作者中心
专家审稿
编委审稿
主编审稿
DISTRIBUTION AND HAZARD ASSESSMENT OF COLLAPSES AND LANDSLIDES IN SICHUAN-TIBET TRAFFIC CORRIDOR
-
摘要: 川藏交通廊道雅安到林芝段位于青藏高原东南部，沿线地质条件复杂、河流切割强烈、地质环境脆弱、新构造运动活跃，具有山高谷深、坡体稳定性差等特点，是我国崩滑灾害最发育、危害最严重的地区之一。为了保障廊道内相关工程的顺利建设和后期安全运营，本文以线路两侧一级分水岭为界，通过遥感解译和野外调查，获得川藏交通廊道雅安—林芝段崩滑灾害共4509处，在此基础上，选取高程、坡度、坡向、工程地质岩组、断裂、水系、公路、地震动峰值加速度、降雨共9个因子分析了灾害的空间分布规律及发育特征，建立了频率比法与逻辑回归方法耦合模型，并运用到高原山区重大交通廊道崩滑灾害危险性评价中。研究结果表明：(1)廊道沿线各县区段的崩滑灾害面密度在空间上总体呈从西向东递减的趋势。(2)有利于灾害发生的条件分别是：高程1~4 km，坡度大于20°，S、SW和W坡向，较软弱、较坚硬和坚硬岩组，距断裂6.4 km范围内，距水系3.2 km范围内，距公路800 m范围内，地震动峰值加速度0.20g，年均降雨量大于1100 mm。(3)将研究区危险性等级划分为极低危险(18.64%)、低危险(26.18%)、中等危险(24.75%)、高危险(19.82%)、极高危险(10.61%)5级，其中：极高危险区与高危险区主要分布在断裂附近和坡度较陡的区域。(4)耦合模型的AUC值达到了0.737，优于单一的频率比模型的0.712，表明耦合模型的评价结果具有更高的精度。该研究可为川藏交通廊道雅安到林芝段相关工程的规划、建设和未来运营过程中的防灾减灾工作提供重要参考。Abstract: The Ya'an to Nyingchi section of the Sichuan-Tibet traffic corridor is located in the southeast of the Qinghai-Tibet Plateau. The project region is characterized by complex geological conditions,strong river cutting,fragile geological environment,active neotectonic movement,high mountains,deep valleys and poor slope stability. It is one of the areas with the most developed and serious hazards of collapses and landslides in China. In order to guarantee the smooth construction and safe operation of the related project in the corridor,this study takes the first order watershed on both sides of the line as the boundary,and obtains a total of 4509 collapses and landslides in the Ya'an-Nyingchi section of the Sichuan-Tibet traffic corridor through remote sensing interpretation and field investigation. On this basis,a total of nine factors,including elevation,slope,aspect,engineering geological strata,fault,river,road,peak ground acceleration and rainfall are selected to analyze the spatial distribution law and development characteristics of disasters. Then it establishes a coupling model of frequency ratio method and logistic regression method to evaluate the hazard of collapses and landslides for the major traffic corridor project in plateau mountainous area. The study results show that: (1)The areal density of collapses and landslides in various counties along the corridor shows a spatial decreasing trend from west to east. (2)The conditions conducive to disasters occurrence include elevation of 1~4 km,slope gradient steeper than 20°,aspects of S,SW and W,rock groups of soft,hard and very hard,within 6.4 km of fault,within 3.2 km of river,within 800 m of road,peak ground acceleration of 0.20g and average annual rainfall more than 1100 mm. (3)The hazard of study area is divided into five grades: very low hazard(18.64%),low hazard(26.18%),medium hazard(24.75%),high hazard(19.82%),and very high hazard(10.61%),where the very high hazard and high hazard areas are mainly distributed near the faults and in the areas with steep slopes. (4)The AUC value of the coupling model reaches 0.737,which is better than that of the single frequency ratio model 0.712,indicating that the evaluation result of the coupling model has higher accuracy. This study can provide an important reference for disaster prevention and mitigation in the planning,construction and future operation of the related project in Sichuan-Tibet traffic corridor.
-
0. 引言
崩滑灾害是山区常见的地质灾害，容易对人类的生命财产安全造成威胁，同时也会对自然环境造成破坏(黄润秋，1994；高华喜，2010)。川藏交通廊道雅安到林芝段地处青藏高原东南部，位于四川省、西藏自治区境内，由于青藏高原的强烈隆升，沿线地质条件复杂、河流切割强烈、地质环境脆弱、新构造运动活跃，具有山高谷深、坡体稳定性差等特点，是我国崩滑灾害最发育、最活跃、类型最齐全、危害最严重的地区之一(彭建兵等，2004；李秀珍等，2019；彭建兵等，2020；薛翊国等，2020；兰恒星等，2021)。频繁发生的崩滑灾害可以造成线路路基、车站、隧道等变形破坏，严重影响着线路的建设与安全运营，制约着区域经济的发展(郭长宝等，2021；杜国梁等，2021；徐正宣等，2021)。因此，分析区内已有崩滑灾害的空间分布特征，预测未来潜在崩滑灾害发生的概率显得十分重要。
地质灾害的危险性是指地质灾害发生活动的可能性(张春山等，2003)。地质灾害危险性评价是风险评价的一个重要环节(乔建平等，2010；胡瑞林等，2013；薛强等，2018)。从区域尺度上根据崩滑灾害可能发生的危险性等级进行区划，进而指导区域防灾减灾工作，已成为主动有效预防和减轻崩滑灾害损失的重要手段之一(Liu et al., 2018；方然可等，2021)。目前崩滑灾害危险性评价方法主要分为定性方法和定量方法两种，其中定性方法主要依赖专家的知识和经验，主观性较强，包括专家打分法(马中豪，2014)、层次分析法(齐洪亮，2008；郑师谊等，2012)等；定量方法主要是利用统计模型进行危险性计算，应用比较广泛的评价模型主要有随机森林模型(吴孝情等，2017)、确定系数模型(许冲，2012)、逻辑回归模型(马思远等，2019)、频率比模型(徐瑞池等，2019)等。
