辛星等：三维确定性模型在浅层黄土滑坡稳定性预测中的应用 ·401· 滑坡分布图（图4）.来自现场的证据和从图中可发 土体物理力学参数来预测浅层黄土滑坡的稳定性. 现，浅层黄土滑坡主要分布在主沟和支沟斜坡下部 本文利用1：5000地形图，扫描等值线并且数字化， 较陡峻的区域，而斜坡顶部及黄土梁上只有少量滑 生成了分辨率为3、5和10m的数字高程模型数据. 坡分布 模型输入的土体力学参数主要包括黏聚力、摩擦角 和密度，根据现场获取的111组原状样的实验结果， 0250500m 得到研究区土体平均天然含水率为8%，对应状态 下的力学参数见表2.一般情况下，天然干燥的黄土 边坡的稳定性较好，因此本文选取了天然状态下的 土体力学参数和5m分辨率的数字高程模型数据进 行初步验证 降雨会导致土体含水量增加从而降低土体强 度，斜坡的稳定性随之降低，而集中且持续的强降雨 图例 通常会使土体的含水量大幅增加，从而引起滑坡发 ◆点状滑坡 生，因此，本文基于实验结果，选择含水质量分数为 ☐面状滑坡 20%的湿润状态下的土体力学参数作为模型输入参 数.为了验证选择参数的准确性和可靠性，对比了 图4研究区的滑坡分布图 姜海波等对环县马兰黄土的力学参数随含水量的变 Fig.4 Landslide inventory in the study area 化的研究，其中环县与华池县相邻且同属陇东地区， 3 研究区稳定性预测和检验 结果证明本文对黏聚力、摩擦角和密度的取值与研 究结果保持一致的.本文基于现场调查估算了模 3.1数据来源和参数选取 型计算所需要的滑坡体积，具体的模型输入参数见 Scoops.3D依据研究区的数字高程模型数据和 表2. 表2模型输入参数 Table 2 Input data of the model 土体状态 含水率/% 加速度/(ms2) 黏聚力/kPa 摩擦角/() 密度/(kg·m3) 滑体下限/m3 滑体上限/m3 天然状态 9.81 0 多 1478 0 1000 湿润状态 20 9.81 6 23 1753 10 1000 3.2预测结果及分析 区处于稳定状态且安全系数最小为1.39，因此可以 Scoops3D可计算出数字高程模型数据中每个 证明在天然干燥状态下黄土斜坡的稳定性良好，而 栅格的安全系数，为便于研究区危险性等级划分和 土体含水率增大之后，随着土体强度降低其稳定性 预测结果统计分析，本文参考了Manuel Teixeira对 也随之降低，不稳定区域明显增加（图5(b)~ 区域滑坡稳定性评价中安全系数的划分标准☒，将 (d)). 土体处于湿润状态下计算的安全系数划分为不同的 本文选取了点状滑坡和面状滑坡分布图来验证 稳定性等级（表3）. 模型预测结果的有效性，点状滑坡由于在遥感影像 表3稳定性分级 和现场调查当中比较明显且能快速辨识，其位置不 Table 3 Stability grade 易受到外界干扰而发生变化，可以准确代表滑坡的 稳定性分级 安全系数范围 稳定性程度 位置，因此，广泛用于地质调查、统计分析等方面. 1 F<0.75 极不稳定区 面状滑坡分布图可以包含滑坡的类型和规模，并且 0.75≤F<1.00 不稳定区 可以通过部分滑坡的重叠关系，从分布图上直接判 3 1.00≤F<1.25 基本稳定区 断滑坡发生的先后顺序，但其绘制需要对研究区进 1.25≤F<1.50 稳定区 行详细的调查，因此适用于小流域尺度并能用于确 F≥1.50 极稳定区 定性模型的稳定性预测.因此，本文采用点状滑坡 和面状滑坡分布图来分别验证Scoops3D模型预测 天然状态下的模型预测结果如图5(a)所示，全 结果的准确性，目的是不仅验证该模型对大范围滑辛 星等: 三维确定性模型在浅层黄土滑坡稳定性预测中的应用 滑坡分布图( 图 4) ． 