Evaluation of geological hazards susceptibility based on watershed units：A case study of the Changdu City，Tibet
-
摘要: 作为在山地地区易发的自然灾种，地质灾害每年都给中国造成严重的经济损失。为揭示阐明典型高山峡谷区地质灾害易发性影响因素，文章以昌都市为研究区例，基于区内孕灾环境的差异，对其进行流域划分，同时选取海拔、坡度、地形起伏度等10个指标构建地质灾害易发性评价指标体系，基于随机森林模型对各流域地质灾害易发性空间分布进行研究。结果表明：（1）昌都市地质灾害类型主要以小型灾害为主，大型灾害分布相对较少但危害巨大，险情等级较高，同时，区域内地质灾害的空间分布具有沿河流与道路呈条带状分布的特征；（2）总体来看，各流域地质灾害的影响因素大致相同，但仍具有一定的差异性，金沙江流域受海拔与道路影响较为突出，澜沧江流域受居民点密度影响较为突出，而怒江流域受道路因素影响较为突出；（3）各流域地质灾害易发性空间分布存在差异，金沙江流域低易发面积占比最大，澜沧江与怒江流域均为中易发面积占比最大；三大流域均以高易发所占比最小，但在全流域内均有分布，且主要分布于人类活动较为强烈、岩性较软等区域。Abstract: As a natural disaster prone to occur in mountainous areas, geological hazards cause serious economic losses to China every year. In order to reveal the factors influencing of geological hazards susceptibility in typical mountain valley, this paper takes Changdu City as the study area.Firstly, we analyze the spatial distribution of geological hazards, and then divides it into three major watersheds based on the differences of disaster-inducing environments in the study area, selects 10 indicators such as elevation, slope and terrain relief to build a evaluation index system of geological hazard susceptibility , and the weights of index determined based on the Random Forest. The spatial distribution of geological hazards in each watershed of Changdu City is obtained by overlaying with GIS, and it is found that: (1) The types of geological hazards in Changdu City are mainly small disasters, while the distribution of large disasters is relatively small but the hazards are huge and the danger level is high. (2) In general, the factors influencing geological hazards are more or less the same in each basin, but there are still some differences, with the factor of medium altitude and road being more prominent in the Jinsha River basin, the factor of density of settlements being more prominent in the Lancang River basin, and the factor of road being more prominent in the Nujiang River basin.(3) The Jinsha River basin has the largest area of low susceptibility, and the Lancang and Nujiang River basins have the largest area of medium susceptibility; all three basins have the smallest area of high susceptibility, but they are distributed in the whole basin, and mainly in areas with strong human activities and soft lithology.
-
Keywords:
- Changdu City /
- random forest /
- geological hazards /
- susceptibility /
- watershed unit
-
0. 引言
查明与地质灾害有关的危险区域是地质灾害管理的重要工作，也是促进研究区人民生活和基础设施发展安全的重要依据[1]，基于建模评价地质灾害易发性是重要而且有效的途径。
应用经验式、数值模拟和统计方法对地质灾害易发性建模和评价，已经进行了许多研究[1-10]。其中，经验式方法基于现场观察和专家经验判断；数值模拟计算边坡的稳定性；统计方法部分基于实地观察和专家的先验知识，部分基于对地质灾害发生的权重或概率的统计计算，这类方法使用统计技术来评估诱发地质灾害的各种因素的相关作用，每个因素的重要性都是根据观察到的与地质灾害的关系来确定的。
文中使用基于贝叶斯理论的证据权法，综合GIS技术评价研究区地质灾害易发性。证据权法是一种统计方法，最初应用于非空间、定量的医学诊断，以结合临床诊断的证据来预测疾病[11-12]。在地球科学中，该方法被广泛应用，如：矿产资源潜力评估和矿床预测[13-16]，公路路基岩溶塌陷危险性评价[17]和滑坡易发性和危险性[1, 3, 18-23]。
1. 研究区和数据
1.1 研究区概况
文中选择云南高原滇中昆明盆地低山丘陵地带这一云南省地质灾害防治重点地区的典型代表，云南省省会昆明市的主要行政区之一，昆明市五华区作为研究对象，该区地质灾害易发性评价研究具有典型代表性，可向整个云南高原昆明盆地低山丘陵区和其他低山丘陵区推广，具有技术方法和社会经济意义。研究区面积381.6 km2，地势西北高东南低，昆明盆地内地形开阔低缓，北部山区地形崎岖，沟壑较发育。区域年降水量的80%以上集中在6—9月，年平均降水量608.4～887.0 mm。碳酸盐岩分布最广，约占全区面积的38.93%，其次为砂岩、泥岩、页岩，约占23.11%，岩浆岩主要为玄武岩，约占16.95%，主要分布在昆明盆地和其他小盆地的松散碎石土体约占11.36%，石英砂岩类约占7.56%，还发育一些岩脉；断裂构造较发育，以南北向构造为主[24-25]。
1.2 数据收集
通过地质灾害风险普查获得了研究区地质灾害分布数据。根据调查分析，选择工程地质岩组、断裂构造、高程、坡度、坡向、坡面曲率、距公路距离和土地利用类型等8类因素纳入评价分析。地质数据收集自云南省地质局1∶20万昆明幅、武定幅区域地质调查报告和图件[24-25]，12.5 m分辨率DEM（数字高程模型）收集自ASF，道路数据收集自OSM，土地利用类型数据收集自ESA（图1、表1）。
