蒙华铁路黄土滑坡风险评价研究

周勇军

(中国铁路设计集团有限公司，天津 300142)

铁路沿线的不良地质现象主要有滑坡、崩塌和泥石流等[1]，区域不良地质风险评价对选线及铁路建设期边坡支护都具有现实指导意义。目前，重大工程建设项目非常重视滑坡等灾害预测评估，但滑坡受地质环境和社会经济环境等诸多因素影响，滑坡灾害预测还没有成熟的理论和方法。当前比较有效的研究途径是从研究区域内典型滑坡的实际资料入手，预测与反演相结合，提出各类滑坡的灾害评估方法[2]。以蒙华铁路黄土高原区为例，在搜集区域地形、地貌、地质、遥感影像等资料的基础上，对区域内黄土滑坡进行遥感判释，通过GIS技术和统计学原理，分析黄土滑坡的空间分布特征与环境要素的内在联系，建立加权叠加模型，进行该区黄土滑坡风险评价，对蒙华铁路拟选线位进行方案比选。

1 研究区概况

根据蒙华铁路拟选线位的走向以及区域黄土分布情况，研究范围包括陕西省延安地区的安塞县、宜川县、延川县、延长县、子长县等地(图1)。研究区地层分为第四系及前第四系。沿线第四系地层分布广泛，主要为冲积、冲洪积、冲湖积及风积等成因的全新统至中更新统地层。前第四系主要是陆相碎屑岩及沉积岩系，基岩露头只在深切河谷或曾受到强烈剥蚀的低山丘陵地区出现。出露有第三系上新统保德组、静乐组，白垩系下统环河组、洛河组，侏罗系中统安定组、延安组、直罗组，下统富县组，三叠系上统瓦窑堡组，中上统延长组，中统纸坊组，下统刘家沟组、和尚沟组地层。区内岩层倾角较缓，部分地区有波折现象。

除上部黄土外，区内地层岩性主要为砂岩夹砂质泥岩、泥岩等(图2)，物理力学性质较差。大气降水及地表水下蚀、侧蚀作用，水土大量流失，沟谷不断扩展，形成众多的高陡斜坡临空面，为滑坡的发生提供了空间条件。新黄土(马兰黄土)与老黄土(离石黄土)过渡带、黄土与基岩接触面等软弱结构面因透水性差异易形成富水带，软弱结构面遇水软化，抗剪强度大大降低，易形成破裂滑动面。

图1 研究区地层分布

图2 研究区典型地层岩性剖面(位置见图1)

2 数据选取与处理

根据蒙华铁路不良地质发育特征，优选SPOT5卫星影像作为遥感判释的基础数据。SPOT5卫星影像处理包括模拟真彩色波段组合(R/G/B：2/1/3)、正射校正、图像融合、镶嵌等遥感图像处理过程，得到清晰、无云的SPOT5正射影像图。地形数据是开展区域不良地质风险评价的重要数据。收集研究区地形图和ASTER DEM等数据资料，进行二者的综合应用。由于ASTER数据局部存在高程异常，使用前需对其进行处理。将其转换为点云数据，根据限差及其他地形资料消除高程异常，然后重新生成DEM数据[3]。并在此基础上，提取研究区的坡度、坡向、坡度变率、坡向变率、地形曲率、地形起伏度等信息。流域分级是滑坡危险性区域分级、单元划分和边界确定的重要几何依据，将高程数据和反高程数据分别进行流域分级，然后由两者的分级界线重新生成不规则单元。在研究区共划分65 411个不规则单元。

3 滑坡影响因子分析与取值

3.1 黄土滑坡分布特征

依据处理后的SPOT5卫星影像和ASTER GDEM V2数据建立三维遥感判释系统，进行沿线黄土滑坡判释和分析。依据建立的滑坡判释标志，经过详细判释后，选取40余处重点滑坡进行现场验证，并进一步补判和完善，结合收集的历史滑坡数据，绘制成区域黄土滑坡分布图(图3)。从分布特征看，区域黄土滑坡主要分布在延安安塞—子长县一带，尤其在安塞县东南部地区黄土滑坡分布密集，多沿沟谷一侧展布，有时成片出现。采用Kernel密度制图方法，将遥感判释滑坡结果绘制成滑坡面积密度分布图，绘制过程中将搜索半径设为5 km。

