CN110390149A - 一种基于物源聚集量的强震区泥石流活动性预测方法 - Google Patents
一种基于物源聚集量的强震区泥石流活动性预测方法 Download PDFInfo
- Publication number
- CN110390149A CN110390149A CN201910620510.1A CN201910620510A CN110390149A CN 110390149 A CN110390149 A CN 110390149A CN 201910620510 A CN201910620510 A CN 201910620510A CN 110390149 A CN110390149 A CN 110390149A
- Authority
- CN
- China
- Prior art keywords
- debris flow
- mud
- flow
- ditch
- rock
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于物源聚集量的强震区泥石流活动性预测方法,包括以下步骤:S1:通过大比例尺测绘,收集20条泥石流沟的纵剖面,将每条沟的纵剖面按高程进行等分,测取每等分段沟道的沟长l和沟段的高差h;S2:测取泥石流主沟道总沟长L及泥石流沟道的最大相对高差为H;S3:通过遥感解译及实地调查获取泥石流流域内的总物源量P与该泥石流沟的流域面积A;解决了以往方法计算结果不够精确,不能够针对性加强对强活动性泥石流沟道的防治措施的问题。
Description
技术领域
本发明涉及泥石流防治工程领域,特别是一种基于物源聚集量的强震区泥石流活动性预测方法。
背景技术
泥石流作为山区一种常见的地质灾害,其爆发突然、历时短、破坏力强,危害涉及交通、水电、国土等多个领域。地震活动改变了山区的地形等自然条件,并导致震区的山体斜坡长期处于不稳定状态,进而产生大量松散物源,为泥石流的发生提供了更为有利的条件。因此,震区泥石流将在震后相当长的一段时间内保持较高的活动性,所以,为了预测地质灾难发生,以保障山区人民居住的安全性及经济发展,应当持续开展对其活动性的评价与预测。
纵观泥石流活动性研究的发展历史,早期对泥石流活动性的研究主要在活动性的定性描述,随着研究技术不断的创新发展,国内外对泥石流活动性的研究已从定性发展到了定量的阶段,但目前泥石流活动性的定量计算模型仍较少。泥石流等地质灾害可视为一定的地貌过程组合形成的地貌现象,其形成受多重因素的影响,主要包括地形地貌条件,水源条件,物源条件等,当前国内外泥石流活动性的计算模型也多是基于这些因素建立的。如祁龙于2000年《泥石流沟活跃程度的评价方法》一文中通过分析多组泥石流沟道数据,提出了一种判别泥石流沟活跃程度的表达式,该判别式可用于预测泥石流活动,在该判别式中判别指标越大,泥石流的发育条件越充分,形成泥石流的临界的降水指标越低。但该判别式只是建立在特定区域的降水条件上,用于其他区域其准确性可能较低;同时该判别式只考虑了降水条件,而未考虑物源条件,模型不够完善。又如黄江成于2011年《白龙江与小江流域泥石流活动度研究》一文中提出了一种泥石流活动度的计算公式,根据松散物源储量、固体物源平均冲出量和泥石流形成特征雨量频率得到对应沟道的泥石流活动强度,但该计算公式未考虑对泥石流活动性有控制作用的地形地貌因素,与实际情况联系不够紧密。
目前,针对强震区泥石流的活动性尚没有完善的计算模型及评价方法,现有模型不能充分考虑地形及物源因素,同时也不能满足对泥石流活动性的评价与预测的研究。
如罗文功的《中巴经济走廊泥石流活动性分析》一文中,公开了一种泥石流活动性的预测方法,该文通过泥石流流域形态提取地形地貌影响因子:沟长、流域面积、高差等参数,进而通过斯特拉勒曲线与流域超熵的计算模型得出沟谷纵剖面形态指数N,并通过该指数评价泥石流活动性及发育程度。但该计算方式较为复杂,需要计算每个泥石流流域的形态指数N来判断活动性,对于数据较为匮乏的流域难以分析;同时该计算模型只考虑了地形地貌条件,而未考虑到物源聚集量对泥石流性活动性具有直接的影响,因此该模型不够完善,计算结果不够精确,不能够针对性加强对强活动性泥石流沟道的防治措施。
发明内容
为解决现有技术中存在的问题,本发明提供了一种基于物源聚集量的强震区泥石流活动性预测方法,解决了以往方法计算结果不够精确,不能够针对性加强对强活动性泥石流沟道的防治措施的问题。
本发明采用的技术方案是,一种基于物源聚集量的强震区泥石流活动性预测方法,包括以下步骤:
S1:通过大比例尺测绘,收集20条泥石流沟的纵剖面,将每条沟的纵剖面按高程进行等分,测取每等分段沟道的沟长l和沟段的高差h;
S2:测取泥石流主沟道总沟长L及泥石流沟道的最大相对高差为H;
S3:通过遥感解译及实地调查获取泥石流流域内的总物源量P与该泥石流沟的流域面积A;
S4:获得数据后,计算出泥石流沟的每等分段沟道的纵剖面形态指数n;
S5:根据得到沟道每个等分段的纵剖面形态指数n后,计算得到整条沟道的形态指数N,即得到泥石流沟的沟谷纵剖面形态指数N;
