文章快速检索     高级检索
  中国水土保持科学   2018, Vol. 16 Issue (4): 83-88.  DOI: 10.16843/j.sswc.2018.04.011
0

引用本文 

李淑松, 邹强, 陈容, 唐建喜. 白龙江流域泥石流危险性评价[J]. 中国水土保持科学, 2018, 16(4): 83-88. DOI: 10.16843/j.sswc.2018.04.011.
LI Shusong, ZOU Qiang, CHEN Rong, TANG Jianxi. Hazard assessment of debris flow in Bailong River Basin[J]. Science of Soil and Water Conservation, 2018, 16(4): 83-88. DOI: 10.16843/j.sswc.2018.04.011.

项目名称

国家自然科学基金重大项目"大梯度环境下坡面岩土体物理力学性质与灾变条件空间格局"(41790432);国家自然科学基金国际(地区)合作与交流项目"气候变化条件下高山区特大泥石流灾害链动力过程与风险分析"(41520104002)

第一作者简介

李淑松(1992-), 女, 硕士研究生。主要研究方向:泥石流灾害。E-mail:1405107460@qq.com

通信作者简介

邹强(1982-), 男, 副研究员。主要研究方向:山地灾害机理与风险。E-mail:zouqiang@imde.ac.cn

文章历史

收稿日期:2017-09-19
修回日期:2018-03-14
白龙江流域泥石流危险性评价
李淑松1, 邹强2, 陈容2, 唐建喜1     
1. 西南科技大学环境与资源学院, 621010, 四川绵阳;
2. 中国科学院山地灾害与地表过程重点实验室/中国科学院、水利部成都山地灾害与环境研究所, 610041, 成都
摘要:泥石流是暴发在山区小流域内的特殊地质灾害,泥石流危险度评价是泥石流灾害风险预测、评价和防治的前提。本文以流域单元为评价单元,选取沟床比降、泥石流规模和堵江程度3个因子,构建危险性评价模型,提出流域尺度的危险性评价方法。以甘肃省陇南地区白龙江流域为研究区,应用GIS技术,利用数字高程模型(DEM)数据,建立以水文响应单元为基本评价单元,应用危险度模型计算研究区泥石流危险度,划分危险度等级,编制泥石流危险性评价结果图。结果表明:处于中度危险以上的泥石流沟数量占78%,其中,极高度危险的泥石流沟占25.3%。评价结果与实际灾情吻合,可为白龙江流域防灾减灾提供参考依据。
关键词泥石流    危险性评价    水文响应单元    白龙江流域    
Hazard assessment of debris flow in Bailong River Basin
LI Shusong1, ZOU Qiang2, CHEN Rong2, TANG Jianxi1     
1. School of Environmental and Resource, Southwest University of Science and Technology, 621010, Mianyang, Sichuan, China;
2. Key Laboratory of Mountain Hazards and Earth Surface Process/Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, 610041, Chengdu, China
Abstract: [Background] Debris flow is a widely distributed geological hazard in the mountainous area, and the hazard assessment of debris flow is essential for its prediction, risk evaluation and prevention. The Wenchuan earthquake has disturbed the geological condition of southern Gansu province, which not only produced abundant loose material to new debris flow formation but also triggered the recurrences of some debris flows in idle. The Bailong River Basin is located in the South Gansu province, where severe debris flow occurred during the Wenchuan earthquake in 2008, thus it was selected for this study. [Methods] A watershed unit was taken as the evaluation unit, and the evaluation unit was determined using GIS technology with digital elevation model (DEM) data. A debris flow hazard assessment model at watershed-scale was proposed based on the gradient of debris flow gully, the scale of debris flow and the level of potential river blockage. By applying the proposed hazard assessment model for Bailong River Basin, the hazard degree of debris flow was obtained as 5 levels of very high, high, moderate, low, and very low, and a hazard map of debris flows was constructed for Bailong River Basin. [Results] The assessment results indicated that there were 2 debris flows at very low hazardous level, accounting for 1.3% of the total debris flows, 31 debris flows (20.7%) at low level, 60 debris flows (40%) at moderate level, 19 debris flows (12.7%) at high level, and 38 debris flows (25.3%) at very high level. The 117 debris flow gullies were at the moderate hazardous level or above, accounting for 78% of 150 total gullies. Validated by the field investigation and historical debris flow events, the debris flows in Luojiayu, Sanyanyu, Yuzi, liangshui and Shimen gullies were at very high hazardous level, which was consistent with the assessment result. [Conclusions] It is scientific to take a watershed unit as evaluation unit because it can reflect the features of valleys, topography and landform conditions when debris flow occurs. On this basis, the assessment factors are selected from the debris flow energy, source and disaster degree to establish an index system for assessing the hazard of debris flow. Through field investigations, it is confirmed that the assessment results by model are consistent with the actual situation of debris flow, thus this model may be used to predict the occurrence of debris flow in the Bailong River Basin.
Key words: debris flow    hazard assessment    hydrological response unit    Bailong River Basin    

