Construction and realization of information platform for geological disaster monitoring and early warning in Qinghai Province
-
摘要: 在全球变化的影响下地质灾害发生的频率明显上升,建设青海省地质灾害监测预警信息化平台对于保证地区生命财产安全十分重要。本文从青海省地质灾害监测预警信息化平台的设备布设、系统建设、平台功能、运行现状阐述其建设与实现过程。目前青海省地质灾害监测预警信息化平台已经可以达到地质灾害不同来源,不同批次的灾害点信息统一管理动态更新,做到数据集成化、成果可视化、信息综合化、系统一体化。青海省地质灾害监测预警信息化平台包括地质灾害调查评价系统、地质灾害监测预警系统、地质灾害气象预警系统等10个模块。现阶段所有的普适性监测数据可以同步发送到国家级地质灾害监测数据平台,能够高效支撑地灾预警工作。监测预警信息化平台能够对实时采集的监测数据自动进行分析,支持多种预警模型进行判别;当监测数据发生变化触及预设判别模型时,能够自动发送地灾预警信息。通过系统试运行,已经有了成果监测预警的案例,数据可靠能够满足监测预警的需求。Abstract: Under the influence of global changes, the frequency of geological disasters in Qinghai Province, which is located in the northeastern part of the Qinghai-Tibet Plateau, has increased significantly. It is important to build a geological disaster monitoring and early warning information platform in Qinghai Province to reduce the safety of life and property in the area. In this paper, the process of construction and realization of the information platform for geological disaster monitoring and early warning in Qinghai Province is described in terms of equipment deployment, system construction, platform function and operation status. At present, the information platform of geological disaster monitoring and early warning in Qinghai Province has been able to achieve the unified management and dynamic update of disaster information of different sources and batches of geological disasters, and achieve data integration, result visualization, information synthesis and system integration. The information platform of geological disaster monitoring and early warning in Qinghai Province includes 10 modules such as geological disaster investigation and evaluation system, geological disaster monitoring and early warning system, and geological disaster meteorological early warning system. At this stage, all universal monitoring data can be sent to the national geological disaster monitoring data platform synchronously, which can support the work of geological disaster early warning efficiently. The monitoring and early warning information platform can automatically analyze the monitoring data collected in real time and support a variety of early warning models to discriminate; when the monitoring data changes and touches the preset discriminating models, it can automatically send geohazard early warning information. Through the trial run of the system, there have been cases of results monitoring and early warning, and the data is reliable enough to meet the needs of monitoring and early warning.
