孫 昆，程冬兵，賀佳杰，趙元凌

(1.長江科學院，湖北 武漢 430010； 2.華中農業(yè)大學，湖北 武漢 430010)

風險是指不利事件未來發(fā)生的可能性分布函數(shù)和不利事件所導致?lián)p失的可能性分布函數(shù)的總稱，風險評估是指客觀認識到不利事件發(fā)生的風險因素，計算研究區(qū)風險并確定風險等級的過程[1]。目前有關土壤侵蝕領域風險評估的案例較少，常見的有兩種：一是借助土壤侵蝕模型進行風險評估，比如ANGIMA et al.[2-4]憑借經(jīng)驗統(tǒng)計模型USLE/RUSLE，通過因子選擇及綜合方法對土壤侵蝕進行風險評價，陳嘉林[5]運用基于GIS的分布式流域水文模型SWAT進行了福建省典型崩崗區(qū)潛在性崩崗風險評估；二是從統(tǒng)計分析的角度進行風險評價，主要有因子加權法，如VRIELING et al.[6-7]通過專家打分及標準評分確定因子貢獻值，繼而加權確定風險等級，還有結合Logistic模型進行風險分級評價研究，如王文娟等[8]以SPOT 5影像為基礎，結合地形圖提取了與溝蝕形成相關的11個地形因子，構建Logistic模型并據(jù)此對研究區(qū)溝蝕發(fā)生風險進行評價。但是目前風險評估理念的應用在土壤侵蝕領域尚處于探索階段。

崩崗侵蝕是我國南方紅壤區(qū)一種特殊的水土流失形式，也是水土流失嚴重的一個顯著標志。我國南方紅壤區(qū)崩崗侵蝕模數(shù)高、發(fā)展速度快，并伴有突發(fā)性、長期性等特點。廣東省崩崗數(shù)量最多、密度最大，選擇廣東省作為崩崗風險評估的研究區(qū)具有代表性。本研究以廣東省為例，在崩崗侵蝕風險評估及分類防控關鍵技術研究項目前期工作的基礎上，重點對項目中采用的兩種風險評估方法進行對比研究，旨在為優(yōu)化崩崗風險評估方法提供科學依據(jù)，也希望能為廣東省崩崗侵蝕防治提供決策參考。

1 研究方法

1.1 信息量法

信息量法是通過信息熵的減少表征事件發(fā)生的可能性[9]。在崩崗侵蝕風險評估中，信息熵的減少意味著崩崗的發(fā)生。信息熵是信息量的期望，因此可以采用信息量來衡量崩崗侵蝕產生的可能性。信息量由崩崗侵蝕發(fā)生的概率決定，其計算公式為

(1)

式中：Ii為第i個影響因子對崩崗侵蝕提供的信息量，i=1，2，…，n；Ni為第i個影響因子作用下崩崗侵蝕發(fā)生的數(shù)量；N為崩崗侵蝕發(fā)生的總數(shù)量。

以各影響因子的信息量作為信息量法的自變量，既表現(xiàn)了各因子類中各影響因子對崩崗侵蝕貢獻的大小，也表現(xiàn)了各因子類對崩崗侵蝕的貢獻。在ArcGIS中，運用柵格計算器將不同因子類圖層中的各種影響因子以信息量為系數(shù)進行疊加，以圖像的形式表現(xiàn)不同影響因子共同影響下的廣東省崩崗侵蝕風險分布趨勢，計算公式為

P=I1x1+I2x2+…+Inxn

(2)

式中：P為事件發(fā)生的概率；Ii為第i個影響因子對崩崗侵蝕提供的信息量，i=1，2，…，n；xi為第i個影響因子圖層。

1.2 Logistic回歸分析法

Logistic回歸分析屬于判別分析[10]，因變量取值有0與1兩種。采用Logistic模型將崩崗發(fā)生與否作為因變量進行回歸分析，能對二值響應的因變量和分類自變量進行回歸建模，根據(jù)建立的模型對未知的每個柵格崩崗侵蝕可能發(fā)生的概率進行預測，進而依據(jù)發(fā)生概率大小進行風險評價[11]。其計算公式為

(3)

