基于GIS和信息量-快速聚类模型的滑坡易发性研究——以云南省福贡县为例
谈树成1,2, 赵娟娟1, 杨林1,2, 赵志芳1,2, 蒋仁伟1, 赵筱青1
1.云南大学 资源环境与地球科学学院,云南 昆明 650091
2.云南大学 云南省“一带一路”研究院,云南 昆明 650500;

作者简介:谈树成(1970-),男,河南人,博士,教授,硕士生导师,主要研究方向为灾害地质、环境地质、遥感与地理信息系统.E-mail:shchtan@ynu.edu.cn.

摘要

云南省福贡县地质环境脆弱,滑坡灾害频发,对其开展滑坡灾害易发性研究具有重大意义.首先,在研究了福贡县地质地理环境特征和滑坡现状发育特征的基础上,从地理环境因素、地质环境因素、人类活动因素3个维度选取9个指标因子建立滑坡灾害易发性评价指标体系,并利用滑坡频率比法充分考虑各因子不同状态下对滑坡灾害的不同影响情况进行各指标因子状态分级;其次,引入信息量模型并基于GIS平台对福贡县滑坡灾害进行易发性评价;再则,通过快速聚类算法对滑坡易发性进行分级,提高滑坡易发性评价的准确性;最后,利用成功率曲线对评价精度进行验证.结果表明:采用GIS和信息量-快速聚类模型进行滑坡易发性评价能较好地反映出福贡县的滑坡灾害易发性状况,改善了由于人为因素对区域划分的主观影响,与福贡县的实际滑坡灾害分布情况相吻合,可应用于福贡县的防灾减灾工作.

关键词: 滑坡易发性评价; 信息量模型; 快速聚类模型; GIS; 福贡县
中图分类号:P642.22;P694 文献标志码:A 文章编号:0258-7971(2018)06-1148-11
Evaluation of landslide susceptibility based on GIS and the information value & the K-means cluster model ——Take Fugong County as an Example
TAN Shu-cheng1,2, ZHAO Juan-juan1, YANG Lin1,2, ZHAO Zhi-fang1,2, JIANG Ren-wei1, ZHAO Xiao-qing1
1.School of Resource Environment and Earth Science,Yunnan University,Kunming 650091,China
2.The Belt and Road Institute in Yunnan Province,Yunnan University,Kunming 650500,China
Abstract

Evaluation of susceptibility of landslides plays a significance role in Fugong County of Yunnan Province where geological environment is fragile and landslides take place frequently.Firstly,based on the study of the characteristics of the geological and geographical environment and of the development of landslides in Fugong County,nine influence factors from three dimensions,including the factors of geographical environment,geological environment and human activity,are chosen as the evaluation index.The state of each index is graded based on landslide frequency ratio method under the condition that landslides are influenced by different states of different factors.Secondly,the information value model is used to evaluate the susceptibility of the landslides in Fugong County based on GIS.Then,the susceptibility results are graded by adopting the K-means cluster analysis.Finally,the success rate is verified by the success rate curve.The results show that the method based on GIS and the information value & the K-means cluster model can better reflect the susceptibility of landslides in Fugong County,which reduces the subjective influence of human factors on regional division.The susceptibility results are consistent with the distribution of actual landslides in Fugong County and can be used in preventing and reducing disasters in the County.

