学科分类
/ 1
6 个结果
  • 简介:随着不连续多年冻土发育区的日益增多,人们日益关注边坡灾害评价。为应对马贡迪河滑坡——大规模流动型滑动的发生,启动了目前的研究项目,其目的旨在鉴别和描述育空中部小萨湖地区的边坡灾害。在研究区,通过地形评估研究确定了超过35个过去和现在的滑坡区。2004年夏季完成了调查工作,获得了地形评估的地形情况以及进一步描述最主要和最活跃的滑坡。本文概述了该研究项目,总结了小萨湖地区发现的四种截然不同的滑坡情况。四种情况分别为:泥石流;岩石滑塌;双重流和多级牵引式滑塌。

  • 标签: 多年冻土 滑坡区 不连续 中南部 边坡灾害 灾害评价
  • 简介:引言2004年10月23日17时56分,日本新泻小千古市发生了里氏6.8级“新泻中越地震”,震源深度13千米。新泻中越地震诱发了362个宽度超过50米的滑坡和12个体积超过100万立方米的大型滑坡。日本文部科学省(MEXT)组建了“2004新泻中越地震”灾害调查组,其调查经费来自MEXT的科学技术专项协调基金。地震灾害调查包括4个主题:(1)地震灾害;(2)滑坡灾害;(3)地下工程灾害;(4)综合研究。滑坡灾害调查组成员由防灾研究所(京都大学)、

  • 标签: 地震灾害 滑坡灾害 新泻县 日本 诱发 灾害调查
  • 简介:犹他州地质调查局对犹他州西南部Escalante山谷内的5个地裂缝进行了勘查。2005年1月8—12日,在Escalante山谷突降一场强冬季暴风雪(可引起洪水)后,Escalant山谷内出现了地裂缝。洪水的渗透和层状冲刷(或片冲作用)扩大了地裂缝的范围。这些地裂缝长约100米(330英尺)至400米(1300公尺),而且在BerylJunction地区中部形成了一个不连续的长9千米的裂缝带(一般向北部延伸)。在某些位置,洪水侵蚀了裂缝并形成宽3米、深2米的冲沟。据当地居民描述,在洪水泛滥期间,洪水源源不断地流入地裂缝(持续时间1天或几天),并在地裂缝上部形成旋涡。布格重力数据显示,Escalante山谷是一个沉积物充填的盆地(以下简称充填盆地),其最深位置正好位于BerylJunetion东部。Escalante山谷也是一个农业耕作区,自20世纪20年代起开始从充填盆地含水层抽取地下水。监测结果表明,自从20世纪40年代以来,Escalante山谷的地下水位开始稳定下降。近年来,由于干旱,Escalante山谷地下水位的下降速率不断增加。BerylJunction南部地区地下水位的下降速率最大。调查结果显示,地裂缝的物理特性类似于在其他西部地区(由地下水开采和水位下降引起)形成的裂缝。这些地裂缝长与宽的比值(长宽比)较大,且大多数地裂缝是线性结构,可以在多种地层中出现并能够延伸相当大的距离。基于流入地裂缝的洪水总量,地裂缝的深度能够延伸至更大范围(甚至达到地下水位)。沉积层(含粘土)范围内的能够产生不同裂纹特征的地裂缝(例如干缩裂缝、水压实或地表断层)的其他可能的成因是震级较大的地震(大于6.5级)。此外,对Escalante山谷地面进行的高分辨率GPS勘查结果显示,在1941年-1972年期间,BerylJunction中部地区的地面局部下沉4英尺(1.2米),在�

  • 标签: 地裂缝 犹他州 山谷 成因 水文地质勘查 地下水开采
  • 简介:超前预测降雨诱发滑坡的关键是基于斜坡稳定性模型的具体使用,该模型模拟了复杂地形地下湿度与降雨量时空变化的瞬时动态响应。TRIGRS(瞬时降雨渗透和基于网格的区域斜坡稳定性分析)是USGS(美国地调局)滑坡预测模型,Fortran编码说明水文、地形和土壤物理特征对斜坡稳定性的影响。该项研究中,在卡罗莱纳州北部(NC)梅肯蓝岭山,我们量化评估了Matlab版本TRIGRS(MaTRIGRS)的时空预测能力。在2004年的飓风季节,该区Ivan飓风诱发了大范围的滑坡。高分辨率数字高程模型(DEM)数据(6-mLiDAR)、USGSSTATSGO土壤数据库和NOAA/NWS联合雷达以及估计的降雨量都用于将输入数据输入该模型。来自卡罗莱纳州北部地调局区域的滑坡目录数据库用于评价MaTRIGRS的预测技术,以预测滑坡地点、发生时间,以及识别预测2004年9月。半径120m以内,发生30小时以上Ivan走廊飓风所观测的滑坡。结果显示,从滑坡位置到24m半径以内,观测的结果表明,67%的滑坡是可以成功地预测的,但是,包含较高的假报警率(90%),如果观测半径扩大到120m,发现98%的滑坡的假报警率是18%。本研究表明,在120m半径的空间和飓风持续时间内,MaTRIGRS是有效的时空预测方法,并且在准确的降雨预报和详细的野外数据区域,显示出滑坡预警系统的潜力。用其他的滑坡信息,包括每个滑坡破坏的准确时间和滑坡的长度以及滑行长度也可以进一步的改进验证。

  • 标签: 滑坡 飓风 灾害预测 LIDAR