基于CF-Logistic模型的雅礱江新龍段地質災害易發(fā)性評價

付樹林, 梁麗萍, 劉延國

(1.太原學院 文化與旅游系, 太原 030032; 2.四川省地質礦產勘查開發(fā)局物探隊,成都 610000; 3.西南科技大學 環(huán)境與資源學院, 四川 綿陽 621010)

新龍縣位于雅礱江中游高山峽谷地帶，地處青藏高原東南邊緣，恰處于活動性斷裂的交匯處。該地斷層分布，地質條件復雜，且氣候復雜多變，降水季節(jié)變化大。在強降雨的作用下，研究區(qū)很容易誘發(fā)地質災害[1-2]。2020年7月連續(xù)不斷的強降雨使得長江下游淮河流域等地區(qū)遭受水災，同時四川省也多次發(fā)布暴雨藍色預警。強降雨不僅讓河流水位迅速上升，使得河流沖垮部分路段，而且也誘發(fā)了大量的滑坡泥石流等自然災害。據(jù)甘孜州公路建設服務中心消息，2020年7月16日9時30分，受洪水沖刷影響，G227線(原S217)甘孜州新龍縣境內色威鄉(xiāng)K1586+600～650處路基全幅沖毀斷道。7月23日上午，由于持續(xù)降雨影響，G227線(原S217)甘孜州新龍縣境內樂安鄉(xiāng)K1562+216處突發(fā)泥石流，導致切格亞珠西中橋被沖毀。隨著通縣油路的建設完工，新龍已經成為連接國道317線、318線的橋梁以及貫穿甘孜州南北兩路的大通道，在交通上起著重要的作用。該處發(fā)生地質災害不僅為來往車輛通行帶來不便，更會威脅到人的生命安全。地質災害易發(fā)性評價，是指在查明研究區(qū)地質環(huán)境背景的基礎上，回答該區(qū)哪兒更易于發(fā)生地質災害這樣一個空間概率問題，是對區(qū)域地質災害發(fā)生的可能性進行預測，對于區(qū)域災害防治具有現(xiàn)實意義[3-5]。

地質災害易發(fā)性評價可以追溯到20世紀60年代，評價方法由最初的定性描述逐步轉變?yōu)槎棵枋觥?1世紀以來定量評價方法逐漸增多，主要依靠GIS和數(shù)學模型進行地質災害易發(fā)性評價。常用的數(shù)學模型方法有信息量法[6-7]、層次分析法[8-9]、確定性系數(shù)法[10-12]、邏輯回歸法[13-14]、支持向量機法等[15-16]。不同的模型方法各有優(yōu)缺點，研究者往往在進行評價的過程中，通過嘗試運用不同的模型進行對比以及將兩種模型相結合，經過模型準確性檢驗，選擇精度高的評價模型，最終得到易發(fā)性分區(qū)[17-21]。確定性系數(shù)法計算出的CF值直接代表著各評價因子分級指標對地質災害的貢獻程度，可以客觀地反映各評價因子不同分級為地質災害發(fā)生提供的貢獻率，且模型運算簡單，得到了廣泛的應用。然而各因子之間存在差異性，需要通過確定評價因子權重來解決。邏輯回歸模型可以很好地解決評價因子權重的問題，但需要將評價因子量化，且忽略了每個評價因子下分級指標的貢獻程度。將兩種方法有效結合，CF值直接帶入邏輯回歸中進行權重計算，相互彌補了模型本身的不足，使得模型更加完善。

