基于滑坡破坏模式分析的易发性评价 以三峡库区首段泄滩河左岸为例

朱宇航; 黄海峰; 殷坤龙; 郭子正; 郭飞; 赖鹏

doi:10.16031/j.cnki.issn.1003-8035.202112035

基于滑坡破坏模式分析的易发性评价——以三峡库区首段泄滩河左岸为例

朱宇航^1,,
黄海峰^{2, 3, ,},
殷坤龙¹,
郭子正⁴,
郭飞^{2, 3},
赖鹏^{2, 3}

1.
中国地质大学（武汉）工程学院，湖北武汉　430074
2.
三峡大学湖北长江三峡滑坡国家野外科学观测研究站，湖北宜昌　443000
3.
三峡大学土木与建筑学院，湖北宜昌　443002
4.
河北工业大学土木与交通学院，天津　300401

基金项目: 国家自然科学基金项目（42107489）；水电工程智能视觉监测湖北省重点实验室开放基金项目（2020SDSJ02）；三峡库区地质灾害教育部重点实验室开放基金项目（2020KDZ09）

详细信息

作者简介:
朱宇航（1999-），男，硕士，主要从事地质灾害风险评价方面的研究工作。E-mail：cugzyh@cug.edu.cn

通讯作者:
黄海峰（1978-），男，博士，教授，主要从事地质灾害监测防治等方面的教学与科研工作。E-mail：hhf@ctgu.edu.cn

中图分类号: P642.22
计量
- 文章访问数: 5258
- HTML全文浏览量: 2204
- PDF下载量: 472
出版历程
- 收稿日期: 2021-12-27
- 修回日期: 2022-04-05
- 录用日期: 2022-04-07
- 网络出版日期: 2023-02-19
- 刊出日期: 2023-04-24

Evaluation of landslide susceptibility based on landslide failure mode analysis: A case study of the left bank of Xietan River in the first section of Three Gorges Reservoir

Yuhang ZHU^1,,
Haifeng HUANG^{2, 3, ,},
Kunlong YIN¹,
Zizheng GUO⁴,
Fei GUO^{2, 3},
Peng LAI^{2, 3}

1.
Faculty of Engineering, China University of Geosciences（Wuhan）, Wuhan, Hubei　430074, China
2.
National Field Observation and Research Station of Landslides in the Three Gorges Reservoir Area of Yangtze River, China Three Gorges University, Yichang, Hubei　443000, China
3.
College of Civil Engineering & Architecture, China Three Gorges University, Yichang, Hubei　443002, China
4.
School of Civil and Transportation Engineering, Hebei University of Technology, Tianjin　300401, China

摘要

摘要: 三峡库区首段发育有大量岩质滑坡，其中很多灾害点极具隐蔽性且目前并未被查明。文中以三峡库区首段泄滩河左岸为研究区，以区内唯一破坏的卡门子湾顺层岩质滑坡为例，在分析其成因机制的基础上归纳总结了该地区顺层岩质滑坡的破坏模式，并以此确定了高程、坡度、坡向、起伏度、平面曲率、剖面曲率、地层岩性、距河流距离及距道路距离共9个评价指标因子及疑似滑坡隐患点，将这些灾害隐患点作为滑坡样本，运用ALSA模型开展研究区的滑坡易发性分区，最后采用ROC曲线及现场复查等方法验证评价结果的可靠性。预测结果表明：研究区内顺层岩质滑坡的极高易发区和较高易发区大致呈面状分布，主要集中在岩性为侏罗系中统上沙溪庙组紫红色泥岩夹砂岩和西北坡向的近库岸地区。现场验证发现易发分区结果与滑坡破坏模式分布规律较吻合，表明基于滑坡破坏模式选择滑坡样本得到的滑坡易发性结果在整体上也能反映研究区滑坡概率空间分布规律，在缺乏准确滑坡样本时可作为一种替补方案。上述研究结果为基于滑坡破坏模式选取滑坡样本开展易发性评价工作提供了理论支持和科学依据。
- ALSA模型 /
- 滑坡易发性 /
- 三峡库区 /
- 滑坡样本
Abstract: There are a large number of rock landslide disasters developed in the first section of the Three Gorges Reservoir area, many of which are very hidden and have not been identified. In this paper, taking the left bank of Xietan River in the first section of the Three Gorges Reservoir as the study area, taking the only bedding rock landslide in Kamenziwan as an example, the failure mode of bedding rock landslide in this area is summarized on the basis of analyzing its genesis mechanism. Nine evaluation index factors, including elevation, slope aspect, slope, relief, plane curvature, profile curvature, formation lithology, distance from river and distance from road, as well as suspected hidden danger points of landslide disaster are determined. These hidden danger points are taken as landslide samples. Automatic Landside Susceptibility Assessment Model (ALSA) was used to carry out landslide Susceptibility zoning in the study area. Finally, ROC curve and field review were used to verify the reliability of the evaluation results. The prediction results show that the extremely high and highly prone areas of bedding rock landslides in the study area are distributed in a plane shape, mainly concentrated in the middle Jurassic Upper Shaximiao Formation purplish red mudstone intercalated sandstone, and the northwest slope direction near the reservoir bank area. Field verification shows that the results of prone zoning are consistent with the distribution law of landslide failure mode, indicating that the landslide susceptibility results obtained by selecting landslide samples based on landslide failure mode can also reflect the spatial distribution law of landslide probability in the study area on the whole, and can be used as a substitute scheme in the absence of accurate landslide samples. The above research results provide theoretical support and scientific basis for selecting landslide samples to carry out vulnerability assessment based on landslide failure mode.
- ALSA model /
- landslide susceptibility assessment /
- Three Gorges Reservoir area /
- landslide samples

HTML全文

0. 引言

地质灾害易发性评价是对地质灾害进行区域预测较为有效的手段^[1-7]，主要目的是通过对评价单元内各易发性因子数据处理和计算分析来找出最易发生地质灾害的区域范围。本次研究选择斜坡单元作为易发性评价单元来研究。斜坡单元各类评价因子是易发性评价的基本尺度，提取多种与地质灾害发生相关的因子构成评价指标体系。研究地质灾害易发性评价的准确性、适用性依赖于评价指标体系的影响因子选取是否合理、可靠，对易发性评价尤为重要，但是影响因子又是相互作用、相互影响而组成的复合体，是一个复杂的非线性系统。

针对地质灾害易发性评价影响因子的特征，本研究以綦江区为例，根据研究区各斜坡单元的地质环境特征，选取易发性评价因子并采用层次分析法建立一套以斜坡单元为基础易发性模型并修正其各因子权重和分级赋值，探索建立适合綦江区的地质灾害易发性评价体系。

