Study on the Microstructure of Granite Residual Soils
-
摘要:
花岗岩残积土在东南丘陵山地广泛分布，在降雨等因素作用下残积土边坡易失稳产生滑坡。花岗岩残积土按照不同粒径的颗粒含量可划分为花岗岩残积黏性土、花岗岩残积砂质黏性土和花岗岩残积砾质黏性土，因其具有较强的结构性，其微观结构的变化往往表征在宏观坡体稳定性方面。通过X射线衍射分析、SEM扫描电镜分析等手段，从微观结构层面揭示了花岗岩残积土的物质与结构性特征。结果表明，花岗岩残积黏性土的胶结能力及力学强度高于花岗岩残积砂质黏性土，土体的微观结构性质发展一定程度上决定了宏观力学性质的变化。研究结果对进一步揭示花岗岩残积土微观结构特征、变形机制及其对力学性质的影响具有理论及实际意义。
Abstract:Granite residual soils pervade the hilly and mountainous regions of Southeast China, where they are susceptible to destabilization and landslides, particularly under rainfall influences. These soils are classified into three categories based on particle size distribution: cohesive, sandy cohesive, and gravel cohesive. Their structural robustness significantly influences macroscopic slope stability through microstructural alterations. Advanced analytical techniques, such as X-ray diffraction and scanning electron microscopy (SEM), have elucidated the microstructural characteristics of these soils. The empirical data reveal that the cementation capacity and mechanical strength of cohesive granite residual soils are superior to those of the sandy cohesive soil. These microstructural properties play a pivotal role in determining the changes in macroscopic mechanical behavior of the soil. This research is of both theoretical and practical importance as it enhances understanding of the microstructural features of granite residual soils, their deformation mechanisms, and their impact on mechanical properties, offering valuable insights for geotechnical applications in forecasting and mitigating slope instability.
-
0. 引言
我国西南部山区滑坡自然灾害频发，严重影响城市发展。滑坡是一种斜坡岩土体，沿地层间形成的软弱结构面滑移的现象，物理力学性质表现为抗滑力小于下滑力，具有瞬时性、强破坏性等特点。滑坡易发性分区可为滑坡防治工程提供指导建议及勘察方向。
滑坡易发性评价是预测滑坡灾害分布情况并提供防治建议的手段之一[1]。滑坡分布主要受地质环境条件、气象条件、人类工程活动等因素的影响[2]。目前，滑坡易发性评价研究方法主要有单一模型：层次分析法[3]、信息量[4 − 5]、频率比[6]、确定性系数[6 − 8]、熵指数法[9 − 10]、组合赋权[11]、证据权[12]、逻辑回归[6 − 7, 9]、神经网络[13]、随机森林[14]、支持向量机[15]等；耦合模型：单一模型间耦合[6 - 7, 9 - 11]。单一模型局限于机械的叠加评价因子，未考虑评价因子的权重差异及滑坡发育的实际条件，而耦合模型则使评价因子以线性关系描述滑坡灾害与孕灾因子间联系。其中确定性系数法属于概率函数模型，可反映滑坡点与孕灾因子的敏感性，定量描述评价单元易发程度，但确定性系数法缺乏考虑评价因子间内在联系及不同孕灾因子对滑坡发育的重要性[7]，而层次分析法与熵值法分别从经验认知与数据客观规律上描述评价因子间的内在联系，并根据滑坡点与评价因子的关系确定评价因子权重，由于层次分析法与熵指数法权重计算的两极化（过度经验化、过度遵循数据规律），对此引入距离函数法，它使得同一个评价因子不同权重归于一个中立权重值，即解决权重值两极化问题，又保证前人研究对滑坡经验认识，且不失客观规律。
因此，本文以确定性系数法为基础，构建了确定性系数法（certainty factor，CF）、确定性系数法与层次分析法（certainty factor-analystic hierarchy process，CF-AHP）、确定性系数法与熵指数法（certainty factor-index of entropy，CF-IOE）及确定性系数法与距离函数法-组合权重（CF-AHP-IOE）的不同滑坡易发性评价模型，并对4种滑坡易发性评价模型结果进行对比分析。论证了耦合模型可解决单一模型数据量少与精度较低的问题，CF-AHP-IOE模型从主、客观角度优化评价指标因子权重值，提高模型评价精度。评价结果为保山盆地周边滑坡灾害的防灾减灾提供参考，研究成果可用于其他滑坡易发性分区中。
1. 研究方法
1.1 CF
确定性系数法[6 − 8, 14]是一种条件概率函数，假设将来与过去发生滑坡灾害的条件相同，表达式为：
$$ CF =\left\{\begin{array}{c}\dfrac{{PP}_{a}-{PP}_{s}}{{PP}_{s}\left(1-{PP}_{a}\right)}\quad{PP}_{a} < {PP}_{s}\\ \dfrac{{PP}_{a}-{PP}_{s}}{{PP}_{a}\left(1-{PP}_{s}\right)}\quad{PP}_{a}\geqslant {PP}_{s}\end{array}\right. $$ (1) 式中：$ {{PP}}_{{a}} $——滑坡灾害评价因子a类分级发生的条件 概率，即a类分级滑坡数量与a类分级 面积之比；
$ {{PP}}_{{s}} $——滑坡灾害在整个研究区中发生的先验概 率，即研究区域滑坡总数与总面积之比；
CF——确定系数值，范围在[−1, 1]内，表征评价因 子对滑坡发生的确定性系数，正值代表滑 坡发生的确定性大，负值代表滑坡发生的 确定性小，0代表不能确定对滑坡发育影 响状态。
1.2 CF-AHP
