CN112613096B - 一种面向强震前后不同阶段的地质灾害评价方法 - Google Patents
一种面向强震前后不同阶段的地质灾害评价方法 Download PDFInfo
- Publication number
- CN112613096B CN112613096B CN202011473700.4A CN202011473700A CN112613096B CN 112613096 B CN112613096 B CN 112613096B CN 202011473700 A CN202011473700 A CN 202011473700A CN 112613096 B CN112613096 B CN 112613096B
- Authority
- CN
- China
- Prior art keywords
- landslide
- earthquake
- evaluated
- stage
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 46
- 238000007477 logistic regression Methods 0.000 claims abstract description 28
- 230000004044 response Effects 0.000 claims abstract description 19
- 230000035939 shock Effects 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000012876 topography Methods 0.000 claims abstract description 9
- 239000011435 rock Substances 0.000 claims description 26
- 238000011084 recovery Methods 0.000 claims description 15
- 230000001133 acceleration Effects 0.000 claims description 14
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000012502 risk assessment Methods 0.000 claims description 11
- 101710154918 Trigger factor Proteins 0.000 claims description 10
- 235000019738 Limestone Nutrition 0.000 claims description 6
- 239000006028 limestone Substances 0.000 claims description 6
- 239000010453 quartz Substances 0.000 claims description 6
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 claims description 6
- 229910052612 amphibole Inorganic materials 0.000 claims description 4
- 239000010438 granite Substances 0.000 claims description 4
- 206010013883 Dwarfism Diseases 0.000 claims description 3
- 240000007817 Olea europaea Species 0.000 claims description 3
- WYTGDNHDOZPMIW-RCBQFDQVSA-N alstonine Natural products C1=CC2=C3C=CC=CC3=NC2=C2N1C[C@H]1[C@H](C)OC=C(C(=O)OC)[C@H]1C2 WYTGDNHDOZPMIW-RCBQFDQVSA-N 0.000 claims description 3
- 239000013078 crystal Substances 0.000 claims description 3
- 239000010459 dolomite Substances 0.000 claims description 3
- 229910000514 dolomite Inorganic materials 0.000 claims description 3
- 238000001556 precipitation Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000011160 research Methods 0.000 description 24
- 238000007619 statistical method Methods 0.000 description 10
- 230000009467 reduction Effects 0.000 description 8
- 238000011835 investigation Methods 0.000 description 7
- 230000007774 longterm Effects 0.000 description 6
- 230000002265 prevention Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 4
- 238000013178 mathematical model Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 2
- 239000010931 gold Substances 0.000 description 2
- 229910052737 gold Inorganic materials 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000012732 spatial analysis Methods 0.000 description 2
