ISSN 1003-8035 CN 11-2852/P
  • 中国科技核心期刊
  • CSCD收录期刊
  • Caj-cd规范获奖期刊
  • Scopus 收录期刊
  • DOAJ 收录期刊
  • GeoRef收录期刊
欢迎扫码关注“i环境微平台”

基于不同评价单元和灾害熵的泥石流危险性分析以白龙江流域武都段为例

李小龙, 宋国虎, 向灵芝, 罗亮, 唐良琴, 沈娜, 梁梦辉

李小龙, 宋国虎, 向灵芝, 罗亮, 唐良琴, 沈娜, 梁梦辉. 基于不同评价单元和灾害熵的泥石流危险性分析——以白龙江流域武都段为例[J]. 中国地质灾害与防治学报, 2021, 32(6): 107-115. DOI: 10.16031/j.cnki.issn.1003-8035.2021.06-13
引用本文: 李小龙, 宋国虎, 向灵芝, 罗亮, 唐良琴, 沈娜, 梁梦辉. 基于不同评价单元和灾害熵的泥石流危险性分析——以白龙江流域武都段为例[J]. 中国地质灾害与防治学报, 2021, 32(6): 107-115. DOI: 10.16031/j.cnki.issn.1003-8035.2021.06-13
Xiaolong LI, Guohu SONG, Lingzhi XIANG, Liang LUO, Liangqin TANG, Na SHEN, Menghui LIANG. Hazard analysis of debris flows based on different evaluation units and disaster entropy:A case study in Wudu section of the Bailong river basin[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(6): 107-115. DOI: 10.16031/j.cnki.issn.1003-8035.2021.06-13
Citation: Xiaolong LI, Guohu SONG, Lingzhi XIANG, Liang LUO, Liangqin TANG, Na SHEN, Menghui LIANG. Hazard analysis of debris flows based on different evaluation units and disaster entropy:A case study in Wudu section of the Bailong river basin[J]. The Chinese Journal of Geological Hazard and Control, 2021, 32(6): 107-115. DOI: 10.16031/j.cnki.issn.1003-8035.2021.06-13

基于不同评价单元和灾害熵的泥石流危险性分析——以白龙江流域武都段为例

基金项目: 第二次青藏高原综合科学考察项目(2019QZKK0902);两相物质组成对泥石流沉积物固结机理及承载特性的影响机制研究(51608083)
详细信息
    作者简介:

    李小龙(1996-),男,四川资阳人,硕士研究生,主要从事地质灾害防治方面的研究。E-mail:543274573@qq.com

    通讯作者:

    向灵芝(1980-),女,重庆人,副教授,博士,主要从事地质灾害防治方面的研究。E-mail:xlz1223xlz@sina.com

  • 中图分类号: P642.23

Hazard analysis of debris flows based on different evaluation units and disaster entropy:A case study in Wudu section of the Bailong river basin

  • 摘要: 白龙江流域为泥石流等地质灾害密集分布区。2020年8月由于强降雨激发,白龙江流域武都段发生了大规模的群发性泥石流灾害,造成严重损失。文章以白龙江流域甘肃省陇南市武都段(宕昌县两河口乡—武都区桔柑镇)为研究区,通过野外实地考察,选取流域面积、流域形状系数、平均坡度、沟谷密度、物源参照值(HI)、岩性、流域中心距活动断层距离、一小时最大降雨量、植被覆盖度作为泥石流危险性评价因子。基于灾害熵理论,分别以泥石流单沟和小流域单元作为评价单元,利用ArcGIS软件,进行区域泥石流危险性评价。分析结果表明,研究区内泥石流沟大多数都属于中、高危险性。致灾因子中岩性、物源参照值(HI)、距断层距离、植被覆盖度及平均坡度的权重最大,与实际考察结果一致。且以小流域单元作为评价单元的评价结果更符合研究区的泥石流发育情况。
    Abstract: The Bailong river basin is a densely distributed area of geological disasters such as debris flow. In August 2020, due to the stimulation of heavy rainfall, a large-scale group debris flow disaster occurred in Wudu section of Bailong river basin, causing serious losses. This paper takes the Wudu section (Lianghekou Township, Dangchang County to Jugan Town, Wudu District) of Longnan City in Gansu Province as the research area. Through field investigation, we selected the area of drainage basin, shape coefficient of basin, average slope, density of gully, reference value of material source (HI), lithology, distance between basin center and active fault, one hour maximum rainfall and vegetation coverage as debris flow hazard assessment factors. Taking single gully and small watershed units of debris flow as evaluation units, the regional debris flow hazard assessment is carried out by using ArcGIS software based on the theory of disaster entropy. The results show that most of the debris flows in the study area belong to medium and high hazard debris flow gullies. Some of the most heavily weighted disaster-causing factors like the weight of lithology, source reference value (HI), distance from fault, vegetation coverage and average slope are consistent with the actual investigation results. Moreover, the evaluation results of small watershed units are more consistent with the development of debris flow in the study area.
  • 滑坡是世界上分布广、发生频率高、造成危害大的一种地质灾害。如何对边坡的稳定性进行合理的评价以更好地预警,显得尤为重要。云模型是由李德毅等[1]提出来的一种模型,该模型在结合概率论和模糊数学理论的基础上,以样本的随机度来描述概念中的随机性和模糊性。

