汶川震区寿溪河流域崩滑物源演化特征分析

袁新玥 刘超 鲁恒 聂锐华 陈辰 刘铁刚 王栋 唐敏 杨正丽

袁新玥, 刘超, 鲁恒, 等. 汶川震区寿溪河流域崩滑物源演化特征分析 [J]. 工程科学与技术, 2022, 54(6): 32-42. doi: 10.15961/j.jsuese.202200732
引用本文: 袁新玥, 刘超, 鲁恒, 等. 汶川震区寿溪河流域崩滑物源演化特征分析 [J]. 工程科学与技术, 2022, 54(6): 32-42. doi: 10.15961/j.jsuese.202200732
YUAN Xinyue, LIU Chao, LU Heng, et al. Analysing Evolution Characteristics of Landslide Deposits in Shouxi River Basin in the Wenchuan Earthquake Zone [J]. Advanced Engineering Sciences, 2022, 54(6): 32-42. doi: 10.15961/j.jsuese.202200732
Citation: YUAN Xinyue, LIU Chao, LU Heng, et al. Analysing Evolution Characteristics of Landslide Deposits in Shouxi River Basin in the Wenchuan Earthquake Zone [J]. Advanced Engineering Sciences, 2022, 54(6): 32-42. doi: 10.15961/j.jsuese.202200732

汶川震区寿溪河流域崩滑物源演化特征分析

基金项目: 国家重点研发计划项目(2019YFC1510700);四川省科技计划项目(2022YFS0539)
详细信息
    • 收稿日期:  2022-07-19
    • 网络出版时间:  2022-11-10 03:36:00
  • 作者简介:

    袁新玥(1998—),女,硕士生. 研究方向:水利水电工程. E-mail:yuanxinyue@stu.scu.edu.cn

    通信作者:

    鲁恒, 副教授,E-mail: luheng@scu.edu.cn

  • 中图分类号: P35

Analysing Evolution Characteristics of Landslide Deposits in Shouxi River Basin in the Wenchuan Earthquake Zone

  • 摘要: 崩滑堆积体是洪沙灾害的主要物源之一,研究其时空分布与演化特征对洪沙灾害易灾区早期识别、风险区的研判有重要作用。为探究汶川震区洪沙灾害崩滑物源时空演化特征,选择汶川典型流域寿溪河流域为研究区域,对寿溪河流域2007、2009、2012、2015、2018年5期高分遥感数据进行崩滑物源解译,建立了研究区震前—震后崩滑物源的长时间序列数据集,并利用确定性系数(certainty factor,CF),结合高程、坡度、坡向、距沟道距离、距断层距离、年均降水量等关键控制因子,定量分析崩滑物源在各个因子上的活跃程度及演变特征,计算植被覆盖度(vegetation fraction coverage,VFC)与植被恢复速率(vegetation coverage recovery rate,VCRR),探讨植被恢复对崩滑物源活动的影响。结果表明:5期解译的崩滑物源面积分别为15.68×104、442.45×104、252.86×104、146.07×104、98.97×104 m2,且以指数函数的模式衰减,预测物源面积恢复到震前水平的时间约为21 a。研究区震后崩滑物源活动性最强的区域的高程为1200~2400 m,坡度为大于60°,坡向为SE,距沟道距离为小于800 m,距断层距离为小于1500 m,年均降水量为830~850 mm。演化趋势为崩滑物源在高程大于2000 m、坡度小于40°、距沟道距离大于200 m、距断层距离大于1500 m、年均降水量大于840 mm的区域的活动性增强,在坡向为E、SE、S侧活动性减弱。震后VFC随着时间的推移以线性形式增长,预测震后至少14 a植被覆盖度恢复到震前水平;2012、2015、2018年植被恢复中等及以上的区域分别占37.32%、64.24%、70.69%;在植被恢复程度高的地方,崩滑体的活动性低且随着时间的推移而降低,植被的恢复能有效减弱崩滑物源的活动。以上研究对于丰富崩滑物源演化理论与洪沙灾害风险预测具有重要意义。

     

    Abstract: Landslide deposits are one of the main sources of flash flood and sediment disaster, and their spatio-temporal distribution and evolution characteristics play an important role in the early identification of flash flood and sediment disaster areas and the study of risk areas. In order to explore the spatio-temporal evolution characteristics of landslide deposits in the Wenchuan earthquake zone, this paper selected Shouxi River Basin, a typical basin in Wenchuan, as the research area, and respectively interpreted the landslide deposits based on the five stage high-resolution remote sensing images in 2007, 2009, 2012, 2015 and 2018, and established a long time series data set of “pre-earthquake and post-earthquake” landslide deposits in the research area, and combined with the key control factors such as elevation, slope, aspect, distance from channel , distance from fault and average annual precipitation, quantitatively analyzed the relationship between evolution characteristics of landslide deposits and each factor based on certainty factor model (CF), finally calculated the vegetation fraction coverage (VFC) and the vegetation coverage recovery rate (VCRR) to explore the effect of vegetation restoration on landslide deposits activities. The research results showed that the areas of landslide deposits of five stage images were 15.68×104 m2, 442.45×104 m2, 252.86×104 m2, 146.07×104 m2, 98.97×104 m2, and were attenuated by exponential function mode. In addition, the predicted time for the area of landslide deposits to recover to the pre-earthquake level is about 21 a. The area with the strongest activity of post-earthquake landslide deposits in the study area is 1200~2400 m in elevation, 60° in slope, SE in slope direction, less than 800 m in distance from channel , less than 1500 m in distance from fault and 830~850 mm in the average annual precipitation . The evolution trend is that the activity of the landslide deposits increases in the area with an elevation of more than 2000 m, a slope of less than 40°, a distance of more than 200 m from the channel ,a distance of more than 1500 m from the fault, the average annual precipitation is more than 840 and decrease in the aspect of E, SE and S sides. VFC increases linearly with time after the earthquake, and it is predicted that the vegetation coverage will return to the pre-earthquake level at least 14 years after the earthquake. In 2012, 2015 and 2018, the areas with moderate or above VCRR account for 37.32%, 64.24% and 70.69%, respectively. In places with high VCRR, the activity of landslide deposits is low and decreases with time, and vegetation restoration can effectively reduce the activity of landslide deposits. The above research is of great significance to enrich the theory of landslide deposits evolution and flash flood and sediment disaster risk prediction.

