滇東北地區滑坡易發性評價

摘要：在研究滇東北地震滑坡危險區滑坡致災因子和孕災環境的基礎上，選取了地形、地質、其他共3大類12項評價因子，通過評價因子獨立性檢驗，構建滑坡易發性評價指標體系。隨機選取研究區70%的滑坡點作為滑坡易發性評價訓練樣本，運用GIS空間分析功能，分別采用確定性系數模型、二元邏輯回歸模型以及二者組成的耦合模型進行滑坡易發性評價。選取未參與訓練樣本的30%滑坡點作為檢驗樣本，使用受試者工作特征（ROC）曲線對以上3種模型的評價結果和精度進行驗證。結果顯示：高程、坡度、距道路距離、地質巖性、NDVI、年平均降雨量對滑坡易發性影響相對較大。耦合模型的AUC值為0.781，高于確定性系數模型的AUC值0.754和二元邏輯回歸模型的AUC值0.748。耦合模型合理性和評價精度高于單一模型，且均符合模型檢驗要求。耦合模型揭示了各評價因子對滑坡易發性影響的差異性，能夠較好地反映滑坡易發性影響因子之間相互權重大小，預測的研究區滑坡的空間分布與野外實際調查結果高度吻合。

關鍵詞：滇東北；滑坡；易發性；耦合模型

中圖分類號：P315.94"" 文獻標識碼：A"" 文章編號：1000-0666（2025）01-0089-11

doi：10.20015/j.cnki.ISSN1000-0666.2025.0010

0 引言

滑坡是一種常見的地質災害，在山區廣泛發育，易造成生命財產損失和生命線工程破壞。滇東北地震滑坡危險區包括會澤縣、昭陽區、魯甸縣、巧家縣、永善縣、彝良縣、大關縣。危險區活動斷層發育、地質環境脆弱、地震活動頻發，曾發生過多次中強地震。近年來，人類活動對自然環境的干擾破壞力度逐漸增大，在原生環境和次生環境的雙重影響下，該地區歷史地震滑坡失穩復活、降雨滑坡頻繁發生，給居民生命財產安全和生存環境造成了嚴重威脅，制約了當地經濟社會的可持續發展。因此對該地區開展滑坡易發性評價研究，實現科學準確預測研究區滑坡發生的空間分布顯得尤為重要。

滑坡易發性評價是指對特定區域內多個影響因子組合導致滑坡發生的可能性評估（羅路廣等，2021），是滑坡危險性和風險性評價的基礎，是災區恢復重建和災害風險治理的重要工具。常見的滑坡易發性評價有基于力學模型與數理統計模型兩種。基于力學模型是基于物體力學平衡原理建立的，側重震后地震滑坡影響要素分析和易發性評價，適用于發震構造清楚或地震動記錄完整的情況（林高聰等，2021）。數理統計模型主要依賴經驗模型進行滑坡預測，側重對現有滑坡與其影響因子的分析統計，常用的數理統計模型有確定性系數模型（Certainty Factor，CF）、判別分析法模型、信息量模型、邏輯回歸模型（Logistic Regression，LR）等。

近年國內一些學者利用一系列數理統計模型對滇東北地區進行了滑坡易發性研究，均取得了一定的應用效果，如雷林洋（2017）采用證據權模型和地震危險指數模型，對鹽津縣滑坡易發性和危險性進行了研究；楊德旭（2019）應用二元邏輯回歸模型，對巧家縣地震滑坡發生概率進行了空間預測。然而，以上研究僅基于統計學模型中的一種模型對滇東北地區的部分縣區進行了滑坡易發性評估，缺乏對不同模型結果的對比。單一模型評估還存在滑坡易發性評價因子的量化、各評價因子之間以及同一評價因子不同特征值之間對滑坡易發性的影響值確定的人為因素干擾等缺陷。相比單一模型，耦合模型在合理性、評價精度與成功率方面具有顯著的優越性（羅路廣等，2021）。