1. 研究区概况

綦江区位于重庆市西南部，素有“重庆南大门”之称，面积为2187.48 km²。全区现辖5个街道、16个镇。研究区属中亚热带湿润季风气候区，区内沟谷切割深、纵坡陡、碎屑岩破碎、风化层较厚的地形地貌特点。区内出露地层中寒武系−三叠系的碳酸岩类地层面积占20.50%，白垩系−侏罗系的红层软岩面积占79.50%。构造上位于四川盆域东南边缘，具有褶皱多、断层发育，地质构造比较复杂。区内地表水系发育，綦江河及支流是区域最低侵蚀基准面、溶蚀基面和地下水的集中排泄区。

2. 易发性因子选取

2.1 易发性评价概述

重庆市綦江区有地质灾害327处，类型以滑坡、崩塌为主，其次是地面塌陷。滑坡灾害点共239处，占比74.09%，危岩（崩塌）灾害点共78处，占比23.85%，地面塌陷10处，占比3.06%，地质灾害分布图（图1）。本研究中区域易发性评价单元是数据处理和计算分析的基本单元，也是最终评价结果呈现的基本单元，选取合适的斜坡单元是建立易发性模型的首要步骤；其次是易发性评价因子的选取，基于现有调查数据和研究区地质条件，选择斜坡结构类型^[8-9]、地灾点点密度^[10-17]、工程地质岩组、坡度、距水系距离^[18]、岩层倾角、地质构造^[19]共7个易发性评价因子来量化评价，其中地灾点点密度因子是根据重庆市区县1∶5万地质灾害风险评价指标体系新增易发性评价因子。另外綦江区地面塌陷为冒顶型塌陷，主要因素为采空区域内煤层倾角大，顶板岩性、厚度和受力不均匀。此类地质灾害的样本数量少，基于GIS的风险评价无法计算，因此，以采空区范围、地面变形特征来人工校核该类因子作用于斜坡单元的易发性评价结果。

图 1 綦江区地质灾害分布图

Figure 1. Distribution map of geological hazards in Qijiang District

下载: 全尺寸图片幻灯片

2.2 易发性因子量化评价

2.2.1 斜坡结构因子

斜坡结构类型包括五类：顺向坡、切向坡、横向坡、逆向坡、近水平层状坡。根据斜坡结构因子易发性量化指标统计表（表1）和评价因子量化分级图2（a）来看，滑坡数据中顺向坡区间内指标值（I_ij）>0时，表明此区间地质灾害发生的信息量大，发生的可能大；横向坡、斜向坡区间内易发性指标（I_ij）≈0，无法提供地质灾害发生与否的判断信息，发生的可能不确定；而近水平坡、逆向坡内滑坡易发性指标（I_ij）<0，说明在此区间内滑坡灾害相对不易发生，发生的可能性小。与綦江区内滑坡地质灾害易发规律相符。

表 1 斜坡结构因子易发性量化指标

Table 1. Quantitative index of susceptibility factor of slope structure

地灾类型	斜坡结构	分级面积比	地灾面积占比	易发性指标
滑坡数据	近水平	0.06	0.01	−1.80
	顺向坡	0.17	0.56	1.20
	斜向坡	0.31	0.17	−0.60
	横向坡	0.30	0.20	−0.40
	逆向坡	0.16	0.06	−1.00
崩塌数据	近水平	0.06	0.004	−2.78
	顺向坡	0.17	0.105	−0.47
	斜向坡	0.31	0.340	0.09
	横向坡	0.30	0.202	−0.39
	逆向坡	0.16	0.349	0.76

下载: 导出CSV

| 显示表格

图 2 研究区各评价因子分级图

Figure 2. Classification chart of each evaluation factor in the study area

下载: 全尺寸图片幻灯片

崩塌数据中斜向坡和逆向坡区间内易发性指标>0，表明此区间崩塌发生的信息量大，发生的可能大；顺向坡和横向坡区间内易发性指标≈0，无法提供崩塌发生与否的判断信息，发生的可能不确定；而近水平坡易发性指标<0，说明在此区间内崩塌相对不易发生，发生的可能性小。据调查数据显示綦江区内崩塌发生于近水平产状的岩质陡坡上较多，地质灾害易发生规律与量化指标显示的信息量不完全相符，主要原因是崩塌稳定性受斜坡结构和外倾卸荷裂隙共同控制，所以量化指标值有偏差。

2.2.2 孕灾体点密度因子

根据孕灾体点密度因子易发性量化指标统计表（表2）和评价因子量化分级图2（b）来看，滑坡易发性指标值大小与地灾点密度密切相关，孕灾体点密度值大于0.4或越高，易发性指标>0或越高，表明此区间滑坡发生的信息量大，发生的可能大；当孕灾体点密度值<0.4时，此区间内滑坡发生的可能性显著降低，发生的可能小。而崩塌易发性指标大小与发生的可能性无明显关联。

表 2 孕灾体点密度因子易发性量化指标

Table 2. Quantitative index of susceptibility factor of the point density of the disaster-pregnant body

地灾类型	斜坡结构	分级面积比	地灾面积占比	易发性指标
滑坡数据	<0.2	0.47	0.14	−1.33
	[0.2, 0.4)	0.34	0.30	−0.24
	[0.4, 0.6)	0.11	0.24	0.61
	[0.6, 0.8)	0.06	0.24	1.35
	[0.8, 1.0]	0.02	0.08	1.47
崩塌数据	<0.2	0.47	0.49	0.30
	[0.2, 0.4)	0.34	0.96	0.59
	[0.4, 0.6)	0.11	0.05	0.03
	[0.6, 0.8)	0.06	0.09	0.05
	[0.8, 1.0]	0.02	0.05	0.03

下载: 导出CSV

| 显示表格

2.2.3 工程地质岩组因子

岩性是斜坡岩体的物质基础，是发生灾害的重要因素，岩性决定了斜坡岩体的应力分布、强度及变形破坏特征，灾害发育特征与岩性种类、内部结构有关。根据工程地质岩组因子易发性量化指标统计表（表3）和评价因子量化分级图2（c）来看，滑坡易发性指标在工程地质岩组Ⅱ₂、Ⅲ₁内>0，说明在此区间内滑坡灾害易发程度较高；在工程地质岩组Ⅰ₁、Ⅱ₁、Ⅱ₃内滑坡易发性指标≈0，说明在此区间滑坡灾害易发程度相对而言不确定；在工程地质岩组Ⅰ₂、Ⅲ₂、Ⅲ₃内滑坡易发性指标<0，说明在此区间内滑坡灾害相对不易发生。

