吳夏 王保民 李家葉 李鐵鍵 魏加華

摘要：地下埋設(shè)管道下穿河流，由于不同河流的匯水面積、地形、降雨、下墊面條件等因素可存在較大差異，不同工程段遭遇洪水的危險程度不同，需要簡單有效的方法進行洪水危險度評價。以陜京三線輸氣管道山西臨縣段為例，定量分析了每個管道穿河段的洪水風(fēng)險因子，包括匯水區(qū)的面積、降雨、高差、形狀、土地利用、植被指數(shù)等因子，穿河點的縱向比降和橫向高差等因子。根據(jù)因子間的相關(guān)性和因子與穿河管段實際水毀次數(shù)間的相關(guān)性，選定了影響洪水危險度的三個核心因子。采用多元線性回歸模型和Logistic回歸模型建立了洪水危險度評估模型，并繪制了陜京三線山西臨縣段洪水危險度分布圖。成果為管道運行安全防護措施的制定和實施提供依據(jù)，方法可為類似線狀工程的洪水風(fēng)險評價提供參考。

關(guān)鍵詞：線狀工程；洪水；危險度評價；輸氣管道；洪水風(fēng)險因子；Logistic回歸模型；洪水風(fēng)險圖

中圖分類號：TV877；TE832 文獻標志碼：A 文章編號：1672-1683（2016）04-0185-07

Abstract：Underground pipelines inevitably go across rivers.For different crossed rivers，large differences may exist in their catchment areas，topography，rainfall，underlying conditions and so on，and then their flood threat will vary among corresponding infrastructure segments.Therefore，a simple but effective assessment method for flood threat is urgently needed.In this paper，the section of the Shaanxi-Beijing Gas Pipeline in Linxian County，Shanxi Province was chosen for case study.Firstly，flood factors were quantified for each crossed river，including the area，rainfall，elevation difference，planar shape，land use，vegetation index of each river catchment，and the longitudinal slope and cross-sectional elevation difference of each cross-over region.Secondly，three key factors were selected after the cross-correlations among the factors and the relationships between each factor and the number of historical flood damage events were examined.Thirdly，the multivariate linear regression and logistic regression methods were used to establish a flood threat assessment model.Finally，the flood threat zoning map of the Shaanxi-Beijing Gas Pipeline in Linxian County was obtained.The result would provide a basis for the formulation and implementation of protection measures in pipeline safety management，and the method in this paper could be a reference for similar flood threat assessments of linear infrastructures.

Key words： linear infrastructure；flood；threat assessment；gas pipeline；flood risk factor；Logistic regression；flood

管道運輸是陸上石油、天然氣運輸?shù)闹饕绞?，具有運輸量大、占地少、能耗低等優(yōu)勢[1]。但是，作為一種線狀工程形式的基礎(chǔ)設(shè)施，油氣管道具有距離長和跨度大的特點，沿線氣象和地質(zhì)災(zāi)害風(fēng)險具有較大差異性，難以有效確定重點防控區(qū)域，任一管段發(fā)生事故則影響全線，損失巨大。以黃土高原地區(qū)的油氣管道為例，線路區(qū)土壤可蝕性高，水土流失嚴重，夏季短時強降雨可引起劇烈的地形變化，使地下埋設(shè)的管線發(fā)生暴露、位移等危害管道安全運行的洪水風(fēng)險事件[2]。交叉河流洪水誘發(fā)的油氣管道失效風(fēng)險一直以來都是油氣管道運行安全管理的薄弱環(huán)節(jié)，水工保護工程措施受到高度重視[3-4]。但是，水工保護工程成本高，設(shè)防標準不明確，難以在長輸管線全線施行。

水利部于2014年頒布了《洪水影響評價報告編制導(dǎo)則》[5]，其中包括洪水對建設(shè)項目的影響分析。但是，該導(dǎo)則適用于洪泛區(qū)、蓄滯洪區(qū)內(nèi)的建設(shè)項目，其中規(guī)定的防洪標準確定、淹沒影響評價、沖刷淤積影響評價等內(nèi)容均為適用于大中型河流和一般地表建設(shè)項目的方法，不適用于穿越大量小流域、地下埋設(shè)的油氣管道。因此，急需簡單有效的線狀工程穿越河流的洪水危險度評價方法，用于確定高風(fēng)險管段，進行有效的重點防控。

