EN中文

Journal of Geo-information Science >

2016 , Vol. 18 >Issue 3: 343 - 352

DOI: https://doi.org/10.3724/SP.J.1047.2016.00343

Orginal Article

GIS-based Assessment of Rainstorm-induced Geological Hazards Risk in Enshi Autonomous Prefecture

  • CHEN Xiwei ,
  • PEI Zhiyuan ,
  • WANG Fei
Expand
  • Chinese Academy of Agricultural Engineering, Beijing 100125, China
*Corresponding author: CHEN Xiwei, E-mail:

Received date: 2015-07-15

  Request revised date: 2015-11-11

  Online published: 2016-03-10

Copyright

《地球信息科学学报》编辑部 所有
Fold

Abstract

Rainstorm-induced geological disasters happen frequently in recent years and cause great loss in some regions of China. Enshi Autonomous Prefecture which located in Wuling Mountain Region is one of the fourteen Continuous Extremely Poverty Areas (CEPA) in China. The region is characterized with more frequent geological disasters, large amount of minority population and wide range of poor people distribution. Rainstorm-induced geological disaster threatens the communities usually, which pushes the people into a worse condition. Based on the theory of disaster system and natural disaster risk assessment, the rainstorm-induced geological disaster risk indicator system about Enshi Autonomous Prefecture was established considering the hazard affected bodies, hazard-formative environment and hazard bodies of this region. A comprehensive risk assessment model system is constructed and the sensitivity, vulnerability and risk of the rainstorm-induced geological disaster hazard in Enshi Autonomous Prefecture were explored at a l km × l km scale. The results are concluded as follows: (1) The inducing factor of the disaster is heavy rainfall, and the high hazard mainly occurs in the central of Enshi city and the southeast of Hefeng county. (2) By applying the Information Value Method and Analytical Hierarchy Process (AHP), the hazard-formative environment sensitivity evaluation index system was set up, including the topography, geomorphology, basic geology, hydrology and human activity. The less high and high sensitivity areas are mainly distributed in the Badong county, Enshi city and Hefeng county. (3) The building construction, population, social economy, arable land were selected for vulnerability assessment of hazard-affected bodies, and Lichuan city and Laifeng county were concluded to be occupied with more high vulnerability areas. (4) Rainstorm-induced geological disasters risk in Enshi Autonomous Prefecture is high according to the sensitivity and vulnerability assessment, and the areas having the highest risk mainly distributed in Badong county and Enshi city, which is consistent with the actual situation.

Key words： Rainstorm-induced geological disaster; risk assessment; GIS; Enshi Autonomous Prefecture

Cite this article

CHEN Xiwei , PEI Zhiyuan , WANG Fei . GIS-based Assessment of Rainstorm-induced Geological Hazards Risk in Enshi Autonomous Prefecture[J]. Journal of Geo-information Science, 2016 , 18(3) : 343 -352 . DOI: 10.3724/SP.J.1047.2016.00343

1 引言

中国贫困人口集中分布区是各种自然灾害发生比较频繁的地区.地质灾害是中国集中连片特困区最常见的灾害之一,主要包括崩塌(即危岩体),滑坡,泥石流,岩溶地面塌陷和地裂缝等.频繁发生地质灾害,往往使受灾地区和受灾个体陷入贫困状态或走向贫困边缘,或加重贫困人口的贫困程度,"因灾致贫,因灾返贫"现象突出[1],所以因 灾致贫,返贫问题一直是扶贫工作面临的重大挑战之一.区域地质灾害风险评价是区域地质灾害 风险研究的基础,其评价结果不仅可以直接为区域地质灾害防灾减灾管理提供依据,提升贫困地区灾害应对能力,还可以综合防灾减灾与扶贫开发项目和规划,探索扶贫开发与灾害应对相结合的新 模式,为政府部门科学制定相关减灾扶贫措施提供支撑.
与旱灾,洪灾等灾害相比,地质灾害更为复杂,种类较多,引发地质灾害的原因也是多种多样.许多学者对地质灾害风险评价的理论与方法进行了探讨[2-6],比较有代表性的是将地质灾害风险评估分为地质灾害易发程度评价,危险性评价和风险评价3 个层次[7].地质灾害易发程度评价主要是对地形地貌,地质构造,工程岩土性质,斜坡结构和斜坡水文地质条件等静态的基础地质条件进行评价[7],但是很多研究也将人类工程活动,降雨,河流等动态诱发条件计入在内[8-9].地质灾害危险性评价分析主要是对地质灾害发生的时间概率,强度,以及包括强降雨,地震和人类工程活动在内的诱发条件进行分析.地质灾害风险评价分析评价的主要因素和指标包括危险性,危害性,承灾体特征,易损性,灾害损失程度和时空概率[7].目前,对于地质灾害风险评估的研究大部分集中在易发性,危险性程度,很少进行承灾体脆弱性(易损性)评价且方法各异[10],所以严格意义上的地质灾害风险评估实例研究并不多.
区域灾害系统是由孕灾环境,致灾因子和承灾体共同组成的地球表层异变系统,灾情是这个系统中各子系统相互作用的产物[11].本文基于灾害系统学原理和灾害分析理论,以湖北省恩施州为例,综合考虑降雨诱发型地质灾害的致灾因子,孕灾环境和承灾体,构建降雨诱发型地质灾害风险评价指标体系,采用风险评估模型,对该区的降雨诱发型地质灾害风险进行评估,避免和减轻地质灾害造成的损失,为区域防灾减灾,风险管理和区域扶贫措施的制定提供参考与依据.