表 3 工程地质岩组因子易发性量化指标

Table 3. Quantitative index of susceptibility factor of engineering geological lithology

地灾类型	地质岩组	主要岩性	分级面积比	地灾面积占比	易发性指标
滑坡数据	Ⅰ₁	灰岩、白云岩	0.02	0.014	−0.49
	Ⅰ₂	含泥质灰岩	0.01	0.004	−1.22
	Ⅱ₁	泥岩、砂岩	0.17	0.175	0.08
	Ⅱ₂	砂岩夹页岩	0.63	0.761	0.20
	Ⅱ₃	厚层状砂岩	0.03	0.013	−0.80
	Ⅲ₁	泥灰岩夹粉砂岩、页岩	0.02	0.030	0.52
	Ⅲ₂	灰岩夹页岩	0.10	0.001	−4.55
	Ⅲ₃	页岩与灰岩	0.02	0.002	−2.40
崩塌数据	Ⅰ₁	灰岩、白云岩	0.02	0.187	2.07
	Ⅰ₂	含泥质灰岩	0.01	0.007	−0.69
	Ⅱ₁	泥岩、砂岩	0.17	0.040	−1.40
	Ⅱ₂	砂岩夹页岩	0.63	0.491	−0.24
	Ⅱ₃	厚层状砂岩	0.03	/	/
	Ⅲ₁	泥灰岩夹粉砂岩、页岩	0.02	0.002	−1.92
	Ⅲ₂	灰岩夹页岩	0.10	0.273	1.05
	Ⅲ₃	页岩与灰岩	0.02	/	/

下载: 导出CSV

| 显示表格

崩塌易发性指标在工程地质岩组Ⅰ₁、Ⅲ₂内I_ij>0，说明在此区间内崩塌灾害易发程度较高；工程地质岩组Ⅰ₂、Ⅱ₂内崩塌易发性指标≈0，说明在此区间崩塌灾害易发程度不确定；在工程地质岩组Ⅱ₁、Ⅲ₁内崩塌易发性指标<0，说明在此区间内滑坡灾害相对不易发生；工程地质岩组Ⅱ₃、Ⅲ₃内因未发育有崩塌地质灾害点，不列入统计。

2.2.4 坡度

区内地形坡度是滑坡发生的主要影响因子之一，对其发生起到控制性作用，不同坡度的坡体，其内部应力分布不同，稳定性不同。在ArcGIS空间分析模块中以DEM为基础获取地形坡度，将綦江区地形坡度划分为8类，即<10°、[10°, 20°)、[20°, 30°)、[30°, 40°)、[40°, 50°)、[50°, 60°)、[60°, 70°)、>70°。根据坡度因子易发性量化指标统计表（表4）和评价因子量化分级图2（d）来看，在坡度10°～30°区间内滑坡易发性指标>0，表明此区间滑坡发生的信息量大，发生的可能大；在坡度<10°和[30°, 40°)区间内滑坡易发性指标≈0，说明在此区间滑坡灾害易发程度不确定；在坡度>40°区间内滑坡易发性指标小于0，说明在此区间内滑坡灾害相对不易发生或不存在。崩塌在坡度>30°时，其易发性指标>0，表明此区间崩塌发生的信息量大，发生的可能大，且坡度越大，易发性指标越大，发生的可能越大；在坡度<30°时，崩塌易发性指标<0，其它坡度段崩塌灾害相对不易发生。表明此区间崩塌发生的信息量小，发生的可能小。

表 4 坡度因子易发性量化指标

Table 4. Quantitative index of susceptibility factor of slope gradient

地灾类型	坡度/（°）	分级面积比	地灾面积占比	易发性指标
滑坡数据	<10	0.2199	0.161	−0.31
	[10, 20)	0.3969	0.482	0.20
	[20, 30)	0.2530	0.298	0.16
	[30, 40)	0.0949	0.051	−0.61
	[40, 50)	0.0264	0.007	−1.38
	[50, 60)	0.0067	0.001	−1.62
	[60, 70)	0.0017	/	/
	>70	0.0005	/	/
崩塌数据	<10	0.2199	0.015	−2.65
	[10, 20)	0.3969	0.090	−1.48
	[20, 30)	0.2530	0.203	−0.22
	[30, 40)	0.0949	0.273	1.07
	[40, 50)	0.0264	0.231	2.19
	[50, 60)	0.0067	0.129	3.02
	[60, 70)	0.0017	0.057	3.78
	>70	0.0005	0.002	3.11

下载: 导出CSV

| 显示表格

2.2.5 距水系距离

区内地表水系发达，主要河流有綦江河及其支流羊渡河、藻渡河、蒲河、清溪河、通惠河等。河流水系对斜坡起冲蚀作用、引发滑坡体内地下水位及孔隙水压力变化，是引起滑坡等地质灾害的主要因素。在提取地表水与滑坡、崩塌地质灾害易发性指标时，将地表水影响范围（m）划分为6个区间：<0.2、[0.2～0.4)、[0.4～0.6)、[0.6～0.8)、[0.8～1.0)、>1.0，根据距水系距离因子易发性量化指标统计（表5）和评价因子量化分级图2（e）来看，滑坡在距水系距离<0.2 km时，易发性指标>0，说明在此区间内滑坡灾害易发程度较高；其它段距水系距离越远，滑坡易发性指标越小，易发程度越小。崩塌分布位置较高，与水系距离较远，与该量化指标无明显相关，不参与模型计算。

表 5 距水系距离因子易发性量化指标

Table 5. Quantitative index of susceptibility factor of distance from water system

地灾类型	距水系距离/km	分级面积比	地灾面积占比	易发性指标
滑坡数据	<0.2	0.33	0.612	0.64
	[0.2, 0.4)	0.26	0.176	−0.39
	[0.4, 0.6)	0.18	0.124	−0.38
	[0.6, 0.8)	0.12	0.068	−0.57
	[0.8, 1)	0.06	0.019	−1.16
	≥1.0	0.05	0.001	−4.35

