崩岗侵蚀是我国南方水土流失的一种特殊类型，侵蚀模数巨大，发展速度快，具有突发生、长期性等特点，危害十分严重^[1]，一直以来受到社会广泛关注，并在崩岗分类、发展过程、形成机理和治理措施等方面，开展了大量工作^[2-13]，取得了众多成果。然而，从危害及风险角度对崩岗侵蚀研究却鲜有报导，陈洋^[14]以诏安县东溪流域官陂镇和霞葛镇为研究区，通过对崩岗敏感性影响因子的统计分析，得到崩岗敏感性评价指标，再对该指标进行空间叠加，以此划分崩岗敏感性等级，并进行敏感性分析，该研究尽管是定性分析，但也是崩岗侵蚀风险评估的有益尝试。陈嘉林^[15]通过调查、数据收集和室内分析，筛选长汀县和安溪县小流域潜在崩岗风险评价因子的数据源，采用ArcGIS的空间叠加分析及SPSS的数据处理，分别提取2个县小流域的地形地貌、水系和降雨等评价因子，分析评价因子与崩岗侵蚀的空间分布关系，最后利用崩岗与这些因子的分布特征关系，对小流域的崩岗空间分布进行模拟预测，该研究是小流域尺度崩岗侵蚀风险评估的大胆探索，但其不适宜于大尺度区域崩岗侵蚀风险评估。李家存^[16]在分析地形地貌、线性构造、土地利用、海拔高度、岩性、道路和坡度等环境因子与重力侵蚀关系的基础上，利用GIS技术，采用双变量统计分析和多变量统计分析方法，对研究区的重力侵蚀危险性进行评价和分区，该研究是从区域大尺度上对重力侵蚀危险性评价的一次很有意义的尝试，也为区域尺度崩岗侵蚀风险评估，提供了较好的研究方法和思路。笔者^[17]曾专门撰文对南方崩岗侵蚀风险评估提出构想，参照生态环境、地质灾害等风险评估流程，界定崩岗侵蚀风险内涵，拟定崩岗侵蚀风险评估方法，构建崩岗侵蚀风险评估指标体系，提出崩岗侵蚀风险评估程序。

Logistic模型是一种对二分类因变量进行回归分析时，经常采用的非线性分类统计方法^[18]，该模型通过对已知栅格随机采样，对二值响应的因变量和分类自变量进行回归建模，然后根据建立的模型，可对未知的每个栅格崩岗侵蚀可能发生的概率进行预测，进而依据发生概率的大小，进行发生风险评估。王文娟^[19]以东北典型黑土区中的乌裕尔河、讷谟尔河流域所涉及区域为研究区，分析影响黑土区侵蚀沟发育的地理环境因子，根据两者之间的关系，建立评价沟蚀发生风险的Logistic模型，据此模型获取整个研究区沟蚀发生风险空间分布图，证明运用地形因子，建立Logistic评价模型，进行沟蚀发生风险评估具有可行性。为此，笔者拟在此基础上，选择江西省作为研究区域，探讨区域尺度崩岗侵蚀风险评估的可行性，以及Logistic模型对崩岗侵蚀风险评估的适用性，为南方7省(自治区)崩岗侵蚀风险评估，提供科学依据和技术支撑。

1 研究区概况

江西省位于我国东南部(E113°34′36″~118°28′58″，N24°29′14″~30°04′41″)，土地总面积1.69万km²，属亚热带湿润季风气候区，降水丰沛。境内地貌类型以山地丘陵为主，土壤类型主要为红壤，植被主要是处于不同演替阶段的次生群落。其气象、地形、地貌、土壤和植被等自然条件，加上人为因素的影响，易发生水土流失。根据第一次全国水利普查，江西省水土保持情况普查数据^[20]，江西省水土流失总面积2.65万km²，占该省土地总面积的15.87%；其中，崩岗4.81万处，崩岗面积206.75 km²，是我国崩岗侵蚀最严重的省份之一，在南方崩岗侵蚀区具有典型代表性。

2 材料与方法 2.1 数据来源

根据研究需求，全面收集研究区崩岗及各要素数据，其来源详见表 1。考虑后面数据叠加分析，部分数据需通过空间内插，所有数据均设置为统一精度30 m×30 m。

2.2 理论基础 2.2.1 前提假设

1) 在基本影响因子与已发生崩岗侵蚀区域相类似的地方，更易于发生崩岗侵蚀。假定在一个区域范围内，崩岗侵蚀的发生是受控于统一共同的规律，这才使得从探究控制和影响崩岗侵蚀发生的因子入手，来评价和预测区域崩岗侵蚀风险成为可能。

