Distribution characteristics and causes of land subsidence in Nansha District, Guangzhou
-
摘要: 广州南沙区地面沉降已经影响到城市发展和人民生命财产安全,为了制定科学有效的措施防止地面沉降进一步发展,文中基于InSAR监测数据和水准监测数据,总结分析了地面沉降分布特征,地表形变多为小范围的、局部地区的剧烈沉降。在此基础上,针对6个沉降严重区域,采用机理模型定量估算了各因素引起的地面沉降量及所占比重,得可压缩土层引起的沉降量为34.43~96.97 mm/a,所占比重在37.07%~75.67%,地下水水位和地面荷载的最大影响比重分别为26.28%和52.40%。并且通过研究分析地面沉降主要因素及影响程度,为科学防治该地区地面沉降提供科学依据。Abstract: Land subsidence in Nansha District has affected urban development and the safety of people’s lives and properties. In order to formulate scientific and effective measures to prevent the further development of land subsidence, this paper summarizes and analyzes the distribution characteristics of land subsidence based on InSAR monitoring data and level monitoring data, the surface deformation is mostly severe settlement in a small and local area. On this basis, for 6 areas with subsidence. The mechanism model is used to quantitatively estimate the amount of land subsidence caused by each factor and its proportion. The subsidence caused by the compressible soil layer was 34.43−96.97 mm/a, the proportion is between 37.07% and 75.67%, and the largest influence proportions of groundwater level and ground load are 26.28% and 52.40%. And through research and analysis of the main factors and impact of land subsidence, this paper provide a scientific basis for scientific prevention and control of land subsidence in this area.
-
Keywords:
- Nansha District /
- land subsidence /
- PS-InSAR /
- groundwater exploitation /
- building load
-
0. 引言
西气东输工程作为国家西部大开发的标志性工程,于2004年底运营。西气东输管道途经我国新疆、甘肃等9个省、市、自治区,管道工程沿线地质环境条件复杂,西段、中段和东段地质灾害分布呈现区域性分布规律[1-2]。西气东输干线甘-陕-晋段遭受滑坡灾害最为严重,自2000年以来,至少发生32起威胁管道安全的滑坡事件[3]。该区段管道跨越黄土高原地区,黄土分布范围广,受黄土湿陷性等因素的影响,黄土斜坡地区的管道受滑坡灾害威胁严重,如发生滑坡灾害,极容易造成管道周边水毁、坍塌、管道受拉等破坏,进一步引起管道失效,威胁管道运行安全。
陕北黄土高原区滑坡灾害发育,张茂省等[4]基于西北黄土高原地质灾害详细调查成果,阐述了区域内黄土滑坡诱发因素分类及其形成机理;刘朋飞等[5]通过延安地区的环境变迁分析滑坡分布特征,包括滑坡的特点、发育规律和滑坡发育分期。李艳杰等[6]应用SINMAP模型分析了降雨引发的区域滑坡失稳面积变化,证明该模型在黄土地区,对区域性降雨诱发浅层黄土滑坡稳定性的模拟预测有效,可以用于黄土地区浅层滑坡的稳定性评价研究。王新刚等[7]通过室内黄土三轴蠕变试验手段,定量化分析研究了陕北榆林市色草湾黄土滑坡滑带土不同含水率下蠕变长期强度及长期强度折损率变化。前述研究从地质调查、环境演变、模型试验等方面阐述了区域内黄土滑坡的分布、发育规律、机理特点和风险评价方法,丰富了对区域黄土滑坡灾害的认识。然而,区域内的管道工程受黄土滑坡灾害的影响程度如何,则需要结合工程本身开展进一步的研究。
针对西气东输管道沿线地质灾害风险防控,在传统地质灾害调查评价、勘查、设计、工程治理基础上,管道运维机构同时运用大数据、物联网、云计算、人工智能等技术,构建了“空-天-地”一体化管道风险管控综合系统,实时感知管道沿线地质灾害,建立智慧化、数字化管网监管平台,提高了输气管道地质灾害的风险技防水平[8-10]。关于油气管道地质灾害风险管控,邹永胜等[11]提出一种新的区域管道地质灾害监测预警体系,采用 Sentinel-1A、地表 GNSS 监测站和降雨量监测站为数据源,对发现的82处潜在风险区进行了为期2年的跟踪监测预警,取得了良好的试验效果。基于“空-天-地”一体化的监测手段和方法在滑坡灾害的变型监测和风险识别中得到不同程度的应用[12-13],常规滑坡等地质灾害监测主要依赖GNSS、深部位移监测等型成监测网,其特点是监测精度较高,能获得连续周期的数据,但监测成本较高,需要定期维护,且监测范围较小,而且难以从较长的时间揭示缓变型滑坡的形变特点。近年来发展起来的合成孔径雷达干涉测量[14-15],可以获取大面积、全天候、高精度和高分辨率的地表三维空间微小变化,在滑坡形变监测方面显示出前所未有的优越性,已成为滑坡形变监测和灾害识别的重点手段。