本文根據(jù)洪水災(zāi)害風(fēng)險分析的基本原理[6-11]，借鑒已有研究考慮到的風(fēng)險因子[12-13]、采用的遙感和地理信息系統(tǒng)技術(shù)[14-17]，開展洪水危險度評價研究。以陜京三線輸氣管道山西臨縣段為例，首先定量分析每個管道穿河點的洪水風(fēng)險因子，其次結(jié)合穿河管段的實際水毀記錄，采用多元線性回歸模型和Logistic回歸模型優(yōu)選主要風(fēng)險因子，確定每個風(fēng)險因子的權(quán)重，最終建立了洪水危險度評估模型，并繪制了洪水危險度分區(qū)圖。

1 評價對象

陜京三線兼具壓力高、輸氣量大、埋深淺的特點，又由于陜京三線山西臨縣段曾經(jīng)發(fā)生水害，與管道相交的流域地形和水文規(guī)律較單一，因此將陜京三線臨縣段作為研究管段，其走向及穿越河流的情況見圖1。該管段從黃河?xùn)|岸八堡鄉(xiāng)黃河隧道穿出點起，至陽坡水庫寨上村止，全長約70 km，主要穿河段共96個。該研究區(qū)域位于東經(jīng)110°30′-111°15′和北緯37°35′-38°15′之間，海拔高程在589 m至1925 m之間。研究區(qū)內(nèi)主要河流為湫水河，屬大陸性暖溫帶季風(fēng)半干旱氣候，多年平均降水量為518 mm，年內(nèi)分布不均，多集中于7月-9月，占全年降水量的2/3。地表物質(zhì)以黃土性土為主，土質(zhì)疏松，容易發(fā)生水土流失。

在本文的洪水危險度評價中，輸氣管道被簡化為線狀對象。又由于管道穿越每個溝道、河道時，承受洪水災(zāi)害的主要位置是溝道內(nèi)部和兩岸邊坡，危險度的評價對象可簡化為離散的點對象。為表示方便，以各溝道、河道間的分水嶺為界，將輸氣管線切分為包括各穿河點的管段，以管段作為風(fēng)險程度的表示對象。

2 風(fēng)險因子

本研究對管道洪水危險度的評價不涉及易損性，主要考慮洪水的相對危險度，即洪水的絕對威力和管段的抵御能力間的相互關(guān)系。影響洪水絕對威力的主要因子包括每個穿河點匯水區(qū)的天氣因素和下墊面因素，包括降雨、面積、高差、形狀、土地利用、植被狀況等，這些匯水區(qū)面對象上的因子處理后映射到對應(yīng)的管段。影響管段抵御能力的主要因子是局部地形因素，主要包括穿河點處溝道的縱向坡度和兩岸與溝底的高差。以上主要風(fēng)險因子定量評價的數(shù)據(jù)來源見表1。

不同風(fēng)險因子的物理意義和量綱不同，為均衡考慮各因子對管道洪水風(fēng)險的貢獻，每個因子均按其值在各穿河點出現(xiàn)的頻率分為5個級別，即落入前20%的劃入一級，落入20%至40%的劃入二級，以此類推。本研究共涉及96個穿河點，平均約19個劃入一個等級。部分因子存在較多的重復(fù)值，重復(fù)值計入同一等級，所以最后的分級結(jié)果并不完全滿足頻率相等的條件，如年均暴雨天數(shù)等。各因子的分級區(qū)間及各區(qū)間內(nèi)管段計數(shù)結(jié)果見表2。

