ISSN 1009-6248CN 61-1149/P 双月刊

主管单位:中国地质调查局

主办单位:中国地质调查局西安地质调查中心
中国地质学会

    • 中文核心期刊
    • CSCD收录期刊
    • 中国科技核心期刊
    • Scopus收录期刊
高级检索

多源遥感技术在降雨诱发勉县地质灾害调查中的应用

贾俊, 李志忠, 郭小鹏, 武文英

贾俊, 李志忠, 郭小鹏, 等. 多源遥感技术在降雨诱发勉县地质灾害调查中的应用[J]. 西北地质, 2023, 56(3): 268-280. DOI: 10.12401/j.nwg.2023069
引用本文: 贾俊, 李志忠, 郭小鹏, 等. 多源遥感技术在降雨诱发勉县地质灾害调查中的应用[J]. 西北地质, 2023, 56(3): 268-280. DOI: 10.12401/j.nwg.2023069
JIA Jun, LI Zhizhong, GUO Xiaopeng, et al. Application of Multi–source Remote Sensing Technology on Investigation of Geological Disasters Induced by Rainfall in Mian County[J]. Northwestern Geology, 2023, 56(3): 268-280. DOI: 10.12401/j.nwg.2023069
Citation: JIA Jun, LI Zhizhong, GUO Xiaopeng, et al. Application of Multi–source Remote Sensing Technology on Investigation of Geological Disasters Induced by Rainfall in Mian County[J]. Northwestern Geology, 2023, 56(3): 268-280. DOI: 10.12401/j.nwg.2023069

多源遥感技术在降雨诱发勉县地质灾害调查中的应用

基金项目: 中国地质调查局项目“西北典型地区地质灾害调查”(DD20221739),“黄土高原等典型地区地质灾害精细调查与风险管控”(DD20221739)联合资助。
详细信息
    作者简介:

    贾俊(1985−),男,硕士,高级工程师,从事地质灾害调查与风险评价研究工作。E−mail:jiajun@mail.cgs.gov.cn

    通讯作者:

    郭小鹏(1991−),男,博士,助理研究员,从事地质灾害调查与防治方法研究工作。E−mail: sjcgxp@163.com

  • 中图分类号: P694;X43

Application of Multi–source Remote Sensing Technology on Investigation of Geological Disasters Induced by Rainfall in Mian County

  • 摘要:

    陕南秦巴山区地形地貌、地质构造和气候条件复杂,易发和频发滑坡、泥石流等地质灾害。由于该区地形高差大且植被覆盖率高,传统的人工地面调查排查在地质灾害的调查识别中难度较大,需借助先进的地质灾害监测识别技术方法。笔者综合采用光学遥感、合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar, InSAR)和无人机航测等多种技术手段,对陕南勉县“8.22”强降雨诱发的地质灾害进行应急调查与识别分析,探索多源遥感技术对降雨诱发型地质灾害的识别能力与有效性。研究表明,多源遥感技术在强降雨诱发区域性地质灾害的识别和应急调查中能够发挥重要作用,可大大减少现场工作时间,并能提供全方位、多角度和可视化的高精度遥感成果;光学遥感、InSAR、无人机航测等技术具有各自的优势和识别范畴,仅靠单一的技术手段难以完全有效地解决灾害隐患识别问题,建立一套多源遥感技术相互融合、优势互补的综合调查识别体系,是强降雨条件下区域性地质灾害快速调查识别与评价的有效途径。

    Abstract:

    Qinba Mountain Area in southern of Shaanxi province has characteristics of complex terrain and geomorphology, geological structure and climate conditions, and is prone to occurrence of landslide, debris flow and other geological disasters. Due to the large topographic elevation difference and high vegetation coverage in this area, the traditional artificial field investigation is difficult in the identification and investigation of geological disasters, and thus the advanced geological disaster monitoring and identification methods are needed. In this study, a variety of technical methods including optical remote sensing, InSAR and unmanned aerial vehicle photography are used to identify and analyze the hidden dangers of geological disasters induced by “8.22” heavy rainfall in Mian County, southern Shaanxi province, and to explore the identification ability and effectiveness of multi–source remote sensing technology for rainfall–induced geological disasters. The research shows that multi–source remote sensing technology can play an important role in the identification and emergency investigation of regionally geological disasters caused by heavy rainfall. Moreover, the multi–source remote sensing technology can greatly save the working time in field, and provide high–precision remote sensing results with virtue of all aspects, multi–angle and visuality. Optical remote sensing, InSAR, and unmanned aerial vehicle photography have their own advantages and identification categories. It is difficult to completely and effectively solve the problem in hazard identification only by means of a single technical approach. Establishing a multi–source remote sensing–based comprehensive identification system with characteristics of mutual integration and complementary advantage is an effective way to the rapid identification and evaluation of regional geological disasters under heavy rainfall conditions.

