CN103530516B - 一种强震区泥石流隐患点快速识别方法 - Google Patents
一种强震区泥石流隐患点快速识别方法 Download PDFInfo
- Publication number
- CN103530516B CN103530516B CN201310478435.2A CN201310478435A CN103530516B CN 103530516 B CN103530516 B CN 103530516B CN 201310478435 A CN201310478435 A CN 201310478435A CN 103530516 B CN103530516 B CN 103530516B
- Authority
- CN
- China
- Prior art keywords
- loose material
- area
- basin
- rubble flow
- newly
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种强震区泥石流隐患点快速识别方法。该方法先根据强震区矢量化地形图划分流域并得到流域面积,通过计算得到各流域暴发泥石流所需的临界松散物源总面积和总体积,然后通过遥感影像和计算得到待识别流域内新增松散物源总面积和总体积,最后将待识别流域内新增松散物源总面积和总体积与该流域暴发泥石流所需的临界松散物源总面积和总体积进行对比,以判别该待识别流域是否为震后新增的泥石流隐患点。与现有技术相比,本发明将震后新增松散固体物源作为泥石流识别的唯一指标,且判别阈值是与流域面积相关的变量,依托资料易于获取,识别精度高,能合理、快速识别强震区的泥石流隐患点,为强震区的灾后重建选址提供参考依据。
Description
技术领域
本发明涉及一种针对强震区内泥石流隐患点的快速识别方法。
背景技术
强震区内的崩塌、滑坡、泥石流等灾害活动的时间滞后持续效应十分明显,将持续20年以上。汶川8.0级大地震至今已五年,期间已经历了6个雨季,震后的暴雨过程多次诱发群发性泥石流,造成大量的人员伤亡。如,2008年9月24日的北川泥石流,2010年8月7日的舟曲泥石流,2010年8月13日的绵竹清平乡文家沟泥石流,2010年8月13日的都江堰龙池泥石流,2010年8月14日的映秀泥石流,2012年8月18日的银厂沟泥石流;这些泥石流灾害事件表明,在强震后的短时间内泥石流活动比较频繁。
与地震前的泥石流相比,震后泥石流发生的临界降雨条件有所变化,激发泥石流的降雨条件明显降低。以北川县泥石流为例,汶川地震后,该区域泥石流启动的前期累积雨量约降低14.8%-22.1%,小时雨强约降低25.4%~31.6%。地震之后,流域内变化最为明显的是松散固体物质的面积和体积(总量)大大增加,在震后泥石流暴发所需雨量降低的情况下,部分山洪沟就可能转化为泥石流沟;而这类泥石流沟常常被人们忽视,一旦这些沟暴发泥石流,就会造成意想不到的巨大的人员伤亡和财产损失。因此,对强震区内的泥石流隐患点进行判识就显得非常重要,有利于提前做好预防工作,从而减轻泥石流灾害所造成的损失。
现有的潜在泥石流判识方法都是建立在多个判别指标基础上的,属于多因子评价方法,每个因子的权重取值存在争议。陈宁生等在《汶川512地震次生泥石流沟应急判识方法与指标》一文中公开了以0.1m3/m2的单位面积的松散固体物质量作为泥石流沟判别指标的方法。这种方法属于单因子评价方法,回避了多个因子权重取值的争议,但是这种方法只考虑了单位面积的松散固体物源,而忽略了震后新增松散固体物质在泥石流形成中所起的重要作用,且在无法获知松散固体物质总量的情况下,难以用于判别泥石流隐患;另一方面,由于该方法采用的判定阈值——单位面积松散物源量为定值,导致该方法无法适用于所有的泥石流沟判定,容易将部分山洪沟误判为泥石流沟。上述两点缺陷致使该方法不能满足强震区泥石流隐患点快速识别的需要。
发明内容
本发明的目的就是针对现有技术的不足,提供一种实用的、便于推广的强震区泥石流隐患点快速识别方法,将震后新增松散固体物源作为泥石流识别的唯一指标,且判别阈值是与流域面积相关的变量,依托资料易于获取,识别精度高,能合理、快速识别强震区的泥石流隐患点,为强震区的灾后重建选址提供参考依据。
为实现上述目的,本发明的技术方案是:
