ISSN 1003-8035 CN 11-2852/P
  • 中国科技核心期刊
  • CSCD收录期刊
  • Caj-cd规范获奖期刊
  • Scopus 收录期刊
  • DOAJ 收录期刊
  • GeoRef收录期刊
欢迎扫码关注“i环境微平台”

基于斜坡单元灾害强度的滑坡灾害易损性评价以湖南省湘乡市为例

陈宾, 魏娜, 张联志, 李颖懿, 刘宁, 屈添强

陈宾,魏娜,张联志,等. 基于斜坡单元灾害强度的滑坡灾害易损性评价−以湖南省湘乡市为例[J]. 中国地质灾害与防治学报,2024,35(2): 137-145. DOI: 10.16031/j.cnki.issn.1003-8035.202211901
引用本文: 陈宾,魏娜,张联志,等. 基于斜坡单元灾害强度的滑坡灾害易损性评价−以湖南省湘乡市为例[J]. 中国地质灾害与防治学报,2024,35(2): 137-145. DOI: 10.16031/j.cnki.issn.1003-8035.202211901
CHEN Bin,WEI Na,ZHANG Lianzhi,et al. Vulnerability assessment of landslide hazards based on hazard intensity at slope level: A case study in Xiangxiang County of Hunan[J]. The Chinese Journal of Geological Hazard and Control,2024,35(2): 137-145. DOI: 10.16031/j.cnki.issn.1003-8035.202211901
Citation: CHEN Bin,WEI Na,ZHANG Lianzhi,et al. Vulnerability assessment of landslide hazards based on hazard intensity at slope level: A case study in Xiangxiang County of Hunan[J]. The Chinese Journal of Geological Hazard and Control,2024,35(2): 137-145. DOI: 10.16031/j.cnki.issn.1003-8035.202211901

基于斜坡单元灾害强度的滑坡灾害易损性评价——以湖南省湘乡市为例

基金项目: 湖南省创新性省份建设专项(2019RS1059);国家自然科学基金项目(51774131;41972282)
详细信息
    作者简介:

    陈 宾(1977—),男,博士,副教授,主要从事地质灾害防治方面的研究工作。E-mail:403021235@qq.com

    通讯作者:

    张联志(1988—),男,硕士,工程师,主要从事水工环地质工作。E-mail:2149859375@qq.com

  • 中图分类号: P642.22

Vulnerability assessment of landslide hazards based on hazard intensity at slope level: A case study in Xiangxiang County of Hunan

  • 摘要:

    以斜坡为单元,基于潜在灾害强度的区域性易损性评价是地质灾害防治亟待解决的重要问题之一。以湖南省湘乡市为研究区,在采用加权信息量方法进行易发性区划的基础上,逐个提取斜坡单元最高易发值点的高程、坡高、坡度、坡向、月平均降雨量为特征参数,分别代入BP神经网络、PSO-BP神经网络、随机森林及支持向量机模型。通过训练与精度测试对比,构建基于PSO优化BP神经网络算法的滑坡体积预测模型,建立以灾害体积为灾害强度指标,以建筑密度、人口密度、财产密度等为脆弱性指标的易损性综合评价模型。针对研究区开展基于潜在灾害强度的区域性易损性评价,完成高易损区(面积占比1.5%)、中易损区(面积占比28.5%)和低易损区(面积占比70%)的区划,实现了区域性易损性评价过程中致灾体灾害强度与承灾体脆弱性的有机结合,增强了评价的客观性和科学性。

    Abstract:

    Taking a slope as a unit, the regional vulnerability assessment based on potential disaster intensity is one of the important problems to be solved urgently. In this paper, the city of Xiangxiang in Hunan is selected as the research area. On the basis of susceptibility regionalization with the weighted information value method, the elevation, slope height, slope, slope direction and monthly average rainfall of the highest prone points of slope units are extract one by one as the characteristic parameters, which are put into the BP neural network, PSO-BP neural network, random forest and support vector machine model, respectively. A landslide volume prediction model based on BP neural network algorithm optimized by PSO is constructed through training and precision test comparison. A comprehensive vulnerability evaluation model is established with disaster volume as disaster intensity index and building density, population density and property density as vulnerability indexes. Regional vulnerability evaluation based on potential disaster intensity is carried out for the study area. The divisions of high-vulnerable areas (1.5% of the total area), medium-vulnerable areas (28.5% of the total area) and low-vulnerable areas (70% of the total area) are completed, which realize the organic combination of the disaster intensity of the disaster-causing body and the vulnerability of the disaster-bearing body in the process of regional vulnerability evaluation, and enhance the objectivity and scientific nature of the evaluation.

  • 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。

    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( ${{{{\rm{Q}}}}}{{\rm{h}}}^{ml}$ )、第四系冲洪积物( ${{\rm{Q}}}{{\rm{h}}}^{al+pl}$ )、第四系坡残积物( ${{\rm{Q}}}{{\rm{h}}}^{dl+el}$ ),下伏基岩为早元古代傲徕山期摩天岭单元花岗岩( $ {M\eta \gamma }_{2}^{1-1b} $ )。研究区属暖温带半湿润区的大陆性季风气候,年平均气温14.3 °C,年平均降水量671.1 mm(1971—2000年)。地震动峰值加速度为0.10  g,基本地震动加速度反应谱特征周期为0.45 s。

    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)。

    图  1  杏花峪隧道进口三维实景模型
    Figure  1.  3D model of Xinghuayu tunnel entrance
    图  2  危岩落石分布情况工程地质平面图
    Figure  2.  Plan of engineering geology of rockfall

    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

    图  3  危岩带三维实景影像
    Figure  3.  Image of rockfalls
    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
    下载: 导出CSV 
    | 显示表格

    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)。

    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  4  危岩体优势结构面走向分布图
    Figure  4.  Dominant structural plane of rockfall
    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
    下载: 导出CSV 
    | 显示表格

    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)。

    图  6  3号危岩体典型工程地质剖面图
    Figure  6.  Typical engineering geological section of no.3 rockfall
    图  7  6号危岩体典型工程地质剖面图
    Figure  7.  Typical engineering geological section of no.6 rockfall
    图  8  8号危岩体典型工程地质剖面图
    Figure  8.  Typical engineering geological section of no.8 rockfall

    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。

    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
    下载: 导出CSV 
    | 显示表格

    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。

    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xy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。

    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
    下载: 导出CSV 
    | 显示表格

    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。

    图  10  危岩带天然状态下的变形量
    Figure  10.  Deformation of rockfall under natural condition

    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 condition

    1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。

    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
    下载: 导出CSV 
    | 显示表格

    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。

    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:

    $$ {F}_{n}=\sum _{i=1}^{6}{S}_{i}{\delta }_{i} $$ (1)

    式中: $ {F}_{n} $ ——n号危岩的综合评分值;

    $ {S}_{i} $ ——n号危岩的第i个指标的评分值;

    $ {\delta }_{i} $ ——n号危岩的第i个指标的权重值。

    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 3、5、6、7、8号 1、4号
    下载: 导出CSV 
    | 显示表格

    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)。

    图  13  危险性分区云图
    Figure  13.  Cloud map of hazard zone

    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。

    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。

    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   斜坡单元灾害强度评价流程图

    Figure  1.   Flow chart of the slope unit disaster intensity assessment

    图  2   湘乡市地质灾害易发性分区图

    Figure  2.   Zoning map of geological hazard susceptibility in the city of Xiangxiang

    图  3   各模型测试集预测误差统计曲线

    Figure  3.   Statistical curves of prediction error for each model test set

    图  4   湘乡市斜坡单元灾害强度分布图

    Figure  4.   Disaster intensity distribution map of slope units in the city of Xiangxiang