2 研究区地理基本特征与数据分析

2.1 研究区地理基本特征

恩施州位于108°23'12″~110°38'08″E,29°07'10″~31°24'13″N,地处湖北省西南部,湘,鄂,渝3省(市)交汇处,属于中国14个连片特困地区之一的武陵山区,辖恩施,利川2市和建始,巴东,宣恩,咸丰,来凤,鹤峰6县(图1).恩施州属亚热带季风湿润气候,四季分明,因峰高谷深,气候具明显的垂直分带性,夏天在海拔800 m以下的低山谷地,气候炎热,气温可达30~40 ℃.年降雨量1080~1504 mm,雨季多集中于7,8月,常伴有山洪暴发,灾害性气 候时有发生.地势西高东低,属鄂西褶皱山地,平均海拔高程1000 m以上,山峰耸立,河谷深切,相 对高差一般在500~1300 m之间.地层岩性较齐全,分布最广的为寒武纪,其次为三叠系下统的 碳酸盐岩地层,志留纪与奥陶纪.碳酸盐岩类(石灰岩,白云岩)面积占总面积的54.4%,裸露的碳 酸盐岩受温暖多雨气候的影响,岩溶地貌发育, 石芽,溶洞,漏斗,育谷,伏流比比皆是.因山高坡陡,山势险峻,河谷深切,新构造运动活动频繁, 降雨丰沛等因素,该区地质灾害发生种类多,分布广,频率高,灾情重,是湖北省地质灾害多发区 之一.
Fig. 1 The location of Enshi Autonomous Prefecture

图1 恩施州位置图

至2012年底,该州总人口为403.25万,贫困发生率为26.80%,农民人均纯收入4571元,位于全省最末位,低于全省7852元的平均水平,也远低于全国平均水平(7917元),仅相当于当年全国平均水平的57.05%,贫困面广量大,贫困程度深.

2.2 数据来源与处理

本研究采用的数据及处理方法:(1)恩施州及其周边17个气象站点1960-2012年的逐日降水量数据,来源于中国气象科学数据共享网.对于1-2 d缺值现象,利用前后相近时段的值进行插值处理.对于连续10 d以上的缺值,则将该站点该时段内的值为无效值,不参与后续的处理和运算.为了消除异常年份数据,使采用的数据具有代表性,采用5 d滑动平均处理.(2)1000 m×1000 m DEM数据,来源于中国科学院资源环境科学数据中心.(3) 1:50万地质数据,来源于北京震图公司.(4)1:25万河流水系与道路数据,来源于国家基础地理信息中心.(5)2005年1000 m×1000 m的土地利用数据,人口与经济数据来源于中国科学院资源环境科学数据 中心.
研究所用的数据来源,单位量纲,取值范围均不同,需对数据进行标准化处理,包括统一分辨率和量纲,各图层的空间分辨率统一为1000 m,单位量纲的值域范围统一在0.1-0.9之间,具体算法如式(1),(2)所示[12].
a = 0.1 + I - I min I max - I min × ( 0.9 - 0.1 ) (1)
a = 0.1 + I max - I I max - I min × ( 0.9 - 0.1 ) (2)
式中:a为标准化数据;I是原始数据;Imax和Imin分别为单项因子的最大值和最小值.式(1)用于正向因子,即数值越大,风险越高的因子;式(2)用于负向因子,即数值越大,风险越低的因子.

3 降雨型地质灾害风险评估方法

3.1 风险评估方法

区域降雨诱发型地质灾害是致灾体因子,孕灾环境与承灾体相互作用的结果,故对降雨诱发型地质灾害进行风险评估,首先要对致灾因子,孕灾环境,和承灾体进行风险评估,再对整个降雨诱发地质灾害系统进行风险评估[13].本研究采用式(3)进行风险评估[12].
R = H × S × V (3)
式中:R为灾害风险;H为致灾因子危险性;S为孕灾环境敏感性;V为承灾体脆弱性.
(1)致灾因子危险性评估方法
降雨型地质灾害的致灾因子是降雨性地质灾害,诱发因子是强降雨.由于缺乏相应的历史灾害数据,所以本研究采用强降雨指示致灾因子.致灾因子危险性取决于暴雨强度和发生频率,暴雨强度越大,频率越高,危险性越大.依据表1的暴雨致洪等级标准将暴雨致洪划分为4个等级,在出现连续降雨时,以最高等级来计算.借助ArcGIS 10.0中地学统计分析(Geostatistical Analyst)插值模块,采用反距离权重法(IDW)得到武陵山区不同等级洪涝的发生频次,将不同强度等级的洪涝等级赋予不同的权重(表1),依据式(4)计算致灾因子的危险性.
Tab. 1 The grade standard and weight of rainstorm flood in the study area