本发明提出一种强震区(即发生过8.0级及以上地震的地区)泥石流隐患点快速识别方法,主要技术思想在于:对比地震前后,强震区的沟道内变化最明显的条件就是物源条件,即出现了大量的新增松散固体物质;而在非强震区内,松散固体物源是难以急剧增加的;因此,本发明选取新增松散固体物源的面积和体积参数作为震后泥石流隐患识别的关键指标。
通过统计汶川震区69条震后泥石流沟的新增松散物源的总面积和总体积参数,将泥石流沟流域面积和流域内新增松散物源总面积点绘于双对数坐标轴上(如图1所示),以这些点的下限作为泥石流隐患的临界线;如果某条沟内的新增松散物源总面积在这条线以上,这条沟就是泥石流隐患点。因此,强震区泥石流隐患识别的新增松散物源总面积阈值模型为:AL=0.03A1.15,式中AL为临界新增松散物源总面积,单位km2,A为流域面积,单位km2。同理,将泥石流沟流域面积和流域内新增松散物源总体积点绘于双对数坐标轴上(如图2所示),得到强震区泥石流隐患识别的新增松散物源总体积阈值模型为:VL=0.2A1.1,式中VL为临界新增松散物源总体积,单位106m3,A为流域面积,单位km2。在上述统计分析基础之上,提出了一种强震区泥石流隐患点快速识别方法。
具体而言,所述强震区泥石流隐患点快速识别方法步骤如下:
(一)搜集强震区的地形资料,根据强震区矢量化地形图,划分强震区内的流域,并计算得到每个流域的沟床坡度;针对沟床坡度大于等于10度同时小于等于50度的流域,利用矢量化地形图计算得到其流域面积。即排除沟床坡度小于10度或大于50度的流域,因为这部分流域是非泥石流沟。
(二)将步骤(一)中得到的流域面积,依次代入公式AL=0.03A1.15和VL=0.2A1.1,计算得到各流域暴发泥石流所需的临界松散物源总面积和总体积,式中AL为临界松散物源总面积,单位km2,VL为临界松散物源总体积,单位106m3,A为流域面积,单位km2。
(三)搜集强震区震后遥感图,通过遥感影像解译出待识别流域内震后新增的松散物源分布,得到单个松散物源面积,然后统计得到该流域内的新增松散物源总面积。
(四)将步骤(三)中得到的单个松散物源面积,分别代入公式h=1.432LnS-4.985计算得到单个松散物源的平均厚度,式中h为单个松散物源的平均厚度,单位m,S为单个松散物源面积,单位m2;根据单个松散物源面积和单个松散物源的平均厚度,计算得到单个松散物源的体积,然后按小流域统计得到待识别流域内的新增松散物源总体积。
(五)将步骤(三)中得到的待识别流域内的新增松散物源总面积与步骤(二)中得到的该流域暴发泥石流所需的临界松散物源总面积进行对比,将步骤(四)中得到的待识别流域内的新增松散物源总体积与步骤(二)中得到的该流域暴发泥石流所需的临界松散物源总体积进行对比,如果待识别流域内的新增松散物源总面积超过临界松散物源总面积,或者待识别流域内的新增松散物源总体积超过临界松散物源总体积,那么该待识别流域为震后新增的泥石流隐患点。
上述强震区泥石流隐患点快速识别方法可通过ArcGIS或MapGIS或CAD等软件完成。
与现有技术相比,本发明的有益效果是:(1)根据新增松散物源(崩塌、滑坡)在震后泥石流形成中的重要作用,将震后新增松散固体物源作为泥石流识别的唯一指标,且判别阈值是与流域面积相关的变量,既避开了多因子评价方法的权重难以取值的问题,又降低了采用单一的单位面积松散物源量误判泥石流的机率,还解决了松散物源总量未知时单位面积松散物源量无法使用的难题。(2)需计算的参数(流域面积、临界新增松散物源总面积及总体积、新增松散物源总体积)和解译的参数(单个松散物源面积)易于获取和计算。(3)操作简单,只需要在ArcGIS等软件中采用相关模块进行操作即可完成。识别精度高,能合理、快速识别强震区的泥石流隐患点,可用于震后泥石流隐患点的早期应急识别和相关的地质灾害危险性分析及快速制图,为强震区的灾后重建选址提供参考依据。
附图说明
图1是新增松散物源总面积与流域面积统计关系图。
图2是新增松散物源总体积与流域面积统计关系图。
具体实施方式
下面对本发明的优选实施例作进一步的描述。
针对强震区都江堰市龙池镇进行泥石流隐患点的快速识别。龙池镇位于四川成都都江堰市,属于四川盆地中亚热带湿润气候区,四季分明,夏无酷暑,冬无严寒,雨量充沛,空气清新,气候宜人;降雨量年内分配不均,年际总量变化不大,多年平均降水量为1134.8mm;距离汶川2008年5月12日发生的8.0级强烈地震震中映秀仅10余公里,地震对该区的影响较大;汶川地震后,该区域多次暴发泥石流,如2010年该区域暴发过大规模的群发性泥石流。
