渝東北2014年“8·31”暴雨誘發滑坡遙感解譯與分析

劉志中, 宋英旭， 葉潤青

(1.中鐵十一局集團第四工程有限公司,武漢 100855； 2.東華理工大學信息工程學院江西省放射性地學大數據技術工程實驗室，南昌 330013； 3.中國地質調查局武漢地質調查中心(中南地質科技創新中心)，武漢 430205)

0 引言

長江流域大部分地區屬于亞熱帶季風氣候，降雨較充沛，是我國洪澇災害發生最頻繁的地區，尤其是極端氣候的發生對于長江流域的影響極為嚴重。在氣候特征上，長江流域既受太平洋的影響，又受到印度洋西南季風的影響，尤其是全球氣候變暖加劇了極端天氣、氣候事件的發生，年極端降雨事件表現為增加趨勢[1]。且年極端降雨發生在暖季的比例達到80%以上，幾乎集中了所有最大量級的極端降雨[2]。2000年以來，長江流域處在多雨的年代際背景中[3]。歷史氣象監測數據顯示，長江中上游地區，多年平均降雨量和連續最大降雨量分布在重慶市萬州和開州附近區域，其中開州監測到的連續最大降雨量超過450 mm。因此，渝東北地區年降雨量大，出現極端降雨天氣的頻次高，在極端天氣的影響下，降雨型地質災害多發、頻發，以滑坡、崩塌、泥石流等斜坡地質災害為主。如1981年、1982年、1998年、2014年、2017年和2018年等年份的汛期均出現了極端天氣，受到極端天氣的影響，在川東(渝東北)、鄂西誘發大量的滑坡、崩塌地質災害。1981年7—9月, 四川省遭受了特大暴雨的襲擊, 使全省18個地、市、州的90多個縣區發生了約6萬處滑坡, 其中規模較大的達4.7萬處[4]。1982年7月川東暴雨期間，重慶云陽縣境內共發生大中型滑坡76處[5]，如雞扒子滑坡[6]，堵塞長江河道。2014 年8月30日—9月2日，渝東北地區出現了持續強降雨的天氣，奉節縣、云陽縣、巫山縣、巫溪縣和開州區等地區均出現了極端降雨天氣，出現大量滑坡、危巖、泥石流等地質災害，造成了32 人死亡，10人失蹤，129人受傷，7 024間房屋垮塌，直接經濟損失約5.8 億元，造成人員傷亡、道路中斷、房屋沖毀，水、電、氣等基礎設施被毀，嚴重影響人民群眾的正常生活[7]。2017年9—10月華西久雨，長江中上游三峽庫區持續陰雨天氣達1個月以上，降雨量是往年同期的2～3倍甚至更多，誘發了滑坡變形及大規?；?，如秭歸縣柏堡滑坡和鹽關滑坡、巫溪縣廣安村滑坡等。

遙感影像具有多源、多時相、多時空分辨率、覆蓋面廣的特征，非常適于開展災害地質調查工作。遙感、地理信息科學等技術的發展為長江三峽庫區的精細化地質調查提供了有力的技術保障，很好地解決了庫岸消落帶地形變化、重點地區地質災害隱患調查、地質環境破壞等地質新問題[8]。

20世紀70年代，就有相關學者利用SPOT影像進行滑坡塊體運動的識別及滑坡危險性制圖的工作[9]。與傳統的地質調查方法相比，基于光學影像特別是航空影像的滑坡解譯更加簡單且經濟實惠，信息的存儲和傳遞也更加便捷[10]。文廣超等[11]利用Landsat影像提取了四川茂縣滑坡和貴州納雍等6個滑坡遙感特征。隨著微波遙感技術發展，合成孔徑雷達干涉測量技術也被廣泛地應用到地質災害調查和特征提取中。Colesanti等[12]將差分干涉合成孔徑雷達技術用于滑坡識別。此外，遙感影像也為滑坡易發性區劃和滑坡風險評價提供了數據源，如植被覆蓋度、降雨量分布和地形坡度等信息。

本文以渝東北2014年“8·31”極端降雨誘發滑坡為研究對象，基于高空間分辨遙感影像開展滑坡解譯工作，獲取了本次暴雨誘發滑坡的分布情況，結合降雨遙感觀測數據，分析了滑坡與暴雨、地形關系。從區域地質構造的角度，探討了渝東北地區極端降雨和滑坡多發、頻發的原因，為降雨誘發地質災害易發性分析及預測預報提供依據。

1 2014年“8·31”極端降雨特征分析

1.1 渝東北地區2014年“8·31”極端降雨特征

2014年8月底和9月初，渝東北地區出現了一次廣泛的強降雨過程，此次降雨持續時間在3～6 d。此次極端降雨的最大特點是雨量大，局部地區降雨量超過300 mm，日降雨量超過200 mm。在渝東北地區出現特大暴雨降雨，主要降雨時間在8月31日—9月1日，暴雨主要集中在渝東北地區，包括巫溪縣、奉節縣、云陽縣、開州區和萬州區等區縣。據國家氣象站點監測數據顯示，8月31日—9月2日，巫溪縣累積降雨量為233.3 mm，最大日降雨量為214.4 mm； 開州區的累積降雨量為189.3 mm，最大日降雨量為179.3 mm(表1)。

表1 渝東北地區2014年秋汛“8·31”極端降雨監測數據Tab.1 Monitoring data of extreme rainfall on August 31,2014 of northeast Chongqing

為獲取區域性降雨分布，本文通過美國航空航天局全球降雨測量(globe precipitation measurement，GPM)和熱帶降雨測量任務(the tropical rainfall measuring mission，TRMM)降雨數據，獲得了渝東北2014年“8·31”暴雨降雨過程的累積降雨量及最大日降雨量分布(圖1)。

(a) 累積降雨量分布 (b) 最大日降雨量分布圖1 渝東北地區2014年“8·31”極端降雨分布Fig.1 Precipitation distribution of northeast Chongqing on August 31,2014

TRMM是美國航空航天局和日本航空航天探索機構之間的一個聯合任務，旨在監測和研究熱帶地區降雨。其產品包含網格化、TRMM調整、合并的紅外降雨(mm/h)和RMS降雨誤差估計，具有3 h的時間分辨率和0.25°的空間分辨率，衛星降雨產品在氣候和水文研究中得到了大量應用[13]。GPM是基于TRMM 的新一代全球衛星降雨觀測計劃，能夠統一其衛星群框架內各衛星的觀測成果，提升微波降雨觀測能力，其觀測方法及降雨反演也為太空衛星降雨觀測設立了新標準[14]。從“8·31”極端暴雨的累積降雨量分布可以看出，暴雨范圍涉及重慶的奉節縣、巫溪縣、云陽縣和開州區等地。最大累積降雨量為244.135 mm(圖1(a))，最大日降雨量為144.476 mm(圖1(b))。其中最大累積降雨量發生在奉節北部、云陽東北部和巫溪南部區域。

1.2 渝東北極端天氣形成原因分析

此次暴雨主要集中在渝東北云陽縣、奉節縣、巫溪縣一帶，處于大巴山弧形構造與八面山弧形構造交匯地區，北部為巫溪凹褶束向南凸出的弧形構造，而南部為八面山弧形構造向北凸出的弧形構造，山勢形成喇叭狀地貌。地勢上，北部、東部和南部地勢高，西部地勢低。北部大巴山和南部八面山高程在1 500 m以上，東部山勢高程在1 300～1 500 m。

山區復雜下墊面的熱力和動力作用對暴雨有觸發、加強或削弱、消亡的影響, 地形性強迫抬升和輻合是觸發暴雨和使之加強的重要機制，喇叭口地形的影響程度是單純迎風坡地形的2～3倍, 對暴雨的增強程度可達平地上的9～10倍[15]。地形強迫的垂直運動在迎風坡較強，以地形抬升作用為主，但邊界層摩擦輻合作用也有貢獻，在迎風坡形成一個局地垂直環流圈，降雨量大值中心位于上升運動中心以南[16]。

依據山區地形對暴雨的影響分析，從區域構造的角度可以很好地解釋渝東北暴雨成因。從構造及形成的山勢走向看(圖2)，西南季風暖濕氣流遇到渝東北口袋狀山脈限制，沿著寬廣向斜(低地形)向北東方向運移，在開州區、云陽縣北部、奉節縣北部和巫溪縣區域匯聚，受到向斜揚起端形成較高地勢阻擋而沿坡爬升，出現地形性強迫抬升和輻合，使對流旺盛，雨量加大，且移動緩慢，形成強降雨。

圖2 地質構造控制下的渝東北地區暴雨形成示意圖Fig.2 Sketch map of rainstorm formation in northeast Chongqing under the control of geological structure

2 極端降雨引發滑坡遙感解譯

2.1 滑坡遙感解譯

利用渝東北地區2014年“8·31”暴雨前后的衛星遙感影像，解譯此次暴雨過程誘發產生的滑坡。在暴雨后的高空間分辨率遙感影像上，發生大規?；频男逼聟^域，其滑坡特征十分明顯，包括： 滑坡區域衛星影像色調較淺，植被、房屋、公路等破壞； 滑坡體上不同性質的裂縫明顯，如后緣出現拉裂縫，巖土體下錯形成圈椅狀裂縫或者滑坡后壁； 前緣向河谷伸出，擁塞河谷，甚至形成堰塞湖； 部分滑坡前緣形成滑坡泥石流，滑動巖土體形成泥石流運移數百米甚至更長。利用“8·31”暴雨前后的衛星遙感影像對比分析，可以消除人類工程活動對滑坡解譯的干擾，進一步提高解譯精準度。

遙感解譯是在Google Earth軟件中進行，充分利用了該軟件中所展示的不同時期的歷史遙感數據，可以較為準確、高效地解譯出渝東北地區“8·31”暴雨誘發的地質災害。利用軟件提供的工具，可以對滑坡長度、寬度和面積等基本特征進行量測。

經遙感影像解譯，得到該區域589處滑坡，主要分布于長江以北的奉節縣和云陽縣的北部區域、開州區東部、巫溪縣南部地區，面積約2 000 km2范圍內(圖3)。在規模上，以中小型滑坡為主，占滑坡總數的90.7%。且以新生型滑坡為主，占滑坡總數的71.9%； 部分為老滑坡在暴雨作用下，也出現較大變形甚至發生大規?；?。

圖3 “8·31”暴雨誘發滑坡遙感解譯分布Fig.3 Remote sensing interpretation distribution of landslides induced by extreme rainfall on August 31

2.2 降雨型滑坡解譯

2.2.1 奉節縣桂壩滑坡

桂壩滑坡位于奉節縣公平鎮桂壩7社，該滑坡發生在2014年9月1日。從Google Earth軟件上，可以查詢到滑坡發生前后時間間隔較近的2期遙感影像(圖4)，其獲取時間分別是2014年8月20日和2014年10月11日。

(a) 2014年8月20日 (b) 2014年10月11日圖4 奉節縣桂壩滑坡前后遙感影像Fig.4 Remote sensing images before and after Guiba landslide in Fengjie County

經過滑坡地質調查以及疊加數字高程模型數據分析，滑坡后緣高程為720 m，形成圈椅狀后壁，后壁高度在25 m左右，可以看到多條拉裂縫?；碌募舫隹谖挥诠芬陨?，高程約610 m，滑坡面積約4.6×104m2，估算滑體厚度在20 m左右，滑坡體積約為92×104m3，為中型土質滑坡?；職姆课?0余間?；禄瑒雍筠D化為滑坡泥石流，沿著沖溝泄流而下1.3 km，淤積于梅溪河河床。在此次暴雨誘發的滑坡中，滑動后形成泥石流是比較常見的類型，如奉節縣青蓮鄉白果寨特大型順層巖質滑坡。

2.2.2 奉節縣下橫旦滑坡

下橫旦滑坡位于奉節縣大樹鎮槽木村1組，2014年9月2日發生大規?；瑒?。從2015年5月8日遙感影像(圖5)可以看出滑坡邊界清晰，右側邊界為沖溝，左側邊界可以看到清楚的側壁，后緣出現圈椅狀滑壁。經過滑坡地質調查以及疊加數字高程模型數據分析，滑坡壁長度約40 m?；虑熬壍诌_河床，其右側前緣巖土體堆積造成河床壅塞抬高，形成小的堰塞湖，滑坡后緣寬度為160 m，前緣寬度為500 m，縱長為450 m，面積為13.9×104m2，為一大型滑坡，屬于降雨作用下古滑坡復活。

圖5 2015年5月8日奉節縣下橫旦滑坡遙感影像Fig.5 Remote sensing images of the Xiahengdan landslide in Fengjie County on May 8，2015

3 降雨誘發滑坡發育特征分析

3.1 滑坡發生時的降雨分析

降雨衛星數據和雨量站測站數據是降雨分析的2種不同類型的數據源。測站數據是點狀數據，在單點測量精度上更有優勢。相比測站數據，降雨衛星數據覆蓋面更廣，獲取難度相對較低，更適于做區域性的分析計算。不可否認，低空間分辨率的降雨數據與高分影像解譯得到的滑坡數據進行疊加會造成一定的分析誤差。作為改進方案，利用測站數據對低空間分辨率的降雨衛星數據進行修正，有望提高滑坡與降雨關系分析的準確度。

本文將遙感解譯獲得的滑坡分布與美國航空航天局全球降雨觀測數據疊加，統計分析滑坡所在位置的最大單日降雨量(圖6(a))和累積降雨量(圖6(a))之間的關系。由圖6(a)可知，當最大單日降雨量為50 mm時，有滑坡開始發生; 當最大單日降雨量為80 mm，滑坡開始持續發生,且隨著降雨量的增大，滑坡數量增多； 最大單日降雨量為90 mm的區域，滑坡開始大量出現; 最大單日降雨量為100 mm的區域，滑坡發生數量最多，共有270處，占解譯滑坡數量的45.84%; 其次是最大單日降雨量為120 mm的區域，解譯滑坡164處，占解譯滑坡數量的27.84%。從圖6(b)可以看出，當累積降雨量為110 mm時，有滑坡開始發生; 當累積降雨量為160 mm，滑坡開始持續發生; 當累積降雨量為200 mm區域，滑坡大量出現，且隨著累積降雨量的增大，滑坡數量增多； 累積降雨量為210 mm區域共發生滑坡176處，占滑坡解譯數量的29.88%; 其次是累積降雨量為240 mm區域，解譯滑坡117處，占19.86%。

(a) 滑坡數量與最大單日降雨量(b) 滑坡數量與累積降雨量圖6 渝東北地區“8·31”暴雨誘發滑坡區域的雨量統計Fig.6 Rainfall statistics of the August 31 rainstorm-induced landslide area in northeast Chongqing

由圖6可知，最大單日降雨量和累積降雨量在誘發滑坡的趨勢具有較好的一致性，即累積降雨量大致是最大單日降雨量的2倍。如當最大單日降雨量和累積降雨量分別超過80 mm和160 mm時，此區域開始持續發生滑坡； 當最大單日降雨量和累積降雨量分別超過100 mm和210 mm時，此區域開始發生大量滑坡。

3.2 滑坡發生處的斜坡地形分析

以滑坡中心點的高程統計(圖7)， 200～1 350 m高程范圍均有滑坡發生。

圖7 渝東北地區“8·31”暴雨誘發滑坡高程分析Fig.7 Elevation analysis of rainstorm-induced landslide on August 31 in northeast Chongqing

總體上，在數量上，隨著高程增大，滑坡數量有先增大后減少的變化趨勢。高程在500 m以下，滑坡數量隨著高程的增加而增多。而高程在600 m以上，滑坡數量隨著高程增加而減少。以高程在400～700 m之間分布較為集中，共有289處，占解譯滑坡總數的49.06%。從滑坡發育斜坡的山頂高程統計可以得出，本次暴雨誘發大量滑坡發生的區域，其斜坡山頂高程在1 000～1 400 m之間。當斜坡山頂高程大于1 000 m時，對氣流輸送具有較大的阻擋作用，由水平運動為主轉為沿坡爬升，形成強對流天氣而產生暴雨。

誘發滑坡的坡度和坡向分析如圖8所示。

(a) 滑坡數量與坡度(b) 滑坡數量與坡向圖8 渝東北地區“8·31”暴雨誘發滑坡坡度和坡向分析Fig.8 Slope and aspect analysis of rainstorm-induced landslide on August 31 in northeast Chongqing

從滑坡發生的斜坡地形坡度統計可以得出(圖8(a))，滑坡坡度在10°～90°范圍均有滑坡發生，以30°左右坡度滑坡發生數量最多。其中地形坡度在30°～35°的斜坡上發生滑坡數量為106處，占滑坡解譯數量的18.00%; 其次,坡度為20°～25°的斜坡上發生滑坡數量為98處，占解譯滑坡數量的16.64%; 20°～35°的斜坡中，發生滑坡數量為299處，占解譯滑坡數量的50.76%。

從滑坡發生的斜坡坡向統計可以看出(圖8(b))，此次降雨過程誘發的滑坡主要分布在以西、南朝向的斜坡上，屬迎風坡。斜坡朝向在160°～280°之間斜坡上，發生的滑坡數量為437處，占解譯滑坡總數的74.19%。其中西南朝向斜坡發生滑坡數量最多，占解譯滑坡總數的34.97%。

3.3 滑坡發育地層巖性分析

從地層巖性角度看，該區域廣泛分布碎屑巖類和碳酸鹽巖地層。其中暴雨誘發滑坡集中在侏羅系和三疊系碎屑巖地層，為軟硬相間的層狀砂巖與黏土巖互層，包括侏羅系上沙溪廟組( J2s) 、蓬萊鎮組(J3p) 、自流井組( J1-2z) 、新田溝組( J2x) 、珍珠沖組( J1z) 、遂寧組( J3s) 、下沙溪廟組( J1xs) 以及三疊系巴東組(T2b)等地層(表2)，主要巖性為砂巖、粉砂巖、泥灰巖等與層厚不等的泥巖、頁巖，呈互層狀，為軟巖和軟硬相間巖層。地層巖石強度低，易風化，形成厚度不等的第四系崩坡積物，屬于滑坡易發地層。

表2 渝東北地區“8·31”暴雨滑坡地層巖性分析Tab.2 Formation and lithology analysis of rainstorm-induced landslide on August 31 in northeast Chongqing

4 結論與討論

本文利用高空間分辨率衛星遙感影像及美國航空航天局全球降雨觀測數據，對渝東北地區2014年“8·31”暴雨誘發滑坡進行遙感解譯，并分析了此次降雨誘發的滑坡與降雨、地形等的關系。

1)渝東北“8·31”極端暴雨區地處四川盆地東沿，區域構造為大巴山和八面山弧形構造帶的交匯部位。西南季風運移過程中山脈限制，運移通道呈現喇叭狀山勢逐漸收窄，在開州區、云陽縣北部、奉節縣北部和巫溪縣南部區域匯聚后，受到褶皺形成的較高地勢(1 000 m以上高程)阻擋后，沿斜坡爬升，形成強對流天氣而產生暴雨。因此，由構造形成的地貌和山勢是該地區成為暴雨中心的主要原因。

2)據滑坡與降雨關系統計分析，當最大單日降雨量和累積降雨量分別超過80 mm和160 mm時，滑坡開始持續發生，應發布區域性滑坡紅色預警； 當預報最大單日降雨量和累積降雨量分別在100 mm和210 mm時，應做好應對滑坡大量發生的準備。且暴雨誘發滑坡開始發生和大量發生時的最大單日降雨量和累積降雨量大體上呈2倍關系。

3)此次強降雨過程誘發滑坡以新生的中、小型滑坡為主，滑坡區域的斜坡地形坡度相對較陡，坡度在25°左右居多，且30°～45°斜坡仍有滑坡發生。暴雨誘發滑坡區的地形坡度相對較陡，尤其是新生的滑坡，且暴雨誘發滑坡主要發生在西、南朝向的迎風坡上。

本文研究認為，渝東北地區復雜的地質構造條件，以及由其產生的構造侵蝕地貌不僅使得該區域成為暴雨中心，也導致了降雨型滑坡多發、頻發。首先是地區滑坡易發地層廣泛分布，主要為侏羅系軟巖和軟硬相間巖層，且巖石易風化，第四系崩坡積物較厚； 其次區域構造與河流侵蝕切割作用使得地形起伏大、坡度較陡，為滑坡發育和發生提供有力地形條件； 再次是由構造形成的山勢特點使得該區域成為暴雨中心，極端天氣頻發，暴雨成為該地區滑坡大量發生的主要誘因。因此，筆者認為在降雨誘發地質災害易發性分析和預測預報中，應該考慮地質構造形成的地形地貌格局對局地降雨強度及分布的影響，這有助于提高時間和空間預測分析精度。