Analysis of the “631” geological disaster early warning mode and case studies in Hunan Province
-
摘要:
降雨是地质灾害的主要诱发因素,但做到精准预测降雨时段和落区很难,这也是传统的地质灾害短期预警误报率较高的原因之一。湖南省地处中南,降雨充沛,地质条件相对脆弱,地质灾害多发频发。为应对日益严峻的地质灾害防治形势,结合湖南多年预警工作经验,构建了“631”递进式地质灾害气象风险预警模式。该预警模式以湖南省地质灾害综合防治信息系统为技术支撑,基于精准度较高的短临雨量预报和实况雨量,形成“提前6 h预报暴雨落区、提前3 h预警、提前1 h叫应、提前半小时再呼应”预警叫应机制。目前该预警模式已广泛应用于湖南省地质灾害防治工作,大大提升了预警效率和精准度。2022年6月初湖南遭遇一轮超历年极值的强降雨过程,地质灾害呈群发性出现,运用该预警模式,2022年转移人数、避让起数均排全国第一,取得了显著的防灾成效。
Abstract:Rainfall is the primary trigger for geological disasters, yet accurately predicting the timing and distribution of rainfall remains challenging, contributing to the high false alarm rates of traditional short-term geological disaster early warning systems. Located in south-central China, Hunan Province experiences abundant rainfall and relatively fragile geological conditions, making it susceptible to frequent geological disasters. To address the escalating challenges of geological disaster prevention and control, a “631” progressive geological disaster meteorological risk early warning model has been constructed based on years of early warning work experience in Hunan Province. This early warning model is technically supported by the comprehensive geological disaster prevention and control information system of Hunan Province, and is based on accurate short-term rainfall forecasts and real-time precipitation. It establishes an early warning and response mechanism, issuing warning six hours in advance to forecast rainfall areas, three hours in advance for general warnings, one hour in advance for responses, and thirty minutes in advance for further response. Currently, this early warning model has been widely applied in geological disaster prevention and control efforts across the province, and greatly improving the efficiency and accuracy of early warnings. In early June 2022, Hunan Province encountered an unprecedented heavy rainfall event that exceeded historical records, and geological disasters occurred in clusters. Through the application of this early warning model, Hunan ranked first nationwide in the number of evacuees and avoidance measures implemented in 2022, demonstrating significant disaster prevention results.
-
Keywords:
- geological disaster /
- progressive /
- warning mode /
- successful mitigation