    近年来,云模型在水文[2]、气象[3]、医疗[4]、地质灾害[5]以及隧道管理[6]等各个方面得到了较好的应用。部分学者们也对云模型在岩质边坡稳定性评价中的应用开展了较为深入的研究。张军等[7]选取影响边坡稳定性的11项指标,结合正向正态云模型和指标权重,计算边坡的综合隶属度。LIU等[8]提出了一种基于云模型的山区水电站复杂岩质边坡综合稳定性评价方法。该方法应用隶属度云模型分析每个排序因子以生成云隶属度,并将获得的云隶属度与专家给出的因子权重进行综合,以对岩石边坡进行综合稳定性评估。于伟等[9]建立了包含指标层、因子层和状态层的风险评价指标体系,并通过专家调查法和正向正态云发生器建立了风险评价模型,以最大综合确定度对应的风险等级作为边坡风险评价的结果。袁爱平[10]综合考虑坡高、坡度等多个影响因子,选出10项影响边坡稳定性的指标,并结合正向正态云模型和指标权重,计算岩质边坡的综合隶属度。方成杰等[11]根据勘察规范选取了14个评价指标,利用正向正态云发生器模拟实测样本值隶属于各等级的隶属度,并按照最大隶属度原则选择泥石流易发性等级。徐镇凯等[12]通过构建多因素协同驱动的高边坡稳定性评价指标方法及其等级划分标准,引入模糊熵和云模型,建立了适应于高边坡稳定性多维评价梯级云模型。杨文东等[13]选取坡高等7项因素作为评估风险集,通过正、逆向云发生器计算权系数矩阵和综合评判矩阵,利用Matlab软件生成评价云和“云滴”图来对比分析评价边坡风险等级。崔涛等[14]选取坡度、黏聚力、岩体基本质量指标、日最大降雨量等8个评价因子,利用层次分析法和熵权法综合得出评价因子的权重,并根据隶属度最大原则判定边坡稳定性级别。WANG等[15]提出了一种新颖的多维连接云模型,以解决指标的多重不确定性和分布特征,并描述了边坡稳定性分析中属于分类标准的实测指标值的随机性和模糊性。陈忠源等[16]对传统云模型的特征参数进行了改进,提出左右半云不对称的正态云模型,同时用区间值Fuzzy集来表达该云模型的隶属度。陈忠源等[17]同时引入云模型的评价方法对不同降雨工况下的建筑边坡稳定性进行评价,确定出滑坡时各参数的降雨阈值方程。

    虽然学者们从各个角度对边坡的稳定性评价进行了深入的研究,取得了大量的成果,但仍然存在一些不足。目前大部分的模糊评价方法采用主观赋权法、客观赋权法以及主客观赋权法来确定各评价指标的权重。但无论是常权重还是变权重方法,最终得到的权重均为某一精确值。而实际上评价指标对边坡稳定性的影响是不确定的、模糊的,如果仅用某一精确值来表示其权重不太符合实际情况。因此本文拟使用信心指数的群决策层次分析法来构造指标变权重云模型以表示各指标的权重,并利用该方法对福建省的岩质边坡稳定性评价进行初步探讨。

    评价指标的选取首先考虑一般的工程地质勘察的勘察要素,以确保各指标数据的易获取性,其次考虑行业规范要求,以保证各指标的政策针对性。为此,本文在总结前人研究的基础上,综合考虑《水电水利边坡工程地质勘察技术规程》(DLT5337—006)[18](以下简称为《边坡规程》)中的CSMR(边坡岩体质量分类标准)方法和《地质灾害调查技术要求》(DD 2019—08)[19]中的单体地质灾害(隐患)风险评估(半定性半定量打分表)等相关规范,选取坡高、坡角等10个因素作为评价指标,并将稳定性等级分为很稳定(Ⅰ)、稳定(Ⅱ)、基本稳定(Ⅲ)、不稳定(Ⅳ)、很不稳定(Ⅴ)五个等级。

    《边坡规程》将h <10 m、10 m≤h<30 m、30≤h<100 m、h≥100 m划分为低、中、高以及超高边坡。因本方法将边坡的稳定性分为五个等级,故采用等间距法将10 m≤h<30 m和30≤h<100 m两个区间进行等分。最终坡高指标的各稳定性区间可划分为[0,10)、[10,20)、[20,30)、[30,65)、[65,100)。

    对于坡角的各稳定性区间划分,《边坡规程》分别将α≤10°、10°<α≤30°、30°<α≤45°、45°<α≤65°、65°<α≤90°以及α>90°划分为缓坡、斜坡、陡坡、峻坡、悬坡和倒坡。故将坡角指标的各稳定性区间划分为[0,10)、[10,30)、[30,45)、[45,65)、[65,90)。

    对于岩石强度、岩石质量指标RQD、结构面间距、结构面条件以及地下水条件评分值指标,《边坡规程》有相应评分标准(表1)。对于结构面方向修正评分值,其为结构面条件系数(λ)与结构面方位系数(F1F2F3)的乘积。当结构面条件为断层夹泥层、层面贯穿裂隙、节理时,λ分别取1.0,0.8~0.9,0.7。结构面方位系数(F1F2F3)的取值如表2所示。对于开挖方法系数修正值,当该边坡为自然边坡、预裂爆破、光面爆破、常规爆破、无控制爆破时,其值分别取5,10,8,0,−8。对于上述指标,本文采用等间距法进行区间划分,即以指标最高评分值为区间最大值,将各稳定性区间划分五个长度相等的区间,具体结果如表3所示。

    表  1  评价指标评分标准表
    Table  1.  Scoring standard table of evaluation indexes
    参数评分标准
    岩石强度 /MPa点荷载>104~102~41~2<1不宜采用
    单轴抗压强度250~100100~6060~3030~1515~5
    评分15~108532~0
    岩石质量指标RQD /%250~100100~6060~3030~1515~5
    评分20171383
    结构面间距 /cm200~100100~5050~3030~5<5
    评分20~15131085
    结构面条件粗糙度很粗糙粗糙较粗糙光滑擦痕、镜面
    评分64210
    充填物 /mm<5(硬)>5(硬)<5(软)>5(软)
    评分64220
    张开度 /mm未张开<0.10.1 ~1 1 ~5>5
    评分65410
    结构面长度 /m<11~33~1010~20>20
    评分64210
    岩石风化程度未风化微风化弱风化强风化全风化
    评分65310
    地下水条件状态干燥湿润潮湿滴水流水
    透水率(Lu)<0.10.1~11~1010~100>100
    评分1510740
    下载: 导出CSV 
    | 显示表格
    表  2  结构面方位系数取值
    Table  2.  Orientation coefficient of structural plane
    破坏机制情况非常有利有利一般不利非常不利
    滑动 γ1αj-αsǀ>30°30°~20°20°~10°10°~5°<5°
    倾倒γ1αjαs−180°ǀ
    滑动,倾倒F10.150.40.70.851
    滑动 γ2βjǀ<20°20°~30°30°~35°35°~45°>45°
    滑动F20.150.40.70.851
    倾倒F211111
    滑动 γ3=βjβs>10°10°~0°0°~−10°<−10°
    倾倒 γ3=βj+βs<110°110°~120°>120°————
    滑动,倾倒F305255060
      注:αs为边坡倾向;αj为结构面倾向;βs为边坡倾角;βj为结构面倾角。
    下载: 导出CSV 
    | 显示表格
    表  3  岩质边坡稳定性评价指标及其各分级区间
    Table  3.  Stability evaluation index of rock slope and its grade intervals
    评价指标稳定性等级
    很稳定稳定基本稳定不稳定很不稳定
    坡高 /m(I1)[0,10)[10,20)[20,30)[30,65)[65,100)
    坡角 /(°)(I2)[0,10)[10,30)[30,45)[45,65)[65,90)
    岩石强度评分值(I3)[12,15)[9,12)[6,9)[3,6)[0,3)
    岩石质量指标评分值(I4)[16,20)[12,16)[8,12)[4,8)[0,4)
    结构面间距评分值(I5)[16,20)[12,16)[8,12)[4,8)[0,4)
    结构面条件评分值(I6)[24,30)[18,24)[12,18)[6,12)[0,6)
    地下水条件评分值(I7)[12,15)[9,12)[6,9)[3,6)[0,3)
    结构面方向修正值(I8)[0,12)[12,24)[24,36)[36,48)[48,60)
    边坡开挖方法修正值(I9)[6,10)[3,6)[0,3)[−4,0)[−8,−4)
    年平均降雨量(I10)[1070,1580.6)[1580.6,1650.4)[1650.4,1720.2)[1720.2,1790)[1790,1859.8)
    下载: 导出CSV 
    | 显示表格

