基于逻辑回归模型的泥石流易发性评价与检验: 以金沙江上游奔子栏—昌波河段为例

doi:10.19657/j.geoscience.1000-8527.2018.03.19

现代地质 ›› 2018, Vol. 32 ›› Issue (03): 611-622.DOI: 10.19657/j.geoscience.1000-8527.2018.03.19

• 水文地质与环境地质学 • 上一篇下一篇

基于逻辑回归模型的泥石流易发性评价与检验: 以金沙江上游奔子栏—昌波河段为例

吴赛儿¹(), 陈剑¹(), ZHOU Wendy², 高玉欣¹, 徐能雄¹

1.中国地质大学(北京) 工程技术学院,北京 100083
2. Colorado School of Mines, Department of Geology and Geological Engineering, Colorado Denver 80401

收稿日期:2017-06-13 修回日期:2018-05-10 出版日期:2018-06-10 发布日期:2023-09-22
通讯作者: 陈剑
作者简介:陈剑,男,副教授,1975年出生,地质工程专业,主要从事工程地质、地质灾害与环境研究。Email:jianchen@cugb.edu.cn。
吴赛儿，女，硕士研究生，1992年出生，地质工程专业，主要从事工程地质与地质灾害研究。Email: cielo@cugb.edu.cn。
基金资助:
国家自然科学基金项目(41571012);国家自然科学基金项目(41230743);中央高校基本科研业务费专项资金资助项目(2652015060)

Debris-flow Susceptibility Assessment and Validation Based on Logistic Regression Model: An Example from the Benzilan-Changbo Segment of the Upper Jinshajiang River

WU Saier¹(), CHEN Jian¹(), WENDY Zhou², GAO Yuxin¹, XU Nengxiong¹

1. School of Engineering and Technology, China University of Geosciences, Beijing 100083, China
2. Department of Geology and Geological Engineering, Colorado School of Mines, Colorado Denver 80401, USA

Received:2017-06-13 Revised:2018-05-10 Online:2018-06-10 Published:2023-09-22
Contact: CHEN Jian

摘要/Abstract

摘要：

基于地理信息系统(ArcGIS10.0)平台和小流域单元,采用逻辑回归(LR)模型对金沙江上游(奔子栏—昌波河段)干热河谷区进行泥石流易发性评价,并对预测结果进行总体检验与随机个案检验。评价与检验结果表明,得到的最优指标组合下LR评价模型的AUC值为82.7%;预测的极高易发区、高易发区面积合占全区面积的35.98%,实发泥石流面积占泥石流总面积的65.03%;在个案检验中,位于各等级分区的检验组样本实发泥石流比例随着分区易发性等级降低,依次为91.7%(极高)、75.0%(高)、36.4%(中等)、16.7%(低)、0(极低),表明评价效果良好。研究区泥石流集中发育于金沙江沿岸的东北部、中部和西南部,主导性的评价指标依次为距主干道路距离、岩性、距断裂带距离、雨季月平均降雨量。人类活动与季节性降雨为研究区干热河谷泥石流的主要诱发条件。基于逻辑回归模型的泥石流易发性评价方法提高了泥石流发生可能性的预测精度,可为干热河谷区泥石流预测预警和防治提供参考依据。

关键词: 干热河谷区, 泥石流, 逻辑回归模型, 易发性评价, 金沙江

Abstract:

In this paper, we apply logistic regression (LR) model (using ArcGIS10.0) and catchment units to predict the distributions of debris-flow susceptibility, taking the Benzilan-Changbo segment of the upper reach of the Jinshajiang River as an example. Overall and random case testing was conducted to validate the results. The AUC values of the LR evaluation model were based on the optimum index combination of 82.7%.The prediction results show the extremely high debris-flow susceptibility areas cover about 35.98% of the total study area, whereas the actual debris-flow area accounts for 65.03% of the total observed debris-flow area. In the case test, the ratios of actual debris-flow samples of testing dataset (in each grade partition with decreasing susceptibility levels) are 91.7%(extremely high), 75.0%(high), 36.4%(moderate), 16.7%(low) and 0(extremely low), representing favorable prediction results of the debris-flow susceptibility map. High susceptibility areas are mainly distributed in the northeastern, middle and southwestern parts of the Jinshajiang river bank. The major indexes include the distance to major highways, lithology, distance to fault zone, and average monthly precipitation in the rainy season, which indicate that human activities and seasonal rainstorm are the main triggers of debris flow in the semiarid mountainous Jinshajiang valley. We suggest that debris-flow susceptibility assessment based on LR modeling can improve the prediction accuracy of potential debris flows, and provides an important reference for forecasting, warning and preventing and mitigating debris-flow risk in semiarid mountainous valleys.

