Evaluation of susceptibility to karst collapse based on the geodetector and analytic hierarchy method: An example of the Zhongliangshan area in Chongqing
-
摘要:
岩溶地面塌陷作为我国西南地区主要地质灾害类型之一，已成为影响该地区经济发展的重要因素，建立符合地区特征的岩溶地面塌陷易发性评价模型，可为塌陷的防治提供指导。文章以重庆市中梁山地区为研究区，以327个塌陷点为样本，基于GIS技术和地理探测器方法，对研究区三组样本点进行因子探测，定量化筛选出影响较大的评价因子，并采用层次分析法对岩溶地面塌陷易发性做出评价。结果显示：随着样本点数量变化，影响因子的解释度q值排序存在差异，然而三组数据中，各因子对岩溶塌陷的贡献大小排序始终是地层类型、地层富水性、距隧道距离、高程和坡度；基于地理探测器—层次分析法相结合的岩溶塌陷易发性评价结果预测精度达89.88%，高易发区主要在岩溶槽谷区嘉陵江组和大冶组地层分布地段。 Abstract:Karst collapse is a process in which the surface collapses suddenly under the action of various factors in the karst distribution area. As one of the main types of geological disasters in Southwest China， karst collapse mainly damages roads， railways， buildings and surface water， influences the use of agricultural water and land， and causes casualties and property losses. Due to its covertness， suddenness and uncertainty， karst collapse has become an important factor affecting the regional economic development. Therefore， establishing an evaluation model of karst collapse susceptibility that conforms to regional characteristics is of great significance for local the planning of land use and collapse prevention.This research takes the Zhongliangshan area of Chongqing as the study area， and samples 327 collapse points from the field investigation. Based on the factors that may induce the karst collapse， 13 potential impact factors of 6 classes for karst collapse have been preliminarily determined， namely， the topography （elevation， slope， slope direction， surface curvature， section curvature， slope position， and surface roughness）， the geological structure （distance from fault）， strata， hydrogeology conditions （formation rich in water， and terrain humidity index）， human engineering activities （distance from tunnel）， overburden characteristics （soil thickness） and so on， and a geospatial database of the study area has been established by using GIS to process the original data. Given the influence of the sample number in non-collapse points on the selection of impact factors， this study uses three groups of number ratios in