    对于年平均降雨量指标,《地质灾害调查技术要求》将降雨对边坡的影响分为正常降雨、十年一遇、二十年一遇、五十年一遇以及百年一遇五种情况。谢晓平等[20]对福建省18个站点1957—2011年逐日气象资料进行了分析后得出, 1957—2011年期间福建省多年平均降雨量为1580.6 mm,最大降雨量为1790 mm,最低降雨量为1070 mm[20]。因此本文可近似认为五十年一遇的年降雨量为1790 mm;同时将多年平均降雨量1580.6 mm视为正常降雨的区间最大值。再根据等间距法在1580.6 mm和1790 mm之间进行等值插分出十年一遇、二十年一遇以及百年一遇的年降雨量,计算可得分别为:1650.4 mm、1720.2 mm以及1859.8 mm。则可将降雨指标的各稳定性区间进行划分,具体如表3所示。

    对于评价指标的云模型特征,本文采用改进后的云模型为左右半云不对称的正态云模型。该云模型较符合人类对边坡稳定性评价的正常思维及常理[16]。其云模型特征参数可由式(1)得到。

    $$ \left\{ \begin{aligned} & {E{x_{ij}} = \dfrac{{x_{ij}^1 + x_{ij}^2}}{2}} \\ & {E{n_{Lij}} = \left| {\dfrac{{E{x_{ij}} - E{x_{ij - 1}}}}{3}} \right|} \\ & {E{n_{Rij}} = \left| {\dfrac{{E{x_{ij + 1}} - E{x_{ij}}}}{3}} \right|} \\ & {He = k \cdot En} \end{aligned} \right. $$ (1)

    式中:Exij——某一评价指标zi(i=1,2,···,n)对应的评价等级sj(j=1,2,···,n)的期望;

    EnLij——某一评价指标zi(i=1,2,···,n)对应的评价 等级sj(j=1,2,···,n)左半云的熵;

    EnRij——某一评价指标zi(i=1,2,···,n)对应的评价 等级sj(j=1,2,···,n)右半云的熵;

    k——调整云模型的雾化程度指标。

    表1中各分级区间代入式(1),可得各评价指标的云模型三个特征参数。同时笔者在Matlab程序语言平台上开发了综合隶属度云模型程序。该程序可根据上述10个评价指标所得到的云模型特征参数分别生成相对应的综合云模型。选取坡高指标隶属于各稳定性级别的综合云模型如图1所示。

    图  1  坡高隶属于各稳定性级别的综合云模型图
    Figure  1.  Comprehensive cloud model of the slope height attached to various stability grades

    邀请n位专家按1~9标度法对各评价指标的权重进行打分赋值,并对自己的判断给定一个“信心指数”θθ的取值范围为[0,1],θ越高代表信心越强。笔者通过问卷调查的方法获取各位专家对评价指标的判断数据。调查问卷通过电子邮件的方式发送至专家期刊投稿时的通信邮箱。使用层次分析法分析求出专家们对各指标的初始权重,其结果如表4所示。

    表  4  各专家对评价指标的初始权重
    Table  4.  Initial weight of each expert on the evaluation index /10−3
    指标专家
    1
    专家
    2
    专家
    3
    专家
    4
    专家
    5
    专家
    6
    专家
    7
    专家
    8
    专家
    9
    专家
    10
    专家
    11
    专家
    12
    I1192120152218171925242122
    I2767260667683797278757871
    I3323738403934373833404048
    I41061039993898784105999710193
    I5242631334329373138394348
    I6158159158156158164164160166169182188
    I7182229252329272439323026
    I8277283288280276275261271279261246220
    I9141822202023201730282320
    I10276259255272253258273263213236237264
    下载: 导出CSV 
    | 显示表格

    根据整理各调查问卷,可得到各专家对本次调查问卷的总体信心指数分别为0.90,0.83,0.88,0.84,0.91,0.85,0.86,0.90,0.85,0.87,0.85,0.86。将该信心指数乘于表4中的相应的初始权重,同时进行归一化处理后,可得基于信心指数的权重。同时根据式(2),可得该基于信心指数的权重云模型的特征值,其结果如表5所示。

    表  5  各指标的基于信心指数云模型特征值
    Table  5.  Characteristic values of various indicators based on confidence index cloud model /10−3
    指标ExEnHe
    I1405.11.0
    I2665.41.9
    I3554.91.2
    I4867.61.7
    I5539.82.2
    I61487.32.3
    I7456.41.5
    I824020.98.5
    I9416.41.1
    I1022721.28.6
    下载: 导出CSV 
    | 显示表格
    $$ \left\{ \begin{aligned} &{Ex = \frac{1}{n}\sum\limits_{i = 1}^n {{u_A}_i} } \\ & {En = \sqrt {\frac{\pi }{2}} \times \frac{1}{n}\sum\limits_{i = 1}^n {\left| {{u_A}_i - Ex} \right|} } \\ &{He = \sqrt {\frac{1}{{n - 1}}\sum\limits_{i = 1}^n {{{\left( {{u_A}_i - Ex} \right)}^2} - E{n^2}} } } \end{aligned} \right. $$ (2)

