ANALYSIS OF GEOMORPHOLOGIC CHARACTERISTICS OF THE YAMZHO YUMCO REGION BASED ON ASTER-GDEM

1.   地震滑坡的危害性

随着人类社会发展和城市化进程的加速，地震诱发地质灾害所造成的生命和财产损失以及对人类社会的冲击也将日益严重。在大陆地区，尤其是地形相对复杂的山区，地震滑坡是最为常见且破坏力最强的次生地震灾害。统计表明，地震震级（M_L）大于4.0时便可触发地震滑坡灾害^[1]，而在强震（M_L≥6.0）活动，尤其是大地震（M_L≥7.0）活动中，地震诱发的滑坡灾害更为突出和显著。一次大地震甚至可触发数以万计的滑坡，分布范围可以超过100000 km²以上（见表 1）。粗略统计表明，在一些大地震中，地震滑坡造成的生命财产损失可占整个地震损失的50%以上^[2]。例如2008年汶川M_L 8.0级大地震中，共发生50000余处滑坡，导致约20000人死亡，约占地震死亡人员总数的1/4^[3]。这也是迄今为止我国有地震记录以来，单次地震导致的数量最多和分布最密集的滑坡事件（见表 1）。因此，地震滑坡灾害因其显著的破坏性成为了近年来地质灾害研究的重要方面。

我国处于2条全球性地震带的夹持地区，东为西太平洋地震带，西南为地中海—喜马拉雅地震带。同时，我国新构造运动强烈，活动断裂十分发育，强震活动非常频繁。因此，我国大陆地区是全球大陆地震最集中和活动性最高的地区，造成的地震滑坡及水土流失、生态环境破坏也是全球最严重的国家之一^[4]。我国陆域广阔、山地多，不同地理位置、不同地区的地质构造、地形地貌、地层岩性、水文环境和人类活动情况等都存在很大的差异，因而地震滑坡的表现常各不相同，灾害的影响程度也各异，深入细致和全面的地震滑坡研究显得尤为重要。尤其是沿我国的南北地震带及其邻区，由于大陆强震活动频繁，并且属于地貌梯度带，地形高差大，历史和现今的大地震活动中都曾出现过非常突出的地震诱发滑坡地质灾害问题，并以发生在龙门山中段的2008年四川汶川M_L 8.0级大地震为甚（见表 1）。

表  1  中国南北地震带及邻区历史上典型M_L 7.5及以上大地震的地震滑坡参数统计

Table  1.  Statistical parameters of landslides caused by typical M_L 7.5 and above earthquakes in north-south seismic belt of China and its adjacent region in history

下载: 导出CSV 

| 显示表格

2.   地震滑坡的发育特征

地震滑坡即地震诱发的边坡滑动，其成因与外动力作用所引起的滑坡不同，发育和分布特征明显受到内动力地质作用的控制或影响，即主要是震源机制对滑坡的影响，包括震级、烈度、震源深度和震中距等地震参数。另外，边坡作为地震滑坡的承受体，其坡度、坡向和岩性等场地效应因子对于孕育地震滑坡同样至关重要。目前，国内外关于地震滑坡的发育特征与分布规律的研究主要集中于从统计学角度分析地震滑坡与地震参数（震级、烈度、震源深度、震中距等）和斜坡环境参数（坡度、坡向、岩石类型等）之间的关系。前者侧重于对多次历史地震事件滑坡数据的统计分析，后者则多是针对单次地震事件中的滑坡进行研究，且研究已经较为深入，并获得了许多规律性的认识。

2.1   地震滑坡与地震参数关系研究

Keefer^[1]对《United States Earthquakes》（美国地震）1958—1977年刊登的300个历史地震数据进行整理，提取了地震震级、震中距、烈度等数据，发现M_w小于4.0的62例地震事件中，只有一个触发了滑坡，据此认为诱发滑坡的最小地震震级为M_w 4.0，其后首次给出了震级与滑坡分布范围公式^[5]：

式中：M_w为震级；V为滑坡范围，km²。震级与地震滑坡范围趋势线见图 1。

图  1  震级与地震滑坡范围趋势线^[1]

Figure  1.  Trend line of earthquake magnitude and landslide scope

下载: 全尺寸图片 幻灯片

之后，Rodrigueza^[6]在Keefer^[5]的研究基础上，进一步补充统计了1980—1997年全球地震诱发滑坡的灾害情况，运用类似的方法分析了地震滑坡的类型、数量、主要分布范围和最大密度。Papadopoulos等^[7]根据希腊公元1000—1995年间47次震级（M_s）为5.3~7.9的地震造成滑坡的统计结果，研究了震级与滑坡距离震中最远距离的关系，并提出了经验公式：

式中：M_s为震级；R_c为滑坡距离震中最远距离，km。

意大利科学家也做了类似的工作，Prestininzi等^[8]对意大利从公元前461年到公元1992年间的地震历史资料进行分析，探讨了烈度与地震滑坡的数量关系，并给出了图形关系。

国内学者李天池^[9]根据地质地貌特征的区域性，把研究资料划分成2个片区，一个为中国南部地区，主要指西南地区，包括川滇黔藏；另一片区为中国北部地区，包括华北和西北地区；然后对2组片区数据进行回归计算，得出了单个地震Ⅶ度以上烈度区的滑坡面积与震级的近似关系，公式如下：