different collapse points to analyze the explanatory power （q-statistic in Geodetector） of each factor in the karst collapse area. In order to avoid the fact that the establishment of the pair comparison matrix in the analytic hierarchy process is too tedious and inefficient， resulting from the excessive impact factors， the factor detection has been carried out in three groups of sample points in the study area， and the evaluation factors with greater influence on collapse have been selected quantitatively by the size of q value， based on GIS technology and geographic detector method. According to the principle of analytic hierarchy process and the screening results of subsidence impact factors， the evaluation system of karst collapse susceptibility in the study area has been established by taking the karst collapse susceptibility as the target layer. In order to accurately reflect the important difference among factors and reduce the influence of human experience factors， a pair comparison matrix has been established based on the collapse distribution， impact factor analysis results and q value results of geographical detector. The susceptibility to karst collapse has been evaluated by using the analytic hierarchy process. With the help of the GIS spatial analysis module， the evaluation results have been assigned to grid units， and then the zoning map of the karst collapse susceptibility in the study area is obtained. The results show that as the sample amount changes， there is a degree difference in the importance of impact factors. However， among the three sets of data， strata， formation rich in water， distance from tunnel， elevation and slope are always the factors that have the largest impact on karst collapse. The use of geographic detectors to filter factors can avoid the influence of irrelevant factors， and the prediction accuracy （89.88%） conducted by analytic hierarchy process to zone the karst collapse susceptibility has been significantly improved. The areas with higher probability of collapse mainly distribute in the Jialingjiang formation and Daye formation in the karst trough area. -
