高速公路路堤边坡土体为典型的非饱和土，运营期间受降雨入渗、地下水位波动及冻融循环等自然因素的影响，导致路基土的湿度由填筑结束时的最佳含水率附近逐渐过渡到平衡湿度状态^[1]。潮湿多雨地区，如我国东南地区各省份，雨量充沛，降雨集中且持续，导致路堤边坡土体在一定程度上发生湿化。诸多研究表明，随着含水率的增大，及反复波动，边坡土体的抗剪强度显著降低，并易引发滑坡、失稳，从而影响高速公路的正常使用^[2-5]。尤其是对于我国东南地区广泛分布的花岗岩残积土，具有遇水极易软化、崩解的特性，使得花岗岩残积土路堤边坡对湿度的敏感性更大^[6]。因此，掌握边坡土体在实际运营过程中的湿度特征，可以为高速公路的结构设计和运营维护提供重要数据支撑。

边坡土体的湿度特征可以从体积含水率和基质吸力两个角度进行反映。降雨作为滑坡的主要诱发因素，其主要机理是：降雨入渗边坡使得边坡非饱和土带土体的基质吸力降低，使得土体的抗剪强度降低，进而导致边坡稳定性降低，甚至滑坡^[7-8]。考虑基质吸力对土体抗剪强度的影响时，计算得到的边坡安全系数有显著增大^[9-10]。因此，掌握边坡非饱和带中基质吸力在运营期的变化情况，对于研究降雨型滑坡，具有重要意义。

国内外已有学者对边坡的实测湿度或基质吸力特征展开了相关研究。早期比较典型的是1982年，Sweeney在边坡上开挖了2个混凝土监测井，在井中不同深度上安置快拔型张力计，对边坡非饱和带的基质吸力进行了历时1年多的监测^[10]。国内部分结构也针对不同土质类型边坡，采用监测井、传感器，结合钻孔开挖的方式，监测不同深度土体的湿度特征变化^[11-14]。土体湿度特征的监测是长期耗时的过程，短期的监测并不能反映边坡内部湿度的真实情况。而路基断面形式和填料土质均对边坡湿度特征有所影响，针对花岗岩残积土半填半挖式路堤边坡湿度特征的研究鲜有报道。本研究依托江西省安远至定南高速公路项目，重点对花岗岩残积土路堤边坡土体的体积含水率和基质吸力进行长期跟踪监测，分析边坡土体的基质吸力和体积含水率的时空分布规律，以期为边坡的稳定性分析提供数据支撑。

被监测边坡位于江西省安远至定南高速公路的联络线上。监测断面为半填半挖式路基断面形式，填高约11 m，挖方约20 m，路基宽度为21.5 m。路基填料系典型的花岗岩残积土，按照《公路土工试验规程(JTG E40—2007)》^[15]测试其基本工程特性。该处花岗岩残积土的液限ω_L 62%；塑性指数IP 40；最佳含水率ω_OPT 18.7%；最大干密度ρ_dmax 1.671 g/cm³；颗粒级配如表 1所示。根据《土的工程分类标准(GB/T50145—2007)》^[16]，该花岗岩残积土定名为高液限黏土。

在路基填筑施工结束15 d后，于该断面下边坡共设置2个监测点，水平距离分别距路肩最外侧4.0 m(监测点1)和13.0 m(监测点2)。两个监测点均埋设3对基质吸力传感器和体积含水率传感器。其中，监测点1埋设深度分别是0.3，0.8，1.3 m，水平方向上距边坡表面依次是0.45，1.20，1.95 m，垂直方向上距路基顶面依次是2.97，3.47，3.97 m；监测点2埋设深度分别是0.3，0.9，1.5 m，水平方向上距边坡表面依次是0.52，1.58，2.62 m，垂直方向上距路基顶面依次是8.11，8.71，9.31 m。监测点布设示意如图 1所示。所用传感器为MPS-6土壤水势传感器和EC-5土壤水分传感器，数据由EM50自动采集。

图 1 现场土体基质吸力及体积含水率传感器布设 Fig. 1 Layout of field soil matrix suction and volumetric water content sensors

监测点1的监测开始于2016年8月初，监测点2的监测开始于2016年8月末，均结束于2017年6月中旬，每日监测1次。与此同时，在监测断面上安装有一体化雨量计，用以监测同时期的降雨信息。