針對每個風(fēng)險因子，統(tǒng)計每個分級內(nèi)所屬的穿河點實際遭遇水毀事件次數(shù)的比例，繪制各因子不同分級下水毀事件的頻率分布見圖2。圖2直觀顯示了各因子與水毀事件的相關(guān)關(guān)系，以圖2（a）為例，年均降雨量越大，分級越高，發(fā)生1次和2次水毀的比例也越高。

下一節(jié)將分析各因子的風(fēng)險特征及各因子間的相關(guān)性，篩選出因子間相關(guān)關(guān)系不強的一組因子用于建立洪水危險度評價模型。危險度評價的回歸擬合模型采用多元線性回歸模型和Logistic回歸模型。Logistic回歸模型屬于概率型非線性回歸，它是研究二分類和多分類結(jié)果與影響因素相關(guān)關(guān)系的一種多變量分析方法[19]。模型建立過程中采用逐步回歸的方法剔除影響權(quán)重低的因子，選取較少的有效因子作為最終的模型輸入，建立風(fēng)險因子與風(fēng)險事件次數(shù)間的擬合關(guān)系。

3 風(fēng)險因子分析

3.1 降雨因子

降雨是形成洪水災(zāi)害的前提和動力條件，沒有降水，尤其是暴雨，也就談不上洪水災(zāi)害。對于研究區(qū)域，按年均降雨量由低至高分為5個等級，圖2（a）顯示了年均降雨量因子等級與水毀次數(shù)間的關(guān)系，年均降雨量越大，洪水危險度越高。

對于強降雨，根據(jù)黃土高原地區(qū)降雨歷時短、強度大、土壤可蝕性高的特點，場次降水量達到30 mm以上就有發(fā)生洪水的可能，因此選擇日降雨量30 mm以上的年均暴雨日數(shù)作為量化強降雨的參數(shù)。圖2（b）顯示了年均暴雨日數(shù)與水毀次數(shù)的關(guān)系，暴雨日數(shù)越多，發(fā)生1次和2次水毀的比例越低。這說明對于各管段所處的不同區(qū)域而言，降雨量30 mm以上的暴雨威力是不一樣的，不能一概而論，暴雨頻數(shù)越低的地區(qū)，其每次暴雨的威力反而越強。

3.2 匯水區(qū)幾何特征

管道交叉溝道、河道的匯水區(qū)面積決定了其匯集洪水范圍的大小，在相同降雨條件下直接決定洪水的總量。采用Hydro30河網(wǎng)數(shù)據(jù)，統(tǒng)計各管段交叉河流的匯水區(qū)面積，將匯水面積由小至大分為5個等級。針對本研究區(qū)域，圖2（c）顯示，匯水面積較小時，管段發(fā)生水毀災(zāi)害的概率較大。這是由于匯水面積不僅決定了匯集洪水的多少，也影響穿河斷面河床演變的劇烈程度。在黃土高原地區(qū)，匯水面積越小，溝道、河道的河床演變越劇烈，管段遭受的洪水風(fēng)險也就越高。

管道交叉溝道、河道匯水區(qū)內(nèi)的高差決定了其中洪水演進的速度。采用Hydro30河網(wǎng)數(shù)據(jù)，統(tǒng)計各管段交叉河流干流源頭至交叉點的高差，將高差由小至大分為5個等級。針對本研究區(qū)域，圖2（d）顯示匯水區(qū)內(nèi)高差越小，管段發(fā)生水毀災(zāi)害的概率越大，這個規(guī)律與匯水區(qū)面積相近，受穿河斷面河床演變的劇烈程度影響。

管道交叉溝道、河道的匯水區(qū)形狀決定了其中洪水匯集疊加的劇烈程度。采用Hydro30河網(wǎng)數(shù)據(jù)，統(tǒng)計各管段匯水區(qū)長寬比，按匯水區(qū)干流長度一半的平方除以匯水區(qū)面積計算。將匯水區(qū)長寬比由小至大分為5個等級，長寬比越小，匯水區(qū)的形狀越接近扇型，不同來源的洪水則更同步地到達管道交叉點，管道發(fā)生水毀災(zāi)害的概率也就越大，圖2（e）基本反映了這個特征。

