Comprehensive assessment of disaster geological risk in Shantou coastal waters in eastern Guangdong
-
摘要: 基于粤东汕头近岸海域地质和地球物理资料,通过对物探数据进行解译,查明了该区域内主要有活动断层、埋藏古河道、浅层气、不规则浅埋基岩等灾害地质类型,并结合层次分析法和模糊数学法建立了以断层、埋藏古河道、浅层气、浅埋基岩为评价指标的风险评价体系,得出海域内的不同区块的风险性等级,共分低、较低、中、较高、高5个等级。研究区超过70%的区域灾害风险不高,高风险区分布在榕江外河口、海门湾南部,主要受埋藏古河道和断层影响。较高—高风险区工程地质条件较差,存在的不良地质条件可能会给海上工程建设带来风险,选址时应尽量避开此类区域。评价结果与已查明的灾害分布特点吻合,对以后海上工程项目施工有一定的参考价值。Abstract: The geological and geophysical data in the coastal area of Shantou, eastern Guangdong were interpreted and analyzed for geohazard assessment. Results show that there are mainly active faults, buried ancient rivers, shallow gas, and irregular shallow bedrock in this area. The geohazard was quantitatively assessed by using the analytic hierarchy process and fuzzy mathematics method. A risk assessment system was built, in which faults, buried ancient rivers, shallow gas, and shallow bedrock were used as assessment indicators, and different weights of them were assigned. According to the principle of maximum membership degree, risk levels of different blocks of the study area were calculated from which five risk levels were divided: very low, low, medium, high, and very high. More than 70% of the study area was in low risk, and the high-risk area was distributed in the Rongjiang River outer estuary and the southern part of Haimen Bay, affected mainly by buried ancient rivers and faults. The engineering geological conditions in the high, and very-high risk areas are poor due to unstable geological setting that should be avoided for site selection. The assessment results are consistent with known distribution of geohazards in the coastal waters of Shantou, indicating that the assessment method is reasonable and feasible, and shall have reference values for future development and disaster prevention in sea areas.
-
Keywords:
- hazardous geology /
- risk assessment /
- fuzzy mathematics /
- Shantou coastal waters
