冶力關國家地質公園崩滑—碎屑流危險性評價初探

施紫越, 辛存林, 焦志鵬, 劉海博,2, 劉 昕

(1.西北師范大學 地理與環境科學學院, 蘭州 730070;2.中國地震局 地震預測研究所, 北京 100036; 3.蘭州大學 資源環境學院, 蘭州 730000)

“崩滑—碎屑流”是我國典型的鏈式地質災害，作為一種特殊的地表過程，其形成條件受到區域地質環境、多相介質融合等復雜因素的影響，通常具有速度快、滑程遠、常轉向等特征，在其運動過程中若遇到江、河、湖，極有可能出現水體被堵塞形成堰塞湖的情況，對下游地區的生命財產安全往往構成潰決威脅[1]。在高陡的坡度條件下，崩滑體的重力勢能轉化為動能，不僅使其解體碰撞碎屑化，還形成了碎屑流運動的初始速度，在后續的滑動過程中，碎屑流可歷經多級地形陡坎，再次將部分勢能迅速轉化為動能，極具沖擊性與摧毀性[2]。

目前，國內外關于崩滑—碎屑流的研究主要集中于遙感解譯、室內試驗、滑動距離分析等方面：夏式偉分析了西藏易貢高速遠程滑坡特征，建立了堰塞壩潰決的三維數值模擬模型[3]；Keith Delaney等利用DEM數據、Landsat影像和動態滑坡建模方法對西藏易貢大型滑坡—碎屑流事件進行了回顧，對易貢堰塞湖的體積進行確認[4]；鄭鴻超等對崩滑—碎屑流的堵江模式及相關數值模擬方法進行了總結與探討[5]；Jeffrey Kargel等對2015年尼泊爾戈爾喀7.8級地震進行分析，認為區域地貌、地質構造和巖性對地震引起的崩滑—碎屑流災害鏈起到了控制作用[6]；夏式偉等對蘆山地震誘發的湯家溝碎屑流事件進行了滑坡全過程的動態模擬[7]；李從容等對在汶川地震后記錄了2008—2016年降雨期間發生的滑坡—碎屑流事件，提出了在強降雨條件下高海拔地區更易發生新的滑坡和巖土體膨脹過程，為碎屑流提供了松散物源[8]。尤其是在2000年西藏易貢藏布滑坡—碎屑流和2008年汶川地震發生后，我國山區崩滑—碎屑流形成模式及其環境效應逐漸成為地質災害鏈的研究熱點[9-11]，基于數值模擬的動力學特征分析也有所側重，但針對崩滑—碎屑流的危險性評價內容仍相對缺乏。

冶力關國家地質公園的崩滑—碎屑流發育史在我國西部十分罕見，雖尚未對園區建設與旅游安全產生影響，但相關危險性研究還未見具體報道，評價工作迫切需要進行。maxEnt模型是基于機器學習和數理統計方法的預測物種地理分布的生態位模型[12]，即探尋與物種“已知分布位置點”環境變量特征相同的評價單元[13]，現已逐步應用于農業生產預測[14]、物種生境分析[15]、滑坡易發性評價等[16]方面。鑒于此，本文利用ArcGIS與maxEnt進行園區的崩滑—碎屑流危險性評價，探討不同因素對崩滑—碎屑流的影響，以期為同類型地質公園的防災減災提供新的認識。

1 研究區概況

2 數據與方法

2.1 數據來源

研究區內共查明中小規模的崩滑—碎屑流災害點65處，初步確定地形因素、地質條件、地震活動和氣候條件是崩滑—碎屑流的孕災環境，并提取高程、坡度、地表粗糙度、地層巖性、距斷裂距離、地震動峰值加速度、距水系距離、5—9月平均降水量、植被覆蓋度、地表溫度、季節性凍土凍結深度為影響因素(表1)。

2.2 研究方法

maxEnt模型的特征函數f(x,y)可描述x，y的某種定性關系，當x，y滿足特定條件時，特征函數賦值為1；不滿足特定條件時，特征函數賦值為0。給定一個約束條件，將訓練數據視為隨機變量(X,Y)產生，用Ep(f)表示特征函數f(x,y)關于經驗分布P(X,Y)的期望，如下式：

(1)

若滿足約束條件，則P(Y|X)關于函數f的期望，與經驗分布關于f(x,y)的期望相等：

(2)

