NDVI Changes of the Daling River Basin in Growing Seasons During 1998～2019 and Its Correlation with Temperature and Precipitation
-
摘要:
利用9个国家气象站数据和1998～2019年SPOT/VEGETATION NDVI数据，运用趋势分析、偏相关分析和复相关分析方法，研究大凌河流域22年来NDVI时空演变规律及其与气温和降水之间的关系。研究发现：①研究区22年来植被覆盖整体变好，90.8%的区域NDVI呈增加趋势，不同季节变化趋势各异，夏季NDVI增长率最高，春季最低。②大凌河上游地区NDVI总体呈缓慢稳定增长状态，中下游地区增长与减退并存；③研究区NDVI总体与气温呈负相关、与降水量呈正相关，且NDVI与年降水量关系更密切。④研究区植被覆盖降水驱动型占总面积的4.33%，气温驱动型占比为0.03%，降水、气温共同驱动型占比为2.73%。
Abstract:Based on the data of 9 national meteorological stations and SPOT/VEGETATION NDVI data from 1998 to 2019, In this paper, trend analysis, partial correlation analysis and complex correlation analysis were used to study the temporal and spatial evolution of NDVI and its relationship with air temperature and precipitation in the Daling river basin in the past 22 years, and the following conclusions were drawn:① The overall vegetation coverage in the study area improved in the past 22 years, and NDVI increased in 90.8% of the area, with different trends in different seasons. The growth rate of NDVI was the highest in summer and the lowest in spring. ② In the upper reaches of Daling River, NDVI increased slowly and steadily, while in the middle and lower reaches, NDVI increased and decreased simultaneously. ③ In the study area, NDVI was negatively correlated with air temperature but positively correlated with precipitation, and the relationship between NDVI and annual precipitation was closer. ④ In the study area, 4.33% of the total area was driven by precipitation, 0.03% by air temperature, and 2.73% by precipitation and air temperature.
-
Keywords:
- Daling river basin /
- NDVI /
- space–time change /
- climate factor /
- correlation analysis /
- Northeast China
-
舟曲县山大沟深、岩体破碎、构造发育、软岩遍布、暴雨和地震频发、多发，地质灾害十分发育，是全国滑坡、泥石流强烈发育区之一（汪美华等，2023），被列为长江上游水土保持重点治理县。从2010年开始舟曲县相续发生了“8.8”特大山洪泥石流、南峪江顶崖滑坡、东山牙豁口滑坡和2021年的立节北山、果耶磨里滑坡，灾害的发生造成了巨大经济财产损失和人员伤亡，同时也为防灾减灾工作带来一定挑战。因此，舟曲县地质灾害防治工作备受重视，地质灾害调查评价、监测预警等综合防治体系愈加完善（刘传正等，2020），避险搬迁有序进行。易发性评价作为地质灾害调查评价的基础工作（吴树仁等，2009），可为城镇规划发展以及工程建设提供决策参考。
关于地质灾害易发性的研究，关注点多在评价方法。自20世纪60年代起，评价方法由单一的数学统计法和机器学习模型（Ayalew et al.，2005；许冲等，2009；张俊等，2016；方然可等，2021；赵东亮等，2021；张林梵等，2022；孟晓捷等，2022；贾俊等，2023），逐渐发展到多方法结合（Capparelli et al.，2011；许英姿等，2016；贾丽娜等，2018；张玘恺等，2020；罗路广等，2021a；王高峰等，2021；张文居等，2022），不同方法各有千秋，快速、精准地建立模型在实际工作中更为实用。在评价因子选取方面，往往忽略孕灾地质条件分析，过分依赖个人经验，导致有的评价因子缺乏针对性和代表性（罗路广等，2021b）。