研究人员针对川藏交通廊道区域，运用上述各种方法开展了一些危险性评价研究的工作，如李孝攀等(2017)基于层次分析法，选取了既有灾害的数量、规模和频次、地形地貌条件、气候水文条件、地层地质条件和人为活动条件这7个指标评价了川藏交通廊道康定至昌都段线路工程地质灾害(崩塌、滑坡、泥石流和断层破碎带灾害)的区域危险性；杨宗佶等(2018)基于贡献率法分析了川藏交通廊道康定至林芝段线路工程的滑坡风险，其中危险性评价指标包括与断层距离、地层岩性、相对高差、海拔、坡度、地震加速度、年平均降雨、与河流距离；边江豪等(2021)基于贡献率权重模型，选取了坡度、地层岩性、高差、坡向、断裂带和河流水系共6个指标进行了川藏交通廊道线路工程大型滑坡危险性区划研究。但是，这些研究均以一个大范围的矩形框或线路的缓冲区作为危险性评价区域，且有些研究区内的地质灾害样本数量比较少。
以往研究表明，逻辑回归模型和频率比模型都是崩滑灾害危险性评价中应用较为普遍的模型(Lee et al., 2007；Pradhan et al., 2010；Bourenane et al., 2016)，但两者分别具有一定的局限性(吴常润等，2021)，其中：逻辑回归模型可以在一个因变量和多个自变量之间进行多元统计分析，从而得到不同因素对崩滑灾害发生的贡献度，即因子之间的相对权重，但是不能得到各因素不同分级区间与灾害的相关性；而频率比模型可以计算同一影响因子在不同分级区间下对崩滑灾害发生的影响，但不能反映不同影响因子对灾害发生的贡献率或影响程度的差异。近年来，越来越多的研究者不再局限于单一模型的选取，而是更倾向于将不同的模型进行对比以及重新组合，以提高危险性评价结果的精度，均取得了较好的应用效果(刘杰等，2020；杨康等，2021；Feng et al., 2022；王剑锋等，2022；赵铮，2022)。
为了进一步提高川藏交通廊道地质灾害危险性评价结果的准确性，本文基于遥感影像目视解译和野外调查，以线路两侧一级分水岭为界，在分水岭范围内解译了4000多处崩滑灾害，建立了川藏交通廊道雅安到林芝段的崩滑灾害数据集；选取了高程、坡度、坡向、工程地质岩组、断裂、水系、公路、地震动峰值加速度、降雨共9个因子，分析了崩滑灾害空间分布规律及其发育特征；建立了频率比-逻辑回归耦合模型，开展了崩滑灾害危险性评价工作，并将耦合模型与单一频率比模型的评价精度进行了比较。
1. 川藏交通廊道地质背景
川藏交通廊道雅安到林芝段的线路工程正处在施工建设阶段，新建正线长度1011 km，计划工期3651天，东起四川省雅安市，向西经康定、理塘、昌都、波密，到达西藏自治区林芝市。由于复杂的特提斯构造形成演化及青藏高原隆升，沿线地质条件极其复杂(潘桂堂等，2020)，处于“五高”(高海拔、高应力、高烈度、高地温、高水压)、“四极”(地形切割极为强烈、构造作用极为活跃、岩性条件极为复杂、历史地震效应极为显著)的复杂耦合环境下，建设难度之大堪称世界之最(Cui et al., 2022)。
本研究区范围介于川藏交通廊道雅林段线路两侧的一级分水岭内，总面积约26 809 km2。线路最东侧位于四川盆地，向西经过横断山高山峡谷区进入藏东南高山峡谷区。区内地势西高东低，高程为534~7979 m，地形高差十分显著，山高坡陡、地势险峻。地貌形态主要受青藏高原隆升的影响，横断山区的伯舒拉岭、他念他翁山、芒康山等山脉走向主要为南北向，而横断山区西侧的山脉走向由南北向过渡为东西向，冰川地貌和冻融地貌发育。
从大的地块单元看，川藏交通廊道雅安到林芝段横跨了4个一级大地构造单元，最东侧为扬子陆块(雅安至康定段)，向西依次是羌塘-三江造山系(康定至昌都段)、班公湖-双湖-怒江-昌宁对接带(昌都至八宿段)和冈底斯-喜马拉雅造山系(八宿至林芝段)(潘桂棠等，2013)。此外，还贯通了5条岩浆弧带，涉及6个不同构造环境的沉积盆地，贯穿7条蛇绿混杂岩带(潘桂棠等，2020)。
受青藏高原构造格局控制，研究区内地层岩性复杂多变，从震旦系至第四系均有分布(杜国梁等，2021)，受构造活动影响，岩体挤压变形强烈。
研究区内水系发育，川藏交通廊道雅安—林芝段沿线横跨大渡河、雅砻江、金沙江、澜沧江、怒江等主要河流，河流流向受区域构造走向和区域地势控制，主要为近南北向平行排列。
线路穿越多条第四纪活动断裂，如龙门山断裂带、鲜水河断裂带、理塘断裂带、金沙江断裂带、澜沧江断裂带、怒江断裂带、嘉黎-察隅断裂带、米林断裂带等。密集发育的活动断裂使该地区地震活动强烈、破坏性大，根据中国地震动峰值加速度区划图(GB18306-2015)中川藏交通廊道雅林段沿线的地震动峰值加速度分布，康定、泸定、波密、林芝地区的PGA可达0.30g甚至0.40g，其余绝大部分地区PGA为0.15g和0.20g，地震风险不可忽视。
2. 崩滑灾害危险性评价的频率比-逻辑回归耦合模型
频率比模型(Frequency Ratio，FR)是一种简单且常用的定量分析模型，可以有效评估地理空间中因变量和自变量之间的概率关系。对于崩滑灾害而言，频率比FRij表示的是影响因子i在某一分级区间j内灾害所占的面积和研究区内灾害总面积的比值与该影响因子i在该分级区间j下的面积和研究区总面积的比值之比，其计算公式为：
FRij=Aij/ABij/B (1) 式中：A是灾害总面积；B是研究区总面积；Aij是某一特定因子i在第j分级区间的灾害面积；Bij是某一特定因子i在第j分级区间的研究区面积。FRij值表征了影响因子i在各分级区间j对于崩滑灾害发生的重要程度：FRij>1表明影响因子i在第j分级区间对灾害发生有利，FRij<1表明影响因子i在第j分级区间不利于灾害发生。
逻辑回归模型(Logistic Regression，LR)是在一个因变量和多个自变量之间形成多元回归关系，从而预测事件的发生概率。在LR模型中，因变量是一个二分类变量，分别取1和0表示事件的发生和未发生，自变量为影响事件发生的n个影响因子。逻辑回归函数表达式为：
z=a0+a1x1+a2x2+⋯⋅+anxn (2) P=exp(z)1+exp(z) (3) 式中：z为中间变量参数；a0为回归常数；ai是第i个自变量的回归系数(i=1，2，3，…，n)；xi是第i个自变量的取值(i=1，2，3，…，n)；P是事件发生概率的回归预测值。
本文充分发挥频率比模型和逻辑回归模型的优势，既关注各影响因子的不同分级区间致灾效应的大小，同时考虑不同影响因子对灾害发生的贡献权重，基于式(1)、式(2)和式(3)建立了频率比-逻辑回归耦合模型，表达式为：
zk=a0+n∑i=1aiFRki (4) Pk=exp(zk)1+exp(zk) (5) 式中：zk为第k个评价单元的中间变量参数(k=1，2，3，…，m)；a0为回归常数；ai是第i个影响因子的回归系数；n是影响因子的个数；FRki是第k个评价单元的第i个影响因子的频率比值；Pk是第k个评价单元的崩滑灾害发生概率的回归预测值。
本文选择栅格作为危险性评价单元，主要计算步骤如下：
(1)利用式(1)计算各影响因子i在不同分级区间j下的FRij值，并将该值赋给相应因子图层的栅格单元，则第i个影响因子在第k个栅格单元的频率比值为FRki。
(2)在研究区内随机选取相同数量的崩滑点样本和非崩滑点样本，再将这些样本按照3 ︰ 1的比例分成训练集和测试集(训练集和测试集中的崩滑点和非崩滑点都各占一半)。
(3)假设训练集中共有s个样本点，每个样本点的特征向量由该样本点所在栅格单元的各影响因子的频率比组成，则s个样本点对应的n个影响因子的频率比组成一个矩阵(FRki)s×n，以该矩阵作为自变量，以每个样本点崩滑灾害发生与否作为因变量(0代表不发生，1代表发生)进行二元逻辑回归，可得到训练后的二元逻辑回归模型，模型的回归系数即为因子之间的相对权重。
(4)利用式(4)和式(5)计算出研究区每个栅格单元崩滑灾害的发生概率Pk。
3. 崩滑灾害分布及发育特征
3.1 崩滑灾害遥感调查与面积分类
本文主要以Google Earth影像数据为基础对川藏交通廊道雅安—林芝段的崩滑灾害进行了初步解译，廊道解译范围以线路两侧一级分水岭为界，整体宽度介于15~50 km之间。
崩塌灾害的遥感解译标志(许冲等，2009；童立强等，2013)：①崩塌常以小规模成群出现，多发育于陡坡，上陡下缓；②崩塌壁陡峭粗糙，通常呈浅色调；③崩塌体在坡脚形成锥状堆积体或倒石锥，地貌特征明显，影像粗糙，通常呈浅色调；④崩塌体上一般不长植被或植被稀疏，多数较老的崩塌体植被茂盛。
滑坡灾害的遥感解译标志(许冲等，2009；童立强等，2013)：①滑坡体的平面形态多呈簸箕形、舌形、椭圆形和不规则形等；②发生过滑坡的坡体颜色与周围环境差异较大；③规模较大的滑坡可见圈椅状后壁、滑坡台阶、滑坡鼓丘、封闭洼地、滑坡舌、滑坡裂缝等微地貌形态；④规模较大的古滑坡堆积体上通常可见田地或房屋。
通过野外调查验证发现，室内遥感解译的准确率可达95%，图 1为崩滑灾害野外验证的典型照片。
将崩滑灾害按照面积分成8个区间，分割标准为两倍的上一区间面积值，见表 1(姚翔龙，2021)。对川藏交通廊道区域内崩滑灾害的统计结果显示，区域内共发育了崩滑灾害4509处，面积分布在44.09~9478 367.91 m2之间，其中面积小于4000 m2的崩滑灾害共计1141个，占廊道内总崩滑比例的25.30%；面积大于4000 m2的崩滑灾害发育情况相似，各面积区间的崩滑灾害个数主要分布在460~510个之间，占比在10% ~12%之间，见表 1。
