四川理縣蒲溪鄉邊坡變形監測及降雨影響分析

樊俊屹 李正媛 余 丹

（中國北京 100045 中國地震臺網中心）

0 引言

中國滑坡災害多發，尤其是西南部地區，地形起伏較大，植被繁茂，地表巖體松軟，雨量豐沛，是滑坡災害發生的危險區。滑坡發生后，往往造成房屋損毀、人員傷亡、道路掩埋等災害，嚴重威脅著國家和人民的生命財產安全。隨著社會發展，人類的生活區域向山區不斷擴張，山體滑坡造成的損失逐年上升。

研究發現，淺表層土質滑坡是分布廣泛、暴發頻率高、持續危害性較大的地質災害之一。此類滑坡的形成與其發育地形、土質條件及外界降雨因素密切相關（朱云波，2015；王彥汶，2017）。在地質構造、地貌、水位埋深、植被覆蓋、降雨、人為破壞等眾多滑坡誘發因素中，降雨是主要且常見因素。因此，對滑坡與降雨之間的關系進行研究，將對滑坡的預測、預報和防治起到重要作用（張玉成等，2007）。

數值分析辦法廣泛用于處理邊坡穩定性問題（俸錦福，2006）。常用變形預測模型有回歸分析模、灰色模型、時間序列分析模型和神經網絡模型等（張偉等，2008；彭正明等，2012）。灰色系統分析方法對于信息不完整或不完全的實際情況具有良好的適用性，其中的GM（1,1）灰色預測模型在滑坡預報中優勢明顯（楊宇等，2018）。

四川省阿壩州理縣蒲溪鄉村民開挖坡腳，修建房屋，對當地環境造成一定影響。近年來，受氣候波動加劇，降雨強度增大影響，該鄉河壩村完全中心小學后山老滑坡區恢復活動，變形跡象日益明顯。為此，當地政府建設防護壩，并建設GNSS 實時監測網，實時監測該邊坡變形過程，及時提供邊坡危險性預警預報。文中運用灰色關聯法，計算各監測點變形與降雨的關聯度，明確變形過程中形變—降水的關聯關系，并選用GM（1,1）灰色預測模型預測邊坡變形量，進而評價治理工程效果，為類似邊坡的穩定性分析和防治提供借鑒。

1 邊坡特征

1.1 邊坡形態特征

理縣位于四川省西部，青藏高原東側，阿壩藏族羌族自治州東南緣，地質構造運動強烈，滑坡、泥石流等地質災害頻發。理縣蒲溪鄉河壩村完全中心小學后山邊坡為一老滑坡區。該區位于理縣蒲溪鄉河壩村，蒲溪溝右岸，鄉政府、衛生院及博愛小學后側，與縣城距離約20 km，有G317 及鄉級公路相通。

近年來，因村民修建房屋，開挖坡腳，致使山坡前緣臨空。隨著氣候變化加劇，該區降雨強度增大。在諸因素的誘發下，邊坡形變量陡增。在原有滑坡區9 條裂縫的基礎上，2014 年5 月形成新的變形區，出現地表拉裂、鼓脹、下挫及擋墻剪切錯斷等現象（圖1）。變形特征主要表現為邊坡后緣沿坡面出現拉張裂縫以及左右側緣剪切裂縫。因該邊坡變形加劇，危險性增高，當地縣政府對邊坡進行應急搶險治理，工程于2014 年10 月9 日完成。

圖1 理縣蒲溪鄉河壩村邊坡全貌及變形裂縫Fig.1 Overall appearance and deformation cracks of Heba slope in Puxi Township,Li County

1.2 邊坡物質組成及結構特征

河壩村邊坡平面形態近似半圓形（圖1）。其前緣高程1 874 m，后緣高程1 944 m，相對高差約70 m。地形坡度約32°，邊坡主軸長約110 m，橫寬約150 m。根據現場調查，變形體平均厚度12 m，方量約18×104m3，為中型土質坡體。邊坡的主變形方向為245°，屬于推移式變形。邊坡后緣以變形體陡緩交界處為界，后緣裂縫發育，發現3 條拉張裂縫（圖1），邊坡后緣以上陡坡坡度約40°，探槽揭示陡坡上坡積物厚度較薄，3 m 左右，下伏基巖為志留系茂縣群第三組灰黑色絹云千枚巖夾變質板巖。

2 監測布置及結果

為了監測邊坡整體變形，建設6 個GNSS 觀測點，組成邊坡變形實時監測網。觀測點布設原則如下：在邊坡影響范圍外選定1 個穩定基準點（編號8001），在變形坡體和防護壩上選建另外5 個監測點（編號8002—8006），其中監測點8002—8005 分別架設在4 個滑動層上，監測點8006 建在防護壩上；邊坡監測點沿變形方向呈線型布設；除8006 測點，其他監測點位采用三角布設，三角形頂角指向與變形方向一致（楊宇等，2018），測點位置見圖2。監測點埋設儀器觀測墩并架設GNSS（GPS 與北斗）連續觀測儀器，儀器型號為國產“司南M300 型GNSS 接收機”，采樣間隔5 s，觀測精度為毫米級，對邊坡變形體進行地表的水平與垂直位移監測。

