三峡库区巴东复杂斜坡系统变形机理数值模拟与稳定性研究

三峡库区巴东斜坡系统复杂,其变形机理与稳定性研究对移民迁建和地质灾害防治具有重要意义。本文采用FLAC3D数值计算方法,对巴东复杂斜坡系统变形机理进行研究,为“重力成因论”提供了支持和佐证。从整个斜坡系统的角度,联合使用数值计算方法(FLAC3D)和极限平衡法(Sarma法),系统研究了巴东复杂斜坡系统在不同蓄水状态下不同层次的稳定性问题,结果表明斜坡系统不存在整体深层滑动的可能性;斜坡系统沿岩层界面或软弱层发生失稳的可能性较小,但赵树岭滑体和黄土坡滑体在表层滑体发生较大变形或失稳的条件下,可能导致滑坡整体复活;在水库调蓄过程中,部分滑坡表层堆积体产生变形破坏的可能性较大。另外,斜坡的表层改造可能会引起斜坡中层稳定性的恶化。     

三峡库区巴东复杂斜坡区工程地质环境质量研究

为探索满足城镇规划建设尺度（1：10000～1：50000）需要的工程地质评价方法，本文以三峡库区巴东县新城区所在的扇形斜坡区为例，系统建立了山地区域大比例尺工程地质环境质量评价的工作程序，包括地质环境要素调查、地质环境信息系统（GEGIS）建立、因子体系选定与图层编制、因子赋值与权重确定、数学模型选择、图层迭加计算、结果分析与检验、工程地质环境质量评价与区划，初步探索了地质环境功能区划的基本内容。基于MapGIS技术，采用1：16000的航摄地形图，通过系统的野外调查和分析计算，编制了巴东复杂斜坡区的高程、地形坡度、冲沟密度、山洪危险、工程地质岩组、斜坡类型、基岩埋深、三峡水库175m水位浸润区埋深、三峡水库175～145m水位变动带岩土体工程地质性质、斜坡变形或岩土应力集中区埋深、地震动参数异常和人类活动方式等12个因子图层。通过巴东复杂斜坡区工程地质环境质量计算、抽样检验和分区评价，提出了地质环境功能区划：A级区是1、2级工程地质环境质量区，面积约6．6km^2，占全区面积的36．8％，地质环境容量大或较大，这类区域可规划为城镇集中建设区；B级区是3级工程地质环境质量区，面积约5．6368km^2，占全区面积的31．52％，地质环境容量中等，这类区域可以作为林、草或休闲地和农村社区，沿江地段规划码头、港口等；C级区是4、5级工程地质环境质量区，面积约5．64km^2，占全区面积的31．5％，是历史滑坡多发区，地质环境容量较小或小，这类区域可开发为果园和城镇蔬菜基地，不宜规划为永久建筑区。     

基于机器学习的区域滑坡危险性评价方法综述

我国滑坡灾害分布范围广,危害严重。区域滑坡危险性评价一直都是滑坡灾害防灾减灾的重要内容之一。近年来,随着大数据和人工智能技术的飞速发展,机器学习技术逐渐在滑坡灾害危险性评价方面得到广泛应用,并取得了较好效果。在大量研读文献的基础上,系统阐述了基于机器学习技术的滑坡危险性评价方法研究现状。综述从评价因子选择与量化归一化、数据清洗与样本集构建、模型选取与训练评价等三个关键环节对现有研究成果进行分析评述,最后对机器学习滑坡危险性评价方法的发展趋势提出讨论意见。     

论地质灾害防治与地质环境利用

分析了中国地质灾害防治现状,概述了地质灾害防治体系,以甘肃舟曲“8.8”特大山洪泥石流灾害为例反思了地质灾害防治理念的不足。从地质环境可持续开发利用视角,构建了区域地质环境可持续利用评价框架和地质安全评价体系。基本结论是：应跳出单纯工程地质评价和地质灾害防治的惯性思维,将保护地质环境和防治地质灾害有机结合,树立持续利用地质环境的科学观,更有效地达到减轻地质灾害的目的。     

