特定區域內山體滑坡等多災害預測

馬雅文 G.加普林達什維利 C.V.韋斯騰

(1.長江勘測規劃設計研究院，湖北 武漢 430010； 2.格魯吉亞第比利斯國立大學，第比利斯，0179； 3.荷蘭特溫特大學ITC學院，恩斯赫德，7500AE)

特定區域內山體滑坡等多災害預測

馬雅文1G.加普林達什維利2C.V.韋斯騰3

(1.長江勘測規劃設計研究院，湖北 武漢 430010； 2.格魯吉亞第比利斯國立大學，第比利斯，0179； 3.荷蘭特溫特大學ITC學院，恩斯赫德，7500AE)

滑坡作為山區主要自然災害之一，給人類生命和財產帶來巨大威脅。在歷史數據缺乏的情況下，以格魯吉亞姆茨赫塔-姆季阿涅季州為研究范圍，模擬了該區域的滑坡及其范圍。利用ILWIS軟件空間多標準評價(SMCE)方法評估特定區域范圍內土地脆弱性，選擇高脆弱性區域作為滑坡起始點，再采用Flow-R軟件模擬了當觸發因子較弱、中等和較強3種情況的滑坡范圍。結果表明：在充分了解當地環境的情況下，經驗型的滑坡預測可以較好地模擬出滑坡范圍；對滑坡范圍的模擬比單純的土地脆弱性分析能更好地預測這類自然災害。從格魯吉亞環保部提供的已有滑坡地點記錄看，預測結果與當地有記錄的滑坡災害基本符合。

災害；滑坡； 脆弱性評價；空間多標準評價；區域范圍；滑坡范圍；模型預測分析

1 研究背景和意義

自然災害是影響許多國家經濟、社會和環境的原因之一?；伦鳛樯絽^主要的自然災害之一，給人類生命和財產帶來了巨大威脅。廣義的滑坡是指一切由于重力作用引起的山坡塊體運動，還包含泥石流、巖崩和雪崩等。

目前，為了降低滑坡帶來的危害，在滑坡發生前及時搬遷是最理想的方法之一。因此對滑坡的預測，有助于減輕和降低其帶來的損失。然而，由于缺乏歷史數據，通常難以實現對區域規模滑坡的預測。本文研究了在缺乏歷史數據的情況下，特定區域范圍內山體滑坡范圍的預測和模擬方法。利用ILWIS軟件空間多標準評價(SMCE)方法評估區域范圍內土體的脆弱性，選擇高脆弱性區域作為滑坡起始點，利用Flow-R軟件模擬了當觸發因子(例如地震、降雨等)較弱、中等和較強3種情況的山體滑坡范圍。

2 數據搜集和分析

2.1 數字高程模型

通過數字高程模型數據不僅可以獲得特定區域地形因素(如坡度、角度、坡度曲率)，還可以獲得水文參數(如流向、流路、水流網絡等)。該研究對比了兩種數據源生成的數字高程模型，分別是來自ASTER的全球高程模型(GDEM)和格魯吉亞方面提供的20 m精度等高線。

滑坡范圍預測軟件Flow-R 對區域范圍運行的最小柵格精度是50 m；ASTER GDEM數據高程精度較低(約為30 m)；ASTER數據內插50 m柵格時受原格式影響較大，而20 m精度等高線較好。所以該研究中所采用的數字高程模型由20 m精度等高線內插獲得，柵格大小為50 m。

2.2 土地覆蓋地圖

土地覆蓋地圖來自1∶500 000比例尺地貌圖。經過對地貌圖數字化，得到矢量化土地覆蓋地圖。對土地覆蓋地圖的分析發現，由于山區地形特殊，山地人類活動相對較少，森林和草地等植被所占比重較大，人類活動區域如城市、農田、果園、公路鐵路等所占比重較小。土地覆蓋也與地形地貌相符，山區海拔較高區域，分布有冰山、草地和灌木等；海拔較低區分布有森林和人類活動區域。

