楊志昆, 梁收運(yùn), 陳 卓, 趙紅亮

(蘭州大學(xué) 土木工程與力學(xué)學(xué)院, 蘭州 730000)

甘肅省滑坡分布廣泛、種類繁多、危害嚴(yán)重，境內(nèi)滑坡集中分布于隴中黃土高原和隴南基巖山區(qū)兩大地貌單元[1]。隴南山區(qū)以基巖滑坡和堆積層滑坡為主，前人以其中滑坡強(qiáng)烈發(fā)育的白龍江流域甘肅段為研究對象，探討了該段地形地貌與地層巖性[2-3]、活動構(gòu)造及水文[4]等工程地質(zhì)條件對滑坡災(zāi)害的控制作用。隴中黃土高原可分為隴西和隴東兩部分，以黃土滑坡和黃土—泥巖滑坡居多，隴西地區(qū)滑坡發(fā)育程度大于隴東，巴謝河流域作為隴西地區(qū)臨夏盆地滑坡密集發(fā)育的典型區(qū)[5]，引起了一些學(xué)者的注意。莊樂和[6]通過分析灑勒山滑坡的成因機(jī)制，認(rèn)為巴謝河流域滑坡的形成是被水浸濕的泥巖產(chǎn)生膨脹力所致。曹炳蘭等[7]將巴謝河流域滑坡分為4類：單層結(jié)構(gòu)滑坡、雙層結(jié)構(gòu)滑坡、聯(lián)合結(jié)構(gòu)滑坡與整體結(jié)構(gòu)滑坡，同時闡述了4類滑坡的發(fā)育特征,并指出地形地貌、坡體結(jié)構(gòu)、地下水等條件是谷坡進(jìn)行穩(wěn)定性分區(qū)的基礎(chǔ)。

巴謝河流域位于甘肅臨夏盆地東側(cè)，處于SN向正斷層的上盤位置，地層近水平[8]。流域?qū)儆诘湫偷狞S土梁峁地形，深大溝谷縱橫，山體破壞嚴(yán)重，因此區(qū)內(nèi)滑坡廣泛分布，歷史上發(fā)生過多次重大滑坡災(zāi)害，如巴峰山滑坡、紅莊滑坡、灑勒山滑坡。截至目前為止，該區(qū)域滑坡仍在不斷發(fā)生，2016年6月10日，受連續(xù)降雨的影響，果園鄉(xiāng)陳何村就發(fā)生了約50萬m3滑坡，毀壞公路，掩埋車輛。

本文基于2002—2015年四期GoogleEarth遙感影像資料對流域內(nèi)所發(fā)生滑坡進(jìn)行解譯，結(jié)合野外調(diào)查，以30 m分辨率DEM及Landsat8遙感數(shù)據(jù)為基礎(chǔ)，借助GIS平臺，從地形地貌、地層巖性、植被及人類活動等4個方面分析其對滑坡發(fā)育的相關(guān)性，然后依據(jù)其相關(guān)性對巴謝河流域滑坡進(jìn)行聚類分析，得出滑坡危險性分區(qū)，從而為流域滑坡防治、國土資源開發(fā)及工程建設(shè)等提供參考依據(jù)。

1　研究區(qū)概況

巴謝河流域位于甘肅省東鄉(xiāng)縣境內(nèi)，地處隴中黃土高原西部第三系臨夏盆地內(nèi)，海拔高程約1 842～2 483 m，屬黃土低山丘陵地帶，區(qū)內(nèi)梁峁與沖溝相間分布，水土流失較為嚴(yán)重，河谷主要由河漫灘及四級階地組成，呈階梯狀展布構(gòu)成了滑坡的臨空面。流域內(nèi)出露地層由老到新主要為新近系臨夏組泥巖、第四系下中更新統(tǒng)沖積—湖積亞黏土及微膠結(jié)礫石層、上更新統(tǒng)馬蘭黃土和沖積亞黏土及砂礫、全新統(tǒng)洪積—沖積砂質(zhì)黏土及砂礫。洪積—沖積砂質(zhì)黏土及砂礫多分布于河漫灘及Ⅰ級階地處，沖積亞黏土及砂礫構(gòu)成Ⅲ級階地堆積物，大多分布在中、下游地區(qū)。馬蘭黃土在全區(qū)廣泛分布，披覆在老地層之上。沖積—湖積亞黏土及微膠結(jié)礫石層在區(qū)內(nèi)零星分布，不整合于下伏泥巖之上。新近系泥巖構(gòu)成研究區(qū)四級階地及河漫灘的基座，多分布于上游地區(qū)。此外，還有部分面積很小的白堊系河口群砂、泥巖在流域出口處出露。流域氣候類型屬內(nèi)陸半干旱氣候，近30 a來平均年降雨量為540.6 mm，夏季降雨多，7—9月份占全年總降水量的58.5%，暴雨多出現(xiàn)在7月、8月份[9]。該區(qū)域地下水屬河谷潛水，其運(yùn)動規(guī)律大致是順河谷方向，從上游向下游以泉水的形式進(jìn)行排泄。