Keyword: landslide susceptibility evaluation; information value model; K-means cluster; GIS; Fugong County

滑坡灾害作为一种具有破坏性的地质灾害, 其发生常常给国家造成大量的人员伤亡和经济损失.因此, 为了更好地防护和治理滑坡带给人们的威胁和损失, 对滑坡灾害开展易发性评价研究, 准确确定滑坡容易发生的区域, 显得十分迫切和必要, 具有非常重要的应用价值.近年来, 随着GIS技术的快速发展, GIS在空间数据处理、空间分析和专题制图方面的优势日益凸显, 大大改善了传统的地学评价手段, 为地质灾害评价提供了便利[1].目前, 在滑坡灾害易发性评价方面国内外学者进行了大量的研究.国外学者 Lee等[2]利用RS技术、GIS平台及其空间分析工具对韩国龙仁地区做了滑坡易发性评价研究; Ayalew等[3]对Tsugawa地区进行测绘, 选取了地层岩性、断裂构造、降雨量和河流等因素作为滑坡易发性评价指标, 并利用GIS对当地滑坡进行了易发性分区; Devkota等 [4]和Regmi等[5]通过一系列统计分析模型对尼泊尔地区的区域滑坡进行了易发性评价及模型精度对比.国内对于滑坡易发性研究中应用最多的是信息量模型, 如谈树成等[6]以云南省丘北县为例利用信息量模型开展了滑坡地质灾害易发性和空间区划; 郑苗苗等[7]基于信息量模型对延河流域滑坡灾害进行了易发性评价研究; 杨根云等[8]以北川曲山-擂鼓片区为研究区, 利用4种标准化方法和信息量模型进行了滑坡易发性研究和模型对比分析, 为区域内滑坡灾害防治提供了参考; 薛强等[9]以延安市宝塔区的黄土滑坡为例, 利用信息量模型和ArcGIS平台对研究区内的黄土滑坡开展了易发性研究; 张向营等[10]以京张高铁沿线的滑坡灾害为研究对象, 利用GIS和信息量模型开展了在建铁路的滑坡易发性评价, 为京张铁路建设及防灾减灾工作提供了数据支撑.由此可见, 利用信息量模型对滑坡灾害进行易发性研究引起了广大学者的关注, 已成为当今滑坡灾害研究中的前沿和热点, 取得了较好的效果.但是, 在已有的研究中通常采用ArcGIS自带的分级方法对滑坡的易发性进行分级, 需要较高的人为经验而且缺少必要的理论支撑, 导致在易发性分级中带有一定的随意性和主观性.而本文所采用的基于信息量和快速聚类模型相结合的滑坡易发性评价可以弥补这一不足.

本文在综合考虑地质地理环境特征和滑坡现状发育特征的基础上, 依托高分二号和Google卫星影像为数据源, 对云南省福贡县的滑坡灾害进行了解译.首先, 选取指标因子建立滑坡易发性评价指标体系, 并依据每个指标条件下的分级面积比和滑坡面积比曲线, 结合滑坡相对频率比的变化进行各个指标因子状态分级; 然后, 基于信息量模型对其开展易发性评价, 并通过快速聚类算法对滑坡易发性进行分级; 最后, 运用成功率曲线对评价结果进行精度验证; 进而得出福贡县滑坡灾害易发性评价的模型和方法, 可为该县的地质灾害防治工作提供科学依据, 同时为其他县域的滑坡灾害防治工作提供借鉴.

1 研究区概况与数据来源
1.1 研究区概况

福贡县位于云南省怒江傈僳族自治州中部(图1), 全县总面积约2804km2.气候垂直变化显著, 年平均气温16.9℃, 年平均降雨量1443.3mm.县域内水系均属怒江水系, 境内流程129km[11].沿怒江两岸分布的40余条河流, 主要发源于高黎贡山山脉和碧罗雪山山脉, 均注入怒江.

图1 研究区地理位置图Fig.1 Geography location of studied area

福贡县位于滇西北横断山脉中段碧罗雪山和高黎贡山之间的怒江峡谷, 属于高山峡谷地貌, 地势北高南低.该区地质现象独特, 以发育深大断裂及褶皱构造为特征[12], 主要分布元古界、上古生界、中生界等地层, 以上古界最为广泛.全县无坝区, 包括县城在内的所有村镇均位于怒江河谷及其各级支流内的坡地或小型泥石流冲积扇上, 极易受到地质灾害袭扰[13].对该地滑坡灾害的发育特征进行研究并进行易发性评价具有很强的现实意义.

