Risk assessment of rainfall induced debris flow in Qiandongnan Prefecture of Guizhou Province
-
摘要: 利用贵州省黔东南州15个气象站1990—2019年逐日降水量、DEM、土地利用、常住人口等数据，采用层次分析法(AHP)，从危险性和环境脆弱性两个方面构建降雨型泥石流风险评估模型，并采用历史泥石流事件对评估结果进行验证。结果表明：危险性指标中暴雨日数的重要程度最高，危险性的空间分布表现为西部和东部最高，北部最低；环境脆弱性指标中高程的重要程度最大，研究区的环境脆弱性整体上四周更高，中部较低。研究区降雨型泥石流极高风险区分布在最东部和西部，主要是由危险性最高造成；高和中度风险主要分布在南部地区，其中中度风险区是由脆弱性相对较低造成。历史泥石流灾害案例中有76.6%发生在极高和高风险区，风险评估结果与历史泥石流事件分布相吻合。Abstract: Based on the daily rainfall, DEM, land use, and resident population data from 15 meteorological stations in Qiandongnan Prefecture, Guizhou Province from 1990 to 2019, a rainfall debris flow risk assessment model was constructed according to hazard and environmental vulnerability by analytic hierarchy process (AHP) and the assessment results was verified by using historical debris flow events. The results showed that among the hazard indicators, the importance of rainstorm days was the highest. The spatial distribution of hazard was the highest in the western and eastern region, with the lowest in the north. Among the environmental vulnerability indicators, the elevation was the most important. The environmental vulnerability of the study area was higher around and lower in the middle. The extremely high risk area of rainfall debris flow in the study area was concentrated in the east and west, which was mainly caused by the highest hazard. The high and medium risks were mainly distributed in the south, and the medium risk area was caused by relatively low vulnerability. About 76.6% of the historical debris flow disaster cases occurred in extremely high and high-risk areas, and the risk assessment results were consistent with the distribution of historical debris flow events. The research conclusions can provide some guidance for the early warning and prevention of debris flow disaster in Qiandongnan Prefecture, Guizhou Province.
-
Keywords:
- debris flow /
- risk /
- assessment /
- AHP /
- Qiandongnan Prefecture
-
0. 引言
泥石流是中国西南地区影响最广泛的气象衍生灾害之一，具有突发性强、影响范围广、预测难、危害高等特点，不仅会对山区道路交通安全造成影响，还会造成较大的经济损失及人员伤亡(唐邦兴等2000；岳溪柳等，2014；李聪等，2022)。西南地区的泥石流以降雨型泥石流为主，贵州省黔东南州位于西南地区东部，具有典型的喀斯特地貌特征，植被覆盖率低、地表承载能力差。同时该地区受西南季风的影响，降水频繁，容易发生水土流失，极易发生泥石流等地质灾害(岳溪柳等，2015)。因此，有必要对该地区的泥石流灾害风险进行评估。
