2020, Vol.40
滑坡与泥石流是最常见的地质灾害，世界范围内，近乎每天都有发生，造成巨大的生命财产损失。根据1949年到2011年统计资料，我国平均每年发生滑坡和泥石流地质灾害2万余起、伤亡1千余人、受灾人口90多万，直接经济损失20~60亿元[1]。而泥石流作为北京地区的主要地质灾害之一，其发生面积大约占整个山区面积的10 %，历史上北京地区曾经发生过多次严重的泥石流灾害，损失惨重[2~4]，如1888年8月13日的泥石流事件，39个村庄被冲毁或掩埋，死伤无数[3]。目前，北京地区有泥石流沟隐患点901处，许多村庄和景区处于泥石流易发地区[5]，一旦发生灾难性泥石流事件，后果将不堪设想。因此，深入分析泥石流的控制因素及其发育机制，进而实现地质灾害的高精度预警，对北京地区的防灾减灾具有重要意义。
临界降雨量的准确厘定是提高泥石流灾害预警精确度的关键因素之一[6]。泥石流的形成条件除了需要不稳定松散堆积物和陡峭的地形外，强降水是主要触发因素[7~8]。松散堆积物的不稳定性与堆积物的含水量和植被覆盖条件有关，而含水量与植被覆盖条件与降雨量的变化有着密切关系[4, 9~13]。对于同一地区，地质条件变化不大，触发地质灾害的降雨量，即临界雨量成为泥石流地质灾害预报预警的关键技术指标，也是泥石流形成机制研究的重点[14~17]。
临界雨量，顾名思义就是触发地质灾害，如滑坡泥石流的降雨量或降雨强度，高于这一值时，就可能触发滑坡泥石流，而低于这一值时，地质灾害就不可能发生[15, 18]。简而言之，临界雨量就是能够触发地质灾害事件的最小降雨量。临界雨量的确定方法概括起来可以分为两类：1)基于物理模式(过程)估计；2)基于经验雨量模式估计。基于物理(过程)模式方法，不仅可以对临界雨量进行估计，而且可以对可能发生灾害的地理位置和时间进行预测。但是这一方法对信息精度和详细程度的要求苛刻，需要详细的水文、岩性、地貌形态、土壤特征(孔隙度、含水量、物理特性等)等大量信息的时空变化，这些信息很难在大区域范围内获得。这一方法通常通过对已知地点和时间的地质灾害的研究来获得临界雨量，但其所需要的上述详细信息一般很难获得[14, 16]。另外，这种方法在地质灾害预测中的有效性也有限，如在预测深层滑坡中表现很差[14, 18]，因此，地质灾害预警系统一般不会利用此种方法[18]。而经验模型方法是应用最为广泛的临界雨量的估算方法，并应用于地质灾害预警系统中[14]。
本文通过对北京地区1949年以来泥石流发生时期的降水数据进行了搜集和整理，基于国际通用的经验模式，对触发泥石流的临界雨量进行回归分析，建立了北京地区临界雨量的估算模型。结果显示，降水是北京地区泥石流发生的主要控制因素，临界雨量不仅受降雨强度的影响，而且需要一定的降雨量。
1 研究区地质环境特征北京地区的气候为典型的暖温带半湿润大陆性季风气候，年降雨量空间分布不均匀，东北部和西南部山前迎风坡地区为相对降雨中心，在600~700 mm之间，西北部和北部深山区少于500 mm，平原及部分山区在500~600 mm之间。降雨季节分配很不均匀，全年降雨的80 %集中在6月、7月、8月这3个月，其中7月、8月是暴雨集中期，也是泥石流发生的主要月份。
北京地区泥石流主要发育于祁吕贺兰山字形东翼反射弧的构造活动区的隆起段，属新华夏构造体系的交接处，这一构造带附近地质构造复杂，褶皱、断裂分布广泛，基岩裂隙节理发育，由于受构造活动影响及风化侵蚀作用，形成的页岩、片岩、砂岩、砾岩、火山岩碎屑岩和结构较粗的花岗岩和第四纪冰川堆积物，为泥石流发生提供了丰富的松散物质源[19]。因此，北京地区泥石流发育区具有相似的地质构造与地貌特征。
调查结果表明[20]，泥石流发育区多是山高、坡陡，沟谷窄深，沟头呈扇形或半圆形围谷，山坡坡度在30°~45°之间，这样的地形有利于水流的汇集和固体物质的集中，沟道坡度大于10°，沟道横断面多呈U型或V型。泥石流多发生在最末一级的支流，源头短，沟长一般小于5 km，流域面积在0.1~5.0 km2之间，沟谷走向多为北东和北西向。
依据北京市规划和自然资源委员会最新公布的数据(http://ghzrzyw.beijing.gov.cn)，截止2019年底，北京市共发育泥石流隐患点901处，其中石景山区、丰台区、海淀区、昌平区、怀柔区、密云区、延庆区、房山区、门头沟区、平谷区分别发育泥石流隐患点1处、3处、9处、43处、226处、275处、64处、155处、46处和79处。
2 数据与方法为确定北京地区泥石流发生的临界雨量，笔者对北京地区历史时期泥石流灾害及其降雨数据进行了系统收集和整理。这些数据包括气象数据、历史记载、相关文献和报道[2~3, 20]。共收集到具有降雨数据的泥石流事件49次，发生的时间段为1949~2012年，泥石流事件的信息包括发生的时间、地点等。泥石流灾害主要发生在北京的山区，集中在怀柔中部和北部、密云西北部、门头沟西南部、房山西北和东南山区，少数发生在延庆和平谷的西北山区(图 1a)。同时，对历史时期暴雨事件的降雨数据进行了收集，包括事件降雨量、降雨起止时间、24 h最大降雨、年降雨量等。这些数据主要来自过去研究的相关文献[2~3, 20]和气测记录(中国气象数据网http://data.cma.cn/)，有些事件发生地没有降雨记录点，选邻近区气象记录的降雨数据。
|
图 1 北京地区历史泥石流(灰色三角))分布简图(a)与泥石流发生的季节(黑三角)、发生时期的降雨量(红色圆圈)和降雨持续时间(蓝色十字) (b) Fig. 1 Distributions of the debris flows(grey triangles)occurred during the past 70 years (a), and the occurring seasons(black triangles), amounts(red cycles)and durations(blue crosses)of the precipitations cuasing deris flows (b) |
