CN116663881B - 基于地下水位的黄土地区城市地质灾害风险评价方法 - Google Patents
基于地下水位的黄土地区城市地质灾害风险评价方法 Download PDFInfo
- Publication number
- CN116663881B CN116663881B CN202310158226.3A CN202310158226A CN116663881B CN 116663881 B CN116663881 B CN 116663881B CN 202310158226 A CN202310158226 A CN 202310158226A CN 116663881 B CN116663881 B CN 116663881B
- Authority
- CN
- China
- Prior art keywords
- soil
- loess
- liquefaction
- water
- underground water
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 98
- 238000011156 evaluation Methods 0.000 title claims abstract description 22
- 239000002689 soil Substances 0.000 claims abstract description 102
- 239000004576 sand Substances 0.000 claims abstract description 59
- 239000003673 groundwater Substances 0.000 claims abstract description 50
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 238000009933 burial Methods 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 20
- 230000035945 sensitivity Effects 0.000 claims description 18
- 238000012937 correction Methods 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 12
- 239000011148 porous material Substances 0.000 claims description 12
- 238000011160 research Methods 0.000 claims description 7
- 230000001133 acceleration Effects 0.000 claims description 6
- 230000009189 diving Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 238000010998 test method Methods 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 2
- 239000011435 rock Substances 0.000 abstract description 5
- 239000002352 surface water Substances 0.000 abstract description 3
- 239000002245 particle Substances 0.000 description 5
- 239000004927 clay Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012954 risk control Methods 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 239000011800 void material Substances 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 239000005442 atmospheric precipitation Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- -1 loess Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Investigation Of Foundation Soil And Reinforcement Of Foundation Soil By Compacting Or Drainage (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
