Kinematics and mechanism analysis of Tangjiawan landslide on the Xinshi—Jinyang Highway in Sichuan Province
-
摘要:
研究滑坡变形特征对于分析滑坡形成机理和制定防治措施至关重要。文章以工程诱发的唐家湾滑坡为研究对象,通过工程施工前后的6期无人机影像得到高分辨率DOM,基于相邻两期DOM中识别的特征点作为监测点,根据其位置的变化得出地表位移矢量数据,进而结合地质勘探和深部位移监测分析滑坡变形特征和形成机理。研究表明:工程建设前滑坡区无明显变形(第1个观测周期),工程施工后的第2观测周期(2021-03-15—2021-06-06)、第3 观测周期(2021-06-06—2021-09-08)和第4观测周期(2021-09-08—2021-11-03)滑坡主滑区平均变形速率分别为53.0,103.2和62.5 mm/d,至第5观测周期(2021-11-03—2022-01-03)变形速率趋于0;第2观测周期滑坡后缘的弃渣堆载是滑坡的直接触发因素,降雨促进了滑坡变形的发展,而随着雨季的结束和前缘的堆载反压滑坡变形速率逐渐降低;利用多期无人机高清影像可获取大范围、长时序地表变形信息,可作为一种有效的滑坡变形监测手段。
Abstract:Studying the kinematics of landslides is crucial for analyzing failure mechanism and designing remedial measures. This paper focuses on the Tandjiawan landslide that occurred during a highway construction. Five periods of high-resolution digital orthophoto maps (DOM) were generated using unmanned aerial vehicle (UAV)- based photogrammetry, spanning both pre- and post- landslide conditions. Two successive UAV orthophotos were treated as observation periods, and corresponding features were identified in both images to establish monitoring points. Furthermore, two-dimensional displacement vectors were then computed by comparing orthographic images from each observation period based on these corresponding features. The analysis of kinematics and failure mechanism were conducted in conjunction with geological surveys and inclinometer measurements. The findings reveal that there was no significant deformation in the landslide area before the engineering construction of the highway (1st observation period). After construction, during the second observation period (March 15, 2021, to June 6, 2021), the third observation period (June 6, 2021, to September 8, 2021), and the fourth observation period (September 8, 2021, to November 3, 2021), the average deformation rates of the main sliding area of the landslide were 53.0 mm/day, 103.2 mm/day and 62.5 mm/day, respectively. By the fifth observation period (November 3, 2021, to January 3, 2022), the deformation rates had trended towards zero. The deposition of spoil at the rear of the landslide during the second observation period was the direct triggering factor, and rainfall facilitated the development of landslide deformation. As the rainy season ended and the front-end loading increased, the landslide deformation rate gradually decreased. This paper demonstrates that multi-period UAV photogrammetry can provide spatiotemporal surface deformation information for landslide areas, serving as an effective tools for landslide deformation monitoring.
-
Keywords:
- UAV images /
- photogrammetry /
- landslide /
- kinematics
-
0. 引言