3.3 匯水區(qū)下墊面條件

管道交叉溝道、河道匯水區(qū)內(nèi)的土地利用情況影響降雨產(chǎn)流規(guī)律，不合理土地利用導(dǎo)致水土流失加劇，從而影響交叉點洪水。不同的土地利用類型對水分的截留作用不同，林地在減少徑流方面的作用十分突出。在暴雨條件下，減流強度：林地>草地>農(nóng)地。一般來說，對徑流截留作用越大的土地利用類型，發(fā)生洪水的可能性越小。采用近期MODIS MCD12Q1數(shù)據(jù)獲得研究區(qū)的土地利用情況，考慮這個區(qū)域主要的土地利用類型為林地、草地和耕地，因此統(tǒng)計各管段交叉河流匯水流域內(nèi)的耕地占總匯水區(qū)面積的比例作為土地利用類型的指標，按照耕地面積比例由小至大分為5個等級。針對本研究區(qū)域，土地利用等級越大，管道發(fā)生水毀的概率越小，見圖2（f）。這是由于耕地區(qū)一般存在大面積的平地，且會修建水土保持工程，因此反而不易發(fā)生高強度洪水，而沒有耕地的地區(qū)，大多是坡度比較陡的地區(qū)，更容易誘發(fā)水毀災(zāi)害。

采用近期MODIS MOD13A1數(shù)據(jù)獲得研究區(qū)的歸一化植被指數(shù)（NDVI）反映植被覆蓋情況。NDVI值的范圍為0到1，越接近1，植被狀況越好，在減少徑流方面的作用越突出。對于研究區(qū)域，按NDVI值由低至高分為5個等級，級別越大，植被覆蓋越好，則水毀風(fēng)險越低，見圖2（g）。

3.4 穿河段局部地形條件

穿河段的局部地形條件與管道洪水災(zāi)害的危險度密切相關(guān)，本研究采用管道交叉河段的縱向比降和橫向高差反映局部地形條件，數(shù)據(jù)來源為Hydro30河網(wǎng)數(shù)據(jù)。圖2（h）顯示，交叉河段縱向比降與管段水毀頻率的關(guān)系表現(xiàn)為拋物線狀，縱向比降在一定范圍內(nèi)具有最大的水毀風(fēng)險概率，而在較小及較大的縱向比降下，水毀發(fā)生概率則較低。這主要是因為河段縱向比降大的流域，其匯水面積較小，可匯集的洪水有限，難以造成較大的破壞力；而河段縱向比降小的流域，雖然其匯水面積較大，但河道更為寬淺，容易排泄上游的洪水，因此造成水毀的概率也較小。

結(jié)合DEM數(shù)據(jù)計算管道穿越交叉河道中心點與兩側(cè)山坡最高點的高程差，定義為河段橫向高差參數(shù)。將研究區(qū)域穿河段橫向高差由小至大分為5個等級，橫向高差越大，河道側(cè)岸沖刷、崩塌的可能性應(yīng)越高，發(fā)生水毀的概率越大，見圖2（i）。

3.5 因子相關(guān)性分析

對表2中的9個風(fēng)險因子繪制相關(guān)散點圖矩陣，見圖3。每個相關(guān)圖中均有96個數(shù)據(jù)點，取置信水平p<0.01，則因子間的相關(guān)系數(shù)（R）絕對值大于0.26即表明其間具有統(tǒng)計顯著的相關(guān)性。在圖3的上三角中標出具有顯著相關(guān)性的因子組合的相關(guān)系數(shù)。這些相關(guān)組合中，年降雨量和年暴雨天數(shù)負相關(guān)（R=-0.90），說明研究地區(qū)具有暴雨天數(shù)多反而年降雨量少、暴雨天數(shù)少反而年降雨量多的特點；匯水面積和匯水區(qū)內(nèi)高差正相關(guān)（R=0.77），屬于流域地貌的正常反映，匯水面積越大，高差越大；年暴雨天數(shù)和植被覆蓋呈正相關(guān)（R=0.52），年暴雨天數(shù)越多，植被覆蓋越好，同樣，匯水區(qū)內(nèi)高差和植被覆蓋也是正相關(guān)（R=0.52），高差越大，植被覆蓋越好，這兩者可能與研究區(qū)域不同地形地貌的植被類型有關(guān)，高山上的林地更多。綜合以上分析，匯水區(qū)年暴雨天數(shù)、高差和植被覆蓋與其他因子間均具有較強或較頻繁的相關(guān)關(guān)系，為避免后續(xù)多元回歸模型中自變量中的強相關(guān)性，決定將匯水區(qū)年暴雨天數(shù)和高差兩個因素剔除，不用于洪水危險度評價模型的建立。剔除這兩個因子后，匯水區(qū)植被覆蓋和其他因子間的相關(guān)度均較低，保留植被覆蓋因子。

