引用本文
刘中楠, 高银梅, 姜河, 黄勇炜, 丁华栋, 颜智强. 基于CF模型的斜坡地质灾害孕灾因子敏感性分析——以湖南省新宁县为例[J].中国地质调查, 2023,10(4): 107-115.
LIU Zhongnan, GAO Yinmei, JIANG He, HUANG Yongwei, DING Huadong, YAN Zhiqiang. Sensitivity analysis of inducing factors of slope geological hazards based on CF Model: A case study of Xinning County in Hunan Province[J].Geological Survey of China, 2023,10(4): 107-115.  
doi: 10.19388/j.zgdzdc.2023.04.13
Permissions
Copyright@2023, 《中国地质调查》编辑部
版权所有©《中国地质调查》编辑部
基于CF模型的斜坡地质灾害孕灾因子敏感性分析——以湖南省新宁县为例
刘中楠1, 高银梅2, 姜河1, 黄勇炜1, 丁华栋3, 颜智强1
1.湖南省地球物理地球化学调查所,湖南 长沙 410000
2.河南地矿职业学院,河南 郑州 450000
3.南华大学,湖南 衡阳 421000

第一作者简介: 刘中楠(1992—),男,工程师,主要从事地质灾害调查及研究工作。Email: 443149421@qq.com。

收稿日期: 2022-12-01
基金资助: 中央财政项目“湖南省宁县1∶10 000地质灾害调查和风险评价(编号: 2022430032)”资助
摘要

在不同的区域及地质背景下,斜坡地质灾害的主控因子及其影响程度各不相同,分析孕灾因子的敏感性,有利于提高斜坡地质灾害预测的准确性。在资料收集和实地调查工作的基础上,选取了坡度、高程、剖面曲率、地层、斜坡结构、断裂、河流和归一化植被指数(normalized difference vegetation index,NDVI)共8个因子作为斜坡地质灾害的孕灾因子; 基于GIS平台,采用确定性系数(certainty factor, CF)模型进行敏感性分析,并通过敏感性指数评价各因子的敏感性大小并划分敏感性分区。结果表明: 坡度≥40°、高程[600,700 m)、剖面曲率≥0.6、三叠系和二叠系、顺向坡、距断层距离[0,500) m、距河流距离[0,200) m以及NDVI为[0.233, 0.595)最容易发生灾害,由高到底划分为极高、高、中、低和极低5个敏感区,同时采用2020—2021年的灾害数据进行了验证,87.50%的灾害位于高敏感区和极高敏感区内,证实了敏感性分析的合理性。研究成果为下一步风险评价工作奠定了基础,为防灾减灾工作提供了参考,也可为湖南省其他县区提供借鉴。

关键词: 斜坡地质灾害; 孕灾因子; CF模型; 敏感性分析; 新宁县
中图分类号:P694 文献标志码:A 文章编号:2095-8706(2023)04-0107-09
Sensitivity analysis of inducing factors of slope geological hazards based on CF Model: A case study of Xinning County in Hunan Province
LIU Zhongnan1, GAO Yinmei2, JIANG He1, HUANG Yongwei1, DING Huadong3, YAN Zhiqiang1
1. Hunan Geophysical and Geochemical Survey Institute, Hunan Changsha 410000, China
2. Henan Geology and Mining Vocational College, Henan Zhengzhou 450000,China
3. University of South China, Hunan Hengyang 421000, China
Abstract

The main controlling factors of slope geological hazards and their influence degrees are different in different regions and geological backgrounds. Analyzing the sensitivity of hazard inducing factors is beneficial to improve the accuracy of slope geological hazards prediction. On the basis of data collection and field investigation, the authors in this research selected eight factors, including slope, elevation, profile curvature, stratum, geolo-gical time, slope structure, fault, river and normalized difference vegetation index (NDVI), as the inducing factors of slope geological hazards. The sensitivity analysis is conducted by the certainty factor (CF) model based on GIS platform, and the sensitivity index was used to analyze the sensitivity of each factor and divide the sensitivity zones. The results show that areas with the most prone to disasters included characteristics of slope ≥40°, elevation [600,700) m, profile curvature ≥0.6, Triassic and Permian, along slope, [0, 500) m from the fault, [0, 200) m from the river and NDVI between [0.233, 0.595). The sensitivity was divided into five sensitive zones, namely extremely high, high, medium, low and extremely low. At the same time, the disaster data from 2020 to 2021 were used to verify that 87.50% of the disasters were located in extremely high and high sensitive areas, verifying the rationality of this study. The research results lay a foundation for the next step of risk assessment, and provide a reference for disaster prevention and for other counties and districts in Hunan Province.

