都會區住宅邊坡崩塌潛感評估模式初探－以臺北市為例

都會區住宅邊坡崩塌潛感評估模式初探－以臺北市為例

紀柏全

沈哲緯

冀樹勇

黃立遠

林士淵

潘信元

摘 要

關鍵詞：

Establishing a New Susceptibility Model for Landslides in Urban Areas: A Case Study of Taipei City

Po-Chuan Chi ^[1]* Che-Wei Shen^[1] Shu-Yeong Chi ^[1] Li-Yuan Huang^[2]

Shih-Yuan Lin^[2] Sin-Yuan Pan^[2]

ABSTRACT Recent studies of regional landslide susceptibilities have been approached through multivariate statistics, taking only natural causes into account (viz. terrain, geology or hydrology variants). They offer, however, limited predictive accuracy for predicting rare events in urban areas and the effects of man-made construction. Thus, this study establishes a new susceptibility mode, taking into consideration the effects of construction (including den- sity of structures, density of roads, and disadvantageous index of man-made structures). The rainfall of Typhoon Nari, a well known extreme rainfall event in Taipei city, was used as the triggering factor in the susceptibility model. The results show that the accuracy reached 76.9% for both scenarios with natural causes and the effects of construction.

Among these factors, the most crucial role was played by the disadvantageous index of man-made structures in the model. This study also suggests a set of thresholds for susceptibility classification and verifies its suitability when ap- plied to other typhoon events after 2000.

Key Words : Buffer strips, SWMM, Vollenweider model, Nonpoint Source Pollution.

一、前 言

臺北市山坡地15,004 公頃，占全市面積 55%，根據王怜 文與陳紫娥 (2012) 統計淡水河流域 1968 年至 2010 年邊坡崩 塌事件，並套疊行政區人口密度分布，發現災害主要集中於人 口密度較高的地區如新北市汐止、新店區和臺北市文山區，且 人口成長較高時，災害發生次數亦較多，顯示人為活動對坡地 災害有密切關係。鑑於臺北市人口高密度發展，山坡地地質環 境複雜，加上近年颱風所挾帶豐沛雨量，造成坡地崩塌災害頻

繁，更突顯坡地的管理與防救災的重要性。

針對廣域 (非單一邊坡 specific site) 之山坡地穩定評 估，山崩潛感分析為目前國內外最常採用之方法。山崩潛感分 析可分為定值法與統計法兩大類 (李錫堤、黃健政，2005；李 錫堤，2009)，定值法係假設坡面為自然邊坡型態，以無限邊 坡分析方法分析邊坡穩定性。而統計法則是針對範圍較大之區 域(或稱廣域)，考量地形、地質及水文因子，並配合足夠之多 時序山崩目錄以建立崩塌潛感模式 (Varnes, 1984; Guzzetti et al., 1999; van Westen et al., 2006)。然而，若研究區域類似臺北

〔1〕財團法人中興工程顧問社防災科技研究中心

Disaster Prevention Technology Research Center, Sinotech Engineering Consultants, INC., Taiwan.

〔2〕臺北市政府工務局大地工程處

Geotechnical Engineering Office, Public Works Department, Taipei City Government, Taiwan.

* Corresponding Author. E-mail : pcchi@sinotech.org.tw

市 此 般 高 度 開 發 的 都 會 區 (urban area) 或罕崩塌區 (rare event)，常面臨崩塌樣本過少，以及無法量化人工邊坡效益之 限制，以致無法獲致具代表性且正確率良好的崩塌預測模式。

有鑑於此，本研究以臺北市為研究範圍，採用極端降雨事 件 (2001 年納莉颱風) 同時考量自然邊坡及人工邊坡因子，其 中人工邊坡因子將採用紀柏全等人 (2013) 提出之人工邊坡 不利條件機率，期望提升高度開發區域之廣域崩塌潛感 (re- gional landslide susceptibility) 評估模式正確率。因人工邊坡常 因山坡地住宅而設置，本研究將考量人工邊坡之崩塌潛感評估 模式稱為「都會區住宅邊坡崩塌潛感評估模式」，透過模式可 分析斜坡單元於不同雨量下之崩塌潛感，以供權責單位災前整 備與災中應變之決策依據，亦可提供坡地社區居民自主防災與 避災行動之參考基準。

二、人工邊坡效應評估方法

坡地開發過程中所構築之人工邊坡，多屬建築物或道路周 邊的附屬設施，多作為邊坡穩定之用，而這些構造物的安全與 否，不僅對於邊坡穩定具有決定性之影響，更直接關係到居民 的生命財產安全。臺北市政府工務局大地工程處為有系統地管 理全市人工邊坡，於99 年起開始進行全市山坡地人工邊坡之 調查與建檔，截至101 年底已完成 19,518 筆人工邊坡資料之 現地調查、覆核及系統建檔。上揭調查工作主要依據陳建忠與 林宏達 (2008) 建立之坡地社區擋土設施安全評估基準評估 表格，將人工邊坡調查依據現況評分對應保全對象分類，建立 分級矩陣示以作為平時巡檢及即時維護整治排序之參考。

