Experimental Study on Triaxial Mechanical Properties of High−Temperature Frozen Loess under Different Moisture Content and Confining Pressure in Yili, Xinjiang
-
摘要:
为了探究含水率与围压变化对高温冻土物理力学性质的影响,以新疆伊犁河谷高温冻结黄土为研究对象,开展了黄土的矿物成分、物理性质,以及不同含水率和围压条件下冻土的三轴压缩试验。结果表明:伊犁黄土的粉粒与黏粒粒组含量占比较高,对冻融作用的反应敏感。低含水率时表现为应变软化现象,破坏形态以脆性剪切破坏为主,饱和含水率时表现为应变硬化现象,破坏形态以塑性鼓胀变形破坏为主,软化系数随含水率增大而逐渐减小。随着含水率增大,峰残内摩擦角逐渐降低,峰残黏聚力逐渐增大,变形模量逐渐增大。随着围压增大,弹性模量和损伤演化特征参数均逐渐降低,引入的损伤力学本构模型能够较好地描述高温冻土在不同含水率和围压影响下的应力应变全过程。研究成果可为伊犁河谷冻融滑坡成灾机理研究提供力学参数与理论依据支撑。
Abstract:In order to explore the influence of moisture content and confining pressure on the physical and mechanical properties of high−temperature frozen loess, taking the loess as the research object in Yili valley, Xinjiang. The mineral composition and physical properties of loess, as well as the triaxial compression tests under different moisture content and confining pressure were carried out. The results show that the content of silt and clay is high in Yili loess, which is sensitive to freezing−thawing. At low water content, the failure mode is strain softening and brittle shear failure, while at saturated water content, the failure mode is strain hardening and plastic bulging deformation failure. The softening coefficient decreases gradually with water content increasing. With the increase of water content, the peak residual friction angle gradually decreases, the peak residual cohesion gradually increases, and the deformation modulus increases. With the increase of confining pressure, the elastic modulus and characteristic parameters of damage evolution gradually decrease, and the damage mechanics constitutive model introduced can better describe the whole process of stress and strain of high−temperature frozen loess under different water content and confining pressure. The research results can provide mechanical parameters and theoretical basis for the study of mechanism of freeze−thaw landslide in Yili Valley.
-
滑坡是中国分布最多、危害最大的地质灾害。目前对其分布特征、破坏方式、运动机理等方面已有大量的研究(谢婉丽等,2017,2018a,2018b;刘颖莹等,2018;郭倩怡等,2021;Liu et al.,2022)。滑坡往往受多种地质环境作用影响,难以准确预测,使人类生命财产和生存环境受到重大威胁,因而很有必要开展区域性滑坡易发性评价,选择合适预防措施,以减轻地质灾害造成的影响。
目前,滑坡易发性评价主要包括启发式推断法、数理统计分析法和机器学习法等(王高峰等,2021)。启发式推断法如层次分析、专家打分(冯卫等,2021)等主要凭借主观经验确定因子权重;数理统计分析法如逻辑回归法(屠水云等,2022)、证据权法(杨华阳等,2020)、模糊综合评判法(谢婉丽等,2018b)、信息量法(阮沈勇等,2001)等主要依靠对调查数据进行数理统计分析建立易发性评价模型,可以显著降低评价过程中的主观性,但是其评价结果依赖于大量精确数据支持,对于高维空间的复杂问题,数理统计分析法不可避免的存在欠拟合、预测准确度不高的缺点。
