基于不同方法的泥石流危险性评价对比分析
——以四川汶川七盘沟泥石流为例

杨小凤, 朱 军,,曹云刚,龚 竞,曹振宇,尹灵芝

(1.西南交通大学地球科学与环境工程学院，四川 成都 611756; 2.西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室，四川 成都 610031; 3.四川省应急测绘与防灾减灾工程技术研究中心，四川 成都 610041)

基于不同方法的泥石流危险性评价对比分析
——以四川汶川七盘沟泥石流为例

杨小凤1,2, 朱 军1,2,3,曹云刚1,2,龚 竞3,曹振宇3,尹灵芝1,2

(1.西南交通大学地球科学与环境工程学院，四川 成都 611756; 2.西南交通大学高速铁路运营安全空间信息技术国家地方联合工程实验室，四川 成都 610031; 3.四川省应急测绘与防灾减灾工程技术研究中心，四川 成都 610041)

以汶川县七盘沟泥石流为研究对象，综合灾害环境选择危险性评价指标，以流域划分评价单元，基于熵值法、层次分析法和灰色关联法三种赋权方法，并采用危险性多因子评价模型，设计了基于上述三种方法的危险评价流程，开展了危险评价与有效性分析试验。研究结果得到研究区泥石流危险性级别，从危险分区与泥石流淹没范围以及单位面积内滑坡面积比重可得，熵值法和层次分析法的评价结果中单位滑坡面积随着危险级别的提高而增大，其中熵值法的评价结果精度较高，层次分析法计算结果与其他方法差异较大，灰色关联法没有达到良好的梯度。实验结果表明该实验方法能有效进行七盘沟泥石流危险评价，可为泥石流灾害环境的危险评估和应急预警提供合理和有效的参考依据。

熵值法；层次分析法；灰色关联法；七盘沟泥石流；危险性评价

0 引言

近年来我国泥石流灾害频发，其中西南地区尤为严重。据统计2001～2008年，我国发生泥石流共253 679起，直接经济损失高达312.8×108元[1]。因此对泥石流进行危险性研究对于灾害防治具有重要意义。七盘沟自然灾害频发，据统计大约发生泥石流10次[2]，其中2013年受暴雨影响引发重大泥石流。泥石流危险性评价[3]是指对导致泥石流发生的内外部因素及自身特性进行定量或半定量分析，通过评价模型划分泥石流危害等级，并评估危害程度的过程。

目前，针对泥石流危险评价的方法有很多，根据模型权重确定情况，评价方法可划分为固定性和半固定性两种。其中，前者主要包括刘希林模型等[4-6]。该方法评价因子及权重固定，有些因子获取困难且权重取值为人为设定不能更加客观真实地反应不同区域的危险情况。后者主要包括粗糙集理论[7]、模糊神经网络技术[8]、灰色关联分析法[9]、层次分析法[10]、支持向量机[11]、故障树分析法[12]、熵值法[13]等。该类方法评价因子可根据研究区域具体情况结合专家经验进行选取，权重取值依靠数据计算，可有效排除主观判断影响，评价结果更贴合实际，应用更加广泛。然而，半固定性方法在以流域划分为评价单元的的单沟泥石流危险评价研究中，大多依靠单一方法，评价结果单一缺少比较，且分区结果缺乏验证。

本文以汶川县七盘沟泥石流为研究对象，以流域划分评价单元，结合多因子综合评价模型，设计基于熵值法、层次分析法及灰色关联法三种赋权方法的泥石流危险评估分析流程，利用该三种方法确定研究区各影响因子权重，在此基础上对七盘沟泥石流进行危险性评价分区及分析试验，并以各危险分区内单位滑坡面积进行验证。

1 研究区域概况

七盘沟位于汶川威州，距离县城西南方约7 km，为岷江左岸的一条分支，主沟实际总长约为15.2 km。流域面积约为52.5 km2，海拔约为1.309 km 至4.35 km，地形起伏较大。气候干燥，降雨大多集中在每年的5至9月份，但局部会出现暴雨或特大暴雨现象，此次泥石流就是在7月份遭受到特大暴雨所致，导致90%左右房屋遭到破坏。七盘沟松散物质储量丰富，平缓地带有大量黄土堆积，堆积厚度在几米到几十米不等，植被覆盖高达90%，沟谷被大量植物残体覆盖，岩体主要以白云岩、闪长岩和花岗岩为主，受侵蚀和地震影响松动岩层转变成颗粒状堆积物，这些都造成了沟内松散物质储量大大增加(图1)。

