张若琳，孟 晖，连建发

（中国地质环境监测院，北京100081）

中国山区面积广大，山区是泥石流活动的主要区域。根据1∶50万环境地质调查（以地质灾害为主）和700个县（市）地质灾害调查，泥石流在中国分布较广，29个省（市、区）都有分布，共发生泥石流14 913起。泥石流是一种突发性地质灾害，因其暴发迅猛、危害严重而备受关注。泥石流易发性评价是风险评价的前提，通过泥石流形成条件或形成条件组合的分析评价，预测区域上将来产生地质灾害的可能性[1－5]。开展区域泥石流易发性评价对于防灾减灾具有重要意义。国内已有多位学者开展了泥石流的易发性、危险性或风险性评价和区划研究，但这些研究多局限于局部地区，涉及全国范围的评价较少[6－11]。本文以中国内地（未包含香港、澳门和台湾）为研究区，在1∶50万地质灾害调查数据库、700个县（市）地质灾害调查信息集成数据库的基础上，尝试采用“概率比率模型”，对整个研究区进行泥石流易发性评价分级，并编制了泥石流易发程度区划图，表示地区之间地质灾害易发程度的差异，为全国地质灾害防治规划、宏观层面国土空间布局等提供依据。

1 易发性评价因子

泥石流易发性评价主要依据泥石流的活动规律和形成因素，即泥石流的易发性主要由历史可能性和地质环境可能性确定。历史可能性由泥石流分布特点来表征；地质环境条件可能性指泥石流发育的地形条件，即地形条件、地质背景条件、环境影响因素。泥石流易发评价因子选取客观、长期、相对稳定的因子，还要考虑其评价结果不仅反映已有泥石流区域，也反映与发生泥石流区域具有相似的易发条件的无泥石流区域的预测。还要考虑宏观评价尺度、数据可获得情况，选择地貌类型、地形起伏度、工程地质岩组（性）、活动断裂距离、年平均≥50mm暴雨日数、土地利用程度等6项评价因子作为本次泥石流易发性评价因子。经数据整理后形成泥石流分布和评价因子7个图层。

a.泥石流分布图层。以30个省1∶50万环境地质调查（以地质灾害为主）数据库、700个县（市）地质灾害调查信息集成数据库为基础，依据泥石流点的地理坐标等信息整理后，形成1∶50万全国泥石流分布图层和县（市）全国泥石流分布图层，每条数据附有编号、类型、规模和面积等属性。易发性评价时，采用县（市）全国泥石流数据。1∶50万全国泥石流数据留作易发性分区结果检验数据。

b.地貌类型图层。将1994年中国科学院地理科学与资源研究所编制的1∶400万中国地貌图（E00格式数据）属性合并得到山地、黄土塬、黄土梁峁、平原、丘陵、台地、湖泊、现代冰川、黄土台塬、冲积扇平原、低河漫滩、风蚀地貌等12种类型，将这12种类型作为泥石流易发性评价因子的属性。

c.地形起伏度图层。由于此次评价尺度较大，基于DEM或者地形图提取的坡度不能满足要求，所以选取地形起伏度作为评价因子。地形起伏度是地貌学中描述地貌形态的一个重要参数，指某一确定面积内最高点和最低点海拔高度之差。采用SRTM3－DEM数据，分辨率为90m，经分析，能够满足区域地形起伏度提取的精度要求。地形起伏度的提取是在ArcInfo的GRID模块支持下，确定统计单元为1km×1km，利用移动窗口分析法来实现的[12]。最终形成1km×1 km全国地形起伏度图作为易发因子图层。

d.工程地质岩组（性）图层。本次采用1∶400万中国工程地质图[13]，经过图形数字化、增加属性表等数字化处理，进行属性、拓扑检查，数据类型转换，共分为19种岩组（表1），把这19种岩组作为泥石流易发性评价因子的属性。

