Determination of regional landslide rainfall warning threshold based on susceptibility zoning: A case study in Longling County of Yunnan Province
-
摘要: 滑坡所处不同易发等级的区域，降雨预警阈值差别较大。为提高滑坡降雨预警的针对性和准确率，文章以野外地质调查和滑坡易发条件分析为基础，结合信息量模型和层次分析法开展滑坡易发性评价，再通过滑坡发生概率与前期累计降雨量的相关性分析，分区进行滑坡降雨预警阈值模型研究。结果表明：坡度、高程、距断层距离、工程地质岩组、水系是龙陵县滑坡的主要孕灾地质条件；龙陵县滑坡非易发区面积为14.33 km2，低易发区面积为1053.87 km2，中易发区面积为1471.65 km2，高易发区面积为254.73 km2；确定单日和前3日为降雨预警时间，分区分时细化了降雨预警阈值模型；对比降雨预警阈值模型应用于龙陵县滑坡监测预警中的前后，预警信息减少了70条，预警准确率提高了14.4%，并实现了镇安镇户帕村施家寨组滑坡的有效预警。文章为区域滑坡降雨预警阈值确定提供了一种较好的参考方法。Abstract: Areas with different levels of susceptibility to landslides, rainfall warning thresholds vary widely, to improve the pertinence and accuracy of landslide monitoring and early warning. Based on field geological survey and landslide susceptibility condition analysis, this paper combines information quantity model and analytic hierarchy method to carry out susceptibility evaluation, and then analyzes the correlation between landslide occurrence probability and cumulative rainfall, and conducts landslide rainfall early warning threshold model research by zoning. The results showed that: Slope, elevation, geological structure, engineering rock group and water system are the main geological conditions of landslides in Longling County; The area of non-prone areas in Longling County was 14.33 km2, the area of low prone area was 1053.87 km2, the area of medium prone area was 1471.65 km2, and the area of high prone area was 254.73 km2; The rainfall warning time was determined for a single day and the previous 3 days, and the rainfall warning threshold was refined by district; Compared with the rainfall warning threshold model applied to the landslide monitoring and early warning in Longling County, the number of early warning information decreased by 70, the accuracy of early warning was increased by 14.4%, and the effective early warning of landslide in Shijiazhai Formation of Huba Village, Zhen’an Town was realized. This paper provides a good reference method for determining the regional landslide rainfall warning threshold.
-
0. 引言
滑坡灾害预警预报是减少因灾人员伤亡和经济损失的重要手段，由于降雨是滑坡灾害的主要诱因，区域滑坡预警通常采用降雨作为主要指标之一。在滑坡降雨预警阈值模型构建过程中，通常以不同降雨诱发概率，或通过统计滑坡发生与降雨的关系来确定阈值。而实际上，由于滑坡孕灾地质环境条件不同，降雨诱发滑坡的概率也有所差异。如地形平缓、岩土体工程地质特性较好的区域，强降雨诱发滑坡等地质灾害的概率较小；而地形陡峭，岩土体性状软弱的区域，较小的雨量就会诱发滑坡。因此，区域滑坡降雨预警阈值模型的构建不能一概而论，应当考虑地质环境的差异，区分不同孕灾条件下的降雨阈值。近年来，部分学者开展了基于易发性区划的滑坡灾害降雨预警阈值模型构建研究[1-5]，孙德亮[6]将奉节县滑坡灾害易发性区划、有效降雨阈值和当日降雨滑坡预警等级调整标准结合，构建了滑坡灾害降雨时空联合预报预警模型；Rosi等 [7]认为滑坡所处位置发育的植被和岩性组合不同，滑坡发育程度不同，区域降雨预警阈值应分别进行计算；朱昳橙等[8]利用信息量模型对怒江州地质灾害易发性进行静态评价，采用广义线性模型将动态降雨预报和静态的易发性评价结合起来，建立了地质、气象耦合模型和地质、降雨综合模型。综上所述，基于易发性分区的滑坡灾害降雨预警阈值模型已有一定的研究基础，但降雨预警时间选择，细化易发分区后的预警阈值，在监测预警中的实际应用仍处于探索阶段。本文以云南省龙陵县滑坡灾害为研究对象，在分析地质环境孕灾条件和开展易发性评价的基础上，采用滑坡发生概率和累计降雨量对不同易发区开展降雨预警阈值模型研究，精确降雨预警时间，细化各分区的预警阈值，通过降雨预警阈值模型的实际应用来分析其可行性和有效性，为区域滑坡监测预警中降雨阈值的模型构建提供参考。
