Assessment on the susceptibility of sudden geological hazards in mountainous areas of Beijing
-
摘要: 北京山区地质环境条件复杂，发育大量突发地质灾害隐患，既直接威胁山区村庄、道路、景区的人员及设施的安全，又会对城镇的规划建设构成威胁。通过开展地质灾害易发性评价工作，划分出地质灾害易发区，以评价结果指导城镇建设规划，减轻地质灾害的威胁，这是一项十分重要的工作。文章在阐述北京山区崩塌、滑坡及泥石流突发地质灾害发育情况的基础上，选取了坡度、起伏度、工程地质岩组、地质构造、地貌类型及降水等6个影响因子，采用综合信息量模型方法，分别对北京山区斜坡类灾害（崩塌、滑坡）和泥石流灾害的易发性进行评价，并根据“就高不就低”的原则，叠加各灾种的易发性评价结果划分出北京山区突发地质灾害易发性分区图，为城镇建设适宜性评价、编制国土空间规划及完善空间治理提供科学的依据。Abstract: The geological environment conditions of Beijing mountainous area are complex, and there are a lot of sudden geological hazards, which not only directly threaten the safety of people and fundamental facilities, roads and scenic spots in mountainous areas, but also threaten the planning and construction of cities and towns. It is a very important work to divide the geological disaster prone areas by evaluation of geological hazard susceptibility, so as to guide the urban construction planning and reduce the threat of geological disasters with the evaluation results. Based on the description of the sudden geological hazards development of rock fall, landslide, unstable slope and debris flow in Beijing mountainous area, the article selects six influencing factors, including slope, fluctuation, rock group of engineering geological, geological structure, geomorphic type and precipitation, and adopts the method of integrated information model to analyze the susceptibility of slope hazards including rock fall, landslide, unstable slope and debris flow in Beijing mountainous area. Then according to the principle of "high not low", the results of susceptibility of various hazards were superimposed to divide the susceptibility of sudden geological hazards in mountainous areas, which provides scientific basis for the suitability evaluation of urban construction, the compilation of land spatial planning and the improvement of spatial governance.
-
0. 引言
近年来，矿区地质灾害愈发严重，其中尾矿坝由于堆放工业废渣及废弃物，具有高势能，存在人造泥石流溃坝危险[1]。矿山环境污染是采矿活动引发的主要环境问题之一，基于尾矿坝严重的安全隐患，世界上很多国家把对尾矿坝的安全监测列为国家劳动部门安全监察的重要内容[2-4]。当险情发生时，由于灾区环境风险，常规的监测手段无法及时获取灾情。无人机同现有的常规手段相比，可以解决灾情勘察人员由于安全隐患无法接近灾区的问题，能够速获取空间要素，具有高精度、高时效、低成本的优势，是一种快速部署、零伤亡的灾情获取技术手段[5-9]。利用无人机遥感监测地面空间要素一直是学者们关注的热点。文献[10]进行了单相机无人机航摄试验，并开发了相应的地面监测软件；文献[11]对辽宁省某市铁矿开采区域进行了无人机动态遥感监测；文献[12]利用无人机摄影测量监测程潮铁矿西部塌陷区的地表塌陷变形。文献[13]利用无人机影像对云南省滇东北地区滑坡的活动性、发生发展过程进行监测，分析山体滑坡体特征。文献[14]以锦屏二级水电站出线场边坡落石灾害所在区域为例，将无人机摄影测量技术应用于高陡边坡危岩体调查中。随着无人机技术应用范围越来越广泛，这为尾库坝监测防灾及精细测量提供一种新思路。
采用无人机技术进行沉陷监测具有非接触性，大面积采集监测数据的优点。获取高精度的成图是无人机监测的保证。本文基于无人机低空摄影测量获取的航摄照片，经POS(Position and Orientation System)数据误差纠正，选取合理的像控点布设方案，利用获取的尾矿坝高分辨率两期DEM(Digital Elevation Model)数据进行尾矿坝沉降变形分析，对0～120 m，Y=0～700 m地表高程主要分析区域的变化情况做剖面分析，精度符合实际要求，为实际工况下无人机低空摄影测量提供参考，具有一定工程应用价值。
