引用本文
苏航, 卢楠迪, 伏小双, 李奇. 基于地理探测器的元阳梯田地质灾害影响因素及滑坡成因分析[J].中国地质调查, 2024,11(3): 92-100.
SU Hang, LU Nandi, FU Xiaoshuang, LI Qi. Analysis on the influencing factors of geological disasters and causes of landslide in Yuanyang terraced fields based on geographical detectors[J].Geological Survey of China, 2024,11(3): 92-100.  
doi: 10.19388/j.zgdzdc.2024.03.12
Permissions
Copyright@2024, 《中国地质调查》编辑部
《中国地质调查》编辑部 所有
基于地理探测器的元阳梯田地质灾害影响因素及滑坡成因分析
苏航, 卢楠迪, 伏小双*, 李奇
云南省有色地质局三O八队,云南 昆明 650200
通信作者简介: 伏小双(1979—)男,高级工程师,主要从事地质灾害防治方面的工作。Email: 471207745@qq.com。

第一作者简介: 苏航(1983—)男,高级工程师,主要从事地质灾害防治、矿山水工环方面的工作。Email: 120590307@qq.com。

收稿日期: 2023-11-15 修回日期: 2024-04-22
基金资助: 云南省有色地质局重点科研项目“世界遗产元阳梯田地质灾害链演化机理及生态治理关键技术研究(编号: 2021184)”和云南省有色地质局“百名地质技术人才培养工程(编号: 2022042)”联合资助
摘要

元阳梯田受其特殊的地理位置、地表植被和农耕文化影响,表生地质灾害频发,对其生态价值和文化价值造成极大损害,梯田区域的地质灾害防治显得尤为关键。在详细野外调查基础上,结合元阳梯田区15 m分辨率遥感影像数据,利用空间叠加分析和地理探测器模型对研究区地质灾害影响因素开展了详细研究。结果表明: 元阳梯田区地质灾害(隐患)点中滑坡灾害(隐患)点数量占比为93.39%,小型规模灾害(隐患)点数量占比为87.69%,总体表现为以滑坡性质的小型灾害为主; 地质灾害分布的影响因素主要为地形坡度,其次为地质构造,受地貌单元影响最弱; 滑坡灾害形成的影响因素具有复合性特点,其中强烈的河流侵蚀作用、地壳抬升作用和活跃的断裂构造活动是其成灾的主要地质环境背景,丰富的降雨量和人类工程活动是其成灾的主要触发因素。通过研究可进一步认识元阳梯田地质灾害影响因素及形成条件,可更好地助力于地方防灾减灾体系提升,也可为区域地质灾害风险分析提供一定的参考。

关键词: 元阳梯田; 地质灾害; 地理探测器; 影响因素; 成因机制
中图分类号:P681.7 文献标志码:A 文章编号:2095-8706(2024)03-0092-09
Analysis on the influencing factors of geological disasters and causes of landslide in Yuanyang terraced fields based on geographical detectors
SU Hang, LU Nandi, FU Xiaoshuang, LI Qi
No.308 Team of Yunnan Nonferrous Metals Geological Bureau, Yunnan Kunming 650200, China
Abstract

Due to its unique geographical location, surface vegetation, and agricultural culture, Yuanyang terraced fields have been frequently affected by surface geological disasters, causing great damage to their ecological and cultural value. Therefore, the prevention and control of geological disasters in the terraced areas is particularly crucial. On the basis of detailed field investigations, combined with 15 m resolution remote sensing image data from Yuanyang terraced fields, the authors conducted a detailed study on the factors affecting geological disasters in this area using ArcGIS spatial overlay analysis and geographic detectors. The results show that the amount of landslides accounts for 93.39% and the amount of small-scale disasters accounts for 87.69% in Yuanyang terrace fields. Overall, it is mainly characterized by small-scale disasters with landslide as the main type. The main influencing factors of geological disaster points in the study area are topographic slope, followed by geological structure and the geomorphic unit. The influencing factors of geological disasters are complex, and strong river erosion, crustal uplift, active fault tectonic activity are the main geological environment factors. Besides, abundant rainfall and human engineering activities are the main inducing factors. The influencing factors and causes of geological disasters in Yuanyang terraced fields were identified through this research, which could better promote improving the local disaster prevention and reduction system, and also provide certain references for regional geological disaster risk analysis, investigation and evaluation projects.

