怒江州滑坡災害易發性區劃研究

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計研究院有限公司，云南 昆明 650051；5.云南省基礎地理信息中心，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、地質環境脆弱、氣候復雜，屬于滑坡災害高易發區。近年來，由于自然環境變化和人類工程活動影響，怒江州滑坡災害頻發。迄今為止已爆發了“上帕鎮6·30”“福貢縣4·10”“蘭坪縣7·31”等大型滑坡災害事件，對當地造成了重大人員傷亡和財產經濟損失。因此，對滑坡災害易發性的分析能為怒江州滑坡災害預測及防治提供可靠的依據，對防災減災工作具有重要意義。

滑坡一般可分為單體滑坡和區域滑坡[1]。單體滑坡主要評估災害個體屬性和周圍環境因子對滑坡災害造成的影響[2～4]；區域滑坡則是根據區域地質環境背景、成災誘發因素以及人類活動狀況等對區域滑坡災害做出評價[5～7]。由于單體滑坡不是區域性地質災害防治規劃重點，也不能支撐從宏觀上分析地質災害的分布規律[8]。因此，本文從區域滑坡視角綜合評判怒江州滑坡災害易發性。滑坡災害易發性區劃描述了滑坡發生概率的空間分布情況，是支撐滑坡防災減災的通用工具[9]。針對滑坡易發性區劃研究，一般可采用定性或定量方法。定性方法主要結合滑坡發展規律和專業人員知識經驗展開評價分析，如專家經驗[10]、層次分析[11]和加權線性組合法等；定量方法則是在統計數據基礎上建立數學模型進行定量評價，如確定性方法、人工智能法和多元統計法等[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，本文擬結合GIS和Logistic回歸模型，從定量視角綜合評判怒江州滑坡災害易發性程度。

2 研究區概況

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個鄉鎮，總面積 14 703 km2，其行政區劃見圖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，水系發育密集，立體氣候突出，地質災害分布廣、突發性強，是云南省滑坡易發、多發地區[18]。

圖1 怒江州鄉鎮區劃圖(a)和滑坡點分布圖(b)

根據云南省地質調查局數據顯示，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育密度最大，貢山縣分布較多，蘭坪縣分布較少。

3 滑坡災害易發性因子分析

3.1 數據來源

滑坡災害易發性區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系到評價結果的可靠度[19]。本文結合怒江州滑坡災害形成機理和發育規律的已有研究[20]，并收集了怒江州自2008年起至2020年歷史滑坡災害點數據和相關的環境因子數據(如表1所示)作為研究數據。

表1 數據來源表

3.2 初始影響因子提取

滑坡災害是多種內外因素共同影響作用的產物[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，發現主要影響因素是高程、坡向、地形起伏度、降水量、植被指數、距河流距離、河流密度、土地利用類型、坡度，如圖2所示。

圖2 滑坡災害易發性影響因子分布圖

(1)高程

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

(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害更多。

(3)地形起伏度

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

(4)降水量

結合怒江州歷年的滑坡災害情況，強降水是造成滑坡災害的主要致災因子之一。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，滑坡災害多發。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據(圖2(d))。

(5)植被指數

植被對地質災害發育和穩定性具有深刻影響，植被指數(Normalized Difference Vegetation Index，NDVI)反映了一個地區的植被覆蓋情況，植被指數越大，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，依次建立 600 m、1 200 m、1 800 m、2 400 m和3 000 m的緩沖區，如圖2(f)所示。

(7)河網密度

同時本文基于DEM數據，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，計算出單位面積內的河網密度圖，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新研究院發布的2020年30m地表覆蓋精細分類產品，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用地區域。

(9)坡度

坡度與滑坡災害的發生有著緊密聯系，坡度越大的地方越易發生滑坡災害。基于DEM數據，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雜且具有非線性特點，極大地影響了易發性分析的精度。因此，本文采用主成分分析方法篩選對比成災因子，篩選出有效的影響因子進行易發性分析，提高準確度。

(1)將原始數據標準化，以消除量綱影響

本文為統一影響因子的數據類型和單位，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系數矩陣R

R=(rij)m×m

(2)

(3)

