ISSN 1003-8035 CN 11-2852/P
  • 中国科技核心期刊
  • CSCD收录期刊
  • Caj-cd规范获奖期刊
  • Scopus 收录期刊
  • DOAJ 收录期刊
  • GeoRef收录期刊
欢迎扫码关注“i环境微平台”

基于连续小波变换的斜坡动力响应特征分析以四川长宁Ms6.0级地震为例

金刚, 王运生, 何先龙, 史丙新, 周宇航

金刚, 王运生, 何先龙, 史丙新, 周宇航. 基于连续小波变换的斜坡动力响应特征分析——以四川长宁Ms6.0级地震为例[J]. 中国地质灾害与防治学报, 2021, 32(2): 1-8. DOI: 10.16031/j.cnki.issn.1003-8035.2021.02.01
引用本文: 金刚, 王运生, 何先龙, 史丙新, 周宇航. 基于连续小波变换的斜坡动力响应特征分析——以四川长宁Ms6.0级地震为例[J]. 中国地质灾害与防治学报, 2021, 32(2): 1-8. DOI: 10.16031/j.cnki.issn.1003-8035.2021.02.01
Gang JIN, Yunsheng WANG, Xianlong HE, Bingxin SHI, Yuhang ZHOU. Time-Frequency characteristics and seismic response analyses of the 6.0-magnitude earthquake, Changning County of Yibin in Southwest China’s Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(2): 1-8. DOI: 10.16031/j.cnki.issn.1003-8035.2021.02.01
Citation: Gang JIN, Yunsheng WANG, Xianlong HE, Bingxin SHI, Yuhang ZHOU. Time-Frequency characteristics and seismic response analyses of the 6.0-magnitude earthquake, Changning County of Yibin in Southwest China’s Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(2): 1-8. DOI: 10.16031/j.cnki.issn.1003-8035.2021.02.01

基于连续小波变换的斜坡动力响应特征分析——以四川长宁Ms6.0级地震为例

基金项目: 国家创新研究群体科学基金(41521002);国家自然科学基金(41877235)
详细信息
    作者简介:

    金 刚(1996-),男,河南郑州人,硕士研究生,从事地质工程与区域稳定性研究。Email:825200169@qq.com

    通讯作者:

    王运生(1960-),男,博士,博士生导师,主要从事工程地质方面的教学工作。Email:wangys60@163.com

  • 中图分类号: P694

Time-Frequency characteristics and seismic response analyses of the 6.0-magnitude earthquake, Changning County of Yibin in Southwest China’s Sichuan Province

  • 摘要: 川西北地区深切峡谷发育,地震扰动频繁。峡谷内高陡岩质斜坡在强震扰动下,通常会发生震裂松弛,进而导致失稳,因此研究其强震响应意义重大。2019年四川长宁Ms6.0级地震触发了布置在石棉县城南桠河两岸的3台强震监测仪器,通过对捕捉到的强震数据进行连续小波变换之后,获取了其时频信息。分析结果表明:(1)S波在频域上分为两种成分,其主频值分别为3.5 Hz和1.1 Hz附近;(2)山脊处的地震动放大效应主要体现为S波相对高频成分上能量的增加而低频部分则无显著变化;(3)覆盖层场地自振频率与S波低频成分主频相近,二者产生共振,导致S波低频放大与高频衰减效应;(4)地震动响应具有极强的方向性,水平向地震动放大效应比垂直向更为显著。
    Abstract: In northwest Sichuan Province, due to the frequent earthquakes, the rocky hill slopes in the valley area usually get loosen and lead to the failure. For geohazard prevention and mitigation, it is important to determine the site amplification effects and seismic responses of hillslopes. For example, the 2019 Changning Ms6.0 earthquake that occurred in Changing County of Yibin, Sichuan Province, China, was well recorded in three earthquake monitoring stations located on both bank sides of Nanya River in Shimian County, Sichuan Province, China. In this study, detailed analyses of the recorded seismic data had been conducted with the method of Continuous Wavelet Transform and confirmed the following observations: (1) For S-wave, two sorts of components in the frequency domain were found, whose main frequency values were around 3.5 Hz and 1.1 Hz respectively. (2) The seismic amplification effect at the ridge was mainly reflected by the energy increase in the high frequency component of the S-wave, no clear changes in the low frequency component of the S-wave was found. (3) In soil site, the natural frequency of vibration was close to the main frequency of the low frequency component of the S-wave, resonance between the two components was generated, resulting in low-frequency amplification and high-frequency attenuation effect. (4) The seismic response to mountain hill slopes had a strong directivity, and the amplification effect in the horizontal directions was much stronger than that of the vertical directions.
  • 云南以红河深大断裂为界,滇西为高山纵谷区,滇东为喀斯特高原[1],滇东北为地质灾害高易发区,滇西地质灾害易发性南相对较弱[2]。罗平县地处云南滇东喀斯特高原地区,是典型的岩溶山区。目前,崩滑易发性制图主要分为定性、定量和机器学习3种方法[34]。定性分析是通过对成因机制的全面认识,基于专家经验和知识确定评价因子权重,定量分析方法通过数学或数值算法估计滑坡易发性[5]。定性分析方法主要有层次分析法[68],定量分析方法主要有频率比法[910]、信息量法[1112],机器学习方法有逻辑回归法、随机森林法、K近邻、支持向量机和神经网络等[1315]。国内外学者进行研究分析,并采用多种研究方法进行对比,吉日伍呷等[15]通过逻辑回归、K近邻、朴素贝叶斯和随机森林算法对鲁甸进行地震滑坡易发性评价,并得出统计建模地更多的是寻找变量之间的可解释关系;樊芷吟等[16]通过信息量法+Logistic回归模型对汶川县进行易发性评价;张晓东[17]通过定量信息量法和确定性系数法分别与Logistic回归耦合对宁夏盐池县进行易发性评价,得出耦合模型结果均优于单一模型评价结果。根据以上研究,易发性评价模型首先选取崩滑评价影响因子,再通过分类分级进行计算,根据不同方法得出的结果基于ArcGIS进行等级划分。信息量法只考虑了评价因子分类分级状态下的权重,其优点在于原理简单,易于实现;缺点在于无法体现所选取的评价因子的权重。因此选取层次分析法和逻辑回归法分别赋予评价因子的权重,其中层次分析法依据崩滑灾害成因分析,通过专家法构建矩阵计算得出评价因子的权重,逻辑回归法是依据样本数据和连接方法,通过两种方法得出评价因子的权重分别与信息量法进行耦合,其耦合模型将评价因子的权重和分类分级的权重叠加得到综合权重,降低了单一评价模型人为主观性因素的影响,论证不同方法评价结果的准确性。

