Study on deformation mechanism of large expansive soil landslide under rainfall and reservoir water
-
摘要:
降雨和库水是诱发滑坡发生浅层变形最常见的因素，对于大型膨胀土滑坡较少考虑到降雨与库水多重因素共同作用下的变形破坏模式，为有效探究降雨—库水共同作用下的大型膨胀土滑坡变形机理，本文以十堰市郧阳区金岗村滑坡为例，在综合分析降雨、库水位波动及自动GNSS监测等数据的基础上，结合野外地质勘查资料及宏观巡查信息，通过考虑库水位升降、降雨及其多因素叠加条件下，利用数值模拟软件对丹江口库区金岗村滑坡进行分析，研究了大型膨胀土滑坡在降雨及库水位共同作用下的变形机理。研究表明：（1）金岗村滑坡变形呈缓慢变大趋势，滑坡变形方面降雨影响明显大于库水升降；（2）降雨及库水位对膨胀土滑坡的影响呈现不同响应模式，强降雨对滑坡变形破坏起主导作用，库水位对坡体稳定性影响相对较小，且影响范围多位于前缘，当库水位与降雨因素联合作用下对稳定性破坏更为明显；（3）降雨与库水联合作用下的膨胀土滑坡持续变形受外部因素与内部强度指标减低的双重作用。
Abstract:Rainfall and reservoir water are the most common factors inducing shallow landslide deformation. For large expansive soil landslides, the combined effects of rainfall and reservoir water on deformation and failure mechanisms are often overlooked. In order to effectively explore the deformation mechanism of large expansive soil landslide under the combined influence of rainfall and reservoir water, this paper takes Jingang Village landslide in Yunyang District, Shiyan City as a case study. Based on a comprehensive analysis of rainfall, reservoir water level fluctuations, and GNSS monitoring data, combined with field geological exploration data and macro inspection information, numerical simulation was conducted for the Jingang Village landslide in the Danjiangkou Reservoir area. The simulations considered reservoir water level fluctuations, rainfall, and multi-factor interactions. The results indicate the following: (1) The Jingang Village landslide exhibitis an overall slow deformation trend, with rainfall having a significantly greater impact on landslide deformation compared to reservoir water fluctuations. (2) Rainfall and reservoir water levels show different response modes in influencing expansive soil landslides. Heavy rainfall plays a dominant role in triggering landslide deformation and failure, while reservoir water level fluctuations have a relatively smaller impact, primarily affecting the landslide's front edge. The combined influence of rainfall and reservoir water levels results in more pronounced stability damage. (3) Continuous deformation of expansive soil landslide under the combined influence of rainfall and reservoir water is affected by external factors and reduced internal strength.
-
0. 引言
我国是地质灾害频发的国家，地质灾害易发性评价是我国重要的防灾减灾工作之一。地质灾害易发性评价因子厘定及其分级的合理性是易发性评价的工作基础和精度保障。目前，常用的因子分级方法有自然断点法[1]、专家经验法[2]、等间距法[3]、频率比法[4]等。孙德亮等[5]、杨得虎等[6]、解明礼等[7]通过对比不同分级方法获得的地质灾害易发性评价结果证明了灾害因子分级对评价精度的影响。鉴于此，凌晓等[8] 、郭建华等[9]、陈绪钰等[10]、陈伟等[11]分别采用对称分级法、方差分析法、迭代自组织聚类法、K-means聚类算法对现有分级方法进行了改进，但如何根据地质灾害分布特征客观确定各评价因子分级数的研究较为缺少。
自适应膨胀因子模糊覆盖分级（fuzzy cover approach for clustering based on adaptive inflation factor，AIFFC）算法是一种确定一维数据分级数的自适应膨胀因子的模糊覆盖分级方法，最早被应用于地图制图领域[12]，其能够根据数据分布特征，动态生成分级数及分级区间，有效的解决分级数确定受主观影响的问题。孙娟娟[13]通过数据实例证明了AIFFC算法分级数的最优性及分级结果的精确性；姚宇婕等[14]基于AIFFC算法优化了引导型专题数据分级处理模式；张涵斐[15]将AIFFC算法应用于多尺度地理信息数据的分级处理，实现了多尺度地理信息分级显示的效果。
本文以湖南省湘乡市为研究区，分别采用自然断点法和AIFFC分级法对坡度、坡向、高程、年平均降雨量、归一化植被指数等评价因子进行分级赋值，并分别代入加权信息量模型及随机森林模型对研究区进行地质灾害易发性区划评价。从单因子ROC曲线分析、易发性区划结果ROC曲线分析及灾积比对比三个方面对区划评价结果进行精度对比与分析，从而获取最优分级方法。
