地质力学学报  2019, Vol. 25 Issue (4): 544-553
引用本文
周静静, 张晓敏, 赵法锁, 李辉, 刘海南. 陕南秦巴山区地质灾害危险性评价研究[J]. 地质力学学报, 2019, 25(4): 544-553.
ZHOU Jingjing, ZHANG Xiaomin, ZHAO Fasuo, LI Hui, LIU Hainan. RESEARCH ON RISK ASSESSMENT OF GEOLOGICAL HAZARDS IN QINLING-DABA MOUNTAIN AREA, SOUTH SHAANXI PROVINCE[J]. Journal of Geomechanics, 2019, 25(4): 544-553.
陕南秦巴山区地质灾害危险性评价研究
周静静1 , 张晓敏1 , 赵法锁1 , 李辉2,3 , 刘海南2,3     
1. 长安大学地质工程与测绘学院, 陕西 西安 710054;
2. 国土资源部矿山地质灾害成灾机理与防控重点实验室, 陕西 西安 710054;
3. 陕西省地质环境监测总站, 陕西 西安 710054
摘要:陕西省是中国地质灾害最严重的省份之一,而陕南秦巴山区地质灾害灾情尤为严峻,因此进行地质灾害危险性评价对指导防灾减灾工作意义重大。文章以陕南秦巴山区为研究区,基于GIS技术与2001-2016年研究区地质灾害灾情数据,分析研究了区内地质灾害与各指标因子之间的敏感性关系,并确定了高程、岩土体类型、断裂构造、降雨等7个影响地质灾害发生较大的因子作为区域地质灾害危险性评价指标。其次,以各指标条件下地质灾害数量和累计发生频次曲线斜率的突变为依据,对评价指标因子进行状态分级。最后,运用信息量法建立栅格数据模型展开区域地质灾害危险性评价。研究结果表明:高危险性、较高危险性、中危险性的地区占研究区总面积的百分比分别为10.52%、28.31%、30.19%,区内地质灾害点的空间分布与地质灾害危险性评价结果基本一致,信息量模型的预测精度为90.16%。文章将经验知识与数据驱动的分析方法相结合,应用于较大范围的地质灾害危险性区划,研究结果可为区域地质灾害防治工作提供参考依据。
关键词地质灾害    GIS    指标因子    信息量    危险性评价    陕南秦巴山区    
DOI10.12090/j.issn.1006-6616.2019.25.04.053     文章编号:1006-6616(2019)04-0544-10
RESEARCH ON RISK ASSESSMENT OF GEOLOGICAL HAZARDS IN QINLING-DABA MOUNTAIN AREA, SOUTH SHAANXI PROVINCE
ZHOU Jingjing1 , ZHANG Xiaomin1 , ZHAO Fasuo1 , LI Hui2,3 , LIU Hainan2,3     
1. College of Geology Engineering and Surveying Engineering, Chang'an University, Xi'an 710054, Shaanxi, China;
2. Key Laboratory of Mine Geological Hazards Mechanism and Control, Ministry of Land and Resources, Xi'an 710054, Shaanxi, China;
3. Shaanxi Institute of Geo-Environment Monitoring, Xi'an 710054, Shaanxi, China
Abstract: Shaanxi Province is one of the provinces with the most serious geological disasters in China, especially the Qinling-Daba mountain area in south Shaanxi Province. Therefore, it is of great significance to conduct geological hazard assessment to guide disaster prevention and reduction. Taking Qinling-Daba mountain area as the study area, firstly based on GIS technology and the geological hazard data of the study area from 2001 to 2016, the sensitivity relationship between geological hazards and various index factors in the area is studied, and seven factors affecting the occurrence of geological hazards, such as elevation, type of rock and soil mass, fault structure and rainfall, are determined as the risk assessment indexes of regional geological hazards. Secondly, according to the number of geological disasters and the slope abrupt change of cumulative frequency curves under each index, the assessment index factors are graded into different states. Finally, the grid data model is established to carry out regional geological hazards assessment by using information value model. The results show that the percentages of high-risk, relatively high-risk, and medium-risk areas in the study area are 10.52%, 28.31% and 30.19%, respectively. The spatial distribution of geological hazards in the region is basically consistent with the hazard assessment results, and the prediction accuracy is 90.16%. This research combines empirical knowledge with data-driven analysis methods and applies to a wide range of geological hazard zoning. The conclusions provide reference for prevention and control of regional geological hazards.
Key words: geological hazards    geographic information system(GIS)    index factors    information    risk assessment    Qinling-Daba mountain area in south Shaanxi Province    
0 引言