-
0. 引言
我国地质环境条件复杂,影响地质灾害发生的极端降雨、地震等不利因素长期存在。同时,人类工程活动的规模、范围和强度日益增大,加剧了地质灾害风险[1 − 3]。面对异常严峻的防灾减灾形势,2003 年起自然资源部门和气象部门每年汛期联合开展地质灾害气象预警预报工作。20年来,地质灾害气象预警预报工作逐步发展,防灾减灾成效逐步提高,取得显著成效[2, 4 − 5]。
随着以文献计量学与知识图谱为基础的CiteSpace可视化技术的兴起,国内外的研究人员常用该技术预测有关研究领域的发展趋势,并据此挖掘研究领域的前沿与热点。部分学者针对地球科学领域文献计量学分析开展研究,取得一系列进展[6 − 12]。王圣洁等[7]对过去 40 年海洋地质学开展科学计量,通过关键词词频统计、共词分析、知识图谱等方法分析了其发展过程、研究热点。高云峰等[8]基于VOSviewer和CiteSpace的大数据可视化研究,探究了2000—2018年矿山生态环境修复领域的整体演进路径、研究热点与前沿分析,其结果在一定程度上反映了该领域关注的重点问题。近年来,也有学者将这一方法应用到地质灾害等领域[9 − 10]。汪美华等[10]以CNKI及Web of Science数据库中滑坡文献为研究对象,利用知识图谱可视化技术分析了中国滑坡研究的发展历程,其结果客观反映了中国滑坡研究的发展脉络及国内外滑坡研究的热点和趋势。但随着地质灾害领域研究不断深入,学科交互不断加深,尚无研究人员对地质灾害气象风险领域文献进行系统性梳理与文献计量学分析。通过系统回溯本领域相关文献,有助于探明地质灾害气象风险领域发展脉络和国内外研究热点及趋势。
为了更深入了解地质灾害气象风险预警研究的现状和未来趋势,有必要对现有研究成果进行系统分析。因此,文中研究了国内CNKI数据库及SCI-Expanded数据库中关于地质灾害气象风险预警领域文献的研究主题、演进趋势及研究热点,梳理及掌握其国内发展路径及未来方向。旨在为地质灾害领域的相关研究提供参考,以期有助于我国地质灾害研究与预警预报业务进步。
1. 数据来源与研究方法
1.1 数据来源
本文研究对象是地质灾害气象风险预警领域的相关文献,国内数据来源于中国知网( CNKI) 数据库。CNKI 数据库是我国当前最具有代表性的综合性学术数据库,其数据源在文献计量研究中广泛应用。国际数据来自SCI-Expanded(SCI-E)数据库,SCI-E数据库主要收录基础研究中重要期刊的研究论文,对从事相关研究的科研人员有着重要的参考价值。
由于地质灾害气象风险预警研究在文献中检索关键词较多,为尽可能全面地覆盖地质灾害气象风险预警领域的研究现状,根据专家提供的检索词构建检索策略,对两个数据库均选取主题检索的方式,时间范围设置为 2003—2023 年在数据库中进行检索。最终获得了 CNKI 数据库的 1 040 篇相关文献和 SCI-E数据库的 856 篇相关文献。数据来源见表1。
表 1 数据来源Table 1. Data sources数据库 CNKI SCI-E 检索词汇 地质灾害、滑坡、泥石流、崩塌、降水阈值、降雨阈值、临界降水、临界雨量、有效雨量、降水、气象、预测、预警、预报 geologic* hazard*、geologic* disast*、geologic* calamit*、landslid* 、debrisflow*、collaps*、rockfall* 、avalanch*、warning*、threshold*、rainfall 、predict* 、forecast* 、warn* 时间范围 2003—2023 2003—2023 来源类别 EI 来源期刊、核心期刊、
CSCD、学位论文期刊 文献检索数量 1040 856 1.2 研究方法
CiteSpace 是陈超美教授基于 Java语言开发的文献计量学分析软件,是目前使用最广泛的知识映射工具之一[13]。CiteSpace形成的科学知识图谱显示的网络结构可以有效代表某个研究课题的信息格局,分析相应研究领域的演化机制、研究热点和发展趋势。文中使用CiteSpace(6.6.R6)对地质灾害气象风险预警研究文献的知识图谱进行可视化分析。
2. 国内文献地质灾害气象风险预警研究可视化分析
2.1 研究主题
文献的关键词能够高度反映文献的主题概念及思想。在特定领域上对文献进行关键词词频分析,通过提取文献核心内容的关键词频率分布可以对研究领域的研究热点和发展趋势进行追踪[14]。统计国内中文地质灾害气象风险预警文献的关键词,共得到 552 个关键词,共现频次大于 10 的有 20个,具体如表2所示。(1)共现频次前 5 位的依次为:地质灾害、泥石流、滑坡、预警预报及临界雨量。表明国内在地质灾害气象风险预警研究中,主要围绕上述5方面开展,且其在图1 中整体结构较为密集,研究的主题较为集中。(2)由于泥石流、滑坡分列高频关键词的2、3位,表明地质灾害气象风险预警的对象以泥石流及滑坡为主。且由于泥石流与山洪具有相似的形成条件及触发因素[15],地质灾害气象风险预警结果对山洪预警具有一定指示作用。(3)“临界雨量”及与其意义相近的“降雨阈值”位列第 5及第6位,表明二者为地质灾害气象风险预警研究热点内容。“临界雨量”“降雨阈值”“有效雨量”“前期降雨”等关键词也表明基于历史降雨及灾害关系的临界降雨阈值研究在预警研究中的主导地位。
