文章快速检索  
  高级检索
基于小流域的地震扰动区降雨型滑坡泥石流危险性评价方法
王萌, 姜元俊, 黄栋, 李倩倩    
中国科学院水利部成都山地灾害与环境研究所山地灾害与地表过程重点实验室, 成都 610041
摘要: 地震扰动区存在大量震裂松散坡体,在持续或者密集的降雨条件下极易转化为滑坡灾害。同时,滑坡又会给泥石流提供大量松散固体物质,增加泥石流的危险性。因此,在震区,灾害通常以"链"的形式出现,比单一灾种危害性大。为了更有效地对地质灾害危险性进行评价,笔者将滑坡、泥石流作为灾害链,综合地加以分析和研究。选择5·12汶川大地震中受灾严重的都江堰市白沙河流域的17条泥石流沟作为研究区,建立滑坡-泥石流危险性评价耦合模型,研究24 h不同降雨量条件下小流域滑坡泥石流危险性的变化。耦合模型包括了坡体稳定性评价模型,水文模型及以泥石流规模、发生频率、流域面积、主沟长度、流域高差、切割密度、不稳定斜坡比为评价因子的泥石流危险性评价统计模型。研究结果表明:随着降雨量的增大,参与泥石流活动的松散物质方量持续增加,但当24 h降雨量超过200 mm后,泥石流沟的危险度等级不再发生变化;17条泥石流沟中4条为中危险度,12条为高危险度,1条为极高危险度。这说明研究区地质灾害问题相当严峻,在多雨季节存在泥石流群发的可能性,直接威胁到居住在泥石流沟附近的人民群众生命财产安全;因此,对于有直接危害对象的高危险度及其以上的泥石流沟,应该按照高等级设防标准进行工程治理及发布预警报。同时也说明,将滑坡、泥石流作为灾害链研究具必要性和可行性。
关键词: 小流域     地震扰动区     滑坡     泥石流     危险性评价    
Hazard Assessment on Rainfall-Triggered Landslide and Debris Flow in the Seismic Disturbance Area at Watershed Level
Wang Meng, Jiang Yuanjun, Huang Dong, Li Qianqian    
Key Laboratory of Geo-Surface Process and Mountain Hazards, Institute of Mountain Hazards and Environment, Chinese Academy of Science, Chengdu 610041, China
Abstract: There are many loose slopes existed in the seismic disturbance area. Landslides and debris flow can be easily induced by a heavy or concentrated rainfall. The hazards often occur in a form of chain in an earthquake region with a severer harm than the one caused by a single disaster. In order to evaluate the geological hazards effectively, we regard the landslide and debris flow as a disaster chain and conduct the analysis synthetically. A coupled model has been developed to assess the hazard degree of debris flow induced by the different 24 h precipitation at watershed level in Baishahe watershed of Dujiangyan City in Sichuan Province. The model comprises of a landslide susceptibility evaluation model, a stability model, a hydrological model to predict unstable slopes and determine the amount of landslides to be involved, and a statistical model to evaluate the hazard degree of debris flow gully by selecting debris flow volume, frequency, basin area, main gully length, height difference, cutting density, and the ratio of unstable gully bed as the evaluation parameters. The results show that the volume of loose material involved in debris flow increase with the intensity of rainfall. However, when 24 h rainfall is over 200 mm, the hazard degree of debris flow does not change any more. Among the 17 debris flows,four debris flows are middle hazardous, twelve debris flows are high hazardous, and one debris flow is very high. It indicates that the potential geological hazard is quite serious in the study area. During the rainy season, 17 debris flows might concentratedly outbreak; which would directly threaten the nearby human lives and properties. The protection engineering and early-alert should be set to eliminate the hazards caused by the debris flows in comply with the high level fortification standard. By the way, it's necessary to take landslide and debris flow as a disaster chain to make the hazard assessment.
Key words: watershed     seismic disturbance area     landslide     debris flow     hazard assessment    