目前,针对黄土覆盖区影响输气管道工程安全的滑坡变形特征、发育成因机理研究较少。因此,以西气东输管道陕西子长市余家坪镇岭湾村一处缓变型黄土滑坡为研究对象,采用InSAR、GNSS变形等监测方法、现场调查和勘查等技术手段,分析管道穿越区滑坡2017—2022年的变形特征,剖析黄土覆盖区管道滑坡的发育成因机理,为下一步输气管道滑坡灾害防治提供技术支撑。
1. 工程地质概况
1.1 滑坡地质概况
研究区位于西气东输管道桩号DD282处,永坪河右岸的黄土斜坡。微地貌属黄土梁峁地貌,滑坡后缘高程为1081 m,前缘高程为1058 m,高差约23 m,主滑方向约58°,平均坡度13°~15°,属于“V”型沟谷,西气东输管道从滑坡后缘通过(图1—2)。区域内年均降水量489.5 mm,最大769.6 mm。研究区地处华北陆台鄂尔多斯地台向斜东南翼斜坡带,为陕北构造盆地的一部分。滑坡区及周边出露地层自老到新有三叠系延长统、侏罗系、白垩系保安统、古近系三趾马红土层及第四系。滑坡地层据钻孔揭露[16-18],主要为第四系全新统(
)及新近系上更新统冲积层( )及三叠系砂质泥岩(T3l)(图2)。滑坡范围约280 m(南北)×160 m(东西),顺主滑方向长约140 m,面积约0.03 km2,滑体平均厚度约11 m,最大厚度约25 m,体积约33×104 m3。按照滑坡的体积划分,属于中型黄土滑坡;按照滑坡的厚度划分,属于中层滑坡。滑坡后缘边界为坡体中部管道后侧位置,裂缝与管道位于同一级平台,与管道最大间距约21 m,在平面上形态大致呈圆弧形;滑坡前缘剪出口位于坡体底部永坪河右岸边界,剪出口未见明显前缘反翘或鼓丘;滑坡北侧侧缘边界位于坡体内侧10 ~50 m,滑坡内外地层未见明显高差;滑坡南侧侧缘边界位于坡体内侧10 ~50 m。
滑坡区地下水主要为黄土孔洞裂隙水,据钻孔揭示稳定地下水埋深为0.7~21.0 m,坡脚地下水埋深最浅为0.7 m,向坡顶方向地下水埋深不断增加,最深达21.0 m。高程1058.8~1083.7 m。地下水位年变化幅度在1.5~2.5 m,地下水位的变化主要受大气降水、河流、水利设施的入渗及灌溉的影响[10-11]。
1.2 数据来源
1.2.1 InSAR数据
本次研究利用覆盖滑坡区的92景Sentinel-1A影像,基于PS-InSAR算法,反演地表形变信息。首先对InSAR数据进行处理,处理流程包括:①监测区域影像选择与主从影像对配准;②差分干涉图生成;③PS选定;④平均变形速率估计和地形误差消除;⑤PS点变形时间序列分析与平均变形估算等。之后,通过对子长市岭湾村滑坡2017年3月至2020年4月间所有卫星影像进行分析,应用InSAR获取滑坡区及周边的年平均沉降速率分布。同时,基于Kriging插值法将点状结果拟合生成研究区年平均沉降速率拟合图。
1.2.2 地表位移、深部裂缝等数据
地表位移监测采用一体化GNSS监测站,监测技术的原理是利用GPS/BDS、GLLONASS卫星测量基准站和监测点之间的相对定位得到各监测点不同时期的位置信息,然后利用数据处理软件对位置信息进行解算分析,剔除各种环境影响误差因子,并与首次测量的数据进行对比,得到不同监测点在监测周期内基于时间序列的位置变化信息(精确至mm)。深部位移采用一体化固定式钻孔测斜仪监测获得,在测斜管内不同高程安装倾斜传感器,可获取滑坡内不同高程的水平位移状态。可以实现远程遥测,并可准确而连续地监测灾害体内部的变形情况。地表裂缝监测采用一体化裂缝计,监测滑坡后缘裂缝的变化情况,进行触发式动态监测。地下水位及孔隙水压力监测采用一体化透气型渗压计监测,与深部位移监测同位置安装。上述监测站点均采用4G蜂窝网络通讯方式进行实时数据传输。现场采集数据最终展示在地质灾害监测系统平台上,当监测值超过预警值时发出警报,以短信的形式通知管道运行管理人员。
子长市岭湾村滑坡监测工作于2019年完成,监测点布置及监测内容见表1,主要监测设备参数见表2,监测点分布见图1。
表 1 子长市岭湾村滑坡监测点布置情况Table 1. Summary of landslide monitoring points in Lingwan Village, Zichang City输气管道 监测点位置 监测要素 安装月份 西气东输管道 子长市余家坪镇岭湾村 雨量(1个)、裂缝(2个)、孔隙水压力(3个)、位移(3个)、
深部位移(3个)、含水率(3个)、应变计(3个截面)2019年12月 表 2 主要监测设备参数Table 2. Main monitoring equipment parameters序号 监测要素 监测设备 参数指标 1 地表位移监测 一体化GNSS形变自动监测站 一体化GNSS形变自动监测站全星座支持;精度平面:±(2.5 mm+0.5*10-6D),高程:±(5 mm+0.5*10-6D) 2 深部位移监测 一体化深部测斜监测站 量程:±10 °C;测量精度:±0.1%FS;长期稳定性:±0.25%FS/年;分辨率:±10弧秒(±0.05 mm/m) 3 地表裂缝监测 一体化表面裂缝自动监测站 测量范围:0~5000 mm;测量方向:双向;测量精度:±0.1%mmFS;拉线材质:铟钢丝 4 地下水位监测 测压管及透气型渗压计 量程:35 m;精度等级:±0.05~±0.2%FS;非线性度:±0.1~±0.2%FS 2. 滑坡变形特征
2.1 InSAR数据分析