AHP[3]是一种多目标决策问题的方法。将目标层次化，按因素的相关性构建与目标层的有序递进层次结构，核心在于判断各层因素与上层隶属关系。据经验法与前人成果，对因素进行两两比较并标度赋值，构建判断矩阵并检验其一致性。
以式（1）计算的评价因子确定性系数值为基础，采用层次分析计算评价因子权重值，并加权赋值计算单元栅格总确定性系数值（CF总），即滑坡易发性程度，表达式为：
$$ {{CF}}_{{总}}=\sum\limits _{{i=}{1}}^{{n}}{{CF}}_{{ij}}\left({{CF}}_{{ij}}{,W}_{i-{\mathrm{AHP}}}\right) $$ (2) 式中：Wi-AHP——第i个评价指标因子权重；
CFij(CFij, Wi-AHP )——第i个评价因子中j类分级的 加权确定性系数值。
1.3 CF-IOE
IOE[9 - 10]模型属于客观权重方法之一，熵代表系统的不确定性，滑坡评价指标因子的能量熵反映各类影响因子对滑坡的重要性，即可依据频率比值估算评价指标因子权重值，具有样本数据要求少，客观性强等优势。其计算步骤如下：
$$ {{F}}_{{ij}}=\frac{{Z}}{{S}} $$ (3) $$ \left({{F}}_{{ij}}\right)={{F}}_{{ij}}\Big/\sum _{{j=}{1}}^{{N}}{{F}}_{{ij}},\quad j=1,\cdots ,{N}$$ (4) $$ H_i=-\sum\limits_{j=1}^N\left(F_{ij}\right)\mathrm{log}_2\left(F_{ij}\right)\quad i=1,\cdots,n $$ (5) $$ {{H}}_{{i{\mathrm{max}}}}={{{\mathrm{log}}}}_{2}{N} $$ (6) $$ {{P}}_{{i}}={(}{{H}}_{{i{\mathrm{max}}}}-{{H}}_{{i}}{)}/{{H}}_{{i{\mathrm{max}}}} $$ (7) $$ {{F}}_{{i}}=\sum \limits_{{j=}{1}}^{{N}}{{F}}_{{ij}}/{N} $$ (8) $$ W_i=P_i\cdot F_i $$ (9) $$ {W}_{i-{\mathrm{IOE}}}={{W}}_{{i}}\Big/\sum \limits_{i}^{n}{{W}}_{{i}} $$ (10) 式中： $ {F}_{ij} $——各评价因子分级的频率比值；
S、Z——对应分级的面积百分比、滑坡灾害百分比；
$ {(F}_{ij} )$——概率密度；
$ {H}_{i} $、$ {H}_{i{\mathrm{max}}} $——熵值；
N——评价指标因子分级数；
n——评价指标因子个数；
$ {P}_{i} $——评价因子信息率；
$ {W}_{i} $——评价因子权重。
将$ {W}_{i} $进行归一化，得到$ {W}_{i-{\mathrm{IOE}}} $，即评价指标因子权重系数。
1.4 CF-AHP-IOE
由于AHP主观性强，精度受专家经验影响较大，因此引入IOE，计算客观权重值。采用距离函数法[11]，以主、客观权重求组合权重值（$ {W}_{i-{\mathrm{AHP-IOE}}} $），旨在于既考虑研究人员对滑坡发育认识，又不失客观规律。计算步骤如下:
假设$ {W}_{i-{\mathrm{AHP-IOE}}} $为其组合权重值，是其$ {W}_{1} $、$ {W}_{2} $为主、客观权重值线性相加，式子如下：
$$ {{W}}_{{i-{\mathrm{AHP-IOE}}}}={\alpha}{{W}}_{{1}}+{\beta}{{W}}_{{2}} $$ (11) 式中：$ W_{i-\mathrm{AHP-IOE}} $——组合权重值；
$ {W}_{1} $、$ {W}_{2} $——主、客观权重值，分别为$ {W}_{i-{\mathrm{AHP}}} $与$ {W}_{i-{\mathrm{IOE}}} $。
由于层次分析法与熵指数法计算的权重值具有一定差异性，为消除这种差异性，提高模型评价精度，由此引入距离函数$ \text{d}\left({{W}}_{\text{1}}\text{,}{{W}}_{\text{2}}\right) $，其表达式为：
$$ \text{d}\left({{W}}_{\text{1}}\text{,}{{W}}_{\text{2}}\right)\text={\left[\frac{\text{1}}{\text{2}}\sum\limits _{i\text{=1}}^{{n}}{({{W}}_{\text{1}}-{{W}}_{\text{2}})}^{\text{2}}\right]}^{\tfrac{\text{1}}{\text{2}}} \;\;i=\mathrm{1,2},\cdots, n $$ (12) 为使评价因子主、客观权重值的差异性与分配系数保持一致性，对距离函数与分配系数取等，其计算方式如下：
$$ {\text{d}\left({{W}}_{\text{1}}\text{,}{{W}}_{\text{2}}\right)}^{\text{2}}={({\alpha-\beta})}^{\text{2}} $$ (13) $$ {\alpha+\beta=}\text{1} $$ (14) 式中：$ \alpha $、$ \;\beta $——主、客观分配系数，其和等于1是分配 系数约束条件；
1.5 受试者工作特征曲线（ROC）
滑坡易发性评价精度检验通常使用受试者工作特征曲线（receiver operating characteristic curve，ROC）的AUC（area under curve）值度量[7, 16]。ROC 曲线是一种检测自变量对因变量是否敏感，滑坡易发性值为检验自变量，滑坡是否发生为二分类因变量。本文以面积比法作为ROC 曲线绘制方法，曲线横坐标为1-特异性（假正例率），即易发性分区面积由极高到低易发区的百分比累加；纵坐标为敏感度（真正例率），即相应易发区面积的实际滑坡栅格面积百分比累加。 ROC曲线下方面积为模型评价精度，即AUC值，大于0.7模型具有较高评价精度，越接近1滑坡易发分区越准确。
2. 实例分析
2.1 研究区概况
研究区地处云南省西部，保山市东北部。总面积约765 km2，保山盆地面积约213 km2，占比28%，地势西北高、东南低。研究区地质构造复杂，断裂纵横交错，褶皱多数形态不完整，发育呈 “歹”字型断裂带，主要有卧佛寺断裂、清水沟断裂、李家寺断裂等。出露较多的为第四系（Q）黏土、含砾石黏土、砂砾石层、黏土夹泥炭多层土体；三叠系（T）黏土、灰岩、玄武岩、白云岩；二叠系（P）灰岩、白云质灰岩；石炭系（C）页岩夹泥质灰岩、玄武岩；泥盆系（D）泥质灰岩及灰质泥岩；志留系（S）页岩、粉砂岩及泥质灰岩；奥陶系（O）页岩、粉砂岩、泥岩；寒武系（Є）灰岩、砂岩、白云岩、泥质灰岩等地层。受人类工程活动、地质条件等影响该地区的滑坡灾害发育，据野外调查与遥感解译研究分析得出滑坡99个。研究区地理位置及滑坡灾害分布，如图1—2所示。
2.2 基于AHP与ROC曲线的评价指标体系构建
