基于時序遙感數據的九寨溝核心景區崩塌發育分布特征

梁靖， 王彥東*， 裴向軍

(1.地質災害防治與地質環境保護國家重點實驗室， 成都 610059； 2.中鐵二院工程集團有限責任公司， 成都 610031)

2017年8月8日21時19分，世界自然遺產九寨溝風景名勝區(33.20°N，103.82°E)爆發7.0級地震(簡稱“8·8地震”)。“8·8”地震觸發了數以千計的高位或極高位崩塌災害，是震區發育多、分布廣的災害類型，并造成九核心景區交通旅游設施及景觀嚴重破壞。同時，震后三年的持續關注表明現階段崩塌活動性仍較高，如景區蘆葦海危巖崩塌在汛期降雨時危巖帶變形與堆積體失穩頻發，此類現象嚴重影響了景區開放運營、村寨與游客安全以及區域生態環境安全。因而，開展地震前后崩塌災害的時序解譯與分析，對景區地質災害風險管控與防災減災具有重要現實意義。

一直以來，地震地質災害調查以野外調查為主。隨著遙感與地理信息技術的快速發展，基于遙感影像解譯的地質災害調查與分析成為一種更為高效、快捷的手段，并具有成本低、速度快、大范圍覆蓋等優勢[1-3]。得益于此，基于遙感影像的解譯識別技術在九寨溝震后搶險救災與景區災后恢復重建工作中發揮了重要作用。目前，九寨溝震后災害遙感解譯主要是基于光學遙感檢測地震前后地表的各項特征信息變化，再利用目視解譯或計算機自動解譯等方式實現災害識別[4]。例如，王絢等[5]便基于九寨溝景區雨季前后3期高分辨率遙感影像解譯震后地質災害，研究了震后地質災害活動性與地質災害易發性。董秀軍等[6]結合高分辨率光學影像數據和機載激光雷達開展了景區地質災害解譯，并利用光學影像和數字高程模型綜合建立了災害三維解譯標志，為景區恢復重建提供了技術支撐。同時，還有學者基于高精度遙感影像進行地震滑坡的分布及范圍等信息提取，建立自動提取方法[7-8]。除此之外，國外學者還進行了更早的探索。Mahdavifar等[9]在Iran地震的現場調查的基礎上，利用遙感技術分析了地震崩塌分布與形成特征。Dunning等[10]結合遙感影像與實地調查開展了2005年Kashmir地震地質災害的調查解譯工作，分析了地震觸發崩塌滑坡的發育形成和失穩特征。

因此，現以“8·8”九寨溝地震前后的崩塌災害為研究對象，結合多年實地調查、時序遙感影像解譯與核密度分析等手段，通過地震前后共計5期高精度遙感影像建立崩塌災害數據庫，進一步分析崩塌空間聚集趨勢及發育分布特征，以期為研究區震后重建及生態修復等治理工程提基礎資料。

1 研究區概況

九寨溝位于青藏高原與四川盆地大地貌單元過渡的深切高山峽谷地帶，地勢上南高北低，海拔高度普遍高于2 000 m，平均地形坡約50°，出露地層為寒武系-三疊系地層灰巖、白云質灰巖等。同時，研究區屬于高原寒溫帶-亞寒帶季風氣候帶，垂直分帶特征明顯，可見年均降雨量為704.3 mm，其中4—10月降雨量占全年的89.61%。此外，由于研究區地處青藏高原東北緣、龍門山斷裂西北部的構造活躍區，活躍的構造活動使得地震頻發。在20世紀以來共爆發過8次Ms≥6.0的歷史地震(圖1)，長期強烈的構造活動導致其地質環境脆弱，多期次歷史地震也致使山體具有不同程度“內傷”。

“8·8”地震震中位于核心景區以西5 km的比芒村，震源深度達20 km，最大烈度達Ⅸ度，且景區均處于Ⅶ到Ⅸ度的影響范圍內。結合現場及同震解譯分析表明，九寨溝地震具有如下特點：①地震震級大、震源深、影響范圍廣；②地震觸發的次生地質災害嚴重，高位崩塌普遍發育(圖2)；③地震對自然景觀和生態環境影響嚴重。

PGA為峰值地面加速度圖1 研究區典型歷史地震數據[3]Fig.1 Typical historical seismic data in the study area[3]

圖2 九寨溝地震區崩塌發育情況Fig.2 Development of collapse in Jiuzhaigou earthquake area

2 數據與方法

收集了九寨溝地震前后共計5期高精度遙感影像和無人機航拍影像(表1、圖3)，基于此進行地質災害解譯。為了提高解譯的準確性，首先對遙感影像進行幾何校正、色彩調整、精確配準、坐標系轉換等系列處理。依據《滑坡崩塌泥石流災害調查規范》及《環境地質遙感監測技術要求》等技術規范，采取人機交互方法詳細解譯研究區內的地質災害，結合實地核查及相關報道成果[6]來確定崩塌災害的解譯標志，并利用ARCGIS軟件獲得區內崩塌災害的解譯成果。

同時，基于L函數與R語言，結合核密度分析來獲得來研究崩塌的空間聚集特征。L函數是一種對點數據集進行不同距離的聚類分析方法，可將坡度、巖性等因素引入對空間分布分析中[11]。其是在Ripley’s K函數的改進基礎上提出，通過計算隨機分布點在半徑距離為r下額外隨機點的期望數目，從而判斷點數據在空間上的分布聚集性[12]。需要

圖3 研究區地震前后高清遙感影像Fig.3 High-definition remote sensing images before and after the earthquake

表1 遙感數據來源

指出的是，該函數可以克服自然非恒定強度和事件聚集之間的誤差[13]。L函數具體定義為

(1)

式(1)中：K(r)是Ripley’sK函數；r是通過L函數計算得到的理論半徑。

再借助R語言平臺的Spatstat軟件編程計算，可得到L函數繪制的曲線，其中正值代表事件聚集，負值代表事件離散。最后基于ARCGIS中的核密度函數工具繪制不同地質災害核密度圖[14]，該方法廣泛運用于滑坡分布研究[15]，從而評價滑坡的空間分布密度。

3 地震前后崩塌編錄及空間聚集性

3.1 地震前后崩塌編錄

借助ARCGIS軟件，對震前(2017-08-05)、同震(2017-09-06)及震后(2018-08-22、2019-08-16、2020-08-28)的遙感影像進行詳細解譯，每期解譯范圍達655 km2，得到崩塌的時序解譯結果(圖4、表2)，可為崩塌災害發育分布研究提供基礎數據。

圖4 地震前后崩塌解譯結果Fig.4 Interpretation results of collapse before and after the earthquake

對于震前影像(2017-08-05)：研究區在地震前的地質災害發育程度較弱，主要是由降雨、人類活動和河流下切所引發。并解譯出震前崩塌災害135處，面積約1.72 km2，面積占比0.26%。對于同震影像(2017-09-06)：研究區受強烈的地震力而導致地質災害激增，總體呈現五花海-箭竹海與丹祖溝強發育、樹正溝中等發育、則查洼溝發育程度弱的趨勢。共計解譯同震崩塌災害1 219處，面積約6.91 km2，面積占比1.05%。對于震后影像(2018-08-22、2019-08-16、2020-08-28)：可以發現，震后三年內崩塌災害數量及面積仍呈現緩慢增加趨勢，崩塌從2018年的1 430處增加到2020年的1 528處，災害面積也由7.85 km2擴大至8.43 km2。

綜合時序遙感影像的地質災害編錄結果，不難看出研究區易發災害類型主要為崩塌，并且經過“8·8”地震影響，震后三年內其數量、面積等持續增加，仍具有較高活動性。

3.2 崩塌空間聚集特征

基于R語言得到了地震前后崩塌L函數的計算結果(圖5)。由圖可知崩塌分布在0～5.6 km范圍值大于0，表明其在此范圍內具有聚集性。而在分布頻率方面，崩塌計算曲線上在1.8 km處表現出最大。需要指出的是，本文中核密度分析對應的搜索半徑為L函數分析中獲得的最大聚類距離值，因此以1.8 km作為搜索半徑，同時對崩塌災害點賦予面積權重，并得到面積賦權核密度圖(圖6)。

表2 崩塌解譯結果統計表

圖5 崩塌災害的Ripley’s L函數分布Fig.5 Ripley’s L function distribution of collapse

圖6 地震前后崩塌面積賦權核密度圖Fig.6 The weighted core density map of the collapsed area before and after the earthquake

由圖6可知，地震前后崩塌的空間聚集趨勢顯著不同，且面積賦權核密度的分布位置不盡相同。地震前，崩塌的面積賦權核密度主要集中樹正溝及長海流域；而震后則是五花海-箭竹海區域、丹祖溝中部密度等級最高，且溝域內廣泛發育崩塌災害。單獨分析震后三年的崩塌聚集趨勢，可見最大聚集區域區別并不顯著，但聚集范圍存在局部擴大，這說明震后的崩塌聚集趨勢總體不變，空間上聚集在五花海-箭竹海區域，且每年均會發生不同程度活動。

4 地震前后崩塌發育分布特征分析

基于前述對崩塌空間聚集趨勢的分析，此處選取高程、坡度、坡向及巖性四類影響因素，進一步研究時序影像下的崩塌發育分布特征。

圖7 不同高程下的崩塌分布Fig.7 Collapse distribution at different elevations

4.1 不同高程下的崩塌發育分布

研究區崩塌高程主要分布于2 200～4 200 m，為便于分析，將高程范圍按間隔200 m劃分為11個等級。圖7(a)顯示，地震前大多數崩塌集中在高程3 000～3 600 m內；“8·8”地震后不久，崩塌主要集中在高程2 800～3 400 m，但在0～2 200 m與4 000 m以上并未分布。而在震后三年內，崩塌主要集中2 800～3 800 m內，崩塌面積也逐年緩慢增加，可見震后崩塌仍持續活躍。由圖7(b)可知，同震與震后的變化趨勢大致相同，80%以上的崩塌集中在2 600～3 800 m內。此外，震后最高面積比在海拔3 200 m左右，震前則在3 600 m左右。由此可見震后崩塌在不同高程等級上仍然處于較高活動性，并無明顯衰減趨勢。

圖8 不同坡度下的崩塌分布Fig.8 Collapse distribution under different slopes

4.2 不同坡度下的崩塌發育分布

為分析崩塌面積在不同坡度的分布，將研究區地形坡度從5°～75°分為15個等級，間隔為5°，繪制的崩塌面積分布見圖8(a)。可以發現，地震前后崩塌的地形坡度分布趨勢幾乎相似，主要集中在30°～55°內；而在震后2018—2020年期間，崩塌面積在所有的坡度等級中都出現了小幅增加，但在大于65°和小于15°地形坡度中分布依舊較小。此外，統計不同坡度等級的崩塌面積比例，如圖8(b)所示，崩塌的震后發展趨勢大致相似，且85%的崩塌始終處于30°～55°的坡度等級。進一步分析發現，崩塌在震前集中在35°～45°，而震后主要集中在40°～50°。可以認為，崩塌面積及其占比在地形坡度上的分布趨勢基本一致，并且大部分崩塌主要集中在陡坡段。

4.3 不同坡向下的崩塌發育分布

將研究區發育的崩塌災害與地形坡向進行統計，結果如圖9所示。可以發現，大多數崩塌均發育在北東-南方向，其中東方向尤為顯著；其次為南-北西方向。與高程與坡度相比，地震前后崩塌的發育分布趨勢仍大致相同，僅發育面積有所差別。具體而言，震前面積約0.73 km2的崩塌發育于東向，但面積占比卻達到43%。震后崩塌面積逐年遞增，至2020-08-28已發育2.55 km2，而面積占比相較于震前減少至30%。崩塌在坡向上的發育分布趨勢表明，地震觸發與震前重力觸發的崩塌均發育在北東-南的優勢方位。此外，震后崩塌面積及其占比在所有方位均有所增加，表明地震釋放的強烈能量還嚴重影響著非優勢方位，導致崩塌大范圍發育分布。

圖9 不同坡向下的崩塌分布Fig.9 Distribution of collapses on different slopes

4.4 不同巖性下的崩塌發育分布

崩塌編錄結果與研究區地層巖性的統計分析表明(圖10)，地震前后崩塌的發育及分布趨勢基本一致。崩塌面積在地震前后均為石炭系(C)與石炭二疊系(Cp)發育最多[圖10(a)]，震前分別為0.7、0.8 km2，在震后的2020年達到2.3、4.9 km2。同時，石炭系(C)與石炭二疊系(Cp)崩塌面積占比也較高[圖10(b)]，但震后Cp發育的崩塌占比相較于震前降低了約13%，而石炭系則增加至58%。除此之外，第四系(Q)、三疊系(T)、二疊系(P)、泥盆系下吾拉組(Dx)及泥盆系益硅溝組(Dcy)發育崩塌面積小，占比也低。可以認為，地震前后的崩塌在石炭及二疊系石灰巖地層均表現出高傾向性，顯示了厚層堅硬碳酸鹽巖地層對崩塌災害發育分布具有重要控制作用。

圖10 不同巖性下的崩塌分布Fig.10 Collapse distribution under different lithologies

5 結論

利用多期次高精度光學遙感影像數據，采用實地調查、遙感解譯與核密度分析等方法，分析了崩塌空間聚集趨勢及發育分布特征，為九寨溝震區的地震地質災害時空演化規律與長期效應研究提供了數據支撐。主要結論如下：

(1)對震前(2017-08-05)、同震(2017-09-06)及震后(2018-08-22、2019-08-16、2020-08-28)遙感影像進行時序解譯發現，震前崩塌發育極少，同震期間受強烈地震力而導致崩塌激增，共解譯1 219處，面積約6.91 km2；震后三年內崩塌數量面積一直緩慢增加，崩塌從2018年的1 430處增加到2020年的1 528處，面積也由7.85 km2擴大至8.43 km2。

(2)崩塌在0～5.6 km范圍內聚集性顯著，但地震前后聚集地域有所不同。其中，震前集中在樹正溝及長海區域，震后則集中于五花海-箭竹海與丹祖溝中部，其面積賦權核密度等級最高。總體而言，2018—2020三年內的總體聚集趨勢變化不大，但每年仍有一定程度改變。

(3)地震前后崩塌的發育分布規律分析表明，不同高程、坡度、坡向、巖性及降雨強度的控制性規律為：崩塌顯著分布于高程2 800～3 400 m與30°～55°的陡坡段，地震觸發與震前重力誘發崩塌多分布在北東-南的優勢坡向，巖性上集中分布于石炭系與石炭二疊系的厚層堅硬碳酸鹽巖地層。