基于邏輯回歸模型的黃土滑坡易發性評價

中圖分類號：P642.4 文獻標志碼：A 文章編號：2095-2945（2025）21-0085-05

Abstract：Loesslandslidesareatypical geologicaldisasterwidelydistributedaroundtheworld，andtheirsusceptibility evaluationhasalwaysbeearesearchhotspotinthefieldofengineringgeology.Thispapertakes Xifeng District，Qingyang City，GansuProvince，atypicalareaoftheLoessPlateau，astheresearchobject.Usingthecombinationofgeographical informationsystem（GS）andlogisticregresionmodel，multipleinfluencefactorsicludingprecipitation，slope，soiltype，slope aspect，etc.wereselectedtobuildalandslidesusceptibilityevaluationmodel.Throughmulti-factoranalysis，itisfoundthat precipitationandslopearethemainfactorsafectinglandslidesusceptibility.Theareaswithhighlandslidesusceptiblityin easternGansuaremainlyconcentratedinareaswithlargeslope，highprecipitationandthick loesslayers.Thisstudyprovidesa scientific basis for landslide disaster prevention and risk assessment in Longdong region.

Keywords： deep loess; landslide; logistic regression model； susceptibility evaluation; GIS

滑坡是全球范圍內常見且嚴重的地質災害，尤其在山區和黃土高原等易滑坡地帶，對生命財產安全和社會經濟發展構成了巨大的威脅。中國黃土高原地區，尤其是隴東黃土地區，由于其特殊的地質和氣候條件，滑坡災害瀕發，已嚴重影響當地社會經濟發展。隴東地區作為我國黃土高原的重要組成部分，其深厚黃土層（厚度普遍超過 50m 因獨特的結構特性（垂直節理發育、濕陷性強）和復雜的地形地貌，導致區域滑坡災害頻發。因此，系統研究該地區的滑坡破壞機理及其易發性，對于制定有效的滑坡防治措施具有重要的理論與實踐意義。

近年來，滑坡易發性研究主要集中在滑坡潛在區域的識別4危險因子的分析5-以及災害預測8-等方面。隨著遙感技術、地理信息系統（GIS）和多因素分析方法的迅速發展，滑坡易發性評估已經取得了一定的進展[2-14。許多學者采用了空間分析方法[15-1邏輯回歸模型[7-18]AHP法[19-20等多種技術手段，在不同區域成功地開展了滑坡易發性評價。

盡管國內外對滑坡穩定性評價已有較多研究，但針對隴東深厚黃土地區的研究仍然較少。當前的研究多集中在單一因素的作用下進行滑坡穩定性分析，而忽略了降水、地質構造、人工開挖等多個因素共同作用下的滑坡穩定性問題。此外，滑坡的易發性評價常常忽略了局部環境的復雜性與變化性。因此，如何結合區域特點和多因素分析方法，提高黃土滑坡易發性評價的準確性，仍然是一個亟待解決的科學問題。本研究旨在通過對隴東地區深厚黃土滑坡的穩定性進行系統的分析，結合現代化的評價方法，為區域的滑坡防治提供理論依據和技術支持。

1研究區概況

隴東地區作為中國黃土高原的核心組成部分，其深厚黃土層在極端降雨和人類活動（梯田灌溉、油氣開采）等疊加作用下，滑坡災害呈現高頻次、大規模、鏈式演化的特征，造成嚴重的經濟損失，凸顯該區域風險評估的緊迫性。

1.1地理位置

省市西峰區位于省東部，是陜甘寧三省交界的幾何中心，處于黃土高原腹地董志塬核心區，其地理位置如圖1所示。本區第四紀以來，構造以振蕩性上升運動為主，在流水侵蝕營力（尤以溝谷瀕源侵蝕為主導）的持續作用下，塬邊地帶發生強烈的侵蝕切割作用，導致原始黃土塬發生系統性破碎化，形成梁、昂、溝等次生黃土地貌形態，地質環境脆弱，四周山脈環繞，地勢較為復雜。

1.2 氣象數據

西峰區地處北緯 35^°40^′ ，屬典型溫帶大陸性半干旱季風氣候，具有光照資源豐沛、水熱時空異質性等特征。該地區年平均氣溫 10.3±0.4°C ，高溫 35.5^qC 左右，低溫達- -15^°C 左右，年溫差高達 50.5^°C ，凸顯大陸性氣候特征。年均降水量為 518.4±38.7mm ，其中7—9月占比62.3% ，單日最大降水量達 137.6mm ，冬季降水僅占全年2.8% ，如圖2所示。短時強降水事件發生頻率較高，小時最大雨強達 68.3mm ，其氣象參數對黃土滑坡災害發育具有顯著控制作用。

1.3地形地貌數據

基于1：50000高精度DEM數據，采用ArcGIS水文模塊進行坡度重分類，結果如圖3所示，暖色系表征高坡度帶（深色大于 30^° ），冷色系對應緩坡區（淺色小于10^° ）。圖中顯示西峰區地形坡度呈現階梯式陡變特征。

