基于GIS的巖溶地區(qū)滑坡敏感性評(píng)價(jià)——以貴州織金縣為例

李　松，陳起偉，萬(wàn)紅燕，李　戀

(1.貴州師范學(xué)院 資源環(huán)境與災(zāi)害研究所，貴州 貴陽(yáng) 550018；2.中國(guó)科學(xué)院 遙感與數(shù)字地球研究所，北京 100101)

?

基于GIS的巖溶地區(qū)滑坡敏感性評(píng)價(jià)——以貴州織金縣為例

李松1,2，陳起偉1，萬(wàn)紅燕1，李戀1

(1.貴州師范學(xué)院 資源環(huán)境與災(zāi)害研究所，貴州 貴陽(yáng) 550018；2.中國(guó)科學(xué)院 遙感與數(shù)字地球研究所，北京 100101)

摘要:滑坡是喀斯特山區(qū)主要的災(zāi)害類型。以貴州省織金縣為研究區(qū)，結(jié)合遙感科學(xué)和地理信息系統(tǒng)，綜合滑坡編目數(shù)據(jù)，分析織金縣的滑坡發(fā)生機(jī)制，并基于信息論的滑坡信息量模型分析方法，選取主要滑坡因子，包括坡度、坡向、相對(duì)高差、地形濕度指數(shù)、土地利用/土地覆蓋變化(LUCC)、地質(zhì)地層和公路，在此基礎(chǔ)上建立區(qū)域滑坡空間預(yù)測(cè)的信息量模型，利用GIS對(duì)單因子滑坡信息量進(jìn)行計(jì)算，再求得各因子的綜合信息量并進(jìn)行風(fēng)險(xiǎn)分級(jí)。結(jié)果表明，織金縣相對(duì)穩(wěn)定區(qū)為2 779.0 km2，高風(fēng)險(xiǎn)區(qū)共有42處，中風(fēng)險(xiǎn)區(qū)共有36處，低風(fēng)險(xiǎn)區(qū)共有67處。滑坡與地形的相對(duì)高差明顯相關(guān)，植被也是滑坡穩(wěn)定性的重要影響因素，研究結(jié)果對(duì)區(qū)域的發(fā)展和規(guī)劃都具有較好的參考意義。

關(guān)鍵詞:滑坡；敏感性；信息量模型；地理信息系統(tǒng)；喀斯特地區(qū)

滑坡是巖土體在重力作用下沿軟弱面(或帶)整體地向下滑動(dòng)的現(xiàn)象[1]和過(guò)程。由于人口的劇烈膨脹和活動(dòng)強(qiáng)度的驟增，以及人類破壞的加劇，全球范圍內(nèi)的滑坡數(shù)量將呈現(xiàn)增長(zhǎng)的趨勢(shì)[2]?；聻?zāi)害與地震、火山并稱為當(dāng)今三大地質(zhì)災(zāi)害，而滑坡是數(shù)量最多、規(guī)模最大、危害最嚴(yán)重的地質(zhì)災(zāi)害[3]，另有研究表明，滑坡、崩塌和洪水災(zāi)害占世界自然災(zāi)害的42%[4]。由于滑坡災(zāi)害的復(fù)雜性，使得對(duì)它的研究存在很大的不確定性，對(duì)滑坡災(zāi)害預(yù)測(cè)研究的重要性也沒(méi)有引起足夠的重視[5]。因此，通過(guò)科學(xué)研究探索滑坡預(yù)測(cè)，以及滑坡易發(fā)區(qū)風(fēng)險(xiǎn)評(píng)價(jià)的方法與理論，可以有效地減少宏觀滑坡?lián)p失。滑坡災(zāi)害是山區(qū)主要的災(zāi)害類型[6]，而喀斯特地區(qū)又是滑坡的易發(fā)區(qū)域。相對(duì)其他喀斯特地區(qū)而言，貴州的滑坡災(zāi)害研究比較薄弱?；掠绊懸蛩厥腔驴臻g預(yù)測(cè)研究的重要問(wèn)題，滑坡影響因素由于滑坡區(qū)域、類型與研究者的差異而千差萬(wàn)別[7-12]。本文以貴州典型喀斯特地區(qū)——織金縣為例，選取相對(duì)高差，加上坡向、坡度、坡型、地形濕度指數(shù)(TWI)和土地利用/土地覆蓋變化(LUCC)等滑坡因子，并考慮公路的影響，研究基于GIS和遙感的滑坡信息量模型在滑坡空間預(yù)測(cè)中的應(yīng)用，希望對(duì)巖溶山區(qū)滑坡防治，對(duì)區(qū)域可持續(xù)發(fā)展，都具有積極的參考價(jià)值。