大地震会诱发大量的次生灾害,其危害程度甚至大于地震本身[1]。而震区又主要分布于山区,在降雨的作用下,滑坡、泥石流频频发生,并常以“灾害链”的形式出现。根据崔鹏等[2]的研究,由于大量崩塌、滑坡直接为泥石流活动提供了丰富的松散固体物质,并且地震造成大量坡体失稳和岩体破坏,使泥石流的活跃期将维持20~30 a。因此,在这种情况下,对于次生灾害的危险性评估应当将滑坡、泥石流视为“灾害链”,综合地加以分析和研究。

目前对于滑坡泥石流的危险性评价模型的研究主要可以分为基于地形地貌和专家经验的定性分析方法[3]、统计学模型分析法[4, 5, 6]、确定性模型分析方法[7, 8, 9, 10]。定性分析方法的优点是可以快速地进行滑坡稳定性判别;缺点是存在人为主观性,使得在某一区域获得的推断模型很难应用于另一地区。统计学模型常用的方法包括判别式法、线性或指数回归分析法、神经网络分析法等。虽然这类方法应用较广,在世界很多地方也取得了不错的效果,在一定的程度上也可以揭示区域滑坡发育和分布规律;但是对于样本点数据要求较高,评价指标选取也缺乏科学依据,并且定量化程度相对较低,亦不能揭示滑坡形成机制和发育特点。确定性模型主要基于物理动力学过程,综合考虑影响滑坡泥石流的关键环境因素,如滑坡体厚度、岩土体物理力学参数、地下水位等。这类模型以滑坡泥石流发生机理为基础,抓住了滑坡泥石流这一物理现象的本质,具有更好的发展潜力和应用前景。

笔者建立了滑坡-泥石流危险性评价耦合模型,研究了24 h不同降雨量条件下小流域滑坡泥石流危险性的变化。耦合模型包括了坡体稳定性评价模型,水文模型,及以泥石流规模、发生频率、流域面积、主沟长度、流域高差、切割密度、不稳定斜坡比为评价因子的泥石流危险性评价统计模型。将确定性模型与统计学模型相结合,对以小流域为单元的区域滑坡泥石流危险性进行评价及分析。

1 滑坡泥石流危险性评价模型 1.1 坡体稳定性评价模型

Montgomery等[11]将坡地水文模型与无限边坡稳定模型相结合,给出了浅层滑坡启动的临界降雨量计算公式。一般说来,坡体长度、宽度均比厚度大很多,因此,可将其简化为无限边坡模型。

震后坡体失稳主要受降雨影响,因此,根据极限平衡原理,震后坡体稳定性系数K为:

其中:c′为坡体有效黏聚力(kPa);φ′为坡体有效内摩擦角(°); ρs为土体的天然密度(kg/m3); ρw为水的密度(kg/m3);D为滑坡体厚度(m);h为坡体地下水位高度(m); θ为坡体坡脚(°)。

根据O’Loughlin[12]的研究,在特定降雨强度下,坡体中地下水位高度h为:

其中:I为等效降雨强度(m/d);A为流域面积(m2); T为饱和土体的导水率(m2/d); b为考虑的水流横切面宽度(即网格精度)(m)。

将式(1)与式(2)结合,可得如下关系:

K=1,则可得降雨诱发滑坡启动的临界降雨量Icr

部分坡体无论外界条件如何变化,总是处于稳定状态或者不稳定状态。那么这两类坡体就不存在临界降雨量这一指标。因此,在计算临界雨量前,可先通过式(5)和式(6)将其划分出来,剩余区域再进行后续计算。

h=D时,若K≥1,则此时的区域为无条件稳定区,即坡体完全处于饱和状态时,坡体仍处于稳定状态,此时

h=0时,若K<1,则此时的区域为无条件不稳定区,即即使坡体没有地下水的作用也仍然处于不稳定的状态,此时

因此,若降雨量大于坡体临界降雨量,则坡体就为不稳定斜坡,有失稳的可能性。

但并非所有的失稳坡体都会参与到泥石流启动及运动过程中,因此还必须对其进行筛选。参考美国USGS标准[13],结合实际分析,认为同时满足以下3个条件的不稳定斜坡将会参与泥石流活动:

①汇流面积≥9 000 m2

②坡度≥20°;