  • 据中国地震台网,北京时间2023年12月18日23时59分甘肃省临夏州积石山县(震中E 102.79°,N 35.70°)发生Ms 6.2级地震,最高烈度达9度,震源深度10 km。次主震过后该地相继发生了13次震级超过3.0级的余震。截至当月22日8时,造成甘肃省和青海省共计148人遇难、979人受伤和3人失联。

    强震造成饱和砂土或粉土液化的现场并非罕见。例如,1920年海原8.5级地震(白铭学等,1990)、1964年阿拉斯加9.2级地震(Plafker,1969)、1976年唐山7.8级地震(刘恢先,1989)、1999年集集7.6级地震(Ku et al.,2004)、2008年汶川8.0级地震(袁晓铭等,2009万飞鹏等,2023)均造成了大面积的砂土液化。然而,在里氏震级相对较小的积石山地震却引发了与振动液化有关的大规模次生灾害–泥流,瞬间引起各界人士的关注(王运生等,2023徐岳仁等,2023陈博等,2024铁永波等,2024李为乐等,2024许强等,2024)。该泥流发生于距震中约9 km的官厅盆地,造成青海省海东市中川乡金田村和草滩村大面积房屋被埋,死亡人数高达34人,受伤198人,掩埋房屋65栋,破坏农田近200亩,阻断道路数千米,损毁1座高压输电塔(图1),受灾面积高达6×104 m2。研究团队于灾后第一时间采用无人机航测、现场取样与室内试验等手段,从泥流基本特征调查和液化层物理力学特性等方面探讨本次泥流灾害的形成过程与成因机制,为今后黄河上游同类型沉积盆地的震前泥流灾害风险调查评价及防治提供理论依据。

    图  1  积石山地震诱发中川乡泥流灾害特征
    a. 堆积区房屋掩埋;b. 堆积区村道堆积;c. 堆积区大范围堆积体;d. 形成区高压输电塔倾倒折断
    Figure  1.  Characteristics of mud flow dizaster in Zhongchuan township induced by Jishishan earthquake

    此次泥流发生在黄河河流阶地和山前洪积扇交汇处,地形北高南低。平面形态典型,可明显区分形成区、流通区和堆积区(图2)。泥流发生前,沟脑(形成区)主要是农田且相对平缓;沟道(流通区)为季节性流水,冬季仅中上游洼地存在少量积水(池塘),紧邻池塘南侧的村道将沟道分为上下两段,沟道狭长;沟口(堆积区)主要为下游金田村、草滩村及下部农田(图2a)。泥流发生后,形成区物源物质一方面沿沟道向南流动形成泥流主体,一方面向东滑动(滑向95°),形成滑坡堆积于东侧农田;流通区基本沿原有沟道流动,但存在明显的底部和侧向铲刮效应,并且在沟中部池塘附近发生淤堵扩离,部分泥流堆积于此;堆积区主要淹没位于沟口的金田村和草滩村部分道路及居民房屋,最远处达下游农田(图2b)。

    图  2  泥流发生前后遥感影像
    a. 震前影像,2020年12月天地图;b. 震后影像,2023年12月天地图
    Figure  2.  Remote sensing images before and after the occurrence of mudflows

    经无人机测量,本次泥流后缘高程约为1800 m,前缘高程约为1716 m,相对高差为84 m,小流域总长度约为2800 m,纵坡降为30‰。冬季因无农作物生长,植被覆盖度低,仅沟内生长乔灌木和矮草。形成区(图3a)近似呈扇形,总面积约为13×104 m2,泥流发生后,局部最大下错深度为15 m,平均下错深度为4.5 m,物源方量约为58.5×104 m3,坡降比为50‰,形成区发育的小型低角度滑坡堆积体(图2b图3b)方量约为5×104 m3。流通区(图3c)形态狭长,长度为1.2 km,平均宽度为40 m,坡降比为25‰,受源区泥流的冲击,流通区沟道两侧相对松散层也被卷入泥流之中,并出现3处明显的流向转变(图2b),流通区堆积体(图2b图3d)方量约为1.84×104 m3。堆积区(图2b图3e)平面形状近似呈“纺锤形”,坡降比为10‰,面积约为20万m2,最大厚度约为5 m,多处淹没屋顶(图1a),平均厚度为3 m,堆积区土方量约为60×104 m3

    图  3  泥流典型无人机照片
    a. 形成区;b. 形成区滑坡;c. 流通区;d. 流通区堆积体;e. 堆积区
    Figure  3.  Typical UAV photos of the mudflow

    根据滑坡崩塌泥石流灾害调查规范(1∶50000)(DZ/T 0261-2014)(中华人民共和国国土资源部,2014),泥流规模为特大型。走访调查发现,地震发生后约10 min,有居民看到泥流到达村上方农田,由此估算泥流的平均流速为2~3 m/s。