1. 无人机低空摄影成图方法
无人机低空摄影测量是对地面监测的一种新型手段。无人机采集地表信息的一般流程有航线规划、布设像控点和提取信息，它通过获取高清晰度航摄影片，获取POS数据，联系地面控制点，利用畸变改正等方法，经过空三解算，获取高精度DEM数据以及高分辨率正射影像[15-16]。无人机低空摄影测量获取的航片需要确定投影坐标以及DEM数据网格间距，精度越高则分辨率越高[17]。基于无人机低空摄影测量的尾矿坝地表沉降主要技术流程如图1所示。
2. 无人机航测影像POS数据系统误差分析
无人机低空摄影测量有一定的系统误差，对数字摄影测量精度造成影响的原因有很多种，但是最重要的是相机的分辨率；相机拍摄时存在的安置误差；原始POS数据系统误差[18]。通过设计合理的航飞方案可以提高影像质量，提高航片的重叠度减少误差，建立误差改正模型纠正原始POS数据系统误差。无人机飞行时的6个外方位元素
$ {X}_{\mathrm{s}} $ ，$ {Y}_{\mathrm{s}} $ ，$ {Z}_{\mathrm{s}} $ ，$ \varPhi $ ，$ \varOmega $ ，$ { K} $ 是由共线方程反算得到，这是摄影测量的一个基本问题[19-20]。共线方程的建立如式（1）：$$\begin{aligned} &{ x-{x}_{0}+\Delta x= } {-f\frac{{a}_{1}\left(X-{X}_{\mathrm{s}}\right)+{b}_{1}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{1}\left(Z-{Z}_{\mathrm{s}}\right)}{{a}_{2}\left(X-{X}_{\mathrm{s}}\right)+{b}_{2}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{2}\left(Z-{Z}_{\mathrm{s}}\right)} }\\ &{y-{y}_{0}+\Delta y= } {-f\frac{{a}_{3}\left(X-{X}_{\mathrm{s}}\right)+{b}_{3}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{3}\left(Z-{Z}_{\mathrm{s}}\right)}{{a}_{2}\left(X-{X}_{\mathrm{s}}\right)+{b}_{2}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{2}\left(Z-{Z}_{\mathrm{s}}\right)}} \end{aligned} $$ (1) 式中：
$ {x}_{0} $ ，$ {y}_{0} $ ——像主点；$ x $ ，$ y $ ——以像主点为原点的像平面坐标；$ \Delta x $ ，$ \Delta y $ ——相机畸变改正数；$ f $ ——像片主距；$X_{\rm{s}}$ ，$Y_{\rm{s}}$ ，$Z_{\rm{s}}$ ——外方位线元素；$ X $ ，$ Y $ ，$ Z $ ——物点的地面坐标；$ {a}_{1} $ ，$ {a}_{2} $ ，$ {a}_{3} $ ，$ {b}_{1} $ ，$ {b}_{2} $ ，$ {b}_{3} $ ，$ {c}_{1} $ ，$ {c}_{2} $ ，$ {c}_{3} $ ——旋转矩阵的9个元素。通过地面控制点反算获取影像精确的外方位元素，得到POS数据误差的改正参数，建立两种针对单张相片和多张相片的误差改正模型。其中单张相片误差改正公式如式（2）：
$$ \left\{\begin{aligned}&\Delta{X}_{\mathrm{P}i}={X}_{i}-{X}_{\mathrm{P}i},\Delta{Y}_{\mathrm{P}i}={Y}_{i}-{Y}_{\mathrm{P}i}\\ &\Delta{Z}_{\mathrm{P}i}={Z}_{i}-{Z}_{\mathrm{P}i},\Delta{\varPhi }_{\mathrm{P}i}={\varPhi }_{i}-{\varPhi }_{\mathrm{P}i}\\ &\Delta{\varOmega }_{\mathrm{P}i}={\varOmega }_{i}-{\varOmega }_{\mathrm{P}i},{\Delta { K}}_{\mathrm{P}i}={{ K}}_{i}-{{ K}}_{\mathrm{P}i}\end{aligned}\right. $$ (2) 式中：
$ {X}_{\mathrm{P}i} $ ，$ {Y}_{\mathrm{P}i} $ ，$ {Z}_{\mathrm{P}i} $ ，$ {\varPhi }_{\mathrm{P}i} $ ，$ {\varOmega }_{\mathrm{P}i} $ ，$K_{{\rm{P}}i}$ —原始POS数据的外方 位元素；$ {X}_{i} $ ，$ {Y}_{i} $ ，$ {Z}_{i} $ ，$ {\varPhi }_{i} $ ，$ {\varOmega }_{i} $ ，$K_i $ —地面控制点反算获取的外 方位元素；i—表示计算的影像张数，
$i=\mathrm{1,2,}\cdots ,n$ ；$ \Delta {X}_{\mathrm{P}i} $ ，$ \Delta {Y}_{\mathrm{P}i} $ ，$ \Delta {Z}_{\mathrm{P}i} $ ，$ \Delta {\varPhi }_{\mathrm{P}i} $ ，$ \Delta {\varOmega }_{\mathrm{P}i} $ ，$ {\Delta { K}}_{\mathrm{P}i} $ —表示第i张影 像外方位元素 的改正值。如果选取多张相片进行误差改正，则误差取平均值计算多张相片误差改正公式如式（3）：