式中：M_s为震级；S为滑坡面积，km²。

周本刚等^[10]对西南地区公元1970年以来M_s＞6.7的11次典型地震进行统计分析（见表 2）后认为，一般在Ⅵ度区内极少存在产生新滑坡的现象，即地震产生新滑坡所需的最小地震烈度一般为Ⅶ度；而诱发震前相对稳定的老滑坡再次发生滑动，所需的最小地震烈度一般为Ⅵ度，比产生新滑坡所需地震烈度低一度。

表  2  西南11个典型地震事件中滑坡统计

Table  2.  Landslide statistics for 11 typical seismic events in the southwest of China

下载: 导出CSV 

| 显示表格

孙崇绍等^[11]对公元1500—1949年间相关的中国地震历史资料（M_s＞4.75）进行了统计，发现地震引起的崩塌、滑坡多在Ⅵ度及以上烈度区，Ⅶ度及以上的震区内滑坡与崩塌的数量显著增大，Ⅷ度以上发生的可能性急剧增大，而其中规模特大、破坏特重的滑坡都发生在Ⅸ度及Ⅸ度以上的地区。

辛鸿博等^[12]通过对典型强震活动中Ⅵ度及以上烈度区内的边坡崩滑面积进行统计计算与分析后得到以下结论：① 边坡崩滑区的面积随着震级的增大而增大；② 单个边坡崩滑面积和震级不是一一对应关系；③ 边坡崩滑区的最大面积与震级之间存在着规律关系，可近似成以下公式：

式中：M_s为震级；S为崩滑区域最大面积，km²。

对国内外相关研究文献总结后不难发现，地震参数与滑坡数量及范围间关系的研究已经获得了大量成果，并有很多共识。很多学者运用公式对其进行曲线变化的表达，印证了无论是滑坡范围，还是最大滑坡面积或规模，都与地震的震级、烈度和震中距等主要参数存在密切的相关关系。但对公式（1）—（5）进行曲线拟合对比后则发现，几个公式所表达的曲线差距较大，分析其主要原因是统计样本所在区域不同，而不同地区的地质条件、滑坡类型及地震的震级与震型等也不尽相同。因此，准确地讲，上述公式均为对各自样本数据的拟合公式，基本都属经验公式，不一定具有普遍适用性。

2.2   地震滑坡与边坡环境关系研究

地震滑坡与边坡环境的关系主要取决于2个方面，一为边坡的地质特征，例如Owen等^[13]对2005年Kashmir地震滑坡的分布进行统计，并依据地质特征的不同将研究区域分成了6个单元，包括断层、第三纪泥岩、寒武纪与下古生代斜坡、坡度50°以下低山坡、山脊和人类活动密集区，发现尽管地震诱发了大量滑坡，但其主要分布于这6个不同的单元内；二为地貌条件的影响，包括宏观区域地貌条件，即河流、沟谷或者道路的密度、区域地形起伏度或地形粗糙度等，另外还包括微观边坡地貌条件，例如坡度、坡向、坡高和坡形的影响，其中坡形的影响远小于另外3个因素。

遥感（RS）和地理信息系统（GIS）在研究地震滑坡与边坡环境关系的过程中得到了广泛应用。国外学者Chigira等^[14]对2004年日本新潟县M_w 6.6级地震触发的千余滑坡进行了野外调查和遥感解译，尤其对其中一百多个大型滑坡进行分析，指出地震诱发的深层滑坡主要是古滑坡复活和切坡影响，这与我国1996年丽江地震引发的滑坡约80%为老滑坡复活的现象基本一致。Liao^[15]统计了台湾集集M_w 7.7级地震诱发的滑坡与发震断层的距离、公路的距离、河流的距离、地层岩性、坡角以及坡向的关系，发现在发震断层上盘滑坡主要发生在南、南东向斜坡上，在发震断层下盘滑坡主要发生在南、南东和南西向斜坡上，并认为这与地震过程中发震断层的错动方向有关。与此类似，Hiroshi等^[16]对Kashmir地震滑坡进行了研究，利用遥感影像进行目视解译，确定了约2400处地震滑坡，在对地震滑坡的边坡参数进行统计分析后发现，约73%的大型滑坡均发生在坡面南和南西向的凸形坡，最后认为大型滑坡的主要滑动方向与发震时所在地块的主运动方向基本一致。

在国内，地震滑坡的研究起步较晚，主要以20世纪90年代后期为分水岭。此前，康来迅^[17]曾研究了昌马断裂带上的地震滑坡分布特征，统计得出昌马断裂带的地震滑坡主要发生在山坡坡度30°—50°的部位和山坡地形高差100~300 m的部位，并指出地震滑坡的规模和数量与地震烈度分布之间存在密切关系。周本刚等^[10]首先将地震滑坡分成推移式滑坡、牵引式滑坡、溜滑性滑坡和崩塌性滑坡等不同类型，在此基础上，对每类滑坡的特征进行了详细描述，并归纳了云南和川西地区典型强震活动诱发滑坡的地质特征，认为西南地区的地震滑坡以浅层小型滑坡为主，滑坡多发生于第四系堆积层中，其中又以残积层中最为发育，最容易触发滑坡的坡角坡度为35°—45°，滑坡的分布在很大程度上受地震断层的控制，其整体分布主方向和地震断层的方向大致相同。