下载: 导出CSV

| 显示表格

2.2.6 岩层倾角

綦江区褶皱发育，岩层倾角变化较大，不同倾角的岩体，其内部应力分布不同，稳定性不同。基于ArcGIS平台利用产状点插值法获得岩层倾角图层，并将其分为8个区间：<10°、[10°～20°)、[20°～30°)、[30°～40°)、[40°～50°)、[50°～60°)、[60°～70°)、>70°。根据岩层倾角因子易发性量化指标统计表（表6）来看，在岩层倾角<20°时滑坡易发性指标≈0，滑坡灾害易发程度不确定；岩层倾角为20°～30°内滑坡易发性指标值>0，说明滑坡灾害易发程度高；其它段滑坡易发性指标<0时，滑坡灾害易发程度小。崩塌在岩层倾角内<10°和20°～30°崩塌易发性指标>0，崩塌灾害易发程度较高；其它段易发性指标≈0，崩塌易发程度小或不确定。

表 6 岩层倾角因子易发性量化指标

Table 6. Quantitative index of susceptibility factor of inclination angle of rock strata

地灾类型	岩层倾角/（°）	分区面积比	地灾面积占比	易发性指标
滑坡数据	<10	0.191	0.225	0.18
	[10, 20)	0.455	0.409	−0.09
	[20, 30)	0.216	0.343	0.48
	[30, 40)	0.081	0.015	−1.70
	[40, 50)	0.038	0.005	−2.06
	[50, 60)	0.015	0.002	−1.86
	[60, 70)	0.003	/	/
	>70	0.001	0.001	−0.47
崩塌数据	<10	0.191	0.4214	0.81
	[10, 20)	0.455	0.1483	−1.10
	[20, 30)	0.216	0.3421	0.48
	[30, 40)	0.081	0.0666	−0.18
	[40, 50)	0.038	0.0210	−0.59
	[50, 60)	0.015	/	/
	[60, 70)	0.003	0.0006	−1.83
	>70	0.001	/	/

下载: 导出CSV

| 显示表格

2.2.7 地质构造

綦江区内构造发育，地质构造运动强烈与否决定岩体的扰动程度，受扰程度不同导致稳定性不同。在提取断层线与滑坡、崩塌地质灾害易发性指标时，将断层线影响范围（km）划分为11个区间：<0.5、[0.5, 1)、[1, 1.5)、[1.5, 2)、[2, 2.5)、[2.5, 3)、[3, 3.5)、[3.5, 4)、[4, 4.5)、[4.5, 5]、>5。根据地质构造因子易发性量化指标统计表（表7）和评价因子量化分级图2（f）来看，滑坡距构造线、断层距离<3时易发性指标>0，说明在此区间内滑坡灾害易发程度较高；其它段易发性指标≈0，滑坡易发程度小或不确定；崩塌距构造线、断层距离<2时易发性指标>0，说明在此区间内崩塌灾害易发程度较高；其它段易发性指标≈0，崩塌易发程度小或不确定。

表 7 地质构造因子易发性量化指标

Table 7. Quantitative index of susceptibility factor of geological structure

地灾类型	距断层距离/km	分区面积比	地灾面积占比	易发性指标
滑坡数据	(0, 0.5]	0.084	0.139	0.51
	(0.5, 1]	0.079	0.079	0.01
	(1, 1.5]	0.076	0.041	0.63
	(1.5, 2]	0.075	0.068	0.08
	(2, 2.5]	0.073	0.056	0.26
	(2.5, 3]	0.068	0.085	0.23
	(3, 3.5]	0.063	0.023	−0.99
	(3.5, 4]	0.054	0.015	−1.30
	(4, 4.5]	0.045	0.017	−0.95
	(4.5, 5]	0.038	0.018	−1.77
	>5	0.345	0.459	−0.29
崩塌数据	(0, 0.5]	0.084	0.072	0.09
	(0.5, 1]	0.079	0.133	0.76
	(1, 1.5]	0.076	0.069	0.14
	(1.5, 2]	0.075	0.061	0.04
	(2, 2.5]	0.073	0.003	−3.00
	(2.5, 3]	0.068	0.228	−1.86
	(3, 3.5]	0.063	0.134	−1.99
	(3.5, 4]	0.054	0.088	−1.71
	(4, 4.5]	0.045	0.105	−1.09
	(4.5, 5]	0.038	0.004	−1.90
	>5	0.345	0.103	−0.97

下载: 导出CSV

| 显示表格

3. 易发性模型构建

易发性评价中各因子与滑坡、崩塌地质灾害统计表中的易发性指标进行归一化处理，再根据《重庆区1∶5万地质灾害风险评价指标体系》对滑坡和崩塌灾害的各因子权重、分级赋值（A_ij）进行赋值、校核（表8、表9）。最后使用层次分析法评价斜坡单元易发性，构建綦江区地质灾害易发性评价模型见式（1）：

表 8 滑坡影响因素分级层次分析法权重取值表

Table 8. The weighted value table of the hierarchical analysis for landslide influencing factors

滑坡评价因子	权重	因子分级	易发性指标	易发性指标归一化
斜坡结构	0.20	近水平	−1.80	0.00
		顺向坡	1.20	0.47
		斜向坡	−0.60	0.19
		横向坡	−0.40	0.22
		逆向坡	−1.00	0.13
地灾点密度	0.17	<0.2	−1.33	0.00
		[0.2, 0.4)	−0.24	0.11
		[0.4, 0.6)	0.61	0.22
		[0.6, 0.8)	1.35	0.33
		[0.8, 1.0)	1.47	0.34
工程地质岩组	0.15	Ⅰ₁	−0.49	0.15
		Ⅰ₂	−1.22	0.12
		Ⅱ₁	0.08	0.17
		Ⅱ₂	0.20	0.17
		Ⅱ₃	−0.80	0.14
		Ⅲ₁	0.52	0.18
		Ⅲ₂	−4.55	0.00
		Ⅲ₃	−2.40	0.08
坡度 /(°)	0.20	(0, 10]	−0.31	0.21
		(10, 20]	0.20	0.30
		(20, 30]	0.16	0.29
		(30, 40]	−0.61	0.16
		(40, 50]	−1.38	0.04
		(50, 60]	−1.62	0.00
		(60, 70]	/	/
		>70	/	/
距水系距离 /km	0.15	<0.2	0.64	0.25
		[0.2, 0.4)	−0.39	0.20
		[0.4. 0.6)	−0.38	0.20
		[0.6, 0.8)	−0.57	0.19
		[0.8, 1.0)	−1.16	0.16
		≥1.0	−4.35	0.00
岩层倾角 /(°)	0.08	(0, 10]	0.18	0.25
		(10, 20]	−0.09	0.22
		(20, 30]	0.48	0.29
		(30, 40]	−1.70	0.04
		(40, 50]	−2.06	0.00
		(50, 60]	−1.86	0.02
		(60, 70]	/	/
		>70	−0.47	0.18
距断层距离 /km	0.05	(0, 0.5]	0.51	0.17
		(0.5, 1]	0.01	0.13
		(1, 1.5]	−0.63	0.06
		(1.5, 2]	−0.08	0.12
		(2, 2.5]	−0.26	0.10
		(2.5, 3]	0.23	0.15
		(3, 3.5]	−0.99	0.03
		(3.5, 4]	−1.30	0.00
		(4, 4.5]	−0.95	0.03
		(4.5, 5]	−0.77	0.05
		>5	0.29	0.15

