2019, Vol.39
2 陕西省地表系统与环境承载力重点实验室, 陕西 西安 710127;
3 西北大学地表系统与灾害研究院, 陕西 西安 710127)
黄土高原地貌类型复杂多样[1~2]，其中黄土丘陵是黄土高原面积最为辽阔的地貌类型。黄土丘陵区地面崎岖，地形破碎，沟谷密度大，加上黄土层沉积厚度大，土质结构松散，垂直节理裂隙发育，在雨水丰润的季节，滑坡灾害发生频繁[3~6]。根据大量的野外调查发现，黄土高原丘陵区沟道两侧在雨季常发生滑坡，尤其以浅层滑坡最为多见，造成了巨大的生命财产损失[7~8]。因此，对浅层黄土滑坡进行稳定性评价是进行灾害监测预警的重要环节，对防灾减灾和地区规划建设具有十分重要的意义。
滑坡的稳定性评价一直是滑坡灾害领域的研究热点。滑坡的稳定性评价方法众多，一般分为定性评价和定量评价。定性评价方法依据历史滑坡所处的地质和地貌环境，凭借专家的个人经验结合地质地貌等各类因素预测其他具有相似条件的滑坡，存在很强的主观性[9]。定量评价方法应用广泛，主要包括解析法和数值法等[10~12]。随着计算机技术的进步和地理信息技术的发展[13~14]，以及对稳定性定量评价方法的深入研究，研究者们基于极限平衡理论提出了多种用于评价区域滑坡的确定性模型[15~19]，其中SINMAP(Stability Index Mapping)模型在数据有限的情况下允许对大范围的滑坡进行快速有效的稳定性分析，许多研究者成功的将该模型应用到各个不同国家的滑坡发生区，并获得了令人满意的结果[20~22]。在预测降雨引发浅层滑坡的评价方面，Protong等[23]应用SINMAP模型分析了不同气候变化模式情境下的滑坡灾害风险；Zydroń等[24]应用SINMAP模型评价波兰喀尔巴阡山地区降雨条件下的敏感性，通过实际调查浅层滑坡位置与评价结果较一致；庄建琦等[25]通过与SINMAP模型做对比评价所构建的不同降雨条件下的黄土地区浅层滑坡评价模型的精度，得到在降雨强度30 mm时两种模型的浅层滑坡危险性评价结果较一致；魏兴丽等[26]利用SINMAP模型评价了舟曲县不同降雨条件下的地质灾害危险性。考虑到SINMAP模型在浅层滑坡预测中的优势，并且在志丹县黄土丘陵地区利用确定性模型分析浅层滑坡稳定性的研究较少，本文应用SINMAP模型对延安市志丹县境内的浅层黄土滑坡进行了稳定性评价。
黄土滑坡的发生受到众多因素的综合影响[27~29]，其中降雨和人类活动是最重要的诱发因素[30~31]。志丹县属于典型黄土丘陵区，黄土滑坡为该地区分布最多的地质灾害，境内大部分黄土滑坡由降雨引发，其他由人类活动诱发如工程建设活动、开挖坡脚等。其中，浅层黄土滑坡发育数量众多，数量占总滑坡数的85 %。浅层黄土滑坡是黄土地区分布广泛且极具破坏性的地质灾害类型[7, 31]。从区域角度考虑，选择合适的评价模型评价浅层滑坡的稳定性，认识浅层黄土滑坡的发育规律，不但可以为地区工程建设和经济规划提供依据，而且可以直接为政府防灾减灾工作提供决策支持。
基于此，本文利用野外地面调查、无人机航测及遥感解译的96个浅层滑坡点，通过室内实验得到基本的物理力学参数，采用SINMAP模型对研究区进行不同降雨量下的浅层滑坡稳定性评价，分析已发生浅层滑坡的地形条件，对不同降雨等级下的稳定性面积、滑坡点数量和密度进行分析，并以近期实地调研的浅层滑坡进行模型评价结果的验证。
1 研究区概况研究区位于陕西省延安市志丹县(图 1a和1c)，地处黄土高原腹地，属于典型的黄土梁峁丘陵沟壑地貌，地表沟壑纵横，梁峁密布，地形起伏大，沟长坡陡。流域内以第四纪黄土沉积为主，黄土总厚度为150~180 m，中更新统离石黄土厚60~100 m左右，上更新统马兰黄土厚10~20 m，河谷两侧发育有新近系和白垩系基岩地层[32](图 1b)。志丹县年均降水量为474.2 mm，季节分配不均匀，主要集中在6~9月，降水强度最大的是7月，平均日降水量8.6 mm，日最大降水量103.1 mm，小时最大降水量42.9 mm，特殊的黄土性质加上强降雨的作用极易诱发浅层滑坡。志丹县境内地质构造稳定，没有大的构造断裂发育，地震发生的频率和强度均较低[33]。研究区地质环境条件差、人口密度较大、人类工程活动强度大，为志丹县滑坡分布最集中的地方。
|
图 1 研究区位置及滑坡点分布 (a)黄土高原及延安市位置；(b)志丹县位置；(c)流域地质图及滑坡点和采样点 Fig. 1 Location of the study area and landslides distribution. (a)The location of Loess Plateau and Yan'an City; (b)The location of Zhidan County; (c)The geologic map of drainage area and locations of landslides and sampling sites |
第四纪黄土根据性质、特征可分为全新统黄土、上更新统马兰黄土、中更新统离石黄土和下更新统午城黄土；上更新统马兰黄土常以披盖式覆盖在研究区的老地层之上[4, 32, 34]。流域内上部马兰黄土成分以粉土为主，粉粒含量高，粘土颗粒含量较低，多见大孔隙，垂直节理发育，抗雨水冲刷能力弱，在雨季容易诱发黄土滑坡[35]。志丹县境内的浅层黄土滑坡主要分布在沟谷两侧，经过实地勘察，研究区流域内的大部分黄土滑坡为浅层滑坡，流域内的滑坡点共有120个，其中浅层滑坡(T厚度≤10 m)的数量为96个，占总滑坡数量的80 %，平均深度为8 m；中层滑坡(10 m＜T厚度≤25 m之间)24个，占20 %，无厚层以上滑坡。按滑坡体积规模分类，本次调查小型滑坡(V体积≤10×104 m3)的数量为17个，占总滑坡数量的17.7 %；中型滑坡(10×104 m3＜V体积≤100×104 m3)的数量为79个，占总滑坡数量的82.3 %；本次野外调查未发现大型和巨型浅层滑坡。