Application of CORS network and GNSS technology in ground deformation monitoring: Taking southeast Zhejiang Province as an example
-
摘要: 地面变形对工程建设安全稳定具有一定影响,对工程建设规划、地质灾害防治等具有重要意义。本文利用卫星导航定位基准站(CORS)网全球卫星导航系统(GNSS)连续观测,实现了区域地面大地高、地面重力和地倾斜变化面的监测,通过与部分地质灾害信息进行时空分析,确定了用于地面稳定性变化分析的要素和权重,进而定量分析了地面稳定性变化。该方法在浙江省东南部地区进行了测试验证,获得了较好的效果。利用CORS网连续观测能够定量监测地面变形整个面的变化,分析区域地面稳定性变化情况,可为区域规划和地质灾害防治提供技术支持和参考。Abstract: Ground deformation has a certain impact on the safety and stability of engineering construction, and is of great significance to engineering construction planning and geological disaster prevention. This paper uses the continuous observation of the Global Navigation Satellite System (GNSS) of Continual Operating Reference Station (CORS) network to realize the monitoring of regional ground height, ground gravity and ground tilt changes. Through the time and space analysis with part of the geological disaster information, it is determined the factors and weights used in the analysis of ground stability changes, and then quantitative analysis of ground stability changes. This method has been tested and verified in the southeast region of Zhejiang province, and good results have been obtained. Continuous observation using the CORS network can quantitatively monitor the changes of the entire surface of ground deformation, analyze changes in regional ground stability, and can provide technical support and reference for regional planning and geological disaster prevention.
-
0. 引言
地质灾害的发生是内因和外因共同作用的结果。内因即为区内的地质环境,决定着地质灾害的类型、分布、规模和强度,主要包括地形地貌、岩性构造、工程地质岩组等[1]。外因是触发地质灾害的外部条件,主要包括降雨、地震、工程切坡、植被破坏、矿山开采等。
开展大比例尺高精度的地质灾害评价是当前地质灾害调查亟需的[2]。利用GIS平台结合高分遥感影像、DEM数据等,可以快速有效的进行大范围地质灾害危险性评价[3]。即根据研究区特点,通过对已发的地质灾害进行提取,分析其孕灾、成灾的因素,并选用恰当的数学评价模型,综合评价区内的地质灾害危险性程度,并预测区域内地质灾害易发生空间位置。进而建立针对研究区的地质灾害危险性评价模型。
1. 研究区概况
研究区位于皖南山区,行政区划隶属黄山市徽州区,面积约398.49 km2(图1)。以中低山地貌为主,总体呈北高南低,海拔标高一般在200~1400 m。地层岩性以浅变质砂岩、粉砂岩、凝灰质粉砂岩为主。区域变质、变形为板岩、千枚状板岩。岩石易风化,残坡积层较发育。区域构造上,属下扬子陆块、江南造山带、江南古陆隆起带之历口构造带,构造线走向主要为北东向,其次为北西向。区内水系属钱塘江流域、新安江水系,最低侵蚀基准面标高为196 m左右。区内多年平均降雨量1708.1 mm,春、夏汛期为地质灾害高发期[4]。
2. 信息量模型原理
信息量模型是一种定量分析方法,其物理意义明确,广泛应用于区域地质灾害危险性评价[5-6],评价过程中可较好的反映致灾因子和地质灾害的关联性[7]。通过模型评价,能够直观的反映出研究区内各致灾因子对于形成地质灾害的敏感度和贡献率。
(1) 式中:x i—成灾因素x中的第i区间;
Y—成灾因素x中第i区间地质灾害发生的信息量值;
B —地质灾害事件;
Ni—研究区内包含评价因素 xi 的单元数且存在地质灾害的单元数;
Si—研究区内包含评价因素 xi 的单元数;
N —研究区存在地质灾害单元总数;