因此，本文采用確定性系數模型、二元邏輯回歸模型及二者組成的耦合模型開展滇東北地震滑坡危險區滑坡易發性評價研究，以期實現研究區滑坡發生活動強度以及危害大小的可能性空間預測。

1 研究區概況

滇東北地震滑坡危險區屬高山峽谷地貌，面積約20 231 km2，地勢南高北低，發育有小江斷裂、馬邊—大關斷裂、則木河斷裂、昭通—魯甸斷裂。區內地震活動頻繁，有歷史地震記錄以來該區內共發生MS≥5.0破壞性地震22次，其中MS6.0～6.9地震3次，MS5.0～5.9地震19次。

研究區主要發育有滑坡、崩塌、泥石流、地面塌陷等地質災害，其中滑坡最為頻發，主要分布于研究區北部、中部高海拔、活動斷層、河流以及道路發育較為密集區域（圖1）。

2 研究方法

2.1 數據來源與預處理

滑坡易發性評價研究所需的基礎數據主要來源于統計、規劃與遙感。其中滑坡數據來源于自然資源局，通過野外實際調查和遙感影像對比修正，數據具有較強的時效性和可靠性。數據來源與詳情見表1。利用ArcGIS軟件將評價因子坐標統一為WGS_1984_UTM_Zone_48N，并將所有矢量化格式的影響因子以30 m×30 m的分辨率進行柵格化處理。

2.2 技術路線

本文選取30 m×30 m的柵格單元開展滑坡易發性評價，選取研究區內的2 481個滑坡點作為滑坡樣本，在滑坡樣本點100 m的緩沖區外利用GIS隨機抽樣，提取2 481個非滑坡樣本，與滑坡樣本組成總樣本，按7∶3的比例，將總樣本中3 474個樣本點作為訓練樣本集，剩余的1 488個樣本點作為檢驗樣本。通過GIS空間分析，以滑坡個數、點密度和確定性系數為統計指標，得出研究區滑坡在不同評價因子下的分布特征和空間分布規律。利用確定性系數模型、二元邏輯回歸模型及二者組成的耦合模型對研究區的滑坡易發性進行評價，并利用受試者工作曲線（ROC曲線）對模型評價結果進行檢驗。最終實現研究區滑坡發生可能性空間概率預測，技術路線如圖2所示。

2.3 評價模型

2.3.1 確定性系數模型

確定性系數模型是由Shortliffe 和Buchanan（1975）提出用來表示概率的函數，Heckerman（1986）對該模型進行了完善。該模型評價流程簡單，預測準確度較高，被廣泛應用于地質災害易發性評價。計算公式為：

CF=Pa-PsPs（1-Pa）"" （Palt;Ps）

Pa-PsPa（1-Ps）" "（Pa≥Ps）（1）

式中：CF為確定性系數值，區間為［-1，1］，當CF值為0～1時，CF值越接近于1，代表滑坡發生可能性越高；CF值為0～-1時，CF值越接近于-1，滑坡發生的可能性越低；CF值為0時不確定滑坡是否發生（張曉東等，2018）。Pa為滑坡在因子分級類別a中發生的條件概率，以滑坡在分類級別a中的個數與分類級別a面積的比值表示；Ps為滑坡在整個研究區的發生概率，即研究區滑坡總個數與研究區總面積的比值。

2.3.2 二元邏輯回歸模型

二元邏輯回歸模型是二項分類因變量常用的統計分析模型，表示二元因變量和獨立變量的關系。在滑坡易發性評價中，它描述的是因變量滑坡是否發生（0代表不發生，1代表發生）和多個致災因子之間的關系（羅路廣等，2021），計算公式為：

P=11+e-yy=α+β1X1+…+βnXn（2）

式中：P表示滑坡發生的概率，范圍為［0，1］，值越大表示滑坡發生的可能性越高；y為滑坡發生的可能性與各評價因子（X1，X2，X3，…，Xn）之間的關系；α、βn分別為二元邏輯回歸模型計算出的一個常數項和各評價因子的回歸系數。