1. 基础研究理论
1.1 AIFFC算法
AIFFC其核心思想是对一个覆盖
$ {\rho _i} $ 定义相应的膨胀因子$ {\alpha _i} $ 和覆盖中心m，对其进行扩张形成一个新的覆盖$ {\rho '_i} $ [12, 16]。依次进行下去，直到所有的数据被某个$ {\rho _i} $ 覆盖，则有$ {{X}} = {{{U}}_{{i}}}{\rho _{{i}}},\left( {{\rho _{{i}}} \cap {\rho _{{j}}} = \varnothing ,{{i}} \ne {{j}}} \right) $ 。AIFFC算法具体计算步骤如下：步骤一：输入历史地质灾害点评价因子数据集X，并将各评价因子Xi从小到大排列，取评价因子模糊覆盖半径λ，
$ l{\text{ = 1}} $ ，m=1。$$ \lambda =\left\{\begin{split} &{\lambda }_{1},&{\lambda }_{1} < {{d}}_{\mathrm{max}}\\ &{{d}}_{\mathrm{max}},&{\lambda }_{1} \geqslant {{d}}_{\mathrm{max}}\end{split} \right.$$ (1) 其中，
$ {{{d}}_{{i}}} = {{d}}\left( {{{{x}}_{{i}}},{{{x}}_{{{i}} + 1}}} \right) $ ，$ {{d}}({{x}},{{y}}) = |{{x}} - {{y}}| $ ，dmax为di的最大值。各评价因子距离序列$ \left\{ {{d_i}} \right\} $ 降序排序后仍记各元素为di。λ1的取值分为以下3种情况：1） 若
$ \left[ {{d_i}/{d_{i - 1}}} \right] \in [1,2] $ ，取c=n。$$ {\lambda _1} = \sum\limits_{{i} = 1}^{{{n}} - 1} {\left[ {1 - \exp \left( { - {{\left( {{{d}_{i}}/{{d}_{\max }}} \right)}^2}/2} \right)} \right]} {{d}_{i}} $$ (2) 2）若dmax远远大于di，从dmax处将评价因子数据分为两部分，若两部分数据分布均匀，λ1按1）中步骤分别运用算法分级。
3）否则，取
$ {d_{{\mathrm{mid}}}} = \dfrac{1}{n - 1} \displaystyle\sum \limits_{i = 1}^{n - 1} {d_i} $ ，c=1。$$ {\lambda _1} = \sum\limits_{{{i}} = 1}^{{{n}} - 1} {\left\{ {\exp \left[ { - {{\left( {{{{d}}_{{i}}}/{{{d}}_{{\text{mid}}}}} \right)}^2}/2} \right]/2} \right\}} {{{d}}_{{i}}} $$ (3) 步骤二：从第m个历史地质灾害点元素起定义模糊覆盖，设
$ {n_l} = \left| {{\rho _l}} \right| $ 为$ {\rho _l} $ 内历史地质灾害点个数，k=1。$$ {\rho _l} = \{ y\mid {\mathrm{d}}\left( {{x_m},y} \right) < \lambda ,\quad y \in X\} $$ (4) 步骤三：
$ {{X}} =X{/\ }{\rho _l} $ ，若$ X=\varnothing $ ，转步骤四；否则，重新定义评价因子$ {\rho _l} $ 向外膨胀的中心及半径为：$$ \begin{gathered} x_l^{(k)} = {\left( {\frac{{{n_l} - 1}}{{{n_l}}}} \right)^{{n_{l - 1}}}}{x_m} + {\left( {\frac{{{n_l} - 1}}{{{n_l}}}} \right)^{{n_{l - 2}}}}\frac{1}{{{n_l}}}{x_{m + 1}} + \cdots + \frac{1}{{{n_l}}}{x_{{n_l}}} \\ \end{gathered} $$ (5) 取
$ \lambda _l^{(k)} = \alpha _l^{(k)} \cdot \lambda $ ，$$ \alpha _l^{(k)} = {\left[ {1 - \frac{{{n_l} - 1}}{{{n_l}}}\ln \left( {1 + \frac{1}{{c \cdot k}}} \right)} \right]^k} $$ (6) 其中，k为覆盖膨胀的次数，c为常数，代表膨胀的大小。再作
$ x_l^{(k)} $ 的覆盖：$$ \rho _l^{(k)} = \left\{ {y\mid d\left( {x_l^{(k)},y} \right) < \lambda _l^{(k)},y \in X} \right\} $$ (7) 若
$ \rho_l^{(k)}\ne\varnothing $ ，$ {n_l} = {n_l} + \left| {\rho _l^{(k)}} \right| $ $ {\rho _l} = {\rho _l} \cup \rho _l^{(k)} $ ，$ {{k}} = {{k}} + 1 $ ，继续步骤三；否则，若$ \rho_l^{(k)}\text{ = }\varnothing $ ，则令$ {{m}} = {{m}} + {{{n}}_l} $ 、$ l = l + 1 $ ，转步骤二。步骤四：输出
$ l $ 及$ {\rho _l} $ ，$ l $ 为各评价因子的分级数，$ \left\{ {{\rho _l}} \right\} $ 为各评级因子的分级结果。1.2 自然断点法（natural breakpoint classification，NBC）
NBC法是由乔治·弗雷德里克·詹克斯提出的一种基于聚类思维的单变量分组方法[17]。其核心思想是通过迭代对比各分组及分组中元素的均值与观测值之间的平方差之和确定每个数据在分组中的最佳排列。在确定的分级数下，计算出数据分布中的中断点，给出最佳分类区间，使组间差异化最大，组内差异化最小，较好的保护数据的统计特性。NBC计算原理如下[18]：
$$ DNB = \frac{1}{n}\sum\limits_{i = 1}^n {DN{B_i}} $$ (8) $$ S DAM = \sum\limits_{i = 1}^n {\sum\limits_{j = 1}^m {{{\left( {DN{B_i} - DN{B_j}} \right)}^2}} } $$ (9) 其中，SDAM为研究区数组平均值的偏差平方和；DNBi为研究区内数据值；DNB为平均数据值。迭代每个数据值范围组合，计算类别均值的平方偏差平方和SDCM_ALL，找到最小值，并计算方差拟合优度GVF。GVF值的范围在0～1，其值代表分类结果是否类内差异最小，类间差异最大，1表示拟合极好，0表示拟合极差。