S6:根据样本数据,筛选异常点,完成对样本数据的筛选;
S7:通过计算得到泥石流沟的沟谷纵剖面形态指数N,计算泥石流流域超熵根据泥石流流域超熵来判断泥石流的活动性;
S8:通过计算公式及获得的数据,计算得到拟合所需的自变因子:
S9:通过origin软件实现回归分析过程,采用非线性回归的计算方法,建立基于物源聚集量与泥石流流域超熵的计算模型,进而根据流域超熵的特征值对泥石流活动性分类。
优选地,S4包括以下子步骤:
S41:令
其中,x为每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值,y为该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值;
S42:其形状典型,条件均一的矩形理想流域其沟谷纵剖面方程为:
y=xn
其中,x为每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值,y为该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值,n为沟谷纵剖面形态指数;
S43:n值可表现为地貌的内外营力对抗的程度,n值较小时内营力作用大于外营力,n值较大时,外营力作用大于内营力,其间内外营力对抗激烈,其流域活动性较高,根据计算得到的x每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值和y该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值,推导出斯特拉勒曲线式方程:
通过反推得到即从而得到沟道每等分段的纵剖面形态指数n,其中,l为每等分段沟道的沟长,h为该等分段的高差,L为泥石流主沟道总沟长,H为泥石流沟道的最大相对高差。
优选地,S5计算泥石流沟的沟谷纵剖面形态指数N:
其计算公式为
式中,ni为第i段等分段的纵剖面形态指数,fi为以每等分段沟道的长度占沟道总长度的占比为加权系数。
优选地,S7的泥石流流域超熵计算公式为:
泥石流流域超熵是以地形地貌为条件、流域系统信息熵为基础的泥石流活动性评价系统,
泥流域系统超熵是沟谷纵剖面形态指数N的简单函数,根据超熵的特征值进行分析,可以判别该泥石流沟的活动性高低,其中流域系统超熵与沟谷纵剖面形态指数N的函数为:
其中,为泥石流流域超熵,N为沟谷纵剖面形态指数。
优选地,S8的流域平均物源聚集量z的计算公式为:
其中,P为泥石流流域内的总物源量,A为该泥石流沟的流域面积。
优选地,S9的计算公式为
其中,z为泥石流流域平均物源量,为泥石流流域系统超熵,进而根据流域超熵的特征值对泥石流活动性分类。
优选地,S9的根据流域超熵的特征值对泥石流活动性分类包括:当超熵为(0,-0.0131],负超熵较为平缓的增加,泥石流流域系统开始趋向不稳定,易爆发小规模泥石流,致灾轻微;
当超熵为(-0.0131,-0.0979],负超熵增加速度增大,整个泥石流流域系统不稳定性急剧上升,具备爆发大及中等规模泥石流与泥石流继续发展的条件,其爆发频率相对属于高频、中频泥石流;
当超熵由(-0.0979,-0.151],负超熵增大速率减慢,但能到达极值-0.151,本阶段负超熵值最大,整个泥石流流域系统最不稳定,具备爆发特大、大规模泥石流与泥石流沟道发展旺盛的条件,其泥石流灾害爆发频率极高;
当超熵为[0,38.85),泥石流虽然退化但仍具有爆发中等规模泥石流的条件,其爆发频率属于中频泥石流;
当超熵为[38.85,∞),泥石流衰退,但仍能爆发零星泥石流,仍具备爆发小规模泥石流的条件。
本发明基于物源聚集量的强震区泥石流活动性预测方法的有益效果如下:
1.本发明采用步骤“S1-S9”形成的一个完整的技术方案,从松散物源聚集量的角度展开,引入流域超熵来表征泥石流流域活动性,并通过泥石流流域超熵的特征值对泥石流流域活动性分类,同时将物源因素与地形地貌因素作为控制变量预测泥石流流域活动性,准确地分析了泥石流流域活动性的特征。同时,国内外缺乏通过物源聚集量计算得到的泥石流流域超熵来预测泥石流活动性的有效方法,本发明能够进一步完善物源聚集量与泥石流活动性的计算模型,提高预测准确性。
2.通过计算泥石流沟道的沟道总沟长、总高差、物源聚集量等数据获取,进而计算得到泥石流流域超熵具有数据获取简单、计算目标明确、计算结果获取简便的效果。
3.本发明步骤S9中,通过origin软件建立计算泥石流流域活动性的模型,相关系数达到了0.7478,整个计算过程通过程序化处理,其计算结论客观性更强。
4.本发明适用于强震区泥石流流域活动性计算,具有数据处理流程简洁、计算过程简便、计算结果直观、参数指标易掌握的特点。计算结果对泥石流沟道活动性分析具有可靠的预测价值,同时也为泥石流发育阶段、危险程度奠定了一定的基础。
附图说明
图1为本发明基于物源聚集量的强震区泥石流活动性预测方法的总流程框图。
图2为本发明基于物源聚集量的强震区泥石流活动性预测方法的流域平均物源聚集量与超熵呈现的关系图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