-
21世纪是海洋的世纪,建设海洋工程、发展海洋经济、开展海洋研究是推动强国战略的重要内容。目前,我国海洋事业正逐步向深远海迈进,在资源开发、工程建设和捍卫海洋主权等方面已取得一定成果[1-3]。海底稳定性是海洋开发建设的重要制约因素,海底地质稳定性差,制约程度高,开发风险高;海底地质稳定性好,制约程度低,开发风险低[4]。如何准确对深远海海底稳定性进行评价是开展深远海开发利用的重点工作之一,由于影响海底稳定性的因素具有复杂性和不确定性,因此,评价结果并不具有绝对含义[5]。
目前,涉及海底稳定性的研究成果多集中于近海且常以单一地貌为研究对象,缺少对深远海海底稳定性的宏观性评价。国外学者侧重于海底边坡、斜坡等单一地貌,常采用概率、数值模拟、半解析等数学方法进行分析[6-7],对黑海高加索大陆架[8]、高纬度冰期斯瓦尔巴-巴伦支海[9]等区域的海底斜坡稳定性进行了研究,探索了地震和沉积速率对海底斜坡稳定性的影响[10],海底沉积斜坡和增生楔的稳定性[11]等问题,成果大多只聚焦于目标区的稳定性分析,缺乏定量化的分区评价。我国学者除对海底斜坡进行了大量研究外[12],近年来以地貌类型、地形坡度、地震数据、工程地质参数等因素作为主要评价因子,利用GIS、层次分析和模糊综合评价等方法进行海底稳定性评价和分区,在南海北部陆坡[13]、南堡-曹妃甸海域[14]和莱州湾[15]等区域进行了小范围的宏观评价。然而,这些区域大多位于近海,深远海海底稳定性评价研究还存在较多空白。相较于近海,深远海地质环境复杂,具有勘查难度大、数据精度低和研究成果少等问题,如何基于现有数据资料正确、全面地评价深远海海底稳定性,对于深远海资源开发和工程建设具有深远意义。
海底微地貌是影响深远海海底稳定性的重要因素,不仅其本身的起伏变化会对区域稳定性产生影响,而且常为海底滑坡、陡坎等致灾因子的发育提供条件。基于研究团队前期工作基础,本文选取西太平洋菲律宾海中南部某区域为研究区,利用ArcGIS平台建立研究区DEM(数字高程模型,Digital Elevation Model),提取宏、微观地貌因子(坡度、地形起伏度),结合海底地震、海底底质类型、海底地质灾害等要素,通过模糊数学评价方法将以上要素数字化,综合分析研究区海底稳定性并进行分区,提出了基于微地貌特征的深远海海底稳定性评价方法。研究成果能够为深远海海底稳定性评价提供技术方法参考,丰富深远海海洋地质研究。
1. 研究区概况
研究区地处欧亚板块、印度-澳大利亚和太平洋板块交汇处,位于西太平洋菲律宾海中南部,横跨西菲律宾海盆和帕里西维拉海盆,九州-帕劳海岭从中间穿过,范围为14.5°~17.0°N、132.5°~136.0°E(图1),面积约为1.0×105 km2,海底标高为−6712.8~−1692.2 m。
菲律宾海四周被呈链状的岛弧、海沟包围,中部宽阔,南北窄小,近菱形展布,具有典型的沟-弧-盆体系特征[16]。现有的研究表明,菲律宾海板块自61 Ma开始扩张,期间经历多次旋转、扩张,其形成与演化与太平洋板块运动息息相关[17]。在43 Ma左右,受太平洋板块俯冲影响形成古伊豆-小笠原岛弧[11]。其后,因四国-帕里西维拉海盆扩张影响,古伊豆-小笠原岛弧裂解为九州-帕劳海岭和伊豆-小笠原-马里亚纳弧[18-21]。
研究区受复杂而剧烈的地质作用影响,微地貌单元广泛分布,发育有海山、海丘、山间谷地等多种微地貌单元,其中海山主要发育在九州-帕劳海岭及其西部海盆,海丘、山间谷地则集中分布在海岭东侧的帕里西维拉海盆。研究区能够较为明显地反映出菲律宾海海底地貌特征,利于对其海底稳定性进行研究,具有一定的代表性。
2. 数据来源和分析方法
2.1 数据来源
本文数据主要来源于公共平台公开的海底高程数据,主要有SRTM、ASTER等。利用ArcGIS平台建立研究区海底DEM(DEM即数字高程模型,是通过有限的地形高程数据实现对地面地形的数字化模拟,是用一组有序数值阵列形式表示地面高程的一种实体地面模型),从微观和宏观两个角度提取关键地貌因子;基于全球地震数据(https://earthquake.usgs.gov/earthquakes/search/),运用Kriging插值法对研究区地震区划进行分析;海洋地质灾害分布和底质类型数据来源于对公开数据的处理和识别。
2.2 典型地貌因子计算
坡度(微观地貌因子)和地形起伏度(宏观地貌因子)作为典型的地貌因子,能够代表性地反映海底微地貌特征,参考已有研究成果,本文选择坡度和地形起伏度两个地貌因子进行海底稳定性评价[23-24]。将研究区DEM在ArcGIS平台中以“标准差”的形式进行分类,根据表1中的计算方式,获取研究区坡度和地形起伏度分布特征。
