凌晓，刘甲美，王涛，朱月琴，袁玲玲，陈扬洋

(1.中国地质大学(北京)信息工程学院，北京 100083；2.中国地质科学院地质力学研究所，北京 100081；3.新构造运动与地质灾害重点实验室，北京 100081；4.中国地质调查局发展研究中心，北京 100037)

0 引言

地震是诱发滑坡的重要因素，强震可在短时间内诱发大量滑坡，加剧地震所造成的损失，因此对于地震滑坡的研究具有很强的社会和学术意义[1-2]。滑坡危险性评价方法大体上可分为定性评价[3-5]与定量评价。定量评价方法又可分为传统的统计量评价法[6-8]与机器学习评价法[9-11]。定性评价依赖于专家经验[12]，客观性较差，而机器学习方法对于样本的数量、质量要求较高，且需要频繁进行迭代运算与参数调整，不适用于较大的研究区。因此，传统的统计量评价法仍被广泛应用于地震滑坡的危险性评价。

1948年Shannon[13]发表的著名论文《通信的数学理论》标志着信息科学的诞生，Shannon把信息定义为“随机事件不确定性的减少”，并把数学统计方法移植到了通信领域，提出了信息量的概念及信息熵的计算公式。在此基础上,Van[14]提出了信息量模型，这是一种较为客观、适用性较强的统计预测方法，具有分析尺度大、建模流程简单等优点。国内外已有很多学者利用信息量模型进行滑坡危险性评价[15-19]。在信息量模型建模过程中，首先应制定因子分级标准，为了确保结果的准确性，需预先进行单因子统计分析。大部分研究者结合单因子分析结果，采用等间距法进行因子分级，少数研究者则采用自然间断法进行因子分级[19]。……