基于信息量的長白山地區(qū)泥石流易發(fā)性評價

張以晨,秦勝伍,翟健健，3,李廣杰,彭帥英,劉 緒,陳駿駿

(1.吉林省地質(zhì)環(huán)境監(jiān)測總站, 吉林 長春 130021；2.吉林大學建設(shè)工程學院，吉林 長春 130026；3.成都市龍泉驛區(qū)城鄉(xiāng)房產(chǎn)管理局，四川 成都 610100)

泥石流作為一種突發(fā)性地質(zhì)災(zāi)害，具有運動快、歷時短等特點，嚴重威脅人類生命財產(chǎn)安全[1]。長白山地區(qū)位于中朝邊界，區(qū)內(nèi)地質(zhì)災(zāi)害種類較多且發(fā)生頻繁，危害大，對長白山可持續(xù)發(fā)展和國家地緣政治安全有著重要的影響[2]。長白山千年大噴發(fā)產(chǎn)生了大量火山灰[3]，這些碎屑物為泥石流提供了豐富的物源，加之長白山地區(qū)地勢復雜，地形起伏較大，雨量充沛，致使長白山地區(qū)成為泥石流災(zāi)害的高發(fā)區(qū)[2]。開展泥石流易發(fā)性評價工作能夠有效減輕泥石流災(zāi)害帶來的損失，促進經(jīng)濟發(fā)展[4]。

近年來，國內(nèi)外學者對泥石流易發(fā)性評價開展了大量研究，應(yīng)用層次分析法[5]、模糊數(shù)學法[6]、聚類和最大似然法[7]，基于Fisher判別分析理論[8]、粗糙集理論[9]、數(shù)量化理論[4]、區(qū)間數(shù)理論[10]等對泥石流易發(fā)性進行了評價與分析，建立了指標熵模型[11]、證據(jù)權(quán)模型[12]、Logistic模型[13]等評價模型。這些方法和模型的應(yīng)用很大程度上推動了泥石流災(zāi)害易發(fā)性評價的進展，但每種方法也都存在一定的限制和不足。信息量模型物理意義明確、操作簡單，能夠科學地對各評價因素進行分級[14]，所以本文采用信息量模型評價長白山地區(qū)泥石流災(zāi)害的易發(fā)性。

本文在對長白山泥石流災(zāi)害進行實地調(diào)查的基礎(chǔ)上，選取高程、坡度、坡向、年降水、年蒸發(fā)、泥石流點密度、人口密度、構(gòu)造作用、河流作用、地層巖性、地下水類型、地貌類型、土地利用13個評價指標，將基于GIS的信息量模型應(yīng)用于長白山地區(qū)泥石流易發(fā)性進行分析評價中，以期為該地區(qū)泥石流的防治規(guī)劃提供依據(jù)。

1 信息量模型基本原理

信息量模型是利用信息熵的概念分析各種因素綜合作用下地質(zhì)災(zāi)害易發(fā)性的模型，其理論基礎(chǔ)是信息論，是進行區(qū)域地質(zhì)災(zāi)害預測評價的一種有效的方法。就泥石流災(zāi)害而言，采用泥石流災(zāi)害發(fā)生過程中熵的減少表示泥石流災(zāi)害發(fā)生的可能性。信息量越大，泥石流災(zāi)害發(fā)生的可能性越大：

(1)

I(y,x1x2…xn)=I(y,x1)+Ix1(y,x2)+

…+Ix1x2…xn-1(y,xn)

(2)

式中：I(y,x1x2…xn)——影響因素x1x2…xn對泥石流災(zāi)害提供的信息量；

P(y|x1x2…xn)——因素x1x2…xn組合條件下泥石流發(fā)生的概率；

P(y)——泥石流發(fā)生的概率；

Ix1(y,x2)——影響因素x1條件下，x2對泥石流災(zāi)害發(fā)生提供的信息量。

單獨計算各因素xi對泥石流災(zāi)害發(fā)生事件提供的信息量Ii(y,xi)，在實際計算中可運用頻率進行條件概率的估算：

(3)

