2014年鲁甸MS6.5地震触发滑坡编录及其对一些地震参数的指示

2014年8月3日云南鲁甸MS6.5地震不仅直接造成建筑倒塌,还触发了大量的山体滑坡,一些滑坡掩埋了居民点,造成了严重的人员伤亡与财产损失。基于震后高分辨率TH01-02与SJ9A卫星影像,震前高分辨率GF1卫星影像,采用人工目视解译方法,建立了鲁甸地震滑坡编录图。并基于部分滑坡的野外照片与超高分辨率航片对解译结果进行验证。结果表明,鲁甸地震至少触发了1024处面积>100m2的滑坡。这些滑坡分布在一个面积约为250km2的区域内,滑坡覆盖面积为5.19km2,总体积约为2.2×107m3。滑坡分布区内的滑坡点密度约为4.03个·km-2,面密度约为2.04%,滑坡平均剥蚀厚度约为86.7mm。对震中周围不同方位的滑坡数量与面积进行了统计,结果显示,滑坡总体上呈NW-SE方向分布,且大多数滑坡位于震中的SE方向。这表明鲁甸地震发震构造更可能是一条NW向断层,且破裂方向是自NW向SE。这与其他地震、地质、地球物理等方面的证据所表现出来的发震断层性质相吻合。将鲁甸地震滑坡分布面积、滑坡数量、面积、体积与全球其他震例进行对比,结果表明,鲁甸地震滑坡分布区较小,但是大滑坡较多、滑坡体积相对大。这反映了鲁甸地震具有震源浅与地震能量衰减迅速的特点。

滑坡编录表达模式对易发性评价结果的影响

以贵州省六盘水市水城区为例,采用点单元与面单元两种滑坡编录模式,选取相同因子分级与易发性分级方法,对比分析两种模式下滑坡易发性评价结果的差异性。选取海拔高度、坡向、坡度、起伏度、斜坡结构、工程岩组、矿山相对密度、与河流间的距离、与道路间的距离9个因子,使用信息量法对研究区进行滑坡易发性评价。结果表明:基于面单元的易发性评价结果精度高于点单元评价结果,其易发性分级结果的合理性同样明显优于点单元。使用面单元能够提高滑坡易发性精度的原因是其能表达更多的空间信息。

基于多时空滑坡编录和TrAdaBoost迁移学习的滑坡易发性评价

为了解决震区不同时期易发性评价中滑坡编录样本不足问题,以汶川地震震区汶川‒映秀区域为研究区,基于TrAdaBoost迁移学习算法,利用2011‒2013年滑坡数据集辅助训练2013‒2015年滑坡数据集的滑坡易发性模型,分别建立了以决策树(DT)和随机森林(RF)为单体学习器的TrAdaBoost-DT和TrAdaBoost-RF滑坡易发性模型.通过所建立的模型对研究区的滑坡易发性进行预测,并将预测结果与仅用2013‒2015年滑坡数据集所建立的DT和RF模型的预测结果进行对比.以受试者工作曲线下方面积(AUC)为评价指标,TrAdaBoost模型使得DT和RF模型的AUC分别提高了0.03和0.01.为了进一步验证所提方法有效性,以2013‒2015年滑坡数据集辅助训练2015‒2018年滑坡数据集中的易发性模型.结果表明,基于TrAdaBoost模型优化DT和RF模型的AUC均提高了0.13;TrAdaBoost模型能够有效提高传统基于机器学习滑坡易发性模型的预测性能,且对小数据集下的滑坡易发性模型的预测性能提升更为显著.

滑坡风险评估的难点和进展

近年来,国内外滑坡研究日益重视滑坡风险评估和管理技术方法的研究,但滑坡风险评估依然是存在很多问题和难点,尤其是在中等—大比例尺区域滑坡风险定量评估方面,主要表现在滑坡编录数据库建设、滑坡影响因素的识别和建模、滑坡时间、空间预测的不确定性,滑坡诱发因素动态变化的定量刻画,承灾体识别和易损性定量评价等方面。在阐述滑坡风险评估流程的基础上,围绕滑坡风险评估与制图中滑坡编录和基础数据获取与更新,危险性分析中的滑坡空间、时间概率和滑坡特征预测、损失评估中的易损性分析与定量和承灾体定量化制图等技术方法中的难点和存在的问题,概述针对这些问题所取得的研究进展,并指出了滑坡风险研究的技术发展趋势。

基于多层次物理力学参数的小区域地震滑坡危险性评估——以长江上游石棉县城及周边为例

通过实地调查、遥感解译、资料收集等手段,获取滑坡崩塌体编录、松散堆积层、地质单元的岩土体物理力学参数,使得滑坡编录、地质调查数据与区域Newmark位移模型有机结合。研究表明,在滑坡编录等3个层次中,由第一层次到第三层次,物理力学参数精度逐渐下降,这也反映了滑坡编录在危险性评价中所占据的重要性,更能与实际相吻合。通过对长江上游石棉县城地质灾害潜在危险性的评估,得出了不同尺度峰值加速度下危险性分布区域与规律,经与危险性线性拟合,在峰值加速度a=0.3时,区域危险区面积呈大规模急剧上升,为区域毁灭性灾难的临界值。同时,石棉县城随着峰值加速度数值增大,危险区从滑坡编录控制逐渐过渡到坡度控制,显示了多层次物理力学参数下危险性评估的合理性。