近年来,地质灾害发生所带来的危害性引起政府和社会各界的重视,各国学者对地质灾害的研究工作也不断深入。随着地理信息系统(GIS)的兴起,基于GIS技术的地质灾害易发性、危险性、风险评价系统研究逐步成为国内外学者研究、发展的方向之一[1-2]

国外学者Carrara[3]和Mario[4]先后将GIS技术应用到滑坡灾害的评价中;印度学者Gupta和Joshi[5]基于GIS平台,选取地层岩性、构造断层、坡面形态等多个评价因子进行喜马拉雅山麓的地区滑坡灾害的危险性分区研究。地质灾害影响因素较多,且各因子之间存在不同程度的差异性,因此科学、合理的选取指标因子、建立评价指标体系,对于提高评价精度具有重要意义[6]。国内学者张桂荣等[7]运用GIS技术和信息量法对陕西省旬阳地区斜坡稳定性进行空间定量预测,并编制了该区的危险性预测分区图;张春山等[8]通过统计分析确定了陕西省陇县地质灾害的主要影响因素,分别应用信息量法和定性评价方法进行地质灾害危险性分区评价;牛全福等[9]结合玉树地震诱发次生地质灾害的空间分布情况,运用GIS和信息量法进行次生地质灾害的危险性评估和预测;邓辉等[10]将GIS空间分析法与信息量计算两者的优点相结合,得到泸定县地质灾害危险性区划图,较好地反映了实际地质灾害调查成果。已有研究成果中,针对县域或小流域的地质灾害评价研究较多,且评价结果较好[11-13]

信息量法是一种定量分析的方法,具有科学、客观和迅速的特点,被广泛应用于区域地质灾害易发性、危险性评价[11]。合理的地质灾害危险性评价及区划对区域地质灾害防治具有实际意义。因此,文章将先验概率知识与基于数据驱动的分析方法相结合,应用于较大范围的地质灾害危险性区划,以GIS技术和2001—2016年陕南秦巴山区历史灾害数据为依托,拟对区域地质灾害的评价指标进行状态分级和组合优化,并应用信息量法完成区域地质灾害危险性评价,为区域地质灾害防治工作提供重要参考依据。

1 研究区概况及数据来源 1.1 研究区概况

陕南秦巴山地由陇山余脉、秦岭和巴山组成,为中生代末以来全面隆起的褶皱山地,以海拔在1000~1800 m之间的中山地貌为主体[14](图 1)。研究区属湿润、半湿润气候,降雨主要集中在每年的7—9月。区内河流主要属长江水系,河流密布[15]

图 1 陕南秦巴山区区域自然地理概况 Fig. 1 Natural geography of Qinling-Daba mountain area

区内地层跨华北、秦岭和扬子三个一级综合地层区,自元古界至第四系均有分布,其中以古生界发育齐全。受东西走向的紧密褶皱和压性断裂所组成的强烈挤压带影响,秦巴断块隆起,地质构造极为复杂,多深大断裂,且具有长期活动性[14-15]。受地震活动影响,在强降雨、连续降雨的作用下,极易发生多点域、突发性的地质灾害,是陕西省以崩塌、滑坡、泥石流为主的地质灾害最为发育的地区。

1.2 数据来源

文中研究数据来源于全国1:50万数字地质图数据库、陕西省DEM数据(90 m分辨率)、陕西省2001—2016年地质灾害灾情数据、野外调查资料等。

为了充分反映一定比例尺下地质实体的空间分布及其属性特征,评价网格单元应该综合考虑各图层的精度,满足相应比例尺下地质体的实际精度[7]。因此,以1 km×1 km网格作为评价的基本单元,将陕南秦巴地区划分为71752个网格单元。