利用2017年3月至2020年4月间卫星影像数据,应用InSAR进行分析,绘制滑坡区及周边区域年平均沉降速率分布(图3)。为能够更直观和清楚地反映出研究区地面沉降的时空分布趋势,基于Kriging插值法将点状结果拟合生成沉降趋势面,拟合的平均沉降速率见图4。研究区沉降量较大,最大可达36.54 mm/a。
采用DS-InSAR技术监测到岭湾村滑坡的沉降异常,该滑坡附近存在22个PS点,且较均匀分布在该滑坡内(图5)。
根据分析显示,近3年管道沿线区域地表沉降明显,滑坡范围内地表出现不同程度的下沉趋势,其中,滑坡后缘附近的地表沉降速率最快,达36.54 mm/a。沿滑坡后缘走向的地表形变方向基本一致,呈现较快速度的下沉趋势,年形变速率超过20 mm/a。
现场滑坡的地质调查证明了InSAR数据变形分析的准确性,在滑坡两侧靠近冲沟与管道相交的位置,地表发育贯通性裂缝,贯通长度多于100m。后缘主滑壁处形成台阶,主滑壁长约120 m,台阶高10 ~30 cm,向外移动约15 cm,倾角约85°,两侧密集分布宽0.5~1.5 m的串珠状黄土陷穴,滑坡存在向后、向两侧牵引的明显迹象。后缘靠近两侧冲沟位置发育有次级拉张形成的羽状裂缝,裂缝宽度1~3 cm,最大贯通长度约30 m。
滑坡北侧裂缝宽30 ~60 cm,长约20 m;南侧裂缝未贯通,地表表现形式为串珠状落水洞,潜蚀洞穴直径0.5 ~1 m。裂缝发育于北侧坡体中部,走向约205°,宽0.3 ~0.6 m,长约20 m(图6左上、左下)。
根据InSAR数据统计分析了2017年(3—6月和7—12月)、2018年(1—6月和7—12月)、2019年(1—6月和7—12月)和2020年(1—4月)等7个时间段滑坡范围内的地表平均累计形变量见表3。7个时间段的地表累计形变量呈现不同幅度的变化,2018年上、下半年的累计变形量分别为−6.64 mm和−8.57 mm,高于其他时期。
表 3 岭湾村滑坡区域时序地表形变量分析(2017年3月—2020年4月)Table 3. Time-series surface deformation analysis of Lingwan Village landslide (March, 2017—April, 2020)日期 2017年 2018年 2019年 2020年 3—6月 7—12月 1—6月 7—12月 1—6月 7—12月 1—4月 累计形变量/mm −6.81 −4.31 −6.64 −8.57 −4.87 −4.41 −0.29 2.2 位移数据分析
2.2.1 地表位移监测
滑坡区2处地表位移监测点沿管道走向布设,平行于管道,位于管道上方(图2)。通过对监测数据处理,绘制曲线分析。在监测周期内地表变形可以分为3个变形阶段:2019年12月—2020年7月为低速变形阶段,地表位移1变形量15 mm,地表变形2变形量9 mm,变形速率1~2 mm/mon;2020年8月—2020年12月为快速变形阶段,地表位移1变形量111.8 mm,地表变形2变形量109 mm,变形速率18~22 mm/mon;2021年1月—2022年4月为低速变形阶段,地表位移1变形量64.2 mm,地表变形2变形量64 mm,变形速率4 mm/mon,该阶段变形速率大于2019年12月—2020年7月期间的变形速率,而小于2020年8月—2020年12月(表4);从位移分量上来看,滑坡地表位移主要表现为垂直方向的沉降;综合地表位移变化方向为67°~88°,验证了前期勘察中滑坡的总体滑动方向(图7)。
表 4 地表位移监测数据分析表Table 4. Summary table of surface displacement monitoring data监测单元 监测要素 数据范围/mm 变化量/mm 变化方向 监测周期/d 变化趋势 GNSS地表位移监测1 地表位移1_综合 3.6~176 172.4 向东北移动(88°) 829 低速变形 地表位移1东西向 −2.8~83.2 86.0 向东移动 地表位移1南北向 1.7~−1.6 3.3 向南移动 地表位移1垂直方向 −1.4~−154.6 149.9 向下移动 GNSS地表位移监测2 地表位移2_综合 4.2~173 168.8 向东北移动(67°) 829 低速变形 地表位移2东西向 −1.8~91.5 93.3 向东移动 地表位移2南北向 1.1~36.8 35.7 向北移动 地表位移2垂直方向 3.8~−141.3 145.1 向下移动 2.2.2 地表裂缝监测
滑坡区设置的2处裂缝布设于已出现的裂缝部位,一处位于滑坡中部平台左侧地表裂缝上方,另一处位于地表位移监测点2东北40°方向6.5 m裂缝处。截至2022年4月7日,2处地表裂缝监测曲线如图8所示。根据监测曲线分析,监测周期内两处裂缝变形也可以分为三个变形阶段:2019年12月—2020年7月为低速变形阶段,地表裂缝1变形量1.4 mm,地表裂缝2变形量14.6 mm,变形速率0.3~3 mm/mon;2020年8月—2020年12月为快速变形阶段,地表裂缝1变形量63.5 mm,地表裂缝2变形量88.4 mm,变形速率12.7~17.7 mm/mon;2021年1月—2022年4月为低速变形阶段,地表裂缝1变形量13.2 mm,地表裂缝2变形量64 mm,变形速率0.9~3.2 mm/mon。从变形阶段上来看,两个监测点的变化趋势保持一致,同时与地表变形监测点1、2的变化情况相符(表5)。相较于裂缝监测点1的变化速率和幅度,地表裂缝2的变形幅度更大,这从侧面反映了滑坡后缘的变形程度较大,向前部至滑坡中部,变形幅度在逐渐降低。在监测周期内2处地表变形数据和2处裂缝监测数据的差异也说滑坡内部各个位置的位移是有明显差别的(图8)。
表 5 地表裂缝监测数据分析表Table 5. Summary table of surface crack monitoring data管道
桩号监测要素 数据范围/mm 变化量/mm 监测周期/d 当前变化
