论文部分内容阅读
摘要：对于地质环境复杂地区，不同区块滑坡的形成机理和主控因素差异明显，若对不同区块使用相同的评价因子和权重进行易发性评价，会导致评价结果不可靠。鉴于此，以襄阳市南漳县城区为例，通过对斜坡高度、斜坡坡度、地层岩性、覆盖层厚度、断裂构造、斜坡结构、水系密度、道路密度和房屋密度9个评价因子进行分析，依据地质环境的差异将研究区划分为3个区块，基于ArcGIS软件运用层次分析法对不同区块内的土质滑坡、岩质滑坡分别进行易发性评价，并以2种滑坡的数量百分比为权重，加权求和得到研究区滑坡易发性区划图。通过与未分区的易发性结果对比，结果显示：基于地质环境分区的易发性结果更加可靠，高易发区与已知滑坡灾害位置更加吻合。研究有益于区域地质灾害易發性评价向精细化方向发展，所提出方法具有很强的实用性。
关 键 词：
滑坡易发性; 地质环境分区; 覆盖层厚度; 斜坡单元; 层次分析法
中图法分类号： P642.22
文献标志码： A
DOI：10.16232/j.cnki.1001-4179.2021.05.014
0 引 言
滑坡易发性评价主要是研究区域滑坡发生的空间概率，其评价结果是地质灾害危险性、风险性研究的基础，对当地防灾减灾、土地利用规划等方面具有重要意义[1]。
目前，国内外学者基于 GIS 平台针对区域滑坡灾害空间定量预测模型进行了大量探索性研究。Devkota 等[2-3]应用确定性系数法、逻辑回归模型、证据权法、频数比法等方法对尼泊尔 Mugling-Narayanghat road 地区进行了滑坡灾害易发性评价，并分析对比各模型方法的评价结果;Yesilnacar等[4]对土耳其 Hendek 地区进行了滑坡灾害易发性评价，并对比分析了逻辑回归模型和神经网络模型的评价结果;许冲等[5]应用层次分析方法对汶川地震灾区进行了滑坡灾害易发性分区研究;张桂荣等[6]采用统计分析模型对陕西省旬阳地区开展了滑坡灾害易发性和危险性评价。总体来看，经验模型（专家系统预测法等）、信息模型、统计预测模型（逻辑回归、决策树、确定性系数法等）、模式识别模型（BP 神经网络、支持向量机等）等在滑坡易发性评价研究中得到了广泛应用[7-9]。
然而，在使用上述模型进行滑坡易发性评价时，前人通常将整个研究区作为一个整体，这对于地质环境简单、工程地质条件差异较小的地区效果较好;但很多研究区地质环境较复杂，区内不同小区域地形地貌、地层岩性、地质构造等条件差异很大，导致不同小区域评价因子的类型及评价因子对滑坡的影响程度都不尽相同。因此，有必要分区块对滑坡易发性开展评价。
此外，前人研究中多将全区滑坡统一进行分析，但同一区域中发育的滑坡类型可能有所不同，尤其是土质滑坡和岩质滑坡，其形成条件和主控因素差异较大，若混合在一起评价，评价结果可靠性较差。
鉴于此，本文选择具有高度逻辑性、系统性、简洁性和实用性的层次分析法[10-11]，以襄阳市南漳县城区为例，研究基于地质环境分区的滑坡易发性评价效果。首先，依据地质环境的差异将研究区分成3个不同区块，并确定不同区块内土质滑坡、岩质滑坡的评价因子及权重;然后，基于GIS平台，得到不同区块土质滑坡、岩质滑坡的易发性结果，并以2种滑坡的数量百分比为权重加权求和得到研究区滑坡易发性区划图;最后，通过对比是否考虑地质环境分区的滑坡易发性区划效果，探讨本文方法的准确性、可靠性。
1 研究区概况
襄阳市南漳县地跨鄂西北近东西向展布的褶皱山地与南漳盆地，荆山山脉绵延县城以西，地势西高东低，属山地丘陵区（见图1）。该县地处亚热带季风气候区，气候温和，雨量充沛，全县年平均降雨量为911.8 mm，降雨量逐月分布呈“单峰型”，主要集中于5～8月，最大月降雨量达到175.3 mm。
襄阳市南漳县城区位于褶皱山地与南漳盆地的连接处（见图1），地质环境复杂，岩土体类型主要由钙质粉砂岩、细砂岩等软弱碎屑岩、较坚硬的奥陶系灰岩等组成，表层风化严重，第四系洪-冲积物、残-坡积物等零星分布于河谷和沟谷等地势低洼处。
襄阳市南漳县城区复杂的地形地貌条件、较发育的断裂构造、四季分明的气候和充沛的雨量，导致城区内滑坡灾害较为发育。经现场详查，城区56.85 km2范围内发育滑坡灾害点59处，以小型滑坡为主（见表1）。此外，滑坡的形成与人类工程活动关系密切，有22处滑坡是由于人类建房、修路切坡所引起。
2 层次分析法
2.1 层次分析法基本原理
层次分析法（AHP）是美国运筹学专家Saaty于20世纪70年代提出的一种多层次权重的决策分析方法。
该方法将实际问题按逻辑性分解为多层次，并比较不同层次各因素之间的关联性，最终求得最底层（指标层）相对于最高层（目标层）的权重关系或优劣次序。
AHP法首先需按层次性对复杂问题进行分解，确定多因素的层次结构模型，并通过传统的九标度法构建一致性或近似一致性的判断矩阵;然后采用方根法或和积法，计算判断矩阵的最大特征根及对应的特征向量，经一致性检验后，确定各评价因子的权重。
2.2 层次分析法基本步骤
在运用层次分析法建模时，一般分为以下步骤：① 建立层次结构模型;② 构造判断矩阵;③ 计算因子权重并作一致性检验。
2.2.1 建立层次结构模型
明确所要达到的目标或要解决的最终问题，分析问题中包含的子问题或直接相关的影响因素，并且考虑因素之间的相关性，尽可能按照类别相关性较小来进行划分。同理可以对每一个因素向下划分更多层次，中间的因素即对上层因素起到部分影响，又对下层因素起控制作用，这样建立了自上而下的逐层支配的多因素多层次“倒金字塔”型的体系，此即为层次结构模型。 2.2.2 构造判断矩阵