1 研究區(qū)概況

新龍縣隸屬四川省甘孜藏族自治州，位于四川甘孜州中部，雅礱江流域中上游。其地跨北緯30°23′—31°32′，東經99°37′—100°54′，東與爐霍縣、道孚縣相連，南與雅江縣、理塘縣接壤，西與白玉縣毗鄰，北與甘孜縣分界，西北與德格縣相接。研究區(qū)位于青藏高原東南邊緣，屬川西山原和橫斷山脈地接觸帶，地勢北高南低，平均海拔3 500 m，最高點為北部卡瓦洛日雪山，海撥5 992 m，最低點為南部子拖西鄉(xiāng)當巴村，海拔2 960 m。縣內雅礱江自北向南縱貫全境，呈“V”字形深切縣境，形成中部雅礱江大峽谷和兩岸呈東西向展布的丘狀高原區(qū)，主要為深切割高山峽谷地貌、中深切高山地貌、高原低山丘陵地貌、現(xiàn)代冰川及冰蝕地貌4種地貌類型。由于其特殊的高山峽谷地貌，境內氣候垂直性地帶差異明顯，常年平均氣溫7.4℃，最寒冷為頭年12月至次年1月，極端最低氣溫-19.2℃，最熱為7月，極端最高氣溫33.6℃。年平均降水量為636.2 mm，雨量少而不均。時有山洪、滑坡、泥石流等地質災害發(fā)生。

2 研究方法

2.1 確定系數(shù)法

確定性系數(shù)(Certainty Factor,CF)是一個概率函數(shù)，其假設將來發(fā)生地質災害的條件和過去發(fā)生地質災害的條件相同，表達式為：

(1)

式中：PPa為地質災害在評價因子a類中發(fā)生的概率，應用時為評價因子a類中存在的地質災害個數(shù)與因子a類的面積的比值；PPs為地質災害在整個研究區(qū)發(fā)生的先驗概率，即為整個研究區(qū)域的地質災害的個數(shù)與研究區(qū)面積的比值。CF的變化區(qū)間為[-1,1]，正值代表地質災害發(fā)生的確定性高，較易發(fā)生地質災害；負值代表地質災害發(fā)生的確定性較低，不易發(fā)生地質災害；當計算結果接近0表示該因子在分類中不能確定是否容易發(fā)生地質災害。

2.2 邏輯回歸法

邏輯回歸模型描述的是二元因變量(0代表地質災害不存在，1代表地質災害存在)與其自變量之間的關系，邏輯回歸函數(shù)為：

(2)

式中:P為滑坡發(fā)生的概率；α為截距；β為回歸系數(shù)

輸出結果P的范圍為0～1。0表示發(fā)生地質災害的概率為0，1代表發(fā)生地質災害的概率為100%。將等式兩邊取自然對數(shù)得ln[P/(1-P)]，并作為因變量，將影響因子Xi(i=1,2,…,n)作為自變量，建立線性回歸方程：

(3)

2.3 確定性系數(shù)-邏輯回歸綜合模型

將根據(jù)公式(1)計算出CF，作為評價因子分級指標的貢獻度，并將CF值帶入邏輯回歸模型中，通過SPSS邏輯回歸分析得到各評價因子的回歸系數(shù)，確定評價因子權重。通過兩個模型的結合，最終得到CF-Logistic模型。

3 易發(fā)性評價

3.1 評價因子

評價因子的選取是影響地質災害易發(fā)性評價結果的重要因素，本文根據(jù)前人研究經驗以及野外實地考察結果，主要考慮自然環(huán)境本身的影響因素，選擇坡度、坡向、起伏度、坡形、工程巖組、降水、與水系距離、與道路距離、與斷層距離，共9個評價因子，并將每個評價因子分級(圖1)。

圖1 評價因子分級

(1) 坡度。坡度的大小往往決定了地表松散物質發(fā)生位移并形成地質災害的可能。運用ArcGIS表面分析工具根據(jù)研究區(qū)DEM提取坡度信息，將坡度分為9級，由坡度分級圖可知，新龍縣中部及雅礱江兩岸坡度較陡，東西兩側的高原低山丘陵區(qū)坡度較小。坡度在25°以上的面積占總面積的45.51%。地質災害隨著坡度的升高先增多后減少，在坡度為20°～25°時，地質災害數(shù)量最多，為49處，占總災害的20.76%。

