The initiation and motion characteristics of the “10·5” loess landslide in the Heifangtai platform, Gansu Province
-
摘要: 数十年的塬上大面积灌溉导致甘肃黑方台地下水位不断提升,迄今为止已有约200余起黄土滑坡发生,造成了大量伤亡,给当地居民生活和财产安全带来了巨大的影响。针对黑方台黄土滑坡启动迅速、运动速度快、影响范围广的特征,文中以2019年10月5日发生在黑方台党川村附近的一起黄土滑坡为研究对象,通过野外调研和无人机手段,获取该滑坡的发育特征和地形数据。基于Massflow软件再现了该滑坡运动全过程,最终得到堆积厚度及运动速度2个方面特征,得出以下结论:(1)“10·5”黄土滑坡体积约2.7×104 m3,最大滑距355 m,属于小型黄土滑坡;(2)模拟结果显示,滑坡运动持续时间约45 s,最大运动速度为26 m/s,反演结果与实际情况较吻合。运动过程可分为启动加速阶段、稳定加速阶段、减速堆积阶段三个阶段;(3)对滑坡堆积厚度进行分析发现,该滑坡在主滑方向上平均厚度约0.59 m,最大堆积厚度为1.35 m,沿滑坡运动方向,堆积厚度呈现先增大后减小的趋势,堆积区最大堆积厚度为0.82 m。该研究成果可为黑方台黄土滑坡风险防控提供一定的技术支持。
-
关键词:
- “10·5”黄土滑坡 /
- 基本特征 /
- 运动特征 /
- Massflow
Abstract: Long-time diversion irrigation has led to the continuous rise of the groundwater level in the Heifangtai platform,Gansu Province. So far, more than 200 loess landslides have occurred, causing more catastrophic threats to local people and property. The loess landslides on the Heifangtai Platform were charactered by rapid initiation,fast speed and wide accumulation area. A loess landslide occurred near Dangchuan village in the Heifangtai Platform on October 5, 2019. The characteristics and topographic data of the landslide were obtained by field investigation and UAV technology. We used the Massflow software to simulate the motion process of the landslide, and the deposits thickness and motion speed of the landslide are obtained. The result show that: (1) The “10·5 ” landslide has a volume of about 2.7×104 m3 and a maximum sliding distance of 355 m. It is a small kind of loess landslide; (2) The motion time is about 45 s, the maximum movement speed is 26 m/s, and the inversion result is consistent with the actual situation. The landslide movement process is divided into three stages: start acceleration→steady acceleration→deceleration accumulation; (3) It found that the average thickness and maximum accumlation thickness of the landslide in the main sliding direction were respectively 0.59 m and 1.35 m. The accumulation thickness shows a trend of increasing momently and then decreasing. The largest accumulation thickness is 0.82 m. The research results can provide related technical support for the risk prevention of the loess landslide occurred in the Heifangtai Platform. -
