川东地区土岩接触带地质特征及滑坡地质灾害预测研究

刘百胜

四川省冶金地质勘查局六 0六大队 四川成都 611730

摘要：川东地区土岩接触带滑坡地质灾害发生频繁且分布广泛，对人们正常生活造成较大影响，本文提出基于GIS的川东地区土岩接触带滑坡地质灾害预测方法。通过划分研究区预测单元，生成土岩接触带斜坡坡度分布图、岩组类型和断层分布图等基础构件，以此建立滑坡地质灾害信息量预测模型，结合信息量模型与GIS技术，对预测出的滑坡地质灾害信息量进行分级，从而得到预测结果，完成川东地区土岩接触带滑坡地质灾害预测。实例分析结果可知，在研究区坡度在6°～25°之间时，预测发生滑坡灾害比例较高且包括的信息量较多，且滑坡灾害发生前10 d中，第4 d发生降雨，对滑坡灾害影响最大。

关键词 工程地质调查；土岩接触带；地质；灾害；预测；GIS；信息量

0 引言

川东地区由于地质结构复杂，且发生暴雨频率高、强度大，在土岩接触带处常发生滑坡地质灾害。近些年随着经济的发展，陕南地区道路交通建设项目逐渐增加^[1]，交通建设发展必然对地质环境和生态环境造成影响，且人类工程活动的大量增加，均会造成地质灾害频繁发生。滑坡是一种常见的地质灾害，空间范围内形成的多种类型滑坡体大小存在较大差异，且形成快慢也不同。但滑坡地质灾害及其影响因素均与空间位置相关^[2]。因此如何实现对滑坡地质灾害进行预测是该领域需要研究的课题。本文采用GIS技术对川东地区土岩接触带地质灾害进行预测，不仅可以准确管理滑坡地质灾害及其相关信息，还可以从时间和空间尺度上预测滑坡地质灾害。最后进行仿真实验分析，展示了本文方法在提高地质灾害预测能力方面的优越性能。

1 四川东部地区的天气分析及多山体滑坡原因分析

川东地区属于亚热带湿润季风气候区，四季分明，风速小，日照少，云量多，湿度大，常年降雨量在1100 mm左右，各地降水量的季节变化明显，夏季降水最多，占全年的39%～64%，秋季次之，占全年的20%～34%。春季少于秋季，春季降水量占全年的13%～24%。冬季降水稀少，只占全年的1%～4%。暴雨始于4月，于11月结束，主要集中在7～8月。初夏汛雨出现在6月下旬后期到7月上旬前期，此期间，暴雨相对集中，出现洪涝较多。

土岩接触带形成深部土岩接触带是指厚表土底部一定厚度的土层及其下一定厚度的风化岩组成的土岩组合体。由于它由高压态土体、高压水和软弱破碎风化岩体组成，故具有整体不良的工程地质性质，所以多降雨季节极易发生山体滑坡。

2 主要研究内容与方法思路

在全面分析国内外研究动态的基础上，通过研究川东地区地质灾害调查资料，进行系统设计，选择CF逻辑回归模型，即地质灾害发生确定性系数(CF)与逻辑回归模型(Binary Logistic)的融合，开展地质灾害危险性预测研究。

定义确定性系数的函数一般理论公式为：

（1）

式中：A为研究区域；min_k和max_k是表示连续数据区间；1，2，3，…，n_k表示非连续数据；[a，b]是确定性系数区间；通过函数变换，不同类型的数据将落入相同的区间[a，b]中，从而可以进行有效的合并。

逻辑回归模型( Binary Logistic) ：

（2）

式中：z为逻辑回归模型，z=B₀+ B ₁X₁+ B ₂ X ₂+…+ B _N X _N+ε，p为观测量相对于某一事件的发生概率；B为多元回归系数；ε为修正系数。

3 基于GIS 的土岩接触带滑坡地质灾害预测

3.1 建立滑坡灾害信息量预测模型

（1）研究区预测单元划分将1：100000的滑坡工程地质图和地形等高线图作为基础图件^[3]，采用实际大小为500m×500m方格进行网格化划分。

（2）生成基础图件滑坡地质灾害空间预测在GIS系统中进行，在对多种与滑坡地质灾害预测相关的信息输入、保存基础上生成滑坡灾害预测所需的相关图层，利用划分的研究区预测单元，得到土岩接触带斜坡坡度分布图、岩组类型和断层分布图等基础构件。

（3）信息量模型建立信息量采用滑坡灾害发生时的熵减少量来表示滑坡地质灾害事件发生的可能性，根据基础构件对滑坡地质灾害信息量进行预测^[4-5]。土岩接触带发生的滑坡地质灾害与多种影响因素相关。不同地质环境下，滑坡灾害中影响因素的作用大小、性质均不一致，其中滑坡影响因素组合提供滑坡预测需要信息量，且信息量决定预测结果高低，信息量越高，说明发生滑坡地质灾害概率越高，反之发生滑坡灾害概率越低^[6]。

