基于GIS和多變量決策樹的地震滑坡道路中斷風險應急評估模型

白仙富 楊志全 羅偉東 王杰 田鵬 戴雨芡

基金項目：中國地震局地震科技星火計劃攻關項目（XH222509C）；云南省重點研發計劃（202203AC100003）；中國地震局地質研究所中央級公益性科研院所基本科研業務專項（IGCEA2106）.

第一作者簡介：白仙富（1979-），高級工程師，主要從事山地災害防治和山地環境保育的理論與技術、自然災害風險評估相關研究.E-mail：xf_bai520@163.com.

通訊作者簡介：戴雨芡（1979-），博士，主要從事公共安全與區域防災基礎理論與關鍵技術研究.E-mail：282658421@qq.com.

摘要：在地震應急階段，如何定量評估地震滑坡道路中斷風險是一項亟待完善的關鍵技術。為解決這一難題，以2008年汶川MS8.0地震、2014年魯甸MS6.5地震及2012年彝良MS5.7、5.6地震為案例開展地震滑坡道路中斷風險應急評估模型的構建和檢驗。汶川研究區用來建立地震滑坡道路中斷風險多變量決策樹的應急評估模型，并對模型作有效性評價，魯甸和彝良研究區用來對所建模型開展相似區域外延適用性的評價。通過P值檢驗模型統計學的顯著性，使用Kappa值評價模型推斷結果與實際情況的一致性。汶川研究區的P值為2.52×10-203，Kappa系數為0.91。說明使用模型計算出的道路中斷風險是地震滑坡道路是否中斷的良好指標。魯甸和彝良研究區的P值為9.7×10-107，Kappa系數為0.81。這表明在允許一定誤差的情況下，本研究建立的地震滑坡道路中斷風險多變量決策樹應急評估模型可以推廣應用到其它類似地區。

關鍵詞：道路中斷風險；地震滑坡；多變量決策樹；應急評估

中圖分類號：P315.94文獻標識碼：A文章編號：1000-0666（2023）03-0343-11

doi：10.20015/j.cnki.ISSN1000-0666.2023.0040

0引言

道路系統的通行狀態對地震災害救援時的物資和人員輸送至關重要（阮璇，2014），因此，地震應急評估需要盡可能提供準確的災區道路中斷風險信息（馬海建等，2015；張敬等，2019）。在川滇多山區域，地震滑坡次生地質災害通常會造成道路交通系統嚴重損毀（趙紅蕊等，2014），地震滑坡道路中斷風險應急評估尤為重要。An等（2015）基于決策樹最大信息增益比的C4.5方法對2008年汶川MS8.0地震道路滑坡中斷風險評估研究表明，可以利用地震滑坡易發性水平數據對道路中斷風險進行預測。但這項研究還存在一些不足：一是在每個節點上只檢驗單一屬性的影響，剪枝代價較大；二是在模型構建過程中忽略了低烈度（Ⅵ～Ⅶ度）區的情況，模型的外延推廣應用不足；三是模型的總體精度不夠高，Kappa系數為0.71。如何準確評估地震滑坡道路中斷風險并用于地震應急還有許多理論和技術問題需要繼續探索。本文提出一種基于GIS和多變量決策樹的地震滑坡道路中斷風險應急評估方法，并利用2008年汶川MS8.0地震的道路數據進行模型的構建和檢驗，用2014年魯甸MS6.5地震和2012年彝良MS5.6、5.7地震災區的道路數據開展模型的外延適用性檢驗。

1方法和數據

基于GIS和多變量決策樹方法的地震滑坡道路中斷風險應急評估方法的基本思路為：首先計算各烈度區的地震滑坡易發性水平，然后提取每條路段兩側180m范圍（緩沖區）內的滑坡易發性水平及其像元數量作為路段的地震滑坡屬性，再用路段地震滑坡屬性與道路中斷風險之間的多變量決策樹關系進行路段中斷風險推斷。

