大渡河流域活动性滑坡空间分布特征与成因机制

巨淑君 ,  巨能攀 ,  解明礼 ,  蒋明成 ,  冯长云 ,  何宇峰 ,  何基伟

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (13) :5385-5397

PDF (52502KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (13) :5385-5397 DOI: 10.12404/j.issn.1671-1815.2504821
天文学、地球科学

大渡河流域活动性滑坡空间分布特征与成因机制

作者信息 +

Spatial Distribution Characteristics and Formation Mechanisms of Active Landslides in Dadu River Basin

Author information +
文章历史 +

摘要

大渡河流域地质环境复杂,滑坡灾害受地形陡峭、地层松散、构造活跃与极端降雨多因素耦合控制,呈现显著区域分异特征。基于SBAS-InSAR技术与多源数据融合分析,揭示流域内2 377处滑坡中66.18%为小型滑坡,集中分布于汉源、丹巴等陡坡区域。成功识别17处活动性滑坡,依据变形机制划分为四类:蓄水加剧型堆积体滑坡、蓄水诱发型堆积体滑坡、蓄水诱发型顺层岩质滑坡、蓄水诱发型倾倒变形滑坡。典型案例研究表明,库水位骤升通过坡脚侵蚀-渗流场改变-岩体软化三重效应诱发滑坡复活,时序形变揭示水位波动与降雨的协同致灾机制。建议通过动态监测体系构建、水位调度优化及工程生态协同治理防控风险,研究成果为库区滑坡风险管理提供理论支撑。

Abstract

The Dadu River Basin features a complex geological environment where landslide hazards are jointly controlled by multiple factors, including steep terrain, loose strata, active tectonics, and extreme rainfall, exhibiting significant regional differentiation. Based on SBAS-InSAR technology and multi-source data fusion analysis, it was found that 66.18% of the 2 377 identified landslides are small-scale, predominantly distributed in steep-slope areas such as Hanyuan and Danba. Seventeen active landslides were successfully identified and categorized into four types according to their deformation mechanisms: reservoir-aggravated accumulation landslides, reservoir-induced accumulation landslides, reservoir-induced bedding rock landslides, and reservoir-induced toppling deformation landslides. Case studies indicate that a rapid rise in reservoir water level can reactivate landslides through a triple mechanism of toe erosion, seepage field alteration, and rock mass softening. Time-series deformation analysis reveals a synergistic disaster-inducing mechanism between water-level fluctuations and rainfall. It is recommended to mitigate risks through the establishment of a dynamic monitoring system, optimization of reservoir water-level regulation, and implementation of integrated engineering-ecological control measures. The results provide theoretical support for landslide risk management in reservoir areas.

Graphical abstract

关键词

大渡河流域 / 活动性滑坡 / 空间分布特征 / 成因机制 / InSAR技术 / 水库蓄水

Key words

Dadu River Basin / active landslides / spatial distribution characteristics / formation mechanisms / InSAR technology / reservoir impoundment

引用本文

引用格式 ▾
巨淑君, 巨能攀, 解明礼, 蒋明成, 冯长云, 何宇峰, 何基伟. 大渡河流域活动性滑坡空间分布特征与成因机制[J]. 科学技术与工程, 2026, 26(13): 5385-5397 DOI:10.12404/j.issn.1671-1815.2504821
JU Shu-jun, JU Neng-pan, XIE Ming-li, JIANG Ming-cheng, FENG Chang-yun, HE Yu-feng, HE Ji-wei. Spatial Distribution Characteristics and Formation Mechanisms of Active Landslides in Dadu River Basin[J]. Science Technology and Engineering, 2026, 26(13): 5385-5397 DOI:10.12404/j.issn.1671-1815.2504821

登录浏览全文

4963

注册一个新账户 忘记密码

大渡河流域地处川西高原向四川盆地过渡地带,位于鲜水河断裂、龙门山断裂及大凉山断裂的交汇区域,是中国西南地区构造活动最为强烈的区域之一。长期以来,复杂的地质构造背景、新构造运动的持续影响,加之广泛分布的松散堆积体,为该区域滑坡灾害的频发与集中分布提供了有利条件[1-2]。此外,区域地形高低悬殊,山高谷深,在极端降雨事件频发和密集水电工程建设背景下,滑坡灾害呈现高密度、多类型、易复发的演化特征,严重威胁着当地居民生命财产安全和库区重大工程的稳定运行[3-4]。
水库运行与滑坡灾害之间的关系,历来是地质环境影响研究中的关键议题。水岩相互作用可导致岩体结构劣化、抗剪强度降低,从而大幅度提升滑坡复活概率[1,5]。水位周期性变动所引发的渗流重分布、坡脚冲刷、孔压扰动等效应,已被多项实证与模拟研究证实为诱发滑坡活动的重要触发机制[6-7]。在三峡库区等典型流域,堆积体滑坡、顺层岩质滑坡及倾倒型滑坡的典型演化路径已被系统归纳,为其他流域提供了理论基础[8-10]。然而,对于如大渡河流域这类中高山峡谷型水库区域,其滑坡活动机制尚缺乏系统性的认知与归纳。此外,滑坡对库水位变化的响应常表现出明显的滞后性与非线性特征,这一复杂过程亟须结合现场监测、岩土力学分析与水文动力学模型等多手段加以深入解析[11-12]。
在滑坡识别与成因机制研究方面,国内外学者在大规模滑坡遥感监测、形变识别方面取得了长足进展[12-13]。随着SBAS-InSAR等技术的广泛应用,滑坡识别精度与形变分析能力大幅提升,部分研究已尝试将形变信息与地质、水文、地形等因子融合,分析滑坡空间分布及其成因机制[14-16]。尽管如此,当前多数研究仍集中在滑坡识别与初步分类上,较少关注不同滑坡类型对库水位响应机制的差异性,缺乏典型复活过程的定量解构与验证[17-19]。针对上述问题,现通过集成多源滑坡数据,结合时序InSAR技术与地质环境要素解析,旨在揭示大渡河流域活动性滑坡空间分布规律及成因机制,阐明水库蓄水对滑坡复活的驱动作用,为地质灾害早期预警与工程防控提供理论依据。

1 大渡河流域滑坡发育特征

大渡河流域地处川西高原与四川盆地的过渡地带和三大断裂带的交汇部分,地质构造复杂、河流切割强烈,第四系物质分布广泛,小流域性气候、极端天气多发。为西南地区地质环境条件最复杂和恶劣的地区之一,地质灾害频发。充分收集了大渡河流域各个部门滑坡隐患数据,截至2022年12月,大渡河流域内发育滑坡2 377处,自然资源系统在册1 687处,销号点450 处;交通部门126处,水利部门87处,旅游景区27处。按滑坡规模统计,其中小型1 573处,占总灾害数的66.18%;中型692处,占总灾害数的29.11%;大型105处,占总灾害数的4.42%;巨型7处,占灾害总数的0.29%。按行政区划统计,汉源县滑坡最多,414处,占总数17.42%,各规模等级滑坡均有分布,小型276处,中型124处,大型14处;其次是丹巴县(共404处,占总数17%,其中小型278处,中型113处,大型11处,巨型2处)、小金县(共322处,占总数13.55%,其中小型158处,中型140处,大型23处,巨型1处)、泸定县(共230处,占总数9.68%,其中小型123处,中型92处,大型14处,巨型1处)均在200处以上,其他各县均在200处以下(图1)。

大渡河流域地质环境具有4个复杂因素:地形地貌复杂因素、地层岩性复杂、地质构造复杂与气象水情复杂。在复杂地质条件作用下,水库蓄水后诱发了一系列滑坡地质灾害。

(1)地形地貌:区内主要为深切高山峡谷地貌,滑坡形成主要位于河流两侧岸坡,高陡斜坡为滑坡形成提供了有利地形和势能条件。

(2)地层岩性:大渡河上游主要发育堆积体滑坡;中游的滑坡最为发育,滑坡岩性为昔格达地层、三叠系的炭质页岩夹板岩以及全风化花岗岩区;下游滑坡主要发育红层砂泥岩中。

(3)地质构造:大渡河构造复杂、新构造运动与地震活跃,岩体节理发育、结构松散,在外部扰动作用下极易形成滑坡。历史上强震诱发了大量亿方级滑坡,大型、特大型古老滑坡堆积体成群发育,主要集中于泸定、丹巴区域。

(4)河流侵蚀:大渡河自第四纪以来,在中更新世经历了由宽谷向峡谷的河道转型,整体呈现自北向南的迁移趋势。河流强烈的侧向侵蚀与垂向下切作用持续改造岸坡及河床结构,为崩塌、滑坡等地质灾害提供了发育条件。当叠加暴雨、地震等外动力因素触发时,极易引发大型滑坡灾害。

(5)极端降雨:大渡河流域水情气象分布不均匀、变幅大,小流域气候特征明显,在汛期往往会出现短期极端强降雨,多诱发大量滑坡变形或失稳。

(6)人类工程活动:各种人类工程活动(耕种、房屋建设、公路修建、采矿、水电工程建设等活动)对山体的破坏,特别是对山坡坡脚的破坏。

2 活动性滑坡识别方法

InSAR技术作为一种常用的地表形变探测技术,近年来作为滑坡识别的主要手段。通常被称为“基于InSAR技术的滑坡隐患早期识别”,但实际探测目标已处于显著变形阶段。该技术虽可识别斜坡变形体,却难以精确定位其在滑坡演化序列中的具体阶段——所发现的隐患点可能已处于加速变形临界状态。需充分发挥时序InSAR技术优势,通过解析长时间序列形变曲线研判演化阶段与发展趋势,结合累积形变量空间分布图及形变速率场反演其变形模式。值得注意的是,InSAR强大的探测灵敏度会同步捕获地表侵蚀、小型工程开挖等非滑坡形变信号,其中水文因子驱动的周期性变形(如地表侵蚀、冻融循环)干扰尤为显著。若仅依赖原始形变数据解译隐患点,将导致灾害识别信噪比严重降低。本文研究综合形变范围、形变梯度与时序曲线类型的滑坡隐患综合判译方法,构建面-线-点3个角度综合判译是否为真实的滑坡地质灾害隐患点(图2)。

2.1 形变范围

结合识别结果所在位置的地形地貌、人类工程活动等要素进行初步的判译,例如滑坡前缘应具有较好的临空面,一般有着河流冲刷或人为切坡等影响,地形存在一定坡度,一般大于15°,对于红层地区,通常大于10°。结合地形要素进行疑似形变区圈画,疑似形变区不应仅仅局限于目前所观测的形变,更应该结合地形圈画未来可能延伸的形变区,形变区大多应为圈椅状、圆弧状、长条状等。

2.2 形变梯度

滑坡形变分布图中的形变分布应具有一定梯度,而不是形变均匀分布。如图3所示,一个滑坡的InSAR监测结果在平面上形变分布应具有一定的差异性,不同演化模式的滑坡具有其对应的特征,以推移式滑坡为例,应具有后缘沉降、前缘隆起的特征。在剖面上形变应同样具有一定的形变梯度。

2.3 时间序列曲线的判译

根据形变曲线,识别其演变趋势及发展形势;运用不同时间累计形变量分布图及形变速率图判译其演化模式(推移式、后退式)。形变曲线的演变模式是判断疑似隐患点是否为真正隐患点的最佳方式。结合滑坡演变趋势,形变曲线存在以下几类:①周期性阶跃型;②直线变化型;③复合型;④加速滑动。对于其他类型曲线,尤其对于季节性变形较为明显,在夏季沉降,冬季抬升,多为冻融所诱发(图4)。

3 结果分析

3.1 识别结果

选用开源的欧空局C波段 Sentinel-1 卫星升降轨影像数据,分辨率为 5 m×20 m,时间跨度均为2019年1月—2021年12月。其中升轨影像包含两个轨道:①轨道号26,共91景,侧视角为42.06°;②轨道号128,共90景,侧视角为39.66°。降轨影像包含两个轨道:①轨道号135,共80景,侧视角为36.82°;②轨道号62,共125景,侧视角为39.66°(表1)。相较于传统的 D-InSAR 技术,SBAS-InSAR 技术能够以更高精度获取自起始影像时间至各期影像获取时刻间的累计地表形变。该方法通过对相干目标(coherent target, CT)的相位进行分析,提取时间序列形变信息,主要用于低分辨率、大范围区域的地表形变研究。具体而言,对覆盖同一区域的多景 SAR 影像在满足一定时间基线与空间基线条件下进行干涉组合,利用常规差分干涉测量方法生成干涉图,并依据相干性识别出相位稳定的相干目标,以获取其在干涉时间间隔内的地表形变信息。随后,根据各干涉对的时间相关性,将多时相形变信息进行组合,对多幅干涉图的解缠相位采用最小二乘法求解,从而有效消除或减弱解缠误差与大气延迟等干扰因素的影响。通过该方法,可以相对 D-InSAR 更高精度地获取整个观测周期内的累计地表形变信息。利用 SBAS-InSAR 技术共识别出 17 处疑似变形区域,现场核实结果表明,这 17 处变形点均为活动性滑坡(图5)。

3.2 滑坡分类

17处活动性滑坡按物质组成分类:堆积体(土质)滑坡13处,岩质滑坡4处。其中堆积层滑坡又可进一步按不同成因的堆积物细分:古老滑坡堆积体滑坡4处(林邦滑坡、摩岗岭滑坡、新华滑坡、红岩子滑坡)、冰水堆积层滑坡6处(聂拉村滑坡、聂甲坪滑坡、宋达滑坡、格宗滑坡、莫洛滑坡、梭梭滑坡),以及崩坡积、冰水堆积混杂堆积体滑坡3处(甲居滑坡、扎客滑坡、黄土坎滑坡);岩质滑坡又可按照变形模式划分为倾倒变形滑坡3处(黄草坪变形体、郑家坪变形体1号、郑家坪变形体2号)、顺层滑坡1处(开顶滑坡)。其中冰水堆积层滑坡和混杂堆积体滑坡均分布在丹巴县猴子岩库区内,古老滑坡堆积体在猴子岩、大岗山、瀑布沟水电站均有分布,倾倒变形体滑坡均分布在大岗山库区上三叠系白果湾组(T3bg)炭质页岩夹板岩中。历史调查以及现场复核表明,17处活动性滑坡中冰水堆积体与混杂堆积体滑坡变形历史悠久,大渡河水电站蓄水不是其复活决定性因素。4处古老滑坡堆积体滑坡除林邦滑坡由于修建公路开挖诱发复活外,其余3处均由于水电站蓄水复活。4处岩质滑坡均由于水库蓄水诱发斜坡变形。综上,按照滑坡物质组成与滑坡变形启动类型将17处活动性滑坡划分为四类。

(1)蓄水加剧型堆积体滑坡:这一类滑坡在水电站蓄水前往往由于修建房屋、公路等开挖坡脚或自身重力作用下已存在明显的变形活动迹象,水电站蓄水后再次加剧滑坡变形。该类滑坡多分布在丹巴县猴子岩库区内,例如宋达滑坡、格宗滑坡、林邦滑坡等,其中以林邦滑坡最具代表性。

(2)蓄水诱发型堆积体滑坡:这一类滑坡多为古老滑坡堆积体,原始滑坡失稳后其堆积体在长期地质作用下岩土体已固结,在相当长的一段时间内处于相对稳定状态。当水库蓄水后淹没坡脚,改变了坡体内渗流场诱发古老滑坡堆积体复活。该类滑坡在大渡河多个水电站均有存在,例如大岗山水电站新华滑坡、瀑布沟水电站红岩子滑坡等,其中以红岩子滑坡最具代表性。

(3)蓄水诱发型顺层滑坡:该类滑坡具有岩层走向与坡向高度一致的空间展布特征,其坡体内发育多组陡倾角结构面。该类滑坡在水库蓄水前通常保持稳定状态,蓄水后因坡脚岩体力学性质弱化,导致上部岩体沿优势结构面发生蠕滑变形,最终诱发斜坡整体失稳。目前该类型滑坡在大渡河流域仅发现1处典型代表,即猴子岩水电站库区的开顶滑坡。

(4)蓄水诱发型倾倒变形滑坡:该类滑坡在水库蓄水前已发展为倾倒变形体,但整体稳定性较好,地表未显现出任何变形破坏特征。水库蓄水后,在库水位软化、冲蚀与动水压力作用下,诱发倾倒变形加剧,产生整体变形。该类滑坡均分布在大岗山水电站库区内,例如黄草坪变形体、郑家坪变形体1号、郑家坪变形体2号等,其中以黄草坪变形体最具代表性。

4 典型滑坡分析

4.1 蓄水加剧型堆积体

林邦古滑坡堆积体位于丹巴县格宗乡开绕村大渡河右岸,距上游丹巴县城10 km,下游距猴子岩水电站坝址37.5 km。该滑坡体总体倾向大渡河,地形呈西高东低特征,自然坡面横坡坡度30°~35°。滑坡体沿高程1 790~2 100 m展布,纵向延伸约500 m,平均厚度25~30 m,体积(350~450)×104 m3,平面形态呈具圈椅状特征的长条舌形,与周边山体呈陡-缓过渡接触,边界形态清晰。堆积体物质组成以晚更新世滑坡堆积(${\mathrm{Q}}_{3}^{\mathrm{d}\mathrm{e}\mathrm{l}}$)碎石土为主,呈褐灰色,干燥至稍湿状态,结构松散至稍密。碎石成分以白云质大理岩、片岩及千枚岩为主,多呈棱角状,粒径为2~15 cm,含量为55%~60%;基质为粉土与粉细砂。滑坡体内发育一层以强风化千枚岩为主的软弱带,该层结构稍密,钻探岩芯多呈碎屑-粉末状(图6)。近场区无全新世活动断裂分布,新构造运动在境内及其周边地区表现为大面积强烈抬升为主,河谷多为呈“V”形峡谷,河谷深切。出露基岩为震旦系灯影组(Zbdn):主要成分为千枚岩、片岩混合,裂隙较发育,岩芯多呈柱状,长柱状,强风化段岩体较破碎,基岩中主要发育裂隙有3组,I组:135°∠61°,裂隙宽0~5 mm,间距0.5~3 m,延伸3~5 m,无充填;Ⅱ组:42°∠45°,裂隙宽0~4 mm,间距1~2.5 m,延伸3~5 m,无充填;Ⅲ组:64°∠90°,裂隙宽0~3 mm,间距0.5~2.5 m,延伸3~7 m,无充填。滑坡前缘位于猴子岩水电站库水位的变动带,库水和堆积体孔隙水具有相互补给作用。

获取覆盖滑坡区2014年10月9日—2022年8月26日199景Sentinel-1卫星升轨影像,采用SBAS-InSAR技术与单轨坡向形变提取模型追溯林邦边坡历史变形特征。提取每间隔一年的滑坡区累计坡向形变图(图7),结果显示猴子岩水电站蓄水前,2016年12月变形主要集中在前缘区域,随着时间不断推移变形区域逐渐向后扩展,最终演化为整体变形。

分别在滑坡区上中下3个位置各布置一处监测点获取时间序列曲线(图8),3处监测点显示滑坡自监测之日起处于持续变形状态,在2015—2016年变形减缓,猴子岩水电站蓄水后,库水位骤增,3处监测点产生明显的加剧变形现象,1#监测点在蓄水后开始变形,且滞后于2#与3#监测点。前缘变形为后缘提供了变形空间,牵引后缘产生变形。耦合降雨数据综合分析表明强降雨后监测点形变速率存在增加迹象,说明滑坡变形与降雨有着较高的相关性;3处时序变形监测点的不同点在于2#与3#监测点大致保持相同的变形趋势与速率,而1#监测点在2017年之前变形较小,蓄水后变形强度增大。3处监测点在蓄水作用下开始时间与累计变形均为3#监测点>2#监测点>1#监测点。

根据InSAR监测结果,林邦滑坡变形可划分为3个阶段,第一阶段:2017年之前,即猴子岩未蓄水前,由于S211复建公路路基修筑开挖诱发前缘局部复活,修建防治工程后减缓了滑坡变形;第二阶段:2017—2020年,猴子岩水电站蓄水再次加剧林邦滑坡前缘变形,牵引中后部的土体开始发生滑动,滑坡发生沿基覆界面的整体复活;第三阶段:该滑坡存在着多级滑面,持续库水位波动作用下滑坡后缘变形加剧。

