蒙華鐵路黃土滑坡風險評價研究

周勇軍

(中國鐵路設計集團有限公司，天津 300142)

鐵路沿線的不良地質現象主要有滑坡、崩塌和泥石流等[1]，區域不良地質風險評價對選線及鐵路建設期邊坡支護都具有現實指導意義。目前，重大工程建設項目非常重視滑坡等災害預測評估，但滑坡受地質環境和社會經濟環境等諸多因素影響，滑坡災害預測還沒有成熟的理論和方法。當前比較有效的研究途徑是從研究區域內典型滑坡的實際資料入手，預測與反演相結合，提出各類滑坡的災害評估方法[2]。以蒙華鐵路黃土高原區為例，在搜集區域地形、地貌、地質、遙感影像等資料的基礎上，對區域內黃土滑坡進行遙感判釋，通過GIS技術和統計學原理，分析黃土滑坡的空間分布特征與環境要素的內在聯系，建立加權疊加模型，進行該區黃土滑坡風險評價，對蒙華鐵路擬選線位進行方案比選。

1 研究區概況

根據蒙華鐵路擬選線位的走向以及區域黃土分布情況，研究范圍包括陜西省延安地區的安塞縣、宜川縣、延川縣、延長縣、子長縣等地(圖1)。研究區地層分為第四系及前第四系。沿線第四系地層分布廣泛，主要為沖積、沖洪積、沖湖積及風積等成因的全新統至中更新統地層。前第四系主要是陸相碎屑巖及沉積巖系，基巖露頭只在深切河谷或曾受到強烈剝蝕的低山丘陵地區出現。出露有第三系上新統保德組、靜樂組，白堊系下統環河組、洛河組，侏羅系中統安定組、延安組、直羅組，下統富縣組，三疊系上統瓦窯堡組，中上統延長組，中統紙坊組，下統劉家溝組、和尚溝組地層。區內巖層傾角較緩，部分地區有波折現象。

除上部黃土外，區內地層巖性主要為砂巖夾砂質泥巖、泥巖等(圖2)，物理力學性質較差。大氣降水及地表水下蝕、側蝕作用，水土大量流失，溝谷不斷擴展，形成眾多的高陡斜坡臨空面，為滑坡的發生提供了空間條件。新黃土(馬蘭黃土)與老黃土(離石黃土)過渡帶、黃土與基巖接觸面等軟弱結構面因透水性差異易形成富水帶，軟弱結構面遇水軟化，抗剪強度大大降低，易形成破裂滑動面。

圖1 研究區地層分布

圖2 研究區典型地層巖性剖面(位置見圖1)

2 數據選取與處理

根據蒙華鐵路不良地質發育特征，優選SPOT5衛星影像作為遙感判釋的基礎數據。SPOT5衛星影像處理包括模擬真彩色波段組合(R/G/B：2/1/3)、正射校正、圖像融合、鑲嵌等遙感圖像處理過程，得到清晰、無云的SPOT5正射影像圖。地形數據是開展區域不良地質風險評價的重要數據。收集研究區地形圖和ASTER DEM等數據資料，進行二者的綜合應用。由于ASTER數據局部存在高程異常，使用前需對其進行處理。將其轉換為點云數據，根據限差及其他地形資料消除高程異常，然后重新生成DEM數據[3]。并在此基礎上，提取研究區的坡度、坡向、坡度變率、坡向變率、地形曲率、地形起伏度等信息。流域分級是滑坡危險性區域分級、單元劃分和邊界確定的重要幾何依據，將高程數據和反高程數據分別進行流域分級，然后由兩者的分級界線重新生成不規則單元。在研究區共劃分65 411個不規則單元。

3 滑坡影響因子分析與取值

3.1 黃土滑坡分布特征

依據處理后的SPOT5衛星影像和ASTER GDEM V2數據建立三維遙感判釋系統，進行沿線黃土滑坡判釋和分析。依據建立的滑坡判釋標志，經過詳細判釋后，選取40余處重點滑坡進行現場驗證，并進一步補判和完善，結合收集的歷史滑坡數據，繪制成區域黃土滑坡分布圖(圖3)。從分布特征看，區域黃土滑坡主要分布在延安安塞—子長縣一帶，尤其在安塞縣東南部地區黃土滑坡分布密集，多沿溝谷一側展布，有時成片出現。采用Kernel密度制圖方法，將遙感判釋滑坡結果繪制成滑坡面積密度分布圖，繪制過程中將搜索半徑設為5 km。

圖3 研究區黃土滑坡遙感解譯結果

3.2 滑坡影響因子分析

(1)地層巖性、地貌類型、地震加速度等因子對滑坡的影響。地層巖性、地貌類型及地震為黃土滑坡發育的主要影響因素[4-6]。因子取值可通過計算不同類別因子單位面積發生滑坡的密度得到。這些滑坡影響因子空間數據若為矢量數據，還需轉換為柵格數據。

(2)氣象因子對滑坡的影響。滑坡的發生往往與降雨有一定的關系。降雨形成的地表水對坡體表面的沖刷改造形成有利的滑坡形態，侵入坡體內部又會降低其物理力學性質，是滑坡發生的誘發因素之一[7]。利用研究區多年(2001年～2010年)降雨量數據，通過空間差值方法繪制研究區年均降雨量空間分布柵格數據，作為滑坡影響因子之一。

(3)水文因子對滑坡的影響。滑坡的發育在空間位置上與水系、地下水出露點、水庫等要素的距離存在一定的聯系。通過繪制研究區任一滑坡柵格點中心到與它距離最近的水文因子的直線距離，可以定量分析這些水文要素對滑坡空間展布的影響程度。

通過對滑坡影響因子的分析，建立滑坡危險性定量評價指標體系。在研究區初步提取了18個滑坡因子，每個因子的命名和因子變量名如表1所示。影響因子圖層柵格大小為30 m×30 m。

油田專門制定并落實了《高校畢業生輪崗見習管理辦法》、《新員工教育管理辦法》等制度，規定所有新引進的高校畢業生全部到油田勘探開發一線進行為期1年的輪崗見習，讓他們了解油田主體專業業務知識，掌握主要油氣生產流程，拓寬知識領域，豐富工作經歷，體驗一線艱苦和基層職工拼搏奉獻精神，領會油田企業文化內涵，錘煉思想作風，增強綜合素質能力。在見習階段，為青年人才指定職業導師，進行“一對一”或“多對一”指導，讓其在不同崗位、不同業務、不同環境鍛煉，盡快適應企業環境，加快由學生向職工的轉化進程。

表1 研究區滑坡因子柵格圖層命名及單位

3.3 滑坡影響因子取值

為了定量描述各個因子取值的分布特征和相對集中程度，對研究區地層巖性、地貌類型、高程、坡度、坡向等18個滑坡因子的取值范圍進行統計分析。如果某個因子的取值在研究區內很分散，而在滑坡點處的取值卻很集中，則認為這個因子對滑坡的發育和分布具有很強的控制作用。對研究區滑坡因子的基本統計量包括：最大值、最小值、極差、平均值、標準差和變異系數6個參數。其中，平均值反映了滑坡因子數據的集中程度，極差、標準差以及變異系數反映了數據的分散程度。滑坡影響因子統計結果見表2。由統計結果可見，總曲率、平面曲率以及剖面曲率3個因子在研究區的變異系數絕對值最大，說明這3個因子在研究區的取值可能很分散，也可能有異常，主要原因是這3個指標原始數據取值有負數，計算的平均值容易靠近0。

表2 研究區滑坡因子統計數據(研究區|滑坡)

平面曲率和距離水系2個因子在滑坡處的變異系數絕對值最大，前者在滑坡處的變異性與整個研究區類似，后者說明在滑坡處取值波動較大。3個曲率因子都是地形因子，其取值的變異性在一定程度上反映了研究區的地形受到長期外營力的改造作用而表現為支離破碎。遙感影像也反映出該區黃土滑坡表面常常表現為凹凸不平、地形紊亂，并改變了局部微地貌。

4 滑坡影響因子分析與取值

4.1 滑坡影響因子取值

該模型以每個因子對研究對象的影響程度，以及單個因子在不同取值狀態下的影響程度為前提，通過建立二者與研究對象的函數關系，進行滑坡風險評價。假設影響研究對象Y的因子有n個，分別為X1，X2，…，Xn，第i個因子Xi的權重為Wi，對應的取值狀態有im個(每個因子取值狀態個數可以不同)，分別為Ai.1，Ai.2，…，Ai.m，第個狀態Ai.j的內權重為Wi.j，所有因子對具體某一研究對象yk(k=1，2，…，l，l為研究對象的個數)的重要程度可以定量表示為L(yk)。則有以下表達式

(1)

式中，L(yk)對應研究區第個單元格發生滑坡的危險程度，將其命名為滑坡危險性指數。

4.2 因子權重計算方法

(1)因子權重新的計算方法。因子權重是加權疊加模型的重要內容，計算權重的方法很多，如專家打分法、變異系數法、層次分析法等。專家打分法和層次分析法具有較強的人為干擾和主觀性，需要專家參與，實際操作較難；變異系數法僅僅是從數據的離散程度確定因子的權重，不能客觀準確地反映研究區滑坡因子的權重。因此，本文采用一種新的因子權重計算方法。其基本思想為：滑坡因子的權重大小主要決定于因子在滑坡處的觀測數據相對于在整個研究區觀測數據的集中程度。例如，滑坡主要發育在某一坡向范圍內，因此這一數據范圍在所有滑坡統計數據中比較集中，而在研究區統計數據中比較分散。度量一組數據分散性最好的指標為變異系數。鑒于此，滑坡因子的權重可以根據因子在滑坡處觀測數據的變異系數與在研究區觀測數據的變異系數建立比較關系來確定。為了消除變異系數為負數的情況，需將18個因子數據進行極值標準化。

原始數據極值標準化的表達式為

(2)

影響因子在滑坡處和在研究區標準化平均值的表達式為

(3)

研究區滑坡影響因子取值區間及因子內權重見表3。

表3 研究區滑坡因子取值區間及因子內權重

影響因子在滑坡處和在研究區標準化標準差的表達式為

(4)

根據式(3)和式(4)可以計算出18個滑坡因子在滑坡處的變異系數Cslope和研究區的變異系數Carea，顯然，滑坡因子數據在研究區越分散(Carea越大)，在滑坡處越集中(Cslope越小)，那么權重應該越大。因此，采用變異系數比的方法確定各因子的權重(圖4)，然后將各個因子權重進行歸一化處理，其表達式為

(5)

圖4 滑坡因子權重計算結果

(2)確定滑坡因子內權重。研究區滑坡因子數據分為離散數據和連續數據兩類，計算單個因子內權重之前應對其進行區間劃分。離散因子數據根據取值類別以及是否發育滑坡進行分類，將有滑坡發育的定為一類，沒有滑坡發育的類別不參與劃分，直接將其權重定為0。對于連續因子數據，采用自然斷點法劃分5個區間，然后統計各區間的單元格個數和滑坡個數。

每個滑坡因子數據在不同區間的內權重大小，反映了滑坡在這種取值狀態下發生的概率大小。統計發現，距離水文點水體和距離水系兩項因子在較大距離區間權重較大，這是由于這些區間像素少，滑坡密度較大的緣故，但總體趨勢是隨著距離增加權重變小滑坡面積密度、年均降雨量等因子的內權重與區間數據具有一致性。其他因子內權重較大的大多集中在某些特定區間。

4.3 滑坡風險評價計算

利用加權疊加模型，采用以上因子權重計算方法，對研究區域滑坡危險性進行評價計算，繪制基于修正權重的滑坡危險性指數分級圖(圖5)。危險區主要位于寶塔區城中心和與宜川縣西部交界地帶，集中在臨鎮西部、英旺鄉西部、柳林鎮中東部以及市中心南部，與遙感判釋結果及地災資料一致；較危險區主要位于寶塔區，宜川縣西部，子長縣、延川縣和寶塔區的交界地帶以及延長縣與寶塔區的交界地帶有少面積分布。滑坡發育比較密集，與人類活動、降雨、植被、地貌等因素有密切關聯；中等危險區主要分布于研究區的中部，集中分布在子長縣東部、延川縣西南部、寶塔區北部及東南部、安塞縣東南部以及宜川縣中部等地區。滑坡呈條帶發育在河流中上游的支流兩側，受到地層巖性、地形地貌、水文等多種因素的影響；較低危險區主要位于研究區的東部，集中分布在延川縣中西部、延長縣、宜川縣東部以及安塞縣的西南角；低危險區主要位于研究區的西北地區以及黃河西岸一帶，其次在延川縣的賈家坪鄉、賀家灣鄉、馬家河鄉以及延長縣的黑家堡鎮有零星分布。西北角海拔高，降雨少，黃河西岸一帶海拔低，為典型的黃土巖質丘陵地貌，巖土體結構較好，因此這些地區發生滑坡的可能性很小。

圖5 基于加權疊加模型的滑坡危險性指數分級

4.4 研究區鐵路選線分析與評價

將規則單元格和不規則單元格統計的滑坡危險性指數分級圖，進行極值標準化處理，通過Kriging插值法重新繪制研究區滑坡危險性分布圖，最后將插值生成的柵格數據采用等間距法重分類并轉換為矢量圖層，并合并面積較小的圖斑(<5km2)，得到研究區滑坡危險性等級區劃結果(圖6)。由圖6可見，研究區擬選線位無一通過危險區，僅部分路段以較短距離通過較危險區，大部分位于中等危險區、較低危險區和低危險區，擬選線位總體比較安全，具有實際可行性。

圖6 研究區滑坡危險性等級區劃

在局部線位比選中，可將擬選線位由北向南分為A、B、C、D、E、F、G七段，其中，A、C、D、F段分別有2～3個比較方案。截取這些段落線位1km緩沖區內滑坡危險性等級區劃結果(圖7)，進行線位方案分析與評價。

A段：AⅠ方案位于低危險區和較低危險區，絕大部分位于低危險區；AⅡ方案位于低危險區到中等危險區，絕大部分位于低危險區。相比較而言，AⅠ方案里程較短，且通過低危險區的距離更長，優于AⅢ方案。

B段：位于中等危險區和較危險區，大部分位于中等危險區，整體上是可行的。

C段：CⅠ方案位于中等危險區和較危險區，大部分位于中等危險區；CⅡ方案位于中等危險區和較危險區，絕大部分位于中等危險區。相比較而言，CⅡ方案里程短，通過較危險區的距離也短，優于CⅠ方案。

D段：DⅠ方案位于低危險區至較危險區，大部分位于較低危險區和中等危險區，有兩處通過較危險區；DⅡ方案位于較低危險區至較危險區，大部分位于中等危險區，有1處通過較危險區；DⅢ方案位于中等危險區和較危險區，大部分位于中等危險區，有5處通過較危險區，因此DⅢ方案較差。由于DⅠ方案有2處通過較危險區，而DⅡ方案僅有1處通過危險區，DⅡ方案略優。

E段：位于較低危險區和中等危險區，大部分位于較低危險區，整體上較好。

F段：FⅠ方案位于較低危險區至較危險區，絕大部分位于較低危險區和中等危險區；FⅡ方案位于較低危險區至較危險區，絕大部分位于較低危險區和中等危險區。FⅠ方案略優。

G段：位于低危險區和較低危險區，大部分位于較低危險區，整體上較安全。

通過以上分析，線路B、E、G段，大部分位于低危險區，方案總體可行。線路A、C、D、F段方案比選中，AⅠ、CⅡ、DⅡ、FⅠ方案為優選方案。

圖7 蒙華鐵路擬選線位1 km緩沖區滑坡危險性等級分布

5 結論

鐵路選線設計要盡可能繞避不良地質發育地段，并減少潛在不良地質對鐵路工程的影響，基于遙感與GIS技術開展鐵路沿線典型不良地質風險評價技術研究。以蒙西至華中煤運通道工程黃土高原區為研究對象，對該區黃土滑坡進行風險評價：(1)收集研究區地形、地貌、地質、水文、氣象、植被等資料，通過GIS技術分析滑坡與環境要素的內在聯系，確定18個滑坡影響因子并進行量化分析；(2)研究提出一種新的影響因子權重計算方法，通過建立滑坡因子變異系數在滑坡處與研究區的數學關系，確定了各因子權重；(3)建立了黃土滑坡風險評價加權疊加模型，實現了滑坡危險性等級區劃；(4)基于黃土滑坡危險性評價結果，對該區擬選線位進行了多方案比選，線路B、E、G段，大部分位于低危險區，方案總體可行。線路A、C、D、F段方案比選中，AⅠ、CⅡ、DⅡ、FⅠ方案為優選線位通過方案。