关 颖，朱 翊
(1.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000；2.中国测绘科学研究院，北京 100830)
基于空间分析的区域地质灾害点的分布特征研究
——以新疆为例
关颖1，2，朱翊2
(1.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000；2.中国测绘科学研究院，北京 100830)
摘要：地质灾害点的空间分布是灾害领域研究的热点问题之一。从地质灾害点自身的规律出发，通过空间数据分析的方法来研究灾害点的空间分布可以准确、深刻的揭示其空间分布的形态特征。以新疆滑坡、泥石流和崩塌灾害点为例，引入标准差椭圆、Ripley’s K函数、核密度分析等空间数据分析方法，从不同角度对其空间聚集-离散的分布特征进行定性和定量的分析，实验结果表明：新疆灾害点呈现出“西南—东北分散，西北—东南聚集”的空间分布格局；滑坡、泥石流及崩塌的特征空间尺度依次为176 km、72 km和71 km，特征空间尺度可为灾害多发地段的划分提供依据；不同规模的地质灾害在空间中的影响分布不同。
关键词：地质灾害；空间分析；新疆；标准差椭圆；Ripley’s K函数；核密度分析
地质灾害是在自然变异和人为等作用下形成的复杂的地质现象[1]。看似它在空间上随机分布，但实际上具有内在的规律性。区域地质灾害点的空间分布特征是对地质灾害进行深入认识、分析的重要基础，一直是灾害领域研究的主要内容之一。近年来有学者对地质灾害点的空间分布进行了研究，研究的主要角度有：从半定量的角度对其空间分布的特点进行描述[2-3];通过统计分析的方式分析地质灾害的分布与其他因素(高程、坡度、道路等)的关系[4-6]。但很少从地质灾害自身内在所蕴含的特征来探究其空间分布的特征。实际上，其自身内在的规律性不应被忽视。
从空间分析的角度，滑坡、泥石流及崩塌等地质灾害被抽象为“点”状实体，几何位置、时间与属性等是其自身固有属性特征[7]。空间数据分析方法是空间模式认知的重要方法。它侧重于根据实体的地理坐标或属性等信息分析其所具有的固体地理空间特征。因此，本文从空间分析的角度出发，以新疆滑坡、泥石流和崩塌地质灾害为例，将标准差椭圆、Ripley’s K函数及核密度分析空间数据分析方法引入到区域地质灾害点分布特征研究分析中，以定性和定量相结合的方式揭示其空间分布聚集与离散的分布模式，从而对地质灾害本身有更深刻与全面的认识。
1研究区域概况及数据源
图1 历史灾害点空间分布
新疆维吾尔自治区(简称新疆)，处于75°～95°E、35°～50°N之间。新疆面积约166万km2，是我国面积最大的省级行政区。新疆地域辽阔，呈现出以下主要特点：1)新疆地形地貌变化复杂，地势高低差异大，全疆高程范围在-155～8 611 m左右；2)坡度陡峭不均，0°～10°的坡度范围约占总面积的72%，而10°～40°的坡度范围约占总面积的24%;3)断裂带发育明显，构造运动活跃，主要的深断裂带约有35条，呈现出我国西部别具特色的菱形构造分布格局[8]，主要包括乌恰—库尔勒—兴地断裂带、康西瓦—商南—荣城断裂带、准格尔南缘断裂等；4)地层岩性是孕育一切地质灾害的物质基础。新疆地层岩性丰富，包含有辉长岩、石英闪长岩、斜长花岗岩、片岩、流纹岩、哈尔加乌组和卡拉岗组并岩等多种成分，其中沉积岩约占总面积的60%。正因为复杂的地质条件，使滑坡、泥石流及崩塌成为易发灾害，且暴发频率高，影响范围广。具体空间分布如图1所示。
历史地质灾害点、行政边界线等数据信息均由新疆政府应急办提供，经统计1920—2007年期间新疆共发生滑坡约1 201次；泥石流约1 422次；崩塌灾害约2 006次。从历史地质灾害点的空间分布(见图1)中不难发现，新疆滑坡灾害集中发生在伊犁河谷地区。泥石流灾害大部分事件集中在克孜勒苏柯尔克孜自治州、喀什地区西南部、昌吉回族自治州的南部等区域。可见地质灾害点的分布并非“杂乱无章”，而是在数据背后蕴含着其自身的规律性。
2地质灾害点空间分布特征分析方法
标准差椭圆、Ripley’s K函数及核密度分析是空间数据分析的重要方法。标准差椭圆是从定性的角度表现地质灾害事件在空间不同方向上的聚集分布趋势，Ripley’s K函数则是定量的呈现不同尺度下地质灾害事件的聚集分布模式，核密度分析则是定量的呈现不同规模的地质灾害事件在空间分布中的聚集效应。因此3种方法相互补充，可以充分地对地理对象的空间特征和相互作用关系进行描述[9]。
2.1标准差椭圆分析
地质灾害点的空间分布在各个方向上的离散程度明显不同，正所谓“各向异性”[10]。一般的标准差椭圆可以解释灾害点事件中心趋势、离散趋势和方向趋势等的空间特征。长轴方向标准差、短轴方向标准差及旋转角θ是标准差椭圆构成的基本要素。一般来说，椭圆的长轴代表其最大离散度的方向，而短轴则代表最小离散度的方向[11]。主要计算方法为式(1)、式(2)。
(1)
(2)
2.2Ripley’s K多尺度点格局分析
地质灾害事件在空间上的分布可以看作为二维空间里的“点”事件。事件“点”的空间分布模式并非固定不变，可能会受空间尺度的制约影响，即在不同尺度下呈现出不同的分布格局：在小尺度条件下表现出聚集分布的模式，而在大尺度条件下则表现出离散或均匀的分布模式[11]。Ripley’s K是点密度距离的函数，能够克服传统方法单一尺度分析的缺点，最大程度利用空间事件“点”的属性信息，从而在不同空间尺度条件下分析事件“点”的分布模式，更加科学、合理。K(d)函数的算式为
(3)
(4)
式中：n为研究事件中“点”的数量；A为研究区面积；d为不同的空间尺度;δij(d)是在距离d范围内的点i与j之间的距离。式(4)函数为式(3)函数的变形，使计算起来更加方便、快捷。
根据统计学相关理论，在完全空间随机分布的假设前提下，L(d)的期望为0。根据L(d)与d的关系图可分析、检验多尺度地质灾害事件点的空间格局。若L(d)>0则地质灾害点呈现出聚集分布模式；若L(d)<0则呈现离散的空间分布模式；L(d)=0则呈现完全随机的空间分布模式[12]。
2.3核密度分析
核密度分析用于计算要素在其周围邻域中的密度，可计算点要素的密度也可以计算线要素的密度。常用于获取犯罪情况报告或管线对动物、植物等生存环境造成的影响。在点所在位置处表面值最高，随着与点的距离的增大表面值逐渐减小，在与点的距离等于搜索半径的位置处表面值为零。在核密度分析中，落入搜索区域内的点或线具有不同的权重，靠近网格搜索中心的被赋予较大的权重，随着距离的增加而降低。因此，“影响随距离的增加而衰减”的思想正符合地质灾害对周围的影响程度，即规模越大对周围的影响越大，且随距离的增加而衰减。
3新疆地质灾害点空间分布特征分析结果
3.1基于标准差椭圆的方向分布分析
ArcGIS10.1中的“方向分布”工具是基于标准差椭圆的原理用于分析地理事物在不同方向上的聚集—离散特征的工具。本文以滑坡、泥石流、崩塌历史灾害点资料数据为基础，利用ArcGIS10.1软件中“方向分布”工具分别计算其在空间方向上的聚集、离散程度，具体结果如图2所示。
图2 地质灾害点的方向分布
从图2中可以看出，滑坡、泥石流及崩塌灾害总体均呈现出“西南—东北分散，西北—东南聚集”的空间分布格局。主要原因是由于南疆塔里木盆地面积辽阔，地势平坦，并且人烟稀少，因此鲜有灾害发生。滑坡、泥石流历史累计的数目接近，所属区域大致相同、长轴方向相似，但从图2(a)、2(b)上明显看出泥石流事件方向分布的长轴明显长于滑坡事件方向分布的长轴，可见泥石流的发生随机性更强一些，滑坡事件的空间聚集性较强，应在其短轴方向加强防范措施。
3.2基于Ripley’s K多尺度点格局分析
标准差椭圆是从定性的角度对地质灾害点不同方向的聚集—离散的程度进行描述，Ripley’s K函数则是从定量角度对不同尺度下的地质灾害点聚集—离散的程度进行刻画。