Keyword: Yuanyang terraced fields; geological disaster; geographic detector; influencing factors; genetic mechanism
0 引言

元阳梯田位于云南省元阳县, 独特的地形地貌特征使其有着森林在上、村寨居中、梯田在下、河渠贯穿其中的“ 四素同构” 梯田景观格局, 享誉世界。元阳梯田区及其外围区域发生过不同程度的地质灾害, 威胁居民人数和财产金额分别可达数万人和数以亿计。摸清梯田区地质灾害分布特征及控制因素, 并进行科学有效的防范十分重要且紧迫。目前国内有关地质灾害空间分布特征、风险评价、形成机理和预警机制的研究颇多[1, 2], 其中聚焦于梯田区地质灾害的研究主要着力于个体灾害成因机理的深度分析及其防治措施[3, 4, 5], 但着眼于从整体视角观察大型梯田区的地质灾害空间分异特征以及分析影响因素之间的关系的研究还相对较少[6], 特别是针对具有极高生态和文化价值的世界遗产景观梯田的研究亟需丰富, 研究成果对于保护和维护梯田景观具有重大意义。

地理探测器模型最初提出是基于GIS空间叠加技术和集合论, 用于定量化研究地理现象中自变量相对应变量的空间分异解释力, 并进一步揭示现象背后的主要驱动因子及识别各类因子之间的相互作用关系[7]。地理探测器对于空间尺度下因子分异性可表现出良好的量化效果, 并能够准确判断各因子两两之间线性与非线性相互作用, 因此, 近年来被积极应用于地质灾害相关研究[8]。胡凯衡等[9]以横断山区为研究区, 选取降雨等因子利用地理探测器量化泥石流空间分布格局与各环境因子之间的关系; 刘小青等[10]以2008年北川强震区为研究区, 从地质地貌和自然地理角度出发, 基于地理探测器定量化探究地震背景诱发的地质灾害主要影响因素及各因素之间的耦合作用关系; 沈迪等[11]基于地理探测器对所选取的9个地质灾害敏感性因子空间分布特征进行量化研究, 以此探讨北京市地质灾害空间集聚特征及主导因素; 季建万等[12]利用地理探测器量化探讨了京津冀城市群高程与坡度对地质灾害空间分布的影响程度。本文以元阳梯田区为研究对象, 在对研究区地质灾害发育特征统计分析的基础上, 利用地理探测器定量化研究区域地形坡度、地貌单元和地质构造3种影响要素与地质灾害的空间分异关系, 进而探讨影响要素因子之间的交互作用类型, 凝练和总结研究区主要地质灾害形成条件, 以期为元阳梯田区地质灾害防治提供科学依据。

1 研究区地质环境概况

元阳梯田区位于云南省南部, 哀牢山脉南段, 东接金平县, 南邻绿春县, 西与红河县毗邻, 北与建水县、个旧市隔红河相望, 东西最大横距为 74 km, 南北最大纵距为55 km。研究区属亚热带高原季风气候, 年均温度为8.6~17.9 ℃, 气候温和, 雨量充沛, 多集中于5— 10月份, 期间暴雨和阵雨量约占年总降水量的50%以上, 多年平均降水量> 1 000 mm。

研究区地形地貌复杂, 整体上可分为4种地貌单元类型: 构造侵蚀中山地貌、堆积河谷地貌、构造侵蚀低山地貌、岩溶中山地貌(图1)。研究区地层出露不全, 以元古界哀牢山群分布最为广泛。地层岩性分布以哀牢山断裂和红河断裂为界: 哀牢山断裂西南区域以沉积岩为主; 哀牢山断裂和红河断裂之间, 以元古界哀牢山群的深度变质岩为主; 红河断裂东北区域, 则以断陷盆地的含膏盐的沉积物为主。

图1 研究区区域构造简图
断裂: ①.红河断裂, ②.哀牢山断裂, ③.牛孔— 黄草岭断裂, ④.马鹿塘— 草果洞断裂, ⑤.黄茅内参— 牛场断裂, ⑥.架七— 俄浦断裂, ⑦.金子河断裂; 褶皱: ①.元阳— 新城背斜, ②.大顺寨— 纸厂向斜, ③.甲寅— 牛角寨背斜, ④.马龙— 良心寨向斜, ⑤.架七— 俄浦向斜, ⑥.咱洛— 黄草岭向斜, ⑦.大黑公— 大文迷向斜Fig.1 Structural diagram of the study area

2 数据与方法
2.1 数据来源与处理

本文所用数据包括遥感影像数据、数字高程模型(Digital Elevation Model, DEM)数据、地质灾害类型、数量及分布点位数据和基础资料数据。其中遥感影像和DEM数据来源于地理空间数据云平台(www.gscloud.cn/)Landsat 7 TM/ETM+, 将数据进行几何校正、裁剪、拼接和影像融合处理, 影像融合后空间分辨率为15 m。在此基础上, 通过目视解译, 结合野外实地勘察现状, 进行地貌单元和地形坡度分区的划分。地质灾害类型、数量及分布点位数据和基础资料数据来源于中国地质调查局开发的“ 地质云3.0” 平台数据, 以及当地政府公开资料和团队野外勘察调查资料。

