Assessment of landslide susceptibility in southeast Xizang Region based on multiple models
-
摘要:
藏东南地区地质环境复杂、灾害频发，滑坡给区内工程建设和人财安全造成较大威胁。为选出藏东南地区区域滑坡预测精度较高的模型，文章通过实地调研修正滑坡点数据，结合地形地貌因子、地质因子、地表覆盖因子和诱发因子并通过主成分分析法进行因子筛选，采用频率比模型、BP神经网络模型以及两种模型耦合来进行藏东南地区区域滑坡预测，最后用ROC曲线来检验模型精度。结果表明：经过因子筛选后的频率比模型对藏东南地区预测精度最高（AUC=0.889），通过主成分分析剔除因子的模型精度高于未剔除因子模型精度且藏东南地区滑坡主要沿水系分布，多分布在雅鲁藏布江、达曲、藏曲、怒江、澜沧江、伟曲、詹曲和扎曲两侧。利用所得模型对研究区灾害进行预测，得出滑坡点均处于高易发区及易发区内，研究得出的模型可为藏东南地区工程建设提供技术参考。
Abstract:The geological environment in southeast Xizang is complicated and disasters occur frequently. Landslides pose a great threat to engineering construction and human and financial safety in the region. In order to select models with higher precision for regional landslide prediction in southeast Xizang, this paper used modified landslide point data through field investigation, combined with topographic and geomorphic factors, geological factors, land cover factors and induced factors, and screened the factors through principal component analysis. Frequency ratio models, BP neural network models, and a combination of the two models were used for regional landslides prediction in southeast Xizang. Finally, ROC curves were used to evaluate the model accuracy. The results showed that the frequency ratio model after factor selection had the highest prediction accuracy for southeast Xizang (AUC=0.889). Models with factors removed through principal component analysis had higher accuracy than those without removal, and landslides in southeast Xizang were mainly distributed along river systems, including the Yarlung Zangbo River, Daqu River, Zangqu River, Nujiang River, Lancang River, Weiqu River, Janqu River and Zhaqu River. The models were used to predict the disaster in the study area, revealing that landslide points were located in high susceptibility and susceptibility zones. The models developed in this study can provide technical reference for engineering construction in southeast Xizang.
-
Keywords:
- geological hazards /
- landslide /
- frequency ratio /
- BP neural networks /
- southeast Xizang
-
0. 引 言
高液限土是广西地区基建活动中最常遇见的一种特殊土。由于高液限土天然含水率、孔隙比和液塑限高，碾压时不易降到最佳含水率范围内，因而很难达到路基规范要求的压实度且未经处理的高液限土的强度通常较低，不适宜直接作为路基填料。此外，高液限土水稳性较差[1-2]，当含水率改变时，路基强度急剧降低，发生沉降和边坡溜塌等灾害。
为了得到符合规范要求的路基填料，广大学者对高液限土的物理力学性质[3]及改良特性进行研究。相较于在高液限土中掺入砂[4]、碎石[5]、纤维[6]等材料改变颗粒组成的物理改良方式，石灰改良不仅可以改变高液限土的含水率和结构[7]，而且能降低膨胀势[8-9]、提高水稳性[10-11]。因其改良效果好，成本低廉益于推广使用，引起了广大国内外学者关注。BELL[12]研究了养护龄期、温度对石灰改良黏土的强度、线缩率的影响，达到最佳强度的石灰掺量为4.5%～8%。KHEMISSA等[13]研究表明掺入4%的石灰对粘土液塑限指数、CBR以及剪切强度的改良效果最佳，得到高塑性、高膨胀黏土的工程特性最好。SHARMA等[14]研究表明石灰的加入会导致黏土塑性指数降低，处理后的土黏聚力提高5%，内摩擦角增加。PAULA等[15]通过直剪试验研究石灰改良沉积物样品并进行了元素分析，表明Al、Si、Ca、K元素与黏聚力有很强的相关性。刘鑫等[16]采用石灰对广梧高速沿线高液限粉土进行改良，建议掺用5%的石灰。
以上学者研究了不同地区、不同石灰掺量对高液限土无侧限抗压强度、抗剪强度、水稳性以及加州承载比的影响，给出了石灰改良高液限土掺量的范围为4%～8%，但定量研究石灰掺量对高液限土压缩特性和抗剪强度的文献相对较少。何群等[17]分析了固结度对软土抗剪强度的影响，给出抗剪强度指标的函数模型。闫小庆等[18]认为深圳软土的压缩模量随孔隙体积含量、尺度大小和孔隙连通量呈负幂函数变化。因而本文针对广西蒙山荔玉高速沿线的高液限土，通过现场取样、室内直剪和侧限压缩试验，结合初等数学函数模型分析了不同初始含水率下石灰掺量对高液限抗剪强度和压缩特性的影响，确定不同初始含水率下最优石灰掺量，为实际工程提高经济效益。
