Evaluation of freeze-thaw wind erosion and analysis of influencing factors on the Tibetan Plateau based on the improved RWEQ
-
摘要:
冻融风蚀是指气温变化导致地表结构发生变化的过程，对地表地貌的形成和土壤的性质产生重要影响。然而，青藏高原地区的特殊性和复杂性使得冻融风蚀研究尚未得到广泛关注。针对青藏高原冻融风蚀定量化分析研究相对较少，本文采用引入冻结N因子的修正风蚀方程模型（Revised Wind Erosion Equation，RWEQ），分析2022年青藏高原冻融风蚀量的分布特征，并对青藏高原进行冻融风蚀强度分级。结果表明：①青藏高原冻融风蚀模数为8.90×108～4.95×105 （t·km−2·a−1），冻融风蚀总量为2.87×1013 t，冻融风蚀总面积2.41×106 km2；②青藏高原轻度以上冻融风蚀占全部冻融风蚀面积的84.26%，说明青藏高原冻融风蚀以轻微和轻度为主；③5个因子的显著性检验结果均为显著，对青藏高原冻融风蚀模数影响程度排序为气象因子>土壤结皮因子>土壤可蚀性因子>地表粗糙度因子>植被覆盖度因子。本研究不仅为青藏高原地区的环境保护和可持续发展提供了基础资料和实践参考，而且通过模型的应用，还为其他具有类似气候和地理特征的地区在冻融风蚀研究方面提供了多元方法和经验。
Abstract:Freeze-thaw wind erosion refers to the process in which temperature fluctuations cause changes in the surface structure, significantly impacting on the formation of surface landform and soil properties. However, due to the particularity and complexity of the Tibetan Plateau, the study of freeze-thaw wind erosion has not received widespread attention. Due to the relative scarcity of quantitative studies on the freeze-thaw wind erosion on the Tibetan Plateau, this study utilizes a Revised Wind Erosion Equation (RWEQ) that incorporates a freezing N-factor to analyze the distribution characteristics of freeze-thaw wind erosion on the Tibetan Plateau in 2022. The study also categorizes the intensity of freeze-thaw wind erosion across the Tibetan Plateau. The results indicate: (1) The freeze-thaw wind erosion modulus on the Qinghai- Tibet Plateau ranges from 8.90×108 to 4.95×105 (t·km−2·a−1), with a total erosion amount of 2.87×1013 t and a total affected area of 2.41×10 km2; (2) Moderate or greater freeze-thaw wind erosion accounts for 84.26% of the total affected area, indicating that light and mild erosion are predominant. (3) The significance tests of the five factors were all significant, and the influence of the freezing-thawing wind erosion modulus on the Qinghai-Tibet Plateau was ranked as meteorological factors > soil crust factors > soil erodibility factors > surface roughness factors>vegetation coverage factors. This study not only provides foundational data and practical references for environmental protection and sustainable development in the Qinghai-Tibet Plateau, but also offers a diverse range of methods and experiences for studying freeze-thaw wind erosion in other regions with similar climatic and geographical characteristics through the application of the model.
-
0. 引言
2023年12月18日23时59分，甘肃省临夏州积石山县柳沟乡发生6.2级地震，震源深度为 10 km[1]。地震造成甘肃117人遇难，781人受伤，青海34人遇难，198人受伤。此次地震属于逆冲型，最大烈度为Ⅷ度[2]，地震发生后造成大量山体滑坡失稳，震后多次余震更增加了滑坡发生的风险，给当地居民的影响深远。
地震发生往往会诱发大量的崩塌、滑坡、泥石流等地质灾害，严重威胁当地人民的生命以及财产安全[3]。由于我国位于欧亚板块东南部，受印度板块和太平洋板块的挤压碰撞与俯冲作用的影响，地壳变形强烈，是全球陆内地震最为活跃的地区[4]。特别是青藏高原东缘，地质构造复杂，地形地貌多样，断裂带密集分布，地质灾害频发，造成当地众多人员伤亡和大量财产损失[5 − 6]，例如：1933年四川茂县叠溪地震[7]、2008年5月12日汶川地震[8 − 9]、2010年4月14日玉树地震[10 − 11]；2014年8月13日云南鲁甸地震[12]、2017年8月8日四川九寨沟地震[13]以及2022年泸定地震[14]等。受活动构造带强震影响，上述地震导致的地面运动强度超过国家设计规范最高标准（9度罕遇）的水平，导致了严重的基础设施破坏、滑坡灾害和人员伤亡。甘肃积石山地震也造成较大的损失[15]，同时该区域历史上地质灾害频发[16 − 17]，因此，进行积石山震后地质灾害危险性评价，对防灾减灾和保证人民生命财产安全具有现实意义。近年来，国内外学者对地质灾害危险性评价进行了大量的研究，其中，利用GIS技术和统计学方法相融合已成为最有效、最主要的评价方法。这些方法常见的有：层次分析法[18]、信息量法[19]、逻辑回归模型[20]、灰色模型[21]等。由于单一方法的评价结果并不高以及缺乏足够的说服力[18]，因此，一些学者也采用多种方法结合应用于地质灾害风险评价[22]，取得较好的评价效果。可见，多种评价方法交叉融合可综合多方法优势、科学准确地表达灾害风险评价结果。
