攀西红层区大型滑坡失稳方式分析

四川攀西地区侏罗系、白垩系红层广泛分布, 其岩体结构破碎, 产状多变, 工程地质性质脆弱, 是区内主要的易滑地层。攀西红层区内滑坡发育, 灾害数量众多, 危害严重, 大型滑坡易堵塞前缘河道, 诱发严重的次级危害。本文在对区内众多大中型滑坡实地调查的基础上, 对攀西红层区内大中型岩质滑坡的失稳方式进行了分析和归纳, 为攀西地区滑坡失稳条件研究和区内的滑坡灾害防治提供了理论基础。通过研究分析, 发现攀西地区构造活动强烈, 红层区内大型滑坡发育受地质构造影响显著, 构造结构面与原生层理面形成的有利组合往往奠定了滑坡的边界, 控制了滑坡的失稳方式。依据其不同的斜坡结构特征, 攀西红层区大型岩质滑坡失稳方式可划分为平面顺向滑动、块状斜向滑动及楔形横向滑动等3种类型。     

CO2地质储存过程中的地表变形数值模拟研究

本文以阿尔及利亚Salah场地为例, 利用CGS-THCM耦合模拟程序建立数值模型, 模拟不同方式注入CO2引起地表位移的变化规律, 提出将数值模拟手段与inSAR监测数据结合起来综合评估CO2地质封存工程中的CO2逃逸问题, 并建立了CO2逃逸-地表位移评估体系, 评估CGS工程中被封存的CO2是否逃逸以及逃逸量的大小。通过模拟结果可以看出:工程初期引起地表位移较小, 随着时间的增加, 引起的地表位移越来越明显, 而且注入量大、注入压力大都会引起相对较大的地表位移。     

西气东输三线输气管道工程线路区域地震地质环境与地质灾害

我国国民经济发展迅速, 国内中南和沿海地区能源需求持续递增。中亚地区有丰富的天然气资源, 需要新建管道输送新增气量, 国家适时启动了西气东输三线工程。西气东输三线工程管道线路自西北向东南斜贯我国西部、中部和东南, 干线总长度达5220km, 沿线各类地貌发育, 线路区域地震地质环境复杂, 地质灾害类型多样, 做好该项目的前期研究论证, 查明沿线地震地质构造与活动断裂和各类地质灾害, 对确保西三线管道工程的设计、施工与安全运营十分重要。     

川藏联网输变电线路工程地质灾害发育规律与特征研究

西藏昌都电网与四川电网联网输变电工程是迄今为止世界上最具建设挑战性的输变电工程之一,工程沿线地形地质条件极为复杂,地质灾害频发,地质灾害风险高。本文通过对川藏联网输变电工程沿线的地质灾害调查,分析研究了沿线地质灾害发育的规律及特征,评价了地质灾害对线路工程的影响,主要结论如下：川藏联网输变电工程沿线主要地质灾害类型有崩塌、滑坡、泥石流及不稳定斜坡等,其发育规律及特征主要与地形地貌、地层岩性有关;地质灾害对输变电线路工程的影响主要体现为对塔位及临时施工营地的影响,对危险性小的地质灾害点可采取跨越或加强巡视的措施,对危险性大的地质灾害宜避让,无法避让的应进行适当防护,并加强监测及巡视。通过对沿线地质灾害发育规律及特征研究,可以为输变电工程的选线、地灾防治等提供科学依据,具有重要的应用价值。     

泥流型岩溶地面塌陷物理模型

为了进一步深入研究覆盖型岩溶地面塌陷的发生条件和机理,在罗小杰关于土体塌陷理论的基础上,着重研究了泥流型地面塌陷地质现象、地质模型、物理模型及其数学表达式。根据软弱土在塌陷中的运动学响应特征及其周围土体变形表现,建立了泥流型岩溶地面塌陷的地质模型。由于软弱土具有高含水量、高液限、低抗剪强度和可流动的特点,将其视为高黏滞性的流体,在塌陷过程中呈层流状态流动;进而概化了泥流型岩溶地面塌陷的物理模型;依据牛顿内摩擦定律及极限平衡理论,提出了相应的数学表达式,探讨了泥流型地面塌陷的基本特征。认为泥流型地面塌陷将以一固定的速度发生,塌陷速度与岩溶通道直径的平方、软弱土的重度和天然含水量成正比,与黏性系数成反比。塌陷历时与软弱土的黏稠程度和厚度成正比,与重度和岩溶通道直径的平方正反比。     

