常亚婷，刘征宇，向 刚，付明宏

(贵州省地质矿产勘查开发局一○四地质大队，贵州 都匀 558000)

1 引言

地质灾害是一种人与自然环境之间的相互作用，指在自然或者人为因素影响下，对人类生命财产造成损失、对环境造成破坏的地质作用或者地质现象(殷跃平，2008)、(章诗芳 等，2017)。分析诱发因素和孕灾条件是研究地质灾害的基础，地质灾害危险性评价是以地质灾害孕灾条件与诱发因素为基础开展的一项重要工作。

地质灾害危险性评价方法通常有三种，分别是定性方法、定量方法以及介于两者之间的半定量方法(范强 等，2015b)。定性方法主要表现为专家和地质学家的主观判定，对人的要求极高，通常需要经验丰富的专家意见；定量评价方法主要有信息量法(高治群，2010)、逻辑回归法(陈朝亮 等，2019)、证据权模型法(范强 等，2015a)、多元回归分析(兰恒星，2002)等方法；半定量方法主要在定性方法的基础上考虑了影响因子的权重。近些年来，GIS技术以其独有的空间分析、数据处理以及结合多种数学模型等强大功能被广大学者所接受并广泛应用于地质灾害危险性评价中，在众多模型中，信息量以其操作简单、实用、客观性强等优点使得其在地质灾害危险性评价中能够取得比较好的评价效果(张晓东，2018)。尤其适用于中小比例尺区域中。

地质灾害危险性评价前人早有研究，杨荣康等采用两级模糊数学综合评判法对安顺规划区岩溶塌陷进行了危险性性评价(杨荣康 等，2017)；党杰等人基于GIS技术，通过对影响崩塌灾害发生的各因素进行叠加综合，来分析出灾害的易发性、危险性和易损性，为鱼洞河地质灾害预防提供参考(党杰 等，2013)；金帅采用信息量模型和Logistics模型进行耦合的方法来对宜宾市地质灾害进行危险性评价等(金帅，2021)。尽管前人利用多种方法对地质灾害危险性进行了评价，但是均没有把GIS和信息量模型完美结合起来，本次评价采用GIS与信息量模型相结合的方法来对福泉市地质灾害进行危险性评价，为地质灾害防治提供参考和依据。

福泉市地质灾害频发，规模以中小型为主，近20年来，各类地质灾害已造成超过30人死亡，直接经济损失达5 000万元以上，现存地质灾害隐患点威胁人口1 200多人，威胁财产达23亿元，因此，本文基于福泉市基础调查数据，采用信息量模型，结合GIS技术对福泉市进行地质灾害危险性评价。

2 研究区概况

福泉市位于扬子准地台黔北台隆遵义断拱贵阳复杂构造变形区与黔南台陷贵定南北向构造变形区交接部(曾牡丹 等，2017)，地势北西高，南东低，岩溶地貌发育，区内出露地层除白垩系、侏罗系与石炭系缺失外，其余地层均有出露，寒武系地层分布最广。整个区域岩性呈以碳酸岩为主，碎屑岩为辅的特征，部分地区分布有少数变质岩。研究区地质灾害类型主要有崩塌、滑坡、泥石流、地面塌陷、不稳定边坡5种类型，为了使得评价结果更加合理，本次危险性评价选取滑坡、崩塌以及不稳定斜坡三种类型共107处灾害点作为评价样本。

研究区降雨主要集中在5-10月份，根据调查结果显示，降雨时间与地质灾害集中发生时间基本吻合，地质灾害在空间上表现为各个乡镇均有分布，但分布密度差异性较大，主要集中在北部的道坪镇以及南部的马场坪街道办事处和凤山镇，研究区地质灾害分布图如图1，地质灾害点分布范围遍及整个区域，整体呈现南部多于北部，中部少的特点；从地层上来看，地质灾害主要分布于软硬相间类工程地质岩组，从人类活动范围来看，地质灾害点主要位于人类工程活动强烈区域。

