LANDSLIDE SUSCEPTIBILITY ASSESSMENT OF NEW JING-ZHANG HIGH-SPEED RAILWAY BASED ON GIS AND INFORMATION VALUE MODEL
-
摘要: 新建京张铁路不仅是2022年北京冬奥会的配套交通保障设施,同时也是京包兰交通廊道的重要组成部分。在京张高铁沿线滑坡灾害调查的基础上,对影响滑坡灾害发育的相关因子进行统计分析,选取斜坡坡高、坡度、坡向、归一化植被指数、工程地质岩组、活动断裂、河流、年平均降雨量、地震和人类工程活动等10个要素作为评价模型计算的基本变量和数值化参数,采用基于GIS的信息量模型法对在建京张高铁沿线及邻区进行了滑坡灾害易发性评价,并将评价结果划分为5个等级:极低易发区、低易发区、中易发区、高易发区和极高易发区。结合野外调查成果,对评价结果的可信度进行了检验分析,评价结果与实际灾害发生情况基本吻合,研究结果可为京张高铁建设、减灾防灾提供基础依据。Abstract: New Jing-Zhang high-speed railway is not only an important supporting transportation infrastructure for the 2022 winter Olympics in Beijing, but also an important part of the eastern section of the "eight vertical and eight horizontal" Jinglan corridor that the state plans to implement. Based on the investigation of the landslide disaster along the Jing-Zhang high-speed railway, a statistical analysis on the correlation factors affecting the development of geological disasters are made in this article. A total of 10 variables are analyzed as input variables, namely topography (height, slope and aspect), vegetation coverage ratio, engineering rock group, fault, river, rainfall, earthquake and human activity of the study area. The results of landslide susceptibility assessment based on GIS and information value model of New Jing-Zhang High-speed Rail will be divided into 5 grades:extremely high susceptible, high susceptible, moderate susceptible, low susceptible and extremely low susceptible. The results of the model preferably inosculate with the field surveying, and the results of this article can provide a valid basis for the railway construction in the future.
-
0. 引言
平原区一直是我国重要的工农业基地,人口密集,城市化水平高,与经济发展密切相关的大面积松散沉积物覆盖区的地质条件、地质环境保护、地下水开发、工程建设的地面稳定性等问题,已越来越多地被社会所关注。浅表的第四纪地质调查是平原区地质填图的重要组成部分,研究与浅层地下水、土壤污染等环境地质问题密切相关的3~5 m以浅松散沉积物的组成是平原区浅表地质调查的主要任务。在浅表地质调查中,槽型取样钻技术是目前国内外普遍采用的技术手段[1~2],可揭露3~5 m以浅松散沉积物组成。地质图上加以槽型钻柱状图表达,这种表达方式虽然可以使人大致了解浅表的沉积物组成,但是,由于槽型钻柱状图仅能代表孤立的地质点上的沉积物组成,直观性不够,并且不能直接应用于浅表地质环境的研究当中,当人们需要了解浅表较详细的沉积物物质组成以及不同时代或不同岩性岩层的展布时,传统的地质图表达方式已不能满足人们的需求[3]。
本文以1:5万生祠堂镇幅浅表地质填图为例,以层面为空间约束条件,以槽型钻揭露的各层沉积物粒度为属性约束条件,快速生成沉积物粒度的三维模型,模型能够更好地表达沉积物颗粒粗细的分布特征,应用领域广泛。
1. 研究区地貌概况及填图