1. 研究内容
1.1 高液限土性质
根据广西荔玉高速公路第四标段《工程地质勘察报告》以及《施工图设计》显示，该段路基沿线高液限土分布如图1所示，标段全长14.545 km，桥隧比为 21.57%，沿线高液限土段占路基全线 27.25%。
地勘资料显示该标段高液限土物理力学性质几乎相同，尤以K52+790—K53+660段文圩镇内最长，达960 m，占沿线高液限土方量的30%左右，取该段高液限土作为试验材料具有很好的代表性。依据《公路土工试验规程》，对弃土场高液限土进行比重、液塑限以及击实试验。最佳含水率为20.84%，最大干密度为1.60 g/cm3。高液限土物理力学性质指标见表1。
表 1 弃方段高液限土参数指标Table 1. Parameters of high liquid limit soil of spoil样品状态 取样深度/m 天然含水率/% 液限/% 塑限/% 土粒比重 原状土 2.1～2.3 31.30 53.30 28.50 2.76 原状土 6.5～6.7 36.30 52.10 33.70 2.74 扰动土 1.3～1.5 33.43 51.93 22.46 2.79 1.2 研究方法
改良广西荔玉高速沿线弃土场的高液限土初含水率为21%～36%，石灰掺量为高液限土质量的2%～8%，且以2%的变化量递增。按照击实试验确定的最大干密度，采用静压法制样。对不同饱和状态、不同初始含水率以及不同石灰掺量的试件进行侧限压缩和直剪试验。在不同饱和状态下，试样有6种不同初始含水率、5种不同石灰掺量，共30个样本，符合统计学中大样本的要求[19]，其含水率变化范围从最佳含水率到天然最大含水率，石灰掺量覆盖推荐最佳掺量4%～8%，可以代表该改良土的变化规律，在合理抽样的前提下，可以由样本推测出总体情况。根据试件压缩特性和抗剪强度随石灰掺量的变化趋势，选择基本初等数学函数模型拟合，确定石灰掺量对试件压缩特性和抗剪强度的函数模型。在已知初始含水率和石灰掺量的条件下，准确预测改良土的压缩系数和抗剪强度，确定最经济合理的石灰掺量，指导路基施工。
2. 改良土的压缩特性
压缩系数是评价路基填料的重要指标之一，采用南京土壤仪器厂GZQ-1型全自动气压固结仪对试件进行压缩试验，试件尺寸为61.8 mm×20 mm，加压盖板周围用湿棉围住，保持试件含水率，在平衡自重后即开始试验。试件加压稳定标准采用0.01 mm的变形量进行控制，加荷顺序为25 kPa，50 kPa，100 kPa，200 kPa，400 kPa，800 kPa。随着石灰掺量的增加试件的压缩系数如图2所示。
在不同初始含水率下，随着上负荷载增加，试件逐渐压密，压缩系数随石灰掺量的增加逐渐减小，最终趋于稳定，符合指数函数形式变化，数学函数模型如式(1)所示：
(1) 式中：
A、B、C——拟合参数。
试件压缩系数随石灰掺量关系的拟合结果见表2。在相同石灰掺量下，不同初始含水率试件压缩系数改变率(掺灰试件相较素土试件压缩系数的改变量/素土试件压缩系数)相差较小，低掺量(2%)压缩系数改变率为40%，压缩系数降低到60%；当石灰掺量超过4%时，压缩系数减小很少，压缩系数改变率为60%；高掺量(8%)下，压缩系数降低到30%。由图2可知：所有试件的压缩系数均小于0.5 MPa−1,表明试样为中等压缩性土，可作为公路路基设计规范6 m以下路基填料。如若路基填筑高度达15 m，则路基填料的压缩系数不大于0.1 MPa−1，当含水率不高于26.73%时，石灰掺量不低于4%，否则石灰掺量不低于8%，可达到高填方路基填料对压缩性的要求。
表 2 试件压缩系数与石灰掺量的指数模型拟合结果Table 2. Fitting results of exponential model between compression coefficient and lime content数学模型 初始含水率 20.84% 23.68% 26.73% 29.71% 33.75% 34.93% A 0.04±0.00 0.05±0.00 0.05±0.00 0.05±0.00 0.08±0.00 0.07±0.00 B 0.10±0.00 0.13±0.00 0.16±0.00 0.20±0.00 0.25±0.00 0.29±0.00 C 2.26±0.07 2.59±0.11 2.67±0.20 2.88±0.14 2.46±0.07 3.24±0.05 R2 0.9998 0.9996 0.9989 0.9996 0.9998 1.0000 Adj.R2 0.9996 0.9992 0.9977 0.9991 0.9997 0.9999 注：R2 为相关系数平方；Adj.R2为调整后相关系数平方。 3. 改良土的抗剪强度
为研究初始含水率和石灰掺量对高液限土抗剪强度的影响，采用6种不同初始含水率，5种不同石灰掺量共30×2组试样进行快剪试验。其中一组试件进行抽真空饱和。采用南京土壤仪器厂生产的ZJ型应变控制式直剪仪，试样尺寸为61.8 mm×20 mm，剪切速率为0.8 mm/min，荷载加载序列分别为100 kPa，200 kPa，300 kPa，400 kPa，剪切量为6 mm。
3.1 不同饱和状态试件黏聚力结果分析
根据直剪试验结果，绘制不同初始含水率下，黏聚力随石灰掺量变化情况。试件黏聚力随石灰掺量的模型拟合效果分别如图3(a)、3(b)所示。
在图3(a)中，对于不饱和试件，初始含水率越高，相同掺量的石灰对高液限土黏聚力提升越明显。相较素土试件，少量石灰掺量(2%)对高液限土黏聚力改良效果明显，黏聚力提升达28%～170%；加入大量石灰(8%)改良后，黏聚力可提高80%～450%。在图3(b)中，对于饱和试件，石灰可以增加高液限土的水稳性。相较于未经饱和试件的黏聚力，饱和后的素土试件黏聚力降低80% ～90%，而改良试件随着石灰掺量增加，黏聚力降低率(饱和前后黏聚力的变化量/不饱和试件的黏聚力)由72%～81%减小到66%～77%；掺入石灰改良的试件，黏聚力降低率减小6%～18%；初始含水率23.68%和26.73%的素土试件较最佳含水率(20.84%)素土试件的黏聚力高，表明高液限土具有水敏性，遇水后不同初始含水率的素土试件强度衰减不同。由于高液限土具有水敏性，高于最佳含水率3%～6%的高液限土在遇水后强度衰减更小，具有较好的水稳性[20-21]。
SHARMA等[14]研究表明，石灰的掺入会使黏聚力增加，进一步添加石灰时，黏聚力有降低的趋势。由于石灰本身没有黏性，因而改良高液限土黏聚力存在最佳的石灰掺量。当初始含水率不高于26.73%且石灰掺量为6%时，黏聚力增长幅度趋缓；而当初始含水率高于26.73%时，由于初始含水率较高，达到最大黏聚力消耗的石灰增多，石灰掺量为8%时，黏聚力仍有上升趋势，建议改良石灰掺量不低于8%。对于不同状态和初始含水率的试件，随着石灰掺量增加，黏聚力呈幂函数形式变化，且数学函数模型如式(2)所示：
(2) 式中：
A、B−拟合参数。
