付树林, 梁丽萍, 刘延国

(1.太原学院 文化与旅游系, 太原 030032; 2.四川省地质矿产勘查开发局物探队,成都 610000; 3.西南科技大学 环境与资源学院, 四川 绵阳 621010)

新龙县位于雅砻江中游高山峡谷地带，地处青藏高原东南边缘，恰处于活动性断裂的交汇处。该地断层分布，地质条件复杂，且气候复杂多变，降水季节变化大。在强降雨的作用下，研究区很容易诱发地质灾害[1-2]。2020年7月连续不断的强降雨使得长江下游淮河流域等地区遭受水灾，同时四川省也多次发布暴雨蓝色预警。强降雨不仅让河流水位迅速上升，使得河流冲垮部分路段，而且也诱发了大量的滑坡泥石流等自然灾害。据甘孜州公路建设服务中心消息，2020年7月16日9时30分，受洪水冲刷影响，G227线(原S217)甘孜州新龙县境内色威乡K1586+600～650处路基全幅冲毁断道。7月23日上午，由于持续降雨影响，G227线(原S217)甘孜州新龙县境内乐安乡K1562+216处突发泥石流，导致切格亚珠西中桥被冲毁。随着通县油路的建设完工，新龙已经成为连接国道317线、318线的桥梁以及贯穿甘孜州南北两路的大通道，在交通上起着重要的作用。该处发生地质灾害不仅为来往车辆通行带来不便，更会威胁到人的生命安全。地质灾害易发性评价，是指在查明研究区地质环境背景的基础上，回答该区哪儿更易于发生地质灾害这样一个空间概率问题，是对区域地质灾害发生的可能性进行预测，对于区域灾害防治具有现实意义[3-5]。

地质灾害易发性评价可以追溯到20世纪60年代，评价方法由最初的定性描述逐步转变为定量描述。21世纪以来定量评价方法逐渐增多，主要依靠GIS和数学模型进行地质灾害易发性评价。常用的数学模型方法有信息量法[6-7]、层次分析法[8-9]、确定性系数法[10-12]、逻辑回归法[13-14]、支持向量机法等[15-16]。不同的模型方法各有优缺点，研究者往往在进行评价的过程中，通过尝试运用不同的模型进行对比以及将两种模型相结合，经过模型准确性检验，选择精度高的评价模型，最终得到易发性分区[17-21]。确定性系数法计算出的CF值直接代表着各评价因子分级指标对地质灾害的贡献程度，可以客观地反映各评价因子不同分级为地质灾害发生提供的贡献率，且模型运算简单，得到了广泛的应用。然而各因子之间存在差异性，需要通过确定评价因子权重来解决。逻辑回归模型可以很好地解决评价因子权重的问题，但需要将评价因子量化，且忽略了每个评价因子下分级指标的贡献程度。将两种方法有效结合，CF值直接带入逻辑回归中进行权重计算，相互弥补了模型本身的不足，使得模型更加完善。

1 研究区概况

新龙县隶属四川省甘孜藏族自治州，位于四川甘孜州中部，雅砻江流域中上游。其地跨北纬30°23′—31°32′，东经99°37′—100°54′，东与炉霍县、道孚县相连，南与雅江县、理塘县接壤，西与白玉县毗邻，北与甘孜县分界，西北与德格县相接。研究区位于青藏高原东南边缘，属川西山原和横断山脉地接触带，地势北高南低，平均海拔3 500 m，最高点为北部卡瓦洛日雪山，海拨5 992 m，最低点为南部子拖西乡当巴村，海拔2 960 m。县内雅砻江自北向南纵贯全境，呈“V”字形深切县境，形成中部雅砻江大峡谷和两岸呈东西向展布的丘状高原区，主要为深切割高山峡谷地貌、中深切高山地貌、高原低山丘陵地貌、现代冰川及冰蚀地貌4种地貌类型。由于其特殊的高山峡谷地貌，境内气候垂直性地带差异明显，常年平均气温7.4℃，最寒冷为头年12月至次年1月，极端最低气温-19.2℃，最热为7月，极端最高气温33.6℃。年平均降水量为636.2 mm，雨量少而不均。时有山洪、滑坡、泥石流等地质灾害发生。

2 研究方法

2.1 确定系数法

确定性系数(Certainty Factor,CF)是一个概率函数，其假设将来发生地质灾害的条件和过去发生地质灾害的条件相同，表达式为：

(1)