    式中:Ex——云模型特征参数之期望;

    n——各指标基于信心指数的权重个数;

    En——云模型特征参数之熵;

    uAi——各指标基于信心指数的权重取值;

    He——云模型特征参数之超熵。

    另根据高斯云的“3En规则”,指标权重的主要取值范围为[Ex−3En, Ex+3En]。设某指标的取值区间为[aA,bA],其实测值为xA,则该指标的权重ωA的表达式为:

    $$ {\omega _A} = E{x_A} - 3{\alpha _\omega }E{n_A} + \frac{{{x_A} - {a_A}}}{{{b_A} - {a_A}}} \times 6{\alpha _\omega }E{n_A} $$ (3)

    式中:αω——权重范围系数。

    $ {\alpha }_{\omega }\in \left[0,1\right] $,可根据该指标的权重变化幅度进行选取。当αω取0时,式(3)变为$ {\omega _A} = E{x_A} $,即该指标的权重为某一常数。当αω取1时,式(3)变为${\omega _A} = E{x_A} - $$ 3E{n_A} + \dfrac{{{x_A} - {a_A}}}{{{b_A} - {a_A}}} \times 6E{n_A}$,也即该指标的权重在[Ex−3En, Ex+3En]均匀分布。

    以指标坡高为例,其取值范围为[0,100],Ex=0.04,En=0.0051,He=0.001,利用Matlab程序编写算法,则其权重云模型图如图2所示。

    图  2  指标坡高的权重云模型图
    Figure  2.  Weighted cloud model of index slope height

    图2可以看出,指标坡高的权重在[0.035,0.045]区间的隶属度较大,在[0.03,0.035]和[0.035,0.05]区间的隶属度较小,在其他区间的隶属度更小,甚至为0。假设指标坡高的实测值为30 m,若αω取1,则代入式(4)可计算出此时指标坡高的权重ωA=0.034。再从图2可以看出,该权重的隶属度约在[0.25,0.60]范围之内。若αω取0.5,则此时ωA=0.0037,其隶属度约在[0.45,0.8]范围之内。因此可以看出,使用权重云模型的方法,不仅可以达到变权重的目的,而且还可以直观地表达权重的模糊性。因此αω的取值越小,权重的取值越靠近权重云模型的均值,其隶属度越大,隶属度范围也相对集中。反之权重值越偏离权重云模型的均值,其隶属度越小,隶属度范围也越分散。αω具体如何取值,可根据边坡的实际情况适当选用,建议在[0.2,0.5]之间选取,在进行“变权”的同时也能使最终的权重范围相对集中。

    将各指标综合云模型及其相应的权重云模型进行复合,可得到该指标的复合云模型。选取坡高指标的复合云模型图如图3图4所示。

    图  3  结构面间距指标的复合云模型图
    Figure  3.  Composite cloud model of structural plane spacing
    图  4  复合云模型类圆锥状分布示意图
    Figure  4.  Schematic diagram of conical distribution of composite cloud model

    图3为例,同时参照图4的示意图,可以看出,Ⅱ、Ⅲ、Ⅳ三个稳定性等级的复合云模型呈类圆锥状,且各云滴较为均匀地分布在图4中的①号曲面与②号曲面围成的空间里。当评价指标的权重取其Ex值,且其实测值亦为某一稳定性等级区间的Ex值时,①号曲面与②号曲面共同相交于图4中的O点。稳定性等级为Ⅰ级的复合云模型左半侧和Ⅴ复合云模型右半侧也同样呈类圆锥状,该类圆锥状的曲线形状也是正态分布曲线。当坡高大于82.5 m时,其在单一指标的云模型中属于Ⅴ级的隶属度为1,则其复合云模型退化为单一指标的结构面间距权重云模型,如图3中的稳定性等级为Ⅴ级的复合云模型左半侧所示。因此,利用该复合云模型可以较为直观地看到评价指标在各稳定性等级中的隶属度及其相应的权重。

    因本方法的权重函数和隶属度函数均为云模型,笔者引入区间模糊函数,用区间值Fuzzy集来表达该云模型的隶属度[16]。也即设C(x)=[C(x), C(—)(x)]。C(—)(x)和C(x)分别称为C(x)的上、下隶属函数,其表达式如式(4)所示。

    $$ \left\{ \begin{aligned} &{\overline C (x) = {\rm{exp}}\left[ - \dfrac{{{{(x - Ex)}^2}}}{{2{{(En + 3He)}^2}}}\right]} \\ & {\underline C (x) = {\rm{exp}}\left[ - \dfrac{{{{(x - Ex)}^2}}}{{2{{(En - 3He)}^2}}}\right]} \end{aligned} \right. $$ (4)

    根据区间值Fuzzy集的相关定义,设ABX上的两个指标隶属度的区间值Fuzzy集,则该两个指标的隶属度之并集可采用式(5)进行计算。

    $$ \begin{aligned} (A \cup B)(x) \hfill = [\max(\underline A (x),\underline B (x)),\max(\overline A (x),\overline B (x))] \hfill \\ \end{aligned} $$ (5)

    利用上述式(5)将所有指标的隶属度区间进行并集计算,可得到该边坡在各稳定性等级的综合隶属度区间。最后根据最大隶属度原理,综合隶属度区间上下限平均值最大值所在的稳定性等级即为该边坡的稳定性等级。

