中国滑坡灾害多发,尤其是西南部地区,地形起伏较大,植被繁茂,地表岩体松软,雨量丰沛,是滑坡灾害发生的危险区。滑坡发生后,往往造成房屋损毁、人员伤亡、道路掩埋等灾害,严重威胁着国家和人民的生命财产安全。随着社会发展,人类的生活区域向山区不断扩张,山体滑坡造成的损失逐年上升。
研究发现,浅表层土质滑坡是分布广泛、暴发频率高、持续危害性较大的地质灾害之一。此类滑坡的形成与其发育地形、土质条件及外界降雨因素密切相关(朱云波,2015;王彦汶,2017)。在地质构造、地貌、水位埋深、植被覆盖、降雨、人为破坏等众多滑坡诱发因素中,降雨是主要且常见因素。因此,对滑坡与降雨之间的关系进行研究,将对滑坡的预测、预报和防治起到重要作用(张玉成等,2007)。
数值分析办法广泛用于处理边坡稳定性问题(俸锦福,2006)。常用变形预测模型有回归分析模、灰色模型、时间序列分析模型和神经网络模型等(张伟等,2008;彭正明等,2012)。灰色系统分析方法对于信息不完整或不完全的实际情况具有良好的适用性,其中的GM(1, 1)灰色预测模型在滑坡预报中优势明显(杨宇等,2018)。
四川省阿坝州理县蒲溪乡村民开挖坡脚,修建房屋,对当地环境造成一定影响。近年来,受气候波动加剧,降雨强度增大影响,该乡河坝村完全中心小学后山老滑坡区恢复活动,变形迹象日益明显。为此,当地政府建设防护坝,并建设GNSS实时监测网,实时监测该边坡变形过程,及时提供边坡危险性预警预报。文中运用灰色关联法,计算各监测点变形与降雨的关联度,明确变形过程中形变—降水的关联关系,并选用GM(1, 1)灰色预测模型预测边坡变形量,进而评价治理工程效果,为类似边坡的稳定性分析和防治提供借鉴。
1 边坡特征 1.1 边坡形态特征理县位于四川省西部,青藏高原东侧,阿坝藏族羌族自治州东南缘,地质构造运动强烈,滑坡、泥石流等地质灾害频发。理县蒲溪乡河坝村完全中心小学后山边坡为一老滑坡区。该区位于理县蒲溪乡河坝村,蒲溪沟右岸,乡政府、卫生院及博爱小学后侧,与县城距离约20 km,有G317及乡级公路相通。
近年来,因村民修建房屋,开挖坡脚,致使山坡前缘临空。随着气候变化加剧,该区降雨强度增大。在诸因素的诱发下,边坡形变量陡增。在原有滑坡区9条裂缝的基础上,2014年5月形成新的变形区,出现地表拉裂、鼓胀、下挫及挡墙剪切错断等现象(图 1)。变形特征主要表现为边坡后缘沿坡面出现拉张裂缝以及左右侧缘剪切裂缝。因该边坡变形加剧,危险性增高,当地县政府对边坡进行应急抢险治理,工程于2014年10月9日完成。
河坝村边坡平面形态近似半圆形(图 1)。其前缘高程1 874 m,后缘高程1 944 m,相对高差约70 m。地形坡度约32°,边坡主轴长约110 m,横宽约150 m。根据现场调查,变形体平均厚度12 m,方量约18×104 m3,为中型土质坡体。边坡的主变形方向为245°,属于推移式变形。边坡后缘以变形体陡缓交界处为界,后缘裂缝发育,发现3条拉张裂缝(图 1),边坡后缘以上陡坡坡度约40°,探槽揭示陡坡上坡积物厚度较薄,3 m左右,下伏基岩为志留系茂县群第三组灰黑色绢云千枚岩夹变质板岩。
2 监测布置及结果为了监测边坡整体变形,建设6个GNSS观测点,组成边坡变形实时监测网。观测点布设原则如下:在边坡影响范围外选定1个稳定基准点(编号8001),在变形坡体和防护坝上选建另外5个监测点(编号8002—8006),其中监测点8002—8005分别架设在4个滑动层上,监测点8006建在防护坝上;边坡监测点沿变形方向呈线型布设;除8006测点,其他监测点位采用三角布设,三角形顶角指向与变形方向一致(杨宇等,2018),测点位置见图 2。监测点埋设仪器观测墩并架设GNSS(GPS与北斗)连续观测仪器,仪器型号为国产“司南M300型GNSS接收机”,采样间隔5 s,观测精度为毫米级,对边坡变形体进行地表的水平与垂直位移监测。
2014年8月8日,监测仪器安装调试成功后进行监测。每5 s利用单历元定位算法计算观测点的三维坐标值。受停电、仪器故障等因素的影响,观测数据完整率为61.87%。GNSS观测结果包含东(E)、北(N)、上(U)三分量数据,其中监测点8002、8003、8004观测数据的时间范围是2014年8月至2017年4月,监测点8005、8006观测数据的时间范围是2015年12月至2017年4月,监测点位移变化曲线见图 3。
