m；地形起伏度為0～50、50～100、100～150、150～200 m；植被覆蓋度為<20%、20%～40%、40%～60%、60%～80%、80%～90%、>90%。

3.2 崩崗侵蝕發(fā)生風(fēng)險(xiǎn)評(píng)估

3.2.1 信息量法

基于ArcGIS軟件得到8種影響因子類(lèi)對(duì)應(yīng)的崩崗侵蝕數(shù)量，結(jié)合公式(1)可計(jì)算出8種影響因子類(lèi)對(duì)應(yīng)的信息量，見(jiàn)表1。

根據(jù)表1中各因子的信息量，結(jié)合公式(2)建立信息量預(yù)測(cè)方程為

P=4.05x1+5.14x2+…+5.13x34

(4)

在ArcGIS中，根據(jù)式(4)，運(yùn)用柵格計(jì)算器將所有因子圖層進(jìn)行疊加運(yùn)算，歸一化處理后即得廣東省崩崗侵蝕發(fā)生風(fēng)險(xiǎn)分布圖，見(jiàn)圖1。

3.2.2 Logistic回歸分析法

采用ArcGIS軟件，將篩選所得各因子類(lèi)數(shù)據(jù)與隨機(jī)抽樣得到的1萬(wàn)個(gè)采樣網(wǎng)格(有崩崗點(diǎn)、無(wú)崩崗點(diǎn)各5 000個(gè))進(jìn)行空間疊加分析，得到每個(gè)網(wǎng)格對(duì)應(yīng)的因子數(shù)據(jù)。由篩選出的風(fēng)險(xiǎn)評(píng)估指標(biāo)所對(duì)應(yīng)的崩崗侵蝕密度，找到所有因子數(shù)據(jù)所處的因子類(lèi)范圍，每一個(gè)因子類(lèi)范圍都有著相應(yīng)的崩崗侵蝕密度。將1萬(wàn)個(gè)采樣網(wǎng)格中的所有因子數(shù)據(jù)替換為對(duì)應(yīng)的崩崗侵蝕密度，運(yùn)用SPSS中的二元Logistic回歸對(duì)數(shù)據(jù)進(jìn)行分析，其中因變量為采樣網(wǎng)格中有無(wú)崩崗點(diǎn)存在，有崩崗點(diǎn)為1，無(wú)崩崗點(diǎn)為0，分析結(jié)果見(jiàn)表2。

表1 各因子類(lèi)崩崗侵蝕密度對(duì)應(yīng)信息量

圖1 基于信息量法的廣東省崩崗侵蝕發(fā)生風(fēng)險(xiǎn)評(píng)估結(jié)果

由表2中的回歸系數(shù)β結(jié)合公式(3)得到的回歸模型為

(5)

表2 Logistic回歸系數(shù)

在ArcGIS中，根據(jù)式(5)，運(yùn)用柵格計(jì)算器將所有因子類(lèi)圖層進(jìn)行疊加運(yùn)算，歸一化處理后即得廣東省崩崗侵蝕發(fā)生風(fēng)險(xiǎn)分布圖，見(jiàn)圖2。

圖2 基于Logistic回歸分析法的廣東省崩崗侵蝕發(fā)生風(fēng)險(xiǎn)評(píng)估結(jié)果

3.3 基于兩種評(píng)估方法的崩崗發(fā)生風(fēng)險(xiǎn)特征對(duì)比

3.3.1 空間分布對(duì)比

綜合以上兩種方法，可以看出信息量法得到的崩崗侵蝕風(fēng)險(xiǎn)分布總體趨勢(shì)與Logistic回歸分析法基本一致。區(qū)別是信息量法風(fēng)險(xiǎn)區(qū)分布較為分散，Logistic回歸分析法較為緊密；信息量法高風(fēng)險(xiǎn)區(qū)分布較廣，中風(fēng)險(xiǎn)區(qū)面積略小，Logistic回歸分析法則相反。