     

  • 强震作用下,山体斜坡不稳定性提高,山区环境变得更加脆弱,大量的松散碎屑物堆积在坡体或沟道内,极易形成崩塌、滑坡、山洪水沙等次生灾害,对当地居民生命财产安全和生态环境造成巨大威胁。在世界范围内,1999年中国台湾地震[1]、2005年巴基斯坦什米尔地震[2]、2010年海地地震[3]、2013年中国四川芦山地震[4]、2017年中国四川九寨沟地震[5]等大地震发生后,震区频发滑坡、泥石流等灾害,造成众多破坏。2008年“5·12”汶川地震是中国近代以来破坏性最强的地震,诱发了约50 000处崩滑,形成高达52.3×108 m3的松散堆积物,为洪沙、泥石流灾害暴发提供了充足物源[6],造成了2010年“8·13”[7]、2013年“7·10”[8]山洪、泥石流灾害。这些灾难性事件都表明强震会形成具有广泛性、群发性、持续性的灾害链效应,且随着时间推移,灾害特征在空间上的演化有较大差异[9]。而崩滑堆积体是震后洪沙灾害的主要物源,其时空分布规律与演化特征对洪沙灾害的发生起着控制作用。因此,开展崩滑物源演化特征分析,预测洪沙灾害活动趋势及灾害效应持续时间的研究极为迫切。

    汶川地震后,有学者对同震滑坡及洪沙、泥石流灾害分布特征、形成机制、运动过程、风险评估展开了研究[10-13]。也有学者基于震区多期遥感影像,统计物源数量和面积,对震后滑坡、泥石流活动趋势和持续时间进行了研究。张建石[14]统计了映秀镇肖家沟4期遥感影像的物源面积,分析得到:在没有强降雨的条件下,未来3~5 a物源持续呈衰减趋势并最终达到稳定状态。黄润秋[15]研究了震后3 a重大地质灾害特点,认为震后地质灾害将在20~25 a内以4~5 a为一个高峰的周期呈震荡式衰减并最终恢复到震前水平。Tang等[16]解译了地震前后两期影像,并对泥石流活动趋势进行预测,结果表明震后10~15 a内地质灾害保持高活动性。该类研究从时间上揭示了崩滑物源的演化规律,但没有在空间上对其演化特征进行分析。诱发地震滑坡的自然因素很多,各个因素在不同区域和时间所起的作用各不相同。部分学者结合地形地貌、地质条件等环境控制因子探讨崩滑物源的时空演化特征。付智勇等[17]选取龙溪河流域5期影像分析了崩滑体面积与坡度、坡向、岩性和距断层距离等指标的演化情况;罗玉婷等[18]解译了映秀镇5期影像,选取坡度、坡向、高程、距沟道距离探讨震后10 a崩滑体时空演化特征。该类研究统计了崩滑物源在各个因子上的面积分布特征及长时间序列的时空演变规律,但没有定量揭示崩滑物源在各个因子上的活跃程度,以确定各个因子上崩滑物源活动性最强的区域,以及长时间序列上其的演变特征。

    此外,崩滑物源的活动与流域植被恢复有着密切的联系,植被动态变化是反映崩滑物源活动的重要指标,因此,有必要获取植被恢复情况,探究其对崩滑物源活动的影响。目前,有学者利用多期遥感数据,动态分析了震后植被时空变化和恢复情况。李明威等[19]选择8期遥感影像提取植被覆盖度,分析研究区内植被恢复情况,结果表明植被恢复对山洪、泥石流活动具有一定的抑制作用。Yunus等[20]基于2000年—2018年中分辨率成像光谱辐射计归一化植被指数(moderate-resolution imaging spectroradiometer–normalized difference vegetation index,MODIS–NDVI)数据计算了汶川震区植被恢复率,结果表明滑坡活动可能在18 a内恢复到震前水平。Chen等[21]基于2008—2018年归一化植被指数(normalized difference vegetation index,NDVI)数据研究了汶川、北川、清平3个地区汶川地震后植被恢复的时空差异,阐明了不同环境下植被恢复的模式。该类研究仅分析了植被的长期演变特征,缺乏对植被恢复到震前水平的预测及对崩滑物源的影响的研究。

    为进一步探究汶川震区山洪灾害流域崩滑物源长时序时空演化特征,利用汶川震区寿溪河流域2007、2009、2012、2015、2018年5期高分遥感影像,对崩滑物源进行遥感解译,从以下3方面研究了崩滑物源在震后10 a的演化特征:1)根据震前与震后崩滑物源面积分析崩滑物源衰减模式,预测地震影响持续时间;2)结合高程、坡度、坡向、距沟道距离、距断层距离、年均降水量6个环境控制因子,利用确定性系数概率模型,定量分析崩滑物源在各个因子的活跃程度,确定各个因子崩滑物源活动性最强的区域,以及其在长时间序列上的演变特征;3)计算植被覆盖度与植被恢复速率,分析该流域内植被恢复情况,探究植被恢复对崩滑物源活动的影响。

    研究区位于四川省阿坝州汶川县南部,邛崃山系、龙门山系之间;寿溪河系岷江右岸1级支流,地理位置介于东经102°02′~103°30′、北纬30°50′~31°03′之间,整个流域呈树叶形,如图1所示。地形地貌上,研究区地貌属盆地与青藏高原过渡地带的中高山区,海拔在2 000~3 800 m之间,地势自西南向东北逐渐降低,地质构造较复杂,褶皱、断裂发育,地层主要分布有花岗岩及变质岩等,土壤多为棕色腐质土。该流域水系发育,支沟众多,上游河谷呈“V”形,中下游河谷稍宽呈“U”形,部分河段岩石节理、裂隙发育,构造侵蚀及河流切割作用较强烈,岩土体容易失稳。水文气象方面,属四川盆地亚热带湿润气候区,年均气温仅8~12 ℃,年平均降雨量为1 333 mm,暴雨一般出现在6—9月,主要集中在7、8两月。研究区在汶川地震前无较大范围滑坡和崩塌分布,汶川地震后,崩塌、滑坡频发,植被遭到严重破坏,崩滑物源众多,山洪、泥石流灾害发生的可能性随之增高。