基于地下水位的黄土地区城市地质灾害风险评价方法,包括以下步骤:第一步,数据获取与整理分析:从已有的资料、文献中获取所需的数据和资料,并进行趋势检测分析;第二步,建立工作区地下水三维模型:根据第一步中获取的相关数据,建立工作区的地下水三维模型;第三步,计算黄土湿陷;第四步,计算砂土液化;第五步,地质灾害评价:根据第三、四步的计算结果进行地质灾害评价;通过系统收集和分析城市地表水、地下水、植被、土地利用、岩土分布等生态要素的基础上,建立地下水三维模型并计算黄土湿陷、砂土液化等地质灾害,确定地下水与黄土湿陷、砂土液化等地质问题的相关性,对地质灾害风险进行评价。
Description
技术领域
本发明属于城市地质灾害风险评价技术领域,特别涉及基于地下水位的黄土地区城市地质灾害风险评价方法。
背景技术
自20世纪80年代以来,在城市规模迅速扩大和人口急剧扩张的背景下,多个北方城市出现水资源供给不足和地下水过度开采等问题,引发地面沉降、地裂缝等城市地质环境灾害频频发生,成为限制城市健康发展的重要原因。因此,在深入认识与地下水相关的城市地质问题及其控制因素的基础上,不断加强城市生态环境调查评价与优化是促进城市健康建设与发展,提升人民群众获得感的重要基础保障。
我国北方城市人类活动剧烈,文化积淀深厚但生态环境脆弱。频发的环境地质问题容易诱发一系列生态环境和社会经济问题,是国家和社会关注的热点。在政府和社会各界的不断推动和努力下,我国在城市地质问题方面出台了一系列政策文件并已开展大量的治理措施,然而,现阶段仍存在理论与实践脱节、生态优化的定义不明确、评价与实际管理衔接不畅等问题。
目前在城市地质灾害风险评价中尚缺乏针对黄土湿陷、砂土液化等问题的评价方法,尤其是在地下水位与这些环境地质问题的关系表达方面尚不明确,从而限制了城市生态环境预警监测系统完善和城市环境承载力风险控制能力的提升。
发明内容
为了克服上述现有技术的缺陷,本发明的目的在于提供一种基于地下水位的黄土地区城市地质灾害风险评价方法,通过系统收集和分析城市地表水、地下水、植被、土地利用、岩土分布等生态要素的基础上,建立地下水三维模型并计算黄土湿陷、砂土液化等地质灾害,确定地下水与黄土湿陷、砂土液化等地质问题的相关性,对地质灾害风险进行评价。
为了达到上述目的,本发明的技术方案为:
基于地下水位的黄土地区城市地质灾害风险评价方法,包括以下步骤:
第一步,数据获取与整理分析:从已有的资料、文献中获取所需的数据和资料,并进行趋势检测分析;
第二步,建立工作区地下水三维模型:根据第一步中获取的相关数据,建立工作区的地下水三维模型;
第三步,计算黄土湿陷;
第四步,计算砂土液化;
第五步,地质灾害评价:根据第三、第四步的计算结果进行地质灾害评价。
第一步中所述的数据包括城市控制性气象站、水文站和雨量站在研究时间内的逐日观测资料,水文地质图,研究时间内的逐日/月地下水位动态,反映地表覆盖状态的城市土地利用图,城市调查勘测的相关地质问题数据,并采用曼-肯德尔趋势检验方法对时间动态数据进行趋势检测分析。
第二步中所述的建立工作区地下水三维模型,具体方法为,通过对第一步中获取的水文地质图和剖面分析,根据埋藏条件及水力学状态,将工作区内300m以内的含水层概化分类;基于工作区水文地质特征,基于有限差分数值模型MODFLOW-2005建立城市地下水三维地质模型和水流模型,确定零流量边界、定水头边界,使用网格对工作区进行剖分,垂向剖分含水层为潜水含水层、隔水层、浅层承压水层、隔水层、深层承压水层,并设置补给条件与水源地排泄条件。
第三步中所述的黄土湿陷,选取下列几个参数进行评价计算:
(1)地下水位埋深x:采用地下水位埋深变化反映历年地下水位变化情况,用以下公式计算:
x=H-h
其中,x为地下水位埋深,H为地面高程,h为地下水位;
(2)土壤含水量y:指土壤绝对含水量,即100g烘干土中含有若干克水分,也称土壤含水率;
(3)土壤饱和度S:土的饱和度是指土体孔隙中水占的体积与土体孔隙体积的比值;
(4)土壤容重γ和孔隙比e,土壤容重是指单位容积原状土壤干土的质量,以g/cm3表示;孔隙度是指单位容积土壤中孔隙所占的百分率,即土壤固体颗粒间孔隙的百分率;
平均土壤含水量y与地下水埋深呈指数下降关系得出相关方程:
y=ae-bx
其中,y为土壤含水率,x为地下水埋深,a和b为拟合参数,根据工作区土壤性质确定;根据此相关方程,计算出不同地下水埋深(0.5-30.0m)的平均土壤含水量;土壤含水量和饱和度的关系如下式所示:
其中,S为饱和度,y为含水量,γ为土壤容重,e为孔隙比;因此,根据上式计算出土壤饱和度S,将工作区内饱和度在35~67%范围内的黄土定义为湿陷风险区。
