贵州省喀斯特溶蚀地区采煤扰动与地质灾害空间相关分析——以六盘水市为例

陈　鑫，金　丹，李效顺,3

(1.中国矿业大学国土环境与灾害监测国家测绘局重点实验室，江苏 徐州　221116；2.中国矿业大学管理学院，江苏 徐州　221116；3.南京农业大学中国土地问题研究中心，江苏 南京　210095)



贵州省喀斯特溶蚀地区采煤扰动与地质灾害空间相关分析
——以六盘水市为例

陈鑫1，金丹2①，李效顺1,3

(1.中国矿业大学国土环境与灾害监测国家测绘局重点实验室，江苏 徐州221116；2.中国矿业大学管理学院，江苏 徐州221116；3.南京农业大学中国土地问题研究中心，江苏 南京210095)

摘要：为了定量化分析采矿扰动与地质灾害的相关性程度，以六盘水市为例，采用Arcgis 10.2空间分析中的核密度估计与空间相关性分析，对六盘水市矿点核密度与6大地质灾害之间的关系进行定量分析，结果表明：(1)六盘水市采煤活动与地质灾害的发育存在较大的正相关性，其中与地裂缝相关性最大，未考虑地裂缝规模的相关系数为0.674，考虑地裂缝规模的相关系数为0.683；采煤活动对山地灾害的发育促进作用较大，未考虑山地灾害规模的相关系数为0.427，考虑山地灾害规模的相关系数为0.380。(2)贵州省喀斯特溶蚀地区地面塌陷主导诱发因素为地下水过度开采的人为因素，区域内地面塌陷与采煤活动之间相关性很小，以六盘水市为例，平均相关系数仅为0.009 7。(3)基于核密度估算的空间相关分析方法在定量化采矿扰动与地质灾害关系方面具有较好的效果。

关键词：空间相关分析；地质灾害；采煤扰动；喀斯特地区

贵州省矿产资源丰富,是我国南方最大的煤炭资源基地和煤炭生产基地,在为社会经济发展做出贡献的同时,地质灾害的发育加速,粗放型采矿扰动成为诱发地质灾害的一个重要因素[1]。截至2009年底,贵州省已发现各类矿山地质灾害近千起,造成人员死亡和失踪达295人,直接经济损失为13.68亿元[2]。煤炭井下开采造成的地质灾害主要为地面塌陷和地裂缝,其次是崩塌、滑坡和泥石流;露天开采诱发的灾害类型则以崩塌、滑坡和泥石流为主[3]。我国开采技术和设备相对落后,导致矿山开采环境不断恶化,近年来,重大地质灾害发生频率明显上升[4]。因此,地质灾害与采矿扰动之间的相关性分析可为预防和控制地质灾害提供科学依据。

地质灾害影响因素相关性研究方法主要有传统的数理统计分析[5-6]和资料分析[7],此外,新兴数学模型在地质灾害影响因素相关性研究中也得到了广泛应用[8-10],如确定性系数模型、模糊数学模型和主成分分析法等。上述方法实现了定性描述与定量分析相结合,但是限于所用模型方法的性质,未能较好地结合地理空间因素。考虑到上述局限性,有学者将 GIS的空间分析应用于地质灾害影响因素研究中[11]。笔者将利用GIS空间分析中的密度分析与相关性分析方法,以贵州省喀斯特溶蚀地区典型市——六盘水市作为研究区域,对其主要的6种地质灾害类型进行核密度估计,并定量分析地质灾害与采矿扰动之间的相关性,比较分析采矿活动对地质灾害发育的影响程度。

1研究区概况

贵州省喀斯特溶蚀地区面积占省域总面积的61.9%。选择全境均位于喀斯特溶蚀地区的六盘水市作为研究区域。六盘水市位于贵州省西部,地处北纬25°19′44″～26°55′33″,东经104°18′20″～105°42′50″。地势总体上呈西高东低、北高南低态势,高程在581～2 873 m之间,中部因北盘江的强烈切割侵蚀,起伏剧烈。研究区域属北亚热带季风湿润气候区,年平均气温为13～14 ℃,年降水量为1 200～1 500 mm。区内褶皱变形与断裂构造广泛发育，岩层大多为软硬质岩层相间叠置,软基硬质陡崖众多,碎屑岩分布较广,岩体风化严重,松散层较厚,引发地质灾害的基础条件充分。