    图  1  研究区地理位置
    Fig.  1  Geographical location of the research area
    下载: 全尺寸图片

    研究采用的基础地理数据和环境数据如下:①遥感影像数据分为用于目视解译崩滑物源的汶川震区寿溪河流域2007、2009、2012、2015、2018年5期遥感影像和用于植被覆盖度提取的相应年份的5期Landsat5、Landsat7、Landsat8影像(表1)。②数字高程模型(digital elevation model,DEM)数据为先进星载热发射和反射辐射仪全球数字高程模型(advanced spaceborne thermal emission and reflection radiometer global digital elevation model,ASTER GDEM) 12.5 m分辨率数字高程模型,来源于地理空间数据云网站( http://www.gscloud.cn/)。③河流数据来源于91卫图助手软件的中国水系专题图。④断层数据来源于91卫图助手软件的1∶50万地质图。⑤年均降水量数据来源于中国科学院资源环境科学与数据中心( http://www.resdc.cn/)。

    表  1  遥感影像数据及其特征参数
    Table  1  Remote sensing image data and its characteristic parameters
    类型 卫星 时间 分辨率/m 波段
    崩滑物源
    解译影像
    ALOS 2007年 10.0 多光谱+全色
    Landsat5+Alos 2009年 10.0
    YG–2+RE 2012年 8.0
    GF1+ZY3 2015年 8.0
    Spot 7 2018年 1.5
    植被覆盖度
    提取影像
    Landsat7 2007年4月 30.0 多光谱
    Landsat5 2009年3月
    Landsat7 2012年5月
    Landsat8 2015年2月
    Landsat8 2018年4月

    确定性系数(certainty factor,CF)是一个分段概率函数,最早由Shortliffe和Buchanan[22]提出,用来分析影响崩滑发生的各种因子的敏感性的指标。CF模型可以建立滑坡活动与控制因素之间的定量关系,其适用的模型单元类型为网格单元和均一条件单元[23]。确定性系数计算公式如式(1)所示:

    $${\quad \;\; {\rm{C}}{{\rm{F}}_{\text{}}^i} = \left\{ \begin{gathered} \frac{{P{P_{} ^i} - P{P_{\text{s}}}}}{{P{P_{\text{}}^i}\left( {1 - P{P_{\text{s}}}} \right)}},P{P_{\text{}}^i} \lt P{P_{\text{s}}}; \\ \frac{{P{P_{\text{}}^i} - P{P_{\text{s}}}}}{{P{P_{\text{s}}}\left( {1 - P{P_{\text{}}^i}} \right)}},P{P_{\text{}}^i} \ge P{P_{\text{s}}} \\ \end{gathered} \right.} $$ (1)

    式中: ${\rm{C}}{{\rm{F}}_{}}^i$ 为影响因子 $ i $ 在某等级的确定性系数; $PP^i$ 为影响因子 $ i $ 在某等级中发生崩滑灾害的条件概率,用影响因子 $ i $ 在某等级中发生的崩滑灾害的面积与研究区中影响因子 $ i $ 在该等级的面积的比值替代; $ P{P_{\text{s}}} $ 为研究区发生崩滑灾害的先验概率,用崩滑灾害发生的总面积与研究区的总面积的比值来代替。由式(1)可知:CF的值域为[–1,1],CF值为0或接近0时,先验概率与条件概率非常接近,表示崩滑体活动程度不确定;大于0表示崩滑体活动性较高;小于0表示崩滑体活动性较低。

    归一化植被指数(normalized difference vegetation index,NDVI)采用通道间的比值形式,具有检测范围宽、灵敏度高,能削弱太阳高度角和大气所带来的噪音,消除地形和群落结构的阴阳和辐射干扰等优点[24]。NDVI是反映植被状况的重要遥感参数,被广泛运用在地表植被生产力评估、植被覆盖度估算及变化速率分析的研究中[25]。其计算公式为:

    $$ {\text{NDVI = }}\frac{{{{\rho}_{{\text{nir}}}}{{ - }}{{\rho}_{{\text{red}}}}}}{{{{\rho}_{{\text{nir}}}}{{ + }}{{\rho}_{{\text{red}}}}}}\qquad $$ (2)

    式中, $\;{\rho _{{\rm{nir}}}}$ 为近红外波段反射率, $\;{\rho _{{\rm{red}}}}$ 为红光波段反射率。NDVI值域为[–1,1],值越大表示植被覆盖程度越高。

    基于像元二分模型,以NDVI为主要参数计算植被覆盖度(vegetation fraction coverage,VFC),能削弱大气、土壤背景与植被类型等因素的影响。其计算公式为:

    $$ {\text{VFC }}=\frac{{{\text{NDVI }}- {\rm{NDV}}{{\text{I}}_{{\text{soil}}}}}}{{{\text{NDV}}{{\text{I}}_{{\text{veg}}}}-{\text{ NDV}}{{\text{I}}_{{\text{soil}}}}}}\;\; $$ (3)

    式中, $ {\text{NDV}}{{\text{I}}_{{\text{soil}}}} $ 为完全裸土或无植被覆盖区像元的NDVI值, $ {\text{NDV}}{{\text{I}}_{{\text{veg}}}} $ 为完全植被覆盖像元的NDVI值。研究采用累积百分数5%作为裸土的纯像元,累积百分数95%作为植被纯像元。

    植被覆盖恢复速率(vegetation coverage recovery rate,VCRR)表示植被覆盖度受损后恢复的速率,是根据植被受损前后变化差异评估和监测植被恢复情况的参数,其计算公式为:

    $$ {\text{VCRR = }}\frac{{{\text{VF}}{{\text{C}}_{{t}}}{{ - {\rm{VF}}}}{{\text{C}}_{{\text{post}}}}}}{{{\text{VF}}{{\text{C}}_{{\text{pre}}}}-{\text{ VF}}{{\text{C}}_{{\text{post}}}}}} $$ (4)

