怒江州滑坡災(zāi)害易發(fā)性區(qū)劃研究

簡小婷，趙康，左小清，朱琪，朱文

(1.云南省地礦測繪院有限公司，云南 昆明 650218； 2.云南省自然資源廳，云南 昆明 650224；3.昆明理工大學國土資源工程學院，云南 昆明 650093； 4.中國電建集團昆明勘測設(shè)計研究院有限公司，云南 昆明 650051；5.云南省基礎(chǔ)地理信息中心，云南 昆明 650034)

1 引 言

怒江傈僳族自治州(簡稱“怒江州”)位于云南省西北部，山高坡陡、峽谷深切、地質(zhì)環(huán)境脆弱、氣候復(fù)雜，屬于滑坡災(zāi)害高易發(fā)區(qū)。近年來，由于自然環(huán)境變化和人類工程活動影響，怒江州滑坡災(zāi)害頻發(fā)。迄今為止已爆發(fā)了“上帕鎮(zhèn)6·30”“福貢縣4·10”“蘭坪縣7·31”等大型滑坡災(zāi)害事件，對當?shù)卦斐闪酥卮笕藛T傷亡和財產(chǎn)經(jīng)濟損失。因此，對滑坡災(zāi)害易發(fā)性的分析能為怒江州滑坡災(zāi)害預(yù)測及防治提供可靠的依據(jù)，對防災(zāi)減災(zāi)工作具有重要意義。

滑坡一般可分為單體滑坡和區(qū)域滑坡[1]。單體滑坡主要評估災(zāi)害個體屬性和周圍環(huán)境因子對滑坡災(zāi)害造成的影響[2～4]；區(qū)域滑坡則是根據(jù)區(qū)域地質(zhì)環(huán)境背景、成災(zāi)誘發(fā)因素以及人類活動狀況等對區(qū)域滑坡災(zāi)害做出評價[5～7]。由于單體滑坡不是區(qū)域性地質(zhì)災(zāi)害防治規(guī)劃重點，也不能支撐從宏觀上分析地質(zhì)災(zāi)害的分布規(guī)律[8]。因此，本文從區(qū)域滑坡視角綜合評判怒江州滑坡災(zāi)害易發(fā)性。滑坡災(zāi)害易發(fā)性區(qū)劃描述了滑坡發(fā)生概率的空間分布情況，是支撐滑坡防災(zāi)減災(zāi)的通用工具[9]。針對滑坡易發(fā)性區(qū)劃研究，一般可采用定性或定量方法。定性方法主要結(jié)合滑坡發(fā)展規(guī)律和專業(yè)人員知識經(jīng)驗展開評價分析，如專家經(jīng)驗[10]、層次分析[11]和加權(quán)線性組合法等；定量方法則是在統(tǒng)計數(shù)據(jù)基礎(chǔ)上建立數(shù)學模型進行定量評價，如確定性方法、人工智能法和多元統(tǒng)計法等[12～17]。定性方法主要依靠先驗知識，受主觀影響較大，有較大局限性。因此，本文擬結(jié)合GIS和Logistic回歸模型，從定量視角綜合評判怒江州滑坡災(zāi)害易發(fā)性程度。

2 研究區(qū)概況

怒江州坐落于滇西北部，轄瀘水市、福貢縣、貢山獨龍族怒族自治縣和蘭坪白族普米族自治縣，包含29個鄉(xiāng)鎮(zhèn)，總面積 14 703 km2，其行政區(qū)劃見圖1(a)。怒江州地處青藏高原東南部橫斷山脈峽谷地帶，山高坡陡，水系發(fā)育密集，立體氣候突出，地質(zhì)災(zāi)害分布廣、突發(fā)性強，是云南省滑坡易發(fā)、多發(fā)地區(qū)[18]。

圖1 怒江州鄉(xiāng)鎮(zhèn)區(qū)劃圖(a)和滑坡點分布圖(b)

根據(jù)云南省地質(zhì)調(diào)查局數(shù)據(jù)顯示，怒江州共有兩百余處滑坡隱患點。如圖1(b)所示，滑坡災(zāi)害在怒江州下轄的4個縣市中均有分布， 并且多分布于怒江河谷及其各級支流沿岸。其中，福貢縣和瀘水市的滑坡發(fā)育密度最大，貢山縣分布較多，蘭坪縣分布較少。