目前学术界对滑坡易发性评价更偏重于机器学习方法的研究。机器学习可以深挖数据本质,获取最精准的滑坡易发性评价结果,具有自学习、自适应、非线性映射能力强等优点,能充分考虑事件发生概率及其影响因素之间非线性关系(王高峰等,2021),可以很好解决传统概率统计模型的缺陷(Dickson et al., 2016)。常用的评价方法有人工神经网络(冯杭建等,2016;田乃满,2020;李泽群,2022)、随机森林法(林荣福等,2020;刘睿等,2020;吴润泽等,2021)、支持向量机(王念秦等,2019;王倩等,2021;赵铮等,2022)和决策树(杨永刚等,2019)等。但是截至目前,学术界对于最佳的滑坡易发性评价模型仍未有定论。
为了探究滑坡易发性的最佳模型,笔者将MaxEnt模型引入滑坡易发性评价。
$ {\text{MaxEnt}} $ 模型作为一种机器学习方法,它以最大熵思想为核心,具有精确、高效、样本量要求低、可避免模型过度拟合等优点,常被应用于生态学领域的物种潜在分布范围预测(唐兴港等,2021),其思想与滑坡易发性区划极为类似,都是基于当前已有数据分析研究对象未来的发展变化趋势。近年来,不少国外学者已采用该方法进行滑坡易发性研究(Suchita et al.,2016;Maryam et al.,2019;Kornejady et al.,2017)。例如,Felicísimo Ángel M等(2013)在西班牙德巴河谷滑坡预测研究中将$ {\text{MaxEnt}} $ 模型和其他3种机器学习方法进行比较,结果显示$ {\text{MaxEnt}} $ 模型精度明显高于其他模型。然而,国内基于$ {\text{MaxEnt}} $ 模型在灾害易发评价方面的研究相对较少(赵冬梅等,2020;麦鉴锋等,2021;屈新星等,2021)。王益区和印台区位于铜川市中部,是铜川市政治、经济、文化和商贸中心,区内沟壑纵横,地下水资源匮乏,地质环境条件脆弱,滑坡分布较多,对区内展开滑坡易发性工作尤为重要。因此,笔者基于铜川市中部地区滑坡分布现状,采用
$ {\text{MaxEnt}} $ 模型,结合$ {\text{ArcGIS}} $ 空间分析模块,选取高程、坡度、坡向、曲率、距道路的距离、距水系的距离、地形地貌和岩土体类型8个环境因子对滑坡易发性进行研究,为铜川市中部地区防灾减灾与国土空间规划提供科学参考。1. 研究区概况
研究区位于铜川市中部,包括王益区、印台区,北接宜君县,南连富平县,东同白水县及蒲城县接壤,西与耀州区毗邻。经纬度涵盖范围为E 108°51′~109°26′,N 34°59′~35°12',总面积为791.74 km2。研究区属半干旱大陆性季风气候,历年年降水量达334.6~879.3 mm,平均为584.5 mm,且多集中在夏季,以暴雨、连续降雨的形式出现。
研究区位于汾渭地堑与黄土高原过渡区域,丘陵起伏,沟壑密布,属于山、塬、川并存的地貌类型。区内地貌可分为土石山地区、黄土残塬区和河谷阶地区。区内构造简单,未见大型褶皱与断裂。复杂的地貌、脆弱的地质环境,使区域内滑坡灾害极其发育,对研究区社会发展和居民生命与财产安全造成了很大威胁。滑坡主要分布在研究区中部及东部人类工程活动频繁的人口密集区(图1)。
2. 研究方法
2.1 数据来源
本文所涉及数据包括:
$ {\text{DEM}} $ (数字高程模型)(下载自地理空间数据云)、岩土体类型、地貌类型(下载自91卫图)、河流、道路信息(下载自全国地理信息资源目录系统)和野外调查收集的滑坡点数(44个)。结合野外实际调查数据,研究区共确定滑坡44处,其中约70%以上的滑坡属于浅层牵引式黄土滑坡,65%以上的滑坡属于小型滑坡。研究区滑坡主要分布在道路、水系两侧,且多发生于人类工程活动剧烈的区域。
2.2 评价因子选取
根据研究区滑坡分布规律以及诱发因素,结合实际野外调查,经过筛选对比,最终确定高程、坡度、坡向、曲率、距道路的距离、距水系的距离、地形地貌和岩土体类型8个环境因子作为评价指标。
(1)高程:高程对滑坡易发性影响主要体现在不同高程区域气候、降水、植被类型、人类工程活动均有不同,因此对滑坡产生的影响有所不同。
(2)坡度:坡度代表了边坡陡倾程度,同时影响了斜坡应力大小与方向。坡度数据在ArcGIS中通过DEM数据提取。
(3)坡向:坡向对滑坡易发性的影响体现在朝向不同,受到的日照时长与太阳辐射强度不同,阴坡与阳坡的温差较大,同时对降水与植被类型也有一定的影响;坡向数据在ArcGIS中通过DEM数据提取。
(4)曲率:曲率代表了边坡的凹凸程度,曲率值大于0为凸形坡,等于0为直线形坡,小于0为凹形坡。曲率数据在ArcGIS中通过DEM数据提取。
(5)距道路的距离:修建道路不可避免会对沿途边坡坡脚进行开挖,破坏边坡的结构,诱发了滑坡的形成。研究区道路密集,通过ArcGIS欧氏距离分析模块获取距道路的距离栅格数据。
(6)距水系的距离:河水往往对河岸两侧边坡产生冲蚀作用,导致斜坡稳定性降低,往往距离河流越近,滑坡发生的频率越高。通过ArcGIS欧氏距离分析模块获取距水系的距离栅格数据。
(7)地形地貌:地形地貌是滑坡发生的重要因素,根据收集到的研究区地貌资料,研究区分为黄土残塬、土石山地和河谷阶地3种地貌。