- 235000014676 Phragmites communis Nutrition 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 239000013049 sediment Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Abstract
本发明提供一种面向强震前后不同阶段的地质灾害评价方法。该方法包括:震前预评估阶段:采用逻辑回归方法,基于待评价地区的历史震例对潜在强震区进行预评估,评估所述待评价地区在经历不同的地震动下的滑坡发生概率;震时响应阶段:采用Newmark方法进行震后短期的快速应急危险性制图;应急处理阶段:在地震发生后较短时间内,采用震后快速获取遥感影像,构建部分滑坡数据库,并结合地震资料、地形资料和地质资料,利用不完整的滑坡数据解译结果进行中期地震滑坡空间分析和危险性评价;恢复重建阶段:在地震发生后较长时间内,采用震后高质量遥感影像,构建完整滑坡数据库,并进一步进行地震滑坡空间分析和危险性评价。
Description
技术领域
本发明涉及地质灾害工程技术领域,尤其涉及一种面向强震前后不同阶段的地质灾害评价方法。
背景技术
大地震往往引发大量的同震滑坡,而这些滑坡往往是造成重大的人员伤亡与财产损失的重要原因。在大地震发生之后的不同阶段,减轻地震灾害的需求不同,尤其是山区大地震触发滑坡空间危险性预测对地震后短时间内的应急救援、中期的临时安置、长期的恢复重建工作都具有非常重要的意义。而大地震触发滑坡往往因数量多、密度大、分布面积广而导致全面信息极难在短时间内获取到,使得当前地震滑坡空间危险性预测工作面临较大困难,结果的时效性与精度往往不能满足实际应用的需要。而目前开展震后工作主要包括三个阶段:震后3天内的应急救援阶段,震后3-60天内中期安置阶段和震后60天后的恢复重建阶段。当前大多数的研究都是基于震后滑坡数据开展的危险性评价,很难服务于应急阶段和中期安置阶段,时效性和应用性较差,因此如何针对不同阶段开展实际有效的震后滑坡空间预测是需要解决的重要问题。
当前开展地震滑坡危险性预测的方法包括不需要滑坡信息的应急评估和基于滑坡数据的中长期危险性评价。
应急评估主要包括专家经验法和Newamrk模型。其中Newamrk方法作为目前国际上较为流行的一种地震滑坡危险性评估方法,被广泛应用到多个区域地震滑坡定量危险性评估工作中。该方法具有物理意义明确,快捷高效等特点,该方法的优点在于可应用于震后的快速评价阶段,为震后的应急响应提供帮助,可服务于地震后的快速响应。但是缺点在于该方法对岩土体参数和地震动参数的精度要求较高,而基于当前的条件下,由于无法获得大区域的高精度的输入参数,所以导致Newmark方法的评估结果精度和准确度不是十分理想。
基于滑坡数据的中长期危险性评价(参考“T.Kavzoglu,E.K.Sahin,I.Colkesen,An assessment of multivariate and bivariate approaches in landslidesusceptibility mapping:a case study of Duzkoy district,Nat.Hazards 76(1)(2015)471–496”)主要包括基于统计分析模型中长期地震滑坡危险性评价的地震滑坡危险区域评估方法。该方法假设前提是将来发生地质灾害的条件和过去发生地质灾害的条件相同,利用已发生的地震滑坡,建立这些滑坡与相关滑坡影响因子(包括水文因素、人类活动因素、地貌因素等)的数学模型,再将建立的数学模型应用到整个地震区的区域性评估。统计分析模型的优点是以实际滑坡出发,评价结果往往较客观,预测结果的精度和准确度也十分理想。但是由于该方法,需要充足的地震滑坡数据建立影响因子与地震滑坡的数学模型,导致成果滞后于实际应用,无法在短期内服务于防灾减灾的工作当中。
尽管近年来遥感与空间信息技术越来越发达,地震后数天内可能就会有海量的震后遥感数据出现,但是受到震区范围大、被云覆盖、卫星调度需要时间等因素的影响,最初的遥感影像往往难以在震后快速获得。在震后72小时的黄金救援时间内极难获取到足够覆盖范围的影像,甚至数月才能获取到全面的震区的影像。而即使获得研究区全面完整的震区影像后,开展震区同震滑坡解译也是一项十分费时的任务,比如2008年汶川地震,完备的地震滑坡数据在震后5年才出现。因此传统的基于震后滑坡数据的统计分析模型滑坡危险性评价方法无法充分应用于震后的应急抢险工作。此外基于Newmark简易模型的区域地震滑坡危险性评估在不同地震中都得到了初步尝试,但并未有研究针对性提出如何在震后不同阶段应用。而采用不依赖地震滑坡数据的低精度的Newmark方法或者专家经验方法开展地震滑坡空间位置预测的精度又相对较低,无法更好地服务于地震后的长期重建工作。
发明内容
针对传统的基于震后滑坡数据的统计分析模型滑坡危险性评价方法无法充分应用于震后的应急抢险工作,以及如何针对不同阶段开展实际有效的震后滑坡空间预测的问题,本发明提供一种面向强震前后不同阶段的地质灾害评价方法。
本发明提供一种面向强震前后不同阶段的地质灾害评价方法,包括:震前预评估阶段、震时响应阶段、应急处理阶段和恢复重建阶段;其中:
震前预评估阶段:采用逻辑回归方法,基于待评价地区的历史震例对潜在强震区进行预评估,评估所述待评价地区在经历不同的地震动下的滑坡发生概率;
震时响应阶段:采用Newmark方法进行震后短期的快速应急危险性制图;
应急处理阶段:在地震发生后较短时间内,采用震后快速获取遥感影像,构建部分滑坡数据库,并结合地震资料、地形资料和地质资料,利用不完整的滑坡数据解译结果进行中期地震滑坡空间分析和危险性评价;
恢复重建阶段:在地震发生后较长时间内,采用震后高质量遥感影像,构建完整滑坡数据库,并进一步进行地震滑坡空间分析和危险性评价。
进一步地,在所述震前预评估阶段,评估所述滑坡发生概率所选取的滑坡触发因子包括:高程、相对高差、坡度、坡向、斜坡曲率、坡位、地形湿度指数、土地覆盖类型、植被覆盖度、与断层距离、地层、年均降水量和地震动峰值加速度中至少一种。
进一步地,在所述震前预评估阶段,根据选取的所述滑坡触发因子按照公式(1)和公式(2)计算滑坡发生概率P:
Z=β0+β1χ1+β2χ2+β3χ3…+βiχi+…+βnχn (1)
P=1/(1+e-z) (2)
其中,Z代表所有滑坡触发因子相叠加后的线性权重值和,χi表示第i个滑坡触发因子,β0表示逻辑回归系数,βi表示χi对应的逻辑回归系数,i=1,2,3…n。
进一步地,在所述震前预评估阶段,采用在所述待评价地区内随机选取样本点,样本点落在滑坡面要素内的为滑坡样本点,落在滑坡面要素之外的样本点为非滑坡样本点。
进一步地,在所述震时响应阶段,将待评价地区的地层岩性划分为四类:松散组、较软组、较硬组和坚硬组;其中:
松散组包括三系砂岩、粉砂岩、砂质泥岩和第四系沉积物中的至少一种;
较软组包括白垩系棕红色粉砂岩、砂质泥岩,侏罗系棕红色泥岩夹砂岩,奥陶系页岩,前震旦系变质岩和志留系黄绿色泥岩夹泥质粉砂岩中的至少一种;
较硬组包括二叠系灰岩和石英砂岩,前震旦系变质火成岩,三叠系石英砂岩,震旦系碎屑白云岩和泥盆系泥晶灰岩中的至少一种;
坚硬组包括以花岗岩体、闪长岩、蛇纹岩、辉长岩和橄榄岩中的至少一种。
进一步地,在所述震时响应阶段,采用简化Newmark位移模型进行震后短期的快速应急危险性制图。
进一步地,在所述应急处理阶段,根据获取的遥感影像确定地震滑坡分布点,将地震滑坡分布点数据作为滑动样本点,在各个滑动样本点半径200m的缓冲区外的区域随机选择不滑样本点,以构建部分滑坡数据库。
进一步地,在所述应急处理阶段和所述恢复重建阶段,所述危险性评价是指:
若0<滑坡发生概率≤0.2,所述待评价地区为极低危险区;
若0.2<滑坡发生概率≤0.4,所述待评价地区为低危险区;
若0.4<滑坡发生概率≤0.6,所述待评价地区为中危险区;
若0.6<滑坡发生概率≤0.8,所述待评价地区为高危险区;
若0.8<滑坡发生概率≤1,所述待评价地区为极高危险区。
本发明的有益效果:
为了解决当前滑坡危险性评价中时效性与评估精度不匹配的问题,本发明提出了地震滑坡空间预测的强震区的潜在预评估、震时响应、应急处理、恢复重建的“四阶段”复合方法:(1)震前预评估阶段,主要基于以往的震例,对潜在强震区进行预评估,评估该地区在经历不同的地震动下的滑坡概率;(2)震时响应阶段:该阶段更看重时效性,利用当前广泛应用的Newmark方法开展震后短期(数小时至数天)的快速应急危险性制图,结果可为灾后应急救援和中期滑坡数据库编制提供参考;(3)应急处理阶段:在地震发生后较短时间内,完成部分地震滑坡编录与数据库工作,结合地震、地形、地质等资料,开展中期地震滑坡空间分析和危险性评价。该结果可指导后续的滑坡数据库建设完善工作,同时可为灾区中期安置提供了滑坡高危险区避让信息;(4)恢复重建阶段:在地震发生后的较长时间内,通过构建更为详细和完整的滑坡数据库,开展更为细致的滑坡危险性评价工作,以期为地震区长期滑坡防灾减灾服务。针对地震发生后的时间,本发明利用不同的预测模型开展震后滑坡空间位置预测,为震后防灾减灾提供重要的参考依据,具有极强的时效性和实用性。
附图说明
图1为本发明实施例提供的一种面向强震前后不同阶段的地质灾害评价方法的流程示意图;
图2中:(a)为本发明实施例提供的研究区的稳定系数Fs分布结果示意图;(b)为本发明实施例提供的研究区内斜坡临界加速度ac分布结果示意图;
图3中:(a)为本发明实施例提供的研究区的Newmark累积位移分布结果示意图;(b)为本发明实施例提供的研究区的边坡失稳概率分布图;
图4为本发明实施例提供的研究区在应急处理阶段的地震滑坡危险性评价结果分布图和统计分析图;
图5为本发明实施例提供的研究区在应急处理阶段的不同危险性分级下的分区面积和滑坡密度示意图;
图6为本发明实施例提供的研究区在恢复重建阶段的地震滑坡危险性评价结果分布图和统计分析图;
图7为本发明实施例提供的研究区在恢复重建阶段的不同危险性分级下的分区面积和滑坡密度示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
如图1所示,本发明实施例提供一种面向强震前后不同阶段的地质灾害评价方法,包括以下阶段:震前预评估阶段、震时响应阶段、应急处理阶段和恢复重建阶段;其中:
震前预评估阶段:采用逻辑回归方法,基于待评价地区的历史震例对潜在强震区进行预评估,评估所述待评价地区在经历不同的地震动下的滑坡发生概率;
震时响应阶段:采用Newmark方法进行震后短期的快速应急危险性制图;
应急处理阶段:在地震发生后较短时间内,采用震后快速获取遥感影像,构建部分滑坡数据库,并结合地震资料、地形资料和地质资料,利用不完整的滑坡数据解译结果进行中期地震滑坡空间分析和危险性评价;
具体地,本步骤中的“较短时间”的时间范围可以根据能够快速获取遥感影像的时间进行确定,一般而言,是在地震发生后的72小时内。
恢复重建阶段:在地震发生后较长时间内,采用震后高质量遥感影像,构建完整滑坡数据库,并进一步进行地震滑坡空间分析和危险性评价。
具体地,本步骤中的“较长时间”是相对于上一步骤中的“较短时间”而言的,本步骤的“较长时间”的时间范围可以根据能够得到高质量遥感影像的时间进行确定,一般而言,是在地震发生后的50天内。
本发明实施例提供的面向强震前后不同阶段的地质灾害评价方法,主要是针对地震发生后服务于不同阶段的同震滑坡评价,可满足各个阶段对地震滑坡空间位置预测的要求,可服务于大地震之后应急救援、临时安置、恢复重建等不同阶段的滑坡防灾减灾。
实施例2
本发明实施例以芦山地震为例,对本发明提供的地质灾害评价方法进行阐述。
(1)震前预评估阶段
灾前工作主要是依托地震危险性开展地震触发滑坡的危险性评价与区划工作,成果可合理避让地震滑坡危险区,有效降低地震滑坡发生后的风险,也可为城镇规划、应急救援基地与力量的区域配置等服务。
该阶段采用逻辑回归方法,基于待评价地区(也称研究区)的历史震例对潜在强震区进行预评估,评估所述待评价地区在经历不同的地震动下的滑坡发生概率。
具体地,可以根据真实地震的PGA分布对地震滑坡进行基于概率思想的快速评估、地震滑坡场景模拟、监测预警等工作,从而更好地为地震滑坡应急救援与抗灾防灾救灾服务。后续也可根据降雨数据、强余震、人口经济数据等对震后滑坡进行危险性与风险评估,为灾后恢复重建服务。