4 評價結(jié)果

使用96個穿河點數(shù)據(jù)檢驗各風(fēng)險因子與水毀次數(shù)的相關(guān)性，剔除不具備統(tǒng)計顯著性（|R|<0.26）的因子，包括匯水面積、匯水區(qū)形狀、穿河點比降和穿河點橫向高差，最終選取了匯水區(qū)年降雨量、土地利用和植被覆蓋作為顯著影響穿河點洪水危險度的3個核心風(fēng)險因子。以這3個核心因子的風(fēng)險等級作為自變量，以管道穿河點的實際水毀次數(shù)（統(tǒng)計見表3）為目標變量，進行管道洪水災(zāi)害的回歸分析?；貧w模型采用了多元線性回歸模型和Logistic回歸模型。Logistic回歸屬于概率型非線性回歸，它是研究二分類和多分類結(jié)果與影響因素相關(guān)關(guān)系的一種多變量分析方法[19]。表3顯示了兩種方法模擬得到的管道水毀次數(shù)與實際統(tǒng)計的對比，圖4顯示了兩個回歸模型的風(fēng)險評價結(jié)果與管道實際水毀次數(shù)的逐管段對比。如果將模擬的水毀次數(shù)四舍五入到整數(shù)，多元線性回歸模型的評價準確度達到74/96，而Logistic回歸模型的評價準確度達到了75/96，兩者均超過75%。從單個穿河點的模擬結(jié)果來看，Logistic回歸模型得到的具體值比多元線性回歸模型更接近真實情況，反映了該方法對于本問題比線性回歸更適用。

在多元線性回歸方法中，匯水區(qū)年降雨量、土地利用、植被覆蓋3個因子的系數(shù)分別為0.316、-0.159、-0.068?？梢钥闯觯瑱?quán)重最大的為年降雨量，達到58.2%，其次是匯水區(qū)土地利用（29.3%）、植被覆蓋（12.5%）。在Logistic回歸方法中，匯水區(qū)年降雨量、土地利用、植被覆蓋3個因子的系數(shù)分別為1.29、-0.589、-0.173。權(quán)重最大的仍然為年降雨量，達到62.9%，其次是匯水區(qū)土地利用（28.7%）、植被覆蓋（8.4%）。兩種方法中不同因子的權(quán)重順序一致，最大影響因子是年降雨量，均超過50%的權(quán)重；其次是匯水區(qū)土地利用，均超過25%的權(quán)重；然后是植被覆蓋，在10%左右。

綜合兩種方法，把管道洪水危險度歸一到[0，1]區(qū)間，得到逐管段的洪水危險度評價結(jié)果見圖5。圖中白色管段為不受小流域洪水影響的管段，藍色、紫色的高危險管段間隔分布，顯示出3個核心風(fēng)險因子的綜合作用。

總的來說，降雨在管道洪水危險度中起到了60%左右的主要貢獻，匯水區(qū)土地利用和植被覆蓋兩個因子貢獻了剩下的40%。從危險度的分析結(jié)果看，匯水區(qū)降雨量越大、匯水區(qū)的耕地面積比例越小、植被覆蓋越差的管段則越容易發(fā)生洪水災(zāi)害，應(yīng)高度關(guān)注。結(jié)果顯示出耕地比例越大管道越安全，這主要是因為梯田、畦埂等耕作措施能夠阻攔洪水，降低洪水的級別。

