管家琳，賈秀菊，季 翔

(1.福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福建 福州 350002；2.福建農(nóng)林大學(xué)公共管理學(xué)院，福建 福州 350002)

崩崗是發(fā)生在我國南方紅壤區(qū)的一種較嚴重的水土流失類型，是土體受重力和水力的綜合作用發(fā)生分離、崩塌和堆積的現(xiàn)象[1-2]，是自然因素與人為活動等因素共同作用的結(jié)果[3]。我國南方崩崗主要發(fā)生在廣東、福建和江西等省份[2,4]，集中分布在廣東五華、福建安溪和長汀等地區(qū)。崩崗具有侵蝕量大、突發(fā)性強、長期性等特點，其切割地形造成地表破碎，毀壞耕地，加劇洪澇災(zāi)害，極大程度限制了社會經(jīng)濟發(fā)展[4]。因此，崩崗風(fēng)險評估對于減輕崩崗危害及防治有重要作用。已有學(xué)者對我國南方崩崗較嚴重縣區(qū)的崩崗發(fā)生機理、區(qū)域分布特征、崩崗風(fēng)險因子和治理等[5-8]進行了研究，在崩崗空間分布、發(fā)生機制、土體內(nèi)部巖土特性和治理措施等方面已有許多研究成果[9-13]，其中關(guān)于崩崗發(fā)生機理的研究較多，但缺乏全面、系統(tǒng)的風(fēng)險因子識別體系。

崩崗風(fēng)險評估可以客觀地評估崩崗災(zāi)害帶來的損失或影響，氣候、地質(zhì)地貌、土壤類型、植被和人類活動[9,14-17]等是崩崗風(fēng)險評估的主要影響因子，借助土壤侵蝕模型、從統(tǒng)計分析角度(因子加權(quán)法、Logistic模型等)及運用地理信息系統(tǒng)(geographic information system, GIS)數(shù)據(jù)提取與空間疊加等是常見的評估方法[18-22]，但是關(guān)于崩崗風(fēng)險評估的評價體系并不成熟，崩崗風(fēng)險評估還有較大的完善空間。信息量模型用信息量的大小來評價影響因素與研究對象之間的關(guān)系密切程度，該方法通常分析已變形或破壞區(qū)域的情況，把反映風(fēng)險因子的實測值轉(zhuǎn)化為反應(yīng)區(qū)域穩(wěn)定性的信息量值[23]，在地質(zhì)災(zāi)害評價方面得到了廣泛的應(yīng)用[24-26]。信息量法在反映影響因子與災(zāi)害間的關(guān)系時可以避免主觀影響，包含了各因子對崩崗發(fā)生的不同影響，可以全面客觀地考慮所有可能情況。因此，本研究借鑒前人的研究結(jié)果篩選了河網(wǎng)緩沖距離、海拔高度、相對高差、坡度、坡向、土壤類型、植被覆蓋度和土地利用類型8個崩崗風(fēng)險評估因子，采用信息量模型對福建省泉州市安溪縣西溪流域進行崩崗風(fēng)險評估，研究結(jié)果可為崩崗風(fēng)險評價提供借鑒，為崩崗預(yù)警、防控和南方紅壤區(qū)的水土流失治理工作提供理論參考。

1 研究區(qū)概況與方法

1.1 研究區(qū)概況

研究區(qū)位于福建省泉州市安溪縣的西溪流域，北緯24°51′～25°24′，東經(jīng)117°42′～118°18′，總面積1 771.3 km2，屬于晉江水系，該地年平均溫度16～21 ℃，屬于亞熱帶海洋性季風(fēng)氣候，年降水量1 600～1 900 mm；海拔30～1 600 m，地形以丘陵山地為主；土壤以花崗巖發(fā)育的紅壤、赤紅壤為主，風(fēng)化殼厚且疏松。西溪流域崩崗總數(shù)約3 667個，崩崗總面積6.77 km2，是典型的崩崗發(fā)育區(qū)，因此選擇該流域為研究區(qū)域，具有一定的代表性。

