基于信息量模型的进藏公路灾害风险区划

刘卫民; 郭冠淼; 蔡庆娥; 尉学勇; 董小波; 陈培聪; LIU Weimin; GUO Guanmiao; CAI Qing’e; YU Xueyong; DONG Xiaobo; CHEN Peicong

欢迎访问《中外公路》官方网站，今天是 2025年5月14日星期三

分享到：

E-mail Alert　 RSS

网刊加载中。。。

使用Chrome浏览器效果最佳，继续浏览，你可能不会看到最佳的展示效果，

确定继续浏览么?

复制成功，请在其他浏览器进行阅读

基于信息量模型的进藏公路灾害风险区划

- ORCID：
刘卫民 ^1,2
✉
- ORCID：
郭冠淼 ²
- ORCID：
蔡庆娥 ²
- ORCID：
尉学勇 ^1,2
- ORCID：
董小波 ²
- ORCID：
陈培聪 ²

1. 中交第一公路勘察设计研究院有限公司，陕西西安 710075； 2. 西安中交公路岩土工程有限责任公司，陕西西安 710075

中图分类号： U491

最近更新：2025-02-22

DOI： 10.14048/j.issn.1671-2579.2025.01.002

摘要

青藏高原公路沿线灾害频发，严重影响道路通行且威胁人民生命财产安全，开展进藏公路灾害风险评估区划对提升进藏公路防灾减灾能力具有重要意义。该文通过总结进藏公路区域地质环境与灾害发育规律，分析公路交通运行宏观表现，并在此基础上以新藏公路为研究对象，根据区域地质环境及气象灾害主控因素有针对性地选取评价因子。采用基于多源数据融合的信息量模型建立新藏公路沿线水毁灾害、地质灾害与综合灾害风险评价模型，得到不同评价因子信息量值，绘制新藏公路水毁灾害与地质灾害易发性评价图、危险性评价分区图以及综合灾害危险性评价分区图。研究结果表明：地质灾害高和极高危险区域中包含了96.09%的已知地质灾害隐患点，水毁灾害高和极高危险区域中包含了94.74%的已知水毁灾害隐患点，综合灾害危险性评价分区图中高和极高危险区包含了95.76%的已知灾害隐患点，可以真实地反映藏区公路灾害风险状况，验证了指标方法的有效性。

关键词

道路工程; 进藏公路; 灾害风险区划; 多源数据融合; 信息量模型

0 引言

交通线路在极端环境下极易遭受地质灾害、气象灾害的影响，导致物理损坏、功能失效等问题，这对路网运行系统危害巨大，甚至可能造成重大经济损失和严重社会影响。中国4条主要的进藏公路总里程近万千米，从“第二阶梯”进入“第一阶梯”，穿越了地形起伏巨大、地质环境复杂、构造运动活跃的青藏高原地区，独特的地形、地貌、地质和气候条件造就了青藏高原地区自然灾害分布密集且频繁爆发的特征，使得进藏公路成为中国遭受地质、气象灾害最为严重的公路之一，因此进藏公路灾害风险评估区划对公路地质灾害防治具有重要意义。

自1996年以来，国外学者通过概率评估模型、回归模型、决策树模型等进行多个滑坡的评估工作，并利用GIS技术绘制分区图^［

1-5］。中国学者则侧重运用层次分析法、指数矩阵法、加权平均模型法等开展地质灾害评估工作^{［参考文献 6-13}6-13］。国内外学者主要围绕灾害机理和灾害预测展开了研究，采用的方法存在对地质环境及人类活动等影响量化困难、仅对评价因子相对稳定且相互独立的地区适用性强、对特定地区和专家经验依赖性强等不足，且缺少依托地质、气象灾害及其耦合条件的灾害风险评估区划研究，特别是青藏高原公路灾害耦合条件下的风险区划研究更缺乏。

公路交通系统自然灾害风险研究相对落后于地质灾害评估工作，国内外学者主要就自然灾害与陆路交通系统管理问题、交通运输与气候灾害关系问题、自然灾害与交通灾害关系问题、自然灾害对陆路交通干线影响问题做了评估研究^［