2.3 模糊数学评价
由于影响海底稳定性的因素复杂,稳定性分级界限模糊,加之人们主观上的差异,不易对海底稳定性得出一致评价。因此,综合前人的经验和相关的评价结果,采用模糊数学方法来进行海底稳定性评价工作是可行的。
模糊数学评价是地质评价中常用的一种数学评价方法,可以实现将相对复杂且不够确定的影响因素数学化。研究区位于西太平洋菲律宾海中南部,受制于地理位置和技术条件,很难对其海底稳定性进行精确评价,模糊数学评价法可以利用模糊数学的隶属度和隶属函数理论把定性评价转化为定量评价,从而对研究对象做出一个综合的评价[27]。通过数字化评价指标,综合评定评价指标等级,可以有效减少评价主体间的主观评定误差(图2)。
3. 微地貌特征
3.1 微观地貌因子——坡度
研究区坡度变化范围为0°~58°,平均坡度6.9°,标准差为7.2°,坡度主要集中于0°~15°,表明研究区坡度变化较大,但大部分区域坡度较为平缓。坡度的低值主要集中在研究区的中北部,该区域地形较为平坦,坡度变化较小;研究区东部和西南部地形相对复杂,海山、海丘等地貌单元发育,坡度较高且变化频繁;坡度最大值分布在九州-帕劳海岭,该区域具有较高的高程差,地形起伏大,坡度较高。
3.2 宏观地貌因子——地形起伏度
研究区地形起伏度相对较小,主要集中在44.6 m以下,平均值为31.9 m,最大值仅为344.6 m。低值主要集中在研究区中北部,该区域地形较为平坦,地貌单元类型相对单一;高值集中在九州-帕劳海岭和海山等区域。
3.3 海底底质类型
研究区内底质类型丰富,除常见的远洋黏土外,区域内广泛发育了基岩、铁锰结核和硅藻软泥。基岩硬度相对较高,分布的区域通常具有较大的土体承载力;硅藻软泥则相反,其相对较软,对土体承载力会产生完全不同的影响。
4. 潜在地质灾害分布特征
4.1 海底滑坡
海底滑坡在主、被动大陆边缘广泛发育,可以将失稳的沉积物带到深海盆地[28-33]。九州-帕劳海岭边缘地带不仅有较高的坡度,而且具有很大的高程差,极易发生海底滑坡。研究区中北部地形较为平坦,西部海盆区虽然坡度也比较大,但是高程差相对较低,地貌起伏变化不大,为海底滑坡的低易发区。
4.2 陡坎
陡坎是研究区内一种常见且分布广泛的致灾因子,是指与海底斜坡地形走向平行或近于平行且坡度较大的海底陡坡[34]。受九州-帕劳海岭和大型地貌单元影响,陡坎主要发育在研究区中部和大规模海山、海丘群处,这些区域都具有比较高的高程差和坡度。
4.3 崩塌
崩塌是海底较陡斜坡上的岩土体突然受力而脱离崩落的地质现象,具有较大的破坏性。研究区地形起伏较大,陡坡广泛发育,为崩塌的产生提供了有利条件。区域内大规模海山、山间盆地以及九州-帕劳海岭附近往往都具有较大的地形起伏度和坡度,是崩塌的易发区域。
5. 海底稳定性评价
本文采用模糊数学原理,建立由多种影响因素组成的评价因素集A,构建与影响因素集相匹配的模糊评语集X。通过模糊信息化确定各单一因素对评审等级的归属程度,建立评价因素集A到评语集X的模糊评价矩阵R。利用模糊权值矩阵计算各因素在评价目标中的权重值W,最后运用模糊运算矩阵计算出定量解。
5.1 评价指标
评价指标主要由孕灾背景和潜在地质灾害两个指标组成,其中孕灾背景指标又包括地震区划、微观地貌因子、宏观地貌因子和底质类型四种指标[5]。研究区位于菲律宾海盆中南部,水深为–6712.8~–1692.2 m,区域内无大型地震,受热带气旋影响不大,基于以上特点,综合考虑各个指标特性,将5类指标划分为5个等级,建立海底稳定性评价指标体系(表2)。数据来源于海底地震烈度区划图、海底地质灾害分布图、微观与宏观地貌因子分布图(通过对坡度、坡度变率、坡向、坡向变率、曲率5种微观地貌因子和地表粗糙度、地形起伏度、高程变异系数、地表切割深度4种宏观地貌因子进行综合分析,参考已有研究成果,分别选择坡度和地形起伏度作为微观与宏观地貌因子的指标)以及底质类型分布图。
表 2 海底稳定性评价指标体系Table 2. Evaluation index system for seabed stability指标体系 地震区划 灾害地质 微观地貌因子(坡度) 宏观地貌因子(地形起伏度) 底质类型 1级 地震动峰加速度值=0.05 g,相当于5级地震区 海底火山 0°~3° 0~19 m 基岩 2级 地震动峰加速度值=0.1 g,相当于6级地震区 裂谷 3°~7° 19~45 m 铁锰结壳 3级 地震动峰加速度值=0.15 g,相当于7级地震区 海底滑坡 7°~15° 45~77 m 含铁锰结核的远洋黏土 4级 地震动峰加速度值=0.2 g,相当于8级地震区 陡坎 15°~25° 77~120 m 远洋黏土 5级 地震动峰加速度值≥0.3 g,相当于9级地震区 崩塌 >25° >120 m 硅藻软泥 根据选取的5类评价指标,可以得到稳定性评价因素集A(式1)。
$$ A = \left\{ {{a_1},{a_2},{a_3},{a_4},{a_5}} \right\} $$ (1) a1—地震区划指标,a2—灾害地质指标,a3—微观地貌因子指标,a4—宏观地貌因子指标,a5—底质类型指标。
5.2 海底稳定程度分级
逻辑信息分类法和特征分类法是常用的分级方法,通常将级别划分为3级和5级[35]。考虑到研究区具体情况,本文选择五级分类体系,分为不稳定、较不稳定、中等稳定、较稳定和基本稳定5个等级区,得到模糊评语集X。
$$ X = \{ {v_1},\;{v_2},\;{v_3},\;{v_4},\;{v_5}\} $$ (2) v1—基本稳定,v2—较稳定,v3—中等稳定,v4—较不稳定性,v5—不稳定。
5.3 确定评价因子归属度
评价因子归属度反映了评价因子隶属于评语集的程度,通常由隶属函数确定。由于研究区位于深海,难以用具有连续变化特点的函数对其进行模糊信息化,因此选取具有正态分布特点的“0,0.2,0.5,0.8,1.0,0.8,0.5,0.2,0”作为隶属度函数,对海底稳定性评价因子的影响程度进行表示(表3)。通过例证法、正太型函数分布规律以及专家经验法得到隶属度值,各评价因子的隶属程度应基本相等[23, 36]。
表 3 海底稳定性评价指标隶属度值Table 3. Membership value of evaluation index of seabed stability稳定性
等级评价指标 地震区划 灾害地质 微观地貌因子 宏观地貌因子 底质类型 基本稳定 1级 1级 1级 1级 1级 v1 0.15 0.15 0.15 0.15 0.15 较稳定 2级 2级 2级 2级 2级 v2 0.30 0.30 0.30 0.30 0.30 中等稳定 3级 3级 3级 3级 3级 v3 0.55 0.55 0.55 0.55 0.55 较不稳定 4级 4级 4级 4级 4级 v4 0.80 0.80 0.80 0.80 0.80 不稳定 5级 5级 5级 5级 5级 v5 0.85 0.85 0.85 0.85 0.85 5.4 构建模糊评价矩阵
利用获取的评价指标隶属度值对各评价指标进行量化,得到稳定性评价因素集A到模糊评语集X的模糊评价矩阵R。
$$ R=\left[\begin{array}{ccc}{v}_{1}& {v}_{2}& \cdots {v}_{5}\\ {r}_{11}& {r}_{12}& \cdots {r}_{15}\\ {r}_{21}& {r}_{22}& \cdots {r}_{25}\\ \vdots & \vdots & \vdots \\ {r}_{51}& {r}_{52}& \cdots {r}_{55}\end{array}\right] $$ (3) v1,v2,v3,v4,v5—各评价因子的隶属度值;r1—地震区划指标;r2—灾害地质指标;r3—微观地貌因子指标;r4—宏观地貌因子指标;r5—底质类型指标。
5.5 确定指标权重
评价指标的权重值反映了评价因子间的相对重要性,对海底稳定性评价具有重要意义。本文采用专家评判与层次分析决策相结合的方法确定海底稳定性评价指标的权重值[37]。首先通过专家对各指标的相对重要性进行判断,然后利用层次分析过程建立权重值判别表,得到权重值判别矩阵,最终计算出各评价指标的权重值分配集W(表4)。
表 4 评价指标权重值Table 4. The weight value of the evaluation index评价指标 地震区划 灾害地质 微观地貌因子 宏观地貌因子 底质类型 权重值 0.0882 0.4412 0.2206 0.1471 0.1029 5.6 计算结果
通过建立的模糊关系矩阵R和权值分配集W,以3'×3'大小的网格单元对研究区海底稳定性进行评价,利用模糊运算矩阵得到综合评价结果B。
$$ B = W * R = ({b_1},\;{b_2},\;{b_3},\;{b_4},\;{b_5}) $$ (4) W—权重值分配集,R—模糊评价矩阵,*—模糊变换算子。
评价结果B是基于评价因素集A的综合评价结果,根据模糊数学的最大隶属度原则,取隶属度最大者所对应的等级作为评价单元海底稳定性等级。
5.7 海底稳定性区划
以3'×3'大小的网格为评价单元,依据模糊数学原理构建的模糊综合评价系统进行计算,采用优势合并方法,将优势的等级值作为该区的稳定性等级,得到研究区海底稳定性区划图(图3)。
(1)基本稳定区
研究区基本稳定区主要分布在中北部。该区域地形地貌相对平坦,缺乏大规模地貌单元发育,受宏观、微观地貌因子影响较小。此外,由于构造、岩浆热液等地质运动相对匮乏,灾害地质因子并不发育,仅有局部地区分布少量海底火山,因此具有较高的稳定性。
(2)较稳定区
较稳定区广泛分布在各地貌单元过渡区。该区地形地貌的坡度和地形起伏度通常不大,底质类型多为基岩和铁锰结核,一般受地质灾害影响较小,较为稳定。
(3)中等稳定区
中等稳定区在研究区各个范围内都有发育。该区通常具有一定的坡度和地形起伏度,多位于大规模地貌的过渡区或较为陡峭的微地貌单元处。受地形起伏变化和底质类型影响,局部可能发育海底滑坡等较严重的地质灾害,但总体还是比较稳定。
(4)较不稳定区
较不稳定区零散分布在研究区内。该分区主要位于地形地貌变化较大的区域,可能受海底滑坡、陡坎等地质灾害影响。此外,局部地区的不稳定也可能与硅藻软泥的分布有关。
(5)不稳定区
不稳定区大多位于海山、山间盆地等地形地貌起伏变化较大、坡度较陡的区域。该分区通常受灾害地质因子影响较大,是海底滑坡、陡坎、崩塌等地质灾害的易发区域。这些区域的底质类型多为远洋黏土和硅藻软泥,稳定性相对较低。
6. 结论和建议
(1)西太平洋菲律宾海微地貌单元发育,其海底稳定性与地形地貌变化密切相关。稳定区通常较为平坦,缺乏地貌单元和灾害地质干扰;不稳定区主要集中在九州-帕劳海岭及其西部的海山、山间盆地等大规模地貌单元发育区;较稳定、中等稳定、较不稳定区广泛分布在各地貌单元及地貌单元间的过渡地带。
(2)基于研究区自身特点,选取地震区划、灾害地质、微观地貌因子、宏观地貌因子和底质类型作为评价因子,运用模糊数学原理构建稳定性评价模型,建立了5类5级评价指标体系。评价结果能较为合理地显示研究区海底稳定性,与实际情况基本吻合。
(3)深远海海底稳定性评价对于我国未来的海洋资源开发、海洋经济发展具有重要指导意义。然而,该领域目前还存在很大空白,技术规程有待完善,研究成果也大多集中在近海。建议规范深远海海底稳定性评价体系,为进一步建设深远海海洋工程奠定基础。
-
表 1 评价指标权值判别
Table 1 Evaluation index weight discrimination
断层
断距断层活动
时期古河道
埋深古河道
厚度浅层气 浅埋
基岩断层断距 1 3 3 5 8 8 断层活动时期 1/3 1 1 3 6 6 古河道埋深 1/3 1 1 3 6 6 古河道厚度 1/5 1/3 1/3 1 4 4 浅层气 1/8 1/6 1/6 1/4 1 1 浅埋基岩 1/8 1/6 1/6 1/4 1 1 表 2 各项指标权值
Table 2 Weight of each indicator
断层断距 断层活动时期 古河道埋深 古河道厚度 浅层气 浅埋基岩 0.43 0.21 0.21 0.09 0.03 0.03 表 3 评价指标分级
Table 3 Grading of assessment indices
评价指标 V1 V2 V3 V4 V5 u1/m 0~2 2~8 8~14 14~24 >24 u2 0 1 2~3 4~5 6 u3/m >24 19~24 15~19 12~15 0~12 u4/m 0~1 1~4 4~7 7~11 >11 u5/km2 0~0.08 0.08~0.28 0.28~0.58 0.58~1.30 >1.30 u6/m >13 12~13 10~12 5~10 <5 表 4 断层活动时期影响因子
Table 4 Influence factors of fault action period
风险级别 V1 V2 V3 V4 V5 0 0 0 0 0 0 1 0 1 0 0 0 2~3 0 0 1 0 0 4~5 0 0 0 1 0 6 0 0 0 0 1 表 5 各风险等级评价单元个数及占比
Table 5 Number and proportion of risk assessment units
风险等级 评价单元/个 百分比/% 低风险 233 46.05 较低风险 19 3.75 中风险 107 21.75 较高风险 72 14.23 高风险 75 14.82 表 6 断距及河道埋深单因子高风险等级单元个数