$$ \left\{\begin{aligned} &\Delta {X}_{\mathrm{P}}=\sum _{i=1}^{n}{\Delta X}_{\mathrm{P}i}/n,\Delta {Y}_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {Y}_{\mathrm{P}i}/n\\ &\Delta {Z}_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {Z}_{\mathrm{P}i}/n,\Delta {\varPhi }_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {\varPhi }_{\mathrm{P}i}/n\\ &\Delta {\varOmega }_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {\varOmega }_{\mathrm{P}i}/n,\Delta {{ K}}_{\mathrm{P}}=\sum _{i=1}^{n}{\Delta { K}}_{\mathrm{P}i}/n\end{aligned}\right. $$ (3) 通过改正模型纠正原始POS数据误差如表1所示。
表 1 外方位元素的改正值和误差来源Table 1. Correction values and error sources of elements with external orientation外方位元素 改正值 改正误差 $ {X}_{i} $ 奇数行带$ \Delta {X}_{\mathrm{P}} $ 相反性误差
偏移误差偶数行带$ -\Delta {X}_{\mathrm{P}} $ $ {Y}_{i} $ 奇数行带$ \Delta {Y}_{\mathrm{P}} $ 相反性误差
偏移误差偶数行带$ -\Delta {Y}_{\mathrm{P}} $ $ {Z}_{i} $ $ \Delta {Z}_{\mathrm{P}} $ 偏移误差 $ {\varPhi }_{i} $ $ \Delta {\varPhi }_{\mathrm{P}} $ 视准轴误差 $ {\varOmega }_{i} $ $ \Delta {\varOmega }_{\mathrm{P}} $ $ {{ K}}_{i} $ $ \Delta {{ K}}_{\mathrm{P}} $ 3. 实验区概况与控制点布置方案
3.1 实验区概况
本次实验区深处亚欧大陆腹地，地形地貌复杂，气候干旱少雨，绿洲生态维持主要依赖高山雨雪形成的河流。尾矿坝较多，属典型的山谷型尾矿库。其中研究区尾矿坝具有高势能的人造泥石流危险源，一旦溃坝容易造成特大事故和河流污染，对矿区的安全及其它方面也会产生一定影响。尾矿坝位于图2所示的研究范围内，尾矿坝用于存放工业废渣，而且在进行数据采集之前就已经出现过部分边坡的滑落。因此需要对尾矿坝进行无人机摄影测量监测，通过数据分析判断边坡是否再次出现滑坡灾害，以确保矿区地质安全[21-22]。
3.2 控制点布置方案
为获取实验区无人机影像，设计合理的飞行方案，分别在2018年8月2日及2019年8月5日采用固定翼和多旋翼无人机对实验区进行航拍，获取两期原始航片数据。为了保证生成具有高精度的DEM，飞行前在地面做好控制点并记录其大地坐标，将控制点清晰记录在影像上。无人机飞行参数设置相对航高为95 m，航向重叠度为85%，旁向重叠度为80%。在完成航摄后，应对照片进行质量检查，主要包括：照片的清晰度和重叠度，有没有航摄漏洞，航摄区域与需要观测区域的覆盖情况。如果在检查时发现有些照片不符合要求，进行补飞，以免影响后续处理的精度[23]。
控制点的选取和布设可以保证低空摄影测量的精度。做空中三角测量需要布设的地面控制点和检查点进行区域网平差[24]。采用高精度水准仪按照一等测量规范在实验区域架设仪器获取两期尾矿坝区域控制点高程数据，高精度全站仪获取控制点点位数据。实验区主要为尾矿坝区域，矿区两侧有山路环绕，便于行走及架设仪器。因此以尾矿坝为主要区域，然后沿矿区两侧山路在路边进行布设控制点。
针对控制点数量对成图的精度影响问题，在第一次航拍前实验选取最佳控制点数量提高成图精度。参考“均匀布设原则”，按照控制点依次增加2个，最后累加到14个的7种控制点布设方案。建模时，把用全站仪及水准仪测量的对应控制点坐标及高程输入到软件中，并且把纠正过的POS数据输入到Pix4Dmapper软件中，建立对应的三维立体模型。对生成的模型进行分析，读取不同控制点布设方案下各控制点的坐标，比较平面及高程精度。经过处理的7种控制点布设方案的数据误差如图3所示。
由图3可以看出，随着控制点数量的增加，数据精度也在逐渐增加，数量到达8个之后，精度逐渐降低并趋于稳定，所以此次尾矿坝控制点数量选取为8个，数据精度达到最高。
将原始外方位元素代入控制点坐标进行反算，利用Matlab软件设计系统误差改正模型计算出POS数据改正参数，然后对原始POS数据进行改正。选取第一期部分影像原始POS数据与纠正后POS数据对比如表2所示。
表 2 原始POS数据与纠正后POS数据对比Table 2. Comparison of original POS data and corrected POS dataID $ |\Delta X| $
/m$|\Delta Y|$
/m$ |\Delta Z| $/m $|\Delta {\varPhi }_{\mathrm{P} }|$
/（°）$ |\Delta {\varOmega }_{\mathrm{P}}| $/（°） $ |\Delta {{ K}}_{\mathrm{P}}| $/（°） D35 0.013 0.046 0.093 0.18 0.13 0.87 D36 0.056 0.099 0.034 0.20 0.43 0.50 D42 0.074 0.060 0.089 0.47 0.59 0.61 D43 0.025 0.054 0.051 0.78 0.78 0.84 D92 0.076 0.012 0.060 0.14 0.11 0.26 D93 0.047 0.083 0.081 0.28 0.25 0.55 由表2可以看出改正的外方位元素精度得到提高，生成的正射影像及DEM数据相对提高。此次获得的原始POS数据精度较高，经区域网平差后，线元素误差在0.1 m以内，角元素误差在1 °以内，但还是满足不了沉降观测高精度的要求，所以需要纠正POS数据提高精度。用Pix4Dmapper软件进行后续处理生成正射影像与DEM数据，投影坐标系为WGS84-UTM44N坐标系，第一期POS数据纠正前正射影像与纠正后正射影像对比如图4所示。两期控制点与DEM坐标点位误差如图5所示。