    本文以罗平县作为研究区域,基于野外详实的地质灾害调查成果,综合分析孕灾地质条件和崩滑点分布规律,选取岩土体(工程岩组)、地形地貌(坡度、坡向、高程、起伏度、曲率、地貌类型)、地质构造(距断裂距离)、气象水文(距河流距离)等评价因子。采用信息量法、加权信息量法、信息量-逻辑回归耦合法构建易发性评价模型进行对比分析,并对评价结果进行精度检验分析,选取精度最高模型易发性分布图,可为罗平县今后地质灾害治理提供参考依据,对今后城市的发展和防灾减灾有重要意义,也可为岩溶地区地质灾害易发性评价提供参考。

    研究区(罗平县)位于云南省曲靖市东部。东西最大横距75 km,南北最大纵距99 km。相对高差为1705 m,全县面积3018 km2,山区面积占78%,坝区面积占22%(图1)。研究区西部和北部属于岩溶盆地地貌和岩溶低中山地貌,中部属岩溶断陷湖形盆地,东部和南部受九龙河和南盘江流域侵蚀切割,形成峰林洼地和岩溶中山地貌。区内地层出露主要有古生界泥盆系(D)浅灰、深灰色中厚层状灰岩、泥灰岩、泥质白云岩;石炭系(C)深灰、灰黑色块状灰岩、白云质灰岩、泥质灰岩;古生界二叠系(P)灰、深灰色厚层块状、生物碎屑灰岩,结晶灰岩夹虎斑状灰岩及白云岩;中生界三叠系(T)上统为黄褐色粉砂岩、泥质粉砂岩及细砂岩、中统为深灰色灰岩夹泥质灰岩、中上部为黄色白云岩、下统为紫红色含长石粉细砂夹泥灰岩页岩及含铜页岩;新生界古近系(E)+新近系(N)褐黄紫红色砾岩、细砂岩及粉砂质泥岩、底部砾岩;新生界第四系(Q)细砂、砂砾石及砂质黏土。主要构造体系和构造型式有北东向构造、新华夏系构造、网状构造等。北东向构造为区内主导构造,是研究区内最重要的构造成分之一,主要断裂有:金鸡山断裂、长家湾断裂和腊庄断裂等。其次为新华夏系构造,多发育在褶皱边缘、密集成束、规模大、延伸远、呈舒缓波状,主要分布在西部及南盘江两岸。主要断裂有:洒土革断裂、大水塘断裂、罗格断裂等。

    图  1  研究区概况
    Figure  1.  Overview of the study area

    本研究数据主要包括:(1)12.5 m分辨率数字高程模型(DEM)收集自ASF,用于提取坡度、坡向、起伏度、曲率等评价因子;(2)1∶20万地质图收集自全国地质资料馆,用于提取岩性、断裂等因子;(3)1∶5万地理数据库提取水系;(4)历史崩滑数据:主要来自地矿眉山工程勘察院1∶5万全区调查结果,共154个崩滑灾害点的数据。

    信息量模型是对崩滑历史数据进行统计分析,将影响崩滑的各因子的实测值转化为信息量值,来衡量崩滑的易发性[18]。首先计算各评价因子的信息量值,再对各因子信息量值进行总和,作为崩滑易发性的综合指标[19]。单因子信息量计算公式为:

    I=lnNj/NSj/S (1)

    式中:I——评价因子j下的信息量;

    Nj——评价因子j内发生的崩滑数;

    N——研究区崩滑总数;

    Sj——评价因子j下所占栅格数;

    S——研究区总栅格数。

    将每个评价单元各分类分级进行叠加计算,其地质灾害发生的总信息量计算公式为:

    Ij=i=1nlnNj/NSj/S (2)

    式中:Ij——总信息量,为地质灾害易发性指数;Ij值 越大且为正值则表示该单元内有利于崩滑 发生。

    层次分析模型是一种将决策者定性判断和定量计算有效结合起来的分析方法。通过比较相邻影响因子的重要性[19],根据专家法构建判断矩阵[20]