拟合结果见表3。
表 3 不同状态试件黏聚力幂函数模型拟合结果Table 3. Fitting results of power function model for cohesion of specimens in different states试件状态 数学模型 初始含水率 20.84% 23.68% 26.73% 29.71% 33.75% 34.93% 未饱和 139.62±4.55 126.32±6.07 98.34±3.01 54.77±1.94 28.24±1.05 22.19±2.48 A 24.06±2.69 21.46±3.59 22.70±1.78 19.02±1.15 18.65±0.62 17.65±1.74 B −1.19±0.32 −0.92±0.43 −1.04±0.21 −0.89±0.14 −0.87±0.07 −0.76±0.18 R2 0.9947 0.9899 0.9976 0.9986 0.9996 0.9975 Adj.R2 0.9894 0.9798 0.9952 0.9971 0.9991 0.9949 饱和 12.89±2.05 22.30±2.76 15.94±1.47 10.58±1.32 4.14±1.17 3.08±0.71 A 11.56±1.21 15.26±1.63 13.36±0.87 8.20±0.78 5.57±0.69 4.57±0.42 B −0.62±0.15 −0.99±0.20 −0.77±0.10 −0.44±0.09 −0.29±0.08 −0.21±0.05 R2 0.9948 0.9929 0.9978 0.9958 0.9932 0.9968 Adj.R2 0.9896 0.9857 0.9956 0.9916 0.9863 0.9936 3.2 不同状态试件内摩擦角结果分析
绘制不同初始含水率下，未经饱和试件内摩擦角随石灰掺量变化情况，模型拟合结果如图4所示。
![]()
图 4 未饱和试件内摩擦角幂指数模型拟合Figure 4. Power index model fitting of internal friction angle of unsaturated specimen在图4中，不同初始含水率的高液限土试件，随着石灰掺量的增加，内摩擦角呈上升趋势。相较于素土试件，少量石灰掺量(2%)对高液限土内摩擦角改良效果不明显，内摩擦角仅提高6%～10%；加入大量石灰(8%)改良后，内摩擦角可提高19%～36%；对于不同初始含水率的高液限土，相同石灰掺量对初始含水率高的试件内摩擦角改良效果更好；由于石灰土发生絮凝与团聚反应，导致黏土粒径颗粒团化，因而土的内摩擦角增加。而石灰本身没有明显的摩擦力，过量的石灰会导致内摩擦角降低，当石灰掺量为6%时，初始含水率不高于26.73%的试件内摩擦角增长趋于平缓；当初始含水率高于26.73%时，石灰掺量高于6%时，内摩擦角仍小幅增长，满足幂函数的变化规律，采用二次函数模型进行拟合如式（3）所示：
(3) 式中：
A、B−拟合参数。
拟合结果如表4所示。
表 4 未经饱和试件内摩擦角的幂函数模型拟合结果Table 4. Fitting results of power function model for internal friction angle of unsaturated specimen函数模型 初始含水率 20.84% 23.68% 26.73% 29.71% 33.75% 34.93% 30.79±0.32 29.17±0.45 26.75±0.43 24.83±0.49 24.39±0.28 24.21±0.35 A 1.49±0.19 1.43±0.27 1.69±0.26 1.77±0.26 1.43±0.17 1.40±0.21 B −0.09±0.02 −0.06±0.03 −0.07±0.03 −0.07±0.03 −0.04±0.02 −0.04±0.02 R2 0.9913 0.9872 0.9915 0.9910 0.9966 0.9943 Adj.R2 0.9827 0.9745 0.9830 0.9821 0.9932 0.9887 根据直剪试验结果，分别采用幂函数、指数函数、对数函数模型对饱和试件的内摩擦角与石灰掺量的关系进行研究，三种初等函数模型均能拟合成功。将不同拟合结果进行模型效果比较，无论采用AIC(赤池信息准则，衡量模量拟合优良性标准，AIC越小，模型拟合效果越好)或是BIC(贝叶斯信息准则，BIC越小，模型拟合效果越好)比较法，幂函数和指数函数模型较对数函数模型能达到更好的拟合效果。其中图5(a)为采用幂函数模型拟合，图5(b)为采用指数函数模型进行拟合。
对于饱和素土试件，初始含水率越低，内摩擦角减小率(不同状态试件内摩擦角变化量/不饱和试件的内摩擦角)越大。相较于素土试件，不同初始含水率的改良试件内摩擦角提高约14%～30%。掺灰后，试件的内摩擦角增加率((掺灰试件与素土试件内摩擦角的增量/素土试件内摩擦角)为12%～32%。初始含水率在20.84%～26.73%范围内，随着石灰掺量的增加，内摩擦角趋于稳定；而初始含水率在29.71% ～34.93%范围内，当石灰掺量高于8%时，内摩擦角有减小的趋势。因而采用AIC、BIC以及F检验法比较幂函数和指数函数模型的拟合效果时，却没有得到推荐模型。当石灰掺量大于8%时，饱和试件内摩擦角是趋于稳定还是减小还有待试验验证。由于高掺量的石灰在改良低含水率的高液限土中是不经济的，因此，增加部分高初始含水率、高石灰掺量的饱和试件抗剪强度试验进行验证是很有必要的。试验设计方案见表5。
表 5 试验设计方案Table 5. Experimental design scheme初始含水率/% 石灰掺量/% 黏聚力 内摩擦角 R Adj. R2 29.71 10 51.85 31.10 1.000 0.999 12 47.45 31.78 0.998 0.996 33.75 10 32.20 29.87 0.998 0.996 12 33.5 29.89 0.998 0.995 34.93 10 26.5 29.56 0.999 0.997 12 30.25 30.29 0.994 0.989 根据表5结果，采用赤池信息准则以及贝叶斯信息准则对幂函数和指数模型进行拟合结果进行分析：幂函数模型的AIC值为20.60<指数函数AIC值为58.61；幂函数模型的BIC值为0.39<指数函数BIC值为38.39，由于AIC值、BIC值较小能更好反应模型拟合的优良性，因而对于饱和试件的黏聚力随掺石灰掺量的增加呈幂幂函数形式变化，模型拟合结果见表6。
表 6 饱和试件内摩擦角拟合结果Table 6. Fitting results of internal friction angle of saturated specimen函数模型 方程 初始含水率 20.84% 23.68% 26.73% 29.71% 33.75% 34.93% 幂函数 23.14±0.14 24.12±0.72 24.36±0.95 23.92±0.76 23.79±0.23 23.58±0.12 A 2.00±0.08 2.51±0.43 2.74±0.56 2.53±0.45 1.98±0.14 1.97±0.07 B −0.15±0.01 −0.21±0.05 −0.23±0.07 −0.21±0.05 −0.16±0.02 −0.16±0.01 R2 0.9984 0.9702 0.9539 0.9672 0.9954 0.9988 Adj.R2 0.9968 0.9404 0.9078 0.9345 0.9908 0.9975 3.3 试件抗剪强度包线变化分析
绘制不同饱和状态、不同初始含水率下石灰掺量对高液限土抗剪强度的影响如图6，图7所示。图例A-B，A、B分别为初始含水率和石灰掺量。如20.84-0代表初始含水率20.84%，石灰掺量0%的试件对应的抗剪强度包线，将最佳含水率的素土试件(20.84-0)对应的强度包线，称为标准强度包线。
在图6中，对于未经饱和试件，试件抗剪强度随含水率升高而降低。根据标准强度包线在图中位置，随着初始含水率的升高，高液限土需消耗更多的石灰才能达到标准强度。当初始含水率不高于26.73%，石灰掺量在6%范围内时，试件抗剪强度增加明显；当含水率高于26.73%时，建议石灰掺量不低于8%，此时改良土的抗剪强度仍有明显增加。根据标准强度包线在不同石灰掺量强度包线中的位置结合石灰掺量对抗剪强度增长变化率的影响，建议初始含水率不高于26.73%时，石灰掺量为总质量分数的6%；当含水率高于26.73%时，石灰掺量不低于为总质量分数的8%，此时改良试件抗剪强度不仅能达到标准强度，且不会造成石灰的浪费。
在图7中，相同初始含水率下，饱和试样的抗剪强度随石灰掺量增加而增大，且相邻两强度包线间增加幅度逐渐减小；当石灰掺量高于6%时，随着石灰掺量增加，试件抗剪强度增长较小。
由于高液限土具有水敏性，吸水后不同初始含水率试件的强度衰减不同。初始含水率为23.68%和26.73%的饱和素土试件的抗剪强度均较最佳含水率20.84%对应的标准抗剪强度高，表明浸水后的高液限土水稳性最佳时对应的含水率较击实试验对应的最佳含水率高3%～6%，因此在进行高液限土路基填筑时，建议路基填料含水率比最佳含水率高3%～6%。由于高液限土的击实曲线与CBR曲线是不重合的双驼峰曲线[22-23]，即最大CBR值对应的含水率比最大干密度对应的含水率高，这对于高液限土抗剪强度也适用。若采用饱和素土试件中的最大抗剪强度作为标准强度包线(23.68-0)，则很少掺量的石灰(2%)会对试件的抗剪强度有很大提升，可以达到标准抗剪强度。
4. 结论
对于广西荔玉高速沿线高液限土,分析了饱和状态、初始含水率、石灰掺量对试件侧限压缩特性和抗剪强度的影响，并采用基本初等数学函数模型进行拟合。通过测初始含水率、石灰掺量，确定改良土的压缩特性和抗剪强度。
（1）初始含水率越高的高液限土，改良所需的石灰越多。随着石灰掺量的增加，压缩系数呈指数函数形式减小直至稳定。当石灰掺量为2%时，压缩系数减小幅度高达40%，即较少的石灰掺量可以明显改善高液限土的压缩特性。
（2）初始含水率越高，试件抗剪强度越小。对于不同饱和试件黏聚力和内摩擦角随石灰掺量的增加呈二次函数形式增加，过量的石灰会造成试件抗剪强度的下降。
（3）高液限土具有水敏性，浸水后不同初始含水率的素土试件强度衰减不同。对于饱和素土试件，最大抗剪强度对应的含水率较击实试验获得最大干密度对应的含水率高3%～6%，而掺加石灰可以增加高液限土水稳性。在路基填筑中，填料的含水率要高于最佳含水率3%～6%，此时即具有较高的水稳性，又能达到路基压实度。
（4）改良不同初始含水率的广西荔玉高速沿线高液限土，存在最经济的石灰掺量。石灰的掺入主要提高试件的黏聚力而对内摩擦角影响较小。当含水率不高于26.73%时，建议石灰掺量不低于6%，否则石灰掺量不低于8%。
-
表 1 数据来源
Table 1 Summary table of data sources
一级因子 二级因子 数据来源 类型 精度 地形因子 坡度 国家地理空间数据云（www.gscloud.cn）
国家地质资料数据中心（www.ngac.org.cn）栅格 30 m 坡向 栅格 30 m 高程 栅格 30 m 地形起伏度 栅格 30 m 地质因子 地层岩性 GLi M 全球岩性数据集 栅格 30 m 地表覆盖因子 距河流距离 1∶100万全国基础地理信息数据 矢量 1∶50 000 距道路距离 矢量 1∶50 000 土地利用率 中国科学院资源环境科学与技术中心 矢量 1∶50 000 诱发因子 降雨量 栅格 30 m 
下载: 导出CSV
表 2 因子相关性分析
Table 2 Factor correlation analysis
坡度 坡向 高程 地形起伏度 距河流距离 距道路距离 土地利用 降雨量 地层岩性 坡度 1 坡向 0.062 1 高程 −0.072 −0.016 1 地形起伏度 0.679** 0.077* −0.167** 1 距河流距离 −0.07 0 0.413** −0.073 1 距道路距离 0.053 0.047 −0.049 0.198** 0.162** 1 土地利用 0.007 0.026 0.073 0.053 0.057 0.186** 1 降雨量 0.149** 0.155** −0.547** 0.259** −0.228** 0.195** 0.008 1 地层岩性 0.110** 0.067 −0.353** 0.157** −0.144** 0.098* 0.051 0.295** 1 注：**在0.01级别（双尾），相关性显著；*在0.05级别（单尾），相关性显著。
下载: 导出CSV
表 3 主成分分析矩阵
Table 3 Principal component analysis matrix
成分 1 2 3 高程 −0.855 降雨量 0.748 距河流距离 −0.601 地层岩性 0.585 坡度 0.923 地形起伏度 0.890 距道路距离 0.768 土地利用 0.621 坡向
下载: 导出CSV
表 4 重大滑坡事件易发性预测
Table 4 Prediction of susceptibility for major landslide events
灾害名称 地理位置 预测易发性 贡龙滑坡 昌都市察雅县 易发区 易贡电站滑坡 林芝市波密县 易发区 达木乡滑坡 林芝市墨脱县 高易发区 通易公路滑坡 林芝市波密县 高易发去 塔林村 林芝市察隅县 易发区
下载: 导出CSV
-
[1] 张林梵,王佳运,张茂省,等. 基于BP神经网络的区域滑坡易发性评价[J]. 西北地质,2022,55(2):260 − 270. [ZHANG Linfan,WANG Jiayun,ZHANG Maosheng,et al. Evaluation of regional landslide susceptibility assessment based on BP neural network[J]. Northwestern Geology,2022,55(2):260 − 270. (in Chinese with English abstract)] ZHANG Linfan, WANG Jiayun, ZHANG Maosheng, et al. Evaluation of regional landslide susceptibility assessment based on BP neural network［J］. Northwestern Geology, 2022, 55（2）: 260 − 270. （in Chinese with English abstract）
[2] 陶伟,孙岳. 基于GIS滑坡地质灾害易发性评价方法综述[J]. 世界有色金属,2020(21):157 − 159. [TAO Wei,SUN Yue. Review on the evaluation methods of landslide geological hazards based on GIS[J]. World Nonferrous Metals,2020(21):157 − 159. (in Chinese with English abstract)] TAO Wei, SUN Yue. Review on the evaluation methods of landslide geological hazards based on GIS［J］. World Nonferrous Metals, 2020（21）: 157 − 159. （in Chinese with English abstract）
[3] 马啸,王念秦,李晓抗,等. 基于RF-FR模型的滑坡易发性评价——以略阳县为例[J]. 西北地质,2022,55(3):335 − 344. [MA Xiao,WANG Nianqin,LI Xiaokang,et al. Assessment of landslide susceptibility based on RF-FR model:Taking Lueyang County as an example[J]. Northwestern Geology,2022,55(3):335 − 344. (in Chinese with English abstract)] MA Xiao, WANG Nianqin, LI Xiaokang, et al. Assessment of landslide susceptibility based on RF-FR model: Taking Lueyang County as an example［J］. Northwestern Geology, 2022, 55（3）: 335 − 344. （in Chinese with English abstract）
[4] 常志璐,黄发明,蒋水华,等. 基于多尺度分割方法的斜坡单元划分及滑坡易发性预测[J]. 工程科学与技术,2023,55(1):184 − 195. [CHANG Zhilu,HUANG Faming,JIANG Shuihua,et al. Slope unit extraction and landslide susceptibility prediction using multi-scale segmentation method[J]. Advanced Engineering Sciences,2023,55(1):184 − 195. (in Chinese with English abstract)] CHANG Zhilu, HUANG Faming, JIANG Shuihua, et al. Slope unit extraction and landslide susceptibility prediction using multi-scale segmentation method［J］. Advanced Engineering Sciences, 2023, 55（1）: 184 − 195. （in Chinese with English abstract）
[5] 吴晶晶,江思义,吴秋菊,等. 基于GIS与BP神经网络的崩塌滑坡地质灾害易发性预测[J]. 资源信息与工程,2021,36(4):100 − 104. [WU Jingjing,JIANG Siyi,WU Qiuju,et al. Landslide geological hazard vulnerability evaluation based on GIS and BP neural network[J]. Resource Information and Engineering,2021,36(4):100 − 104. (in Chinese with English abstract)] WU Jingjing, JIANG Siyi, WU Qiuju, et al. Landslide geological hazard vulnerability evaluation based on GIS and BP neural network［J］. Resource Information and Engineering, 2021, 36（4）: 100 − 104. （in Chinese with English abstract）
[6] 刘璐瑶,高惠瑛,李照. 基于CF与Logistic回归模型耦合的永嘉县滑坡易发性评价[J]. 中国海洋大学学报(自然科学版),2021,51(10):121 − 129. [LIU Luyao,GAO Huiying,LI Zhao. Landslide susceptibility assessment based on coupling of CF model and Logistic regression model in Yongjia County[J]. Periodical of Ocean University of China,2021,51(10):121 − 129. (in Chinese with English abstract)] LIU Luyao, GAO Huiying, LI Zhao. Landslide susceptibility assessment based on coupling of CF model and Logistic regression model in Yongjia County［J］. Periodical of Ocean University of China, 2021, 51（10）: 121 − 129. （in Chinese with English abstract）