然而，上述研究多致力于影响因子与滑坡等灾害的特征分析和风险评价，在影响因子对滑坡的响应分析，特别是影响因子对灾害发生风险的贡献率和重要性分析等方面鲜有研究。为此，本文以甘肃积石山Ms6.2级地震区为研究区，基于多源遥感数据，在深入探讨滑坡灾害与影响因子间的特征分布，以及影响因子对滑坡的响应分析基础上，快速进行震区地质灾害危险性评价和分析，以期为灾后救援和重建工作提供参考。
1. 研究区概况
甘肃积石山Ms6.2级地震位于甘肃和青海两省交界地带，地震中心位置为北纬35.70°、东经102.79°，震源深度为 10 km，最高震中烈度达Ⅷ度。此次地震涉及甘肃省3个市（州）9个县（市、区），涉及青海省2个市（州）4个县（市），强烈的地震造成大量人员伤亡、房屋、道路等基础设施损毁（图1）。震区地势上属青藏高原一级阶梯向黄土高原二级阶梯的过渡带，高差起伏较大，最大高差为
3000 余米，区内断裂带活动强烈，有拉脊山南、北断裂带，倒淌河-临夏断裂带，西秦岭北缘断裂带等，为地震等自然灾害的频发区[23]。其中拉脊山断裂带是穿过震区的主要断裂，受印度板块俯冲挤压的动力驱动，青藏高原东北缘和东缘持续扩张，导致该区域新构造活跃、地震频发，为我国同震地质灾害发育最频繁的地区[24]。本次同震地质灾害主要分布于拉脊山断裂两侧，就地形地貌来看，海拔西高东低，西侧主要为基岩高山区，该区域主要分布有古生界砂岩、粉砂岩和泥岩等；右侧区域主要为黄土低山丘陵，由于黄河的下切和强烈的构造抬升，形成广泛分布的黄河阶地和大量高陡边坡存在，为地震同震灾害发育创造了条件。震区的气候类型属于典型的大陆季风性气候，年均降水量650 mm/a，年均蒸发量
1110 mm/a[24]。2. 数据与方法
2.1 数据
（1）卫星影像数据
本次所用光学遥感影像为高分一号和吉林一号，其空间分辨率分别为2 m和0.75 m，震前影像为12月18日，震后影像分别为12月20日和12月19日。影像预处理主要包括辐射定标、大气校正、几何纠正和图像融合等处理，最后得到真彩色高分辨率影像，主要用于滑坡灾害点的目视解译[25]。
（2）地震点数据
本次所用地震和余震点发生的地理位置数据来自国家地震科学数据中心（https://search.asf.alaska.edu/#/）。该数据为截至2023年12月20日、震级3.0以上的资料（表1）。
表 1 甘肃积石山Ms6.2级地震及余震数据Table 1. Ms6.2 Jishishan earthquake and its aftershocks in Gansu Province序号 发震时刻 纬度 经度 深度/km 震级/Ms 地名 备注 1 2023-12-18T23:59:30.0 35°42′ 102°47′ 10 6.2 积石山县 震中 2 2023-12-19T00:24:49.9 35°44′ 102°47′ 10 3.9 积石山县 余震 3 2023-12-19T00:36:18.3 35°47′ 102°47′ 10 4.0 积石山县 余震 4 2023-12-19T00:43:12.9 35°47′ 102°46′ 10 3.4 积石山县 余震 5 2023-12-19T00:56:51.3 35°42′ 102°47′ 10 3.4 积石山县 余震 6 2023-12-19T00:59:11.3 35°44′ 102°46′ 10 3.1 积石山县 余震 7 2023-12-19T00:59:39.0 35°50′ 102°47′ 10 4.1 积石山县 余震 8 2023-12-19T01:10:31.4 35°48′ 102°47′ 10 3.2 积石山县 余震 9 2023-12-19T01:20:12.6 35°48′ 102°46′ 10 3.2 积石山县 余震 10 2023-12-19T02:10:06.4 35°50′ 102°46′ 10 3.2 积石山县 余震 11 2023-12-19T00:32:52.9 35°46′ 102°47′ 9 3.4 积石山县 余震 （3）环境变量数据
本文所使用的环境变量数据，主要包括：地形、断裂带、道路、土地利用、植被、人口、土壤质地，并通过数据处理得到14个影响因子（表2）。其中：地形数据为 ALOS 的数字高程模型（DEM），空间分辨率为 12.5 m，主要用于获取坡度、坡向、剖面曲率、平面曲率、曲率、距河流的距离和地形湿度指数（TWI）；断裂带，下载自国家地震科学数据中心，经处理得到距断裂带距离；道路数据，来自OSG（Open Street Map）官网，用于计算距道路的距离；土地利用为武汉大学的 CLCD（China land cover dataset）数据集，其空间分辨率为 30m，主要包括：耕地、林地、灌木、草地、水域、雪/冰、裸地、不透水面和湿地；归一化植被指数来自国家青藏高原科学数据中心，其数据源为 MODIS，空间分辨率为 250 m；6）人口分布，来自WorldPop 全球人口数据，空间分辨率为100 m，下载自GEE（Google Earth Engine）平台；土壤质地数据，来自世界土壤数据库，其空间分辨率为1 km。
表 2 甘肃积石山Ms6.2级地震诱发滑坡灾害影响因子数据Table 2. Disaster-causing factors of landslides induced by the Ms6.2 Jishishan earthquake in Gansu Province环境变量 影响因子 数据来源 地形因子 高程、坡度、坡向、剖面曲率、平面曲率、
曲率、距河流距离、TWI高程数据为数字高程模型（DEM），下载自ASF官网（https://search.asf.alaska.edu/#/），
其它因子数据为DEM的派生数据断裂带 距断裂带的距离 断裂带数据下载自国家地震科学数据中心（https://search.asf.alaska.edu/#/） 土壤质地 土壤质地数据 下载自世界土壤数据库（https://www.fao.org/） 道路 距道路的距离 OSM官网（https://www.openstreetmap.org/） 人口 人口分布密度 OSM官网（https://www.openstreetmap.org/） 土地利用 地表覆盖 武汉大学CLCD数据集（https://zenodo.org/） 植被 归一化植被指数 国家青藏高原科学数据中心（https://data.tpda.ac.cn/home ） 2.2 研究方法
2.2.1 MaxEnt模型原理
最大熵（MaxEnt）模型是基于最大熵原理来预测随机事件概率分布的方法，该模型在灾害危险性评价、预测物种分布等领域都得到了广泛应用[26 − 27]。利用MaxEnt模型进行地质灾害预测的原理，主要以地质灾害发生点和环境变量之间的关系为基础，建立地质灾害危险性的概率模型，从而对整个区域的地质灾害危险性进行预测。本文是以14个影响因子为约束条件，以灾害点为事件，寻求地质灾害危险性在14个约束条件下的最大熵，进而估算地质灾害的危险性。
2.2.2 数据预处理
对目视解译的
1205 个滑坡灾害点数据进行预处理，包括：1）剔除滑坡目视解译得到的重复和错误点；2）通过建立渔网去除自相关点；3）数据转换，主要是将最终得到的980个滑坡灾害点数据转成csv格式用于模型构建。对影响因子的预处理，包括将致灾因子重采样为统一像元尺度、裁剪使所有影响因子有相同的行列号，然后将其转换为ASCII格式用于构建MaxEnt模型[28]。
2.2.3 模型参数设置
模型参数调整是构建MaxEnt模型的重要环节。具体流程包括，输出格式设置为logistic，将滑坡灾害点分为测试集和训练集，其中，随机测试集设置比例为25%，75%用于模型训练[29]。精度评定采用受试者工作特征曲线（receiver operating characteristic，ROC），将正则化参数（regularization multiplier）设置为1，重复建模次数设置为10，以防止欠拟合和过拟合现象的发生，并且使模型构建达到最佳效果[30]。