1.2 研究方法

崩崗受各種風(fēng)險因子影響且影響程度不同，評估崩崗的概率由風(fēng)險因子提供的信息量所決定，計算公式為[20]：

Iij=log2Dij

(1)

式中：Iij為風(fēng)險因子i在j等級時為崩崗提供的信息量；Dij為崩崗的數(shù)量密度(%)。

(2)

式中：Dij為崩崗的數(shù)量密度(%)；Nij為風(fēng)險因子i在j等級上的崩崗數(shù)量；N為崩崗總數(shù)量。通過各風(fēng)險因子對應(yīng)的數(shù)量密度計算出信息量，結(jié)果可以表現(xiàn)出風(fēng)險因子在崩崗過程中的貢獻程度，信息量值越大，表明崩崗易發(fā)性越大。

該模型包括計算區(qū)域以及驗證區(qū)域，其中通過計算區(qū)域的相關(guān)因子數(shù)據(jù)來獲取信息量，構(gòu)建模型方程。后將驗證流域的數(shù)據(jù)帶入模型來驗證模型，以此評估該區(qū)域崩崗的易發(fā)性。

崩崗風(fēng)險評估可在ArcGIS軟件中運用Spatial Analyst工具條中的柵格計算器，將各風(fēng)險因子圖層以信息量模型計算結(jié)果為系數(shù)進行疊加，得出崩崗風(fēng)險等級分布圖。數(shù)量密度下崩崗風(fēng)險計算公式為：

(3)

式中：P為崩崗風(fēng)險值；Xi為第i個風(fēng)險因子數(shù)值。

1.3 數(shù)據(jù)采集

選擇研究區(qū)內(nèi)崩崗較密集的4個小流域進行信息量模型構(gòu)建：以小流域a、b、c為計算區(qū)域，小流域d為驗證區(qū)域，分別位于感德鎮(zhèn)、官橋鎮(zhèn)、龍門鎮(zhèn)和長坑鄉(xiāng)。其中，小流域a、b、c在地形、土壤等自然條件以及土地利用類型等方面具有空間差異，海拔30～1 290 m；土壤類型包括紅壤、赤紅壤、黃壤、水稻土和潮土等；土地利用類型為耕地、園地、林地、建設(shè)用地和未利用地等。因此這3個小流域作為模型的計算區(qū)域具有較好的綜合性和代表性。小流域d為驗證區(qū)域，對建立的信息量模型進行檢驗，崩崗情況較嚴重，在風(fēng)險評估方面具有較好的代表性。研究區(qū)位置示意圖如圖1所示。

圖1 研究區(qū)位置示意圖Figure 1 Location of study area

試驗數(shù)據(jù)及來源包括福建省地質(zhì)測繪院提供的2009年安溪縣地形圖(1∶10 000)、土地利用現(xiàn)狀圖(1∶10 000)，安溪縣第二次土壤普查土壤類型分布圖(1∶50 000)，地理空間數(shù)據(jù)云平臺的Landsat植被數(shù)據(jù)(30 m分辨率)，2008年安溪縣崩崗調(diào)查的崩崗點位數(shù)據(jù)。

2 風(fēng)險因子選擇

崩崗是由重力和水力侵蝕對土體共同作用產(chǎn)生[1-2]，實質(zhì)是重力、水力的侵蝕作用與土體的抗侵蝕性能力間的平衡問題，主要受氣候、地質(zhì)地貌、土壤類型、植被和人為活動等因素的影響[9,14-17]。根據(jù)系統(tǒng)性、可操作性、實用性和指導(dǎo)性的因子篩選原則，選擇影響崩崗發(fā)生的主要風(fēng)險評估因子。

2.1 氣候因素

氣候在崩崗過程中對侵蝕作用影響較大，降雨是誘發(fā)崩崗的重要外界風(fēng)險因子[9]。豐富的降水為崩崗發(fā)育提供了動力，降雨及其地表徑流直接驅(qū)動崩崗的產(chǎn)生與發(fā)育[1,5]。由于河網(wǎng)是雨水隨地形起伏匯流而成，故選取河網(wǎng)緩沖距離作為崩崗發(fā)生評估因子。本研究通過ArcGIS軟件的水文分析工具提取出西溪流域的匯流河網(wǎng)，并作河網(wǎng)緩沖區(qū)分析，得出覆蓋流域所有崩崗的緩沖區(qū)范圍為0～1 400 m，將河網(wǎng)緩沖距離劃分為0～200、200～400、400～600、600～800、800～1 000以及1 000～1 400 m 六個梯度，研究河網(wǎng)緩沖距離與崩崗的量化關(guān)系。