e.活动断裂距离图层。本次采用1∶400万中国活动构造图[14]，对活动断裂进行提取处理，数据类型转换，利用buffer工具建立缓冲区。依据统计资料及评价尺度，确定影响范围分别为250 m、500m、750m、1250m、1500m、1750m、2000 m，并作为评价因子的属性。

f.年平均≥50mm暴雨日数图层。采用国家气候中心的1961—2006年中国年平均≥50mm暴雨日数（t／d）分布图，分为t＜0.2、0.2≤t＜1、1≤t＜3、3≤t＜5、5≤t＜7、t≥7d，并作为评价因子的属性。

g.土地利用程度图层。土地利用程度综合指数[15]是把土地利用类型按人类活动的强弱进行分级，成为一个从100～400的连续变化的指标，反映土地利用程度的高低。利用土地利用类型图计算土地利用程度综合指数图[15]。利用全国土地利用数据库中2000年的土地利用类型1km×1km栅格数据，在ArcGIS平台下计算土地利用程度综合指数，得到全国土地利用程度图层。

2 易发性评价方法

本次易发性评价采用概率统计方法——概率比率模型[16－19]分析泥石流易发性的空间分布。该模型的假设条件是地质环境条件相似，则发生泥石流的概率相似。

泥石流和易发因子的相关关系用概率比率值表征，即在给定条件下，由发生泥石流概率与未发生泥石流概率之比计算得到。在考虑单因子与泥石流的空间关系时，概率比率即为条件概率。各个因子的概率比率值之和即为泥石流易发性评价指数（IDS）。易发性评价指数值越大，易发程度越高。其适用的区域单元为网格单元或条件均一的自然单元。

概率比率模型计算公式

式中：IDS为泥石流易发性评价指数；Fr为评价因子概率比率值（易发指数）；A为因子属性中泥石流的面积；A总为整个研究区中泥石流总面积；S为因子属性中没有发生泥石流的面积；S总为整个研究区内没有泥石流的总面积。

评价因子易发指数值取值范围（0，∞）。如果其值＞1，说明泥石流和这个因子属性的相关性强。该值越大，因子属性与泥石流的相关性越强；反之，值越小，相关性越弱。

概率比率模型在分析过程中既考虑充分性也考虑必要性，评价结果具有客观性。前人曾在中小区域内应用该模型进行易发性评价，均取得了较好的效果[16－18]。由于该模型计算简便而且精度较高，本次探索将其用于小比例尺大区域的泥石流易发性评价。

3 易发性评价分区

3.1 单因子易发性评价分析

根据选取的数据精度和模型要求，经过分析最终确定本次易发性评价的区域单元为1km×1 km的栅格单元。

?

把每个易发因子图层分别与县（市）全国泥石流分布图层叠加分析，得到易发性因子的各个属性中泥石流的面积和未发生泥石流的面积，根据模型计算因子属性的概率比率，得到各个评价因子易发指数（Fr，表1）。

地形起伏度。随着地形起伏度变高，泥石流易发指数逐渐增大。地形起伏度＜40m时，泥石流易发指数为0.1，说明泥石流发生的可能性很低。地形起伏度在40～180m，易发指数＜1，说明泥石流发生的可能性也较小。地形起伏度≥180m，易发指数＞1，说明发生泥石流的可能性大。随着起伏度变高，泥石流发生的概率也随之变大。当地形起伏度处于860～1420m区间，泥石流易发指数最高，为3.77，说明泥石流发生的可能性最大。低起伏度，说明地形高低变化不大，泥石流发生的可能性比较小；高起伏度，说明地形高低变化大，斜坡坡度大，发生泥石流的可能性大。

活动断裂。随着与断裂距离的增大，泥石流易发指数逐渐减小。断裂影响距为0～250m时泥石流易发指数最大，为1.78，泥石流发生的可能性很大。断裂距离＜750m时，易发指数均大于1，泥石流发生的可能性很大。当断裂距离≥750m，易发因子比率变小（＜1），泥石流发生的可能性变小。