Table 6 The number of single factor high risk grade units of fault distance and river buried depth
风险等级 断距单因子 河道埋深单因子 高风险等级 16个 68个 与综合评价一致为高风险等级 13个 60个 -
[1] 马胜中. 北部湾广西近岸海洋地质灾害类型及分布规律[D]. 中国地质大学(北京)硕士学位论文, 2011 MA Shengzhong. Marine geological disaster factors in Beibu Gulf inshore of Guangxi Province[D]. Master Dissertation of China University of Geosciences (Beijing), 2011.
[2] Carpenter G B, Mccarthy J C. Hazards analysis on the Atlantic outer continental shelf[C]//Proceedings of the Annual Offshore Technology Conference. Houston: OTC, 1980: 419-424.
[3] 李平. 黄河三角洲近岸海底浅表层典型灾害地质类型发育机制及其分区[D]. 中国海洋大学博士学位论文, 2015 LI Ping. Formation mechanism of typical geological hazards and division in the seabed surface and sub-bottom of the yellow river delta inshore[D]. Doctor Dissertation of Ocean University of China, 2015.
[4] 刘守全, 刘锡清, 王圣洁, 等. 南海灾害地质类型及分区[J]. 中国地质灾害与防治学报, 2000, 11(4):39-44 doi: 10.3969/j.issn.1003-8035.2000.04.009 LIU Shouquan, LIU Xiqing, WHANG Shengjie, et al. Kinds of hazardous geology and division in South China Sea [J]. The Chinese Journal of Geological Hazard and Control, 2000, 11(4): 39-44. doi: 10.3969/j.issn.1003-8035.2000.04.009
[5] 陈俊仁, 李廷桓. 南海地质灾害类型与分布规律[J]. 地质学报, 1993, 67(1):76-85 CHEN Junren, LI Tinghuan. Types and distribution of geological hazards in the South China Sea [J]. Acta Geologica Sinica, 1993, 67(1): 76-85.
[6] 张虎男, 陈伟光, 黄坤荣, 等. 华南沿海新构造运动与地质环境[M]. 北京: 地震出版社, 1990: 262-264 ZHANG Hu’nan, CHEN Weiguang, HUANG Kunrong, et al. Neotectonics and Geological Settings of the South China Coasts[M]. Beijing: Seismological Press, 1990: 262-264.
[7] 张虎男. 南海地震活动与区域稳定性评价[M]. 北京: 科学出版社, 2002: 456-493 ZHANG Hu’nan. Seismicity and Regional Stability Evaluation of South China Sea[M]. Beijing: Science Press, 2002: 456-493.
[8] 詹文欢, 钟建强, 刘以宣. 华南沿海地质灾害[M]. 北京: 科学出版社, 1996: 24-71 ZHAN Wenhuan, ZHONG Jianqiang, LIU Yixuan. Geological Hazards of South China Coast[M]. Beijing: Science Press, 1996: 24-71.