-
0. 引 言
据不完全统计我国共有露天煤矿约300座(不含井露联合开采煤矿),产能达7.5908×108 t/a[1]。露天矿山边坡失稳滑坡会直接威胁到矿山工作者的生命和财产安全[2],由若干台阶构成的边坡也是露天矿山生产运输的主要依托对象,露天边坡稳定性直接影响到露天矿山的建设和生产。露天矿边坡稳定性分析一直是岩土工程领域研究的热点问题,一方面,露天矿边坡往往受多种影响因素共同作用,关系复杂[3]。另一方面,试验室难以还原现场地质条件及其他因素的影响,试验室岩样数据往往不能直接用于矿山边坡稳定性分析,所以作为露天矿边坡稳定性计算及数值模拟中岩(土)体的参数取值具有很大的模糊性,导致露天矿边坡是一个不确定性的系统,其稳定性评价也是一个不确定、多因素、非线性问题[4]。
针对露天矿边坡稳定性评价问题的不确定性、复杂性,一些学者将模糊评价理论等不确定性分析方法应用到边坡稳定性分析中。蒋中明[5]通过对边坡刚体极限平衡分析中模糊因素的分析, 提出了一种使用模糊集理论计算工程边坡稳定性的方法。丁浩江等[6]、王华俊等[7]分别运用模糊综合评价模型对澜沧江某水电站泄洪洞出口边坡和宁波市国省道公路岩质边坡进行了稳定性评价,评价结果均与实际情况吻合较好,验证了模糊综合评价方法运用于边坡稳定性分析的有效性。由于不同影响因素对边坡稳定性的影响不同,模糊综合评价方法中边坡影响因素权重的确定存在主观性,因此先采用层次分析法客观确定不同因素对边坡稳定性的影响权重进而采用模糊综合评价法对边坡稳定性进行评价效果会更好[8 − 9]。但是目前边坡稳定性分析的层次分析-模糊综合评价模型的评价指标主要来自边坡地质调查和边坡基本形态。已有研究中,将边坡变形监测信息作为评价指标纳入到该模型中的研究相对较少;此外已有研究主要通过现场观察边坡是否稳定来验证模型,这种模型验证方法存在一定的主观性。
基于此,本文建立了考虑边坡监测信息的层次分析-模糊综合评价模型,首先对边坡监测数据进行分析,然后将边坡监测信息纳入边坡层次分析-模糊综合评价模型中,同边坡几何形态、边坡地质信息、气象水文信息等构成边坡系统的评价指标,然后基于层次分析法确定边坡稳定性评价指标的权重,最后基于隶属度最大原则确定边坡稳定性状态。将建立的层次分析-模糊综合评价模型应用于扎哈淖尔露天煤矿北帮边坡稳定性评价,综合得出北帮边坡稳定性状况,最后通过数值模拟求解边坡安全系数对模型评价结果进行验证。
1. 边坡层次分析-模糊综合评价模型
模糊综合评价法对于复杂及不确定系统的评价具有明显的优势,将模糊综合评价法应用于边坡稳定性分析中首先需要确定边坡模糊指标集和评价集,然后根据隶属度函数确定单因子评价矩阵,根据边坡指标权重进行赋值,最后将权重向量与评价矩阵相结合根据隶属度最大原则得到最终的边坡稳定性评价结果[10 − 12]。
1.1 边坡模糊综合评价指标体系
根据相关规范[12],边坡的稳定性可以分为稳定、基本稳定、欠稳定、不稳定4个级别,同时建立边坡几何形态、边坡地质信息、边坡气象水文信息、边坡监测信息等四类边坡一级影响指标。边坡几何形态包括边坡坡高、边坡坡度、边坡结构类型3类指标;边坡地质信息包括边坡岩性、边坡弱层2项评价指标,边坡气象水文信息包括地下水影响、年平均降雨量2项评价指标;边坡监测信息主要包括地面变形情况、边坡变形速率等评价指标。边坡评价指标共9项,其中定量指标4项,定性指标5项。参考规范及已有研究[12 − 13]确定影响等级如表1和表2所示。
表 1 连续型指标影响等级划分Table 1. Classification of impact levels for continuous influencing indicators稳定性 坡高/m 坡度/(°) 年均降雨量/mm 地表变形
速率/(mm·d−1)稳定 0~100 0~15 0~500 5 基本稳定 >100~200 >15~30 >500~800 >5~30 欠稳定 >200~300 >30~50 >800~1200 >30~80 不稳定 >300 >50 >1200 >80 表 2 离散型指标影响等级划分Table 2. Classification of impact levels for discrete influencing indicators稳定性 岩性 结构类型 弱层 地面变形 地下水影响 稳定 坚硬岩体 均质/反倾 无 无 很弱 基本稳定 中等坚硬 斜交/横坡 反倾夹层 弱 较弱 欠稳定 软弱岩体 近水平坡 顺倾夹层、
反倾基岩中等 较强 不稳定 松散体 顺向坡 顺倾基岩 强烈 很强 1.2 层次分析法
对于露天矿边坡而言,各评价指标对边坡稳定性评价的贡献度是不同的,因此有必要利用层次分析法确定边坡各评价指标的影响因子[14]。通过标度方法,将影响因子的重要程度定量化[15]。如表3所示,通过指标两两比较后得出最终的边坡评价指标排序,表3中
、 分别代表不同的评价指标[16]。表 3 层次分析法(AHP)影响因子标度Table 3. Analytic hierarchy process (AHP) influence factor scale标度 含义 1 和 指标影响程度相同3 和 指标影响程度相比,一个比另一个稍微重要5 和 指标影响程度相比,一个比另一个明显重要7 和 指标影响程度相比,一个比另一个强烈重要9 和 指标影响程度相比,一个比另一个极端重要2,4,6,8 介于以上两种比较之间的标度值 倒数 和 指标之间判断 , 和 指标之间判断1.3 模型隶属度函数