14-17］。本文以新藏公路为例，鉴于信息量模型考虑多重影响因子，可以得到更为精细的危险性区划，且对不同地区适应性较强的优点，开展基于多源数据融合信息量模型的灾害耦合条件下进藏公路灾害风险评估区划工作，为进藏公路灾害防治提供基础支撑。

1 进藏公路灾害发育特征及交通运行影响

进藏公路地势由西北向东南呈阶梯式递降。地形复杂，但分带性比较明显。区域地质隶属冈底斯‒喜马拉雅造山系，元古界为中深变质岩系，古生界为较稳定‒次稳定的海相碳酸盐岩与碎屑岩沉积，中生界广泛分布，发育大量中酸性火山岩，新生界多为陆相碎屑岩系，且发育高钾钙碱性火山岩。区内岩浆岩主体为中酸性、基性以及超铁镁质岩类，规模大，分带性明显且具多期性。

据不完全统计，近十年进藏公路发生最频繁的灾害类型为崩塌，每年均超过100次。新藏公路受气象灾害（雪灾）、崩塌影响最为严重；川藏南、北线则成为滑坡、泥石流与水毁灾害的高发区^［

18］；青藏公路受恶劣气象及泥石流灾害影响大；滇藏公路受崩塌、恶劣气象影响大，并诱发泥石流、水毁、积雪次生灾害。

由有证可考的进藏公路阻断数据显示，进藏公路交通运行受公路沿线灾害发育情况影响严重。统计近五年阻断数据，488处灾害点半幅通行，112处灾害点交通中断，发现青藏公路交通事故率高，最长阻断7 d；川藏公路南线北线受地质灾害影响临时断通每年可达50次以上；滇藏公路季节性、时段性断通问题突出；新藏公路因雪灾、崩塌造成的断通明显。

2 新藏公路灾害与公路通行概况

新藏公路自西部日土县到拉萨市，全长1 850 km，包括阿里地区南部及日喀则中部，属于东昆仑山高原湖盆宽谷区、羌塘高原内陆湖盆区以及雅鲁藏布江怒江中上游高山高原湖盆宽谷区，气候环境属于干旱寒冷区，年降雨量以100~300 mm为主。新藏公路横跨山脉多，海拔差距大，在经历人类活动等各种因素的影响后，上部岩体更易产生脱落、碎裂，从而发生崩塌灾害。

根据孕灾条件差异区分新藏公路沿线发育地质灾害点及水毁灾害点两个大类，其中地质灾害377处，占灾害总数量的94.96%；水毁灾害20处，占灾害总数量的5.04%。地质灾害主要分布于高山、极高山地貌单元，中山、丘陵地貌单元地质灾害不发育，特别是滑坡、崩塌主要集中分布于河谷两侧。对于水毁灾害而言，流域两岸的溢岸流是造成水毁灾害的直接因素，据统计，有16处水毁灾害分布在流域1 km缓冲区范围内，占全区水毁灾害总数量的80.00%，可见流域的分布与水毁灾害之间关系密切。

从灾害线路分布看，灾害多发地段集中分布在日土县、昂仁县、萨迦县及尼木县，该段为高原湖盆区，地表松散层堆积厚度大，地层岩性稳定性差。

新藏公路G219为近十年来发生崩塌灾害最频繁的通道，平均每年约208次。除此之外，自2021年以来，受雪灾影响点位多、里程长、投入大，阻断时长高，断通达230次。可见，新藏公路交通运行受雪灾、崩塌影响最为严重，其次为滑坡、泥石流与水毁。

3 灾害风险评估区划研究

3.1 评估方法

地质灾害风险评估区划多以聚类分析法、层次分析法、回归模型法、信息量模型法等建立评价指标体系。其中，信息量模型计算方法的严密性，使评价结果精度更高，且可直观表现多致灾因子组合条件对地质灾害易发性的贡献。因此，本文选用信息量模型法进行灾害风险评估^［