来自现场的证据和从图中可发 现，浅层黄土滑坡主要分布在主沟和支沟斜坡下部 较陡峻的区域，而斜坡顶部及黄土梁上只有少量滑 坡分布． 图 4 研究区的滑坡分布图 Fig． 4 Landslide inventory in the study area 3 研究区稳定性预测和检验 3. 1 数据来源和参数选取 Scoops3D 依据研究区的数字高程模型数据和 土体物理力学参数来预测浅层黄土滑坡的稳定性． 本文利用 1∶ 5000 地形图，扫描等值线并且数字化， 生成了分辨率为 3、5 和 10 m 的数字高程模型数据． 模型输入的土体力学参数主要包括黏聚力、摩擦角 和密度，根据现场获取的 111 组原状样的实验结果， 得到研究区土体平均天然含水率为 8% ，对应状态 下的力学参数见表 2． 一般情况下，天然干燥的黄土 边坡的稳定性较好，因此本文选取了天然状态下的 土体力学参数和 5 m 分辨率的数字高程模型数据进 行初步验证． 降雨会导致土体含水量增加从而降低土体强 度，斜坡的稳定性随之降低，而集中且持续的强降雨 通常会使土体的含水量大幅增加，从而引起滑坡发 生，因此，本文基于实验结果，选择含水质量分数为 20% 的湿润状态下的土体力学参数作为模型输入参 数． 为了验证选择参数的准确性和可靠性，对比了 姜海波等对环县马兰黄土的力学参数随含水量的变 化的研究，其中环县与华池县相邻且同属陇东地区， 结果证明本文对黏聚力、摩擦角和密度的取值与研 究结果保持一致［25］． 本文基于现场调查估算了模 型计算所需要的滑坡体积，具体的模型输入参数见 表 2． 表 2 模型输入参数 Table 2 Input data of the model 土体状态 含水率/% 加速度/( m·s － 2 ) 黏聚力/ kPa 摩擦角/( °) 密度/( kg·m － 3 ) 滑体下限/m3 滑体上限/m3 天然状态 8 9. 81 30 29 1478 10 1000 湿润状态 20 9. 81 6 23 1753 10 1000 3. 2 预测结果及分析 Scoops3D 可计算出数字高程模型数据中每个 栅格的安全系数，为便于研究区危险性等级划分和 预测结果统计分析，本文参考了 Manuel Teixeira 对 区域滑坡稳定性评价中安全系数的划分标准［22］，将 土体处于湿润状态下计算的安全系数划分为不同的 稳定性等级( 表 3) ． 表 3 稳定性分级 Table 3 Stability grade 稳定性分级 安全系数范围 稳定性程度 1 F ＜ 0. 75 极不稳定区 2 0. 75≤F ＜ 1. 00 不稳定区 3 1. 00≤F ＜ 1. 25 基本稳定区 4 1. 25≤F ＜ 1. 50 稳定区 5 F≥1. 50 极稳定区 天然状态下的模型预测结果如图 5( a) 所示，全 区处于稳定状态且安全系数最小为 1. 39，因此可以 证明在天然干燥状态下黄土斜坡的稳定性良好，而 土体含水率增大之后，随着土体强度降低其稳定性 也随之 降 低，不稳定区域明显增加 ( 图 5 ( b) ～ ( d) ) ． 本文选取了点状滑坡和面状滑坡分布图来验证 模型预测结果的有效性，点状滑坡由于在遥感影像 和现场调查当中比较明显且能快速辨识，其位置不 易受到外界干扰而发生变化，可以准确代表滑坡的 位置，因此，广泛用于地质调查、统计分析等方面． 面状滑坡分布图可以包含滑坡的类型和规模，并且 可以通过部分滑坡的重叠关系，从分布图上直接判 断滑坡发生的先后顺序，但其绘制需要对研究区进 行详细的调查，因此适用于小流域尺度并能用于确 定性模型的稳定性预测． 因此，本文采用点状滑坡 和面状滑坡分布图来分别验证 Scoops3D 模型预测 结果的准确性，目的是不仅验证该模型对大范围滑 · 104 ·