表1 暴雨致洪等级标准和权重

天数/d 总雨量/mm 洪涝等级 权重
1 80≤R<100 渍涝 0.1
100≤R<150 一般洪涝 0.3
150≤R<200 较重洪涝 0.6
R≥200 严重洪涝 0.9
2 100≤R<150 渍涝 0.1
150≤R<200 一般洪涝 0.3
200≤R<250 较重洪涝 0.6
R≥250 严重洪涝 0.9
3 150≤R<200 渍涝 0.1
200≤R<250 一般洪涝 0.3
250≤R<300 较重洪涝 0.6
R≥300 严重洪涝 0.9
FHI = L F r × L F w + M F r × M F w + S F r × S F w + V F r × V F w (4)
式中:FHI表示致灾因子危险性指数;LFr为渍涝发生频率;LFw为渍涝权重;MFr为一般洪涝发生频率;MFw为一般洪涝权重;SFr为较重洪涝发生频率;SFw为较重洪涝权重;VFr为严重洪涝发生频率;VFw为严重洪涝权重.该模型综合考虑了各等级降雨的强度,频度特征.
(2)孕灾环境敏感性评估模型
地质灾害的孕灾环境是指对地质灾害发生起控制作用的基础地质和地形地貌等,此类因素一般不变,它为地质灾害形成提供了必要的环境条件,同时也控制了区域地质灾害的总体格局及规模,类型等发育特征[9].坡度,坡向和高程是评价中最常用的地形地貌因子:地形坡度对斜坡应力分布,地表水径流与冲刷,地下水,松散物质堆积以及人类工程活动等具有影响[9],同时与高程共同决定集水平台;高程对地质灾害的临空面,地表植被,降雨,人类工程活动等具有影响;坡向则是由于太阳辐射不同导致小气候和水热比的规律性差异,从而导致不同坡向的植被,坡面侵蚀等存在差异.地层岩性,地质构造,斜坡结构是常用的基础地质评价因子:地层岩性是地质灾害发育的重要内在因素和基础,地质构造对地质灾害分布的密度和规模具有影响,斜坡结构对地质灾害的发育强度,性质,特征和程度有影响.河流冲刷作用和人类工程活动一般都被视为触发区域地质灾害发生的外部因素,对地质灾害起到加速或激发的作用,但是随着人类活动的加剧,人类活动通过工程建设改变地表微地貌或地表覆被,是新增的(点状或线状)剧烈地质灾害的策源,成为区域地质灾害的孕灾环境和重要表现形式,所以需将水文条件和人类工程活动纳入孕灾环境的影响要素中.综上,本研究考虑的孕灾环境要素包括地形地貌,基础地质,水文条件和人类工程活动.
目前,恩施州8个县(市)共发现各类地质灾害2085处,其中,滑坡1641处,崩塌278处,泥石流52处,地面塌陷90处,不稳定斜坡23处,地裂缝1处①(①恩施土家族苗族自治州地质灾害防治规划(2006–2015 年).).恩施州地质灾害绝大多数发生在高程250~1250 m范围内,其中高程250~499 m范围内地质灾害的数量占总数的18.15%,高程500~749 m范围内地质灾害的数量占总数的18.27%,高程750~999 m范围内地质灾害的数量占总数的25.47%,高程1000~1249 m范围内地质灾害的数量占总数的20.77%,因而高程是恩施州地质灾害孕灾环境的重要因子.近年来,恩施州大力发展交通设施,易引发大规模崩塌,滑坡和泥石流等地质灾害,从而对公路及沿线居民构成极大的威胁,这也是恩施州新增地质灾害的主要诱发因素.结合恩施州的自然地理特征和前人对该区及相似区域的研究[9,14-15],本研究选取坡度,坡向,高程,地层岩性,距断层距离,距河流距离和距主干道距离为孕灾环境敏感性评价因子.
本研究采用信息量法[15-16]判定恩施州降雨型地质灾害各孕灾环境敏感性因子及其影响大小.信息量法是参照已变形或破坏区域的现实情况和信息数据,把反映影响区域稳定性的实测值转化为反映区域稳定性的信息量值,通过计算各影响因素对研究对象所提供的信息量大小来评价各影响因素与研究对象关系的密切程度,值越大表示越有利于地质灾害的发生[17-18].基于信息量法计算的恩施州地质灾害孕灾环境因子信息量值见表2.
Tab. 2 Information values of the geological hazard environment sensitivity factors

表2 恩施州地质灾害孕灾环境因子信息量值

评价因子 含义 分类 信息量 评价因子 含义 分类 信息量
X1 坡度/° <2.5 -0.2458 X7 地层岩性 4304041 1.8851
2.5~5 -0.0991 4200881 1.8851
5~7.5 0.2607 4200690 5.1432
7.5~10 0.2819 4280501 2.2906
10~12.5 0.3474 4306312 0.2757
12.5~15 0.2227 4208003 3.4491
15~17.5 0.6190 5130291 0.0000
17.5~20 0.7476 4200720 2.0522
20~22.5 1.2500 4208002 1.2790
22.5~25 0.5738 4203561 1.1230
>25 0.0000 5122212 0.9406
X2 坡向 平 -0.3108 5121251 0.0000
北 0.2543 4201514 2.1364
东北 0.0994 5209270 0.0000
东 -0.2543 4302060 -0.5998
东南 -0.0486 4204532 0.0000
南 -0.0661 5130281 -0.3121
西南 0.1385 4200511 0.0000
西 -0.0147 4203512 0.5306
西北 0.0243 4204540 0.3653
X3 高程/m <250 3.2479 4305041 -1.5806
250~500 1.2393 4208001 0.0000
500~750 0.3357 4201551 0.6042
750~1000 -0.0514 5141041 -0.7052
1000~1250 -0.4390 5122241 0.3447
1250~1500 -0.7657 5123011 0.1359
1500~1750 -1.6645 5132145 -0.5572
1750~2000 0.0000 4200090 0.0000
>2000 -1.2463 4203518 -1.7912
X4 距河流的距离/m <1000 0.3900 4302071 0.5999
1000~2000 -0.1358 5121202 -1.6413
2000~3000 -0.5328 4304022 0.5085
3000~4000 -0.5968 5122211 -0.0797
4000~5000 -0.7495 4204520 -2.2009
5000~6000 -0.7659 4303072 -0.4916
6000~7000 -2.6271 5123021 -0.3556
>7000 0.0000 4204060 0.0727
X5 距断裂带距离/m <1000 0.2190 5123023 0.1120
1000~2000 0.1028 5208042 -1.1231
2000~3000 0.0405 4204510 -0.5485
3000~4000 0.0149 4204531 -0.9771
4000~5000 0.1613 5123051 0.0484
5000~6000 0.1859 4202514 -0.1073
6000~7000 -0.2584 4303090 -0.4422
7000~8000 -0.4105 4205080 0.3985
8000~9000 -0.4356 4200661 -3.0916
9000~10 000 -0.8862 4202516 0.0011
10 000~11 000 -0.5200 4201561 -0.3853
11 000~12 000 -0.2818 5203081 -0.4710
12 000~13 000 -0.4001 4303011 -0.7968
13 000~14 000 -1.0503 4202515 0.5270
14 000~15 000 -0.6460 5141080 0.1846
15 000~16 000 0.1702 4200701 -0.3811
16 000~17 000 0.1979 4201512 -0.2934
17 000~18 000 -0.4785 4203519 -0.9565
18 000~19 000 -0.6853 4201600 0.0648
19 000~20 000 -0.9825 4201590 -0.1255
20 000~21 000 1.1865 4201580 -0.2737
>21 000 0.9634 5209130 1.2782
X6 距主干道的距离/m <1000 0.2858 5133041 -0.9244
1000~2000 -0.4032 4203513 0.0975
2000~3000 -0.8868 5209100 -0.1410
>3000 0.0000 5133040 -0.5386
采用层次分析方法(AHP)来确定各评价因子的权重;分析地质灾害孕灾环境敏感性评价因子,对因子的重要性进行两两比较;采用1-9标度法来定量化各因子的相对重要性,最终得到各评价因子的权重值(表3).
Tab. 3 The weight of the hazard environment sensitivity factors

