考慮土層深度分布的淺層滑坡危險性評價
——以陜西秦巴山區(qū)為例*

呂佼佼，范　文 ，呂遠強, 2

(1.長安大學 地質工程與測繪學院，陜西 西安 710054；2.中煤西安設計工程有限責任公司巖土所，陜西西安 710054)

土層深度分布是諸多研究領域的重要研究工具之一，其可用于地貌演化、水土保持、土壤侵蝕和淺層滑坡等的研究[1]。在滑坡研究領域，土層深度分布對斜坡的降雨入滲過程有明顯控制作用。其會影響含水率、地表和地下徑流，進而影響斜坡的穩(wěn)定性[2-3]。Catani將土層深度定義為地表至巖土性質產生明顯變化為止[4]。諸多文獻中提到了建構土層深度的方法，Revellino等人根據地貌類型簡單分配不同的深度值[5]；Salciarini等人根據高程和坡度屬性進行土層深度的賦值[6]；Lee等人根據濕度系數進行回歸計算得出土層深度值[7]；Braun等人則從土壤生成與擴散角度求解土壤深度[8]。此外，直接鉆探測量最能夠直接描述土層深度垂直和水平方向的變化規(guī)律，但這種方法比較消耗時間且需要足夠數量的數據點[9]。可以發(fā)現(xiàn)以上方法大多過于簡化，各類方法的適用性也沒有進行總結對比，而且?guī)缀鯖]有文獻直接運用所推估的深度結果進行滑坡穩(wěn)定性評估。目前國內針對土層深度分布的研究較少，且多局限在農林及水土保持領域[10-11]，秦巴山區(qū)暫未見到該方面的研究。

秦巴山區(qū)位于我國中部，綿延1 600 km，橫穿甘肅、陜西、湖北等省。區(qū)內地質構造復雜活躍，同時加上典型的降雨特征(年降雨量大、暴雨集中)，使得區(qū)內形成了大量的地質災害。據統(tǒng)計，在秦巴山區(qū)(陜西省境內)，地質災害發(fā)育的密度可以高達300個/1 000 km2，其中尤以淺層土質滑坡最為發(fā)育，嚴重威脅民眾的生命及財產安全[12]。秦巴山區(qū)同時也是我國南水北調中線工程的水源地[13]，因此，為了確保該區(qū)生態(tài)環(huán)境不再惡化，在該區(qū)進行降雨型淺層滑坡研究尤為重要。

本研究以秦巴山區(qū)陜西省紫陽縣境內廣城幅(1∶10 000)為研究區(qū)，收集區(qū)內土層深度及坡度、曲率和濕度系數等資料，利用統(tǒng)計回歸方法建立土層深度推估公式；選用美國地質調查局發(fā)布的TRIGRS邊坡穩(wěn)定程序，進行不同土層分布模式的降雨斜坡穩(wěn)定性計算及結果評價，為該區(qū)域滑坡研究提供參考。

1　研究區(qū)概況

研究區(qū)位于陜西省紫陽縣中部，屬秦嶺與巴山交界地帶。地貌以中山為主，最低點海拔340 m，最高點海拔1 180 m，相對高差為840 m。任河在研究區(qū)內由西南流向東北，流域平面呈樹枝狀。本區(qū)屬北亞熱帶濕潤季風氣候，年平均氣溫15.1℃，年平均降雨1 175 mm，雨季主要分布在6-9月份，降雨常為連陰雨、暴雨形式。本區(qū)地質構造復雜，特別是斷裂、褶皺發(fā)育，區(qū)內變質巖分布廣泛，以灰色、深灰色板巖夾鈣質板巖為主，上覆土體多為含碎石粘土，厚度多介于1～5 m。

滑坡是研究區(qū)最為常見的地質災害現(xiàn)象[14]。2010年7月17-18日，陜西紫陽等縣區(qū)境內普降大到暴雨，局地出現(xiàn)有水文觀測記錄以來的最大降水量。強降雨同時誘發(fā)大量滑坡，根據野外災害調查，共發(fā)現(xiàn)研究區(qū)域有淺層滑坡21處[14-15]。該類滑坡上覆土厚為 1～5 m 之間，以1～3 m居多，大量的滑坡群發(fā)還是會造成道路封閉，河流堰塞，甚至人員傷亡。

圖1　研究區(qū)位置圖

2　土層深度分布研究

本研究首先利用鉆探獲取土層深度資料，選用坡度、濕度系數、曲率為因子進行統(tǒng)計，根據不同因子及不同的回歸模型來建立適用于研究區(qū)的土層深度經驗公式。

