地貌特征、岩体力学性质与被动地震记录聚类之间的相关性研究——用于平移式岩块滑坡的分区

《Landslides》：Correlation of geomorphological features, geomechanical properties, and clustering of passive seismic recordings for translational rock block slide zoning

岩块滑坡的被动地震监测技术研究中，通过意大利北部新活动滑坡案例，结合主动地震与地质地貌调查，部署密集被动地震站。运用HVSR方法分析发现滑坡体内部存在异质性、节理密度增加及机械强度降低，导致地震阻抗对比显著和信号极化增强。采用k-means聚类分析，整合共振频率、振幅、极化方向及谱形参数，将滑坡区划分为四个不同危险等级，结果与地质地貌观测一致，验证了该方法在滑坡 hazard mapping和地震微zonation中的应用价值。

　　

摘要

在软岩中的岩块滑动现象往往难以表征，这主要是由于其结构复杂以及难以检测的地貌特征。对于古老的滑坡而言，这一问题尤为突出，因为残留的岩块在很大程度上已被坡地重塑过程破坏殆尽。在这种情况下，被动地震数据可以提供有用的信息，这些信息可以与岩块的力学性质和地貌特征相关联，从而评估不稳定的区域并进行滑坡分区。然而，由于缺乏明确的地貌证据，这种关联往往变得困难且非平凡。因此，我们选择了意大利西北部一个最近重新活跃的岩块滑动体，以便在一个地貌特征明确的环境中广泛测试被动地震技术。我们部署了一个密集的被动地震站网络，并结合了主动地震调查和地质-地貌调查。利用HVSR（水平-垂直频谱比）方法分析被动地震数据，发现了原位岩体与位移岩体之间的明显共振差异。滑坡体内部存在异质性，节理密度增加，力学完整性降低，这增强了地震阻抗对比度，并在其最严重的区域导致了高信号放大和强烈的信号极化现象。我们还采用了基于聚类的k-均值方法来评估被动地震信号的空间分布特征。通过对共振频率、振幅和极化方向以及多种频谱曲线形状参数的分析，进一步增强了基于聚类的分类效果。这种方法使得滑坡区域被划分为四个具有不同危险程度的区域。最终的分类结果与地貌观测结果高度吻合，正确地突出了滑坡体内潜在不稳定性较高的区域。得益于测试现场被动地震数据与地貌和力学特征之间的相关性，所提出的调查和分析框架可以广泛应用于岩块滑动研究，为滑坡危险性评估和地震微分区工作提供支持。