不同埋深处边坡土体基质吸力随时间的监测结果如图 2所示。

图 2 土体基质吸力的变化规律 Fig. 2 Variation of matrix suction of soil

由图 2(a)可知，边坡上部土体的基质吸力随时间呈锯齿形波动，波动范围介于7~21 kPa，最大值为21 kPa。基质吸力的波动现象主要是受降雨影响。例如，8月份是降雨集中月份，监测初期近一个月时间的连续降雨，基质吸力快速下降，待降雨结束后，基质吸力逐步回升。纵观整个监测周期，基质吸力和降雨气候的关系明显，降雨期间，吸力减小，降雨间歇，吸力增大。而且，在监测深度范围内，基质吸力随降雨的变化并没有滞后现象，即使是1.3 m土层深处，两者也基本同步变化。从变化幅值来看，埋深较大处略小于浅层土体。以2017年3月~6月的间歇低强降雨为例，表层土基质吸力的变化受降雨或蒸腾的影响较大，而0.8 m与1.3 m处仍在较低的水平小幅度波动。

图 2(b)呈现的边坡下部土体的基质吸力变化规律和上部土体相似，但基质吸力的波动幅度较小，波动范围介于7~13 kPa，最大值不超过13 kPa。在低吸力段内，降雨对基质吸力的影响较小，合理的解释是，此时的土体体积含水率较大，基质吸力对体积含水率变化的敏感性降低。在较高吸力段内稍有降雨入渗，就会引起吸力的较大变化。例如，基质吸力经历2月份的干燥期，基质吸力逐步回升到12 kPa，而3月初的低强降雨就使得基质吸力骤降至8 kPa以下，该现象同样可以在图 2(a)中得到验证。此外，低基质吸力水平和近饱和条件下，土壤水势传感器的测量误差也可能是导致该现象的重要原因。

边坡土体的体积含水率随时间的变化关系如图 3所示。

图 3 土体体积含水率的变化规律 Fig. 3 Variation of volumetric water content of soil

观察图 3(a)可得，体积含水率随时间呈现明显的波动规律，监测周期内，体积含水率波动范围在20%~33%之间。土体体积含水率受降雨影响，影响程度则受限于降雨强度。低强度降雨条件下(≤10 mm/d)，土体的体积含水率变化较为缓慢。例如，监测初期，经历持续低强度降雨，体积含水率呈缓慢增长趋势。高强度降雨条件下，土体体积含水率随降雨快速增大。例如，2016年10月21日发生80 mm/d的强降雨后，埋深0.8 m处土体的体积含水率从20%骤升至31%。鉴于强降雨对边坡土体增湿效果，边坡排水系统设计应能迅速排除短时间强降水。

此外，图 3(a)显示不同深度处土体的体积含水率基本呈现相同变化趋势，且不同深度处土体的体积含水率大小基本相同。但可以看出，埋深1.3 m处土体的体积含水率略小于埋深0.3 m和0.8 m处的土体。而且，埋深1.3 m处土体的体积含水率波动幅度要明显小于其余两处深度。表层土体除直接受降雨入渗和大气蒸发影响，还受表覆植被的蒸腾作用，因此体积含水率波动幅度要较深层土体的大。土体体积含水率在降雨过程中并没有随深度而出现滞后，据此判断1.3 m深度仍处于大气降雨影响范围内。

图 3(b)所呈现的边坡下部土体的体积含水率变化规律与图 3(b)所示规律相似，土体体积含水率在监测周期内36%~48%之间波动。不同的是，埋深1.5 m土体的体积含水率显著小于埋深0.3 m和0.9 m处土体。合理的解释是，此处监测位置靠近坡脚，边坡上部因降雨行成的地表径流通常需流经边坡下部表面，再排出至边坡范围外。因此，边坡下部土体较长时间会处于高含水率状态，表层土体更是如此。

对比图 3(a)和图 3(b)可以明显发现，边坡下部土体的体积含水率要明显大于边坡上部土体。上部土体的体积含水率受降雨入渗，随后在重力作用下逐步下渗至边坡下部。另外，该路段沿坡脚处有农业灌溉用水渠，常年丰水，也有可能对路堤下部的土体体积含水率造成影响。在边坡防排水设计中，应加强下部的防排水措施。

为探讨基质吸力与体积含水率的变化关系，绘制两者随时间变化的对比结果，如图 4所示。基质吸力和体积含水率随时间的变化呈相反趋势。监测点1的体积含水率波动介于20%~28%，基质吸力波动介于7~21 kPa；监测点2的体积含水率波动介于36%~44%，而基质吸力波动介于8~13 kPa。相比之下，两个测点的体积含水率波动幅度相同，都为8%，但监测点1的基质吸力波动幅度要明显大于监测点2的结果。主要是因为边坡上部土体处于较大基质吸力状态，较小的体积含水率波动就能引起大的基质吸力波动。而边坡下部土体处于低基质吸力状态，同样体积含水率波动引起的基质吸力波动小。与此同时，基质吸力和体积含水率变化基本同步。