北京地区泥石流发生时期的降雨持续时间范围为1.5~168 h，降雨量的变化范围为115~668 mm，但低于3 h的数据较少(图 1b)。从泥石流发生的季节来看，这49次泥石流均发生在6~8月份，其他月份没有相关记录，与北京地区季风降雨集中季节(6~8月份占全年降雨的80 %)对应(图 1b)。在月份分布上，发生在7月份的泥石流占比最大，为51 % (25次)，8月份次之，占比约为35 % (17次)，6月份发生泥石流的占比最小，仅为14 % (7次)。从时间变化特征上看，北京的泥石流灾害主要集中在1980年以前，特别是从1949到1972年。1980年以后，泥石流发生的频率明显减少，2000年以后，仅2012年发生了较大的泥石流灾害(图 1b)。这与北京地区极端降水变化特征一致，根据1951~2015年以来的气测记录，强降雨量与单日最大降雨量均从20世纪80年代起呈现明显的下降趋势[21]。这些特征表明季风强降水是北京地区泥石流灾害发生的主要触发因素。
经验模式的临界降雨量分类标准概括起来有两个：适用范围和降雨指标。根据适用范围可以分为三类：1)全球性；2)区域性；3)地方性。全球性的降雨临界值不考虑地貌特征、岩性、地形、土地利用类型、气候条件、降雨特征等方面的区域差别，试图建立一个全球最小的触发泥石流的降雨量[9, 15, 22~25]。区域性临界雨量的适用范围从几到几千平方公里，这些地区具有相似气候、地形和土壤特征，并且适合根据降雨的时空分布进行定量预报、预估和预警。地方性临界雨量考虑适用区的气候类型与地貌特征，适用面积为几到几百平方公里的单个或几组滑坡泥石流的预报。从地域上看，区域和地方临界雨量的应用范围之间的差别并不十分明确[14, 16]。目前国际通用的经验模式是基于Caine[15]提出的降雨强度-持续时间模型，即I=C+αDβ(I是降雨强度，D是降雨持续时间)建立和衍生而来的。这一模型是目前国际上利用最广泛，研究深入的临界雨量厘定方法，其应用范围几乎涵盖了全球的各个大陆和地区[14, 18, 26~27]。另外，这一模型主要考虑降雨影响，而不考虑其他因素的影响。因此，理论上，这一方法对于与北京地区类似，地质地貌条件区域内变化不大，降雨是触发泥石流发生主要控制因子的地区应具有更好地应用前景。
经验估算模型中常用的降雨指标可以将临界雨量分为四大类型：1)结合具体降水事件获得的降水测量值的临界雨量；2)包含前期降水的临界雨量[28~32]；3)其他临界雨量，例如包括水文条件阈值[33~34]；4)降水事件-强度临界阈值[18]。国际上多数研究和预警系统中应用的是基于降水事件获得降水测量值的降雨强度-持续时间临界雨量模型[14, 16, 27]。
降雨强度-持续时间临界雨量估算模型是根据Caine[15]提出的降雨强度-持续时间模型建立的，模型如下：
|
其中I是降雨强度，D是触发地质灾害发生的降雨持续时间，C、α、β是常数，多数研究将C简化为零[14, 18]。根据降雨强度指标(I)的不同，降雨强度临界值估算方法可分为单位时间降雨强度(mm/h)-持续时间临界雨量模型、事件累计降雨量(mm)-持续时间临界雨量估算模型[18]。笔者基于北京地区1949年以来的泥石流事件的降雨数据，利用上述两种模型，通过迭代回归[14~15, 18]，对北京地区泥石流事件的临界雨量分别进行估算模型重建，通过对比分析厘定适合北京地区的临界雨量估算模式。
与以前的研究相同[15~16, 18, 24, 27, 30]，笔者首先将泥石流事件发生时期的降雨强度(单位时间降雨量和总降雨量)和持续时间投影到双对数坐标系中，然后根据通用的I=α×Dβ(单位小时降雨量)和R=α×Dβ(总降雨量)进行迭代回归分析与拟合[14~15, 18]，厘定北京地区临界雨量模型。厘定标准以触发泥石流事件最小降雨强度为基准，即低于临界雨量线的降雨强度没有泥石流发生。然后将未发生泥石流的降雨数据投影到坐标系中，对临界雨量的可靠性进行分析。
3 结果图 2是北京山区1949年以来泥石流发生时期的降雨强度与降雨持续时间的关系图，降雨强度指标是单位小时的降雨量(mm/h)。从图 2可以看出，触发北京地区泥石流的降雨强度在1.87~100 mm/h之间，降雨持续时间变化范围是1.5~168 h。北京地区泥石流发生时期的降雨强度与持续时间具有如下特征：1)泥石流发生时期降雨持续时间相对集中，主要集中在3 h至24 h之间，低于3 h持续降雨触发的泥石流在过去70年里发生次数较少，而大于24 h的持续降雨共有15次，12次有泥石流发生；2)降雨强度与降雨持续时间具有很好的指数相关关系，它们之间相关系数(R2)高达0.88；3)随降雨持续时间的增加，触发泥石流的降雨强度呈减小趋势，在持续时间为1.5 h时，泥石流发生时期的降雨强度大约为56 mm/h，而在持续时间为48 h时，泥石流发生时期的降雨强度最小值为2.6 mm/h。北京地区触发泥石流的降雨强度与持续时间的指数关系不仅指示了北京地区触发泥石流的降雨具有相似特征——同为季风夏季降雨，而且反映了北京地区泥石流发育区具有相似的地质地貌特征。因此，降雨变化是泥石流形成的关键因素，降雨强度-持续时间模式非常适合北京地区泥石流临界雨量的确定。
|
图 2 北京地区泥石流发生时期降雨强度与持续时间相关关系与临界降雨强度线(红色) 蓝色线为泥石流灾害降雨强度与持续时间的指数相关关系曲线；强蓝色圆点为泥石流数据点，黑色圆圈是历史时期北京地区发生的强降雨而没有泥石流发生的降雨数据；红色实心和空心三角形分别为基于逐时气象数据1961~2010年6月、7月、8月份最大暴雨的平均最大强降雨强度和暴雨的平均最小降雨强度；十字数据点为涂剑等[35]的峰值降雨强度和峰值降雨持续时间数据 Fig. 2 Rainfall intensity-duration(I-D)conditions of shallow landslides in Beijing. Blue and red lines are the experimental rainfall threshold and regression lines, respectively. Solid and hollow triangles are the individual average values of the maximum and minimum rainfall intensities in June, July and August during 1961~2010. The crosses are the data from Tu, et al. (2017)[35] |