Keyword: slope geological disaster; hazards inducing factors; CF model; sensitivity analysis; Xinning County
0 引言

斜坡地质灾害是一个复杂的非线性系统, 在不同区域、不同地质背景下, 孕灾因子的类型、作用方式及影响程度各不相同。斜坡地质灾害在湖南省新宁县的表现形式主要为滑坡、崩塌及坡面型泥石流, 严重阻碍了当地社会经济发展, 威胁人民生命财产安全。截至2020年4月底, 湖南省全省地质灾害及隐患点威胁人口70万人、财产283亿元[1, 2], 其中斜坡地质灾害约占总数的80%以上。鉴于新形势下对地质灾害防治工作的新要求, 湖南省开展了以人居斜坡为基本调查单元的1∶ 10 000地质灾害调查和风险评价工作。

斜坡地质灾害的孕灾环境背景敏感性研究作为风险评价的基础之一, 是提高风险评价准确性、合理性的先决条件, 近年来GIS技术的广泛应用促进了地质灾害孕灾因子敏感性研究的发展。刘康等[3]运用信息量与层次分析耦合模型分析了泗水县地质灾害, 其主控因子为地貌、降水及坡度等; 王存智等[4]运用层次分析法分析了沙溪流域的滑坡地质灾害, 其主控因子为岩性、降水及地形地貌等; 覃乙根等[5]以贵州省开阳县为例, 运用确定性系数(certainty factor, CF)模型对斜坡地质灾害的孕灾因子敏感性进行了研究; 牛全福等[6]运用确定性系数及与敏感性指数模型对甘肃省甘谷县黄土易滑地层的地形因子进行了选取与适宜性分析; 刘月等[7]运用ROC曲线与确定性系数法集成模型对重庆市奉节县滑坡易发性进行了评价。

前人也在湖南省内开展了信息量、证据权等模型的研究。杨静等[8]运用加权信息量模型划分了临湘市的地质灾害易发性分区; 肖谆等[9]运用层次分析法对临武县黄寿湾村岩溶塌陷群进行了易发程度分区研究; 赵祈溶等[10]运用证据权法在斜坡单元的基础上, 划分了石门县皂市水库地区滑坡易发性分区, 并用成功率曲线法进行了验证; 雷帆等[11]运用信息量模型对宁远县易发性分区进行了研究。然而, 目前运用CF模型对湖南省地质灾害孕灾因子敏感性进行分析的研究较少, 特别是缺少针对斜坡地质灾害的研究。因此, 本文开展基于CF模型的斜坡地质灾害孕灾因子敏感性分析, 以期发现新宁县斜坡地质灾害易发因子区间, 为下一步风险评价工作奠定基础, 也为湖南省其他县区提供借鉴。

1 地质背景

新宁县位于湖南省西南边陲, 地处湘西山地丘陵区与南岭山地的交接地带, 属山地丘陵区, 总面积2 756.13 km2。总体呈南东高、北西低的倾斜地势。河流主要属于资江流域, 夫夷江由南至北流贯全县, 上游的侵蚀作用和下游的冲击作用显著。研究区地质构造复杂, 褶皱构造以近SN向的新宁复式向斜为主, 断裂构造以NE向的资源— 新宁压扭性断裂为主(图1)。青白口系至三叠系均有出露, 且发育有第四系及易崩滑的白垩系红层, 在研究区西南部和东南部的中低山区发育岩浆岩体。境内居民切坡建房、修路切坡等人类工程活动强度大、范围广。

图1 新宁县斜坡地质灾害分布Fig.1 Distribution of geological hazards in the slopes of
Xinning County

2 斜坡地质灾害特征
2.1 斜坡地质灾害类型

在前人1∶ 10万、1∶ 5万等地质灾害调查成果的基础上, 通过实地调查, 共圈定斜坡地质灾害217处, 灾害类型及规模见表1。新宁县斜坡地质灾害以滑坡为主, 规模以小型为主, 无特大型。