隶属函数的确定对于边坡模糊综合评价具有重要的意义,隶属函数值即隶属度是表征边坡评价因子隶属于某个评价等级的程度。对于定量因素采用三角隶属度分布函数,本文采用的三角隶属度函数式(1)—(3)[17 − 18]。离散型指标隶属度的确定取值见表4[9, 13]。考虑到各个评价指标在边坡稳定性评价中的贡献不同,采用层次分析法将各项评价指标赋予一定的权重值,通过标度方法,将评价因子的重要程度定量化。
表 4 离散型指标评价隶属度表Table 4. Discrete index evaluation membership degree离散型指标 具体指标 离散型指标评价隶属度 稳定 基本稳定 欠稳定 不稳定 岩性 坚硬岩体 0.8 0.2 0 0 中等坚硬 0.4 0.5 0.1 0 软弱岩体 0 0.2 0.5 0.3 松散体 0 0 0.2 0.8 结构类型 顺向坡 0 0 0.2 0.8 近水平坡 0.1 0.2 0.7 0 斜交/横坡 0.2 0.7 0.1 0 均质/反倾 0.8 0.2 0 0 弱层 无 1 0 0 0 反倾夹层 0.2 0.7 0.1 0 顺倾夹层、反倾基岩 0 0.1 0.7 0.2 顺倾基岩 0 0 0.2 0.8 地面变形 无 0.8 0.2 0 0 弱 0.2 0.7 0.1 0 中等 0 0.1 0.7 0.2 强烈 0 0 0.2 0.8 地下水影响 很弱 0.55 0.30 0.10 0.05 较弱 0.25 0.50 0.15 0.10 较强 0.05 0.10 0.30 0.55 很强 0.05 0.15 0.10 0.70 (1) (2) (3) 式中:
——连续变量指标值 ; —— 对应4个危险等级隶属度(j=1, 2, 3, 4); ——风险等级划分标准值[19](j=1, 2, 3, 4)。2. 层次分析-模糊综合评价模型应用
2.1 工程概况
扎哈淖尔露天煤矿位于内蒙古自治区通辽市西北端,露天矿北帮于2020年5月出现明显的变形现象,边坡上部940水平及920水平出现明显裂隙,采场下部边坡850水平出现明显的大块岩体剪出现象,图1为扎哈淖尔露天矿的俯瞰图及现场图。沿边坡倾向方向选取研究剖面(图2),NO.1和NO.2为布置在剖面上的微变监测雷达监测特征点,露天矿北帮岩(土)层剖面如图3所示,北帮岩体整体倾向为逆倾、倾角5°~13°,边坡高度为234 m,坡度为16°,自上而下依次为第四系岩层、新近系和古近系岩层、泥岩、泥砂岩互层及煤层。经过现场勘探北帮850水平存在一层弱层,弱层厚度在1~2 m,钻孔岩芯(图4)显示弱层附近岩体较破碎。同时北帮边坡泥岩和第四系黏土中有出水点[20 − 21]。
2.2 基于层次分析-模糊综合评价模型的边坡稳定性评价
根据现场勘察及收集已有的矿山地质资料,确定边坡高度为234 m,坡度为16°,年平均降雨量为354.3 mm,边坡变形速率取目前NO.1点和NO.2点监测数据的平均值,根据现场监测取值为24 mm/d,对于折减系数的取值,基于安全的角度,边坡模糊综合评价中的折减系数选取数值计算所得的较低值(1.121),定量指标采用三角形隶属度函数确定(表5)。定性指标隶属度参考相关文献确定(表6)最后得到边坡模糊综合评价矩阵R,进一步利用层次分析法确定了扎哈淖尔露天煤矿北帮边坡模糊评价指标的权重矩阵M,并进行一致性检验[22 − 24]。
表 5 北帮边坡定量指标隶属度Table 5. Membership degree of quantitative indexes for the northern slope稳定性 坡高隶属度 坡度隶属度 年均降雨量
隶属度地表变形速率
隶属度稳定 0 0.86 1 0 基本稳定 0.16 0.14 0 0.83 欠稳定 0.84 0 0 0.17 不稳定 0 0 0 0 表 6 北帮边坡定性指标隶属度Table 6. Membership degrees of qualitative indexes for the northern slope稳定性 岩性隶属度 结构类型
隶属度弱层隶属度 地面变形
隶属度地下水影响
隶属度稳定 0 0.80 0.20 0 0.05 基本稳定 0.20 0.20 0.70 0 0.10 欠稳定 0.50 0 0.10 0.20 0.30 不稳定 0.30 0 0 0.80 0.55 边坡地表变形监测主要分析微变监测雷达系统于2020年4月26日—2021年6月14日NO.1点位和NO.2点位的微变监测雷达监测数据,将监测点的变形速率用不同的点线图来表示(图5),由图5可见边坡最初变形速率较快,后期变形速率逐渐趋于稳定。
由模糊综合评价法确定的模糊综合评价矩阵以及通过层次分析法确定的影响因子矩阵,确定扎哈淖尔露天煤矿北帮边坡评价矩阵,北帮边坡为稳定状态、基本稳定状态、欠稳定状态、不稳定状态的隶属度分别为0.27545,0.43196,0.19304,0.09955,最大隶属度原则是得到边坡稳定性最常用的方法,但是如果第二大隶属度与最大隶属度值很接近的话,得到的评价结果准确度降低,基于此,首先对隶属度矩阵进行有效性检验。最大隶属度有效性验证公式如下[25]:
(4) 式中:
——有效度; ——评价集中的元素个数; ——目标评价向量中最大隶属度; ——目标评价向量中的第二大隶属度。经过计算,扎哈淖尔露天煤矿北帮边坡层次分析-模糊综合评价模型所得的隶属度矩阵有效度为0.65521,属于比较有效,说明评价结果是稳定的,根据隶属度最大原则判定北帮边坡属于基本稳定状态。