19-21］，比较某因素下的地灾发生频率与区域地灾发生总频率，地灾信息量计算见式（1）：

I_{A j} \to B = l n \frac{N_{j} / N}{S_{j} / S}

（1）

式中：A为某一种孕灾地质条件因素；j为A种孕灾地质条件下的状态分类或区间，j=1，2，…，n；I_Aj→B为对应因素A、j状态下地质灾害B发生的信息量；N_j为对应因素A、j状态下地质灾害分布的数量点数；N为评价区已知有地质灾害隐患点分布的总数；S_j为因素A、j状态分布的栅格单元数；S为评价区栅格单元总数。

评价单元受多因素影响，各因素具有不同状态，地灾发生的总信息量见式（2）：

I = \sum_{j = 1}^{n} l n \frac{N_{j} / N}{S_{j} / S}

（2）

式中：I为对应特定单元地质灾害发生的总信息量，也称为易发性指数。

3.2 评价单元与评价因子提取

基于新藏公路G219区段地质灾害现场调查、遥感数据、气象资料与无人机测量结果等多源数据，根据灾害调查工作精度和灾害发育情况，综合成图尺寸，地质灾害易发性评价按10 km缓冲区范围开展，地质灾害危险性评价按2 km缓冲区范围开展。对于水毁灾害，水系发育地段特别是流域1 km范围内水毁灾害沿河流两岸呈带状分布，其他范围水毁灾点较为分散，故按照1 km缓冲区范围开展水毁灾害评价。路段按照100 m×100 m划分栅格单元，并基于此提取灾害定量评价因子。

地质灾害形成需要特定的条件，在地质调查基础上，选取高程、坡度、地形、地震烈度、降雨量、地层岩性、距河流的距离和距公路的距离等指标分析灾害敏感性，结合水系分布、降雨量与水毁灾害关系统计结果，地质灾害对区域地质环境、地形地貌条件、植被覆盖情况、地震及气象灾害等因素敏感性强，水毁灾害对河水溢岸流及降雨量敏感性强。最终选定坡度、曲率、坡向、地貌单元、工程岩土体类型、植被指数作为地灾易发性评价因子，选择降雨量与地震烈度作为地灾危险性评价因子。选定水系及降雨作为水毁灾害易发性分区的评价因子，以总信息量为评价指标的水毁灾害危险性指数，从而进行水毁灾害危险性评价。最终，将地质灾害与水毁灾害叠加形成新藏公路综合灾害风险区划。各因子信息量计算值见表1。

表1 各指标因子计算的信息量值

Table 1 Information value calculated by each index factor

A	j	N_j	N	S_j	S	I
坡度	[0°,10°]	127	358	280 414	1 761 465	-0.792 456 000
	(10°,15°]	63	358	348 639	1 761 465	-0.227 464 000
	(15°,20°]	42	358	415 279	1 761 465	0.216 659 900
	(20°,25°]	46	358	367 186	1 761 465	0.116 598 100
	(25°,30°]	22	358	218 640	1 761 465	0.117 784 900
	(30°,35°]	23	358	93 862	1 761 465	0.301 985 200
	(35°,40°]	18	358	29 689	1 761 465	0.472 213 600
	(40°,45°]	10	358	5 740	1 761 465	0.323 819 200
	>45°	7	358	2 016	1 761 465	0.001 236 700
曲率	<-0.5 m	202	358	832 156	1 761 465	0.500 743 100
	[-0.5，0) m	11	358	745 065	1 761 465	0.253 228 700
	[0,0.5] m	13	358	544 319	1 761 465	-0.413 665 000
	>0.5 m	132	358	837 770	1 761 465	-1.144 977 000
地貌单元类型	大起伏极高山	10	358	133 358	1 761 465	0.060 860 900
	高海拔平原	68	358	646 781	1 761 465	0.564 896 500
	高海拔丘陵	7	358	42 819	1 761 465	1.092 131 000
	高海拔台地	3	358	34 615	1 761 465	0.187 027 800
	小起伏高山	15	358	148 665	1 761 465	-0.409 348 000
	小起伏极高山	32	358	84 937	1 761 465	0.251 769 838
	中起伏高山	115	358	207 690	1 761 465	0.183 934 431
	中起伏极高山	99	358	462 601	1 761 465	0.283 096 397
工程岩土体类型	Ⅰ	105	358	625 255	1 761 465	-0.030 034 000
	Ⅱ	6	358	19 521	1 761 465	1.044 514 400
	Ⅲ	140	358	54 518	1 761 465	0.000 000 000
	Ⅳ	80	358	10 636	1 761 465	0.000 000 000
	Ⅴ	46	358	32 868	1 761 465	-0.136 695 000
植被指数	[-1,0)	2	358	2 012	1 761 465	0.219 051 700
	[0,0.12)	36	358	308 793	1 761 465	0.099 753 300
	[0.12,0.25)	199	358	720 480	1 761 465	-0.191 205 000
	[0.25,0.50)	112	358	471 537	1 761 465	0.245 959 500
	[0.50,1.00]	9	358	184 172	1 761 465	-0.372 056 000
降雨等值线图	<450 mm	4	19	425 560	1 761 465	-6.449 425 000
	[450,475) mm	9	19	321 201	1 761 465	0.497 721 000
	[475，500] mm	4	19	312 463	1 761 465	0.283 815 000
	>500 mm	2	19	702 241	1 761 465	-5.647 024 000
水系缓冲区	<1 km	15	19	3 787 471	1 761 465	0.823 102 000

