Analysis and risk evaluation of current land subsidence in Ningbo City
-
摘要: 针对宁波市地面沉降发展现状及风险评价需求，结合2017—2020年的InSAR遥感监测数据与沉降点监测数据，对近年地面沉降特征进行了分析。在此基础上建立了包括地面高程、沉降易发程度、地面累计沉降量、沉降速率、城市人口密度、建设用地占比重等6个评价因子为主的地面沉降风险评价体系。其中沉降易发程度为综合考虑地质条件、水文地质条件、人为活动影响后的综合性评价因子。地面沉降风险评价结果表明：宁波市地面沉降无高易发区，中、低易发区主要与区内全新世软土层厚大、历史上大量开采地下水、局部高强度城市建设以及沿海围垦工程等因素有关。最后，划分了地面沉降中风险区、低风险区、风险防控带，并提出了相应的地面沉降风险区管控建议。Abstract: In response to evaluating the current status and assessing the risk assessment requirements of land subsidence in Ningbo City, the characteristics of land subsidence in recent years were analyzed using InSAR remote sensing monitoring data and subsidence point monitoring data from 2017 to 2020. Based on this analysis, a land subsidence risk assessment system has been developed, primarily consisting of six evaluation factors, including ground elevation, susceptibility to subsidence, cumulative ground subsidence, subsidence rate, urban population density, and the proportion of construction land usage. The susceptibility to subsidence is a comprehensive evaluation factor that takes into account geological conditions, hydrogeological conditions, and the impact of human activities. The results of the land subsidence risk assessment indicate that there are no high-risk susceptibility zones for land subsidence in Ningbo City. Medium and low-risk susceptibility zones are primarily associated with factors such as the thick layers of the Holocene soft soil, historical excessive groundwater extraction, localized high-intensity urban development, and coastal land reclamation projects within the region. Finally, the areas were categorized into medium-risk, low-risk, and risk prevention zones, along with corresponding control recommendations for land subsidence risk management.
-
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。
-
表 1 地面沉降风险区划影响因素数据来源
Table 1 Data sources of influencing factors for land subsidence risk zoning
序号 沉降带名称 沉降中心 1 杭州湾—泗门沉降带 前湾新区余姚泗门 2 龙山—澥浦—招宝山沉降带 镇海化工区 3 新碶—霞浦—大榭沉降带 新碶大榭沿海区域 4 瞻岐—春晓—梅山沉降带 大嵩新区、春晓梅山围填海区 5 余姚凤山—阳明—
河姆渡沉降带凤山、阳明街道 6 骆驼—庄桥—洪塘—
高桥—集士港沉降带骆驼、庄桥、洪塘街道、
高桥、集士港镇7 东部—鄞南—江口—
西坞沉降带高新区、东部新城、南部商务区、
江口、西坞街道8 环象山港沉降带 奉化莼湖、松岙、象山西周、贤庠 9 新桥—东陈—丹城—
大徐沉降带新桥、大目湾新城、大徐 10 长街—高塘—南田沉降带 南部滨海新区、象山高塘、南田 
下载: 导出CSV
表 2 地面沉降风险区划影响因素权重及分级
Table 2 Weight and classification of factors influencing land subsidence risk zoning
影响因素 权重
（aj）影响因素分级及分值（bj） 3 2 1 地质条件 地面高程/m 0.2 <2 2～4 >4 易发程度 0.1 高易发 中易发 低易发 沉降特征 地面累计沉降量/mm 0.2 >1 000 500～1 000 <500 沉降速率/（mm·a−1） 0.3 >40 20～40 <20 社会经济
发展指标城市人口密度/（万人·km−2） 0.1 0.2 0.1～<0.2 <0.1 建设用地比重/% 0.1 >60 30～60 <30
下载: 导出CSV
表 3 地面沉降风险区等级划分表
Table 3 Classification table of land subsidence risk zone levels
风险区等级 高风险区 中风险区 低风险区 地面沉降综合风险指数（W） >2.5～3.0 1.5～2.5 <1.5
下载: 导出CSV
表 4 地面沉降风险区划影响因素数据来源
Table 4 Data sources of influencing factors for land subsidence risk zoning
数据名称 单位 数据来源 地面高程 m 2019年宁波市各区县高程数字模型
（1∶10 000 DEM）易发程度 依据《地质灾害危险性评估规范》
（DB33/T 881—2012）的计算结果地面累计
沉降量mm InSAR遥感监测数据与沉降点监测数据 沉降速率 mm·a−1 InSAR遥感监测数据与沉降点监测数据 城市人口
密度万人·km−2 宁波市统计年鉴（2020） 建设用地
比重% 第三次全国国土调查成果（2020）
下载: 导出CSV
表 5 宁波市地面沉降风险区管控建议一览表