2.3.3 耦合模型

將確定性系數模型與二元邏輯回歸模型進行耦合，解決不同評價因子對滑坡易發性影響的差異性，以提高滑坡易發性評價精度。利用確定性系數模型得到各評價因子分類級別的CF值，用二元邏輯回歸模型運算得到各評價因子的回歸系數，引入回歸系數（因子權重）將評價因子的CF值進行加權，得到耦合模型滑坡易發性指數，計算公式如下：

I=∑ni=1WiIi=∑ni=1WiCFi（i=1，2，…，n）（3）

2.4 評價因子分析

滑坡發生與否由滑坡內部物質基礎與外部環境因素共同作用決定。基于前人研究成果、研究區所處地質構造背景和現場實際地質調查，選取地形地貌、地質、其他共3大類12個評價因子，統計各評價因子各分類級別面積、滑坡數量、確定性系數CF值（表2），分析討論各評價因子分類級別對滑坡易發性的影響（圖3）。

2.4.1 地形地貌因子

地形地貌是影響滑坡發育的重要因數（汪旭濤等，2013）。通過研究區DEM數據提取到坡度、坡向、剖面曲率、平面曲率。

（1）高程：高程影響著滑坡體勢能、氣候分布與植被覆蓋率、人類工程活動等因素。研究區滑坡個數與滑坡點相對密度在高程為2 500～3000 m和3 000～3 500 m時最大；CF值在高程大于1 500 m時，隨著高程的增加而增大，說明高程對滑坡發育有著正向作用。

（2）坡度：坡度控制著滑坡的應力條件、移動方向、滑坡體的穩定性，提供了滑坡發生的臨空面（劉麗娜等，2014）。在坡度大于20°時，滑坡個數、CF值與坡度呈正相關性，當坡度gt;40°時，CF值達最大值0.70，表明坡度易于滑坡的發生。

（3）坡向：不同坡向滑坡的光照時長、植被覆蓋度、土壤濕度存在差異，這些差異影響著滑坡體的物理力學特性（張俊等，2016）。滑坡個數、滑坡點相對密度與CF值在西南、南向最大，說明研究區陽坡面比陰坡面更利于滑坡的發生。

（4）剖面曲率：剖面曲率反映了坡度表面某一點的扭曲變化程度，其值為負表示斜坡為凹坡，為正值表示斜坡為凸坡，為0或接近0表示坡面平坦。滑坡個數、滑坡點相對密度與CF值在剖面曲率為0～0.5時最大，且CF值與剖面曲率呈正相關，表明剖面曲率為正值對滑坡發生有正向作用。

（5）平面曲率：平面曲率的正值與負值分別表示地表徑流發散和收斂。滑坡個數、滑坡點相對密度與CF值在平面曲率為-0.5～0.5時最大。

2.4.2 地質因子

（1）地層巖性：地層巖性是滑坡體的物源基礎。滑坡個數在第四系松散堆積物、灰巖和砂巖中分布最多，滑坡點相對密度和CF值在第四系松散堆積物中最大，表明滑坡體巖性為第四系松散堆積物時，滑坡體穩定性較差，易發生滑坡。

（2）距斷層距離：區域斷層的錯動影響滑坡體節理、裂隙的發育，從而控制著滑坡體的穩定性。滑坡個數、滑坡點相對密度在斷層距離大于1 500 m處最大，CF值與斷層距離呈負相關，隨斷層距離的增大而減小，距斷層越近越有利于滑坡的發育。

（3）地震動峰值加速度（PGA）：滑坡個數、滑坡點密度與CF值與PGA呈正相關，隨PGA的增大而增加，說明PGA越大，越有利于滑坡發育。

2.4.3 其他因子

（1）年平均降雨量：降雨對滑坡體進行沖刷、侵蝕，使滑坡體發生軟化或崩解泥化（郭子正等，2020），從而降低滑坡體強度，為滑坡發生提供外動力條件。滑坡個數、滑坡點相對密度在降雨量為790～850 mm時最大；CF值與降雨量整體呈正相關，在降雨量為850～910 mm時最大，表明降雨量對滑坡的發生有一定的影響。

