摘 要： 洛寧縣地處河南省西部山地丘陵區(qū)，地質構造復雜，加之近年來極端強降雨頻發(fā)，滑坡災害增多，造成了重大人員傷亡和經(jīng)濟損失，因此做好洛寧縣滑坡災害易發(fā)性分區(qū)可為科學防災減災提供數(shù)據(jù)支撐?；贏rcGIS空間分析獲取研究區(qū)域高程、坡度、坡向、巖組、降水量、土地利用類型和歸一化植被指數(shù)共7個指標因子，采用信息量模型對研究區(qū)進行柵格疊加后，利用自然斷點法將研究區(qū)信息量值劃分為極低、低、中、高易發(fā)區(qū)，結果表明：滑坡主要分布在高程500～＜750 m、坡度0°～＜20°的區(qū)域，且絕大部分滑坡所處的地貌為起伏山地；高易發(fā)區(qū)面積為627.95 km2，占全縣總面積的27.23%；評價模型精度經(jīng)ROC曲線檢驗，AUC值為0.803 4，說明基于GIS建立的信息量模型對洛寧縣滑坡易發(fā)性評價效果良好。

關鍵詞： 滑坡災害；易發(fā)性評價；GIS；信息量模型；洛寧縣

中圖分類號： P208；P642.22" 文獻標識碼： A" DOI：10.3969/j.issn.1000-0941.2025.01.021

引用格式： 何海洋.基于GIS的河南省洛寧縣滑坡災害易發(fā)性評價[J].中國水土保持，2025（1）：81-85.

在長達半個世紀的發(fā)展歷程中，我國地質災害評價工作取得了顯著發(fā)展，隨著全國地質災害數(shù)據(jù)庫動態(tài)管理的實現(xiàn)，如何構建高效精準的災害評價模型意義深遠[1-3]REF_Ref170298377＼r＼h。在GIS與RS技術的加持下，評價因子不僅可以定量化表達，還可以對評價結果進行空間疊加分析[4]REF_Ref170298825＼r＼h，從而使滑坡地質災害評價結果更加準確。洛寧縣位于豫西山區(qū)，地處河南省地質災害防控的關鍵地帶，特別是近幾年河南省內(nèi)極端強降雨事件頻發(fā)，導致洛寧縣滑坡災害增多，嚴重制約了洛寧縣的城鄉(xiāng)建設與人民生活。因此，對該區(qū)域進行滑坡易發(fā)性評價具有重要價值，能為研究區(qū)經(jīng)濟持續(xù)發(fā)展與防災減災提供借鑒和參考。

地質災害評價方法主要包括層次分析法、信息量法、頻率比法、機器學習方法等[5-REF_Ref170299061＼r＼h7]REF_Ref170299064＼r＼h。其中：白志剛等[8]REF_Ref170299039＼r＼h選取地層巖性、植被覆蓋度、坡度、坡向等9個因子，利用耦合模型對渝北地區(qū)進行了易發(fā)性評價；對于甘肅省的滑坡災害，申懷飛等[9]REF_Ref170298839＼r＼h選擇了10個關鍵評價指標，結合信息量模型和層次分析法進行了更準確的易發(fā)性評價；陳飛等[10]REF_Ref170298853＼r＼h提出將信息量與機器學習相結合的方法，通過疊加對比分析得到了上猶縣的滑坡易發(fā)性分區(qū)圖等。

信息量模型在眾多模型中更為便捷且客觀性更強[11-REF_Ref170298886＼r＼h12]REF_Ref170298888＼r＼h。本研究借助國內(nèi)外相關文獻、研究對象遙感數(shù)據(jù)和實地勘察報告，結合GIS技術與信息量模型，選擇了7個指標因子——高程、坡度、坡向、巖組、降水量、土地利用類型及歸一化植被指數(shù)來進行洛寧縣的滑坡易發(fā)性評價，以期為城鄉(xiāng)發(fā)展規(guī)劃及防災減災預警提供科學參考。