表 2 CNKI 数据库地质灾害气象风险预警研究高频关键词Table 2. High-frequency keywords in research on early warning of geo-hazards based on meteorological factors in CNKI database序号 高频关键词 频次 1 地质灾害 200 2 泥石流 168 3 滑坡 154 4 预警预报 118 5 临界雨量 92 6 降雨阈值 71 7 山洪 54 8 降雨 42 9 预警模型 30 10 暴雨 25 11 监测预警 25 12 气象预警 24 13 降水 22 14 机器学习 15 15 有效雨量 14 16 发育特征 12 17 汶川地震 12 18 数值模拟 11 19 前期降雨 10 20 气象条件 10 2.2 关键词共现
通过构建共词网络,可以清晰地表达数据集中的学科结构: 每个节点代表若干篇论文,节点越大,关键词的词频就越大,和本文主题的相关性就越强[16]。利用 CiteSpace 对检索到的中文文献进行关键词共现分析,得到图1。
地质灾害、泥石流、滑坡、预警预报作为地质灾害气象风险预警的研究对象及内容,在关键词共现分析图中形成的节点最大,和本文主题的相关性最强。此外,临界雨量、降雨阈值节点都比较大,也说明降雨阈值相关研究在地质灾害气象风险预警研究领域中的重要性,与高频关键词分析结果一致。
连接两节点的线是不同关键词之间的共线关系,这些线的颜色显示首次建立连接的时间。如图1 所示,“预警模型”“预警预报”“有效雨量”等关键词连接线偏冷色,“监测预警”“机器学习”“预警系统” “小流域”和“浅层滑坡”等关键词连接线偏暖色。表明随着技术的成熟,关键词从“预警模型”“预警预报”“有效雨量”逐步向“监测预警”“机器学习”“预警系统”“小流域”和“浅层滑坡”发展,发生这种现象是由于人工智能技术、精细化调查成果以及多种监测手段在地质灾害气象风险预警研究中逐步应用。人工智能技术的发展及地质背景环境的深入调查及监测,为区域预警模型研究提供了新的契机。这种新兴技术、新成果与预警模型的结合是地质灾害气象风险预警领域的新趋势。
2.3 关键词聚类
聚类分析可以将大量关键词基于术语的相对相关程度分为若干个研究主题,并将关键词放入相关主题中,利于在研究领域内确定研究主题、趋势及其相互联系[16]。根据每个群集中引用文档的关键字,算法在综合考虑唯一性以及覆盖范围的基础上为每个群集选择一个标签,每个群集生成的标签表示群集的焦点。
如图2 所示,为地质灾害气象风险预警关键词共现网络的聚类图,共提取13 个聚类团。聚类团编号越小,包含的关键词数量越多。由图2 可知,降雨强度列第一聚类团,说明与之相关的关键词数量最多,包括泥石流、降雨强度、当日雨量、临界阈值、斜坡单元等。聚类团包括168篇文献,其中大量文献分析了不同地质灾害形成条件、气象条件下,不同类型、成因模式的地质灾害发生的预警预报模型、临界阈值,表明不同地质灾害在不同形成条件、诱发条件下,临界阈值存在差异性[17 − 22],也表明地质灾害气象风险预警逐步向精细化发展的重要性,精细化是地质灾害气象风险预警发展的重要方向。
地质灾害为第二聚类团,与之相关的关键词预报、区域、临近预报。近20年,地质灾害预警预报由常规24 h预警预报,逐步形成为服务短临应对、中期防范和长期部署的预警、预报、预测产品体系。第二聚类团相关关键词可体现该发展进程。如赵放等[23]利用浙江省雷达、自动站等现代探测资料,结合数值预报等,形成连续滚动的高分辨0~3 h网格化定量降水预报,基于Logistic回归模型,再采用逐时滚动递进方式引入“前期有效累计降雨量”算法,优化预报预警模型,提高预报的精细化程度。
2.4 演进趋势
图3为CNKI数据库共引网络聚类时间图,考虑了时间对聚类分析结果的影响。这是基于关键词聚类分析的另一种形式,可以显示每个聚类的发展。从图3 中可以看出,国内文献首先集中在#0、#1、#2、#3、#4五个主要类别中,然后发展到#5、#6、#7。此外,图3可表明每个集群中出现重要结果的时间节点,如集群7代表的域,范围从2004—2023年,其中2017—2020年有一系列重要成果,人工智能技术在地质灾害气象风险预警领域快速发展。
(1)在地质灾害气象风险预警研究的第一阶段(2003—2009年)主要发表了5种主题的文献,即泥石流、滑坡、发育特征、地质灾害、预报。2003年,为科学支撑防灾部署、精准指导临灾避险,自然资源部、中国气象局联合开展地质灾害气象风险预警工作。此后,各地地质灾害气象预警预报工作陆续开展。因此,针对地质灾害及预警预报业务文献出现增长,地质灾害、滑坡及泥石流作为预警预报的业务主体在时间线上出现较大节点。此外,此阶段聚类所得研究主题也表明了地质条件及气象因素对地质灾害预警的重要性。
(2)在地质灾害气象风险预警研究的第二阶段(2010—2023年)主要发表3种主题的文献,即气象风险、前期降雨、阈值。此阶段气象预测预报精度显著提高,地质灾害预警模型不断改进,预警时间、空间精度大幅度提升。此时已基本实现各级地质灾害气象预警预报业务运行,预警业务开始朝着智能化、高效化、精准化发展。各项代表性技术开始应用于地质灾害气象预警业务,国内学者对这些技术的研究工作逐渐凸显,但研究主题尚未形成显著聚类团。在图3的第二阶段中,可以直观地看到各项技术的名称或其代表性词汇,包括InSAR、北斗卫星、机器学习、信息监测、四库一体等。
2.5 研究热点