    A=(aij)=[a11a1nan1ann] (3)

    式中:A——要素判断矩阵;

    aij——因子i和因子j重要性比较的结果,有以下性质:

    aij=1aji,aij0,aii=1,i,j=1,2,,n (4)

    为保证求得的权重的正确性及合理性,还需要进行一致性检验。

    CI=λmaxnn1 (5)
    CR=CI/RI (6)

    式中:CI——一致性指标;

    n——判断矩阵的阶数;

    λmax——判断矩阵的最大特征值;

    CR——随机一致性比;当其<0.1时一致性检验通过;

    RI——随机一致性指标。

    逻辑回归模型是一种研究二分类因变量常用的统计方法[16,21]。通过研究崩滑易发性与评价因子之间的关系,预测崩滑发生的概率。其中自变量为评价因子指标值(x1, x2, ···, xn),是否发生地质灾害作为因变量(分别用1和0代表崩滑点和非崩滑点)。逻辑回归函数如下:

    Z=α+β1x1+β2x2++βnxn (7)
    P(y=1)=11+ez (8)

    式中:α——常数项;

    x1, x2, ···, xn——自变量;

    β1, β2, ···, βn——回归系数;

    Z——崩滑发生的可能性与各评价因子之间的关系;

    P——崩滑灾害发生的概率,范围0~1。

    根据层次分析法得出各评价因子的权重值,结合信息量法各评价因子分类分级的信息量值,两者相乘得出加权信息量值,其计算公式可表示为:

    Ij=i=1nωiIi=i=1nωilnNi/NSi/S (9)

    式中:Ij——加权信息量;

    ωi——每个评价因子的权重;

    Ii——评价因子i的信息量值。

    将信息量模型与逻辑回归模型进行耦合,通过逻辑回归确定评价因子的权重,可降低信息量模型评价因子分级的主观性影响。其原理将信息量模型中评价因子分类分级的信息量值作为逻辑回归模型中的自变量,建立回归方程进行逻辑回归运算,得出各评价因子的回归系数,以此为依据建立信息量-逻辑回归耦合模型。

    本文在罗平县资料收集和野外地质调查的基础上,选取岩土体(工程岩组)、地形地貌(坡度、坡向、高程、起伏度、曲率、地貌类型)、地质构造(距断裂距离)、气象水文(距河流距离)等评价因子进行分析。根据12.5 m×12.5 m栅格单元作为易发性评价的制图单元,通过对研究区评价因子与崩滑点数据进行归纳分析,得出各评价因子的分类分级处理(图2)。

    图  2  崩滑评价因子分类分级图
    Figure  2.  Classification map of landslide susceptibility evaluation factors

    进行逻辑回归时,需确保所选评价因子之间的相互独立,相关性高会出现多重共线性[2223]。采用容忍度(tolerance,TOL)和方差膨胀因子(variance inflation factor,VIF)对自变量进行多重共线性诊断:

    VIF=11R2 (10)

    式中:R2——以xi为因变量时对其他自变量回归的复测 定系数;

    TOLVIF的倒数,当TOL大于0.1且VIF小于10时,则不存在多重共线性。

    根据308个独立属性样本,提取每个样本的各类级信息量值,在SPSS软件中进行多重共线性诊断。结果显示对所选9个评价因子其VIF值在1~1.5(表1)。其VIF<5,表明各因子之间相互独立,不存在共线性。

    表  1  评价因子VIF计算结果表
    Table  1.  Calculation results of VIF for evaluation factors
    评价因子 TOL VIF
    工程岩组 0.818 1.222
    坡度 0.656 1.524
    坡向 0.954 1.048
    高程 0.904 1.107
    地貌类型 0.713 1.402
    起伏度 0.669 1.495
    曲率 0.970 1.031
    距断裂距离 0.945 1.058
    距河流距离 0.717 1.396
    下载: 导出CSV 
    | 显示表格

    崩滑的易发性与评价因子之间存在一定的相关性。为了保证各评价因子间的相互独立性和结果的可靠性,进行因子相关性检验[24]。结果显示各评价因子之间的相关系数均<0.3(表2),评价因子之间的相关性较小,所以9个评价因子均可以进入模型。

    表  2  评价因子之间的相关系数矩阵
    Table  2.  Correlation coefficient matrix of evaluation factors
    评价因子 工程岩组 坡度 坡向 高程 地貌类型 起伏度 曲率 距断裂距离 距河流距离
    工程岩组 1
    坡度 0.07 1
    坡向 −0.09 0.07 1
    高程 0.03 −0.08 0.08 1
    地貌类型 0.02 0.11 0.03 0.01 1
    起伏度 0.11 0.03 0.04 0.00 0.01 1
    曲率 0.07 −0.07 0.08 0.03 0.06 0.04 1
    距断裂距离 0.09 −0.03 −0.04 0.06 0.09 −0.05 0.08 1
    距河流距离 0.01 0.04 0.01 0.01 0.02 0.06 0.06 0.07 1
    下载: 导出CSV 
    | 显示表格

    信息量模型中,崩滑的易发性与因子信息量值有关,信息量值越大且为正值则表示单元内崩滑越容易发生[2528]。根据已有154个地质灾害进行重分类统计,根据公式(1)计算各评价因子分类分级的信息量值(表3)。