研究区位于江苏省泰兴市与靖江市交界处(见图 1),属长江三角洲核心区域,面积约437.3 km2,地面高程2~7 m,相对高度1~5 m,地表沉积物为长江所携带的泥沙堆积而成,主要为长江边滩、心滩、河漫滩相灰黄、灰色粉砂质粘土、粘土质粉砂、粉砂。通过分析ETM遥感影像,参考地质、水文、土壤、植被等地理要素的相关信息,综合分析判读,对研究区地貌进行综合解译(见图 1)。研究区地貌类型属长江三角洲冲积平原,主要地貌类型为边滩、心滩及河漫滩等。
采用槽型钻进行路线填图时,地质路线安排采用穿越法为主、追索法为辅,布置的原则为穿越不同地貌、地质单元。对特殊意义的地质体采用多种方法相结合,以准确圈定其界线。本次根据地貌解译结果,布置了北西向路线15条,路线间距控制在1.5~2 km/线,地质点点距不大于线距,实际槽型钻位置见图 2。
2. 三维浅表模型构建流程
目前,我国新近开展的区域地质调查工作在数字填图系统(DGSS)[4~5]中均建立了较为全面的空间数据库,将野外路线数据、槽形钻分层数据、实际材料图、地质图等原始资料和成果统一组织管理,这就为浅表三维模型的建立奠定了坚实的数据基础。本文正是基于这些资料,提取了野外调查槽型钻的位置、沉积物分层深度以及粒度等信息,将其转化为空间位置和空间属性信息,进而生成三维空间属性点。同时,根据区域地质背景,建立研究区浅表标准分层,对槽型钻进行标准化分层,进而建立分层地质面,以分层地质面为分割面,生成各标准层位的三维格网模型,以三维空间属性点为插值属性控制点,基于DSI插值算法,生成沉积物粒度三维属性模型,基本流程见图 3所示。
在图 3所示的浅表三维模型构建基本流程中,DSI(Discrete Smooth Interpolation,离散光滑插值)是模型构建的关键技术,该插值方法是由法国Nancy大学Mallet教授提出的[6],DSI算法的基本内容是对一个离散化的自然体模型,建立相互之间联系的网络,如果网络上的点值满足某种约束条件,则未知节点上的值可通过解一个线性方程得到[7]。DSI通常用于地质结构面的拟合[8~10],在本次试验中,认为在横向上属性变化不大的浅表粒度建模也可适用。
3. 浅表三维模型构建
3.1 岩性信息获取
通过槽型钻获取的岩心样如图 4所示,可揭示沉积物颜色、岩性、成分、结构构造、粘性、塑性等。
该槽型钻描述如下:
① 0~0.20 m:耕植土,黄褐色、灰黄色,含较多的植物根茎残留。
② 0.20~1.50 m:灰黄—黄褐色粉砂质粘土,颜色为灰黄—黄褐色,岩性为粉砂质粘土,粉砂泥质结构,块状构造,切面较光滑,可塑—软塑,能搓成细长条状,但手搓仍有明显砂感,局部有少量锈黄色斑点。
③ 1.50~2.20 m:灰—灰黄色粘土质粉砂、粉砂,颜色为灰—灰黄色,岩性为粘土质粉砂,局部达到粉砂,砂质结构,手搓砂感明显,切面较粗糙,略显水平层理,局部见有锈黄色斑点、斑块,含少量云母碎片。
④ 2.20~4.00 m:青灰色粉细砂,颜色为灰—青灰色,岩性为粉细砂,砂质结构,手搓砂感明显,切面较粗糙,顶部20 cm颜色灰黄—青灰色,略显粘土质粉砂—粉砂质粘土,略有粘性,层中有水平层理可见。
3.2 岩性量化
根据研究区槽型钻揭露,区内地表 0~4 m范围内沉积物主要分为三层,顶部为耕植土层,厚0~0.5 m;中间层为边滩、心滩相灰黄、黄灰、灰色粉砂质粘土、粘土质粉砂、粉砂,厚0.5~3.5 m;底部为滨海相青灰色粉砂、粉细砂、细砂,区内所有槽型钻均未见其底,依据周边深钻揭露,厚约2~7 m。
结合区内槽型钻揭露的岩性特征,按照沉积物颗粒的粗细,可将4 m以浅的沉积物量化(见表 1):
表 1 研究区槽型钻揭露岩性粒度量化表Table 1. Sediments' granularity quantification岩性 量化值 岩性 量化值 岩性 量化值 粘土/含粉砂粘土 1 粉砂质粘土 2 粘土质粉砂 3 含粘土粉砂/
粉砂/粉细砂4 耕植土 6 因此,图 4所示的槽型钻岩性可量化为:0~0.2 m,6;0.2~1.5 m,2;1.5~2.2 m,3;2.2~4 m,4。同理,将区内所有槽型钻进行岩性的量化,这样各槽型钻各岩性段均赋予了粒度属性特征,代表了沉积物的粗细。至此,槽型钻空间位置、分层深度、粒度属性值组成三维空间属性点。
3.3 浅表三维模型生成
根据槽型钻揭露深度,拟定本次研究对象为0~4 m范围内的沉积物,主要分为三个地质层面,由下而上分别为滨海相潮上带沉积层、河漫滩和河床相沉积层、耕植土层,将这三个层位定为本次研究的标准层位。各层沉积环境相差较大,因而需对各层分别建模。根据地质描述,将每个槽型钻进行标准分层,然后提取各分层的层底埋深,建立三个层位的层面模型,见图 5。
考虑到区内沉积物粒度垂向上变化较横向上变化大,且地貌界线走向为近东西向,因此,将全区划分为400×400×100的三维格网,即每个单元格网为扁的长方体,大小为60 m×45 m×0.04 m。全区格网被三个标准层面切割为三部分,分别代表三个标准层位,其中,耕植土格网的粒度属性值均被定义为6,因而无需插值。
通过DSI,分别对滨海相沉积层和河流相沉积层进行插值运算,由于插值后属性大小位于1~4之间,为与岩性对应,需要对插值后的属性数值进行重分类,通过多方对比,本文选取表 2所示区间将插值结果分区表达,得到浅表三维岩性模型(见图 6)。同时,可对模型进行等距剖切,得到浅表岩性模型剖切图(见图 7)。