利用I=α×Dβ对北京地区泥石流临界雨量进行回归分析，本研究获得了北京地区基于降雨强度-持续时间关系的临界雨量计算公式：
|
上述临界雨量线，基本与北京地区泥石流发生时期的降雨强度与持续时间的分布平行，所有泥石流发生时期的数据点均在临界雨量线的上部(图 2)，进一步支持了利用I-D临界雨量的可靠性。这一临界模式表明：在北京地区，针对特定降雨持续时间值，降雨强度超过临界雨量线则很可能引发泥石流灾害，比如在降雨持续时间小于5 h时，20 mm/h的降雨强度有可能激发泥石流，而在持续时间大于100 h时，1.8 mm/h的降雨强度就有可能触发泥石流。
与降雨强度-持续时间相同，基于过去泥石流发生时期的降雨数据，利用国际通用的R=α×Dβ经验模型，通过迭代回归分析[14~15, 18]，获得了北京地区基于降雨量-持续时间关系的临界雨量计算模型：
|
图 3是北京地区泥石流发生时期降雨量与降雨持续时间的关系图。从泥石流发生时期降雨量和持续时间的关系上看，触发泥石流的降雨量具有随降雨持续时间增加而增加的趋势，表明随降雨时间的增加，触发泥石流所需的降雨总量随之增大。而与降雨强度-持续时间的关系相比，降雨量和持续降雨时间的数据分布较为分散，显示降雨强度-持续时间模式具有较好的效果。但是，根据泥石流观测数据和动力模拟结果，与降雨量相关的土壤含水量对泥石流的发生具有直接影响[36~37]。含水量增加会导致土壤强度降低，最终导致作用于土壤上原有力系平衡的失效，进而导致泥石流的起动[37]。只有当降雨量达到一定值时，使土壤含水量达到破坏土壤或松散堆积物力系平衡时，才可能触发泥石流，降雨总量较小的强降雨难以触发泥石流。考虑到与降雨总量相关的土壤湿度与泥石流的密切关系，特别是北京地区在降雨时间较长时，触发临界雨量增加的关系，在降雨强度-持续时间的临界模式中没有体现，因此，两者的结合才能更好地对北京地区泥石流的临界雨量进行厘定和预警。这一做法得到了以前相关研究的支持[14, 38]。在对美国Seattle地区2004年11月8~10日和2005年1月17~18日强降雨导致的滑坡泥石流的预警研究中发现[38]，降雨量-持续时间与降雨强度-持续时间模型在滑坡泥石流临界雨量的预警中，都显示有一定的预警潜力，但依靠任何单一模型都不能获得足够的可靠性，而两种临界模式的联用具更好的可靠性[14]。
|
图 3 北京地区泥石流发生时期降雨量与持续时间相关关系与临界雨量线 图中蓝色圆点为泥石流数据点，黑色圆圈是历史时期北京地区发生的强降雨而没有泥石流发生的降雨数据；红色实心和空心三角形分别为基于逐时气象数据1961~2010年6~8月份最大暴雨的平均最大降雨量和暴雨的平均最小降雨量 Fig. 3 Rainfall-duration(R-D)conditions of shallow landslides in Beijing. Blue solid circles are the data of debris flows in Beijing and black circles are the storms without causing debris flows occurred during the past 70 years. Solid and hollow triangles are the individual average values of the maximum and minimum rainfalls in June, July, and August during 1961~2010 |
基于北京地区泥石流的降雨强度-持续时间和降雨量-持续时间模型，笔者可以联合利用这两者的临界线，得到北京地区在不同降雨持续时间内的激发泥石流的临界降雨强度和临界降雨总量，比如在降雨持续时间为5 h时，降雨强度达到20 mm/h且降雨总量达到90 mm时有可能触发泥石流，而降雨持续时间在100 h时，可能触发泥石流的降雨强度及相应的降雨量应达到1.8 mm/h和190 mm。
4 讨论对于北京市泥石流临界雨量的研究，以前的研究主要是基于一次或几次泥石流事件时期的降雨数据，进行定性或简单的统计分析，阈值的确定多是根据短时间(如10 min、1 h、3 h、6 h和24 h)最大降雨强度来推测临界雨量[2, 39~40]。但多数情况下，这些时段强降雨与泥石流发生时间之间的相关关系并不清楚，而且两者之间并未发现有明显的线性关系[40]，指示利用上述数据进行临界雨量的确定具有一定的不确定性。
吴正华[41]根据降雨量-持续时间的经验模型(R=421.6×D0.475)对北京市泥石流发生的临界降雨强度进行分析，并与4次较大泥石流事件(1969年8月10日、1972年7月27日、1976年7月23日和1991年6月10日)附近水文雨量站不完整的降雨资料进行了对比。结果显示，触发灾害性泥石流的降雨强度，多是相当日降雨量为200 mm以上的特大暴雨过程。其利用的经验模型获得的临界值远高于笔者模型确定的临界雨量值。本研究更多历史时期泥石流的降雨数据表明(图 3)，触发北京地区泥石流的临界雨量不仅与降雨量有关，而且受降雨强度控制，许多泥石流发生时期的雨量小于200 mm，特别是短时间强降雨，尽管降雨总量低于200 mm，也能触发泥石流。
涂剑等[35]基于北京地区历史记录的18次泥石流事件降雨峰值强度与持续时间对触发雨量进行了定量分析，利用峰值降雨持续时间和3 h最强降雨的平均降雨强度拟合了临界雨量，分别为I=35.4×D-0.18和R=35.4×D0.82。从降雨量-持续时间的临界雨量上看(图 4)，在降雨时间大于3 h，也是泥石流发生的主要时段，笔者的临界雨量明显低于早期研究的结果，这主要是本项研究数据量较大，因而具有更好的代表性。此项研究中也引用了此时段的数据，从图 2中可以看出，无论从降雨特征还是时间跨度上，早期的研究数据无法代表北京地区泥石流的总体特征。笔者的泥石流数据涵盖了从1.5~168 h的降雨时长，而早期研究降雨时长覆盖度只有3~9 h的范围。