1.1研究区矿产资源现状

六盘水市矿产资源丰富,煤储量居全省之首,矿山呈数量多、分布广的特点。境内有盘县矿区和水城矿区2个国家重点煤矿区。据《六盘水市矿产资源总体规划(2011—2015年)》统计显示,煤矿的开采方式以井工开采为主,截至2010年底,共有矿山305个,包括大型9个,中型22个,小型274个;总产量为5 126.59万t,其中大型矿山产量为1 840万t,中型为921.67万t,小型为2 364.92万t;总产值为299.31亿元,其中大型矿山产值为106.72亿元,中型为53.46亿元,小型为139.14亿元。煤炭工业是当地重要的经济支柱,在六盘水市国民经济中具有重要的战略地位。

1.2研究区地质灾害现状

研究区内除基础自然条件复杂外,人为工程活动也十分强烈。六盘水地区引发地质灾害的基础条件和引发条件充分,为地质灾害易发高发区。据《中国典型(市)地质灾害易发程度分区图集——西南地区卷》(2011年)统计显示,六盘水市地质灾害及隐患点主要类型为滑坡、地裂缝、崩塌、不稳定斜坡、泥石流和地面塌陷,共1 057处,其中以滑坡为主,为569处(53.8%),其后依次为地裂缝166处(15.7%),崩塌129处(12.2%),不稳定斜坡93处(8.8%),泥石流62处(5.9%),地面塌陷38处(3.6%)。由表1可见,6种地质灾害及隐患点大部分规模较小,稳定性差。

表1地质灾害和隐患点规模以及稳定性结构占比

Table 1Scales of geological calamities and potential sites and proportion of stable geo-structure

类型不同规模占比/%不同稳定性程度占比/%小型中型大型巨型合计差较差好合计滑坡76.1120.81 3.080 100.0043.5554.721.73100.00地裂缝28.7869.062.160100.0099.280.720100.00崩塌53.9125.2218.262.61100.0046.9635.6517.39100.00不稳定斜坡100.00000100.0044.1655.840100.00泥石流94.833.4501.72100.0068.9727.593.44100.00地面塌陷100.00000100.0050.0050.000100.00

2数据与方法

2.1数据来源与说明

数据来源:六盘水市地质灾害矢量数据提取于《中国典型县(市)地质灾害易发程度分区图集——西南地区卷》(2011年),包括滑坡、崩塌、泥石流、塌陷、不稳定斜坡和地裂缝6大主要地质灾害的地理空间分布、规模以及稳定性;六盘水市矿产资源利用现状数据来源于《六盘水市矿产资源总体规划(2011—2015年)》和《贵州省矿产资源开发利用图》。六盘水市各类地质灾害以及矿产资源分布情况见图1～2。

图1　六盘水市地质灾害分布

图2　六盘水市煤矿分布

数据说明:(1)在地质灾害中,滑坡与崩塌常常相伴而生,产生于相同的地质构造环境中和相同的地层岩性构造条件下,有着相同的触发因素。泥石流是滑坡和崩塌的次生灾害,都属于山地灾害类型。不稳定斜坡具有在某种不利条件下形成滑坡的可能性。基于以上考虑,将崩塌、滑坡、泥石流和不稳定斜坡合并作为一类,统称为山地灾害。(2)矿山地下开采会造成地面塌陷与地面沉降,地面塌陷有别于地面沉降。地面塌陷一般指非连续的小面积剧烈陷落,形成塌陷坑,其发生时间短促,预警困难,危害较大。地面沉陷但尚未形成塌坑的变形区称为沉降区,可以用函数式进行预计,以达到避免危害的目的。基于以上考虑,只进行地面塌陷与采矿活动的相关性分析。

2.2核密度估计

(1)

式(1)中,n为带宽范围内像元数;K为核函数;h为带宽或窗宽;x-Xi为估计点到样本Xi处的距离。

Arcgis 10.2中核密度估计的具体计算步骤:以输出像元为中心,如矿点核密度输出栅格像元,定义一个固定的搜索半径(h),统计落入圆形邻域中要素数量;确定输出栅格像元大小,栅格越小,则精度越高;通过核函数计算每个要素对各个输出像元密度贡献度;将每个栅格像元的圆形邻域中各个要素的密度贡献度叠加,将此作为每个栅格的密度值,输出每个栅格像元的密度值并生成密度分布图。