通过ArcGIS软件,利用本发明的快速识别方法进行强震区泥石流隐患点识别,具体步骤如下:
第一步,在ArcGIS软件中将都江堰市龙池镇地区的地形图矢量化,得到矢量化后的等高线,借助ArcGIS软件空间分析功能,将等高线转成数字高程模型,然后划分都江堰市龙池镇地区内的流域共53个,并计算得到每个流域的沟床坡度(如下表1所示)。针对沟床坡度大于等于10度同时小于等于50度的流域,利用矢量化地形图计算得到其流域面积(如下表2所示),此时,流域个数减为52个。
表1都江堰市龙池镇小流域沟床坡度统计表
表2都江堰市龙池镇小流域面积及该流域暴发泥石流所需的临界松散物源总面积和总体积统计表
第二步,将第一步中得到的流域面积,依次代入公式AL=0.03A1.15和VL=0.2A1.1,计算得到52个流域暴发泥石流所需的临界松散物源总面积和总体积(如上表2所示),式中AL为临界松散物源总面积,单位km2,VL为临界松散物源总体积,单位106m3,A为流域面积,单位km2。
第三步,通过遥感影像解译出黄央沟流域内震后新增的松散物源分布,在流域图中叠加解译出的松散物源图层,利用ArcGIS的空间分析功能,提取按流域分类的松散物源图层,计算得到单个松散物源面积(如下表3所示),然后统计得到该流域内的新增松散物源总面积为0.210km2。
表3都江堰市龙池镇黄央沟流域单个松散物源面积和体积、新增松散物源总面积和总体积统计表
第四步,将第三步中得到的单个松散物源面积,分别代入公式h=1.432LnS-4.985计算得到单个松散物源的平均厚度(如上表3所示),式中h为单个松散物源的平均厚度,单位m,S为单个松散物源面积,单位m2。根据单个松散物源面积和单个松散物源的平均厚度,计算得到单个松散物源的体积(如上表3所示),然后按小流域统计得到黄央沟流域内的新增松散物源总体积为1.760×106m3。
第五步,将第三步中得到的黄央沟流域内的新增松散物源总面积0.210km2与第二步中得到的黄央沟暴发泥石流所需的临界松散物源总面积0.020km2进行对比,将第四步中得到的黄央沟流域内的新增松散物源总体积1.760×106m3与第二步中得到的黄央沟暴发泥石流所需的临界松散物源总体积0.134×106m3进行对比,新增松散物源总面积和总体积均超过临界松散物源总面积和总体积,因此黄央沟流域为震后新增的泥石流隐患点。
针对除黄央沟外其余51个小流域,分别重复上述第三步-第五步,进行泥石流隐患点的识别。具体数据如下表4所示。
表4都江堰市龙池镇小流域新增松散物源及泥石流隐患识别统计表
利用本发明的快速识别方法对都江堰市龙池镇地区内的53个流域进行了泥石流隐患点的快速识别,最终确认其中4个不是泥石流隐患点,49个为泥石流隐患点。将判别结果与实际情况对比,发现未错判漏判任何1条。
Claims (2)
1.一种强震区泥石流隐患点快速识别方法,其特征在于:所述强震区泥石流隐患点快速识别方法步骤如下:
(一)根据强震区矢量化地形图,划分强震区内的流域,并计算得到每个流域的沟床坡度;针对沟床坡度大于等于10度同时小于等于50度的流域,利用矢量化地形图计算得到其流域面积;
(二)将步骤(一)中得到的流域面积,依次代入公式AL=0.03A1.15和VL=0.2A1.1,计算得到各流域暴发泥石流所需的临界松散物源总面积和总体积,式中AL为临界松散物源总面积,单位km2,VL为临界松散物源总体积,单位106m3,A为流域面积,单位km2;
(三)通过遥感影像解译出待识别流域内震后新增的松散物源分布,得到单个松散物源面积,然后统计得到该流域内的新增松散物源总面积;
(四)将步骤(三)中得到的单个松散物源面积,分别代入公式h=1.432lnS-4.985计算得到单个松散物源的平均厚度,式中h为单个松散物源的平均厚度,单位m,S为单个松散物源面积,单位m2;根据单个松散物源面积和单个松散物源的平均厚度,计算得到单个松散物源的体积,然后按小流域统计得到待识别流域内的新增松散物源总体积;
(五)将步骤(三)中得到的待识别流域内的新增松散物源总面积与步骤(二)中得到的该流域暴发泥石流所需的临界松散物源总面积进行对比,将步骤(四)中得到的待识别流域内的新增松散物源总体积与步骤(二)中得到的该流域暴发泥石流所需的临界松散物源总体积进行对比,如果待识别流域内的新增松散物源总面积超过临界松散物源总面积,或者待识别流域内的新增松散物源总体积超过临界松散物源总体积,那么该待识别流域为震后新增的泥石流隐患点。