Table 5 Summary of control recommendations for ground subsidence risk zones in Ningbo City
风险区等级 面积/km2 管控建议 地面沉降
中风险区132.6 ①严格执行地下水禁、限采区管理要求；
②进一步完善“空天地一体化”监测网络，提高地下水位、地面沉降监测频率，提高围填海区域的监测点密度；
③加强重大工程建设项目地面沉降综合防治方案制定；
④加强地面沉降网络和数据库建设，形成与城市线状市政工程建设、运营单位的沉降监测数据共享，各方协同防治沉降的机制地面沉降
低风险区2 214.8 ①继续严格贯彻地下水禁、限采区管理要求；
②进一步完善和优化地面沉降和地下水监测网络，加强日常监管；
③合理布局城市建设规划，加强深基坑等工程建设活动引发的地面沉降监测与管理地面沉降
风险防控带①加强高铁、轨道交通沿线两侧的地下水开发利用及邻近工程降排水管理；
②推进沿线地面沉降监测及系统预警机制建设，加强建设与重大工程密切相关的浅部含水层地下水监测井，完善地面沉降监测网络。
下载: 导出CSV
-
[1] 王福刚,梁秀娟,于军. 可视化地层模型信息系统在地面沉降研究中的应用[J]. 岩土工程学报,2005,27(2):219 − 223. [WANG Fugang,LIANG Xiujuan,YU Jun. The application of the information system of visualized strata model to the research of land subsidence in Suzhou-Wuxi-Changzhou area[J]. Chinese Journal of Geotechnical Engineering,2005,27(2):219 − 223. (in Chinese with English abstract) WANG Fugang, LIANG Xiujuan, YU Jun . The application of the information system of visualized strata model to the research of land subsidence in Suzhou-Wuxi-Changzhou area［J］. Chinese Journal of Geotechnical Engineering,2005 ,27 （2 ）:219 −223 . （in Chinese with English abstract）[2] 刘传正,陈春利. 中国地质灾害防治成效与问题对策[J]. 工程地质学报,2020,28(2):375 − 383. [LIU Chuanzheng,CHEN Chunli. Achievements and countermeasures in risk reduction of geological disasters in China[J]. Journal of Engineering Geology,2020,28(2):375 − 383. (in Chinese with English abstract) LIU Chuanzheng, CHEN Chunli . Achievements and countermeasures in risk reduction of geological disasters in China［J］. Journal of Engineering Geology,2020 ,28 （2 ）:375 −383 . （in Chinese with English abstract）[3] 葛伟丽,李元杰,张春明,等. 基于InSAR技术的内蒙古巴彦淖尔市地面沉降演化特征及成因分析[J]. 水文地质工程地质,2022,49(4):198 − 206. [GE Weili,LI Yuanjie,ZHANG Chunming,et al. An attribution analysis of land subsidence features in the city of Bayannur in Inner Mongolia based on InSAR[J]. Hydrogeology & Engineering Geology,2022,49(4):198 − 206. (in Chinese with English abstract) GE Weili, LI Yuanjie, ZHANG Chunming, et al . An attribution analysis of land subsidence features in the city of Bayannur in Inner Mongolia based on InSAR［J］. Hydrogeology & Engineering Geology,2022 ,49 （4 ）:198 −206 . （in Chinese with English abstract）[4] 何健辉,张进才,陈勇,等. 基于弱光栅技术的地面沉降自动化监测系统[J]. 水文地质工程地质,2021,48(1):146 − 153. [HE Jianhui,ZHANG Jincai,CHEN Yong,et al. Automatic land subsidence monitoring system based on weak-reflection fiber gratings[J]. Hydrogeology & Engineering Geology,2021,48(1):146 − 153. (in Chinese with English abstract) HE Jianhui, ZHANG Jincai, CHEN Yong, et al . Automatic land subsidence monitoring system based on weak-reflection fiber gratings［J］. Hydrogeology & Engineering Geology,2021 ,48 （1 ）:146 −153 . （in Chinese with English abstract）[5] 张严,朱武,赵超英,等. 佛山地铁塌陷InSAR时序监测及机理分析[J]. 工程地质学报,2021,29(4):1167 − 1177. [ZHANG Yan,ZHU Wu,ZHAO Chaoying,et al. Moniting and inversion of Foshan metro collapse with multi-temporal insar and field investigation[J]. Journal of Engineering Geology,2021,29(4):1167 − 1177. (in Chinese with English abstract) ZHANG Yan, ZHU Wu, ZHAO Chaoying, et al . Moniting and inversion of Foshan metro collapse with multi-temporal insar and field investigation［J］. Journal of Engineering Geology,2021 ,29 （4 ）:1167 −1177 . （in Chinese with English abstract）[6] 张阿根,吴建中. 