紀柏全等人 (2013) 為了妥善運用此得來不易之調查資 料，由調查資料配合臺北市山坡地歷史災害紀錄建立人工邊坡 量化評估指標，稱之為「人工邊坡不利條件機率」。首先，依 據臺北市政府建置1959 年迄今之山坡地歷史災害通報紀錄中 道路名稱與描述內容，比對臺北市提供之各期航空照片及 Google earth 街景地圖，將 1,042 筆歷史災點進行定位及區分 為人工邊坡與自然邊坡災害兩類，據此，再將人工邊坡調查建 檔資料依據歷史災點分布定義人工邊坡是否曾發生災害，經比 對後獲知有420 筆人工邊坡曾有災害歷史。

茲據上述歷史災害紀錄對應人工邊坡調查結果，透過統計 方法 (二元迴歸方法) 計算每一筆人工邊坡之不利條件機 率，其值愈接近1，則代表該邊坡既有之不利條件或損壞徵兆 例如坡高與坡度、坡體出現異常變形或外傾、坡面開裂或材料 外漏等因素引致人工邊坡破壞的機率越高。紀柏全等人 (2013) 發現，除驗證正確率達 80%外，另由圖 1 可見，高不利條件 機率之人工邊坡位置與歷史災點分布有相當之一致性 (如北 投區、士林區及文山區)，且透過現地查核，發現多筆不利條 件機率偏高之人工邊坡，確實均已出現明顯損壞，顯示此不利 條件機率值對於人工邊坡損壞與否具有相當之代表性與鑑別 性。

此外，因上述不利條件機率係由調查資料配合歷史災害紀 錄所獲取，較原先依據陳建忠與林宏達 (2008) 評估表格所求 得之徵兆評分更足於描述人工邊坡既有條件、現存徵兆與災害

間之關聯性，故本研究即納入人工邊坡不利條件機率為崩塌潛 感因子之一。

三、山崩潛感因子分析與篩選

本研究蒐集五項資料供作山崩潛感因子萃取之用，分別為 臺北市境內 (1) 1959~2012 年歷史災點分布、(2) 近 10 年山崩 目錄、(3) 4 公尺×4 公尺數值地形、(4) 人為開發因子資料 (如 路網、建築物分布、土地利用、衛星影像及人工邊坡分布) 及 (5) 雨量資料。以下茲就山崩潛感因子分析及篩選流程進行說 明，以精簡篩選出臺北市顯著山崩潛感因子，據此建立都會區 住宅邊坡崩塌潛感評估模式。

1. 斜坡單元

斜坡單元係參考「集水區重疊法」原理 (Xie et al., 2004)，

以ArcGIS 的水文分析模組 (hydrology) 為基礎，自動劃分斜 坡 單 元 (財團法人中興工程顧問社 (以下簡稱中興社)，

2009)，輔以 1/5,000 比例尺地形圖、坡度圖與坡向圖進行人工 品管及編修，共計完成全臺北市6,371 個斜坡單元 (財團法人 中興工程顧問社，2012)，以供住宅邊坡崩塌潛感評估之用。

崩塌與否定義以二元資料格式 (binary，0 或 1) 為原則，

係利用1959~2012 歷史災點及近 10 年山崩目錄為依據，參考 中興社 (2009)「都會區周緣坡地山崩潛勢評估 (3/4)」建議，

定義崩塌斜坡單元之條件為：(1) 斜坡單元內崩塌地面積總和 大於 100 平方公尺、或 (2) 實際災害點落於斜坡單元者；反 之，若不符合上述條件者則定義為非崩塌斜坡單元。綜合上述 分析可知，以2001 年納莉颱風誘發的崩塌數量最多，誘發的 崩塌斜坡單元共有281 個，崩塌斜坡單元空間分布如圖 2 所示。

圖1 人工邊坡位置 (含不利條件機率)與歷史災害事件位置 分布圖 (紀柏全等人，2013)

Fig.1 Distribution of man-made slopes (with disadvan- tageous probability pm) and historical failure rec- ords

2. 因子初選

回顧國內外山崩潛感相關研究發現 (Guzzetti et al., 1999, 2005; Chang et al., 2007; Chang and Chiang, 2009)，曾使用之斜 坡單元山崩潛感因子超過上百種，尤以義大利國科會 (Con- siglio Nazionale delleRicerche, CNR) 水文地質災害研究所 (Istituto di Ricerca per la Protezione Idrogeologica, IRPI) Guzzetti 博士開發最多。