2.3空间关联分析

波段集统计(band collection statistics)计算的相关系数可用于描述2个数据集之间的关系。对于一组栅格图层,相关矩阵表示一个栅格图层中的像元值,而这些像元值与另一图层的像元值相关联。2个图层间的相关性可用于衡量图层间依存关系。相关性为2个图层间的协方差(covij)与2个图层标准差(δi和δj)乘积的比值,相关性的范围为-1～1。正相关性表明2个图层间呈正的直接关系,例如,当地裂缝核密度图层的像元值增大时,矿点核密度图层的像元值也可能增大。负相关性则表示一个变量随另一个变量呈反比例变化。当相关性为0时,表示2个图层之间不存在依存关系。相关性(Rij)计算公式为

(2)

covij计算公式为

(3)

式(3)中,Z为像元值;i和j为堆叠图层;μ为图层平均值;N为像元数;k为特定像元。

得到2个图层之间的相关性之后还需对其进行相关性显著性检验,检验公式如式(4)所示。若检验统计量t>tα/2(n-2),则说明在α显著性水平下,该相关性显著。

(4)

3结果与分析

3.1核密度分析

3.1.1地质灾害点密度分析

利用核密度分析中的点要素密度估计,对地裂缝、山地灾害和地面塌陷进行核密度分析。为了使输出栅格所显示信息更详细且生成的密度栅格较平滑,在进行密度分析时将输出像元大小设为100,搜索半径设为6 000,population字段值设为NONE。考虑到地质灾害有巨型、大型、中型和小型4种规模,设置了考虑规模的情景,在确定点被计算的次数时,设定巨型为4次,大型为3次,中型为2次,小型为1次,population字段值设为规模。核密度分析以及考虑规模的核密度分析(以下称加权密度)结果见图3,地面塌陷规模只有小型,因此不进行考虑规模的加权核密度分析。

六盘水市作为典型的山地喀斯特地形,山地灾害(崩塌、滑坡、泥石流和不稳定斜坡)数量较多,分布较广,在其所辖的盘县、水城、六枝特区以及钟山区都有分布。无论是否考虑规模,山地灾害的密度都较高,不考虑规模的密度区间为0～0.341 km-2,考虑规模的加权密度区间为0～0.451 km-2。

地裂缝的分布主要集中在盘县矿区中的土城煤炭开采区块、卢家寨-大坪地煤炭开采区块和老屋基-月亮田-山脚树-大田坝煤炭开采区块。不考虑规模的密度区间为0～0.376 km-2,考虑规模的加权密度区间为0～0.740 km-2,是否考虑规模密度分析的结果差异比较大,这是由于地裂缝规模以中型(69.06%)为主所致。

地面塌陷数量较少,密度较小,密度分布区间为0～0.088 km-2,主要集中分布在钟山区等人口密度较大的地区,矿区内分布很少。地面塌陷发育原因与采矿活动的相关性有多大,还需要对其进行空间相关性分析。

3.1.2矿点核密度分析

利用核密度分析中的点要素密度估计,对煤矿矿点进行核密度分析。考虑到采矿的影响范围,设置不同半径的缓冲区。然而,对缓冲区半径设定尚没有一个权威的统一标准,半径设定大小对研究结果的影响如何,仍需要进一步研究。因此,以矿点为圆心,分别以500～3 000 m每间隔500 m设置缓冲区,生成的缓冲区为面状图层,先将面状图层转换为像元大小为200×200的栅格图层。采用2 km×2 km 大小的网格来覆盖整个研究区域,可通过Arcgis 10.2中的Fishnet工具实现。在此基础上采用区域统计中Zonal Statistics as Table模块,计算每个网格中栅格数,然后进行点密度分析,输出像元大小设为100。输出半径设为6 000,受篇幅限制,只列出未设置缓冲区的矿点密度分布图(图4)。图4显示,六盘水市煤矿数量多,分布范围广但不均匀,主要集中分布在盘县矿区,其他地方煤矿分布集中度不高,全市矿点密度分布区间为0～0.426 km-2。

3.2采矿扰动与地质灾害相关性分析

利用Arcgis 10.2提供的Band Collection Statistics模块对矿点以及矿点缓冲区核密度与6大类型地质灾害核密度进行相关性分析,结果见表2。参与计算的栅格单元数为1 352×1 682,样本量很大,对其进行显著性检验,t检验值的绝对值均大于t0.025(∞)=1.960 0,说明在0.05显著性水平下,采矿扰动与地质灾害发育之间的相关性显著。

