[美]Yang Hong，Robert Adler，George Huffman

田 芳 译；冯翠娥、魏国强 校译

卫星遥感数据在自然灾害（如滑坡）分析中有着非常大的应用潜力。本文依托卫星遥感和GIS技术的最新发展，利用基于GIS的加权线性组合方法，绘制全球大部分地区的滑坡敏感性图。首先，从地质空间遥感数据中提取出6个滑坡控制因素，并编码带到GIS系统中。然后，把从低到高的连续的敏感值赋给每个控制因素。其次，根据每个因素对滑坡发生过程的相对重要性（例如，斜坡是最重要的因素，土壤类型和土壤质地也是主要参数，而高程、土地覆盖类型和排水密度是次要因素），利用GIS的加权线性组合，获得全球滑坡敏感指数的一个连续范围。最后，将连续的指数图进一步划分为6大敏感类别。结果显示，滑坡易发区的热点区包括太平洋地区、喜马拉雅山脉、南亚、落基山脉、阿巴拉契亚山脉、阿尔卑斯山以及中东和非洲的部分地区。印度、中国、尼泊尔、美国和秘鲁存在滑坡易发区。首张全球滑坡敏感图是从全球角度审视滑坡风险的起点，将来可能会与卫星提供的降雨信息联合应用，来预测强降雨条件下，极有可能发生滑坡的地区。

一、简  介

浅层滑坡，是运动速度很快的岩石和泥的混合体，以55公里/小时或更大的速度沿坡运动，可造成人员伤亡，破坏房屋、道路、桥梁和其它财产。浅层滑坡主要是饱和的山坡经历长时间的强降雨而引发的（Baum等，2002）。如在1998年10月，飓风Mitch使加勒比海和中美地区普遍发生了灾难性的滑坡事件。据报道，有6600人死亡，8052人受伤。大约140万人流离失所。超过92座桥梁被毁，近七成的作物颗粒无收。遗憾的是，尽管世界范围内频繁发生滑坡事件，但目前尚未有评价全球潜在滑坡的图件或指导方针。虽然从空间和时间上预测滑坡事件仍然是一件非常困难的事情，但是为了尽可能地降低损失，根据滑坡潜在灾害的程度，还是可以将一个地区归类（Saha等，2005）。

滑坡的发生依赖于大量部分相关因素复杂的相互作用。根据Dai和Lee（2002），这些因素可以归为两大类：（1）静态因素，包括斜坡、土壤性质、高程、坡角、土地覆盖和岩性等；（2）动态因素，如强降雨和冰川崩溃。一般来说，野外调查是评价滑坡敏感性（LS）最准确的方法。但是，要分析大范围地区内可能发生的滑坡是非常困难的，既要花费大量时间也要付出高昂的成本。这种情况在发展中国家尤为突出，因为地面观测网络的投入成本相当高，往往使发展中国家无力承担，而且很多山区难以进行实地调查。遥感信息对很多国家而言，可能是滑坡研究唯一可能的一种信息来源。目前可用的卫星数据可能会提供滑坡发生所涉及到的地表特征和动态过程的准确有用的信息。

本文利用高分辨率的卫星遥感产品，尝试进行全球滑坡灾害评价。利用GIS对从遥感数据中获得的信息进行数字化处理，并结合其它一些辅助信息。通过利用基于GIS的地图叠加技术，有可能定量综合几个不同的参数（如高程、斜坡和土地利用等）图层，绘制出全球滑坡敏感性的空间分布。全球滑坡敏感图是从全球角度评价滑坡灾害的起点，将来可能会与卫星提供的降雨信息联合应用，来预测强降雨条件下，极有可能发生滑坡的地区。

本文的第二部分介绍滑坡控制因素和地质空间数据集，第三部分是全球滑坡敏感图的绘制，最后一部分是对结果的讨论。

二、卫星遥感和地质空间数据集

（一）滑坡控制因素

滑坡的发生依赖于大量相关因素复杂的相互作用。表1列出了滑坡控制因素：地质背景、地形特征、土壤性质、土地覆盖特征、水文和人为影响。根据Dai和Lee（2002），这些因素又可以归为两类：静态因素和动态因素。引发块体运动的因素称为动态因素，主要是降雨和地震。与滑动相关的基本的地表特征称为静态因素或主要因素（Sidle和Ochiai，2006）。静态因素决定了滑坡敏感性，可以从地表特征中提取。

表1 滑坡控制因素

（二）地质空间数据集

利用遥感产品可以获得各种与滑坡控制因素相关的参数。本次研究利用了几个地质空间数据集，下文将分别进行简要介绍。

1、数字高程模型数据及其衍生产品

本次研究利用的基本的数字高程模型（DEM）数据集是美国宇航局（NASA）的航天飞机雷达地形测绘使命（Shuttle Radar Topography Mission，简称SRTM；http://www2.jpl.nasa.gov/srtm/）数据集。SRTM数据是世界数字制图的一个重大突破（水平空间分辨率是30m，垂直误差小于16m），为热带大部分地区和世界其它地区提供了高质量的高程数据。SRTM数据有两类：SRTM1（针对美国领土），以经度和纬度的每一弧度秒的间隔采集数据；SRTM3（北纬60°-南纬60°），每隔3弧度秒采集一个数据。SRTM1的水平分辨率大约是30m，SRTM3在赤道地区的分辨率是90m。关于SRTM的详述可见Farr和Kobrick（2000）。

利用DEM数据可以获得各种地形因素，除了简单的高程外，还包括斜坡、坡角、地貌、斜坡曲率、斜坡粗糙度、斜坡面积和地形的分类（Fernandez等，2003）。利用DEM数据还可导出水文参数（流向、流动路径、流域和河网盆地）。

本次研究利用水平分辨率为1000m的美国地质调查局的GTOPO30 DEM（http://edcdaac.usgs.gov/gtopo30/gtopo30.html），来填补STRM的空白。STRM数据覆盖了南纬56度和北纬60度之间的所有陆地，占全球陆地面积的80%。

2、土地覆盖数据

MODIS（中等分辨率成像光谱仪）是Terra和Aqua卫星上搭载的一个重要仪器。MODIS每隔1~2天对地观测一次，以36波段或波长组获取数据（http://modis.gsfc.nasa.gov/index.php）。这些数据能够使我们更深入地认识陆地、海洋和低空的全球动态过程。利用从MODIS获得的全球陆地覆盖数据简单代替植被和土地利用类型。可用的MODIS陆地覆盖分类图可达到相当高的精度——250m。这一陆地覆盖产品利用了国际地球生物圈计划（IGBP）提出的分类方案。MODIS陆地覆盖产品按照观测年的时间序列，描绘了17个IGBP陆地覆盖类型的地理分布（Friedl等，2002）。在每一个空间精度下，都有一个陆地覆盖类型分类图层（从0到17）、一个分类的置信评价图层，以及17个相关图层，提供了每个单元格上每种土地覆盖类型的百分比（0到100）。这个数据集也提供了低精度单元格内，17类中每一类所占的比例。

3、FAO数字化土壤图

利用联合国粮农组织（FAO）2003年出版的世界数字化土壤图获得关于土壤性质的信息（http://www.fao.org/AG/agl/agll/dsmw.htm）。可用的土壤参数包括土壤类型分类、粘土矿物学、土壤深度、土壤湿度、土壤容重、土壤压实状况等。这一产品不是直接根据卫星信息获得的，而主要来自于地面调查和国家数据库。

4、土壤性质

第二个非卫星数据库是国际卫星陆面气候计划（ISLSCP）行动II数据采集（International Satellite Land Surface Climatology Project (ISLSCP) Initiative II Data Collection， http://www.gewex.org/islscp.html），提供了所选的18种土壤参数的栅格数据。这些数据由橡树岭国家研究所分布式活动档案中心（ORNL DAAC）（http://daac.ornl.gov/）发布。本次研究涉及到的一个重要参数就是土壤质地。按照美国农业部土壤质地分类，13个质地分类反映了粘土（粒径小于0.002 mm）、粉土（0.002~0.05 mm）和砂（0.05~2 mm）在土壤中的相对含量。从13个原始质地分类中确定出三类：粗粒土（1）砂、壤砂土和砂壤土，粘土含量小于18%并且砂含量大于65%；中等（2）砂壤土、壤土、砂质粘壤土、粉壤土、粉粘壤土、粘壤土，粘土含量小于35%并且砂含量小于65%（如果粘土含量低至18%，则砂的含量可能高达82%）；细粒土（3）粘土、粉粘土、砂粘、粘壤土，粘土含量超过35%。要注意，这些土壤质地分类将被插值到最大的DEM空间尺度上。

三、全球滑坡敏感图的绘制

依据数据的可用性，可利用各种方法绘制全球滑坡敏感性（Guzzetti等，1999）。然而，有没有可能利用有限的数据就绘制出滑坡敏感性呢？Fabbri等（2003）和Coe等（2004）认为，这不但有可能，而且会更准确。更多的信息不一定能得到更好的结果，而要依赖数据的质量。Coe等人（2004）评价了利用四种地形参数（高程、坡角、曲率和斜坡形态）获得的滑坡敏感图的有效性，他们发现，高程和坡角这两者的结合能够最好地描绘滑坡敏感性。类似的，Fabbri（2003）等人发现，三个数据层（斜坡、高程和斜坡形态）要比六个数据层（包括其它地质条件、地表物质和土地利用）得到更好的结果。这些结果似乎表明，地形是决定滑坡发生位置的主要控制因素。

本文绘制滑坡敏感图的过程如下：

Ø        用一个浅层滑坡敏感值逐渐增加的连续统集合，将滑坡控制因素分类；

Ø        为每一个因素分配敏感值（0~1）；

Ø        利用加权线性组合方法绘制滑坡敏感性。

（一）为滑坡控制因素赋值

利用上文所述的地质空间数据集，提取了多个滑坡控制参数，包括高程、斜坡、形态、曲率、凹度、土壤类型百分比（粘土、粉砂和砂等）、土壤质地、土地利用分类和水文变量（排水密度、汇水和流动路径）。由于缺少全球滑坡发生数据，因此滑坡因素的选择和赋值根据了一些参考研究和可用的信息。在所有这些因素中，前人的研究（Dai和Lee，2002；Carrara等，1991； Anbalagan，1992；Larsen和Torres Sanchez，1998；Lee Min，2001；Saha等，2002；Fabbri等，2003；Sarkar和Kanungo，2004；Coe等，2004）证明，有6个参数：斜坡、土壤类型、土壤质地、高程、MODIS陆地覆盖以及排水密度与滑坡的发生有非常紧密的联系。

第一步是将各种滑坡控制因素进行分类。例如，利用Larsen和Torres Sanchez（1998）提出的一种方法，可将土地覆盖分为几大类：（a）林地；（b）灌木丛地；（c）草地；（d）牧场和/或农田；（e）已开发土地和/或公路网。这些土地利用/土地覆盖类别描述了一个对浅层滑坡敏感性不断增加的集合。本研究使用同样的方法，将17MODIS土地覆盖类型分为11类（表2），描述了对浅层滑坡不断增加的敏感性，将滑坡敏感值0~1分别赋给每一类。Dai和Lee（2002）以及Lee和Min（2002）详细论述了斜坡、土壤类型和土壤质地对滑坡的影响。

在很多地区，根据Coe等（2004），高程可近似代表平均降雨量，因为降雨量在地形的影响下随着高度的增加而增加，海拔高的地区容易对滑坡敏感，因为这些地区的降雨量要比海拔低的地区更大。排水密度间接反映了地下水条件，对于滑坡活动起着非常重要的作用（Sarkar和Kanungo，2004）。Sarkar和Kanungo（2004）也发现滑坡和排水密度之间有着相反的关系，这可能是由于风化的片麻岩具有更高的渗透性，从而导致该地区的不稳定性增加。基于这些前人的研究，根据几个经验假设，对其它参数也进行了敏感性赋值，包括（1）斜坡高度越大，敏感性越高；（2）越粗糙松散的土体，敏感性越高；（3）海拔越高，敏感性越高；（4）排水密度增大，敏感性降低。例如，在假设（1）下，平坡，其斜坡地图单元上的敏感值赋给0，最陡的斜坡，赋给1。因此，参数k的值x_k(i,j,t)用0~1进行标准化，如式（1）所示：

其中，x_k(i,j,t)是像素位置(i, j)上第k个因素在时刻t时的原始值，y_k(i,j,t)是x_k(i,j,t)标准化之后的值。x_k^max (x_k^min)是第k个因素的上限值（下限值）。正如上文所述，这些滑坡控制因素都是半静态的，因此，时间t只代表了这些地质空间数据集的采样时间。最终的滑坡敏感值是每个滑坡控制参数赋值的综合结果。

表2 不同土地覆盖类型滑坡敏感性的赋值

（二）加权线性组合

为了表达和交互式地检验这些要素，利用加权线性组合（WLC）的GIS叠加概念，绘制了一系列的专题图。在WLC方法中，应用主要和次要权重综合滑坡控制因素（Ayalew等，2004）。本研究使用加权线性组合方法获得最终的敏感值，如式（2）所示：

式中，Z(i, j, t)是每一个像元(i，j)最终的敏感值，wk是第k个因素的线性组合权重，本研究中的k取值范围是1到6。下一步就是确定每一个参数的权重。

Coe等（2004）和Fabbri等（2003）发现，地形是确定滑坡发生位置的主要控制因素。Dai和Lee（2002）与Lee和Min（2001）报导说，坡度对浅层滑坡的发生有着最主要的影响，其次是覆盖于斜坡之上的土壤质地和土壤类型。其它参数，土地覆盖（Larsen和Torres Sanchez ，1998）、高程（Coe等，2004）和排水密度（Sarkar和Kanungo，2004）也具有重要的作用，但是在确定滑坡发生的可能性中处于次要地位。根据这些分析，在这六个参数当中，我们发现，斜坡是最重要的因素，土壤类型和土壤质地也是主要参数，而高程、土地覆盖类型和排水密度是次要参数。试验了几个反映了不同权重组合的WLC敏感模型。将结果与现有的区域敏感图进行比较（http://landslides.usgs.gov）。据此，选择一个最佳模型，其中这六个参数（斜坡、土壤类型、土壤质地、高程、MODIS土地覆盖类型和排水密度）的权重分别是0.3，0.2，0.2，0.1，0.1和0.1。这样标准化的敏感值的取值范围从0到1。敏感值越大，发生滑坡的可能性就越大。

（三）全球滑坡敏感图

可以进一步将连续的滑坡敏感值划分为几大类（Sarkar和Kanungo，2004）。进行这种分类的一个比较明智的方法就是在滑坡敏感值的柱状图上寻找突变的类边界（Davis，1986）。最终，全球滑坡敏感指数分为6个滑坡敏感类别：-1表示水体，0表示雪或冰，从1到5分别表示滑坡敏感性非常低、低、中等、高和非常高。参照USGS北美研究，利用这种方法绘制出的北美滑坡敏感图能够捕捉到大部分的滑坡易发区

最终得到的全球滑坡敏感图证实了全球滑坡高发区的热点区：太平洋地区，阿尔卑斯山、喜马拉雅山脉和南亚、落基山脉、阿巴拉契亚山脉，以及中东和非洲的部分地区。印度、中国、尼泊尔、日本、美国和秘鲁都属于滑坡易发国。这些结果与Sidle和Ochiai（2006）报导的结果类似。图1中的（1）和（2）显示了五类滑坡敏感性各自所占的百分比。非常高和高的敏感性这两类分别占全球陆地面积的3.2%和14.6%，主要发生在斜坡陡峭，海拔较高，粘土含量高和土壤质地细粒化的地区。除了永久性冰雪覆盖的陆地，敏感性非常高的这类占陆地面积的5%左右。大部分的陆地属于中等或低滑坡易发类别。

四、结论和讨论

本研究的主要成果是从全球角度研究了滑坡敏感性，正是由于卫星产品的利用才使之成为现实。利用基于GIS的地图叠加技术得到的滑坡敏感值是斜坡、土壤类型、土壤质地、高程、植被覆盖和排水密度的加权线性组合。全球滑坡敏感图为通过确定滑坡易发区来评价潜在滑坡的空间分布提供了指导。例如，确定为“滑坡高发区”的地区将比低发区得到更为全面彻底的考察。经过实地考察之后，不断改进后的敏感信息将为那些待考察地区所用。这种滑坡敏感信息应该会为滑坡的研究和评价提供一种非常有用的新工具。

滑坡敏感图综合利用了卫星产品和实时降雨监测系统（http://trmm.gsfc.nasa.gov）提供的数据，是从全球角度审视滑坡灾害的起点。可以利用基于TRMM（热带测雨卫星）的多星降雨分析（TMPA）（Huffman等，2006）和全球滑坡敏感图来识别触发滑坡的降雨强度-历时阈值的经验值。这种降雨识别可以在全球范围内进行（Caine，1980）或是在一个大气候区内进行（Larsen和Simon，1993；Godt等，2004）。因此，在一个连续的时间-空间区域内，某地（i，j）在时刻t的滑坡灾害（H）可以表示为滑坡敏感性（z）和降雨（r）强度-历时的函数，见式（3）。这样就可以确定出任何超越阈值的地区和时间，再将其与实际发生滑坡的相关报告进行比较。

所绘制出的滑坡敏感图的质量，将在很大程度上依赖于从地质空间数据中所获信息的准确程度和范围。本研究绘制的首张全球滑坡敏感图还需要利用局部地区的历史数据进行识别修正。我们相信，利用大量已有的局部地区的历史数据集进行反复地识别修正可以使这张图更加准确。只要有新的或更好的地质空间数据集出现就能更新滑坡敏感图。利用每月土地覆盖变化和/或前期降雨条件获得的信息不断更新滑坡敏感图，也可以使之发挥更大的作用。这个过程可以系统地应用到全球范围内。此外，更多的信息（如岩性）可以以一般的或者特定地点的形式融合到滑坡敏感图中。再有，将会检验从NASA Aqua AMSR-E和TRMM获得的土壤水分条件在已规划的准全球滑坡预测系统中的有效性。我们期望，这类敏感图的精度会与时俱进。

     译自《Nat Hazards》, 2006, DOI 10.1007/s11069-006-9104-z