1.2 数据源

滑坡地质灾害数据为2016年高分二号遥感图像和Google影像联合解译结果; DEM数字高程数据来自地理空间数据云的GDEM数据集, 并由此生成坡度坡向数据; 降雨量数据源自中国气象数据网(2000— 2016年的多年平均降雨量, 并进行空间插值得到福贡县的降雨量分布图); 断裂带和岩性数据来自1:5万中国地质图矢量文件; 河流、道路及基础地理数据来自国家基础地理信息中心.

根据地质灾害解译及野外调查, 共发现福贡县滑坡灾害139处.由图2可知, 福贡县下辖8个乡镇中滑坡灾害在各乡镇均有分布, 且沿怒江沿岸分布; 由图3可知, 怒江沿岸滑坡的密度较大, 特别是利沙底乡、鹿马登乡、上帕镇、子里甲乡的滑坡发育密度极大, 马吉乡和匹河怒族乡的滑坡发育密度较大, 而石月亮乡和架科底乡的滑坡发育密度较低.因此, 可得出福贡县的滑坡在空间上分布具有聚集性, 密度上分布具有不均一性的特点.

图2 福贡县滑坡分布图Fig.2 Landslide distribution of Fugong County

图3 福贡县滑坡密度分布图Fig.3 Landslide density distribution of Fugong County

2 滑坡易发性评价模型
2.1 信息量评价模型

信息量模型是利用信息熵综合分析各指标因子对滑坡灾害易发性程度的贡献值, 能比较正确的反映地质灾害的发育特征[14], 比较成熟且容易实现.具体的运算方式如下:

I(Xi, H)=ln Ai/ANi/N, (1)

Ii= mnI(Xi, H)= mnln Ai/ANi/N, (2)

其中, N为研究区评价单元总数; Ni为研究区内含有评价因素Xi的单元数; A为研究区有地质灾害分布的单元总数; Ai为分布在因素Xi类别内的地质灾害单元数; I(Xi, H)为某一影响因子的信息量值; n为参评因子数; Ii为评价单元总的信息量值.

2.2 易发性分级聚类模型

聚类分析是一种应用广泛的数据挖掘技术, 即把若干事物按照某种标准归为几个类别, 其中较为相近的聚为一类, 不那么相近的聚于不同类.其中K-均值快速聚类算法(K-Means)在处理分布集中的大样本数据集方面具有较高的准确性[15].因此, 考虑到本文所涉及的数据规模, 选用快速聚类算法对滑坡灾害易发性进行分级:

(1) 在已知的源数据中确定聚类数目K, 并选择初始凝聚点;

(2) 按照最近原则进行聚类, 再根据重心将凝聚点重置, 获得新的聚类点;

(3) 将新的凝聚点替代上一次的凝聚点, 重复(2)步骤, 直至获得最终凝聚点;

(4) 在聚类完成后, 取相邻2个最终凝聚点的平均值为易发性等级的上下限.

通过快速聚类算法对滑坡易发性进行分级可以改善由于人为因素对区域划分的主观影响, 提高滑坡易发性评价的准确性.距离是样本之间相似性的测度, 距离越小, 则相似度越大, 因此采用欧式距离作为相似度的衡量, 使评价结果更为精确.

d(xi, xt)= l=1n(xli-xlt)2, (3)

其中d为各样本与初始凝聚点之间的距离, xi为样本(i=1, 2, …, n), xt为凝聚点(t=1, 2, …, k); m为样本个数.本文是在信息量模型评价的基础上对滑坡易发性进行分级, 因此将滑坡单元信息量I作为样本指标属性, 即m=1.

