0.   引言

铁路工程滑坡具有分布区域广泛、涉及地质条件多样和形成机制复杂的鲜明特色^[1]。究其原因，铁路工程建设的坡体切削、填方和堆载施工均不利于斜坡稳定，加之经济和国防建设的需要，又无法回避构造活动强烈和极端气候区，因此极易在地震和降雨等内外动力因素综合作用下诱发大量滑坡。如宝成铁路建成后的35 a间，沿线滑坡密度高达2处/km^[2~4]。有些滑坡还会造成重大伤亡和损失，例如宝成线K190滑坡^[5]、成昆线铁西滑坡和沪昆线何坊村滑坡等等^[1]。铁路工程滑坡危险性评估，通过预测沿线滑坡分布及运移特征(Runout)，不失为铁路滑坡风险管控的重要手段之一。鉴于滑坡管理的不同需求，评估不仅需要考虑全线不同段落的滑坡危险性，还应兼顾隧道进出口、桥梁及场站等重点场址的滑坡隐患。因此，需要基于不同尺度和目标开展铁路工程滑坡的危险性评估。然而，目前国内外针对铁路工程沿线开展滑坡易发性或危险性评估的研究进展并不多见^[6~10]，尤其关于多尺度滑坡危险性综合评估的进展更为欠缺。

成兰铁路作为川西北首条铁路，构建了沟通西北与西南的区际干线大通道，对推进西部大开发战略意义重大；而龙门山关键段是成兰铁路沿线工程地质条件最为复杂、且受到强震扰动的高烈度路段，该段设计和建设工作对保障整条铁路安全至关重要，前人针对该路段已开展了地质选线^[11~13]、区域地质灾害危险性评估^[14]、泥石流单灾种评估与防治等问题研究^[15]。本文重点关注在汶川地震扰动之后，震裂山体在潜在降雨和地震作用下诱发新生崩塌和滑坡灾害问题，运用统计分析模型与运动学过程模拟结合的手段，分别开展龙门山关键路段和柿子园大桥场站两种尺度的滑坡危险性评估，以期为铁路线路设计和运营提供地质安全依据。

1.   工程地质概况

成兰铁路龙门山关键段的复杂工程地质条件主要体现在构造活动强烈、强震多发、岩体破碎、崩滑流灾害频发等方面。

在自然地理方面，地处我国第一阶梯向第二阶梯的过渡地带，以龙门山山脉的高山峡谷地貌为主，东临成都平原，西接岷山山脉，高程介于515~4768 m之间(见图 1)；主干河流包括岷江和凯江，自北西向南东流淌；具有山地型立体气候特征，干雨季分明，降雨集中在龙门山东坡地段^{[11, 13]}。

图  1  成兰铁路龙门山关键段区域地质地理背景简图

Figure  1.  Brief regional geological and geographic context map around Longmenshan section of Chengdu-Lanzhou railway

下载: 全尺寸图片 幻灯片

在活动构造和地震方面，发育多条全新世活动断裂，包括龙门山山前断裂带的灌县—安县断裂和晓坝场断裂、龙门山中央断裂带的映秀—北川断裂、后龙门山断裂带的汶川—茂县断裂和九顶山断裂以及岷江断裂带的岷江断裂和松坪沟断裂^{[11, 16~17]}(见图 1)。地处南北地震带中段，强震活动频繁^{[11, 13]}，截至目前区内发生6.0级以上地震21次，其中包括汶川M_s 8.0级地震。在未来百年内，区内仍处于第二活跃期末期及下一活动周期的相对平静期内，不排除发生7级以上地震的可能^[18]。

在地层岩性方面，各时代地层序列出露齐全，岩性纷杂，分布最广的地层依次为：志留系茂县群(Smx)千枚岩、片岩和板岩等，第四系(Q)冲洪积砂砾石和黏土，上三叠统侏倭组(T₃zh)和中三叠统杂谷脑组(T₂z)变质砂岩和千枚岩等，震旦系上统(Z₂)砂岩和粉砂岩等。岩体受构造活动影响，多表现出强烈的揉皱变形和挤压破碎，工程性质较差^[13]。工程地质岩组划分结果显示以板岩和千枚岩为主的较软岩组分布最广，约占区域面积的46%；其他岩组分布面积由大到小依次为：较硬岩组、松散岩组、坚硬岩组和软弱岩组(见图 2A)。