4.2 蓄水诱发型堆积体

红岩子滑坡系水库蓄水复活的古滑坡体,位于四川省汉源县桂贤乡瀑布沟水电站库区右岸、西街河入汇口上游侧谷坡,距大坝约23 km,亦称桂贤滑坡。如图9所示,滑坡区整体坡度25°,主滑方向340°,前缘高程810 m,后缘高程954 m,平面展布横河向约580 m、顺河向约590 m,体积约750×104 m3,属大型滑坡。左边界以环湖路内侧破坏带及纵向地裂缝为界,右边界以小冲沟及环湖路错动段为标志。水库蓄水后前缘剪出口淹没深度约40 m。坡体物质主要为含碎石粉质黏土及碎块石:碎石粒径2~7 cm,棱角状,白云岩成分;块石粒径1~3 m,结构破碎,白云岩成分;充填物为可塑状粉质黏土。滑体厚度具空间分异特征,后缘及两侧较薄,中前部最厚达52 m,滑面倾角10°~25°。地下水类型以松散层孔隙潜水为主,受基岩裂隙水及河水补给,三面临空地形利于排泄。滑坡基底发育晚更新世活动性汉源-昭觉断裂,全新世以来活动性显著减弱。2008年汶川地震期间滑坡区烈度达Ⅶ度,但未引发明显变形;2013年芦山地震导致后缘两条裂缝分别产生50 mm与10 mm的垂直位移量。

不同时间累计坡向形变图虽然能看出该变形体在变形范围的空间演化过程,但由于色带拉伸,无法体现细节上时间变形规律。因此,在该变形体主剖面上中下不同部位各布置一处时序变形监测点(图10),为了分析探究该滑坡体在监测周期内与降雨、库水位变动因素是否存在相关性,收集了临近红岩子滑坡的气象站点日降雨量与水文站库水位监测数据(2014—2021年),综合分析研究区时序变形特征。如图11所示,为研究区主剖面不同部位时序变形曲线,综合分析三处时序形变监测点,其共同特点为自监测开始三处监测点即开始变形,各个监测点变形速率大致保持一致,说明该变形体处于匀速变形阶段,由于所做监测时间周期较长,从仅根据Sentinel-1数据解算的整条时序变形曲线变耦合降雨与库水位数据上来看可发现研究区变形似乎是保持在同一形变速率,但局部放大几次强降雨可发现形变速率存在增加迹象,说明研究区变形与降雨相关性较高;三处时序变形监测点的不同点在于由上至下累计变形量递增,位于后缘的变形监测点1#监测点累计变形量最大,监测周期内达822 mm,而2#与3#相对较小,分别为684 mm与335 mm。

运用SBAS-InSAR技术与升降轨融合技术获取红岩子滑坡坡向形变,结果表明滑坡区整体在变形,红岩子滑坡变形特征呈现显著的空间分异性,其滑体后缘变形量级明显高于前缘变形量级,最大坡向形变速率为150 mm/年。为了解研究区历史形变区域演化,提取2014—2021年每年12月份的累计形变图,对比分析不同时间节点研究区累计形变及变形区域,如图11所示。时序监测数据揭示,研究区变形始于滑坡前缘,随时间推移呈现向后缘扩展的时空演化特征。2014—2017年整体变形速率较低,尚未形成大规模变形格局;至2018年变形域空间展布基本稳定,后期变形范围未见显著扩展,但变形累积效应持续增强。

4.3 蓄水诱发型顺层岩质滑坡

开顶滑坡位于四川省丹巴县格宗乡开绕村大渡河右岸,距猴子岩水电站坝址约15 km,距丹巴县城约37 km。滑坡中心位于东经102°02'33.74″,北纬30°39'52.07″。该滑坡发育高程范围为1 840~2 080 m,顺河向展布长度约460 m,横河向宽度约490 m,滑体平均厚度25 m,总体积约400×104 m3,其平面边界形态呈现特征性M形展布,以相连的两部分滑塌为主,坡体上部地形较陡,天然坡度为40°~45°,下部坡度较缓,天然坡度为33°~40°。滑坡体由志留系通化组(St)的绿片岩、白云岩夹千枚岩为主(图12),风化程度介于强风化到中风化之间,斜坡下部坡表可辨层面。岩层产状为N10°~30°W/NE∠43°~55°,岩层走向与坡向基本一致,为顺层岩质边坡。开顶滑坡位于格棕背斜的北东翼。未见断层通过,地质构造简单。坡表岩体受风化及重力卸荷影响,基岩节理裂隙发育呈层状碎裂结构或镶嵌碎裂结构,在两段出露基岩区域共测得六组节理裂隙。

第一段岩层产状为62°∠57°,在基岩中主要发育裂隙有2组。Ⅰ组:78°∠26°,延伸2~5 m,裂隙张开度0~1 mm,间距0.5~1.0m,泥质充填;Ⅱ组:151°∠36°,延伸1~3m,裂隙张开度<1mm,无充填。

第二段岩层产状为78°∠56°。岩体裂隙和节理发育,主要发育的裂隙有2组。Ⅰ组:314°∠59°,裂面较平直,张开小于1 mm,延伸3~10 m,4条/7 m;Ⅱ组:19°∠61°,裂面不平直,张开2~30 mm,延伸6~15 m,3条/8 m。