表 2 属性区间与岩性对应表Table 2. Correspondence table of attribute interval and lithology岩性 属性区间 岩性 属性区间 岩性 属性区间 粘土/含粉砂粘土 1~1.5 粉砂质粘土 1.5~2.5 粘土质粉砂 2.5~3.5 含粘土粉砂/粉砂/粉细砂 3.5~4 耕植土 6 图 7中可明显看出沉积物粒度纵向、横向的变化。岩性整体垂向上由下而上显示由粗到细的变化特征,揭露深度愈深,粒度愈大,第二层河流相沉积层以粉砂质粘土、粘土质粉砂为主,第三层滨海相沉积层以粉砂/粉细砂为主,这与槽型钻揭露的岩性特征基本一致;横向上则表现为南细北粗的特征。
4. 三维模型地质解译
研究区浅表三维模型是结合地质分层和沉积物岩性两者构建的,因而,相对于传统的槽型钻剖面和地质图,不仅能表达纵向分层,还可客观表达岩性横向的变化。
为进一步挖掘浅表三维模型所表达的地质意义,选择AA′剖面,对三维模型进行切割,见图 8所示。
该剖面清晰地揭示了浅层松散沉积物岩性空间分布特征,地表 4 m以浅由下而上主要分为两层(耕植土除外),下部是滨海相潮上带的青灰色粉砂、粉细砂,上部主要为河流冲积相沉积,剖面北西部分表现为河漫滩相灰黄、黄灰色粘土质粉砂、粉砂为主,中间部分表现为边滩相灰黄、黄灰色粉砂质粘土,局部为粘土质粉砂,南东部分表现为心滩相灰黄、黄灰色粉砂质粘土和粘土质粉砂为主。同时,图 8还揭示,上层的河流相沉积物粗细的分布与底层层面的起伏有一定关系,在底层层面高的地方,沉积物颗粒较细,以粉砂质粘土为主,而在底层层面相对低的地方,沉积物颗粒粗,以粉砂/粉细砂为主。
此外,浅表三维模型还可辅助岩性岩相界线的勾绘,由于研究区地表全部被耕植土覆盖,因而岩性岩相图需要剥去耕植土层,在浅表岩性模型中,可以轻易地将耕植土剥去,得到岩性空间分布(见图 9),结合遥感地貌解译,可勾绘出本区岩性岩相界线图(见图 10)。
5. 结论
本文以1:5万填图原始数据为建模数据,建立生祠堂镇幅0~4 m地层的三维模型,模型构建流程简单、易懂,模型结果客观可靠,应用范围广,可作为深覆盖区浅表填图成果表达新技术加以推广。
(1) 通过浅表三维模型,揭示了本区标准层的空间分布及层面起伏特征,以层面为空间约束条件,以槽型钻揭露的各层沉积物粒度为属性约束条件,建立了各层的沉积物岩性三维模型;
(2) 通过北西向剖面及剥去耕植土后岩性空间分布模型,对研究区纵向及横向上的沉积相进行解读,切合槽型钻实际揭露情况,很好地解译了三维模型地质涵义。
(3) 研究区属小城镇,0~4 m地层结构的建立对区内民屋建设,污水排放、工厂选址中的生态环境评价等方面都很重要,应用范围比传统地质图更广。
-
表 1 信息量与计算参数
Table 1. Information and calculation parameters
因子 类别 信息量值 排序 工程岩组 松散沉积物 0.0187 22 软硬相间碎屑、浅变质岩 0.9738 4 坚硬碎屑岩 -0.3741 38 碳酸盐岩 -0.0248 25 坚硬深变质岩、侵入岩 -0.3752 39 断层 < 500 m 0.5850 9 500~1000 m -0.0154 35 1000~2000 m -0.3451 18 2000~4000 m 0.2308 28 >4000 m -0.1148 13 河流 < 500 m 0.4261 11 500~1000 m 0.5392 34 1000~2000 m -0.3150 20 2000~4000 m 0.1470 42 >4000 m -0.6626 41 降雨量 350~400 mm -0.5459 6 400~450 mm 0.7361 7 450~500 mm 0.6462 31 >500 mm -0.1664 24 地震动 0.15 g -0.4974 40 0.20 g 0.1381 21 植被覆盖率 0~0.27 0.2974 15 0.27~0.51 -0.1122 27 0.51~1.0 -0.2097 33 坡度 0~20° -0.7591 44 20~40° 1.1824 3 40~60° 0.3615 14 >60° 0.8687 5 坡向 0~45° -0.2027 32 45~90° 0.2429 17 90~135° -0.1197 29 135~180° -0.3618 36 180~225° 0.0186 23 225~270° -0.8150 45 270~315° 0.5644 24 315~360° 0.2095 19 坡高 0~50 m -0.6947 43 50~100 m 0.6000 8 100~150 m 1.3104 2 >150 m 1.7675 1 人类工程活动 < 500 m 0.4505 12 500~1000 m 0.2548 16 1000~2000 m -0.3715 37 2000~4000 m -0.0263 26 >4000 m -0.1651 30 表 2 划分的易发性等级与实际灾害分布的对比
Table 2. Comparison between evaluation results and actual disaster distribution