滇西龙陵地区地壳电性结构及其对大瑞铁路地质选线影响研究

高黎贡山地处印度板块与欧亚板块碰撞缝合带附近的横断山脉南段,是大理—瑞丽铁路（大瑞线）的必经之地,地形起伏大、构造复杂、活动性强,高黎贡山隧道作为全线控制性工程之一,其地质选线的最大困难就是对隧道深部构造环境的了解,特别是缺少对与地热、地震等联系紧密的深部地质构造的认识.为此,本文以大地电磁方法为手段,以高黎贡山隧道为主要研究对象,通过对滇西龙陵地区高黎贡山隧道越岭段两条大地电磁剖面数据的处理解释对研究区的地壳电性结构特征进行了勘探研究.结合区域地质构造特征与主要工程地质问题之间关系的分析,根据隧道主要断层地质条件设计了三维垂直断层模型,利用三维有限元开展正演模拟研究发现,测点点距、位置与横向分辨率密切相关,点距越密,分辨率越高,测点位于断层在地表投影位置能有效提高分辨率.采用大地电磁阻抗张量分解技术对两条剖面上各测点的二维偏离度和电性走向进行了计算和分析,对剖面视电阻率和阻抗相位数据进行了二维NLCG联合反演研究,揭示了沿剖面的腾冲地块、龙陵—瑞丽断裂带及保山地块10 km深度的电性结构特征及相互关系.结果表明：剖面CD电性结构呈现区域构造的三分性,腾冲地块电性结构成层性较好,保山地块成层性较差,两者均以中高阻电性特征为主,中间夹龙陵—瑞丽断裂带,电性结构反映从3 km深度以下存在几乎近于直立延伸的低阻带,推测为班公湖—怒江缝合带滇西段丁青—怒江缝合带的反映;剖面AB共划分了6条与工程密切相关的深部隐伏断裂,结合地震地质、地表地质及龙陵地震深部背景研究,推测F7-3断裂为1975龙陵7.3级地震断裂;从地表黄草坝断裂开始向下延伸,有一条发育最大深度约为4 km的低阻通道,推测为地热断裂深循环通道,其与黄草坝断裂共同控制研究区地下热水的补给、径流和排泄条件,在高黎贡山隧道线位位置形成了一个相对低温通道,为隧道方案成立的关键工程地质条件.勘探结果表明：滇西龙陵地区地壳电性结构有效的反映了高黎贡山隧道深部隐伏断裂和地热断裂深循环通道等深部构造特征,为大瑞线隧道工程地质选线提供了深部地质背景依据.

     

贵州都匀马达岭地质灾害链的自动化监测

贵州省都匀市马达岭地灾体自2003年起间歇发生小规模崩塌,2006年5月18日持续降雨诱发大规模滑坡。崩滑体产生的碎屑流被采空区内蓄积的老窑水卷携并铲刮沟道残坡积物冲向下游形成泥石流。该地质灾害由崩塌、滑坡以及次生泥石流所组成,呈现连锁反应,形成了崩滑流灾害链。以贵州省马达岭地质灾害链为研究对象,基于现场地质环境条件调研和地质灾害链发育规律研究,确定以雨量、相对位移、倾角、渗压水头、泥位、次声为监测指标,在崩滑体后缘和泥石流沟口部位分别布置了相应的自动化监测仪器,形成了集自动采集、无线传输、数据解析、分析决策和预警预报为一体的地质灾害链自动化监测系统。监测系统运行状况显示,该监测系统能够较好地反映该地质灾害链的变形特征,可为该地质灾害链的预警预报提供技术支撑。     