2.2.4 危险评价
对滑坡危险性评价结果等级的划分，参考前人研究成果[31 − 32]，并结合高分影像目视解译得到的滑坡灾害点空间分布，将危险区等级划分为五个等级：极低危险区，低危险区，中危险区，高危险区和极高危险区。
2.2.5 精度评价
模型精度评价采用ROC曲线与坐标轴围成的曲线下面积（area under curve，AUC）值来表示，AUC值大小表示预测成功率，其值越大，则准确率越高，说明模型的预测效果就越好[32]。AUC值的具体评价标准如表3 。
表 3 AUC评价标准Table 3. AUC evaluation criteriaAUC值 精度评价 [0, 0.6） 很差 [0.6, 0.7） 较差 [0.7, 0.8） 一般 [0.8, 0.9） 好 [0.9, 1] 极好 3. 结果
3.1 滑坡点的影响因子分布特征
本文通过对比积石山Ms6.2级地震前后的高分一号和吉林一号卫星影像，对滑坡进行目视解译。由于地震前，该区域发生大面积降雪，在地震发生后，发生滑坡的区域裸露出新的土壤，因此有利于滑坡灾害点的卫星影像目视解译。此次目视解译原则为：首选区域内空间分辨率高的影像，若存在云层遮挡或地形阴影，将按照空间分辨率从高到低的顺序，选择时相相近的影像，最终达到覆盖整个震区。在滑坡点目视解译中，主要采取震前震后影像对比的方式，本次解译共编目滑坡和潜在灾害点
1205 处（图2），大多以小型崩塌和滑坡为主，主要集中于震区黄河两岸黄土丘陵区、道路与沟谷附近，多发育于建房和公路内边坡陡坎部位[30]，其威胁的主要承灾体为公路和农田等。![]()
图 2 积石山地震诱发滑坡灾害点空间分布Figure 2. Spatial distribution of landslides induced by the Jishishan earthquake为进一步分析灾害点在各影响因子上的分布特征，研究中将灾害点与各因子进行叠加，分别作直方图进行统计分析，其中横坐标为各因子分级，纵坐标为密度。
对于各地形因子（图3），分析中将高程因子按100 m间隔分为九级，叠加统计分析发现，地震诱发滑坡灾害点在高程因子上基本呈抛物线分布（R2 =
0.7394 ），主要分布在1700 ～2250 m高程带；就灾害点在坡度上的分布，将坡度按5°间隔等间距分级，统计发现灾害点主要发生在小于25°区间内，大于30°坡度范围零星分布；在地形湿度指数（TWI）上，灾害点发生基本呈现指数分布（R2 =0.6816 ）；就坡向分布来看，地震诱发地质灾害点大多数发生于东、东南和南向范围内。对于各类距离因子（图4），研究中将距道路距离因子按间隔0.5 km等间距作缓冲区分级，分析发现地震诱发的绝大多数灾害点发生于距道路1.5 km范围内；对于距断裂带距离，第一级按1 km、第二级以后按2 km进行分级统计，分析发现地震诱发地质灾害点在距断裂带距离上基本呈现指数型分布（R2 = 0.201），主要分布于小于1 km、3～4 km和8～12 km范围内，其中3～4 km和8～12 km区间为黄河两岸；就距河流距离来看，地震诱发地质灾害点分布呈指数型分布（R2 =
0.7727 ），主要分布在河流两岸及附近；对于距地震中心距离因子，研究中第一级按1 km统计，第二级按5 km统计，后面各级按10 km统计，分析发现灾害点呈指数型分布（R2 =0.8706 ）。同时，也对土地利用、土壤质地、归一化植被指数和人口分布因子进行地质灾害点分布统计（图5）。就土地利用来看，地震诱发地质灾害点主要发生于耕地、部分草地和水域附近也有一些地质灾害发生；就土壤质地来看，地震诱发地质灾害点主要分布在壤土、有少量分布于黏土和壤砂土层；就NDVI来看，地震诱发地质灾害主要分布在0.08～0.16；就震区人口分布来看，人口密度大的地方人类活动也较强烈，因而地震诱发地质灾害点的分布也相应多一些。
![]()
图 5 滑坡灾害点的其他因子分布Figure 5. Distribution of landslides based on LULC, soil texture, population density, and NDVI3.2 影响因子对滑坡的响应分析
1）模型评价精度
将滑坡灾害点数据和选取的14个影响因子数据输入MaxEnt模型，通过10次的迭代计算，最后得到AUC值为0.854（图6），模型可靠性达到“好”的水平。因此，本次研究利用解译的地质灾害点和各影响因子，通过10次迭代计算构建MaxEnt模型进行积石山Ms6.2级地震诱发滑坡危险性评价，其结果具有较好的可靠性。
2）影响因子重要性分析
置换重要性是反映模型对该变量的依赖程度的指标[33]。表4为各影响因子对滑坡灾害影响程度的贡献率和置换重要性。可见，排名前五的影响因子为距断裂带的距离、高程、人口分布、土壤质地和距河流的距离，其贡献率分别为39.0%、38.1%、17.8%、1.3%和1.2%，其累计贡献率占比高达97.4%。同时可以看出，置换重要性排名前五的影响因子为距断裂带的距离、高程、距河流的距离、人口分布以及土壤质地，其置换重要性分别为48.3%、45.1%、2.4%、1.4%和1.3%，累计值达98.5%。
表 4 滑坡灾害主要影响因子贡献率和置换重要性Table 4. Contribution rates and permutation importance of main disaster-causing factors of landslides序号 因子 贡献率/% 置换重要性/% 1 距断裂带距离 39 48.3 2 高程 38.1 45.1 3 人口分布 17.8 1.4 4 土壤质地 1.3 1.3 5 距河流距离 1.2 2.4 6 归一化植被指数 0.8 0.6 7 坡度 0.8 0.1 8 距道路距离 0.6 0.5 9 坡向 0.3 0.2 10 地形湿度指数 0.1 0 11 土地利用 0 0 12 平面曲率 0 0 13 剖面曲率 0 0 14 曲率 0 0 图7为通过刀切法检验对各影响因子重要性的检验结果。由测试增益值[34]，见图7（a），重要性位列前五的影响因子为距断裂带的距离、高程、人口分布、土壤质地和归一化植被指数，其值分别为：0.35、0.32、0.22、0.12和0.1。由AUC值，见图7（b），排位前五的影响因子为高程、距断裂带的距离、人口分布、归一化植被指数和距河流的距离，其值分别为0.74、0.73、0.67、0.65和0.59。由正则化训练增益，见图7（c），位列前五的影响因子为高程、距断裂带距离、人口分布、距道路距离和距河流距离，其值分别为0.3、0.29、0.22、0.1 和 0.08。
3）影响因子对滑坡危险性响应分析
图8和图9分别为各影响因子对滑坡发生的响应曲线，其中，纵轴代表滑坡发生的概率，横轴代表各因子的取值范围。设定参考概率阈值为0.5[35]，当大于0.5时，认为该因子取值范围有利于灾害的发生。图8可知，坡向因子对滑坡发生的响应最高。其他因子的某一取值范围对滑坡发生的响应也较敏感。例如，当地形湿度指数大于4 m时，其概率均大于0.5，极易引起滑坡的发生；同理，当高程带在
1700 ～2250 m、剖面曲率为−4.2～3、平面曲率为−3.9～4.1、综合曲率为−6～11时，该范围对滑坡发生强响应；当距断裂带距离小于1.7 km、距河流距离小于3.8 km、距道路距离小于2 km、坡度小于30°、人口分布密度大于20人/km2时，其概率均大于0.5，极易引起滑坡的发生。同时也可以看出，当归一化植被指数小于−0.04和0.06～0.15时，其概率均大于0.5，该区段滑坡灾害发生的响应较好；就土地利用因子来看（图9），耕地、草地和水域的概率均大于0.5，极易发生滑坡灾害；对于土壤质地，砂质壤土和壤土的概率大于0.5，极易发生滑坡灾害。![]()
