Avalanche susceptibility evaluation of the Kezhayi to Gongnaisi section of the Duku expressway
-
摘要:
独库高速公路克扎依—巩乃斯段以高山地貌为主，地形切割剧烈，为雪崩发育提供了有利的地形条件，对该区域进行雪崩易发性评价是独库高速公路安全建设及运行的重要前提。通过遥感解译和现场调查等手段获取149个雪崩点的因子数据，通过对因子进行相关性检测，筛选出10个评价因子，构成雪崩评价因子体系。在此基础上，运用K均值聚类法和随机法提取出非雪崩点和原始雪崩点构成样本集，通过机器学习中的多层感知器、支持向量机算法对研究区域开展雪崩易发性评价。研究结果表明，随机法和K均值聚类法提取出的样本集分别带入算法中训练，R-SVM、R-MLP、K-SVM、K-MLP四种模型的Kappa系数均大于0.6，4组模型对验证数据集的预测结果与实际值存在高度的一致性。经多层感知器训练的AUC值由0.762提高至0.983，经支持向量机训练的AUC值由0.724提高至0.951。基于本研究预测性能最佳的K-MLP模型分区显示该研究区雪崩发育对拟建线路影响较小，但对于隧道洞口可能会造成威胁。本研究可为独库高速公路建设、运营以及雪崩灾害防治工作提供理论支撑和方法参考。
Abstract:The Kezhayi to Gongnaisi section of the Duku expressway is predominantly characterized by alpine landforms, with steep terrain cutting that provides conducive conditions for avalanche development. The study on the evaluation of snow avalanche susceptibility in this area is a crucial prerequisite for the safety construction and operation of the Duku expressway. The 149 snow avalanche points were collected by employing remote sensing interpretation and field investigations. Through correlation analysis of these factors, 10 evaluation factors were selected, forming the avalanche evaluation factor system. Subsequently, the non-avalanche points and original avalanche points were extracted using the K-means clustering method and random method to create a sample set. Machine learning techniques, including multilayer perceptron (MLP) and support vector machine (SVM) algorithms, were utilized to assess avalanche susceptibility in the study area. The results show that the sample datasets extracted by the random and K-means clustering methods were used for training, the Kappa coefficient of the R-SVM, R-MLP, K-SVM, and K-MLP models were greater than 0.6. These four sets of models exhibited a high degree of consistency between the predicted results and actual values of the validation dataset. The AUC (area under curve) value trained by MLP increased from 0.762 to 0.983, while the AUC value trained by SVM increased from 0.724 to 0.951. Based on the K-MLP model partition with the highest evaluation accuracy, the snow avalanche development in the research area has a relatively minor impact on the proposed route but may pose a threat to tunnel entrances. This study provides theoretical support and methodological references for the construction, operation and mitigation of sonw avalanche disasters for the Duku expressway.
-
Keywords:
- avalanche /
- susceptibility evaluation /
- support vector machine /
- multilayer perceptron /
- ArcGIS
-
0. 引言
地裂缝为常见的地质灾害之一，一般指在内外应力协同作用下，岩土体的连续性被破坏，并发生变形破裂，进而在浅表层形成的具一定规模的变形带或裂缝的灾害现象，其变形破坏常呈现为水平剪切、垂直剪切与拉张破坏[1 − 3]。地裂缝在许多国家都有广泛发育，在美国、中国、墨西哥、澳大利亚以及埃塞俄比亚、肯尼亚等地均出现了大规模的地裂缝灾害，对当地居民生产生活造成严重影响，产生了难以计量的破坏和损失[4 − 10]。
调查发现，自上世纪60年代起，北京平原区勘察到地裂缝超过40条，至今已发育有7个地裂缝带，其中以高丽营、顺义和通州地区所发育的地裂缝最为典型，对周围建筑和公共设施造成了严重破坏，引起了人们的高度关注[11]。在北京地裂缝的发育特征和成因机理研究方面：贾三满等认为高丽营地裂缝主要受断裂的控制，为基底断裂活动延伸至地表导致的，是断裂构造和地面沉降共同作用的结果[12]；彭建兵等通过对顺义区土沟村地裂缝进行研究，认为该地裂缝与下伏断裂相连，并呈现出同沉积断层的活动特征[13]；刘德成等认为通州地裂缝是非构造性地裂缝，主要受地貌形态所控制，并分布于河流两岸，顺河堤方向展布[14]；姜媛等在对大量资料分析的基础上，得到了高丽营地裂缝和当地地面沉降在时间、空间和活动方式上的关联，认为二者在加剧活动时间上具有同步性，在活动特征上具有相似性，并指出地面沉降在断裂两侧引起的不均匀沉降是高丽营地裂缝形成的主要因素[15]；卢全中等对北七家至高丽营段的地裂缝进行研究，确定其上、下盘影响带总宽度为43 m，地裂缝对房屋与道路的破坏形式有3种[16]；刘方翠等认为是区域构造活动及差异沉降变形机制的共同作用导致了北京平原区顺义地裂缝、高丽营地裂缝、羊房地裂缝和北小营地裂缝的快速形成发育[17]；周永恒等通过地球物理探测技术与联合钻孔剖面方法揭示了黄庄-高丽营断裂（房山-涞水段）具典型的正断活动特征[18]；关金环等发现北京首都国际机场发生的差异性沉降主要是由顺义-良乡断裂所发育的顺义地裂缝造成的[19]；孟振江等以北京地裂缝为原型研究了耦合型地裂缝的发育活动特征和成因机制，揭示了不同位错量和水位下降量引发的地层位移场和应力场的变化特征[20]；任雅哲等依据断层位错理论定量分析了顺义断裂蠕滑活动对机场地裂缝形成的影响，认为顺义断裂上盘中、深层地下水抽采引起的地面差异沉降是导致机场地裂缝加剧的主要因素[21]。以上研究在一定程度上揭示了北京地裂缝的成因与影响因素，为后续的深入研究提供了重要的研究基础和理论参考。