|
图 4 北京地区泥石流降雨强度-持续时间临界值与其他地区对比 图中1~5号粗线为世界性临界值，其他为区域和地方性临界值；编号和文献出处见表 1 Fig. 4 Rainfall intensity-duration thresholds determined by this study(red one)and those of various studies. Thick lines(1~5)are global thresholds, others are regional thresholds. The codes and corresponding references are presented in Table 1 |
|
表 1 国内外其他地区代表性降雨强度-持续时间临界阈值模式 Table 1 I-D threshold equations for the world, regional scales |
北京地区泥石流降雨强度-持续时间的临界雨量与国内外其他地区对比(图 4)。在降雨受亚洲季风控制区内，北京地区的临界雨量明显低于低纬的台湾(图 4中编号9)[44]和尼泊尔喜马拉雅山区(编号11)[46]的临界值。而与其他地区，包括四川都江堰(编号17)[50]、清水(编号18)[51]、香港(编号21)[25]和日本对比(编号13)[47]，在降雨持续时间较小时，北京地区触发泥石流的降雨强度明显高于其他地区，但随降雨持续时间的增加，不同地区之间临界雨量的差别逐渐减小，当降雨超过24小时时，有些地区的临界雨量(编号17-都江堰[50]、18-清水[50]、21-香港[25]、13-日本[47])大于北京地区的临界雨量(图 4)。上述证据表明北京地区泥石流的临界降雨强度，与上述地区相比，随降雨持续时间的增加会快速变小。同时说明，当降雨持时较短时，临界降雨线在不同地区之间的差别很大，指示区域地质地貌条件的影响比较大。但随降雨持续时增加，不同地区的临界线具有汇聚的特征，表明随降雨持续时间增加，地质地貌条件的贡献变小，降雨的影响增大，到一定时期，成为泥石流发生的关键因素。
与世界范围的临界雨量关系相比，北京地区的降雨强度临界值均高于4个全球性的临界值(图 4中编号1~4)[15~16, 25]，呈现出随降雨时长的增加临界降雨强度之间的差值逐渐减小(图 4)。同样，当降雨持续时间大于24 h时，有的全球性强度会高于北京地区的临界降雨强度(图 4)。在区域临界值差异性方面，美国Puerto Rico(编号8)[43]和意大利南部(编号22)[53]触发泥石流的降雨强度高于北京地区的临界强度值(图 4)。而与意大利阿尔卑斯山东北部(编号15)[48]和美国加利福尼亚山区(编号6)[25]的泥石流临界强度相比，也呈现出降雨持续时间较短时，北京地区触发泥石流所需要的降雨强度要大，而随降雨持续时间增大，触发北京地区泥石流的临界值会快速降低，到一定时间时，降雨强度减小到低于上述地区的临界值。
另外，从图 4中可以清楚发现，无论是全球模型还是地方和区域模型，临界线具有很大差别。这一结果可能是不同地区的样本存在较大差别造成的，表明当世界模型应用于具体区域时，需要根据研究区域特定情况进行参数的重新拟合，以利于获得更加准确的结果。
北京地区泥石流临界降雨强度与世界其他地区之间的差别表明，无论是全球的，还是区域和地方性的降雨强度—持续时间模式都与北京地区泥石流发生时期的降雨特征具有明显差别。这种差别指示了不同地区的地貌类型、土壤类型、地质构造和气候特征对泥石流临界雨量的影响。但由于北京地区缺乏降雨持续时间较短，特别是低于3小时的泥石流数据，因此，低于3小时时段的全球或地方模型对北京地区泥石流临界值的确定具有一定的参考意义，但可能存在较大的误报率。
5 结论本文对北京地区1949年以来泥石流发生时期的降雨数据进行了系统收集、统计和分析，结合历史时期暴雨记录，分析和探讨了北京地区泥石流的发育特征和机制，获得了以下主要认识：
(1) 北京地区的泥石流灾害主要出现在山区地带，集中在怀柔中部和北部、密云西北部、门头沟西南部、房山西北和东南山区，少数出现在延庆和平谷的西北山区。在时间变化特征上，北京的泥石流灾害主要集中在1980年以前，特别是从1949年到1972年。1980年以后，泥石流发生的频率明显减少，2000年以后，仅2012年发生了较大的泥石流灾害。
(2) 泥石流主要发生在6~8月份，与北京地区季风降雨集中季节对应。在月份分布上，发生在7月份的泥石流所占比最大，占51 % (25次)，8月份次之，占比约为35 % (17次)，6月份发生泥石流的占比最小，仅为14 % (7次)。
(3) 泥石流发生时期的降雨特征存在较大的变化，北京地区泥石流发生时期的降雨持续时间范围为1.5~168 h，降雨量的变化范围为115~668 mm，但低于3 h的数据较少，仅有1次。
(4) 基于过去70年来泥石流发生时期的降雨特征及国际通用降雨强度-降雨持续时间和降雨量-降雨持续时间模式，首次对北京地区降雨强度-降雨持续时间和降雨量-降雨持续时间的泥石流触发临界值进行了高分辨的分析和厘定，建立了临界雨量的估算模型，分别为Ι=56.9×D-0.746与R=59.9×D0.253。
(5) 北京地区泥石流发生时期的降雨强度、降雨量与持续时间的关系表明，尽管两者都显示对泥石流预测具有一定的潜能，但任何一种都有局限性，北京地区泥石流的发生不仅需要强降雨，而且需要一定的降雨量。因此，在北京地区泥石流临界雨量的预警中，应联合应用降雨强度-持续时间和降雨量-持续时间模式。
(6) 与世界范围内其他地区相比，在降雨持续时间较短时，北京地区触发泥石流的降雨强度高于全球和我国其他地区的雨强，两者之间的差别随降雨持续时间的增加逐渐减小，表明随降雨持续时间的增加，地质地貌等因素的贡献会减小，而降雨对泥石流的影响会逐渐增加和显现。此外，全球范围内，短期降雨条件下泥石流的临界值区域间差别较大，因此，模型需根据研究区域特征进行参数重新拟合，以利于获得更加准确的结果。