第四步所述的砂土液化的特征和产生方式,采用HAZUS模型进行城市砂土液化风险区的评价,首先通过以下关系式确定给定敏感性类别的液化概率:
其中,
P[LiquefactionSC|PGA=a]=给定敏感性类别在指定峰值地面加速度水平下的条件液化概率;
KM=震级(M)校正因子;
KW=地下水位埋深校正因子;
Pml=地图单元易液化的比例。
震级和地下水位的校正因子使用以下关系式计算:
KM=0.0027M3-0.0267M2-0.2055M+2.9188
KW=0.022dw+0.93
其中,KM=震级(M)校正因子,KW=地下水位埋深校正因子,M=地震震级,dw=地下水位埋深(以英尺为单位)。
第五步所述的地质灾害评价方法,将第三步中计算出的参数及属性导入到Arcgis软件中,对饱和度在35-67%范围内的黄土区进行识别、筛选及统计,进而得到各年份黄土湿陷风险区的范围及面积分布图;
将第四步中计算出的参数及属性导入到Arcgis软件中,将砂土液化发生概率>70%范围内的地区定义为砂土液化风险区,并进行识别、筛选及统计,进而得到各年份砂土液化风险区的范围及面积分布图。
本发明的优点:
1、在系统收集和分析城市地表水、地下水、植被、土地利用、岩土分布等生态要素的基础上,基于有限差分数值模型MODFLOW-2005建立城市地下水三维地质模型和水流模型,通过建立的三维地质模型和水流模型,对地下水水位的空间分布进行了趋势分析,确定了地下水水位。
2、首次考虑了黄土湿陷、砂土液化问题来评价地质灾害风险,通过计算土壤饱和度,得出了黄土湿陷的概率;通过计算不同敏感性类别岩土的液化概率,得出砂土液化的风险;根据计算得出的黄土湿陷和砂土液化的概率,做出风险评价,分析了地质灾害风险区的变化情况。
附图说明
图1是本发明的方法路线图。
图2是液化敏感性类别的条件液化概率关系。
具体实施方式
下面结合附图对本发明实施例进行详细描述。应当明确,所描述的实施例仅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它实施例,都属于本发明保护的范围。
实施例的工作区位于陕西关中平原东部,围绕大西安区,南起秦岭山脉,北至渭河流域,西邻沣河流域,东接浐河流域。
第一步,数据获取与整理分析:从已有的资料、文献中获取所需的数据和资料,并进行趋势检测分析;
数据包括西安市控制性气象站、水文站和雨量站在研究时间内的逐日观测资料,水文地质图,研究时间内的逐日/月地下水位动态,反映地表覆盖状态的城市土地利用图,城市调查勘测的相关地质问题数据等,并采用曼-肯德尔趋势检验方法对时间动态数据进行趋势检测分析。
第二步,建立工作区地下水三维模型:根据第一步中获取的相关数据,建立工作区的地下水三维模型;
通过水文地质图和剖面分析,将工作区内300m以内的含水层概化为四类含水层,从上至下依次为:潜水含水层、浅层承压含水层、深层承压含水层以及位于秦岭山前的基岩裂隙;基于工作区水文地质特征,基于有限差分数值模型MODFLOW-2005建立西安市地下水三维地质模型和水流模型。以南部秦岭山脉为零流量边界,北部、西部、东部的河流流域为定水头边界,使用分辨率为200m的网格对工作区进行剖分,工作区剖分为260行,222列5层,垂向剖分含水层为潜水含水层、隔水层、浅层承压水层、隔水层、深层承压水层,并设置补给条件与水源地排泄条件。主要补给来源为大气降水的垂直入渗和农业灌溉,排泄方式主要以地下水开采、地下水蒸发、地下水向河流和地表的排泄。
第三步,计算黄土湿陷;
黄土的湿陷性受多种因素的共同影响,为了定量研究西安市地下水位变化诱发的黄土湿陷风险区的大小和变化情况,在本次计算方法中选取下列几个参数进行评价计算:
(1)地下水位埋深x。采用地下水位埋深变化反映历年地下水位变化情况,可用以下公式计算:
x=H-h
其中,x为地下水位埋深,H为地面高程,h为地下水位。
(2)土壤含水量y。土壤含水量是土壤中所含水分的数量。一般是指土壤绝对含水量,即100g烘干土中含有若干克水分,也称土壤含水率。研究表明,地下水位的变化与土壤含水量具有明显的相关关系,地下水位下降会导致土壤含水率减小,地下水位上升会导致土壤含水率增加。
(3)土壤饱和度S。土的饱和度是指土体孔隙中水占的体积与土体孔隙体积的比值。根据土力学理论知识,土壤含水率与土壤饱和度两者之间存在一定的定量函数关系,由含水率的分布特征可以得到饱和度分布情况;同时,具有湿陷风险特点的黄土具有特定的饱和度特征,从而识别工作区内湿陷性黄土的分布情况。
(4)土壤容重γ和孔隙比e。土壤容重是指单位容积原状土壤干土的质量,通常以g/cm3为单位;孔隙度是指单位容积土壤中孔隙所占的百分率,即土壤固体颗粒间孔隙的百分率。为了将土壤饱和度与土壤含水率定量联系起来,需要进一步引入土壤容重和孔隙比作为参数。
