Landslide hazard assessment in the middle reach area of the Dadu River based on the GDIV model
-
摘要: 区域地质灾害评价是减灾防治的重要非工程手段，构建区域滑坡危险性评价模型，对提高地质灾害评价精度和防治效率具有重要意义。文章以滑坡频发的大渡河中游地区为研究区，初选高程、坡度、坡向、地震动参数、土壤类型、工程地质岩组、年平均降雨量和地形湿度指数（TWI）等13个因子，建立滑坡危险性初级评价指标体系。考虑各因子对滑坡形成贡献程度的不同和目前常权栅格叠加方式对滑坡危险性评价结果精度的影响，引入了地理探测器和变权栅格叠加，构建了地理探测器、信息量法和变权栅格叠加的组合模型（GDIV模型）。基于2021年四川省1∶50 000地质灾害风险调查中313处滑坡地质灾害隐患点，开展基于GDIV模型的大渡河中游地区滑坡危险性评价，并与逻辑回归模型和信息量模型的组合模型（LRI模型）评价结果进行对比分析。结果表明：研究区以中危险及以下危险区为主，占总面积的78.3%，极高和高危险区主要分布在大渡河、革什扎河和东谷河两岸的低海拔地区；与LRI模型相比，基于GDIV模型的评价结果精度更高，其受试者工作特征（ROC）曲线的线下面积（AUC）值为0.917。文章提出的GDIV模型提高了区域滑坡危险性评价精度，可为类似地区地质灾害评价提供方法参考。Abstract: Regional geological hazard assessment is an important non-engineering approach for disaster reduction and prevention. Constructing a regional landslide hazard assessment model is of great significance in improving the accuracy of geological hazard evaluation and the efficiency of prevention. This study focuses on the frequent landslide occurrence in the middle reach area of the Dadu River and selects 13 primary factors, including elevation, slope, aspect, seismic parameters, soil type, engineering geological lithology, annual average rainfall, and topographic wetness index (TWI), to establish a primary evaluation index system for landslide hazard. Considering the varying contributions of each factor to landslide formation and the impact of the commonly used weighted raster superposition methods on assessment accuracy, the geographic detector and variable weight raster overlay techniques are introduced, leading to the development of the GDIV model. Using data from 313 landslide hazard points identified in the 2021 geological hazard risk survey at a scale of 1∶50,000 in Sichuan Province, the landslide hazard assessment in the middle reach area of the Dadu River basin is conducted based on the GDIV model, and the evaluation results are compared with those of the LRI model. The results show that the study area is predominantly characterized by middle and lower risk areas, accounting for 78.3% of the total area. The extremely high and high-risk areas are primarily located in the low-elevation regions along the banks of Dadu River, Geshizha River, and Donggu River. Compared to the LRI model, the evaluation results based on the GDIV model exhibit higher accuracy, with an area under the receiver operating characteristics (ROC) curve of 0.917. The GDIV model proposed in this paper improves the accuracy of regional Landslide hazards assessment, and serves as a valuable reference for similar geological disaster evaluations in other areas.
-
0. 引言
近年来，高速铁路的快速发展对线路的安全性提出了更高的要求。山区铁路受线路平顺性及地形的限制，部分危岩发育地段无法绕避，而危岩形成的崩塌落石灾害给工程建设及运营安全提出了严峻挑战[1-4]。同时，频发的危岩落石灾害也严重威胁着人民生命财产安全，例如：2009年7月25日，都江堰—汶川公路的彻底关大桥被落石冲击受损，造成人员伤亡，道路切断[5]；2013年贵州省发生大规模山体崩塌，崩塌体掩埋房屋数间，灾害造成5人失踪，转移安置21户79人[6]；2021年4月23日，重庆城口县国道G211龙田段发生危岩垮塌，造成国道封锁；可见，危岩一旦演化成崩塌落石，造成的危害和损失将不可挽回，因此危岩落石灾害的危险性分区评价对拟建工程尤为重要。