建立了层次结构之后，上下层元素间的隶属关系就确定了，然后对同一层次的隶属于不同上层因素的各元素进行两两比较，构造出判断矩阵，这样可以量化单一元素对于上层次要素的重要性。构造判断矩阵的要素选择及层次建立需要对区域地质背景和滑坡发育规律比较了解后进行，最好通过专家评分，并结合调查人员经验综合考虑来确定。判断矩阵的建立是从层次结构的第二层开始，自上而下计算某一层次各因素对上一层某个因素的相对权重，这里可引用1～9标度对重要性判断结果进行量化，如表2所列。
3 评价单元划分
3.1 斜坡单元划分基本理论
滑坡易发性区划中常用的单元类型有栅格單元、地域单元、均一条件单元、子流域单元、斜坡单元等。斜坡单元是滑坡、崩塌等地质灾害发育的基本单元，并且在各影响因素中，河流和沟谷的发育阶段对滑坡、崩塌的形成具有明显的控制作用，因此采用基于幼年期沟谷划分的斜坡作为评价单元，可以与地质环境条件紧密联系，综合体现各影响因素的作用，使评价结果更贴近于实际[12-14]。
斜坡单元划分的基本原理是利用正反地形分别提取山谷线和山脊线（分别对应于汇水线和分水线）[15]，把生成的集水流域与反向集水流域融合，再经后期处理人工修改不合理的单元，最终得到的由汇水线与分水线所组成的区域即为斜坡单元。
3.2 斜坡单元划分结果
结合南漳县城区1∶10 000地形图，1∶500 00遥感图，本文利用斜坡单元划分原理，采用盆域分析法，将每一个汇水盆域当作一个斜坡单元，共划分出了95块斜坡单元（见图2）。
4 基于地质环境分区的易发性区划
4.1 评价模型的建立及因子分析
4.1.1 评价模型的建立
滑坡灾害形成与诸多因素有关，包括地形地貌、工程地质特征、气象水文、人类工程活动等[16]，结合南漳县城区地质环境，本文选择斜坡高度、斜坡坡度、地层岩性、覆盖层厚度、断裂构造、斜坡结构、水系密度、道路密度和房屋密度等9个因子作为评价指标，滑坡易发性评价模型如图3所示。
4.1.2 评价因子分级
（1） 斜坡高度。通常情况下，斜坡高度越高，斜坡的势能越大，在重力作用下更容易产生卸荷裂隙，最终引发岩质滑坡，本文采用自然断点法将斜坡高度分为5级（见图4（a）），明显看出，研究区东侧的南漳盆地和西侧的褶皱山地斜坡高度差异较大。
（2） 斜坡坡度。滑坡灾害的形成与斜坡坡度存在密切的关系，在一定角度范围内，斜坡坡度越大，越有利于滑坡灾害的发生。基于GIS软件，本文提取每个栅格的坡度值，然后通过取平均值的方式转化到斜坡单元上，并采用自然断点法将斜坡坡度分为5级（见图4（b））。由图4（b）可以看出：研究区东侧和西侧斜坡坡度差异明显，东侧南漳盆地内的斜坡坡度普遍较小，而西侧斜坡坡度却较大。
（3） 地层岩性。不同的岩性具有不同的抗风化能力，从而形成滑坡的难易程度也差异较大，研究区内主要发育2种岩性组合（见图4（c）），分别是碎屑岩类、碳酸盐岩类，其中，碳酸盐岩分布较少，主要集中于研究区西北角，发育2个岩质滑坡、3个土质滑坡。
（4） 覆盖层厚度。覆盖层是研究区土质滑坡发育的物质基础，当降雨或人类工程活动导致抗滑力下降时，上覆土体会在重力作用下发生滑动，引发滑坡。因此，覆盖层厚度是区域浅层堆积层滑坡易发性评价不可或缺的基础数据，但目前国内外还没有获取区域土层厚度准确且经济有效的办法。
研究表明，地形坡度和地形平面曲率与覆盖层厚度相关性最大[17]。本文通过斜坡坡度、地形平面曲率近似得到土层厚度，具体方法如下：① 由于地形坡度较大时，很难堆积较厚的覆盖层，统计发现具有较厚覆盖层的软弱碎屑岩区地形坡度基本都小于30°，为了避免高值对整体结果的影响，将地形坡度大于30°的栅格归为30°。② 同理，为了避免极端平面曲率对结果的影响，将平面曲率大于1和小于-1的栅格分别归为1和-1。③ 将两者归一化后进行叠加，然后根据收集到的南漳县城区土层厚度资料对叠加结果进行赋值。资料显示：平地和斜坡上最大覆盖层厚度分别为14.6 m和8.0 m。斜坡上最小覆盖层厚度为0 m。据此对斜坡上覆盖层厚度进行修正，得到研究区覆盖层厚度分布图（见图5），最后通过取平均值的方式转化到斜坡单元上，并采用自然断点法将平均覆盖层厚度分成5级（见图4（d））。由图4（d）可知：研究区内覆盖层厚度分布不均匀，从西向东，覆盖层厚度逐渐增加，土质滑坡多发生于覆盖层较厚区域。
（5） 断裂构造。地质构造对滑坡发育有重要影响作用，研究区西侧发育多条断裂（见图1）。本文将斜坡单元按距离断裂<200 m、200～500 m、500～1 000 m和>1 000 m进行分类，得到研究区断裂构造分级图（见图4（e））。可以看出，研究区东西两侧断裂构造差异显著，其中，东侧不受断裂构造的影响，中西部及西北角局部受断裂影响较大。
（6） 斜坡结构。不同的斜坡结构发生岩质滑坡的难易程度往往不同，顺向坡更有利于岩质滑坡的发育，而逆向坡则不利于岩质滑坡的发生。结合地层产状，基于GIS软件得到每个栅格的斜坡结构，然后通过取众数的方式转化到斜坡单元上（见图4（f））。由图4（f）可知：研究区东侧基本都是横向坡，而西侧斜坡结构具有明显的差异性。