2 指标因子的提取与状态分级

不同的地质环境中各因素的状态、作用大小等对地质灾害发育发生的影响作用具有差异性。因此,应该在综合分析区域地质环境的基础上,优化用于地质灾害评价的“因素组合”[16]。因此,在总结已有研究成果及相关资料的基础上,根据研究区实际情况选取与区域地质灾害发育、发生相关性较大的8个因子(包括高程、坡度、岩土体类型、断裂构造、水系、地震、降雨、人类工程活动)作为地质灾害危险性评价的指标因子(图 2),进行各指标因子与区域地质灾害的敏感性分析。

图 2 危险性评价指标因素 Fig. 2 Index factors of risk assessment
2.1 地质灾害形成的控制因素

研究选取的地形地貌的因子包括高程和坡度,高程提取自研究区DEM数据,再利用ArcGIS的空间分析工具中的表面分析工具,提取坡度栅格数据。

2.1.1 高程

高程因子对于地质灾害的发育具有一定的控制作用。研究区内主要地貌类型有冲洪积平原、石质丘陵及石质山地,以石质山地为主。为了便于分析其与地质灾害发育发生的关系特征,进而对指标因子进行状态分级。利用ArcGIS空间分析工具进行重分类,并与近年来地质灾害点的图层进行叠加分析。区内地质灾害在高程上的分布具有明显的不均性,多发育于高程417~1067 m之间(图 3)。另外,随着高程的不断增加,由于人类活动越来越少,地质灾害数量也越来越少。

图 3 地质灾害分布与高程的关系 Fig. 3 The relationship between geological hazard distribution and elevation
2.1.2 坡度

陕南秦巴山区内谷坡陡峻,残坡积物分布面积大,以崩塌、滑坡、泥石流灾害为主,区内斜坡坡度对崩滑流灾害的形成具有较明显控制作用[14]。如图 4所示,以3°为间隔将坡度划分21个区段,统计在不同区间内地质灾害分布情况,结果显示:地质灾害多发生在27°~48°的斜坡,占地质灾害总数的81.71%,小于15°的地区地质灾害基本不发生。

图 4 地质灾害分布与坡度的关系 Fig. 4 The relationship between geological hazard distribution and slope
2.1.3 岩土体类型

地层岩性为地质灾害的形成、发育提供了物质基础。根据研究区岩性和第四系松散沉积物的分布、厚度、物理力学性质等,将研究区内基岩与土体划分为6种类型:包括坚硬岩石,坚硬、半坚硬岩石,半坚硬、半软弱岩石,软弱岩石,粘性土,砂土、砾石层。

区内地质灾害分布与岩土体类型的关系如图 5所示,以板岩、片岩为主的软弱岩石区地质灾害最为发育,如柞水—商南一带、略阳—洋县一带、紫阳—白河一带等。

岩土类型:1——坚硬岩石;2——坚硬、半坚硬岩石;3——半坚硬、半软弱岩石;4——软弱岩石;5——粘性土;6——砂土、砾石层 图 5 地质灾害分布与岩土体类型的关系 Fig. 5 The relationship between geological hazard distribution and the type of rock and soil
2.1.4 断裂构造

断裂构造是研究区内地质灾害发育、发生的重要控制因素。研究区内一、二级构造单元接壤地带往往以深、大断裂为界,构成主边界断裂。多数深、大断裂具长期性、复活性及产状与性质的多变性,沿断裂构造带地质灾害分布较密集[15]

根据统计分析,距离断裂构造越近的地区及断裂规模越大的地区地质灾害点分布越密集。以研究区断裂带为中心建立多重缓冲区与地质灾害点进行叠加分析(图 6),可以看出距断裂带1 km缓冲区内地质灾害分布最密集,灾点密度达9.63处/100 km2

图 6 地质灾害分布与断裂缓冲区的关系 Fig. 6 The relationship between geological hazard distribution and fault buffer
2.1.5 水系

区内河流属长江水系,包括嘉陵江、汉江及丹江上游段等,河流沿程滩险多,河网分布密度较大,汉江北岸堰河的河网密度高达2.21 km/km2[15]。受河流侵蚀和地形地貌条件的双重影响作用,河流冲刷、侵蚀斜坡的坡体,削弱了斜坡坡体的抗滑力,易诱发崩塌和滑坡灾害,同时也为泥石流灾害的发生提供物质来源和动力来源[14]。以400 m为间隔构造河流缓冲区,区内地质灾害分布与河流缓冲区的关系见图 7,地质灾害沿河流两侧400 m范围离内最密集,达16.6处/100 km2