甘肃省陇南地区是“5·12”汶川大地震的严重扰动区,地震不但使处于停歇期的老泥石流复活,也使山体和岩体的稳定性遭受严重破坏,产生大量松散物质,在暴雨高发期,发生多次较为严重的泥石流灾害,是我国4个重点泥石流发育区之一[1-2]。流域内泥石流灾害发生频繁,给当地居民带来了巨大的危害。

泥石流危险性评价能够深入分析泥石流活动的影响因素,对评估泥石流的活动现状和发展趋势具有重要作用。20世纪70年代,国内外开始对泥石流危险性进行评价,随着研究的不断加深,泥石流危险性评价方法日臻完善。J.W. Lin等[3]通过对两个模型进行对比验证,发现卡尔曼滤波器决策系统评估泥石流准确性较高。L. Fan等[4]提出了泥石流跳动模型和滑坡水力机械触发模型框架,建立滑坡—泥石流耦合模型,对泥石流的危险性进行评估。R. M. Iverson[5]通过模拟流体质量和动量的演变,来反映泥石流的运动过程,对泥石流的危险性进行评价。韦方强等[6]采用GIS和数值模拟,基于动量分区法划分泥石流危险区。邹强等[7]基于GIS和信息量法,对G318川藏公路段泥石流进行危险性评价,并得到危险性分区图。刘希林等[8]多次对泥石流评价模型进行修正和完善,他最新提出的组合模型CF & LR,为泥石流危险性评价提供了1种新方法。目前,利用GIS空间分析技术与评价方法建模是当前泥石流危险性评价研究的热点问题。笔者在前人研究的基础上,通过大量的研究与实地考察,从泥石流能量、物源、致灾程度方面考虑因子,选取沟床比降、泥石流规模和堵江程度3个指标,建立了泥石流危险性的评价指标体系,并利用GIS空间分析技术对指标进行叠加分析,得到危险性评价图,评价结果对防灾减灾有重要意义。

1 研究区概况

白龙江流域位于甘肃省陇南地区,它发源于岷山北麓,是长江水系嘉陵江的一级支流。主河道长约382.5km,流域面积约1.8万km2,其流经的区域有迭部县、宕昌县、舟曲县、武都县和文县(图 1)。白龙江流域地处我国第1阶梯和第2阶梯的过渡地带,地势由西北向东南逐渐降低[9]。白龙江流域内山高谷深、沟壑纵横、地形起伏大。该区域地处青藏高原东北边缘,新构造运动活跃,断裂发育,岩体破碎。白龙江流域地表多覆盖第四纪黄土层和松散堆积物,植被覆盖率比较低,受地震扰动影响,松散物质丰富,为泥石流的发生提供了充足的物源,成为我国泥石流灾害的高发区。

