区域场地分类方法研究综述

张雨婷,任叶飞,米欣雪,温瑞智,王宏伟

(1.中国地震局工程力学研究所 中国地震局地震工程与工程振动重点实验室,黑龙江 哈尔滨 150080;2.地震灾害防治应急管理部重点实验室,黑龙江 哈尔滨 150080)

0 引言

大量的理论研究及实际震害情况表明：局部场地条件对地震动特性及震害情况有显著影响,通常表现为地震动的放大作用,尤其是在软土场地上这种放大作用尤为明显。如在汶川MS8.0级地震中,陈拓等[1]通过现场震害调查发现甘肃山体上黄土场地的地震动具有明显放大效应,且放大效应与黄土的覆盖层厚度及黄土边坡坡度有直接关系;夏坤等[2]选取了汶川地震中四川、甘肃及宁夏三省范围内的部分强震动记录研究场地对地震动的影响,结果表明：黄土地区自振周期为0.3～1 s以及3～4 s的结构物对地震动放大显著,且黄土场地上地震动相较于基岩场地持时更长。场地效应在其他地震相关研究中也被充分考虑,如在震后烈度速报ShakeMap系统中[3],以及在地震动衰减关系研究中[4-7],地震保险业务和强震动flatfile建设中均需考虑到局部场地的影响[8-10]。为此,区域场地分类逐渐成为地震工程领域关注的热点问题,通过划分场地的类别或确定场地参数的数值以考虑不同场地上地震动的放大效应。

传统的场地分类方法一般是基于钻孔剖面数据,各国的场地分类依据之间略有差异,美国以及欧洲各国采用VS30(即地表下30 m范围内剪切波速的平均值)作为场地分类的依据,而我国采用的是VSE(等效剪切波速)及覆盖层厚度双指标[11-13]。然而通常由于经济等条件的限制,难以实现对整片区域的钻孔勘探。有研究发现地形、地貌、地质等宏观表面特征与场地参数(VS30、VSE和覆盖层厚度)之间具有良好的相关性[14-21],且随着高精度地形地质数据的完善,基于地形地质的区域场地分类方法迅速发展。

本文主要对现有基于地形条件、地貌条件、地质条件及综合条件的场地分类方法研究进行探讨,分析各方法之间的差异及其优缺点,并对在使用过程中需要注意问题进行了说明。

1 基于地形条件的场地分类方法研究

FUMAL等[14]通过对第四纪沉积单元土壤粒径分布及岩石性质的研究,表明了坡度与剪切波速存在相关性;在此研究基础上,WALD等[15]使用全球多个国家和地区的钻孔波速数据和由30弧秒DEM数据计算得到的坡度,将全球划分为活动构造区和稳定大陆区,分别建立了NEHRP场地类别和坡度之间的相关关系;随后ALLEN等[16]进一步使用更高精度的9弧秒DEM研究坡度与VS30之间的关系,结果表明高精度数据能够更加细化坡度的变化,且与地形地貌具有更好的相关性,尤其是在丘陵和盆地之间的过渡带。但是通过统计分析证明相比于30弧秒的数据,高精度的9弧秒数据对VS30估计效果相对较差,表明平滑的地形坡度能够得到更稳健的VS30估计;而LEMOINE等[17]使用欧洲数据验证了WALD等[15]建立的坡度与剪切波速之间经验关系的适用性,发现对于特殊的火山高原、碳酸盐岩和冰川大陆等地区该关系是不适用的。

我国也有许多学者分别应用地形坡度估算了各地区的场地VS30[18-20]。张雨婷[21]通过分析发现由于四川沉积环境特殊,基于地形坡度的方法在四川并不适用,仅使用河北、新疆及陕西钻孔数据,建立了适用于我国的地形坡度与VS30相关关系(见表1);但张雨婷等[22]随后在研究中发现：新疆与河北钻孔的统计特性具有明显差异,其地形特征也明显不同,因此分别建立了适用各自区域的坡度-VS30关系,并分析了与WALD等[15]给出的全球活动构造区的坡度-VS30经验关系的差异,如图1所示。从图1中可见相比于WALD等[15]给出的经验关系,在多数划定的VS30分类范围内,新疆与河北地区对应的坡度上边界要低于WALD等[15]中的上边界值,且新疆与河北的坡度-VS30对应关系也有明显的差异,尤其是在低坡度范围(<10-2m/m),因此对于不同地区分区建立坡度-VS30关系是很有必要的。李昕蕾[23]也检验了WALD等在USGS上提供的全球VS30估计结果在新疆地区的适用性[24],结果表明：当坡度值小于0.001时,WALD等普遍低估了钻孔剪切波速,当坡度值大于0.03时,WALD等普遍高估了钻孔剪切波速;ZHOU等[25]并未直接建立VS30与地形坡度的关系,而是基于地统计方法,建立了基于坡度数据的协同克里金VS30插值模型,更直观的反映了地形坡度与VS30的空间关系。

