Landslide hazard assessment based on improved catastrophe theory
-
摘要: 滑坡危险性评价是滑坡风险评估的重要组成部分，对滑坡的预测和防治意义重大。传统滑坡危险性评价在计算指标间重要性时多采用AHP、专家评判法、模糊综合评判等方法， 但存在主观性较强，计算较为复杂等问题。研究基于一种改进的突变理论模型对滑坡进行危险性评价，选取坡度、坡向、高程、平面曲率、剖面曲率、距河流距离、地层岩性、土地利用类型、距断层距离、植被覆盖率、24 h降雨以及人类工程活动等12 个因子作为滑坡危险性评价的影响因子，采用熵权法判定指标间的相对重要性，并建立滑坡危险性评价体系；然后对指标进行标准化、归一化，计算总突变结果；最后使用拟合函数对总突变结果进行转换，得到新的滑坡危险性评价准则，并以雅安市的20 条滑坡对评价准则进行实例验证。结果表明，突变理论得到的评价结果准确率为90%，评价结果更加直观准确。Abstract: Landslide hazard assessment is an important part of landslide risk assessment, which is of great significance to landslide prediction and prevention. Analytic Hierarchy Process（AHP）, expert evaluation, fuzzy comprehensive evaluation and other methods were often used in traditional landslide hazard evaluation to calculate the importance of inter-index, which were subjective and complicated. This paper introduced an improved model of mutation theory, which overcame the limitation of traditional methods and achieved higher evaluation accuracy. Firstly, according to field investigation and previous studies, 12 factors including slope, slope direction, elevation, plane curvature, profile curvature, distance from river, stratigraphic lithology, land use type, distance from fault, vegetation coverage rate, 24 h rainfall and human engineering activities were selected as influencing factors of landslide risk assessment, and the relative importance of indicators was determined by entropy weight method, and the landslide risk assessment system was established. Then the index was standardized and normalized, and the total mutation result was calculated. Finally, the fitting function was used to transform the total catastrophe result, and a new criterion of landslide risk assessment was obtained. Taking 20 landslides in Ya’an city as an example, the results showed that the accuracy of the evaluation results obtained by the catastrophe theory was 90%, and the improved evaluation results were more intuitive and accurate
-
Keywords:
- landslide /
- risk assessment /
- catastrophe theory /
- entropy weight method
-
0. 引言
本次研究选取中巴公路奥依塔克镇布伦口段K1598处典型冰川泥石流沟道内的冰碛土。奥布段公路地形起伏大，紧邻盖孜河，又加上高山区冰川覆盖，局部暴雨频发，为泥石流发育提供良好的地形条件和水动力条件[1-2]。中巴公路沿线发生过多次地质灾害，常见地质灾害有泥石流、滑坡等。其中，冰川泥石流最为常见，危害性也较大。泥石流的形成主要原因是降水和融雪，故其与土体的颗粒组构、含水率和细粒含量都紧密相关[3-4]。
冰碛土是冰川泥石流的主要固体物质来源，其和冰川泥石流堆积类似但又有所不同[5]。冰碛土是经过冰川搬运和改造作用形成的，其颗粒粗细变化较大，在降雨和融雪的作用下，冰碛土内部易发生迁移，进而形成滑坡泥石流[6-7]。例如郭朝旭等[8]研究了宽级配弱固结土体内细颗粒迁移规律；王保亮等[9]探讨了降雨作用下土体细颗粒迁移特征及其对崩塌的影响；矫滨田等人[10]研究了土体降雨滑坡中细颗粒运移及效应。
冰碛土对冰川泥石流的形成起到重要影响作用。蔡祥兴等[11]很早就对帕尔提巴尔沟冰川泥石流的成因和发展趋势做了研究；陈晓清等[12-14]以宽级配砾石土为研究对象,通过人工降雨试验和室内特体特征参数试验,初步探究在暴雨作用下，宽级配砾石土滑坡转化泥石流启动的机理；铁永波等[15]主要探索了冰碛补给—暴雨型泥石流的形成条件及形成过程机制, 提出了这类泥石流形成过程有清水汇流、单颗粒固体物质启动、掏蚀和侧蚀、泥石流形成4个阶段。此外铁永波还考虑了冻融作用的影响，对冻融条件下冰碛补给型泥石流物源汇集过程进行了初探。