5 結(jié)論

本文提出穿越河流的線狀工程洪水危險度評價方法可以實現(xiàn)對管道洪水危險度空間分布的評估，在特定區(qū)域建模率定的準確度超過了75%。該方法能夠通過各種基礎(chǔ)實測數(shù)據(jù)發(fā)現(xiàn)潛在的高風(fēng)險管段，在相同的氣候和地理條件下，模型參數(shù)有望保持有效，可用于規(guī)劃和新建工程的洪水危險度空間分布的相對評價。相比經(jīng)驗方法，本文方法的空間分辨率和準確性更高，是可用于穿越河流的線狀工程風(fēng)險評估的一種新方法。本文方法的局限性在于，它仍然是評價不同管段洪水危險度相對高低的靜態(tài)型方法，從洪水風(fēng)險的動態(tài)管理看，準確的短期降雨預(yù)報和降雨—洪水模型，是管道洪水風(fēng)險規(guī)避決策的核心技術(shù)，仍然有待研究。

參考文獻（References）：

[1] 陳鐘.我國綜合運輸一體化發(fā)展研究[D].北京：北京交通大學(xué)，2007.（CHEN Zhong.Research on the integrated development of China′s comprehensive transportation[D].Beijing：Beijing Jiaotong University，2007.（in Chinese））

[2] 馮偉.黃土塬地區(qū)管道水工保護存在的問題與治理措施[J].產(chǎn)業(yè)與科技論壇，2009，8（2）：137-138.（FENG Wei.Problems and measurements for water reservation of pipelines in the Loess Plateau[J].Industrial & Science Tribune，2009，8（2）：137-138.（in Chinese））

[3] 張紅星，李林.水工保護在長輸管道建設(shè)中的應(yīng)用[J].化學(xué)工程與裝備，2010，（8）：116-117.（ZHANG Hong-xing，LI Lin.Application of water reservation for long-distance pipelines[J].Chemical Engineering & Equipment，2010，（8）：116-117.（in Chinese））

[4] 顧伯通，王兆福，李鐵軍，等.高陡邊坡管道水工保護的設(shè)計新方法[J].天然氣與石油，2006，24（4）：27-28.（GU Bo-tong，WANG Zhao-fu，LI Tie-jun，et al.New design method for water reservation of pipelines in high and steep slope[J].Natural Gas and Oil，2006，24（4）：27-28.（in Chinese））

[5] 中華人民共和國水利部.洪水影響評價報告編制導(dǎo)則[S].北京：中國水利水電出版社，2014.（The ministry of water resources of the People′s Republic of China.Guidelines on compilation of flood impact assessment reports[S].Beijing：China Water & Power Press，2014.（in Chinese））

[6] 黃崇福.自然災(zāi)害風(fēng)險評價理論與實踐[M].北京：科學(xué)出版社，2005.（HUANG Chong-fu.Risk assessment of natural disaster：Theory & practice[M].Beijing：Science Press，2005.（in Chinese））

[7] 黃詩峰.洪水災(zāi)害風(fēng)險分析的理論與方法研究[D].北京：中國科學(xué)院地理研究所，1999.（HUANG Shi-feng.Research on the theory and method of flood disaster risk analysis[D].Beijing：Institute of Geographic Sciences，Chinese Academy of Sciences，1999.（in Chinese））

[8] 張行南，羅健，陳雷，等.中國洪水災(zāi)害危險程度區(qū)劃[J].水利學(xué)報，2000，（3）：1-7.（ZHANG Xing-nan，LUO Jian，CHEN Lei，et al.Zoning of Chinese flood hazard risk[J].Shuili Xuebao，2000，（3）：1-7.（in Chinese））

[9] Federal Emergency Management Agency （FEMA）.Flood risk assessments：Guidelines and specifications for flood hazard mapping partners[R].USA：Federal Emergency Management Agency，2014.