S—研究区中评价单元的总数。
3. 研究区地质灾害危险性评价
3.1 评价因子的选取
研究区所处的皖南山区,地质构造复杂,山体风化强度较高,残坡积发育,丰乐河及其支流广布于研究区内。区内道路、房屋的建设多采用切坡施工。另外,该地区广泛种植茶叶,茶园多开垦于陡峻的山坡坡面,人类活动强度大(图2)。结合研究区实际情况和前人工作经验,本次地质灾害危险性评价选取了高程、坡度、坡向、断裂构造、土地覆盖类型、水系、工程地质岩组、人类活动强度,共8项主要因素作为评价指标。
通过收集以往地质灾害调查成果及野外查证,研究区内已发生地质灾害点215处。根据已知灾害点,分别结合选取的8项主要因素进行分析,求得评价因素中各因子对地质灾害的“贡献度”,将8项评价因素叠加,进而得到研究区地质灾害危险性评价结果。
3.1.1 高程
研究区地形地貌跨度较大,总体地势西北高南东低,北部为中低山区,山体走向以北西、北东为主,海拔500~1400 m,相对高差600~800 m,局部地区800~1000 m;南部为高丘地貌,广泛分布在中低山侧,高程200~500 m,相对高差50~250 m。
根据研究区地形特点,将高程划分为0~200 m、200~300 m、300~400 m、400~500 m、500~700 m、700~1300 m共6个级别,见图2(b)。
通过高程因素信息量分析,300~700 m高程区间地质灾害发生的可能性较大,而高程低于200 m或高于700 m,地质灾害发生概率较低(表1)。
表 1 高程分级及信息量统计表Table 1. Satistics of elevation classification and information评价指标 高程分级/m Si/S Ni/N 信息量I 数据 0~200 0.0732 0.0526 −0.3303 200~300 0.1717 0.1383 −0.2164 300~400 0.1967 0.3027 0.4310 400~500 0.2024 0.2355 0.1514 500~700 0.2475 0.2051 −0.1882 700~1300 0.1085 0.0659 −0.4984 3.1.2 坡度
坡度直接影响坡面上坡积物的厚度、物质的稳定性和水动力条件,从而影响地质灾害发生的强度和规模[8]。
本次将坡度划分为0°~10°、10°~20°、20°~30°、30°~40°、40°~50°、50°~90°共6个级别,见图2(c)。 通过坡度对地质灾害提供的信息量图,可见坡度在20°~40°区间,地质灾害发生可能性较大,而坡度小于20°时,灾害发生概率较小,对于坡度大于50°,由于研究区内此坡度区域极少,故地灾信息量较低(表2)。
表 2 坡度分级及信息量统计表Table 2. Satistics of slope classification and information评价指标 坡度分级/(°) Si/S Ni/N 信息量I 数据 0~10 0.0951 0.0173 −1.7023 10~20 0.1798 0.1207 −0.3985 20~30 0.3081 0.3682 0.1780 30~40 0.3071 0.3955 0.2530 40~50 0.1075 0.0966 −0.1066 50~90 0.0025 0.0017 −0.3454 3.1.3 坡向
坡向即坡面的朝向。不同朝向的坡面,坡体受太阳辐射强度,各种物理化学的风化作用程度不同。
将坡向每隔90°划分为四个方位区间,将分别为东坡45°~135°、南坡135°~225°、西坡225°~315°、北坡315°~45°,见图2(d)。
通过坡向对地质灾害提供的信息量图,可见北坡地质灾害发生可能性较小,其他方向地质发生概率较大,特别是南坡(表3)。
表 3 坡向分级及信息量统计表Table 3. Satistics of slope classification and information评价指标 坡向分级/(°) Si/S Ni/N 信息量I 数据 315~45 0.1761 0.1494 −0.1644 45~135 0.2890 0.3008 0.0399 135~225 0.2646 0.2808 0.0592 225~315 0.2703 0.2691 −0.0045 3.1.4 断裂
研究区内断裂构造发育,且以北东及北西向断裂为主北东东向最为发育(规模大、密集),北西向次之。区内大型断裂切割本区古老地层,同时伴生次级断裂和构造裂隙,使岩体结构松散,岩石破碎及风化,是引发地质灾害的主要因素[9]。
根据遥感解译断裂构造的位置,以与断裂构造的距离为依据划分缓冲区,共划分5个级别,分别为0~300 m、300~600 m、600~1000 m、1000~1500 m、>1500 m,见图2(e)。
通过距离断裂级别对地质灾害提供的信息量图,可见在距离断裂带300 m内发生地质灾害的可能性最大,1000 m以上则地质灾害的发生概率较低(表4)。
表 4 断裂分级及信息量统计表Table 4. Satistics of fracture classification and information评价指标 断裂分级/m Si/S Ni/N 信息量I 数据 0~300 0.3637 0.5310 0.3785 300~600 0.2541 0.2833 0.1087 600~1000 0.2042 0.1406 −0.3731 1000~1500 0.1146 0.0287 −1.3833 >1500 0.0636 0.0164 −1.3550 3.1.5 水系