    经现场调查,绘制沿沟道流向的剖面图(图4),由图可知,该地区主要出露岩性从上至下依次为耕植土、全新统(Q4pl)山前洪积物、全新统(Q4al)和上更新统(Q3al)河流冲积物及新近系泥岩(图4)。农田耕植土处于最上层,厚度为0~1 m,在泥流形成区分布广泛;山前洪积包含上下两层,上层为红黏土,厚度为1.5~2.0 m;下层为粉质黏土层,现场钻孔揭露其厚度不小于18 m,为此次泥流提供了主要的固体物源。调查结合官亭盆地河流阶地结构(张小虎等,2005),认为流通区和堆积区主要位于黄河二级阶地(T2)之上,形成区位于黄河三级阶地(T3)之上,二级阶地上部岩性主要为全新统(Q4al)水成黄土和卵石层,三级阶地上部岩性主要为上更新统(Q3al)水成黄土和卵石层,两个阶地下部岩性为新近系(N)泥岩。本次泥流的主要物源为位于三级阶地顶部的山前洪积层(下部黄色粉质黏土为主,夹带上层少量红黏土)。泥流所处的官亭盆地,在历史上曾发生过大规模地震诱发的灾难性事件,即4 000年前喇家遗址(夏正楷等,2003),与泥流仅相隔不到5 km,说明此处地层岩性特征易受地震影响,坡体稳定性对地震因素较为敏感。

    图  4  中川乡地震液化型黄土泥流剖面
    Figure  4.  Seismic liquefaction type mudflow profile in Zhongchuan Township

    中川乡泥流与积石山Ms6.2级地震相隔仅数分钟,属同震次生灾害。积石山地震提供了震动来源,是该泥流的最直接诱发因素。调查发现,泥流形成区局部地下水位偏高,原因是降雪消融、农田冬灌造成了地下水补给增加,而低温冻结导致地下水向沟脑排泄通道受阻,即融雪和冬灌入渗、低温浅表层冻结是除地震之外的几大诱发因素。

    泥流的固体物源位于黄河三级阶地之上,以振动液化的洪积饱和粉质黏土层为主,含少量上层红黏土(图5)。开展液化土层的粒径、塑性以及剪切参数测定,查清土质本身的物理力学性质,以为泥流形成机理分析提供数据基础。

    图  5  泥流形成区地层岩性及物源
    Figure  5.  Stratigraphic lithology and material sources in mudflow formation areas

    笔者分别在形成区、流通区和堆积区对液化土进行取样(图2b),编号分别为土样1、土样2、土样3,作为液化判别对照,在液化层上层红色粘土层中也进行取样(图5上层取样点),编号为土样4。采用Bettersize 3000激光粒度仪对上述4组土样进行粒组测定。测试结果见图6

    图  6  泥流土样的粒径级配曲线
    a. 土样1;b. 土样2;c. 土样3;d. 土样4
    Figure  6.  Particle size distribution curve of mud flow soil sample

    采用液、塑限联合测定仪测试液化层土壤的塑限和液限,得到塑限为19.24%、液限为30.48%,塑性指数为11.25。按照砂粒、粉粒、粘粒成分统计测试结果(表1)。根据岩土工程勘察规范(GB50021-2001)(中华人民共和国建设部,2001),结合土壤成因、颜色、粒径分布特征,进一步确定泥流形成区液化层(土样1)为粉质黏土,液化层上层红色土壤(土样4)为红黏土。特别需要注意,振动液化通常发生在饱和砂土或粉土层内,但粉粒含量高的粉质黏土同样存在发生液化的可能(辛鸿博等,2011王兰民,2020)。

    表  1  土样砂粒、粉粒和粘粒占比
    Table  1.  The proportion of sand, silt, and clay particles in the soil sample
    土样编号取样位置砂粒含量
    >75 μm
    粉粒含量
    5 ~75 μm
    粘粒含量
    <5 μm
    土样1形成区液化土7.90%79.69%12.41%
    土样2流通区液化土9.35%78.22%12.43%
    土样3堆积区液化土9.49%77.98%12.53%
    土样4形成区上层红色黏土14.72%59.00%26.28%
    下载: 导出CSV 
    | 显示表格

    对比土样2、土样3与土样1的粒径分布特征,可以看出,3组样品几乎同源,进一步佐证了物源主要源于形成区黄色粉质黏土。此外,土样2和土样3的砂粒、粉粒和粘粒含量处于土样1、土样4对应数据之间且更接近土样1,表明此次泥流物源还夹杂了少量的上层红黏土。

    根据构筑物抗震设计规范(GB50191-2012)关于饱和土液化初判判据(中华人民共和国住房和城乡建设部,2012),结合该地区地震烈度VIII(王立朝等,2024),黄色粉质粘土粘粒含量(12.41%)略小于13%(该值为液化初判临界值,大于等于该值时,土层不液化),在饱水和地震作用下有发生液化的可能,而上层红粘土粘粒含量(26.28%)远大于13%,则不具备发生振动液化的条件。