    式中, ${\text{VF}}{{\text{C}}_t}$ 为震后第t年的植被覆盖度, $ {\text{VF}}{{\text{C}}_{{\text{post}}}} $ 为震后植被覆盖度最低的一期指数, $ {\text{VF}}{{\text{C}}_{{\text{pre}}}} $ 为地震前植被指数。

    强震区崩滑体一般呈马蹄形、簸箕形、弧形或不规则形的形态,表面粗糙,起伏不平,色调为灰色、灰白色,周围地形稳定则颜色较暗,崩滑边界明显可见,前部有如舌状伸入沟谷或河道中即滑舌[26],研究以此为解译标志对5期高分遥感影像进行了解译,结果如图2所示。震前研究区地质环境稳定,崩滑灾害少有发生,在2007年的遥感影像中,一共解译出14个崩滑物源,总面积为15.68×104 km2。汶川地震后,研究区发生大量崩塌滑坡,导致坡面岩土体松动。在2009年的遥感影像中,一共解译出200个崩滑物源,总面积为442.45×104 m2,新增及扩大面积比例高达96.46%。2010年8月13日,汶川震区发生持续强降雨,在降雨的作用下松散的崩滑体发生滑动,原本整体堆积在坡面的崩滑体逐步分散瓦解,部分崩滑体形成洪沙沿着沟道冲刷堆积到沟口。在2012年的遥感影像中,一共解译出447个崩滑物源,总面积为252.86×104 m2,与震后2009年相比,面积减少189.59×104 m2,比例为42.85%;数量增加247个,比例为55.26%。在2015年的遥感影像中,一共解译出364个崩滑物源,总面积为146.07×104 m2;此后,随着时间的延长,研究区未再发生强震、暴雨等事件,崩滑体面积和数量均减少。在2018年的遥感影像中,一共解译出148个崩滑物源,总面积为98.97×104 m2。崩滑物源变化特征见表2

    图  2  研究区多期崩滑物源分布
    Fig.  2  Landslide deposits distribution of multiphase remote sensing images in the research area
    下载: 全尺寸图片
    表  2  崩滑物源变化特征
    Table  2  Variation characteristics of landslide deposits
    年份 物源数量/个 物源面积/(104 m2) 相较前1期数量变化率/% 相较前1期面积变化率/%
    2007 14 15.68
    2009 200 442.45 93.00 96.46
    2012 447 252.86 55.26 42.85
    2015 364 146.07 18.57 42.23
    2018 148 98.97 59.34 32.24

    由于降雨、植被恢复等外界条件的影响,崩滑物源数量波动较大,不能真实反映物源的演化趋势,所以,根据5期遥感影像的解译数据,选取崩滑物源面积Area为指标(因变量),年份T为自变量,探究物源的演化模式,R2为0.9935,表明拟合程度较高(图3)。如图3所示,崩滑物源面积随着时间的推移不断减少,并以指数函数的模式衰减,预测物源面积恢复到震前水平的时间约为21 a。

    图  3  研究区崩滑物源演化模式
    Fig.  3  Evolution model of landslide deposits in the research area
    下载: 全尺寸图片
    3.2.1   崩滑物源在高程上的分布与演化

    研究区高程最高为4 897 m,最低为774 m。首先,以12.5 m分辨率的数字高程模型为基础数据,根据地形条件将整个研究区高程以200 m为间隔进行分级,划分为11级;然后,将解译的5期崩滑物源图层与DEM分别进行叠加分析,对崩滑物源在高程上的分布面积进行统计,并利用确定性系数模型计算崩滑物源在各个高程区间的CF值,得到不同年份崩滑物源在高程上的空间分布特征及演化规律,结果如图4所示(点表示CF值,柱状图表示物源面积,下文同)。

    图  4  崩滑物源在高程上的演化
    Fig.  4  Evolution of landslide deposits on elevation
    下载: 全尺寸图片

    图4可知:震前2007年崩滑物源在高程1 200~1 800 m内CF值均大于0.5,震后2009年崩滑物源在高程小于1 800 m内CF值均大于0.5,表明在此范围内的崩滑体活动性高。2012、2015、2018年3期崩滑体物源都呈现出随着高程的增加,CF值先增加后降低的趋势,表明震后崩滑物源随着高程的增加,活动性先增加后降低,在某段高程活动性最高。2012年崩滑物源活动性最高的高程为1 200~1 800 m,CF值均大于0.4;2015年崩滑物源活动性最高的高程为1 400~2 200 m,CF值均大于0.3;2018年崩滑物源活动性最高的高程为1 800~2 400 m,CF值均大于0.3。高程大于2 000 m的区域CF值随着时间的推移而增大,说明崩滑物源在高海拔区域的活动性增强。

    3.2.2   崩滑物源在坡度上的分布与演化

    首先,根据DEM数据提取研究区的坡度,依据地形条件将整个研究区坡度以5°为间隔划分为12级,并将解译的5期崩滑物源图层与坡度分别进行叠加分析,对崩滑物源在坡度上的分布面积进行统计;利用确定性系数模型计算崩滑物源在各个坡度区间的CF值,得到不同年份崩滑物源在坡度上的空间分布特征及演化规律,结果如图5所示。

    图  5  崩滑物源在坡度上的演化
    Fig.  5  Evolution of landslide deposits on slope
    下载: 全尺寸图片

    图5可知:震前2007年崩滑物源主要分布在坡度大于30°的区域。从空间上来看,震后2009、2012、2015、2018年崩滑物源面积随着坡度增加逐渐增大到峰值后减少,峰值分别为65.11×104、36.98×104、22.84×104、16.56×104 m2,达到峰值的区间都在35°~45°内。物源发育面积最大并不代表该区域发生崩滑的可能性最高。CF值随着坡度的增大而增大,说明随着坡度的增大,土体不稳定性增加,在大于60°的区域活动性最高,发生崩滑的概率大;在坡度小于40°的范围,CF值随着时间的推移而增大,表明随着时间的推移,坡度小于40°区域的崩滑体活动性逐渐增强。