（7） 水系密度。水对滑坡灾害的形成具有不可或缺的作用，不仅可以软化、潜蚀岩土，降低软弱结构面的强度，增大孔隙水压力，使处于极限平衡状态的滑坡体产生滑动;而且，多次的干湿状态交替变化使得岩土体开裂，产生了大量的裂隙，为地表水的入渗提供了良好的通道，加速滑坡变形破坏。本文用水系密度来反映斜坡单元内地表水的发育状况，通过河流线长度与斜坡单元面积比值得到（单位：km/km2），并采用自然断点法将水系密度分为5级（见图4（g））。 （8） 道路密度、房屋密度。研究区内大规模的建房、修路切坡影响了原始斜坡的稳定性，诱发了滑坡灾害的发生。本文同时考虑修路切坡和建房切坡对滑坡的诱发作用，将斜坡单元内道路总长度与斜坡单元面积的比值作为道路密度（单位：km/km2），将房屋面积与斜坡单元面积的比值作为房屋密度（单位：km2/km2），并采用自然断点法将计算结果分为5级，得到道路密度和房屋密度分级图（见图4（h）～（i））。
4.2 地质环境分区
通过上述9个评价因子的分析及量化处理，可以清楚地看到，斜坡高度、斜坡坡度、覆盖层厚度、断裂构造、斜坡结构在研究区东西两侧差异显著，若对整个研究区进行滑坡易发性评价，会由于某一侧高值的影响，使高易发区集中于一边，影响结论的可靠性。因此，有必要对东侧的南漳盆地和西侧的褶皱山地单独展开易发性评价。
此外，西侧褶皱山地内发育2种岩性，不同岩性滑坡发育的数量差异较大，碎屑岩内发育19处，碳酸盐岩区仅发育5处，为了使评价结果更加可靠，有必要对2种岩性分开进行评价。
鉴于此，本文将研究区共分成3个区块，然后分区块进行滑坡易发性评价，分区结果如图6所示。
3个区块的基本特征如下：
Ⅰ区岩性主要为钙质、黏土质粉砂岩、细砂岩等软弱碎屑岩;由于处于断陷盆地内，相对高程较低，地形坡度较缓，覆盖层较厚;该区不受构造影响，水系较为发育，人类工程活动强烈。
Ⅱ区岩性同样为钙质、黏土质粉砂岩、细砂岩等软弱碎屑岩;由于处于褶皱山地，相对高程较高，地形坡度较陡，覆盖层较少;该区受构造和人类工程活动影响较为明显。
Ⅲ区岩性为奥陶系灰岩，较为坚硬，相对高程较高，地形坡度很陡，受构造影响显著，仅在坡度较缓处，存在少量的覆盖层。
4.3 不同区块因子的选择和权重的确定
4.3.1 评价因子的选择
根据不同区块地质环境特征，对于土质滑坡、岩质滑坡分别选取不同的评价因子（见表4）。
4.4 易发性区划
根据评价因子赋值及权重计算结果，通过加权叠加，分别得到Ⅰ区、Ⅱ区和Ⅲ区的土质滑坡、岩质滑坡易发性结果;然后，将不同区块易发性结果进行拼接，并采用自然断点法进行分级，分别得到土质滑坡、岩质滑坡的易发性区划图（见图7（a）和（b））。
接着，将2种滑坡的易发性结果归一化处理，将处理后的结果分别乘以相应滑坡所占的权重，并将得到的结果进行相加;最后，采用自然断点法对计算结果进行重分类，将易发性划分为极高、高、中和低易发性4个等级，得到考虑地质环境分区的滑坡易发性区划图（见图7（c））。
5 效果评述
为了更好地评价基于地质环境分区的滑坡易发性效果，本文采用层次分析法，同时做出了不考虑地质环境分区的土质滑坡、岩质滑坡易发性区划图（见图7（d）～（e））;并將归一化后的易发性结果按照灾害数量百分比进行叠加，得到研究区滑坡易发性区划图（见图7（f））。基于整个研究区的各评价因子权重计算结果如表11所列。
通过对比土质滑坡的易发性结果（见图7（a）和（d）），可以发现：2种方法得到的土质滑坡易发性区划效果整体都较好，大多数已知的土质滑坡分布在高或极高易发区;而图7（a）中Ⅱ区和Ⅲ区的极高或高易发区与实际更加吻合，土质滑坡集中分布在覆盖层较厚的低洼区域，而高陡的斜坡由于土层难以堆积呈明显的低易发区。
通过对比岩质滑坡的易发性结果（见图7（b）、（e））发现：图7（b）极高或高易发区在整个研究区都有分布，较为分散;而图7（e）中Ⅰ区几乎全是低易发或中易发区，与岩质滑坡的实际分布不是很相符，这主要是由于Ⅰ区岩质滑坡的形成主要受人类工程活动的控制，而其他区域与自然因素较为密切，如果放在一起评价，会使极高、高易发区集中于一个区域，与实际不符。
通过对比图7（c）和图7（f），发现：最终得到的滑坡易发性区划图较为相似，且效果都较好，已查明的滑坡绝大多数分布在极高或高易发区。
为了进一步对比是否考虑地质环境分区的滑坡易发性区划效果，将2种方法得到的易发性区划图和已经发生的滑坡灾害点进行叠加，得到不同易发性分区滑坡数量统计结果（见表12）。
由表12可知：当分区块对滑坡易发性进行评价时，分别有33处土质滑坡、12处岩质滑坡和41处滑坡落入到极高或高易发区，占比分别为82.5%，63.16%和69.49%;当对整个研究区进行滑坡易发性评价时，分别有29处土质滑坡、10处岩质滑坡和36处滑坡分布在极高或高易发区，占比分别为72.5%，52.63%和61.02%。
由此可见：2种方法得到的土质滑坡、岩质滑坡和滑坡易发性效果都较好;而基于地质环境分区的滑坡易发性区划效果更优，主要表现为有更多已知的土质滑坡和岩质滑坡落入极高和高易发区。
值得说明的是：本案例中考虑地质环境分区为改善区域滑坡易发性评价结果准确性仅带来有限程度的提高，这是因为研究区位于城区，滑坡灾害的形成与人类工程活动密切相关。例如，有22处滑坡是由于人类建房、修路切坡所引起（见表1）。因此，道路密度和房屋密度在评价中占有很大的权重（>40%），然而，这2个因子在不同地质环境分区中差异性较小，这是导致本案例中基于地质环境分区的易发性评价效果并不是很显著的主要原因。如何在地质环境分区中进一步细分此类权重大、分布广泛且差异小的因子的影响值得进一步研究。这从侧面说明考虑地质环境分区在区域滑坡易发性评价工作中的重要性。