国外较早地对崩塌落石灾害展开了研究，危岩落石危险性分区分级系统和评价方法已较为完善[7-8]。Hasegawa等[9]基于数字高程模型（DEM）提出了一种计算铁路线路崩塌落石风险的方法。Fanos[10]基于激光扫描数据和GIS三维建模技术提出了一种危岩落石危险性的评价方法。
国内学者对灾害的研究起步较晚，但发展迅速，在崩塌落石灾害危险性分区与评价方面取得了一定的成果。叶四桥等[11-12]提出了危岩危险度AHP-Fuzzy综合评价方法，同时定义了隧道洞口坡段落石灾害危险性分级指标来对危岩落石危险性等级进行综合评价，为危岩落石危险性的研究做出了巨大贡献；唐红梅等[13-14]基于GIS技术获得了三峡库区的重庆巫山县的崩塌灾害危险性分区评价图，并通过层次分析法及模糊综合评价法建立了三峡库区灰岩地区崩塌体危险性模糊综合评价模型；高买燕等[15]通过RocFall数值模拟并结合层次分析法建立崩塌灾害危险性评价方法，将崩塌区分为极高危险、高危险、中危险和低危险4个等级；巩尚卿等[16]从灾害发生可能性与灾害致灾严重性建立了落石灾害危险性概率评价方法；武中鹏等[17]根据蒙特卡洛法计算不同工况下危岩的失稳概率，根据Rockfall模拟出来的落石轨迹确定了落石的影响范围并对影响区进行危险度的划分。
随着无人机航测技术在危岩落石勘察中的应用[18]，不仅提高了野外勘察的工作效率和精度[19]，也让高陡危岩的准确判识成为可能，从而提高危岩落石危险性分区的准确性。本文以拟建济南至枣庄高速铁路杏花峪隧道进口边坡危岩为例，通过采用无人机三维倾斜摄影技术，结合地质数字调绘，对危岩体范围及结构特征进行了准确判识，制作了大比例尺工程地质剖面图。通过3DEC数值模拟结合层次分析法制作了研究区危岩落石危险性分区云图，并提出经济合理的防治对策。研究成果可为铁路选线、崩塌落石灾害治理提供设计依据。
1. 研究区工程地质概况
研究区位于华北台地的鲁西断块，以古生代地层为主体的北倾单斜构造，无褶皱及断裂构造与隧道相交。铁路线路总体走向为南北向，地势北高南低，区域地貌属鲁中南中低山丘陵区。研究区上覆第四系全新统人工填土（
2. 危岩体的工程地质特征
2.1 危岩的发育特征
杏花峪隧道进口斜坡具有坡体陡峻、植被茂密、危岩体隐蔽性高、辨识难度大的特点，因此本文采用无人机航拍来建立该隧道进口边坡的三维实景影像（图1），共判识12处较为明显的危岩带（图2）。
通过三维倾斜摄影模型在三维倾斜摄影模型中利用Acute 3D Viewer软件的坐标、距离、体积测量功能，获得了对铁路工程威胁较大的7处典型危岩体（图3）体积、落石块径大小、与铁路轨面的相对高度等信息，分析结果见表1。
表 1 危岩带基本特征Table 1. Basic characteristics and scale of rockfall分带编号 危岩体体积/m³ 落石块径/m 相对高度/m 破坏模式 WY-01 12.12 0.2～1.12 44～48 滑移式 WY-03 960 0.4～1.3 0～10 坠落式 WY-04 1.4 0.5 114 滑移式 WY-05 73.2 0.3～1.3 5 坠落式 WY-06 736 0.8～4.3 121～146 倾倒式 WY-07 1 600 0.2～2.2 109～149 倾倒式 WY-08 1 823 0.14～2.12 156～198 倾倒式、滑移式 经判别杏花峪隧道进口危岩体属低位−特高位、小型−大型危岩体，存在倾倒、滑移、坠落三种破坏形式，局部发生失稳崩塌，并形成崩塌堆积体（图2）。
2.2 危岩体结构特征
研究区地层岩性较为单一为花岗岩，但斜坡植被茂密、坡面陡峻，采用传统地质测绘的方式较为困难。故通过无人高精度遥感测量，并提取优势结构面特征点的三维坐标数据拟合结构面，共得到93条结构面产状信息。通过统计这93条节理裂隙，共拟合4组优势结构面（图4、图5、表2）：246°∠78°、66°∠88°、314°∠30°、155°∠80°。
![]()
图 5 危岩体结构面点密度等值线图（下半球）Figure 5. Contour map of structural point density（lower hemisphere）表 2 结构面基本特征Table 2. Basic characteristics of joint surface结构面编号 产状 延伸长度
/m间距
/m起伏度 张开或
闭合充填情况 1号原生
结构面246°∠78° 3.24 0.86 平直 张开 无充填 2号节理面 66°∠88° 2.66 1.72 波状起伏 张开 无充填 3号节理面 314°∠30° 4.56 1.75 平直 张开 充填 4号节理面 155°∠80° 1.32 0.35 波状起伏 闭合 无充填 其中246°∠78°为花岗岩侵入过程中形成的原生结构面，314°∠30°、66°∠88°、155°∠80°这三组节理面与原生节理相互切割形成不利组合。根据其结构面交切组合特征，并结合专利“一种获取危岩体地形剖面的方法”[20]，绘制出3、6、8号危岩带中的典型危岩体的大比例尺工程地质剖面图（图6、图7、图8）。
2.3 危岩体稳定性评价
2.3.1 变形破坏影响因素与失稳破坏模式
结合野外现场调查和室内分析，杏花峪隧道进口危岩体的变形破坏模式主要受内因（地形地貌、地层岩性、节理裂隙发育情况）和外因（地震、降雨、风化 作用、人类工程活动的影响）控制。
该斜坡位于玉带河凹岸，受水流长期冲刷作用形成陡坡，黄巢水库修建后河流水流流速减缓，近于平静，冲刷能力减弱；斜坡地层岩性单一，为花岗岩硬岩地层，抗风化能力较强，岩体呈近直立或倒悬状态；由于坡体倾向北西，原生结构面（246°∠78°）倾向南西，且受两组（314°∠30°、155°∠80°）优势构造结构面的切割形成不利块体，岩体易于向北东滑落，最终形成近直立及倒倾危岩体，进而产生倾倒式和坠落式破坏。
2.3.2 危岩体稳定性计算
根据边坡岩体结构特征及危岩体变形破坏模式，采用极限平衡法对边坡危岩体在不同工况组合下的稳定性进行计算，计算结果见表3。
表 3 危岩体稳定性计算结果Table 3. Stability calculation results of rockfall工况危岩编号 天然工况 暴雨工况 地震工况 K 稳定性评价 K 稳定性评价 K 稳定性评价 1号危岩体 1.23 基本稳定 1.19 欠稳定 0.99 不稳定 3号危岩体 1.31 基本稳定 1.22 欠稳定 1.06 欠稳定 4号危岩体 1.15 欠稳定 1.14 欠稳定 0.94 不稳定 5号危岩体 1.24 欠稳定 1.08 欠稳定 0.86 不稳定 6号危岩体 1.23 基本稳定 1.02 欠稳定 0.94 不稳定 7号危岩体 1.61 稳定 1.08 欠稳定 0.73 不稳定 8号危岩体 1.07 欠稳定 0.99 不稳定 0.77 不稳定 危岩体在天然状态下处于稳定−欠稳定状态，在暴雨工况下，处于欠稳定−不稳定状态，在地震、爆破振动等不利工况组合作用下，危岩带的危岩体处于欠稳定−不稳定状态。
3. 危岩落石危险性分区与评价
3.1 数值模拟
3.1.1 建立地质模型
3DEC是一款基于离散单元法作为基本理论以描述离散介质力学行为的计算分析程序，能很好地模拟离散岩体的运动过程，从而获得滑坡、崩塌体的运动路径、运动速度、运动位移。因此，本文采用3DEC数值模拟软件建立了杏花峪隧道进口边坡7处危岩体的三维地质模型（图9）。模型长600 m，宽560 m，高约283 m，根据地质模型设定模型的y方向为重力方向，地质模型x、y方向和z方向底面为约束边界，采用3DEC莫尔—库仑模型开展计算。
![]()
图 9 杏花峪隧道进口危岩带三维地质模型Figure 9. Three-dimensional geological model of rockfall at Xinghuayu tunnel entrance由于该处危岩带发育主要由4组优势结构面切割（246°∠78°、314°∠30°、66°∠88°、155°∠80°）故对3、5、6、7、8危岩带按照这4组优势结构面进行切割。而1、4号危岩带为松散块体，因此对其进行随机切割。
3.1.2 计算参数的选取
由于杏花峪山体基岩为弱风化花岗岩，3、5、6、7、8危岩带表面多风化为强风化花岗岩，因此考虑其结构面为碎块状强风化花岗岩力学参数；1、4危岩带为花岗岩碎块石，考虑其结构面力学强度为全风化花岗岩，下伏基岩为不可变形的刚体。根据室内的岩土体物理力学试验结果并综合考虑该地区经验值来选取3DEC地质模型的计算参数（表4）。
表 4 模型计算参数统计表Table 4. Model calculation parameter岩土体名称 密度
/（g·cm−3）弹性模量
/MPa剪切模量
/MPa抗拉强度
/MPa内摩擦角
/（°）花岗岩 2.7 58 000 29 000 3.2 65 花岗岩W3
结构面（天然）− − − − 50 花岗岩W3
结构面（暴雨）− − − − 30 花岗岩
碎块石（暴雨）− − − − 20 3.1.3 3DEC数值模拟结果分析
当将杏花峪危岩体天然状态下强风化（W3）的物理力学参数代入模型计算2万步后，模型达到力学平衡状态。由变形量计算结果可知（图10）：1、3、4、5、6、7、8号危岩带整体稳定，没有发生整体破坏，只有3号危岩带及7号危岩带出现局部卸荷变形，3号危岩带变形量约0.6 m，7号危岩带变形量为0.75 m。
当模型在天然状态下达到力学平衡后，将暴雨状态下的花岗岩物理力学参数代入3、5、6、7、8危岩带，将花岗岩碎块石的物理力学参数代入1、4危岩带。当迭代至48万步时，模型达到力学平衡（图11），1、3、4、6、7号危岩带出现了显著失稳破坏，5、8号危岩带前缘出现了局部失稳破坏，最大滑动位移量为56.5 m（图12）。
![]()
图 11 危岩带暴雨状态下数值模拟计算结果Figure 11. Numerical simulation results of rockfall under rainstorm condition![]()
图 12 危岩带暴雨状态下的位移量计算结果Figure 12. Displacement calculation results of rockfall under rainstorm condition1号危岩带滑移后散落至坡体中部，最大滑移距离约14 m，最大滑移速率9 m/s。3号危岩带坠落后停积于斜坡坡脚处，最大滑移距离约32 m，最大滑移速率23 m/s。4号危岩带滑移后停积于斜坡冲沟内，最大滑移距离31.5 m，最大滑移速率16 m/s。5号危岩体位于隧道进口处，发生局部崩塌坠落至斜坡下部，对桥隧接口处造成较大威胁，最大滑移距离为42.5 m，最大滑移速率为25 m/s。6号危岩带崩落后停积于下部缓坡及沟槽中，最大滑移距离55.5 m，最大滑移速率34 m/s。7号危岩带崩落后停积于下部缓坡中，最大滑移距离56.5 m，最大滑移速率51 m/s。8号危岩带上部块体出现局部崩落，崩落后停积于斜坡上，最大滑移距离6.5 m，最大滑移速率5 m/s。
综上所述，杏花峪隧道进口危岩体通过数值模拟表明，4、6、7、8号危岩带滑动后岩体不会滑落至杏花峪隧道进口及清水圈大桥桥下。5号危岩带在暴雨条件下会发生局部崩落，对隧道进口及清水圈桥梁桥墩威胁极大需清除坡表及上部松散岩块，避免发生局部崩塌威胁施工及铁路运营安全。
3.2 指标选取及权重计算
通常来说，崩塌落石的危险性主要体现在危岩体自身的稳定程度以及对承载物的破坏能力两个方面。以此选取了危岩体的稳定性、危岩体体积、落石运动速度、落石数量、落石块径及下垫面特征这6个评价指标来对危岩落石的危险性进行分区和评价。参考前人对这6个指标打分标准的划分[21-22]，来建立评价指标的打分标准（表5）。
表 5 评价指标打分表及权重值Table 5. Evaluation index score and weight value评价指标（i） 低危险性0～25（S） 中危险性25～50（S） 高危险性50～75（S） 极高危险性75～100（S） 权重值 危岩稳定性 稳定 基本稳定 欠稳定 不稳定 0.402 落石运动速度/（m·s−1） S<0.5 0.5≤S<5 5≤S<15 15≤S 0.235 落石数量/个 0 0≤N<3 3≤N<5 5≤N 0.146 危岩体体积/m3 V≤10 10<V≤100 100<V≤10 000 10 000<V 0.083 落石块径/m <0.1 0.1≤D<0.5 0.5≤D<1 1≤D 0.083 下垫面特征 松散土质，
植被极茂盛较中等密实的土质，
植被较茂盛较密实坚硬的土质，
有植被坚硬岩质，
植被稀少0.051 采用层次分析法（analytic hierarchy process，AHP）[23]对稳定性、危岩体体积、落石运动速度、落石数量、落石块径及下垫面特征这6个评价指标的重要性进行两两比较，并基于AHP法的评价尺度将评价指标之间的权重关系用数值表示出来，建立正互反判断矩阵，归一化后求得6个评价指标的权重：W=（0.402，0.235，0.146，0.083，0.083，0.051）。
为保证判断者评价逻辑的一致性及指标比较次序的一致性，需对判断矩阵进行一致性检验及次序一致性检验。对于判断矩阵的一致性检验，采用和积法近似求得判断矩阵的最大特征根λmax = 6.051，一致性指标C.I.=0.010、6阶判断矩阵的随机一致性指标R.I.=1.240，因此，一致性评价指标C.R.=C.I./R.23.=0.008<0.1，说明此判断矩阵满足一致性检验。
3.3 危险性分区评价
通过3DEC数值模拟，可以获得危岩体失稳破坏后的运动范围、落石运动速度及落石数量，而通过现场地质调绘和无人机三维实景模型可以获得下垫面的岩性及植被发育情况。通过稳定性、危岩体体积、落石运动速度、落石数量、落石块径及下垫面特征这6个指标的打分值可以计算危岩的综合评分值：
(1) 式中：
结果得到F1=49.02、F3=63.20、F4=48.42、F5=74.23、F6=70.21、F7=69.12、F8=63.92其综合评分值对应的危险性分区见下表6。
表 6 综合评分值与危险性分区的对应关系Table 6. The corresponding relationship between comprehensive score value and hazard zone危险性分区
及综合
评分值F极高危险区
75＜F≤100高危险区
50＜F≤75中危险区
25＜F≤50低危险区
0＜F≤25危岩编号 无 3、5、6、7、8号 1、4号 无 打分结果显示：在3DEC数值模拟结合层次分析法（AHP）进行危险性分区的7处危岩带中，1、4号危岩带影响区域处于中危险区，3、5、6、7、8号危岩带影响区域处于高危险区域。
将3DEC模拟落石运动的计算结果在地形图上圈出，结合危岩落石危险性评分结果，重叠部分按最高危险性原则确定，可获得大小为600 m×560 m的杏花峪隧道进口范围内危岩体的危险性分区云图（图13）。
根据研究区杏花峪隧道进口边坡范围内的危岩落石危险性分区图可知：
中危险区（黄色）主要分布在线路D1K38+188左侧60～77 m处，高程379～396 m，以及线路D1K38+326左侧70～96 m处，高程433～463 m，平面总面积1009.16 m2，占区域总面积的0.30%；
高危险区（橙色）主要分布于线路D1K38+129～153 左侧44～55 m范围内，高程在332～369 m，以及线路D1K38+297～399 m右侧63～208 m处，高程在421～502 m，平面总面积9451.01 m²，占区域总面积的2.81%。
其余为低危险区。在暴雨工况下，隧道进口处于高危险性区域，5号危岩带对隧道进口有较大威胁。
4. 防治措施
根据获取的研究区危岩落石危险性分区云图可知，对杏花峪隧道进口及相邻桥台有影响的为5号危岩带，隧道洞口处于高危险性区域。且隧道洞口上方植被茂密，存在潜在危岩体的可能性较高。
地质灾害的防治工程遵循主动避让、综合防治的原则，根据《崩塌防治工程设计规范（试行）》[24]，该防治工程等级属I级。考虑危岩落石威胁工程设施的重要性，受灾损失大，故针对5号危岩带及其上方隐蔽的落石源区，建议采用“被动防护网+接长明洞”对危岩带进行综合防治，并在铁路建设及运营阶段对危岩带进行动态监测，以达到拟建工程对灾害的防治要求。
5. 结论
本文通过现场调查、无人机三维倾斜摄影、数字地质调绘的手段，对济枣线杏花峪隧道进口范围内的危岩带的发育特征、规模、变形破坏模式进行了详细的判识，并基于3DEC数值模拟对危岩落石的运动特征进行了分析，结合层次分析法制作了研究区危岩落石危险性分区云图，针对拟建工程提出了相应的防治对策，主要得到以下结论：
（1）杏花峪隧道进口共识别出12处危岩带，其中7处对铁路隧道进口构成潜在威胁。
（2）1、4号危岩带影响区域处于中危险区，3、5、6、7、8号危岩带影响区域处于高危险区域。
（3）5号危岩带对隧道洞口及桥台安全影响最大，其余危岩带对隧道无影响。
（3）针对影响拟建工程的5号危岩带及其上方隐蔽落石源区，采用“被动防护网+明洞”方式进行综合防治。
-
![]()
图 1 大渡河中游地区滑坡分布图和地质条件背景图
Figure 1. Map of landslide distribution and geological conditions in the middle reach area of Dadu River
![]()
图 2 大渡河中游地区滑坡危险性初级评价指标体系分级图
Figure 2. Grading chart of the primary hazard assessment index system for landslides in the middle reach area of Dadu River Basin
表 1 交互作用探测器因子关系
Table 1 Factor relationships of interaction detectors
因子关系 交互作用 q(X1∩X2)<Min(q(X1), q(X2)) 非线性减弱 Min(q(X1), q(X2))< q(X1∩X2)< Max (q(X1), q(X2)) 单因子非线性减弱 q(X1∩X2)> Max (q(X1), q(X2)) 双因子增强 q(X1∩X2)= q(X1)+q(X2) 独立 q(X1∩X2)> q(X1)+q(X2) 非线性增强 
下载: 导出CSV
表 2 滑坡初级评价指标q值统计
Table 2 Statistical analysis of primary evaluation index q-values for landslides
类别 指标 q值 p值 地质特征 工程地质岩组（X1） 0.156 0.000 与断层距离（X2） 0.087 0.000 地震 地震动参数（X3） 0.164 0.000 地形地貌 高程（X4） 0.583 0.000 坡度（X5） 0.021 0.023 坡向（X6） 0.038 0.003 地形湿度指数（X7） 0.017 0.297 归一化植被指数（X8） 0.072 0.000 土壤类型（X9） 0.415 0.000 地表水系 与河流距离（X10） 0.158 0.000 径流强度指数（X11） 0.032 0.015 降雨 年平均降雨量（X12） 0.182 0.000 人类活动 与道路距离（X13） 0.115 0.000
下载: 导出CSV
表 3 部分滑坡初级评价指标交互作用
Table 3 Interactions of primary evaluation indicators for landslides
Xi∩Xj q(Xi) q(Xj) q(Xi∩Xj) q(Xi)+q(Xj) 交互类型 X4∩X1 0.583 0.156 0.736 0.739 双因子增强 X3∩X4 0.164 0.583 0.676 0.747 双因子增强 X9∩X4 0.415 0.583 0.596 0.998 双因子增强 X10∩X4 0.158 0.583 0.603 0.741 双因子增强 X13∩X4 0.115 0.583 0.597 0.698 双因子增强 X12∩X4 0.182 0.583 0.672 0.765 双因子增强 X9∩X3 0.415 0.164 0.537 0.579 双因子增强 X9∩X1 0.415 0.156 0.555 0.571 双因子增强 X9∩X10 0.415 0.158 0.434 0.573 双因子增强 X9∩X13 0.415 0.115 0.428 0.53 双因子增强 X9∩X12 0.415 0.182 0.527 0.597 双因子增强 X10∩X3 0.158 0.164 0.312 0.322 双因子增强 X10∩X1 0.158 0.156 0.344 0.314 非线性增强 X13∩X3 0.115 0.164 0.276 0.279 双因子增强 X13∩X1 0.115 0.156 0.278 0.271 非线性增强 X3∩X1 0.164 0.156 0.329 0.320 非线性增强 X13∩X10 0.115 0.158 0.226 0.273 双因子增强 X10∩X12 0.158 0.182 0.343 0.340 非线性增强 X13∩X12 0.115 0.182 0.292 0.297 双因子增强 X3∩X12 0.164 0.182 0.269 0.346 双因子增强 X12∩X1 0.182 0.156 0.348 0.338 非线性增强
下载: 导出CSV
表 4 危险性评价因子分级与信息量值
Table 4 Grading and information value of hazard evaluation factors
评价因子 分级 信息量值 评价因子 分级 信息量值 高程/m <2 700 2.058 年平均
降雨量/mm<750 −0.557 2 700～3 200 1.308 750～775 0.438 3 200～3 600 −1.37 775～800 −1.014 3 600～4 000 −2.445 800～840 −0.055 4 000～4 400 −3.76 840～880 −0.404 > 4400 — >880 −0.231 土壤类型 淋溶土 1.685 地震动
参数<0.1 0.151 半淋溶土 — 0.1～0.15 0.464 初育土 −3.921 0.15～0.2 −1.059 高山土 0.107 0.2～0.3 — 人为土 1.429 与道路
距离/m<100 1.500 铁铝土 0.890 100～200 1.227 与河流
距离/m<400 −1.204 200～300 1.148 400～800 −0.826 300～400 1.053 800～1 200 −0.025 400～500 0.789 1 200～1 600 0.004 >500 −0.335 1 600～2 000 0.577 >2 000 1.038 工程地质
岩组坚硬岩 0.023 较坚硬岩 0.443 较软岩 1.878 松散土类 −1.086
下载: 导出CSV
表 5 滑坡危险性评价因子逻辑回归分析结果
Table 5 Results of logistic regression analysis for landslide hazard evaluation factors
评价因子 B SE Wald df sig Exp(B) 高程 4.992 0.551 82.210 1 0.000 147.24 土壤类型 3.001 0.550 29.785 1 0.000 20.110 工程地质岩组 1.606 0.837 3.387 1 0.000 4.666 年平均降雨量 1.103 0.379 8.468 1 0.000 3.013 与道路距离 0.995 0.396 2.573 1 0.000 2.435 地震动参数 0.802 0.469 1.657 1 0.000 1.830 与河流距离 0.148 0.398 5.259 1 0.001 0.739 常数 −7.132 0.696 104.815 1 0.000 0.001 注：B为模型中各变量的回归系数、SE是标准差、Wald是卡方统计、Sig为显著性水平,df和Exp(B)为逻辑回归的结果参数。
下载: 导出CSV
表 6 滑坡危险性评价因子权重值
Table 6 Weight values of landslide hazard assessment factors
因子 q值 权重 高程 0.583 0.329 土壤类型 0.415 0.234 年平均降雨量 0.182 0.103 地震动参数 0.164 0.092 与河流距离 0.158 0.089 工程地质岩组 0.156 0.088 与道路距离 0.115 0.065
下载: 导出CSV
-
[1] 赵东亮,兰措卓玛,侯光良,等. 青海省河湟谷地地质灾害易发性评价[J]. 地质力学学报,2021,27(1):83 − 95. [ZHAO Dongliang,LAN C,HOU Guangliang,et al. Assessment of geological disaster susceptibility in the Hehuang Valley of Qinghai Province[J]. Journal of Geomechanics,2021,27(1):83 − 95. (in Chinese with English abstract) ZHAO Dongliang, LAN C, HOU Guangliang, et al. Assessment of geological disaster susceptibility in the Hehuang Valley of Qinghai Province[J]. Journal of Geomechanics, 2021, 27（1）: 83-95. （in Chinese with English abstract）
[2] CENGIZ L D,ERCANOGLU M. A novel data-driven approach to pairwise comparisons in AHP using fuzzy relations and matrices for landslide susceptibility assessments[J]. Environmental Earth Sciences,2022,81(7):1 − 23.
[3] WANG Di,HAO Mengmeng,CHEN Shuai,et al. Assessment of landslide susceptibility and risk factors in China[J]. Natural Hazards,2021,108(3):3045 − 3059. DOI: 10.1007/s11069-021-04812-8
[4] TAN Qulin,BAI Minzhou,ZHOU Pinggen,et al. Geological hazard risk assessment of line landslide based on remotely sensed data and GIS[J]. Measurement,2021,169:108370. DOI: 10.1016/j.measurement.2020.108370
[5] BIÇER Ç T,ERCANOGLU M. A semi-quantitative landslide risk assessment of central Kahramanmaraş City in the Eastern Mediterranean region of Turkey[J]. Arabian Journal of Geosciences,2020,13(15):732. DOI: 10.1007/s12517-020-05697-w
[6] SCIARRA M,COCO L,URBANO T. Assessment and validation of GIS-based landslide susceptibility maps:A case study from Feltrino stream basin (Central Italy)[J]. Bulletin of Engineering Geology and the Environment,2017,76(2):437 − 456. DOI: 10.1007/s10064-016-0954-7
[7] 罗守敬,王珊珊,付德荃. 北京山区突发性地质灾害易发性评价[J]. 中国地质灾害与防治学报,2021,32(4):126 − 133. [LUO Shoujing,WANG Shanshan,FU Dequan. Assessment on the susceptibility of sudden geological hazards in mountainous areas of Beijing[J]. The Chinese Journal of Geological Hazard and Control,2021,32(4):126 − 133. (in Chinese with English abstract) LUO Shoujing, WANG Shanshan, FU Dequan. Assessment on the susceptibility of sudden geological hazards in mountainous areas of Beijing[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32（4）: 126-133. （in Chinese with English abstract）
[8] ZHAO Fumeng,MENG Xingmin,ZHANG Yi,et al. Landslide susceptibility mapping of Karakorum highway combined with the application of SBAS-InSAR technology[J]. Sensors,2019,19(12):2685. DOI: 10.3390/s19122685
[9] 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) 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）
[10] 屠水云,张钟远,付弘流,等. 基于CF与CF-LR模型的地质灾害易发性评价[J]. 中国地质灾害与防治学报,2022,33(2):96 − 104. [TU Shuiyun,ZHANG Zhongyuan,FU Hongliu,et al. Geological hazard susceptibility evaluation based on CF and CF-LR model[J]. The Chinese Journal of Geological Hazard and Control,2022,33(2):96 − 104. (in Chinese with English abstract) TU Shuiyun, ZHANG Zhongyuan, FU Hongliu, et al. Geological hazard susceptibility evaluation based on CF and CF-LR model[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33（2）: 96-104. （in Chinese with English abstract）
[11] JIAO Yuanmei,ZHAO Dongmei,DING Yinping,et al. Performance evaluation for four GIS-based models purposed to predict and map landslide susceptibility:A case study at a World Heritage site in Southwest China[J]. CATENA,2019,183:104221. DOI: 10.1016/j.catena.2019.104221
[12] 罗路广,裴向军,谷虎,等. 基于GIS的 “8·8” 九寨沟地震景区地质灾害风险评价[J]. 自然灾害学报,2020,29(3):193 − 202. [LUO Luguang,PEI Xiangjun,GU Hu,et al. Risk assessment of geohazards induced by “8·8” earthquake based on GIS in Jiuzhaigou scenic area[J]. Journal of Natural Disasters,2020,29(3):193 − 202. (in Chinese with English abstract) LUO Luguang, PEI Xiangjun, GU Hu, et al. Risk assessment of geohazards induced by “8.8” earthquake based on GIS in Jiuzhaigou scenic area[J]. Journal of Natural Disasters, 2020, 29（3）193-202（in Chinese with English abstract）
[13] 付树林,梁丽萍,刘延国. 基于CF-Logistic模型的雅砻江新龙段地质灾害易发性评价[J]. 水土保持研究,2021,28(4):404 − 410. [FU Shulin,LIANG Liping,LIU Yanguo. Assessment on geohazard susceptibility in Xinlong section of Yalong River based on CF-logistic model[J]. Research of Soil and Water Conservation,2021,28(4):404 − 410. (in Chinese with English abstract) FU Shulin, LIANG Liping, LIU Yanguo. Assessment on geohazard susceptibility in Xinlong section of yalong river based on CF-logistic model[J]. Research of Soil and Water Conservation, 2021, 28（4）404-410（in Chinese with English abstract）
[14] DUMAN T Y,CAN T,GOKCEOGLU C,et al. Application of logistic regression for landslide susceptibility zoning of Cekmece Area,Istanbul,Turkey[J]. Environmental Geology,2006,51(2):241 − 256. DOI: 10.1007/s00254-006-0322-1
[15] 胡涛,樊鑫,王硕,等. 基于逻辑回归模型和3S技术的思南县滑坡易发性评价[J]. 地质科技通报,2020(2):113 − 121. [HU Tao,FAN Xin,WANG Shuo,et al. Landslide susceptibility evaluation of Sinan County using logistics regression model and 3S technology[J]. Geological Science and Technology Information,2020(2):113 − 121. (in Chinese with English abstract) HU Tao, FAN Xin, WANG Shuo, et al. Landslide susceptibility evaluation of Sinan County using logistics regression model and 3S technology[J]. Geological Science and Technology Information, 2020（2）: 113-121. （in Chinese with English abstract）