图1 研究区域位置Fig.1 The study area location

2 评价方法

2.1 评价单元划分

Guzzeti[14]将评价单元划分为栅格、地貌、流域、地形以及均一条件单元等5种。而栅格单元在此类研究中应用最为广泛，是将整个区域划分成细小正方形网格，能够记录因子的细微变化，结果较为精确，但是不能保留整体区域内各小区域变化。地貌单元是不规则单元，可以较好的体现小区域地貌特征，但是没有很好保留泥石流发生的流域面积差异情况。地形单元通常表示面积大，地形一致的区域。均一条件单元是评定条件相对均一的地块划为一个单元，但缺少环境和沟谷之间的联系。综合考虑泥石流发生区域的环境条件与流域面积差异，保留泥石流沟与孕育环境之间联系，更加准确的体现灾害发生的真实情况，本文选择以流域单元作为评价单元。

2.2 评价因子提取

泥石流发生影响因子众多，可分为内部和外部因素，其中内部因素包括流域面积、坡度、坡降等，外部因素包括降雨等。泥石流的危险性主要表现为它的破坏能力，泥石流危险性分区指标选取的是否合理将直接影响分区结果的准确性。根据单沟地质地貌特点，流域面积较小，整体降雨情况相差不大，因此没有选择降雨因素。本文选取影响因素见表1。其中流域面积、主沟长度、最大相对高差、地质岩性以及土地利用变化可通过遥感解译获取，主纵坡降为最大相对高差与流域单元首尾两端直线长度比值，平均坡度为依据DEM得到的坡度数据平均值。

表1 泥石流危险度评价因子

2.3 评价方法

(1) 熵值法

根据熵值法赋权可以评判某一指标的离散度，进而得到对整体评价的重要性。熵值法基本思路如下：首先假设有n个样本m个指标，每个样本相对于某一指标取值可得到一个样本矩阵，并对其进行标准化处理，得到矩阵X见公式1：

(1)

式中：xij——样本i相对于指标j的标准化取值。然后计算熵值，见公式2：

(2)

式中：ej——指标j的熵值；k——常数k=1/lnn;yij——j指标下i样本的比重。

最后计算各指标权重，见公式3。

(3)

式中：ωj——指标j的权重。

(2) 层次分析法

层次分析法(AHP)是将与决策有关信息进行多层次分析，并进行定性和定量分析决策的一种方法。层次分析法基本思路如下：首先将实际问题划分为三个结构层次：目标层、准则层和方案层；然后决策者依据判断矩阵标度将各层指标两两比较构建判断矩阵A=(aij)n×n(表2)，是灾害评判领域中较为常用的一种方法。

表2 判断矩阵标度

接着求取判断矩阵特征向量与其最大值，用于判断矩阵的不一致程度，一致性指标公式如公式(4)所示：

(4)

式中：CI——一致性指标;λmax——判断矩阵最大特征值。

随机一致性比率见公式(5)：

(5)式中：CR——随机一致性比率;n——判断矩阵阶数;RI——平均随机一致性指标(表3)。

当CR<0.1时，说明判断矩阵具有良好的一致性，否则重新判断。

最后利用公式(6)获得各因子权重。

表3 平均随机一致性指标

(6)

(3) 灰色关联法

灰色关联法是根据因子间变化的相似性判定各因子之间关联程度的一种方法。灰色关联法主要思路为：首先将评价因子组成的数列Xi均值化之后计算绝对差，进而得到关联系数，见公式(7)。

(7)

式中：εij——关联系数，Xi(k)，Xj(k)分别为比较序列和参考序列，Δmin，Δmax分别为序列绝对差的最小值和最大值，ρ为分辨系数，一般取值为0.5。

然后通过公式(8)计各因子之间的关联度。

(8)