表3 恩施州地质灾害孕灾环境评价因子权重值

评级因子 X1 X2 X3 X4 X5 X6 X7
权重 0.3642 0.031 0.1102 0.1128 0.0527 0.0738 0.2553
某一评价单元的地质灾害孕灾环境敏感性指数是这一单元上各种评价因子对地质灾害风险度的影响总和,其计算公式如式(5)所示.
S = ∑ i = 1 7 w i × I i (5)
式中:S为地质灾害孕灾环境敏感性指数;wi为评价因子Xi的权重;Ii为评价因子Xi对地质灾害发生提供的信息量值.
(3)承灾体脆弱性评估模型
地质灾害承灾体的构成及其脆弱性包括人口分布,城镇与大型企业分布,房屋等工程建筑分布,农作物及其他植物分布,各类资源分布,以及评价区经济发展水平等衡量减灾能力的要素[6].本研究选择了工程建筑,居民人口,社会经济,耕地4类承灾体进行脆弱性评估,由于缺少工程建筑数据,采用建设用地数据作为代用指标,以建设用地占土地总面积的百分比作为工程建筑指标(表4).通常,人口密度,耕地面积,工程建筑,社会经济活动密度越高,承灾体暴露量越大,对地质灾害的抗御能力,以及灾后重建的可恢复性越差,地质灾害的风险越高.通过汇总专家打分,得到地质灾害承灾体脆弱性评估模型为:
V = 0.341 × D POP + 0.279 × D GDP + 0.253 × P con + 0.127 × P ara (6)
式中:V为地质灾害承灾体脆弱性指数;DPOP为归一化后的人口密度;DGDP为归一化后的GDP密度;Pcon为归一化后的建设用地面积百分比;Para为归一化后的耕地面积百分比.
Tab. 4 Index system of the rainstorm-induced geological hazards risk assessment in Enshi Autonomous Prefecture

表4 恩施州降雨诱发型地质灾害风险评价指标体系

目标层 指标层 要素层 因子层
降雨诱发型地质灾害风险评价 致灾因子危险性 强降雨 降雨强度
强降水频率
孕灾环境敏感性 地形地貌 坡度
坡向
高程
基础地质 地层岩性
距断裂带的距离
人类工程活动 距主干道的距离
水文条件 距河流的距离
承灾体脆弱性 人口 人口密度
社会经济 GDP密度
工程建筑 建设用地面积比例
农作物 耕地面积比例

3.2 恩施州降雨诱发型地质灾害风险评估结果分析

3.2.1 致灾因子危险性结果分析
基于暴雨致洪等级标准(表1)对恩施州不同等级洪涝的发生频率进行统计与插值,结果表明不同等级洪涝发生频率的空间布局存在显著差异(图2).渍涝发生频率以恩施市为最高,除巴东县和建始县较低外,其他各县市发生频率均较高;一般洪涝以鹤峰县东南部为最高区域,向西北方向逐渐减少;较重洪涝则以恩施市为最高区域,向外逐渐减少;严重洪涝也以鹤峰东南部为最高区域.将降水频率插值结果按权重进行叠加处理,得到致灾因子危险性空间格局(图3).恩施市中部与鹤峰县东南部危险性较高,巴东县和建始县的北部地区是危险性最低的区域.
Fig. 2 The occurrence frequency of different flood grades in Enshi Autonomous Prefecture

图2 恩施州各等级洪涝发生频率空间分布图

Fig. 3 Spatial pattern of the rainstorm-induced geological hazards risk in Enshi Autonomous Prefecture

图3 恩施州地质灾害致灾因子危险性空间分布图

3.2.2 孕灾环境敏感性空间分布
将地质灾害孕灾环境敏感性评价因子图层的空间分辨率统一为1000 m,根据信息量值(表2)重新生成信息量图,而后根据表3对各信息量图进行加权叠加,生成孕灾环境敏感性分值图,数值越大,表明发生地质灾害的危险性越大(图4).采用均值-标准差方法将恩施州孕灾环境敏感性划分为低,较低,中等,较高和高5个等级,并统计各县市不同敏感性等级的面积(表5).恩施州高敏感区总面积达1561 km2,主要分布于巴东县,鹤峰县及恩施市,较高敏感区总面积达5686 km2,主要分布在恩施市,巴东县及鹤峰县.孕灾环境敏感性较高,高区域分布最多的是巴东县,合计1651.00 km2,占该县土地总面积的52.29%;其次是恩施市,合计1457 km2,占该市土地总面积的37.22%.
Fig. 4 Spatial pattern of hazard environment sensitivity of Enshi Autonomous Prefecture

图4 恩施州地质灾害孕灾环境敏感性空间分布图

Tab. 5 The area and proportion of different sensitivities in Enshi Autonomous Prefecture

表5 恩施州降雨诱发型地质灾害孕灾环境不同敏感性等级面积(km2)与比例(%)

地区 低 较低 中等 较高 高
面积 比例 面积 比例 面积 比例 面积 比例 面积 比例
巴东县 104.00 3.17 610.00 18.58 918.00 27.96 947.00 28.85 704.00 21.44
建始县 130.00 4.98 695.00 26.65 1078.00 41.33 602.00 23.08 103.00 3.95
恩施市 222.00 5.67 743.00 18.98 1492.00 38.12 1206.00 30.81 251.00 6.41
利川市 437.00 9.61 1520.00 33.44 1820.00 40.04 693.00 15.24 76.00 1.67
鹤峰县 249.00 8.66 679.00 23.62 905.00 31.48 767.00 26.68 275.00 9.57
宣恩县 161.00 5.81 696.00 25.13 1203.00 43.43 623.00 22.49 87.00 3.14
咸丰县 40.00 1.57 839.00 32.99 1231.00 48.41 383.00 15.06 50.00 1.97
来凤县 1.00 0.08 145.00 11.05 686.00 52.29 465.00 35.44 15.00 1.14
合计 1344.00 5.63 5927.00 24.85 9333.00 39.13 5686.00 23.84 1561.00 6.54
3.2.3 承灾体脆弱性空间分布
对承灾体各指标进行标准化处理,利用式(6)在ArcGIS空间分析模块中进行计算,并统计各市县不同脆弱的性等的面积(表6).恩施州高脆弱区总面积达655.00 km2,占总面积的2.72%,主要分布于利川市,来凤县及恩施市;较高脆弱区总面积达1275.00 km2,占总面积的5.30%,主要分布在利川市,咸丰县及恩施市.承灾体脆弱性较高,高区域分布最多的是利川市,合计406.00 km2,占该市土地总面积的8.81%;其次是来凤县,合计293.00 km2,占该县土地总面积的2.22%.恩施州降雨诱发型地质灾害承灾体脆弱性空间分布如图5所示.
Tab. 6 The area and proportion of different vulnerabilities in Enshi Autonomous Prefecture