1研究方法

1.1　研究區(qū)概況

織金縣位于貴州省中西部，105°20′14″~106°10′19″ E，26°21′47″~26°57′24″ N之間，土地總面積 2 868 km2。全縣轄7個(gè)街道辦事處，9個(gè)鎮(zhèn)，17個(gè)鄉(xiāng)，2013年人均GDP為13 711.9元，戶籍人口數(shù)115.26萬(wàn)人，農(nóng)村貧困發(fā)生率32.0%。全縣地勢(shì)西高東低，相對(duì)高差1 403 m。東部為丘原、河谷地帶，總面積1 710 km2，區(qū)內(nèi)喀斯特地貌發(fā)育，溝深坡陡，峰叢、槽谷、洼地相間分布；西為黔西高原地帶，區(qū)內(nèi)深溝，峽谷，槽谷交錯(cuò)。新構(gòu)造運(yùn)動(dòng)強(qiáng)烈，早期構(gòu)造運(yùn)動(dòng)以產(chǎn)生褶皺、斷裂為主，白堊世末，燕山運(yùn)動(dòng)導(dǎo)致晚白堊世以前的地層產(chǎn)生褶皺，并產(chǎn)生眾多的斷層。全縣有第四系、侏羅系、三迭系、二迭系、奧陶系、寒武系、震旦系地層出露，其中二迭系和三迭系出露面積較廣?？椊饘賮啛釒Ъ撅L(fēng)性濕潤(rùn)氣候，雨量充沛、雨熱同季，全年陰雨天多達(dá)250 d，多年平均降水量1 200~ 1 500 mm，大雨暴雨強(qiáng)度大而集中。2011年森林覆蓋率42.7%。全縣無(wú)煙煤儲(chǔ)量大、煤層多、質(zhì)地好，用途廣泛，是貴州大煤田織-納煤田的主體部分。

1.2　數(shù)據(jù)源和研究方法

本研究區(qū)的基礎(chǔ)地理數(shù)據(jù)源包括1:50 000數(shù)字地形圖及其生成的數(shù)字高程模型，遙感數(shù)據(jù)源如下：覆蓋全區(qū)的ALOS先進(jìn)可見(jiàn)光與近紅外輻射計(jì)2型(AVNIR-2)影像、北京1號(hào)和ETM+，用于滑坡發(fā)育環(huán)境的分析，以及滑坡因子LUCC的提取?；陆庾g以北京1號(hào)為主配合ALOS遙感數(shù)據(jù)進(jìn)行。采用1:50 000數(shù)字地形圖(等高距20 m，1980年航攝)和1:50 000DEM作為基礎(chǔ)控制數(shù)據(jù)，數(shù)學(xué)基礎(chǔ)統(tǒng)一采用北京54坐標(biāo)系，投影方式為高斯-克里格投影6度分帶的18度帶，1956年黃海高程系正常高。

晏同珍[13]將滑坡預(yù)測(cè)理論概括為三類：確定性、統(tǒng)計(jì)分析和信息量模型，本質(zhì)上前兩者屬于白箱和黑箱模型，而信息量模型則介于白箱和黑箱之間。本文利用信息量模型進(jìn)行滑坡空間預(yù)測(cè)，其公式如下：