滑坡区未见地下水露头,滑坡体上下游冲沟及沟槽均呈干涸状态。地下水系统以赋存于绿片岩中的基岩裂隙水为主,主要受控于大气降水补给。

获取覆盖滑坡区2014年10月9日—2022年8月26日199景Sentinel-1卫星升轨影像,采用SBAS-InSAR技术与单轨坡向形变提取技术追溯开顶滑坡近9年历史变形特征,形变速率图(图13)能看出来该变形体在变形范围,滑坡区域内形变速率明显高于周边区域,Ⅰ区变形强度明显大于Ⅱ区。提取每间隔一年的滑坡区累计坡向形变图(图14),结果显示猴子岩水电站蓄水前,即2017年1月前滑坡区未发现有明显变形,到2017年12月Ⅰ区已发展为整体变形,随着时间不断推移变形区域逐渐由Ⅰ区向Ⅱ区扩展,最终演化为整体变形。InSAR所监测到变形区基本覆盖整个Ⅰ区,Ⅱ区变形程度相对较小,InSAR变形与分区特征相符,说明Ⅰ区与Ⅱ区变形并不同步。

分别在滑坡Ⅰ区上中下3个位置各布置一处监测点获取时间序列曲线(图14),结果表明开顶滑坡在猴子岩水电站蓄水之前均是季节变形,3处监测点在蓄水后8个月,即2017年8月开始同步变形,变形开始时间1#监测点>2#监测点>3#监测点,3处监测点变形趋势大致保持一致,累计变形量由后缘向前缘逐级递减。耦合降雨数据综合分析滑坡变形与降雨相关性较低。根据时序变形曲线变形速率特征,可将开顶滑坡变形划分为4个阶段:①蓄水前稳定阶段,2016年10月之前开顶滑坡处于稳定阶段;②库水作用阶段,2016年10月—2017年8月,该阶段滑坡未发现明显变形破坏现象;③变形启动阶段,2017年8月—2018年10月,该阶段滑坡变形最为强烈;④2018年10月至今,滑坡进入匀速变形阶段。

4.4 蓄水诱发型倾倒变形滑坡

黄草坪变形体发育于大渡河左岸泸定县得妥镇新华村段,距大岗山水电站坝址16.8 km。该变形体前缘高程约1 115 m(高于历史河水位80 m),后缘高程约1 600 m,顺河向展布160~250 m,横河向宽约660 m,总体积约2.0×106 m3。变形体发育于大渡河断裂夹持的三叠系白果湾组(T3bg)薄层砂页岩中,正常岩层产状N7°~15°E/NW∠67°~85°,总体陡倾坡外,倾倒处岩层产状N7°~15°E/SE∠8°~15°。大渡河断裂西支(F2)在黄草坪斜坡前缘出露,断层产状N7°E/SE∠81°,破碎带宽2~3 m。基于岩体结构特征、钻孔岩芯破碎状态及侧缘冲沟揭露信息,黄草坪变形体岩体倾倒变形可划分为三个工程地质分区:强倾倒变形区(A区)表现为岩体强烈倾倒-张裂-折断复合变形,显著架空松弛现象形成陡倾坡外张性破裂带,构成变形体局部失稳的源区;中等倾倒变形区(B区)具有分区变形特征,其上段(B1亚区)发育岩体顺层剪切滑移并伴生张性破裂,下段(B2亚区)沿缓倾坡外节理形成切层式张性剪切变形;弱倾倒变形区(C区)则主要表现为微量剪切滑移及初始阶段张裂缝发育,倾倒变形程度微弱(图15)。上述分区系统揭示了倾倒变形在空间上的递变规律,构成变形体不同变形阶段的空间表征。

采用时序InSAR技术监测斜坡长时间序列的坡向形变。获取覆盖滑坡区2014年10月9日—2022年8月28日共226景Sentinel-1卫星降轨影像。采用SBAS-InSAR技术分析黄草坪变形体空间变形特征(图16)及时序变形特征(图17)。

从InSAR平面变形范围可知,黄草坪变形体变形区域范围明显大于现场所观测到变形范围,已扩展至变形区后缘平缓地形区及两侧山脊之外,这一变形范围与三叠系白果湾组(${\mathrm{T}}_{3}^{\mathrm{b}\mathrm{g}}$)薄层砂页岩分布范围一致。InSAR时序变形曲线结果表明黄草坪变形体区域在2016年前不存在变形,即在蓄水前黄草坪变形体处于稳定状态。当大岗山水电站库水位上升至死水位1 120 m后,前缘最开始产生变形(4#点与3#点),库水位抬升淹没前缘坡脚后,诱发岸坡塌陷失稳,其牵引效应导致垮塌区后缘发生变形响应。在此动力传递机制作用下,变形域范围持续扩展。鉴于黄草坪变形体前缘极强倾倒变形区(A区)岩体厚度较薄且变形空间受限,前缘持续垮塌过程驱动变形破坏向坡体深部及后缘传递,最终演化为贯穿整个斜坡的渐进式扩展模式。变形体后缘变形部位岩土体成分以粉砂质泥岩、页岩为主,前缘垮塌后为后缘变形提供了较大的变形空间,随着时间不断演化,后缘变形量逐渐超过前缘变形量。

时序InSAR监测结果揭示,黄草坪变形体的倾倒变形范围与白果湾组砂页岩地层展布具有显著空间耦合性,表明大岗山水电站蓄水作用是该变形体失稳的主控诱发机制。变形演化过程监测显示,当单日降雨量超过临界阈值时,位移时序曲线呈现阶跃式位移响应,形变速率急剧增大,证实降雨入渗对变形体的加速变形进程具有显著控制作用。该现象揭示了库水-降雨多场耦合驱动下的渐进式变形破坏机制。

5 结论

(1)大渡河流域滑坡灾害呈现显著的空间集聚性特征,其中66.18%属小型滑坡,集中发育于汉源、丹巴等区域的高陡岸坡段。其发育机制受控于3个地质背景要素:构造交汇区地形陡峻(坡度>30°)、松散堆积物广泛分布以及新构造运动活跃性,叠加极端降雨事件与水电工程扰动作用,形成多因素耦合驱动的协同致灾效应。

(2)InSAR技术成功识别17处活动性滑坡,其变形特征与库水位变动密切相关。滑坡类型分为蓄水加剧型堆积体滑坡、蓄水诱发型堆积体滑坡、顺层岩质滑坡及倾倒变形滑坡,蓄水通过软化岩体、改变渗流场诱发复活。

(3)典型滑坡案例表明,水库蓄水是滑坡复活的关键诱因,库水位骤升导致坡脚侵蚀与孔隙水压力变化,加速滑坡变形。林邦滑坡与红岩子滑坡的时序形变曲线进一步验证了蓄水与降雨的叠加效应。

(4)典型滑坡案例的时序形变数据进一步验证,蓄水以及水位变动是滑坡复活关键诱因,不同类型滑坡对水位变化响应存在滞后性与非线性差异。研究结果为类似地区滑坡防治与风险管理提供了重要参考。

参考文献

[1]

解明礼. 多源数据融合的库岸滑坡演化机制与风险排序研究--以大渡河为例[D]. 成都: 成都理工大学, 2023.

[2]

Xie Mingli. The evolution mechanism of bank landslide and risk ranking based on multi-source data fusion-- take Dadu River Basin as an example[D]. Chengdu: Chengdu University of Technology, 2023.

[3]

张鹏, 张森林, 黄波林, 等. 岸坡消落带岩体劣化的新生型滑坡(崩塌)隐患演化模式研究[J]. 工程地质学报, 2021, 29(5): 1416-1426.

[4]

Zhang Peng, Zhang Senlin, Huang Bolin, et al. Study on the evolution model of neogenic landslide (collapse) hazards in rock mass of hydro-fluctuation belt[J]. Journal of Engineering Geology, 2021, 29(5): 1416-1426.

[5]

周家文, 陈明亮, 瞿靖昆, 等. 水库滑坡灾害致灾机理及防控技术研究与展望[J]. 工程科学与技术, 2023, 55(1): 110-128.

[6]

Zhou Jiawen, Chen Mingliang, Qu Jingkun, et al. Research and prospect on disaster-causing mechanism and prevention-control technology of reservoir landslides[J]. Advanced Engineering Sciences, 2023, 55(1): 110-128.

[7]

黄会宝, 何朝阳, 巨淑君, 等. 水电工程库水响应下滑坡时空演化特征分析[J]. 科学技术与工程, 2022, 22(27): 12139-12149.

[8]

Huang Huibao, He Chaoyang, Ju Shujun, et al. Analysis on spatiotemporal evolution characteristics of landslides in response to reservoir water in hydropower projects[J]. Science Technology and Engineering, 2022, 22(27): 12139-12149.

[9]

殷跃平, 张晨阳, 闫慧, 等. 三峡水库蓄水运行滑坡渗流稳定和防治设计研究[J]. 岩石力学与工程学报, 2022, 41(4): 649-659.

[10]

Yin Yueping, Zhang Chenyang, Yan Hui, et al. Research on seepage stability and prevention design of landslides during impoundment operation of the Three Gorges Reservoir, China[J]. Chinese Journal of Rock Mechanics and Engineering, 2022, 41(4): 649-659.

[11]

张琪, 巨能攀, 张成强, 等. 库水位变化时陡倾软弱顺层岩质滑坡变形机制[J]. 成都理工大学学报(自然科学版), 2023, 50(2): 206-217.

[12]

Zhang Qi, Ju Nengpan, Zhang Chengqiang, et al. Landslide deformation mechanism of steep weak bedding rock under the variation of reservoir water level[J]. Journal of Chengdu University of Technology(Science & Technology Edition), 2023, 50(2): 206-217.

[13]

谷建永, 张强, 卢晓春, 等. 库水位变动下库岸滑坡变形失稳机制离心模型试验[J]. 长江科学院院报, 2023, 40(6): 166-172, 179.

[14]

Gu Jianyong, Zhang Qiang, Lu Xiaochun, et al. Centrifugal model test on deformation mechanism of reservoir bank landslide under reservoir water level fluctuation[J]. Journal of Changjiang River Scientific Research Institute, 2023, 40(6): 166-172, 179.