$$ GVF = {{\left( {S DAM - S DCM} \right)} \mathord{\left/ {\vphantom {{\left( {S DAM - S DCM} \right)} {S DAM}}} \right. } {S DAM}} $$ (10) 1.3 加权信息量模型（weighted information value based on entropy weight method，MIV）
通过熵权法得到各评价因子的权重，再结合信息量法得到的各评价因子的信息量值，两者相乘得到评价因子的最终信息量[19 − 21]。MIV计算方法如下：
$$ I = \sum\limits_{i = 1}^n {{\omega _i}} {I_i} = \sum\limits_{i = 1}^n {{\omega _i}} \ln \frac{{{N_i}/N}}{{{S_i}/S}} $$ (11) 式中：I——n种评价因子组合下各地质灾害易发性栅格 单元的加权信息量值；
Ii——评价因子i的信息量值；
$ {\omega _{\text{i}}} $ ——通过熵权法计算的评价因子i的权重值；N——研究区内历史灾害点总个数；
Ni——各分级区间内历史灾害点个数；
S——研究区总面积/km2；
Si——各分级区间面积/km2。
1.4 随机森林模型（random forest，RF）
RF是由Breiman[22]首次提出的一种集成方法。随机森林模型的基本思想是将n个独立的决策树组合建立一个模型，森林中的n棵决策树具有相同的分布，且每棵决策树都由独立采样的随机向量值决定，运用模型中的决策树对输入的样本进行预测和判断，通过机器训练形成不同的分类模型
$ {x_1}(Y),{x_2}(Y), \cdots , {x_n}(Y) $ ，从而建立随机森林模型[23]。计算公式如下：$$ \gamma ({{y}})= \arg _{{Z}}^{\max }\sum\limits_{{{i}} = 1}^{{k}} {{I}} \left( {{{{x}}_{{i}}}({{Y}})= {{Z}}} \right) $$ (12) 式中：
$ \gamma ({{y}}) $ ——随机森林模型；$ {{{x}}_{{i}}}({{Y}}) $ ——单个决策树模型；Z——输出变量；
I——显函数。
2. 研究区概况
湘乡市总面积1 967.4 km2，居湘中偏东，靠近北回归线，属亚热带季风湿润气候，年平均降雨量1 408.6 mm；境内主要由涟水、沩水和靳水组成，水系较为发育。主要出露地层为三叠系、石炭系、泥盆系和震旦系等；区域构造根据其力学性质、空间展布规律及组合关系分为东西向构造、北东向构造、弧形构造、北西向构造四类，境内以北东向构造为主。湘乡市在气象水文、地形地貌、地质构造、新构造运动与地震等自然条件和采矿、修路等人为活动的共同作用下，境内发生各类地质灾害共270处（图1），主要以滑坡灾害为主，对湘乡市的人类生命财产安全造成了重大威胁，有效的预测和治理地质灾害成为了相关部门有待解决的问题。
3. 评价因子选取与分级
以湘乡市地质灾害分布规律及孕灾环境分析[24 − 26]为基础，选取坡度、坡向、高程、年平均降雨量、归一化植被指数、道路、断层、地层岩性和土地利用作为地质灾害易发性评价因子（图2）。采用30 m×30 m的栅格单元作为评价研究和空间分析的基本单元，利用ArcGIS中栅格转点工具将栅格文件转化为点文件，然后用多值提取至点对所有评价因子图层进行值提取，得到每个栅格的评价因子数据。其中，坡度、坡向和高程因子通过ArcGIS对研究区的DEM数据进行空间分析得到；年平均降雨量通过统计研究区各站点的年平均降雨量数据，利用反距离权重工具获取；地层岩性评价因子通过研究区工程地质图得到；归一化植被指数是利用ENVI软件提取遥感影像，然后在ArcGIS中赋值分类得到；道路、断层因子通过ArcGIS中的多环缓冲区工具获取；土地利用评价因子根据研究区土地利用类型图提取分析得到。离散型评价因子地层岩性和土地利用根据其原有的类型等级划分如图2（h）、（i），其他7个连续型评价因子分别进行AIFFC分级划分及NBC分级划分。
3.1 AIFFC分级划分
根据湘乡市270个已发生地质灾害点的原始数据，统计各灾害点的坡度、坡向、高程、年平均降雨量、归一化植被指数、道路和断层7个连续型评价因子值。根据1.1节各步骤通过Java工具对AIFFC分级算法进行迭代编程，利用程序对各评价因子进行分级计算，各评价因子AIFFC分级参数、分级数和分级区间见表1。历史灾害点数据是离散型数据，评价因子的范围是连续性数据，通过历史灾害点数据分析，研究区内坡度高于70°，灾害点高程高于456.70 m，年平均降雨量大于1 554.89 mm，归一化植被指数高于0.417，以及灾害点距离道路和断层在3.48 km及4.63 km以外，未见地质灾害发生，设定为地质灾害不易发范围，统一为一级。对应评价因子分级数在原来分级数上增加一级，分级区间采用大于各评价因子最大值的方法表示，得到AIFFC最终分级结果见表2。
表 1 各评价因子AIFFC分级参数Table 1. AIFFC classification parameters for each evaluation factor评价因子 研究区范围 灾害点分布范围 di λ 分级数 分级区间（{ρl}） 坡度/（°） [0,71.26] [2,70] 1.0～2.0 8 7 {1, 12, 125, 35, 14, 49, 34} 坡向/（°） [0,360] [0,360] 1.0～1.67 20 12 {10, 11, 19, 23, 38, 52, 25, 30, 25, 15, 9, 13} 高程/m [31.90,800.44] [113.12,456.70] 1.0～2.0 40.33 8 {112, 92, 34, 22, 5, 3, 1, 1} 年平均降雨量/mm [1202.78,1600.43] [1221.03,1554.89] 1.0～1.9 22.81 10 {1, 2, 14, 19, 59, 70, 60, 36, 8, 1} 归一化植被指数 [0,0.61] [0.015,0.417] 1.0～1.5 0.04 6 {7, 27, 48, 89, 85, 14} 距道路距离/m [0,>3483.20] [326.11,3483.20] 1.0～1.79 230.84 10 {102, 55, 33, 37, 16, 10, 10, 5, 1, 1} 距断层距离/m [0,>4634.35] [423.71,4634.35] 1.0～1.5 236.17 11 {75, 57, 43, 38, 10, 16, 10, 6, 5, 5, 5} 表 2 AIFFC分级结果Table 2. AIFFC classification results评价因子 分级数 分级结果 坡度/（°） 8 >0～2；>2～22；>22～35；>35～48；>48～55；>55～65；>65～70；>70 坡向/（°） 12 >0～30；>30～68；>68～90；>90～125；>125～162；>162～190；>190～225；>225～260；>260～280；