[9] 詹文欢, 张乔民, 孙宗勋, 等. 南澎列岛及邻近海域地质地貌与灾害地质分析[J]. 热带海洋学报, 2002, 21(1):11-17 doi: 10.3969/j.issn.1009-5470.2002.01.002 ZHAN Wenhuan, ZHANG Qiaomin, SUN Zongxun, et al. Geologic and geomorphologic characteristics and geological hazards of Nanpeng archipelago and adjacent waters, northeastern South China Sea [J]. Journal of the Tropical Oceanography, 2002, 21(1): 11-17. doi: 10.3969/j.issn.1009-5470.2002.01.002
[10] 周英. 汕头市大陆海岸的主要地质灾害[J]. 热带地理, 2008, 28(4):331-337 doi: 10.13284/j.cnki.rddl.001168 ZHOU Ying. Primary geological hazards to the continental coast in Shantou [J]. Tropical Geography, 2008, 28(4): 331-337. doi: 10.13284/j.cnki.rddl.001168
[11] 广东省海岸带和海涂资源综合调查大队. 广东省海岸带和海涂资源综合调查报告[M]. 北京: 海洋出版社, 1987: 10-108, 140, 379 Guangdong Coast and Coast Resources Survey Team. Comprehensive Investigation Report on Coastal Zone and Marine Resources in Guangdong Province[M]. Beijing: China Ocean Press, 1987: 10-108, 140, 379.
[12] 吴正, 黄山, 胡守春, 等. 华南海岸风沙地貌研究[M]. 北京: 科学出版社, 1995: 31-33 WU Zheng, HUANG Shan, HU Shouchun, et al. Research on the Landforms of the Wind-Drift Sand in South China Coast[M]. Beijing: Science Press, 1995: 31-33.
[13] 黄镇国, 谢先德, 范锦春, 等. 广东海平面变化及其影响与对策[M]. 广州: 广东科技出版社, 2000 HUANG Zhenguo, XIE Xiande, FAN Jinchun, et al. The Sea Level Change in Guangdong and its Influence and Countermeasures[M]. Guangzhou: Guangdong Science and Technology Press, 2000.
[14] 张志忠, 顾兆峰, 刘锡清, 等. 南黄海灾害地质及地质环境演变[J]. 海洋地质与第四纪地质, 2007, 27(5):15-22 doi: 10.16562/j.cnki.0256-1492.2007.05.007 ZHANG Zhizhong, GU Zhaofeng, LIU Xiqing, et al. Hazardous geology and marine geologic environmental evolution in the South Yellow Sea [J]. Marine Geology & Quaternary Geology, 2007, 27(5): 15-22. doi: 10.16562/j.cnki.0256-1492.2007.05.007
[15] 宋亚娅, 张航泊. 基于加权模糊概率的地质灾害易发性评价模型研究[J]. 人民长江, 2020, 51(11):109-115 doi: 10.16232/j.cnki.1001-4179.2020.11.019 SONG Yaya, ZHANG Hangbo. Study on geological hazards susceptibility assessment based on weighted fuzzy probability exponential model [J]. Yangtze River, 2020, 51(11): 109-115. doi: 10.16232/j.cnki.1001-4179.2020.11.019
[16] 陈哲锋, 吴静, 郭玉斌, 等. 层次分析与模糊数学综合评价法在矿山环境评价中的应用[J]. 华东地质, 2018, 39(4):305-310 CHEN Zhefeng, WU Jing, GUO Yubin, et al. Application of AHP and fuzzy mathematics in comprehensive assessment of mine environment [J]. East China Geology, 2018, 39(4): 305-310.
[17] 宋玉鹏, 孙永福, 杜星, 等. 渤海海域海底地质灾害危险性区划[J]. 中国地质灾害与防治学报, 2021, 32(3):140-146 SONG Yupeng, SUN Yongfu, DU Xing, et al. Risk zonation on the submarine geological hazards in Bohai Sea [J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(3): 140-146.