图3 研究区黄土滑坡遥感解译结果

3.2 滑坡影响因子分析

(1)地层岩性、地貌类型、地震加速度等因子对滑坡的影响。地层岩性、地貌类型及地震为黄土滑坡发育的主要影响因素[4-6]。因子取值可通过计算不同类别因子单位面积发生滑坡的密度得到。这些滑坡影响因子空间数据若为矢量数据，还需转换为栅格数据。

(2)气象因子对滑坡的影响。滑坡的发生往往与降雨有一定的关系。降雨形成的地表水对坡体表面的冲刷改造形成有利的滑坡形态，侵入坡体内部又会降低其物理力学性质，是滑坡发生的诱发因素之一[7]。利用研究区多年(2001年～2010年)降雨量数据，通过空间差值方法绘制研究区年均降雨量空间分布栅格数据，作为滑坡影响因子之一。

(3)水文因子对滑坡的影响。滑坡的发育在空间位置上与水系、地下水出露点、水库等要素的距离存在一定的联系。通过绘制研究区任一滑坡栅格点中心到与它距离最近的水文因子的直线距离，可以定量分析这些水文要素对滑坡空间展布的影响程度。

通过对滑坡影响因子的分析，建立滑坡危险性定量评价指标体系。在研究区初步提取了18个滑坡因子，每个因子的命名和因子变量名如表1所示。影响因子图层栅格大小为30 m×30 m。

油田专门制定并落实了《高校毕业生轮岗见习管理办法》、《新员工教育管理办法》等制度，规定所有新引进的高校毕业生全部到油田勘探开发一线进行为期1年的轮岗见习，让他们了解油田主体专业业务知识，掌握主要油气生产流程，拓宽知识领域，丰富工作经历，体验一线艰苦和基层职工拼搏奉献精神，领会油田企业文化内涵，锤炼思想作风，增强综合素质能力。在见习阶段，为青年人才指定职业导师，进行“一对一”或“多对一”指导，让其在不同岗位、不同业务、不同环境锻炼，尽快适应企业环境，加快由学生向职工的转化进程。

表1 研究区滑坡因子栅格图层命名及单位

3.3 滑坡影响因子取值

为了定量描述各个因子取值的分布特征和相对集中程度，对研究区地层岩性、地貌类型、高程、坡度、坡向等18个滑坡因子的取值范围进行统计分析。如果某个因子的取值在研究区内很分散，而在滑坡点处的取值却很集中，则认为这个因子对滑坡的发育和分布具有很强的控制作用。对研究区滑坡因子的基本统计量包括：最大值、最小值、极差、平均值、标准差和变异系数6个参数。其中，平均值反映了滑坡因子数据的集中程度，极差、标准差以及变异系数反映了数据的分散程度。滑坡影响因子统计结果见表2。由统计结果可见，总曲率、平面曲率以及剖面曲率3个因子在研究区的变异系数绝对值最大，说明这3个因子在研究区的取值可能很分散，也可能有异常，主要原因是这3个指标原始数据取值有负数，计算的平均值容易靠近0。

表2 研究区滑坡因子统计数据(研究区|滑坡)

平面曲率和距离水系2个因子在滑坡处的变异系数绝对值最大，前者在滑坡处的变异性与整个研究区类似，后者说明在滑坡处取值波动较大。3个曲率因子都是地形因子，其取值的变异性在一定程度上反映了研究区的地形受到长期外营力的改造作用而表现为支离破碎。遥感影像也反映出该区黄土滑坡表面常常表现为凹凸不平、地形紊乱，并改变了局部微地貌。

4 滑坡影响因子分析与取值

4.1 滑坡影响因子取值

该模型以每个因子对研究对象的影响程度，以及单个因子在不同取值状态下的影响程度为前提，通过建立二者与研究对象的函数关系，进行滑坡风险评价。假设影响研究对象Y的因子有n个，分别为X1，X2，…，Xn，第i个因子Xi的权重为Wi，对应的取值状态有im个(每个因子取值状态个数可以不同)，分别为Ai.1，Ai.2，…，Ai.m，第个状态Ai.j的内权重为Wi.j，所有因子对具体某一研究对象yk(k=1，2，…，l，l为研究对象的个数)的重要程度可以定量表示为L(yk)。则有以下表达式