图 9 土地利用与土壤质地的滑坡响应直方图Figure 9. Histogram of landslide responses to LULC and soil texture3.3 滑坡危险性评价
本文采用影响因子重要性和相关系数法，剔除贡献率较低（即土地利用、平面曲率、泡面曲率和曲率）和相关性高（即高程）的因子，然后将其余因子构建模型，计算最大熵结果，并按自然断点法分五级[36]，图10为本研究获取的积石山Ms6.2级地震诱发滑坡危险性评价结果。经统计得出，极高危险区面积为 49.38 km2，占研究区总面积的0.84%；高危险区面积为157.79 km2，占研究区总面积的 2.69%；中危险区面积为430.03 km2，占研究区总面积的7.33%；低危险区面积为526.07 km2，占研究区总面积的8.96%；极低危险区面积为
4699.02 km2，占研究区总面积的80.18%。可见，由于本次地震发生在冬季，大多数地方为季节性冻土，因而本次地震诱发滑坡大多为小型，其极高和高危险性分布相对较少，主要位于黄河两岸的部分地区，与文献[25]结果一致。![]()
图 10 积石山Ms6.2级地震诱发的滑坡危险性评价结果Figure 10. Landslide hazard assessment results induced by the Ms6.2 Jishishan earthquake为进一步分析危险区与地震烈度之间的关系，将危险性评价结果与地震烈度图[37]进行叠加，统计得出（表5），极高和高危险区密度主要位于地震烈度为Ⅷ区，其面积为21.2 km2，占Ⅷ区的百分比为26.38%；中危险区密度主要分布于Ⅶ和Ⅷ区，面积为341.22 km2，占Ⅶ和Ⅷ区面积百分比分别为16.92%和28.82%；低和极低危险区主要分布于Ⅶ和Ⅵ区，面积占比分别为75.33%和97.55%，该区域远离发震区，地震诱发地质灾害危险性也较低。
表 5 不同地震烈度区的危险性等级面积百分比统计Table 5. Area percentage of different risk grades in various seismic intensity zones地震烈度 极高危险/% 高危险/% 中危险/% 低危险/% 极低危险/% Ⅷ区 6.91 19.47 28.82 11.76 33.05 Ⅶ区 1.80 5.95 16.92 16.12 59.21 Ⅵ区 0.03 0.23 2.19 6.15 91.40 4. 讨论
影响因子的选择是地震诱发滑坡危险性评价可靠性的主要环节[38]。与前人研究不同，本研究从地形因子、断裂带、土壤质地、道路、人口、土地利用以及植被等环境变量出发，选取影响因子，在分析影响因子对滑坡危险性响应的基础上，通过获取贡献率和置换重要性、采用刀切法对影响因子进行重要性评估，来优选主要影响因子。研究发现，距断裂带距离、高程、人口分布、土壤质地和距河流距离的贡献率和置换重要性均大于1，其中，距断裂带距离最大，分别为39.0%和48.3%。
为进一步分析本研究的可靠性，采用刀切法对各影响因子重要性进行检验，由测试增益值、AUC 值以及正则化训练增益三个指标进行计算，得出对本次地震诱发滑坡危险性的主要响应因子为距断裂带距离、高程和人口分布。可见，除属于孕灾环境条件的高程因子外，距断裂带距离和人口分布是本次地震诱发滑坡危险性的主要驱动因子。由于震区相对高差约
3000 m，地形起伏较大，高海拔地区因地形坡度陡峭，土壤和岩石的稳定性相对较差，特别是在1700 ～2300 m区间，人类活动（例如：修路、建房、耕作等）也较强烈，遥感解译发现，大多发生在距离道路较近的地区，道路建设往往会破坏原有地形和土壤结构，为滑坡崩塌发育创造了条件。断裂带区因地壳应力集中以及地质结构脆弱，在地震等外部因素的驱动下，极易引发滑坡灾害；同时，由于河流的侵蚀作用往往会破坏斜坡的稳定性，导致滑坡灾害的发生。实地调查发现，由于本次地震主要发生在冬季，其诱发地质灾害主要以小型崩塌和滑坡为主。从灾害分布区域、规模和密集程度来看，与本研究计算确定的主要影响因素吻合性较好。例如：图11为实地地质灾害调查中，获得的典型性滑坡，其中，图11a和图11b为砂/泥岩滑坡类，大多分布于公路等的内边坡区；图11c和图11d为黄土滑坡类，大多发生于建房和公路等的切坡区；图11e为裂缝，发育于震区黄河两岸阶地居民区。
![]()
图 11 积石山震区典型滑坡注：a—b为砂/泥岩滑坡；c—d为黄土滑坡；e为裂缝。Figure 11. Typical landslides in the Ms6.2 Jishishan earthquake5. 结论
（1）从地形因子来看，本次地震诱发滑坡灾害点主要分布在
1700 ～2250 m高程带、20°～25°的坡度区间，且大多数群发于坡向为东、东南和南向的阳坡范围内，在TWI上基本呈现指数分布，同时在距道路距离1.5 km、距地震中心距离5 km范围内广布。从LULC来看，地震诱发地质灾害点主要发生于耕地，且土壤质地多为壤土区域；在植被覆盖上，主要集中发生于NDVI为0.2～0.4区间、震区人口分布密度大的地方。（2）由影响因子的贡献率和置换重要性、刀切法计算的测试效益值、AUC 值和正则化训练增益值，得到本次地震诱发地灾危险性的主要影响因子为：距断裂带的距离、高程和人口分布。当距断裂带距离小于1.7 km、人口分布密度达20人/km2时，其概率均大于0.5，对滑坡危险性发生的响应较明显。
（3）基于构建的MaxEnt模型得出，震区滑坡高危险区主要分布于黄河两岸及附近区域。其中，极高和高危险区密度主要位于地震烈度为Ⅷ区，其面积为21.2 km2，占Ⅷ区的面积百分比为26.38%；中危险区密度主要分布于Ⅶ和Ⅷ区，面积百分比分别为16.92%和28.82%；低和极低危险区主要分布于Ⅶ和Ⅵ区，面积百分比分别为75.33%和97.55%。
-
表 1 数据引用来源
Table 1 Data citation sources
数据 数据来源 数据精度 单位 青藏高原矢量边界 中国科学院资源环境科学与数据中心 青藏高原气象站点 中国科学院资源环境科学与数据中心 降雨数据 中国科学院资源环境科学与数据中心 日 mm 风速数据 中国科学院资源环境科学与数据中心 日 m/s 蒸散发量数据 时空三极环境大数据平台 月 mm 雪盖数据 中国科学院资源环境科学与数据中心 日 mm 地表温度数据 欧洲中期天气预报中心 日 °C 土壤数据 国家冰川冻土沙漠科学中心 土地利用数据 Zenodo平台 1km 数字高程模型数据 中国科学院资源环境科学与数据中心 1km 归一化植被指数 地球资源数据云平台 年 
下载: 导出CSV
表 2 青藏高原冻融风蚀强度分级
Table 2 Classification of freeze-thaw wind erosion intensity on the Tibetan Plateau
等级 轻微 轻度 中度 强烈 极强烈 剧烈 分级标准
/（t·km−2·a−1）<2 2～25 25～50 50～80 80～150 >150 分布面积/km2 1388638 645200 149399 111901 74017 44472 面积占比/% 57.53% 26.73% 6.19% 4.64% 3.07% 1.84%
下载: 导出CSV
表 3 137Cs核素示踪实验值与模型模拟值对比
Table 3 Comparison of experimental values from the 137Cs nuclide tracer and the model simulation values
样点编码 S1 S3 S4 S5 S6 S7 实验值/（t·km−2·a−1） 8414 6943 2262 3068 2020 4759 改进模型计算结果
/（t·km−2·a−1）9447 4725 2387 3083 2103 4819 传统模型计算结果
/（t·km−2·a−1）10167 5896 1823 2110 1531 3290