![]()
图 4 第一期POS数据纠正前正射影像与纠正后正射影像对比Figure 4. Contrast of orthophoto before and after correction of POS data in the first phase通过图4可知用纠正后POS数据生成第一期正射影像的定位精度高于原始POS数据。由于目前的无人机没有搭载后差分POS数据处理系统，因此要纠正POS数据进行影像定位，提高定位精度。由图5可知两期地面控制点和生成DEM数据的对应监测点坐标的差值在毫米级别，控制点的误差基本控制在3 mm之内，说明其生成的坐标精度可靠,可以用于接下来的尾矿坝地表沉陷分析。
![]()
图 5 两期控制点与DEM坐标点位误差Figure 5. Error between control points in two phases and DEM coordinates4. 尾矿坝地表沉陷特征
对本次研究区域进行位移沉降分析，首先需要得到DEM数据的坐标信息，生成的2018年8月2日及2019年8月5日DEM数据整体差值如图6所示。根据Pix4Dmapper软件生成的三维尾矿坝图如图7所示。
将尾矿坝两期DEM数据整体差值覆于数字模型表面上，经过ArcGIS平台的技术处理[25]，得到尾矿坝整体沉降图如图8所示。
对于尾矿坝整体的主要分析区域为0～120 m，Y=0～700 m地表高程的变化情况。为了分析研究区域地表塌陷区的沉降情况，对两期实验所得到的模型区域内，分别在Y=350 m、Y=100 m和X=60 m剖面线上，提取相应点的高程差值，分析其高程在三次监测情况下的变化，如图9、10、11所示。
由图8可知，尾矿坝整体出现了沉降，尾矿坝两侧山坡西坡受尾矿坝沉降及西南暖湿气流的影响，在南北或偏南北走向山脉的西坡和西南坡形成大量降水，出现沉降现象。由X=60 m剖面可知尾矿坝南坡沉降范围最大。由于尾矿坝内部存在矿区工业废水，经过一年的废水流失，以及该实验区降水量大，受日照及降雨影响，尾矿坝的地质发生了解构现象，导致了整体沉降。南部尾矿坝下坡是尾矿坝的坡顶区域，坡度大，降雨量受面广，受沉降位移的影响较为明显，加快了地表塌陷区的沉降。尾矿坝北部因为坡度小，受降雨及日照影响小，所以沉降范围小于南部。对于剖面Y=500 m，根据剖面线上各点高程的变化情况可知，此剖面线上沉降位移为0.08 m左右。分析其原因，主要是因为此剖面所处区域比较平坦，属于尾矿坝中部地区，沉降比较稳定。对于剖面Y=100 m，尾矿坝下坡沉降范围在0.16 m之内。
综上所述，当前利用无人机低空摄影测量技术为监测地表沉降提供了新的方法，比传统监测方式更加便捷。与传统监测相比，低空摄影测量技术能够从多角度进行影像采集，能够充分地获取监测区域的地形地物信息。
5. 结论
文章基于无人机低空航摄技术获取实验区数据，并进行数据处理，利用高精度成图方法，得到实验区尾矿坝地表沉陷图。实验结果表明：
（1）通过改正原始POS数据误差，是可以提高无人机摄影测量成图精度的，这为无人机在精细测量方向上有更多的研究潜力。无人机成图精度并不是随着像控点数量的增加而增加，要根据实际情况做出决策。
（2）经过实际工程的应用，利用无人机监测尾矿坝地表沉陷的高精度成图方法获得的精度是可靠的，可以达到毫米级，这对现有监测手段是一种有效的补充。
（3）尾库坝安全监测一直是矿区安全生产的重要保证。由于光照、温度、雨量、风速和土壤质地等因子的综合作用，尾矿坝发生沉降，尾矿坝北部因为坡度小，受降雨及日照影响小，所以沉降范围小于南部。通过无人机低空摄影测量监测，对矿区安全生产起到一定的预警作用。需要指出的是，本次试验研究的是植被覆盖较少的尾矿坝区域，沉降变形主要靠人工识别和分析，下一步的研究工作将针对植被覆盖广的区域以及对矿区地质灾害信息进行自动识别和统计分析。
-
![]()
图 1 北京山区地质灾害现状分布图
Figure 1. Distribution of geological hazards in mountainous areas of Beijing
![]()
图 2 北京山区地质灾害易发性分区评价网格图
Figure 2. Evaluation grid of geological hazards prone area in mountainous area of Beijing
![]()
图 5 北京山区斜坡类灾害及泥石流灾害易发性评价结果图
Figure 5. Assessment of the susceptibility of slope failure and debris flow in mountainous areas of Beijing
表 1 崩塌、滑坡等斜坡类灾害易发性评价各评价因子信息量统计表
Table 1 Statistical table of information quantity of each evaluation factor for the assessment of the susceptibility of rock fall, landslide and unstable slope