2.根据权利要求1所述强震区泥石流隐患点快速识别方法,其特征在于:通过ArcGIS软件完成所述强震区泥石流隐患点快速识别。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310478435.2A CN103530516B (zh) | 2013-10-14 | 2013-10-14 | 一种强震区泥石流隐患点快速识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310478435.2A CN103530516B (zh) | 2013-10-14 | 2013-10-14 | 一种强震区泥石流隐患点快速识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103530516A CN103530516A (zh) | 2014-01-22 |
CN103530516B true CN103530516B (zh) | 2016-04-06 |
Family
ID=49932521
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310478435.2A Expired - Fee Related CN103530516B (zh) | 2013-10-14 | 2013-10-14 | 一种强震区泥石流隐患点快速识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103530516B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106157541B (zh) * | 2016-07-19 | 2018-08-21 | 成都理工大学 | 一种沟谷泥石流预警方法及其应用 |
CN107194134B (zh) * | 2017-07-19 | 2020-07-28 | 四川建筑职业技术学院 | 一种基于泥石流固体颗粒粒径的震区泥石流容重计算方法 |
CN110348629A (zh) * | 2019-07-08 | 2019-10-18 | 国网四川省电力公司电力科学研究院 | 一种强震区电网脆弱地质环境泥石流发生概率计算方法 |
CN112182735B (zh) * | 2020-11-05 | 2022-11-01 | 四川大学 | 基于山区小流域下垫面和水动力条件的浅层滑坡固体物源量估算方法 |
CN114049565B (zh) * | 2021-11-08 | 2022-08-23 | 中国公路工程咨询集团有限公司 | 基于遥感影像和dem数据的地质灾害判识方法和装置 |
CN115272874B (zh) * | 2022-09-28 | 2022-12-09 | 中国科学院、水利部成都山地灾害与环境研究所 | 基于遥感影像的泥石流灾害识别及频率计算方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103233440A (zh) * | 2013-04-27 | 2013-08-07 | 中国地质调查局西安地质调查中心 | 一种基于矿渣型泥石流形成机理的防治方法 |
-
2013
- 2013-10-14 CN CN201310478435.2A patent/CN103530516B/zh not_active Expired - Fee Related
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103233440A (zh) * | 2013-04-27 | 2013-08-07 | 中国地质调查局西安地质调查中心 | 一种基于矿渣型泥石流形成机理的防治方法 |
Non-Patent Citations (4)
Title |
---|
An Approach from Earthquake-Induced Landslides Identification to Numerical Simulation of Debris Flow;Yange LI等;《Memoirs of the Faculty of Engineering》;20120630;第72卷(第2期);第69-83页 * |
四川省九龙县石头沟泥石流动力学特征及其危险性评价研究;铁永波等;《水土保持研究》;20081031;第15卷(第5期);第168-170页 * |
汶川5·12地震次生泥石流沟应急判识方法与指标;陈宁生等;《山地学报》;20090131;第27卷(第1期);第108-114页 * |
遥感技术在我国滑坡研究中的应用综述;朱静等;《遥感技术与应用》;20120630;第27卷(第3期);第458-464页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103530516A (zh) | 2014-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103530516B (zh) | 一种强震区泥石流隐患点快速识别方法 | |
CN108776851B (zh) | 一种暴雨诱发的浅层滑坡灾害预警阈值确定方法 | |
Kang et al. | A feasible method for the division of ecological vulnerability and its driving forces in Southern Shaanxi | |
CN102306233B (zh) | 降雨作用下流域滑坡时空预测方法 | |
CN102902870B (zh) | 一种基于流域水土耦合的泥石流预报方法 | |
CN109447493B (zh) | 一种基于物源活动强度的震后泥石流危险性评价方法 | |
CN107220754B (zh) | 一种县域尺度山洪灾害风险评估方法 | |
CN105804094B (zh) | 一种岩质滑坡的危险性判断方法及其应用 | |
WO2014166244A1 (zh) | 煤层底板突水脆弱性评价方法 | |
CN106157541A (zh) | 一种沟谷泥石流预警方法及其应用 | |
CN102999694A (zh) | 一种山地灾害频发区泥石流风险评价方法 | |
CN102913285A (zh) | 矿井顶板危险报警的方法 | |
Cheng et al. | ArcGIS-based evaluation of geo-hazards at Yaozhou County, Shaanxi, China | |
Lai et al. | Waterlogging risk assessment based on self-organizing map (SOM) artificial neural networks: a case study of an urban storm in Beijing | |
CN113919735A (zh) | 一种滑坡灾害效应下区域恢复力评估方法 | |
CN112233381B (zh) | 一种基于机理和机器学习耦合的泥石流预警方法与系统 | |
Chen et al. | Investigation on the spatial distribution of landslides in Sichuan Province, southwest China | |
CN110346537A (zh) | 基于构造隆升地块与地貌凸出体判定潜在岩质滑坡的方法 | |
Yang et al. | Fuzzy comprehensive evaluation of landslide caused by underground mining subsidence and its monitoring | |
CN112380662B (zh) | 一种山洪灾害人口损失评估模型的构建方法及其应用 | |
CN107391823B (zh) | 公路钢箱梁桥温度梯度模式的评价方法 | |
CN107220219B (zh) | 铁路钢箱梁桥温度梯度模式评价方法 | |
CN105488582A (zh) | 一种山体岩堆滑坡预测方法及装置 | |
CN110362867A (zh) | 基于多元影响因子的地面沉降分区方法 | |
THIEBES et al. | Combining landslide susceptibility maps and rainfall thresholds using a matrix approach |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160406 Termination date: 20191014 |