下载: 导出CSV
表 4 个变量间的相关性
Table 4 correlations between variables
$ SL $ $ WF $ $ EF $ $ SCF $ $ {K}' $ $ C $ 冻融风蚀模数$ SL $ 1 −0.027 −0.013 0.020 0.007 0.007 气象因子$ WF $ −0.027 1 0.007 0.052 0.053 −0.072 土壤可蚀性因子$ EF $ −0.013 0.007 1 0.188 0.024 −0.033 土壤结皮因子$ SCF $ 0.020 0.052 0.188 1 0.045 0 地表粗糙度因子$ {K}' $ 0.007 0.053 0.024 0.045 1 −0.062 植被覆盖度因子$ C $ 0.007 −0.072 −0.033 0.000 −0.062 1
下载: 导出CSV
表 5 变量的显著性及共线性
Table 5 Significance and collinearity of variables
皮尔逊相关性 显著性 95%置信区间 共线性统计 下限 上限 容差 VIF $ SL-WF $ 0.027 0.001 −0.029 −0.025 0.981 1.019 $ SL-EF $ 0.013 0.001 −0.011 −0.015 0.309 3.233 $ SL-SCF $ 0.020 0.001 0.018 0.022 0.309 3.231 $ SL-K' $ 0.007 0.001 0.005 0.009 0.987 1.014 $ SL-C $ 0.007 0.001 0.005 0.009 0.989 1.011
下载: 导出CSV
表 6 回归系数
Table 6 Regression coefficients
模型 未标准化系数 标准化系数 $ t $ 显著性 β 标准错误 β 常量 3.246 0.029 113.648 0.000 $ WF $ −0.012 0.000 −0.028 −28.883 0.001 $ EF $ −0.762 0.043 −0.017 −17.528 0.001 $ SCF $ 0.499 0.020 0.024 24.415 0.001 $ {K}' $ 0.152 0.018 0.008 8.527 0.001 $ C $ 0.094 0.018 0.005 5.120 0.001
下载: 导出CSV
-
[1] 杨珍珍,倪万魁,李兰,等. 基于GIS的多因子土壤冻融侵蚀强度分级评价——以长江上游为例[J]. 水利与建筑工程学报,2022,20(6):89 − 95. [YANG Zhenzhen,NI Wankui,LI Lan,et al. Grading Evaluation of Multi Factor Soil Freeze-thaw Erosion Intensity Based on GIS:A case study of the upper reache of the Yangtze River[J]. Journal of Water Resources and Architectural Engineering,2022,20(6):89 − 95. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1672-1144.2022.06.014 YANG Zhenzhen, NI Wankui, LI Lan, et al. Grading Evaluation of Multi Factor Soil Freeze-thaw Erosion Intensity Based on GIS: A case study of the upper reache of the Yangtze River［J］. Journal of Water Resources and Architectural Engineering, 2022, 20（6）: 89 − 95. （in Chinese with English abstract） DOI: 10.3969/j.issn.1672-1144.2022.06.014
[2] 魏霞,丁永建,李勋贵. 冻融侵蚀研究的回顾与展望[J]. 水土保持研究,2012,19(2):271 − 275. [WEI Xia,DING Yongjian,LI Xungui. Review and prospect of freeze-thaw-induced erosion research[J]. Research of Soil and Water Conservation,2012,19(2):271 − 275. (in Chinese with English abstract)] WEI Xia, DING Yongjian, LI Xungui. Review and prospect of freeze-thaw-induced erosion research［J］. Research of Soil and Water Conservation, 2012, 19（2）: 271 − 275. （in Chinese with English abstract）
[3] 景国臣. 冻融侵蚀的类型及其特征研究[J]. 中国水土保持,2003(10):17 − 18. [JING Guochen. Study on types of freeze-thaw erosion and its characteristics[J]. Soil and Water Conservation in China,2003(10):17 − 18. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1000-0941.2003.10.010 JING Guochen. Study on types of freeze-thaw erosion and its characteristics［J］. Soil and Water Conservation in China, 2003（10）: 17 − 18. （in Chinese with English abstract） DOI: 10.3969/j.issn.1000-0941.2003.10.010
[4] 谢胜波,屈建军,韩庆杰. 青藏高原冻融风蚀形成机理的实验研究[J]. 水土保持通报,2012,32(2):64 − 68. [XIE Shengbo,QU Jianjun,HAN Qingjie. Mechanisms of freezing-thawing induced wind erosion in Qinghai-Tibet Plateau[J]. Bulletin of Soil and Water Conservation,2012,32(2):64 − 68. (in Chinese with English abstract)] XIE Shengbo, QU Jianjun, HAN Qingjie. Mechanisms of freezing-thawing induced wind erosion in Qinghai-Tibet Plateau［J］. Bulletin of Soil and Water Conservation, 2012, 32（2）: 64 − 68. （in Chinese with English abstract）
[5] BAGNOLD R A. The Physics of Blown Sand and Desert Dunes[M]. DordrechtSpringer Netherlands,1971.