本文參考中興社 (2009)「都會區周緣坡地山崩潛勢評估 (3/4)」計畫與 Guzzetti et al. (2006) 斜坡單元因子萃取建議，

依據資料易取得性及技術可行性之原則，萃取山崩潛感因子，

透過統計篩選流程挑選顯著山崩潛感因子進行模式建立，綜合 歸納可分為地文因子、水文因子、人為因子與植生覆蓋因子等 四類 (詳表 1)。

3. 篩選方法成果

斜坡單元山崩潛感因子篩選流程如圖3 所示，篩選方法首 先採主成分分析 (Principal Component Analysis, PCA) 及成功 率曲線 (Success Rate Curve, SRC) 挑選顯著因子，並透過相關 性分析 (Correlation Analysis, CA) 剔除高相關因子，期降低高 相依因子影響分析結果及係數相關性，以利建構預測成效良好 且能實務應用之崩塌潛感評估模式。以下說明主成分分析、成 功率曲線與相關性分析篩選原則及成果。

(1) 主成分分析

透過因素分析 (factor analysis) 方法中的主成分分 析，篩選出地文因子、水文因子、植生覆蓋因子及人為 因子的重要因子。理論上主成分變數與原變數數目應是 相同數量，主成分個數之決定方法說明如下：

 根據 Kaiser (1960) 建議的 KMO (Kaiser-Meyer-Olkin) 抽樣適配度判定準則得知，KMO 至少應大於 0.6，

表示資料分析效果適合進行因素分析。

 參考 Li et al. (2010) 及 Shen et al. (2012) 建議，獲選 之主成分累積變異百分比 (代表性) 建議達 85%以 上。

 將各別的主成分分析結果以主成分係數矩陣表示。參 考吳輝龍等人 (2004)、陳文福等人 (2005) 及 Shen et al. (2012) 建議，挑選主成分係數大於 0.7 者為獲選 的重要山崩潛感因子。

主成分分析結果如表2，滿足主成分分析門檻的因 子共計13 項，標註粗體字於表 2 中。

(2) 成功率曲線

成功率曲線 (Success Rate Curve, SRC) 與預測率 曲線 (Prediction Rate Curve, PRC) 是用來判定模式對 於訓練資料與預測資料的解釋能力，可由曲線下面積 (Area Under Curve, AUC) 作為判定該模式良窳之依據 (Chung and Fabbri, 2003)。總體來說 AUC 值越大越佳，

當面積越接近中間值 0.5，則表示該結果不會比隨機的 結果好 (Chung and Fabbri, 2003)。

本研究參考中興社 (2010)「集水區地質調查及山崩 土石流調查與發生潛勢評估」計畫建議，AUC 超過 0.6

表1 山崩潛感因子列表

Table 1 Landslide susceptibility factors 類

別 項

目 山崩潛感因子

地 文

坡 度

前25%平均坡度

百分比 平均坡度 邊坡陡坡比例 坡度變化程度 (粗糙度) 高

程 地形粗糙度 平均高程 高程差 (全坡高) 曲

率 平面曲率 切向曲率 剖面曲率 地形曲率 坡

向

地形侵蝕指標 (坡向標準差)

八方向 坡向 水

文 - 水系密度 時雨量 24小時累積雨量 總雨量 植

生

- 植生覆蓋率 土地利用與 覆蓋因子 註：山崩潛感因子定義請參見中興社 (2009)。

圖2 納莉颱風歷史崩塌災害分布圖

Fig.2 Historical landslide based on terrain unit during typhoon NARI

斜坡單元因子篩選流程

成功率曲線 主成分分析

成功率曲線下面積

超過0.6的因子 主成分矩陣係數

超過0.7的因子

顯著因子集合

相關性分析

相關性係數 超過0.7的因子挑選 斜坡單元因子決選 刪除AUC值

較小

圖3 斜坡單元山崩潛感因子篩選流程圖

Fig.3 Selection procedure of landslide susceptibility factors based on terrain unit

該因子可視為顯著山崩潛感因子，各項因子成功率曲線 AUC 結果如表 3 所示。分析結果顯示，滿足成功率曲線 分析 AUC 要求之因子計有 (1) 剖面曲率、(2) 道路密 度、(3) 建築物密度、(4) 人工邊坡密度及 (5) 人工邊 坡不利條件機率五項，其中又以人工邊坡不利條件機率 成功率曲線AUC 值最高 (圖 4)，影響最為顯著。

(3) 相關性分析

相關性分析採用皮爾森積差相關係數(簡稱相關係 數)表示，相關係數恆介於-1 與+1 之間，+1 表示 A 因子 與B 因子為完全正向線性相關 (呈現遞增線性關係)；-1 表示A 因子與 B 因子為完全負向線性相關 (呈現遞減線 性關係)；若相關係數的值非常接近零，則表示 A 因子 與B 因子無線性關係。本研究參考 Kendall(1955) 建議 劃分為三級：小於0.4 為低度線性相關；0.4(含) 至 0.7 間為顯著性相關；0.7(含) 至 1 之間為高度線性相關。