考虑到地震滑坡主要受地震、地形、地质、水文等因素的综合作用,本发明实施例在选取滑坡触发因子时,评估所述滑坡发生概率所选取的滑坡触发因子包括:高程、相对高差、坡度、坡向、斜坡曲率、坡位、地形湿度指数、土地覆盖类型、植被覆盖度、与断层距离、地层、年均降水量和地震动峰值加速度等相关的地震滑坡影响因子来建立模型。
本发明实施例选用逻辑回归(LR)模型,选取逻辑回归模型主要包括以下三个原因:(1)它能进行不同类型的自变量(包括连续型变量和离散型变量);(2)该模型不要求自变量符合正态分布的条件,对识别变量的分布未作任何要求,可以用来预测具有二项特点的因变量概率问题;(3)LR模型属于多元统计方法,其根据实际的滑坡样本点与不滑样本点,去进行各个滑坡触发因子之间的综合评价,该方法可以较好的解决因子间相互依赖的问题。LR模型将因变量转成发生(记为1)和不发生(记为0)的二元逻辑变量。
在所述震前预评估阶段,根据选取的所述滑坡触发因子按照公式(1)和公式(2)计算滑坡发生概率P:
Z=β0+β1χ1+β2χ2+β3χ3…+βiχi+…+βnχn (1)
P=1/(1+e-z) (2)
其中,滑坡发生概率P的取值范围在[0,1]之间,Z代表所有滑坡触发因子相叠加后的线性权重值和,χi表示第i个滑坡触发因子,β0表示逻辑回归系数,βi表示χi对应的逻辑回归系数,i=1,2,3…n。
其中,基于以往以发生的地震滑坡数据库,采用贝叶斯概率方法与机器学习模型相结合,建立地震滑坡发生的多因素影响模型,得到各个连续因子的权重与分类因子的各个分类的权重。
在该阶段采用的滑坡数据为面数据,研究区范围内,滑坡具有明确的边界和空间位置。因此,采用在整个待评价地区内随机选取样本点,样本点落在滑坡面要素内的为滑坡样本点,落在滑坡面要素之外的样本点为非滑坡样本点。
具体地,虽然采用上述随机抽样方式使得滑坡样本与非滑坡样本数量不同,但是这种不平衡代表了待评价地区内滑坡发生的真实不平衡,得到的易发性指数也能代表真实的滑坡发生概率。
例如,按每平方公里500个样本点的密度随机采点进行,然后根据这些模型样本,计算得到因子的权重,得到逻辑回归计算公式。
例如,将模型应用到整个中国研究区。采用地震动峰值加速度因子为滑坡触发因子,将公式(1)中代表PGA的一项分别换成0.1g、0.2g、0.3g、0.4g、0.5g、0.6g、0.7g、0.8g、0.9g、1.0g共10种级别地震动峰值加速度,分别考虑研究区在经历不同地震动峰值加速度(0.1g~1g,每0.1g一个结果,共10个结果)下的地震滑坡发生真实概率。此外,还结合中国地震动峰值加速度分布图,得到中国地震动峰值加速度背景下的地震滑坡发生概率的真实分布。
(2)震时响应阶段
该阶段更看重时效性,利用当前广泛应用的Newmark方法开展震后短期(数小时至数天)的快速应急危险性制图,结果可为灾后应急救援和中期滑坡数据库编制提供参考。
在所述震时响应阶段,采用简化Newmark位移模型进行震后短期的快速应急危险性制图。
具体地,简化Newmark位移模型主要包括了斜坡稳定系数Fs、临界加速度ac和Newmark累积位移计算三个步骤,具体为:
(1)通过斜坡几何属性(例如,岩土体厚度t、岩土体的饱和程度m、斜坡坡角α)和岩土体属性(例如,有效内聚力c’、内摩擦角ψ’,岩土体重度γ,地下水重度γw),我们可以得到坡体的稳定系数Fs:
(2)利用无限斜坡法计算稳定系数Fs间接推导得到临界加速度ac:
ac=(Fs-1)g sinα (4)
其中,g为重力加速度,α滑动面倾角,在式(4)中近似按斜坡坡角取值。
(3)利用Newmark简易模型得到研究区内Newmark位移分布。基于PGA参数的Newmark经验公式(即公式(5)),进行Newmark模型区域滑坡危险性评估。
其中,Dn表示Newmark简易模型的位移。
利用1:20万区域地质资料,对研究区进行了工程地质岩组分类,根据研究区岩石坚硬程度、岩体完整程度、岩石成因及岩性组合关系等要素,将研究区域的地层岩性划分为四类:松散组、较软组、较硬组和坚硬组。
具体地,松散组主要包括三系砂岩、粉砂岩、砂质泥岩和第四系沉积物;较软组包括白垩系棕红色粉砂岩、砂质泥岩,侏罗系棕红色泥岩夹砂岩、奥陶系页岩、前震旦系变质岩和志留系黄绿色泥岩夹泥质粉砂岩;较硬组包括二叠系灰岩和石英砂岩、前震旦系变质火成岩,三叠系石英砂岩、震旦系碎屑白云岩和泥盆系泥晶灰岩;坚硬组主要以花岗岩体、闪长岩为主,还包括其他蛇纹岩、辉长岩、橄榄岩等。
此外,由于受强烈构造地质作用的影响,坚硬岩组(花岗岩、闪长岩以及侵入岩脉)节理发育,导致实际的岩体强度相对岩块明显降低,所以在进行岩土体赋值时,本发明实施例对该组的岩土体强度进行了适度的折减,折减系数设为0.7。
在进行地层岩性分类的时候,分类依据可参考《工程岩体分级标准GB/T50218-2014》、《岩土工程勘察规范GB50021-2001》等相关规定。
坡体厚度的选取,参照现有技术的研究,同时结合研究区内滑坡坡面的破坏深度,本发明实施例最终假设坡体厚度t=3.5m。将研究区内的斜坡几何属性数据和岩土体属性数据代入到公式(3),可以得到研究区的稳定系数Fs分布结果,如图2中(a)所示。根据式(4),利用稳定系数Fs和斜坡坡角即可计算得到研究区内斜坡临界加速度ac分布,如图2中(b)所示。
基于Newmark位移模型,利用USGS发布的PGA分布图,结合临界加速度分布,即可得到了芦山地震的Newmark累积位移分布,如图3中(a)所示。
Newmark简易模型的位移值大小代表了地震滑坡危险性程度,Dn值越大,表明发生滑坡的可能性就越大。在本发明实施例中,利用Northridge地震得到的边坡失稳概率函数(即公式(6)),基于本次地震研究区内的Newmark累积位移分布(即图3中(a)),最终得到了研究区的边坡失稳概率分布图,如图3中(b)所示。
P(f)=0.335[1-exp(-0.048Dn 1.565)] (6)
(3)应急处理阶段
应急处理阶段在地震发生后较短时间内,完成部分地震滑坡编录与数据库工作,结合地震、地形、地质等资料,开展中期地震滑坡空间分析和危险性评价。该分析和评价结果可指导后续的滑坡数据库建设完善工作,同时可为灾区中期安置提供了滑坡高危险区避让信息。
在所述应急处理阶段,根据获取的遥感影像确定地震滑坡分布点,将地震滑坡分布点数据作为滑动样本点,在各个滑动样本点半径200m的缓冲区外的区域随机选择不滑样本点,以构建部分滑坡数据库。