[6] CHEPIL W S,Milne R A. Comparative study of soil drifting in the field and in a wind tunnel[J]. Scientific Agriculture,1939,19(5):249 − 257.
[7] CHEPIL W S. Measurement of wind erosiveness of soils by dry sieving procedure[J]. Scientific Agriculture,1942,23(3):154 − 160.
[8] CHEPIL W S. Factors that influence clod structure and erodibility of soil by wind[J]. Soil Science,1953,75(6):473 − 484.
[9] CHEPIL W S. Factors that influence clod structure and erodibility of soil by wind[J]. Soil Science,1954,77(6):473 − 480.
[10] CHEPIL W S. Influence of moisture on erodibility of soil by wind[J]. Soil Science Society of America Journal,1956,20(2):288 − 292.
[11] 江凌,肖燚,欧阳志云,等. 基于RWEQ模型的青海省土壤风蚀模数估算[J]. 水土保持研究,2015,22(1):21 − 25. [JIANG Ling,XIAO Yi,OUYANG Zhiyun,et al. Estimate of the wind erosion modules in Qinghai Province based on RWEQ model[J]. Research of Soil and Water Conservation,2015,22(1):21 − 25. (in Chinese with English abstract)] JIANG Ling, XIAO Yi, OUYANG Zhiyun, et al. Estimate of the wind erosion modules in Qinghai Province based on RWEQ model［J］. Research of Soil and Water Conservation, 2015, 22（1）: 21 − 25. （in Chinese with English abstract）
[12] 殷海军. RWEQ模型的改进及其在风沙区的应用研究[D]. 北京:中国农业大学,2007. [YIN Haijun. Research on improvement and application of revised wind erosion model in the windy and sandy regions [D]. Beijing:China Agricultural University,2007. (in Chinese with English abstract)] YIN Haijun. Research on improvement and application of revised wind erosion model in the windy and sandy regions ［D］. Beijing: China Agricultural University, 2007. （in Chinese with English abstract）
[13] GREGORY J M,BORRELLI J,FEDLER C B. TEAM:Texas erosion analysis model[J]. American Society of Agricultural Engineers (Microfiche collection)(USA),1988.
[14] SHAO Y P,RAUPACH M R,LEYS J F. A model for predicting aeolian sand drift and dust entrainment on scales from paddock to region[J]. Soil Research,1996,34(3):309.
[15] 董治宝. 建立小流域风蚀量统计模型初探[J]. 水土保持通报,1998,18(5):55 − 62. [DONG Zhibao. Establishing statistic model of wind erosion on small watershed basis[J]. Bulletin of Soil and Water Conservation,1998,18(5):55 − 62. (in Chinese)] DOI: 10.3969/j.issn.1000-288X.1998.05.013 DONG Zhibao. Establishing statistic model of wind erosion on small watershed basis［J］. Bulletin of Soil and Water Conservation, 1998, 18（5）: 55 − 62. （in Chinese） DOI: 10.3969/j.issn.1000-288X.1998.05.013
[16] 严平,董光荣,张信宝等. 137Cs 法测定青藏高原土壤风 蚀 的 初 步 结 果[J]. 科 学 通 报,2000(2):199 − 204. (in Chinese). [17] 张国平. 基于遥感和 GIS 的中国土壤风力侵蚀研究[D]. 中国科学院研究生院(遥感应用研究所),2002. [ZHANG Remote sensing and GIS based study on the soil wind erosion in China[D]. Graduate University of Chinese Academy of Sciences (Institute of Remote Sensing Digital Earth),2002. (in Chinese with English abstract)] ZHANG Remote sensing and GIS based study on the soil wind erosion in China［D］. Graduate University of Chinese Academy of Sciences （Institute of Remote Sensing Digital Earth）, 2002. （in Chinese with English abstract）
[18] 程江浩. 1990-2020年青藏高原生态系统调节服务时空变化及其驱动力研究[D]. 大理大学,2023. [Cheng Jianghao. Spatial and temporal changes in typical ecosystem services and the driving forces,Tibetan Plateau,1990-2020[D]. Dali University,2023. (in Chinese with English abstract)] Cheng Jianghao. Spatial and temporal changes in typical ecosystem services and the driving forces, Tibetan Plateau, 1990-2020［D］. Dali University, 2023. （in Chinese with English abstract）
[19] 赖锋,乔占明连. 青海省风蚀量及防风固沙量时空特征分析[J]. 测绘学,2023,48(1):148 − 156. [LAI Feng,QIAO Zhanming,XIONG Zenglian. Spatiotemporal characteristics of wind erosion and wind prevention and sand fixation in Qinghai Province[J]. Science of Surveying and Mapping,2023,48(1):148 − 156. (in Chinese with English abstract)] LAI Feng, QIAO Zhanming, XIONG Zenglian. Spatiotemporal characteristics of wind erosion and wind prevention and sand fixation in Qinghai Province［J］. Science of Surveying and Mapping, 2023, 48（1）: 148 − 156. （in Chinese with English abstract）
[20] 巩俐,王发科,李积芳,等. 五道梁地区土壤风蚀变化特征及气象影响因子分析[J]. 青海草业,2020,29(3):59 − 63. [GONG Li,WANG Fake,LI Jifang,et al. Characteristics of soil wind erosion and analysis of meteorological influencing factors in Wudaoliang area[J]. Qinghai Prataculture,2020,29(3):59 − 63. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1008-1445.2020.03.015 GONG Li, WANG Fake, LI Jifang, et al. Characteristics of soil wind erosion and analysis of meteorological influencing factors in Wudaoliang area［J］. Qinghai Prataculture, 2020, 29（3）: 59 − 63. （in Chinese with English abstract） DOI: 10.3969/j.issn.1008-1445.2020.03.015
