天水中部地區(qū)滑坡隱患早期識別及安全性分析

毛嘉騏 李素敏 崔文東 廖園歡 成睿

摘 要：天水地區(qū)屬于黃土丘陵溝壑區(qū)，地形起伏較大，區(qū)域內(nèi)斷裂褶皺發(fā)育，地質(zhì)構造復雜，雨季期間滑坡等自然災害頻發(fā)?；跁r序InSAR技術，利用哨兵一號（Sentinel-1）SAR數(shù)據(jù)對天水市中部區(qū)域內(nèi)的潛在滑坡體進行早期的解譯識別，發(fā)現(xiàn)2處存在隱患的坡體。結(jié)合地質(zhì)資料，利用FLAC3D中的強度折減法，得到隱患坡體的安全系數(shù)分別為1.003和1.040。研究結(jié)果表明：采用時序InSAR技術探測出隱患坡體，再對隱患進行安全系數(shù)計算，可以對大范圍區(qū)域滑坡隱患點進行精準識別和風險量化評估，從而對滑坡隱患區(qū)進行分級防治，為滑坡隱患早期識別提供思路和參考。

關鍵詞：時序InSAR;潛在滑坡;FLAC3D;安全系數(shù);強度折減法

中圖分類號：P642.2

文獻標志碼：A

文章編號 1000-5269（2023）03-0047-07

DOI：10.15958/j.cnki.gdxbzrb.2023.03.07

滑坡具備高突發(fā)性、高破壞性的特點，給人民群眾的生命安全以及生產(chǎn)建設活動造成了極大的危害，嚴重制約著社會經(jīng)濟的發(fā)展［1］。利用傳統(tǒng)的監(jiān)測方法很難對滑坡進行大面積的監(jiān)測預警，而且監(jiān)測成本較高，效率低，易受到外界因素的影響，難以實現(xiàn)滑坡預警［2］。合成孔徑雷達干涉測量（interferometric synthetic aperture radar，InSAR），具有全天時、全天候和覆蓋范圍廣等特點，已經(jīng)成功運用于滑坡災害的監(jiān)測中，特別是在滑坡災害的早期隱患識別中得到了廣泛的應用［3］。戴可人等［4］利用時序InSAR技術，對雅礱江中段地區(qū)進行高山峽谷地區(qū)的早期識別工作，成功探測出8處具有滑坡隱患區(qū)域。蔡杰華等［5］基于InSAR技術，對九寨溝震后滑坡隱患區(qū)域進行早期的探測識別，共發(fā)現(xiàn)7處靠近居民區(qū)的隱患區(qū)域，潛在威脅性較大。ZHU等［6］利用InSAR技術對青海省劍溝滑坡進行探測，發(fā)現(xiàn)InSAR技術對分析滑坡前的蠕變變形具備優(yōu)勢。張毅［7］利用InSAR技術識別出白龍江流域內(nèi)的133處活動斜坡。在山區(qū)地形中，現(xiàn)有研究可以從一定程度上識別出潛在滑坡區(qū)域，卻無法準確評估潛在滑坡區(qū)域的穩(wěn)定性，同時，單一的潛在滑坡隱患識別也難以具體反映滑坡體失穩(wěn)特征。

FLAC3D軟件中的有限元強度折減法，可以通過彈塑性計算得出坡體的不穩(wěn)定面，并得到相應的安全系數(shù)，無需事先假設，且考慮土體的本構關系及巖土體本身的變形，可以對坡體的穩(wěn)定性以及在坡體發(fā)生破壞前后的位移情況進行判定［8］。如蔡捷等［9］利用FLAC3D中的強度折減法，對普陽煤礦1號排土場邊坡失穩(wěn)進行模擬分析，預測可能出現(xiàn)牽引式滑坡。劉宏等［10］針對緩傾角層狀巖質(zhì)邊坡小危巖體失穩(wěn)破壞模式進行分析，指出緩傾內(nèi)層狀巖質(zhì)邊坡分別為巖層較厚、巖層較薄、巖層傾向坡外等幾種情況時對應的破壞模式，同時對破壞模式提出了相應的穩(wěn)定性評價理論及方法。余忠祥等［8］運用FLAC3D對邊坡失穩(wěn)破壞進行模擬，同時采用強度折減法得出邊坡在不同條件下的相應安全系數(shù)，以及影響坡體穩(wěn)定性的主要因素為坡高和坡角。FLAC3D有限元強度折減法可以對坡體穩(wěn)定性實現(xiàn)量化，同時反映坡體失穩(wěn)前后的位移形變情況，提高時序InSAR監(jiān)測結(jié)果的可靠性。