依據這種思路，本文提出的評估方法的特點包括：將路段作為評估的基本單元；路段的中斷風險分為有風險和無風險兩類，有風險指的是道路被地震滑坡體掩埋或沖毀，車輛無法通行，無風險表示道路沒有被地震滑坡沖毀或掩埋；利用多變量決策樹模型，根據路段緩沖區范圍內各滑坡易發性水平像元數量組合進行道路中斷風險分類。評估方法包括3個基本步驟（圖1）：①定制路段單元，即在GIS中將研究區的道路劃分為路段，制作每條路段兩側180m的緩沖區，將路段編碼通過空間關聯賦值給緩沖區。②繪制評估區域的地震滑坡易發性水平空間分布圖。該步驟實質上就是根據地震烈度分布（基于應急評估的結果）在GIS中建立評估區域的地震滑坡易發性水平數據。統計各緩沖區范圍上不同滑坡易發性水平的像元數量，把統計結果賦值給對應的路段作為路段的地震滑坡屬性。③利用樣本數據建立的多變量決策樹應急評估模型對路段的地震滑坡中斷風險進行推斷，并在GIS中繪制地震災區道路中斷風險應急評估結果。

1.1路段數據建立

本文將道路網絡上只連接兩個節點之間的交通線定義為路段，并把它作為地震滑坡道路中斷風險應急評估的基本單元。路段兩端的節點類型包括城市、鄉鎮、村莊、匝道進出口、公路交叉口（含十字路口）、環島、車站等其他公路起始點。按照此約定，在GIS軟件中，將道路分割為矢量化的路段并進行編碼等字段處理。路段的中斷風險字段類型為邏輯型，有風險對應字段值為1，無風險則為0。

1.2路段緩沖區處理

造成道路中斷的滑坡主要發生在道路經過的地方或道路上側，因此，地震滑坡的影響范圍就是道路緩沖區的依據。為了確定地震滑坡影響范圍，我們測量了2008年汶川MS8.0地震引發的5928個滑坡體的滑動距離（圖2），絕大部分滑坡體滑動距離為90～190m，大于180m的樣本僅有386個，平均值為168.8m。為了減輕統計的冗余量，本文將影響道路中斷風險的地震滑坡空間范圍定義為道路兩側180m。據此，在GIS中進行路段緩沖區制作時，緩沖距離為道路兩側180m，且路段兩端不做緩沖（圖3）。在此基礎上，將路段的編碼賦值給對應的緩沖區，以方便后續的屬性關聯。

1.3地震滑坡易發性制圖與路段滑坡屬性賦值

1.3.1地震滑坡易發性水平空間分布制圖

國際上對地震滑坡易發性評估的研究中，適用于應急評估的方法主要有兩類。即基于Newmark位移模型及其派生模型的方法（Capolongo，Mankelow，2002；DelGaudio，Wasowski，2004；Havenithetal，2006；DelGaudioetal，2012；Chousianitisetal，2014；James，Sitharam，2014）和基于滑坡易發性的相關分析法（Havenithetal，2006；Kampetal，2008，2010；Xuetal，2012，2013）。本文使用中國地震局大中城市地震災害情景構建重點專項“地震滑坡危險性分析方法研究”產出的地震滑坡易發性水平評估模塊繪制地震滑坡易發性水平空間分布圖。該模塊考慮了地形坡度、地震動參數（烈度）、巖性、土地利用、氣象水文因子等影響因素（白仙富，2022），可以進行不同烈度設定下區域地震滑坡易發性水平空間分布預測制圖。使用該模塊繪制地震滑坡易發性水平空間分布圖的過程實質是采用自然斷點法將各像元的地震滑坡發生概率值劃分為5類，并依次賦值1～5，表示地震滑坡易發性水平從極低到極高，屬性值越高，發生滑坡的可能性越大。對歷史滑坡數據的檢驗表明該套數據是檢驗地震滑坡能否發生的良好指標（張方浩等，2022）。使用該模塊進行地震滑坡易發性空間分布制圖時，本質上是用研究區的烈度屬性（通常來源于地震影響場應急評估結果）從預測數據集中提取對應烈度區的地震滑坡易發性水平數據，然后通過GIS鑲嵌功能完成整個評估區的地震滑坡易發性水平空間分布圖的繪制（圖4）。

1.3.2緩沖區地震滑坡屬性賦值

緩沖區地震滑坡屬性賦值是指在地震滑坡易發性水平空間分布制圖的基礎上，通過GIS軟件中的空間統計模塊對各緩沖區上的滑坡易發性像元信息進行統計。統計的像元包括完全落在緩沖區內的像元和與緩沖區邊界線相交的像元（圖3）。統計方式分別為計算緩沖區內每一類滑坡易發性水平的像元數量。表1中FID表示緩沖區字段的機器自動編碼；ID表示緩沖區的唯一編碼；name為緩沖區對應的路段名稱；X1表示地震滑坡易發性水平屬性為1的字段名，其余依次類推；X1i表示第i個緩沖區上滑坡易發性水平屬性值為1的像元個數，其余的依次類推；r表示緩沖區對應的路段中斷風險字段名，當r的字段值為1時表示路段的地震滑坡中斷風險屬性為有風險，當r的字段值為0時則表示無風險。