(8)岩土体类型:研究区岩土体类型共分为坚硬、半坚硬层状碎屑岩,碳酸盐岩,黄土,砂砾石土共5类。研究区整体上呈现为上部为黄土,下部为基岩。研究区由北到南呈现出基岩切割深度逐渐减小的趋势。
在易发性评价开始前在ArcGIS中预先将所有数据坐标系与栅格像元大小(30 m × 30 m)进行统一,将结果数据以ASC文件导出。本次易发性评价所用的各环境变量图层见图2。
2.3 评价方法
2.3.1 MaxEnt原理
最大熵(
$ {\text{MaxEnt}} $ )原理是在满足全部已知约束的基础上开展概率事件的合理预测,但是这一过程中对于未知的部分不做任何假设。只有这样,预测结果中的概率分布最为均匀,误判概率最低,因而最终得出的概率分布结果熵值也就最高。换句话说,最大熵理论代表着在满足既定条件的情况下,熵值越大,越接近它的自然现实状态(范亦嵩,2020)。$ {\text{MaxEnt}} $ 模型运行同时需要滑坡地理分布与环境影响因子数据。在本文中,将研究区划分有限像元集,称为X。每个像元x∈X被分配一个非负概率值p(x),用来表示发生滑坡的概率分布,像元概率总和为1。这样就构建了研究区滑坡的概率分布,称为$ \pi $ 。$ \pi $ 是未知的,最大熵原理认为熵最大时,概率分布p最接近真实状态。为了求解p,我们需要先构建p分布的约束条件,关于未知的分布$ \pi $ ,我们已知的信息就是历史滑坡的发生信息和历史滑坡点的环境因子信息,特征函数具有多种表达形式,本次选用MaxEnt模型自带的表达形式,即式(1):$$ {f_x}(...) = {\lambda _1}{f_1} + {\lambda _2}{f_2} + {\lambda _3}{f_3} + {\lambda _4}{f_4} + ...... + {\lambda _i}{f_i} $$ (1) 式中:
$ \lambda $ 是一组参数,$ {f_i} $ 为像素x位置的第i个环境因子值。已知信息可以表达为所有已发生滑坡的特征函数的平均值,即式(2):$$ e = \frac{1}{m}\sum\limits_1^m {{f_{x{\rm{i}}}}(...)} $$ (2) 式中:m是历史滑坡发生数目,
$ {f_{x{\rm{i}}}}(...) $ 是第i个滑坡所在像元的特征函数。概率分布p的环境因子期望值可按公式(3)计算:$$ E={\displaystyle {\sum }_{x\in X}p(\text{x}){f}_{x}}(\mathrm{...}) $$ (3) p的环境因子期望值需要无限接近于e,所以分布p的约束条件为式(4):
$$ |e-E|<\beta $$ (4) 式中:
$ \beta $ 为任意小的正常数。最大熵分布通常具有式(5)形式:$$ p(x)=\frac{e{f}_{x}(\mathrm{...})}{Z} $$ (5) 式中:
$ p(x) $ 是第$ x $ 个像元概率值;$ Z $ 是一个确保所有像元概率值之和为1的常数。通过正则化变换后,约束条件可以表达为使式(6)的值最小:$$ \mathrm{ln}{Z}_{\lambda }-\frac{1}{m}{\displaystyle \sum _{{\rm{i}}=1}^{m}{f}_{x{\rm{i}}}(\mathrm{...})}+{\displaystyle \sum _{{\rm{j}}}{\beta }_{\text{j}}\lambda } $$ (6) 式中:m是历史滑坡数目,
$ \lambda $ 是特征函数的一组参数,$ {\beta _{\text{j}}} $ 是任意小的常数,只要确定$ \lambda $ ,使得上式值最小,就可以确定最大熵的概率分布。为计算
$ \lambda $ ,MaxEnt模型采用机器学习中的经典算法连续迭代算法,即初始输入$ \lambda $ =(0,0,0…0),代表每个环境因子作用相同,根据不断调整$ \lambda $ 值,使式(6)值不断变小,直到迭代次数达到用户指定次数,或不在显著变小时停止迭代。此时的$ \lambda $ 值为最终结果中的$ \lambda $ 值。2.3.2 评价模型构建与准确度验证
将滑坡点(44个)地理位置和各环境影响因素数据输入MaxEnt模型中,分别取不同比例的滑坡点数量作为训练数据用于建模,余下滑坡点作为测试数据,进行模型验证。模型结果选用Logistic形式,表示某个滑坡在整个模拟区域每个栅格上的存在概率(p)。在预试验中运行多次,使得出的AUC值相对稳定(±0.001)即可。
选用ROC–AUC值和Kappa一致性检验2种方法对模型精度进行交叉检验。首先,利用模型“Jacknife”中的ROC曲线,对模型模拟的滑坡点潜在分布点预测成效进行评价。其次,通过Kappa值验证模型整体准确度,即通过模型运行结束后的研究区滑坡易发预测图与现状滑坡分布图进行Kappa一致验证。评价指标对应准确度见表1。
表 1 AUC值与Kappa值评价标准表Table 1. Assessment standard of AUC value and kappa value精确度 极差 较差 一般 较好 优秀 AUC 0.5~0.6 0.6~0.7 0.7~0.8 0.8~0.9 0.9~1 Kappa 0~0.2 0.2~0.4 0.4~0.55 0.55~0.7 0.7~1 本次研究采用标准差验证模型模拟结果是否稳定,对不同训练比例构建模型运行多次得出的AUC值进行标准差计算,计算公式为:
$$ \begin{split} \\ {\text{SD}} = \sqrt {\dfrac{{\displaystyle\sum\limits_{i = 1}^N {{{\left( {{X_i} - \bar X} \right)}^2}} }}{{N - 1}}} \end{split}$$ (7) 式中SD为AUC的标准差,N为重复次数,
$ {X_i} $ 为第i次AUC的大小,$ \bar X $ 为N次的AUC平均值,SD值越小,模型模拟结果越稳定。3. 评价结果与分析
3.1 模型运行结果检验
以往研究中,关于模型最适宜训练比例的选取并未达成一致,多数研究者采用训练比例取值范围为70%~90%(Shrestha et al.,2019)。
为研究不同随机训练比例对MaxEnt构建模型准确度的影响,本次研究选取70%、75%、80%、85%和90%作为随机训练样本点数据比例,按照上述步骤模型运行10次,对评价结果进行标准差计算(表2)。从表中可知,滑坡样本点80%时AUC值达到最大值,但样本点为75%时该模型的标准差最小,表明研究区样本点为75%时MaxEnt模型数据最稳定。因此,笔者采用75%训练数据作为模型运行基础,通过模型10次迭代运行后获得的ROC曲线(图3)。从图中可知,训练集10次模拟得到的AUC值能达到0.905,大于0.9,评价精度优秀,证明该模型可以精确模拟灾害点分布与环境因子之间的关系
表 2 AUC均值/SD值与训练比例的关系表Table 2. Relationship between AUC mean value/SD value and training proportion训练样本比例 70% 75% 80% 85% 90% AUC平均值 0.902 0.905 0.909 0.904 0.887 标准差 0.0763 0.0661 0.0855 0.0839 0.0565 3.2 滑坡易发性区划
将模型运行结果提取至ArcGIS,根据Jenks法,将研究区滑坡易发性等级分为5级(图3):低易发(0~0.11)、较低易发(0.11~0.24)、中易发(0.24~>0.43)、较高易发(0.43~0.69)、高易发(0.69~1.00)。易发性等级由高到低,面积分布分别为34.52 km2(4.36%)、45.69 km2(5.77%)、105.16 km2(13.28%)、239.37 km2(30.23%)和367.10 km2(46.36%)。滑坡较高易发区和高易发区主要分布于研究区中部与东部,多位于水系与道路两侧,人口密集分布区域。
将滑坡现状分布与图4中得出的滑坡潜在分布进行
$ {\text{Kappa}} $ 一致性检验,结果显示$ {\text{Kappa}} $ 系数为0.76,表示评价分区与现状滑坡点分布十分符合。3.3 环境变量对地质灾害易发性贡献度分析
采用MaxEnt模型的“Jacknife”模块,可以对每个环境因子进行滑坡易发性贡献率分析(图5),图中深蓝色条块代表无其他环境影响因素干扰下其对易发性分布的贡献率,浅蓝条块即去掉该因子后,其他的所有变量的总贡献率。
图5显示,环境变量贡献大小顺序为:距水系的距离>地貌类型>距道路的距离>高程>岩土体类型>坡向>曲率>坡度。可以看出距水系的距离、地貌类型是贡献度排名前二的因子,距道路的距离、高程和岩土体类型也是影响滑坡易发性的重要因子,而坡度、坡向和曲率对滑坡易发性分布的影响较小。
3.4 环境变量对滑坡易发性指数影响分析
通过
$ {\text{MaxEnt}} $ 模型所生成的环境因子响应曲线(图6),不仅能反映每个环境影响因素与滑坡易发性之间的关联,也可通过每个环境因子变化时对应的易发性分布概率来体现每个环境因子对最终的易发性评价影响。其中,x轴是环境变量的取值范围,y轴是模型的易发性指数。由于无法用曲线来表示2个分类型变量对易发性评价结果的影响规律,因此用矩形面积来表示岩土体类型、地貌类型对易发性结果的影响,面积越大,对易发性评价影响的能力就越高。由高程的响应曲线可以得出(图6a),滑坡易发性于高程850 m左右达到峰值,随后便随高程增加而降低,这是由于研究区居民多居住于海拔较低的河谷平原区,伴随着频繁发生的工程活动;通过坡度的响应曲线来看(图6b),坡度在不断增长时,滑坡易发性随之持续增长;坡向的响应曲线表现为随着坡向取值增大,易发指数呈先增大后减小的趋势(图6c),可能原因为阳坡滑坡发生概率大于阴坡,因为阳坡接受到的阳光和降水更为充沛,岩土体更易风化;从曲率的响应曲线来看(图6d),随着曲率值增大,滑坡易发性随之增大,总体上表现为凸形坡对滑坡易发性的影响大于凹形坡;从距道路的距离的响应曲线来看(图6e),滑坡易发性在距道路800 m范围内时较大,随距道路的距离增加滑坡易发性随之减小,原因就是道路分布的地带由于各种工程活动的破坏,导致环境条件变得恶劣,边坡失稳,灾害频发;距水系的距离曲线与距道路的距离曲线类似,距离水系越近,易发指数越高(图6f);从地貌类型来看(图6g),河谷阶地区对滑坡易发性的影响最大,黄土残塬区次之,土石山地区最小,证明河谷阶地区是最适宜滑坡发育的地貌;从岩土体类型来看(图6h),坚硬层状碎屑岩对易发性影响最低,而砂砾石土对易发性影响最高,这与其易风化、透水性强和工程性质差的性质有关。
4. 结论
(1)基于地质环境条件选取了高程、坡度、坡向、曲率、距道路的距离、距水系的距离、地形地貌、岩土体类型等8个环境影响因子,建立了以铜川市中部王益区、印台区为研究区的评价指标体系。