下载: 导出CSV

| 显示表格

表 9 崩塌影响因素分级层次分析法权重取值表

Table 9. The weighted value table of the hierarchical analysis for the collapse influencing factors

崩塌评价因子	权重	因子分级	易发性指标	易发性指标归一化
斜坡结构	0.20	近水平	−2.78	0.00
		顺向坡	−0.47	0.21
		斜向坡	0.09	0.26
		横向坡	−0.39	0.22
		逆向坡	0.76	0.32
地灾点密度	0.15	<0.2	0.30	0.23
		[0.2, 0.4)	0.59	0.45
		[0.4, 0.6)	0.03	0.02
		[0.6, 0.8)	0.05	0.04
		[0.8, 1.0]	0.03	0.02
		>1.0	0.30	0.23
工程地质岩组	0.20	Ⅰ₁	2.07	0.38
		Ⅰ₂	−0.69	0.12
		Ⅱ₁	−1.40	0.05
		Ⅱ₂	−0.24	0.16
		Ⅱ₃	−	−
		Ⅲ₁	−1.92	0.00
		Ⅲ₂	1.05	0.29
		Ⅲ₃	−	−
坡度 /(°)	0.30	(0, 10]	−2.65	0.00
		(10, 20]	−1.48	0.04
		(20, 30]	−0.22	0.08
		(30, 40]	1.07	0.12
		(40, 50]	2.19	0.16
		(50, 60]	3.02	0.19
		(60, 70]	3.78	0.21
		>70	3.11	0.19
岩层倾角 /(°)	0.05	(0, 10]	0.81	0.31
		(10, 20]	−1.10	0.09
		(20, 30]	0.48	0.27
		(30, 40]	−0.18	0.19
		(40, 50]	−0.59	0.14
		(50, 60]	−	−
		(60, 70]	−1.83	0
		>70	−	−
距断层距离 /km	0.10	(0, 0.5]	0.09	0.10
		(0.5, 1]	0.76	0.12
		(1, 1.5]	0.14	0.10
		(1.5, 2]	0.04	0.10
		(2, 2.5]	−3.00	0.00
		(2.5, 3]	−0.86	0.07
		(3, 3.5]	0.99	0.13
		(3.5, 4]	0.71	0.12
		(4, 4.5]	1.09	0.14
		(4.5, 5]	−1.90	0.04
		>5	−0.97	0.07

下载: 导出CSV

| 显示表格

S = \sum_{i = 1}^{n} W_{i} \times A_{i j}

(1)

式中： $S$ ——易发性值；

$W_{i}$ —第i种因素的权重（取值参考《重庆区1∶ 5万地质灾害风险评价指标体系》并根据研究区各因子特征综合取值）；

$A_{i j}$ ——第i种因素第j个范围的易发性赋值。

信息量模型是一种定量分析方法，其物理意义明确，广泛应用于区域地质灾害风险评价，评价过程中可较好反映致灾因子与地质灾害的关联性。本次研究中，该值由信息量法计算出的易发性指标 $I_{i j}$ 、野外实地判断、《重庆区区1∶5万地质灾害风险评价指标体系》共同决定。

易发性指标：

I_{i j} = \ln \frac{N_{j} / N}{S_{j} / S}

(2)

式中： $N_{j}$ —— $i$ 因素的 $j$ 范围面积/km²；

$N$ ——研究区总面积/km²；

$S_{j}$ —— $i$ 因素 $j$ 范围内地灾面积/km²；

$S$ ——研究区内地灾总面积/km²。

$I_{i j}$ —— $i$ 因子 $j$ 区间下的地质灾害信息量值。

当 $I_{i j} > 0$ 时，表明 $i$ 因素的 $j$ 区间下地质灾害发生的信息量较大，地质灾害发生的可能性较大，利于地质灾害发生；当 $I_{i j}$ 接近于0时，表明 $i$ 因素的 $j$ 区间不提供有关地质灾害发生与否的判断信息，无法判断该区间是否有利于地质灾害发生；当 $I_{i j} < 0$ 时，表明 $i$ 因素的 $j$ 区间下地质灾害发生的信息量较小，地质灾害发生的可能性较小，不利于地质灾害发生。

评价以GIS平台的自然间断点法为基础，并根据綦江区地质灾害实际情况调整后的信息量值为易发性分区界线，由此分别构建基于斜坡单元和层次分析法的滑坡、崩塌灾害易发性模型，并结合滑坡、崩塌易发性分析及野外判断、校核每个斜坡单元地质灾害易发性，得到綦江区2081个斜坡单元易发性评价结果，包括高易发区406个、中等易发区1108个、低易发区533个和非易发区34个（图3、表10）。

图 3 綦江区地质灾害易发性分区图

Figure 3. Zoning map of geological disaster susceptibility assessment in Qijiang District

下载: 全尺寸图片幻灯片

表 10 地质灾害易发性分区统计表

Table 10. Statistical table of geological disaster susceptibility zones

易发性等级	高易发区	中易发区	低易发区	非易发区
斜坡面积/km²	519.99	1021.29	598.93	47.27
占比/%	23.77	46.69	27.38	2.16

下载: 导出CSV

| 显示表格

4. 成果验证

通过对近5 a（2018—2020年）的51起地质灾害灾（险）情中，30起位于高易发区，占比58.82%；17处位于中易发区，占比33.33%；4处位于低易发区，占比7.85%；非易发区未发生灾（险）情，与本次地质灾害的易发性研究结果相符（表11）。

表 11 近年来灾（险）情易发性统计表

Table 11. Statistical table of geological disasters （hazards） susceptibility in recent years

易发分区	地灾点数量/个	占比/%
高易发区	30	58.82
中易发区	17	33.33
低易发区	4	7.85
非易发区	0	0

下载: 导出CSV

| 显示表格

5. 结论

通过对研究区数据分析，得出以下结论：

（1）结合重庆市区域地质灾害评价体系，滑坡选取斜坡结构类型、地灾点密度、工程地质岩组、坡度、距水系距离、岩层倾角和地质构造七大因子；崩塌选取斜坡结构类型、地灾点密度、工程地质岩组、坡度、岩层倾角和地质构造六大因子，选用层次分析法对研究区斜坡单元地质灾害易发性进行评价，其中高易发区面积519.99 km²，占研究区面积23.77%；中等易发区1021.29 km²，占研究区面积46.69%；低易发区和非易发区面积646.2 km²，占研究区面积29.54%。