再轉化為求解附帶約束條件的最優化問題，引入拉格朗日算子x、歸一化指數exp(1-w)，令Zw(x)表示exp(1-w)[18]，有：

(3)

表1 影響因素數據來源

3 崩滑-碎屑流危險性評價

3.1 影響因素相關特征

3.1.1 高 程 將研究區的高程劃分為2 110～2 400 m，2 400～2 600 m，2 600～2 800 m，2 800～3 000 m，3 000～3 900 m共5個級別，由圖1A可知，崩滑—碎屑流發生最多的高程位于2 400～2 800 m，災害點密度達37個km2。

3.1.2 坡 度 坡度反映了地表單元的陡緩程度，是分析崩滑—碎屑流形成條件、危險性的重要基礎數據。將研究區的坡度劃分為0°～15°，15°～30°，30°～45°，45°～74°，由圖1B可知，崩滑—碎屑流發生最多的坡度位于15°～30°，災害點密度達19個/km2。

3.1.3 地表粗糙度 地表粗糙度是地球表面粗糙程度的示量，在一定程度上體現了地形起伏的特征，是構成崩滑—碎屑流微地貌的重要條件之一。計算公式如下：

在公司激勵機制運作中，心理學是連接激勵措施與激勵效果的關鍵紐帶，也是為員工與公司建立良好關系的重要橋梁。第一，在公司實施激勵的過程中，需要對激勵措施所產生的效果進行反饋，修正偏差。隨著激勵措施所產生的效果，員工的心理會發生改變，對所處崗位產生感知與評價，從而調整心理。因此，在調整激勵措施時，企業需要參照員工的心理變化，以使企業能夠有效地運作其激勵機制。第二，建立激勵主體和激勵客體兩者關系的橋梁是心理學。兩者關系的強化也由心理學提供媒介，且激勵主體和激勵客體兩者心理學的履約能夠加強彼此之間的溝通，從而強化兩者之間的關系。

(4)

式中:Fsr為某一點的地表粗糙度；FSlope為某一點的坡度。將研究區的地表粗糙度劃分為1～1.08，1.08～1.21，1.21～1.46，1.46～2.06，2.06～3.9，由圖1C可知,地表粗糙度為1～1.08時,崩滑—碎屑流分布密度最高,災害點密度達25個/km2。

3.1.4 地層巖性 在一個區域內，可供崩塌、滑坡等形成的固體物質量首先取決于地質因素，軟弱或軟硬均有分布的巖層易遭到破壞與侵蝕[19]，是影響崩滑—碎屑流暴發的重要地質因素。研究區石炭紀、二疊紀地層的巖體節理裂隙發育、巖體較為破碎，其中崩滑—碎屑流發育于石炭紀地層的比例最高，災害點密度達41個/100/km2，其次為二疊紀地層，災害點密度達3個/km2(圖1D)。

3.1.5 距斷裂距離 研究區內發育北西向斷裂，其延伸方向是地表巖體的破碎集中帶，斷裂活動及其對地下水的控制作用往往影響著山體危巖區域的穩定程度。將研究區的距斷裂距離劃分為<1 km，1～2 km，2～3 km，3～5 km，>5 km，65處災害點全部分布于距斷裂距離2 km之內，而距斷裂1 km之內發生了41.5%以上的崩滑—碎屑流，災害點密度達18個/km2(圖1E)。

3.1.6 地震動峰值加速度 研究區屬西秦嶺北緣構造區，頻繁的地震活動通常使得巖體的破碎程度加劇。65處災害點全部分布于地震動峰值加速度為0.2 g的區域內，地震引起崩滑—碎屑流的危險性極高(圖1F)。

3.1.7 距水系距離 現代河流的侵蝕切割作用與地質災害的發生密切相關，主要水系通常沿河谷分布，河谷下切時剝蝕形成臨空面，因此水系兩岸多成為地質災害的形成部位[20]。研究區的崩滑—碎屑流點多分布于石門河、后山河附近，將距水系距離劃分為<250 m，250～500 m，500～800 m，800～1 000 m，>1 000 m共5個級別。從總體上看，距水系500 m之內發育的災害點最多，密度達8個/km2(圖1G)。

3.1.8 5—9月平均降水量 降水可使得邊坡潛在滑動面上的有效應力與抗剪強度下降，是誘發崩滑—碎屑流的水動力因素。將研究區5—9月平均降水量劃分為62～72 mm，72～82 mm兩個級別，災害點密度分別為15個/100/km2，28個/km2(圖1H)。