鉴于此，笔者依托2020～2021年实施完成的《舟曲县1∶50 000地质灾害风险调查评价》项目（陈世昌等，2021），利用最新的地质灾害调查数据，研究区域内孕灾地质条件和地质灾害发育的相关性，选取合适的评价因子，运用层次分析法，进行舟曲县地质灾害易发性评价，为地方政府防灾减灾提供可靠的参考依据。
1. 孕灾地质条件分析
孕灾地质条件包括多种基础地质要素，是研究地质灾害形成的关键，也是易发性制图的根基（乐琪浪等，2015；王高峰等，2016，2017）。
1.1 地形地貌与地质灾害
地形地貌分为宏观和微观，共同构成地质灾害形成的重要条件。宏观地貌例如山区、河谷，受构造运动影响，形成过程漫长且不易改变；微观地貌例如坡高、坡度，除自然形成外，还明显受人类工程活动影响，其变化往往会引发不同规模的地质灾害。
1.1.1 宏观地形地貌与地质灾害的关系
研究区位于西秦岭中高山区，山峻谷深，沟壑纵横，侵蚀切割强烈，宏观上分为侵蚀构造山地和侵蚀堆积河谷平原。地质灾害隐患点多集中在侵蚀构造山地。
在侵蚀构造山区，遭受侵蚀、强风化作用的基岩构成中山、高山主体，表层覆盖较厚松散的残坡积层，局部裸露基岩节理裂隙发育，岩石极为破碎，在自然状态下较易发生滑坡、崩塌等地质灾害，雨季暴雨时可为泥石流灾害提供充足的物源（熊德清等，2021）。
1.1.2 微观地形地貌与地质灾害的关系
（1）对滑坡、崩塌的影响
坡形直接影响崩滑灾害的形成（孙萍萍等，2019）。凸形、直线形、阶梯形和凹形是区内坡形的主要类型。对研究区172处斜坡类灾害的统计分析表明，崩塌灾害发生于应力集中程度高的凸形和直线形正向类型斜坡。滑坡主要发生于凹形和凸形斜坡，占总滑坡数量的63.6%。部分滑坡群分布于高陡坡体的第一斜坡带，坡脚处多无岩土体支撑，坡形多呈直线形或凸形；受构造、地下水影响发生过多次滑动的大滑坡多分布在山体坡脚较缓斜坡上，天然坡度20°左右，斜坡形态一般呈凹形（表1）。
表 1 崩塌、滑坡对应坡形统计表Table 1. Slope shape statistics corresponding to collapse and landslide序号 坡面形态 灾体数量
（个）所占比例
（%）灾害类型 滑坡 崩塌 1 凸形 40 23.3 35 5 2 凹形 54 31.4 54 0 3 直线形 53 30.8 26 27 4 阶梯型 25 14.5 25 0 合计 172 100.0 140 32 坡度影响斜坡的应力大小与分布。利用DEM提取坡度，统计不同坡度区间的灾害数量。统计结果如下：崩塌所在斜坡坡度为40°～85°，多分布在60°以上的陡崖；滑坡所在斜坡坡度为15°～60°，多分布于25°～45°之间的陡坡地段（表2）。
表 2 不同坡度区间崩塌滑坡发生概率统计表Table 2. Statistics of collapse and landslide occurrence in different slope gradient intervals序号 坡度区
间（°）灾害总数 灾害类型 滑坡 崩塌 数量（个） 比率（%） 数量（个） 比率（%） 数量（个） 比率（%） 1 0～10 0 0.0 0 0.0 0 0.0 2 11～20 26 15.1 26 18.6 0 0.0 3 21～30 42 24.4 42 30.0 0 0.0 4 31～40 45 26.2 43 30.7 2 6.3 5 41～50 27 15.7 19 13.6 8 25.0 6 51～60 13 7.6 10 7.1 3 9.4 7 61～70 7 4.1 0 0.0 7 21.9 8 71～80 7 4.1 0 0.0 7 21.9 9 81～90 5 2.9 0 0.0 5 15.6 合 计 172 100 140 100 32 100 坡高控制斜坡的应力大小。低边坡受人类工程活动影响强烈，多发生削坡建房、建厂等，较大临空面易发育崩塌；高边坡（主要指100～400 m之间）的影响因素较多，易发生滑坡。根据统计结果，坡高0～100 m区间内，崩塌发生的次数及比率最高，数量有19处，占崩塌总数59.4%；滑坡发生比率较高的区间是50～400 m，共95处，占滑坡总数的67.8%（表3）。
表 3 不同坡高区间崩塌滑坡发生概率统计表Table 3. Statistics of collapse and landslide occurrence in different slope height intervals序号 坡高区间
（m）数量（个）
比率（%）灾害类型 滑坡 崩塌 数量（个） 比率（%） 数量（个） 比率（%） 1 0～50 29 16.9 18 12.9 11 34.4 2 51～100 31 18.0 23 16.4 8 25.0 3 101～200 41 23.8 35 25.0 6 18.8 4 201～300 19 11.0 16 11.4 3 9.4 5 301～400 23 13.4 21 15.0 2 6.3 6 401～500 9 5.2 9 6.4 0 0.0 7 501～600 8 4.7 8 5.7 0 0.0 8 601～700 6 3.5 5 3.6 1 3.1 9 ＞700 6 3.5 5 3.6 1 3.1 合 计 172 100.0 140 100.0 32 100.0 （2）对泥石流的影响
影响泥石流的地形地貌主要包括主沟纵坡、沟坡坡度、流域面积和相对高差，其控制着泥石流的形成（白永健等，2014a）。
主沟纵坡为泥石流的形成提供动力。对区内124条泥石流沟谷的主沟纵坡进行统计（表4）发现，平均主沟纵坡为10%～50%的沟谷占总数的75.8%，说明在此区间的沟床比降对泥石流的形成和运动最为有利；主沟纵坡＞10%的占总数的89.5%，这与舟曲县山大谷深的地形地貌有关。