2.3 模型检验
本研究通过数值模拟对层次分析-模糊综合评价模型得到的北帮边坡稳定性结果进行检验,根据北帮研究区剖面(图2)建立数值计算模型(图6),模型计算选取的坐标系为边坡临空面方向为X正方向,竖直向上为Z正方向。模型的左右边界(南北)、前后边界(东西)和底部边界分别以水平和垂直方向的位移约束,顶面设定为自由面,采用摩尔-库仑弹塑性本构模型进行求解,岩土体力学参数采用Hoek-Brown岩体强度方法并结合现场研究报告综合确定岩土体力学参数如表7所示[26 − 27]。
表 7 岩层物理力学参数表Table 7. Physico-mechanical parameters of strata岩层 重度/(kN·m−3) 黏聚力/kPa 内摩擦角/(°) 排弃物料 17.70 10.0 20.0 第四系地层 17.90 17.0 11.7 弱层 17.90 8.0 5.7 新近系和古近系地层 17.90 14.0 13.0 泥岩层 20.20 33.7 15.4 砂岩层 24.40 40.0 28.0 泥砂岩互层 23.45 35.0 24.6 煤层 12.70 24.5 21.0 采用人为定义边坡折减强度上下限的方法确定边坡的折减系数,首先初步确定边坡折减系数的范围,然后以0.001为一个梯度进行折减计算,通常数值模拟对岩土体强度的折减是针对整个边坡区域进行折减,不能计算边坡内部多级滑动面。而对于多台阶边坡而言,每级台阶的折减系数和潜在滑移面都是值得关注的。因此在模拟过程中只折减850水平以上岩层和煤层的黏聚力和摩擦角[28 − 29]。模拟结果如图7所示,850水平之上形成潜在滑坡面,边坡剪切变形相对集中于局部化变形区域内,而区域外的变形相当于卸载后的刚体运动,潜在滑坡体将沿该滑动面滑动,滑动面两侧沿滑动面方向的位移相差明显,存在较大的变形梯度。通过监测边坡表面各测点位移可发现随着监测点高程增大其位移量减小,边坡内部形成潜在滑坡面,滑移面安全系数为1.121。
基于强度折减法得到北帮潜在滑移面安全系数分别为1.121(850水平以上),根据相关规范边坡稳定性划分表(表8)[12],北帮850水平上部边坡属于基本稳定边坡,层次分析-模糊综合评价模型得到的边坡稳定性状态与数值模拟强度折减法得到的边坡稳定性状态相一致,验证了模型的准确性。
表 8 边坡稳定性状态划分Table 8. Classification of slope stability states边坡安全系数 F<1.00 1.00≤F<1.05 1.05≤F<1.20 F≥1.20 边坡稳定状态 不稳定 欠稳定 基本稳定 稳定 3. 结论
(1)在监测数据分析和数值模拟的基础上,建立了考虑监测信息的边坡层次分析-模糊综合评价模型,该模型充分融合了边坡几何形态、边坡地质信息、气象水文信息、现场监测信息等多种信息。
(2)北帮边坡稳定性状态为稳定、基本稳定、欠稳定、不稳定,隶属度分别为0.27545,0.43196,0.19304,0.09955,根据隶属度最大原则得出北帮边坡目前处于基本稳定状态。
(3)通过数值模拟求解得北帮边坡滑移面安全系数为1.121,属于基本稳定边坡,强度折减法结果与所建立的边坡层次分析-模糊综合评价模型得到的边坡稳定性状态一致,验证了模型的有效性。
-
表 1 青海省地质灾害监测预警总体部署表
Table 1 Qinghai Province geological disaster monitoring and early warning general deployment table
市州 监测预警点 分布特征 西宁市 145 共威胁人员8221人。其中西宁市区5处,湟中区85处,
湟源县8处,大通县47处。海东市 202 共威胁人员24594人。其中乐都区64处,平安区4处,
民和县42处,互助县44处,化隆县32处,循化县16处。黄南州 19 共威胁人员1902人。其中同仁市15处,尖扎县4处。 海南州 17 共威胁人员2432人,其中共和县1处,同德县3处,
贵南县2处,贵德县9处,兴海县2处。海北州 3 共威胁人员188人,门源县3处。 果洛州 10 共威胁人员834人。其中玛沁县7处,
班玛县2处、达日县1处。玉树州 26 共威胁人员2770人。其中囊谦县20处,
玉树市5处,称多县1处。合计 422 其中滑坡247处,不稳定斜坡131处,
崩塌4处,泥石流47处表 2 灾害类型与测项选择
Table 2 Types of hazards and selection of measurement items
灾害类型 监测设备 声光报警 备注 测项 GNSS 裂缝 倾角 加速度 含水率 雨量 泥位 滑坡(潜滑) 岩质 ● ● ⊙ ⊙ ● 按需布置 具体安装位置及数量,根据灾害体规模及特征综合确定 土质 ● ● ⊙ ⊙ ⊙ ● 崩塌(潜崩) 岩质 ⊙ ● ● ● ● 土质 ⊙ ● ⊙ ⊙ ● 泥石流 沟谷型 ⊙ ● ● 坡面型 ⊙ ⊙ ⊙ ● ⊙ 注:●为宜测项,⊙为选测项。来自《地质灾害专群结合监测预警技术指南(试行)》 -
[1] REINMAN S L. Intergovernmental panel on climate change (IPCC)[J]. Reference Reviews,2012,26(2):41 − 42. DOI: 10.1108/09504121211205250