相關性分析結果指出坡度類各因子皆與地形粗糙 度呈現相依，經比較AUC 值，僅「前 25%平均坡度百 分比」獲選；曲率類各因子呈現相依，經比較AUC 值 後，「平面曲率及剖面曲率」獲選；水系密度及土地利 用與覆蓋因子呈現相依，經比較AUC 值，以「水系密 度」獲選，而水系密度與建築物密度相依，經比較AUC 值，則以建築物密度獲選，因此水系密度及土地利用與 覆蓋因子剔除；人工邊坡密度與人工邊坡不利條件機率 呈現相依，經比較AUC 值，以人工邊坡不利條件機率 獲選。

4.顯著雨量因子篩選

本研究蒐集臺北市範圍內中央氣象局及臺北市政府工務 局大地工程處自有 26 站雨量站資料，參考中興社 (2009) 雨 場定義建議，將颱風事件陸上颱風警報時間前後各展延48 小 時為其雨場起終點，將雨量紀錄透過克利金 (kriging) 空間內 插完成雨量網格空間分布資料，再套疊斜坡單元進行斜坡單元 平均雨量分析，即可獲得各颱風事件不同降雨延時之雨量強 度。

參考Chang and Chiang (2009) 研究建議，將不同降雨延 時的雨量變數和崩塌密度進行相關性分析，選出與崩塌密度相 關性較高的因子，供作崩塌潛感評估模式採用的雨量變數。

Success Rate

圖4 人工邊坡不利條件機率成功率曲線

Fig.4 Success rate curve of man-made slope instability index

表2 各類山崩潛感因子主成分分析結果

Table 2 Result of principle component analysis for various landslide susceptibility factors

因子

類別 山崩潛感因子 KMO

檢定 單位 主成分 係數

地 文

坡 度 類

前25%平均坡度百分比

0.624>0.6

% 0.967

平均坡度 % 0.934

邊坡陡坡比例 無因次 0.842 邊坡變化程度 % 0.841 高

程 類

地形粗糙度

0.610>0.6

公尺 0.812

平均高程 公尺 0.432

高程差 (全坡高) 公尺 0.220

曲 率 類

平面曲率

0.632>0.6

1/公尺 0.841 切向曲率 1/公尺 0.826 剖面曲率 1/公尺 0.661 地形曲率 1/公尺 0.498 坡

向 類

地形侵蝕指標 (坡向標準差)

0.614>0.6 度 0.803

八方向坡向 - 0.291

水

文 - 水系密度 0.601>0.6 % 0.962 植

生 - 植生覆蓋率 0.301<0.6

(不採用) % -0.263

人 為 -

建築物密度

0.646>0.6

% 0.744

道路密度 % 0.748

土地覆蓋因子 (c) 無因次 0.417 人工邊坡密度 無因次 0.719 人工邊坡不利條件機率 無因次 0.760

表3 各類山崩潛感因子成功率曲線分析結果

Table 3 Result of success rate curve for various land- slide susceptibility factors

因子

類別 山崩潛感因子 單位 成功率曲線AUC

地 文

坡 度 類

前25%平均坡度百分比 % 0.587 平均坡度 % 0.474 邊坡陡坡比例 無因次 0.422 邊坡變化程度 % 0.502 高

程 類

地形粗糙度 公尺 0.389

平均高程 公尺 0.540

高程差(全坡高) 公尺 0.540

曲 率 類

平面曲率 1/公尺 0.527 切向曲率 1/公尺 0.527 剖面曲率 1/公尺 0.602 地形曲率 1/公尺 0.514 坡

向 類

地形侵蝕指標 (坡向標準差) 度 0.486 八方向坡向 - 0.510 水

文 - 水系密度 % 0.561

植 生

- 植生覆蓋率 % 0.283

人 為 -

建築物密度 % 0.613 道路密度 % 0.697 土地覆蓋因子(c) 無因次 0.533

人工邊坡密度 無因次 0.639 人工邊坡不利條件機率 無因次 0.704

本研究以納莉颱風崩塌分布及雨量分布進行分析，結果如 表4 所示，結果顯示以 24 小時累積雨量 (分布圖如圖 5) 及時 雨量為最顯著降雨延時，與目前臺北市政府工務局大地工程處

「山坡地老舊聚落防災疏散應變標準作業流程」採用的降雨延 時一致。

四、都會區住宅邊坡崩塌潛感評估模式 與特性探討

1. 二元迴歸理論

考量依變數為二元類別資料，本研究採用羅吉斯迴歸 (logistic regression)(Menard, 2002) 進行統計分析，方法係將各 影響崩塌因子之參數代入，計算各因子之係數可得下列通式：

...

