Susceptibility assessment of debris flows based on information model in Dongchuan, Yunnan Province
-
摘要: 以东川泥石流为研究对象,选取高程、坡度、坡向、起伏度、曲率、工程岩组、距断层距离、距水系距离、土地利用类型9个影响因子,以研究区144条泥石流为样本数据,建立了东川泥石流易发性评价体系。基于GIS平台,采用信息量模型计算各个评价指标状态分级的信息量值,以小流域为评价单元使用自然间断法将研究区泥石流易发程度分为极高、高、中和低4个易发区等级。结果表明:研究区极高易发区和高易发区发生泥石流灾害数量占比94.44%,AUC值为0.876,表明选取评价指标合理,信息量模型适用于东川泥石流易发性评价研究。Abstract: In this paper, taking debris flow in Dongchuan as the research object, nine influence factors are chosen as the selected indices, including the elevation, slope, aspect, relief, curvature, engineering rock group, distance to faults, distance to faults rivers, and land use types, sample data from 144 debris flows in the study area are used to establish the Dongchuan debris flow susceptibility assessment system. Based on the information model and GIS platform, the information vaule of each factor classification is calculated, and the natural discontinuity method is used to divide the debris flow susceptibility into 4 levels: extremely high-prone areas, high-prone areas, medium-prone areas, and low-prone areas in the study area. The results show that the number of debris flow disasters in the extremely high and high-risk areas in the study area accounted for 94.44%, and the AUC value was 0.876, indicating that the selection of evaluation indicators was reasonable, and the information model was suitable for the evaluation of debris flow susceptibility in Dongchuan.
-
Keywords:
- debris flow /
- susceptibility assessment /
- information model /
- Dongchuan
-
0. 引言
我国西南地区山地范围广,地形地貌复杂,地质构造运动活跃,早期多次强震导致岩体破碎,产生了大量松散固体物质,加之山区降雨充沛且较为集中,为泥石流的形成和发育提供了极为有利的条件[1 − 3]。泥石流是水与细颗粒组成的液相和砂石组成的固相物质的两相流[4 − 5],是山区常见地质灾害类型之一,具有暴发突然、运动速度快、危害范围广等特点[6 − 7]。作为一种强烈的地表剥蚀现象,泥石流通常意义上被认为发生在生态环境差、植被覆盖度低的山区,但强震产生的滑坡为泥石流的形成提供了物源基础[8 − 9],使得一些植被覆盖良好的湿润气候地区也会暴发大规模泥石流灾害,这些区域的泥石流在运动过程中还会携带大量漂木,漂木极易在沟道缩窄处堵塞聚集,形成不稳定的漂木堵塞体,堵塞体溃决后会导致泥石流流量急剧增大,加重灾情[10 − 12]。如:2003年7月云南德宏特大泥石流[13],2013年7月四川汶川草坡乡泥石流[14]和七盘沟特大泥石流[15]等,就有大量漂木伴随泥石流的运动倾泻而出,给当地造成严重损失。
以往关于泥石流风险的研究,风险区主要集中在泥石流沟口堆积扇位置[16],而对于泥石流堆积扇外的区域风险研究较少,且通常认为物源主导泥石流风险的放大,泥石流物源量增多,规模增大,风险随之增大[17 − 19]。对于直接汇入干流的支沟泥石流,除了在泥石流堆积扇范围内受灾外,有时还会联系着干流的堰塞和洪水灾害。如:2010年8月12日,四川省绵竹市清平乡文家沟暴发特大泥石流[20],泥石流冲入绵远河后将主河局部堵塞,导致河流改道淹没了下游右岸的大量房屋,形成的堰塞湖回水淹没上游道路、民房等基础设施,最终造成5人遇难、1人失踪。对于陡峭的河谷地区,桥涵是公路工程中的重要结构,但其在方便人们交通出行的同时也会增大泥石流灾害风险。具体来说,公路桥涵的设计通常会考虑正常的水流和气候条件,但在遭遇泥石流灾害时,特别是对于一些植被覆盖良好的地区,泥石流汇入主河后不仅会影响河道形态和泥沙供应,同时也会将沿途刮铲的漂木引入河道,漂木在遇到桥涵或河流断面狭窄处极易造成堵塞,引发上游水位上涨,增大邻近地区洪水淹没风险[21 − 23]。
2020年8月17日,在连续多日强降雨的影响下,四川省平武县亚者造祖村暴发了大规模群发性泥石流灾害,导致G247国道多处断道和垮方,九绵高速项目部、民工驻地等多处遭受巨大损毁。泥石流汇入主河后,由泥石流裹挟的大量漂木将下游正在修建的高速公路桥涵堵塞,导致主河水流运动受阻回淤,淹没了干流右岸本不在泥石流堆积扇范围内的32户97间居民房屋,扩大了受灾范围。灾害最终造成了4人死亡,直接经济损失达
6000 万元。本文以亚者造祖村“8•17”群发性泥石流为研究对象,探讨了此次群发性泥石流灾害风险特征,并重点分析了干流公路桥涵对泥石流灾害的风险放大效应,旨在为今后类似山区干流公路桥涵的合理规划以及泥石流相关防治预警工作提供参考。1. 研究区概况