式中：S——研究區(qū)評價單元總數(shù)；

N——研究區(qū)內(nèi)分布有泥石流災(zāi)害的單元總數(shù)；

Si——研究區(qū)內(nèi)含有評價因素xi的單元數(shù)；

Ni——分布在因素xi內(nèi)的特定類別的泥石流災(zāi)害單元數(shù)。

在求得每個單元在所有影響因子條件下的信息量值后，通過求和即可得到單個評價單元內(nèi)總的信息量值：

(4)

式中：I——評價單元總的信息量值；

Ii——評價因素xi的信息量值；

n——所選取的評價因子的總數(shù)。

將評價單元總的信息量值I作為判斷該單元在影響泥石流時的綜合作用指標：I>0時，該單元處有利于泥石流的形成，且I值越大，易發(fā)性程度越高；I<0時，該單元處不利于泥石流的形成，且I值越小，易發(fā)性程度越低。

2 研究區(qū)概況

研究區(qū)以長白山主峰為中心，包括其四周70～110 km的區(qū)域(圖1)。主要包括安圖縣、撫松縣、長白朝鮮族自治縣的大部分地區(qū)，以及臨江縣、和龍市、樺甸市、敦化市的少部分地區(qū)。地理坐標為E127°16′～128°54′，N41°11′～43°00′，面積1.92×104km2。研究區(qū)位于中溫帶季風半濕潤氣候區(qū)，年均降水量700～1 400 mm，由西向東遞增。地勢以白云峰為中心，向四周逐漸降低，地貌按成因可劃分為火山地貌、構(gòu)造剝蝕地貌、侵蝕堆積地貌，研究區(qū)地層發(fā)育較全，出露有元古代、古生代、中生代和新生代巖漿巖。

根據(jù)野外實地調(diào)查數(shù)據(jù)，研究區(qū)內(nèi)共分布泥石流災(zāi)害點110個(圖1)，選取全區(qū)110個泥石流點作為樣本數(shù)據(jù)，進行泥石流易發(fā)性評價。

圖1 研究區(qū)概況Fig.1 General situation of the study area

3 基于GIS 的長白山地區(qū)泥石流易發(fā)性評價

3.1 評價單元劃分

區(qū)域泥石流災(zāi)害易發(fā)性評價是在對研究區(qū)域劃分評價單元的基礎(chǔ)上進行的，并對分布在各個區(qū)域內(nèi)的泥石流災(zāi)害分布信息進行統(tǒng)計分析。

對于不同比例尺度和精度的空間數(shù)據(jù)，評價單元的劃分方法區(qū)別很大，對于研究區(qū)比較大而比例尺比較小的空間數(shù)據(jù)，一般采用規(guī)則的柵格單元。本研究區(qū)面積較大，故選用柵格單元作為泥石流易發(fā)性分析評價基本單元[15]。在ArcGIS平臺上，將各圖層的矢量數(shù)據(jù)轉(zhuǎn)化為30 m×30 m的柵格數(shù)據(jù)。

3.2 評價指標體系建立

影響泥石流災(zāi)害的因素眾多而復雜，因素之間相互聯(lián)系、相互影響，要合理選取影響因子，分析主要的矛盾所在，選擇與泥石流災(zāi)害相關(guān)性大、起控制作用的因子。依據(jù)上述原則，本文選取高程、坡度、坡向、年降水、年蒸發(fā)、泥石流點密度、人口密度、構(gòu)造作用、河流作用、地層巖性、地下水類型、地貌類型、土地利用13個指標作為評價指標。

3.3 評價指標狀態(tài)分級

利用ArcGIS的空間分析功能對各影響因子和泥石流災(zāi)害點的分布關(guān)系進行疊加分析，進行信息量的計算，并分析泥石流的形成機理。

離散型評價指標的劃分依據(jù)野外調(diào)查以及已有的分類標準，如本文選取的評價指標：巖性、地貌類型、地下水類型、土地利用、地震烈度等。連續(xù)型指標依據(jù)各個因素分級狀態(tài)下泥石流比例曲線和信息量曲線的突變點為等級劃分臨界值。做出各個評價因子的狀態(tài)分級圖(圖11)，并統(tǒng)計各個區(qū)域內(nèi)的泥石流點個數(shù)和所占比例。