(2) 坡向。不同的坡向所受太陽的輻射強度不同，導致山坡形成有差異的水熱比規(guī)律，其一定程度上影響著地質災害的發(fā)生。運用ArcGIS表面分析工具根據(jù)研究區(qū)DEM提取坡向信息，將坡向分為北、東北、東、東南、南、西南、西和西北。從統(tǒng)計數(shù)據(jù)來看，研究區(qū)地質災害集中在東、東北以及西南和西北方向，共計151處，占總災害的63.98%。

(3) 起伏度。起伏度指一定區(qū)域內最高點與最低點的差值，即相對高差。相對高差越大，坡體上堆積的松散堆積物就越易受到重力影響而滑落，從而形成地質災害。基于ArcGIS表面分析工具，分別提取范圍高程最大值和最小值，再利用柵格計算器，將最大值減去最小值，得到流域起伏度分布，研究區(qū)起伏度分為<20 m，20～40 m，40～60 m，60～80 m以及>80 m。地質災害點集中在起伏度20～40 m，共105處，占比44.50%。

(4) 坡形。根據(jù)坡面形態(tài)的不同，坡形可以分為凹形坡、凸形坡和平行坡。剖面曲率可以用來表示坡形，它是指坡度沿最大坡降方向上的坡度變化率。剖面曲率大于0表示斜坡表面向外凸起，小于0表示斜坡表面向內凹入，0表示斜坡表面平直。為了方便統(tǒng)計，將剖面曲率小于-0.1的歸為凹形坡，大于0.1的歸為凸形坡，介于-0.1與0.1之間的歸為平形坡。由于凸形坡下部沒有承載體，地質災害一般發(fā)生較多，研究區(qū)136處災害點位于凸形坡，占比57.63%。

(5) 工程巖組。工程巖組是對區(qū)域內巖性相同，主要指成因相同和巖石物質成分相似的巖石進行重新分類，其作為坡體的物質組成，對地質災害的發(fā)生起著重要的作用。區(qū)域內工程巖組主要為硬質巖組和軟質巖組，松散堆積體和軟硬互層巖組分布較少。其中硬質巖組主要分布在研究區(qū)東側，地質災害數(shù)量為160處；軟質巖組主要分布在研究區(qū)西側，地質災害數(shù)量為70處。

(6) 降雨。降雨是地質災害的主要誘發(fā)因子之一，除了降雨對斜坡表面的沖刷外，實際上是滲入斜坡的雨水通過與巖土之間發(fā)生各種作用，最終誘發(fā)地質災害。本文選擇流域周圍德格、甘孜、道孚、巴塘、新龍、理塘、康定以及小金共8個站點2009—2019年夏季(6—8月)降水總量，并進行插值得出流域降雨分布。由圖1可知，研究區(qū)夏季降水總量為370～413 mm，且由北向南降雨依次增多。將降雨等分成5段，降水為387～396 mm時地質災害數(shù)量最多，為159處，占比67.37%。

(7) 與水系距離。河流水系的切割主要為地質災害提供了臨空面，地質災害具有沿主干水系分布的特點[22]。縣域內主要河流為雅礱江，自北向南流經全境208 km，有阿色曲、麥曲河、霍曲、嘎拉西河、甲拉西河、切衣河、尤拉西河、子拖西河等雅礱江支流13條。通過制作水系緩沖區(qū)，將與水系距離分為<0.2 km，0.2～0.4 km，0.4～0.6 km，0.6～0.8 km，0.8～1 km以及>1 km。地質災害隨著與水系的距離的增加而減少，主要集中在距離水系0.2 km內，共118處，占比50%。

(8) 與道路距離。道路的建設對部分地區(qū)邊坡穩(wěn)定性造成了一定的破壞，從而導致地質災害的發(fā)生。研究區(qū)主要道路呈“王”字分布，通過制作道路緩沖區(qū)，將與道路距離分為<0.5 km，0.5～1 km，1～1.5 km，1.5～2 km以及>2 km。地質災害與道路距離存在負相關關系，多集中在與道路距離0.5 km之內，共114處，占比48.31%。

