摘要
冀北地区地势起伏，环境地质条件复杂，地质灾害频发，为有效提升地质灾害防治的精细化水平，最大限度避免和减轻地质灾害给人民生命财产造成的损失，基于GIS平台对冀北地区开展高精度的区域地质灾害风险评价，可为促进全省经济社会高质量安全发展提供科学依据，助力实现中国式现代化河北场景安全总目标。本文通过对冀北典型地区兴隆县进行 1∶5万、1∶1万地质灾害详细调查，采用层次分析法+信息量法的耦合模型，对研究区孕灾地质条件进行分析，计算孕灾因子权重，确定信息量值，系统评价研究区的全域地质灾害的易发程度，并依据降雨因子叠加分析确定区域危险性程度，最后叠加人口、建筑物、交通设施、土地利用等易损因子获取区域地质灾害风险评价结果。结果显示：冀北研究区发育高风险区面积约 111 km2 ，约占研究区面积的 3.56%，主要分布在县域东部、西南、中部、东北等区域；中风险区面积约1315 km2 ，约占研究区面积的42.21%，在全区多处均有分布，主要分布在各大流域两岸。低风险区面积约 1690 km2 ，约占研究区面积的 54.25%。冀北地区是河北省地质灾害防治的重点区域，应进一步做好地质灾害气象风险预警，完善群专结合监测预警网络，提升区域防灾减灾体系建设和管理水平，对构建安全、稳定、和谐的美丽河北具有重要意义。
Abstract
In order to effectively improve the level of prevention and control of geological disasters and minimize and reduce the losses caused by geological disasters to people's lives and property, the high-precision regional geological disaster risk assessment based on the GIS platform can provide a scientific basis for promoting the high-quality and safe development of the province's economy and society, and help realize the overall goal of Chinese-style modernization of Hebei scenario. Through the detailed investigation of 1∶50000 and 1∶10000 geological disasters in Xinglong County, a typical area of northern Hebei, the coupling model of analytic hierarchy process + information method was used to analyze the geological conditions of Xinglong County, calculate the weight of disaster-bearing factors, determine the value of information, systematically evaluate the susceptibility of geological disasters in Xinglong County, and determine the regional risk degree according to the superposition analysis of rainfall factors. Land use and other vulnerable factors were used to obtain the results of regional geological disaster risk assessment. The area of high-risk areas in Xinglong County in northern Hebei Province is about 111km2 , accounting for about 3.56% of the survey area, mainly distributed in the eastern, southwestern, central, and northeast regions of the county. The medium-risk area covers an area of about 1315 km2 , accounting for about 42.21% of the survey area, and is distributed in many places in the whole region, mainly on both sides of the major river basins. The area of the low-risk area is about 1690 km2 , accounting for about 54.25% of the survey area. The northern Hebei region is a key area for the prevention and control of geological disasters in Hebei Province, and it is of great significance to build a safe, stable and harmonious beautiful Hebei Province by further improving the early warning of geological disaster meteorological risks, improving the monitoring and early warning network of the combination of groups and specialists, and improving the construction and management level of the regional disaster prevention and mitigation system.
