郭桢1,2、毛无卫1,2、黄雨1,2、潘龙1、牟旭1、崔寅兵1 （1. 同济大学土木工程学院地下建筑与工程系；2. 同济大学岩土及地下工程教育部重点实验室）的研究成果，于2025年发表在《中国地质灾害与防治学报》（the chinese journal of geological hazard and control）第36卷第2期。论文题为“基于地脉动观测的花岗岩风化壳边坡结构探查与动力响应研究—以浙江丽水某滑坡为例”。这项研究针对我国东南地区广泛分布、易受降雨诱发群发性滑坡的花岗岩风化壳边坡，提出并应用了一种高效、经济的被动式物探方法来探查其内部结构并分析其动力响应特征，对区域地质灾害防治具有重要的科学意义和实用价值。
该研究属于工程地质与地质灾害防治领域。我国东南地区因中生代构造与岩浆活动，花岗岩广泛分布。在强烈构造运动和亚热带湿润气候影响下，这些花岗岩形成深厚的风化壳边坡，其结构疏松、孔隙比大，遇水易软化崩解。该地区雨季集中，降雨量大，极易诱发大规模花岗岩风化壳滑坡（例如2024年福建龙岩、广东韶关的案例），造成严重灾害。此类滑坡多沿花岗岩残积土与全/强风化层界面发生，因此，精准探查风化壳内部结构、确定潜在滑面位置，是防灾减灾的关键。
传统探查方法如钻探、常规物探虽能提供信息，但存在成本高、操作复杂、在植被茂密区域实施困难等局限。基于地脉动观测的方法，尤其是单点水平-竖直谱比法（Horizontal-to-Vertical Spectral Ratio, HVSR法），以其设备简单、布设灵活、对地层界面敏感的优势，在滑坡调查中显示出巨大潜力。此外，东南地区临近地震带，地震荷载可能扰动边坡稳定性，因此，结合边坡结构和地形研究其动力响应特征同样至关重要。本研究旨在结合野外调查与地脉动监测，解决上述两个关键问题：一是快速高效探查花岗岩风化壳的分层结构；二是研究该结构边坡在动力荷载下的响应特征，为灾害防治提供科学依据。研究以2019年7月浙江丽水松阳县一处降雨诱发的花岗岩风化壳滑坡为案例。
本研究包含三个主要阶段：现场地质调查、地脉动数据采集与处理、以及基于HVSR法的深入分析与反演。
第一阶段：现场地质调查（2019年7月）。在滑坡发生后立即进行。研究目标是确定滑坡后暴露的边坡物质组成。研究对象是滑坡剖面。通过野外实地勘察，识别并记录了滑坡体的岩性组成。调查结果表明，该边坡由粗粒花岗岩风化层和花岗闪长岩风化层组成，这为后续理解边坡物质的空间变异性提供了地质基础。
第二阶段：地脉动数据采集（2024年11月）。在初步了解边坡物质的基础上，为探查其内部精细结构和动力响应，研究团队于滑坡发生数年后在同一边坡布设了地脉动监测网络。研究对象是边坡的三个关键位置：坡顶（S1）、坡腰（S2）和坡脚（S3）。使用的研究设备是三分量地震仪（Smartsolo IGU-16HR 3C）。为了确保数据质量，避免人类活动噪音干扰，监测选择在夜间至清晨时段进行，连续记录了15小时（2024年11月22日17:00至23日08:00）的三分量（竖直向V、南北向NS、东西向EW）地脉动时间序列，采样率为1000 Hz。这一阶段的关键在于获取高质量、长时间序列的被动地震背景噪声数据，为后续分析提供充足样本。
第三阶段：数据处理与HVSR分析。这是本研究方法的核心。研究团队采用了一套标准且严谨的数据处理流程来分析采集到的地脉动数据，其中主要依据了Bard和SESAME-team提出的HVSR标准操作流程，并融合了团队自身的拓展应用。 1. 数据预处理：将连续时间序列分割为60秒长、无重叠的片段。对每个片段进行去均值、去线性趋势处理，并依据仪器参数去除仪器响应。 2. 数据筛选：计算每个片段的短期/长期平均振幅比（STA/LTA），保留比值在0.2-2.5范围内的数据片段，以剔除偶然的能量爆发（如附近机械振动）干扰，确保分析数据源于稳定的环境背景噪声。 3. 频谱计算与平滑：对保留的数据片段进行5%的余弦锥化，并通过快速傅立叶变换（FFT）计算各片段的振幅谱。随后，采用带宽系数为40的Konno-Ohmachi平滑法对频谱进行平滑处理，以消除随机波动，凸显稳定特征。 4. 计算HVSR谱：依据公式 HVSR(t,f) = √[ (NS(t,f)² + EW(t,f)²) / (2 * V(t,f)²) ]，计算每个时间片段在频率域上的水平-竖直谱比值。最终，计算所有时间片段HVSR谱的均值和标准差，得到各台站稳定的HVSR曲线。 5. 识别卓越频率：依据HVSR曲线的显著峰值，识别出场地的卓越频率（f0, f1, f2…）。卓越频率反映了地下存在显著波速阻抗比界面的位置，对应可能的地层分界面。 6. 反演剪切波速结构：基于获得的平均HVSR谱，采用Konno等及Guo等发展的反演算法，估算各台站下方的压缩波速（Vp）和剪切波速（Vs）随深度的变化剖面，从而直观揭示边坡的地下分层结构。 7. 分析动力响应特征：这是本研究方法的拓展和创新应用部分。为了深入研究边坡的动力响应，团队进行了更深入的分析： * 方向性分析：通过计算不同方位角上的水平分量及其HVSR谱，研究放大效应是否具有方向性，并考察其与边坡坡向（194°）的关系。 * 高程放大效应分析：创新性地以坡脚台站（S3）的竖直向频谱为基准，计算坡顶（S1）和坡腰（S2）台站竖直向和水平向频谱相对于该基准的比值，从而分离并量化由于地形变化引起的真实放大效应。 * 相关性分析：计算不同台站之间、不同频率之间HVSR谱的Pearson相关系数，用以评估边坡不同位置在动力响应上的同步性或异步性，这有助于判断动力荷载对整体边坡稳定性的影响模式。