表1 地形坡度(m/m)与VS30 (m/s)及NEHRP场地类别对应关系Table1 Correlations between topographic slope (m/m) and VS30 (m/s) for NEHRP site classes

图1 河北和新疆地区的场地VS30 与地形坡度经验关系及Wald和Allen给出的全球VS30 与地形坡度经验关系[15,22]Fig. 1 Regional empirical relationship between VS30 and topographic slope in Hebei and Xinjiang and the global empirical relationship provided by Wald and Allen[15,22]

基于地形坡度的区域场地VS30估计方法较为简单,且坡度数据较容易获取,USGS上提供的全球VS30估计值被广泛使用,但是上述多个研究表明不同区域之间坡度与VS30之间的关系有较大差异[17,21-23],因此在应用时需先验证其在本区域的适用性。且在部分地区,由于其特殊的地质地貌条件坡度方法并不适用[17,21],建议可采取直接赋值的方法,将研究区域内VS30的均值或中位值直接赋予整个区域。现有研究数据也多基于30弧秒DEM数据,未来研究应考虑不同精度数据对VS30估计的影响。

除地形坡度外,DEM数据中包含的其他地形信息也可用来作为场地分类的指标,如表面纹理,局部凸度等[26]。IWAHASHI等[27]提出一种基于决策树理论,使用地形坡度、表面纹理及局部凸度作为指标的自动划分场地类型的方法(图2)。在此研究基础上YONG 等[28]直接应用IWAHASHI等[27]的16类地形分类结果及加利福尼亚的VS30数据,将VS30与地形类别相关联,建立了区域VS30预测结果(Y12模型);但是由于研究所采用的VS30值并非全由测量得来,为了提高模型预测效果的准确性,YONG[29]采用503个加州实测VS30数据重新确定每一个地形类的代表VS30值(Y16模型),并分析了Y12模型与Y16模型之间预测效果的差异。YONG[28-29]提出的这种方法也被广泛应用到各项研究项目中,如NGA-West2场地数据库,希腊VS30预测模型及北美洲西太平洋VS30模型[30-32],而CONTRERAS 等[33]在研究中将智利钻孔数据区分为南北和北部,分别建立了VS30模型以验证方法的区域性差异,结果表明：在相同地形类别下北部钻孔的VS30值比南部钻孔的VS30值要高的多,证实了区域性的存在。

图2 基于三项地形特征的场地地形类别划分流程[22,27] Fig. 2 A terrain classification scheme based on three morphometric parameters[22,27]

在这些研究基础上,张雨婷等[22]应用IWAHASHI等[27]的分类流程(图2),对新疆与河北分区计算地形分类的阈值重新划分地形类别,并应用各区的钻孔数据分别建立VS30预测模型。通过两个地区之间分类阈值的比较及各地形类下预测值的比较,更加证实了基于地形特征的VS30估计方法的区域性的存在。张雨婷等[22]也将两地区模型预测结果与Y12模型预测结果进行了比对(图3),结果表明：不同模型在同一地形类别下的预测值虽有差异,但模型整体的变化趋势是相似的。随后ZHANG等[34]利用我国广西、云南及北京等七个省份(或直辖市),划分为3个区域,基于各自区域的地形分类阈值及地形分类结果建立了区域VS30预测模型,其研究结果可为我国区域地震动衰减关系研究及地震灾害情景构建提供场地分类依据。但是由于这种方法区域性的存在,应用时首先需利用本地区的实测钻孔数据建立预测模型,且模型的VS30预测值很大程度受现有钻孔数据统计特性的影响,某些地形类别下钻孔数据量较少也会导致模型预测效果的变异性增强。

图3 新疆与河北地区16个地形类别下模型预测值及Y12模型预测结果[22]Fig. 3 The prediction values of VS30 for 16 terrain categories in Xinjiang and Hebei and the results in Y12[22]

2 基于地貌条件的场地分类方法研究

MATSUOKA等[35]应用日本约2 000个测点研究了日本工程地貌分类图(JEGM)中的19个地貌分类单元与VS30之间的关系,发现了各地貌单元内钻孔VS30的均值与单元的沉积物的粒度大小相对应(砾石>沙>粘土)。除此之外,他们还发现均由厚砾石层组成的砾石阶地和冲积扇由于前者表层为更新世(洪积层)单元,而后者表层为全新世(冲积层)单元,砾石阶地单元具有更高的剪切波速值,在一定程度上说明了地貌单元与地质单元存在某些内在的关联。

MATSUOKA等[35]还引入海拔、坡度、与山的距离作为新的地貌指标,采用多元线性回归拟合不同地貌单元下这些指标与VS30之间的关系,关系式如式(1)。通过拟合的回归系数得出结论：一般条件下海拔越高、坡度越陡和距离山的距离越近,剪切波速值越大,且总体上海拔对VS30的影响较大。

logVS30=a+blogEv+clogSp+dlogDm±σ

(1)

式中：a、b、c和d表示回归系数,σ表示标准差,Ev代表海拔高度,Sp代表坡度,Dm代表钻孔点距离山(第三纪或第三纪前形成的山,单位：km)的距离。

史大成[36]也对我国广东地区的地貌单元进行了研究,分析了各地貌单元内VS30均值的差异(图4),并引入海拔高度、地形坡度及与山的距离作为估算VS30的参数,建立各地貌单元下各参数与VS30的函数关系。其研究结果表明通常情况下山、山坡和岩石等较硬的岩石场地几乎不受高程和坡度的影响,而砾石阶地和山谷洼地会同时受到高程、坡度及与山的距离的因素共同影响;THELEN等[37]通过对洛杉矶盆地附近河流的研究表明：水利梯度影响着河流沉积物粒度,因此水利梯度与VS30具有良好的相关性可以作为估计VS30的指标。

基于地貌条件的VS30估计方法通过建立地貌指标(海拔、坡度、及与山的距离)与VS30的函数关系改善了分类单元中VS30值单一的情况,相对于使用平均值或中位值作为某一单元的估计值来说更加符合实际场地条件,但是这种地貌图仅可在日本获得,在其他国家或地区难以获得高精度的地貌单元分类,且距离山脉的距离难以得到较为准确的值。

注：1p、1t及2～15 分别表示的地貌单元如下：1p.山(第三纪之前),1t.山(第三纪之后)1);山坡2);山丘3);岩石阶地4);砾石阶地5);山谷洼地6);冲积扇7);天然河岸8);漫滩沼泽9);荒废的河道10);沿海低地和三角洲11);沙砾12);沙丘13);三角洲14);填土15)

3 基于地质条件的场地分类方法研究

地质图中包含的年代、岩性和成因等性质常被用来作为估算VS30的指标,通常情况下,年代越久远并且岩石越坚硬,剪切波速值越高,而不同成因类型的沉积单元其土壤粒径不同导致其剪切波速也有差异,例如风积单元多为细砂,其剪切波速值较低,而冲洪积单元多为卵碎石,其剪切波速值相对较高。

BORCHERDT[38]通过研究旧金湾附近的强震记录发现,位于人工填土或海湾泥场地上的最大水平地面加速度通常随着地层厚度的增加而增加,并且比附近基岩场地上记录的速度大几十倍,证实了局部地质条件对地震波有重要影响;随后,BORCHERDT[39]将地表地质与剪切波速结合完成了旧金山的场地分类;PARK等[40]通过整合地质单元与剪切波速资料得到了南加州的复合剪切波速分布图。但由于当时剪切波速资料匮乏,因此所得到的结果相对较为简单且具有一定的局限性。

WILLS[41]利用556个钻孔剖面数据将加利福尼亚州的地质成因、岩性与NEHRP定义的场地类别相匹配,并为处于两个场地类别边界的地质单元创建了中间类别(BC、CD或DE类)。但是其定义的场地类别波速范围重合较高,划分的7个类别在对地震动的放大特性上是否不同也有待研究;为了得到更加适用且简单的分类图,WILLS等[42]将具有相似波速性质的单元整合到一起,重新对加州的地质单元划分为19个地质类,以地质单元特性来描述场地的特征,为每个定义的地质单元赋予VS30值;STEWART 等[43]通过实测VS30数据以及地层地质等相关信息为意大利101个强震动台站提供合理的VS30值,并通过残差分析验证了WILLS等[42]模型对意大利台站估计的可靠性;VILANOVA等[44]直接应用WILLS[42]模型以及STEWART 等[43]相关结果为西伊伯利亚半岛缺少VS30信息的台站提供VS30估计值以进行地震动分析;SILVA等[45]建立了葡萄牙地质单元与WILLS等[42]及STEWART等[43]研究中的地质单元类别之间的对应关系,以得到葡萄牙VS30空间分布信息;随后VILANOVA 等[46]收集了葡萄牙的剪切波速数据及地表地质信息,划分不同地质单元并验证不同单元间VS30的统计差异,建立了基于地质单元的葡萄牙VS30估计模型。LI等[47]检验了德克萨斯州不同地质年代单元中不同岩性的VS30统计特性差异,整合并建立基于地质单元VS30模型,然后应用地质统计学Kriging方法将VS30测量值融合到地质单元模型中,得到了德克萨斯州的VS30空间分布结果。这些研究都是在认为地质单元与VS30具有相关性的基础上进行的,然而THELEN等[37]对圣加布里埃尔河附近的VS30数据进行分析发现,第四纪地质单元河流沉积年代与测量的VS30没有相关性,并且通过进一步研究发现在同一地质和土壤单元内VS30差异很大,说明了以某一VS30值表示地质单元特性并未考虑到单元内VS30的变异性。