(1)

P(y,x1,…,xn)、P(y)是統(tǒng)計(jì)概率術(shù)語(yǔ)，對(duì)于各種滑坡因素x1，…，xn表征出的信息量，當(dāng)P(y, x1,…,xn)>P(y)時(shí)，信息量I(y, x1,…,xn)>0，滑坡發(fā)生風(fēng)險(xiǎn)概率較高；反之I(y, x1,…,xn)<0，滑坡發(fā)生的風(fēng)險(xiǎn)概率偏低。根據(jù)地質(zhì)、地形、水文和LUCC等條件劃分地理單元格。將研究區(qū)劃分為N個(gè)模型單元后，如果已經(jīng)發(fā)生滑坡的單位為N0個(gè)，其中具有相同屬性的x1，x2，…，xn組合的單元共M個(gè)，其中有滑坡災(zāi)害的單元數(shù)為M0個(gè)。

(2)

一般情況下，滑坡是區(qū)域多要素綜合作用的結(jié)果，綜合而言，則上式變?yōu)椋?/p>

(3)

通過(guò)篩選，確定相對(duì)高差、坡向、坡型、LUCC、地質(zhì)、TWI和公路等7個(gè)關(guān)鍵滑坡因子，確定模型中有7個(gè)因子，進(jìn)行滑坡信息量計(jì)算。

2結(jié)果與分析

以地形圖為基礎(chǔ)對(duì)其他基礎(chǔ)數(shù)據(jù)進(jìn)行相對(duì)幾何校正，在1:200 000地質(zhì)圖矢量化基礎(chǔ)上，結(jié)合1:50 000地形圖和數(shù)字高程模型(DEM，30m)，采用30 m×30 m方格進(jìn)行網(wǎng)格化。以DEM為基礎(chǔ)提取相對(duì)高差、坡向、坡型和TWI。其中相對(duì)高差利用ArcGIS的水文分析模塊，經(jīng)過(guò)洼地fill、flowdirection、watershed等分析后，再利用Zonal statistics計(jì)算每個(gè)單元的最高和最低海拔差得到，并以100、150、200、250、300、350m為臨界值，將相對(duì)高差劃分為7個(gè)區(qū)間，分別賦以1到7的代碼。坡向利用aspect提取，分為平坦、北、東北、東、東南、南、西南、西、西北9個(gè)坡向，并分別賦以1到9的代碼，便于后續(xù)處理。坡型通過(guò)Curvature提取，提取結(jié)果分為2類：曲率大于0為直型坡或凸型坡，小于0為凹型坡。TWI[14]主要基于ArcGIS的3D分析模塊和空間分析模塊計(jì)算，由于過(guò)程復(fù)雜，這里不做詳細(xì)介紹，提取結(jié)果在2.26~58.86之間，以3、4、5、6、7為臨界值，劃分為6個(gè)區(qū)間，分別賦值為1到6。LUCC參考土地利用現(xiàn)狀分類(GB/T 21010-2007)標(biāo)準(zhǔn)，利用支持向量機(jī)方法，結(jié)合監(jiān)督分類和目視解譯方法進(jìn)行提取，各類土地利用類型直接利用其代碼進(jìn)行賦值。在經(jīng)過(guò)幾何精校正的高分辨率遙感影像上提取織金縣公路信息，結(jié)合專題資料和野外調(diào)查，提取織金縣鄉(xiāng)村硬化公路3 769.2 km，二級(jí)公路5.7 km，三級(jí)公路238.0 km，四級(jí)公路469.0 km，依據(jù)現(xiàn)場(chǎng)調(diào)查分析大致確定各級(jí)公路對(duì)斜坡的影響范圍區(qū)，得到不同的緩沖區(qū)：普通鄉(xiāng)村硬化路做20 m，四級(jí)公路30 m，三級(jí)公路40 m，二級(jí)公路50 m。高速公路因?yàn)閯偨ǔ赏ㄜ?，鐵路通車時(shí)間也晚于滑坡災(zāi)害點(diǎn)發(fā)生時(shí)間，故不做考慮。公路緩沖區(qū)合并后的總面積為192.72 km2，發(fā)生在緩沖區(qū)以內(nèi)的滑坡共28個(gè)，占總數(shù)的19.2%，滑坡信息量是1.51。圖1是織金縣公路緩沖區(qū)圖。

圖1　織金縣公路緩沖區(qū)圖

利用處理好的基礎(chǔ)圖件，基于ArcGIS的空間分析功能，利用遙感目視解譯和野外調(diào)查獲取的146個(gè)滑坡災(zāi)害點(diǎn)，通過(guò)式(2)計(jì)算各滑坡因子層的單因子信息量，計(jì)算結(jié)果如表1所示，LUCC和地質(zhì)因子只列出信息量計(jì)算分級(jí)部分。利用式(3)，進(jìn)一步對(duì)各單因子信息量進(jìn)行綜合，得到研究區(qū)滑坡信息量綜合結(jié)果，如圖2所示。計(jì)算結(jié)果是，研究區(qū)滑坡信息量為-7.22~70.41，平均值1.11，90%以上集中在-2.5~2.5區(qū)間內(nèi)(圖3)，標(biāo)準(zhǔn)差為4.70。結(jié)合自然斷點(diǎn)法和滑坡的群發(fā)性原理，將滑坡信息量劃分為4個(gè)區(qū)間，分別為高風(fēng)險(xiǎn)區(qū)(40,70.41]，中風(fēng)險(xiǎn)區(qū)(26，40]，低風(fēng)險(xiǎn)區(qū)(8，26]，一般區(qū)域(-7.22，8]。其中高風(fēng)險(xiǎn)區(qū)5.0 km2，共有潛在滑坡群42處；中風(fēng)險(xiǎn)區(qū)13.5 km2，共有滑坡群36處；低風(fēng)險(xiǎn)區(qū)70.6 km2，共有潛在滑坡群67處；一般區(qū)域即為相對(duì)穩(wěn)定區(qū)，共2779.0 km2。

滑坡單因素信息量顯示，對(duì)于LUCC而言，中覆蓋草地和灌木林地信息量分別為0.6和0.5，是滑坡風(fēng)險(xiǎn)比較高，滑坡密度比較大的區(qū)域，而有林地是最穩(wěn)定的區(qū)域。而城鎮(zhèn)用地是滑坡風(fēng)險(xiǎn)最高的區(qū)域，信息量高達(dá)6.7，體現(xiàn)出植被對(duì)滑坡穩(wěn)定性的重要性，也表現(xiàn)了強(qiáng)烈人類活動(dòng)對(duì)滑坡顯著的誘發(fā)作用。TWI值越高，該區(qū)域具有更大的飽和帶發(fā)展?jié)摿?，土壤越容易達(dá)到飽和狀態(tài)而形成軟弱帶，滑坡風(fēng)險(xiǎn)越高[14]。對(duì)于織金縣，TWI>7的區(qū)域滑坡信息量為0.5，是滑坡風(fēng)險(xiǎn)最高的區(qū)域。地質(zhì)方面，織金縣龍?zhí)督M、大隆組并層和嘉陵江組面積廣，滑坡數(shù)量大，信息量高達(dá)0.3。除此之外，祥擺組、舊司組 、上司組、大埔組并層是滑坡信息量最高的地層，達(dá)到1.6。坡向方面，平坦地形和東南坡向區(qū)域是滑坡信息量最高的區(qū)域，分別達(dá)到1.3和0.7，而東、東北坡向是滑坡信息量最低的區(qū)域。直型坡和凸型坡滑坡風(fēng)險(xiǎn)明顯偏高，信息量高達(dá)0.9。地形的相對(duì)高差與滑坡風(fēng)險(xiǎn)有明顯的相關(guān)關(guān)系，250~300 m、300~350 m、大于350 m的相對(duì)高差區(qū)域，滑坡信息量分別為0.5、1.4和2.2，相對(duì)高差小于100 m的區(qū)域信息量?jī)H為-1.7。以滑坡信息量為縱坐標(biāo)，相對(duì)高差為橫坐標(biāo)，分析滑坡風(fēng)險(xiǎn)與相對(duì)高差的關(guān)系，如圖4所示，擬合優(yōu)度達(dá)0.86。相對(duì)高差越大的區(qū)域，滑坡信息量越大，滑坡風(fēng)險(xiǎn)也越高。公路影響區(qū)域內(nèi)的滑坡信息量是1.51，而影響區(qū)域以外的信息量是-0.21，公路對(duì)滑坡有顯著的影響。

