2025-07-22 4520 0
https://doi.org/10.1186/s40677-025-00331-x 摘要 2024年5月1日，中國廣東省梅州至大埔高速公路一處路堤邊坡發(fā)生滑坡，導(dǎo)致路面坍塌，造成23輛車墜落，48人死亡，30人受傷。本研究利用小基線集干涉合成孔徑雷達（SBAS-InSAR）技術(shù)，結(jié)合Sentinel-1A雷達遙感影像，繪制了梅大高速邊坡表面位移的時空分布圖。通過結(jié)合衛(wèi)星遙感影像、現(xiàn)場條件、降雨記錄和數(shù)字高程模型（DEM），分析了路堤邊坡的位移模式，揭示了滑坡的成因機制。研究結(jié)果表明，在事故發(fā)生前較長時間，坡頂與坡腳之間就已呈現(xiàn)緩慢的分離趨勢，此次滑坡為牽引式滑坡。表面位移與季節(jié)性降雨顯著相關(guān)，表明異常強降雨可能是本次滑坡主要誘因。本研究驗證了綜合遙感技術(shù)在監(jiān)測緩慢變化牽引式滑坡方面的有效性，為未來滑坡災(zāi)害監(jiān)測和預(yù)警提供了一條潛在途徑。 梅大高速滑坡回顧 梅大高速是一條雙向四車道高速公路，連接中國廣東省梅州市梅江區(qū)與大埔縣。梅大高速滑坡發(fā)生于2024年5月1日北京時間2時10分。根據(jù)圖1(a-c)的現(xiàn)場照片估算，滑坡體積約為5215立方米，坡頂塌陷深度約7.7米，滑坡滑移距離超過100米?；掳l(fā)生后，路堤與路面之間出現(xiàn)脫空（圖1(c)），最終導(dǎo)致一段長17.9米、寬12.25米的路面坍塌，受影響路面面積達184.3平方米。該事件發(fā)生在五一假期出行高峰，致使多輛車輛沖入坍塌形成的深坑。截至5月2日15時30分，據(jù)報道共有23輛車墜落，造成48人死亡、30人受傷。 圖1 梅大高速滑坡現(xiàn)場照片：（a）滑坡現(xiàn)場（2024/05/01/17:27:20）；（b）滑坡沖擊區(qū)域 （2024/05/01/17:01:45）；（c）路面受損區(qū)域（照片來自中央電視臺和新華社）。 本研究獲取了滑坡區(qū)域過去三年的月降雨量、事發(fā)前兩個月的日降雨量以及滑坡發(fā)生前十天的小時降雨量。圖2(a)表明，滑坡區(qū)域降雨呈現(xiàn)季節(jié)性變化，每年雨季（4月至9月）會出現(xiàn)集中持續(xù)性暴雨，而冬季（10月至12月）和春季（1月至3月）降雨較少。2024年4月該區(qū)域經(jīng)歷了前所未有的強降雨（圖2(b)），在4月16日至5月1日期間出現(xiàn)了持續(xù)16天的降雨，其中4月25日的日降雨量高達119毫米。4月月降雨量達到742毫米，是2023年4月降雨量（266毫米）的2.8倍?；掳l(fā)生前十天小時降雨數(shù)據(jù)展現(xiàn)了四個明顯的持續(xù)性強降雨時段，各時段峰值小時降雨量分別為17.4毫米、18毫米、13毫米和14毫米。這些觀測數(shù)據(jù)表明，在4月尤其是臨近滑坡發(fā)生前的時間段，滑坡區(qū)域經(jīng)歷了頻率和強度空前的降雨事件，其降雨模式顯著偏離歷史常態(tài)。 圖2 梅大高速滑坡降雨數(shù)據(jù)。（a）2021年4月至2024年4月的月降雨量和累積降雨量；（b）2024年3月1日至2024年4月30日的日降雨量和累積降雨量；（c）2024年4月21日至4月30日的小時降雨量和累積降雨量。 方法與驗證 本研究采用SBAS-InSAR技術(shù)，基于時序雷達影像中的相位變化，分析了研究區(qū)域表面位移的時間演變特征，使用了時間跨度為2023年4月12日至2024年4月30日的32景Sentinel-1A升軌雷達影像。InSAR反演得到的表面位移代表的是沿雷達視線方向（Line-of-Sight, LOS）的位移，該位移是垂直方向、東西方向和南北方向三個分量的合成結(jié)果?；诒砻嫫叫辛骷僬f，本研究依據(jù)邊坡-衛(wèi)星的幾何關(guān)系，將LOS位移分解為水平和垂直位移（如公式(1-3)所示）。 其中ULOS，USlope，UV,UH 代表了LOS向, 坡向, 垂直和水平向位移;θ, ε, α及β代表了雷達入射角、衛(wèi)星方位角、坡向角及坡度。 圖3 邊坡-衛(wèi)星幾何關(guān)系示意圖。 鑒于梅大高速滑坡區(qū)域缺乏可靠的現(xiàn)場監(jiān)測數(shù)據(jù)，本研究通過與中國廣東省深圳市塘朗山邊坡的GNSS監(jiān)測數(shù)據(jù)進行對比，驗證了SBAS-InSAR技術(shù)的有效性。塘朗山邊坡于2021年5月部署了一套基于GNSS的實時監(jiān)測系統(tǒng)（圖4(a)）。圖4(b)展示了位于GNSS監(jiān)測站點位的InSAR反演結(jié)果與GNSS監(jiān)測數(shù)據(jù)的對比情況。InSAR與GNSS獲取的垂直向累積位移呈現(xiàn)出一致的變化趨勢，二者在數(shù)值上的差異最大為1.5毫米，這主要是由于兩種方法的測量精度差異以及失相關(guān)效應(yīng)所致。綜上所述，InSAR反演結(jié)果能夠可靠地反映滑坡體的相對位移模式，其平均相對誤差為0.11。 圖4 塘朗山邊坡SBAS-InSAR和GNSS結(jié)果的比較。（a）基于SBAS-InSAR的塘朗山邊坡垂直方向累積位移；（b）GNSS和InSAR之間垂直向累積位移的比較。 邊坡表面位移模式 利用SBAS-InSAR技術(shù)獲得了梅大高速滑坡區(qū)域從2023年4月12日至2024年4月30日LOS方向上的累積位移。隨后，基于公式(1-3)，將LOS方向的累積位移投影分解為垂直位移和水平位移。其中，垂直位移以向上為正方向，水平位移則以朝向坡面方向為正，累積位移圖如圖5所示。以道路區(qū)域作為穩(wěn)定參考基準，計算得出該區(qū)域的位移誤差服從正態(tài)分布，誤差范圍為0.03 ± 1.64毫米，表明反演結(jié)果具有較高的置信度。 如圖5(a)所示，垂直累積位移圖清晰地顯示出滑坡區(qū)域存在明顯的向下累積位移。滑坡區(qū)附近的區(qū)域也存在相對較小的向下累積位移（如橙色點所示），隨著遠離滑坡區(qū)域，向下累積位移逐漸減?。ㄈ缇G色和淺藍色點所示）。水平累積位移的分布模式與垂直累積位移一致。在量級上，水平位移通常大于垂直位移，這歸因于進行投影時邊坡與衛(wèi)星之間的幾何關(guān)系。與垂直位移圖相比，水平位移圖揭示出滑坡區(qū)與一個先前存在的高位移區(qū)之間存在一個相互連通的位移帶（圖5(b)）?；聟^(qū)下方存在連續(xù)位移帶表明，在破壞發(fā)生前該區(qū)域已存在顯著的水平位移。滑坡發(fā)生后，滑動體的沖擊可能觸發(fā)了該區(qū)域的移動，從而形成了一個S形的沖擊區(qū)域（見圖3）。 為了更清晰地展示空間特征，圖5(c)進一步對比了區(qū)域I以及滑坡體內(nèi)四個點在2024年3月25日和4月30日的累積位移?？梢悦黠@觀察到，點位越靠近坡腳，其累積位移越大，這表明坡頂和坡腳之間存在一種“分離趨勢”。對比兩個日期的結(jié)果，在經(jīng)歷持續(xù)性暴雨后，這種分離趨勢變得更加顯著，表明坡腳處的位移速率加快。隨著降雨的持續(xù)，可以推斷坡腳處的累積位移和位移速率持續(xù)增加，分離趨勢愈發(fā)明顯，滑動面逐漸從坡腳向坡頂發(fā)展，最終觸發(fā)了滑坡。 圖5 累積位移空間分布。（a）2023年4月12日至2024年4月30日計算區(qū)域垂直累積位移云圖；（b）2023年4月12日至2024年4月30日計算區(qū)域水平累計位移云圖；（c）2024年3月25日和2024年4月30日區(qū)域I和滑坡區(qū)域內(nèi)各點的累計位移。 為進一步揭示滑坡運動的時間特征，本研究進一步分析了區(qū)域I及滑坡體內(nèi)四個點的垂直累積位移時間序列，并與降雨數(shù)據(jù)進行了對比，如圖6所示。滑坡區(qū)域的降雨數(shù)據(jù)覆蓋時間為2023年4月1日至2024年4月30日，每個數(shù)據(jù)點代表該時間段內(nèi)12天的累計降雨量。區(qū)域I及四個點的累積位移可劃分為五個階段：（1）階段1（2023年4月12日至7月17日）：此期間，滑坡區(qū)內(nèi)四個點的累積位移均呈增加趨勢，最大位移達10毫米，這可能是受到兩輪降雨的影響。（2）階段2（2023年7月17日至9月27日）：降雨數(shù)據(jù)顯示，8月至9月間存在一段強降雨期。然而，由于此期間在邊坡實施了噴錨支護，時序位移并未呈現(xiàn)顯著的下降趨勢。（3）階段3（2023年9月27日至2024年2月6日）：由于此期間降雨稀少，滑坡區(qū)內(nèi)各點未顯示出顯著的運動趨勢。（4）階段4（2024年2月6日至3月13日）：與前一階段相比，降雨量略有增加，滑坡體內(nèi)各點的累積位移呈現(xiàn)出小幅度的下降趨勢。（5）階段5（2024年3月13日至滑坡發(fā)生前）：此期間降雨量逐漸增大，滑坡區(qū)內(nèi)各點顯示出更明顯的下降趨勢，坡頂與坡腳之間出現(xiàn)顯著的分離趨勢。在滑坡發(fā)生前，位于坡腳附近的點4最大位移達到21毫米，而位于坡頂附近的點1累積位移為11毫米，這清晰地表明了坡腳與坡頂之間的分離。此時路面位移幾乎為0毫米，表明路面存在與高速公路路堤邊坡分離的傾向。 圖6(a) 清晰地展示了滑坡體內(nèi)四個點的位移模式與降雨強度之間存在正相關(guān)關(guān)系。計算了圖6(a)中四個階段的平均位移速率和平均降雨量，并在圖6(b)中展示了二者的相關(guān)性。結(jié)果表明，降雨強度的增加系統(tǒng)地提高了滑坡體的位移速率，這種現(xiàn)象在靠近坡腳的區(qū)域尤為顯著。例如，在關(guān)鍵的階段5，平均日降雨量達到17毫米/天。在此期間，靠近坡腳的點4平均位移速率為-0.22毫米/天，而靠近坡頂?shù)狞c1的速率較低，為-0.13毫米/天。這些點位之間位移速率的顯著差異，導(dǎo)致了邊坡發(fā)生漸進式分離。 圖6 滑坡體內(nèi)部和上方區(qū)域時序累積位移及其與降雨的相關(guān)性。（a）區(qū)域Ⅰ和點1-4的時序位移；（b）點1-4的平均位移速率與平均日降雨量之間的相關(guān)性。 滑坡機制分析 前文分析表明，滑坡區(qū)域表面位移的時間變化與季節(jié)性降雨密切相關(guān)，降雨強度與滑坡位移速率呈正相關(guān)，推斷降雨是此次滑坡的主要驅(qū)動因素。結(jié)合DEM和谷歌地球光學(xué)影像，在滑坡區(qū)域下方70米高程處存在一個匯水區(qū)（圖7）。該匯水區(qū)具有一個向西、北和東三向發(fā)育的集水盆地，其范圍自底部向上逐漸擴大。滑坡區(qū)位于該集水盆地內(nèi)，坡度約為15°，這意味著滑坡區(qū)位于該匯水盆地的集水路徑上，表明在降雨條件下，雨水會持續(xù)入滲路堤邊坡，并沿坡面向匯水區(qū)匯聚。由于該區(qū)域覆蓋的強風化或全風化花崗巖遇水易軟化且滲透性強，這種季節(jié)性的地表徑流和內(nèi)部滲流很可能導(dǎo)致坡腳處土體顆粒流失，增加了滑坡發(fā)生的可能性。此外，隨著降雨強度增大，在地形匯聚效應(yīng)作用下，更多的水流經(jīng)坡面或入滲土體，導(dǎo)致土體強度下降，從而使土體能夠以更快的速度滑動，邊坡失穩(wěn)的可能性進一步增加。本輪遠超歷史水平的強降雨極大地加劇了這一效應(yīng)，最終觸發(fā)了此次滑坡。 圖7 研究區(qū)域等高線 此外，根據(jù)前述位移空間分布特征，坡腳與坡頂之間顯著的分離趨勢表明梅大高速滑坡屬于牽引式滑坡模式。根據(jù)前人研究，牽引式滑坡模式的形成是由于外部因素導(dǎo)致坡腳支撐力喪失，進而使整個邊坡在重力作用下沿滑動面逐漸下滑。如圖8所示，牽引式滑坡具有三個主要特征：（1）牽引式滑坡的初始啟動點通常位于坡腳。（2）失穩(wěn)過程始于滑坡坡腳，并逐漸向上擴展至坡頂。當失穩(wěn)到達坡頂時，坡頂形成張拉裂縫。（3）牽引式滑坡通常表現(xiàn)為一個緩慢漸進的破壞過程，而非突發(fā)性的大規(guī)模滑動。這種漸進式的破壞過程使得滑坡能夠在較長時間內(nèi)演化，并可能包含多個滑動階段。從圖5(c)和圖6可以看出，坡腳處具有最大的累積位移和位移速率，表明本次滑坡起始于坡腳，并逐漸向上發(fā)展，這與牽引式滑坡的特征高度吻合。 圖8 牽引式滑坡示意圖 結(jié)論 本研究以梅大高速滑坡事件為典型案例，運用SBAS-InSAR技術(shù)、Sentinel-1A雷達衛(wèi)星數(shù)據(jù)、降雨數(shù)據(jù)、現(xiàn)場條件及DEM數(shù)據(jù)，分析了梅大高速邊坡表面位移的時空演變趨勢、位移與降雨的相關(guān)性、滑坡機理及其潛在觸發(fā)因素，得出以下結(jié)論： (1)梅大高速滑坡區(qū)表面位移呈現(xiàn)出清晰的分離趨勢。從2023年至2024年，坡頂與坡腳之間的位移差異逐漸擴大了10毫米。這種坡頂與坡腳之間緩慢發(fā)展的分離趨勢在事故發(fā)生前早已存在，并最終導(dǎo)致了自下而上的牽引式破壞模式。 (2)梅大高速邊坡的表面位移模式與季節(jié)性降雨呈現(xiàn)顯著相關(guān)性。綜合鄰近區(qū)域的地形、水文和氣象條件分析，推斷異常強降雨是梅大高速滑坡的主要觸發(fā)因素。 (3)本研究驗證了InSAR技術(shù)對于監(jiān)測具有長期分離位移趨勢且與季節(jié)性降雨顯著相關(guān)的牽引式滑坡的有效性，可成為其早期預(yù)警的有效手段。未來，應(yīng)將遙感方法與低空無人機、視頻監(jiān)控或原位傳感器監(jiān)測相結(jié)合，構(gòu)建精度更高、效率更優(yōu)的多級監(jiān)測網(wǎng)絡(luò)。
Hot News
成功提示
錯誤提示
警告提示
評論 （0）