图  2  成兰铁路关键段地震滑坡及其影响因素分布图

Figure  2.  Seismic landslide and influential factor maps of key section of Chengdu-Lanzhou railway

下载: 全尺寸图片 幻灯片

2.   区域滑坡危险性评估

成兰铁路龙门山关键段位于汶川M_s 8.0地震主要扰动区，区内滑坡分布和发育特征主要受控于汶川地震的诱发作用，后续的滑坡危险性评估，也应在此地震扰动区的背景下进行。为此，本文首先反演评估了汶川地震诱发同震滑坡的空间分布特征，然后分别开展了特定概率水平的潜在降雨和地震诱发滑坡的危险性评估研究。

2.1   汶川地震诱发同震滑坡分布特征反演

为了囊括所有可能对线路有影响的滑坡，保守地截取了成兰铁路龙门山段两侧各10 km的廊带进行滑坡危险性评估，廊带面积约2898 km²，共发育2148处地震滑坡，滑坡密度约0.74处/km²(见图 2B)。笔者此前利用信息量模型^[19]，定量计算和比较了地震滑坡的各类影响和诱发因素的信息量值，并剔除了部分致灾意义重复或影响微弱的因素，最终提炼出5大类，共计8种关键性致灾因素(见表 1，图 2A，图 2C—2I)。各种因素的信息量计算结果显示：地质构造及地震动参数的信息量值明显高于其他因素，反映了发震构造及地震动力条件在区域地震滑坡发育机制中的主控作用。

表  1  区域滑坡关键影响和诱发因素及数据来源

Table  1.  Regional crucial landslide influential and inducing factors and data sources

编号	分类	关键要素	致灾指示意义及数据来源
1	构造	断裂带密度	地质体“结构面”发育程度，控制坡体稳定性(1:200000地质图)
2		地形坡度	坡面“坡角”几何形态，控制坡体稳定性及滑移距离(1:50000 DEM)
3	地形地貌	地形起伏度	坡体“坡高”几何形态，控制坡体稳定性及滑移距离(1:50000 DEM)
4		坡向	坡面降雨或地下水特征和岩体风化差异，影响坡体稳定性(1:50000 DEM)
5		坡形	坡面“凹凸”形态差异，控制地震动地形效应(1:50000 DEM)
6	岩性	工程地质岩组	斜坡岩土体力学“强度”，控制坡体稳定性(1:200000地质图)
7	河流	与河流的距离	坡脚侵蚀及坡体“水文地质”特征，控制坡体稳定性(1:50000 DLG)
8	地震动	Arias强度Ia	地震动的“动力”荷载条件，控制坡体稳定性(经验公式[20])

下载: 导出CSV 

| 显示表格

利用信息量模型，将上述8种单因素图层重分类赋值，并进行图层叠加运算，即可获得汶川地震同震滑坡的危险性反演评估结果(见图 3)。利用成功率曲线检验方法^[21]，可知预测危险性分级与实际滑坡空间分布的吻合成功率达82%，表明反演结果与实际滑坡分布一致性较好。

图  3  成兰铁路关键段汶川地震同震滑坡危险性反演评估及检验图

Figure  3.  Coseismic landslide hazard inversion assessment induced by Wenchuan earthquake and its validation, key section of Chengdu-Lanzhou railway

下载: 全尺寸图片 幻灯片

分析成兰铁路关键段同震滑坡危险性反演评估图(见图 3)可知：① 极高危险区占廊带总面积的24.18%，主要分布在龙门山断裂带地区，在灌县—安县断裂带和映秀—北川断裂带北西侧上盘地段尤为集中，恰好位于成兰铁路大拐弯地段，涉及雎水镇向上行约49 km的路段。② 在区域危险性等级衰减方面，从极高危险区向龙门山断裂带上盘北西方位，危险性等级缓慢连续降低，直至岷山低危险区；相反向龙门山断裂带下盘南东方位，危险性由极高危险区经过狭窄的中危险地带，骤然降低至成都平原低危险区；龙门山两侧危险性等级降率“一缓一急”的鲜明对比，反映汶川地震滑坡发育的“上盘效应”。③ 极高危险区发育多处灾难性高速远程滑坡，例如大光包滑坡和文家沟滑坡等^[22](见图 2B，图 3)。参照成功率曲线检验结果，可知利用信息量模型和上述8种评估指标进行同震滑坡危险性反演评估，可以取得较为理想的结果。