1. 研究区概况
1.1 区域概况
龙陵县位于云南省西南边陲，境内山脉起伏盘错，沿怒江流域形成中部高、向东西两侧倾斜的地形；区内以构造侵蚀、剥蚀和岩溶构造地貌为主，同时发育构造堆积地貌和火山地貌；研究区属于怒江大断裂以西的滇西地区，该区域构造运动强烈，断裂活动频繁，形成了一系列沿北东向断裂带发育的新生代断陷盆地；岩性较为复杂，包含第四系覆盖层、碎屑岩、碳酸盐岩、岩浆岩和变质岩等（图1）。龙陵县兼具低纬、季风和山原地势气候特征，属于多雨区，年平均降水量高达2112.6 mm。区内怒江、龙川江两江环绕，数十条河流和溪沟纵横密布。境内地质灾害以滑坡为主，当前记录在册的降雨型滑坡共132处。
![]()
图 1 龙陵县地质环境和滑坡灾害分布图Figure 1. Overview of geological and environmental conditions and landslide disaster distribution of Longling County1.2 滑坡灾害分布规律和发育特征
研究区内降雨型滑坡主要分布在高程1500～2000 m，地形坡度多在16°～21°，多以浅表层土质滑坡为主，沿主要断裂带和河流呈散点状分布，具有规模小、数量多等特点。
2. 滑坡易发性评价
2.1 数据来源
数据源主要包括 ：（1） 滑坡灾害数据来自龙陵县地质灾害管理系统；（2） 降雨数据来自县内雨量站点和部分隐患点雨量计监测数据（1996年6月—2022年9月）；（3） 坡度、高程、水系等信息的提取来自12.5 m×12.5 m DEM 数据；（4） 地质构造和地层岩性的信息来自 1∶50000区域地质图。
2.2 易发条件分析与因子选取
滑坡是由本身所处的孕灾地质条件和外部诱发因素共同作用引发的，滑坡易发性评价主要针对孕灾地质环境条件进行分析。通过野外地质调查和发育特征、分布规律的分析，滑坡灾害集中发育在地形坡度16°～21°、高程1500～2000 m、距离断裂带小于500 m、较硬-硬层状碎屑岩的区域中，并沿水系分布。因此，选取主要孕灾地质条件开展易发性评价，包括：地貌因子（坡度、高程），地质因子（距断层距离、工程岩组），水文因子（距水系距离）。
2.3 易发性评价
研究区地质环境条件各控灾因子与滑坡分布关系如图2所示。基于信息量模型，采用GIS软件提取并计算各个地质环境条件的信息量数据，各分级区间的信息量值如表1所示。利用层次分析法确定其权重值（表2），借助GIS软件中的地图代数工具进行加权叠加计算，最后使用自然断点法划分4级易发分区，最终获取研究区易发性分区结果（图3）。
![]()
图 2 控灾地质环境条件与滑坡分布图Figure 2. Geological environmental conditions and landslide distribution map表 1 不同孕灾地质环境条件的信息量Table 1. Information of different disaster-induced geological environmental conditions孕灾地质条件 分类区间 信息量 坡度/（°） [0, 8) −0.11678 [8, 16) 0.09139 [16, 21) 0.24305 [24, 32) 0.22223 [32, 90] −0.17598 高程/m [540, 1000) −1.87118 [1000, 1500) −0.01276 [1500, 2000) 0.36376 [2000, 2500) −0.35401 [2500, 3001] −0.92529 距断层距离/m [0,500) 0.55638 [500, 1000) 0.33742 [1000, 1500) −0.08659 [1500, 2000) −0.00810 [2000, 25805] −0.11811 工程地质岩组 松散岩土 −0.40000 较硬-硬层状碎屑岩 0.24766 硬质层状碳酸盐岩 −0.30988 岩浆岩 −0.16451 变质岩 0.17583 距水系距离/m [0,200) 0.03817 [200, 400) 0.23206 [400, 600) −0.16629 [600,800) −0.01517 [800, 6134] −0.05321 表 2 龙陵县滑坡灾害地质环境条件权重统计表Table 2. Statistics of weights of geological and environmental conditions of landslide disaster in Longling County地质环境条件 坡度 高程 距断层距离 工程地质岩组 距水系距离 权重 0.186 0.142 0.315 0.259 0.098 对易发区划成果进行灾点统计得出，随着易发等级的提高，灾害点密度越大（表3）。采用受试者特征曲线（receiver operating characteristics，ROC）检验易发评价成果。其中ROC曲线纵轴代表敏感性，表示滑坡灾害真实发生的累计频率值；横轴代表特异性，表示易发性指数由高到低的栅格累计频率值[9-10]。ROC曲线通过曲线和横轴围成的面积（AUC值）来检验易发评价成果精度的高低。其值范围在0～1之间，值越接近于1预测精度越高，低于0.5易发评价成果无意义[11-12]。从图4模型检验ROC图可以看出，AUC值等于0.86接近于1，表明易发区划成果较为合理且预测精度较高。
表 3 不同等级的易发区划与实际滑坡分布对比Table 3. Comparison of the prone zoning of different grades with the actual landslide distribution易发分区 灾点数量/个 灾点比例/% 面积/km2 面积比例/% 灾点密度/km2 滑坡面积/km2 占总滑坡面积比例/% 非易发区 0 0 14.33 0.51 0 0 0 低易发区 16 12.12 1053.87 37.46 0.02 0.13 6.11 中易发区 70 53.03 1471.65 52.96 0.05 0.98 46.71 高易发区 46 34.84 254.73 9.10 0.18 0.99 47.18 3. 区域滑坡降雨预警阈值模型构建
3.1 滑坡灾害与降雨量相关性分析
滑坡灾害的发生与累积降雨量有密切的关系[13]，研究区多为连续强降雨，研究滑坡发生和降雨累计天数的相关关系是开展预警阈值研究的前提。Pearson模型的相关系数是衡量XY双变量的线性相关系数，其绝对值越接近于1，相关程度越高。栗倩倩等[14]和夏梦想等[15]学者在丽水市和张家界地区利用该模型分析部分滑坡灾害发生和前期累计降雨天数的相关性，同时使用其余滑坡灾害点进行检验，准确率分别为84.8%和92.5%，其模型具有良好的分析准确性。利用SPSS软件双变量方法中的Pearson模型检验滑坡滑动与累计降雨量的相关性，将132个滑坡事件对应时间内滑动次数记作X变量，选取前1～8 d的累计降雨量作为Y变量，导入SPSS软件中分析得到相关系数r（表4），参考相关系数与相关程度对照表（表5）确定降雨预警模型中的累计降雨量天数[16-17]。
表 4 累计降雨量和滑坡相关性分析Table 4. Correlation analysis of different times and landslides in the previous period累计降雨量 相关系数 累计降雨量 相关系数 前1 d 0.819 前5 d 0.524 前2 d 0.785 前6 d 0.412 前3 d 0.808 前7 d 0.316 前4 d 0.615 前8 d 0.213 表 5 相关系数与相关强度对照表[16]Table 5. Comparison of correlation coefficient and correlation intensity相关系数的值 直线相关程度 |r|=0 完全不相关 |r|≤0.3 微弱相关 0.3<|r|≤0.5 低度相关 0.5<|r|≤0.8 显著相关 0.8<|r|＜1 高度相关 |r|=1 完全相关 表4和表5表明研究区滑坡发生与前1 d和前3 d累计降雨量呈高度相关，因此本文选取前1 d和前3 d作为滑坡预警参考的累计降雨量天数。
3.2 滑坡日降雨量预警阈值选取
滑坡致灾概率值表示滑坡在降雨过程中累计雨量值达某个界限触发的滑坡数量比例[18-19]，参考规范有效降雨致灾概率的划分标准（20%、40%、60%、80%，其中滑坡非易发区的降雨致灾概率可取0）[20]，将研究区致灾概率划分为4个预警等级，即蓝色预警（20%～40%）、黄色预警（40%～60%）、橙色预警（60%～80%）和红色预警（≥80%）。不同易发区的降雨致滑坡概率值通过分区统计方式获得，形成的日降雨量预警阈值选取结果见图5（图中四色降雨量线条指达到该预警等级的最低降雨量值，同图6）。
![]()
图 5 不同易发等级区划日降雨量预警阈值选取Figure 5. Selection of the daily rainfall intensity warning threshold for different susceptibility levels3.3 滑坡前3 d有效降雨计算与预警阈值选取
滑坡降雨过程中，雨水入渗速度与岩土体的渗透系数和降雨强度相关。当降雨强度小于或等于渗透系数时，雨水入渗速度取决于降雨强度或渗透系数；当降雨强度大于渗透系数时，坡体表面将形成暂态饱和区，地表径流量增大，同时考虑降雨过程中的蒸腾、渗漏及植物吸收作用，雨水并非全部作用于坡体。本文采用赵衡等[21]学者提出的有效降雨定量计算公式：
$$ R_{{\rm{cp}}} = \sum {\mathop \alpha \nolimits^{\mathop n\nolimits_i } } \mathop R\nolimits_i $$ (1) 式中：Rcp——一次降雨过程中有效降雨量/mm；
α——滑坡有效降雨系数，根据云南省滑坡有效降 雨系数的研究成果，本文有效降雨系数取经 验值0.61[22];
Ri——该降雨过程中第i天的降雨量/mm;
ni——降雨时间长度/d。
即研究区3 d有效降雨公式为：
$$ R_{{\rm{cp}}} = 0.61\mathop R\nolimits_1 + \mathop {\mathop {0.61}\nolimits^2 R}\nolimits_2 + \mathop {0.61}\nolimits^3 \mathop R\nolimits_3 $$ (2) 统计不同易发分区中前3 d降雨情况，利用式（2）计算滑坡前期有效降雨量值，得到不同易发区的前期有效降雨预警阈值见图6。
![]()
图 6 不同易发等级区划前期有效降雨预警阈值选取Figure 6. Selection of effective rainfall warning thresholds in the early stage of different susceptibility levels图5和图6表明，不同易发分区的单日和前3 d降雨预警阈值差异较大，易发等级越高的区域，诱发滑坡的降雨量值越小，进一步说明基于易发性分区细化区域滑坡降雨预警阈值的重要性。
3.4 滑坡降雨预警阈值选取
基于上述不同等级易发区划，分别对日降雨量和前3 d有效降雨进行四色预警阈值的统计分析，形成龙陵县滑坡降雨预警阈值模型（表6）。
表 6 龙陵县滑坡四色预警降雨阈值Table 6. Landslide four-color warning rainfall threshold of Longling County易发分区 降雨时段 不同等级预警阈值/mm 蓝色 黄色 橙色 红色 低易发区 单日 47.2 71.3 89.7 108.6 前3 d 38.9 57.3 66.9 79.3 中易发区 单日 41.9 63.8 77.1 95.3 前3 d 35.1 48.5 55.6 66.9 高易发区 单日 36.7 54.2 67.3 87.6 前3 d 27.1 44.1 51.1 61.9 3.5 实际应用成效
将上述研究取得的易发分区降雨阈值参数应用于龙陵县的滑坡监测预警中，通过对比分析阈值改变前后（2021年和2022年5—9月，合计监测点40个）的降雨预警信息量和预警准确率。降雨预警阈值改变后，预警信息量明显下降，预警信息由172条下降至102条，其中蓝、黄色和橙、红色预警信息数量分别下降了62条和8条。同时通过复核现场变形情况，预警准确率由76.8%提升至91.2%，预警的有效性和准确性得到明显提高，并于2022年7月4日成功预警镇安镇户帕村施家寨组滑坡。
镇安镇户帕村施家寨组滑坡位于龙陵县北部（图3），属于高易发区，地形陡峭，出露地层岩性为上寒武统保山组泥质条带灰岩，滑坡体积约8×104 m3，属于小型土质滑坡。2022年7月4日凌晨4时日累计降雨量达51.5 mm，未达到2021年设置的蓝色预警阈值55.0 mm（未优化前），满足表6中高易发区滑坡降雨蓝色预警的单日降雨预警判据，云南省地质灾害监测预警管理系统发出雨量蓝色预警（图7）。同日上午9时现场复核发现，滑坡中后部发育1～5 cm的拉张裂缝以及高40 cm的错台，居民房屋墙体出现2～5 cm的裂缝（图8），滑坡存在明显的变形迹象，及时对该滑坡补充了简易监测手段并立即上报地方政府，立即撤离了受威胁的群众。
![]()
图 7 镇安镇户帕村施家寨组滑坡雨量计蓝色预警前后监测曲线Figure 7. Monitoring curves of landslide rain gauge before and after blue early-warning at Shijiazhai of Hupa Village in Zhen’an Town![]()
图 8 镇安镇户帕村施家寨组滑坡现场变形记录图Figure 8. Deformation record of the landslide site at Shijiazhai of Hupa Village in Zhen’an Town4. 结论
（1）基于滑坡野外地质调查和易发条件分析，总结出坡度、高程、距断层距离、工程地质岩组、水系距离是区域滑坡的主要孕灾地质条件。
（2）运用信息量模型和层次分析法相结合的滑坡易发性评价方法，较好的计算出龙陵县滑坡易发性分区，其中非易发区面积为14.33 km2，低易发区面积为1053.87 km2，中易发区面积为1471.65 km2，高易发区面积为254.73 km2。
（3）通过龙陵县不同易发区滑坡发生概率和累积降雨量的相关性分析，确定单日和前3 d为降雨预警时间，分区分时细化了降雨预警阈值。
（4）对比降雨预警阈值模型应用于龙陵县滑坡监测预警中的前后，预警信息减少了70条，预警准确率提高了14.4%，并实现了2022年7月4日镇安镇户帕村施家寨组滑坡的有效预警。
由于不同区域的孕灾地质条件和降雨特征存在明显差异，后期将进一步总结归纳典型地区的降雨阈值选取方法并进一步优化，继续支撑服务好地方地质灾害监测预警工作。
-
![]()
图 1 龙陵县地质环境和滑坡灾害分布图
Figure 1. Overview of geological and environmental conditions and landslide disaster distribution of Longling County
![]()
图 2 控灾地质环境条件与滑坡分布图
Figure 2. Geological environmental conditions and landslide distribution map
![]()
图 5 不同易发等级区划日降雨量预警阈值选取
Figure 5. Selection of the daily rainfall intensity warning threshold for different susceptibility levels
![]()
图 6 不同易发等级区划前期有效降雨预警阈值选取
Figure 6. Selection of effective rainfall warning thresholds in the early stage of different susceptibility levels
![]()
图 7 镇安镇户帕村施家寨组滑坡雨量计蓝色预警前后监测曲线
Figure 7. Monitoring curves of landslide rain gauge before and after blue early-warning at Shijiazhai of Hupa Village in Zhen’an Town
![]()
图 8 镇安镇户帕村施家寨组滑坡现场变形记录图
Figure 8. Deformation record of the landslide site at Shijiazhai of Hupa Village in Zhen’an Town
表 1 不同孕灾地质环境条件的信息量
Table 1 Information of different disaster-induced geological environmental conditions
孕灾地质条件 分类区间 信息量 坡度/（°） [0, 8) −0.11678 [8, 16) 0.09139 [16, 21) 0.24305 [24, 32) 0.22223 [32, 90] −0.17598 高程/m [540, 1000) −1.87118 [1000, 1500) −0.01276 [1500, 2000) 0.36376 [2000, 2500) −0.35401 [2500, 3001] −0.92529 距断层距离/m [0,500) 0.55638 [500, 1000) 0.33742 [1000, 1500) −0.08659 [1500, 2000) −0.00810 [2000, 25805] −0.11811 工程地质岩组 松散岩土 −0.40000 较硬-硬层状碎屑岩 0.24766 硬质层状碳酸盐岩 −0.30988 岩浆岩 −0.16451 变质岩 0.17583 距水系距离/m [0,200) 0.03817 [200, 400) 0.23206 [400, 600) −0.16629 [600,800) −0.01517 [800, 6134] −0.05321 
下载: 导出CSV
表 2 龙陵县滑坡灾害地质环境条件权重统计表
Table 2 Statistics of weights of geological and environmental conditions of landslide disaster in Longling County
地质环境条件 坡度 高程 距断层距离 工程地质岩组 距水系距离 权重 0.186 0.142 0.315 0.259 0.098
下载: 导出CSV
表 3 不同等级的易发区划与实际滑坡分布对比
Table 3 Comparison of the prone zoning of different grades with the actual landslide distribution
易发分区 灾点数量/个 灾点比例/% 面积/km2 面积比例/% 灾点密度/km2 滑坡面积/km2 占总滑坡面积比例/% 非易发区 0 0 14.33 0.51 0 0 0 低易发区 16 12.12 1053.87 37.46 0.02 0.13 6.11 中易发区 70 53.03 1471.65 52.96 0.05 0.98 46.71 高易发区 46 34.84 254.73 9.10 0.18 0.99 47.18
下载: 导出CSV
表 4 累计降雨量和滑坡相关性分析
Table 4 Correlation analysis of different times and landslides in the previous period
累计降雨量 相关系数 累计降雨量 相关系数 前1 d 0.819 前5 d 0.524 前2 d 0.785 前6 d 0.412 前3 d 0.808 前7 d 0.316 前4 d 0.615 前8 d 0.213
下载: 导出CSV
表 5 相关系数与相关强度对照表[16]
Table 5 Comparison of correlation coefficient and correlation intensity
相关系数的值 直线相关程度 |r|=0 完全不相关 |r|≤0.3 微弱相关 0.3<|r|≤0.5 低度相关 0.5<|r|≤0.8 显著相关 0.8<|r|＜1 高度相关 |r|=1 完全相关
下载: 导出CSV
表 6 龙陵县滑坡四色预警降雨阈值
Table 6 Landslide four-color warning rainfall threshold of Longling County
易发分区 降雨时段 不同等级预警阈值/mm 蓝色 黄色 橙色 红色 低易发区 单日 47.2 71.3 89.7 108.6 前3 d 38.9 57.3 66.9 79.3 中易发区 单日 41.9 63.8 77.1 95.3 前3 d 35.1 48.5 55.6 66.9 高易发区 单日 36.7 54.2 67.3 87.6 前3 d 27.1 44.1 51.1 61.9
下载: 导出CSV
-
[1] 李媛,杨旭东. 降雨诱发区域性滑坡预报预警方法研究[J]. 水文地质工程地质,2006,33(2):101 − 103. [LI Yuan,YANG Xudong. Research on the forecasting and early warning of the regional precipitation-induced landslide[J]. Hydrogeology & Engineering Geology,2006,33(2):101 − 103. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-3665.2006.02.024 LI Yuan, YANG Xudong. Research on the forecasting and early warning of the regional precipitation-induced landslide[J]. Hydrogeology & Engineering Geology, 2006, 33（2）: 101-103. （in Chinese with English abstract） DOI: 10.3969/j.issn.1000-3665.2006.02.024
[2] 温铭生,王连俊,李铁锋,等. 云南省新平县滑坡预警区划研究[J]. 水文地质工程地质,2010,37(4):103 − 106. [WEN Mingsheng,WANG Lianjun,LI Tiefeng,et al. Early-warning zoning studying of landslides in Xinping[J]. Hydrogeology & Engineering Geology,2010,37(4):103 − 106. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-3665.2010.04.021 WEN Mingsheng, WANG Lianjun, LI Tiefeng, et al. Early-warning zoning studying of landslides in Xinping[J]. Hydrogeology & Engineering Geology, 2010, 37（4）: 103-106. （in Chinese with English abstract） DOI: 10.3969/j.issn.1000-3665.2010.04.021
[3] 温智熊,蓝俊康,梁一敏. 广西龙胜县崩塌和滑坡地质灾害的气象预警预报[J]. 桂林理工大学学报,2018,38(3):464 − 468. [WEN Zhixiong,LAN Junkang,LIANG Yimin. Meteorological forecasting and alarming system against geological disasters in Longsheng of Guangxi[J]. Journal of Guilin University of Technology,2018,38(3):464 − 468. (in Chinese with English abstract) DOI: 10.3969/j.issn.1674-9057.2018.03.013 WEN Zhixiong, LAN Junkang, LIANG Yimin. Meteorological forecasting and alarming system against geological disasters in Longsheng of Guangxi[J]. Journal of Guilin University of Technology, 2018, 38（3）: 464-468. （in Chinese with English abstract） DOI: 10.3969/j.issn.1674-9057.2018.03.013
[4] 朱文慧,晏鄂川,邹浩,等. 湖北省黄冈市降雨型滑坡气象预警判据[J]. 地质科技通报,2022,41(6):45 − 53. [ZHU Wenhui,YAN Echuan,ZOU Hao,et al. Meteorological early warning criterion of rainfall landslide in Huanggang City,Hubei Province[J]. Bulletin of Geological Science and Technology,2022,41(6):45 − 53. (in Chinese with English abstract) ZHU Wenhui, YAN Echuan, ZOU Hao, et al. Meteorological early warning criterion of rainfall landslide in Huanggang City, Hubei Province[J]. Bulletin of Geological Science and Technology, 2022, 41（6）: 45-53. （in Chinese with English abstract）
[5] 曹中山. 基于易发性和临界降雨阈值的滑坡危险性预警建模研究[D]. 南昌: 南昌大学, 2020 CAO Zhongshan. Study on landslide risk early warning modeling based on susceptibility and critical rainfall threshold[D]. Nanchang: Nanchang University, 2020. （in Chinese with English abstract）
[6] 孙德亮. 基于机器学习的滑坡易发性区划与降雨诱发滑坡预报预警研究[D]. 上海: 华东师范大学, 2019 SUN Deliang. Study on landslide susceptibility zoning and rainfall-induced landslide prediction and early warning based on machine learning[D]. Shanghai: East China Normal University, 2019. （in Chinese with English abstract）
[7] ROSI A,SEGONI S,CATANI F,et al. Statistical and environmental analyses for the definition of a regional rainfall threshold system for landslide triggering in Tuscany (Italy)[J]. Journal of Geographical Sciences,2012,22(4):617 − 629. DOI: 10.1007/s11442-012-0951-0
[8] 朱昳橙,李益敏,魏苏杭. 怒江州滑坡地质灾害气象预警模型研究[J]. 云南大学学报(自然科学版),2016,38(4):610 − 619. [ZHU Yicheng,LI Yimin,WEI Suhang. A prediction model study on landslide in Nujiang State[J]. Journal of Yunnan University (Natural Sciences Edition),2016,38(4):610 − 619. (in Chinese with English abstract) ZHU Yicheng, LI Yimin, WEI Suhang. A prediction model study on landslide in Nujiang State[J]. Journal of Yunnan University （Natural Sciences Edition）, 2016, 38（4）: 610-619. （in Chinese with English abstract）
[9] 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) 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）
[10] 刘福臻,王灵,肖东升. 机器学习模型在滑坡易发性评价中的应用[J]. 中国地质灾害与防治学报,2021,32(6):98 − 106. [LIU Fuzhen,WANG Ling,XIAO Dongsheng. Application of machine learning model in landslide susceptibility evaluation[J]. The Chinese Journal of Geological Hazard and Control,2021,32(6):98 − 106. (in Chinese with English abstract) LIU Fuzhen, WANG Ling, XIAO Dongsheng. Application of machine learning model in landslide susceptibility evaluation[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32（6）: 98-106. （in Chinese with English abstract）
[11] 张玘恺,凌斯祥,李晓宁,等. 九寨沟县滑坡灾害易发性快速评估模型对比研究[J]. 岩石力学与工程学报,2020,39(8):1595 − 1610. [ZHANG Qikai,LING Sixiang,LI Xiaoning,et al. Comparison of landslide susceptibility mapping rapid assessment models in Jiuzhaigou County,Sichuan Province,China[J]. Chinese Journal of Rock Mechanics and Engineering,2020,39(8):1595 − 1610. (in Chinese with English abstract) DOI: 10.13722/j.cnki.jrme.2020.0029 ZHANG Qikai, LING Sixiang, LI Xiaoning, et al. Comparison of landslide susceptibility mapping rapid assessment models in Jiuzhaigou County, Sichuan Province, China[J]. Chinese Journal of Rock Mechanics and Engineering, 2020, 39（8）: 1595-1610. （in Chinese with English abstract） DOI: 10.13722/j.cnki.jrme.2020.0029
[12] 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) 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）
[13] 张勇,温智,程英建. 四川巴中市滑坡灾害与降雨雨型关系探讨[J]. 水文地质工程地质,2020,47(2):178 − 182. [ZHANG Yong,WEN Zhi,CHENG Yingjian. A discussion of the relationship between landslide disaster and rainfall types in Bazhong of Sichuan[J]. Hydrogeology & Engineering Geology,2020,47(2):178 − 182. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.201906036 ZHANG Yong, WEN Zhi, CHENG Yingjian. A discussion of the relationship between landslide disaster and rainfall types in Bazhong of Sichuan[J]. Hydrogeology & Engineering Geology, 2020, 47（2）: 178-182. （in Chinese with English abstract） DOI: 10.16030/j.cnki.issn.1000-3665.201906036
[14] 栗倩倩,史绪山,柴波,等. 台风-非台风降雨型滑坡的多时段临界雨量值预测模型[J]. 地质科技通报,2022,41(2):267 − 273. [LI Qianqian,SHI Xushan,CHAI Bo,et al. Multiduration critical rainfall prediction model for typhoons and non-typhoon rainfall landslides[J]. Bulletin of Geological Science and Technology,2022,41(2):267 − 273. (in Chinese with English abstract) LI Qianqian, SHI Xushan, CHAI Bo, et al. Multiduration critical rainfall prediction model for typhoons and non-typhoon rainfall landslides[J]. Bulletin of Geological Science and Technology, 2022, 41（2）: 267-273. （in Chinese with English abstract）
[15] 夏梦想,李远耀,吴吉民,等. 基于I-D统计模型的张家界市滑坡灾害降雨预警阀值研究[J]. 自然灾害学报,2021,30(4):203 − 212. [XIA Mengxiang,LI Yuanyao,WU Jimin,et al. Research on rainfall early warning threshold of landslide disaster in Zhangjiajie City based on I-D statistical model[J]. Journal of Natural Disasters,2021,30(4):203 − 212. (in Chinese with English abstract) XIA Mengxiang, LI Yuanyao, WU Jimin, et al. Research on rainfall early warning threshold of landslide disaster in Zhangjiajie City based on I-D statistical model[J]. Journal of Natural Disasters, 2021, 30（4）: 203-212. （in Chinese with English abstract）
[16] 卢纹岱. SPSS统计分析（第4版）[M]. 电子工业出版社, 2012 LU Wendai. SPSS Statistical Analysis （4th Edition） [M]. Publishing House of Electronics Industry, 2012. （in Chinese with English abstract）