    福建省连江县黄岐镇对台客运站边坡(以下简称黄岐镇边坡)位于客运站东侧。该区域气候温暖较湿、雨量适中、台风频繁,多年平均降雨量1528.2 mm。该边坡原始地貌为低丘,场地最高海拔位于东南侧斜坡山脊,高程约50 m,最低海拔位于坡脚水泥道路路面,高程约6 m,相对高差约44 m。斜坡高程36 m以上坡段为自然斜坡,坡度约25°,植被发育,为原始生态林;斜坡高程36 m以下坡段因人工开挖改造形成阶梯状边坡,边坡高度4~20 m,未支护,边坡坡度约62°。边坡主要由碎块状强风化-中风化花岗岩组成、节理裂隙发育,其产状分别为:200°∠40°。裂隙主要为张裂隙,长度0.5~4 m不等,裂隙张开宽度2~40 mm,间距0.3~1.2 m,无充填,边坡岩体被主要结构面分割成块状或楔形体。RQD为32%~53%,岩石单轴抗压强度平均为38.2 MPa。结构面强度经验指标c=30 kPa,φ=35°。地下水的含水层主要赋存于④砂土状强风化花岗岩、⑤碎块状强风化花岗岩、⑥中风化花岗岩中的裂隙潜水,并且由于风化作用,水量分布不均匀,渗透性能一般,为弱透水层,以潜水为主。根据野外钻探取芯肉眼鉴别,结合场地原位测试和室内土工试验成果综合分析,在钻探控制深度范围内各岩土层主要特性参数如表6所示。

    根据上述勘察报告,可知该边坡的坡高为24.15 m,坡角为62°,该地区多年平均降雨量为1528.3 mm。因该边坡的岩石单轴抗压强度平均为38.2 MPa,查表1可得该项评分值为5。因该边坡的RQD为32%~53%,大部分处于25%~50%的区间,故查表1可得该项评分值为8。因结构面间距为0.3~1.2 m,大部分处于0.5~1.0 m的区间,故查表1可得该项评分值为13。同理可根据勘察报告计算得到结构面条件评分值为15。因该边坡为弱透水层,相当于含水率为1~10 Lu,故该项评分值为7。根据勘察报告,可求得λF1F2F3分别为0.7,0.15,0.85,60,故结构面方向修正值为5.36。因该边坡为自然边坡,未经爆破过,故边坡开挖方法修正值为5。将表5中的数值代入式(4)和式(5),可计算出该边坡各评价值在评价等级中的隶属度(表7)。

    表  6  黄岐镇边坡场地内岩土层特性参数
    Table  6.  Property parameters of strata in slope of Huangqi town
    序号地层名称天然
    重度
    γ/(kN·m−3)
    饱和
    重度
    γsat/(kN·m−3)
    天然快剪 饱和快剪厚度/m
    ck/kPaφk/(°)ck/kPaφk/(°)
    素填土17.518.010.015.08.511.50.50~1.40
    坡积粉质黏土18.6418.7822.020.019.1917.450.5~1.3
    残积砂质黏土18.519.023.022.020.018.01.5~2.8
    全风化花岗岩19.019.525.027.022.023.00~3.0
    ⑤-1砂土状强风化花岗岩21.021.530.032.026.028.02.3~7.3
    ⑤-2碎块状强风化花岗岩22.022.535.035.028.030.01.1~2.4
    中风化花岗岩24.040.050.07.4~15.4
    下载: 导出CSV 
    | 显示表格
    表  7  指标评价在各评价等级中的隶属度范围
    Table  7.  The range of the membership degree of the index evaluation in each evaluation grade
    评价指标稳定性等级
    很稳定稳定基本稳定不稳定很不稳定
    I1[0,0][0,0][0.74,0.82][0.04,0.11][0,0]
    I2[0,0][0.15,0.28][0.39,0.53][0,0][0,0]
    I3[0,0][0.01,0.05][0.96,0.97][0,0][0,0]
    I4[0,0][0,0][0.25,0.39][0.25,0.39][0,0]
    I5[0,0][0,0.02][1,1][0,0][0,0]
    I6[0,0.02][0,1][0,0][0,0][0,0]
    I7[0,0][0.95,0.97][0.01,0.04][0,0][0,0]
    I8[1,1][0,0][0,0][0,0][0,0]
    I9[0,0][0,0][0,0][0,0][1,1]
    I10[0,0][0.98,0.99][0.01,0.04][0,0][0,0]
    下载: 导出CSV 
    | 显示表格

    表7看出,大部分评价指标的隶属度在其中的两个稳定性等级中均有取值,而在另外三个稳定性等级取值为0。这是由于本文的云模型考虑该指标实测值的隶属度较大的两个等级,而另外三个次要等级的隶属度较小,故忽略不计。

    本次评价的各评价指标的变权重复合云模型均取αω=0.3。将表代入式(3)和式(4),可求得各指标权重及其隶属度范围(表8)。

    表8可以看出,当权重的取值越靠近其均值,其平均隶属度也越大,反之越小。如表中的I7指标,其取值接近取值范围的均值,故其权重取值也接近云模型权重均值,同时其平均隶属度较大;而I5指标则相反。同时表中的I8和I10两个指标的隶属度范围变化幅度较大,其范围几乎为从0至0.99。此为各专家在问卷调查时对该两个指标的权重判断差异较大的原因,使得He的值较大。根据李德毅等[1]对云模型的特征值He取值研究发现,当He>0.3 En时,其云模型较为发散,故其隶属度范围较大。

    将上述的数值输入笔者开发的应用程序可得该边坡的稳定性评价结果(图5)。

    图  5  边坡稳定性评价应用程序的运行结果
    Figure  5.  Result of the stability evaluation application
    表  8  评价指标的指标权重及其隶属度范围
    Table  8.  Weight of evaluation index and its range of membership degree
    评价指标Ex权重取值隶属度
    I10.0400.037[0.763,0.944]
    I20.0660.067[0.641,0.985]
    I30.0550.054[0.549,0.991]
    I40.0860.085[0.975,0.989]
    I50.0530.050[0.214,0.682]
    I60.1480.147[0.904,0.998]
    I70.0450.045[0.992,0.999]
    I80.2400.223[0.009,0.870]
    I90.0410.043[0.799,0.960]
    I100.2270.230[0,0.997]
    下载: 导出CSV 
    | 显示表格