1.3.3路段滑坡屬性賦值

在緩沖區地震滑坡屬性賦值的基礎上，將緩沖區上的地震滑坡屬性根據唯一編碼關聯賦值給路段，作為路段的滑坡屬性。賦值后的路段屬性見表1，此處不再贅述。

1.4地震滑坡道路中斷風險應急評估模型

1.4.1多變量決策樹

本文使用多變量決策樹構建地震滑坡道路中斷風險應急評估模型。通用的單變量決策樹模型（比如C4.5）固有的限制成為提高決策樹分類精度的瓶頸。Murthy等（1994）提出了多變量決策樹模型。多變量決策樹中，每個非葉結點是一個形如∑d[]i=1wiXi=t的線分類器，其中wi是Xi屬性的權重；t是該節點的分類閾值。與單變量決策樹不同的是，在多變量決策樹的學習目標不是為每個非葉結點尋找一個最優劃分屬性，而是建立一個合適的線性分類器（周志華，2016）。本文通過R軟件求解地震滑坡道路中斷風險多變量決策樹應急評估模型構建時的wi、Xi和t的參數值。

1.4.2地震滑坡道路中斷風險通用模型

對一個特定區域中的地震滑坡道路中斷風險應急評估實際上就是基于多變量決策樹的路段中斷風險分類。地震滑坡道路中斷風險與路段的滑坡屬性之間的通用關系描述為函數，根據路段滑坡屬性，函數可以有兩種選擇，如式（1）所示：

2研究結果

2.1研究區

如圖5所示，本文研究區為3次地震震后現場調查確定的烈度為Ⅵ度及以上的區域（圖5）。地震滑坡道路中斷數據最翔實的汶川地震樣本用于模型的建立和有效性的評價；魯甸和彝良地震樣本數據用來對所建立模型在相似區域的適用性進行評價。

2.2路段數據處理

將道路數據按照1.1節的約定在GIS軟件中劃分成路段數據。在進行路段空間數據處理時，處理對象為每個災區地震之前一年的空間道路數據。我們通過現場調查獲得研究區地震滑坡造成的路段中斷空間分布（圖5），把被地震滑坡沖毀或掩埋路段的中斷風險屬性定義為有風險，相應的屬性賦值為1；其他路段的中斷風險定義為無風險，相應的屬性賦值為0。

2.3地震滑坡易發性空間分布制圖

為了與實際情況做更好的對比，我們采用現場調查后確定的地震烈度數據（空間矢量面屬性數據），按照地震滑坡易發性評估流程（圖4）繪制3個地震災區的地震滑坡易發性水平空間分布圖（圖6）。在此基礎上，按照1.3.2節和1.3.3節所述方法對研究區路段進行地震滑坡屬性賦值，得到具有地震滑坡和中斷風險屬性的路段數據。

2.4模型求解及其在汶川研究區的檢驗

2.4.1影響地震滑坡道路中斷因子分析

將2008年汶川地震災區的路段分為兩類：地震滑坡中斷路段（定義為有風險，屬性值為1）和其它路段（定義為無風險，屬性值為0）。在路段分析中，只考慮了高等級公路（包括高速公路、國道、省道），其它公路沒有統計在內。從汶川研究區地震滑坡中斷路段和其他路段的滑坡屬性統計圖（圖7）可以看出，中斷路段兩側180m范圍內滑坡易發性極高或較高的像元數量較多，其它路段兩側滑坡易發性極高或較高的像元極少或沒有，表明路段的地震滑坡屬性是其中斷風險的重要指標。

采用列聯表對汶川研究區內26151條路段的地震滑坡中斷風險與滑坡屬性的相關性進行分析與推斷。進行列聯分析時，將樣本中地震滑坡中斷道路的r記為1，其它路段的r記為0，把緩沖區上代表各滑坡易發性等級像元數量的X1～X5分為大于0和等于0兩類，然后進行不同地震滑坡易發性水平像元數量組合與道路中斷風險之間的關系分析，見表2。對應的X1～X5分別表示路段緩沖區上地震滑坡易發性等級從極低到極高的像元數量?；聦傩耘c中斷風險屬性對應下的數值為滿足這兩個條件的路段數量。用表2進行列聯分析時，約定：原假設H0：Xi與r獨立；備擇假設H1：Xi與r相合。X5與r的檢驗P值為4.8311×10-116，相合系數為0.6794。顯著地有X5=0，