[18] 杨康, 薛喜成, 李识博. 信息量融入GA优化SVM模型下的地质灾害易发性评价[J]. 安全与环境工程, 2022, 29(3):109-118 doi: 10.13578/j.cnki.issn.1671-1556.20210976 YANG Kang, XUE Xicheng, LI Shibo. Geological hazard susceptibility assessment by incorporating information value into GA optimized SVM model [J]. Safety and Environmental Engineering, 2022, 29(3): 109-118. doi: 10.13578/j.cnki.issn.1671-1556.20210976
[19] 陈水满, 赵辉龙, 许震, 等. 基于人工神经网络模型的福建南平市滑坡危险性评价[J]. 中国地质灾害与防治学报, 2022, 33(2):133-140 doi: 10.16031/j.cnki.issn.1003-8035.2022.02-16 CHEN Shuiman, ZHAO Huilong, XU Zhen, et al. Landslide risk assessment in Nanping City based on artificial neural networks model [J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(2): 133-140. doi: 10.16031/j.cnki.issn.1003-8035.2022.02-16
[20] 董津城. 发震断裂的安全距离规定简介:《建筑抗震设计规范》修订简介(五)[J]. 工程抗震, 1999, 4(2):14-16 DONG Jincheng. Brief introduction to the stipulations related safety distance from earthquake causative fault [J]. Earthquake Resistant Engineering, 1999, 4(2): 14-16.
[21] Lv H, Bao D, Wang Z, et al. Identification and characterization of Karst Ancient Channel based on Seismic Multi-attribute[C]//Proceedings of the SPG/SEG Nanjing 2020 International Geophysical Conference. Nanjing: Editorial Department of Petroleum Geophysical Exploration, 2020: 836-839.
[22] Kemp J, Pietsch T, Gontz A, et al. Lacustrine-fluvial interactions in Australia's Riverine Plains [J]. Quaternary Science Reviews, 2017, 166: 352-362. doi: 10.1016/j.quascirev.2017.02.015
[23] Cserkész-Nagy Á, Thamó-Bozsó E, Tóth T, et al. Reconstruction of a Pleistocene meandering river in East Hungary by VHR seismic images, and its climatic implications [J]. Geomorphology, 2012, 153-154: 205-218. doi: 10.1016/j.geomorph.2012.02.025
[24] Li G X, Liu Y, Yang Z G, et al. Ancient Changjiang channel system in the East China Sea continental shelf during the last glaciation [J]. Science in China Series D:Earth Sciences, 2005, 48(11): 1972-1978. doi: 10.1360/04yd0053
[25] Mullins H T, Nagel D K. High-frequency seismic data detect shallow hydrocarbons [J]. World Oil, 1983, 197(6): 133-134,136,138.
[26] Boillot G. Géologie de la Manche Occidentale: Fonds Rocheux, Dépôts Quaternaires, Sédiments Actuels[M]. Paris: Masson, 1964.
[27] Ren J F, Cheng C, Xiong P F, et al. Sand-rich gas hydrate and shallow gas systems in the Qiongdongnan Basin, northern South China Sea [J]. Journal of Petroleum Science and Engineering, 2022, 215: 110630. doi: 10.1016/j.petrol.2022.110630
[28] Lei Y N, Sun J, Wang G J. Simulation of shallow gas invasion process during deepwater drilling and its control measures [J]. Journal of Ocean University of China, 2022, 21(3): 707-718. doi: 10.1007/s11802-022-4855-z
[29] Marcon L, Sotiri K, Bleninger T, et al. Acoustic mapping of gas stored in sediments of shallow aquatic systems linked to methane production and ebullition patterns [J]. Frontiers in Environmental Science, 2022, 10: 876540. doi: 10.3389/fenvs.2022.876540
[30] 王忆非. 辽东湾北部工程地质条件评价[D]. 国家海洋局第一海洋研究所硕士学位论文, 2014 WANG Yifei. Assessment on engineering geological suitability in northern Liaodong Bay[D]. Master Dissertation of The First Institute of Oceanography, SOA, 2014.
-
期刊类型引用(1)
1. 彭祎辉,赵俐红,凌子龙,李沐洁,ENN Shinn Hway. 基于俯冲倾角的马里亚纳海沟挠曲模拟. 海洋地质前沿. 2022(05): 23-32 . 百度学术
其他类型引用(0)