（2）根据綦江区地质灾害易发性评价结果及分区特征表明研究区内地质灾害高易发区主要分布于南部石壕镇、安稳镇一线的上硬下软易发高位崩滑地灾体高易发区和采煤沉陷高易发区，南中部赶水镇、篆塘镇、郭扶镇一线的单斜山区顺层岩质滑坡高易发区及北部中峰镇、永新镇等倒置山边缘危岩带高易发区；其次地质灾害中易发区分布于构造剥蚀中丘、斜面状深丘区域，多有浅表地质灾害和小型危岩崩塌灾害；地质灾害低易发区和非易发区分布于地形较为平坦区域。比较正确的反映了綦江区地质灾害分布规律，客观、正确完成地质灾害地灾易发性分区评价工作，为今后綦江区地质灾害风险评价及管控相关工作提供了依据。

图 1 研究区位置图

Figure 1. Location map of the study area

下载: 全尺寸图片幻灯片

图 2 泄滩河左岸现场调查图（摄于2020年8月）

Figure 2. Field geotechnical photo of the left bank of Xietan River (August 2020)

下载: 全尺寸图片幻灯片

图 3 卡门子湾滑坡全貌及优势结构面

Figure 3. Arial view and dominant structural plane of Kamenziwan landslide

下载: 全尺寸图片幻灯片

图 4 卡门子湾滑坡结构面赤平投影

Figure 4. Equated projection of Kamenziwan landslide section

下载: 全尺寸图片幻灯片

图 5 卡门子湾滑坡破坏前后库水位和降雨量

Figure 5. Summery of reservoir water level and rainfall before and after Kamenziwan landslide failure

下载: 全尺寸图片幻灯片

图 6 卡门子湾滑坡破坏模式概化示意图

Figure 6. Generalized schematic diagram of failure mode of Kamenziwan landslide

下载: 全尺寸图片幻灯片

图 7 泄滩河北段粉砂岩山脊夹泥岩沟谷微地貌示意图

Figure 7. The terrain and watershed partition of siltstone ridge and mudstone valley in Xietan River north section

下载: 全尺寸图片幻灯片

图 8 易发性评价指标图层

Figure 8. Layer of susceptibility assessment index

下载: 全尺寸图片幻灯片

图 9 疑似滑坡区为训练样本的滑坡易发性分区图

Figure 9. Distribution map of landslide susceptibility area

下载: 全尺寸图片幻灯片

图 10 易发性结果ROC曲线

Figure 10. ROC curve of susceptibility results

下载: 全尺寸图片幻灯片

图 11 现场验证位置及照片（摄于2021年1月）

Figure 11. Field review verification photos （January 2021）

下载: 全尺寸图片幻灯片

表 1 卡门子湾滑坡破坏模式总结表

Table 1 Summary table of failure mode of Kamenziwan landslide

岸坡类型		缓倾切向坡
破坏模式		视倾向顺层牵引式滑坡
孕灾（六面体）结构面	斜坡表面	“上陡下缓前临空”的台阶状折线地形
	底部滑带	左侧顺层，右侧切层
	前缘剪出口	河流冲刷侵蚀形成临空面，剪出口高程在145～175 m
	后缘边界	一组陡倾结构面切割，出露岩层切面
	左侧边界	多组结构面相互切割形成阶梯状边界
	右侧边界	岩层面
	边界特征	两个约束边界（右、后）+两个自由边界（左、前）
物质组成条件	滑体	块裂岩体
	滑带	中后部由三组结构面及岩层面形成阶梯状滑带，前部岩层溃曲形成缓倾结构面
	滑床	侏罗系中统沙溪庙组（J₂s）上部灰绿色砂岩夹泥岩，下部紫红色泥岩夹砂岩

下载: 导出CSV

表 2 卡门子湾滑坡区易发性结果分析表

Table 2 Summey table of landslide susceptibility results at Kamenziwan landslide area

以疑似滑坡区为样本的滑坡易发性评价结果
卡门子湾滑坡区	栅格数	各分区占比/%	极高及较高易发区占比/%
极高易发	5986	26.6	82.8
高易发	12640	56.2
中易发	3750	16.7
低易发	113	0.5
极低易发	0	0.0
总计	22489	100

下载: 导出CSV

参考文献(34)