表1　關(guān)鍵滑坡因子信息量計(jì)算結(jié)果

圖2　基于信息量模型的織金縣滑坡空間預(yù)測(cè)結(jié)果

圖3　研究區(qū)滑坡信息量空間分布趨勢(shì)圖

圖4　滑坡信息量與相對(duì)高差的關(guān)系對(duì)比

通過(guò)實(shí)測(cè)數(shù)據(jù)對(duì)比分析，滑坡空間預(yù)測(cè)效果較為理想，能夠?qū)^(qū)域的發(fā)展提供積極的科學(xué)指導(dǎo)。結(jié)合GPS和單反相機(jī)，進(jìn)行滑坡野外驗(yàn)證。包括原普翁鄉(xiāng)中學(xué)校園附近的滑坡圖5a和白巖腳村白家灣組滑坡，其中普翁鄉(xiāng)中學(xué)滑坡由于學(xué)校領(lǐng)導(dǎo)干涉，沒(méi)有留下更詳細(xì)的信息。三甲綺結(jié)河郭家寨組滑坡地形破壞殆盡，但滑坡體造成房屋及地基的損害還能辨識(shí)，如圖5b所示。城關(guān)鎮(zhèn)坪寨村陸坪寨組崩塌在野外調(diào)查時(shí)點(diǎn)是新滑坡(廣義)，圖6a所示是離崩塌體200 m遠(yuǎn)的公路路面，其他3幅圖是崩塌造成的碎石堆積景觀。三甲裕民村花石頭組的煤炭開采區(qū)，在圖2中的位置是三甲和納雍交界處，經(jīng)調(diào)查，自從煤炭大規(guī)模開采以后，該區(qū)域房屋受損嚴(yán)重，54戶民房遭到不同程度的損傷，加上附近有斷裂經(jīng)過(guò)，該區(qū)域的滑坡風(fēng)險(xiǎn)較高，在聚志煤礦礦井附近有顯著的蠕滑發(fā)生。

圖5　三甲綺結(jié)河郭家寨組滑坡體損壞的房屋(105.831N，26.764E)

圖6　城關(guān)鎮(zhèn)坪寨村陸坪寨組崩塌(105.696°N，26.670°E)

根據(jù)圖2，雙堰街道辦事處各類滑坡風(fēng)險(xiǎn)區(qū)占其總面積的31.5%，其中30%以上是低風(fēng)險(xiǎn)區(qū)，化起鎮(zhèn)和黑土鄉(xiāng)各類風(fēng)險(xiǎn)區(qū)分別占10.4%和10.2%，其中化起鎮(zhèn)99%以上是低風(fēng)險(xiǎn)區(qū)，而黑土鄉(xiāng)中、高風(fēng)險(xiǎn)區(qū)占1.2%。板橋鄉(xiāng)和實(shí)興鄉(xiāng)的各類滑坡風(fēng)險(xiǎn)區(qū)分別占9.5%和9.0%，而中、高風(fēng)險(xiǎn)區(qū)分別為0.1%和7.7%。大平鄉(xiāng)各類滑坡風(fēng)險(xiǎn)區(qū)占5.6%，中、高風(fēng)險(xiǎn)區(qū)占3.9%。馬場(chǎng)鄉(xiāng)滑坡風(fēng)險(xiǎn)區(qū)占4.5%，中、高風(fēng)險(xiǎn)區(qū)占3.5%。而三甲街道辦事處、桂果、貓場(chǎng)滑坡風(fēng)險(xiǎn)區(qū)分別為3.9%、3.4%、3.4%。中、高滑坡風(fēng)險(xiǎn)區(qū)從高到低的鄉(xiāng)鎮(zhèn)依次是實(shí)興鄉(xiāng)、大平鄉(xiāng)、馬場(chǎng)鄉(xiāng)、黑土鄉(xiāng)、雙堰辦事處、貓場(chǎng)鎮(zhèn)、桂果鎮(zhèn)、自強(qiáng)鄉(xiāng)、茶店鄉(xiāng)，分別是7.7%、3.9%、3.5%、1.2%、1.0%、0.7%、0.6%、0.6%、0.5%。