[10] 郗蒙浩，于汐.災(zāi)害風(fēng)險管理評價方法研究[J].中國市場，2008，（13）：48-49.（XI Meng-hao，YU Xi.Research on the estimation method of disaster risk management[J].China Market，2008，（13）：48-49.（in Chinese））

[11] 蘇桂武，高慶華.自然災(zāi)害風(fēng)險的分析要素[J].地學(xué)前緣，2003，10（suppl）：272-279.（SU Gui-wu，GAO Qing-hua.The elements for analyzing natural disaster risk[J].Earth Science Frontiers，2003，10（suppl）：272-279.（in Chinese））

[12] 荊宏遠，郝建斌，陳英杰，等.管道地質(zhì)災(zāi)害風(fēng)險半定量評價方法與應(yīng)用[J].油氣儲運，2011，30（7）：497-500.（JING Hong-yuan，HAO Jian-bin，CHEN Ying-jie，et al.A semi-quantitative assessment method and its application for geological disaster risk of pipelines[J].Oil & Gas Storage and Transportation，2011，30（7）：497-500.（in Chinese））

[13] 高華喜，殷坤龍.降雨與滑坡災(zāi)害相關(guān)性分析及預(yù)警預(yù)報閥值之探討[J].巖土力學(xué)，2007，28（5）：1055-1060.（GAO Hua-xi，YIN Kun-long.Discuss on the correlations between landslides and rainfall and threshold for landslide early-warning and prediction[J].Rock and Soil Mechanics，2007，28（5）：1055-1060.（in Chinese））

[14] 陳秀萬.洪水災(zāi)害損失評估系統(tǒng)——遙感與GIS技術(shù)應(yīng)用研究[M].北京：中國水利水電出版社，1999.（CHEN Xiu-wan.Flood disaster damage assessment system：Application of remote sensing and geographical information system technologies[M].Beijing：China Water & Power Press，1999.（in Chinese））

[15] 周成虎，萬慶，黃詩峰，等.基于GIS的洪水災(zāi)害風(fēng)險區(qū)劃研究[J].地理學(xué)報，2000，55（1）：15-24. （ZHOU Cheng-hu，WAN Qing，HUANG Shi-feng，et al.A GIS-based approach to flood risk zonation[J].Acta Geographica Sinica，2000，55（1）：15-24.）

[16] 楊金香.遙感在地質(zhì)災(zāi)害研究中的應(yīng)用[J].煤田地質(zhì)與勘探，2005，33（z1）：30-32.（YANG Jin-xiang.Application of remote sensing to geological disaster[J].Coal Geology & Exploration，2005，33（z1）：30-32.（in Chinese））

[17] 阮沈勇，黃潤秋.基于GIS的信息量法模型在地質(zhì)災(zāi)害危險性區(qū)劃中的應(yīng)用[J].成都理工學(xué)院學(xué)報，2001，28（1）：89-92.（RUAN Shen-yong，HUANG Rui-qiu.Application of GIS-based information model on assessment of geological hazards risk[J].Journal of Chengdu University of Technology，2001，28（1）：89-92.（in Chinese））

[18] BAI Rui，LI Tie-jian，HUANG Yue-fei.An Efficient and Comprehensive Method for Drainage Network Extraction from DEM with Billions of Pixels Using a Size-Balanced Binary Search Tree[J].Geomorphology，2015，238（1）：56-67.

[19] Strahler A，Muchoney D，Borak J，et al.MODIS Land Cover Product Algorithm Theoretical Basis Document （ATBD） Version 5.0[EB/OL].http：//modis.gsfc.nasa.gov/data/atbd/atbd_mod12.pdf.1999

[20] Huete A，Justice C，Van Leeuwen W.Modis vegetation index （MOD 13） algorithm theoretical basis document[EB/OL].http：//modis.gsfc.nasa.gov/data/atbd/atbd_mod13.pdf.1999

[20] David A.Freedman.Statistical Models：Theory and Practice[M].England Cambridge University Press，2009.