本研究通过上述系统性的工作流程，获得了一系列重要且相互关联的发现。
首先，关于边坡地下结构探查的结果。 通过对三个台站HVSR谱的分析，成功识别出各位置的卓越频率：坡顶S1处有3个（7.3 Hz, 14.9 Hz, 35.5 Hz），坡腰S2处有3个（13.4 Hz, 25.3 Hz, 50.0 Hz），坡脚S3处有2个（38.4 Hz, 54.2 Hz）。这些卓越频率的存在表明边坡地下存在多个显著的波速阻抗比界面。基于HVSR谱反演得到的剪切波速（Vs）剖面清晰地显示：边坡从外向内主要由以下几层组成：表层1-2米厚的低速松散层（Vs < 150 m/s，对应耕作层及残积土）、其下的全风化花岗岩层（Vs: 150-260 m/s）、强风化花岗岩层（Vs: 260-395 m/s）以及更深部的中风化花岗岩层（Vs > 395 m/s）。各风化层的界面大致与坡面平行，符合风化作用随深度减弱的规律。同时，剖面中局部出现的波速异常反映了花岗岩（粗粒花岗岩与花岗闪长岩）矿物成分和结构在空间上的不均匀性。这些结果证实，HVSR法能有效识别花岗岩风化壳中残积土、全风化、强风化、中风化的分层，并探测出2-3个可能演化为滑动面的地下界面。坡顶和坡腰处卓越频率数量多于坡脚，也暗示了坡体上部结构更为复杂。
其次，关于边坡动力响应特征的结果。 这部分结果是本研究的重要深化。 1. 放大效应的方向性：各台站HVSR谱均表现出明显的方向依赖性。最显著的放大效应发生的方位总体上与边坡坡向（194°）大致相同，尤其是在坡顶和坡腰的较高卓越频率（f2）附近，最大放大方位更贴近坡向。这表明边坡对动力的放大效应与临空方向密切相关，坡向方向最有利于水平位移的发生，从而叠加地层结构效应，产生最强的动力响应。 2. 放大效应与高程的关系：以坡脚为基准的分析揭示了真实的地形放大效应。坡顶和坡腰在3-22 Hz频段内，竖直向产生显著放大（放大系数高达7.5）；在4-60 Hz频段内，水平向产生更强烈的放大（放大系数高达17.5），且坡顶的放大效应最为显著。值得注意的是，在22-100 Hz高频段，竖直向出现缩小效应。这表明传统的HVSR谱在边坡场地可能低估或高估真实的水平放大效应，而本研究采用的相对基准分析方法更能反映地形导致的真实响应。 3. 各台站响应的相关性：台站间的HVSR谱在1-20 Hz频段内、相同频率上表现出较高的正相关性，意味着这些频率上的放大效应在边坡不同位置是同步的，这种同步放大可能对边坡整体稳定性不利。然而，跨频率间的相关性很弱（相关系数绝对值<0.3），表明不同频率信号的放大并不同步。同时，同一台站内不同频率间存在信号转化（自相关显示某些频段强相关）。这种跨频率和跨台站的响应不同步性，可能使得动力荷载的能量分散，反而有利于边坡在动力作用下的稳定性。
以上结果层层递进：从识别地下结构界面（潜在滑面），到发现放大效应在坡向最显著且随高程增强（明确了最不利的荷载方向和位置），再到辨析响应同步与异步特征（评估了动力荷载作用的整体效应模式），共同构成了对花岗岩风化壳边坡“结构-动力响应”耦合机制的深入理解。
本研究的结论是：单点地脉动HVSR法是一种能够快速、高效探查东南地区花岗岩风化壳边坡分层结构的有效手段；此类边坡存在显著的由内部结构和地形共同控制的动力放大效应，其中最显著的放大发生在坡向方向，并随高程增加而增强；边坡各点在同频率上的放大同步可能不利于稳定，而跨频率的放大不同步则可能有利于稳定。
该研究的价值体现在：科学价值 在于深化了对花岗岩风化壳边坡“结构探查-动力响应”耦合机制的认识，拓展了被动源面波方法（HVSR法）在复杂边坡地质结构探查和动力响应精细化分析中的应用范畴。应用价值 尤为突出：为植被茂密、边坡众多的东南丘陵区提供了一种经济、便捷、准确的地质灾害隐患识别和调查技术，相关响应特征结论可直接服务于边坡抗震设计和地质灾害风险评价，为防灾减灾提供了重要的科学支撑。
论文在讨论部分也指出了本研究的局限性与未来展望：首先，HVSR法对界面敏感但对绝对波速反演能力有限，未来可结合台阵法发展既能定界面又能定波速的技术。其次，本次监测时长（15小时）对于捕捉边坡结构长期演化或强震真实响应仍显不足，建议未来开展更长期、连续的监测，并积累强震记录，以建立地脉动指标与降雨、地震等触发因素的关联模型，实现更精准的监测预警。这些思考为后续研究指明了方向。