氣候變化背景下中巴經濟走廊崩滑災害危險性動態評價及預測

余文秀， 李秀珍， 姚杰， 鄭玲靜

(1.中國科學院、水利部成都山地災害與環境研究所， 成都 610041； 2.中國科學院大學工程科學學院， 北京 100049)

崩塌滑坡是山區最為常見的地質災害，世界銀行數據顯示，全球約370萬km2的陸地處于崩塌滑坡的高易發區內，崩塌滑坡災害威脅著3億多人的生命財產安全[1]。近年來，全球氣候變暖直接引發了冰川凍土退化、地表蒸發量增加、極端降雨次數增多，也間接導致世界各地發生崩滑災害的數量及破壞程度顯著上升。這不僅嚴重威脅著人類的生命和財產安全，也造成了嚴重的環境破壞[2-3]。中巴經濟走廊以中巴公路為導向，縱貫帕米爾高原，北接“絲綢之路經濟帶”，南連“21 世紀海上絲綢之路”，是中國經巴基斯坦通往南亞和中東地區的重要通道[4-5]。走廊沿線地質條件復雜、生態環境脆弱、區域穩定性極差，是全球崩滑災害高發區之一，也是氣候變化最為敏感和復雜的地區。隨著全球氣溫的升高，致使走廊內冰雪融水劇增，一方面導致河流徑流量增多，加劇了河流對于岸坡的侵蝕；另一方面，融雪水的入滲會降低巖土體的抗剪強度，促進崩滑災害的發育，使中巴經濟走廊的建設和民生安全受到嚴重威脅。為了保證走廊的順利建設，降低因發生崩滑災害而造成的人員傷亡和經濟損失，急需對該區域崩滑災害進行系統科學的危險性評價及預測。

常用的危險性評價方法分為定性評價及定量評價兩類[6]。定性評價主觀性較強，是通過專家打分對主要因素進行評判和確定，常見的有層次分析法、專家評分法等[7]；相比而言，定量評價更為客觀和準確，常見的有信息量法、邏輯回歸法、支持向量機法、頻率比法等。其中信息量及邏輯回歸兩種模型由于操作簡單、準確率高，在區域崩滑災害危險性評價中應用尤為廣泛，如文獻[8-10]利用信息量模型及ArcGIS軟件完成了區域崩滑災害的風險評價；文獻[11-13]采用邏輯回歸分析分別對汶川地震滑坡、巫山縣滑坡及思南縣滑坡進行了危險性評估，證實了模型的可靠性。上述信息量及邏輯回歸模型雖在崩滑災害危險性評價中應用廣泛，卻各有優缺點，如信息量模型僅考慮了同一因子不同等級對災害發生的影響，忽略了因子間的相關性。而邏輯回歸模型雖無法考慮同一因子不同等級對災害的影響，卻可以得到不同影響因子的權重系數。二者聯合形成的信息量-邏輯回歸耦合模型優勢互補，能明顯提高預測精度。

在因子選取方面，已有研究大多只考慮了相對穩定的地質環境因素，得到的也是靜態不變的評價結果[14]。然而，隨著全球氣候變暖，降雨、氣溫等誘發因素的動態變化必然會導致崩滑災害的危險性隨之變化。科學評估和預測崩滑災害的動態危險性，對精準防范山地災害具有重要意義[15]。

現充分考慮氣候變化及冰雪融水對崩滑災害危險性的動態影響，選取與崩滑災害發生密切相關的評價因子，基于信息量-邏輯回歸耦合模型對中巴經濟走廊北部山區崩滑災害的危險性進行靜態和動態評價及預測，以期為中巴經濟走廊崩滑災害的防災減災提供科學決策和指導。