因此，本文采用時序InSAR技術獲取天水市中部地區(qū)地表形變數(shù)據(jù)，識別出潛在滑坡區(qū)域；同時結(jié)合FLAC3D軟件，運用強度折減法得出隱患坡體的安全系數(shù)，分析識別潛在滑坡區(qū)域坡體的穩(wěn)定性情況，為滑坡的預測和坡體的穩(wěn)定性評價提供了有力的支持，并為當?shù)氐幕骂A警監(jiān)測提供了理論支撐。

1 研究區(qū)概況及數(shù)據(jù)處理

1.1 研究區(qū)概況

天水市地處甘肅省東南部，位于104°35′～106°44′E、34°05′～35°10′N的青藏高原和黃土高原交匯地帶，地勢西北高東南低，平均海拔高度為1 100 m，境內(nèi)有渭河及其支流流經(jīng)，受地質(zhì)沉陷和紅、黃土層沉積，形成黃土丘陵地貌?！疤m州—天水”地震帶穿城而過，區(qū)域內(nèi)斷裂褶皺發(fā)育，地質(zhì)構造較為活躍。天水降雨主要集中在夏秋兩季，且呈現(xiàn)出集中性和持續(xù)性的特點，加之近年來工程活動較多，導致滑坡、泥石流等自然災害頻發(fā)［11］。本文主要研究區(qū)為天水市中部地區(qū)，研究區(qū)位置如圖1所示。

1.2 SBAS-InSAR數(shù)據(jù)處理方法

SBAS-InSAR是利用同一地區(qū)多幅時間基線較短的SAR影像形成的干涉對。干涉對通過解纏、濾波等方式去除軌道誤差、噪音以及地形的殘余相位，保證時間基線的高相干性，然后采用奇異值分解（singular value decomposition， SVD）的方法，將多個基線集聯(lián)合求解，并對時間域和空間域的濾波進行分析，分離出殘余相位中的大氣相位和非線性形變誤差，得到目標區(qū)域內(nèi)覆蓋整個觀測時間的地表形變信息［12］。本文選取IW模式下的2018年10月—2021年10月的37景Sentinel-1A升軌數(shù)據(jù)，數(shù)據(jù)的相關參數(shù)如表1所示。為提高SAR衛(wèi)星影像的軌道精度，引入由歐空局提供的精密軌道數(shù)據(jù)，使用30 m分辨率的DEM，用于計算過程中去除地形相位的影響。

1.3 FLAC3D有限元強度折減法

本文采用有限元強度折減法，運用FLAC3D對坡體進行強度折減計算。其原理是將坡體的巖土體的黏聚力C和內(nèi)摩擦角φ進行調(diào)整，得到一組新的黏聚力和內(nèi)摩擦角，然后利用折減后的參數(shù)進行計算，直到坡體達到極限狀態(tài)，此時的折減系數(shù)F即為坡體穩(wěn)定時的安全系數(shù)［13］。

式中：C′為折減后的黏聚力；φ′為折減后的摩擦角；F為折減系數(shù)。

通過現(xiàn)場調(diào)查，計算采用摩爾庫倫本構，巖土體抗剪強度、彈性模量、泊松比等物理力學參數(shù)均通過室內(nèi)實驗獲取，如表2所示。

1.4 技術路線

利用時序InSAR技術進行滑坡災害隱患點的大規(guī)模普查，查找隱患點位置，然后對普查結(jié)果用FLAC3D有限元軟件生成網(wǎng)格單元，并建立坡體模型；對坡體賦予相應的條件和參數(shù)，獲得達到初始平衡狀態(tài)的初始模型；對模型施加一定的外力，破壞其現(xiàn)有狀態(tài)，繼續(xù)進行計算，使模型處于平衡或者破壞狀態(tài)；最后結(jié)合坡體模型得出安全系數(shù)，對坡體安全性進行綜合判斷［14］。整體技術流程如圖2所示。

2 InSAR滑坡隱患早期識別結(jié)果

2.1 總體識別結(jié)果

基于時序InSAR獲取天水市中部地區(qū)2018年10月—2021年10月的形變數(shù)據(jù)，其年均形變速率圖如圖3所示。從圖3可以看出：整個研究區(qū)形變情況分布不均勻，位于中部的主城區(qū)附近較為穩(wěn)定，形變速率為10 mm/a，未見有較大的形變情況發(fā)生；形變嚴重的區(qū)域主要集中在研究區(qū)北部，區(qū)域內(nèi)地形起伏較大，年均形變速率變化范圍為-92～68 mm/a；研究區(qū)南部地形也有較大起伏，形變速率在-40～35 mm/a之間。結(jié)合研究區(qū)光學遙感影像及實地調(diào)查，發(fā)現(xiàn)研究區(qū)南部植被覆蓋率較高，會導致嚴重的失相干情況；研究區(qū)北部植被覆蓋率較低，形變監(jiān)測結(jié)果良好，故在研究區(qū)北部區(qū)域篩選滑坡隱患區(qū)域。

結(jié)合坡度（圖4）、高程（圖1）、形變速率等分析，位于研究區(qū)北部的秦州區(qū)太京鎮(zhèn)丁家門村和麥積區(qū)能干村的坡體存在隱患，其最大形變速率為92 mm/a，坡度均大于35°，且所處位置海拔較高。其中，位于丁家門村坡體靠近斷裂帶，能干村坡體靠近渭河、隴海鐵路，存在造成次生災害的風險。

2.2 重點區(qū)域解譯

第一處滑坡隱患較大的區(qū)域位于秦州區(qū)太京鎮(zhèn)丁家門村附近坡體。該處坡體最大沉降值為-120 mm，從上至下選取4個點位進行時序分析，如圖5所示。從圖5可以看出：坡體整體沉降速率較大，最大沉降速率為44 mm/a；2018年10月—2020年4月，坡體變化趨勢較為穩(wěn)定，之后以較大的速率持續(xù)沉降。巖土體裸露情況較為嚴重，植被種類單一且稀少，周邊有部分耕地，在強降雨及持續(xù)性集中降雨條件下，坡體易受侵蝕，存在較高滑坡成災風險。

第二處隱患區(qū)位于麥積區(qū)能干村，坡體周邊植被較少，計算結(jié)果整體相干性較好。該坡體最大沉降值為-130 mm，坡體的中部和下部都保持著持續(xù)且較大沉降速率，取該坡體4個點位進行時序監(jiān)測，如圖6所示。從圖6可以看出：自監(jiān)測之日起，該坡體除頂部點位沉降速率較為平緩外，其余監(jiān)測點位持續(xù)保持一定速率沉降，最大沉降速率為54 mm/a。坡體頂部附近為農(nóng)田，周邊溝壑落差較大，坡體側(cè)臂較陡，毗鄰渭河、隴海鐵路，如若發(fā)生滑坡，易造成次生災害的發(fā)生，影響渭河流域及隴海鐵路的安全性。

3 基于FLAC3D強度折減法的模擬分析

3.1 模擬初始位移分析

運用FLAC3D對丁家門村坡體進行計算，得到位移云圖如圖7所示。由圖7可以看出：坡體中部在水平方向上沿X軸正方向位移較大，在靠近底部處達到最大，位移值為9 mm；在豎直方向上，坡體中部沿Z軸負方向位移情況明顯，最大位移值為-7 mm。

能干村坡體的整體位移情況較為明顯，位移云圖如圖8所示。由圖8可以看出：在水平方向上，坡體中下部沿X軸正方向位移情況突出，最大位移值為5 mm；在豎直方向上，整體位移較大，在坡體中上部尤為顯著，最大位移值為-5 mm。

3.2 模擬安全系數(shù)分析

運用強度折減法對邊坡進行折減計算，對坡體在不同折減系數(shù)下的最大豎直方向位移變化情況進行分析，從而確定坡體的最終安全系數(shù)。位于秦州區(qū)丁家門村的坡體在不同折減系數(shù)下位移變化情況如圖9（a）所示。由圖9（a）可知：當折減系數(shù)為0.900～1.000時，坡體最大位移變化平穩(wěn)；當折減系數(shù)大于1.003時，最大位移出現(xiàn)陡增，坡體失穩(wěn)。因此，坡體安全系數(shù)為1.003，小于坡體失穩(wěn)時安全系數(shù)需大于1.1［14］的要求，且坡體最大位移值為231 mm，坡體形變量較大，發(fā)生位移突變，坡體處于不穩(wěn)定狀態(tài)，存在發(fā)生滑坡的風險。

位于麥積區(qū)能干村的坡體在不同折減系數(shù)下位移變化情況如圖9（b）所示。由圖9（b）可知：坡體以0.80為起始折減值，折減系數(shù)為0.800～1.040時，最大位移處于平穩(wěn)上升狀態(tài)，之后隨著折減系數(shù)不斷增大，位移值攀升。因此，坡體安全系數(shù)為1.040，小于1.1，最大位移值為135 mm，之后坡體失穩(wěn)，坡體屬于不穩(wěn)定坡體，存在發(fā)生滑坡的風險。

4 結(jié)果對比

將SBAS-InSAR計算的沉降結(jié)果與數(shù)值模擬的位移結(jié)果進行對比，如圖10所示。圖10左圖顯示，丁家門村坡體沉降值為-120～-90 mm，能干村坡體沉降值為-130～-40 mm；圖10右顯示，丁家門村坡體最大合位移值為-105 mm，能干村坡體最大合位移值為-137 mm。由圖10可知：通過時序InSAR技術測量得到的沉降量較大區(qū)域與數(shù)值模擬得出的坡體合位移較大區(qū)域基本一致，坡體存在較大形變情況。丁家門村坡體安全系數(shù)為1.003，小于1.1，屬于潛在滑坡易發(fā)區(qū)；坡體中部形變速率較大，與數(shù)值模擬得出的初始位移情況區(qū)域一致。能干村坡體最終安全系數(shù)為1.040，屬于潛在滑坡易發(fā)區(qū)；坡體中部及下部形變速率較大，與數(shù)值模擬得出初始模型存在位移隱患區(qū)域基本一致，且由于該處坡體靠近渭河及隴海線，存在安全隱患。

5 結(jié)論

本文使用Sentinel-1A數(shù)據(jù)，基于時序InSAR技術對天水市中心的山區(qū)地帶滑坡隱患開展早期的探測識別工作，共識別出2處隱患較大的典型區(qū)域作為重點進行探究。得出如下結(jié)論：

1）建立數(shù)值模擬的計算模型，對模型材料的抗剪強度進行折減，得出坡體水平和豎直方向位移變化和安全系數(shù)，其中，丁家門村與能干村坡體安全系數(shù)分別為1.003和1.040。綜合研判確定丁家門村坡體與能干村坡體均屬于“潛在滑坡易發(fā)區(qū)”。

2）丁家門村與能干村坡體形變區(qū)域的沉降值較大區(qū)域與數(shù)值模擬得出的相對位移較大區(qū)域基本一致。因此，利用時序InSAR技術結(jié)合FLAC3D有限元軟件，不僅可以兼顧快速普查滑坡隱患區(qū)域的需求，還能實現(xiàn)對于重點區(qū)域的精準查詢，從而對隱患區(qū)域的安全性進行判斷，為滑坡隱患識別、滑坡預警等提供數(shù)據(jù)與技術支持。

參考文獻：

[1]王新剛， 劉凱， 連寶琴， 等. 黃土-泥巖滑坡誘發(fā)因素及形成機理研究進展［J］. 西北大學學報（自然科學版）， 2021， 51（3）： 404-413.

［2］ 朱宗輝. 天水市區(qū)典型黃土滑坡形成機理與失穩(wěn)判據(jù)研究［D］. 北京： 中國地質(zhì)大學， 2020.

［3］ 張路， 廖明生， 董杰， 等. 基于時間序列InSAR分析的西部山區(qū)滑坡災害隱患早期識別： 以四川丹巴為例［J］. 武漢大學學報（信息科學版）， 2018， 43（12）： 2039-2049.

［4］ 戴可人， 鐵永波， 許強， 等. 高山峽谷區(qū)滑坡災害隱患InSAR早期識別： 以雅礱江中段為例［J］. 雷達學報， 2020， 9（3）： 554-568.

［5］ 蔡杰華， 張路， 董杰， 等. 九寨溝震后滑坡隱患雷達遙感早期識別與形變監(jiān)測［J］. 武漢大學學報（信息科學版） ［J］. 2020， 45（11）： 1707-1716.

［6］ ZHU Y R， QIU H J， YANG D D， et al. Pre- and post-failure spatiotemporal evolution of loess landslides： a case study of the Jiangou landslide in Ledu， China［J］. Landslides， 2021，18： 3475-3484.

［7］ 張毅. 基于InSAR技術的地表變形監(jiān)測與滑坡早期識別研究［D］. 蘭州： 蘭州大學， 2018.

［8］ 余忠祥， 任偉中， 符貴軍， 等. 基于FLAC3D對層狀巖質(zhì)邊坡的破壞形式及定性分析［J］. 紹興文理學院學報（自然科學）， 2020， 40（10）：20-28.

［9］ 蔡捷， 燕永鋒， 陳俊智， 等. 基于FLAC3D 平臺的邊坡穩(wěn)定性分析： 以普陽煤礦1號排土場為例［J］. 地質(zhì)災害與環(huán)境保護， 2019， 30（1）： 54-60.

［10］劉宏， 宋建波， 向喜瓊. 緩傾角層狀巖質(zhì)邊坡小危巖體失穩(wěn)破壞模式與穩(wěn)定性評價［J］. 巖石力學與工程學報， 2006，25（8）： 1606-1611.

［11］陳璽. SBAS-InSAR技術在秦州區(qū)地表形變監(jiān)測與滑坡敏感性評價中的應用研究［D］. 蘭州： 蘭州大學， 2018.

［12］姜乃齊， 左小清， 王志紅， 等. 基于PS-InSAR和SBAS技術監(jiān)測昆明市主城區(qū)地面沉降［J］. 貴州大學學報（自然科學版）， 2020， 37（4）： 72-78.

［13］張魯渝， 鄭穎人， 趙尚毅， 等. 有限元強度折減系數(shù)法計算土坡穩(wěn)定安全系數(shù)的精度研究［J］. 水利學報， 2003， 34（1）： 21-27.

［14］劉喜康. 基于FLAC3D的軟巖高邊坡支護方案研究［J］. 工程技術研究， 2020， 5（17）： 39-41.

［15］藍航. 基于FLAC3D的邊坡單元安全度分析及應用［J］. 中國礦業(yè)大學學報， 2008（4）： 570-574.

［16］BERARDINO P， FORNARO G， LANARI R， et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms［J］. IEEE Transactions on Geoscience and Remote Sensing， 2002， 40（11）： 2375-2383.

［17］MARCATO G， MANTOVANI M， PASUTO A， et al. Monitoring， numerical modelling and hazard mitigation of the Moscardo landslide （Eastern Italian Alps）［J］. Engineering Geology， 2012， 128： 95-107.

［18］陳永明， 石玉成. 中國西北黃土地區(qū)地震滑坡基本特征［J］. 地震研究， 2006， 29（3）： 276-280， 318.

［19］朱建軍， 李志偉， 胡俊. InSAR變形監(jiān)測方法與研究進展［J］. 測繪學報， 2017， 46（10）： 1717-1733.

（責任編輯：周曉南）

基金項目：國家自然科學基金資助項目（41961053，41861054）；云南省重點研發(fā)計劃資助項目（202003AC100002）；云南省科技廳面上資助項目（202101AT070102）

作者簡介：毛嘉騏（1995—），男，在讀碩士，研究方向：InSAR地表形變監(jiān)測，E-mail：156296424@qq.com.

*通訊作者：李素敏，E-mail：153064487@qq.com.

Abstract： Tianshui region is located in loess hilly and gully region， fault folds developed， with large topographic fluctuations， complex geological structure， and frequent natural disasters such as landslides during the rainy season. This research was based on the time-series InSAR technology， and the sentinel-1 SAR data was used to interpret and identify the potential landslides in the central area of Tianshui City， then two potential landslides with hidden dangers were identified. By analyzing relevant geological data and applying strength reduction method in FLAC3D， the safety factors of hidden danger slope are 1.003 and 1.040， respectively. The results show that the method of calculating the safety factor after detecting the hidden danger slope with the time-series InSAR technology can accurately identify and quantitatively evaluate the hidden danger of landslide in a large range of regions， which is conducive to realizing the hierarchical prevention and control of the hidden danger area of landslide， and provides ideas and reference for the early identification of landslide hidden danger.

Key words： time series InSAR; potential landslide; FLAC3D; safety factor; strength reduction