(西安科技大學 建筑與土木工程學院，西安 710054)

1 研究背景

黃土作為特殊土的一種，廣泛分布于我國西北、華北和東北地區(qū)。黃土的組成成分多樣，含有多種氧化物，以SiO2為主，然后是Al2O3、CaO，其次為Fe2O3、MgO和K2O等。黃土顆粒之間較為疏松，含有許多可溶性物質，使其具有多孔性[1]、垂直節(jié)理[2]和濕陷性[3]等特殊性質。在工程建設中黃土往往容易被流水侵蝕，破壞其原有的結構，導致塌方[4]、滑坡[5]和不均勻沉降[6]等各種問題。當氣候處于旱季時，黃土較為干燥，而氣候處于雨季時黃土較為濕潤，旱-雨季類型的干濕循環(huán)對黃土造成循環(huán)性風化損傷破壞。在這個干濕循環(huán)過程中，黃土原有顆粒的尺寸、位置和組成成分均發(fā)生改變，宏觀上導致黃土的抗剪強度、滲透性和壓縮模量產生改性[7]。

干濕循環(huán)條件下的土壤微觀結構變化規(guī)律，可通過掃描電鏡、X射線衍射和核磁共振技術等技術從物理層面直觀描述。Liu等[8]試驗研究了干濕循環(huán)對壓實低塑性黏土基質吸力和體積特性的影響，發(fā)現隨著循環(huán)次數的增加，干濕循環(huán)下土壤保水曲線(SWRC)的位置向下移動。Chen等[9]進行直接剪切試驗以研究多個干濕循環(huán)對不飽和壓實黏土剪切行為的影響。Chu等[10]通過掃描電鏡和壓汞法研究了干濕循環(huán)對改性膨脹土的膨脹行為和可壓縮性的影響，膨脹土微觀結構表現出退化趨勢。Liu等[11]通過電鏡掃描發(fā)現在粉質黏土干燥/濕潤循環(huán)過程中，土壤顆粒被拉近，導致微觀結構的變化，從而導致力學行為的改變。

葉萬軍等[12]通過干濕循環(huán)試驗揭示細微觀結構變化與宏觀力學性質的相關關系，并區(qū)分古土壤與黃土間存在的差異性。趙貴濤等[13]通過壓汞試驗研究凍融循環(huán)、干濕循環(huán)和交替的干濕-凍融循環(huán)對壓實膨脹土的微觀結構、土-水特征曲線和收縮特征曲線的影響。胡長明等[14]通過電鏡掃描從微觀角度研究干濕循環(huán)引起的壓實黃土強度劣化，同時采用ABAQUS數值模擬分析干濕循環(huán)作用下壓實黃土填方邊坡穩(wěn)定性。萬勇等[15]從微觀層次揭示了壓實黏土在干濕循環(huán)作用下的變形特性和強度衰減內在本質。袁志輝等[16]采用單軸拉伸法對干濕循環(huán)條件下黃土抗拉強度進行試驗研究，多次的干濕循環(huán)作用打破了原狀黃土的原有結構，使得其抗拉結構強度消失。目前土壤干濕循環(huán)損傷處于試驗探索階段，其理論尚不完善，基于土壤微觀紋理建立土壤干濕循環(huán)損傷理論迫在眉睫。

本文采用灰度共生矩陣法[17]，利用陜西西安地區(qū)的黃土電鏡掃描圖片提取黃土微觀紋理特征，通過建立基于長短期記憶網絡(LSTM)[18]的深度學習時序回歸預測模型描述黃土紋理特征和土壤微觀裂紋與孔隙占比之間的聯系，依據干濕循環(huán)損傷模型計算土壤干濕循環(huán)損傷因子，揭示土壤微觀結構在干濕循環(huán)過程的變化規(guī)律。