地质灾害气象风险预警是基于气象降雨因素引发地质灾害的区域性预警,是通过分析孕育地质灾害的地质特征与引发地质灾害的降水特征建立模型算法,在地质灾害易发性基础上,结合前期过程降雨和未来预报降雨,对一定区域在未来一段时间内发生地质灾害的可能性及成灾风险进行预报预警。近20年的实践表明,地质灾害气象风险预警在防御地质灾害中发挥着“指挥棒”的作用,是地质灾害风险管控的行之有效的手段。
对降雨引发的地质灾害区域预警研究,广大学者开展了大量的研究和探索。美国地质调查局1969年完成了基于泥石流临界降雨强度预警系统的开发;1985年进行了区域内大暴雨与滑坡灾害的统计分析,建立了滑坡与降雨强度的临界降雨模型,并研发了早期的滑坡灾害预警系统[1];日本学者通过对流域实况降雨与地下水渗流场分析,研究确定泥石流发生的临界降雨阈值,并实现了自动预警;学者Flentje、Chowdhury、Crozier、Emmanuel Gabet、Aleotti、Enrico Gregori等也在实时预警方面做了大量的探索工作[2 − 3]。刘传正等[4 − 5]将区域预警理论原理分为隐式统计预警、显式统计预警和动力预警三大类,并针对显式统计预警模型提出了地质灾害区域“发育度”、“潜势度”、“危险度”、“风险度”和“危害度”等“五度”递进分析理论方法。刘艳辉等[6]在显式统计预警模型中采用确定系数方法实现了区域预警潜势度的计算,解决了地质灾害区域预警模型方法的难题,地质灾害气象预警工作逐步在全国山区省、市、县开展。以上研究成果多偏重于技术层面,对地质灾害防治管理体制机制方面的探索涉及较少。
在近20年的地质灾害气象风险预报预警工作实践中,因缺少统一的系统建设标准和成果发布规范,这种省、市、县各自建设的地质灾害气象预警系统经常会出现结果不统一、数据共享难、更新时效差、平台功能不完善等问题,导致同区域同时段出现不同预警等级和重复预警的现象,给基层应急响应和防灾处置工作带来一定困扰,对预警信息发布的严肃性和权威性造成不利影响[7 − 11]。2018年以来,浙江、四川、福建、云南等省份率先探索地质灾害省-市-县一体化预警平台建设,在数据资源高效共享、预警结果同台会商、预警信息统一发布等方面取得了较大进步,形成了不同模式的省-市-县一体化地质灾害风险预警体系。下面以浙江省为例介绍省-市-县一体化地质灾害风险预警系统建设。
1. 工作概况
1.1 浙江省地质背景及地质灾害概况
浙江省地处我国东南沿海,地貌类型多样,主要以中低山丘陵为主;地质构造复杂,以江山-绍兴深断裂带为界,横跨“扬子台地”(江南地层区)和“华南褶皱系”(华南地层区)两大Ⅰ级地质构造单元;降雨丰沛,梅汛期降雨持续时间长,台风降雨强度大。同时,人类工程活动强烈、人口密度大,容易引发地质灾害。浙江省地质灾害易发区占到全省陆域面积的73%(图1),地质灾害规模虽以小型为主,但时常造成较大的人员伤亡和经济损失。据统计,全省已发生突发性地质灾害灾情6343处,造成296人死亡、15人失踪、102人受伤,直接经济损失10.17亿元。截至2023年11月,全省现有地质灾害隐患点422处,地质灾害风险防范区16934处,威胁6.99万户22.2万人,威胁财产173.8亿元。
1.2 地质灾害预警工作概况
2003年浙江省自然资源厅与省气象局联合开展地质灾害预报预警工作,截至2023年,全省因地质灾害预警成功避险地质灾害532起,避免人员伤亡5564人,避免经济损失6252.5万元,取得了良好成效。为提升地质灾害预报预警精准度,2005年完成了市级1∶5万市级地质灾害预警系统,实现了省、市地质灾害分级预报预警;2007年为强化山区实况降雨对地质灾害的影响,将水利部门监测实况雨量纳入地质灾害预警系统,提升了地质灾害预报预警精度;2009年为有效防范局地强降雨引发地质灾害,研发了3 h短临预警系统;2013年针对预警对象研发了全国首个基于斜坡单元的地质灾害预警系统[12];2019年为进一步提升预警精度,采用均一单元升级了地质灾害预警系统[13];2020年,自然资源部在浙江实施地质灾害风险隐患“双控”试点,针对新调查的地质灾害风险防范区研发了以临界降雨为基础的1 h实时预警系统[14]。同时,将24 h每日预报、3 h短临预报和1 h的实时预警三种模式的地质灾害气象风险预报预警模型,并按照“省级预报到县、市级预报到乡、县级预警到村(点)”的工作原则,初步建成了省-市-县一体化地质灾害气象风险预报预警系统[15],并制定了《浙江省突发性地质灾害风险预报预警技术要求(试行)》,对全省地质灾害预报预警业务进行了规范。
2. 地质灾害风险预警一体化建设
2.1 预警工作内容
浙江省地质灾害气象风险预报预警时间尺度如图2所示,可分为趋势预测、等级预报和实时预警三类。
(1)趋势预测:根据气象部门阶段性降雨预测,按年度、季度、月度及重点时段(节假日和重要活动等)开展地质灾害风险趋势预测,研究确定本阶段是否可能存在地质灾害风险较高及以上区域、重点风险地段和风险点,以及相应时段,并提出本阶段地质灾害防范工作建议。
(2)风险预报:包括未来24 h地质灾害气象风险等级预报和未来3 h短临预报。根据气象部门未来24 h预报雨量和前期实况雨量,结合地质环境条件开展地质灾害风险区域预报,提醒预报区域防灾管理人员及时开展地质灾害防范工作;强降雨时段,结合实际工作需求,加密预报频次,根据气象部门未来3 h预报雨量和前期实况雨量,开展地质灾害气象风险3 h短临预报;台风暴雨时段开展48/72 h短期风险预报。风险预报为区域概率预报,预报层级最小到乡镇级。
(3)实时预警:通过研究设定地质灾害隐患点和风险防范区降雨阈值,结合周边雨量监测站监测的实时降雨开展地质灾害风险实时预警,并向地质灾害隐患点和风险防范区管理人员逐小时发布风险预警信息,指导基层开展地质灾害巡查和受威胁人员转移避险。实时预警是对区域概率预报的补充和矫正。
通过全面梳理省、市、县三级地质灾害风险预报预警业务工作需求,我省确定“省预报到县,市预报到乡,县预警到村(点)”的工作要求,省、市自然资源主管部门结合预报产品,以行政区划为单位,发布风险“五色图”,提醒各级部门依据工作职责,做好地质灾害防治工作;县级自然资源主管部门对地质灾害风险防范区和隐患点开展实时预警,实时发布风险预警信息,精准指导地质灾害影响人员转移避险,工作体系架构见图3。
2.2 通用模型算法