趋势DD282 地表裂缝1 0~78 78 829 低速变形 地表裂缝2 0~151 151 829 低速变形 2.2.3 深部位移监测
在岭湾村滑坡后部边界外侧台坎、滑坡中部以及中前部分别布置3处深部位移监测点。根据勘察成果确定滑坡的滑动面在15 m以下,因此,深部位移监测点传感器均布置在地表13 m以下深度,最大埋深为32 m。截至2022年4月7日,深部位移监测点1不同深度(13 m/24 m/31 m)位移变化为0.09 mm/mon、0.07 mm/mon、0.03 mm/mon;深部位移监测点2不同深度(13 m/24 m/31 m)位移变化为0.003 mm/mon、0.005 mm/mon、0.004mm/mon;深部位移监测点3不同深度(13 m/25 m/32 m)位移变化为0.10 mm/mon、0.04 mm/mon、0.01 mm/mon。3处深部位移监测点的监测曲线如图9—11所示,不同深度位移监测数据整体变化小,考虑监测设备的误差精度,结果表明岭湾村滑坡深部变形不明显,滑坡后部的坡体深部也无明显变形(表6)。
表 6 深部位移监测数据分析表Table 6. Summary table of deep displacement monitoring data序号 管道桩号 监测点位及传感器埋深/m 数据范围/mm 变化量/mm 变化方向/(°) 当前变化趋势 1 DD282 深部位移1_13 1.02~2.38 1.36 58 基本稳定 深部位移1_24 14.45~15.47 1.02 58 基本稳定 深部位移1_31 21.10~21.56 0.46 58 基本稳定 2 深部位移2_13 10.90~10.83 0.05 58 基本稳定 深部位移2_24 13.55~12.26 0.07 58 基本稳定 深部位移2_31 7.92~7.32 0.60 58 基本稳定 3 深部位移3_13 16.77~18.10 1.33 58 基本稳定 深部位移3_25 21.03~20.41 0.62 58 基本稳定 深部位移3_32 19.36~19.45 0.09 58 基本稳定 2.3 雨量监测
研究区雨量监测数据见表7,2020年和2021年实测雨量曲线见图12。滑坡区2年实测雨量监测表明:滑坡区域降雨主要集中在6—9月。监测周期内日最大降雨量138.5 mm,出现在2020年8月5日,此外,2020年8月2日—8月6日及2021年10月1日—10月3日期间连续降雨,累计降雨量分别达221.5 mm和180 mm,约占全年总降雨量的1/3。与滑坡前述地面变形监测时段对照分析,可以非常清楚地看到区域内降雨集中发生之后的时间段是滑坡变形急速加快的时间,对于黄土区浅表层的土体,集中降雨诱发的斜坡浅层滑移非常明显;区域已有研究成果也表明[19-20],黄土区内短时降雨入渗土体的深度有限,一般在地表以下2 m左右,最大深度不超过4 m。因此,降雨是区域滑坡变形的主要诱发因素,岭湾村滑坡的变形发育情况与降雨关系密切。
表 7 雨量监测数据分析表Table 7. Summary of rainfall monitoring data管道桩号 监测要素 数据范围/mm 单日最大降雨量/mm 周期累计降雨量/mm 累计降雨量发生周期 DD282 雨量 0~138.5 138.5 221.5 2020年8月2—6日 2.4 地下水监测
2.4.1 含水率
滑坡区1处含水率(传感器1、2、3安装深度在地表以下0.5 m、1.0 m、1.5 m处)监测点安装在滑坡后缘上部平台处,2020—2021年实测含水率曲线见图13。对比雨量监测数据并与含水率监测曲线一起分析,集中降雨后地表土体的含水率发生显著变化,随着土体深度的增加,含水率变化量减少,而地表以下1 m和1.5处的含水率变化量几乎没有区别,这也验证了降雨入渗黄土地层的深度是有限的。从不同深度含水率的变化趋势来看,滑坡内的土壤含水率与降雨存在正相关。在强降雨条件下土壤含水率的响应时间很短,在1 d内;监测数据表明近地表0.5 m处的含水率传感器相对于其他两支更易受到短时降雨影响,滑坡地表土体在小雨-中雨条件下,雨水的入渗深度较浅,深部(1 m以下)相对浅部(0.5 m)地下水的入渗速率下降;在大雨-暴雨条件下,土体中各深度地下水入渗响应时间相差较小,但土壤内的最高含水率随深度的增加递减。
综合地表变形(地表裂缝、地表位移)监测数据进行分析,滑坡在土壤含水率首次达到峰值(2021-08-05)之后,监测曲线上并未立即发生显著的变形,在经历过一次低谷来到第二个峰值(2021-08-17)之后,滑坡开始出现明显的变形迹象,并进入到持续变形阶段。通过含水率的监测数据分析可以看出,黄土区土体含水率并非是达到某个特定数值滑坡即开始启动变形,其变形特征还与土壤含水率的变化规律有着特殊的关系,土壤含水率作为滑坡预警的要素还需要进一步研究。
2.4.2 孔隙水压力
研究区3处孔隙水压力监测点分别埋置在滑坡后部边界外侧的台坎、滑坡中部及中前部,孔隙水压力计的传感器埋置深度在15 ~25 m,2020—2021年实测孔隙水压力曲线见图14。对监测曲线分析表明:研究区滑坡深部孔隙水压力在整个监测周期内均无明显变化,滑坡深部的地下水变化动态变化小,与区域短时降雨条件相关性较小,这个规律也与区域内已有研究成果相同[19-20]。对比深部位移监测数据,孔隙水压力监测结果也表明岭湾村滑坡为浅层黄土滑坡。
3. 滑坡成因机制分析
3.1 内在因素
子长市岭湾村滑坡处于永坪河右岸,根据以往资料分析,该区域为滑坡地质灾害高易发区,受区域内地层岩性、地形地貌、岩土体工程地质性质、水文地质条件等内在因素的影响明显[21-24],沿永坪河沿岸,滑坡灾害体分布较多,主要形成成因如下:
(1)地层岩性方面:研究区地处陕北黄土丘陵区,原始坡体上陡下缓,综合坡度15°~25°,斜坡表层覆盖薄层黄土状土,Qp黄土大部分沿斜坡顺坡披盖至谷底,呈淡灰黄色,颗粒粗疏松,断面平整,虫孔等不发育,垂直节理发育,厚2~15 m,是区内主要的易滑地层;下伏Q2黄土,呈灰黄色,颗粒粗,断面平整疏松含大孔;间含数层古土壤,成壤较弱,含白色钙质结核,厚3~7 m。二者中间存在隔水层。区域内地质环境条件脆弱,属黄土地质灾害高易发区。