平武县位于四川省绵阳市西北部,青藏高原向四川盆地过渡边缘地带,位居长江二级支流涪江上游地区,此次泥石流发生地点为平武县白马藏族乡亚者造祖村,暴发泥石流的4条沟为:阿祖沟、麻石扎三号沟、夺补河五号沟、杂排沟,沟口与九寨沟至绵阳高速公路(以下简称“九绵高速”)和G247国道相交。研究区主要河流为夺补河,发源于王郎自然保护区,全长108 km,总落差为
2485 m,河床平均比降为23‰,平均流量为41 m3/s,平均径流总量为13×108 m3/a,4条泥石流沟分布于夺补河两侧(图1)。区内地形北高南低,最高山顶高程4000 m,谷底高程2200 m,相对高差1800 m。两岸岸坡较陡,呈现出“四周高、中间低”的地形地貌特征,极有利于雨水的汇集和泥石流的形成运移。通过现场调查和遥感解译查明4条泥石流沟地形地貌特征见表1。表 1 研究区4条泥石流沟地形地貌特征参数Table 1. Topographic and geomorphologic characteristics parametes of four debris flow gullies in the study area流域名称 流域面积
/km2主沟长度
/km平均纵
比降/‰最高海拔
/m最低海拔
/m最大高差
/m阿祖沟 4.10 3.10 244 3110 2353 757 麻石扎三号沟 2.43 3.20 294 3302 2361 941 夺补河五号沟 1.80 2.54 311 3147 2357 791 杂排沟 6.16 5.45 223 3543 2330 1213 研究区位于四川盆地与龙门山结合部位,受活动断裂带影响较大,新构造运动强烈,地震频发。区内有松潘—较场地震带和龙门山地震带两条大型断裂构造通过,松潘—较场地震带带内曾发生过7级以上地震4次,最大为1933年茂县叠溪7.5级地震;2008年5月12日在龙门山中岩断裂发生的8.0级汶川特大地震,平武县境内沿断裂沿线的平通—响岩—南坝—石坎一线成为极震区[24],2017年8月8日发生在阿坝州九寨沟县的7.0级地震对研究区也产生了极大影响。早期频繁的地震活动,导致区内地层遭受强烈切割挤压而破碎,山体稳定性遭到严重破坏,产生了大量松散固体物质,为泥石流的形成提供了极为丰富的物源条件[25]。
研究区属亚热带季风气候区,降雨充沛且较为集中,多年平均降雨量为806.0 mm,降雨最多的是
1155.4 mm(1955年),最少的是480.8 mm(1986年),月最大降雨量为442.5 mm(1976年8月),日最大降雨量为151 mm(1993年5月27日),时最大降雨量为72.7 mm(1993年5月27日19时),10分钟最大降雨量为30.0 mm(1993年5月27日19时27分),降雨雨强大是引发区内泥石流灾害发生的重要因素(图2)。根据平武县气象局提供资料显示,2020年8月10日20时—8月17日14时,平武县白马藏族乡累计降雨量为250.20 mm,比常年8月份同比增加219.95 %,结合历史降雨资料对比,此次降雨强度超50年一遇。2. 数据来源与方法
2.1 数据来源
本研究数据包括:像元分辨率为12.5 m×12.5 m的研究区ALOS(advanced land observation satellite)DEM数据(https://search.asf.alaska.edu/#/),作为Fast Flood模拟时的基础地形数据;从美国地质调查局(USGS)下载的研究区2020年7月19日(灾前)和2020年8月20日(灾后)的Landsat系列遥感影像(分辨率15 m),用于研究区灾害前后植被覆盖度的提取。为了获取亚者造祖村“8•17”群发性泥石流灾害基本特征,灾后(2022年5月)对研究区开展了详细野外调查。调查时通过选取沟道内典型断面确定泥石流最大泥痕高度(泥深)以及顶部和底部断面的宽度,同时调查了泥石流的危害形式、建筑物破坏、沟道侵蚀、桥涵堵塞情况等。另外,在4条泥石流沟堆积扇位置采集了泥石流样品,对粒径小于60 mm的堆积物进行颗粒级配分析。最后,通过对当地灾害目击者的访谈,了解了泥石流历史及灾害现场的基本情况。
2.2 参数计算
2.2.1 泥石流容重
通过室内物理筛分与马尔文试验测量野外调查时采取的泥石流堆积样品中的黏粒含量,试验结果如图3所示。4条沟泥石流容重采用基于黏粒(粒径<0.005 mm)含量的容重计算法[26]确定:
(1) 式中:
——泥石流容重/(g·cm−3); ——泥石流土样中的黏粒含量/%。2.2.2 泥石流流量
根据水源条件,4条泥石流沟均为暴雨型泥石流,通过查询《四川省中小流域暴雨洪水计算手册》中的降雨量等值线图,分别获取研究区1 h和6 h平均雨强(
=20 mm, =30 mm)及其相对应的变异系数( =0.55, =0.52),再计算不同重现期下降雨强度数据。按式(2)计算泥石流洪峰流量:(2) 式中:
——泥石流洪峰流量/(m3·s−1); ——暴雨洪水设计流量/(m3·s−1); ——泥石流堵塞系数; ——泥石流流量增加系数。一次泥石流过程总量和一次泥石流冲出固体物质总量采用《泥石流灾害防治工程勘查规范(试行)》(T/CAGHP 006—2018)中推荐的公式[27]计算:
(3) (4) 式中:
——泥石流一次过程总量/m3; ——泥石流历时/s; ——泥石流洪峰流量/(m3·s−1)。 ——泥石流一次冲出固体物质总量/m3; ——泥石流容重/(g·cm−3); ——清水容重/(g·cm−3); ——泥石流固体物质容重/(g·cm−3)。野外调查时通过选取4条泥石流沟泥痕相对清晰的位置进行断面测量,确定泥石流最大泥痕高度(泥深)以及顶部和底部断面的宽度,采用形态调查法[27]计算泥石流洪峰流量:
(5) 式中:
——泥石流断面峰值流量/(m3·s−1); ——泥石流过流断面面积/m2; ——泥石流断面平均流速/(m·s−1);2.3 泥石流堵河分析
根据陈德明堵河判别公式[28],对研究区4条泥石流沟堵河程度进行计算。当
值等于或大于1.44(临界值)时,主河可能被堵塞。(6) 式中:
——泥石流容重/(g·cm−3); ——主河堆积密度/(g·cm−3); ——泥石流峰值流量/(m3·s−1); ——主河洪峰流量/(m3·s−1); ——泥石流流速/(m·s−1); ——主河流速/(m·s−1); ——泥石流沟与主河顺流方向夹角/(°)。2.4 Fast Flood模拟
本文运用Fast Flood模型模拟干流有桥涵和无桥涵两种情况下洪水淹没情况,该模型主要控制方程如下:
(7) (8) (9) (10) (11) 式中:
——流量累计量/m3; ——稳态流量/m3; ——流量推算的流体高度/m; ——曼宁系数; ——网格单元宽度/m; ——地形坡度/%;R——降雨率;