表 4 泥石流主沟纵坡统计表Table 4. Statistics of longitudinal slope of main gully of debris flow序号 主沟纵坡（‰） 泥石流数量（条） 比例 泥石流类型 易发程度 （%） 泥石流 水石流 高易发 中易发 低易发 1 ＜100 13 10.5 13 0 0 10 3 2 100～200 37 29.8 37 0 0 37 0 3 200～300 29 23.4 29 0 0 27 2 4 300～400 16 12.9 16 0 1 13 2 5 400～500 12 9.7 2 0 1 10 1 6 500～600 11 8.9 10 1 0 9 2 7 600～700 4 3.2 3 1 0 1 3 8 700～800 1 0.8 1 0 0 0 1 9 ＞800 1 0.8 1 0 0 0 1 合计 124 100.0 112 2 2 107 15 沟坡坡度影响松散物质堆积量和降雨汇集速度。据统计，泥石流在26°～45°之间最为发育，共计100条，占总数的80.6%；高易发和中易发泥石流的数量分别为2条和90条，分别占各自类型总数的100%和84.1%（表5）。
表 5 泥石流山坡坡度统计表Table 5. Statistics of debris flow in different slope ranges序号 坡度区间（°） 泥石流数量（条） 所占比例 泥石流类型 易发程度 （%） 泥石流 水石流 高易发 中易发 低易发 1 ＜25 2 1.6 2 0 0 2 0 2 26～35 46 37.1 45 1 1 44 1 3 36～45 54 43.5 54 0 1 46 7 4 46～55 15 12.1 14 1 11 4 5 ＞55 7 5.6 7 0 0 4 3 总计 124 100 122 2 2 107 15 流域面积小利于泥石流的形成。对区内124条泥石流进行统计，10 km2以下的有90条，占总数的72.6%。此区间内，易发性中、高泥石流分别为76条和2条，均占到各自类别数量的70%以上（表6）。
表 6 泥石流流域面积统计表Table 6. Statistics of debris flow in different watershed areas序号 流域面积
（km2）泥石流数量
（条）比例
（%）泥石流类型 易发程度 泥石流 水石流 高易发 中易发 低易发 1 ＜1 40 32.3 38 2 1 31 8 2 1～5 37 29.8 37 0 0 34 3 3 5～10 13 10.5 13 0 1 11 1 4 10～20 9 7.3 9 0 0 8 1 5 20～50 16 12.9 16 0 0 14 2 6 50～100 8 6.5 8 0 0 8 0 7 ＞100 1 0.8 1 0 0 1 0 合计 124 100 122 2 2 107 15 相对高差为泥石流的形成提供动能和势能。94条泥石流发育于500～2000 m的相对高差，占总量的75.8%，反映了舟曲县地形起伏较大的特征（表7）。
表 7 泥石流相对高差统计表Table 7. Statistics of debris flow in different relative elevation ranges序号 相对高差
（m）泥石流数量
（条）比例
（%）泥石流类型 易发程度 泥石流 水石流 高易发 中易发 低易发 1 ＜200 4 3.2 4 0 0 4 0 2 200～500 17 13.7 16 1 0 15 2 3 500～1000 42 33.9 41 1 1 33 8 4 1000～1500 31 25.0 31 0 1 27 3 5 1500～2 000 21 16.9 21 0 0 20 1 6 ＞2000 9 7.3 9 0 0 8 1 合计 124 100 122 2 2 107 15 1.2 地质构造与地质灾害
地质构造通过对地形地貌、地层岩性、断裂褶皱和地震分布的控制，影响着地质灾害的发育程度与分布规律（白永健等，2014b）。
（1）构造控制地质灾害的总体分布
区域性总体抬升的新构造运动是控制区内地质灾害发育的重要因素。研究区发育的崩滑灾害受控于西秦岭褶皱带，尤其是白龙江断裂褶皱带，构造线呈NW～SE向展布，经多期强烈的构造运动，地质构造十分发育，利于地质灾害的形成。
（2）断裂对崩塌、滑坡的控制
断裂对崩滑灾害具有控制性，常造成岩体破碎、地下水活动异常等（彭建兵，2006；张永双等，2016）。
舟曲县滑坡呈带状集中分布于断裂带两侧附近，以坪定–化马断裂带为典型。沿该断裂带的北坪定乡—东山乡25km长的范围内发育有多处较大规模滑坡，形成一个锁儿头–泄流坡–中牌滑坡密集带。
崩塌分布也明显受断裂控制，特别是三眼峪沟、罗家峪沟、峪子沟等几条较大支沟的中下游区断裂与沟谷岸坡交汇位置基岩、碎石土崩塌较为发育。白龙江南岸山区硬质岩区发育的断裂带与沟谷陡崖交互地带也是基岩崩塌密集分布的地带。
1.3 工程地质岩组与地质灾害
工程地质岩组是崩滑流形成的“地基”式组成，控制地质灾害发育（黄润秋等，2008）。
（1）对泥石流的控制
研究区泥石流分为两种类型：泥石流和水石流，与地层分布息息相关。泥石流发育区多为志留系、泥盆系板岩、千枚岩以及石炭系灰岩，受构造运动影响，岩体构造裂隙发育，风化较强，力学性质一般。水石流发育区多集中于中生界硬质岩，地层岩性及岩土体结构对斜坡的稳定较为有利，滑坡、崩塌等重力堆积物不发育，山坡、沟道中堆积的松散固体物质相对较少，受固体物质补给量的限制，灾害以山洪为主，局部发育水石流沟。
