信息量模型在地质灾害灾情评估及险情预测中的应用

许林艳(云南国土资源职业学院数字国土与土地管理学院，云南昆明650093)

国内外众多学者针对不同区域的地质灾害评价进行了广泛的理论探讨和实证研究，但是目前国内外对地质灾害评价尚无统一的评价方法和评价标准［1］，因此，针对各区域开展有针对性的地质灾害评价研究，对丰富和完善地质灾害评价研究具有重要的理论意义和实践意义。区域地质灾害危险性评价研究，即地质灾害发生的可能性大小，一直是国内外学者研究的重点，而基于GIS的信息量法由于客观性高、可操作性强且能融合专家的经验，被多数学者认为是实现地质灾害评价科学化、信息化、快速化的方法之一［1－3］，众多评价实践也表明，基于GIS的信息量法是一种运用成熟、评价结果可靠度较高的方法［1－7］。笔者依托“思茅区地质灾害调查与区划”项目，在对思茅区地质环境背景进行深入、全面、系统的调查和定性分析的基础上，采用信息量法对思茅区进行地质灾害危险性评价，并在此基础上，考虑地质灾害造成的直接和潜在的生命财产损失，探讨了信息量法在思茅区地质灾害灾情评估及险情预测中的应用实践。

1 研究方法

信息量法最早是由晏国珍引入到滑坡预测的，继而被许多学者应用到地质灾害危险性评价中。由于地质灾害是诸多因素共同作用的结果，虽然各因素本身的性质及对地质灾害发生所起的作用都存在较大差异，但在诸多影响因子中始终存在一种“最佳因素组合”，它对地质灾害发生的“贡献率”最大，即诱发地质灾害发生的可能性最大［8］。信息量法实际上是通过将各评价因子对斜坡变形破坏所提供的信息量值叠加，作为预测评价的定量指标，它把各评价单元的信息量值等权重叠加，且其评价结果的准确性与选取因子的多少和质量无关，比较适合于地形复杂的山区或高原区［1］。信息量通常用条件概率来计算，但实际计算时可用频率估计条件概率来估算。具体计算过程如下:

(1)确定评价因子Xi，并进行单因子图层重分类。

(2)分别计算各评价因子Xi对地质灾害发生(H)所提供的信息量值Ii(Xi，H):

式中，S为研究区总面积;N为研究区已发生的地质灾害的总面积;Si为研究区所含有的评价因子Xi的总面积;Ni为含有指标Xi并且发生发生了地质灾害的面积。

(3)计算某一单元在P种因素组合情况下，提供边坡变形破坏的信息量，即:

式中，Ii为评价单元内总的信息量值;n为影响因子数(其他参数同前)。其中Ii＜0、Ii=0、Ii＞0分别表示该单元发生地质灾害的可能性小于、等于、大于区域平均发生地质灾害的可能性，即评价单元信息量越大，发生地质灾害的可能性越大。

(4)根据各评价单元信息量取值范围，找出分界点，将所得结果转化为相应的的危险性等级。

(5)结合灾情因子和险情因子，确定地质灾害灾情等级和险情预测评价等级，方法同上。

2 技术路线与评估预测

2.1 技术路线 主要包括:资料的收集整理与野外调查、建立基础信息数据库、划分评价单元、建立评价指标体系、评估预测及评估结果分析。具体技术流程见图1。

图1 技术路线

2.2 评估预测过程

2.2.1 建立地质灾害基础信息数据库。由于所有评价指标必须统一到同一地理坐标系统才能进行GIS空间分析，才能将其带入数学评价模型进行地质环境质量评价，因此必须建立研究区的地质灾害调查评价基础信息数据库。该研究中空间数据库主要包括:研究区1∶5万地形图、水系图、公路图、居民点分布图、地质岩性图、地质构造图、降雨分布图、地质灾害现状分布图、村直接经济损失分布图、村人员伤亡分布图、村潜在经济损失分布图、村潜在威胁人口分布图、村人口密度分布图、村地均户数分布图、坡度图、坡向图等。该研究属性数据库主要通过大量野外现场调查所收集到的地质灾害点及隐患点数据以及研究区的社会经济统计数据录入到空间数据库中的图层属性结构表中。

2.2.2 建立评价指标体系。在广泛地查阅文献资料和实地考察的基础上，充分考虑因子的关键性和数据的可获得性，选取距断层距离、地面坡度、地层岩性、距河流距离、地面坡向、距公路距离、降雨量、地质灾害分布现状共8因子作为地质灾害危险性评价因子，而对于那些在研究区域内空间分布差异不明显的因素未予考虑(如植被覆盖、地震等因素)，建立地质危险性评价指标体系;并在此基础上，选取地质灾害造成的村直接经济损失和村人员伤亡，建立思茅区地质灾害灾情评估指标体系;同时选取地质灾害村潜在威胁人口和村潜在财产损失与村人口密度和村地均户数两种险情因子方案，分别建立思茅区地质灾害险情预测评估指标体系。