    图  5   湘乡市斜坡单元脆弱性分布图

    Figure  5.   Vulnerability distribution map of slope units in the city of Xiangxiang

    图  6   湘乡市斜坡单元易损性分区图

    Figure  6.   Vulnerability distribution map of slope units in the city of Xiangxiang

    表  1   斜坡单元易损性综合评价

    Table  1   Comprehensive evaluation of the vulnerability of slope units

    易损性等级脆弱性等级
    低脆弱性中脆弱性高脆弱性
    灾害强度
    等级
    弱灾害强度
    中灾害强度
    强灾害强度
    下载: 导出CSV

    表  2   研究区基础数据

    Table  2   Basic data of the study area

    名称类型精度
    遥感影像栅格0.5 m
    DEM栅格1∶10 000
    工程地质图、土地利用类型图矢量1∶50 000
    断层图、路网图矢量1∶50 000
    行政区划图矢量1∶10 000
    降雨数据数据表
    历史灾害点数据表
    GDP数据表湘乡市
    人口、建筑面积、道路、财产数据表斜坡单元
    斜坡单元面积数据表斜坡单元
    下载: 导出CSV

    表  3   易发性评价指标分区结果

    Table  3   Partition results of the susceptibility evaluation indicators

    评价指标二级指标区间
    高程/m32~101;101~171;171~267;267~409;>409
    坡度/(°)0~6;6~17;17~28;28~40;>40
    坡向平面;北;东北;东;东南;南;西南;西;西北
    工程地质岩组硅质岩、硅质板岩;浅变质砂岩夹板岩;板岩;砂岩、砂砾岩;碳酸盐岩与碎屑岩互层;碳酸盐岩;岩浆岩;土体;红色碎屑岩;砂岩、页岩;硅质岩、硅质页岩
    距断层距离/m<100;100~200;200~300;300~400;>400
    距道路距离/m<100;100~200;200~300;300~400;>400
    土地利用情况耕地;林地;草地;水域;城乡、工矿居民用地;未利用土地类型
    月平均降雨量/mm<100;100~150;150~200;>200
    下载: 导出CSV

    表  4   湘乡市地质灾害易发性分区结果

    Table  4   Results of geological hazard susceptibility zoning in the city of Xiangxiang

    易发性分区面积比例/%灾害点数量/个灾害点比例/%灾积比
    高易发8.221671.31.430
    中易发39.37524.80.100
    低易发52.5123.90.012
    下载: 导出CSV

    表  5   指标因子相关性分析

    Table  5   Correlation of the controlling factors

    指标因子高程坡高坡度坡向工程地质岩组距断层距离距道路距离土地利用情况月平均降雨量滑坡体积
    高程10.057−0.055−0.036−0.169−0.3580.3280.1030.0130.239
    坡高10.042−0.028−0.310−0.260−0.1990.1680.0340.333
    坡度1−0.027−0.428−0.1040.2450.051−0.133−0.205
    坡向10.0030.007−0.066−0.493−0.1230.196
    工程地质岩组10.0700.208−0.0240.0430.003
    距断层距离1−0.211−0.1020.207−0.026
    距道路距离10.2840.0220.060
    土地利用情况1−0.047−0.102
    月平均降雨量1−0.313
    滑坡体积1
    下载: 导出CSV

    表  6   各模型预测结果精度对比

    Table  6   Comparison of prediction accuracy of each model

    测试集结果预测正确样本量/个预测错误样本量/个预测精度/%
    BP神经网络211558.33
    PSO-BP神经网络29780.56
    随机森林181850.00
    支持向量机251169.44
    下载: 导出CSV

    表  7   斜坡单元灾害强度等级分区结果

    Table  7   Results of disaster intensity classification of slope units

    预测体积分区/m³灾害强度等级
    <15 000弱灾害强度
    15 000~45 000中灾害强度
    >45 000强灾害强度
    下载: 导出CSV