3.2 滑坡地质灾害预测流程

GIS具有空间可视化、制图和分析的优势，在滑坡地质灾害预测方面应用较广。以GIS软件为技术平台的滑坡灾害危险性和易损性评价成为滑坡灾害研究领域的发展方向。建立完滑坡地质灾害信息量预测模型后，结合信息量模型与GIS技术，对预测出的滑坡地质灾害信息量进行分级，从而得到预测结果，完成川东地区土岩接触带滑坡地质灾害预测：

d=[Q_(max)－Q_(min)]/4。 （3）

式中：d为平均信息量，Q_(max)，Q_(min)分别表示川东地区某单元信息量预测最大值和最小值。

GIS技术平台提供多种空间分析工具，如数字高程模型、缓冲区分析和区域叠加分析等，但用这些工具对滑坡灾害进行空间预测，存在预测过程复杂且实现难度大的问题，这就需要结合区域实际情况，在GIS技术平台开发出相应的空间预测模型，如模糊综合评价法、信息量模型和人工神经网络等。本文将信息量模型与GIS技术相结合，对区域土岩接触带滑坡地质灾害进行预测，预测流程如下：①采集研究区滑坡地质灾害环境中基础数据；②对图形信息进行矢量化单元栅格划分；③确定滑坡灾害预测模型；④单因素空间叠加分析；⑤计算总信息量。详细预测流程如图1所示：

图1 GIS 技术下的滑坡灾害预测流程图

4 工程实例

为验证本文方法在预测川东地区土岩接触带滑坡地质灾害的效果，进行实例分析。研究区位于四川省巴中市南江县附近，研究区面积在120 km²左右，降雨主要集中在7-9月，且年平均降水量高达890 mm。根据实地勘察和GIS遥感获取的地质资料可知，该地区大约有200处滑坡。滑坡类型按滑动速度分包括基岩滑坡170处，蠕动型滑坡30处，滑坡空间与地形条件、地质条件影响，空间分布存在群状或带状特征。研究区内的河流、沟壑和山坡等为土岩接触带滑坡地质灾害的产生创造有利条件，在夏季常发生大滑坡和泥石流灾害，且区域滑坡的稳定性和滑坡活跃度存在较大差异，对该地区人们正常生活造成极大影响，因此实验以该地区为例进行土岩接触带滑坡地质灾害预测。图2为工程场地附近山体滑坡三维影像图。

图2 工程场地山体滑坡三维影像图

4.1 地形条件对滑坡灾害预测影响

根据工程场地附近山体滑坡三维影像图，分析土岩接触带坡度变化对滑坡发生比例和信息量影响结果，研究区地形条件对滑坡灾害预测影响包括坡度和坡高，图3为坡度因素对滑坡灾害的影响结果。根据图3可知，该研究区中坡度在6°～25°之间时，发生滑坡灾害比例较高，且包括的信息量较多，有助于本文方法进行滑坡预测。

图3 土岩接触带坡度对滑坡发生比例和信息量影响结果

4.2 降雨因素对滑坡预测影响

按该地区8月份某日的24h降雨量等级划分结果，对该地区200处滑坡样本点当日降雨类型进行统计（图4）。从图4可知，暴雨是造成滑坡主要因素之一，且该地区在无雨时仍会发生滑坡灾害。根据该地区滑坡发生前10d的降雨天数，将该地区平均日蒸发量2.9mm值作为降雨开始渗入界限（图5）。从图6曲线可知，滑坡发生曲线有1个极值，且在滑坡前10d中，第4d降雨的滑坡发生比例为33%，排在后面是有3d降雨的滑坡发生比例为30%，分别占总降雨滑坡数的16.5%和15%。对于滑坡发生前10d内连续降雨的天数，当滑坡发生前2d时发生滑坡发生比例为54%，占总滑坡次数的27%。

图4 滑坡数量比例与当日雨型关系 图5 有降雨时滑坡比例与连续降雨滑坡比例

4.3 预测结果验证

该地区的土岩接触带在夏季7-9月常发生滑坡质地灾害，实验预测得到该地区在2018年夏季的滑坡地质灾害结果如表1所示。从表1数据可知，本研究的方法可相对准确地预测到该地区在雨季时的滑坡灾害发生次数，且经多次预测得到的滑坡次数结果可知，其预测稳定性较高，各次预测结果相差不大。

表1 滑坡地质灾害预测结果( 次)

	7月		8月		9月
预测次数/次	基岩滑坡 蠕动型滑坡		基岩滑坡 蠕动型滑坡		基岩滑坡 蠕动型滑坡
1	85	12	135	21	142	25
2	86	11	136	22	145	26
3	85	14	142	20	143	24
4	87	10	135	19	144	27
5	82	11	138	18	143	26
6	83	13	135	21	145	25
7	78	14	134	18	148	26
8	84	12	135	19	145	25
9	85	11	134	21	146	27
10	86	12	141	19	142	26

5 结论

本文研究川东地区土岩接触带滑坡地质灾害预测方法，采用GIS 技术对地质灾害进行预测。从实例研究结果可知，土岩接触带坡度和坡高均对滑坡预测有一定影响，且本文方法预测滑坡次数和滑坡严重程度结果相对准确。

参 考 文 献（References）：

[1] 渠孟飞,谢强,李朝阳,等.基于数据挖掘技术的滑带土抗剪强度预测[J].工程地质学报,2016,24(6):1103-1109.

[2] 谌文武,刘伟,林高潮,等.天水黄土结构性变化诱发滑坡敏感性分析[J].冰川冻土,2016,38(4):929-936.

[3] 孟华君,姜元俊,张向营,等.地震扰动区碎石土滑坡滑动能力分析及预测[J].人民长江,2017,48(14):45-49.

[4] 陆付民,蒋廷耀.基于多因子及泰勒级数的滑坡变形预测模型研究[J].大地测量与地球动力学,2017,37(10):1029-1032.

[5] 骆祖江,张鑫,田小伟.沧州市地面沉降灾害预测预警[J].工程地质学报,2018(2):365-373.

[6] 王玢佳,王涛,孙进忠,等.基于环剪试验的湟水河流域大型泥岩滑坡滑带剪切特征初探[J].工程地质学报,2017,25(1):123-131.