[1]	殷坤龙,朱良峰. 滑坡灾害空间区划及GIS应用研究[J]. 地学前缘,2001,8(2):279 − 284. [YIN Kunlong,ZHU Liangfeng. Landslide hazard zonation and application of GIS[J]. Earth Science Frontiers,2001,8(2):279 − 284. (in Chinese with English abstract) DOI: 10.3321/j.issn:1005-2321.2001.02.010
[2]	黄波林,殷跃平,李滨,等. 三峡工程库区岩溶岸坡岩体劣化及其灾变效应[J]. 水文地质工程地质,2020,47(4):51 − 61. [HUANG Bolin,YIN Yueping,LI Bin,et al. Rock mass deterioration and its catastrophic effect of karst bank slope in the Three Gorges Project Reservoir area[J]. Hydrogeology & Engineering Geology,2020,47(4):51 − 61. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.202003055
[3]	卫童瑶,殷跃平,高杨,等. 三峡库区巫山县塔坪H1滑坡变形机制[J]. 水文地质工程地质,2020,47(4):73 − 81. [WEI Tongyao,YIN Yueping,GAO Yang,et al. Deformation mechanism of the taping H1 landslide in Wushan County in the Three Gorges Reservoir area[J]. Hydrogeology & Engineering Geology,2020,47(4):73 − 81. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.202003043
[4]	郭子正,殷坤龙,付圣,等. 基于GIS与WOE-BP模型的滑坡易发性评价[J]. 地球科学,2019,44(12):4299 − 4312. [GUO Zizheng,YIN Kunlong,FU Sheng,et al. Evaluation of landslide susceptibility based on GIS and WOE-BP model[J]. Earth Science,2019,44(12):4299 − 4312. (in Chinese with English abstract)
[5]	张钟远,邓明国,徐世光,等. 镇康县滑坡易发性评价模型对比研究[J]. 岩石力学与工程学报,2022,41(1):157 − 171. [ZHANG Zhongyuan,DENG Mingguo,XU Shiguang,et al. Comparison of landslide susceptibility assessment models in Zhenkang County,Yunnan Province,China[J]. Chinese Journal of Rock Mechanics and Engineering,2022,41(1):157 − 171. (in Chinese with English abstract)
[6]	MOHAMMADY M,POURGHASEMI H R,PRADHAN B. Landslide susceptibility mapping at Golestan Province,Iran:a comparison between frequency ratio,Dempster-Shafer,and weights-of-evidence models[J]. Journal of Asian Earth Sciences,2012,61:221 − 236. DOI: 10.1016/j.jseaes.2012.10.005
[7]	王世宝,庄建琦,樊宏宇,等. 基于频率比与集成学习的滑坡易发性评价:以金沙江上游巴塘—德格河段为例[J]. 工程地质学报,2022,30(3):817 − 828. [WANG Shibao,ZHUANG Jianqi,FAN Hongyu,et al. Evaluation of landslide susceptibility based on frequency ratio and ensemble learning:Taking the Batang-Dege section in the upstream of Jinsha River as an example[J]. Journal of Engineering Geology,2022,30(3):817 − 828. (in Chinese with English abstract)
[8]	DU Juan,GLADE T,WOLDAI T,et al. Landslide susceptibility assessment based on an incomplete landslide inventory in the Jilong Valley,Tibet,Chinese Himalayas[J]. Engineering Geology,2020,270:105572. DOI: 10.1016/j.enggeo.2020.105572
[9]	STEGER S,BRENNING A,BELL R,et al. Exploring discrepancies between quantitative validation results and the geomorphic plausibility of statistical landslide susceptibility maps[J]. Geomorphology,2016,262:8 − 23. DOI: 10.1016/j.geomorph.2016.03.015
[10]	MEINHARDT M,FINK M,TÜNSCHEL H. Landslide susceptibility analysis in central Vietnam based on an incomplete landslide inventory:Comparison of a new method to calculate weighting factors by means of bivariate statistics[J]. Geomorphology,2015,234:80 − 97. DOI: 10.1016/j.geomorph.2014.12.042
[11]	ABEDINI M,TULABI S. Assessing LNRF,FR,and AHP models in landslide susceptibility mapping index:A comparative study of Nojian watershed in Lorestan Province,Iran[J]. Environmental Earth Sciences,2018,77(11):405. DOI: 10.1007/s12665-018-7524-1
[12]	夏辉,殷坤龙,梁鑫,等. 基于SVM-ANN模型的滑坡易发性评价—以三峡库区巫山县为例[J]. 中国地质灾害与防治学报,2018,29(5):13 − 19. [XIA Hui,YIN Kunlong,LIANG Xin,et al. Landslide susceptibility assessment based on SVM-ANN Models:A case stualy for Wushan County in the Three Gorges Reservoir[J]. The Chinese Journal of Geological Hazard and Control,2018,29(5):13 − 19. (in Chinese with English abstract)
[13]	殷坤龙,柳源. 滑坡灾害区划系统研究[J]. 中国地质灾害与防治学报,2000,11(4):28 − 32. [YIN Kunlong,LIU Yuan. Systematic studies on landslide hazard zonation[J]. The Chinese Journal of Geological Hazard and Control,2000,11(4):28 − 32. (in Chinese with English abstract) DOI: 10.3969/j.issn.1003-8035.2000.04.007
[14]	周天伦,曾超,范晨,等. 基于快速聚类-信息量模型的汶川及周边两县滑坡易发性评价[J]. 中国地质灾害与防治学报,2021,32(5):137 − 150. [ZHOU Tianlun,ZENG Chao,FAN Chen,et al. Landslide susceptibility assessment based on K-means cluster information model in Wenchuan and two neighboring counties,China[J]. The Chinese Journal of Geological Hazard and Control,2021,32(5):137 − 150. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.2021.05-17
[15]	石菊松,张永双,董诚,等. 基于GIS技术的巴东新城区滑坡灾害危险性区划[J]. 地球学报,2005,26(3):275 − 282. [SHI Jusong,ZHANG Yongshuang,DONG Cheng,et al. GIS-based landslide hazard zonation of the new Badong County site[J]. Acta Geosicientia Sinica,2005,26(3):275 − 282. (in Chinese with English abstract) DOI: 10.3321/j.issn:1006-3021.2005.03.014
[16]	郭子正,殷坤龙,黄发明,等. 基于滑坡分类和加权频率比模型的滑坡易发性评价[J]. 岩石力学与工程学报,2019,38(2):287 − 300. [GUO Zizheng,YIN Kunlong,HUANG Faming,et al. Evaluation of landslide susceptibility based on landslide classification and weighted frequency ratio model[J]. Chinese Journal of Rock Mechanics and Engineering,2019,38(2):287 − 300. (in Chinese with English abstract) DOI: 10.13722/j.cnki.jrme.2018.0838
[17]	MA Shuyue,QIU Haijun,HU Sheng,et al. Quantitative assessment of landslide susceptibility on the Loess Plateau in China[J]. Physical Geography,2020,41(6):489 − 516. DOI: 10.1080/02723646.2019.1674559
[18]	罗路广,裴向军,黄润秋,等. GIS支持下CF与Logistic回归模型耦合的九寨沟景区滑坡易发性评价[J]. 工程地质学报,2021,29(2):526 − 535. [LUO Luguang,PEI Xiangjun,HUANG Runqiu,et al. Landslide susceptibility assessment in Jiuzhaigou scenic area with GIS based on certainty factor and Logistic regression model[J]. Journal of Engineering Geology,2021,29(2):526 − 535. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2019-202
[19]	罗路广,裴向军,崔圣华,等. 九寨沟地震滑坡易发性评价因子组合选取研究[J]. 岩石力学与工程学报,2021,40(11):2306 − 2319. [LUO Luguang,PEI Xiangjun,CUI Shenghua,et al. Combined selection of susceptibility assessment factors for Jiuzhaigou earthquake-induced landslides[J]. Chinese Journal of Rock Mechanics and Engineering,2021,40(11):2306 − 2319. (in Chinese with English abstract) DOI: 10.13722/j.cnki.jrme.2021.0198
[20]	HONG Haoyuan,CHEN Wei,XU Chong,et al. Rainfall-induced landslide susceptibility assessment at the Chongren area (China) using frequency ratio,certainty factor,and index of entropy[J]. Geocarto International,2017,32(2):139 − 154.
[21]	刘璐瑶,高惠瑛. 基于证据权与Logistic回归模型耦合的滑坡易发性评价[J]. 工程地质学报,2021:1 − 11 [2021-05-13]. [LIU Luyao,GAO Huiying. landslide susceptibility assessment based on coupling of woe model and Logistic regression model[J]. Journal of Engineering Geology,2021:1 − 11 [2021-05-13]. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2020-482
[22]	李郎平,兰恒星,郭长宝,等. 基于改进频率比法的川藏铁路沿线及邻区地质灾害易发性分区评价[J]. 现代地质,2017,31(5):911 − 929. [LI Langping,LAN Hengxing,GUO Changbao,et al. Geohazard susceptibility assessment along the Sichuan-Tibet railway and its adjacent area using an improved frequency ratio method[J]. Geoscience,2017,31(5):911 − 929. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-8527.2017.05.004
[23]	LI Langping,LAN Hengxing,GUO Changbao,et al. A modified frequency ratio method for landslide susceptibility assessment[J]. Landslides,2017,14(2):727 − 741. DOI: 10.1007/s10346-016-0771-x
[24]	ZHANG Yixing,LAN Hengxing,LI Langping,et al. Optimizing the frequency ratio method for landslide susceptibility assessment:A case study of the Caiyuan Basin in the southeast mountainous area of China[J]. Journal of Mountain Science,2020,17(2):340 − 357. DOI: 10.1007/s11629-019-5702-6
[25]	HE Keqiang,WANG Shangqing,DU Wen,et al. Dynamic features and effects of rainfall on landslides in the Three Gorges Reservoir region,China:Using the Xintan landslide and the large Huangya landslide as the examples[J]. Environmental Earth Sciences,2010,59(6):1267. DOI: 10.1007/s12665-009-0114-5
[26]	TANG Huiming,WASOWSKI J,JUANG C H. Geohazards in the three Gorges Reservoir Area,China - Lessons learned from decades of research[J]. Engineering Geology,2019,261:105267. DOI: 10.1016/j.enggeo.2019.105267
[27]	YIN Yueping,HUANG Bolin,ZHANG Quan,et al. Research on recently occurred reservoir-induced Kamenziwan rockslide in Three Gorges Reservoir,China[J]. Landslides,2020,17(8):1935 − 1949. DOI: 10.1007/s10346-020-01394-7
[28]	Regional level landslide inventory maps of the Shyok River watershed, Northern Pakistan[J]. Bulletin of Engineering Geology and the Environment, 2016, 75（2）: 563 − 574.
[29]	吴润泽,胡旭东,梅红波,等. 基于随机森林的滑坡空间易发性评价—以三峡库区湖北段为例[J]. 地球科学,2021,46(1):321 − 330. [WU Runze,HU Xudong,MEI Hongbo,et al. Spatial susceptibility assessment of landslides based on random forest:A case study from Hubei section in the Three Gorges Reservoir area[J]. Earth Science,2021,46(1):321 − 330. (in Chinese with English abstract)
[30]	周超,殷坤龙,曹颖,等. 基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价[J]. 地球科学,2020,45(6):1865 − 1876. [ZHOU Chao,YIN Kunlong,CAO Ying,et al. Landslide susceptibility assessment by applying the coupling method of radial basis neural network and adaboost:A case study from the Three Gorges Reservoir area[J]. Earth Science,2020,45(6):1865 − 1876. (in Chinese with English abstract)
[31]	闫举生,谭建民. 基于不同因子分级法的滑坡易发性评价—以湖北远安县为例[J]. 中国地质灾害与防治学报,2019,30(1):52 − 60. [YAN Jusheng,TAN Jianmin. Landslide susceptibility assessment based on different factor classification methods:A case study in Yuanan County of Hubei Province[J]. The Chinese Journal of Geological Hazard and Control,2019,30(1):52 − 60. (in Chinese with English abstract)
[32]	LIU Zhongqiang,GILBERT G,CEPEDA J M,et al. Modelling of shallow landslides with machine learning algorithms[J]. Geoscience Frontiers,2021,12(1):385 − 393. DOI: 10.1016/j.gsf.2020.04.014
[33]	LAN H X,ZHOU C H,WANG L J,et al. Landslide hazard spatial analysis and prediction using GIS in the Xiaojiang watershed,Yunnan,China[J]. Engineering Geology,2004,76(1/2):109 − 128.
[34]	周越,曾昭发,唐海燕,等. 公路勘察中滑坡体的地球物理特征与分析—以张榆线公路勘察为例[J]. 吉林大学学报(地球科学版),2021,51(2):638 − 644. [ZHOU Yue,ZENG Zhaofa,TANG Haiyan,et al. Geophysical characteristics of landslide body in highway reconnaissance: A case study in highway prospecting of Zhangyu line[J]. Journal of Jilin University (Earth Science Edition),2021,51(2):638 − 644. (in Chinese with English abstract)