表 1 数据简介Table 1. Data introduction数据 灾点及
致灾要素类型 来源 地灾 地灾点 矢量点 地质灾害风险普查 地质 工程地质岩组 矢量面 云南省地质局 距断裂
距离矢量线和缓冲区 云南省地质局 地形地貌 高程 栅格 12.5 m DEM，
https://asf.alaska.edu/坡度 栅格 根据DEM，应用ArcGIS提取 坡向 栅格 根据DEM，应用ArcGIS提取 坡面曲率 栅格 根据DEM，应用ArcGIS提取 道路 距公路
距离矢量线缓冲区 http://www.openstreetmap.org，
根据矢量线用ArcGIS制作土地利用
类型土地利用
类型栅格 ESA WorldCover 10 m 2020，https://esa-worldcover.org/en 1.3 地质灾害发育特征
现状发育地质灾害89处，滑坡73处，崩塌11处，泥石流4条，地面沉降1处，为小—中型，无大型，中型14处，小型75处，主要分布在研究区低山丘陵地貌区，盆地内仅发育1处（图2）。
![]()
图 2 地质灾害分布图（底图为高程和山体阴影渲染）Figure 2. Map of geological hazard distribution (The bottom was rendered by elevation and hillshade)选择指标“因子面积百分比A”“地灾数百分比B”和“比率(β=B/A)”表征地质灾害的空间分布特征、主控因素和成灾特征。β定义了地质灾害点在因素分级中相对于均匀分布的丰度，β>1表示相对丰度更高，β<1则相反。β>1的因素分级有（图3、表2）：高程1800～1850 m、1920～1950 m和1950～2000 m，坡度15°～25°、25°～35°和>35°，坡向北东、东、南东和北，坡面曲率−0.75～−0.28（凹形）、−0.28～−0.15（凹形）、−0.15～−0.05(凹形)和0.05～0.15（凸形），石英砂岩岩组和砂岩、泥岩、页岩岩组，距断层距离0～50 m、300～500 m和1000～2000 m，距主要公路距离0～50 m和50～100 m，草地和裸地/稀疏植被区域。这些因素分级内，发育了相对于均匀分布丰度更高的地质灾害，表征这些因素分级可能是研究区地质灾害的主控因素。
![]()
图 3 各因素分级分区和地灾点数量相关性统计图Figure 3. Statistical charts of correlation between the factors and the number of geological hazard points2. 方法
2.1 权重计算
把研究区栅格单元化，利用条件概率计算证据因素图层所有单元对地质灾害发生的贡献权重[13-15, 26-27]。定义
$ D $ 为已发生地质灾害的单元，$ \bar{D} $ 为未发生地质灾害的单元，$ B $ 为证据因素区内的单元，$ \bar{B} $ 为证据因素区外的单元。证据因素
$ B $ 条件下$ D $ 的条件（后验）概率为：$$ { O}\left(D|B\right)={ O}\left(D\right)\frac{P\left(B\right|D)}{P(B|{\bar D})} $$ (1) 式中：
$ { O}\left(D\right) $ —证据因素B的先验概率，${{ O}}\left(D\right)=$ $\dfrac{\mathrm{事}\mathrm{件}\mathrm{将}\mathrm{会}\mathrm{发}\mathrm{生}\mathrm{的}\mathrm{概}\mathrm{率}}{\mathrm{事}\mathrm{件}\mathrm{不}\mathrm{会}\mathrm{发}\mathrm{生}\mathrm{的}\mathrm{概}\mathrm{率}}=\dfrac{P\left(D\right)}{1-P\left(D\right)}=$ $\dfrac{P\left(D\right)}{P({\bar D})} $ ；$P\left(B\right|D)、 P(B|{\bar D})$ ——在地质灾害发生（D）和未发生 （$ \bar{D} $ ）时，证据因素B的条件 概率，取自然对数即是证据 权法中的正权重（证据因素 存在区的权重值）$ {W}^{+} $ 。$$ {W}^+=\ln\frac{P\left(B\right|D)}{P\left(B|{\bar D}\right)} $$ (2) $$ P\left(B|D\right)=P\left(B\cap D\right)/P\left(D\right) $$ (3) $$ P(B|\bar{D})=P(B\cap \bar{D})/P(\bar{D}) $$ (4) 用
$ D $ 和$ B $ 的单元数N可表示为：$$ P\left(B|D\right)=N\left(B\cap D\right)/N\left(D\right) $$ (5) $$ P(B|\bar{D})=N(B\cap \bar{D})/N(\bar{D}) $$ (6) 同式（1），在证据因素不存在的情况下（
$ \bar{B} $ ），$ D $ 的条件概率（后验）为：$$ {{ O}}(D|\bar{B})={{ O}}(D)\frac{P(\bar{B}|D)}{P(\bar{B}|\bar{D})} $$ (7) 式中：
$P(\bar{B}|D)/P(\bar{B}|\bar{D})$ —取自然对数即是负权重（证据 因素不存在区的权重值）$ {W}^{-} $ 。$$ {W}^-={\rm{ln}}\frac{P(\bar{B}|D)}{P(\bar{B}|\bar{D})} $$ (8) 同式（3）—（6）：
$$ P(\bar{B}|D)=N(\bar{B}\cap D)/N(D) $$ (9) $$ P(\bar{B}|\bar{D})=N(\bar{B}\cap \bar{D})/N(\bar{D}) $$ (10) $N (B\cap D) + N (\bar{B}\cap D)=N(D)$ ，$N (B\cap \bar{D}) + N (\bar{B}\cap \bar{D})= N(\bar{D})$ ，所以式（2）和式（8）可写为：$$ {W}^+={\rm{ln}}\left(\frac{N(B\cap D)}{N(B\cap D)+N(\bar{B}\cap D)}/\frac{N(B\cap \bar{D})}{N(B\cap \bar{D})+N(\bar{B}\cap \bar{D})}\right) $$ (11) $$ {W}^-={\rm{ln}}\left(\frac{N(\bar{B}\cap D)}{N(B\cap D)+N(\bar{B}\cap D)}/\frac{N(\bar{B}\cap \bar{D})}{N(B\cap \bar{D})+N(\bar{B}\cap \bar{D})}\right) $$ (12) 根据式（11）和（12），使用ArcGIS空间分析工具执行权重
$ {W}^{+} $ 和$ {W}^{-} $ 计算。$ {W}^{+} $ 的大小表明证据因素的存在与地质灾害发生之间存在正相关关系。$ {W}^{-} $ 表示负相关，即证据因素存在抑制诱发地质灾害的作用。证据因素原始数据缺失区域的权重值取0。两个权重之间的差异$ {W}_{{\rm{f}}}={W}^{+}-{W}^{-} $ ，即综合权重，量化证据因素和地质灾害相关性大小。如果$ {W}_{{\rm{f}}} $ 为正，则证据因素对地质灾害有利，如果为负，则对滑坡不利。如果$ {W}_{{\rm{f}}} $ 接近于零，则表明证据因素与地质灾害的相关性不大。2.2 因素分级（分类）的显著性测试