    3.2.3   崩滑物源在坡向上的分布与演化

    坡向对崩滑物源的分布有着重要的影响,不同坡向的斜坡受到的太阳辐射强度、降雨强度不同,导致斜坡的植被覆盖、坡向侵蚀、岩土稳定性等不同,因此不同坡向的崩滑物源变化特征不同。利用DEM数据提取出研究区的坡向,将解译的5期崩滑物源图层与坡向分别进行叠加分析,对崩滑物源在坡向上的分布面积进行统计,并利用确定性系数模型计算崩滑物源在各个坡向区间的CF值,得到不同年份崩滑物源在坡向上的空间分布特征及演化规律,结果如图6所示。

    图  6  崩滑物源在坡向上的演化
    Fig.  6  Evolution of landslide deposits on aspect
    下载: 全尺寸图片

    图6可知:震前2007年主要分布在坡向为E、SE、S范围内, CF值均大于0.4。震后2009、2012、2015、2018年崩滑物源主要分布在坡向为E、SE、S、SW范围内,面积峰值都在SE侧,分别为170.91×104、72.1×104、35.36×104、24.96×104 m2。震后各个年份CF值都呈现出随着坡向从北侧至西侧先增大后减小的趋势,在SE侧CF值达到最大,分别为0.61、0.47、0.40、0.37,表明发生崩滑灾害的概率从北侧至西侧先增大后减小,崩滑体活动性最高的坡向为SE。在时间上,CF值在E、SE、S侧随年份的增加而降低,表明崩滑物源在该坡向上的活动性随时间推移而逐渐减弱。

    3.2.4   崩滑物源在距沟道距离上的分布与演化

    距沟道距离是崩滑物源活动的间接影响因子。利用空间分析模块下的欧氏距离工具,以200 m为间距创建流域内沟道的多环缓冲区,共分为8级,对崩滑物源在各距离范围内的分布面积进行统计,并利用确定性系数模型计算崩滑物源在各距离范围内的CF值,得到不同年份崩滑物源在距沟道距离的空间分布特征及演化规律,结果如图7所示。

    图  7  崩滑物源在距沟道距离上的演化
    Fig.  7  Evolution of landslide deposits on distance from the channel
    下载: 全尺寸图片

    图7所示:震前2007年崩滑易发区在距离沟道200~800 m的范围内,该区域CF值均大于0.45。在空间上,震后每期崩滑物源CF值呈现出随距沟道距离的增加而减少的趋势,在距沟道距离大于800 m的范围内,CF值均逐渐小于0;大于1 400 m的范围,每期CF值均小于−0.4。由此表明,沟道附近汇水量较大容易引发斜坡坡脚失稳,越靠近沟道的地方,崩滑物源面积发育越大,物源活动性越强,距沟道距离小于800 m的范围崩滑体活动性最强。在时间上,距沟道距离大于200 m的区域CF值随时间的推移而增加,表明距沟道距离大于200 m的区域崩滑体的活动性增强。

    3.2.5   崩滑物源在距断层距离上的分布与演化

    距断层距离对崩滑物源活动起间接控制作用。利用空间分析模块下的欧氏距离工具,以300 m为间距创建流域内断层的多环缓冲区,共分为9级;对崩滑物源在各距断层距离范围内的分布面积进行统计,并利用确定性系数模型计算崩滑物源在各距断层距离范围内的CF值,得到不同年份崩滑物源在距断层距离的空间分布特征及演化规律,结果如图8所示。

    图  8  崩滑物源在距断层距离上的演化
    Fig.  8  Evolution of landslide deposits on distance from the fault
    下载: 全尺寸图片

    图8可知,震前2007年崩滑物源主要分布在距断层300~1200 m的地方,面积为15.04×104 m2,CF值均大于0.5。震后2009、2012、2015、2018年,每期崩滑物源随着距断层距离增大,发育面积逐渐减少,峰值在距断层距离小于300 m的范围内,分别为166.25×104、86.37×104、46.52×104、28.82×104 m2。震后每期CF值整体上随着距断层距离的增加而减少,距断层距离大于1 500 m的地方的CF值均逐渐小于0,并且在此范围内CF值随着时间的推移逐渐增大。由此看出,汶川地震使断层附近区域岩土体松动,距断层距离小于1 500 m的地方崩滑体滑动性高,并且随着时间的推移,崩滑物源在距断层距离大于1 500 m的地方活动性增强。

    3.2.6   崩滑物源在年均降水量上的分布和演化

    降水对崩滑物源的分布和活动有重要影响。将整个研究区年均降水量以10 mm为间隔划分为8级;将解译的5期崩滑物源图层与年均降水量分别进行叠加分析,对崩滑物源在年均降水量上的分布面积进行统计,并利用确定性系数模型计算崩滑物源在各个区间的CF值,得到不同年份崩滑物源在降水上的空间分布特征及演化规律,结果如图9所示。

    图  9  崩滑物源在年均降水量上的演化
    Fig.  9  Evolution of landslide deposits on average annual precipitation
    下载: 全尺寸图片

    图9可知:震前崩滑物源主要分布在年均降水量830~860 mm区域;震后2009年崩滑物源主要集中在年均降水量810~860 mm区域,2012、2015年崩滑物源主要集中在年均降水量830~860 mm区域, 2018年崩滑物源主要分布在平均降水量850~860 mm区域,且在平均降水量830~850 mm区域CF均大于0.35,表明在降水量丰富的区域崩滑物源分布广泛,降水量的增加对崩滑物源的发育起促进作用,在降水量830~850 mm区域活动性最强。在年均降水量大于840 mm的区域,CF值随着时间的推移逐渐增大,表明随着时间的推移,降水量较高的区域崩滑物源的活动性逐渐增强,因此,需要加强对较高降水量区域崩滑物源的监测,以防止洪沙、泥石流等灾害的发生。

    3.3.1   植被覆盖度变化

    植被恢复情况对崩滑物源的活动有一定的影响。为分析研究区植被动态变化,对原始Landsat影像进行剪裁、辐射定标、大气矫正等预处理,根据式(2)、(3)分别计算出各年份的植被指数NDVI和植被覆盖度VFC,并将植被覆盖度VFC以0.05的间隔分为20类,得到植被覆盖度VFC值的频率分布(图10)。由图10可知:震前2007年研究区植被状况良好,植被覆盖度平均值为0.68;2008年汶川地震导致研究区植被覆盖度频率分布格局发生较大变化,植被覆盖度平均值急剧下降;2009年研究区植被覆盖度平均值降低到0.48。随着时间的推移,研究区植被覆盖度逐渐增加,2012、2015和2018年研究区植被覆盖度平均值分别为0.51、0.53、0.64,植被覆盖度频率分布逐渐趋于震前状态。根据这5期数据的植被覆盖度平均值VFCa探究其随年份的变化趋势,如图11所示,预测震后植被覆盖度恢复到震前水平至少需要14 a。