(9) 與斷層距離。地質災害的發(fā)育一般都與斷裂構造密切相關，尤其是在區(qū)域性斷裂構造的交叉復合部位，由于巖石較為破碎，常常形成有利于地質災害形成和發(fā)育的構造條件[23]。研究區(qū)有較大斷層分布，其中，坐景寺—昂給斷層(甘孜—理塘斷裂)、擦崗隆洼—古魯斷裂、亞火—卓西斷裂(馬尼干戈—拉波斷裂)，具深切割特點的殼層大斷裂。將與斷層距離分為<1 km，1～2 km，2～3 km，3～4 km，4～5 km以及>5 km，統(tǒng)計顯示，與斷層距離大于5 km，地質災害數(shù)量較多，為139處，但在與斷層距離2 km內，地質災害密度較大。

3.2 評價模型

(1) 各評價因子分級賦值。地質災害易發(fā)性評價之前，首先應該對評價因子分級進行CF計算。本文以研究區(qū)236處地質災害為基礎數(shù)據(jù)，通過統(tǒng)計坡度、坡向、起伏度、坡形、工程巖組、降雨、與水系距離、與道路距離和與斷層距離評價因子分級的災害點數(shù)量與各分級面積，帶入公式(1)中，得到每個評價因子分級指標的CF值(表1)。

表1 評價因子分級及CF

CF值可以客觀反映地質災害發(fā)生的確定性，其值越大說明地質災害發(fā)生的確定性越高。通過計算的CF值可看出：坡度在20°～25°以及在40°～45°和大于45°的地方地質災害發(fā)生的確定性最高；除了東南和西北方向為負值，其他方向均為正值，其中西和東北方向最易發(fā)生地質災害；起伏度在20～40 m以及大于80 m時易發(fā)生地質災害，CF值均較高；凸形坡有利于地質災害的形成，CF值為正，凹型和平行均為負值；從工程巖組來看，地質災害主要發(fā)生在硬質巖組；降水在387～396 mm，地質災害點數(shù)量最多，CF值最大；與水系和道路距離和CF值呈負相關，隨著距離的增加，CF值基本逐漸變小；從斷層來看，距離斷層3 km以內，確定性系數(shù)均較大，極其容易發(fā)生地質災害。

(2) 權重計算。邏輯回歸模型可通過SPSS計算，將有地質災害點和無地質災害點各236處，是否發(fā)生地質災害作為因變量(1代表地質災害樣本點，0代表非地質災害樣本點)。利用ArcGIS軟件分析功能提取每個點在所有評價因子上的CF值，將評價因子分類級別的CF值作為自變量。將因變量和自變量帶入SPSS進行二元回歸分析，計算回歸系數(shù)，邏輯回歸結果見表2。

表2 基于確定性模型的邏輯回歸分析結果

應用統(tǒng)計軟件SPSS進行數(shù)據(jù)回歸分析，得到各個影響因素的邏輯回歸系數(shù)值，通常Sig.值<0.05統(tǒng)計有意義。由檢驗結果可知(表2)，坡度、坡向、起伏度以及坡形的Sig.>0.05，故剔除上述4個評價因子。將通過顯著性檢驗(Sig.<0.05)的變量代入模型，對應的β作為評價指標權重。

(3) CF-Logistic模型。根據(jù)計算的CF值以及通過邏輯回歸計算結果，CF-Logistic模型如下：

Y=0.933X1+2.105X2+1.466X3+1.739X4+1.326X5

P=1/(1+e-Y)

(4)

式中：P為發(fā)生地質災害的概率，值為[0,1]；X1—X5分別為工程巖組、降水、與道路距離、與斷層距離和與水系距離的分級指標CF值。

3.3 評價結果與檢驗

運用柵格計算器，根據(jù)模型進行評價因子的疊加和公式計算，得到研究區(qū)地質災害易發(fā)性計算結果。將結果利用自然間斷法劃分地質災害易發(fā)性等級，即極低易發(fā)區(qū)、低易發(fā)區(qū)、中易發(fā)區(qū)、高易發(fā)區(qū)和極高易發(fā)區(qū)，生成基于CF-Logistic模型的新龍縣地質災害易發(fā)性區(qū)劃圖(圖2A)。作為對比，采用單一的CF模型進行易發(fā)性評價，同樣也生成易發(fā)性區(qū)劃圖(圖2B)。

