作者简介:孙晓丹(1982-),女,工程师,主要研究方向为水工环地质调查。E-mail: 630300525@qq.com
通信作者:孙帅涛(1990-),男,工程师,主要研究方向为工程地质勘察。E-mail: 243857207@qq.com
1.河南省地质科学研究所有限公司 郑州 450001;2.河南省第四地质勘查院有限公司 郑州 450001
1.Henan Institute of Geological Sciences Co., Ltd., Zhengzhou 450001, China;2.The Fourth Geological Exploration Institute of Henan Province Co., Ltd., Zhengzhou 450001, China
Debris flow; Hazard; Vulnerability; Risk; Multi-source data; Malipo County
DOI: 10.13512/j.hndz.2026.05.21
泥石流是山区最具破坏性的自然灾害之一,历史上多次造成了巨大的人员伤亡和财产损失。例如,甘肃舟曲“8·8”特大泥石流事件导致约1765人遇难或失踪[1],这一惨痛教训表明,泥石流的暴发通常会对生命财产安全造成严重威胁。在全球范围内,泥石流灾害频发且破坏力极强[2],尤其在极端降雨事件增多的背景下,泥石流灾害的发生频率和强度也在不断加剧。研究表明,全球气候变化使得极端降雨事件变得更加频繁和剧烈[3],在山区,高强度降雨容易触发坡面失稳,进而引发泥石流等灾害链。此外,不合理的人类开发活动如植被砍伐、矿产资源开采和工程建设等,也加剧了泥石流灾害的发生[4],通过破坏山地生态环境,减少地表植被覆盖和土壤的稳固性,为泥石流的形成提供了更加有利的条件[5]。这种自然和人为因素交织作用在中国西南部边境山区尤为突出[6]。
国内外关于泥石流风险评价的研究主要集中在两大方向:一是泥石流的致灾危险性分析,二是泥石流易损性评估。近年来,基于多源数据(如遥感影像、数字高程模型等)开展泥石流风险评估已成为重要的研究趋势[7-9]。国内学者普遍采用GIS和层次分析法(AHP)结合多因子加权叠加的方法进行泥石流危险性评估[10],并结合社会经济因素探讨易损性与风险的关系[11]。国际上,泥石流风险评估已广泛应用于不同地理区域,特别是在滑坡泥石流频发的国家和地区,风险区划和预警系统已逐步形成[12]。然而,针对特定山区如云南省麻栗坡县的泥石流风险评估研究仍较为稀缺,特别是将社会经济因素纳入评估框架的研究较少。
本文以云南省麻栗坡县为研究区域,结合气候变化和人类活动对泥石流风险的影响,采用多源自然与社会经济数据,构建泥石流灾害风险评估模型。研究从泥石流致灾危险性和易损性两个维度进行分析,通过GIS空间分析和层次分析法(AHP)进行风险评价,旨在揭示影响麻栗坡县泥石流风险的关键因素,并为制定针对性的防灾减灾措施提供科学依据。研究还将探索危险性与易损性相结合的风险评估框架,为类似山区地质灾害风险研究提供理论支持和方法参考。麻栗坡县位于云南省东南边境,地形起伏大、降水丰富,是泥石流灾害的易发区。近年来,县域内泥石流灾害频发,造成了显著的人员和财产损失,因此开展该区域的泥石流灾害风险评估具有重要的实践价值。本研究将填补麻栗坡县泥石流灾害风险评估方面的空白,并为当地灾害管理和国土规划提供科学支撑。