式中：PPa为地质灾害在评价因子a类中发生的概率，应用时为评价因子a类中存在的地质灾害个数与因子a类的面积的比值；PPs为地质灾害在整个研究区发生的先验概率，即为整个研究区域的地质灾害的个数与研究区面积的比值。CF的变化区间为[-1,1]，正值代表地质灾害发生的确定性高，较易发生地质灾害；负值代表地质灾害发生的确定性较低，不易发生地质灾害；当计算结果接近0表示该因子在分类中不能确定是否容易发生地质灾害。

2.2 逻辑回归法

逻辑回归模型描述的是二元因变量(0代表地质灾害不存在，1代表地质灾害存在)与其自变量之间的关系，逻辑回归函数为：

(2)

式中:P为滑坡发生的概率；α为截距；β为回归系数

输出结果P的范围为0～1。0表示发生地质灾害的概率为0，1代表发生地质灾害的概率为100%。将等式两边取自然对数得ln[P/(1-P)]，并作为因变量，将影响因子Xi(i=1,2,…,n)作为自变量，建立线性回归方程：

(3)

2.3 确定性系数-逻辑回归综合模型

将根据公式(1)计算出CF，作为评价因子分级指标的贡献度，并将CF值带入逻辑回归模型中，通过SPSS逻辑回归分析得到各评价因子的回归系数，确定评价因子权重。通过两个模型的结合，最终得到CF-Logistic模型。

3 易发性评价

3.1 评价因子

评价因子的选取是影响地质灾害易发性评价结果的重要因素，本文根据前人研究经验以及野外实地考察结果，主要考虑自然环境本身的影响因素，选择坡度、坡向、起伏度、坡形、工程岩组、降水、与水系距离、与道路距离、与断层距离，共9个评价因子，并将每个评价因子分级(图1)。

图1 评价因子分级

(1) 坡度。坡度的大小往往决定了地表松散物质发生位移并形成地质灾害的可能。运用ArcGIS表面分析工具根据研究区DEM提取坡度信息，将坡度分为9级，由坡度分级图可知，新龙县中部及雅砻江两岸坡度较陡，东西两侧的高原低山丘陵区坡度较小。坡度在25°以上的面积占总面积的45.51%。地质灾害随着坡度的升高先增多后减少，在坡度为20°～25°时，地质灾害数量最多，为49处，占总灾害的20.76%。

(2) 坡向。不同的坡向所受太阳的辐射强度不同，导致山坡形成有差异的水热比规律，其一定程度上影响着地质灾害的发生。运用ArcGIS表面分析工具根据研究区DEM提取坡向信息，将坡向分为北、东北、东、东南、南、西南、西和西北。从统计数据来看，研究区地质灾害集中在东、东北以及西南和西北方向，共计151处，占总灾害的63.98%。

(3) 起伏度。起伏度指一定区域内最高点与最低点的差值，即相对高差。相对高差越大，坡体上堆积的松散堆积物就越易受到重力影响而滑落，从而形成地质灾害。基于ArcGIS表面分析工具，分别提取范围高程最大值和最小值，再利用栅格计算器，将最大值减去最小值，得到流域起伏度分布，研究区起伏度分为<20 m，20～40 m，40～60 m，60～80 m以及>80 m。地质灾害点集中在起伏度20～40 m，共105处，占比44.50%。

(4) 坡形。根据坡面形态的不同，坡形可以分为凹形坡、凸形坡和平行坡。剖面曲率可以用来表示坡形，它是指坡度沿最大坡降方向上的坡度变化率。剖面曲率大于0表示斜坡表面向外凸起，小于0表示斜坡表面向内凹入，0表示斜坡表面平直。为了方便统计，将剖面曲率小于-0.1的归为凹形坡，大于0.1的归为凸形坡，介于-0.1与0.1之间的归为平形坡。由于凸形坡下部没有承载体，地质灾害一般发生较多，研究区136处灾害点位于凸形坡，占比57.63%。

(5) 工程岩组。工程岩组是对区域内岩性相同，主要指成因相同和岩石物质成分相似的岩石进行重新分类，其作为坡体的物质组成，对地质灾害的发生起着重要的作用。区域内工程岩组主要为硬质岩组和软质岩组，松散堆积体和软硬互层岩组分布较少。其中硬质岩组主要分布在研究区东侧，地质灾害数量为160处；软质岩组主要分布在研究区西侧，地质灾害数量为70处。