另外，斜坡高度、斜坡坡度、覆盖层厚度、断裂构造和斜坡结构等因子在研究区差异性较大，虽然这5个评价因子权重之和不超过50%，但是在考虑地质环境分区后，使得最终的易发性区划有略多的土质滑坡和岩质滑坡落入极高和高易发区。这证明了基于地质环境分区的易发性结果更加准确、更加可靠。特别地，当研究区不同区块主控因子均差异较大时，基于地质环境分区将大大提高区域滑坡易发性评价的准确性。 无论如何，研究证明了基于地质环境分区的区域滑坡易发性评价方法的有效性。
6 结 论
本文以襄阳市南漳县城区为例，以斜坡单元为基本评价单元，在地质环境分区的基础上，运用层次分析法对区内土质滑坡、岩质滑坡的易发性进行了评价，主要得到以下结论。
（1） 南漳县城区滑坡高易发区主要分布在人类工程活动强烈、地表水发育和构造发育地区，根据是否考虑地质环境分区的易发性结果可知，基于地质环境分区的易发性结果更加可靠，高易发区与已知滑坡灾害点更加吻合，证明了基于地质环境分区的区域滑坡易发性评价方法的有效性。
（2） 通过分区块对滑坡易发性进行评价，可以解决不同区域评价因子差异较大的问题，而且对滑坡影响越大的因子在区域上差异越大，基于地质环境分区所得到的易发性结果相比于未分区的结果就越准确、越可靠。
（3） 在地质环境分区的基础上开展地质灾害易发性评价工作，是向地质灾害易发性评价精细化方向发展的一个有益尝试，所提出方法具有很强的实用性。
参考文献：
[1] 王佳佳，殷坤龙，肖莉丽.基于GIS和信息量的滑坡灾害易发性评价：以三峡库区万州区为例[J].岩石力学与工程学报，2014，33（4）：797-808.
[2] DEVKOTA K C，REGMI A D，POURGHASEMI H R，et al.Landslide susceptibility mapping using certainty factor，index of entropy and logistic regression models in GIS and their comparison at Mugling-Narayanghat road section in Nepal Himalaya[J].Natural Hazards，2013，65（2）：135-165.
[3] REGMI A D，DEVKOTA K C，YOSHIDA K，et al.Mapping at Haraz watershed，Iran and weights-of-evidence models and their comparison in landslide susceptibility mapping in Central Nepal Himalaya[J].Arabian Journal of Geosciences，2014（7）：725-742.
[4] YESILNACAR E，TOPAL T.Landslide susceptibility mapping：a comparison of logistic regression and neural networks methods in a medium scale study，Hendek region（Turkey）[J].Engineering Geology，2005，79（3-4）：251-266.
[5] 許冲，戴福初，姚鑫，等.GIS支持下基于层次分析法的汶川地震区滑坡易发性评价[J].岩石力学与工程学报，2009，28（2）：3978-3985.
[6] 张桂荣，尹坤龙，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）：42-46.
[7] REGMI N R，GIARDINO J R，MCDONALD E V，et al.A comparison of logistic regression-based models of susceptibility to landslides in western Colorado，USA[J].Landslides，2014，11（2）：247-262.
[8] 鲜木斯艳·阿布迪克依木，何书.基于MIV-BP神经网络的滑坡易发性空间预测[J].人民长江，2019，50（11）：140-144.
[9] 王岩，李远耀，苏红瑞.重庆万州龙驹坝地区滑坡灾害易发性分析[J].人民长江，2017，48（10）：54-58，88.
[10] 杨德宏，范文.基于ArcGIS的地质灾害易发性分区评价：以旬阳县为例[J].中国地质灾害与防治学报，2015，6（4）：82-93.
[11] 王哲，易发成.基于层次分析法的绵阳市地质灾害易发性评价[J].水文地质与工程地质，2007（3）：93-98.
[12] 唐川，马国超.基于地貌单元的小区域地质灾害易发性分区方法研究[J].地理科学，2015，35（1）：91-98.
[13] 霍艾迪，张骏，卢玉东，等.地质灾害易发性评价单元划分方法：以陕西省黄陵县为例[J].吉林大学学报（地球科学版），2014，41（2）：523-528.
[14] 谷天峰，王家鼎，付新平.基于斜坡单元的区域斜坡稳定性评价方法[J].地理科学，2013，33（11）：1400-1405.