3.3 地质灾害风险评价

同样根据地质灾害评价因子信息量值，将因子图层与地质灾害分布密度图做叠加分析，得到地灾隐患点的分布密度，通过式（1）、（2）计算得到各评价因子图层信息量值。通过信息量图层空间叠加得到地灾易发性指数，然后利用ArcGIS自然断点法，可得如图1所示的地质灾害易发性评价图。根据计算结果，单元总易发性指数的范围为-5.438 11~8.010 38，数值大小可反映各因子对地灾发生的综合贡献率以及可能性。

图1 新藏公路G219沿线地质灾害易发性评价图

Figure 1 Susceptibility assessment map of geological hazard along G219 of Xinjiang‑Xizang Highway

在地质灾害易发性评价的基础上，叠加降雨、地震因素致灾概率图层，开展地质灾害危险性分区计算，结果显示：单元总危险性指数的范围为-6.582 3~9.014 5（表2），数值越大，反映各因子对地质灾害发生的综合贡献率越大，地灾发生危险性就越高。基于ArcGIS自然断点法，得到如图2所示的新藏公路G219沿线地质灾害危险性评价分区图。

表2 信息量值对应危险性等级及其与地质灾害隐患点分布的对比

Table 2 Information value， its corresponding risk levels， and its comparison with distribution of geological hazard risk points

危险性等级	信息量值	栅格单元数	面积占比/%	地质灾害隐患点数量/个	隐患点占比/%
低	-6.582 3~-0.576 8	208 764	59.25	0	0.00
中	-0.572 8~1.236 4	94 832	26.92	14	3.91
高	1.236 4~2.876 6	17 463	4.96	96	26.82
极高	2.876 6~9.014 5	31 234	8.87	248	69.27
总计		352 293	100.00	358	100.00

图2 新藏公路G219沿线地质灾害危险性评价分区图

Figure 2 Zoning map of geological hazard risk assessment along G219 of Xinjiang‑Xizang Highway

基于信息量模型的危险性分区结果与实际地灾分布特征相一致，结果合理。由表2可知：高危险区和极高危险区域中包含了96.09%的已知地质灾害隐患点。

3.4 水毁灾害风险评价

将水毁灾害易发性信息量图层与其核密度结果进行空间叠加分析，可以得到水毁灾害各因子信息量值。其中，1 km水系缓冲区范围内水毁灾害点占比达76.74%，水系因子的信息量贡献值最大，为0.823 102。基于ArcGIS自然断点法，得到如图3所示的新藏公路G219沿线水毁灾害易发性评价图。

图3 新藏公路G219沿线水毁灾害易发性评价图

Figure 3 Susceptibility assessment map of flood hazard along G219 of Xinjiang‑Xizang Highway