Key words: semiarid mountainous valley, debris flow, logistic regression model, susceptibility assessment, Jinshajiang River

中图分类号:

P642.2

吴赛儿, 陈剑, ZHOU Wendy, 高玉欣, 徐能雄. 基于逻辑回归模型的泥石流易发性评价与检验: 以金沙江上游奔子栏—昌波河段为例[J]. 现代地质, 2018, 32(03): 611-622.

WU Saier, CHEN Jian, WENDY Zhou, GAO Yuxin, XU Nengxiong. Debris-flow Susceptibility Assessment and Validation Based on Logistic Regression Model: An Example from the Benzilan-Changbo Segment of the Upper Jinshajiang River[J]. Geoscience, 2018, 32(03): 611-622.

图/表 12

参考文献 36

[1]	唐川, 朱静. 云南滑坡、泥石流研究[M]. 北京: 商务印书馆, 2003: 76-115.
[2]	谢洪, 钟敦伦, 韦方强, 等. 我国山区城镇泥石流灾害及其成因[J]. 山地学报, 2006, 24(1):79-87.
[3]	罗元华. 论泥石流灾害风险评估方法[J]. 中国矿业, 2000, 9 (6): 70-72.
[4]	李阔, 唐川. 泥石流危险性评价研究进展[J]. 灾害学报, 2007, 22(1): 106-110.
[5]	丛威青, 潘懋, 李铁峰, 等. 基于GIS的滑坡、泥石流灾害危险性区划关键问题研究[J]. 地学前缘, 2006, 13(2):185-190.
[6]	罗元华, 陈崇希. 泥石流堆积过程数值模拟及防灾效益评估方法[J]. 现代地质, 2000, 14(4): 484-488.
[7]	钟敦伦, 韦方强, 谢洪. 长江上游泥石流危险度区划的原则与指标[J]. 山地研究, 1994, 12(2):78-83.
[8]	刘希林, 陈宜娟. 泥石流风险区划方法及其应用:以四川西部地区为例[J]. 地理科学, 2010, 30(4): 558-565.
[9]	崔鹏, 邹强. 山洪泥石流风险评估与风险管理理论与方法[J]. 地理科学进展, 2016, 35(2):137-147. DOI
[10]	王维早, 雷霆, 许强. 基于层次分析法的河北省太行山区泥石流灾害危险性评估研究[J]. 地球与环境, 2010, 38(3): 357-362.
[11]	宁娜, 马金珠, 张鹏, 等. 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, 2013, 35(4):892-899.
[12]	陈晓清, 谢洪. 基于GIS的泥石流危险度区划研究—以拟建向家坝、溪洛镀水电工程库区为例[J]. 土壤侵蚀与水土保持学报, 1999, 5(6):46-50.
[13]	柳金峰, 黄江成, 欧国强, 等. 甘肃陇南武都区泥石流易发性评价[J]. 中国地质灾害与防治学报, 2010, 21(4):8-12.
[14]	李为乐, 唐川, 杨武年, 等. RS和GIS技术在区域泥石流危险性区划中的应用研究[J]. 灾害学, 2008, 23(2):71-75.
[15]	唐尧, 杨武年. 基于GIS的震后汶川潜在泥石流危险性评价[J]. 上海国土资源, 2012, 33(3):57-60.
[16]	吴雨夫, 余斌, 亓星, 等. 岷江上游大白杨沟泥石流特征及成因[J]. 现代地质, 2012, 26(1):107-113.
[17]	李雅晖. 基于流域尺度的泥石流危险性评价:以岷江流域汶川县为例[D]. 成都: 成都理工大学, 2011:21-45.
[18]	戴福初, 李焯芬, 黄志全, 等. 火山岩坡残积土地区暴雨滑坡泥石流的形成机理[J]. 工程地质学报, 1999, 7(2):147-154.
[19]	SONG S J, ZHANG B L, FENG W L, et al. Using fuzzy relations and GIS method to evaluate debris flow hazard[J]. Wuhan University Journal of Natural Sciences, 2006, 11(4): 875-881. DOI URL