2.3 地質條件

地質地圖來自于1∶500 000比例尺紙質地圖，處理方法與土地覆蓋地圖類似。由于地質種類眾多、分布零散，再加上本文針對大范圍內的災害進行模擬，因此按地質形成年代進行了區分。

2.4 水網和路網

水網數據來自數字高程模型，利用軟件ILWIS處理獲得。這里水網并不僅指河流區域，而是泛指地形均為溝壑狀的區域。泥石流等災害發生在溝壑中。本文設定集水范圍為0.5 km2時，水網形成。

統計數據顯示，陡峭地區的道路極大程度地造成了滑坡災害，因此在本研究中，考慮坡度不小于20°的道路。

2.5 MODIS雪域覆蓋數據

由于本文也分析雪崩災害，因此下載了MODIS雪域覆蓋數據(MOD10A2)。MOD10A2包含每8 d內最大雪域面積。該研究時下載了目標區域有雪月份近5 a來的雪域情況。選取每月中云層覆蓋最少的地圖，轉化為布爾型數據，然后對所有年份和月份的雪域地圖進行疊加，選取數值較大的作為雪域范圍。

3 研究方法

3.1 土地脆弱性評價

土地脆弱性地圖是指定性或定量得出自然災害空間分布可能性的地圖，包含對已有或者潛在的滑坡災害程度的描述。

土地脆弱性地圖的生成，通常需要目標區域已有滑坡的頻率和影響因素多年的記錄。通常情況下，要獲取這種記錄費時費力，現在世界上有較完整記錄的多為發達國家，如法國和意大利；對于發展中國家來說，記錄通常不全甚至沒有。因此，在缺乏歷史數據的情況下，無法利用統計模型生成土地脆弱性地圖。

另一種方法是基于經驗的地圖生成方法，具體做法是由專家進行打分。空間多標準評價(SMCE)就是當客觀信息不完全時使用的基于專家知識的模型。在這種模型里，基礎數據(例如坡度、地質、路網等)方面的專家經驗彌補了測量數據的缺乏。為了獲得專家經驗，需要數值化基礎數據和合理的結合方法。

SMCE方法之一是在GIS的環境下，將基礎數據地圖(以下稱為要素地圖)標準化為從0～1，然后對每個要素地圖賦予一定的權重進行加和，得到數值化的土地脆弱性地圖。

基于已有文獻和已知數據，該研究中分別選出4種自然災害的要素地圖，然后賦予標準化的數值。

3.1.1 山體滑坡災害要素選擇和標準化

到現在為止，還沒有統一山體滑坡要素地圖的標準，不同文獻里面選擇不同的要素，且大部分研究都是基于研究區域的特性和已有的數據。F.Nadim等選擇地形、地質、植被覆蓋和土地濕度來進行山體滑坡預測[1]，A.Yalcin選擇地質、天氣、土地覆蓋、坡度進行研究[2]。經過對目標區域的了解，選擇以下5種數據作為山體滑坡的影響要素。

(1) 地形是影響山體滑坡的最重要因素。坡度長度、坡度曲率、坡度方向和陡峭程度都影響著滑坡的程度。統計數據顯示，當坡度為20°～30°時，滑坡發生頻率最高，標準化值為1，坡度更大和更小時都依次降低。

(2) 地貌。在植被覆蓋豐富的區域，由于植物根系固定，發生滑坡概率較小，而缺少植被覆蓋的區域容易風化，因此，發生滑坡概率較大。該研究賦予鐵路、居民點等人為活動較多的區域標準化值為1，將湖泊、冰川等區域標準化值為零，其他依據土地覆蓋取0～1之間的值。

