查找原因 科学分析 为重大地灾防治寻找出路——西部复杂山体重大地质灾害防治学术论坛专家解读记述

重庆武隆＂6·5＂特大滑坡崩塌的阴影尚未离去,贵州关岭＂6·28＂山体滑坡灾害又骤然降临。汶川地震引发的高速碎屑流还让人心有余悸,甘肃舟曲等地极端天气诱发的泥石流灾害又敲响了警钟。     

2010年“8.8”舟曲特大山洪泥石流灾害形成的气候特征及地质地理环境分析

利用舟曲气象和地质资料,分析了2010年8月8日发生的"8.8"舟曲特大山洪泥石流灾害形成的气候特征和地质地理环境.这次泥石流是在舟曲特殊的地质地貌和地理环境下,由于前期干旱,突遇强降水而发生的一次特大地质灾害.崩塌、滑坡、地震和人为因素,特别是"5.12"汶川地震,较大程度上破坏了舟曲地质,为泥石流提供了丰富的物质来源;前期干旱在一定程度上加剧了这次灾害;超历史极值的强降水是触发泥石流的直接因素.通过对舟曲气候研究表明,7、8月降雨频繁,而且过程雨量大,尤其8月上旬大雨发生频率最高,应密切关注可能引发的地质灾害.加强对地质地貌的保护,研究历史气候及月季气候特征对泥石流发生的影响,确定在不同地形和地质地貌背景下的泥石流降水量阈值,对泥石流灾害发生的预报有着十分重要的意义.     

白龙江流域地质灾害特征及勘查思路

白龙江流域地处青藏高原向黄土高原过渡的斜坡急剧变形带,是我国泥石流、滑坡灾害最为严重的地区之一。“8．8”舟曲泥石流灾难的发生,再次暴露了对地质灾害调查研究程度不高,预警预报能力低,以及风险减缓措施不力的弊端。为了避免类似群死群伤重大地质灾害的发生,应进一步加强调查和研究等基础工作。进一步勘查的思路是：首先是对迭部、舟曲、宕昌、武都、文县、康县等6各县,按照《1：5万滑坡崩塌泥石流灾害调查规范》要求,全面开展调查;二是对危及县城、集镇、重要居民点的地质灾害隐患点,按照规划前期勘查的精度要求,逐一进行勘查;三是针对不同类型的地质灾害发育分布规律、形成机理、成灾模式、监测预警技术、风险减缓措施等问题开展专题研究。     

舟曲三眼峪沟特大泥石流形成及径流特征分析

本文基于对舟曲三眼峪沟“8·8”特大泥石流灾害现场调查、勘测,对激发泥石流的暴雨范围及特征、流域内松散物质补给特征、泥石流发生过程及流速变化、堆积区冲淤变化等特征的分析认为。激发舟曲特大泥石流的暴雨区域集中于擂鼓山东坡—陡石山—东山一带,局地性强,面积小于50km2。暴雨区距离舟曲县城4.0～4.5km,具有突发性、骤然增强、破坏力大的特征。     

舟曲特大山洪泥石流形成机制与治理方法

通过对舟曲三眼峪＂8.8＂特大山洪泥石流灾害的发育条件、形成机制分析及对灾害发展趋势、危险性的评估,探讨舟曲泥石流灾害的防治思路、防治对策以及主要的防治工程措施,并为预防和防治类似泥石流灾害提供经验。     

基于三眼峪特大泥石流降水特征的灾后重建工程设防标准的讨论

舟曲“8．8”特大山洪泥石流灾害损失惨重,举世瞩目,灾难发生后泥石流隐患依然存在,灾后重建中面临的第一个难题便是灾后重建工程设防标准的确定问题。通过分析激发“8．8”舟曲特大山洪泥石流灾害降水的时间与空间分布特征,认为本次降水具有强度大、历史短,局地性强的特征。基于此,建议灾后重建工程的泥石流综合治理工程设计中应充分根据本次降水的特征,考虑最不利的极端条件下即按此次降水雨强涵盖整个三眼峪流域范围所产生的最大流量。     

甘肃省舟曲地质灾害发育特征及典型地质灾害剖析

甘肃省舟曲县因发生＂8.8＂特大山洪泥石流灾害而倍受世人关注。本文在概述县域自然地理条件,地质背景及生态环境变化的基础上,深入讨论了舟曲县地质灾害的类型、分布、规模、稳定状态及危害性特征,并以泄流坡滑坡和三眼峪泥石流为例,详细分析了地质灾害的影响因素、发育特征及危害评估,以期对正在舟曲实施的地质灾害防治工程有所帮助。     