2　滑坡影響因素分析

地形地貌為滑坡提供能量與活動空間，地層巖性、新構(gòu)造運(yùn)動影響則制約滑坡的空間分布，地震、水文及人類活動是滑坡形成的重要觸發(fā)因素。巴謝河流域內(nèi)褶皺、斷裂不發(fā)育，間歇性的上升運(yùn)動促使巴謝河下切，河流侵蝕加強(qiáng)，斜坡臨空面增大，破壞其原有平衡狀態(tài)，致使滑坡易于形成。雨水易沿黃土垂直節(jié)理下滲，在下伏相對隔水的泥巖頂面形成飽水帶，增加斜坡自重，軟化黃土、泥巖，降低其抗剪強(qiáng)度，加速斜坡的失穩(wěn)。氣候的季節(jié)性變化引起地下水往斜坡深部運(yùn)移富集，凍結(jié)滯水促使土體軟化范圍擴(kuò)大及靜、動水壓力增大，導(dǎo)致斜坡發(fā)生變變形破壞，如1983年3月發(fā)生的灑勒山滑坡和1986年3月灑勒山滑坡局部再次發(fā)生滑動，皆是在解凍融化期發(fā)生[9]。針對流域內(nèi)滑坡形成條件，從地形地貌、地層巖性、植被及人類活動4個方面本文對研究區(qū)所調(diào)查和解譯的249處滑坡進(jìn)行分析。

2.1　地形地貌

2.1.1高程高程因素是影響滑坡災(zāi)害發(fā)生的一個重要因素，該區(qū)域滑坡主要分布高程為2 000～2 200 m，共有滑坡184處，占滑坡總數(shù)的73.9%，滑坡面積6.19×106m2，占滑坡總面積的66.89%(圖1A)。隨著高程的增加，滑坡的數(shù)量與面積均表現(xiàn)出先增大后減小的趨勢，其中在2 000～2 100 m和2 100～2 200 m內(nèi)滑坡數(shù)量最多，各有84處和100處，分別占滑坡總數(shù)的33.73%，40.16%，滑坡面積分別為2.49×106m2，3.7×106m2，各占滑坡總面積的26.89%，40%。

2.1.2坡度坡度是黃土滑坡發(fā)育的一個重要內(nèi)在因素，對研究區(qū)滑坡坡度進(jìn)行統(tǒng)計(jì)(圖1B)，滑坡多發(fā)生在15°～40°的斜坡上，共有滑坡188處，占滑坡總數(shù)的75.5%，滑坡面積6.50×106m2，占滑坡總面積的70.17%。隨著斜坡坡度的增加，區(qū)內(nèi)滑坡的數(shù)量與面積均表現(xiàn)出先增大后減小的趨勢，其中在15°～20°和20°～25°內(nèi)滑坡數(shù)量最多，各有47處和54處，分別占滑坡總數(shù)的18.88%，21.69%，滑坡面積分別為2.72×106m2，1.58×106m2，各占滑坡總面積的29.4%，17.1%。而在小于15°或大于40°的斜坡地段，滑坡發(fā)生較少。