通过分析区域地质环境及灾害发育特征，选取海拔、坡度、坡向、归一化植被覆盖度（normalized vegetation index，NDVI）、工程地质岩组、距道路距离、距断层距离、距水系距离、灾害点密度，共计9个评价因子，对研究区进行滑坡易发性评价。
为保证确定性系数法模型评价精度，对评价指标因子进行相互独立性检验。利用ArcGIS波段统计工具计算评价指标因子的相关性系数矩阵（表1）。结果表明：海拔与坡度、NDVI、道路，坡度与NDVI、水系呈现低度相关（0.3<相关系数值<0.5），可能对模型评价精度产生影响。
表 1 评价指标因子相关系数矩阵Table 1. Matrix of correlation coefficients of evaluation indicator factors评价因子 海拔 坡度 坡向 NDVI 工程地质岩组 道路 断层 水系 灾害点密度 海拔 1 0.471 −0.017 0.412 0.272 0.325 −0.100 −0.162 −0.132 坡度 1 −0.001 0.402 0.269 0.070 −0.188 −0.382 0.008 坡向 1 −0.088 0.127 −0.025 −0.042 0.062 0.020 NDVI 1 0.203 0.159 −0.150 −0.264 −0.018 工程地质岩组 1 −0.061 −0.259 −0.252 0.176 道路 1 0.030 0.162 −0.146 断层 1 0.227 −0.156 水系 1 −0.126 灾害点密度 1 为确保模型评价精度，据层次分析法计算评价因子权重顺序，如：灾害点密度>工程地质岩组>坡度>断层>道路>水系>NDVI >坡向>海拔（表2）。结合评价指标因子相关性及重要性（即：研究人员对滑坡发育的经验认识，得出的评价因子重要程度），依次剔除海拔、NDVI、水系，分别建立评价模型。结果表明：未剔除评价指标因子的AUC值0.890，模型评价精度最高（表3）。因此9个评价因子均可纳入模型的构建。
表 2 评价因子判断矩阵及权重值Table 2. Judgment matrix and weight values of evaluation factors评价因子 海拔 坡度 坡向 归一化植被覆盖度 工程地质岩组 道路 断层 水系 灾害点密度 Wi 海拔 1 1/7 1/2 1/3 1/6 1/4 1/5 1/2 1/8 0.024 坡度 1 5 3 1/3 1 1 2 1/4 0.115 坡向 1 1 1/6 1/2 1/3 1/2 1/8 0.036 归一化植被覆盖度 1 1/5 1 1/2 1 1/6 0.052 工程地质岩组 1 4 2 3 1/3 0.202 道路 1 1/2 1 1/5 0.068 断层 1 2 1/4 0.106 水系 1 1/5 0.058 灾害点密度 1 0.339 表 3 不同模型AUC值Table 3. AUC values of different models剔除因子 未剔除 海拔 海拔、NDVI 海拔、NDVI、水系 AUC值 0.890 0.875 0.871 0.871 2.3 评价指标因子分析
评价指标因子分级是统计分析结果合理性的基础。海拔以自然断点法进行分级；坡度、坡向、归一化植被覆盖度（NDVI）以等距分级；离散型评价因子有工程地质岩组、距道路距离、距断层距离、距水系距离、灾害点密度，据滑坡发育特征及现场调查进行分级；工程地质岩组据岩体建造、岩性组合、岩体结构类型、岩石力学性质分级。
频率比法（frequency ratio，FR）[6 - 7]是一种基于统计学的预测方法，FR值表征各级评价指标因子对滑坡灾害发生的贡献度，FR>1即有利于滑坡灾害的发生，值越大贡献度越大。因此以FR值对各级评价指标因子进行分析（图3—4）。
![]()
图 3 评价指标因子分级占比、灾害占比及频率比值趋势图Figure 3. Trend charts of graded proportion of evaluation indicator factors, disaster proportions and frequency ratios2.3.1 海拔
海拔高度不同，植被密度与人类活动存在较大差异，间接影响斜坡稳定及滑体物源分布情况，影响滑坡发育[3]。研究区海拔在
1582 ～3 098 m，其中1724 ～2 167 m内FR值大于1，易于滑坡的发生。2.3.2 坡度
坡度反映了地形倾斜程度，大小决定表面径流量、坡面冲刷速率及体土层剩余下滑力，影响坡体稳定性[7]。研究区最大坡度近59°，以8°为等距分级，大于40°为一级，在坡度大于8°的斜坡体FR值均大于1，有利于滑坡发生。
2.3.3 坡向
坡向间接影响斜坡曝光度、风化程度、降雨强度及土壤湿度[17]。研究区山脉南北展布，东、南、西南、西方向上，FR值为1.150、1.153、1.441、1.418，促进滑坡发育。
2.3.4 归一化植被覆盖度
归一化植被覆盖度[7, 18]范围在[0, 1]，以Landsat 8 遥感影像数据为基础，据像元二分模型计算NDVI值：
$$ NDVI=(NIR-R)/(NIR+R) $$ (15) 式中：NDVI——归一化植被覆盖度；
NIR——遥感影像中近红外波段；
R——红光波段。
归一化植被覆盖度数值越大栅格单元植被覆盖度越高。因此以0.2为间隔分级，在0.4～0.8区间，FR值为1.526、1.510为滑坡集中发生范围。
2.3.5 工程地质岩组
工程地质岩组[17]为滑坡物源基础，受降雨、地壳运动及风化剥蚀等影响，控制滑坡类型及分布情况。将研究区岩土体分为松散土体、碎屑岩岩组、碳酸盐岩岩组、碳酸盐岩夹碎屑岩岩组、变质岩岩组、岩浆岩岩组共6类岩组。其中碳酸盐岩岩组、碳酸盐岩夹碎屑岩岩组、岩浆岩岩组岩性为页岩、泥质灰岩、灰岩夹粉砂岩、泥岩，FR值均大于1，对滑坡发育有利。
2.3.6 距道路距离
道路是人类活动强度的体现，道路修建过程中坡脚开挖、植被破坏，改变岩土体原有的环境条件，破坏斜坡体稳定性[6, 17]。以300 m为等距制作道路缓冲区，在距道路600 m以内，FR值为2.109、1.655，距道路越近坡体稳定性越差，滑坡易形成。
2.3.7 距断层距离
断裂构造产生了岩石破碎带，物理力学性质变差，风化剥蚀加剧，地层错位形成软弱带[6, 8, 17]。以300 m为等距制作断层缓冲区，在距道路1 200 m以内，FR值均大于1，严重影响岩石物理力学性质，距断裂带越近，越促进滑坡形成。
2.3.8 距水系距离
水系反映了水对斜坡底部的侵蚀及软化作用，易形成临空面，破坏斜坡的稳定性[19]。以水文分析法提取水系，将水系以200 m等距制作缓冲区，将研究区划分5级，在距水系400 m以内，FR值为2.323、1.144，越近滑坡越发育。
2.3.9 灾害点密度
滑坡灾害点密度[2, 19 − 22]反映流域滑坡灾害发育情况，表现为滑坡群发效应，不同岩组、斜坡体结构及人类活动强度的不均匀分布，导致流域内滑坡易发程度差异，是灾害发生的结果。但由于研究区盆地的面积占比28%，滑坡灾害主要发育在山谷内，且流域内影响滑坡发育的主要因子不同及滑坡失稳后造成区域地质不稳定性，小型群发性滑坡常集中在流域内（图5），由于勘察局限性，忽略极小型滑坡灾害，因此引入流域内灾害点密度作为评价因子，弥补评价因子不准确造成的误差，提高模型精度。以水文分析法划分研究区流域单元，滑坡点密度为流域内的灾害点个数与流域面积之比，研究区灾害点密度在0～2.11个/km2，分为0，0～1，1～2.11个/km2，在1～2.11个/km2的区间FR值最大为6.039。