2 試驗過程

2.1 試驗材料

試驗用土為取自陜西西安地區(qū)的黃土，氣候為暖溫帶半濕潤大陸性季風氣候，在施工季土壤干濕循環(huán)較為頻繁，其基本性質如表1所示。

表1 西安試驗黃土基本性質Table 1 Basic properties of Xi’an loess for experiment

2.2 試驗裝置

試樣微觀結構試驗裝置采用荷蘭飛納Phenon/pro臺式掃描電子顯微鏡，如圖1所示，其SEM分辨率優(yōu)于14 nm，放大倍數區(qū)間為80～130 000，采用背散射電子探測器。

圖1 掃描電子顯微鏡Fig.1 Scanning electron microscope(SEM)

2.3 試驗方案

采用膠頭滴管將水滴滴在試樣的濾紙上以均勻濕潤土壤，再將土壤試樣密封靜置48 h，此時土壤試樣含水率達到設定狀態(tài)。將濕潤土樣置于恒溫烘箱進行干燥，當含水率達到16%可認為土壤試樣處于干燥狀態(tài)，視為土壤進行了一次干濕循環(huán)。通過滴入濾紙的水滴數量控制土樣的含水率，試驗土壤含水率控制在16%～24%，將土壤試樣分別編號為1組、2組，分別進行0次、1次、2次、4次和6次干濕循環(huán)試驗，用美工刀將試樣修剪成1 cm3的試塊在噴金處理后進行電鏡掃描。將試樣分別放大500、2 000、5 000倍，得到3組電鏡掃描照片。

3 試驗結果及分析

3.1 灰度共生矩陣

電鏡掃描圖像灰度在空間位置上的分布反映了土壤試樣的微觀紋理結構，掃描圖像的灰度空間相關特性可以用來描述土壤試樣微觀紋理結構在干濕循環(huán)條件下的變化規(guī)律。灰度共生矩陣是對土壤電鏡掃描圖像中固定距離的兩像素具有某種灰度進行的統(tǒng)計，可用來描述土壤試樣圖像灰度的空間相關特性。

可通過編程讀取電鏡掃描灰度圖像，可表示為f(x，y)，則反映該圖像灰度一定空間關系的灰度共生矩陣P為

P(g1，g2)=

(1)

式中：#為求集合中的元素個數；S為土壤圖像中一定空間關系的像素對集合；等號右邊分子為滿足一定空間關系的像素對灰度分別為g1和g2的個數；分母為電鏡掃描圖像的像素對總個數。在求解土壤試樣圖像的灰度共生矩陣時，設置兩像素之間的距離為1保持不變，兩像素之間的角度選取0°、45°、90°、135°。

在具體進行土壤試樣微觀紋理結構的評價時，選取5個指標作為土壤試樣灰度圖像的紋理特征統(tǒng)計值，分別為對比度、相關性、熵、平穩(wěn)度和二階矩。

其中對比度CON計算公式為

(2)

式中：i與j分別為相鄰像素的灰度；P(i，j)為相鄰像素灰度差為|i-j|的像素分布概率?；叶葓D像對比度反映了土壤試樣灰度圖像的微觀紋理結構深淺的程度，是對黃土試樣內部微觀裂紋和顆?？紫渡顪\程度的描述，灰度圖像對比度越大，則說明微觀裂紋和孔隙深度越深。

相關性COR的計算公式為

(3)

其中：

熵ENT的計算公式為

(4)

土壤試樣電鏡掃描灰度圖像熵描述了土壤試樣微觀結構紋理在二維灰度圖像中的空間分布狀況，當土壤試樣微觀裂紋和孔隙數量增多時，土壤試樣微觀紋理結構趨于破壞和混亂化，土壤試樣灰度圖像熵變大。

平穩(wěn)度IDM的計算公式為

(5)

土壤試樣灰度圖像平穩(wěn)度反映了土壤試樣微觀紋理結構的粗糙程度，土壤試樣微觀裂紋與孔隙在二位灰度圖像中截面積越大，灰度連續(xù)性越強，則平穩(wěn)度越大。