表1 新宁县斜坡地质灾害类型及规模统计 Tab.1 Statistics of the types and scales of slope geological hazards in Xinning County (处)
2.2 斜坡地质灾害分布

(1)地貌类型。新宁县溶蚀丘陵地貌区的斜坡地质灾害数量最多(图2(a)), 这是由于该地貌区坡度适中、高差一般, 残坡积层厚度较大, 为斜坡地质灾害提供了丰富的物源, 加之人员居住密集, 人类工程活动强度大, 有利于形成小型地质灾害。地质灾害数量第二多的是剥蚀低山地貌区, 这是由于该地貌区坡度较大, 下伏基岩以碎屑岩和花岗岩为主, 风化程度高, 土体中的碎石含量高、结构松散, 抗滑能力弱, 为斜坡地质灾害的孕育提供了良好的条件。

(2)地层。除青白口系、震旦系及第四系外, 新宁县其他地质年代的地层均有斜坡地质灾害发育(图2(b))。斜坡地质灾害多发育于寒武系、石炭系、白垩系及岩浆岩体中, 占总数的72.81%。灾害成因主要是板岩、页岩、泥质灰岩、泥质粉砂岩及全风化花岗岩的抗风化或溶蚀能力较弱, 形成的残坡积层厚度较大、稳定性差, 属易崩易滑地层, 地质灾害易发性高。

(3)地质构造。新宁县的斜坡地质灾害主要沿NE向及SN向断裂呈带状分布。距断层距离[0, 500) m区间内的灾害数量最多, ≥ 2 000 m的灾害数量明显下降, 距断层距离和灾害数量具明显的负相关性(R2=0.905)。

(4)河流。新宁县斜坡地质灾害沿河流分布密集, 尤以新寨河、崀河、罗涧河及冻江沿岸居多。从统计结果(图2(d))看, 距河流自近至远, 灾害数量明显下降, 两者具明显负相关性(R2=0.744)。

图2 斜坡地质灾害分布特征Fig.2 Distribution characteristics of slope geological hazards

3 数据和方法
3.1 数据来源

本文采用的数据主要为1∶ 5万DEM分幅数据、湖南省1∶ 25万地质图、1∶ 5万DLG分幅数据、Landsat 8遥感影像, 以及新宁县1∶ 1万地质灾害调查成果数据。由DEM数据提取坡度、高程和剖面曲率, 由DLG数据提取河流信息, 由地质图提取地质时代、地层岩性及构造信息, 根据地层倾向和坡向之间的劣角关系计算斜坡结构类型, 根据Landsat 8遥感影像数据的波段反射率计算归一化植被指数(normalized difference vegetation index, NDVI)。

3.2 孕灾因子选取

在新宁县地质灾害调查评价成果的基础上, 通过深入分析新宁县斜坡地质灾害的发育特征及空间分布规律, 结合湖南省其他地区地质灾害孕灾因子的研究成果[8, 10, 11, 12], 本文选取坡度、高程、剖面曲率、地层等8个影响因子作为斜坡地质灾害孕灾因子, 具体分类(分级)见表2。

表2 新宁县斜坡地质灾害孕灾因子分类(分级) Tab.2 Classification of the inducing factors of slope geological hazards in Xinning County
3.3 模型方法

3.3.1 确定性系数模型

确定性系数(certainty factor, CF)作为一个概率函数最早由Shortliffe等[13]在1975年提出, 之后由Heckerman[14]加以改进, 用于分析影响事件发生的各项因素的敏感性。CF模型目前被广泛用于地质灾害孕灾因子的敏感性评价, 其原理为根据已发生的斜坡地质灾害及其孕灾因子(坡度、斜坡结构等)之间的定量关系来确定敏感性, 即当潜在斜坡地质灾害地段的孕灾背景条件达到相似条件地段孕灾因子的易发区间时, 易发生斜坡地质灾害, 其公式为

ICF=Pa-PsPa(1-Ps)　　(Pa≥Ps)　, ICF=Pa-PsPs(1-Pa)　　(Pa< Ps)　。(1)