基于水毁灾害易发性评价，对水毁灾害点危险等级及影响长度进行空间叠加分析，得到不同等级对应下的灾害隐患点分布（表3）。由结果可知：随着危险性等级的逐步提高，实际地质灾害隐患点的数量逐步增加，地质灾害数量占比亦随之增大。根据一定原则，最终得到如图4所示的新藏公路G219沿线2 km缓冲区内水毁灾害危险性评价分区图。

表3 信息量值对应灾害危险性等级及其与水毁灾害隐患点分布的对比

Table 3 Information value， its corresponding hazard risk level， and its comparison with distribution of flood hazard risk points

危险性等级	信息量值	栅格单元数	面积占比/%	地质灾害隐患点数量/个	隐患点占比/%
低	-6.582 3~-0.576 8	117 736	33.42	0	0.00
中	-0.572 8~1.236 4	229 308	65.09	1	5.26
高	1.2364~2.876 6	1 409	0.40	3	15.79
极高	2.876 6~9.014 5	3 840	1.09	15	78.95
总计		352 293	100.00	19	100.00

图4 新藏公路G219沿线水毁灾害危险性评价分区图

Figure 4 Zoning map of flood hazard risk assessment along G219 of Xinjiang‑Xizang Highway

由表3可知：危险性高和极高的区域中包含了94.74%的已知水毁灾害隐患点。

3.5 综合灾害风险评价

将地质灾害危险性评价分区与水毁灾害危险性评价分区进行叠加分析，得到新藏公路综合灾害危险性评价分区成果（图5、表4）。

图5 新藏公路G219沿线灾害危险性评价分区图

Figure 5 Zoning map of hazard risk assessment along G219 of Xinjiang‑Xizang Highway

表4 综合灾害危险性分区面积及其与灾害隐患点分布关系

Table 4 Comprehensive hazard risk zoning area and its relationship with distribution of hazard risk points

危险性等级	面积/ km²	划分区数量/个	面积占比/%	综合灾害隐患点数量/个	隐患点占比/%
低	2 147.30	37	59.52	0	0.00
中	1 005.87	123	27.88	16	4.24
高	163.70	58	4.54	106	28.12
极高	291.00	74	8.06	255	67.64
总计	3 607.87	292	100.00	377	100.00

由表4可知：新藏公路G219沿线2 km缓冲区共划分极高、高、中、低4种灾害危险级区，其中灾害极高危险区74个，总面积291 km²占评价区总面积的8.07%，共发育灾害隐患点255处，占总隐患点的67.64%；高危险区58个，面积163.7 km占评价区总面积的4.54%，共发育灾害隐患点106处，占总隐患点的28.12%；中危险区123个，面积1 005.87 km²占评价区总面积的27.88%，共发育灾害隐患点16处，占总隐患点的4.24%；低危险区37个，面积2 147.3 km²占评价区总面积的59.52%，无灾害隐患点。可见：危险性高和极高的区域中包含了95.76%的已知灾害隐患点。

4 结论

本文在融合多源数据的基础上，利用信息量模型开展了藏区新藏公路灾害风险区划，可以为藏区公路防灾减灾提供灾害数据与灾害分级支撑。最终分区结果与实际灾害分布特征基本一致，结果合理。主要结论如下：

（1）融合现场调查、遥感数据、气象资料与无人机测量结果等多源数据，根据主控因素结合调查结果，开展敏感性分析，得出评价因子。基于多因子组合叠加的信息量模型法可用于半定量分析进藏通道公路沿线灾害风险评估区划，并研究了多因子组合条件对地质灾害易发性的贡献。

（2）进藏公路沿线水毁灾害形成和诱发的主要

因素为河水溢岸流及降雨量，提出了选择水系及降雨作为水毁灾害易发性分区的评价因子，选择总信息量为评价指标的水毁灾害危险性指数的进藏通道水毁灾害危险性评价方法。从得到的分区图可知，中高危险区域中包含了94.74%的已知水毁灾害隐患点，可以真实反映藏区公路水毁灾害风险状况。