(2)水文地质条件方面:研究区为黄土残垣丘陵地貌,滑坡所在斜坡分水岭东北侧范围是地表及地下水的补给区域。原始坡体地表水从两侧冲沟排入坡脚永坪河;滑坡接收大气降雨补给,部分地表水渗入坡体内部形成地下径流[25],最终也排泄至永坪河;坡体右侧沟谷经过人工改造后成为梯田,阻止了地表水的排泄路径,部分水体渗入滑坡范围,补给滑坡地下水。目前坡体内部的地下水补给、径流、排泄已相互贯通。从分水岭往下,由最高处向最低处整个坡面潜蚀洞穴发育,坡体变形程度逐渐加强(图6中)。
(3)岩土体性质及结构因素:滑坡上部为强湿陷性黄土,厚度2~15 m(Qp),土体孔隙比达0.92,土壤松散,有利于地表水的入渗,土壤含水量大,主要接受大气降水补给;下部为透水性差的红色黏土(Q2),以可塑硬−塑状为主,孔隙比较低,渗透性差,厚度最大7.0 m,含水量微弱,有利于地下水沿该层上部聚集,软化界面处土形成滑带土,不利于上覆土层的稳定(图6右下)。
3.2 诱发因素
(1)区域强降雨的影响:西气东输管道所在的子长地区经常有强降雨发生,如2013年7月发生在区域内的强降雨,延安各地 7 月降雨量几乎相当于全年的降雨量。月累积最大降雨量 581 mm,是往年 7月平均降雨量的2. 26 ~ 5. 24倍。强降雨导致全市13个县区的158个乡镇、街道办、中心社区受灾,滑塌地段7594处,倒塌房屋2.69万间,受灾人口93.6万人次,因灾造成死亡42人,受伤133人[21]。DD282管道自2020年8月开始位移速率提高,位移量不断增大,滑坡活动速率加快就与8月份的1次强降雨有关。
(2)人类工程经济活动的影响:区域内的原始斜坡在20世纪70—80年代进行了大规模的土地整治,斜坡体两侧的局部沟道被填平掩埋,斜坡体表面的土体经过削高填低,改变了原始自然土体的厚度和分布,进而改变了坡体内部及地表的水文地质条件。另外,DD282滑坡内还存在一供水管道,近期多次出现管道破裂渗漏的现场,这个因素也是滑坡失稳的诱发因素。
3.3 成因机制
黄土地区整体上降雨量较小,但是在汛期经常发生暴雨和淋雨。区域已有研究成果表明黄土高原区的滑坡主要集中发生在7—10月。研究区勘察、监测数据分析表明,DD282黄土滑坡地表发生了较为明显的变形,而深部位移监测数据在监测段内几乎没有变化,说明该滑坡属于降雨诱发的浅层滑坡。降雨通过深入黄土斜坡影响其稳定性,由于黄土的渗透性很低,现阶段无论降雨后现场观测还是人工模拟降雨入渗试验都表明降雨直接入渗的深度有限,这点从研究区土体含水率监测和孔隙水压力的监测数据可以得到验证。
降雨诱发浅层黄土滑坡是降雨入渗到黄土表层,使其表层黄土软化并增重所致,其破坏模式为原始斜坡→坡面侵蚀→坡脚侵蚀→后缘裂隙扩展→滑动破坏,成因机制分析如下:
研究区原始坡体汇水面积较大,受人类工程经济活动影响,原始坡体已经改造为梯田,坡体南侧自然排洪冲沟堵塞,降雨后地表水流向坡体中下部并在此汇聚。受黄土内部节理裂隙发育的影响,坡体表面已发育潜蚀裂缝、黄土陷穴,且有不断扩展的趋势;坡面农田改造导致滑坡中下部富水,前缘地下水位高,地层抗剪强度低,且前缘存在约8 m高的陡坎,陡坎底部为永坪河。受坡脚永坪河水流冲刷侵蚀的影响,坡体堆积物被水流不断带走。
研究区表层粉土孔隙比高,厚度较大,有利于地下水径流、赋存,加之在滑坡后部管道为横坡敷设,前期管道建设时管沟开挖回填夯实度不够,降雨后管沟起到了汇集地表水的作用。地表水的汇集不断地浸入斜坡表层土体,软化地层界面处粉土层,降低其抗剪强度,当土体饱和后,其容重进一步增大,坡体失稳,从而产生蠕变滑动。
3.4 发展趋势
子长市岭湾村滑坡位于黄土沟壑丘陵区,区域内黄土类灾害强烈发育,经常造成人员伤亡及财产损失,尤其是在强降雨或者暴雨天气之后,需要格外引起重视[14-18]。西气东输管道位于滑坡后缘,研究区地层主要由第四系粉土及粉质黏土组成,物质分层明显,且富水性较强,前缘坡体受永坪河冲刷严重,逐渐形成临空面;滑坡前缘部分已经产生变形滑动形成泥流,不断被地表水冲刷带走。根据滑坡之前的变形情况及现状变形监测分析,滑坡目前处于较稳定状态,发生变形位移的区域主要是浅表层土体。管道本体的应变监测数据表明:DD282滑坡内仅有一组应变监测截面轴向附加压应力超过相对容取值的30%,处于蓝色预警级别,其余监测截面均处于无预警级别。因此,在现有工况条件下,西气东输管道运行遭受滑坡灾害的风险处于可控状态;考虑研究区滑坡处于前期蠕滑阶段,后期在强降雨等诱发因素下有进一步失稳的可能,将会威胁滑坡后缘输气管道的运行安全。
4. 结论
(1)子长市岭湾村黄土滑坡是黄土高原地区沟谷分布广泛的沟谷型黄土滑坡,基于InSAR数据分析,位移监测、地下水监测和孔隙水压力监测数据分析认为,该滑坡为降雨诱发的浅层滑坡,滑坡现阶段处于蠕滑阶段。
(2)利用InSAR和GNSS监测技术对黄土区滑坡的变形监测优势明显,二者结合利用,可有效分析黄土滑坡的变形过程,同时也为判断滑坡的性质提供了依据。
(3)研究区滑坡的发育受区域地形地貌、岩土体特征、水文地质特征等内在因素的控制,而区域降雨和人类工程经济活动等作为诱发因素也对滑坡的变形作用显著,结合西气东输管道应变监测结果,目前管道遭受滑坡灾害的风险可控。
-
表 1 土体工程地质单元分类
Table 1 Classification of soil engineering geological units
土体类型 岩性类型 黏性土 黏性土、粉质黏土 粉土 粉土 砂土 粉砂、细砂、中砂、粗砂、砾砂 碎石土 圆砾、角砾、卵石、碎石 特殊类土 残坡积土 黏性土、砂质黏性土、
砾质黏性土粉土 人工填土 素填土、杂填土、冲填土 淤泥类土 淤泥质砂土、淤泥质土、淤泥 表 2 岩体工程地质岩性组分类