)

(y ab₁x₁b₂x₂b₃x₃

Logit (1)

其中，y 為獨立變數、a 為常數項、xi為解釋變數及bi為 迴歸係數，將計算所得之獨立變數以下式計算P，可得斜坡單 元發生崩塌潛感：

)) ( exp( Logit y

P

  

1

1

(2)

其中，P 為崩塌發生機率，本研究將此數值視為崩塌潛感值。

2. 都會區住宅邊坡崩塌潛感評估模式

都會區住宅邊坡崩塌潛感評估模式 (Landslide Suscepti- bility Model on Urban Area,簡稱 LSM-UA) 分析流程如圖 6 所 示。臺北市範圍岩性大致上可區分為六類，為區別不同地質條 件崩塌特性，故將地質岩性區分納入山崩潛感因子之列。分析 上，以納莉颱風事件為模式建立基礎，輔以納莉颱風雨量分 布，建構降雨誘發崩塌潛感評估模式，主要將納莉颱風引致崩 塌的281 個崩塌斜坡單元配以亂數取樣的 281 筆非崩塌斜坡單 元，組成1:1 崩塌與非崩塌樣本空間，篩選 30 組訓練樣本進 行模式建立，透過二元迴歸進行分析，經比較模式正確率可得 一組最高結果為本研究都會區住宅邊坡崩塌潛感評估模式，依 據羅吉斯迴歸分析，可得24 小時累積雨量住宅邊坡崩塌潛感 評估模式經驗公式：



















































) 24 ( 004 . 0

) _ (

* 846 . 1 ) _ (

* 376 . 6 ) ( ) _ (

* 657 . 1

) _ (

* 626 . 2 ) _ (

* 327 . 0 ) 25 _ (

* 011 . 0 exp 1

1

Rm

pm MMS density

B Geo

std Asp

pro Cur plan

Cur Slopep

P (3)

其中，各項因子皆為斜坡單元基礎，據此計算斜坡單元降 雨誘發崩塌潛感評估模式，並考量人文因子如人工邊坡穩定及 人為開發之影響，據此完成都會區住宅邊坡崩塌潛感評估模 式。上式P 為崩塌潛感；Slopep_25 為前百分之 25 平均坡度；

Cur_plan 為平面曲率；Cur_pro 為剖面曲率；Asp_std 為地形 侵蝕程度 (坡向標準差)；Geo 為地質岩性因子；B_density 為

建築物密度；road_density 為道路密度；MMS_pm 為人工邊坡 不利條件機率；Rm24為24 小時累積雨量。

據公式 (3) 可推求所有斜坡單元崩塌潛感值模式正確率 如表5 所示，若以羅吉斯迴歸定義之門檻值 0.5 區分，總體正 確率達76.9%。然而，機率值並不易於理解，亦不適用於管理 操作，而等差分級又缺乏學理或合理性支持。因此，本研究參

表4 雨量與崩塌密度相關性分析結果

Table 4 Correlation analysis of rainfall and landslide density

LS Rc R

m1 R

m3 R

m6 R

m12 R

m24 R

m36 R

m48

LS 1.

Rc 0.496 1 Rm1 0.513 0.842 1 R

m3 0.476 0.851 0.952 1 Rm6 0.481 0.856 0.955 0.965 1 Rm12 0.488 0.861 0.953 0.938 0.954 1 R

m24 0.514 0.899 0.900 0.900 0.909 0.937 1 Rm36 0.511 0.962 0.862 0.864 0.868 0.884 0.924 1 R

m48 0.503 0.981 0.850 0.858 0.863 0.869 0.910 0.973 1 註：1.LS 為納莉颱風斜坡單元崩塌地密度；Rc 為總累積雨量；Rm1為

時雨量；Rm24為24 小時累積雨量，其餘以此類推。

2.不同降雨延時雨量變數兩兩間呈現相依。

3.單以雨量因子無法有效鑑別崩塌地，須結合上述獲選之地文、水 文、人為等因子。

圖5 納莉颱風雨量空間分布圖

Fig.5 24-hours cumulative rainfall distribution of ty- phoon NARI (2001)

考李錫堤等人 (2003) 以山崩判別指標 (discriminant index) 區分山崩潛感分級之構想，創先採用崩塌斜坡單元涵蓋率之概 念作為潛感分級之依據，訂定高潛感應涵蓋 70%以上之崩塌 斜坡單元、中高潛感以上應涵蓋 90%以上之崩塌斜坡單元，

其餘為中低 (5~10%) 及低潛感 (5%以下)，並據此求得各級 門檻值分別為0.95、0.85 及 0.75。分級結果示於表 6。

此外，本研究另選擇2000 年後雨量較高、崩塌事件較多 之五起颱風事件進行模式與潛感等級之驗證，驗證方式係比對 五起颱風事件高潛感斜坡單元對應崩塌斜坡單元之涵蓋率，依 據上揭原則涵蓋率應高於 70%以上，驗證結果顯示 (詳見表 7)，五起颱風事件預測之涵蓋率達 70~90%，顯見本研究提出 之都會區住宅邊坡崩塌潛感評估模式可有效鑑別都會區崩塌 特性。另外，將臺北市崩塌潛感空間分布繪製如圖7，可見大 部分高潛感斜坡單元集中於北投、士林、信義及文山區接近平 地之淺山帶，與圖5 之歷史災點分布吻合性相當高。