如图1所示,一种基于物源聚集量的强震区泥石流活动性预测方法,包括以下步骤:
S1:通过大比例尺测绘,收集20条泥石流沟的纵剖面,将每条沟的纵剖面按高程进行等分,测取每等分段沟道的沟长l和沟段的高差h;
S2:测取泥石流主沟道总沟长L及泥石流沟道的最大相对高差为H;
S3:通过遥感解译及实地调查获取泥石流流域内的总物源量P与该泥石流沟的流域面积A;
S4:获得数据后,计算出泥石流沟的每等分段沟道的纵剖面形态指数n;
S5:根据得到沟道每个等分段的纵剖面形态指数n后,计算得到整条沟道的形态指数N,即得到泥石流沟的沟谷纵剖面形态指数N;
S6:根据样本数据,筛选异常点,完成对样本数据的筛选;
S7:通过计算得到泥石流沟的沟谷纵剖面形态指数N,计算泥石流流域超熵根据泥石流流域超熵来判断泥石流的活动性;
S8:通过计算公式及获得的数据,计算得到拟合所需的自变因子:
S9:通过origin软件实现回归分析过程,采用非线性回归的计算方法,建立基于物源聚集量与泥石流流域超熵的计算模型,进而根据流域超熵的特征值对泥石流活动性分类。
本实施方案的S4包括以下子步骤:
S41:令
其中,x为每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值,y为该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值;
S42:其形状典型,条件均一的矩形理想流域其沟谷纵剖面方程为:
y=xn式3
其中,x为每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值,y为该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值,n为沟谷纵剖面形态指数;
S43:n值可表现为地貌的内外营力对抗的程度,n值较小时内营力作用大于外营力,n值较大时,外营力作用大于内营力,其间内外营力对抗激烈,其流域活动性较高,将式1式2带入式3得到斯特拉勒曲线式方程式4,推导出斯特拉勒曲线式方程:
通过式4反推得到即从而得到沟道每等分段的纵剖面形态指数n,其中,l为每等分段沟道的沟长,h为该等分段的高差,L为泥石流主沟道总沟长,H为泥石流沟道的最大相对高差。
本实施方案的S5计算泥石流沟的沟谷纵剖面形态指数N:
根据获得等分段沟道的沟长l,由于每段高程线高差h相同,而等分段沟道的沟长不同,因此,每等分段沟道的形态指数n也不同,要得到该泥石流沟的纵剖面形态指数n,需要以每个等分段沟道的沟长为权重进行加权计算,进而得到泥石流沟的沟谷纵剖面形态指数N,其计算公式为
式中,ni为第i段等分段的纵剖面形态指数,fi为以每等分段沟道的长度占沟道总长度的占比为加权系数。
本实施方案的S7的泥石流流域超熵计算公式为:
泥石流流域超熵是以地形地貌为条件、流域系统信息熵为基础的泥石流活动性评价系统,
泥流域系统超熵是沟谷纵剖面形态指数N的简单函数,根据超熵的特征值进行分析,可以判别该泥石流沟的活动性高低,其中流域系统超熵与沟谷纵剖面形态指数N的函数为:
其中,为泥石流流域超熵,N为沟谷纵剖面形态指数。
本实施方案的S8的流域平均物源聚集量z的计算公式为:
其中,P为泥石流流域内的总物源量,A为该泥石流沟的流域面积。
本实施方案的S9的计算公式为
其中,z为泥石流流域平均物源量,为泥石流流域系统超熵,进而根据流域超熵的特征值对泥石流活动性分类。
如图2所示,本实施方案的S9的根据流域超熵的特征值对泥石流活动性分类包括:当超熵为(0,-0.0131],负超熵较为平缓的增加,泥石流流域系统开始趋向不稳定,易爆发小规模泥石流,致灾轻微;
当超熵为(-0.0131,-0.0979],负超熵增加速度增大,整个泥石流流域系统不稳定性急剧上升,具备爆发大及中等规模泥石流与泥石流继续发展的条件,其爆发频率相对属于高频、中频泥石流;
当超熵由(-0.0979,-0.151],负超熵增大速率减慢,但能到达极值-0.151,本阶段负超熵值最大,整个泥石流流域系统最不稳定,具备爆发特大、大规模泥石流与泥石流沟道发展旺盛的条件,其泥石流灾害爆发频率极高;
当超熵为[0,38.85),泥石流虽然退化但仍具有爆发中等规模泥石流的条件,其爆发频率属于中频泥石流;
当超熵为[38.85,∞),泥石流衰退,但仍能爆发零星泥石流,仍具备爆发小规模泥石流的条件。
本实施方案在实施时,本发明采用“S1-S9”步骤形成的一个完整的技术方案,从松散物源聚集量的角度展开,引入流域超熵来表征泥石流流域活动性,并通过泥石流流域超熵的特征值对泥石流流域活动性分类,同时将物源因素与地形地貌因素作为控制变量预测泥石流流域活动性,本模型根据的特征值可以有效的将泥石流流域系统、泥石流沟谷演化联系起来,从而为描述泥石流沟道活动性提供新的手段。
本发明的分类如表1:
表1基于超熵特征值的泥石流流域活动性分级表
通过上述步骤,最终得到一种基于物源聚集量的强震区泥石流活动性预测方法。
表2为步骤f中计算模型数据与相对误差值
本发明适用于强震区泥石流沟道的活动性评价。