    表  8   脆弱性评价指标组合权重结果

    Table  8   Combined weight results of vulnerability assessment indicators

    评价因子权重值
    人口密度0.3072
    建筑密度0.2160
    道路密度0.2141
    GDP密度0.1607
    财产密度0.1026
    下载: 导出CSV

    表  9   斜坡单元脆弱性等级分区结果

    Table  9   Results of vulnerability classification of slope units

    脆弱性值分区脆弱性等级
    <0.0845低脆弱性
    0.0845 ~ 0.1750中脆弱性
    >0.1750高脆弱性
    下载: 导出CSV

    表  10   斜坡单元易损性统计结果

    Table  10   Statistical results of slope unit vulnerability

    易损性分区斜坡单元数量/个斜坡单元数量占比/%
    高易损区1242.6
    中易损区2 02342.7
    低易损区2 58754.7
    下载: 导出CSV
  • [1]

    UZIELLI M,NADIM F,LACASSE S,et al. A conceptual framework for quantitative estimation of physical vulnerability to landslides[J]. Engineering Geology,2008,102(3/4):251 − 256.

    [2] 许强,张一凡,陈伟. 西南山区城镇地质灾害易损性评价方法—以四川省丹巴县城为例[J]. 地质通报,2010,29(5):729 − 738. [XU Qiang,ZHANG Yifan,CHEN Wei. Vulnerability assessment of geo-hazards in southwest mountainous area:Danba County,Sichuan,China as an example[J]. Geological Bulletin of China,2010,29(5):729 − 738. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-2552.2010.05.013

    XU Qiang, ZHANG Yifan, CHEN Wei. Vulnerability assessment of geo-hazards in southwest mountainous area: Danba County, Sichuan, China as an example[J]. Geological Bulletin of China, 2010, 29(5): 729-738. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-2552.2010.05.013

    [3]

    REYES-HARDY M P,AGUILERA BARRAZA F,SEPÚLVEDA BIRKE J P,et al. GIS-based volcanic hazards,vulnerability and risks assessment of the Guallatiri Volcano,Arica y Parinacota Region,Chile[J]. Journal of South American Earth Sciences,2021,109:103262. DOI: 10.1016/j.jsames.2021.103262

    [4]

    GUZZETTI F,ARDIZZONE F,CARDINALI M,et al. Landslide volumes and landslide mobilization rates in Umbria,central Italy[J]. Earth and Planetary Science Letters,2009,279(3/4):222 − 229.

    [5]

    GLADE T, ANDERSON M, CROZIER M J. Landslide hazard and risk [M]. New York: John Wiley & Sons, Inc. 2005: 41-74.

    [6] 彭令,牛瑞卿,赵艳南,等. 区域滑坡灾害风险评估—以长江三峡库区秭归县为例[J]. 吉林大学学报(地球科学版),2013,43(3):891 − 901. [PENG Ling,NIU Ruiqing,ZHAO Yannan,et al. Risk assessment of a regional landslide:A case of Zigui County territory in Three Gorges Reservoir[J]. Journal of Jilin University (Earth Science Edition),2013,43(3):891 − 901. (in Chinese with English abstract)

    PENG Ling, NIU Ruiqing, ZHAO Yannan, et al. Risk assessment of a regional landslide: A case of Zigui County territory in Three Gorges Reservoir[J]. Journal of Jilin University (Earth Science Edition), 2013, 43(3): 891-901. (in Chinese with English abstract)

    [7]

    KAYNIA A M,PAPATHOMA-KÖHLE M,NEUHÄUSER B,et al. Probabilistic assessment of vulnerability to landslide:application to the village of Lichtenstein,Baden-Württemberg,Germany[J]. Engineering Geology,2008,101(1/2):33 − 48.