通用模型是在全省地质灾害基础上统一研发的地质灾害气象风险预报预警模型,各市可直接调用,也可自行研发不同的预报预警模型。通用模型主要是通过区域地质灾害机理研究,确定地质灾害敏感因子和诱发因子,应用相关性原理建立地质灾害易发性评价指标体系,综合评价不同区域地质灾害易发程度,结合地质灾害与降雨量的关系分析,基于逻辑回归的概率预报方法,构建地质灾害气象风险预报预警模型,包含省市3 h短时预报、24 h常规预报、48/72 h趋势预测模型,开展区域地质灾害风险等级预报。县级实时预警模型主要面向地质灾害风险防范区和隐患点开展,根据降雨强度-历时(I-D曲线)确定临界降雨阈值,利用实时降雨与临界降雨阈值判别矩阵开展实时预警工作。
2.2.1 省市等级预报模型方法
省级预报模型主要采用主成分逻辑回归方法(图4),以地质灾害赋存环境条件均一的不规则单元为预报对象,对已发生地质灾害影响因子进行主成分分析,最终确定坡度、坡向、高程、地层岩性、断裂构造、工程地质岩组,土地利用及植被类型共8个因子作为地质灾害敏感因子。其中省级预报模型以全省山地丘陵区为地质灾害预报预警范围构建32.5万余评价单元,对预警单元进行地质灾害危险性指标(G)进行计算,通过危险度与降雨条件(降水指数)的相关及回归分析,确立预警指数数学表达式(式1)。
$$ T={k}_{0}G+{k}_{1}({R}_{{\mathrm{a}}}+{R}_{{\mathrm{f}}})/{R}_{0}+e $$ (1) 式中:
$ T $ ——预警指数;${G} $ ——地质灾害危险性指标;$ {R}_{{\mathrm{a}}} $ ——前期有效降雨;$ {R}_{{\mathrm{f}}} $ ——预报降雨;$ {R}_{0} $ ——降雨区划;$ {k}_{0} $ 、$ {k}_{1} $ ——回归系数;e——修正值。
经过统计分析,浙江省大部分地质灾害均在强降雨当天发生,而地质灾害发生前3 d有降雨的占83.9%,前7 d累计降雨与地质灾害发生数相关程度非常高[7]。根据实际降雨与地质灾害发生情况复盘分析,短临预报通常考虑前24 h有效雨量,每日预报和短期预报考虑前7日累计有效雨量符合浙江省地质灾害发生与降雨强度规律[12 − 13]。
市级预报模型除宁波采用斜坡单元外,其余均采用200~500 m精度的网格单元,因东西部地质条件差异和降雨类型(台风暴雨和梅雨)不同,采用的地质灾害影响因子和前期降雨稍有不同,均采用逻辑回归的方法建立市级预报模型。
2.2.2 县级实时预警模型方法
预警模型主要采用降雨强度-历时(I-D曲线)的临界降雨阈值方法[14 − 16]。浙江省以县级行政区划为单元,统计分析历史发生的地质灾害降雨强度(I)和降雨历时(D)的关系,在对数坐标下,以数据分布(式2)的下限作为该县(市、区)的降雨阈值曲线(I-D曲线),并根据该曲线,提取不同历时(1 h、3 h、6 h、12 h、24 h)的黄、橙、红临界降雨阈值来实施地质灾害实时预警(图5)。目前,依托乡镇地质灾害风险调查项目,根据地质灾害体的破坏和变形情况、受灾体的风险承受差异等指标,逐步实现更为精细的“一坡一阈值”风险动态调整机制。
$$ R(H)=a{H}^{b} $$ (2) 式中:
$ R(H) $ ——降雨强度;$ H $ ——降雨时长;$ a $ ——比例系数;$ b $ ——幂指数。2.3 预警系统建设
根据地质灾害气象风险预警业务需求,采用节点建设模式,基于云计算技术研发了省市县一体化预报预警平台,平台由数据中心、数据中台及应用场景组成。数据中心主要负责数据采集、存储和管理等,包含数据仓、模型仓、功能仓和节点仓,每个节点仓保存各自的业务库、雨量库和成果库;数据中台主要负责数据调用、治理和共享,为全省预报预警一体化业务提供数据节点管理、功能调用、综合展示、运维监控和共享管理等功能;应用场景包括等级预报子系统、实时预警子系统、其他预警子系统和会商平台[15]。平台基础设施如服务器、网络及安全防护等资源由省级统一建设,市县级应用场景按照标准格式,调用省数据中心数据,结合当地气象、水利部门降雨数据进行地质灾害等级预报和实时预警,并将预警响应数据反馈数据中心,形成闭环管理。系统实现了跨部门多层级业务融合和数据共性支撑全省复用,同时,预报预警产品通过数据服务接口,实时为地质灾害防治业务场景、防汛防台在线等提供预警成果共享服务。
2.3.1 等级预报子系统
等级预报子系统主要在建设省、市两级,是开展地质灾害区域风险分析的专业系统,包含数据获取处理、模型分析计算、人工会商干预、预报产品制作和预报产品发布等功能。各级子系统通过专线将各级气象降雨预报数据导入数据中心,通过模型计算形成初级预报结果,上传会商中心进行全省会商研判,各市根据研判结果分别制作市、县预报产品进行发布,省级部门对各市产品进行综合,形成地质灾害风险等级预报“五色图”进行发布。同时,省部门根据气象3 h降雨预报数据实施自动化短临预警提醒。
2.3.2 实时预警子系统
实时预警子系统主要建设在县级,是针对地质灾害隐患点、风险防范区和重点乡村进行实时自动化预警,每小时发布风险预警信息。主要功能包括数据获取处理、预警分析研判和预警结果发布等。县级实时预警系统将地质灾害风险防范区或隐患点关联周边气象和水文部门雨量监测站,利用监测降雨量与1 h、3 h、6 h、12 h、24 h的黄、橙、红临界降雨阈值进行对比研判,采用不同历时的最高预警等级作为当前地质灾害风险防范区或隐患点的预警级别,并逐小时更新。
2.3.3 任务闭环和监管系统
为保证地质灾害风险预报预警信息的任务闭环和可视化监管,一体化预警平台研发了风险防控驾驶舱和移动应用终端“地灾智防”APP。通过移动终端,实时查询地质灾害等级预报、实时预警、专业监测预警等预警信息,实现防灾指令的实时贯通和防灾数据的及时汇集;通过驾驶舱大屏,各级自然资源主管部门可以查看台风降雨、等级预报、实时预警、值班值守、巡查排查、驻县进乡、灾险情处置、防治工作等信息,切实提升浙江省地质灾害防治指挥决策的时效性和科学性。
2.3.4 预警闭环管控机制
“省级预报到县、市级预报到乡、县级预警到村(点)”工作体系是浙江省地质灾害气象风险预报预警一体化工作机制的重要内容之一。省级通过一体化平台省级节点,开展3 h、24 h等多时段地质灾害风险等级预报,发布范围覆盖省级有关部门和市、县自然资源主管部门;市级地质灾害风险等级预报成果范围覆盖市级有关部门和县级自然资源主管部门和乡镇(街道);县级通过气象、水利部门的实况降雨数据,结合风险降雨阈值,针对地质灾害隐患点、风险防范区和重点乡村等开展实时预警,发布范围覆盖县级有关部门和乡(镇街道)村(社区)责任人和群测群防员(图6)。