0. 引言
地面形变作为一种缓变性地质灾害,主要具有缓变性、滞后性、区域性、差异性、长期性以及不可逆等特点,始终威胁着城市安全及经济社会的可持续发展[1]。
传统的形变监测方法成本高、效率低、受天气影响,且需建立监测网,无法快速开展大面积监测[2]。合成孔径雷达干涉测量技术( Interferometric synthetic aperture radar,InSAR)凭借其全天侯、强穿透性、高精度获取连续覆盖地面高程和信息的突出优势,已在地表形变监测、滑坡监测、矿区沉降监测、危岩体监测等相关领域得到广泛应用[3-9]。在此基础上发展起来的永久散射体合成孔径雷达干涉测量技术(Permanent scatterers interferometric synthetic aperture radar,PS-InSAR)[10-11],有效消除了时空失相干引起的相位噪声,解决了大气效应难以消除的问题,适用于持续性、区域性地表微小形变监测[12],已经广泛应用在城市地面形变监测。
本研究采用PS-InSAR技术对深圳市南山区后海的片区进行了大范围、长时间的地面和建(构)筑物沉降监测,获得巨厚风化深槽地区地面及采用桩基础施工工艺的建构筑物沉降特征和规律,为深圳后海巨厚深槽地质灾害的排查、防治工作提供基础。
1. 研究区域与数据
1.1 研究区域
深圳市位于华南褶皱系中的紫金—惠阳凹褶断束的西南部、五华—深圳大断裂带南西段,高要—惠来东西向构造带中段的南缘地带。北东向莲花山断裂带与北西向珠江口大断裂带两条断裂在深圳南山后海片区交汇,对深圳、香港的地层稳定性均有影响[13]。
南山区是全国百强区,后海片区是总部大厦基地。该片区原为滨海滩涂,被第四系覆盖,填海造陆区未进行过详细的地质调查。在工程建设中发现其下断层发育,基岩埋深70~130 m,形成了巨厚的风化深槽,上面建筑采用超长桩基础[14]。
图1为本次研究区范围,为南山区南部东侧沿海区域。北至白石路,南至望海路,西至后海大道,东边沿沙河西路—望海路,面积约为11.0 km2。
1.2 数据源
采用2018年2月—2020年12月52期COSMO-SkyMed重复轨道SAR影像,InSAR数据的基本参数见表1。
表 1 In-SAR数据基本参数Table 1. Basic Parameters of In-SAR Data参数 数值 监测日期 卫星类型 COSMO-SkyMed 2018-02-04 、2018-03-08 、2018-03-24 、2018-04-09 、2018-05-11 成像模式 StripMap (条带成像)模式 2018-06-12 、2018-07-11 、2018-09-13 、2018-10-02 、2018-10-18 数据波段 X波段(3.1cm) 2018-11-03 、2018-11-19 、2018-12-01 、2019-01-06 、2019-01-22 空间分辨率/m 3 2019-02-07 、2019-02-19 、2019-03-11 、2019-03-27 、2019-04-12 升/降轨模式 降轨 2019-04-28 、2019-05-10 、2019-06-10 、2019-06-26 、2019-07-12 极化方式 HH极化 2019-07-28 、2019-08-14 、2019-08-29 、2019-10-09 、2019-10-25 中心入射角/(°) 32.55 2019-11-01 、2019-12-03 、2020-01-13 、2020-02-05 、2020-02-21 影像数量 52景 2020-03-24 、2020-04-09 、2020-04-25 、2020-05-11 、2020-05-27 数据级别 SLC数据(单视复) 2020-06-12 、2020-06-28 、2020-07-14 、2020-07-30 、2020-08-15 监测日期 2018-02-04—2020-12-21 2020-09-16 、2020-10-11 、2020-10-18 、2020-11-03 、2020-11-19 处理方法 PS-InSAR 2020-12-05 、2020-12-21 2. 基于PS-InSAR的结果分析
2.1 整体形变分析
本研究利用PS-InSAR技术,对2018年2月—2020年12月的影像数据进行计算,获得148151个有效PS点。
区域累计形变量为−79.1~37.5 mm,累计形变量−8~8 mm的PS点占总数的86%,累计形变量统计见图2。区域平均形变速率为−26.9~11.6 mm/a,形变速率在−3~3 mm/a的PS点占总数的91%,超过9 mm/a的PS点共1106个,占0.8%。