2.2 研究方法

地理探测器模型是一种可探测空间分异性并揭示分异现象背后驱动因素的统计学手段, 其原理在于地理现象不同表现形式均存在特定的空间位置, 影响现象表现形式的自变量必然与所呈现出的现象(因变量)存在相似的空间分异特征, 相似程度越高, 表明影响因素作用程度越深, 反馈到地理探测器模型则是自变量相对于因变量的解释力越高[7, 13, 14]。

地理探测器共包含4个子模型, 即分异及因子探测、交互作用探测、风险区探测和生态探测, 其中分异及因子探测可用于量化自变量对于因变量的影响程度及识别因变量主要驱动因素, 交互作用探测可用于判断自变量之间的相互作用关系及识别主导因子与各因子之间交互作用特征[7]。基于上述原理, 本文在探究元阳梯田区地质灾害现象及其影响因素时, 采用因子探测和交互作用探测子模型, 可有效量化影响因素作用程度及各因素之间的耦合作用关系[15, 16, 17, 18]。因子对因变量的影响程度可用q值度量, 其计算公式为

q=1-SSW/SST　, (1)

SSW=∑h-1LNhσh2, SST=Nσ2　。(2)

式中: h=1, 2, …L, 该参数为因变量Y或自变量X的分层(分区); Nh和N分别为层h和全区的单元数; σh2和σ 2分别是层h和全区的Y值的方差; SSW和SST分别为层内方差之和全区总方差; q为自变量X对因变量Y的解释力(影响程度), 值域为[0, 1], q值越大, 表现解释力越强, 反之越弱, 通过q值的大小可有效识别主导因素和次要因素。

交互作用判断依据如表1所示。

表1 影响因素对地质灾害的交互作用方式判别表 Tab.1 Discrimination table of the interaction mode of influence factors on geological hazards
3 结果与分析
3.1 地质灾害发育特征

截至2020年3月底, 经野外现场勘察和统计分析, 研究区共有地质灾害(隐患)点333处(包括110处灾害点和223处隐患点)。其中: 滑坡共311处, 隐患点206处, 灾害点105处; 泥石流共21处, 隐患点17处, 灾害点4处; 崩塌1处, 灾害点1处。统计结果显示, 研究区地质灾害的类型以滑坡为主(占研究区灾害(隐患)点总数的93.39%), 泥石流(占研究区灾害(隐患)点总数的6.31%)次之。同时, 研究区内滑坡和泥石流隐患点远多于已有灾害点, 反映出区内还存在较高的地质灾害潜在风险。

按灾害规模等级划分: 区内小型地质灾害(隐患)点292处, 占灾害(隐患)点总数的87.69%; 中型地质灾害(隐患)点38处, 占灾害(隐患)点总数的11.41%; 大型地质灾害(隐患)点1处, 占灾害(隐患)点总数的0.3%; 特大型地质灾害(隐患)点2处, 占灾害(隐患)点总数的0.6%。以上结果显示, 研究区地质灾害规模以小型为主。其分布特征与梯田式地貌特征有关, 梯田作为一种波浪式断面田地, 通过加高地埂, 减小地块坡度, 有利于增大地表径流和降雨入渗量, 可极大程度降低地表冲刷力度, 有效治理山坡坡地的水土流失, 降低地表次生地质灾害风险。

不同灾害规模对下游居民和建筑物形成的威胁程度不同, 结合研究区灾害规模等级数量分布特征, 通过对研究区潜在地质灾害(隐患)点分析可知, 现状隐患点223个, 其中灾害规模等级达到中— 大型共6处、中型52处、小型165处, 共威胁当地居民2万人, 威胁财产4.6亿元。分析结果显示, 滑坡威胁程度最重, 其次为泥石流: 滑坡威胁人口1.7万人, 威胁财产达3.8亿元; 泥石流威胁人口0.25万人, 威胁财产达0.88亿元。