3結(jié)語(yǔ)

本文以貴州省織金縣為研究區(qū)，利用遙感和GIS方法，基于信息量的滑坡預(yù)測(cè)方法，進(jìn)行研究區(qū)滑坡災(zāi)害空間預(yù)測(cè)。目前的滑坡預(yù)測(cè)研究，絕大部分都直接選取海拔作為滑坡因子，但實(shí)際上，滑坡作為一種重力災(zāi)害，主要受相對(duì)高度的影響，因此本文選取相對(duì)高差，加上坡向、坡度、坡型、TWI、LUCC和公路滑坡因子，綜合利用遙感的計(jì)算機(jī)分類和目視解譯方法，提取LUCC信息，并基于GIS對(duì)DEM數(shù)據(jù)提取其他滑坡因子。并利用GIS的空間分析功能，在計(jì)算單因子滑坡信息量基礎(chǔ)上，通過(guò)各單因子層信息量求和，得到綜合信息量，并結(jié)合滑坡群發(fā)性特征和自然斷點(diǎn)法，將滑坡信息量分為4個(gè)區(qū)間，分別對(duì)應(yīng)高風(fēng)險(xiǎn)區(qū)、中風(fēng)險(xiǎn)區(qū)、低風(fēng)險(xiǎn)區(qū)和一般區(qū)域，其中高風(fēng)險(xiǎn)區(qū)共5.0 km2，共有潛在滑坡群42處；中風(fēng)險(xiǎn)區(qū)13.4 km2，共有36處；低風(fēng)險(xiǎn)區(qū)70.3 km2，共有67處；一般區(qū)域即為相對(duì)穩(wěn)定區(qū)，共2 779.0 km2?；驴臻g預(yù)測(cè)結(jié)果對(duì)區(qū)域的發(fā)展具有一定的指導(dǎo)意義。

參考文獻(xiàn)：

[1]左大康.現(xiàn)代地理學(xué)辭典[M].北京：商務(wù)印書館，1990：224.

[2]Keefer D K, Larsen M. Assessing landslide hazards[J]. SCIENCE,2007,316:1136-1138.

[3]陳自生.論滑坡學(xué)[J].山地研究，1996，14(2)：96-102.

[4]Graciela Metternicht, Lorenz Hurni, Radu Gogu. Remote sensing of landslides: An analysis of the potential contribution to geo-spatial systems for hazard assessment in mountainous environments[J]. Remote Sensing of Environment,2005,98(2/3):284-303.

[5]殷坤龍，朱良峰.滑坡災(zāi)害空間區(qū)劃及GIS應(yīng)用研究[J].地學(xué)前緣，2001，8(2)：279-284.

[6]B?lteanu Dan, ChendeViorel, Sima Mihaela.,et al. A country-wide spatial assessment of landslide susceptibility in Romania[J]. Geomorphology, 2010, 124 (3/4):102-112.

[7]Wu Chunhung,Chen Suchin. Determining landslide susceptibility in Central Taiwan from rainfall and six site factors using the analytical hierarchy process method[J].Geomorphology,2009,112(3/4):190-204.