表6 恩施州降水诱发型地质灾害不同脆弱性等级面积(km2)与比例(%)

地区 低 较低 中等 较高 高
面积 比例 面积 比例 面积 比例 面积 比例 面积 比例
巴东县 1484.00 44.58 1300.00 39.05 362.00 10.87 135.00 4.06 48.00 1.44
建始县 882.00 33.31 1240.00 46.83 386.00 14.58 101.00 3.81 39.00 1.47
恩施市 1383.00 35.11 1639.00 41.61 638.00 16.20 188.00 4.77 91.00 2.31
利川市 1612.00 35.00 1770.00 38.43 818.00 17.76 265.00 5.75 141.00 3.06
鹤峰县 1833.00 63.36 732.00 25.30 236.00 8.16 63.00 2.18 29.00 1.00
宣恩县 1123.00 40.50 893.00 32.20 495.00 17.85 175.00 6.31 87.00 3.14
咸丰县 875.00 34.15 920.00 35.91 492.00 19.20 195.00 7.61 80.00 3.12
来凤县 353.00 26.74 448.00 33.94 226.00 17.12 153.00 11.59 140.00 10.61
合计 9545.00 39.66 8942.00 37.15 3653.00 15.18 1275.00 5.30 655.00 2.72
Fig. 5 Spatial pattern of resilient society vulnerability in Enshi Autonomous Prefecture

图5 恩施州地质灾害承灾体脆弱性空间分布图

3.2.4 风险评估结果及其格局
降雨诱发型地质灾害风险是致灾因子危险性,孕灾环境敏感性和承灾体脆弱性综合作用的结果.根据式(3)计算将恩施州降雨诱发型地质灾害的致灾因子危险性,孕灾环境敏感性,承灾体脆弱性评估结果,并采用均值-标准差方法将恩施州降雨诱发型地质灾害风险划分为5级(低,较低,中等,较高,高).划分的风险等级与实际地质灾害点分布的对比见表7.随风险等级的逐步提高,地质灾害实际发生的比率(b/a)随之增大;从各等级分布灾害点平均所威胁的人数和预期损失来看,随着风险等级的增加,危险人数与预期损失随之增加,高风险等级内地质灾害点平均威胁人数与平均预期损失分别是低风险等级6.65倍和20.74倍.结果说明这种划分方法得出的风险等级与实际的地质灾害点情况吻合,划分结果比较理想,在得到的风险等级中,中等以上风险包含了91.65%的已知地质灾 害点.
Tab. 7 Comparison between the evaluation results and the actual geological hazards distribution of Enshi Autonomous Prefecture

表7 恩施州降水诱发型地质灾害划分的风险等级与实际地质灾害点分布的对比

风险等级 栅格数 a/(%) 地质灾害点数/个 b/(%) (b/a)/(%) 平均威胁人数/人 平均预期损失/万元
低 1396.00 5.85 44 2.10 0.36 26 27.37
较低 2481.00 10.41 130 6.25 0.60 50 43.76
中等 16 376.00 68.68 1069 51.27 0.75 59 170.03
较高 2800.00 11.74 487 23.37 1.99 79 247.15
高 790.00 3.31 355 17.01 5.13 173 567.66

注:a为本风险等级的面积占研究区总面积的百分比;b为落在该风险等级内的地质灾害点个数占地质灾害点总数的百分比;b/a为地质灾害实际发生的比率,即本风险等级中的地质灾害点密度与研究区总的地质灾害风险密度的比值

按此标准分类后得到恩施州降雨诱发型地质灾害风险格局(图6).恩施州高风险区总面积达790.00 km2,占总面积的3.31%,主要分布于恩施市,巴东县和鹤峰县;较高风险区总面积达2800.00 km2,占总面积的11.74%,主要分布在巴东县,恩施市和建始县(表8).风险较高,高区域分布最多的是巴东县,合计846.00 km2,占该县土地总面积的25.80%;其次是恩施市,合计820.00 km2,占该市土地总面积的20.96%.
Fig. 6 Spatial pattern of the rainstorm-induced geological hazards risk in Enshi Autonomous Prefecture

图6 恩施州降雨诱发型地质灾害风险格局

Tab. 8 The area and proportion of different risks in Enshi Autonomous Prefecture

表8 恩施州降雨诱发型地质灾害不同风险等级面积(km2)与比例(%)

地区 低 较低 中等 较高 高
面积 比例 面积 比例 面积 比例 面积 比例 面积 比例
巴东县 25.00 0.76 156.00 4.76 2252.00 68.68 693.00 21.13 153.00 4.67
建始县 85.00 3.26 300.00 11.51 1901.00 72.95 295.00 11.32 25.00 0.96
恩施市 225.00 5.75 365.00 9.33 2503.00 63.97 593.00 15.15 227.00 5.80
利川市 494.00 10.87 643.00 14.15 3034.00 66.75 305.00 6.71 69.00 1.52
鹤峰县 97.00 3.37 163.00 5.67 2237.00 77.81 253.00 8.80 125.00 4.35
宣恩县 243.00 8.77 385.00 13.90 1843.00 66.53 241.00 8.70 58.00 2.09
咸丰县 168.00 6.61 336.00 13.21 1766.00 69.45 217.00 8.53 56.00 2.20
来凤县 59.00 4.50 133.00 10.14 840.00 64.02 203.00 15.47 77.00 5.87
合计 1396.00 5.85 2481.00 10.41 16 376.00 68.68 2800.00 11.74 790.00 3.31