3. 易发性评价
3.1 基于确定性系数的模型评价
3.1.1 单一模型
据式（1），计算各评价指标因子分级的确定性系数值（CF）（表4），采用地理信息系统（geographic information system，GIS）对评价指标因子层进行叠加，利用自然断点法将叠加图层进行分区，即得出CF模型的滑坡易发性分区图。
表 4 评价因子确定性系数值及权重值Table 4. Coefficient of determination values and weight values for evaluation factors评价因子 状态分级 $ CF $ $ {W}_{i-{\mathrm{AHP}}} $ $ {W}_{i-{\mathrm{IOE}}} $ $ {W}_{i-{\mathrm{AHP -IOE}}} $ 评价因子 状态分级 $ CF $ $ {W}_{i-{\mathrm{AHP}}} $ $ {W}_{i-{\mathrm{IOE}}} $ $ {W}_{i-{\mathrm{AHP -IOE}}} $ 海拔/m 1582 ～1724 −0.357 0.024 0.116 0.067 0.8～1 −0.827 1724 ～1960 0.658 工程地质岩组 松散土体 −0.282 0.202 0.042 0.126 1 960～ 2167 0.280 碎屑岩岩组 −0.260 2167 ～2394 −0.463 碳酸盐岩岩组 0.122 2394 ～2644 −1.000 碳酸盐岩夹碎屑岩组 0.605 2644 ～3098 −1.000 变质岩岩组 −0.127 坡度/（°） 0～8 −0.765 0.115 0.026 0.073 岩浆岩岩组 0.687 8～16 0.374 距道路距离/m 0～300 0.601 0.068 0.035 0.052 16～24 0.336 300～600 0.453 24～32 0.273 600～900 −0.215 32～40 0.007 900～ 1200 0.115 >40 0.332 > 1200 −0.443 坡向 平面 −1.000 0.036 0.031 0.034 距断层距离/m 0～300 0.437 0.106 0.021 0.066 北 −0.420 300～600 0.471 东北 −0.228 600～900 0.451 东 0.149 900～ 1200 0.299 东南 −0.448 > 1200 −0.439 南 0.152 距水系距离/m 0～200 0.651 0.058 0.066 0.062 西南 0.350 200～400 0.144 西 0.337 400～600 −0.179 西北 −0.096 600～800 −0.678 归一化植被
覆盖度0～0.2 −1.000 0.052 0.092 0.071 >800 −0.634 0.2～0.4 −0.312 灾害点密度/km2 0 −1.000 0.339 0.572 0.449 0.4～0.6 0.394 0～1 0.808 0.6～0.8 0.386 1～2.11 0.958 3.1.2 耦合模型
（1）CF-AHP模型
CF-AHP模型权重信息获取是基于层次分析法构建评价指标体系层次结构模型，计算评价指标因子权重值。根据研究区滑坡发育特征、专家意见及前人成果，采用标度法构建判断矩阵（表3）；经一致性检验，CR值为0.028，小于0.1，即权重值有效（表3）。
以确定性系数值（CF）为基础，据层次分析法计算权重为系数，据式（2）对评价指标因子进行叠加，如式（16），计算栅格单元加权确定系数值，采用自然断点法对加权确定性系数分级，得出CF-AHP耦合模型滑坡易发性分区图。
（2）CF-IOE模型
以确定性系数值（CF）为基础，据式（3）—（10），计算评价指标因子权重值，计算栅格单元加权确定系数值，如式（17），采用自然断点法对加权确定性系数分级，得出CF-IOE耦合模型滑坡易发性分区图。
（3）CF-AHP-IOE模型
基于确定性系数值（CF），据式（12）—（14），利用距离函数法，计算$ \alpha $、$ \;\beta $主、客观分配系数分别为0.527、0.473，据式（11）计算评价指标因子组合权重值，计算栅格单元加权确定性系数值，如式（18），采用自然断点法对加权确定性系数分级，得出CF-AHP-IOE耦合模型滑坡易发性分区图。
$$\begin{split} {{CF\text-AHP}}_{{总}}=&{{0.024}{CF}}_{{1}{j}}+{{0.115}{CF}}_{{2}{j}}+{{0.036}{CF}}_{{3}{j}} +\\ &{{0.052}{CF}}_{{4}{j}}+{{0.202}{CF}}_{{5}{j}}+{{0.068}{CF}}_{{6}{j}}+\\ &{0.106}{{CF}}_{{7}{j}}+{0.058}{{CF}}_{{8}{j}}+{0.339}{{CF}}_{{9}{j}} \end{split}$$ (16) $$\begin{split} {{CF\text-IOE}}_{{总}}=&{{0.116}{CF}}_{{1}{j}}+{{0.026}{CF}}_{{2}{j}}+{{0.031}{CF}}_{{3}{j}}+ \\&{{0.092}{CF}}_{{4}{j}}+{{0.042}{CF}}_{{5}{j}}+{{0.035}{CF}}_{{6}{j}}+\\ &{0.035}{{CF}}_{{7}{j}}+{0.066}{{CF}}_{{8}{j}}+{0.572}{{CF}}_{{9}{j}}\end{split} $$ (17) $$ \begin{split} {{CF\text-AHP\text-IOE}}_{{总}}=&{{0.067}{CF}}_{{1}{j}}+{{0.073}{CF}}_{{2}{j}}+{{0.034}{CF}}_{{3}{j}}+\\&{{0.071}{CF}}_{{4}{j}}+{{0.126}{CF}}_{{5}{j}}+{{0.066}{CF}}_{{6}{j}}+\\&{0.062}{{CF}}_{{7}{j}}+{0.062}{{CF}}_{{8}{j}}+{0.449}{{CF}}_{{9}{j}} \end{split}$$ (18) 式中：$ {{CF\text-AHP}}_{\text{总}} $、$ {{CF\text-IOE}}_{\text{总}} $、$ {{CF\text-AHP\text-IOE}}_{\text{总}} $——CF-AHP、 CF-IOE、 CF-AHP-IOE模型的总加权确定性系数值；
$ {{CF}}_{{1j}} $—$ {{CF}}_{{9j}} $——海拔、坡度、坡向、归一化植被覆 盖度、工程地质岩组、距道路距 离、距断层距离、距水系距离、灾 害点密度的确定性系数值。
3.2 滑坡易发性评价结果对比分析
将评价指标因子栅格图层按权重系数（表4）加权计算，采用自然断点法将其划分为低、中、高及极高易发区，得出确定性系数模型（CF）及确定性系数法与层次分析法耦合模型（CF-AHP）、确定性系数法与熵指数法耦合模型（CF-IOE）及确定性系数法与距离函数法-组合权重模型（CF-AHP-IOE）的研究区滑坡易发性分区图（图6）。