“有预警就有响应,有响应务必闭环”是一体化工作机制的另一重要内容,根据省、市、县三级在不同防御阶段的地质灾害风险管控要求,围绕地质灾害风险预报预警结果,移动终端发布预报预警信息,派发巡查处置任务,并回流基层地质灾害防治工作反馈情况,实现地质灾害风险预报预警响应的闭环管控。通过驾驶舱大屏,实现地质灾害风险信息和防治业务信息的可视化展示,消息和任务的全生命周期监控,配合“叫应叫醒”工作机制,保证信息的贯通,落实闭环管理。
3. 典型预警案例
受2023年5号台风“杜苏芮”影响,温州南部地区遭受持续强降雨。2023年7月26日18时,省级预警系统对温州市平阳县发布未来24 h地质灾害气象风险橙色预警,温州市预警系统对平阳县顺溪镇发布未来24 h地质灾害气象风险橙色预警。27日8时省、市预警级别均升级为红色预警(图7),值班人员第一时间电话叫应当地政府主要领导。顺溪镇人民政府立即组织开展隐患点和风险防范区人员转移工作,11时将顺溪镇下东村风险防范区(编号330326FF0263)受威胁的5人提前转移至避灾场所。27日13时县级实时预警系统(基于临界降水阈值模型)对该处风险防范区发布黄色预警,并生成巡查任务,群测群防员立即开展巡查,并通过“地灾智防”APP反馈巡查和人员转移情况。14时省级预警系统对平阳县再次加密发布未来3 h短临红色预警,15时该处专业监测设备也发出红色报警,16时该风险防范区发生滑坡,体积约300 m3。滑坡造成坡脚房屋墙体和窗户局部损毁和屋内泥水淤积(图8)。由于预警及时精准,人员提前撤离,成功避免1户5人伤亡。本起案例是基于省-市-县一体化预警工作体系,逐级逐步精准发布预警信息、有效落实闭环管控、成功避免人员伤亡的典型案例。
4. 结论
(1)浙江省通过构建“省级预报到县、市级预报到乡、县级预警到村(到点)”预报预警一体化工作体系,依托“地灾智防”APP等数字化手段,加强了预报预警与预警响应联动,建立预警响应闭环工作机制,实现了地质灾害气象风险预警响应闭环管理。
(2)浙江省通过开展地质灾害气象风险预警一体化建设,在模型构建、系统建设、数据共享和闭环管控机制建设等方面形成了一套较为完整的技术和管理体系,为其他省市开展预警一体化建设提供了较为成熟的应用示范。
(3)浙江省预报预警一体化系统自上线以来,运行效果良好,工作成效显著,有效支撑了全省地质灾害防治工作。但由于预报降雨数据更新和实况降雨数据校正的滞后性,导致地质灾害风险预警结果实时性不足,在与气象、水利部门数据协同机制方面仍需进一步加强。
-
表 1 数据汇总
Table 1 Summary of the data
阶段 使用设备 像控设置 影像分辨率
/cm获取日期 滑前 直升机搭载飞思相机(1亿像素)
和Optech eclipse 激光雷达沿线测绘
地面控制点<10 2018-05-15 DJI Mavic2 勘察期间
测绘控制点<3 2019-03-26 滑后 DJI Mavic2 滑坡周边4个
地面控制点<3 2021-06-06 DJI Mavic2 <3 2021-09-08 DJI Mavic2 <3 2021-11-03 DJI Mavic2 <3 2022-01-03 表 2 各观测周期的观测时长和监测点数量
Table 2 Observation period duration and number of monitoring points for each observation period
观测期 起止日期 时间间隔/d 监测点数量/个 1 2018-05-15—2019-03-26 325 17 2 2019-03-26—2021-06-06 803 7 3 2021-06-06—2021-09-08 94 25 4 2021-09-08—2021-11-03 56 68 5 2021-11-03—2022-01-03 61 49 表 3 各监测周期监测点平均变形量及变形速率
Table 3 Average displacement vectors and average deformation rates of monitoring points for each monitoring period
分区 数据类型 第1观测期
(2018-05-15—
2019-03-26)第2观测期
(2019-03-26—
2021-06-06)第3观测期
(2021-06-06—
2021-09-08)第4观测期
(2021-09-08—
2021-11-03)第5观测期
(2021-11-03—
2022-01-03)I区 平均变形量/m <0.1 — 3.8 0.7 — 平均变形速率/(mm·d−1) 0 — 40.4 12.5 — II-1区 变形量平均值/m <0.1 — — 3.2 0.140 平均变形速率/(mm·d−1) 0 — — 57.1 0.002 II-2区 变形量平均值/m <0.1 4.4 9.7 3.5 0.090 平均变形速率/(mm·d−1) 0 53.0 103.2 62.5 0 注:—标示该区内施工导致地形变化,无法取得匹配监测点;第2观测周期变形速率计算起始时间为工程开始施工的2021年3月15日。 -
[1] 贾会会,薛建志,郭利召,等. “空天地”一体化技术在采空区形变监测中的应用[J]. 中国地质灾害与防治学报,2023,34(3):69 − 82. [JIA Huihui,XUE Jianzhi,GUO Lizhao,et al. Application of combined space,arial and ground based multiple technologies in deformation monitoring of mining areas[J]. The Chinese Journal of Geological Hazard and Control,2023,34(3):69 − 82. (in Chinese with English abstract)] DOI: 10.16031/j.cnki.issn.1003-8035.202202015 JIA Huihui, XUE Jianzhi, GUO Lizhao, et al. Application of combined space, arial and ground based multiple technologies in deformation monitoring of mining areas[J]. The Chinese Journal of Geological Hazard and Control, 2023, 34(3): 69 − 82. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.202202015