圖2 CF-Logistic模型與CF模型評價結果對比

根據(jù)地質災害易發(fā)性評價結果(圖2)可看出，兩種模型劃分結果均與地質災害點分布基本吻合，極高易發(fā)區(qū)主要沿道路分布，其中包括貫通南北的G227兩側，同時此處也是雅礱江干流經過的地方，其次包括連接東西的鄉(xiāng)道和縣道兩側。高易發(fā)區(qū)主要分布在支流兩側以及零星分布在中部的斷層周圍。中易發(fā)區(qū)和低易發(fā)區(qū)主要分別集中在研究區(qū)中部的西側和東側，該區(qū)域分布很大原因是受到降雨因子的影響，分區(qū)較明顯。極

低易發(fā)區(qū)主要分布在北側的高原。但從圖上看兩個模型地質災害易發(fā)性分區(qū)的聚散程度有明顯差別，CF-Logistic模型評價分區(qū)比較聚集，CF模型評價分區(qū)相對較分散，從管理角度來說，聚集性強的較容易管理以及進行土地利用的整體規(guī)劃。

通過統(tǒng)計兩個模型不同分區(qū)的面積以及災害點個數(shù)，得到易發(fā)性分區(qū)結果統(tǒng)計表(表3)。可看出CF模型的極高易發(fā)區(qū)和高易發(fā)區(qū)地質災害點分布較多，但CF-Logistic模型由于分區(qū)內面積較小，災害點密度較高。檢驗模型的精確度，一般學者都用受試者工作曲線(ROC)來進行驗證。ROC是以敏感度(真陽性率)為縱坐標，1-特異度(假陽性率)為橫坐標繪制而成，很多學者用來驗證模型精確度，一般認為ROC越左凸，模型的精確度越高。其曲線下方面積(AUC)來反映模型準確度，AUC越接近與1，則說明模型精確度越高。為了有效檢測模型的精度，本文不僅將CF-Logistic模型進行ROC驗證，同時還將單一的CF模型進行驗證，從而對比模型精度的大小。

表3 易發(fā)性分區(qū)結果統(tǒng)計

將472個樣本點(地質災害點236處，無地質災害點236處)分別代入兩個模型當中，利用SPSS分析功能得到評價模型ROC曲線，由圖3可以看出，CF-Logistic模型曲線更接近左上角，說明CF-Logistic模型精確更高。通過計算曲線下方面積AUC，CF-Logistic模型0.889，CF模型0.878。結果表明CF-Logistic模型適用于新龍縣地質災害易發(fā)性評價，得到的分區(qū)結果具有合理性。

圖3 各模型ROC曲線

4 結 論

(1) CF-Logistic模型可結合兩個模型的優(yōu)點，在計算評價因子分級指標貢獻率大小的基礎上確定各因子權重，且可以剔除未通過顯著性檢驗的評價因素，在評價結果中強化對地質災害影響較大的因素，劃分較為客觀，從而可提高模型的精確度。

(2) 基于CF-Logistic模型的新龍縣地質災害易發(fā)性評價結果顯示，極高易發(fā)區(qū)主要分布在貫通南北的G227線兩側，以及連接東西部的鄉(xiāng)道和縣道兩側，高易發(fā)區(qū)主要分布在支流兩側以及零星分布在中部的斷層周圍。這兩個區(qū)域的地質災害點共計175處，占比74.15%，中、低、極低易發(fā)區(qū)地質災害大幅度減少，分區(qū)結果與地質災害實際分布情況較符合。

(3) 為了驗證評價模型精度，將CF模型和CF-Logistic模型精度進行比較，AUC評估結果表明，CF模型0.878，CF-Logistic模型0.889，兩個模型精度均較高，但CF-Logistic模型更加準確。