[2] 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 Cuozhuoma,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) [3] 高杨,李滨,冯振,等. 全球气候变化与地质灾害响应分析[J]. 地质力学学报,2017,23(1):65 − 77. [GAO Yang,LI Bin,FENG Zhen,et al. Global climate change and geological disaster response analysis[J]. Journal of Geomechanics,2017,23(1):65 − 77. (in Chinese with English abstract) [4] 魏赛拉加,严慧珺,张俊才,等. 青海省地质灾害防治资金投入与成效分析[J]. 中国地质灾害与防治学报,2020,31(5):112 − 116. [WEI Sailajia,YAN Huijun,ZHANG Juncai,et al. Analysis of funding used for geological disaster prevention in Qinghai Province and its effects[J]. The Chinese Journal of Geological Hazard and Control,2020,31(5):112 − 116. (in Chinese with English abstract) [5] 殷跃平. 中国地质灾害减灾战略初步研究[J]. 中国地质灾害与防治学报,2004,15(2):1 − 8. [YIN Yueping. Initial study on the hazard-relief strategy of geological hazard in China[J]. The Chinese Journal of Geological Hazard and Control,2004,15(2):1 − 8. (in Chinese with English abstract) [6] 张志军,庄永成. 基于GF-1数据的地质灾害遥感调查—以青海省大通县为例[J]. 科学技术与工程,2017,17(18):9 − 17. [ZHANG Zhijun,ZHUANG Yongcheng. The survey of geological hazards based on GF-1 data:Taking example for Datong County,Qinghai Province[J]. Science Technology and Engineering,2017,17(18):9 − 17. (in Chinese with English abstract) [7] 刘传正,李铁锋,温铭生,等. 三峡库区地质灾害空间评价预警研究[J]. 水文地质工程地质,2004,31(4):9 − 19. [LIU Chuanzheng,LI Tiefeng,WEN Mingsheng,et al. Assessment and early warning on geo-hazards in the Three Gorges Reservoir region of Changjiang River[J]. Hydrogeology and Engineering Geology,2004,31(4):9 − 19. (in Chinese with English abstract) [8] 李潇,许飞青,于喆,等. 北京市突发地质灾害监测预警系统设计与实现[J]. 城市地质,2021,16(4):381 − 390. [LI Xiao,XU Feiqing,YU Zhe,et al. Design and implementation of emergency geological hazards monitoring and early warning system in Beijing[J]. Urban Geology,2021,16(4):381 − 390. (in Chinese with English abstract) [9] 单玉香,孙国曦,陆美兰,等. 江苏省地质灾害气象预警系统的设计与实现[J]. 江苏地质,2007,31(1):41 − 44. [SHAN Yuxiang,SUN Guoxi,LU Meilan,et al. Design and realization of meteorological early-warning system for geological hazards in Jiangsu Province[J]. Jiangsu Geology,2007,31(1):41 − 44. (in Chinese with English abstract) [10] 王洪辉,李鄢,庹先国,等. 地质灾害物联网监测系统研制及贵州实践[J]. 中国测试,2017,43(9):94 − 99. [WANG Honghui,LI Yan,TUO Xianguo,et al. Development of geological hazards monitoring system based on IoT and application in Guizhou Province[J]. China Measurement & Test,2017,43(9):94 − 99. (in Chinese with English abstract) [11] 侯圣山,李昂,陈亮,等. 基于普适型仪器的滑坡监测预警初探—以甘肃兰州岷县三处滑坡为例[J]. 