    采用四联直剪仪测定液化层原状粉质黏土在天然、饱和状态下的抗剪参数。法向应力分别施加50 kPa、100 kPa、200 kPa、300 kPa,剪切速率为0.4 mm/min,试验结果见图7。通过曲线拟合,得到天然状态下粉质黏土的粘聚力为13.38 kPa,内摩擦角为7.3°;而在其饱和后粘聚力为7.07 kPa,内摩擦角为9.9°(表2)。天然粉质黏土饱水后,内摩擦角对于水的响应不敏感,而粘聚力下降了47.16%,抗剪强度显著降低。

    图  7  粉质黏土抗剪参数测试结果
    a. 天然状态剪切应力–剪切位移曲线;b. 天然状态剪切应力–法向应力拟合结果;c. 饱和状态剪切应力-剪切位移曲线;d. 饱和状态剪切应力–法向应力拟合结果
    Figure  7.  Test results of shear parameters of silty clay
    表  2  粉质黏土粘聚力与内摩擦角
    Table  2.  Cohesion and internal friction angle of the silty clay
    样品状态粘聚力(kPa)内摩擦角正切(°)相关系数
    天然13.387.30.99486
    饱和7.079.90.97579
    下载: 导出CSV 
    | 显示表格

    官亭盆地是位于黄河上游的一处小型沉积盆地,地势相对平坦,岩性以黄河一级至三级阶地冲积物和山前洪积物为主体。该泥流所处沟谷的平均坡降比仅为30‰(坡度<2°),不具备发生泥流灾害的有利地形条件,然而却发生了大规模泥流灾害,说明其经历了历史级强降雨或者强震(于国强等,2014陈秀清等,2014王新刚等,2021孙萍萍等,2022)。中国气象局气象资料(图8)显示,灾害发生前民和县半月内无明显降水(仅12月14日为小雪)。因而,积石山县Ms 6.2级地震(泥流位于地震烈度VIII度带内)则成为本次泥流的主要诱因。冬季降雪逐渐融化水、农田冬灌水优势入渗至地下结构性较差的洪积粉质黏土层,冬季结冰(泥流发生前5日气温均在0 ℃以下)引起沟脑处农田排泄区水流排泄不畅,造成局部地下水水位明显抬升,为土层饱和提供了重要的水源条件,是本次泥流的其他诱因。饱和粉质黏土在强震作用下存在液化可能且强度损失严重,以粉粒成分为主的粉质黏土是本次泥流的内因。虽然纵坡降较小的沟谷地形条件不利于泥流的大规模长距离运移,但地层岩性、水源及地震动力均促进了此次泥流的形成,进而导致同震次生灾害灾难性事件的发生。

    图  8  泥流发生前当月民和县气温与天气情况(数据源:中国气象局)
    Figure  8.  Temperature and weather conditions in Minhe County in the month before the mud flow occurred (Data source: China Meteorological Administration)

    积石山地震造成泥流沟脑位置埋深较浅的饱和粉质粘土层液化并且破坏浅表层冻土的完整性,土层内部产生超孔隙水压力,一方面诱发滑向向东的小型滑坡(图2b图3b),该滑坡堆积体位于东侧低洼农田处,并未进入沟道;另一方面将沟脑处农田浅表部起封盖作用的冻土层破坏、冲溃,形成临空面,饱和粉质黏土层因液化强度骤减甚至丧失,沿沟脑冲溃缺口喷涌而出,构成泥流主要物源(图9)。形成区前部泥流流出牵引后部流态液化层向沟脑汇集,液化层流速快于上覆未液化土,形成反台阶状错坎(图9b)。沟脑处具有一定初速度的泥流在重力作用下顺沟道向下流动,沿路铲刮沟底,经历了3次明显转向、侧壁铲刮与局部堆积(图9c图9d图9e)后,快速进入下部村落,瞬间蔓延和掩埋逃生道路及房屋,造成灾难性事件的发生,泥流最远处流到金田村下游农田。

    图  9  中川乡泥流灾害形成过程示意图
    a. 泥流形成过程;b. 形成区反台阶错坎;c. 泥流首次转向和堆积位置;d. 泥流二次转向和堆积位置;e. 泥流三次转向和堆积位置
    Figure  9.  Schematic diagram of the formation process of the Zhongchuan mudflow

    官亭盆地面积约为20 km2,大小支沟有数十条。在地震烈度一样且都存在冰雪消融、农田冬灌、低温冻结的情况下,为何仅金田村和草滩村上游支沟发生了泥流,而其他支沟甚至紧邻支沟均未发生因饱和含水层振动液化导致的泥流。

    除局部微地形地貌的差异外,与颗粒组成、塑性指数以及天然强度不无关系。根据本次泥流形成区下部粉质黏土的液化初判结果,其粘粒含量处于液化临界值附近,说明该粉质黏土存在发生液化的可能性,但并非很容易液化,即对振动液化的条件要求相对苛刻,后续研究可结合动力触探进一步判断该层粉质黏土的液化等级,进一步验证这一猜想。同时,该层粉质黏土的原状抗剪参数明显偏低,说明液化土并非原状黄土,多是全新世(1.17万年至今)以来山前洪积物,它不具备典型原状黄土的结构性和强度,后续研究可结合微观观测试验对该猜想展开进一步验证。

    需要指出的是,尽管该泥流沟脑处粉质黏土液化等级可能不高,但在官厅盆地乃至整个黄河上游盆地地震液化评价中,应当加大对粉质黏土液化可能性的重视程度,以避免类似灾难的发生。

    已有媒体和研究学者将本次积石山地震诱发的次生灾害定义为“砂涌”、“滑坡–泥流”(赵丽梅等,2023许强等,2024),这与文中定义的“泥流”其实并无冲突。“砂涌”源于当地居民第一反应,因其发生时,下游村庄夜黑地平,所以公众惯性将其定义为砂涌;“滑坡–泥流”是从灾害类型转化角度对本次灾害进行定义;笔者主要考虑灾害体的运动、运移方式,以有效区分区内1处典型滑坡和该典型泥流。

    (1)中川乡泥流具有典型的沟谷型泥石流平面特征,形成区、流通区、堆积区三区界限分明。形成区东侧发育1处小型滑坡,其余均顺沟而下形成泥流。液化层岩性为官亭盆地山前全新世以来覆盖于黄河三级阶地之上的洪积粉质黏土,天然强度较低、饱和强度下降显著。

    (2)中川乡泥流灾害是地震、局部高地下水位、气温、地形地貌、土层物质组成等内外因素共同作用的结果。外因是积石山地震在此处形成的VIII级烈度给泥流的发生提供了强大的振动力,降雨消融和农田冬灌入渗补给以及冻结造成排泄不畅抬升了局部地下水位。内因是泥流原始沟道具有一定的纵向坡降,为泥流的运移提供了重力势能,沟脑农田下部存在可发生液化的粉质黏土层。

    (3)泥流地震液化后,液化土内部孔隙水压力突增、强度损失严重,超孔隙水压力将沟脑处表层冻结土层冲溃,液化土压力向临空面释放,前部液化土流向沟内并牵引后部液化土层向前流动。结构和强度几乎丧失的液化土夹带上覆未液化粉质黏土及少量红黏土沿落差较小的沟道水流而下,经过持续底部铲刮和3次明显侧向铲刮后堆积于沟口,掩埋金田村和草滩村部分房屋,造成本次灾难性事件。

    (4)黄河盆地冲洪积物中砂粒、粉粒含量较多,饱和粉质黏土发生地震液化并诱发次生灾害并非偶然,粉粒含量较高的粉质粘土液化问题仍需加强关注。建议进一步探索此次泥流与官亭盆地其余未发生泥流沟道在地形地貌、地层岩性、地下水位等方面的对比研究,揭示泥流在此沟而非彼沟发生的深层原因,为该盆地乃至整个黄河上游沉积盆地地震次生灾害的调查与研究提供理论依据。并持续开展黄河上游盆地各流域发生地震次生灾害的风险评估工作,及时提出防治建议,以最大限度减少灾难性事件的发生。

  • 图  1   勉县及邻区构造简图

    Figure  1.   Simplified tectonic map of MianCounty and its adjacent areas

    图  2   勉县区域地质简图

    Figure  2.   Simplified geological map of Mian County

    图  3   降雨量监测曲线

    a. 日降雨量和累积降雨量监测曲线;b. 8月21日18时至22日18时小时降雨量和累积降雨量监测曲线

    Figure  3.   Monitoring curves of rainfall

    图  4   多源遥感技术调查识别地质灾害流程图

    Figure  4.   Flow chart of geological hazard investigation and identification by multi-source remote sensing technology

    图  5   降雨前后影像对比数据以及地质灾害隐患识别特征

    a.降雨前堆积层滑坡;b.降雨后堆积层滑坡;c.降雨前沟道泥石流;d.降雨后沟道泥石流;e.降雨前坡面泥流;f.降雨后坡面泥流;红色虚线为灾害体范围;黄色虚线为灾害影响范围

    Figure  5.   Image comparison before and after rainfall and identification characteristics of hidden dangers of geological disasters

    图  6   光学影像解译的勉县地质灾害分布图

    Figure  6.   Distribution of geological hazards based on optical image interpretation in Mian County

    图  7   勉县重点区域及长沟河两河口村滑坡遥感解译图

    a.勉县重点区域InSAR解译图;b.两河口村滑坡InSAR解译图(图a中虚线);c.两河口村滑坡前光学遥感图;d.两河口村滑坡后光学遥感图

    Figure  7.   Remote sensing interpretation of in key area of Mian county and Lianghekou village landslide in Changgou River area

    图  8   基于无人机航测和光学遥感技术识别的降雨型泥石流灾害图

    a.无人机拍摄照片;b.光学遥感图

    Figure  8.   Rainfall induced debris flow disaster identified by the UAV aerial survey and optical remote sensing technologies