以分级面积实际发生的滑坡灾害数量占比、灾害密度、频率比值占比对滑坡评价结果进行分析（表5），结果显示：
表 5 CF、CF-AHP、CF-IOE、CF-AHP-IOE模型分级结果Table 5. Grading results of CF, CF-AHP 、CF-IOE、CF-AHP-IOE models评价模型 易发分区 分级面积/km2 面积占比/% 灾害频数 灾害占比/% 灾害密度/km2 频率比值 频率比值占比/% CF 低 241.328 31.6 1 1.0 0.004 0.032 0.53 中 208.166 27.2 5 5.1 0.024 0.186 3.10 高 198.697 26.0 14 14.1 0.070 0.544 9.07 极高 116.628 15.2 79 79.8 0.677 5.233 87.29 CF-AHP 低 365.938 47.8 0 0 0 0 0 中 197.212 25.8 1 1.0 0.005 0.039 0.50 高 107.775 14.1 22 22.2 0.204 1.577 20.04 极高 93.894 12.3 76 76.8 0.809 6.253 79.46 CF-IOE 低 371.350 48.6 0 0 0 0 0 中 201.359 26.3 1 1.0 0.005 0.038 0.51 高 86.153 11.3 15 15.2 0.174 1.345 18.09 极高 105.957 13.9 83 83.8 0.783 6.052 81.40 CF-AHP-IOE 低 300.304 39.3 0 0 0 0 0 中 202.226 26.4 0 0 0 0 0 高 130.706 17.1 9 9.1 0.069 0.532 9.15 极高 131.584 17.2 90 90.9 0.684 5.284 90.85 （1）单一模型，CF模型滑坡易性发分区（低、中、高、极高）面积为241.328，208.166，198.697，116.628 km2，落入极高的滑坡数量占比79.8%，极高易发区的灾害密度0.677个/km2；低—极高易发区的频率比值显著增大，极高易发区频率比值大于1，表明CF模型对研究区进行有效分级。
（2）耦合模型：CF-AHP、CF-IOE、CF-AHP-IOE模型滑坡易发性分区中的极高易发性分级面积为93.894，105.957，131.584 km2，落入极高易发区的滑坡数量占比76.8%、83.8%、90.9%，灾害密度0.809，0.783，0.684个/km2，频率比值占总频率比值均在79%以上；CF-AHP-IOE极高易发区频率比值占比高达90%；3种模型滑坡易发性分级的灾害频数及密度由低—极高依次增大，符合滑坡发育规律，即3种耦合模型均对研究区滑坡易发性进行了有效评价。
（3）据CF-AHP、CF-IOE、CF-AHP-IOE模型耦合模型的滑坡易发性评价结果分析：极高易发区的灾害占比及频率比值占比均依次增大；高易发区却依次减小，如表5所示，反映了滑坡向极高易发区集中；极高易发区灾害密度分别为0.809，0.783，0.684个/km2，呈现逐步降低趋势，由于灾害密度受分区面积与灾害频数的影响，追溯到评价指标因子栅格精度及灾害数量多少的问题，将直接影响分区灾害密度值大小，未能体现CF-AHP-IOE模型的优势，但仍然反应极高易发区灾害密度的绝对高占比。而灾害占比及频率比值占比均为无量纲值，可更加反映滑坡灾害的集中程度。
3.3 评价结果精度检验
采用ROC曲线的AUC值检验模型预测精度，曲线横坐标为1-特异性；纵坐标为敏感度，CF、CF-AHP、CF-IOE及CF-AHP-IOE模型AUC值分别为0.890、0.911、0.921、0.916（图7），AUC均大于0.7，均具有较高的准确性，确定性系数值在层次分析法、熵指数法及组合权重法权重系数加权后，评价精度更高，更准确对研究区进行滑坡易发性分级。
4. 结论
（1）评价结果显示：高、极高易发区分布于地势起伏大、中度植被覆盖、断裂构造发育的岩石破碎及人类活动强烈的西南与东北的山区沟谷，表明在人类工程活动与水文条件影响下，坡脚侵蚀软化、坡体稳定性差，极易引发滑坡地质灾害。
（2）提出基于AHP与ROC的评价指标体系的构建方法。结果表明：结合评价因子间相关性与重要性，取AUC值为0.890的评价模型，模型评价分级结果更好，为评价因子间的弱相关性提供一种可行的解决方法。
（3）CF、CF-AHP、CF-IOE及CF-AHP-IOE模型滑坡易发性分区的频率比值从低易发区到极高易发区显著增大，极高易发区频率比值占比均在79%以上，具有良好的分级效果。
（4）CF、CF-AHP、CF-IOE及CF-AHP-IOE模型AUC值分别为0.890、0.911、0.921、0.916，模型评价精度高。采用AHP、IOE及组合权重法进行滑坡易发性评价，AUC值提升0.021、0.031、0.026，表明耦合模型具有更高评价精度，但精度提升不明显，笔者认为，研究区滑坡灾害数据及评价指标因子精度误差等影响了统计规律的缘故，滑坡易发性分级精度还可进一步研究。
（5）组合权重模型（CF-AHP-IOE）综合了主、客观权重值，进行滑坡易发性分级，相较于单一模型有更高精度，受结论（4）缘故略低于CF-IOE模型，但在极高易发区灾害密度及频率比值占比均高达90%以上，均高于其他评价模型，准确将灾害区进行划分，因此距离函数-组合权重模型（CF-AHP-IOE）可更好为防灾减灾提供建议。
-
表 1 WZ1、WZ2基本物理力学性质参数
Table 1 Basic physical and mechanical properties of WZ1 and WZ2
试样 密度ρ（g/m3） 干密度ρd（g/m3） 比重Gs 含水量ω（%） 粘聚力c（kPa） 内摩擦角φ（°） WZ1 1.77 1.48 2.68 19.53 39.37 26.29 WZ2 1.37 1.19 2.46 12.92 15.62 33.33 
下载: 导出CSV
表 2 WZ1矿物X衍射物相定量分析结果
Table 2 Quantitative Phase Analysis Results for WZ1 Mineral X-ray Diffraction
矿物名称 化学式 含量 [%] Quartz（石英） SiO2 37.0 Orthoclase（正长石） KSi3AlO8 10.9 Albite calcian low（钠长石） （Na0.84Ca0.16）Al1.16Si2.84O8 11.1 Palygorskite（坡缕石） （Mg2.074Al1.026）（Si4O10.48）2（OH）2（H2O）10.68 6.7 Kaolinite （高岭石） Al2Si2O5（OH）4 34.3
下载: 导出CSV
表 3 WZ2矿物X衍射物相定量分析结果
Table 3 Quantitative Phase Analysis Results for WZ2 Mineral X-ray Diffraction