近年来，前人学者对国内冰川泥石流的成因、分布特征及形成机制等已有了较深入的研究[16-20]，例如有中国西藏地区冰湖溃决型泥石流灾害的研究、西藏林芝地区冰川降雨型泥石流的研究等。此外，土的强度特性受水流的作用，与滑坡和泥石流的形成具有紧密联系，有学者[21-22]将土体的特性和斜坡稳定相联系，并从微观的角度研究其失稳机理。土体结构的变化和泥石流形成的联系，也已有了大量的研究[23-24]。然而大多数都集中在砂土类的黏性泥石流和水力类泥石流的研究，对冰碛土的特性及其对冰川泥石流的形成研究较少。因此，本文基于水槽试验和前文对冰碛土特性的研究成果，对冰碛土启动形成泥石流的机理进行分析。此次的研究探讨了公路沿线冰碛土泥石流的启动，可以为日后此类泥石流的灾害防治和预报提供指导。
1. 研究区概况
艾尔库然沟位于中巴公路奥布段K1601处。经前人调查发现，公路两侧冰碛物（冰水堆积物）共计37处，总面积达到101.95 km2。冰碛物在降雨和融雪条件下，易被冲刷形成泥石流。该流域呈簸箕形，流域面积为1.88 km2，物源区沟道长度为4.83 km，坡面长度较短，沟道纵坡降平均值为290‰，该流域储存大量的冰雪，汇水地形良好，冰川覆盖层高且厚，形成泥石流的水源多为冰帽冰川受日照融化所得。根据公格尔山地区水文气象资料显示，夏季气温骤升，日照时间加长，导致大量冰雪快速融化，在一年和一天内冰川融水流量与气温随时间变化均具有一致性[25]。该流域的冰川融水量受夏季气温影响较大，每年在6月末至9月初的流量急剧升高，为冰碛土启动形成泥石流提供了良好的水源动力，且泥石流多发生在下午的3～6点之间。众所周知，流量增大对沟道内土体的内部组构、水动力条件和水土耦合机制有重要影响。流量和历时长度的不同，泥石流形成过程和启动机制也存在较为明显的差异。因此，研究不同融水流量冲刷冰碛土体启动形成泥石流的过程和机制具有重要理论意义和现实意义。又由于泥石流实际启动过程总是处于流量连续增大情况下，故本次的研究是在了解冰碛土工程特征的基础上重点探讨持续增大流量冲刷冰碛土启动形成泥石流的过程与机理。
公路沿线冰碛土分布广泛，2015—2016年公路沿线泥石流现场调查期间，对不同位置的冰碛土进行大量颗粒级配实验和分析，发现该区域冰碛土类型多样，粒度分布广，且多为砾石和砂粒占比大，砾石含量最高（33.4%～88.9%），砂粒含量次之（9.17%～68.77%），而细颗粒含量最低，粉砂含量约占1.69%～11.61%，黏土含量约占0.12%～12.17%。对公路两侧不同冰川泥石流堆积体随机取样进行颗分实验，共取样41组，冰碛土的岩土成分占比和级配状况如图1所示，其中各岩土成分取值为41组样品的算术平均值。由冰碛土粒度组成可反映其形成过程和沉积环境，在寒冷环境下，大量岩块经受寒冻物理风化作用形成粗颗粒岩屑，并在搬运过程中发生物理和化学风化作用形成少量粉沙和黏土。
![]()
图 1 冰碛土中岩土成分占比图和冰碛土的级配状况图Figure 1. Proportion diagram of rock and soil composition in moraine soil and gradation diagram of moraine soil2. 冰碛土泥石流启动实验
2.1 启动实验模型
试验模型包括试验水槽、土体铺设及传感器布置（图2）。建立尺寸为350 cm×60 cm×50 cm的水槽模型，模型水槽的底端和一侧用钢板焊接，另一侧采用5 mm厚的有机玻璃板，底部每隔50 cm设置一处5 cm高的隔板以此增强土体与水槽之间的摩擦力。野外调查发现研究区沟谷平均坡度为26.8°，为近似模拟实际设定试验坡度θ为25°。调节供水箱出口处的阀门来改变水流流量大小，进而研究冰碛土体在增大流量作用下冲刷启动形成泥石流的过程。
![]()
图 2 试验水槽模型、土体铺设及传感器布置图Figure 2. Flume model and layout of experiment soil and sensors2.2 启动试验方法
将原样土中粒径大于10 cm的块石剔除后晒干，原样土平均天然含水量为5.3%，为近似模拟实际土体情况，配置含水量为6%的土样作为试验土；将试验土均匀摊铺在底部已铺设卵石的试验槽中，以增加土体底部摩阻力。矩形断面最佳泥石流排导尺寸为土体厚度与断面宽度比为1∶2，槽宽60 cm,土样厚30 cm（图2）。土样长度为250 cm,试验槽前、后缘各50 cm不铺设土样，分别作为水流和泥石流的过渡段；将配置好的试验土体分三次填筑至试验槽中，每次填土厚度为10 cm，压实、平整后再完成下一次的填筑。将含水量传感器探头埋设在试验土中，每个剖面的探头各布置3个，深度均为25 cm，18 cm，10 cm，探头布置完成后，对扰动土样进行压实，静置12 h；冰碛土自然固结12 h后，一切准备就绪后，打开供水箱出口处阀门，调节流量，试验开始。
2.3 启动试验现象
本次实验为人工持续放水冲刷实验，控制流量分别为8 L/min、12 L/min、16 L/min和56 L/min。融水量为8 L/min时（图3a），融水量较小，土体孔隙大、渗透性能好，冰碛土自然状态的细颗粒含量较少，水流沿着坡顶快速下渗，土体内部的细体颗粒沿粗颗粒缝隙随水流向坡脚处迁移，2 min时坡脚出现浑浊泥流,3 min时坡脚汇流变清，达到稳定状态，22 min之后传感器1的底部含水量逐渐增加，实验历时30 min。
融水量为12 L/min（图3b），水流入渗速率加快，土体内部含水量快速增加，土体中的细颗粒持续不断的向坡脚迁移，3.5 min时表面开始出现裂缝。10 min时坡脚细颗粒含量持续增加并堆积，水流被部分阻碍，传感器2的含水量快速上升。从侧面观察到土体内细颗粒的流失，在水槽底部形成了通道，并随着时间不断加长，最终贯通坡体形成水流稳定的渗流通道。水流持续冲刷22 min时，坡脚产流变清，在坡脚上方产生横向裂缝，坡脚处土体骨架出现部分坍塌，但整体未发生严重破坏，实验历时22 min，此时的水位和浸润线不断上升。
融水流量为16 L/min（图3c），流量加大，流速变快，土体含水量迅速增加且渗流加快，出现蓄满产流且径流快速冲刷土体表面，出现粗化。5 min时坡脚处土体堆积出现浑浊泥流，土体表面被冲刷形成一条沟道，细颗粒侵蚀下移，细颗粒的含量增加堵塞渗流通道。中下游横向裂缝的宽度不断发展，随后沿裂缝处发生坍塌。10 min时土体坍塌使土体颗粒发生重组孔隙率变小，渗透变弱，水流侧蚀冲沟两侧土体，使土体底部被掏空失稳坍塌堵塞冲沟，12 min时水流大量汇集在冲沟底部，随后溃决形成小规模泥石流，泥石流持续10 s后坡脚处出现高含沙水流，3号传感器探头被水流冲出。实验历时18 min。
融水量为56 L/min（图3d），此时在土体表面出现超渗产流，粗细颗粒都被水流迅速带走，堆积体坡脚不断后退，25 s时土体骨架坍塌，2 min时的水流和骨架从坡顶下泄冲刷坡底和沟道，使沟道内的下蚀和侧蚀加剧，造成坡脚处坍塌体堵塞，细颗粒在下游的大量堆积和前期在坡脚的坍塌物发生溃决形成更大规模的泥石流。实验历时5 min。