4 结论

目前,对地质灾害的风险评估研究较多,但大部分是对孕灾环境的敏感性分析或是对致灾因子危险性与孕灾环境敏感性的综合分析,本文基于灾害系统学原理和灾害分析理论,以湖北省恩施州为研究区,综合考虑降雨诱发型地质灾害的致灾因子,孕灾环境和承灾体,构建了降雨诱发型地质灾害风险评价指标体系,并对该区域的降雨诱发型地质灾害风险进行评估如下:(1)降雨诱发型地质灾害的致灾因子为强降雨,整体说来恩施州降水丰沛,其中恩施市中部与鹤峰县东南部属于致灾因子高危险性区域;(2)本研究耦合信息量法和AHP法,选取地形地貌,地质构造,水文条件,人类工程活动等孕灾环境要素,构建符合恩施州实际情况的孕灾环境敏感性评价指标体系,结果表明,恩施州孕灾环境敏感性较高,高区域主要分布在巴东县,恩施市和鹤峰县;(3)选取工程建筑,居民人口,社会经济,耕地等对象进行承灾体脆弱性评估,结果表明,承灾体脆弱性较高区域与人口集中地区在空间上重合,利川市和来凤县有更多的高脆弱性区域;(4)上述因素综合分析表明,恩施州降雨诱发型地质灾害总体风险较高,风险较高,高区域主要分布在巴东县和恩施市.
降雨诱发型地质灾害的形成是诸多因素共同作用的结果,不仅与降雨历时,降雨量有关,同时还与降雨类型有密切的联系[19-21].对于降雨诱发地质灾害阈值的确定,一般是采用灾害历史数据来确定,但由于难以获取足够的历史灾害数据和相关气象数据来进行致灾因子阈值等级的划分,所以本研究采用暴雨致洪等级标准来确定致灾因子危险性等级,今后的研究应结合历史灾情数据进行更为深入的致灾机理研究.

The authors have declared that no competing interests exist.

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
黄承伟,李海金.灾害风险管理与减贫的理论及实践研究:一个新议题[R].北京:中国国际扶贫中心,2012.

[ Huang C W, Li H J.Theoretical and practical research on disaster risk management and poverty alleviation: A new topic[R]. Beijing: International Poverty Reduction Center in China, 2012. ]

[2]
马寅生,张业成,张春山,等.地质灾害风险评价的理论与方法[J].地质力学学报,2004,10(1):7-18.地质灾害风险研究是近年来新兴起的一个研究领域，并且越来越受到人们的重视与关注。本文系统阐述了地质灾害风险研究的现状、地质灾害风险的定义及其主要特征、地质灾害风险构成与基本要素，在此基础上进行了地质灾害风险评价类型划分，建立了地质灾害风险评价系统、地质灾害风险评价的指标体系以及地质灾害风险评价的步骤与方法。

DOI

[ Ma Y S, Zhang Y C, Zhang C S, et al.Theory and approaches to the risk evaluation of geological hazards[J]. Journal of Geomechanics, 2004,10(1):7-18. ]

[3]
罗元华,张梁,张业成,等.地质灾害风险评估方法[M].北京:地质出版社,1998.

[ Luo Y H, Zhang L, Zhang Y C, et al.The method of geo-Hazards risk assessment[M]. Beijing: Geological Publishing, 2010. ]

[4]
向喜琼,黄润秋.地质灾害风险评价与风险管理[J].地质灾害与环境保护,2000,11(1):38-41.在总结和回顾风险评价和风险管理基本概念、方法步骤和应用于地质灾害评价预测现状的基础上,阐述在地质环境评价和地质灾害预测的GIS系统的基础上进行地质灾害风险评价、管理的总体思路和具体步骤,认为这种思路有效,具有较好的发展前景.

DOI

[ Xiang X Q, Huang R Q.Risk assessment and risk management for slope geo-hazards[J]. Journal of Geological Hazards and Environment Preservation, 2000,11(1):38-41. ]

[5]
张梁,张建军.地质灾害风险区划理论与方法[J].地质灾害与环境保护,2000,11(4):323-328.文章论述了地质灾害风险基本概念，地质灾害风险区划原理和区划方法，构造了地质灾害风险评价指标和模型，建立了地质灾害风险区划的理论基础。

DOI

[ Zhang L, Zhang J J.The theory and method of risk zonation of geo-hazard[J]. Journal of Geological Hazards and Environment Preservation, 2000,11(4):323-328. ]

[6]
张春山,吴满路,张业成.地质灾害风险评价方法及展望[J].自然灾害学报,2003,12(1):96-102.地质灾害评价方法很多,20世纪70年代以前以定性评价为 主,70年代以后发展为半定量、定量评价.文章概述了地质灾害的风险评价方法、评价体系、评价过程.地质灾害风险评价具有良好的应用前景,并逐渐向着评价 定量化、综合化,管理空间化的方向发展.风险评价是风险管理和减灾管理的基础,其成果可以为国土资源规划,重要工程选址,地质灾害治理、监测、预报以及制 定救灾应急措施和保护环境提供科学依据.

DOI

[ Zhang C S, Wu M L, Zhang Y C.Method and prospect of geological disaster risk assessment[J]. Journal of Natural Disasters, 2003,12(1):96-102. ]

[7]
吴树仁,石菊松,张春山,等.地质灾害风险评估技术指南初论[J].地质通报,2009,28(8):995-1004.为了分析阐明突发地质灾害风险 评估领域的一些热点问题,在概要地分析地质灾害风险评估技术指南编写的目的、基本原则和结构层次、核心内容的基础上,重点探索了地质灾害易发程度、危险性 和风险评估的工作流程。初步提出地质灾害风险评估应该遵循的6条基本原则、结构层次及核心内容;初步提出定性分析-定量化评价相结合的地质灾害风险评估技 术方法,提倡实用性技术方法和GIS技术的推广应用;初步提出地质灾害易发性、危险性和风险评估区划的基本工作流程。最后,简要地讨论了地质灾害风险评估 的一些主要难点和易于混淆的问题,为地质灾害风险评估技术指南的编制和修改完善提供参考依据。

DOI

[ Wu S R, Shi J S, Zhang C S, et al.Preliminary discussion on technical guideline for geohazard risk assessment[J]. Geological Bulletin of China, 2009,28(8):995-1005. ]

[8]
杜军,杨青华.基于GIS与AHP耦合的汶川震后次生地质灾害风险评估[J].中国水土保持,2009(11):14-16.根据研究区的基本情况,选择坡度、坡向、地层岩性、距断层距离、植被覆盖指数、距河流距离、距主干道距离共7个评价因子,采用次生地质灾害风险性评价的GIS与AHP耦合模型进行汶川震后次生地质灾害风险评估,并分地质灾害极高度和高度风险区、地质灾害中度风险区、地质灾害低度和极低度风险区3个区域进行了次生地质灾害风险性评价结果分析,以期为灾后经济建设和生态建设服务.