[17] 林巍,李远耀,徐勇,等. 湖南慈利县滑坡灾害的临界降雨量阈值研究[J]. 长江科学院院报,2020,37(2):48 − 54. [LIN Wei,LI Yuanyao,XU Yong,et al. Rainfall thresholds of rainfall-triggered landslides in Cili County,Hunan Province[J]. Journal of Yangtze River Scientific Research Institute,2020,37(2):48 − 54. (in Chinese with English abstract) DOI: 10.11988/ckyyb.20181125 LIN Wei, LI Yuanyao, XU Yong, et al. Rainfall thresholds of rainfall-triggered landslides in Cili County, Hunan Province[J]. Journal of Yangtze River Scientific Research Institute, 2020, 37（2）: 48-54. （in Chinese with English abstract） DOI: 10.11988/ckyyb.20181125
[18] 刘谢攀, 殷坤龙, 肖常贵, 等. 基于 I-D-R 阈值模型的滑坡气象预警[J/OL]. 地球科学, 2022（2022-09-05）[2022-07-11]. https://kns.cnki.net/kcms/detail/42.1874.P.20220708.1511.002.html. LIU Xiepan, YIN Kunlong, XIAO Changgui, et al. Meteorological early warning of landslide based on I-D-R threshold model[J]. Earth Science, 1 − 15. [2023-05-24]（in Chinese with English abstract）
[19] 黄发明,曹中山,姚池,等. 基于决策树和有效降雨强度的滑坡危险性预警[J]. 浙江大学学报(工学版),2021,55(3):472 − 482. [HUANG Faming,CAO Zhongshan,YAO Chi,et al. Landslides hazard warning based on decision tree and effective rainfall intensity[J]. Journal of Zhejiang University (Engineering Science),2021,55(3):472 − 482. (in Chinese with English abstract) HUANG Faming, CAO Zhongshan, YAO Chi, et al. Landslides hazard warning based on decision tree and effective rainfall intensity[J]. Journal of Zhejiang University （Engineering Science）, 2021, 55（3）: 472-482. （in Chinese with English abstract）
[20] 中国气象局. 暴雨诱发的地质灾害气象风险预警等级: QX/T 487—2019[S]. 北京: 气象出版社, 2019 China Meteorological Bureau of the People's Republic of China. Meteorological risk early warning levels of geological disaster induced by torrential rain: QX/T 487—2019[S]. Beijing: China Meteorological Press, 2019. （in Chinese）
[21] 赵衡,宋二祥. 诱发区域性滑坡的降雨阈值[J]. 吉林大学学报(地球科学版),2011,41(5):1481 − 1487. [ZHAO Heng,SONG Erxiang. Rainfall thresholds for regional landslides[J]. Journal of Jilin University (Earth Science Edition),2011,41(5):1481 − 1487. (in Chinese with English abstract) ZHAO Heng, SONG Erxiang. Rainfall thresholds for regional landslides[J]. Journal of Jilin University （Earth Science Edition）, 2011, 41（5）: 1481-1487. （in Chinese with English abstract）
[22] 戴丛蕊,黄玮,李蒙,等. 云南降雨型滑坡县级预警雨量阈值分析[J]. 气象科技,2015,43(4):675 − 680. [DAI Congrui,HUANG Wei,LI Meng,et al. County-level rainfall warning thresholds for rainfall-induced landslides in Yunnan[J]. Meteorological Science and Technology,2015,43(4):675 − 680. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-6345.2015.04.019 DAI Congrui, HUANG Wei, LI Meng, et al. County-level rainfall warning thresholds for rainfall-induced landslides in Yunnan[J]. Meteorological Science and Technology, 2015, 43（4）: 675-680. （in Chinese with English abstract） DOI: 10.3969/j.issn.1671-6345.2015.04.019
计量
- 文章访问数: 911
- HTML全文浏览量: 224
- PDF下载量: 135
邮件订阅
RSS