Hollingsworth和Kovacs(1981)运用专家打分法构建了泥石流风险评估的基本框架，这是最早的有关泥石流风险评估的研究，当前很多泥石流风险评估方法都是在该框架基础上发展而来。国内外泥石流灾害风险评估研究主要分为单沟泥石流风险评估和区域泥石流风险评估，评估流程一般包括评估范围的确定、危险性评估、环境脆弱性评估以及风险计算4个步骤(刘光旭等，2012)。评估方法主要包括灰色关联度法(胡富杭等，2021)、FCM-粗糙集法(程维明等，2013)、方差分析法(岳溪柳等，2015)、证据权法(孟凡奇等，2010)、层次分析法(铁永波等，2006；耿世波，2022)、模糊综合评估法(潘建华等，2012)、人工神经网络法(赵源和刘希林，2005)和信息法(宁娜等，2013)等。目前，已有一些学者对贵州地区的泥石流灾害进行了研究，但多集中在泥石流灾害危险性的评价方面，如岳溪柳等(2014)、张耀允等(2016)、吴建峰等(2017)运用层次分析法分别对贵州毕节地区、白甫河流域和贵州省关岭县的泥石流灾害危险性进行了评价；而对结合环境脆弱性和危险性进行综合性泥石流灾害风险评估研究较少。因此，对泥石流灾害开展综合风险评估非常必要。
文中基于贵州省黔东南州15个气象站1990—2019年逐日降水量数据、研究区DEM数据、土地利用数据、常住人口数据以及历史泥石流事件数据，采用层次分析法(AHP)，从危险性和环境脆弱性两个方面构建降雨型泥石流风险评估模型，进行风险区划并对结果进行验证，以期为泥石流灾害预警和防治提供参考。
1. 研究区概况
文中选择泥石流灾害频发的贵州省黔东南州(107°17′—109°35′E，25°19′—27°31′N)作为研究区(图 1)。该区域处于云贵高原向湘桂丘陵盆地过渡的地带，地势西高东低，具有典型的喀斯特地貌。该地区的气候属于亚热带季风湿润气候，四季分明，雨水充沛，立体气候明显。
图 1 研究区范围及气象站点分布Fig. 1 Scope of the study area and distribution of meteorological stations
下载:
全尺寸图片
2. 资料与方法
2.1 数据来源
文中使用的贵州省黔东南州15个气象站1990—2019年逐日降水量数据来源于中国气象数据网(http://data.cma.cn/)；DEM数据、土地利用数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/Default.aspx)；常住人口数据来源于《贵州统计年鉴》(http://hgk.guizhou.gov.cn/publish/tj/2021/zk/indexch.htm)；历史泥石流事件来源于《贵州省主要地质灾害通报》(http://yjgl.guizhou.gov.cn/xw_5888722/zhyjxxfbpt/)以及相关新闻报道。
2.2 评估指标的选取
泥石流灾害是气候、水文、地形地貌、人类活动等众多因素共同作用的结果。文中结合研究区降雨型泥石流灾害的成因特点，从危险性和环境脆弱性两个方面选取合适的评估指标(图 2)。
图 2 研究区降雨型泥石流风险评估指标体系Fig. 2 Risk assessment index system of rainfall debris flow in the study area下载:
全尺寸图片
已有研究(丰强等，2022)显示，短历时的高强度降雨是泥石流灾害的最主要诱因，我国西南地区的泥石流灾害显著受到降水的影响。文中选取年大雨日数、年暴雨日数和年降水量作为研究区降雨型泥石流灾害的危险性评估指标。环境脆弱性主要与地形地貌、人类活动干扰有关，坡度和高程是地形状况和地势起伏程度的直接体现，土地利用和人口密度可以反映人类活动对地表和生态环境的干扰程度，因此文中选取高程、坡度、土地利用和人口密度作为环境脆弱性评估因子。
各评估指标的单位、数量级都不相同，为便于指标间的比较和叠加综合运算，采用自然断点法将各评估指标划分为极低、低、中、高、极高5个严重程度等级区间，并分别赋值为0.1、0.25、0.5、0.75、1(吴建峰等，2017)，用于指标间的叠加运算计算综合风险值，其计算式为
$$ R=\sum D_i \times \omega_i $$ (1) 式中，R为雨型泥石流风险值；i为评估指标；Di为指标i的严重等级赋值；ωi为指标i的权重系数。危险性的3个指标都是数值越大越容易发生泥石流灾害，严重等级越高。脆弱性指标中人口密度越高，严重等级越高。对于土地利用，文中参考唐邦兴等(2000)的研究并综合考虑容易发生泥石流程度及潜在经济价值，将水域、林地和草地、城乡工矿和居民用地、未利用土地、耕地依次划分为极低到极高的5个等级。海拔高的地区往往是孕育泥石流的区域，随着水流、泥沙的不断汇聚，多在海拔较低的沟谷、山前平原等地成灾(蒲济林等，2016)，因此按照海拔由高到底划分为极低到极高5个严重等级。在高海拔坡度陡的区域为孕育阶段，而泥石流成灾的地区多为开阔平缓的地带。因此，参考吴建峰等(2017)和曾凡伟等(2005)的研究将坡度>30°、30°—22°划分为极低和低2个严重等级，0°—9°、9°—16°、16°—22°分别划分为中、高和极高等级。
2.3 层次分析法