式中: ICF为孕灾因子敏感性的信息量; Pa为斜坡地质灾害在某孕灾因子a中发生的条件概率, 即孕灾因子a单元中斜坡地质灾害数量与总单元面积的比值; Ps为斜坡地质灾害在整个研究区发生的先验概率, 即整个研究区斜坡地质灾害的数量与研究区面积的比值。

由式(1)可知, ICF的区间为[-1, 1], ICF越接近1, 单元内斜坡地质灾害发生的确定性越高, 为斜坡地质灾害高易发区; ICF越接近-1, 单元内斜坡地质灾害发生的确定性越低, 为斜坡地质灾害低易发区; ICF为0或越接近0, 则无法确定单元内斜坡地质灾害发生的确定性。

3.3.2 敏感性指数

敏感性指数从整体上反映了某一孕灾因子对斜坡失稳的影响程度。因此, 可采用敏感性指数对孕灾因子的敏感性进行研究, 其公式[15]为

Ea=ICF(a, max)-ICF(a, min)。(2)

式中: Ea为某一因子a对斜坡地质灾害的敏感性指数; ICF(a, max)为孕灾因子a各类别ICF的最大值; ICF(a, min)为孕灾因子a各类别ICF的最小值。分析结果如图3所示。

图3-1 各孕灾因子分级与斜坡地质灾害空间统计Fig.3-1 Classification of the inducing factors and spatial statistics of slope geological hazards
图3-2 各孕灾因子分级与斜坡地质灾害空间统计Fig.3-2 Classification of the inducing factors and spatial statistics of slope geological hazards

4 评论
4.1 孕灾因子

4.1.1 坡度

坡度是影响斜坡地质灾害稳定性的重要因素, 主要在几何特征上决定了斜坡的应力和灾害的分布[16]。新宁县地貌以丘陵、山地为主, 平原、岗地、河谷交错分布, 坡度变化大, 陡坡主要分布在西南部及东南部, 缓坡主要分布在中部及西北部。采用CF模型对5个坡度分级进行分析, 结果(图3(a))显示发生灾害的坡度主要集中在[0° , 30° )区间内, 且ICF大于0.6, 属高易发区; (0° , 20° ]区间的ICF为负值, 属低易发区; ≥ 40° 的区域ICF值高达0.99, 主要由于其面积占比小, 且多为白垩系丹霞地貌, 发育崩塌数量多。

4.1.2 高程

高程是影响坡体内应力值大小的重要因素, 应力会随着坡高的增加而增加, 影响着地质灾害的势能, 从而影响坡体的稳定性[17]。研究区高程最高为1 995 m, 最低为208 m, 以100 m为间隔划分出9个等级, 采用CF模型分析各分级对斜坡地质灾害的敏感性, 结果(图3(b))显示发生灾害的高程主要集中在(300, 600] m, 灾害数量占比大于10%的高程分级区间为[300, 700) m, ICF为正值的区间是高程[208, 700) m和[800, 900) m, 为研究区灾害易发区; 其中高程[600, 700) m的ICF最大, 为灾害高易发区。高程≥ 900 m的ICF均小于-0.6, 为灾害低易发区。

4.1.3 剖面曲率

剖面曲率反映了斜坡的坡面形态, 是沿最大坡降方向地面高程的变化率, 控制着斜坡地质灾害物质及降雨汇流的移动速度, 对灾害物源的空间分布和存量有重要影响[18]。曲率为正值代表凸形坡, 曲率为负值代表凹形坡, 越接近0说明坡面越平直, 为直坡或阶形坡。以0.2为间隔划分出8个等级, 研究区内曲率[-0.8, 0.8)区间以外面积占比较小, 故将< -0.8和≥ 0.8划分为2个等级, 共划分10个等级。采用CF模型对10个曲率分级进行分析, 结果(图3(c))显示研究区曲率值域主要集中在[-0.4, 0.4), 且在值域[-0.2, 0.4)发育的灾害数量最多。ICF为正值值域的坡面为曲率≥ 0.2及[-0.6, -0.4), 为利于灾害发生区域; 曲率≥ 0.6 坡面的ICF均大于0.4, 灾害发生的确定性高, 为高易发区, 说明研究区内凸坡更容易引发斜坡地质灾害。