通过汶川地震同震滑坡危险性反演，在已查明离散分布的地震滑坡基础上，进一步以区域连续的表达方式，在很大程度上揭示了震裂山体或不稳定隐患斜坡的空间分布及其活动强度差异，为开展震后潜在降雨或地震诱发新生滑坡的危险性评估提供了依据。

2.2   潜在降雨诱发滑坡危险性评估

在强震过后数年乃至更长时期内，由于存在巨大储量的同震滑坡堆积和震裂山体，降雨诱发新生崩滑流灾害态势会比震前突增^[23]，将严重危及铁路工程。为此，本文搜集了区域历史降雨量数据，开展日超越概率10%的最大降雨量时空分布预测，并结合同震滑坡空间分布的反演结果，进行了潜在降雨诱发滑坡危险性评估。

2.2.1   潜在降雨时空分布预测

降雨诱发滑坡危险性评估的实质，是以条件概率形式描述在特定降雨条件下滑坡发生的时空概率。不同降雨条件的概率水平不仅限定了滑坡危险性的基础概率，也决定了滑坡危险性评估结果的有限适用性。因此，在滑坡危险性评估前，至少应明确潜在降雨的发生概率和强度条件。本文利用气象学领域的可能最大降雨量预测方法(Probable Maximum Precipitation，简称PMP)^[24]，对区域潜在日最大降雨量进行了时空分布预测^[19]，具体流程包括：① 搜集历史汛期日最大降雨量的栅格数据，针对特定栅格，统计获得降雨量-时间频次直方图；② 将频次直方图与区域经验概率密度函数f(x)(Weibull分布和Lognormal分布)进行一致性检验，选取一致性较好的Weibull分布作为预测模型；③ 利用最小二乘法、最大似然法及矩法等，求解确定Weibull概率密度函数中的待定参数和表达式；④ 利用柯尔莫哥洛夫法、x²法及拟合相关系数法等，计算不同概率区间的最大降雨量预测值与实测值的偏差，检验拟定概率模型的拟合优度，确定最优分布函数F(x)；⑤ 预测任意超越概率或重现期的日最大降雨量值，建立对应不同概率水平的日最大降雨量序列；⑥ 对评估区域所有栅格重复上述预测过程，通过插值得到区域范围内特定概率水平的降雨量分布结果，用于滑坡危险性定量评估。本文利用上述方法预测了成兰铁路关键段日超越概率10%的最大降雨量分布(见图 4)，该结果与龙门山东部迎风区降雨充沛，西部背风坡岷江河谷区降雨稀少的气象背景吻合较好。

图  4  成兰铁路关键段日超越概率10%的潜在降雨及其诱发滑坡危险性评估图

Figure  4.  Map showing potential precipitation of 10% daily exceedance probability and the inducing landslide hazard assessment, key section of Chengdu-Lanzhou railway

下载: 全尺寸图片 幻灯片

2.2.2   潜在降雨诱发滑坡危险性评估

将区域日最大降雨量分布指数化，与同震滑坡危险性反演结果(见图 3)进行合成归一化运算，即可获得成兰铁路关键段日超越概率10%的潜在降雨诱发滑坡危险性的评估结果(见图 4)。与同震滑坡反演结果对比，可知潜在降雨诱发滑坡的各危险性分区界限更加明晰，极高危险区分布也更加集中，约占廊带总面积的19.27%，主要分布在灌县—安县断裂带和映秀—北川断裂带之间地带，涉及成兰铁路雎水镇向上行约32 km的路段。该评估结果主要指示了潜在降雨诱发震裂山体和同震滑坡堆积物形成新生崩滑流的时空分布特征。在极高危险区的绵远河流域，震后历年强降雨导致文家沟滑坡多次爆发灾难性泥石流证实了评估结果的可靠性^[25]。此类灾害实例也为极高危险区铁路段的工程防护设计提供了警示。