例如,将芦山地震滑坡分布点数据作为滑动样本点,共得到3855个滑坡样本点。对于不滑样本点的选择,设置在滑坡样本点半径200m的缓冲区外的区域随机选择3855个不滑样本点,共7710个样本点。基于上述滑坡触发因子,利用逻辑回归模型对研究区滑坡危险性进行评价。
对LR模型而言,模型训练就是对逻辑回归系数进行参数估计。将7710个样本点作为训练样本导入到SPSS软件中进行分析,得到经过训练的二元回归模型。表1列出了LR模型中的计算的各个因子的回归系数β。其中这十个变量的显著性水平都小于0.05。这表明这十个变量对地震滑坡的发生有显著的影响。β代表了滑坡各影响因子的相对贡献率。将表1中的回归系数β代入到公式(1),即得到地震引发的滑坡发生概率预测模型,依据回归系数给每个影响因子赋予相对应的权重值,然后通过对各个影响因子层的叠加操作得到逻辑回归模型的滑坡危险性分布图和统计分析图,如图4所示。
表1基于不完整滑坡数据的LR回归系数表
在所述应急处理阶段,所述危险性评价是指:
若0<滑坡发生概率≤0.2,所述待评价地区为极低危险区;若0.2<滑坡发生概率≤0.4,所述待评价地区为低危险区;若0.4<滑坡发生概率≤0.6,所述待评价地区为中危险区;若0.6<滑坡发生概率≤0.8,所述待评价地区为高危险区;若0.8<滑坡发生概率≤1,所述待评价地区为极高危险区。
在所述应急处理阶段,所述地震滑坡空间分析是指:对每个危险性分类的面积与其中发生的滑坡数量和面积进行统计。
例如,该阶段,芦山地震研究区的地震滑坡空间分析统计图如图5所示。图5表明,极高危险区面积为507.1km2,占总研究面积的9.4%,其中实际发生滑坡数量为2172个,占滑坡总数量的54.9%,分级内滑坡点密度为4.3个/km2。极低危险区面积为3155.8km2,占总研究面积的58.5%,其中实际发生滑坡数量为92个,分级内滑坡点密度为0.03个/km2。
(4)恢复重建阶段
在恢复重建阶段,考虑到解译精度的问题,选取芦山地震最完整滑坡数据库中面积大于100m2共15546个滑坡作为滑坡样本点。对于不滑样本点的选择,选用与应急处理阶段相同的办法,在滑坡样本点半径200m的缓冲区外的区域选取相同数量的不滑样本点,并按照与应急处理阶段相同的方法将15546个滑坡样本点和15546个不滑样本点作为训练样本导入到SPSS软件中进行分析,得到二元回归模型。表2列出了LR模型中的计算的各个因子的逻辑回归系数β。
表2基于完整滑坡数据的LR回归系数表
依据逻辑回归系数给每个影响因子赋予相对应的权重值,然后通过对各个影响因子层的叠加操作得到逻辑回归模型的滑坡危险性分布图和统计分析图,如图6所示。
按照与应急处理阶段相同的方法,所述恢复重建阶段的危险性评价是指:若0<滑坡发生概率≤0.2,所述待评价地区为极低危险区;若0.2<滑坡发生概率≤0.4,所述待评价地区为低危险区;若0.4<滑坡发生概率≤0.6,所述待评价地区为中危险区;若0.6<滑坡发生概率≤0.8,所述待评价地区为高危险区;若0.8<滑坡发生概率≤1,所述待评价地区为极高危险区
例如,该阶段,芦山地震研究区的地震滑坡空间分析统计图如图7所示。结果表明,极高危险区面积为559.2km2,占总研究面积的10.4%,其中实际发生滑坡数量为7381个,占滑坡总数量的47.4%,分级内滑坡点密度为13.2个/km2。高危险区面积为743.3km2,占总研究面积的13.8%,其中实际发生滑坡数量为4477个,分级内滑坡点密度为6.0个/km2。总体上来说,超过76%的滑坡都集中在了高危险性和极高危险性的区域。
为了解决当前滑坡危险性评价中时效性与评估精度不匹配的问题,本发明实施例以芦山地震为例,提出了地震滑坡空间预测的强震区的潜在预评估、震时响应、应急处理、恢复重建的“四阶段”复合方法。(1)震前预评估阶段,主要基于以往的震例,对潜在强震区进行预评估,评估该地区在经历不同的地震动下的滑坡概率;(2)震时响应阶段:该阶段更看重时效性,利用当前广泛应用的Newmark方法开展震后短期(数小时至数天)的快速应急危险性制图,结果可为灾后应急救援和中期滑坡数据库编制提供参考;(3)应急处理阶段:在地震发生后较短时间内,完成部分地震滑坡编录与数据库工作,结合地震、地形、地质等资料,开展中期地震滑坡空间分析和危险性评价。该结果可指导后续的滑坡数据库建设完善工作,同时可为灾区中期安置提供了滑坡高危险区避让信息;(4)恢复重建阶段:在地震发生后的较长时间内,通过构建更为详细和完整的滑坡数据库,开展更为细致的滑坡危险性评价工作,以期为地震区长期滑坡防灾减灾服务。
由上述内容可以看出,针对地震发生后的时间,本发明实施例利用不同的预测模型开展震后滑坡空间位置预测,为震后防灾减灾提供重要的参考依据,具有极强的时效性和实用性。
震后72小时的黄金救援时间内极难获取到足够覆盖范围的影像,因此,只能采用不依赖地震滑坡数据的低精度的Newmark方法或者专家经验方法开展地震滑坡空间位置预测。本发明采用同震滑坡应急快速评估利用基础地质资料、地形数据同时结合地震动速报参数,借助Newmark快速评估模型,进行区域同震滑坡分布预测及其快速评估,可迅速锁定同震滑坡高危险区,为优化应急部署提供依据。在应急处理阶段得到覆盖全部震区的影像并得到完整的地震滑坡分布数据往往也比较困难,因此,采用震后快速获取遥感影像,利用不完整的滑坡数据解译结果进行滑坡易发性评价,得到评价结果可满足震后3-60天内应急处理阶段的需求,进行地质灾情重点防御防护。在震后60天后的恢复重建阶段,震后高质量的遥感数据出现,进而进行详细完整的滑坡解译工作,得以保证数据库的质量,使得当前地震滑坡空间危险性预测结果的时效性与精度满足震后安置的需求。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (6)
1.一种面向强震前后不同阶段的地质灾害评价方法,其特征在于,包括:震前预评估阶段、震时响应阶段、应急处理阶段和恢复重建阶段;其中:
震前预评估阶段:采用逻辑回归方法,基于待评价地区的历史震例对潜在强震区进行预评估,评估所述待评价地区在经历不同的地震动下的滑坡发生概率;具体包括:评估所述滑坡发生概率所选取的滑坡触发因子包括:高程、相对高差、坡度、坡向、斜坡曲率、坡位、地形湿度指数、土地覆盖类型、植被覆盖度、与断层距离、地层、年均降水量和地震动峰值加速度中至少一种;根据选取的所述滑坡触发因子按照公式(1)和公式(2)计算滑坡发生概率P:
Z=β0+β1χ1+β2χ2+β3χ3…+βiχi+…+βnχn (1)
P=1/(1+e-z) (2)
其中,Z代表所有滑坡触发因子相叠加后的线性权重值和,χi表示第i个滑坡触发因子,β0表示逻辑回归系数,βi表示χi对应的逻辑回归系数,i=1,2,3…n;
震时响应阶段:采用Newmark方法进行震后短期的快速应急危险性制图;
应急处理阶段:在地震发生后较短时间内,采用震后快速获取遥感影像,构建部分滑坡数据库,并结合地震资料、地形资料和地质资料,利用不完整的滑坡数据解译结果进行中期地震滑坡空间分析和危险性评价;
恢复重建阶段:在地震发生后较长时间内,采用震后高质量遥感影像,构建完整滑坡数据库,并进一步进行地震滑坡空间分析和危险性评价。
2.根据权利要求1所述的方法,其特征在于,在所述震前预评估阶段,采用在所述待评价地区内随机选取样本点,样本点落在滑坡面要素内的为滑坡样本点,落在滑坡面要素之外的样本点为非滑坡样本点。
3.根据权利要求1所述的方法,其特征在于,在所述震时响应阶段,将待评价地区的地层岩性划分为四类:松散组、较软组、较硬组和坚硬组;其中:
松散组包括三系砂岩、粉砂岩、砂质泥岩和第四系沉积物中的至少一种;
较软组包括白垩系棕红色粉砂岩、砂质泥岩,侏罗系棕红色泥岩夹砂岩,奥陶系页岩,前震旦系变质岩和志留系黄绿色泥岩夹泥质粉砂岩中的至少一种;
较硬组包括二叠系灰岩和石英砂岩,前震旦系变质火成岩,三叠系石英砂岩,震旦系碎屑白云岩和泥盆系泥晶灰岩中的至少一种;
坚硬组包括以花岗岩体、闪长岩、蛇纹岩、辉长岩和橄榄岩中的至少一种。
4.根据权利要求1所述的方法,其特征在于,在所述震时响应阶段,采用简化Newmark位移模型进行震后短期的快速应急危险性制图。
5.根据权利要求1所述的方法,其特征在于,在所述应急处理阶段,根据获取的遥感影像确定地震滑坡分布点,将地震滑坡分布点数据作为滑动样本点,在各个滑动样本点半径200m的缓冲区外的区域随机选择不滑样本点,以构建部分滑坡数据库。
6.根据权利要求1所述的方法,其特征在于,在所述应急处理阶段和所述恢复重建阶段,所述危险性评价是指:
若0<滑坡发生概率≤0.2,所述待评价地区为极低危险区;
若0.2<滑坡发生概率≤0.4,所述待评价地区为低危险区;
若0.4<滑坡发生概率≤0.6,所述待评价地区为中危险区;
若0.6<滑坡发生概率≤0.8,所述待评价地区为高危险区;
若0.8<滑坡发生概率≤1,所述待评价地区为极高危险区。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011473700.4A CN112613096B (zh) | 2020-12-15 | 2020-12-15 | 一种面向强震前后不同阶段的地质灾害评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011473700.4A CN112613096B (zh) | 2020-12-15 | 2020-12-15 | 一种面向强震前后不同阶段的地质灾害评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112613096A CN112613096A (zh) | 2021-04-06 |
CN112613096B true CN112613096B (zh) | 2024-02-23 |
Family
ID=75234446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011473700.4A Active CN112613096B (zh) | 2020-12-15 | 2020-12-15 | 一种面向强震前后不同阶段的地质灾害评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112613096B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113536659B (zh) * | 2021-06-09 | 2022-11-04 | 上海交通大学 | 一种震后道路受灾区域快速预测方法、系统及存储介质 |
CN113792992B (zh) * | 2021-08-25 | 2022-06-10 | 应急管理部国家自然灾害防治研究院 | 一种基于遥感大数据的滑坡崩塌应急评价方法及系统 |
CN114013591B (zh) * | 2021-11-24 | 2022-07-22 | 应急管理部国家自然灾害防治研究院 | 一种用于Spar单柱式浮式基础结构的浮稳装置 |
CN115238441B (zh) * | 2022-05-06 | 2023-05-23 | 中国地质科学院地质力学研究所 | 一种LS-D-Newmark地震滑坡危险性评价方法、装置以及处理设备 |
CN115374625A (zh) * | 2022-08-17 | 2022-11-22 | 中国地质科学院探矿工艺研究所 | 地震滑坡危险性检测方法、装置及介质 |
CN115565062B (zh) * | 2022-09-05 | 2023-06-16 | 应急管理部国家自然灾害防治研究院 | 一种地震地质灾害与财产人口损失风险预测方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006343578A (ja) * | 2005-06-09 | 2006-12-21 | Shimizu Corp | 地震被害予測システム |
JP2007051987A (ja) * | 2005-08-19 | 2007-03-01 | Univ Chuo | 斜面崩壊および構造物被害のエネルギーによる評価方法およびエネルギー測定装置 |
CN202373041U (zh) * | 2011-12-16 | 2012-08-08 | 四川久远新方向智能科技有限公司 | 适用于应急管理的综合应用系统 |
CN103116810A (zh) * | 2013-01-28 | 2013-05-22 | 北京师范大学 | 地震中人口损失评估方法 |