其他因子的影响同样可以通过易发指数值分析得到，见表1。当易发指数值＞1时，泥石流和这个因子属性的相关性强；指数＜1，泥石流和这个因子属性的相关性弱。

3.2 易发性评价分区

3.2.1 易发性评价指数图计算

将易发指数作为因子属性的量化值，分别赋值到对应的易发因子图层，作为栅格单元的像素值。形成地貌类型栅格图、地形起伏度栅格图、工程地质岩组（性）栅格图、活动断裂距离栅格图、年平均≥50mm暴雨日数栅格图、土地利用程度栅格图等6个权重图层。利用ArcGIS的Raster calculator功能，把各图层叠加，计算得到全国泥石流易发性评价指数分布图。工作区内最大的像元值为18.58，值越大，易发程度越高。

在分区之前，先对易发性评价指数分布图进行检验，分析其与实际情况的吻合程度。首先，将指数分布图按栅格值从大到小进行重分级，分为100个等级，得到易发性指数重分类图。然后，分别统计重分类图各等级中泥石流的点数，得到泥石流易发性评价指数分级累计比例和对应的泥石流累计个数比例之间的关系（图1）。

图1 泥石流易发性指数检验曲线Fig.1 Illustration of cumulative frequency diagram showing debris flow susceptibility index rank（y－axis）occurring in cumulative percent of debris flow occurrence（x－axis）

易发性指数最高10%的区域内，包括32.7%的县市调查泥石流，32.3%的1∶50万调查泥石流；易发性指数最高20%的区域内，包括55.7%的县市调查泥石流，58.5%的1∶50万调查泥石流；易发性指数最高30%的区域内，包括71.0%的县市调查泥石流，72.7%的1∶50万调查泥石流。县市调查检验曲线下的面积和总面积之比为0.770，即采用县市调查泥石流检验易发性指数的预测精度为77.0%。1∶50万调查检验曲线下的面积和总面积之比为0.784，即采用1∶50万调查泥石流检验的预测精度为78.4%。可见评价结果与实际情况较为吻合。

3.2.2 易发性分区

结合专家经验采用变点法选取泥石流分区最佳分界点，把全国分为高易发区、中易发区、低易发区、不易发区4个不同等级的区域（图2）。全国各省的高、中易发区面积分布情况列于表2。

泥石流高易发区面积68×104km2，占全国面积的7%。主要分布在川滇山地、云贵高原、秦巴山地、陇中南山地等地区，包括云南、贵州西部、四川西部和北部、西藏南部、陕南等地。高易发区地貌形态多为中高山，地势陡峭，地形起伏度在500～5120m，发育有贺兰－川滇南北向断裂带、青藏和喜马拉雅山弧形断裂带、昆仑－秦岭断裂带等断裂构造，岩土体以变质岩、碎屑岩和黄土为主，岩体破碎，在暴雨作用下，易于产生泥石流。

图2 全国泥石流易发程度分区图Fig.2 Debris flow susceptibility map based on frequency ratio[审图号：GS（2013）681号]

泥石流中易发区面积266×104km2，占全国面积的28%。主要分布在藏东地区、西北山地、华中及东南低山丘陵、东北山地等地区，包括重庆、福建、广东、广西、湖北西部和北部、湖南、山西、陕西、四川、西藏东部等地。地貌形态多为中低山和丘陵，地形起伏度在200～1300m，发育有太行山山前断裂带、汾渭断陷带、东南沿海断裂带等北东向、北北东向断裂构造，岩土体以变质岩、碎屑岩、火山岩和黄土为主，岩体破碎，在暴雨和持续降雨作用下，较易于产生泥石流。

泥石流低易发区面积261×104km2，占全国面积的28%。主要分布在高、中易发区以外的其他山区。地貌主要为丘陵、盆地，或者是人迹罕至的西部高原山地，岩土体类型以第四纪松散堆积物和坚硬岩为主。