在上述权重值计算及分析的基础上，实施证据因素分类的优选，选择类间差异显著的证据因素类，归并不显著的证据因素类。选择近似学生化检验（Student-T）统计值进行显著性测试[15, 28]：
$$ {S tuden{t}}-{{T}}={W}_{{\rm{f}}}/{\sigma }_{{W}_{{\rm{f}}}}={W}_{{\rm{f}}}/\sqrt{{\sigma }_{{W}^+}^{2}+{\sigma }_{{W}^-}^{2}} $$ (13) 式中：
$ {\sigma }_{{W}^{+}}^{} $ 、$ {\sigma }_{{W}^{-}}^{} $ ——分别是$ {W}^{+} $ 和$ {W}^{-} $ 的标准差；Wf ——综合权重；
${\sigma }_{{W}_{{\rm{f}}}}$ ——综合权重标准差。当测试值的绝对值
$|{S tuden{t}}-{ T}|$ 为1.96和2.326时，置信度达97.5%、99%，文中以$|{S tuden{t}}-{ T}|=2$ 作为阈值。先将证据因素划分为若干分级（分类），计算权重和标准差、${{S} tuden{t}}-{ T}$ ，将$|{S} tuden{t}-{ T} | < 2$ 的各分类视为显著性低并归为一类，保留$|{{S} tuden{t}}-{T}|\geqslant 2$ 的因素分类，然后重新计算归并后各分类的权重值。2.3 证据综合
根据贝叶斯法则，任一单元
$ K $ 为地质灾害的可能性，即对数后验概率可表示为[13-15, 26, 27]：$$ F=\ln O\left(D|\sum _{i=1}^{n}{B}_{i}^{K\left(i\right)}\right)=\sum _{i=0}^{n}{W}_{i}^{K}+\ln O\left(D\right) $$ (14) 式中：
$ {B}_{i} $ ——第$ i $ 个证据因素层；$ K\left(i\right) $ —$ {W}_{i} $ 是第$ i $ 个证据因素存在或不存在的权 重，在第$ i $ 个证据因素层存在时是+，不存在 时是−。最后计算后验概率：
$$ P=O/(1+O)=\exp\left(F\right)/\left(1+\exp\left(F\right)\right) $$ (15) 后验概率的大小作为易发性高低的指标，值越大表示易发性越高，值越小表示易发性越低。
3. 结果与讨论
3.1 证据权重计算结果和相关性分析
证据权重计算结果（表2、图4）与1.3节可相互印证。在地形高程方面，1800～1850 m、1920～1950 m和1950～2000 m段利于地质灾害发生，正权重0.5550、1.1758和0.6439。>35°和15°～25°的山体斜坡较易于地质灾害发生，正权重0.5436和0.3785。坡向因素各分级权重值均不高，表明坡向对地质灾害发生的驱动作用可能不太显著。坡面曲率结果显示，−0.75～−0.28（凹形）和−0.28～−0.15（凹形）两个凹形坡分级段较易于地质灾害发生，正权重0.5690和0.7577。工程地质岩组各岩组分类的正权重值总体不高，但砂岩、泥岩、页岩岩组的统计结果仍然表现出对地质灾害发生的较有利性，其正权重0.4474，高于排在第二位的石英砂岩岩组（正权重值为0.2947）。距断层距离和距主要公路距离因素统计结果均显示出了较明显的距离效应，即距断裂或主要公路远的地区与地质灾害发生负相关，距断裂0～50 m和距主要公路0～50 m、50～100 m易于地质灾害发生，其正权重0.7973、0.9820和0.5111。裸地或稀疏植被地区是易于地质灾害发生的区域，其正权重0.8719。
表 2 因素证据权重计算结果表Table 2. Calculation results of factor evidence weights因素 因素分级 因素面积
百分比/%地灾数
百分比/%正权重
W+W+的
标准差${\sigma }_{{W}^{+}}^{} $负权重W− W−的
标准差${\sigma }_{{W}^{-}}^{} $综合权重
$ {W}_{{\rm{f}}} $$ {W}_{{\rm{f}}} $的
标准差${\sigma }_{{W}_{{\rm{f}}}} $Student−T 分类
归并归并后
权重权重
标准差高程/m <1735 0.01 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.2744 0.1607 1735～1800 0.36 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.2744 0.1607 1 800～1 850 0.65 1.12 0.5550 1.0082 −0.0048 0.1071 0.5598 1.0138 0.5522 合并 −0.2744 0.1607 1 850～1 900 9.55 10.11 0.0574 0.3350 −0.0063 0.1123 0.0636 0.3533 0.1801 合并 −0.2744 0.1607 1 900～1 920 6.81 4.49 −0.4186 0.5015 0.0248 0.1090 −0.4434 0.5133 −0.8639 合并 −0.2744 0.1607 1 920～1 950 6.73 21.35 1.1758 0.2329 −0.1720 0.1200 1.3478 0.2620 5.1444 4 1.1758 0.2329 1 950～2 000 12.50 23.60 0.6439 0.2202 −0.1368 0.1218 0.7807 0.2516 3.1032 5 0.6439 0.2202 2 000～2 100 23.25 11.24 −0.7318 0.3169 0.1468 0.1131 −0.8787 0.3365 −2.6110 13 −0.7318 0.3169 2 100～2 200 18.86 20.22 0.0708 0.2369 −0.0172 0.1192 0.0879 0.2652 0.3315 合并 −0.2744 0.1607 2 200～2 300 11.48 4.49 −0.9436 0.5009 0.0767 0.1090 −1.0203 0.5126 −1.9903 合并 −0.2744 0.1607 2 300～2 400 7.02 3.37 −0.7383 0.5786 0.0389 0.1084 −0.7772 0.5887 −1.3201 合并 −0.2744 0.1607 2 400～2 500 2.61 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.2744 0.1607 >2 500 0.19 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.2744 0.1607 坡度/(°) <5 18.72 4.49 −1.4297 0.5006 0.1620 0.1091 −1.5916 0.5123 −3.1068 5 −1.4297 0.5006 5～15 38.32 37.08 −0.0288 0.1749 0.0174 0.1343 −0.0462 0.2205 −0.2093 合并 0.0221 0.1450 15～25 28.72 41.57 0.3785 0.1655 −0.2023 0.1392 0.5808 0.2163 2.6853 3 0.3785 0.1655 25～35 11.60 12.36 0.0688 0.3030 −0.0093 0.1138 0.0782 0.3237 0.2416 合并 0.0221 0.1450 >35 2.64 4.49 0.5436 0.5040 −0.0195 0.1090 