土的湿陷性与其饱和度相关,非饱和结构的土体才具有湿陷性,土壤饱和度越高,相应的湿陷性越弱。同时,对于同种土体而言,在孔隙度及其他条件一定的情况下,土体含水量越高,饱和度越高。根据文献调研,当土壤饱和度大于0.35时,就有可能发生湿陷体积变形,而当土壤饱和度大于0.67时,湿陷变形终止。通过查阅相关文献资料,实测西北地区地下水埋深和平均土壤含水量进行相关分析,发现平均土壤含水量与地下水埋深呈指数下降关系,根据实测数据得出相关方程:
y=ae-bx
其中,y为土壤含水率,x为地下水埋深,a和b为拟合参数,根据工作区土壤性质确定。根据实测数据,a=35.726,b=0.185。根据此相关方程,我们很容易计算出不同地下水埋深(0.5-30.0m)的平均土壤含水量。
由文献及土力学理论可知,土壤含水量和饱和度的关系如下式所示:
其中,S为饱和度,y为含水量,γ为土壤容重,e为孔隙比。根据文献得知工作区的γ和e分别为1.315~1.840g/cm3和0.741~1.362。
根据上式我们可以计算出土壤饱和度S。在计算中,我们将工作区内饱和度在35~67%范围内的黄土定义为湿陷风险区;同时,需要说明的是,我们认为,当地下水位埋深>30m时,地下水对黄土湿陷性的影响甚微,因此在本方法中不考虑地下水位埋深>30m的区域。
第四步,计算砂土液化;
由砂土液化的特征和产生方式可知,影响砂土液化势的因素通常可以分为两大类主要因素和次要因素。主要因素包括地震动的参数、场地砂土的环境条件以及砂土的物理力学性质等。次要因素亦不少,如地震振动的频率、砂土中的水温等,可见影响砂土液化的因素有很多,再加上地质条件的复杂性,因此可知关于砂土液化的评价问题十分复杂。在本方法中,我们侧重于考虑影响砂土液化的主要因素。本方法采用HAZUS模型进行城市砂土液化风险区的评价,主要确定了以下几个参数:
(1)地图单元易液化比例Pml。在对工作区内地层岩性进行砂土液化敏感性分类的基础上,地质图单元的部分可能不容易液化,并且在评估单元内任何给定位置处的液化概率时应考虑这一点。该概率因子量化了每种敏感性分类的易液化地质图单元比例(即单元内任何给定位置存在易液化条件的可能性)。
(2)峰值水平加速度PGA。砂土液化是在强烈的地震条件下发生的,因此,其振动幅度对砂土液化概率起到了至关重要的作用,通过峰值水平加速度这一参数来反映工作区砂土的振动幅度。
(3)地震震级M。这一参数和地下水位埋深共同反映了在强震作用下,震动发生的持续时间。
砂土液化是指饱水的疏松粉、细砂土在振动作用下突然破坏而呈现液态的现象,由于孔隙水压力上升,有效应力减小所导致的砂土从固态到液态的变化现象。对于砂土层来说,一般认为砂土特性和饱水砂层的埋藏条件需具备一定特征才易于液化。其中,饱水砂层埋藏条件包括地下水埋深和砂层上的非液化黏性土层厚度这两类条件。地下水位愈高,非液化盖层愈薄,则愈易液化。因此,地下水位的变化对砂土液化的影响起到决定性作用。在本次项目中,应用HAZUS模型对工作区砂土液化危险性进行评价,其计算步骤如下:
首先,液化危险性评价的第一步是确定一个区域或子区域的土壤/地质条件的相对液化敏感性,利用地质资料和Youd和Perkins(1978)提出的分类系统表征敏感性,如表1所示。
同时,在实际中,由于土壤类型(即粒度分布),相对密度等的变化,自然地质沉积物以及人工填土包括一系列液化敏感性,因此,地质图单元的部分可能不容易液化,并且在评估单元内任何给定位置处的液化概率时应考虑这一点。这一“实际”包含在一个概率因子中,该概率因子量化了易液化地质图单元的比例(即单元内任何给定位置存在易液化条件的可能性)。对于各种敏感性类别,表2提供了默认值。
由西安市岩土体工程地质类型图可知,本次工作区内的岩土类型主要有五类,它们分别是:砂土、黄土、粘性土、人工填土、卵砾石。其中,砂土主要分布在工作区北端渭河河漫滩附近;黄土在工作区周围的河漫滩以及工作区中部均有分布;粘土主要分布在北部、西部和南部一些地区;人工填土主要分布在城区;而卵砾石的分布较少,主要仅在工作区东部的浐河河漫滩附近呈条带状分布。根据以上步骤和结论,应用于本次工作区中,结合地质类型资料和表2所示分类标准,将砂土的液化相对敏感性定义为“非常高”;黄土的液化相对敏感性为“高”;由于粘性土的粒径较砂土小,相对不易液化,将其定义为“中等”;由于人工填土分布于城区,根据谷歌地图影像,其上多见建筑物,已经经过压实处理,故将其相对液化敏感性概化为“低”,根据水文地质资料可知,河漫滩附近的卵砾石为更新世地层,且多为冲洪积物,粒径大,不易液化,因此将其相对液化敏感性定义为“低”。
如前所述,液化的可能性显著地受到地面振动幅度(即,峰值水平加速度,PGA),以及由地震震级M和地下水深度反映的地面振动持续时间的影响。因此,可通过以下关系式确定给定敏感性类别的液化概率:
其中,
P[LiquefactionSC|PGA=a]=给定敏感性类别在指定峰值地面加速度水平下的条件液化概率(见表3和图2);
KM=震级(M)校正因子;
KW=地下水位埋深校正因子;
Pml=地图单元易液化的比例。