[2] 许强. 对滑坡监测预警相关问题的认识与思考[J]. 工程地质学报,2020,28(2):360 − 374. [XU Qiang. Understanding the landslide monitoring and early warning:Consideration to practical issues[J]. Journal of Engineering Geology,2020,28(2):360 − 374. (in Chinese with English abstract)] DOI: 10.13544/j.cnki.jeg.2020-025 XU Qiang. Understanding the landslide monitoring and early warning: Consideration to practical issues[J]. Journal of Engineering Geology, 2020, 28(2): 360 − 374. (in Chinese with English abstract) DOI: 10.13544/j.cnki.jeg.2020-025
[3] 刘春,万红,李巍岳,等. 基于无人机影像的大型滑坡区域精细地形构建研究[J]. 井冈山大学学报(自然科学版),2015,36(1):1 − 7. [LIU Chun,WAN Hong,LI Weiyue,et al. The research on construction of large-scale landslide precise terrain based on uav images[J]. Journal of Jinggangshan University (Natural Science),2015,36(1):1 − 7. (in Chinese with English abstract)] DOI: 10.3969/j.issn.1674-8085.2015.01.001 LIU Chun, WAN Hong, LI Weiyue, et al. The research on construction of large-scale landslide precise terrain based on uav images[J]. Journal of Jinggangshan University (Natural Science), 2015, 36(1): 1 − 7. (in Chinese with English abstract) DOI: 10.3969/j.issn.1674-8085.2015.01.001
[4] 王俊豪,魏云杰,梅傲霜,等. 基于无人机倾斜摄影的黄土滑坡信息多维提取与应用分析[J]. 中国地质,2021,48(2):388 − 401. [WANG Junhao,WEI Yunjie,MEI Aoshuang,et al. Multidimensional extraction of UAV tilt photography-based information of loess landslide and its application[J]. Geology in China,2021,48(2):388 − 401. (in Chinese with English abstract)] DOI: 10.12029/gc20210204 WANG Junhao, WEI Yunjie, MEI Aoshuang, et al. Multidimensional extraction of UAV tilt photography-based information of loess landslide and its application[J]. Geology in China, 2021, 48(2): 388 − 401. (in Chinese with English abstract) DOI: 10.12029/gc20210204
[5] 孔嘉旭,谷天峰,孙萍萍,等. 基于多期无人机影像的黑方台硅化厂滑坡形态变形演化研究[J]. 干旱区资源与环境,2021,35(1):100 − 107. [KONG Jiaxu,GU Tianfeng,SUN Pingping,et al. Research on deformation evolution of landslides in Heifangtai silicified plant based on multi-stage UAV images[J]. Journal of Arid Land Resources and Environment,2021,35(1):100 − 107. (in Chinese with English abstract)] DOI: 10.13448/j.cnki.jalre.2021.015 KONG Jiaxu, GU Tianfeng, SUN Pingping, et al. Research on deformation evolution of landslides in Heifangtai silicified plant based on multi-stage UAV images[J]. Journal of Arid Land Resources and Environment, 2021, 35(1): 100 − 107. (in Chinese with English abstract) DOI: 10.13448/j.cnki.jalre.2021.015