Key words:
- karst collapse /
- susceptibility /
- geodetector /
- analytic hierarchy method
-
0 引言
岩溶地面塌陷具有隐蔽性、突发性及反复性等特点。随着人类经济活动和工程施工活动不断增加，岩溶地面塌陷变得频繁，常造成重大经济损失、生态环境被破坏，甚至造成人员伤亡。岩溶地面塌陷已成为阻碍当地经济发展和社会和谐的重要因素之一［1-2］。因此，科学合理地开展岩溶地面塌陷易发性评价显得尤为重要，评价结果可为地面塌陷的防治提供指导［3］。
岩溶地面塌陷的发生受到多种因素的影响，每种因素的影响程度也不尽相同，选取合适的评价因子是岩溶地面塌陷易发性评价的关键［4-7］，因此建立符合实际的评价指标体系及模型，是提高评价精度的重要基础。对此，国内外学者进行了大量的研究，吴福等［6］结合研究区的实际情况和前人研究资料，选取了岩溶发育程度、土层厚度等地质环境因素，通过专家打分——层次分析法评价了桂林市规划中心城区的岩溶塌陷易发性；焦玉国［7］采用综合指数法对泰安市隐伏岩溶区进行了岩溶塌陷易发性综合分区评价；武鑫等［8］在详细分析塌陷条件的基础上选取了8个致灾因子，运用层次分析—模糊综合评价法对徐州市岩溶塌陷易发程度进行了评价，得到徐州市岩溶塌陷易发程度分区图；李公岩等［9］依据岩溶塌陷形成、发育的地质环境条件等，采用袭扰系数法对岩溶塌陷易发性进行分区，并提出了相应的防治对策；何书等［10］结合常用的评估指标和已有研究成果选取了基岩岩性、覆盖层厚度等作为评价指标，应用模糊贴近度方法建立了岩溶塌陷易发性分级评价模型。J.P Galve等［11］对埃布罗河谷的三个研究区采用不同的方法构建了塌陷易发性模型，依据对塌陷的认识，选择对每个研究区最为重要的因子进行分析。可见，以往的研究对评价因子的选择定量化分析程度不高，存在较强的经验主观性。
本文以重庆市中梁山地区为研究区，借助地理探测器，对研究区潜在影响因子进行因子探测，定量化筛选出影响较大的评价因子，并采用层次分析法对岩溶地面塌陷易发性做出评价，以期得到更为客观准确的岩溶塌陷易发性评价结果。
1 研究区概况
1.1 研究区概况
研究区位于重庆市西部中梁山地区，海拔157~700 m（图1），地貌上呈现出“一山两岭夹一槽”和“一山三岭夹两槽”的山体形态［12］。所处构造位置为观音峡背斜，背斜两翼不对称，主要呈西陡东缓状，西翼岩层倾角为60°~80°，东翼岩层倾角在35°~60°之间。出露地层主要为二叠系长兴组（P2c），三叠系下统飞仙关组（T1f）、大冶组（T1d）、嘉陵江组（T1j）及上统须家河组（T3xj），侏罗系下统珍珠冲组（J1z）、中统新田沟组（J2x）、沙溪庙组（J2s），第四系（Q）地层。可溶岩主要分布于槽谷区，地貌以岩溶洼地为主，洼地底部覆盖着较厚的第四系黏性土，厚度一般为3~8 m。研究区内以地下水疏干型岩溶地面塌陷为主，平面形态多呈现为圆形或椭圆形，剖面形态主要为圆柱状或锥状，多发生在洼地和残丘地带。
1.2 岩溶地面塌陷影响因素
岩溶地面塌陷的产生受岩溶发育程度、岩土性状、地质构造和人类活动等众多因素的影响［13］，本文依据前人研究中提出的各类岩溶地面塌陷诱发因素［14-16］，结合可利用的数据源，初步拟定地形地貌（高程、坡度、坡向、平面曲率、剖面曲率、坡位、地表粗糙度）、地质构造（距断层距离）、地层、水文地质条件（地层富水性、地形湿度指数）、人类工程活动（距隧道距离）、覆盖层特征（土层厚度）共6类13个因子作为岩溶地面塌陷潜在影响因子。其中，距隧道距离这个影响因子是在将隧道周边做缓冲区的基础上，考虑了地表水文单元的特征，提取了山脊线，将槽谷和隧道缓冲区结合而成。影响因子原始图层包含连续数据和离散数据，将连续数据采用自然间断点法离散化分组为五个区间（表1中X1-X7），以使各个类之间的差异最大化并统一数据类型。
表 1 影响因子汇总表Table 1.Summary of impact factors 影响因子 类别 高程（X1） ≤282、(282, 367]、(367, 459]、(459, 550]、>550 坡度（X2） ≤6.5、(6.5, 13.7]、(13.7, 21.1]、(21.1, 30.1]、>30.1 平面曲率（X3） ≤-0.64、(-0.64, -0.18]、(-0.18, 0.21]、(0.21, 0.7]、>0.7 剖面曲率（X4） ≤-0.88、(-0.88, -0.25]、(-0.25, 0.21]、(0.21, 0.88]、>0.88 地表粗糙度（X5） ≤1.03、(1.03, 1.09]、(1.09, 1.17]、(1.17, 1.3]、>1.3 地形湿度指数（X6） ≤2、(2, 3.6]、(3.6, 5.8]、(5.8, 8.8]、>8.8 土层厚度（X7） ≤3、(3, 4]、(4, 5]、(5, 6]、>6 坡向（X8） 平面、北、东北、东、东南、南、西南、西、西北 坡位（X9） 谷底、平地、下坡、中坡、上坡、山脊 距断层距离（X10） ≤1 000、(1 000,2 000]、(2 000,3 000]、(3 000,4 000]、>4 000 地层类型（X11） J1z、J2s1、J2x、P2c、T1d、T1f1、T1f2、T1f3、T1f4、T1j1、T1j2、T1j3、T3xj1-5 地层富水性（X12） 强富水、中富水、弱富水、贫乏、较贫乏、极贫乏 距隧道距离（X13） ≤500、(500, 1 000]、(1 000, 1 500]、(1 500, 2 000]、>2000（每类含槽谷和非槽谷） 2 评价方法