本发明中的基于物源聚集量的强震区泥石流活动性预测方法,通过一定数量样本数据的统计,分析了泥石流流域的纵剖面形态指数与流域平均物源聚集量的关系,引入非线性回归计算模型,得到明确计算方法。
Origin是一个科学绘图、数据分析软件,该软件含有括统计,信号处理,曲线拟合以及峰值分析等功能,其将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境之中。
实施例1
采用本发明对汶川强震区的福堂沟进行分析,计算泥石流沟道活动性与物源聚集量的关系。
汶川县福堂沟泥石流沟位于阿坝州汶川县映秀镇银杏乡桃关村,岷江右岸,沟口即映汶高速公路,沟口地理坐标为东经103°29′10″,北纬31°14′53″,流域面积2.29平方千米,福堂沟地处四川盆地亚热带湿润气候区,由于该沟道处于岷江流域的暴雨区,雨量较为丰沛,且地震后,福堂沟流域内不良地质现象发育,松散物源量大增,其主要物源包括崩塌堆积物源、坡面侵蚀物源和沟床堆积物源等三类,其中崩滑堆积物源总量15.17×104m3,坡面侵蚀物源8.92×104m3,沟内沟床堆积物源23.76×104m3,物源总量为47.85×104m3。
通过调查结果数据获取物源聚集总量P与泥石流沟道流域面积S,代入式7计算得出福堂沟泥石流沟道的流域平均物源聚集量0.43m3/m2,代入
其中,z为流域平均物源聚集量(单位m3/m2),为泥石流流域系统超熵,得出
当超熵为(0,-0.0131],负超熵较为平缓的增加,泥石流流域系统开始趋向不稳定,易爆发小规模泥石流,致灾轻微;
当超熵为(-0.0131,-0.0979],负超熵增加速度增大,整个泥石流流域系统不稳定性急剧上升,具备爆发大及中等规模泥石流与泥石流继续发展的条件,其爆发频率相对属于高频、中频泥石流;
当超熵由(-0.0979,-0.151],负超熵增大速率减慢,但能到达极值-0.151,本阶段负超熵值最大,整个泥石流流域系统最不稳定,具备爆发特大、大规模泥石流与泥石流沟道发展旺盛的条件,其泥石流灾害爆发频率极高;
当超熵为[0,38.85),泥石流虽然退化但仍具有爆发中等规模泥石流的条件,其爆发频率属于中频泥石流;
当超熵为[38.85,∞),泥石流衰退,但仍能爆发零星泥石流,仍具备爆发小规模泥石流的条件。
表3
福堂沟的超熵泥石流活动性为中,根据泥石流灾害史的调查,福堂沟以往属低频泥石流,从近期泥石流灾害史看,自2013年“710”暴雨发生后,福堂沟在近70年内以没有爆发过泥石流,其时间间隔最少为70年。自5.12地震后,沟道内部崩塌、滑坡等不良地质现象大大增加,坡面侵蚀加剧,可能参与泥石流活动的松散固体物源量大增,现沟内可参与泥石流活动的固体物源动储量达13.26×104m3,激发泥石流的临界雨强可能降低,因此,泥石流的爆发频率大大提高,成为中频甚至高频泥石流。
对比结果显示,理论模型计算结果通过分析后与调查结果得出结论较为接近,模型计算值与调查结果实际调查分析具有较为接近的趋势。
实施例2
采用本发明对汶川强震区的水打沟进行分析,计算泥石流沟道活动性与物源聚集量的关系。
水打沟位于都江堰市龙池镇南岳村二社所在地,沟口地理坐标为东经103°33′43″,北纬31°5′17″。南岳村位于龙池镇新场镇北东2km,水打沟属四川盆地中亚热带湿润季风气候区,阴雨天气频繁。水打沟地处剥蚀侵蚀地貌区,沟域为典型高中山峡谷地貌,主要分布于高山区域。沟域面积0.5km2,其主要物源包括崩塌堆积物源、坡面侵蚀物源和沟床堆积物源等三类,其中崩滑堆积物源总量21.21×104m3,坡面侵蚀物源8.32×104m3,沟内沟床堆积物源2.1×104m3,物源总量为31.63×104m3。
通过调查结果数据获取物源聚集总量P与泥石流沟道流域面积S,带入式5计算得出水打沟的流域平均物源聚集量0.43m3/m2,代入
其中,z为流域平均物源聚集量(单位m3/m2),为泥石流流域系统超熵,得出
当超熵为(0,-0.0131],负超熵较为平缓的增加,泥石流流域系统开始趋向不稳定,易爆发小规模泥石流,致灾轻微;
当超熵为(-0.0131,-0.0979],负超熵增加速度增大,整个泥石流流域系统不稳定性急剧上升,具备爆发大及中等规模泥石流与泥石流继续发展的条件,其爆发频率相对属于高频、中频泥石流;
当超熵由(-0.0979,-0.151],负超熵增大速率减慢,但能到达极值-0.151,本阶段负超熵值最大,整个泥石流流域系统最不稳定,具备爆发特大、大规模泥石流与泥石流沟道发展旺盛的条件,其泥石流灾害爆发频率极高;
当超熵为[0,38.85),泥石流虽然退化但仍具有爆发中等规模泥石流的条件,其爆发频率属于中频泥石流;
当超熵为[38.85,∞),泥石流衰退,但仍能爆发零星泥石流,仍具备爆发小规模泥石流的条件,
表4
水打沟的超熵泥石流活动性为中,根据水打沟泥石流灾害史的调查,根据泥石流灾害防治工程勘查规范中的泥石流沟发展阶段识别表判别,判断水打沟泥石流活动性处于高。水打沟沟谷,沟床和沟谷两岸有大量的崩滑堆积体分布,这些崩滑堆积物多处于不稳定及潜在不稳定状态,在大暴雨的条件下物源向沟内运移,具备爆发大规模泥石流的条件。