3.2 地质灾害分布影响因素分析

研究区地理位置特殊, 位于地形崎岖的哀牢山区域, 区域梯田具有独特的地质地貌特征, 梯田分布具有以下4个特点: ①梯田连绵成片, 每片面积可至上千亩, 部分梯田横跨不同地貌单元; ②梯田分布地势陡峭, 地形坡度可从15° 的缓坡到75° 的峭壁; ③梯田级数多且分布海拔高, 最多可达3 000多级阶梯, 由河谷可延伸至海拔2 000多m的高山, 极大改变了坡体地势条件; ④地质构造作用活跃, 长期以来受到红河断裂和哀牢山断裂的双重影响, 分布数量和活动强度各异的小型断层, 动力地质作用整体较强烈。上述地形地貌和地质特点致使研究区近年来小型地质灾害频发, 其机理为: 首先, 强烈的构造作用使得区域裂缝发育, 岩体完整性差, 赋予了梯田区良好的地质灾害基础条件; 其次, 高陡地势使得梯田区土体受重力势能影响较大, 在降雨驱动下易向下滑动, 同时高海拔梯田分布使得滑动总距离增大, 在滑动过程中随着降雨量增大和周边物源物质的补充, 小范围的滑坡灾害易演化为大范围、长距离的泥石流灾害。因此, 高陡地势和高海拔赋予了地质灾害良好的孕灾地质环境背景。

综上, 致使研究区地质灾害呈现空间分异性的3个重要因素分别为横跨15° ~75° 的地形坡度、由低海拔河谷到高海拔山区的地貌单元和广泛分布的各类小型构造断层所对应的地质构造。利用地理探测器探测以上3种因素对地质灾害分异性表现的解释力。首先, 基于ArcGIS绘制研究区影响因素与地质灾害分布空间关系图, 利用自然断点法对3种影响因素进行分级。其中: 地貌单元按照构造侵蚀中山地貌、堆积河谷地貌、构造侵蚀低山地貌和岩溶中山地貌进行分级; 地形坡度按照平台[0° , 8° ]、缓坡(8° , 25° ]、陡坡(25° , 60° ]和陡崖> 60° 进行分级; 地质构造则按照距灾害点最近的断裂或褶皱直线距离[0, 0.5] km、(0.5, 2] km、(2, 5] km和> 5 km进行分级。然后, 通过因子探测子模型进行影响因素的q值计算, 结合表1运用交互作用探测子模型进行影响因素之间交互作用的判定, 并进行探讨。

从地形坡度与地质灾害空间分布关系来看(图2): 分布在平台的地质灾害有0处; 分布在缓坡的地质灾害有70处, 占地质灾害总数的22.44%, 类型全为滑坡; 分布在陡坡的地质灾害有242处, 占地质灾害总数的77.56%, 类型为滑坡和崩塌(1处); 分布在陡崖的地质灾害有0处。表明陡坡地段地质灾害点位分布最多, 缓坡地段次之。

图2 地形坡度与地质灾害空间分布关系Fig.2 Spatial distribution diagram of terrain slope and geological disasters

从地貌单元与地质灾害空间分布关系来看(图3): 研究区地质灾害主要分布于构造侵蚀中山地貌, 共215处, 发育密度为15.63处/100 km2; 堆积河谷地貌分布的地质灾害有21处, 发育密度为13.96处/100 km2; 岩溶中山地貌分布的地质灾害有31处, 发育密度为13.22处/100 km2; 构造侵蚀低山地貌分布的地质灾害有0处。

图3 地貌单元与地质灾害空间分布关系Fig.3 Spatial distribution diagram of geomorphic units and geological disasters

从地质构造与地质灾害空间分布关系来看(图4), 研究区控制性构造是呈NW— SE向的哀牢山断裂和红河断裂, 其间为一系列褶皱, 在地质构造附近, 岩层变形揉曲强烈, 破碎严重。地质灾害明显呈两个密集带形式分布: 一是牛角寨— 新街— 嘎娘— 逢春岭密集带, 位于红河与哀牢山两个活动断裂所夹持地带; 二是攀枝花— 普龙、哈播— 黄草岭密集带, 位处哀牢山与牛孔— 黄草岭两个活动断裂间的区域。

图4 地质构造与地质灾害空间分布关系
断裂: ①.红河断裂, ②.哀牢山断裂, ③.牛孔— 黄草岭断裂, ④.马鹿塘— 草果洞断裂, ⑤.黄茅内参— 牛场断裂, ⑥.架七— 俄浦断裂, ⑦.金子河断裂。褶皱: ①.元阳— 新城背斜, ②.大顺寨— 纸厂向斜, ③.甲寅— 牛角寨背斜, ④.马龙— 良心寨向斜, ⑤.架七— 俄浦向斜, ⑥.咱洛— 黄草岭向斜, ⑦.大黑公— 大文迷向斜Fig.4 Spatial distribution diagram of geological structure and geological disasters

地质灾害影响因素的解释力差异较大(图5): 地貌单元因素对区内地质灾害发生的解释力表现为最弱(0.086), 反映了地貌单元对研究区地质灾害的发生驱动程度较弱, 这与研究区构造侵蚀中山地貌发育面积占比超90%有关, 大面积发育同一类型的地貌特征, 造就研究区其余不同类型的地貌单元对地质灾害的发生的影响程度较弱; 地质构造因素对区内地质灾害发生的解释力表现为中等(0.28), 表明地质构造在一定程度上对区内地质灾害的发生起到驱动作用, 但不是主要影响因素, 反映了研究区地质灾害的发生与构造部位存在内在联系, 这是由于长期地质历史过程中, 构造活动赋予了地质灾害发生的良好地质背景条件; 地形坡度因素对区内地质灾害发生的解释力表现为最强(0.45), 与上述区内陡坡地段地质灾害数量占比超过75%相互印证, 综合表明了研究区地质灾害与地形坡度存在深度关联性, 揭示了地形坡度是研究区地质灾害发生的主要驱动因子。3种影响因素两两之间对地质灾害发生的解释力均存在双因子增强交互作用, 但作用程度均较弱, 揭示了在研究区中3种因素两两之间对地质灾害发生的驱动力具有增强趋势, 但增强幅度有限。

图5 地质灾害影响要素q值及交互作用关系图
注: 图中蓝色格子从左到右代表的交互效应类型为: 非线性减弱、单因子非线性减弱、双因子增强、独立、非线性增强。本文3对交互效应指示单元格(紫色)都位于第3格, 即3个指标两两之间均属于双因子增强交互效应类型。Weaken表示虽然指标两两之间均表现为双因子增强, 但程度均较弱。Interact Result: Enhance.bi-表示“ 交互结果: 增强.双因子” 。Fig.5 The q value of the geological disaster influencing factors and the interaction relationship diagram

3.3 滑坡灾害形成条件分析

由上述分析可知, 研究区地质灾害主要为滑坡, 为进一步探讨研究区地质灾害的形成条件, 基于前述影响因素分析, 从地质环境背景与触发条件两个角度展开滑坡成因分析。

3.3.1 地质环境背景

(1)河流侵蚀背景下的陡峭地势

研究区地处云南高原南缘, 哀牢山山脉南段呈NW— SE向贯穿全区, 红河与藤条江分水岭北部由SW向NE降低, 河溪汇入红河, 其南部由NW向SE降低, 溪流均归于藤条江。全区最高点为白岩子山, 标高为2 939.6 m, 最低点是小河口, 标高为144 m, 地势高差可达2 795.6 m。研究区众多河流的主干流及其支流构成了充分交错的水网, 对地形造成强烈的切割和侵蚀作用, 使境内出现了众多的河谷。梯田区域微地貌以陡坡和陡崖为主, 河谷谷坡受河流及其支流的强烈侵蚀作用, 两岸多形成高陡临空面, 为地质灾害的形成提供了地形条件。

(2)复杂地质构造背景下的强烈卸荷作用

滑坡作为斜坡的一部分, 其稳定性受区域性构造活动的约束, 断裂活动使得断裂带及其周围地质体的岩体产生多组构造节理裂隙, 岩石完整性遭受破坏, 岩体力学强度降低, 各种结构面成为滑坡产生的可能滑面。区内滑坡灾害多表现为小型特征, 强烈卸荷作用下形成的古老滑坡体既是梯田形成的条件, 也是易于产生滑坡等地质灾害的物质条件, 是研究区小型滑坡形成的物质基础。研究区地质灾害密集带的展布方向与区域应力场的应力方向相吻合。区内红河、哀牢山、牛孔— 黄草岭3条活动断裂活动均较强烈, 断裂带沿线岩体破碎, 岩层节理裂隙发育。区内属抬升区, 红河断裂为发震断裂, 地震频发。由于断裂活动与新构造运动产生的地貌效应, 形成了高陡的斜坡和深切的沟谷。这些条件与区内特殊的气候、生态环境相配合, 构成了有利于滑坡生成的环境系统, 进而造成滑坡呈条带状集中发生的格局。

3.3.2 触发条件

(1)降雨及地下水背景下的易滑带(面)成型。研究区在内、外地质应力的控制条件下逐渐形成高陡斜坡, 斜坡坡体下部多为相对不透水的基岩, 上覆渗透性较强的土体。在高海拔区域大量降雨后, 部分降雨沿土体入渗, 造成上层滞水和潜水沿此带富集, 形成易滑带(面)。当易滑带(面)前后贯通, 滑带(面)上的岩土体便沿滑带(面)由高处向低处运动而形成滑坡。此外, 降雨入渗后会增大滑坡体重量, 致使下滑力增加, 降低斜坡稳定性。