危险度 单元数 a/% c/个 b/% b/a 极低易发区 83340 17.33 0 0 0 低易发区 190403 39.60 4 7.40 0.1868 中易发区 97082 20.19 19 35.18 1.7424 高易发区 73358 15.25 15 20.78 1.3626 极高易发区 36595 7.61 16 29.64 3.8948 总计 490778 100 54 100 注:a为本类易发性等级的面积占研究区总面积的百分比;b为落在该易发性分区内的灾害占灾害点总数的百分比;c为落在该类易发性分区内的灾害数量。 -
[1] Ohlmacher G C, Davis J C. Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA[J]. Engineering Geology, 2003, 69(3/4):331~343. doi: 10.1007/s00254-008-1342-9 [2] Dai B F C, Lee C F. Landslide characteristics and slope instability modeling using GIS, Lantau Island, Hong Kong[J].Geomorphology, 2002, 42(3/4):213~228. https://www.sciencedirect.com/science/article/pii/S0169555X01000873 [3] Guo C B, Montgomery D R, Zhang Y S, et al. Quantitative assessment of landslide susceptibility along the Xianshuihe fault zone, Tibetan Plateau, China[J]. Geomorphology, 2015, 248:93~110. doi: 10.1016/j.geomorph.2015.07.012 [4] Wang QQ, Li W P. A GIS-based comparative evaluation of analytical hierarchy process and frequency ratio models for landslide susceptibility mapping[J]. Physical Geography, 2017, 38(4):318~337. doi: 10.1080/02723646.2017.1294522 [5] 杜国梁, 张永双, 高金川, 等.基于GIS的白龙江流域甘肃段滑坡易发性评价[J].地质力学学报, 2016, 22(1):1~11. http://journal.geomech.ac.cn/ch/reader/view_abstract.aspx?file_no=20160101&flag=1DU Guoliang, ZHANG Yongshuang, GAOJinchuan, et al. Landslide susceptibility assessment based on GIS in Bailongjiang watershed, Gansu province[J]. Journal of Geomechanics, 2016, 22(1):1~11. (in Chinese with English abstract) http://journal.geomech.ac.cn/ch/reader/view_abstract.aspx?file_no=20160101&flag=1 [6] 向喜琼, 黄润秋.基于GIS的人工神经网络模型在地质灾害危险性区划中的应用[J].中国地质灾害与防治学报, 2000, 11(3):23~27. doi: 10.3969/j.issn.1003-8035.2000.03.006Xiang Xiqiong, Huang Runqiu. Application of GIS-based artificial neural networks on assessment of geohazardsrisk[J]. The Chinese Journal of Geological Hazard and Control, 2000, 11(3):23~27. (in Chinese with English abstract) doi: 10.3969/j.issn.1003-8035.2000.03.006 [7] Zhang Y S, Yang Z H, Guo C B, et al. Predicting landslide scenes under potential earthquake scenarios in the Xianshuihe fault zone, Southwest China[J]. Journal of Mountain Science, 2017, 14(7):1262~1278. doi: 10.1007/s11629-017-4363-6 [8] Dai F C, Lee C F, Ngai Y Y. Landslide risk assessment and management:an overview[J]. Engineering Geology, 2002, 64(1):65~87. doi: 10.1016/S0013-7952(01)00093-X [9] 张春山, 吴满路, 张业成.