0.5632 0.5157 1.0921 合并 0.0221 0.1450 坡向 北东 9.72 11.24 0.1460 0.3179 −0.0171 0.1130 0.1631 0.3374 0.4833 合并 −0.0001 0.1065 东 12.77 15.73 0.2107 0.2688 −0.0349 0.1160 0.2456 0.2928 0.8388 合并 −0.0001 0.1065 南东 16.92 19.10 0.1222 0.2438 −0.0268 0.1184 0.1490 0.2710 0.5496 合并 −0.0001 0.1065 南 13.16 11.24 −0.1592 0.3175 0.0221 0.1130 −0.1813 0.3370 −0.5379 合并 −0.0001 0.1065 南西 10.57 10.11 −0.0448 0.3348 0.0052 0.1123 −0.0500 0.3532 −0.1415 合并 −0.0001 0.1065 西 13.45 6.74 −0.6954 0.4092 0.0754 0.1103 −0.7707 0.4238 −1.8186 合并 −0.0001 0.1065 北西 14.58 12.36 −0.1667 0.3027 0.0259 0.1138 −0.1926 0.3234 −0.5955 合并 −0.0001 0.1065 北 8.82 13.48 0.4290 0.2908 −0.0529 0.1145 0.4819 0.3125 1.5423 合并 −0.0001 0.1065 坡面
曲率−0.75～−0.28（凹形） 3.20 5.62 0.5690 0.4509 −0.0255 0.1096 0.5945 0.4640 1.2812 合并 0.0960 0.1367 −0.28～−0.15（凹形） 10.64 22.47 0.7577 0.2258 −0.1432 0.1209 0.9009 0.2562 3.5171 1 0.7577 0.2258 −0.15～−0.05（凹形） 19.66 26.97 0.3197 0.2054 −0.0962 0.1246 0.4159 0.2403 1.7311 合并 0.0960 0.1367 −0.05～0.05（平坦） 34.18 16.85 −0.7119 0.2588 0.2362 0.1169 −0.9482 0.2840 −3.3388 6 −0.7119 0.2588 0.05～0.15（凸形） 17.53 21.35 0.1990 0.2307 −0.0478 0.1201 0.2468 0.2601 0.9489 合并 0.0960 0.1367 0.15～0.28（凸形） 11.00 5.62 −0.6766 0.4483 0.0593 0.1097 −0.7359 0.4615 −1.5945 合并 0.0960 0.1367 0.28～0.69（凸形） 3.78 1.12 −1.2194 1.0014 0.0275 0.1071 −1.2469 1.0071 −1.2381 合并 0.0960 0.1367 工程
地质
岩组松散碎石土体 13.15 6.74 −0.6736 0.4092 0.0720 0.1103 −0.7456 0.4238 −1.7592 合并 −0.1844 0.1329 石英砂岩 7.55 10.11 0.2947 0.3354 −0.0283 0.1123 0.3230 0.3537 0.9131 合并 −0.1844 0.1329 砂岩、泥岩、页岩 23.08 35.96 0.4474 0.1781 −0.1844 0.1330 0.6318 0.2222 2.8430 3 0.4474 0.1781 白云岩、灰岩 38.88 37.08 −0.0491 0.1749 0.0301 0.1343 −0.0793 0.2205 −0.3596 合并 −0.1844 0.1329 玄武岩 16.94 10.11 −0.5206 0.3343 0.0800 0.1124 −0.6005 0.3526 −1.7029 合并 −0.1844 0.1329 侵入岩脉 0.29 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.1844 0.1329 距断层
距离/m0～50 5.63 12.36 0.7973 0.3046 −0.0746 0.1137 0.8719 0.3252 2.6814 3 0.7973 0.3046 50～100 5.86 5.62 −0.0429 0.4492 0.0026 0.1096 −0.0455 0.4624 −0.0985 合并 −0.0746 0.1137 100～300 19.87 19.10 −0.0397 0.2436 0.0096 0.1184 −0.0493 0.2709 −0.1822 合并 −0.0746 0.1137 300～500 16.11 20.22 0.2299 0.2371 −0.0508 0.1192 0.2806 0.2654 1.0574 合并 −0.0746 0.1137 500～1000 26.12 17.98 −0.3764 0.2508 0.1056 0.1177 −0.4820 0.2770 −1.7397 合并 −0.0746 0.1137 1000～2 000 22.75 24.72 0.0840 0.2143 −0.0261 0.1227 0.1101 0.2469 0.4457 合并 −0.0746 0.1137 >2000 3.66 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.0746 0.1137 距主要
公路
距离/m0～50 11.11 29.21 0.9820 0.1986 −0.2296 0.1265 1.2116 0.2354 5.1469 3 0.9820 0.1986 50～100 8.14 13.48 0.5111 0.2909 −0.0605 0.1145 0.5716 0.3126 1.8284 合并 −0.1257 0.1296 100～300 20.62 20.22 −0.0196 0.2368 0.0050 0.1192 −0.0247 0.2651 −0.0931 合并 −0.1257 0.1296 300～500 12.53 3.37 −1.3195 0.5781 0.1005 0.1084 −1.4201 0.5882 −2.4144 4 −1.3195 0.5781 500～1000 17.21 16.85 −0.0210 0.2594 0.0043 0.1168 −0.0253 0.2845 −0.0889 合并 −0.1257 0.1296 1000～2 000 16.67 10.11 −0.5038 0.3343 0.0765 0.1124 −0.5803 0.3527 −1.6455 合并 −0.1257 0.1296 >2000 13.72 6.74 −0.7153 0.4092 0.0785 0.1103 −0.7939 0.4238 −1.8733 合并 −0.1257 0.1296 土地
利用