    图  9   关山梁滑坡无人机航测数据图

    a.关山梁滑坡DSM;b.关山梁滑坡DOM;c.关山梁滑坡实景三维影像

    Figure  9.   UAV aerial survey data of Guanshanliang landslide

    图  10   深弯沟泥石流无人机航测成果图

    a.泥石流流域正射影像图;b.泥石流局部放大图;图a中黄色虚线部分;图b中①、②、③、④的现场照片为图11中的a、b、c、d

    Figure  10.   UAV aerial survey results of Shenwangou debris flow

    图  11   深弯沟泥石流地面调查图

    a.块石及受损房屋; b.堆积物; c.沟道; d.流通区沟谷(其位置分别与图10b中的①、②、③、④对应)

    Figure  11.   Photos taken from ground investigation of Shenwangou debris flow

  • 蔡杰华, 张路, 董杰, 等. 九寨沟震后滑坡隐患雷达遥感早期识别与形变监测[J]. 武汉大学学报(信息科学版), 2020, 45(11): 1707-1716

    CAI Jiehua, ZHANG Lu, DONG Jie, et al. Detection and monitoring of post-earthquake landslides in Jiuzhaigou using radar remote sensing[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1707-1716.

    戴可人, 铁永波, 许强, 等. 高山峡谷区滑坡灾害隐患InSAR早期识别—以雅砻江中段为例[J]. 雷达学报, 2020, 9(3): 554-568

    DAI Keren, TIE Yongbo, XU Qiang, et al. Early Identification of Potential Landslide Geohazards in Alpine-canyon Terrain Based on SAR Interferometry—a Case Study of the Middle Section of Yalong River[J]. Journal of Radars, 2020, 9(3): 554-568.

    丁辉, 张茂省, 朱卫红, 等. 黄土滑坡高分辨率遥感影像识别——以陕西省延安市地区为例[J]. 西北地质, 2019, 52(03): 231-239.

    DING Hui, ZHANG Maosheng, ZHU Weihong, et al. High resolution remote sensing for the identification of loess landslides: example from Yan’an City[J]. Northwestern Geology, 2019, 52(03): 231-239.

    董秀军. 三维空间影像技术在地质工程中的综合应用研究[D]. 成都: 成都理工大学, 2015

    DONG Xiujun. Research of comprehensive application of three-dimensional image technology in geological engineering[D]. Chengdu: Chengdu University of Technology, 2015.

    韩海辉, 李健强, 易欢, 等. 遥感技在西北地质调查中的应用及展望[J]. 西北地质, 2022, 55(3): 155-169

    HAN Haihui, LI Jianqiang, YI Huan, et al. Application and prospect of remote sensing technology in geological survey of northwast China[J]. Northweatern Geology, 2022, 55(3): 155-169.

    黄洁慧, 谢谟文, 王立伟. 基于差分干涉合成孔径雷达技术的米林滑坡形变监测[J]. 科学技术与工程, 2019, 19(25): 7-12

    HUANG Jiehui, XIE Mowen, WANG Liwei. The deformation monitoring of Milin landslide based on D-InSAR technology[J]. Science Technology and Engineering, 2019, 19(25): 7-12.

    黄玉华, 武文英, 冯卫, 等. 秦岭山区南秦河流域崩滑地质灾害发育特征及主控因素[J]. 地质通报, 2015, 34(11): 2116-2122

    HUANG Yuhua, WU Wenying, FENG Wei, et al. Characteristics of main controlling factors of landslide in Nanqin River, Qinling Mountains[J]. Geological Bulletin of China, 2015, 34(11): 2116-2122.

    梁京涛. 高烈度地震区典型地质灾害遥感早期识别及震后演化特征研究[D]. 成都: 成都理工大学, 2018

    LIANG Jingtao. Study on the early remote sensing identification and evolution characteristics of typical geological disaster in high intensity earthquake zone[D]. Chengdu: Chengdu University of Technology, 2018.

    李万林, 周英帅. 基于D-InSAR技术的地质灾害和监测预警[J]. 测绘工程, 2021, 30(1): 66-70

    LI Wanlin, ZHOU Yingshuai. Early warning and monitoring of geohazards based on D-InSAR technology[J]. Engineering of Surveying and Mapping, 2021, 30(1): 66-70.

    李振洪, 宋闯, 余琛, 等. 卫星雷达遥感在滑坡灾害探测和监测中的应用: 挑战与对策[J]. 武汉大学学报∙信息科学版, 2019, 44(7): 967-979

    LI Zhenhong, SONG Chuang, YU Chen, et al. Application of satellite radar remote sensing to landslide detection and monitoring: challenges and solutions[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 967-979.

    李志忠, 孙萍萍, 陈霄燕, 等. 基于卫星遥感技术的绿色发展指标—以中国西部地区为例[J]. 地球科学与环境学报, 2022a, 44(2): 143-155

    LI Zhizhong, SUN Pingping, CHEN Xiaoyan, et al. Green development index based on satellite remote sensing technology – a case study in the western China[J]. Journal of earth sciences and environment, 2022a, 44 (2): 143-155.