层次分析法(Analytic Hierarchy Process，AHP) 是20世纪70年代由美国数学家Satty提出的一种定性与定量相结合的多目标决策分析方法。文中使用该方法对黔东南州降雨型泥石流风险评估指标的权重进行计算。层次分析法(AHP)最核心的步骤是构建因素间两两比较的判断矩阵，然后根据判断矩阵计算各因素的权重。两两比较相对重要程度的标度参考Satty(1994)的研究(表 1)。研究中常采用专家打分法来确定指标间两两比较的重要程度的判断矩阵。
表 1 判断矩阵元素的标度方法及含义Table 1 Scaling method and meaning of judgment matrix elements标度 含义 1 因子a和因子b相比，二者具有同等重要性 3 因子a和因子b相比，因子a比因子b稍微重要 5 因子a和因子b相比，因子a比因子b较为重要 7 因子a和因子b相比，因子a比因子b更加重要 9 因子a和因子b相比，因子a比因子b极为重要 2、4、6、8 介于上述两标度的中值 倒数 因子a与因子b比较得到判断值c，反过来因子b与因子a比较判断值为1/c 由于判断矩阵存在客观因素和人为主观因素的影响，可能存在一定的误差，需要对判断矩阵进行一致性检验，计算式为
$$ C R=C I / R I $$ (2) 其中，CR为判断矩阵随机一致性比率；CI为一致性指标，计算式为
$$ C I=\frac{\lambda_{\max }-n}{n-1} $$ (2) 式中，λmax为判断矩阵的最大特征根；n为评估因子个数。RI为随机一致性指标，其值与n有关，n取值分别为1、2、3、4、5、6、7、8，对应RI分别为0、0、0.58、0.90、1.21、1.24、1.32、1.41。
当CR < 0.1时，判断矩阵具有很好的一致性；当CR≥0.1时，判断矩阵不具有一致性。若判断矩阵不满足一致性原则，需要重复上述步骤，直到获得满足条件的判断矩阵。最后，通过符合要求的判断矩阵计算相关评估因子的权重系数。
3. 研究区强降雨危险性评估
3.1 危险性评估指标的空间分布
图 3给出了研究区危险性评估指标严重程度等级的空间分布。可以看出，研究区年降水量的分布呈现出东部和西部高、北部低的特征。年大雨日数和年暴雨日数的空间分布情况整体与年降水量的空间分布相似，年降水量较高的地区大雨日、暴雨日也较为频繁。此外，研究区最东部虽然年降水量和年大雨日数不是等级最高的区域，但暴雨日数却为极高等级。历史上降雨型泥石流多出现在年降水量、年大雨日数、年暴雨日数中度及以上等级的地区。年降水量、年大雨日数和年暴雨日数的等级与各个等级单位面积发生历史泥石流灾害数量之间的秩相关系数分别为0.9、1.0和1.0，均通过了信度为0.05的显著性检验，验证了文中危险性评估指标严重程度等级划分的合理性。
图 3 研究区危险性评估指标的空间分布(a.年降水量, b.年大雨日数, c.年暴雨日数)Fig. 3 Spatial distribution of risk assessment indicators(a.yearly precipitation; b.annual heavy rain days; c.annual rainstorm days)下载:
全尺寸图片
3.2 危险性评估指标权重的计算
通过专家打分法以及综合考虑各评估指标空间分布与历史泥石流灾害分布的吻合程度，确定了判断矩阵(表 2)，并由AHP方法计算出各危险性评估指标的权重。判断矩阵最大特征根λmax=3.002，检验系数CR=0.001，小于0.1，说明判断矩阵具有很好的一致性，可用于计算各指标的权重。年暴雨日数、年大雨日数、年降水量的权重分别为0.362 7、0.261 6、0.125 7。
表 2 危险性评估指标判断矩阵及权重Table 2 Judgment matrix and weight of risk assessment index危险性评估指标 年降水量 年大雨日数 年暴雨日数 权重系数(ωi) 年降水量 1 1/2 1/3 0.125 7 年大雨日数 2 1 3/4 0.261 6 年暴雨日数 3 4/3 1 0.362 7 3.3 强降雨危险性的空间分布
采用加权求和的方法将危险性的3个指标进行综合，计算各栅格的危险性指标值，采用自然断点法将危险性划分为5个等级。图 4给出了研究区泥石流危险性空间分布。可以看出，研究区危险性极高的区域主要分布在西部和东部，北部地区危险性等级最低。此外，还可以发现研究区危险性等级的空间分布与历史泥石流灾害发生的分布非常吻合，危险性等级高的地区历史上灾害发生密集。
图 4 研究区泥石流危险性空间分布Fig. 4 Spatial distribution of risk of rainfall debris flow下载:
全尺寸图片
4. 研究区环境脆弱性评估
4.1 环境脆弱性指标的空间分布
图 5给出了研究区各环境脆弱性指标严重等级的空间分布情况。可以看出，研究区西部和东北部的凯里、黄平和三穗人口密度最高达到高和极高等级，中部、南部以及北部的部分地区人口密度最低。对于高程，研究区东部和南部分布较多的沟谷和地势较低的开阔地带，是该指标的脆弱程度最高的区域。对于坡度，全区多为中度及以上等级。对于土地利用，脆弱程度最高的耕地呈零星分布，但在西北部更为密集。人口密度、高程、坡度、土地利用的等级与各个等级单位面积发生历史泥石流灾害数量之间的相关系数分别为0.3、0.975(通过了信度为0.05显著性检验)、0.667、0.359，即严重等级越高的区域历史发生泥石流事件越密集，一定程度说明了各指标严重等级划分的合理性。