(1)高程

以ASTER GDEM V2為數(shù)據(jù)源，獲取研究區(qū)30 m精度的DEM柵格數(shù)據(jù)。研究區(qū)最高點為長白山主峰白云峰，海拔2 691 m，最低點位于西北處的松花江河道中，海拔350 m，高差2 600余米。從350 m起，以50 m為步長，利用ArcGIS中的自然間斷點分級法進行分級，統(tǒng)計泥石流比例、分級比例、信息量值(圖2)，泥石流主要分布在600～750 m范圍內(nèi)。

圖2 高程因素分布曲線Fig.2 Slope height factor distribution curve

(2)坡度

以30 m精度的DEM數(shù)據(jù)為基礎(chǔ)，利用ArcGIS空間分析的柵格表面工具，生成坡度柵格。從0°起，以2°為步長使用自然間斷點分級法進行分級，統(tǒng)計泥石流比例、分級比例、信息量值(圖3)，研究區(qū)泥石流點主要分布在坡度4°～14°的范圍內(nèi)。

圖3 坡度因素分布曲線Fig.3 Slope factor distribution curve

(3)坡向

以30 m精度的DEM數(shù)據(jù)為基礎(chǔ)，利用ArcGIS的空間分析的柵格表面工具，生成坡向柵格。坡向分為10個類別，各分級狀態(tài)下的泥石流比例，見圖4?？梢娔嗍鼽c主要分布在西南、南、東南坡向方向，處于陽坡。

圖4 坡向因素雷達圖Fig.4 Aspect factor radar chart

(4)年降水量

研究區(qū)泥石流為多年泥石流發(fā)生情況，因此選取年降水量作為指標因素。根據(jù)吉林省國土資源地圖集，繪制研究區(qū)年降水量等值線圖，研究區(qū)中心天池降水量最大，向外擴展降水量逐漸減小，將研究區(qū)降水量分為<700 mm、700～800 mm、800～900 mm和>900 mm 4個區(qū)(圖5)。

圖5 年降雨量分級統(tǒng)計Fig.5 Hierarchical statistics of the annual precipitation

(5)年蒸發(fā)量

年蒸發(fā)量作為水文條件對于泥石流的發(fā)生有著重要的影響。根據(jù)吉林省國土資源地圖集，繪制研究區(qū)年蒸發(fā)量等值線圖，研究區(qū)以天池蒸發(fā)量最小，向外擴展蒸發(fā)量逐漸增大，將研究與蒸發(fā)量劃分為<1 000 mm、1 000～1 200 mm、>1 200 mm 3個區(qū)(圖6)。

圖6 年蒸發(fā)量分級統(tǒng)計Fig.6 Hierarchical statistics of the annual evaporation

(6)泥石流點密度

根據(jù)野外調(diào)查資料，以研究區(qū)村為單位，統(tǒng)計各個村落的泥石流點個數(shù)，在ArcGIS平臺上通過，計算各個村落的泥石流點密度，得到研究區(qū)泥石流點密度柵格圖，用自然斷點法進行劃分，分為5類，統(tǒng)計各個分區(qū)內(nèi)的災(zāi)害點個數(shù)(圖7)。

圖7 泥石流點密度分級統(tǒng)計Fig.7 Hierarchical statistics of density of debris flow points

(7)人口密度

以研究區(qū)村為單位，收集各個村落人口數(shù)量，在ArcGIS平臺上計算各個村落的人口密度，得到研究區(qū)人口密度柵格圖。分別以<20人/ km2、20～40人/ km2、40～70人/ km2和>70人/ km2分為4級(圖8)。

圖8 人口密度分級統(tǒng)計Fig.8 Hierarchical statistics of population density

(8)構(gòu)造作用

長白山地區(qū)的大地構(gòu)造位于中朝準地臺的遼東臺隆的西部，褶皺、斷裂較發(fā)育。以研究區(qū)構(gòu)造綱要圖(1:20萬)為基礎(chǔ)，以主要斷裂帶為中心做緩沖區(qū)。根據(jù)泥石流點的分布情況，緩沖距離分為5級，0～1 km，1～2 km，2～3 km，3～4 km，>4 km。根據(jù)統(tǒng)計結(jié)果，大部分泥石流點位于0～2 km范圍內(nèi)。

(9)河流作用

研究區(qū)水系較發(fā)育，分屬松花江流域、鴨綠江流域、圖們江流域。以研究區(qū)的河流作為緩沖中心，每400 m為一緩沖帶，作緩沖區(qū)分析，統(tǒng)計結(jié)果表明，泥石流點主要分布在距河流1 200 m范圍內(nèi)，分布在河流的兩側(cè)。

(10)地層巖性

以研究區(qū)1∶20萬地質(zhì)圖為基礎(chǔ)，根據(jù)巖土體的工程地質(zhì)性質(zhì)，按軟硬程度將研究區(qū)工程地質(zhì)巖組劃分為4大類：極軟巖、軟質(zhì)巖、硬質(zhì)巖和極硬巖(圖9)，并繪制研究區(qū)地層巖性分級圖，狀態(tài)分級見圖10。

圖9 地層巖性狀態(tài)分級圖Fig.9 State classification of the stratigraphic lithologic factor

圖10 地層巖性分布Fig.10 Stratigraphic lithologic distribution

(11)地下水類型

以研究區(qū)水文地質(zhì)圖(1∶50萬)為依據(jù)，繪制研究區(qū)地下水類型圖，研究區(qū)地下水類型主要為構(gòu)造裂隙水、碎屑巖夾碳酸鹽巖裂隙水、玄武巖空洞裂隙水、碳酸鹽巖類裂隙溶洞水、碳酸鹽巖夾碎屑巖溶洞水。泥石流點主要分布在構(gòu)造裂隙水和碳酸鹽巖類裂隙溶洞水區(qū)域內(nèi)。

(12)地貌類型

以研究區(qū)地貌類型圖(1∶50萬)為依據(jù)，繪制研究區(qū)地貌類型圖，研究區(qū)地貌類型可劃分為河谷平原、河流、平坦熔巖高臺地、起伏侵蝕剝蝕低臺地、侵蝕剝蝕低山、侵蝕剝蝕小起伏中山、侵蝕剝蝕中起伏中山和熔巖丘陵8個類型。泥石流主要發(fā)生在平坦熔巖高臺地、侵蝕剝蝕中起伏中山，泥石流堆積扇主要分布于山地前緣與河谷平原交界位置。

(13)土地利用

土地利用數(shù)據(jù)以研究區(qū)各個縣國土資源局的土地利用現(xiàn)狀圖為基礎(chǔ)，矢量化，轉(zhuǎn)柵格，合并而成。研究區(qū)土地利用主要包括農(nóng)業(yè)用地、灌木林地、草地、居住使用地、河流和有林地。人類農(nóng)業(yè)生產(chǎn)、居住使用破壞了原有植被，水土保持能力變差，土體松散，為泥石流的發(fā)生提供了良好的物源。泥石流點大多分布在農(nóng)業(yè)用地和居住使用用地區(qū)域內(nèi)。

3.4 基于GIS的信息量計算和易發(fā)性評價

建立評價指標體系后，根據(jù)式(3)計算各個評價指標信息量值。各評價因子狀態(tài)分級圖見圖9和圖11。

圖11 各評價因子狀態(tài)分級圖Fig.11 State classification of the factors

將各個評價因子圖層和對應(yīng)的泥石流分布圖在ArcGIS中做空間分析運算，得到泥石流在每種因素的各個類別中的分布情況，得出每一因子圖層中各類型中泥石流的分布密度，即Ni/Si值。如表1所示，即為各評價因子內(nèi)各類別的信息量。

在ArcGIS平臺下，將各個分級狀態(tài)下計算得到的信息量值分別賦值到各個分級柵格中，得到13個評價指標的信息量柵格圖層Ii。根據(jù)式(4)，利用ArcGIS柵格計算器(Raster Calculator)進行疊加計算，將13個信息量柵格圖層相加，可得到整個研究區(qū)域的所有評價單元的總信息量I。信息量值越高表明發(fā)生泥石流災(zāi)害的可能性越大，根據(jù)自然斷點法(Natural Break)將易發(fā)性信息量分為5個等級，低易發(fā)區(qū)[-16.286,-8.811]、較低易發(fā)區(qū)[-8.811,-4.301]、中易發(fā)區(qū)[-4.301,-0.305]、較高易發(fā)區(qū)[-0.305,4.721]、高易發(fā)區(qū)[4.721,16.578]，得到最后的易發(fā)性分區(qū)圖(圖12)。

表1 各因素狀態(tài)信息量表

4 結(jié)果分析及精度評價

4.1 易發(fā)性結(jié)果分析

泥石流易發(fā)性評價分區(qū)結(jié)果表明，長白山地區(qū)泥石流高易發(fā)區(qū)主要位于安圖縣中部地區(qū)，撫松縣西部地區(qū)，樺甸大部分地區(qū)，以及長白縣、和龍市和敦化市的小部分地區(qū)。高易發(fā)區(qū)內(nèi)構(gòu)造作用比較活躍，地層巖性質(zhì)量較差，為泥石流提供了豐富的固體碎屑物。高易發(fā)區(qū)內(nèi)以侵蝕剝蝕地貌為主，有利于泥石流災(zāi)害的形成。水系作用也對災(zāi)害的發(fā)育有著重要的影響，水系線距離越近災(zāi)害越易發(fā)。泥石流高易發(fā)區(qū)主要為人類活動強烈的地區(qū)，人類生產(chǎn)生活、農(nóng)業(yè)開荒用地、工程建設(shè)改造都對自然環(huán)境產(chǎn)生了重大影響，造成水土流失、植被覆蓋率降低，為泥石流的形成發(fā)育提供了有利條件。研究區(qū)19%的地區(qū)處于較高易發(fā)區(qū)和高易發(fā)區(qū)，低易發(fā)區(qū)占32.2%，說明大部分地區(qū)都處于泥石流低易發(fā)區(qū)。

圖12 易發(fā)性分區(qū)圖Fig.12 Debris-flows susceptibility map

4.2 易發(fā)性精度評價

統(tǒng)計各個易發(fā)區(qū)的泥石流點個數(shù)、柵格數(shù)、泥石流比例、柵格比例，易發(fā)性由高到低，進行百分比累加，做出評價結(jié)果檢驗曲線。由表2可知，有94.6%的泥石流災(zāi)害點位于較高易發(fā)區(qū)和高易發(fā)區(qū)，易發(fā)性由低到高變化的過程中，柵格數(shù)目由大到小，同時災(zāi)害點密度增大；易發(fā)性由低到高的過程中，泥石流比率越來越大，同時泥石流實際發(fā)生的比率隨之增大，符合等級劃分原則。評價結(jié)果檢驗曲線呈現(xiàn)明顯的“凸型”，表明泥石流評價結(jié)果是理想的，在同類評價成果[17]中，也有類似的體現(xiàn)。曲線下面積(AUC值)為93%，用來定量表示泥石流易發(fā)性評價模型的成功率(圖13)，結(jié)果令人滿意。

表2 柵格統(tǒng)計表

注：泥石流比率=泥石流比例/柵格比例

圖13 泥石流易發(fā)性評價結(jié)果評價曲線Fig.13 Map showing the success rate of debris-flows susceptibility

5 結(jié)論

(1)選擇13個因子建立了長白山泥石流易發(fā)性評價指標體系，基于GIS和信息量模型，對長白山地區(qū)泥石流災(zāi)害易發(fā)性進行了分析與評價。根據(jù)評價結(jié)果檢驗曲線和實際情況分析，評價結(jié)果良好。

(2)泥石流高易發(fā)區(qū)主要為人類活動強烈的地區(qū)，土地利用類型為農(nóng)業(yè)用地和居住使用地，同時地層巖性較為軟弱地區(qū)泥石流災(zāi)害易發(fā)，構(gòu)造作用、水系作用也對災(zāi)害的發(fā)育有著重要的影響，主要表現(xiàn)為離構(gòu)造線、水系線距離越近災(zāi)害越易發(fā)。

(3)長白山地區(qū)泥石流高易發(fā)區(qū)主要位于安圖縣中部地區(qū)，撫松縣西部地區(qū)，樺甸大部分地區(qū)，以及長白縣、和龍市和敦化市的小部分地區(qū)。長白山地區(qū)大部分地區(qū)處于泥石流低易發(fā)區(qū)。

[1] 王曉朋, 潘懋, 任群智. 基于流域系統(tǒng)地貌信息熵的泥石流危險性定量評價[J]. 北京大學學報(自然科學版), 2007(2):211-215.[WANG X P, PAN M, REN Q Z. Hazard assessment of debris flow based on geomorphic information entropy in cathment [J]. Journal of Peking University (Natural Science Edition), 2007(2):211-215. (in Chinese)]

[2] 倪曉嬌, 南穎. 基于GIS的長白山地區(qū)地質(zhì)災(zāi)害風險綜合評估[J]. 自然災(zāi)害學報, 2014(1):112-120.[NI X J, NAN Y. Comprehensive assessment of geological disasters risk in Changbai Mountain region based on GIS[J]. Journal of Natural Disasters, 2014(1):112-120.(in Chinese)]

[3] 劉國超. 物質(zhì)成份對長白山火山次生泥石流影響范圍的分析[D]. 長春：吉林大學, 2013.[LIU G C. Analysis of the influence of material composition on the scope of Changbai mountains volcano secondary debris flow[D]. Changchun:Jilin University,2013(in Chinese)]

[4] 程英建,石豫川,石勝偉,等.數(shù)量化理論在泥石流易發(fā)性預測中的應(yīng)用[J].水文地質(zhì)工程地質(zhì), 2015(1):140-145.[CHENG Y J, SHI Y C, SHI S W,etal. Prediction of debris flow occurrence based on the quantification theory[J].Hydrogeology & Engineering Geology, 2015(1):140-145 (in Chinese)]

[5] 郭瑞,馬富存,郭一兵,等.基于層次分析法的泥石流易發(fā)性評價[J]. 東華理工大學學報(自然科學版), 2016(4):347-351.[GUO R, MA F C, GUO Y B,etal. Debris flow evaluation of occurrence easiness based on AHP[J].Journal of East China University of Technology, 2016(4):347-351. (in Chinese)]

[6] 鮑春,宋丹青.模糊數(shù)學在庫區(qū)泥石流易發(fā)性評價中的應(yīng)用[J]. 水資源與水工程學報, 2015(6):132-136.[BAO C, SONG D Q.Application of fuzzy mathematics in prone evaluation of debris flow of reservoir area[J].Journal of Water Resources & Water Engineering, 2015(6):132-136. (in Chinese)]

[7] 胡凱衡,崔鵬,韓用順,等.基于聚類和最大似然法的汶川災(zāi)區(qū)泥石流滑坡易發(fā)性評價[J]. 中國水土保持科學, 2012(1):12-18.[HU K H, CUI P, HAN Y S,etal. Susceptibility mapping of landslides and debris flows in 2008 Wenchuan earthquake by using cluster analysis and maximum likelihood classification methods [J]. Science of Soil and Water Conservation, 2012(1):12-18. (in Chinese)]

[8] 張紫昭,劉軍,管偉明. 山區(qū)公路泥石流易發(fā)性評價的Fisher判別分析法[J]. 遼寧工程技術(shù)大學學報(自然科學版), 2014(8):1108-1113.[ZHANG Z Z, LIU J, GUAN W M. Fisher discriminant analysis method for susceptibility evaluation of mountainous highway debris flow [J]. Journal of Liaoning Technical University(Natural Science), 2014(8):1108-1113. (in Chinese)]

[9] 王念秦, 薛瑤瓊, 李少兵,等. 基于粗糙集理論的泥石流易發(fā)性綜合評判模型[J]. 水土保持研究, 2014(3):246-250.[WANG N Q, XUE Y Q, LI S B,etal. Debris flow lability comprehensive evaluation model on rough set theory [J]. Science of Soil and Water Conservation, 2014(3):246-250. (in Chinese)]

[10] 方成杰, 錢德玲, 徐士彬,等. 基于聯(lián)系期望的泥石流易發(fā)性評價模型[J]. 水利水運工程學報, 2017(2):1-7.[FANG C J, QIAN D L, XU S B,etal. An assessment model for debris flow liability to occurrence based on connectional expectation[J]. Hydeoscience & Engineering, 2017(2):1-7. (in Chinese)]

[11] 陳劍, 黎艷, 許沖. 金沙江干熱河谷區(qū)泥石流易發(fā)性評價模型及應(yīng)用[J]. 山地學報, 2016(4):460-467.[CHEN J, LI Y, XU C. Susceptibility assessment model of debris flows in the dry-hot valley of the Jinsha river and its application [J].Mountain Research, 2016(4):460-467. (in Chinese)]

[12] 焦方謙, 趙新生, 陳川. 證據(jù)權(quán)模型在泥石流災(zāi)害易發(fā)性評價中的應(yīng)用[J]. 干旱區(qū)地理, 2013(6):1111-1124.[JIAO F Q, ZHAO X S, CHEN C. Debris flow hazard susceptibility evaluation application with weighted evidences model [J].Arid Land Geography, 2013(6):1111-1124. (in Chinese)]

[13] 鄒強, 王青, 劉延國. 基于GIS與Logistic模型的公路泥石流易發(fā)性分析[J]. 水土保持通報, 2014(3):185-189. [ZOU Q, WANG Q, LIU Y G. Evaluation method of debris flow susceptibility using GIS and Logistic model [J]. Bulletin of Soil and Water Conservation, 2014(3):185-189. (in Chinese)]

[14] 王佳佳, 殷坤龍, 肖莉麗. 基于GIS和信息量的滑坡災(zāi)害易發(fā)性評價——以三峽庫區(qū)萬州區(qū)為例[J]. 巖石力學與工程學報, 2014(4):797-808.[WANG J J, YIN K L, XIAO L L. Landslide susceptibility assessment based on GIS and weighted information value：a case study of wanzhou district，three gorges reservoir[J]. Chinese Journal of Rock Mechanics and Engineering, 2014(4):797-808. (in Chinese)]

[15] 劉斌.基于WEBGIS 的滑坡災(zāi)害空間預測與系統(tǒng)開發(fā)研究——以三峽壩區(qū)至巴東段為例[D]. 武漢：中國地質(zhì)大學, 2009. [LIU B. Study on landslide hazard spatial prediction and system development based on WEBGIS——a case study of the Three Gorges dam area to the eastern part of the Yangtze River [D]. Wuhan: China University of Geosciences, 2009. (in Chinese)]

[16] 許沖,戴福初,姚鑫,等. GIS支持下基于層次分析法的汶川地震區(qū)滑坡易發(fā)性評價[J]. 巖石力學與工程學報, 2009(增刊2):3978-3985. [XU C, DAI F C, YAO X,etal. GIS-based landslide susceptibility assessment using analytical hierarchy process in wenchuan earthquake region[J]. Chinese Journal of Rock Mechanics and Engineering, 2009(Sup 2):3978-3985. (in Chinese)]