[6] 彭大雷,许强,董秀军,等. 无人机低空摄影测量在黄土滑坡调查评估中的应用[J]. 地球科学进展,2017,32(3):319 − 330. [PENG Dalei,XU Qiang,DONG Xiujun,et al. Application of unmanned aerial vehicles low-altitude photogrammetry in investigation and evaluation of loess landslide[J]. Advances in Earth Science,2017,32(3):319 − 330. (in Chinese with English abstract)] DOI: 10.11867/j.issn.1001-8166.2017.03.0319 PENG Dalei, XU Qiang, DONG Xiujun, et al. Application of unmanned aerial vehicles low-altitude photogrammetry in investigation and evaluation of loess landslide[J]. Advances in Earth Science, 2017, 32(3): 319 − 330. (in Chinese with English abstract) DOI: 10.11867/j.issn.1001-8166.2017.03.0319
[7] 张欢,巨能攀,陆渊,等. 基于无人机的滑坡地形快速重建与稳定性分析[J]. 水文地质工程地质,2021,48(6):171 − 179. [ZHANG Huan,JU Nengpan,LU Yuan,et al. Rapid remodeling of three-dimensional terrain and stability analyses of landslide based on UAV[J]. Hydrogeology & Engineering Geology,2021,48(6):171 − 179. (in Chinese with English abstract)] DOI: 10.16030/j.cnki.issn.1000-3665.202008010 ZHANG Huan, JU Nengpan, LU Yuan, et al. Rapid remodeling of three-dimensional terrain and stability analyses of landslide based on UAV[J]. Hydrogeology & Engineering Geology, 2021, 48(6): 171 − 179. (in Chinese with English abstract) DOI: 10.16030/j.cnki.issn.1000-3665.202008010
[8] 陈巧,袁飞云,付霞,等. 无人机摄影测量技术在阿娘寨滑坡应急调查中的应用[J]. 测绘通报,2023(1):77 − 83. [CHEN Qiao,YUAN Feiyun,FU Xia,et al. Application of unmanned aerial vehicle photogrammetry technology in emergency investigation of Aniangzhai landslide[J]. Bulletin of Surveying and Mapping,2023(1):77 − 83. (in Chinese with English abstract)] CHEN Qiao, YUAN Feiyun, FU Xia, et al. Application of unmanned aerial vehicle photogrammetry technology in emergency investigation of Aniangzhai landslide[J]. Bulletin of Surveying and Mapping, 2023(1): 77 − 83. (in Chinese with English abstract)
[9] 赵婷婷,高文娟,李志林,等. 实景三维技术在“8•8”九寨沟地震地质灾害快速调查中的应用[J]. 中国地质灾害与防治学报,2023,34(3):93 − 99. [ZHAO Tingting,GAO Wenjuan,LI Zhilin,et al. Application of real-scene 3D technology in the rapid survey of geological disasters after the “8•8” Jiuzhaigou earthquake[J]. The Chinese Journal of Geological Hazard and Control,2023,34(3):93 − 99. (in Chinese with English abstract)] DOI: 10.16031/j.cnki.issn.1003-8035.202209016 ZHAO Tingting, GAO Wenjuan, LI Zhilin, et al. Application of real-scene 3D technology in the rapid survey of geological disasters after the “8•8” Jiuzhaigou earthquake[J]. The Chinese Journal of Geological Hazard and Control, 2023, 34(3): 93 − 99. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.202209016
[10] PETERNEL T,KUMELJ Š,OŠTIR K,et al. Monitoring the Potoška planina landslide (NW Slovenia) using UAV photogrammetry and tachymetric measurements[J]. Landslides,2017,14(1):395 − 406. DOI: 10.1007/s10346-016-0759-6