4.1.4 地层

不同地质年代地层的岩性、节理发育程度、岩石破碎与风化程度各不相同, 对应的上覆土体类型及结构也有区别[19]。鉴于研究区内地层出露齐全、岩性种类多, 且上覆土体发育, 露头出露较差, 在野外调查工作中准确判断工程地质岩组的难度较大, 为便于野外工作的实际应用, 根据年代地层划分地层类型更易于圈定工作重点区。本文共划分了12个地层类型进行CF模型分析, 结果如图3(d)所示。出露面积较大的主要有石炭系、泥盆系、寒武系及花岗岩, 合计占比79.51%。斜坡地质灾害多发育于白垩系、石炭系、泥盆系、寒武系及花岗岩中, 合计占比82.49%。ICF为正值的有白垩系、三叠系、二叠系、寒武系及花岗岩, 为研究区利于孕灾的地层; 特别是三叠系和二叠系的ICF均大于0.8, 为研究区最易崩滑地层。ICF为-1的有第四系、震旦系及青白口系, 其中震旦系和青白口系在研究区内出露面积小, 合计占比 1.54%, 且大部分位于原始林区、人类工程活动强度低, 第四系主要分布于河谷和平原, 地形平坦, 灾害低易发。

4.1.5 斜坡结构

本文将新宁县斜坡结构划分为6类, 采用CF模型分析各斜坡结构类型对斜坡地质灾害的敏感性, 结果如图3(e)所示。斜坡结构面积较大的为块状岩体坡和横向坡。ICF为正值的斜坡结构类型为顺向坡和块状岩体坡, 为研究区利于孕灾的斜坡结构; 顺向坡的ICF最大, 为高易发区; 顺切坡、横向坡、逆切坡和逆向坡的ICF为负值, 为低易发区, 其中逆切坡的ICF最小, 最不容易发生灾害。

4.1.6 距断层距离

断层两侧的斜坡岩体受构造运动强度控制, 距离断层越近则节理裂隙越发育, 岩体越破碎, 在特定节理产状条件下, 易引起斜坡沿软弱面结构失稳成灾[21]。以500 m为间距建立了7个等级, 分析各分级对斜坡地质灾害的敏感性, 结果(图3(f))显示距断层距离[0, 500) m的ICF值最大, 数量占比达41.01%, 说明该区间内斜坡地质灾害受断层控制明显, 为高易发区。距断层距离≥ 500 m 的ICF为-0.50~0.03, 且变化呈波状起伏, 说明该区间对灾害影响较小, 受其控制程度低。

4.1.7 距河流距离

河流对斜坡地质灾害具有控制作用, 河流侵蚀使斜坡前缘形成临空面, 降低斜坡前缘的稳定性, 斜坡地表径流渗入坡体和基岩裂隙内, 降低斜坡岩土体强度, 致使灾害发生[21, 22]。以200 m为间距建立了6个等级, 分析各分级对斜坡地质灾害的敏感性, 结果如图3(g)所示。距河流[0, 200) m的灾害数量最多, 且ICF为正值, 为高易发区。距河流≥ 200 m的区间ICF均为负值, 且随距离的增大, ICF值呈现逐渐减小的趋势, 表明随距离河流距离的增加, 河流对斜坡地质灾害的控制逐渐减弱, 这一规律与图2(d)一致。

4.1.8 NDVI

NDVI的值域为[-1, 1], 负值表示对可见光高反射, 一般为水域; 0一般指示了裸露地表; 正值指示有植被覆盖, 数值越大指示植被覆盖率越高[23]。研究区NDVI值域在[-0.200, 0.863)之间, 采用自然间断分级法将其分为5类, 分析各分级对斜坡地质灾害的敏感性, 结果(图3(h))显示研究区植被覆盖率较好, NDVI为[0.233, 0.694)的ICF为正值且均大于0.35, 为利于灾害发生的区间。特别是[0.233, 0.595)的ICF均大于0.50, 面积占比24.19%, 为高易发区。NDVI为[-0.200, 0.233)的ICF为-1, 为低易发区。

4.2 孕灾因子对灾害影响程度分析

同一孕灾因子的不同分级对斜坡地质灾害的影响程度不同, 采用敏感性指数Ea研究各因子对灾害发生的影响程度, 结果见表3。可以看出选取的8个孕灾因子对新宁县斜坡地质灾害影响程度由大到小为: 坡度> 地层> NDVI> 高程> 距河流距离> 剖面曲率> 斜坡结构> 距断层距离。

表3 新宁县孕灾因子影响程度 Tab.3 Influence degree of hazard inducing factors in Xinning County
4.3 孕灾因子敏感性分区与验证

将CF模型的计算结果赋值到各孕灾因子分类(级)中, 通过GIS平台, 将8个因子的图层进行叠加分析, 根据分析结果划分出5个敏感区, 即极高敏感区、高敏感区、中敏感区、低敏感区和极低敏感区(图4), 并计算各敏感区面积及占比、灾害数量、密度等(表4)。

图4 新宁县孕灾因子敏感性分区Fig.4 Susceptibility zoning of hazard inducing factors in Xinning County

表4 新宁县孕灾因子敏感区统计 Tab.4 Susceptibility zoning statistics of hazard inducing factors in Xinning County

研究区内的高敏感区和极高敏感区共计1 048.47 km2, 占研究区总面积的38.04%, 斜坡地质灾害主要集中在这2个敏感区内, 占比达80.65%。灾害密度随敏感区等级升高而增加, 两者呈较好的正相关。采用研究区2020— 2021年起发生的8次斜坡地质灾害作为验证数据, 包含滑坡7处和崩塌1处, 将灾害与敏感区进行空间叠加, 统计各敏感区内的灾害数量。其中, 极高敏感区、高敏感区和中敏感区内发生灾害的数量分别为4处、3处和1处, 低敏感区和极低敏感区内未发生灾害, 可以认为本文敏感区的划分较为合理(表5)。

表5 2020— 2021发生的灾害基本情况及所在敏感区 Tab.5 Basic situation of the hazards occurred from 2020 to 2021 and their sensitive areas
5 结论

(1)基于GIS平台和CF模型, 对研究区8个孕灾因子开展了CF分析, 得出研究区内最有利于斜坡地质灾害发生的条件为坡度≥ 40° 、高程[600, 700) m、剖面曲率≥ 0.6、NDVI为[0.233, 0.595)、三叠系和二叠系、顺向坡、距断层距离[0, 500) m 及距河流距离[0, 200) m的区域为灾害的高易发区, 各孕灾因子对斜坡地质灾害的影响程度由大到小为坡度> 地层> NDVI> 高程> 距河流距离> 剖面曲率> 斜坡结构> 距断层距离。

(2)将研究区划分为5个敏感区。研究区内斜坡地质灾害主要集中在高敏感区和极高敏感区内, 通过对2020— 2021年发生的8处灾害进行敏感性分区验证, 87.50%的灾害位于高和极高敏感区内, 说明本文敏感区划分较为合理。

需要指出的是, 由于数据资料的缺失, 本文未区分区域上花岗岩风化程度的差异性, 可能导致花岗岩区域的ICF值偏小。湖南省的斜坡地质灾害以小型为主, 诱发因素多为坡脚居民建房切坡, 采用NDVI无法反映在垂向上的人类工程活动强度。

(责任编辑: 魏昊明)

参考文献
[1] 文武飞, 李雪宇, 赵帅军, 等. 湖南省山丘区居民切坡建房形成地质灾害隐患与防治对策[J]. 国土资源导刊, 2020, 17(3): 37-41.
Wen W F, Li X Y, Zhao S J, et al. The formation of geological ha-zard hidden danger and its prevention and cure countermeasure of residential houses built in hilly regions of Hunan Province[J]. Land & Resources Herald, 2020, 17(3): 37-41. [本文引用:1]
[2] 谈树成, 金艳珠, 虎雄岗, 等. 斜坡地质灾害气象预报预警空间数据库的设计与建立[J]. 地球学报, 2012, 33(5): 812-818.
Tan S C, Jin Y Z, Hu X G, et al. The design and establishment of meteorological forecasting and warning spatial database of slope geological hazards[J]. Acta Geoscientica Sinica, 2012, 33(5): 812-818. [本文引用:1]
[3] 刘康, 田臣龙, 徐凤琳. 基于信息量-层次分析耦合模型的泗水县地质灾害易发性评价[J]. 中国地质调查, 2023, 10(2): 77-86.
Liu K, Tian C L, Xu F L. Susceptibility assessment of geological disasters in Sishui County based on the coupling model of Information Content and Analytic Hierarchy Process method[J]. Geological Survey of China, 2023, 10(2): 77-86. [本文引用:1]
[4] 王存智, 张炜, 李晨冬, 等. 基于GIS和层次分析法的沙溪流域滑坡地质灾害易发性评价[J]. 中国地质调查, 2022, 9(5): 51-60.
Wang C Z, Zhang W, Li C D, et al. Susceptibility evaluation of land slide hazards of Shaxi river basin based on GIS and AHP[J]. Geological Survey of China, 2022, 9(5): 51-60. [本文引用:1]
[5] 覃乙根, 杨根兰, 谢金, 等. 贵州省开阳县斜坡地质灾害孕灾因子敏感性分析[J]. 煤田地质与勘探, 2020, 48(4): 190-198.
Qin Y G, Yang G L, Xie J, et al. Sensitivity analysis of disaster-pregnant environmental factors for slope geological hazards in Kaiyang County, Guizhou Province[J]. Coal Geology & Exploration, 2020, 48(4): 190-198. [本文引用:1]
[6] 牛全福, 冯尊斌, 党星海, 等. 黄土区滑坡研究中地形因子的选取与适宜性分析[J]. 地球信息科学学报, 2017, 19(12): 1584-1592.
Niu Q F, Feng Z B, Dang X H, et al. Suitability analysis of topographic factors in loess land slide research[J]. Journal of Geo-Information Science, 2017, 19(12): 1584-1592. [本文引用:1]
[7] 刘月, 王宁涛, 周超, 等. 基于ROC曲线与确定性系数法集成模型的三峡库区奉节县滑坡易发性评价[J]. 安全与环境工程, 2020, 27(4): 61-70.
Liu Y, Wang N T, Zhou C, et al. Evaluation of land slide susceptibility based on ROC and certainty factor method in Fengjie County, Three Gorges Reservoir[J]. Safety and Environmental Engineering, 2020, 27(4): 61-70. [本文引用:1]
[8] 杨静, 丁俊, 王辉. 基于GIS和加权信息量的临湘市地质灾害易发性评价[J]. 测绘地理信息, 2020, 45(3): 51-53, 57.
Yang J, Ding J, Wang H. Evaluation of geological disaster susceptibility in Linxiang city based on GIS and weighted information value[J]. Journal of Geomatics, 2020, 45(3): 51-53, 57. [本文引用:2]
[9] 肖谆, 肖其鹏, 万方良, 等. 湖南省临武县黄寿湾村岩溶塌陷易发程度分区研究[J]. 矿产与地质, 2020, 34(1): 159-165.
Xiao Z, Xiao Q P, Wan F L, et al. Study on occurrence possiblity zonation of karst collapse in Huangshouwan Village of Linwu County, Hunan[J]. Mineral Resources and Geology, 2020, 34(1): 159-165. [本文引用:1]
[10] 赵祈溶, 曹顺红, 文武飞, 等. 基于证据权法的湖南省石门县皂市水库滑坡易发性评价[J]. 华南地质, 2021, 37(2): 216-225.
Zhao Q R, Cao S H, Wen W F, et al. Land slide susceptibility eva-luation based on weights of evidence method for the Zaoshi reservoir in Shimen county, Hunan Province[J]. South China Geology, 2021, 37(2): 216-225. [本文引用:2]
[11] 雷帆, 刘博. 基于ArcGIS信息量模型的宁远县地质灾害易发性评价与区划[J]. 国土资源导刊, 2015, 12(2): 80-84, 65.
Lei F, Liu B. Susceptibility assessment and zoning of geo-hazards in Ningyuan County based on the ArcGIS information model[J]. Land & Resources Herald, 2015, 12(2): 80-84, 65. [本文引用:2]