Table 2 Classification of engineering geological lithologic group of rock mass
岩性组 岩性综合体 岩性类型 侵入岩
岩性组花岗岩,
闪长岩综合体似斑状黑云母二长花岗岩,细粒花岗岩,
细粒细斑状黑云母二长花岗岩,花岗
闪长岩,片麻状花岗岩,伟晶岩混合岩、
片麻岩岩性组混合岩综合体 花岗混合岩,混合岩 片麻岩综合体 花岗片麻岩,片麻岩 含膏盐红层
碎屑岩岩性组− 砾岩,砂砾岩,粉—细砂岩,细砂岩,
含砾中—粗砂岩,泥岩,泥质粉砂岩,
灰岩,泥灰岩,灰质泥岩,凝灰岩表 3 收集到的珠江三角洲地区Sentinel-1数据
Table 3 The collection of sentinel-1 data of pearl river delta
模式 入射角/(°) 分辨率 幅宽/km 条带成像 20~45 5 m×5 m 80 干涉成像 29~46 5 m×20 m 250 超幅宽 19~47 5 m×40 m 400 波浪 22~35,35~38 5 m×5 m 20×20 表 4 InSAR监测成果及其原因分析
Table 4 InSAR monitoring results and cause analysis
年份 具体原因分析 综合分析 2015 万顷沙镇红港村围垦区域主要受软土固结作用,南沙街道摊位村、地铁4号线锦州站附近受荷载影响较为严重 监测时期内均存在沉降的新垦镇、珠江出海口前沿的养殖场区域主要受软土固结等地质条件影响,拟开发建设用地的工程施工及城镇内的建筑设施都会造成地表形变,并且分布在江河沿岸的大部分形变较大沉降点及其外围区域,在一个水文年内受地下水水位变动较为明显 2016 仅在该年发生的东涌镇、鱼窝头镇、万洲村一带受施工建筑影响,沉降的形变区域较大 2017 沿西南江边分部的养殖场附近受地下水影响发生沉降,大岗镇施工区域受建筑荷载较为严重 2018 南沙街道环市中大道中、金沙路和市南大道三路环绕区域受地面荷载和地下水水位的共同影响 2018—
2019大岗镇庙青村围和珠江街道智隆村的围垦区域、及南沙区中东部城镇建筑区域主要受地面荷载及可压缩土层的影响,少部分区域受地下水水位影响,珠江街道均和围村工地、黄阁村沙仔村施工区域的则主要受可压缩土层影响 表 5 沉降点计算统计信息表
Table 5 Statistical information of settlement point calculation
区域编号 土地利用类型 地处位置 1 出海口养殖场 新垦镇、珠江出海口前沿的养殖场区域 2 城区建筑区域 龙穴街道龙穴村鸡抱沙北路北东方向 3 城区建筑区域 万顷沙镇十三涌和十四涌之间的主镇区 4 施工区域 珠江街道八涌和十涌之间的义和围村 5 城区建筑区域 珠江街五涌周边区域 6 施工区域 南沙明珠湾 表 6 可压缩土层土工试验参数表
Table 6 Geotechnical test parameters of compressible soil
岩性名称 取样埋深/m 初始孔隙比 压缩系数/(MPa−1) 压缩模量/MPa 液限/% 塑限/% 塑性指数 液性指数 人工填土(粉土) 0~9.4 0.890~0.910 0.41~0.51 4.34~4.63 30.00~36.65 21.80~23.25 8.20~13.63 0.71~1.01 淤泥质土 0~25.0 1.038~1.550 0.64~1.03 2.70~3.35 32.40~45.83 17.50~28.48 14.90~18.61 1.27~1.57 黏土(粉质黏土、砂质黏土) 2.8~32.5 0.910~1.210 0.34~0.43 4.83~6.02 41.23~41.31 23.92~24.94 16.33~17.99 0.33~0.41 注:执行标准为GB/T50123−2019、DT−92(固结实验快速法)。 表 7 沉降点主导因素影响程度的沉降量分析表
Table 7 Settlement analysis table of influence degree of dominant factors of settlement point
区域编号 地面沉降总量/(mm·a−1) 可压缩土层/(mm·a−1) 主导因素
面积占比/%地下水水位/(mm·a−1) 主导因素
面积占比/%地面荷载/(mm·a−1) 主导因素
面积占比/%1 112.56~127.03 84.51~95.97 75.43 17.60~19.20 15.24 10.45~11.86 9.32 2 92.9~101.36 34.43~38.26 37.55 13.20~14.64 14.66 43.83~48.70 47.79 3 111.27~121.92 51.17~56.40 46.24 1.28~2.40 1.62 57.70~63.60 52.14 4 91.96~100.02 45.91~51.74 49.74 22.80~24.80 24.85 22.61~25.48 25.40 5 118.96~129.46 55.62~61.50 47.40 9.60~12.00 8.86 51.34~56.76 43.75 6 107.66~117.02 69.76~75.63 64.43 9.40~11.30 9.26 28.50~30.89 26.31 -
[1] 许烨霜, 沈水龙, 唐翠萍, 等. 基于地下水渗流方程的三维地面沉降模型[J]. 岩土力学, 2005, 26(增刊1): 109 − 112 XU Yeshuang, SHEN Shuilong, TANG Cuiping, et al. Three-dimensional analysis of land subsidence based on groundwater flow model[J]. Rock and Soil Mechanics, 2005, 26(Sup 1): 109 − 112. (in Chinese with English abstract)