(6) 降雨。降雨是地质灾害的主要诱发因子之一，除了降雨对斜坡表面的冲刷外，实际上是渗入斜坡的雨水通过与岩土之间发生各种作用，最终诱发地质灾害。本文选择流域周围德格、甘孜、道孚、巴塘、新龙、理塘、康定以及小金共8个站点2009—2019年夏季(6—8月)降水总量，并进行插值得出流域降雨分布。由图1可知，研究区夏季降水总量为370～413 mm，且由北向南降雨依次增多。将降雨等分成5段，降水为387～396 mm时地质灾害数量最多，为159处，占比67.37%。

(7) 与水系距离。河流水系的切割主要为地质灾害提供了临空面，地质灾害具有沿主干水系分布的特点[22]。县域内主要河流为雅砻江，自北向南流经全境208 km，有阿色曲、麦曲河、霍曲、嘎拉西河、甲拉西河、切衣河、尤拉西河、子拖西河等雅砻江支流13条。通过制作水系缓冲区，将与水系距离分为<0.2 km，0.2～0.4 km，0.4～0.6 km，0.6～0.8 km，0.8～1 km以及>1 km。地质灾害随着与水系的距离的增加而减少，主要集中在距离水系0.2 km内，共118处，占比50%。

(8) 与道路距离。道路的建设对部分地区边坡稳定性造成了一定的破坏，从而导致地质灾害的发生。研究区主要道路呈“王”字分布，通过制作道路缓冲区，将与道路距离分为<0.5 km，0.5～1 km，1～1.5 km，1.5～2 km以及>2 km。地质灾害与道路距离存在负相关关系，多集中在与道路距离0.5 km之内，共114处，占比48.31%。

(9) 与断层距离。地质灾害的发育一般都与断裂构造密切相关，尤其是在区域性断裂构造的交叉复合部位，由于岩石较为破碎，常常形成有利于地质灾害形成和发育的构造条件[23]。研究区有较大断层分布，其中，坐景寺—昂给断层(甘孜—理塘断裂)、擦岗隆洼—古鲁断裂、亚火—卓西断裂(马尼干戈—拉波断裂)，具深切割特点的壳层大断裂。将与断层距离分为<1 km，1～2 km，2～3 km，3～4 km，4～5 km以及>5 km，统计显示，与断层距离大于5 km，地质灾害数量较多，为139处，但在与断层距离2 km内，地质灾害密度较大。

3.2 评价模型

(1) 各评价因子分级赋值。地质灾害易发性评价之前，首先应该对评价因子分级进行CF计算。本文以研究区236处地质灾害为基础数据，通过统计坡度、坡向、起伏度、坡形、工程岩组、降雨、与水系距离、与道路距离和与断层距离评价因子分级的灾害点数量与各分级面积，带入公式(1)中，得到每个评价因子分级指标的CF值(表1)。

表1 评价因子分级及CF

CF值可以客观反映地质灾害发生的确定性，其值越大说明地质灾害发生的确定性越高。通过计算的CF值可看出：坡度在20°～25°以及在40°～45°和大于45°的地方地质灾害发生的确定性最高；除了东南和西北方向为负值，其他方向均为正值，其中西和东北方向最易发生地质灾害；起伏度在20～40 m以及大于80 m时易发生地质灾害，CF值均较高；凸形坡有利于地质灾害的形成，CF值为正，凹型和平行均为负值；从工程岩组来看，地质灾害主要发生在硬质岩组；降水在387～396 mm，地质灾害点数量最多，CF值最大；与水系和道路距离和CF值呈负相关，随着距离的增加，CF值基本逐渐变小；从断层来看，距离断层3 km以内，确定性系数均较大，极其容易发生地质灾害。

(2) 权重计算。逻辑回归模型可通过SPSS计算，将有地质灾害点和无地质灾害点各236处，是否发生地质灾害作为因变量(1代表地质灾害样本点，0代表非地质灾害样本点)。利用ArcGIS软件分析功能提取每个点在所有评价因子上的CF值，将评价因子分类级别的CF值作为自变量。将因变量和自变量带入SPSS进行二元回归分析，计算回归系数，逻辑回归结果见表2。