类型林地 54.70 28.09 −0.0794 0.1497 0.0883 0.1515 −0.1676 0.2130 −0.7870 合并 −0.1287 0.1183 灌木 0.14 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.1287 0.1183 草地 7.39 8.99 0.1979 0.3556 −0.0176 0.1116 0.2155 0.3727 0.5783 合并 −0.1287 0.1183 耕地 16.54 10.11 −0.4955 0.3343 0.0749 0.1124 −0.5704 0.3527 −1.6174 合并 −0.1287 0.1183 建筑 12.82 11.24 −0.1332 0.3175 0.0182 0.1130 −0.1514 0.3370 −0.4492 合并 −0.1287 0.1183 裸地或稀疏植被 8.09 41.57 0.8719 0.2452 −0.1287 0.1183 1.0006 0.2723 3.6746 4 0.8719 0.2452 开阔水域 0.32 0.00 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 合并 −0.1287 0.1183 3.2 模型ROC曲线和AUC
采用接受者操作特性曲线（Receiver Operating Characteristic Curve，ROC）和ROC 曲线下与坐标轴围成的面积（Area Under Curve，AUC）[29-32]评估模型拟合精度。模型拟合精度越好则AUC越接近1，0.7～0.9时表示较好。文中建立的证据权法模型的AUC为80.4%，拟合精度优异（图5）。
3.3 易发性评价结果
综合自然间断点分级和地质灾害分布，圈定了高易发区、中易发区和低易发区（表3、图6），其中高易发区188.55 km2（占研究区总面积的49.41%），中易发区152.21 km2（占研究区总面积的39.88%），89.9%和9.1%的地灾点落入高易发区和中易发区，显示易发性分区符合已发地质灾害分布，模型预测性能较好。
表 3 地质灾害易发性分区表Table 3. Form of geological hazard susceptibility zoning易发性
分区面积/
km2占总面积/
%编号 面积/
km2占大区/
面积%灾点数 灾点密度/
(个·km−2)地质灾害
高易发区（Ⅰ）188.55 49.41 Ⅰ1 152.32 80.79 64 0.41 Ⅰ2 17.93 9.51 9 0.50 Ⅰ3 16.11 8.54 8 0.94 Ⅰ4 2.19 1.16 1 0.46 地质灾害
中易发区（Ⅱ）152.21 39.88 Ⅱ1 1.30 0.85 − − Ⅱ2 18.82 12.36 2 0.11 Ⅱ3 15.03 9.87 1 0.07 Ⅱ4 12.92 8.49 − − Ⅱ5 18.51 12.16 2 0.11 Ⅱ6 9.12 5.99 − − Ⅱ7 44.66 29.34 − − Ⅱ8 12.34 8.11 1 0.08 Ⅱ9 11.73 7.71 − − Ⅱ10 7.78 5.11 − − 低易发区（Ⅲ） 47.40 12.42 Ⅲ1 47.40 100 1 0.02 结合地质环境因素特征分析西部高易发区（图6蓝色框范围内、图7）主要位于砂岩、泥岩和页岩岩组，断裂构造较密集，以山谷斜坡地貌为主，坡度15°～25°和>35°较陡峭斜坡范围成片发育且面积较广，主要公路建于本区山谷，裸地/稀疏植被和草地连片覆盖范围较大。预测圈定的高易发区的这些分布特征，与上文分析得到的地质灾害控制因素特征吻合，预测结果符合地质灾害空间分布特征。
4. 结论
（1）“因子面积百分比A”“地灾数百分比B”和“比率β”，以及各因素各分类地质灾害证据权重可以定量地分析各因素与地质灾害发生的相关性。
（2）圈定高易发区188.55 km2（占总面积的49.41%），中易发区152.21 km2（占总面积的39.88%），易发性分区图具有较好的等级区分度。
（3）通过证据权法绘制的地质灾害易发性图可以有效地预测该区地质灾害，模型拟合精度AUC=80.4%。89.9%和9.1%的地灾点落入高和中易发区，建模结果与实际地质灾害发育情况吻合度高，较好地揭示了研究区地质灾害易发性特征。
（4）证据权法在研究区这类云南高原低山丘陵区有效性高，方法理论清晰，较为成熟，由数据驱动，参数定义明确，易于一线工程师推广使用。同时，该方法权重的估计和模型预测性能受预测因子选择、因子数据空间分辨率、因子分级影响较大，具体工作中宜对这些问题进行深入研究和统计分析。建议通过对因子分级进行显著性测试实施优选，减小对权重的高估或低估，提高模型效能。
-
![]()
图 4 地质灾害易发性评价指标空间分布图
Figure 4. Spatial distribution of geological hazard susceptibility evaluation indicators
![]()
图 6 流域易发性影响因素重要性分布图
Figure 6. Importance distribution of factors affecting the vulnerability
![]()
图 7 流域地质灾害易发性分布
Figure 7. Distribution map of geological hazard susceptibility in Jinsha River Basin
表 1 按规模等级与稳定性划分灾害点等级
Table 1 Classification of disaster site level by size class
规模等级 数量/处 占比/% 稳定性评价 数量/处 占比/% 巨型 3 0.13 稳定 44 1.94 特大型 9 0.40 较稳定 425 18.70 大型 116 5.10 稳定性较差 818 35.99 中型 676 29.74 不稳定 831 36.56 小型 1469 64.63 易发 154 6.78 
下载: 导出CSV
表 2 按险情等级划分灾害点等级
Table 2 Classification of disaster sites by danger level
险情等级 数量/处 占比/% Ⅰ级 10 0.44 Ⅱ级 53 2.33 Ⅲ级 324 14.25 Ⅳ级 1886 82.97
下载: 导出CSV
表 3 按距河流、道路距离划分
Table 3 Classification based on distance from rivers and roads
距离/m 距道路距离 距河流距离 数量/处 占比/% 数量/处 占比/% (0,100] 1092 48.04 742 32.64 (100,200] 287 12.63 455 20.02 (200,300] 168 7.39 247 10.87 >300 726 31.94 829 36.47
下载: 导出CSV
序号 硬度分组 主要岩性描述 赋值 1 坚硬岩类 变质岩、二长斑岩、闪长岩、石英砂岩、石英岩、长石、正长岩、
玄武岩、花岗岩、辉绿岩、安山岩、中厚层灰岩和板岩等0.1 2 较坚硬岩类 板岩、基性火山岩、碳酸盐岩、变质砂岩、超基性岩、大理岩、碎屑岩、中性火山岩等 0.3 3 较坚硬-较软弱岩类 片岩、片麻岩类等 0.5 4 较软岩类 灰岩、千枚岩、砂质泥岩、泥灰岩、粉砂岩等 0.7 5 软岩类 泥岩、泥质页岩、绿泥石片岩、粉砂岩、灰砂岩、灰岩粉砂岩、角闪片岩、
砾岩、泥岩、千枚岩砂岩、砂岩、页岩、绢云母片岩等0.9
下载: 导出CSV
表 5 地质灾害点密度与各指标相关性
Table 5 Correlation between geological hazard sites and each index
参数 海拔 坡度 地形起伏度 岩性 断层密度 年均降水量 河流密度 道路密度 NDVI 居民点密度 取值 −0.253*** −0.084 0.095* 0.251** 0.055*** −0.001 0.046 0.052 0.054* 0.056** 注：*为通过0.1显著性检验，**为通过0.05显著性检验，***为通过0.01显著性检验，未标记为未通过显著性检验。
下载: 导出CSV
-
[1] IPCC. Climate Change 2021: The Physical Science Basis[R]. Geneva: IPCC, 2021.
