地文脆弱度 (Physiographic fragility, Fp)
緣起
由於地質、地形、地表植生及人為開發利用(如開闢道路等)均會直接、
間接或交互影響該地區在降雨期間是否產生崩塌或沖蝕等現象，
此部份較不易直接由前揭各項因子單獨進行評估。
因此，本研究係採用各 QPE網格 (解析度1.3km×1.3km)內每年是否產生新生崩塌(即崩塌發生頻率)，
以及新生崩塌之規模二項指標來代表該網格範圍內之地文脆弱度(Physiographic fragility)。
圖1、歷年事件型崩塌目錄崩塌面積變化
(標註為年度重大災害事件)
(標註為年度重大災害事件)
地文脆弱度建立時，為能反映各年度的新生崩塌情形，
使用農村發展及水土保持署公開之開放資料 2006~2022事件型崩塌 目錄圖層，
作為各網格歷年是否發生新生崩塌之評估基準，建立2006~2022年間，
每一個QPE網格範圍內之每年新生崩塌面積(圖1)。
方法
圖2、QPE網格內各年度新生崩塌面積計算方式
使用QPE網格(解析度1.3km×1.3km)將全臺分割為21,000個QPE網格，
以此切割2006~2022事件型崩塌目錄圖層，並依各年度資料分別加總每個網格中的崩塌面積。
- 以編號129443之QPE網格為例(圖2)，該網格套疊2008年事件型崩塌目錄後， 於左側有一面積為 28.96ha之崩塌地(紅框) 經QPE網格切割後， 分為 3.45ha 及 25.52ha 兩部分。
- 同理，下方崩塌地於網格內亦被切出了一塊 0.63ha 之崩塌地，故以QPE網格為單位相加， 則 26.15ha 即為該編號129443網格於2008年的新生崩塌面積。
※由於事件型崩塌目錄圖層之最小判釋面積為0.1ha，若處理後所得之各每年度新生崩塌地面積小於0.1ha者，則視為無新生崩塌。
切割完成後分別統計各網格於2006~2022年間的崩塌次數及ln(累計新生崩塌面積)之平均值 (μ) 及標準差 (σ)，
利用μ及一倍σ 來分級各QPE網格之脆弱度(表1)，
以矩陣方式將地文脆弱度分為低、中、中高、高及極高脆弱度，
五個分級(圖3)。
表1、崩塌事件參數統計表
| ln(累計新生崩塌面積) | |
|---|---|
| 平均值 μ | 10.3 |
| 標準差 σ | 1.56 |
| μ+σ | 11.83 |
| μ-σ | 8.71 |
| 崩塌次數 | |
| 平均值 μ | 2.18 |
| 標準差 σ | 1.29 |
| μ+σ | 3.47 |
| μ-σ | 0.89 (調整為1*) |
*統計期間未曾發生崩塌之網格，即為低脆弱度(綠)
圖3、地文脆弱度分級矩陣
結果
地文脆弱度分級後統計資料如下，21,000個QPE網格中，有63.4%的網格於2006~2022年間未發生過崩塌，屬低脆弱度。而中及中高脆弱度分級之網格數較少，合計僅14%，然高及極高脆弱度網格約佔總網格數之22%(表2及圖4)。
表2、地文脆弱度分級統計表
| 地文脆弱度分級 | 個數 | % |
|---|---|---|
| 低脆弱度 | ||
| 中脆弱度 | ||
| 中高脆弱度 | ||
| 高脆弱度 | ||
| 極高脆弱度 | ||
| 總計 |
圖4、地文脆弱度分級圓餅圖
綜合表2及前節崩塌事件分布統計圖(圖3)皆顯示，崩塌於同一地點重複發生之機率較高，且崩塌次數越多的網格通常崩塌面積也較大。
圖5、地文脆弱度分布圖
地文脆弱度分級後分布如圖5，高及極高脆弱度之區塊，主要集中於臺灣南部山區，特別是高雄、屏東及台東交界處，而另一部份則為散布於宜蘭山區。
圖6比對2021年SPOT全島影像及Sentinel-2裸露地判釋結果(2023/04/10)顯示，
地文脆弱度可有效的表示該網格內的地文情形(崩塌面積)。
圖6、地文脆弱度比對衛星影像示意圖
更多資訊
直接透過BigGIS圖台展示全台地文脆弱度分布成果，來比對關注網格之資訊(圖7)。
※路徑：基礎圖層/核心圖層/防災資訊/地文脆弱度_QPE網格
圖7、BigGIS直接展示地文脆弱度分布
參考資料
- 陳振宇、陳均維、陳國威、林詠喬 (2019)，坡地降雨致災熱區警戒模式，中華水土保持學報，50(1)，1-10。(Chen, C.Y., Chen, J.W., Chen, K.W., Lin, Y.C. (2019). “Warning Model for Predicting the Risk Zones of Rainfall-Induced Slopeland Disasters.” Journal of Chinese Soil and Water Conservation, 50(1), 1-10. (in Chinese))
- 陳振宇、劉維則、許家祥 (2017)，使用 QPESUMS 雨量資料建立崩塌災害預警模式，中華水土保持學報，48(1)，44-55。(Chen, C.Y., Liou, W.Z., and Hsu, C.H. (2017). “A rainfall-based warning model for predicting landslides using qpesums rainfall data.” Journal of Chinese Soil and Water Conservation, 48(1), 44-55. (in Chinese))