该研究主要介绍灾情因子与险情因子与地质灾害发育的相关关系及分布特征，其他因子与地质灾害发育的相关关系及分布特征，不再详述。

(1)灾情因子。由于地质灾害调查与区划的主要目的是为防灾减灾决策提供参考，而实地调查得到的已造成生命财产损失数据是衡量地质灾害灾情的最直接的依据和标准。研究区共已发生61个地质灾害点，分布在34个行政村，58个自然村内，共造成直接经济损失1 373.7万元，死亡10人。该研究思路主要是将实地调查到得的地质灾害直接经济损失和人员伤亡以行政村为单位计算其信息量，从而进行地质灾害灾情的空间定位分析。

(2)险情因子。险情因子有2种方案:方案一是实地调查得到的潜在威胁人口和潜在经济损失是地质灾害潜在险情的直接反映，其中潜在威胁人口按实际调查中地质灾害隐患点的潜在威胁人口估算，潜在财产损失考虑到损毁的多为房屋且差异不大，主要根据房屋的结构类型和新旧程度，并结合实际调查访问，采用统一价格折价法，按照每户3万～5万不等的补偿价格进行估算。研究区共有42个行政村，94个自然村存在地质灾害隐患，潜在威胁人口约2 702人，威胁财产约4 030.5万元。同理，险情因子也是以行政村为单位计算其信息量，从而进行地质灾害险情的空间定位分析。方案二的提出是为了检验方案一中调查数据的完整性和科学性，选取村地均户数和村人口密度作为险情因子，进行地质灾害险情预测对比分析，以期得到更加全面和科学的险情预测结果。

2.2.3 划分评价单元。该研究采用GIS栅格单元作为地质灾害评价单元，栅格评价单元的划分是否恰当，直接影响到预测结果的合理性。由于评价单元面积的大小主要与基础数据的精度和自然坡体的大小有关，但是假若基础数据很粗略，而评价设置单元过小，这除了增加计算工作量以外别无其他用处。因此在实际运用中，往往还只能凭经验公式确定评价单元面积的大小。确定栅格单元大小的经验公式为:

式中，G为适宜格网大小;S为原始地形图比例尺倒数。结合研究区实际情况、制图效果以及经验公式，最后选取70 m×70 m的格网大小，一共将研究区划分为8 013 626个栅格评价单元。

2.2.4 评价因子信息量计算。分别将地质灾害现状分布图与各评价因子专题图层进行叠加，通过公式(1)计算出各评价因子每个状态集对地质灾害发生所提供的信息量值(表1)。

3 评价结果分析

3.1 危险性分区评价 利用ArcGIS的空间叠加功能将各评价单元内的危险性评价因子的信息量值进行叠加，信息量最大值为8.905 758 868，最小值为 －11.264 265 06，数值越大，表示地质灾害发生的可能性越大。利用自然断点分类法对研究区地质灾害危险性总息量值进行重分类，分别为高度危险区(Nat∈［－1.398 542 671，8.905 758 858］)，中度危险区(Nat∈［－ 4.407965024，－ 1.398542672］)，低度危险区(Nat∈［11.264 265 06，－4.407 965 025 5］)，其占总评价单 元的面积比例依次为27.60%、40.23%、32.18%。

从得到的思茅区地质灾害危险性区划(图2)可以看出，地质灾害危险性分布图很好地反映了区域地质灾害发育的分布特征:思茅区地质灾害高度危险区主要集中在思茅至江城公路和思茅至澜沧公路沿线两侧、倚象镇东南部、云仙乡西北部、龙潭乡东北部和思茅港镇西部地区;中度危险区在各乡镇都有零星分布;低度危险区主要集中分布在地势平坦的盆地一带以及六顺乡东部和莱茵河自然保护区。值得注意的是，思茅港镇西部糯扎度自然保护区是国家自然保护区，从该处地质环境看，紧靠澜沧公路和澜沧江，地层岩性以J2X和T2X为主，地形坡度陡峭，是地质灾害高度和中度险情区的集合。但由于该地区人烟稀少，虽是高易发区，但是可能造成生命财产损失较少，不能称之为地质灾害，只能称之为不良地质现象，因此在地质灾害调查过程中并非重点调查区。

图2 地质灾害危险性评价区划

3.2 灾情评估 在地质灾害危险性评价的基础上，将村直接经济损失和村人员伤亡两个灾情因子叠加起来，得到地质灾害灾情总信息量最大值为9.405 496 60，最小值为－12.873 743 06，同理进行重分类，将研究区地质灾害灾情分为高度灾情区(Nat∈［－1.795 485 902，9.405 496 597］)，中度灾情区(Nat∈［－5.150 205 317 ～ －1.795 485 903］)和低度灾情区(Nat∈［－12.873 743 06，－5.150 205 318］)，其占总评价单元的面积比例依次为 22.78%、43.85%、33.37%。