2.2 重点监测点形变分析
在研究区域深槽上方选取21处(点1—点21)地面以及构(建)筑物作为重点形变监测特征点进行形变分析,监测特征点位置分布见图3,监测特征点形变特点及曲线见表2。
表 2 监测特征点形变特点及曲线Table 2. Deformation characteristics and curves of feature points监测特征点
分类监测特征点位置 沉降形变特点 典型形变—日期序列曲线 已有高层建筑 点2舜远金融大厦
点3大成基金总部大厦
点5海信南方大厦
点6深圳湾一号
点7卓越维港名苑形变曲线总体均呈略有
起伏的变化趋势,
整体形变稳定
见右侧点7卓越维港名苑形变—日期曲线图在建项目 点1红土创新广场
点4恒裕深圳湾监测期间受施工影响,形变曲线不规律,或呈略有起伏上升趋势,或呈略有起伏下降趋势
见右侧点1红土创新广场形变—日期曲线图桥梁 点8滨海海滨立交桥
点17桥梁
点21桥梁形变曲线总体呈略有起伏的变化趋势,整体形变稳定
见右侧点17桥梁形
变—日期曲线图道路 点9海德三道
点10创业路
点11望海路
点12望海路
点20东滨路形变曲线总体呈略有起伏的变化趋势,整体形变稳定
见右侧点12望海路形
变—日期曲线图公园草地 点14绿化草地
点13、点16、点18、点19深圳湾公园草地
点15大运会纪念碑广场除了点18深圳湾公园草地形变曲线为均匀缓慢沉降趋势(见右侧点18形变—日期曲线图)外,其余形变曲线均为总体呈略有起伏的下降趋势,整体形变稳定 注:PS为监测特征点的控制点,VEL为高程。 综上,研究区域处于比较稳定或整体缓慢形变,存在一处集中形变区域,位置在深圳湾公园周边。
3. InSAR技术精度验证
InSAR技术可快速、精确地获得区域垂向形变场,其在城区可获得毫米级地表形变[15]。InSAR形变监测结果能提供时间序列形变量,统计影像获取期内任意两期影像间的形变量,可以充分保障外业水准资料和 InSAR数据获取形变量比对的时空一致性。
将研究区域InSAR形变监测结果与同一地区的蛇口文体中心基坑支护工程变形监测结果对比,结果见表3。
表 3 相同位置不同技术手段成果对比Table 3. Comparison of results of different technical means in the same position项目 蛇口文体中心基坑
支护形变监测项目后海断裂带项目 技术手段 S05级水准仪(134次) InSAR(52期) 对应位置 点7附近
(深圳市育才舒曼艺术学校体育场)点7
(卓越维港名苑)监测时间 2019年2月—2020年4月 累计形变/mm −1.9 −1.6 根据《工程测量标准》(GB50026—2020)[16],对同一目标点采用两种不同的监测手段,相同的监测时段内二者的实际误差为±0.3 mm,小于观测中误差±0.71 mm和最大观测误差±1.41 mm,监测精度满足规范要求。
由此可见,InSAR技术可获取大面积、全天候、高精度和高分辨率的地表三维空间微小变化,在地表形变监测方面显示出传统监测不具备的优越性。
4. 形变原因分析
监测期间,深圳湾公园及周边区域累计形变量较大,因此在该区域选取了5个点(A1—A5)的勘察资料进行分析,位置分布见图4。
4.1 A2中建钢构大厦北侧
中建钢构大厦北侧草地累计形变量为-62.1 mm,平均形变速率为20.4 mm/a,形变—日期曲线见图5。
该大厦勘察资料表明,场地内人工填土(
${\rm{Q}}^{ml} $ )成分主要为翻填淤泥,多呈流—软塑状态,组分不均,堆填时间较短,属软弱土层;第四系全新统海相沉积层(${\rm{Qh}}^m$ )淤泥以及第四系上更新统沼泽相沉积层(${\rm{Qp}}^h$ )淤泥均呈流塑状态,含水量大,孔隙比大,具高压缩性、低强度等特征,属软弱土层,最厚达15 m。场地受断裂构造影响,场地内基岩大部分蚀变严重,局部碎裂岩化特征明显,绿泥石化现象显著。各风化基岩起伏变化较大,块状强风化蚀变粗粒花岗岩顶板标高−41.44~−18.49 m,变化幅度达22.95 m;中风化蚀变粗粒花岗岩顶板标高−48.14~−22.84 m,变化幅度达25.30 m。大厦桩基础采用了旋挖桩,平均桩长30.2m,最深50.6m,观测期间大厦整体形变稳定。而大厦北侧场地有均匀沉降趋势,沉降主要由填土及淤泥引起。
4.2 点A1、A3、A4、A5深圳湾公园内草地
该4点累计形变量为40.9~59.6 mm,平均形变速率为15.29~19.76 mm/a,总体呈均匀沉降趋势。以A5深圳湾人才公园为例,形变—日期曲线见图6。
根据A5深圳湾人才公园勘察资料,钻探深度范围内揭露的地层岩性特征自上而下见表4。
表 4 地层岩性特征Table 4. Formation lithologic characteristics地层岩性 地层岩性特征 第四系人工