[2] 刘桂卫,黄海军,杜廷芹,等. 黄河三角洲地区地面沉降驱动因素研究[J]. 海洋科学,2011,35(8):43 − 50. [LIU Guiwei,HUANG Haijun,DU Tingqin,et al. Effective factors of land subsidence in the Yellow River delta[J]. Marine Sciences,2011,35(8):43 − 50. (in Chinese with English abstract) [3] 彭青华. 沧州市地面沉降模型研究[D]. 北京: 中国地质大学(北京), 2007 PENG Qinghua. Study on the model of land subsidence in Cangzhou City[D]. Beijing: China University of Geosciences (Beijing), 2007. (in Chinese with English abstract)
[4] 薛禹群,张云,叶淑君,等. 我国地面沉降若干问题研究[J]. 高校地质学报,2006,12(2):153 − 160. [XUE Yuqun,ZHANG Yun,YE Shujun,et al. Research on the problems of land subsidence in China[J]. Geological Journal of China Universities,2006,12(2):153 − 160. (in Chinese with English abstract) DOI: 10.3969/j.issn.1006-7493.2006.02.001 [5] 王伟,党亚民,章传银,等. CORS网和GNSS技术在地面变形监测中的应用—以浙江东南部为例[J]. 中国地质灾害与防治学报,2021,32(2):73 − 77. [WANG Wei,DANG Yamin,ZHANG Chuanyin,et al. Application of CORS network and GNSS technology in ground deformation monitoring:Taking southeast Zhejiang Province as an example[J]. The Chinese Journal of Geological Hazard and Control,2021,32(2):73 − 77. (in Chinese with English abstract) [6] 陈立国,吴昊天,陈晓斌,等. 超载预压处理软土的次固结特征及沉降计算[J]. 水文地质工程地质,2021,48(1):138 − 145. [CHEN Liguo,WU Haotian,CHEN Xiaobin,et al. Secondary consolidation characteristics and settlement calculation of soft soil treated by overload preloading[J]. Hydrogeology & Engineering Geology,2021,48(1):138 − 145. (in Chinese with English abstract) [7] 胡长明,林成. 黄土深基坑潜水区降水诱发地面沉降的简化算法[J]. 中国地质灾害与防治学报,2021,32(3):76 − 83. [HU Changming,LIN Cheng. Simplified calculation of settlement due to dewatering of phreatic aquifer in loess area[J]. The Chinese Journal of Geological Hazard and Control,2021,32(3):76 − 83. (in Chinese with English abstract) [8] 张建全,张克利,程贵方. 北京不同区域明挖基坑地表沉降变形特征研究[J]. 水文地质工程地质,2021,48(6):131 − 139. [ZHANG Jianquan,ZHANG Keli,CHENG Guifang. Characteristics of surface settlement and deformation of open cut foundation pit in different areas of Beijing[J]. Hydrogeology & Engineering Geology,2021,48(6):131 − 139. (in Chinese with English abstract) [9] 许强,董秀军,李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版),2019,44(7):957 − 966. [XU Qiang,DONG Xiujun,LI Weile. Integrated space-air-ground early detection,monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University,2019,44(7):957 − 966. (in Chinese with English abstract) [10] 吴龙飞,陈凌伟,彭卫平. PSInSAR技术在广州市南沙区地面沉降监测中的应用研究[J]. 