2.1　野外調查

野外調查量測項目有土層深度、坡度。首選需規(guī)定本文所指的土層深度為從地表至母巖或巖性有明顯變化的鉛直距離。調查點分布如圖2所示，選調查點應避免在河床、河流階地，也不宜在滑坡堆積體量測。土層深度量測主要采用背包鉆機(圖3a)，于表層垂直下鉆，直至碰到母巖或巖性有明顯變化為止；也可在已有的開挖剖面直接用皮尺量測(圖3b)。背包鉆機使用輕便高效，克服了手動螺旋鉆的費時費力和鉆機對場地要求高等缺點。坡度與坡向量測直接用羅盤完成。

2.2　室內分析

室內分析主要為求取地形曲率、濕度系數。曲率為地形的二次微分，其表現(xiàn)了坡度和坡向的改變率。濕度系數表征了地形對土體含水率的控制，其概念為坡度陡則水迅速向下流動，入滲量較低；而坡度緩的地方水可能長時間停留并入滲，入滲量較大。以上兩個因子均難以實現(xiàn)現(xiàn)場量測，故使用DEM數據(DEM來源于陜西省基礎地理信息中心，精度10 m)在ArcGIS軟件中完成運算。

圖2　土層深度測點分布圖(紅星為調查點，黃色范圍為滑坡區(qū))

圖3　土層深度測量方法

2.3　回歸分析

回歸分析是確定兩種或兩種以上變量間相互依賴的定量關系的一種統(tǒng)計分析方法。運用十分廣泛，回歸分析按照自變量和因變量之間的關系類型，可分為線性回歸分析和非線性回歸分析。按照因變量的多少，可分為簡單回歸分析和多重回歸分析。

簡單回歸可用下式來表示：

Y=β0+β1X1。

(1)

式中：β0為常數，β1為回歸系數。

多重回歸的形式依上式類推。上述為線性回歸形式，非線性回歸形式可參考文獻[16]，在此不一一列舉。以上回歸分析在SPSS軟件中完成。

3　滑坡穩(wěn)定性研究

3.1　模式簡介

TRIGRS是美國地質調查局開發(fā)的網格式無限邊坡穩(wěn)定分析程序，可利用初始入滲率、水力傳導度、坡度、降雨、水力擴散度等資料，計算降雨條件下斜坡暫態(tài)孔壓及穩(wěn)定系數，其詳細了理論與公式推導可參考TRIGRS文件[17]。

3.2　參數設定

TRIGRS在應用時需輸入多種參數，除現(xiàn)場試驗和巖土體試驗外，本研究也收集和參考了研究區(qū)滑坡相關勘查資料[14-15]。由于研究區(qū)域范圍較小，母巖巖性無明顯變化，故依據野外及室內試驗結果及勘查資料[14]，統(tǒng)計得出區(qū)內巖土體參數平均值如表1，TRIGRS假設其入滲土體為同質、各向同性，水力傳導度取不同深度野外雙環(huán)滲透試驗所得平均值[14]。本研究以2010年“7·18”降雨為模擬對象，其降雨歷時曲線如圖4，分析時間前期僅有零星的降雨，土體呈干燥狀態(tài)，故初始入滲率為水力傳導度的0.01倍。根據前人文獻，水力擴散度在不同環(huán)境條件下為水力傳導度的10～400倍，本文設為100倍[18]。根據鉆孔資料，區(qū)內土層內未見明顯地下水位，故設地下水位與土層深度相同[15]。土層深度資料則來自前文研究結果。需要說明坡度小于8.5°的區(qū)域地勢較為平坦，因此不納入計算范圍。

3.3　評估方法

為了將計算結果定量衡量，有必要針對模式分析所得的不穩(wěn)定區(qū)域(FS≤1.0)、穩(wěn)定區(qū)域 (FS>1.0) 與野外調查所得滑坡目錄進行比對，再使用分類誤差矩陣[19]完成評價，其分類及相關參數定義如表2所示。由于滑坡與非滑坡柵格數量差距很大，正確率的結果不能完全展現(xiàn)結果的好壞。

圖4　2010年“7·18”降雨歷時曲線

野外調查結果模式預測結果FS≤10FS>10滑坡N1N2非滑坡N3N4滑坡正確率SRL=N1/(N1+N2)非滑坡正確率SRS=N4/(N3+N4)修正的總正確率MSR=05×SRL+05×SRS

本研究將安全系數值切割為若干等間距的區(qū)間，采用由小到大累加的方式計算各區(qū)間滑坡面積占總滑坡面積的比例，繪制成功率曲線[19]，曲線下的面積(簡稱AUC)總和的大小即為判定結果好壞的依據，總體來說，AUC值越大越好。

