Evaluation of landslide susceptibility based on landslide failure mode analysis: A case study of the left bank of Xietan River in the first section of Three Gorges Reservoir
-
摘要: 三峡库区首段发育有大量岩质滑坡，其中很多灾害点极具隐蔽性且目前并未被查明。文中以三峡库区首段泄滩河左岸为研究区，以区内唯一破坏的卡门子湾顺层岩质滑坡为例，在分析其成因机制的基础上归纳总结了该地区顺层岩质滑坡的破坏模式，并以此确定了高程、坡度、坡向、起伏度、平面曲率、剖面曲率、地层岩性、距河流距离及距道路距离共9个评价指标因子及疑似滑坡隐患点，将这些灾害隐患点作为滑坡样本，运用ALSA模型开展研究区的滑坡易发性分区，最后采用ROC曲线及现场复查等方法验证评价结果的可靠性。预测结果表明：研究区内顺层岩质滑坡的极高易发区和较高易发区大致呈面状分布，主要集中在岩性为侏罗系中统上沙溪庙组紫红色泥岩夹砂岩和西北坡向的近库岸地区。现场验证发现易发分区结果与滑坡破坏模式分布规律较吻合，表明基于滑坡破坏模式选择滑坡样本得到的滑坡易发性结果在整体上也能反映研究区滑坡概率空间分布规律，在缺乏准确滑坡样本时可作为一种替补方案。上述研究结果为基于滑坡破坏模式选取滑坡样本开展易发性评价工作提供了理论支持和科学依据。Abstract: There are a large number of rock landslide disasters developed in the first section of the Three Gorges Reservoir area, many of which are very hidden and have not been identified. In this paper, taking the left bank of Xietan River in the first section of the Three Gorges Reservoir as the study area, taking the only bedding rock landslide in Kamenziwan as an example, the failure mode of bedding rock landslide in this area is summarized on the basis of analyzing its genesis mechanism. Nine evaluation index factors, including elevation, slope aspect, slope, relief, plane curvature, profile curvature, formation lithology, distance from river and distance from road, as well as suspected hidden danger points of landslide disaster are determined. These hidden danger points are taken as landslide samples. Automatic Landside Susceptibility Assessment Model (ALSA) was used to carry out landslide Susceptibility zoning in the study area. Finally, ROC curve and field review were used to verify the reliability of the evaluation results. The prediction results show that the extremely high and highly prone areas of bedding rock landslides in the study area are distributed in a plane shape, mainly concentrated in the middle Jurassic Upper Shaximiao Formation purplish red mudstone intercalated sandstone, and the northwest slope direction near the reservoir bank area. Field verification shows that the results of prone zoning are consistent with the distribution law of landslide failure mode, indicating that the landslide susceptibility results obtained by selecting landslide samples based on landslide failure mode can also reflect the spatial distribution law of landslide probability in the study area on the whole, and can be used as a substitute scheme in the absence of accurate landslide samples. The above research results provide theoretical support and scientific basis for selecting landslide samples to carry out vulnerability assessment based on landslide failure mode.
-
0. 引言
受全球变暖和夏季气温升高影响，多年冻土斜坡活动层融化导致大量水分汇集在冻融交界面，抗剪强度快速下降，活动层沿多年冻土层滑动[1]，诱发的浅层冻土滑坡广泛分布于加拿大北极地区[2-4]、美国阿拉斯加北部[5]和中国青藏高原[6]等不连续多年冻土地区，破坏生态环境、制约社会经济发展。因此，研究气温变化对浅层冻土滑坡的影响，对相应灾害的防治工作具有指导意义。
通过现场调查和野外勘察等手段，现有研究证实了浅层冻土滑坡与气温变化具有密切关联。通过现场调查，Huscroft等[2]认为全球变暖导致森林大火、快速融雪和强降雨等极端事件的概率增加，造成加拿大育空地区浅层冻土滑坡频发。Lewkowicz等[3]的现场调查数据表明1969年以来埃尔斯米尔岛气温呈升高趋势，最大地表加热指数和解冻天数显著增长，浅层冻土滑坡发生频率从每年3～6次上升到每年14次。结合气象观测资料，Lamoureux等[4]得出2007年7月梅尔维尔岛的极端高温导致活动层快速融化，一周内发生浅层冻土滑坡25次。通过野外勘察，Patton等[5]提出气温升高导致冻土融化，持续高温和干旱破坏地表植被、提高坡面蒸发率，导致阿拉斯加浅层冻土滑坡频发。以上研究得出：长时间尺度下全球变暖增加了极端天气事件发生率；短时间尺度下夏季气温升高导致冻土融化、浅层冻土滑坡频发。但是浅层冻土滑坡失稳是一个复杂的水热力耦合过程，气温变化对多年冻土斜坡水热力演化的影响机制不明，本文尝试在这方面模拟讨论。
本文通过地质灾害遥感解译总结分析了青海省浅层冻土滑坡发育分布规律和孕灾条件，针对青海省具有发生浅层冻土滑坡隐患的斜坡，基于有限元软件COMSOL Multiphysics建立多年冻土斜坡水热力耦合模型，考虑全球变暖因素模拟了2020—2024年气温变化条件下多年冻土斜坡水热力复杂演化的过程，从而揭示气温变化这一单一因素对浅层冻土滑坡失稳的影响。研究结果对认识浅层冻土滑坡失稳机制和该类地质灾害的防灾减灾提供了理论依据和科学指导。
1. 研究区概况
1.1 青海省浅层冻土滑坡分布特征
青海省内多年冻土区面积3.57×104 km2，占青海省总面积的50%，受气候变化和人类活动影响，当地多年冻土稳定性下降，浅层冻土滑坡灾害频发。基于多源遥感数据调查青海省多年冻土区浅层冻土滑坡灾害分布特征，共解译该类型灾害290处，祁连县、治多县和曲麻莱县为青海省浅层冻土滑坡发育的典型地区（图1），灾害发生时间集中在每年7—9月。通过遥感解译得到祁连县重点工作区浅层冻土滑坡分布如图2所示，该区域发育有54处浅层冻土滑坡，其中，遥感影像呈椭圆状的为滑动型浅层冻土滑坡，活动层呈整体向下滑动的趋势，运动距离较近；遥感影像呈长条状的为流动型浅层冻土滑坡，由于滑体含水率较高，表层土以泥流形式向下运移，运动距离较远。
![]()
图 1 青海省不同类型冻土区浅层冻土滑坡分布Figure 1. Distribution of active layer detachments in different types of permafrost regions in Qinghai Province基于实地调查和遥感目视解译结果统计了青海省浅层冻土滑坡灾害分布与多年冻土发育的关系如图1所示，根据年平均地温（MAGT）范围可将多年冻土稳定性分为5类[7]，结果表明： 97.24%的浅层冻土滑坡分布在不稳定多年冻土区（−0.5 °C≤MAGT<0.5 °C）、过渡型多年冻土区（−1.5 °C≤MAGT<−0.5 °C）和亚稳定多年冻土区（−3.0 °C≤MAGT<−1.5 °C），仅2.76%的浅层冻土滑坡分布在稳定型多年冻土区（−5.0 °C≤MAGT<−3.0 °C）和极稳定多年冻土区（MAGT<−5.0°C），由此推断，浅层冻土滑坡分布与多年冻土发育密切相关。
![]()
图 2 青海省祁连县重点工作区浅层冻土滑坡分布Figure 2. Distribution of active layer detachments in key working area of Qilian County, Qinghai Province1.2 青海省浅层冻土滑坡发育规律
1.2.1 气温上升
大量研究表明气候变化是诱发浅层冻土滑坡的主要外部因素[2-5]。近年来青海省最高线性增温趋势达0.09 °C/a，远超全球平均水平[6-8]，气温变化呈正弦函数形式，活动层不断经历冻融循环，土体自3—4月开始融化，8—9月融深达到最大，10—11月开始冻结[9]。青海省降水量季节分配不均，其中5—10月的降水量占全年总降水量的90%以上，7—8月降水量最大[10]。可以得出，研究区活动层融化、降水量增大与浅层冻土滑坡集中发育时间基本吻合，气候变化导致地温梯度改变，破坏冻土发育的连续性和均匀程度[11]，对多年冻土斜坡稳定性产生不利影响。
1.2.2 坡向和坡度
为进一步揭示研究区地质环境条件对浅层冻土滑坡发育的影响，对灾害发育斜坡进行了现场调查。统计结果显示，原始斜坡的坡向集中在270°～360°和0°～45°，坡度集中在5°～20 °。已有学者指出[12]，缓坡地带多年冻土埋藏位置更浅，地下冰含量更高，冻土受外部影响融化对斜坡稳定性产生严重威胁；坡表植被以高原草甸为主，覆盖率大多达到65%以上，灾害发育位置主要为斜坡坡体冲沟部位，分析认为，植被覆盖度高和汇水条件良好的斜坡表层水分充足，阴坡积雪覆盖率高，隔热作用显著，有利于多年冻土发育[13]；斜坡表层主要发育第四系坡积物（Qdl），活动层土体多为细粒土和泥炭，相关研究表明[14-15]，细粒冻土富含冰晶，冻融循环作用下强度不断损失，融化时有液化的可能，容易诱发浅层冻土滑坡。综上所述，地质环境条件是影响浅层冻土滑坡发育的内在因素，通过控制冻土发育对青海省多年冻土斜坡稳定性产生影响，大量力学性质不良的冻土融化是诱发浅层冻土滑坡的必要条件，浅层冻土滑坡往往发育在植被覆盖率高、活动层土颗粒较细和汇水条件良好的低缓阴坡上。
2. 水热力耦合数值模拟
2.1 水热力耦合计算原理
为简化土体冻融循环中的水热力演化过程，本文做如下假设：地温变化受热传导和冰水相变控制；水分迁移由基质吸力驱动，孔隙冰对水分迁移具有阻滞作用；水热过程单向影响土体应力应变；土体的破坏行为符合摩尔-库伦屈服准则。
冻土内水热作用互相影响，水分迁移改变土的热物理参数，土体温度变化影响水力学参数，水热耦合方程选取常用的Harlan模型[16]。变形场以平衡方程和连续性方程为基础，建立冻胀模型描述冻胀融沉对土体应力应变的影响[17]。
2.2 计算模型建立
青海省祁连县重点调查区某天然斜坡位于汇水面阴面，位置见图2，整体坡度约12°，表层土体为粉质黏土，植被覆盖率约70%，存在发生浅层冻土滑坡的隐患，因此以该斜坡为研究对象模拟2020—2024年气温变化条件下多年冻土斜坡水热力演化过程。
钻孔资料（图3）显示地表以下0～1.6 m为活动层，土质为粉质黏土；1.6～12.7 m为多年冻土层，土质为黏土，有大量肉眼可见冰晶；12.7 m以下为砂砾岩。根据现场调查和钻孔资料所得典型斜坡地质剖面如图4所示。
建立二维有限元模型，采用自由三角形网格进行划分，将活动层网格细化，见图5（a），布置2条测线和8个测点获取水热力时空分布计算结果，见图5（b）：斜坡中间剖面布置测线1-1′；斜坡表面布置测线2-2′；坡脚活动层不同深度布置测点A-E；与坡顶水平距离为50 m的地表布置测点F；坡顶地表布置测点G；测点F以下1.68 m处布置测点H。
2.3 计算参数及边界条件
根据相关研究给出的青海地区粉质黏土、黏土和砂砾岩的物理力学参数[18-19]以及钻孔取样进行土工试验的结果，数值模拟所需参数设置如表1所示，水和冰的相变潜热取334.5 kJ/kg，土体初始冻结温度取−0.5 °C，完全融化温度取0 °C，冻土的比热容和导热系数与土中未冻水含量的关系根据相关研究[20-21]进行设置，土骨架的比热容和导热系数分别取1.4×106 J/（m3·°C）和1.3 W/（m·°C）。
表 1 地层物理力学参数Table 1. Physical and mechanical parameters of formation参数 活动层 多年冻土层 基岩层 密度/（kg·m−3） 1800 2000 2500 弹性模量/MPa 40 30 5000 泊松比 0.25 0.3 0.15 渗透系数/（m·s−1） 1.2×10−6 8×10−10 0 黏聚力/kPa 12 35 — 内摩擦角/（°） 22 20 — 祁连当地年气温线性增长速率为0.037 °C/a[22]，根据附面层理论[16]得出模型，见图5（a），上表面温度边界条件表达式：
$$ T = 2 + \frac{{0.037t}}{{8\;760}} + 13\sin \left(\frac{{2\text{π} t}}{{8\;760}} + \frac{{17\text{π} }}{{12}}\right) $$ (1) 式中：t——时间/h。
左右两侧为绝热边界；下表面温度为3 °C，热通量为0.03 W/m2。水分场上表面为自由渗透边界；左右两侧和下表面均为零流量边界。变形场上表面为自由边界，左右两侧水平位移为0，下表面为固定边界。
2.4 模型有效性验证
图6 （a）为2020年10月地温的钻孔实测值和数值模拟计算值对比图，可以看出数值模拟所得地温与现场钻孔测温结果基本一致。2020年活动层从3月25日开始融化，至8月26日融深达到最大，整个融化过程持续约5个月，符合刘广岳等[9]的水热监测结果。图6 （b）为融深最大时刻（8月26日）斜坡融化程度云图，可知最大融深位于地表以下1.61 m，与图2所示多年冻土上限位置吻合。综上所述，该模型几乎准确地反演了气温变化条件下斜坡地温分布、融深达到最大的时刻和多年冻土上限位置，体现了模型的有效性。
3. 计算结果与分析
3.1 气温变化对水分场演化的影响
图7 （a）和图7 （b）分别为2020—2024年测点E和G的总体积含水率（含水率和含冰率的总和）变化曲线，对比可知测点E总体积含水率以0.16%/a的速度升高；测点G总体积含水率以0.16%/a的速度下降；根据总体积含水率变化趋势可以将水分迁移分为4个阶段：1月1日—3月15日土体处于冻结状态，孔隙冰的阻隔作用导致水分迁移现象不明显；3月15日—7月20日孔隙冰逐渐融化，土体渗透性提高，水分迁移速率增大；7月20日—10月20日，活动层土体融化程度较高，总体积含水率变化趋势最明显，这一阶段的水分迁移量占全年总迁移量的50%；随着气温降至负温，10月20日—12月31日土体再次冻结，水分迁移速率减小。
图7 （c）为2020—2024年8月2-2′测线上总体积含水率分布，可以得出坡顶总体积含水率逐年减小，坡脚总体积含水率逐年增大，经历4个冻融循环后坡脚土体总体积含水率比坡顶大7.4%，说明水分自坡顶向坡脚迁移；越靠近坡顶和坡脚，总体积含水率变化趋势越明显，由于水分自坡顶的补给和向坡脚的运移达到平衡，距坡顶55 m处土体总体积含水率不变。
图8 （a）和图8 （b）分别为2月1日含冰率分布云图和8月26日融深最大时刻含水率分布云图。由图8 （a）可知2月活动层土体内的水分主要以孔隙冰的形式存在，体积含冰率约16%，多年冻土上限以下体积含冰率呈先减小后增大再减小的趋势，其中活动层以下0～0.5 m范围内土体体积含水率达到28%左右。图8 （b）为8月26日含水率分布云图，可以得出此时活动层土体融化，体积含冰率约26%，且在活动层基底以下高含冰层有一定融化，出现厚度约15 cm、体积含水率达到40%的富水层。
3.2 气温变化对温度场的影响
图9为2020—2024年8月26日1-1'测线地温随深度的分布，融深最大时0 °C地温所在深度可视作多年冻土上限位置，由此得出2020年多年冻土上限位于地表以下161 cm，2024年多年冻土上限位于地表以下171.4 cm，下移10.4 cm，平均退化速率约2.6 cm/a；多年冻土上限下移量逐年增大，下移量的增幅逐年减小，说明气温升高对多年冻土退化的影响程度随深度的增加逐渐减弱。
![]()
图 9 2020—2024年8月26日1-1'测线地温随深度分布Figure 9. Depth distribution of ground temperature of 1-1'section on August 26 from 2020—2024图10 （a）和图10 （b）分别为2020—2024年8月26日测点H处地温和体积含水率，可以得出：2020—2024年测点H地温呈升高趋势，升高速率逐年降低，平均升高速率为0.017 °C/a；2020—2022年该处土体仍处于冻结状态，由于土体温度升高导致体积含水率增大3%；2023年多年冻土上限将退化至测点H以下，土体完全融化导致含水率突增，较2022年增大11%；2024年含水率相比2023年未发生明显变化，说明气温升高对含水率的影响随着土体完全融化而消失。
![]()
图 10 2020—2024年测点H地温和体积含水率Figure 10. Ground temperature and volumetric water content of monitoring point H on 2020—20243.3 气温变化对变形场的影响
图11 （a）和图11 （b）分别为2020—2024年坡脚不同深度5个测点的水平位移和竖直位移变化，可以得出：位移随深度的增加逐渐减小，冻胀融沉循环仅发生在活动层；以测点E为例，土体自10月20日起发生冻胀，1月15日冻胀量达到最大，水平冻胀位移为2.5 cm，竖直冻胀位移为8.0 cm；土体随着气温的回升开始融沉，6月26日融沉量最大，产生1.0 cm的水平融沉位移和6.0 cm的竖直融沉位移。图11 （c）为测点E冻胀融沉位移示意图，E-E1为冻胀变形路径，E1-E2为融沉回退路径，测点E处的土颗粒经历一次冻胀融沉后运动至E2处，产生1.5 cm的水平净位移和2.0 cm的垂直净位移，总位移2.5 cm，与Harris等[22]通过位移监测得出的1.6 cm/a的坡表变形量相近。
![]()
图 11 冻胀融沉位移变化规律Figure 11. Displacement variation of frost heaving and thaw settlement图12 （a）为2020—2024年测点E、F、G的塑性应变变化曲线，可以得出塑性应变在每年的冻胀融沉期间发展，4—10月坡表土体完全融化期间塑性应变不发生变化；塑性应变随时间不断增大，且坡脚E点塑性应变增大的速率最大，坡顶G点最小。图12（b）为2024年12月测线2-2’塑性应变曲线，可见塑性应变至坡顶至坡脚逐渐增大，对比图7 （c）可以得出塑性应变的分布与体积含水率的分布有关，5年间坡脚E点产生的塑性应变比坡顶G点大20.98%。
4. 讨论
计算结果显示，随着土体融化程度增大，水分自坡顶至坡脚迁移的现象愈发显著，根据总体积含水率的变化趋势将水分迁移过程分为四个阶段，其中5—10月水分迁移现象尤为显著，此时青海省处于雨季，降雨量占全年的80%以上[11]，雨水大量入渗导致融土迅速饱和，土体应力状态改变[23]、孔隙水压力增加，对斜坡稳定性产生威胁。
已有研究表明土体孔隙冰含量上升导致基质吸力和胶结力增大[24]，2月活动层土体含冰量达到18%，此时土体黏聚力较大，冻结期斜坡稳定良好；通过冰分离现象、大气水和融水下渗、冻结初期双向冻结[25]，多年冻土上限以下出现0.5 m厚高含冰量层，且含冰量有继续增大的可能[26]，8月26日融深达到最大，高含冰量层有一定的融化，产生约15 cm厚的富水层，细粒土排水能力较差，孔隙水压力难以消散[17]，发生浅层冻土滑坡的概率增大。
在当地气温以0.37 °C/a的速度升高的情况下，斜坡多年冻土处于升温退化状态，2020—2024年多年冻土上限将下移10.4 cm，活动层厚度不断增大，夏季上覆融化的土体提供更大的下滑力。随着最大融深的增大，活动层以下的高含冰层有进一步融化的可能，冻融交界面含水量大幅度升高，孔隙水压难以消散、抗剪强度大幅下降，水分聚集产生的润滑作用导致抗滑力下降[6]，活动层沿多年冻土层下滑的风险大大上升。
10月—次年4月活动层土体发生冻胀融沉，坡表土体产生2.5 cm/a的位移，由此产生的塑性应变不断增大，表明土颗粒间胶结作用随冻融循环次数的增加逐渐减弱，抗剪强度有损失至残余值的可能[23]，塑性应变从坡顶至坡脚逐渐增大，5a间坡脚产生的塑性应变比坡顶大20.98%，土体力学性质劣化显著，且坡脚处容易产生水分聚集，形成薄弱带，进而诱发牵引式浅层冻土滑坡。
5. 结论
基于地质灾害遥感解译总结了青海省浅层冻土滑坡分布特征和孕灾条件，采用数值模拟方法考虑当地气候变暖模拟了2020—2024年气温变化条件下多年冻土斜坡水热力演化，探讨了气温变化对浅层冻土滑坡失稳的影响，得出以下结论：
（1） 气温变化影响冻结程度，改变土体渗透性，从而控制水分迁移。根据总含水率变化趋势可将水分迁移分为四个阶段，当活动层融化后水分自坡顶至坡脚的迁移现象最显著。
（2） 气温变化影响活动层未冻水的含量，导致土体力学性质存在季节性差异，夏季活动层下的高含冰量层融化产生15 cm厚富水层，冻融交界面孔隙水压大幅上升，且气候变暖导致多年冻土上限以2.6 cm/a的速度下移，富水层厚度有继续增大的可能，诱发浅层冻土滑坡的风险增加。
（3） 气温周期性变化导致土体水分固液相态不断转换，冰水体积变化导致活动层经历冻胀融沉循环，斜坡表面每年产生数厘米膨胀变形和顺坡位移，表明土体抗剪强度逐渐损失，坡脚土体力学性质劣化程度最明显。
-
![]()
图 2 泄滩河左岸现场调查图（摄于2020年8月）
Figure 2. Field geotechnical photo of the left bank of Xietan River (August 2020)
![]()
图 3 卡门子湾滑坡全貌及优势结构面
Figure 3. Arial view and dominant structural plane of Kamenziwan landslide
![]()
图 5 卡门子湾滑坡破坏前后库水位和降雨量
Figure 5. Summery of reservoir water level and rainfall before and after Kamenziwan landslide failure
![]()
图 6 卡门子湾滑坡破坏模式概化示意图
Figure 6. Generalized schematic diagram of failure mode of Kamenziwan landslide
![]()
图 7 泄滩河北段粉砂岩山脊夹泥岩沟谷微地貌示意图
Figure 7. The terrain and watershed partition of siltstone ridge and mudstone valley in Xietan River north section
表 1 卡门子湾滑坡破坏模式总结表
Table 1 Summary table of failure mode of Kamenziwan landslide
岸坡类型 缓倾切向坡 破坏模式 视倾向顺层牵引式滑坡 孕灾（六面体）
结构面斜坡表面 “上陡下缓前临空”的台阶状折线地形 底部滑带 左侧顺层，右侧切层 前缘剪出口 河流冲刷侵蚀形成临空面，
剪出口高程在145～175 m后缘边界 一组陡倾结构面切割，出露岩层切面 左侧边界 多组结构面相互切割形成阶梯状边界 右侧边界 岩层面 边界特征 两个约束边界（右、后）+两个自由边界（左、前） 物质组成
条件滑体 块裂岩体 滑带 中后部由三组结构面及岩层面形成阶梯状
滑带，前部岩层溃曲形成缓倾结构面滑床 侏罗系中统沙溪庙组（J2s）上部灰绿色砂岩
夹泥岩，下部紫红色泥岩夹砂岩
下载: 导出CSV
表 2 卡门子湾滑坡区易发性结果分析表
Table 2 Summey table of landslide susceptibility results at Kamenziwan landslide area
以疑似滑坡区为样本的滑坡易发性评价结果 卡门子湾滑坡区 栅格数 各分区占比/% 极高及较高易发区占比/% 极高易发 5986 26.6 82.8 高易发 12640 56.2 中易发 3750 16.7 低易发 113 0.5 极低易发 0 0.0 总计 22489 100
下载: 导出CSV
-
[1] 殷坤龙,朱良峰. 滑坡灾害空间区划及GIS应用研究[J]. 地学前缘,2001,8(2):279 − 284. [YIN Kunlong,ZHU Liangfeng. Landslide hazard zonation and application of GIS[J]. Earth Science Frontiers,2001,8(2):279 − 284. (in Chinese with English abstract) DOI: 10.3321/j.issn:1005-2321.2001.02.010 [2] 黄波林,殷跃平,李滨,等. 三峡工程库区岩溶岸坡岩体劣化及其灾变效应[J]. 水文地质工程地质,2020,47(4):51 − 61. [HUANG Bolin,YIN Yueping,LI Bin,et al. Rock mass deterioration and its catastrophic effect of karst bank slope in the Three Gorges Project Reservoir area[J]. Hydrogeology & Engineering Geology,2020,47(4):51 − 61. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.202003055 [3] 卫童瑶,殷跃平,高杨,等. 三峡库区巫山县塔坪H1滑坡变形机制[J]. 水文地质工程地质,2020,47(4):73 − 81. [WEI Tongyao,YIN Yueping,GAO Yang,et al. Deformation mechanism of the taping H1 landslide in Wushan County in the Three Gorges Reservoir area[J]. Hydrogeology & Engineering Geology,2020,47(4):73 − 81. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.202003043 [4] 郭子正,殷坤龙,付圣,等. 基于GIS与WOE-BP模型的滑坡易发性评价[J]. 地球科学,2019,44(12):4299 − 4312. [GUO Zizheng,YIN Kunlong,FU Sheng,et al. Evaluation of landslide susceptibility based on GIS and WOE-BP model[J]. Earth Science,2019,44(12):4299 − 4312. (in Chinese with English abstract) [5] 张钟远,邓明国,徐世光,等. 镇康县滑坡易发性评价模型对比研究[J]. 岩石力学与工程学报,2022,41(1):157 − 171. [ZHANG Zhongyuan,DENG Mingguo,XU Shiguang,et al. Comparison of landslide susceptibility assessment models in Zhenkang County,Yunnan Province,China[J]. Chinese Journal of Rock Mechanics and Engineering,2022,41(1):157 − 171. (in Chinese with English abstract) [6] MOHAMMADY M,POURGHASEMI H R,PRADHAN B. Landslide susceptibility mapping at Golestan Province,Iran:a comparison between frequency ratio,Dempster-Shafer,and weights-of-evidence models[J]. Journal of Asian Earth Sciences,2012,61:221 − 236. DOI: 10.1016/j.jseaes.2012.10.005
[7] 王世宝,庄建琦,樊宏宇,等. 基于频率比与集成学习的滑坡易发性评价:以金沙江上游巴塘—德格河段为例[J]. 工程地质学报,2022,30(3):817 − 828. [WANG Shibao,ZHUANG Jianqi,FAN Hongyu,et al. Evaluation of landslide susceptibility based on frequency ratio and ensemble learning:Taking the Batang-Dege section in the upstream of Jinsha River as an example[J]. Journal of Engineering Geology,2022,30(3):817 − 828. (in Chinese with English abstract) [8] DU Juan,GLADE T,WOLDAI T,et al. Landslide susceptibility assessment based on an incomplete landslide inventory in the Jilong Valley,Tibet,Chinese Himalayas[J]. Engineering Geology,2020,270:105572. DOI: 10.1016/j.enggeo.2020.105572
[9] STEGER S,BRENNING A,BELL R,et al. Exploring discrepancies between quantitative validation results and the geomorphic plausibility of statistical landslide susceptibility maps[J]. Geomorphology,2016,262:8 − 23. DOI: 10.1016/j.geomorph.2016.03.015
[10] MEINHARDT M,FINK M,TÜNSCHEL H. Landslide susceptibility analysis in central Vietnam based on an incomplete landslide inventory:Comparison of a new method to calculate weighting factors by means of bivariate statistics[J]. Geomorphology,2015,234:80 − 97. DOI: 10.1016/j.geomorph.2014.12.042
[11] ABEDINI M,TULABI S. Assessing LNRF,FR,and AHP models in landslide susceptibility mapping index:A comparative study of Nojian watershed in Lorestan Province,Iran[J]. Environmental Earth Sciences,2018,77(11):405. DOI: 10.1007/s12665-018-7524-1
[12] 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) [13] 殷坤龙,柳源. 滑坡灾害区划系统研究[J]. 中国地质灾害与防治学报,2000,11(4):28 − 32. [YIN Kunlong,LIU Yuan. Systematic studies on landslide hazard zonation[J]. The Chinese Journal of Geological Hazard and Control,2000,11(4):28 − 32. (in Chinese with English abstract) DOI: 10.3969/j.issn.1003-8035.2000.04.007 [14] 周天伦,曾超,范晨,等. 基于快速聚类-信息量模型的汶川及周边两县滑坡易发性评价[J]. 中国地质灾害与防治学报,2021,32(5):137 − 150. [ZHOU Tianlun,ZENG Chao,FAN Chen,et al. Landslide susceptibility assessment based on K-means cluster information model in Wenchuan and two neighboring counties,China[J]. The Chinese Journal of Geological Hazard and Control,2021,32(5):137 − 150. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.2021.05-17 [15] 石菊松,张永双,董诚,等. 基于GIS技术的巴东新城区滑坡灾害危险性区划[J]. 地球学报,2005,26(3):275 − 282. [SHI Jusong,ZHANG Yongshuang,DONG Cheng,et al. GIS-based landslide hazard zonation of the new Badong County site[J]. Acta Geosicientia Sinica,2005,26(3):275 − 282. (in Chinese with English abstract) DOI: 10.3321/j.issn:1006-3021.2005.03.014 [16] 郭子正,殷坤龙,黄发明,等. 基于滑坡分类和加权频率比模型的滑坡易发性评价[J]. 岩石力学与工程学报,2019,38(2):287 − 300. [GUO Zizheng,YIN Kunlong,HUANG Faming,et al. Evaluation of landslide susceptibility based on landslide classification and weighted frequency ratio model[J]. Chinese Journal of Rock Mechanics and Engineering,2019,38(2):287 − 300. (in Chinese with English abstract) DOI: 10.13722/j.cnki.jrme.2018.0838 [17] MA Shuyue,QIU Haijun,HU Sheng,et al. Quantitative assessment of landslide susceptibility on the Loess Plateau in China[J]. Physical Geography,2020,41(6):489 − 516. DOI: 10.1080/02723646.2019.1674559
[18] 罗路广,裴向军,黄润秋,等. GIS支持下CF与Logistic回归模型耦合的九寨沟景区滑坡易发性评价[J]. 工程地质学报,2021,29(2):526 − 535. [LUO Luguang,PEI Xiangjun,HUANG Runqiu,et al. Landslide susceptibility assessment in Jiuzhaigou scenic area with GIS based on certainty factor and Logistic regression model[J]. Journal of Engineering Geology,2021,29(2):526 − 535. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2019-202 [19] 罗路广,裴向军,崔圣华,等. 九寨沟地震滑坡易发性评价因子组合选取研究[J]. 岩石力学与工程学报,2021,40(11):2306 − 2319. [LUO Luguang,PEI Xiangjun,CUI Shenghua,et al. Combined selection of susceptibility assessment factors for Jiuzhaigou earthquake-induced landslides[J]. Chinese Journal of Rock Mechanics and Engineering,2021,40(11):2306 − 2319. (in Chinese with English abstract) DOI: 10.13722/j.cnki.jrme.2021.0198 [20] HONG Haoyuan,CHEN Wei,XU Chong,et al. Rainfall-induced landslide susceptibility assessment at the Chongren area (China) using frequency ratio,certainty factor,and index of entropy[J]. Geocarto International,2017,32(2):139 − 154.
[21] 刘璐瑶,高惠瑛. 基于证据权与Logistic回归模型耦合的滑坡易发性评价[J]. 工程地质学报,2021:1 − 11 [2021-05-13]. [LIU Luyao,GAO Huiying. landslide susceptibility assessment based on coupling of woe model and Logistic regression model[J]. Journal of Engineering Geology,2021:1 − 11 [2021-05-13]. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2020-482 [22] 李郎平,兰恒星,郭长宝,等. 基于改进频率比法的川藏铁路沿线及邻区地质灾害易发性分区评价[J]. 现代地质,2017,31(5):911 − 929. [LI Langping,LAN Hengxing,GUO Changbao,et al. Geohazard susceptibility assessment along the Sichuan-Tibet railway and its adjacent area using an improved frequency ratio method[J]. Geoscience,2017,31(5):911 − 929. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-8527.2017.05.004 [23] LI Langping,LAN Hengxing,GUO Changbao,et al. A modified frequency ratio method for landslide susceptibility assessment[J]. Landslides,2017,14(2):727 − 741. DOI: 10.1007/s10346-016-0771-x
[24] ZHANG Yixing,LAN Hengxing,LI Langping,et al. Optimizing the frequency ratio method for landslide susceptibility assessment:A case study of the Caiyuan Basin in the southeast mountainous area of China[J]. Journal of Mountain Science,2020,17(2):340 − 357. DOI: 10.1007/s11629-019-5702-6
[25] HE Keqiang,WANG Shangqing,DU Wen,et al. Dynamic features and effects of rainfall on landslides in the Three Gorges Reservoir region,China:Using the Xintan landslide and the large Huangya landslide as the examples[J]. Environmental Earth Sciences,2010,59(6):1267. DOI: 10.1007/s12665-009-0114-5
[26] TANG Huiming,WASOWSKI J,JUANG C H. Geohazards in the three Gorges Reservoir Area,China - Lessons learned from decades of research[J]. Engineering Geology,2019,261:105267. DOI: 10.1016/j.enggeo.2019.105267
[27] YIN Yueping,HUANG Bolin,ZHANG Quan,et al. Research on recently occurred reservoir-induced Kamenziwan rockslide in Three Gorges Reservoir,China[J]. Landslides,2020,17(8):1935 − 1949. DOI: 10.1007/s10346-020-01394-7
[28] Regional level landslide inventory maps of the Shyok River watershed, Northern Pakistan[J]. Bulletin of Engineering Geology and the Environment, 2016, 75（2）: 563 − 574.
[29] 吴润泽,胡旭东,梅红波,等. 基于随机森林的滑坡空间易发性评价—以三峡库区湖北段为例[J]. 地球科学,2021,46(1):321 − 330. [WU Runze,HU Xudong,MEI Hongbo,et al. Spatial susceptibility assessment of landslides based on random forest:A case study from Hubei section in the Three Gorges Reservoir area[J]. Earth Science,2021,46(1):321 − 330. (in Chinese with English abstract) [30] 周超,殷坤龙,曹颖,等. 基于集成学习与径向基神经网络耦合模型的三峡库区滑坡易发性评价[J]. 地球科学,2020,45(6):1865 − 1876. [ZHOU Chao,YIN Kunlong,CAO Ying,et al. Landslide susceptibility assessment by applying the coupling method of radial basis neural network and adaboost:A case study from the Three Gorges Reservoir area[J]. Earth Science,2020,45(6):1865 − 1876. (in Chinese with English abstract) [31] 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 Yuanan County of Hubei Province[J]. The Chinese Journal of Geological Hazard and Control,2019,30(1):52 − 60. (in Chinese with English abstract) [32] LIU Zhongqiang,GILBERT G,CEPEDA J M,et al. Modelling of shallow landslides with machine learning algorithms[J]. Geoscience Frontiers,2021,12(1):385 − 393. DOI: 10.1016/j.gsf.2020.04.014
[33] LAN H X,ZHOU C H,WANG L J,et al. Landslide hazard spatial analysis and prediction using GIS in the Xiaojiang watershed,Yunnan,China[J]. Engineering Geology,2004,76(1/2):109 − 128.
[34] 周越,曾昭发,唐海燕,等. 公路勘察中滑坡体的地球物理特征与分析—以张榆线公路勘察为例[J]. 吉林大学学报(地球科学版),2021,51(2):638 − 644. [ZHOU Yue,ZENG Zhaofa,TANG Haiyan,et al. Geophysical characteristics of landslide body in highway reconnaissance: A case study in highway prospecting of Zhangyu line[J]. Journal of Jilin University (Earth Science Edition),2021,51(2):638 − 644. (in Chinese with English abstract) -
期刊类型引用(2)
1. 王伯昕，高银龙，王清，刘佳奇. 冻融循环对季冻土区粉质黏土-混凝土界面剪切性能的影响. 吉林大学学报(地球科学版). 2024(05): 1592-1603 . 
百度学术
2. 张士俊，王宏宇，唐莉. 黄河流域陕西段地质灾害空间分布特征及其对极端气温的响应. 水利水电技术(中英文). 2024(12): 54-65 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 5244
- HTML全文浏览量: 2196
- PDF下载量: 461
- 被引次数: 5
邮件订阅
RSS