我国也有大量学者进行了相关研究,如LEE等[48]考虑地质年代及岩性因素,完成我国台湾省场地的地质单元分类,根据分析判断各地质单元应属的NEHRP场地类别,确定自由场地台站的场地类别;亢川川[18]使用四川高精度的1∶50万地质数据,仅考虑地质年代划分地质单元,确定各地质单元所属NEHRP场地类别;张雨婷[21]在地质年代的分类基础上,考虑了风积单元的影响,对新疆的地质单元进行分类;史大成等[36,49]综合考虑了地质年代、成因与岩性,得到全国范围内地质成因与NEHRP场地分类指标关系矩阵与1∶250万场地分类结果;XIE等[50]利用VS30数据及地质年代和沉积环境建立了适用于北京平原的VS30预测模型,并通过分析表明这种基于地质条件的方法相比于基于地形条件的方法在北京平原上对VS30的预测更有效。我国部分研究区域中地质单元与NEHRP场地类别对应关系见表2。

表2 我国不同研究区域中,地质单元与NEHRP场地类别对应关系表Table 2 Correlations between geological units and NEHRP site classes in different areas of China

这种基于单一地质条件的场地分类方法,在确定场地类别时多由主观经验判断所得,或以单元内采样点的VS30值均值表示单元特性并未考虑到VS30变异性,且对不同地区的地质单元定义场地类别时也有差异,在使用其他地区的模型时应先验证在本地区的合理性。

4 综合条件场地分类方法研究

在上述仅依靠单一指标进行场地研究的基础上,许多学者综合使用地质、地形及地貌等条件以提高场地VS30预测的准确性。如WILLS等[51-52]在地质单元分类基础上,引入坡度与距离基岩的距离两个指标分别定量对冲积单元进行详细的划分,最终通过将坡度分为3类以识别冲积单元中不同的VS30波速范围。WILLS等[53]结合了WILLS等[42]地质单元分类与WILLS等[52]坡度细分冲积层的准则,实现了更加精准的区域VS30估计。

THOMPSON等[54]提出了两种综合地质地形条件提高场地VS30估计的方法,得到了中国台湾省场地的VS30估计结果,并分析了两种结果的差异;张雨婷[21]将这两种方法运用到新疆地区,通过研究发现对于THOMPSON等[54]提出的第一种方法由于其仅在坡度预测的结果上进行简单的残差叠加,仍旧有部分估计结果偏高或偏低;而对于第二种方法,张雨婷[21]发现全新统与更新统单元坡度与VS30具有相似的函数关系,且由于钻孔缺少高波速值(>760m/s)的限制,导致使用这种方法得到的分类结果缺少A类和B类场地,但是相比于传统的地质方法,使用函数关系取代单一的均值能够更好的解决地质单元内VS30值单一的问题;THOMPSON等[55]随后提出了将回归克里金的地质统计学与地形、地质及钻孔测点等约束条件结合的场地参数估计方法,估测了加州场地的VS30;AHDI 等[32,56]分别为北美太平洋西北地区和阿拉斯加州建立了综合地质与地形坡度的VS30估计方法;PARKER等[57]综合考虑了地质信息,地形坡度及冰川作用范围和沉积盆地结构,为北美中部和东部地区建立了综合条件的VS30估计方法;KWOK等[58]建立了基于地质单元、地形坡度和海拔的中国台湾省场地的VS30预测方程,同时建立了基于16类地形类别的VS30预测模型,并结合两个模型之间的离散性和相关性分析提出一种多模型加权方案;FOSTER等[59]利用新西兰VS30数据,基于地统计方法(MVN)分别建立了基于地质的VS30模型和基于地形特征的VS30模型,并对两个模型赋予相同的权重,建立了综合地质与地形特征的MVN模型;ZHOU等[60]分析了坡度、地质及岩土类别对VS30的影响,将这些参数组合成不同参数模型建立VS30估计模型以提高VS30估计的准确性,并建立了基于不同条件的参数模型筛选流程。