中国地质灾害与防治学报,2020,31(6):47 − 53. [HOU Shengshan,LI Ang,CHEN Liang,et al. Application of universal geo-hazard monitoring instruments in landslides and early warning of three landslides in Gansu Province:A case study in Minxian County and Lanzhou City of Gansu Province[J]. The Chinese Journal of Geological Hazard and Control,2020,31(6):47 − 53. (in Chinese with English abstract) [12] 许强,董秀军,李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版),2019,44(7):957 − 966. [XU Qiang,DONG Xiujun,LI Weile. Integrated space-air-ground early detection,monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University,2019,44(7):957 − 966. (in Chinese with English abstract) [13] 赵久彬,刘元雪,宋林波,等. 大数据关键技术在滑坡监测预警系统中的应用[J]. 重庆理工大学学报(自然科学),2018,32(2):182 − 190. [ZHAO Jiubin,LIU Yuanxue,SONG Linbo,et al. Application of big data processing and monitoring technologies in landslide monitoring and waring system[J]. Journal of Chongqing University of Technology (Natural Science),2018,32(2):182 − 190. (in Chinese with English abstract) [14] 苏白燕,许强,黄健,等. 基于动态数据驱动的地质灾害监测预警系统设计与实现[J]. 成都理工大学学报(自然科学版),2018,45(5):615 − 625. [SU Baiyan,XU Qiang,HUANG Jian,et al. Design and implementation of monitoring and warning system for geological disasters based on dynamic data-driven technology[J]. Journal of Chengdu University of Technology (Science & Technology Edition),2018,45(5):615 − 625. (in Chinese with English abstract) [15] 田廷山. 中国地质环境监测院. 全国地质灾害防治规划研究[M]. 北京: 地质出版社, 2008 Chinese Institute of Geoenvironment Monitoring. Research on national plan for prevention and control of China [M]. Beijing: Geological Publishing House, 2008. (in Chinese)
[16] 张勤,黄观文,杨成生. 地质灾害监测预警中的精密空间对地观测技术[J]. 测绘学报,2017,46(10):1300 − 1307. [ZHANG Qin,HUANG Guanwen,YANG Chengsheng. Precision space observation technique for geological hazard monitoring and early warning[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1300 − 1307. (in Chinese with English abstract) [17] 邓志德,邱锦安,童纪伟,等. 基于WebGIS的广东省突发地质灾害应急管理平台的设计与实现[J]. 地质灾害与环境保护,2020,31(4):31 − 37. [DENG Zhide,QIU Jin’an,DONG Jiwei,et al. Design and implementation of the geological disaster emergency management platform of Guangdong Province based on webgis[J]. Journal of Geological Hazards and Environment Preservation,2020,31(4):31 − 37. (in Chinese with English abstract) [18] 许强,彭大雷,何朝阳,等. 突发型黄土滑坡监测预警理论方法研究—以甘肃黑方台为例[J]. 