Distribution characteristics and causes of land subsidence in Nansha District, Guangzhou
-
摘要: 广州南沙区地面沉降已经影响到城市发展和人民生命财产安全，为了制定科学有效的措施防止地面沉降进一步发展，文中基于InSAR监测数据和水准监测数据，总结分析了地面沉降分布特征，地表形变多为小范围的、局部地区的剧烈沉降。在此基础上，针对6个沉降严重区域，采用机理模型定量估算了各因素引起的地面沉降量及所占比重，得可压缩土层引起的沉降量为34.43～96.97 mm/a，所占比重在37.07%～75.67%，地下水水位和地面荷载的最大影响比重分别为26.28%和52.40%。并且通过研究分析地面沉降主要因素及影响程度，为科学防治该地区地面沉降提供科学依据。Abstract: Land subsidence in Nansha District has affected urban development and the safety of people’s lives and properties. In order to formulate scientific and effective measures to prevent the further development of land subsidence, this paper summarizes and analyzes the distribution characteristics of land subsidence based on InSAR monitoring data and level monitoring data, the surface deformation is mostly severe settlement in a small and local area. On this basis, for 6 areas with subsidence. The mechanism model is used to quantitatively estimate the amount of land subsidence caused by each factor and its proportion. The subsidence caused by the compressible soil layer was 34.43−96.97 mm/a, the proportion is between 37.07% and 75.67%, and the largest influence proportions of groundwater level and ground load are 26.28% and 52.40%. And through research and analysis of the main factors and impact of land subsidence, this paper provide a scientific basis for scientific prevention and control of land subsidence in this area.
-
Keywords:
- Nansha District /
- land subsidence /
- PS-InSAR /
- groundwater exploitation /
- building load
-
0. 引 言
广东省是我国地质灾害多发省份之一，地质灾害类型以滑坡、崩塌和泥石流为主，具有点多、分布广、规模较小、危害性大等特点。降雨是诱发广东省地质灾害的主要因素。 2004年起，广东省就开展了汛期地质灾害气象风险预警工作，并取得了较好的防灾减灾效果。受地质灾害基础调查精度和气象数据共享程度等多因素影响，目前广东省地质灾害气象风险预警工作只开展到地市级，预警精度为乡镇。随着广东乡镇（街道）1∶1万地质灾害调查工作的实施，开展了以斜坡为单元的地质灾害风险调查评价，并控制性地布设测绘、钻探和岩土样测试等勘查测绘工作，划定风险区，构建了行政村风险管控网格。大量翔实的调查、勘查测绘数据进一步揭示斜坡类地质灾害的成灾机理，证实了广东省暴雨型滑坡主要发生在斜坡的浅表层这一显著特点，为以斜坡为单元构建预警模型开展地质灾害气象风险预警奠定了基础，同时精准的预警又是实施以风险斜坡为单元的行政村级风险管控的前提条件。因此，聚焦斜坡浅表层开展强降雨作用下坡面尺度的斜坡失稳动力预警模型研究，具有重要的理论和实践意义。
