劉辰光
(烏魯木齊市水利勘測設計院(有限責任公司)二分院,新疆 石河子 832000)
淺層滑坡會導致嚴重的水土流失后果[1],使該區域遭受進一步侵蝕,并且會對修建的基礎設施造成嚴重破壞,在某些情況下還會造成人員傷亡[2]。植被的覆蓋是防止淺層滑坡有效和可持續的生態工程緩解措施[3],前人的研究已經證明植被能夠通過不同的水力機制長期增加土壤的抗剪強度,這種貢獻在很大程度上歸因于植被根系對土壤的根部加固作用[4],但關于其水文效應的研究卻很少。
從水文角度來看,植被主要靠調節土壤剖面的飽和度來提高土壤的抗剪強度,通過林冠對到達地面的降雨的衰減(即降雨攔截)、植物吸收和蒸發耦合過程產生的水分提取[5]。然而,植被對邊坡穩定性的影響取決于許多其他因素,對其進行全面的評估難度較大。本文提出一種基于物理的綜合模型(即基于過程的模型),該模型由完全可測量的參數定義,是一種用于評估植被邊坡穩定的技術。本文的目的是通過這種基于物理開源代碼的模型來評估植被對邊坡穩定性的水文效應。
塔西河位于新疆維吾爾自治區昌吉州瑪納斯縣境內,發源于天山山脈北支依連哈比爾尕山東側,其東西分別與呼圖壁河及瑪納斯河毗鄰,南以依連哈比爾尕山分水嶺為界與和靜縣相連,北至準噶爾盆地。流域地理位置介于E85°50′-E86°32′,N43°31′-N44°30′之間,流域總面積2 010 km2。本文以瑪納斯縣塔西河流域水土流失綜合治理項目為例,文中用到的各項參數均為當地實測值或源自于該項目。
開源代碼物理模型的建模過程見圖1。

圖1 建模過程
將植被影響邊坡穩定性的主要過程確定后,圖2所示的概念模型就可以當做模型組件之間關系的示意圖,并作為構建模型代碼的第一步使用。

圖2 土壤-根體系的概念模型
對于每一個建模過程,應注意以下幾點:選擇一個適合的物理模型及其相應的方程;注意子模型的簡潔性及其之間互補性。在開源代碼統計軟件R2.15.2中,總共構造、改編和組裝了10個不同的子模型(表1)。對模型的簡要描述在3.2節中給出。

表1 植被對淺層滑坡影響綜合模型中的子模型
該模型在一維情景下用極限平衡法分析了各向同性根滲透無限邊坡剖面的穩定性(安全系數,FoS),該剖面具有可設定的深度、植被、氣候、土壤類型和給定的氣象條件。阻力通過莫爾-庫侖破壞準則估算,該準則適用于計算植被的水力效應。利用實地土壤、氣候和地面植被信息對土壤剖面中的根系分布建模。植被的水文效應是通過廣義有效應力原理中包含吸力應力的變量來模擬的。根據已知的土壤持水功能進行評估,并評估不同流體流動條件下陡峭土壤覆蓋山坡受植被影響(如降雨截留或植物吸水)的應力狀態。
為了驗證模型,使用研究區實地數據進行一系列模型運行,以此說明模型的作用并深入了解植被對淺層滑坡的水文效應,同時給出了一棵成熟橡樹的模型輸出結果。采用一因子方法進行模型敏感性分析,用于估計獨立模型的參數變異百分比和敏感性指數。
確定關鍵模型變量作為模型的初始輸入,建立特定場地的經驗關系(如降雨截留、土壤保水功能),測試某些模型組件的預測能力(如飽和導水率、基質吸力、根系分布)或驗證某些模型假設(如滲透過程)。在此步驟中還考慮了靈敏度分析(SA)和敏感參數(即靈敏度引導校準)。
根據實地情況,模型預測結果表明:樹冠層提供的降雨截留損失將是最小的(圖3),因此幾乎所有的降雨都將在滲入土壤之前到達地面。然而,在植被生長旺盛的幾個月中,截留量估計會增加,但這最終將取決于冠層覆蓋比例。

圖3 模型輸出一:橡樹休眠期的降雨截留損失
根據模型預測,隨著降雨穩定地滲入地下,會使土壤剖面逐漸飽和至890 mm的深度,在濕潤過程中將吸力應力剖面(圖4(a))從非飽和值變為飽和值(即0),并在土壤的上部飽和區和下部非飽和區之間形成一個明顯的分界線。因此,土壤抗剪強度在該飽和區內顯著降低,預計在500 mm以下的根區(FoS<1)會發生邊坡破壞(圖4(c))。在根區內,由于機械根加固的影響,邊坡保持穩定。
在土壤各向同性和流體靜力條件下(即濕潤鋒以下),該模型預測得到剖面中部的最大吸力應力(圖4(c)),這是由于土柱在該點以上土顆粒間應力上的重量,隨著接近系統下邊界時飽和度的增加而逐漸減小。當降雨停止、滲透停止時,水通過滲透從飽和區排出,由于假定由大氣需求(即蒸發)主導的植被對水的抽取,吸力應力剖面恢復(圖4(a))。因此,剪切強度增加,邊坡的穩定性也增加(圖4(c)),即使是在裸露邊坡的情況下(圖4(d))。
吸力應力的動態是量化植被對淺層滑坡的水文作用的良好指標,這些可以在實驗室中直接確定,但土壤的入滲或蒸發速率以及水力特性必須在原位測量。土壤剖面中根系的范圍對于邊坡穩定性至關重要,需要將它的異速生長模型或原位根系表征與樹木度量的建模相結合。植物的根傾向于扎根于淺層土壤,它們能保護和緩解淺層滑坡和侵蝕。
圖5證明了模型具有低敏感性和普遍低的變化指數。與地上和地下生物量相關的ω參數(圖5中14項)是最敏感的,這表明植物物種特異性是該模型的主導參數。ω值較高(地下生物量相對于地上生物量較小),說明植被的潛在水力貢獻較小。ω可以通過標準生物量取樣方法和通過指數模型擬合分析它們之間的關系來確定。
土壤強度參數c(圖5中24項)、內摩擦角φ(圖5中23項)、傾角(圖5中26項)、砂的百分比(圖5中6項)也相對敏感,表明模型輸出的結果是與特定現場有關的,應與ω一起包含在校準過程中。
上述結果表明,作為預測質量系統的一部分,敏感參數是模型校準步驟中最關鍵的步驟。合理的敏感參數使輸出結果更可靠,并可以在測量過程中忽略不敏感的參數,從而減少校準模型的工作量。
上述模型驗證結果已充分表明,基于物理開源代碼的模型在評估植被對邊坡穩定性的水文效應中的有效性。該步驟的目的是進一步提升模型的精度及優化其輸出結果,模型校準步驟的方法或儀器列表見表2,進行以下步驟可以得到更可靠的模型預測結果。

圖4 模型輸出二

圖5 參數的靈敏度分析輸出(y軸數字的定義見表2)

表2 模型校準步驟的方法或儀器列表
本文提出了一種簡單、快速、經濟的評估植被對淺層滑坡水文效應方法。通過對其建模過程、模型作用機理、模型驗證與參數校準的描述,確定了模型的可行性。同時進一步以研究區實況數據為基礎數據,將其輸入模型中,輸出模型模擬結果,可以得出植被對淺層滑坡具有積極水文效應影響的結論。植被的貢獻是季節性的,可以通過量化吸水蒸發引起的吸力來評估。在臨界水文條件下,只有根系的加固才能提供穩定性。該模型需要在不同階段對模型進行評估,以確保其輸出的合理性。該方法可應用于任何需要進行短期評估的生態工程問題,為在更大的時間和空間范圍內實施解決辦法奠定基礎。