在该方法中,震级和地下水位的校正因子可以使用以下关系式计算:
KM=0.0027M3-0.0267M2-0.2055M+2.9188
KW=0.022dw+0.93
其中,KM=震级(M)校正因子,KW=地下水位埋深校正因子,M=地震震级,dw=地下水位埋深(以英尺为单位)。
工作区的PGA范围在0.14g-0.246g之间,在该计算中取PGA=0.246,地震事件的最大震级为8,因此取M=8。
由此可以算出不同敏感性类别岩土的液化概率P[LiquefactionSC]。
第四步,计算砂土液化;
根据步骤三、四的计算结果,获取黄土湿陷以及砂土液化的分布及面积。
将计算出的参数及属性导入到Arcgis软件中,对饱和度在35-67%范围内的黄土区进行识别、筛选及统计,进而得到各年份黄土湿陷风险区的范围及面积分布图。
根据历年黄土湿陷风险区结果图可知,饱和度为35~67%的黄土湿陷风险区的分布范围比较广泛,在工作区河漫滩黄土区和东南黄土塬区均有分布。但黄土湿陷的分布面积变化幅度与砂土液化相比起来不是很大,在26.44-36.8km2之间。总体来看,工作区属于黄土湿陷易发地区,在河漫滩附近的黄土区,地下水位埋深高,具有较高的黄土湿陷风险,且风险点分布密集。同时,中部和南部零星分布的风险地区也不容忽略。在进行工程施工前期准备中,需要注意避开风险高发区或采取相应的处理措施。
将计算出的参数及属性导入到Arcgis软件中,将砂土液化发生概率>70%范围内的地区定义为砂土液化风险区,并进行识别、筛选及统计,进而得到各年份砂土液化风险区的范围及面积分布图。
砂土液化风险概率大于等于70%的地区主要分布于北部渭河河漫滩的砂土区,以及南部的黄土区和粘性土等地下水位比较高的地区。并且通过计算结果可以看出,由于砂土多分布于地下水埋深较浅的区域,因此地下水升高导致的砂土67液化区域大于对黄土湿陷的影响,砂土液化对地下水变化的敏感性也更高。与风险区的地下水位埋深变化对比,可以发现砂土液化风险区面积变化情况与地下水位埋深变化基本一致。同时,液化风险面积对地下水位埋深的敏感性较强,当该区域的地下水位发生变化时,砂土液化风险区会发生显著改变。由历年液化风险区面积变化情况可知液化面积变化范围较大,在9.36-51.68km2之间,且不同年份之间液化风险面积变化差异较大,从而进一步表明地下水对砂土液化的影响较大。同时,值得注意的问题是,黄土在对本次工作区进行灾害评价的过程中的敏感性较强。对于黄土湿陷风险区而言,因为湿陷性是黄土所特有的性质,所以研究主要针对的对象是黄土区,通过上述研究成果,在工作区内湿陷风险的面积分布主要在河漫滩黄土区以及黄土塬部分地区,且随地下水位变化风险点个数和密度也随之变化,在一定范围内,地下水位升高会导致湿陷风险面积增加,地下水位降低会导致湿陷风险面积减少。对于砂土液化风险区而言,可以发生液化的岩石类型不止砂土,还有黄土、粘性土、卵砾石等,只是不同类型的液化敏感性有所差异。因此,黄土在该工作区内不仅有较高的湿陷风险,而且部分黄土区具有高风险液化性质。这些成果对进一步预测未来城市地质问题的潜在分布,指导管理部门应对城市环境问题的防控措施,提高城市环境承载力风险控制具有重要意义。
Claims (4)
1.基于地下水位的黄土地区城市地质灾害风险评价方法,其特征在于,包括以下步骤:
第一步,数据获取与整理分析:从已有的资料、文献中获取所需的数据和资料,并进行趋势检测分析;
第二步,建立工作区地下水三维模型:根据第一步中获取的相关数据,建立工作区的地下水三维模型;
第三步,计算黄土湿陷;
第四步,计算砂土液化;
第五步,地质灾害评价:根据第三、第四步的计算结果进行地质灾害评价;
第三步中所述的黄土湿陷,选取下列几个参数进行评价计算:
(1)地下水位埋深x:采用地下水位埋深变化反映历年地下水位变化情况,用以下公式计算:
x=H-h
其中,x为地下水位埋深,H为地面高程,h为地下水位;
(2)土壤含水量y:指土壤绝对含水量,即100g烘干土中含有若干克水分,也称土壤含水率;
(3)土壤饱和度S:土的饱和度是指土体孔隙中水占的体积与土体孔隙体积的比值;
(4)土壤容重γ和孔隙比e,土壤容重是指单位容积原状土壤干土的质量,以g/cm3表示;
平均土壤含水量y与地下水埋深呈指数下降关系得出相关方程:
y=ae-bx
其中,y为土壤含水率,x为地下水埋深,a和b为拟合参数,根据工作区土壤性质确定;根据此相关方程,计算出不同地下水埋深,0.5-30.0m的平均土壤含水量;土壤含水量和饱和度的关系如下式所示:
其中,S为饱和度,y为含水量,γ为土壤容重,e为孔隙比;因此,根据上式计算出土壤饱和度S,将工作区内饱和度在35~67%范围内的黄土定义为湿陷风险区;
第四步所述的砂土液化的特征和产生方式,采用HAZUS模型进行城市砂土液化风险区的评价,首先通过以下关系式确定给定敏感性类别的液化概率:
其中,
P[LiquefactionSC|PGA=a]=给定敏感性类别在指定峰值地面加速度水平下的条件液化概率;