泥石流不易发区面积351×104km2，占全国面积的37%。主要分布在三江平原、松辽平原、黄淮海平原、呼伦贝尔高原、准噶尔盆地、塔里木盆地、鄂尔多斯高原等。区内主要为平原、盆地，总体上看缺少形成地质灾害的地质环境条件，泥石流灾害发生的可能性很小。

3.3 分区结果检验

本次共有泥石流样本14 931起，其中高易发区内7839起，占泥石流总数的52.5%；中易发区内5003起，中高易发区内泥石流占总数的86.0%；低易发区内1790起，不易发区内380起。分析可知，泥石流灾害点分布与易发分区评价结果的程度较好，符合泥石流实际发生的客观情况（表3）。

表2 泥石流易发区在各省的分布面积（A／104 km2）Table2 The high－prone and mid－prone to debris flow areas in each province

表3 泥石流灾害数量与易发区等级关系Table3 The relationship between debris flow disaster quantity and susceptibility hierarchy

4 结论与建议

a.根据泥石流的成因，选取起伏度、地貌类型、活动断裂距离、岩组（性）、年平均≥50mm暴雨日数、土地利用程度6个易发性评价因子的数据图层，运用概率比率模型，将各易发因子图层与泥石流分布图层叠加分析，并综合计算得到了全国泥石流易发因子评价指数图。对评价指数图进行统计检验，预测精度＞77%，说明能够较好地反映泥石流易发性的实际情况。概率比率模型计算简便，精度较高，适用于数据量较大的大区域范围内泥石流易发性评价。

b.结合专家经验采用突变点进行了泥石流易发程度分区，把全国分为高易发区、中易发区、低易发区和不易发区，得到了全国泥石流易发程度分区图。其中高易发区68×104km2，占全国的7%；中易发区266×104km2，占全国的28%；低易发区261×104km2，占的28%；不易发区351×104km2，占全国的37%。经检验，中高易发区内分布的泥石流占总数的86.0%，分区结果基本符合实际。

c.由于冰川泥石流成因的特殊性，本次只考虑了短时强降水因素引起的冰川泥石流，对于温度变化引起的冰川泥石流未予考虑。对于冰川泥石流的易发性评价可以专门作为今后的一个研究方向。

本文的土地利用数据来源于国家科学数据共享工程——地球系统科学数据共享网（http：／／www.geodata.cn）。

[1]刘希林.泥石流风险评价中若干问题的探讨[J].山地学报，2000，18（4）：341－345.Liu X L.Approaches to risk assessment of debris flow[J].Journal of Mountain Research，2000，18（4）：341－345.（In Chinese）

[2]刘仁志，倪晋仁.中国暴雨泥石流危险性区划[J].应用基础与工程科学学报，2004，12（4）：346－360.Liu R Z，Ni J R.Rapid assessment of rainstorm debris flow hazard in China[J].Journal of basic science and engineering，2004，12（4）：346－360.（In Chinese）

[3]Pirrung D，Futterer H，Grobe J，et al.Magnetic susceptibility and ice－rafted debris in surface sediments of the Nordic Seas：implications for Isotope Stage 3oscillations[J].Geo－Mar Lett，2002，22（2）：1－11.

[4]Francesco Gentile，Tiziana Bisantino，Giuliana Trisorio Liuzzi.Debris－flow risk analysis in south Gargano watersheds（Southern－Italy）[J].Nat Hazards，2008，44：1－17.

[5]Su F H，Cui P，Zhang J Q，et al.Susceptibility assessment of landslides caused by the Wenchuan Earthquake using a logistic regression model[J].J Mt Sci，2010，7：234－245.