[15] 周启鸣，刘学军.数字地形分析[M].北京：科学出版社，2006：52-70.
[16] 薛强，张茂省，李林.基于斜坡单元与信息量法结合的宝塔区黄土滑坡易发性评价[J].地质通报，2015，34（11）：2108-2115.
[17] 王佳佳.三峡库区万州区滑坡灾害风险评估研究[D].武汉：中国地质大学，2015.
（编辑：刘 媛）
关 键 词：
滑坡易发性; 地质环境分区; 覆盖层厚度; 斜坡单元; 层次分析法
中图法分类号： P642.22
文献标志码： A
DOI：10.16232/j.cnki.1001-4179.2021.05.014
0 引 言
滑坡易发性评价主要是研究区域滑坡发生的空间概率，其评价结果是地质灾害危险性、风险性研究的基础，对当地防灾减灾、土地利用规划等方面具有重要意义[1]。
目前，国内外学者基于 GIS 平台针对区域滑坡灾害空间定量预测模型进行了大量探索性研究。Devkota 等[2-3]应用确定性系数法、逻辑回归模型、证据权法、频数比法等方法对尼泊尔 Mugling-Narayanghat road 地区进行了滑坡灾害易发性评价，并分析对比各模型方法的评价结果;Yesilnacar等[4]对土耳其 Hendek 地区进行了滑坡灾害易发性评价，并对比分析了逻辑回归模型和神经网络模型的评价结果;许冲等[5]应用层次分析方法对汶川地震灾区进行了滑坡灾害易发性分区研究;张桂荣等[6]采用统计分析模型对陕西省旬阳地区开展了滑坡灾害易发性和危险性评价。总体来看，经验模型（专家系统预测法等）、信息模型、统计预测模型（逻辑回归、决策树、确定性系数法等）、模式识别模型（BP 神经网络、支持向量机等）等在滑坡易发性评价研究中得到了广泛应用[7-9]。
然而，在使用上述模型进行滑坡易发性评价时，前人通常将整个研究区作为一个整体，这对于地质环境简单、工程地质条件差异较小的地区效果较好;但很多研究区地质环境较复杂，区内不同小区域地形地貌、地层岩性、地质构造等条件差异很大，导致不同小区域评价因子的类型及评价因子对滑坡的影响程度都不尽相同。因此，有必要分区块对滑坡易发性开展评价。
此外，前人研究中多将全区滑坡统一进行分析，但同一区域中发育的滑坡类型可能有所不同，尤其是土质滑坡和岩质滑坡，其形成条件和主控因素差异较大，若混合在一起评价，评价结果可靠性较差。
鉴于此，本文选择具有高度逻辑性、系统性、简洁性和实用性的层次分析法[10-11]，以襄阳市南漳县城区为例，研究基于地质环境分区的滑坡易发性评价效果。首先，依据地质环境的差异将研究区分成3个不同区块，并确定不同区块内土质滑坡、岩质滑坡的评价因子及权重;然后，基于GIS平台，得到不同区块土质滑坡、岩质滑坡的易发性结果，并以2种滑坡的数量百分比为权重加权求和得到研究区滑坡易发性区划图;最后，通过对比是否考虑地质环境分区的滑坡易发性区划效果，探讨本文方法的准确性、可靠性。
1 研究区概况
襄阳市南漳县地跨鄂西北近东西向展布的褶皱山地与南漳盆地，荆山山脉绵延县城以西，地势西高东低，属山地丘陵区（见图1）。该县地处亚热带季风气候区，气候温和，雨量充沛，全县年平均降雨量为911.8 mm，降雨量逐月分布呈“单峰型”，主要集中于5～8月，最大月降雨量达到175.3 mm。
襄阳市南漳县城区位于褶皱山地与南漳盆地的连接处（见图1），地质环境复杂，岩土体类型主要由钙质粉砂岩、细砂岩等软弱碎屑岩、较坚硬的奥陶系灰岩等组成，表层风化严重，第四系洪-冲积物、残-坡积物等零星分布于河谷和沟谷等地势低洼处。
襄阳市南漳县城区复杂的地形地貌条件、较发育的断裂构造、四季分明的气候和充沛的雨量，导致城区内滑坡灾害较为发育。经现场详查，城区56.85 km2范围内发育滑坡灾害点59处，以小型滑坡为主（见表1）。此外，滑坡的形成与人类工程活动关系密切，有22处滑坡是由于人类建房、修路切坡所引起。
2 层次分析法
2.1 层次分析法基本原理
层次分析法（AHP）是美国运筹学专家Saaty于20世纪70年代提出的一种多层次权重的决策分析方法。
该方法将实际问题按逻辑性分解为多层次，并比较不同层次各因素之间的关联性，最终求得最底层（指标层）相对于最高层（目标层）的权重关系或优劣次序。
AHP法首先需按层次性对复杂问题进行分解，确定多因素的层次结构模型，并通过传统的九标度法构建一致性或近似一致性的判断矩阵;然后采用方根法或和积法，计算判断矩阵的最大特征根及对应的特征向量，经一致性检验后，确定各评价因子的权重。
2.2 层次分析法基本步骤
在运用层次分析法建模时，一般分为以下步骤：① 建立层次结构模型;② 构造判断矩阵;③ 计算因子权重并作一致性检验。
2.2.1 建立层次结构模型
明确所要达到的目标或要解决的最终问题，分析问题中包含的子问题或直接相关的影响因素，并且考虑因素之间的相关性，尽可能按照类别相关性较小来进行划分。同理可以对每一个因素向下划分更多层次，中间的因素即对上层因素起到部分影响，又对下层因素起控制作用，这样建立了自上而下的逐层支配的多因素多层次“倒金字塔”型的体系，此即为层次结构模型。 2.2.2 构造判断矩阵