特別注意的，本研究建立之崩塌潛感評估模式及崩塌潛感 分級門檻目前僅適用於臺北市山坡地範圍，尚須透過蒐集其他 地區完整之崩塌資料與模式驗證，方能佐證模式及潛感分級門 檻是否適用於其他都會區邊坡。此外，因模式係建立於距今近 15 年內之颱風事件，並同樣以 15 年內之其他颱風事件作為驗 證，因此於時間域上，本研究之潛感模式僅適用至多預測未來 15 年內之情境。

表5 模式正確率

Table 5 Accuracy of LSM-UA

模式預測 實際資料

模式預測 崩塌與否 否 否 正確率

納莉颱風下斜坡單元 是否發生崩塌

否 224 57 79.7%

是 73 208 74.0%

總體正確率 (%) 76.9%

表6 崩塌潛感等級區分結果 Table 6 Classification of LSM-UA

崩塌潛感分級 崩塌潛感值 (24小時雨量) 崩塌斜坡單元涵蓋率 (%)

高潛感 P≥0.95 70 %

中高潛感 0.85≤P<0.95 24 % 中低潛感 0.75≤P<0.85 5 %

低潛感 P<0.75 1 %

註：涵蓋率計算方式為：各分級下之崩塌斜坡單元數量／崩塌斜坡單元 總數 (納莉颱風致崩塌斜坡單元為 281 個)。

表7 模式與潛感等級驗證結果

Table 7 Validate accuracy of LSM-UA 年份 驗證事件 24小時雨量最大值

(mm)

崩塌斜坡單元涵蓋率 (%)

2000 象神颱風 820 90.0%

2004 艾利颱風 738 72.7%

2007 柯羅莎颱風 488 70.0%

2008 辛樂克颱風 510 72.4%

2012 蘇拉颱風 443 72.7%

住宅邊坡崩塌潛感評估模式分析流程

30組訓練樣本 空間分布

1959~2012年 歷史災點

岩性組合圖 岩體強度分級 近10年

山崩目錄 數值高程模型

崩塌與否屬性

(應變數) 顯著山崩潛感因子篩選

羅吉斯迴歸分析 (獲得迴歸係數)

模式準確率計算

計算臺北市所有斜坡單元 崩塌機率

住宅邊坡崩塌潛感評估模式完成 準確率達75%以上

模式驗證準確率 計算 基礎圖資(建築物、水系、道路、

土地利用、坡地土壤圖、等)

福衛二號

衛星影像 雨量資料

驗證樣本 引入 由30組模式中挑選

總體正確率最高一組

圖6 都會區住宅邊坡崩塌潛感評估模式分析流程 Fig.6 Flow chart of LSM-UA

崩塌潛感分級 斜坡單元數量 個數百分比 (%)

高潛感 1,208 19.0

中高潛感 2,499 39.2

中低潛感 1,549 24.3

低潛感 1,115 17.5

圖7 納莉颱風住宅邊坡崩塌潛感圖

Fig.7 Landslide susceptibility map of typhoon NARI on urban area

北投區 士林區

內湖區

信義區 南港區

文山區

3. 山崩潛感因子敏感度分析

欲了解各類山崩潛感因子貢獻及各項因子重要性，應進行 因子敏感度測試，判定標準係以模式總體正確率評判之，測試 基準以納莉颱風崩塌地及雨量分布為主。本研究依序將地文 (地形、地質) 及人為因子剔除進行迴歸分析，以了解各類因 子之貢獻程度，再分別就各類因子中各項因子重複剔除與迴歸 動作，將可了解各項因子重要性，分析結果如表8 所示。分析 結果顯示，考量人為因子 (包含建築物密度、道路密度及人工 邊坡因子) 潛感模式可得到分析上最高之正確率 76.9%，其中 又以人工邊坡因子對於模式之影響最為顯著。

為探究影響模式之原因，將分析結果列於表 9 並與表 5 比較，發現於都會區住宅邊坡崩塌潛感評估模式中若未考慮人 工邊坡效益，對於崩塌斜坡單元之預測影響較大。其原因為，

部分災害事件係人工邊坡不穩定所引致，僅以地形、地質等自 然條件因子並無法反映人工邊坡之不利條件，此時模式並無法 正確預測因人工邊坡損壞所導致之災害事件，故由表9 可見崩 塌斜坡單元之預測正確率大幅降低9.2%。

五、結論與建議

1. 結論

(1) 本研究以統計方法及程序建議一套精簡山崩潛感因子 之篩選流程，首先以主成分分析及成功率曲線挑選顯著 因子，進一步採用相關性分析剔除高相關因子，最後據 此提出模式建立所採納之斜坡單元山崩潛感因子。