图3 地质灾害灾情评价区划

对比灾情评价图(图3)和危险性评价图可知:地质灾害灾情空间分布与危险性空间分布基本一致，且高度灾情区主要集中在思茅至江城公路和思茅至澜沧公路沿线两侧、云仙乡西北部以及思茅港镇北部地区。灾情评价是从已造成的生命财产损失角度对地质灾害危险性做出的一种诠释，高度灾情区即为地质灾害高度危险区，低度灾情区即为低度地质灾害低度危险区。

3.3 险情预测 在地质灾害危险性评价图上，叠加方案一村威胁人口和村威胁财产2个险情因子，得到方案一思茅区地质灾害险情评价结果(图4)，通过分析可知:方案一险情分布与实际调查中隐患点的分布基本一致，调查隐患点密集的地区为高度险情区，没有隐患点的地区为低度险情区。考虑到野外实地调查的局限性及典型性，虽为普查但也不可能对研究区内每一个地方都进行实地调查，因此其评价结果也可能存在局限性。

图4 方案一地质灾害险情预测评价结果

图5 方案二地质灾害险情预测评价结果

为了验证方案一中结果的准确性和可靠性，考虑在危险性评价图上叠加方案二村人口密度和村地均户数2个险情因子，得到方案二思茅区地质灾害险情评价结果(图5)，其中险情预测总信息量最大值为8.464 862 82，最小值为－15.547 164 92，研究区险情分为3级:高度险情区(Nat∈［－1.941 997 997，8.464 862 823］)，中度险情区(Nat∈［－5.765 382 592，－ 1.941 997 998］)，低度险情区(Nat∈［－15.547 164 92，－5.765 382 593］)，其占总评价单元的面积比例依次为32.93%、44.53%、22.54%。对比方案一和方案二的评价结果可知:高度险情区主要集中在思江公路、思澜公路沿线及云仙乡西北部地区;但局部地带也存在特殊规律，如龙潭乡北部、思茅港镇西部糯扎度自然保护区，方案一得出的结果是低度险情区，方案二得出的结果却是高度险情区，说明这些地区其自身的地质环境决定了其是地质灾害高度危险区，但在地质灾害调查中可能被忽略或未予以重点调查，从而导致两者结果存在局部差异，因此在以后的更新调查中要予以重点考虑。总的来说，2种方案险情分布基本一致且与实地调查吻合，说明这2种方案的评价结果都是具有可行性和可靠性的，但方案二中用村人口密度和村地均户数作为险情因子得出的险情预测评价结果更加全面和具有普遍意义。

4 结论与讨论

该研究将信息量法应用到思茅区地质灾害危险评价及灾情评估和险情预测中，且评价结果与实地调查结果吻合度较高，说明用信息量法进行地质灾害空间区划具有可行性、可靠性及准确性，并为丰富与完善云南山区典型性区域地质灾害理论与方法运用研究提供了新的案例。其中用信息量法进行地质灾害经济损失评估(包括灾情评估和险情预测)，主要通过对经济损失统计数据进行空间定位化，利用ArcGIS空间叠加功能将灾情因子和险情因子与危险性评价因子进行空间叠加，从而实现灾情评估和险情预测评估。在险情评价过程中，为了验证方案一村威胁人口和村威胁财产作为险情因子进行险情预测的客观性和可靠性，用方案二村人口密度和村地均户数作为险情因子进行险情预测评价，并进行对比分析，结果表明，方案二的评价结果及其分布规律既遵循了以人为本的原则又满足实际调查中数据的可获得性，评价结果更加全面，具有普遍意义。

［1］张春山，韩金良，孙炜锋，等.陕西陇县地质灾害危险性分区评价［J］.地质通报，2008，27(11):1795 －1801.

［2］高克昌，崔鹏，赵纯勇，等.基于地理信息系统和信息模型的滑坡危险性评价——以重庆万州为例［J］.岩石力学与工程学报，2006，25(5):991－996.

［3］阮沈勇，黄润秋.基于GIS的信息量法模型在地质灾害危险性区划中的应用［J］.成都理工学院学报，2001，28(1):89 －92.

［4］吴柏清，何政伟，刘严松.基于GIS的信息量法在九龙县地质灾害危险性评价中的应用［J］.测绘科学，2008，33(4):146 －147.

［5］张桂荣，殷坤龙，刘传正，等.基于GIS的陕西省旬阳地区滑坡灾害危险性区划［J］.中国地质灾害与防治学报，2003，14(4):39 －43.

［6］陈亮，孟高头，张文杰，等.信息量模型在县市地质灾害调查与区划中的应用研究［J］.水文地质工程地质，2003，30(5):49 －52.

［7］孟令超，卢晓仓，史晨晓，等.基于信息量模型的达曲库区滑坡危险性分析［J］.灾害学，2009，24(4):31 －34.

［8］孙炜锋，谭成轩，王继明，等.陕西宝鸡地区千阳县地质灾害易发性评价［J］.地质通报，2008，27(11):1795 －1801.