地质灾害气象风险预警关键词的突显反映了2003—2023年关键词的频次变化(图4),可以检测和呈现引起学术界普遍关注的关键词及其在一定时期内被引用的频率,其在某种程度上代表了主题领域的研究前沿和热点。
(1)由于降雨是地质灾害的主要引发因素,据统计约90%以上的地质灾害由降雨引发。与降雨相关的判据研究一直是地质灾害气象风险预警的热点内容,包括有效雨量、前期降雨、临界雨量、降雨阈值。可以预测,与降雨相关阈值研究在未来仍将是研究热点。
(2)地质灾害气象风险预警的启动推进阶段(2003—2009年)。在此阶段,研究前沿集中于地质灾害形成机理分析、有效雨量及前期降雨对地质灾害的影响分析。
(3)地质灾害气象风险预警的深化合作与改革提升阶段(2010—2023年)。在此阶段,地质灾害预警模型不断改进,预警时间、空间精度大幅度提升,基于精细化调查、监测数据、机器学习和深度学习开展的风险区划、风险预警及模型和判据研究,已经成为新兴的研究热点并将持续。
3. 国际文献地质灾害气象风险预警研究可视化分析
3.1 发文量及学科领域
2003—2023年,SCI-E数据库中全球发表的地质灾害气象风险预警领域相关文献共有856篇,近10年来,文献数量增加显著(图5)。文献涉及学科主要为地球科学、水资源、工程地质、环境科学等,其中地球科学学科相关文献占总发文量的67%。
3.2 国家/地区分布
全球共有72 个国家(地区)开展了地质灾害气象风险预警相关的研究,其前20位的国家(地区)发表文献被SCI-E收录量排名见表3。发文量前5位的国家分别是中国、意大利、美国、印度及韩国,其发文量为总发文量的87.9%。中国学者发文量占总发文量的39%,说明我国在地质灾害气象风险预警研究中有绝对优势。同时也反映出我国研究论文特别是高水平论文外流形势比较严峻,这也是我国学术研究领域的一个特点[10]。
表 3 地质灾害气象风险预警领域英文发文量排名前20国家(地区)分布Table 3. Distribution of top 20 countries (regions) in English publications in early warning of geo-hazards based on meteorological factors research序号 国家(地区) 发文量/篇 占比/% 1 中国 274 32.01 2 意大利 194 22.66 3 美国 124 14.49 4 中国台湾省 60 7.01 5 印度 57 6.66 6 韩国 43 5.02 7 日本 40 4.67 8 英国 38 4.44 9 澳大利亚 29 3.39 10 荷兰 29 3.39 11 西班牙 22 2.57 12 瑞士 22 2.57 13 法国 21 2.45 14 德国 17 1.99 15 挪威 17 1.99 16 马来西亚 16 1.87 17 奥地利 15 1.75 18 巴西 13 1.52 19 加拿大 12 1.40 20 尼泊尔 12 1.40 3.3 研究主题分布
统计SCI-E数据库中地质灾害气象风险预警文献的关键词,得到近 20年地质灾害气象风险预警领域研究主题(图6)。关键词共现网络中大量高频词集中于中部,共现网络整体结构紧密,表明该领域研究主题集中,各方向之间联系也较为紧密,并未局限于某一单一方向。结合图6及表4可知,外文地质灾害气象风险预警文献的研究主题主要包括泥石流(debris flows)、浅层滑坡(shallow landslides)、降雨阈值(rainfall thresholds)、前期(initiation)、强度(intensity)。也表明基于历史降雨及灾害关系的临界降雨阈值研究在预警研究中的主导地位。
表 4 SCI-Expend数据库地质灾害气象风险预警研究高频关键词Table 4. High-frequency keywords in research on early warning of geo-hazards based on meteorological factors in SCI-E database序号 高频关键词 频次 1 debris flows 324 2 shallow landslides 290 3 rainfall thresholds 284 4 initiation 204 5 intensity 185 6 duration control 172 7 model 171 8 prediction 153 9 thresholds 91 10 hazard 84 11 susceptibility 76 12 logistic regression 66 13 precipitation 65 14 system 64 15 landslides 58 16 rainfall 47 17 area 45 18 climate change 44 19 early warning system 43 20 definition 43 3.4 演化趋势及研究热点