河流的侵蚀是导致地质灾害发生的重要因素,主要表现为侵蚀作用对斜坡前缘抗力的削弱和临空面的增加造成斜坡失稳[10]。
研究区内主要河流为丰乐河及其支流,对河流根据其线密度进行统计,密度越大,说明河流沟谷越多,地面越破碎,地面物质稳定性越低,造成的灾害越多。
在ArcGIS中,将河流进行遥感解译,并形成线矢量文件,将线文件进行密度分析,计算公式为:
(2) 式中:
——水系密度; ——研究区水系总长度/km;A——研究区面积/km2。
通过密度分析,研究区水系密度值范围为0~6.2644,通过与遥感影像图进行比对,将密度范围划分为3个区间,分别为0~1.4052、1.4052~2.8695、2.8695~6.2644,见图2(f)。通过水系密度对地质灾害提供的信息量可见,在水系密度高的区域,地质灾害相对概率也较高(表5)。
表 5 水系密度分级及信息量统计表Table 5. Satistics of the river system density classification and information评价指标 水系密度分级/(km−1) Si/S Ni/N 信息量I 数据 0~1.4052 0.7717 0.7523 −0.0255 1.4052~2.8695 0.1552 0.1689 0.0850 2.8695~6.2644 0.0731 0.0788 0.0745 3.1.6 土地利用类型
研究区为黄山毛峰的主产区,陡坡茶园在区内分布广泛,因此在土地类型的划分上,将茶园进行单独分类,共划分为道路、耕地、城镇用地、水域、林地、茶园6种类型,分析不同用地类型对引起地质灾害所提供的信息量,见图2(g)。
依据各土地类型对地质灾害提供的信息量,可见道路、茶园、城镇用地3种土地类型发生地质灾害的可能性较大(表6)。
表 6 各土地利用类型信息量统计表Table 6. Statistical table of information quantity of land use types评价指标 用地分级 Si/S Ni/N 信息量I 数据 道路 0.0105 0.0168 0.4742 耕地 0.1030 0.0956 −0.0753 城镇用地 0.0186 0.0231 0.2168 水域 0.0114 0.0119 0.0493 林地 0.7650 0.7154 −0.0671 茶园 0.0915 0.1372 0.4049 3.1.7 工程地质岩组
岩土体作为斜坡的基本组成,其控制着地质灾害的形成、分布和规模[11]。研究区按岩石强度划分为①坚硬中厚层砂岩岩组(NH1x)、②较坚硬层状、板状砂岩夹板岩岩组(PT2n)、③坚硬中厚层状变质砂岩岩组(PT2d)、④坚硬块状花岗闪长岩岩组(γδ)、⑤第四系松散岩组(Q4)、⑥残坡积层碎石土(Qdl+el)、⑦强风化层、⑧冲洪积层(Qapl),见图2(h)。
通过分析,8类工程地质岩组中,残坡积层碎石土(Qdl+el)和强风化层两类对地质灾害贡献的信息量最大(表7)。
表 7 各工程地质岩组信息量统计表Table 7. Statistical table of information of each engineering geological rock formation评价指标 工程地质岩组分级 Si/S Ni/N 信息量I 数据 NH1x 0.1644 0.1429 −0.1404 PT2n 0.2790 0.2198 −0.2385 PT2d 0.4122 0.4889 0.1706 γδ 0.1105 0.0852 −0.2601 Q4 0.0065 0.0056 −0.1358 Qdl+el 0.0225 0.0523 0.8421 强风化层 0.0006 0.0011 0.6807 Qapl 0.0043 0.0036 −0.1669 3.1.8 人类活动强度
在ArcGIS中,将道路路网和房屋范围进行遥感解译,并形成线矢量文件,将线文件进行密度分析,线网密度越大,说明人类活动越强烈,引发的地质灾害越多。
通过线密度分析,徽州区人类活动密度值范围为0~12.2955,通过与遥感影像图进行比对,将密度范围划分为4个区间,分别为0~1.4185(人类活动强度极低)、1.4185~4.5309(人类活动强度一般)、4.5309~5.8821(人类活动强度较高)、5.8821~12.2955(人类活动强度极高),见图2(i)。
通过人类活动强度对地质灾害提供的信息量图,可见在人类活动强度较高、极高区间,地质灾害发生较频繁,在人类活动强度极低区间地质灾害发生可能性较低(表8)。
表 8 人类活动强度分级及信息量统计表Table 8. Satistics of human activity intensity classification and information评价指标 人类活动分级 Si/S Ni/N 信息量I 数据 0~1.4185 0.4642 0.2406 −0.6569 1.4185~4.5309 0.3624 0.3496 −0.0362 4.5309~5.8821 0.0850 0.1530 0.5878 5.8821~12.2955 0.0884 0.2335 0.9712 3.2 地质灾害危险性评价
3.2.1 评价网格划分