作为特殊的工程场地，地裂缝场地对动力的响应明显且产生的影响较大。相关研究表明，傅里叶频率与场地条件、土层结构完整性及力学性质等紧密相关，而地脉动频率及卓越周期都可以反映出试验场地土体结构的变化[22 − 23]。在利用地脉动测试方法研究方面：薛捷等通过地脉动测试的方法对西安地裂缝场地进行了研究，从而为西安市抗震设防工作提供理论依据[24]；慕焕东等使用FLAC3D数值分析软件对西安地裂缝场地开展研究，发现地裂缝场地具有明显的放大效应，且上盘效应显著[25]；张磊刚等应用地脉动测试手段对西安F6地裂缝场地进行研究，探明了场地因地裂缝而产生的放大效应和峰值变化规律[26]；王晗等通过地脉动现场测试方法，得到了西安地区典型地裂缝的场地放大效应和变化规律[27]；崔思颖等选取河北平原具有代表性的地裂缝进行地脉动测试揭示了动力响应特征[28]；Chang J和Xuan Y等利用地脉动测试技术获得了山西临汾和大同两处盆地的典型地裂缝场地的数据并开展研究，研究结果表明可以通过地脉动信号来分析地裂缝场地的动力响应特征，并揭示了其变化规律与放大效应[29 − 32]。
在对北京地区的地裂缝研究方面，前人所做研究大多集中于对地裂缝破坏现象的描述和产状勘察，以及从发育场地地貌和地质构造角度对其成因机理进行研究，在利用地脉动测试北京地裂缝发育场地的动力响应研究方面还属于空白，因该方法的应用还未被普及，加上北京多个地裂缝段现场的干扰较大，故尚未开展专门的地脉动现场测试[33]。鉴于此，本文的研究对象选取为北京通州区宋庄地裂缝场地，采用现场踏勘、地脉动测试和动力分析等方法，开展针对性的宋庄地裂缝场地的动力响应研究，以探究地裂缝的存在对场地动力响应的“峰值”及其“卓越频率”所造成的影响，并在此基础上揭示地裂缝发育场地的动力响应规律，以期为宋庄地区场地工程建设和防震减灾工程的设计和规划提供理论依据，同时为其他地裂缝发育区开展此类研究提供借鉴与参考。
1. 北京地裂缝分布及活动特征
北京平原区地处太行山隆起与燕山隆起和华北断陷盆地相交汇的地带，自新生代以来，该地区主要处于伸展变形的构造环境，地质构造复杂且独特，断裂构造发育。近年来，随着人类工程活动的日益加剧，引发了多起地裂缝灾害[33]。
通州区地裂缝于上世纪60年代开始零星出现，唐山大地震发生后，郎府、西集、宋庄等地都出现了大量的地裂缝，其中以宋庄地裂缝最为典型。宋庄镇地处北京迭断陷与大兴迭隆起相交界的区域，其下伏具有活动迹象的早、中更新世南苑-通县断裂，该断裂带长约110 km，走向NE35～50°，倾向NW，倾角60°～75°，NW盘下降，SE盘上升，为正断层（图1）。断层西北侧震旦亚界埋深400～
1000 余米，上覆有巨厚的新近系、第四系沉积，而东南侧寒武系及中上元古界埋深仅60～300米，上覆有第四系及少量新近系沉积；对断层附近钻孔岩芯观察，具有明显挤压现象，应属压型断层。宋庄地裂缝于2010年后活动尤为剧烈[34]。经野外调查发现，宋庄地裂缝沿南苑-通县断裂展布，南起小中河在地表呈近直线延伸，经双埠头村、沟渠村、大庞村至平家疃村后向北东方向延伸，长度约8.7 km，整体走向NE31°，倾向NW。该地裂缝以水平拉张破坏为主，地表水平拉张量在2.15～56.7 cm之间，垂直位错量较小，地裂缝影响变形带最宽处达到400 m（图2）。![]()
图 1 宋庄地裂缝与周边断裂分布图Figure 1. Distribution map of mainly fractures and location of Songzhuang ground fissures![]()
图 2 宋庄地裂缝致灾示意图Figure 2. Schematic diagram of disaster caused by songzhuang ground fissures宋庄地裂缝的地层剖面如图3示，地表以下由粉砂、细砂、粉土、粉质黏土互层组成[35]。在浅表层，地裂缝近直立，地裂缝以偏拉张开裂为主，张开量为1～15 cm；在地下埋深50 m以下的地层开始逐渐出现位错现象，埋深53.2 m处的钻孔岩芯显示，在浅黑灰色砂质粘土层中，发育不连续构造面，构造面倾角64°，且两侧地层颜色不同。总体上分析发现地层上下盘位错量随埋深逐渐增大，地裂缝NW盘地层相对下降，西北侧第四系地层沉积厚度大于东南侧。在宋庄地裂缝影响范围内，致灾最为严重的是双埠头村至大庞村段，据统计，2016年、2018年和2022年地裂缝造成的直接经济损失总值分别为
4623.24 万元、7033.49 万元和10751.14 万元，可见地裂缝的影响和破坏在不断加剧[36]。![]()
图 3 宋庄地裂缝浅表部地层剖面图（据赵龙，2018修改）Figure 3. Stratigraphic section of the shallow strata of Songzhuang ground fissure (modified from Zhao Long, 2018)2. 地脉动测试
2.1 地脉动基本原理
地脉动通常是指地表面振动周期在0.05～10s、振幅在千分之几至几微米的微幅振动，是由环境振动在地球表面所产生的复杂随机振动，包括地球内部应力、地震等自然因素及交通等人类活动所引起的振动，并经过不同传波介质和不同场地环境后综合作用于地球表面的结果。目前地脉动研究大致分为两类：一类是常时微动，一般是指周期小于1s的微动，侧重其振幅、周期性与观测点场地分类和振动特性研究；另一类是长波微动，一般是指周期大于1s的微动，研究的重点是由微动提取面波，进而解释推断观测点地下横波波速1s的常时微动，可用以研究地裂缝场地动力响应特性。
2.2 地脉动测试
地脉动测试要求的频段范围在0.1～15Hz之间，本次进行地脉动测试所使用的设备是高灵敏度伺服型速度网络地震仪，可满足测试精度要求，主要规格参数见表1。
表 1 选取地震仪的主要技术参数Table 1. Main technical parameters of the Seismic Monitor仪器型号 CV-374AV 动态范围 136 db 灵敏度 1000 mv/（cm/s）通频带 0.1～100 Hz 测量范围 ±0.02 m/s 线性 0.03% 采样频率 100 Hz AD分辨频率 24 bit 高灵敏度伺服型速度网络地震仪尺寸为180*120*100 mm，灵敏度较高，在进行地脉动测试时，严格按照操作规程测试，确保测试数据的精确性。为避开不利环境因素和人类活动对地脉动监测结果的影响，选择天气条件良好情况下进行地脉动测试，测试工作选择在凌晨1点至5点期间。