    虽然模糊数学中的隶属度与事件发生概率是从不同角度刻画不确定性的两种方法,不能等同而论,但可以将隶属度理解为发生的可能性。从图可以看出,该坡段现状是处于基本稳定状态的最小可能性为0.525,最大可能性为0.638。一般情况下,人们对某一事件判断无法给出一个精确的数值,而比较习惯给定某一范围。本方法的隶属度评价结果为某一区间,也即具有一定的模糊性,相对符合人类的判断习惯。可算出上述基本稳定状态的综合隶属度区间上下限平均值,可得0.582,同理其很稳定、稳定、不稳定以及很不稳定的上下限平均值分别为0,0.101,0.128以及0。可以看出,该坡段的稳定性为基本稳定的可能性最大,不稳定的可能性次之。也即该边坡总体处于基本稳定状态,但仍存在转化为不稳定的可能性。根据勘察报告,2016年6月17日该坡段因强降雨发生了崩塌,崩塌情况如图6所示。此结果初步验证了本方法的分析结果。

    图  6  2016年6月17日黄岐镇边坡崩塌情况
    Figure  6.  Slope collapse in Huangqi Town on June 17, 2016

    文章尝试用云模型方法构建指标变权重模型,提出基于指标变权重复合云模型的岩质边坡稳定性评价方法,并在福建省连江县黄岐镇边坡进行了应用分析。使用该方法得到的稳定性等级隶属度结果为某一区间,相对更符合人类的判断习惯。通过对黄岐镇边坡的分析表明,该边坡的处于基本稳定的状态可能性最大,但仍存在不稳定的可能性。根据现场的勘察情况,也初验证了该分析结果。该方法考虑了权重的模糊性和随机性特点,对岩质边坡稳定分析的模糊分析方法进行了尝试,具有一定的可行性。但是影响岩质边坡稳定性的影响因素较多,且部分指标具有一定的地域性,如多年平均降雨量,如何根据不同的地域特点确定合理的评价指标及其分级区间,值得进一步深究。另外本文对在评价指标的隶属函数选取上均假定其服从较为广泛使用的正态函数分布,尚未进行论证其合理性。此亦是本文的下一步研究方向。

    致谢:研究过程中,收到了林斌、陈仕淇、兰俊杰、程武、俞伟宏、陈林靖、徐祥、林智勇、谢裕鑫、王旭、陈德瑨、姜珂12位学者的有效问卷,在此表示衷心的感谢!

  • 图  1   研究区泥石流分布

    Figure  1.   Distribution of debris flow in the study area

    图  2   不同评价单元示例

    Figure  2.   Schematic diagram of evaluation unit

    图  3   评价因子分级图(泥石流沟为评价单元)

    Figure  3.   Grading of evaluation factors (debris flow gully as evaluation unit)

    图  4   泥石流沟危险性评价图(泥石流沟为评价单元)

    Figure  4.   Debris flow gully hazard assessment (debris flow gully as assessment unit)

    图  5   小流域评价因子分级图

    Figure  5.   Classification of evaluation factors in small watershed

    图  6   小流域危险性评价图

    Figure  6.   Hazard assessment of small watershed

    图  7   泥石流沟危险性评价图(小流域为评价单元)

    Figure  7.   Debris flow gully hazard assessment (small watershed as assessment unit)

    表  1   数据介绍

    Table  1   Data introduction

    序号数据来源
    1DEM数据http://www.gscloud.cn/
    2一小时最大降雨量甘肃省地质环境监测院
    3植被指数http://www.geodata.cn/
    4地质图中国地质力学所
    5遥感影像图新地球
    下载: 导出CSV

    表  2   研究区泥石流沟岩性分类表

    Table  2   Lithology classification of debris flow gully in study area

    岩性
    分类
    坚硬块状
    岩浆岩
    软弱中厚
    层碎屑岩
    坚硬中厚
    层碎屑岩
    松散软弱
    堆积层及
    冲洪积层
    较坚硬中
    厚层-厚层
    碳酸盐岩、
    薄层板岩、
    碎屑岩
    软弱-坚硬
    中厚层-
    厚层板岩、
    碎屑岩
    赋值1357810
    下载: 导出CSV

    表  3   泥石流沟危险性评价指标标准化分级表

    Table  3   Standardized classification table of debris flow gully hazard assessment index

    评价指标标准化赋值
    123
    流域面积/km2>10<33~10
    流域形状系数>1.51.3~1.5<1.3
    平均坡度/(°)0~2020~30>30
    沟谷密度/(km·km−2)<0.50.5~1>1
    HI<0.45>0.600.45~0.6
    岩性因子(DSF)<55~7>7
    距断层距离/km>31~3<1
    降雨/mm<3636~38>38
    NDVI>0.40.25~0.4<0.25
    下载: 导出CSV

    表  4   评价指标灾害熵及其权重

    Table  4   Evaluation index disaster entropy and its weight

    评价指标流域面积流域形状系数平均坡度沟谷密度物源参照值岩性距断层距离降雨量NDVI
    灾害熵12.99467012.96906513.50247612.94189914.53994914.70780713.84004512.42634413.758987
    信息效用值−11.994670−11.969065−12.502476−11.941899−13.539949−13.707807−12.840045−11.426344−12.758987
    评价指标的权重0.1064480.1062210.1109540.1059790.1201620.1216510.1139500.1014040.113231
    下载: 导出CSV

    表  5   评价指标灾害熵及其权重

    Table  5   Evaluation index disaster entropy and its weight

    评价指标流域面积流域形状系数平均坡度沟谷密度物源参照值岩性距断层距离降雨量NDVI
    灾害熵46.77709839.01553442.69433542.12704940.25430949.71708045.20285940.14596542.355624
    信息效用值−45.777098−38.015534−41.694335−41.127049−39.254309−48.717080−44.202859−39.145965−41.355624
    评价指标的权重0.1206920.1002280.1099270.1084320.1034940.1284430.1165410.1032090.109034
    下载: 导出CSV
  • [1] 杨兴坤, 李海东. 泥石流灾害的工程预防措施[J]. 中国水利,2014(10):54 − 55. [YANG Xingkun, LI Haidong. Engineering prevention measures of debris flow disaster[J]. China Water Resources,2014(10):54 − 55. (in Chinese)
    [2] 孟兴民, 陈冠, 郭鹏, 等. 白龙江流域滑坡泥石流灾害研究进展与展望[J]. 海洋地质与第四纪地质,2013,33(4):1 − 15. [MENG Xingmin, CHEN Guan, GUO Peng, et al. Research of landslides and debris flows in Bailong river basin: Progress and prospect[J]. Marine Geology & Quaternary Geology,2013,33(4):1 − 15. (in Chinese with English abstract)
    [3] 李晓婷, 刘文龙. 模糊综合评判法在甘肃陇南武都区石门乡泥石流危险性评价中的应用[J]. 中国地质灾害与防治学报,2020,31(4):71 − 76. [LI Xiaoting, LIU Wenlong. Application of fuzzy comprehensive evaluation method to debris flow risk evaluation in Shimen Township in Wudu District of Longnan City, Gansu Province[J]. The Chinese Journal of Geological Hazard and Control,2020,31(4):71 − 76. (in Chinese with English abstract)
    [4] 王高峰, 陈宗良, 毛佳睿, 等. 不同工程情景和降雨频率工况下白龙江流域泥石流危险性评价[J]. 山东科技大学学报(自然科学版),2020,39(5):30 − 40. [WANG Gaofeng, CHEN Zongliang, MAO Jiarui, et al. Debris flow risk assessment in Bailong river basin under different engineering scenarios and rainfall frequency conditions[J]. Journal of Shandong University of Science and Technology (Natural Science),2020,39(5):30 − 40. (in Chinese with English abstract)
    [5] 刘德玉, 贾贵义, 李松, 等. 地形因素对白龙江流域甘肃段泥石流灾害的影响及权重分析[J]. 水文地质工程地质,2019,46(3):33 − 39. [LIU Deyu, JIA Guiyi, LI Song, et al. Impacts of topographical factors on debris flows and weight analysis at the Gansu segment of the Bailongjiang river basin[J]. Hydrogeology & Engineering Geology,2019,46(3):33 − 39. (in Chinese with English abstract)
    [6] 蒲济林, 苏军德, 高立兵, 等. 基于GIS与AHP模型的白龙江流域泥石流危险性评价[J]. 中国水土保持,2016(5):58 − 61. [PU Jilin, SU Junde, GAO Libing, et al. Risk assessment of debris flow in Bailong river basin based on GIS and AHP model[J]. Soil and Water Conservation in China,2016(5):58 − 61. (in Chinese) DOI: 10.3969/j.issn.1000-0941.2016.05.020
    [7] 高立兵, 苏军德. 基于信息熵与AHP模型的小区域泥石流危险性评价方法[J]. 水土保持研究,2017,24(1):376 − 380. [GAO Libing, SU Junde. Risk assessment method of debris flow in residential area based on information entropy and AHP Model[J]. Research of Soil and Water Conservation,2017,24(1):376 − 380. (in Chinese with English abstract)
    [8] 刘林通, 孟兴民, 郭鹏, 等. 基于流域单元和信息量法的白龙江流域泥石流危险性评价[J]. 兰州大学学报(自然科学版),2017,53(3):292 − 298. [LIU Lintong, MENG Xingmin, GUO Peng, et al. Assessment of debris flow hazards in the Bailongjiang river based on the watershed unit and information value method[J]. Journal of Lanzhou University (Natural Sciences),2017,53(3):292 − 298. (in Chinese with English abstract)
    [9] 李淑松, 邹强, 陈容, 等. 白龙江流域泥石流危险性评价[J]. 中国水土保持科学,2018,16(4):83 − 88. [LI Shusong, ZOU Qiang, CHEN Rong, et al. Hazard assessment of debris flow in Bailong river basin[J]. Science of Soil and Water Conservation,2018,16(4):83 − 88. (in Chinese with English abstract)
    [10] 赵艳萍. 白龙江流域泥石流分布规律及其影响因素研究[D]. 兰州: 兰州大学, 2013.

    ZHAO Yanping. Study on the regularity of debris flow distribution and influence factors in Bailong river basin[D]. Lanzhou: Lanzhou University, 2013. (in Chinese with English abstract)

    [11] 丁继新, 周圣华, 杨志法, 等. 川藏公路然乌—东久段地质灾害定量评价: “地质灾害熵”概念的提出和应用[J]. 自然灾害学报,2005,14(4):79 − 84. [DING Jixin, ZHOU Shenghua, YANG Zhifa, et al. Quantitative assessment of geological hazards in segment between Ranwu and Dongjiu in Sichuan-Tibet highway: Presentation and application of concept of “geological hazard entropy”[J]. Journal of Natural Disasters,2005,14(4):79 − 84. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-4574.2005.04.013
    [12] 向灵芝, 崔鹏, 陈洪凯, 等. 基于灾害熵的汶川震后道路泥石流敏感性分析[J]. 重庆交通大学学报(自然科学版),2017,36(5):71 − 78. [XIANG Lingzhi, CUI Peng, CHEN Hongkai, et al. Sensitivity analysis of debris flow along highway in Wenchuan County after earthquake based on hazard entropy theory[J]. Journal of Chongqing Jiaotong University (Natural Science),2017,36(5):71 − 78. (in Chinese with English abstract)
    [13] 庄树裕, 李广杰, 王钢城, 等. 灾害熵-可拓综合评判理论在泥石流危险性评价中的应用[J]. 安徽农业科学,2010,38(6):3075 − 3077. [ZHUANG Shuyu, LI Guangjie, WANG Gangcheng, et al. Application of entropy-extension comprehensive evaluation theory in the debris flow risk assessment[J]. Journal of Anhui Agricultural Sciences,2010,38(6):3075 − 3077. (in Chinese with English abstract) DOI: 10.3969/j.issn.0517-6611.2010.06.113
    [14] 张意奉, 焦菊英, 唐柄哲, 等. 特大暴雨条件下小流域沟道的泥沙连通性及其影响因素: 以陕西省子洲县为例[J]. 水土保持通报,2019,39(1):302 − 309. [ZHANG Yifeng, JIAO Juying, TANG Bingzhe, et al. Channel sediment connectivity and influence factors in small watersheds under extremely rainstorm: A case study at Zizhou County, Shaanxi Province[J]. Bulletin of Soil and Water Conservation,2019,39(1):302 − 309. (in Chinese with English abstract)
    [15] 宋瑶. 北京山区洪沟道特征及预警技术研究[D]. 北京: 北京林业大学, 2016.