    表  3  评价因子分类分级信息量值
    Table  3.  Information value of classification levels for evaluation factors
    评价因子 因子分级 崩滑数量 栅格数量 信息量值 加权信息量值
    工程岩组 软硬相间碳酸盐岩夹碎屑岩岩组 2 205041 0.1347 0.0396
    块状结构坚硬玄武岩岩组 50 1817099 1.1717 0.3433
    坚硬层状碳酸盐岩岩组 97 15380267 −0.3014 −0.0883
    第四系冲洪积松散岩组 5 661729 −0.1206 −0.0353
    坡度
    /(°)
    0~6 7 3162705 −1.3501 −0.2012
    6~12 33 3790902 0.0193 0.0029
    12~18 50 3707425 0.4571 0.0681
    18~24 31 3008341 0.1880 0.0280
    24~30 17 2054943 −0.0316 −0.0047
    30~36 5 1186737 −0.7064 −0.1053
    36~60 11 1091533 0.1657 0.0247
    60~90 0 33429 0 0
    坡向 16 2219489 −0.1692 −0.0129
    东北 15 1920437 −0.0891 −0.0068
    22 2493207 0.0329 0.0025
    东南 31 2704414 0.2946 0.0224
    20 2304895 0.0161 0.0012
    西南 13 1974899 −0.2601 −0.0198
    西 17 2138397 −0.0714 −0.0054
    西北 20 2280277 0.0269 0.0020
    高程/m 715~860 8 350496 0.9848 0.1468
    860~1200 8 1149066 −0.2025 −0.0233
    1200~1350 14 1312775 0.2239 0.4811
    1350~1500 26 3226787 −0.0097 −0.1776
    1500~1650 26 3079467 0.3627 −0.0402
    1650~1800 29 2366839 −0.1401 1.8675
    1800~1950 30 4047954 −0.5067 −0.8614
    1950~2420 13 2530843 −0.5067 −3.6224
    地貌类型 岩溶低中山地貌 22 2824754 −0.0904 −0.0037
    构造侵蚀剥蚀地貌 18 1200919 0.5643 0.0231
    岩溶中山地貌 40 3833292 0.2021 0.0083
    岩溶盆地地貌 0 1948623 0 0
    峰林谷地地貌 0 91609 0 0
    峰丛洼地地貌 16 3752094 −0.6927 −0.0284
    断块上升岩溶地貌 1 177099 −0.4119 −0.0169
    断坳盆地 1 116724 0.0049 0.0002
    石丘(垅岗) 2 390319 −0.5091 −0.0209
    侵蚀谷地地貌 52 2561268 0.8677 0.0356
    构造侵蚀岩溶地貌 2 1167462 −1.6047 −0.0658
    起伏度/m 0~4 13 4183395 −1.0071 −0.0594
    4~8 40 4306129 0.0879 0.0052
    8~15 74 5697380 0.4232 0.0249
    15~23 17 2685735 −0.2956 −0.0174
    23~30 2 750479 −1.1607 −0.0684
    30~38 7 294073 1.0289 0.0607
    38~50 0 128414 0 0
    50~220 1 57698 0.7117 0.0419
    曲率 <0 70 7431512 0.0997 0.0041
    0 20 3330755 −0.3505 −0.0144
    >0 64 7301960 0.0277 0.0011
    距断裂距离/m 0~600 70 6123046 0.2934 0.0194
    600~1200 26 4659019 −0.4237 −0.0279
    1200~1800 20 2742459 −0.1561 −0.0103
    1800~2400 8 1599989 −0.5336 −0.0352
    2400~3000 5 1028561 −0.5617 −0.0371
    >3000 25 1911080 0.4281 0.0282
    距河流距离/m 0~600 57 3404716 0.6748 0.0445
    600~1200 32 2816455 0.2872 0.0189
    1200~1800 21 2280631 0.0771 0.0051
    1800~2400 14 1898512 −0.1451 −0.0096
    2400~3000 6 1564553 −0.7989 −0.0528
    >3000 24 6099326 −0.7731 −0.0511
    下载: 导出CSV 
    | 显示表格

    根据加权信息量法构建模型,对研究区地质灾害及其背景因素和影响因素的相对重要性进行分析,依据所选取的评价因子,按照专家法对选取的评价因子根据式(3)构建判断矩阵计算出各评价因子的权重值,根据式(5)求出每个判断矩阵的一致性指标CI,并通过式(6)进行一致性检验(表4),各评价因子的权重值与各评价因子分类分级的信息量值根据式(9)得出加权信息量值(表3)。

    表  4  评价因子分类分级判断矩阵及其权重
    Table  4.  Judgment matrix and weight of classification levels for evaluation factors
    评价因子 1 2 3 4 5 6 7 8 9 权重 CI/CR
    工程岩组 1 2 4 2 6 8 4 4 6 0.31 0.003
    0.002
    坡度 1/2 1 2 1 3 4 2 2 3 0.155
    坡向 1/4 1/2 1 1/2 2 2 1 1 2 0.083
    高程 1/2 1 2 1 3 4 2 2 3 0.155
    起伏度 1/6 1/3 1/2 1/3 1 1 1/2 1/2 1 0.046
    曲率 1/8 1/4 1/2 1/4 1 1 1/2 1/2 1 0.041
    距断裂距离 1/4 1/2 1 1/2 2 2 1 1 2 0.082
    距河流距离 1/4 1/2 1 1/2 2 2 1 1 2 0.082
    地貌类型 1/6 1/3 1/2 1/3 1 1 1/2 1/2 1 0.046
    下载: 导出CSV 
    | 显示表格