对比结果显示:理论模型计算结果通过分析后与调查结果得出结论较为接近,模型计算值与调查结果实际调查分析具有较为接近的趋势,综上所述,本研究构建的计算模型能够准确计算并分析出泥石流沟道的活动性,计算结果真实可靠。
表明本发明将计算分析泥石流活动性于可便捷获取的相关因素,明确了物源聚集量与泥石流活动性的具体算法,具有计算结果直观,数据易掌握,预测结果直观,能够有效提高地质灾害的预测精度和应对灾害的主动性。
Claims (7)
1.一种基于物源聚集量的强震区泥石流活动性预测方法,其特征在于,包括以下步骤:
S1:通过大比例尺测绘,收集20条泥石流沟的纵剖面,将每条沟的纵剖面按高程进行等分,测取每等分段沟道的沟长l和沟段的高差h;
S2:测取泥石流主沟道总沟长L及泥石流沟道的最大相对高差为H;
S3:通过遥感解译及实地调查获取泥石流流域内的总物源量P与该泥石流沟的流域面积A;
S4:获得数据后,计算出泥石流沟的每等分段沟道的纵剖面形态指数n;
S5:根据得到沟道每个等分段的纵剖面形态指数n后,计算得到整条沟道的形态指数N,即得到泥石流沟的沟谷纵剖面形态指数N;
S6:根据样本数据,筛选异常点,完成对样本数据的筛选;
S7:通过计算得到泥石流沟的沟谷纵剖面形态指数N,计算泥石流流域超熵根据泥石流流域超熵来判断泥石流的活动性;
S8:通过计算公式及获得的数据,计算得到拟合所需的自变因子:
S9:通过origin软件实现回归分析过程,采用非线性回归的计算方法,建立基于物源聚集量与泥石流流域超熵的计算模型,进而根据流域超熵的特征值对泥石流活动性分类。
2.根据权利要求1所述的基于物源聚集量的强震区泥石流活动性预测方法,其特征在于,所述S4包括以下子步骤:
S41:令
其中,x为每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值,y为该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值;
S42:其形状典型,条件均一的矩形理想流域其沟谷纵剖面方程为:
y=xn
其中,x为每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值,y为该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值,n为沟谷纵剖面形态指数;
S43:n值可表现为地貌的内外营力对抗的程度,n值较小时内营力作用大于外营力,n值较大时,外营力作用大于内营力,其间内外营力对抗激烈,其流域活动性较高,根据计算得到的x每等分段到泥石流沟沟口的沟长与泥石流沟主沟道总沟长的比值和y该段到泥石流沟沟口的相对高差与泥石流沟最大相对高差的比值,推导出斯特拉勒曲线式方程:
通过反推得到即从而得到沟道每等分段的纵剖面形态指数n,其中,l为每等分段沟道的沟长,h为该等分段的高差,L为泥石流主沟道总沟长,H为泥石流沟道的最大相对高差。
3.根据权利要求1所述的基于物源聚集量的强震区泥石流活动性预测方法,其特征在于,所述S5计算泥石流沟的沟谷纵剖面形态指数N:
其计算公式为
式中,ni为第i段等分段的纵剖面形态指数,fi为以每等分段沟道的长度占沟道总长度的占比为加权系数,l为第i段每等分段沟道的沟长。
4.根据权利要求1所述的基于物源聚集量的强震区泥石流活动性预测方法,其特征在于,所述S7的泥石流流域超熵计算公式为:
泥石流流域超熵是以地形地貌为条件、流域系统信息熵为基础的泥石流活动性评价系统,
泥流域系统超熵是沟谷纵剖面形态指数N的简单函数,根据超熵的特征值进行分析,可以判别该泥石流沟的活动性高低,其中流域系统超熵与沟谷纵剖面形态指数N的函数为:
其中,为泥石流流域超熵,N为沟谷纵剖面形态指数。
5.根据权利要求1所述的基于物源聚集量的强震区泥石流活动性预测方法,其特征在于,所述S8的流域平均物源聚集量z的计算公式为:
其中,P为泥石流流域内的总物源量,A为该泥石流沟的流域面积。
6.根据权利要求1所述的基于物源聚集量的强震区泥石流活动性预测方法,其特征在于,所述S9的计算公式为
其中,z为泥石流流域平均物源量,为泥石流流域系统超熵,进而根据流域超熵的特征值对泥石流活动性分类。
7.根据权利要求1所述的基于物源聚集量的强震区泥石流活动性预测方法,其特征在于,所述S9的根据流域超熵的特征值对泥石流活动性分类包括:
当超熵为(0,-0.0131],负超熵较为平缓的增加,泥石流流域系统开始趋向不稳定,易爆发小规模泥石流,致灾轻微;
当超熵为(-0.0131,-0.0979],负超熵增加速度增大,整个泥石流流域系统不稳定性急剧上升,具备爆发大及中等规模泥石流与泥石流继续发展的条件,其爆发频率相对属于高频、中频泥石流;
当超熵由(-0.0979,-0.151],负超熵增大速率减慢,但能到达极值-0.151,本阶段负超熵值最大,整个泥石流流域系统最不稳定,具备爆发特大、大规模泥石流与泥石流沟道发展旺盛的条件,其泥石流灾害爆发频率极高;