[16] 田春山,刘希林,汪佳. 基于CF和Logistic回归模型的广东省地质灾害易发性评价[J]. 水文地质工程地质,2016,43(6):154 − 161. [TIAN Chunshan,LIU Xilin,WANG Jia. Geohazard susceptibility assessment based on CF model and Logistic Regression models in Guangdong[J]. Hydrogeology & Engineering Geology,2016,43(6):154 − 161. (in Chinese with English abstract) TIAN Chunshan, LIU Xilin, WANG Jia. Geohazard susceptibility assessment based on CF model and Logistic Regression models in Guangdong[J]. Hydrogeology and Engineering Geology, 2016, 43（6）154-161（in Chinese with English abstract）
[17] 饶品增,曹冉,蒋卫国. 基于地理加权回归模型的云南省地质灾害易发性评价[J]. 自然灾害学报,2017,26(2):134 − 143. [RAO Pinzeng,CAO Ran,JIANG Weiguo. Susceptibility evaluation of geological disasters in Yunnan Province based on geographically weighted regression model[J]. Journal of Natural Disasters,2017,26(2):134 − 143. (in Chinese with English abstract) Rao Pinzeng, Cao Ran, Jiang Weiguo. Susceptibility evaluation of geological disasters in Yunnan Province based on geographically weighted regression model[J]. Journal of Natural Disasters, 2017, 26（2）: 134-143. （in Chinese with English abstract）
[18] 王丽丽,苏程,冯存均,等. 数据驱动自适应更新的斜坡地质灾害易发性评价系统[J]. 岩石力学与工程学报,2016,35(S1):3076 − 3083. [WANG Lili,SU Cheng,FENG Cunjun,et al. A data driven self-adaptive update landslide susceptibility assessment system[J]. Chinese Journal of Rock Mechanics and Engineering,2016,35(S1):3076 − 3083. (in Chinese with English abstract) WANG Lili, SU Cheng, FENG Cunjun, et al. A data driven self-adaptive update landslide susceptibility assessment system[J]. Chinese Journal of Rock Mechanics and Engineering, 2016, 35（S1）: 3076-3083. （in Chinese with English abstract）
[19] 黄发明,殷坤龙,蒋水华,等. 基于聚类分析和支持向量机的滑坡易发性评价[J]. 岩石力学与工程学报,2018,37(1):12 − 167. [HUANG Faming,YIN Kunlong,JIANG Shuihua,et al. Landslide susceptibility assessment based on clustering analysis and support vector machine[J]. Chinese Journal of Rock Mechanics and Engineering,2018,37(1):12 − 167. (in Chinese with English abstract) Huang Faming, Yin Kunlong, Jiang Shuihua, et al. Landslide susceptibility assessment based on clustering analysis and support vector machine[J]. Chinese Journal of Rock Mechanics and Engineering, 2018, 37（1）: 12. （in Chinese with English abstract）
[20] 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(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(1):321 − 330. (in Chinese with English abstract) 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（1）: 321-330. （in Chinese with English abstract）
[21] 丁茜,赵晓东,吴鑫俊,等. 基于RBF核的多分类SVM滑塌易发性评价模型[J]. 中国安全科学学报,2022,32(3):194 − 200. [DING Xi,ZHAO Xiaodong,WU Xinjun,et al. Landslide susceptibility assessment model based on multi-class SVM with RBF kernel[J]. China Safety Science Journal,2022,32(3):194 − 200. (in Chinese with English abstract) DING Xi, ZHAO Xiaodong, WU Xinjun, et al. Landslide susceptibility assessment model based on multi-class SVM with RBF kernel[J]. China Safety Science Journal, 2022, 32（3）: 194-200. （in Chinese with English abstract）
[22] 唐川,马国超. 基于地貌单元的小区域地质灾害易发性分区方法研究[J]. 地理科学,2015(1):91 − 98. [TANG Chuan,MA Guochao. Small regional geohazards susceptibility mapping based on geomorphic unit[J]. Scientia Geographica Sinica,2015(1):91 − 98. (in Chinese with English abstract) Tang Chuan, Ma Guochao. Small regional geohazards susceptibility mapping based on geomorphic unit[J]. Scientia Geographica Sinica, 2015（1）: 91-98. （in Chinese with English abstract）
[23] WANG Fei,XU Peihua,WANG Changming,et al. Application of a GIS-based slope unit method for landslide susceptibility mapping along the Longzi River,southeastern Tibetan Plateau,China[J]. ISPRS International Journal of Geo-Information,2017,6(6):172. DOI: 10.3390/ijgi6060172
[24] 陈前,晏鄂川,黄少平,等. 基于样本与因子优化的黄冈南部地区地质灾害易发性评价[J]. 地质科技通报,2020(2):175 − 185. [CHEN Qian,YAN Echuan,HUANG Shaoping,et al. Susceptibility evaluation of geological disasters in southern Huanggang based on samples and factor optimization[J]. Geological Science and Technology Information,2020(2):175 − 185. (in Chinese with English abstract) CHEN Qian, YAN Echuan, HUANG Shaoping, et al. Susceptibility evaluation of geological disasters in southern Huanggang based on samples and factor optimization[J]. Geological Science and Technology Information, 2020（2）: 175-185. （in Chinese with English abstract）