图 7 地质灾害分布与河流缓冲区的关系 Fig. 7 The relationship between geological hazard distribution and river buffer
2.2 地质灾害的诱发因素 2.2.1 地震

地震作用是区内地质灾害的诱发因素之一,如2008年5月12日四川汶川发生的8.0级地震,强烈地震不仅激活诱发了已有的滑坡、崩塌、泥石流隐患点,而且产生了新的地质灾害隐患点,如陕南地区,且其受灾县(市)主要分布于汉中市及安康市。

2.2.2 降水

陕南秦巴山区夏季多暴雨,初秋多连阴雨,极易引发山洪爆发,造成滑坡、崩塌灾害的发生,进而可能引发大面积泥石流。以年平均降雨量作为指标因子进行分析和状态分级(图 8),结果显示:地质灾害集中分布于年平均降雨量为672~924 mm之间的地区,占地质灾害总数的79.92%,年平均降雨量超过1000 mm的地区地质灾害点分布较少。

图 8 地质灾害分布与年平均降雨量的关系 Fig. 8 The relationship between geological hazard distribution and average annual rainfall
2.2.3 人类工程活动

城乡建设、道路施工等工程开挖形成高陡边坡,破坏斜坡的稳定性。在交通线路两侧一定区域内地质灾害呈“带状”分布,如在嘉陵江、宝成铁路和康勉公路沿线有98处,占总数的42.7%,且主要集中在宝成铁路略阳县城以北和康勉公路略阳县以东地带[15]。由图 9可以看出,距交通干线500 m内的地区地质灾害分布较密集。

图 9 地质灾害分布与道路缓冲区的关系 Fig. 9 The relationship between geological hazard distribution and road buffer
2.3 指标因子的相关性分析

在建立地质灾害评价指标体系的过程中,通常采用主观确定的方法,为保证评价指标的客观性和相互之间的独立性,提高模型评价结果的准确性,文中采用相关系数来度量指标因子之间的相关关系[17-18]。影响程度利用SPSS 23.0的相关分析模块,将已分级的指标因子矩阵导入,进行Spearman相关分析检验。各因子之间满足相关系数|R|≤0.3且Sig.≤0.05时可认为其为弱相关或不相关,且具有显著性意义。除坡度与岩性、水系和降雨3个因子以及降雨和水系之间不满足显著性的要求外,其余各指标因子之间均满足相互独立的要求(表 2)。考虑到评价精度和陕南秦巴山区的实际情况,将坡度因子除去。

表 2 各指标因子间的相关关系 Table 2 The correlation between index factors
3 地质灾害危险性评价 3.1 信息量模型

信息量法通过统计分析不同地质环境条件下各种影响区域稳定性因素的实测值,并将其转化为反映区域稳定性的信息量值[19],进而推算出反映各地质环境对地质灾害孕育和产生的“贡献”大小,即“信息量”,作为评价的定量依据。其公式如下:

$ I(y, {{X}_{1}}, {{X}_{2}}\ldots {{X}_{n}})=\text{lo}{{\text{g}}_{2}}\frac{P(y, {{X}_{1}}, {{X}_{2}}\ldots {{X}_{n}})}{P\left( y \right)} $ (1)

上式可写为:

$ \begin{align} & \ \ I(y, {{X}_{1}}, {{X}_{2}}\ldots {{X}_{n}})=I(y, {{X}_{1}})+ \\ & {{I}_{{{X}_{1}}}}(y, {{X}_{2}})+\ldots +{{I}_{{{X}_{1}}{{X}_{2}}\ldots {{X}_{n-1}}}}(y, {{X}_{n}}) \\ \end{align} $ (2)

式中:I(y, X1, X2Xn)表示所有因素组合(X1, X2Xn)提供的信息量;P(y, X1, X2Xn)为因素组合条件下(X1, X2Xn)地质灾害发生的概率;P(y)为地质灾害发生的概率;IX1(y, X2)为因素X1存在条件下,因素X2地质灾害的信息量。

具体计算时,常采用单因素信息量模型计算,再综合叠加,得到总的信息量值,其公式改写为:

$ I=\sum\limits_{i=1}^{n}{{{I}_{i}}=\sum\limits_{i=1}^{n}{\text{ln}\frac{{{N}_{i}}/N}{{{S}_{i}}/S}}} $ (3)