2.4 细颗粒含量变化
在试验中观察水槽出口的细颗粒含量，得到细粒含量随时间的变化图（图4），在不同融水流量作用下，细颗粒含量都随时间都呈现波动式变化，且随时间的持续有先升后降的整体趋势。
当融水流量为8 L/min时，细粒含量的峰值有两个，分别在10 min和25 min时刻，原因是当水流流出接触坡体，土体中部分细颗粒在冰碛土的粗颗粒大骨架中被水流带走，在坡脚处有浑浊水流，此时流速较小，不足以破坏冰碛土内部结构，在土体内部形成水流通道，当水流持续作用，水流通道加大，又有部分细粒含量被水流带走，即形成了第二次峰值，30 min后汇流变清并保持。
当融水流量为12 L/min时，发现曲线有一个较明显的峰值，水流刚开始作用，由于流量较小，流出的细粒含量也较少，10 min时细粒含量在坡脚处堆积堵塞了水流通道，导致超渗产流，水流主要变为地表径流，携沙量达到峰值。随后携沙量不断减少，坡脚处出现裂缝和部分坍塌，22 min后状态不变。
当融水流量增至到16 L/min时，曲线波动较明显，且峰值出现的时间提前至5 min，此时因为水流加大，流速加大坡脚堆积土体坍塌，使得水流通道顺畅，不断有细颗粒持续随水流加速流出。10 min时水流侧蚀使得坡脚堆积，坡脚含沙量减少，12 min时土体逐渐失稳坍塌堵塞，随后溃决形成小规模泥石流，泥石流持续10 s后坡脚处出现高含沙水流，随后含沙量减少并趋于稳定，历时18 min。
当融水流量为56 L/min时，发现图中只有一个峰值，总历时5 min，大水流泄出使得土体逐渐饱和，内部结构遭到破坏，土体的结构强度也急剧减弱，在流量和流速都变大的情况下，坡脚处土骨架瞬间崩塌，在坡脚处发生溃决后大量的细颗粒随水流泻出，最终形成泥石流。
泥沙含量随融水流量和时间的不同而发生波动变化，波动原因如下，一是流量较小时，水流在土体内部形成渗流通道，细颗粒从通道中被携带至坡脚，形成高含沙水流，后期由于无足够泥沙补给，在稳定渗流通道内形成水流，进而泥沙含量减少；二是水流冲刷使土体失稳坍塌，汇集在坡脚处抑制了水流的流通，渗流通道被堵塞，坡脚产沙量短暂减少，后出现超渗产流，坡脚表面细颗粒被带走；三是土骨架大量坍塌，随水流堵塞在坡脚，土体发生溃决后大量泥沙随水流顺流而下，产流量增大。因此，泥石流冲刷启动和土体坍塌淤堵在反复循环。
融水流量对细粒含量的迁出有很大的影响，在融水量较小时，水流一部分进入土体内部被吸收，大部分顺着坡度向坡脚泻出，此时流速小，流量稳定，总细粒含量的排出较少；融水量较大时，细粒含量的产出随流量的增加而突增，具有历时短峰值高的特征。
3. 冰碛土泥石流形成机理
3.1 泥石流的启动机理分析
通过调查研究可知冰碛土呈现骨架结构，粗颗粒的砂砾含量高，细颗粒的粉砂含量较低，孔隙度大，透水性强。冰碛土堆积体受降雨和融雪的影响，其含水率和细粒含量对土体强度的变化有决定性作用，从而引发泥石流的启动。
3.1.1 渗透饱和
通过对天然重度(2.0 g/cm3）下冰碛土的不固结快剪实验，设置了4种含水量（5%、10%、15%、20%）得到冰碛土不同含水率下抗剪强度的变化曲线（图5），可知冰碛土体内含水率的不同是引起土体强度变化的重要因素，当土体处于天然含水率ω=2.1%～8.68%之内时，冰碛土体的内摩擦角φb大于坡体坡度θ，其处于稳定状态。当打开水流，水流逐渐渗透到冰碛土体内部，使其含水率逐渐增大，但此时并未达到饱和状态，即土体含水率达到含水量区间（10%～15%），土体内摩擦角φb值和凝聚力C值随含水率增加而下降，从而引起抗剪强度变小，同时由于水流的渗入导致土体的下滑力增大，土体间的剪切力加大，但部分细颗粒被水流带走堆积于坡底，坡底细粒含量增加（不超过30%），使得坡底的抗剪强度略微加大，再有此时土体的渗透性也较弱，冰碛土的抗滑力大于坡体的下滑力，因此土体仍能保持稳定性，水流量较小时并不能使坡体大面积变形和发生破坏。
![]()
图 5 不同含水率下抗剪强度指标的变化曲线Figure 5. Variation curve of shear strength under different moisture content随着水流量的增大，水流入渗，渗流沿大孔隙快速进入土体，水流出现蓄满产流，表面径流冲刷土体，造成细颗粒侵蚀下移，土体表面出现粗化，孔隙率增大，渗透能力增强，加速土体渗流进入饱和状态，土体内部含水率的饱和促使冰碛土体强度大幅度降低，在外力的干扰和作用下逐渐失稳，从而启动并加速向下滑动。
3.1.2 侵蚀坍塌
水流持续冲刷作用在冰碛土体上，使得土体的含水率急剧增大（大于15%），渗透系数变大，入渗较快，水流入渗使包裹土颗粒的水膜厚度变大减小了土颗粒之间的摩擦力，在渗透力的作用下水体楔入粒间孔隙带走大量的细颗粒。当水流入渗量稳定，由于大量细体颗粒迁出土体内部形成了完整的渗流通道（图6），且通道尺寸随细颗粒的流失逐渐加宽，水流沿渗流通道流动。随时间的持续，土体内部大量细颗粒被冲蚀使土体骨架被架空甚至结构性丧失，随后土颗粒重新排列，在坡脚的细粒含量急增，渗透系数变小，堵塞渗流通道，堆积土体的厚度和坡度增加使得坡体向下的运动摩擦力和重力向下的分量增大，坡体的整体抗滑力减小，稳定性变弱，最终促使土体崩塌向下滑动破坏。土体粗颗粒骨架之间的摩擦力不足，颗粒之间的黏聚力变小，即颗粒间的接触应力骤降，在持续的渗流侵蚀作用下，坡底的土颗粒逐渐流失，使土体抗剪强度降低，土体加速蠕动，进而土体局部失稳，出现裂纹、蠕动、坍塌等现象。
3.1.3 冲刷启动
通过上述实验现象可知，水流的持续冲刷侵蚀和土体坍塌使得堆积土体坡脚不断后退，冰碛土的颗粒结构发生变化，水流量不变时，土体发生小型泥石流后归于稳定，不会再进一步发生破坏。加大流量时，在土体表层沿着抗冲刷能力弱的土体中形成多条细沟，此时的细粒含量较实验前减少较多，土体也处于饱和，故其渗透能力变小，水流会沿着细沟不断冲刷，多条细沟在水流冲刷下逐渐汇集，规模不断加大，故坡脚处的土颗粒发生下切侵蚀和侧向侵蚀，最终形成大规模的泥石流。
3.2 运动的受力稳定分析
水流在持续增大流量冲刷过程中，试验前期流量较小时，表现为渗流侵蚀阶段，水在静止和运动过程中产生了孔隙水压力和渗透力；试验后期流量较大时，表现为径流侵蚀阶段，快速流动的水流在土体表面产生了径流剪切力。
在融水量变化的实验过程中，在流量较小的前期表现为渗透饱和阶段，在逐渐增加水流量的后期表现为侵蚀坍塌和冲刷启动，此过程中，冰碛土体会沿运动方向对细沟的底面产生剪切作用，即下滑力[26]FD和抗滑力FR（图7）。
![]()