[ Du J, Yang Q H.Risk assessment of earthquake-induced geological disasters in Wenchuan based on GIS and AHP[J]. Soil and Water Conservation in China, 2009, 11:14-16. ]

[9]
彭令. 三峡库区滑坡灾害风险评估研究[D].北京:中国地质大学,2013.

[ Peng L.Landslide risk assessment in the Three Gorges Reservoir[D]. Beijing: China University of Geosciences, 2013. ]

[10]
张春山,何淑军,辛鹏,等.陕西省宝鸡市渭滨区地质灾害风险评价[J].地质通报,2009,28(8):1053-1063.在渭滨区地质灾害详细调查的基础上,通过统计分析确定了各类地质 灾害危险性和易损性的主要影响因素,采用模型方法和定性评价方法分别进行了地质灾害的危险性评价和易损性评价,在此基础上进行了地质灾害风险评价.渭滨区 地质灾害类型主要为滑坡、崩塌、泥石流3种,共发育地质灾害隐患点123个,其中有16个点直接威胁人民的生命和财产.分别统计了渭滨区各乡镇地质灾害的 多少和危害程度,总结了区域内地质灾害的分布特征,分析了地质灾害的形成条件,建立了地质灾害风险评价的指标体系,确定了地质灾害危险性、易损性和风险的 判别标准,进行了地质灾害风险性评价与区划.共划分为极高风险区、高风险区、中风险区、低风险区和极低风险区5个等级.

DOI

[ Zhang C S, He S J, Xin P, et al.Risk evaluation of geological hazards in Weibin District, Baoji City, Shaanxi Province, China[J]. Geological Bulletin of China, 2009,28(8):1053-1063. ]

[11]
史培军. 再论灾害研究的理论与实践[J].自然灾害学报,1996,5(4):6-17.

[ Shi P J.Theory and practice of disaster study[J]. Journal of Natural Disasters, 1996,5(4):6-17. ]

[12]
殷洁,裴志远,陈曦炜,等.基于GIS的武陵山区洪水灾害风险评估[J].农业工程学报,2013,29(24):110-117.武陵山区是我国14个集中连片特困区之一，跨省交界面大、少数民族聚居多、贫困人口分布广，该区域内洪水灾害频发，使得"因灾致贫、因灾返贫"现象较为突出，对区域经济发展造成较大的阻力。本文基于灾害系统学原理，构建了适合区域成灾特点的风险评估指标体系，采用风险评估模型，对武陵山区洪水灾害风险进行评估。研究结果表明：尽管区域洪灾易发，但承灾体脆弱性较低，致使武陵山区洪水灾害风险等级全区总体水平较低，高风险区呈东北-西南向条带状分布，从东南向西北，依次有：东南部的涟源市、冷水江市、新化县、隆回县、邵阳县、洞口县、武冈市高风险区；中部的石门-慈利-沅陵-芦溪-辰溪-溆浦-麻阳-芷江一线高风险区，西北部的丰都-石柱西北部高风险区。

DOI

[ Yin J, Pei Z Y, Chen X W, et al.GIS-based flood disaster risk assessment in Wuling Mountain region[J]. Transactions of the Chinese Society of Agricultural Engineering, 2013,29(24):110-117. ]

[13]
史培军. 三论灾害研究的理论与实践[J].自然灾害学报,2002,11(3):1-9.在作者分别于 1991年发表的《论灾害研究的理论与实践》和 1996年发表的《再论灾害研究的理论与实践》的基础上 ,评述了最近 6年来灾害科学研究的进展 ,提出了灾害科学的基本框架 ,进一步完善了“区域灾害系统论”的理论体系 ,提出了当前灾害科学的主要学术前沿问题。文章并就资源开发与灾情形成机理与动态变化过程进行了综合分析 ,阐述了区域灾害的形成过程 ,进一步从区域可持续发展的角度 ,就建设安全社区 (区域 )提出了“允许灾害风险水平”的区域发展对策。

DOI

[ Shi P J.Theory on disaster science and disaster dynamics[J]. Journal of Natural Disasters, 2002,11(3):1-9. ]

[14]
牛瑞卿,彭令,叶润青,等.基于粗糙集的支持向量机滑坡易发性评价[J].吉林大学学报(地球科学版),2012,42(2):430-439.<p>区域滑坡易发性评价对灾害中长期预测预报具有重要意义。以三峡库区秭归至巴东段为研究区，利用粗糙集理论对20个初始评价因子进行属性约简，去掉冗余或干扰信息，得到13个核心评价因子，并以此作为支持向量机的输入特征集，构建支持向量机模型，实现滑坡易发性评价。在易发性分区图中高易发区占8.2%，主要分布在童庄河右岸、归州河沿岸、青干河左岸、树坪至范家坪长江右岸、牛口到东壤口长江左岸和巴东附近；不易发区占 52.7%，主要分布于店子湾至巴东旧城以及远离长江水系及植被覆盖度高的区域。通过验证与分析，粗糙集-支持向量机模型在高中易发区中的预测精度为85.6%，其预测能力优于支持向量机模型；与野外调查对比，预测结果与实际情况吻合较好。研究表明，应用粗糙集和支持向量机相结合进行滑坡易发性评价具有预测能力强、计算效率高等优点。</p>

[ Niu R Q, Peng L, Ye R Q, et al.Landslide susceptibility assessment based on rough sets and support vector machine[J]. Journal of Jilin University (Earth Science Edition), 2012,42(2):430-439. ]