③当24 h降雨量为100 mm时,位于沟道两旁50 m范围内的区域;当24 h降雨量为150 mm时,位于沟道两旁100 m范围内的区域;当24 h降雨量为200 mm时,位于沟道两旁150 m范围内的区域;当24 h降雨量为250 mm时,位于沟道两旁250 m范围内的区域;当24 h降雨量为300 mm时,位于沟道两旁350 m范围内的区域。

1.2 泥石流危险性评价模型

根据刘希林等[14]的研究,泥石流危险性评价模型采用加权叠加方法,选择了以下7个因子作为评价指标:泥石流规模m(103 m3),泥石流发生频率f(次/100 a),流域面积s1(km2),主沟长度s2(km),流域相对高差s3(km),流域切割密度s4(km-1),不稳定沟床比例s5。权重系数的确定方法可见参考文献[15]。评价模型如下:

式中:H为泥石流危险度;MFS1S2S3S4S5分别为mfs1s2s3s4s5的转换值。转换函数见表 1

表 1 泥石流危险度评价因子转换函数[14] Table 1 Conversion functions of factors of debris flow hazard assessment[14]
转换值转换函数
MM=0, 当m≤1时
M=lg(m/3), 当1
M=1, 当m>1 000时
FF=0, 当f≤1时
F=lg(f/2),当1
F=1,当f>100时
S1S1=0.245 8s<sup>0.349 51, 当0≤s1≤50时
S1=1, 当s1>50时
S2S2=0.290 3s<sup>0.537 22, 当0≤s2≤10时
S2=1, 当s2>10时
S3S3=2s3/3,当0≤s3≤1.5时
S3=1, 当s3>1.5时
S4S4=0.05s4,当0≤s4≤20时
S4=1, 当s4>20时
S5S5=s3/60,当0≤s5≤60时
S5=1, 当s5>60时
2 实例分析 2.1 研究区概况

笔者选择都江堰市白沙河流域的17条泥石流沟(磨子沟、灯草坪沟、小沟、小沟支沟、银洞子沟、关门石沟、解板石沟、上坪沟、苍坪沟、关凤沟、林家沟、下坪沟、深溪沟、干沟、付家坪沟、林家磨子沟、三合厂沟)作为研究区(图 1)。其地处东经103°33′59″——103°43′18″,北纬31°01′58″——31°22′10″,面积约94 km2。在地理位置上,位于我国南北地震带的龙门山中段,属长江流域岷江水系,系岷江一级支流。此流域在5·12汶川地震中受灾严重,至今滑坡、泥石流灾害活动仍十分活跃。根据2010——2011年快鸟影像解译结果,白沙河流域共出现滑坡、崩塌灾害6 383处,泥石流185处,其中大部分处于无人区。而这17条泥石流沟主要分布在人类活动较为集中的地带,威胁对象直接,可能造成的危害性更大。因此,将它们选为研究区更具实际意义和价值。

图 1 研究区区域位置图 Fig.1 Location of the study area

研究区内按地势可以分为中山区(海拔1 000~2 900 m)和低山丘陵区(海拔740~1000 m)。其中,中山区面积87.1 km2,占全区面积的92.4%,几乎覆盖全区,主要出露花岗岩、玄武岩以及部分变质岩系;低山丘陵区面积7.2 km2,占全区面积的7.6%,分布在下游的河谷区,呈带状,主要出露中元古代普通花岗岩、开建桥组及常岩窝-石喇嘛组的火山碎屑岩及三叠系的须家河组。

研究区雨量充沛,1955——2008年,年降雨量小于1 000 mm的年份仅有2 a。但降雨量时间分布不均匀。5——9月降雨量占全年降雨量的80%,月降雨最多的8月降雨量达289.9 mm,最少的1月仅12.7 mm。并且,降雨量空间分布不均匀,表现为随地势由东南向西北逐渐升高而增加。