选择在北京通州区宋庄镇发育较为典型的双埠头村地裂缝段进行地脉动测试，现场布设测点具体原则为：在与主裂缝走向垂直的方向布设2条测线，结合地裂缝的影响带宽度范围，布设长度为60 m的测线，其中，上、下盘长度各设30 m。将地裂缝作为测线的中点，向远离地裂缝的方向进行测点的布设。以上盘为例，首先，在距地裂缝1.5 m处布设第一个测点，再沿测线以3 m为间距布设测点，共布设5个；接着按每隔5 m布设一个测点，共布设3个。因此，所布设测点与地裂缝间的水平距离由近到远设成1.5、3、6、9、12、15、20、25和30 m。下盘测点与上盘对称布设。
针对地脉动观测各个测点的数据，在稳定波段内以10秒为单位进行波段的截取并通过Pwave32软件将其转换导出为加速度时程曲线，之后应用SeismoSignal软件对数据进行预处理，以得到反应谱曲线、傅里叶谱曲线以及Arias烈度曲线，通过频谱特征分析，进而获得地裂缝场地地脉动响应的加速度幅值、卓越频率、影响范围等场地动力响应特征；通过利用3种从不同角度出发的动力分析方法，对采集并经处理的地脉动数据进行分析，进一步提炼地脉动产生的场地动力特性。
3. 测试结果分析
3.1 傅里叶分析
通过傅里叶谱分析，可以将地脉动加速度时程曲线转换成傅里叶谱曲线，从而得到场地卓越频率和傅里叶谱峰值，通过对不同测点卓越频率和峰值的对比，可得到场地不同区域地脉动响应的分布特征，从而获得地裂缝场地动力响应特征。
3.1.1 双埠头村地裂缝傅里叶分析
图4、图5为双埠头村地裂缝测线上盘和下盘在三个方向上的傅里叶谱图（其中X、Y、Z分别为垂直地裂缝走向方向、平行地裂缝走向方向及和垂直地面方向，下文同），图中各测点的傅里叶谱峰值显著，呈现出多峰的特点。主频带宽度较大，而各测点的卓越频率相对集中，因此其波速的变化没有明显的规律。傅里叶谱图反映出的多峰、谱面积大以及谐波丰富等特征，这与双埠头村地裂缝发育场地中较为松软的粘性土层结构特征相一致。通过对双埠头村地裂缝上下盘的傅里叶谱统计分析，得到该区域地裂缝场地的卓越频率在2.10～4.30 Hz之间浮动。而场地卓越频率的大小和测点距地裂缝的水平距离间的关系并不显著，均值约为3.30 Hz。
![]()
图 4 双埠头村地裂缝上盘不同测点XYZ方向上傅里叶谱Figure 4. Fourier spectra in the XYZ direction at different measurement points on the hanging wall of the ground fissures in Shuangbutou village![]()
图 5 双埠头村地裂缝下盘不同测点XYZ方向上傅里叶谱Figure 5. Fourier spectra in the XYZ direction at different measurement points on the footwall of the ground fissures in Shuangbutou village图6、图7为双埠头村地裂缝各测点的傅里叶卓越峰值图。从图中可以看出，在距离地裂缝区域较近的位置，地脉动响应由于地裂缝的存在而出现了显著的放大效应，傅里叶谱峰值与该距离呈负相关关系，距地裂缝的距离越大，峰值越低，在距离较远处曲线趋于平缓，其临界值约在距地裂缝12 m处，傅里叶谱峰值大致保持稳定不变。在距离地裂缝12 m以内的区域，振动的幅值和能量密度相对较高，而在距离地裂缝12米以外的区域，地表振动的幅值和能量密度则相对较低，这种现象表明靠近地裂缝的区域地表振动会比远离地裂缝的区域更强烈。
![]()
图 6 双埠头村地裂缝上盘XYZ方向上傅里叶卓越峰值Figure 6. The peak value of Fourier spectrum of the hanging wall in XYZ directions in Shuangbutou village![]()
图 7 双埠头村地裂缝下盘XYZ方向上傅里叶卓越峰值Figure 7. The peak value of Fourier spectrum of the footwall in XYZ directions in Shuangbutou village3.1.2 沟渠村地裂缝傅里叶分析
图8、图9分别为沟渠村地裂缝各测点X、Y、Z三个方向上傅里叶谱峰值与距地裂缝的距离变化关系的散点及曲线图，发现距离地裂缝越远的位置则傅里叶谱峰值越小，直至在较远的位置，曲线逐渐接近平缓；最终在距地裂缝约12 m处，曲线基本保持不变，傅里叶谱峰值趋于一致。通过统计分析，得出沟渠村地裂缝的场地卓越频率在2.30～4.30 Hz范围内变化，卓越频率的高低与测点所在的位置之间没有明显关系，其均值约为3.40 Hz。
![]()
图 8 沟渠村地裂缝上盘XYZ方向上傅里叶卓越峰值Figure 8. The peak value of Fourier spectrum of the hanging wall in XYZ directions in Gouqu village![]()
图 9 沟渠村地裂缝下盘XYZ方向上傅里叶卓越峰值Figure 9. The peak value of Fourier spectrum of the footwall in XYZ directions in Gouqu village3.2 反应谱分析
通过反应谱分析，可以得到特征周期和相应的反应谱峰值，通过对不同测点特征周期和反应谱峰值的对比，可以得到场地不同区域地脉动响应的分布特征，从而获得地裂缝场地动力响应特征。
3.2.1 双埠头村地裂缝反应谱分析
经数据分析得到，双埠头村地裂缝各测点在同一方向上的反应谱谱型均为“单峰型”，且具有主峰突出、频带窄和谱面积小的特点；反应谱卓越周期集中在0.1 s～0.2 s之间，部分卓越周期可达0.3s，此外卓越周期值与地裂缝和测点间的水平距离无明显关系（图10、11）。
![]()
图 10 双埠头村地裂缝上盘不同测点XYZ方向上反应谱Figure 10. Response spectrum in the XYZ direction at different measurement points on the hanging wall of the ground fissures in Shuangbutou Village![]()
图 11 双埠头村地裂缝下盘不同测点XYZ方向上反应谱Figure 11. Response spectrum in the XYZ direction at different measurement points on the footwall of the ground fissures in Shuangbutou Village由图12、图13可得，在距离地裂缝较近处，因地裂缝的存在地脉动响应表现出显著的放大效应，随着与地裂缝距离的增大，地脉动的响应加速度基本不变，在距地裂缝12m处趋于平稳，反应谱峰值基本一致。
![]()
图 12 双埠头村地裂缝上盘XYZ方向上反应谱加速度峰值变化曲线Figure 12. Response spectrum acceleration peak value variation curves in XYZ direction on the hanging wall of the ground fissures in Shuangboutou village![]()