    图  10  研究区植被覆盖度VFC值的频率分布
    Fig.  10  Frequency distribution of VFC in the study area
    下载: 全尺寸图片
    3.3.2   植被恢复速率演化

    根据式(4)计算得到研究区2012、2015和2018年植被恢复速率VCRR,将植被覆盖恢复速率VCRR分为4级:小于0为植被恢复极差;0~0.5为植被恢复较差;0.5~1.0为植被恢复中等;大于1.0为植被恢复良好,再叠加对应时期的崩滑体图层,结果如图12所示。另外,统计各期不同类别植被恢复速率的面积和百分比,见表3。2009—2012年间,暴雨引发的大规模滑坡和山洪、泥石流,崩滑体的个数由200增长到447,增长率达到55.26%,区域生态系统不稳定,导致2012年植被恢复程度低,植被恢复极差及较差区域达62.68%。2012—2018年间,崩滑体面积由252.86×104减少到98.97×104 m2,个数由447减少到148;植被覆盖度逐渐增加,2015、2018年植被恢复中等及以上的区域分别占64.24%、占70.69%,表明崩滑体的减少有助于植被恢复。

    表  3  2009年后研究区不同类别植被恢复速率的面积和百分比统计
    Table  3  Statistics of area and percentage for different VRR categories after 2009
    年份 VCRR∈(–∞,0] VCRR∈(0,0.5] VCRR∈(0.5,1.0] VCRR∈(1.0,+∞)
    面积/km2 百分比/% 面积/km2 百分比/% 面积/km2 百分比/% 面积/km2 百分比/%
    2012 202.62 33.85 172.56 28.83 105.72 17.66 117.59 19.65
    2015 151.26 25.29 62.63 10.47 100.75 16.84 283.58 47.40
    2018 109.68 18.34 65.55 10.96 158.65 26.53 264.09 44.16
    图  11  研究区平均植被覆盖度VFCa变化趋势
    Fig.  11  Variation trend of VFCa in the research area
    下载: 全尺寸图片
    图  12  2009年后研究区植被恢复速率VCRR与崩滑物源的分布
    Fig.  12  Distribution of VCRR and landslide deposits in the research area after 2009
    下载: 全尺寸图片
    3.3.3   崩滑物源在各等级植被恢复情况的分布与演化

    根据表3对崩滑物源在各植被恢复情况上的分布面积进行统计,并利用确定性系数模型计算崩滑物源在各等级植被恢复情况的CF值,得到2012、2015和2018年崩滑物源在各植被恢复情况上的空间分布特征及演化规律,结果如图13所示。

    图  13  崩滑物源在各等级植被恢复的演化
    Fig.  13  Evolution of landslide deposits in various types of VCRR
    下载: 全尺寸图片

    图13可知:2012、2015和2018年崩滑物源面积随着植被恢复程度的增加而减少,在植被恢复极差的区域面积最大,分别为97.36×104、73.32×104、40.43×104 m2,并且CF值在植被恢复差的区域随着时间的推移增大,表明植被恢复差的区域崩滑物源的发育更好。这3期数据中的CF值整体上随着植被恢复程度的增加而减少,在植被恢复中等及良好的区域CF值随着时间的推移而降低,在植被恢复良好的区域;3期数据的CF值均小于–0.35。这表明在植被恢复程度高的地方,崩滑体的活动性低且随着时间的推移而降低,植被的恢复能有效减弱崩滑物源的活动,降低崩滑、洪沙灾害的发生概率。

    1)寿溪河流域5期遥感影像解译的崩滑物源面积分别为15.68×104、442.45×104、252.86×104、146.07×104、98.97×104 m2,且以指数函数的模式衰减,预测物源面积恢复到震前水平的时间约为 21 a。

    2)研究区震后崩滑物源活动性最强的区域特征为:高程1200~2400 m,坡度大于60°,坡向SE,距沟道距离小于800 m,距断层距离小于1 500 m,年均降水量830~850 mm。演化趋势为崩滑物源在高程大于2 000 m、坡度小于40°、距沟道距离大于200 m、距断层距离大于1500 m、年均降水量大于840 mm的区域的活动性增强,在E、SE、S侧活动性减弱。

    3)震前2007年研究区植被状况良好,震后随着时间的推移,植被覆盖度以线性形式增长,预测震后至少14 a植被覆盖度恢复到震前水平。2012、2015、2018年植被恢复中等及以上的区域分别占37.32%、64.24%、70.69%,研究区植被逐渐恢复。且崩滑物源在植被恢复极差的区域面积最大、活动性最高,而在植被恢复程度高的地方,崩滑体的活动性低且随着时间的推移降低,植被的恢复能有效减弱崩滑物源的活动,降低发生崩滑灾害的概率。

  • 图  1   研究区地理位置

    Fig.  1   Geographical location of the research area

    下载: 全尺寸图片

    图  2   研究区多期崩滑物源分布

    Fig.  2   Landslide deposits distribution of multiphase remote sensing images in the research area