3 滑坡災(zāi)害易發(fā)性因子分析

3.1 數(shù)據(jù)來源

滑坡災(zāi)害易發(fā)性區(qū)劃研究是一個綜合性評價的過程，滑坡影響因子選取的正確與否直接關(guān)系到評價結(jié)果的可靠度[19]。本文結(jié)合怒江州滑坡災(zāi)害形成機理和發(fā)育規(guī)律的已有研究[20]，并收集了怒江州自2008年起至2020年歷史滑坡災(zāi)害點數(shù)據(jù)和相關(guān)的環(huán)境因子數(shù)據(jù)(如表1所示)作為研究數(shù)據(jù)。

表1 數(shù)據(jù)來源表

3.2 初始影響因子提取

滑坡災(zāi)害是多種內(nèi)外因素共同影響作用的產(chǎn)物[21]。本文通過對怒江州地形地貌和滑坡隱患點分布情況的研究，發(fā)現(xiàn)主要影響因素是高程、坡向、地形起伏度、降水量、植被指數(shù)、距河流距離、河流密度、土地利用類型、坡度，如圖2所示。

圖2 滑坡災(zāi)害易發(fā)性影響因子分布圖

(1)高程

高程表征了研究區(qū)的宏觀地貌，研究表明地質(zhì)災(zāi)害與高程分布具有明顯的區(qū)域規(guī)律[22]。怒江州地勢北高南低，以怒江為中心沿東西兩側(cè)延伸，受構(gòu)造抬升，兩側(cè)地勢逐漸增高。如圖2(a)所示，滑坡災(zāi)害主要分布于高程較低的地區(qū)。

(2)坡向

坡向是某一地面點處高程變化量最大的方向[23]，對太陽輻射面影響較大。向陽一面坡體易導致巖體裂隙發(fā)育破碎，而陰坡土層多易于累積堆積。本文使用ArcGIS軟件的坡向工具從DEM中提取坡向值如圖2(b)所示，可見災(zāi)害點多分布于怒江流域兩岸的不同坡向上，其中斜坡上分布的滑坡災(zāi)害更多。

(3)地形起伏度

地形起伏度反映了一個區(qū)域海拔最高點與最低點之間的差值，與滑坡災(zāi)害具有較強相關(guān)性。本文采用ArcGIS軟件的Spatial Analyst工具，基于原始DEM數(shù)據(jù)分別計算出鄰域內(nèi)的最大值和最小值，將其相減得到如圖2(c)所示的地形起伏度圖。

(4)降水量

結(jié)合怒江州歷年的滑坡災(zāi)害情況，強降水是造成滑坡災(zāi)害的主要致災(zāi)因子之一。怒江州降雨主要集中在每年4月～9月期間，其中7月～8月是強降雨時期，滑坡災(zāi)害多發(fā)。本文利用ArcGIS軟件的柵格計算器，計算出2011年～2015年的平均降水量柵格數(shù)據(jù)(圖2(d))。

(5)植被指數(shù)

植被對地質(zhì)災(zāi)害發(fā)育和穩(wěn)定性具有深刻影響，植被指數(shù)(Normalized Difference Vegetation Index，NDVI)反映了一個地區(qū)的植被覆蓋情況，植被指數(shù)越大，表示植被覆蓋程度越高。本文計算出2018年～2020年的怒江州平均NDVI空間分布情況如圖2(e)所示。

(6)距河流距離

由于很多滑坡隱患點均分布于怒江及其支流沿岸，因此水系對怒江州滑坡災(zāi)害有潛在影響。以怒江、瀾滄江、獨龍江三大干流及通甸河、老窩河的水域邊界為基礎(chǔ)，依次建立 600 m、1 200 m、1 800 m、2 400 m和3 000 m的緩沖區(qū)，如圖2(f)所示。

(7)河網(wǎng)密度

同時本文基于DEM數(shù)據(jù)，進行“填洼-流向-流量-柵格矢量化-線密度分析”等一系列空間分析，計算出單位面積內(nèi)的河網(wǎng)密度圖，如圖2(g)所示。

(8)土地利用分類

土地利用分類情況在宏觀上表征了怒江州不同土地類型的分布情況。本文利用中國科學院空天信息創(chuàng)新研究院發(fā)布的2020年30m地表覆蓋精細分類產(chǎn)品，將怒江州的土地利用類型分為建筑用地、耕地、裸地、水域、林地5種類型。由圖2(h)可見，滑坡隱患點多分布于建設(shè)用地區(qū)域。

(9)坡度

坡度與滑坡災(zāi)害的發(fā)生有著緊密聯(lián)系，坡度越大的地方越易發(fā)生滑坡災(zāi)害。基于DEM數(shù)據(jù)，利用表面分析工具，計算出坡度圖(圖2(i))。

3.3 影響因子篩選

由于滑坡影響因子錯綜復(fù)雜且具有非線性特點，極大地影響了易發(fā)性分析的精度。因此，本文采用主成分分析方法篩選對比成災(zāi)因子，篩選出有效的影響因子進行易發(fā)性分析，提高準確度。

(1)將原始數(shù)據(jù)標準化，以消除量綱影響

本文為統(tǒng)一影響因子的數(shù)據(jù)類型和單位，采用極差標準化方法進行歸一化處理，計算公式如下：

(1)

式中：xi表示各影響因子的值，xmax和xmin分別表示各影響因子的最大值和最小值。

(2)建立變量之間的相關(guān)系數(shù)矩陣R

R=(rij)m×m

(2)

(3)

(3)計算相關(guān)系數(shù)矩陣R的特征值λj(j=1，2，…，m)的信息貢獻率和累積貢獻率

(4)

(5)

bj為主成分yj的信息貢獻率；αp為主成分y1，y2，…，yp的累積貢獻率。當αp接近于1(αp=0.85，0.90，0.95)時，則選擇前P個指標變量y1，y2，…，yp作為P個主成分進行綜合分析。滑坡災(zāi)害影響因子特征值及主成分分析貢獻率如表2所示，表中可以得出前6個主成分的累積貢獻率達到93.307%，包括了9個因子的整體信息，所以本文選取這6個因子進行易發(fā)性分析。

表2 滑坡災(zāi)害影響因子特征值及主成分貢獻率

4 滑坡災(zāi)害易發(fā)性區(qū)劃

4.1 Logistic回歸模型建立

Logistic回歸模型，是一種因變量為二分類變量的回歸分析。在滑坡災(zāi)害的易發(fā)性評價中，將各評價指標數(shù)據(jù)作為自變量，而災(zāi)害發(fā)生與否可用0(滑坡災(zāi)害不發(fā)生)和1(滑坡災(zāi)害發(fā)生)表征，是典型的二分類變量[24，25]。由于滑坡災(zāi)害影響因子為非線性變量，不適合用線性回歸推導，因此，本文選用Logistic回歸模型分析滑坡災(zāi)害易發(fā)性，其表達式為：

(6)

(7)

(8)

式中P(y=1|x1，…，xi)是發(fā)生滑坡的概率；xi為影響因子；εi表示滑坡影響因子的線性函數(shù)；α表示在沒有其他因子影響下，發(fā)生滑坡與不發(fā)生滑坡之比的對數(shù)值；βk是邏輯回歸系數(shù)，表示改變影響因子時發(fā)生滑坡災(zāi)害與不發(fā)生概率之比的變化值；p表示滑坡發(fā)生的概率。根據(jù)邏輯回歸模型，本文假設(shè)滑坡災(zāi)害發(fā)生的概率為P，取值范圍為[0，1]。以滑坡災(zāi)害發(fā)生概率為因變量，各影響因子x1，…，xi為自變量，建立Logistic回歸方程，則滑坡災(zāi)害發(fā)生的概率為：

(9)

本文利用公式(5)計算滑坡災(zāi)害發(fā)生的可能性，數(shù)值越大，則發(fā)生滑坡的可能性越大，反之則越小。

4.2 二元Logistic回歸分析

本文建立了矩形漁網(wǎng)覆蓋整個研究區(qū)域，并基于怒江州邊界提取了 13 958個網(wǎng)格，并將該網(wǎng)格連接歸一化后的影響因子屬性表及災(zāi)害隱患點，得到每個網(wǎng)格內(nèi)的影響因子和滑坡災(zāi)害發(fā)生情況，最后以表格形式導出統(tǒng)計結(jié)果。由于Logistic回歸模型采用的是最大似然估計參數(shù)法，為了保證結(jié)果的準確性，樣本規(guī)模需要大于100，但是樣本數(shù)量過大會令任何多元相關(guān)都會出現(xiàn)統(tǒng)計顯著[26]。因此，本文采用隨機抽樣的方法抽取 6 000組作為分析樣本，其中滑坡樣本 1 425個，非滑坡樣本 4 575個。本文采用SPSS數(shù)據(jù)分析軟件進行二元Logistic回歸分析，所得結(jié)果如表3所示。

表3 Logistic回歸分析結(jié)果輸出表

根據(jù)最終的擬合結(jié)果可知，P值<0.05?！癇”為偏回歸系數(shù)，“S.E”為標準誤差，“Wald”是一個統(tǒng)計量，用以檢驗自變量對因變量是否有影響；“df”是自由度；“EXP(B)”為相應(yīng)變量的OR值(又叫優(yōu)勢比，比值比)，表示在其他條件不變的情況下，自變量每改變一個單位，事件的發(fā)生比“Odds”的變化率。

根據(jù)表3影響因子回歸系數(shù)，高程和地形起伏度的回歸系數(shù)為負值，表示高程值及地形起伏度與滑坡災(zāi)害的發(fā)生呈反比關(guān)系，則在海拔較低、地形平坦的區(qū)域更容易發(fā)生滑坡災(zāi)害。除此之外，研究區(qū)多數(shù)滑坡災(zāi)害的發(fā)生與降水量和坡度大小有關(guān)，而表中降水量和坡度的邏輯回歸系數(shù)最大，分別是3.304和3.376。而河網(wǎng)密度的邏輯回歸系數(shù)達到3.206，表征了滑坡隱患點多分布于怒江流域兩岸及支流的現(xiàn)狀。綜上所述，表明了二元邏輯回歸模型的模擬結(jié)果與實際情況相符。

本文為進一步定性分析模擬結(jié)果的準確性，以回歸分析的預(yù)測值P為自變量、滑坡災(zāi)害發(fā)生情況為因變量，在SPSS中進行受試者工作特征曲線(Receiver Operating Characteristic Curve，ROC)分析，得到相應(yīng)的結(jié)果和ROC曲線分別如表4和圖3所示。

表4 ROC分析曲線輸出表

圖3 受試者工作特征曲線

由圖3可知，ROC曲線下方與坐標軸所圍面積(Area Under Curve，AUC)達到0.766，根據(jù)ROC曲線特征，當0.7

4.3 滑坡災(zāi)害綜合易發(fā)性區(qū)劃

將表3每個影響因子的邏輯回歸系數(shù)代入式(5)，可知滑坡災(zāi)害易發(fā)性模型的表達式為：

(10)

基于ArcGIS軟件，根據(jù)式(6)計算得到研究區(qū)所有網(wǎng)格的滑坡災(zāi)害易發(fā)性概率，并采用自然間斷點分類法將評價結(jié)果劃分為低易發(fā)區(qū)、較低易發(fā)區(qū)、中易發(fā)區(qū)、較高易發(fā)區(qū)和高易發(fā)區(qū)五個等級，從而生成研究區(qū)域的滑坡災(zāi)害易發(fā)性區(qū)劃圖和各縣市分布圖，如圖4所示。

圖4 怒江州鄉(xiāng)鎮(zhèn)易發(fā)性區(qū)劃圖(a)及滑坡易發(fā)性區(qū)劃圖(b)

4.4 滑坡災(zāi)害易發(fā)性區(qū)劃分析

根據(jù)滑坡災(zāi)害易發(fā)性區(qū)劃結(jié)果，本文利用空間統(tǒng)計工具，分別計算5個易發(fā)性分區(qū)面積與災(zāi)害點數(shù)量，結(jié)果如表5所示。

表5 怒江州滑坡災(zāi)害易發(fā)性分區(qū)統(tǒng)計表

綜合圖4(a)和表5，怒江州滑坡災(zāi)害點與高易發(fā)區(qū)都集中在怒江流域兩岸，并且高易發(fā)區(qū)和較高易發(fā)區(qū)共包含了196處滑坡災(zāi)害點，占滑坡災(zāi)害總數(shù)的78.088%；而低易發(fā)區(qū)和較低易發(fā)區(qū)主要分布在怒江州海拔較高地區(qū)，僅包含災(zāi)害點29處，只占災(zāi)害總數(shù)的11.554%。由此說明，本文基于邏輯回歸模型計算得到的滑坡災(zāi)害易發(fā)性區(qū)劃結(jié)果與實際災(zāi)害情況相吻合，圖4(a)的易發(fā)性區(qū)劃結(jié)果有較好的準確性。

本文為進一步研究怒江州滑坡災(zāi)害易發(fā)性情況，將災(zāi)害區(qū)劃與研究區(qū)鄉(xiāng)鎮(zhèn)級行政區(qū)劃邊界相疊加，并統(tǒng)計出每個市縣各滑坡災(zāi)害易發(fā)性等級所占面積百分比如圖4(b)所示和表6所示。

表6 縣市內(nèi)各滑坡災(zāi)害易發(fā)性面積百分比(%)

綜合表6和圖4(b)分析結(jié)果可知，貢山縣高易發(fā)區(qū)和較高易發(fā)區(qū)面積占比分別是13.713%、25.885%，主要集中在獨龍江鄉(xiāng)、茨開鎮(zhèn)和普拉底鄉(xiāng)，分布于怒江流域和獨龍江流域兩岸；而低易發(fā)區(qū)占比3.133%，主要集中于丙中洛鎮(zhèn)和獨龍江鄉(xiāng)北部區(qū)域。怒江流域自北向南貫穿整個福貢縣，滑坡災(zāi)害多發(fā)，高易發(fā)區(qū)和較高易發(fā)區(qū)占比達到65.596%。瀘水市高易發(fā)區(qū)占比為18.584%，主要分布于怒江流域兩岸的鄉(xiāng)鎮(zhèn)；而較高易發(fā)區(qū)面積占比達到38.682%，上江鎮(zhèn)、魯掌鎮(zhèn)、片馬鎮(zhèn)等均有涉及。蘭坪縣中易發(fā)區(qū)面積占比達到43.798%，主要集中分布于瀾滄江流域兩岸的中排鄉(xiāng)、石登鄉(xiāng)、營盤鎮(zhèn)、兔峨鄉(xiāng)，而較低易發(fā)區(qū)主要分布于通甸鎮(zhèn)、啦井鎮(zhèn)和金頂鎮(zhèn)。

5 結(jié) 論

本文以云南省怒江州為研究區(qū)域，根據(jù)研究區(qū)自然環(huán)境和滑坡隱患點分布情況，選取了高程、坡度、地形起伏度、植被覆蓋等多個影響因子。由于影響因子錯綜復(fù)雜，容易影響易發(fā)性分析精度，本文利用主成分分析方法篩選對比成災(zāi)因子，最終選取了高程、坡度、地形起伏度、降水量、河網(wǎng)密度、距河流距離6個影響因子構(gòu)建滑坡災(zāi)害易發(fā)性評價指標體系。采用Logistic回歸方法，建立了滑坡災(zāi)害易發(fā)分區(qū)模型，將怒江州滑坡災(zāi)害易發(fā)區(qū)分為低易發(fā)、較低易發(fā)、中易發(fā)、較高易發(fā)、高易發(fā)五個等級，繪制了怒江州滑坡災(zāi)害易發(fā)區(qū)劃圖。研究結(jié)果表明：高程、坡度、地形起伏度、降水量、河流密度、距河流距離6個影響因子對怒江州滑坡災(zāi)害影響顯著，本文劃分的怒江州滑坡易發(fā)分區(qū)準確地反映了滑坡高隱患區(qū)域，可為怒江州滑坡災(zāi)害防治提供科學指導。后續(xù)研究工作將深入研究怒江流域滑坡成災(zāi)機理和特點，進一步完善滑坡易發(fā)分區(qū)評價模型，構(gòu)建整個怒江流域滑坡易發(fā)分區(qū)評價模型。