KM=震级M校正因子;
KW=地下水位埋深校正因子;
Pml=地图单元易液化的比例;
震级和地下水位的校正因子使用以下关系式计算:
KM=0.0027M3-0.0267M2-0.2055M+2.9188
KW=0.022dw+0.93
其中,KM=震级M校正因子,KW=地下水位埋深校正因子,M=地震震级,dw=地下水位埋深,以英尺为单位。
2.根据权利要求1所述的基于地下水位的黄土地区城市地质灾害风险评价方法,其特征在于,第一步中所述的数据包括城市控制性气象站、水文站和雨量站在研究时间内的逐日观测资料,水文地质图,研究时间内的逐日/月地下水位动态,反映地表覆盖状态的城市土地利用图,城市调查勘测的相关地质问题数据,并采用曼-肯德尔趋势检验方法对时间动态数据进行趋势检测分析。
3.根据权利要求1所述的基于地下水位的黄土地区城市地质灾害风险评价方法,其特征在于,第二步中所述的建立工作区地下水三维模型,具体方法为,通过对第一步中获取的水文地质图和剖面分析,根据埋藏条件及水力学状态,将工作区内300m以内的含水层概化分类;基于工作区水文地质特征,基于有限差分数值模型MODFLOW-2005建立城市地下水三维地质模型和水流模型,确定零流量边界、定水头边界,使用网格对工作区进行剖分,垂向剖分含水层为潜水含水层、隔水层、浅层承压水层、隔水层、深层承压水层,并设置补给条件与水源地排泄条件。
4.根据权利要求1所述的基于地下水位的黄土地区城市地质灾害风险评价方法,其特征在于,第五步所述的地质灾害评价方法,将第三步中计算出的参数及属性导入到Arcgis软件中,对饱和度在35-67%范围内的黄土区进行识别、筛选及统计,进而得到各年份黄土湿陷风险区的范围及面积分布图;
将第四步中计算出的参数及属性导入到Arcgis软件中,将砂土液化发生概率>70%范围内的地区定义为砂土液化风险区,并进行识别、筛选及统计,进而得到各年份砂土液化风险区的范围及面积分布图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310158226.3A CN116663881B (zh) | 2023-02-23 | 2023-02-23 | 基于地下水位的黄土地区城市地质灾害风险评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310158226.3A CN116663881B (zh) | 2023-02-23 | 2023-02-23 | 基于地下水位的黄土地区城市地质灾害风险评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116663881A CN116663881A (zh) | 2023-08-29 |
CN116663881B true CN116663881B (zh) | 2024-05-31 |
Family
ID=87721291
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310158226.3A Active CN116663881B (zh) | 2023-02-23 | 2023-02-23 | 基于地下水位的黄土地区城市地质灾害风险评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116663881B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117351659B (zh) * | 2023-12-01 | 2024-02-20 | 四川省华地建设工程有限责任公司 | 一种水文地质灾害监测装置及监测方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485057A (zh) * | 2016-09-23 | 2017-03-08 | 西北大学 | 一种黄土湿陷系数计算方法 |
CN113128811A (zh) * | 2019-12-31 | 2021-07-16 | 贵州电网有限责任公司 | 一种基于强降水的电网系统地质灾害风险评估方法及系统 |
JP2022047348A (ja) * | 2020-09-11 | 2022-03-24 | 日本信号株式会社 | 特定地点における土砂災害の発生可能性を推定するためのシステム |
-
2023
- 2023-02-23 CN CN202310158226.3A patent/CN116663881B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485057A (zh) * | 2016-09-23 | 2017-03-08 | 西北大学 | 一种黄土湿陷系数计算方法 |