评价因子 状态 信息量计算 信息量值 评价因子 状态 信息量计算 信息量值 Ni Si N S Ni Si N S 坡度 <15° 658 10264 3084 41957 −0.136775 地质构造 无断裂分布 2364 35489 3084 41957 −0.098450 15°~35° 2302 27693 3084 41957 0.123016 1条断裂分布 532 5256 3084 41957 0.319936 >35° 124 4000 3084 41957 −0.863350 2条断裂分布 134 941 3084 41957 0.661314 起伏度/m 0～30 8 2514 3084 41957 −3.139771 3条及以上断裂分布 54 271 3084 41957 0.997283 30～70 120 2343 3084 41957 −0.361278 地貌类型 中山 249 9340 3084 41957 −1.014191 70～200 1457 14085 3084 41957 0.341687 低山 1756 20188 3084 41957 0.168368 200～500 1483 22271 3084 41957 −0.098800 丘陵 796 7843 3084 41957 0.322640 500～1000 16 744 3084 41957 −1.229034 山间河谷 223 1146 3084 41957 0.973557 工程地质岩组 坚硬岩组 1367 18366 3084 41957 0.012535 山间盆地 0 11 3084 41957 0.000000 较坚硬岩组 1204 17247 3084 41957 −0.051571 山间湖泊 6 398 3084 41957 −1.584275 较软岩组 124 923 3084 41957 0.603070 平原 54 3031 3084 41957 −1.417246 松散岩组 389 5421 3084 41957 −0.024038 
下载: 导出CSV
表 2 崩塌、滑坡等斜坡类灾害易发性分区等级与实际地质灾害分布对比表
Table 2 Comparison between the grade of prone area of rock fall, landslide and unstable slope and the distribution of actual geological hazards
易发程度 信息量值 a/% c/个 b/% b/a 高易发区 0.770977～2.233424 10.71 1287 31.85 2.97 中易发区 −0.881988～0.770977 56.76 2589 64.07 1.13 低易发区 −4.983309～-0.881988 32.53 165 4.08 0.13 注：1、a为本类易发性等级的面积占研究区总面积的百分比；b为落在该易发性分区内的灾害占灾害点总数的百分比；c为落在该类易发性分区内的灾害数量。2、上述面积统计不含密云水库的面积。
下载: 导出CSV
表 3 泥石流灾害易发性评价各评价因子信息量统计表
Table 3 Statistical table of information quantity of each evaluation factor for the assessment of the susceptibility of debris flow
评价因子 状态 信息量计算 信息量值 评价因子 状态 信息量计算 信息量值 Ni Si N S Ni Si N S 坡度 <15° 806 10264 11379 41957 −1.239438 地貌类型 丘陵 892 7843 11379 41957 −0.869035 15°~35° 8771 27693 11379 41957 0.1551469 山间河谷 61 1146 11379 41957 −1.628283 >35° 1802 4000 11379 41957 0.5074785 山间盆地 0 11 11379 41957 0.000000 起伏度 0～30 m 1 2514 11379 41957 −6.524755 山间湖泊 4 398 11379 41957 −3.295282 30～70 m 70 2343 11379 41957 −2.205816 平原 18 3031 11379 41957 −3.8214 70～200 m 2650 14085 11379 41957 −0.365675 地质构造 无断裂分布 9308 35489 11379 41957 −0.033473 200～500 m 8320 22271 11379 41957 0.3202526 1条断裂分布 1661 5256 11379 41957 0.1529253 500～1000 m 338 744 11379 41957 0.5158806 2条断裂分布 323 941 11379 41957 0.2355849 工程地质岩组 坚硬岩组 6108 18366 11379 41957 0.203974 3条及以上断裂分布 87 271 11379 41957 0.168665 较坚硬岩组 4718 17247 11379 41957 0.0086225 降水 >650 mm 3275 8431 11379 41957 0.3592782 较软岩组 418 923 11379 41957 0.5127279 650～550 mm 5730 18002 11379 41957 0.1601084 松散岩组 135 5421 11379 41957 −2.387885 550～450 mm 2072 12880 11379 41957 −0.522286 地貌类型 中山 4056 9340 11379 41957 0.4707667 <450 mm 302 2644 11379 41957 −0.864745 低山 6348 20188 11379 41957 0.1479272
下载: 导出CSV
表 4 泥石流灾害易发性分区等级与实际地质灾害分布对比表
Table 4 Comparison between the grade of prone area of debris flow and the distribution of actual geological hazards
易发程度 信息量值 a/% c/个 b/% b/a 高易发区 1.1206～2.1243 20.99 565 62.71 2.99 中易发区 −0.1453～1.1206 26.80 276 30.63 1.14 低易发区 −3.3329～−0.1453 46.63 60 6.66 0.14 不易发区 −14.8717～−3.3329 5.58 − − − 注：1、a为本类易发性等级的面积占研究区总面积的百分比；b为落在该易发性分区内的灾害占灾害点总数的百分比；c为落在该类易发性分区内的灾害数量。2、上述面积统计不含密云水库的面积。
下载: 导出CSV
表 5 北京山区斜坡类灾害及泥石流灾害易发性分区统计表
Table 5 Statistical table of debris flow prone areas in mountainous areas of Beijing
易发性 高易发区 中易发区 低易发区 面积/km2 2718.98 4908.23 2348.03 比例/% 27.26 49.20 23.54 地质灾害隐患点数量/个 2512 2293 137 地质灾害隐患点密度/（个·km−2） 0.92 0.47 0.06 备注：上述面积统计不含密云水库的面积。
下载: 导出CSV
-
[1] 自然资源部. 资源环境承载能力和国土空间开发适宜性评价技术指南(试行)[S]. 2020. Ministry Of Natural Resources of the People’s Republic of China. Technical guide for assessment of resources and environment carrying capacity and suitability of land and space development (Trial)[S]. 2019. (in Chinese)
[2] 赵帅, 赵洲. 基于信息量模型的地质灾害易发性评价[J]. 水力发电,2019,45(3):27 − 32. [ZHAO Shuai, ZHAO Zhou. Geological hazard risk assessment based on information quantity model[J]. Water Power,2019,45(3):27 − 32. (in Chinese with English abstract) DOI: 10.3969/j.issn.0559-9342.2019.03.007 [3] 崔志超, 王俊豪, 崔传峰, 等. 基于层次分析法和模糊数学相结合的甘肃东乡八丹沟泥石流易发性评价[J]. 中国地质灾害与防治学报,2020,31(1):44 − 50. [CUI Zhichao, WANG Junhao, CUI Chuanfeng, et al. Evaluation of the susceptibility of debris flow in Badan Gully of Dongxiang County of Gansu based on AHP and Fuzzy mathematics[J]. The Chinese Journal of Geological Hazard and Control,2020,31(1):44 − 50. (in Chinese with English abstract) [4] 孙长明, 马润勇, 尚合欣, 等. 基于滑坡分类的西宁市滑坡易发性评价[J]. 水文地质工程地质,2020,47(3):173 − 181. [SUN Changming, MA Runyong, SHANG Hexin, et al. Landslide susceptibility assessment in Xining based on landslide classification[J]. Hydrogeology & Engineering Geology,2020,47(3):173 − 181. (in Chinese with English abstract) [5] 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) [6] 樊芷吟, 苟晓峰, 秦明月, 等. 基于信息量模型与Logistic回归模型耦合的地质灾害易发性评价[J]. 工程地质学报,2018,26(2):340 − 347. [FAN Zhiyin, GOU Xiaofeng, QIN Mingyue, et al. Information and logistic regression models based coupling analysis for susceptibility of geological hazards[J]. Journal of Engineering Geology,2018,26(2):340 − 347. (in Chinese with English abstract) [7] 张波, 石长柏, 肖志勇, 等. 基于GIS和加权信息量的湖北鄂州地质灾害易发性区划[J]. 中国地质灾害与防治学报,2018,29(3):101 − 107. [ZHANG Bo, SHI Changbo, XIAO Zhiyong, et al. Geologic hazards susceptibility assessment in E'zhou City of Hubei Province based on GIS and weighted information value[J]. The Chinese Journal of Geological Hazard and Control,2018,29(3):101 − 107. (in Chinese with English abstract) [8] 王雷, 吴君平, 赵冰雪, 等. 基于GIS和信息量模型的安徽池州地质灾害易发性评价[J]. 中国地质灾害与防治学报,2020,31(3):96 − 103. [WANG Lei, WU Junping, ZHAO Bingxue, et al. Susceptibility assessment of geohazards in Chizhou City of Anhui Province based on GIS and informative model[J]. The Chinese Journal of Geological Hazard and Control,2020,31(3):96 − 103. (in Chinese with English abstract) [9] 北京地质矿产勘查院. 北京“双评价”地质灾害专项评价报告[R]. 2019. Beijing Geology Prospecting Institute. Special evaluation report on "double evaluation" geological hazards in Beijing[R]. 2019. (in Chinese)
[10] 北京规划和自然资源委员会. 北京地质灾害统计台账[G]. 2019. Beijing Municipal Commission of Planning and Natural Resources. Beijing geological disaster statistics account [G]. 2019. (in Chinese)
[11] 彭珂, 彭红霞, 梁峰, 等. 基于信息量模型的赣州市地质灾害易发性分区[J]. 安全与环境工程,2018,25(5):22 − 28. [PENG Ke, PENG Hongxia, LIANG Feng, et al. Susceptibility zoning of geo-hazards in Ganzhou City based on the information model[J]. Safety and Environmental Engineering,2018,25(5):22 − 28. (in Chinese with English abstract) [12] 北京水文地质工程地质大队, 北京地质研究所. 北京北山地区泥石流灾害勘查及其防治方案研究报告[R]. 1993. Beijing Institute of Hydrogeology and Engineering Geology, Beijing Institute of Geology. Hazard investigation and control report of debris flow disaster in Beishan area of Beijing[R]. 1993. (in Chinese)
[13] 北京地质研究所. 北京门头沟区清水河流域泥石流灾害勘查报告[R]. 1995. Beijing Institute of Geology. Hazard investigation report for debris flow at Qingshui river watershed in mentougou district of Beijing[R]. 1995. (in Chinese)
[14] 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) [15] 罗守敬, 张国华. 北京月玉沟潜在泥石流特征及其动力学指标[J]. 中国地质灾害与防治学报,2016,27(1):44 − 48. [LUO Shoujing, ZHANG Guohua. Exploration and analysis of mouement condition of Yueyugou potential debris flow[J]. The Chinese Journal of Geological Hazard and Control,2016,27(1):44 − 48. (in Chinese with English abstract) [16] 曹鹏, 侯圣山, 陈亮, 等. 基于数值模拟的群发性泥石流危险性评价: 以甘肃岷县麻路河流域为例[J]. 中国地质灾害与防治学报,2021,32(2):100 − 109. [CAO Peng, HOU Shengshan, CHEN Liang, et al. Risk assessment of mass debris flow based on numerical simulation: An example from the Malu River basin in Min County[J]. The Chinese Journal of Geological Hazard and Control,2021,32(2):100 − 109. (in Chinese with English abstract) [17] 李晓婷, 刘文龙. 模糊综合评判法在甘肃陇南武都区石门乡泥石流危险性评价中的应用[J]. 中国地质灾害与防治学报,2020,31(4):71 − 76. [LI Xiaoting, LIU Wenlong. Application of fuzzy comprehensive evaluation method to debris flow risk evaluation in Shimen Township in Wudu District of Longnan City, Gansu Province[J]. The Chinese Journal of Geological Hazard and Control,2020,31(4):71 − 76. (in Chinese with English abstract) [18] 刘佳, 赵海军, 马凤山, 等. 基于改进变异系数法的G109拉萨—那曲段泥石流危险性评价[J]. 中国地质灾害与防治学报,2020,31(4):63 − 70. [LIU Jia, ZHAO Haijun, MA Fengshan, et al. Risk assessment of G109 Lhasa-Naqu Debris flow based on improved coefficient of variation[J]. The Chinese Journal of Geological Hazard and Control,2020,31(4):63 − 70. (in Chinese with English abstract) [19] 张书豪, 吴光, 张乔, 等. 基于子流域特征的泥石流泥石流易发性评价[J]. 