    下载: 全尺寸图片

    图  3   研究区崩滑物源演化模式

    Fig.  3   Evolution model of landslide deposits in the research area

    下载: 全尺寸图片

    图  4   崩滑物源在高程上的演化

    Fig.  4   Evolution of landslide deposits on elevation

    下载: 全尺寸图片

    图  5   崩滑物源在坡度上的演化

    Fig.  5   Evolution of landslide deposits on slope

    下载: 全尺寸图片

    图  6   崩滑物源在坡向上的演化

    Fig.  6   Evolution of landslide deposits on aspect

    下载: 全尺寸图片

    图  7   崩滑物源在距沟道距离上的演化

    Fig.  7   Evolution of landslide deposits on distance from the channel

    下载: 全尺寸图片

    图  8   崩滑物源在距断层距离上的演化

    Fig.  8   Evolution of landslide deposits on distance from the fault

    下载: 全尺寸图片

    图  9   崩滑物源在年均降水量上的演化

    Fig.  9   Evolution of landslide deposits on average annual precipitation

    下载: 全尺寸图片

    图  10   研究区植被覆盖度VFC值的频率分布

    Fig.  10   Frequency distribution of VFC in the study area

    下载: 全尺寸图片

    图  11   研究区平均植被覆盖度VFCa变化趋势

    Fig.  11   Variation trend of VFCa in the research area

    下载: 全尺寸图片

    图  12   2009年后研究区植被恢复速率VCRR与崩滑物源的分布

    Fig.  12   Distribution of VCRR and landslide deposits in the research area after 2009

    下载: 全尺寸图片

    图  13   崩滑物源在各等级植被恢复的演化

    Fig.  13   Evolution of landslide deposits in various types of VCRR

    下载: 全尺寸图片

    表  1   遥感影像数据及其特征参数

    Table  1   Remote sensing image data and its characteristic parameters

    类型 卫星 时间 分辨率/m 波段
    崩滑物源
    解译影像
    ALOS 2007年 10.0 多光谱+全色
    Landsat5+Alos 2009年 10.0
    YG–2+RE 2012年 8.0
    GF1+ZY3 2015年 8.0
    Spot 7 2018年 1.5
    植被覆盖度
    提取影像
    Landsat7 2007年4月 30.0 多光谱
    Landsat5 2009年3月
    Landsat7 2012年5月
    Landsat8 2015年2月
    Landsat8 2018年4月

    表  2   崩滑物源变化特征

    Table  2   Variation characteristics of landslide deposits

    年份 物源数量/个 物源面积/(104 m2) 相较前1期数量变化率/% 相较前1期面积变化率/%
    2007 14 15.68
    2009 200 442.45 93.00 96.46
    2012 447 252.86 55.26 42.85
    2015 364 146.07 18.57 42.23
    2018 148 98.97 59.34 32.24

    表  3   2009年后研究区不同类别植被恢复速率的面积和百分比统计

    Table  3   Statistics of area and percentage for different VRR categories after 2009

    年份 VCRR∈(–∞,0] VCRR∈(0,0.5] VCRR∈(0.5,1.0] VCRR∈(1.0,+∞)
    面积/km2 百分比/% 面积/km2 百分比/% 面积/km2 百分比/% 面积/km2 百分比/%
    2012 202.62 33.85 172.56 28.83 105.72 17.66 117.59 19.65
    2015 151.26 25.29 62.63 10.47 100.75 16.84 283.58 47.40
    2018 109.68 18.34 65.55 10.96 158.65 26.53 264.09 44.16
  • [1] Cheng J D,Huang Y C,Wu H L,et al.Hydrometeorological and landuse attributes of debris flows and debris floods during typhoon Toraji,July 29–30,2001 in central Taiwan[J].Journal of Hydrology,2005,306(1/2/3/4):161–173.
    [2] Dunning S A,Mitchell W A,Rosser N J,et al.The Hattian Bala rock avalanche and associated landslides triggered by the Kashmir Earthquake of 8 October 2005[J].Engineering Geology,2007,93(3/4):130–144.
    [3] Gorum T,van Westen C J,Korup O,et al.Complex rupture mechanism and topography control symmetry of mass-wasting pattern,2010 Haiti earthquake[J].Geomorphology,2013,184:127–138. doi: 10.1016/j.geomorph.2012.11.027
    [4] Xu Chong,Xu Xiwei,Shyu J B H,et al.Landslides triggered by the 20 April 2013 Lushan,China,Mw 6.6 earthquake from field investigations and preliminary analyses[J].Landslides,2015,12(2):365–385. doi: 10.1007/s10346-014-0546-1
    [5] Fan Xuanmei,Scaringi G,Xu Qiang,et al.Coseismic landslides triggered by the 8th August 2017 Ms 7.0 Jiuzhaigou earthquake(Sichuan,China):Factors controlling their spatial distribution and implications for the seismogenic blind fault identification[J].Landslides,2018,15(5):967–983. doi: 10.1007/s10346-018-0960-x
    [6] 许冲,戴福初,姚鑫.汶川地震诱发滑坡灾害的数量与面积[J].科技导报,2009,27(11):79–81. doi: 10.3321/j.issn:1000-7857.2009.11.017

    Xu Chong,Dai Fuchu,Yao Xin.Incidence number and affected area of Wenchuan earthquake-induced landslides[J].Science & Technology Review,2009,27(11):79–81 doi: 10.3321/j.issn:1000-7857.2009.11.017
    [7] 许强.四川省8·13特大泥石流灾害特点、成因与启示[J].工程地质学报,2010,18(5):596–608. doi: 10.3969/j.issn.1004-9665.2010.05.002

    Xu Qiang.The 13 August 2010 catastrophic debris flows in Sichuan Province:Characteristics,genetic mechanism and suggestions[J].Journal of Engineering Geology,2010,18(5):596–608 doi: 10.3969/j.issn.1004-9665.2010.05.002
    [8] 曹晨,余斌,马二龙,等.四川汶川县佛堂坝沟“7·10”泥石流调查研究[J].泥沙研究,2019,44(1):38–43. doi: 10.16239/j.cnki.0468-155x.2019.01.006