1 研究區自然地質環境及災害概況

中巴經濟走廊北部山區位于33°N～40°N、71°E～78°E，起于中國喀什，終于巴基斯坦伊斯蘭堡北部(圖1)。北接“絲綢之路經濟帶”、南連“二十一世紀海上絲綢之路”，是貫通南北絲路的關鍵樞紐，是一條包括鐵路、公路、光纜和油氣通道的貿易走廊，也是“一帶一路”的重要組成部分[16]。

圖1 研究區地理位置圖Fig.1 Geographical location map of the study area

1.1 自然地質環境概況

地形地貌是形成地質災害的內在因素，也是影響崩滑災害發育的重要因素，對地質災害的發生起著控制性作用[17]。中巴經濟走廊地形高差懸殊、地勢險峻、群山聳立、侵蝕切割強烈、沖溝發育密集、切割深度大、峽谷地形眾多，其特殊的地形條件為崩滑災害的發生提供了良好的孕災環境。

研究區地質條件復雜，寒武紀到第四紀各時代的地層均有出露(圖2)。研究區東北部以花崗巖、閃長巖及鎂鐵礦石為主，南部以灰巖及石英砂巖為主，整體穩定，崩滑災害發育較少；中西部以泥巖、砂巖、粉砂巖、膏泥巖、石英片巖等易泥化或軟化的巖石以及第四系松散堆積體為主，穩定性極差，崩滑災害最為密集。本研究將區內巖體依據硬度及完整程度劃分為5個巖組：Ⅰ第四系松散堆積物；Ⅱ泥片巖；Ⅲ砂巖、泥質砂巖、粉砂巖、泥巖、石英片巖；Ⅳ灰巖、白云巖、石英砂巖、鎂鐵質礦；Ⅴ花崗巖、閃長巖等。

中巴經濟走廊地處喜馬拉雅山、喀喇昆侖山和興都庫什山三大山脈交匯處，自新生代以來，歐亞板塊與印度板塊相互碰撞導致該區成為大陸內部新構造運動最為活躍的地區之一，活動斷裂發育，地震活動頻繁。據地震局1902年至今存檔數據，區內共發生地震17 996次，主要為3～5級的小震，占總數的89.26%(圖3)。頻繁的地震及密集發育的活動斷裂使得研究區內巖體破碎，區域穩定性顯著降低，為崩滑災害的發育提供了有利條件[18-19]。

研究區屬暖溫帶大陸性干旱氣候類型，垂直分帶明顯，高山冰川與干熱河谷氣候截然不同。中、低海拔為典型的山地氣候，夏季炎熱濕潤，冬季寒冷干燥。海拔5 000 m以上的群峰被永久積雪和冰川覆蓋，常年積雪。區內水系發達，支流眾多，崩滑災害大多沿河流兩岸發育。主要河流如印度河、洪扎河、吉爾吉特河等均以高山冰雪融水補給為主，以地下水和降雨補給為輔。通過分析近十幾年來的氣候數據，發現中巴經濟走廊內年均氣溫及降雨量呈現明顯的上升趨勢。融雪水及降雨量的逐年增加，加劇了河流對岸坡的侵蝕，也降低了巖土體內部的穩定性，致使區內崩滑災害的發育愈加劇烈。

圖2 地層與斷裂帶分布圖Fig.2 Distribution map of strata and fault zones

1.2 崩滑災害發育特征

中巴經濟走廊內典型的高山陡坡地貌、強烈的構造運動、脆弱的生態環境及敏感的氣候條件致使崩滑災害十分發育。現通過文獻資料收集、遙感解疑和現場調查查明走廊北部山區共發育崩滑災害1 062處，其中滑坡401處，崩塌661處。中巴公路(Karakoram Highway，KKH)沿線及重要路段或工程影響區以野外調查及資料收集為主、遙感解疑為輔，其他區域以遙感解譯及資料收集為主、野外調查為輔。統計分析災害規模及數量，區內共發育大型、特大型崩塌137處，大型、特大型滑坡111處，中小型崩塌524處，中小型滑坡290處(圖4)。