[2] 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) DOI: 10.3969/j.issn.1006-6616.2017.01.002 [3] 殷跃平. 中国地质灾害减灾战略初步研究[J]. 中国地质灾害与防治学报,2004,15(2):1 − 8. [YIN Yueping. Initial study on the hazard-relief strategy of geological hazard in China[J]. The Chinese Journal of Geological Hazard and Control,2004,15(2):1 − 8. (in Chinese with English abstract) DOI: 10.3969/j.issn.1003-8035.2004.02.001 [4] 自然资源部. 2019年全国地质灾害通报[R]. 北京: 中华人民共和国自然资源部, 2020 Ministry of Natural Resources of People’s Republic of China. The Bulletin of National Geological Disaster in 2019[R]. Beijing: Ministry of Natural Resources of People’s Republic of China. 2020. （in Chinese with English abstract）
[5] 彭惠,穆柯,董元宏. 川藏交通走廊冻融侵蚀风险评价与区划研究[J]. 公路,2019,64(10):157 − 161. [PENG Hui,MU Ke,DONG Yuanhong. Research on risk assessment and regionalization of freeze-thaw erosion in Sichuan-Tibet transportation corridor[J]. Highway,2019,64(10):157 − 161. (in Chinese with English abstract) [6] 谭玉敏,郭栋,白冰心,等. 基于信息量模型的涪陵区地质灾害易发性评价[J]. 地球信息科学学报,2015,17(12):1554 − 1562. [TAN Yumin,GUO Dong,BAI Bingxin,et al. Geological hazard risk assessment based on information quantity model in Fuling District,Chongqing City,China[J]. Journal of Geo-Information Science,2015,17(12):1554 − 1562. (in Chinese with English abstract) [7] 赵帅,赵洲. 基于信息量模型的地质灾害易发性评价[J]. 水力发电,2019,45(3):27 − 32. [ZHAO Shuai,ZHAO Zhou. Geological hazard risk assessment based on information quantity model[J]. Water Power,2019,45(3):27 − 32. (in Chinese with English abstract) DOI: 10.3969/j.issn.0559-9342.2019.03.007 [8] 陈立华,李立丰,吴福,等. 基于GIS与信息量法的北流市地质灾害易发性评价[J]. 地球与环境,2020,48(4):471 − 479. [CHEN Lihua,LI Lifeng,WU Fu,et al. Evaluation of the geological hazard vulnerability in the Beiliu City based on GIS and information value model[J]. Earth and Environment,2020,48(4):471 − 479. (in Chinese with English abstract) [9] 王哲,易发成. 基于层次分析法的绵阳市地质灾害易发性评价[J]. 水文地质工程地质,2007,34(3):93 − 98. [WANG Zhe,YI Facheng. Evaluation of geological hazard probability of occurrence based on analytical hierarchy process in Mianyang City[J]. Hydrogeology & Engineering Geology,2007,34(3):93 − 98. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-3665.2007.03.024 [10] 金艳珠,谈树成,虎雄岗,等. 基于层次分析法与GIS相结合的岩溶塌陷地质灾害易发性分区评估—以云南省师宗县为例[J]. 热带地理,2012,32(2):173 − 178. [JIN Yanzhu,TAN Shucheng,HU Xionggang,et al. Geo-hazard susceptibility zoning evaluation of Karst collapse based on the combination of AHP and GIS:A case study of Shizong,Yunnan[J]. Tropical Geography,2012,32(2):173 − 178. (in Chinese with English abstract) DOI: 10.3969/j.issn.1001-5221.2012.02.010 [11] 李郎平,兰恒星,郭长宝,等. 基于改进频率比法的川藏铁路沿线及邻区地质灾害易发性分区评价[J]. 现代地质,2017,31(5):911 − 929. [LI Langping,LAN Hengxing,GUO Changbao,et al. Geohazard susceptibility assessment along the Sichuan-Tibet railway and its adjacent area using an improved frequency ratio method[J]. Geoscience,2017,31(5):911 − 929. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-8527.2017.05.004 [12] CHOI J,OH H J,LEE H J,et al. Combining landslide susceptibility maps obtained from frequency ratio,logistic regression,and artificial neural network models using ASTER images and GIS[J]. Engineering Geology,2012,124:12 − 23. DOI: 10.1016/j.enggeo.2011.09.011
[13] LEE S,SAMBATH T. Landslide susceptibility mapping in the Damrei Romel area,Cambodia using frequency ratio and logistic regression models[J]. Environmental Geology,2006,50(6):847 − 855. DOI: 10.1007/s00254-006-0256-7
[14] YILMAZ I. Landslide susceptibility mapping using frequency ratio,logistic regression,artificial neural networks and their comparison:a case study from Kat landslides (Tokat—Turkey)[J]. Computers & Geosciences,2009,35(6):1125 − 1138.
[15] ROSSI M,GUZZETTI F,REICHENBACH P,et al. Optimal landslide susceptibility zonation based on multiple forecasts[J]. Geomorphology,2010,114(3):129 − 142. DOI: 10.1016/j.geomorph.2009.06.020
[16] 田春山,刘希林,汪佳. 基于CF和Logistic回归模型的广东省地质灾害易发性评价[J]. 水文地质工程地质,2016,43(6):154 − 161. [TIAN Chunshan,LIU Xilin,WANG Jia. Geohazard susceptibility assessment based on CF model and Logistic Regression models in Guangdong[J]. Hydrogeology & Engineering Geology,2016,43(6):154 − 161. (in Chinese with English abstract) [17] 黄健敏,赵国红,廖芸婧,等. 基于Logistic回归的降雨诱发区域地质灾害易发性区划及预报模型建立—以安徽歙县为例[J]. 中国地质灾害与防治学报,2016,27(3):98 − 105. [HUANG Jianmin,ZHAO Guohong,LIAO Yunjing,et al. Research on rainfall induced regional geo-hazard forecast model based on the logistic regression[J]. The Chinese Journal of Geological Hazard and Control,2016,27(3):98 − 105. (in Chinese with English abstract) [18] 祁于娜,王磊. 层次分析-熵值定权法应用于山区城镇地质灾害易发性评价[J]. 测绘通报,2021(6):112 − 116. [QI Yuna,WANG Lei. Application of AHP-entropy weight method in hazards susceptibility assessment in mountain town[J]. Bulletin of Surveying and Mapping,2021(6):112 − 116. (in Chinese with English abstract) [19] 陈绪钰,倪化勇,李明辉,等. 基于加权信息量和迭代自组织聚类的地质灾害易发性评价[J]. 灾害学,2021,36(2):71 − 78. [CHEN Xuyu,NI Huayong,LI Minghui,et al. Geo-hazard susceptibility evaluation based on weighted information value model and ISODATA cluster[J]. Journal of Catastrophology,2021,36(2):71 − 78. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2021.02.013 [20] 李远远,梅红波,任晓杰,等. 基于确定性系数和支持向量机的地质灾害易发性评价[J]. 地球信息科学学报,2018,20(12):1699 − 1709. [LI Yuanyuan,MEI Hongbo,REN Xiaojie,et al. Geological disaster susceptibility evaluation based on certainty factor and support vector machine[J]. Journal of Geo-Information Science,2018,20(12):1699 − 1709. (in Chinese with English abstract) DOI: 10.12082/dqxxkx.2018.180349 [21] 曹鹏,黎应书,李宗亮,等. 西藏昌都白格滑坡斜坡地质结构特征及成因机制[J]. 地球科学,2021,46(9):3397 − 3409. [CAO Peng,LI Yingshu,LI Zongliang,et al. Geological structure characteristics and genetic mechanism of baige landslide slope in Changdu,Tibet[J]. Earth Science,2021,46(9):3397 − 3409. (in Chinese with English abstract) [22] 邓建辉,高云建,余志球,等. 堰塞金沙江上游的白格滑坡形成机制与过程分析[J]. 工程科学与技术,2019,51(1):9 − 16. [DENG Jianhui,GAO Yunjian,YU Zhiqiu,et al. Analysis on the formation mechanism and process of baige landslides damming the upper reach of Jinsha River,China[J]. Advanced Engineering Sciences,2019,51(1):9 − 16. (in Chinese with English abstract) [23] 李孝攀. 基于GIS的甘孜—昌都区域地质灾害易发性区划及其铁路线路规划设计应用研究[D]. 成都: 西南交通大学, 2018 LI Xiaopan. Research on geological hazard space division and application of railway line planning and design in Ganzi-Changdu region based on GIS[D]. Chengdu: Southwest Jiaotong University, 2018. （in Chinese with English abstract）