Keywords
0 引言
地质灾害是国际社会安全发展的重要影响因素，中国是全球地质灾害最发育的国家之一，受到国际持续的关注（殷跃平，2022）。自 21 世纪以来，中国地质灾害防治体系愈加完善，地质灾害的防治措施也不断得到提升，灾害发育数量、造成的人员伤亡及经济损失逐年下降（刘传正和陈春利， 2020）。但地质灾害具有较强隐蔽性和突发性，极端降雨或震动条件下地质灾害的风险预判研究不够深入，与新时代防灾减灾工作新要求存在一定差距。如何提高预判能力，《全国地质灾害防治“十四五”规划》明确指出，需持续开展地质灾害易发区1∶ 5万和重点地区1∶1万基础调查，推进防灾能力建设 （自然资源部，2022）。目前，针对地质灾害风险评价研究和实践已取得了较好成果。
联合国救灾组织（UN-DRO）于 1982 年提出自然灾害风险的定义：“风险（Risk）=危险（hazard）×暴露 （element satrisk） × 易损性 （vulnerability） ” （UNDRO，1982①；徐继维等，2015）；Enrique et al. （2008）对古巴Guantanamo地区做的滑坡风险评价； Guzzetti et al.（2006）在意大利开展了滑坡风险性评价模型，实现了对风险的定量分析；Gorsevski et al. （2006）则首次运用 GIS 算法实现区域的稳定性计算。目前国内常用的评价模型包括统计模型、确定性模型和人工智能模型 3 类，尤以统计模型最为常用，按照统计学运用逻辑还可将定量统计模型分为逻辑回归模型（陈朝亮等，2019）、证据权模型（San‐ dric et al.，2019）、Fuzzy 模型，信息量模型等。游桂芝和鲍大忠（2009）采用灰色关联度法确定各影响因素的权重，并采用模糊综合评价法对中山区各网格单元进行评价，范强等（2015）对地质灾害的信息量进行分析，叠加组合分析预测能力，提出最优的因子组合；陈水满等（2022）基于人工神经网络模型对福建省南平市进行滑坡危险性评价；周子俣 （2023）基于文献计量学分析 GIS 地质灾害风险评价；莫运松等（2023）采用专家-层次分析法对广西地区进行了地质灾害风险性评价；张云等（2025）基于生态位模型对地质灾害进行了风险评价，取得了较好成果。相关研究有力推动了地质灾害风险研究水平的提升和发展。但不同地区地质环境差异性较大，评价模型的选择直接关乎风险评价精度，如何依据地理环境状况确定评价模型，提升风险管理精度和水平，仍需要深入研究和探讨，经对以往相关成果进行分析，层次分析法与信息量模型结合的方法对地形起伏较大地区具有一定的实践意义。
冀北燕山地区地质条件复杂多变，研究区地处燕山东麓，是燕山地区集中暴雨中心，地质灾害严重威胁着地方人民的生命财产安全，为有力提升该地区风险管理水平，做好地质灾害预测预防，本研究以高精度地质灾害调查为基础，依据冀北地区 “九山半水半分田”的地理环境特征，运用层次分析法+信息量模型对该区进行易发性、危险性、易损性评价，最终对其风险性进行综合评估，为地区的安全可持续发展提供依据，同时为燕山其他地区的地质灾害评价研究提供借鉴。
1 研究区概况
研究区位于河北省东北部，承德市最南端，燕山山脉东段，古长城北侧，地处北京、天津、唐山、承德4城市结合部，西南紧邻首都北京市，是环首都重要县区，行政区面积为 3123 km2，其中山地面积占 84%，是典型的“九山半水半分田”的山区县，区内交通以公路、铁路为主，交通线纵横交错，交通便利。研究区属温暖和半湿润、半干旱的季风型大陆性气候，年平均温度 7.5℃，年平均降雨量达 688.8 mm，属河北燕山一带暴雨中心，雨量充沛。境内河流归属滦河、潮白蓟运河两个水系，发育主要河流 9 条，河流年平均来水量23.114亿 m3，地表径流量年平均 7.3985亿 m3，流量发达。
研究区地处中朝准地台内蒙地轴南侧燕山台褶带，属新华夏体系，平坊—桑园大断裂、密云—喜峰口大断裂交错切割，地形起伏较大，燕山山脉最高山雾灵山坐落于此，区内最大相对高差达 1900 m。区内地质环境复杂，地层出露比较齐全，出露主要地层有太古宇，中元古界长城系、蓟县系、青白口系，古生界寒武系，中生界侏罗系及新生界第四系松散堆积物。
据研究区 1∶5 万地质灾害调查成果，研究区共发育地质灾害隐患92处，其中崩塌和泥石流为区内主要地质灾害，发育数量共计81处，占地质灾害总数 88%；地质灾害共威胁居民达1520人，威胁房屋1858 间，预测经济损失额约4088.82万元，如图1所示。
图1研究区示意图
2 评价模型构建
2.1 数据来源
地质灾害样本是地质灾害风险评价中易发性评价的重要基础，本次评价研究依据研究区 1∶5 万地质灾害风险调查成果。经孕灾地质条件初步分析，地质灾害的易发性与地形地貌条件、地层岩性条件、地质构造条件等有不同程度的影响关系，其中地形地貌条件中，高度、坡度剖面曲率等为主要因素，本次数据来源主要结合野外实地调查、DEM 地形数据，三调、地理云等综合分析获取。各类评价因子数据来源如表1所示。
表1评价因子数据来源
2.2 研究方法
地质灾害风险评价研究主要分为地质灾害易发性评价、区域危险性评价、承灾体易损性评价和风险综合评价4个部分（唐川和马国超，2015；铁永波等， 2022；段中满等，2024；席雪萍等，2025），评价首先要开展区域地质灾害易发性评价因子的选取，并构建区域地质灾害易发性模型，本次地质灾害易发性评价方法采用定量分析法与定性分析法结合研究，综合运用ArcGIS软件的空间分析，使评价结果更加客观科学，更接近实际情况，有利于实际运用（刘洋等， 2013）。本次评价中采取层次分析法（AHP）-信息量法相结合的评价模型对研究区各类地质灾害的易发性进行评价，该方法对以往地质灾害风险评价采用单一信息量法无法客观确定指标权重的缺点和层次分析法中简单依靠专家打分法进行分区的缺点有了极大的科学补充。削弱了主观偏差，提高了可信度，提升评价结果的可解释性与实用性。
地质灾害风险评价采用定性与定量相结合，根据数据分析和实地验证在易发性、危险性、易损性评价基础上综合叠加确定风险等级，具体流程为：在地质灾害易发性评价结果上，叠加降雨因子构建区域地质灾害危险性模型，得到区域地质灾害危险性评价分区结果；根据人员和基础设施等承灾体遭受地质灾害破坏的严重程度，进行区域地质灾害承灾体易损性评价，最终结合地质灾害危险性评价和区域地质灾害易损性评价得到区域地质灾害风险评价结果。
2.2.1 层级分析法（AHP）
层次分析法解决问题的关键是通过对评价目标的分析，按照特定的条件将目标划分为不同属性的各个组成要素，层次从高到低分为：最高层，中间层，最底层等指标
为修正每个层次的不同因素之间的相对重要性判断偏差，引入了判断矩阵，比较两两之间相对重要性，用数值表示出来，采用美国著名运筹学家萨蒂的 1-4 标度方法进行打分，不同重要程度分别赋予不同的数值，表征其相对重要性值，并进行一致性检测，确保矩阵有效性，取得合理的权重值。一般常用的滑坡易发性评价指标有：①地形：高程、坡度、沟壑密度、地势起伏度等；②地貌：地貌单元、微地貌形态、总体地势等；③地层岩性：岩性特征、岩层厚度、岩石成因类型等；④地质构造：断层、褶皱、节理裂隙等；⑤地震：烈度、动峰值加速度、历史地震活动情况等；⑥工程地质：区域地壳稳定性，基岩埋深，主要持力层岩性、承载力、岩土体工程地质分区等。模型输入参数的准确性，需要对所选各指标因素进行筛选。应用 ArcGIS 空间分析工具中对所有初选指标因素进行相关性分析，取得最终的主控因素及权重。
2.2.2 信息量法
通过数学模型计算因子内部不同区间的信息量值，信息量值客观上代表了此区间对地质灾害发生的贡献率，各评价因子提供的信息量值叠加即为评价区域总信息量值。
(1)
式（1）中：I为某个单元内地质灾害发生的总信息量；Ni 为某个因素 i 状态下地质灾害点数或面积 （km2）；Si 为某个因素 i 状态下的分布面积（km2）；N 为评价区地质灾害总点数或总面积（km2）；S为指评价区的总面积（km2）。
将计算得到的信息量值赋给对应的栅格元点，对各项因子进行信息量的叠加，并采用人工修正的自然断点法进行重分类，得到地质灾害易发性分区图。
3 风险评价过程
3.1 评价单元的确定
本次评价采用栅格评价单元与流域单元结合的方式，在进行滑坡、崩塌易发性评价时选取了规则栅格单元作为评价单元，分辨率 10 m×10 m。泥石流易发性评价时采用流域单元，共计1693个。
3.2 易发性评价
经野外实地调查分析研究可知，不同地质灾害其主控因子各不相同，其中斜坡地质灾害崩塌和滑坡相似，主要受控因子包括高程、坡度、剖面曲率、距断层距离、工程地质岩组、斜坡结构、据水系距离、植被覆盖度8种因子。泥石流易发性评价因子：平均侵蚀力指数SPI、流域内平均 melton 比率、植被覆盖度、流域相对高差、流域内平均地势起伏度等5 个因子（图2）。
运用信息量计算模型结合野外孕灾地质条件调查分析，确定各类因素断点分级，运用GIS的空间分析计算，获取因素分级内面积与地质灾害发育数量，同计算栅格进行重分类，获取各指标的信息量值，最后通过 AHP 计算原理得到各类因素权重，再使用栅格计算器功能将信息量值赋值给各评价指标的栅格图层，最后加权总和将评价指标图层进行叠加得到易发性评价图。如表2、表3所示。
表2崩塌、滑坡易发性评价因子信息量值
图2研究区影响因子分级
a—高程；b—坡度；c—曲率；d—距断层距离；e—工程地质岩组；f—距水系距离；g—斜坡结构；h—植被覆盖度
表3崩塌、滑坡易发性评价因子权重值
考虑到泥石流的易发性是基于流域单元进行的评价，因此可将泥石流的易发性评价从流域单元上归结到沟道上，通过 ArcGIS 空间链接功能，将泥石流基于流域单元的易发性评价结果提取到流域的沟道和堆积区上来，并将划分结果归集到斜坡单元进行表达，根据各类地质灾害评价信息量值进行加权计算（程皓阳，2021），采用人工归一化处理结合修正断点法将研究区划分为低易发、中易发、高易发3个等级（图3）。
图3研究区灾害易发性评价结果分布图
由易发分区图可知，区内地质灾害高易发区面积为 537.87 km2，部分相对集中，部分零散分布于全区范围内，共发育灾害及隐患点 40 个，灾害点平均分布密度 0.074 个/km2，区内地势起伏较大，出露软岩较多，岩层节理裂隙发育强烈，岩层破碎，在地质外力作用及降雨作用下易变形失稳，多发育泥石流、崩塌地质灾害；中易发区分布面积为 1525.61 km2，占研究区总体面积的48.96%，共发育地质灾害及隐患点 52个，灾害点平均分布密度 0.034个/km2，表层风化程度一般，节理裂隙相对较发育，区域植被覆盖度较高，植物根系保持水土能力较强，水土结构较为稳定，人类工程活动相对较弱；低易发区分布面积为1053.31 km2，占全区面积的33.80%。主要分布在青松岭镇、挂兰峪镇、八卦岭镇、孤山子镇、北营房镇等 15 个乡镇部分区域，该区未发育地质灾害隐患。评价结果与野外调查基本相符。
3.3 危险性评价
地质灾害危险性评价综合地质灾害易发性和诱发因素对地质灾害发生的影响，预测地质灾害影响的范围及概率。本次危险性评价不考虑基本地震工况影响，由于基本地震工况为概率工况，县域地质灾害危险性评价以研究区近十年历史月累计降雨量为叠加因子，将所有雨量站月平均降雨量统计后，按照克里金分区采用信息量法进行分级计算，获取信息量值（程皓阳，2021），由于研究区降雨跨度较大，故将降雨因素按照10级划分（表4）。
表4研究区降雨量信息量值统计
图4研究区灾害危险性评价结果分布图
由图4可知，研究区高危险区分布面积为 869.26 km2，占比27.90%，大部分零散分布于全区范围内，共发育灾害及隐患点 56 个，灾害点平均分布密度0.0644个/km2。该区地形坡度较陡，山体陡立，大部分山体坡度大于 32°，沟谷纵横，该处地质构造较为发育，主要发育北北东向和北北西向断裂，岩质较软，易崩易滑，或形成泥石流物源；中危险区分布面积为 1764.05 km2，占全区面积的 56.61%，共发育 32 处灾害点，灾害密度 0.0181 个/km2；低危险区分布面积为483.49 km2，占全区面积的15.50%，共发育地质灾害4处。
3.4 易损性评价
易损性评价反映地质灾害的社会属性，社会属性包括承灾体的空间分布规律及其价值属性，是承灾体遭受地质灾害影响程度的反应。本研究综合按照人员易损性、建筑物易损性、交通设施易损性及土地利用类型确定评价因子，由于野外实地调查精度有限，易损性评价主要依靠三调数据及地理国情调查数据进行分析评价。易损性赋值数据如表5所示，易损性评价结果如图5所示。
3.5 评价分区结果验证
在模型评价结束后，对模型进行精度评价，以3 个易发性等级的累计面积与总面积的百分比作为横轴，以对应 3 个易发性等级内地质灾害累计点数与地质灾害总数百分比作为纵轴，制作趋势线后可以看出，按照势线后可以看出，按照线性趋势线进行拟合，得到的R2 值为0.9626，R2 值越接近于1说明横纵坐标两个参数相关性越大，趋势线越可靠。由于低易发等级的灾害数量累计占比为 0，所以无法采用，故将 0调整为 1后进行指数趋势线拟合，结果表明 R2 值为 0.9861，证明易发性评价结果良好（图6）。
表5研究区易损性赋值数据
3.6 综合风险评价
地质灾害风险评价是建立在危险性评价和易损性评价基础之上，是地质灾害发生概率及其它可能造成潜在损失的综合分析考量。本次采用矩阵分析法得到地质灾害风险评价图，通过 GIS 焦点统计功能将离散的栅格单元进行合并处理。按照地质灾害风险等级划分相关要求（国务院第一次全国自然灾害综合风险普查领导小组办公室，2020②），获得风险划分栅格数据，为更好的服务政府部门的相关决策、城市建设选址、土地开发利用、灾害体治理及承灾体规避等，本次将风险栅格数据归并于孕灾单元，以单元形式进行表达，提升评价结果的服务效能。评价结果如图7所示。
图5研究区地质灾害易损性分区图
图6线性趋势拟合曲线（a）与乘幂趋势拟合曲线图（b）
图7研究区地质灾害风险评价分区图
依据评价结果，研究区其中高风险区面积约 111.07 km2，约占研究区面积的 3.56%，主要分布在县域东部、西南、中部、东北等区域，区内目前共发育各类地质灾害共计 47，地质灾害发育密度达 42.3 处/100 km2，说明区内山体较陡，地势起伏较大，并且人员密集，交通设施、建筑物分布较多，区内人类活动强烈，地形改造显著，岩体欠稳定，该区应做重点防治。地方政府应将地质灾害防治纳入常态化管理体系，构建“预防-治理-应急”全链条工作机制。