張 靜 趙超英

1)長安大學(xué)地質(zhì)工程與測繪學(xué)院，西安 710054 2)西部礦產(chǎn)資源與地質(zhì)工程教育部重點(diǎn)實(shí)驗(yàn)室，西安710054

基于BP網(wǎng)絡(luò)模型的運(yùn)城市地裂縫活動(dòng)性預(yù)測研究*

張 靜1)趙超英1，2)

1)長安大學(xué)地質(zhì)工程與測繪學(xué)院，西安 710054 2)西部礦產(chǎn)資源與地質(zhì)工程教育部重點(diǎn)實(shí)驗(yàn)室，西安710054

20世紀(jì)50年代山西斷陷盆地內(nèi)出現(xiàn)了大量的地裂縫群，其中以運(yùn)城盆地最為明顯，在分析該地區(qū)地質(zhì)構(gòu)造背景的基礎(chǔ)上，重點(diǎn)分析了新構(gòu)造運(yùn)動(dòng)、抽水引起的地面沉降、降水量以及地層地貌條件對地裂縫的影響作用;采用BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合地理信息系統(tǒng)(GIS)對地裂縫的活動(dòng)性進(jìn)行了預(yù)測分析，并進(jìn)一步利用已知的地裂縫信息對結(jié)果進(jìn)行了驗(yàn)證，該結(jié)論對該地區(qū)地裂縫的防治區(qū)劃有一定的指導(dǎo)作用。

地裂縫;運(yùn)城市;BP神經(jīng)網(wǎng)絡(luò)模型;地理信息系統(tǒng);活動(dòng)

1 引言

地裂縫是一種表生的漸進(jìn)性地質(zhì)災(zāi)害現(xiàn)象，它是在內(nèi)外力作用下巖石和土層發(fā)生變形，當(dāng)力的作用與積累超過巖土層內(nèi)部的結(jié)合力時(shí)，巖土層發(fā)生破裂，其連續(xù)性遭到破壞而形成的裂隙。近年來，地裂縫災(zāi)害的規(guī)模和頻率都在逐漸加劇，其所經(jīng)之處，地面及地下各類建筑物開裂，路面破壞，地下供水、輸氣管道錯(cuò)斷，不但造成了較大經(jīng)濟(jì)損失，也給居民生活帶來不便，甚至可能導(dǎo)致一系列嚴(yán)重的生態(tài)環(huán)境問題［1］。因此，準(zhǔn)確進(jìn)行地裂縫活動(dòng)強(qiáng)度預(yù)測不僅可以為城市建設(shè)提供地裂縫預(yù)警，還可為政府的整個(gè)防災(zāi)減災(zāi)工作提供科學(xué)的指導(dǎo)依據(jù)。

本文主要是結(jié)合地理信息系統(tǒng)(GIS)和BP神經(jīng)網(wǎng)絡(luò)模型對運(yùn)城市的地裂縫活動(dòng)強(qiáng)度進(jìn)行預(yù)測。地理信息系統(tǒng)(GIS)技術(shù)不僅能有效地管理影響地質(zhì)災(zāi)害發(fā)生的各種內(nèi)在因素，又能有效地管理各種外部動(dòng)力因素，使地質(zhì)災(zāi)害研究工作進(jìn)入一個(gè)新的信息化、數(shù)字化、定量化的階段［2］。而神經(jīng)網(wǎng)絡(luò)模型具有實(shí)現(xiàn)任何復(fù)雜非線性映射的功能以及強(qiáng)大的自適應(yīng)學(xué)習(xí)能力，被廣泛的應(yīng)用在模式識別、分類、噪聲去除等一系列的非線性問題中［3］。基于此，本文首先利用地理信息系統(tǒng)分析和提取了影響運(yùn)城市地裂縫災(zāi)害的各個(gè)影響因子，從而建立各個(gè)致災(zāi)因子專題圖層，并對其進(jìn)行相應(yīng)的量化處理;然后利用BP神經(jīng)網(wǎng)絡(luò)對地裂縫的活動(dòng)強(qiáng)度進(jìn)行學(xué)習(xí)、訓(xùn)練，從而得到全區(qū)的地裂縫活動(dòng)強(qiáng)度分區(qū)圖。