[20]	YUAN L F, ZHANG Y S. Debris flow hazard assessment based on support vector machine[J]. Wuhan University Journal of Na-tural Sciences, 2006, 11(4): 897-900.
[21]	GORSEVSKI P V, GESSLER P E, FOLTZ R B. Spatial prediction of landslide hazard using logistic regression and GIS[J]. Transactions in GIS, 2000, 10 (3):395-415. DOI URL
[22]	邢秋菊, 赵纯勇, 高克昌. 基于GIS的滑坡危险性逻辑回归评价研究[J]. 地理与地理信息科学, 2004, 20(3):49-51.
[23]	刘艺梁, 殷坤龙, 刘斌. 逻辑回归和人工神经网络模型在滑坡灾害空间预测中的应用[J]. 水文地质工程地质, 2010, 37(5):92-96.
[24]	许冲, 徐锡伟. 逻辑回归模型在玉树地震滑坡危险性评价中的应用与检验[J]. 工程地质学报, 2012, 20(3): 326-333.
[25]	李雪平, 唐辉明. 基于GIS的分组数据Logistic模型在斜坡稳定性评价中的应用[J]. 吉林大学学报, 2005, 35(3):361-365.
[26]	OHLMACHER G C, DAVIS J C. Using multiple logistic regression and GIS technology to predict landslide hazard in northeast Kansas, USA[J]. Engineering Geology, 2003, 69:331-343. DOI URL
[27]	王志旺, 廖勇龙, 李端有. 基于逻辑回归法的滑坡危险度区划研究[J]. 地下空间与工程学报, 2006, 2(2): 1451-1454.
[28]	潘赟, 丛威青, 潘懋. 基于GIS的辽宁省岫岩县泥石流灾害危险性区划研究[J]. 北京大学学报, 2010, 46(4): 601-606.
[29]	NETRA R R, JOHN R G, ERIC V M, et al. A comparison of logistic regression-based models of susceptibility to landslides in western Colorado, USA[J]. Landslides, 2014, 11:247-262. DOI URL
[30]	邹强, 王青, 刘延国. 基于GIS与Logistic模型的公路泥石流易发性分析[J]. 水土保持通报, 2014, 34(3):185-189.
[31]	戴福初. 金沙江-奔子栏水电站库区地质构造、环境地质遥感研究研究报告[R]. 北京: 中国科学院地质与地球物理研究所, 2005.
[32]	陈剑, 崔之久, 戴福初, 等. 金沙江奔子栏-达日河段大型泥石流堆积扇的成因机制[J]. 山地学报, 2011, 29(3) : 312-319.
[33]	姚鑫, 戴福初, 陈剑. 金沙江干热河谷区地质灾害遥感研究[J]. 长江流域资源与环境, 2007, 16(5):655-660.
[34]	CHEN J, DAI F C, YAO X. Holocene debris-flow deposits and their implications on climate in the upper Jinsha River valley,China[J]. Geomorphology, 2008, 93: 493-500. DOI URL
[35]	黎艳, 陈剑, 许冲. 基于AHP的半干旱区泥石流易发性评价:以金沙江上游奔子栏—昌波河段为例[J]. 现代地质, 2015, 29(4):975-982.
[36]	CHEN Jian, LI Yan, ZHOU Wendy, et al. Debris-flow susceptibility assessment model and its application in semiarid mountainous areas of the southeastern semiarid mountainous areas of the southeastern Tibetan Plateau[J]. Natural Hazards Review, 2016.doi:10.1061/(ASCE)NH.1527-6996.0000229. DOI