致谢: 感谢审稿专家和编辑部杨美芳老师的宝贵修改意见，使本文增色良多，在此一并感谢!
| [1] |
桑凯. 近60年中国滑坡灾害数据统计与分析[J]. 科技传播, 2013, 5(10): 129-130. Sang Kai. Statistics and analysis of landslide disaster data in China during recent 60 years[J]. Public Communication of Science & Technology, 2013, 5(10): 129-130. |
| [2] |
王海芝. 北京山区基于历史资料的泥石流临界雨量研究[J]. 城市地质, 2008, 3(1): 18-21. Wang Haizhi. A study of critical rainfall volume for mudflows based on historical data in the mountain areas of Beijing[J]. Urban Geology, 2008, 3(1): 18-21. |
| [3] |
于德源. 北京灾害史[M]. 北京: 同心出版社, 2008: 131. Yu Deyuan. Disaster History of Beijing[M]. Beijing: Tongxin Press, 2008: 131. |
| [4] |
段永侯. 我国地质灾害的基本特征与发展趋势[J]. 第四纪研究, 1999(3): 208-216. Duan Yonghou. Basic characters of geo-hazards and its development trend in China[J]. Quaternary Sciences, 1999(3): 208-216. |
| [5] |
董杏书.北京市密云区龙潭沟泥石流特征及防治工程设计[D].北京: 北京林业大学硕士学位论文, 2019: 1-12. Dong Xingshu. Debris Flow Characteristics and Control Engineering Design of Longtan Valley in Miyun, Beijing[D]. Beijing: The Master's Thesis of Beijing Forestry University, 2019: 1-12. |
| [6] |
崔鹏, 韦方强, 谢洪, 等. 中国西部泥石流及其减灾对策[J]. 第四纪研究, 2003, 23(2): 142-150. Cui Peng, Wei Fangqiang, Xie Hong, et al. Debris flow and disaster reduction strategies in Western China[J]. Quaternary Sciences, 2003, 23(2): 142-151. |
| [7] |
宿星, 孟兴民, 王思源, 等. 陇中黄土高原典型地区滑坡特征参数统计及发育演化机制研究——以天水市为例[J]. 第四纪研究, 2017, 37(2): 319-330. Su Xing, Meng Xingmin, Wang Siyuan, et al. Statistics of characteristic parameters and evolutionary mechanism of landslides in typical area of Longzhong Loess Plateau:A case study of Tianshui City[J]. Quaternary Sciences, 2017, 37(2): 319-330. |
| [8] |
殷志强, 许强, 赵无忌, 等. 黄河上游夏藏滩巨型滑坡演化过程及形成机制[J]. 第四纪研究, 2016, 36(2): 474-483. Yin Zhiqiang, Xu Qiang, Zhao Wuji, et al. Study on the developmental characteristic, evolution processes and forming mechanism of Xiazangtan super large scale landslide of the upper reaches of Yellow River[J]. Quaternary Sciences, 2016, 36(2): 474-483. |
| [9] |
Innes J L. Debris flows[J]. Progress in Physical Geography, 1983, 7(4): 469-501. DOI:10.1177/030913338300700401 |
| [10] |
Richard Iverson M. The physics of debris flows[J]. Reviews of Geophysics, 1997, 35(3): 245-296. DOI:10.1029/97RG00426 |
| [11] |
张宗祜. 环境地质与地质灾害[J]. 第四纪研究, 2005, 25(1): 1-5. Zhang Zonghu. Environmental geology and geological hazard[J]. Quaternary Sciences, 2005, 25(1): 1-5. |
| [12] |
张春山, 张业成, 胡景江, 等. 中国地质灾害时空分布特征与形成条件[J]. 第四纪研究, 2000, 20(6): 559-566. Zhang Chunshan, Zhang Yecheng, Hu Jingjiang, et al. Spatial and temporal distribution characteristics and forming conditions of Chinese geological disasters[J]. Quaternary Sciences, 2000, 20(6): 559-566. |
| [13] |
黄润秋. 中国西部地区典型岩质滑坡机理研究[J]. 第四纪研究, 2003, 23(6): 640-647. Huang Runqiu. Mechanism of large scale landslides in Western China[J]. Quaternary Sciences, 2003, 23(6): 640-647. |
| [14] |
Baum R L, Godt J W. Early warning of rainfall-induced shallow landslides and debris flows in the USA[J]. Landslides, 2010, 7(3): 259-272. DOI:10.1007/s10346-009-0177-0 |
| [15] |
Caine N. The rainfall intensity:Duration control of shallow landslides and debris flows[J]. Geografiska Annaler:Series A, Physical Geography, 1982, 62(1/2): 23-27. |
| [16] |
Guzzetti F, Peruccacci S, Rossi M, et al. The rainfall intensity-duration control of shallow landslides and debris flows:An update[J]. Landslides, 2008, 5(1): 3-17. DOI:10.1007/s10346-007-0112-1 |
| [17] |
Rossi M, Luciani S, Valigi D, et al. Statistical approaches for the definition of landslide rainfall thresholds and their uncertainty using rain gauge and satellite data[J]. Geomorphology, 2017, 285: 16-27. DOI:10.1016/j.geomorph.2017.02.001 |
| [18] |
Guzzetti F, Peruccacci S, Rossi M, et al. Rainfall thresholds for the initiation of landslides in Central and Southern Europe[J]. Meteorology and Atmospheric Physics, 2007, 98(3): 239-267. |
| [19] |
霍亚贞, 杨作民, 孟德政. 北京自然地理[M]. 北京: 北京师范学院出版社, 1989: 64-68. Huo Yazhen, Yang Zuomin, Meng Dezheng. Physical Geography of Beijing[M]. Beijing: Beijing Normal University Press, 1989: 64-68. |
| [20] |
钟敦伦, 谢洪, 王士革. 北京山区泥石流[M]. 北京: 商务印书馆, 2004: 87-107. Zhong Dunlun, Xie Hong, Wang Shige. Debris Flows in Mountain Areas of Beijing[M]. Beijing: The Commercial Press, 2004: 87-107. |
| [21] |
刘海涛, 杨洁. 1951-2015年北京极端降水变化研究[J]. 中国农学通报, 2018, 34(1): 109-117. Liu Haitao, Yang Jie. Extreme precipitation variation in Beijing during 1951-2015[J]. Chinese Agricultural Science Bulletin, 2018, 34(1): 109-117. |
| [22] |
Clarizia M, Gullà G, Sorbino G, et al. Sui meccanismi di innescodei soil slip[C]. International Conference Prevention of Hydrogeological Hazards: The Role of Scientific Research. Italy: 1996, Volume 1: 585-597.
|
| [23] |
Crosta G B, Frattini P. Rainfall thresholds for triggering soil slips and debris flow[C]. Proceeding of 2nd EGS Plinius Conference on Mediterranean Storms. Siena: 2001, Volume 1: 463-487.
|
| [24] |
Cannon S H, Gartner J E. Debris-flow Hazards and Related Phenomena:Wildfire-related Debris Flow from a Hazards Perspective[M]. Berlin: Springer Berlin Heidelberg, 2005: 363-385.
|
| [25] |
Jibson R W. Landslide Processes of the Eastern United States and Puerto Rico:Debris flows[M]. Colorado: Geological Society of America Special Paper, Inc, 1989: 29-55.