二階矩ASM的計算公式為

(6)

土壤試樣灰度圖像二階矩描述了土壤試樣微觀紋理均勻程度狀態(tài)，二階矩越小則說明土壤試樣灰度圖像灰度共生矩陣灰度越接近，結構紋理比較細致?；叶葓D像二階矩隨土壤干濕循環(huán)的變化反映了土壤微觀裂隙和孔隙的變化狀態(tài)，隨著裂隙和孔隙的增大，二階矩也逐漸變大。

3.2 選擇合適的電鏡掃描圖像放大倍數

電鏡掃描圖像可以將土壤試樣放大不同的倍數，選取合適的放大倍數對基于灰度共生矩陣的土壤試樣微觀結構分析至關重要。以1組未進行干濕循環(huán)的土壤試樣為例，電鏡掃描圖像如圖2所示，土壤呈現團粒結構，多為針孔狀孔隙，含鈣質條紋及少量鈣質結核。通過編程求取土壤電鏡掃描圖像的灰度共生矩陣，計算灰度圖像的對比度、相關性、熵、平穩(wěn)度和二階矩，如圖3所示。

圖2 不同放大倍數的電鏡掃描圖像Fig.2 SEM images with different magnifications

圖3 灰度共生矩陣各指標量與放大倍數的關系Fig.3 Relations between indices of gray level co-occurrence matrix and magnification

一般來說，灰度圖像指標隨圖像放大倍數的變化規(guī)律呈現一致性，而圖3中指標量熵和二階矩出現突變現象，在放大倍數為5 000倍時突然增大，是由于圖像放大倍數過大，所計算指標過于局部，使計算結果過小。但若只放大500倍，又顯得放大倍數過小，難以將干濕循環(huán)過程中土壤試樣顆粒和孔隙發(fā)展規(guī)律表現出來，因此對干濕循環(huán)條件下土壤微觀結構機理的研究采用放大倍數為2 000倍的電鏡圖像。

從圖3可知熵和二階矩的發(fā)展趨勢較為相似，對5個指標量相關性進行分析，結果如表2所示。熵和二階矩相關性顯著，在進行土壤試樣干濕循環(huán)微觀結構機理研究時，本文只選取指標量熵進行分析。

表2 灰度共生矩陣指標量之間的相關關系

3.3 干濕循環(huán)條件下灰度指標變量變化

將1組土壤試樣電鏡掃描圖像放大倍數設定為2 000倍，在0、1、2、4、6次干濕循環(huán)條件下，土壤試樣灰度圖像如圖4所示。

圖4 不同干濕循環(huán)次數下土壤試樣灰度圖像Fig.4 Gray-scale images of loess samples undergone different dry-wet cycles

根據試樣灰度圖計算土壤試樣圖像灰度共生矩陣指標量，如圖5所示。圖5中土壤試樣指標量對比度隨著干濕循環(huán)次數的增加從74.186 5減小到37.684 5，呈現反“S”型曲線，減小速度逐漸增大后又逐漸減小。土壤試樣結構紋理逐漸變淺，是由于干濕循環(huán)過程中土壤試樣水分會產生遷移和蒸發(fā)現象，不斷沖刷土壤試樣團粒致使土壤試樣整體紋理變淺。

圖5 指標量隨干濕循環(huán)次數變化Fig.5 Changes of gray index quantities with the number of dry-wet cycles

灰度共生矩陣指標量相關性從3.56增加到3.81，增加速度逐漸減小，表明土壤試樣的紋理走向隨干濕循環(huán)次數的增加逐漸明顯，說明在干濕循環(huán)過程中土壤試樣原有微觀裂紋和孔隙在水分遷移的不斷沖刷下不斷擴大，與此同時在水氣的轉化作用下土壤試樣又不斷產生新的微觀裂紋和孔隙，使土壤試樣變得更加蓬松，在水分遷移沖刷作用下土壤試樣中形成了沿原有水分遷移通道的紋理走向。