图 7 泥石流底部剪切力示意图Figure 7. Schematic diagram of shear force at the bottom of debris flow单元体沿坡面滑动受力：
(1) (2) (3) 式中：Fm−地面以上泥石流体重力朝X方向的分 量/KN；
Hc−土样的深度/m；
ρc
−土样密度/（g·cm−3）； g−重力加速度，取9.8 m·s−2；
θ−坡体角度，取值25°；
Ff−底面的摩擦阻力/kN；
Fu−底面的运动摩擦阻力/kN；
α2−泥石流运动碰撞摩擦阻力系数，为无量纲 参数，取摩擦阻力系数α2为0.06[27]；
Vx−泥石流向下滑移的速度/（m·s−1）。
下滑力FD由Fm、Ff和Fu共同构成[28]：
(4) 在坡面上的摩擦力不仅仅是由重力分量所提供，泥石流在水流的作用下会产生向上的孔隙水压力，根据吴永等[29]所推导出堆积体受到的渗透静水压力Pw：
(5) 式中：γw−水的重度/（g·cm−3）；
hi−土体中平均潜水位/m；
l−土体的长度/m。
故泥石流的抗滑力FR和冰碛土的稳定系数Ks：
(6) (7) 式中：FR−作用在坡面上产生的摩擦力和土体颗粒 之间的黏聚力之和/kN；
C−土颗粒之间的黏聚力/kPa。
通过式（1）～（6）的计算，得到泥石流的下滑力和抗滑力在不同流量下的关系曲线图（图8），可明显发现抗滑力和下滑力的交点发生在16 L/min。
![]()
图 8 不同流量下下滑力FD和抗滑力FR的变化Figure 8. Variation of towing force and slanding force under different flow rates从图8可发现，在未放水（Q=0 L/min）的初始状态，土体的下滑力主要有土体重力在X方向的分量提供，抗滑力中的坡面摩擦力和颗粒之间的黏聚力明显大于下滑力，此时整体稳定。当融水量为8 L/min和12 L/min时，水流持续渗透，径流不明显，此时随着流量的加大，土体间黏聚力随之减小，内摩擦角减小使得摩擦阻力Ff逐渐减小，此时的下滑力仍小于抗滑力，土体继续处于稳定状态；融水量为16 L/min和56 L/min时，土体渐渐饱和，坡体出现径流侵蚀现象，土体细颗粒含量大量流失，黏聚力减少，土体的抗剪强度下降迅速，骨架失稳，坡前细颗粒被输移至坡脚而发生孔隙淤堵，致使孔隙水压力瞬间增大，土体内部结构和应力状态均随之发生改变，此时冰碛土会坍塌引发泥石流，即其产生的下滑力大于土体的抗滑力。
冰碛土体的稳定系数Ks随不同流量的变化如图9所示，从图中可发现，对不同流量下冰碛土体稳定系数进行拟合，其呈现较好的幂函数关系。当流量增加，稳定系数下降明显，稳定系数大于1发生在流量小于16 L/min，此阶段主要以渗流饱和侵蚀为主，加大流量后发生坍塌启动，稳定系数小于1且下降快速。
![]()
图 9 不同流量Q与稳定系数Ks的拟合曲线Figure 9. Fitting curves of different flow rate and stability coefficient3.3 泥石流启动机制
土体在稳定期间受到降雨和融雪作用，土体经过渗透饱和、上部颗粒向下部迁移，受含水率和细粒含量的影响，土体内部的平衡被打破，在多力作用下致使坡体抗剪强度急剧减小，由于土体上部粗化，坡脚堆积明显，细沟数量变多，水流持续冲刷使得坡体中细沟逐渐集中并加深，土体发生侵蚀坍塌和冲刷启动，并形成深而大的沟道，含砂水流或泥石流在运动中逐渐获得较大的加速度，从而加快流体进入高速运动，不断进行向下侵蚀和侧向侵蚀，最终促使泥石流的形成。其演化机制见图10。
4. 结论
（1）不同融水流量下，冰碛土的侵蚀破坏形式和泥石流启动过程具有一定的差异性。在融水流量较小(8 L/min)时，主要以水流持续渗透为主，部分细颗粒被水流带走堆积于坡底，此时冰碛土体的整体抗滑力大于下滑力，不会发生破坏。流量增大(12 L/min)时，此阶段以渗流侵蚀为主，坡面出现细小裂缝，坡脚土体小部分坍塌，但整体依旧稳定。流量加大(16 L/min)，主要以侵蚀坍塌为主。冰碛土逐渐达到饱且上部粗化明显，坡脚处的细颗粒的含量增加堵塞渗流通道，坡脚处堆积的自重和剪切力相应增加，冰碛土发生侵蚀坍塌，并诱发小规模泥石流；融水流量较大(56 L/min)时发生冲刷启动，土体在冲刷的作用下径流沟道加深加宽，并整体向下滑移。土体的强度不足以抵抗土体自重产生的下滑力，进而发生下切侵蚀和侧向侵蚀，最终启动形成泥石流。
（2）不同流量作用下泥石流启动模式有所区别。流量小时，主要以渗透饱和侵蚀为主，流量大时，主要以坍塌冲刷启动为主。原因是流量较小，其水流动力不足，土体细颗粒迁移但不会流失，泥石流启动较难，后期水流量加大，流速加大，土体饱和且强度降低，泥石流随之暴发启动。
（3）泥沙含量随融水流量和时间的不同而发生波动变化。流量小时，细粒含量主要从渗流通道流出；流量大时，泥石流冲刷启动和土体坍塌淤堵在反复循环，进而含沙量处于波动状态。
（4）冰碛土在水流渗透作用下，其内部结构发生变化。综合土体强度和渗透性的变化特征及实验现象，将冰碛土泥石流形成机理为渗透饱和、侵蚀坍塌、冲刷启动三部分。
（5）冰碛土的稳定系数与水流流量呈幂函数关系。融水量的不断增加，冰碛土逐渐趋于饱和，内部含水率的增加和细粒含量的减少，使得土体的抗剪强度急剧减小，冰碛土泥石流随流量流速的加大快速向下滑动，土体中的剪切力增大，抗剪强度极速降低，使之下滑力逐渐超过冰碛土的抗滑力，稳定系数Ks快速降低。
-
表 1 一维状态变量的突变模型
Table 1 Mutation model of one-dimensional state variables
突变模型 控制变量维数 势函数 归一公式 折叠突变 1 尖点突变 2 燕尾突变 3 
下载: 导出CSV
表 2 研究区滑坡的各评价指标
Table 2 Evaluation indexes of landslide in the study area
滑坡点 24 h降雨
/mm地层岩性 距断层距离
/km土地利用
类型坡度
/（°）高程
/m坡向
/ （°）平面曲率 剖面曲率 距河流距离
/km植被