[15]
高克昌,崔鹏,赵纯勇,等.基于地理信息系统和信息量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):991-993.<FONT face=Verdana>针对滑坡危险性评价，以重庆万州滑坡地质灾害为例，采用地理信息系统技术，选取高程、地层岩性、坡向、坡度、距离河流的远近、距离道路的远近、建筑物分布和到遂宁组和沙溪庙组地层的距离等8个指标作为评价因子，利用信息量模型对万州研究区的滑坡地质灾害进行危险性评价。评价结果表明，地理信息系统和信息量模型能够很好地为滑坡灾害的危险性研究服务，可用来解决过去地质灾害危险性评价中效率低、精度差、费时、费力等问题，从而实现滑坡地质灾害的信息化和科学化。<BR></FONT>

[ Gao K C, Cui P, Zhao C Y, et al.Landslide hazard evaluation of Wanzhou based on GIS information value method in the Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2006,25(5):991-993. ]

[16]
Aldo C, Susanna P, Claudio T, et al.A procedure for landslide susceptibility zonation by the conditional analysis method[J]. Geomorphology, 2002,48:349-364.lt;h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Numerous methods have been proposed for landslide probability zonation of the landscape by means of a Geographic Information System (GIS). Among the multivariate methods, i.e. those methods which simultaneously take into account all the factors contributing to instability, the Conditional Analysis method applied to a subdivision of the territory into Unique Condition Units is particularly straightforward from a conceptual point of view and particularly suited to the use of a GIS. In fact, working on the principle that future landslides are more likely to occur under those conditions which led to past instability, landslide susceptibility is defined by computing the landslide density in correspondence with different combinations of instability factors. The conceptual simplicity of this method, however, does not necessarily imply that it is simple to implement, especially as it requires rather complex operations and a high number of GIS commands. Moreover, there is the possibility that, in order to achieve satisfactory results, the procedure has to be repeated a few times changing the factors or modifying the class subdivision. To solve this problem, we created a shell program which, by combining the shell commands, the GIS Geographical Research Analysis Support System (GRASS) commands and the gawk language commands, carries out the whole procedure automatically. This makes the construction of a Landslide Susceptibility Map easy and fast for large areas too, and even when a high spatial resolution is adopted, as shown by application of the procedure to the Parma River basin, in the Italian Northern Apennines.</p>

DOI

[17]
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):146-147,131.地质灾害危险性评价工作需要进 行大量的数据处理,处理方法的选择影响评价结果可靠性与评价工作的效率。文中论述了基于GIS的信息量法原理及其在九龙县地质灾害危险性评价中的应用,基 于GIS的信息量法综合应用GIS技术的空间分析功能和信息量法的定量评价功能,通过评价因子图层内地质灾害分布密度的统计实现信息值的计算,完成危险性 评价。数据易采集,评价工作易操作,效率高,评价结果可靠。

DOI

[ Wu B Q, He Z W, Liu Y S.Application of GIS-based information method to assessment of geohazards risk in iulong County[J]. Science of Surveying and Mapping, 2008,33(4):146-147,131. ]

[18]
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----以浙江省仙居县为例[J].水文地质工程地质,2003,30(5):49-52.本文以浙江省仙居县地质灾害调 查与区划项目为例,在信息论原理的基础上,建立了地质灾害区划的信息分析系统,从而建立了多因素分析的地质灾害预测区划方法。结果表明,用信息量模型对仙 居县地质灾害进行的空间区划,比较准确地反映了该地区地质灾害的分布、发育及危害情况,与调查的实际情况基本相符,故该模型在县市地质灾害空间区划中的应 用是可靠的。

DOI

[ Chen L, Meng G T, Zhang W J, et al.Application of information model on geological hazards investigating and zoning of counties and cities: As an example of Xianju County, Zhejiang province[J]. Hydrogeology & Engineering Geology, 2003,30(5):49-52. ]

[19]
钟荫乾. 滑坡与降雨关系及其预报[J].中国地质灾害与防治学报,1998,9(4):81-86.降雨是滑坡活动最重要的因素。本文分析了降雨型滑坡的时空分布规律，滑坡变形发展过程与降雨特征值的关系，并初步总结了以往滑坡预报的经验教训。

[ Zhong Y Q.Landslide related to rainfall and its forecasting[J]. The Chinese Journal of Geological Hazard and Control, 1998,9(4):81-86. ]

[20]
林孝松,郭跃.滑坡与降雨的耦合关系研究[J].灾害学,2001,16(2):87-92.从暴雨频次、降雨的周期变化、降雨历时、降雨量以及雨型等方面研究了滑坡发生与降雨的耦合关系，发现它们与滑坡的发生存在着密切的联系。文章的最后对研究中存在的问题与展望进行了初步探讨。

DOI

[ Lin X S, Guo Y.A study on coupling relation between landslide and rainfall[J]. Journal of Catastrophology, 2001,16(2):87-92. ]

[21]
刘艳辉,唐灿,李铁锋,等.地质灾害与降雨雨型的关系研究[J].工程地质学报,2009,17(5):656-661.<p>地质灾害的发生与降雨历时、降雨量及降雨雨型有密切的关系，不同雨型的降雨诱发地质灾害的诱发机制具有明显的差异性。本文通过收集的降雨实况与地质灾害反馈资料，将诱发地质灾害的降雨雨型分为3种类型：台风降雨、持续强降雨和局地暴雨。研究表明，台风降雨型降雨诱发地质灾害具有&quot;即雨即滑&quot;的特点，即地质灾害的发生与降雨在时间上具有较好的对应关系；地质灾害发生空间位置与台风运移轨迹也基本一致。多为群发型地质灾害，灾害规模较小，一般为表层或浅层滑坡、崩塌。持续强降雨型降雨诱发地质灾害，在强降雨过程中地质灾害具有同步发生的特点；在降雨强度不大但连续降雨过程中，地质灾害具有一定的滞后效应；在地质灾害大规模发生后，诱发新的地质灾害雨量阈值提高。局地暴雨型降雨诱发的地质灾害往往集中发生在出现局地暴雨的当日当地。</p>

[ Liu Y H, Tang C, Li T F, et al.Statistical relations between geo-hazards and rain-type[J]. Journal of Engineering Geology, 2009,17(5):656-661. ]

Options
Outlines

/

〈 〉