[15]

刘传正, 杨冰. 三峡库区地质灾害调查评价与监测预警新思维[J]. 工程地质学报, 2001(2): 121-126.

[16]

Liu Chuanzheng, Yang Bing. A new thought of surveying evaluating monitoring and forecasting for the geologic hazards in the Three Gorges on Changjiang River[J]. Journal of Engineering Geology, 2001(2): 121-126.

[17]

刘传正, 李瑞敏, 李铁锋, 等. 三峡库区白衣庵滑坡防治工程研究[J]. 中国地质灾害与防治学报, 2003(1): 51-57.

[18]

Liu Chuanzheng, Li Ruimin, Li Tiefeng, et al. Study on Baiyian landslide control engineering in the Three Gorges Reservoir area[J]. The Chinese Journal of Geological Hazard and Control, 2003(1): 51-57.

[19]

葛鹏飞, 陈蜜, 张领旗, 等. 结合时序InSAR技术分析降雨对三峡库区金鸡岭滑坡的影响[J]. 科学技术与工程, 2025, 25(24): 10161-10174.

[20]

Ge Pengfei, Chen Mi, Zhang Lingqi, et al. Analyzing impact of rainfall on Jinjiling landslide in Three Gorges Reservoir Area using time-series InSAR technology[J]. Science Technology and Engineering, 2025, 25(24): 10161-10174.

[21]

Singh H, Mahajan P. Analytical modeling of low velocity large mass impact on composite plate including damage evolution[J]. Composite Structures, 2016, 149: 79-92.

[22]

陈洁, 高子弘, 王珊珊, 等. 三峡库区航空遥感地质调查技术发展综述[J]. 国土资源遥感, 2020, 32(2): 1-10.

[23]

Chen Jie, Gao Zihong, Wang Shanshan, et al. A review on the development of aerial remote sensing geological survey technology in the Three Gorges Reservoir area[J]. Remote Sensing for Natural Resources, 2020, 32(2): 1-10.

[24]

许强, 董秀军, 李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报(信息科学版), 2019, 44(7): 957-966.

[25]

Xu Qiang, Dong Xiujun, Li Weile. Integrated Space-air-ground early detection, monitoring and warning system for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 44(7): 957-966.

[26]

张永双, 刘筱怡, 姚鑫. 基于InSAR技术的古滑坡复活早期识别方法研究--以大渡河流域为例[J]. 水利学报, 2020, 51(5): 545-555.

[27]

Zhang Yongshuang, Liu Xiaoyi, Yao Xin. InSAR-based method for early recognition of ancient landslide reactivation in Dadu River, China[J]. Journal of Hydraulic Engineering, 2020, 51(5): 545-555.

[28]

叶青, 赵全麟. 三峡工程库区滑坡监测几个问题的探讨[J]. 人民长江, 2000(6): 7-9, 48.

[29]

Ye Qing, Zhao Quanlin. Problems about monitoring of landslides in TGP reservoir area[J]. Yangtze River, 2000(6): 7-9, 48.

[30]

解明礼, 巨能攀, 刘蕴琨, 等. 崩塌滑坡地质灾害风险排序方法研究[J]. 水文地质工程地质, 2021, 48(5): 184-192.

[31]

Xie Mingli, Ju Nengpan, Liu Yunkun, et al. A study of the risk ranking method of landslides and collapses[J]. Hydrogeology & Engineering Geology, 2021, 48(5): 184-192.

[32]

宁奕冰, 唐辉明, 张勃成, 等. 澜沧江深层倾倒体演化过程及失稳机制研究[J]. 岩石力学与工程学报, 2021, 40(11): 2199-2213.

[33]

Ning Yibing, Tang Huiming, Zhang Bocheng, et al. Evolution process and failure mechanism of a deep-seated toppling slope in the Lancang River Basin[J]. Chinese Journal of Rock Mechanics and Engineering, 2021, 40(11): 2199-2213.

[34]

殷坤龙, 刘艺梁, 汪洋, 等. 三峡水库库岸滑坡涌浪物理模型试验[J]. 地球科学(中国地质大学学报), 2012, 37(5): 1067-1074.

[35]

Yin Kunlong, Liu Yiliang, Wang Yang, et al. Physical model experiments of landslide-induced surge in Three Gorges Reservoir[J]. Earth Science, 2012, 37(5): 1067-1074.

[36]

Liu Z J, Qiu H J, Zhu Y R, et al. Efficient identification and monitoring of landslides by time-series InSAR combining single- and multi- look phases[J]. Remote Sensing, 2022, 14(4): 1026.

[37]

Schlögel R, Doubre C, Malet J P, et al. Landslide deformation monitoring with ALOS/PALSAR imagery: a D-InSAR geomorphological interpretation method[J]. Geomorphology, 2015, 231: 314-330.

基金资助

四川大学山区河流保护与治理全国重点实验室开放课题(SKHL2422)

地质灾害防治与地质环境保护全国重点实验室开放基金(SKLGP2024K030)

湖北巴东地质灾害国家野外科学观测研究站开放基金(BNORSG-202406)

PDF (52502KB)

54

访问

0

被引

详细

导航
相关文章

/

〈 〉