研究区易发泥石流的地层主要有古生界千枚岩、板岩等变质岩，此类地层岩体本身较为破碎，加之风化作用，使得表面堆积有较厚松散物质，为泥石流的形成提供固体物质储备。棱角状碎屑使其具有较强裹携能力，易侵蚀沟床，促进泥石流的发育。
（2）对滑坡、崩塌的控制
区内易发生滑坡的地层有：第四系黄土、碎石土堆积层和中～古生界千枚岩、板岩等。黄土的特殊物理力学性质为滑坡的发育提供了基本条件，疏松、不稳定的结构，决定了其内聚力较低。碎石土堆积层土石混杂，结构松散，底部与基岩的接触面倾向坡外，内部分布有倾向坡外且较连续的由千枚岩等变质岩风化岩屑构成的细粒土透镜体夹层，抗剪能力差，且相对隔水，千枚岩、板岩、片岩等软弱岩层的存在，使得这些岩土质斜坡的稳定性大为降低。
区内易发生崩塌的地层有：第四系黄土，志留系、泥盆系千枚岩、板岩，二叠系、三叠系灰岩和其他硬质基岩。值得一提的是，其它硬质基岩形成较早，发育节理裂隙，在降雨、特别是地震作用下，易发生崩塌。区内西南部较大沟谷中常见以落石的形式崩落于沟谷之中，沟谷乡间公路两侧也有发育。
1.4 生态环境与地质灾害
生态环境主要指地表植被，它能通过地表保护、控制径流等间接影响地质灾害的发育。
（1）对滑坡的影响
地表缺乏植被保护，会加速表层风化，降雨迅速流入孔隙裂缝中，下渗至坡体软弱面，易形成滑坡。
（2）对泥石流的影响
植被叶片的蒸腾作用可消耗一定的降雨，同时根茎、落叶等能够吸收部分地表降雨，调节地面雨水的径流量以及径流速度，从而降低雨水裹携松散物质的动能，对泥石流的形成具有抑制作用。
2. 地质灾害易发性评价
2.1 数据源
数据源主要包括（表8）：①地质灾害隐患点的数据来自2021年开展的舟曲县1∶50 000地质灾害风险调查评价项目。②DEM数据为30 m×30 m分辨率的公开数据源，用于提取坡度、坡型、切割深度、沟壑密度等地形地貌参数。③1∶50000孕灾地质条件图（图1），用于提取岩土体类型、地质构造等信息。④2019年4月的ETM+遥感数据，用于计算植被指数NDVI。
表 8 数据来源一览表Table 8. List of data sources基础数据 数据来源 数据格式 说明 地质数据 1∶50 000孕灾地质条件图 SHP 提取地质构造、岩土体类型等 DEM数据 地理空间数据云 TIFF 30 m×30 m分辨率，用于提取地形地貌相关数据 遥感数据 ETM+ TIFF 2019年4月数据，用于计算NDVI 隐患点数据 舟曲县1∶50 000地质灾害风险调查评价成果 SHP 用于构建发育因子指标 ![]()
图 1 舟曲县孕灾地质条件图1. 第四系中上更新统黄土；2. 白垩系下统砂岩；3. 燕山期花岗岩；4. 二叠系下统砂岩、板岩；5. 石炭系中上统灰岩；6. 泥盆系中统板岩；7. 志留系中上统千枚岩、板岩；8. 志留系下统灰岩；9. 地质构造Figure 1. Map of Disaster-prone geological conditions in Zhouqu County根据调查成果，舟曲县共确定地质灾害隐患点299处，其中泥石流124处，占总数41.5%，滑坡140处，占总数46.8%，崩塌32处，占总数10.7%，地面塌陷3处，占总数1%（图2）。
![]()
图 2 舟曲县地质灾害分布图1. 崩塌；2. 滑坡；3. 泥石流；4. 地面塌陷；5. 水系；6. 县界Figure 2. Map of geological hazard distribution in Zhouqu County研究区地质灾害易发性评价采用层次分析法，依据评价因子的内在关系，建立层次结构模型，并逐个评判各因子之间的重要程度，建立判断矩阵，最终确定所有因子的权重。
2.2 指标体系
地质灾害易发性是地质灾害发育现状的具体表现，同时需要考虑孕灾地质环境背景的复杂性。因此，本研究评价指标体系构建如下：地质灾害易发性→发育因子、孕灾地质条件因子→11个具体的评价指标（图3）。
2.3 评价模型
地质灾害易发性评价采用线性组合，根据评价指标体系，建立11个评价因子的量化数据库，消除量纲进行归一化处理，确定其权重，运用GIS的栅格计算器工具，叠加处理，具体评价模型为：
$$ Y=w_{1}x_{1}+w_{2}x_{2}+w_{3}x_{3}+…+w_{n}x_{n} $$ (1) 式中：Y为易发性指数；w1、w2…wn为各评价因子；x1、x2…xn为各评价因子对应的权重。
2.4 评价指标量化
（1）发育因子
发育因子主要考虑地质灾害发育程度，与其分布和数量有关，还得考虑灾害的规模大小。基于准确性与可操作性，地质灾害数量、面积与体积资料详实，可作为发育因子的评价指标。将全域划分为2.5 km×2.5 km的网格，以小网格为基准进行计算（图4）。
地质灾害频率比（C1）：设某单元格为（m，n），其面积为S（m，n），单元内发育灾害数量为q（m，n），单元内的灾害频率密度为：
$$ fq(m\text{，}n)= q(m\text{，}n)/ S(m\text{，}n) $$ (2) 全域总面积S，总灾害数量Q，频率比为：
$$ f_{Q}=Q/S $$ (3) 则：第（m，n）单元格灾害频率比为：
$$ Rf(m\text{，}n)=fq(m\text{，}n)/f_{Q } $$ (4) 同理，地质灾害面积模数比（C2）与地质灾害体积模数比（C3）不再赘述。
（2）孕灾地质条件因子
根据孕灾地质条件分析结果，共选取了地形地貌数据、岩土体类型数据等八个对地质灾害发育影响较大的因子，进行归一化处理（图5），量化信息见表9。