在汶川地震发生后，国内地震滑坡的研究不断深入，许多学者围绕汶川地震滑坡做了大量的工作。黄润秋等^[18]结合野外调查和遥感解译获取的11000处地质灾害点对汶川地震地质灾害的空间分布规律进行了统计分析，得出了汶川地震地质灾害具有沿地震发震断裂条带状和沿水系线状分布以及断层上盘效应显著等认识。许强^[19]以汶川地震重灾区112处大型滑坡（面积均大于50000 m²）为基础，对汶川地震诱发的大型滑坡的分布规律、动力特征、运动特征、成因模式等4个方面进行了较为系统的研究，得出大型地震滑坡空间规律具体可归结为以下几种效应：距离效应、锁固段效应、上下盘效应。吴树仁等^[20]则重点对汶川地震滑坡的活动强度进行了分析评价。

总体来讲，地震滑坡的发育是地震动、地质特征和地貌条件等多因素耦合作用的结果。虽然影响地震滑坡的地貌因子等参数具有相似性，如上文提到多发生在坡度为40°左右的斜坡位置，但斜坡的地质环境也起到了很大的作用，例如黄土滑坡很多时候发生在原山坡坡度并不太陡，有的甚至相当平缓仅有10°—15°的边坡位置^[11]，任何单纯的力学分析方法都难以得出此种山坡失稳的结论，而必须进一步结合地质条件。因此，进行地震滑坡的深入研究，野外实地调查与滑坡发育的地质条件分析都是必不可少的。

3.   地震滑坡的动力学机理研究

地震滑坡的动力学机理是深入了解滑坡和预测、预防滑坡灾害的基础，尽管国内外目前对于强震触发滑坡的发育与分布规律的研究已经较为成熟，但对地震滑坡的动力响应机制仍处于进一步探索阶段，尤其在2008年汶川地震发生后，由其触发的许多巨型、高速、远程滑坡（如安县大光包滑坡等）的形成机制与原有的认知存在着较大的不同。另一方面，受到地震滑坡动力响应机制研究程度的限制，明显影响了对区域性范围内地震滑坡预测的认识。

3.1   地震滑坡的动力响应机制

从本质上认识和掌握强震诱发地质灾害的动力学机理，首先必须对强震条件下斜坡的动力响应规律有充分的了解和认识。在许多地震中都可以发现地物对地震响应与地形有密切的关系，尤其对于地震滑坡的研究来说，复杂地形与地震引起的地形变化都是不容忽视的。1971年Davis等美国地质学家在对San Femando地震余震的监测中首次发现了斜坡坡顶的地震动峰值加速度具有明显的放大效应^[21]。Geli^[22]在对地形放大效应相关研究文献进行统计分析的过程中发现，地形放大效应发生在入射波长与地形坡宽近似相等的坡顶，P波的放大效应比S波大，另外地形放大效应随入射角度的增大而减小，随坡度的增加而增大，但地形放大效应与山脊方位角之间的规律还不明显。Hartzell等^[23]研究了1989年洛马·普雷塔地震对Robinwood山脊的破坏，认为该山脊破坏程度较大的主要因素为：山脊内体波的多向反射及散射，瑞利波与Love波的复杂作用，主震源的方向性及波的扩散状态。刘洪兵等^[21]进行国内外相关文献总结时，提出了相同的认识，同时也认为地形放大效应与方向效应关系密切。

地震滑坡的边坡失稳机制是边坡失稳研究的核心。国内外许多学者基于地震液化来研究强震滑坡的失稳机理，如：Hutchinson^[24]基于现场滑坡模拟试验以及室内试验，提出了“结构破坏”致使“孔压上升”从而导致土质发生液化形成滑坡的认识；周维垣^[25]指出，地震等动荷载对岩质边坡稳定性的影响主要表现在地震波通过岩层面及岩体结构面时发生的反射及折射作用导致的超压增大，以及地震荷载与其他因素（水的作用）对斜坡体的共同破坏2个方面，此种方法多基于土质滑坡，尤其适用于黄土滑坡的研究。胡广韬等^[26]认为斜坡在动力作用下的变形和失稳机制存在一定的差异，并于1995年提出了边坡动力失稳机制的坡体波动振荡加速效应假说，其编写的《滑坡动力学》也是我国第一部比较系统地阐述了滑坡动力机理的专著。张倬元等^[27]认为地震对边坡稳定性的影响表现为累积效应和触发效应2个方面。毛彦龙等^[28]认为地震时的坡体波动震荡在斜坡岩土体变形破坏过程中产生累进破坏效应、启动效应和启程加速效应等3种效应，其中的累进破坏效应是指在某一强度的外力或地震动作用一次的情况下，岩土体可能并不被破坏，但这一强度的外力或地震动反复作用多次后却能够引起岩土体的破坏，这是运用地震波在半无限空间中的传播理论和断裂力学相关原理计算得出的定性结论。根据这个结论，并不是任何强度的外力或地震动都会引起岩土体的最终破坏，低于某一强度的外力或者地震动只有在反复多次作用下才可能引起岩土体的破坏。祁生文等^[29]则认为，地震边坡的失稳是由于地震惯性力的作用以及地震产生的超静孔隙水压力迅速增大和累积作用2个原因造成的。