3 滑坡易发性评价
3.1 评价单元的选择

福贡县总面积超过2000km2, 通常在地图上滑坡灾害呈现点状分布.根据数据源比例尺和精度, 选用规则的栅格单元作为滑坡易发性的评价单元.考虑到研究区的实际面积及数据精度, 本文选用100m× 100m作为评价单元格网的大小, 共计261177个栅格单元.

3.2 指标因子的选取

在研究福贡县地质地理环境特征和滑坡现状发育特征的基础上, 从地理环境因素、地质环境因素、人类活动因素3个维度, 分别选取坡度、坡向、归一化植被指数、距河流距离、降雨量、地层岩性岩组、距断裂构造距离、距乡镇距离、距道路距离9个具体的滑坡灾害易发性评价指标因子.

3.3 指标因子状态分级

根据前人研究成果, 通常采用滑坡频率比方法进行各指标因子状态分级.此方法的原理是通过对原指标因子离散化而改变各因子属性值的粒度, 减少信息表大小, 从而提高分类准确性[16].

FR= 滑坡面积比分级面积比-1=

分类内滑坡面积/研究区滑坡总面积分类面积/研究区总面积-1, (4)

FR表示指标因子各状态区间对滑坡易发性贡献的重要程度大小, 若FR> 0表示该状态区间对滑坡的发育将会产生一定程度的影响, 而FR< 0则表示该状态区间对滑坡的发育无关.通过计算各指标因子状态区间的频率比, 并将频率比较相近的区间进行合并, 而达到科学划分各指标因子状态的目的.

3.3.1 地理环境因素

(1) 坡度 滑坡通常发生在一定的斜坡上, 斜坡坡度对滑坡灾害发育演化起着重要的作用.由图4可看出, 坡度在10° ~15° 和40° ~50° 之间的滑坡相对频率比较大, 且在此范围内滑坡面积比大于分级面积比, 说明滑坡的相对面密度较大.因此将坡度分为5个状态(0° ~10° , 10° ~15° , 15° ~40° , 40° ~50° , > 50° ).

图4 坡度状态分级统计图Fig.4 Slope graded status

(2) 坡向 不同的坡向不仅会影响滑坡发育环境的植被覆盖率、降雨量大小, 还会影响岩石的风化节理发育程度, 影响岩石的破碎程度, 从而影响滑坡灾害发育的可能性.由图5可以看出, 坡向在60° ~120° 和120° ~180° 这两个范围内的滑坡相对频率比较大, 且滑坡面积比大于分级面积比, 说明滑坡的相对面密度较大.因此将坡向分级为5个状态(0° ~60° , 60° ~120° , 120° ~180° , 180° ~330° , 330° ~360° ).

图5 坡向状态分级统计图Fig.5 Aspect graded status

(3) 归一化植被指数(NDVI) 归一化植被指数(Normalized Difference Vegetation Index, NDVI)是用来反映植被长势特征的重要参数之一, 通常被用来估算植被覆盖度.由图6可以看出, NDVI在0.2~0.3和0.4~0.6范围内的滑坡相对频率比较大, 因此将NDVI分级为5个状态(-1~0.2, 0.2~0.3, 0.3~0.4, 0.4~0.6, > 0.6).

图6 NDVI状态分级统计图Fig.6 NDVI graded status

(4) 距河流距离 由福贡县滑坡灾害分布特征分析得出, 福贡县滑坡灾害多集中分布在怒江支流沿岸, 整体呈现出距河流距离越近, 滑坡灾害个数逐渐增加的趋势.由图7可以看出在距河流1km以内的地方滑坡灾害发育数量较多, 且在此范围内滑坡面积比大于分级面积比, 因此将距离水系的距离分级为5个状态(0~1km, 1~2km, 2~2.5km, 2.5~4km, > 4km).