图 1 白龙江流域地理位置图 Fig. 1 Location of Bailong River Basin

白龙江流域位于多种气候类型的交汇带,上游地区则属于高寒气候类型,中游地区为温带季风气候,下游地区属亚热带季风气候[9]。受东南季风控制,降雨主要集中在6—9月,其降水量占全年总降水量的60%[1]。白龙江流域降雨时间集中且雨量大,为泥石流提供了充足的动能,导致暴雨型泥石流频繁发生。2010年8月7日,甘肃省舟曲县城北部的罗家峪和三眼峪2条支沟受局地强降雨影响,降雨量达77.3mm,降雨历时40min,导致泥石流暴发。泥石流堵断白龙江并冲毁舟曲县城,从而造成严重损失。

2 研究方法 2.1 评价单元划分

评价单元是影响泥石流危险性评价的主要因素之一。一般将评价单元划分为栅格单元、地貌单元、流域单元、地形单元等[10]。评价的方法不同,选取的评价单元也不同。流域单元与地貌信息联系密切,可以很好的体现泥石流发生的实际情况;因此,本文以流域单元为评价单元,根据水文学D8方法,基于DEM数据自动完成流域单元划分。主要操作步骤包括:1)对DEM进行洼地填充;2)生成水流方向;3)计算汇流累积流量;4)沟谷提取与编码;5)对基本汇水单元进行划分[11]

2.2 评价指标体系构建 2.2.1 危险性评价因子

1) 比降。比降反映泥石流沟道的陡缓程度,直接影响泥石流的形成和运动过程的能量条件。泥石流沟谷的相对高差对斜坡稳定性和松散碎屑物的分布及聚集有重要影响[12];相对高差值越大,冲入沟谷内的松散物质就越多,导致累积的重力势能就越大, 为泥石流的暴发提供充足的动力条件。白龙江流域的泥石流沟比降较大,使坡面上的固体松散物质的剪切强度和剪切应力发生改变,导致斜坡失稳,为泥石流的暴发提供充足的固体物质来源。

2) 泥石流规模。泥石流规模常用泥石流1次冲出总量表示。泥石流1次冲出的总量越大,泥石流致险范围越大,危害程度越严重。

3) 堵江程度。泥石流堵江程度的量化,主要考虑泥石流出口与河道的位置关系,采用1次泥石流最大堆积长度L与主河宽度B、河岸距泥石流沟口距离l的相对关系来表示(图 2)。当Ll时,表明泥石流堆积物尚未到达河岸,对河道不造成影响;当L>l且L < l+B时,泥石流部分物质淤积部分河道,形成局部堵江状态,堵塞体迫使主河冲向异岸形成曲流,对路基或桥墩造成冲刷危害;当Ll+B时,泥石流完全堵塞河道,形成堰塞湖,水面上升,回水对道路造成淹没危害。

图 2 泥石流堵江示意图 Fig. 2 Diagrammatic drawing of debris flow blocking river
2.2.2 危险性评价因子分级

将以上3个因子的量化值划分为极低危险、低度危险、中度危险、高度危险、极高度危险5个等级,分别赋予0~1之间的数值(表 1)。

表 1 泥石流危险性评价指标与分级 Tab. 1 Indicators and classification of hazard assessment
2.3 泥石流危险性评价方法

1) 泥石流危险度确定。

$ H = {H_1} + {H_2} + {H_3}。$ (1)

式中:H为总危险度;H1为主沟比降指数值;H2为泥石流规模指数值,万m3H3为泥石流堵江程度指数值。

2) 主沟比降的计算。沟床比降多采用野外调查、地形图及航片计算所得到的山口以上河段或流通区和形成区的平均坡降[13]。根据研究区1:5万地形图,结合GIS技术,采用分段计算的方式,计算出每1个集水流域的沟谷比降。计算公式如下:

$ {d_{\rm{L}}} = \sum\limits_{i = 1}^n {} {L_i}{I_i}/L。$ (2)

式中:dL为平均沟床比降;Li为分段沟床比降,以千分数计算;Ii为各段所占的权重;L为主沟长度,m。

3) 泥石流规模计算。目前国际上通过统计具体1次泥石流总量和泥石流洪峰流量的关系,建立了许多经验模型[14-17]。这些模型通常简洁且应用方便,可以结合流域具体情况选用不同的模式。为此,论文应用经验公式法分2种情况估算1次泥石流总量,以表达泥石流规模指标。如果知道泥石流流动的时间T,可以利用泥石流径流总量的经验公式计算1次泥石流总量[18]

$ {Q_{\rm{c}}} = \frac{{19}}{{72}}T{Q_{\rm{p}}}。$ (3)

式中:Qc为1次泥石流总量,m3T为泥石流持续时间,s;QP为泥石流峰值流量,m3/s。

如果不能获取泥石流从发生到结束的具体时间,可用如下公式计算泥石流总量[19]

$ {Q_{\rm{c}}} = 152.97Q_{\rm{p}}^{1.266}。$ (4)

式中:Qc为1次泥石流总量,m3QP为泥石流峰值流量,m3/s。

QP可以通过考虑堵塞条件下的配方法获得[20],具体计算公式如下:

$ \begin{array}{l} {Q_{\rm{P}}} = (1 + {\phi _{\rm{c}}}){Q_{\rm{B}}}{D_{\rm{U}}}, \\ {\phi _{\rm{c}}} = ({\gamma _{\rm{c}}} - {\gamma _{\rm{w}}})/({\gamma _{\rm{s}}} - {\gamma _{\rm{c}}}), \\ {Q_B} = 0.278\left( {\frac{{{S_{\rm{P}}}}}{{{\tau ^n}}} - \mu } \right)F。\end{array} $ (5)

式中:QP为泥石流峰值流量,m3/s;ϕc为泥石流峰值流量增加系数;QB为清水峰值流量,m3/s;γc为泥石流密度,kg/m3γW为清水密度,kg/m3γS为固体物质实体密度,kg/m3γc=2700kg/m3DU为堵塞系数;SP为暴雨降雨强度,mm/h;P为降雨频率,%;τ为流域汇流时间,h;n为暴雨衰减系数;F为小流域汇水面积,km2

泥石流规模计算方法获得1次泥石流冲出的总量Qc,应用公式(6)[15]计算1次泥石流固体物质总量Vc,即算出泥石流总量。

$ {V_{\rm{c}}} = ({\gamma _{\rm{c}}} - {\gamma _{\rm{w}}}){Q_{\rm{c}}}/({\gamma _{\rm{s}}} - {\gamma _{\rm{w}}})。$ (6)

式中:Vc为1次泥石流固体物质总量,m3Qc为1次泥石流冲出的总量,m3γcγsγw同式(5)。

4) 泥石流堵江程度确定。采用最大堆积长度与泥石流的流域高差及物源之间的非线性函数关系式(7)来计算潜在灾害危险性评估的泥石流堆积长度,模型[21]如下:

$ L = 0.28({H^{0.92}}V_{\rm{L}}^{0.15})。$ (7)

式中:L为最大堆积长度,m;H为流域高差,m;VL为物源量,m3

将泥石流的堆积长度代入式(8),算出泥石流堵江程度。

$ {H_3} = \left( {L - l} \right)/B。$ (8)

式中:H3为泥石流堵江程度, H3 < 0表示泥石流不堵塞河道,H3≥1表示泥石流完全堵塞河道; L为泥石流最大堆积长度,m;l为泥石流沟口到河岸的距离,m;B为河道宽度,m,可以根据地形数据直接获取。

3 结果与分析

根据研究区地形和水文数据,结合GIS技术,选择白龙江流域150条沟来计算沟谷比降、泥石流规模和堵江程度。通过空间分析叠加3个因子,得到各个流域沟谷的危险性指数值,将危险性等级按极低危险、低度危险、中度危险、高度危险和极高度危险5个等级进行划分,依此为据来进行白龙江流域泥石流危险性评估,评估结果如图 3所示。

图 3 白龙江流域泥石流危险性评估 Fig. 3 Hazard assessment of debris flow in the Bailong River Basin

白龙江流域泥石流危险性评估结果表明:极低度危险性泥石流有2条,占1.3%;低度危险性泥石流有31条,占20.7%;中度危险性泥石流有60条,占40%;高度危险性泥石流有19条,占12.7%;极高度危险性泥石流有38条,占25.3%。中高程度危险性的泥石流有117条占78%,可以判定白龙江流域的泥石流危险性等级高的泥石流总体较多。

通过对研究区中舟曲—武都段73条泥石流沟实地调查,曾暴发特大型泥石流灾害的罗家峪、三眼峪、峪子沟、两水沟和石门沟都位于此段,发现中型、大型和特大型险情等级的泥石流分别为22条、17条和13条,合计为52条,约占该区段泥石流总数的71%;用模型对舟曲—武都段进行泥石流危险性评价,结果是分布在中度危险以上危险等级的泥石流有53条,约占该区段泥石流总数的76%:因此,实地调查结果与模型评价结果基本吻合,该模型评价结果可为白龙江流域防灾减灾提供参考依据。

4 结论

根据基本集水地貌单元对流域单元进行划分具有更强的科学性,同时,流域单元与泥石流发生的地质条件、沟谷特征及地形地貌的真实情况相符合,对区内孕灾条件的体现更为明显。本文以流域单元为评价单元,在评价的过程中体现泥石流发生的动力机制,评价结果更可靠。

泥石流灾害的发生与许多因素有关,本文通过大量的研究与实地考察,从泥石流能量、物源、致灾程度方面考虑因子,建立表征泥石流危险性的评价指标体系,评价结果对防灾减灾有重要意义。由于泥石流暴发常常具有随机性和复合成灾特点,下一步应该建立复合灾害的泥石流危险性评价模型。

参考文献
[1]
韩金华.基于GIS的白龙江流域泥石流危险性评价研究[D].兰州: 兰州大学, 2010: 13.
HAN Jinhua. Study on the hazard assessment of debris flow in Bailong River basin based on GIS[D]. Lanzhou: Lanzhou University, 2010: 13. http://cdmd.cnki.com.cn/article/cdmd-10730-2010130639.htm
[2]
钟秀梅.泥石流灾害的分形特征研究[D].兰州: 兰州大学, 2008: 1.
ZHONG Xiumei. Study on fractal characteristics of debris flow disaster[D]. Lanzhou: Lanzhou University, 2008: 1. http://cdmd.cnki.com.cn/Article/CDMD-10730-2008162580.htm
[3]
LIN J W, CHEN C W, PENG C Y. Kalman filter decision systems for debris flow hazard assessment[J]. Natural Hazards, 2012, 60(3): 1255. DOI: 10.1007/s11069-011-9907-4.
[4]
FAN L, LEHMANN P, MCARDELL B, et al. Linking rainfall-induced landslides with debris flows runout patterns towards catchment scale hazard assessment[J]. Geomorphology, 2017, 280: 1. DOI: 10.1016/j.geomorph.2016.10.007.
[5]
IVERSON R M. Debris flows:Behaviour and hazard assessment[J]. Geology Today, 2014, 30(1): 15. DOI: 10.1111/gto.2014.30.issue-1.
[6]
韦方强, 胡凯衡, LOPEZJ L, 等. 泥石流危险性动量分区方法与应用[J]. 科学通报, 2003(3): 29.
WEI Fangqiang, HU Kaiheng, LOPEZ J L, et al. Method and its application of the momentum model for debris flow risk zoning[J]. Chinese Science Bulletin, 2003(3): 29.
[7]
邹强, 崔鹏, 杨伟. G318川藏公路段泥石流危险性评价[J]. 山地学报, 2013, 31(3): 342.
ZOU Qiang, CUI Peng, YANG Wei. Hazard assessment of debris flows along G318 Sichuan-Tibet highway[J]. Journal of Mountain Science, 2013, 31(3): 342. DOI: 10.3969/j.issn.1008-2786.2013.03.012.
[8]
刘希林, 庙成, 田春山. 区域滑坡和泥石流灾害两种危险性评价方法的比较分析[J]. 防灾减灾工程学报, 2017, 37(1): 71.
LIU Xilin, JIE Cheng, TIAN Chunshan. Comparative analysis of two methods for assessing hazard of landslide debris-flow on a regional scale[J]. Journal of Disaster Prevention and Mitigation Engineering, 2017, 37(1): 71.
[9]
黄江成, 杨顺, 潘华利, 等. 白龙江流域泥石流特征分析[J]. 水土保持通报, 2014, 34(1): 311.
HUANG Jiangcheng, YANG Shun, PAN Huali, et al. Analysis of debris flow characteristics in Bailong River Basin[J]. Bulletin of Soil and Water Conservation, 2014, 34(1): 311.
[10]
GUZZETTI F, CARRARA A, CARDINALI M, et al. Landslide hazard evaluation:A review of current techniques and their application in a multi-scale study, central Italy[J]. Geomorphology, 1999, 31(1): 181.
[11]
邹强, 唐建喜, 李淑松, 等. 基于水文响应单元的泥石流灾害易发性分区方法[J]. 山地学报, 2017, 35(4): 496.
ZOU Qiang, TANG Jianxi, LI Shusong, et al. Susceptibility assessment method of debris flows based on hydrological response unit[J]. Journal of Mountain Science, 2017, 35(4): 496.
[12]
陈莉.小流域泥石流灾害分析[D].四川绵阳: 西南科技大学, 2016: 29.
CHEN Li. Analysis on debris flow disasters in small watershed[D]. Mianyang, Sichuan: Southwest University of Science and Technology, 2016: 29.
[13]
庄建琦, 崔鹏, 葛永刚, 等. "5·12"地震后都汶公路沿线泥石流沟危险性评价[J]. 四川大学学报(工程科学版), 2009, 42(3): 131.
ZHUANG Jianqi, CUI Peng, GE Yonggang, et al. Hazard assessment of debris flow valleys along Dujiangyan:Wenchuan highway after 5·12 Wenchuan devastating earthquake[J]. Journal of Sichuan University(Engineering Science Edition), 2009, 42(3): 131.
[14]
HUNGR O, MORGAN G C, KELLERHALS R. Quantitative analysis of debris torrent hazards for design of remedial measures[J]. Canadian Geotechnical Journal, 1984, 21(4): 663. DOI: 10.1139/t84-073.
[15]
COSTA J E. Floods from dam failures[J]. Denver:US Geological Survey, 1985: 85.
[16]
RICKENMANN D. Empirical relationships for debris flows[J]. Natural Hazards, 1999, 19(1): 47. DOI: 10.1023/A:1008064220727.
[17]
CHEN N S, YANG C L, ZHOU W, et al. A new total volume model of debris flows with intermittent surges:based on the observations at Jiangjia Valley, southwest China[J]. Natural Hazards, 2011, 56(1): 37. DOI: 10.1007/s11069-010-9548-z.
[18]
唐邦兴. 山洪泥石流滑坡灾害及防治[M]. 北京: 科学出版社, 1994: 182.
TANG Bangxing. Debris flow landslide disaster and prevention[M]. Beijing: Science Press, 1994: 182.
[19]
欧国强, 游勇, 吕娟, 等. 南水北调西线一期工程区泥石流规模预测及其对调水工程的影响[J]. 山地学报, 2006(5): 580.
OU Guoqiang, YOU Yong, LÜ Juan, et al. Prediction of debris flow scale and its effect on water diversion project in the first stage of South-to-North Water Diversion Project[J]. Journal of Mountain Science, 2006(5): 580. DOI: 10.3969/j.issn.1008-2786.2006.05.011.
[20]
四川省水利电力厅.四川省中小流域暴雨洪水计算手册[M]. 1984: 15.
Water Resources and Electricity Office of Sichuan Province. Handbook of storm flood calculation for small and medium-sized watersheds[M]. 1984: 15.
[21]
常鸣, 唐川, 苏永超, 等. 雅鲁藏布江米林段泥石流堆积扇危险范围预测模型[J]. 工程地质学报, 2012, 20(6): 971.
CHANG Ming, TANG Chuan, SU Yongchao, et al. Prediction model of dangerous range of debris flow accumulation fan in Yarlung Zangbo milin forest[J]. Journal of Engineering Geology, 2012, 20(6): 971. DOI: 10.3969/j.issn.1004-9665.2012.06.008.