上海地面沉降管理对策与法制建设[J]. 城市地质,2006,1(2):55 − 59. [ZHANG Agen,WU Jianzhong. Management countermeasures and legal system construction for land subsidence in Shanghai[J]. City Geology,2006,1(2):55 − 59. (in Chinese with English abstract) ZHANG Agen, WU Jianzhong . Management countermeasures and legal system construction for land subsidence in Shanghai［J］. City Geology,2006 ,1 （2 ）:55 −59 . （in Chinese with English abstract）[7] 赵团芝,侯艳声,胡新锋. 浙江宁波工程性地面沉降特征与风险区划[J]. 中国地质灾害与防治学报,2015,26(4):36 − 42. [ZHAO Tuanzhi,HOU Yansheng,HU Xinfeng. Characteristic analysis and risk zoning of engineering land subsidence in Ningbo City[J]. The Chinese Journal of Geological Hazard and Control,2015,26(4):36 − 42. (in Chinese with English abstract) ZHAO Tuanzhi, HOU Yansheng, HU Xinfeng . Characteristic analysis and risk zoning of engineering land subsidence in Ningbo City［J］. The Chinese Journal of Geological Hazard and Control,2015 ,26 （4 ）:36 −42 . （in Chinese with English abstract）[8] 赵团芝,侯艳声,胡新锋. 宁波市工程性地面沉降成因分析及防治对策研究[J]. 上海国土资源,2016,37(3):60 − 64. [ZHAO Tuanzhi,HOU Yansheng,HU Xinfeng. Engineering-related land subsidence in Ningbo City:An analysis of its causes and countermeasures[J]. Shanghai Land & Resources,2016,37(3):60 − 64. (in Chinese with English abstract) ZHAO Tuanzhi, HOU Yansheng, HU Xinfeng . Engineering-related land subsidence in Ningbo City: An analysis of its causes and countermeasures［J］. Shanghai Land & Resources,2016 ,37 （3 ）:60 −64 . （in Chinese with English abstract）[9] 赵庆香,黄岁梁,杜晓燕. 天津市地面沉降风险分析研究[J]. 中国公共安全(学术版),2007(3):48 − 53. [ZHAO Qingxiang,HUANG Suiliang,DU Xiaoyan. Risk analysis on land subsidence in Tianjin[J]. China Public Security (Academy Edition),2007(3):48 − 53. (in Chinese with English abstract) ZHAO Qingxiang, HUANG Suiliang, DU Xiaoyan . Risk analysis on land subsidence in Tianjin［J］. China Public Security （Academy Edition）,2007 （3 ）:48 −53 . （in Chinese with English abstract）[10] 胡蓓蓓,姜衍祥,周俊,等. 天津市滨海地区地面沉降灾害风险评估与区划[J]. 地理科学,2008,28(5):693 − 697. [HU Beibei,JIANG Yanxiang,ZHOU Jun,et al. Assessment and zonation of land subsidence disaster risk of Tianjin Binhai area[J]. Scientia Geographica Sinica,2008,28(5):693 − 697. (in Chinese with English abstract) HU Beibei, JIANG Yanxiang, ZHOU Jun, et al . Assessment and zonation of land subsidence disaster risk of Tianjin Binhai area［J］. Scientia Geographica Sinica,2008 ,28 （5 ）:693 −697 . （in Chinese with English abstract）[11] 胡喜梅,马传明,邓波,等. 江苏省沿海地区地面沉降风险评价[J]. 地质科技情报,2017,36(2):222 − 228. [HU Ximei,MA Chuanming,DENG Bo,et al. Risk evaluation of land subsidence in coastal areas of Jiangsu Province[J]. Geological Science and Technology Information,2017,36(2):222 − 228. (in Chinese with English abstract) HU Ximei, MA Chuanming, DENG Bo, et al . Risk evaluation of land subsidence in coastal areas of Jiangsu Province［J］. Geological Science and Technology Information,2017 ,36 （2 ）:222 −228 . （in Chinese with English abstract）[12] 张彭,朱邦彦,孙静雯,等. 利用多源数据分析南京市河西地面沉降风险[J]. 测绘通报,2019(11):141 − 144. [ZHANG Peng,ZHU Bangyan,SUN Jingwen,et al. Risk analysis of land subsidence in Hexi area in Nanjing based on multi-source data[J]. Bulletin of Surveying and Mapping,2019(11):141 − 144. (in Chinese with English abstract) ZHANG Peng, ZHU Bangyan, SUN Jingwen, et al . Risk analysis of land subsidence in Hexi area in Nanjing based on multi-source data［J］. Bulletin of Surveying and Mapping,2019 （11 ）:141 −144 . （in Chinese with English abstract）[13] 房浩,何庆成,徐斌,等. 沧州地区地面沉降灾害风险评价研究[J]. 水文地质工程地质,2016,43(4):159 − 164. [FANG Hao,HE Qingcheng,XU Bin,et al. A study of risk assessment of the land subsidence in Cangzhou[J]. Hydrogeology & Engineering Geology,2016,43(4):159 − 164. (in Chinese with English abstract) FANG Hao, HE Qingcheng, XU Bin, et al . A study of risk assessment of the land subsidence in Cangzhou［J］. Hydrogeology & Engineering Geology,2016 ,43 （4 ）:159 −164 . （in Chinese with English abstract）[14] 陈蓓蓓. 北京地区地面沉降监测及风险评价研究[D]. 北京:首都师范大学,2009. [CHEN Beibei. Study on land subsidence monitoring and risk assessment in Beijing area[D]. Beijing:Capital Normal University,2009. (in Chinese with English abstract) CHEN Beibei. Study on land subsidence monitoring and risk assessment in Beijing area［D］. Beijing: Capital Normal University, 2009. （in Chinese with English abstract）
[15] 王齐鑫,王龙平,王泽宇. 安徽阜阳中心城区地面沉降灾害风险评价[J]. 中国地质灾害与防治学报,2019,30(4):32 − 39. [WANG Qixin,WANG Longping,WANG Zeyu. Risk assessment of land subsidence in central area of Fuyang City,Anhui Province[J]. The Chinese Journal of Geological Hazard and Control,2019,30(4):32 − 39. (in Chinese with English abstract) WANG Qixin, WANG Longping, WANG Zeyu . Risk assessment of land subsidence in central area of Fuyang City, Anhui Province［J］. The Chinese Journal of Geological Hazard and Control,2019 ,30 （4 ）:32 −39 . （in Chinese with English abstract）[16] 于海若,宫辉力,陈蓓蓓,等. 京津冀地区地面沉降研究进展与思考[J]. 测绘科学,2020,45(4):125 − 133. [YU Hairuo,GONG Huili,CHEN Beibei,et al. The advance and consideration of land subsidence in Beijing-Tianjin-Hebei region[J]. Science of Surveying and Mapping,2020,45(4):125 − 133. (in Chinese with English abstract) YU Hairuo, GONG Huili, CHEN Beibei, et al . The advance and consideration of land subsidence in Beijing-Tianjin-Hebei region［J］. Science of Surveying and Mapping,2020 ,45 （4 ）:125 −133 . （in Chinese with English abstract）[17] 戴真印,刘岳霖,张丽平,等. 基于改进时序InSAR技术的东莞地面沉降时空演变特征[J]. 中国地质灾害与防治学报,2023,34(1):58 − 67. [DAI Zhenyin,LIU Yuelin,ZHANG Liping,et al. Temporal and spatial evolution characteristics of land subsidence in Dongguan based on improved time series InSAR technology[J]. The Chinese Journal of Geological Hazard and Control,2023,34(1):58 − 67. (in Chinese with English abstract) DAI Zhenyin, LIU Yuelin, ZHANG Liping, et al . Temporal and spatial evolution characteristics of land subsidence in Dongguan based on improved time series InSAR technology［J］. The Chinese Journal of Geological Hazard and Control,2023 ,34 （1 ）:58 −67 . （in Chinese with English abstract）[18] 李佳琦,徐佳,刘杰,等. 天津地面沉降严重区分布特征及变化规律[J]. 