(1)

式中，L(yk)对应研究区第个单元格发生滑坡的危险程度，将其命名为滑坡危险性指数。

4.2 因子权重计算方法

(1)因子权重新的计算方法。因子权重是加权叠加模型的重要内容，计算权重的方法很多，如专家打分法、变异系数法、层次分析法等。专家打分法和层次分析法具有较强的人为干扰和主观性，需要专家参与，实际操作较难；变异系数法仅仅是从数据的离散程度确定因子的权重，不能客观准确地反映研究区滑坡因子的权重。因此，本文采用一种新的因子权重计算方法。其基本思想为：滑坡因子的权重大小主要决定于因子在滑坡处的观测数据相对于在整个研究区观测数据的集中程度。例如，滑坡主要发育在某一坡向范围内，因此这一数据范围在所有滑坡统计数据中比较集中，而在研究区统计数据中比较分散。度量一组数据分散性最好的指标为变异系数。鉴于此，滑坡因子的权重可以根据因子在滑坡处观测数据的变异系数与在研究区观测数据的变异系数建立比较关系来确定。为了消除变异系数为负数的情况，需将18个因子数据进行极值标准化。

原始数据极值标准化的表达式为

(2)

影响因子在滑坡处和在研究区标准化平均值的表达式为

(3)

研究区滑坡影响因子取值区间及因子内权重见表3。

表3 研究区滑坡因子取值区间及因子内权重

影响因子在滑坡处和在研究区标准化标准差的表达式为

(4)

根据式(3)和式(4)可以计算出18个滑坡因子在滑坡处的变异系数Cslope和研究区的变异系数Carea，显然，滑坡因子数据在研究区越分散(Carea越大)，在滑坡处越集中(Cslope越小)，那么权重应该越大。因此，采用变异系数比的方法确定各因子的权重(图4)，然后将各个因子权重进行归一化处理，其表达式为

(5)

图4 滑坡因子权重计算结果

(2)确定滑坡因子内权重。研究区滑坡因子数据分为离散数据和连续数据两类，计算单个因子内权重之前应对其进行区间划分。离散因子数据根据取值类别以及是否发育滑坡进行分类，将有滑坡发育的定为一类，没有滑坡发育的类别不参与划分，直接将其权重定为0。对于连续因子数据，采用自然断点法划分5个区间，然后统计各区间的单元格个数和滑坡个数。

每个滑坡因子数据在不同区间的内权重大小，反映了滑坡在这种取值状态下发生的概率大小。统计发现，距离水文点水体和距离水系两项因子在较大距离区间权重较大，这是由于这些区间像素少，滑坡密度较大的缘故，但总体趋势是随着距离增加权重变小滑坡面积密度、年均降雨量等因子的内权重与区间数据具有一致性。其他因子内权重较大的大多集中在某些特定区间。

4.3 滑坡风险评价计算

利用加权叠加模型，采用以上因子权重计算方法，对研究区域滑坡危险性进行评价计算，绘制基于修正权重的滑坡危险性指数分级图(图5)。危险区主要位于宝塔区城中心和与宜川县西部交界地带，集中在临镇西部、英旺乡西部、柳林镇中东部以及市中心南部，与遥感判释结果及地灾资料一致；较危险区主要位于宝塔区，宜川县西部，子长县、延川县和宝塔区的交界地带以及延长县与宝塔区的交界地带有少面积分布。滑坡发育比较密集，与人类活动、降雨、植被、地貌等因素有密切关联；中等危险区主要分布于研究区的中部，集中分布在子长县东部、延川县西南部、宝塔区北部及东南部、安塞县东南部以及宜川县中部等地区。滑坡呈条带发育在河流中上游的支流两侧，受到地层岩性、地形地貌、水文等多种因素的影响；较低危险区主要位于研究区的东部，集中分布在延川县中西部、延长县、宜川县东部以及安塞县的西南角；低危险区主要位于研究区的西北地区以及黄河西岸一带，其次在延川县的贾家坪乡、贺家湾乡、马家河乡以及延长县的黑家堡镇有零星分布。西北角海拔高，降雨少，黄河西岸一带海拔低，为典型的黄土岩质丘陵地貌，岩土体结构较好，因此这些地区发生滑坡的可能性很小。