(3) 巖層和地質結構也影響滑坡，已有文獻表明風化程度和巖石種類對山體滑坡有影響，然而由于不同區域土地和巖性不同，無法將其他區域的經驗用于目標區域。目標區域巖石的時間分布為第四紀、新第三紀、早第三紀、白堊紀和侏羅紀。每個紀約有10～30種巖層。因此，研究時邀請了一位目標區域地質專家和兩位非目標區域地質專家分別打分。結果顯示，非目標區域地質專家打分相對集中，與地層關系較一致；目標區域地質專家打分差異性更大，且與地方已有的山體滑坡更一致。該研究集合地層、目標區域專家打分和非目標區域專家打分(其中目標區域專家打分權重更大)來標準化巖層影響地圖。

(4) 與水網的距離也影響了滑坡災害。該研究取0.5 km2為最小匯水面積，利用Strahler等級分配水網等級。根據已有滑坡統計發現，一級水網和二級水網對滑坡影響最大，因此，一、二級水網賦值為1，其他為零。圖1為水網的Strahler等級劃分。

圖1 Strahler等級劃分

(5) 道路建設對山區地質災害也有影響，尤其是在坡度較大的區域。研究中考慮修建在坡度大于20°的道路。

3.1.2 泥石流災害要素選擇和標準化

由于發生速度快、范圍大，泥石流是山區最危險的自然災害中之一。沉淀物、降水和坡度3個因素對泥石流起關鍵作用。相比山體滑坡，泥石流對水的程度更為依賴。在該研究中，取和山體滑坡相同的要素預測泥石流土地脆弱性。區別在于對不同的要素賦予不同的權重。此內容在下一節描述。

3.1.3 巖崩災害要素選擇和標準化

巖崩通常發生在坡度陡峭、植被少、巖石風化程度高的區域。因此選擇坡度、土地覆蓋和地質作為巖崩脆弱性的要素。

(1) 通?？紤]坡度和巖崩關系時，取一個坡度閾值作為是否易發生巖崩的分界線。加拿大鐵路統計數據顯示，坡度越高，巖崩可能性越大。研究中根據此原理標準化坡度對巖崩的影響程度。

(2) 土地覆蓋也影響巖崩發生的可能性。植被覆蓋密度越大，發生巖崩的可能性越小，森林區域巖崩可能性比草地要小。巖石裸露越少，發生巖崩的可能性越小，例如冰川、水庫發生巖崩可能性為零。

(3) 地質要素對巖石性質和風化程度有影響，在研究中考慮了目標區域的斷層和巖石的性質來標準化地質要素。

3.1.4 雪崩災害要素選擇和標準化

雪崩的要素包括了地形、土地覆蓋、道路影響、MODIS雪域覆蓋和高程。其中前3個要素用于預測土地脆弱性，后兩個要素為布爾數值，用于剔除無降雪和高程不足以發生雪崩的區域。地形因素用于得出坡度、坡向、橫向面曲率和匯水面積，與土地覆蓋和道路影響要素共同確定雪崩土地脆弱性。

3.2 土地脆弱性地圖和滑坡范圍預測

3.2.1 滑坡起始點預測

研究采用SMCE法生成土地脆弱性地圖，該法是一個經常用于自然資源和災害管理的GIS應用。其主要原理是先將各要素進行標準化(這在前一節已經完成)，然后分別賦予權重，根據各要素和相應權重組合綜合得出結果。

采用層次分析法(Analytic hierarchy process)獲得各要素的權重。由于缺乏歷史數據，本文進行了敏感性分析，以保證權重的合理性。

采用ILWIS軟件中SMCE模型建模，將各要素和相應權重組合，得到各類滑坡脆弱性地圖。之后選取脆弱性高的土地區域作為滑坡起始點。利用Flow-R軟件模擬滑坡范圍[3]。Flow-R中參數的設置則依據在歷史數據充足的區域試驗和驗證后獲得。為了模擬真實場景，將觸發因子分為較弱、中等和較強3類，不同觸發因子觸發的脆弱性閾值不同，觸發因子較強時，閾值較小，滑坡起始點數量較多。

