不同因素对地质灾害分布特征的影响研究.pdf

4 工程前沿 2023 年 第 12 期 总第 140 期 工程技术研究摘要：文章以某地为研究背景，采用普通最小二乘（OLS）回归评估潜在地质灾害点的空间分布及其影响因素。研究结果表明：潜在地质灾害点具有显著的空间异质性，并表现出显著的聚类特征。在海拔 1 500 2 000 m、地表坡度 10 20、植被覆盖度 0.6 归一化植被指数（NDVI）0.8、月平均降水量 240 mm的范围内，PGDS 呈西向分布（247.5 292.5），即 PGDS 分布在海拔低（200 400 m）、坡度平缓（5 15）、年平均降水量大（1 500 1 600 mm）的地区。坡度、坡向、人口密度和降水量是主要影响因素。研究结果为农村发展提供了切实可行的措施，为潜在的地质灾害点的避免和防备提供了支持。关键词：地质灾害；分布特征；植被覆盖度Abstract:Taking a certain place as the research background,the spatial distribution and influencing factors of potential geological disaster points are evaluated by Ordinary Least Square(OLS)regression.The results show that the potential geological disaster points have significant spatial heterogeneity and show significant clustering characteristics.In the range of altitude 1 500-2 000 m,surface slope 10-20,vegetation coverage 0.6 Normalized Difference Vegetation Index(NDVI)240 mm,PGDS shows a westward distribution(247.5 -292.5 ),that is,PGDS is distributed in areas with low altitude(200-400 m),gentle slope(5-15),and large annual average precipitation(1500-1600 mm).Slope,aspect,population density and precipitation are the main influencing factors.The research results provide practical and feasible measures for rural development and support for 不同因素对地质灾害分布特征的影响研究张科科江西省地质局第五地质大队，江西 新余 338000Research on the Influence of Different Factors on the Distribution Characteristics of Geological DisastersZHANG KekeThe Fifth Geological Brigade of Jiangxi Geological Bureau,Xinyu 338000,Jiangxi,China002.DOI:10.19537/ki.2096-2789.2023.12.近年来，频繁的气候变化和地质灾害严重阻碍了社会经济发展，对全球可持续发展目标的实现构成了严重威胁1。我国是世界上地质灾害发生率和频率最高的国家之一。根据中华人民共和国自然资源部发布的报告，2020 年我国共发生 7 840 起地质灾害，造成 139 人死亡（失踪），58 人受伤，直接经济损失达 502 亿元。“潜在地质灾害点（PGDS）”分布广泛、爆发突然且时间不稳定，对人们的生命和财产造成了严重威胁2-3。当前大多数关于地质灾害的研究主要集中在不同类型地质灾害的时空特征、严重性和易发性评估、对人类生活和生产的影响等方面，很少有研究关注潜在的地质灾害4-5。根据四川省人民政府发布的 四川省“十四五”地质灾害防治规划，截至 2020 年年底，四川约有 3.6 万个地质灾害隐患点，对近 150 万人的生命和 8 500 亿元的财产构成了不同程度的威胁。此外，上述研究主要集中在宏观尺度上，如城市层面、省级和流域层面，忽略了县或镇层面的精细尺度分析。为了更好地描述风险特征并采取预防措施，需深入了解 PGDS 的空间分布特征、模式和影响因素，以做好灾前准备工作。文章以中国西南部某地为案例，首先分析了 PGDS 的空间分布特征和精细尺度空间异质性映射，然后使用普通最小二乘法（OLS）模型确定了PGDS 的主要影响因素，最后提出了基于 PGDS 的灾作者简介：张科科，男，硕士，高级工程师，研究方向为地质灾害勘察。the avoidance and prevention of potential geological disaster points.Key Words:geological disaster;distribution characteristic;vegetation coverage分类号：P694 工程前沿5工程技术研究 第 8 卷 总第 140 期 2023 年 6 月前规划建议。1 研究区域概况该研究区总面积约 2 573 km2。截至 2020 年年底，该县有 26 万人口，分布在 1 个镇和 35 个乡。该地区地质或地貌复杂，以典型的四季模式为特征，年气温11.4。年平均降水量约 814.6 mm，持续时间为 6 9 月，夏季出现大暴雨。该地区复杂的地质、地貌和气候特征引发了多种地质灾害，主要包括山体滑坡、泥石流和崩塌。