浅层黄土滑坡的黄土结构类型主要为黄土层内滑坡、黄土-红粘土接触面滑坡以及黄土-基岩接触面滑坡(图 2)。黄土层内滑坡(图 2a)主要由马兰黄土组成，坡度较大；黄土-红粘土接触面滑坡体(图 2b)上部的马兰及离石黄土结构疏松、垂直节理发育、透水性强，下部的红粘土粘粒含量高易形成相对隔水层，在黄土与红粘土接触面上黄土容易软化形成滑动带，滑体在自身重力作用下沿滑动带下滑；黄土-基岩接触面滑坡由上部的马兰、离石黄土及下部的基岩两部分组成(图 2c)，层次清晰，主要发育在周河主河道河谷两侧。通过野外调查对流域内的滑坡体进行采样，采样位置有6处，采样点编号位置见图(1b)，在每处采样点采3个环刀样和1 kg滑体土，然后对取回的土样进行基本物理力学性质参数的测定。经过室内土工实验包括烘干法、环刀法、塑液限联合测定法和环剪实验得到含水率、容重、干密度、孔隙比、塑限、液限、内摩擦角和粘聚力参数，对每个采样点的3个样品的物理力学参数值取平均值，最后得到黄土滑坡体的物理力学性质如表 1。
|
图 2 浅层黄土滑坡类型 (a)黄土层内滑坡；(b)黄土-红粘土接触面滑坡；(c)黄土-基岩接触面滑坡 Fig. 2 Shallow loess landslide types. (a)Landslide in the loess layer; (b)Loess-red clay interface landslide; (c)Loess-bedrock interface landslide |
|
表 1 黄土滑坡体的物理力学性质 Table 1 Physical and mechanical properties of loess landslide |
SINMAP模型是由Pack等[36]开发，该模型耦合了无限斜坡稳定性模型和水文模型用于评价地表斜坡稳定性，以稳定指数SI(stability index)来定义斜坡的稳定程度。SINMAP模型假设参数在不确定的边界上均匀分布；在一个平行于地表面且忽略其边缘作用的软弱结构面上，使地表土层稳定的抗滑力与使之不稳定的滑动力之比就是安全系数(FS)，如公式(1)：
|
(1) |
公式(1)中，C为土壤和树根结合的无量纲内聚力，C=(Cr+Cs)/(hρsg)，其中Cr为植物根系粘聚力(N/m2)，Cs为土壤自身粘聚力(N/m2)，h为土壤深度(m)，ρs为土壤密度(kg/m3)，g为重力加速度(9.81 m/s2)；a为比集水面积(m2/m)；θ为地形坡度(°)；ϕ为土壤内摩擦角(°)；r为水与土壤密度之比；R为稳定状态时的流量(有效降雨量m/d)，T为滑坡体导水系数(m2/d)；模型确定地形湿度指数的最大值为1，超出量用于形成地表径流。
稳定性指数SI定义为：根据安全系数(FS)，用概率方法得到地表斜坡在一定随机分布的参数区间内保持稳定的可能性，SI=Prob(FS> 1)，SI分级取值范围及对应的稳定状态分级[25, 37]如表 2。对SINMAP模型的更多解释和详细的计算方法可以参阅网站http://hydrology.usu.edu/sinmap2/。
|
|
表 2 稳定性分级 Table 2 Stability class definitions |
SINMAP模型利用研究区基本数据包括Grid DEM和滑坡数据，输入参数内聚力C、土壤内摩擦角ϕ、土壤密度ρs和土体导水系数与有效降雨量之比T/R，计算出研究区的浅层滑坡稳定性指数SI。在ArcGIS软件平台下采用流域地形分析中常用的D∞算法，根据Grid DEM对流域进行划分，同时计算坡度、坡向、单位汇水面积及流向等，然后耦合TOPMODEL的模型算法计算湿度指数模型[37]。在大范围区域地表性质不均一的情况下，利用各种专题图件如土地利用、地质、地貌、植被覆盖等生成校准区，以分别率定各校准区参数，包括C、T/R、tanϕ的取值区间，最后生成地表稳定性指数分级图，利用滑坡数据来检验结果的准确性。
3.3 数据准备与参数设置本文用于模型输入的数据有30 m分辨率的格网DEM数据和根据遥感影像解译及野外调查获取的滑坡数据。由于研究区具有相似的地质环境条件，因此研究区划分为同一校准区，输入同一参数进行模拟运算。模型输入的初始参数包括湿度、内聚力C、内摩擦角ϕ、土壤密度ρs，这些参数通过室内土工实验及根据黄土沟壑区域土壤的相关实验研究成果[34, 38~39]进行选取，如表 3，其中C为无量纲内聚力，是土壤粘聚力(Cs)10~35 kPa、植被粘聚力(Cr)8~20 kPa、土壤密度(ρs)以及平均土壤深度(h)8 m通过本章3.1中无量纲内聚力C的计算方法得到。降雨参数T/R作为单一变量考虑，通过模型的反复运算在T/R参数设置范围在1000~3000范围时，流域内大于1的饱和因子空间分布与真实水系空间分布情况类似，根据志丹县多年平均日降雨量8.6 mm作为稳定状态时的有效降雨量R，推算得到研究区内的导水系数T大约为8.6~25.8 m2/d。根据降雨等级划分标准24小时内0.1~9.9 mm为小雨、10.0~24.9 mm为中雨、25.0~49.9 mm为大雨、50~99.9 mm为暴雨以及100~200 mm为大暴雨；并结合志丹县多年平均降雨量，选取志丹县多年平均日降雨量8.6 mm和各降雨等级的分界点降雨量值15 mm、25 mm、50 mm和100 mm，根据推算得到的导水系数T得到对应的降雨参数T/R值如表 4。
|
|
表 3 模型选取参数值 Table 3 Input parameter values for SINMAP model |
|
|
表 4 不同降雨量下的T/R参数值 Table 4 T/R parameter values under different precipitation |
通过对模型的物理力学参数进行设置后，SINMAP模型会对原始导入的DEM数据进行填洼处理，然后利用D∞算法生成坡度、河流流向、比集水面积图(图 3)，其中比集水面积表示单位等高线长度的上坡区域面积。
|
图 3 稳定性评价因子 Fig. 3 Stability evaluation factors |
地形地貌条件往往是地质灾害评价必不可少的因素[40~42]，对滑坡发育及稳定性有非常重要的影响。为分析研究区浅层滑坡在地形条件上的分布规律，利用ArcGIS 10.2生成研究区的坡度、坡向，对流域内滑坡的地形影响因子包括高程、坡度和坡向进行统计，以分析得到滑坡发生的地形条件。图 4统计结果表明滑坡发生在坡度为20°~51°的范围内，其中54 %的滑坡发生在30°~40°的坡度区间(图 4a)。滑坡在坡度为20°~51°的分布规律上这一结果同样在其他研究者的研究结果中得到[36, 43~44]。滑坡的高程分布范围为1302~1606 m，其中82.7 %的滑坡分布在高程1362~1545 m范围中(图 4b)。从滑坡坡向分布统计图上看(图 4c)，滑坡在各个斜坡坡向上均有发生，阴坡的发生数量多于阳坡，西向和西北向浅层滑坡最为发育。
|
图 4 滑坡点地形因子统计 Fig. 4 Topographic factor statistics of landslide points |
首先选择多年平均日降雨量为8.6 mm的T/R参数值得到研究区的地表稳定性分布图。将稳定性评价结果与96个滑坡点进行统计(表 5)，研究区整体稳定性较高，基本稳定、稳定及极稳定的区域面积为493.36 km2，占整个流域面积的90.88 %，且有66.85 %的地区为极稳定状态，极稳定地区分布在谷底及相邻坡度平缓的地方。潜在不稳定到极不稳定的面积为49.52 km2，占流域总面积的9.12 %，主要位于河流两岸和支沟坡度较大和重力侵蚀强烈的坡面，极不稳定的面积非常小，只占流域总面积0.07 %，落到极不稳定地区的滑坡点最少。从滑坡密度上看，从极稳定到基本稳定的滑坡密度分别为0.01个/m2、0.06个/m2和0.27个/m2，滑坡密度小。从潜在不稳定到极不稳定的滑坡密度在逐级增加，分别为1.19个/m2、2.57个/m2和15.00个/m2，极不稳定区域的滑坡密度最大，说明滑坡在极不稳定区发生的可能性最高。流域内的72个滑坡分别落到不稳定、潜在不稳定地区和极不稳定地区，占总滑坡数量的75 %，证明模型在该区域模拟评价良好，结果可信。
|
|
表 5 研究区地表稳定性分级统计 Table 5 Statistical summary of the surface stability analysis in the study area |
为了评价研究区在不同等级降雨量下的稳定性，在其他土壤物理力学参数不变的条件下，选择表 4中不同降雨量下的T/R参数值，得到不同等级降雨量条件下的滑坡稳定性结果。从图 5和图 6中可以看出随着降雨量的增大，不稳定的红色区域在明显增加，其中极不稳定的面积变化量微小，不稳定和潜在不稳定的面积随着降雨级别的提高而明显增加。在降雨量为8.6 mm、15 mm、25 mm、50 mm和100 mm时不稳定区域(包括极不稳定、不稳定和潜在不稳定)面积分别占研究区总面积的9.12 %、18.93 %、23.17 %、30.94 %和38.67 %，不稳定面积随着降雨量增加而扩大但不超过整个研究区面积的一半。基本稳定的面积在降水量由8.6 mm变化为15 mm即由小雨转变为中雨时基本稳定的面积增加量最大，随后降雨量分别增加到25 mm(大雨)、50 mm(暴雨)、100 mm(大暴雨)时，基本稳定的面积增幅不明显；稳定的面积在由8.6 mm(小雨)逐渐增加为100 mm(大暴雨)的过程中先增加后减少；极稳定的面积随着降雨量的逐级增加而大幅减少。由此可以得出：随着降雨量的增大，潜在不稳定和不稳定的面积会逐渐扩大，极稳定的部分地方也会降低稳定指数慢慢转化为潜在不稳定区，潜在不稳定区逐渐转化为不稳定区，极不稳定区始终位于坡度大且水流侵蚀强烈的地方，变化幅度小。
|
图 5 不同降雨量下稳定性等级所占面积 Fig. 5 Area of stability level under different precipitation |
|
图 6 不同降雨量下的滑坡稳定性分级图 Fig. 6 Landslide stability classification map under different precipitation |
随着降雨量的增加，不同稳定性等级的地表面积发生不同的变化，滑坡点所处位置的稳定性也在相应发生变化。从表 6的统计中得到，在降雨量为8.6 mm(小雨)时，研究区内有75 %的滑坡点分布在不稳定区(SI < 1)；在降雨量达到15 mm(中雨)时，研究区内80.2 %的滑坡点分布在不稳定区(SI < 1)；在降雨量达到25 mm(大雨)时，研究区内88.5 %的滑坡点分布在不稳定区(SI < 1)；在降雨量达到50 mm(暴雨)时，研究区内94.8 %的滑坡点分布在不稳定区(SI < 1)；在降雨量达到100 mm(大暴雨)时，研究区内95.8 %的滑坡点分布在不稳定区(SI < 1)。随着降雨等级提高，越来越多的滑坡点由稳定转为不稳定，在降雨量增加到100 mm时，95.8 %的滑坡点分布在不稳定区(SI < 1)，由此也反映出SINMAP模型的预报精度基本可信。在降雨量增加的过程中，潜在不稳定的滑坡数量所占百分比是最大的，但是由于潜在不稳定所占的面积与极不稳定和不稳定等级所占的面积相比是最大的(如图 5)，使得潜在不稳定的滑坡密度较小；而极不稳定的滑坡数量较少但是滑坡密度最大，因而在极不稳定的地区更容易发生滑坡。从滑坡密度随稳定性面积的变化上看，在降雨量由8.6 mm转变为100 mm的过程中，各个稳定性等级下的滑坡密度均有所减小，极不稳定区的滑坡密度始终是最大的，其次为不稳定和潜在不稳定区的滑坡密度。在不稳定区(SI < 1)面积随降雨量增加而增加的过程中，落入不稳定区(SI < 1)的滑坡数量在增加，滑坡密度减小主要是由于不稳定面积在大幅增加；稳定区(SI> 1)的面积随降雨量增加而减小，落入稳定区(SI> 1)的滑坡数量也在减少，滑坡密度减小主要是由于稳定的滑坡数量在减少。
|
|
表 6 不同降雨量下SINMAP模型模拟的滑坡点稳定性 Table 6 Stability of landslide point simulated by SINMAP model under different precipitation |
为了进一步验证模型稳定性评价的合理性，对该流域进行了野外滑坡调查。如图 7的5个滑坡位于周河支流的谷坡上，坡度较大，受到降雨及坡脚洪水的冲刷而引发滑坡，在降雨量为8.6 mm的稳定性模拟中处于不稳定和潜在不稳定区域，反映出模型评价结果是基本可信的。由于SINMAP模型的分析建立在格网DEM的基础上，数字高程模型的精度会影响模型的评价结果。在研究区人类经济建设活动较强烈的地区，受到黄土丘陵地貌的限制，为了修建道路、扩展经济活动范围，人为的开挖边坡，改变现有的地表形态，多会引发边坡的不稳定，而现有的地形资料无法反映人为因素改变的地形，因此会影响模型的评价精度。模型的评价结果虽然不能反映人为因素引发的滑坡状况，但是根据模型模拟的斜坡稳定性状态可以预防并有效规避易发生滑坡的不稳定区，在进行工程建设活动时应避免选择在极不稳定、潜在不稳定和不稳定的地区进行施工开挖等活动。
|
图 7 研究区浅层滑坡稳定性评价结果验证 Fig. 7 Verification of the results of shallow landslide stability evaluation in the study area |
(1) SINMAP模型的模拟结果显示研究区整体稳定性程度较高，在降雨量为8.6 mm、15 mm、25 mm、50 mm和100 mm时不稳定区域(包括极不稳定、不稳定和潜在不稳定)面积分别占研究区总面积的9.12 %、18.93 %、23.17 %、30.94 %和38.67 %，不稳定面积随着降雨量增加而扩大但不超过整个研究区面积的一半。从滑坡密度上看，极不稳定区滑坡密度最大，其次为不稳定和潜在不稳定。
(2) 随着降雨量的增大，不同稳定性等级的地表面积发生不同的变化，滑坡点所处位置的稳定性也在相应发生变化。潜在不稳定和不稳定区域的面积会逐渐扩大，极稳定的部分地方也会降低稳定指数慢慢转化为潜在不稳定区，潜在不稳定区逐渐转化为不稳定区，极不稳定区始终位于坡度大且水流侵蚀强烈的地方，变化幅度小。随着不同稳定性面积的变化，统计结果显示不同稳定性的滑坡密度整体在减小，极不稳定区滑坡密度依然最大。在降雨量由8.6 mm增加到100 mm时，不稳定区(SI < 1)内的滑坡数量由75 %增加到95.8 %，通过野外滑坡的调查验证，验证的滑坡点位于降雨量为8.6 mm时模型模拟的不稳定和潜在不稳定区域，反映出SINMAP模型的预报精度基本可信。
(3) 浅层滑坡的稳定性很大程度上依赖于当地的地形条件。通过对发生的浅层滑坡进行地形因子提取，结果显示：滑坡分布在坡度为20°~51°的范围内，滑坡的高程分布范围为1302~1606 m，在坡向上阴坡的发生数量多于阳坡，西向和西北向浅层滑坡最为发育。
(4) 流域内的滑坡多属降雨诱发的山体滑坡，确定性模型SINMAP为预测这一类滑坡提供了强大的工具，不仅评估了现有的已发生的滑坡的稳定性，也预测了未来在不同降雨条件下可能发生滑坡的地区，可以为预防和减轻滑坡灾害带来的损失，合理的城市规划，道路选址等提供参考。
6 讨论(1) 本文的研究区位于志丹县典型黄土丘陵区，流域内浅层黄土滑坡的数量占滑坡总数的80 %，对浅层黄土滑坡进行稳定性评价，不仅有助于认识浅层黄土滑坡的发生发展过程，而且对防灾减灾和地区规划建设具有十分重要的指导意义。利用SINMAP模型评价浅层黄土滑坡在不同降雨阈值下的稳定性，稳定性评价结果中极不稳定区域的滑坡密度大，随着降雨量的增加，不稳定面积逐渐扩大，大于75 %的滑坡点落在极不稳定、潜在不稳定、不稳定的等级中，通过实际野外的滑坡调查也显示出模型的评价精度，表明SINMAP模型适合评价黄土丘陵地区浅层黄土滑坡的稳定性，能够很好的反映不同降雨量诱发的浅层黄土滑坡灾害响应。
(2) SINMAP模型输入的内摩擦角和粘聚力参数值采用的是内摩擦角和粘聚力的参数区间范围，避免了引入难以确定的单一参数值的缺点，流域内黄土物理力学参数的空间差异性对结果的影响小。SINMAP模型基于DEM来定量计算栅格单元上的稳定值，受到30 m分辨率地形精度的影响，实际地形中的微地貌陡坎、沟壑难以在DEM中细致的表达出来，近期人类工程建设活动对地形的改造也会影响到模型评价的精度，这是使少数不稳定区的分布位置与实际斜坡的稳定状况不一致的原因。
致谢: 衷心地感谢审稿专家和编辑部杨美芳老师对本文提出的宝贵修改意见。
| [1] |
袁宝印, 汤国安, 周力平, 等. 新生代构造运动对黄土高原地貌分异与黄河形成的控制作用[J]. 第四纪研究, 2012, 32(5): 829-838. Yuan Baoying, Tang Guo'an, Zhou Liping, et al. Control action on the geomorphic differentiation in Loess Plateau and the formation of Yellow River by Cenozoic tectogenesis[J]. Quaternary Sciences, 2012, 32(5): 829-838. DOI:10.3969/j.issn.1001-7410.2012.05.01 |