覆盖率1 17 砂岩 3.1176 有林地 11.5042 1403 22.8906 −0.5440 0.5321 0.3168 0.3029 2 2 砾岩 7.0588 灌木林 11.9137 1002 99.0903 −0.5742 0.1138 0.1740 0.1429 3 16 砂岩 11.1765 旱地 9.6462 789 11.3099 0.0217 0.1496 0.1740 −0.1176 4 9 砂岩 3.8235 疏林地 11.2428 968 326.9761 −0.0350 0.0433 0.1020 −0.0078 5 18 砂岩 7.0588 旱地 27.0311 696 210.9638 0.1002 −0.1583 0.4400 0.2735 6 12 砾岩 0.4118 旱地 15.9518 809 122.7352 0.0380 0.2003 0.0900 0.3369 7 18 砂岩 5.0588 水田 24.1319 1827 170.3625 0.0489 −0.0072 0.2800 0.4900 8 6 砂岩 7.6471 高覆盖度草地 16.7599 815 255.5792 −0.0965 0.0915 0.0432 0.4749 9 8 泥岩 2.3529 旱地 20.9576 1574 81.8699 −0.0307 −0.1013 0.2720 0.3189 10 17 泥岩 6.4706 中覆盖度草地 20.8143 1103 243.9967 −0.1543 −0.0356 0.1260 0.2003 11 3 砂岩 4.7059 城镇用地 12.9588 649 58.3245 0.1499 −0.0642 0.0300 −0.0732 12 17 砂岩 2.6471 有林地 20.7455 1205 124.3151 0.0250 −0.1204 0.3000 0.3348 13 15 砂岩 9.0000 中覆盖度草地 23.0888 2094 85.5154 −0.0577 −0.2289 8.6000 0.1837 14 18 砂岩 4.1176 旱地 7.8539 611 25.0169 −0.0866 0.2141 0.0800 0.1813 15 13 冲洪积砾石及砂土 2.2353 旱地 18.4350 1086 180.0000 −0.1286 −0.1171 0.1640 0.0000 16 5 砂岩 8.5294 旱地 18.5686 726 60.2551 0.0832 −0.0702 0.1000 0.2671 17 22 冲洪积砾石及砂土 2.3529 旱地 7.1172 1096 334.2900 −0.1590 0.4979 0.1680 0.3975 18 32 砂岩 8.4706 旱地 29.2601 1769 59.6209 0.1344 −0.0270 6.5000 0.4317 19 34 冲洪积砾石及砂土 8.8235 旱地 14.7525 576 85.4622 0.1103 0.0115 0.0440 0.2170 20 34 砂岩 7.0588 中覆盖度草地 14.7242 889 267.2737 0.3683 −0.3448 0.3120 0.3745
下载: 导出CSV
表 3 滑坡危险性评价体系
Table 3 Landslide risk assessment system
目标层 突变模型 准则层 突变模型 中间层 突变模型 指标层 滑坡危险性A 燕尾突变（非互补） 地形地貌B1 尖点突变（非互补） 地貌C1 燕尾突变（非互补） 剖面曲率D1 平面曲率D2 坡向D3 滑坡形态C2 尖点突变（互补） 高程D4 坡度D5 地质条件B2 燕尾突变（非互补） 岩性条件C3 折叠突变 地层岩性D6 构造条件C4 尖点突变（非互补） 距断层距离D7 距河流距离D8 植被条件C5 折叠突变 植被覆盖率D9 诱发因素B3 折叠突变 致灾因子C6 燕尾突变（非互补） 24 h降雨D10 土地利用类型D11 人类工程活动D12
下载: 导出CSV
表 4 底层指标
Table 4 Corresponding relationship between underlying indicators
x 0.00 0.05 0.10 0.15 0.20 0.25 0.30 y 0.0000 0.5866 0.7407 0.7900 0.8215 0.8451 0.8640 x 0.35 0.40 0.45 0.50 0.55 0.60 0.65 y 0.8799 0.8937 0.9058 0.9167 0.9266 0.9356 0.9440 x 0.70 0.75 0.80 0.85 0.90 0.95 1.00 y 0.9517 0.9590 0.9658 0.9723 0.9784 0.9842 0.9897
下载: 导出CSV
表 5 标准化结果
Table 5 Standardization results
序号 剖面曲率 平面曲率 坡向 高程 坡度 地层岩性 距断层距离 距河流距离 植被覆盖率 降雨 土地利用类型 人类工程活动 1 0.9448 0.0845 0.0749 0.4956 0.1978 0.90 0.7696 0.9693 0.3532 0.4299 0.70 0.89 2 0.5112 0.0554 0.5236 0.2709 0.2137 0.60 0.4391 0.9844 0.5926 0.0050 0.60 0.34 3 0.5483 0.6302 0.0067 0.1516 0.1257 0.90 0.0937 0.9844 0.9824 0.4142 0.50 0.35 4 0.4381 0.5755 0.2170 0.2519 0.1876 0.90 0.7104 0.9920 0.8180 0.1928 0.80 0.30 5 0.2291 0.7059 0.8351 0.0995 0.8000 0.90 0.4391 0.9562 0.3973 0.4484 0.50 0.40 6 0.6009 0.6459 0.6628 0.1628 0.3703 0.60 0.9965 0.9933 0.3023 0.3021 0.50 0.33 7 0.3858 0.6563 0.9432 0.7331 0.6876 0.90 0.6068 0.9732 0.0733 0.4619 0.40 0.80 8 0.4880 0.5161 0.5974 0.1662 0.4016 0.90 0.3897 0.9983 0.0958 0.1115 1.10 0.32 9 0.2882 0.5796 0.4222 0.5914 0.5645 1.40 0.8337 0.9740 0.3293 0.1648 0.50 0.32 10 0.3563 0.4604 0.6591 0.3275 0.5589 1.40 0.4884 0.9895 0.5067 0.4299 1.20 0.32 11 0.3266 0.7538 0.2835 0.0732 0.2542 0.90 0.6364 