2.1 层次分析法
层次分析法（AHP）是Saaty于1977年提出的基于分层结构的度量理论来研究多准则决策过程的方法［17］，该方法的决策过程是将所研究问题分解为较简单的子问题的层次结构，并对其进行系统且独立的评估。根据文献［17］中提出的“1~9”比率标度法构建出各准则层的成对比较矩阵，并通过一致性比率（CR）检验矩阵的一致性是否满足要求。当CR<0.1时，则判定成对比较矩阵的一致性通过要求；否则就需要调整成对比较矩阵，直到达到满意的一致性为止。
2.2 地理探测器
地理探测器主要被用来分析各种现象的驱动力和影响因子，其作为空间数据探索性分析的有力工具，可以去除因子之间的相互影响，以定量化的结果筛选出对分析具有重要影响的因子，并提高分析精度［18］。在探测某因子对属性的空间分异性解释程度时，用q值来度量，其表达式为：
(1) 式中：h－因变量或影响因子的分层，即分类或分区；Nh－层h的单元数；N－全区的单元数；σh2－层h因变量值的方差；σ2－全区因变量值的方差。
q的取值范围是［0， 1］，q值为1表示影响因子完全解释了因变量的空间分布，q值为0表示影响因子与因变量的空间分布没有关系，q值越大表明影响因子的解释力越强，即对因变量空间分布的重要性越大。因此，可以借助地理探测器挖掘影响因素对岩溶地面塌陷的解释力，筛选出对地面塌陷影响较大的因素。
2.3 评价步骤
本文依托于中梁山地区岩溶地面塌陷的调研成果，使用ArcGIS对原始数据进行转换、配准和分类，进而建立起研究区的地理空间数据库。然后将不同比例的未塌陷点和塌陷点组成样本点，并将影响因子属性根据空间关系赋值给样本点。采用地理探测器对样本点进行分析，进而得到影响因子的解释度q值。通过q值定量化地确定出对研究区岩溶地面塌陷影响较大的因子，使用层次分析法对地面塌陷进行研究。构造成对比较矩阵并检验一致性，通过权值向量线性加权（公式2）并结合ArcGIS对影响因子图层进行空间叠加分析，最终得到研究区岩溶地面塌陷易发性区划图。
(2) 式中：Q易发—网格的岩溶塌陷易发性指数；Wxi－主准则层第i个因子的权值；Wxij—对应Xi的子准则层第j个因子的权值。
3 应用实例
3.1 确定影响因子
研究区已有塌陷点数据327个，随机提取非塌陷点，为了避免非塌陷点样本数量变化带来的误差，本文将非塌陷点和塌陷点数量比设置为1∶1、3∶1和5∶1来分别研究潜在影响因子对岩溶地面塌陷的解释力。将13个潜在影响因子的类型按照空间位置赋值给样本点，然后将三组样本点数据分别导入地理探测器中进行因子探测分析。
从地理探测器的分析结果（图2）可知，随着样本点数量变化，影响因子的解释度q值排序存在差异。然而三组数据中，各因子对岩溶地面塌陷的贡献大小排序始终是地层类型、地层富水性、距隧道距离、高程和坡度，而平面曲率和坡向的影响最小。依据地理探测器的分析结果，本文选取高程（X1）、坡度（X2）、地层（X11）、地层富水性（X12）和距隧道距离（X13）五个因子作为影响因子以构建中梁山地区岩溶地面塌陷易发性评价模型，各因子的分类结果如图3所示。
3.2 易发性评价过程
根据层次分析法的原理建立研究区岩溶地面塌陷层次评价模型，以岩溶地面塌陷易发性作为目标层，以高程（X1）、坡度（X2）、地层类型（X11）、地层富水性（X12）和距隧道距离（X13）这5个因子作为主准则层，以主准则层各因子的分类结果（表1）作为子准则层。
首先构建主准则层的成对比较矩阵。通过分析主准则层中两两因子对目标层的相对重要性，结合地理探测器的分析结果，利用“1~9”比率标度法表示因子的相对重要程度，构造成对比较矩阵（表2）。并检验矩阵的一致性。通过计算得到λmax=5.22，CI=0.055，当n=5时计算出CR=0.049，可知一致性比率CR<0.1，故主准则层的一致性满足要求，各因子的权值如表2所示。
表 2 主准则层成对比较矩阵Table 2.Pairwise comparison matrix of main criterion layer 主准则层 X1 X2 X3 X7 X12 权值 X1 1 3 1/3 1/3 1/3 0.111 X2 1/3 1 1/4 1/4 1/4 0.060 X3 3 4 1 2 2 0.354 X7 3 4 1/2 1 2 0.267 X12 3 4 1/2 1/2 1 0.208 用同样的方法构建子准则层的成对比较矩阵，并计算出相应矩阵的最大特征值、CI和CR值，一致性检验满足后便可得到子准则层各因子的权值（表3），从表中可以看出各成对比较矩阵的一致性比率CR均小于限值0.1，故子准则层的一致性满足要求。
表 3 子准则层权重评价表Table 3.Evaluation of sub-criteria layer weights 主准则 子准则 权值 主准则 子准则 权值 主准则 子准则 权值 X1（CR=0.047） <282 0.055 X11（CR=0.016） J1z 0.029 X11 T1j2 0.131 282~367 0.091 J2s1 0.029 T1j3 0.145 367~459 0.091 J2x 0.029 T3xj1-5 0.029 459~550 0.499 P2c 0.029 X12（CR=0.054） 强富水 0.435 >550 0.264 T1d 0.195 中富水 0.086 X2（CR=0.067） <6.5 0.493 T1f1 0.029 弱富水 0.176 6.5~13.7 0.259 T1f2 0.029 贫乏 0.057 13.7~21.1 0.117 T1f3 0.050 较贫乏 0.057 21.1~30.1 0.080 T1f4 0.050 极贫乏 0.189 >30.1 0.051 T1j1 0.228 X13槽谷（CR=0.071） <500 0.235 X13非槽谷（CR=0.071） <500 0.033 500~1 000 0.119 500~1 000 0.021 1 000~1 500 0.143 1 000~1 500 0.021 1 500~2 000 0.324 1 500~2 000 0.021 >2 000 0.062 >2 000 0.021 3.3 易发性评价结果与分析
本文易发性评价模型基本研究单元为栅格单元，大小为30 m×30 m。借助ArcGIS空间分析模块，将子准则层各因子的权值按照相应属性分配给网格单元，利用公式2将各因子图层进行叠加，进而得到研究区岩溶地面塌陷易发性指数图层，将易发性指数采用自然间断点法划分为四个级别，对应于不同的易发程度，得到中梁山地区岩溶地面塌陷易发性区划图（图4a）。采用自然间断点法划分标准：将易发性指数在0.278~0.349之间的区域，定义为高易发区；在0.181~0.278之间的区域，定义为中易发区；在0.085~0.181之间的区域，定义为低易发区；在0.039~0.085之间的区域，定义为极低易发区。
从岩溶地面塌陷易发性区划图（图4a）可知，高、中易发区主要分布在槽谷区，该区域以嘉陵江组和大冶组地层为主，地层含水量丰富，地形主要为岩溶洼地，加之隧道的开挖改变了地下水的运动状态，使得该区域岩溶地面塌陷频发。
为验证地理探测器在岩溶地面塌陷易发性评价中的应用效果，使用未经筛选的13个潜在影响因子作为主准则层，依据3.2节评价过程，采用层次分析法对研究区地面塌陷易发性进行评价，得到易发性指数图层，采用自然间断点法将易发性指数划分为四个级别，进而得到未采用地理探测器筛选因子的岩溶地面塌陷易发性区划图（图4b）。
将已有塌陷点作为验证数据，统计评价等级下已发生岩溶地面塌陷比例以表征预测精度［19］，统计结果见表4。结果表明：经地理探测器筛选因子后再采用层次分析法进行评价的结果中，有89.88%的岩溶地面塌陷发生在高易发区，9.82%发生在中易发区，0.31%发生在低易发区；仅采用层次分析法进行评价的结果中，有55.22%的岩溶地面塌陷发生在高易发区，43.25%发生在中易发区，1.53%发生在低易发区。可见采用地理探测器筛选因子后可避免相关度很低的因子对易发性预测的影响，对易发性区划的预测精度有明显提升，且评价结果与实际塌陷情况更为接近，符合易发性分级规律；此外，未采用地理探测器的评价方法中评价因子较多，在采用层次分析法分析时较为繁琐。
表 4 塌陷预测精度统计Table 4.Statistics of collapse prediction accuracy 评价方法 已有塌陷所占比例/% 高易发 中易发 低易发 极低易发 采用地理探测器 89.88 9.82 0.31 0 未采用地理探测器 55.22 43.25 1.53 0 4 结论
（1）以重庆中梁山地区为研究对象，基于地理探测器对13个潜在影响因子进行了因子探测分析，结果表明地层类型、地层富水性、距隧道距离、高程和坡度对研究区岩溶地面塌陷的发生具有重要影响；
（2）采用地理探测器筛选因子，可避免相关度很低的因子的影响，对岩溶地面塌陷易发性区划层次分析法的预测精度有明显提升；
（3）研究区高易发区集中在槽谷区，主要分布于嘉陵江组和大冶组等地层。通过统计历史岩溶地面塌陷点在易发性区划结果中的分布比例表明，89.88%塌陷点发生在高易发区，9.82%塌陷点发生在中易发区，0.31%塌陷点发生在低易发区。
1) 王桂林，强 壮，曹 聪，等.基于地理探测器与层次分析法的岩溶地面塌陷易发性评价：以重庆中梁山地区为例［J］.中国岩溶，2022，41（1）：79-87.2) -
表 1 影响因子汇总表
Table 1.
Summary of impact factors 影响因子 类别 高程（X1） ≤282、(282, 367]、(367, 459]、(459, 550]、>550 坡度（X2） ≤6.5、(6.5, 13.7]、(13.7, 21.1]、(21.1, 30.1]、>30.1 平面曲率（X3） ≤-0.64、(-0.64, -0.18]、(-0.18, 0.21]、(0.21, 0.7]、>0.7 剖面曲率（X4） ≤-0.88、(-0.88, -0.25]、(-0.25, 0.21]、(0.21, 0.88]、>0.88 地表粗糙度（X5） ≤1.03、(1.03, 1.09]、(1.09, 1.17]、(1.17, 1.3]、>1.3 地形湿度指数（X6） ≤2、(2, 3.6]、(3.6, 5.8]、(5.8, 8.8]、>8.8 土层厚度（X7） ≤3、(3, 4]、(4, 5]、(5, 6]、>6 坡向（X8） 平面、北、东北、东、东南、南、西南、西、西北 坡位（X9） 谷底、平地、下坡、中坡、上坡、山脊 距断层距离（X10） ≤1 000、(1 000,2 000]、(2 000,3 000]、(3 000,4 000]、>4 000 地层类型（X11） J1z、J2s1、J2x、P2c、T1d、T1f1、T1f2、T1f3、T1f4、T1j1、T1j2、T1j3、T3xj1-5 地层富水性（X12） 强富水、中富水、弱富水、贫乏、较贫乏、极贫乏 距隧道距离（X13） ≤500、(500, 1 000]、(1 000, 1 500]、(1 500, 2 000]、>2000（每类含槽谷和非槽谷） 
下载: 导出CSV
表 2 主准则层成对比较矩阵
Table 2.
Pairwise comparison matrix of main criterion layer 主准则层 X1 X2 X3 X7 X12 权值 X1 1 3 1/3 1/3 1/3 0.111 X2 1/3 1 1/4 1/4 1/4 0.060 X3 3 4 1 2 2 0.354 X7 3 4 1/2 1 2 0.267 X12 3 4 1/2 1/2 1 0.208
下载: 导出CSV
表 3 子准则层权重评价表
Table 3.
Evaluation of sub-criteria layer weights 主准则 子准则 权值 主准则 子准则 权值 主准则 子准则 权值 X1（CR=0.047） <282 0.055 X11（CR=0.016） J1z 0.029 X11 T1j2 0.131 282~367 0.091 J2s1 0.029 T1j3 0.145 367~459 0.091 J2x 0.029 T3xj1-5 0.029 459~550 0.499 P2c 0.029 X12（CR=0.054） 强富水 0.435 >550 0.264 T1d 0.195 中富水 0.086 X2（CR=0.067） <6.5 0.493 T1f1 0.029 弱富水 0.176 6.5~13.7 0.259 T1f2 0.029 贫乏 0.057 13.7~21.1 0.117 T1f3 0.050 较贫乏 0.057 21.1~30.1 0.080 T1f4 0.050 极贫乏 0.189 >30.1 0.051 T1j1 0.228 X13槽谷（CR=0.071） <500 0.235 X13非槽谷（CR=0.071） <500 0.033 500~1 000 0.119 500~1 000 0.021 1 000~1 500 0.143 1 000~1 500 0.021 1 500~2 000 0.324 1 500~2 000 0.021 >2 000 0.062 >2 000 0.021
下载: 导出CSV
表 4 塌陷预测精度统计
Table 4.
Statistics of collapse prediction accuracy 评价方法 已有塌陷所占比例/% 高易发 中易发 低易发 极低易发 采用地理探测器 89.88 9.82 0.31 0 未采用地理探测器 55.22 43.25 1.53 0
下载: 导出CSV
-
康彦仁.论岩溶塌陷形成的致塌模式［J］. 水文地质工程地质，1992，19（4）：32-34，46.KANGYanren. Collapse-causing models in karstic collapse process［J］.Hydrogeology&Engineering Geology，1992，19（4）：32-34，46. 季伟峰，胡时友，宋军. 中国西南地区主要地质灾害及常用监测方法［J］. 中国地质灾害与防治学报，2007（S1）：38-41.JIWeifeng， HUShiyou， SONGJun. Main geological hazards and monitoring methods in common use in the southwest region of China ［J］.The Chinese Journal of Geological Hazard and Control，2007（S1）：38-41. 罗小杰，沈建.我国岩溶地面塌陷研究进展与展望［J］.中国岩溶，2018，37（1）：101-111.LUOXiaojie，SHENJian.Research progress and prospect of karst ground collapse in China［J］.Carsologica Sinica，2018，37（1）：101-111. 段先前，褚学伟，李博. 基于集对分析的岩溶塌陷危险性预测评价［J］. 安全与环境学报，2016，16（4）：72-76.DUANXianqian，CHUXuewei，LIBo. Risk prediction and evaluation of the karst collapse based on the set pair mechanism analysis ［J］. Journal of Safety and Environment，2016，16（4）：72-76. 王恒恒，张发旺，郭纯青，苏春田.基于层次分析法的城市岩溶塌陷危险性评价：以武汉市南部为例［J］.中国岩溶，2016，35（6）：667-673.WANGHengheng， ZHANGFawang， GUOChunqing， SUChuntian. Urban karst collapse hazard assessment based on analytic hierarchy process： An example of southern Wuhan City［J］. Carsologica Sinica，2016，35（6）：667-673. 吴福，江思义，刘庆超，何源，李海良. 广西桂林市规划中心城区岩溶塌陷易发性评价［J］. 中国地质灾害与防治学报，2019，30（5）：83-91.WUFu，JIANGSiyi，LIUQingchao，HEYuan，LIHailiang.Evaluation of susceptibility of karst collapse in urban planning area of Guilin City of Guangxi Zhuang Autonomous Region［J］. The Chinese Journal of Geological Hazard and Control，2019，30（5）：83-91. 焦玉国. 山东泰安市地质灾害易发性分区［J］. 中国地质灾害与防治学报，2016，27（1）：130-135.JIAOYuguo.Geology hazard’s susceptibility zonation in villages and towns in Tai’an，Shandong province［J］. The Chinese Journal of Geological Hazard and Control，2016，27（1）：130-135. 武鑫，黄敬军，缪世贤.基于层次分析-模糊综合评价法的徐州市岩溶塌陷易发性评价［J］.中国岩溶，2017，36（6）：836-841.WUXin， HUANGJingjun， MIAOShixian. Susceptibility zoning and mapping of karst collapse in Xuzhou using analytic hierarchy process-fuzzy comprehensive evaluation method［J］. Carsologica Sinica，2017，36（6）：836-841. 李公岩，周绍智，万继涛，薄克廷. 山东省枣庄盆地岩溶塌陷形成条件及易发区划分方法探讨［J］. 中国地质灾害与防治学报，2003（4）：52-56.LIGongyan， ZHOUShaozhi， WANGJitao， BOKeting. Discussion on formation condition and method of zoning susceptible regions of karst collapse in Zaozhuang Basin， Shandong Province［J］. The Chinese Journal of Geological Hazard and Control，2003（4）：52-56. 何书，王家鼎，朱忠，吴开兴. 基于模糊贴近度的岩溶塌陷易发性研究［J］. 自然灾害学报，2009，18（1）：8-13.HEShu， WANGJiading， ZHUZhong， WUKaixin. Fuzzy approach degree-based research on occurrence of karstic collapse ［J］.Journal of Natural Disasters，2009，18（1）：8-13. GalveJ P，GutiérrezF，RemondoJ. Evaluating and comparing methods of sinkhole susceptibility mapping in the Ebro Valley evaporite karst （NE Spain）［J］. Geomorphology，2009，111（3）：160-172. 谭开鸥，李玉生. 重庆地区的岩溶塌陷及其形成机理［J］. 中国地质灾害与防治学报，1995（3）：23-27.TANKaiou，LIYusheng. Karst collapse and its formation mechanism in changing region［J］.The Chinese Journal of Geological Hazard and Control，1995（3）：23-27. 赵博超，朱蓓，王弘元，赖柄霖.浅谈岩溶塌陷的影响因素与模型研究［J］.中国岩溶，2015，34（5）：515-521.ZHAOBochao， ZHUBei， WANGHongyuan， LAIBinglin. Influence factors and mathematical models of karst collapses［J］. Carsologica Sinica，2015，34（5）：515-521. 吴亚楠.泰安市城区—旧县水源地岩溶地面塌陷历程及影响因素分析［J］.中国岩溶，2020，39（2）：225-231.WUYanan.Process and influencing factors of karst ground collapse in the water source area of Tai’an-Jiuxian［J］.Carsologica Sinica，2020，39（2）：225-231. 涂婧，李慧娟，彭慧，魏熊，贾龙.武汉市江夏区大桥新区红旗村黏土盖层岩溶塌陷致塌模式分析［J］. 中国岩溶， 2018， 37（1）：112-119.TUJing，LIHuijuan，PENGHui，WEIXiong，JIALong.Analysis on collapse model of the karst area covered by clay in Wuhan City Jiangxia district Hongqi village ［J］.Carsologica Sinica，2018，37（1）：112-119. 贺怀振，魏永耀，黄敬军. 基于模糊综合评判模型的徐州地铁沿线岩溶塌陷稳定性评价［J］. 中国地质灾害与防治学报，2017，28（3）：66-72.HEHuaizhen，WEIYongyao，HUANGJingjun. Stability assessment for karst collapse along Xuzhou metro using a comprehensive fuzzy model［J］. The Chinese Journal of Geological Hazard and Control，2017，28（3）：66-72. SaatyT L. A scaling method for priorities in hierarchical structures［J］. Academic Press，1977，15（3）：234-281. 王劲峰，徐成东. 地理探测器：原理与展望［J］. 地理学报，2017，72（1）：116-134.WANGJinfeng， XUChengdong. Geodetector： Principle and prospective［J］.Acta Geographica sinica，2017，72（1）：116-134. 贾龙，蒙彦，戴建玲.广佛肇地区岩溶塌陷易发性分析［J］.中国岩溶，2017，36（6）：819-829.JIALong，MENGYan，DAIJianling. Analysis of karst collapse susceptibility in Guang-Fo-Zhao regions ［J］.Carsologica Sinica，2017，36（6）：819-829. 期刊类型引用(12)
1. 谢慧君，曹聪，范泽英，杜清江，刘智，尹小彤. 重庆“四山”生态环境状况时空特征与障碍因子分析. 水土保持研究. 2025(02): 353-365 . 
百度学术2. 刘晓慧，张金雨，徐玲. 融合地理探测器和随机森林的地质灾害易发性评价——以山西省乡宁县为例. 山东建筑大学学报. 2025(01): 62-70 . 百度学术3. 薛良方，邹晔，王超，张梅，郭刘鹏，秦志强，张立川. 兖州滋阳山地区岩溶塌陷易发性评价. 西部探矿工程. 2025(02): 1-5+8 . 百度学术4. 郐毅智. 佛山市桂城—里水片区岩溶地面塌陷易发性评价. 低碳世界. 2024(02): 103-105 . 百度学术5. 崔毅斌，周亚楠，周小雨，韩金伟. GIS技术的半定量层次分析法在岩溶塌陷危险性评价中的应用. 煤炭技术. 2024(03): 149-153 . 百度学术6. 胡兆鑫，罗为群，蒋忠诚，吴泽燕，汤庆佳. 基于生态系统脆弱性评价的典型岩溶区生态治理分区. 中国岩溶. 2024(03): 661-671+703 . 
本站查看7. 梁峰，江攀和，唐广，刘双. 基于AHP及信息量模型的凤冈县地质灾害易发性评价. 贵州地质. 2024(04): 446-455 . 百度学术8. 高晓杰，李召峰，林久卿，宋云龙，青尚杰，崔向东，彭晓光. 滨海潮汐岩溶地表软土注浆技术研究与应用. 浙江大学学报(工学版). 2023(03): 552-561 . 百度学术9. 廖云平，吴斌，陈立川，徐洪，董平. 岩溶区诱发性土洞塌陷的水膜效应作用机理研究. 地下空间与工程学报. 2023(03): 881-887+910 . 百度学术10. 任涛，田国亮，宁志杰，周爱红，李宽，陈石. 基于地理探测器和随机森林的岩溶塌陷易发性评价. 灾害学. 2023(03): 227-234 . 百度学术11. 李慧，魏兴萍，刘程，李良鑫. 基于变权重-云模型的岩溶隧道涌突水灾害风险评估——以中梁山隧道为例. 中国岩溶. 2023(03): 548-557+572 . 本站查看12. 林弘杰，韩旭日，齐丽君，王新舒. 基于AHP层次分析法对内蒙古气象教育培训质量效果评估. 内蒙古气象. 2022(06): 36-39 . 百度学术其他类型引用(7)
-
下载:
百度学术
点击查看大图
计量
- 文章访问数: 1929
- HTML浏览量: 1264
- PDF下载量: 79
- 被引次数: 19