建立了层次结构之后，上下层元素间的隶属关系就确定了，然后对同一层次的隶属于不同上层因素的各元素进行两两比较，构造出判断矩阵，这样可以量化单一元素对于上层次要素的重要性。构造判断矩阵的要素选择及层次建立需要对区域地质背景和滑坡发育规律比较了解后进行，最好通过专家评分，并结合调查人员经验综合考虑来确定。判断矩阵的建立是从层次结构的第二层开始，自上而下计算某一层次各因素对上一层某个因素的相对权重，这里可引用1～9标度对重要性判断结果进行量化，如表2所列。
3 评价单元划分
3.1 斜坡单元划分基本理论
滑坡易发性区划中常用的单元类型有栅格單元、地域单元、均一条件单元、子流域单元、斜坡单元等。斜坡单元是滑坡、崩塌等地质灾害发育的基本单元，并且在各影响因素中，河流和沟谷的发育阶段对滑坡、崩塌的形成具有明显的控制作用，因此采用基于幼年期沟谷划分的斜坡作为评价单元，可以与地质环境条件紧密联系，综合体现各影响因素的作用，使评价结果更贴近于实际[12-14]。
斜坡单元划分的基本原理是利用正反地形分别提取山谷线和山脊线（分别对应于汇水线和分水线）[15]，把生成的集水流域与反向集水流域融合，再经后期处理人工修改不合理的单元，最终得到的由汇水线与分水线所组成的区域即为斜坡单元。
3.2 斜坡单元划分结果
结合南漳县城区1∶10 000地形图，1∶500 00遥感图，本文利用斜坡单元划分原理，采用盆域分析法，将每一个汇水盆域当作一个斜坡单元，共划分出了95块斜坡单元（见图2）。
4 基于地质环境分区的易发性区划
4.1 评价模型的建立及因子分析
4.1.1 评价模型的建立
滑坡灾害形成与诸多因素有关，包括地形地貌、工程地质特征、气象水文、人类工程活动等[16]，结合南漳县城区地质环境，本文选择斜坡高度、斜坡坡度、地层岩性、覆盖层厚度、断裂构造、斜坡结构、水系密度、道路密度和房屋密度等9个因子作为评价指标，滑坡易发性评价模型如图3所示。
4.1.2 评价因子分级
（1） 斜坡高度。通常情况下，斜坡高度越高，斜坡的势能越大，在重力作用下更容易产生卸荷裂隙，最终引发岩质滑坡，本文采用自然断点法将斜坡高度分为5级（见图4（a）），明显看出，研究区东侧的南漳盆地和西侧的褶皱山地斜坡高度差异较大。
（2） 斜坡坡度。滑坡灾害的形成与斜坡坡度存在密切的关系，在一定角度范围内，斜坡坡度越大，越有利于滑坡灾害的发生。基于GIS软件，本文提取每个栅格的坡度值，然后通过取平均值的方式转化到斜坡单元上，并采用自然断点法将斜坡坡度分为5级（见图4（b））。由图4（b）可以看出：研究区东侧和西侧斜坡坡度差异明显，东侧南漳盆地内的斜坡坡度普遍较小，而西侧斜坡坡度却较大。
（3） 地层岩性。不同的岩性具有不同的抗风化能力，从而形成滑坡的难易程度也差异较大，研究区内主要发育2种岩性组合（见图4（c）），分别是碎屑岩类、碳酸盐岩类，其中，碳酸盐岩分布较少，主要集中于研究区西北角，发育2个岩质滑坡、3个土质滑坡。
（4） 覆盖层厚度。覆盖层是研究区土质滑坡发育的物质基础，当降雨或人类工程活动导致抗滑力下降时，上覆土体会在重力作用下发生滑动，引发滑坡。因此，覆盖层厚度是区域浅层堆积层滑坡易发性评价不可或缺的基础数据，但目前国内外还没有获取区域土层厚度准确且经济有效的办法。
研究表明，地形坡度和地形平面曲率与覆盖层厚度相关性最大[17]。本文通过斜坡坡度、地形平面曲率近似得到土层厚度，具体方法如下：① 由于地形坡度较大时，很难堆积较厚的覆盖层，统计发现具有较厚覆盖层的软弱碎屑岩区地形坡度基本都小于30°，为了避免高值对整体结果的影响，将地形坡度大于30°的栅格归为30°。② 同理，为了避免极端平面曲率对结果的影响，将平面曲率大于1和小于-1的栅格分别归为1和-1。③ 将两者归一化后进行叠加，然后根据收集到的南漳县城区土层厚度资料对叠加结果进行赋值。资料显示：平地和斜坡上最大覆盖层厚度分别为14.6 m和8.0 m。斜坡上最小覆盖层厚度为0 m。据此对斜坡上覆盖层厚度进行修正，得到研究区覆盖层厚度分布图（见图5），最后通过取平均值的方式转化到斜坡单元上，并采用自然断点法将平均覆盖层厚度分成5级（见图4（d））。由图4（d）可知：研究区内覆盖层厚度分布不均匀，从西向东，覆盖层厚度逐渐增加，土质滑坡多发生于覆盖层较厚区域。
（5） 断裂构造。地质构造对滑坡发育有重要影响作用，研究区西侧发育多条断裂（见图1）。本文将斜坡单元按距离断裂<200 m、200～500 m、500～1 000 m和>1 000 m进行分类，得到研究区断裂构造分级图（见图4（e））。可以看出，研究区东西两侧断裂构造差异显著，其中，东侧不受断裂构造的影响，中西部及西北角局部受断裂影响较大。
（6） 斜坡结构。不同的斜坡结构发生岩质滑坡的难易程度往往不同，顺向坡更有利于岩质滑坡的发育，而逆向坡则不利于岩质滑坡的发生。结合地层产状，基于GIS软件得到每个栅格的斜坡结构，然后通过取众数的方式转化到斜坡单元上（见图4（f））。由图4（f）可知：研究区东侧基本都是横向坡，而西侧斜坡结构具有明显的差异性。
（7） 水系密度。水对滑坡灾害的形成具有不可或缺的作用，不仅可以软化、潜蚀岩土，降低软弱结构面的强度，增大孔隙水压力，使处于极限平衡状态的滑坡体产生滑动;而且，多次的干湿状态交替变化使得岩土体开裂，产生了大量的裂隙，为地表水的入渗提供了良好的通道，加速滑坡变形破坏。本文用水系密度来反映斜坡单元内地表水的发育状况，通过河流线长度与斜坡单元面积比值得到（单位：km/km2），并采用自然断点法将水系密度分为5级（见图4（g））。 （8） 道路密度、房屋密度。研究区内大规模的建房、修路切坡影响了原始斜坡的稳定性，诱发了滑坡灾害的发生。本文同时考虑修路切坡和建房切坡对滑坡的诱发作用，将斜坡单元内道路总长度与斜坡单元面积的比值作为道路密度（单位：km/km2），将房屋面积与斜坡单元面积的比值作为房屋密度（单位：km2/km2），并采用自然断点法将计算结果分为5级，得到道路密度和房屋密度分级图（见图4（h）～（i））。
4.2 地质环境分区
通过上述9个评价因子的分析及量化处理，可以清楚地看到，斜坡高度、斜坡坡度、覆盖层厚度、断裂构造、斜坡结构在研究区东西两侧差异显著，若对整个研究区进行滑坡易发性评价，会由于某一侧高值的影响，使高易发区集中于一边，影响结论的可靠性。因此，有必要对东侧的南漳盆地和西侧的褶皱山地单独展开易发性评价。
此外，西侧褶皱山地内发育2种岩性，不同岩性滑坡发育的数量差异较大，碎屑岩内发育19处，碳酸盐岩区仅发育5处，为了使评价结果更加可靠，有必要对2种岩性分开进行评价。
鉴于此，本文将研究区共分成3个区块，然后分区块进行滑坡易发性评价，分区结果如图6所示。
3个区块的基本特征如下：
Ⅰ区岩性主要为钙质、黏土质粉砂岩、细砂岩等软弱碎屑岩;由于处于断陷盆地内，相对高程较低，地形坡度较缓，覆盖层较厚;该区不受构造影响，水系较为发育，人类工程活动强烈。
Ⅱ区岩性同样为钙质、黏土质粉砂岩、细砂岩等软弱碎屑岩;由于处于褶皱山地，相对高程较高，地形坡度较陡，覆盖层较少;该区受构造和人类工程活动影响较为明显。
Ⅲ区岩性为奥陶系灰岩，较为坚硬，相对高程较高，地形坡度很陡，受构造影响显著，仅在坡度较缓处，存在少量的覆盖层。
4.3 不同区块因子的选择和权重的确定
4.3.1 评价因子的选择
根据不同区块地质环境特征，对于土质滑坡、岩质滑坡分别选取不同的评价因子（见表4）。
4.4 易发性区划
根据评价因子赋值及权重计算结果，通过加权叠加，分别得到Ⅰ区、Ⅱ区和Ⅲ区的土质滑坡、岩质滑坡易发性结果;然后，将不同区块易发性结果进行拼接，并采用自然断点法进行分级，分别得到土质滑坡、岩质滑坡的易发性区划图（见图7（a）和（b））。
接着，将2种滑坡的易发性结果归一化处理，将处理后的结果分别乘以相应滑坡所占的权重，并将得到的结果进行相加;最后，采用自然断点法对计算结果进行重分类，将易发性划分为极高、高、中和低易发性4个等级，得到考虑地质环境分区的滑坡易发性区划图（见图7（c））。
5 效果评述
为了更好地评价基于地质环境分区的滑坡易发性效果，本文采用层次分析法，同时做出了不考虑地质环境分区的土质滑坡、岩质滑坡易发性区划图（见图7（d）～（e））;并將归一化后的易发性结果按照灾害数量百分比进行叠加，得到研究区滑坡易发性区划图（见图7（f））。基于整个研究区的各评价因子权重计算结果如表11所列。
通过对比土质滑坡的易发性结果（见图7（a）和（d）），可以发现：2种方法得到的土质滑坡易发性区划效果整体都较好，大多数已知的土质滑坡分布在高或极高易发区;而图7（a）中Ⅱ区和Ⅲ区的极高或高易发区与实际更加吻合，土质滑坡集中分布在覆盖层较厚的低洼区域，而高陡的斜坡由于土层难以堆积呈明显的低易发区。
通过对比岩质滑坡的易发性结果（见图7（b）、（e））发现：图7（b）极高或高易发区在整个研究区都有分布，较为分散;而图7（e）中Ⅰ区几乎全是低易发或中易发区，与岩质滑坡的实际分布不是很相符，这主要是由于Ⅰ区岩质滑坡的形成主要受人类工程活动的控制，而其他区域与自然因素较为密切，如果放在一起评价，会使极高、高易发区集中于一个区域，与实际不符。
通过对比图7（c）和图7（f），发现：最终得到的滑坡易发性区划图较为相似，且效果都较好，已查明的滑坡绝大多数分布在极高或高易发区。
为了进一步对比是否考虑地质环境分区的滑坡易发性区划效果，将2种方法得到的易发性区划图和已经发生的滑坡灾害点进行叠加，得到不同易发性分区滑坡数量统计结果（见表12）。
由表12可知：当分区块对滑坡易发性进行评价时，分别有33处土质滑坡、12处岩质滑坡和41处滑坡落入到极高或高易发区，占比分别为82.5%，63.16%和69.49%;当对整个研究区进行滑坡易发性评价时，分别有29处土质滑坡、10处岩质滑坡和36处滑坡分布在极高或高易发区，占比分别为72.5%，52.63%和61.02%。
由此可见：2种方法得到的土质滑坡、岩质滑坡和滑坡易发性效果都较好;而基于地质环境分区的滑坡易发性区划效果更优，主要表现为有更多已知的土质滑坡和岩质滑坡落入极高和高易发区。
值得说明的是：本案例中考虑地质环境分区为改善区域滑坡易发性评价结果准确性仅带来有限程度的提高，这是因为研究区位于城区，滑坡灾害的形成与人类工程活动密切相关。例如，有22处滑坡是由于人类建房、修路切坡所引起（见表1）。因此，道路密度和房屋密度在评价中占有很大的权重（>40%），然而，这2个因子在不同地质环境分区中差异性较小，这是导致本案例中基于地质环境分区的易发性评价效果并不是很显著的主要原因。如何在地质环境分区中进一步细分此类权重大、分布广泛且差异小的因子的影响值得进一步研究。这从侧面说明考虑地质环境分区在区域滑坡易发性评价工作中的重要性。
另外，斜坡高度、斜坡坡度、覆盖层厚度、断裂构造和斜坡结构等因子在研究区差异性较大，虽然这5个评价因子权重之和不超过50%，但是在考虑地质环境分区后，使得最终的易发性区划有略多的土质滑坡和岩质滑坡落入极高和高易发区。这证明了基于地质环境分区的易发性结果更加准确、更加可靠。特别地，当研究区不同区块主控因子均差异较大时，基于地质环境分区将大大提高区域滑坡易发性评价的准确性。 无论如何，研究证明了基于地质环境分区的区域滑坡易发性评价方法的有效性。
