藏东南艰险地区地质灾害调查思路与方法论述

陈 龙， 王军朝， 李元灵， 张佳佳， 高 波， 张钊荣

(1.中国地质科学院探矿工艺研究所，四川 成都 611734； 2.中国地质调查局地质灾害防治技术中心，四川 成都 611734)

1 地质灾害调查历史演变

我国在1999-2008年完成了2020个山地丘陵区县(市、区)的1∶100000地质灾害调查与区划，覆盖国土面积约800万km2，发现地质灾害及隐患点24万多处，基本摸清了我国地质灾害发育状况，划分了地质灾害易发区，建立了以县为单元的县、乡、村、组地质灾害群测群防体系[1]。2005年启动的1:5万崩塌、滑坡、泥石流地质灾害调查，在地质灾害多发的县(区、市)开展了比例尺更大、精度更高的调查。基本查明了我国地质灾害及隐患点的分布规律，为编制全国和地方地质灾害防治规划提供了科学依据。

全国各省根据自身地质灾害特征，2010年至今相继开展了以1∶5万为工作单元，以县级行政单元为调查范围的地质灾害详查工作[2-4]。2013年以来中国地质调查局组织在地质灾害高易发区，选择人口密集的中小流域等地区，以1∶5万国际标准图幅为基本工作单元，启动了更加注重孕灾地质背景和工程地质条件调查的崩塌滑坡泥石流灾害调查，由铺面全覆盖调查评价转向具有典型性或代表性的地质灾害高易发区的调查评价，从“就灾论灾”的地质灾害调查转向地质灾害隐患与孕灾地质条件的综合调查[5]。

中国地质调查局新一轮灾害地质调查区别于县市1∶5万地质灾害详查工作，其总体目标是以支撑国家战略对地质灾害调查工作的需求，服务地方地质环境管理、防灾减灾工作为根本，开展地质灾害及隐患点调查，重点加强孕灾地质条件调查，隐患点早期识别和极端环境下地质灾害的风险评价，在编制地质灾害易发性和危险性评价图件基础上，充分借鉴国内外风险评价和管理的理念[6-7]，进行风险评价工作，提出地质灾害综合防治对策建议，为地方防灾减灾工作切实服务。

2 藏东南艰险地区的特点

2.1 工作程度滞后

藏东南地区地质灾害工作起步较晚、进度较慢，地质灾害的调查研究、风险评价、监测预报、工程防治等工作滞后，大大降低区内防灾减灾的成效。同时，以往的区域地质工作调查以中小比例尺为主，自2016年开展藏东南重要城镇和交通干线地质灾害调查二级项目之前，1∶5万以上大比例尺区域地质工作仍属空白。

2.2 工作区地质环境脆弱

调查区地跨冈底斯陆块、雅鲁藏布江结合带、东喜马拉雅构造结(the Eastern Himalayan Syntaxis)。处于欧亚、印度大陆及缅甸地块的交汇点[8-9],是喜马拉雅造山带的东端。该地区是整个喜马拉雅造山带中构造应力作用最强、隆升和剥落速率最快、新生代变质和深熔作用最强的地区[10]。区内沉积作用类型复杂、岩浆活动强烈、变形变质作用发育，第四系堆积物类型丰富。复杂的地质作用形成了复杂的地层岩性，区内地层区划分为喜马拉雅地层区和冈底斯-念青唐古拉地层区；地层年代自前震旦系至白垩系皆有出露。第四系堆积物按照成因有冰碛物，冰水堆积物，冲积物，洪积物，崩坡积物等等。其中第四系冰碛发育，主要为倒二冰期、末次冰期(25000～10000 aB.P.)、新冰期(3500～1000 aB.P.)和小冰期(400～200 aB.P.)的冰碛物[11]。

调查区强烈的多期次构造变形变质作用，使岩体相互挤压破碎或位移，形成了大量断层、节理等结构面。主要断裂有雅鲁藏布江断裂、嘉黎断裂、墨脱断裂等，这些断裂构成近南北向或北北东向的剪切拉张断裂构造带，形成于第四纪初期，晚第四纪以来活动十分明显。由于这些断裂均处于高山峡谷中，工作条件恶劣，对这些地区的研究起步也比较晚，研究程度相对较低。调查区位于波密—墨脱活动构造带[12]，属青藏高原南部地震区，地震烈度为9度。地震活动周期是35～40年[13]。