当超熵为[0,38.85),泥石流虽然退化但仍具有爆发中等规模泥石流的条件,其爆发频率属于中频泥石流;
当超熵为[38.85,∞),泥石流衰退,但仍能爆发零星泥石流,仍具备爆发小规模泥石流的条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620510.1A CN110390149B (zh) | 2019-07-10 | 2019-07-10 | 一种基于物源聚集量的强震区泥石流活动性预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910620510.1A CN110390149B (zh) | 2019-07-10 | 2019-07-10 | 一种基于物源聚集量的强震区泥石流活动性预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110390149A true CN110390149A (zh) | 2019-10-29 |
CN110390149B CN110390149B (zh) | 2022-05-31 |
Family
ID=68286457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910620510.1A Active CN110390149B (zh) | 2019-07-10 | 2019-07-10 | 一种基于物源聚集量的强震区泥石流活动性预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110390149B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311879A (zh) * | 2020-01-16 | 2020-06-19 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN112613096A (zh) * | 2020-12-15 | 2021-04-06 | 应急管理部国家自然灾害防治研究院 | 一种面向强震前后不同阶段的地质灾害评价方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104088250A (zh) * | 2014-04-02 | 2014-10-08 | 长安大学 | 基于泥石流形成模式的泥石流防治方法 |
CN104318717A (zh) * | 2014-10-21 | 2015-01-28 | 四川大学 | 一种历史数据短缺条件下的暴雨泥石流预警方法 |
CN105222988A (zh) * | 2015-11-12 | 2016-01-06 | 吉林大学 | 一种泥石流运动与堆积过程模拟实验系统 |
CN105678967A (zh) * | 2016-04-20 | 2016-06-15 | 国家电网公司 | 基于卫星遥感图像的泥石流预警系统 |
CN107169252A (zh) * | 2017-07-19 | 2017-09-15 | 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 |
CN109166280A (zh) * | 2018-09-29 | 2019-01-08 | 成都理工大学 | 一种强震区泥石流的早期识别方法及其应用 |
US20190051146A1 (en) * | 2017-08-09 | 2019-02-14 | Institute Of Mountain Hazards And Environment, Chinese Academy Of Sciences | Three-dimensional multi-point multi-index early warning method for risk at power grid tower in landslide section |
CN109992635A (zh) * | 2019-03-19 | 2019-07-09 | 成都理工大学 | 一种震后泥石流早期识别方法 |
-
2019
- 2019-07-10 CN CN201910620510.1A patent/CN110390149B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104088250A (zh) * | 2014-04-02 | 2014-10-08 | 长安大学 | 基于泥石流形成模式的泥石流防治方法 |
CN104318717A (zh) * | 2014-10-21 | 2015-01-28 | 四川大学 | 一种历史数据短缺条件下的暴雨泥石流预警方法 |
CN105222988A (zh) * | 2015-11-12 | 2016-01-06 | 吉林大学 | 一种泥石流运动与堆积过程模拟实验系统 |