表 9 孕灾地质条件因子量化一览表Table 9. Quantitative list of disaster-pregnant geological conditions序号 分类 孕灾因子 数据源 指标量化过程（意义） 1 地形地貌数据 坡度 DEM
（30 m×
30 m）DEM数据提取。研究区内崩滑灾害所在斜坡坡度区间为10°～70°，本次评价将坡度上限的易发程度定义为1，坡度下限的易发程度定义为0，进行归一化处理 2 坡度变化率 DEM数据提取。反映坡度变化情况，与斜坡拉张应力区的分布呈正相关，其变化越大，说明斜坡内部应力也随之变大，稳定性差 3 坡形 DEM数据提取。可用地表曲率表征，以零为界，大于或等于零表明是直线/凸型斜坡，小于零表明是凹型/阶梯型坡斜坡 4 切割深度 DEM数据提取。可用高程差表示，即平均值与最小值之差，表明区域地形地貌的起伏度以及沟谷的发育程度 5 沟壑密度 DEM数据提取。衡量地表破碎程度，可用流域内水文网的长度表征 6 岩土类型数据 岩土体类型 1∶50000孕灾地质条件图 岩土体类型的矢量数据。根据岩土体的工程地质特性，易发性由高到低分别赋予4～1，最后栅格化并归一 7 构造数据 地质构造 利用断层矢量数据。以区内第四纪以来发育的活动断裂为基准线，利用线密度分析工具，以3 km为搜索半径进行分析 8 环境变量数据 植被覆盖率 ETM+ 利用2019年4月ETM+遥感数据，计算求取植被指数NDVI 2.5 易发性分区
获得基础评价因子的归一化图层后，按照AHP模型，运用GIS进行叠加计算，运用自然间断法将叠加结果分为极高易发区、高易发区、中易发区、低易发区等4类，对应的面积分别为68.98 km2（占总面积的2.29%）、390.9 km2（占总面积的12.97%）、1166.21 km2（占总面积的38.70%）、1387.76 km2（占总面积的46.05%）（表10，图6）。
表 10 地质灾害易发性统计表Table 10. Statistics of geohazards susceptibility易发等级 指数区间 面积（km2） 总面积占比（%） 区内灾害点数量（个） 频率比 低易发区 0.0599～0.2915 1387.76 46.05 17 0.123 中易发区 0.2915～0.4199 1166.21 38.70 62 0.535 高易发区 0.4199～0.6993 390.9 12.97 149 3.842 极高易发区 0.6993～0.7019 68.97 2.29 71 10.369 根据分区结果，地质灾害极高易发区主要分布在县域北部白龙江流域（曲瓦–巴藏–立节–憨班–峰迭–舟曲县城–南峪–大川–两河口）以及石门沟流域，高易发区域主要分布在拱坝河流域中下游和博峪河流域舟曲段中部区域，中易发区呈条带状贯穿了舟曲县中部和北部部分区域，低易发区位于舟曲县东北边缘与宕昌接壤地带以及西南边缘与文县、四川省九寨沟县接壤地带。
为验证易发性分区的可靠性，对落入各分区的灾害点进行统计，并计算频率比（灾害点数量占比/易发面积占比），由计算结果可知，极高易发区和高易发区虽然面积只占全县面积的15.26%，但区内灾害点占比达73.58%，频率比也与易发性等级相呼应。
3. 结论
（1）地形地貌是舟曲县地质灾害发生的先决条件。易发生滑坡的微地貌为：坡形为凹形或凸形，坡度范围为15°～60°，多分布于25°～45°的陡坡地段，坡高为50～400 m区间内；易发生崩塌的微地貌为：坡形为直线形，坡度范围为40°～85°，多分布在60°以上的陡崖，坡高0～100 m区间内；易发生泥石流的微地貌：沟谷平均主沟纵坡为10%～50%，山坡坡度优势区间为26°～45°，流域面积为0～10 km2。
（2）舟曲县地质灾害受地质构造控制明显。其中滑坡、崩塌、泥石流等地质灾害隐患点主要分布于坪定—化马断裂带等几大断裂构造带内及其次级断层的两侧附近。
（3）工程地质岩组是滑坡、崩塌、泥石流等地质灾害发生、发展的重要内因和物质基础。志留系、泥盆系等古生界地层出露区是泥石流灾害最易发的地区，易滑地层有黄土、碎石土堆积层、千枚岩、板岩等地层，易崩地层有第四系黄土、志留系、泥盆系千枚岩、板岩，二叠系、三叠系灰岩和其他硬质基岩。
（4）根据孕灾地质条件分析，舟曲县地质灾害易发性评价指标分为发育因子和孕灾地质条件因子，其中发育因子包括地质灾害频率比、地质灾害面积模数比、地质灾害体积模数比，孕灾地质条件因子包括坡度、坡度变化率、坡形、切割深度、沟壑密度、岩土体类型、地质构造、植被指数，建立AHP评价模型，确定各因子权重，综合评价舟曲县地质灾害易发性。
（5）舟曲县地质灾害易发性评价结果分为极高易发区、高易发区、中易发区、低易发区，对应的面积分别为68.98 km2（占总面积的2.29%）、390.9 km2（占总面积的12.97%）、1166.21 km2（占总面积的38.70%）、1387.76 km2（占总面积的46.05%）。地质灾害极高易发区主要分布在县域北部白龙江流域以及石门沟流域，高易发区域主要分布在拱坝河流域中下游和博峪河流域舟曲段中部区域。应用频率比法进行不同分区内灾害点数量统计，结果与易发性等级相呼应，验证了本研究易发性分区的可靠性。
-
![]()
图 2 1998～2019年大凌河流域生长季NDVI值变化趋势图
Figure 2. NDVI variation trend during the growing season of Daling river basin from 1998 to 2019
![]()