[21] 杨栋,王全成,姜昭群. 季节性冻土区滑坡防治工程的冻融效应分析[J]. 中国地质灾害与防治学报,2021,32(6):82 − 89. [YANG Dong,WANG Quancheng,JIANG Zhaoqun. Analysis on the effect of freeze-thaw on landslide prevention projects in seasonal frozen soil area[J]. The Chinese Journal of Geological Hazard and Control,2021,32(6):82 − 89. (in Chinese with English abstract)] YANG Dong, WANG Quancheng, JIANG Zhaoqun. Analysis on the effect of freeze-thaw on landslide prevention projects in seasonal frozen soil area［J］. The Chinese Journal of Geological Hazard and Control, 2021, 32（6）: 82 − 89. （in Chinese with English abstract）
[22] 沈凌铠,周保,魏刚,等. 气温变化对多年冻土斜坡稳定性的影响——以青海省浅层冻土滑坡为例[J]. 中国地质灾害与防治学报,2023,34(1):8 − 16. [SHEN Lingkai,ZHOU Bao,WEI Gang,et al. Influence of air temperature change on stability of permafrost slope:A case study of shallow permafrost landslide in Qinghai Province[J]. The Chinese Journal of Geological Hazard and Control,2023,34(1):8 − 16. (in Chinese with English abstract)] SHEN Lingkai, ZHOU Bao, WEI Gang, et al. Influence of air temperature change on stability of permafrost slope: A case study of shallow permafrost landslide in Qinghai Province［J］. The Chinese Journal of Geological Hazard and Control, 2023, 34（1）: 8 − 16. （in Chinese with English abstract）
[23] ZHAO Dongsheng,WU Shaohong. Projected changes in permafrost active layer thickness over the Qinghai-Tibet Plateau under climate change[J]. Water Resources Research,2019,55(9):7860 − 7875.
[24] PANG Qiangqiang,ZHAO Lin,LI Shuxun,et al. Active layer thickness variations on the Qinghai–Tibet Plateau under the scenarios of climate change[J]. Environmental Earth Sciences,2012,66(3):849 − 857.
[25] 庞强强,李述训,吴通华,等. 青藏高原冻土区活动层厚度分布模拟[J]. 冰川冻土,2006,28(3):390 − 395. [PANG Qiangqiang,LI Shuxun,WU Tonghua,et al. Simulated distribution of active layer depths in the frozen ground regions of Tibetan Plateau[J]. Journal of Glaciology and Geocryology,2006,28(3):390 − 395. (in Chinese with English abstract)] PANG Qiangqiang, LI Shuxun, WU Tonghua, et al. Simulated distribution of active layer depths in the frozen ground regions of Tibetan Plateau［J］. Journal of Glaciology and Geocryology, 2006, 28（3）: 390 − 395. （in Chinese with English abstract）
[26] 徐晓明,吴青柏,张中琼. 青藏高原多年冻土活动层厚度对气候变化的响应[J]. 冰川冻土,2017,39(1):1 − 8. [XU Xiaoming,WU Qingbai,ZHANG Zhongqiong. Responses of active layer thickness on the Qinghai-Tibet Plateau to climate change[J]. Journal of Glaciology and Geocryology,2017,39(1):1 − 8. (in Chinese with English abstract)] XU Xiaoming, WU Qingbai, ZHANG Zhongqiong. Responses of active layer thickness on the Qinghai-Tibet Plateau to climate change［J］. Journal of Glaciology and Geocryology, 2017, 39（1）: 1 − 8. （in Chinese with English abstract）
[27] 徐晓明,吴青柏. 三江源多年冻土活动层厚度变化特征研究[J/OL]. 冰川冻土:1 − 15. [XU Xiaoming,WU Qingbai. Research on the variation characteristics of active layer thickness of permafrost in the Three River Source Region[J/OL]. Glacial permafrost:1 − 15. (in Chinese with English abstract)] XU Xiaoming, WU Qingbai. Research on the variation characteristics of active layer thickness of permafrost in the Three River Source Region［J/OL］. Glacial permafrost: 1 − 15. （in Chinese with English abstract）
[28] 张中琼,吴青柏. 气候变化情景下青藏高原多年冻土活动层厚度变化预测[J]. 冰川冻土,2012,34(3):505 − 511. [ZHANG Zhongqiong,WU Qingbai. Predicting changes of active layer thickness on the Qinghai-Tibet Plateau as climate warming[J]. Journal of Glaciology and Geocryology,2012,34(3):505 − 511. (in Chinese with English abstract)] ZHANG Zhongqiong, WU Qingbai. Predicting changes of active layer thickness on the Qinghai-Tibet Plateau as climate warming［J］. Journal of Glaciology and Geocryology, 2012, 34（3）: 505 − 511. （in Chinese with English abstract）
[29] 刘文惠,谢昌卫,刘海瑞,等. Stefan方程在土壤冻融过程模拟中的应用[J]. 冰川冻土,2022,44(1):327 − 339. [LIU Wenhui,XIE Changwei,LIU Hairui,et al. Application of Stefan equation on simulating freezing-thawing process of permafrost[J]. Journal of Glaciology and Geocryology,2022,44(1):327 − 339. (in Chinese with English abstract)] LIU Wenhui, XIE Changwei, LIU Hairui, et al. Application of Stefan equation on simulating freezing-thawing process of permafrost［J］. Journal of Glaciology and Geocryology, 2022, 44（1）: 327 − 339. （in Chinese with English abstract）
[30] 张云霞. 2000-2020年青藏高原生态质量时空变化及其影响因素[D]. 兰州:兰州大学,2023. [ZHANG Yunxia. Spatiotemporal changes of ecological quality and itsinfluencing factors of the Qinghai-Tibetan Plateaufrom 2000 to 2020 [D]. Lanzhou:Lanzhou University,2023. (in Chinese with English abstract)] ZHANG Yunxia. Spatiotemporal changes of ecological quality and itsinfluencing factors of the Qinghai-Tibetan Plateaufrom 2000 to 2020 ［D］. Lanzhou: Lanzhou University, 2023. （in Chinese with English abstract）
[31] NI Jie,WU Tonghua,ZHU Xiaofan,et al. Simulation of the present and future projection of permafrost on the Qinghai-Tibet Plateau with statistical and machine learning models[J]. Journal of Geophysical Research:Atmospheres,2021,126(2):e2020jd033402.
[32] 高荣,韦志刚,董文杰. 青藏高原土壤冻结始日和终日的年际变化[J]. 冰川冻土,2003,25(1):49 − 54. [GAO Rong,WEI Zhigang,DONG Wenjie. Interannual variation of the beginning date and the ending date of soil freezing in the Tibetan Plateau[J]. Journal of Glaciology and Geocryology,2003,25(1):49 − 54. (in Chinese with English abstract)] GAO Rong, WEI Zhigang, DONG Wenjie. Interannual variation of the beginning date and the ending date of soil freezing in the Tibetan Plateau［J］. Journal of Glaciology and Geocryology, 2003, 25（1）: 49 − 54. （in Chinese with English abstract）
[33] 王一菲,郑粉莉,张加琼,等. 冻融作用对典型黑土土壤风蚀的影响[J]. 水土保持学报,2020,34(5):34 − 41. [WANG Yifei,ZHENG Fenli,ZHANG Jiaqiong,et al. Effects of freeze-thaw on wind erosion in the typical mollisol region[J]. Journal of Soil and Water Conservation,2020,34(5):34 − 41. (in Chinese with English abstract)] WANG Yifei, ZHENG Fenli, ZHANG Jiaqiong, et al. Effects of freeze-thaw on wind erosion in the typical mollisol region［J］. Journal of Soil and Water Conservation, 2020, 34（5）: 34 − 41. （in Chinese with English abstract）
[34] 董瑞琨,许兆义,杨成永. 青藏高原冻融侵蚀动力特征研究[J]. 水土保持学报,2000,14(4):12 − 16. [DONG Ruikun,XU Zhaoyi,YANG Chengyong. Dynamic and characteristic of freezing thawing erosion on Qinghai Tibet Plateau[J]. Journal of Soil Water Conservation,2000,14(4):12 − 16. (in Chinese with English abstract)] DOI: 10.3321/j.issn:1009-2242.2000.04.003 DONG Ruikun, XU Zhaoyi, YANG Chengyong. Dynamic and characteristic of freezing thawing erosion on Qinghai Tibet Plateau［J］. Journal of Soil Water Conservation, 2000, 14（4）: 12 − 16. （in Chinese with English abstract） DOI: 10.3321/j.issn:1009-2242.2000.04.003
[35] 吴雅琼,刘国华,傅伯杰,等. 青藏高原土壤有机碳密度垂直分布研究[J]. 环境科学学报,2008,28(2):362 − 367. [WU Yaqiong,LIU Guohua,FU Bojie,et al. Study on the vertical distribution of soil organic carbon density in the Tibetan Plateau[J]. Acta Scientiae Circumstantiae,2008,28(2):362 − 367. (in Chinese with English abstract)] WU Yaqiong, LIU Guohua, FU Bojie, et al. Study on the vertical distribution of soil organic carbon density in the Tibetan Plateau［J］. Acta Scientiae Circumstantiae, 2008, 28（2）: 362 − 367. （in Chinese with English abstract）
[36] 刘勇,魏良帅,黄安邦,等. 气候变化下长江源土壤水时空演化及其环境响应[J]. 水文地质工程地质,2023,50(5):39 − 52. [LIU Yong,WEI Liangshuai,HUANG Anbang,et al. Spatial and temporal evolution of soil water and its response to the environment in the Yangtze River source area under climate change[J]. Hydrogeology & Engineering Geology,2023,50(5):39 − 52. (in Chinese with English abstract)] LIU Yong, WEI Liangshuai, HUANG Anbang, et al. Spatial and temporal evolution of soil water and its response to the environment in the Yangtze River source area under climate change［J］. Hydrogeology & Engineering Geology, 2023, 50（5）: 39 − 52. （in Chinese with English abstract）
[37] 张永双,郭长宝,李向全,等. 川藏铁路廊道关键水工环地质问题:现状与发展方向[J]. 水文地质工程地质,2021,48(5):1 − 12. [ZHANG Yongshuang,GUO Changbao,LI Xiangquan,et al. Key problems on hydro-engineering-environmental geology along the Sichuan-Tibet Railway corridor:Current status and development direction[J]. Hydrogeology & Engineering Geology,2021,48(5):1 − 12. (in Chinese with English abstract)] ZHANG Yongshuang, GUO Changbao, LI Xiangquan, et al. Key problems on hydro-engineering-environmental geology along the Sichuan-Tibet Railway corridor: Current status and development direction［J］. Hydrogeology & Engineering Geology, 2021, 48（5）: 1 − 12. （in Chinese with English abstract）
[38] 支泽民,刘峰贵,周强,等. 基于流域单元的地质灾害易发性评价——以西藏昌都市为例[J]. 中国地质灾害与防治学报,2023,34(1):139 − 150. [ZHI Zemin,LIU Fenggui,ZHOU Qiang,et al. Evaluation of geological hazards susceptibility based on watershed units:A case study of the Changdu City,Tibet[J]. The Chinese Journal of Geological Hazard and Control,2023,34(1):139 − 150. (in Chinese with English abstract)] ZHI Zemin, LIU Fenggui, ZHOU Qiang, et al. Evaluation of geological hazards susceptibility based on watershed units: A case study of the Changdu City, Tibet［J］. The Chinese Journal of Geological Hazard and Control, 2023, 34（1）: 139 − 150. （in Chinese with English abstract）
-
期刊类型引用(1)
1. 刘星宇，朱立峰，孙建伟，贾煦，刘向东，黄虹霖，程贤达，孙亚柯，胡超进，张晓龙. 沟谷型泥石流特征参数的等代面积递归精细求解. 西北地质. 2024(03): 272-284 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 82
- HTML全文浏览量: 55
- PDF下载量: 0
- 被引次数: 1
邮件订阅
RSS