地质灾害风险评价方法及展望[J].自然灾害学报, 2003, 12(1):96~102. doi: 10.3969/j.issn.1004-4574.2003.01.016ZHANG Chunshan, WU Manlu, ZHANG Yecheng. Method and prospect of geological disaster risk assessment[J]. Journal of Natural Disasters, 2003, 12(1):96~102. (in Chinese with English abstract) doi: 10.3969/j.issn.1004-4574.2003.01.016 [10] 马寅生, 张业成, 张春山, 等.地质灾害风险评价的理论与方法[J].地质力学学报, 2004, 10(1):7~18. http://journal.geomech.ac.cn/ch/reader/view_abstract.aspx?file_no=20040103&flag=1MA Yinsheng, ZHANG Yecheng, ZHANG Chunshan, et al. Theory and approaches to the risk evaluation of geological hazards[J]. Journal of Geomechanics, 2004, 10(1):7~18. (in Chinese with English abstract) http://journal.geomech.ac.cn/ch/reader/view_abstract.aspx?file_no=20040103&flag=1 [11] Van Westen C J, VanAsch T W J, Soeters R. Landslide hazard and risk zonation-why is it still so difficult?[J]. Bulletin of Engineering Geology and the Environment, 2006, 65(2):167~184. doi: 10.1007/s10064-005-0023-0 [12] 石菊松, 石玲, 吴树仁.滑坡风险评估的难点和进展[J].地质论评, 2007, 53(6):797~806. http://www.cnki.com.cn/Article/CJFDTotal-DLKJ201203014.htmSHI Jusong, SHI Ling, WU Shuren. Difficulties and problematical aspects of landslide risk assessment:an overview[J]. Geological Review, 2007, 53(6):797~806. (in Chinese with English abstract) http://www.cnki.com.cn/Article/CJFDTotal-DLKJ201203014.htm [13] 胡瑞林, 范林峰, 王珊珊, 等.滑坡风险评价的理论与方法研究[J].工程地质学报, 2013, 21(1):76~84. http://d.old.wanfangdata.com.cn/Periodical/gcdzxb201301009HU Ruilin, FAN Linfeng, WANGShanshan, et al. Theory and method for landslide risk assessment-current status and future development[J]. Journal of Engineering Geology, 2013, 21(1):76~84. (in Chinese with English abstract) http://d.old.wanfangdata.com.cn/Periodical/gcdzxb201301009 [14] 缪信, 汤明高, 王自高, 等.地质灾害危险性评价模型的比较分析与应用[J].水利水电技术, 2016, 47(4):119~122. http://d.old.wanfangdata.com.cn/Periodical/slsdjs201604026MIAO Xin, TANGMinggao, WANG Zigao, et al. Comparative analysis and application of model for assessment on risk of geological hazard[J]. Water Resources and Hydropower Engineering, 2016, 47(4):119~122. (inChinesewith English abstract) http://d.old.wanfangdata.com.cn/Periodical/slsdjs201604026 [15] 吴树仁, 石菊松, 张春山, 等.