2) 如果基本影响因素不发生显著的变化，则其未来的情况将与过去相似。假定崩岗侵蚀的发生规律不会因为时期不同而发生显著变化，可以根据过去崩岗侵蚀的发生规律，评价和预测未来崩岗侵蚀发生规律。

2.2.2 基本条件

1) 已基本弄清崩岗侵蚀发育的主控因子。尽管目前关于崩岗侵蚀发育机理还未能完全弄清，但其主控因子已基本达成共识，满足风险评估最基本条件。

2) 风险程度可以量化表达。风险程度能够数量化表达是定量评价的前提，否则很难用数学模型定量化评估和表达崩岗侵蚀的风险性。

2.2.3 基本原则

1) 主导因子原则。控制和诱发崩岗侵蚀孕育发生的各种因子对崩岗侵蚀风险的贡献各不相同，各因子在评价中所起的作用也理应不同，在无法全面考虑所有因子及其相互关系的情况下，应抓住主导因子，忽略次要因子，这种简化非常重要和必要。

2) 评估因子的简明性和可操作性。简明性是指评估因子应尽可能的简单、明确，具有代表性；可操作性是指评估因子的内容，是可以通过实际工作比较方便地获取或实现的。强调评估因子的简明性和可操作性，对区域崩岗侵蚀风险评估要有利于与实际工作对接。

2.3 研究方法

根据崩岗侵蚀风险内涵^[17]，崩岗侵蚀风险度量表示为

$P = {P_f} + {P_w}。$

(1)

式中：P为某个单元崩岗侵蚀风险值；P_f为某个单元崩岗侵蚀发生风险值；P_w为某个单元崩岗侵蚀危害风险值。

其中某个单元崩岗侵蚀发生风险值P_f计算采用Logistic模型，即所有的相关因子都以一定大小的网络单元作为样本单元，确定每个样本单元中有或没有崩岗侵蚀，从而生成一个相关矩阵，然后用Logistic模型，对矩阵进行回归分析，以此确定各因子类的权重。Logistic模型是一种对二分类因变量进行回归分析时，经常采用的非线性分类统计方法^[18]，该模型通过对已知栅格随机采样，对二值响应的因变量和分类自变量进行回归建模，然后根据建立的模型，可对未知的每个栅格崩岗侵蚀可能发生的概率进行预测，进而依据发生概率的大小，进行发生风险评估，公式如下

${P_f} = \frac{{\exp (a + {b_1}{x_1} + {b_2}{x_2} + \ldots + {b_n}{x_n})}}{{1 + \exp (a + {b_1}{x_1} + {b_2}{x_2} + \ldots + {b_n}{x_n})}}。$

(2)

式中：P_f为每个栅格出现崩岗侵蚀的概率(P_f在0~1之间)，即出现崩岗侵蚀的地方为1，不出现崩岗侵蚀的地方为0；x₁，x₂，…，x_n分别为崩岗侵蚀发生的n个影响因子；α为常数项；b_i为Logistic的回归系数。

考虑影响因子的定量表达，统一采用崩岗侵蚀数量密度进行赋值，即指某一因子X_i某水平发生的崩岗占崩岗总数的百分比。

${D_{{\rm{number}}}}\left( i \right) = \frac{{N(S{X_i})}}{N} \times 100。$

(3)

式中：N(SX_i)为因子X_i某水平发生的崩岗个数；N崩岗总数。

由于危害风险是建立在发生风险基础上的，则P_w表示为

${P_w} = {P_f}{W_j}。$

(4)

式中：W_j为某个单元崩岗侵蚀可能造成的危害风险权重(0~1之间，总权重≤1)。

W_j采用专家打分法^[21-22]，通过对长期从事崩岗侵蚀研究的5名专家，寄送调查问卷，征询崩岗侵蚀可能对不同土地利用类型造成的危害权重，经汇总统计，不同土地利用类型危害权重见表 2。

3 崩岗侵蚀风险评估指标筛选 3.1 风险评估因子分析 3.1.1 气候因子

将江西省多年降水量分布图与崩岗分布图进行叠加(图 1)，发现江西省崩岗主要分布在年平均降雨量1 500~1 900 mm区域内，占崩岗总数的93%以上；其中，在年均降雨量1 500~1 700 mm的区域，崩岗分布数量最多，占崩岗总数的60%以上，而在年均降雨量 < 1 400 mm的区域，崩岗分布较少，还不足崩岗总数的1%。

将江西省多年平均气温分布图与崩岗分布图进行叠加(图 2)，发现江西省崩岗主要分布在年平均气温18~21 ℃区域内，占崩岗总数的98%以上；其中，在19~20 ℃区域内，崩岗数量接近崩岗总数的一半。