| [2] |
丁辉, 张茂省, 李林. 西北黄土高原区滑坡遥感解译研究——以陕西延安、宁夏彭阳等地为例[J]. 第四纪研究, 2011, 31(6): 1077-1085. Ding Hui, Zhang Maoxing, Li Lin. Interpreting landslides in the northwestern Loess Plateau using remote sensing images[J]. Quaternary Sciences, 2011, 31(6): 1077-1085. DOI:10.3969/j.issn.1001-7410.2011.06.15 |
| [3] |
张茂省, 李同录. 黄土滑坡诱发因素及其形成机理研究[J]. 工程地质学报, 2011, 19(4): 530-540. Zhang Maoxing, Li Tonglu. Triggering factors and forming mechanism of loess landslides[J]. Journal of Engineering Geology, 2011, 19(4): 530-540. DOI:10.3969/j.issn.1004-9665.2011.04.014 |
| [4] |
杨少辉.黄土丘陵区地质灾害发育特征及规律研究——以黄陵县为例[D].西安: 长安大学硕士论文, 2010: 1-45. Yang Shaohui. Study on the Growing Characteristics and Rules of the Geological Hazards on Loess Plateau-Taking Huangling County as An Example[D]. Xi'an: The Master's Thesis of Chang'an University, 2010: 1-45. |
| [5] |
Zhang M, Jie L. Controlling factors of loess landslides in Western China[J]. Environmental Earth Sciences, 2010, 59(8): 1671-1680. DOI:10.1007/s12665-009-0149-7 |
| [6] |
邱海军, 胡胜, 崔鹏, 等. 黄土滑坡灾害空间格局及其空间尺度依赖性研究[J]. 第四纪研究, 2017, 37(2): 307-318. Qiu Haijun, Hu Sheng, Cui Peng, et al. Pattern analysis of loess landslides and their scale dependency[J]. Quaternary Sciences, 2017, 37(2): 307-318. |
| [7] |
辛星, 张帆宇. 三维确定性模型在浅层黄土滑坡稳定性预测中的应用[J]. 工程科学学报, 2018, 40(4): 397-406. Xin Xing, Zhang Fanyu. Application of a 3D deterministic model for predicting shallow loess landslide stability[J]. Chinese Journal of Engineering, 2018, 40(4): 397-406. |
| [8] |
黄玉华, 冯卫, 李政国. 陕北延安地区2013年"7.3"暴雨特征及地质灾害成灾模式浅析[J]. 灾害, 2014, 29(2): 54-59. Huang Yuhua, Feng Wei, Li Zhengguo. Characteristics and geological disaster mode of the rainstorm happened on July 3.2013 in Yan'an area[J]. Journal of Catastrophology, 2014, 29(2): 54-59. DOI:10.3969/j.issn.1006-4362.2014.02.011 |
| [9] |
彭令, 牛瑞卿, 陈丽霞. GIS支持下三峡库区秭归县滑坡灾害空间预测[J]. 地理研究, 2010, 29(10): 1889-1898. Peng Ling, Niu Ruiqing, Chen Lixia. Landslide hazard spatial prediction in Zigui County of the Three Gorges Reservoir area based on GIS[J]. Geographical Research, 2010, 29(10): 1889-1898. |
| [10] |
李世海, 刘天苹, 刘晓宇. 论滑坡稳定性分析方法[J]. 岩石力学与工程学报, 2009, 28(S2): 3309-3324. Li Shihai, Liu Tianping, Liu Xiaoyu. Analysis method for landslide stability[J]. Chinese Journal of Rock Mechanics and Engineering, 2009, 28(S2): 3309-3324. |
| [11] |