图 5 研究区环境脆弱性指标空间分布情况(a.人口密度, b.高程, c.坡度, d.土地利用)Fig. 5 Spatial distribution of environmental vulnerability factors (a.population density; b.elevation; c.slope; d.land use)下载:
全尺寸图片
4.2 环境脆弱性指标权重的计算
通过专家打分法以及综合考虑各环境脆弱性指标空间分布与历史灾害事件分布的吻合度，确定了判断矩阵(表 3)，并由AHP方法计算出各环境脆弱性指标的权重。判断矩阵最大特征根λmax=4.003，检验系数CR=0.001 < 0.1，说明判断矩阵具有很好的一致性，可用于计算各指标的权重。高程、坡度、土地利用、人口密度的权重系数分别为0.112 3、0.070 1、0.038 1、0.029 5。此外，危险性评估因子的权重总和为0.75，高于环境脆弱性评估因子的总和0.25，危险性对于风险的高低起到更大的作用。
表 3 环境脆弱性指标判断矩阵及权重Table 3 Judgment matrix and weight of environmental vulnerability index环境脆弱性评估指标 高程 坡度 人口密度 土地利用 权重系数(ωi) 高程 1 3/2 4 3 0.112 3 坡度 2/3 1 7/3 7/4 0.070 1 人口密度 1/4 3/7 1 4/5 0.029 5 土地利用 1/3 4/7 5/4 1 0.038 1 4.3 环境脆弱性评估结果
采用加权求和的方法将环境脆弱性的4个指标进行叠加综合，计算各栅格的环境脆弱性值，采用自然断点法将脆弱性划分为5个等级(图 6)。研究区的环境脆弱性高和极高的区域主要分布在研究区的四周，特别是东部。剑河、雷山、台江、施秉等县环境脆弱性相对较低。此外，由于高程的权重系数最大，可以发现环境脆弱性的空间分布与高程的分布最为接近，西部的凯里虽然高程的脆弱性等级不高，但人口密度的脆弱性等级最高，导致环境脆弱性很高。
图 6 研究区泥石流环境脆弱性评估结果Fig. 6 Environmental vulnerability assessment results of rainfall debris flow下载:
全尺寸图片
5. 泥石流风险评估结果及验证
5.1 泥石流风险评估结果
将危险性和脆弱性进行综合计算每个栅格的降雨型泥石流风险值，并由自然断点法划分为5个等级(图 7)。可以看出，风险的空间分布与危险性空间分布整体一致，主要是危险性权重系数远高于脆弱性，影响更大。极高风险区主要分布在东部的天柱和西南的麻江县、丹寨县、雷山县；高风险和中度风险集中分布在南部的县(市)，对照危险性空间分布，这些地区为高危险等级，因此这些地区中的中度风险区主要是由脆弱性较低导致的；极低和低风险区主要分布在研究区的北部。
图 7 贵州省黔东南州泥石流风险区划Fig. 7 Risk zoning of rainfall induced debris flow in Qiandongnan Prefecture, Guizhou Province下载:
全尺寸图片
5.2 泥石流风险评估结果的验证
表 4为不同风险等级的面积占比和历史泥石流事件统计结果。可以看出，极高风险区面积仅占12.0%，却有39.1%的泥石流事件发生；高和极高风险区面积占比41.7%，有76.6%的泥石流事件发生；低和极低风险区面积占比35.9%，仅发生过12.5%的泥石流事件。历史泥石流事件主要分布在高和极高风险区，风险评估结果与历史灾情分布一致，说明评估模型具有良好的适用性和评估效果。
表 4 不同风险等级的面积占比及历史泥石流事件统计Table 4 Area proportion of different risk levels and number of historical debris flow events风险等级 面积占比/% 泥石流事件/次 泥石流事件比例/% 风险值 极低 21.7 3 4.7 0.12—0.31 低 14.2 5 7.8 0.31—0.48 中 22.4 7 10.9 0.48—0.62 高 29.7 24 37.5 0.62—0.75 极高 12.0 25 39.1 0.75—0.99 6. 结论与讨论
文中基于AHP法从危险性和环境脆弱性两个方面选取指标构建风险评估模型，对贵州省黔东南州泥石流风险进行评估，并采用历史泥石流事件对评估结果进行验证。危险性指标包括年降水量、年大雨日数、年暴雨日数；脆弱性指标包括人口密度、高程、坡度和土地利用类型。得到以下结论：
1) 研究区的危险性在西南部和东部等级最高，北部危险性等级最低；高和极高环境脆弱性等级主要分布在研究区的四周，中部脆弱性较低。
2) 泥石流灾害风险空间分布与危险性分布更为接近，东部和西部为极高风险区，南部为高和中度风险区；中度风险区主要由脆弱性较低导致。