[8]劉彥花，葉國(guó)華.基于粗糙集與GIS的滑坡地質(zhì)災(zāi)害風(fēng)險(xiǎn)評(píng)估：以廣西梧州為例[J].災(zāi)害學(xué)，2015，30(2)：108-114.

[9]Saro Lee, Moung-Jin Lee.Detecting landslide location using KOMPSAT 1 and its application to landslide-susceptibility mapping at the Gangneung area, Korea[J]. Advances in Space Research,2006, 38(10):2261-2271.

[10]萬(wàn)石云，李華宏，胡娟. 云南省滑坡泥石流災(zāi)害危險(xiǎn)區(qū)劃[J].災(zāi)害學(xué)，2013，28(2)：60-64.

[11]Ranjan Kumar Dahal, Shuichi Hasegawa, Atsuko Nonomura., et al. GIS-based weights-of-evidence modelling of rainfall-induced landslides in small catchments for landslide susceptibility mapping[J]. Environmental Geology,2008, 54(2):311-324.

[12]Ranjan Kumar Dahal, Shuichi Hasegawa, Atsuko Nonomura., et al. Predictive modeling of rainfall-induced landslide hazard in the Lesser Himalaya of Nepal based on weights-of-evidence[J].Geomorphology,2008,102(3/4):496-510.

[13]晏同珍，楊順安，方云.滑坡學(xué)[M].武漢：中國(guó)地質(zhì)大學(xué)出版社，2000.

[14]張彩霞，楊勤科，李銳. 基于DEM的地形濕度指數(shù)及其應(yīng)用研究進(jìn)展[J].地理科學(xué)進(jìn)展，2005，24(6)：116-123.

GIS-based Spatial Susceptibility Assessment of Landslides in Karst Area——A Case Study in Zhijin, Guizhou Province

Li Song1, 2, Chen Qiwei1, Wan Hongyan1and Li Lian1

(1.InstituteofResources,ResourcesandEnvironmentandDisasterResearchInstitute,GuizhouNormalCollege,

Guiyang550018,China; 2.InstituteofRemoteSensingandDigitalEarth,ChineseAcademyof

Sciences,Beijing100101,China)

Abstract:Landslide is one of the major hazards in karst area. Taking Zhijin, Guizhou province as a study case, we analyzed the landslide mechanism of karst area. Combining with remote sensing (RS), geographic information system (GIS) and landslide inventory, we predicted patial distribution of landslide hazards based on information model. In the analysis of landslide mechanism, the main landslide factors, including slope, aspect, relative relief, topographic wetness index, roads and land use/land cover change and stratum, Were selected to calculate the value of information model respectively. Consequentially, a combination of the value of the information model for respective landslide factors was calculated by GIS. The risk of landslide hazards was ranked. The results show that the related stable area was 2779.0 km2. The number of high, median and low risk zone was a total of 42, 36 and 67 respectively. There was a good practical significance for Guizhou province that Landslide was significantly related with relative relief, and plant was an important factor of landslide hazards.

Key words:landslide; susceptibility; information model; GIS; Karst area

作者簡(jiǎn)介：李松(1980-)，男，貴州織金人，博士，教授，主要研究災(zāi)害和環(huán)境遙感. E-mail：zhijinese@163.com

基金項(xiàng)目：國(guó)家自然科學(xué) (41563007)；貴州師范學(xué)院重點(diǎn)博士項(xiàng)目(14BS018)；貴州科技廳項(xiàng)目(J20112343)；貴州教育廳項(xiàng)目(黔教高[2012]426號(hào))；烏當(dāng)科技局項(xiàng)目(烏科字[2012]53號(hào))

收稿日期：2015-07-06修回日期：2015-09-18

中圖分類號(hào)：P642；X42

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1000-811X(2016)01-0139-05

doi:10.3969/j.issn.1000-811X.2016.01.026