表8 都會區住宅邊坡崩塌潛感評估模式因子敏感度分析結果 Table 8 The sensitive analysis of LSM-UA

編 號 分

類 因子 類別 總體

正確率 剔除各分類

總體正確率 因子名稱 剔除後 總體正確率 1

地 形

坡 度

76.9%

74.2%

前25%平均坡度百分比 75.6%

2 曲 率

平面曲率 76.6%

3 剖面曲率 75.4%

4 坡 向

地形侵蝕指標

(坡向標準差) 75.8%

5 人

為 - 62.8%

建築物密度 74.6%

6 道路密度 76.8%

7 人工邊坡不利條件機率 69.8%

8 地 質

地質

因子 75.3% 岩性 75.8%

9 岩體強度分級 76.5%

10 水

文 雨量 76.0% 24小時累積雨量 76.0%

表9 不考慮人工邊坡效益時之模式正確率

Table 5 Accuracy of LSM-UA while disregarding the effect of man-made slope

模式預測 實際資料

模式預測

正確率 降低比率 崩塌與否

否 否 正確率 納莉颱風下斜坡單元

是否發生崩塌

否 224 57 79.7% -5.0%

是 73 208 74.0% -9.2%

總體正確率(%) 69.8% -7.1%

(2) 本研究考量人為因子建立都會區住宅邊坡崩塌潛感評 估模式，模式訓練總體正確率達76.9%。各項因子中，

以人工邊坡因子對於模式之影響最為顯著，當不考慮人 工邊坡因子時，模式正確率降低至69.8%，其主因為部 分災害事件係人工邊坡不穩定所引致，僅以自然條件並 無法反映人工邊坡之不利條件，因此使得崩塌斜坡單元 之預測正確率大幅降低。

(3) 為提出合理且具學理依據之潛感分級方法，本研究提出 以崩塌斜坡單元涵蓋率之概念研提潛感分級門檻。透過 其他五起颱風事件之驗證，本研究所提出之分級門檻與 原則可適用於2012 年前重大颱風事件下之潛感分級。

2. 建議

(1) 由崩塌潛感評估模式可反算出全臺北市所有斜坡單元 之崩塌臨界雨量，此臨界雨量值可作為訂定各山坡地社 區於颱風事件下之疏散避難警戒基準參考，且此警戒值 同時考量空間域及時間域。然警戒值之訂定仍需透過更 充分之驗證與討論，以免發生預報不及或過度擾民之情 況。

(2) 人工邊坡目前係以現地調查結果進行不利條件機率研 擬，進而反映至崩塌潛感模式之中，已能大幅提升都會 區及罕崩塌地區之預測成效，然降雨誘發崩塌行為應包 含降雨入滲人工邊坡牆背行為，未來建議仍應研發降雨 引致人工邊坡與自然邊坡動態耦合行為，較能確實反映 颱風豪雨期間整體斜坡單元穩定性。

(3) 現行人工邊坡或自然邊坡調查表評分為主觀分數及權 重，建議未來可基於統計機率模型，修訂目前表格評 分，除可確實反映實際崩塌特性外，也較具有科學量化 依歸。

參考文獻

[1] 王怜文、陳紫娥 (2012)，「淡水河流域坡地災害的分佈 特徵」，國立東華大學防災研究中心研究報告。(Wang, L.W., and Chen, Z.E. (2012). “Distribution characteristics of landslide hazards in Danshui River Basin.” Report of Disas- ter Prevention Research Center, National Dong Hwa Univer- sity. (in Chinese))

[2] 李錫堤、潘國樑、林銘郎 (2003) ，「山崩潛感分析之研 究(1/3)」，經濟部中央地質調查所。(Lee, C.T., Pan, L.L., and Lin, M.L. (2003). “The study of landslide susceptibility analysis (1/3).” Central Geological Survey, MOEA. (in Chi- nese))

[3] 李錫堤、黃健政 (2005)，「區域性山坡穩定分析之回顧 與展望」，地工技術，第104 期，第 33-52 頁。(Lee, C.T., and Huang, C.C. (2005). “Review and prospect on landslide susceptibility analysis.” Sino-Geotechnics, 104, 33-52. (in Chinese))

[4] 李錫堤 (2009)，「山崩及土石流災害分析的方法學回顧 與展望」，台灣公共工程學刊，第5 卷，第 1 期，第 1-29 頁。 (Lee, C.C. (2009). “Review and prospect on landslide

and debris flow hazard analysis.” Journal of the Taiwan So- ciety of Public Works, 5(1), 1-29. (in Chinese))

[5] 吳輝龍、陳文福、張維訓 (2004)，「集水區地文特性因 子與土石流發生機率間相關性之研究－以陳有蘭溪為 例」，中華水土保持學報，第35 期，第 3 卷，第 251-259 頁。(Wu, H.L., Chen, W.F., and Chang, W.S. (2004). “Re- lationship of watershed geomorphologic characteristic fac- tors and the occurrence probability of debris flow - a case study of Chen-Yu-Lan Stream.” Journal of Chinese Soil and Water Conservation, 35(3), 251-260.(in Chinese))

[6] 陳文福、李毅宏、吳輝龍 (2005)，「結合地文與降雨條 件以判定土石流發生之研究－以陳有蘭溪集水區為例」，

臺灣地理資訊學刊，第2 期，第 27-44 頁。(Chen, W.F., Li, Y.H., and Wu, H.L. (2005). “Study of judging debris flow occurrence by combing the physiographical factors and rainfall condition Chen-Yu-Lan Stream watershed as an example.” Journal of Taiwan Geographic Information Sci- ence, 2, 27-44. (in Chinese))

[7] 陳建忠、林宏達 (2008) ，「既有山坡地住宅社區邊坡擋 土設施安全診斷基準之研究」，內政部建築研究所，台北。

(Chen, C.J., and Lin, H.D. (2008). “Research on safety as- sessment of retaining structures in slope land communities.”