式中：βi為 Logistic方程的解釋變量系數(shù)，i=0,1,…,n；其余符號意義同上。

2 研究區(qū)概況及數(shù)據(jù)來源

2.1 研究區(qū)概況

廣東省地處中國大陸最南部，位于北緯20°13′～25°31′、東經(jīng)109°39′～117°19′，陸地面積為17.98萬km2；山脈以東北—西南走向居多，粵北的山脈多為向南拱出的弧形山脈，粵東和粵西有少量西北—東南走向的山脈，山脈間有谷地和盆地分布，平原以珠江三角洲平原最大，潮汕平原次之；構成各類地貌的基巖以花崗巖最為普遍，砂巖和變質巖也較多，在粵西北還有較大片的石灰?guī)r分布；最重要的地帶性土壤是紅壤、赤紅壤和磚紅壤，其分布面積分別占全省土壤面積的37.96%、24.80%、5.15%；屬東亞季風區(qū)，降雨充沛，年均降水量1 300～2 500 mm，年均氣溫19～24 ℃。廣東省是我國崩崗侵蝕最為嚴重的省份之一：崩崗數(shù)量最多，約10.79萬個，占南方崩崗總數(shù)的45.14%，平均1.67 km2土地就有1個崩崗；崩崗面積最大，約82 760 hm2，占南方崩崗總面積的67.83%；崩崗侵蝕嚴重，造成的水土流失量約占廣東省水土流失總量的43%。崩崗嚴重地區(qū)會出現(xiàn)土地退化和生態(tài)環(huán)境惡化，且治理難度大，已成為廣東省山區(qū)經(jīng)濟發(fā)展的主要制約因素之一。

2.2 數(shù)據(jù)來源

本研究涉及的廣東省各因子類數(shù)據(jù)來源包括：2005年崩崗普查成果；中國氣象數(shù)據(jù)網(wǎng)和531個氣象站點數(shù)據(jù)資料；中國地質調查局2004年出版的《1∶250萬中國地質圖》；中國科學院南京土壤研究所1995年發(fā)布的1∶100萬中國土壤屬性數(shù)據(jù)庫；NASA新一代對地觀測衛(wèi)星Terra觀測得到的先進星載熱發(fā)射和反射輻射儀全球數(shù)字高程模型(30 m分辨率)；2005年美國陸地資源衛(wèi)星Landsat8 OLI多光譜影像和中國環(huán)境減災衛(wèi)星多光譜影像(30 m分辨率)。

3 結果與分析

3.1 評估指標篩選

基于ArcGIS等軟件平臺，得到廣東省崩崗點數(shù)據(jù)與各因子類圖層空間疊加成果。對主要影響因子進行分析，得出崩崗主要分布在年降水量為1 500～1 800 mm，地質類型為沉積巖、花崗巖、變質巖，土壤類型為赤紅壤、磚紅壤、紅壤及黃壤，坡度為0～30°，高程為0～400 m，地形起伏度為0～150 m，植被覆蓋度為<20%、80%～90%，土地利用類型為林地、農田及裸地的區(qū)域內。盡管崩崗分布隨氣溫呈現(xiàn)出一定的規(guī)律，但由于多年平均氣溫在廣東省區(qū)域尺度上變化不明顯，因此多年平均氣溫不宜作為評估指標。另外，一些崩崗侵蝕分布密度特別小的因子也應直接剔除，如土地利用中除有林地、農田及裸地外的其他因子，土壤類型中除赤紅壤、磚紅壤、紅壤和黃壤外的其他因子等。最終篩選出年降水量、地質類型、土壤類型、坡度、高程、地形起伏度、植被覆蓋度、土地利用類型等8個因子類共34個因子，具體如下：年降水量為1 500～1 600、1 600～1 700、1 700～1 800、1 800～1 900 mm；地質類型為其他火成巖、沉積巖、變質巖、花崗巖；土壤類型為赤紅壤、磚紅壤、紅壤、黃壤；坡度為0～10°、10°～20°、20°～30°、30°～40°；土地利用類型為林地、農田及裸地；高程為0～100、100～200、200～300、300～400、400～500、500～600 m；地形起伏度為0～50、50～100、100～150、150～200 m；植被覆蓋度為<20%、20%～40%、40%～60%、60%～80%、80%～90%、>90%。

3.2 崩崗侵蝕發(fā)生風險評估

3.2.1 信息量法

基于ArcGIS軟件得到8種影響因子類對應的崩崗侵蝕數(shù)量，結合公式(1)可計算出8種影響因子類對應的信息量，見表1。

根據(jù)表1中各因子的信息量，結合公式(2)建立信息量預測方程為

P=4.05x1+5.14x2+…+5.13x34

(4)