    根据研究区已有的154个崩滑点,并随机选取等量的非崩滑点,共计有308个独立属性样本。将全部样本点依次赋予相应评价因子的信息量值,导入SPSS 25软件进行二项逻辑回归分析(表5),各评价因子的信息量值作为自变量,是否发生地质灾害作为因变量(1和0代表崩滑点和非崩滑点)。

    表  5  逻辑回归分析结果
    Table  5.  Results of logistic regression analysis
    评价因子 B S.E Wals df sig
    工程岩组 0.698 0.261 7.142 1 0.002
    坡度 1.331 0.513 6.721 1 0.000
    坡向 0.761 0.862 0.780 1 0.007
    高程 0.309 0.246 1.570 1 0.002
    地貌类型 0.171 0.421 0.165 1 0.006
    起伏度 0.641 0.304 4.455 1 0.005
    曲率 1.523 0.907 2.820 1 0.003
    距断裂距离 0.528 0.365 2.090 1 0.004
    距河流距离 0.458 0.264 3.001 1 0.000
    常量 −0.165 0.142 1.336 1 0.005
      注:B为回归系数,S.E为标准误,wals为卡方值,df为自由度,sig为显著性。
    下载: 导出CSV 
    | 显示表格

    在逻辑回归分析结果中,sig值越小,代表评价因子的显著性越高,表(3)中sig小于0.05,说明9个因子均有统计意义。基于模型分析结果中的各因子系数值根据公式(7)得逻辑回归公式如下:

    {Z=0.165+0.698x1+0.031x2+0.761x3+0.309x4+0.171x5+0.641x6+1.523x7+0.528x8+0.458x9P=11+ez (11)

    式中:x1x9分别为地层岩组、坡度、坡向、高程、地貌类型、起伏度、曲率、距断裂距离、距河流距离的信息量值;运用ArcGIS的栅格计算器功能将z值代入式(8)得到崩滑灾害发生的概率p

    信息量模型根据信息量法求出各评价因子分类分级的信息量,然后进行叠加分析,加权信息量模型根据表(4)得出的各评价因子的权重值,结合公式(9)求出各分类分级的加权信息量值(表3)。信息量-逻辑回归耦合模型根据公式(11)所求出的概率值构建模型,将结果进行重分类处理,并利用自然断点法将3种评价模型结果划分为非、低、中和高4个等级(图3)。

    图  3  崩滑易发性评价结果
    Figure  3.  Landslide susceptibility evaluation results

    为进一步验证3种评价模型分区结果的精度,本文采用ROC(receiver operating characteristic)曲线进行精度检验。ROC曲线又称接收者工作特征曲线,其横轴特异性代表易发性面积百分比累积量,纵轴敏感度代表崩滑地质灾害点数百分比累积量。ROC曲线与坐标轴围成的面积用AUC值来表示,其线下的面积大小表示预测成功率,值越大准确率越高,模型的预测效果越好[28]。3种评价模型ROC曲线中AUC值分别为0.757,0.723,0.852(图4),加权信息量模型的精度最低,其原因是在采用层次分析法得出评价因子权重时,依据专家打分法构建判断矩阵时主观性因素较大,导致权重综合时降低了准确性,信息量-逻辑回归耦合模型的精度最高,其模型构建主要依据样本点与信息量法中分类分级信息量值进行连接,其精度与所构建的样本点存在紧密的联系,样本点统计规律越明显预测效果越好。

    图  4  ROC曲线
    Figure  4.  ROC curve

    根据所得出的评价结果,利用ArcGIS自然断点法将其划分为非、低、中和高4个等级,并将各易发性等级之间的面积(分级比)进行统计(表6),根据3种模型精度评价结果,信息量-逻辑回归耦合模型精度最高,其非-高易发区崩滑面积(分级比)分别为771.1 km2(25.55%)、836.6 km2(27.73%)、864.36 km2(28.64%)和545.94 km2(18.08%)。

    表  6  崩滑易发性等级分布预测结果
    Table  6.  Prediction results of landslide susceptibility grade distribution
    易发性等级信息量模型加权信息量模型信息量-逻辑回归耦合模型
    分级比/%崩滑比/%分级面积/km2分级比/%崩滑比/%分级面积/km2分级比/%崩滑比/%分级面积/km2
    非易发区17.565.84529.9616.177.14489.0325.556.49771.1
    低易发区28.2714.29853.1831.8015.58959.0227.7320.13836.6
    中易发区32.4631.17979.6433.8235.061020.6828.6425.32864.36
    高易发区21.7148.70655.2218.2042.21549.2718.0848.05545.94
    下载: 导出CSV 
    | 显示表格

    (1)以罗平县为研究对象,选取工程岩组、坡度、坡向、高程、地貌类型、起伏度、曲率、距断裂距离、距河流距离等9个评价因子,进行独立性检验,选取3种评价方法构建易发性评价模型进行对比分析。