矿物名称 化学式 含量[%] Quartz（石英） SiO2 33.4 Orthoclase（正长石） KSi3AlO8 44.9 Albite calcian low（钠长石） （Na0.84Ca0.16）Al1.16Si2.84O8 7.9 Palygorskite（坡缕石） （Mg2.074Al1.026）（Si4O10.48）2（OH）2（H2O）10.68 4.8 Kaolinite（高岭石） Al2Si2O5（OH）4 9.0
下载: 导出CSV
-
[1] 吴能森. 花岗岩残积土的分类研究[J]. 岩土力学,2006,27(12):2299 − 2304. [WU Nengsen. Study on classification of granite residual soils[J]. Rock and Soil Mechanics,2006,27(12):2299 − 2304. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1000-7598.2006.12.041 WU Nengsen. Study on classification of granite residual soils［J］. Rock and Soil Mechanics, 2006, 27（12）: 2299 − 2304. （in Chinese with English abstract） DOI: 10.3969/j.issn.1000-7598.2006.12.041
[2] 林威. 花岗岩残积土结构性与边坡稳定分析[D]. 福州:福州大学,2014. [LIN Wei. Structural analysis of granite residual soil and slope stability[D]. Fuzhou:Fuzhou University,2014. (in Chinese with English abstract)] LIN Wei. Structural analysis of granite residual soil and slope stability［D］. Fuzhou: Fuzhou University, 2014. （in Chinese with English abstract）
[3] 汪华斌,周宇,余刚,等. 结构性花岗岩残积土三轴试验研究[J]. 岩土力学,2021,42(4):991 − 1002. [WANG Huabin,ZHOU Yu,YU Gang,et al. A triaxial test study on structural granite residual soil[J]. Rock and Soil Mechanics,2021,42(4):991 − 1002. (in Chinese with English abstract)] WANG Huabin, ZHOU Yu, YU Gang, et al. A triaxial test study on structural granite residual soil［J］. Rock and Soil Mechanics, 2021, 42（4）: 991 − 1002. （in Chinese with English abstract）
[4] 韦毅. 干湿循环效应下花岗岩残积土边坡土体工程特性及稳定性分析[D]. 福州:福州大学,2018. [WEI Yi. Engineering characteristics and stability analysis of granite residual soil slope under dry-wet cycle effect[D]. Fuzhou:Fuzhou University,2018. (in Chinese with English abstract)] WEI Yi. Engineering characteristics and stability analysis of granite residual soil slope under dry-wet cycle effect［D］. Fuzhou: Fuzhou University, 2018. （in Chinese with English abstract）
[5] 胡华,吴轩,张越. 基于模拟试验的强降雨条件下花岗岩残积土斜坡滑塌破坏机理分析[J]. 中国地质灾害与防治学报,2021,32(5):92 − 97. [HU Hua,WU Xuan,ZHANG Yue. Experimental study on slope collapse characteristics of granite residual soil slope under heavy rainfall[J]. The Chinese Journal of Geological Hazard and Control,2021,32(5):92 − 97. (in Chinese with English abstract)] HU Hua, WU Xuan, ZHANG Yue. Experimental study on slope collapse characteristics of granite residual soil slope under heavy rainfall［J］. The Chinese Journal of Geological Hazard and Control, 2021, 32（5）: 92 − 97. （in Chinese with English abstract）
[6] 于佳静,陈东霞,王晖,等. 干湿循环下花岗岩残积土抗剪强度及边坡稳定性分析[J]. 厦门大学学报(自然科学版),2019,58(4):614 − 620. [YU Jiajing,CHEN Dongxia,WANG Hui,et al. Analysis of the shear strength of granite residual soil and slope stability under wetting-drying cycles[J]. Journal of Xiamen University (Natural Science),2019,58(4):614 − 620. (in Chinese with English abstract)] YU Jiajing, CHEN Dongxia, WANG Hui, et al. Analysis of the shear strength of granite residual soil and slope stability under wetting-drying cycles［J］. Journal of Xiamen University （Natural Science）, 2019, 58（4）: 614 − 620. （in Chinese with English abstract）
[7] LI Songtao,NIU Yongding,WANG Baolin,et al. Influence of rainfall infiltration on stability of granite residual soil high slope[J]. Mathematical Problems in Engineering,2022,2022:1920403.