CN113128811A (zh) * | 2019-12-31 | 2021-07-16 | 贵州电网有限责任公司 | 一种基于强降水的电网系统地质灾害风险评估方法及系统 |
JP2022047348A (ja) * | 2020-09-11 | 2022-03-24 | 日本信号株式会社 | 特定地点における土砂災害の発生可能性を推定するためのシステム |
Non-Patent Citations (3)
Title |
---|
城市三维地质建模在砂土液化分析中的应用:以通州为例;李静;赵帅;;中国矿业;20160515(05);164-174 * |
蒲晓 等编.水环境模型与应用.黄河水利出版社,2021,256. * |
铁道部铁道研究所编.土工试验.人民铁道出版社,1955,130-132. * |
Also Published As
Publication number | Publication date |
---|---|
CN116663881A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Pande et al. | Assessment of groundwater potential zonation of Mahesh River basin Akola and Buldhana districts, Maharashtra, India using remote sensing and GIS techniques | |
Lakshmi et al. | Identification of groundwater potential zones using GIS and remote sensing | |
Selvam et al. | Deciphering of groundwater potential zones in Tuticorin, Tamil Nadu, using remote sensing and GIS techniques | |
Prasad et al. | Site suitability analysis of water harvesting structures using remote sensing and GIS–A case study of Pisangan watershed, Ajmer District, Rajasthan | |
Karimi et al. | Modeling groundwater level fluctuations in Tehran aquifer: Results from a 3D unconfined aquifer model | |
Bhuiyan et al. | Modelling of ground water recharge-potential in the hard-rock Aravalli terrain, India: a GIS approach | |
CN116663881B (zh) | 基于地下水位的黄土地区城市地质灾害风险评价方法 | |
Kirubakaran et al. | MODFLOW based groundwater budgeting using GIS: a case study from Tirunelveli Taluk, Tirunelveli District, Tamil Nadu, India | |
Ceccatelli et al. | Numerical modelling of land subsidence related to groundwater withdrawal in the Firenze-Prato-Pistoia basin (central Italy) | |
Souei et al. | Using statistical models and GIS to delimit the groundwater recharge potential areas and to estimate the infiltration rate: A case study of Nadhour-Sisseb-El Alem Basin, Tunisia | |
El-Hadidy et al. | Expected Spatio-temporal variation of groundwater deficit by integrating groundwater modeling, remote sensing, and GIS techniques | |
Abishek et al. | Assessment of groundwater potential zones for urban development site suitability analysis in Srivaikundam region, Thoothukudi district, South India | |