    (2)通过对评价因子的分类分级处理,计算信息量值和权重值,值较大的因子类分别是:工程岩组中的层状结构坚硬长石石英砂岩岩组、地貌类型中的岩溶中山地貌和侵蚀谷地地貌、坡度主要分布在6°~30°度之间、高程集中在1350~1950 m、起伏度在23 m以下、距断裂距离和距河流距离1800 m之内,信息量值总体为正,对崩滑发育具有促进作用。

    (3)根据构建的信息量模型、加权信息量模型和信息量-逻辑回归耦合模型进行对比,通过ROC曲线对3种模型的精度检验,其AUC值分别为0.757,0.723,0.852,模型的精度均大于0.7。结合崩滑点分布图,信息量-逻辑回归耦合模型评价与灾点分布情况相符合,可为快速建立评价指标体系和区域崩滑易发性提供参考依据。

  • 图  1   南桠河两岸监测仪器分布图(方位角118°)

    Figure  1.   Distribution of monitoring sites on both banks of Nanya River

    图  2   南桠河两岸红线地质剖面图

    Figure  2.   Geological profile of both banks at Nanya River

    图  3   2#监测点附近山脊部位的落石以及斜坡变形

    Figure  3.   Rock falls and slope deformation around monitoring site 2# in Shimian County

    表  1   各监测点所在位置场地属性

    Table  1   Properties of monitoring sites

    监测点编号绝对高程/m震中距/km监测点所在部位场地类型
    1#1150265山体平坡处基岩(花岗岩)
    2#1060265山脊处基岩(花岗岩)
    3#1102267山脊处厚覆盖层
    参照点(石棉先锋)×××薄覆盖层
    下载: 导出CSV

    表  2   各监测点地震动响应参数

    Table  2   Ground motion response parameters at each monitoring site

    监测点编号峰值加速度/gal阿里亚斯强度/(cm·s−1)
    EWSNUDEWSNUD
    1#1.222.942.230.361.220.89
    2#2.133.642.350.551.800.81
    3#7.4210.182.9415.0913.262.75
    *参照点1.743.361.880.882.700.87
      注:1 gal=1 cm/s2
    下载: 导出CSV

    表  3   监测点3分量连续小波分解图

    Table  3   Three-component continuous wavelet decomposition

    东西方向南北方向垂直方向
    下载: 导出CSV

    表  4   监测点波峰成分统计表

    Table  4   Statistical table of signal peak at each site

    方向S波高频波峰S波低频波峰
    1#2#3#参照点1#2#3#参照点
    东西27.23 s37.67 s×32.02 s27.00 s37.76 s36.03 s31.70 s
    2.8 Hz3.9 Hz×3.2 Hz1.4 Hz1.4 Hz1.3 Hz1.1 Hz
    0.0450.078×0.0760.0630.0720.6300.068
    南北26.50 s36.52 s×32.00 s27.09 s36.41 s35.09 s32.27 s
    2.8 Hz3.5 Hz×2.5 Hz1.1 Hz1.1 Hz1.1 Hz1.1 Hz
    0.1200.183×0.1880.1100.1150.6560.138
    垂直26.77 s37.73 s34.85 s32.88 s27.19 s38.13 s35.28 s32.36 s
    3.5 Hz3.5 Hz2.8 Hz3.2 Hz1.1 Hz1.1 Hz1.1 Hz1.1 Hz
    0.0860.1070.1500.0760.0900.0680.0890.068
    下载: 导出CSV

    表  5   3#监测点场地3分量反应图谱

    Table  5   Three-component response spectrum of monitoring site No.3

    东西向南北向垂直向
    下载: 导出CSV

    表  6   3#监测点三分量特征周期/频率表

    Table  6   Dominant period / frequency of site 3#

    东西向南北向垂直向
    特征周期/s0.740.880.36
    特征频率/Hz1.351.132.77
    下载: 导出CSV

    表  7   1#与2#监测点三分量特征周期

    Table  7   Dominant period of site 1# and 2#

    监测点编号特征周期/s
    东西向南北向垂直向
    1#0.260.260.25
    2#0.260.260.28
    下载: 导出CSV
  • [1] 黄润秋. 汶川地震地质灾害后效应分析[J]. 工程地质学报,2011,19(2):145 − 151. [HUANG Runqiu. After effect of geohazards induced by the Wenchuan earthquake[J]. Journal of Engineering Geology,2011,19(2):145 − 151. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2011.02.001
    [2] 王飞, 吴红刚, 郭春香. 碎石土路堑高边坡地震动力响应过程分析[J]. 中国地质灾害与防治学报,2020,31(1):18 − 24. [WANG Fei, WU Honggang, GUO Chunxiang. Dynamic response of high cut based a numerical simulation slope to earthquake[J]. The Chinese Journal of Geological Hazard and Control,2020,31(1):18 − 24. (in Chinese with English abstract)
    [3] 温铭生, 刘传正, 刘艳辉, 等. 汶川地震高烈度区崩滑流灾害区域预警[J]. 中国地质灾害与防治学报,2019,30(1):10 − 19. [WEN Mingsheng, LIU Chuanzheng, LIU Yanhui, et al. Regional warning of geological hazards in high seismic intensity area of Wenchuan Earthquake[J]. The Chinese Journal of Geological Hazard and Control,2019,30(1):10 − 19. (in Chinese with English abstract)
    [4] 陈宗良, 叶振南, 王志宏, 等. 白龙江流域中上游第四纪沉积物的发育特征及其灾害效应[J]. 水文地质工程地质,2019,46(2):29 − 36. [CHEN Zongliang, YE Zhennan, WANG Zhihong, et al. Development characteristics and disaster effect of the Quaternary sediments in the middle and upper reaches of the Bailongiang River Basin[J]. Hydrogeology & Engineering Geology,2019,46(2):29 − 36. (in Chinese with English abstract)
    [5] 付智勇, 龙晶晶, 常鸣. 汶川地震前后四川都江堰龙池镇地区泥石流物源分布特征及其演化规律[J]. 中国地质灾害与防治学报,2019,30(6):10 − 19. [FU Zhiyong, LONG Jingjing, CHANG Ming. Distribution characteristics and evolution rules of sediment supply for debris flow occurrence around Longchi Town of Dujiangyan City, Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control,2019,30(6):10 − 19. (in Chinese with English abstract)
    [6] 王运生, 罗永红, 吉峰, 等. 汶川大地震山地灾害发育的控制因素分析[J]. 工程地质学报,2008,16(06):759 − 763. [WANG Yunsheng, LUO Yonghong, JI Feng, et al. Analysis of the controlling factors on mountainous epicenter zones of the Wenchuan earthquake[J]. Journal of Engineering Geology,2008,16(06):759 − 763. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2008.06.005
    [7] 罗永红, 王运生. 汶川地震诱发山地斜坡震动的地形放大效应[J]. 山地学报,2013,31(2):200 − 210. [LUO Yonghong, WANG Yunsheng. Mountain slope ground motion topography amplification effect induced by Wenchuan earthquake[J]. Journal of Mountain Science,2013,31(2):200 − 210. (in Chinese with English abstract) DOI: 10.3969/j.issn.1008-2786.2013.02.009
    [8] 范刚. 含软弱夹层层状岩质边坡地震响应及稳定性判识时频方法研究[D]. 成都: 西南交通大学, 2016.

    FAN Gang. The dynamic response and time- frequency method for seismic stability evaluation of layered rock slope with weak intercalated layer[D]. Chengdu: Southwest Jiaotong University, 2016. (in Chinese with English abstract)

    [9]

    VALAGUSSA A, MARA P. Seismic and geological controls on earthquake-induced landslide size[J]. Earth and Planetary Science Letters,2019,506:268 − 281. DOI: 10.1016/j.jpgl.2018.11.005

    [10]

    CROISSANT T, STEER P. Seismic cycles, earthquakes, landslides and sediment fluxes: Linking tectonics to surface processes using a reduced-complexity model[J]. Geomorphology,2018,339:87 − 103.

    [11]

    GUAN Z C, ZHOU Y. The seismic responses and seismic properties of large section mountain tunnel based on shaking table tests[J]. Tunnelling and Underground Space Technology,2019,90:283 − 293.

    [12]

    HARTZELL S H, CARVER D L, KING K W. Initial investigation of site and topography effects at Robinwood ridge, California[J]. Bull. Seis. Soc. Am.,1984,84:1366 − 1349.

    [13]

    CELEBI M. Topography and geologic amplification determined from strong-motion and after shock records of 3 March 1985 Chile earthquake[J]. Bulletin of the Seismological of America,1987,77:1147 − 1107.

    [14]

    SU W C, HUANG S C. Identification of Structural Stiffness Parameters via Wavelet Packet from Seismic Response[J]. Procedia Engineering,2017,199:1032 − 1037. DOI: 10.1016/j.proeng.2017.09.278

    [15] 王运生, 贺建先, 罗永红, 等. 康定Ms5.8级地震冷竹关坡体内地震动响应特征[J]. 西南交通大学学报,2015,50(5):838 − 844. [WANG Yunsheng, HE Jianxian, LUO Yonghong, et al. Seismic responses of Lengzhuguan slope during Kangding Ms5.8 earthquake[J]. Journal of Southwest Jiaotong University,2015,50(5):838 − 844. (in Chinese with English abstract) DOI: 10.3969/j.issn.0258-2724.2015.05.011
    [16] 刘峡, 张学民. 小波变换与地震信号特征分析[J]. 地震,2002,22(3):51 − 57. [LIU Xia, ZHANG Xuemin. Wavelet transform and seismic signal analysis[J]. Earthquake,2002,22(3):51 − 57. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-3274.2002.03.009
    [17] 罗永红. 地震作用下复杂斜坡响应规律研究[D]. 成都: 成都理工大学, 2011: 190-192.

    LUO Yonghong. Study on Response Law of complex slope under earthquake action[D]. Chengdu: Chengdu University of Technology, 2011: 190-192. (in Chinese with English abstract)