图5 基于加权叠加模型的滑坡危险性指数分级

4.4 研究区铁路选线分析与评价

将规则单元格和不规则单元格统计的滑坡危险性指数分级图，进行极值标准化处理，通过Kriging插值法重新绘制研究区滑坡危险性分布图，最后将插值生成的栅格数据采用等间距法重分类并转换为矢量图层，并合并面积较小的图斑(<5km2)，得到研究区滑坡危险性等级区划结果(图6)。由图6可见，研究区拟选线位无一通过危险区，仅部分路段以较短距离通过较危险区，大部分位于中等危险区、较低危险区和低危险区，拟选线位总体比较安全，具有实际可行性。

图6 研究区滑坡危险性等级区划

在局部线位比选中，可将拟选线位由北向南分为A、B、C、D、E、F、G七段，其中，A、C、D、F段分别有2～3个比较方案。截取这些段落线位1km缓冲区内滑坡危险性等级区划结果(图7)，进行线位方案分析与评价。

A段：AⅠ方案位于低危险区和较低危险区，绝大部分位于低危险区；AⅡ方案位于低危险区到中等危险区，绝大部分位于低危险区。相比较而言，AⅠ方案里程较短，且通过低危险区的距离更长，优于AⅢ方案。

B段：位于中等危险区和较危险区，大部分位于中等危险区，整体上是可行的。

C段：CⅠ方案位于中等危险区和较危险区，大部分位于中等危险区；CⅡ方案位于中等危险区和较危险区，绝大部分位于中等危险区。相比较而言，CⅡ方案里程短，通过较危险区的距离也短，优于CⅠ方案。

D段：DⅠ方案位于低危险区至较危险区，大部分位于较低危险区和中等危险区，有两处通过较危险区；DⅡ方案位于较低危险区至较危险区，大部分位于中等危险区，有1处通过较危险区；DⅢ方案位于中等危险区和较危险区，大部分位于中等危险区，有5处通过较危险区，因此DⅢ方案较差。由于DⅠ方案有2处通过较危险区，而DⅡ方案仅有1处通过危险区，DⅡ方案略优。

E段：位于较低危险区和中等危险区，大部分位于较低危险区，整体上较好。

F段：FⅠ方案位于较低危险区至较危险区，绝大部分位于较低危险区和中等危险区；FⅡ方案位于较低危险区至较危险区，绝大部分位于较低危险区和中等危险区。FⅠ方案略优。

G段：位于低危险区和较低危险区，大部分位于较低危险区，整体上较安全。

通过以上分析，线路B、E、G段，大部分位于低危险区，方案总体可行。线路A、C、D、F段方案比选中，AⅠ、CⅡ、DⅡ、FⅠ方案为优选方案。

图7 蒙华铁路拟选线位1 km缓冲区滑坡危险性等级分布

5 结论

铁路选线设计要尽可能绕避不良地质发育地段，并减少潜在不良地质对铁路工程的影响，基于遥感与GIS技术开展铁路沿线典型不良地质风险评价技术研究。以蒙西至华中煤运通道工程黄土高原区为研究对象，对该区黄土滑坡进行风险评价：(1)收集研究区地形、地貌、地质、水文、气象、植被等资料，通过GIS技术分析滑坡与环境要素的内在联系，确定18个滑坡影响因子并进行量化分析；(2)研究提出一种新的影响因子权重计算方法，通过建立滑坡因子变异系数在滑坡处与研究区的数学关系，确定了各因子权重；(3)建立了黄土滑坡风险评价加权叠加模型，实现了滑坡危险性等级区划；(4)基于黄土滑坡危险性评价结果，对该区拟选线位进行了多方案比选，线路B、E、G段，大部分位于低危险区，方案总体可行。线路A、C、D、F段方案比选中，AⅠ、CⅡ、DⅡ、FⅠ方案为优选线位通过方案。