——流体速度/(m3·s−1);h——水流高度/m;
g——重力加速度/(m·s−2)。
3. 结果与分析
3.1 泥石流规模特征
亚者造祖村“8•17”泥石流为低频稀性大规模群发性泥石流。根据对当地村民(46岁)的调访,并结合其回忆父母曾给予的泥石流相关活动信息,该村民表示研究区1976年发生“松潘—平武”地震后,在强降雨作用下暴发过一次特大泥石流灾害,直至2020年没有暴发过其他泥石流。同时,结合雨洪法和形态调查法计算结果(表2,表3),判断此次群发性泥石流暴发频率约为50年一遇。根据泥石流相关运动特征计算结果,阿祖沟、麻石扎三号沟、夺补河五号沟、杂排沟泥石流容重分别为:1.68 g/cm3、1.71 g/cm3、1.65 g/cm3、1.61 g/cm3,均小于1.80 g/cm3,为稀性泥石流。根据《泥石流灾害防治工程勘查规范(试行)》(T/CAGHP 006—2018)[27]中的泥石流规模等级分类,按雨洪法计算得到的4条泥石流沟50年一遇峰值流量结果,麻石扎三号沟和夺补河五号沟泥石流峰值流量分别为134.97 m3/s和108.46 m3/s,在规模上属大型;阿祖沟和杂排沟泥石流峰值流量分别为232.71 m3/s和218.44 m3/s,在规模上属特大型。
表 2 研究区4条泥石流沟雨洪法相关参数计算结果Table 2. Calculation results of storm flood method related parameters in four debris flow gullies in the study area流域 P/% /h /(mm·h−1) /(m3·s−1) /(m3·s−1) /(104 m3) /(104 m3)阿祖沟 1 0.91 0.97 0.8 59.20 2.8 63.26 302.82 19.19 7.91 2 0.90 1.01 0.8 51.60 2.6 52.35 232.71 14.74 6.08 5 0.87 1.08 0.79 42.00 2.4 39.16 160.70 10.18 4.20 麻石扎三号沟 1 0.94 1.07 0.8 59.20 2.8 35.57 174.58 8.30 3.57 2 0.93 1.12 0.8 51.60 2.6 29.61 134.97 6.41 2.76 5 0.91 1.19 0.79 42.00 2.4 22.41 94.27 4.48 1.93 夺补河五号沟 1 0.94 0.90 0.8 59.20 2.8 30.42 140.24 6.66 2.63 2 0.93 0.94 0.8 51.60 2.6 25.33 108.46 5.15 2.03 5 0.92 1.00 0.79 42.00 2.4 19.19 75.84 3.60 1.42 杂排沟 1 0.93 1.58 0.8 59.20 2.8 65.48 282.62 17.91 6.30 2 0.92 1.65 0.8 51.60 2.6 54.50 218.44 13.84 4.87 5 0.90 1.76 0.79 42.00 2.4 41.17 152.30 9.65 3.39 注: 为洪峰径流系数, 为流域汇流时间,s为暴雨雨力。表 3 研究区4条泥石流沟形态调查法相关参数计算结果Table 3. Calculation results of morphological survey method related parameters in four debris flow gullies in the study area流域 /% /(g·cm−3) /m /m2 /(m·s−1) /(m3·s−1) /(104 m3) /(104 m3)阿祖沟 1.15 1.68 2.0 41.00 8.40 344.39 16.37 6.79 麻石扎三号沟 1.37 1.71 2.2 16.28 9.64 156.86 7.45 3.20 夺补河五号沟 0.82 1.65 1.7 13.86 8.77 121.47 5.77 2.27 杂排沟 0.52 1.61 2.0 21.76 8.51 185.18 11.73 4.12 注:R为水力半径。 3.2 泥石流成灾特征
亚者造祖村“8•17”群发性泥石流灾害风险沿干流两岸呈星扇状分布,干流公路桥涵堵塞致使风险范围扩大了约1倍。研究区地处河谷地带,地形狭窄,真正适宜居住的“开阔平地”极少,受地形条件限制,九绵高速项目部将临时驻地修建在地势相对平缓的老泥石流堆积扇上,由于研究区植被覆盖度较高、泥石流隐蔽性强,忽视了泥石流的危害。2020年8月17日,阿祖沟、麻石扎三号沟、夺补河五号沟、杂排沟不同程度地暴发泥石流,其中,阿祖沟泥石流规模及其造成的损失最为巨大。结合现场调查和遥感解译结果,阿祖沟泥石流堆积扇面积约为5.95×104 m2,堆积高度约为2.5 m,堆积体积为14.88×104 m3,阿祖沟泥石流发生后,直接将位于沟口正下方的项目驻地夷为平地,民工驻地和钢筋加工中心遭到严重损毁(图4)。夺补河五号沟泥石流堆积扇面积约为3.43×104 m2,堆积高度约为1.3 m,堆积体积为4.45×104 m3,其危害对象主要为九绵高速预制梁场、拌合站以及白马隧道洞口驻地。此次群发性泥石流灾害造成了4人死亡,九绵高速项目部直接经济损失达
3000 万元(表4)。此次群发性泥石流具有极其强大的搬运能力和冲击力,泥石流在运动过程中不断沿途掏蚀沟床松散堆积物,侵蚀两岸坡脚,致使其流量、规模不断扩大,4条泥石流沟分布在干流两侧,群发性泥石流灾害风险沿干流两岸呈星扇状分布。表 4 研究区4条泥石流沟堆积扇特征及危害对象Table 4. Characteristics and vulnerable objects of accumulation fans in four debris flow gullies in the study area流域 堆积扇面积/(104 m2) 平均堆积厚度/m 堆积体积/(104 m3) 主要危害对象 阿祖沟 5.95 2.5 14.88 九绵高速项目部驻地、民工驻地、钢筋加工中心 麻石扎三号沟 3.14 1.5 4.72 G247国道 夺补河五号沟 3.43 1.3 4.45 九绵高速预制梁场、拌合站、白马隧道洞口驻地 杂排沟 4.14 2.3 9.52 G247国道、在建九绵高速、沟口民宿 根据陈德明等[28]堵河判别公式计算结果(表5)以及结合现场实际调查情况,泥石流冲出沟口汇入主河后,并未直接造成干流堵塞,因此,不存在堰塞湖及其溃决洪水对下游造成威胁。正常情况下,4条泥石流沟仅在其堆积扇范围内构成危害,受灾面积共计约为16.66×104 m2。但实际调访时了解到此次群发性泥石流除了在堆积扇范围内受灾外,堆积扇外距离杂排沟沟口约300 m处的下游村庄也遭受了严重影响(图5)。
表 5 泥石流堵河相关参数与计算结果Table 5. Related parameters and calculation results of debris flow blocking river流域 /(m3·s−1) /(g·cm−3) /(m·s−1) /(°)J/‰ 堵河情况 阿祖沟 232.71 1.68 8.40 60 244 1.19 不堵 麻石扎三号沟 134.97 1.71 9.64 120 294 0.81 不堵 夺补河五号沟 108.46 1.65 8.77 80 311 0.65 不堵 杂排沟 218.44 1.61 8.51 120 223 1.09 不堵 泥石流发生时,杂排沟沟口下游约有500 m的公路距离和干流方向基本一致,九绵高速公路路基宽24.5 m,每个桥涵由6个桥墩构成,桥墩直径为1.2 m,桥墩之间的轴向间距为3 m。干流河道平均宽度为21 m,多个桥墩直接修建于主河道内,大大减小了河道有效流动面积,加之上游大量漂木运动到桥涵位置后因受阻而不断汇聚造成堵塞,导致主河水流运动受阻回淤,受灾面积扩大了约16.78×104 m2,风险范围扩大了约1倍。
3.3 漂木堵塞公路桥涵导致泥石流灾害风险放大
亚者造祖村“8•17”群发性泥石流冲出物中的大量漂木汇入主河道引起的次生灾害是导致泥石流风险进一步放大的重要原因。根据调访现场村民,其表示在泥石流发生前,研究区已连续降雨长达一个月之久,8月17日之前,洪水均能通过干流河道顺流而下,并未出现溢流情况。泥石流发生后,由于泥石流裹挟的大量漂木汇入主河运动到下游公路桥涵位置后因受阻而不断汇聚造成堵塞,形成堰塞体,引发主河回淤—漫坝—溢流,导致干流右岸本不在泥石流堆积扇范围内的32户97间居民房屋受损,约2.4×104 m2农作物受灾,直接经济损失增加了
3000 万元,扩大了此次群发性泥石流灾害范围,放大了泥石流灾害风险(图6)。漂木堵塞干流公路桥涵后带来的风险放大效应主要体现在两个方面:(1)堰塞现象带来的风险放大效应。泥石流运动过程中裹挟的漂木汇入干流后在桥涵处积聚,形成堰塞体,大大减小河道有效流动面积,导致水流运动受阻,泄流能力降低,引发上游洪峰高度上升,增大邻近地区洪水淹没风险。亚者造祖村“8•17”群发性泥石流灾害就是干流桥涵的堰塞现象导致灾害风险放大的一个典型例子。(2)结构破坏带来的风险放大效应。干流公路桥涵通常能承受正常的水流冲击,但在山洪、泥石流发生时,庞大的冲击力可能超出桥涵设计承载能力,加之大量漂木、石块等堆积在干流桥涵位置会对桥涵结构施加额外的作用力,加剧桥墩周围的局部冲刷,可能会导致桥涵的破坏甚至垮塌,进一步加剧灾害风险。“8•17”泥石流发生后,九绵高速项目部及时将主河进行了改道(图7),并对河道的宽度及坝高进行了一定程度的改进,可避免再次发生泥石流时因下游桥涵堵塞而加剧灾情。
野外调查时发现了大量堆积于泥石流沟道内的漂木(图8),堆积漂木的形状和尺寸较为复杂,有单纯主枝干,也有带分枝或根系等相对复杂的漂木,基本形状普遍为长条形圆柱状,堆积漂木尺寸大约在0.3~3.5 m不等,直径大多在5~40 cm范围之内。为了对比泥石流发生前后流域内植被变化,通过美国地质调查局(USGS)下载了研究区2020年7月19日(灾前)和2020年8月20日(灾后)Landsat8 OLI遥感影像(分辨率15 m),并基于ENVI 5.3软件计算得到研究区泥石流发生前后的归一化植被指数(NDVI)(图9)。结果显示,泥石流发生前流域内植被覆盖度较高,导致泥石流隐蔽性强。前期长历时强降雨使得大量植被失稳滑动,加之泥石流运动过程中不断沿途刮铲,沟道内的树木植被遭到严重破坏,使得大量漂木成为了此次泥石流灾害的一部分物源。基于灾害前后植被覆盖度,利用ArcGIS计算得到4条泥石流沟灾后植被损毁面积共计约1.38 km2,计算过程可能与实际过程存在一定偏差,但泥石流发生后大量植被损毁,漂木含量增大趋势明显。
3.4 基于Fast Flood模拟桥涵堵塞过程分析
本文运用Fast Flood模型模拟了干流有桥涵和无桥涵两种不同情况下的洪水淹没情况。首先导入像元分辨率为12.5 m×12.5 m的研究区DEM数据,对导入的地形数据进行土地利用和渗透分析,根据灾害发生时河道实际情况,绘制了宽21 m、高3.5 m的河道,最后输入河流流量和降雨数据,模拟干流在没有桥涵的情况下洪水运动过程。基于上述步骤,在干流河道内桥涵堵塞位置设置宽23 m、高6 m的坝体,模拟干流在有桥涵且被堵塞的情况下洪水运动过程,模拟结果如图10所示。
从图10a可以看出,在无桥涵的情况下,水流会沿着河道顺流而下,河道内水流深度为2.4 ~3.2 m,出现了轻微溢流,溢流深度为0.4 ~0.6 m,溢流面积约为0.91×104 m2。从图10b看出,在有桥涵堵塞的情况下,由于水流运动受阻,出现大面积回淤,淹没了干流右岸大部分房屋。亚者造祖村水流淹没深度为1.3 ~2.5 m,与无桥涵时相比,淹没范围扩大了约13.98×104 m2。根据调访及灾害现场村庄淹没情况,洪水流经亚者造祖村时的水位高度约为1.6 ~2.8 m,受灾面积为16.78×104 m2。由于模拟时只考虑了研究区洪水淹没情况,实际上在泥石流冲出沟口后,会有一部分固体物质汇入主河,致使河床有所抬升,因此,模拟结果较实际值偏小,但总体基本吻合,且可以看出在有桥涵堵塞的情况下,灾害风险放大效果明显。
4. 讨论
对于植被覆盖良好的湿润山区,泥石流运动过程中往往会裹挟大量漂木,漂木遇到桥涵等断面缩窄处极易形成堵塞,引发上游水位上涨,加剧灾害风险。根据漂木长度和桥墩间距,桥墩处漂木的堵塞堆积可分为两种不同机制,即单墩堆积和跨距多墩堵塞堆积[29 − 33]。当漂木数量较少且桥墩之间的有效开口(即桥墩之间的距离)大于漂木的最大长度时,就会出现单墩堆积,在此情况下,漂木堆积通常在漂木垂直于水流方向击中桥墩后开始,这种类型的漂木堆积体稳定性不高,容易被后续来流冲溃。跨距多墩堵塞堆积可分为漂木横挡搭桥型堆积和漂木交错咬合型堆积[34 − 35],若桥墩之间的有效开口小于漂木的最大长度,漂木直接被夹在两个或多个桥墩以及桥墩与堤岸之间时,就会形成“漂木横挡搭桥型”堆积,长漂木被拦截横挡于桥墩之间后形成骨架,大大减小桥涵过流断面,也会促进对后续短小漂木的拦截,逐渐形成更大的堵塞体,在桥涵结构未被破坏的情况下,这部分漂木形成的堵塞体将稳定存在,难以发生溃决。若桥墩之间的有效开口大于漂木的最大长度,但由于漂木数量较多,多根漂木同时到达桥涵处时,漂木之间相互咬合成为堵塞体,在两个或多个桥墩之间就会形成“漂木交错咬合型”堆积,在此情况下的漂木堆积体稳定性不高,在形成临时性堵塞后可能会被后续来流冲溃。由于沿河修建的干流公路桥涵的特殊性,堆积堵塞的漂木在发生溃决后,可能又会在下一个桥涵处继续堵塞堆积,形成级联堵塞。干流桥涵堵塞导致主河过流能力大大降低,不仅增大后续漂木堵塞的概率,也会阻碍主河的过流并回淤,使得上游水位不断升高,增大邻近地区洪水淹没风险。
因此,今后干流公路桥涵修建时应适当增大桥墩之间的轴向间距,减小桥涵截面处漂木堵塞概率,或者尽量一桥跨越,使用大跨度的桥,避免在河道内修建多个密集分布的桥墩,要给河道预留出一定的宽度和运行空间。同时,应适当增加河道的坝高和宽度,防止因河道堵塞或干流洪峰过大而增大邻近区域洪水淹没风险。对于区域内漂木的减灾,可以考虑在泥石流沟道内关键断面位置设置相应的漂木拦截措施或在桥涵等处设计漂木导流桩、漂木清除装置[14]等,减少大量漂木的堵塞淤积,并定期对沟道及河道内的漂木进行清理。另外,应对山区低频率老泥石流沟开展严密排查,准确划分泥石流危险区,避免在老泥石流堆积扇上建房,建议对沟道采取“固源+拦挡+排导”的综合防治措施,对不稳定斜坡进行固源处理,在沟道下游修建拦砂坝,拦截流域内主要固体物质,同时可修建连接支沟与干流的排导槽,使拦砂坝排出的细小颗粒可以顺利归流排导。
5. 结论
(1)亚者造祖村“8•17”群发性泥石流具有发生频率低、成灾规模大、隐蔽性强的特征,4条沟泥石流容重均小于1.80 g/cm3,为稀性泥石流,阿祖沟和杂排沟泥石流在规模上属特大型,麻石扎三号沟和夺补河五号沟泥石流在规模上属大型,堆积扇受灾面积共计约为16.66×104 m2,群发性泥石流灾害风险沿干流两岸呈星扇状分布。
(2)早期多次强震和前期长历时强降雨共同促进并激发了此次群发性泥石流的形成,而干流公路桥涵布设不当,导致泥石流裹挟的漂木堵塞桥涵,致使主河回淤—漫坝—溢流,受灾面积增大了16.78×104 m2,风险范围扩大了约1倍。
(3)对于植被覆盖良好的湿润山区,干流公路桥涵修建时应适当增大桥墩之间的轴向间距,或者尽量一桥跨越,使用大跨度的桥,避免在河道内修建多个密集分布的桥墩,要给河道预留出一定的宽度和运行空间,防止因漂木堵塞桥涵放大泥石流灾害风险。
-
表 1 数据来源及类型
Table 1 Data source and types
基础数据 评价因子 数据来源及制作 数据格式 DEM 高程 ASF
(阿拉斯加
卫星设备)12.5 m×12.5 m
栅格数据坡度 坡向 起伏度 曲率 水系 距水系距离 DEM提取
Open Street Map矢量数据 地质数据 工程岩组分类 全国地质资料馆 矢量数据 距断层距离 土地类型 土地利用类型 ESA WorldCover 10 m栅格数据 灾害点 泥石流数量 地质灾害详查、排查等 矢量数据 表 2 各因素状态信息量表
Table 2 Weighted information values of each factor
指标因子 分级 泥石流点比例 信息量值 指标因子 分级 泥石流点比例 信息量值 高程/m 660~1500 0.2033 1.238744 曲率 −38~−1 0.2139 −0.131543 1500~2000 0.2598 −0.577567 −1~0 0.3114 0.430833 2000~2500 0.2209 −1.380367 0~2 0.3838 −0.205470 2500~3000 0.1594 −0.831065 >2 0.0909 −1.473365 >3000 0.1566 −1.729497 工程岩组 软岩组 0.0277 1.255712 坡度/(°) 0~10 0.1137 1.315538 较软岩组 0.5647 0.067643 10~20 0.2133 0.545702 较坚硬岩组 0.0693 −0.220774 20~30 0.2821 −0.871237 坚硬岩组 0.3383 −0.330859 30~40 0.2553 −1.206583 距水系距离/m 0 0.0037 1.322303 >40 0.1356 −2.278888 200 0.5022 0.624230 坡向 平坦(−1) 0.0011 0.000000 400 0.2786 −1.899977 北(0~22.5) 0.0638 0.084068 >400 0.2155 −3.435165 北东(22.5~67.5) 0.1268 0.353573 距断层距离/m <1000 0.6126 0.183653 东(67.5~112.5) 0.136 0.392672 1000~2000 0.2277 −0.445741 南东(112.5~157.5) 0.1266 −0.337806 2000~3000 0.0933 0.041246 南(157.5~202.5) 0.1072 −0.791193 >3000 0.0664 −1.158486 南西(202.5~247.5) 0.1119 −0.214621 土地利用类型 林地 0.2839 0.184122 西(247.5~292.5) 0.1379 0.269687 灌木 0.0024 −1.048475 北西(292.5~337.5) 0.1269 −0.266767 草地 0.4877 0.955946 北(337.5~360) 0.0618 −0.394293 耕地 0.1166 −0.437008 起伏度/(°) 0~20 0.2639 1.006637 建筑用地 0.0230 −1.937148 20~40 0.4084 −0.577548 裸地/稀疏植被区 0.0822 −0.994439 40~60 0.2465 −1.960151 开阔水域 0.0042 −0.514259 60~441 0.0812 −1.766161 -
[1] 岳溪柳,黄玫,徐庆勇,等. 贵州省喀斯特地区泥石流灾害易发性评价[J]. 地球信息科学学报,2015,17(11):1395 − 1403. [YUE Xiliu,HUANG Mei,XU Qingyong,et al. The susceptibility assessment of debris flow in karst region of Guizhou Province[J]. Journal of Geo-Information Science,2015,17(11):1395 − 1403. (in Chinese with English abstract) [2] 陈剑,黎艳,许冲. 金沙江干热河谷区泥石流易发性评价模型及应用[J]. 山地学报,2016,34(4):460 − 467. [CHEN Jian,LI Yan,XU Chong. Susceptibility assessment model of debris flows in the dry-hot valley of the Jinsha River and its application[J]. Mountain Research,2016,34(4):460 − 467. (in Chinese with English abstract) [3] 王劲峰. 中国自然灾害区划: 灾害区划、影响评价、减灾对策[M]. 北京: 中国科学技术出版社, 1995 WANG Jinfeng. Regionalization of hazards in China: Regionalization, assessment and strategies [M]. Beijing: China Science and Technology Press, 1995. (in Chinese)
[4] 殷坤龙,朱良峰. 滑坡灾害空间区划及GIS应用研究[J]. 地学前缘,2001,8(2):279 − 284. [YIN Kunlong,ZHU Liangfeng. Landslide hazard zonation and application of GIS[J]. Earth Science Frontiers,2001,8(2):279 − 284. (in Chinese with English abstract) DOI: 10.3321/j.issn:1005-2321.2001.02.010 [5] DYMOND J R,JESSEN M R,LOVELL L R. Computer simulation of shallow landsliding in New Zealand hill country[J]. International Journal of Applied Earth Observation and Geoinformation,1999,1(2):122 − 131. DOI: 10.1016/S0303-2434(99)85005-3
[6] JIBSON R W,HARP E L,MICHAEL J A. A method for producing digital probabilistic seismic landslide hazard maps[J]. Engineering Geology,2000,58(3/4):271 − 289. DOI: 10.1016/S0013-7952(00)00039-9
[7] TIEN BUI D,PRADHAN B,LOFMAN O,et al. Landslide susceptibility assessment in the Hoa Binh Province of Vietnam:A comparison of the Levenberg-Marquardt and Bayesian regularized neural networks[J]. Geomorphology,2012,171/172:12 − 29. DOI: 10.1016/j.geomorph.2012.04.023
[8] PRADHAN B,LEE S. Delineation of landslide hazard areas on Penang Island,Malaysia,by using frequency ratio,logistic regression,and artificial neural network models[J]. Environmental Earth Sciences,2010,60(5):1037 − 1054. DOI: 10.1007/s12665-009-0245-8
[9] 胡凯衡,崔鹏,韩用顺,等. 基于聚类和最大似然法的汶川灾区泥石流滑坡易发性评价[J]. 中国水土保持科学,2012,10(1):12 − 18. [HU Kaiheng,CUI Peng,HAN Yongshun,et al. Susceptibility mapping of landslides and debris flows in 2008 Wenchuan earthquake by using cluster analysis and maximum likelihood classification methods[J]. Science of Soil and Water Conservation,2012,10(1):12 − 18. (in Chinese with English abstract) DOI: 10.3969/j.issn.1672-3007.2012.01.003 [10] 焦方谦,赵新生,陈川. 证据权模型在泥石流灾害易发性评价中的应用[J]. 干旱区地理,2013,36(6):1111 − 1124. [JIAO Fangqian,ZHAO Xinsheng,CHEN Chuan. Debris flow hazard susceptibility evaluation application with weighted evidences model[J]. Arid Land Geography,2013,36(6):1111 − 1124. (in Chinese with English abstract) [11] 刘磊,殷坤龙,王佳佳,等. 降雨影响下的区域滑坡危险性动态评价研究—以三峡库区万州主城区为例[J]. 岩石力学与工程学报,2016,35(3):558 − 569. [LIU Lei,YIN Kunlong,WANG Jiajia,et al. Dynamic evaluation of regional landslide hazard due to rainfall:A case study in Wanzhou central district,Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering,2016,35(3):558 − 569. (in Chinese with English abstract) [12] 刘磊. 三峡水库万州区库岸滑坡灾害风险评价研究[D]. 武汉: 中国地质大学, 2016 LIU Lei. Assessment of landslide risk along Wanzhou area in Three Gorges Reservoir[D]. Wuhan: China University of Geosciences, 2016. (in Chinese with English abstract)
[13] CHEN W,POURGHASEMI H R,KORNEJADY A,et al. Landslide spatial modeling:Introducing new ensembles of ANN,MaxEnt,and SVM machine learning techniques[J]. Geoderma,2017,305:314 − 327. DOI: 10.1016/j.geoderma.2017.06.020
[14] ZHOU C,YIN K L,CAO Y,et al. Application of time series analysis and PSO-SVM model in predicting the Bazimen landslide in the Three Gorges Reservoir,China[J]. Engineering Geology,2016,204:108 − 120. DOI: 10.1016/j.enggeo.2016.02.009
[15] TIEN BUI D,TUAN T A,KLEMPE H,et al. Spatial prediction models for shallow landslide hazards:A comparative assessment of the efficacy of support vector machines,artificial neural networks,kernel logistic regression,and logistic model tree[J]. Landslides,2016,13(2):361 − 378. DOI: 10.1007/s10346-015-0557-6
[16] 吴孝情,赖成光,陈晓宏,等. 基于随机森林权重的滑坡危险性评价:以东江流域为例[J]. 自然灾害学报,2017,26(5):119 − 129. [WU Xiaoqing,LAI Chengguang,CHEN Xiaohong,et al. A landslide hazard assessment based on random forest weight:A case study in the Dongjiang River basin[J]. Journal of Natural Disasters,2017,26(5):119 − 129. (in Chinese with English abstract) [17] PARK I,LEE S. Spatial prediction of landslide susceptibility using a decision tree approach:A case study of the Pyeongchang area,Korea[J]. International Journal of Remote Sensing,2014,35(16):6089 − 6112. DOI: 10.1080/01431161.2014.943326
[18] 庄育龙,田原,程楚云. 基于深度神经网络的滑坡危险性评价:以深圳市为例[J]. 地理与地理信息科学,2019,35(2):104 − 110. [ZHUANG Yulong,TIAN Yuan,CHENG Chuyun. Landslide susceptibility assessment based on deep neural network:A case study of Shenzhen[J]. Geography and Geo-Information Science,2019,35(2):104 − 110. (in Chinese with English abstract) DOI: 10.3969/j.issn.1672-0504.2019.02.016 [19] 王佳佳,殷坤龙,肖莉丽. 基于GIS和信息量的滑坡灾害易发性评价—以三峡库区万州区为例[J]. 岩石力学与工程学报,2014,33(4):797 − 808. [WANG Jiajia,YIN Kunlong,XIAO Lili. Landslide susceptibility assessment based on GIS and weighted information value:A case study of Wanzhou District,Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering,2014,33(4):797 − 808. (in Chinese with English abstract) [20] 胡瑞林,范林峰,王珊珊,等. 滑坡风险评价的理论与方法研究[J]. 工程地质学报,2013,21(1):76 − 84. [HU Ruilin,FAN Linfeng,WANG Shanshan,et al. Theory and method for landslide risk assessment-current status and future development[J]. Journal of Engineering Geology,2013,21(1):76 − 84. (in Chinese with English abstract) DOI: 10.3969/j.issn.1004-9665.2013.01.009 [21] 程英建,石豫川,石胜伟,等. 数量化理论在泥石流易发性预测中的应用[J]. 水文地质工程地质,2015,42(1):140 − 145. [CHENG Yingjian,SHI Yuchuan,SHI Shengwei,et al. Prediction of debris flow occurrence based on the quantification theory[J]. Hydrogeology & Engineering Geology,2015,42(1):140 − 145. (in Chinese with English abstract) [22] 李晨阳, 王新春, 何春珍, 等. 全国1∶200 000 数字地质图(公开版)空间数据库(V1)[DB]. 中国地质调查局发展研究中心, 中国地质调查局, 全国地质资料馆, 1957 LI Chenyang, WANG Xinchun, HE Chunzhen, etal. China national digital geological map (public version at 1∶200000 scale) spatial database (V1)[DB]. Development and Research Center, China Geological Survey, China Geological Survey, National Geological Archives of China, 1957. (in Chinese)
[23] 高克昌,崔鹏,赵纯勇,等. 基于地理信息系统和信息量模型的滑坡危险性评价:以重庆万州为例[J]. 岩石力学与工程学报,2006,25(5):991 − 996. [GAO Kechang,CUI Peng,ZHAO Chunyong,et al. Landslide hazard evaluation of Wanzhou based on GIS information value method in the Three Gorges Reservoir[J]. Chinese Journal of Rock Mechanics and Engineering,2006,25(5):991 − 996. (in Chinese with English abstract) DOI: 10.3321/j.issn:1000-6915.2006.05.020 [24] 王宁涛,彭轲,黎清华,等. 基于RS和GIS的地质灾害易发性定量评价:以湖北省五峰县为例[J]. 地学前缘,2012,19(6):221 − 229. [WANG Ningtao,PENG Ke,LI Qinghua,et al. Quantitative evaluation of geological disaster liability based on RS & GIS analysis:A case study of Wufeng County,Hubei Province[J]. Earth Science Frontiers,2012,19(6):221 − 229. (in Chinese with English abstract) [25] 牛全福,程维明,兰恒星,等. 基于信息量模型的玉树地震次生地质灾害危险性评价[J]. 山地学报,2011,29(2):243 − 249. [NIU Quanfu,CHENG Weiming,LAN Hengxing,et al. Susceptibility assessment of secondary geological disaster based on information value methodology for Yushu earthquake region[J]. Journal of Mountain Science,2011,29(2):243 − 249. (in Chinese with English abstract) DOI: 10.3969/j.issn.1008-2786.2011.02.014 [26] HOYER A,KUSS O. Meta-analysis of full ROC curves with flexible parametric distributions of diagnostic test values[J]. Research Synthesis Methods,2020,11(2):301 − 313. DOI: 10.1002/jrsm.1395
[27] WALKER S P. The ROC curve redefined - optimizing sensitivity (and specificity) to the lived reality of cancer[J]. The New England Journal of Medicine,2019,380(17):1594 − 1595. DOI: 10.1056/NEJMp1814951
[28] OMAR L,IVRISSIMTZIS I. Using theoretical ROC curves for analysing machine learning binary classifiers[J]. Pattern Recognition Letters,2019,128:447 − 451. DOI: 10.1016/j.patrec.2019.10.004
-
期刊类型引用(8)
1. 韩长玉,陈文超,张敏,金莉,王喆,杨振兴. 考虑颗粒形态的滑坡体运移特征研究. 水文地质工程地质. 2025(03): 234-244 . 百度学术
2. 涂正楠,冯君,邓应进,潘激扬. 四川甘洛县比依市村滑坡运动特征分析. 中国地质灾害与防治学报. 2024(01): 92-99 . 本站查看
3. 田仁珺. 基于PFC3D的庞家湾滑坡运动过程模拟研究. 江西建材. 2024(06): 205-209 . 百度学术
4. 陶泽,孙闯,金淳哲,刘晓龙,李东. 抚顺西露天矿弱层强度衰减特性及边坡滑移大变形规律. 中国地质灾害与防治学报. 2023(03): 31-39 . 本站查看
5. 朱远乐,王淇萱,廖文景,赵新勇. 基于PFC3D磷石膏尾矿库溃坝数值模拟研究. 工业安全与环保. 2023(08): 24-28 . 百度学术
6. 孙立娟,沈方铭,张互助. 基于滑带土强度劣化的库水复活型滑坡渐进失稳机理研究. 吉林建筑大学学报. 2022(04): 18-22+28 . 百度学术
7. 孔祥曌,李滨,贺凯,罗浩,常文斌,邢爱国. 柱状岩体崩塌动力特征与破碎规律——以重庆甑子岩崩塌为例. 中国地质灾害与防治学报. 2022(05): 1-10 . 本站查看
8. 朱志男,李慧亭,陈羽,刘太辉,成昊凌. 基于PFC-Geostudio耦合的边坡降雨变形破坏研究. 河北工程大学学报(自然科学版). 2022(04): 92-99+112 . 百度学术
其他类型引用(10)