2.2 基础数据

采用的基础数据包括:2010——2011年快鸟影像,根据其对滑坡、泥石流灾害点进行解译,生成灾害编目表;1∶50 000地形图,根据其生成栅格大小为30 m×30 m的DEM;从DEM中衍生出坡度图;对1∶200 000地质图进行数字化处理,按照岩性归并为6种类型:灰岩、花岗岩、凝灰岩、砂岩、辉长岩及冲洪积砾石与砂土。通过查阅工程地质手册和野外勘察资料,确定了各种岩土类别的物理力学指标,如表 2所示。对灾区滑坡的调查及勘察资料显示,此次地震诱发的多为浅层滑坡,且滑坡体厚度类似;因此做厚度插值意义不大。这里,滑坡深度定为2 m。

表 2 岩土类别物理力学指标 Table 2 Physical and mechanical property of geotechnical category
岩土类别ρs/
(kg/m3)
T/
(m2/d)
c′/
(kPa)
φ′/
(°)
砂岩2.40754733
灰岩2.66952238
花岗岩2.30603139
辉长岩2.55555245
凝灰岩2.75802031
冲洪积
砾石、砂土
1.66
145
0
34
2.3 不同降雨条件下不稳定斜坡分布

首先将研究区域按30 m×30 m的网格进行栅格化处理,然后根据式(4)——(6)得到研究区域每一栅格的临界降雨量(图 2)。根据野外调查及收集的历史数据,此区域的泥石流爆发通常在24 h降雨量达到100 mm以上,曾经出现过的日最大降雨量为300 mm。因此,设定5个24 h降雨量分别为:100、150、200、250、300 mm,与临界降雨量分布图进行叠加分析,即可得到不稳定斜坡空间分布(图 3)。若实际降雨量小于临界降雨量,则坡体稳定;如果实际降雨量大于临界降雨量,则坡体失稳。参考Fausto Guzzetti等[16]通过对分布在世界各地较为典型的677个崩塌、滑坡统计分析得到的崩塌滑坡体体积(VL)与崩塌滑坡体面积(AL)之间的关系式

图 2 临界降雨量分布图 Fig.2 Critical-rainfall distribution map

即可得到不同降雨条件下不稳定斜坡的方量。

计算结果显示,不同降雨条件下,研究区不稳定斜坡的方量从1 791×104 m3持续增加到2 827×104 m3(图 3)。

图 3 24 h不同降雨条件下不稳定斜坡分布 Fig.3 Unstable slope distribution under different 24 h rainfall
2.4 不同降雨条件下泥石流危险性评价

根据1.1节中设定的标准,可得到各条泥石流沟震后不同降雨条件下参与泥石流活动的物源量。然后按照泥石流沟域分别统计其中的泥石流规模(表 3)、发生频率、流域面积、主沟长度、相对高差、切割密度及不稳定沟床比例(表 4)。其中发生频率是根据震后野外调查数据而来。再基于公式(7)及表 1,即可得到不同降雨条件下泥石流危险性分区图(图 4)及评价结果(表 5)。根据泥石流危险度的值,以0.2为公差,在[0.0,1.0]范围内划分为5级,分别对应5个危险度分区:极低危险度区(0.0~0.2),低危险度区(0.2~0.4),中危险度区(0.4~0.6),高危险度区(0.6~0.8),极高危险度区(0.8~1.0)(表 5)。