>280～310；>310～338；>338～360高程/m 9 >31.9～113.12；>113.12～165.57；>165.57～221.23；>221.23～278.54；>278.54～333.59；>333.59～367.50；
>367.50～408.51；>408.51～456.70；>456.70年平均降雨量/mm 11 >1 202.70～1 221.03；>1 221.03～1 283.85；>1 283.85～1 336.92；>1 336.92～1 368.54；>1 368.54～1 410.03；
>1 410.03～1 446.28；>1 446.28～1 484.91；>1 484.91～1 516.62；>1 516.62～1 536.87；>1 536.87～1 554.89；
>1 554.89归一化植被指数 7 >0～0.015；>0.015～0.180；>0.180～0.246；>0.246～0.316；>0.316～0.377；>0.377～0.417；>0.417 距道路距离/m 11 0～326.11；>326.11～664.23；>664.23～989.03；>989.03～1368.63；>1 368.63～1 688.75；>1 688.75～2 075.72；
>2 075.72～2 497.47；>2 497.47～2 831.94；>2 831.94～3 065.30；>3 065.30～3 483.20；>3 483.20距断层距离/m 12 0～423.71；>423.71～850.88；>850.88～1 272.26；1 272.27～1 694.48；1 694.49～2 150.42；2 150.43～2 485.00；
2 485.01～3 005.74；3 005.75～3 523.15；3 523.16～4 107.21；4 107.22～4 248.58；4 248.59～4 634.35；>4 634.353.2 NBC分级划分
为保证AIFFC分级法及NBC法分级数变量的统一，以AIFFC算法计算的分级数为基础，对7个连续型评价因子利用ArcGIS重分类工具中的自然断点分级法进行自然断点法分级，结果见表3。
表 3 NBC分级结果Table 3. Natural break point method grading results评价因子 分级数 分级结果 坡度/（°） 8 0～3.91；>3.91～9.50；>9.50～15.37；>15.37～20.95；>20.95～26.26；>26.26～31.85；>31.85～38.56；>38.56～71.26 坡向/（°） 12 0～24.48；>24.48～ 57.04；>57.04～88.18；>88.18～ 117.91；>117.91～147.64；>147.64～ 177.37；>177.37～ 208.52；>208.52～239.66；>239.66～269.39；>269.39～ 299.12；>299.12～ 328.85；>328.85～ 360.00 高程/m 9 31.90～79.93；>79.93～121.96；>121.96～166.99；>166.99～218.03；>218.03～275.07；>275.07～341.11；>341.11～425.17；>425.17～542.26；>542.26～800.44 年平均降雨量/mm 11 1 202.70～1 289.62；>1 289.62～1 333.91；>1 333.91～1 363.46；>1 363.46～1 386.40；>1 386.40～1 405.55；>1 405.55～
1 425.18；>1 425.18～1 444.75；>1 444.75～1 463.71；>1 463.71～1 488.88；>1 488.88～1 523.98；>1 523.98～1 600.42归一化植被指数 7 0～0.051；>0.051～0.152；>0.152～0.208；>0.208～0.259；>0.259～0.303；>0.303～0.347；>0.347～0.611 距道路距离/m 11 0～71.14；>71.14～167.93；>167.93～287.96；>287.96～398.67；>398.67～534.77；>534.77～757.79；>757.79～1 088.95；
>1 088.95～1 532.08；>1 532.08～2 160.22；>2 160.22～3 483.20；>3 483.20距断层距离/m 12 0～93.41；>93.41～195.93；>195.93～317.53；>317.53～464.40；>464.40～667.68；>667.68～850.88；>850.88～1 059.58；
>1 059.58～1 363.72；>1 363.72～1 914.46；>1 914.46～2 795.16；>2 795.16～4 634.35；>4 634.354. 易发性评价结果
将AIFFC和NBC法分级结果分别代入加权信息量模型及随机森林模型计算，得到基于AIFFC的加权信息量模型（AIFFC-MIV）、基于NBC法的加权信息量模型（NBC-MIV）、基于AIFFC的随机森林模型（AIFFC-RF）和基于自然断点法的随机森林模型（NBC-RF），对其评价结果进行低、中、高易发性区间划分，见图3。
由四个模型易发性分区图可知：各模型的分区结果存在一些差异，但是高易发区、中易发区及低易发区的趋势范围基本相同，分区结果符合湘乡市历史灾害点的分布特征。高易发区主要分布在西北及南部的构造侵蚀剥蚀花岗岩低山地区和构造侵蚀剥蚀变质岩-碎屑岩低山地区，岩石风化强烈，残坡积层发育，地形起伏较大；低易发区主要分布在中部的河流侵蚀堆积河谷平原地区和侵蚀剥蚀碎屑岩-碳酸盐岩丘陵地区，地形相对平坦，植被及构造相对不发育。且高易发区人口密度相对集中，城乡建设频繁，矿山开采及人类工程经济活动较强烈，表明人类活动对地质灾害的发生具有较大的影响。
5. 对比与分析
5.1 单因子分级结果精度对比
采用单因子ROC曲线法对每个因子的分级结果进行评价，根据各评价因子二级区间信息量值由高至低的面积比和对应的信息量值所处单元中的灾害点的百分比做单因子ROC曲线图，曲线下方面积（AUC值）越大，说明该分级结果更合理[27 − 29]。由AIFFC及NBC法的7个连续型因子分级结果ROC曲线图，见图4（a）、（b），及AUC值对比图，见图4（c），可知：AIFFC分级曲线AUC值介于0.546～0.911，NBC法分级AUC值介于0.541～0.895，均高于0.5具有较好的准确性。采用AIFFC法分级的各因子AUC值皆高于NBC法，提升精度介于1.8%～6.3%，说明AIFFC分级结果更趋合理。