2.1.3坡向坡向的不同，造成不同坡向氣候條件的差異，并對植被、土壤、地貌、水文等產(chǎn)生影響，通過統(tǒng)計(jì)(圖1C)可知，該流域陽坡滑坡數(shù)量與面積分別為138處、6.85×106m2，各占55.42%，74.01%。陰坡滑坡數(shù)量與面積為111處、2.41×106m2，各占44.58%，25.99%。坡向在135°～180°，270°～315°的陽坡地段與45°～90°，90°～135°的陰坡地段滑坡數(shù)量最多，各有82處和77處，分別占滑坡總數(shù)的32.93%，30.92%，滑坡面積分別為3.93×106m2，1.53×106m2，各占滑坡總面積的42.48%，16.51%。

2.1.4溝谷密度溝谷密度是地表破碎程度的重要表征參數(shù)，通過對該區(qū)域溝谷密度值的提取(圖1D)，其結(jié)果表明大部分滑坡產(chǎn)生于1～2.5 km/km2的溝谷密度范圍內(nèi)，共有滑坡200處，占滑坡總數(shù)的80.32 %，滑坡面積5.80×106m2，占滑坡總面積的62.64%。溝谷密度在1.5～2 km/km2內(nèi)滑坡數(shù)量最多，共95處，占38.15%，滑坡面積2.36×106m2，占25.5%。在溝谷密度小于0.5 km/km2的時候，滑坡數(shù)量較少，面積達(dá)到最大。

2.2　地層巖性

地層巖性是滑坡形成、演化的重要因素，為滑坡的發(fā)育提供物質(zhì)基礎(chǔ)[10]。本研究區(qū)域發(fā)生在馬蘭黃土(Q32 eol)中的滑坡數(shù)量與面積最多，分別為172處、4.37×106m2，各占69.08%，47.24%(圖1E)。其次為新近系臨夏組泥巖(N2l4+N2l3)，滑坡數(shù)量與面積分別為52處、2.85×106m2，各占20.88%，30.75%。

2.3　植被

植被指數(shù)(NDVI)可以表征植被覆蓋程度，且NDVI愈大，植被覆蓋度愈高[11]，根據(jù)Landsat8遙感數(shù)據(jù)，運(yùn)用ArcGIS的柵格計(jì)算器工具提取NDVI，并分段對滑坡進(jìn)行相關(guān)統(tǒng)計(jì)(圖1F)?；露喟l(fā)育在0.2～0.3的NDVI范圍內(nèi)，共171處，占滑坡總數(shù)的68.67 %，滑坡面積4.51×106m2，占滑坡總面積的48.67%。隨NDVI值增加，植被覆蓋度增大，滑坡數(shù)量與面積整體呈現(xiàn)出遞減趨勢。且NDVI在0.1～0.2范圍內(nèi)，植被覆蓋度最低，滑坡面積最大。

2.4　人類工程活動

人類工程活動同樣是誘發(fā)滑坡的重要因素，根據(jù)統(tǒng)計(jì)顯示(圖1G)，距離道路600 m內(nèi)是滑坡發(fā)育密集區(qū)，共有滑坡188處，占滑坡總數(shù)的75.5 %，滑坡面積7.64×106m2，占滑坡總面積的82.5%。隨著與道路距離的增加，滑坡的數(shù)量與面積均表現(xiàn)衰減性。

3　滑坡危險性分析

3.1　研究方法

本文分析了地形地貌因子、地層巖性、植被覆蓋、人類工程活動等因子對流域內(nèi)滑坡的影響程度。根據(jù)各個因子對滑坡的相關(guān)性，采用4級量化指標(biāo)對7個評價因子進(jìn)行統(tǒng)一分類(表1)，分別賦值為1，2，3，4，賦值越高，代表著與滑坡的相關(guān)性越強(qiáng)，反之亦然。根據(jù)滑坡危險性評價指標(biāo)量化表，通過ArcGIS的空間分析能力，對各因子進(jìn)行重分類，得到各因子分級圖(圖2)。

聚類分析是重要的數(shù)據(jù)挖掘方法，目的是尋找數(shù)據(jù)集中所包含的簇結(jié)構(gòu)[12]。聚類分析是一種重要的無監(jiān)督學(xué)習(xí)方法，已經(jīng)成為各個領(lǐng)域廣泛認(rèn)可的數(shù)據(jù)分析工具。聚類分析的目的是尋找數(shù)據(jù)集中的“自然分組”，即所謂的“簇”。通俗地講，簇是指相似元素的集合，聚類分析就是一個在數(shù)據(jù)集中尋找相似元素集合的無監(jiān)督學(xué)習(xí)過程。當(dāng)前，聚類分析的新方法層出不窮[13]，既有基于層次的聚類算法[14]也有基于劃分[15]、圖論[16]、密度和網(wǎng)格[17]的聚類算法。

本文采用ISO聚類算法對滑坡進(jìn)行聚類分析，它是一種迭代過程，用于將各個候選像元指定給聚類時計(jì)算最小歐氏距離，從處理軟件指定的任意平均值開始，每個聚類一個任意平均值。將每個像元指定給最接近的平均值(多維屬性空間中的所有平均值)。基于首次迭代后從屬于每個聚類的像元的屬性距離，重新計(jì)算各個聚類的新平均值。重復(fù)執(zhí)行此過程：將各個像元指定給多維屬性空間中最接近的平均值，然后基于迭代中像元的成員資格計(jì)算各個聚類的新平均值，通過迭代次數(shù)指定該過程的迭代次數(shù)。

在ISO聚類確定了多維屬性空間中像元自然分組特征的基礎(chǔ)上，采用最大似然法判定研究區(qū)域的任意一個空間單元屬于哪一個子類。該方法將各個像元指定給以特征文件表示的類時，會同時考慮類特征的方差和協(xié)方差。假設(shè)類樣本呈正態(tài)分布，則可使用均值向量和協(xié)方差矩陣作為類的特征。如果給定了每個像元值的這兩個特征，則可計(jì)算每個類的統(tǒng)計(jì)概率，以確定像元作為該類的成員資格。針對先驗(yàn)概率權(quán)重指定默認(rèn)的EQUAL選項(xiàng)時，每個像元將被分配給它最有可能具有成員資格的類。

表1　滑坡危險性評價指標(biāo)及其賦值

圖1滑坡數(shù)量/面積與各因子關(guān)系直方圖

3.2　危險性評價

基于ArcGIS的多元分析功能，采用聚類分析的方法對巴謝河流域的滑坡進(jìn)行危險性評價(圖3)。將該區(qū)域滑坡進(jìn)行分類，分別是高危險區(qū)、中危險區(qū)、低危險區(qū)和極低危險區(qū)。然后結(jié)合滑坡災(zāi)害點(diǎn)的分布，對危險性分區(qū)的特征進(jìn)行分析。分區(qū)結(jié)果顯示：滑坡高危險區(qū)面積為129.8 km2，占總面積的30.9%，共分布滑坡災(zāi)害點(diǎn)188個，災(zāi)害點(diǎn)密度為1.45個/km2；滑坡中危險區(qū)面積為91.4 km2，占總面積的21.7%，共分布滑坡災(zāi)害點(diǎn)44個，災(zāi)害點(diǎn)密度為0.48個/km2；滑坡低危險區(qū)面積為127.4 km2，占總面積的30.3%，共分布滑坡災(zāi)害點(diǎn)15個，災(zāi)害點(diǎn)密度為0.12個/km2；滑坡極低危險區(qū)面積為71.8 km2，占總面積的17.1%，共分布滑坡災(zāi)害點(diǎn)2個，災(zāi)害點(diǎn)密度為0.03個/km2。根據(jù)評價結(jié)果可表明，巴謝河流域滑坡危險性較強(qiáng)，災(zāi)害點(diǎn)密度大，危險區(qū)域較為廣泛，高危險區(qū)多處于溝谷地區(qū)，屬于村民居住區(qū)域，人類工程活動頻繁，應(yīng)加以重視，采取相應(yīng)的治理措施，以保護(hù)當(dāng)?shù)鼐用裆敭a(chǎn)安全。

表2　滑坡危險性評價結(jié)果

圖2因子分級

圖3滑坡危險性分區(qū)

4　結(jié) 論

(1) 通過遙感解譯與野外調(diào)查，分析巴謝河流域地形地貌、地層巖性、植被覆蓋、人類工程活動等對滑坡的相關(guān)性，結(jié)果表明絕大部分滑坡集中在高程2 000～2 200 m、坡度15°～40°范圍內(nèi)。陽坡滑坡數(shù)量與面積均大于陰坡，滑坡溝谷密度1～2.5 km/km2的范圍內(nèi)集中明顯，且隨著切割深度、溝谷密度的增加，滑坡數(shù)量呈現(xiàn)出先增后減的趨勢。黃土與泥巖是區(qū)內(nèi)主要的易滑地層，在這兩種地層中滑坡分布最廣。NDVI在0.2～0.3和距離道路600 m的范圍內(nèi)容易發(fā)生滑坡，且隨NDVI值、道路距離的增大，滑坡數(shù)量與面積均表現(xiàn)出衰減性。

(2) 基于各因子對巴謝河流域滑坡的相關(guān)性，對其進(jìn)行聚類分析，將該區(qū)域滑坡進(jìn)行分為4類：高危險區(qū)、中危險區(qū)、低危險區(qū)和極低危險區(qū)，所占研究區(qū)面積比例分別為30.9%，21.7%，30.3%，17.1%。評價結(jié)果表明：巴謝河流域滑坡危險性較強(qiáng)，災(zāi)害點(diǎn)密度大，高危險區(qū)域面積較為廣泛，多處于溝谷地區(qū)。應(yīng)加以重視和治理。

參考文獻(xiàn):

[1]吳瑋江,王念秦.甘肅滑坡災(zāi)害[M].蘭州:蘭州大學(xué)出版社,2006.

[2]杜國梁,張永雙,高金川,等.基于GIS的白龍江流域甘肅段滑坡易發(fā)性評價[J].地質(zhì)力學(xué)學(xué)報,2016,22(1):1-11.

[3]郭富赟,孟興民,陳冠,等.白龍江流域地貌演化及其對地質(zhì)災(zāi)害的影響[J].人民長江,2016,47(7):37-43.

[4]蘇琦,梁明劍,袁道陽,等.白龍江流域構(gòu)造地貌特征及其對滑坡泥石流災(zāi)害的控制作用[J].地球科學(xué),2016,41(10):1758-1770.

[5]王江紅.隴中盆地滑坡的發(fā)育規(guī)律及其影響因子研究[D].蘭州:蘭州大學(xué),2011:18-20.

[6]莊樂和.巴謝河流域發(fā)生滑坡的機(jī)制與防治措施[M]∥聶德新.工程地質(zhì)科學(xué)新進(jìn)展.成都科技大學(xué)出版社,1989.

[7]曹炳蘭,陳劍平,王連俊.巴謝河流域滑坡分布特征及谷坡穩(wěn)定性分析[J].水土保持通報,1990,10(1):44-52.

[8]方小敏,李吉均,朱俊杰,等.甘肅臨夏盆地新生代地層絕對年代測定與劃分[J].科學(xué)通報,1997,42(14):1457-1471.

[9]吳瑋江.季節(jié)性凍融作用與斜坡整體變形破壞[J].中國地質(zhì)災(zāi)害與防治學(xué)報,1996,7(4):59-64.

[10]Xu C, Dai F, Xu X, et al. GIS-based support vector machine modeling of earthquake-triggered landslide susceptibility in the Jianjiang River watershed, China[J]. Geomorphology, 2012,145:70-80.

[11]He S, Pan P, Dai L, et al. Application of kernel-based Fisher discriminant analysis to map landslide susceptibility in the Qinggan River delta, Three Gorges, China[J]. Geomorphology, 2012,171:30-41.

[12]王駿,王士同,鄧趙紅.聚類分析研究中的若干問題[J].控制與決策,2012,27(3):321-328.

[13]Xu R. Survey of clustering algorithms[M]. New York： Ieee Press, 2005.

[14]孫吉貴,劉杰,趙連宇.聚類算法研究[J].軟件學(xué)報,2008,19(1):48-61.

[15]Hathaway R J, Hu Y. Density-Weighted Fuzzy c-Means Clustering[M]. New York： Ieee Press, 2009.

[16]Lee C H, Za?ane O R, Park H H, et al. Clustering high dimensional data: A graph-based relaxed optimization approach[J]. Information Sciences An International Journal, 2008,178(23):4501-4511.

[17]Yujian L. A clustering algorithm based on maximalθ-distant subtrees[J]. Pattern Recognition, 2007,40(5):1425-1431.