图1 研究区地质灾害分布图

3 信息量模型原理

信息量法模型是从信息理论中引出的一种统计预测方法，主要是通过把各影响因子量化、叠加、分析的一个过程，地质灾害的影响因子较多，不同因子影响性质及大小程度均不一样，信息量模型根据已有的灾害信息，将不同因子影响信息转化为信息量值，即信息量值的大小反映了评价因子与地质灾害发生的相关性。信息量越大，地质灾害发生的可能性就越高。信息量计算公式如下(许强 等，2010)

(公式1)

(公式2)

公式中IAj-B是对应因素A、j状态(或区间)下地质灾害B发生的信息量，Nj是对应因素A、j状态(或区间)下地质灾害分布的单元数，N是调查区已知有地质灾害分布的单元数，Sj是因素A、j状态(或区间)分布的单元数；S为调查区单元总数。

4 地质灾害危险性评价

4.1 评价因子选取

环境因素(内因)和诱发因素(外因)是影响地质灾害发生的主要因素，其中环境因素是指形成地质灾害的地质条件，包括地形地貌、地层岩性、地质构造等；诱发因素指的是诱发和加剧地质灾害的外在因素，包括降雨、人类工程活动等条件。本次研究在前人大量研究成果基础上选取高差、坡度、坡向、植被类型、斜坡结构、地层、河流、构造、降雨、灾害密度、人类工程活动、人口密度、财产密度等13个评价因子进行地质灾害危险性评价。本次地质灾害危险性评价数字高程模型DEM来源于地理空间数据云网站，精度为30 m×30 m栅格数据，评价单元为栅格单元，地质灾害点类型来源于实地调查，共划分评价单元1856396个，评价因子等级划分指标依据来源于对福泉市的地质灾害孕灾条件及威胁对象的详细调查。

4.2 信息量值计算

利用ArcGIS结合信息量法对福泉市地质灾害进行风险评价，得到各个评价因子分级图(图2)，需要说明的是分级评价因子对应的地质灾害点数并不能作为衡量信息量值大小的依据，其还与评价因子所占面积的大小也有关系。利用公式2进行信息量值计算，信息量计算结果表见表1。

5 地质灾害危险性评价

5.1 评价结果

对研究区进行地质灾害危险性评价，将表1中得到的信息量值赋予各评价因子各评价单元，然后利用ArcGIS中栅格计算器对其进行叠加，最后对叠加结果采用自然断点法将其分为四个区间，分别是极高危险区、高危险区、中危险区、低危险区(图3)，各区间占比10.8%、28.4%、25.8%、35%，极高危险区和高危险区总共占全市面积的39.2%，主要分布在研究区北部和南部，呈带状分布，与福泉市的地质灾害分布情况相符，表明评价结果真实可靠。

图3 地质灾害危险评价图

表1 评价因子信息量值Table 1 Information value of evaluation factors

5.2 精度评价

ROC曲线能简单、直观地反应所用分析方法特异性和敏感性的关系，准确性较高，因而被广泛应用于区域地质灾害危险性评价的精度验证(向喜琼 等，2000)。ROC曲线下的面积AUC(0-1)能很好的指示危险性分区结果的精确程度，以0.5为界限，小于0.5则说明结果不理想，随机拟合的成分多，大于0.5则说明该分区结果是有效可靠的。图4为研究区ROC曲线图，横坐标表示地质灾害危险性由极高到低的分区面积累计占比，纵坐标表示灾害数量累计占比，本次评价结果ROC曲线面积AUC=0.755，即评价精度为75.5%，说明本次危险性评价分区合理。

图4 研究区ROC曲线图Fig.4 ROC curve of the study area

6 结论

(1)福泉市地质灾害发育，本次研究经过筛选后选取107个地质灾害点作为评价样本，并选取高差、坡度、坡向、植被类型、斜坡结构、地层、河流、构造、降雨、灾害密度、人类工程活动、人口密度、财产密度13个评价因子，采用信息量模型对其进行地质灾害危险性评价。

(2)采用自然断点法将评级结果划分为四个危险区，分别是极高危险区、高危险区、中危险区以及低危险区。其中极高危险区占比10.8%、高危险区占比28.4%、中危险区占比25.8%、低危险区占比35%。

(4)利用ROC曲线对研究区地质灾害危险性分区结果精度进行评价，评价精度AUC=75.5%，说明本次危险性分区合理，能够很好的为福泉市防灾减灾提供依据和参考。