在ArcGIS中，根據(jù)式(4)，運用柵格計算器將所有因子圖層進行疊加運算，歸一化處理后即得廣東省崩崗侵蝕發(fā)生風險分布圖，見圖1。

3.2.2 Logistic回歸分析法

采用ArcGIS軟件，將篩選所得各因子類數(shù)據(jù)與隨機抽樣得到的1萬個采樣網(wǎng)格(有崩崗點、無崩崗點各5 000個)進行空間疊加分析，得到每個網(wǎng)格對應的因子數(shù)據(jù)。由篩選出的風險評估指標所對應的崩崗侵蝕密度，找到所有因子數(shù)據(jù)所處的因子類范圍，每一個因子類范圍都有著相應的崩崗侵蝕密度。將1萬個采樣網(wǎng)格中的所有因子數(shù)據(jù)替換為對應的崩崗侵蝕密度，運用SPSS中的二元Logistic回歸對數(shù)據(jù)進行分析，其中因變量為采樣網(wǎng)格中有無崩崗點存在，有崩崗點為1，無崩崗點為0，分析結果見表2。

表1 各因子類崩崗侵蝕密度對應信息量

圖1 基于信息量法的廣東省崩崗侵蝕發(fā)生風險評估結果

由表2中的回歸系數(shù)β結合公式(3)得到的回歸模型為

(5)

表2 Logistic回歸系數(shù)

在ArcGIS中，根據(jù)式(5)，運用柵格計算器將所有因子類圖層進行疊加運算，歸一化處理后即得廣東省崩崗侵蝕發(fā)生風險分布圖，見圖2。

圖2 基于Logistic回歸分析法的廣東省崩崗侵蝕發(fā)生風險評估結果

3.3 基于兩種評估方法的崩崗發(fā)生風險特征對比

3.3.1 空間分布對比

綜合以上兩種方法，可以看出信息量法得到的崩崗侵蝕風險分布總體趨勢與Logistic回歸分析法基本一致。區(qū)別是信息量法風險區(qū)分布較為分散，Logistic回歸分析法較為緊密；信息量法高風險區(qū)分布較廣，中風險區(qū)面積略小，Logistic回歸分析法則相反。

分析兩種風險評估方法在發(fā)生風險的空間分布上存在的偏差，可能是由以下兩點所致：一是在數(shù)量龐大的采樣網(wǎng)格中隨機抽樣，不同抽樣結果會導致抽樣網(wǎng)格的因子數(shù)據(jù)發(fā)生變化，對回歸結果產生一定影響；二是選取的采樣網(wǎng)格為1 000 m×1 000 m，衛(wèi)星影像的分辨率為30 m×30 m，單個采樣網(wǎng)格中可能存在多個崩崗點，但進行Logistic回歸分析時將上述情況均按有崩崗點一種情況進行計算，這可能會對回歸結果造成影響。

3.3.2 強度等級對比

在強度等級上進行對比可以發(fā)現(xiàn)，兩種風險評估方法得到的崩崗侵蝕風險強度相差不大。信息量法在崩崗侵蝕發(fā)生風險強度等級上與Logistic回歸分析法存在的差異，可能是由于采用信息量法進行計算時，僅考慮到崩崗點對崩崗侵蝕風險的影響，未考慮到非崩崗點產生的影響。而Logistic回歸分析法統(tǒng)計了采樣網(wǎng)格中有崩崗點與無崩崗點兩種情況，無崩崗點的采樣網(wǎng)格風險等級較低，在與有崩崗點的采樣網(wǎng)格進行疊加運算時，會降低崩崗侵蝕的整體風險強度，因此信息量法得到的風險強度較Logistic回歸分析法高。

3.4 精度對比

通過對比存在崩崗發(fā)生的采樣網(wǎng)格數(shù)和崩崗侵蝕發(fā)生風險大于0.8的采樣網(wǎng)格數(shù)評估預測精度。評估結果的精度E以經(jīng)驗的概率形式來表示，計算公式為

(6)

式中：NP為存在崩崗侵蝕的采樣網(wǎng)格總數(shù)量；N0.8為崩崗侵蝕發(fā)生風險大于0.8的區(qū)域中存在崩崗侵蝕的采樣網(wǎng)格數(shù)量。