（3）新藏公路G219沿线地质灾害与水毁灾害易发性与危险性等级均划分为极高、高、中、低4个等级。随着等级提高，各分区中实际灾害隐患点数量逐步增加，灾害发生的比率也随之增大。最终得到的地质灾害中高危险区域中包含了96.09%的已知地质灾害隐患点，水毁灾害中高危险区域中包含了94.74%的已知水毁灾害隐患点，综合灾害危险性评价分区图中高危险区和极高危险区包含了95.76%的已知灾害隐患点，可以真实反映藏区公路灾害风险状况，验证了指标方法的有效性。

参考文献

LI P F,WANG H N,LI H L,et al.Refined landslide susceptibility mapping considering land use changes and InSAR deformation:A case study of Yulin City,Guangxi[J].Remote Sensing,2024,16(16):3016. [百度学术]

ZHANG Z Q,SUN J C.Regional landslide susceptibility assessment and model adaptability research[J].Remote Sensing,2024,16(13):2305. [百度学术]

DENG S G,LI W S.Spatial case revision in case-based reasoning for risk assessment of geological disasters[J].Geomatics,Natural Hazards and Risk,2020,11(1):1052-1074. [百度学术]

SU L Y,GUI Y N,XU L,et al.Rain-induced landslide hazard assessment using inception model and interpretability method:A case study of Zayu County,Tibet[J].Applied Sciences,2024,14(12):5324. [百度学术]

CHENG Y X,GAN Y,SHI C M,et al.A critical analysis of geological hazard risk assessment including future perspectives[J].Sustainability,2024,16(9):3701. [百度学术]

蔡庆空,顾海涛,范国涛,等.基于GIS的云南省施甸县地质灾害风险综合评估[J].云南大学学报(自然科学版),2024,46(4):674-685. [百度学术]

CAI Qingkong,GU Haitao,FAN Guotao,et al.Comprehensive assessment of geological disaster risk based on GIS in Shidian County,Yunnan[J].Journal of Yunnan University (Natural Sciences Edition),2024,46(4):674-685. [百度学术]

丁峰,董丽荣.趋势面分析法在山西省怀仁市地质灾害易发性分区评估中的应用[J].北华航天工业学院学报,2024,34(3):1-4. [百度学术]

DING Feng,DONG Lirong.Application of trend surface analysis method in assessment of the geo-hazards susceptibility-zoning[J].Journal of North China Institute of Aerospace Engineering,2024,34(3):1-4. [百度学术]

黄若洪,吴岩,姚红春,等.基于机器学习的地质灾害风险评估研究[J].测绘标准化,2024,40(2):53-59. [百度学术]

HUANG Ruohong,WU Yan,YAO Hongchun,et al.Geologic hazard risk assessment based on machine learning[J].Standardization of Surveying and Mapping,2024,40(2):53-59. [百度学术]

黄坚,李鑫,陈芳,等.一种基于多源数据融合的滑坡地形深度学习识别模型研究[J].中国地质灾害与防治学报,2022,33(2):33-41. [百度学术]

HUANG Jian,LI Xin,CHEN Fang,et al.A deep learning recognition model for landslide terrain based on multi-source data fusion[J].The Chinese Journal of Geological Hazard and Control,2022,33(2):33-41. [百度学术]

卜吉武,李家乐,姜亚东,等.基于层次分析法的赤峰市地质灾害易发性评价[J].环境与发展,2024,36(1):20-27. [百度学术]

BU Jiwu,LI Jiale,JIANG Yadong,et al.Evaluation of the geological disaster susceptibility in Chifeng City based on the hierarchical analysis method[J].Environment and Development,2024,36(1):20-27. [百度学术]

马红娜,刘江,冯卫,等.地质灾害风险评估在国土空间规划中的应用:以陕北榆林高西沟为例[J].西北地质,2023,56(3):223-231. [百度学术]

MA Hongna,LIU Jiang,FENG Wei,et al.Application of geological hazard risk assessment in territorial space planning:A case study of Gaoxigou Village in Yulin City of Northern Shaanxi Province[J].Northwestern Geology,2023,56(3):223-231. [百度学术]

程晓伟,剡理祯,李清泉.黄土边坡突发滑坡地质灾害风险判识评估研究[J].铁道工程学报,2022,39(9):1-6. [百度学术]