[11] LARIBI A,WALSTRA J,OUGRINE M,et al. Use of digital photogrammetry for the study of unstable slopes in urban areas:Case study of the El Biar landslide,Algiers[J]. Engineering Geology,2015,187:73 − 83. DOI: 10.1016/j.enggeo.2014.12.018
[12] CHENG Qiang,YANG Yinghui,DU Yi. Failure mechanism and kinematics of the Tonghua landslide based on multidisciplinary pre- and post-failure data[J]. Landslides,2021,18(12):3857 − 3874. DOI: 10.1007/s10346-021-01770-x
[13] SASAKI Y,FUJII A,ASAI K. Soil creep process and its role in debris slide generation:Field measurements on the north side of Tsukuba Mountain in Japan[J]. Developments in Geotechnical Engineering,2000,84:199 − 219.
[14] REGMI N R,WALTER J I. Detailed mapping of shallow landslides in eastern Oklahoma and western Arkansas and potential triggering by Oklahoma earthquakes[J]. Geomorphology,2020,366:106806. DOI: 10.1016/j.geomorph.2019.05.026
[15] 张克利,姚爱敏,张建全,等. GB-InSAR滑坡应急监测的快速建模与三维匹配试验及应用[J]. 水文地质工程地质,2024,51(6):190 − 197. [ZHANG Keli,YAO Aimin,ZHANG Jianquan,et al. Rapid modeling and 3D matching of GB InSAR landslide emergency monitoring: Method and application[J]. Hydrogeology & Engineering Geology,2024,51(6):190 − 197. (in Chinese with English abstract)] ZHANG Keli, YAO Aimin, ZHANG Jianquan, et al. Rapid modeling and 3D matching of GB InSAR landslide emergency monitoring: Method and application[J]. Hydrogeology & Engineering Geology, 2024, 51(6): 190 − 197. (in Chinese with English abstract)
[16] 黄永芳,郭永刚,黄艳婷. 基于加权信息量和加权确定性系数的藏东南滑坡易发性评价[J]. 中国地质调查,2024,11(3):108 − 116. [HUANG Yongfang,GUO Yonggang,HUANG Yanting. Landslide susceptibility assessment in the southeastern Tibet based on weighted informativeness and weighted certainty factor[J]. Geological Survey of China,2024,11(3):108 − 116. (in Chinese with English abstract)] HUANG Yongfang, GUO Yonggang, HUANG Yanting. Landslide susceptibility assessment in the southeastern Tibet based on weighted informativeness and weighted certainty factor[J]. Geological Survey of China, 2024, 11(3): 108 − 116. (in Chinese with English abstract)
[17] 岳磊,刘昌义,丛晓明,等. 基于InSAR技术的夏藏滩滑坡区地表变形监测与分析[J]. 水文地质工程地质,2024,51(3):158 − 170. [YUE Lei,LIU Changyi,CONG Xiaoming,et al. Surficial deformation monitoring and analyzing to the Xiazangtan landslides based on InSAR method[J]. Hydrogeology & Engineering Geology,2024,51(3):158 − 170. (in Chinese with English abstract)] YUE Lei, LIU Changyi, CONG Xiaoming, et al. Surficial deformation monitoring and analyzing to the Xiazangtan landslides based on InSAR method[J]. Hydrogeology & Engineering Geology, 2024, 51(3): 158 − 170. (in Chinese with English abstract)