图 3 1998～2019年大凌河流域NDVI值按季节变化趋势图
Figure 3. Seasonal variation trend of NDVI in Daling river basin from 1998 to 2019
![]()
图 4 大凌河流域1998～2019年逐像元NDVI值变化趋势图
a.春季；b.夏季；c.秋季；d.生长季
Figure 4. NDVI variation trend per pixel in Daling river basin from 1998 to 2019
![]()
图 5 大凌河流域1998～2019年逐像元NDVI值变化趋势的显著性图
a.春季；b.夏季；c.秋季；d.生长季
Figure 5. Significance of NDVI trend per pixel in Daling river basin from 1998 to 2019
![]()
图 6 大凌河流域生长季NDVI与气温的偏相关关系图
Figure 6. Partial correlation between NDVI and air temperature in the growing season of Daling river basin
![]()
图 7 大凌河流域生长季NDVI与降水量的偏相关关系图
Figure 7. Partial correlation between NDVI and precipitation in the growing season of Daling river basin
![]()
图 8 生长季NDVI气温、降水量的复相关系数（a）与不同驱动因子分区图（b）
a.偏相关系数；b.不同驱动因子分区
Figure 8. (a) Multiple correlation coefficients between NDVI and temperature and (b) precipitation and partitioning of different driving factors in growing season
表 1 大凌河流域1998～2019年间NDVI变化趋势表
Table 1 NDVI variation trend in Daling river basin from 1998 to 2019
变化率 春季（%） 夏季（%） 秋季（%） 生长季（%） ＜−0.001 18.5 4.2 6.2 4.8 −0.001～0 6.4 1.2 2.8 2.6 0～0.001 8.1 2.8 5.4 5.8 0.001～0.003 14.3 6.2 16.0 16.3 0.003～0.005 14.8 15.4 25.0 23.7 ＞0.005 37.9 70.3 44.7 46.8 
下载: 导出CSV
表 2 大凌河流域1998～2019年间NDVI变化的显著性表
Table 2 Significance of NDVI change in Daling rver basin from 1998 to 2019
变化显著性 春季（%） 夏季（%） 秋季（%） 生长季（%） 极显著降低 18.2 3.1 6.6 4.3 显著降低 3.3 0.7 0.8 0.1 不显著降低 4.1 2.1 2.1 4.8 不显著增加 33.3 76.9 31.0 71.2 显著增加 12.6 7.5 19.3 1.6 极显著增加 28.6 9.8 40.2 18.0
下载: 导出CSV
表 3 大凌河流域植被覆盖驱动分区规则表
Table 3 Vegetation cover driving zoning criteria in the Daling river basin
NDVI变化类型 分区准则 面积占比（%） rNDVI P,T rNDVI T,P RNDVI,TP 降水驱动型 t＞t0.01 F＞F0.05 4.33 气温驱动型 t＞t0.01 F＞F0.05 0.03 气温、降水驱动型 t＜t0.01 t＜t0.01 F＞F0.05 2.73 其他因子驱动型 F＜F0.05 92.91 注：表中rNDVIP,T、rNDVIT,P分别为NDVI与降水、气温的偏相关系数，RNDVI,TP则表示NDVI与气温和降水的复相关系数，t和F分别为t、F检验的统计量，t0.01表示t检验的0.01显著性水平，F0.05表示F检验的0.05显著性水平。
下载: 导出CSV
-
陈云浩, 李晓兵, 史培军. 1983-1992年中国陆地NDVI变化的气候因子驱动分析[J]. 植物生态学报, 2001, 25（6）:716-720. CHEN Yunhao, LI Xiaobing, SHI Peijun. VARIATION IN NDVI DRIVEN BY CLIMATE FACTORS ACROSS CHINA, 1983-1992[J]. Acta Phytoecologica Sinica, 2001, 25（6）:716-720.
崔林丽, 史军, 肖风劲, 等. 中国东部NDVI的变化趋势及其与气候因子的相关分析[J]. 资源科学, 2010, 032(1): 124-131 CUI Linli, SHI Jun, XIAO Fengjing, et al. Variation Trends in Vegetation NDVI and Its Correlation with Climatic Factors in Eastern China[J]. Resources Science, 2010, 032(1): 124-131.