调查区降水丰富，帕隆藏布与雅鲁藏布交汇处和拉月曲一带降水丰沛，多年平均降水可达1100～1400 mm，波密年降水超过900 mm，然乌一带年降水超过700 mm；倾多一带因处于背风坡，多年平均降水为波密的一半左右。受印度洋暧湿气流控制调查区地形雨现象显著，并且在帕隆藏布流域集中分布着当今我国最大的海洋性冰川群[14]。

特殊的地质环境孕育了许多地质灾害，调查区内泥石流、滑坡、崩塌、溜砂坡各类地质灾害频发，通过对前人研究成果分析及现场调查发现泥石流滑坡多发生在降雨量大的波密至鲁朗段，溜砂坡则集中在比较干旱的然乌至松宗段[15]。

2.3 工作条件恶劣

藏东南重要城镇和交通干线地质灾害调查二级项目2016-2018年调查地区为西藏自治区林芝市川藏公路(G318)沿线和林芝市下辖六县一区的城镇周边核心区域(图1)。该段地貌复杂，主要有高山峡谷地貌、冰川地貌和河流侵蚀堆积地貌等，调查区海拔为2700～5500 m，调查区常年云雾萦绕降水丰富，斜坡植被茂密，早晚气候寒冷且日间紫外线强烈，给现场调查和遥感解译带来了诸多困难(图2)。

3 灾害地质调查思路(见图3)

为了适应灾害地质调查要求，地方政府和交通干线建设的需求，结合藏东南地区的特点，藏东南项目野外调查工作主要从详实基础地质数据，地质灾害规律和孕灾背景调查评价，隐患点识别3个方面展开。

3.1 详实基础地质数据

调查区内1∶5万地质调查工作前期为空白，目前川藏高速公路和川藏铁路规划通过2016-2018年项目一般调查区，尽管高速公路和铁路主要依靠桥梁和隧道通过调查区，但仍然有很长一段需要通过帕隆藏布河谷，工程建设时非常关注河谷内的各类第四系堆积体稳定性。对G318沿线和重要城镇地质构造和第四系地层进行了细致划分，共圈定了第四系地层界线9类456处，面积合计530.50km2。

图2 调查区典型地形地貌

图3 1∶5万地质灾害调查工作流程[16]

对第四系的冰碛物、泥石流堆积物、冲洪积物、大型的(古)老滑坡堆积物等的空间分布进行了更为细致的划分与界定；统计了区内岩体的节理裂隙数据68组，并获取了大量的岩土体物理力学参数。以遥感解译为主圈定物源4类1343处(其中新提出一种冰碛型物源)。

除了区域的第四系调查，还选取了索通平台，雪瓦卡平台等典型第四系堆积平台进行专项调查，采用了地面测量、钻探、物探、槽探等手段，从研究第四系平台成因和物质分层着手，揭示了其历史演化过程和工程地质特性(图4)，最终判断其在人类工程活动后的稳定性，给出选线建议和施工建议。

3.2 地质灾害规律和孕灾背景调查评价

通过野外实地调查，2016-2017年共调查地质灾害点278处，其中滑坡42处，崩塌77处，泥石流121处，主要威胁对象为林芝市巴宜区、波密县、米林县、墨脱县、朗县几个重要城镇与交通干线G318及公路沿线聚居点和分散农户，威胁财产约5.89亿元。

首先，剖析已经发生的灾害点，运用工程地质类比法，研究区域地质灾害规律，将各类地质灾害分类分段。基于现场调查，结合无人机、遥感分析和INSAR解译，发现滑坡崩塌灾害具有典型分段特征，按照川藏公路G318沿线不同区段崩塌、滑坡的斜坡结构、地层岩性、风化程度等因素的区别，研究不同段滑坡和崩塌灾害的孕灾地质背景和成灾模式。可以将调查区主要分为五段，分别是仲萨乡至-河镇段，巴河镇-更章门巴民族乡段，更章门巴民族乡段-拉月段，拉月-排龙段，排龙-波密段。每一段滑坡崩塌灾害孕灾背景不同，形成机制也不尽相同，通过绘制长剖面和概化模式图的方法研究每一段的灾害特征。泥石流特征研究基于大量前人学术成果，按照水源补给来源不同划分为3类泥石流，分别为冰川型泥石流，冰川-降雨型泥石流和降雨型泥石流。每一类泥石流由调查区内典型沟道绘制了三维形成机制模式图。

其次在查明规律的基础上，开展了针对孕灾背景的专题调查和研究工作。泥石流方面，从水源、物源和地形3个方向研究孕灾背景。水源方面：第一、通过收集和遥感解译进行调查区冰川编目的校核工作，统计出调查区内全部冰川，获取冰川参数；第二、在区域建立不同位置，不同高程的气象简易观测站(图5)，收集降雨参数，分析区域地形雨特征，在个别冰川下游沟道内进行径流简易观测，分析温度与冰川融水的相关性；第三、通过InSAR分析冰川多年的厚度变化和运动趋势。物源方面，运用遥感和现场复核详细勾绘了4类泥石流物源，并且初步建立了物源估算方法。地形方面，调查区北岸和南岸具有典型差异，北岸沟谷多呈漏斗状，下游沟谷为V形谷；南岸泥石流流域多呈柳叶状，沟谷为宽U形谷。项目组由流域形态数入手，建立量化指标定义不同沟谷形态。

滑坡崩塌方面，从宏观和微观两个尺度进行孕灾背景研究。宏观上，从构造控制，冰川改造和风化剥蚀的角度研究地形地貌的演化；微观上，运用测窗法分期配套节理裂隙，确定斜坡结构，研究斜坡稳定性。

最后，结合多种因素进行地质灾害风险评价。将斜坡结构，斜坡坡度，灾害地质岩组，降雨量等各单因素孕灾因素栅格化，通过风险评价模型，按照不同权重逐一叠加计算，最终得出根据灾害地质调查形成的一系列风险评价图件。

3.3 地质灾害隐患点识别

地质灾害隐患点识别是学术前沿难题，藏东南项目主要采用2种方法探索地质灾害隐患点的识别。滑坡崩塌灾害是从典型灾害点入手，运用工程地质类比法结合区域构造运动的整体趋势和断层、节理的发育展布，对应调查区内的地层岩性和地貌特征，逐步缩小隐患点识别范围，实现“聚焦靶区，精确识别”的目标。泥石流灾害是建立定量可操作有效的风险评价模型，并且通过泥石流事件校核模型，从而判断泥石流隐患点。

4 方法论述

由于藏东南项目开展位置特殊，调查工作条件恶劣，项目组尝试了多种新技术新方法，探索了多种调查技术方法，例如：野外调查数据采集系统、InSAR、三维激光扫描、无人机航测遥感系统和简易观测等。工作中积累了实际操作过程中的经验，可以为日后在该地区进行调查工作提供参考。

4.1 新技术新方法取得成效

率先使用野外调查数据采集系统进行填图，结合激光测距仪现场精确测量数据，所有数据格式满足数据库建设需要，实现数据野外填写整理后一次到位，后期现场调查数据可以直接进入地质云。实现了数字化填图，简化了长期以来大量的野外手写，室内进行电子化的繁琐过程。

InSAR变形监测结合地形地貌、光学影像等信息能够识别地表变形，对地面调查有着重要的指导意义[18]。使用了InSAR解译冰川厚度和冰川运动趋势的变化。首先在美国地质调查局(USGS)官网查询本地区Landsat存档影像情况。查询发现1999年9月23日拍摄的Landsat7 ETM+影像和2015年7月25日拍摄的Landsat8 OLI影像在本地区云层和季节性积雪较少，适合提取冰川边界。下载影像后，统一将Landsat7 ETM+和Landsat8 OLI的波段。然后将波段融合，分别得到两期分辨率为15 m的真彩色影像图。对融合彩色影像进行对比度和色阶拉伸，使影像颜色更接近于真彩色。将冰川初始边界值先矢量化，然后叠加到拉伸过后的融合影像上进行人工编辑。参考实地拍摄的天摩沟全景像片，通过地物对比判断确定冰川末端在融合影像上的外观。去除研究区域以外的冰川边界。并将编辑后的冰川边界按起始和末端位置、朝向等分成若干个冰川。通过对天摩沟冰川流速研究发现，郭东隆巴沟和天摩沟两处冰川的流速要远高于周围的冰川，包括面积比其大得多的，表明这两处的冰川活动性很强(图6)。

图6 研究区冰川流速分布图

三维激光扫描技术在岩体、地质工程领域获取空间数据时，具有快速、高效、精确和高分辨率的特性，是传统测量、调查方法不可比拟的[19]。充分利用三维激光扫描精准快速测量地形的优点，2017年7月10日至20日，运用三维激光扫描仪对位于西藏自治区林芝市波密县川藏公路102隧道外侧的102滑坡进行了三期三维激光扫描。扫描范围为102滑坡形成的坡面泥石流中下游，主要扫描内容为沟道地形，拟通过三期扫描获取的地形对比，获取坡面泥石流下切深度和下切速率。

无人机航测遥感系统是继卫星遥感和有人驾驶飞机遥感之后的一种新型航空遥感监测系统，是航空、信息、自动化控制、微电子、计算机、通讯、导航、传感器以及“3S”等多学科、高新技术的集成应用，具有机动、快速、灵活、影像分辨率高等特点。目前，利用无人机在进行航空摄影测量及其影像处理的应用已经非常广泛[20-25]。藏东南地区山高坡陡，植被茂密，泥石流形成区与沟口高差常常可以达到1000～3000 m，对泥石流流通区和形成区的调查研究，必须要大量运用无人机航拍，并且通过卫星遥感和现场复核才能进行泥石流物源的精细解译。2017年项目组进行遥感解译1343处泥石流物源点，类型分别为崩滑型物源、沟道侵蚀型物源、坡面型物源和冰碛型物源4类。大量细致的泥石流物源遥感解译，为泥石流调查评价打下了扎实的基础。

为弥补区域气象水文资料匮乏的不足，布设3条观测剖面(图4)，建立不同高程及整个流域温度、降水量分布模型。安装简易雨量观测仪、含水量和径流量观测传感器埋设，获取现场第一手数据，研究各因素及其变化与地质灾害的相关性，通过2年的观测证实了帕隆藏布河谷降雨特征，并提出量化指标；可获得该区域相对准确的降雨分布，为后续开展其他工作提供基础数据支撑；可为泥石流的易发性分析及预警预报提供依据。

4.2 技术方法适用性简述

藏东南项目主要采用了高精度遥感影像解译、工程地质测绘、地质灾害调查、工程地质勘查与试验、三维激光扫描和无人机航空影像等主要手段，经过2年的工作经验总结各类调查技术方法在藏东南地区的适用性(见表1)。

表1 调查技术方法

5 结论

由于藏东南艰险的调查环境，项目实施过程中试用了各类技术方法，积累了大量实际工作的经验，同时存在着很多不足，主要有以下两点。

(1)调查方法和技术创新能力不足。

很多调查方法的创新都得益于学科交叉，学科交叉往往可以碰撞出新的火花，在后面的调查工作中要多交流多总结多试用，不断大胆创新调查手段；另外，现有调查方法的创新挖掘新技术的能力也需要提高，在现有调查方法中深化调查技术研发，由人工化向智能化方向发展。例如遥感解译的发展就是由人眼进行图像识别向着人机交互识别再向着利用智能图像识别的方向不断进步。

(2)国内外学术前沿动态掌握不足。

行业的发展和变化日新月异，科研人员需要大量的合作和交流以便于能够很好地了解整个行业的动态；通过合作和交流也可以开拓视野，增长见识，为项目立项和深度合作打下基础。

随着科技的不断进步，信息时代逐渐向着大数据智能化的时代迈进，地质调查领域必然也需要越来越多的“地质智慧”。从目前的调查手段来看，未来调查一定是“空天地深”四位一体的调查体系，调查可以形成较为准确的三维地质模型；在评价方面，也可能逐步从灰色数学方法演化为人工智能算法。通过调查和地质灾害四大体系建设为“智慧中心”收集大数据，运用人工智能等最新的算法来进行地质灾害的评价。