[25] 陈绪钰,倪化勇,李明辉,等. 基于加权信息量和迭代自组织聚类的地质灾害易发性评价[J]. 灾害学,2021,36(2):71 − 78. [CHEN Xuyu,NI Huayong,LI Minghui,et al. Geo-hazard susceptibility evaluation based on weighted information value model and ISODATA cluster[J]. Journal of Catastrophology,2021,36(2):71 − 78. (in Chinese with English abstract) CHEN Xuyu, NI Huayong, LI Minghui, et al. Geo-hazard susceptibility evaluation based on weighted information value model and ISODATA cluster[J]. Journal of Catastrophology, 2021, 36（2）: 71-78. （in Chinese with English abstract）
[26] 牛强,揭巧,李县. 变权栅格叠加方法研究—以生态敏感性评价为例[J]. 地理信息世界,2017,24(5):27 − 34. [NIU Qiang, JIE Qiao,LI Xian. Research on variable weight raster overlay-taking ecological sensitivity evaluation as an example[J]. Geomatics World,2017,24(5):27 − 34. (in Chinese with English abstract) QIANG niu, QIAO Jie, XIAN Li. Research on variable weight raster overlay-taking ecological sensitivity evaluation as an example[J]. Geomatics World, 2017, 24（5）: 27-34. （in Chinese with English abstract）
[27] 韩用顺,孙湘艳,刘通,等. 基于证据权-投影寻踪模型的藏东南地质灾害易发性评价[J]. 山地学报,2021,39(5):672 − 686. [HAN Yongshun,SUN Xiangyan,LIU Tong,et al. Susceptibility evaluation of geological hazards based on evidence weight-projection pursuit model in southeast Tibet,China[J]. Mountain Research,2021,39(5):672 − 686. (in Chinese with English abstract) HAN Yongshun, SUN Xiangyan, LIU Tong, et al. Susceptibility evaluation of geological hazards based on evidence weight-projection pursuit model in southeast Tibet, China[J]. Mountain Research, 2021, 39（5）: 672-686. （in Chinese with English abstract）
[28] 支泽民, 刘峰贵, 周强, 等. 基于流域单元的地质灾害易发性评价—以西藏昌都市为例[J]. 中国地质灾害与防治学报,2023,34(1):139 − 150. [ZHI Zemin, LIU Fenggui, ZHOU Qiang, et al. Evaluation of geological hazards susceptibility based on watershed units:A case study of the Changdu City, Tibet[J]. The Chinese Journal of Geological Hazard and Control,2023,34(1):139 − 150. (in Chinese with English abstract) ZHI Zemin, LIU Fenggui, ZHOU Qiang, et al. Evaluation of geological hazards susceptibility based on watershed units: a case study of the Changdu City, Tibet[J]. The Chinese Journal of Geological Hazard and Control, 2023, 34(1): 139-150.(in Chinese with English abstract)
[29] YANG Yanguo,YU Jiaqi,FU Yubin,et al. Research on geological hazard risk assessment based on the cloud fuzzy clustering algorithm[J]. Journal of Intelligent & Fuzzy Systems,2019,37(4):4763 − 4770.
[30] 孙滨, 祝传兵, 康晓波, 等. 基于信息量模型的云南东川泥石流易发性评价[J]. 中国地质灾害与防治学报,2022,33(5):119 − 127. [SUN Bin, ZHU Chuanbing, KANG Xiaobo, et al. Susceptibility assessment of debris flows based on information model in Dongchuan, Yunnan Province[J]. The Chinese Journal of Geological Hazard and Control,2022,33(5):119 − 127. (in Chinese with English abstract) SUN Bin, ZHU Chuanbing, KANG Xiaobo, et al. Susceptibility assessment of debris flows based on information model in Dongchuan, Yunnan Province[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(5)119-127(in Chinese with English abstract)
[31] 王劲峰,徐成东. 地理探测器:原理与展望[J]. 地理学报,2017,72(1):116 − 134. [WANG Jinfeng,XU Chengdong. Geodetector:Principle and prospective[J]. Acta Geographica Sinica,2017,72(1):116 − 134. (in Chinese with English abstract) WANG Jinfeng, XU Chengdong. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72（1）116-134（in Chinese with English abstract）
[32] LUO Wei,LIU C C. Innovative landslide susceptibility mapping supported by geomorphon and geographical detector methods[J]. Landslides,2018,15(3):465 − 474. DOI: 10.1007/s10346-017-0893-9
[33] 韩继冲,张朝,曹娟. 基于逻辑回归的地震滑坡易发性评价—以汶川地震、鲁甸地震为例[J]. 灾害学,2021,36(2):193 − 199. [HAN Jichong,ZHANG Hao,CAO Juan. Assessing earthquake-induced landslide susceptibility based on logistic regression in 2008 Wenchuan earthquake and 2014 Ludian earthquake[J]. Journal of Catastrophology,2021,36(2):193 − 199. (in Chinese with English abstract) HAN Jichong, ZHANG Hao, CAO Juan. Assessing earthquake-induced landslide susceptibility based on logistic regression in 2008 Wenchuan earthquake and 2014 Ludian earthquake[J]. Journal of Catastrophology, 2021, 36（2）: 193-199. （in Chinese with English abstract）
-
期刊类型引用(4)
1. 刘美琳，邓睿，李嘉雨，丁浩江，刘芝勇，刘毅. 基于无人机和Rocfall的危岩落石特征分析与运动学模拟研究——以圆宝山隧道出口为例. 铁道技术标准(中英文). 2024(01): 36-44 . 
百度学术
2. 陈宇，沈位刚，宋忠友，高攀，鄢发斌，雍平，张锐. 土垫层缓冲落石冲击力特性离散元数值模拟分析. 中国地质灾害与防治学报. 2024(02): 90-97 . 本站查看
3. 李松岩，李嘉雨，张可，陈亮，罗文豪. 大巴山峡谷区高陡危岩发育特征与风险评价. 路基工程. 2024(04): 34-41 . 百度学术
4. 苏国韶，甘衍垦，刘友能，王钧沐. 危岩稳定性分析的三维离散元超载法与强度折减法对比研究. 山西建筑. 2024(24): 1-5 . 百度学术
其他类型引用(1)
计量
- 文章访问数: 939
- HTML全文浏览量: 219
- PDF下载量: 134
- 被引次数: 5
邮件订阅
RSS