邸志强, 金洪涛, 苗英, 等. 辽西蓄水构造及找水方向[J]. 地质与资源, 2007, 16(2): 112-115 doi: 10.3969/j.issn.1671-1947.2007.02.008 DI Zhiqiang, JIN Hongtao, MIAO Ying, et al. WATER STORAGE STRUCTURE AND WATER SEARCH TARGET IN WESTERN LIAONING PROVINCE[J]. Geology and Resources, 2007, 16(2): 112-115. doi: 10.3969/j.issn.1671-1947.2007.02.008
杜臻, 张茂省, 冯立, 等. 鄂尔多斯盆地煤炭采动的生态系统响应机制研究现状与展望[J]. 西北地质, 2023, 56(3): 78−88. DU Zhen, ZHANG Maosheng, FENG Li, et al. Research Status and Prospect of Ecosystem Response Mechanism to Coal Mining in Ordos Basin[J]. Northwestern Geology, 2023, 56(3): 78−88.
黄煜, 谢婉丽, 刘琦琦, 等. 基于GIS与MaxEnt模型的滑坡易发性评价以铜川市中部城区为例[J]. 西北地质, 2023, 56(1): 266−275. HUANG Yu, XIE Wanli, LIU Qiqi, et al. Landslide Susceptibility Assessment Based on GIS and MaxEnt Model: Example from Central Districts in Tongchuan City[J]. Northwestern Geology, 2023, 56(1): 266-275.
李晓兵, 史培军. 中国典型植被类型NDVI动态变化与气温、降水变化的敏感性分析[J]. 植物生态学报, 2000, 24(3): 379-382 LI Xiaobing, SHI Peijun. Sensitivity Analysis of Variation in NDVI, Temperature and Precipitation in Typical Vegetation Types a Across China. Chinese Journal of Plant Ecology, 2000, 24(3): 379-382
马明国, 王建, 王雪梅. 基于遥感的植被年际变化及其与气候关系研究进展. 遥感学报, 2006, 10(3): 421–431 MA Mingguo, WANG Jian, WANG Xuemei. Advance in the Inter-annual Variability of Vegetation and Its Relation to Climate Based on Remote Sensing[J]. Journal of Remote Sensing, 2006, 10(3): 421–431
孟丹, 李小娟, 宫辉力, 等. 京津冀地区NDVI变化及气候因子驱动分析[J]. 地球信息科学学报, 2015.17(8): 1001-1007 MENG Dan, LI Xiaojuan, GONG Huili. Analysis of Spatial-Temporal Change of NDVI and Its Climatic Driving Factors in Beijing-Tianjin-Hebei Metropolis Circle from 2001 to 2013[J]. Journal of Geo-Information Science, , 2015, 17(8): 1001-1007
朴世龙, 方精云. 最近18年来中国植被覆盖的动态变化[J]. 第四纪研究, 2001, 21(4): 294-302 doi: 10.3321/j.issn:1001-7410.2001.04.002 PIAO Shilong, FANG Jingyun. DYNAMIC VEGETATION COVER CHANGE OVER THE LAST 18 YEARS IN CHINA[J]. Quaternary Sciences, 2001, 21(4): 294-302 doi: 10.3321/j.issn:1001-7410.2001.04.002
强建华. 遥感技术在新疆南部地区矿山环境调查及生态修复中的应用[J]. 西北地质, 2021, 54(3): 253-258 QIANG Jianhua. 2021. Application of Remote Sensing Techniques in Mine Environment Investigation and Ecological Restoration in Southern Xinjiang[J]. Northwestern Geology, 2021, 54(3): 253-258.
王化齐, 尹立河, 李彦娥, 等. 宁夏沿黄生态经济区生态系统服务价值及其提升对策[J]. 西北地质, 2023, 56(3): 196−203. WANG Huaqi, YIN Lihe, LI Yan’e, et al. Ecological System Service Value Assessment and Improving Countermeasures in Ningxia Yellow River Ecological Economic Zone[J]. Northwestern Geology, 2023, 56(3): 196−203.
王鹏, 刘拓, 邱德明. 基于局部惩罚型变权的建设用地生态适宜性空间模糊评价——以陕西延安宝塔区为例[J]. 西北地质, 2021, 54(1): 232-241 WANG Peng, LIU Tuo, QIU Deming. Spatial Fuzzy Assessment of Ecological Suitability for Urban Land Use Based on Local Penalty Variable Weights——A Case Study of Yan'an Baota District[J]. Northwestern Geology, 2021, 54(1): 232-241.
王强, 张廷斌, 易桂花, 等. 横断山区2004—2014年植被NPP时空变化及其驱动因子. 生态学报, 2017, 37(9): 3084-3095 WANG Qiang, ZHANG Tingbin, YI Guihua, et al. Tempo-spatial variations and driving factors analysis of net primary productivity in the Hengduan mountain area from 2004 to 2014[J]. Acta Ecologica Sinica, 2017, 37(9): 3084-3095.