麻栗坡县位于云南省东南部,全县地处云贵高原向越北山地过渡带,山高谷深,地形地貌复杂多样。境内海拔高差悬殊,最高峰老山主峰海拔2052 m,县城所在地海拔约430 m,相对高差达1600 m以上。地势总体高海拔区主要分布在县域东北部山区和中部,海拔多在2000 m以上,地形起伏明显,坡度较陡。中等海拔区主要位于县域中部地带,为山间丘陵地貌,地势较为过渡。低海拔区集中在东南部河谷及沿边地区,海拔普遍在1000 m以下,地势较为平缓,坡度在25°以上的陡坡面积占比较大,研究区位图见图1。地质构造方面,麻栗坡县处于南盘江断裂带和红河断裂带影响范围,区内断裂构造发育,岩体多破碎。主要岩性为砂页岩、板岩及花岗岩,岩质软硬不均且多节理裂隙,部分区域岩土体稳固性较差,为泥石流提供了丰厚的松散物源[4]。麻栗坡县属亚热带季风气候区,年均降雨量约1800 mm,但时空分布极不均匀。每年5—10月的雨季降水量占全年七成以上,常有短历时高强度的暴雨发生。据当地气象记录,24 h最大降雨量历史可超过200 mm,极端降水事件频繁,是诱发泥石流的重要触发因素。由于地处低纬高原,麻栗坡常受热带气旋及西南季风影响,局地暴雨强度大且集中,降雨和地形的耦合作用使该区泥石流具有明显的季节性暴发特征。此外,麻栗坡县人口约25万人,县城天保镇是人口和经济最为集中的区域,也是交通枢纽和贸易口岸。随着经济社会发展,全县基础设施建设和资源开发活动明显增多,尤其是矿产开采、公路修筑和坡地农业等在人口集中区域更为密集。这些人类活动在带动经济发展的同时,也不同程度地扰动了自然坡面的稳定状态,增加了地表水土流失和松散物质堆积,从而潜在地提升了泥石流灾害的孕灾环境易发性。
图1 研究区位图Fig.1 Location map of study area
研究所需数据主要包括:
1)自然环境数据:利用ASTER GDEM数据获取数字高程模型(Digital Elevation Model, DEM),分辨率30 m,用于提取坡度、地形起伏度等地形因子;收集麻栗坡县及周边区域地质构造图和1:20万区域地质图,提取主要断层位置和岩性分布;获取研究区多年日降雨量观测资料以及TRMM卫星降雨产品,对近20年极端暴雨事件进行统计分析,提取年均降雨量和最大日雨量等降雨因子。其数据来源详见表1。
表1 数据来源Table 1 Data source
2)社会经济与土地利用数据:来自麻栗坡县统计年鉴和云南省国土部门的数据,包括乡镇级人口密度、GDP密度,结合道路分布图提取道路网密度;利用多时相的Landsat 8 OLI遥感影像,经过辐射校正和监督分类,生成土地利用/覆盖分类图,重点提取林地、耕地、城镇建设用地的空间分布,计算植被覆盖度等,植被覆盖度可通过归一化植被指数(Normalized Difference Vegetation Index, ND‐VI)表征。
3)泥石流灾害点与历史灾情数据:收集云南省地质灾害数据库和当地应急管理部门资料,获得麻栗坡县已记录的泥石流沟谷分布和历史泥石流灾害点位,用于模型训练和结果验证。这些数据经过坐标统一转换至WGS 84地理坐标系,并裁剪至研究区范围。在数据预处理过程中,对DEM进行填洼和滤波,保证水流路径连贯可靠;对遥感影像进行大气校正并应用NDVI阈值提取植被覆盖度;将矢量格式的断层、道路等转换为栅格格式并核对空间精度;将不同时期、不同来源的数据通过GIS叠置,分辨率统一为30 m,以便进行空间分析计算。
上述多源数据的获取为泥石流危险性及易损性评价提供了基础支撑。在GIS平台下,对不同比尺和格式的数据进行栅格化或矢量化处理,以保证空间分析的一致性。其中,自然环境因子栅格数据的像元大小统一设定为30 m×30 m,与DEM分辨率一致;社会经济因子如人口、GDP密度则根据行政区统计数据按乡镇范围均值赋予栅格,分辨率取90 m以平滑处理人为统计单元的突变。在因子计算过程中,对极端值进行截断或标准差限制,以减小异常值对综合评价的影响。例如,对年最大日降雨量超过300 mm的像元采用300 mm上限,以避免极少数网格的不合理放大作用。经过上述预处理,最终得到一系列标准化的空间因子图层,为后续泥石流危险性、易损性评价模型的建立奠定了数据基础。
根据麻栗坡县泥石流发生的影响机理,结合已有研究和资料分析,选择了地形、降雨和地质等三类主要因子作为危险性评价指标。具体包括:坡度和起伏度,代表地形陡峻程度;年均降雨量和日最大降雨量,代表降雨诱发条件;距主要断层距离和岩性稳定性,代表地质构造因素。植被覆盖率(NDVI)和土地利用类型是反映地表状况的重要辅助指标,其中植被状况在一定程度上影响土体的抗冲刷能力,从而间接反映人为影响程度[5]。通过相关性分析和专家咨询,初步选定了五个关键因子:坡度、起伏度、最大日降雨量、距断层距离和植被覆盖率,最终构成了泥石流危险性评价体系。其中,坡度和降雨量是直接影响泥石流易发性的主要因素;断层和岩性则通过影响物源稳定性间接作用;而植被覆盖率作为减灾因子,可以减缓坡面侵蚀,因此反映出相对较低的危险性。
采用层次分析法(Analytic Hierarchy Process, AHP)确定各危险性因子的权重[6]。首先构建评价目标、准则和指标三层层次结构,以泥石流危险性为总目标层,地形、降雨、地质为准则层,各具体指标为方案层。组织多位具有泥石流研究和防治经验的专家对各指标重要性进行对比打分,构建判断矩阵。然后计算并进行一致性检验得到各指标的相对权重。经过AHP计算,本研究中坡度因子权重最高(约0.30),显示坡度在泥石流发生中最为关键;其次是最大日降雨量(约0.25)和起伏度(0.20);距断层距离和植被覆盖率因子权重相对较低,分别约为0.15和0.10。权重排序与专家认识基本一致,一致性比例CR远低于0.1,满足一致性要求。
在获得各指标标准化值(0~1之间)及其权重后,采用加权线性叠加模型计算泥石流危险性综合指数:

式(1)中, wi为第i个指标权重; xi为对应指标的标准化取值。研究在ArcGIS环境下,对每一栅格单元执行上述权重叠加运算,生成泥石流危险性指数空间分布图。为便于解读,将连续型的危险性指数划分为五级:极低、低、中等、高和极高危险区。分类阈值根据自然间断点分级法(Jenks)并参考历史灾害点密度确定,确保高危险区覆盖绝大部分已知泥石流沟谷和灾害点。最终得到麻栗坡县泥石流危险性区划图,并统计各等级区域的面积占比和空间分布特征,用于分析危险性格局。
泥石流易损性主要反映承灾体暴露程度和脆弱性。根据麻栗坡县实际情况,从人口、经济、土地和基础设施四个方面选取评价指标[10]。具体包括:人口密度(人/km²)衡量人员暴露程度,GDP密度(万元/km²)代表经济活动强度,土地利用类型用以区分居民地、耕地等不同用途(土地利用系数以城镇建设用地最高、林地最低表示抗灾能力差异),以及道路网密度(km/km²)反映交通基础设施分布。考虑到泥石流对生命安全和经济财产的综合威胁,上述指标共同作用决定了一个区域遭受泥石流冲击时的潜在损失程度。与危险性指标类似,对易损性指标进行量纲统一和标准化处理:人口密度和GDP密度根据统计极值按0~1线性归一化;土地利用类型赋值采用经验分值法,如城镇建设用地取1.0、乡村居民地0.8、耕地0.6、林地0.2等;道路网密度经归一化后可反映区域交通通达程度。
由于易损性各指标具有不同量纲和重要性,研究同样采用AHP法确定权重[11]。根据专家判断,人口密度和GDP密度权重最高,分别约0.35和0.25,表明人口和经济因素对泥石流损失的影响最为直接;道路网密度次之,权重约0.20;土地利用类型相对次要,权重约0.20。对该判断矩阵进行一致性检验,得到CR=0.07,满足要求。然后,对各指标栅格层按上述权重进行线性加权叠加,计算泥石流易损性综合指数:

式(2)中, wj为第j个易损性指标权重; yi为对应指标的标准化取值。计算得到的易损性指数越大,表示区域内人口、财产等承灾体越集中、抗灾能力相对越弱。将易损性指数按照自然间断点法分为五级,对应极低、低、中、高和极高易损区。值得注意的是,易损性评价中各指标间可能存在一定相关性(例如人口与GDP密度趋于同域分布),但因模型旨在突出承灾体“暴露”程度,适当的相关性不会影响对高易损区域的识别。
易损性指数图生成后,我们对易损性分级结果进行了合理性分析。结果表明,高易损区主要分布在麻栗坡县城及周边,乡镇政府所在地等人口聚集区域也表现为中高易损性;而大部分山区林地、自然保护区等区域由于人口稀少、经济活动弱,易损性普遍偏低。这一分布特征与实际情况相符,也与Wu等对滇边境地区易损性的研究结果类似[12]。在缺乏直接灾损数据的情况下,通过与人口经济分布的核对,可以间接验证易损性评价的可信度。总体而言,本研究构建的易损性指标体系和评价模型能够有效反映麻栗坡县泥石流承灾体分布及脆弱性差异,为后续风险评估奠定基础。
在获得泥石流危险性和易损性空间分布的基础上,综合风险评价采用风险矩阵叠加法。具体过程如下:首先,将危险性分区图和易损性分区图在GIS中进行栅格逐像元叠加,得到危险-易损组合矩阵。依据一般灾害风险定义,危险性等级和易损性等级的组合决定了风险等级[13]。我们按照高危险+高易损对应最高风险,高危险+低易损或低危险+高易损对应中等风险,低危险+低易损对应最低风险的原则,制定泥石流风险等级判别标准(见表2)。例如,某像元危险性为“高”、易损性为“极高”,则综合判定为“极高风险”;危险性“中”、易损性“中”为“中等风险”;危险性“极低”且易损性“低”则为“极低风险”。这种风险矩阵方法在地质灾害风险区划中应用较为广泛[14-15]。其次,将上述判别规则应用于全县栅格数据,生成泥石流灾害综合风险分区图。最后,对风险分区图进行精度检验与调整。一方面,将已知泥石流历史灾害点的位置与风险分区图进行对比,检视这些点是否落入高风险等级区域。据统计,麻栗坡县记录的泥石流灾点大部分位于本次评估的高或极高风险区内,验证了模型结果的有效性[16]。另一方面,对于少数与常识不符的局部,如个别无人区因单一指标极端值被判为高风险,我们参考专家意见进行了风险等级的适当降级处理。通过以上步骤,获得了麻栗坡县泥石流风险评价和区划结果。
表2 泥石流风险等级判定矩阵Table 2 Judgment matrix of debris flow risk levels
为进一步揭示泥石流危险性空间格局的形成机制,本文选取温度、坡度、起伏度和植被覆盖度(NDVI)等关键因子,构建危险性指标体系并进行空间分析(见图2)。其中麻栗坡县西南部地区降雨强度大(图2(a))、地形陡峭(图2(b))、地貌起伏强烈(图2(c))、植被覆盖相对稀疏(图2(d)),具备泥石流孕灾环境的典型特征,为高危险区的空间定位提供了数据支持。
图2 危险因子Fig.2 Risk factors
依据上述方法生成的麻栗坡县泥石流危险性分布图如图3所示。总体来看,研究区泥石流危险性具有显著的空间分布特征,高危险区主要集中在县境西南部靠近南温河及盘龙河流域一带以及东北部边境山区,这些区域地形切割强烈、坡陡谷深,具备泥石流孕育的有利自然条件。尤其是天保镇附近的山地,坡度普遍在25°以上,多条大型沟谷沿断裂发育,是典型的泥石流高易发地带。经统计,高和极高危险等级区域总面积约占全县的28%,对应分布于沟密坡陡的中低山地段。中等危险区分布较为零散,主要位于高危险区的过渡地带,以及县境中部一些坡度中等、温度适中的区域。这类区域虽然具备一定的地形坡降和物源,但降雨等条件略逊于高危险区,因而泥石流发生可能性居中。低危险区主要位于县境南部的高海拔林区(如都龙镇、杨万乡南部)。
图3 危险评价结果Fig.3 Risk assessment results
从主控因素看,坡度和降雨的空间分布对泥石流危险性格局影响最大。高危险区域往往对应坡度大于25°的山地,并叠加有年降雨量超过2000 mm的降水中心。例如天保镇以西的老山地区既是陡峭斜坡集中区,又是强降雨多发区,历史上已多次发生泥石流。在这些区域,即使无人为扰动,单凭自然条件也容易孕育泥石流。而低危险区域通常坡缓谷浅,如北部麻栗镇周边山坡多在15°以下且覆盖茂密植被,即使遭遇暴雨,坡面产流和泥石混合也相对有限,难以形成规模较大的泥石流。此外,地质构造和岩性在局地起到调节作用。县内沿主要断层带(如老山断裂)附近,由于岩体破碎、地下水汇聚,沟谷切割更深,潜在危险性有所提高。同样地,在不稳固的砂页岩区域更容易产生松散崩解物,增加泥石流物源。但这些因素的影响范围较局部,反映在危险性图上往往是高危险斑块镶嵌于整体趋势之中。为了定量说明各危险等级分区情况,表3列出了麻栗坡县泥石流危险性各等级面积及占比。可以看出,高危险区面积约520 km²,占全县26.4%;极高危险区面积约98 km²,占4.9%。两者合计超过三成,是需重点监测防范的区域。中等危险区面积约600 km²,占30.5%,属于次高风险区。低危险和极低危险区域面积分别约450 km²和300 km²,合计占38.2%,主要对应环境较稳定的北部林区和部分盆地。
表3 麻栗坡县泥石流危险性分区面积统计Table 3 Area statistics of debris flow hazard zoning in Malipo County
从人口、经济、土地利用与基础设施四个维度选取关键因子构建易损性指标体系(见图4)。图4(a)显示土地利用类型中林地占优势,耕地及建设用地主要集中在县城及集镇,反映出空间发展不均衡。图4(b)所示人口密度高度集中于杨万乡等区域,是泥石流发生后潜在人身风险最大的区域。图4(c)展示了各乡镇GDP密度分布,县城及主要镇区经济密度高,是灾害发生时经济损失最为严重的地带。图4(d)则反映了道路网密度分布,交通设施在高危山区的密集分布增加了潜在暴露性。在易损性评价中,道路网的等级和灾害点之间的距离是影响救援效率和灾害响应能力的重要因素。不同等级的道路具有不同的承载能力和救援作用,因此在评估过程中,我们考虑了道路网的等级差异。高等级的道路(如高速公路和主干道)在灾后救援和物资运输中起着关键作用,而低等级道路则可能由于受损或无法通行,导致灾后应急响应的延迟。此外,泥石流灾害点与道路网之间的距离也影响了灾后人员疏散和物资供应的效率上述因子综合体现了承灾体在空间上的暴露度与脆弱性,有助于从社会经济角度刻画泥石流灾害的易损性差异,为后续风险评估提供支撑。
图4 易损因子Fig.4 Vulnerability factor
麻栗坡县泥石流易损性评价结果显示(图5),承灾体的易损程度与区域人口经济分布高度相关。极高易损区主要集中在八布乡,作为全县政治经济中心,一旦遭受泥石流侵袭,可能造成重大人员伤亡和财产损失,因此八布乡及周边被评为易损性最高的区域。另外,高易损区分布于各乡镇政府驻地及人口较为集中的村镇,如旧寨乡、董干镇、马街乡等集镇所在地,这些地方人口密度和经济活动水平在县域中仅次于县城,且道路交通较为发达,因此易损性评价为高。中等易损区多位于乡镇辖区内远离集镇的村落农田区域,此类地区有人口和农业经济分布,但密度相对不高,公共设施和道路覆盖程度有限,因而对泥石流的总体脆弱性处于中等水平。低易损区主要包括山区的零星村寨及农林交错区,这里人口稀少,经济以传统农业为主,村庄规模很小,交通不便,一方面人财暴露少,另一方面救援难度大,但综合考虑其暴露程度低,因此归为低易损区。极低易损区则对应无人居住或几乎无人活动的区域,大多为高山密林、自然保护区等。例如八布乡北部、杨万乡东部大片原始森林以及中越边境的一些无人区,这些地方几乎没有固定居民和重要资产,受泥石流影响的潜在损失极低。
易损性分区的空间格局体现出“由城镇到山村,再到荒野”梯度递减的特征。这与麻栗坡县的人口经济地理格局一致。总体而言,麻栗坡县泥石流易损性评价结果合理地反映了城乡分布差异:县城及中心集镇易损性高,农村一般乡镇次之,偏远山区最低。这样的空间格局既符合实际认识,也验证了所选易损性指标体系的有效性。从减灾角度看,高易损区多为人口和财富集聚之地,应优先考虑加强防护;而低易损区即使发生泥石流,其影响主要局限于生态环境,直接社会损失不大。
图5 易损评价结果Fig.5 Vulnerability evaluation results
通过叠加泥石流危险性与易损性评估结果,绘制了麻栗坡县泥石流灾害综合风险分区图(见图6)。基于风险等级划分及其空间分布特征,结果如下:
极高风险区主要分布在天保镇及其核心城区。这一地区既是泥石流高危险区,又聚集了大量人口和经济活动,危险性与易损性高度叠加,致使整体风险极高。天保镇地处盘龙河冲积平原,周围山体陡峭,多条泥石流沟威胁城区安全。一旦发生大规模泥石流,极有可能造成重大人员伤亡和财产损失。极高风险区面积约320 km²,占全县16.1%,以天保镇及其周边沟谷为主,应作为泥石流防灾的重点区域,优先实施监测、预警和防护工程。
高风险区主要位于大坪镇、马街乡、六河乡等人口较为集中的泥石流易发区,以及天保镇周边部分山区。此类区域“危险性高+易损性中等偏高”特征明显。例如大坪镇和马街乡位于坡陡谷窄、年降雨量大的西南部,历史泥石流活动频繁,同时居民点和道路密集,因而风险等级较高。六河乡则沿河谷分布,人口聚落和交通线路众多,同属高风险区。该分区面积约600 km²,占30.5%,是仅次于极高风险区的重点防控区域。
中等风险区主要覆盖董干镇、铁厂乡、金厂乡等地。这些区域的危险性和易损性均处于中等水平,既具备一定泥石流发生条件,也存在适度人口和经济活动。中等风险区面积约500 km²,占25.4%。这些区域应关注但可在资源允许条件下分步推进防控措施。
低风险区分布于猛硐乡、杨万乡等人口稀少的农业山区,主要为丘陵缓坡和小流域,泥石流危险性与易损性均较低。虽局部可能受强降雨影响,但总体风险不高。低风险区面积约350 km²,占17.8%。此类区域以日常土地管理和生态恢复为主,无需大规模工程措施。
极低风险区位于八布乡、麻栗镇等北部高山区林地。该区域地形较为平缓,植被覆盖良好,远离主要断裂和河流,降雨量相对较少,泥石流危险性极低;同时几乎无人居住,易损性接近于零。极低风险区面积约200 km²,占10.2%。主要具备生态保护意义,无需专门防灾投入。
综上,麻栗坡县泥石流灾害风险呈现中部高的空间分异格局。高风险及极高风险区域集中在地形起伏大、人口经济密集的西南部,特别是县城及周边,是防灾减灾工作的重中之重;而北部、东部多为山林地带,风险较低。风险分布与区域自然环境和社会经济格局紧密相关。降雨集中和地形破碎促使西南部成为泥石流高发地带,同时城镇聚集区的人口与资产密度显著提升灾害后果。两者叠加导致风险空间分布高度不均。
进一步分析显示,极高和高风险区虽仅占全县约46%面积,却聚集了超过70%的人口和GDP,说明人口与经济活动高度集中于高风险区。这一特征对区域防灾减灾提出了更高要求,应强化高风险区的监测预警与防护措施,以最大限度降低潜在灾害损失。
图6 综合风险评价结果Fig.6 Comprehensive risk assessment results
泥石流风险评估存在一定不确定性。一方面,输入数据的准确性直接影响评估结果。本研究虽然整合了多源数据,但部分数据(如人口、GDP密度)以乡镇均值代替,缺乏精细的空间变异,可能低估城乡内部差异。此外,DEM分辨率限制了微地形(水系沟槽细节)的表达,这对于微观泥石流易发点的识别有影响另一方面,模型本身假定了危险性与易损性的线性组合关系,而实际灾害风险往往具有非线性和阈值效应。比如,当降雨超过某一阈值时才会引发泥石流,否则危险性几乎为零,这种非线性特征在线性权重模型中无法完全体现。同样地,易损性也并非简单线性叠加:若某区域人口密度极高但有坚实防护工程,其实际易损性会低于模型估计。再者,风险矩阵法在等级划分上带有一定的经验主观因素,不同划分方法可能导致边界区域等级有所变化。不过,从更宏观的角度看,本研究关注的主要是区域风险格局,高风险热点与低风险区域的区分较为稳健。这一点从与历史灾点对比的验证结果也可得到支持。
为了进一步量化模型不确定性,我们在研究中尝试通过ROC曲线对危险性图进行验证(图7),结果AUC值约为0.52,说明模型对泥石流发生的判别能力较好。但AUC值未达理想的0.9以上,提示模型仍有提升空间。未来可通过改进指标选取、引入非线性组合或数据驱动方法来降低不确定性。
图7 ROC曲线Fig.7 ROC curve
为有效掌握泥石流风险评估,以云南省麻栗坡县为研究对象,采用遥感影像、数字高程模型等自然环境数据和社会经济数据,提取危险性因子和易损性因子,运用层次分析法确定各因子权重,利用GIS加权叠加评估泥石流危险性等级,基于易损性因子构建加权模型计算易损性指数,并通过风险矩阵将危险性与易损性耦合,生成泥石流风险分区图,主要研究结论如下:
1)麻栗坡县泥石流危险性受地形起伏和极端降雨影响最为显著,呈现“西南高、东北低”的空间分异格局。高危险区主要集中在地形破碎、降雨强度大的区域,需加强监测与防控。
2)易损性高值区分布于县城及周边乡镇,与人口密度和经济活动高度相关,显著高于偏远山区。人口、基础设施和经济资产的空间集聚程度,决定了灾害发生时的潜在损失差异。
3)综合风险评估显示,极高和高风险区虽仅占全县不足一半面积,但聚集了70%以上的人口和GDP,是灾害防控的重点区域。中低风险区多为山林和农田,风险较低,可采取生态管理和常规监控为主。
4)本文基于多源数据与GIS技术构建的泥石流风险评估框架,能够有效识别重点风险区,为实际防灾减灾工作提供科学依据。但评估精度受限于数据分辨率与模型参数,部分区域存在不确定性。
5)研究通过危险性与易损性叠加实现泥石流综合风险评估,但仍有进一步提升空间。未来可引入高精度DEM、InSAR等遥感与监测技术,细化地形与变形分析,提高评估精度。结合机器学习和大数据方法,有望实现风险预测的智能化和动态更新。同时,应加强多灾种和灾害链耦合风险研究,服务极端情景下的综合减灾需求。建议将评估成果应用于国土空间规划与应急预案,推动评估结果向科学防灾和智能决策转化,不断增强区域灾害防控能力和管理水平。
华南地震
(季刊)
主 管 广东省地震局
主 办 广东省地震局
协 办 福建省地震局、海南省地震局、广西壮族自治区地震局
编辑出版 《华南地震》编辑部
主 编 吕金水
地 址 广州市先烈中路81号大院之一
邮 编 510070
电 话 020-87687082
标准刊号 ISSN1001-8662
CN441266/P