[7] 杨强,王高峰,丁伟翠,等. 多种组合模型的区域滑坡易发性及精度评价[J]. 自然灾害学报,2021,30(2):36 − 51. [YANG Qiang,WANG Gaofeng,DING Weicui,et al. Susceptibility and accuracy evaluation of regional landsldie based on multiple hybrid models[J]. Journal of Natural Disasters,2021,30(2):36 − 51. (in Chinese with English abstract)] YANG Qiang, WANG Gaofeng, DING Weicui, et al. Susceptibility and accuracy evaluation of regional landsldie based on multiple hybrid models［J］. Journal of Natural Disasters, 2021, 30（2）: 36 − 51. （in Chinese with English abstract）
[8] 丛威青,潘懋,李铁锋,等. 基于GIS的滑坡、泥石流灾害危险性区划关键问题研究[J]. 地学前缘,2006,13(1):185 − 190. [CONG Weiqing,PAN Mao,LI Tiefeng,et al. Key research on landslide and debris flow hazard zonation based on GIS[J]. Earth Science Frontiers,2006,13(1):185 − 190. (in Chinese with English abstract)] CONG Weiqing, PAN Mao, LI Tiefeng, et al. Key research on landslide and debris flow hazard zonation based on GIS［J］. Earth Science Frontiers, 2006, 13（1）: 185 − 190. （in Chinese with English abstract）
[9] 崔阳阳. 基于不同评价单元的滑坡易发性评价方法研究——以陕西省洛南县为例[D]. 西安:西安科技大学,2021. [CUI Yangyang. A comparative study on evaluation methods of landslide susceptibility based on different evaluation units[D]. Xi’an:Xi’an University of Science and Technology,2021. (in Chinese with English abstract)] CUI Yangyang. A comparative study on evaluation methods of landslide susceptibility based on different evaluation units［D］. Xi’an: Xi’an University of Science and Technology, 2021. （in Chinese with English abstract）
[10] 邓念东,崔阳阳,郭有金. 基于频率比-随机森林模型的滑坡易发性评价[J]. 科学技术与工程,2020,20(34):13990 − 13996. [DENG Niandong,CUI Yangyang,GUO Youjin. Frequency ratio-random forest-model-based landslide susceptibility assessment[J]. Science Technology and Engineering,2020,20(34):13990 − 13996. (in Chinese with English abstract)] DENG Niandong, CUI Yangyang, GUO Youjin. Frequency ratio-random forest-model-based landslide susceptibility assessment［J］. Science Technology and Engineering, 2020, 20（34）: 13990 − 13996. （in Chinese with English abstract）
[11] 杨云建,周学铖,何中海,等. 多时相数字孪生滑坡变形监测方法与应用研究——以金沙江白格滑坡为例[J]. 水文地质工程地质,2024,51(2):132 − 143. [YANG Yunjian, ZHOU Xuecheng, HE Zhonghai, et al. Multi-temporal digital twin method and application of landslide deformation monitoring: A case study on Baige landslide in Jinsha River[J]. Hydrogeology & Engineering Geology,2024,51(2):132 − 143. (in Chinese with English abstract)] YANG Yunjian, ZHOU Xuecheng, HE Zhonghai, et al. Multi-temporal digital twin method and application of landslide deformation monitoring: A case study on Baige landslide in Jinsha River［J］. Hydrogeology & Engineering Geology, 2024, 51（2）: 132 − 143. （in Chinese with English abstract）
[12] 张泽方. 耦合MaxEnt模型的望谟县滑坡易发性对比研究[J]. 赤峰学院学报(自然科学版),2022,38(10):108 − 113. [ZHANG Zefang. Comparative study on landslide vulnerability in Wangmo County coupled with MaxEnt model[J]. Journal of Chifeng University (Natural Science Edition),2022,38(10):108 − 113. (in Chinese with English abstract)] ZHANG Zefang. Comparative study on landslide vulnerability in Wangmo County coupled with MaxEnt model［J］. Journal of Chifeng University （Natural Science Edition）, 2022, 38（10）: 108 − 113. （in Chinese with English abstract）