近20年地质灾害气象风险预警研究文献图谱可视化分析

中国地质灾害气象预警始于2003年,每年汛期向公众发布预警信息,警示群众注意防范降雨引发的崩塌滑坡泥石流等地质灾害。为了更深入了解地质灾害气象风险预警研究的现状和未来趋势,以中国知网及SCI-Expanded国内外数据库作为数据来源,采用可视化工具CiteSpace,梳理了2003—2023年发表的国内外地质灾害气象风险预警文献,绘制科学知识图谱,分别从研究主题、演进趋势和研究热点进行多维度分析。结果表明：（1）基于历史降雨及灾害关系的临界降雨阈值研究在地质灾害气象风险预警研究中处于主导地位,与降雨相关阈值研究在未来仍将是研究热点;（2）关键词聚类分析显示不同地质灾害形成条件、气象条件下,不同类型、成因模式的地质灾害发生的预警预报模型、临界阈值研究文献占比较高,表明精细化是地质灾害气象风险预警发展的重要方向;（3）在国际上,中国学者发文量占总发文量的39%,我国在地质灾害气象风险预警研究中有绝对优势。研究结果较客观地展示了中国地质灾害气象风险预警研究的发展脉络和国内外研究热点及趋势,以期有助于我国地质灾害研究与预警预报业务进步。     

1961—2010年台山市降水变化趋势分析

利用1961～2010年降水资料,采用线性拟合和MK检验法分析了台山市多年降水变化特征,结果发现:近50a台山市的年降水量整体上呈增加的变化趋势,但增加的趋势并不明显。与之相反,台山市近50a年的降水日数整体上呈显著减少的趋势。台山市的极端日降水总是出现在4～10月,其中5月和9月出现年极端日降水的概率最大,其分别对应华南前汛期和华南后汛期暴雨较多的时期。M-K突变检验表明,从1961至2010年台山市的降水日数在1998年出现突变,而年降水量没有明显的突变年份。     

中国地质灾害气象预警模型研究

地质灾害气象预警是指对气象因素(主要为降雨)引发的地质灾害发生可能性大小的预测预报。中国大陆的地质灾害气象预警工作始于2003年, 逐步形成了国家级、省级、市县级的分级运行业务模式, 预警模型及可靠性问题是这项工作的核心科学技术问题和研究难点。考虑到各级地质灾害气象预警的时空尺度与预警时效, 形成了两代预警模型并行运算、相互校验与补充的运行模式。第一代隐式统计预警模型, 也称为临界降雨判据法, 基于不同地质环境区域引发地质灾害的临界雨量不同, 分区建立临界降雨判据, 该模型2003年起在预警业务中使用, 因其只涉及一个或一类参数, 使用广泛, 近年来又在模型参数、判据修正等方面不断完善。但单一的临界雨量指标很难准确反映地质环境的变化以及地质灾害的成生规律, 且预警区划、判据更新与准确性提高等也限制了其进一步发展。第二代显式统计预警模型, 耦合了地质环境变化与降雨参数等多因素建立预警判据, 地质环境指标在模型中显式表达, 在模型原理、空间精度、升级能力等方面表现了其优越性, 显著提高了预警精细度和准确度, 2008年开始在国家级预警业务使用, 并逐步向省级推广。两代预警模型均是基于统计方法建立, 一定程度上均受到统计样本的选择、地质环境条件的精细程度、实况降雨数据的精确匹配等因素控制和影响。多年来, 两代预警模型在中国地质灾害气象预警业务中成功运行并不断升级完善, 为中国大陆的地质灾害防灾减灾工作做出了重要贡献。     