指标代号	指标			S_i_,_j/km²	s_i_,_j/km²	M_i_,_j	X_i_,_j	重赋值
指标代号	一级	二级		S_i_,_j/km²	s_i_,_j/km²	M_i_,_j	X_i_,_j	重赋值
F₁	坡度/ (°)		<10	122.333	8.634	0.071	0.051	2
			10~20	388.460	42.212	0.109	0.078	3
			20~30	954.007	572.105	0.600	0.433	6
			30~40	1 233.181	575.449	0.467	0.337	5
			40~50	376.820	51.401	0.136	0.098	4
			>50	30.772	0.000	0.000	0.000	1
F₂	坡向		F	11.132	0.184	0.017	0.005	1
			N	580.894	103.833	0.179	0.054	2
			EN	392.762	98.873	0.252	0.077	3
			E	318.424	107.209	0.337	0.102	5
			ES	503.140	214.621	0.427	0.130	6
			S	252.837	155.507	0.615	0.187	9
			WS	361.066	212.019	0.587	0.178	8
			W	414.007	225.366	0.544	0.165	7
			WN	390.842	130.105	0.333	0.101	4
F₃	流域相对高差/km		<0.3	172.630	0	0	0	1
			0.3~0.4	165.863	18.155	0.109	0.045	4
			0.4~0.5	260.578	21.248	0.082	0.034	3
			0.5~0.6	524.236	119.482	0.228	0.095	5
			0.6~0.7	530.225	404.078	0.762	0.316	8
			0.7~0.8	507.975	372.987	0.734	0.305	7
			0.8~0.9	458.816	313.939	0.684	0.284	6
			0.9~1.0	332.408	2.761	0.008	0.003	2
			>1.0	152.159	0	0	0	1
F₄	沟壑密度/ (km/km²)		<1.0	635.997	170.378	0.268	0.110	1
			1.0~1.1	1 040.885	283.644	0.273	0.112	2
			1.1~1.2	904.621	426.618	0.472	0.193	3
			1.2~1.3	317.083	221.385	0.698	0.286	4
			>1.3	206.947	150.851	0.729	0.299	5
F₅	岩性		侵入岩体	240.690	23.459	0.097	0.062	1
			轻度风化	1 150.787	398.371	0.346	0.220	3
			中等风化	453.218	228.933	0.505	0.322	4
			强烈风化	1 152.911	593.191	0.515	0.328	5
			第四系堆积物	104.972	11.564	0.110	0.070	2
F₆	NDVI		0~0.1	174.020	87.576	0.50	0.360	3
			0.1~0.3	1 317.742	681.587	0.520	0.370	4
			0.3~0.5	1 379.089	474.553	0.340	0.250	2
			0.5~0.7	234.726	9.239	0.040	0.030	1
F₇	距断裂带距离/km		<0.5	18.437	4.401	0.239	0.070	1
			0.5~1.0	233.273	142.841	0.612	0.181	5
			1.0~1.5	527.391	330.578	0.627	0.185	6
			1.5~2.0	239.726	188.578	0.787	0.232	7
			2.0~2.5	235.740	135.288	0.574	0.169	4
			2.5~3.0	283.298	74.085	0.262	0.077	3
			>3.0	1 567.712	377.184	0.241	0.071	2
F₈	距主干道路距离/km		<1.0	377.986	250.95	0.664	0.240	5
			1.0~2.0	521.097	406.84	0.781	0.283	6
			2.0~3.0	349.096	184.094	0.527	0.191	4
			3.0~4.0	431.555	173.889	0.403	0.146	3
			4.0~5.0	419.39	110.437	0.263	0.095	2
			>5.0	1 006.453	125.746	0.125	0.045	1
F₉	地表粗糙度		<1.0	306.419	122.598	0.400	0.160	2
			1.0~1.2	829.427	339.104	0.410	0.170	3
			1.2~1.4	789.363	252.794	0.320	0.130	1
			1.4~1.6	634.240	292.532	0.460	0.190	4
			1.6~1.8	381.193	182.416	0.480	0.200	5
			>1.8	164.934	63.512	0.390	0.160	2
F₁0	雨季月平		<84	432.856	110.328	0.255	0.230	1
	均降雨量		84~89	1 307.021	379.256	0.290	0.262	2
	/mm		>89	1 364.534	766.045	0.561	0.508	3