以上研究均基于以美国规范定的VS30作为划分场地的指标,此外还有许多区域场地分类研究是基于我国规范所定义的场地类别,如陈学良等[61]基于地形坡度,考虑VS30与VS20的经验对应关系,对我国云南的玉溪盆地、江川盆地和通海盆地进行场地类别划分,并表明这种方法直接用于深厚的和成因复杂的沉积盆地的场地类别划分是有局限性的;李昕蕾[23]分别建立了新疆地区坡度与VSE和覆盖层厚度的关系,并综合考虑了区域地貌、宏观地形与地质因素,建立了“地貌-岩体坚硬程度-沉积物成因-地形坡度”四级划分原则的多因素融合场地分类方法如图5所示,得到基于我国规范的新疆场地分类图,但其所提出的这种分类方法在确定类别时也是由经验判断所得;LI 等[8]在依据地质年代、成因和岩性划分地质单元的基础上,引入WALD等[15]和 ALLEN等[16]的研究成果作为确定地质单元场地类别的关键因素,并通过中美分类指标的对比关系得到基于坡度-地质资料的中国全国场地类型图,但是其直接应用WALD等[15]和ALLEN等[16]的研究结果并未进行验证,且认为同一地质单元具有相同的场地类别并未考虑到单元内VS30的变异性;CHEN等[62]分别利用我国1∶100万地质图和1∶250万第四纪沉积图划分地质单元确定各单元的场地类别,并将得到的两幅场地分类图进行整合,对场地类别有差异的区域进行修正得到最终的全国场地分类结果,但其在确定单元场地类别时很大程度也是依赖主观经验。

续表

5 结语与展望

地形、地质和地貌等因素在无法直接获得场地VS30值或场地类别时常被用来作为场地分类或确定VS30值的替代指标,基于地形、地质和地貌等因素的场地分类方法发展迅速且已取得了巨大成果,但仍存在一些问题在应用时需值得注意：

1)基于地形坡度的场地分类方法简单,且被广泛应用,但是已有许多研究证明不同地区的地形坡度与VS30值的关系存在区域性差异,因此在使用坡度方法时应首先验证在本地区的适用性,在冰川、火山平原及四川盆地等特殊地区坡度方法并不适用,建议可采用直接赋值的方法,且现有坡度模型多建立在30弧秒DEM数据基础上,未来也应研究不同精度数据对于估计VS30的影响;而基于地形特征的VS30估计方法很大程度上受钻孔数据统计特征的影响,所得到的类别主要集中于C类和D类场地,缺少B类和E类场地,且不同地区也具有区域性的影响,因此不可直接引用其他地区的模型,需应用本地区的钻孔数据建立本地区的模型。

2)基于地貌指标建立VS30函数关系的方法在一定程度上改善了分类单元中VS30值单一的情况,相对于采用平均值或中位值作为某一单元的估计值来说使用函数关系更加符合实际场地条件,但在多数国家高精度地貌图不易获取,且难以判断与山的距离。

3)基于地质条件的场地分类方法在确定地质单元的场地类别时很大程度是根据主观经验的判断,且通常认为同一单元只存在相同的场地类别,或以采样点的VS30均值作为单元的代表值,并没有考虑到单元内VS30的变异性。

4)综合地形、地质和地貌等因素的场地分类方法也发展迅速,但通过建立地貌单元、坡度和海拔等参数与VS30的关系时由于缺少高值波速钻孔的原因会导致最后的场地分类图缺少A类和B类场地,且部分研究直接应用Wald和Allen的研究结果并未验证坡度方法在本地区的适用性[12],而直接建立这些因素与场地类别的直接关系时也很大程度依赖主观经验判断。

不同地区之间的VS30预测模型存在区域性,未来的研究应专注于各地区模型之间的差异,分析不同模型在本地区的适用性,提供本地区估计VS30的最优模型。且各种模型都存在其优缺点,在建立模型时地质信息与地形信息能够互相补充,综合多因素的VS30预测模型相比于单因素VS30预测模型能够提升VS30预测的准确性,未来研究也应专注于建立基于多因素的VS30预测模型。