2.3   潜在地震诱发滑坡危险性评估

由于降雨天气变化的周期较短，上述潜在降雨诱发滑坡危险性评估可为铁路工程建设提供中短期地质安全依据。为进一步解决强活动构造区中长期土地利用规划中的滑坡危险性问题，本文结合汶川震后修正的地震危险性区划成果^[26]，开展了基本地震动(50 a超越概率10%)诱发滑坡危险性评估(见图 5)。其中，我国区域地震危险性区划主要利用概率地震危险性分析方法，技术流程主要包括潜在震源区划分、不同震级分档的年发生概率分析、场地遭受的地震动影响分析以及确定任意概率水平的区域地震动峰值加速度等^[27]，这里不再赘述。

图  5  成兰铁路关键段50 a超越概率10%的潜在地震及其诱发滑坡危险性评估图

Figure  5.  Map showing potential earthquake of 10% exceedance probability in 50 years and the inducing landslide hazard assessment, key section of Chengdu-Lanzhou railway

下载: 全尺寸图片 幻灯片

与潜在降雨诱发滑坡危险性评估流程类似，将基本地震动区划结果指数化，与同震滑坡反演结果(见图 3)进行合成归一化运算，即可获得成兰铁路龙门山段潜在基本地震动诱发滑坡危险性评估图(见图 5)。结果显示：极高危险区占廊带总面积的23.57%，涉及成兰铁路雎水镇向上行长约47 km的路段。由于地震动区划成果采用1:1000000的小比例尺发布，数据精度较低，制约了地震滑坡危险性评估精度。该结果与降雨诱发滑坡危险性评估结果(见图 4)相比，显示不同危险性等级的分区界限不够明确，且极高危险区并不十分集中。

3.   局地崩塌Runout模拟和危险性评估

在区域潜在降雨及地震诱发滑坡危险性评估的基础上，考虑重点场站周边崩滑灾害防治工程设计的需求，从区域评估极高危险区中选取拟建柿子园大桥场地周边地段(见图 1，图 4，图 5)，利用Rockfall Analyst软件模块(简称RA)进行局地尺度的崩塌危险性评估^[8]。该模块是利用ArcGIS平台开发的扩展模块，基于运动学原理进行岩崩或滚石的Runout模拟和危险性评估，其核心功能包括滚石运动轨迹的三维模拟和空间分布的栅格建模。柿子园大桥场地周边地段在汶川地震期间主要发育岩崩或滚石灾害，本文主要以点状或线状崩塌源形式，针对此类灾害进行模拟和评估。技术流程主要包括4步，即数据获取、参数设置，模拟分析和危险性评估。

① 数据获取：包括地形模型、崩塌源数据和地表介质类型等3种空间数据(见表 2)。地形模型通过标准DEM或实地测绘获取；崩塌源利用遥感影像和DEM组合提取，并通过野外调查验证；地表介质类型通过综合遥感影像和地质图解译提取。

表  2  Rockfall Analyst模拟所需空间数据一览表

Table  2.  Spatial data list required for Rockfall Analyst simulation

数据名称	数据格式	数据模型	数据描述
地形/DEM	Coverage/grid	矢量/栅格	表征地形地貌特征，主要用数字高程模型表达
点状崩塌源	Shp	矢量	以离散方式表达已有或潜在崩塌源
线状崩塌源	Shp	矢量	以线性方式表达已有或潜在崩塌源
地表介质	Shp	矢量	提供崩塌体在运动过程中地表介质的反馈影响
遥感影像	IMG/TIF	栅格	地物类型及地质灾害等特征的综合反映

下载: 导出CSV 

| 显示表格

② 参数设置：对于地表介质类型，主要设置R_n(法向回弹系数)、R_t(切向回弹系数)和F_a(摩擦角)等3种参数；对于崩塌源区，主要设置危岩体质量、初始速度、陡坎高度、崩滑方向以及崩塌体滚动与飞行状态转换的临界参数等。