（2）NDVI：植被通過影響降雨量和水系地表徑流和滑坡體表層松散沉積物抗侵蝕能力，進而影響滑坡體穩定性。滑坡個數、滑坡點相對密度在NDVIgt;0.87最大，確定性系數CF值與NDVI整體呈負相關，表明研究區NDVI指數越高越不利于滑坡的發育。

（3）距道路距離：道路基礎設施建設，通過開挖邊坡、切坡，改變了滑坡體的應力狀態，增大滑坡臨空面，易加劇滑坡的發生。滑坡個數、滑坡點相對密度在距道路距離gt;1 500 m處最大；CF值與道路距離整體呈負相關，隨距道路距離的增大而衰減，在距離道路100 m內，CF值最大，表明研究區道路建設易促進滑坡發育。

（4）距河流距離：河流對滑坡的影響在于水系對河流兩岸滑坡體的沖刷、侵潤和對滑坡體前緣侵蝕作用，導致岸坡形成陡峭的臨空面或增加斜坡臨空面，從而破壞滑坡體的穩定性。滑坡點個數、滑坡點相對密度在道路距離gt;1 500 m處最大；CF值與道路距離整體呈負相關，在距河流500 m內，CF值最大，說明距離河流越近，越促進滑坡發育。

3 滑坡易發性評價

3.1 評價流程

基于評價因子柵格數據，利用確定性系數模型（式1）得到各評價因子不同分類級別的CF值，將其作為自變量，將是否發生滑坡作為因變量，導入SPSS軟件，進行二元邏輯回歸分析（式2），得到各評價因子的回歸系數即因子之間的權重。基于耦合模型計算得到各評價單元的滑坡加權易發性指數（式3），最終運用自然斷點法實現研究區滑坡易發性分區。

3.2 評價因子獨立性檢驗

評價因子之間存在相關性會影響滑坡易發性評價模型的準確性。為保證各評價因子滿足模型要求，需對各評價因子之間的獨立性進行檢驗，以剔除存在相關性的評價因子。各評價因子的相關系數矩陣見表3。由表3可知，各評價因子之間的相關系數均小于0.3，說明各評價因子之間不存在多重共線性，所有評價因子均可進入模型。

3.3 評價因子邏輯回歸分析

選取訓練樣本集中的3 474個滑坡樣本點，將各評價因子的CF值作為自變量，滑坡發生與否作為因變量，導入SPSS軟件進行二元邏輯回歸分析，結果見表4。由表4可知：坡向、剖面曲率、距斷層距離、PGA評價因子的siggt;0.05，無數理統計意義，剔除這4個評價因子。其余評價因子siglt;0.05，評價因子權重由大到小依次為高程（1.714）、坡度（1.481）、距道路距離（1.3）、地質巖性（1.241）、NDVI（1.022）、年平均降雨量（0.921）、距河流距離（0.793）、平面曲率（-4.482）。

耦合模型下的滑坡發生概率值PCF-LR為：

PCF-LR=1/｛1+exp［-（-0.151+1.714CF1j+1.481CF2j-4.482CF3j+1.241CF4j+0.921CF5j+1.022CF6j+1.3CF7j+0.793CF8j）］｝（4）

式中：CF1j～CF8j分別表示高程、坡度、平面曲率、地質巖性、年平均降雨量、NDVI、距道路距離、距河流距離不同等級的CF值。

4 評價結果與評價精度

在ArcGIS軟件中將各評價因子的CF值疊加，再根據《地質災害風險調查評價技術要求》（FXPC/ZRZYB-01），使用自然斷點法將研究區劃分為極低易發區、低易發區、中易發區、高易發區以及極高易發區，分別計算得到確定性系數模型、二元邏輯回歸模型及二者組成的耦合模型評價的滑坡易發性分布圖，如圖4所示。

從模型評價結果（表5）中，獲得的研究區滑坡易發區和滑坡分布具有以下特征：

（1）研究區滑坡極高易發區、高易發區主要發育在巧家縣、魯甸縣、彝良縣、大關縣、永善縣高海拔、坡度陡峭、地層巖性松散、距道路和河流距離相對近的區域，說明海拔、坡度、地層巖性、道路、河流等評價因子對研究區滑坡分布有顯著控制作用。

（2）相比確定性系數模型與二元邏輯回歸模型，耦合模型中滑坡多分布在極高易發區、高易發區，在極低易發區、低易發區分布更少。耦合模型的易發區區劃與解譯與野外實際災害調查成果高度穩合，具有較好的實用性。

5 模型評價結果驗證與對比分析

滑坡易發性評價結果與模型的可靠性緊密相關，因此需對滑坡易發性評價結果進行精度檢驗。將未參與訓練的驗證樣本集中的1 488個滑坡點作為檢驗樣本，選取ROC曲線對模型評價結果進行驗證。ROC曲線檢驗具有試驗準確性高、不受臨界約束，能精準反映所用分析方法的靈敏度和特異性之間的相關性（Lee et al，2010），廣泛應用于滑坡易發性評價中。AUC為ROC曲線以下至橫坐標軸的面積，取值范圍為0.5～1.0，值越大，表明模型評價效果越好，模型評價精度越高。確定性系數模型、邏輯回歸模型及二者組成的耦合模型的ROC曲線如圖5所示，AUC值分別為0.754、0.748、0.781，結果均符合模型檢驗要求，均準確地評價了研究區滑坡易發性，其中耦合模型的預測能力和評價精度高于單一模型。

6 討論

本文采用3種模型對滇東北地震滑坡危險區進行了易發性評價研究，相比單一確定性系數模型或二元邏輯回歸模型，耦合模型客觀揭示了各評價因子對滑坡易發性影響的差異性，較好地反映了滑坡易發性評價因子之間的相互權重大小，避免了主觀因素對滑坡易發性研究結果的干擾。

基于研究區滑坡點數據，采用統計學原理建立的耦合模型，優點是以實際滑坡為基礎，利用滑坡影響因素對滑坡發育的貢獻程度，以黑匣子方式間接地反映滑坡發育潛勢（王濤等，2021），準確、客觀反映了研究區滑坡發生的傾向程度。但結果仍無法反映滑坡發生的真實概率和強度。因此，需基于真實的滑坡面數據庫，開展滑坡發生概率與滑坡發育規模預測研究，實現研究區滑坡危險性評價與區劃。

基于耦合模型得到的滑坡易發性評價研究，揭示了研究區滑坡空間分布受高程、坡度、距道路距離、地質巖性、NDVI、年平均降雨量因素的影響程度更高。3種模型評價結果顯示（圖6），不同模型得到的滑坡易發性分區分布不一致，尤其是在中、低易發區分布差異較大，但在極高易發區、高易發區，滑坡整體的區劃大體一致，均分布在巧家縣、魯甸縣、彝良縣、大關縣的高海拔、坡度陡峭、地層巖性松散、距道路、河流相對近的區域，主要原因是該區域屬于深切割高山峽谷地貌，地質環境脆弱，加之頻繁的地震活動與強烈的構造運動，導致該地區巖體損傷弱化，巖石力學強度低，孕育了研究區脆弱的斜坡巖體賦存環境，對研究區活動斷層錯動、人類工程活動、降雨因數干擾的響應突出，易誘發滑坡地質災害。

7 結論

本文以滇東北區為研究對象，選取了地形、地質、其他共3大類12個評價因子，運用GIS空間分析功能，采用確定性系數模型、二元邏輯回歸模型及二者組成的耦合模型對研究區開展了滑坡易發性評價研究，取得以下結論：

（1）高程、坡度、距道路距離、地質巖性、NDVI、年平均降雨量評價因子對滑坡易發性影響相對較大，影響最大的評價因子分類級別為：高程gt;3 000 m，坡度gt;40°，距道路距離lt;100 m，地層巖性為第四系松散堆積物，NDVIlt;0.48，年平均降雨量為850～910 mm。

（2）3種滑坡易發性模型分區結果的中、低易發區分布差異較大，但極高易發區、高易發區整體的區劃大體一致。中、低易發區主要分布在昭陽區、會澤縣低海拔、地勢平緩、人類工程活動擾動較少地區。極高易發區、高易發區主要分布在巧家縣、魯甸縣、彝良縣、大關縣、永善縣高海拔、坡度陡峭、地層巖性松散、距道路和河流距離相對近的區域。

（3）耦合模型的AUC值為0.781，高于確定性系數模型的（0.754）和二元邏輯回歸模型（0.748），耦合模型評價精度、準確性高于單一模型。根據耦合模型將研究區滑坡易發區劃分為極低易發區（0.07%）、低易發區（19.56%）、中易發區（34.36%）、高易發區（30.40%）、極高易發區（15.60%）。

參考文獻：

郭子正，殷坤龍，劉慶麗，等.2020.基于位移比模型的三峽庫區云陽縣域內蠕變型滑坡降雨預警［J］.地球科學，45（2）：672-684.Guo Z Z.，Yin K，Liu Q L，et al.2020.Rainfall warning of creeping landslide in Yunyang county of Three Gorges reservoir region based on displacement ratio model［J］.Earth Science，45（2）：672-684.（in Chinese）

雷林洋.2017.基于GIS的云南省鹽津縣地震地質災害危險性評價研究［D］.北京：中國地質大學（北京）.Lei L Y.2017.Study on the assessment of earthquake geohazard probability of Yanjin in Yunnan Province based on GIS［D］.Beijing：China University of Geosciences（Beijing）.（in Chinese）

林高聰，潘書華，葉振南.2021.基于Newmark法的設定地震滑坡危險性評估［J］.桂林理工大學學報，41（3）：525－532.Lin G C，Pan S H，Ye Z N，et al.2021.Assessment of landslide risk based on Newmark and preset earthquake［J］.Journal of Guilin University of Technology，41（3）：525-532.（in Chinese）

劉麗娜，許沖，徐錫偉，等.2014.GIS支持下基于AHP方法的2013年蘆山地震區滑坡危險性評價［J］.災害學，29（4）：183-191.Liu L N，Xu C，Xu X W，et al.2014.GIS-based landslide hazard evaluation using AHP method in the 2013 Lushan earthquake region［J］.Journal of Catastrophology，29（4）：183-191.（in Chinese）

羅路廣，裴向軍，黃潤秋，等.2021.GIS支持下CF與Logistic回歸模型耦合的九寨溝景區滑坡易發性評價［J］.工程地質學報，29（2）：526-535.Luo L G，Pei X J，Huang R Q，et al.2021.Landslide susceptibility assessment in Jiuzhaigou scenic area with GIS based on certainty factor and Logistic regression model［J］.Journal of Engineering Geology，29（2）：526-535.（in Chinese）

汪旭濤，謝昭宇，胡凱鋒.2013.中高山地區滑坡發育地形地貌因子敏感性研究［J］.地震工程學報，35（3）：597-603.Wang X T，Xie Z Y，Hu K F.2013.Research on the sensitivity of the landform factor of landslide development in middle and high mountain areas［J］.China Earthquake Engineering Journal，35（3）：597-603.（in Chinese）

王濤，劉甲美，栗澤桐，等.2021.中國地震滑坡危險性評估及其對國土空間規劃的影響研究［J］.中國地質，48（1）：21-39.Wang T，Liu J M，Li Z T，et al.2021.Seismic landslide hazard assessment of China and its impact on national territory spatial planning［J］.Geology in China，48（1）：21-39.（in Chinese）

楊德旭.2019.云南省巧家縣地震前后滑坡易發性評價及地震作用影響綜合研究［D］.昆明：昆明理工大學.Yang D X.2019.Comprehensive study on landslide susceptibility evaluation and seismic effect before and after earthquake in Qiaojia County，Yunnan Province［D］.Kunming：Kunming University of Science and Technology.（in Chinese）

張俊，殷坤龍，王佳佳，等.2016.三峽庫區萬州區滑坡災害易發性評價研究［J］.巖石力學與工程學報，35（2）：284-296.Zhang J，Yin K L，Wang J J，et al.2016.Evaluation of landslide susceptibility for Wanzhou district of Three Gorges Reservoir［J］.Chinese Journal of Rock Mechanics and Engineering，35（2）：284-296.（in Chinese）

張曉東，劉湘南，趙志鵬，等.2018.信息量模型、確定性系數模型與邏輯回歸模型組合評價地質災害敏感性的對比研究［J］.現代地質，32（3）：602-610.Zhang X D，Liu X N，Zhao Z P，et al.2018.Comparative study of geological hazards susceptibility assessment：constraints from the information Value+Logistic Regression Model and the CF and Logistic Regression Model［J］.Geoscience，32（3）：602-610.（in Chinese）

FXPC/ZRZYB-01，地質災害風險調查評價技術要求［S］.

FXPC/ZRZYB-01， Specification for mapping of hazard risk survey" and assessment［S］.（in Chinese）

Heckerman D.1986.Probabilistic interpretations for MYCIN s certainty factors［M］.North-Holland：Machine Intelligence and Pattern Recognition，167-196.

Lee S T，Yy T T，Peng W F，et al.2010.Incorporating the effects of topographic amplification in the analysis of earthquake-induced landslide hazards using logistic regression［J］.Natural Hazards and Earth System Sciences，10（12）：2475-2488.

Shortliffe E H，Buchanan B G.1975.A model of inexact reasoning in medicine［J］.Mathematical Biosciences，23（3/4）：351-379.

Landslide Susceptibility Assessment in Northeast Yunnan

LIU Shaochang1，BAI Xianfu1，CHU Zhengwei2

（1.Yunnan Earthquake Agency，Kunming 650224，Yunnan，China）

（2.Yunnan Southern Geological Survey Engineering Co.，Ltd.，Dali 671000，Yunnan，China）

Abstract

After studying the factors inducing landslides and the environment leading to landslides in the critical earthquake risk areas in northeast Yunnan Province，we selected 12 evaluation factors from 3 categories：“topography”，“geology”，and “others”.Then，through testing the independence of these factors，we constructed an evaluation index system of the landslide susceptibility.We randomly selected 70% of the landslide sites in the study area for the training samples of the landslide susceptibility evaluation.Using GIS spatial analysis function，we respectively used the Certainty Factor model，the Binary Logistic Regression model and the coupled model of these two models，to evaluate the landslide susceptibility in the study area.we used the rest 30% of the landslide sites for test samples，and adopted the Receiver Operating Characteristic curve to verify the accuracy of the evaluation results from the three models.We found that the evaluation factors like elevation，slope，distance from the road，geological lithology，NDVI，and average annual rainfall have relatively significant effects on the landslide susceptibility.AUC value of the coupled model is 0.781，higher than the one（0.754）of the Certainty Factor model and another one（0.748）of the Binary Logistic Regression model.The coupled model is more rational and accurate than the other two，and satisfies all the requirements of model test.The coupled model objectively revealed the difference of the influence of each evaluation factor，and well reflected the mutual weight of the influence factors of landslide susceptibility.In the study area，the predicted locations of the landslide by the coupled model is consistent with the locations determined through field survey.

Keywords：northeast Yunnan Province；landslide；susceptibility；coupling model