5.2 易发性评价结果分析
通过对四种区划评价结果的灾积比对比分析（表4）可知，AIFFC-MIV模型与AIFFC-RF模型区划的高易发区灾积比分别为0.955与1.318，高于NBC-MIV模型与NBC-RF模型的0.611与0.755，并分别提升了56.3%和74.6%。AIFFC-MIV模型与AIFFC-RF模型区划的低易发区灾积比分别为0.026与0.013，低于NBC-MIV模型与NBC-RF模型的0.050与0.031，并分别降低了48.0%和58.1%。
表 4 易发性评价结果灾积比统计表Table 4. Statistical table of disaster accumulation ratio - product ratio for susceptibility evaluation results评价
模型易发性
分区面积
占比/%灾积比 评价
模型易发性
分区面积
占比/%灾积比 NBC-MIV 高易发 13.62 0.611 AIFFC-MIV 高易发 11.73 0.955 中易发 25.42 0.178 中易发 19.61 0.147 低易发 60.96 0.050 低易发 68.76 0.026 NBC-RF 高易发 15.03 0.755 AIFFC-RF 高易发 9.68 1.318 中易发 28.53 0.096 中易发 25.86 0.083 低易发 56.44 0.031 低易发 64.45 0.013 因此，无论采用MIV模型或RF模型，基于AIFFC算法的灾害因子分级方法均大幅提升了高易发区的灾积比并降低了低易发区的灾积比，评价结果更具合理性。
5.3 易发性评价精度对比
对易发性评价结果进行ROC曲线分析（图5）可知：各模型AUC值均超过0.5，评价结果预测精度满足要求[30]。其中，AIFFC-MIV模型与AIFFC-RF模型区划结果的AUC值分别为0.835与0.905，高于NBC-MIV模型与NBC-RF模型区划结果的0.776与0.880，并分别提升了7.6%和2.7%。
6. 结论
（1）通过单因子评价精度对比可知，各因子采用AIFFC算法分级比NBC法分级的AUC值均有提高，提升幅度介于1.8%～6.3%，AIFFC分级方法更具合理性。
（2）4种模型易发性区划评价结果中，基于AIFFC的评价结果相比基于NBC法的评价结果高易发区灾积比分别提升了56.3%、74.6%，低易发区灾积比分别降低了48%、58.1%，AUC值分别提高了0.059（7.6%）、0.025（2.7%），基于AIFFC的易发性评价精确性和预测能力更佳。
（3）AIFFC分级方法在地质灾害易发性评价运用中，不仅能根据地质灾害数据特征与分布规律合理确定各因子的分级数，其分级区间划分的精度也具有一定的准确性。为今后确定易发性评价因子的合理分级数及分级方法提供了参考。
-
![]()
图 2 金岗村滑坡西段2-2’工程地质剖面图
Figure 2. 2-2' Engineering geological section 2-2’ of the western section of Jingang Village landslide
![]()
图 3 滑坡土体自由膨胀率随深度变化关系
Figure 3. Variation of self-swelling rate of landslide soil with depth
![]()
图 5 监测点累积位移、位移速率与降雨、库水位关系曲线图
Figure 5. Relationship curves between cumulative displacement, displacement rate of monitoring points, rainfall. and reservoir water level
![]()
图 7 工况一（库水位首次升降）孔隙水压力云图
Figure 7. Pore water pressure cloud map for condition 1 (cyclic rise and fall of reservoir water level)
![]()
图 8 工况五孔隙水压力与时间变化曲线
Figure 8. Pore water pressure and time variation curve for condition 5
![]()
图 9 模拟结束时各工况位移云图
Figure 9. Displacement cloud maps for various operating conditions at the end of simulation
表 1 研究区膨胀土矿物成分及含量
Table 1 Mineral composition and content of expansive soils in the study area
粘土矿物 碎屑矿物 蒙脱石 伊利石 高岭石 13% 26% 6% 55% 
下载: 导出CSV
表 2 金岗村滑坡数值模拟设置参数
Table 2 Parameters for numerical simulation of Jingang Village landslide
参数名称 滑体 滑带 滑床 含水率w（%） 19.4 23.4 － 泊松比v 0.30 0.30 0.25 弹性模量E（MPa） 17.74 13.63 6.5×104 粘聚力c（kPa） 27.0 5.4 1100 内摩擦角φ（°） 17.0 10 33.0 重度γ（kN/m3） 18.9 18.9 25.3 变形模量E0（MPa） 17.7 13.6 6.5×104
下载: 导出CSV
表 3 模拟工况
Table 3 Simulated operating conditions
工况 降雨量 库水位变化 1 —— 水位以1.68 m/d从150 m→170 m→150 m
循环三次（第一次170 m时静止20 d）2 120 mm/d 水位以1.68 m/d从150 m→170 m后施加降雨 3 120 mm/d 水位以1.68 m/d从150 m→170 m时叠加降雨 4 120 mm/d 水位以1.68 m/d从170 m→150 m时叠加降雨 5 120 mm/d 水位以1.68 m/d从170 m→150 m后施加降雨
下载: 导出CSV
-