指标代号	指标			S_i_,_j/km²	s_i_,_j/km²	M_i_,_j	X_i_,_j	重赋值
指标代号	一级	二级		S_i_,_j/km²	s_i_,_j/km²	M_i_,_j	X_i_,_j	重赋值
F₁	坡度/ (°)		<10	122.333	8.634	0.071	0.051	2
			10~20	388.460	42.212	0.109	0.078	3
			20~30	954.007	572.105	0.600	0.433	6
			30~40	1 233.181	575.449	0.467	0.337	5
			40~50	376.820	51.401	0.136	0.098	4
			>50	30.772	0.000	0.000	0.000	1
F₂	坡向		F	11.132	0.184	0.017	0.005	1
			N	580.894	103.833	0.179	0.054	2
			EN	392.762	98.873	0.252	0.077	3
			E	318.424	107.209	0.337	0.102	5
			ES	503.140	214.621	0.427	0.130	6
			S	252.837	155.507	0.615	0.187	9
			WS	361.066	212.019	0.587	0.178	8
			W	414.007	225.366	0.544	0.165	7
			WN	390.842	130.105	0.333	0.101	4
F₃	流域相对高差/km		<0.3	172.630	0	0	0	1
			0.3~0.4	165.863	18.155	0.109	0.045	4
			0.4~0.5	260.578	21.248	0.082	0.034	3
			0.5~0.6	524.236	119.482	0.228	0.095	5
			0.6~0.7	530.225	404.078	0.762	0.316	8
			0.7~0.8	507.975	372.987	0.734	0.305	7
			0.8~0.9	458.816	313.939	0.684	0.284	6
			0.9~1.0	332.408	2.761	0.008	0.003	2
			>1.0	152.159	0	0	0	1
F₄	沟壑密度/ (km/km²)		<1.0	635.997	170.378	0.268	0.110	1
			1.0~1.1	1 040.885	283.644	0.273	0.112	2
			1.1~1.2	904.621	426.618	0.472	0.193	3
			1.2~1.3	317.083	221.385	0.698	0.286	4
			>1.3	206.947	150.851	0.729	0.299	5
F₅	岩性		侵入岩体	240.690	23.459	0.097	0.062	1
			轻度风化	1 150.787	398.371	0.346	0.220	3
			中等风化	453.218	228.933	0.505	0.322	4
			强烈风化	1 152.911	593.191	0.515	0.328	5
			第四系堆积物	104.972	11.564	0.110	0.070	2
F₆	NDVI		0~0.1	174.020	87.576	0.50	0.360	3
			0.1~0.3	1 317.742	681.587	0.520	0.370	4
			0.3~0.5	1 379.089	474.553	0.340	0.250	2
			0.5~0.7	234.726	9.239	0.040	0.030	1
F₇	距断裂带距离/km		<0.5	18.437	4.401	0.239	0.070	1
			0.5~1.0	233.273	142.841	0.612	0.181	5
			1.0~1.5	527.391	330.578	0.627	0.185	6
			1.5~2.0	239.726	188.578	0.787	0.232	7
			2.0~2.5	235.740	135.288	0.574	0.169	4
			2.5~3.0	283.298	74.085	0.262	0.077	3
			>3.0	1 567.712	377.184	0.241	0.071	2
F₈	距主干道路距离/km		<1.0	377.986	250.95	0.664	0.240	5
			1.0~2.0	521.097	406.84	0.781	0.283	6
			2.0~3.0	349.096	184.094	0.527	0.191	4
			3.0~4.0	431.555	173.889	0.403	0.146	3
			4.0~5.0	419.39	110.437	0.263	0.095	2
			>5.0	1 006.453	125.746	0.125	0.045	1
F₉	地表粗糙度		<1.0	306.419	122.598	0.400	0.160	2
			1.0~1.2	829.427	339.104	0.410	0.170	3
			1.2~1.4	789.363	252.794	0.320	0.130	1
			1.4~1.6	634.240	292.532	0.460	0.190	4
			1.6~1.8	381.193	182.416	0.480	0.200	5
			>1.8	164.934	63.512	0.390	0.160	2
F₁0	雨季月平		<84	432.856	110.328	0.255	0.230	1
	均降雨量		84~89	1 307.021	379.256	0.290	0.262	2
	/mm		>89	1 364.534	766.045	0.561	0.508	3

指标代号	变量1	变量2	变量3	变量4	变量5	变量6	变量7	变量8	变量9	变量10
F₁	0.544	0.732	0.772^*	―	―	―	―	―	―	―
F₂	0.543	0.718	0.757	0.773	0.785	0.799	0.817	0.824	0.827^*	―
F₃	0.581	0.727	0.750	0.783	0.797^*	―	―	―	―	―
F₄	0.615	0.750	0.767	0.785	0.794	0.806	0.823	0.827^*	―	―
F₅	0.594	0.735	0.760	0.776	0.793	0.816^*	―	―	―	―
F₆	0.616	0.739	0.757	0.783	0.791	0.805	0.824^*	―	―	―
F₇	0.605	0.742	0.767	0.786^*	―	―	―	―	―	―
F₈	0.713^*	―	―	―	―	―	―	―	―	―
F₉	0.512	0.708	0.756	0.773	0.786	0.799	0.817	0.825	0.825	0.826
F₁₀	0.607	0.753^*	―	―	―	―	―	―	―	―

指标代号	变量1	变量2	变量3	变量4	变量5	变量6	变量7	变量8	变量9	变量10
F₁	0.544	0.732	0.772^*	―	―	―	―	―	―	―
F₂	0.543	0.718	0.757	0.773	0.785	0.799	0.817	0.824	0.827^*	―
F₃	0.581	0.727	0.750	0.783	0.797^*	―	―	―	―	―
F₄	0.615	0.750	0.767	0.785	0.794	0.806	0.823	0.827^*	―	―
F₅	0.594	0.735	0.760	0.776	0.793	0.816^*	―	―	―	―
F₆	0.616	0.739	0.757	0.783	0.791	0.805	0.824^*	―	―	―
F₇	0.605	0.742	0.767	0.786^*	―	―	―	―	―	―
F₈	0.713^*	―	―	―	―	―	―	―	―	―
F₉	0.512	0.708	0.756	0.773	0.786	0.799	0.817	0.825	0.825	0.826
F₁₀	0.607	0.753^*	―	―	―	―	―	―	―	―

Hosmer和Lemeshow检验			-2LL	Cox & Snell R²	Nagelkerke R²
卡方	df	Sig	-2LL	Cox & Snell R²	Nagelkerke R²
9.486	8	0.303	227.086	0.277	0.373

基于逻辑回归模型的泥石流易发性评价与检验: 以金沙江上游奔子栏—昌波河段为例

Debris-flow Susceptibility Assessment and Validation Based on Logistic Regression Model: An Example from the Benzilan-Changbo Segment of the Upper Jinshajiang River

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 36

相关文章 15

编辑推荐

Metrics

本文评价

参数	B	S.E.	Wals	df	Sig
坡度	4.957	1.918	6.679	1.000	0.010
坡向	-2.278	2.713	2.488	1.000	0.065
流域相对高差	4.860	1.909	6.479	1.000	0.011
沟壑密度	4.619	3.012	2.351	1.000	0.055
地层岩性	8.274	4.150	3.974	1.000	0.046
NDVI	2.374	1.840	1.665	1.000	0.049
距大型断裂距离	7.687	3.863	3.959	1.000	0.047
距主要河道距离	16.349	4.053	16.270	1.000	0
雨季月平均降雨强度	6.975	2.641	6.975	1.000	0.008
常量	-10.396	1.819	32.653	1.000	0.000

易发性分区	分区面积 /km²	(分区/ 全区) /%	泥石流面积 /km²	(泥石流面积/分区面积)/%	(分区灾害面积/全区灾害面积)/%
极高	612.89	19.73	465.46	75.95	37.15
高	504.67	16.25	349.46	69.24	27.89
中等	924.99	29.78	334.07	36.12	26.66
低	665.69	21.44	101.21	15.20	8.08
极低	397.33	12.79	2.76	0.69	0.22