图7为SCI-E数据库关键词突显图,图8为SCI-E数据库共引网络聚类时间线图。结合图7—8可以看出:(1)主题降雨入渗(#0)及前期降雨(#4)是近20年内持续的研究热点,相关文献在时间轴上分布较为均匀;(2)在地质灾害气象风险预警研究的第一阶段(2003—2009年)主要发表了降雨持时(#2)、泥石流(#7)、滑坡易发性(#8)3种主题的文献,其研究热点集中于物理模拟、降雨持时研究,研究热点区域为意大利多洛米蒂山及美国华盛顿;(3)在地质灾害气象风险预警研究的第二阶段(2010—2023年),研究主题主要包括电阻率(#1),遥感(#3),机器学习(#5)及早期预警系统(#6),各项代表性技术逐步应用于地质灾害气象预警研究,国际学者基于各项代表性技术对多种气象条件下灾害稳定性开展系列研究,该阶段研究热点主要为预警系统、随机森林及地质灾害演化、识别及风险研究。
4. 结论和展望
本文以CNKI数据库中1040篇及SCI-E数据库中856篇地质灾害气象风险预警领域文献为研究对象,基于文献计量学及图谱可视化技术,系统回顾并分析了近20年地质灾害气象风险预警领域的研究主题、演进趋势和研究热点,得到以下结论:
(1)我国地质灾害气象风险预警研究主要围绕着地质灾害、泥石流、滑坡、预警预报及临界雨量5个方面开展,国内外地质灾害气象风险预警领域的研究主题较为一致,基于历史降雨及灾害关系的临界降雨阈值研究在预警研究中处于主导地位。
(2)关键词聚类分析显示不同地质灾害形成条件、气象条件下,不同类型、成因模式的地质灾害发生的预警预报模型、临界阈值研究文献占比较高,表明精细化是地质灾害气象风险预警发展的重要方向。
(3)与降雨相关的判据研究一直是国内外地质灾害气象风险预警的热点内容,包括有效雨量、前期降雨、临界雨量、降雨阈值。可以预测,与降雨相关阈值研究在未来仍将是研究热点。
(4)在国际地质灾害气象风险预警领域研究中,中国学者发文量占总发文量的39%,我国在地质灾害气象风险预警研究中有绝对优势。
根据以上分析,为促进我国地质灾害气象风险预警领域进一步发展,一方面,及时掌握国际研究最新动态,持续开展地质灾害气象风险预警精细化研究。另一方面,人工智能在地质灾害气象风险预警领域的应用效果显著,加强先进技术在地质灾害气象风险预警领域应用,可为地质灾害预警业务发展提供新的契机,有助于我国地质灾害研究与预警预报业务进步。
-
表 1 地质灾害类型分布特征
Table 1 Distribution characteristics of geological hazard types
灾害类型 滑坡 崩塌 泥石流 地面
塌陷地裂缝+
地面沉降合计 数量/起 1737 179 48 41 9 2013 比例/% 86.3 8.9 2.4 2.0 0.4 100 表 2 地质灾害灾情级别占比情况
Table 2 Proportion of loss level
灾情级别 特大型 大型 中型 小型 合计 数量/起 2 6 52 1954 2013 比例/% 0.1 0.3 2.6 97.0 100 -
[1] 高杨,李滨,冯振,等. 全球气候变化与地质灾害响应分析[J]. 地质力学学报,2017,23(1):65 − 77. [GAO Yang,LI Bin,FENG Zhen,et al. Global climate change and geological disaster response analysis[J]. Journal of Geomechanics,2017,23(1):65 − 77. (in Chinese with English abstract)] GAO Yang, LI Bin, FENG Zhen, et al. Global climate change and geological disaster response analysis[J]. Journal of Geomechanics, 2017, 23(1): 65 − 77. (in Chinese with English abstract)
[2] 许强,董秀军,李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版),2019,44(7):957 − 966. [XU Qiang,DONG Xiujun,LI Weile. Integrated space-air-ground early detection,monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University,2019,44(7):957 − 966. (in Chinese with English abstract)] XU Qiang, DONG Xiujun, LI Weile. Integrated space-air-ground early detection, monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957 − 966. (in Chinese with English abstract)
[3] 许强. 滑坡的变形破坏行为与内在机理[J]. 工程地质学报,2012,20(2):145 − 151. [XU Qiang. Theoretical studies on prediction of landslides using slope deformation process data[J]. Journal of Engineering Geology,2012,20(2):145 − 151. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1004-9665.2012.02.001 XU Qiang. Theoretical studies on prediction of landslides using slope deformation process data[J]. Journal of Engineering Geology, 2012, 20(2): 145 − 151. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2012.02.001
[4] 刘传正. 崩塌滑坡灾害风险识别方法初步研究[J]. 工程地质学报,2019,27(1):88 − 97. [LIU Chuanzheng. Analysis methods on the risk identification of landslide disasters[J]. Journal of Engineering Geology,2019,27(1):88 − 97. (in Chinese with English abstract)] LIU Chuanzheng. Analysis methods on the risk identification of landslide disasters[J]. Journal of Engineering Geology, 2019, 27(1): 88 − 97. (in Chinese with English abstract)
[5] 杨寅,林键,包红军. 2018年地质灾害重点区域气象预警效果检验[J]. 中国地质灾害与防治学报,2019,30(6):135 − 140. [YANG Yin,LIN Jian,BAO Hongjun. Evaluation of meteorological early warning to major regions affected by geological hazards in 2018[J]. The Chinese Journal of Geological Hazard and Control,2019,30(6):135 − 140. (in Chinese with English abstract)] YANG Yin, LIN Jian, BAO Hongjun. Evaluation of meteorological early warning to major regions affected by geological hazards in 2018[J]. The Chinese Journal of Geological Hazard and Control, 2019, 30(6): 135 − 140. (in Chinese with English abstract)
[6] 侯圣山,李昂,陈亮,等. 基于普适型仪器的滑坡监测预警初探——以甘肃兰州岷县三处滑坡为例[J]. 中国地质灾害与防治学报,2020,31(6):47 − 53. [HOU Shengshan,LI Ang,CHEN Liang,et al. Application of universal geo-hazard monitoring instruments in landslides and early warning of three landslides in Gansu Province:A case study in Minxian County and Lanzhou City of Gansu Province[J]. The Chinese Journal of Geological Hazard and Control,2020,31(6):47 − 53. (in Chinese with English abstract)] HOU Shengshan, LI Ang, CHEN Liang, et al. Application of universal geo-hazard monitoring instruments in landslides and early warning of three landslides in Gansu Province: A case study in Minxian County and Lanzhou City of Gansu Province[J]. The Chinese Journal of Geological Hazard and Control, 2020, 31(6): 47 − 53. (in Chinese with English abstract)
[7] 尚敏,张惠强,廖芬,熊德兵,赵国飞. 考虑降雨滞后效应的八字门滑坡位移预测研究[J]. 自然灾害学报,2019,31(3):242 − 250. [SHANG Min,ZHANG Huiqian,LIAO Fen,et al. Displacement prediction of Bazimen landslide considering rainfall lag effect[J]. Journal of Natural Disasters,2019,31(3):242 − 250. (in Chinese with English abstract)] SHANG Min, ZHANG Huiqian, LIAO Fen, et al. Displacement prediction of Bazimen landslide considering rainfall lag effect[J]. Journal of Natural Disasters, 2019, 31(3): 242 − 250. (in Chinese with English abstract)
[8] Pierpaolo DISTEFANO,David J. PERES,Pietro SCANDURA,et al. Brief communication:Introducing rainfall thresholds for landslide triggering based on artificial neural net works[J]. Natural Hazards and Earth System Sciences,2022,22:1151 − 1157. DOI: 10.5194/nhess-22-1151-2022
[9] 刘杰. 镇安县降雨引发地质灾害预警研究[D]. 长安大学,2023. [LIU Jie. Study on Early Warning of Rainfall-induced Geological Hazards in Zhen’an County [D]. Chang’an University,2023. (in Chinese with English abstract)] LIU Jie. Study on Early Warning of Rainfall-induced Geological Hazards in Zhen’an County [D]. Chang’an University, 2023. (in Chinese with English abstract)
[10] 隋嘉,孙皓,张丽华,等. 青海省地质灾害监测预警信息化平台建设与实现[J]. 中国地质灾害与防治学报,2023,34(2):92 − 101. [SUI Jia,SUN Hao,ZHANG Lihua,et al. Construction and realization of information platform for geological disaster monitoring and early warning in Qinghai Province[J]. The Chinese Journal of Geological Hazard and Control,2023,34(2):92 − 101. (in Chinese with English abstract)] SUI Jia, SUN Hao, ZHANG Lihua, et al. Construction and realization of information platform for geological disaster monitoring and early warning in Qinghai Province[J]. The Chinese Journal of Geological Hazard and Control, 2023, 34(2): 92 − 101. (in Chinese with English abstract)
[11] 魏赛拉加,严慧珺,张俊才,等. 青海省地质灾害防治资金投入与成效分析[J]. 中国地质灾害与防治学报,2020,31(5):112 − 116. [WEI Sailajia,YAN Huijun,ZHANG Juncai,et al. Analysis of funding used for geological disaster prevention in Qinghai Province and its effects[J]. The Chinese Journal of Geological Hazard and Control,2020,31(5):112 − 116. (in Chinese with English abstract)] WEI Sailajia, YAN Huijun, ZHANG Juncai, et al. Analysis of funding used for geological disaster prevention in Qinghai Province and its effects[J]. The Chinese Journal of Geological Hazard and Control, 2020, 31(5): 112 − 116. (in Chinese with English abstract)
[12] 贲琰棋, 易武, 李华兵, 等. 基于“阶跃” 变形特征的降雨型滑坡预警判据探讨[J]. 中国地质灾害与防治学报,2023,34(4):30 − 38. [BEN Yanqi, YI Wu, LI Huabing, et al. Preliminary analysis on rainfall thresholds for early warning of the rainfall induced landslides based on “step” deformation characteristics[J]. The Chinese Journal of Geological Hazard and Control,2023,34(4):30 − 38. (in Chinese with English abstract)] BEN Yanqi, YI Wu, LI Huabing, et al. Preliminary analysis on rainfall thresholds for early warning of the rainfall induced landslides based on “step” deformation characteristics[J]. The Chinese Journal of Geological Hazard and Control, 2023, 34(4): 30 − 38. (in Chinese with English abstract)
[13] 许强. 对滑坡监测预警相关问题的认识与思考[J]. 工程地质学报,2020,28(2):360 − 374. [XU Qiang. Understanding the landslide monitoring and early warning:Consideration to practical issues[J]. Journal of Engineering Geology,28( 2):360 − 374. (in Chinese with English abstract)] XU Qiang. Understanding the landslide monitoring and early warning: Consideration to practical issues[J]. Journal of Engineering Geology, 28( 2): 360 − 374. (in Chinese with English abstract)
[14] 宋昭富,张勇,佘涛,等. 基于易发性分区的区域滑坡降雨预警阈值确定——以云南龙陵县为例[J]. 中国地质灾害与防治学报,2023,34(4):22 − 29. [SONG Zhaofu,ZHANG Yong,SHE Tao,et al. Determination of regional landslide rainfall warning threshold based on susceptibility zoning:A case study in Longling County of Yunnan Province[J]. The Chinese Journal of Geological Hazard and Control,2023,34(4):22 − 29. (in Chinese with English abstract)] SONG Zhaofu, ZHANG Yong, SHE Tao, et al. Determination of regional landslide rainfall warning threshold based on susceptibility zoning: A case study in Longling County of Yunnan Province[J]. The Chinese Journal of Geological Hazard and Control, 2023, 34(4): 22 − 29. (in Chinese with English abstract)
[15] 龚泉冰,殷坤龙,肖常贵,等. 基于I-D阈值的滑坡气象预警双指标模型[J]. 地质科技通报,2024,43(1):262 − 274. [GONG Quanbing,YIN Kunlong,XIAO Changgui,et al. Double-index model of landslide meteorological warning based on the I-D threshold[J]. Bulletin of Geological Science and Technology,2024,43(1):262 − 274. (in Chinese with English abstract)] GONG Quanbing, YIN Kunlong, XIAO Changgui, et al. Double-index model of landslide meteorological warning based on the I-D threshold[J]. Bulletin of Geological Science and Technology, 2024, 43(1): 262 − 274. (in Chinese with English abstract)
-
期刊类型引用(3)
1. 黄炜敏,陈全明,陈吉祥. 湖南省“631”地质灾害预警模式及避险案例研究. 中国地质灾害与防治学报. 2024(02): 74-80 . 本站查看
2. 贲琰棋,易武,魏兆亨,周迎,刘伟,邓欣雨. “阶跃型”滑坡位移监测动态预警系统. 长江科学院院报. 2024(07): 148-157 . 百度学术
3. 田洪波,吕利. 浅析滑坡监测预警技术. 甘肃水利水电技术. 2024(08): 60-64 . 百度学术
其他类型引用(0)