3.1.2 地质因子

将江西省岩性分布图与崩岗分布图进行叠加(图 3)，发现江西省崩岗主要发生在花岗岩、变质岩及沉积岩等风化壳之上；其中，花岗岩上崩岗占崩岗总数的57%。其次，变质岩和沉积岩上崩岗分别占崩岗总数的20%和17%，而第四纪沉积物和其他岩性崩岗发育较少。

3.1.3 土壤因子

将江西省土壤类型图与崩岗分布图进行叠加(图 4)，发现江西省崩岗主要分布红壤区域内，占崩岗总数的近90%，而其他土壤类型分布较少，这是因为该区红壤主要发育于花岗岩和第四纪红黏土，其具有“板、酸、瘦、黏和蚀”的特点，一旦表层土、网纹层被破坏，风化层含较多的石英砂砾，抗蚀力差，难以抵抗水力侵蚀，容易产生崩岗。

3.1.4 地形因子

将江西省地形因子(坡度、高程和地形起伏度)分布图与崩岗分布图进行叠加(图 5)，发现坡度在10°~30°的崩岗分布最广，占崩岗总数的64%，因为该坡度范围有利于水流下切和重力崩塌共同作用；而坡度>40°时，崩岗出现较少。

由图 6可知，高程在300 m以下的崩岗分布最多，占崩岗总数的58%，尤其在100~200 m范围，崩岗分布更明显；而高程>500 m时，崩岗出现较少。

由图 7可知，对于起伏度，崩岗主要分布在0~150 m起伏度区域内，占崩岗总数的97%，尤其是50~100 m起伏度区域内，崩岗分布最为集中，占其总数的53%；而起伏度＞150 m区域，崩岗分布较少。

3.1.5 植被因子

一般认为，植被不仅对土壤地表起着直接保护作用，而且其根系对土壤具有固结作用，不易发生崩塌；但当植被一旦遭到破坏，控制水土流失的作用就相对减弱，土层结构易破环，在水力和重力作用下，逐渐形成崩岗。然而，根据笔者大量野外调研发现，很多植物条件很好的地方，依然有较多的崩岗发育，或许原因是植被使大量的风化物在原地堆积，为滑坡、崩塌的发生提供了物质条件，而且植被能促进水分入渗，从而使土体密度增加，抗滑强度降低。将江西省植物覆盖度分布图与崩岗分布图进行叠加(图 8)，发现崩岗分布随植物覆盖度增加，呈现出先减少后增加再减少的趋势，在植被覆盖度 < 0.2和0.6~0.8时，崩岗分布最多，占崩岗总数的60%；而植被覆盖度0.4~0.6和＞0.8时，崩岗出现较少。

3.1.6 人为活动因子

由于历史原因，江西省曾出现过多次乱砍滥伐，人为破坏了山上原有植被，致使地表大面积裸露，崩岗的数量和面积大增。另外，在现实生产生活实践中，开发建设、顺坡耕作和采沙取土等生产活动，缺乏水土保持措施，经水流冲刷和下切后，很容易发生崩岗。鉴于方便数据获取，研究将通过土地利用类型代表人为活动影响。将江西省土地利用类型分布图与崩岗分布图进行叠加(图 9)，发现崩岗主要分布在森林和草地，占崩岗总数的95%，在灌木、耕地、裸地、居民及建设用地中偶有发生，其他土地利用类型基本没有崩岗。

3.2 评价指标筛选

根据崩岗侵蚀影响因子相关分析，江西省崩岗主要分布在年均降雨量为1 500~1 700 mm、岩性为花岗岩、土壤为红壤、坡度在10°~30°、高程在300 m以下、起伏度0~150 m、植被覆盖度 < 0.2和0.6~0.8、土地利用类型为森林和草地的区域内。考虑风险评估采样网格为30 m×30 m，部分因子的差异性较小，对崩岗侵蚀发育响应不敏感，不宜作评估指标，如多年平均气温和降雨量，尽管崩岗分布随气温和降雨量呈现出一定的规律，但对于30 m×30 m的网格变化不明显，予以剔除。另外，一些相关性较差的因子也直接剔除，如土地利用中，除森林和草地之外的其他因子，土壤类型中除红壤、黄壤、黄褐土和石灰岩土之外的其他因子等。在初步筛选了坡度、高程、起伏度、植被覆盖、土壤类型、土地利用和岩土类型等7个因子的基础上，在ARCGIS中，利用地理分析功能，对各因子与崩岗侵蚀的分布点进行叠加，计算出各因子的崩岗侵蚀数量密度(表 3)。

4 江西省崩岗侵蚀风险评估 4.1 崩岗侵蚀发生风险

在研究区，对有和无崩岗侵蚀的区域，各随机采样4 000个采样网格单元，共得到8 000个各因子中存在重力侵蚀与否的记录，根据式(1)，对初步筛选的7个因子与崩岗进行logistic回归分析，结果发现坡度因子的显著性不高，分析原因可能是高程和起伏度等地形因子已含有一定坡度信息，对崩岗发生影响更敏感；因此，将坡度因子予以剔除，最终将高程、起伏度、植被覆盖、土壤类型、土地利用和岩土类型等6个因子与崩岗进行logistic回归分析(表 4)。各因子均达到极显著水平，说明回归有效。

同时，再进一步进行准确性检验(表 5)。结果显示，在随机采样的8 000个网格中，准确性检验总体达70.9%，准确度较高；其中，对未发生崩岗的准确性为62.7%，发生崩岗的准确性为79.1%，说明按此回归结果进行崩岗发生风险预测是可行的。

根据表 4和式(2)，崩岗侵蚀发生风险预测方程为

$P = \frac{{\exp ( - 2.183 + 0.666{x_1} + 1.693{x_2} + 0.802{x_3} + 1.635{x_4} + 1.323{x_5} - 6.005{x_6})}}{{1 + \exp ( - 2.183 + 0.666{x_1} + 1.693{x_2} + 0.802{x_3} + 1.635{x_4} + 1.323{x_5} - 6.005{x_6})}}。$

(5)

根据式(5)，将崩岗影响因子代入，计算江西省崩岗侵蚀发生风险值，并绘制出江西省崩岗侵蚀发生风险图(图 10)。

由图 10可知，在江西省南部和西部崩岗发生风险较高，东部、北部和中部相对较低。此外，将发生风险图与崩岗分布图进行叠加结果显示，高风险分布趋势与崩岗分布高度一致。同时，通过对比存在崩岗发生的采样网格数和崩岗侵蚀发生风险＞0.7的采样网格数评价预测精度。评价结果的精度E以经验的概率形式来表示

$E = \frac{{{N_{0.7}}}}{{{N_{Pf}}}}。$

(6)

式中：N_Pf为存在崩岗侵蚀的采样网格总数；N_0.7为崩岗侵蚀发生风险＞0.7的区域中存在崩岗侵蚀的采样网格数。

经计算，发生风险评估精度为85.69%，发生风险评估结果能概括绝大部分的崩岗侵蚀分布点，即通过式(5) 对崩岗侵蚀发生风险评估是可行的。

4.2 崩岗侵蚀危害风险

在获取发生风险的基础上，根据式(4)，计算崩岗侵蚀危害风险，并绘制出江西省崩岗侵蚀危害风险图(图 11)。由图可知，在江西省崩岗危害风险总体较轻微，相对较高的危害风险呈零星分布。

4.3 崩岗侵蚀风险分级

将崩岗侵蚀发生风险与危害风险进行叠加，即为崩岗侵蚀风险，归一化处理后，重新计算出江西省崩岗侵蚀风险，按风险值等距划分原则，将崩岗侵蚀风险划分为5级，得到江西省崩岗侵蚀风险分级图(表 6和图 12)。

从表 6和图 12可知，江西省崩岗侵蚀以低中风险为主，占全省土地总面积的95%；其中，较低及以下风险占全省土地总面积的68%。较低及以下风险主要分布鄱阳湖周边区域，地势较平坦，是重要商品粮生产基地，崩岗侵蚀对其影响较小，风险防控措施应以预防保护为主，减少人为边坡开挖。中风险及以上风险主要分布在江西省南部和西部，以山地丘陵为主，崩岗较易发生，对生态环境和生产条件影响较大，宜采取预防保护与综合治理并重的风险防控措施，对未发生崩岗区域加强预防保护，减少人为破坏干扰，对已发生崩岗区域开展综合治理，控制崩岗发育程度，减少或避免崩岗造成的危害。

5 结论

1) 江西省崩岗主要分布在年均降雨量为1 500~1 700 mm、岩性为花岗岩、土壤为红壤、坡度在10°~30°、高程在300 m以下、起伏度0~150 m、植被覆盖度 < 0.2和0.6~0.8之间、土地利用类型为森林和草地的区域内。

2) 在江西省南部和西部崩岗发生风险较高，东部、北部和中部相对较低。全省崩岗危害风险总体较轻微。

3) 江西省崩岗侵蚀以低中风险为主，占全省总面积的95%；其中，较低及以下风险占全省总面积的68%。其主要分布在鄱阳湖周边区域，中风险及以上风险主要分布在江西省南部和西部。

4) 崩岗发生风险评估模型精度达85.69%，说明Logistic模型对崩岗侵蚀发生风险评估是可行的；同时，研究结果也论证了笔者提出的崩岗评估方法在区域尺度上适用性较好，而且数据易获取，具有很好的实用性和可操作性。