試樣灰度共生矩陣指標量熵隨干濕循環(huán)次數的增加呈現“S”走向，從0.011增加到0.014，表明土壤試樣微觀結構紋理復雜度增加。在干濕循環(huán)過程中，在土壤水分的遷移沖刷下試樣微觀裂紋和孔隙數量和大小增加，土壤試樣團粒結構邊緣不斷圓潤，顆粒豐度不斷提高，紋理結構復雜度不斷增大。

隨著干濕循環(huán)次數的增加，土壤試樣灰度共生矩陣指標量平穩(wěn)度不斷增大，這表明隨著干濕循環(huán)次數的增加，土壤試樣灰度圖像中灰度較為連續(xù)，在圖像不同區(qū)域之間微觀裂紋和孔隙變化逐漸趨于均勻化，這是由于干濕循環(huán)過程中水分的遷移和蒸發(fā)使得在原試樣中未產生微觀裂紋和孔隙的區(qū)域不斷產生新的微觀裂紋和孔隙，使得土壤試樣微觀裂紋和孔隙在二維灰度圖像的分布中趨于均勻化，土壤試樣不同區(qū)域間都出現或多或少的水分遷移通道，土壤試樣中的針狀孔隙之間彼此連通，出現條形孔隙，如圖4所示。相關性和平穩(wěn)度沿凸曲線發(fā)展，在5次干濕循環(huán)后達到極值。

3.4 干濕循環(huán)條件下土壤孔隙面積測量

對放大2 000倍的土壤電鏡掃描圖像進行偽彩色處理，增強圖像中土壤微觀裂紋和孔隙與土壤團粒的對比顯示效果，如圖6所示。隨著干濕循環(huán)次數的增加，土壤中原有的微觀裂紋和針狀孔隙不斷受到水分遷移的沖刷，彼此間逐漸連通形成較大的土壤微觀裂紋，土壤紋理更加淺顯。土壤中水分的遷移將土壤團粒周圍的分散顆粒沖刷到一起形成新的土壤顆粒。土壤中原有結構的點-點接觸、點-邊接觸、邊-邊接觸、邊-面接觸和面-面接觸在干濕循環(huán)過程中持續(xù)發(fā)育，土壤團粒邊緣由尖銳變得圓潤。

圖6 不同干濕循環(huán)次數下土壤試樣偽彩色圖像Fig.6 Pseudo-color images of loess samples undergone different dry-wet cycles

將偽彩色圖像變?yōu)閳D像分割模式，將灰度分布概率密度最大處定為土壤微觀裂紋和孔隙面積閾值，提取土壤微觀裂紋和孔隙面積，將已提取土壤微觀裂紋和孔隙面積的土壤圖像轉換為二值化圖像，如圖7所示，紅色部分為土壤微觀裂紋和孔隙區(qū)域，灰色部分為土壤顆粒。由圖7中紅色部分的發(fā)展趨勢可以看出，隨著干濕循環(huán)次數的增加，土壤原有結構在水分遷移作用下被破壞并且形成新的結構，原始細小深刻的微觀裂紋和孔隙變得更加寬大淺顯，散亂分布的土壤細小顆粒在水分遷移的沖刷下集中到一起形成新的土壤顆粒，使得土壤中原有顆粒變得圓潤，土壤紋理發(fā)育得成熟。

提取圖7中前4次干濕循環(huán)的微觀裂紋和孔隙像素面積，計算土微觀裂紋和孔隙部分在土壤掃描部分的占比，其隨干濕循環(huán)次數的關系曲線如圖8所示。隨著干濕循環(huán)次數的增加，土壤試樣微觀裂紋與孔隙的占比逐漸增加，從最初67.12%經歷4次干濕循環(huán)后增加到74.83%，在第6次干濕循環(huán)時土壤微觀裂紋與孔隙占比達到75.45%，增加速度不斷減小。在5次干濕循環(huán)后，其紋理性基本不再增強，說明土體紋理化已經完成。

圖8 土壤微觀裂紋和孔隙占比與干濕循環(huán)次數關系Fig.8 Relationship between the proportion of soil cracks and pores and the number of dry-wet cycles

4 干濕循環(huán)條件下黃土損傷分析

4.1 干濕循環(huán)條件下黃土損傷模型

隨著干濕循環(huán)次數的增加，土壤原有結構被破壞，不斷有新的微觀裂紋和孔隙產生，舊有微觀裂紋和孔隙繼續(xù)發(fā)育，土壤結構紋理變得寬大淺顯。干濕循環(huán)對土壤結構的損傷微細觀方面主要表現在土壤微觀裂紋和孔隙面積增加，宏觀方面則主要表現在土壤強度的減小。土壤微觀裂紋和孔隙面積占比在一定程度上可以反映干濕循環(huán)對土壤原有結構的損傷，為此建立黃土干濕循環(huán)損傷模型。對各灰度圖像指標量進行擬合，得到各灰度指標量隨干濕循環(huán)次數增加的變化規(guī)律f(n)(n為干濕循環(huán)次數)，對土壤微觀裂紋和孔隙面積占比隨干濕循環(huán)次數的變化曲線同樣進行擬合，得到土壤微觀裂紋和孔隙面積占比隨干濕循環(huán)次數增加的變化規(guī)律y(n)。

以干濕循環(huán)次數為時間軸，采用LSTM深度學習算法建立土壤試樣灰度圖像指標量和土壤微觀裂紋和孔隙面積占比之間的時序回歸預測模型，得到土壤微觀裂紋和孔隙面積占比隨灰度圖像指標量的變化規(guī)律，如式(7)所示。

y=φ(f1(n)，f2(n)，f3(n)，f4(n)) 。

(7)

式中fi(n)為對應的4個灰度圖像指標變量關于干濕循環(huán)次數n的擬合函數。

土壤微觀裂紋和孔隙面積占比擬合曲線表明土壤在未進行干濕循環(huán)時本身已存在微觀裂紋和孔隙，說明土壤存在初始損傷。實際上，未進行干濕循環(huán)的土壤的壓力強度是基于初始損傷條件下得出的。土壤微觀裂紋和孔隙面積占比變化導致了土體應力強度的變化。土體有效應力與應力之比為

(8)

式中：土體應力σ=P/S；土體有效應力σ′=P/S′；P為土體微元受到的壓力；S為無損土體截面積；S′為有損土體截面積。

土體干濕循環(huán)有效應力與土體未進行干濕循環(huán)有效應力之比為

(9)

根據式(10)定義土壤干濕循環(huán)損傷因子D為

(11)

4.2 干濕循環(huán)損傷時序回歸預測

以1組黃土試樣為例，前4次干濕循環(huán)灰度指標量擬合曲線如圖9所示。在前2次干濕循環(huán)中，試樣對比度和熵發(fā)生劇烈變化，說明土體中微觀裂紋和孔隙迅速增加。土壤干濕循環(huán)過程可以分為兩階段：微觀裂紋和孔隙增加、土壤結構紋理化。第1個階段主要在前2次干濕循環(huán)內發(fā)生，第2個階段主要發(fā)生在前5次干濕循環(huán)內。

圖9 灰度圖像指標量擬合曲線Fig.9 Fitted curves of gray image index quantities

按0～12次干濕循環(huán)分成1 201個點，按照擬合曲線可得到灰度指標量和土壤微觀裂紋和孔隙面積占比的1 201個數據。同時建立深度學習時序回歸預測模型，包含LSTM層、全連接層和丟棄層。其中LSTM層具有200個隱含單元，全連接層大小為50，丟棄層丟棄概率為0.5。以0.01的學習率，小批量為220進行300輪訓練，梯度閾值為1，以1組土壤試樣灰度圖像指標變量和土壤微觀裂紋與孔隙占比作為訓練集合，輸入2組土壤試樣灰度圖像指標量，對土壤微觀裂紋和孔隙占比進行時序回歸預測。