1 洛寧縣概況

1.1 地理環(huán)境

洛寧縣地處豫西山區(qū)，土地總面積2 305.7 km2，地理坐標為34°05′～34°38′N，111°08′～111°49′E，位于洛河中上游。洛河自西向東貫穿全境，南北兩岸有兩大山系，南部為熊耳山，北部為崤山?？h域內(nèi)多為山地，最高處海拔2 103 m，地貌總體呈“七山二塬一分川”，屬于邊緣性過渡地形區(qū)，山地呈不規(guī)則延伸狀。

1.2 水文條件

洛寧縣屬暖溫帶大陸性季風氣候區(qū)，四季分明、雨熱季節(jié)同步、氣候類型多樣、氣象災害頻繁。全縣不同地點年平均氣溫13～17 ℃，大氣降水主要受夏季季風和地形綜合影響，年降水量（2000—2020年）649.55～750.41 mm，且季節(jié)分配不均勻、年際變化大。降水集中在汛期，特別是每年的7月末至8月初，該時段被視為全縣遭遇極端暴雨天氣的高發(fā)時段，俗稱“七下八上”，這一時期洪水導致滑坡災害的風險顯著增加[13]REF_Ref170298949＼r＼h。

1.3 災害點概況

地質災害以降雨型滑坡為主，崩塌、泥石流與地面塌陷較少?；碌姆植汲尸F(xiàn)出時間集中和空間集中兩大特征[14]REF_Ref170298959＼r＼h。時間上，每年6—9月，滑坡頻發(fā)；空間上，大多災害點分布在縣域西部地質構造較為復雜的區(qū)域，以及常受河流侵蝕沖刷的洛河兩岸。通過查閱文獻，并將實地勘查結果與遙感影像數(shù)據(jù)結合，經(jīng)過細致的整合后，確定縣域內(nèi)共有68處滑坡、9處崩塌、1處泥石流、3處地面塌陷，其中滑坡地質災害占比達84%。因此，本研究將以滑坡點為主要災害點展開分析。災害點分布情況見圖1。

2 研究方法與數(shù)據(jù)源

2.1 模型選取

選擇滑坡災害易發(fā)性評估方法時，要全面考慮土地面積、實地勘查信息的完備性、評估的精度等要求，此外還需要考慮評估模型的適用性。信息量模型的優(yōu)點在于其物理意義清晰、操作簡便，并且能夠有效地融合主觀與客觀因素[15]REF_Ref170298972＼r＼h，本研究選擇建立信息量模型進行全縣滑坡易發(fā)性評價。信息量計算公式為

Ixi，Y=log2Ni/NSi/S（1）

式中：I（xi，Y）為評價因子xi對災害事件Y發(fā)生提供的信息量，共有7個評價因子，i=1，2，3，…，7；Ni為xi引發(fā)災害的柵格單元數(shù)，單位個；N為研究區(qū)內(nèi)發(fā)生災害的柵格單元總數(shù)，單位個；Si為xi類別的柵格單元數(shù)，單位個；S為研究區(qū)內(nèi)柵格單元總數(shù)，單位個。

通常情況下，滑坡災害的發(fā)生受多種因素影響，在求得每個單元在所有因子條件下的信息量后，將所有因素進行疊加，即可求得單個單元內(nèi)的總信息量值，建立易發(fā)性評價模型，對災害易發(fā)性作出評價。信息量模型認為災害的發(fā)生是由多種影響因素造成的，信息量值越小說明災害發(fā)生的可能性越小，信息量值越大說明災害發(fā)生的可能性越大。

2.2 數(shù)據(jù)來源

基礎數(shù)據(jù)主要包括洛寧縣歷史災害點信息、30 m分辨率ASTER GDEM數(shù)字高程影像、近20 a年均降雨量、30 m分辨率土地利用類型和區(qū)域植被指數(shù)等。

3 評價模型分析

3.1 滑坡易發(fā)性評價單元

較常見的評價單元主要有柵格單元、斜坡單元、地域單元和均一條件單元等。在評估滑坡的易發(fā)性時，涉及大量空間數(shù)據(jù)的整合、重新分類和疊加運算，而采用柵格單元作為基本評價單位，可以顯著提升處理速度[16]REF_Ref170298984＼r＼h。本研究選擇柵格單元作為整體的評價單元，分辨率為30 m×30 m。

3.2 評價因子的選取與分析

滑坡地質災害的影響因素較多，主要有地形地貌特征、地質構造、巖層組成、降雨誘發(fā)等[17]REF_Ref170298995＼r＼h。本研究選用7個指標因子重分類后進行疊加分析，見圖2。盡管本研究選用的指標因子的來源等存有差異，可能會導致各因子圖層面積計算與災害點統(tǒng)計的細微偏差，但這些偏差對最終結論的準確性影響較小。

3.2.1 高程

高程的變化對滑坡災害的形成展現(xiàn)出多維度的影響，主要體現(xiàn)在地域性的土壤特征、水分保持能力以及植被覆蓋度的差異。此外，海拔增高伴隨著人類工程活動的減少，這在一定程度上緩解了人為誘發(fā)滑坡災害的風險。坡體內(nèi)部的應力分布受高程的直接影響，通常隨高程的升高而增大，這一變化與發(fā)生災害的關系密不可分，進而影響坡體整體的穩(wěn)定性。災害點主要集中在海拔500～750 m，隨著高程的增加，災害點數(shù)量明顯減少，研究區(qū)絕大部分滑坡所處的地貌為中、大起伏山地。

3.2.2 坡度

滑坡的發(fā)生很大程度上受坡度的控制。通過對DEM數(shù)據(jù)進行處理獲取坡度信息，并生成縣域坡度分布圖，重分類后疊加災害點信息，大部分滑坡集中在坡度0°～20°的范圍內(nèi)，約占滑坡總數(shù)的90％。

3.2.3 坡向

坡向對斜坡的影響主要是不同坡向受到的太陽輻射強度不同。在日照充足的地帶，斜坡含水率偏低，風化作用強，導致地表土質疏松，更易在雨水侵蝕下發(fā)生滑坡。從DEM數(shù)據(jù)中提取研究區(qū)坡向信息，并將滑坡災害點與坡向進行疊加，結果表明在南、西向上，滑坡的分布更為密集。

3.2.4 巖組

巖組是滑坡災害形成的內(nèi)部關鍵因素，不同的巖性具有不同的物理力學特征，從而影響坡體的整體穩(wěn)定性。根據(jù)不同巖土體力學特性的差異及巖石構造的特征，將全縣巖組劃分為5組，具體統(tǒng)計信息見表1。由表1可以看出，滑坡災害多發(fā)生在由較脆弱的巖石組成的斜坡中，特別是因物理風化作用形成的碎屑巖、黏土巖區(qū)域，災害發(fā)生更加集中。

3.2.5 降水量

對于某一區(qū)域內(nèi)的邊坡而言，外部因素對坡體穩(wěn)定性影響更大，降雨是滑坡災害發(fā)生的主要誘因。根據(jù)相關資料，在ArcGIS中利用空間插值法并疊加災害點得到了全縣年平均降雨量與滑坡的關系。雨水滲透會導致邊坡區(qū)域的土層物理力學性能變化，土壤飽和度上升，含水量增多，容重增大，進而導致土壤抗剪強度減小，誘發(fā)滑坡現(xiàn)象，因此滑坡數(shù)量隨著降雨量增加而增加。

3.2.6 土地利用類型

將全縣土地利用類型劃分為6類，分別為農(nóng)田、林地、草地、水域、裸地和建筑用地。將縣域災害點數(shù)據(jù)與土地利用類型的柵格圖層相結合，得到各類土地上發(fā)生滑坡的信息（見表2）。由表2可以看出，林地和農(nóng)田發(fā)生滑坡比例較高，說明人類活動對滑坡的發(fā)生會產(chǎn)生較大影響。

3.2.7 歸一化植被指數(shù)

歸一化植被指數(shù)（NDVI）是衡量植被狀態(tài)的一個指標，它間接揭示了人類活動的影響。該指數(shù)值越高，意味著植被覆蓋度越大，而植被覆蓋的程度能在一定范圍內(nèi)影響滑坡災害發(fā)生。將全縣NDVI分為4個等級（低覆蓋區(qū)、中等覆蓋區(qū)、中高覆蓋區(qū)、高覆蓋區(qū)），并疊加災害點信息，統(tǒng)計結果見表3。

由表3可知，較低的歸一化植被指數(shù)更有利于滑坡的產(chǎn)生，隨著歸一化植被指數(shù)增大，滑坡數(shù)量迅速減少，符合客觀事實。

4 滑坡災害易發(fā)性評價

4.1 易發(fā)性評價結果

利用ArcGIS的空間分析及柵格統(tǒng)計功能，對滑坡各指標因子進行分級處理（見圖3），并計算各因子的柵格單元數(shù)量及災害點數(shù)量。通過多值提取到點計算對應的信息量值，將結果賦予對應滑坡的各指標因子圖層，利用柵格計算器把滑坡各評價單元的信息量值圖層疊加，得到全縣綜合信息量柵格圖層。使用自然斷點法將最終信息量疊加柵格圖層劃分為極低、低、中、高易發(fā)區(qū)，由此得到全縣滑坡災害易發(fā)性分區(qū)（見圖4）。

對全縣滑坡易發(fā)性分區(qū)進行柵格統(tǒng)計并換算為面積，所得結果見表4。由表4可知，極低易發(fā)區(qū)面積為108.26 km2，占研究區(qū)總面積的4.70%；低易發(fā)區(qū)面積為765.12 km2，占總面積的33.18%；中易發(fā)區(qū)面積為804.37 km2，占總面積的34.89%；高易發(fā)區(qū)面積為627.95 km2，占總面積的27.23%。其中高易發(fā)區(qū)主要集中在西部以及洛河兩側。高易發(fā)區(qū)占總面積的27.23%，卻包含全縣將近60%的滑坡，說明該區(qū)域滑坡易發(fā)程度高且滑坡分布十分密集，與實際情況相吻合。

4.2 評價模型精度驗證

本研究利用受試者工作特征曲線（ROC曲線）來驗證模型精度。AUC值作為評估模型精度的指標，通過ROC曲線下的面積大小來表征，取值范圍通常為0.5～1.0，AUC值越高，意味著模型精度越高。本研究所得信息量模型易發(fā)性評價結果的ROC曲線下所得到的AUC值為0.803 4 （見圖5），說明該模型預測的準確度較高，研究結果能夠有效反映洛寧縣滑坡災害的分布特征情況及發(fā)育規(guī)律。

5 結論

以河南省洛寧縣為研究區(qū)域，基于GIS技術，結合前期資料搜集、遙感圖像解析等方法，確定了研究區(qū)滑坡的空間分布，并融合信息量模型來評價該區(qū)域滑坡的易發(fā)性，得出以下結論：

1）將ArcGIS與信息量法相結合，完善了易發(fā)性評價結果的客觀性和合理性，減少了評價過程中主觀因素的影響。通過對滑坡災害點與各個影響因子疊加分析，發(fā)現(xiàn)滑坡多出現(xiàn)在海拔500～＜750 m、坡度0°～＜20°之間，其中南、西向的滑坡相對較多，且研究區(qū)絕大部分滑坡所處的地貌為中、大起伏山地，巖石組成主要為黏土巖、碎屑巖這樣的軟弱巖，同時降雨量越大的區(qū)域，滑坡發(fā)生的概率就越大，人類活動以及植被指數(shù)同樣對滑坡的發(fā)生起到一定的影響。

2）根據(jù)研究區(qū)滑坡災害易發(fā)性分區(qū)信息，將其劃分成極低易發(fā)區(qū)（面積占4.70%）、低易發(fā)區(qū)（面積占33.18%）、中易發(fā)區(qū)（面積占34.89%）、高易發(fā)區(qū)（面積占27.23%）4類。高易發(fā)區(qū)主要集中在研究區(qū)西部以及洛河兩側。通過ROC曲線對結果進行驗證，AUC值高達0.803 4，模型預測準確度較高。

參考文獻：

[1] 朱滸.中國災害史研究的歷程、取向及走向[J].北京大學學報（哲學社會科學版），2018，55（6）：120-130.

[2] 唐亞明，張茂省，李林，等.滑坡易發(fā)性危險性風險評價例析[J].水文地質工程地質，2011，38 （2）：125-129.

[3] 薛強.對地質災害易發(fā)性危險性易損性和風險性的探討[J].工程地質學報，2007，15（增刊1）：124-128.

[4] 王小東，馬靜茹，袁廣祥.顧及空間非平穩(wěn)性的地質災害易發(fā)性評價[J].安全與環(huán)境學報，2023，23（12）：4392-4401.

[5] 吳季寰，張春山，孟華君，等.撫順西露天礦區(qū)滑坡易發(fā)性評價與時空特征分析[J].地質力學學報，2021，27（3）：409-417.

[6] 田乃滿，蘭恒星，伍宇明，等.人工神經(jīng)網(wǎng)絡和決策樹模型在滑坡易發(fā)性分析中的性能對比[J].地球信息科學學報，2020，22（12）：2304-2316.

[7] 潘汀超，戚藍，田福昌，等.組合賦權-模糊聚類算法的改進及其在洪災風險評價的應用[J].南水北調(diào)與水利科技（中英文），2020，18（5）：38-56.

[8] 白志剛，劉啟蒙，劉瑜.基于熵指數(shù)與隨機森林模型的滑坡易發(fā)性評價[J].人民長江，2022，53（10）： 95-102.

[9] 申懷飛，董雨，楊梅，等.基于AHP與信息量法的甘肅省滑坡易發(fā)性評估[J].水土保持研究，2021，28（6）：412-419.

[10] 陳飛，蔡超，李小雙，等.基于信息量與神經(jīng)網(wǎng)絡模型的滑坡易發(fā)性評價[J].巖石力學與工程學報，2020，39（增刊1）：2859-2870.

[11] PRADHAN B.A comparative study on the predictive ability of the decision tree，support vector machine and neurofuzzy models in landslide susceptibility mapping using GIS[J]. Computers amp; Geosciences，2013，51（2）：350-365.

[12] PHAM，B T，PRADHAN B，BUI D T，et al. A comparative study of different machine learning methods for landslide susceptibility assessment： A case study of Uttarakhand area （India） [J].Environmental Modelling amp; Software，2016，84：240-250.

[13] 河南鄭州“7·20”特大暴雨災害調(diào)查報告[J].中國安全生產(chǎn)，2022，17（2）：52-53.

[14] 張勇.河南省山地丘陵區(qū)滑坡的發(fā)育規(guī)律與成因模式研究[D].西安：長安大學，2018：35-40.

[15] 溫鑫，范宣梅，陳蘭，等.基于信息量模型的地質災害易發(fā)性評價：以川東南古藺縣為例[J].地質科技通報，2022，41（2）：290-299.

[16] 丁麗，郭凱，張郝哲.基于不同評價單元的地質災害易發(fā)性評價對比[J].云南師范大學學報（自然科學版），2023，43（2）：62-68.

[17] 王麗麗.降雨型滑坡地質災害易發(fā)性評價中的特征處理方法[D].杭州：浙江大學，2016：25-26.

（責任編輯 楊傲秋）