4　結果分析與討論

4.1　土層深度模型

利用野外調查所得的41組資料，分別對各因子進行線性回歸、指數回歸和對數回歸，試圖找出最適合的土層深度推估公式，其回歸結果如圖5，需要說明坡度因子由坡度百分比表示，這是由于調查點坡度多集中15°～40°之間，用坡度百分比表示則為26.8～83.9之間，這種表示方法有利于R2值的提高。

圖5　土層深度與不同因子回歸結果圖

圖6　不同模式土層深度圖圖

圖7　TRIGRS計算結果

圖8　不同模式成功率曲線

(1)坡度因子

指數回歸：h=17.049e-0.038a，R2=0.79。

(2)

(2)曲率因子

指數回歸：h=6.1892e-0.479b，R2=0.77。

(3)

(3)濕度系數因子

指數回歸：h=0.0134e0.9677c，R2=0.59。

(4)

(4)復合因子

h=0.278+5.217e-0.038a+0.002e0.9677b+2.428e-0.479c，R2=0.86。

(5)

式中：h為土層深度，a為坡度百分比，b為地形曲率的絕對值，c為濕度系數。

從簡單回歸來看，坡度因子R2值明顯高于其他兩個因子，說明研究區(qū)內坡度對土層深度最具影響。就回歸方式而言，指數回歸明顯優(yōu)于其他兩種回歸方式。多重回歸同時考慮了三種因子，為了避免計算中出現(xiàn)負值，只采用指數回歸進行計算，其回歸結果優(yōu)于所有單因子回歸結果。坡度單因子土層深度圖和復合因子土層深度圖如圖6所示。

土層深度分布為滑坡穩(wěn)定性評價的基礎，但是由于地質環(huán)境條件的差異性，不同地區(qū)的深度公式并不可以簡單套用，這就需要針對特定研究區(qū)找出最適宜的推估公式。本研究結果表明，坡度是最適宜推估研究區(qū)土層深度的單因子變量，復合因子回歸結果表現(xiàn)最佳。由于研究區(qū)范圍較小，且區(qū)內巖性較一致，故未將巖性列為因子。

4.2　穩(wěn)定性計算結果

本研究采用TRIGRS程序計算，模擬研究區(qū)受到“7·18”強降雨，斜坡受降雨入滲后穩(wěn)定性的變化。為了研究土層深度分布的不同對模擬結果的影響，設定以下幾種工況：土層深度為定值(分別為1 m、3 m和5 m)、土層深度為坡度單因子深度模型和復合因子深度模型。

圖7a～7c為恒定土層深度FS<1的滑坡區(qū)(紅色區(qū)域)分布狀態(tài)，由圖7可見，1 m模型模擬結果紅色區(qū)域極少，土層深度增大到3 m時，紅色區(qū)域數量明顯增加，主要分布在溝谷兩側，5 m模型模擬結果顯示紅色區(qū)域面積超過了總面積的80%，但3種模式的MSR值(表3)都很低，而且無法準確預測研究區(qū)內的滑坡區(qū)。恒定深度模型模擬結果表明，土層深度越大，安全系數越小，坡度較陡處的安全系數變化量比坡度較緩處的安全系數越趨明顯，越不穩(wěn)定。而前節(jié)土層深度調查結果表明，坡度大于40°時土層深度已近似為0 m，因此若不考慮土層深度分布而直接使用恒定深度就會出現(xiàn)錯判。研究區(qū)坡度與土層深度在空間上變化很大，所以很難找出一個恒定的代表深度去進行區(qū)域危險性模擬。圖7d～圖7e為坡度單因子和復合因子土層深度模型模擬結果，可以看出紅色區(qū)域較3 m、5 m模擬結果有明顯減少，但從MSR值來看，有效正確率可達八成以上。復合因子模式的MSR值略高于坡度單因子模式，從成功率曲線看，坡度單因子AUC為 0.695，復合因子AUC為0.744。這代表復合因子模式評價結果更為準確(圖8)。

表3　不同土層深度模型正確率評估結果

我國黃土高原研究淺層滑坡時常使用固定的土層深度值，且計算結果較為合理[20-21]，這是由于因黃土的沉積深度總體較大、空間差異較小，坡度變化也較為平緩，陡坡或懸崖極少[20-21]，TRIGRS主要計算淺層土體的穩(wěn)定性，因此使得計算結果較合理。而秦巴山區(qū)構造復雜多變，其土層深度在空間上變異性很大，從基巖直接出露到數米的沉積深度均有出現(xiàn)，故土層深度分布仍為滑坡危險性評價的重要參數。

5　結論

(1)利用鉆探量測土層深度，再以坡度、曲率與濕度系數為因子，利用統(tǒng)計回歸分析建立了考慮不同因子的土層深度推估公式。簡單回歸，以坡度為因子作指數回歸結果為最佳；多重回歸同時考慮了三種因子，其結果優(yōu)于所有簡單回歸的結果。不同地區(qū)的土層深度推估公式并不可簡單套用，仍需在當地進行野外調查量測土層深度及因子信息，才能建立適用于該區(qū)的土層深度推估經驗式。

(2)利用TRIGRS程序探討了不同土層深度模型對于滑坡危險性評價的影響。對于恒定深度模型，簡單表現(xiàn)為土層深度越大，坡度越陡，安全系數越小，但其預測正確率極低。

坡度單因子模型預測正確率為 80.38%，成功率曲線下面積為0.695，復合因子模型的預測正確率為81.26%，成功率曲線下面積為0.744，這表明復合因子模式評價結果更為準確。

參考文獻：

[1]Lucà F, Buttafuoco G, Robustelli G, et al.Spatial modelling and uncertainty assessment of pyroclastic cover thickness in the Sorrento Peninsula[J].Environmental Earth Sciences, 2014, 72(9):3353-3367.

[2]FU Z, LI Z, CAI C, et al.Soil thickness effect on hydrological and erosion characteristics under sloping lands: a hydropedological perspective[J].Geoderma, 2011, 167: 41-53.

[3]Tromp-van Meerveld I, Weiler M.Hillslope dynamics modeled with increasing complexity[J].Journal of Hydrology, 2008, 361(1): 24-40.

[4]Catani F, Segoni S, Falorni G.An empirical geomorphology‐based approach to the spatial prediction of soil thickness at catchment scale[J].Water Resources Research, 2010, 46(5).

[5]Revellino P, Guadagno F M, Hungr O.Morphological methods and dynamic modelling in landslide hazard assessment of the Campania Apennine carbonate slope[J].Landslides, 2008, 5(1): 59-70.

[6]Salciarini D, Godt J W, Savage W Z, et al.Modeling regional initiation of rainfall-induced shallow landslides in the eastern Umbria Region of central Italy[J].Landslides, 2006, 3(3): 181.

[7]LEE K T, HO J Y.Prediction of landslide occurrence based on slope-instability analysis and hydrological model simulation[J].Journal of Hydrology, 2009, 375(3): 489-497.

[8]Braun J, Heimsath A M, Chappell J.Sediment transport mechanisms on soil-mantled hillslopes[J].Geology, 2001, 29(8): 683-686.

[9]Lucà F, Buttafuoco G, Robustelli G, et al.Spatial modelling and uncertainty assessment of pyroclastic cover thickness in the Sorrento Peninsula[J].Environmental earth sciences, 2014, 72(9): 3353-3367.

[10] 王升，陳洪松，付智勇，等.基于探地雷達的典型喀斯特坡地土層厚度估測[J].土壤學報, 2015, 52(5): 1024-1030.

[11] 解迎革，李霞，張風寶，等.基于電阻率斷層掃描技術探測林地土層厚度[J].農業(yè)工程學報, 2015, 31(4):212-216.

[12] 熊煒, 范文.秦巴山區(qū)淺表層滑坡成災規(guī)律研究[J].災害學, 2014, 29(1):228-233.

[13] 何凡，王向東，尹婧.秦巴山區(qū)坡耕地整治模式及水土保持效益分析[J].南水北調與水利科技, 2010, 8(5): 125-128.

[14] 范文.陜南山洪地質災害受災地區(qū)安康市紫陽縣地質災害詳細調查 [R].西安：西安長安大學工程設計研究院，2012.

[15] 范文，熊煒，杜謙，等.漢江中游任河流域地質災害調查(高灘幅) [R].西安：西安長安大學地質調查研究院，2017.

[16] 孫文生．統(tǒng)計學[M]．北京：中國農業(yè)出版社，2014.

[17] Baum L, Savage W Z, Godt J W.TRIGRS-A Fortran program for transient rainfall infiltration and grid-based regional slope-stability analysis, version 2.0, US Geological Survey Open-File Report 2008-1159, available at: http://pubs.usgs.gov/of/2008/1159[J].2008.

[18] Gioia E, Speranza G, Ferretti M, et al.Application of a process-based shallow landslide hazard model over a broad area in Central Italy[J].Landslides, 2016, 13(5): 1197-1214.

[19] HUANG J C, KAO S J.Optimal estimator for assessing landslide model efficiency[J].Hydrology and Earth System Sciences Discussions, 2006, 3(3): 1125-1144.

[20] 夏蒙, 王家鼎, 谷天峰, 等.基于 TRIGRS 模型的淺層黃土滑坡破壞概率評價[J].蘭州大學學報(自然科學版), 2013, 49(4): 453-458.

[21] 莊建琦, 彭建兵, 張利勇.不同降雨條件下黃土高原淺層滑坡危險性預測評價[J].吉林大學學報(地球科學版), 2013 (3): 867-876.