流域	预测情况/个	实际情况/个	命中率 /%	整体命中率/%
泥石流流域P>0.5(极高、高易发区)	17	20	38	—
非泥石流流域P<0.3(极低、低易发区)	24	31	31	67.7
非泥石流流域P<0.5	70.8	64.5	81.6	76.2

易发性分区	检验组样本分布/个	实际泥石流流域/个	实际与预测一致率/%
极高易发区	12	11	91.7
高易发区	8	6	75.0
中等易发区	11	4	36.4
低易发区	18	3	16.7
极低易发区	6	0	0

[1]	聂琼, 聂治豹, 陈剑, 丁士君, 吴赛儿, 李多, 葛润泽, 陈瑞琛. 北京市门头沟区达摩沟泥石流发育特征与危险性评价[J]. 现代地质, 2023, 37(04): 1013-1022.
[2]	张卢明, 杨东, 周勇, 刘鹏. 震后深切拉槽型泥石流成因模式、暴发特点与防治:以四川九寨沟牙扎沟为例[J]. 现代地质, 2021, 35(03): 744-752.
[3]	孙永彬, 王诜, 高丽辉, 王瑞军, 王凤, 董双发, 汪冰, 张恩, 李存金. 北京延庆地区南湾道豁子沟泥石流发育特征[J]. 现代地质, 2021, 35(03): 753-762.
[4]	闫怡秋, 杨志华, 张绪教, 孟少伟, 郭长宝, 吴瑞安, 张怡颖. 基于加权证据权模型的青藏高原东部巴塘断裂带滑坡易发性评价[J]. 现代地质, 2021, 35(01): 26-37.
[5]	李雪, 郭长宝, 杨志华, 廖维, 吴瑞安, 金继军, 何元宵. 金沙江断裂带雄巴巨型古滑坡发育特征与形成机理[J]. 现代地质, 2021, 35(01): 47-55.
[6]	霍欣. 藏东南察达泥石流的发育特征及对拟建车站的影响[J]. 现代地质, 2021, 35(01): 83-91.
[7]	周杰, 丁明涛, 黄涛, 陈宁生. 基于虚拟现实技术的川藏铁路地质灾害易发区减灾选线优化:以洛隆车站为例[J]. 现代地质, 2021, 35(01): 92-102.
[8]	祝恩珍, 韩帅, 孙萍, 王刚. 甘肃天水地区渭河南岸大砂沟泥石流发育特征[J]. 现代地质, 2019, 33(01): 227-234.
[9]	张晓东, 刘湘南, 赵志鹏, 吴文忠, 刘海燕, 张勇, 高宇亮. 信息量模型、确定性系数模型与逻辑回归模型组合评价地质灾害敏感性的对比研究[J]. 现代地质, 2018, 32(03): 602-610.
[10]	常鸣, 窦向阳, 范宣梅, 姚成. 汶川震区暴雨泥石流激发雨型特征[J]. 现代地质, 2018, 32(03): 623-630.
[11]	陈松, 陈剑, 乔春生, 马俊学, 刘超. 图解法与矩值法在金沙江上游雪隆囊古滑坡堰塞湖溃坝堆积物粒度分析中的应用[J]. 现代地质, 2017, 31(06): 1278-1283.
[12]	吴杭, 张绪教, 乔彦松, 梁莹, 张昱, 杨帅斌. 基于确定性系数与证据权模型的滑坡灾害敏感性评估:以金沙江龙开口—期纳段流域为例[J]. 现代地质, 2017, 31(06): 1269-1277.
[13]	李郎平, 兰恒星, 郭长宝, 张永双, 李全文, 伍宇明. 基于改进频率比法的川藏铁路沿线及邻区地质灾害易发性分区评价[J]. 现代地质, 2017, 31(05): 911-929.
[14]	王珂，郭长宝，马施民，刘筱怡，牛瑞鹏. 基于证据权模型的川西鲜水河断裂带滑坡易发性评价[J]. 现代地质, 2016, 30(3): 705-715.
[15]	黎艳，陈剑，许冲，李凌婧，姚鑫. 基于AHP的半干旱区泥石流易发性评价：以金沙江上游奔子栏—昌波河段为例[J]. 现代地质, 2015, 29(4): 975-982.