基于加權信息量法和邏輯回歸信息量法的定南縣地質災害易發(fā)性評價

王成楠， 宋 勇， 趙 影， 張 勇, 向興達， 胡旭東

(1.江西省地質環(huán)境調查研究院,江西 南昌 330000;2.江西九江揚子塊體東部地球動力學野外科學觀測研究站，江西 九江 332006；3.江西省地震局,江西 南昌 330000；4.東華理工大學,江西 南昌 330013)

定南縣是江西省山體滑坡、崩塌地質災害易發(fā)區(qū)之一，是地質災害防治重點縣?？h內(nèi)山地丘陵面積較大，而且山高坡陡，巖石風化強烈，殘坡積層發(fā)育，地質災害極易發(fā)生，此外山區(qū)居民切坡建房、修路比較常見，導致定南縣地質災害多發(fā)易發(fā)。根據(jù)江西省地質環(huán)境信息平臺(https://171.34.52.5:4100/)數(shù)據(jù)及現(xiàn)場調查資料，1949—2021年全縣共發(fā)生地質災害509處，因地質災害死亡15人，直接經(jīng)濟損失50.2萬元，潛在威脅人口2 532人，威脅財產(chǎn)4 137.5萬元。為提高當?shù)卣刭|災害防治能力，將地質災害防治工作的重點從災后治理向災前預防轉移，對全縣地質災害易發(fā)性評價意義重大(彭珂等，2017)。

近年來，針對不同地質環(huán)境條件，中外學者對地質災害易發(fā)性評價進行了大量研究，取得了良好的應用效果，但由于區(qū)域不同，孕災地質條件差異，目前沒有形成統(tǒng)一的評價方法(姜伏偉等，2017；van Westen，et al., 2006)。地質災害易發(fā)性評價常用方法包括層次分析法(郭瑞等，2016)、證據(jù)權法(Sandric，et al.，2019)、信息量法(魯霞等，2020)、確定性系數(shù)法(劉月等，2020)、神經(jīng)網(wǎng)絡法(朱文慧等，2021)、邏輯回歸法(方然可等，2021)、綜合指數(shù)法(楊德宏等，2015)等。單一方法在地質災害易發(fā)性評價上有其優(yōu)勢和不足，如信息量法具有物理意義明確、易于建模、能客觀反映評價結果等優(yōu)勢，但未考慮各評價因子對地質災害發(fā)生的貢獻率；邏輯回歸法可以通過簡單線性回歸反映復雜非線性關系，但無法處理多類型數(shù)據(jù)合并問題；確定性系數(shù)法能客觀反映評價因子對地質災害的貢獻值，但容易忽略各因子之間的關聯(lián)性。因此，為了提高易發(fā)性評價的準確性，多種方法結合是近年來新的發(fā)展方向(李朗平等，2017；周曉亭等，2022)。如陳慧敏等(2021)基于信息量法和確定系數(shù)法結合在茂縣開展地質災害易發(fā)性評價，樊芷吟等(2018)基于信息量與邏輯回歸耦合模型在汶川縣開展地質災害易發(fā)性評價，郭子正等(2019)基于滑坡分類和加權頻率比模型在萬州區(qū)開展滑坡易發(fā)性評價。諸多研究成果表明，相比單一易發(fā)性評價模型，多方法結合的耦合模型在評價精度、準確度等方面有一定優(yōu)勢(王雷等，2020)。

筆者以江西省定南縣為研究區(qū)，選取坡度、起伏度、工程地質巖組和距構造距離等8個評價因子，采用加權信息量法和邏輯回歸信息量法分別對縣域地質災害易發(fā)性進行評價，對兩種耦合模型的評價結果做檢驗分析，并選取可靠性更高的方法為定南縣地質災害防治工作提供數(shù)據(jù)參考，為縣域地質災害易發(fā)性評價提供經(jīng)驗。