[8] 冯文凯,贾邦中,吴义鹰,等. 低山丘陵区典型滑坡-泥石流链生灾害特征与成灾机理[J]. 中国地质灾害与防治学报,2022,33(1):35 − 44. [FENG Wenkai,JIA Bangzhong,WU Yiying,et al. Characteristics and mechanism of landslide-debris flow chain disaster in low mountain and hilly terrain[J]. The Chinese Journal of Geological Hazard and Control,2022,33(1):35 − 44. (in Chinese with English abstract)] FENG Wenkai, JIA Bangzhong, WU Yiying, et al. Characteristics and mechanism of landslide-debris flow chain disaster in low mountain and hilly terrain［J］. The Chinese Journal of Geological Hazard and Control, 2022, 33（1）: 35 − 44. （in Chinese with English abstract）
[9] BAI Huilin,FENG Wenkai,LI Shuangquan,et al. Flow-slide characteristics and failure mechanism of shallow landslides in granite residual soil under heavy rainfall[J]. Journal of Mountain Science,2022,19(6):1541 − 1557. DOI: 10.1007/s11629-022-7315-8
[10] 陈敬业,王钧,宫清华,等. 植被增渗效应对花岗岩残积土浅层滑坡的影响机理研究[J]. 水文地质工程地质,2023,50(3):115 − 124. [CHEN Jingye,WANG Jun,GONG Qinghua,et al. Influence mechanism of vegetation infiltration effect on shallow landslides of granite residual soil[J]. Hydrogeology & Engineering Geology,2023,50(3):115 − 124. (in Chinese with English abstract)] CHEN Jingye, WANG Jun, GONG Qinghua, et al. Influence mechanism of vegetation infiltration effect on shallow landslides of granite residual soil［J］. Hydrogeology & Engineering Geology, 2023, 50（3）: 115 − 124. （in Chinese with English abstract）
[11] FENG Wenkai,BAI Huilin,LAN Bing,et al. Spatial–temporal distribution and failure mechanism of group-occurring landslides in Mibei village,Longchuan County,Guangdong,China[J]. Landslides,2022,19(8):1957 − 1970. DOI: 10.1007/s10346-022-01904-9
[12] 吴善百. 广西东南部花岗岩残积土降雨型滑坡的起动机理研究[D]. 南宁:广西大学,2020. [WU Shanbai. Study on starting mechanism of rainfall landslide in granite residual soil in southeast Guangxi[D]. Nanning:Guangxi University,2020. (in Chinese with English abstract)] WU Shanbai. Study on starting mechanism of rainfall landslide in granite residual soil in southeast Guangxi［D］. Nanning: Guangxi University, 2020. （in Chinese with English abstract）
[13] LI Xiaochao,LIU Handong,PAN Jishun,et al. Rainfall thresholds of shallow landslides in Wuyuan County of Jiangxi Province,China[J]. Open Geosciences,2020,12(1):821 − 831. DOI: 10.1515/geo-2020-0120
[14] YIN Song,HUANG Jia’ning,LI Xinming,et al. Experimental study on deformation characteristics and pore characteristics variation of granite residual soil[J]. Scientific Reports,2022,12:12314. DOI: 10.1038/s41598-022-16672-8
[15] GAO Qianfeng,JRAD M,HATTAB M,et al. Pore morphology,porosity,and pore size distribution in kaolinitic remolded clays under triaxial loading[J]. International Journal of Geomechanics,2020,20(6):■ − ■.
[16] ZHOU Jinxuan. Preprocessing method of microstructure image of geotechnical materials[J]. Environmental Technology & Innovation,2020,19:100924.
[17] LIN Peng,ZHANG Jingjing,HUANG He,et al. Strength of unsaturated granite residual soil of Shantou coastal region considering effects of seepage using modified direct shear test[J]. Indian Geotechnical Journal,2021,51(4):719 − 731. DOI: 10.1007/s40098-021-00504-z
[18] 唐朝生,施斌,王宝军. 基于SEM土体微观结构研究中的影响因素分析[J]. 岩土工程学报,2008,30(4):560 − 565. [TANG Chaosheng,SHI Bin,WANG Baojun. Factors affecting analysis of soil microstructure using SEM[J]. Chinese Journal of Geotechnical Engineering,2008,30(4):560 − 565. (in Chinese with English abstract)] DOI: 10.3321/j.issn:1000-4548.2008.04.016 TANG Chaosheng, SHI Bin, WANG Baojun. Factors affecting analysis of soil microstructure using SEM［J］. Chinese Journal of Geotechnical Engineering, 2008, 30（4）: 560 − 565. （in Chinese with English abstract） DOI: 10.3321/j.issn:1000-4548.2008.04.016
[19] 汪军,徐金明,龚明权,等. 基于扫描电镜图像和微观渗流模型的云冈石窟砂岩风化特征分析[J]. 水文地质工程地质,2021,48(6):122 − 130. [WANG Jun,XU Jinming,GONG Mingquan,et al. Investigating weathering features of sandstones in the Yungang Grottoes based on SEM images and micro-scale flow model[J]. Hydrogeology & Engineering Geology,2021,48(6):122 − 130. (in Chinese with English abstract)] WANG Jun, XU Jinming, GONG Mingquan, et al. Investigating weathering features of sandstones in the Yungang Grottoes based on SEM images and micro-scale flow model［J］. Hydrogeology & Engineering Geology, 2021, 48（6）: 122 − 130. （in Chinese with English abstract）
[20] 戚利荣,王家鼎,张登飞,等. 冻融循环作用下花岗岩损伤的宏微观尺度研究[J]. 水文地质工程地质,2021,48(5):65 − 73. [QI Lirong,WANG Jiading,ZHANG Dengfei,et al. A study of granite damage in the macro and microscopic scales under freezing-thawing cycles[J]. Hydrogeology & Engineering Geology,2021,48(5):65 − 73. (in Chinese with English abstract)] QI Lirong, WANG Jiading, ZHANG Dengfei, et al. A study of granite damage in the macro and microscopic scales under freezing-thawing cycles［J］. Hydrogeology & Engineering Geology, 2021, 48（5）: 65 − 73. （in Chinese with English abstract）
[21] 周宇,陈东霞,于佳静,等. 干湿循环下花岗岩残积土的崩解试验与微观机理研究[J]. 长江科学院院报,2023,40(1):153 − 160. [ZHOU Yu,CHEN Dongxia,YU Jiajing,et al. Test and micro-mechanism of disintegration of granite residual soil under dry-wet cycles[J]. Journal of Yangtze River Scientific Research Institute,2023,40(1):153 − 160. (in Chinese)] DOI: 10.11988/ckyyb.20210902 ZHOU Yu, CHEN Dongxia, YU Jiajing, et al. Test and micro-mechanism of disintegration of granite residual soil under dry-wet cycles［J］. Journal of Yangtze River Scientific Research Institute, 2023, 40（1）: 153 − 160. （in Chinese） DOI: 10.11988/ckyyb.20210902