陈国华.滑坡稳定性评价方法对比研究[D].北京: 中国地质大学硕士论文, 2006: 8-31. Chen Guohua. Comparative Research of Landslide Stability's Evaluation Methods[D]. Beijing: The Master's Thesis of China University of Geoscience, 2006: 8-31. http://cdmd.cnki.com.cn/Article/CDMD-10491-2007011898.htm |
| [12] |
殷跃平, 张作辰, 黎志恒, 等. 兰州皋兰山黄土滑坡特征及灾度评估研究[J]. 第四纪研究, 2004, 24(3): 302-310. Yin Yueping, Zhang Zuochen, Li Zhiheng, et al. Occurrence and hazard assessment on loess landslide of Gaolanshan in Lanzhou[J]. Quaternary Sciences, 2004, 24(3): 302-310. DOI:10.3321/j.issn:1001-7410.2004.03.009 |
| [13] |
吴树仁, 董诚, 石菊松, 等. 地质灾害信息系统研究——以重庆市丰都县为例[J]. 第四纪研究, 2003, 23(6): 683-691. Wu Shuren, Dong Cheng, Shi Jusong, et al. Study of geological hazard information system:An example from the Fengdu County in the Chongqing City[J]. Quaternary Sciences, 2003, 23(6): 683-691. DOI:10.3321/j.issn:1001-7410.2003.06.012 |
| [14] |
曹瑜, 吴文祥, 刘嘉麒, 等. 黄土高原的地理信息系统(GIS)试研究[J]. 第四纪研究, 2001, 21(2): 108-113. Cao Yu, Wu Wenxiang, Liu Jiaqi, et al. Preliminary study on Loess Plateau with GIS[J]. Quaternary Sciences, 2001, 21(2): 108-113. DOI:10.3321/j.issn:1001-7410.2001.02.003 |
| [15] |
Lee J H, Park H J. Assessment of shallow landslide susceptibility using the transient infiltration flow model and GIS-based probabilistic approach[J]. Landslides, 2016, 13(5): 885-903. DOI:10.1007/s10346-015-0646-6 |
| [16] |
Baum R L, Coe J A, Godt J W, et al. Regional landslide-hazard assessment for Seattle, Washington, USA[J]. Landslides, 2005, 2(4): 266-279. DOI:10.1007/s10346-005-0023-y |
| [17] |
Xie Mowen, Zhou Guoyun, Esaki T. GIS component based 3D landslide hazard assessment system:3D slope GIS[J]. Chinese Geographical Science, 2003, 13(1): 66-72. DOI:10.1007/s11769-003-0087-3 |
| [18] |
Wu W, Sidle R C. A distributed slope stability model for steep forested basins[J]. Water Resources Research, 1995, 31(8): 2097-2110. DOI:10.1029/95WR01136 |
| [19] |
Montgomery D R, Dietrich W E. A physically based model for the topographic control on shallow landsliding[J]. Water Resources Research, 1994, 30(4): 1153-1171. DOI:10.1029/93WR02979 |
| [20] |
Liu C, Hu M, Lu P, et al. Assessment of regional shallow landslide stability based on airborne laser scanning data in the Yingxiu area of Sichuan Province(China)[J]. European Journal of Remote Sensing, 2016, 49: 835-860. DOI:10.5721/EuJRS20164944 |
| [21] |
Dias A A V, Gunathilake A A J K. Evaluation of Sensitivity of the WAA and SINMAP Models (Static) for Landslide Susceptibility Risk Mapping in Sri Lanka[M]. Boston: Springer International Publishing, 2014: 167-173.