按照基于降雨因素的地质灾害区域预警理论，可将区域地质灾害气象风险预警为隐式统计预警、显式统计预警和动力预警三种类型[1 − 3]。隐式统计预警是把除降雨以外的其他地质环境因素的作用隐含在降雨中, 重点利用降雨参数建立模型的预警方法。显式统计预警是通过把地质环境因素变化与激发因素相迭，建立相互耦合判据模型的预警方法。隐式统计预警和隐式统计预警主要是运用数理统计分析的方法建模。动力预警是一种针对地质体因降雨影响自身发生动力变化过程构建数学物理判据方程的预警方法, 本质上是一种解析预警方法。三种预警模型与工作区地质灾害基础调查评价工作精度、灾害机理研究程度密切相关，是针对不同程度地质灾害调查研究成果转化应用发展的体现。目前在区域地质灾害气象风险预警中使用比较广泛的预警方法主要以显式统计预警为主，而动力学预警由于斜坡失稳条件、降雨对滑坡作用机理的复杂性，以及模型参数的不确定性，仍处于研究阶段[4]。本研究在广东省1∶5万地质灾害风险调查、乡镇（街道）1∶1万地质灾害风险调查评价、前期地质灾害气象风险预警等一系列工作成果的基础上，以风险管控斜坡为单元进行概化分类及几何模型建立，进一步构建降雨量为因、斜坡稳定性为果的动力预警模型，分析不同降雨变量条件下斜坡的稳定系数，实现坡面尺度级斜坡失稳风险预警，探索适应以斜坡单元预警为主要方式的县级地质灾害气象风险预警技术。
1. 广东省地质灾害特点
据统计，2003—2022年20年间广东省共发生各类突发性斜坡类地质灾害5597起，死亡 759 人（含失踪），受伤200 人，直接经济损失约30.4亿元。灾害类型主要以崩塌、滑坡、泥石流为主，具有点多面广、危害严重、灾害规模以中小型为主、群发性强等特点[5]。灾害主要集中分布在粤东、粤西和粤北等广大中低山区、丘陵区以及人类工程活动强烈的珠三角局部地区[3]，地质灾害空间分布上有明显的地域性；与不同地区地层岩性、地质构造、地形地貌、残坡积层岩土体类型以及人类工程活动等因素关系密切；同时地质灾害的发生时间具有明显的季节性，据有明确发生时间的4773处地质灾害统计，其中有4456处发生在4—9月的汛期雨季，占93%，特别是5月、6月“龙舟水”和8月台风强降雨期间，10月至次年3月发生地质灾害的频率较小。强降雨引发的地质灾害与月均降雨量呈明显正相关关系，当月均降雨量大于100 mm时，地质灾害发生数量呈明显增多[6]（图1）；地质灾害相对强降雨滞后时间短或与强降雨同步发生，具有群发性；群发性地质灾害主要以发育于第四系全新统残坡积层的浅层小型破坏为主，发育厚度范围为1～3 m，一般情况下崩滑体厚度均小于5 m，主要发生于坡度为35°～45°，坡高为30～60 m的凸形自然边坡。
![]()
图 1 广东省地质灾害与月均降雨量关系图Figure 1. Relationship chart between geo-hazards and average monthly rainfall in Guangdong Province2. 坡面尺度下区域动力学预警技术研究
2.1 斜坡类地质灾害成灾机理研究
广东省群发性地质灾害主要发生在岩土体的浅表层，在残坡积层形成易破坏层。不同母岩风化后形成的岩土体的矿物成分、结构构造、物理力学性质和工程性质差异性很大。为进一步探究广东省地质灾害成灾机理，为坡面尺度下区域动力学预警技术应用提供理论和数据支撑，本研究通过典型地质灾害物理模拟试验和地质灾害数值模拟构建了不同类型坡面单元的斜坡稳定评价物理模型、数值分析模型以及连续介质动力模型，揭示了强降雨过程斜坡体水力特征、破坏模式和变形特征。
2.1.1 典型地质灾害物理模拟试验
（1）模型试验总体思路
基于典型滑坡灾害调查勘查成果资料，采用物理模拟试验研究边坡在强降雨条件下的失稳模式和变形破坏特征，分析边坡失稳机理。模型试验以实际边坡原型为研究对象，采用1∶50比例，在坡内埋置监测传感器，通过自然工况下的模拟人工强降雨试验，探究强降雨条件下广东省典型滑坡失稳破坏机理。
（2）模型试验系统组成
试验系统与设备主要由模型箱、降雨模拟系统、数据监测系统和高清摄像机四个部分组成（图2）。通过试验模型箱、模拟降雨系统的组合，并配合土压力计等传感器的数据采集系统与数字影像实时监测系统形成一套降雨诱发型滑坡模拟的试验设备；试验的传感器有土压力传感器、水分仪和孔隙水压力传感器。传感器的布置，需要保证传感器不破坏边坡模型的整体完整；在降雨试验对模型边界的处理中，模型边坡除了具有应力边界外，还具有水力边界，即将边坡的上表面视为降雨入渗边界，边坡前缘作为自由边界，边坡底部及背部可近似地看作隔水边界。
（3）模型试验及结果
试验模拟50 mm/h降雨，持续160 min后边坡完全破坏。通过进行强降雨条件下物理模型试验，获得了滑坡模型各观测点的土壤含水率、孔隙水压力、土压力的变化过程曲线，并记录了不同时间模型变形及破坏的信息（图3）。
通过滑坡模型试验水力特征变化曲线（图4）可以看到：土壤体积含水率随时间变化曲线规律为快速上升-缓慢上升-快速上升-平稳趋于饱和，从坡脚到坡顶依次达到平稳饱和；孔隙水压随时间变化规律为孔隙水压力先逐渐增加，当测点处发生失稳破坏时孔隙水压消散，产生突降；土压力随时间变化规律为前期上升或下降，在测点处破坏时，土压力值突降。
通过物理模型试验，揭示边坡在强降雨条件下坡面土体在一定深度范围内由坡脚至坡顶逐步产生主动土压破坏，塑性区向上游扩展，影响因素主要有降雨量、降雨历时、土体类别和坡体结构等因素。
2.1.2 典型地质灾害数值模拟及结果