經(jīng)計算，信息量法計算得到的崩崗發(fā)生風險評估精度為83.64%，Logistic回歸分析法計算得到的崩崗發(fā)生風險評估精度為82.95%。對比兩種風險評估方法精度，信息量法稍高于Logistic回歸分析法，兩者之間存在差異的原因，筆者認為，信息量法包含了各因子對崩崗侵蝕的不同影響，保留了不同因子對崩崗侵蝕的影響值。例如，分布在植被覆蓋度80%～90%區(qū)域的崩崗數(shù)量占崩崗總數(shù)的30%左右，其原因可能是過高的喬木覆蓋度會消耗有限的土壤水分和營養(yǎng)成分，且松針揮發(fā)的酸性物質抑制了其他植物的生存，同時雨滴會在林冠層重新匯聚，雨滴滴落的尺寸可能大于自然狀態(tài)，間接增加了雨滴的重力勢能，從而導致裸地受到濺蝕，因此喬木覆蓋度過高的區(qū)域反而有著較高的崩崗侵蝕。而Logistic回歸分析法直接將因子類數(shù)據(jù)與采樣網(wǎng)格進行疊加，未包含同一因子類中不同因子的影響值，精度要略低于信息量法。

4 結 論

(1)采用信息量法及Logistic回歸分析法，在GIS技術的支持下篩選了適合崩崗侵蝕風險評估的8個因子類34個因子，并繪制了廣東省崩崗侵蝕發(fā)生風險的分布圖。

(2)廣東省崩崗侵蝕發(fā)生風險主要分布地區(qū)從東部延伸到北部，西部也存在較高風險，珠江三角洲地區(qū)及廣東省西南部崩崗侵蝕的發(fā)生風險較低。不同方法之間風險分布差異不大，且兩種方法計算的崩崗發(fā)生風險精度均在80%以上，因此采用兩種方法進行廣東省崩崗侵蝕風險評估均可行且可靠，得到的評估結果與研究區(qū)實際存在的崩崗侵蝕區(qū)域相比較，評估精度較高。

(3)相較而言，信息量法的精度取決于影響因子類別的多寡，因子類越多，信息量越大，得到的結果越可信。Logistic回歸分析法需要將研究區(qū)域劃分為若干個樣本單元，樣本單元劃分得越小，計算精度越高，因此更適用于較小尺度的崩崗風險評估。本研究區(qū)為廣東省全境，范圍較大，且選取了較多的影響因子類別，因此前者有更好的評估精度。從崩崗侵蝕風險分布圖上可以看出，信息量法得到的風險分布圖在空間上有更好的均勻性，小圖斑較少，有更好的使用價值。

[1] 金菊良,酈建強,周玉良,等.旱災風險評估的初步理論框架[J].災害學,2014(3):1-10.

[2] ANGIMA S D,STOTT D E,O’NEILL M K,et al.Soil erosion prediction using RUSLE for central Kenyan highland conditions[J].Agriculture Ecosystems & Environment,2003,97(1-3):295-308.

[3] 戴露瑩,王飛兒,俞潔.基于GIS的東苕溪典型小流域土壤侵蝕風險評估[J].農業(yè)環(huán)境科學學報,2012,31(9):1777-1784.

[4] 李曉松,吳炳方,王浩,等.區(qū)域尺度海河流域水土流失風險評估[J].遙感學報,2011,15(2):372-387.

[5] 陳嘉林.福建省典型崩崗區(qū)潛在性崩崗風險評估與預測[D].福州:福建農林大學,2015:8-16.

[6] VRIELING A,STERK G,BEAULIEU N.Erosion risk mapping: a methodological case study in the Colombian Eastern Plains[J].Journal of Soil and Water Conservation,2002,57(3):158-163.

[7] 潘樹林,冉玲.金沙江宜賓段土壤侵蝕潛在危險度[J].宜賓學院學報,2012,12(12):81-84.

[8] 王文娟,鄧榮鑫,張樹文.東北典型黑土區(qū)溝蝕發(fā)生風險評價研究[J].自然資源學報,2014,29(12):2058-2067.

[9] 李家存.基于RS和GIS的區(qū)域坡地重力侵蝕危險性評價研究[D].北京:中國科學院遙感應用研究所,2006:94-99.

[10] 鄧歐,李亦秋,馮仲科,等.基于空間Logistic的黑龍江省林火風險模型與火險區(qū)劃[J].農業(yè)工程學報,2012,28(8):200-205.

[11] 王濟川,郭志剛.Logistic回歸模型方法與應用[M].北京:高等教育出版社,2001:98-100.