同时，地震滑坡的运动形式反映了它的冲击强度，并体现了滑坡的致灾能力大小。Aoi等^[30]在Iwate-Miyagi地震中发现了世界地震记录史上少见的强地面垂直加速度现象，提出了垂直强震动现象的“蹦床”模型，即用运动员蹦床的过程来解释地震诱发的强地面垂直加速度不对称现象。唐春安等^[31]认为，运用应力波在自由面的入、反射原理和加速度倍增效应，更能从力学的更高层次上解释强地表加速度现象的机理，并通过数值模拟再现了冲击载荷作用下的边坡表层散裂和抛射现象。对于汶川地震触发的大型高速远程滑坡体的形成机制，殷跃平^[32]认为其具有“地震抛掷”—“撞击崩裂”—“高速滑流”3阶段特征，并指出在高速滑流阶段，可存在3种效应，即高速气垫效应、碎屑流效应和铲刮效应。黄润秋等^[33]通过地震条件下斜坡动力响应的现场监测、大型振动台模拟试验以及大量三维动力数值模拟等综合手段，系统地研究了地震条件下边坡动力响应规律，认为强震条件下大型滑坡失稳破坏最基本和内在的破坏模式可用“拉裂-滑移”来概括，并提出了拉裂-顺走向滑移型、拉裂-顺（层）倾向滑移型、拉裂-水平滑移型、拉裂-散体滑移型、拉裂-剪断滑移型等几类典型的地震滑坡成因模式。但总体来看，上述成果大都是初步的，多数模型或模式的提出只是基于资料的定性分析，许多观点也还仅仅是推断或者概念模型，都尚需要开展更深入的现场调研与物理实验，并结合数值模拟来进一步验证。

3.2   地震滑坡的预测分析方法

由于对地震滑坡的运动机理还存在许多未知之处，使得区域范围内地震滑坡的预测十分困难。回顾有关地震滑坡预测的研究发现，在20世纪80年代中后期至90年代中期，区域性的地震滑坡研究基本处于停滞状态^[34]。但是国内外学者在这前后期间还是初步建立起一些地震滑坡预测模型，这类方法大多是基于地震参数的位移判别法，大体可分成拟静力法、有限滑动位移法和物理模拟方法等3类，其中最具代表性的为拟静力法和有限滑动位移法。

拟静力法比较简单实用，该方法最早主要在土力学领域应用于研究斜坡动力稳定性问题。1948年，Terzaghi^[35]首次将这种分析方法应用于斜坡动力稳定性评价，此后拟静力法在大量斜坡动力稳定性评价中得到广泛应用，并纳入了有关规范。Seed等^[36]以力的多边形法则为理论基础，对斜坡上各土条静应力进行了计算，通过岩体动三轴试验并考虑到地震过程中强大的惯性力，测得总应力和动剪切强度，进而采用力多边形法则计算出土条的动力稳定安全系数。丁彦慧等^[37]在对我国94例地震中引发的251例滑坡和崩塌进行分析研究的基础上，提出了采用谷本系数法求取具有明确保证率指标的预测地震崩滑的统计判别式。谷本系数法最早应用于判别砂土的液化，该方法利用线性判别函数作为衡量液化可能性的指标。丁彦慧等^[37]对该方法进行了改进，并用来判别地震滑坡发生的可能性。

拟静力法尽管应用广泛，但其本身存在着缺陷。该方法为评价土石坝及堤坝的动力稳定性，分析中错误地将坝体及坝肩斜坡假定为绝对刚体；再者其没有考虑拟静力的变化性。1965年，Newmark^[38]创新提出了用有限滑动位移代替安全系数法的思路，并据此建立了一种简便方法预测地震作用下的滑坡位移量，在该模型中滑坡的稳定性通过临界加速度来判断，而临界加速度与岩土的特性、孔隙压力、边坡的地貌特征等有关。Newmark方法认为，滑坡位移量达到某个临界值后，边坡便可能会失稳。Wieczorek^[39]通过研究认为，岩石边坡失稳的临界位移值为5 cm。Jibson等^[40]研究得到，黏性土边坡的滑坡或崩塌临界值为10 cm。1971年，Cundall等提出离散有限元法，其基本原理是假定斜坡岩土体由刚性块体组成，在建立单个刚性块体运动方程的基础上，分析并求解整个块体运动状态的方程，得出单个块体的速度、加速度及位移等特征参量^[41]。离散有限元法可反映出节理化岩体的变形破裂特征及失稳模式，也可反映出每个块体在动荷载作用下的变形破裂特征。1988年，Ambrasys等^[42]基于对11次地震中的50个强震记录数据进行研究，提出把临界加速度比作为回归方程的变量来估算地震边坡的永久位移，他们使用加速度时程中的最大峰值作为表征地震动特性的变量，把坡体的临界加速度和地面峰值加速度的比值定义为临界加速度比，但此模型仅仅在震级6.6~7.2的范围内才有效。Jibson^[43]建议使用阿里亚斯（Arias）强度来描述强震特性，阿里亚斯强度用地震动过程中单质点弹性体系所消耗的单位质点能量作为地震动总强度，从随机过程观点看，加速度时程中的最大峰值是一个随机量，不宜作为地震动特性的标志，而阿里亚斯强度则包含了整个时程中的地震动信息，因此更适合描述强震特性。

由于岩土工程问题具有多样性和复杂性，一般很难求得严密的解析解。计算机技术的发展，使以动力有限元思想为基础、利用软件平台对地震滑坡进行数值模拟成为主要的实践方法。黄润秋^[44]曾提出二维地质过程模拟体系，建立了相应的数学-力学原理，并以四川溪口的灾难性滑坡-泥石流事件为例阐述了地质灾害全过程模拟的应用。刘忠玉等^[45]假定滑体运动形式连续可变且滑坡过程伴随变形能积累和释放，建立了高速滑坡远程预测的二维块体运动模型，并以洒勒山滑坡为例模拟了滑坡过程，预测了滑坡的最大滑距与滑速。邬爱清等^[46]利用非连续变形法模拟了汶川地震中的唐家山滑坡，综合分析了滑床强度参数、地震荷载和河床泥沙等对滑坡过程及滑坡形态的影响，得出了唐家山堰塞坝的形成机制。崔芳鹏等^[47]利用二维离散元方法模拟了纵横波时差耦合作用下的唐家山滑坡过程，确定了在强震作用下唐家山滑坡的形成机制和主控因素。曹琰波等^[48]也采用离散元方法对唐家山滑坡进行模拟，研究在地震作用下顺层岩质滑坡的变形破坏过程，最后提出了唐家山的滑坡运动模式。

物理模拟方法以相似性理论和量纲分析法为基础，通过对斜坡原型的模拟，并采用振动台试验研究斜坡模型在振动下的反应及强震下失稳机理^[28]，通过模拟试验手段来分析模型内应力状态，是对原型斜坡响应过程的反演，常用的方法包括模型试验法、离心试验法和光测弹性法。土质滑坡尤其是黄土滑坡由于原型模拟较容易实现，应用此方法较多，如王兰民等^[49]对随机地震荷载下黄土的动本构模型、弹性模量、阻尼比和动强度进行了较广泛的研究，并对不同地震荷载作用下的黄土动力参数进行了对比试验研究。

上述基于地震参数的位移判别法虽然经过多次改进后已相对较为准确，但需要参数较多，勘察、实验和计算处理的时间较长，尤其是土质滑坡大多都要进行模拟实验，因此以上方法应用在一些重要滑坡体的精细规划上较为合适，而对于利用斜坡环境也就是场地特征探讨地震与滑坡的复杂关系方面明显不足，尤其对于区域性地震群发滑坡的研究上存在着时间、人力等成本问题。然而进入20世纪90年代中后期，“3S”技术的迅速发展为地震滑坡失稳和危险性的预测提供了新的技术平台，许多学者采用“3S”技术对区域性地震滑坡进行评价，在一定程度上填补了地震群发滑坡研究的技术空白。当然，由于缺乏实验模拟等勘测数据，此方法的精度还不尽如人意。

4.   “3S”技术在地震滑坡中的应用

“3S”技术即遥感技术（Remote Sensing，简称RS）、地理信息系统（Geographical Information System，简称GIS）和全球定位系统（Global Positioning System，简称GPS）3种技术的有机结合。20世纪90年代中期以来，“3S”技术的出现和快速发展为探索空间信息提供了强大的技术支撑，同时，以“3S”为依托进行地震滑坡研究也正在快速发展。“3S”技术与地震滑坡研究结合的落脚点即是上文提到的危险性预测，RS在其中承担了数据源的作用，GIS则提供了分析制图的平台。总体来讲，近年来RS和GIS的应用正在逐步深入，而GPS虽然在大型滑坡监测中应用较为广泛，但是具体到地震滑坡来讲，目前的应用比较少，在此不做论述。

4.1   地震滑坡的RS识别

遥感技术的发展和应用，为滑坡的识别提供了重要途径，目前计算机识别结合目视判读为RS识别地震滑坡的主要研究手段。这种方法的优点是覆盖范围广、成本低、时效快、信息量大。随着对地观测技术的发展，以及MODIS、TM/ETM、SPOT和ALOS等卫星数据的广泛应用，其方法理论也在不断完善，主要成果体现在识别滑坡、制作区域滑坡分布图和判别滑坡的微地貌类型及活动性等方面。虽然地震滑坡在发育、分布规律等方面与其他类型滑坡有较大的差异性，但从遥感识别滑坡的角度来讲，地震滑坡与其他类型滑坡在解译特征上并无明显不同。滑坡的主要色调等因其所处区域和发生时期的不同而有所区别，但相对目视解译的经验方法，地震滑坡并不存在特殊性，因此，地震滑坡的遥感解译与滑坡的遥感解译在方法上是一致的。

4.1.1   目视解译研究

滑坡目视解译的过程包括影像预处理（影像校正、融合或增强等）和滑坡解译标志的建立，最后利用遥感影像开展滑坡编录，获取滑坡的边界、规模、滑动方向、影响范围和影响大小等信息。近年来有关滑坡遥感目视解译的文献较多，特别是关于汶川地震滑坡的数量，国内外学者都做了大量解译工作，如Hiroshi等人目视解译了257处，许冲等人目视解译了48000余处^[50]。

郝立贞等^[51]以汶川5·12特大地震后四川省青川县为研究区域，以该区域的中巴卫星CBERS-02及DEM数据为基础数据，通过9个特征指标（CBERS-02卫星的5个波段和亮度、绿度、湿度与坡度）组合对青川县进行滑坡识别，并归纳出了该区地震滑坡的分布特点，即：① 滑坡分布范围广泛，且河谷两岸较多；② 地震产生的滑坡大多发生在坡度40°—50°、海拔700~1100 m的山坡上。同时指出，利用中巴卫星进行滑坡识别的分类精度为76.4676%，Kappa系数为0.7130，结合抽取初步识别的96个滑坡进行野外校验，正确率为89%。沈永林等^[52]将高分辨率航空影像和机载LiDAR数据相结合，以2010年海地地震诱发的滑坡识别为例介绍了面向对象的滑坡识别思路及方法，并针对面向对象分类过程中的特征组合与选择这一瓶颈问题，以河流沉积物和滑坡判别为例，通过特征组合试验与对比分析发现，基于NDVI（归一化植被指数）与坡度特征组合的分类结果明显优于单一特征及其他组合模式的分类结果。

遥感目视解译滑坡的重点是滑坡解译标志的建立，而解译标志均大同小异，因此，上文仅以2个例子说明，在此也不再赘述。一般认为某一影像在对比度条件好的情况下，目视解译可识别的最小规模滑坡的面积是其空间分辨率的20~25倍^[53]。影像的滑坡解译标志的建立主要取决于地物影像的形状、色调。形状主要指滑坡在影像上表现的形态（也称作滑坡的微地貌），例如：滑坡围界一般为簸箕形、圆形或长圆形的围椅状，陡峭滑坡后壁产生的阴影，滑坡体后缘与滑坡舌上可能存在的张裂隙，古滑坡形成的明显的滑坡台阶等等。色调其实反映的是滑坡失稳滑动后经历时间的长短，时间越短，滑坡后壁受侵蚀和植被覆盖的作用越小，滑坡在地表遗留的痕迹越明显，尤其是滑坡后壁在影像上的光谱特征越明显。周围环境对滑坡的解译也具有重要作用，大型滑坡往往会伸入河道，并改变河道的平直河型，如金沙江虎跳峡“滑石板”滑坡当时就造成了严重的堵江现象，并影响了河道的形态^[54]。另外，通过分析周边环境要素受滑坡破坏的严重程度也可侧面反映滑坡体的大小甚至运动形式。当前，一些新技术也被应用到滑坡的研究之中，如利用DEM数据对大型滑坡进行三维可视化显示，但是这种方法受制于DEM精度的限制，效果并不理想；而利用激光扫描的滑坡三维建模的精度明显高于以上方法，但造价较为昂贵，目前的应用处于起步阶段。

4.1.2   计算机解译研究

前人的实践经验表明，滑坡目视解译与计算机解译互有优势^[50]。计算机解译提取速度快、方法多、自动化程度高、可调节参数。相对而言，目视解译提取的难度较大，因为其需要较高的专业知识背景，且费时费力，但在精度上高于滑坡信息自动提取，并且可作为验证自动识别结果的重要依据。通常情况下，两者面向不同的遥感数据类型^[50]：高空间分辨率的卫星遥感数据（如SPOT5，IKONOS，QuickBird）与航片较适合采用人工目视解译，而一些低空间分辨率的影像（如ETM+和CBCRS-02），则更适合采用计算机解译识别，包括基于滑坡光谱信息、基于滑坡纹理特征、基于支持向量机（SVM）和基于神经网络等不同的技术方法。

杨文涛等^[55]以汶川地震中四川、甘肃地震重灾区的13个市县区为研究区，假设2007年和2008年土地利用状况基本不变，利用MODIS NDVI产品，生成了全年16天间隔的NDVI时间序列，再经过Sativzky-Golay滤波后消除了云的影响，对比两年的NDVI序列，并结合汶川地震的发生时间，识别出该区发生滑坡的区域分布；另结合平武县30 m ETM目视解译滑坡结果，对自动识别方法进行了验证，然后在此基础上，综合受汶川地震影响最严重的13个县区级行政区的坡度信息，绘制出汶川重灾区滑坡分布概图。花利忠等^[56]以TM/ETM+影像为数据源，先构建4个遥感指数（植被指数SAVI、水体指数MNDWI、建筑指数NDBI和云指数NDCI）合成新影像图，再用SAVI指数阈值分割新影像图确定无植被区，最后对无植被区进行非监督分类和监督分类区分汶川县的滑坡，分类精度达93%。Lin W T等^[57]对植被覆盖进行较为详尽的分析之后，耦合数字高程模型（DEM）与植被指数来综合识别台湾地区地震诱发的滑坡灾害信息。

很明显，上述方法的应用都是基于滑坡体与周围环境光谱特征差异明显这一假设，因此，主要适用于某些地区的新滑坡，而对于光谱特征与发育背景不明显的区域，这些方法就无能为力了。针对这一不足，许多学者做了方法的探索。Hervás等^[57]提出了利用遥感影像纹理变化检测技术识别滑坡灾害信息的方法。1992年，Ohanian对灰度共生矩阵、Markov随机场模型、分形模型、小波变换这4种纹理测量技术进行了实验结果比较，证明基于灰度共生矩阵的统计特征要优于其他分析方法^[58]。万保峰等^[59]通过对云阳滑坡遥感图像地物的识别，先大致圈定滑坡形态，然后采用纹理分析提取具有各类地物特征的二次统计特征量，并结合t检验法，利用逐点跟踪的方法达到了识别图像对象的目的。李松等^[60]对北川FS-2影像进行纹理分析，以震前影像为除数，震后影像为被除数，对纹理分析图像进行变化检测，提取滑坡，经其验证认为，滑坡灾害信息的自动检测图像和实际结果吻合较好。傅文杰等^[61]通过对莆田市的暴雨型滑坡的研究，利用SVM模型进行滑坡灾害信息的提取，从结果来看，基本上覆盖了已知的滑坡点，但具体位置在个别地方有些偏移，且滑坡点的范围存在偏大或偏小现象。陈晓利等^[62]利用径向基概率神经网络自学习的特性，通过对样本训练、检测，得到一个稳定可靠的模式识别网络，用其对工作区进行滑坡区域的预测，识别精度达到89.9%。Biswajeet等^[63]在综合分析马来西亚Selangor地区的滑坡灾害发生因素（包括岩石地层岩性、地形坡度、地形方位、地形曲率及与排水设备的距离和与线性构造距离等）的基础上，利用TM图像解译得到的植被覆盖情况和Landsat图像解译得到的植被指数建立了人工神经网络模型，并根据反向传播训练方法确定了每个因素的权重值，然后用该权重值计算出滑坡灾害指数，最后生成滑坡灾害图，经野外观测验证准确率可达82.92%。