    SONG Yao. The study on channel characteristics and early warning techniques of mountain flood in Beijing[D]. Beijing: Beijing Forestry University, 2016. (in Chinese with English abstract)

    [16] 张国平, 徐晶, 毕宝贵. 滑坡和泥石流灾害与环境因子的关系[J]. 应用生态学报,2009,20(3):653 − 658. [ZHANG Guoping, XU Jing, BI Baogui. Relations of landslide and debris flow hazards to environmental factors[J]. Chinese Journal of Applied Ecology,2009,20(3):653 − 658. (in Chinese with English abstract)
    [17] 周志华, 林维芳, 徐标. 基于GIS与信息量模型的沟谷密度与滑坡发育关系的研究[J]. 中国矿业,2012,21(1):119 − 121. [ZHOU Zhihua, LIN Weifang, XU Biao. Relationship between gully density and landslide based on GIS and information value model[J]. China Mining Magazine,2012,21(1):119 − 121. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-4051.2012.01.031
    [18] 梁馨月, 徐梦珍, 吕立群, 等. 基于地貌特征的青藏高原边缘泥石流沟分类[J]. 地理学报,2020,75(7):1373 − 1385. [LIANG Xinyue, XU Mengzhen, LYU Liqun, et al. Geomorphological characteristics of debris flow gullies on the edge of the Qinghai-Tibet Plateau[J]. Acta Geographica Sinica,2020,75(7):1373 − 1385. (in Chinese with English abstract) DOI: 10.11821/dlxb202007004
    [19] 陈宗良, 叶振南, 王志宏, 等. 白龙江流域中上游第四纪沉积物的发育特征及其灾害效应[J]. 水文地质工程地质,2019,46(2):29 − 36. [CHEN Zongliang, YE Zhennan, WANG Zhihong, et al. Development characteristics and disaster effect of the Quaternary sediments in the middle and upper reaches of the Bailongiang river basin[J]. Hydrogeology & Engineering Geology,2019,46(2):29 − 36. (in Chinese with English abstract)
    [20] 侯燕军. 甘肃省陇南市武都区北山泥石流灾害成因分析及防治措施[J]. 甘肃科技,2010,26(21):55 − 57. [HOU Yanjun. Cause analysis and prevention measures of Beishan debris flow disaster in Wudu District, Longnan City, Gansu Province[J]. Gansu Science and Technology,2010,26(21):55 − 57. (in Chinese) DOI: 10.3969/j.issn.1000-0952.2010.21.018
    [21] 邹强, 唐建喜, 李淑松, 等. 基于水文响应单元的泥石流灾害易发性分区方法[J]. 山地学报,2017,35(4):496 − 505. [ZOU Qiang, TANG Jianxi, LI Shusong, et al. Susceptibility assessment method of debris flows based on hydrological response unit[J]. Mountain Research,2017,35(4):496 − 505. (in Chinese with English abstract)
    [22] 杨宇, 蔡英桦, 钟华介, 等. 基于集水单元的岩溶山区小流域泥石流敏感性评价: 以贵州威宁二塘河流域为例[J]. 中国地质灾害与防治学报,2019,30(5):57 − 64. [YANG Yu, CAI Yinghua, ZHONG Huajie, et al. Susceptibility assessment of debris flows in small watershed of Karst area based on catchment units: a case study in Ertang river basin, Weining County, Guizhou Province[J]. The Chinese Journal of Geological Hazard and Control,2019,30(5):57 − 64. (in Chinese with English abstract)
    [23] 李彩侠, 马煜, 何元勋. 泥石流致灾因子敏感性分析: 以四川都江堰龙溪河流域为例[J]. 中国地质灾害与防治学报,2020,31(5):32 − 39. [LI Caixia, MA Yu, HE Yuanxun. Sensitivity analysis of debris flow to environmental factors: a case of Longxi River basin in Dujiangyan, Sichuan Province[J]. The Chinese Journal of Geological Hazard and Control,2020,31(5):32 − 39. (in Chinese with English abstract)
    [24] 李益敏, 杨蕾, 魏苏杭. 基于小流域单元的怒江州泥石流易发性评价[J]. 长江流域资源与环境,2019,28(10):2419 − 2428. [LI Yimin, YANG Lei, WEI Suhang. Susceptibility assessment of debris flow in Nujiang befecture based on the catchment[J]. Resources and Environment in the Yangtze Basin,2019,28(10):2419 − 2428. (in Chinese with English abstract)
  • 期刊类型引用(8)

    1. 赖波,江金进,江山,江宁,赵风顺. 珠海市南水镇金龙边坡变形破坏特征及稳定性评价. 城市地质. 2024(01): 20-28 . 百度学术
    2. 姜波,周娟. 基于AHP-FCE法的公路路堑高边坡施工安全风险评估. 中国水运(下半月). 2024(06): 113-115 . 百度学术
    3. 杨再高,郭沙,唐应志. 基于CRITIC-蛛网灰靶的边坡等级评价模型. 采矿技术. 2024(05): 231-235 . 百度学术
    4. 姜波,周娟. 基于AHP-FCE法的公路路堑高边坡施工安全风险评估. 中国水运. 2024(12): 113-115 . 百度学术
    5. 许胜军,余华中,李德海,余永强. 基于博弈论—云模型的露天矿边坡稳定性分析. 能源与环保. 2023(07): 21-28 . 百度学术
    6. 陈忠源,戴自航,简文彬. 基于因子权重反分析的新近失稳土质边坡稳定性评价云模型. 中国地质灾害与防治学报. 2023(04): 125-133 . 本站查看
    7. 张威,胡舫瑞,綦巍,彭琳,王咏林,陈枫. 基于XGBoost和云模型的地质灾害易发性评价. 中国地质灾害与防治学报. 2023(06): 136-145 . 本站查看
    8. 潘瑜. 基于灰色关联分析法的边坡稳定性评价云模型研究. 华北科技学院学报. 2022(06): 101-107 . 百度学术

    其他类型引用(3)

图(7)  /  表(5)
计量
  • 文章访问数:  560
  • HTML全文浏览量:  1183
  • PDF下载量:  240
  • 被引次数: 11
出版历程
  • 收稿日期:  2021-01-24
  • 修回日期:  2021-03-08
  • 网络出版日期:  2021-12-19
  • 刊出日期:  2021-12-28

目录

/

返回文章
返回