2 研究區(qū)概況

運(yùn)城盆地是山西斷陷盆地中地裂縫分布范圍最廣，發(fā)育規(guī)模最大的區(qū)域［4］，而其中以運(yùn)城市鹽湖區(qū)的地裂縫分布最為密集。研究區(qū)地處山西省西南部，屬運(yùn)城市所轄，位于運(yùn)城盆地中心，東連夏縣，西臨永濟(jì)、臨猗，南依中條山與平陸、芮城為界，北傍稷王山與萬榮、稷山、聞喜相接。地理坐標(biāo)為東徑110°41'23〞～111°12'27〞，北緯34°48'27〞～35°22'30〞。全區(qū)東西長41 km，南北寬62 km，總面積1 237 km2。

該區(qū)域地裂縫發(fā)育及其分布特征主要受下伏基巖的活動(dòng)斷裂及斷裂帶所控制［5］。從全區(qū)來看，地裂縫主要分布在3個(gè)區(qū)域(圖1):其一為上郭-三路里一帶，地裂縫的展布方向主要為NNW-SSE向以及NEE-SWW向;其二為陶村鎮(zhèn)五曹-半坡-陶村一帶，地裂縫的展布方向主要為NNE-SSW向;其三為龍居鎮(zhèn)長江府-羅義-芪盛村一帶，地裂縫的展布方向主要為NNW-SSE向。從地裂縫分布規(guī)模來看其規(guī)模一般在200～2 000 m，最長的可達(dá)5 000 m［6］。

3 BP模型

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neutral Networks，ANN)是由大量簡單的基本單元——神經(jīng)元相互連接，通過模擬人的大腦神經(jīng)處理信息的方式，進(jìn)行信息并行處理和非線性轉(zhuǎn)換的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。由于神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的學(xué)習(xí)功能，可以比較輕松的實(shí)現(xiàn)非線性映射過程，并且具有大規(guī)模計(jì)算的能力，故其在自動(dòng)化、計(jì)算機(jī)和人工智能等領(lǐng)域都取得了廣泛的應(yīng)用，解決了很多傳統(tǒng)方法難以解決的問題［3］。其中誤差反向傳播模型(BP模型)作為一種多層結(jié)構(gòu)的映射網(wǎng)絡(luò)，具有更好的持久性和適時(shí)預(yù)報(bào)性，且被廣泛的應(yīng)用在地裂縫災(zāi)害的研究中［7，8］，故本文選用的網(wǎng)絡(luò)模型為BP網(wǎng)絡(luò)模型。

通常BP神經(jīng)網(wǎng)絡(luò)包含輸入層、多個(gè)隱含層和輸出層，本文建立的BP網(wǎng)絡(luò)為含有一個(gè)隱含層的3層網(wǎng)絡(luò)模型，其網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

BP網(wǎng)絡(luò)模型中各層神經(jīng)元之間分別利用各層輸入向量的權(quán)重系數(shù)和閾值進(jìn)行連接，其各層之間的連接關(guān)系如下所示:

輸入層到隱含層的關(guān)系為:

隱含層到輸出層的關(guān)系為:

其中ai為第i個(gè)輸入，bj為第j個(gè)隱含層節(jié)點(diǎn)輸出，θ1、θ2分別為輸入層和隱含層閾值、vjl分別為輸入層到隱含層和隱含層到輸出層的權(quán)值，f為BP網(wǎng)絡(luò)模型的轉(zhuǎn)移函數(shù)，通常采用Sigmoid函數(shù)，簡稱為S型函數(shù)，如下所示:

圖1 運(yùn)城市地裂縫和斷裂帶分布Fig.1 Distribution of ground fissures and faults in Yuncheng city

圖2 3層BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)Fig.2 Structure of three layer BP neural network

BP網(wǎng)絡(luò)模型就是通過不斷的學(xué)習(xí)和訓(xùn)練，沿誤差最大的方向反傳回去對各層權(quán)值和閾值進(jìn)行調(diào)整，直到誤差小于指定的閾值。設(shè)BP網(wǎng)絡(luò)絕對誤差的均方值為:

其中Dl為第l個(gè)輸出層節(jié)點(diǎn)的目標(biāo)輸出值，則輸出層到隱含層的權(quán)值修正量Δv為(β為學(xué)習(xí)率):

隱含層到輸入層之間的權(quán)重修正值Δwij為(α為學(xué)習(xí)率):

4 基于ANN的地裂縫活動(dòng)強(qiáng)度預(yù)測

4.1 地裂縫影響因素分析與量化

地裂縫發(fā)育密集的區(qū)域地處運(yùn)城盆地新生代沉降區(qū)域，深部地殼界面上隆，淺部地殼處于引應(yīng)力狀態(tài)或弱的擠壓應(yīng)力狀態(tài)，密集而復(fù)雜。因此區(qū)內(nèi)地裂縫的成因主要為區(qū)域新構(gòu)造活動(dòng)、頻繁的地震、過多的降水量以及過量的抽取地下水而引起地面沉降等，另外還與區(qū)域的地層和地貌條件有關(guān)［4］。這些影響因素與地裂縫之間既表現(xiàn)有空間分布上的對應(yīng)性，也表現(xiàn)有相對的時(shí)序特點(diǎn)，且各因素之間反映出相互作用的關(guān)系。

1)構(gòu)造因素分析與量化

根據(jù)對研究區(qū)域的調(diào)查統(tǒng)計(jì)，區(qū)內(nèi)分布有多條活動(dòng)大斷裂，地裂縫大多數(shù)沿活動(dòng)大斷裂展布，且受活動(dòng)大斷裂的控制，因此斷裂是運(yùn)城斷陷盆地構(gòu)造運(yùn)動(dòng)的主要形式。另外，由于區(qū)內(nèi)活斷裂較多，地震活動(dòng)也相對較強(qiáng)。因此，對構(gòu)造因素的量化應(yīng)充分的考慮這兩種因素，在顧及地震影響的條件下，對幾條主要的斷裂帶分別進(jìn)行1000m、1000～2000m、2000～3000m和大于3000m的緩沖分級，將構(gòu)造因素量化為5級，具體的量化結(jié)果見圖3(a)。

2)地面沉降因素分析與量化

過量抽取地下水使地面引起不均勻沉降，斷裂兩側(cè)的不均勻沉降性更為明顯，嚴(yán)重的便以不連續(xù)的斷裂錯(cuò)動(dòng)表現(xiàn)在地表上，形成地裂縫，亦加大了原有的構(gòu)造地裂縫的活動(dòng)與發(fā)展。本文利用InSAR技術(shù)獲取的研究區(qū)域的年形變速率來對影響地裂縫發(fā)育的地面沉降因素進(jìn)行分析和量化處理。從In-SAR形變圖可看出，運(yùn)城市的年形變速率最大可達(dá)5.4 cm，且最大形變區(qū)域位于陶村鎮(zhèn)附近，該地區(qū)也是地裂縫發(fā)育密集的區(qū)域。故地裂縫和地面沉降中心具有很好的一致性。根據(jù)年沉降速率對研究區(qū)域進(jìn)行量化處理，將沉降量＞0 mm的區(qū)域設(shè)為1，沉降量＜10 mm的區(qū)域設(shè)為3，沉降量大于10 mm且小于30 mm的區(qū)域設(shè)為5，沉降量大于30 mm的區(qū)域量化等級為7。具體的量化結(jié)果如圖3(b)所示。

3)降雨量因素分析與量化

研究區(qū)氣侯屬暖溫帶大陸性季風(fēng)氣侯，晝夜溫差大，四季分明。常年降雨量較大，由于大量的雨水、雪水、河水、灌溉用水沿地裂縫滲入和灌入，使地裂縫帶附近的沉積物濕潤軟化并受沖刷作用影響，從而加大了地裂縫活動(dòng)，使其加寬變大，有的地裂縫下部沖刷形成暗溝，加速了地裂縫的活動(dòng)與發(fā)展。因此降水也是該地區(qū)地裂縫災(zāi)害的主要誘發(fā)或影響因素。對研究區(qū)域進(jìn)行量化處理，降雨量小于470 mm的區(qū)域量化等級為3，470～500 mm量化等級為4，大于500 mm量化等級為5，具體的量化結(jié)果見圖3(c)。

4)地層因素分析與量化

地層是地裂縫發(fā)育的介質(zhì)條件。研究區(qū)域內(nèi)大部分為第四系沉積物，出露的地層有新生界第四系中更新統(tǒng)(Q2)、上更新統(tǒng)(Q3)以及全新統(tǒng)(Q4)、太古界涑水群，下元古界中條群、上元古界震旦系、古生界寒武系及奧陶系等。第四系土層是該區(qū)地裂縫的主要發(fā)育介質(zhì)。其中上更新統(tǒng)呈現(xiàn)為淺黃色粉土，具裂隙，厚度75～230 m，在研究區(qū)內(nèi)大面積呈現(xiàn)，故量化等級為5;其次為中更新統(tǒng)和全新統(tǒng)，量化等級為3;其余的地層主要分布在中條山北麓山頂一帶，對區(qū)域的地裂縫研究影響不大，故量化等級為1。量化結(jié)果如圖3(d)所示。

5)地貌因素分析與量化

地貌環(huán)境是地形、土層成因及巖性、水文地質(zhì)特征及構(gòu)造等地質(zhì)條件的綜合反映，因此研究地裂縫災(zāi)害的敏感性還必須同時(shí)考慮地貌因素。本區(qū)地處黃土高原，地形多樣，河谷、塬地、丘陵、山地共存。受地質(zhì)構(gòu)造、新構(gòu)造運(yùn)動(dòng)及地層巖性所控制，按其形態(tài)及成因類型，劃分為6個(gè)區(qū)，分別為中山區(qū)、低山區(qū)、黃土丘陵區(qū)、黃土臺塬區(qū)、山前傾斜平原以及沖積湖平原區(qū)。根據(jù)不同地貌單元的地形特征進(jìn)行量化分區(qū)，沖積湖平原區(qū)量化等級為7，黃土臺塬區(qū)和黃土丘陵區(qū)量化等級為5，中山區(qū)和低山區(qū)量化等級為3，山前傾斜平原區(qū)量化等級為1。量化結(jié)果如圖3(e)所示。

4.2 模型建立

本文利用BP網(wǎng)絡(luò)模型對運(yùn)城市地裂縫的活動(dòng)性進(jìn)行預(yù)測分析，具體的模型建立和分析流程如圖4所示。在選擇網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，選取了僅含一個(gè)隱含層的三層BP網(wǎng)絡(luò)建立模型，其中輸入層數(shù)據(jù)為提取的各個(gè)地裂縫災(zāi)害影響因素，其節(jié)點(diǎn)數(shù)由數(shù)據(jù)的維數(shù)確定，隱含層節(jié)點(diǎn)數(shù)則利用迭代的方法分別計(jì)算其取不同節(jié)點(diǎn)數(shù)時(shí)的均方根誤差進(jìn)行判斷，輸出層節(jié)點(diǎn)數(shù)以地裂縫敏感性系數(shù)作為模型的輸出，故只有一個(gè)輸出節(jié)點(diǎn)。因此，最終確定的網(wǎng)絡(luò)模型結(jié)構(gòu)為5×17×1。

首先提取976個(gè)格網(wǎng)點(diǎn)作為訓(xùn)練樣本，將已發(fā)生地裂縫點(diǎn)的敏感性賦值為1，未發(fā)生的點(diǎn)賦值為0。根據(jù)因素量化的結(jié)果提取各個(gè)因素對應(yīng)的數(shù)值，組成一個(gè)由輸入-輸出模式構(gòu)成的樣本序列。建立含一個(gè)隱含層的三層5×17×1的BP網(wǎng)絡(luò)。以這976組數(shù)據(jù)對模型進(jìn)行學(xué)習(xí)訓(xùn)練，當(dāng)網(wǎng)絡(luò)的所有實(shí)際輸出與其理想輸出較一致時(shí)，表明訓(xùn)練結(jié)束。否則，通過修正權(quán)值，使網(wǎng)絡(luò)的實(shí)際輸出與理想輸出一致。本文中設(shè)訓(xùn)練樣本的平均擬合誤差小于0.1則停止迭代，經(jīng)過4 283次訓(xùn)練后，模型的精度達(dá)到要求。表1列出了幾個(gè)有代表性的地裂縫點(diǎn)的樣本輸入、理想輸出、實(shí)際輸出和輸出誤差。

圖3 地裂縫各影響因素量化圖Fig.3 Quantitative figures of each impact factor of Yuncheng ground fissures

圖4 基于BP網(wǎng)絡(luò)的地裂縫活動(dòng)強(qiáng)度預(yù)測流程Fig.4 Flow chart of intensive forecast of ground fissures based on BP network

表1 神經(jīng)網(wǎng)絡(luò)模型部分樣本值、計(jì)算結(jié)果和誤差Tab.1 Part of sample values，calculated results and errors of neural network model

將量化了的構(gòu)造、地面沉降、降雨量、地層和地貌數(shù)據(jù)輸入到建立的地裂縫活動(dòng)性BP網(wǎng)絡(luò)評價(jià)模型中，得到各點(diǎn)的地裂縫活動(dòng)性系數(shù)，然后利用活動(dòng)性系數(shù)的頻數(shù)分布直方圖(圖5)找出閾值，接著利用空間操作和分析功能將地裂縫的活動(dòng)強(qiáng)度劃分為5個(gè)區(qū)域:M≥0.8，地裂縫活動(dòng)劇烈;0.65≤M＜0.8地裂縫活動(dòng)強(qiáng)烈;0.55≤M＜65地裂縫活動(dòng)中等;0.4≤M＜0.55地裂縫活動(dòng)微弱;0≤M＜0.4穩(wěn)定區(qū)域，最后即可得到一幅直觀的地裂縫活動(dòng)性分區(qū)圖(圖6)。

圖5 地裂縫活動(dòng)性頻數(shù)分布直方圖Fig.5 Histogram of frequency of distribution ground fissures intensity

圖6 運(yùn)城市地裂縫活動(dòng)強(qiáng)度分區(qū)Fig.6 Intensity zoning of ground fissures in Yuncheng city

從圖6可以看出:除個(gè)別點(diǎn)外，地裂縫絕大部分都落在了活動(dòng)性強(qiáng)烈和劇烈的區(qū)域，說明該模型具有較好的效果。地裂縫活動(dòng)劇烈的地方主要集中在上郭-三路里、陶村鎮(zhèn)以及龍居鎮(zhèn)長江府-羅義-芪盛村一帶，這也和該地區(qū)地裂縫的分布狀態(tài)相一致，因此可以看出，本文建立的地裂縫活動(dòng)性分區(qū)圖能夠準(zhǔn)確反映各個(gè)影響因子對運(yùn)城市地裂縫的形成和發(fā)展的影響，具有較好的理論效果。

5 結(jié)論

地裂縫嚴(yán)重制約著運(yùn)城市的城市建設(shè)和發(fā)展，因此，對地裂縫災(zāi)害的活動(dòng)性進(jìn)行分析對該區(qū)域的防災(zāi)減災(zāi)工作具有科學(xué)的指導(dǎo)意義。本文利用神經(jīng)網(wǎng)絡(luò)BP模型通過不斷的學(xué)習(xí)和訓(xùn)練過程對運(yùn)城市的地裂縫活動(dòng)強(qiáng)度進(jìn)行了預(yù)測，并將結(jié)果和實(shí)際的地裂縫現(xiàn)狀進(jìn)行了比較和驗(yàn)證，具有較好的一致性。從計(jì)算結(jié)果和實(shí)際驗(yàn)證可看出，構(gòu)造因素是造成該地區(qū)地裂縫發(fā)育的主要因素，區(qū)內(nèi)地裂縫大部分都分布在幾條大的隱伏斷裂帶附近。另外地震、強(qiáng)降雨量以及過量抽取地下水引起的地面沉降，也對該區(qū)域地裂縫的發(fā)展起著一定的誘發(fā)作用。利用BP網(wǎng)絡(luò)建立的地裂縫活動(dòng)強(qiáng)度分區(qū)圖反映了該區(qū)域地裂縫的總體活動(dòng)趨勢，對該地區(qū)的地裂縫災(zāi)害防治指導(dǎo)工作以及城市建設(shè)等均具有應(yīng)用價(jià)值。

1 武強(qiáng)，等.基于GIS與ANN耦合技術(shù)的地裂縫災(zāi)情非線性模擬預(yù)測系統(tǒng)——以山西榆次地裂縫災(zāi)害為例［J］.地震地質(zhì)，2002，24(2):249-257.(Wu Qiang，et al.Hazard assessment system for ground fissure based on coupling of ANN and GIS—A case study of ground fissures in Yuci City，Shanxi Province［J］.Seismology and Geology，2002，24(2):249-257)

2 Jiang Xiaobo and Cui Peng.Hazards assessment of regional Debris flow based on geographic information science［J］.Wuhan University Journal of Natural Sciences，2007，12 (4):651-656.

3 葛哲學(xué)，孫志強(qiáng).神經(jīng)網(wǎng)絡(luò)理論與MATLAB R2007實(shí)現(xiàn)［M］.北京:電子工業(yè)出版社，2007.(Ge Zhexue and Sun Zhiqiang.Neural network theory and MATLAB R2007 realization［M］.Beijing:Electronic Industry Press，2007)

4 武強(qiáng)，姜振泉，李云龍著.山西斷陷盆地地裂縫災(zāi)害研究［M］.北京:地質(zhì)出版社，2002.(Wu Qiang，Jiang Zhenquan and Li Yunlong.The ground fissure hazard research on Shanxi graben basin［M］.Beijing:Geology Publishing House，2002)

5 徐繼山，等.運(yùn)城盆地地裂縫特征及機(jī)理分析［J］.地質(zhì)災(zāi)害與環(huán)境保護(hù)，2010，21(2):97-100.(Xu Jishan，et al.Characteristic and mechanism analysis of ground fissures in Yuncheng basin［J］.Journal of Geological Hazards and Environment Preservation，2010，21(2):97-100)

6 唐立忠，等.山西省運(yùn)城市鹽湖區(qū)地質(zhì)災(zāi)害調(diào)查與區(qū)劃報(bào)告［R］.山西省國土資源廳，2006.(Tang Lizhong，et al.Investigation and regionalization report of geological hazard in Yanhu district of Yuncheng city，Shanxi Province［R］.Department of Land and Resources of Shanxi Province，2006)

7 朱興賢，于軍，武健強(qiáng).基于ANN的蘇錫常地裂縫預(yù)測研究［J］.中國地質(zhì)災(zāi)害與防治學(xué)報(bào)，2006，17(2):28-31.(Zhu Xingxian，Yu Jun and Wu Jianqiang.Prediction of ground fissures in Suzhou_Wuxi_Changzhou area based on ANN analysis［J］.Zhongguo Dizhizaihai Yufangzhi Xuebao，2006，17(2):28-31)

8 賀炳炎，崔建軍.基于BP神經(jīng)網(wǎng)絡(luò)的地裂縫活動(dòng)強(qiáng)度預(yù)測——以西安地裂縫為例［J］.災(zāi)害學(xué)，2010，25(4): 38-42.(He Bingyan and Cui Jianjun.Prediction of activity intensity of ground fissures based on BP neural network—A case study of Xi’an ground fissures［J］.Journal Of Catastrophology，2010，25(4):38-42)

PREDICTION OF ACTIVITY INTENSITY OF GROUND FISSURES IN YUNCHENG CITY WITH BP NEURAL NETWORK MODEL

Zhang Jing1)and Zhao Chaoying1，2)

(1)College of Geology Engineering and Geomatics，Chang’an University，Xi’an 710054 2)Key Laboratory of Western China’s Mineral Resources and Geological Engineering，Ministry of Education，Xi’an 710054)

Since the 1950s，hundreds of ground fissures have occurred in Shanxi Graben basin，which is especially obvious in Yuncheng basin.The intensive ground fissures hazard seriously constrained the urban construction and economic development of the studied area—Yuncheng city.By thoroughly analyzing the geological tectonic background of this area，we focused on the influences of new tectonic activity，ground subsidence caused by excessive water withdrawn，rainfall，stratum and geomorphology conditions on the ground fissures，and predicted the activity of ground fissures by combining BP neural network with GIS，and finally verified it with the known fissures information.A very satisfying conclusion is summarized and it will play a directive role in the prevention and mitigation of ground fissures disaster in this region.

ground fissure;Yuncheng city;BP model;GIS;activity

1671-5942(2012)03-0059-05

2011-12-19

國家自然科學(xué)基金(40802075，41072266);國土資源部地質(zhì)大調(diào)查項(xiàng)目(1212011120069)

張靜，女，1984年生，博士生，主要從事GIS災(zāi)害研究和InSAR數(shù)據(jù)處理.E-mail:woshijing-001@163.com

P207

A