(3)計算相關系數矩陣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個因子進行易發性分析。

表2 滑坡災害影響因子特征值及主成分貢獻率

4 滑坡災害易發性區劃

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。在滑坡災害的易發性評價中，將各評價指標數據作為自變量，而災害發生與否可用0(滑坡災害不發生)和1(滑坡災害發生)表征，是典型的二分類變量[24，25]。由于滑坡災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害易發性，其表達式為：

(6)

(7)

(8)

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

(9)

本文利用公式(5)計算滑坡災害發生的可能性，數值越大，則發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覆蓋整個研究區域，并基于怒江州邊界提取了 13 958個網格，并將該網格連接歸一化后的影響因子屬性表及災害隱患點，得到每個網格內的影響因子和滑坡災害發生情況，最后以表格形式導出統計結果。由于Logistic回歸模型采用的是最大似然估計參數法，為了保證結果的準確性，樣本規模需要大于100，但是樣本數量過大會令任何多元相關都會出現統計顯著[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數據分析軟件進行二元Logistic回歸分析，所得結果如表3所示。

表3 Logistic回歸分析結果輸出表

根據最終的擬合結果可知，P值<0.05。“B”為偏回歸系數，“S.E”為標準誤差，“Wald”是一個統計量，用以檢驗自變量對因變量是否有影響；“df”是自由度；“EXP(B)”為相應變量的OR值(又叫優勢比，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，事件的發生比“Odds”的變化率。

根據表3影響因子回歸系數，高程和地形起伏度的回歸系數為負值，表示高程值及地形起伏度與滑坡災害的發生呈反比關系，則在海拔較低、地形平坦的區域更容易發生滑坡災害。除此之外，研究區多數滑坡災害的發生與降水量和坡度大小有關，而表中降水量和坡度的邏輯回歸系數最大，分別是3.304和3.376。而河網密度的邏輯回歸系數達到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狀。綜上所述，表明了二元邏輯回歸模型的模擬結果與實際情況相符。

本文為進一步定性分析模擬結果的準確性，以回歸分析的預測值P為自變量、滑坡災害發生情況為因變量，在SPSS中進行受試者工作特征曲線(Receiver Operating Characteristic Curve，ROC)分析，得到相應的結果和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ROC曲線特征，當0.7

4.3 滑坡災害綜合易發性區劃

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

(10)

基于ArcGIS軟件，根據式(6)計算得到研究區所有網格的滑坡災害易發性概率，并采用自然間斷點分類法將評價結果劃分為低易發區、較低易發區、中易發區、較高易發區和高易發區五個等級，從而生成研究區域的滑坡災害易發性區劃圖和各縣市分布圖，如圖4所示。

圖4 怒江州鄉鎮易發性區劃圖(a)及滑坡易發性區劃圖(b)

4.4 滑坡災害易發性區劃分析

根據滑坡災害易發性區劃結果，本文利用空間統計工具，分別計算5個易發性分區面積與災害點數量，結果如表5所示。

表5 怒江州滑坡災害易發性分區統計表

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

本文為進一步研究怒江州滑坡災害易發性情況，將災害區劃與研究區鄉鎮級行政區劃邊界相疊加，并統計出每個市縣各滑坡災害易發性等級所占面積百分比如圖4(b)所示和表6所示。

表6 縣市內各滑坡災害易發性面積百分比(%)

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

5 結 論

本文以云南省怒江州為研究區域，根據研究區自然環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雜，容易影響易發性分析精度，本文利用主成分分析方法篩選對比成災因子，最終選取了高程、坡度、地形起伏度、降水量、河網密度、距河流距離6個影響因子構建滑坡災害易發性評價指標體系。采用Logistic回歸方法，建立了滑坡災害易發分區模型，將怒江州滑坡災害易發區分為低易發、較低易發、中易發、較高易發、高易發五個等級，繪制了怒江州滑坡災害易發區劃圖。研究結果表明：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害影響顯著，本文劃分的怒江州滑坡易發分區準確地反映了滑坡高隱患區域，可為怒江州滑坡災害防治提供科學指導。后續研究工作將深入研究怒江流域滑坡成災機理和特點，進一步完善滑坡易發分區評價模型，構建整個怒江流域滑坡易發分區評價模型。