对于基于GIS栅格运算的地质灾害易发性区段评价中,研究区中各致灾因子图层的评价单元,选用正方形标准栅格作为评价单元,确定栅格单元大小的经验公式为:
(3) 式中:Gs——适宜栅格大小;
S——地质灾害评价比例尺的倒数。
评价单元的划分会直接影响评价结果的合理性[12],利用公式(3)并结合本次地质灾害评估的精度要求,使用13.5 m×13.5 m的栅格大小作为评价单元,研究区共划分约2186478个评价单元。
3.2.2 地质灾害危险性评价结果
将所有致灾因子信息量求和,得到2186478个均一条件单元的总信息量值,其范围为−4.732721~3.449854,数值越大,对地质灾害发生的“贡献率”越大,地质灾害越容易发生(图2)[13-16]。
根据各评价单元的信息量值,采用自然间断点法,取−1.18、−0.03、1.26为分界点,将研究区按危险度划分为地质灾害不易发区、低易发区、中易发区和高易发区(表9、图3)[17-19]。
表 9 地质灾害危险度分区面积统计表Table 9. Statistical table of geological hazard area危险度分区 信息量 分区面积/km2 不易发区 −4.732721~−1.18 104.49 低易发区 −1.18~−0.03 157.78 中易发区 −0.03~1.26 116.35 高易发区 1.26~3.449854 19.86 4. 成果验证
通过本次地质灾害危险性评价结果与野外调查成果的215处地质灾害点进行叠合分析,灾点分布情况为:高易发区132处、中易发区80处、低易发区3处、不易发区0处(表10)。地质灾害点的分布结果与地质灾害危险性评价区划相符,评价结果较合理。
表 10 不同危险度分区内地质灾害点数量统计表Table 10. Statistical table of the number of geological disaster points in different risk zones易发区分类 分区面积/km2 地质灾害点数量/个 不易发区 104.49 0 低易发区 157.78 3 中易发区 116.35 80 高易发区 19.86 132 5. 结束语
通过研究区数据分析,得出以下结论:
(1)结合野外实际调查的地质灾害点成果,选取高程、坡度、坡向、断裂、水系、土地利用类型、工程地质岩组、人类活动强度等8个致灾因子,使用信息量模型法对研究区进行地质灾害危险性评价,其中中易发区和高易发区面积分别为116.35,19.86 km2,占研究区总面积的29.2%和4.98%。
(2)根据评价结果,研究区内地质灾害的分布主要受到断裂带的控制,同时在河流、道路、茶园附近,坡度20°~40°的坡面,第四系松散层和强风化层覆盖区域均为地质灾害高发区,需要在重点区域加强地质灾害的防治工作。
-
-
[1] 朱建军, 李志伟, 胡俊. InSAR变形监测方法与研究进展[J]. 测绘学报,2017,46(10):1717 − 1733. [ZHU Jianjun, LI Zhiwei, HU Jun. Research progress and menthods of InSAR for deformation monitoring[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1717 − 1733. (in Chinese with English abstract) [2] 杨先全, 周苏华, 邢静康, 等. 肯尼亚滑坡灾害分布特征及敏感性区划[J]. 中国地质灾害与防治学报,2019,30(5):65 − 74. [YANG Xianquan, ZHOU Suhua, XING Jingkang, et al. Distribution patterns and susceptibility mapping of landslides in Kenya[J]. The Chinese Journal of Geological Hazard and Control,2019,30(5):65 − 74. (in Chinese with English abstract) [3] POURGHASEMI H R, MORADI H R, FATEMI AGHDA S M. Landslide susceptibility mapping by binary logistic regression, analytical hierarchy Process, and statistical index models and assessment of their performances[J]. Natural Hazards,2013,69:749 − 779. DOI: 10.1007/s11069-013-0728-5