图 13 双埠头村地裂缝下盘XYZ方向上反应谱加速度峰值变化曲线Figure 13. Variation curves of peak values of reaction spectral acceleration in XYZ direction on the footwall of the ground fissures in Shuangbutou Village3.2.2 沟渠村地裂缝反应谱分析
由图14、图15可以看出，沟渠村地裂缝各测点在X、Y、Z三个方向的上反应谱加速峰值随与地裂缝间的垂直距离变化，距地裂缝较近的区域的地脉动响应表现出显著的放大效应，且距离地裂缝越远，反应谱峰值越小，直至曲线接近稳定不变，反应谱峰值基本一致。
![]()
图 14 沟渠村地裂缝上盘XYZ方向上反应谱加速度峰值变化曲线Figure 14. Variation Curve of Peak Acceleration in the XYZ Directions of the Response Spectrum on the Hanging Wall of the Ground Fissure in Gouqu Village![]()
图 15 沟渠村地裂缝下盘XYZ方向上反应谱加速度峰值变化曲线Figure 15. Variation Curve of Peak Acceleration in the XYZ Directions of the Response Spectrum on the Footwall of the Ground Fissure in Gouqu Village通过对比双埠头村地裂缝和沟渠村地裂缝反应谱曲线，发现布设在宋庄地裂缝上下盘的测点，在与地裂缝同等距离时，上盘反应谱的峰值均大于下盘，这表明地裂缝的存在使得地裂缝两侧场地的地脉动响应发生了差异变化，存在显著“上盘效应”，且上盘峰值大于下盘。
3.3 Arias烈度分析结果
Arias烈度是一种目前较为成熟的评判场地地震动响应强弱、反映场地抗震能力和设防标准的方法，通过分析Arias烈度曲线的变化特征进而了解地裂缝场地不同位置的抗震特性，可从场地抗震烈度方面揭示地裂缝对场地的放大效应。
3.3.1 双埠头村地裂缝Arias烈度分析
图16、图17分别为双埠头村地裂缝上盘与下盘不同测点的Arias烈度曲线图，图中注释栏“MP”表示监测点。结果表明，Arias烈度呈现出随时间逐渐增长的趋势，但各个测点的增长幅度有所不同，且有着不同的最大值。
![]()
图 16 双埠头村地裂缝上盘不同测点XYZ方向上Arias烈度曲线Figure 16. Arias intensity profiles in the XYZ direction at different measurement points on the hanging wall of the ground fissure in Shuangbutou village![]()
图 17 双埠头村地裂缝下盘不同测点XYZ方向上Arias烈度曲线Figure 17. Arias intensity profiles in the XYZ direction at different measurement points on the footwall of the ground fissure in Shuangbutou village为反映地裂缝对场地不同位置烈度值产生的影响，将双埠头村地裂缝各测点Arias烈度的峰值沿垂直地裂缝走向方向展开，得到上下盘各测点在X、Y、Z三个方向上的Arias烈度峰值随与地裂缝距离变化的散点数据曲线图（图18、19）。可见，场地不同位置的烈度值受地裂缝的影响程度也不同。Arias烈度在距离地裂缝较近的区域，其峰值较大，且该烈度值随测点与地裂缝间的距离增大而减小并逐渐趋于稳定，其临界距离为12 m，而临界区域以外的范围受放大效应的影响较小。
![]()
图 18 双埠头村地裂缝上盘XYZ方向上Arias烈度峰值随距离变化曲线Figure 18. Variation curves of peak Arias intensity with distance in the XYZ direction on the hanging wall of the ground fissures in Shuangbutou village![]()
图 19 双埠头村地裂缝下盘XYZ方向上Arias烈度峰值随距离变化曲线Figure 19. Variation curves of peak Arias intensity with distance in the XYZ direction on the footwall of the ground fissures in Shuangbutou village4. 结论
（1）宋庄地裂缝延伸8.7 km，地表破坏以拉张开裂为主，水平拉张量在2.15～56.7 cm之间；其中双埠头村地裂缝的傅里叶卓越频率主要集中在2.10～4.30 Hz之间，反应谱的卓越周期集中在0.1～0.2 s之间；沟渠村地裂缝的傅里叶卓越频率集中在2.30～4.30 Hz之间，反映了地裂缝不同区段活动性的变化。
（2）通过反应谱分析法、傅里叶谱分析法分析得到，测点的卓越频率无明显的规律性变化；Arias烈度峰值在靠近地裂缝处较大，且随着距离的增大而逐渐减小，在距地裂缝较远的区域趋于平缓。
（3）宋庄地裂缝场地动力响应在反应谱、傅里叶谱和Arias烈度上都存在明显的“放大效应”，即靠近地裂缝的区域大于远离地裂缝的区域，且该临界距离为距地裂缝12 m。
（4）宋庄地裂缝场地有着较为显著的“上盘效应”，即距地裂缝相同距离情况下，位于上盘的傅里叶卓越频率、反应谱卓越周期和Arias烈度峰值总大于下盘。
-
![]()
图 1 研究区域雪崩遥感解译与分布图
Figure 1. Remote sensing interpretation and distribution of snow avalanches in the study area
![]()
图 9 基于K-MLP模型雪崩易发性分区图
Figure 9. Snow avalanche susceptibility partition map based on K-MLP model
表 1 评价因子数据源
Table 1 Data sources for evaluates factors
分类 评价因子 数据源 地形条件 高程、坡度、坡向、地表粗糙度、
地表起伏度、高程变异系数地理空间数据云DEM 气候条件 1月平均温度、最大风速、
年平均降雨量研究区及周边各站点
的气象数据积雪条件 年平均降雪量、
最大积雪厚度研究区及周边各站点
的气象数据
下载: 导出CSV
表 2 雪崩评价因子分级量化结果
Table 2 Quantitative results of snow avalanche evaluation factor grading
评价因子 二级属性 $ {S _{ij}} $ $ {N_{ij}} $ $ {X_{ij}} $ $ {C_{ij}} $ 评价因子 二级属性 $ {S _{ij}} $ $ {N_{ij}} $ $ {X_{ij}} $ $ {C_{ij}} $ 高程/m 1873～2295 43244 5 0.241 0.000 地面粗糙度 1～1.1 149984 37 0.514 0.228 >2295～2619 82136 15 0.381 0.051 >1.1～1.2 83112 48 1.206 0.536 >2619～2927 59328 30 1.056 0.297 >1.2～1.4 51767 38 1.533 0.681 >2927～3262 51439 31 1.258 0.370 >1.4～1.7 19965 21 2.196 0.976 >3262～3627 43467 23 1.105 0.315 >1.7～2.4 4640 5 2.250 1.000 >3627～4459 31463 45 2.986 1.000 >2.4～7.2 709 0 0.000 0.000 坡度/（°） 0～10 62301 5 0.167 0.000 地形起伏度
/m0～194 49218 1 0.042 0.000 >10～19 56267 18 0.668 0.253 >194～332 55415 11 0.414 0.213 >19～28 59776 28 0.978 0.410 >332～457 68499 31 0.945 0.516 >28～37 62891 40 1.328 0.587 >457～588 67127 48 1.493 0.829 >37～47 49479 38 1.603 0.726 >588～754 53605 46 1.792 1.000 >47～82 19463 20 2.145 1.000 >754～1263 17213 12 1.455 0.808 坡向 北 67060 31 0.962 0.373 1月平均气温
/ °C−14～−11 39756 15 0.788 0.045 东北 23094 7 0.633 0.000 >−11～−9 201195 71 0.737 0.000 东 22559 15 1.388 0.855 >−9～−7 70126 63 1.876 1.000 东南 38180 21 1.148 0.583 年平均降雨量
/mm43～45 65586 27 0.859 0.319 南 48476 21 0.904 0.307 >45～47 127682 31 0.507 0.000 西南 43794 17 0.810 0.201 >47～49 117809 91 1.613 1.000 西 31664 23 1.517 1.000 最大风速
/（m·s−1）9～12 32130 18 1.170 0.760 西北 35250 14 0.829 0.222 >12～15 169196 63 0.777 0.000 高程
变异系数0～0.016 41667 4 0.200 0.000 >15～19 109751 68 1.294 1.000 >0.016～0.028 72137 27 0.781 0.540 年平均降雪量
/mm11～15 22538 7 0.648 0.000 >0.028～0.040 80064 48 1.252 0.977 >15～18 219917 77 0.731 0.062 >0.040～0.051 63506 38 1.249 0.974 >18～21 68622 65 1.978 1.000 >0.051～0.065 45784 28 1.277 1.000 地表切割度
/m0～88 74711 2 0.056 0.000 >0.065～0.107 7919 4 1.055 0.794 >88～161 70384 18 0.534 0.210 最大积雪深度
/mm55～61 121679 51 0.875 0.628 >161～232 62245 23 0.771 0.315 >61～68 153748 95 1.290 1.000 >232～309 55587 62 2.329 1.000 >68～78 35650 3 0.176 0.000 >309～401 39623 36 1.897 0.810 >401～682 8527 8 1.959 0.837
下载: 导出CSV
表 3 雪崩评价因子相关性矩阵
Table 3 Correlation matrix of snow avalanche evaluation factors
高程 坡度 坡向 高程
变异系数地表
切割度地面
粗糙度地形
起伏度1月平均
气温年平均
降雨量最大
风速年平均
降雪量最大
积雪深度高程 1 坡度 0.12 1 坡向 0.03 0.01 1 高程变异系数 0.17 0.28 0.03 1 地表切割度 0.21 0.11 0.05 0.11 1 地面粗糙度 0.34 0.26 0.01 0.25 0.28 1 地形起伏度 0.44 0.6 0.05 0.92 0.93 0.47 1 1月平均气温 0.03 0.11 0.02 0.15 0.13 0.06 0.12 1 年平均降雨量 0.01 0.07 0 0.04 0.06 −0.01 0.04 0.16 1 最大风速 0.51 0.01 −0.01 −0.02 −0.13 −0.11 −0.17 0.61 0.07 1 年平均降雪量 0.28 0.22 0.02 0.19 0.24 0.14 0.25 0.23 0.23 0.08 1 最大积雪深度 −0.54 −0.19 −0.02 −0.13 −0.22 −0.19 −0.27 0.14 0.18 0.64 0.18 1
下载: 导出CSV
表 4 K均值聚类法分析结果
Table 4 Results of K-means clustering algorithm method
聚类结果 栅格数量/个 雪崩个数/个 相对雪崩比 1 13484 46 7.122 2 85561 5 0.122 3 64712 47 1.516 4 33041 7 0.442 5 114280 44 0.804
下载: 导出CSV
表 5 基于K-MLP模型雪崩易发性分区结果统计
Table 5 Statistical results of snow avalanche susceptibility partition based on K-MLP model
易发性等级 栅格
数量/个面积
/km2雪崩
数/个分区
比例/%雪崩比 雪崩密度
/（个·km−2）低易发区 79284 71.35 9 25.59 0.06 0.12 中易发区 86287 77.66 24 27.74 0.16 0.31 高易发区 83594 75.23 51 26.87 0.34 0.68 极高易发区 61912 55.72 64 19.90 0.44 1.17
下载: 导出CSV
-
[1] 王世金,效存德. 全球冰冻圈灾害高风险区:影响与态势[J]. 科学通报,2019,64(9):890 − 900. [WANG Shijin,XIAO Cunde. Global cryospheric disaster at high risk areas:Impacts and trend[J]. Chinese Science Bulletin,2019,64(9):890 − 900. (in Chinese with English abstract)] WANG Shijin, XIAO Cunde . Global cryospheric disaster at high risk areas: Impacts and trend［J］. Chinese Science Bulletin,2019 ,64 （9 ）:890 −900 . （in Chinese with English abstract）[2] SCHWEIZER J,BRUCE JAMIESON J,SCHNEEBELI M. Snow avalanche formation[J]. Reviews of Geophysics,2003,41(4):1016.
[3] 杨金明,张旭,毛炜峄,等. 中国天山雪崩灾害调查分析[J]. 自然灾害学报,2022,31(1):188 − 197. [YANG Jinming,ZHANG Xu,MAO Weiyi,et al. Investigation and analysis of snow avalanche disaster in Tianshan Mountains of China[J]. Journal of Natural Disasters,2022,31(1):188 − 197. (in Chinese with English abstract)] YANG Jinming, ZHANG Xu, MAO Weiyi, et al . Investigation and analysis of snow avalanche disaster in Tianshan Mountains of China［J］. Journal of Natural Disasters,2022 ,31 （1 ）:188 −197 . （in Chinese with English abstract）[4] 史志文,徐俊荣,陈忠升,等. 天山西部寒区山地生态系统近40年来气候变化特征——以中国科学院天山积雪雪崩研究站为例[J]. 山地学报,2009,27(1):41 − 48. [SHI Zhiwen,XU Junrong,CHEN Zhongsheng,et al. Analysis on climatic changes under global climatic change:A case study of Tianshan snow and avalanche research station[J]. Journal of Mountain Science,2009,27(1):41 − 48. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1008-2786.2009.01.006 SHI Zhiwen, XU Junrong, CHEN Zhongsheng, et al . Analysis on climatic changes under global climatic change: A case study of Tianshan snow and avalanche research station［J］. Journal of Mountain Science,2009 ,27 （1 ）:41 −48 . （in Chinese with English abstract） DOI: 10.3969/j.issn.1008-2786.2009.01.006[5] 郝建盛,李兰海. 雪崩灾害防治研究进展及展望[J]. 冰川冻土,2022,44(3):762 − 770. [HAO Jiansheng,LI Lanhai. Research progress and prospect of snow avalanche disaster prevention and control[J]. Journal of Glaciology and Geocryology,2022,44(3):762 − 770. (in Chinese with English abstract)] HAO Jiansheng, LI Lanhai . Research progress and prospect of snow avalanche disaster prevention and control［J］. Journal of Glaciology and Geocryology,2022 ,44 （3 ）:762 −770 . （in Chinese with English abstract）[6] JACKSON M. Snow and ice-related hazards,risks,and disasters. 2nd edition. edited by wilfried haeberli and colin whiteman[J]. Mountain Research and Development,2022,42(2):1 − 5.
[7] FAVIER P,ECKERT N,FAUG T,et al. A framework to account for structural damage,functional efficiency and reparation costs within the optimal design of countermeasures:Application to snow avalanche risk mitigation[J]. Cold Regions Science and Technology,2022,199:103559. DOI: 10.1016/j.coldregions.2022.103559
[8] 郝建盛,黄法融,冯挺,等. 亚洲高山区雪崩灾害时空分布特点及其诱发因素分析[J]. 山地学报,2021,39(2):304 − 312. [HAO Jiansheng,HUANG Farong,FENG Ting,et al. Analysis of spatio-temporal distribution characteristics of snow avalanche disaster and its triggering factors in the high mountain Asia[J]. Mountain Research,2021,39(2):304 − 312. (in Chinese with English abstract)] HAO Jiansheng, HUANG Farong, FENG Ting, et al . Analysis of spatio-temporal distribution characteristics of snow avalanche disaster and its triggering factors in the high mountain Asia［J］. Mountain Research,2021 ,39 （2 ）:304 −312 . （in Chinese with English abstract）[9] 段仕美,刘时银,朱钰,等. 梅里雪山1991年和2019年雪崩事件重建及影响因素分析[J]. 冰川冻土,2022,44(3):771 − 783. [DUAN Shimei,LIU Shiyin,ZHU Yu,et al. Reconstructing and analyzing avalanche events of 1991 and 2019 in Meili Snow Mountain[J]. Journal of Glaciology and Geocryology,2022,44(3):771 − 783. (in Chinese with English abstract)] DUAN Shimei, LIU Shiyin, ZHU Yu, et al . Reconstructing and analyzing avalanche events of 1991 and 2019 in Meili Snow Mountain［J］. Journal of Glaciology and Geocryology,2022 ,44 （3 ）:771 −783 . （in Chinese with English abstract）[10] TROSHKINA E,GLAZOVSKAYA T,KONDAKOVA N,et al. Zoning of snowiness and avalanching in the mountains of western Transcaucasia[J]. Annals of Glaciology,2001,32:311 − 313. DOI: 10.3189/172756401781819012
[11] 武万里,缑晓辉,刘垚. 基于GIS的路面积雪灾害风险分析与区划研究[J]. 防灾科技学院学报,2021,23(1):87 − 93. [WU Wanli,GOU Xiaohui,LIU Yao. Snow cover risk analysis and zoning of expressway in Ningxia based on GIS[J]. Journal of Institute of Disaster Prevention,2021,23(1):87 − 93. (in Chinese with English abstract)] WU Wanli, GOU Xiaohui, LIU Yao . Snow cover risk analysis and zoning of expressway in Ningxia based on GIS［J］. Journal of Institute of Disaster Prevention,2021 ,23 （1 ）:87 −93 . （in Chinese with English abstract）[12] 李靖,邓桃,潘前,等. 基于GIS和层次分析法的雪崩灾害危险性评估及线路工程减灾对策研究——以帕隆藏布流域为例[J]. 四川建筑,2019,39(2):59 − 61. [LI Jing,DENG Tao,PAN Qian,et al. Risk assessment of avalanche disaster based on GIS and analytic hierarchy process and research on disaster reduction countermeasures of line engineering:A case study of palong Zangbo Basin[J]. Sichuan Architecture,2019,39(2):59 − 61. (in Chinese)] LI Jing, DENG Tao, PAN Qian, et al . Risk assessment of avalanche disaster based on GIS and analytic hierarchy process and research on disaster reduction countermeasures of line engineering: A case study of palong Zangbo Basin［J］. Sichuan Architecture,2019 ,39 （2 ）:59 −61 . （in Chinese）[13] RAHMATI O,GHORBANZADEH O,TEIMURIAN T,et al. Spatial modeling of snow avalanche using machine learning models and geo-environmental factors:comparison of effectiveness in two mountain regions[J]. Remote Sensing,2019,11(24):2995. DOI: 10.3390/rs11242995
[14] 文洪,巫锡勇,赵思远,等. 基于机器学习法的青藏高原沙鲁里山系中段雪崩易发性评价研究[J]. 冰川冻土,2022,44(6):1694 − 1706. [WEN Hong,WU Xiyong,ZHAO Siyuan,et al. Snow avalanche susceptibility evaluation in the central Shaluli Mountains of Tibetan Plateau based on machine learning method[J]. Journal of Glaciology and Geocryology,2022,44(6):1694 − 1706. (in Chinese with English abstract)] WEN Hong, WU Xiyong, ZHAO Siyuan, et al . Snow avalanche susceptibility evaluation in the central Shaluli Mountains of Tibetan Plateau based on machine learning method［J］. Journal of Glaciology and Geocryology,2022 ,44 （6 ）:1694 −1706 . （in Chinese with English abstract）[15] 边瑞. 基于集成机器学习模型的沙鲁里山系中段雪崩易发性评价研究[D]. 成都:西南交通大学,2021. [BIAN Rui. Avalanche susceptibility evaluation in the middle part of Shaluli Mountain system based on integrated machine learning model[D]. Chengdu:Southwest Jiaotong University,2021. (in Chinese with English abstract)] BIAN Rui. Avalanche susceptibility evaluation in the middle part of Shaluli Mountain system based on integrated machine learning model［D］. Chengdu: Southwest Jiaotong University, 2021. （in Chinese with English abstract）
[16] AKAY H. Spatial modeling of snow avalanche susceptibility using hybrid and ensemble machine learning techniques[J]. CATENA,2021,206:105524. DOI: 10.1016/j.catena.2021.105524
[17] BALLESTEROS-CÁNOVAS J A,TRAPPMANN D,MADRIGAL-GONZÁLEZ J,et al. Climate warming enhances snow avalanche risk in the Western Himalayas[J]. Proceedings of the National Academy of Sciences of the United States of America,2018,115(13):3410 − 3415.
[18] FROMM R,SCHÖNBERGER C. Estimating the danger of snow avalanches with a machine learning approach using a comprehensive snow cover model[J]. Machine Learning With Applications,2022,10:100405. DOI: 10.1016/j.mlwa.2022.100405
[19] 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）[20] LEE S. Current and future status of GIS-based landslide susceptibility mapping:A literature review[J]. Journal of Remote Sensing,2019,35:179 − 193.
[21] 李倩楠. 基于不同算法的DEM地面曲率提取的比较分析[J]. 首都师范大学学报(自然科学版),2016,37(5):82 − 85. [LI Qiannan. Based on the difference of the digital elevation model(DEM) algorithm analysis and comparison of the ground curvature extraction[J]. Journal of Capital Normal University (Natural Science Edition),2016,37(5):82 − 85. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1004-9398.2016.05.015 LI Qiannan . Based on the difference of the digital elevation model（DEM） algorithm analysis and comparison of the ground curvature extraction［J］. Journal of Capital Normal University （Natural Science Edition）,2016 ,37 （5 ）:82 −85 . （in Chinese with English abstract） DOI: 10.3969/j.issn.1004-9398.2016.05.015[22] 李艳,朱军,胡亚,等. 不同插值方法模拟四川省逐月降水量的对比分析[J]. 水土保持研究,2017,24(1):151 − 154. [LI Yan,ZHU Jun,HU Ya,et al. Comparison analysis on different spatial interpolation methods to simulate monthly precipitation in Sichuan Province[J]. Research of Soil and Water Conservation,2017,24(1):151 − 154. (in Chinese with English abstract)] LI Yan, ZHU Jun, HU Ya, et al . Comparison analysis on different spatial interpolation methods to simulate monthly precipitation in Sichuan Province［J］. Research of Soil and Water Conservation,2017 ,24 （1 ）:151 −154 . （in Chinese with English abstract）[23] 王新宇,黄鹏程. 基于GIS的气象要素插值方法比较研究[J]. 测绘与空间地理信息,2020,43(5):167 − 170. [WANG Xinyu,HUANG Pengcheng. Comparative study on interpolation methods of meteorological elements based on GIS[J]. Geomatics & Spatial Information Technology,2020,43(5):167 − 170. (in Chinese)] DOI: 10.3969/j.issn.1672-5867.2020.05.047 WANG Xinyu, HUANG Pengcheng . Comparative study on interpolation methods of meteorological elements based on GIS［J］. Geomatics & Spatial Information Technology,2020 ,43 （5 ）:167 −170 . （in Chinese） DOI: 10.3969/j.issn.1672-5867.2020.05.047[24] JARVIS C H,STUART N. A comparison among strategies for interpolating maximum and minimum daily air temperatures. part II:the interaction between number of guiding variables and the type of interpolation method[J]. Journal of Applied Meteorology,2001,40(6):1075 − 1084. DOI: 10.1175/1520-0450(2001)040<1075:ACASFI>2.0.CO;2
[25] 李文彦,王喜乐. 频率比与信息量模型在黄土沟壑区滑坡易发性评价中的应用与比较[J]. 自然灾害学报,2020,29(4):213 − 220. [LI Wenyan,WANG Xile. Application and comparison of frequency ratio and information value model for evaluating landslide susceptibility of loess gully region[J]. Journal of Natural Disasters,2020,29(4):213 − 220. (in Chinese with English abstract)] LI Wenyan, WANG Xile . Application and comparison of frequency ratio and information value model for evaluating landslide susceptibility of loess gully region［J］. Journal of Natural Disasters,2020 ,29 （4 ）:213 −220 . （in Chinese with English abstract）[26] 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）[27] 王森,刘琛,邢帅杰. K-means聚类算法研究综述[J]. 华东交通大学学报,2022,39(5):119 − 126. [WANG Sen,LIU Chen,XING Shuaijie. Review on K-means clustering algorithm[J]. Journal of East China Jiaotong University,2022,39(5):119 − 126. (in Chinese with English abstract)] WANG Sen, LIU Chen, XING Shuaijie . Review on K-means clustering algorithm［J］. Journal of East China Jiaotong University,2022 ,39 （5 ）:119 −126 . （in Chinese with English abstract）[28] 牛瑞卿,彭令,叶润青,等. 基于粗糙集的支持向量机滑坡易发性评价[J]. 吉林大学学报(地球科学版),2012,42(2):430 − 439. [NIU Ruiqing,PENG Ling,YE Runqing,et al. Landslide susceptibility assessment based on rough sets and support vector machine[J]. Journal of Jilin University (Earth Science Edition),2012,42(2):430 − 439. (in Chinese with English abstract)] NIU Ruiqing, PENG Ling, YE Runqing, et al . Landslide susceptibility assessment based on rough sets and support vector machine［J］. Journal of Jilin University （Earth Science Edition）,2012 ,42 （2 ）:430 −439 . （in Chinese with English abstract）[29] 张驰,郭媛,黎明. 人工神经网络模型发展及应用综述[J]. 计算机工程与应用,2021,57(11):57 − 69. [ZHANG Chi,GUO Yuan,LI Ming. Review of development and application of artificial neural network models[J]. Computer Engineering and Applications,2021,57(11):57 − 69. (in Chinese with English abstract)] ZHANG Chi, GUO Yuan, LI Ming . Review of development and application of artificial neural network models［J］. Computer Engineering and Applications,2021 ,57 （11 ）:57 −69 . （in Chinese with English abstract）[30] 周萍,邓辉,张文江,等. 基于信息量模型和机器学习方法的滑坡易发性评价研究——以四川理县为例[J]. 地理科学,2022,42(9):1665 − 1675. [ZHOU Ping,DENG Hui,ZHANG Wenjiang,et al. Landslide susceptibility evaluation based on information value modeland machine learning method: A case study of Lixian County, Sichuan Province[J]. Scientia Geographica Sinica,2022,42(9):1665 − 1675. (in Chinese with English abstract)] ZHOU Ping, DENG Hui, ZHANG Wenjiang, et al . Landslide susceptibility evaluation based on information value modeland machine learning method: A case study of Lixian County, Sichuan Province［J］. Scientia Geographica Sinica,2022 ,42 （9 ）:1665 −1675 . （in Chinese with English abstract）[31] 熊小辉,汪长林,白永健,等. 基于不同耦合模型的县域滑坡易发性评价对比分析——以四川普格县为例[J]. 中国地质灾害与防治学报,2022,33(4):114 − 124. [XIONG Xiaohui,WANG Changlin,BAI Yongjian,et al. Comparison of landslide susceptibility assessment based on multiple hybrid models at County level:A case study for Puge County,Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control,2022,33(4):114 − 124. (in Chinese with English abstract)] XIONG Xiaohui, WANG Changlin, BAI Yongjian, et al . Comparison of landslide susceptibility assessment based on multiple hybrid models at County level: A case study for Puge County, Sichuan Province［J］. The Chinese Journal of Geological Hazard and Control,2022 ,33 （4 ）:114 −124 . （in Chinese with English abstract）[32] MAGGIONI M,GRUBER U. The influence of topographic parameters on avalanche release dimension and frequency[J]. Cold Regions Science and Technology,2003,37(3):407 − 419. DOI: 10.1016/S0165-232X(03)00080-6
[33] 王世金,任贾文. 国内外雪崩灾害研究综述[J]. 地理科学进展,2012,31(11):1529 − 1536. [WANG Shijin,REN Jiawen. A review of the progresses of avalanche hazards research[J]. Progress in Geography,2012,31(11):1529 − 1536. (in Chinese with English abstract)] WANG Shijin, REN Jiawen . A review of the progresses of avalanche hazards research［J］. Progress in Geography,2012 ,31 （11 ）:1529 −1536 . （in Chinese with English abstract）[34] 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)] 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）[35] 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)] DOI: 10.16030/j.cnki.issn.1000-3665.201906074 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） DOI: 10.16030/j.cnki.issn.1000-3665.201906074
计量
- 文章访问数: 659
- HTML全文浏览量: 795
- PDF下载量: 88
邮件订阅
RSS