6 结 论
本文以襄阳市南漳县城区为例，以斜坡单元为基本评价单元，在地质环境分区的基础上，运用层次分析法对区内土质滑坡、岩质滑坡的易发性进行了评价，主要得到以下结论。
（1） 南漳县城区滑坡高易发区主要分布在人类工程活动强烈、地表水发育和构造发育地区，根据是否考虑地质环境分区的易发性结果可知，基于地质环境分区的易发性结果更加可靠，高易发区与已知滑坡灾害点更加吻合，证明了基于地质环境分区的区域滑坡易发性评价方法的有效性。
（2） 通过分区块对滑坡易发性进行评价，可以解决不同区域评价因子差异较大的问题，而且对滑坡影响越大的因子在区域上差异越大，基于地质环境分区所得到的易发性结果相比于未分区的结果就越准确、越可靠。
（3） 在地质环境分区的基础上开展地质灾害易发性评价工作，是向地质灾害易发性评价精细化方向发展的一个有益尝试，所提出方法具有很强的实用性。
参考文献：
[1] 王佳佳，殷坤龙，肖莉丽.基于GIS和信息量的滑坡灾害易发性评价：以三峡库区万州区为例[J].岩石力学与工程学报，2014，33（4）：797-808.
[2] DEVKOTA K C，REGMI A D，POURGHASEMI H R，et al.Landslide susceptibility mapping using certainty factor，index of entropy and logistic regression models in GIS and their comparison at Mugling-Narayanghat road section in Nepal Himalaya[J].Natural Hazards，2013，65（2）：135-165.
[3] REGMI A D，DEVKOTA K C，YOSHIDA K，et al.Mapping at Haraz watershed，Iran and weights-of-evidence models and their comparison in landslide susceptibility mapping in Central Nepal Himalaya[J].Arabian Journal of Geosciences，2014（7）：725-742.
[4] YESILNACAR E，TOPAL T.Landslide susceptibility mapping：a comparison of logistic regression and neural networks methods in a medium scale study，Hendek region（Turkey）[J].Engineering Geology，2005，79（3-4）：251-266.
[5] 許冲，戴福初，姚鑫，等.GIS支持下基于层次分析法的汶川地震区滑坡易发性评价[J].岩石力学与工程学报，2009，28（2）：3978-3985.
[6] 张桂荣，尹坤龙，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）：42-46.
[7] REGMI N R，GIARDINO J R，MCDONALD E V，et al.A comparison of logistic regression-based models of susceptibility to landslides in western Colorado，USA[J].Landslides，2014，11（2）：247-262.
[8] 鲜木斯艳·阿布迪克依木，何书.基于MIV-BP神经网络的滑坡易发性空间预测[J].人民长江，2019，50（11）：140-144.
[9] 王岩，李远耀，苏红瑞.重庆万州龙驹坝地区滑坡灾害易发性分析[J].人民长江，2017，48（10）：54-58，88.
[10] 杨德宏，范文.基于ArcGIS的地质灾害易发性分区评价：以旬阳县为例[J].中国地质灾害与防治学报，2015，6（4）：82-93.
[11] 王哲，易发成.基于层次分析法的绵阳市地质灾害易发性评价[J].水文地质与工程地质，2007（3）：93-98.
[12] 唐川，马国超.基于地貌单元的小区域地质灾害易发性分区方法研究[J].地理科学，2015，35（1）：91-98.
[13] 霍艾迪，张骏，卢玉东，等.地质灾害易发性评价单元划分方法：以陕西省黄陵县为例[J].吉林大学学报（地球科学版），2014，41（2）：523-528.
[14] 谷天峰，王家鼎，付新平.基于斜坡单元的区域斜坡稳定性评价方法[J].地理科学，2013，33（11）：1400-1405.
[15] 周启鸣，刘学军.数字地形分析[M].北京：科学出版社，2006：52-70.
[16] 薛强，张茂省，李林.基于斜坡单元与信息量法结合的宝塔区黄土滑坡易发性评价[J].地质通报，2015，34（11）：2108-2115.
[17] 王佳佳.三峡库区万州区滑坡灾害风险评估研究[D].武汉：中国地质大学，2015.
（编辑：刘 媛）