填土层液性指数 压缩指数
/MPa−1压缩模量
/MPa0.45 0.5 4.0 主要为素填土,层厚1.2~26.9 m,呈松散~稍密状,物理力学性质不均匀,工程性质较差,承载力较低,在上部较大荷载长期作用下易产生沉降及不均匀沉降 第四系海积
冲积层液性指数 压缩指数
/MPa−1压缩模量
/MPa1.36 1.28 2.0 主要为淤泥软土层,层厚0.3~17.0 m,呈流塑状,含较多腐殖质、贝壳碎屑,承载力极低,灵敏度高 第四系残积层及燕山四期侵入花岗岩 残积的砾质黏性土和全风化花岗岩、强风化花岗岩,粉粒含量高,受水浸湿或浸泡后,易软化变形,强度、承载力骤减 该区域填土层及淤泥质软土层厚,工程性质差,承载力低,易产生不均匀沉降。该区域草地沉降主要由填土及软土沉降引起。
5. 结论
(1)本研究基于长时间序列雷达数据,采用PS-InSAR技术对深圳后海片区进行了高精度连续形变监测与分析。通过与传统监测技术对比,监测精度满足规范要求。PS-InSAR新技术能实现大范围、低成本、高精度、高效率的变形监测需求,体现出传统监测不具备的优越性。
(2)对监测结果进行统计分析,南山后海片区深槽上建(构)筑物的沉降相对稳定,沉降量较大的区域为深圳湾公园草地及其周边区域。研究表明,该区域沉降原因为软土沉降。目前在片区深厚深槽上已有的建筑物桩基础是安全的。
(3)深圳湾公园草地均处于缓慢持续沉降状态,后续需重点关注。
(4)该片区巨厚深槽上在建的红土广场、华润深圳湾住宅等建筑。工程桩超长,建筑物的后期沉降值得持续关注。
(5)深槽区域的浅埋地下燃气、排污管网等管线的变形,本次研究未作深入,此类隐患的影响较大,值得深入关注。
-
表 1 研究区地层岩性
Table 1 Stratigraphic lithology of the study area
系 统 代号 岩性 第四系 全新统 ${\rm{Q} }_4^{ {{2del} } }$ 堆积物,由滑后的黄土、卵砾石及砂泥岩 第四系 上更新统 ${\rm{Q} }_3^{ {{eol} } }$ 灰黄色黄土,以粉粒为主,厚30~50 m 第四系 中更新统 ${\rm{Q} }_2^{ {{al} } }$ 褐红色粉质黏土层,厚3~10 m 第四系 中更新统 ${\rm{Q} }_2^{ {{al} } }$ 粉砂细层、砂卵石层,厚1~10 m 白垩系 下统 ${\rm{K} }_1{ { {hk} } }$ 紫红色-暗红色泥岩、砂质泥岩,厚度>70 m 表 2 模拟计算参数
Table 2 Simulation parameters
参数 $\;\rho$/(kg·m−3) c/kPa ${\varphi }$/(°) $ \mathrm{\lambda } $ g/(m·s−2) 取值 1400 5.5 32° 0.76 9.8 -
[1] 徐新建,林在贯,张茂省. 中国黄土与黄土滑坡[J]. 岩石力学与工程学报,2007,7(26):1297 − 1312. [XU Xinjian,LIN Zaiguan,ZHANG Maosheng. Loess in China and loess landslides[J]. Chinese Journal of Rock Mechanics and Engineering,2007,7(26):1297 − 1312. (in Chinese with English abstract) DOI: 10.3321/j.issn:1000-6915.2007.07.001 [2] 许领,戴福初,邝国麟,等. 黄土滑坡典型工程地质问题分析[J]. 岩土工程学报,2009,31(2):287 − 293. [XU Ling,DAI Fuchu,KUANG Guolin,et al. Analysis of some special engineering-geological problems of loess landslide[J]. Chinese Journal of Geotechnical Engineering,2009,31(2):287 − 293. (in Chinese with English abstract) DOI: 10.3321/j.issn:1000-4548.2009.02.024 [3] LI T, WANG C, LI P. Loess Deposit and Loess Landslide on the Chinese Loess Plateau[C]//Process of Geo-disaster Mitigation Technology in Asia. Berlin, Heidelberg: Springer Berlin Heidelberg, 2013: 235 − 261.
[4] 刘传正. 甘肃永靖黑方台滑坡地质灾害[J]. 中国地质灾害与防治学报,2017,28(2):155. [LIU Chuanzheng. Geological disaster of Heifangtai landslide in Yongjing,Gansu[J]. The Chinese Journal of Geological Hazard and Control,2017,28(2):155. (in Chinese with English abstract) [5] 任晓虎. 基于多指标的甘肃黑方台滑坡早期识别研究[D]. 成都: 成都理工大学, 2020 REN Xiaohu. Research on early identification of Heifangtai loess landslide in Gansu Province based on multiple indexes[D]. Chengdu: Chengdu University of Technology, 2020. (in Chinese with English abstract)
[6] 许领,戴福初,邝国麟,等. 黑方台黄土滑坡类型与发育规律[J]. 山地学报,2008,26(3):364 − 371. [XU Ling,DAI Fuchu,KUANG Guolin,et al. Types and characteristics of loess landslides at Heifangtai loess Plateau,China[J]. Mountain Research,2008,26(3):364 − 371. (in Chinese with English abstract) DOI: 10.3969/j.issn.1008-2786.2008.03.018 [7] 张茂省. 引水灌区黄土地质灾害成因机制与防控技术—以黄河三峡库区甘肃黑方台移民灌区为例[J]. 地质通报,2013,32(6):833 − 839. [ZHANG Maosheng. Formation mechanism as well as prevention and controlling techniques of loess geo-hazards in irrigated areas:A case study of Heifangtai immigration area in the Three Gorges Reservoir of the Yellow River[J]. Geological Bulletin of China,2013,32(6):833 − 839. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-2552.2013.06.002 [8] 张茂省,李同录. 黄土滑坡诱发因素及其形成机理研究[J]. 工程地质学报,2011,19(4):530 − 40. [ZHANG Maosheng,LI Tonglu. Triggering factors and forming mechanism of loess landslides[J]. Journal of Engineering Geology,2011,19(4):530 − 40. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2011.04.014 [9] 王家鼎,惠泱河. 黑方台台缘灌溉水诱发黄土滑坡群的系统分析[J]. 水土保持通报,2001,21(3):10 − 13. [WANG Jiading,HUI Yanghe. Systems analysis on Heifangtai loess landslide in crows induced by irrigated water[J]. Bulletion of Soil and Water Conservation,2001,21(3):10 − 13. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-288X.2001.04.003 [10] 潘攀. 黑方台滑坡机理及防治对策研究[D]. 杭州: 浙江大学, 2017 PAN pan. Study on mechanism and treatment of landslide in Heifangtai[D]. Hangzhou: Zhejiang University, 2017. (in Chinese with English abstract)
[11] 蔺晓燕. 甘肃黑方台灌区黄土滑坡—泥流形成机理研究[D]. 西安: 长安大学, 2013 LIN Xiaoyan. Failure and motion mechanism of a rapid loess flowslide triggered by irrigation in Hei Fangtai platform, Gansu Province[D]. Xi’an: Chang’an University, 2013. (in Chinese with English abstract)
[12] 彭大雷. 黄土滑坡潜在隐患早期识别研究—以甘肃黑方台为例[D]. 成都: 成都理工大学, 2018 PENG Dalei. Study on early recognition for potentially loess landslide: A case study at Heifangtai terrace, Gansu Province, China[D]. Chengdu: Chengdu University of Technology, 2018. (in Chinese with English abstract)
[13] 薛强,张茂省,孙萍萍,等. 基于多期DEM和滑坡强度的滑坡风险评估[J]. 地质通报,2013,32(6):925 − 934. [XUE Qiang,ZHANG Maosheng,SUN Pingping,et al. Landslide risk assessment based on multi-period DEM and activity intensity[J]. Geological Bulletin of China,2013,32(6):925 − 934. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-2552.2013.06.016 [14] 王思源. 黑方台黄土斜坡变形过程数值模拟[D]. 兰州: 兰州大学, 2013 WANG Siyuan. Numerical simulation of loess landslide deformation process in Heifangtai area[D]. Lanzhou: Lanzhou University, 2013. (in Chinese with English abstract)
[15] 胡炜,张茂省,朱立峰,等. 黑方台灌溉渗透型黄土滑坡的运动学模拟研究[J]. 工程地质学报,2012,20(2):183 − 188. [HU wei,ZHANG Maosheng,ZHU Lifeng,et al. Kinematic simulation of irrigation-induced loess landslide in Heifangtai[J]. Journal of Engineering Geology,2012,20(2):183 − 188. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2012.02.005 [16] 贾俊,朱立峰,胡炜. 甘肃黑方台地区灌溉型黄土滑坡形成机理与运动学特征—以焦家崖头13号滑坡为例[J]. 地质通报,2013,32(12):1968 − 1975. [JIA Jun,ZHU Lifeng,HU Wei. The formation mechanism and disaster model of loess landslide induced by irrigation in Heifangtai,Gansu Province:A case study of the 13th landslide in Jiaojiayatou[J]. Geological Bulletin of China,2013,32(12):1968 − 1975. (in Chinese with English abstract) [17] 赵纪飞,候晓坤,李同录,等. 甘肃黑方台焦家滑坡泥流运动过程的模拟[J]. 灾害学,2017,32(3):96 − 100. [ZHAO Jifei,HOU Xiaokun,LI Tonglu,et al. Simulation of motion process for the landslide flow located in Heifangtai Jiaojia,Gansu Province[J]. Journal of Catastrophology,2017,32(3):96 − 100. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2017.03.017 [18] OUYANG C,HE S,XU Q,et al. A MacCormack-TVD finite difference method to simulate the mass flow in mountainous terrain with variable computational domain[J]. Computers & Geosciences,2013,52:1 − 10.
[19] OUYANG C,ZHOU K,XU Q,et al. Dynamic analysis and numerical modeling of the 2015 catastrophic landslide of the construction waste landfill at Guangming,Shenzhen,China[J]. Landslide,2017,14(2):705 − 18. DOI: 10.1007/s10346-016-0764-9
[20] 周琪,许强,周书,等. 基于数值模拟的突发型黄土滑坡运动过程研究—以黑方台陈家8#滑坡为例[J]. 山地学报,2019,37(4):528 − 537. [ZHOU Qi,XU Qiang,ZHOU Shu,et al. Study on movement process of sudden loess landslide based on numerical simulation:Taking Chenjia 8# landslide in Heifangtai as an example[J]. Mountain Research,2019,37(4):528 − 537. (in Chinese with English abstract) [21] 周琪,许强,赵宽耀,等. 基于均匀分布的滑坡数值模拟参数取值概率研究—以甘肃黑方台黄土滑坡为例[J]. 灾害学,2021,36(1):201 − 206,234. [ZHOU Qi,XU Qiang,ZHAO Kuanyao,et al. Parameters probability of landslide numerical model based on uniform distribution:A case study on the Heifangtai terrace[J]. Journal of Catastrophology,2021,36(1):201 − 206,234. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-811X.2021.01.037 [22] 吴玮江,叶伟林,姚正学,等. 甘肃永靖黑方台4·29罗家坡黄土滑坡的特征[J]. 冰川冻土,2016,38(3):;662 − 670. [WU Weijiang,YE Weilin,YAO Zhengxue,et al. Characteristics of Luojiapo loess landslides at Heifangtai,burst on April 29,2015,in Yongjing County,Gansu Province[J]. Journal of Glaciology and Geocryology,2016,38(3):;662 − 670. (in Chinese with English abstract) [23] 许强,彭大雷,亓星,et al. 2015年4.29甘肃黑方台党川2#滑坡基本特征与成因机理研究[J]. 工程地质学报,2016,24(2):167 − 180. [XU Qiang,PENG Dalei,QI Xing,et al. Dangchuan 2# landslide of April 29,2015 in Heifangtai area of Gansu Province:Characteristices and Failure mechanism[J]. Journal of Engineering Geology,2016,24(2):167 − 180. (in Chinese with English abstract) [24] 李同录,李颖喆,赵丹旗,等. 对水致黄土斜坡破坏模式及稳定性分析原则的思考[J]. 中国地质灾害与防治学报,2022,33(2):25 − 32. [LI Tonglu,LI Yingzhe,ZHAO Danqi,et al. Thoughts on modes of loess slope failure triggered by water infiltration and the principals for stability analysis[J]. The Chinese Journal of Geological Hazard and Control,2022,33(2):25 − 32. (in Chinese with English abstract) [25] 朱荣森. 甘肃黑方台黄土滑坡滑带土的物理力学性质研究[D]. 西安: 西北大学, 2019 ZHU Rongsen. Study on physical a. in Gansu Province[D]. Xi’an: Northwest University, 2019. (in Chinese with English abstract)
[26] 朱立峰,胡炜,张茂省,等. 甘肃永靖黑方台地区黄土滑坡土的力学性质[J]. 地质通报,2013,32(6):881 − 886. [ZHU Lifeng,HU Wei,ZHANG Maosheng,et al. An analysis of the soil mechanical properties involved in loess landslides in Heifangtai,Gansu Province[J]. Geological Bulletin of China,2013,32(6):881 − 886. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-2552.2013.06.009 [27] 方汕澳, 许强, 修德皓, 等. 基于斜率模型的突发型黄土滑坡失稳时间预测[J]. 水文地质工程地质,2021,48(4):169 − 179. [FANG Shanao, XU Qiang, XIU Dehao, et al. A study of the predicted instability time of sudden loess landslides based on the SLO model[J]. Hydrogeology & Engineering Geology,2021,48(4):169 − 179. (in Chinese with English abstract) -
期刊类型引用(3)
1. 耿昊,樊新杰,赵宇,王开华,祁凯宁,唐彦超. 基于SBAS技术的露天煤矿地表沉降监测与分析. 建井技术. 2024(02): 34-41 . 百度学术
2. 黄宝华,周利霞,孔祥侨. 基于PS-InSAR的建筑及道路动态沉降安全监测. 山东交通学院学报. 2024(02): 53-59 . 百度学术
3. 何清,魏路,肖永红. 基于SBAS-InSAR技术的安徽亳州市地面沉降时空分布特征与影响因素分析. 中国地质灾害与防治学报. 2023(05): 81-90 . 本站查看
其他类型引用(2)