王炜航, 王咏林, 赵净民. 辽西北地区土地沙漠化现状及防治对策[J]. 地质与资源, 2010, 19(1): 50-52 doi: 10.3969/j.issn.1671-1947.2010.01.009 WANG Weihang, WANG Yonglin, ZHAO Jingmin. CURRENT SITUATION AND COUNTERMEASURES OF THE LAND DESERTIFICATION IN NORTHWESTERN LIAONING PROVINCE[J]. Geology and Resources, 2010, 19(1): 50-52. doi: 10.3969/j.issn.1671-1947.2010.01.009
武正丽, 贾文雄, 赵珍, 等. 2000-2012年祁连山植被覆盖变化及其与气候因子的相关性[J]. 干旱区地理(汉文版), 2015, 38(6): 1241-1252 WU Zhengli, JIA Wenxiong, ZHAO Zhen, et al. Spatial-temporal variations of vegetation and its correlation with climatic factors in Qilian Mountains from 2000 to 2012[J]Arid Land Geography, 2015, 38(6): 1241-1252.
徐嘉昕, 房世波, 张廷斌, 等. 2000-2016年三江源区植被生长季NDVI变化及其对气候因子的响应[J]. 国土资源遥感, 2020, (1): 237-246. doi: 10.6046/gtzyyg.2020.01.32 XU Jiaxin, FANG Shibo, ZHANG Tingbin, et al. NDVI changes and its correlation with climate factors of the Three River-Headwater region in growing seasons during 2000—2016[]Remote Sensing for Land & Resources doi: 10.6046/gtzyyg.2020.01.32
杨元合, 朴世龙. 青藏高原草地植被覆盖变化及其与气候因子的关系[J]. 植物生态学报, 2006, 30(1): 1–8 doi: 10.17521/cjpe.2006.0001 YANG Yuanhe, PIAO Shilong. VARIATIONS IN GRASSLAND VEGETATION COVER IN RELATION TO CLIMATIC FACTORS ON THE TIBETAN PLATEAU[J]. Journal of Plant Ecology, 2006, 30(1): 1–8 doi: 10.17521/cjpe.2006.0001
尤南山, 蒙吉军, 孙慕天. 2000—2015年黑河流域中上游NDVI时空变化及其与气候的关系[J]. 北京大学学报(自然科学版), 2019, 55(1): 171–181 YOU Nanshan, MENG Jijun, SUN Mutian. Spatio-temporal Change of NDVI and Its Relationship with Climate in the Upper and Middle Reaches of Heihe River Basin from 2000 to 2015[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2019, 55(1): 171–181
袁丽华, 蒋卫国, 申文明, 等. 2000—2010年黄河流域植被覆盖的时空变化[J]生态学报, 2013, 33(24): 7798-7806 YUAN Lihua, JIANG Weiguo, SHEN Wenming, et al. The spatio-temporal variations of vegetation cover in the Yellow River Basin from 2000 to 2010[J]Acta Ecologica Sinica, 2013, 33(24): 7798-7806
张新悦, 冯禹昊, 曾辉唐, 等. 1982—2014年华北及周边地区生长季NDVI变化及其与气候的关系[J]. 北京大学学报(自然科学版), 2021, 57(1): 153-161 ZHANG Xinyue, FENG Yuhao, ZENG Huitang, et al. Change of NDVI during Growing Season and Its Relationship with Climate in North China and the Adjacent Areas from 1982 to 2014[J]Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(1): 153-161.
Wardlow B D, Egbert S L. 2008, Large-area crop mapping using time-series MODIS 250m NDVI data: An assessment for the U. S. Central Great Plains[J]. Remote Sensing of Environment, 2008, 112(3): 1096-1116. doi: 10.1016/j.rse.2007.07.019
-
期刊类型引用(7)
1. 胡雯欣，张珺璟，辛存林，任珩，许华，朱珂冰. 基于AHP-IVM的G212线陇南段泥石流灾害易发性评价. 兰州大学学报(自然科学版). 2025(01): 99-108 . 
百度学术
2. 张天宇，李林翠，刘凡，洪增林，钱法桥，胡斌，张淼. 基于优化最大熵模型的黄土滑坡易发性评价：以陕西省吴起县为例. 西北地质. 2025(02): 172-185 . 本站查看
3. 高波，董英，贾俊，薛强，武文英，李林，王涛，刘港，江睿君. 甘肃临夏积石山县6.2级地震地质灾害发育特征及危险性评价. 西北地质. 2024(02): 209-219 . 本站查看
4. 司马珂冰，孙成永. 新县片麻岩区地质灾害问题综合研究. 科技视界. 2024(07): 72-74 . 百度学术
5. 张永强，宋国梁，刘学友，李林森，王晓辉，解小东，付云霞. 基于AHP和信息量模型的烟台市福山区地质灾害风险评价. 山东国土资源. 2024(10): 53-59 . 百度学术
6. 梁峰，江攀和. 基于IVM-CF耦合模型的贵定县滑坡地质灾害易发性评价. 水利水电技术(中英文). 2024(S2): 669-677 . 百度学术
7. 何寒舟，丁一. 赣南地区地质灾害风险区划分析研究. 华南地质. 2024(04): 737-748 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 120
- HTML全文浏览量: 29
- PDF下载量: 54
- 被引次数: 11