工程地质学报,2020,28(1):111 − 121. [XU Qiang,PENG Dalei,HE Chaoyang,et al. Theory and method of monitoring and early warning for sudden loess landslide:A case study at Heifangtai Terrace[J]. Journal of Engineering Geology,2020,28(1):111 − 121. (in Chinese with English abstract) [19] 杨寅,包红军,徐成鹏. 地质灾害气象风险预警实时检验客观工具关键技术及应用[J]. 气象科技,2021,49(2):291 − 296. [YANG Yin,BAO Hongjun,XU Chengpeng. Development of a real-time verification objective tool for meteorological risk warning to geological hazards[J]. Meteorological Science and Technology,2021,49(2):291 − 296. (in Chinese with English abstract) [20] 孙超,王昕洲,叶莹莹,等. 河北省地下水资源承载能力评价及预警方法研究[J]. 水文地质工程地质,2022,49(6):55 − 63. [SUN Chao, WANG Xinzhou, YE Yingying, et al. Research on evaluation and early warning of groundwater resources carrying capacity in Hebei Province[J]. Hydrogeology & Engineering Geology,2022,49(6):55 − 63. (in Chinese with English abstract) [21] 方然可,刘艳辉,苏永超,等. 基于逻辑回归的四川青川县区域滑坡灾害预警模型[J]. 水文地质工程地质,2021,48(1):181 − 187. [FANG Ranke,LIU Yanhui,SU Yongchao,et al. A early warning model of regional landslide in Qingchuan County, Sichuan Province based on logistic regression[J]. Hydrogeology & Engineering Geology,2021,48(1):181 − 187. (in Chinese with English abstract) [22] 张像源. 基于GIS和GDAL的地质灾害汛期风险预警产品信息自动化生成算法的构建与实现[J]. 中国地质灾害与防治学报,2022,33(5):76 − 82. [ZHANG Xiangyuan. Construction and implementation of an automatic algorithm for generating information of geological disaster floor risk warning products based on GIS and GDAL[J]. The Chinese Journal of Geological Hazard and Control,2022,33(5):76 − 82. (in Chinese with English abstract) [23] 王雪冬,张超彪,王翠,等. 基于Logistic回归与随机森林的和龙市地质灾害易发性评价[J]. 吉林大学学报(地球科学版),2022,52(6):1957 − 1970. [WANG Xuedong,ZHANG Chaobiao,WANG Cui,et al. Geological disaster susceptibility in Helong city based on logistic regression and random forest[J]. Journal of Jilin University (Earth Science Edition),2022,52(6):1957 − 1970. (in Chinese with English abstract) -
期刊类型引用(6)
1. 何胜庆,郑达,张文. 高海拔地区宽级配泥石流冲击拦砂坝试验研究. 水文地质工程地质. 2024(01): 123-134 . 百度学术
2. 沈凌铠,周保,魏刚,魏赛拉加,常文斌,张明哲,邢爱国. 气温变化对多年冻土斜坡稳定性的影响——以青海省浅层冻土滑坡为例. 中国地质灾害与防治学报. 2023(01): 8-16 . 本站查看
3. 苏晓军,孟兴民,张毅,岳东霞,周自强,郭富赟. 中巴经济走廊地质灾害研究进展与展望. 兰州大学学报(自然科学版). 2023(05): 694-710 . 百度学术
4. 彭帅英,李霄琳,牛岑岑,乔双双. 泥石流模拟实验装置及虚拟仿真平台设计与应用. 实验技术与管理. 2023(10): 153-158 . 百度学术
5. 文强,胡卸文,刘波,席传杰,何坤. 四川丹巴梅龙沟“6·17”泥石流成灾机理分析. 中国地质灾害与防治学报. 2022(03): 23-30 . 本站查看
6. 胡艳香,朱厚影,陈昊,薛凯喜,韩静云,梁海安. 贺兰山苏峪口泥石流物源启动模型试验分析. 中国地质灾害与防治学报. 2022(06): 44-52 . 本站查看
其他类型引用(3)