Report of Architecture and Building Research Institute, Ministry of the Interior. (in Chinese))

[8] 財團法人中興工程顧問社 (2009)，「都會區周緣坡地山 崩潛勢評估 (3/4)」，經濟部中央地質調查所，台北。

(Sinotech Engineering Consultants, INC. (2009). “Landslide susceptibility zonation in slopeland of urban area (3/4).”

Central Geological Survey, MOEA. (in Chinese))

[9] 財團法人中興工程顧問社 (2010) ，「集水區地質調查及 山崩土石流調查與發生潛勢評估」，經濟部中央地質調查 所，台北。(Sinotech Engineering Consultants, INC. (2010).

“Geological Investigation, Landslide-Debris Flow Investiga- tion and Their Susceptibility Evaluation in the Watershed Area.” Central Geological Survey, MOEA. (in Chinese)) [10] 財團法人中興工程顧問社 (2012)，「100 年度「山坡地環

境地質調查及系統更新計畫委託技術服務案 (後續擴 充)」，臺北市政府工務局大地工程處，台北。(Sinotech Engineering Consultants, INC. (2012). “Environmental geo- logical investigation in slopeland and system update.” Ge- otechnical Engineering Office, Public Works Department, Taipei City Government. (in Chinese))

[11] 紀柏全、沈哲緯、冀樹勇、鄭錦桐、林裕益、黃立遠、林 士淵 (2013)，「人工邊坡量化評估模式初探－以臺北市 為例」，2013 台灣災害管理研討會，台北。(Chi, P.C., Shen, C.W., Chi, S.Y., Cheng, C.T., Lin, Y.I., Huang, L.Y., and Lin, S.Y. (2013). “Establishing a quantitative assessment method of man-made slopes in Taipei City.” Proceedings of the Conference for Disaster Management in Taiwan. (in Chinese))

[12] Chang, K., Chiang, S., and Hsu, M. (2007). “Modeling ty- phoon- and earthquake-induced landslides in a mountainous watershed using logistic regression.” Geomorphology, 89(3), 335-347.

[13] Chang, K., and Chiang, S. (2009). “An integrated model for predicting rainfall-induced landslides.” Geomorphology, 105(3), 366-373.

[14] Guzzetti, F., Carrara, A., Cardinali, M., and Reichenbach, P.

(1999). “Landslide hazard evaluation: a review of current techniques and their application in a multi-scale study, Cen- tral Italy.” Geomorphology, 31, 181-216.

[15] Guzzetti, F., Reichenbach, P., Cardinali, M., Galli M., and Ardizzone F. (2005). “Probabilistic landslide hazard assess- ment at the basin scale.” Geomorphology, 72, 272-299.

[16] Guzzetti F., Galli M., Reichenbach P., Ardizzone F., and Cardinali M. (2006). “Landslide hazard assessment in the Collazzone area, Umbria, Central Italy.” Natural Hazards and Earth System Sciences, 6, 115-131.

[17] Kaiser, H. F. (1960). “The application of electronic comput- ers to factor analysis.” Educational and Psychological Measurement, 20, 141-151.

[18] Kendall, M. G. (1955). Rank correlation methods, Charles Griffin and Company.

[19] Li, C.Y., Lo, W.C., Chen, C.Y., Shen, C.W., and Tsao, T.C.

(2010). “Using logistic regression to predict the susceptibil- ity of debris flow hazard in Hualien, Taiwan.” 4th Ja- pan-Taiwan Joint Worlshop on Geotechnical Hazards from Large Earthquakes and Heavy Rainfalls, 431- 441, Keelung.

[20] Menard, S. (2002). Applied logistic regression analysis, Thousand Oaks, CA: Sage.

[21] Shen C.W., Lo W.C., and Chen C.Y. (2012). “Evaluating susceptibility of debris flow hazard using multivariate statis- tical analysis in Hualien County.” Disaster Advances, 5(4), 743-755.

[22] Xie, M., Esaki, T., and G. Zhou (2004). “GIS-based proba- bilistic mapping of landslide hazard using a three- dimensional deterministic model.” Natural Hazards, 33, 265-282.

[23] van Westen, C.J., van Asch, T.W.J., and Soeters, R. (2006).

“Landslide hazard and risk zonation – why is it still so diffi- cult?” Bulletin of Engineering Geology and Environment, 65, 167–184.

[24] Varnes, D.J. (1984). “Landslide hazard zonation: a review of principles and practice.” UNESCO Press, Praris, 63.

2013 年 12 月 20 日 收稿

2014 年 02 月 05 日 修正

2014 年 07 月 26 日 接受