3) 76.6%的历史泥石流事件发生在本研究得到的高和极高风险区，说明了风险评估模型和结果的合理性。风险评估结果对于黔东南州泥石流灾害预警和防治具有指导意义。
泥石流灾害的环境脆弱性评估相对于危险性评估更为复杂，它不仅受社会经济的影响，还受研究区所处的自然环境的限制，并且大部分情况下评估因子和环境脆弱性的关系都是非线性，因此在以往的降雨型泥石流风险评估研究中对脆弱性的分析较少，更多的只是关注危险性。文中依据泥石流灾害形成机理选取了4个指标对环境脆弱性进行评价，提高了风险评估结果的效果，但在脆弱性指标选取、等级划分等方面仍需要在以后的研究中加强。
-
图 1 研究区范围及气象站点分布
Fig. 1 Scope of the study area and distribution of meteorological stations
下载:
全尺寸图片
图 2 研究区降雨型泥石流风险评估指标体系
Fig. 2 Risk assessment index system of rainfall debris flow in the study area
下载:
全尺寸图片
图 3 研究区危险性评估指标的空间分布(a.年降水量, b.年大雨日数, c.年暴雨日数)
Fig. 3 Spatial distribution of risk assessment indicators(a.yearly precipitation; b.annual heavy rain days; c.annual rainstorm days)
下载:
全尺寸图片
图 4 研究区泥石流危险性空间分布
Fig. 4 Spatial distribution of risk of rainfall debris flow
下载:
全尺寸图片
图 5 研究区环境脆弱性指标空间分布情况(a.人口密度, b.高程, c.坡度, d.土地利用)
Fig. 5 Spatial distribution of environmental vulnerability factors (a.population density; b.elevation; c.slope; d.land use)
下载:
全尺寸图片
图 6 研究区泥石流环境脆弱性评估结果
Fig. 6 Environmental vulnerability assessment results of rainfall debris flow
下载:
全尺寸图片
图 7 贵州省黔东南州泥石流风险区划
Fig. 7 Risk zoning of rainfall induced debris flow in Qiandongnan Prefecture, Guizhou Province
下载:
全尺寸图片
表 1 判断矩阵元素的标度方法及含义
Table 1 Scaling method and meaning of judgment matrix elements
标度 含义 1 因子a和因子b相比，二者具有同等重要性 3 因子a和因子b相比，因子a比因子b稍微重要 5 因子a和因子b相比，因子a比因子b较为重要 7 因子a和因子b相比，因子a比因子b更加重要 9 因子a和因子b相比，因子a比因子b极为重要 2、4、6、8 介于上述两标度的中值 倒数 因子a与因子b比较得到判断值c，反过来因子b与因子a比较判断值为1/c 表 2 危险性评估指标判断矩阵及权重
Table 2 Judgment matrix and weight of risk assessment index
危险性评估指标 年降水量 年大雨日数 年暴雨日数 权重系数(ωi) 年降水量 1 1/2 1/3 0.125 7 年大雨日数 2 1 3/4 0.261 6 年暴雨日数 3 4/3 1 0.362 7 表 3 环境脆弱性指标判断矩阵及权重
Table 3 Judgment matrix and weight of environmental vulnerability index
环境脆弱性评估指标 高程 坡度 人口密度 土地利用 权重系数(ωi) 高程 1 3/2 4 3 0.112 3 坡度 2/3 1 7/3 7/4 0.070 1 人口密度 1/4 3/7 1 4/5 0.029 5 土地利用 1/3 4/7 5/4 1 0.038 1 表 4 不同风险等级的面积占比及历史泥石流事件统计
Table 4 Area proportion of different risk levels and number of historical debris flow events
风险等级 面积占比/% 泥石流事件/次 泥石流事件比例/% 风险值 极低 21.7 3 4.7 0.12—0.31 低 14.2 5 7.8 0.31—0.48 中 22.4 7 10.9 0.48—0.62 高 29.7 24 37.5 0.62—0.75 极高 12.0 25 39.1 0.75—0.99 -