表 1 崩滑灾害面积分级表Table 1. Collapses and landslides areas classification table区间序号 面积间隔/m2 分布数量 数量占比/% 1 0~4000 1141 25.30 2 4000~8000 490 10.87 3 8000~16 000 488 10.82 4 16 000~32 000 473 10.49 5 32 000~64 000 507 11.24 6 64 000~128 000 468 10.38 7 128 000~256 000 462 10.25 8 256 000~10 000 000 480 10.65 3.2 崩滑灾害空间总体分布
川藏交通廊道雅安—林芝段崩滑灾害分布情况如图 2所示，图中可以看出，研究区内的崩滑灾害具有丛集分布的特征，主要分布在林芝到波密、洛隆到八宿等区段。
![]()
图 2 川藏交通廊道崩滑灾害分布图Figure 2. Distribution map of collapses and landslides in Sichuan-Tibet traffic corridor崩滑灾害的发育密度一直是崩滑灾害研究中最重要的评价指标，反映了各区域之间灾害发生的容易程度。本文选择面密度作为评价指标，描述川藏交通廊道沿线崩滑灾害的分布情况。面密度是指某区间内的崩滑灾害面积与该区间面积的比值。在本次计算过程中，选取县级区域为计算的背景面积，具体计算公式如下：
D=SiCi (6) 式中：D是灾害面密度；Si是川藏交通廊道位于i县区段的灾害面积；Ci是川藏交通廊道位于i县区段的背景面积。D值越大，表明该区域内崩滑灾害密度越高，也就越容易发生崩滑灾害。
根据式(6)计算了川藏交通廊道沿线各县区段的崩滑灾害面密度，分布情况如图 3和图 4所示。可以看出，在空间上，川藏交通廊道区域崩滑灾害的面密度总体上呈现出从西向东递减的趋势，林芝巴宜区、波密和洛隆段的崩滑灾害面密度较高，其中洛隆段密度最高，超过0.05。在贡觉和雅江附近形成两个显著的崩滑密度较低地段。天全以东的芦山、雅安雨城区和名山区等地，崩滑灾害面密度则更低。
![]()
图 3 各县区段崩滑灾害面密度分布图Figure 3. Distribution map of collapses and landslides areal density by county section![]()
图 4 各县区段崩滑灾害面密度柱状图Figure 4. Histogram of collapses and landslides areal density by county section3.3 崩滑灾害空间分布影响因素分析
崩滑灾害的发生是斜坡自身基础地质条件与外界触发因素共同作用的结果。前者主要包括地形地貌、地层岩性、地质构造等条件，后者主要包括降雨、地震、人类工程活动等触发因素(罗路广等，2021)。通过文献调研并考虑研究区地质环境条件，选取高程、坡度、坡向、工程地质岩组、断裂、水系、公路、地震动峰值加速度、降雨这9个要素进行灾害空间分布规律性分析，利用式(1)计算各因子的频率比(图 5)，获得灾害分布与各因子之间的关系，因子栅格大小皆为30 m×30 m。
3.3.1 高程
高程是崩滑灾害发生的主要控制因素之一，本文采用30 m分辨率的高程数据，研究区的高程范围为534~7979 m，利用ArcGIS中的“栅格重分类”功能按照1 km一个间隔将高程划分为6级(图 6)：0~1 km、1~2 km、2~3 km、3~4 km、4~5 km和>5 km。川藏交通廊道雅林段主要为高程3 km以上的地区，其中高程在4~5 km之间的地区占比最大。
计算了不同高程区间内灾害发生的频率比，分析崩滑灾害在不同高程的发育特点，计算结果如图 5a所示。研究结果显示频率比值随高程的增大呈现出先增大后减小的趋势，频率比最大值出现在高程为2~3 km的区域，高程值为1~4 km区域的频率比值都大于1，说明研究区内1~4 km的高程更利于崩滑灾害的发生。这一分布也反映了地貌演化的影响，4 km以上为较平缓的高原面，1 km以下则为河谷区或低矮丘陵区，1~4 km则是高山峡谷区，内外动力作用活跃，崩滑灾害易于发育。
3.3.2 坡度
坡度与崩滑灾害的关系密切，一般来说，坡度过低或过高都不利于崩滑灾害的发育(李郎平等，2017)。利用研究区30 m空间分辨率的DEM数据在ArcGIS中计算坡度，然后根据坡度的分布情况，将坡度重分类为7级(图 7)：0°~10°、10°~20°、20°~30°、30°~40、40°~50°、50°~60°和>60°。川藏交通廊道雅林段主要为坡度小于40°的区域，其中坡度在20°~30°之间的地区占比最大。
计算了不同坡度区间内灾害发生的频率比，分析崩滑灾害在不同坡度的发育特点，计算结果如图 5b所示。研究结果显示频率比值随着坡度的增大而逐渐增大，频率比值的最大值出现在坡度为50°~60°的区域，当坡度大于60°时频率比减小。坡度在0°~20°范围内的频率比值小于1，表明崩滑灾害不易发生在坡度缓于20°的坡体。Qi et al. (2010)和Zou et al. (2022)等研究表明，坡度是崩滑灾害发育的最重要的控制因子，坡度在不同程度上反映了地层岩性、地质构造、高程、坡向等因子的影响。
3.3.3 坡向
由于不同坡向坡体的日照、降雨量和地震动力的传播方向均不相同，这使得不同坡向坡体的土壤湿度和植被以及地震活动的方向性均存在差异(Guo et al., 2015)，进而影响崩滑灾害的发育。利用研究区30 m空间分辨率的DEM数据在ArcGIS中计算坡向，将坡向重分类为8级(图 8)：337.5°~22.5°、22.5°~67.5°、67.5°~112.5°、112.5°~157.5°、157.5°~202.5°、202.5°~247.5°、247.5°~292.5°和292.5°~337.5°，分别记为N、NE、E、SE、S、SW、W、NW。川藏交通廊道雅林段内各个坡向的占比基本一致。
计算了不同坡向下崩滑灾害发生的频率比，分析崩滑灾害在不同坡向的发育特点，计算结果如图 5c所示。研究结果显示川藏交通廊道雅林段内崩滑灾害发育的优势坡向为S、SW和W 3个方向，频率比都大于1，并且在SW向时频率比达到峰值。
3.3.4 工程地质岩组
不同的岩性或岩石类型具有不同的物质组成和结构，因此对斜坡岩体的强度有不同的贡献效果。本文的评价基于1 ︰ 50万区域地质图，参照国标《工程岩体分级标准》(GB/T 50218-2014)(中华人民共和国国家标准编写组，2014)岩石饱和单轴抗压强度UCS，将川藏交通廊道区域的岩性进一步划分为5类(图 9)：坚硬岩组、较坚硬岩组、较软弱岩组、软弱岩组、松散岩组。其中松散岩组在研究区域内分布最少，较坚硬岩组在研究区域的面积占比最大。
计算了不同岩性崩滑灾害发生的频率比，分析崩滑灾害在不同岩性的发育特点，计算结果如图 5d所示。研究结果显示频率比随着岩石强度增大，大体上呈现出一种增大的趋势，其中较软弱、较坚硬和坚硬岩组的频率比值都大于1。松散岩组的频率比小于1，是因为松散岩组主要分布在地形低缓的丘陵或河谷谷底附近地区，势能低。
3.3.5 断裂
断裂带附近岩体破碎，对斜坡的稳定性具有不利影响，易诱发崩滑灾害的发生(郭长宝等，2017；伍纯昊等，2021)。本文评价基于1 ︰ 400万断裂数据，利用距断裂的距离来反映断裂对崩滑灾害发育的影响程度。利用ArcGIS中的“多环缓冲区”功能将距断裂距离分为8级(图 10)：0~0.1 km、0.1~0.2 km、0.2~0.4 km、0.4~0.8 km、0.8~1.6 km、1.6~3.2 km、3.2~6.4 km和>6.4 km。
计算了距断层不同距离下崩滑灾害发生的频率比，分析崩滑灾害距断层不同距离的发育特点，计算结果如图 5e所示。研究结果显示，总体上频率比随着距断裂距离的增大而减小，并且距离在6.4 km范围内的频率比值都大于1，有利于崩滑灾害的发生。
3.3.6 水系
河流侵蚀下切，导致坡体坡脚被切割，是造成两岸斜坡不稳定的一个重要因素，通常距离河流越近，其影响越显著，越容易发育崩滑灾害。选用全国1~5级水系的数据，利用ArcGIS中的“多环缓冲区”功能将距水系距离分为8级(图 11)：0~0.1 km、0.1~0.2 km、0.2~0.4 km、0.4~0.8 km、0.8~1.6 km、1.6~3.2 km、3.2~6.4 km和>6.4 km。
计算了距水系不同距离下崩滑灾害发生的频率比，分析崩滑灾害距水系不同距离下的发育特点，计算结果如图 5f所示。研究结果显示，总体上随着距水系距离的增大，频率比值呈现出先增加后减小的趋势，距离在3.2 km范围内的频率比值都大于1，有利于崩滑灾害的发生。3.2 km也大致反映了1~5级水系控制的河谷地貌宽度。
3.3.7 公路
公路在建设过程中会开挖坡脚，这会使得坡体稳定性降低。本次评价使用青藏高原1 ︰ 25万地理要素数据中的公路数据。利用ArcGIS中的“多环缓冲区”功能将距公路距离分为6级(图 12)：0~0.1 km、0.1~0.2 km、0.2~0.4 km、0.4~0.8 km、0.8~1.6 km和>1.6 km。
计算了距公路不同距离下崩滑灾害发生的频率比，分析崩滑灾害距公路不同距离下的发育特点，计算结果如图 5g所示。研究结果显示，总体上频率比值随着距公路距离的增加，先增加后减小，但是在0.4 km以内的范围上升趋势不显著，在距离公路0.2~0.4 km处的频率比值达到最大值，表明崩滑灾害发生的概率总体上随着距道路距离的增加而降低。这是因为随着距道路距离的增加，人类工程活动的扰动减少，坡体稳定性受到扰动的概率降低。
3.3.8 地震动峰值加速度
地震是崩滑灾害的重要诱发因素之一，本文使用的地震动数据为第5代中国地震动峰值加速度区划图(GB 18306-2015)，经ArcGIS裁剪后研究区包含的地震动峰值加速度分为5级(图 13)：0.10g、0.15g、0.20g、0.30g和0.40g。川藏交通廊道雅林段范围内地震动峰值加速度为0.15g和0.20g的区域面积占比最大。
计算了不同地震动峰值加速度下崩滑灾害发生的频率比，分析崩滑灾害在不同地震动峰值加速度下的发育特点，计算结果如图 5h所示。研究结果显示，随着地震动峰值加速度的增大，频率比值先增大后减小，当地震动峰值加速度为0.20g时频率比达到峰值。
3.3.9 降雨
降雨是崩滑灾害的主要诱发因素之一。本文引用李朗平等(2017)的降雨数据，研究区内年均降雨量的范围为500~2500 mm，将降雨量重分类为8级(图 14)：500~700 mm、700~900 mm、900~1100 mm、1100~1300 mm、1300~1500 mm、1500~1700 mm、1700~1900 mm和>1900 mm。统计发现，川藏铁路交通廊道年均降水量在500~700 mm区间范围内的区域面积占比最大。
计算了不同降雨量区间崩滑灾害发生的频率比，分析崩滑灾害在不同降雨量情况下的发育特点，计算结果如图 5i所示。研究结果显示，随着年平均降雨量的增加，频率比值总体上呈现出增加的趋势。降雨量在1100 mm以上时频率比值都大于1，有利于崩滑灾害的发生。
4. 危险性评价
4.1 评价因子选取
前文已经计算得到了高程、坡度、坡向、工程地质岩组、断裂、水系、公路、地震动峰值加速度和降雨这9个影响因子的频率比值(表 2)，本次危险性评价也将基于这9个因子开展。
表 2 评价因子频率比值和逻辑回归系数Table 2. Frequency ratios and logistic regression coefficients of evaluation factors评价因子 评价因子分级 频率比值 逻辑回归值 评价因子 评价因子分级 频率比值 逻辑回归值 高程/km 0~1 0.099 513 0.182 断裂/km 1.6~3.2 1.117 782 1.625 1~2 1.294 765 3.2~6.4 1.156 547 2~3 3.044 810 >6.4 0.882 970 3~4 1.676 706 水系/km 0~0.1 2.175 885 0.113 4~5 0.546 705 0.1~0.2 2.240 270 >5 0.238 032 0.2~0.4 2.430 123 坡度/(°) 0~10 0.437 014 1.338 0.4~0.8 2.415 046 10~20 0.697 578 0.8~1.6 2.075 301 20~30 1.007 597 1.6~3.2 1.474 384 30~40 1.289 215 3.2~6.4 0.679 401 40~50 1.509 384 >6.4 0.703 158 50~60 1.618 704 公路/km 0~0.1 1.286 178 0.840 >60 1.200 644 0.1~0.2 1.330 870 坡向 N 0.869 929 0.800 0.2~0.4 1.378 071 NE 0.969 153 0.4~0.8 1.215 726 E 0.832 112 0.8~1.6 0.933 685 SE 0.919 386 >1.6 0.513 087 S 1.076 432 地震动峰值加速度/g 0.10 0.426 318 0.714 SW 1.300 944 0.15 0.992 657 W 1.090 187 0.20 1.151 243 NW 0.873 002 0.30 0.925 663 工程地质岩组 松散 0.376 222 0.810 0.40 0.415 765 软弱 0.765 289 降雨/mm 500~700 0.979 200 0.561 较软弱 1.055 680 700~900 0.395 575 较坚硬 1.037 374 900~1100 0.661 034 坚硬 1.169 619 1100~1300 1.712 429 断裂/km 0~0.1 1.421 980 1.625 1300~1500 1.267 445 0.1~0.2 1.423 288 1500~1700 1.048 042 0.2~0.4 1.459 324 1700~1900 1.516 610 0.4~0.8 1.315 031 >1900 2.240 799 0.8~1.6 1.050 521 4.2 频率比-逻辑回归耦合模型评价结果
在研究区内随机选取4000个崩滑点样本和4000个非崩滑点样本，按照3 ︰ 1的比例分成训练集和测试集。利用SPSS 25统计软件对已经准备好的6000个训练集样本点进行二元逻辑回归分析，得到各影响因子的逻辑回归系数值(表 2)。根据回归系数可以得知，因子权重由大到小依次为断裂、坡度、公路、工程地质岩组、坡向、地震动峰值加速度、降雨、高程和水系。将各因子回归系数带入式(4)，得到逻辑回归方程为：
zk=0.182FRk1+1.338FRk2+0.800FRk3+0.810FRk4+1.625FRk5+0.113FRk6+0.840FRk7+0.714FRk8+0.561FRk9−7.559 (7) 式中：FRk1、FRk2、…、FRk9为自变量，依次表示高程、坡度、坡向、工程地质岩组、断裂、水系、公路、地震动峰值加速度和降雨9个因子栅格图层第k个栅格单元的频率比值。
利用ArcGIS中的栅格计算器将各影响因子栅格图层按照式(7)进行叠加计算，然后再根据式(5)得到崩滑灾害的发生概率Pk，即危险性计算结果，数值范围为0~1，对该结果采取自然断点法重新分类，划分为5级：极低危险(0~0.27)、低危险(0.27~0.39)、中等危险(0.39~0.52)、高危险(0.52~0.66)、极高危险(0.66~1)，得到基于频率比-逻辑回归耦合模型的研究区崩滑灾害危险性区划图(图 15)。其中极低和低危险区主要分布在地形较为平缓的区域，面积分别为4985.33 km2和7000.21 km2，占总面积的18.64%和26.18%；中等危险区面积为6619.82 km2，占总面积的24.75%；高危险区和极高危险区主要分布在断裂附近和坡度较陡的区域，面积分别为5299.75 km2和2838.00 km2，占总面积的19.82%和10.61%(表 3)。
![]()
图 15 频率比-逻辑回归耦合模型的危险性分区图Figure 15. Hazard zoning map of frequency ratio-logistic regression coupling model表 3 危险性分区面积及比例Table 3. Areas and ratios of different hazard zones危险性分区 面积/km2 占比/% 极高 2838.00 10.61 高 5299.75 19.82 中等 6619.82 24.75 低 7000.21 26.18 极低 4985.33 18.64 4.3 评价结果精度检验
本文选用地质灾害危险性评价结果检验中广泛使用的受试者工作特征曲线(Receiver Operating Characteristic Curve，ROC)方法，检验频率比-逻辑回归耦合模型评价结果的精度。ROC曲线的横坐标为特异性或假阳率，纵坐标为敏感性或真阳率，曲线下的面积AUC值通常在0.5~1之间，曲线越靠近左上角，即AUC值越接近于1，模型评价结果的准确度越高。
利用测试集样本评估耦合模型的理论精度，通过SPSS 25软件获得对应的ROC曲线(图 16)。结果显示，AUC值达到了0.737，表明本模型评价结果在研究区具有较高的精度，能够较好地预测研究区崩滑灾害的危险性。
5. 讨论
为了验证频率比-逻辑回归耦合模型的质量，本文还采用了单一的频率比模型对研究区的危险性进行了评价。根据已计算得到的9个影响因子的频率比值(表 2)，利用ArcGIS中的栅格计算器将各影响因子图层按照等权重进行叠加计算，得到基于频率比模型的危险性计算结果。同样采取自然断点法进行重新分类，将研究区划分为极高危险区(3.80%)、高危险区(14.56%)、中等危险区(22.87%)、低危险区(33.68%)、极低危险区(25.09%)，如图 17所示。然后利用测试集样本评估单一频率比模型的理论精度，通过SPSS 25软件计算获得的AUC值为0.712，低于耦合模型的0.737，表明耦合模型评价结果在研究区具有更高的精度，能够更好地预测研究区崩滑灾害的发生。因此，本文以耦合模型的危险性评价结果(图 15)作为最终川藏交通廊道雅安至林芝段崩滑灾害的危险性评价结果。