3.1.9 植被覆蓋度 植被覆蓋度與NDVI之間存在極為顯著的線性相關關系，通常根據兩者之間的轉換關系可提取植被覆蓋信息[21-22]，NDVI值的高或低都可能對崩滑—碎屑流產生不同的影響。NDVI的計算公式為：

(5)

式中:IR為紅外波段的像素值；R為紅光波段的像素值。以寒生植物為優勢種的草原植被、以粗葉云杉為優勢種的森林植被是研究區的兩大植被類型。將研究區的NDVI劃分為0.68～0.81,0.81～0.88兩個級別,由圖1I可知,植被覆蓋度為0.68～0.81時,崩滑—碎屑流的分布密度最高,災害點密度達28個/km2。

3.1.10 地表溫度 研究區位于青藏高原東北緣的高寒區，年均氣溫約3℃，年均地表溫度不超過11℃，在此氣候條件下物理風化作用較為強烈，加速了巖體的風化剝蝕。將研究區的地表溫度劃分為4.74～6.83℃，6.83～7.96℃，7.96～8.84℃，8.84～9.67℃，9.67～11℃共5個級別，由圖1J可知，地表溫度在7.96～8.84℃時，崩滑—碎屑流的分布密度最高，災害點密度達21個/km2。

3.1.11 季節性凍土凍結深度 研究區凍土類型屬淺季節性凍土，最大季節凍結深度不超過1 m，是高寒區氣候作用下反復凍融的顯著特征之一。由圖1K可知，65處災害點均分布于淺季節性凍土區域之中，引起崩滑—碎屑流的危險性可能較高。

3.2 影響因素多重共線性分析

多重共線性是一個模型中預測變量與其他預測變量相關時所發生的條件，為檢驗所選取影響因素的獨立性，需要對因素的關聯性進行多重共線性分析，避免出現因素的高度相關性而使模型結果失真[23]。從崩滑—碎屑流災害點中隨機選取80%的樣本點作為maxEnt模型的測試數據，并提取每個樣本所對應的11類影響因素分級值。方差膨脹系數(VIF)可用于預測變量的相關性時，度量回歸系數方差增加的幅度，通常以10作為其判斷邊界，若VIF<10，不存在多重共線性；若10≤VIF<100，存在較強的多重共線性；若VIF≥100，則存在嚴重的多重共線性。在SPSS軟件中進行多重共線性診斷，統計其方差膨脹系數與容忍度，根據分析結果，所有影響因素的方差膨脹系數均小于5，容差均小于1，說明因素間出現多重共線性的可能性極低(表2)。

3.3 評價結果與分析

根據maxEnt對柵格圖層變量與坐標數據的讀取要求，11類影響因素的柵格數據通過ArcGIS轉換為ASCII格式文件，將經緯度屬性的崩滑—碎屑流點轉換為CSV格式文件。同時為了消除運算隨機性所帶來的影響，將maxEnt運行次數設置為50次，將輸出的ASCII格式數據在ArcGIS中轉換為標準的GRID格式數據，輸出類型為FLOAT。研究區崩滑—碎屑流的危險性值域為[0，1]，利用自然斷點法對結果進行重分類(圖2)，將其分為極高危險區(0.6～1)、高危險區(0.32～0.6)、中危險區(0.1～0.32)和極低危險區(0～0.1)。

同時，在maxEnt中以“JACKKNIFE”方式輸出11類影響因素對崩滑—碎屑流危險性的相對貢獻率，其中白色柱代表某影響因素單獨作用下崩滑—碎屑流發生的概率，白色柱越長，該因素對崩滑—碎屑流的影響越顯著；網狀柱表示該因素之外的其他變量相對貢獻率的總和；單斜狀柱表示所有影響因素的相對貢獻率總和。由圖3可知，在地震動峰值加速度、地層巖性、距斷裂距離的單獨影響下，崩滑—碎屑流的發生概率均超過0.75；在高程、距水系距離和坡度的單獨影響下，崩滑—碎屑流的發生概率均超過于0.65。而在11類影響因素的綜合作用下，崩滑—碎屑流的發生概率超過0.95。

極高危險區和高危險區集中分布于天池冶海景區、赤壁幽谷景區、冶木峽景區和親昵溝景區，區內巖層風化程度較高，高程在2 500 m以上，坡度在30°～45°，受地震活動影響強烈。極低危險區占研究區面積的83.98%，無災害點分布，而極高危險區占比3.75%，分布有42處災害點，表明隨著崩滑—碎屑流危險性的升高，災害點數量與點密度隨之增大，二者呈顯著的正相關關系(表3)，與危險性劃分等級相一致。