CN105678967A (zh) * | 2016-04-20 | 2016-06-15 | 国家电网公司 | 基于卫星遥感图像的泥石流预警系统 |
CN107169252A (zh) * | 2017-07-19 | 2017-09-15 | 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 |
US20190051146A1 (en) * | 2017-08-09 | 2019-02-14 | Institute Of Mountain Hazards And Environment, Chinese Academy Of Sciences | Three-dimensional multi-point multi-index early warning method for risk at power grid tower in landslide section |
CN109166280A (zh) * | 2018-09-29 | 2019-01-08 | 成都理工大学 | 一种强震区泥石流的早期识别方法及其应用 |
CN109992635A (zh) * | 2019-03-19 | 2019-07-09 | 成都理工大学 | 一种震后泥石流早期识别方法 |
Non-Patent Citations (6)
Title |
---|
XUEPING WANG等: "GIS-Based Landslide Trend Analysis in Lanzhou City", 《网页在线公开:HTTPS://IEEEXPLORE.IEEE.ORG/STAMP/STAMP.JSP?TP=&ARNUMBER=6201411》 * |
XUEPING WANG等: "GIS-Based Landslide Trend Analysis in Lanzhou City", 《网页在线公开:HTTPS://IEEEXPLORE.IEEE.ORG/STAMP/STAMP.JSP?TP=&ARNUMBER=6201411》, 17 May 2012 (2012-05-17), pages 1 - 5 * |
常鸣等: "水打沟泥石流形成条件及其静动力学特征", 《水电能源科学》 * |
常鸣等: "水打沟泥石流形成条件及其静动力学特征", 《水电能源科学》, vol. 30, no. 8, 25 August 2012 (2012-08-25), pages 104 - 106 * |
李元灵等: "2016年帕隆藏布流域群发性泥石流的活动特征及成因分析", 《水土保持研究》 * |
李元灵等: "2016年帕隆藏布流域群发性泥石流的活动特征及成因分析", 《水土保持研究》, vol. 25, no. 6, 12 November 2018 (2018-11-12), pages 397 - 402 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111311879A (zh) * | 2020-01-16 | 2020-06-19 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN111311879B (zh) * | 2020-01-16 | 2021-04-20 | 广州地理研究所 | 一种泥石流的预警方法及装置 |
CN112613096A (zh) * | 2020-12-15 | 2021-04-06 | 应急管理部国家自然灾害防治研究院 | 一种面向强震前后不同阶段的地质灾害评价方法 |
CN112613096B (zh) * | 2020-12-15 | 2024-02-23 | 应急管理部国家自然灾害防治研究院 | 一种面向强震前后不同阶段的地质灾害评价方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110390149B (zh) | 2022-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Landslide susceptibility mapping using hybrid random forest with GeoDetector and RFE for factor optimization | |
Sun et al. | An optimized random forest model and its generalization ability in landslide susceptibility mapping: application in two areas of Three Gorges Reservoir, China | |
Mousavi et al. | GIS-based groundwater spring potential mapping using data mining boosted regression tree and probabilistic frequency ratio models in Iran | |