根据耦合模型中因子权重计算结果可知，权重值最大的前两个因素分别是断裂和坡度，表明这两个因素对崩滑灾害的分布起到主控作用，该结果与Qi et al. (2010)和Zou et al. (2022)等对同震滑坡研究中得出的结论相同，而本文所用到的灾害数据并未特意区分是否为地震引起的崩滑灾害，这可能说明了在高原山区，无论是同震还是非同震崩滑灾害，都主要受到断裂和坡度这两个因素的控制。川藏交通廊道穿越了十余条深大断裂带，导致该区域构造活动极其强烈，断层在发生滑移错动的过程中会对一定范围内的岩体结构造成影响，从而使断层附近的岩体中伴生大量的节理裂隙，破坏了岩体的连续性、完整性，使岩体强度降低、边坡稳定性变差，容易引发崩塌、滑坡等地质灾害。同时，断层的黏滑和蠕滑错动还会使线路工程面临着抗震和抗错断问题，在设计与施工过程中要尤其注意。
图 15的危险性分区结果与兰恒星等(2021)的研究结果较为相符，尤其是泸定段、波密到林芝段的极高危险区和高危险区的分布，主要受到鲜水河断裂、嘉黎—察隅断裂等的影响。极高危险区和高危险区的崩滑灾害密集发育，在工程扰动的影响下灾害很容易复活，严重威胁着工程的安全(祁生文等，2022)。因此，这些区域应当加强灾害的评价与防治工作，例如隧道进出口边坡附近有滑坡发育时，应采取多种手段分析边坡开挖后的稳定性。
6. 结论
本文通过遥感影像解译和野外调查，建立了川藏交通廊道雅安至林芝段的崩滑灾害数据集，选取了高程、坡度、坡向、工程地质岩组、断裂、水系、公路、地震动峰值加速度和降雨共9个因子进行崩滑灾害空间分布规律性的分析，然后基于这些因子建立了崩滑灾害危险性评价体系，利用频率比-逻辑回归耦合模型对研究区进行崩滑灾害危险性评价，并与单一频率比模型的评价精度进行了对比，得到了以下结论：
(1)川藏交通廊道雅安至林芝段共发育崩滑灾害4509处，通过计算廊道沿线各县区段的崩滑灾害面密度在空间上的分布，得出总体上从西向东递减的趋势，林芝巴宜区、波密和洛隆段的崩滑灾害面密度较高，其中洛隆段密度最高，超过0.05。
(2)影响崩滑灾害空间分布的各因素中，最有利于灾害发生的范围分别是：高程1~4 km，坡度大于20°，S、SW和W坡向，较软弱、较坚硬和坚硬岩组，距断裂6.4 km范围内，距水系3.2 km范围内，距公路800 m范围内，地震动峰值加速度0.20g，年均降雨量大于1100 mm。
(3)基于频率比-逻辑回归耦合模型对崩滑灾害进行危险性评价，并将研究区划分为极低危险、低危险、中等危险、高危险、极高危险5级，分别占研究区总面积的18.64%、26.18%、24.75%、19.82%和10.61%。其中：极高危险区与高危险区主要分布在断裂附近和坡度较陡的区域。
(4)采用ROC曲线评价模型的预测精度，耦合模型的AUC值为0.737，单一频率比模型的AUC值为0.712，表明耦合模型评价结果具有更高的精度，能够更好地预测研究区崩滑灾害的发生。
本文选择线路两侧的一级分水岭作为危险性评价区域的外边界，大大提高了灾害样本数量，并将频率比-逻辑回归耦合模型应用于高原山区重大交通廊道工程崩滑灾害的危险性评价。研究成果可为川藏交通廊道雅安到林芝段的线路规划选址提供有力的科学支撑，对于线路的安全建设和后期运营中的崩滑灾害隐患排查和防治工作具有重要意义。
-
![]()
图 2 川藏交通廊道崩滑灾害分布图
Figure 2. Distribution map of collapses and landslides in Sichuan-Tibet traffic corridor
![]()
图 3 各县区段崩滑灾害面密度分布图
Figure 3. Distribution map of collapses and landslides areal density by county section
![]()
图 4 各县区段崩滑灾害面密度柱状图
Figure 4. Histogram of collapses and landslides areal density by county section
![]()
图 15 频率比-逻辑回归耦合模型的危险性分区图
Figure 15. Hazard zoning map of frequency ratio-logistic regression coupling model
表 1 崩滑灾害面积分级表
Table 1 Collapses and landslides areas classification table
区间序号 面积间隔/m2 分布数量 数量占比/% 1 0~4000 1141 25.30 2 4000~8000 490 10.87 3 8000~16 000 488 10.82 4 16 000~32 000 473 10.49 5 32 000~64 000 507 11.24 6 64 000~128 000 468 10.38 7 128 000~256 000 462 10.25 8 256 000~10 000 000 480 10.65 
下载: 导出CSV
表 2 评价因子频率比值和逻辑回归系数
Table 2 Frequency ratios and logistic regression coefficients of evaluation factors
评价因子 评价因子分级 频率比值 逻辑回归值 评价因子 评价因子分级 频率比值 逻辑回归值 高程/km 0~1 0.099 513 0.182 断裂/km 1.6~3.2 1.117 782 1.625 1~2 1.294 765 3.2~6.4 1.156 547 2~3 3.044 810 >6.4 0.882 970 3~4 1.676 706 水系/km 0~0.1 2.175 885 0.113 4~5 0.546 705 0.1~0.2 2.240 270 >5 0.238 032 0.2~0.4 2.430 123 坡度/(°) 0~10 0.437 014 1.338 0.4~0.8 2.415 046 10~20 0.697 578 0.8~1.6 2.075 301 20~30 1.007 597 1.6~3.2 1.474 384 30~40 1.289 215 3.2~6.4 0.679 401 40~50 1.509 384 >6.4 0.703 158 50~60 1.618 704 公路/km 0~0.1 1.286 178 0.840 >60 1.200 644 0.1~0.2 1.330 870 坡向 N 0.869 929 0.800 0.2~0.4 1.378 071 NE 0.969 153 0.4~0.8 1.215 726 E 0.832 112 0.8~1.6 0.933 685 SE 0.919 386 >1.6 0.513 087 S 1.076 432 地震动峰值加速度/g 0.10 0.426 318 0.714 SW 1.300 944 0.15 0.992 657 W 1.090 187 0.20 1.151 243 NW 0.873 002 0.30 0.925 663 工程地质岩组 松散 0.376 222 0.810 0.40 0.415 765 软弱 0.765 289 降雨/mm 500~700 0.979 200 0.561 较软弱 1.055 680 700~900 0.395 575 较坚硬 1.037 374 900~1100 0.661 034 坚硬 1.169 619 1100~1300 1.712 429 断裂/km 0~0.1 1.421 980 1.625 1300~1500 1.267 445 0.1~0.2 1.423 288 1500~1700 1.048 042 0.2~0.4 1.459 324 1700~1900 1.516 610 0.4~0.8 1.315 031 >1900 2.240 799 0.8~1.6 1.050 521
下载: 导出CSV
表 3 危险性分区面积及比例
Table 3 Areas and ratios of different hazard zones
危险性分区 面积/km2 占比/% 极高 2838.00 10.61 高 5299.75 19.82 中等 6619.82 24.75 低 7000.21 26.18 极低 4985.33 18.64
下载: 导出CSV
-
Bian J H, Li X Z, Xu R C, et al. 2021. Hazard zonation of large-scale landslides along Sichuan-Tibet Railway based on contributing weights model[J]. The Chinese Journal of Geological Hazard and Control, 32 (2): 84-93.
Bourenane H, Guettouche M S, Bouhadad Y, et al. 2016. Landslide hazard mapping in the Constantine city, Northeast Algeria using frequency ratio, weighting factor, logistic regression, weights of evidence, and analytical hierarchy process methods[J]. Arabian Journal of Geosciences, 9: 154. DOI: 10.1007/s12517-015-2222-8