地裂缝与采矿的相关性最大,不考虑规模的平均相关系数为0.674,考虑规模的平均相关系数为0.683。地裂缝分布区域多为煤矿分布区域,并且随着缓冲区半径从0增至3 000 m,相关系数从0.765逐渐减小至0.575,这是由于六盘水市煤矿开采方式多为井工开采,造成大量的采空区,在采空区上方形成下沉盆地,这些地裂缝多发育于此。因此,随着缓冲区半径的增大,超过下沉盆地范围,相关性可能就会降低。

山地灾害与采矿的相关性较大,不考虑规模的平均相关系数为0.427,考虑规模的平均相关系数为0.380,表明在形成崩塌、滑坡、泥石流和不稳定斜坡等山地灾害的基本条件充分的基础上,采矿活动对山地灾害具有促发作用。

图3　六盘水市各类地质灾害核密度分布

图4　六盘水市矿点核密度分布

表2显示,在小于1 000 m范围内相关系数的变化趋势随着缓冲区半径的增大而增大,这是由于在采空区地表的内边缘区表现为压缩,使岩层或者土层发生隆起或滑移从而诱发山地灾害。此外,在采空区地表外围区域为拉伸区域,对岩层具有拉伸作用,也会引起岩层或者土层的滑移等,加剧山地灾害的发生,导致相关系数随缓冲区半径的增大而增大。大于1 000 m范围相关系数的变化趋势先出现下降之后又有所上升,可能是由于随着缓冲区半径增大,与自然因素引起的地质灾害点重叠,导致相关系数有所下降,这也说明采矿对地质灾害的发育影响显著。

地面塌陷与采矿的相关性很低,平均相关系数仅为0.009 7。从密度分析结果可以看出,地面塌陷主要集中分布在以钟山区为核心的人口密度较大的水城盆地地区,可以推断六盘水市地面塌陷的主导诱发原因不是采煤活动,而是由于人类生产生活用水造成地下水分散的、大量的开采,形成地下漏斗,加之六盘水地区属于岩溶地区,潜蚀作用加剧,岩土平衡失调,从而造成小面积剧烈的地面塌陷。已有研究中,岩溶塌陷的主要诱发原因为抽取地下水等人为因素的观点[13]也得到有力佐证。

表2不同类型地质灾害核密度与矿点以及矿点缓冲区核密度之间的相关系数和t检验值

Table 2Correlation coefficients of kernel densities of different types of geological hazards with that of the mining sites and buffer of the mining sites andttest

矿点缓冲区距离/m地裂缝地裂缝(加权)山地灾害山地灾害(加权)地面塌陷相关系数t检验值相关系数t检验值相关系数t检验值相关系数t检验值相关系数t检验值00.765*17940.794*19720.399*6570.353*569-0.034*-515000.766*17950.792*19530.424*7060.373*606-0.029*-4410000.729*16060.748*16970.439*7380.386*630-0.003*-415000.660*13240.667*13510.426*7110.379*6180.013*2020000.624*12060.627*12120.430*7180.384*6270.024*3625000.596*11180.592*11070.436*7310.392*6430.042*6430000.575*10600.564*10290.436*7310.394*6470.055*83

*表示在0.05显著性水平上相关显著。

4结论与建议

基于上述分析,得出以下基本结论:(1)六盘水市采煤活动与山地灾害以及地裂缝的发育存在较大的正相关性。其中,采煤活动与地裂缝相关性最大,未考虑规模情况下的相关系数为0.674,考虑规模的相关系数为0.683;采煤活动对山地灾害的发育促进作用较大,未考虑规模的相关系数为0.427,考虑规模的相关系数为0.380。这与井工开采引发地裂缝可能性大于引发崩塌、滑坡和泥石流的可能性[1]的观点相符。(2)贵州省喀斯特溶蚀地区地面塌陷主导诱发因素为地下水过度开采的人为因素,区域内地面塌陷与采煤活动之间相关性很小,以六盘水市为例,平均相关系数仅为0.009 7。(3)结果通过显著性检验且与已有研究结果相符,说明基于核密度估算的空间相关分析是可行且直观的。

针对所得到的结论,结合西南地区特殊的喀斯特地形等条件,提出以下建议:(1)贵州喀斯特溶蚀地区煤矿以井工开采方式为主,因此在采矿过程中应尽量开展回填采矿法,边开采边治理,最大限度地减少采矿对岩体稳定性的影响,进而减少地质灾害的发生。(2)研究区域地面塌陷主要是由于地下水过度开采导致,应将地下水开采管理区划分为禁采区、限采区和控制区;采取人工回灌措施避免岩溶塌陷发生。(3)加强地下水动态监测网络构建和地面塌陷的监测,完善地质环境保护和地质灾害的防治法规,加强政府监督与管理,以避免和减少采矿等人为因素诱发的地质灾害。

参考文献：

[1]唐春,李波.矿山地质灾害防治与土地复垦[J].中国水土保持,2007(2):25-27.