|
| [22] |
Edirisooriya K V D, Vitanage N S, Uluwaduge P, et al. Understanding disaster risk and mitigation special reference to Ratnapura district[J]. Procedia Engineering, 2018, 212: 1034-1039. DOI:10.1016/j.proeng.2018.01.133 |
| [23] |
Protong S, Carling P A, Leyland J. Climate change and landslide risk assessment in Uttaradit Province, Thailand[J]. Engineering Journal, 2018, 22(1): 243-255. DOI:10.4186/ej |
| [24] |
Zydroń T, Bucała A, Demczuk P. Analysis of rainfall-induced shallow landslides in Jamne and Jaszcze stream valleys (Polish Carpathians)-Preliminary results[J]. Annals of Warsaw University of Life Sciences-SGGW Land Reclamation, 2016, 48(1): 27-40. DOI:10.1515/sggw-2016-0003 |
| [25] |
庄建琦, 彭建兵, 张利勇. 不同降雨条件下黄土高原浅层滑坡危险性预测评价[J]. 吉林大学学报(地球科学版), 2013, 43(3): 867-876. Zhuang Jianqi, Peng Jianbing, Zhang Liyong. Risk assessment and prediction of the shallow landslide at different precipitation in Loess Plateau[J]. Journal of Jilin University (Earth Science Edition), 2013, 43(3): 867-876. |
| [26] |
魏兴丽, 何建勋, 于国强. 不同降雨特征条件下舟曲县地质灾害危险性区划[J]. 水土保持通报, 2016, 36(3): 224-229. Wei Xinli, He Jianxun, Yu Guoqiang. Risk zoning of regional geo-hazards under different rainfall characteristics in Zhouqu County[J]. Bulletin of Soil and Water Conservation, 2016, 36(3): 224-229. |
| [27] |
裴艳茜, 邱海军, 胡胜, 等. 中巴经济走廊地质灾害敏感性分析[J]. 第四纪研究, 2018, 38(6): 1369-1383. Pei Yanqian, Qiu Haijun, Hu Sheng, et al. Susceptibility analysis of geo-hazards in China-Pakistan Economic Corridor[J]. Quaternary Sciences, 2018, 38(6): 1369-1383. |
| [28] |
宿星, 孟兴民, 王思源, 等. 陇中黄土高原典型地区滑坡特征参数统计及发育演化机制研究——以天水市为例[J]. 第四纪研究, 2017, 37(2): 319-330. Su Xing, Meng Xingmin, Wang Siyuan, et al. Statistics of characteristic prameters and evaluationary mechanism of landslides in typical area of Longzhong Loess Plateau:A case study of Tianshui City[J]. Quaternary Sciences, 2017, 37(2): 319-330. |
| [29] |
张宗祜. 环境地质与地质灾害[J]. 第四纪研究, 2005, 25(1): 1-5. Zhang Zonghu. Environmental geology and geological hazard[J]. Quaternary Sciences, 2005, 25(1): 1-5. DOI:10.3321/j.issn:1001-7410.2005.01.001 |
| [30] |
胡胜, 邱海军, 王新刚, 等. 基于高分辨地形的黄土滑坡特征参数提取及其应用意义[J]. 第四纪研究, 2017, 37(2): 367-379. Hu Sheng, Qiu Haijun, Wang Xingang, et al. Extracting characteristic parameters of loess landslides based on high-resolution topography and its application prospect[J]. Quaternary Sciences, 2017, 37(2): 367-379. |
| [31] |
Zhuang J, Peng J, Wang G, et al. Distribution and characteristics of landslide in Loess Plateau:A case study in Shaanxi Province[J]. Engineering Geology, 2018, 236: 89-96. DOI:10.1016/j.enggeo.2017.03.001 |
| [32] |
曹林昌, 白建义. 志丹县志[M]. 西安: 陕西人民出版社, 1996: 13-20. Cao Linchang, Bai Jianyi. Annals of Zhidan County[M]. Xi'an: Shaanxi People's Publishing House, 1996: 13-20. |
| [33] |
景娇.陕北黄土高原高速黄土滑坡成因机理及稳定性研究[D].西安: 长安大学硕士论文, 2014: 7-15. Jing Jiao. Study on the Genetic Mechanism and Stability of the High-Speed Loess Slope in Loess Plateau in Northern Shaanxi[D]. Xi'an: The Master's Thesis of Chang'an University, 2014: 7-15. |
| [34] |
张乘千.延安市降雨与黄土滑坡相关性分析[D].西安: 长安大学硕士论文, 2014: 17, 41-46. Zhang Shengqian. Study on Correlation between Rainfall and Loess Landslides in Yan'an[D]. Xi'an: The Master's Thesis of Chang'an University, 2014: 17, 41-46. http://cdmd.cnki.com.cn/Article/CDMD-10710-1014070942.htm |
| [35] |
Qiu H, Cui P, Regmi A D, et al. The effects of slope length and slope gradient on the size distributions of loess slides:Field observations and simulations[J]. Geomorphology, 2018, 300: 69-76. DOI:10.1016/j.geomorph.2017.10.020 |
| [36] |
Pack R T, Tarboton D G, Goodwin C N. GIS based landslide susceptibility mapping with SINMAP[C]//Bay J A. Proceedings of the 34th Symposium on Engineering Geology and Geotechnical Engineering(34), 1999: 219-231.
|
| [37] |
武利. 基于SINMAP模型的区域滑坡危险性定量评估及模型验证[J]. 地理与地理信息科学, 2012, 28(2): 35-39. Wu Li. A SINMAP-based quantitative assessment and model verification of regional landslide hazard[J]. Geography and Geo-Information Science, 2012, 28(2): 35-39. |
| [38] |
王刘华.延安地区典型滑坡的形成机理研究[D].西安: 长安大学博士学位论文, 2014: 28-41. Wang Liuhua. The Research on the Formation Mechanism of the Typical Landslide in Yan'an Area[D]. Xi'an: The Doctor's Thesis of Chang'an University, 2014: 28-41. |
| [39] |
康超, 谌文武, 张帆宇, 等. 确定性模型在黄土沟壑区斜坡稳定性预测中的应用[J]. 岩土力学, 2011, 32(1): 207-210. Kang Chao, Zhan Wenwu, Zhang Fanyu, et al. Application of deterministic model to analyzing stability of hillslope of loess gully area[J]. Rock and Soil Mechanics, 2011, 32(1): 207-210. DOI:10.3969/j.issn.1000-7598.2011.01.033 |
| [40] |
殷志强, 许强, 赵无忌, 等. 黄河上游夏藏滩巨型滑坡演化过程及形成机制[J]. 第四纪研究, 2016, 36(2): 474-483. Yin Zhiqiang, Xu Qiang, Zhao Wuji, et al. Study on the developmental characteristic, evolution processes and forming mechanism of Xiazangtan super large scale landslide of the upper reaches of Yellow River[J]. Quaternary Sciences, 2016, 36(2): 474-483. |
| [41] |
金家梁, 王盈, 袁仁茂, 等. 基于确定性系数方法的龙门山地区地震滑坡影响因子敏感性分析——以汶川地震与芦山地震诱发滑坡为例[J]. 第四纪研究, 2018, 38(2): 355-366. Jin Jialiang, Wang Ying, Yuan Renmao, et al. Susceptibility analysis on factors of co-seismic landslides in the Longmenshan area based on the certainty factor method-Case study of the Wenchuan and Lushan earthquake-induced landslides[J]. Quaternary Sciences, 2018, 38(2): 355-366. |
| [42] |
杨冬冬, 胡胜, 邱海军, 等. 基于模糊层次分析法对"一带一路"重要区域地质灾害危险性评价——以关中经济区为例[J]. 第四纪研究, 2017, 37(3): 633-644. Yang Dongdong, Hu Sheng, Qiu Haijun, et al. Danger assessment of geological disasters in important region of "The Belt and Road" based on FAHP-A case study of Guanzhong economic region[J]. Quaternary Sciences, 2017, 37(3): 633-644. |
| [43] |
Nery T D, Vieira B C. Susceptibility to shallow landslides in a drainage basin in the Serra do Mar, Sło Paulo, Brazil, predicted using the SINMAP mathematical model[J]. Bulletin of Engineering Geology and the Environment, 2015, 74(2): 369-378. DOI:10.1007/s10064-014-0622-8 |
| [44] |
Terhorst B, Kreja R. Slope stability modelling with SINMAP in a settlement area of the Swabian Alb[J]. Landslides, 2009, 6(4): 309-319. DOI:10.1007/s10346-009-0167-2 |
2 Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity, Xi'an 710127, Shaanxi;
3 Institute of Earth Surface System and Hazards, Northwest University, Xi'an 710127, Shaanxi)
Abstract
The geological environment of the loess hilly region is fragile, and it is easy to induce shallow loess landslides during the rainy season. Zhidan County is a typical loess hilly region, where the loess landslide is widely distributed and the shallow loess landslides account for 85% of the total number of landslides. The research area is located in Zhidan County of Shaanxi Province, where the geological environment condition is poor and shallow landslides account for 80% of the total landslides. Evaluation of shallow landslides stability is not only conductive to understand the occurrence and development of shallow landslide, but also of great significance for disaster prevention and regional planning. In this paper, 96 shallow landslides were acquired through field investigation, aerial survey by UAVs and interpretation by satellite image. The basic physical and mechanical parameters were obtained through laboratory experiments. The SINMAP model was used to evaluate the stability of shallow landslide under different rainfall conditions in the study area. Then the area of stability regions, the number of landslide points and landslide density under different rainfall levels were analyzed. The simulation results of SINMAP model show that the overall stability of the study area is relatively high. When the precipitation value is 8.6 mm, 15 mm, 25 mm, 50 mm and 100 mm, the area falling in instable classes (including high instable, instable and potentially instable)accounts for 9.12%, 18.93%, 23.17%, 30.94% and 38.67% of the total area respectively, and the unstable area does not exceed half of the area of the watershed. The landslide density of the high instable class is the largest, followed by the instable and potential instable class. The areas expand in instable classes with the increase of precipitation values, and the areas in high instable classes located in the place with steep slope and intensive fluvial erosion has a small change in area. The stability of shallow landslide depends a great extent on the local topography conditions:the elevation is between 1302~1606 m, the slope is between 20°~51°, and the largest number of shallow landslides is in the westward and northwest slope. Finally, the stability simulation results by SINMAP model is verified through landslide field investigation. SINMAP model provides a powerful tool to predict the stability of rainfall induced shallow loess landslides. It not only evaluates the stability of existing landslide, but also predicts the potential landslide in the future under different rainfall conditions, which will be helpful to prevent and mitigate the loss caused by landslide disaster and provide reference for reasonable urban planning and road siting.