[22] 安然,孔令伟,张先伟,等. 干湿循环效应下花岗岩残积土结构损伤的多尺度研究[J]. 岩石力学与工程学报,2023,42(3):758 − 767. [AN Ran,KONG Lingwei,ZHANG Xianwei,et al. A multi-scale study on structure damage of granite residual soil under wetting-drying environments[J]. Chinese Journal of Rock Mechanics and Engineering,2023,42(3):758 − 767. (in Chinese with English abstract)] AN Ran, KONG Lingwei, ZHANG Xianwei, et al. A multi-scale study on structure damage of granite residual soil under wetting-drying environments［J］. Chinese Journal of Rock Mechanics and Engineering, 2023, 42（3）: 758 − 767. （in Chinese with English abstract）
[23] 王宝军,施斌,刘志彬,等. 基于GIS的黏性土微观结构的分形研究[J]. 岩土工程学报,2004,26(2):244 − 247. [WANG Baojun,SHI Bin,LIU Zhibin,et al. Fractal study on microstructure of clayey soil by GIS[J]. Chinese Journal of Geotechnical Engineering,2004,26(2):244 − 247. (in Chinese with English abstract)] DOI: 10.3321/j.issn:1000-4548.2004.02.018 WANG Baojun, SHI Bin, LIU Zhibin, et al. Fractal study on microstructure of clayey soil by GIS［J］. Chinese Journal of Geotechnical Engineering, 2004, 26（2）: 244 − 247. （in Chinese with English abstract） DOI: 10.3321/j.issn:1000-4548.2004.02.018
[24] 王宝军,施斌,蔡奕,等. 基于GIS的黏性土SEM图像三维可视化与孔隙度计算[J]. 岩土力学,2008,29(1):251 − 255. [WANG Baojun,SHI Bin,CAI Yi,et al. 3D visualization and porosity computation of clay soil SEM image by GIS[J]. Rock and Soil Mechanics,2008,29(1):251 − 255. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1000-7598.2008.01.047 WANG Baojun, SHI Bin, CAI Yi, et al. 3D visualization and porosity computation of clay soil SEM image by GIS［J］. Rock and Soil Mechanics, 2008, 29（1）: 251 − 255. （in Chinese with English abstract） DOI: 10.3969/j.issn.1000-7598.2008.01.047
[25] 黄伟标,李学,宋晶,等. 滨海软土微观孔隙测定方法[J]. 科学技术与工程,2019,19(28):290 − 296. [HUANG Weibiao,LI Xue,SONG Jing,et al. Microcosmic determination method of coastal soft soil[J]. Science Technology and Engineering,2019,19(28):290 − 296. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1671-1815.2019.28.044 HUANG Weibiao, LI Xue, SONG Jing, et al. Microcosmic determination method of coastal soft soil［J］. Science Technology and Engineering, 2019, 19（28）: 290 − 296. （in Chinese with English abstract） DOI: 10.3969/j.issn.1671-1815.2019.28.044
[26] 李磊,王佩,薛飞. 生化降解条件下水泥固化污泥的微观结构研究[J]. 应用基础与工程科学学报,2018,26(6):1217 − 1225. [LI Lei,WANG Pei,XUE Fei. Research on microstructure of solidified sludge using cement under biochemical degradation[J]. Journal of Basic Science and Engineering,2018,26(6):1217 − 1225. (in Chinese with English abstract)] LI Lei, WANG Pei, XUE Fei. Research on microstructure of solidified sludge using cement under biochemical degradation［J］. Journal of Basic Science and Engineering, 2018, 26（6）: 1217 − 1225. （in Chinese with English abstract）
[27] 严泽稷. 考虑游离氧化铁的花岗岩残积土微观结构与力学特性研究[D]. 武汉:华中科技大学,2021. [YAN Zeji. Study on microstructure and mechanical properties of granite residual soil considering free iron oxide[D]. Wuhan:Huazhong University of Science and Technology,2021. (in Chinese with English abstract)] YAN Zeji. Study on microstructure and mechanical properties of granite residual soil considering free iron oxide［D］. Wuhan: Huazhong University of Science and Technology, 2021. （in Chinese with English abstract）
[28] 杨雪强,王坤,刘攀,等. 广州原状花岗岩残积土非饱和力学特性的试验研究[J]. 水利水电技术(中英文):1 − 12. [YANG Xueqiang,WANG Kun,LIU Pan,et al. Experimental Study on Unsaturated Mechanical Properties of Undisturbed Granite Residual Soil in Guangzhou[J]. Water Resources and Hydropower Engineering:1 − 12. (in Chinese with English abstract)] YANG Xueqiang, WANG Kun, LIU Pan, et al. Experimental Study on Unsaturated Mechanical Properties of Undisturbed Granite Residual Soil in Guangzhou［J］. Water Resources and Hydropower Engineering: 1 − 12. （in Chinese with English abstract）
[29] WEI Xinsheng,FAN Wen,CHAI Xiaoqing,et al. Field and numerical investigations on triggering mechanism in typical rainfall-induced shallow landslides:A case study in the Ren River catchment,China[J]. Natural Hazards,2020,103(2):2145 − 2170. DOI: 10.1007/s11069-020-04075-9
[30] MIAO Fasheng,WU Yiping,TÖRÖK Á,et al. Centrifugal model test on a riverine landslide in the Three Gorges Reservoir induced by rainfall and water level fluctuation[J]. Geoscience Frontiers,2022,13(3):101378. DOI: 10.1016/j.gsf.2022.101378
[31] 汪灿,刘艳敏,祝艳波. SEM照片孔隙参数提取技术研究[J]. 安全与环境工程,2011,18(3):117 − 120. [WANG Can,LIU Yanmin,ZHU Yanbo. Study on using SEM photos to obtain the pore parameters of soil samples[J]. Safety and Environmental Engineering,2011,18(3):117 − 120. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1671-1556.2011.03.028 WANG Can, LIU Yanmin, ZHU Yanbo. Study on using SEM photos to obtain the pore parameters of soil samples［J］. Safety and Environmental Engineering, 2011, 18（3）: 117 − 120. （in Chinese with English abstract） DOI: 10.3969/j.issn.1671-1556.2011.03.028
[32] 汤连生,贺云帆,孙银磊,等. 胶结物对花岗岩残积土力学性能的影响试验研究[J]. 土木与环境工程学报(中英文),2023. [TANG Liansheng,HE Yunfan,SUN Yinlei,et al. Experimental study on the influence of cement on the mechanical strength of granite residual soil[J]. Journal of Civil and Environmental Engineering,2023. (in Chinese with English abstract)] TANG Liansheng, HE Yunfan, SUN Yinlei, et al. Experimental study on the influence of cement on the mechanical strength of granite residual soil［J］. Journal of Civil and Environmental Engineering, 2023. （in Chinese with English abstract）
计量
- 文章访问数: 46
- HTML全文浏览量: 9
- PDF下载量: 35
邮件订阅
RSS