基于以上地质灾害物理模拟研究结果，选择18处典型灾害点，结合地质灾害现场调查、工程地质测绘、勘察及土工试验成果，提取各灾害点原始坡体的坡长、坡度、岩土分层几何参数，选取相关物理力学参数，如：容重、弹性模量、泊松比、黏聚力和内摩擦角等（表1），利用Midas GTS /NX 软件分别构建二维、三维数值模型，分析降雨前后边坡体稳定系数变化情况斜坡应力云图、应变增量场变化情况（表2），对地质灾害及灾害链在暴雨下的动态演化机制进行研究，对其成灾机理进行解析，为降雨入渗的斜坡稳定性评价模型优化提供依据。研究发现，降雨前各斜坡稳定系数绝大多数在1.2以上，相对比较稳定，降雨后，各斜坡稳定系数均发生大幅下降，多数在1.0以下，处于失稳状态；暴雨条件下受降雨入渗影响，斜坡应力集中带向前扩展比较明显，应变场增量沿坡体上部增量明显，说明斜坡岩土体容易在浅表层首先造成失稳，与灾害事实相符。
表 1 天然及暴雨状态下斜坡岩土体计算参数Table 1. Calculation parameters of rock and soil mass of the slope under natural and rainstorm conditions名称 弹性模量
/MPa孔隙比 天然状态 饱水状态 γ/（kN·m−3） c/kPa ϕ/（°） γsat/（kN·m−3） c/kPa ϕ/（°） 砂质黏性土①-1 8.0 0.99 18.0 19.1 18.0 18.5 18.1 17.0 砂质黏性土①-2 8.5 0.88 18.1 20.2 19.2 18.7 19.3 18.3 砂质黏性土①-3 9.2 0.83 19.1 28.3 22.5 19.6 26.2 21.1 全风化花岗岩 50.0 0.71 21.0 38.0 35.0 21.5 − − 中风化花岗岩 100.0 0.65 22.0 50.0 45.0 22.5 − − 表 2 河源市龙川县地质灾害数值模拟（部分示例）Table 2. Numerical simulation of geo-hazards in Longchuan County, Heyuan City (some examples)灾害体特征 二/三维数值模拟 稳定系数 
1.25
（自然状态）1.01
（饱和状态）
1.22
（自然状态）0.80
（饱和状态）2.2 基于降雨入渗的斜坡稳定性评价模型优化
以上基于降雨入渗导致斜坡体失稳发生机理建立的物理模型试验和数值模型模拟结果证明以往研究认为的降雨引起的斜坡失稳大部分发生在极限入渗深度范围的浅层土质中[7 − 9]结论相吻合。因此，基于降雨入渗对斜坡单元构建以降雨为因、稳定性为果的预测评价具有可行性。本文聚焦斜坡残坡积层，以斜坡为单元，将Green-Ampt降雨入渗模型和无限边坡稳定性评价方法相结合，进行优化构建了相应的斜坡稳定性评价模型[10 − 11]。
袁畅等[12]结合广东的特点进一步分析总结认为：斜坡残坡积层在不同的降雨强度、降雨历时条件下，具有不同的湿润深度Zw，降雨入渗过程存在入渗极限深度Zw，深度与相对雨强和降雨历时具有较好的函数关系。
湿润深度：
$$ {Z}_{{\mathrm{w}}}=(0.13\eta +0.03){t}^{-0.03\eta +0.78} $$ (1) 式中：Zw——湿润锋深度/cm；
$ t $ ——降雨历时/min；$ \eta $ ——相对雨强。本文选取粤东地区花岗岩残积土边坡数值模型进行不同降雨强度条件下湿润峰入渗深度随时间的变化关系。
当
$ \eta < 10 $ 时，湿润锋深度与相对雨强以及降雨强度存在较好的函数关系。相对雨强：
$$ \eta =q/{k}_{{\mathrm{s}}} $$ (2) 式中：
$ q $ ——雨量强度/（cm·min−1）；$ {k}_{{\mathrm{s}}} $ ——饱和渗透系数/（cm·min−1）。基于湿润锋最大深度与降雨历时以及相对雨强的关系，建立基于降雨入渗斜坡稳定性系数与降雨关键参数的数学模型。公式如下：
$$ F_{\mathrm{s}}=\frac{c'+(\gamma_{\mathrm{sat}}-\gamma_{\mathrm{w}})Z_{\mathrm{w}}\cos^2\alpha\tan\varphi'}{\gamma_{\mathrm{sat}}Z_{\mathrm{w}}\sin\alpha\cos\alpha} $$ (3) 式中：
$ {c}' $ ——有效黏聚力/kPa；$ {\varphi }' $ ——有效内摩擦角/（°）；$ {\gamma }_{\text{sat}} $ ——土的饱和重度/（kN·m−3）；$ {\gamma }_{{\mathrm{w}}} $ ——水的重度/（kN·m−3）；$ \alpha $ ——边坡坡角/（°）；Zw——湿润锋深度/cm。
由以上公式可以看出斜坡稳定性系数Fs与Zw存在负相关的关系。
3. 坡面尺度下区域动力学预警技术应用初探
3.1 应用技术流程
以斜坡为单元的区域地质灾害气象风险预警的基础是对设定区域进行预警区划，按斜坡单元划分预警分析单元[6]，构建预警分析模型，同步获取降雨监测、预报数据，计算对应时空雨量下各斜坡单元的稳定性，根据稳定性动态分析结果发布预警[13 − 16]。具体方法如下：
（1）划分预警分析单元（斜坡单元）
斜坡单元是斜坡类地质灾害孕育、发生的最基本单元[17 − 18]。广东省1∶10000乡镇（街道）地质灾害风险调查评价基于斜坡单元开展，主要以承灾体作为斜坡单元划分的控制性因素，综合考岩土体特征、致灾因素、地层岩性、已发地质灾害隐患、变形特征等因素合理圈定，上限划到分水岭，下限将可能的承灾体圈划进去，单个斜坡单元面积控制在0.1～0.3 km2。主要通过DEM提取地表形态信息，借助GIS软件通过正向DEM提取出分水线，反向DEM提取出汇水线，将分水线和汇水线融合成一个闭合区域，期间要经过填洼、水流方向提取等众多步骤，再通过人机交互完善斜坡单元（图5）。
（2）预警分析单元参数赋值
斜坡单元岩土特性与水文地质特征基本一致，以坡面为单位基于地面调查多渠道提取各斜坡的相关地质环境调查信息或采用GIS技术叠加专题图层挖掘相关地质环境因子，对每个斜坡单元进行地质环境因子赋值（图6）。
（3）斜坡数值建模与预警分析
构建降雨量-斜坡稳定系数动力预警模型，基于调查、勘察及土工试验数据等，对研究区的各斜坡单元完成参数设置（图7），同步接入研究区降雨实测、预报数据，以不同的降雨性质如降雨强度、降雨持续时间、前期降雨等数据为变量计算出每个斜坡单元的稳定系数。
稳定系数分析结果按（0，1.05）、[1.05，1.1）、[1.1，1.2）、[1.2，1.4）区间分段划分为红、橙、黄、蓝4个等级，通过对研究区每个坡面单元的稳定系数的集合和前期易损性评价结果，从而实现对某一降雨过程诱发群发性地质灾害的时空分布及风险等级进行预报预警（图8）。
3.2 应用实例及效果——以龙川县贝岭镇流域为例
本次研究选取近年群发性地质灾害比较突出的广东河源龙川县贝岭镇流域，开展以斜坡为单元的地质灾害动力预警。河源市龙川县贝岭小流域面积为15.29 km2，属中低山地地形，地势北高南低，沟谷两侧山势陡峭、尖峰状、花岗岩呈平缓山顶，“V”型谷居多，地形切割强烈，相对高差500～700 m，地形坡度40°～45°基岩风化强烈，残积层厚10～25 m。2019年6月10日夜间至13日，受“龙舟水”影响，贝岭镇普降暴雨，导致山洪暴发、地质灾害群发，发生72起地质灾害，造成数人死亡以及重大经济损失。
导入龙川贝岭镇小流域的DEM等数据，系统将15.29 km2划分为259个坡面分析单元，并自动批量量测出各坡面单元坡度（α）、坡高（H）、体积（V）等几何物理参数（图9）。
![]()
图 9 坡面尺度的斜坡分析单元的划分及几何参数提取Figure 9. Division of slope units and extraction of geometric parameters of the slopes基于小流域浅表层岩土体力学参数（表1），以2019年6月10日夜间至13日期间持续降雨过程期间的实测、预报降雨以及持续降雨时间为变量（持续降雨时长75 h，最大小时雨量48.4 mm，单日最大雨量153.5 mm，累计雨量达到了275.2 mm），计算湿润锋深度Zw，通过基于降雨入渗的斜坡稳定性评价模型批量自动计算各斜坡单元的稳定系数，按红、橙、黄、蓝4个等级显示。分析结果显示，此轮降雨共有22个斜坡单元达到红色预警，10个斜坡单元为橙色预警，38个斜坡单元为黄色预警（图10），黄色及以上斜坡单元与群发性地质灾害实际发生位置比较吻合。
4. 结 论
（1）本文选择典型历史地质灾害，通过物理模型试验，揭示了边坡在暴雨条件下坡面土体在一定深度范围内的含水率、应力及破坏特征，影响因素主要有降雨量、降雨历时、土体类别和坡体结构等因素。
（2）本文通过典型地质灾害数值模拟，揭示了强降雨过程斜坡体应力云图、应变增量场、斜坡稳定系数等变化情况，结果表明受降雨入渗影响，斜坡应力集中带向前扩展比较明显，应变场增量沿坡体上部增量明显，斜坡岩土体容易在浅表层首先造成失稳。
（3）基于降雨入渗导致斜坡体失稳发生机理建立的物理模型试验和数值模型模拟结果，聚焦斜坡残坡积层，将Green-Ampt降雨入渗模型和无限边坡稳定性评价方法相结合，进行优化构建了动力学斜坡稳定性评价模型。
（4）探索了斜坡失稳动力预警模型对广东省暴雨型浅层滑坡灾害气象风险预警的可行性，包括按斜坡单元划分预警分析单元，构建降雨量-斜坡稳定系数动力预警模型，以不同时空雨量为变量动态计算对应时空各斜坡单元的稳定系数，基于稳定性的动态变化实时发布预警等应用流程，并结合龙川县贝岭镇流域应用实例验证了其可行性，可为广东省开展以斜坡单元预警为主要方式的县级地质灾害气象风险预警提供支撑。
-
![]()
图 3 两条附合水准路线（XJY01—XJY02、XJY02—XJY01）
Figure 3. Two attached leveling lines （XJY01—XJY02、XJY02—XJY01）
![]()
图 6 南沙区2015—2019年地表形变速率图
Figure 6. Surface deformation rate of Nansha District over the years from 2015 to 2019
![]()
图 7 南沙区枯水期地下水水位埋深及沉降点分布图
Figure 7. Distribution map of groundwater level lines and settlement points during dry season in Nansha
![]()
图 9 地面沉降影响下的地下水等水位线图
Figure 9. Groundwater contour map under the influence of land subsidence
![]()
图 10 含水层Ⅰ地下水位变化及平均沉降速率曲线图
Figure 10. Aquifer Ⅰ groundwater level change and average settlement rate curve
![]()
图 11 建筑荷载分布与沉降等值线图
Figure 11. Contour map of building load distribution and settlement
表 1 土体工程地质单元分类
Table 1 Classification of soil engineering geological units
土体类型 岩性类型 黏性土 黏性土、粉质黏土 粉土 粉土 砂土 粉砂、细砂、中砂、粗砂、砾砂 碎石土 圆砾、角砾、卵石、碎石 特殊类土 残坡积土 黏性土、砂质黏性土、
砾质黏性土粉土 人工填土 素填土、杂填土、冲填土 淤泥类土 淤泥质砂土、淤泥质土、淤泥 
下载: 导出CSV
表 2 岩体工程地质岩性组分类
Table 2 Classification of engineering geological lithologic group of rock mass
岩性组 岩性综合体 岩性类型 侵入岩
岩性组花岗岩，
闪长岩综合体似斑状黑云母二长花岗岩，细粒花岗岩，
细粒细斑状黑云母二长花岗岩，花岗
闪长岩，片麻状花岗岩，伟晶岩混合岩、
片麻岩岩性组混合岩综合体 花岗混合岩，混合岩 片麻岩综合体 花岗片麻岩，片麻岩 含膏盐红层
碎屑岩岩性组− 砾岩，砂砾岩，粉—细砂岩，细砂岩，
含砾中—粗砂岩，泥岩，泥质粉砂岩，
灰岩，泥灰岩，灰质泥岩，凝灰岩
下载: 导出CSV
表 3 收集到的珠江三角洲地区Sentinel-1数据
Table 3 The collection of sentinel-1 data of pearl river delta
模式 入射角/（°） 分辨率 幅宽/km 条带成像 20～45 5 m×5 m 80 干涉成像 29～46 5 m×20 m 250 超幅宽 19～47 5 m×40 m 400 波浪 22～35，35～38 5 m×5 m 20×20
下载: 导出CSV
表 4 InSAR监测成果及其原因分析
Table 4 InSAR monitoring results and cause analysis
年份 具体原因分析 综合分析 2015 万顷沙镇红港村围垦区域主要受软土固结作用，南沙街道摊位村、地铁4号线锦州站附近受荷载影响较为严重 监测时期内均存在沉降的新垦镇、珠江出海口前沿的养殖场区域主要受软土固结等地质条件影响，拟开发建设用地的工程施工及城镇内的建筑设施都会造成地表形变，并且分布在江河沿岸的大部分形变较大沉降点及其外围区域，在一个水文年内受地下水水位变动较为明显 2016 仅在该年发生的东涌镇、鱼窝头镇、万洲村一带受施工建筑影响，沉降的形变区域较大 2017 沿西南江边分部的养殖场附近受地下水影响发生沉降，大岗镇施工区域受建筑荷载较为严重 2018 南沙街道环市中大道中、金沙路和市南大道三路环绕区域受地面荷载和地下水水位的共同影响 2018—
2019大岗镇庙青村围和珠江街道智隆村的围垦区域、及南沙区中东部城镇建筑区域主要受地面荷载及可压缩土层的影响，少部分区域受地下水水位影响，珠江街道均和围村工地、黄阁村沙仔村施工区域的则主要受可压缩土层影响
下载: 导出CSV
表 5 沉降点计算统计信息表
Table 5 Statistical information of settlement point calculation
区域编号 土地利用类型 地处位置 1 出海口养殖场 新垦镇、珠江出海口前沿的养殖场区域 2 城区建筑区域 龙穴街道龙穴村鸡抱沙北路北东方向 3 城区建筑区域 万顷沙镇十三涌和十四涌之间的主镇区 4 施工区域 珠江街道八涌和十涌之间的义和围村 5 城区建筑区域 珠江街五涌周边区域 6 施工区域 南沙明珠湾
下载: 导出CSV
表 6 可压缩土层土工试验参数表
Table 6 Geotechnical test parameters of compressible soil
岩性名称 取样埋深/m 初始孔隙比 压缩系数/（MPa−1） 压缩模量/MPa 液限/% 塑限/% 塑性指数 液性指数 人工填土（粉土） 0～9.4 0.890～0.910 0.41～0.51 4.34～4.63 30.00～36.65 21.80～23.25 8.20～13.63 0.71～1.01 淤泥质土 0～25.0 1.038～1.550 0.64～1.03 2.70～3.35 32.40～45.83 17.50～28.48 14.90～18.61 1.27～1.57 黏土（粉质黏土、砂质黏土） 2.8～32.5 0.910～1.210 0.34～0.43 4.83～6.02 41.23～41.31 23.92～24.94 16.33～17.99 0.33～0.41 注：执行标准为GB/T50123−2019、DT−92（固结实验快速法）。
下载: 导出CSV
表 7 沉降点主导因素影响程度的沉降量分析表
Table 7 Settlement analysis table of influence degree of dominant factors of settlement point
区域编号 地面沉降总量/（mm·a−1） 可压缩土层/（mm·a−1） 主导因素
面积占比/%地下水水位/（mm·a−1） 主导因素
面积占比/%地面荷载/（mm·a−1） 主导因素
面积占比/%1 112.56~127.03 84.51~95.97 75.43 17.60~19.20 15.24 10.45~11.86 9.32 2 92.9~101.36 34.43~38.26 37.55 13.20~14.64 14.66 43.83~48.70 47.79 3 111.27~121.92 51.17~56.40 46.24 1.28~2.40 1.62 57.70~63.60 52.14 4 91.96~100.02 45.91~51.74 49.74 22.80~24.80 24.85 22.61~25.48 25.40 5 118.96~129.46 55.62~61.50 47.40 9.60~12.00 8.86 51.34~56.76 43.75 6 107.66~117.02 69.76~75.63 64.43 9.40~11.30 9.26 28.50~30.89 26.31
下载: 导出CSV
-
[1] 许烨霜, 沈水龙, 唐翠萍, 等. 基于地下水渗流方程的三维地面沉降模型[J]. 岩土力学, 2005, 26（增刊1）: 109 − 112 XU Yeshuang, SHEN Shuilong, TANG Cuiping, et al. Three-dimensional analysis of land subsidence based on groundwater flow model[J]. Rock and Soil Mechanics, 2005, 26（Sup 1）: 109 − 112. （in Chinese with English abstract）
[2] 刘桂卫,黄海军,杜廷芹,等. 黄河三角洲地区地面沉降驱动因素研究[J]. 海洋科学,2011,35(8):43 − 50. [LIU Guiwei,HUANG Haijun,DU Tingqin,et al. Effective factors of land subsidence in the Yellow River delta[J]. Marine Sciences,2011,35(8):43 − 50. (in Chinese with English abstract) [3] 彭青华. 沧州市地面沉降模型研究[D]. 北京: 中国地质大学（北京）, 2007 PENG Qinghua. Study on the model of land subsidence in Cangzhou City[D]. Beijing: China University of Geosciences （Beijing）, 2007. （in Chinese with English abstract）
[4] 薛禹群,张云,叶淑君,等. 我国地面沉降若干问题研究[J]. 高校地质学报,2006,12(2):153 − 160. [XUE Yuqun,ZHANG Yun,YE Shujun,et al. Research on the problems of land subsidence in China[J]. Geological Journal of China Universities,2006,12(2):153 − 160. (in Chinese with English abstract) DOI: 10.3969/j.issn.1006-7493.2006.02.001 [5] 王伟,党亚民,章传银,等. CORS网和GNSS技术在地面变形监测中的应用—以浙江东南部为例[J]. 中国地质灾害与防治学报,2021,32(2):73 − 77. [WANG Wei,DANG Yamin,ZHANG Chuanyin,et al. Application of CORS network and GNSS technology in ground deformation monitoring:Taking southeast Zhejiang Province as an example[J]. The Chinese Journal of Geological Hazard and Control,2021,32(2):73 − 77. (in Chinese with English abstract) [6] 陈立国,吴昊天,陈晓斌,等. 超载预压处理软土的次固结特征及沉降计算[J]. 水文地质工程地质,2021,48(1):138 − 145. [CHEN Liguo,WU Haotian,CHEN Xiaobin,et al. Secondary consolidation characteristics and settlement calculation of soft soil treated by overload preloading[J]. Hydrogeology & Engineering Geology,2021,48(1):138 − 145. (in Chinese with English abstract) [7] 胡长明,林成. 黄土深基坑潜水区降水诱发地面沉降的简化算法[J]. 中国地质灾害与防治学报,2021,32(3):76 − 83. [HU Changming,LIN Cheng. Simplified calculation of settlement due to dewatering of phreatic aquifer in loess area[J]. The Chinese Journal of Geological Hazard and Control,2021,32(3):76 − 83. (in Chinese with English abstract) [8] 张建全,张克利,程贵方. 北京不同区域明挖基坑地表沉降变形特征研究[J]. 水文地质工程地质,2021,48(6):131 − 139. [ZHANG Jianquan,ZHANG Keli,CHENG Guifang. Characteristics of surface settlement and deformation of open cut foundation pit in different areas of Beijing[J]. Hydrogeology & Engineering Geology,2021,48(6):131 − 139. (in Chinese with English abstract) [9] 许强,董秀军,李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版),2019,44(7):957 − 966. [XU Qiang,DONG Xiujun,LI Weile. Integrated space-air-ground early detection,monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University,2019,44(7):957 − 966. (in Chinese with English abstract) [10] 吴龙飞,陈凌伟,彭卫平. PSInSAR技术在广州市南沙区地面沉降监测中的应用研究[J]. 城市勘测,2019(3):127 − 130. [WU Longfei,CHEN Lingwei,PENG Weiping. Research of PSInSAR technology in land subsidence monitoring in Nansha of Guangzhou[J]. Urban Geotechnical Investigation & Surveying,2019(3):127 − 130. (in Chinese with English abstract) DOI: 10.3969/j.issn.1672-8262.2019.03.029 [11] 陈玉林,匡翠林,戴吾蛟,等. 广州南沙区GPS地面沉降监测数据处理[J]. 大地测量与地球动力学,2015,35(5):849 − 852. [CHEN Yulin,KUANG Cuilin,DAI Wujiao,et al. Land subsidence monitoring using GPS network in Nansha,Guangzhou[J]. Journal of Geodesy and Geodynamics,2015,35(5):849 − 852. (in Chinese with English abstract) [12] 高磊, 陈运坤, 屈尚侠, 等. 广州南沙区软土地面沉降特征及监测预警分析[J]. 人民长江, 2020, 51（增刊2）: 94 − 97 GAO Lei, CHEN Yunkun, QU Shangxia, et al. Analysis on land subsidence characteristics, monitoring and early warning of soft soil in Nansha District of Guangzhou[J]. Yangtze River, 2020, 51（Sup 2）: 94 − 97. （in Chinese）
[13] 张德波. 广州市南沙区地面沉降易发性评价[J]. 中外建筑,2018(8):252 − 255. [ZHANG Debo. Susceptibility evaluation of ground subsidence in Nansha District in Guangzhou[J]. Chinese & Overseas Architecture,2018(8):252 − 255. (in Chinese) [14] 陈小月. 广州市南沙区软土地面沉降特征及城市防灾减灾的建议[J]. 地质灾害与环境保护,2018,29(2):17 − 22. [CHEN Xiaoyue. Ground subsidence characteristics of soft soil in Nansha District of Guangzhou City and the suggestions for disaster prevention and reduction in urban development[J]. Journal of Geological Hazards and Environment Preservation,2018,29(2):17 − 22. (in Chinese with English abstract) [15] 陈运坤,高磊,屈尚侠. 广州南沙区软土分布和地面沉降特征分析[J]. 资源信息与工程,2021,36(2):19 − 21. [CHEN Yunkun,GAO Lei,QU Shangxia. Study on soft soil distribution and land subsidence features in Nansha District,Guangzhou[J]. Resource Information and Engineering,2021,36(2):19 − 21. (in Chinese with English abstract) [16] 介玉新,高燕,李广信. 城市建设对地面沉降影响的原因分析[J]. 岩土工程技术,2007,21(2):78 − 82. [JIE Yuxin,GAO Yan,LI Guangxin. Analysis on the land subsidence induced by city construction[J]. Geotechnical Engineering Technique,2007,21(2):78 − 82. (in Chinese with English abstract) [17] 孟世豪,崔亚莉,田芳,等. 基于MODFLOW-SUB建立变渗透系数的地下水流-地面沉降模型[J]. 吉林大学学报(地球科学版),2022,52(2):550 − 559. [MENG Shihao,CUI Yali,TIAN Fang,et al. Modeling of groundwater flow-land subsidence with variable hydraulic conductivity based on MODFLOW-SUB[J]. Journal of Jilin University (Earth Science Edition),2022,52(2):550 − 559. (in Chinese with English abstract) -
期刊类型引用(12)
1. 王深禾，王世杰. 白鹤滩库区水位波动对滑坡形变的影响. 地球物理学进展. 2025(01): 94-105 . 
百度学术
2. 李志国，徐涛，刘永杰，赵立春，徐勇超，杨天鸿，郑小斌. 露天矿边坡稳定性的层次分析-模糊综合评价耦合分析. 中国地质灾害与防治学报. 2024(01): 116-123 . 本站查看
3. 岳磊，刘昌义，丛晓明，唐彬元，付江涛，邢光延，雷浩川，赵吉美，吕伟涛，胡夏嵩. 基于InSAR技术的夏藏滩滑坡区地表变形监测与分析. 水文地质工程地质. 2024(03): 158-170 . 百度学术
4. 陈跨越，王保云. 联合时序InSAR技术和CS-Elman神经网络的板子沟地表形变监测与预测模型性能的评估. 地球物理学进展. 2024(03): 1003-1016 . 百度学术
5. 李昊，李叶繁，魏长婧，王磊杰，康利军，姜川. 基于SBAS-InSAR技术的登封市潜在地质灾害识别研究. 河南科学. 2024(08): 1170-1178 . 百度学术
6. 张攀，李为乐，陆会燕，周胜森，李维敏，许善淼. 基于SBAS-InSAR的库区活动滑坡变形特征与库水位变化响应关系：以四川省黑水县毛尔盖水电站为例. 科学技术与工程. 2024(28): 11991-12002 . 百度学术
7. 洪文玉，喜文飞，钱堂慧，郭峻杞，靳婷婷. SBAS-In SAR下小湾水库-澜沧江段库岸滑坡空间分布统计. 测绘科学. 2024(10): 59-68 . 百度学术
8. 武彬彬，罗超鹏，余波，刘沛源. 基于FLOW-3D的滑坡运动过程模拟研究. 甘肃水利水电技术. 2023(03): 17-20 . 百度学术
9. 戴可人，吴明堂，卓冠晨，居安华，温柠玲，冯文凯，许强. 西南山区大型水电工程库岸滑坡InSAR早期识别与监测研究进展. 地球科学与环境学报. 2023(03): 559-577 . 百度学术
10. 崔华丽，谯鹏志，王佃明. 库水位变动情况下库岸边坡稳定性研究——以白鹤滩水电站石圪垴滑坡为例. 钻探工程. 2023(05): 36-42 . 百度学术
11. 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
12. 孙鹏. 基于Stacking-InSAR和SBAS-InSAR地面沉降监测方法研究——以新疆阿勒泰地区为例. 经纬天地. 2023(06): 58-64 . 百度学术
其他类型引用(3)
计量
- 文章访问数: 1920
- HTML全文浏览量: 1763
- PDF下载量: 369
- 被引次数: 15
邮件订阅
RSS