2.2 地質(zhì)地貌因素

崩崗的侵蝕作用受地質(zhì)、地貌影響程度較大。地質(zhì)作用是崩崗發(fā)生的內(nèi)因，直接決定地貌的結(jié)構(gòu)[15]。地質(zhì)作用于地貌后會在小尺度區(qū)域內(nèi)表現(xiàn)出不同的地形特征，而地形特征在一定程度上也體現(xiàn)地質(zhì)構(gòu)造和地貌情況。因此，選擇地形因素來表征地質(zhì)地貌因子對崩崗的影響，具體包括海拔高度、相對高差、坡度和坡向4個因子[14,16,27-28]。

以低山丘陵為主的海拔高度，崩崗分布較為集中[14]，海拔高度的差異最終影響著崩崗的分布，將海拔高度劃分為0～100、100～250、250～500、500～800、800～1 200和>1 200 m 六個梯度。相對高差直接影響山坡土石體的重力勢能，相對高差值越大，則崩崗?fù)馏w更容易發(fā)生崩塌滑落現(xiàn)象[14,22]，將相對高差劃分4個梯度等級，分別為0～20、20～50、50～100和>100 m。

坡度越大，則土體越易崩塌[16,27]，區(qū)域內(nèi)坡度等級可分為6個梯度，分別為0～5°(平緩坡)、5°～10°(緩坡)、10°～15°(斜坡)、15°～25°(陡坡)、25°～35°(急坡)和>35°(極陡坡)。崩崗發(fā)生具有坡向選擇性[28]，用ArcGIS軟件的地表分析工具提取坡向和角度，分為陽坡(112.5°～247.5°)、陰坡(0～67.5°，292.5°～360°)及半陽坡(67.5°～112.5°，247.5°～292.5°)。

2.3 土壤類型因素

崩崗發(fā)生具有巖性選擇性[16]，土壤類型的不同直接導(dǎo)致土體自身性質(zhì)產(chǎn)生差異，從而其綜合抗蝕能力也各不相同，故選擇土壤類型作為崩崗發(fā)生風(fēng)險評估因子。研究區(qū)的土壤類型主要包括紅壤、赤紅壤、黃壤、水稻土和潮土5種。

2.4 植被因素

植被的差異是崩崗在不同坡度上選擇性發(fā)育的直接原因[16]，植被覆蓋度對崩崗發(fā)育的影響很大。因此，選擇植被覆蓋度作為崩崗風(fēng)險評估因子。將植被覆蓋度劃分為5個梯度等級進行分析，分別為0～20%、20%～40%、40%～60%、60%～80%和>80%。

2.5 人類活動因素

崩崗受自然和人為雙重作用影響[1]，主要發(fā)生在海拔低于500 m、坡度15°～35°的低山丘陵，為人為活動最頻繁的區(qū)域。人類活動對土體的干擾最終表現(xiàn)為土地利用類型的差異[17]，為方便數(shù)據(jù)獲取和分析，本研究選擇土地利用類型表示人為活動的影響，作為崩崗風(fēng)險評估因子。研究區(qū)土地利用類型主要為耕地、園地、林地、未利用地以及建設(shè)用地。

綜合上述分析，本研究選取河網(wǎng)緩沖距離、海拔高度、相對高差、坡度、坡向、土壤類型、植被覆蓋度和土地利用類型8個因子作為崩崗風(fēng)險評估因子，運用ArcGIS軟件對研究區(qū)這8個因子數(shù)據(jù)與崩崗分布圖進行疊加統(tǒng)計分析，并計算各因子分類等級的數(shù)量密度，得到各因子與崩崗發(fā)生的量化關(guān)系。