基于SBAS-InSAR技术的中巴公路(公格尔墓士塔格段)地质体缓慢变形识别研究

中巴公路沿线地质灾害多发,通过微小变形对于其沿线地质灾害进行早期识别是一种重要的防灾措施。本文以中巴公路公格尔山至墓士塔格山段为研究区,选用2007年7月12日至2011年1月20日获取的16景PALSAR合成孔径雷达数据,采用小基线集干涉测量技术(SBAS-InSAR,Small Baseline Subset Interferometric Synthetic Aperture Radar)进行了变形干涉计算,识别并分析了沿线地质体的变形情况：(1)冰川运动与冰川泥石流作为沿线最主要的地质灾害,变形相对较大,较易识别,有效PS点主要分布在前缘冰碛物部分,反映为正负大变形相间的高异常值点团,其中公格尔山与墓士塔格山山麓的冰碛物运动最为显著; (2)沿线较软弱顺坡结构岩体发育,且风化严重,稳定性较差,易形成溜石坡灾害,表现为顺坡负异常变形; (3)宽谷区PS点变形以正值和较小的负值为主,该区域主要为底部冰水堆积物,上部洪积物,冰川融水补给充足,土体水分含量较高,可能产生冻胀变形,同时也可能存在斜坡重力梯度方向的变形,二者变形合成在测量结果上表现为视线向的正异常; (4)中巴公路主要在湖盆和洪积扇上展布,推测由于不均匀分布软土的变形,使较为刚性的公路部分路段产生了下沉; (5)SBAS-InSAR的高精度变形观测覆盖范围广,对于线性工程周围地质体稳定性的识别具有很好的应用前景。     

广清高速公路改扩建工程岩溶塌陷主要影响因素分析

岩溶塌陷对工程建设的影响不容小视。为了研究广清高速公路改扩建工程中影响岩溶塌陷的两个主要因素冲击荷载作用和地下水下降对塌陷的影响程度,在资料收集和现场调研的基础上,统计工程区12处岩溶塌陷的基本情况,总结塌陷特征并分析影响塌陷的主要因素,建立与实际覆盖层结构相符的塌陷地质模型-砂土+粉质黏土+灰岩地质模型。根据极限平衡理论,分别在冲击荷载和水位下降两种力学作用下对塌陷地质模型进行稳定性计算。通过计算得出,最大冲击荷载的作用在一定程度上会影响覆盖层的稳定性,但不是导致地面塌陷的主要因素,而地下水位下降对工程区岩溶塌陷起到了决定性的作用。通过进一步分析水位下降对塌陷的影响程度,确定水位降幅4m为警戒值, 6m为危险值,为保证施工的安全性提供一定的理论依据。     

The use of digital technologies for landslide disaster risk research and disaster risk management: progress and prospects

Landslide is a serious natural disaster next only to earthquake and flood, which will cause a great threat to people’s lives and property safety. The traditional research of landslide disaster based on experience-driven or statistical model and its assessment results are subjective , difficult to quantify, and no pertinence. As a new research method for landslide susceptibility assessment, machine learning can greatly improve the landslide susceptibility model’s accuracy by constructing statistical models. Taking Western Henan for example, the study selected 16 landslide influencing factors such as topography, geological environment, hydrological conditions, and human activities, and 11 landslide factors with the most significant influence on the landslide were selected by the recursive feature elimination (RFE) method. Five machine learning methods [Support Vector Machines (SVM), Logistic Regression (LR), Random Forest (RF), Extreme Gradient Boosting (XGBoost), and Linear Discriminant Analysis (LDA)] were used to construct the spatial distribution model of landslide susceptibility. The models were evaluated by the receiver operating characteristic curve and statistical index. After analysis and comparison, the XGBoost model (AUC 0.8759) performed the best and was suitable for dealing with regression problems. The model had a high adaptability to landslide data. According to the landslide susceptibility map of the five models, the overall distribution can be observed. The extremely high and high susceptibility areas are distributed in the Funiu Mountain range in the southwest, the Xiaoshan Mountain range in the west, and the Yellow River Basin in the north. These areas have large terrain fluctuations, complicated geological structural environments and frequent human engineering activities. The extremely high and highly prone areas were 12043.3 km² and 3087.45 km², accounting for 47.61% and 12.20% of the total area of the study area, respectively. Our study reflects the distribution of landslide susceptibility in western Henan Province, which provides a scientific basis for regional disaster warning, prediction, and resource protection. The study has important practical significance for subsequent landslide disaster management.