    [18] 贺建先, 王运生, 罗永红, 等. 康定MS 6.3级地震斜坡地震动响应监测分析[J]. 工程地质学报,2015,23(3):383 − 393. [HE Jianxian, WANG Yunsheng, LUO Yonghong, et al. Monitoring result analysis of slope seismic response during the Kangding ms6[J]. Journal of Engineering Geology,2015,23(3):383 − 393. (in Chinese with English abstract)
    [19] 祁生文, 许强, 刘春玲, 等. 汶川地震极重灾区地质背景及次生斜坡灾害空间发育规律[J]. 工程地质学报,2009,17(1):39 − 49. [QI Shengwen, XU Qiang, LIU Chunling, et al. Slope instabilities in the severest disaster areas of 5·12 Wenchuan earthquake[J]. Journal of Engineering Geology,2009,17(1):39 − 49. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2009.01.005
    [20] 张维辰, 朱凯光, 池成全, 等. 基于小波变换的2013年芦山MS7.0地震前姑咱台钻孔应变异常时频分析[J]. 地震学报,2019,41(2):230 − 238. [ZHANG Weichen, ZHU Kaiguang, CHI Chengquan, et al. Time-frequency analyses for borehole strain anomaly at Guzan station before 2013 Lushan MS7.0 earthquake based on wavelet transform[J]. Acta Seismologica Sinica,2019,41(2):230 − 238. (in Chinese with English abstract) DOI: 10.11939/jass.20170193
    [21] 刘峥, 石树中, 沈建文. 用美国西部强震记录讨论厚覆盖土层峰值加速度的放大效应[J]. 西北地震学报,2008(3):245 − 248+254. [LIU Zheng, SHI Shuzhong, SHENG Jianwen. Amplification of PGA on deep soft sites based on the digital records of strong motion obtained in the western U.S.A[J]. Northwestern Seismological Journal,2008(3):245 − 248+254. (in Chinese with English abstract)
    [22] 杨健, 万志清. 覆盖土层对地震剪切波的放大与吸收作用[J]. 岩土工程学报,1995,17(1):96 − 100. [YANG Jian, WAN Zhiqing. Wamplification and absorption effect of deep soil to S wave[J]. Chinese Journal of Geotechnical Engineering,1995,17(1):96 − 100. (in Chinese with English abstract) DOI: 10.3321/j.issn:1000-4548.1995.01.015
  • 期刊类型引用(15)

    1. 王秀琴,牛全福,王浩,程西安,李克恭,牛虎林. 甘肃积石山M_s6.2级地震区滑坡危险性评价与区划. 中国地质灾害与防治学报. 2025(01): 169-181 . 本站查看
    2. 苏志萍,杨成生,王子倩. 结合负样本优化与机器学习模型的怒江洲峡谷段滑坡易发性评价. 地球信息科学学报. 2025(04): 979-993 . 百度学术
    3. 陈宾,李颖懿,张联志,屈添强,魏娜,刘宁,黄春林. 地质灾害易发性评价因子分级的AIFFC算法优化. 中国地质灾害与防治学报. 2024(01): 72-81 . 本站查看
    4. 赵佳忆,田述军,李凯,侯鹏鹂. 岷江上游汶川地震前后泥石流易发性评价. 中国地质灾害与防治学报. 2024(01): 51-59 . 本站查看
    5. 曾韬睿,王林峰,张俞,程平,吴帆. 基于CatBoost-SHAP模型的滑坡易发性建模及可解释性. 中国地质灾害与防治学报. 2024(01): 37-50 . 本站查看
    6. 于宪煜,汤礼. 基于SMOTE-Tomek和CNN耦合的滑坡易发性评价模型及其应用——以三峡库区秭归—巴东段为例. 中国地质灾害与防治学报. 2024(03): 141-151 . 本站查看
    7. 李德. 怀宁县地质灾害风险调查评价. 地下水. 2024(04): 164-167 . 百度学术
    8. 朱浩,李书,史超,丁凡桠. 基于INF-Logistic回归耦合模型的云阳县迁建区滑坡易发性评价. 中国水运(下半月). 2024(10): 36-38 . 百度学术
    9. 吴问楚,王朝,管后春,黄蒙,乔雯. 基于GIS与加权信息量模型的汤口断裂南段地区地质灾害易发性评价. 科学技术与工程. 2024(26): 11121-11130 . 百度学术
    10. 朱浩,李书,史超,丁凡桠. 基于INF-Logistic回归耦合模型的云阳县迁建区滑坡易发性评价. 中国水运. 2024(20): 36-38 . 百度学术
    11. 刘家恺,朱杰勇,喻聪骏,王灿星,祝传兵,代旭升. 基于多源遥感的高山峡谷区崩滑识别及易发性评价. 化工矿物与加工. 2024(12): 62-73 . 百度学术
    12. 吴雅睿,娄春辉,侯龙君,刘峰. 基于信息量与机器学习耦合模型的滑坡易发性评价对比分析. 西安科技大学学报. 2024(06): 1140-1153 . 百度学术
    13. 郁是瞻. 基于MapGIS的信息量法在输电线路工程中的应用. 四川地质学报. 2024(04): 750-755 . 百度学术
    14. 张平平,李滨,高浩源,万佳威. 西藏林芝多雄河流域高位雪崩易发性评价. 中国地质灾害与防治学报. 2024(06): 44-57 . 本站查看
    15. 康晓波,杨迎冬,王宇,祝传兵,黄成,张杰,周翠琼,柴金龙,张文鋆. 云南省地质灾害综合防治体系建设系列专项研究进展. 中国地质灾害与防治学报. 2023(06): 146-157 . 本站查看

    其他类型引用(7)

图(3)  /  表(7)
计量
  • 文章访问数:  637
  • HTML全文浏览量:  486
  • PDF下载量:  921
  • 被引次数: 22
出版历程
  • 收稿日期:  2020-03-27
  • 修回日期:  2020-05-12
  • 网络出版日期:  2021-04-26
  • 刊出日期:  2021-04-26

目录

/

返回文章
返回