3.2.2 滑坡范圍預測

預測滑坡范圍Flow-R軟件是一個以柵格數據為基礎的基于經驗模型?；路秶呻p重算法決定：基于地形確定滑坡方向的算法和基于能量轉換確定滑坡長度的算法[4]。

對滑坡方向的算法確定了滑坡從起始點向四周8個柵格的方向。Flow-R中包含對不同地質災害適宜的不同算法，以多方向算法為例。

當tanβ>0時，

(1)

式中，i,j為滑坡方向(1，2，…，8)，fsi為向第i個柵格運行的滑動物的量 (1，2，…，8) ，βi為中間柵格與第i個柵格之間坡度正切值，x為變量。

滑坡長度的算法取決于滑動物的動能。由于滑坡總量為正，動能的計算取決于單位柵格內的滑動物動能量、持續摩擦損失能量和最大閾值。

(2)

圖2 滑坡范圍計算示意

4 案例分析

下面以某山體滑坡為例進行試驗。對目標區域山體滑坡的各要素重要性進行常識性判斷，結合有限的歷史性數據進行敏感性測試，得出各要素的相對重要性，如表1所示。如果表中數據大于1，表示橫向要素重要性大于縱向要素，反之亦然。

表1 山體滑坡各要素的相對重要性

計算此矩陣的特征向量，不一致比例為0.03，屬于可以接受的范圍。按照所選擇要素以及相應權重疊加，山體滑坡土地脆弱性地圖如圖3所示。

圖3 山體滑坡土地脆弱性地圖和危險系數直方圖

圖3中，3條閾值線顯示了取較弱、中等和較強的的觸發因子時山體滑坡起始點的數量，分別為0.96%，1.79%和2.26%。模擬滑坡影響范圍如圖4所示。起始點和滑坡范圍的統計如表2所示。

圖4 不同等級觸發因子的山體滑坡預測范圍

表2 起始點和滑坡范圍所占面積統計 %

5 結 語

將模擬結果與已發生的自然災害數據進行比較，同時也與地方專家進行了討論。專家認為模擬結果較符合目標區域的自然災害情況，尤其是沿主干道發生的多個自然災害均在準確預測中。然而歷史數據與模擬數據存在一定差異，原因如下：①歷史數據的記錄不完全且記錄地點不準確，多為口頭上報地址或者文字記錄；②部分重要要素數據無法取得，例如預測滑坡的泥土數據和雪崩的風力數據等；③其他區域的結論不能完全應用于目標區域，某些參數是由對其他區域的研究獲得，不一定完全能應用于目標區域。

傳統的對于小比例尺區域滑坡研究，通常只獲得土地脆弱性結果，其結果也只能預測滑坡起始點。然后實際中，滑坡的滑動范圍比起始點范圍更大且破壞性也更大。該研究中選取高脆弱性土地作為起始點進行滑坡范圍預測，較傳統方法更貼近實際情況。結果顯示，如果對目標區域足夠了解，基于經驗的自然災害預測能達到良好效果，對滑坡范圍的預測能使模擬結果更加符合實際情況。

[1] Nadim F, Kjekstad O. Global landslide and avalanche hotspots[J]. Landslides, 2006, 3(2), 159-173.

[2] Yalcin A. GIS-based landslide susceptibility mapping using analytical hierarchy process and bivariate statistics in Ardesen (Turkey): Comparisons of results and confirmations[J]. CATENA, 2008, 72(1), 1-12.

[3] Blahut J. Debris flow hazard and risk analysis at medium and local scale[D].Milano :University of Milano-Bicocca, 2010.

[4] Horton P, Jaboyedoff M, Bardou E. Debris flow susceptibility mapping at a regional scale[C]∥Paper presented at the 4th Canadian Conference on Geohazards,2008.

(編輯：李 慧)

2017-03-20

馬雅文，女，長江勘測規劃設計研究院，工程師.

1006-0081(2017)05-0027-04

U416.163

A