    李志忠, 卫征, 陈霄燕, 等. 新型对地观测技术与地球健康体检[J]. 西北地质, 2022b, 55(02): 56-70

    LI Zhizhong, WEI Zheng, CHEN Xiaoyan, et al. New earth observation technology and earth health examination[J]. Northweatern Geology, 2022b, 55(02): 56-70.

    李志忠, 杨日红, 党福星, 等. 高光谱遥感卫星技术及其地质应用[J]. 地质通报, 2009, 28(2-3): 270-277

    LI Zhizhong, YANG Rihong, DANG Fuxing, et al. The hyperspectral remote sensing technology and its application[J]. Geological Bulletin of China, 2009, 28(2-3): 270-277.

    刘星洪, 姚鑫, 於开炳, 等. 川藏高速巴塘—芒康段地质灾害遥感综合早期识别研究[J]. 工程科学与技术, 2020, 52(6): 49-60

    LIU Xinghong, YAO Xin, YU Kaibing, et al. Remote sensing integrated identification of geological hazards in the Batang - Mangkang section of Sichuan – Tibet highway[J]. Advanced Engineering Sciences, 2020, 52(6): 49-60.

    陆会燕, 李为乐, 许强, 等. 光学遥感与InSAR结合的金沙江白格滑坡上下游滑坡隐患早期识别[J]. 武汉大学学报(信息科学版), 2019, 44(9): 1342-1354.

    LU Huiyan, LI Weile, XU Qiang, et al. Early Detection of Landslides in the Upstream and Downstream Areas of the Baige Landslide, the Jinsha River Based on Optical Remote Sensing and InSAR Technologies[J]. Geomatics and Information Science of Wuhan University, 2019, 44(9): 251-261.

    陆松年, 陈志宏, 李怀坤, 等. 秦岭造山带中—新元古代(早期)地质演化[J]. 地质通报, 2004, 23(2): 107-112

    LU Songnian, CHEN Zhihong, LI Huaikun, et al. Late Mesoproterozoic-early Neoproterozoic evolution of the Qinling orogeny[J]. Geological Bulletin of China, 2004, 23(2): 107-112.

    宁奎斌, 李永红, 何倩, 等. 2000~2016年陕西省地质灾害时空分布规律及变化趋势[J]. 中国地质灾害与防治学报, 2018, 29(1): 93-101

    NING Kuibin, LI Yonghong, HE Qian, et al. The spatial and temporal distribution and trend of geological disaster in Shaanxi Province from 2000 to 2016[J]. The Chinese Journal of Geological Hazard and Control, 2018, 29(1): 93-101.

    苏晓军, 张毅, 贾俊, 等. 基于InSAR技术的秦岭南部略阳县潜在滑坡灾害识别研究[J]. 山地学报, 2021, 39(1): 59-70

    SU Xiaojun, ZHANG Yi, JIA Jun, et al. InSAR-based monitoring and identification of potential landslides in Lueyang County, the Southern Qinling Mountains, China[J]. Mountain Research, 2021, 39(1): 59-70.

    王东升, 王宗起, 庞绪勇, 等. 陕西勉略宁地区铜厂湾金矿床辉绿岩年代学、地球化学特征及其构造意义[J]. 矿床地质, 2021, 40(1): 1-18

    WANG Dongsheng, WANG Zongqi, PANG Xuyong, et al. Geochronology and geochemistry of diabase veins from Tongchangwan gold deposit in Mianluening area of Shaanxi Province and its tectonic significance[J]. Mineral Deposits, 2021, 40(1): 1-18.

    王绚, 范宣梅, 杨帆, 等. 植被茂密山区地质灾害遥感解译方法研究[J]. 武汉大学学报(信息科学版), 2020, 45(11): 1771-1781

    WANG Xuan, FAN Xuanmei, YANG Fan, et al. Remote Sensing Interpretation Method of Geological Hazards in Lush Mountainous Area[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1771-1781.

    王志一, 徐素宁, 王娜, 等. 高分辨率光学和SAR遥感影像在地震地质灾害调查中的应用——以九寨沟M7.0级地震为例[J]. 中国地质灾害与防治学报, 2018, 29(5): 81-88

    WANG Zhiyi, XU Suning, WANG Na, et al. Application of the high resolution optical and SAR remote sensing data images induced by the Jiuzhaigou M7.0 earthquake geological hazards survey[J]. The Chinese Journal of Geological Hazard and Control, 2018, 29(5): 81-88.

    许强. 对地质灾害隐患早期识别相关问题的认识与思考[J]. 武汉大学学报(信息科学版), 2020, 45(11): 1651-1659

    XU Qiang. Understanding and consideration of related issues in early identification of potential geohazards[J]. Geomatics and Information Science of Wuhan University, 2020, 45(11): 1651-1659.

    许强, 董秀军, 李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版), 2019, 44(7): 957-966

    XU Qiang, DONG Xiujun, LI Weile. Integrated space-air-ground early detection, monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957-966.