[1] 叶为民,孔令伟,胡瑞林,等. 膨胀土滑坡与工程边坡新型防治技术与工程示范研究[J]. 岩土工程学报,2022,44(7):1295 − 1309. [YE Weimin,KONG Lingwei,HU Ruilin,et al. New prevention and treatment techniques and their applications to landslides and engineering slopes of expansive soils[J]. Chinese Journal of Geotechnical Engineering,2022,44(7):1295 − 1309. (in Chinese with English abstract)] YE Weimin, KONG Lingwei, HU Ruilin, et al. New prevention and treatment techniques and their applications to landslides and engineering slopes of expansive soils［J］. Chinese Journal of Geotechnical Engineering, 2022, 44（7）: 1295 − 1309. （in Chinese with English abstract）
[2] 陈孜,黄观文,白正伟,等. 基于低成本毫米级GNSS技术的膨胀土边坡现场监测[J]. 中南大学学报(自然科学版),2022,53(1):214 − 224. [CHEN Zi,HUANG Guanwen,BAI Zhengwei,et al. Field monitoring of expansive soil slope based on low-cost millimeter-sized GNSS technology[J]. Journal of Central South University (Science and Technology),2022,53(1):214 − 224. (in Chinese with English abstract)] DOI: 10.11817/j.issn.1672-7207.2022.01.016 CHEN Zi, HUANG Guanwen, BAI Zhengwei, et al. Field monitoring of expansive soil slope based on low-cost millimeter-sized GNSS technology［J］. Journal of Central South University （Science and Technology）, 2022, 53（1）: 214 − 224. （in Chinese with English abstract） DOI: 10.11817/j.issn.1672-7207.2022.01.016
[3] 刘特洪. 工程建设中的膨胀土问题[M]. 北京:中国建筑工业出版社,1997. [LIU Tehong. The problems of expensive soils in engineering [M]. Beijing:China Architecture & Building Press,1997. (in Chinese)] LIU Tehong. The problems of expensive soils in engineering ［M］. Beijing: China Architecture & Building Press, 1997. （in Chinese）
[4] 程雪,王彩虹,卢勇鹏. 库区某膨胀土岸坡稳定性分析及治理措施[J]. 水电与新能源,2022,36(8):55 − 59. [CHENG Xue,WANG Caihong,LU Yongpeng. Stability analysis and treatment measures of an expansive soil bank slope in a reservoir area[J]. Hydropower and New Energy,2022,36(8):55 − 59. (in Chinese with English abstract)] CHENG Xue, WANG Caihong, LU Yongpeng. Stability analysis and treatment measures of an expansive soil bank slope in a reservoir area［J］. Hydropower and New Energy, 2022, 36（8）: 55 − 59. （in Chinese with English abstract）
[5] 钟源,李远耀,殷坤龙,等. 基于物理模型试验的厚层堆积层滑坡强降雨触发机制[J]. 地球科学,2023,48(10):3912 − 3924. [ZHONG Yuan,LI Yuanyao,YIN Kunlong,et al. Failure mechanism of thick colluvium landslide triggered by heavy rainfall based on model test[J]. Earth Science,2023,48(10):3912 − 3924. (in Chinese with English abstract)] ZHONG Yuan, LI Yuanyao, YIN Kunlong, et al. Failure mechanism of thick colluvium landslide triggered by heavy rainfall based on model test［J］. Earth Science, 2023, 48（10）: 3912 − 3924. （in Chinese with English abstract）
[6] 石雨. 考虑滑坡类型的滑坡易发性预测及其全概率危险性预警建模研究[D]. 南昌:南昌大学,2022. [SHI Yu. Study on landslide susceptibility prediction and its full probability risk early warning modeling considering landslide types[D]. Nanchang:Nanchang University,2022. (in Chinese with English abstract)] SHI Yu. Study on landslide susceptibility prediction and its full probability risk early warning modeling considering landslide types［D］. Nanchang: Nanchang University, 2022. （in Chinese with English abstract）