    Cao Chen,Yu Bin,Ma Erlong,et al.Study on debris flow in Fongtuba Gully after the earthquake at Wenchuan County of Sichuan Province[J].Journal of Sediment Research,2019,44(1):38–43 doi: 10.16239/j.cnki.0468-155x.2019.01.006
    [9] Huang Runqiu,Li Weile.Post-earthquake landsliding and long-term impacts in the Wenchuan earthquake area,China[J].Engineering Geology,2014,182:111–120. doi: 10.1016/j.enggeo.2014.07.008
    [10] Gorum T,Fan Xuanmei,van Westen C J,et al.Distribution pattern of earthquake-induced landslides triggered by the 12 May 2008 Wenchuan earthquake[J].Geomorphology,2011,133(3/4):152–167.
    [11] Tang Chuan,Zhu Jing,Chang Ming,et al.An empirical-statistical model for predicting debris-flow runout zones in the Wenchuan earthquake area[J].Quaternary International,2012,250:63–73. doi: 10.1016/j.quaint.2010.11.020
    [12] Ni Huayong,Tang Chuan,Zheng Wanmo,et al.An overview of formation mechanism and disaster characteristics of post-seismic debris flows triggered by subsequent rainstorms in Wenchuan earthquake extremely stricken areas[J].Acta Geologica Sinica(English Edition),2014,88(4):1310–1328. doi: 10.1111/1755-6724.12290
    [13] Chang Ming,Tang Chuan,van Asch T W J,et al.Hazard assessment of debris flows in the Wenchuan earthquake-stricken area,South West China[J].Landslides,2017,14(5):1783–1792. doi: 10.1007/s10346-017-0824-9
    [14] 张建石.汶川县肖家沟泥石流物源演变及冲出规模研究[J].人民长江,2020,51(8):37–43. doi: 10.16232/j.cnki.1001-4179.2020.08.007

    Zhang Jianshi.Characteristics of Xiaojiagou debris flow source evolution and inrushing scales in Wenchuan earthquake area[J].Yangtze River,2020,51(8):37–43 doi: 10.16232/j.cnki.1001-4179.2020.08.007
    [15] 黄润秋.汶川地震地质灾害后效应分析[J].工程地质学报,2011,19(2):145–151. doi: 10.3969/j.issn.1004-9665.2011.02.001

    Huang Runqiu.After effect of geohazards induced by the Wenchuan earthquake[J].Journal of Engineering Geology,2011,19(2):145–151 doi: 10.3969/j.issn.1004-9665.2011.02.001
    [16] Tang Chuan,Zhu Jing,Qi Xin,et al.Landslides induced by the Wenchuan earthquake and the subsequent strong rainfall event:A case study in the Beichuan area of China[J].Engineering Geology,2011,122(1/2):22–33.
    [17] 付智勇,龙晶晶,常鸣.汶川地震前后四川都江堰龙池镇地区泥石流物源分布特征及其演化规律[J].中国地质灾害与防治学报,2019,30(6):10–19. doi: 10.16031/j.cnki.issn.1003-8035.2019.06.02

    Fu Zhiyong,Long Jingjing,Chang Ming.Distribution characteristics and evolution rules of sediment supply for debris flow occurrence around Longchi Town of Dujiangyan City,Sichuan Province[J].The Chinese Journal of Geological Hazard and Control,2019,30(6):10–19 doi: 10.16031/j.cnki.issn.1003-8035.2019.06.02
    [18] 罗玉婷,唐川,陈明,等.强震区泥石流流域崩滑体物源时空演变特征[J].水土保持研究,2020,27(3):336–341. doi: 10.13869/j.cnki.rswc.2020.03.048

    Luo Yuting,Tang Chuan,Chen Ming,et al.Temporal and spatial evolution characteristics of landslides in debris flow basin in meizoseismal area[J].Research of Soil and Water Conservation,2020,27(3):336–341 doi: 10.13869/j.cnki.rswc.2020.03.048
    [19] 李明威,唐川,陈明,等.汶川震区北川县泥石流流域崩滑体时空演变特征[J].水文地质工程地质,2020,47(3):182–190. doi: 10.16030/j.cnki.issn.1000-3665.201909006

    Li Mingwei,Tang Chuan,Chen Ming,et al.Spatio-temporal evolution characteristics of landslides in debris flow catchment in Beichuan County in the Wenchuan earthquake zone[J].Hydrogeology & Engineering Geology,2020,47(3):182–190 doi: 10.16030/j.cnki.issn.1000-3665.201909006
    [20] Yunus A P,Fan Xuanmei,Tang Xiaolu,et al.Decadal vegetation succession from MODIS reveals the spatio-temporal evolution of post-seismic landsliding after the 2008 Wenchuan earthquake[J].Remote Sensing of Environment,2020,236:111476. doi: 10.1016/j.rse.2019.111476
    [21] Chen Ming,Tang Chuan,Wang Xiaodi,et al.Temporal and spatial differentation in the surface recovery of post-seismic landslides in Wenchuan earthquake-affected areas[J].Ecological Informatics,2021,64:101356. doi: 10.1016/j.ecoinf.2021.101356
    [22] Shortliffe E H,Buchanan B G.A model of inexact reasoning in medicine[J].Mathematical Biosciences,1975,23(3/4):351–379.
    [23] 陈晓利,冉洪流,祁生文.1976年龙陵地震诱发滑坡的影响因子敏感性分析[J].北京大学学报(自然科学版),2009,45(1):104–110. doi: 10.13209/j.0479-8023.2009.016

    Chen Xiaoli,Ran Hongliu,Qi Shengwen.Triggering factors susceptibility of earthquake-induced landslides in 1976 Longling earthquake[J].Acta Scientiarum Naturalium Universitatis Pekinensis,2009,45(1):104–110 doi: 10.13209/j.0479-8023.2009.016
    [24] Wang Ling,Tian Bingwei,Masoud A,et al.Relationship between remotely sensed vegetation change and fracture zones induced by the 2008 Wenchuan earthquake,China[J].Journal of Earth Science,2013,24(2):282–296. doi: 10.1007/s12583-013-0329-y
    [25] Scaioni M.Remote sensing for landslide investigations:From research into practice[J].Remote Sensing,2013,5(11):5488–5492. doi: 10.3390/rs5115488
    [26] 蒋志林,朱静,常鸣,等.汶川地震区红椿沟泥石流形成物源量动态演化特征[J].山地学报,2014,32(1):81–88. doi: 10.3969/j.issn.1008-2786.2014.01.011

    Jiang Zhilin,Zhu Jing,Chang Ming,et al.Dynamic evolution characteristics of Hongchun gully source area of debris flow in Wenchuan earthquake region[J].Mountain Research,2014,32(1):81–88 doi: 10.3969/j.issn.1008-2786.2014.01.011
图(13)  /  表(3)

本文结构

    /

    返回文章
    返回