程维明, 夏遥, 曹玉尧, 等, 2013. 区域泥石流孕灾环境危险性评价: 以北京军都山区为例[J]. 地理研究, 32(4): 595-606. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201304002.htm Cheng W M, Xia Y, Cao Y R, et al, 2013. Regional hazard assessment of disaster environment for debris flows: Taking Jundu Mountain, Beijing as an example[J]. Geo Res, 32(4): 595-606. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ201304002.htm 丰强, 唐川, 陈明, 龚凌枫, 2022. 汶川震区绵虒镇"8·20"登溪沟泥石流灾害调查与分析[J]. 防灾减灾工程学报, 42(1): 51-59. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK202201006.htm Feng Q, Tang C, Chen M, et al, 2022. Field investigation and research on debris flow on August 20, 2019 in Mianshi Town, epicenter of Wenchuan earthquake[J]. J Disas Prev Mitig Eng, 42(1): 51-59. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK202201006.htm 耿世波, 聂哲, 王瀛, 等, 2022. 辽宁暴雨诱发山洪灾害风险区划研究[J]. 气象与环境学报, 38(4): 153-160. https://www.cnki.com.cn/Article/CJFDTOTAL-LNQX202204018.htm Geng S B, Nie Z, Wang Y, et al, 2022. Research on the risk zoning of montain torrent disasters induced by torrential rain in Liaoning province[J]. J Meteor Environ, 38(4): 153 -160. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-LNQX202204018.htm Hollingsworth R, Kovacs G S, 1981. Soil slumps and debris flows: prediction and protection[J]. Environ Eng Geosci, 38(1): 17-28. 胡富杭, 熊朝正, 石豫川, 等, 2021. 基于可拓灰色模型的台风暴雨型泥石流易发性评价[J]. 人民长江, 52(10): 26-32. https://www.cnki.com.cn/Article/CJFDTOTAL-RIVE202110005.htm Hu F H, Xiong C Z, Shi Y C, et al, 2021. Evaluation on susceptibility of typhoon-triggered debris flow based on extension grey model[J]. Yangtze River, 52(10): 26-32. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RIVE202110005.htm 李聪, 邹强, 蒋虎, 等. 2022. 泥石流作用下夯土建筑灾变响应特征研究[J]. 防灾减灾工程学报, 42(1): 42-50. https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK202201005.htm Li C, Zou Q, Jiang H, et al, 2022. Disaster response characteristics of rammed earth buildings to debris flow[J]. J Disas Prev Mitig Eng, 42(1): 42-50. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DZXK202201005.htm 刘光旭, 戴尔阜, 吴绍洪, 等, 2012. 泥石流灾害风险评估理论与方法研究[J]. 地理科学进展, 31(3): 383-391. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKJ201203014.htm Liu G X, Dai E F, Wu S H, et al, 2012. A study on theory and method in debris flow risk assessment[J]. Prog Geo, 31(3): 383-391. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DLKJ201203014.htm 孟凡奇, 李广杰, 秦胜伍, 等, 2010. 基于证据权法的泥石流危险度区划[J]. 吉林大学学报(地球科学版), 40(6): 1380-1384. https://www.cnki.com.cn/Article/CJFDTOTAL-CCDZ201006023.htm Meng F Q, Li G J, Qing S W, et al, 2010. Zoning of debris flow hazard degree with weight-of-evidence method[J]. J Jilin Univ (Earth Sci Ed), 40(6): 1380-1384. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-CCDZ201006023.htm 宁娜, 马金珠, 张鹏, 等, 2013. 基于GIS和信息量法的甘肃南部白龙江流域泥石流灾害危险性评价[J]. 资源科学, 35(4): 892-899. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201304028.htm Ning N, Ma J Z, Zhang P, et al, 2013. Debris flow hazard assessment for the Bailongjiang river, southern Gansu[J]. Resour Sci, 35(4): 892-899. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201304028.htm 潘建华, 彭贵芬, 彭俊, 等, 2012. 基于模糊综合评判的汶川8.0级地震重灾区滑坡泥石流气候风险评估[J]. 灾害学, 27(1): 10-16. https://www.cnki.com.cn/Article/CJFDTOTAL-ZHXU201201002.htm Pan J H, Peng G F, Peng J, et al, 2012. Risk assessment of landslide and debris flow in main disaster area of Wenchuan earthquake based on fuzzy integrated evaluation[J]. J Catastr, 27(1): 10-16. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZHXU201201002.htm 蒲济林, 苏军德, 高立兵, 等, 2016. 基于GIS与AHP模型的白龙江流域泥石流危险性评价[J]. 中国水土保持, 37(5): 58-61. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGSB201605024.htm Pu J L, Su J D, Gao L B, et al, 2016. Risk assessment of debris flow in Bailong River Basin based on GIS and AHP model[J]. Soil Water Conserv China, 37(5): 58-61. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGSB201605024.htm Saaty T L, 1994. How to make a decision: the analytic hierarchy process[J]. Eur J Oper Res, 48(1): 9-26. 唐邦兴, 周必凡, 吴积善, 等, 2000. 中国泥石流[M]. 北京: 商务印书馆. Tang B X, Zhou B F, Wu J S, et al, 2000. Debris flow in China[M]. Beijing: The Commercial Press. (in Chinese) 铁永波, 唐川, 2006. 层次分析法在单沟泥石流危险度评价中的应用[J]. 中国地质灾害与防治学报, 17(4): 79-84. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDH200604017.htm Tie Y B, Tang C, 2006. Application of AHP in single debris flow risk assessment[J]. Chinese J Geolog Hazard Control, 17(4): 79-84. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDH200604017.htm 汪超, 2010. 贵州省泥石流与下垫面因素关系分析[J]. 