0.9997 0.9159 0.0415 0.10 0.20 12 0.2684 0.6333 0.6721 0.3846 0.5562 0.90 0.8091 0.9711 0.3054 0.4299 0.70 0.30 13 0.1559 0.5536 0.4436 0.8827 0.6471 0.90 0.2763 0.0912 0.5315 0.3869 1.20 0.48 14 0.6152 0.5257 0.0874 0.0519 0.0562 0.90 0.6857 0.9944 0.5351 0.4485 0.50 0.31 15 0.2718 0.4852 1.0000 0.3180 0.4666 1.50 0.8436 0.9855 0.8064 0.3077 0.50 0.32 16 0.3204 0.6895 0.2949 0.1163 0.4718 0.90 0.3157 0.9923 0.4068 0.0893 0.50 0.30 17 0.9093 0.4558 0.1781 0.3236 0.0276 1.50 0.8337 0.9851 0.2117 0.5660 0.50 0.30 18 0.3652 0.7389 0.2911 0.7006 0.8865 0.90 0.3207 0.3138 0.1605 0.8430 0.50 0.46 19 0.4051 0.7156 0.4433 0.0323 0.3238 1.50 0.2911 0.9982 0.4817 0.9048 0.50 0.35 20 0.0357 0.9645 0.5351 0.2076 0.3227 0.90 0.4391 0.9698 0.2461 0.9050 1.20 0.40
下载: 导出CSV
表 6 滑坡危险性评价准则
Table 6 Criteria for landslide hazard assessment
危险性级别 高危险 中危险 低危险 改进前 (0.9100, 1] (0.8500, 0.9100] (0, 0.8500] 改进后 (0.4798, 1] (0.2916, 0.4798] (0, 0.2916]
下载: 导出CSV
表 7 滑坡危险性评价结果
Table 7 Landslide risk assessment results
序号 改进前 危险性 改进后 危险性 现场调查结果 1 0.8057 低危险 0.2019 低危险 低危险 2 0.6435 低危险 0.0526 低危险 低危险 3 0.6586 低危险 0.0596 低危险 低危险 4 0.8561 中危险 0.3068 中危险 中危险 5 0.8880 中危险 0.3998 中危险 中危险 6 0.8654 中危险 0.3313 中危险 高危险 7 0.8493 低危险 0.2900 低危险 低危险 8 0.8330 低危险 0.2531 低危险 低危险 9 0.8605 中危险 0.3181 中危险 中危险 10 0.9140 高危险 0.4961 高危险 高危险 11 0.7670 低危险 0.1465 低危险 低危险 12 0.9216 高危险 0.5281 高危险 高危险 13 0.9019 中危险 0.4486 中危险 中危险 14 0.7434 低危险 0.1204 低危险 低危险 15 0.9046 中危险 0.4589 中危险 中危险 16 0.8177 低危险 0.2230 低危险 低危险 17 0.8124 低危险 0.2134 低危险 中危险 18 0.8919 中危险 0.4130 中危险 中危险 19 0.8113 低危险 0.2114 低危险 低危险 20 0.8310 低危险 0.2492 低危险 低危险
下载: 导出CSV
-
[1] 汤明高,吴川,吴辉隆,等. 水库滑坡地下水动态响应规律及浸润线计算模型—以石榴树包滑坡为例[J]. 水文地质工程地质,2022,49(2):115 − 125. [TANG Minggao,WU Chuan,WU Huilong,et al. Dynamic response law of groundwater in reservoir landslide and calculation model of infiltration line: A case study of Shidshubao landslide[J]. Hydrogeology & Engineering Geology,2022,49(2):115 − 125. (in Chinese with English abstract) [2] KALANTAR B,PRADHAN B,NAGHIBI S A,et al. Assessment of the effects of training data selection on the landslide susceptibility mapping:a comparison between support vector machine (SVM),logistic regression (LR) and artificial neural networks (ANN)[J]. Geomatics,Natural Hazards and Risk,2018,9(1):49 − 69. DOI: 10.1080/19475705.2017.1407368
[3] 张钟远,邓明国,徐世光,等. 镇康县滑坡易发性评价模型对比研究[J]. 岩石力学与工程学报,2022,41(1):157 − 171. [ZHANG Zhongyuan,DENG Mingguo,XU Shiguang,et al. Comparative study on evaluation models of landslide susceptibility in Zhenkang County[J]. Chinese Journal of Rock Mechanics and Engineering,2022,41(1):157 − 171. (in Chinese with English abstract) [4] SHANO L,RAGHUVANSHI T K,METEN M. Landslide susceptibility mapping using frequency ratio model:The case of Gamo highland,South Ethiopia[J]. Arabian Journal of Geosciences,2021,14(7):1 − 18.