式中:I评价单元总的信息量;n为参评因子数;S为研究区总单元数;N为研究区含有地质灾害单元总数;Si为研究区含有指标因素Xi的单元个数;Ni为分布在指标Xi中特定类别内的地质灾害单元个数。

将总的信息量值作为地质灾害危险性评价指标,I越大表明越易于地质灾害发生,该单元内的地质灾害危险性越高[19]

3.2 信息量计算

以高程,岩土体类型,地震,研究单元与断裂带、水系和交通线路的距离以及年平均降雨量7个因子作为研究区地质的评价指标。基于文中对于指标因子的提取与分析,以各指标因子下地质灾害累计发生频率曲线斜率的突变为依据,进行指标因子的状态分级(图 10),再利用公式(3)对各个评价指标的信息量进行计算,然后利用ArcGIS属性表的字段计算器工具,得到总信息量,最高值为2.33967、最低值为-2.50498(表 3)。最后利用空间分析工具中的克里金法进行插值分析。

图 10 陕南秦巴山区各指标因子状态分级图 Fig. 10 Grading chart of each index factor in Qinling-Daba mountain area

表 3 信息量值计算结果 Table 3 Results of information values

文中以自然断点法为划分依据,在数据值的差异相对较大的位置处设置其边界,使各个类之间的差异最大化,将总信息量值划分为以下五个等级:高危险性[0.63,2.34]、较高危险性[0.02,0.63]、中危险性[-0.55,0.02]、较低危险性[-1.21,-0.55]、低危险性[-2.50,-1.21],最后得到陕南秦巴山区地质灾害危险性分区图。

4 评价结果分析与精度检验 4.1 评价结果分析

结合研究区地质灾害历史灾情,研究区内地质灾害危险性分区具有沿构造线(断裂构造带)、生命线(河流、道路两侧)分布的特点,且地质灾害的分布与岩性特征密切相关。如图 11所示。

图 11 陕南秦巴山区地质灾害危险性分区图 Fig. 11 Risk zoning map of Qinling-Daba mountain area

危险性高的地区:主要集中柞水—山阳—商南一带、勉县—略阳—宁强县一带、紫阳—安康—白河一带。这些区域基本属于交通线路与水系沿线,断裂构造发育最为密集且活动性强,即越靠近这些区域,地质灾害的危险性越高,尤以距断裂构造、水系、交通线路两侧1 km的区域地质灾害的危险性最高。

危险性较高的地区:该区域的岩土体类型主要为片状易风化的千枚岩、片岩、板岩及膨胀土,岩石节理发育,岩体破碎,斜坡稳定性差。另外,在区域强降雨、连续降雨与频繁工程建设活动的综合影响下,极大地增加了区域地质灾害发生的危险性,使得区域地质灾害危险性较高。

4.2 评价精度检验

根据危险性评价结果,对各危险性分区面积及地质灾害数量进行统计分析(表 4)。

表 4 危险性评价结果统计 Table 4 Statistical results of risk assessment

绝大多数地质灾害分布于高、较高和中危险性地区,其灾点密度分别为21.34处/100 km2、9.48处/100 km2和6.57处/100 km2;高、较高和中危险性区发生地质灾害的栅格数占研究区内发生地质灾害栅格总数的90.16%,采用信息量法的区域地质灾害危险性评价结果与陕南秦巴山区的实际情况基本一致。因此,采用GIS技术和信息量模型能够较准确、迅速地进行区域地质灾害危险性评价。

5 结论

(1) 通过统计分析区内地质灾害分布情况,以其累计分布频率曲线斜率的变化为依据,对指标因子进行状态分级,客观、明确地反映出区内地质灾害与指标因子之间的敏感性关系。再对不同指标因子之间进行相关性分析,最终确定高程、岩土体类型、断裂构造、水系、降雨等7个因子作为地质灾害危险性评价指标,使各指标因子之间的差异最大化。将经验知识与基于数据驱动的分析方法相结合,一定程度上提高了指标因子选取的科学性与评价的准确性。