1 研究區(qū)概況

定南縣位于江西省最南端，東界安遠縣、尋烏縣，南界廣東省龍川縣、和平縣，西界龍南市，北界信豐縣。地理坐標為東經(jīng)114°47′36″～115°22′55″，北緯24°33′53″～25°03′49″，總面積為1 319 km2，屬亞熱帶季風濕潤氣候區(qū)，氣候溫和、雨量充沛。定南縣位于贛粵邊境九連山脈北部，地勢東、西、北三面高，中南部略低并向南傾斜，形如菱角?？h域內(nèi)地貌類型主要為侵蝕構造中低山地貌和構造剝蝕丘陵地貌，縣域巖漿巖發(fā)育，面積較大，各鄉(xiāng)鎮(zhèn)均有出露，地層巖性、構造及工程地質條件比較復雜，人類工程活動頻繁，主要為道路建設、居民切坡建房等(圖1)。

圖1 研究區(qū)概況圖

2 易發(fā)性評價方法

2.1 信息量法

信息量法是一種由信息論衍生出來的統(tǒng)計評價方法，由美國信息論學者Shannon(譚玉敏等，2015)提出，國內(nèi)地質學家晏國珍(黃潤秋等，2008)等首次將其應用到地質災害預測中。對于不同地質環(huán)境條件，控制因素對地質災害的影響程度有所不同。信息論認為地質災害能否發(fā)生與預測過程中各種控制因素信息量的數(shù)量有關，可通過建立信息量評價模型來實現(xiàn)。以已發(fā)地質災害點控制因素為依據(jù)，通過計算不同評價因子信息量，建立地質災害易發(fā)性評價模型。信息量越大，表明該區(qū)域地質災害發(fā)生可能性越大(施成艷等，2016)。評價因子i各分類指標的信息量值Ii計算公式為：

(1)

式中，Ni為第i個評價因子分類指標中已發(fā)生的地質災害柵格單元數(shù)，Ai為第i個評價因子分類指標柵格單元總數(shù)，N為研究區(qū)中分布的地質災害柵格單元總數(shù)，A為研究區(qū)劃分的柵格單元總數(shù)。

2.2 加權信息量

確定性理論由肖特里菲等學者于1975年提出(陳慧敏等，2021)，是一種不準確推理模型，在地質災害易發(fā)性評價中常被用于判斷評價因子權重。計算公式為：

(2)

式中，CF為地質災害發(fā)生的確定性系數(shù)，pa為評價因子分類指標a中存在的地質災害柵格單元數(shù)與分類指標a的柵格單元總數(shù)之比，ps為整個研究區(qū)發(fā)生地質災害柵格單元數(shù)與研究區(qū)柵格單元總數(shù)之比。CF的取值范圍為[-1,1]，(0，1]表示發(fā)生地質災害的可能性大，且值越大，地質災害越易發(fā)生；[-1，0)表示發(fā)生地質災害的可能性小，且值越小，地質災害越不易發(fā)生；若值趨向于0，則無法判斷。

評價因子權重Wi計算公式為：

Wi=CF(i,max)-CF(i,min)

(3)

式中，CF(i,max)為第i個評價因子確定性系數(shù)的最大值，CF(i,min)為第i個評價因子確定性系數(shù)的最小值。

各評價因子信息量與權重相乘即可構成加權信息量模型，公式為：

(4)

2.3 邏輯回歸信息量

邏輯回歸是一種廣義線性回歸(杜國梁等，2021)。在該模型中，通過邏輯回歸分析，對地質災害發(fā)生的概率P(易發(fā)性指數(shù))與不發(fā)生的概率1-P之比取自然對數(shù)，建立線性回歸關系(杜國梁等，2021)，公式為：

(5)

z=β0+β1x1+β2x2+…+βnxn

(6)

式中，x1，x2，…，xn為地質災害評價因子，β0為常數(shù)項，β1，β2，…，βn為邏輯回歸系數(shù)。

2.4 研究思路

借助ArcGIS軟件，分別采用加權信息量法和邏輯回歸信息量法對定南縣地質災害易發(fā)性進行評價，具體思路如下：

①依據(jù)野外調查資料，分析研究區(qū)引發(fā)地質災害的地質環(huán)境條件，選取易發(fā)性評價因子，并做好相應基礎資料的整理工作；②為便于量化各評價指標，確定恰當?shù)臇鸥駟卧笮?，借助ArcGIS重分類和提取工具統(tǒng)計評價因子在相應區(qū)間的災害點信息；③根據(jù)信息量公式(1)計算各評價因子信息量值，借助ArcGIS柵格計算器重新賦值，獲取單因子的信息量柵格圖層；④建立加權信息量模型，即通過式(2)、(3)和(4)得出各評價因子權重，將各信息量圖層賦予權重得到加權信息量模型；⑤建立邏輯回歸信息量模型，即將計算得到的信息量值作為邏輯回歸模型的自變量，是否發(fā)生地質災害作為因變量，代入到SPSS軟件中參與邏輯回歸分析，得到邏輯回歸系數(shù)β，最后用式(5)和式(6)計算得到易發(fā)性指數(shù)P，從而得到邏輯回歸信息量模型；⑥利用ArcGIS區(qū)域統(tǒng)計分析功能，分別統(tǒng)計兩種模型不同易發(fā)區(qū)間的面積占比、災害占比及災害點密度等信息，并用SPSS軟件對其精度進行檢驗；⑦選取可靠性更高的方法對定南縣地質災害易發(fā)性分區(qū)結果進行分析。

3 評價因子體系的建立

3.1 評價因子選取

選取何種影響因素構建評價因子體系將直接影響地質災害易發(fā)性評價的可靠性，本次研究在以往研究和現(xiàn)場調查的成果上，從影響和控制地質災害發(fā)生的基礎地質條件和誘發(fā)條件綜合考慮選取評價因子參與易發(fā)性評價(陳飛等，2020)。

充分考慮定南縣自然地理特征、數(shù)據(jù)的可獲取性、研究尺度(劉任鴻等，2021)等相關要求，筆者選取了坡度、起伏度、工程地質巖組、距構造距離、距河流距離、土地利用類型、年均降雨量、距道路距離等8個指標構建易發(fā)性評價指標體系(圖2)。

圖2 地質災害易發(fā)性評價指標體系

3.2 數(shù)據(jù)來源

根據(jù)江西省地質環(huán)境信息平臺數(shù)據(jù)(https://171.34.52.5:4100/)，定南縣1949—2021年共發(fā)生地質災害509處，其中滑坡點和崩塌點共計505處，泥石流點4處?？紤]到該縣主要地質災害類型為滑坡和崩塌，并且滑坡與崩塌孕災地質環(huán)境條件和泥石流存在一定差異，故筆者選取其中的505處滑坡與崩塌點作為歷史災害點數(shù)據(jù)。

數(shù)字高程模型(DEM)數(shù)據(jù)來源于地理空間數(shù)據(jù)云平臺(http://www.gscloud.cn/)，下載數(shù)據(jù)分辨率為30 m；坡度通過研究區(qū)DEM數(shù)據(jù)和ArcGIS表面分析功能獲??；起伏度通過研究區(qū)DEM數(shù)據(jù)和ArcGIS鄰域分析功能獲??；工程地質巖組、構造和河流數(shù)據(jù)來源于定南縣1∶5萬工程地質圖；土地利用類型數(shù)據(jù)來源于FROM-GLC平臺(http://data.ess.tsinghua.edu.cn/)；降雨量數(shù)據(jù)來源于定南縣氣象站多年年均降雨量(2010—2019年)；道路來源于Open Street Map平臺(https://master.apis.dev.openstreetmap.org/)。

3.3 評價指標分析

3.3.1 坡度

坡度與地質災害的關系非常密切，是孕災重要因子之一。坡度不僅影響斜坡體的應力分布、斜坡表面松散層的厚度和植被發(fā)育，還在一定程度上影響地表水徑流和地下水補給方式，進而影響斜坡整體穩(wěn)定性(劉岳霖等，2019)。結合區(qū)域地形條件，將坡度劃分為5個類別，即0～10°、10°～20°、20°～30°、30°～40°、>40°，如圖3a所示。經(jīng)統(tǒng)計分析發(fā)現(xiàn)，定南縣地質災害多集中在坡度10°～20°和20°～30°兩個區(qū)間內(nèi)。從災害點密度來看，雖然坡度大于40°區(qū)間災害點數(shù)量僅有5處，但分布面積較小，所以導致該區(qū)間災害點密度高。

起伏度是一定范圍海拔最高點與最低點之差，能較直觀地反映地表局部起伏變化情況，起伏度越大，斜坡體表面松散層越容易滑動，坡體失穩(wěn)，進而引發(fā)地質災害(方然可等，2021)。筆者將起伏度劃分為6個類別，即0～20 m、20～40 m、40～60 m、60～80 m、80～100 m、>100 m，如圖3b所示。由圖可見，定南縣地質災害多集中在起伏度40～60 m，60～80 m兩個區(qū)間，該區(qū)間段地質災害點共計370處，災害占比73.27%。

3.3.3 工程地質巖組

工程地質巖組直接影響著巖土體的強度、應力分布及巖體結構等，巖土體不同，斜坡體穩(wěn)定性也不同，地質災害發(fā)育程度也不一樣。依據(jù)定南縣巖土體類型，將全縣巖土體劃分為8類工程地質巖組，分別為：堅硬的塊狀侵入巖巖組(Y1)；較堅硬、堅硬的塊狀火山熔巖，火山碎屑熔巖夾中厚—厚層狀火山碎屑巖巖組(Y2)；較堅硬、堅硬的片狀片巖巖組(B1)；較堅硬、堅硬的薄—厚層狀板巖、變碎屑巖、千枚巖巖組(B2)、較堅硬、堅硬的中厚—厚層狀砂巖、砂礫巖、頁巖巖組(S1)；軟弱的、較堅硬的薄—厚層狀砂巖、砂礫巖、泥巖巖組(S2)；較堅硬、堅硬的中—厚層狀弱巖溶化透鏡灰?guī)r、砂巖、泥巖(T)；一般黏性土(Q)。由圖3c可見，堅硬的塊狀侵入巖巖組是研究區(qū)主要巖土類型，該區(qū)域災害點數(shù)量最多，有224處，但分布面積也大，面積占比58.30%，因而造成此區(qū)域災害點密度為29.28處/100 km2，并不算高。而一般黏性土層由于分布面積小，災害點密度為119.58處/100 km2，反而最高。

3.3.4 距構造距離

定南縣巖漿活動頻繁，經(jīng)歷了晉寧、加里東、印支、燕山及喜馬拉雅等多次構造運動，構成了復雜的構造格局。構造通過作用斜坡的巖土體結構進而破壞坡體內(nèi)部穩(wěn)定(梁麗萍等，2019)。以構造線為中心，借助ArcGIS鄰域分析功能，向外緩沖5個等級，分別為<500 m、500～1 000 m、1 000～2 000 m、2 000～4 000 m、>4 000 m，如圖3d所示。從圖可見，距構造距離2 000～4 000 m區(qū)間內(nèi)面積占比最大，災害點密度也最大。

3.3.5 距河流距離

河流是誘發(fā)滑坡崩塌等地質災害的關鍵因素之一，河流的側向侵蝕作用會造成斜坡坡腳應力更加集中，導致斜坡前緣受力不均，進而使坡體失穩(wěn)；下蝕作用也會加速巖層風化，增加斜坡整體勢能，最后誘發(fā)地質災害(丁軍等，2010)。借助ArcGIS鄰域分析功能，將河流向外緩沖6個等級，分別為<200 m、200～400 m、400～600 m、600～800 m、800～1 000 m、>1 000 m，如圖3e所示。由圖可見，河流與地質災害的發(fā)生密切相關，與河流距離越近，越容易引發(fā)地質災害。

3.3.6 土地利用類型

近年來，出現(xiàn)許多缺乏特色的旅游產(chǎn)品。旅游產(chǎn)品大多呈現(xiàn)同質化，是旅行社運營管理方面存在的主要問題。整體而言，當前我國旅行社在旅游產(chǎn)品介紹、選擇以及推廣方面，缺乏令人耳目一新的地方。當游客選擇旅游產(chǎn)品時，面對豪無地方特色、大同小異的旅游產(chǎn)品商品，其消費念頭很可能被打消。

土地利用類型可以反映地區(qū)植被的覆蓋情況，也會影響斜坡整體穩(wěn)定性(魏東等，2020)。根據(jù)FROM-GLC平臺提取的數(shù)據(jù)資料，將定南縣土地利用類型劃分為8類，分別為農(nóng)田、森林、草原、灌木地、濕地、水域、不透水表面、裸地。由圖3f可見，不透水表面區(qū)段地質災害點密度最高，為145.80處/100 km2。

3.3.7 年均降雨量

定南縣屬于季風濕潤氣候區(qū)，降雨量較多。降雨滲入坡體會增加其質量及滑動動力勢能，降低巖土體抗剪強度，使坡體失穩(wěn)，從而誘發(fā)地質災害(李明波等，2018)。將研究區(qū)多年年均降雨量劃分為4個類別，即<1 650 mm、1 650～1 750 mm、1 750～1 850 mm、>1 850 mm。如圖3g可見，年均降雨量大于1 850 mm區(qū)段災害點密度最大，為69.21處/100 km2。

圖3 評價因子對地質災害發(fā)育貢獻統(tǒng)計

3.3.8 距道路距離

定南縣在區(qū)域上屬于中低山丘陵地貌，山區(qū)村莊主要沿道路兩側分布，而開挖坡腳修建道路容易造成斜坡不穩(wěn)，直接或者間接影響地質災害的發(fā)生，因此用道路這一評價指標來表征人類工程活動。與河流類似，借助ArcGIS鄰域分析功能，以主要道路為中心做5個等級的緩沖區(qū)，分別為<100 m、100～200 m、200～500 m、500～1 000 m、>1 000 m，如圖3h所示。經(jīng)統(tǒng)計發(fā)現(xiàn)，定南縣地質災害整體呈現(xiàn)距道路越近，災害點密度越高的特點。距道路100 m以內(nèi)區(qū)段是地質災害高發(fā)區(qū)，災害點密度高達140.30處/100 km2。

3.4 評價因子信息量

結合前人研究成果，本次定南縣地質災害易發(fā)性評價柵格單元大小選定為30 m×30 m。借助ArcGIS重分類功能獲取8個評價因子分級圖，如圖4所示。根據(jù)信息量公式(1)計算各評價因子分級信息量值，統(tǒng)計結果見表1。定南縣地質災害在坡度>40°，起伏度40～60 m，一般黏性土層(Q)，距構造距離2 000～4 000 m，距河流距離0<200 m，不透水表面，降雨量>1 850 mm，距道路距離<100 m的區(qū)域內(nèi)信息量最大。

圖4 評價因子分級圖

表1 評價因子分級信息量值

4 加權信息量法和邏輯回歸信息量法

4.1 加權信息量法權重

以信息量法計算得到的評價因子信息量為基礎，用確定系數(shù)法公式(2)計算各因子的確定性系數(shù)，再用公式(3)計算各評價因子權重，如表2所示。研究區(qū)土地利用類型、工程地質巖組、距道路距離對地質災害發(fā)生影響較大，其權重分別為1.738、1.678、1.668，距構造距離對地質災害發(fā)生影響最小，權重為0.228。

表2 各評價因子權重

4.2 評價因子共線性診斷

邏輯回歸計算的前提條件是評價因子不能存在共線性，否則會影響計算結果的準確性。筆者采用方差膨脹因子(VIF)診斷評價因子是否存在共線性(金朝等，2021)。

(7)

式中，R2是因變量對其他自變量回歸的復測系數(shù)。

使用SPSS軟件對評價因子做共線性診斷，統(tǒng)計其VIF值，統(tǒng)計結果見表3。結果顯示8個因子VIF值在1.020～1.217之間，均小于5，說明各因子之間不存在共線性，符合邏輯回歸計算要求。

表3 各評價因子VIF計算結果

4.3 邏輯回歸信息量法

利用ArcGIS鄰域分析功能，制作以災害點為中心，500 m距離的緩沖區(qū)，在緩沖區(qū)以外隨機抽取505個點作為非地質災害點，與災害點共同組成訓練樣本，共計1 010個點?；贏rcGIS提取各點的評價因子信息量值，并將數(shù)據(jù)輸入到SPSS軟件中進行邏輯回歸分析，各評價因子分級信息量值作為自變量，是否發(fā)生地質災害作為因變量(0表示未發(fā)生地質災害，1表示已發(fā)生地質災害)，邏輯回歸信息量模型計算結果如表4所示。回歸分析需要通過比較因子的Sig.值判斷自變量對因變量影響的顯著性，當Sig.值小于0.05時，表明評價因子具有統(tǒng)計意義，該回歸模型系數(shù)有效。由表4可知坡度、起伏度、工程地質巖組、距構造距離、距河流距離、土地利用類型、年均降雨量、距道路距離等8個評價因子的Sig.值均小于0.05，因此，各評價因子回歸系數(shù)(β)是有效的，代入公式(6)中計算得到z，再將z值代入公式(5)得到易發(fā)性指數(shù)P。

表4 邏輯回歸信息量模型計算結果

5 評價結果與分析

5.1 評價結果

基于8個因子的信息量柵格圖層，根據(jù)加權信息量法計算得到各因子權重Wi值(表2)，借助ArcGIS柵格計算器功能將Wi值代入公式(4)即得到加權信息量法易發(fā)性評價柵格圖，采用自然斷點法重分類成4類，即極高易發(fā)區(qū)、高易發(fā)區(qū)、中易發(fā)區(qū)、低易發(fā)區(qū)，如圖5a所示。

根據(jù)邏輯回歸模型計算得到的z值，借助ArcGIS柵格計算器功能將z值代入公式(5)即得到邏輯回歸信息量法易發(fā)性評價柵格圖，采用自然斷點法重分類成4類，即極高易發(fā)區(qū)、高易發(fā)區(qū)、中易發(fā)區(qū)、低易發(fā)區(qū)，如圖5b所示。

圖5 不同評價模型地質災害易發(fā)性分區(qū)圖

兩種方法計算得到的極高易發(fā)區(qū)和高易發(fā)區(qū)主要分布在老城鎮(zhèn)、歷市鎮(zhèn)、天九鎮(zhèn)、龍?zhí)伶?zhèn)、鵝公鎮(zhèn)中心地帶以及主干道附近，分區(qū)結果與已發(fā)生地質災害點分布規(guī)律基本吻合。

利用ArcGIS區(qū)域統(tǒng)計分析功能，分別統(tǒng)計加權信息量法和邏輯回歸信息量法不同易發(fā)分區(qū)面積、面積占比、災害數(shù)量、災害占比和災害點密度等信息，如表5所示。

表5 不同評價模型地質災害易發(fā)分區(qū)統(tǒng)計表

5.2 評價結果檢驗

地質災害易發(fā)性評價結果是否準確合理關系到模型的可靠性，因此評價結果需要進行精度檢驗(杜謙，2017；劉希林等，2017)。精度檢驗主要是利用SPSS軟件獲得受試者特征曲線(ROC)和曲線下的面積(AUC)值檢驗分區(qū)的精度。

ROC曲線可用于檢驗評價結果的精度，其以假陽性率(未發(fā)生災害單元被正確預測的比例，即1-特異性)為橫坐標，以真陽性率(災害單元被正確預測的比例，即靈敏度)為縱坐標，AUC值用來評價模型預測的準確性，檢驗地質災害易發(fā)性評價分區(qū)的可靠性，值域為0.5～1。模型預測效果的好壞取決于AUC值大小，一般認為，當AUC值為0.5、0.5～0.7、0.7～0.9、0.9～1、1時，預測評估的準確性分別為無效、較低、較高、很高和非常高(張曦等，2018)。

通過SPSS軟件繪制兩種評價方法ROC曲線(圖6)，檢驗結果顯示：加權信息量法AUC值為0.843，邏輯回歸信息量法AUC值為0.853(表6)，說明本研究區(qū)采用兩種耦合方法對地質災害易發(fā)性評價精度均較高。

圖6 不同評價模型地質災害易發(fā)性評價結果ROC曲線

表6 不同評價模型AUC檢驗結果

5.3 評價結果分析

評價結果檢驗顯示，邏輯回歸信息量法AUC值比加權信息量法高0.01，邏輯回歸信息量法的精度和適用性要優(yōu)于加權信息量法。主要原因在于信息量法能較好處理復雜的多因子組合問題，地質災害的發(fā)生條件一般比較復雜，近似一個非線性系統(tǒng)環(huán)境，邏輯回歸法可以較好處理不同因子間非線性相關性問題。就定南縣域情況而言，邏輯回歸法與信息量法耦合的模型評價結果與實際情況更相符。

筆者以邏輯回歸信息量法為例，將地質災害易發(fā)分區(qū)統(tǒng)計結果與評價因子分級信息表結合得到如下分析結果。

定南縣極高易發(fā)區(qū)面積為196.30 km2，面積占比14.88%。從區(qū)域來看，該區(qū)域主要分布在巋美山鎮(zhèn)三亨村、老城鎮(zhèn)老城村和黃沙口村、歷市鎮(zhèn)、天九鎮(zhèn)天花村、鵝公鎮(zhèn)田心村、嶺北鎮(zhèn)月子村。從分布特點來看，極高易發(fā)區(qū)整體呈現(xiàn)條帶狀，主要分布在各鄉(xiāng)鎮(zhèn)主要河流的沿岸，靠近主干道相對集中的區(qū)域。該區(qū)域人口相對密集，人類工程活動比較活躍，受道路建設等影響較大，斜坡巖土體結構易遭到破壞，發(fā)生地質災害的可能性較高。據(jù)統(tǒng)計，區(qū)內(nèi)共發(fā)生了363處地質災害，災害占比71.88%，災害點密度184.92處/100 km2。

定南縣高易發(fā)區(qū)面積為188.06 km2，面積占比14.26%。從分布來看，呈團狀包圍在極高易發(fā)區(qū)邊緣，距離河流、道路較近。該區(qū)域人口也較多，人類工程活動強度僅次于極高易發(fā)區(qū)。極高易發(fā)區(qū)和高易發(fā)區(qū)內(nèi)共發(fā)生了454處地質災害，災害占比89.90%，災害點密度達到118.12處/100 km2，定南縣已發(fā)地質災害點基本出現(xiàn)在這兩個區(qū)域。

定南縣中易發(fā)區(qū)面積為243.84 km2，面積占比18.49%。中易發(fā)區(qū)在各個鄉(xiāng)鎮(zhèn)分布不均，該區(qū)域與河流、道路的分布有著明顯的聯(lián)系，大都分布在極高易發(fā)區(qū)、高易發(fā)區(qū)周邊，是高易發(fā)區(qū)和低易發(fā)區(qū)之間的過渡區(qū)域。區(qū)內(nèi)共發(fā)生29處地質災害，災害占比5.74%，災害點密度11.89處/100 km2。

定南縣低易發(fā)區(qū)面積690.80 km2，面積占比52.37%。低易發(fā)區(qū)呈塊狀，零星分布在各鄉(xiāng)鎮(zhèn)內(nèi)，其中巋美山鎮(zhèn)西南區(qū)域、老城鎮(zhèn)西北區(qū)域、鵝公鎮(zhèn)東南區(qū)域以及歷市鎮(zhèn)與嶺北鎮(zhèn)、龍?zhí)伶?zhèn)三個鄉(xiāng)鎮(zhèn)交界區(qū)域面積較大。該區(qū)域人類工程活動強度較低，且距離道路、河流較遠，植被覆蓋率較高，發(fā)生地質災害的可能性較低。區(qū)內(nèi)共發(fā)生22處地質災害，災害占比4.36%，災害點密度3.18處/100km2。

6 結論

(1)以江西省定南縣為研究對象，以已發(fā)地質災害點為基礎，選取坡度、起伏度、工程地質巖組、距構造距離、距河流距離、土地利用類型、年均降雨量、距道路距離等8個評價因子，采用加權信息量法和邏輯回歸信息量法完成了定南縣地質災害易發(fā)性評價工作。

(2)利用SPSS軟件對兩種耦合模型評價結果進行精度檢驗，計算得到加權信息量模型AUC值為0.843，邏輯回歸信息量模型AUC值為0.853，由此可見采用兩種評價模型進行地質災害易發(fā)性評價精度均較高，但本區(qū)域邏輯回歸信息量模型的準確性略高，能夠更客觀準確對定南縣地質災害易發(fā)性進行評價。

(3)根據(jù)邏輯回歸信息量模型將研究區(qū)分為4個區(qū)段，其中極高易發(fā)區(qū)面積196.30 km2、高易發(fā)區(qū)面積188.06 km2、中易發(fā)區(qū)面積243.84 km2、低易發(fā)區(qū)面積690.80 km2，分別占定南縣總面積的14.88%、14.26%、18.49%、52.37%。

(4)定南縣地質災害極高易發(fā)區(qū)主要分布在各鄉(xiāng)鎮(zhèn)主要河流的沿岸，靠近主干道相對集中的區(qū)域。高易發(fā)區(qū)呈團狀包圍在極高易發(fā)區(qū)邊緣，距離河流、道路較近。為保障人民群眾生命財產(chǎn)安全，建議加強上述區(qū)域地質災害隱患點的排查和防治工作。