RS技术的出现，在时间和空间上拓展了研究人员的视野和范围，使得地震滑坡的编录工作更为简单、科学。通过RS解译，结合相关地质资料和野外调查，可以更详尽地编录强震诱发的大量滑坡及其形成的地质与地貌影响因素，在识别滑坡的同时，还能识别滑坡所处位置的岩性、构造等，并获得相应的地形地貌数据。同时，除了对滑坡进行识别和面积计算外，与GIS技术结合还能够进行更多的空间分析和便利的数据管理，综合资料的获得与分析管理，对于研究地震滑坡及其各个影响因素之间的相互关系是非常重要的。

4.2   地震滑坡危险性评价与预测研究

目前对于地震滑坡危险性的研究包括滑坡发育规律、滑坡失稳机制、滑坡影响范围和危害程度预测等方面，但因其研究对象的空间尺度不同，学科基础和研究方式上存在着差异。大型单体滑坡的研究主要利用上文提到的基于地震参数的位移判别方法，而地震群发性滑坡主要利用基于GIS的区域统计学习方法。GIS技术由于对于地震群发性滑坡的空间分析上有着明显的学科优势，在这一领域得到了深入的研究。针对地震滑坡的危险性评价的理论基础，在前面的地震滑坡预测中已有阐明，本文主要从GIS技术应用的角度，简述近年来的重要研究成果。

区域统计学习方法首先综合考虑地形、地貌、水文、植被、人类活动及地质等基础因子的影响，从样本中通过统计学习发现规律，进而划分出不同危险等级的滑坡危险性区划，并在此基础上，进一步考虑诱发因子（如降雨等），从而比较明确地预测一定时间内将要发生滑坡地质灾害的可能性及其空间分布。该方法由于不需要搜集大量的滑坡物理特性方面的数据，因而更加适宜开展大范围的滑坡灾害危险性评价，并为滑坡治理优先级的制定和滑坡地质灾害区域预警预报提供决策依据。

常用的地震滑坡危险性区划模型可以分为2类，即判别分析模型和机器学习模型。判别分析主要包括信息量模型、证据权法、概率分析法、灰色关联等。信息量模型和证据权法的思路是，历史地震易发滑坡的地区在未来地震滑坡的易发性延续较高，然后通过对边坡环境因子等的分析，统计各类因子参数与滑坡发生频率间的关系，从而进行地震滑坡危险性区划；概率分析法和灰色关联在考虑到地震的随机性以及地震与滑坡场地效应相关的不确定性等影响因素的情况下应运而生，两种方法均以模糊数学为基础，前者采用地震超越概率的分布函数估算滑坡的失稳情况，后者通过地震滑坡灰度的模糊聚类分析评价滑坡的失稳情况。

Kamp等^[64]选取了岩性、断裂、坡度、坡向、高程、土地覆盖类型、河流与公路等因子，应用信息量模型对2005年Kashmir地震在喜马拉雅地区触发的数千个滑坡进行了易发性区划；并认为岩性对滑坡的影响作用最大，在页岩、板岩、碎屑岩、石灰岩与白云岩等岩石易高度破碎的区域尤其如此。许冲等^[65]采用加法与减法2种证据权方法，选取与地表破裂距离、峰值加速度（PGA）、高程、坡度、坡向、曲率、坡位、与水系距离、岩性、与断裂距离、与公路距离、NDVI等12个因素作为玉树地震滑坡危险性评价因子对玉树地震诱发的2036处滑坡危险性进行评价，其结果正确率为80%左右。2001年Uromeihy等^[66]对伊朗Khorshrostam地区进行了滑坡灾害危险性分区，基于格网单元采用模糊综合评判计算潜在的灾害指数，根据所得结果绘制了滑坡灾害分区图。王余庆等^[67]认为由于边坡的地震稳定性受到边坡岩土特性、地形地貌、地震地质和大气降雨等多种因素的影响，而这些影响因素又难以精确确定权重，因此可将地震作用下的岩土边坡体系看作是一个部分信息已知、部分信息未知的灰色系统。将聚类对象根据不同的聚类指标所拥有的白化数，按几个灰类进行归类，以判断该对象所属灰类。研究表明，此方法对天然边坡震害预测的有效性较高，但对人工路堑边坡震害预测的有效性较低，其原因可能是由于聚类标准来自天然边坡震害的宏观调查，而缺少对人工路堑边坡的震害信息。