[2]杨胜元.贵州矿山地质环境[M].北京:地质出版社,2012:81.

[3]何芳,徐友宁,乔冈,等.中国矿山地质灾害分布特征[J].地质通报,2012,31(2/3):476-485.

[4]黄德志,古黄玲,辛宇佳.矿山开采和道路建设与岩石结构破坏及诱发地质灾害:构造地质学教学实践与思考[J].生态经济,2012(10):165-168.

[5]郭果,陈筠,李明惠,等.土质滑坡发育概率与坡度间关系研究[J].工程地质学报,2013,21(4):607-612.

[6]强菲,赵法锁,党亚倩.陕南秦巴山区地质灾害与影响因素的相关性分析[J].南水北调与水利科技,2015,13(3):557-562.

[7]向小龙,孙炜锋,李国伟,等.云南盐津地区地质灾害发育特征及影响因素分析[J].地质力学学报,2015,21(1):97-107.

[8]刘艳辉,刘传正,唐灿,等.基于确定性系数模型的地质灾害多因子权重计算方法[J].中国地质灾害与防治学报,2015,26(1):92-97.

[9]宋丹青,鲍春.模糊数学在地质灾害危险性分区中的应用:以九甸峡水利枢纽为例[J].水利与建筑工程学报,2015,13(1):104-108.

[10]滕继东,任兴伟,刘永林.基于AHP法的地质灾害影响因素权重的确定[J].中国水运(理论版),2007,5(4):128-131.

[11]徐媛.基于GIS的互助县地质灾害易发性评价研究[D].北京:中国地质大学,2013.

[12]SILVERMAN B W.Density Estimation for Statistics and Data Analysis[M].[s. l.]:CRC Press,1986：4-5.

[13]蒋俊.岩溶及采空区塌陷的地质灾害研究[D].长沙:中南大学,2008.

(责任编辑： 李祥敏)

Spatial Correlation Analysis of Mining Disturbance and Geological Calamities in Guizhou Karst Area:A Case Study of Liupanshui City.

CHENXin1,JINDan2,LIXiao-shun1,3

(1.Key Laboratory of Land Environment and Disaster Monitoring, China University of Mining and Technology, Xuzhou 221116, China;2.School of Management, China University of Mining and Technology, Xuzhou 221116, China;3.China Land Problem Research Center, Nanjing Agricultural University, Nanjing 210095, China)

Abstract:In order to quantify the correlation between geological calamities and mining disturbance, the paper, taking Liupanshui City as a case, applied kernel density analysis and spatial correlation analysis of Arcgis 10.2 to quantitative analysis of the relations of six major geological calamities with kernel density of the mining activities in the region. Results show: (1) the development of geological hazards is quite positively related to the mining activities in Liupanshui City, especially, the development of ground fissures, of which the correlation coefficient is 0.674 without considering scale of the fissure, and 0.683 with scale of the fissure taken into account, and coal mining activities play a quite big role in promoting development of mountain hazards with correlation coefficient being 0.427 without considering scale of the mountain hazard, and 0.380 with scale of the hazard taken into account; (2)excessive exploitation of groundwater is the major artificial factor triggering surface collapse, and mining activities are not very much blamed, with the mean correlation coefficient being only 0.009 7; and (3) the spatial correlation analysis based on kernel density estimation functions well in quantifying the relationships between mining disturbances and geological calamities.

Key words:spatial correlation analysis;geological calamity;coal mining disturbance;karst area

作者简介：陈鑫(1992—),男,山西晋中人,硕士生,主要从事资源经济与政策研究。E-mail: chenxinnum1@163.com

DOI：10.11934/j.issn.1673-4831.2016.02.006

中图分类号：X45

文献标志码：A

文章编号：1673-4831(2016)02-0207-06

通信作者①E-mail: jindan@cumt.edu.cn

基金项目：国家科技基础性工作专项(2014FY110800);国家自然科学基金(71473249);江苏省社会科学基金(15EYA002)

收稿日期：2015-11-09