分析兩種風(fēng)險(xiǎn)評(píng)估方法在發(fā)生風(fēng)險(xiǎn)的空間分布上存在的偏差，可能是由以下兩點(diǎn)所致：一是在數(shù)量龐大的采樣網(wǎng)格中隨機(jī)抽樣，不同抽樣結(jié)果會(huì)導(dǎo)致抽樣網(wǎng)格的因子數(shù)據(jù)發(fā)生變化，對(duì)回歸結(jié)果產(chǎn)生一定影響；二是選取的采樣網(wǎng)格為1 000 m×1 000 m，衛(wèi)星影像的分辨率為30 m×30 m，單個(gè)采樣網(wǎng)格中可能存在多個(gè)崩崗點(diǎn)，但進(jìn)行Logistic回歸分析時(shí)將上述情況均按有崩崗點(diǎn)一種情況進(jìn)行計(jì)算，這可能會(huì)對(duì)回歸結(jié)果造成影響。

3.3.2 強(qiáng)度等級(jí)對(duì)比

在強(qiáng)度等級(jí)上進(jìn)行對(duì)比可以發(fā)現(xiàn)，兩種風(fēng)險(xiǎn)評(píng)估方法得到的崩崗侵蝕風(fēng)險(xiǎn)強(qiáng)度相差不大。信息量法在崩崗侵蝕發(fā)生風(fēng)險(xiǎn)強(qiáng)度等級(jí)上與Logistic回歸分析法存在的差異，可能是由于采用信息量法進(jìn)行計(jì)算時(shí)，僅考慮到崩崗點(diǎn)對(duì)崩崗侵蝕風(fēng)險(xiǎn)的影響，未考慮到非崩崗點(diǎn)產(chǎn)生的影響。而Logistic回歸分析法統(tǒng)計(jì)了采樣網(wǎng)格中有崩崗點(diǎn)與無(wú)崩崗點(diǎn)兩種情況，無(wú)崩崗點(diǎn)的采樣網(wǎng)格風(fēng)險(xiǎn)等級(jí)較低，在與有崩崗點(diǎn)的采樣網(wǎng)格進(jìn)行疊加運(yùn)算時(shí)，會(huì)降低崩崗侵蝕的整體風(fēng)險(xiǎn)強(qiáng)度，因此信息量法得到的風(fēng)險(xiǎn)強(qiáng)度較Logistic回歸分析法高。

3.4 精度對(duì)比

通過(guò)對(duì)比存在崩崗發(fā)生的采樣網(wǎng)格數(shù)和崩崗侵蝕發(fā)生風(fēng)險(xiǎn)大于0.8的采樣網(wǎng)格數(shù)評(píng)估預(yù)測(cè)精度。評(píng)估結(jié)果的精度E以經(jīng)驗(yàn)的概率形式來(lái)表示，計(jì)算公式為

(6)

式中：NP為存在崩崗侵蝕的采樣網(wǎng)格總數(shù)量；N0.8為崩崗侵蝕發(fā)生風(fēng)險(xiǎn)大于0.8的區(qū)域中存在崩崗侵蝕的采樣網(wǎng)格數(shù)量。

經(jīng)計(jì)算，信息量法計(jì)算得到的崩崗發(fā)生風(fēng)險(xiǎn)評(píng)估精度為83.64%，Logistic回歸分析法計(jì)算得到的崩崗發(fā)生風(fēng)險(xiǎn)評(píng)估精度為82.95%。對(duì)比兩種風(fēng)險(xiǎn)評(píng)估方法精度，信息量法稍高于Logistic回歸分析法，兩者之間存在差異的原因，筆者認(rèn)為，信息量法包含了各因子對(duì)崩崗侵蝕的不同影響，保留了不同因子對(duì)崩崗侵蝕的影響值。例如，分布在植被覆蓋度80%～90%區(qū)域的崩崗數(shù)量占崩崗總數(shù)的30%左右，其原因可能是過(guò)高的喬木覆蓋度會(huì)消耗有限的土壤水分和營(yíng)養(yǎng)成分，且松針揮發(fā)的酸性物質(zhì)抑制了其他植物的生存，同時(shí)雨滴會(huì)在林冠層重新匯聚，雨滴滴落的尺寸可能大于自然狀態(tài)，間接增加了雨滴的重力勢(shì)能，從而導(dǎo)致裸地受到濺蝕，因此喬木覆蓋度過(guò)高的區(qū)域反而有著較高的崩崗侵蝕。而Logistic回歸分析法直接將因子類(lèi)數(shù)據(jù)與采樣網(wǎng)格進(jìn)行疊加，未包含同一因子類(lèi)中不同因子的影響值，精度要略低于信息量法。