    [8] 薛强,张茂省,高波,等. 陕西省绥德县城区地质灾害风险评估[J]. 工程地质学报,2018,26(3):711 − 719. [XUE Qiang,ZHANG Maosheng,GAO Bo,et al. Risk assessment of geological hazards in Suide City,Shaanxi Province[J]. Journal of Engineering Geology,2018,26(3):711 − 719. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2017-205

    XUE Qiang, ZHANG Maosheng, GAO Bo, et al. Risk assessment of geological hazards in Suide city, Shaanxi Province[J]. Journal of Engineering Geology, 2018, 26(3): 711-719. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2017-205

    [9] 张以晨,秦胜伍,翟健健,等. 基于信息量的长白山地区泥石流易发性评价[J]. 水文地质工程地质,2018,45(2):150 − 158. [ZHANG Yichen,QIN Shengwu,ZHAI Jianjian,et al. Susceptibility assessment of debris flow based on GIS and weight information for the Changbai Mountain area[J]. Hydrogeology & Engineering Geology,2018,45(2):150 − 158. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2018.02.23

    ZHANG Yichen, QIN Shengwu, ZHAI Jianjian, et al. Susceptibility assessment of debris flow based on GIS and weight information for the Changbai Mountain area[J]. Hydrogeology & Engineering Geology, 2018, 45(2): 150-158. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2018.02.23

    [10] 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) DOI: 10.16030/j.cnki.issn.1000-3665.2016.06.24

    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) DOI: 10.16030/j.cnki.issn.1000-3665.2016.06.24

    [11] 陈飞, 蔡超, 李小双, 等. 基于信息量与神经网络模型的滑坡易发性评价[J]. 岩石力学与工程学报, 2020, 39(增刊1): 2859 − 2870

    CHEN Fei, CAI Chao, LI Xiaoshuang, et al. Evaluation of landslide susceptibility based on information volume and neural network model[J]. Chinese Journal of Rock Mechanics and Engineering, 2020, 39(Sup 1): 2859 − 2870. (in Chinese with English abstract)

    [12] 李骅锦,许强,何雨森,等. 甘肃黑方台滑坡滑距参数的BP神经网络模型[J]. 水文地质工程地质,2016,43(4):141 − 146. [LI Huajin,XU Qiang,HE Yusen,et al. BP neural network model for analyzing the impact factors of the travel distance of the Heifangtai landslide in Gansu[J]. Hydrogeology & Engineering Geology,2016,43(4):141 − 146. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2016.04.23

    LI Huajin, XU Qiang, HE Yusen, et al. BP neural network model for analyzing the impact factors of the travel distance of the Heifangtai landslide in Gansu[J]. Hydrogeology & Engineering Geology, 2016, 43(4): 141-146. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2016.04.23

    [13] 王念秦,朱文博,郭有金. 基于PSO-SVM模型的滑坡易发性评价[J]. 长江科学院院报,2021,38(4):56 − 62. [WANG Nianqin,ZHU Wenbo,GUO Youjin. Assessment of landslide susceptibility based on PSO-SVM model[J]. Journal of Yangtze River Scientific Research Institute,2021,38(4):56 − 62. (in Chinese with English abstract) DOI: 10.11988/ckyyb.20200074

    WANG Nianqin, ZHU Wenbo, GUO Youjin. Assessment of landslide susceptibility based on PSO-SVM model[J]. Journal of Yangtze River Scientific Research Institute, 2021, 38(4): 56-62. (in Chinese with English abstract) DOI: 10.11988/ckyyb.20200074

    [14] 吴迪. 基于PSO-SVM的凤县公路边坡地质灾害空间预测[J]. 中国地质灾害与防治学报,2018,29(6):112 − 120. [WU Di. Spatial prediction of highway slope geo-hazards in Feng County based on PSO-SVM[J]. The Chinese Journal of Geological Hazard and Control,2018,29(6):112 − 120. (in Chinese with English abstract)

    WU Di. Spatial prediction of highway slope geo-hazards in Feng County based on PSO-SVM[J]. The Chinese Journal of Geological Hazard and Control, 2018, 29(6): 112-120. (in Chinese with English abstract)