[4] 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) [5] 党亚民, 杨强, 王伟. 区域地质环境稳定性大地测量监测方法及应用[J]. 测绘学报,2017,46(10):1336 − 1345. [DANG Yamin, YANG Qiang, WANG Wei. Geodetic method and application for monitoring the stability of regional geological environment[J]. Acta Geodaetica et Cartographica Sinica,2017,46(10):1336 − 1345. (in Chinese with English abstract) DOI: 10.11947/j.AGCS.2017.20170324 [6] 吴树仁, 王瑞江. 地质灾害与区域地壳稳定性研究的某些发展趋势[J]. 地质力学学报,1996,2(3):72 − 74. [WU Shuren, WANG Ruijiang. Some development trends of geological hazards and regional crustal stability studies[J]. Journal of Geomechanics,1996,2(3):72 − 74. (in Chinese with English abstract) [7] WANG W, ZHANG C Y, HU M Z, et al. Monitoring and analysis of geological hazards in Three Gorges area based on load impact change[J]. Natural Hazards,2019,97(2):611 − 622. DOI: 10.1007/s11069-019-03661-w
[8] 查甫生, 刘从民, 苏晶文, 等. 铜陵市朝山地区岩溶塌陷形成条件与地面稳定性评价分析[J]. 地质论评,2020,66(1):246 − 254. [ZHA Fusheng, LIU Congmin, SU Jingwen, et al. Formation conditions of Karst collapse and evaluation of ground stability in Chaoshan area of Tongling City[J]. Geological Review,2020,66(1):246 − 254. (in Chinese with English abstract) [9] 章传银, 李爱勤, 党亚民, 等. CORS网区域重力场变化与地面稳定性跟踪监测方法[J]. 测绘科学,2019,44(6):29 − 36. [ZHANG Chuanyin, LI Aiqin, DANG Yamin, et al. A method of tracking and monitoring of regional time-varying gravity field and ground stability based on CORS network[J]. Science of Surveying and Mapping,2019,44(6):29 − 36. (in Chinese with English abstract) [10] 王伟, 党亚民, 章传银, 等. 基于CORS站网监测三峡地区陆地水负荷对地壳形变和重力变化的影响[J]. 地球物理学报,2017,60(3):962 − 971. [WANG Wei, DANG Yamin, ZHANG Chuanyin, et al. Monitoring of crustal deformation and gravity variation from terrestrial water loading in the Three Gorges region by the CORS network[J]. Chinese Journal of Geophysics,2017,60(3):962 − 971. (in Chinese with English abstract) DOI: 10.6038/cjg20170311 [11] DONG D, FANG P, BOCK Y, et al. Anatomy of apparent seasonal variations from GPS-derived site position time series[J]. Journal of Geophysical Research,2002,107(B4):2075.
[12] FARRELL W. Deformation of the Earth by surface loads[J]. Reviews of Geophysics and Space Physics,1972,10(3):761 − 797. DOI: 10.1029/RG010i003p00761
-
期刊类型引用(5)
1. 刘新荣,罗新飏,郭雪岩,周小涵,王浩,许彬,郑颖人. 巫山段岸坡水岩劣化特征及危岩失稳破坏模式. 工程地质学报. 2025(01): 240-257 . 百度学术
2. 陈亚洲,杨鹏,曹廷. 两河口库区常见岸坡类型及变形破坏机制研究. 四川水力发电. 2024(06): 130-133 . 百度学术
3. 黄浩,余姝,郭健,赵鹏,张枝华. 顺层陡倾斜坡溃屈破坏机理研究. 煤炭科技. 2023(05): 9-16 . 百度学术
4. 檀梦皎,殷坤龙,付智勇,朱春芳,陶小虎,朱延辉. 降雨及库水位影响下麻地湾滑坡地下水响应特征分析. 中国地质灾害与防治学报. 2022(01): 45-57 . 本站查看
5. 宋俊宏. 基于PFC的乔连河岸坡岩石力学特性及动力响应特征研究. 甘肃水利水电技术. 2022(06): 27-31+37 . 百度学术
其他类型引用(3)