CrimeStat3.3是地理空间统计分析的软件，主要用于犯罪事件，受美国资助由Ned Levine & Associates开发研制而成。本文在原始数据的基础上提取出2000—2007年地质灾害点数据，然后利用CrimeStat3.3软件下的“Distance Analysis”模块进行Ripley’s K函数分析，从而分析得到新疆滑坡、泥石流及崩塌灾害点空间分布格局。
3.2.1滑坡
通常情况下，常用纵坐标L(d)值的第一个峰值所对应的横坐标距离d值表示该事件空间聚集的特征空间尺度，用来度量事件分布强度或拥挤度[13-14]。由图3可以看出，滑坡的特征空间尺度为176 km，并随着空间距离的增大，L(d)值曲线变得平缓并有下降趋势，聚集强度降低，在305 km处略有上升趋势，随后聚集强度再一次下降，说明滑坡事件的分布范围在变大，灾害事件“点”在空间分布中的均匀程度在变高。
图3 2000—2007年的滑坡灾害点分布
3.2.2泥石流
由图4可以看出，泥石流事件L(d)值的变化略微动荡，出现两个峰值分别约为72 km和245 km，在空间尺度小于72 km时其空间聚集强度不断增大，72～245 km时增加缓慢，灾害点的分布变得均匀，随后L(d)值略微上升达到空间聚集的特征尺度的最大值，然后L(d)急剧下降，灾害点逐渐分布均匀。
图4 2000—2007年的泥石流灾害点分布
3.2.3崩塌
由图5可看出，崩塌的特征空间尺度为71 km，随空间距离的增大，L(d)值曲线急剧下降，聚集强度不断降低，L(d)最后小于0，灾害点呈现出离散分布。
图5 2000—2007年的崩塌灾害点分布
地质灾害点空间上的聚集效应可以表现为区域的多发地段或是灾害群发性。因此，滑坡、泥石流和崩塌在新疆的空间聚集度的特征尺度可以作为灾害防治监测尺度，为地质灾害的多发地段的划分提供一定依据。
3.3基于核密度分析的地质灾害点规模影响空间分布
地质灾害暴发时的规模、体积等状况将会决定对附近区域造成的危害程度。因此对滑坡、泥石流等灾害规模的掌握对于其易发性、危险性等的研究比较重要。依据县市度地质灾害的调查要求，按体积大小将其分4种规模类型，具体如表1所示。
表1 地质灾害规模分类标准及统计
地质灾害的体积、规模越大，对自然和人文环境造成的破坏力越大，同时对周围环境带来直接或间接的危害也更大。为探究地质灾害规模影响程度在空间上的分布，利用历史灾害点的规模属性信息：小型、大型、中型及巨型，按照分类标准的临界值量化，最后利用核密度分析工具进行分析。具体分析结果如图6所示。
对地质灾害破坏范围的分析，有助于相关部门有针对性地建立监测点，将地质灾害带来的风险值降到最低。在历史累计的时间上看，崩塌造成的影响破坏性较大，分布区域较广，主要分布在北疆的北部和南部区域，如布尔津、乌鲁木齐等地和阿尔泰山南麓中低山丘陵区及伊犁河谷地区，及南疆的克孜勒苏自治州北部和喀什地区局地；滑坡灾害则对伊利河谷地区造成较大影响；泥石流事件则对天山南、北及南疆西南部局部地区影响较大。
4结论
本文基于空间数据分析的角度，将标准差椭圆、Ripley’s K函数及核密度分析的原理引入到对
图6 地质灾害点强度影响分布
新疆区域历史地质灾害点的空间分布特征的研究中，通过定性和定量相结合的方式揭示其在空间中的分布特征。研究结果发现：
1)新疆滑坡、泥石流和崩塌历史灾害点呈现出明显的空间聚集特征。标准差椭圆可以定性地描述灾害点在方向分布上的聚集特征，而Ripley’s K函数则可以对不同空间尺度下的聚集形态进行定量的刻画，从而可以为有关部门提供防范监测依据。
2)基于核密度原理的地质灾害规模影响分析表明：规模不同地质灾害对周围的影响强度不同，呈现出的空间聚集性也不同。且地质灾害规模的空间聚集性可以反映灾害群发性的特征。
3)地质灾害点自身呈现出的规律性是对地质灾害深刻认识的基础，是揭示其发展演化过程的重要前提。因此从空间数据分析的角度探讨地质灾害点的分布规律具有研究和实践价值。
参考文献：
[1]张继贤.3S支持下的滑坡地质灾害监测、评估与建模[J].测绘工程,2005,14(2)：1-2.