[5] MAŁKA A N. Landslide susceptibility mapping of Gdynia using geographic information system-based statistical models[J]. Natural Hazards,2021,107(1):639 − 674. DOI: 10.1007/s11069-021-04599-8
[6] 祁于娜,王磊. 层次分析-熵值定权法应用于山区城镇地质灾害易发性评价[J]. 测绘通报,2021(6):112 − 116. [QI Yuna,WANG Lei. Application of AHP-entropy weight method in hazards susceptibility assessment in mountain town[J]. Bulletin of Surveying and Mapping,2021(6):112 − 116. (in Chinese with English abstract) DOI: 10.13474/j.cnki.11-2246.2021.0187 [7] 吴博,赵法锁,段钊,等. 基于熵权的属性识别模型在陕西土质滑坡危险度评价中的应用[J]. 灾害学,2018,33(1):140 − 145. [WU Bo,ZHAO Fasuo,DUAN Zhao,et al. Application of attribute recognition model based on coefficient of entropy to hazard degree evaluation of soil landslide in Shaanxi[J]. Journal of Catastrophology,2018,33(1):140 − 145. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2018.01.025 [8] ZHU J Q ,LI T Z . Catastrophe theory-based risk evaluation model for water and mud inrush and its application in Karst tunnels[J]. Journal of Central South University,2020,27(5):1587 − 1598. DOI: 10.1007/s11771-020-4392-0
[9] 宋盛渊, 王清, 潘玉珍, 等. 基于突变理论的滑坡危险性评价[J]. 岩土力学, 2014, 35（增刊2）: 422 − 428 SONG Shengyuan, WANG Qing, PAN Yuzhen, et al. Evaluation of landslide susceptibility degree based on catastrophe theory[J]. Rock and Soil Mechanics, 2014, 35（Sup 2）: 422 − 428. （in Chinese with English abstract）
[10] 王雪冬,叶果,李世宇,等. 基于熵值法和突变级数法的泥石流易损度评价[J]. 地质与资源,2019,28(5):493 − 496. [WANG Xuedong,YE Guo,LI Shiyu,et al. Vulnerability assessment of debris flow based on entropy value and catastrophe progression methods[J]. Geology and Resources,2019,28(5):493 − 496. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-1947.2019.05.013 [11] 刘晓宇,任光明,刘彬,等. 基于突变理论的滑坡危险性评价[J]. 西华大学学报(自然科学版),2020,39(2):95 − 99. [LIU Xiaoyu,REN Guangming,LIU Bin,et al. Analysis of landslide hazard based on mutation series method[J]. Journal of Xihua University (Natural Science Edition),2020,39(2):95 − 99. (in Chinese with English abstract) [12] MOGAJI K A,LIM H S. Development of a GIS-based catastrophe theory model (modified DRASTIC model) for groundwater vulnerability assessment[J]. Earth Science Informatics,2017,10(3):339 − 356. DOI: 10.1007/s12145-017-0300-z
[13] GHORBANI M A,KHATIBI R,SIVAKUMAR B,et al. Study of discontinuities in hydrological data using catastrophe theory[J]. Hydrological Sciences Journal,2010,55(7):1137 − 1151. DOI: 10.1080/02626667.2010.513477
[14] QIU X X,CAO Q G,WANG Y N,et al. Risk assessment method of coal spontaneous combustion based on catastrophe theory[J]. IOP Conference Series:Earth and Environmental Science,2020,603(1):012017. DOI: 10.1088/1755-1315/603/1/012017
[15] 王艺洁,张东映,张小清,等. 基于改进突变评价法的安徽省旱灾风险评价[J]. 水电能源科学,2020,38(11):1 − 4. [WANG Yijie,ZHANG Dongying,ZHANG Xiaoqing,et al. Drought risk assessment of Anhui Province based on improved catastrophe progression approach[J]. Water Resources and Power,2020,38(11):1 − 4. (in Chinese with English abstract) [16] 夏杰塬. 改进的突变评价法在河南省农业干旱中的应用[D]. 郑州: 华北水利水电大学, 2017 XIA Jieyuan. Application of improved catastrophe evaluation method in agricultural drought in Henan Province[D]. Zhengzhou: North China University of Water Resources and Electric Power, 2017. （in Chinese with English abstract）