[6]刘希林，陈宜娟.泥石流点密度和面密度对区域泥石流危险度的影响：对比研究[J].自然灾害学报，2011，20（2）：36－42.Liu X L，Chen Y J.Influence of debris f low spot and area densities on regional hazardousness of debris flow：a comparative study[J].Journal of Natural Disasters，2011，20（2）：36－42.（In Chinese）

[7]唐川.云南怒江流域泥石流敏感性空间分析[J].地理研究，2005，24（2）：178－186.Tang C.Susceptibility spatial analysis of debris flows in the Nujiang River Basin of Yunnan[J].Geographical Research，2005，24（2）：178－186.（In Chinese）

[8]朱忠礼，刘希林，尚志海.四川省北川县赵家沟地震次生泥石流形成条件分析[J].中国地质灾害与防治学报，2010，21（4）：57－63.Zhu Z L，Liu X L，Shang Z H.Analysis on the developing conditions of debris flow induced by Wenchuan earthquake in Zhaojia Gully of Beichuan County，Sichuan Province[J].The Chinese Journal of Geological Hazard and Control，2010，21（4）：57－63.（In Chinese）

[9]刘希林，陈宜娟.泥石流风险区划方法及其应用：以四川西部地区为例[J].地理科学，2010，30（4）：558－595.Liu X L，Chen Y J.Application of debris flow risk zonation：An example of West Sichuan[J].Scientia Geographica Sinica，2010，30（4）：558－595.（In Chinese）

[10]赵源，刘希林.人工神经网络在泥石流风险评价中的应用[J].地质灾害与环境保护，2006，16（2）：135－138.Zhao Y，Liu X L.Application of ANN to risk assessment on debris flow[J].Journal of Geological Hazards and Environment Preservation，2006，16（2）：135－138.（In Chinese）

[11]柳金峰，黄江成，欧国强，等.甘肃陇南武都区泥石流易发性评价[J].中国地质灾害与防治学报，2010，21（4）：8－13.Liu J F，Huang J C，Ou G Q，et al.Susceptibility evaluation of debris flow in the Wudu District，Longnan City，Gansu Province[J].The Chinese Journal of Geological Hazard and Control，2010，21（4）：8－13.（In Chinese）

[12]郭芳芳，杨农，孟晖，等.地形起伏度和坡度分析在区域滑坡灾害评价中的应用[J].中国地质，2008，35（1）：131－143.Guo F F，Yang N，Meng H，et al.Application of the relief amplitude and slope analysis to regional landslide hazard assessments[J].Geology in China，2008，35（1）：131－143.（In Chinese）

[13]任国林，田洪训，胡瑞林，等.中国工程地质图（1∶400万）[M].北京：中国地图出版社，1992.Ren G L，Tian H X，Hu R L，et al.Chinese Engineering Geological Map（1：400 000）[M].Beijing：China Map Publishing，1992.（In Chinese）

[14]邓启东.中国活动构造图（1∶4 000 000）[M].北京：地震出版社，2007.Deng Q D.The Active Tectonic Figure （1∶4 000 000）[M].Beijing：The Earthquake Press，2007.（In Chinese）

[15]庄大方，刘纪远.中国土地利用程度的区域分异模型研究[J].自然资源学报，1997，12（2）：105－111.Zhuang D F，Liu J Y.Study on the model of regional differentiation of land use degree in China[J].Journal of Natural Resources，1997，12（2）：105－111.（In Chinese）

[16]Lee S，Pradhan B.Landslide hazard mapping at Selangor，Malaysia using frequency ratio and logistic regression models[J].Landslides，2007（4）：33–41.

[17]Lee S，Pradhan B.Probabilistic landslide hazards and risk mapping on Penang Island，Malaysia[J].Journal of Earth System Science，2006，115（6）：661－672.

[18]张若琳，孟晖，连建发，等.基于GIS的概率比率模型的滑坡易发性评价[J].地学前缘，2010，17（6）：291－298.Zhang R L，Meng H，Lian J F，et al.Landslide susceptibility mapped with probability ratio model[J].Earth Science Frontiers，2009，16（5）：71－79.（In Chinese）

[19]Pradhana B，Lee S.Landslide susceptibility assessment and factor effect analysis：backpropagation artificial neural networks and their comparison with frequency ratio and bivariate logistic regression modelling[J].Environmental Modelling ＆ Software，2010，25（6）：747－759.