表2 基于确定性模型的逻辑回归分析结果

应用统计软件SPSS进行数据回归分析，得到各个影响因素的逻辑回归系数值，通常Sig.值<0.05统计有意义。由检验结果可知(表2)，坡度、坡向、起伏度以及坡形的Sig.>0.05，故剔除上述4个评价因子。将通过显著性检验(Sig.<0.05)的变量代入模型，对应的β作为评价指标权重。

(3) CF-Logistic模型。根据计算的CF值以及通过逻辑回归计算结果，CF-Logistic模型如下：

Y=0.933X1+2.105X2+1.466X3+1.739X4+1.326X5

P=1/(1+e-Y)

(4)

式中：P为发生地质灾害的概率，值为[0,1]；X1—X5分别为工程岩组、降水、与道路距离、与断层距离和与水系距离的分级指标CF值。

3.3 评价结果与检验

运用栅格计算器，根据模型进行评价因子的叠加和公式计算，得到研究区地质灾害易发性计算结果。将结果利用自然间断法划分地质灾害易发性等级，即极低易发区、低易发区、中易发区、高易发区和极高易发区，生成基于CF-Logistic模型的新龙县地质灾害易发性区划图(图2A)。作为对比，采用单一的CF模型进行易发性评价，同样也生成易发性区划图(图2B)。

图2 CF-Logistic模型与CF模型评价结果对比

根据地质灾害易发性评价结果(图2)可看出，两种模型划分结果均与地质灾害点分布基本吻合，极高易发区主要沿道路分布，其中包括贯通南北的G227两侧，同时此处也是雅砻江干流经过的地方，其次包括连接东西的乡道和县道两侧。高易发区主要分布在支流两侧以及零星分布在中部的断层周围。中易发区和低易发区主要分别集中在研究区中部的西侧和东侧，该区域分布很大原因是受到降雨因子的影响，分区较明显。极

低易发区主要分布在北侧的高原。但从图上看两个模型地质灾害易发性分区的聚散程度有明显差别，CF-Logistic模型评价分区比较聚集，CF模型评价分区相对较分散，从管理角度来说，聚集性强的较容易管理以及进行土地利用的整体规划。

通过统计两个模型不同分区的面积以及灾害点个数，得到易发性分区结果统计表(表3)。可看出CF模型的极高易发区和高易发区地质灾害点分布较多，但CF-Logistic模型由于分区内面积较小，灾害点密度较高。检验模型的精确度，一般学者都用受试者工作曲线(ROC)来进行验证。ROC是以敏感度(真阳性率)为纵坐标，1-特异度(假阳性率)为横坐标绘制而成，很多学者用来验证模型精确度，一般认为ROC越左凸，模型的精确度越高。其曲线下方面积(AUC)来反映模型准确度，AUC越接近与1，则说明模型精确度越高。为了有效检测模型的精度，本文不仅将CF-Logistic模型进行ROC验证，同时还将单一的CF模型进行验证，从而对比模型精度的大小。

表3 易发性分区结果统计

将472个样本点(地质灾害点236处，无地质灾害点236处)分别代入两个模型当中，利用SPSS分析功能得到评价模型ROC曲线，由图3可以看出，CF-Logistic模型曲线更接近左上角，说明CF-Logistic模型精确更高。通过计算曲线下方面积AUC，CF-Logistic模型0.889，CF模型0.878。结果表明CF-Logistic模型适用于新龙县地质灾害易发性评价，得到的分区结果具有合理性。

图3 各模型ROC曲线

4 结 论

(1) CF-Logistic模型可结合两个模型的优点，在计算评价因子分级指标贡献率大小的基础上确定各因子权重，且可以剔除未通过显著性检验的评价因素，在评价结果中强化对地质灾害影响较大的因素，划分较为客观，从而可提高模型的精确度。

(2) 基于CF-Logistic模型的新龙县地质灾害易发性评价结果显示，极高易发区主要分布在贯通南北的G227线两侧，以及连接东西部的乡道和县道两侧，高易发区主要分布在支流两侧以及零星分布在中部的断层周围。这两个区域的地质灾害点共计175处，占比74.15%，中、低、极低易发区地质灾害大幅度减少，分区结果与地质灾害实际分布情况较符合。

(3) 为了验证评价模型精度，将CF模型和CF-Logistic模型精度进行比较，AUC评估结果表明，CF模型0.878，CF-Logistic模型0.889，两个模型精度均较高，但CF-Logistic模型更加准确。