图7 距河流距离状态分级统计图Fig.7 River distance graded status

(5) 降雨量 研究区垂直气候变化显著, 降雨量较为充沛.降雨可以软化岩土体、减小岩土体阻力等, 是滑坡灾害的重要诱发因素之一[17].从图8可以看出, 滑坡大多发生在降雨量1240~1320mm范围内, 且滑坡面积比远大于分级面积比, 由此将降雨量分级为5个状态(0~1220mm, 1220~1240mm, 1240~1320mm, 1320~1340mm, > 1340mm).

图8 多年平均降雨量状态分级统计图Fig.8 Multi-year average rainfall graded status

3.3.2 地质环境因素

(1) 距断裂构造距离 根据图9可知滑坡多发生在距离断裂构造3km以内, 且在此区间内滑坡面积比大于分级面积比, 因此将距离断裂构造的距离可以分级为5个状态(0~3km, 3~4km, 4~5km, 5~8km, > 8km).

图9 距断裂构造距离状态分级统计图Fig.9 Fault structure distance graded status

(2) 地层岩性岩组 根据研究区岩体结构类型及其物理力学性质, 在地层层序的基础上, 按照《县(市)地质灾害调查与区划基本要求实施细则》, 将岩土工程地质岩组划分为软弱中厚层夹板岩片岩组、较坚硬厚层变质岩岩组及坚硬块状结构岩浆岩岩组3个状态(图10).

图10 地层岩性岩组状态分级统计图Fig.10 Strata lithologic rock group graded status

3.3.3 人类活动因素 人类活动因素也是加剧自然灾害形成的直接或间接因素, 其中城镇化和交通是重要影响因素.本文基于ArcGIS软件平台, 选取乡镇和道路做空间距离缓冲分析, 用来反映人类工程活动因素对滑坡灾害产生的影响.

(1) 距乡镇距离 根据图11结果可知, 滑坡多发生在距乡镇距离4km以内的区域, 且滑坡面积比远大于分级面积比, 因此将距乡镇距离可以分级为4个状态(0~4 km, 4~8km, 8~12km, > 12km).

图11 距乡镇距离状态分级统计图Fig.11 Township distance graded status

(2) 距道路距离 根据图12结果可知, 滑坡多发生在距离道路1km以内的区域, 且滑坡面积比远大于分级面积比, 说明滑坡的相对面密度较大, 因此将距道路距离可以分级为4个状态(0~1km, 1~2km, 2~7km, > 7km).

图12 距道路距离状态分级统计图Fig.12 Road distance graded status

3.4 指标因子相关性分析

在评价过程中各因子之间可能会存在信息相互重叠的现象, 因此为了保持各因子之间的相互独立性, 对各因子进行相关性检验是十分必要的.本研究通过SPSS19.0中的相关分析工具求各因子之间的相关性系数R来进行因子间的独立性检验(表1).当|R|≤ 0.3时认为各因子之间互为独立, 为不相关关系[18].由表1可知所选取的9个指标因子互为独立性, 指标因子选取较为合理.

表1 各指标因子之间的相关性统计表 Tab.1 Correlation statistics between various indicator factors
3.5 基于信息量-快速聚类模型的滑坡易发性分区

由上述信息量模型方法, 首先求出各个指标因子各状态下的信息量, 结果如表2所示, 然后利用ArcGIS叠加分析工具得到福贡县滑坡总信息量图.

表2 滑坡灾害各指标因子状态分级的信息量值 Tab.2 Information value of grading of various indicator factors in landslide

易发性分区作为灾害地质学中的一个重要组成部分, 分区结果能够直接影响政府对研究区的土地利用规划、灾害预报、监测和防治规划等[19].因此基于以上研究, 通过SPSS19.0软件中的快速聚类算法对福贡县滑坡进行易发性分级, 本文将易发性分为高易发区、中易发区、低易发区3个级别.按照快速聚类算法规则得到3个最终凝聚中心(表3), 表3中相邻2个最终凝聚中心的平均值为易发性等级的上下限, 分别为-0.854, 3.580; 根据这些值将全区信息量值重新分类, 得到福贡县易发性分区图(图13).

表3 最终凝聚中心表 Tab.3 Final cohesion center table
4 易发性分析与精度评价
4.1 易发性分析

通过各等级滑坡分布统计表(表4)和福贡县滑坡易发性分区图(图13)可以看出, 高易发区面积约372.021km2, 占研究区面积的13.55%, 包括马吉乡, 以及急苏洛河、努借洛河和怒江沿岸.该区主要分布与福贡县的南坡和西坡, 灾害比为5.10.该区域作为高易发性区域, 政府在规划用地时应该作为地质灾害监测、预报和防治规划的重点区域, 居民在建设房屋等工程设施时也应该远离或尽量绕开这些区域; 中易发区面积约853.955km2, 占研究区面积的31.11%, 主要分布在怒江两岸及其周边支流地区, 由于距离道路河流并不远, 因而也受到人类工程地质活动的影响, 具有很大的概率发生滑坡灾害; 低易发区在全县范围内分布最广, 面积约1518.854km2, 占全县总面积的55.34%, 主要分布在怒江两岸半山腰一带, 岩石性脆、坚硬, 在中等风化~弱风化岩层中, 不易发生滑坡地质灾害, 该区海拔普遍大于3000m, 因而人类工程地质活动较少, 且距离河流较远.

图13 福贡县滑坡灾害易发性评价分区结果图Fig.13 Landslide susceptibility assessment results of Fugong County

表4 福贡县滑坡灾害易发性等级信息统计表 Tab.4 Landslide susceptibility grade information statistics in Fugong County
4.2 精度评价

为检验所用易发性评价模型的可靠性, 本文通过成功率曲线法对评价结果进行精度验证.将信息量评价值从大到小排序, 并等分成100个区间, 依次统计区间内的滑坡累计发生频率, 并绘制滑坡累计发生频率与滑坡易发性指数图(图14).成功率曲线下的面积(Area Under Curve, AUC)越大, 说明评价结果就越好, 该值可以作为评价灾害易发性准确率使用.一般认为在AUC> 0.5的情况下, AUC越接近1, 模型精度越好.AUC在0.7~0.9之间时具有较好的准确性[20].从图14可以看到, AUC为0.79, 即可以认为此次评价的精度为79%, 准确度较高.

图14 滑坡累计发生频率与易发性指数图Fig.14 Landslide cumulative frequency and susceptibility index

5 结 论

本文以云南省福贡县为研究对象, 利用因素相关性分析, 选取坡度、坡向、NDVI、距河流距离、降雨量、地层岩性岩组、距断裂构造距离、距乡镇距离、距道路距离等9个指标建立滑坡地质灾害易发性评价指标体系, 并依据每个指标条件下的分级面积比和滑坡面积比曲线, 结合滑坡相对频率比的变化进行各个指标因子状态分级, 改善了由于人为因素给定而出现的主观赋值情况, 充分考虑各因子不同状态下对滑坡灾害的不同影响情况, 实现了指标因子状态划分的科学性与合理性, 并引入信息量-快速聚类模型对福贡县滑坡灾害开展易发性研究, 得到以下结论:

(1) 评价结果表明采用GIS和信息量-快速聚类模型进行滑坡易发性评价, 能较好地反映出福贡县的滑坡灾害易发性状况, 与福贡县的实际滑坡灾害分布情况相吻合, 可以为福贡县的地质灾害防治工作提供科学依据, 也可为其他县域的滑坡灾害防治工作提供借鉴和推广价值.

(2) 在易发性分级过程中, 通过快速聚类算法对滑坡易发性进行分级, 改善了由于人为因素对区域划分的影响, 提高滑坡易发性评价的准确性.

