0 引言

随着中国现代化建设的高速发展，各区域开始大规模建设铁路、输变电等重大线路工程。中国是受自然灾害危害较为严重的国家，崩塌、滑坡、泥石流等灾害的空间突发性往往对基础设施建设造成严重威胁，阻碍区域经济的发展（陈满等，2016；兰恒星等，2021）。自然灾害（包括崩塌、泥石流、滑坡、地表塌陷、裂缝和地表沉降）通常以单一灾害或灾害链的形式发生。就灾害而言，它们不是孤立的，其发生往往具有偶然性和约束性的特点，受区域地质构造或地层岩性的控制，并且受降雨、地震、地形等条件的影响，上述特点为开展系统研究自然灾害危险性提供了基础（Lee，2004；Kayastha et al.， 2012）。灾害危险性评价是灾害评价（危险性、易损性、风险性）中最为基础的工作，它的有效性直接影响到区域风险区划和灾害预警防治规划（唐川和许强，2009）。

灾害的危险性评价经历了定性、半定量、定量的发展过程，最常见的灾害危险评价方法包括证据权重法（范强等，2014）、层次分析法（许冲等，2009； 李子安和覃乙根，2020；王景致等，2021）、信息量法 （吴丽清等，2017；温金梅等，2021）、神经网络（李利峰等，2020）、多变量回归（方然可等，2021）和深度机器学习（刘艳辉等，2021）。尚敏等（2018）利用证据权重法评价模型对湖北省巴东县沿渡河镇区域的崩塌地质灾害进行了危险性评价，得到崩塌危险性的空间分布区划图。陈明等（2019）组合了概率判别法和层次分析法对四川省龙溪河流域的滑坡灾害的动态危险性进行了评估，揭示了汶川震后滑坡易发性的时间与空间分布变化趋势。王磊等 （2021）基于地形、地貌、构造、地层、人类活动因子，采取层次分析法-信息量法模型，利用 ArcGIS 空间分析平台评价了理县滑坡地质灾害总体危险水平； 段顺荣等（2021）、邓念东等（2022）利用 GIS 系统和层次分析法等耦合分析对灾害危险性评价也有不错的应用效果。随着地理信息系统（GIS）技术的出现，其在地质行业的应用和研究得到推广，根据空间分析功能，最终克服了专家评价中对大数据分析的困难（李文青和尚敏，2012）。由于计算机的高速发展和人们对机器学习的不断深入研究，基于大数据驱动的灾害评价预测方法得到广泛关注，大量学者研究了支持向量机模型、集成学习算法、逻辑回归模型等机器学习的方法在灾害评价中的应用，大大提高了灾害预测的准确度，为灾害的危险性评价提供了新技术（王念秦等，2019；崔阳阳等，2020）。

本文以山东淄博市区域为研究区，基于山东淄博市输变电工程沿线水土流失产生的次生灾害进行调查，分析研究沿线次生灾害分布规律及发育特征，在充分研究其孕灾环境的基础上，采用 AHP 方法和信息量法对沿线次生灾害对输变电线路的沿线灾害危险性进行了评价（雷磊等，2020），研究成果为输变电工程的塔位选择及施工期防灾减灾提供科学依据。

1 研究区概况

淄博市地势南高北低，南部及东西两翼山峦起伏，中部低陷向北倾伏，南北高差为 1050 m。以胶济铁路为界，以南大部分为山区、丘陵，岩溶地貌发育；以北大部分为山前冲积平原和黄泛平原，土地平坦肥沃。北部有黄河、小清河流经，发源于市域内的河流有沂河、淄河、孝妇河等。山区、丘陵、平原面积分别占市域面积的42. 0%、29.9%和28.1%。

根据原始杆塔数据及遥感解译成果，得到淄博市 110 kV 及以上的输变电线路情况（图1）。其中， 110 kV 线路共计 4976 个杆塔坐标点，176 条输电线路，线路总长约984.36 km；220 kV线路共计5431个杆塔点，115 条线路，线路总长约 1563.97 km；220 kV以上线路共计1457个杆塔点，26条线路，线路总长约 646.88 km；其中 500 kV 线路 23 条，1072 个杆塔点，线路总长约 477.58 km；660 kV 线路 1 条，82 个杆塔点，线路总长约 37.11 km；800 kV 线路 3 条， 132个杆塔点，线路总长约45.29 km；1000 kV线路2 条，171个杆塔点，线路总长约86.90 km。

在输变电线路的基础上进行光学及雷达卫星的遥感解译，并进行现场核查，得到淄博市输变电线路周边的地质灾害点的分布情况，灾害类型为常见且对输电工程影响较大的水土流失次生灾害，包括崩塌、滑坡、泥石流。

2 数据来源与研究方法

2.1 数据来源及预处理

灾害危险评价是基于对灾害的基础特征、形成机制、频率、规模等综合的理解，灾害的危险度往往受复杂因素的控制，如地形地貌、气象水文条件、构造地震、地层岩性、人类工程活动。本文在对研究区孕灾环境背景因素的充分分析研究下，涵盖上述 5个方面，选取了高程、坡度、坡向、地貌类型、降雨、断层距离、土地利用类型、水系密度、岩性、道路距离、矿区距离共11个控制因子作为评价指标。本研究所涉及的数据来源属性如表1 所示，通过 ArcGIS 的空间分析与处理功能，对11个基础数据图层进行了地理配准、缓冲区等操作，最后转为30 m×30 m单元大小的栅格图层，并对控制因子进行评价（图2）。

2.2 灾害控制因子分析

灾害活动在各控制因子上的分布存在空间变异性，为了定量评估各因子分级区间对灾害发生的贡献度，本文采取信息量指标（式 1）去评估因子分级区间的灾害发生概率（温金梅等，2021）：

式（1）中，I 是信息量值，该值越大表示地质灾害发生的可能性越大；X_i为影响因子的第 i类分级； N_i为影响因子 X 中第 i 类分级区间中地质灾害数量之和；N_S为研究区地质灾害数量总和；A_i为影响因子 X 中第 i 类分级区间的面积（m²）；A_s为研究区总面积（m²）。

基于 ArcGIS 中的自然断点法将各个因子进行分级，并统计计算不同分级区间的信息量值（图3）。就高程因子而言，地质灾害主要发生在海拔 100~500 m，其中 200~300 m 是地质灾害最高发区域，海拔低于 100 m 或高于 600 m 几乎很少发生地质灾害活动；研究区以低海拔平原、中小起伏山地为主，地势坡度相对较缓，地质灾害发生概率在小于 30°的区域基本与坡度表现为正相关，在 25°~30°地质灾害活动概率最大；对坡向而言，地质灾害发育的优势坡面主要是北西，其余坡向信息量值均较为接近；地质灾害在地貌单元上的分布，主要以山地、丘陵分布为主，河漫滩、平原分布较少，山地地貌更有利于地质灾害的发育；降雨的地质灾害发育呈现出正相关趋势，在雨季降雨大于 420 mm 后，地质灾害发生概率急剧上升；对于断层构造而言，距离断层越远，地质灾害发生的可能性越小；就土地利用类型而言，地质灾害更多发生在植被稀疏的草地和裸地，耕地和建筑用地几乎无地质灾害发生；在水系密度高的冲积平原和河漫滩地质灾害发育少，在水系密度相对少的山地丘陵地质灾害密度较大；对于地层岩性，砂岩、页岩、碳酸岩地质灾害发育更密集；人类工程对地质灾害活动也有着重要影响，在距离道路和矿区越近，地质灾害发生的概率越大。

2.3 权重确定与评价模型

本研究主要包括两部分权重，一是评价因子各分级间的权重，二是各评价因子之间的权重。信息量是反映事件在某种因素组合下发生概率的一个概念，该理论认为可以用信息量来评价影响因子与研究对象之间的相关性，针对于影响因子分级区间内部的权重主要依据信息量值赋予对应比例的权重（表2）。

续表2

续表2

各个评价因子的权重根据层次分析法确定，参考专家意见及野外实地验证分析，对各因子之间的相互重要性进行打分，构建各因子判断矩阵（表3）。采用方根法求出上述判断矩阵的最大特征根 λmax＝11.67，对其对应的特征向量归一化，得到评价指标的权重（表4）。根据一致性检验可得：CR＝ 0. 0441＜0.1，符合一致性。

本研究灾害危险度的计算模型采取的是层次分析法与信息量法的组合加权叠加，如下式所示：

式（2）中，H为灾害危险度，w_j为第 j个评价因子的权重，k_i为对应评价因子第 i 个分级区间信息权重。H 值越大的区域发生灾害的可能性越大，危险性越高，反之，危险性越小。

3 危险性评价结果验证及分析

利用ArcGIS的空间分析能力，将经过处理11个评价因子的栅格图层按表2中的分级标准重分类后并给每个分级区间赋予对应的信息权重值，最后基于评价指标权重（表4）利用栅格计算器将各因子图层加权求和，得到研究区灾害性区划图（图4）。为对评价结果进行验证，以实际调查的灾害数量百分比累加与危险区面积百分比累加来构建评价模型，将危险性评价结果按 10％的面积间隔从高危险到低危险分为 10 等份，分别求取这 10 个区间面积累加时的灾害数量的累加百分比（图5），可知预测准确率曲线下面积 AUC=0.76，与同类研究（王磊等， 2021）相比，评价效果较好。表明采用 AHP 方法和信息量法组合获得的灾害危险性分布精度较高，该方法能较为客观准确地对淄博市区域次生灾害危险性进行评价。

从图4中可知，研究区极低危险区、低危险区面积分别占 23.3%、17.9%，主要分布于北部的冲积、洪积平原地区。中风险区域面积占比 34%，主要位于中部、北部的平原、丘陵、小起伏的山地。高危险区域、极高危险区域分别占比20.8%、3.9%，主要分布于中部、北部的中起伏山地。研究区内输变电线路工程的杆塔共计8551个，根据统计位于极低危险区 3151 个，位于低危险区 1696 个，位于中危险区 2622个，位于高危险区 1011个，位于极高危险区 71 个。根据评价结果，对于极低、低风险区域的杆塔在汛期适当巡视，中危险区的规模较小的地质灾害应采取塔间跨越的方式予以避让，同时需要适当加强防护与巡视，对于高、极高危险区的规模较大的地质灾害，宜采取线路避让措施，对避让条件不佳的塔位，应采取必要的防护与监测、巡视等措施。

4 结论

本研究基于山东淄博市输变电工程沿线水土流失次生灾害的调查及分析，利用层次分析法和信息量模型的融合，选取涵盖地形地貌、地层岩性、地质构造、水文降雨、人类活动等方面的 11 个评价因子，对输变电工程沿线次生灾害的危险性进行了评价区划，主要结论如下：

（1）基于信息量法研究了11个评价因子与次生灾害分布的关系，其中次生灾害受高程、坡度、地貌、岩性、降雨控制性较大，灾害发育的优势高程为 200~300 m，优势坡度 25°~30°，优势地貌为中小起伏山地，优势岩性为砂岩、页岩、碳酸岩，雨季降雨超过420 mm次生灾害危险较高。

（2）研究区低危险以下区域面积占比 41.2%，中危险区域面积占比 34%，高危险以上区域面积占比 24.8%。56.7% 的杆塔位于危险性低以下区域， 30.7% 的杆塔处于中危险区，仅 12.6% 的杆塔位于危险性高及以上的区域。

（3）成功率曲线 AUC=0.76，显示评价精度较好。表明层次分析法和信息量法的组合适用于淄博市区域次生灾害危险性评价，其评价结果对淄博市区域次生灾害的防范与治理可提供一定的参考依据。

（4）次生灾害对输变电线路工程的影响，施工期主要威胁塔位及临时施工营地的安全，运营期主要影响塔位安全及电网稳定运行。对于极低、低风险区域的杆塔在汛期适当巡视，中危险区的规模较小的次生灾害应采取塔间跨越的方式予以避让，同时需要适当加强防护与巡视，对于高、极高危险区的规模较大的次生灾害，宜采取线路避让措施，对避让条件不佳的塔位，应采取必要的防护与监测、巡视等措施。

参考文献