[18] 安雪莲,密长林,孙德亮,等. 基于不同评价单元的三峡库区滑坡易发性对比——以重庆市云阳县为例[J]. 吉林大学学报(地球科学版),2024,54(5):1629 − 1644. [AN Xuelian,MI Changlin,SUN Deliang,et al. Comparison of landslide susceptibility in Three Gorges Reservoir area based on different evaluation units:Take Yunyang County in Chongqing as an example[J]. Journal of Jilin University (Earth Science Edition),2024,54(5):1629 − 1644. (in Chinese with English abstract)] AN Xuelian, MI Changlin, SUN Deliang, et al. Comparison of landslide susceptibility in Three Gorges Reservoir area based on different evaluation units: Take Yunyang County in Chongqing as an example[J]. Journal of Jilin University (Earth Science Edition), 2024, 54(5): 1629 − 1644. (in Chinese with English abstract)
[19] 薛强,张茂省,董英,等. 基于DEM和遥感的黄土地质灾害精细化风险识别——以陕北黄土高原区米脂县为例[J]. 中国地质,2023,50(3):926 − 942. [XUE Qiang,ZHANG Maosheng,DONG Ying,et al. Refinement risk identification of loess geo-hazards based on DEM and remote sensing:Taking Mizhi County in the Loess Plateau of northern Shaanxi as an example[J]. Geology in China,2023,50(3):926 − 942. (in Chinese with English abstract)] XUE Qiang, ZHANG Maosheng, DONG Ying, et al. Refinement risk identification of loess geo-hazards based on DEM and remote sensing: Taking Mizhi County in the Loess Plateau of northern Shaanxi as an example[J]. Geology in China, 2023, 50(3): 926 − 942. (in Chinese with English abstract)
[20] 王雪冬,张超彪,王翠,等. 基于Logistic回归与随机森林的和龙市地质灾害易发性评价[J]. 吉林大学学报(地球科学版),2022,52(6):1957 − 1970. [WANG Xuedong,ZHANG Chaobiao,WANG Cui,et al. Geological disaster susceptibility in Helong City based on logistic regression and random forest[J]. Journal of Jilin University (Earth Science Edition),2022,52(6):1957 − 1970. (in Chinese with English abstract)] WANG Xuedong, ZHANG Chaobiao, WANG Cui, et al. Geological disaster susceptibility in Helong City based on logistic regression and random forest[J]. Journal of Jilin University (Earth Science Edition), 2022, 52(6): 1957 − 1970. (in Chinese with English abstract)
[21] 孙小勇,魏龙,唐华,等. 基于GIS的崩滑地质灾害孕灾地质条件分析——以西藏嘉黎县为例[J]. 中国地质调查,2024,11(4):92 − 100. [SUN Xiaoyong,WEI Long,TANG Hua,et al. Analysis of the disaster-pregnancy geological conditions of collapse and landslide based on GIS:A case study of Jiali County in Tibet[J]. Geological Survey of China,2024,11(4):92 − 100. (in Chinese with English abstract)] SUN Xiaoyong, WEI Long, TANG Hua, et al. Analysis of the disaster-pregnancy geological conditions of collapse and landslide based on GIS: A case study of Jiali County in Tibet[J]. Geological Survey of China, 2024, 11(4): 92 − 100. (in Chinese with English abstract)
-
期刊类型引用(1)
1. 曾新雄,刘佳,赖波,赵风顺,江山. 广东珠海市降雨型崩塌滑坡预警阈值研究. 中国地质灾害与防治学报. 2024(05): 141-150 . 本站查看
其他类型引用(0)