CHENG Xiaowei,YAN Lizhen,LI Qingquan.Research on the risk identification and assessment of sudden landslide in loess slope[J].Journal of Railway Engineering Society,2022,39(9):1-6. [百度学术]

荣广智,张继权,李天涛,等.极端降水诱发地质灾害链风险评估研究:以贵州省水城县为例[J].灾害学,2022,37(4):201-210. [百度学术]

RONG Guangzhi,ZHANG Jiquan,LI Tiantao,et al.Risk assessment of extreme precipitation-induced geological disaster chain:A case study of Shuicheng County,Guizhou Province[J].Journal of Catastrophology,2022,37(4):201-210. [百度学术]

罗博仁,余飞,余绍淮.基于星载InSAR的高寒地区公路路基形变监测[J].中外公路,2023,43(2):22-25. [百度学术]

LUO Boren,YU Fei,YU Shaohuai.Deformation monitoring of highway subgrade in alpine area based on spaceborne InSAR[J].Journal of China & Foreign Highway,2023,43(2):22-25. [百度学术]

陈贺,鲁志强,李果,等.滇西北高原山区不同降雨条件下斜坡深部响应的试验研究[J].中外公路,2023,43(1):11-18. [百度学术]

CHEN He,LU Zhiqiang,LI Guo,et al.Field experiment on deep response of slope subjected to different rainfalls in plateau mountainous area of Northwest Yunnan[J].Journal of China & Foreign Highway,2023,43(1):11-18. [百度学术]

魏东旭,王贯国,李健,等.某高速公路K132段煤系地层滑坡勘察关键技术及处置方案研究[J].中外公路,2023,43(4):37-44. [百度学术]

WEI Dongxu,WANG Guanguo,LI Jian,et al.Study on key technology of landslide investigation and treatment plan of coal stratum in section K132 of a highway[J].Journal of China & Foreign Highway,2023,43(4):37-44. [百度学术]

喻伟,杨娜,李珏.基于AHP-DEMATEL的公路养护决策与计划实施后评估方法[J].中外公路,2024,44(5):277-28. [百度学术]

YU Wei,YANG Na,LI Jue.Post-evaluation method for decision-making and implementation of highway maintenance projects based on AHP-DEMATEL[J].Journal of China & Foreign Highway,2024,44(5):277-28. [百度学术]

祝建,朱冬春,刘卫民.川藏公路(西藏境)地质灾害类型与分布规律研究[J].灾害学,2018,33(增刊1):18-24. [百度学术]

ZHU Jian,ZHU Dongchun,LIU Weimin.Types and distribution of geological hazards in Sichuan Tibet Highway (Tibet Border)[J].Journal of Catastrophology,2018,33(sup1):18-24. [百度学术]

王佳妮,王云琦,李耀明,等.基于信息量模型的滑坡灾害易发性评价:以重庆市为例[J].中国水土保持科学(中英文),2023,21(6):53-62. [百度学术]

WANG Jiani,WANG Yunqi,LI Yaoming,et al.Landslide susceptibility assessment based on weighted information value model:A case study of Chongqing City[J].Science of Soil and Water Conservation,2023,21(6):53-62. [百度学术]

杜建括,李双,王淑新,等.秦巴山区地质灾害危险性评价研究:以汉中市为例[J].陕西理工大学学报(自然科学版),2024,40(2):86-94. [百度学术]

DU Jiankuo,LI Shuang,WANG Shuxin,et al.Study on the risk assessment of geological disasters in Qinba Mountain area:A case study of Hanzhong City[J].Journal of Shaanxi University of Technology (Natural Science Edition),2024,40(2):86-94. [百度学术]

程霞,吴文忠,张佳,等.基于信息量模型的红寺堡区地质灾害风险性评价[J].四川地质学报,2024,44(1):94-99. [百度学术]

CHENG Xia,WU Wenzhong,ZHANG Jia,et al.Risk assessment of geological hazards in Hongsibao District based on information model[J].Acta Geologica Sichuan,2024,44(1):94-99. [百度学术]