CN103399344A (zh) * | 2013-07-24 | 2013-11-20 | 北京师范大学 | 一种地震后发生崩滑灾害位置的预测方法 |
KR20160061445A (ko) * | 2014-11-17 | 2016-06-01 | 서울대학교산학협력단 | 기하학적 증폭계수를 고려한 지진시 산사태 재해도 도출방법 및 도출시스템 |
CN106021875A (zh) * | 2016-05-11 | 2016-10-12 | 兰州大学 | 一种地震扰动区多尺度泥石流风险评估的方法 |
CN106251032A (zh) * | 2016-06-28 | 2016-12-21 | 中国人民解放军后勤工程学院 | 一种地震滑坡灾害灾情快速评估方法 |
WO2017188858A1 (en) * | 2016-04-28 | 2017-11-02 | Schlumberger Canada Limited | Reservoir performance system |
CN107957982A (zh) * | 2017-12-05 | 2018-04-24 | 中国科学院遥感与数字地球研究所 | 震后次生地质灾害易发性快速评估方法和系统 |
JP2018100494A (ja) * | 2016-12-19 | 2018-06-28 | 株式会社益田建設 | 被震時損傷評価機能付き建築物 |
CN108984932A (zh) * | 2018-07-25 | 2018-12-11 | 中国地震局地球物理研究所 | 建筑结构特性快速提取方法及相应损失评估计算方法 |
CN109613611A (zh) * | 2019-01-24 | 2019-04-12 | 河北工业大学 | 用于结构抗震时程分析的输入地震波的确定方法及系统 |
CN110334482A (zh) * | 2019-05-25 | 2019-10-15 | 成都理工大学 | 基于物源活动强度的震后泥石流动态敏感性评价方法 |
CN110390149A (zh) * | 2019-07-10 | 2019-10-29 | 成都理工大学 | 一种基于物源聚集量的强震区泥石流活动性预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3828445B2 (ja) * | 2002-03-26 | 2006-10-04 | 富士通株式会社 | 災害発生予測方法及び災害発生予測装置 |
-
2020
- 2020-12-15 CN CN202011473700.4A patent/CN112613096B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006343578A (ja) * | 2005-06-09 | 2006-12-21 | Shimizu Corp | 地震被害予測システム |
JP2007051987A (ja) * | 2005-08-19 | 2007-03-01 | Univ Chuo | 斜面崩壊および構造物被害のエネルギーによる評価方法およびエネルギー測定装置 |
CN202373041U (zh) * | 2011-12-16 | 2012-08-08 | 四川久远新方向智能科技有限公司 | 适用于应急管理的综合应用系统 |
CN103116810A (zh) * | 2013-01-28 | 2013-05-22 | 北京师范大学 | 地震中人口损失评估方法 |
CN103399344A (zh) * | 2013-07-24 | 2013-11-20 | 北京师范大学 | 一种地震后发生崩滑灾害位置的预测方法 |
KR20160061445A (ko) * | 2014-11-17 | 2016-06-01 | 서울대학교산학협력단 | 기하학적 증폭계수를 고려한 지진시 산사태 재해도 도출방법 및 도출시스템 |
WO2017188858A1 (en) * | 2016-04-28 | 2017-11-02 | Schlumberger Canada Limited | Reservoir performance system |
CN106021875A (zh) * | 2016-05-11 | 2016-10-12 | 兰州大学 | 一种地震扰动区多尺度泥石流风险评估的方法 |
CN106251032A (zh) * | 2016-06-28 | 2016-12-21 | 中国人民解放军后勤工程学院 | 一种地震滑坡灾害灾情快速评估方法 |
JP2018100494A (ja) * | 2016-12-19 | 2018-06-28 | 株式会社益田建設 | 被震時損傷評価機能付き建築物 |
CN107957982A (zh) * | 2017-12-05 | 2018-04-24 | 中国科学院遥感与数字地球研究所 | 震后次生地质灾害易发性快速评估方法和系统 |
CN108984932A (zh) * | 2018-07-25 | 2018-12-11 | 中国地震局地球物理研究所 | 建筑结构特性快速提取方法及相应损失评估计算方法 |
CN109613611A (zh) * | 2019-01-24 | 2019-04-12 | 河北工业大学 | 用于结构抗震时程分析的输入地震波的确定方法及系统 |
CN110334482A (zh) * | 2019-05-25 | 2019-10-15 | 成都理工大学 | 基于物源活动强度的震后泥石流动态敏感性评价方法 |
CN110390149A (zh) * | 2019-07-10 | 2019-10-29 | 成都理工大学 | 一种基于物源聚集量的强震区泥石流活动性预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112613096A (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112613096B (zh) | 一种面向强震前后不同阶段的地质灾害评价方法 | |
Fan et al. | Earthquake‐induced chains of geologic hazards: Patterns, mechanisms, and impacts | |
Lee et al. | Statistical approach to earthquake-induced landslide susceptibility | |
Van Westen et al. | Prediction of the occurrence of slope instability phenomenal through GIS-based hazard zonation | |
CN111858803B (zh) | 一种滑坡地灾风险区划图生成方法 | |
Nath et al. | Earthquake scenario in West Bengal with emphasis on seismic hazard microzonation of the city of Kolkata, India | |
Malamud et al. | Landslide inventories and their statistical properties | |
Kolat et al. | Development of geotechnical microzonation model for Yenisehir (Bursa, Turkey) located at a seismically active region | |
Ma et al. | Spatial prediction strategy for landslides triggered by large earthquakes oriented to emergency response, mid-term resettlement and later reconstruction | |
Luzi et al. | A correlation between slope failures and accelerometric parameters: the 26 September 1997 earthquake (Umbria–Marche, Italy) | |
Lai et al. | Soil liquefaction during the 20 may 2012 M5. 9 Emilia earthquake, northern Italy: Field reconnaissance and post-event assessment | |
Sangra et al. | Geotechnical investigation on slopes failures along the Mughal Road from Bafliaz to Shopian, Jammu and Kashmir, India | |
Massey et al. | Rockfall activity rates before, during and after the 2010/2011 Canterbury earthquake sequence | |
Moustafa | Application of the analytic hierarchy process for evaluating geo-hazards in the Greater Cairo area, Egypt | |
Nath | Seismic microzonation framework—principles and applications | |
CN116699612A (zh) | 融合InSAR形变量与降雨量的滑坡危险性评价方法 | |
Anbazhagan | Method for seismic microzonation with geotechnical aspects | |
Rodríguez-Pérez et al. | Paleoseismological uncertainty estimation in the Acambay region, Central Mexico | |
Seddiki et al. | Using GIS Combined with AHP for Mapping landslide Susceptibility in Mila, in Algeria | |
Sulca-Huamán et al. | Evaluation of seismic risk of buildings through vulnerability functions in the city of Ayacucho–Peru | |
Chen et al. | Understanding rockfalls along the national road G318 in China: from source area identification to hazard probability simulation | |
Ilgac et al. | Updated SPT-based seismic soil liquefaction triggering global database | |
Saponaro | Cross-border risk assessment of earthquake-induced landslides in Central Asia | |
Shao et al. | Hazard assessment modeling and software development of earthquake-triggered landslides in the Sichuan-Yunnan area, China | |
Yıldızlı | Probabilistic assessment of the contribution of geotechnical factors on observed structural damage in Adapazarı and Düzce regions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |