基于SHALSTAB模型的地质灾害易发性动态评价

2020-04-03王赫生伍剑波张泰丽

华东地质 2020年1期

王赫生,伍剑波,张泰丽,孙强,李燕

(1. 中国地质调查局南京地质调查中心，南京 210016；2. 南京市栖霞区尧化水务管理服务站，南京 210046)

地质灾害易发性评价不仅是地质灾害危险性及风险评价的基础，也是地质灾害早期预警的关键[1-3]。科学、有效的地质灾害易发性评价及区划已成为地质灾害防治的重大课题，对地质灾害防控意义重大。目前,常用的区域滑坡易发性评价方法主要有经验法(经验模型)、数据法(因子模型)和物理法(力学模型)，其中数据法中的人工神经网络(ANN)、logistic回归、信息量、支持向量机(SVM)、模糊逻辑系统和层次分析(AHP)等方法在降雨型滑坡的易发性评价中较常见[4-7]。人工神经网络(ANN)和logistic回归模型在国外应用较多，信息量模型是国内滑坡易发性评价的主要模型[8-9]。我国东部沿海地区台风暴雨历时短、强度大，不同极端降雨量诱发的地质灾害数量、规模不同，因此，需考虑不同工况下的易发性动态评价，而以上各模型较少考虑极端降雨量条件。浅层滑坡稳定性模型(SHALSTAB)耦合了稳态水文模型与无限边坡稳定模型，假设条件和对降雨因素设定符合东南沿海地区滑坡破坏模式，但土体力学参数通常需要通过较多的实验分析获取，目前很少将其作为评价因子用于地质灾害易发性评价。

基于上述情况，结合东部沿海台风暴雨型地质灾害成灾规律和特点，将SHALSTAB模型评价结果(斜坡稳定性)及极端降雨量引入易发性的评价因子中，在浙江飞云江流域地质灾害调查中，结合致灾土体分布区定量模型和基岩区统计模型，利用信息量确定各因子权重，分无降雨和百年一遇极端降雨两种工况进行流域尺度的易发性动态评价。

1 研究区概况

浙江飞云江流域北与温州市区相连，西北接丽水县，南临福建省，东濒东海，总面积3 729 km2，西部中低山区坡度15°～40°，向东逐渐过渡到海积平原，海拔最高1 593 m。区内主要出露早白垩世火山碎屑岩和花岗岩(图1)。受NW向松阳—平阳、NE向泰顺—黄岩基底断裂活动影响， NW向和NE向侵入岩发育，大部分岩体风化呈散体状，为含碎石、块石黏性土，结构松散，水理性质较差，遇水易软化。流域内筱村镇、司前镇—百丈镇、黄坦镇、百丈漈镇、大峃镇、玉壶镇和湖岭镇覆盖层厚度>5 m，流域上游及下游低丘地区覆盖层厚度普遍<1 m，风化程度越高、风化层越厚的地区，台风暴雨诱发的地质灾害越发育。

1.晶玻屑熔结凝灰岩;2.中性侵入岩;3.凝灰质粉砂岩、沉凝灰岩、粉砂岩、砂砾岩、砂岩;4.晶玻屑熔结凝灰岩夹凝灰质粉砂岩;5.酸性侵入岩、潜火山岩;6.崩塌;7.沉凝灰岩、凝灰质粉砂岩夹流纹晶玻凝灰岩；8.第四系松散层;9.滑坡;10.基性喷出岩;11.酸性喷出岩;12.泥石流;13.断裂图1 研究区工程地质简图Fig. 1 Engineering geological map of the study area

随着城镇化发展，人类工程活动与极端降雨易诱发地质灾害。根据浙江飞云江流域地质灾害调查成果，707处地质灾害点中崩塌占9.3%，滑坡占71.4%，泥石流占19.3%；覆盖层区发育的地质灾害点占89%[10-11]。岩质灾害易于发现，覆盖层区灾害具有隐蔽性和突发性，早期较难识别。研究覆盖层区微观力学性质的地质灾害易发性评价模型更具有实际意义。

2 评价模型

飞云江流域大部分地质灾害易发生在残坡积覆盖层中，对此类地质灾害的土体微观性质及物理力学性质的易发性评价尤为重要[12-13]。对不同岩性覆盖层分布区分组取样，获得土体力学参数的概率分布特征，通过SHALSTAB模型进行覆盖土层分布区稳定性评价。

2.1 稳定性评价模型

SHALSTAB模型是基于莫尔—库仑破坏准则的滑坡稳定性模型，结合了无限边坡模型和稳态水文模型，得到基于q/T函数关系的SHALSTAB方程

(1)

式中：c为土壤黏聚力，N/m2；φ为内摩擦角，°；ρS为土壤密度，kg/m3；ρw为水密度，kg/m3；z为土层厚度，m；b为排泄宽度，m；a为集水面积，m2；θ为坡度，°；q为有效降雨量，mm；T为土壤导水系数，m2/s；g为重力加速度，m/s2。

2.2 综合易发性指数评价模型

本次评价采用综合易发性指数法，适用于不同极端降雨的工况条件。按照与地质灾害的相关程度，最终选取频率比及信息量模型等7个基础影响因子参与易发性评价，评分标准见表1。

表1 地质灾害基础影响因子及其分类标准

续表1

影响因子序号分类状态灾点数/个总栅格数/个频率比信息量地表覆盖类型1建筑和其他318 6451.10-3.562林地1844 7482.74-2.243道路、草地203253 5725.46-1.244裸地、人工堆掘地10022 37430.461.245耕地、园地38333 56177.772.59

注：频率比=灾点比例/分级栅格比例；信息量=ln(频率比)；坡形指DEM生成的曲率；稳定性指q/T值，见公式(1)。

各因子采用AHP法确定权重[14-17]，按照各评价因子的频率比及内在关系，采用1～9标度法对各因子两两比较建立判断矩阵，进行层次排序(表2)，确定各因子权重值并进行一致性检验。计算得到的矩阵最大特征值为8.10，进行归一化处理得到各影响因子的权重为{0.07，0.15，0.12，0.1，0.05，0.24，0.07，0.20}。一致性指标CI值为0.14，一致性比例CR值为0.01，表明层次排序结果具有满意的一致性。

表2 因子层次排序结果

综合易发性指数计算公式为

ZW=∑Ti·ATi，

(2)

式中：ZW为综合易发性指数，Ti为各评价因子归一化标准值，ATi为各评价因子的权值(表3)。

背景易发分区采用自然断点法，按照分区值<0.36、0.36～0.44、0.44～0.53和>0.53，将地质灾害易发性分为不易发、低易发、中易发和高易发4类。考虑极端降雨因素后，仍按此分类阈值，分为4个易发等级，易发区面积及等级增加，符合极端降雨对地质灾害易发性的实际影响。

表3 综合指数各因子评分标准

注:Hif、Qh、Rr、Hi、Qg、Sef、Qd、Pb见图1图例说明。

3 滑坡影响因子和专题图层

流域评价单元采用100 m × 100 m网格，将全区划分为372 900个栅格单元。极端降雨数据通过收集区内雨量站信息，采用皮尔逊-Ⅲ型分布模型[18]对历史资料进行拟合。流域内共收集200余个雨量站信息，共拟合出200余个百年一遇降雨量数据，最后形成极端小时降雨量栅格分布图(图2)。参与斜坡稳定性评价的c、φ、ρS和z值来自于野外实地调查、钻探、浅井、物探和测试。2016—2018年，流域内调查土层厚度点共2 362处，采样进行土工试验点共计657处，其它数据均可从DEM获取(图3)。

图2 P=1%极端小时降雨分区图Fig. 2 Grid distribution map of extreme hourly rainfall in the condition of P=1%(mm)

图3 SHALSTAB模型斜坡稳定性分区图Fig. 3 Distribution map of slope stability using SHALSTAB model

地形地貌及地表覆盖类型主要采用浙江省测绘与地理信息局1∶5万数字化地形图(DLG)、DEM及地表覆盖数据，地质数据主要采用实地调查获得的地质资料。各因子标准分值通过Arcgis图件点、线、面与网格单元区进行空间相交后获得。

将以上因素按照权重值进行加权叠加，得到综合指数。其中不考虑极端降雨因素的叠加结果作为背景易发性评价结果(图4)，考虑极端降雨因素的叠加结果作为百年一遇降雨条件下易发性评价结果(图5)。

图4 背景条件下地质灾害易发性评价图Fig. 4 Evaluation map of geohazard susceptibility in the basic conditions

图5 百年一遇降雨条件下地质灾害易发性评价图Fig. 5 Evaluation map of geohazard susceptibility in an extreme rainfall condition once one hundred years

4 结果分析

为了更好地评价不同工况条件下易发性模型的预测能力，运用成功率验证法对背景条件和极端降雨工况条件下的结果进行对比。按照地质灾害易发性大小等分，从最大易发性区间开始，逐步统计滑坡累计发生频率，绘制各模型地质灾害易发性评价成功率检验曲线(图6)，曲线下面积(AUC)越大，说明模型应用越成功，预测效果将越好[19-20]。由图6可知，该区地质灾害易发性从高到低落在每个易发性区间内滑坡数量的变化情况。

图6 地质灾害易发性评价成功率检验曲线Fig. 6 Testing curves showing assessment success rates for geohazard susceptibility

采用滑坡强度R指标评判分区结果的优劣[20]，公式为

R=L(Pi)/A(Pi)，

(3)

式中：R为滑坡强度；L(Pi)为分区内滑坡数量百分比；A(Pi)为各易发性分区面积占研究区总面积的百分比。如果R值指标从“低、较低、中和高”分级依次增大，则认为分区结果合理。由图7可知，滑坡强度R值在背景条件下呈凸型曲线，在高易发区略微降低；极端降雨条件下随着易发性等级依次增大，这是因为已有灾点中约60%由台风暴雨诱发。

图7 各易发性等级面积和滑坡数量统计Fig. 7 Statistics of various ssceptibility levels with corresponding landslide occurrence percentages

综上可知，背景条件下的易发性评价无论采用成功率曲线(AUC值)还是滑坡强度指标均不理想。在考虑极端降雨后，评价结果明显提高，易发等级逐次增加，其中高易发区面积增加84%，中易发区面积增加42.8%。地质灾害的易发性随不同工况动态变化，不同极端降雨量对应的地质灾害易发性有差别，这是该地新发生灾点往往落在高易发区之外的原因。