(3) 虽然本文通过信息量-快速聚类模型对县域滑坡灾害易发性展开了研究, 但仍存在一定不足, 尤其是易发性评价的不确定分析.由于滑坡灾害成灾机理的复杂性以及相关数据获取的不确定性, 会造成在易发性评价研究中存在一定的不确定性因素.因此在今后的研究工作中有必要统筹滑坡易发性评价的不确定分析, 以利于决策者根据评价结果的不确定程度提出更科学有效的对策.

The authors have declared that no competing interests exist.

参考文献
[1] 杜国梁, 张永双, 高金川, . 基于GIS的白龙江流域甘肃段滑坡易发性评价[J]. 地质力学学报, 2016, 22(1): 1-11.
DU G L, ZHANG Y S, GAO J C, et al. Land slide susceptibility assessment based on GIS in Bailongjiang watershed, Gansu Province[J]. Journal of Geomechanics, 2016, 22(1): 1-11. [本文引用:1]
[2] LEE S, MIN K. Statistical analysis of land slide susceptibility at Yongin[J]. Environmental Geology, 2001, 40(2): 1095-1113. [本文引用:1]
[3] AYALEW L, YAMAGISHI H, UGAWA N. Land slide susceptibility mapping using GIS-based weighted linear combination, the case in Tsugawa area of Agano River, Niigata Prefecture, Japan[J]. Land slides, 2004, 1(1): 73-81. [本文引用:1]
[4] DEVKOTA K C, REGMI A D, POURGHASEMI H R, et al. Land slide susceptibility mapping using certainty factor, index of entropy and logistic regression models in GIS and their comparison at Mugling-Narayanghat road section in Nepal Himalaya[J]. Natural Hazards, 2013, 65(2): 135-165. [本文引用:1]
[5] REGMI A D, DEVKOTA K C, YOSHIDA K, et al. Mapping at Haraz watershed, Iran and weights-of-evidence models and their comparison in land slide susceptibility mapping in Central Nepal Himalaya[J]. Arabian Journal of Geosciences, 2014, 25(7): 725-742. [本文引用:1]
[6] 谈树成, 赵晓燕, 李永平, . 基于GIS与信息量模型的地质灾害危险性评价——以云南省丘北县为例[J]. 西北师范大学学报: 自然科学版, 2018, 54(1): 67-76.
TAN S C, ZHAO X Y, LI Y P, et al. Risk assessment on the geological disasters based on GIS and information content model-taking Qiubei County, Yunnan Province as an example[J]. Journal of Northwest Normal University : Natural Science, 2018, 54(1): 67-76. [本文引用:1]
[7] 郑苗苗, 牛树轩, 郑泓. 延河流域加权信息量法地质灾害分区研究[J]. 灾害学报, 2016, 31(1): 86-91.
ZHENG M M, NIU S X, ZHENG H. The geological hazards with zoning research based on weighted information method of Yanhe River Basin[J]. Journal of Catastrophology, 2016, 31(1): 87-91. [本文引用:1]
[8] 杨根云, 周伟, 方教勇. 基于信息量模型和数据标准化的滑坡易发性评价[J]. 地球信息科学学报, 2018, 20(5): 674-683.
YANG G Y, ZHOU W, FANG J Y. Assessment of land slide susceptibility based on information quantity model and data normalization[J]. Journal of Geo-Information Science, 2018, 20(5): 674-683. [本文引用:1]
[9] 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]
[10] 张向营, 张春山, 孟华君, . 基于GIS和信息量模型的京张高铁滑坡易发性评价[J]. 地质力学学报, 2018, 24(1): 96-105.
ZHANG X Y, ZHANG C S, MENG H J, et al. Land slide susceptibility assessment of new Jing-Zhang high speed railway based on GIS and information value model[J]. Journal of Geomechanics, 2018, 24(1): 96-105. [本文引用:1]
[11] 黄友菊, 王金亮, 杨月圆. 福贡县土地利用变化及演变趋势分析[J]. 云南地理环境研究, 2008, 20(2): 64-70.