判别分析模型属于半定量化方法，一般选择的研究尺度较大，这类方法的缺陷在于需要获取野外观测数据，基础因子的分级具有较强的主观性，与研究人员的专业经验有很大关系，而且对于地震诱发滑坡来讲，由于发生频次较之降雨型滑坡低，历史数据常常不满足要求。机器学习模型以人工智能理论为基本，在大数据量尤其是研究人员对研究区具体的地质构造不明的情况下可以解决很多问题，目前国内外机器学习模型包括决策树、逻辑回归模型、神经网络、支持向量机、灰色关联等，又以逻辑回归模型和神经网络模型应用较多。

许冲等^[68]以2008年汶川地震区为研究区，选择坡度、坡向、高程、与水系距离、与公路距离、与映秀—北川断裂距离、地震烈度、岩性共8个影响因子进行逻辑回归模型分析，建立了汶川地震滑坡危险性索引图。高艳平等^[69]考虑滑坡预测时，运用了神经网络方法，该方法根据边坡的一些主要影响因素预测边坡是否会在地震作用下失稳，即将影响滑坡的因素（岩土体特性赋值、新构造运动特征赋值、坡高、坡角、年均降雨量及场地地震烈度）当作样本输入神经元网络，通过有导师或无导师网络系统进行认证和学习后，对相应样本点进行输出，建立起各个神经元之间的连接强度（即权值）。同样，当输入一组新的参数时，网络系统可以依据先前的学习经验输出预测的值。樊伟等^[70]提出将灰色预测的GM（1.1）模型与神经网络预测模型结合起来，建立灰色神经网络预测模型，对滑坡变形位移进行预测，此方法为串联型灰色神经网络组合模型，是用神经网络识别灰色GM（1.1）所得的预测值和实测值之间的未知关系修正灰色系统所得的预测值。土耳其学者Yesilnacar^[71]在研究Hendek地区滑坡时，同时应用逻辑回归模型与神经网络模型进行滑坡危险性预测，对两者结果进行比较，发现神经网络的参数设置较关键，尤其在高山地区，神经网络的预测效果与现实更加吻合。

综上所述，应用GIS技术对地震诱发的群发性滑坡危险性进行预测已经有相当数量的模型和方法，随着地震滑坡灾害数据获取能力的提高和评价方法的改进，基于GIS的危险性评价己经从定性的文字评述变为定量的范围和程度表达，获得了大量的成果。但是，从此方法与上文提及的基于地震参数的工程力学理论基础的比较可以发现，工程力学的方法更为精细，预测精度更强，虽然因成本问题，较少用于区域性大范围的滑坡，但理论上是可行的；而GIS预测的方法则很难应用到单体地震滑坡的研究上。除此之外，GIS预测方法还存在3个问题：① 较多学者并非地质出身，对地震滑坡的机理缺乏足够的认识，因此，地质调查过程中对控制滑坡形成的地震相关现象分析和重视不够；② 片面追求评价数学模型的复杂性，缺乏多种模型方法的综合运用比较，对简单模型可能达到更为良好效果重视不够，多数只使用一种模型；③ 评判标准不够明确，对危险性大小的评级上没有量化或者统一的标准，主要以研究者个人经验为主。

5.   结束语

2012年11月，地震滑坡国际学术研讨会在日本桐生市举行，会上总结了地震滑坡近期的研究成果，涉及了地震滑坡及其灾害影响调查、地震滑坡的特点及机理、地震滑坡的物理和数值模型、地震滑坡的观测和监测技术、地震滑坡的预测和预警等风险管理内容^[72]，这说明地震滑坡研究是近年来国内外研究的重点学科领域，并取得了累累硕果。但也应该发现有关地震滑坡的研究还有很多不足，包括：地震滑坡发育规律的研究还不透彻，滑坡与强震构造环境、应力状态、震源机制、位错特征等关系的研究和滑坡与地形地貌效应关系的研究都存在很多未解的地方，像汶川地震诱发滑坡的惊人数量、黄土滑坡的地震液化与其坡度偏小的地震响应问题等。尤其是地震滑坡的预测一直是难以攻克的难点，虽然对于地震诱发滑坡过程的机理已经有所了解，但涉及具体时间、范围、大小等预测时，仍存在众多技术与方法难题，工程力学的方法首先因实验模拟、设备架设等存在应用上的限制，而且土质滑坡与岩质滑坡的方法之间难以相互转化，这使得具体到岩土滑坡时应用任一种方法都会存在问题。GIS的出现为地震滑坡的预测提供了新的途径，但此方法只能做到半定量化，精度还有待提高，加之滑坡失稳是复杂的不确定性问题，GIS难以在分析时考虑到每一种相关因素。

2008年汶川地震以来，国内地震滑坡的研究受到了进一步的重视，来自不同学科背景的学者都在这一领域以各自的视角开展了多方面研究，数字化新技术也被广泛应用，涌现出了大量的工作成果，并为政府指导救灾、减少财产损失以及更好地进行灾后重建规划等提供了必要的依据。由于我国山地多，地形条件复杂，又是大陆强震活动最为频繁，且地震灾害非常严重的国家，特别是在中西部地区，地震滑坡现象极为常见，并对人类活动威胁极大。未来我国强震活动形势仍将非常严峻，地震滑坡研究不仅具有非常重要的理论和现实意义，也必将迎来一个快速发展的时期。