Diodato | The influence of topographic co‐variables on the spatial variability of precipitation over small regions of complex terrain | |
Kalantari et al. | A method for mapping flood hazard along roads | |
Li et al. | GIS-based landslide susceptibility mapping using information, frequency ratio, and artificial neural network methods in Qinghai Province, Northwestern China | |
CN104899437A (zh) | 强降雨型滑坡灾害预警方法 | |
CN107341586A (zh) | 一种基于降雨的地质灾害发生频率的计算方法 | |
Chang et al. | Modeling the spatial occurrence of shallow landslides triggered by typhoons | |
CN110390149A (zh) | 一种基于物源聚集量的强震区泥石流活动性预测方法 | |
CN114595629A (zh) | 基于gbdt-lr和信息量模型的滑坡易发性评价方法 | |
Camera et al. | Introducing intense rainfall and snowmelt variables to implement a process-related non-stationary shallow landslide susceptibility analysis | |
Ekhtesasi et al. | Investigation of wind erosion process for estimation, prevention, and control of DSS in Yazd–Ardakan plain | |
CN109766513A (zh) | 一种泥石流断面平均流速的测算方法 | |
Bailey | Estimation of flood-frequency characteristics and the effects of urbanization for streams in the Philadelphia, Pennsylvania area | |
Darvand et al. | Comparison of machine learning models to prioritize susceptible areas to dust production | |
Liu et al. | Field testing study on the rainfall thresholds and prone areas of sandstone slope erosion at Mogao Grottoes, Dunhuang | |
CN109671248A (zh) | 基于防灾对象的山洪灾害预警方法 | |
Keshri et al. | Landslide susceptibility mapping in parts of Aglar watershed, Lesser Himalaya based on frequency ratio method in GIS environment | |
CN110147394B (zh) | 一种基于统计学方法的泥石流百年淤积深度预测方法 | |
CN113240357A (zh) | 一种红层地区公路边坡稳定性快速评价方法 | |
You et al. | Assessment of the distribution and hazard tendency of debris flows along the Chengdu–Changdu section of the Sichuan–Tibet traffic corridor | |
Gideon et al. | The application of a data-driven method for spatial analysis and prediction of gully erosion susceptibility | |
Gérard et al. | Prediction of sediment build-up from analysis of physical network data | |
Xu et al. | Debris Flow Risk Mapping Based on GIS and Extenics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |