Loading [MathJax]/jax/output/SVG/jax.js
  • ISSN 0258-2724
  • CN 51-1277/U
  • EI Compendex
  • Scopus 收录
  • 全国中文核心期刊
  • 中国科技论文统计源期刊
  • 中国科学引文数据库来源期刊

甘肃积石山Ms6.2级地震诱发滑坡快速评估

曾营 张迎宾 储峰 柳静 冯振海 苏金蓉

曾营, 张迎宾, 储峰, 柳静, 冯振海, 苏金蓉. 甘肃积石山Ms6.2级地震诱发滑坡快速评估[J]. 西南交通大学学报. doi: 10.3969/j.issn.0258-2724.20240041
引用本文: 曾营, 张迎宾, 储峰, 柳静, 冯振海, 苏金蓉. 甘肃积石山Ms6.2级地震诱发滑坡快速评估[J]. 西南交通大学学报. doi: 10.3969/j.issn.0258-2724.20240041
ZENG Ying, ZHANG Yingbin, CHU Feng, LIU Jing, FENG Zhenhai, SU Jinrong. Rapid Assessment of Landslides Induced by Jishishan Ms6.2 Earthquake in Gansu Province[J]. Journal of Southwest Jiaotong University. doi: 10.3969/j.issn.0258-2724.20240041
Citation: ZENG Ying, ZHANG Yingbin, CHU Feng, LIU Jing, FENG Zhenhai, SU Jinrong. Rapid Assessment of Landslides Induced by Jishishan Ms6.2 Earthquake in Gansu Province[J]. Journal of Southwest Jiaotong University. doi: 10.3969/j.issn.0258-2724.20240041

甘肃积石山Ms6.2级地震诱发滑坡快速评估

doi: 10.3969/j.issn.0258-2724.20240041
基金项目: 国家自然科学基金项目(52378370,52278372)
详细信息
    作者简介:

    曾营(1997—),男,博士研究生,研究方向为地质灾害风险性评价,E-mail:zengying@my.swjtu.edu.cn

    通讯作者:

    张迎宾(1983—),男,教授,博士,研究方向为岩土地震工程,E-mail:yingbinz719@swjtu.edu.cn

  • 中图分类号: P642.2

Rapid Assessment of Landslides Induced by Jishishan Ms6.2 Earthquake in Gansu Province

  • 摘要:

    震后迅速获取同震滑坡分布及灾情评估对于应急救援和重建工作至关重要,采用IDNPM (InSAR data-newmark physical fusion driver model)方法对2023年12月18日甘肃积石山地震引发的滑坡进行快速评估,以期迅速精准掌握滑坡灾害的宏观分布. 首先,通过时序SBAS-InSAR揭示该地区有着严重的冲沟发育和溯源侵蚀现象,这些地质特征为滑坡提供了有利的孕育环境;其次,运用IDNPM方法对积石山地震进行滑坡快速评估,预测出赵木川村、塔沙坡村、大河家镇等地的陡峭斜坡及沟壑两侧为地震诱发滑坡的高风险区域;最后,综合实地考察、数值模拟及卫星识别技术,验证该模型在实际应用中的可靠性. 结果表明:全区共有2.657%的高风险区,需要重点关注此类区域;对已发生崩滑的坡体紧急清理和加固,对于未发生滑移的区域,应采取监测和评估措施,以防范可能发生的震后次生滑坡事件;研究成果可为受灾区的灾后应急救援和恢复重建工作提供有力的数据支撑.

     

  • 地震往往在一瞬间诱发大量的山体滑坡等次生灾害,掩埋人员与房屋,对桥梁、道路等生命线建筑造成破坏,推迟救援工作和援助交付等紧急反应行动[1-2],导致大量人员伤亡与经济损失. 同时,地震的固有不可预测性[3]导致当前仍无法准确把握地震发生的时间和地点. 据中国地震台网中心测定,北京时间2023年12月18日23时59分在甘肃省临夏回族自治州积石山发生6.2级地震. 震源深度10 km,震中位于35.70°N,102.79°E. 截止到12月25日,本次地震已导致149人遇难,震中及周边通信、电力、水和道路等基础设施均受到不同程度的损坏.

    地震是造成地质灾害的重要因素之一,且具有分布范围广、规模大、危害严重等特点. 1920年宁夏海原Ms8.5地震诱发了5384处滑坡,滑坡面积达218.78 km2,致23.4万人遇难[4];2008年汶川Ms8.0地震诱发20余万处滑坡[5],交通干线几乎瘫痪,造成约2万人死亡[6];2010年青海玉树Ms6.9地震诱发2036处滑坡,致2698人死亡[7];四川芦山在2013年与2022年先后遭遇Ms7.0、Ms6.1地震,分别诱发了15546[8]1129处同震滑坡[9]. 地震造成大量基础设施破坏,救援工作难以开展. 本次甘肃积石山Ms6.2地震同样因大量道路封闭、信号中断以及严寒冬季的影响,现场的救援工作极难开展. 同时,相关资料统计,积石山地区在1989—2010年期间,受滑坡灾害50余次,各地有着不同程度的地质灾害[10-11],属于地质灾害易发区域. 且自1949以来,该地区发生有5.0~6.9级地震16次,属于地震频发区域. 对于此类地质灾害频发、生态环境脆弱的地区,特别是经历强震作用后,其不稳定边坡在地震时往往受到地震波的直接冲击和地震诱发的次生效应的双重影响,导致其原本较弱的稳定性进一步下降[12-13].

    因此,如何在震后第一时间内快速、准确地得到同震滑坡及灾情评估结果,将对震后应急救援和恢复重建工作具有重要意义[14-15]. 为快速摸清本次地震同震滑坡的分布情况,本文采用遥感技术结合Newmark模型构建的IDNPM (InSAR data-newmark physical fusion driver model)进行震后的快速滑坡预测,分析结果可为震后救援及灾民安置提供数据支持.

    甘肃积石山6.2级地震最大烈度为Ⅷ度,震中位于甘肃省临夏回族自治州积石山县与青海省交界区域. 等震线长轴呈北北西走向,反映了震源破裂的方向性特征. 根据地震震源模型初步反演结果,推测此次地震为低倾角逆冲兼右旋走滑型地震,破裂持续时间约8 s[16]. 中国地震局地震预测研究所快报给出的震源机制快速反演结果,同样为低倾角逆冲型地震,兼有部分走滑分量[17]. 震区位于青藏高原东北缘,区域断裂分布复杂. 发育着东昆仑断裂、西秦岭北缘断裂、临潭-岩河-临夏断裂[18]. 同时,震区地处青藏高原与黄土高原的交汇过渡带,震区地势由西南向东北方向倾斜,逐渐降低,黄河自西向东穿过震区. 其地貌类型以构造侵蚀山地、侵蚀剥蚀低山丘陵、侵蚀堆积河谷平原为主,岩性极其复杂. 发展断裂下盘地层岩性主要为新近系他拉组和毛沟组的砂泥红色岩系,地表覆盖着厚度不均的上更新统风成马兰黄土,断裂上盘主要以侵入岩为主[19].

    综上,积石山地处板块交界处,长期的挤压致使该区构造活动强烈. 加之地质条件复杂,在板块运动过程中,地壳应力逐渐积累,当应力达到一定程度时,极易发生地震. 同时积石山地区具有植被稀疏、风化侵蚀严重、岩性易崩解等特征,在地震扰动的影响下,地表容易发生崩塌和滑坡等地质灾害,加大了震后次生灾害的可能性.

    本文首先采用SBAS-InSAR技术分析震区震前形变,收集2022年12月至2023年12月间的Sentinel-1A卫星数据(28景降轨和18景升轨)单视复数图像(SLC)作为数据源,数据覆盖范围见图1. 图中,LOS为雷达视线向. 均为宽幅干涉模式(IW)和VV (vertical-vertical)极化方式,卫星入射角为39.208° (降轨)、41.772° (升轨),飞行方位角为193.071° (降轨)、347.013° (升轨),图像的空间分辨率为5 × 20 m. 同时,采用欧空局提供的精密AUX_POEORB轨道数据文件提高轨道精度,使用分辨率为30 s的1弧秒产品的数字高程模型(DEM)作为地形参考. 另外,获取震前地形数据、工程地质岩组资料以及震后第一时间发布的地震动强度数据,其中工程地质岩组选用1∶500 000比例尺的区域地质资料. 这些资料将服务于Newmark模型的地震滑坡快速评估,具体涉及的数据及来源见表1.

    图  1  哨兵影像覆盖图
    Figure  1.  Sentinel image coverage map

    中国地震台网对震中100 km范围内强震记录仪分析得到:GS.N002B台站烈度最大,其震中距为13.6 km,东西、南北、垂直向加速度峰值分别为905.8、778.5、−702.4 cm/s2,东西、南北、垂直向速度峰值分别为57.3、−52.1、−16.3 cm/s,计算仪器地震烈度为9.5度[20]图2). 收集所有台站数据并使用反距离加权插值法绘制形成峰值地面加速度(PGA,PPGA)和峰值地面速度(PGV,PPGV)分布(图3).

    表  1  数据及来源
    Table  1.  Data and sources
    数据名 数据格式 时间 数据源
    Sentinel-
    1A
    5 m × 20 m 2022—
    2023 年
    阿拉斯加卫星设备
    https://search.asf.alaska.edu
    精密定轨 2022—
    2023 年
    欧洲航天局https://scihub.copernicus.eu
    DEM 12.5 m 2009 年 阿拉斯加卫星设备
    https://search.asf.alaska.edu
    DEM 30 m 2021 年 日本宇宙航空研究开发机构https://global.jaxa.jp
    地层岩性 1∶500000 2013 年 国家地质资料库http://www.ngac.org.cn
    卫星影像 10 m 2023 年 欧洲航天局https://scihub.copernicus.eu
    下载: 导出CSV 
    | 显示表格
    图  2  强震动记录台站分布
    Figure  2.  Distribution of stations recording strong ground motion
    图  3  地震动参数分布图
    Figure  3.  Distribution of ground motion parameters

    Newmark法基于极限平衡理论,将滑体视作斜坡上运动的物块,忽略其细小变形. 当外力超过临界加速度时,坡体发生滑动,产生的位移为永久位移. 通过收集受灾区的1∶500000比例尺的区域地质资料,得到图4(a)的工程地质岩组分布图. 为获取更精确的坡度值(见图4(b)),选取12.5 m的DEM数据作为数据源. 依次计算边坡的静态安全系数(Fs)和斜坡临界加速度(ac),由于地震诱发的滑坡多为浅层且积石山地区山势较为平缓,因此,取滑坡厚度t=2.5 m. 由于震区气候干旱,且震前该地区未经历显著降雨,因此,不考虑孔隙水压力的影响,取潜在滑体中饱和部分占总滑体厚度的比例m=0. 根据式(1)、(2)[2,23]计算得到acFs分布结果(图4(c)和图4(d)).

    图  4  Newmark计算参数分析
    Figure  4.  Newmark analysis of calculation parameters
    ac=(Fs1)gsinα, (1)
    Fs=cγtsinα+tanφtanαmγwtanφγtanα, (2)

    式中:α为潜在滑坡块体的质心从水平方向开始移动的角度,一般可近似为坡角; γw为地下水重度.

    参考《工程岩土体分级标准》及国内外工程岩土分组经验[21-22]取值,将研究区的地层分为5个岩组,由坚硬岩到松散岩,其参数取值如表2. 表中:c为岩土体有效黏聚力,φ为岩土体有效内摩擦角,γ为岩土体重度.

    表  2  研究区岩性力学参数及取值
    Table  2.  Mechanical parameters and values of lithology in study area
    序号 工程地质单元 c/kPa φ/(°) γ/(kN·m−3
    1 坚硬岩 38 40.0 24.5
    2 较硬岩 35 35.0 23.0
    3 较软岩 30 24.5 17.8
    4 较弱岩 25 22.2 17.5
    5 松散岩 22 21.0 15.4
    下载: 导出CSV 
    | 显示表格

    结合既有地震台站收集得到地震动数据显示,积石山地震具有强烈的脉冲效应. 类脉冲地震动对滑坡的形成有重要影响,特别是在近断层区域[24]. 因此,本次使用的IDNPM中Newmark模型选择Zhang等[24]建立的考虑地震动脉冲效应的永久位移模型(式(3)).

    LogDN=6.021(acPPGA)+9.363(acPPGA)211.921(acPPGA)3+5.54(acPPGA)40.558×logPPGA+1.416logPPGV0.208, (3)

    式中:DN为永久位移.

    基于式(3)的位移预测模型得到研究区地震Newmark累积位移分布(图5). 目前关于临界位移的选取还存在争议,本文参考前人研究[24-25],将滑坡位移阀值定为15 cm. 即DN大于15 cm认定为发生滑坡,同时划分5个滑坡危险性等级. 根据图5结果所示:预测滑坡主要分布在戚家山、坡头洼及中川乡东北缘沟壑区域;预测滑坡整体集中于松散黄土台地区,该区域分布着为晚更新世以来的风成黄土经侵蚀搬运形成的次生黄土;在坡度较大的地区,永久位移计算值也普遍偏大;其次,极高危险区也分布在GS.N002B台附近,说明强地震动也对滑坡有着显著的控制作用.

    图  5  Newmark累计位移结果及其滑坡危险性分布
    Figure  5.  Newmark cumulative displacement and landslide hazard zonation

    合成孔径雷达干涉测量技术凭借全天时、全天候及高精度的特点,在区域地表变形监测和滑坡早期识别中广泛应用[26-27]. 特别是SBAS-InSAR技术能有效减少空间失相干现象,削弱地形残差和大气噪声的影响,在滑坡监测中备受学者认可. 因此,本文利用SBAS-InSAR技术,通过ENVI平台中的SARscape模块处理Sentinel-1A卫星数据,识别积石山地区的震前不稳定坡体,并获取累积位移形变数据. 对合成的干涉图做2次反演及地理编码,生成地表沿LOS的形变数据. 但由于滑坡多沿斜坡面进行滑动,且雷达视线向并非垂直于地表,所以,雷达视线方向的形变信息无法准确反映坡体的真实形变情况. 为克服地表几何形状和卫星视线导致的变形速率结果的差异,将LOS方向的变形速率投影至同一方向. 在平动型滑坡中,地表变形主要发生在最陡坡向[28],因而,将形变数据转化为沿着最陡坡向的形变数据更能表征坡体的真实位移. 保留形变速率为负值,代表坡体沿最陡坡方向向下滑移. 图6(a)、(b)分别展示了升轨和降轨SAR数据集计算得到的地表形变速率图.

    图  6  SBAS-InSAR形变速率
    Figure  6.  SBAS-InSAR deformation rate

    结合数据发现,不同飞行轨道的SAR数据集在形变速率和形变范围上高度一致. 主要形变速率集中在研究区西部临共高速沿线、黄河沿岸及沟壑区域,呈现出显著的冲沟发育和溯源侵蚀现象. 这种地貌特征反映了地表物质的侵蚀与搬运过程,塑造了深切谷底和陡峭沟壑. 冲沟的深切与扩张加剧了土壤侵蚀,导致坡面破碎和土体松散. 这种地表过程形成一种复杂的地貌格局,显著提高了地震滑坡的敏感性,成为地质灾害发生的潜在风险区. 在地震发生时,这些不稳定边坡相较于其他地区更易受到地震力的冲击而发生滑坡. 特别说明的是,震区内坡度<10° 的地区多为人类活动区域,其地表形变多源于人为因素,而非地质因素. 为确保形变信号的准确性和对自然地表形变规律的深入理解,分析坡体形变时需特别排除这些区域的影响.

    通过运用IDNPM得到研究区地震滑坡快速应急评估结果,具体流程参照文献[13]. 分析显示,全区共有2.657%的高风险区,同震滑坡主要分布于震中西北方向孟达乡、塔沙坡村,正北向大河家镇、赵木川村、戚家山、坡头洼、中川乡等地的陡峭斜坡及沟壑两侧. 同震滑坡分布受地形坡度、地层岩性及地震动作用控制. 在震后,研究团队迅速前往中川乡进行野外考察,发现多处黄土型滑坡,尤其是在大河家镇、赵木川村和中川乡等地,发生规模不一,对当地的道路和房屋造成了不同程度的损害. 通过将IDNPM的预测结果与实测滑坡进行对照(图7),发现整体上两者相符较好. 多个极高危险区域确实发生了不同规模的滑坡,为IDNPM在地震滑坡快速应急评估中的应用效果提供了有力证据. 为进一步检验预测精度,利用数值模拟及震后卫星影像作辅助检验. 1) 选取2处典型极高危险区剖面边坡作为研究对象. 通过构建FLAC3D计算模型进行仿真计算. 结果显示,这两处边坡在地震作用下均失稳(图8),且最大位移区的分布与IDNPM方法所得到的预测结果也相吻合. 2) 对震后光学卫星影像进行同震滑坡识别,也证实在极高危险区发生了崩滑事件. 这一发现再次有力地证实了本文预测结果的准确性和可靠性. 因此,需要特别留意预测的极高及高危险区域,要重点关注该地区的救援与治理工作,确保该区域内的居民能够及时疏散至安全地带.

    图  7  IDNPM滑坡危险性评价结果及野外考察对比(滑坡C-10、31、41、54来自于文献[11])
    Figure  7.  IDNPM landslide risk assessment results and field investigation comparison (Landslides C-10, 31, 41, and 54 in the figure are from literature [11])

    经过现场调查,对震中周边地区滑坡的分布和类型有了更为详尽的了解. 积石山地区长期受到干旱和半干旱气候环境的影响,植被稀疏,无法为坡体提供有效的约束和保持力. 同时,黄土层经历长期的风化和侵蚀作用,其物理特性和稳定性进一步降低. 在地震强烈的震动和挤压作用下,原本松散的黄土易受到影响而发生滑坡,岩性易崩解的土体结构易发生坡体崩塌. 这一系列的因素导致积石山地区地震发生后产生了大量次生地质灾害.

    然而,此次地震也暴露出IDNPM一定的不足,如中川乡金田村地震诱发的次生灾害(图8区域d),IDNPM未能准确预测该灾害的发生. 分析显示,金田村位于官厅盆地,整体地势平坦,坡度小于10°,成为IDNPM的计算“盲区”. 另外,金田村次生灾害初步认定为液化型滑坡,其成因复杂,仅仅依靠IDNPM难以准确得知滑移情况. 为此,建议未来类似事件可利用IDNPM获取受灾区域的宏观分布情况. 在获取宏观分布情况的基础上,再结合现场调研和无人机航测等手段进行精细化识别,以更精确地了解灾情.

    图  8  IDNPM滑坡危险性评估结果与数值模拟、卫星识别对照
    Figure  8.  Comparison of landslide risk assessment results of IDNPM with numerical simulations and satellite identification

    地震灾害发生后,迅速且准确地评估同震滑坡及灾情至关重要. 如何迅速获取同震滑坡及灾情的详实评估结果对指导决策者制定科学而有效的灾害应对策略具有重大意义. 本文运用IDNPM方法,通过遥感技术识别潜在不稳定边坡,并结合Newmark模型进行快速滑坡评估. 通过地表形变值动态修正永久位移值,以获取更精确的滑坡位移定量结果. 取得的主要结果如下:

    1) 基于时序SBAS-InSAR技术,联合升降轨SAR影像从不同成像几何下反演获取了研究区地表形变信息. 其潜在不稳定边坡主要集中分布于河流谷道和沟壑两侧,此类地区边坡更容易受到地震力的影响并发生滑坡. 同时,结合形变数据的分析揭示该区域表现出严重的冲沟发育和溯源侵蚀现象,为滑坡的发生提供了优越的孕育环境.

    2) 采用IDNPM得到此次地震诱发滑坡的预测区域,全区共有2.657%的高风险区. 主要位于震中西北方向孟达乡、塔沙坡村,正北向大河家镇、赵木川村、戚家山、坡头洼、中川乡等地的陡峭斜坡及沟壑两侧. 同震滑坡主要受地形坡度、地层岩性及地震动作用影响. 在综合实地野外考察的基础上,进一步借助数值模拟技术、卫星同震滑坡识别手段,佐证了本模型在实际应用中的可靠性. 区域内地表覆盖的风成黄土是滑坡堆积体的主要来源. 需要特别留意此类区域,避免将灾民安置在危险区域,减少二次灾害的发生. 同时优先处理危险滑坡区域,最大限度地减轻灾害损失.

    3) 针对高度危险区,对于已经发生崩滑的坡体,紧急清理和加固工作刻不容缓. 其次,对于尚未发生滑移的区域也存在着潜在的危险. 这些未激活的滑坡体系可能正处于潜在的临界状态,且有可能在未来的地质演变或外部因素如降雨等的影响下,迅速转变为激活状态. 因此,建议采取相应的监测和评估措施,包括利用高分辨率遥感技术和地面测量手段进行精细的识别与监测,以防范可能发生的震后次生滑坡事件.

    致谢:得到国家青年拔尖人才万人计划、中国路桥总公司(P2220447)的资助;感谢所有为本研究提供数据支持的单位.

  • 图 1  哨兵影像覆盖图

    Figure 1.  Sentinel image coverage map

    图 2  强震动记录台站分布

    Figure 2.  Distribution of stations recording strong ground motion

    图 3  地震动参数分布图

    Figure 3.  Distribution of ground motion parameters

    图 4  Newmark计算参数分析

    Figure 4.  Newmark analysis of calculation parameters

    图 5  Newmark累计位移结果及其滑坡危险性分布

    Figure 5.  Newmark cumulative displacement and landslide hazard zonation

    图 6  SBAS-InSAR形变速率

    Figure 6.  SBAS-InSAR deformation rate

    图 7  IDNPM滑坡危险性评价结果及野外考察对比(滑坡C-10、31、41、54来自于文献[11])

    Figure 7.  IDNPM landslide risk assessment results and field investigation comparison (Landslides C-10, 31, 41, and 54 in the figure are from literature [11])

    图 8  IDNPM滑坡危险性评估结果与数值模拟、卫星识别对照

    Figure 8.  Comparison of landslide risk assessment results of IDNPM with numerical simulations and satellite identification

    表  1  数据及来源

    Table  1.   Data and sources

    数据名 数据格式 时间 数据源
    Sentinel-
    1A
    5 m × 20 m 2022—
    2023 年
    阿拉斯加卫星设备
    https://search.asf.alaska.edu
    精密定轨 2022—
    2023 年
    欧洲航天局https://scihub.copernicus.eu
    DEM 12.5 m 2009 年 阿拉斯加卫星设备
    https://search.asf.alaska.edu
    DEM 30 m 2021 年 日本宇宙航空研究开发机构https://global.jaxa.jp
    地层岩性 1∶500000 2013 年 国家地质资料库http://www.ngac.org.cn
    卫星影像 10 m 2023 年 欧洲航天局https://scihub.copernicus.eu
    下载: 导出CSV

    表  2  研究区岩性力学参数及取值

    Table  2.   Mechanical parameters and values of lithology in study area

    序号 工程地质单元 c/kPa φ/(°) γ/(kN·m−3
    1 坚硬岩 38 40.0 24.5
    2 较硬岩 35 35.0 23.0
    3 较软岩 30 24.5 17.8
    4 较弱岩 25 22.2 17.5
    5 松散岩 22 21.0 15.4
    下载: 导出CSV
  • [1] BOMMER J J, RODRı́GUEZ C E. Earthquake-induced landslides in central America[J]. Engineering Geology, 2002, 63(3/4): 189-220.
    [2] JIBSON R W. Regression models for estimating coseismic landslide displacement[J]. Engineering Geology, 2007, 91(2/3/4): 209-218.
    [3] KORONOVSKII N V, ZAKHAROV V S, NAIMARK A A. The unpredictability of strong earthquakes: new understanding and solution of the problem[J]. Moscow University Geology Bulletin, 2021, 76(4): 366-373. doi: 10.3103/S0145875221040074
    [4] 许冲,田颖颖,马思远,等. 1920年海原8.5级地震高烈度区滑坡编录与分布规律[J]. 工程地质学报,2018,26(5): 1188-1195.

    XU Chong, TIAN Yingying, MA Siyuan, et al. Inventory and spatial distribution of landslides in IX-XI high intensity areas of 1920 Haiyuan (China) M8.5 earthquake[J]. Journal of Engineering Geology, 2018, 26(5): 1188-1195.
    [5] XU C, XU X W, YAO X, et al. Three (nearly) complete inventories of landslides triggered by the May 12, 2008 Wenchuan Mw 7.9 earthquake of China and their spatial distribution statistical analysis[J]. Landslides, 2014, 11(3): 441-461. doi: 10.1007/s10346-013-0404-6
    [6] 殷跃平. 汶川八级地震地质灾害研究[J]. 工程地质学报,2008,16(4): 433-444. doi: 10.3969/j.issn.1004-9665.2008.04.001

    YIN Yueping. Researches on the geo-hazards triggered by Wenchuan earthquake, Sichuan[J]. Journal of Engineering Geology, 2008, 16(4): 433-444. doi: 10.3969/j.issn.1004-9665.2008.04.001
    [7] LAN H X, LI L P, ZHANG Y S, et al. Risk assessment of debris flow in Yushu seismic area in China: a perspective for the reconstruction[J]. Natural Hazards and Earth System Sciences, 2013, 13(11): 2957-2968. doi: 10.5194/nhess-13-2957-2013
    [8] CHEN X L, YU L, WANG M M, et al. Brief communication: landslides triggered by the Ms = 7.0 Lushan earthquake, China[J]. Natural Hazards and Earth System Sciences, 2014, 14(5): 1257-1267. doi: 10.5194/nhess-14-1257-2014
    [9] FAN X M, FANG C Y, DAI L X, et al. Near real time prediction of spatial distribution probability of earthquake-induced landslides-take the Lushan Earthquake on June 1, 2022 as an example[J]. Journal Of Engineering Geology, 2022, 30(3): 729-739.
    [10] 甘肃省积石山县志编辑部. 积石山县保安族东乡族撒拉族自治县志 [M]. 北京:红旗出版社,2019:82.
    [11] 陈博,宋闯,陈毅,等. 2023年甘肃积石山Ms 6.2地震同震滑坡和建筑物损毁情况应急识别与影响因素研究[J/OL]. 武汉大学学报(信息科学版),(2024-01-02)[2024-01-08], https://doi.org/10.13203/J.whugis20230497.

    CHEN Bo, SONG Chuang, CHEN Yi, et al. Emergency identification and influencing factor analysis of coseismic landslides and building damages induced by the 2023 Ms 6.2 Jishishan (Gansu, China) Earthquake[J/OL]. Geomatics and Information Science of Wuhan University, (2024-01-02)[2024-01-08], https://doi.org/10.13203/J.whugis20230497.
    [12] ZHUO Y Q, LIU P X, GUO Y S, et al. Cross-effects of loading rate and cumulative fault slip on pre-seismic rupture and unstable slip rate of laboratory earthquakes[J]. Tectonophysics, 2022, 826: 229266.1-229266.13.
    [13] ZENG Y, ZHANG Y B, LIU J, et al. Rapid emergency response assessment of earthquake-induced landslides driven by fusion of InSAR deformation data and newmark physical models[J]. Remote Sensing, 2023, 15(18): 4605.1-4605.21.
    [14] ZENG Y, ZHANG Y B, LIU J, et al. Assessment of earthquake-induced landslide hazard zoning using the physics-environmental coupled model[J]. Journal of Mountain Science, 2023, 20(9): 2644-2664. doi: 10.1007/s11629-023-7947-3
    [15] ZHANG Y B, LI X Q, FU J W, et al. Quick analysis model for earthquake-induced landslide movement based on energy conservation[J]. Landslides, 2024, 21(6): 1315-1331. doi: 10.1007/s10346-024-02223-x
    [16] 王卫民,何建坤,丁林,等. 甘肃临夏Ms6.2级地震震源破裂过程反演初步结果[EB/OL]. (2023-12-19) [2024-01-08]. https://mp.weixin.qq.com/s/SuKbTgq8-0EV2FbNcdlYqQ.

    WANG Weimin,HE Jiankun,DING Lin,et al. Preliminary results of source rupture process inversion for Ms6.2 earthquake in Linxia,Gansu Province [EB/OL]. (2023-12-19) [2024-01-08]. https://mp.weixin.qq.com/s/SuKbTgq8-0EV2FbNcdlYqQ[标题&网址验证OK. 点击这里,可链出确认]
    [17] 王勤彩,罗钧,陈翰林,等. 2023年12月18日甘肃积石山6.2级地震震源机制解[J]. 地震,2024,1(1): 185-188.

    WANG Qincai, LUO Jun, CHEN Hanlin, et al. Focal mechanism for the December 18, 2023, Jishishan Ms6.2 earthquake in Gansu Province[J]. Earthquake, 2024, 1(1): 185-188.
    [18] 袁道阳,张培震,雷中生,等. 青海拉脊山断裂带新活动特征的初步研究[J]. 中国地震,2005,21(1): 93-102.

    YUAN Daoyang, ZHANG Peizhen, LEI Zhongsheng, et al. A preliminary study on the new activity features of the lajishan mountain fault zone in Qinghai Province[J]. Earthquake Research in China, 2005, 21(1): 93-102.
    [19] 张克信,何卫红,徐亚东,等. 论从俯冲增生杂岩带重建洋板块地层主要类型与序列:以青藏特提斯二叠系为例[J]. 沉积与特提斯地质,2021,41(2):137-151.

    ZHANG Kexin, HE Weihong, XU Yadong, et al. , Reconstruction of main types for oceanic plate strata in the subduction accretionary complex and feature of sequence for each type: an example from the Qinghai—Tibet Tethyan Permian strata[J]. Sedimentary Geology and Tethyan Geology, 2021, 41(2):137-151.
    [20] 王运生,赵波,吉锋,等. 2023年甘肃积石山Ms6.2级地震震害异常的启示[J]. 成都理工大学学报(自然科学版),2024,51(1): 1-8.

    WANG Yunsheng, ZHAO Bo, JI Feng, et al. Preliminary insights into the hazards triggered by the 2023 Jishishan Ms 6.2 earthquake in Gansu Province[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2024, 51(1): 1-8.
    [21] 程小杰,杨为民,向灵芝,等. 基于Newmark模型的天水市北山地震黄土滑坡危险性评价[J]. 地质力学学报,2017,23(2): 296-305.

    CHENG Xiaojie, YANG Weimin, XIANG Lingzhi, et al. Risk assessment of seismic loess landslide based on newmark model in Beishan, Tianshui city[J]. Journal of Geomechanics, 2017, 23(2): 296-305.
    [22] 李雪婧,高孟潭,徐伟进. 基于Newmark模型的概率地震滑坡危险性分析方法研究——以甘肃天水地区为例[J]. 地震学报,2019,41(6):795-807.

    LI Xuejing, GAO Mengtan, XU Weijin. Probabilistic seismic slope displacement hazard analysis based on Newmark displacement model: Take the area of Tianshui, Gansu Province, China as an example[J]. Acta Seismologica Sinica, 2019, 41(6):795-807.
    [23] DREYFUS D, RATHJE E M, JIBSON R W. The influence of different simplified sliding-block models and input parameters on regional predictions of seismic landslides triggered by the Northridge earthquake[J]. Engineering Geology, 2013, 163: 41-54. doi: 10.1016/j.enggeo.2013.05.015
    [24] ZHANG Y B, LIU J, CHENG Q G, et al. A new permanent displacement model considering pulse-like ground motions and its application in landslide hazard assessment[J]. Soil Dynamics and Earthquake Engineering, 2022, 163: 107556.1-107556.27.
    [25] LIU J, ZHANG Y B, WEI J T, et al. Hazard assessment of earthquake-induced landslides by using permanent displacement model considering near-fault pulse-like ground motions[J]. Bulletin of Engineering Geology and the Environment, 2021, 80(11): 8503-8518. doi: 10.1007/s10064-021-02464-3
    [26] SAMSONOV S V, TRISHCHENKO A P, TIAMPO K, et al. Removal of systematic seasonal atmospheric signal from interferometric synthetic aperture radar ground deformation time series[J]. Geophysical Research Letters, 2014, 41(17): 6123-6130. doi: 10.1002/2014GL061307
    [27] CHANG M, SUN W J, XU H Z, et al. Identification and deformation analysis of potential landslides after the Jiuzhaigou earthquake by SBAS-InSAR[J]. Environmental Science and Pollution Research, 2023, 30(13): 39093-39106. doi: 10.1007/s11356-022-25055-5
    [28] DAI C, LI W L, LU H Y, et al. Landslide hazard assessment method considering the deformation factor: a case study of Zhouqu, Gansu Province, Northwest China[J]. Remote Sensing, 2023, 15(3): 596.1-596.24.
  • 加载中
图(8) / 表(2)
计量
  • 文章访问数:  171
  • HTML全文浏览量:  77
  • PDF下载量:  28
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-01-19
  • 修回日期:  2024-04-10
  • 网络出版日期:  2025-01-21

目录

/

返回文章
返回