    [15] 何书,鲜木斯艳·阿布迪克依木,胡萌,等. 基于自组织特征映射网络-随机森林模型的滑坡易发性评价—以江西大余县为例[J]. 中国地质灾害与防治学报,2022,33(1):132 − 140. [HE Shu,ABUDIKEYIMU XMSY,HU Meng,et al. Evaluation on landslide susceptibility based on self-organizing feature map network and random forest model:A case study of Dayu County of Jiangxi Province[J]. The Chinese Journal of Geological Hazard and Control,2022,33(1):132 − 140. (in Chinese with English abstract)

    HE Shu, ABUDIKEYIMU XMSY, HU Meng, et al. Evaluation on landslide susceptibility based on self-organizing feature map network and random forest model: A case study of Dayu County of Jiangxi Province[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(1): 132-140. (in Chinese with English abstract)

    [16] 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) DOI: 10.16031/j.cnki.issn.1003-8035.2018.05.03

    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) DOI: 10.16031/j.cnki.issn.1003-8035.2018.05.03

    [17]

    LI Zhihong,NADIM F,HUANG Hongwei,et al. Quantitative vulnerability estimation for scenario-based landslide hazards[J]. Landslides,2010,7(2):125 − 134. DOI: 10.1007/s10346-009-0190-3

    [18] 李春燕,孟晖,张若琳,等. 中国县域单元地质灾害风险评估[J]. 水文地质工程地质,2017,44(2):160 − 166. [LI Chunyan,MENG Hui,ZHANG Ruolin,et al. Risk assessment of geo-hazard of China in County unit[J]. Hydrogeology & Engineering Geology,2017,44(2):160 − 166. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2017.02.24

    LI Chunyan, MENG Hui, ZHANG Ruolin, et al. Risk assessment of geo-hazard of China in County unit[J]. Hydrogeology & Engineering Geology, 2017, 44(2): 160-166. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2017.02.24

    [19] 李春燕,孟晖,张若琳,等. 基于承灾体易损性的县域单元地质灾害风险评估[J]. 地质通报,2021,40(9):1547 − 1559. [LI Chunyan,MENG Hui,ZHANG Ruolin,et al. Geological hazard risk assessment based on vulnerability of disaster-bearing body at County unite scale[J]. Geological Bulletin of China,2021,40(9):1547 − 1559. (in Chinese with English abstract) DOI: 10.12097/j.issn.1671-2552.2021.09.014

    LI Chunyan, MENG Hui, ZHANG Ruolin, et al. Geological hazard risk assessment based on vulnerability of disaster-bearing body at County unite scale[J]. Geological Bulletin of China, 2021, 40(9): 1547-1559. (in Chinese with English abstract) DOI: 10.12097/j.issn.1671-2552.2021.09.014

    [20] 陈东景,李培英,刘乐军,等. 我国沿海城市海底地质灾害易损性评价[J]. 中国安全科学学报,2010,20(11):11 − 17. [CHEN Dongjing,LI Peiying,LIU Lejun,et al. Evaluation on submarine geological hazard vulnerability of coastal cities in China[J]. China Safety Science Journal,2010,20(11):11 − 17. (in Chinese with English abstract) DOI: 10.3969/j.issn.1003-3033.2010.11.002

    CHEN Dongjing, LI Peiying, LIU Lejun, et al. Evaluation on submarine geological hazard vulnerability of coastal cities in China[J]. China Safety Science Journal, 2010, 20(11): 11-17. (in Chinese with English abstract) DOI: 10.3969/j.issn.1003-3033.2010.11.002

    [21] 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) DOI: 10.13577/j.jnd.2020.0321

    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) DOI: 10.13577/j.jnd.2020.0321