圖4 研究區災害點空間分布圖Fig.4 Distribution map of geological disasters

2 評價模型和評價因子

2.1 評價模型

災害的發生受各種地形及地質環境因子的影響，不同的因子對于災害發生所起的作用大小不同[20]，對于同一影響因子，其值的變化也會直接影響災害發生概率的大小。信息量法認為事件的發生受到多種因素共同作用，且同一因素的不同等級對于事件發生與否的影響存在差異，其理論公式為

(1)

式(1)中：I=(Y,x1,x2,…,xn)為影響因素x1,x2,…,xn對災害提供的信息量；P(Y,x1,x2,…,xn)為影響因素x1,x2,…,xn共同作用下災害發生的概率；P(Y)為災害發生的先驗概率。

當涉及的因子較多，且同一因子不同等級對災害的影響也不同時，采用原式計算較為復雜，故先計算單一因素的信息量，再將各因素的信息量值進行求和，得到綜合信息量[21]，原理論模型簡化為

(2)

式(2)中：I為評價單元內的綜合信息量；Ni為在影響因素Xi內的災害面積；N為研究區內災害分布總面積；Si表示影響因素Xi內的研究區面積；S為研究區總面積；H表示滑坡事件。

計算所得信息量值介于-1～1，值越大表示發生災害的可能性越大；反之，值越小，越不易觸發災害；值為0時表示無法判斷災害是否發生。

邏輯回歸模型側重于分析不同影響因子與災害發生的相關性大小[22]，屬于多變量模型，其最明顯的優勢在于自變量無需滿足正態分布，且自變量可以是多個，但因變量只能有兩種情況。理論公式為

(3)

式(3)中：z=w1x1+w2x2+…+wmxm+b是一個加權線性組合模型，其中b為回歸函數截距，wm為回歸系數，xm為自變量；F(z)為事件發生的概率，其值介于0～1，值越大發生事件的概率越大。

信息量法由于意義明確、操作簡單、實用性強，在地質災害評價領域得到了廣泛應用，但信息量模型只能反應同一因子不同等級對災害發生的影響程度，忽略了因子間的相關性。邏輯回歸模型以災害是否發生作為因變量，影響因子值作為自變量，可以得到影響因子的權重大小。為了充分利用兩種模型的優勢，建立信息量-邏輯回歸耦合模型，以影響因子歸一化后的信息量值為自變量，以災害發生或者不發生作為因變量，既能反映不同因子間的相對重要性，又能反映同一因子不同等級對于災害發生的影響[23]。其理論公式為

(4)

式(4)中：Z為危險性值；Ii為第i個因子的分級指標提供的信息量；Ii，max為第i個因子的信息量最大值；Ii，min為第i個因子的信息量最小值；βi為第i個因子的邏輯回歸系數；β0為邏輯回歸所得常數項。

2.2 評價因子選取

科學、合理地選擇評價因子是保證評價結果可靠性的前提。中巴經濟走廊內發育的崩滑災害與其特殊的地貌、地質、水文、生態、氣候環境密不可分。本研究選取相對高差、坡度、坡向、曲率、巖組、斷裂帶密度、河網密度、距冰川距離、地震峰值加速度(peak ground acceleration,PGA)、土地利用10個因子(圖5)作為靜態危險性評價因子體系，在驗證靜態危險性評價結果可靠性的基礎上通過引入動態降雨及氣溫與靜態評價因子構成動態危險性評價因子體系。

3 崩滑災害靜態危險性評價

3.1 信息量計算

根據式(2)計算出各評價因子的信息量值I，如表1所示。

表1 信息量計算表Table 1 Calculation results of information content

信息量值有正有負，正值越大發生災害的概率越大；負值越小發生災害的概率越小，由此得到中巴經濟走廊北部山區對崩滑災害發生影響較大的因子類別：巖組為Ⅱ，坡度為50°～60°，PGA為0.46～0.5，斷裂帶密度為0.065～0.098 km/km2，曲率為-7～0.5，距冰川6～12 km，坡向為南東及南西，相對高差為1 130～1 410 m，河網密度為0.077～0.1 km/km2，土地利用類型為草地和灌木地。以上幾種因子類別中發生崩滑災害的概率較大。

3.2 基于耦合模型的靜態危險性評價

中巴經濟走廊北部山區共發育崩滑災害1 062處，通過Arcgis隨機生成等量的非災害點并結合遙感影像進行調整。以各點信息量為自變量，以災害發生與否為因變量，導入SPSS軟件進行邏輯回歸分析。將表2中回歸系數代入式(4)中得

Z=0.195+0.531ITD+1.123IPGA+0.834IBC+0.563IPD+0.572IHW+0.475IPX+0.74IQL+0.493IGC-0.087IDLD+0.825IYZ

(5)

式(5)中:Z表示危險性系數；ITD、IPGA、IBC、IPD、IHW、IPX、IQL、IGC、IDLD、IYZ分別表示歸一化后的土地利用、PGA、距冰川距離、坡度、河網密度、坡向、曲率、相對高差、斷裂帶密度、巖組的信息量。

表2 邏輯回歸系數計算結果Table 2 Calculation results of logistic regression coefficients

結合前人危險性分級的經驗，利用Arcgis自然斷點法將危險性系數分為1～5級，分別對應極低、低、中等、高、極高危險性。統計分析各級危險區面積及災害個數，結果顯示危險等級越高，崩滑災害數量及災害點密度越大，約有89.92%的災害點分布于高、極高危險區，在低、極低危險區內的災害點僅占2.32%(表3)，評價結果與實際吻合，表明耦合模型用于該區崩滑災害危險性評價具有較高的可信度。危險性區劃圖(圖6)顯示，中巴經濟走廊北部山區崩滑災害的高危險區主要集中在中西部地區，特別是紅其拉甫至哈維連一帶的坡度陡峭山區和地形起伏大的河谷兩岸。

4 崩滑災害動態危險性評價及預測

崩滑災害的發生與氣候變化密切相關，據歷史記載，崩滑災害的發生往往緊隨極端降雨，降雨是誘發災害最重要的因素之一。研究區內氣溫升高引起區域范圍內融雪水劇增，成為了誘發崩滑災害的另一重要因素，故本研究同時引入動態降雨和氣溫兩個因子進行動態危險性的計算。

表3 危險性等級與崩滑災害分布對比Table 3 Comparison of risk grade and disaster distribution

圖6 危險性區劃圖 Fig.6 Hazard zoning map

4.1 氣候數據來源及因子選取

氣候數據下載自中國科學數據庫，包括日均降雨、日最高溫及日最低溫三種類型，時間跨度為1961—2015年，覆蓋了整個中巴經濟走廊，是基于中巴經濟走廊及其周邊地區的65 個氣象站點數據，以數字高程模型(digital elevation model, DEM)為協變量，采用 ANUSPLIN 軟件進行空間插值得到的結果。 已有研究大多選取平均氣溫或溫差來探索地質災害與氣溫變化的關系，本文需選取能直接反應冰川融化程度的因子，因此引入了新的概念：一年內最低溫高于0°的天數。當溫度高于0°時，冰川消融；溫度低于0°時，冰川積累[24]。本次通過ARCGIS軟件處理得到各年最低溫高于零(Tmin>0)的天數分布圖，如圖7所示。

圖7 部分年份降雨及Tmin>0分布圖Fig.7 Distribution map of rainfall and Tmin>0 in some years

4.2 歷史危險性動態評價

以10年為間隔，分別選取1985年、1995年、2005年及2015年進行歷史危險性動態分析。首先計算氣候因子的信息量(表4)。

表4 氣候因子信息量Table 4 Information quantity of climate factors

再將所有動態評價因子進行邏輯回歸分析，得到新的回歸系數與動態危險性計算公式為

H=0.189+0.533ITD+1.148IPGA+0.842IBC+0.555IPD+0.583IHW+0.471IPX+0.74IQL+0.5IGC-0.116IDLD+0.836IYZ+0.812IJY,i+0.791IQW,i

(6)