最后重复以上步骤，依次交换参考序列，得到关联矩阵R=(rij)n×m，因子权重计算公式为公式(9)所示：

(9)

(4) 评价模型

首先将每个单元因子取值分级量化，然后通过泥石流危险性多因子综合评价模型公式如公式(10)所示，计算每个单元泥石流危险度并保存到属性表中。

(10)

式中：H——泥石流危险度；ωi——因子权重；Xi——每单元各因子指标赋值；n——因子个数。

3 实验与分析

3.1 评价单元划分

本文为确保研究区域沟谷与其他影响因素之间的联系，参照文献[13]以更能表现地形特性的流域单元进行划分，划分方法如下：首先利用ArcGIS裁剪出研究区DEM数据见图2；然后顺着低洼区进行矢量化得到区域水流分布网并与主沟交汇，最后利用水网将整个流域划分成不同单元见图3，整体划分为45个评价单元，各单元滑坡分布情况见图4。

3.2 评价因子计算

通过资料查找与遥感影像解译获取每个单元内相应的评价因子实际取值，具体数值见表4，并依据表5进行转换。

图2 研究区域DEMFig.2 The DEM of study area

图3 研究区域划分单元Fig.3 The units of gully

图4 泥石流及滑坡分布Fig.4 The distribute of debris flow and landslide

流域单元流域面积/km2主沟长度/km相对高差/km主纵坡降/%平均坡度/(°)土地利用类型岩性115122946321200903632411212481881128806853805412306261224095407793596312431082799322511523406811553103474363710473202011633973292396112033339311703940728070309654115412811742261150606663531611928342965425114343425011100209085805830680335421211005402850207072632321131201500473051010794276212130130064405930921402871214047207550779103239048121524382482433617473050011160277039007131830381901217074915190704046325071111811621915434722702251911191440181542132321220221120012105650491086935311122118642856427914982905211220228060006451074324841223219532354169128935067112401710519044608593202212250857164109920604328411126306328824012139234997112709361668096305773265812284984341135221033346241129046911650676058032952123013591959320316353676311311620213831611478376921132076116232817173537275113302450753064408563902012340467100709790972397651135016708590842098043271123605751244256720643851311370312092805470589340702338007503730248066431268233906881353074405503081334400437108719671809281743441070205591739311217785234205670402167741772387934431492094222642403317494444084019212909151438726424500850454054311954721112

表5 泥石流危险因子实际值转换[13,15]

获得评价因子转换数据矩阵之后，需要计算各因子权重，不同赋权方法计算结果如下：

(1)熵值法

熵值法可以直接利用评价因子转换数据矩阵通过熵值法公式处理过程得到各因子权重为：

(2)层次分析法

参照各因子实测数据和判断矩阵标度，完成判断矩阵构建(表6)。

表6 因子权重判断矩阵

上述矩阵最大特征值为7.399，一致性指标CI(式4)取值为0.067，平均随机一致性指标RI通过表2知道为1.36，一致性比例CR(式5)为0.049小于0.1，说明上述判断矩阵满足要求。因此因子权重经由公式(6)计算为：

(3)灰度关联法

灰度关联法与熵值法相似，直接依据评价因子转换数据矩阵计算经由灰度关联法公式处理获得各因子权重为：

3.3 泥石流危险性评价

依据获取的评价因子转换数据矩阵以及上述不同方法计算获取的因子权重代入公式(10)，计算得到各评价单元内相应的危险度大小。利用ArcGIS软件将不同方法计算各评价单元危险度数据输入到属性表中，并进行危险性评定，本文泥石流危险性分区是依据熵值法方法下自然断点法，对各单元评定结果进行分区，级别见表7，分区结果见图5。

表7 泥石流危险性等级划分标准

图5 三种方法获得七盘沟泥石流危险性分区图(左图为熵值法评价结果，中图为层次分析法评价结果，右图为灰色关联法评价结果)Fig.5 Three methods for Qipangou debris flow risk zoning map(The results of entropy method, AHP, grey relational analysis)

3.4 评价结果验证

为了验证评价结果合理性，本文将强降雨引发泥石流和滑坡数据与危险分级结果对比分析。首先提取泥石流和滑坡发生点，计算各个评价单元的滑坡面积比例并进行分级，结果见图6。然后分别统计了三种评价方法不同危险分区内滑坡点数、所占的面积以及单位面积内滑坡面积比重，结果见表8，比重分区见图7。