    [22] 邹凤钗,冷洋洋,陶小郎,等. 基于斜坡单元的滑坡风险识别—以贵州万山浅层土质斜坡为例[J]. 中国地质灾害与防治学报,2022,33(3):114 − 122. [ZOU Fengchai,LENG Yangyang,TAO Xiaolang,et al. Landslide hazard identification based on slope unit:A case study of shallow soil slope in Wanshan,Guizhou Province[J]. The Chinese Journal of Geological Hazard and Control,2022,33(3):114 − 122. (in Chinese with English abstract)

    ZOU Fengchai, LENG Yangyang, TAO Xiaolang, et al. Landslide hazard identification based on slope unit: a case study of shallow soil slope in Wanshan, Guizhou Province[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(3): 114-122. (in Chinese with English abstract)

    [23] 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)

    [24] 张俊,殷坤龙,王佳佳,等. 三峡库区万州区滑坡灾害易发性评价研究[J]. 岩石力学与工程学报,2016,35(2):284 − 296. [ZHANG Jun,YIN Kunlong,WANG Jiajia,et al. Evaluation of landslide susceptibility for Wanzhou District of Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering,2016,35(2):284 − 296. (in Chinese with English abstract) DOI: 10.13722/j.cnki.jrme.2015.0318

    ZHANG Jun, YIN Kunlong, WANG Jiajia, et al. Evaluation of landslide susceptibility for Wanzhou district of Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2016, 35(2): 284-296. (in Chinese with English abstract) DOI: 10.13722/j.cnki.jrme.2015.0318

    [25] 张群,许强,吴礼舟,等. 南江滑坡群体积的BP神经网络模型与预测[J]. 水文地质工程地质,2015,42(1):134 − 139. [ZHANG Qun,XU Qiang,WU Lizhou,et al. BP neural network model for forecasting volume of landslide group in Nanjiang[J]. Hydrogeology & Engineering Geology,2015,42(1):134 − 139. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2015.01.23

    ZHANG Qun, XU Qiang, WU Lizhou, et al. BP neural network model for forecasting volume of landslide group in Nanjiang[J]. Hydrogeology & Engineering Geology, 2015, 42(1): 134-139. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.2015.01.23

    [26] 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)

    [27] 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 Yuan’an County of Hubei Province[J]. The Chinese Journal of Geological Hazard and Control,2019,30(1):52 − 60. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.2019.01.06

    YAN Jusheng, TAN Jianmin. Landslide susceptibility assessment based on different factor classification methods—a case study in Yuan'an County of Hubei Province[J]. The Chinese Journal of Geological Hazard and Control, 2019, 30(1): 52-60. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.2019.01.06

    [28] 唐波,刘希林,尚志海. 城市灾害易损性及其评价指标[J]. 灾害学,2012,27(4):6 − 11. [TANG Bo,LIU Xilin,SHANG Zhihai. Vulnerability of urban disasters and its evaluation index[J]. Journal of Catastrophology,2012,27(4):6 − 11. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2012.04.002

    TANG Bo, LIU Xilin, SHANG Zhihai. Vulnerability of urban disasters and its evaluation index[J]. Journal of Catastrophology, 2012, 27(4): 6-11. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2012.04.002

    [29] 刘希林,莫多闻. 泥石流易损度评价[J]. 地理研究,2002,21(5):569 − 577. [LIU Xilin,MO Duowen. Site-specific debris flow vulnerability assessment[J]. Geographical Research,2002,21(5):569 − 577. (in Chinese with English abstract) DOI: 10.3321/j.issn:1000-0585.2002.05.005

    LIU Xilin, MO Duowen. Site-specific debris flow vulnerability assessment[J]. Geographical Research, 2002, 21(5): 569-577. (in Chinese with English abstract) DOI: 10.3321/j.issn:1000-0585.2002.05.005

图(6)  /  表(10)
计量
  • 文章访问数:  1374
  • HTML全文浏览量:  1217
  • PDF下载量:  302
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-11-08
  • 修回日期:  2023-04-03
  • 网络出版日期:  2023-06-08
  • 刊出日期:  2024-04-24

目录

/

返回文章
返回