通過生成影響因素的響應曲線，可獲得研究區崩滑—碎屑流的發生概率與影響因素之間的規律(圖4)，其中橫坐標表示各影響因素的屬性，縱坐標表示崩滑—碎屑流的發生概率。在11類影響因素中，高程、地表溫度與植被覆蓋度的響應曲線呈“拋物線”狀，整體為先增大后減小的趨勢，在曲線達到峰值前，崩滑—碎屑流的發生概率隨高程、地表溫度與植被覆蓋度的增加而上升；坡度、地層巖性、距斷裂距離、5—9月平均降水量與崩滑—碎屑流的發生概率呈負相關關系，表現為坡度在0°～30°、地層巖性為石炭系灰巖、距斷裂距離2 km之內、5—9月平均降水量為72 mm時，崩滑—碎屑流的發生概率較高；由于地震動峰值加速度和季節性凍土凍結深度為單一值，故其響應曲線為一條水平線，地震動峰值加速度對崩滑—碎屑流的影響最高，而季節性凍土凍結深度對崩滑—碎屑流的影響相對較低，但在高寒區氣候條件下，不可忽略反復凍融時的凍土凍脹力改變表層巖土體的結構或促使巖體裂隙擴大的影響。

圖1 影響因素分級及災害點密度

表2 影響因素方差膨脹系數及容忍度值

圖2 基于maxEnt的崩滑—碎屑流危險性分區

圖3 影響因素的相對貢獻率

表3 基于maxEnt的崩滑—碎屑流危險區統計

3.4 評價結果檢驗

評價結果的精度可通過ROC曲線進行檢驗，可反映maxEnt在不同閾值時的敏感性和精確性的趨勢走向，目前已廣泛、成熟地運用于地質災害分級評價中[24-26]。隨機選取崩滑—碎屑流點中的80%為訓練數據，20%為測試數據，用以評價maxEnt運行的準確度。根據ROC檢驗結果，訓練數據集的AUC值為0.982，測試數據集的AUC值為0.964(圖5)，表明maxEnt運行結果具有很高的精度，適用于研究區崩滑—碎屑流的危險性評價。

4 結 論

本文初步確定了冶力關國家地質公園的崩滑—碎屑流孕災環境，梳理了典型崩滑—碎屑流的發育特征，基于ArcGIS與maxEnt探討了崩滑—碎屑流的危險性分布，得到如下結論及認識：

(1) 崩滑—碎屑流共發育65處，集中分布于天池冶海景區和親昵溝景區，崩滑物源類型以巖質為主，發育地層為石炭系與二疊系，基巖表面多裸露、破碎。部分崩源區可見零星掉塊與崩塌落石，危巖區周圍巖體未發現明顯的變形跡象。

(2) 通過量化11類影響因素對崩滑—碎屑流的相對貢獻率，認為地震動峰值加速度、地層巖性、距斷裂距離是主導因素，高程、距水系距離、坡度和植被覆蓋度對崩滑—碎屑流也產生較大影響。在高寒區氣候條件下，極低的地表溫度與反復凍融的凍脹力不直接誘發崩滑—碎屑流，但晝夜溫差與季節性溫差可能加速了巖土體的崩解變形與裂隙的擴大。

(3) 極高危險區和高危險區占研究區面積的8.71%，災害點占比87.69%，災害點密度隨危險性等級的升高而增加，與危險性等級的劃分原則相符、與實際情況吻合。根據ROC檢驗結果，訓練數據集的AUC值為0.982，測試數據集的AUC值為0.964，表明maxEnt適用于研究區的崩滑—碎屑流危險性評價。

(4) 鑒于園區地質環境條件的復雜性，地質公園管理部門應詳細評估崩滑—碎屑流對旅游線路規劃及工程建設的潛在影響，建議以逐點、逐段的方式來排查相關隱患，使得評價結果更具有可操作性。

圖4 崩滑-碎屑流發生概率與各影響因素的關系曲線

圖5 基于maxEnt的ROC曲線

致謝:感謝甘肅省地礦局第三地質礦產勘查院段凱工程師、郭林業工程師在野外調查時提供的協助；感謝北京師范大學地理科學學部博士生王浩在數據處理時給予的指導。