[17] 赵晓燕,谈树成,李永平. 基于斜坡单元与组合赋权法的东川区地质灾害危险性评价[J]. 云南大学学报(自然科学版),2021,43(2):299 − 305. [ZHAO Xiaoyan,TAN Shucheng,LI Yongping. Risk assessment of geological hazards in Dongchuan District based on the methods of slope unit and combination weighting[J]. Journal of Yunnan University (Natural Sciences Edition),2021,43(2):299 − 305. (in Chinese with English abstract) [18] 梁桂兰,徐卫亚,何育智,等. 突变级数法在边坡稳定综合评判中的应用[J]. 岩土力学,2008,29(7):1895 − 1899. [LIANG Guilan,XU Weiya,HE Yuzhi,et al. Application of catastrophe progression method to comprehensive evaluation of slope stability[J]. Rock and Soil Mechanics,2008,29(7):1895 − 1899. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-7598.2008.07.031 [19] 唐然,邓韧,董建辉,等. 雅安市汉源县永定桥水库飞水沟滑坡成因机制分析[J]. 地质论评,2015,61(增刊 1):110 − 111. [Tang Ran,Deng Ren,Dong Jianhui,et al. Genetic mechanism analysis of Feishuigou landslide in Yongdingqiao Reservoir, Hanyuan County, Ya’an City[J]. Geological Review,2015,61(Sup 1):110 − 111. (in Chinese with English abstract) [20] 李鹏岳,巴仁基,倪化勇,等. 库水位升降速率对雅安双家坪堆积体滑坡稳定性影响模拟分析[J]. 地质力学学报,2017,23(2):288 − 295. [LI Pengyue,BA Renji,NI Huayong,et al. Simulation analysis of the influence of water level rise and fall rate on the stability of Shuangjiaping accumulation in Ya’an[J]. Chinese Journal of Geomechanics,2017,23(2):288 − 295. (in Chinese with English abstract) [21] 徐晓雪,季灵运,张文婷,等. 基于相干性的InSAR时间序列方法追溯四川雅安地区汉源滑坡灾前形变[J]. 地球科学与环境学报,2022,44(4):632 − 640. [XU Xiaoxue,JI Lingyun,ZHANG Wenting,et al. Trace deformation of Hanyuan Landslide in Ya 'an Area, Sichuan Province based on InSAR time series method of coherence[J]. Journal of Earth Sciences and Environment,2022,44(4):632 − 640. (in Chinese with English abstract) [22] 侯圣山,李昂,韩冰,等. 四川雅安地质灾害预警预报及分析[J]. 中国地质灾害与防治学报,2014,25(4):134 − 138. [HOU Shengshan,LI Ang,HAN Bing,et al. Prediction and analysis of geological hazards in Ya’an, Sichuan Province[J]. The Chinese Journal of Geological Hazards and Control,2014,25(4):134 − 138. (in Chinese with English abstract) [23] 方然可,刘艳辉,苏永超,等. 基于逻辑回归的四川青川县区域滑坡灾害预警模型[J]. 水文地质工程地质,2021,48(1):181 − 187. [FANG Ranke,LIU Yanhui,SU Yongchao,et al. Prediction model of regional landslide disaster in Qingchuan County, Sichuan Province based on logistic regression[J]. Hydrogeology & Engineering Geology,2021,48(1):181 − 187. (in Chinese with English abstract) [24] 刘福臻,王灵,肖东升. 机器学习模型在滑坡易发性评价中的应用[J]. 中国地质灾害与防治学报,2021,32(6):98 − 106. [LIU Fuzhen,WANG Ling,XIAO Dongsheng. Application of machine learning model in landslide susceptibility evaluation[J]. The Chinese Journal of Geological Hazard and Control,2021,32(6):98 − 106. (in Chinese with English abstract) [25] 杨华阳,许向宁,杨鸿发. 基于证据权法的九寨沟地震滑坡危险性评价[J]. 中国地质灾害与防治学报,2020,31(3):20 − 29. [YANG Huayang,XU Xiangning,YANG Hongfa. The Jiuzhaigou co-seismic landslide hazard assessment based on weight of evidence method[J]. The Chinese Journal of Geological Hazard and Control,2020,31(3):20 − 29. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.2020.03.03 [26] 周天伦,曾超,范晨,等. 基于快速聚类-信息量模型的汶川及周边两县滑坡易发性评价[J]. 中国地质灾害与防治学报,2021,32(5):137 − 150. [ZHOU Tianlun,ZENG Chao,FAN Chen,et al. Landslide susceptibility assessment based on K-means cluster information model in Wenchuan and two neighboring counties,China[J]. The Chinese Journal of Geological Hazard and Control,2021,32(5):137 − 150. (in Chinese with English abstract) DOI: 10.16031/j.cnki.issn.1003-8035.2021.05-17 -
期刊类型引用(8)
1. 刘朝晖，盛佳豪，柳力. 数据驱动下的沥青混合料材料组成设计方法. 材料导报. 2025(04): 75-83 . 
百度学术
2. 郭广彬，田婷，周忠国，李涑. 水库滑坡致灾机理及风险防控研究进展与展望. 海河水利. 2025(04): 85-90 . 百度学术
3. 杨万里，何永强，张建良，王惠琴，李晓娟. 基于GCformer的滑坡长期位移预测. 科学技术与工程. 2025(12): 4913-4919 . 百度学术
4. 郭明娟，徐哈宁，肖慧，范凌峰，胡佳超，游丝露. 基于双采样随机森林的临滑阶段的预测算法：以湖北黄石5号铁矿石治理地块为例. 科学技术与工程. 2024(14): 5733-5741 . 百度学术
5. 袁永建，张莲花. 基于AHP-熵值法模糊评价模型在滑坡灾害风险性评价中的应用. 甘肃水利水电技术. 2024(03): 38-42 . 百度学术
6. 关艳丽，贾荣谷，李育红，翁彦梅，李家艳，冯蕊. 水库滑坡机理及风险评价研究与展望. 人民珠江. 2024(08): 10-18 . 百度学术
7. 刘东升，吴越，李珂，王艳磊. 基于失稳概率的单体滑坡灾害风险定量评价及其工程应用. 中国地质灾害与防治学报. 2024(04): 67-74 . 本站查看
8. 唐学武，刘耕，邵磊，姚灯，陈东旭，田优平. 基于CF-BPNN耦合模型的益湛铁路沿线滑坡危险性评价. 地质科学. 2024(05): 1470-1486 . 百度学术
其他类型引用(6)
计量
- 文章访问数: 2828
- HTML全文浏览量: 1834
- PDF下载量: 266
- 被引次数: 14
邮件订阅
RSS