中国地质灾害与防治学报,2023,34(2):53 − 60. [LI Jiaqi,XU Jia,LIU Jie,et al. Distribution characteristics and evolution trend of severe land subsidence areas in Tianjin City[J]. The Chinese Journal of Geological Hazard and Control,2023,34(2):53 − 60. (in Chinese with English abstract) LI Jiaqi, XU Jia, LIU Jie, et al . Distribution characteristics and evolution trend of severe land subsidence areas in Tianjin City［J］. The Chinese Journal of Geological Hazard and Control,2023 ,34 （2 ）:53 −60 . （in Chinese with English abstract）[19] 王寒梅. 上海市地面沉降风险评价体系及风险管理研究[D]. 上海:上海大学,2013. [WANG Hanmei. Study on risk assessment system and risk management of land subsidence in Shanghai[D]. Shanghai:Shanghai University,2013. (in Chinese with English abstract) WANG Hanmei. Study on risk assessment system and risk management of land subsidence in Shanghai［D］. Shanghai: Shanghai University, 2013. （in Chinese with English abstract）
[20] 吴柯,张晓平,刘浩,等. 粉质黏土地层超大直径泥水盾构隧道地表变形与施工参数相关关系研究[J]. 工程地质学报,2021,29(5):1555 − 1566. [WU Ke,ZHANG Xiaoping,LIU Hao,et al. Correlation between surface deformation and construction parameters in silty clay ground tunneling with super large diameter slurry shield tbm[J]. Journal of Engineering Geology,2021,29(5):1555 − 1566. (in Chinese with English abstract) WU Ke, ZHANG Xiaoping, LIU Hao, et al . Correlation between surface deformation and construction parameters in silty clay ground tunneling with super large diameter slurry shield tbm［J］. Journal of Engineering Geology,2021 ,29 （5 ）:1555 −1566 . （in Chinese with English abstract）[21] 苏秀婷,陈健,李明宇,等. 大直径泥水盾构隧道穿越复杂环境地层变形敏感性研究[J]. 工程地质学报,2021,29(5):1587 − 1598. [SU Xiuting,CHEN Jian,LI Mingyu,et al. Sensitivity analysis of deformation of large diameter mudwater shield through complex environment[J]. Journal of Engineering Geology,2021,29(5):1587 − 1598. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2021-0528 SU Xiuting, CHEN Jian, LI Mingyu, et al . Sensitivity analysis of deformation of large diameter mudwater shield through complex environment［J］. Journal of Engineering Geology,2021 ,29 （5 ）:1587 −1598 . （in Chinese with English abstract） DOI: 10.13544/j.cnki.jeg.2021-0528[22] 王小军,蒋勇,王文笛,等. 宁波滨海软土地铁盾构隧道地表沉降效应与数值模拟研究[J]. 路基工程,2018(4):61 − 68. [WANG Xiaojun,JIANG Yong,WANG Wendi,et al. Research on ground surface settlement effect and numerical simulation of shield tunnel of subway in soft soil of coast in Ningbo[J]. Subgrade Engineering,2018(4):61 − 68. (in Chinese with English abstract) DOI: 10.13379/j.issn.1003-8825.2018.04.11 WANG Xiaojun, JIANG Yong, WANG Wendi, et al . Research on ground surface settlement effect and numerical simulation of shield tunnel of subway in soft soil of coast in Ningbo［J］. Subgrade Engineering,2018 （4 ）:61 −68 . （in Chinese with English abstract） DOI: 10.13379/j.issn.1003-8825.2018.04.11[23] 浙江省质量技术监督局. 地质灾害危险性评估规范:DB33/T 881—2012[S]. 北京:中国地质大学出版社,2012. [Code for risk assessment of geological disaster: DB33/T 881-2012[S]. Beijing:China University of Geosciences Press,2012. (in Chinese) Code for risk assessment of geological disaster: DB33/T 881-2012［S］. Beijing: China University of Geosciences Press, 2012. （in Chinese）
-
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: 133
- HTML全文浏览量: 131
- PDF下载量: 118
- 被引次数: 31
邮件订阅
RSS