[12] 刘江龙, 柳建新, 吴湘滨, 等. 湖南怀化市坡面地质灾害发育特征与人为致灾因子分析[J]. 灾害学, 2011, 26(2): 39-44.
Liu J L, Liu J X, Wu X B, et al. Analysis on development characteristics of slope geological calamity and artificial disaster-causing factors in Huaihua City, Hunan Province[J]. Journal of Catastrophology, 2011, 26(2): 39-44. [本文引用:1]
[13] Shortliffe E H, Buchanan B G. A model of inexact reasoning in medicine[J]. Mathematical Biosciences, 1975, 23(3-4): 351-379. [本文引用:1]
[14] Heckerman D. Probabilistic interpretations for MYCIN’s certainty factors[C]//Proceedings of the First Conference on Uncertainty in Artificial Intelligence. Los Angeles: AUAI Press, 1985: 9-20. [本文引用:1]
[15] 李益敏, 谢亚亚, 蒋德明, 等. 怒江州斜坡地质灾害孕灾环境因素敏感性研究[J]. 水土保持研究, 2018, 25(5): 300-305.
Li Y M, Xie Y Y, Jiang D M, et al. Study on sensitivity in disaster-pregnant environmental factors of slope geological hazards in Nujiang prefecture[J]. Research of Soil and Water Conservation, 2018, 25(5): 300-305. [本文引用:1]
[16] 冯杭建, 周爱国, 唐小明, 等. 基于确定性系数的降雨型滑坡影响因子敏感性分析[J]. 工程地质学报, 2017, 25(2): 436-446.
Feng H J, Zhou A G, Tang X M, et al. Susceptibility analysis of factors controlling rainfalltriggered land slides using certainty factor method[J]. Journal of Engineering Geology, 2017, 25(2): 436-446. [本文引用:1]
[17] 温鑫, 范宣梅, 陈兰, 等. 基于信息量模型的地质灾害易发性评价: 以川东南古蔺县为例[J]. 地质科技通报, 2022, 41(2): 290-299.
Wen X, Fan X M, Chen L, et al. Susceptibility assessment of geological disasters based on an information value model: A case of Gulin County in Southeast Sichuan[J]. Bulletin of Geological Science and Technology, 2022, 41(2): 290-299. [本文引用:1]
[18] 张钟远, 邓明国, 徐世光, 等. 镇康县滑坡易发性评价模型对比研究[J]. 岩石力学与工程学报, 2022, 41(1): 157-171.
Zhang Z Y, Deng M G, Xu S G, et al. Comparison of land slide susceptibility assessment models in Zhenkang County, Yunnan Pro-vince, China[J]. Chinese Journal of Rock Mechanics and Engineering, 2022, 41(1): 157-171. [本文引用:1]
[19] 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, 170.
Tian C S, Liu X L, Wang J. Geohazard susceptibility assessment based on CF model and Logistic Regression models in Guangdong[J]. Hydrogeology & Engineering Geology, 2016, 43(6): 154-161, 170. [本文引用:1]
[20] 薛强, 张茂省, 李林. 基于斜坡单元与信息量法结合的宝塔区黄土滑坡易发性评价[J]. 地质通报, 2015, 34(11): 2108-2115.
Xue Q, Zhang M S, Li L. Loess land slide susceptibility evaluation based on slope unit and information value method in Baota District, Yan’an[J]. Geological Bulletin of China, 2015, 34(11): 2108-2115. [本文引用:1]
[21] 王文坡, 韩爱果, 任光明, 等. 四川省普格县滑坡孕灾环境因子敏感性分析[J]. 长江科学院院报, 2018, 35(9): 63-67, 97.
Wang W P, Han A G, Ren G M, et al. Sensitivity analysis of hazard-brewing environmental factors of land slides in Puge County of Sichuan Province[J]. Journal of Yangtze River Scientific Research Institute, 2018, 35(9): 63-67, 97. [本文引用:2]
[22] 胡燕, 李德营, 孟颂颂, 等. 基于证据权法的巴东县城滑坡灾害易发性评价[J]. 地质科技通报, 2020, 39(3): 187-194.
Hu Y, Li D Y, Meng S S, et al. Land slide susceptibility evaluation in Badong County based on weights of evidence method[J]. Bulletin of Geological Science and Technology, 2020, 39(3): 187-194. [本文引用:1]
[23] 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 S Y, Zhang Z Y, Fu H L, 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. [本文引用:1]