X1[]＞0[]966[]23506[]24472

[]合計[]2231[]23920[]26151

傾向于r的取值等于0；X5>0，傾向于r的取值等于1，拒絕原假設，X5與r的正相合。X4與r的檢驗P值為4.361×10-144，相合系數為0.8598。顯著地有X4=0，傾向于r的取值等于0；X4>0，傾向于r的取值等于1，拒絕原假設，X4與r的正相合。X3與r的檢驗P值為1.0703×10-155，相合系數為0.9591。顯著地有X3=0，傾向于r的取值等于0；X3>0，r的取值傾向于等于1，拒絕原假設，X3與r的正相合。X2與r的檢驗P值為1.216×10-155，相合系數為-0.2915。顯著地有X2=0，r的取值傾向于等于1；X2>0，r的取值傾向于等于0，拒絕原假設，X2與r的負相合。X1與r的檢驗P值為1.79146×10-38，相合系數為-0.6217。顯著地有X1=0，r的取值傾向于等于1；X1>0，r的取值傾向于等于0，拒絕原假設，X1與r的負相合。

從表2結果可以看出，路段兩側180m范圍內不同滑坡易發性等級的像元數量與路段是否因地震滑坡中斷存在聯系。列聯分析表明可以使用路段的地震滑坡屬性推斷其滑坡中斷風險。

2.4.2模型參數求解

選取汶川地震災區中的8717條路段數據（約占汶川研究區樣本數據的30%）作為訓練集構建地震滑坡道路中斷風險多變量決策樹模型，其余的17434條路段數據作為測試集測試模型的合理性。通常在決策時，隨著劃分過程的進行，我們希望決策樹的分支結點所包含的樣本盡可能屬于同一類別，即結點的“純度”盡可能高。基尼指數是度量樣本集合純度常用的一種指標。假定當前樣本集合D中第k類樣本所占的比例為pk（k=1，2，…，y），則D的基尼指數定義為：

Gini（D）=∑y[]k=1∑k≠1pkpk′=1-∑y[]k=1p2k（2）

Gini（D）越小，則數據集D的純度越高。假定離散屬性a有V個可能的取值，若使用a來對樣本集D進行劃分，則會產生V個分支結點，其中第v個分支結點包含了D中所有在屬性a上取值為av的樣本記為Dv?？筛鶕剑?）計算出Dv的基尼指數，再考慮到不同的分支結點所包含的樣本數不同，各分支結點賦予權重Dv/D計算出用屬性a對樣本集D進行劃分所獲得的基尼指數（Gini_index）。采用與式（2）相同的符號表示，屬性a的基尼指數定義為：

Gini_index（D，a）=∑V[]v=1Dv[]DGini（Dv）（3）

在候選屬性集合A中，選擇使劃分后基尼指數最小的屬性作為最優劃分方案，即：

a*=argmina∈AGini_index（d，a）（4）

當Gini（D）值取最小時，通常認為對應的分類器是最佳分類。

根據上述約束，采用統計軟件R完成地震滑坡道路中斷風險多變量決策樹模型的構建，結果如圖8所示。

地震滑坡道路中斷風險多變量決策樹應急評估模型從根結點開始“生長”，建模時使用的訓練樣本8717個，其中實際地震滑坡風險屬性為有風險的樣本739個，無風險的樣本7978個。訓練樣本在各葉節點上的基尼指數見表3。

一般來說，一個模型只有通過統計學評價和一致性檢驗才能表明其具有科學意義。統計學上，P值為結果可信程度的一個遞減指標，P值越大，樣本中變量的關聯越無法作為總體中各變量關聯的可靠指標。Kappa系數反映的是模擬結果與實際情況的一致性程度，通行的做法是將Kappa值分為5組來表示不同級別的一致性：（0.0～0.20）為極低一致性，（0.21～0.40）為一般一致性，（0.41～0.60）為中等一致性，（0.61～0.80）為高度一致性，（0.81～1）為幾乎完全一致。將通過訓練集求解的模型對包括測試集在內的所有樣本進行地震滑坡道路中斷風險推斷，然后對推斷結果進行檢驗（表4）。汶川研究區的檢驗P值為2.52×10-203，遠小于0.001；總體正確率達到98.50%；Kappa系數達到0.91。對比C4.5的決策樹方法研究結果，多變量決策樹模型覆蓋的范圍更廣，涵蓋了Ⅵ～Ⅺ度區域，且有更高的差異顯著性（更顯著的統計學意義）、更高的Kappa系數（更高的一致性）和更高的總體正確率。

利用上述模型，基于地震后現場調查得到的地震烈度計算各路段的地震滑坡道路中斷風險值，在GIS中反演研究區地震滑坡道路中斷風險分布（圖9a），對照實際道路中斷情況（圖5）發現，模型評估為有風險而實際暢通的路段主要是高烈度區的少量高速公路，而模型評估為無風險但實際卻因滑坡中斷的主要是低烈度區的部分省道。

2.5模型的外延適用性檢驗

模型的外延適用性檢驗即在所有數據處理方法、建模指標和模型參數都不發生變化的情況下，使用在汶川研究區建立的地震滑坡道路中斷風險多變量決策樹應急評估模型，對云南2014年魯甸MS6.5和2012年彝良MS5.7、5.6地震災區的路段進行地震滑坡中斷風險推斷。魯甸和彝良研究區的地震滑坡道路中斷風險空間分布反演結果如圖9b所示。從檢驗結果（表5）可以看出，魯甸和彝良研究區的檢驗P值更加接近于0；總體正確率99.67%；Kappa系數0.81，仍屬于幾乎完全一致性級別。這表明，用模型計算出的道路中斷風險屬性是路段是否因地震滑坡而中斷的良好指標，在允許存在一定誤差的情況下，所建立的模型可以用于地理環境相似地區的地震滑坡道路中斷風險應急評估。

3討論

本文通過建立每個節點的線性分類器和增加低烈度區的樣本數據來改進C4.5算法存在的不足。顯然，路段單元的地震滑坡中斷風險與地震滑坡易發性水平之間的緊密關系是本文成功建立模型的關鍵。本文提出的模型需要3個條件才能成立：①評估對象的基本單元為路段；②路段兩側的緩沖區距離為180m，且兩端不做緩沖；③所使用的地震滑坡易發性水平數據是分辨率為90m×90m分級數據。這3個條件中，如果評估的基本單元發生變化，或者緩沖距離和緩沖方式發生變化，又或是地震滑坡易發性水平數據分辨率發生變化，則本文的評估方法的有效性就會發生變化。

在建立地震滑坡道路中斷風險應急評估模型時，需要將道路進行路段化處理。這種處理可能存在兩個缺陷：一是各條路段的實際長度不一樣，這在一定程度上也是模型存在誤差的原因之一；二是對高速公路、國道、省道統一建立了一個模型，這也會增大評估結果的誤差。若能統一評估單元的幾何屬性和針對不同等級道路給出不同的模型，有望能進一步提高模型效能。

4結論

本文選取2008年四川汶川MS8.0地震和2014年云南魯甸MS6.5地震及2012年彝良MS5.7、5.6地震作為研究區開展地震滑坡道路中斷風險應急評估模型構建。其中汶川研究區用來進行模型的構建和模型合理性檢驗，魯甸和彝良研究區用來進行模型外延適用性評價。主要得到以下結論：

（1）基于汶川研究區建立的模型統計顯著性檢驗P值為2.52×10-203，遠小于0.001；通過模型評估的道路中斷風險總體正確率達到98.50%；一致性檢驗的Kappa系數為0.91，模型評估結果與實際情況幾乎完全一致，表明在汶川研究區建立的地震滑坡道路中斷風險多變量決策樹模型推斷的結果是路段是否出現地震滑坡中斷的良好指標。對比以往的C4.5的決策樹方法，多變量決策樹模型研究覆蓋了更廣泛的范圍，結果取得了更高的差異顯著性（更顯著的統計學意義）、更高的Kappa系數（更高的一致性）和更高的總體正確率。將所建立的模型外延到魯甸和彝良研究區時對模型不做任何改變，評估結果的統計顯著性檢驗P值為9.7×10-107，遠低于0.001；總體正確率達到99.67%；一致性檢驗Kappa系數為0.81，介于0.81～1，模型評估結果與實際情況也幾乎完全一致。魯甸—彝良研究區的結果同樣表明，模型計算出的道路中斷風險屬性是路段是否因地震滑坡中斷的良好指標，在允許存在一定誤差的情況下，所建立的方法可以用于與我國川滇自然地理環境相似區域不同震級影響下的地震滑坡道路中斷風險應急評估。