地质灾害风险评估技术指南初论[J].地质通报, 2009, 28(8):995~1005. http://www.doc88.com/p-0092023776545.htmlWU Shuren, SHI Jusong, ZHANG Chunshan, et al. Preliminary discussion on technical guideline for geohazard risk assessment[J]. Geological Bulletin of China, 2009, 28(8):995~1005. (in Chinese with English abstract) http://www.doc88.com/p-0092023776545.html [16] 高克昌, 崔鹏, 赵纯勇, 等.基于地理信息系统和信息量模型的滑坡危险性评价——以重庆万州为例[J].岩石力学与工程学报, 2006, 25(5):991~996. http://www.cqvip.com/Main/Detail.aspx?id=21816737GAOKechang, CUI Peng, ZHAO Chunyong, et al. Landslide hazard evaluation of Wanzhou based on GIS information value method in the three gorges reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2006, 25(5):991~996. (in Chinese with English abstract) http://www.cqvip.com/Main/Detail.aspx?id=21816737 [17] 阮沈勇, 黄润秋.基于GIS的信息量法模型在地质灾害危险性区划中的应用[J].成都理工学院学报, 2001, 28(1):89~92. doi: 10.3969/j.issn.1671-9727.2001.01.018RUANShenyong, HUANG Runqiu.Application of GIS-based information model on assessment of geological hazards risk[J]. Journal of Chengdu University of Technology, 2001, 28(1):89~92. (in Chinese with English abstract) doi: 10.3969/j.issn.1671-9727.2001.01.018 [18] 辛鹏. 陕西省麟游县地质灾害危险性评价[D]. 北京: 中国地质科学院, 2010. http://cdmd.cnki.com.cn/Article/CDMD-82501-2011012298.htmXINPeng. Study on landslide hazard assessment inLinyou county in Shaanxi province[D]. Beijing: Chinese Academy of Geological Sciences, 2010. (in Chinese with English abstract) http://cdmd.cnki.com.cn/Article/CDMD-82501-2011012298.htm [19] 王涛. 汶川地震重灾区地质灾害危险性评估研究[D]. 北京: 中国地质科学院, 2010. http://cdmd.cnki.com.cn/Article/CDMD-82501-2011012316.htmWANG Tao. Study on seismic landslide hazard assessment inWenchuan earthquake severly afflicted area[D]. Beijing: Chinese Academy of Geological Science, 2010. (in Chinese with English abstract) http://cdmd.cnki.com.cn/Article/CDMD-82501-2011012316.htm [20] Shannon C E. A mathematical theory of communication[J]. Bell Labs Technical Journal, 1948, 27(4):623~656. doi: 10.1002/bltj.1948.27.issue-4 [21] Clerici A, Perego S, Tellini C, et al. A procedure for landslidesusceptibility zonation by the conditional analysis method[J]. Geomorphology, 2002, 48(4):349~364. doi: 10.1016/S0169-555X(02)00079-X [22] 李晓慧. 