施引文献(1)

期刊类型引用(1)

张天祥，王艳霞，张雪珂，林钏，周汝良. 基于样本优化和机器学习的地质灾害气象风险预报模型研究——以云南省怒江州为例. 广西师范大学学报(自然科学版). 2025(01): 201-215 .

百度学术

其他类型引用(0)

资源附件(0)

图(11) / 表(2)

计量

文章访问数: 5258
HTML全文浏览量: 2204
PDF下载量: 472
被引次数: 1

0. 引言
1. 研究区概况
2. 易发性因子选取
2.1 易发性评价概述
2.2 易发性因子量化评价
2.2.1 斜坡结构因子
2.2.2 孕灾体点密度因子
2.2.3 工程地质岩组因子
2.2.4 坡度
2.2.5 距水系距离
2.2.6 岩层倾角
2.2.7 地质构造
3. 易发性模型构建
4. 成果验证
5. 结论

0. 引言
1. 研究区概况
2. 易发性因子选取
2.1 易发性评价概述
2.2 易发性因子量化评价
2.2.1 斜坡结构因子
2.2.2 孕灾体点密度因子
2.2.3 工程地质岩组因子
2.2.4 坡度
2.2.5 距水系距离
2.2.6 岩层倾角
2.2.7 地质构造
3. 易发性模型构建
4. 成果验证
5. 结论

参考文献(34)

施引文献

资源附件(0)

基于滑坡破坏模式分析的易发性评价——以三峡库区首段泄滩河左岸为例

作者简介:
朱宇航（1999-），男，硕士，主要从事地质灾害风险评价方面的研究工作。E-mail：cugzyh@cug.edu.cn

通讯作者:
黄海峰（1978-），男，博士，教授，主要从事地质灾害监测防治等方面的教学与科研工作。E-mail：hhf@ctgu.edu.cn

计量