[13] 刘明学,陈祥,杨珊妮. 基于逻辑回归模型和确定性系数的崩滑流危险性区划[J]. 工程地质学报,2014,22(6):1250 − 1256. [LIU Mingxue,CHEN Xiang,YANG Shanni. Zonation of landslide risk with logistic regression model and certainty factor[J]. Journal of Engineering Geology,2014,22(6):1250 − 1256. (in Chinese with English abstract)] LIU Mingxue, CHEN Xiang, YANG Shanni. Zonation of landslide risk with logistic regression model and certainty factor［J］. Journal of Engineering Geology, 2014, 22（6）: 1250 − 1256. （in Chinese with English abstract）
[14] 李信,薛桂澄,夏南,等. 基于CF模型、CF-LR模型和CF-AHP模型的国家热带雨林公园地质灾害易发性研究——以海南保亭为例[J]. 现代地质,2023,37(4):1033 − 1043. [LI Xin,XUE Guicheng,XIA Nan,etal. Study on geological hazard susceptibility of national tropical rainforest Park based on CF model,CF-LR model and CF-AHP model:A case study of Baoting,Hainan Province[J]. Modern Geology,2023,37(4):1033 − 1043. (in Chinese with English abstract)] LI Xin, XUE Guicheng, XIA Nan, etal. Study on geological hazard susceptibility of national tropical rainforest Park based on CF model, CF-LR model and CF-AHP model: A case study of Baoting, Hainan Province［J］. Modern Geology, 2023, 37（4）: 1033 − 1043. （in Chinese with English abstract）
[15] 薛正海,冯文凯,韩靖楠,等. 基于信息量及层次分析关联法和BP神经网络耦合的滑坡易发性评价[J/OL]. 桂林理工大学学报,2022:1 − 13. (2022-10-10). https://kns.cnki.net/kcms/detail/45.1375.N.20221010.1140.004.html. [XUE Zhenghai,FENG Wenkai,HAN Jingnan,et al. Landslide susceptibility evaluation based on information value and AHP correlation method coupled with BP neural network model[J/OL]. Journal of Guilin University of Technology,2022:1 − 13. (2022-10-10). https://kns.cnki.net/kcms/detail/45.1375.N.20221010.1140.004.html. (in Chinese with English abstract)] XUE Zhenghai, FENG Wenkai, HAN Jingnan, et al. Landslide susceptibility evaluation based on information value and AHP correlation method coupled with BP neural network model［J/OL］. Journal of Guilin University of Technology, 2022: 1 − 13. （2022-10-10）. https://kns.cnki.net/kcms/detail/45.1375.N.20221010.1140.004.html. （in Chinese with English abstract）
[16] 何书,胡萌,杨志华,等. 基于模糊频率比与熵指数的滑坡易发性评价——以崇义县为例[J]. 有色金属科学与工程,2022,13(4):80 − 90. [HE Shu,HU Meng,YANG Zhihua,et al. Evaluation of landslide susceptibility based on the fuzzy frequency ratio and entropy index:A case study of Chongyi County[J]. Nonferrous Metals Science and Engineering,2022,13(4):80 − 90. (in Chinese with English abstract)] HE Shu, HU Meng, YANG Zhihua, et al. Evaluation of landslide susceptibility based on the fuzzy frequency ratio and entropy index: A case study of Chongyi County［J］. Nonferrous Metals Science and Engineering, 2022, 13（4）: 80 − 90. （in Chinese with English abstract）
[17] 黄艳婷,郭永刚. 考虑降雨敏感度的泥石流危险性评价——以藏东南地区为例[J]. 中国地质灾害与防治学报,2023,34(1):129 − 138. [HUANG Yanting,GUO Yonggang. Debris flow risk assessment considering different rainfall sensitivity:A case study in southeast Tibet[J]. The Chinese Journal of Geological Hazard and Control,2023,34(1):129 − 138. (in Chinese with English abstract)] HUANG Yanting, GUO Yonggang. Debris flow risk assessment considering different rainfall sensitivity: A case study in southeast Tibet［J］. The Chinese Journal of Geological Hazard and Control, 2023, 34（1）: 129 − 138. （in Chinese with English abstract）
[18] 张本浩,魏云杰,杨成生,等. 西藏然乌地区地质灾害隐患点InSAR识别与监测[J]. 中国地质灾害与防治学报,2022,33(1):18 − 26. [ZHANG Benhao,WEI Yunjie,YANG Chengsheng,et al. InSAR identification and monitoring of geological hazards in Ranwu region of Tibet[J]. The Chinese Journal of Geological Hazard and Control,2022,33(1):18 − 26. (in Chinese with English abstract)] ZHANG Benhao, WEI Yunjie, YANG Chengsheng, et al. InSAR identification and monitoring of geological hazards in Ranwu region of Tibet［J］. The Chinese Journal of Geological Hazard and Control, 2022, 33（1）: 18 − 26. （in Chinese with English abstract）
[19] 杜国梁,杨志华,袁颖,等. 基于逻辑回归–信息量的川藏交通廊道滑坡易发性评价[J]. 水文地质工程地质,2021,48(5):102 − 111. [DU Guoliang,YANG Zhihua,YUAN Ying,et al. Landslide susceptibility mapping in the Sichuan-Tibet traffic corridor using logistic regression-information value method[J]. Hydrogeology & Engineering Geology,2021,48(5):102 − 111. (in Chinese with English abstract)] DU Guoliang, YANG Zhihua, YUAN Ying, et al. Landslide susceptibility mapping in the Sichuan-Tibet traffic corridor using logistic regression-information value method［J］. Hydrogeology & Engineering Geology, 2021, 48（5）: 102 − 111. （in Chinese with English abstract）
[20] KHAN H,SHAFIQUE M,KHAN M A,et al. Landslide susceptibility assessment using Frequency Ratio,a case study of northern Pakistan[J]. The Egyptian Journal of Remote Sensing and Space Sciences,2019,22(1):11 − 24. DOI: 10.1016/j.ejrs.2018.03.004
[21] 张海军,戚鹏程. 基于频率比和逻辑回归模型的东北地区火险制图研究[J]. 地理与地理信息科学,2012,28(5):35 − 38 + 42 + 113. [ZHANG Haijun,QI Pengcheng. Mapping fire occurrence susceptibility in Northeast China:Comparison of Frequency ratio and binary logistic regression[J]. Geography and Geo-Information Science,2012,28(5):35 − 38. (in Chinese with English abstract)] ZHANG Haijun, QI Pengcheng. Mapping fire occurrence susceptibility in Northeast China: Comparison of Frequency ratio and binary logistic regression［J］. Geography and Geo-Information Science, 2012, 28（5）: 35 − 38. （in Chinese with English abstract）
[22] PAL S C,CHOWDHURI I. GIS-based spatial prediction of landslide susceptibility using frequency ratio model of Lachung River Basin,North Sikkim,India[J]. SN Applied Sciences,2019,1(5):416. DOI: 10.1007/s42452-019-0422-7
[23] LEE S,SAMBATH T. Landslide susceptibility mapping in the Damrei Romel area,Cambodia using frequency ratio and logistic regression models[J]. Environmental Geology,2006,50(6):847 − 855. DOI: 10.1007/s00254-006-0256-7
计量
- 文章访问数: 271
- HTML全文浏览量: 18
- PDF下载量: 54
邮件订阅
RSS