首先建立工程设施定期巡检制度，依托“网格化+信息化”平台实现治理工程的动态监测与智能预警；其次制定年度防灾培训计划，联合应急、自然资源部门定期组织镇村两级应急演练，通过“移动宣传车+社区课堂”普及逃生避险技能；同时强化规划源头管控，将公路建设地质灾害评估纳入项目审批前置条件，联合住建部门开展顺向坡违建专项整治行动，通过“遥感监测+地面巡查”构建立体监管网络；并建立极端天气联防联控机制，整合气象、交通大数据搭建灾害预警平台，实行“雨前排查-雨中巡查-雨后核查”的三段式交通管制，确保风险区人员流动科学管控；中风险区面积约 1315.36 km2，约占研究区面积的 42.21%，在全区多处均有分布，主要分布在各大流域两岸，区内目前发育各类地质灾害共计 38，地质灾害发育密度达 2.88处/100 km2，虽区内较大部分为山体陡峭地带，地势起伏较大，但人员、交通设施、建筑物分布较分散，其危险区与易损区叠合性差，风险中等，建议该区域加强防灾减灾知识的培训，提高防灾意识和技术水平，对于该区灾点密集，但规模小的情况，应以排危除险为主； 实行“县、乡（镇）、村、组”多级负责制，汛期值班，发现灾情迅速上报等相关防治措施；低风险区面积约为 1690.37 km2，约占研究区面积 54.25%，共发育地质灾害7处，发育数量极少，地质灾害发育密度仅为 0.4处/100 km2，进一步说明低风险区孕灾条件最差，更多为山林保护区或者深山地带，人员、建筑物稀少，或地势起伏度不大，岩层较稳定，区内承灾体受到损害的风险低。评价结果与野外孕灾地质条件调查结果相符。
4 结论
（1）本研究首次在冀北燕山地区运用 AHP+信息量法模型对区域地质灾害风险进行评价，深度考虑各类地质灾害的孕灾发育受控因素，对不同地质灾害单独赋予特征因子权重进行评价，评价结果更加客观准确，符合实际情况。
（2）研究区高风险区面积约 111.07 km2，约占研究区面积的 3.56%，主要分布在县域东部、西南、中部、东北等区域，区内孕育地质灾害的条件好，承灾体集中分布；中风险区面积约 1315.36 km2，约占研究区面积的 42.21%，主要分布在各大流域两岸；低风险区面积为 1690.37 km2，约占研究区面积的 54.25%，区内地质灾害发育数量极少，孕灾条件最差。
（3）本次采用信息量模型对区域易发性、危险性、风险性进行评价，其已有地质灾害及隐患空间地理位置为评价关键数据，山区地势变幅较大， DEM数据识别与信息量的计算，易因地质灾害定点位置错误呈现显著差异，故野外孕灾条件及地质灾害调查时严格落实相关规范要求，保障评价的正确。
（4）本研究提高了燕山地区地质灾害发育主控因素的认识，了解了不同风险区的发育情况，有利于地质灾害防治管理体系的提升，同时对研究区政府相关建设开发决策、土地开发利用、经济安全发展提供了前体保障条件，也为燕山地区其他县市区的地质灾害防治工作提供一定的参考。
（5）总体分析，未来地质灾害风险评价应聚焦区域尺度的适用性优化。尝试将该模型与地理信息系统（GIS）及遥感技术深度融合，构建多层级地质灾害风险评估框架，以提升模型在不同尺度灾害预警中的泛化能力；此外，可探索模型与物联网技术的结合路径，通过布设实时位移监测、土壤含水率传感器等设备，建立“静态评估-动态监测-智能预警”的一体化平台，实现灾害风险的时空演化模拟与应急响应联动。最后，建议开展跨学科交叉研究，例如融合地质灾害风险图谱与区域生态安全格局，为国土空间规划提供多目标协同决策支持，推动理论研究向防灾减灾实践转化。这些方向的突破将有助于构建更具前瞻性和可操作性的地质灾害综合防控体系。
注释
① UNDRO.1982. Natural Disasters and Vulnerability Analysis[R]. Geneva: Office of the United Nations Disaster Relief Coordinator．
② 国务院第一次全国自然灾害综合风险普查领导小组办公室 .2020. 地质灾害风险调查评价技术要求（1∶50000）[R].