免像控无人机航测技术在舟曲县立节北山滑坡-泥石流灾害应急处置中的应用

近年来,无人机航测技术在地质灾害防治领域广泛应用,特别是在突发性地质灾害应急处置中优势显著。免像控无人机航测技术能够快速获取测绘数据,跟传统航测方法相比,极大的节约了时间和人力成本。文中利用大疆精灵Phantom 4 RTK无人机,对甘肃省舟曲县立节北山滑坡-泥石流灾害进行免像控航测数据获取和处理。根据航测成果快速获取了滑坡形态特征、泥石流沟道特征等相关参数, 分析了滑坡变形迹象,并应用实地测量数据进行免像控航测精度评价分析。研究结果表明:滑坡形态特征、泥石流沟道特征、变形迹象均与实地相符,检核点精度满足《低空数字航空摄影测量内业规范》（GH/Z 3003—2010）数据生产规范,成果数据可用于灾害体变形特征分析、几何参数快速提取,辅助分析评估险情、灾情。对突发性地质灾害应急处置中无人机测绘数据的快速获取工作具有一定的借鉴意义。     

新疆叶城“7·6”滑坡泥石流灾害调查与形成机理研究

2016年7月6日晨0时40分左右,新疆喀什地区叶城县柯克亚乡六村发生特大滑坡泥石流灾害,造成重大人员伤亡和财产损失。本研究采用地面调查、访问和遥感解译方法,从滑坡、泥石流形成的地形地貌、地层岩性和水文气象条件着手,分析了滑坡特征与成因,泥石流形成条件、灾害链过程与致灾机理,并对未来本区滑坡泥石流的发展趋势进行了预测。现场调查表明:（1）位于西昆仑山北坡中高山区的六村与七村毗邻区域,在6日凌晨发生的大暴雨,触发了38处群发性浅层黄土滑坡,属蠕滑-拉裂机制,且部分大滑坡表现为远程滑坡-泥流特征;（2）这些滑坡体堆积在“V”形沟谷中形成堰塞坝,其中六村上游发育15处滑坡和2个滑坡堰塞坝,在持续降水和小型沟谷泥石流的作用下,滑坡坝发生串联式溃决而形成堵溃型泥石流,冲毁六村居民区和道路;（3）同时,该毗邻区域两侧存在超过227处的黄土滑坡变形体,未来在区域气候由暖干转向暖湿条件下,强降雨的极端气候事件会增多,若遭遇强降雨,研究区仍然会爆发滑坡-堰塞坝-溃决泥石流模式的灾害,其规模可能比“7·6”事件还大。建议深化本区浅层黄土滑坡变形机理、临界雨量及泥流运动机理等方面的深入研究,同时加强滑坡泥石流的监测和预测研究。     

基于SBAS- InSAR技术的西藏雄巴古滑坡变形特征

大型古滑坡及其强变形和复活灾害日益频发,已造成重大灾害事件和严重损失.古滑坡的发育、变形影响因素多、机理复杂和识别难度大,本文采用SBAS-InSAR技术,结合遥感解译,获取了金沙江西岸雄巴村古滑坡2017年10月至2020年6月间的地表变形特征.研究表明,雄巴古滑坡方量巨大,可达2.6×108～6×108 m3,根据InSAR形变监测结果,滑坡前缘发育H1和H2等2个大型强变形区,变形级别分为4级:极强变形区(-132.1 mm/a≤VLOS＜-58.5 mm/a)、强变形区(-58.5 mm/a≤VLOS＜-20.3 mm/a)、中等变形区(-20.3 mm/a≤VLOS＜l.8 mm/a)和弱变形区(1.8 mm/a≤VLOS＜55.4 mm/a);其中H1变形区,最大累计变形量达203.8 mm,H2变形区变形量达302.1 mm.受金沙江河流侵蚀,特别是上游75 km的2018年10月和11月白格2次滑坡-堵江-溃坝-泥石流/洪水灾害链对雄巴古滑坡坡脚的侵蚀,加剧了雄巴古滑坡的变形,其中H1变形区的蠕滑速率是白格滑坡灾害链发生前的14～16倍,灾害链引起H2区发生变形,雄巴古滑坡整体呈现牵引式复活状态.基于SBAS-InSAR的形变监测结果得到了野外的验证,目前H1变形区前缘出现局部垮塌,滑体中横向和竖向裂缝发育,局部呈现拉张状态.雄巴古滑坡目前呈现持续变形中,部分地段为加速变形,雄巴古滑坡发生大规模复活将导致堰塞金沙江-溃坝-泥石流灾害链,应加强雄巴古滑坡的空—天—地一体化监测预警,为该区正在规划建设的重大工程和流域性地质安全风险提供技术支撑和科学依据.     