水文地质工程地质,2018,45(2):142 − 149. [ZHANG Shuhao, WU Guang, ZHANG Qiao, et al. Debris-flow susceptibility assessment using the characteristic factors of a catchment[J]. Hydrogeology & Engineering Geology,2018,45(2):142 − 149. (in Chinese with English abstract) [20] 涂汉明, 刘振东. 中国地势起伏度研究[J]. 测绘学报,1991,20(4):311 − 319. [TU Hanming, LIU Zhendong. Study on relief amplitude in China[J]. Acta Geodaetica et Cartographic Sinica,1991,20(4):311 − 319. (in Chinese with English abstract) DOI: 10.3321/j.issn:1001-1595.1991.04.009 [21] 张竞, 杜东, 白耀楠, 等. 基于DEM的京津冀地区地形起伏度分析[J]. 中国水土保持,2018(9):33 − 37. [ZHANG Jing, DU Dong, BAI Yaonan, et al. Terrain fluctuation analysis of Beijing-Tianjin-Hebei area based on DEM[J]. Soil and Water Conservation in China,2018(9):33 − 37. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-0941.2018.09.011 [22] 工程地质手册编委会. 工程地质手册(第四版): [M]. 北京: 2006. Editorial Committee of Engineering Geology Manual. Geological Engineering Handbook (the 4th edition): [M]. Beijing: China Architecture & Building Press, 2006. (in Chinese)
[23] 北京地质研究所. 北京突发地质灾害详细调查报告(1: 50000)[R]. 2014. Beijing Institute of Geology. The detailed investigation report for sudden geological disasters of Beijing（1: 50000）[R]. 2014. (in Chinese)
[24] 郭学飞, 王志一, 焦润成, 等. 基于层次分析法的北京市地质环境质量综合评价[J]. 中国地质灾害与防治学报,2021,32(1):70 − 76. [GUO Xuefei, WANG Zhiyi, JIAO Runcheng, et al. Comprehensive evaluation method of geological environment quality in Beijing based on AHP[J]. The Chinese Journal of Geological Hazard and Control,2021,32(1):70 − 76. (in Chinese with English abstract) [25] 北京地质研究所. 北京地貌图(1∶100000)编制说明书[R]. 2017. Beijing Institute of Geology. Compilation specification of Beijing geomorphologic map (1: 100000)[R]. 2017. (in Chinese)
[26] 程素珍, 路璐, 翟淑花, 等. 2004—2018年北京市突发地质灾害时空分布特点和监测预警状况[J]. 中国地质灾害与防治学报,2020,31(6):38 − 46. [CHENG Suzhen, LU Lu, ZHAI Shuhua, et al. Temporal-spatial distribution and monitoring and early warning of sudden geological disasters in Beijing during the period of 2004 to 2018[J]. The Chinese Journal of Geological Hazard and Control,2020,31(6):38 − 46. (in Chinese with English abstract) -
期刊类型引用(7)
1. 许春萌，段勇. 多旋翼无人机航测在山区水库测量中的应用. 水利科技与经济. 2024(05): 101-105 . 
百度学术
2. 孟庆胤，王浩宇，聂明哲，余小军，陈荣健，傅金阳. 尾矿库坝面安全隐患智能巡检机器人研发及应用. 矿业研究与开发. 2024(07): 230-238 . 百度学术
3. 胡东升，程小凯，张雅飞，李涛，廉旭刚. 空天地一体化监测联合反演开采沉陷概率积分预计参数研究. 煤炭工程. 2023(01): 81-86 . 百度学术
4. 刘鹏 ，王亮 ，贾旭斌 . 基于无人机影像的高精度滑坡体边界识别研究. 工程勘察. 2023(06): 61-65+72 . 百度学术
5. 龚弦，马源，何学志，张丽娇，王卫. 无人机遥感技术在矿山地质调查中的研究进展. 中国非金属矿工业导刊. 2023(03): 64-67+71 . 百度学术
6. 曾文浩，宁迪，刘国伟. 基于遥感技术的矿山地质环境监测实践. 中国资源综合利用. 2023(07): 132-139 . 百度学术
7. 周小龙，贾强，石鹏卿，何斌，郭富赟，胡文博，李攀龙. 免像控无人机航测技术在舟曲县立节北山滑坡-泥石流灾害应急处置中的应用. 中国地质灾害与防治学报. 2022(01): 107-116 . 本站查看
其他类型引用(4)
计量
- 文章访问数: 326
- HTML全文浏览量: 152
- PDF下载量: 408
- 被引次数: 11
邮件订阅
RSS