四川青川县区域地质灾害气象风险预警模型研究

降雨是诱发地质灾害的重要因素之一,中国大陆于2003年启动的区域地质灾害气象预警取得了较好成效,目前区域地质灾害气象预警业务逐步从地质灾害发生的"危险性"预警向"风险性"预警转变,开展区域地质灾害气象风险预警模型研究具有重要意义。本文总结提出了区域地质灾害气象风险预警概化模型及其计算方法,以四川省青川县为例,构建了青川县区域地质灾害气象风险预警模型,并以典型实例进行了预警效果校验。（1）区域地质灾害风险预警指数（R）可以概化为地质灾害潜势度（Q）、降雨诱发因子（T）和地质灾害承灾体脆弱性指标（V）三者的乘积,并分别给出了三者的计算公式。（2）构建了青川县区域地质灾害气象风险预警模型,给出了根据预警指数值划分区域地质灾害气象风险预警等级的依据,提出当Q、T、V中两项达到高等级（0.8）,一项达到较高等级（0.6）时,为红色预警;当Q、T、V中两项达到较高等级（0.6）,一项达到中等级（0.3）时,为橙色预警;当Q、T、V中一项达到较高等级（0.6）,两项达到中等级（0.3）时,为黄色预警。（3）以2018年6月26日为典型实例,模拟了四川青川县区域地质灾害气象风险预警实况并进行校验,结果显示94.1%的灾害点位于预警区范围内     

盐岩地下储气库泥岩夹层分布与组构特性研究

以江苏金坛地下盐岩储气库为例,在区域地质与场地工程地质条件分析的基础上,通过盐岩及夹层分布与岩性分析、泥岩夹层全岩X光衍射试验、黏土矿物X光衍射试验及定量分析、泥岩夹层的粒度试验、崩解试验及水理试验研究表明,金坛地下储气库岩盐层夹层主要为层间夹层与层内夹层,盐岩层间夹层分布稳定,厚度较大,不溶物含量高;盐岩层内夹层层数多,厚度薄,分布不均,不溶物含量低。盐岩层间泥岩夹层的主要矿物为黏土矿物,黏土矿物的主要存在形式为伊利石/蒙脱石混成矿物;泥岩夹层主要为细粒颗粒;泥岩夹层沿层理面崩解,层状开裂软化,具有微膨胀性。对于储库水溶建腔速度、成腔形状与运营期的腔体蠕变具有重要影响。     

基于机器学习的区域滑坡灾害预警模型研究

中国滑坡灾害严重,区域滑坡灾害预警是防灾减灾的重要手段之一,预警模型是开展区域滑坡灾害预警的关键问题。本文系统开展了基于机器学习的区域滑坡灾害预警模型研究,并以四川省青川县为例,基于近10年地质与气象数据,构建了青川县区域滑坡灾害预警模型并开展实例校验。研究得出如下结论:(1)提出了基于机器学习的区域滑坡灾害预警模型的构建方法,主要包括训练样本集构建、样本学习训练与优化建模、模型保存与预警输出等几个关键步骤。(2)提出了区域滑坡训练样本集的构建方法,即以正样本为基础,在时空约束条件下随机采样获取负样本,最终获得完整的训练样本集。(3)样本学习训练中,以训练样本集的80%作为训练集,20%作为测试集,进行5折交叉验证,采用精确度、ROC曲线和AUC值校验模型准确度和模型泛化能力。采用贝叶斯优化算法进行模型优化。(4)实际预警中,调用训练好的预警模型输出滑坡灾害可能发生的概率。依据概率大小,分级确定预警等级。分级依据为:当输出概率P≥40%且P＜60%时,发布黄色预警;当输出概率P≥60%且P＜80%时,发布橙色预警;当输出概率P≥80%时,发布红色预警。(5)以青川县为例,构建了青川县区域滑坡训练样本集,采用6种机器学习算法进行模型训练,结果显示随机森林算法表现最好,其准确率最高(0.963),模型无过拟合现象,模型泛化能力最好(AUC=0.986);其次为逻辑回归算法;再次为人工神经网络算法和决策树算法。选取2018年6月26日的青川县日常预警业务进行实例校验。结果显示:当日17处滑坡灾害点中,100%的灾害点全部落入预警区范围内,其中:70.6%的滑坡落在红色预警区内,17.6%的滑坡落在橙色预警区内,11.8%的滑坡落在黄色预警区内。