图 4 体积含水率和基质吸力的对比 Fig. 4 Comparison of volumetric water contents and matrix suctions

为更直观比较不同深度处体积含水率和基质吸力的相关关系，绘制土体土水曲线如图 5所示。土体的基质吸力和体积含水率呈明显负相关关系。不同深度处土体的实测土水特征略有差异，监测点1中，不同埋深处土体的土水特征差异较小，基本分布在统一范围内。利用Fredlund & Xing模型^[17]拟合监测点1的现场数据，结果如图 5(a)所示，该模型能较好地拟合监测数据，R²达到0.755。监测点2中，3处土体的土水曲线特征则存在一定的差异，其中埋深1.5 m处土体的土水特征分布处于最下方。其原因可能存在于几个方面：其一，土体所处的应力状态对其土水曲线特性影响显著^[18]，因坡脚处的土体应力特征差异大于上边坡处，故导致此处不同深度处的土水曲线差异明显；其二，下边坡处始终处于较低基质吸力和较高饱和度的状态，土壤水势传感器测量误差的影响更为显著；其三，土水特征还受多因素影响，包括土体的孔隙结构、密实程度、土质类别，以及有机质含量等。

图 5 土体的土水特征 Fig. 5 Soil-water characteristics of soil

降雨条件下，土质边坡的滑移面通常是与坡面平行，可以采用无限边坡模型^[19-20]进行稳定性分析，模型的示意如图 6所示。边坡的稳定安全系数计算如式(1)所示。

图 6 边坡稳定性分析模型示意图 Fig. 6 Schematic diagram of slope stability analyzing model

(1)

式中，c′为有效黏聚力; φ′为有效内摩擦角; γ为土体总容重; h为滑移面的铅垂距离; α为坡度; u_w为孔隙水压力。

考虑基质吸力对非饱和土抗剪强度的贡献，Frendlund^[8]提出了双应力状态变量的非饱和土抗剪强度公式，如式(2)所示。

(2)

式中，τ为抗剪强度; σ为法向应力; u_a为孔隙气压力; φ_b为吸力内摩擦角，其余同上。

结合式(1)和式(2)，并假设u_a为0，则基于非饱和土力学的边坡稳定安全系数计算如式(3)所示。

(3)

根据式(3)可以定量计算监测断面边坡的稳定安全系数，计算时作简化处理，按照各监测点的实测数据单独计算。边坡土体视为均质，干容重γ_d为13.6 kN/m³，有效黏聚力c′取16.4 kPa，有效内摩擦角φ′取26.7°，吸力内摩擦角φ_b取12°，坡度α取29.7°。计算结果如图 7可知，监测断面所在边坡的稳定安全系数均大于1，也即边坡在监测周期内处于稳定状态。稳定安全系数随深度的增加而减小，浅层土体的稳定安全系数要显著大于埋深较大土体。对比分别基于监测点1和监测点2数据的稳定性计算结果，发现监测点1的稳定安全系数要稍大于监测点2，且监测点1的稳定安全系数随时间的波动幅度较大。该现象表明，基质吸力对边坡稳定性有一定影响，尤其是对于浅层土体，但影响程度随着土体深度和体积含水率的增大而减小。相较监测点1土体，监测点2土体具有更大体积含水率，较小基质吸力，因此边坡稳定性也相对较小。

图 7 稳定安全系数变化趋势 Fig. 7 Variation of stability safety factor

通过对花岗岩残积土路堤边坡的湿度进行为期10个月的监测可得，降雨及其入渗过程会对边坡浅层土体的基质吸力、体积含水率及稳定性产生直接影响。

(1) 边坡土体的基质吸力和体积含水率在公路运营期间发生明显波动变化，1.5 m深度范围内的基质吸力及体积含水率均随降雨发生同步变化，未出现滞后现象，降雨入渗对花岗岩残积土边坡的影响深度至少大于1.5 m。

(2) 边坡下部基质吸力要明显小于边坡上部，体积含水率则显著大于边坡上部，这是由于边坡上部土体水分在重力作用下，逐步向下渗透，在坡脚位置处排出，而坡脚处的地表积水则进一步增大其含水率。

(3) 在基质吸力和体积含水率变化幅度较大时，可利用现场监测数据拟合土水特征曲线，而在低基质吸力水平条件下，监测误差给曲线拟合带来较大的不确定性。

(4) 边坡稳定安全系数随着土体深度增大而明显减小，基质吸力对其有一定影响，但影响程度随着土体深度和体积含水率的增大而减小。