1.3.1 緩坡帶 ∠10^° ）

占比 57.4% ，集中分布于董志塬核心區，是典型黃土塬面殘留區域；地表形態平緩，人類耕作占比較高。

1.3.2 過渡帶（ 10^°～20^° ）

占比 22.1% ，主要位于塬-溝過渡斜坡處。

1.3.3 陡坡帶（ 20^°～30^° ）

占比 16.5% ，對應梁昂斜坡與溝谷側壁，受流水側蝕與重力崩塌共同作用。

1.3.4 極陡帶（ gt;30^° ）

30^°～40^° 占比 3.8% 40^° 以上零星分布于基巖出露陡崖。坡向分布上，除水平地形所占比例較少外，各種坡向的斜坡分布比較均勻，如圖4所示。

1.4地質數據

西峰區受涇河支流切割，形成“塬-梁-昴-溝\"復合地貌，溝壑密度達 2.3km/km³ ，最大溝深超過 80m_c 塬面平均海拔 1421m ，地勢平坦，地表覆蓋馬蘭黃土（ （_Q3m） ！厚度 60～120m ，其下伏下白堊系砂泥巖在溝谷側壁廣泛出露，該區出露地層主要為第四系地層，從老到新分布見表1。

1.4.1 黃土梁地貌參數

黃土梁大部分近東西向延伸，長度為 3～8km ，頂寬100～450m （平均 257m ），梁坡坡度為 25^°～30^° 。梁間發育梳狀水系，主溝切割深度 80～120m_? 。梁頂覆蓋離石黃土（Q₂） ，其抗剪強度低于馬蘭黃土，易發生淺層滑坡。

1.4.2 黃土峁地貌參數

峁體呈橢圓穹隆狀（長軸 1000～1500m ，短軸 500～ 800m） ，峁坡坡度 18^°～25^° ，鞍部相對高差 20～40m_? 昴頂殘留午城黃王（厚度小于 10m， ，其下為離石黃土與古土壤交替層，軟弱夾層構成旋轉滑動面。

1.4.3 黃土溝谷地貌參數

溝谷系統呈“上V下U”復合剖面，上游段（切割深度 40～80m 溝谷狹窄（寬深比小于0.3），下游段切割深度達 150～200m ，反映水力侵蝕與重力崩塌的協同作用。溝谷下切至下白堊系頂面，形成陡坎（坡度大于 45^° ）。

2 研究方法

研究時采用邏輯回歸結合GIS技術進行滑坡易發性評價，邏輯回歸模型能夠揭示各個因素與滑坡發生概率的關系，借助GIS技術，結合多種地理因子進行空間分析，制作滑坡易發性圖。

2.1數據準備

2.1.1 收集數據

在滑坡分析中，因變量通常采用\"滑坡發生\"（1）和“滑坡未發生\"（0）的二元標記方法表示事件的發生與否。將坡度、降水量、坡向和地質條件等因素作為自變量，通過模型輸入到GIS中。

2.1.2 數據訓練

對于量綱不同的特征（如坡度、坡向、降雨等），進行歸一化（縮放到0～1區間）處理，確保不同特征對模型影響的公平性。同時檢測并處理異常值，確保數據的質量。收集足夠的滑坡事件數據，將滑坡事件分為發生和未發生，提取這些事件的環境因子。構建訓練數據集，使用邏輯回歸模型進行擬合，找出不同環境因子與滑坡發生概率之間的關系。

2.2 模型建立

邏輯回歸模型如公式（1）所示

式中： P（Y=1） 是滑坡發生的概率， b₀ 為截距， b₁，b₂，… b_n 為各個自變量的回歸系數， X₁，X₂，…，X_n 為自變量，即坡度、降水量、坡向等。通過梯度下降法來估計回歸系數 b₀，b₁，b₂，…，b_n ，表示每個自變量對事件發生概率的影響。

3易發性評價

通過模型計算結果，結合GIS的空間分析功能，制作西峰區滑坡易發性圖，如圖5所示。該圖直觀地呈現了研究區域內不同區域的滑坡易發性等級，能夠為防災減災措施的制定提供重要的決策依據。

根據圖5可得，區內山坡高差在 100～500m 之間，坡度為 30^°～70^° 的斜坡，上部為馬蘭黃土，下部多為砂質泥巖或泥巖，此類斜坡是滑坡集中分布的地段。從高易發區的坡向來看正東和正西的坡向所占比例較高，區內溝谷多呈“V\"型，相對切割深度大，斜坡高、陡，臨空條件好；斜坡中部多呈凸形，坡腳處又無原生土體支撐。由于區內降水量主要集中在7一9月，決定了區內滑坡發生時間上的集中性。同時滑坡的分布受到降雨量的空間變化，降水量自西南部向東北部逐漸減小，滑坡數量也在不斷減少。

4結束語

本研究的滑坡易發性評價為隴東地區的災害預防和減災措施的制定提供了科學支持?；谶壿嫽貧w模型并結合GIS技術的空間分析能力，能夠直觀地展示區域內滑坡易發性等級的空間分布，為政府和相關部門制定防災減災政策和規劃提供實用的參考依據。

研究發現高易發區集中分布于董志塬邊緣帶，該區域為坡度大于 30^° 的塬-溝過渡地形，黃土層厚度大于80m ；年均暴雨日數大于等于4d（單日雨量大于 50mm ），其形成與黃土特有的垂直節理、直立性、易軟化性等有關。研究成果可推動該地區地質災害防控從“被動治理向“主動防控\"轉型，助力“碳中和”自標下黃土地質安全與綠色城鎮化的協同發展。

然而，本研究仍存在一些局限性。首先，影響滑坡的因子眾多，而本研究僅選取了部分因子，未來可以進一步考慮更多影響因子的綜合作用。其次，盡管邏輯回歸模型能夠揭示因素與滑坡發生的關系，但其對于非線性關系的處理能力有限，未來可結合更為復雜的機器學習模型，以提高模型的預測精度。此外，氣候變化、土地利用變化等動態因素可能會對滑坡易發性產生影響，未來研究可以結合時間序列數據，探索滑坡易發性的動態變化規律。

總之，基于GIS與邏輯回歸模型的滑坡易發性評價方法為區域性的滑坡災害風險評估提供了新的思路，并為未來更精細化的滑坡預測和防治工作奠定了基礎。

參考文獻：

[1]袁爽，許強，趙寬耀，等.基于統計學的隴東地區溝谷分布及演化研究[J].水土保持通報，2020，40（5）：172-180.

[2]郭平.基于SBAS-InSAR技術的稀土礦區潛在滑坡識別[D]南昌：江西理工大學，2022.

[3]郭瑞，李素敏，陳婭男，等.基于SBAS-InSAR的礦區采空區潛在滑坡綜合識別方法 [J].地球信息科學學報，2019，21（7）：1109-1120.

[4]許強，董秀軍，李為樂.基于天-空-地一體化的重大地質災害隱患早期識別與監測預警[J武漢大學學報（信息科學版），2019，44（7）：957-966.

[5]李郎平，蘭恒星.滑坡運動路徑復雜度研究：綜述與展望[J].地球科學，2022（12）：4663-4680.

[6]CHEN L，MA P F，YU C，et al. Landslide susceptibility as-sessmentin multiple urban slope settings with a landslide in-ventory augmented by InSAR techniques[JJEng Geol2023（327）：107342.

[7]DONG JH，NIU RQ，LIBQ et al. Potential landslides i-dentification based on temporal and spatial filtering of SBAS-InSAR results[J]. Geomat Nat Haz Risk，2023，14（1）：52-75.

[8]朱祖騰，藍燕金，簡文彬，等.基于增量型貝葉斯概率統計的滑坡預測模型研究[J].水利與建筑工程學報，2024，22（6）：181-188.

[9]宋宇飛，曹琰波，范文，等.陶虹基于貝葉斯方法的降雨誘發滑坡概率型預警模型研究[J].巖石力學與工程學報，2023，42（3）：558-574.

[10] BORDONI M，VIVALDI V，LUCCHELLI L，et al. Develop-ment of a data-driven model for spatial and temporal shallowlandslide probability of occurrence at catchment scale [J].Landslides，2021（18）：1209-1229.

[11] JUNG H L，HANBEEN K，HYUCK J P，et al.Temporalprediction modeling for rainfall-induced shallow landslidehazards using extreme value distribution [J].Landslides，2021（18）：321-338.

[12]ADNANIRM，KHANI，MOAYEDIH，etal.Novel evolutionary-optimized neural network for predicting landslide susceptibility[J].Environ Dev Sustain，2024（26）：17687-17719.

[13]ALI N，CHENJ，FU X，etal.Integrating machine learning ensembles for landslide susceptibility mapping in northern Pakistan[J].Remote Sens，2024（16）：988.

[14]BIENTX，IQBALM，JAMALA，etal.Integrationofrotation forest and multiboost ensemble methods with forest by penalizing attributes for spatial prediction of landslide susceptible areas [J]. Stoch Environ Res Risk Assess，2023（37）： 4641-4660.

[15]何雨楓，丁明濤，段鈺，等.2000—2019年四川省滑坡災害時空分布特征及影響因素分析[J.自然災害學報，2024，33（6）：17-26.

[16林娜，譚力兵，張迪，等.時序InSAR和LSTM結合的滑坡形變時空分析與預測方法[J]：地球信息科學學報，2024，26（12）：2772-2787.

[17]林沛文，何書，鮮木斯艷·阿布迪克依木，等.基于邏輯回歸-模糊層次分析模型的公路沿線滑坡易發性評價[J]：自然災害學報，2024，33（6）：27-36.

[18]李成林，劉嚴松，賴思翰，等.基于邏輯回歸和支持向量機耦合模型的滑坡易發性分析[J].自然災害學報，2024，33（2）：75-86.

[19]張晨.層次分析（AHP）法在滑坡地災風險性評價中的應用淺析[J].能源與環境，2023（5）：132-134，149.

[20]朱清華，王曉婭.改進的AHP法在黃土老滑坡穩定性評價中的應用[J]煤炭技術，2019，38（4）：131-134.