宝成铁路凤县段地质灾害危险性评价[D]. 北京: 中国地质大学(北京), 2010. https://mall.cnki.net/lunwen-2010085850.htmlLi Xiaohui. Geological hazard risk assessment of Bao-Cheng railway inFengxiancountry[D]. Beijing: China University of Geosciences(Beijing). 2010. (in Chinese with English abstract) https://mall.cnki.net/lunwen-2010085850.html [23] 郭长宝, 张永双, 王涛, 等.南北活动构造带中段地质灾害与重大工程地质问题概论[J].地质力学学报, 2017, 23(5):707~722. http://journal.geomech.ac.cn/ch/reader/view_abstract.aspx?file_no=20170508&flag=1GUOChangbao, ZHANG Yongshuang, WANG Tao, et al. Discussion on geological hazards and major engineering geological problems in the middle part of the north-south active tectonic zone, China[J]. Journal of Geomechanics, 2017, 23(5):707~722. (in Chinese with English abstract) http://journal.geomech.ac.cn/ch/reader/view_abstract.aspx?file_no=20170508&flag=1 [24] 崔玉龙, 邓建辉.金沙江永善-水富段滑坡分布规律及其形成模式[J].水利水电技术, 2017, 48(2):143~147. http://218.249.40.235/slsdjs/CN/abstract/abstract10620.shtmlCUI Yulong, DENG Jianhui. Distribution law and forming mode of landslides along Yongshan-Shuifu section of JinshaRiver[J]. Water Resources and Hydropower Engineering, 2017, 48(2):143~147. (in Chinesewith English abstract) http://218.249.40.235/slsdjs/CN/abstract/abstract10620.shtml [25] 张向营, 张春山, 孟华君, 等.地震扰动区泥石流起动阈值研究现状及展望[J].灾害学, 2017, 32(1):221~227. https://www.cnki.com.cn/qikan-SKXJ201306005.htmlZHANG Xiangying, ZHANG Chunshan, MENG Huajun, et al. The review and development trend of critical threshold value of debris flow inearthquake-influenced area[J]. Journal of Catastrophology, 2017, 32(1):221~227. (in Chinese with English abstract) https://www.cnki.com.cn/qikan-SKXJ201306005.html 期刊类型引用(33)
1. 崔成涛,李丽敏,符振涛,任瑞斌,王莲霞,封青青. 基于博弈论赋权信息量模型的滑坡易发性评价. 人民珠江. 2024(02): 9-17 . 百度学术
2. 赵萍,赵思逸,孙雨,阮旭东,王宁,张树衡. 基于斜坡单元和语义分割的皖南地区滑坡灾害易发性评估. 地质科学. 2024(02): 562-574 . 百度学术
3. 张建羽,吕敦玉,刘松波,王翠玲,孟舒然. 郑州市西部山地丘陵区地质灾害发育特征及危险性评价. 地质力学学报. 2024(04): 647-658 . 本站查看
4. 田尤,张佳佳,殷红,陈龙,高波,李洪梁. 基于多种数理模型及其融合的察雅县城滑坡易发性评价. 科学技术与工程. 2024(29): 12452-12460 . 百度学术
5. 刘志平,张建,闫晓勉. 基于ArcGIS的崩塌滑坡地质灾害易发性评价——以准格尔旗为例. 山西师范大学学报(自然科学版). 2024(04): 80-85 . 百度学术
6. 沈智,李飞,刘红良,赵博洋. 京张高铁地下站隧智能展示技术的探索与实践. 铁路计算机应用. 2023(02): 47-52 . 百度学术
7. 周嘉琦,谭衢霖,孙晗凌,贺佳,田亚护. 基于SINMAP模型的线路工程廊道浅层滑坡危险性评价. 测绘与空间地理信息. 2023(04): 29-33 . 百度学术