(2)运用
$ {\text{ArcGIS}} $ 与$ {\text{MaxEnt}} $ 模型对研究区滑坡易发性进行了评价。结果表明,高和较高易发区分别占研究区总面积的4.36%和5.77%。滑坡较高易发区和高易发区主要分布于中部和东部道路、水系两侧,是人口集中分布区域。得到的评价结果与实际滑坡分布情况相符,$ {\text{AUC}} $ 值达到了0.905,表明该模型的评价精度十分优秀,可以用于研究区滑坡易发性评价。(3)使用“Jackknife”模块分析环境影响因素对模型结果影响程度,结果显示距水系的距离和地貌类型是贡献度最大的环境因子;坡向、坡度和曲率贡献度最低,表明研究区滑坡对其变化并不敏感。环境影响因素的响应曲线也揭示了易发性随各个环境影响因素的分布规律,表明该模型对分类环境变量和连续环境变量均有较好的适用性。
-
表 1 伊犁黄土的基本物理性质统计表
Table 1 Basic physical properties of Yili loess
序号 干密度
(g/cm3)孔隙比 液限
(%)塑限
(%)塑性指数 压缩模量
Es1-2(MPa)渗透系数
(cm/s)1 1.55 0.507 26.73 18.28 8.45 17.5 1.40×10−5 2 1.55 0.509 24.59 17.04 7.56 16.8 1.30×10−5 3 1.55 0.512 29.05 19.62 9.43 17.9 1.31×10−5 4 1.56 0.503 23.88 15.98 7.90 18.1 1.15×10−5 5 1.54 0.495 23.96 16.55 7.41 17.7 1.22×10−5 表 2 不同含水率与围压下的应力与应变统计表
Table 2 Stress and strain under different water content and confining pressure
含水率
w(%)围压
σ3(MPa)峰值
应力
σp(MPa)峰值
应变
εp(%)残余
应力
σr(MPa)残余
应变
εr(%)10.1 0.050 0.568 1.500 0.542 8.500 0.125 0.724 3.500 0.697 8.751 0.175 0.860 4.671 0.830 13.429 16.2 0.050 0.855 5.492 0.821 12.979 0.125 1.044 11.065 0.968 18.055 0.175 1.098 12.232 1.046 19.802 28.2 0.050 1.448 – – − 0.125 1.486 – – – 0.175 1.506 – − – 表 3 不同含水率的剪切强度参数表
Table 3 Shear strength parameters of different water content
含水率
w(%)峰值内
摩擦角
φp(°)峰值
黏聚力
cp(MPa)残余内
摩擦角
φr(°)残余
黏聚力
cr(MPa)10.1 32.5 0.122 37.0 0.076 16.2 30.2 0.219 28.4 0.218 28.2 10.9 0.588 – – 表 4 损伤本构模型参数表
Table 4 Damage constitutive model parameters
含水率w(%) 围压σ3(MPa) $ E $(MPa) $ {\varepsilon }_{f} $(%) $ n $ R2 10.1 0.050 37.87 1.500 0.142 0.948 0.125 20.69 3.500 0.123 0.970 0.175 18.41 4.671 0.122 0.964 16.2 0.050 15.57 5.492 0.132 0.928 0.125 9.44 11.065 0.123 0.904 0.175 8.98 12.232 0.122 0.912 28.2 0.050 10.95 13.227 0.101 0.959 0.125 9.36 15.874 0.094 0.970 0.175 7.62 19.762 0.093 0.963 -
曹文贵, 赵衡, 张永杰, 等. 考虑体积变化影响的岩石应变软硬化损伤本构模型及参数确定方法[J]. 岩土力学, 2011, 32(3): 647-654 doi: 10.3969/j.issn.1000-7598.2011.03.002 CAO Wengui, ZHAO Heng, ZHANG Yongjie, et al. Strain softening and hardening damage constitutive model for rock considering effect of volume change and its parameters determination method[J]. Rock and Soil Mechanics, 2011, 32(3): 647-654. doi: 10.3969/j.issn.1000-7598.2011.03.002
崔托维奇. 冻土力学[M]. 北京: 科学出版社, 1985 Tsytovich H A. The mechanics of frozen ground [M]. Beijing: Science Press, 1985.