3 結(jié)果與分析

3.1 風(fēng)險因子數(shù)量密度分析

將崩崗點位與8個風(fēng)險因子數(shù)據(jù)進行空間疊加統(tǒng)計，并計算各級別中崩崗的數(shù)量密度，分析結(jié)果如表1所示。崩崗主要分布在0～800 m的緩沖區(qū)內(nèi)，占崩崗總數(shù)的93.97%；在400～600 m的緩沖區(qū)范圍內(nèi)，崩崗分布最密集，崩崗集中分布于坡度為15°～35°的區(qū)域，占總崩崗數(shù)的59.37%，表明在陡坡與急坡條件下更容易發(fā)育崩崗。坡向因子分析結(jié)果表明，小流域內(nèi)崩崗主要發(fā)生在陽坡。從高程數(shù)據(jù)與崩崗點位的空間分析可知，海拔<1 200 m的區(qū)域適合崩崗的發(fā)育，崩崗主要分布在海拔100～500 m，占比為崩崗總數(shù)的80.95%，其中在100～250 m的低山丘陵區(qū)最多且密集，后隨著海拔高度的不斷升高，崩崗數(shù)量逐漸減少，且在>1 200 m的高山無崩崗分布。崩崗主要分布在相對高差>50 m的區(qū)域，占崩崗總數(shù)的94.29%。崩崗多發(fā)生于紅壤、赤紅壤區(qū)域，黃壤區(qū)域較少發(fā)生，水稻土與潮土區(qū)域是人類生產(chǎn)生活的主要活動范圍，無崩崗分布。隨著植被覆蓋度的增大，崩崗的數(shù)量呈現(xiàn)先減少后增加再減少的趨勢。在植被覆蓋度為0～20%的區(qū)域崩崗分布最多，當(dāng)植被覆蓋度為40%～80%時，崩崗數(shù)量也較多，占總崩崗數(shù)的41.27%。崩崗在人類干預(yù)的園地、未利用地內(nèi)崩崗發(fā)生較多，占比為70.48%，林地人類活動較少且植被分布密集，崩崗較少發(fā)生，在人類生產(chǎn)利用的耕地內(nèi)無崩崗分布。

3.2 西溪流域崩崗風(fēng)險評估

依據(jù)崩崗發(fā)生影響因子的分析，選取驗證流域進行崩崗發(fā)生風(fēng)險評估。以計算小流域a、b、c的數(shù)據(jù)分析為基礎(chǔ)，統(tǒng)計河網(wǎng)緩沖距離、坡度、坡向、海拔高度、相對高差、土壤類型、植被覆蓋度、土地利用類型8個風(fēng)險因子對崩崗發(fā)生貢獻的信息量，結(jié)果如表1所示。

表1 風(fēng)險因子數(shù)量密度分布及對應(yīng)信息量值

利用ArcGIS軟件空間分析模塊中的柵格計算器，按照已構(gòu)建的數(shù)量密度計算方程，將8個風(fēng)險因子按照其信息量進行疊加計算，對輸出柵格圖層進行歸一化處理，再根據(jù)公式(3)計算出各個柵格的風(fēng)險值。為突出風(fēng)險差階，將風(fēng)險值按等間隔0～0.2、0.2～0.4、0.4～0.6、0.6～0.8、0.8～1.0進行重分類，分別對應(yīng)為極低風(fēng)險、低風(fēng)險、中風(fēng)險、高風(fēng)險、極高風(fēng)險，得到該區(qū)域的崩崗風(fēng)險分布圖，最后將崩崗發(fā)生點位與風(fēng)險分布圖進行疊加分析，生成崩崗風(fēng)險等級與崩崗分布圖(圖2)。

3.3 精度驗證

對崩崗風(fēng)險疊加結(jié)果進行統(tǒng)計分析，得出數(shù)量密度預(yù)測公式所對應(yīng)的預(yù)測結(jié)果(表2)。結(jié)合圖2和表2可以看出，該流域的崩崗發(fā)生風(fēng)險以中風(fēng)險及以上風(fēng)險為主。風(fēng)險等級越高，崩崗的數(shù)量及其分布密度越高，說明此方法對崩崗風(fēng)險評估的結(jié)果是準確的。