城市勘测,2019(3):127 − 130. [WU Longfei,CHEN Lingwei,PENG Weiping. Research of PSInSAR technology in land subsidence monitoring in Nansha of Guangzhou[J]. Urban Geotechnical Investigation & Surveying,2019(3):127 − 130. (in Chinese with English abstract) DOI: 10.3969/j.issn.1672-8262.2019.03.029 [11] 陈玉林,匡翠林,戴吾蛟,等. 广州南沙区GPS地面沉降监测数据处理[J]. 大地测量与地球动力学,2015,35(5):849 − 852. [CHEN Yulin,KUANG Cuilin,DAI Wujiao,et al. Land subsidence monitoring using GPS network in Nansha,Guangzhou[J]. Journal of Geodesy and Geodynamics,2015,35(5):849 − 852. (in Chinese with English abstract) [12] 高磊, 陈运坤, 屈尚侠, 等. 广州南沙区软土地面沉降特征及监测预警分析[J]. 人民长江, 2020, 51(增刊2): 94 − 97 GAO Lei, CHEN Yunkun, QU Shangxia, et al. Analysis on land subsidence characteristics, monitoring and early warning of soft soil in Nansha District of Guangzhou[J]. Yangtze River, 2020, 51(Sup 2): 94 − 97. (in Chinese)
[13] 张德波. 广州市南沙区地面沉降易发性评价[J]. 中外建筑,2018(8):252 − 255. [ZHANG Debo. Susceptibility evaluation of ground subsidence in Nansha District in Guangzhou[J]. Chinese & Overseas Architecture,2018(8):252 − 255. (in Chinese) [14] 陈小月. 广州市南沙区软土地面沉降特征及城市防灾减灾的建议[J]. 地质灾害与环境保护,2018,29(2):17 − 22. [CHEN Xiaoyue. Ground subsidence characteristics of soft soil in Nansha District of Guangzhou City and the suggestions for disaster prevention and reduction in urban development[J]. Journal of Geological Hazards and Environment Preservation,2018,29(2):17 − 22. (in Chinese with English abstract) [15] 陈运坤,高磊,屈尚侠. 广州南沙区软土分布和地面沉降特征分析[J]. 资源信息与工程,2021,36(2):19 − 21. [CHEN Yunkun,GAO Lei,QU Shangxia. Study on soft soil distribution and land subsidence features in Nansha District,Guangzhou[J]. Resource Information and Engineering,2021,36(2):19 − 21. (in Chinese with English abstract) [16] 介玉新,高燕,李广信. 城市建设对地面沉降影响的原因分析[J]. 岩土工程技术,2007,21(2):78 − 82. [JIE Yuxin,GAO Yan,LI Guangxin. Analysis on the land subsidence induced by city construction[J]. Geotechnical Engineering Technique,2007,21(2):78 − 82. (in Chinese with English abstract) [17] 孟世豪,崔亚莉,田芳,等. 基于MODFLOW-SUB建立变渗透系数的地下水流-地面沉降模型[J]. 吉林大学学报(地球科学版),2022,52(2):550 − 559. [MENG Shihao,CUI Yali,TIAN Fang,et al. Modeling of groundwater flow-land subsidence with variable hydraulic conductivity based on MODFLOW-SUB[J]. Journal of Jilin University (Earth Science Edition),2022,52(2):550 − 559. (in Chinese with English abstract) -
期刊类型引用(3)
1. 孙嘉琪,古远,陈欣欣,祁明静,丁琛. 基于时序InSAR的广州典型沉降区特征及成因分析. 地质装备. 2024(05): 43-48 . 百度学术
2. 万鹏,韩贤权,谭勇,秦朋. 基于云计算的引调水工程星载TD-InSAR地表形变监测. 长江科学院院报. 2024(10): 206-214 . 百度学术
3. 纪振付,罗奕,张国沅,李建颖. 汕头市谷饶地区地面沉降特征及成因分析. 云南地质. 2024(04): 598-603 . 百度学术
其他类型引用(2)