岩土体物理力学参数对岩质滑坡稳定性的影响

采用有限元-极限平衡法研究了含软弱滑动带的岩质滑坡滑动体、滑动带和滑床的密度、弹性模量和泊松比及滑动带的抗剪强度对滑坡稳定性的影响。结果表明:滑床密度、滑体及滑动带的弹性模量、滑动带及滑床的泊松比和滑动的抗剪强度指标与滑坡稳定性系数呈正相关关系,而滑体及滑动带土体密度、滑床的弹性模量和滑体的泊松比与滑坡稳定性系数呈负相关关系;软弱滑动带的抗剪强度对滑坡稳定性的影响最显著,其次为软弱滑动带的泊松比和滑床的弹性模量,其他参数的影响相对较小。      

再论“滑坡群”——以三峡库区为例

在前人有关地质灾害的研究中,滑坡地质灾害以群体式出现的专业术语有"滑坡群"和"滑坡带"两种,但对其内涵的认识存在模糊性和局限性,缺乏层次性,多数情况下其只是对多个滑坡聚集的简称,没有体现出对地质灾害研究的指导意义。本文修正了"滑坡群"的概念,丰富了"滑坡群"的内涵,将"滑坡群"与相同的局部构造、活动构造相联系,使"滑坡群"内部的个体滑坡、相同新构造活动区域"滑坡群"之间的对比成为可能,实现了基础地质研究与灾害地质研究的有机结合。在此指导下提出了"滑坡群"评价方法,包括局部构造样式以及形成机理、局部构造与地质灾害空间演化规律、"滑坡群"内部个体滑坡对比,并建立了"滑坡群"时空演化模式,为预测滑坡破坏过程提供依据。     

藤州中学滑坡特征及稳定性评价

在对藤州中学滑坡地质环境综合调查的基础上,分析了该学校1#、2#、3#滑坡的形态特征及分布范围,用改进传递系数法和Morgenstern-Price法分别对这3组滑坡的稳定性进行分析,最后对滑坡的稳定性进行了综合评价。结果表明:(1)滑坡区由于1#、3#滑坡的滑动牵引2#滑坡滑动,形成了独特的牵引式滑坡。(2)2#滑坡在枯水季节基本处于稳定状态,在常水、丰水季节处于欠稳定状态;1#、3#滑坡在枯水、常水和丰水季节均处于稳定状态。     

大型土石混合体滑坡空间效应与稳定性研究

土石混合体滑坡是滑坡地质灾害中具有代表性的一类,由于该类滑坡在自然界中分布广泛并且较其他类型的滑坡更为复杂,常常给人类带来巨大的灾难。位于湖北省巴东县长江北岸的周家湾滑坡就属于这一类滑坡,该滑坡是著名的黄蜡石古滑坡群的重要组成部分。周家湾滑坡变形开始于20世纪80年代中期,滑坡导致地面出现张拉裂缝,近几年来变形逐步加剧,目前该滑坡处于蠕滑阶段。周家湾滑坡前缘为石榴树包滑坡的后壁,后缘为响石镐滑坡的坡脚,因此,周家湾滑坡的稳定性对响石镐滑坡及石榴树包滑坡存在着潜在的威胁。运用地质分析、工程地质力学分析等手段,剖析了周家湾滑坡体的地质环境、形态、结构等空间要素及其发育模式,并建立了相应的三维地质体概念模型。通过利用数值模拟技术,对滑坡体的稳定性、变形失稳机制进行了分析研究     

甘肃南部坪定-化马断裂带锁儿头滑坡成因机制

甘南坪定-化马断裂是现今仍在活动的断裂,具左旋走滑性质。锁儿头滑坡沿坪定-化马断裂带发育,属典型的蠕滑型断裂带滑坡。野外调查及监测资料表明,锁儿头滑坡规模大,为巨型滑坡,其上发育多个次级小滑坡。滑坡体由断层破碎带、碎石土和堆积黄土组成。该滑坡变形强烈,拉张裂缝、剪张裂缝多见,目前处于蠕滑变形状态,是在内外动力耦合条件下形成的。活动断裂对滑坡的形成、发展起控制作用,而降雨则是滑坡复活的主要诱发因素。因此,对锁儿头滑坡成因机制的深入研究可为蠕滑型断裂带滑坡的预测防治提供理论依据。     