葛修润, 任建喜, 蒲毅彬, 等. 岩石细观损伤扩展规律的CT实时试验[J]. 中国科学E辑: 技术科学, 2000, 30(2): 104-111 GE Xiurun, REN Jianxi, PU Yibin, et al. Real-Time CT test of meso-damage propagation law of rock [J]. Science in China, 2000, 30(2): 104-111.
赖远明, 李双洋, 高志华, 等. 高温冻结粘土单轴随机损伤本构模型及强度分布规律[J]. 冰川冻土, 2007, 29(6): 969-976 doi: 10.3969/j.issn.1000-0240.2007.06.017 LAI Yuanming, LI Shuangyang, GAO Zhihua, et al. Stochastic damage constitutive model for warm frozen soil under uniaxial compression and its strength distribution[J]. Journal of Glaciology and Geocryology, 2007, 29(6): 969-976. doi: 10.3969/j.issn.1000-0240.2007.06.017
赖远明, 张耀, 张淑娟, 等. 超饱和含水率和温度对冻结砂土强度的影响[J]. 岩土力学, 2009, 30(12): 3665-3670 doi: 10.3969/j.issn.1000-7598.2009.12.018 LAI Yuanming, ZHANG Yao, ZHANG Shujuan, et al. Experimental study of strength of frozen sandy soil under different water contents and temperatures[J]. Rock and Soil Mechanics, 2009, 30(12): 3665-3670. doi: 10.3969/j.issn.1000-7598.2009.12.018
刘世伟, 张建明. 高温冻土物理力学特性研究现状[J]. 冰川冻土, 2012, 34(1): 120-129 LIU Shiwei, ZHANG Jianming. Review on physic-mechanical properties of warm frozen soil[J]. Journal of Glaciology and Geocryology, 2012, 34(1): 120-129.
马芹永, 郁培阳, 袁璞. 干湿循环对深部粉砂岩蠕变特性影响的试验研究[J]. 岩石力学与工程学报, 2018, 37(3): 593-600 doi: 10.13722/j.cnki.jrme.2017.0711 MA Qinyong, YU Peiyang, YUAN Pu. Experimental study on creep properties of deep siltstone under cyclic wetting and drying[J]. Chinese Journal of Rock Mechanics and Engineering, 2018, 37(3): 593-600. doi: 10.13722/j.cnki.jrme.2017.0711
马巍, 吴紫汪, 常小晓, 盛煜. 剪应力强度和平均法向应力对冻土变形的相互影响[J]. 自然科学进展, 1998, 8(1): 77-81 doi: 10.3321/j.issn:1002-008X.1998.01.014 MA Wei, WU Ziwang, CHANG Xiaoxiao, et al. The influence of shear stress strength and mean normal stress on the frozen soils deformation [J]. Progress in Nature Science, 1998, 8(1): 77-81. doi: 10.3321/j.issn:1002-008X.1998.01.014
马巍, 吴紫汪, 盛煜. 冻土的蠕变及蠕变强度[J]. 冰川冻土, 1994, 16(2): 113-118 MA Wei, WU Ziwang SHENG Yu. Creep and creep strength of frozen soil[J]. Journal of Glaciolgy and Geocryology, 1994, 16(2): 113-118.
马巍, 吴紫汪, 盛煜. 围压对冻土强度特性的影响[J]. 岩土工程学报, 1995, 17(5): 7-11 doi: 10.3321/j.issn:1000-4548.1995.05.002 MA Wei, WU Ziwang SHENG Yu. Effect of confining pressure on strength behaviour of frozen soil[J]. Chinese Journal of Geotechnical Engineering, 1995, 17(5): 7-11. doi: 10.3321/j.issn:1000-4548.1995.05.002
马巍, 王大雁. 中国冻土力学研究50a回顾与展望[J]. 岩土工程学报, 2012, 34(4): 625-640 MA Wei, WANG Dayan. Studies on frozen soil mechanics in China in past 50 years and their prospect[J]. Chinese Journal of Geotechnical Engineering, 2012, 34(4): 625-640.
宁建国, 朱志武. 含损伤的冻土本构模型及耦合问题数值分析[J]. 力学学报, 2007, 39(1): 70-76 doi: 10.3321/j.issn:0459-1879.2007.01.009 NING Jianguo, ZHU Zhiwu. Constitutive model of frozen soil with damage and numerical simulation of the coupled problem[J]. Chinese Joumal of Theoretical and Applied Mechanics, 2007, 39(1): 70-76. doi: 10.3321/j.issn:0459-1879.2007.01.009
任建喜, 葛修润. 单轴压缩岩石损伤演化细观机理及其本构模型研究[J]. 岩石力学与工程学报, 2001, 20(4): 425-431 doi: 10.3321/j.issn:1000-6915.2001.04.001 REN Jianxi, GE Xiurun. Study of rock meso-damage evolution law and its constitutive model under uniaxial compression loading[J]. Chinese Journal of Rock Mechanics and Engineering, 2001, 20(4): 425-431. doi: 10.3321/j.issn:1000-6915.2001.04.001
宋友桂, 史正涛. 伊犁盆地黄土分布与组成特征[J]. 地理科学, 2010, 30(2): 267-272 doi: 10.13249/j.cnki.sgs.2010.02.011 SONG Yougui, SHI Zhengtao. Distribution and compositions of loess sediments in Yili Basin, central Asia[J]. Scientia Geographica Sinica, 2010, 30(2): 267-272. doi: 10.13249/j.cnki.sgs.2010.02.011
苏凯, 张建明, 刘世伟, 等. 高温-高含冰量冻土压缩变形特性研究[J]. 冰川冻土, 2013, 35(2): 369-375 SU Kai, ZHANG Jianming, LIU Shiwei, et al. Compressibility of warm and ice-rich frozen soil[J]. Journal of Glaciology and Geocryology, 2013, 35(2): 369-375.
王海芝, 王颂, 周剑, 等. 樟木堆积体斜坡动力稳定性与极限承载力评价[J]. 西北地质, 2022, 55(1): 262-273 doi: 10.19751/j.cnki.61-1149/p.2022.01.023 WANG Haizhi, WANG Song, ZHOU Jian, et al. Dynamic stability analysis and ultimate bearing capacity evaluation of Zhangmu landslide deposit[J]. Northwestern Geology, 2022, 55(1): 262-273. doi: 10.19751/j.cnki.61-1149/p.2022.01.023
维亚洛夫 C C. 冻土流变学[M]. 北京: 中国铁道出版社, 2005 VAYALOV C C. Rhelogy of Frozen Soil [M]. Beijing: China Railway Publishing House, 2005.
吴杨, 崔杰, 李能, 等. 岛礁吹填珊瑚砂力学行为与颗粒破碎特性试验研究[J]. 岩土力学, 2020, 41(10): 3181-3191 WU Yang, CUI Jie, LI Neng, et al. Experimental study on the mechanical behavior and particle breakage characteristics of hydraulic filled coral sand on a coral reef island in the South China Sea[J]. Rock and Soil Mechanics, 2020, 41(10): 3181-3191.
徐张建, 林在贯, 张茂省. 中国黄土与黄土滑坡[J]. 岩石力学与工程学报, 2007, 26(7): 1297-1312 doi: 10.3321/j.issn:1000-6915.2007.07.001 XU Zhangjian, LIN Zaiguan, ZHANG Maosheng. Loess in China and loess landslides[J]. Chinese Journal of Rock Mechanics and Engineering, 2007, 26(7): 1297-1312. doi: 10.3321/j.issn:1000-6915.2007.07.001
颜荣涛, 张炳晖, 杨德欢, 等. 不同温-压条件下含水合物沉积物的损伤本构关系[J]. 岩土力学, 2018, 39(12): 4421-4428 doi: 10.16285/j.rsm.2017.1839 YAN Rongtao, ZHANG Binghui, YANG Dehuan, et al. Damage constitutive model for hydrate-bearing sediment under different temperature and pore pressure conditions[J]. Rock and Soil Mechanics, 2018, 39(12): 4421-4428. doi: 10.16285/j.rsm.2017.1839
尹光华, 王兰民, 袁中夏, 等. 新疆伊犁黄土的物性指标、动力学特性与滑坡[J]. 干旱区地理, 2009, 32(6): 899-905 YIN Guanghua, WANG Lanmin, YUAN Zhongxia, et al. Physical index, dynamic property and landslide of Ili loess[J]. Arid Land Geography, 2009, 32(6): 899-905.