结果显示，从整体上看，三种方法对于极高危险区的评价都比较一致，但是层次分析法总体评价的危险性较低，而熵值法的评价结果与实际的滑坡分布密度最为一致，且熵值法中单位面积内滑坡面积随着危险级别的提高而增大，且滑坡比图和危险分级图一致性较高。同时三种方法分别得到86.7%、71.1%以及81.25%的滑坡点位于中度及以上危险范围，符合研究区内的滑坡实际情况。因此，验证方法能够很好地验证评价结果的准确性，该研究方法也能较好的适用于此研究中。

图6 各评价单元内滑坡面积比Fig.6 Landslide area ratio of each evaluation unit

评价方法评价等级面积/km2滑坡数滑坡面积/km2单位面积内滑坡面积极低328335011810036低66755120263400395熵值法中168687251267600751高211098702349901113极高40247161022602541极低3525450118100335低2174093213016005987层次分析法中220454722479101125高0625730100301603极高40247161022602541极低62872120408300649低66755120263400395灰色关联法中172623271313200761高177125612014101137极高40247161022702541

通过上述结果分析得到结论如下：

(1)采用多因子综合评价模型，依据特定环境选择评价因子并计算取值，有效排除主观判断影响，模型因子权重计算即选择客观赋权的熵值法和灰色关联法也选择主观赋权的层次分析法，通过多种方法比较，可以在满足客观分析的同时也考虑的主观意愿，在体现各自优点的同时也可以分析不足，使得评价结果更贴合实际，提升可靠性。

(2)依据危险分区与单位滑坡面积分级图等结果来看，熵值法危险分区差异明显，很好的体现了滑坡分布情况，有较好的评价结果；层次分析法中虽然二者分级结果一致，但危险分区结果与其他方法差异较大；灰色关联法没有达到良好的梯度，其中极低危险区中单位面积内的滑坡面积比重高于低危险区的。同时依据历史滑坡数据与各评价单元内滑坡面积比图来看，熵值法和实际的滑坡密度比较接近，且与单位面积内滑坡面积比重分级更为一致。以熵值法为基准得到极低危险度占6.318 7%，低危险度占12.846 9%，中危险度占32.463 5%，高危险度占40.625 5%，极高危险度占7.745 4%。

图7 三种方法获得单位面积内滑坡面积比重分级(左图为熵值法结果，中图为层次分析法结果，右图为灰色关联法结果)Fig.7 Three ways to get the proportion of landslide area in unit area(The results of entropy method, AHP, grey relational analysis)

(3)在针对七盘沟泥石流危险评价过程中，熵值法权重不仅是依据实地环境下的因子取值提供的信息大小来确定的，而且七盘沟地形复杂，信息量较大，一些因子的观测值之间差异较大，离散程度较高，这些因子在整个评价过程中的作用也较为重要，符合熵值计算因子权重原理，因此熵值法在此过程中更为合理。虽然熵值法评价结果与图6存在差异，但是是因为差异单元内的因子取值除了岩性外，其他因子取值都较大所致。

4 讨论

近年来，汶川地区地质灾害造成了巨大社会经济损失。泥石流灾害尤为严重，对泥石流进行危险评价对防灾减灾具有重要意义。本文以泥石流频发的七盘沟为例，对其孕育环境进行危险性评价研究，通过本文方法进行以下讨论：

(1)以流域划分评价单元，相较于其他四种方法，综合考虑泥石流发生区域的环境条件与流域面积差异，能更好的确保研究区域沟谷与其他影响因素之间的联系，保持沟谷的完整性，更加准确的体现灾害发生的真实情况。评价因子选取充分考虑了研究区域特定环境，并采用多因子评价模型，评价结果更加符合客观实际。

(2)基于熵值法、层次分析法和灰色关联法的三种赋权方法确定因子权重，实现研究区域的危险评价与分析。其中依据危险分区、淹没范围和单位面积内滑坡面积比重及其分级图对这三种方法进行了比较，熵值法的评价分区与实际泥石流淹没范围以及滑坡面积比重情况有较好的吻合，随着危险级别越高滑坡和泥石流比重越大，评价结果精度较高，层次分析法虽然也有较好的梯度，但是危险分区中高、中以及低危险度与其他方法差异较大，区域差异不是很明显，灰色关联法虽然与熵值法结果相似，但是在极低和低危险度中没有达到良好的梯度。

(3)在单沟泥石流危险评价结果验证中，本文不仅依据泥石流淹没范围，同时也首次考虑研究区域整体滑坡情况。通过泥石流淹没范围和单位面积内滑坡面积比重及其分级图与危险分区进行比较分析，验证评价结果的准确性，使得结果更加精确合理。

实验方法与结果可以为有效进行七盘沟泥石流危险评价，为泥石流灾害环境的危险评估和应急预警提供合理和有效的参考依据。

[1] 牛岑岑.泥石流危险度评价指标的提取与等级划分[D].吉林：吉林大学,2013. NIU Cencen. Index selection and rating for debris flow hazard assessment [D]. Jilin: Jilin University,2013.

[2] 曾超, 崔鹏, 葛永刚,等. 四川汶川七盘沟“7·11”泥石流破坏建筑物的特征与力学模型[J]. 地球科学与环境学报, 2014(2):81-91. ZENG Chao, CUI Jian, GE Yonggang, et al. Characteristics and mechanism of buildings damaged by debris flows on 11 July, 2013 in Qipangou of Wenchuan, Sichuan [J]. Journal of Earth Sciences and Environment, 2014(2):81-91.

[3] 李建林,韩乐,张洪云.河南省泥石流危险度分区[J].中国地质灾害与防治学报,2012,23(3)：28-31. LI Jianlin, HAN Yue, ZHANG Hongyun. Hazard degree zonation of debris flow in Henan Province[J]. The Chinese Journal of Geological Hazard and Control, 2012,23(3)：28-31.

[4] 刘希林,莫多闻.泥石流风险评价[M].成都:四川科技出版社,2002:18-26. LIU Xilin, MO Duowen. Debris flow risk assessment[J]. Chendu: Sichuan Science and Technology Press, 2002:18-26.

[5] 杨小凤,曹云刚,冯薪朗,等.基于无人机高分影像的七盘沟泥石流风险性评价[J].灾害学,2016,31(2):206-212. YANG Xiaofeng, CAO Yungang, FENG Xinlang,et al. Risk assessment of Qipangou debris flow based on UAV image[J]. Journal of Catastrophology, 2016,31(2):206-212.

[6] 王春山, 巴仁基, 周洪福,等. 四川省石棉县县城泥石流灾害风险评估[J]. 水土保持研究, 2014, 21(4):219-223. WANG Chunshan, BA Renji, ZHOU Hongfu,et al. Risk evaluation of debris flows in urban area of Shimian county of Sinchuan province[J]. Research of Soil and Water Conservation, 2014, 21(4):219-223.

[7] LI Ju, CHANG Jin Yi, WANG Xing, et al. Application of rough set feature selection in the hazard assessment of debris flow[C]. International Conference on Materials Engineering for Advanced Technologies, Singapore,ICMEAT, 2011:1051-1053.

[8] 曹禄来,徐林荣,陈舒阳,等.基于模糊神经网络的泥石流危险性评价[J].水文地质工程地质,2014,41(2):143-147. CAO Lulai, XU Linrong, CHEN Shuyang,et al. Assessment of debris flow hazard based on Fuzzy Neutral Network[J]. Hydrogeology & Enginering Geology, 2014,41(2):143-147.

[9] 代贞伟, 魏云杰, 吕韬,等. 三峡库区某滑坡变形影响因素的灰色关联分析[J]. 中国地质灾害与防治学报, 2016,27(1):32-37. DAI Zhenwei, WEI Yunjie,LYU Tao, et al. Deformation influence factors of a landslide in Three Gorges Reservoir area based on grey correlation analysis [J]. The Chinese Journal of Geological Hazard and Control, 2016, 27(1):32-37.

[10] 陈君, 王浩, 戴强. 湖北恩施市降雨引发滑坡灾害的风险评价[J]. 中国地质灾害与防治学报, 2016,27(1):15-21. CHEN Jun, WANG Hao, DAI Qiang. Risk assessment of landslide hazard caused by rainfall in Enshi city [J]. The Chinese Journal of Geological Hazard and Control, 2016, 27(1):32-37.

[11] YUAN Lifeng, ZHANG Youshui. Debris flow hazard assessment based on support vector machine[J]. Wuhan University Journal of Natural Sciences, 2006, 11(4):897-900.

[12] 吴强,徐林荣,陈宏伟,等.基于故障树分析法的亚热带地区泥石流危险性评价[J].水土保持通报,2014,34(6):316-320. WU Qiang, XU Linrong, CHEN Hongwei, et al. Hazard assessment of debris flow in subtropical area based on fault tree analusis[J]. Bulletin of Soil and Water Conservation, 2014,34(6):316-320.

[13] 杜国梁,高金川,胡新丽. 基于GIS和组合赋权的岷县板达沟泥石流危险性评价[J]. 自然灾害学报, 2014,23(4)235-241. DU Guoliang, GAO Jinchuan, HU Xinli. Debris flow hazard assessment of Banda Gully in Minxian Country based on GIS and combination weighting method[J]. Journal of Natural Disasters, 2014,23(4):235-241.

[14] Fansto Guzzentti, Alberto Carrara, Mauro Cardinali, et al. Landslide hazard evaluation: a review of current techniques and their application in amulti-scale syudy central Italy [J].Geomorphology, 1999,31(1-4):181-216.

[15] 任启龙,王利,杜鹏.大连市北部水源地泥石流危险性评价[J].自然灾害学报,2014,23(3):250-256. REN Qilong, WANG Li, DU Peng. Hazard assessment of debris flows in Dalian City’s northern water head site[J].Journal of Natural Disasters, 2014,23(3)250-256.

Risk assessment of Qipangou debris flow based on determining weight method and effectiveness analysis

YANG Xiaofeng1,2,ZHU Jun1,2,3,CAO Yungang1,2,GONG Jing3,CAO Zhenyu3,YIN Lingzhi1,2

(1.FacultyofGeosciencesandEnvironmentalEngineering,SouthwestJiaotongUniversity,Chengdu,Sichuan611756,China;2.National-LocalJointEngineeringLaboratoryofSpatialInformationTechnologyforHigh-speedRailwayOperationSafety,SouthwestJiaotongUniversity,Chengdu,Sichuan610031,China;3.SichuanEngineeringResearchCenterforEmergencyMapping&DisasterReduction,Chengdu,Sichuan610041,China)

In this paper, Qipangou debris flow was selected as the research object to carry out hazard assessment and analysis experiments. First, environmental indicators of disaster risk assessment on the partial river basin units were integrated. Then, analysis hierarchy process (AHP) and gray correlation method, the influence factor weights were calculated. Meantime, a multi-factor comprehensive model was used to design a hazard assessment flow based on the three methods. Finally, hazard assessment and analysis experiments were carried out. The research results show that debris flow hazard level. From hazard level, mudslides inundated area and per unit area of the landslide area proportion available, the evaluation results of the entropy value method and AHP in landslide area unit increase with the increase of level of risk. The evaluation results accuracy of entropy value method is higher, AHP is quite different from other methods, gray correlation method does not achieve a good gradient. The proposed method is effective on the aspect of hazard assessment, which can provide important and timely reference for emergency decision and early warning management of debris flow disasters.

entropy method; analysis hierarchy process; gray correlation method; Qipangou debris flow; hazard assessment

10.16031/j.cnki.issn.1003-8035.2017.01.04

2016-05-31;

2016-06-23

国家自然科学基金项目(41271389)；国家自然科学基金项目(41201434)；四川省应急测绘与防灾减灾工程技术研究中心重点开放基金(J2014ZC17)；四川省应急测绘与防灾减灾工程技术研究中心开放基金资助项目(K2014B016)

杨小凤(1989-)，女，山东临沂人，硕士研究生，研究方向为虚拟地理环境、地理信息系统应用研究。E-mail:yxf14j@163.com

P612.23

A

1003-8035(2017)01-0022-08