长江三峡黄腊石和黄土坡滑坡分形分维分析

为了探索复杂滑坡轨迹结构演化及其稳定性定量分析计算的新途径, 利用分形分维理论, 分析三峡库首区黄腊石滑坡和黄土坡滑坡边界轨迹的几何分形结构, 并采用盒维数法分别求得黄腊石滑坡西部活动性滑坡群、东部小滑坡群和整个滑坡系统及黄土坡滑坡分形结构的特征性斜率曲线和分维值.计算结果表明: 每个滑坡群的轨迹结构具有其特征性的分维值, 轨迹结构越复杂, 结构层次越清楚, 分维值越高.其中, 黄腊石滑坡西部活动性滑坡群的分维值最高, D =1.483, 黄土坡滑坡的分维值最低, D =1.111.主要结论包括: (1) 滑坡边界轨迹存在统计上的自相似性, 具有分形结构特征; (2) 滑坡轨迹结构的宏观扩展变形过程是一个增维过程, 而不是降维过程; (3) 滑坡轨迹结构越复杂, 有序性越好, 分维值越高, 其稳定性越差; 因此, 分数维可作为衡量滑坡轨迹结构复杂性和稳定性的重要标志.      

清江隔河岩库区天池口滑坡变形机制及稳定性分析

天池口滑坡是清江隔河岩库区一大型松散堆积物滑坡。自1993年4月隔河岩水库蓄水以来,滑坡体开始发生变形,特别是库岸滑体前缘变形日趋明显。根据野外现场调研和室内试验、工程勘察资料,探讨了天池口滑坡的变形机制,并运用极限平衡理论分析了滑坡在蓄水和降水时的稳定性。研究结果表明,天池口滑坡基本上属二元结构,滑坡体的变形是由于水库蓄水和库水位骤涨骤降引起的,在目前正常蓄水条件下,滑坡体基本处于稳定状态。     

柳家凹黄土滑坡滑动机制研究

以豫西山区柳家凹黄土滑坡为研究对象,采用现场地质勘探和调绘的方法确定了滑坡的形态和性质;利用原位试验和室内试验确定了滑带土的强度衰减的影响因素和影响规律;采用现场监测等技术手段,确定了滑动深度。在此基础上,分析了柳家凹滑坡的活动历史、成因、范围和影响因素。调查和分析表明,柳家凹黄土滑坡的滑动机制可概括为古滑坡因路堑开挖和降雨而局部复活。古滑坡黄土体结构相对松散,抗剪强度较差。当古滑坡前缘土体被开挖后,古滑体失去前缘支挡,在自重应力和地下水共同作用下,古滑坡体前缘沿黄土层与砾石层交接面滑动带滑移破坏。根据古滑坡复活情况分析,柳家凹黄土滑坡为牵引式滑坡,当滑体前缘滑动后,后面的滑体陆续出现滑动,裂缝向纵深方向发展。     

成都市大邑县某公路滑坡成因机制及稳定性分析

滑坡的形成机制及稳定性分析是滑坡防治工程的基础,因此对滑坡的形成条件、变形破坏机制、发展演变规律等进行较透彻的分析是非常必要的。本文分析了大邑县某公路滑坡的基本特征、滑坡形成的工程地质条件、成因机制、稳定性状况等,为滑坡的防治工程设计提供了科学的依据。     

Implementing landslide path dependency in landslide susceptibility modelling

Landslide susceptibility modelling—a crucial step towards the assessment of landslide hazard and risk—has hitherto not included the local, transient effects of previous landslides on susceptibility. In this contribution, we implement such transient effects, which we term “landslide path dependency”, for the first time. Two landslide path dependency variables are used to characterise transient effects: a variable reflecting how likely it is that an earlier landslide will have a follow-up landslide and a variable reflecting the decay of transient effects over time. These two landslide path dependency variables are considered in addition to a large set of conditioning attributes conventionally used in landslide susceptibility. Three logistic regression models were trained and tested fitted to landslide occurrence data from a multi-temporal landslide inventory: (1) a model with only conventional variables, (2) a model with conventional plus landslide path dependency variables, and (3) a model with only landslide path dependency variables. We compare the model performances, differences in the number, coefficient and significance of the selected variables, and the differences in the resulting susceptibility maps. Although the landslide path dependency variables are highly significant and have impacts on the importance of other variables, the performance of the models and the susceptibility maps do not substantially differ between conventional and conventional plus path dependent models. The path dependent landslide susceptibility model, with only two explanatory variables, has lower model performance, and differently patterned susceptibility map than the two other models. A simple landslide susceptibility model using only DEM-derived variables and landslide path dependency variables performs better than the path dependent landslide susceptibility model, and almost as well as the model with conventional plus landslide path dependency variables—while avoiding the need for hard-to-measure variables such as land use or lithology. Although the predictive power of landslide path dependency variables is lower than those of the most important conventional variables, our findings provide a clear incentive to further explore landslide path dependency effects and their potential role in landslide susceptibility modelling.