由图 3可知,监测点位移变化较大,其中:①同一监测点位移变化量:E分量>U分量>N分量,说明E分量更接近主形变方向;②监测点总位移:监测点形变量8005>8004>8003>8002,因监测点8006布设在拦坝上,形变量较小。鉴于监测点由高到低布设,此变化趋势说明越靠近坡顶,位移变化越大;③各监测点年变化量:2015年>2014年>2016年。
监测点E、N、U三分量位移变化趋势一致,且边坡处于持续缓慢变形之中,变化过程可分为6个阶段,其中2014年8—10月、2015年7—8月和10—11月变化较快;其他时段,特别是2016年以来,各测点以均匀速度向下滑动,变化相对平缓。与其他监测点相比,监测点8005垂直方向变化较大,但其他3个监测点2016年U分量年变量小于2015年,排除整个坡体向下坍塌的可能。
2.2 边坡变形与降雨量关系降雨诱发滑坡是一种常见自然灾害。周国兵等(2003)通过对大量滑坡进行统计,发现96.7%以上的滑坡由降雨诱发所致,其中24 h降雨是主要因素,与连续降雨累积值也有一定关系。
研究区位于下孟(海拔1 900 m,年均降雨量为598 mm,干燥度为1.66)和薛城(海拔1 648 m,年均降雨量为483 mm,干燥度为2.02)之间,属半干旱气候。蒲溪乡河坝村降雨量少,但降水相对集中,雨季(5—9月)降雨量占全年的71.6%,且常出现局部地域性暴雨和冰雹。蒲西乡气象站距研究区10 m,观测的最大日降水量为55.9 mm,小时降水量为22.3 mm。收集研究区2014年8月7日至2017年4月30日降水资料,对部分缺少日期的数据,进行5点滑动平均值插值预处理。计算监测点水平变形和垂直变形,选取滑动时间窗,拟合窗内变形观测数据曲线的斜率得到平均变形速率,同时叠加月降雨量,结果见图 4。由图 4可见,在2014年8—10月、2015年7—8月和11月监测点变形速率较大,明显高于其他时间段;变形速率峰值滞后于月降雨量峰值,可能是因为降雨渗入、浸润、软化土体需要一个过程(张玉成等,2007)所致;2014年边坡变形速率大于2015年同期,应与防护坝建设有关,表明边坡治理取到一定成效。
灰色预测法是一种对含有不确定因素的系统进行预测的方法,用观测到的反映预测对象特征的时间序列来构造灰色预测模型,预测某个时间是否会发生某种“灾变”,或某个异常值可能出现的时间。理县边坡的变形时间序列符合离散光滑的特点,使用灰色预测模型可取得较好的预测结果。基于此,利用灰色理论系统对变量进行相关性分析,研究降雨对边坡稳定性的影响程度。鉴于GM(1, 1)模型具有需求数据少,建模灵活,易于应用的特点,适用于受降雨影响的滑坡分析(张伟等,2008),因此选取该模型进行边坡分析。
3.1 GM(1, 1)灰色预测模型对原始数据序列X0作一次累加,生成X1,GM(1, 1)模型的相应微分方程为
$ \frac{{{\rm{d}}{X_1}}}{{{\rm{d}}t}} + a{X_1} = \mu $ |
其中a为发展灰数,μ为内生控制灰数。利用最小二乘法求解,可得到预测模型,公式如下
$ {X_1}\left( {k + 1} \right) = \left[ {{X_0}\left( 1 \right) - \frac{\mu }{a}} \right]{{\rm{e}}^{ - ak}} + \frac{\mu }{a}\;\;\;\;k = 0,1,2, \ldots ,n $ |
关联度分析是分析系统中各因素关联程度的方法,灰色关联法通过计算系统特征变量序列与相关性因素变量序列之间的关联度,建立灰关联矩阵,利用优势分析原则,得出各影响因素的顺序(邓聚龙,2005)。关联度的计算,实质上是对时间序列数据进行几何关系比较,序列间的关联度以各个时刻的关联系数平均值表征(代贞伟,2016)。由边坡变形速率与月降雨量曲线(图 4)可知,边坡水平和垂直变形速率极大值点出现在月降雨量达到峰值或者持续集中降雨时段,说明边坡变形与降雨有较好的相关性。
据代贞伟(2016)的研究,前1—2个月的有效降雨量对边坡变形有明显促进作用。为进一步分析边坡变形与降雨的关系,采用定量灰度关联法,以监测点8002—8006的变形速率为系统特征变量,前1月降雨量、前2月降雨量为相关因素变量,获取2014—2017年研究区边坡变形速率与降雨量的灰色关联度,结果见表 1。由表 1可见:①变形速率与影响因素关联度:对于水平变形速率,监测点8002的前1个月与前2个月降雨量关联度一致,监测点8003—8006的前1个月降雨量关联度较大;对于垂直变形速率,监测点8003的前1个月与前2个月降雨量关联度一致,监测点8002、8004—8006的前1个月降雨量关联度较大。因此,前1个月降雨为理县边坡变形的主要影响因素;②监测点变形速率与影响因素关联度:同一监测点,除监测点8003位于中部变形层,其水平变形与降雨的灰色关联度更大,其他测点的垂直变形与降雨量的灰色关联度较大;不同监测点对降雨的响应程度存在差异,边坡区中轴左侧测点关联度较大。
为更好地判断降雨量对边坡变形的影响程度,统计研究区2014—2015年边坡变形速率与前1个月和前2个月降雨量的灰色关联度,结果见表 2。由表 2可见:①水平变形速率与其影响因素关联度前1个月降雨量较小;②同一监测点,水平变形的灰色关联度较大,且低于2014—2017年的结果,表明2016年以后,降雨对滑坡变形的影响增大。
2014年5月研究区边坡变形加剧变化,当地政府开展边坡应急治理抢险工程,于当年10月完工。利用GM(1, 1)模型,对监测点8002—8006的水平变形数据进行预测,其中模型的均方差比值C<0.35,小误差概率P>0.95,表明模型精度等级较好。将预测值与实际监测值进行对比,结果见图 5。由图 5可见:①5个监测点实测值均在2016年6月出现拐点,水平变形量小于预测值,且随着时间增加,差值越来越大;②边坡上部各监测点的水平变形量与预测值的差值较下部更大(图 5),说明抗滑防护坝在建设完成1年7个月后发挥了较好的工程效果。
以理县蒲溪乡河坝村边坡治理为例,通过GNSS实时监测获得边坡变形量化信息,揭示边坡危险性变化过程。利用灰色关联性确定降雨是边坡变形的主要影响因素,并利用GM(1, 1)模型预测滑坡变形,评价防治工程效果,结论如下。
(1)边坡不同监测点变形—降雨的灰色关联分析结果与蒲西乡边坡实际破坏现象相吻合,总体变化较大,中轴左侧测点关联度大于右侧。因边坡地形陡峭,且毗邻居住区,滑坡危险性高且危害更大。
(2)降雨是该地区边坡变形的主导因素,水平和垂直变形与降雨量的灰色关联度基本相同;不同监测点对降雨的响应程度存在差异,边坡上部测点关联度小于下部测点,与坡体的变形破坏现象相吻合,且在防护坝建设后,降雨与边坡变形的关联度更大。
(3)2016年6月以后,监测点的实测水平变形量小于预测值,且差值随时间增加越来越大;与降雨的关联度增大,说明防护坝建设1年7个月后,边坡变形速率逐渐减缓,防护工程的治理效果逐渐显现。
代贞伟, 魏云杰, 吕韬, 等. 三峡区某滑坡变形影响因素的灰色关联分析[J]. 中国地质灾害与防治学报, 2016, 27(1): 32-37. |
邓聚龙. 灰色系统基本方法[M]. 武汉: 华中科技大学出版社, 2005.
|
俸锦福. 向家山滑坡机理及稳定性研究[D]. 重庆大学, 2006.
|
彭正明, 王腾军, 曹冬冬, 等. GM(1, 1)模型的改进及其在变形预测中的应用[J]. 地球科学与环境学报, 2012, 34(4): 102-106. |
王彦汶. 武威天梯山石窟陈列馆滑坡体稳定性分析及治理措施[D]. 兰州大学, 2017.
|
杨宇, 种华介, 常鸣, 等. 四川月儿田滑坡变形监测分析及治理效果评价[J]. 人民长江, 2018, 49(23): 87-91. |
张伟, 须鼎兴, 程效军. 基于灰色神经网络模型的建筑物变形预测方法研究[J]. 科学决策, 2008, 11061106(11): 181-182. |
张玉成, 杨光华, 张玉兴. 滑坡的发生与降雨关系的研究[J]. 灾害学, 2007, 22(1): 82-85. |
周国兵, 马力, 廖代强. 重庆市山体滑坡气象条件等级预报业务系统[J]. 应用气象学报, 2003, 14(1): 122-124. |
朱云波. 浅表层土质滑坡起动地形、降雨因素分析——以贵州望谟"6. 6"灾害为例[D]. 成都理工大学, 2015.
|