Cui P, Ge Y G, Li S J, et al. 2022. Scientific challenges in disaster risk reduction for the Sichuan-Tibet Railway[J]. Engineering Geology, 309: 106837. DOI: 10.1016/j.enggeo.2022.106837
Du G L, Yang Z H, Yuan Y, et al. 2021. Landslide susceptibility mapping in the Sichuan-Tibet traffic corridor using logistic regression-information value method[J]. Hydrogeology & Engineering Geology, 48 (5): 102-111.
Fang R K, Liu Y H, Huang Z Q. 2021. A review of the methods of regional landslide hazard assessment based on machine learning[J]. The Chinese Journal of Geological Hazard and Control, 32 (4): 1-8.
Feng W, Tang Y M, Hong B. 2022. Landslide hazard assessment methods along fault zones based on multiple working conditions: A case study of the Lixian-Luojiabu fault zone in Gansu Province(China)[J]. Sustainability, 14(13): 8098. DOI: 10.3390/su14138098
Gao H X. 2010. Overview on landslide risk zoning and prediction research[J]. Journal of Catastrophology, 25 (2): 124-128. DOI: 10.3969/j.issn.1000-811X.2010.02.025
Guo C B, David R M, Zhang Y S, et al. 2015. Quantitative assessment of landslide susceptibility along the Xianshuihe fault zone, Tibetan Plateau, China[J]. Geomorphology, 248 : 93-110. DOI: 10.1016/j.geomorph.2015.07.012
Guo C B, Wu R A, Jiang L W, et al. 2021. Typical geohazards and engineering geological problems along the Ya'an-Linzhi section of the Sichuan-Tibet Railway, China[J]. Geoscience, 35 (1): 1-17. DOI: 10.3969/j.issn.1672-0636.2021.01.001
Guo C B, Zhang Y S, Jiang L W, et al. 2017. Discussion on the environmental and engineering geological problems along the Sichuan-Tibet Railway and its adjacent area[J]. Geoscience, 35 (5): 877-889. DOI: 10.3969/j.issn.1000-8527.2017.05.001
Hu R L, Fan L F, Wang S S, et al. 2013. Theory and method for landslide risk assessment-current status and future development[J]. Journal of Engineering Geology, 21 (1): 76-84. DOI: 10.3969/j.issn.1004-9665.2013.01.009
Huang R Q. 1994. Full-course simulation of hazardous rockfalls and avalanches[J]. The Chinese Journal of Geological Hazard and Control, 5 (S1): 11-17, 29.
Lan H X, Zhang N, Li L P, et al. 2021. Risk analysis of major engineering geological hazards for Sichuan-Tibet Railway in the phase of feasibility study[J]. Journal of Engineering Geology, 29 (2): 326-341.
Lee S, Pradhan B. 2007. Landslide hazard mapping at Selangor, Malaysia using frequency ratio and logistic regression models[J]. Landslides, 4 : 33-41. DOI: 10.1007/s10346-006-0047-y
Li L P, Lan H X, Guo C B, et al. 2017. Geohazard susceptibility assessment along the Sichuan-Tibet Railway and its adjacent area using an improved frequency ratio method[J]. Geoscience, 31 (5): 911-929. DOI: 10.3969/j.issn.1000-8527.2017.05.004
Li X P, Li Y F, Zhou X H, et al. 2017. Evaluation of regional geological hazards risks on Kangding to Changdu section of Sichuan-Tibet Railway[J]. Railway Standard Design, 61 (6): 58-62.
Li X Z, Cui Y, Zhang X G, et al. 2019. Characteristics and spatial distribution of landslides and collapses in the Kangding-Qamdo section of the proposed Sichuan-Tibet Railway[J]. Acta Geologica Sichuan, 39 (3): 441-446. DOI: 10.3969/j.issn.1006-0995.2019.03.019
Liu J, Wu Z. 2020. Landslide risk assessment of the Zhouqu-Wudu section of Bailong River Basin based on geographic information system[J]. China Earthquake Engineering Journal, 42 (6): 1723-1734. DOI: 10.3969/j.issn.1000-0844.2020.06.1723
Liu X L, Miao C. 2018. Large-scale assessment of landslide hazard, vulnerability and risk in China[J]. Geomatics, Natural Hazards and Risk, 9 (1): 1037-1052. DOI: 10.1080/19475705.2018.1502690
Luo L G, Pei X J, Huang R Q, et al. 2021. Landslide susceptibility assessment in Jiuzhaigou scenic area with GIS based on certainty factor and logistic regression model[J]. Journal of Engineering Geology, 29 (2): 526-535.
Ma S Y, Xu C, Tian Y Y, et al. 2019. Application of logistic regression model for hazard of earthquake-triggered landslides: a case study of 2017 Jiuzhaigou(China)MS7.0 event[J]. Seismology and Geology, 41 (1): 162-177. DOI: 10.3969/j.issn.0253-4967.2019.01.011
Ma Z H. 2014. Hazard assessment of geological disasters in Taibai Temple gold fields, Zhen'an County, Shaanxi Province[D]. Xi'an: Northwest University.
National Standards Writing Group of the People's Republic of China. 2014. Standard for engineering classification of rock mass(GB/T 50218-2014)[S]. Beijing: China Planning Press.
Pan G T, Ren F, Yin F G, et al. 2020. Key zones of oceanic plate geology and Sichuan-Tibet Railway project[J]. Earth Science, 45 (7): 2293-2304.
Pan G T, Wang L Q, Zhang W P, et al. 2013. Geotectonic map and description of the Qinghai-Tibet Plateau and adjacent areas[M]. Beijing: Geological Publishing House.
Peng J B, Cui P, Zhuang J Q. 2020. Challenges to engineering geology of Sichuan-Tibet Railway[J]. Chinese Journal of Rock Mechanics and Engineering, 39 (12): 2377-2389.
Peng J B, Ma R Y, Lu Q Z, et al. 2004. Geological hazards effects of uplift of Qinghai-Tibet Plateau[J]. Advances in Earth Science, (3): 457-466. DOI: 10.3321/j.issn:1001-8166.2004.03.018
Pradhan B, Youssef A M. 2010. Manifestation of remote sensing data and GIS on landslide hazard analysis using spatial-based statistical models[J]. Arabian Journal of Geosciences, 3 : 319-326. DOI: 10.1007/s12517-009-0089-2
Qi H L. 2008. Research on assessment and countermeasures of geological hazards of highway roadbed[D]. Xi'an: Chang'an University.
Qi S W, Li Y C, Song S H, et al. 2022. Regionalization of engineering geological stability and distribution of engineering disturbance disasters in Tibetan Plateau[J]. Journal of Engineering Geology, 30 (3): 599-608.
Qi S W, Xu Q, Lan H X, et al. 2010. Spatial distribution analysis of landslides triggered by 2008.5.12 Wenchuan Earthquake, China[J]. Engineering Geology, 116(1-2): 95-108. DOI: 10.1016/j.enggeo.2010.07.011
Qiao J P, Wang M. 2010. Types and hierarchical knowledge of landslide risks[J]. Journal of Engineering Geology, 18 (1): 84-90. DOI: 10.3969/j.issn.1004-9665.2010.01.012
Tong L Q, Qi S W, An G Y, et al. 2013. Remote sensing investigation of significant geological hazards in the Himalayan region[M]. Beijing: Science Press.
Wang J F, Chen B, Li T B, et al. 2022. Application of IAHP-GRA model in landslide risk analysis[J]. Mining Research and Development, 42 (7): 108-113.
Wu C R, Jiao Y M, Wang J L, et al. 2021. Frequency ratio and logistic regression models based coupling analysis for susceptibility of landslide in Shuangbai County[J]. Journal of Natural Disasters, 30 (4): 213-224.
Wu C H, Cui P, Li Y S, et al. 2021. Tectonic damage of crustal rock mass around active faults and its conceptual model at eastern margin of Tibetan Plateau[J]. Journal of Engineering Geology, 29 (2): 289-306.
Wu X Q, Lai C G, Chen X H, et al. 2017. A landslide hazard assessment based on random forest weight: A case study in the Dongjiang River Basin[J]. Journal of Natural Disasters, 26 (5): 119-129.
Xu C. 2012. Distribution law and risk assessment for Wenchuan earthquake-triggered landslides[J]. Chinese Journal of Rock Mechanics and Engineering, 31(2): 432. DOI: 10.3969/j.issn.1000-6915.2012.02.024
Xu C, Dai F C, Chen J, et al. 2009. Remote sensing detailed interpretation of secondary geological hazards in the hardest hit areas of Wenchuan MS8.0 earthquake[J]. Journal of Remote Sensing, 13 (4): 754-762.
Xu C, Dai F C, Yao X, et al. 2009. GIS-based landslide susceptibility assessment analytical hierarchy process in Wenchuan earthquake region[J]. Chinese Journal of Rock Mechanics and Engineering, 28 (S2): 3978-3985.
Xu R C, Li X Z, Hu K H, et al. 2019. A dynamic hazard assessment for mountain hazards in Hengduan Mountain Area[J]. Journal of Catastrophology, 34 (3): 196-201, 208. DOI: 10.3969/j.issn.1000-811X.2019.03.036
Xu Z X, Zhang L G, Jiang L W, et al. 2021. Engineering geological environment and main engineering geological problems of Ya'an-Linzhi section of the Sichuan-Tibet Railway[J]. Advanced Engineering Sciences, 53 (3): 29-42.
Xue Q, Zhang M S, Gao B, et al. 2018. Risk assessment of geological hazards in Suide City, Shaanxi Province[J]. Journal of Engineering Geology, 26 (3): 711-719.
Xue Y G, Kong F M, Yang W M, et al. 2020. Main unfavorable geological conditions and engineering geological problems along Sichuan-Tibet Railway[J]. Chinese Journal of Rock Mechanics and Engineering, 39 (3): 445-468.
Yang K, Xue X C, Duan Z, et al. 2021. Risk assessment of geological hazards in Zichang County based on AHP-LR entropy combined model[J]. Science Technology and Engineering, 21 (27): 11551-11560. DOI: 10.3969/j.issn.1671-1815.2021.27.013
Yang Z J, Ding P P, Wang D, et al. 2018. Landslide risk analysis on Sichuan-Tibet Railway(Kangding to Nyingchi section)[J]. Journal of the China Railway Society, 40 (9): 97-103.
Yao X L. 2021. Study on the mechanism and susceptibility model of the endogenetic and exogenetic dynamic coupling of the landslide in southeast Tibet[D]. Beijing: University of Chinese Academy of Sciences.
Zhang C S, Zhang Y C, Ma Y S. 2003. Regional dangerous on the geological hazards of collapse, landslide and debris flow in the upper reaches of the Yellow River[J]. Journal of Geomechanics, 9 (2): 143-153.
Zhao Z, Chen J H, Gan X X, et al. 2022. Risk assessment of landslides in Lushan county based on information value method and support vector machine[J]. Computing Techniques for Geophysical and Geochemical Exploration, 44 (1): 96-101.
Zheng S Y, Zhang X J, Yang Y, et al. 2012. The application of analytic hierarchy process to the danger evaluation of collapse and slide in Lujiang Basin segment of Nujiang valley, western Yunnan Province[J]. Geological Bulletin of China, 31 (Z1): 356-365.
Zou Y, Qi S W, Guo S F, et al. 2022. Factors controlling the spatial distribution of coseismic landslides triggered by the Mw 6.1 Ludian Earthquake in China[J]. Engineering Geology, 269(2022): 106477.