20162020 年，共发现 75 个 PGDS，导致 722 户农村家庭和 6 821 万元财产处于严重风险中。近年来，随着极端天气条件的加剧和人类工程活动的不断进步，该地区的农村住区面临着更大的挑战和地质灾害的威胁。2 研究方法和数据文章分析了 PGDS 的空间分布特征，构建了普通最小二乘回归（OLS）模型，以确定 PGDS 的主要影响因素。以各单元中 PGDS 的密度作为因变量，在前人研究和实地调查的基础上，将八个变量分为四组：地形、人类活动、气候和生态，其中高程、坡度和坡向代表复杂多变的地形条件；人口密度和 GDP 作为代表人口密度和经济活动的变量。频繁的气候变化影响了降水量的分布和植被的生长，在一定程度上可能导致地质灾害的潜在发生，因此选择降水量和温度作为气候类别的代表。地质灾害事件通常集中在研究区域的夏季 610 月，因此，收集相同时期的降水量和温度数据并对其进行平均。用 NDVI 代表该地脆弱的生态环境。解释变量包括海拔、坡度、坡向、归一化差异植被指数（NDVI）、国内生产总值（GDP）、人口密度、降水量和温度。共 137 个点的 PGDS 数据，矢量数据来自中国国家地理信息目录服务提供的国家 1 10 万公开版本地形数据（2021）；数字高程模型（DEM）数据来自地理空间数据云，用于计算高程、坡向和坡度；人口密度数据来自世界流行数据；GDP、降水量和 NDVI 数据来自资源和环境科学与数据中心。3 主要研究内容3.1 潜在地质灾害点的空间分布PGDS 的统计分析如图 1 所示，该地遭受了众多PGDS，其中泥石流是主要灾害类型，共 69 起，占总数的 50.36%；其次是滑坡，数量为 61 个，占比为44.53%。这两个 PGDS 密集分布在该地河沿岸，不稳定斜坡数量仅为 7 个，占总数的 5.11%，主要分布在研究区南部的两个乡镇。使用 ArcGIS（10.5 版）中的自然断点方法将内核密度图分为四个级别：低、中低、中高和高。结果表明：滑坡的空间分布形成了四个聚集区，其中 A 区、B 区、C 区和 D 区被归类为核心区；泥石流的空间分布形成了两种带状；不稳定斜坡主要集中在 E 区和 F 区的交界处。总之，PGDS 的空间分布与集群的形成具有显著的异质性。3.2 包含解释变量的潜在地质灾害点模式研究区域的海拔为 650 4 100 m，参考之前的研究，将其划分为 500 m 的区间类别，叠加 PGDS，通过统计分析发现，约 95.65%的 PGDS 分布在 2 500 m以下，最大比例的 PGDS 位于 1 500 2 000 m，如下页图 1（a）所示。坡度范围为 0 69.5，按10的间隔分为 7 个等级。92.70%的人口密度出现在 30的斜坡以下，PGDS 的最大百分比分布在10 20，该比率为 48.91%，如下页图 1（b）所示。该方位以 45的间隔分为八个等级，代表八个不同方向，即北部（0 22.5，337.5 360）、东北部（22.5 67.5）、东部（67.5 112.5）、东 南 部（112.5 157.5），西 北 部（292.5 337.5），发现大多数 PGDS 分布在西部方向（占总数的 25.55%），如下页图 1（c）所示。种群密度以500/km2的间隔分为五个等级，大多数 PGDS 分布为500 1 000 人/km2，该比率为 29.20%，如下页图 1（d）所示。GDP 按 2 万元/km2的间隔分为五个等级，大多数 PGDS 分布在 120 万元/km2 140 万元/km2，该比率为 27.74%。NDVI 被分为五个等级，间隔 0.2 个等级，大多数 PGDS 分布在 0.6 0.8，该比率为 60.85%。降雨分为五个等级，间隔 20 mm，大多数 PGDS 分布超过 240 mm，该比率为 41.61%。温度以 2 为间隔分为五个等级，大多数 PGDS 分布在 19 21，该比率为 40.88%。3.3 相关系数和决定因素的影响OLS 模拟结果如表 1（见下页）所示。除温度外，解释变量的 VIF 均低于阈值 10（该变量将在 OLS 模型中删除），表明没有明显共线。从表 1 中可以看出，PGDS 与坡度、坡向、人口密度和降水量显著相关，系数值分别为 1.398、0.137、0.010 和 1.979（P 0.05）。调整后的 R2为 0.549 3，这6 工程前沿 2023 年 第 12 期 总第 140 期 工程技术研究表明该模型的模拟效果好。模型如下：YPGDS=-439.318+1.398X1+0.137X2+0.01X3+1.979X4（1）式中：YPGDS 为各单元中 PGDS 的密度；X1为坡度；X2为地貌；X3为人口密度；X4为降水量。4 结果与讨论4.1 山区农村潜在地质灾害点的空间分布山区农村地区的地理位置偏远，人口稀少，很少受到学术关注。我国大多数山区农村地区易发生地质灾害，阻碍了其发展，而地质灾害诱发贫困（GDIP）是一个经常出现的问题，在精细尺度上研究 PGDS的空间分布和影响因素十分有必要。PGDS 在海拔 1 500 2 000 m 内向西分布（247.5 292.5），分布在低海拔地区（200 400 m）、缓坡（5 15）和高降水量（年均降水量 1 500 1 600 mm）。这是由于地形属性的差异，并突出了地理差异在分析 PGDS空间分布及其影响因素时的重要性。首先，与构建与地形和气候解释变量的因果关系相比，PGDS 的空间分布是识别 PGDS 易感性的一条更简单、有效的途径；其次，滑坡和泥石流的空间分布似乎有可能的相关性，值得进一步研究。4.2 影响因素的地理差异与之前的研究相比，文章发现降雨量和坡度是PGDS 发病率的主要影响因素。另一项研究表明，在类似的山区，人类活动和降雨是突出因素。为了表征这些因素的量级效应，降雨量和坡度与 PGDS 的发生比其他因素具有更强的相关性，强降雨和自然环境特征是 PGDS 发病的主要诱因。自然因素