第2組土壤試樣損傷因子深度學習時序回歸預測曲線與實際土壤損傷因子變化曲線如圖10所示。

圖10 土壤損傷因子變化曲線Fig.10 Change curve of loess damage factor

深度學習時序回歸預測曲線與實際土壤損傷因子變化曲線吻合度較高，干濕循環(huán)深度學習模型具有較好的可靠性。第1組第6次干濕循環(huán)損傷因子為0.249，深度學習預測曲線第6次損傷因子為0.246，可見，深度學習結果與第1組實測數據相比也較為貼合。隨著土壤干濕循環(huán)次數的增加，土壤損傷因子逐漸增大。土壤試樣經歷4次干濕循環(huán)后干濕循環(huán)損傷因子損傷比例達到93.10%。在6次干濕循環(huán)后，土壤損傷因子增加速度幾乎為0，趨近于極限值0.253。在干濕循環(huán)過程，土壤試樣內部水分出現遷移現象，會產生水分遷移通道，在土壤試樣中形成新的微觀裂紋和孔隙，土壤中的微觀裂紋和孔隙占比不斷增大，在6次干濕循環(huán)后土壤中微觀裂紋和孔隙占比增加到一個極限值。此時，在干濕循環(huán)損傷作用下土壤顆粒只進行重組，土壤試樣不再產生新的微觀裂紋和孔隙，干濕循環(huán)不再對土壤試樣產生損傷作用。

5 結 論

本文對西安地區(qū)的黃土進行干濕循環(huán)處理，基于灰度共生矩陣利用黃土試樣電鏡掃描灰度圖像提取土壤紋理特征數據，分析土壤微觀結構變化。以灰度圖像最大概率密度分布的灰度為閾值計算土壤微觀裂紋和孔隙占比，通過深度學習時序回歸預測模型建立土壤紋理特征數據和土壤微觀裂紋和孔隙占比之間的聯系，根據建立的數學模型計算土壤干濕循環(huán)損傷程度，得到如下結論：

(1)黃土試樣灰度圖像在放大2 000倍時能夠反映黃土干濕循環(huán)后微觀結構變化。經過對比，灰度指標量熵和二階矩呈現顯著相關性，對比度隨干濕循環(huán)次數成反“S”型曲線，熵呈“S”型曲線發(fā)展，經過2次干濕循環(huán)后達到極限值，相關性和平穩(wěn)度沿凸曲線發(fā)展，在5次干濕循環(huán)后達到極值。

(2)在干濕循環(huán)后，對比度減小，相關性、熵和平穩(wěn)度不斷增大，說明土壤試樣微觀裂紋和孔隙不斷增大，紋理性不斷增強。在2次干濕循環(huán)后土壤試樣中基本不再產生新的微觀裂紋和孔隙，土壤顆粒之間只是重復進行重組，形成干濕循環(huán)中與水分遷移方向趨向平行的紋理走向，在5次干濕循環(huán)后紋理性基本不再增強。

(3)建立灰度指標變量和土壤試樣微觀裂紋和孔隙占比深度學習時序回歸預測模型，可以較好地反映土壤的干濕循環(huán)損傷，經6次干濕循環(huán)后，干濕循環(huán)的損傷趨近損傷極限值0.253，說明土壤的干濕循環(huán)損傷是有限的，在6次干濕循環(huán)后損傷不再增大。

(4)土壤干濕循環(huán)損傷分為兩個階段：微觀裂紋和孔隙增加、土壤結構紋理化。第1個階段主要在前2次干濕循環(huán)內發(fā)生，第2個階段主要發(fā)生在前5次干濕循環(huán)內。