(2) 研究区内地质灾害空间分布与构造线、生命线、岩性的关系极为密切。危险性高与较高的地区集中在断裂构造发育区、水系与交通线路沿线,其岩土体类型主要为千枚岩、片岩、板岩及膨胀土。另外,在降雨、人类工程活动等因素的影响下,区内地质灾害的发生具有群发性、突发性的特点。下一步针对研究区内主要地质灾害类型(崩塌、滑坡、泥石流灾害)与地质灾害灾情最严重的市县地区,展开不同降雨重现期下的区域崩塌、滑坡和泥石流灾害危险性评价区划。

参考文献/References
[1]
黄润秋, 向喜琼, 巨能攀. 我国区域地质灾害评价的现状及问题[J]. 地质通报, 2004, 23(11): 1078-1082.
HUANG Runqiu, XIANG Xiqiong, JU Nengpan. Assessment of China's regional geohazards:present situation and problems[J]. Geological Bulletin of China, 2004, 23(11): 1078-1082. DOI:10.3969/j.issn.1671-2552.2004.11.005 (in Chinese with English abstract)
[2]
陈奇, 李智毅, 石怀伦. 区域地质灾害危险性评价的思路与基本方法[J]. 地质力学学报, 2004, 10(1): 71-80.
CHEN Qi, LI Zhiyi, SHI Huailun. Thoughts and basic methods of regional geological hazard risk assessment[J]. Journal of Geomechanics, 2004, 10(1): 71-80. DOI:10.3969/j.issn.1006-6616.2004.01.010 (in Chinese with English abstract)
[3]
CARRARA A, CARDINALI M, DETTI R, et al. GIS techniques and statistical models in evaluating landslide hazard[J]. Earth Surface Processes and Landforms, 1991, 16(5): 427-445. DOI:10.1002/esp.3290160505
[4]
MEJIA-NAVARRO M, WOHL E E, OAKS S D. Geological hazards, vulnerability, and risk assessment using GIS:model for Glenwood Springs, colorado[J]. Geomorphology, 1994, 10(1-4): 331-354. DOI:10.1016/0169-555X(94)90024-8
[5]
Gupta R P, Joshi B C. Landslide hazard zoning using the GIS approach-a case study from the Ramganga catchment, Himalayas[J]. Engineering Geology, 1990, 28(1-2): 119-131. DOI:10.1016/0013-7952(90)90037-2
[6]
汪华斌, 吴树仁, 汪微波. 滑坡灾害空间智能预测展望[J]. 地质科技情报, 2008, 27(2): 17-20.
WANG Huabin, WU Shuren, WANG Weibo. A framework for intelligent prediction of landslide hazards[J]. Geological Science and Technology Information, 2008, 27(2): 17-20. DOI:10.3969/j.issn.1000-7849.2008.02.003 (in Chinese with English abstract)
[7]
张桂荣, 殷坤龙, 刘传正, 等. 基于GIS的陕西省旬阳地区滑坡灾害危险性区划[J]. 中国地质灾害与防治学报, 2003, 14(4): 39-43.
ZHANG Guirong, YIN Kunlong, LIU Chuanzheng, et al. The hazard zoning of landslide supported by GIS in Xunyang region of Shanxi Province[J]. The Chinese Journal of Geological Hazard and Control, 2003, 14(4): 39-43. DOI:10.3969/j.issn.1003-8035.2003.04.008 (in Chinese with English abstract)
[8]
张春山, 韩金良, 孙炜锋, 等. 陕西陇县地质灾害危险性分区评价[J]. 地质通报, 2008, 27(11): 1795-1801.
ZHANG Chunshan, HAN Jinliang, SUN Weifeng, et al. Assessments of geohazard danger zoning in Longxian County, Shaanxi, China[J]. Geological Bulletin of China, 2008, 27(11): 1795-1801. DOI:10.3969/j.issn.1671-2552.2008.11.006 (in Chinese with English abstract)
[9]
牛全福, 程维明, 兰恒星, 等. 基于信息量模型的玉树地震次生地质灾害危险性评价[J]. 山地学报, 2011, 29(2): 243-249.
NIU Quanfu, CHENG Weiming, LAN Hengxing, et al. Susceptibility assessment of secondary geological disaster based on information value methodology for Yushu earthquake region[J]. Journal of Mountain Science, 2011, 29(2): 243-249. DOI:10.3969/j.issn.1008-2786.2011.02.014 (in Chinese with English abstract)
[10]
邓辉, 何政伟, 陈晔, 等. 信息量模型在山地环境地质灾害危险性评价中的应用:以四川泸定县为例[J]. 自然灾害学报, 2014, 23(2): 67-76.