③ 模拟分析：在完成参数设置和地形等相关数据加载之后，即可进行单一危岩体和连续分布危岩体群2类崩塌模拟计算，获得崩塌运移路径(见图 6A，6B)、崩塌体跃高和速度(见图 6C)、崩塌路径频率及崩塌能量(见图 6D)等运动学特征参数分布结果。

图  6  成兰线柿子园大桥邻近地段崩塌运动学模拟及危险性评估图

A—点状崩塌轨迹; B—线状崩塌轨迹; C—崩塌轨迹运动学剖面; D—崩滑体能量分布图; E—崩滑危险性评估图

Figure  6.  Rock fall runout simulation and hazard assessment map around Shiziyuan bridge site of Chengdu-Lanzhou railway

下载: 全尺寸图片 幻灯片

④ 危险性评估：利用上述崩塌跃高、崩塌路径频率及崩塌能量等3种模拟结果，通过栅格图层的加权运算，得到局地尺度的崩塌危险性评估图(见图 6E)。柿子园大桥场址周边的崩塌危险性模拟和危险性评估结果表明，典型崩塌体的运移过程剖面可以清晰地显示运动轨迹和速度变化特征，并且在任意位置具有严格的对应关系；在重点场址周边500 m范围内，可以明确判定崩塌体能量和危险性等级，为场站或桥基等设施的工程防护设计提供定量依据和确切的安全避让距离。

4.   讨论与结论

针对汶川强震扰动区的成兰铁路龙门山关键段，利用信息量模型反演评估了同震滑坡的分布特征，初步揭示区域震裂山体或不稳定隐患斜坡体的空间分布特征。基于此开展了区域特定概率水平的潜在降雨和地震诱发滑坡危险性评估。利用可能最大降雨量预测方法，预测了日超越概率10%的最大降雨量分布，以及在该概率水平下降雨诱发滑坡危险性评估，为铁路工程建设提供了中—短期地质安全性依据。结合区域地震危险性区划成果，开展了50年超越概率10%的基本地震动诱发滑坡危险性评估，解决强活动构造背景下中—长期土地利用规划中的滑坡危险性问题，为铁路廊带周边土地利用规划或制定防灾规划提供了依据。

选取区域评估极高危险区中柿子园大桥场址周边地段，利用基于运动过程模拟的Rockfall Analyst软件，开展了局地崩塌Runout模拟和危险性评估，为铁路场站周边重要场址和设施的防灾工程设计提供了定量依据。

综上所述，本文初步提出了一种适用于强震扰动区的铁路工程廊带及重要场址区的多尺度滑坡危险性评估技术方法。

通过对比区域和局地尺度的滑坡危险性评估方法，可知二者均具有鲜明的优越性和局限性。基于统计分析模型的区域评估方法较为稳健，评估结果可以满足不同危险性路段划分和区域土地利用规划的基本要求，但是评估数据的空间精度有限，导致评估结果并不适用于单体工程或灾害实例分析。基于崩滑过程模拟的局地尺度评估，从具体的灾害体模拟出发，评估结果更加贴近于工程设计及单一承灾体风险规避的需求，而且建立了联系单体灾害研究与局地—区域评估的桥梁；但是，如果利用该方法开展区域尺度评估，对空间数据质量要求和投入工作量，相比基于统计分析的区域评估方法会成倍增加。由此可见，只有综合区域和局地尺度两种评估方法，二者优势互补，才能满足铁路工程滑坡危险性评估和风险控制的实际需求。

未来的多尺度铁路工程滑坡危险性评估，至少应在以下3方面开展深入研究：① 围绕重要城镇、重大工程场址等开展地震小区划，考虑地震动场地效应，为大比例尺滑坡Runout模拟和危险性评估提供更准确的地震动输入；② 针对重点场址区，采用无人机航测或激光雷达(LiDAR)技术，获取高精度地形模型，进一步提升斜坡结构及岩土体强度等数据质量，以期获取更加符合实际的空间数据；③ 针对滑坡过程模拟软件的开发，应考虑对不同岩土体本构和滑坡运移特征的适用性，并尽可能地体现降雨和地震等不同诱发机制的差异。