[2]孙炜峰.千阳县千河谷地典型粘黄土区地质灾害危险性评价研究[D].北京：中国地质科学院,2009.
[3]尚志海,林培松,林妙棋.梅州市典型地质灾害分布特征及危害性分析[J].国土与自然资源研究,2012,6(3)：60-62.
[4]张国平,徐晶,毕宝贵.滑坡和泥石流灾害与环境因子的关系[J].应用生态学报,2009,20(3):653-657.
[5]方丹,胡卓玮.基于GIS的北川县地震次生滑坡灾害空间预测[J].山地学报,2012,30(2):230-238．
[6]黄维江，曾涛，谢玉凤.基于RS与GIS的汶川地区地质灾害易发性评价分析[J].测绘与空间地理信息，2015,38(9)：34-37.
[7]闫庆武,卞正富,王桢.基于空间分析的徐州市居民点分布模式研究[J].测绘科学,2009,34(5):160-162．
[8]木合塔尔·扎日.新疆主要断裂构造的分布及其地质特征[J].新疆工学院学报,1994,15(3):188-190.
[9]毛政元,李霖.空间模式的测度及其应用[M].北京:科学出版社,2004:1-331.
[10] EBDON D.Statistics in Geography[M].2nd ed.Oxford:Blackwell Publishers,1988.
[11] 王劲峰,廖一兰.空间数据分析教程[M].北京：科学出版社，2010.
[12] 高凯,周志翔.基于 Ripley K 函数的武汉市景观格局特征及其变化[J].应用生态学报，2010,21(10)：2621-2626.
[13] O’DRISCOLL R L．Description of spatial pattern in seabird distributions along line transects using neighbour K statistics[J]．Marine Ecology Progress Series,1998,165：81-94.
[14] 卢志军,王巍.巴山木竹发笋和大熊猫取食的时空格局及相关性分析[J].生物多样性,2009,17(1):1-9.
[责任编辑：张德福]
A study of the distribution characteristics of regional geological hazards based on spatial analysis—a case of Xinjiang
GUAN Ying1，2，ZHU Yi2
(1.College of Surveying and Geographic Science，Liaoning Technical University，Fuxin 123000，China;2.Chinese Academy of Surveying and Mapping，Beijing 100830，China)
Abstract：The distribution of geological disasters in the space is one of the hot issues in the field of disaster.From geological hazard rules，the spatial data analysis method is used to study the spatial distribution of disaster point that can accurately reveal the profound morphological characteristics.The paper analyzes the effects of spatial data aggregation-discrete degree from different angles by qualitative and quantitative methods of standard deviation ellipse，Ripley’s K function and kernel density, taking landslide, debris flow and landslide of Xinjiang as the cases.The experimental results show that Xinjiang disaster presents the spatial distribution of “Southwest northeast scattered，northwest southeast aggregated”；the characteristic spatial scale of Xinjiang landslide, debris flow and collapse are 176 km, 72 km and 71 km. The characteristics of spatial scale can provide the basis for disaster prone division.The geological disasters in different scale effect the different spatial distribution.
Key words：geological disaster；spatial analysis;Xinjiang;standard deviation ellipse;Ripley’s K function; kernel density analysis
DOI:10.19349/j.cnki.issn1006-7949.2016.09.004
收稿日期：2015-05-10；修回日期：2015-09-30
作者简介：关颖(1989-)，女，硕士研究生.
中图分类号：P954
文献标识码：A
文章编号：1006-7949(2016)09-0015-05