DENG Hui, HE Zhengwei, CHEN Ye, et al. Application of information quantity model to hazard evaluation of geological disaster in mountainous region environment:a case study of Luding County, Sichuan Province[J]. Journal of Natural Disasters, 2014, 23(2): 67-76. (in Chinese with English abstract)
[11]
杜春兰, 陆文凤, 李剑锋, 等. 地质灾害危险度研究:以重庆市渝北区为例[J]. 地下空间与工程学报, 2008, 4(6): 1169-1176.
DU Chunlan, LU Wenfeng, LI Jianfeng, et al. Analysis on the hazard degree of geological disasters[J]. Chinese Journal of Underground Space and Engineering, 2008, 4(6): 1169-1176. (in Chinese with English abstract)
[12]
张丽, 李广杰, 周志广, 等. 基于灰色聚类的区域地质灾害危险性分区评价[J]. 自然灾害学报, 2009, 18(1): 164-168.
ZHANG Li, LI Guangjie, ZHOU Zhiguang, et al. Grey clustering method-based zoning assessment of regional geological disaster[J]. Journal of Natural Disasters, 2009, 18(1): 164-168. DOI:10.3969/j.issn.1004-4574.2009.01.025 (in Chinese with English abstract)
[13]
齐信, 黄波林, 刘广宁, 等. 基于GIS技术和频率比模型的三峡地区秭归向斜盆地滑坡敏感性评价[J]. 地质力学学报, 2017, 23(1): 97-104.
QI Xin, HUANG Bolin, LIU Guangning, et al. Landslide susceptibility assessment in the three gorges area, China, Zigui Synclinal Basin, using GIS technology and frequency ratio model[J]. Journal of Geomechanics, 2017, 23(1): 97-104. DOI:10.3969/j.issn.1006-6616.2017.01.005 (in Chinese with English abstract)
[14]
强菲, 赵法锁, 党亚倩. 陕南秦巴山区地质灾害与影响因素的相关性分析[J]. 南水北调与水利科技, 2015, 13(3): 557-562.
QIANG Fei, ZHAO Fasuo, DANG Yaqian. Correlation analysis between geological hazards and impact factors in Qinling-Daba mountains of south Shaanxi Province[J]. South-to-North Water Transfers and Water Science & Technology, 2015, 13(3): 557-562. (in Chinese with English abstract)
[15]
赵法锁, 王雁林, 胡志平, 等.陕西省地震灾区地质灾害发育与分布规律研究报告[R].西安: 长安大学, 2012: 12-40.
ZHAO Fasuo, WANG Yanlin, HU Zhiping, et al. Study report of Geo-hazard development and distribution in the disaster area of Shaanxi province caused by Wenchuan earthquake[R]. Xi'an:Chang'an University, 2012:12-40. (in Chinese)
[16]
殷坤龙. 滑坡灾害预测预报[M]. 武汉: 中国地质大学出版社, 2004: 24-26.
YIN Kunlong. Landslide hazard prediction and evaluation[M]. Wuhan: China University of Geosciences Press, 2004: 24-26. (in Chinese)
[17]
王佳佳, 殷坤龙, 肖莉丽. 基于GIS和信息量的滑坡灾害易发性评价:以三峡库区万州区为例[J]. 岩石力学与工程学报, 2014, 33(4): 797-808.
WANG Jiajia, YIN Kunlong, XIAO Lili. Landslide susceptibility assessment based on GIS and weighted information value:a case study of Wanzhou district, three gorges reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2014, 33(4): 797-808. (in Chinese with English abstract)
[18]
张俊, 殷坤龙, 王佳佳, 等. 三峡库区万州区滑坡灾害易发性评价研究[J]. 岩石力学与工程学报, 2016, 35(2): 284-296.
ZHANG Jun, YIN Kunlong, WANG Jiajia, et al. Evaluation of landslide susceptibility for Wanzhou district of three gorges reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2016, 35(2): 284-296. (in Chinese with English abstract)
[19]
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]. 成都理工大学学报(自然科学版), 2001, 28(1): 89-92.
RUAN Shenyong, 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. DOI:10.3969/j.issn.1671-9727.2001.01.018 (in Chinese with English abstract)