HUANG Y J, WANG J L, YANG Y Y. Analysis of land -use change and its evolving tendency in Fugong County[J]. Yunnan Geographic Environment Research, 2008, 20(2): 64-70. [本文引用:1]
[12] 朱雪. 基于土地利用格局的云南省福贡县生态脆弱度研究[J]. 生态科学, 2012, 31(6): 661-665.
ZHU X. Study on the ecological vulnerability of the Fugong County, Yunnan Province based on land -use pattern[J]. Ecological Science, 2012, 31(6): 661-665. [本文引用:1]
[13] 朱昳橙, 李益敏, 魏苏杭. 怒江滑坡灾害气象预警模型研究[J]. 云南大学学报: 自然科学版, 2016, 38(4): 610-619.
ZHU Y C, LI Y M, WEI S H. A prediction model study on land slide in Nujiang State[J]. Journal of Yunnan University: Natural Sciences Edition, 2016, 38(4): 610-619. [本文引用:1]
[14] 许英姿, 卢玉南, 李东阳, . 基于GIS和信息量模型的广西花岗岩分布区滑坡易发性评价[J]. 工程地质学报, 2016, 24(4): 693-703.
XU Y Z, LU Y N, LI D Y, et al. GIS and information model based land slide susceptibility assessment in granite area of Guangxi Zhuang Autonomous Region[J]. Journal of Engineering Geology, 2016, 24(4): 693-703. [本文引用:1]
[15] 张俊, 殷坤龙, 王佳佳, . 三峡库区万州区滑坡灾害易发性评价研究[J]. 岩石力学与工程学报, 2016, 35(2): 284-296.
ZHANG J, YIN K L, WANG J J, et al. Evaluation of land slide susceptibility for Wanzhou District of Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2016, 35(2): 284-296. [本文引用:1]
[16] 张俊. 三峡库区万州区滑坡灾害风险评估研究[D]. 北京: 中国地质大学, 2016.
ZHANG J. Land slide risk assessment in Wanzhou County, Three Gorges Reservoir[D]. Beijing : China University of Geosciences, 2016. [本文引用:1]
[17] 余峙丹, 张辉, 盛永昆, . 楚雄州地质灾害降水特征及气象预警指标研究[J]. 云南大学学报: 自然科学版, 2011, 33(S1): 183-187.
YU Z D, ZHANG H, SHENG Y K, et al. Research on geology disaster precipitation characteristic and meteorological early warning target in Chuxiong[J]. Journal of Yunnan University : Natural Sciences Edition, 2011, 33(S1): 183-187. [本文引用:1]
[18] 杜国梁, 张永双, 吕文明, . 基于加权信息量模型的藏东南地区滑坡易发性评价[J]. 灾害学, 2016, 31(2): 226-234.
DU G L, ZHANG Y S, LYU W M, et al. Land slide susceptibility assessment based on weighted information value model in Southeast Tibet[J]. Journal of Catastrophology, 2016, 31(2): 226-234. [本文引用:1]
[19] 许兆军, 肖妮娜, 刘志尧, . 基于易发程度指数法的桂阳县地质灾害易发性分区研究[J]. 长春工程学院学报: 自然科学版, 2012, 13(3): 54-59.
XU Z J, XIAO N N, LIU Z Y, et al. Research on geological disaster-prone area based on susceptibility index method in Guiyang County[J]. Journal of Changchun Institute of Technology : Natural Sciences Edition, 2012, 13(3): 54-59. [本文引用:1]
[20] 王进, 郭靖, 王卫东, . 权重线性组合与逻辑回归模型在滑坡易发性区划中的应用与比较[J]. 中南大学学报: 自然科学版, 2012, 43(5): 1932-1939.
WANG J, GUO J, WANG W D, et al. Application and comparison of weighted linear combination model and logistic regression model in land slide susceptibility mapping[J]. Journal of Central South University : Science and Technology, 2012, 43(5): 1932-1939. [本文引用:1]