4 結(jié) 論

(1)采用信息量法及Logistic回歸分析法，在GIS技術(shù)的支持下篩選了適合崩崗侵蝕風(fēng)險(xiǎn)評(píng)估的8個(gè)因子類(lèi)34個(gè)因子，并繪制了廣東省崩崗侵蝕發(fā)生風(fēng)險(xiǎn)的分布圖。

(2)廣東省崩崗侵蝕發(fā)生風(fēng)險(xiǎn)主要分布地區(qū)從東部延伸到北部，西部也存在較高風(fēng)險(xiǎn)，珠江三角洲地區(qū)及廣東省西南部崩崗侵蝕的發(fā)生風(fēng)險(xiǎn)較低。不同方法之間風(fēng)險(xiǎn)分布差異不大，且兩種方法計(jì)算的崩崗發(fā)生風(fēng)險(xiǎn)精度均在80%以上，因此采用兩種方法進(jìn)行廣東省崩崗侵蝕風(fēng)險(xiǎn)評(píng)估均可行且可靠，得到的評(píng)估結(jié)果與研究區(qū)實(shí)際存在的崩崗侵蝕區(qū)域相比較，評(píng)估精度較高。

(3)相較而言，信息量法的精度取決于影響因子類(lèi)別的多寡，因子類(lèi)越多，信息量越大，得到的結(jié)果越可信。Logistic回歸分析法需要將研究區(qū)域劃分為若干個(gè)樣本單元，樣本單元?jiǎng)澐值迷叫。?jì)算精度越高，因此更適用于較小尺度的崩崗風(fēng)險(xiǎn)評(píng)估。本研究區(qū)為廣東省全境，范圍較大，且選取了較多的影響因子類(lèi)別，因此前者有更好的評(píng)估精度。從崩崗侵蝕風(fēng)險(xiǎn)分布圖上可以看出，信息量法得到的風(fēng)險(xiǎn)分布圖在空間上有更好的均勻性，小圖斑較少，有更好的使用價(jià)值。

[1] 金菊良,酈建強(qiáng),周玉良,等.旱災(zāi)風(fēng)險(xiǎn)評(píng)估的初步理論框架[J].災(zāi)害學(xué),2014(3):1-10.

[2] ANGIMA S D,STOTT D E,O’NEILL M K,et al.Soil erosion prediction using RUSLE for central Kenyan highland conditions[J].Agriculture Ecosystems & Environment,2003,97(1-3):295-308.

[3] 戴露瑩,王飛兒,俞潔.基于GIS的東苕溪典型小流域土壤侵蝕風(fēng)險(xiǎn)評(píng)估[J].農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào),2012,31(9):1777-1784.

[4] 李曉松,吳炳方,王浩,等.區(qū)域尺度海河流域水土流失風(fēng)險(xiǎn)評(píng)估[J].遙感學(xué)報(bào),2011,15(2):372-387.

[5] 陳嘉林.福建省典型崩崗區(qū)潛在性崩崗風(fēng)險(xiǎn)評(píng)估與預(yù)測(cè)[D].福州:福建農(nóng)林大學(xué),2015:8-16.

[6] VRIELING A,STERK G,BEAULIEU N.Erosion risk mapping: a methodological case study in the Colombian Eastern Plains[J].Journal of Soil and Water Conservation,2002,57(3):158-163.

[7] 潘樹(shù)林,冉玲.金沙江宜賓段土壤侵蝕潛在危險(xiǎn)度[J].宜賓學(xué)院學(xué)報(bào),2012,12(12):81-84.

[8] 王文娟,鄧榮鑫,張樹(shù)文.東北典型黑土區(qū)溝蝕發(fā)生風(fēng)險(xiǎn)評(píng)價(jià)研究[J].自然資源學(xué)報(bào),2014,29(12):2058-2067.

[9] 李家存.基于RS和GIS的區(qū)域坡地重力侵蝕危險(xiǎn)性評(píng)價(jià)研究[D].北京:中國(guó)科學(xué)院遙感應(yīng)用研究所,2006:94-99.

[10] 鄧歐,李亦秋,馮仲科,等.基于空間Logistic的黑龍江省林火風(fēng)險(xiǎn)模型與火險(xiǎn)區(qū)劃[J].農(nóng)業(yè)工程學(xué)報(bào),2012,28(8):200-205.

[11] 王濟(jì)川,郭志剛.Logistic回歸模型方法與應(yīng)用[M].北京:高等教育出版社,2001:98-100.