[7] 陈尚法,温世亿,冷星火,等. 南水北调中线一期工程膨胀土渠坡处理措施[J]. 人民长江,2010,41(16):65 − 68. [CHEN Shangfa,WEN Shiyi,LENG Xinghuo,et al. Treatment measures for expansive-soil canal slope of Phase Ⅰ Works of Middle Route Project of S-N Water Diversion[J]. Yangtze River,2010,41(16):65 − 68. (in Chinese with English abstract)] CHEN Shangfa, WEN Shiyi, LENG Xinghuo, et al. Treatment measures for expansive-soil canal slope of Phase Ⅰ Works of Middle Route Project of S-N Water Diversion［J］. Yangtze River, 2010, 41（16）: 65 − 68. （in Chinese with English abstract）
[8] 王文生,谢永利,梁军林. 膨胀土路堑边坡的破坏型式和稳定性[J]. 长安大学学报(自然科学版),2005,25(1):20 − 24. [WANG Wensheng,XIE Yongli,LIANG Junlin. Classification of expansive clay slope on road cutting[J]. Journal of Chang’an University (Natural Science Edition),2005,25(1):20 − 24. (in Chinese with English abstract)] DOI: 10.3321/j.issn:1671-8879.2005.01.005 WANG Wensheng, XIE Yongli, LIANG Junlin. Classification of expansive clay slope on road cutting［J］. Journal of Chang’an University （Natural Science Edition）, 2005, 25（1）: 20 − 24. （in Chinese with English abstract） DOI: 10.3321/j.issn:1671-8879.2005.01.005
[9] 熊子超. 膨胀土岸坡稳定性模型试验和数值模拟研究[D]. 南昌:南昌大学,2021. [XIONG Zichao. Study on model test and numerical simulation of bank slope stability of expansive soil [D]. Nanchang:Nanchang University,2021. (in Chinese with English abstract)] XIONG Zichao. Study on model test and numerical simulation of bank slope stability of expansive soil ［D］. Nanchang: Nanchang University, 2021. （in Chinese with English abstract）
[10] 龚壁卫. 膨胀土裂隙、强度及其与边坡稳定的关系[J]. 长江科学院院报,2022,39(10):1 − 7. [GONG Biwei. Relationship of fracture and strength with stability of expansive soils[J]. Journal of Yangtze River Scientific Research Institute,2022,39(10):1 − 7. (in Chinese with English abstract)] DOI: 10.11988/ckyyb.20220271 GONG Biwei. Relationship of fracture and strength with stability of expansive soils［J］. Journal of Yangtze River Scientific Research Institute, 2022, 39（10）: 1 − 7. （in Chinese with English abstract） DOI: 10.11988/ckyyb.20220271
[11] 郭永春,刘家志,尤安俊,等. 基于颗粒堆积模型的膨胀土结构膨胀机制[J/OL]. 工程地质学报,2023:1 − 10. (2023-11-20). https://kns.cnki.net/kcms/detail/11.3249.P.20231117.1602.002.html. [GUO Yongchun,LIU Jiazhi,YOU Anjun,et al. Expansion mechanism of expansive soil structure based on particle packing model[J/OL]. Journal of Engineering Geology,2023:1 − 10. (2023-11-20). https://kns.cnki.net/kcms/detail/11.3249.P.20231117.1602.002.html. (in Chinese with English abstract)] GUO Yongchun, LIU Jiazhi, YOU Anjun, et al. Expansion mechanism of expansive soil structure based on particle packing model［J/OL］. Journal of Engineering Geology, 2023: 1 − 10. （2023-11-20）. https://kns.cnki.net/kcms/detail/11.3249.P.20231117.1602.002.html. （in Chinese with English abstract）
[12] QI Shunchao,VANAPALLI S K. Hydro-mechanical coupling effect on surficial layer stability of unsaturated expansive soil slopes[J]. Computers and Geotechnics,2015,70:68 − 82. DOI: 10.1016/j.compgeo.2015.07.006
[13] 李晋鹏,汪磊,王俊,等. 考虑抗剪强度衰减特性的膨胀土边坡稳定性分析[J]. 中国地质灾害与防治学报,2022,33(6):29 − 36. [LI Jinpeng,WANG Lei,WANG Jun,et al. Stability analysis of expansive soil slopes considering shear strength decay characteristics[J]. The Chinese Journal of Geological Hazard and Control,2022,33(6):29 − 36. (in Chinese)] LI Jinpeng, WANG Lei, WANG Jun, et al. Stability analysis of expansive soil slopes considering shear strength decay characteristics［J］. The Chinese Journal of Geological Hazard and Control, 2022, 33（6）: 29 − 36. （in Chinese）
[14] 陈亮胜,韦秉旭,廖欢,等. 膨胀土边坡非饱和渗流及渐进性破坏耦合分析[J]. 水文地质工程地质,2020,47(4):132 − 140. [CHEN Liangsheng,WEI Bingxu,LIAO Huan,et al. A coupling analysis of unsaturated seepage and progressive failure of an expansive soil slope[J]. Hydrogeology & Engineering Geology,2020,47(4):132 − 140. (in Chinese with English abstract)] CHEN Liangsheng, WEI Bingxu, LIAO Huan, et al. A coupling analysis of unsaturated seepage and progressive failure of an expansive soil slope［J］. Hydrogeology & Engineering Geology, 2020, 47（4）: 132 − 140. （in Chinese with English abstract）
[15] 郭瑞,张建华,蒋红,等. 基于主成分分析法的安康地区膨胀土膨胀变形影响指标分析[J]. 工程地质学报,2023,31(5):1535 − 1542. [GUO Rui,ZHANG Jianhua,JIANG Hong,et al. Research on influencing factors of expansive deformation of expansive soil in Ankang area based on pca[J]. Journal of Engineering Geology,2023,31(5):1535 − 1542. (in Chinese with English abstract)] GUO Rui, ZHANG Jianhua, JIANG Hong, et al. Research on influencing factors of expansive deformation of expansive soil in Ankang area based on pca［J］. Journal of Engineering Geology, 2023, 31（5）: 1535 − 1542. （in Chinese with English abstract）
[16] 司光武,蒋良潍,罗强,等. 膨胀土边坡稳定性影响因素的作用效应分析[J]. 地下空间与工程学报,2016,12(增刊1):386 − 392. [SI Guangwu,JIANG Liangwei,LUO Qiang,et al. Analysis on the effect of determinants on the expansive soil slope stability[J]. Chinese Journal of Underground Space and Engineering,2016,12(Sup 1):386 − 392. (in Chinese with English abstract)] SI Guangwu, JIANG Liangwei, LUO Qiang, et al. Analysis on the effect of determinants on the expansive soil slope stability［J］. Chinese Journal of Underground Space and Engineering, 2016, 12（Sup 1）: 386 − 392. （in Chinese with English abstract）
[17] 程展林,丁金华,饶锡保,等. 膨胀土边坡物理模型试验研究[J]. 岩土工程学报,2014,36(4):716 − 723. [CHENG Zhanlin,DING Jinhua,RAO Xibao,et al. Physical model tests on expansive soil slopes[J]. Chinese Journal of Geotechnical Engineering,2014,36(4):716 − 723. (in Chinese)] CHENG Zhanlin, DING Jinhua, RAO Xibao, et al. Physical model tests on expansive soil slopes［J］. Chinese Journal of Geotechnical Engineering, 2014, 36（4）: 716 − 723. （in Chinese）
[18] KHAN M S,HOSSAIN S,AHMED A,et al. Investigation of a shallow slope failure on expansive clay in Texas[J]. Engineering Geology,2017,219:118 − 129. DOI: 10.1016/j.enggeo.2016.10.004
[19] ZHANG Jiaming,LUO Yi,ZHOU Zhi,et al. Research on the rainfall-induced regional slope failures along the Yangtze River of Anhui,China[J]. Landslides,2021,18(5):1801 − 1821. DOI: 10.1007/s10346-021-01623-7
[20] ZHANG Jiaming,LUO Yi,ZHOU Zhi,et al. Effects of preferential flow induced by desiccation cracks on slope stability[J]. Engineering Geology,2021,288:106164. DOI: 10.1016/j.enggeo.2021.106164
计量
- 文章访问数: 27
- HTML全文浏览量: 18
- PDF下载量: 5
邮件订阅
RSS