[24] 高华喜,殷坤龙. 降雨与滑坡灾害相关性分析及预警预报阀值之探讨[J]. 岩土力学,2007,28(5):1055 − 1060. [GAO Huaxi,YIN Kunlong. Discuss on the correlations between landslides and rainfall and threshold for landslide early-warning and prediction[J]. Rock and Soil Mechanics,2007,28(5):1055 − 1060. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-7598.2007.05.039 [25] 王腾,孙晓光,卓永,等. 近36年藏东“三江”流域农业气候资源变化特征[J]. 中国农学通报,2017,33(9):106 − 113. [WANG Teng,SUN Xiaoguang,ZHUO Yong,et al. Agricultural climate resources:variation characteristics in the river source region of eastern Tibet in recent 36 years[J]. Chinese Agricultural Science Bulletin,2017,33(9):106 − 113. (in Chinese with English abstract) DOI: 10.11924/j.issn.1000-6850.casb16120095 [26] 毛刚,胡月萍,陈媛. 地质灾害频发山区聚落安全性探索—以横断山系的集镇和村庄为例[J]. 西安建筑科技大学学报(自然科学版),2014,46(1):101 − 108. [MAO Gang,HU Yueping,CHEN Yuan. The safety of the settlement in mountain area with frequent geological disasters:Examples of villages and towns in the Hengduan Mountains[J]. Journal of Xi'an University of Architecture & Technology (Natural Science Edition),2014,46(1):101 − 108. (in Chinese with English abstract) [27] 昌都市统计局国家调查局昌都调查队. 2018年昌都地区统计年鉴[Z]. 昌都, 2019 Changdu City Bureau of Statistics National Bureau of Investigation Changdu Survey Team. 2018 Changdu Regional Statistical Yearbook[Z]. Changdu, 2019. （in Chinese with English abstract）
[28] 唐川,马国超. 基于地貌单元的小区域地质灾害易发性分区方法研究[J]. 地理科学,2015,35(1):91 − 98. [TANG Chuan,MA Guochao. Small regional geohazards susceptibility mapping based on geomorphic unit[J]. Scientia Geographica Sinica,2015,35(1):91 − 98. (in Chinese with English abstract) [29] 鲁霞,兰安军,母浩江,等. 基于信息量模型的盘州市地质灾害易发性评价[J]. 科学技术与工程,2020,20(14):5544 − 5551. [LU Xia,LAN Anjun,MU Haojiang,et al. Geological hazard risk assessment based on information quantity model in Panzhou City[J]. Science Technology and Engineering,2020,20(14):5544 − 5551. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-1815.2020.14.013 [30] 中华人民共和国国土资源部. 地质灾害排查规范: DZ/T 0284—2015[S]. 北京: 中国标准出版社, 2015 Ministry of Land and Resources of the People’s Republic of China. Specification of dynamic survey on geological hazards: DZ/T 0284—2015[S]. Beijing: Standards Press of China, 2015. （in Chinese）
[31] 中华人民共和国国土资源部. 滑坡崩塌泥石流调查规范: DZ/T0261-2014[S]. 北京: 中华人民共和国自然资源部, 2014 Ministry of Natural Resources of People’s Republic of China. Landslide and debris flow investigation specifications: DZ/T0261-2014[S]. Beijing: Ministry of Natural Resources of People’s Republic of China. 2014. （in Chinese with English abstract）
[32] 王盈,金家梁,袁仁茂. 藏东南地区地质灾害空间分布及影响因素分析[J]. 地震研究,2019,42(3):428 − 437. [WANG Ying,JIN Jialiang,YUAN Renmao. Analysis on spatial distribution and influencing factors of geological disasters in southeast Tibet[J]. Journal of Seismological Research,2019,42(3):428 − 437. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-0666.2019.03.017 [33] 田丰,张军,冉有华,等. 甘肃陇南市泥石流灾害危险性及影响因子评价[J]. 灾害学,2017,32(3):197 − 203. [TIAN Feng,ZHANG Jun,RAN Youhua,et al. Assessment of debris flow disaster hazard and influence factors in Longnan District[J]. Journal of Catastrophology,2017,32(3):197 − 203. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2017.03.033 [34] BREIMAN L. Random forests[J]. Machine Learning,2001,45:5 − 32. DOI: 10.1023/A:1010933404324
[35] REICHSTEIN M,CAMPS-VALLS G,STEVENS B,et al. Deep learning and process understanding for data-driven Earth system science[J]. Nature,2019,566(7743):195 − 204. DOI: 10.1038/s41586-019-0912-1
[36] 方匡南,吴见彬,朱建平,等. 随机森林方法研究综述[J]. 统计与信息论坛,2011,26(3):32 − 38. [FANG Kuangnan,WU Jianbin,ZHU Jianping,et al. A review of technologies on random forests[J]. Statistics & Information Forum,2011,26(3):32 − 38. (in Chinese with English abstract) DOI: 10.3969/j.issn.1007-3116.2011.03.006 [37] 廖小平,徐风光,蔡旭东,等. 香丽高速公路边坡地质灾害发育特征与易发性区划[J]. 中国地质灾害与防治学报,2021,32(5):121 − 129. [LIAO Xiaoping,XU Fengguang,CAI Xudong,et al. Development characteristics and susceptibality zoning of slope geological hazards in Xiangli expressway[J]. The Chinese Journal of Geological Hazard and Control,2021,32(5):121 − 129. (in Chinese with English abstract) [38] 屠水云,张钟远,付弘流,等. 基于CF与CF-LR模型的地质灾害易发性评价[J]. 中国地质灾害与防治学报,2022,33(2):96 − 104. [TU Shuiyun,ZHANG Zhongyuan,FU Hongliu,et al. Geological hazard susceptibility evaluation based on CF and CF-LR model[J]. The Chinese Journal of Geological Hazard and Control,2022,33(2):96 − 104. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.2022.02-12 [39] 罗守敬,王珊珊,付德荃. 北京山区突发性地质灾害易发性评价[J]. 中国地质灾害与防治学报,2021,32(4):126 − 133. [LUO Shoujing,WANG Shanshan,FU Dequan. Assessment on the susceptibility of sudden geological hazards in mountainous areas of Beijing[J]. The Chinese Journal of Geological Hazard and Control,2021,32(4):126 − 133. (in Chinese with English abstract) [40] 刘坚,李树林,陈涛. 基于优化随机森林模型的滑坡易发性评价[J]. 武汉大学学报·信息科学版,2018,43(7):1085 − 1091. [LIU Jian,LI Shulin,CHEN Tao. Landslide susceptibility assesment based on optimized random forest model[J]. Geomatics and Information Science of Wuhan University,2018,43(7):1085 − 1091. (in Chinese with English abstract) [41] 刘飞. 青藏高原生态风险综合评估与区域分异[D]. 西宁: 青海师范大学, 2020 LIU Fei. Comprehensive assessment ecological risk and regional differentiation in the Qinghai-Tibet Plateau[D]. Xining: Qinghai Normal University, 2020. （in Chinese with English abstract）
[42] 向茂西,李永红,贺卫中,等. 陕西省汉中市汉台区地质灾害形成条件分析[J]. 科技视界,2014(9):37 − 39. [XIANG Maoxi,LI Yonghong,HE Weizhong,et al. Analysis of the formation conditions of geological disaster in Hantai,Hanzhong,Shaanxi[J]. Science & Technology Vision,2014(9):37 − 39. (in Chinese with English abstract) DOI: 10.19694/j.cnki.issn2095-2457.2014.09.024 [43] 张田田,杨为民,万飞鹏. 浑河断裂带地质灾害发育特征及其成因机制[J]. 吉林大学学报(地球科学版),2022,52(1):149 − 161. [ZHANG Tiantian,YANG Weimin,WAN Feipeng. Characteristics and formation mechanism of geohazards in Hunhe fault zone[J]. Journal of Jilin University (Earth Science Edition),2022,52(1):149 − 161. (in Chinese with English abstract) -
期刊类型引用(23)
1. 马明明，伍尚前，谢猛，童鹏，袁晓波. 决策树分类在铁路沿线桉树提取及滑坡隐患识别中的应用——以贵广高铁广西段为例. 中国地质灾害与防治学报. 2025(01): 37-45 . 