（2）本文僅使用了多變量決策樹模型來建立地震滑坡道路中斷風險與地震滑坡易發性屬性之間的關系，如何開發更多的模型并篩選出最為有效的模型是一個亟待解決的問題。

（3）本文提出的地震滑坡道路中斷風險應急評估模型，是對現有地震滑坡道路中斷風險評估方法存在不足的一種探索與改進。在歷史地震滑坡道路中斷數據的豐富性、基礎數據的現勢性、模型方法的多樣性等方面，都可能仍存在一定的不足，需要在今后進一步完善和發展。

參考文獻：

白仙富，戴雨芡，余慶坤，等.2015.地震滑坡危險性評估模型及初步應用［J］.地震研究，38（2）：301-312.

白仙富.2022.滇東北地區地震滑坡災害定量評估方法研究［D］.昆明：云南師范大學.

馬海建，陸楠，李曉璇，等.2015.道路連通性能震害評估方法研究［J］.地理與地理信息科學，31（3）：108-110.

阮璇.2014.重大自然災害后“生命通道”應急管理機制構建研究——基于四川雅安地震的調查分析［J］.中國公共安全（學術版），（4）：48-53.

張方浩，杜浩國，鄧樹榮，等.2022.以鄉鎮為單元評估云南省建水縣地震災害風險［J］.地震研究.45（1）：109-117.

張敬，張林，王長偉，等.2019.震后道路通行能力模型修正［J］.機電信息，（29）：146-147.

趙紅蕊，王濤，石麗梅，等.2014.蘆山7.0級地震震后道路損毀風險評估方法研究［J］.災害學，29（2）：33-37.

周志華.2016.機器學習［M］.北京：清華大學出版社.

AnJW，BaiXF，XuJH.2015.Predictionofhighwayblockagecausedbyearthquakeinducedlandslidesforimprovingearthquakeemergencyresponse［J］.NaturalHazards，79（1）：511-536.

CapolongoD，MankelowRJ.2002.EvaluatingearthquaketriggeredlandslidehazardattheBasinScalethroughGisintheUpperSeleRiverValley［J］.SurveysinGeophysics，23（6）：595-625.

ChousinitisK，DelGaudioV，KalogerasI.2014.PredictivemodelofAriasintensityandNewmarkdisplacementforregionalscaleevaluationofearthquakeinducedlandslidehazardinGreece［J］.SoilDynamicsandEarthquakeEngineering，65（4）：11-29.

DelGaudioV，PierriP，CalcagnileG.2012.Analysisofseismichazardinlandslideproneregions：criteriaandexampleforanareaofDaunia（southernItaly）［J］.NaturalHazards，61：203-215.

DelGaudioV，WasowskiJ.2004.TimeprobabilisticevaluationofseismicallyinducedlandslidehazardinIrpinia（SouthernItaly）［J］.SoilDynamicsandEarthquakeEngineering，24：915-928.

HavenithH-B，StromA，CaceresF.2006.AnalysisoflandslidesusceptibilityintheSuusamyrregion，TienShan：statisticalandgeotechnicalapproach［J］.Landslides，3（1）：39-50.

JamesN，SitharamTG.2014.AssessmentofseismicallyinducedlandslidehazardfortheStateofKarnatakausingGIStechnique［J］.IndianSocRemoteSens，42：73-89.

KampU，GrowleyBJ，KhattakGA，etal.2008.GISbasedlandslidesusceptibilitymappingforthe2005Kashmirearthquakeregion［J］.Geomorphology，101（4）：631-642.

KampU，OwenL，GrowleyB，etal.2010.Backanalysisoflandslidesusceptibilityzonationmappingforthe2005Kashmirearthquake：anassessmentofthereliabilityofsusceptibilityzoningmaps［J］.NaturalHazards，54：1-25.

MurthySK，KasifS，SalzbergS.1994.Asystemforinductionofobliquedecisiontrees［J］.JournalofArtificialIntelligenceReserch，2：1-32.

XuC，XuX，DaiF，etal.2012.LandslidehazardmappingusingGISandweightofevidencemodelinQingshuiRiverwatershedof2008Wenchuanearthquakestruckregion［J］.JEarthSci，23（1）：97-120.

XuC.2013.Applicationofanincompletelandslideinventory，logisticregressionmodelanditsvalidationforlandslidesusceptibilitymappingrelatedtotheMay12，2008WenchuanearthquakeofChina［J］.NaturalHazards，68（2）：883-900.