Suryanarayana et al. | Groundwater-level assessment and prediction using realistic pumping and recharge rates for semi-arid coastal regions: a case study of Visakhapatnam city, India. | |
Charan et al. | An integrated geohydrology and geomorphology based subsurface solid modelling for site suitability of artificial groundwater recharge: Bhalki micro-watershed, Karnataka | |
Mahajan et al. | Evaluation of physical and morphometric parameters for water resource management in Gad Watershed, Western Ghats, India: an integrated geoinformatics approach | |
Khadri et al. | Detailed morphometric analysis of Man River basin in Akola and Buldhana districts of Maharashtra, India using Cartosat-1 (DEM) data and GIS techniques | |
Mookiah et al. | Assessment of groundwater mass balance and zone budget in the semi-arid region: A case study of Palar sub-basin, Tamil Nadu, India | |
Gururani et al. | Assessment of groundwater prospects zones using RS, GIS, and MIF methods | |
Roy et al. | Investigation for potential groundwater recharge area over the Kunur river basin, Eastern India: an integrated approach with geosciences | |
Dwivedi et al. | Groundwater potential zone delineation in hard rock terrain for sustainable groundwater development and management in South Madhya Pradesh, India | |
Chepchumba | Exploration of Groundwater Potential Using Gis and Remote Sensing in Embu County, Kenya | |
Pholgerddee | Integration Geo-informatics Technology Application and Geostatistical Analysis for Groundwater Potential Zones Assessment: A Case Study of Chon Buri Province, Thailand | |
Lu et al. | Effects of various land utilization types on groundwater at different temporal scales: a case study of Huocheng plain, Xinjiang, China | |
Asante et al. | Delineation of groundwater potential zones using cokriging and weighted overlay techniques in the Assin Municipalities of Ghana | |
Rahman et al. | Modeling of groundwater resources of Dhaka city |
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 |