贵州气象, 34(3): 11-14. https://www.cnki.com.cn/Article/CJFDTOTAL-GZQX201003005.htm Wang C, 2010. Relevance of debris flow to underlying factors in Guizhou Province[J]. J Guizhou Meteor, 34(3): 11-14. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-GZQX201003005.htm 吴建峰, 张凤太, 颜潇, 等, 2017. 基于GIS和AHP方法的喀斯特地区泥石流危险性评价[J]. 人民珠江, 38(12): 86-90. https://www.cnki.com.cn/Article/CJFDTOTAL-RMZJ201712020.htm Wu J F, Zhang F T, Yan X, et al, 2017. Risk assessment of debris flow in karst area based on GIS and AHP[J]. Pearl River, 38(12): 86-90. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-RMZJ201712020.htm 岳溪柳, 黄玫, 徐庆勇, 等, 2015. 贵州省喀斯特地区泥石流灾害易发性评价[J]. 地球信息科学学报, 17(11): 1395-1403. https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201511017.htm Yue X L, Huang M, Xu Q Y, et al, 2015. The susceptibility assessment of debris flow in karst region of Guizhou Province[J]. Geo-Inf Sci, 17(11): 1395-1403. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DQXX201511017.htm 岳溪柳, 柳黄玫, 全斌, 等, 2014. 贵州毕节地区泥石流危险性评价[J]. 中国地质灾害与防治学报, 25(1): 12-17. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDH201401005.htm Yue X L, Liu H M, Quan B, et al, 2014. Debris-flow hazard assessment in Bijie district, Guizhou Province[J]. Chinese J Geolog Hazard Control, 25(1): 12-17. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDH201401005.htm 张耀允, 周德全, 王行斌, 2016. 基于GIS和AHP的白甫河流域泥石流危险性评价[J]. 凯里学院学报, 34(6): 125-129. https://www.cnki.com.cn/Article/CJFDTOTAL-QDNS201606034.htm Zhang Y Y, Zhou D Q, Wang H B, 2016. Debris flow risk assessment on the Baifuhe basin based on AHP and GIS[J]. J Kaili Univ, 34(6): 125-129. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-QDNS201606034.htm 赵源, 刘希林, 2005. 人工神经网络在泥石流风险评价中的应用[J]. 地质灾害与环境保护, 16(2): 135-138. https://www.cnki.com.cn/Article/CJFDTOTAL-DZHB200502005.htm Zhao Y, Liu X L, 2005. Application of ann to risk assessment on debris flow[J]. J Geolog Hazards Envir Preserv, 16(2): 135-138. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DZHB200502005.htm 曾凡伟, 徐刚, 李青, 2005. 坡面泥石流发生的坡度阀值研究[J]. 地理科学, 25(2): 244-247. https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX200502019.htm Zeng F W, Xu G, Li Q, 2005. Critical gradient and debris flow on mountain slope[J]. Scientia Geo Sinica, 25(2): 244-247. (in Chinese) https://www.cnki.com.cn/Article/CJFDTOTAL-DLKX200502019.htm