式(6)中：H為動態危險性值；ITD、IPGA、IBC、IPD、IHW、IPX、IQL、IGC、IDLD、IYZ分別表示歸一化后的土地利用、PGA、距冰川距離、坡度、河網密度、坡向、曲率、相對高差、斷裂帶密度、巖組各個因子的信息量值；IJY,i為第i年歸一化后的降雨信息量值；IQW,i為第i年歸一化后的氣溫信息量值。

通過式(6)計算出1985年、1995年、2005年及2015年的危險性系數，采用自然斷點法對危險性系數分級得到危險性區劃圖(圖8)。動態危險性區劃圖顯示，研究區不同年份的崩滑災害危險區分布范圍隨降雨及氣溫變化而出現明顯差異。如 2005年吉爾吉特以西出現極端強降雨，導致西部高危險區面積顯著增加。動態危險性結果表明，崩滑災害的危險性隨降雨量增加、氣溫升高而增加。

圖8 1985—2015年動態危險性分布圖Fig.8 Dynamic risk distribution map from 1985 to 2015

4.3 危險性預測

基于雨量站點及隨機點構成的提取點提取出1961—2015年多年的氣候數據，通過SPSS軟件進行時間序列預測分析，得到未來不同年份的降雨及氣溫值，再利用ArcGIS中的IDW插值處理得到預測降雨和氣溫圖層(圖9)。再將預測降雨及氣溫代入式(6)計算得到預測危險性區劃圖(圖10)。

圖9 部分年份預測降雨、氣溫及提取點分布圖Fig.9 Distribution map of predicted rainfall, temperature and extraction points in some years

統計分析1985—2035年各年的較高危險區(極高、高危險區)面積占比并繪制變化趨勢圖(圖11)。

圖10 2035年危險性區劃圖(預測)Fig.10 Hazard zoning map for 2035 (forecast)

圖11 1985—2035年較高危險區占比分布圖Fig.11 Distribution of proportion of high-risk areas from 1985—2035

結果表明：研究區崩滑災害較高危險區占比隨氣候變化呈現波動式上升趨勢，預示未來中巴經濟走廊內崩滑災害的發生將會更加頻繁，崩滑災害發生的風險也將會隨著氣候變暖趨勢的增加而逐步增大。

5 結論

以中巴經濟走廊北部山區為研究區，采用信息量-邏輯回歸耦合模型進行區域崩滑災害危險性評價，得到以下結論。

(1)選取相對高差、坡度、坡向、曲率、巖組、斷裂帶密度、河網密度、PGA、土地利用、距冰川距離10個因子構成靜態危險性評價因子體系。通過耦合模型計算得到研究區靜態危險性分布圖，分布圖顯示研究區較高危險區集中在中、西部地區，特別是紅其拉甫至哈維連段的坡度陡峭的山區和地形起伏大的河谷兩岸。統計分析災害點在各危險等級內的占比，結果顯示有89.92%的災害點分布于較高危險區，且災害點密度隨危險等級升高而增加，表明模型具有較高的可信度。

(2)引入1985—2015年的年均降雨及一年內Tmin>0天數兩個動態因子進行動態危險性評價。結果表明危險區分布范圍隨降雨及氣溫變化而出現明顯差異，崩滑災害的危險性隨降雨量增加、氣溫升高而增加。

(3)將歷史氣候數據進行時間序列預測分析即得到預測氣候因子圖層，將其代入耦合模型公式計算出預測危險性分布圖。預測危險性分布圖顯示研究區崩滑災害較高危險區面積占比隨氣候變化呈波動上升趨勢，預示未來中巴經濟走廊內崩滑災害的發生將會更加頻繁。