叶玮, 矢吹真代, 赵兴有. 中国西风区与季风区黄土沉积特征对比研究[J]. 干旱区地理, 2005, 28(6): 789-794 doi: 10.3321/j.issn:1000-6060.2005.06.013 YE Wei, SADAYO Yabuki, ZHAO Xinyou. Comparison of the sedimentary features of loess between the westerly and monsoon regions in China[J]. Arid Land Geography, 2005, 28(6): 789-794. doi: 10.3321/j.issn:1000-6060.2005.06.013
张艳玲, 陈亮, 闫金凯, 等. 基于DAN-W模型的高速远程滑坡灾变过程分析[J]. 西北地质, 2021, 54(1): 204-211 doi: 10.19751/j.cnki.61-1149/p.2021.01.018 ZHANG Yanling, CHEN Liang, YAN Jinkai, et al. Study on the catastrophic process of rapid and long Run-out landslides based on DAN-W[J]. Northwestern Geology, 2021, 54(1): 204-211. doi: 10.19751/j.cnki.61-1149/p.2021.01.018
张慧梅, 杨更社. 冻融与荷载耦合作用下岩石损伤模型的研究[J]. 岩石力学与工程学报, 2010, 29(3): 471-476 ZHANG Huimei, YANG Gengshe. Research on damage model of rock under coupling action of freeze-thaw and load[J]. Chinese Journal of Rock Mechanics and Engineering, 2010, 29(3): 471-476.
中华人民共和国住房和城乡建设部. 土工试验方法标准: GB/T 50123—2019[S]. 北京: 中国计划出版社, 2019 Ministry of Housing and Urban-Rural Development of the People's Republic of China. Standard for geotechnical testing method: GB/T 50123—2019[S]. Beijing: China Planning Press, 2019.
朱赛楠, 李滨, 冯振. 三峡库区侏罗系泥岩CT损伤特性试验研究[J]. 水文地质工程地质, 2016, 43(1): 72-78 doi: 10.16030/j.cnki.issn.1000-3665.2016.01.11 ZHU Sainan, LI Bin, FENG Zhen. Research on CT damage characteristics of the Jurassic mudstones in the Three Gorges Reservoir area[J]. Hydrogeology & Engineering Geology, 2016, 43(1): 72-78. doi: 10.16030/j.cnki.issn.1000-3665.2016.01.11
朱赛楠, 殷跃平, 王文沛, 等. 新疆伊犁河谷黄土滑坡冻融失稳机理研究[J]. 地球学报, 2019, 40(2): 339-349 doi: 10.3975/cagsb.2018.061904 ZHU Sainan, YIN Yueping, WANG Wenpei, et al. Mechanism of freeze-thaw loess landslide in Yili River valley, Xinjiang[J]. Acta Geoscientica Sinica, 2019, 40(2): 339-349. doi: 10.3975/cagsb.2018.061904
朱元林, 张家懿. 冻土的弹性变形及压缩变形[J]. 冰川冻土, 1982, 4(3): 29-39 ZHU Yuanlin, ZHANG Jiayi. Elastic and compressive deformation of frozen soils[J]. Journal of Glaciology and Geocryology, 1982, 4(3): 29-39.
CHAMBERLAIN E J. Effect of freezing and thawing on the permeability and structure of soils[J]. Engineering Geology, 1979, 13(1/2/3/4): 73-92.
Gurson A L. Continuum theory of ductile rupture by void nucleation and growth. Part I. Yield criteria and flow rules for porous ductile media[R]. Office of Scientific and Technical Information (OSTI), 1975.
JESSBERGER H L. A state-of-the-art report. Ground freezing: mechanical properties, processes and design[J]. Engineering Geology, 1981, 18(1/2/3/4): 5-30.
OTHMAN M A, BENSON C H. Effect of freeze–thaw on the hydraulic conductivity and morphology of compacted clay[J]. Canadian Geotechnical Journal, 1993, 30(2): 236-246. doi: 10.1139/t93-020
TING J M, TORRENCE MARTIN R, LADD C C. Mechanisms of strength for frozen sand[J]. Journal of Geotechnical Engineering, 1983, 109(10): 1286-1302. doi: 10.1061/(ASCE)0733-9410(1983)109:10(1286)
ZHENG Bo. Investigation for the deformation of embankment underlain by warm and ice-rich permafrost[J]. Cold Regions Science and Technology, 2010, 60(2): 161-168. doi: 10.1016/j.coldregions.2009.08.012