    杨燕, 杜甘霖, 曹起铜. 无人机航测技术在地质灾害应急测绘中的研究与应用—以9.28丽水山体滑坡应急测绘为例[J]. 测绘通报, 2017, (增刊1): 119-122

    YANG Yan, DU Ganlin, CAO Qitong. Application of UAV aerial surveying technology in geological disaster emergency mapping[J]. Bulletin of Surveying and Mapping, 2017, (sup. 1): 119-122.

    姚鑫, 凌盛, 李凌婧, 等. 中巴经济走廊喀喇昆仑山区段蠕滑滑坡InSAR识别研究[J]. 工程地质学报, 2016, 24(增刊1): 1283-1289

    YAO Xin, LING Sheng, LI Lingjing, et al. Study of slow-moving landslide recognition by InSAR in the Karakoram Mountain section of China-Pakistan economic corridor[J]. Journal of Engineering Geology, 2016, 24(sup. 1): 1283-1289.

    叶伟林, 宿星, 魏万鸿, 等. 无人机航测系统在滑坡应急中的应用[J]. 测绘通报, 2017, (9): 70-74 doi: 10.13474/j.cnki.11-2246.2017.0290

    YE Weilin, SU Xing, WEI Wanhong, et al. Application of UAV aerial photograph system in emergency rescue and relief for landslide[J]. Bulletin of Surveying and Mapping, 2017, (9): 70-74. doi: 10.13474/j.cnki.11-2246.2017.0290

    张茂省, 贾俊, 王毅, 等. 基于人工智能(AI)的地质灾害防控体系建设[J]. 西北地质, 2019, 52(02): 103-116.

    ZHANG Maosheng, JIA Jun WANG Yi, et al. Construction of geological disaster prevention and control system based on AI[J]. Northwestern Geology, 2019, 52(02): 103-116.

    张茂省, 雷学武, 校培喜, 等. 遥感技术在黄土高原区地质灾害详细调查中的应用[J]. 西北地质, 2007, 162(03): 92-97.

    ZHANG Maosheng, LEI Xuewu, XIAO Peixi, et al. Application of remote sensing in detailed survey of geological hazards in Loess Plateau[J]. Northwestern Geology, 2007, 162(03): 92-97.

    Dai Keren, Xu Qiang, Li Zhenhong, et al. Post-disaster assessment of 2017 catastrophic Xinmo landslide (China) by spaceborne SAR interferometry[J]. Landslides, 2019, 16: 1189-1199. doi: 10.1007/s10346-019-01152-4

    Dong Jie, Liao Mingsheng, Xu Qiang, et al. Detection and displacement characterization of landslides using multi-temporal satellite SAR interferometry: A case study of Danba County in the Dadu River Basin[J]. Engineering Geology, 2018, 240: 95-109. doi: 10.1016/j.enggeo.2018.04.015

    Hu Sheng, Qiu Haijun, Pei Yanqian, et al. Digital terrain analysis of a landslide on the loess tableland using high-resolution topography data[J]. Landslides, 2019, 16: 617-632. doi: 10.1007/s10346-018-1103-0

    Li Minghua, Zhang Lu, Dong Jie, et al. Characterization of pre- and post-failure displacements of the Huangnibazi landslide in Li County with multi-source satellite observations[J]. Engineering Geology, 2019, 257: 105140. doi: 10.1016/j.enggeo.2019.05.017

    Meng Qingkai, Li Weile, Raspini Federico, et al. Time-series analysis of the evolution of large-scale loess landslides using InSAR and UAV photogrammetry techniques: a case study in Hongheyan, Gansu Province, Northwest China[J]. Landslides, 2021, 18: 251-261. doi: 10.1007/s10346-020-01490-8

    Tang C, Zhu J, Li WL, et al. Rainfall-triggered debris flows following the Wenchuan earthquake[J]. Bulletin of Engineering Geology and the Environment, 2009, 68(2): 187-194. doi: 10.1007/s10064-009-0201-6

    Xu Qiang, Peng Dalei, Zhang Shuai, et al. Successful implementations of a real-time and intelligent early warning system for loess landslides on the Heifangtai terrace, China[J]. Engineering Geology, 2020, 278: 105817. doi: 10.1016/j.enggeo.2020.105817

  • 期刊类型引用(1)

    1. 王乃昂,李小强,叶豪,赵力强,赵晓阳,鲁荣珠,王宇晨. 甘肃积石山M_S6.2级地震同震高速泥流研究. 地理科学. 2024(11): 2015-2028 . 百度学术

    其他类型引用(0)

图(11)
计量
  • 文章访问数:  125
  • HTML全文浏览量:  35
  • PDF下载量:  60
  • 被引次数: 1
出版历程
  • 收稿日期:  2023-03-09
  • 修回日期:  2023-04-19
  • 网络出版日期:  2023-05-28
  • 刊出日期:  2023-06-19

目录

/

返回文章
返回