表 3 不同降雨条件下泥石流规模统计 Table 3 Volumes of debris flow under different rainfall m3
降雨量/mm
100150200250300
磨子沟288.9424.8722.7811.8891.9
灯草坪沟21.651.381.988.292.7
小沟66.6126.0236.7265.5296.1
小沟支沟19.839.686.4103.5110.7
银洞子沟18.057.6103.5125.1150.3
关门石沟51.381.9133.2150.3153.0
解板石沟135.9195.3287.1327.6359.1
上坪沟35.165.7127.8144.9161.1
苍坪沟121.5176.4278.1308.7344.7
关凤沟461.7681.31 006.21 107.01 216.8
林家沟1.87.220.725.236.9
下坪沟134.1187.2339.3378.0410.4
深溪沟86.4178.2290.7324.0351.0
干沟84.6147.6261.0291.6356.4
付家坪沟72.9125.1201.6229.5269.1
林家磨子沟204.3331.2509.4566.1603.9
三合厂沟218.7371.7637.2718.2846.0
表 4 泥石流评价因子赋值表 Table 4 Values of factors of debris flow hazard assessment
发生频率/
(次/100 a)
流域面积/
km2
主沟长度/
km
相对高差/
km
切割密度/
km-1
不稳定
沟床比例
磨子沟2010.214.041.602.014.07
灯草坪沟802.832.291.082.792.44
小沟803.853.341.161.791.07
小沟支沟801.781.410.692.341.95
银洞子沟803.892.021.022.032.91
关门石沟201.661.691.132.00.96
解板石沟202.372.271.382.131.22
上坪沟1003.341.861.181.912.43
苍坪沟504.513.541.522.211.82
关凤沟10012.396.411.902.23.26
林家沟501.181.900.471.611.00
下坪沟805.632.681.222.23.62
深溪沟807.585.421.142.32.22
干沟1004.331.890.902.053.69
付家坪沟804.112.871.202.071.96
林家磨子沟1008.353.781.262.193.85
三合厂沟2011.881.550.901.5310.68
表 5 泥石流危险性分区及评价[14] Table 5 Debris flow hazard assessment
0.0~0.2
(Ⅰ)
极低危险度
基本无泥石流活动,没有泥石流灾难
0.2~0.4
(Ⅱ)
低危险度
能够发生小规模和低频率的泥石流,一般不会造成重大灾难和严重危害
0.4~0.6
(Ⅲ)
中危险度
能够间歇性发生中等规模的泥石流,较少造成重大灾难和严重危害
0.6~0.8
(Ⅳ)
高危险度
能够发生大规模和高频率的泥石流,可造成造成重大灾难和严重危害
0.8~1.0
(Ⅴ)
极高危险度
能够发生巨大规模和特高频率的泥石流,可造成重大灾难和严重危害
图 4 24 h不同降雨条件下泥石流危险度分区图 Fig.4 Debris flow hazard assessment under different 24 h rainfall

从24 h不同降雨条件下泥石流危险度分区(图 4)可以看到:在降雨量为100 mm的情况下,17条泥石流沟中1条为低危险度,7条为中危险度,9条为高危险度;在降雨量为150 mm的情况下,17条泥石流沟中6条为中危险度,11条为高危险度;在降雨量分别为200、250及300 mm的情况下,17条泥石流沟中4条为中危险度,12条为高危险度,1条为极高危险度。即:当24 h降雨量超过200 mm后,流域的泥石流危险等级基本不再发生变化。

3 结论与建议

笔者选择都江堰市白沙河流域的17条泥石流沟作为研究区,建立滑坡-泥石流危险性评价耦合模型,研究24 h不同降雨量条件下小流域滑坡泥石流危险性的变化。

研究结果显示,不稳定斜坡的方量随着24 h降雨量的增加而显著增加,从1 791×104 m3增加到2 827×104 m3。而当24 h降雨量超过200 mm后,流域的泥石流危险等级基本不再发生变化,主要以高危险度区为主,说明研究区地质灾害问题相当严峻。对于直接威胁到人民群众生命财产安全的高危险度及其以上的泥石流沟,应该按照高等级设防标准进行工程治理。同时结果也表明为了更加有效地对地质灾害风险进行评价和管理,必须要将滑坡、泥石流作为灾害链,综合地加以分析和研究。

在下一步的研究中,应重点考虑岩土体在入渗条件下的关键物理参数时变效应,提高模型输入参数的定量化程度。

参考文献
[1] Jibson R W, Harp E L, Michael J A.A Method for Producing Digital Probabilistic Seismic Landslide Hazard Maps[J]. Engineering Geology, 2000,58: 271-289.
[2] 崔鹏,韦方强,何思明,等.5·12汶川地震诱发的山地灾害及减灾措施[J].山地学报,2008,26(3):280-282. Cui Peng, Wei Fangqiang, He Siming,et al. Mountain Disasters Induced by the Earthquake of May 12 in Wenchuan and the Disasters Mitigation[]. Journal of Mountain Science, 2008,26(3): 280-282.
[3] Rajakumar P, Sanjeevi S, Jayaseelan S,et al. Lan-dslide Susceptibility Mapping in a Hilly Terrain Using Remote Sensing and GIS[J]. Journal of the Indian Society of Remote Sensing, 2007, 35(1): 31-42.
[4] Wang M, Qiao J P, He S M. GIS-Based Earthquake-Triggered Landslide Hazard Zoning Using Contributing Weight Model[J]. Journal of Mountain Science, 2010, 7:339-352.
[5] Lee C T, Huang C C, Lee J F,et al. Statistical Approach to Earthquake-Induced Llandslide Susceptibility[J]. Engineering Geology, 2008, 100:43-58.
[6] Carrara A, Pike R J. GIS Technology and Models for Assessing Landslide Hazard and Risk[J]. Geomorphology, 2008, 94: 257-260.
[7] 兰恒星,伍法权,周成虎,等.GIS支持下的降雨型滑坡危险性空间分析预测[J].科学通报,2003,48(5): 507-512. Lan Hengxing, Wu Faquan, Zhou Chenghu ,et al. Rainfall-Induced Landslide Hazard Spatial Analyze and Prediction Based on GIS[J]. Chinese Science Bulletin, 2003,48(5): 507-512.
[8] Muntohar A, Liao H. Rainfall Infiltration: Iinfinite Slope Model for Landslides Triggering by Rainstorm[J]. Natural Hazards, 2010, 54(3): 967-984.
[9] Baum, R L, Savage W Z, Godt J W. TRIGRS :A Fortran Program for Transient Rainfall Infiltration and Grid-Based Regional Slope Stability Analysis[J]. US Geological Survey Open-File Report,2002,424: 38.
[10] 庄建琦,彭建兵,张利勇. 不同降雨条件下黄土高原浅层滑坡危险性预测评价[J].吉林大学学报:地球科学版,2013,43(3):867-876. Zhuang Jianqi, Peng Jianbing, Zhang Liyong. Risk Assessment and Prediction of the Shallow Landslide at Different Precipitation in Loess Plateau[J]. Journal of Jilin University:Earth Science Edition, 2013, 43(3): 867-876.
[11] Montogery D R, Dietrich W E. A Physically Based Model for the Topographic Control on Shallow Landsliding[J]. Water Resources Research, 1994, 30:1153-1171.
[12] O'Loughlin E M. Prediction of Surface Saturation Zones in Natural Catchments by Topographic Analysis[J]. Water Resources Research, 1986, 22:794-804.
[13] Griswold J P, Iverson R M. Mobility and Statistics and Automated Hazard Mapping for Debris Flows and Rock Avalanches[R]. Reston, VA:U S Geological Survey. Scientific Investigations Report 2007-5276,2008:22.
[14] 刘希林,莫多闻.泥石流风险评价[M].成都:四川科学技术出版社,2003:17-22. Liu Xilin, Mo Duowen. Debris Flow Risk Assessment[M]. Chengdu: Sichuan Science and Technology Press,2003:17-22.
[15] 刘希林,唐川.泥石流危险性评价[M].北京:科学出版社,1995:1-93. Liu Xilin, Tang Chuan. Debris Flow Risk Assessment[M]. Beijing: Science Press, 1995:1-93.
[16] Guzzetti F, Ardizzone F, Cardinali M,et al. Lan-dslide Volumes and Landslide Mobilization Rates in Umbria, Central Italy[J]. Earth and Planetary Science, 2009, 279:222-229.
http://dx.doi.org/10.13278/j.cnki.jjuese.201506201
吉林大学主办、教育部主管的以地学为特色的综合性学术期刊
0

文章信息

王萌, 姜元俊, 黄栋, 李倩倩
Wang Meng, Jiang Yuanjun, Huang Dong, Li Qianqian
基于小流域的地震扰动区降雨型滑坡泥石流危险性评价方法
Hazard Assessment on Rainfall-Triggered Landslide and Debris Flow in the Seismic Disturbance Area at Watershed Level
吉林大学学报(地球科学版), 2015, 45(6): 1781-1788
Journal of Jilin University(Earth Science Edition), 2015, 45(6): 1781-1788.
http://dx.doi.org/10.13278/j.cnki.jjuese.201506201

文章历史

收稿: 2014-02-20

相关文章

工作空间