(2)降雨及地下水背景下土体物理性质的改变。水是滑坡发育最为活跃的动力因素之一, 可通过物化作用改变岩土体的抗剪强度指标, 通过孔隙静水压力作用降低岩土体的强度, 通过孔隙动水压力作用降低岩土体的抗剪强度。降雨通过转化为地表水和地下水诱发滑坡, 影响和控制滑坡灾害的分布特征。目前, 已有研究[18]指出, 元阳梯田区现场采集第四系土体降雨物理模型实验表明, 随着降雨量逐渐增大, 坡体后缘出现明显的拉裂缝, 在降雨驱动下的坡体首次滑动之前, 坡体后缘孔隙水压力表现为前期缓慢、后期快速的上升态势, 土壤含水率可迅速从25%上升至约55%, 土压力也随之呈现出增大趋势。实验数据的变化指示在降雨下渗作用下土壤孔隙被重力水完全饱和, 此时, 孔隙水压力和含水率的显著增大可软化土体, 有效减小结构面上的有效正应力, 从而降低抗滑稳定性, 同时, 土压力指示土壤自重在水的加载负荷下明显增大, 使坡体下滑风险增大。

研究区不同海拔高度平均降雨量存在明显区别(表2), 总的降雨特点是东南多西北少, 高山多河谷少, 高山区与河谷区年均降雨量相差近1 400 mm。另外, 结合地貌单元与地质灾害空间分布关系(图3)可以看出, 滑坡灾害点的分布特征与具有不同地貌特征区域的降雨量具有明显正相关联系。

表2 研究区海拔与降雨量特征 Tab.2 Characteristics of altitude and rainfall characteristics in the study area

(3)人类活动。研究区人类活动主要集中于山地区(海拔高度> 600 m), 主要表现为筑路、修房和耕作灌溉等。从野外实地勘察情况来看, 研究区公路建设过程中易形成大量弃土、弃渣及高陡挖填方边坡, 破坏斜坡的稳定性, 在降雨加载等作用下, 易形成滑坡等地质灾害, 如H2滑坡区域上部在道路等基础设施建设中, 回填了一定厚度的人工填土, 使得斜坡体上覆土层厚度增加, 滑体下滑力增大(图6)。房屋修建会使后缘形成陡坎, 在地表水冲蚀及分化作用下, 易产生陡坎失稳, 引发滑坡等地质灾害, 如H3滑坡于2006年首次出现变形, 随着在滑坡后缘建房加载, 量变不断积累, 于2013年滑坡变形速度加快(图7)。在耕作过程中, 也会导致梯田区域滑坡体自重以及滑坡区地表水和地下水渗流路径发生较大变化, 从而导致滑坡失稳下滑, 如H11和H15滑坡均位于梯田耕作区内(图8)。因此, 不合理的人类工程活动为元阳县地质灾害发生的主要触发因素之一。

图6 研究区H2滑坡全貌(左)与后缘现状(右)Fig.6 Full view of landslide H2 (left) and current status of the trailing edge (right) in the study area

图7 研究区H3滑坡全貌(左)与后缘现状(右)Fig.7 Full view of landslide H3 (left) and current status of the trailing edge (right) in the study area

图8 研究区H11滑坡全貌(左)与H15滑坡全貌(右)Fig.8 Full view of landslide H11 (left) and landslide H15 (right) in the study area

综上, 研究区在前期复杂强烈的构造背景下, 节理裂隙沿断裂带成条带状发育, 同时形成沿主应力方向分布的结构面。在地表河流不断侵蚀下切作用和新构造运动抬升作用下, 造就了地表多陡坡少缓坡的发育特征, 特别是沿河谷地带高陡地形突出。后期在降雨特别是暴雨季节, 大气降水沿节理裂隙和土体下渗, 减小了结构面摩擦力, 降低了土体抗滑性。结合人类对地表土体进行开挖回填和大量灌溉等活动, 疏松的土壤结构使得土体易积水, 进一步增大表层土体自重和破碎岩体承载力。最后, 在持续降雨驱动作用下, 在结构面上剪应力于某一时刻超过了抗剪强度, 滑坡便由此产生。

4 结论

(1)元阳梯田区共有地质灾害(隐患)点333处。从灾害类型来看, 以滑坡灾害(隐患)点为主, 占区内灾害(隐患)点总数的93.39%; 从灾害规模来看, 以小型灾害(隐患)为主, 占区内灾害(隐患)点总数的87.69%。表明研究区地质灾害特征总体为以滑坡性质的小型灾害为主。

(2)元阳梯田区地质灾害分布的影响因素以地形坡度因素(q=0.45)为主, 地质构造(q=0.28)因素次之, 地貌单元(q=0.086)因素最弱。

(3)元阳梯田区滑坡灾害在孕灾地质环境背景和触发条件综合作用下表现为: 强烈的河流侵蚀作用和地壳抬升形成深切河谷和高陡斜坡临空面, 为滑坡提供良好的地形地貌条件; 区域断裂构造活跃, 使得岩体完整性低, 岩层节理裂隙发育, 为滑坡提供了良好的结构滑面; 区域高海拔区丰富的降雨量为滑坡提供了良好的易滑带, 并增加了滑坡体的下滑力; 区域人类活动通过改造地貌、增加覆土重量及改变地表水与地下水渗流路径, 进一步加快了滑坡变形。

(4)本研究有助于地方防灾减灾体系提升, 也可为区域地质灾害风险分析、调查评价项目提供一定的参考。由于现有掌握的研究区地质资料有限, 本文并未引入更多的影响因素, 下一步将在此基础上引入其他相关因素展开更加系统、全面的研究分析。

(责任编辑: 刘丹)

参考文献
[1] 张群, 易靖松, 张勇, 等. 西南山区县域单元的地质灾害风险评价——以怒江流域泸水市为例[J]. 自然灾害学报, 2022, 31(5): 212-221.
Zhang Q, Yi J S, Zhang Y, et al. Geohazard risk assessment about county units in southwest mountainous areas of China: Taking Lushui County of Nujiang river basin as an example[J]. Journal of Natural Disasters, 2022, 31(5): 212-221. [本文引用:1]
[2] 徐正宣, 张利国, 宋章, 等. 川藏铁路表生地质灾害分布特征及防治对策[J]. 铁道工程学报, 2021(12): 35-39, 88.
Xu Z X, Zhang L G, Song Z, et al. Research on the distribution characteristics of superficial geological hazards and prevention countermeasures of Sichuan-Tibet Railway[J]. Journal of Railway Engineering Society, 2021(12): 35-39, 88. [本文引用:1]
[3] 李林, 陈安, 孔德彪, 等. 元阳梯田滑坡泥石流灾害链致灾模式研究[J]. 地质灾害与环境保护, 2023, 34(4): 20-27.
Li L, Chen A, Kong D B, et al. Research on the disaster model of land slide and debris flow disaster chain in Yuanyang terraced fields[J]. Journal of Geological Hazards and Environment Preservation, 2023, 34(4): 20-27. [本文引用:1]
[4] 毛正君, 张瑾鸽, 仲佳鑫, 等. 梯田型黄土滑坡隐患发育特征与成因分析——以宁夏南部黄土丘陵区为例[J]. 中国地质灾害与防治学报, 2022, 33(6): 142-152.
Mao Z J, Zhang J G, Zhong J X, et al. Analysis of basic characteristics and deformation mechanism of loess potential land slide of terrace: Taking loess hilly region in southern Ningxia as an example[J]. The Chinese Journal of Geological Hazard and Control, 2022, 33(6): 142-152. [本文引用:1]
[5] 赵冬梅, 角媛梅, 邱应美, 等. 基于maxEnt模型的哈尼梯田核心区滑坡易发性评价[J]. 水土保持研究, 2020, 27(4): 392-399, 407.
Zhao D M, Jiao Y M, Qiu Y M, et al. Assessment on land slide susceptibility of the core area of Hani race terraces heritage site maximum entropy model[J]. Research of Soil and Water Conservation, 2020, 27(4): 392-399, 407. [本文引用:1]
[6] 丁智强, 高璇, 角媛梅, 等. 基于空间密度函数的哈尼梯田世界遗产地滑坡时空格局变化[J]. 热带地理, 2020, 40(3): 478-486.
Ding Z Q, Gao X, Jiao Y M, et al. Spatio-temporal patterns of land slides in Hani rice terraces world heritage site based on spatial density function[J]. Tropical Geography, 2020, 40(3): 478-486. [本文引用:1]
[7] 王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134.
Wang J F, Xu C D. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. [本文引用:3]
[8] 任涛, 田国亮, 宁志杰, 等. 基于地理探测器和随机森林的岩溶塌陷易发性评价[J]. 灾害学, 2023, 38(3): 227-234.
Ren T, Tian G L, Ning Z J, et al. Evaluation of karst collapse susceptibility based on geodetector and rand om forests[J]. Journal of Catastrophology, 2023, 38(3): 227-234. [本文引用:1]
[9] 胡凯衡, 魏丽, 刘双, 等. 横断山区泥石流空间格局和激发雨量分异性研究[J]. 地理学报, 2019, 74(11): 2303-2313.
Hu K H, Wei L, Liu S, et al. Spatial pattern of debris-flow catchments and the rainfall amount of triggering debris flows in the Hengduan Mountains region[J]. Acta Geographica Sinica, 2019, 74(11): 2303-2313. [本文引用:1]
[10] 刘小青, 汤家法, 张利民. 基于地理探测器的北川县地质灾害影响因子定量分析[J]. 测绘与空间地理信息, 2020, 43(3): 41-43, 48.
Liu X Q, Tang J F, Zhang L M. Quantitative analysis with geographical detectors on the influence factors of geological disaster in Beichuan[J]. Geomatics & Spatial Information Technology, 2020, 43(3): 41-43, 48. [本文引用:1]
[11] 沈迪, 郭进京, 王志恒, 等. 基于热点分析与地理探测器的地质灾害敏感性评价[J]. 环境生态学, 2021, 3(4): 83-89.
Shen D, Guo J J, Wang Z H, et al. Sensitivity assessment of geological hazards based on hot spot analysis and geographic detectors[J]. Environmental Ecology, 2021, 3(4): 83-89. [本文引用:1]
[12] 季建万, 熊义兵, 姜琳琳, 等. 基于GD-SPCA的京津冀城市群地质灾害易发性评价[J]. 灾害学, 2023, 38(1): 94-99.
Ji J W, Xiong Y B, Jiang L L, et al. Evaluation of geological disaster susceptibility of Jing-Jin-Ji urban agglomeration based on geodetector and spatial principal component analysis methods[J]. Journal of Catastrophology, 2023, 38(1): 94-99. [本文引用:1]
[13] 白立敏, 修春亮, 冯兴华. 基于土地利用变化的长春市生态风险评价[J]. 生态科学, 2019, 38(3): 26-35.
Bai L M, Xiu C L, Feng X H. Ecological risk assessment for Changchun based on land use change[J]. Ecological Science, 2019, 38(3): 26-35. [本文引用:1]
[14] 何钊全, 尚雪, 张铜会, 等. 基于GIS耦合地理探测器模型的陕北红枣生态适宜性区划与驱动机理分析[J]. 灌溉排水学报, 2022, 41(12): 97-106.
He Z Q, Shang X, Zhang T H, et al. Suitability regionalization of jujube production in Northern Shaanxi province calculated using GIS coupled with geographical detector[J]. Journal of Irrigation and Drainage, 2022, 41(12): 97-106. [本文引用:1]
[15] 王研, 马瑞瑞, 李娟, 等. 基于地理探测器的地表水质影响因素研究——以山西省吕梁市为例[J]. 环境科学学报, 2023, 43(2): 212-222.
Wang Y, Ma R R, Li J, et al. Study on influential factors of surface water quality using geographic detector: A case study of Lvliang city, Shanxi province[J]. Acta Scientiae Circumstantiae, 2023, 43(2): 212-222. [本文引用:1]
[16] 马骏, 裴燕如, 王慧媛, 等. 鄂尔多斯-榆林地区景观生态风险评价及其驱动因子分析[J]. 水土保持通报, 2022, 42(2): 275-283.
Ma J, Pei Y R, Wang H Y, et al. Land scape ecological risk assessment and its driving factor analysis in Ordos-Yulin area[J]. Bulletin of Soil and Water Conservation, 2022, 42(2): 275-283. [本文引用:1]
[17] 程静, 王鹏, 陈红翔, 等. 半干旱区生态风险时空演变及其影响因素的地理探测——以宁夏盐池县为例[J]. 干旱区地理, 2022, 45(5): 1637-1648.
Cheng J, Wang P, Chen H X, et al. Geographical exploration of the spatial and temporal evolution of ecological risk and its influencing factors in semi-arid regions: A case study of Yanchi county in Ning-xia[J]. Arid Land Geography, 2022, 45(5): 1637-1648. [本文引用:1]
[18] 张明文, 李林, 许汉华, 等. 世界文化遗产元阳梯田滑坡-泥石流地质灾害链室内模型试验研究[J]. 江西建材, 2022(12): 156-158, 161.
Zhang M W, Li L, Xu H H, et al. Laboratory model test of geological hazard Chain of land slide and debris flow in Yuanyang terraced field[J]. Jiangxi Building Materials, 2022(12): 156-158, 161. [本文引用:2]