8. 李小倩,钟储汉,孙如华,苏可,刘元杰. 基于GIS和加权信息量模型的普光气田滑坡危险性评价. 河北地质大学学报. 2023(02): 27-32 . 百度学术
9. 张泽方,钱志宽,魏勇,朱星,王林均. 考虑最优影响因素组合的滑坡易发性评价——以水城区为例. 科学技术与工程. 2023(10): 4091-4099 . 百度学术
10. 曾营,张迎宾,张钟远,柳静,朱辉. 基于X-多层感知器耦合模型的滑坡易发性评价——以贵州省松桃自治县为例. 山地学报. 2023(02): 280-294 . 百度学术
11. 王宁,姜德才,郑向向,钟昶. 基于多源异构数据斜坡地质灾害隐患易发性评价——以深圳市龙岗区为例. 自然资源遥感. 2023(04): 122-129 . 百度学术
12. 何世阳,李立青,何亚辉. 滑坡地质灾害风险区划评价方法研究综述. 湖南交通科技. 2023(04): 1-7+17 . 百度学术
13. 张钟远,邓明国,徐世光,张云波,付弘流,李忠海. 镇康县滑坡易发性评价模型对比研究. 岩石力学与工程学报. 2022(01): 157-171 . 百度学术
14. 王惠卿,谭成轩,丰成君,戚帮申,王继明,杨为民,张春山,张鹏,孟静,杨肖肖,王士强,易冰,孙明乾,孟华君. 京津冀协同发展区活动构造与地壳稳定性. 地质通报. 2022(08): 1322-1341 . 百度学术
15. 韩帅,刘明军,伍剑波,张帅,孙强,张泰丽. 东南沿海台风暴雨型单体斜坡灾害风险评价——以泰顺仕阳北坡为例. 地质力学学报. 2022(04): 583-595 . 本站查看
16. 张泽方. 耦合MaxEnt模型的望谟县滑坡易发性对比研究. 赤峰学院学报(自然科学版). 2022(10): 108-113 . 百度学术
17. 杨波,高伏芳,罗志强,朱荣华,马浩翔. 基于大理市地质灾害易发性评价方法研究. 中国水运(下半月). 2022(10): 125-126+131 . 百度学术
18. 黄佳铭,刘羊,楼康明,谭建辉,陈凌伟. 基于GIS和信息量模型的坡面孤石发育程度评价. 城市勘测. 2022(06): 185-191 . 百度学术
19. 杨波,高伏芳,罗志强,朱荣华,马浩翔. 基于大理市地质灾害易发性评价方法研究. 中国水运. 2022(20): 125-126+131 . 百度学术
20. 赵东亮,兰措卓玛,侯光良,许长军,李万志. 青海省河湟谷地地质灾害易发性评价. 地质力学学报. 2021(01): 83-95 . 本站查看
21. 刘任鸿,李明辉,邓英尔,朱华平,黄勇,胡淑杰. 基于GIS的华蓥市地质灾害易发性评价. 沉积与特提斯地质. 2021(01): 129-136 . 百度学术
22. 祝清,谭衢霖,周嘉琦,黄俊宝,胡俊,周平根. 基于GIS和AHP的福建福安区域滑坡地质灾害危险性评价. 测绘与空间地理信息. 2021(05): 25-30 . 百度学术
23. 李怡静,胡奇超,刘华赞,杜臻,陈佳武,黄锦昌,黄发明. 耦合信息量和Logistic回归模型的滑坡易发性评价. 人民长江. 2021(06): 95-102 . 百度学术
24. 张博. 基于信息量模型的小流域泥石流灾害易发性分析. 山西焦煤科技. 2021(09): 39-42 . 百度学术
25. 王丽英,王红梅,郭盈盈,纪丁愈. 基于不同建模数据的陕西省志丹县滑坡易发性分区. 人民长江. 2021(12): 99-106 . 百度学术
26. 田钦,张彪,郭建飞,刘华赞,常志璐,李怡静,黄发明. 基于信息量和逻辑回归耦合模型的滑坡易发性评价. 科学技术与工程. 2020(21): 8460-8468 . 百度学术
27. 王智伟,王利,黄观文,韩清清,徐甫,岳聪. 基于BP神经网络的滑坡监测多源异构数据融合算法研究. 地质力学学报. 2020(04): 575-582 . 本站查看
28. 王雷,吴君平,赵冰雪,姚志强,张乐勤. 基于GIS和信息量模型的安徽池州地质灾害易发性评价. 中国地质灾害与防治学报. 2020(03): 96-103 . 百度学术
29. 何静,刘强,许丁友,刘乾坤,毛宇昆,王超,王潇. 基于聚类-信息量耦合模型下的广元市滑坡灾害易发性评价. 测绘与空间地理信息. 2020(12): 25-31 . 百度学术
30. 梁丽萍,刘延国,唐自豪,邹强,李景吉. 基于加权信息量的地质灾害易发性评价——以四川省泸定县为例. 水土保持通报. 2019(06): 176-182+321 . 百度学术
31. 戚帮申,丰成君,谭成轩,张鹏,孟静,王苗苗,张春山,杨为民,杨肖肖,雷晓东. 张家口及邻区地壳稳定性研究. 城市地质. 2018(03): 1-14 . 百度学术
32. 王苗苗,丰成君,戚帮申,孟静,张鹏,任思起,谭成轩. 考虑断层效应的高铁列车动荷载对地面沉降影响机理研究——以京张高铁怀来段为例. 地质力学学报. 2018(03): 407-415 . 本站查看
33. 谈树成,赵娟娟,杨林,赵志芳,蒋仁伟,赵筱青. 基于GIS和信息量-快速聚类模型的滑坡易发性研究——以云南省福贡县为例. 云南大学学报(自然科学版). 2018(06): 1148-1158 . 百度学术
其他类型引用(15)
-