本站查看
2. 刘亚静，刘红健. 基于信息量-随机森林模型的地震带地质灾害易发性评价：以松潘-较场地震带为例. 科学技术与工程. 2024(01): 143-154 . 百度学术
3. 黄海，江思义，李海良，李春玲，吴秋菊. 岩溶地区危岩和岩质崩塌易发性评价研究——以广西贺州市平桂区为例. 成都理工大学学报(自然科学版). 2024(01): 137-151 . 百度学术
4. 刘玥，申玉松，李旭，张迪. 基于不同耦合模型的区域地质灾害易发性评价——以河南商城县为例. 中国地质调查. 2024(01): 83-92 . 百度学术
5. 高茂宁，魏冠军，雷传金，张沛. 顾及时序InSAR的海东市辖区滑坡敏感性评价. 地理空间信息. 2024(05): 97-101 . 百度学术
6. 石文君，王宇栋，解晋航，李章杰，梁形形. 基于多种模型对比的寻甸县地质灾害易发性分析. 矿产勘查. 2024(06): 1092-1102 . 百度学术
7. 寸得欣，令狐昌卫，马一奇，尹林虎，陈庆松，刘振南，涂春霖. 基于GIS和加权信息量模型的富源县地质灾害易发性评价. 科学技术与工程. 2024(18): 7563-7573 . 百度学术
8. 冯振，陈亮，王立朝，侯圣山，田怡帆，刘明学. 区域地质灾害易发性评价的证据权法原理与实践. 地质通报. 2024(07): 1255-1265 . 百度学术
9. 张宇，简季，郝利娜，杨鑫. 基于IV-MLP耦合模型的龙陵县滑坡易发性评价. 物探化探计算技术. 2024(05): 618-626 . 百度学术
10. 桂富羽，史正涛，喜文飞，付尧，郭峻杞. 基于证据权模型的滑坡灾害易发性评价研究——以普洱市为例. 城市勘测. 2024(05): 188-193+198 . 百度学术
11. 梁峰，江攀和. 基于IVM-CF耦合模型的贵定县滑坡地质灾害易发性评价. 水利水电技术(中英文). 2024(S2): 669-677 . 百度学术
12. 裴鹏程，黄帅，袁静，张智康. 走滑断层作用下上覆土层的变形破坏机理. 中国地质灾害与防治学报. 2024(06): 115-127 . 本站查看
13. 赖波，赵风顺，江金进，江山，江宁，李俊生. 基于AHP-信息量法的珠海市地质灾害风险评价. 华南地质. 2023(01): 147-156 . 百度学术
14. 阮征，周少伟，姚胜，田垚. 黄土高原腹地地质灾害致灾因素分析及易发性评价. 科技导报. 2023(10): 115-124 . 百度学术
15. 王伟中，李树兴，杨成，许涛，宋飞，曹小红，李浩然，王伟华. 基于GIS和证据权模型的山阳县地质灾害易发性评价. 新疆地质. 2023(02): 262-269 . 百度学术
16. 黄鑫，吴珍云，丁德建，李希星，石祖峰，祝民强，孙彬涵. 基于信息量-逻辑回归模型的江西省婺源县地质灾害易发性评价. 东华理工大学学报(自然科学版). 2023(03): 259-268 . 百度学术
17. 曾斌，吕权儒，寇磊，艾东，许汇源，袁晶晶. 基于Logistic回归和随机森林的清江流域长阳库岸段堆积层滑坡易发性评价. 中国地质灾害与防治学报. 2023(04): 105-113 . 本站查看
18. 胡杨，张紫昭，林世河. 基于证据权与逻辑回归耦合的新疆伊犁河谷地区滑坡易发性评价. 工程地质学报. 2023(04): 1350-1363 . 百度学术
19. 张潇远，苏巧梅，赵财胜，朱月琴，李凯新，范锦龙，白东升. 一种利用贝叶斯算法优化XGBoost的滑坡易发性评价方法. 测绘科学. 2023(06): 140-150 . 百度学术
20. 张华湘，孙乾征，樊善兴，杨子林. 滑坡易发性评价方法和精度比较——以贵州省大方县为例. 贵州地质. 2023(03): 302-309+295 . 百度学术
21. 龚芯磊，张斌，高金利，杨洪森. 基于斜坡单元尺度AHP-信息量模型的重点区域地质灾害风险评价——以贵州省紫云县中部重点区为例. 贵州地质. 2023(03): 310-320 . 百度学术
22. 谭燕，崔雨，金华丽，方龙建，葛鹏，付乐意. 基于信息量模型及层次分析法的镇江丹徒区滑坡崩塌地质灾害易发性评价. 昆明冶金高等专科学校学报. 2023(04): 7-15 . 百度学术
23. 董凯，王永卿，蒲秀勇，梁凯丽. 基于信息量法的广西南宁市武鸣区地质灾害易发性评价. 农业灾害研究. 2023(09): 300-303 . 百度学术
其他类型引用(8)
计量
- 文章访问数: 1724
- HTML全文浏览量: 1455
- PDF下载量: 368
- 被引次数: 31
邮件订阅
RSS