圖2 崩崗風(fēng)險等級與崩崗分布圖

表2 崩崗發(fā)生風(fēng)險等級與崩崗分布密度預(yù)測結(jié)果

接受者操作特性曲線(receiver operating characteristic curve, ROC)又稱為感受性曲線，可用于評價地質(zhì)災(zāi)害預(yù)測模型的準確性[29-31]。ROC曲線中一般將靈敏度設(shè)為縱坐標，特異性設(shè)為橫坐標，并加入一傾斜45°的參考線來幫助判斷最終結(jié)果的準確性。ROC曲線下面積(area under the curve, AUC)是衡量模型預(yù)測準確度的指標之一，其取值范圍為[0.5,1]，值越大表示模型預(yù)測能力越強[32]。運用SPSS軟件作數(shù)量密度下的崩崗風(fēng)險評估結(jié)果的ROC(圖3)，得出數(shù)量密度預(yù)測公式對應(yīng)的曲線下面積為0.827，表示評估精度良好，這說明基于信息量模型所構(gòu)建的崩崗發(fā)生風(fēng)險評估方法符合崩崗發(fā)生規(guī)律，具有一定的可行性。

圖3 數(shù)量密度評價感受性曲線

4 討論與結(jié)論

本研究是基于信息量模型對福建省泉州市安溪縣西溪流域進行崩崗風(fēng)險評估，篩選出河網(wǎng)緩沖距離、坡度、坡向、海拔高度、相對高差、土壤類型、植被覆蓋度和土地利用類型8個崩崗風(fēng)險因子，風(fēng)險因子的梯度分析結(jié)果表明，該研究區(qū)內(nèi)崩崗主要分布在距離河網(wǎng)緩沖距離近，坡度為15°～35°的陽坡，海拔100～500 m，相對高差>50 m，土壤類型為紅壤、赤紅壤，植被覆蓋度為0～20%或40%～80%，土地利用類型為未利用低、園地的區(qū)域。

信息量模型將崩崗風(fēng)險劃分為5類，分別為極低風(fēng)險、低風(fēng)險、中風(fēng)險、高風(fēng)險和極高風(fēng)險。運用ROC曲線對該模型進行精度評估，模型預(yù)測結(jié)果的AUC為0.827，表明信息量模型對于該區(qū)域的崩崗風(fēng)險評估結(jié)果良好，可應(yīng)用于小流域尺度的崩崗發(fā)生風(fēng)險評估，研究結(jié)果可為我國南方紅壤區(qū)的水土流失防控和治理工作提供理論基礎(chǔ)與實踐指導(dǎo)。

有學(xué)者[33]認為崩崗與坡向無明顯規(guī)律性，主要受水系分布影響，這可能是研究尺度造成的。由于模型選擇因子要求系統(tǒng)性的原則，坡向作為地形的重要方面，故將其作為影響因子進行分析，結(jié)果表明，崩崗在不同坡向上分布存在明顯差異，驗證了選取坡向為影響因子的準確性。

雖然崩崗風(fēng)險因子之間在空間分布上具有相關(guān)性，但各因子對崩崗發(fā)生作用的機理與貢獻程度不同[9,12,14,16,22]，在無法全面考慮所有因子及其相互關(guān)系情況下，應(yīng)抓住主導(dǎo)因子[18]。另一方面，本研究是將風(fēng)險因子梯度化處理后提取的信息量，弱化了因子間的相關(guān)性，因此，本研究未考慮因子之間的相互作用。信息量模型適用于風(fēng)險因子較多的崩崗風(fēng)險評估，為獲取更高的風(fēng)險評估精度，可以選取其他因素或更詳細地劃分風(fēng)險因子指標作為下一步的研究方向，但是由于信息量模型需要提取不同因子指標的貢獻值，這要求評價因子有一定的空間變異性，限制了風(fēng)險評價因子的選擇，同時這也限制了模型選擇因子指標的尺度，難以提取如土壤粒級、微生物等微觀因子的信息量，無法探究微觀因素對于崩崗產(chǎn)生的影響。