|
| [26] |
Peruccacci S B, Maria T G, Stefano L G, et al. Rainfall thresholds for possible landslide occurrence in Italy[J]. Geomorphology, 2017, 290: 39-57. DOI:10.1016/j.geomorph.2017.03.031 |
| [27] |
Saito H, Nakayama D, Matsuyama H. Relationship between the initiation of a shallow landslide and rainfall intensity-duration thresholds in Japan[J]. Geomorphology, 2010, 118(1): 167-175. |
| [28] |
Glade T M, Crozier P S. Applying probability determination to refine landslide-triggering rainfall thresholds using an empirical "Antecedent Daily Rainfall Model"[J]. Pure and Applied Geophysics, 2000, 157(6-8): 1059-1079. DOI:10.1007/s000240050017 |
| [29] |
Crozier M J. Prediction of rainfall-triggered landslides:A test of the antecedent water status model[J]. Earth Surface Processes and Landforms:The Journal of the British Geomorphological Research Group, 1999, 24(9): 825-833. DOI:10.1002/(SICI)1096-9837(199908)24:9<825::AID-ESP14>3.0.CO;2-M |
| [30] |
Aleotti P. A warning system for rainfall-induced shallow failures[J]. Engineering Geology, 2004, 73(3-4): 247-265. DOI:10.1016/j.enggeo.2004.01.007 |
| [31] |
Terlien M T. The determination of statistical and deterministic hydrological landslide-triggering thresholds[J]. Environmental Geology, 1998, 35(2-3): 124-130. DOI:10.1007/s002540050299 |
| [32] |
Chleborad A F. Preliminary evaluation of a precipitation threshold for anticipating the occurrence of landslides in the Seattle, Washington area[J]. US Geological Survey Open-File Report, 2003, 3(463): 39. |
| [33] |
Jakob M, Weatherly H. A hydroclimatic threshold for landslide initiation on the North Shore Mountains of Vancouver, British Columbia[J]. Geomorphology, 2003, 54(3-4): 137-156. DOI:10.1016/S0169-555X(02)00339-2 |
| [34] |
Reichenbach P, Cardinali M, De Vita P, et al. Regional hydrological thresholds for landslides and floods in the Tiber River Basin(Central Italy)[J]. Environmental Geology, 1998, 35(2-3): 146-159. DOI:10.1007/s002540050301 |
| [35] |
涂剑, 马超, 杨海龙. 北京山区暴雨泥石流激发雨量条件[J]. 中国水土保持科学, 2017, 15(5): 103-110. Tu Jian, Ma Chao, Yang Hailong. Rainfall condition of triggering debris flows in Beijing mountain regions[J]. Science of Soil and Water Conservation, 2017, 15(5): 103-110. |
| [36] |
Johnson K, Sitar N. Hydrologic conditions leading to debris-flow initiation[J]. Canadian Geotechnical Journal, 1990, 27(6): 789-801. DOI:10.1139/t90-092 |
| [37] |
刘中港, 刘晓丽, 王恩志, 等. 含水量对泥石流物源流变特性影响试验研究[J]. 岩石力学与工程学报, 2015, 34(3): 3830-3836. Liu Zhonggang, Liu Xiaoli, Wang Enzhi, et al. Study of rheological characteristics affected by water content with shear test[J]. Chinese Journal of Rock Mechanics and Engineering, 2015, 34(3): 3830-3836. |
| [38] |
Chleborad A F, Baum R L, Godt J W. Rainfall thresholds for forecasting landslides in the Seattle, Washington, Area: Exceedance and probability[R]. US Geological Survey Open-File Report, 2006-1064: 1-17.
|
| [39] |
王海芝, 任凯珍, 冒建. 北京地区Logistic临界雨量模型的建立[J]. 城市地质, 2015, 10(3): 59-61. Wang Haizhi, Ren Kaizhen, Mao Jian. The Logistic critical rainfall model establishment of Beijing area[J]. Urban Geology, 2015, 10(3): 59-61. |
| [40] |
白利平, 孙佳丽, 南赟. 北京地区泥石流灾害临界雨量阈值分析[J]. 地质通报, 2008, 27(5): 674-680. Bai Liping, Sun Jiali, Nan Yun. Analysis of the critical rainfall thresholds for mudflow in Beijing, China[J]. Geological Bulletin of China, 2008, 27(5): 674-680. |
| [41] |
吴正华. 北京泥石流灾害及其降水触发条件[J]. 水土保持研究, 2001, 8(1): 67-72. Wu Zhenghua. The mud-rock flow disaster and their touch off condition by rainfall in Beijing area[J]. Research of Soil and Water Conservation, 2001, 8(1): 67-72. |
| [42] |
Zimmermann M. Murganggefahr und Klimaänderung-ein GIS-basierterAnsatz[M]. Zürick: vdf Hochschulverlag AG, 1997: 47-77.
|
| [43] |
Larsen M C, Simon A. A rainfall intensity-duration threshold for landslides in a humid-tropical environment, Puerto Rico[J]. Geografiska Annaler:Series A, Physical Geography, 1993, 75(1-2): 13-23. DOI:10.1080/04353676.1993.11880379 |
| [44] |
Chien Yuan, Chen Tien-Chien, Chen Fan-Chieh, et al. Rainfall duration and debris-flow initiated studies for real-time monitoring[J]. Environmental Geology, 2005, 47(5): 715-724. DOI:10.1007/s00254-004-1203-0 |
| [45] |
Cannon Susan H, Gartner Joseph E, Wilson, Raymond C, et al. Storm rainfall conditions for floods and debris flows from recently burned areas in Southwestern Colorado and Southern California[J]. Geomorphology, 2008, 96(3-4): 250-269. DOI:10.1016/j.geomorph.2007.03.019 |
| [46] |
Dahal R K, Hasegawa S. Representative rainfall thresholds for landslides in the Nepal Himalaya[J]. Geomorphology, 2008, 100(3): 429-443. |
| [47] |
Hong Yong, Hiura Hiromasa, Shino Kazuo, et al. The influence of intense rainfall on the activity of large-scale crystalline schist landslides in Shikoku Island, Japan[J]. Landslides, 2005, 2(2): 97-105. DOI:10.1007/s10346-004-0043-z |
| [48] |
Paronuzzi P, Coccolo A, Garlatti G. Eventi meteorici critici e debris flows nei bacini montanidel Friuli[M]. La Acqua: Sezione I-Memorie, 1998: 39-50.
|
| [49] |
Tang C, van Asch T W J, Chang M, et al. Catastrophic debris flows on 13 August 2010 in the Qingping area, Southwestern China:The combined effects of a strong earthquake and subsequent rainstorms[J]. Geomorphology, 2012, 139: 559-576. DOI:10.1016/j.geomorph.2011.12.021 |
| [50] |
Ma Chao, Wang Yujie, Hu Kaiheng, et al. Rainfall intensity-duration threshold and erosion competence of debris flows in four areas affected by the 2008 Wenchuan earthquake[J]. Geomorphology, 2017, 282: 85-95. DOI:10.1016/j.geomorph.2017.01.012 |
| [51] |
Wieczorek G, Morgan B, Campbell R. Debris-flow hazards in the Blue Ridge of central Virginia[J]. Environmental and Engineering Geoscience, 2000, 6(1): 3-23. |
| [52] |
Zêzere J, Trigo R M, Trigo I F. Shallow and deep landslides induced by rainfall in the Lisbon region(Portugal):Assessment of relationships with the North Atlantic Oscillation[J]. Natural Hazards and Earth System Sciences, 2005, 5(3): 331-344. DOI:10.5194/nhess-5-331-2005 |
| [53] |
Guadagno F. Debris flows in the Campanian volcanic clastic soils[C]//Chandler R. J. Proceedings of the International Conference on Slope Stability: Slope Stability Engineering: Developments and Applications. London: Thomas Telford Publishing, 1991: 125-130.
|
Abstract
As urban populations and infrastructure have increasingly expanded into debris flow-prone areas in Beijing, the risk of losses and fatalities from debris flows has increased. As a result, the significance in debris flow early warning, as a way to reduce losses, injuries, and especially fatalities, has been increased substantially. To analyze the primary causes of flow debris and make an accurate warning, it is necessary to understand the relation between rainfall and the initiation of flow debris, as abnormal high precipitation is often the trigger of debris flows. Therefore, the rainfall threshold for debris flow initiation has become the key factor in understanding the dynamics of debris flows and the accurate forecast and warning. However, there are few quantitative research and far from the requirement for accurate early forecasting and warning of debris flows in Beijing.To constrain the rainfall threshold of debris flow in Beijing, we collected the data of the past rainfall-induced debris flows with accurate precipitation registers. Based on these data, this study made the first comprehensive analysis and established the rainfall thresholds of the debris flows in Beijing. The specific achievements are as follows:A total of 49 events with accurate precipitation registers have been collected, which occurred during the interval from 1949 to 2012. All of the debris flows occurred in the mountain area, most of which concentrated in central and northwestern Huairou, northern Miyun, southwestern Mentougou, southwestern and northwestern Fangshan districts, and several events in Yanqing and Pinggu districts. The frequency of debris flows was much higher during the interval from 1949 to 1972 than that after 1972 with only one event (2012) after 2000.All of the debris flows occurred from June to August during past 70 years, which corresponds to the maximum precipitation season of a year in Beijing. The debris flows of July and August account for 51% (25 evets) and 35%, (17 events), respectively.Both the amounts and the durations of the precipitations causing debris flows displayed a large variations during past 70 years. The rainfall amounts ranged from 115 mm to 668 mm, and the durations changed from 1.5 to 168 hours. Low duration precipitation (< 1.5 hours) rarely caused debris flows.The experimental models of rainfall thresholds were established based on the relationship of rainfall duration (D) with rainfall intensities (I) and cumulative rainfall (R) (I=56.9×D-0.746 and R=59.9×D0.253), respectively. Both the cumulative rainfall and intensity threshold display some power to identify rainfall conditions that are likely to trigger debris flows, but either one alone might not be adequate to characterize the comprehensive rainfall threshold conditions. Consequently, the warning scheme should use the two thresholds in tandem and uses the reduced value, particularly when antecedent wetness is high.The rainfall thresholds of Beijing show a large difference from those of the global and some regional/local models when the rainfall durations are small (< 3 hours). However, the thresholds show a convergent trend with increased duration of rainfall across the globe. This characteristic suggests that the contribution of rainfall would increase with enhanced rainfall duration. Moreover, the experimental rainfall thresholds of the debris flows under short rainfall duration condition show a large deviations from one place to other across the globe. Therefore, regional/local thresholds should be recalibrated by regional/local data, particularly for the debris flows caused by short-tern intensive rainfall.