Thoughts on modes of loess slope failure triggered by water infiltration and the principals for stability analysis
-
摘要: 水对斜坡作用包括地表水流动作用和地表水入渗作用，地表水流动作用,如水库、河流的岸坡破坏，由水动力侵蚀所引起。目前黄土中地表水入渗影响下的斜坡稳定性分析存在一些概念含糊的问题，如忽略了入渗过程的应力路径，只考虑其破坏时的应力状态，这会导致对其破机理和稳定性计算参数取值的误判，文章只针对该类问题进行辨析讨论。黄土中地表水的入渗一般有降雨和灌溉两种，伴随降雨入渗多引起斜坡浅层破坏；灌溉导致地下水位上升则引起深层滑移。地表水入渗对斜坡总应力改变不大，水致斜坡破坏主要是孔隙水压力上升，土体有效应力降低所致。非饱和黄土中的初始孔隙水压力为负值，降雨入渗后的浅层黄土仍处于非饱和状态，孔压最大升到0；灌溉会引起地下水位抬升，潜水位下为正的孔隙水压力。明确了孔压变化过程，就可以用有效强度评价边坡稳定性。同时，目前一些观点认为关于流动性黄土滑坡是静态引起，这颠倒了因果关系，是滑移引起了液化，而不是液化导致的滑移。Abstract: The action on water slope includes surface water flow and surface water infiltration, and surface water flow, such as slope damage of reservoir and river banks, is caused by hydrodynamic erosion. At present, there are some vague concepts in slope stability analysis under the influence of surface water infiltration in loess. For example, ignoring the stress path in the infiltration process and only considering the stress state at the time of its failure will lead to misjudgment of its failure mechanism and the value of stability calculation parameters. This paper aims to analyses and clarify the issues. There are two sources of groundwater in loess, those are rainfall and irrigation. Rainfall infiltration produces shallow slope failure during raining time, while irrigation causes groundwater level rising to trigger deep seated slide. Surface water infiltration can make a remarkable rising of pore water pressure, but minor change of the total stress, and a consequent decreasing of effective stress in the slope, which is the cause of slope failure triggered by water. The initial pore water pressure in unsaturated loess is negative, and the shallow loess after rainfall infiltration is still in unsaturated state, and the pore water pressure rises to 0 at the maximum. Irrigation will cause the groundwater level to rise, and the pore water pressure under the water table will be positive. When the change process of pore water pressure is made clear, the slope stability can be evaluated by effective strength. At the same time, at present, some opinions think that the landslide of flowing loess is caused by static state, which reverses the causality, and it is the slip that causes liquefaction, not the slip caused by liquefaction.
-
Keywords:
- loess slope /
- shallow failure /
- deep seated slide /
- rainfall /
- irrigation
-
0. 引言
近年来，矿区地质灾害愈发严重，其中尾矿坝由于堆放工业废渣及废弃物，具有高势能，存在人造泥石流溃坝危险[1]。矿山环境污染是采矿活动引发的主要环境问题之一，基于尾矿坝严重的安全隐患，世界上很多国家把对尾矿坝的安全监测列为国家劳动部门安全监察的重要内容[2-4]。当险情发生时，由于灾区环境风险，常规的监测手段无法及时获取灾情。无人机同现有的常规手段相比，可以解决灾情勘察人员由于安全隐患无法接近灾区的问题，能够速获取空间要素，具有高精度、高时效、低成本的优势，是一种快速部署、零伤亡的灾情获取技术手段[5-9]。利用无人机遥感监测地面空间要素一直是学者们关注的热点。文献[10]进行了单相机无人机航摄试验，并开发了相应的地面监测软件；文献[11]对辽宁省某市铁矿开采区域进行了无人机动态遥感监测；文献[12]利用无人机摄影测量监测程潮铁矿西部塌陷区的地表塌陷变形。文献[13]利用无人机影像对云南省滇东北地区滑坡的活动性、发生发展过程进行监测，分析山体滑坡体特征。文献[14]以锦屏二级水电站出线场边坡落石灾害所在区域为例，将无人机摄影测量技术应用于高陡边坡危岩体调查中。随着无人机技术应用范围越来越广泛，这为尾库坝监测防灾及精细测量提供一种新思路。
采用无人机技术进行沉陷监测具有非接触性，大面积采集监测数据的优点。获取高精度的成图是无人机监测的保证。本文基于无人机低空摄影测量获取的航摄照片，经POS(Position and Orientation System)数据误差纠正，选取合理的像控点布设方案，利用获取的尾矿坝高分辨率两期DEM(Digital Elevation Model)数据进行尾矿坝沉降变形分析，对0～120 m，Y=0～700 m地表高程主要分析区域的变化情况做剖面分析，精度符合实际要求，为实际工况下无人机低空摄影测量提供参考，具有一定工程应用价值。
1. 无人机低空摄影成图方法
无人机低空摄影测量是对地面监测的一种新型手段。无人机采集地表信息的一般流程有航线规划、布设像控点和提取信息，它通过获取高清晰度航摄影片，获取POS数据，联系地面控制点，利用畸变改正等方法，经过空三解算，获取高精度DEM数据以及高分辨率正射影像[15-16]。无人机低空摄影测量获取的航片需要确定投影坐标以及DEM数据网格间距，精度越高则分辨率越高[17]。基于无人机低空摄影测量的尾矿坝地表沉降主要技术流程如图1所示。
2. 无人机航测影像POS数据系统误差分析
无人机低空摄影测量有一定的系统误差，对数字摄影测量精度造成影响的原因有很多种，但是最重要的是相机的分辨率；相机拍摄时存在的安置误差；原始POS数据系统误差[18]。通过设计合理的航飞方案可以提高影像质量，提高航片的重叠度减少误差，建立误差改正模型纠正原始POS数据系统误差。无人机飞行时的6个外方位元素
$ {X}_{\mathrm{s}} $ ，$ {Y}_{\mathrm{s}} $ ，$ {Z}_{\mathrm{s}} $ ，$ \varPhi $ ，$ \varOmega $ ，$ { K} $ 是由共线方程反算得到，这是摄影测量的一个基本问题[19-20]。共线方程的建立如式（1）：$$\begin{aligned} &{ x-{x}_{0}+\Delta x= } {-f\frac{{a}_{1}\left(X-{X}_{\mathrm{s}}\right)+{b}_{1}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{1}\left(Z-{Z}_{\mathrm{s}}\right)}{{a}_{2}\left(X-{X}_{\mathrm{s}}\right)+{b}_{2}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{2}\left(Z-{Z}_{\mathrm{s}}\right)} }\\ &{y-{y}_{0}+\Delta y= } {-f\frac{{a}_{3}\left(X-{X}_{\mathrm{s}}\right)+{b}_{3}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{3}\left(Z-{Z}_{\mathrm{s}}\right)}{{a}_{2}\left(X-{X}_{\mathrm{s}}\right)+{b}_{2}\left(Y-{Y}_{\mathrm{s}}\right)+{c}_{2}\left(Z-{Z}_{\mathrm{s}}\right)}} \end{aligned} $$ (1) 式中：
$ {x}_{0} $ ，$ {y}_{0} $ ——像主点；$ x $ ，$ y $ ——以像主点为原点的像平面坐标；$ \Delta x $ ，$ \Delta y $ ——相机畸变改正数；$ f $ ——像片主距；$X_{\rm{s}}$ ，$Y_{\rm{s}}$ ，$Z_{\rm{s}}$ ——外方位线元素；$ X $ ，$ Y $ ，$ Z $ ——物点的地面坐标；$ {a}_{1} $ ，$ {a}_{2} $ ，$ {a}_{3} $ ，$ {b}_{1} $ ，$ {b}_{2} $ ，$ {b}_{3} $ ，$ {c}_{1} $ ，$ {c}_{2} $ ，$ {c}_{3} $ ——旋转矩阵的9个元素。通过地面控制点反算获取影像精确的外方位元素，得到POS数据误差的改正参数，建立两种针对单张相片和多张相片的误差改正模型。其中单张相片误差改正公式如式（2）：
$$ \left\{\begin{aligned}&\Delta{X}_{\mathrm{P}i}={X}_{i}-{X}_{\mathrm{P}i},\Delta{Y}_{\mathrm{P}i}={Y}_{i}-{Y}_{\mathrm{P}i}\\ &\Delta{Z}_{\mathrm{P}i}={Z}_{i}-{Z}_{\mathrm{P}i},\Delta{\varPhi }_{\mathrm{P}i}={\varPhi }_{i}-{\varPhi }_{\mathrm{P}i}\\ &\Delta{\varOmega }_{\mathrm{P}i}={\varOmega }_{i}-{\varOmega }_{\mathrm{P}i},{\Delta { K}}_{\mathrm{P}i}={{ K}}_{i}-{{ K}}_{\mathrm{P}i}\end{aligned}\right. $$ (2) 式中：
$ {X}_{\mathrm{P}i} $ ，$ {Y}_{\mathrm{P}i} $ ，$ {Z}_{\mathrm{P}i} $ ，$ {\varPhi }_{\mathrm{P}i} $ ，$ {\varOmega }_{\mathrm{P}i} $ ，$K_{{\rm{P}}i}$ —原始POS数据的外方 位元素；$ {X}_{i} $ ，$ {Y}_{i} $ ，$ {Z}_{i} $ ，$ {\varPhi }_{i} $ ，$ {\varOmega }_{i} $ ，$K_i $ —地面控制点反算获取的外 方位元素；i—表示计算的影像张数，
$i=\mathrm{1,2,}\cdots ,n$ ；$ \Delta {X}_{\mathrm{P}i} $ ，$ \Delta {Y}_{\mathrm{P}i} $ ，$ \Delta {Z}_{\mathrm{P}i} $ ，$ \Delta {\varPhi }_{\mathrm{P}i} $ ，$ \Delta {\varOmega }_{\mathrm{P}i} $ ，$ {\Delta { K}}_{\mathrm{P}i} $ —表示第i张影 像外方位元素 的改正值。如果选取多张相片进行误差改正，则误差取平均值计算多张相片误差改正公式如式（3）：
$$ \left\{\begin{aligned} &\Delta {X}_{\mathrm{P}}=\sum _{i=1}^{n}{\Delta X}_{\mathrm{P}i}/n,\Delta {Y}_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {Y}_{\mathrm{P}i}/n\\ &\Delta {Z}_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {Z}_{\mathrm{P}i}/n,\Delta {\varPhi }_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {\varPhi }_{\mathrm{P}i}/n\\ &\Delta {\varOmega }_{\mathrm{P}}=\sum _{i=1}^{n}\Delta {\varOmega }_{\mathrm{P}i}/n,\Delta {{ K}}_{\mathrm{P}}=\sum _{i=1}^{n}{\Delta { K}}_{\mathrm{P}i}/n\end{aligned}\right. $$ (3) 通过改正模型纠正原始POS数据误差如表1所示。
表 1 外方位元素的改正值和误差来源Table 1. Correction values and error sources of elements with external orientation外方位元素 改正值 改正误差 $ {X}_{i} $ 奇数行带$ \Delta {X}_{\mathrm{P}} $ 相反性误差
偏移误差偶数行带$ -\Delta {X}_{\mathrm{P}} $ $ {Y}_{i} $ 奇数行带$ \Delta {Y}_{\mathrm{P}} $ 相反性误差
偏移误差偶数行带$ -\Delta {Y}_{\mathrm{P}} $ $ {Z}_{i} $ $ \Delta {Z}_{\mathrm{P}} $ 偏移误差 $ {\varPhi }_{i} $ $ \Delta {\varPhi }_{\mathrm{P}} $ 视准轴误差 $ {\varOmega }_{i} $ $ \Delta {\varOmega }_{\mathrm{P}} $ $ {{ K}}_{i} $ $ \Delta {{ K}}_{\mathrm{P}} $ 3. 实验区概况与控制点布置方案
3.1 实验区概况
本次实验区深处亚欧大陆腹地，地形地貌复杂，气候干旱少雨，绿洲生态维持主要依赖高山雨雪形成的河流。尾矿坝较多，属典型的山谷型尾矿库。其中研究区尾矿坝具有高势能的人造泥石流危险源，一旦溃坝容易造成特大事故和河流污染，对矿区的安全及其它方面也会产生一定影响。尾矿坝位于图2所示的研究范围内，尾矿坝用于存放工业废渣，而且在进行数据采集之前就已经出现过部分边坡的滑落。因此需要对尾矿坝进行无人机摄影测量监测，通过数据分析判断边坡是否再次出现滑坡灾害，以确保矿区地质安全[21-22]。
3.2 控制点布置方案
为获取实验区无人机影像，设计合理的飞行方案，分别在2018年8月2日及2019年8月5日采用固定翼和多旋翼无人机对实验区进行航拍，获取两期原始航片数据。为了保证生成具有高精度的DEM，飞行前在地面做好控制点并记录其大地坐标，将控制点清晰记录在影像上。无人机飞行参数设置相对航高为95 m，航向重叠度为85%，旁向重叠度为80%。在完成航摄后，应对照片进行质量检查，主要包括：照片的清晰度和重叠度，有没有航摄漏洞，航摄区域与需要观测区域的覆盖情况。如果在检查时发现有些照片不符合要求，进行补飞，以免影响后续处理的精度[23]。
控制点的选取和布设可以保证低空摄影测量的精度。做空中三角测量需要布设的地面控制点和检查点进行区域网平差[24]。采用高精度水准仪按照一等测量规范在实验区域架设仪器获取两期尾矿坝区域控制点高程数据，高精度全站仪获取控制点点位数据。实验区主要为尾矿坝区域，矿区两侧有山路环绕，便于行走及架设仪器。因此以尾矿坝为主要区域，然后沿矿区两侧山路在路边进行布设控制点。
针对控制点数量对成图的精度影响问题，在第一次航拍前实验选取最佳控制点数量提高成图精度。参考“均匀布设原则”，按照控制点依次增加2个，最后累加到14个的7种控制点布设方案。建模时，把用全站仪及水准仪测量的对应控制点坐标及高程输入到软件中，并且把纠正过的POS数据输入到Pix4Dmapper软件中，建立对应的三维立体模型。对生成的模型进行分析，读取不同控制点布设方案下各控制点的坐标，比较平面及高程精度。经过处理的7种控制点布设方案的数据误差如图3所示。
由图3可以看出，随着控制点数量的增加，数据精度也在逐渐增加，数量到达8个之后，精度逐渐降低并趋于稳定，所以此次尾矿坝控制点数量选取为8个，数据精度达到最高。
将原始外方位元素代入控制点坐标进行反算，利用Matlab软件设计系统误差改正模型计算出POS数据改正参数，然后对原始POS数据进行改正。选取第一期部分影像原始POS数据与纠正后POS数据对比如表2所示。
表 2 原始POS数据与纠正后POS数据对比Table 2. Comparison of original POS data and corrected POS dataID $ |\Delta X| $
/m$|\Delta Y|$
/m$ |\Delta Z| $/m $|\Delta {\varPhi }_{\mathrm{P} }|$
/（°）$ |\Delta {\varOmega }_{\mathrm{P}}| $/（°） $ |\Delta {{ K}}_{\mathrm{P}}| $/（°） D35 0.013 0.046 0.093 0.18 0.13 0.87 D36 0.056 0.099 0.034 0.20 0.43 0.50 D42 0.074 0.060 0.089 0.47 0.59 0.61 D43 0.025 0.054 0.051 0.78 0.78 0.84 D92 0.076 0.012 0.060 0.14 0.11 0.26 D93 0.047 0.083 0.081 0.28 0.25 0.55 由表2可以看出改正的外方位元素精度得到提高，生成的正射影像及DEM数据相对提高。此次获得的原始POS数据精度较高，经区域网平差后，线元素误差在0.1 m以内，角元素误差在1 °以内，但还是满足不了沉降观测高精度的要求，所以需要纠正POS数据提高精度。用Pix4Dmapper软件进行后续处理生成正射影像与DEM数据，投影坐标系为WGS84-UTM44N坐标系，第一期POS数据纠正前正射影像与纠正后正射影像对比如图4所示。两期控制点与DEM坐标点位误差如图5所示。
![]()
图 4 第一期POS数据纠正前正射影像与纠正后正射影像对比Figure 4. Contrast of orthophoto before and after correction of POS data in the first phase通过图4可知用纠正后POS数据生成第一期正射影像的定位精度高于原始POS数据。由于目前的无人机没有搭载后差分POS数据处理系统，因此要纠正POS数据进行影像定位，提高定位精度。由图5可知两期地面控制点和生成DEM数据的对应监测点坐标的差值在毫米级别，控制点的误差基本控制在3 mm之内，说明其生成的坐标精度可靠,可以用于接下来的尾矿坝地表沉陷分析。
![]()
图 5 两期控制点与DEM坐标点位误差Figure 5. Error between control points in two phases and DEM coordinates4. 尾矿坝地表沉陷特征
对本次研究区域进行位移沉降分析，首先需要得到DEM数据的坐标信息，生成的2018年8月2日及2019年8月5日DEM数据整体差值如图6所示。根据Pix4Dmapper软件生成的三维尾矿坝图如图7所示。
将尾矿坝两期DEM数据整体差值覆于数字模型表面上，经过ArcGIS平台的技术处理[25]，得到尾矿坝整体沉降图如图8所示。
对于尾矿坝整体的主要分析区域为0～120 m，Y=0～700 m地表高程的变化情况。为了分析研究区域地表塌陷区的沉降情况，对两期实验所得到的模型区域内，分别在Y=350 m、Y=100 m和X=60 m剖面线上，提取相应点的高程差值，分析其高程在三次监测情况下的变化，如图9、10、11所示。
由图8可知，尾矿坝整体出现了沉降，尾矿坝两侧山坡西坡受尾矿坝沉降及西南暖湿气流的影响，在南北或偏南北走向山脉的西坡和西南坡形成大量降水，出现沉降现象。由X=60 m剖面可知尾矿坝南坡沉降范围最大。由于尾矿坝内部存在矿区工业废水，经过一年的废水流失，以及该实验区降水量大，受日照及降雨影响，尾矿坝的地质发生了解构现象，导致了整体沉降。南部尾矿坝下坡是尾矿坝的坡顶区域，坡度大，降雨量受面广，受沉降位移的影响较为明显，加快了地表塌陷区的沉降。尾矿坝北部因为坡度小，受降雨及日照影响小，所以沉降范围小于南部。对于剖面Y=500 m，根据剖面线上各点高程的变化情况可知，此剖面线上沉降位移为0.08 m左右。分析其原因，主要是因为此剖面所处区域比较平坦，属于尾矿坝中部地区，沉降比较稳定。对于剖面Y=100 m，尾矿坝下坡沉降范围在0.16 m之内。
综上所述，当前利用无人机低空摄影测量技术为监测地表沉降提供了新的方法，比传统监测方式更加便捷。与传统监测相比，低空摄影测量技术能够从多角度进行影像采集，能够充分地获取监测区域的地形地物信息。
5. 结论
文章基于无人机低空航摄技术获取实验区数据，并进行数据处理，利用高精度成图方法，得到实验区尾矿坝地表沉陷图。实验结果表明：
（1）通过改正原始POS数据误差，是可以提高无人机摄影测量成图精度的，这为无人机在精细测量方向上有更多的研究潜力。无人机成图精度并不是随着像控点数量的增加而增加，要根据实际情况做出决策。
（2）经过实际工程的应用，利用无人机监测尾矿坝地表沉陷的高精度成图方法获得的精度是可靠的，可以达到毫米级，这对现有监测手段是一种有效的补充。
（3）尾库坝安全监测一直是矿区安全生产的重要保证。由于光照、温度、雨量、风速和土壤质地等因子的综合作用，尾矿坝发生沉降，尾矿坝北部因为坡度小，受降雨及日照影响小，所以沉降范围小于南部。通过无人机低空摄影测量监测，对矿区安全生产起到一定的预警作用。需要指出的是，本次试验研究的是植被覆盖较少的尾矿坝区域，沉降变形主要靠人工识别和分析，下一步的研究工作将针对植被覆盖广的区域以及对矿区地质灾害信息进行自动识别和统计分析。
-
![]()
图 1 人工直立边坡由于坡脚毛细水上升引起的崩塌
Figure 1. Collapses cased by capillary rising at the foot of vertical cutting slopes
![]()
图 4 G211国道K504+670 m—K504+780 m处的浅层滑坡
Figure 4. The shallow slide occurring on the highway G211 K504+670 m—K504+780 m
![]()
图 5 CSD试验应力路径q、轴应变ɛ a-平均有效应力p′ 曲线
Figure 5. Stress path of constant shear drained(CSD) tests、ɛa- p′ curves
![]()
图 6 黄土高原深层滑坡与降雨月对应关系（1983—2020年）
Figure 6. The number of deep-seated landslide and the precipitation monthly on the Chinese loess plateau（1983—2020）
![]()
图 7 一级阶地滑床饱和砂卵石层液化（泾阳南塬北坡形成的滑坡群）
Figure 7. Liquefaction occurring in the saturated sands and pebbles of the first terrace of the sliding path（Landslide group on the north side of the South Jingyang loess highland）
-
[1] 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 − 540. [ZHANG Maosheng, LI Tonglu. Triggering factors and forming mechanism of loess landslides[J]. Journal of Engineering Geology,2011,19(4):530 − 540. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2011.04.014 [2] WANG G L, LI T L, XING X L, et al. Research on loess flow-slides induced by rainfall in July 2013 in Yan’an, NW China[J]. Environmental Earth Sciences,2015,73(12):7933 − 7944. DOI: 10.1007/s12665-014-3951-9
[3] 习羽, 李同录, 邢鲜丽. 灌渠渗漏诱发的黄土滑坡泥流触发机理分析[J]. 地球科学与环境学报,2017,39(1):135 − 142. [XI Yu, LI Tonglu, XING Xianli. Analysis of the triggering mechanism of a loess flowslide induced by water canal leakage[J]. Journal of Earth Sciences and Environment,2017,39(1):135 − 142. (in Chinese with English abstract) DOI: 10.3969/j.issn.1672-6561.2017.01.011 [4] TU X B, KWONG A K L, DAI F C, et al. Field monitoring of rainfall infiltration in a loess slope and analysis of failure mechanism of rainfall-induced landslides[J]. Engineering Geology, 2009, 105(1/2): 134-150.
[5] XU L, DAI F C, THAM L G, et al. Field testing of irrigation effects on the stability of a cliff edge in loess, North-west China[J]. Engineering Geology,2011,120(1/2/3/4):10 − 17.
[6] 邢鲜丽, 李同录, 李萍, 等. 黄土抗剪强度与含水率的变化规律[J]. 水文地质工程地质,2014,41(3):53 − 59. [XING Xianli, LI Tonglu, LI Ping, et al. Variation regularities of loess shear strength with the moisture content[J]. Hydrogeology & Engineering Geology,2014,41(3):53 − 59. (in Chinese with English abstract) [7] 李同录, 习羽, 侯晓坤. 水致黄土深层滑坡灾变机理[J]. 工程地质学报, 2018, 26(5): 1113-1120 LI Tonglu, XI Yu, HOU Xiaokun. Mechanism of surface water infiltration induced deep loess landslide[J]. Journal of Engineering Geology, 2018, 26(5): 1113-1120. (in Chinese with English abstract)]
[8] 李萍, 李同录, 侯晓坤, 等. 黄土中毛细上升速率的现场测试[J]. 河海大学学报(自然科学版), 2014, 42(6): 503-507 LI Ping, LI Tonglu, HOU Xiaokun, et al. Field experiment on rate of capillary rise in loess[J]. Journal of Hohai University (Natural Sciences), 2014, 42(6): 503-507. (in Chinese with English abstract)]
[9] 李宝平, 杨倩, 张玉, 平高权, 等. 初始固结应力对平面应变黄土剪切破坏特性影响[J]. 水文地质工程地质,2020,47(5):92 − 99. [ LI Baoping, YANG Qian, ZHANG Yu, PING Gaoquan, et al. Effect of initial solidification stress on shear failure characteristics of loess under the plane strain condition[J]. Hydrogeology & Engineering Geology,2020,47(5):92 − 99. (in Chinese with English abstract) [10] 强菲, 李萍, 李同录. 黄土完全软化强度与残余强度的对比试验研究[J]. 工程地质学报,2014,22(5):832 − 838. [QIANG Fei, LI Ping, LI Tonglu. Comparative test study between fully softened and residual strengths of loess[J]. Journal of Engineering Geology,2014,22(5):832 − 838. (in Chinese with English abstract) [11] VANAPALLI S K, FREDLUND D G, PUFAHL D E, et al. Model for the prediction of shear strength with respect to soil suction[J]. Canadian Geotechnical Journal,1996,33(3):379 − 392. DOI: 10.1139/t96-060
[12] 吴宏伟. 大气–植被–土体相互作用: 理论与机理[J]. 岩土工程学报,2017,39(1):1 − 47. [WU Hongwei. Atmosphere-plant-soil interactions: Theories and mechanisms[J]. Chinese Journal of Geotechnical Engineering,2017,39(1):1 − 47. (in Chinese with English abstract) [13] 徐则民, 黄润秋, 唐正光, 等. 植被护坡的局限性及其对深层滑坡孕育的贡献[J]. 岩石力学与工程学报,2005,24(3):438 − 450. [XU Zemin, HUANG Runqiu, TANG Zhengguang, et al. Limitations of biotechnical slope protection and contribution of vegetation to deep seated landslide preparation[J]. Chinese Journal of Rock Mechanics and Engineering,2005,24(3):438 − 450. (in Chinese with English abstract) [14] 孙长忠, 黄宝龙, 陈海滨, 等. 黄土高原人工植被与其水分环境相互作用关系研究[J]. 北京林业大学学报,1998,20(3):10 − 17. [SUN Changzhong, HUANG Baolong, CHEN Haibin, et al. Study on the interaction between artificial vegetation and its water environment in the Loess Plateau[J]. Journal of Beijing Forestry University,1998,20(3):10 − 17. (in Chinese with English abstract) [15] 韩勇, 郑粉莉, 徐锡蒙, 等. 子午岭林区浅层滑坡侵蚀与植被的关系—以富县“7·21”特大暴雨为例[J]. 生态学报,2016,36(15):4635 − 4643. [HAN Yong, ZHENG Fenli, XU Ximeng, et al. Relationship between shallow landslide erosion and vegetation in the Ziwuling forest area: A case study of the "7·21" disaster in Fuxian County[J]. Acta Ecologica Sinica,2016,36(15):4635 − 4643. (in Chinese with English abstract) [16] 许领, 戴福初, 闵弘, 等. 泾阳南塬黄土滑坡类型与发育特征[J]. 地球科学(中国地质大学学报),2010,35(1):155 − 160. [XU Ling, DAI Fuchu, MIN Hong, et al. Loess landslide types and topographic features at south Jingyang plateau, China[J]. Earth Science-Journal of China University of Geosciences,2010,35(1):155 − 160. (in Chinese with English abstract) DOI: 10.3799/dqkx.2010.016 [17] 程秀娟, 张茂省, 朱立峰, 等. 季节性冻融作用及其对斜坡土体强度的影响-以甘肃永靖黑方台地区为例[J]. 地质通报,2013,32(6):904 − 909. [CHENG Xiujuan, ZHANG Maosheng, ZHU Lifeng, et al. Seasonal freeze-thaw action and its effect on the slope soil strengthin Heifangtai area Gansu Province[J]. Geological Bulletin of China,2013,32(6):904 − 909. (in Chinese with English abstract) DOI: 10.3969/j.issn.1671-2552.2013.06.013 [18] 亓星, 许强, 李斌, 等. 甘肃黑方台黄土滑坡地表水入渗机制初步研究[J]. 工程地质学报,2016,24(3):418 − 424. [QI Xing, XU Qiang, LI Bin, et al. Preliminary study on mechanism of surface water infiltration at Heifangtai loess landslides in Gansu[J]. Journal of Engineering Geology,2016,24(3):418 − 424. (in Chinese with English abstract) [19] 金艳丽, 戴福初. 地下水位上升下黄土斜坡稳定性分析[J]. 工程地质学报,2007,15(5):599 − 606. [JIN Yanli, DAI Fuchu. Analysis of loess slope stability due to groundwater rise[J]. Journal of Engineering Geology,2007,15(5):599 − 606. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2007.05.004 [20] 张常亮, 李萍, 李同录, 等. 黄土中降雨入渗规律的现场监测研究[J]. 水利学报,2014,45(6):728 − 734. [ZHANG Changliang, LI Ping, LI Tonglu, et al. In-situ observation on rainfall infiltration in loess[J]. Journal of Hydraulic Engineering,2014,45(6):728 − 734. (in Chinese with English abstract) [21] ZHANG C l, LI T L, LI P. Rainfall infiltration in Chinese loess by in situ observation［J］. Journal of Hydrologic Engineering, 2014, 19（9）: 06014002.
[22] 李萍, 李同录, 付昱凯, 等. 非饱和黄土中降雨入渗规律的现场监测研究[J]. 中南大学学报(自然科学版),2014,45(10):3551 − 3560. [LI Ping, LI Tonglu, FU Yukai, et al. In-situ observation on regularities of rainfall infiltration in loess[J]. Journal of Central South University (Science and Technology),2014,45(10):3551 − 3560. (in Chinese with English abstract) [23] ZHANG Y G, LI T L, SHEN W, et al. Hydraulic model of transition of transient to steady flows in the vadose zone[J]. Journal of Hydrologic Engineering,2019,24(12):04019052. DOI: 10.1061/(ASCE)HE.1943-5584.0001843
[24] 金艳丽, 戴福初. 饱和黄土的静态液化特性试验研究[J]. 岩土力学,2008,29(12):3293 − 3298. [JIN Yanli, DAI Fuchu. Experimental investigation of static liquefaction of saturated loess[J]. Rock and Soil Mechanics,2008,29(12):3293 − 3298. (in Chinese with English abstract) DOI: 10.3969/j.issn.1000-7598.2008.12.021 [25] 张一希, 许强, 刘方洲, 等. 不同地区饱和原状黄土静态液化特性试验研究[J]. 地质科技情报,2018,37(5):229 − 233. [ZHANG Yixi, XU Qiang, LIU Fangzhou, et al. Experimental investigation of static liquefaction of undisturbed saturated loess in different regions[J]. Geological Science and Technology Information,2018,37(5):229 − 233. (in Chinese with English abstract) [26] SASSA K. Geotechnical model for the motion of slides[C]. Proceedings of 5th International Symposium on landslides, 1988, I: 37 − 56.
-
期刊类型引用(7)
1. 许春萌，段勇. 多旋翼无人机航测在山区水库测量中的应用. 水利科技与经济. 2024(05): 101-105 . 
百度学术
2. 孟庆胤，王浩宇，聂明哲，余小军，陈荣健，傅金阳. 尾矿库坝面安全隐患智能巡检机器人研发及应用. 矿业研究与开发. 2024(07): 230-238 . 百度学术
3. 胡东升，程小凯，张雅飞，李涛，廉旭刚. 空天地一体化监测联合反演开采沉陷概率积分预计参数研究. 煤炭工程. 2023(01): 81-86 . 百度学术
4. 刘鹏 ，王亮 ，贾旭斌 . 基于无人机影像的高精度滑坡体边界识别研究. 工程勘察. 2023(06): 61-65+72 . 百度学术
5. 龚弦，马源，何学志，张丽娇，王卫. 无人机遥感技术在矿山地质调查中的研究进展. 中国非金属矿工业导刊. 2023(03): 64-67+71 . 百度学术
6. 曾文浩，宁迪，刘国伟. 基于遥感技术的矿山地质环境监测实践. 中国资源综合利用. 2023(07): 132-139 . 百度学术
7. 周小龙，贾强，石鹏卿，何斌，郭富赟，胡文博，李攀龙. 免像控无人机航测技术在舟曲县立节北山滑坡-泥石流灾害应急处置中的应用. 中国地质灾害与防治学报. 2022(01): 107-116 . 本站查看
其他类型引用(4)
下载:
计量
- 文章访问数: 300
- HTML全文浏览量: 164
- PDF下载量: 430
- 被引次数: 11
邮件订阅
RSS