边江豪, 李秀珍, 徐瑞池, 等. 2021. 基于贡献率权重模型的川藏铁路沿线大型滑坡危险性区划[J]. 中国地质灾害与防治学报, 32 (2): 84-93. 杜国梁, 杨志华, 袁颖, 等. 2021. 基于逻辑回归-信息量的川藏交通廊道滑坡易发性评价[J]. 水文地质工程地质, 48 (5): 102-111. 方然可, 刘艳辉, 黄志全. 2021. 基于机器学习的区域滑坡危险性评价方法综述[J]. 中国地质灾害与防治学报, 32 (4): 1-8. 高华喜. 2010. 滑坡灾害风险区划与预测研究综述[J]. 灾害学, 25 (2): 124-128. 郭长宝, 吴瑞安, 蒋良文, 等. 2021. 川藏铁路雅安-林芝段典型地质灾害与工程地质问题[J]. 现代地质, 35 (1): 1-17. 郭长宝, 张永双, 蒋良文, 等. 2017. 川藏铁路沿线及邻区环境工程地质问题概论[J]. 现代地质, 31 (5): 877-889. 胡瑞林, 范林峰, 王珊珊, 等. 2013. 滑坡风险评价的理论与方法研究[J]. 工程地质学报, 21 (1): 76-84. 黄润秋. 1994. 灾害性崩滑地质过程的全过程模拟[J]. 中国地质灾害与防治学报, 5 (S1): 11-17, 29. 兰恒星, 张宁, 李郎平, 等. 2021. 川藏铁路可研阶段重大工程地质风险分析[J]. 工程地质学报, 29 (2): 326-341. DOI: 10.13544/j.cnki.jeg.2021-0114 李郎平, 兰恒星, 郭长宝, 等. 2017. 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, 31 (5): 911-929. 李孝攀, 李远富, 周先虎, 等. 2017. 川藏铁路康定至昌都段地质灾害区域危险性评价[J]. 铁道标准设计, 61 (6): 58-62. 李秀珍, 崔云, 张小刚, 等. 2019. 川藏铁路康定至昌都段滑坡崩塌灾害特征及空间分布规律[J]. 四川地质学报, 39 (3): 441-446. 刘杰, 武震. 2020. 基于GIS的白龙江流域舟曲-武都段的滑坡危险性评价[J]. 地震工程学报, 42 (6): 1723-1734. 罗路广, 裴向军, 黄润秋, 等. 2021. GIS支持下CF与Logistic回归模型耦合的九寨沟景区滑坡易发性评价[J]. 工程地质学报, 29 (2): 526-535. DOI: 10.13544/j.cnki.jeg.2019-202 马思远, 许冲, 田颖颖, 等. 2019. 基于逻辑回归模型的九寨沟地震滑坡危险性评估[J]. 地震地质, 41 (1): 162-177. 马中豪. 2014. 陕西省镇安县太白庙金矿区地质灾害危险性评价研究[D]. 西安: 西北大学. 潘桂棠, 任飞, 尹福光, 等. 2020. 洋板块地质与川藏铁路工程地质关键区带[J]. 地球科学, 45 (7): 2293-2304. 潘桂棠, 王立全, 张万平, 等. 2013. 青藏高原及邻区大地构造图及说明书[M]. 北京: 地质出版社. 彭建兵, 崔鹏, 庄建琦. 2020. 川藏铁路对工程地质提出的挑战[J]. 岩石力学与工程学报, 39 (12): 2377-2389. 彭建兵, 马润勇, 卢全中, 等. 2004. 青藏高原隆升的地质灾害效应[J]. 地球科学进展, (3): 457-466. 齐洪亮. 2008. 公路路基地质灾害评价及防治对策研究[D]. 西安: 长安大学. 祁生文, 李永超, 宋帅华, 等. 2022. 青藏高原工程地质稳定性分区及工程扰动灾害分布浅析[J]. 工程地质学报, 30 (3): 599-608. DOI: 10.13544/j.cnki.jeg.2022-0172 乔建平, 王萌. 2010. 滑坡风险的类型与层次链[J]. 工程地质学报, 18 (1): 84-90. 童立强, 祁生文, 安国英, 等. 2013. 喜马拉雅山地区重大地质灾害遥感调查研究[M]. 北京: 科学出版社. 王剑锋, 陈渤, 李天斌, 等. 2022. IAHP-GRA模型在滑坡危险性分析中的应用[J]. 矿业研究与开发, 42 (7): 108-113. 吴常润, 角媛梅, 王金亮, 等. 2021. 基于频率比-逻辑回归耦合模型的双柏县滑坡易发性评价[J]. 自然灾害学报, 30 (4): 213-224. 伍纯昊, 崔鹏, 李渝生, 等. 2021. 青藏高原东缘活动断裂带地壳岩体构造损伤特征与模式讨论[J]. 工程地质学报, 29 (2): 289-306. DOI: 10.13544/j.cnki.jeg.2021-0075 吴孝情, 赖成光, 陈晓宏, 等. 2017. 基于随机森林权重的滑坡危险性评价: 以东江流域为例[J]. 自然灾害学报, 26 (5): 119-129. 许冲. 2012. 汶川地震滑坡分布规律与危险性评价[J]. 岩石力学与工程学报, 31(2): 432. 许冲, 戴福初, 陈剑, 等. 2009. 汶川MS8.0地震重灾区次生地质灾害遥感精细解译[J]. 遥感学报, 13 (4): 754-762. 许冲, 戴福初, 姚鑫, 等. 2009. GIS支持下基于层次分析法的汶川地震区滑坡易发性评价[J]. 岩石力学与工程学报, 28 (S2): 3978-3985. 徐瑞池, 李秀珍, 胡凯衡, 等. 2019. 横断山区山地灾害的动态危险性评价[J]. 灾害学, 34 (3): 196-201, 208. 徐正宣, 张利国, 蒋良文, 等. 2021. 川藏铁路雅安至林芝段工程地质环境及主要工程地质问题[J]. 工程科学与技术, 53 (3): 29-42. 薛强, 张茂省, 高波, 等. 2018. 陕西省绥德县城区地质灾害风险评估[J]. 工程地质学报, 26 (3): 711-719. DOI: 10.13544/j.cnki.jeg.2017-205 薛翊国, 孔凡猛, 杨为民, 等. 2020. 川藏铁路沿线主要不良地质条件与工程地质问题[J]. 岩石力学与工程学报, 39 (3): 445-468. 杨康, 薛喜成, 段钊, 等. 2021. 基于AHP-LR熵组合模型的子长市地质灾害危险性评价[J]. 科学技术与工程, 21 (27): 11551-11560. 杨宗佶, 丁朋朋, 王栋, 等. 2018. 川藏铁路(康定至林芝段)沿线滑坡风险分析[J]. 铁道学报, 40 (9): 97-103. 姚翔龙. 2021. 藏东南滑坡灾害内外动力耦合作用机理及易发性模型研究[D]. 北京: 中国科学院大学. 张春山, 张业成, 马寅生. 2003. 黄河上游地区崩塌、滑坡、泥石流地质灾害区域危险性评价[J]. 地质力学学报, 9 (2): 143-153. 赵铮, 陈建华, 甘先霞, 等. 2022. 基于信息量法和支持向量机的芦山县滑坡危险性评价[J]. 物探化探计算技术, 44 (1): 96-101. 郑师谊, 张绪教, 杨艳, 等. 2012. 层次分析法在滇西怒江河谷潞江盆地段崩塌与滑坡地质灾害危险性评价中的应用[J]. 地质通报, 31 (Z1): 356-365. 中华人民共和国国家标准编写组. 2014. 工程岩体分级标准(GB/T 50218-2014)[S]. 北京: 中国计划出版社. -
期刊类型引用(3)
1. 田旭文，王彦兵，朱姝，姚鑫，李显鑫. 藏东南输电走廊北线区域地质环境与主要地质安全问题. 地质力学学报. 2025(01): 91-108 . 
百度学术
2. 许强，徐繁树，蒲川豪，李为乐，范宣梅，董秀军，王晓晨，李志刚. 2024年4月广东韶关江湾镇极端降雨诱发群发性滑坡初步分析. 武汉大学学报(信息科学版). 2024(08): 1264-1274 . 百度学术
3. 王伟中，李树兴，尚彦军，宋飞，曹小红，许涛，李巧学，马敬涛. 基于斜坡单元划分和逻辑回归模型的滑坡易发性评价——以山阳县高坝店镇为例. 新疆地质. 2023(03): 424-430 . 百度学术
其他类型引用(0)
计量
- 文章访问数: 722
- HTML全文浏览量: 89
- PDF下载量: 280
- 被引次数: 3