圖2 邊坡平面圖及測點位置Fig.2 Slope plan and measuring points

2.1 邊坡變形隨時間的變化特征

2014 年8 月8 日，監測儀器安裝調試成功后進行監測。每5 s 利用單歷元定位算法計算觀測點的三維坐標值。受停電、儀器故障等因素的影響，觀測數據完整率為61.87%。GNSS 觀測結果包含東（E）、北（N）、上（U）三分量數據，其中監測點8002、8003、8004觀測數據的時間范圍是2014 年8 月至2017 年4 月，監測點8005、8006 觀測數據的時間范圍是2015 年12 月至2017 年4 月，監測點位移變化曲線見圖3。

圖3 監測點三分量位移Fig.3 Displacement diagram of three components of monitoring points

由圖3 可知，監測點位移變化較大，其中：①同一監測點位移變化量：E 分量＞U 分量＞N 分量，說明E 分量更接近主形變方向；②監測點總位移：監測點形變量8005 ＞8004 ＞8003 ＞8002，因監測點8006 布設在攔壩上，形變量較小。鑒于監測點由高到低布設，此變化趨勢說明越靠近坡頂，位移變化越大；③各監測點年變化量：2015 年＞2014年＞2016 年。

監測點E、N、U 三分量位移變化趨勢一致，且邊坡處于持續緩慢變形之中，變化過程可分為6 個階段，其中2014 年8—10 月、2015 年7—8 月和10—11 月變化較快；其他時段，特別是2016 年以來，各測點以均勻速度向下滑動，變化相對平緩。與其他監測點相比，監測點8005 垂直方向變化較大，但其他3 個監測點2016 年U 分量年變量小于2015 年，排除整個坡體向下坍塌的可能。

2.2 邊坡變形與降雨量關系

降雨誘發滑坡是一種常見自然災害。周國兵等（2003）通過對大量滑坡進行統計，發現96.7%以上的滑坡由降雨誘發所致，其中24 h 降雨是主要因素，與連續降雨累積值也有一定關系。

研究區位于下孟（海拔1 900 m，年均降雨量為598 mm，干燥度為1.66）和薛城（海拔1 648 m，年均降雨量為483 mm，干燥度為2.02）之間，屬半干旱氣候。蒲溪鄉河壩村降雨量少，但降水相對集中，雨季（5—9 月）降雨量占全年的71.6%，且常出現局部地域性暴雨和冰雹。蒲西鄉氣象站距研究區10 m，觀測的最大日降水量為55.9 mm，小時降水量為22.3 mm。收集研究區2014 年8 月7 日至2017 年4 月30 日降水資料，對部分缺少日期的數據，進行5 點滑動平均值插值預處理。計算監測點水平變形和垂直變形，選取滑動時間窗，擬合窗內變形觀測數據曲線的斜率得到平均變形速率，同時疊加月降雨量，結果見圖4。由圖4 可見，在2014 年8—10 月、2015 年7—8 月和11 月監測點變形速率較大，明顯高于其他時間段；變形速率峰值滯后于月降雨量峰值，可能是因為降雨滲入、浸潤、軟化土體需要一個過程（張玉成等，2007）所致；2014 年邊坡變形速率大于2015 年同期，應與防護壩建設有關，表明邊坡治理取到一定成效。

圖4 監測點變形時間曲線與月降雨量關系示意（a）水平變形速率；（b）垂直變形速率Fig.4 Relationship between deformation time curves of monitoring points and monthly rainfall

3 邊坡變形GM（1,1）灰色模型預測

灰色預測法是一種對含有不確定因素的系統進行預測的方法，用觀測到的反映預測對象特征的時間序列來構造灰色預測模型，預測某個時間是否會發生某種“災變”，或某個異常值可能出現的時間。理縣邊坡的變形時間序列符合離散光滑的特點，使用灰色預測模型可取得較好的預測結果。基于此，利用灰色理論系統對變量進行相關性分析，研究降雨對邊坡穩定性的影響程度。鑒于GM（1,1）模型具有需求數據少，建模靈活，易于應用的特點，適用于受降雨影響的滑坡分析（張偉等，2008），因此選取該模型進行邊坡分析。

3.1 GM(1,1)灰色預測模型

對原始數據序列X0作一次累加，生成X1，GM（1,1）模型的相應微分方程為

其中a為發展灰數，μ為內生控制灰數。利用最小二乘法求解，可得到預測模型，公式如下

3.2 灰色關聯度分析結果

關聯度分析是分析系統中各因素關聯程度的方法，灰色關聯法通過計算系統特征變量序列與相關性因素變量序列之間的關聯度，建立灰關聯矩陣，利用優勢分析原則，得出各影響因素的順序（鄧聚龍，2005）。關聯度的計算，實質上是對時間序列數據進行幾何關系比較，序列間的關聯度以各個時刻的關聯系數平均值表征（代貞偉，2016）。由邊坡變形速率與月降雨量曲線（圖4）可知，邊坡水平和垂直變形速率極大值點出現在月降雨量達到峰值或者持續集中降雨時段，說明邊坡變形與降雨有較好的相關性。

據代貞偉（2016）的研究，前1—2 個月的有效降雨量對邊坡變形有明顯促進作用。為進一步分析邊坡變形與降雨的關系，采用定量灰度關聯法，以監測點8002—8006 的變形速率為系統特征變量，前1 月降雨量、前2 月降雨量為相關因素變量，獲取2014—2017年研究區邊坡變形速率與降雨量的灰色關聯度，結果見表1。由表1 可見：①變形速率與影響因素關聯度：對于水平變形速率，監測點8002 的前1 個月與前2 個月降雨量關聯度一致，監測點8003—8006 的前1 個月降雨量關聯度較大；對于垂直變形速率，監測點8003 的前1 個月與前2 個月降雨量關聯度一致，監測點8002、8004—8006 的前1 個月降雨量關聯度較大。因此，前1個月降雨為理縣邊坡變形的主要影響因素；②監測點變形速率與影響因素關聯度：同一監測點，除監測點8003 位于中部變形層，其水平變形與降雨的灰色關聯度更大，其他測點的垂直變形與降雨量的灰色關聯度較大；不同監測點對降雨的響應程度存在差異，邊坡區中軸左側測點關聯度較大。

表1 2014—2017 年變形速率與影響因素關聯度值Table 1 Values of correlation degree between displacement and deformation rate and influencing factors from 2014 to 2017

為更好地判斷降雨量對邊坡變形的影響程度，統計研究區2014—2015 年邊坡變形速率與前1 個月和前2 個月降雨量的灰色關聯度，結果見表2。由表2 可見：①水平變形速率與其影響因素關聯度前1 個月降雨量較小；②同一監測點，水平變形的灰色關聯度較大，且低于2014—2017 年的結果，表明2016 年以后，降雨對滑坡變形的影響增大。

表2 2014—2015 年變形速率與影響因素關聯度值Table 2 Values of correlation degree between displacement and deformation rate and influencing factors from 2014 to 2015

3.3 治理工程對邊坡變形的影響

2014 年5 月研究區邊坡變形加劇變化，當地政府開展邊坡應急治理搶險工程，于當年10 月完工。利用GM（1,1）模型，對監測點8002—8006 的水平變形數據進行預測，其中模型的均方差比值C＜0.35，小誤差概率P＞ 0.95，表明模型精度等級較好。將預測值與實際監測值進行對比，結果見圖5。由圖5 可見：①5 個監測點實測值均在2016 年6 月出現拐點，水平變形量小于預測值，且隨著時間增加，差值越來越大；②邊坡上部各監測點的水平變形量與預測值的差值較下部更大（圖5），說明抗滑防護壩在建設完成1 年7 個月后發揮了較好的工程效果。

圖5 監測點實測與預測值對比Fig.5 Comparison of the measured and predicted values of the monitoring points

4 結束語

以理縣蒲溪鄉河壩村邊坡治理為例，通過GNSS 實時監測獲得邊坡變形量化信息，揭示邊坡危險性變化過程。利用灰色關聯性確定降雨是邊坡變形的主要影響因素，并利用GM（1,1）模型預測滑坡變形，評價防治工程效果，結論如下。

（1）邊坡不同監測點變形—降雨的灰色關聯分析結果與蒲西鄉邊坡實際破壞現象相吻合，總體變化較大，中軸左側測點關聯度大于右側。因邊坡地形陡峭，且毗鄰居住區，滑坡危險性高且危害更大。

（2）降雨是該地區邊坡變形的主導因素，水平和垂直變形與降雨量的灰色關聯度基本相同；不同監測點對降雨的響應程度存在差異，邊坡上部測點關聯度小于下部測點，與坡體的變形破壞現象相吻合，且在防護壩建設后，降雨與邊坡變形的關聯度更大。

（3）2016 年6 月以后，監測點的實測水平變形量小于預測值，且差值隨時間增加越來越大；與降雨的關聯度增大，說明防護壩建設1 年7 個月后，邊坡變形速率逐漸減緩，防護工程的治理效果逐漸顯現。