CN111259608B - 一种泥石流实时动态危险性评价方法 - Google Patents
一种泥石流实时动态危险性评价方法 Download PDFInfo
- Publication number
- CN111259608B CN111259608B CN202010035753.1A CN202010035753A CN111259608B CN 111259608 B CN111259608 B CN 111259608B CN 202010035753 A CN202010035753 A CN 202010035753A CN 111259608 B CN111259608 B CN 111259608B
- Authority
- CN
- China
- Prior art keywords
- debris flow
- flow
- model
- source region
- risk
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 claims abstract description 36
- 239000002689 soil Substances 0.000 claims abstract description 33
- 230000008878 coupling Effects 0.000 claims abstract description 11
- 238000010168 coupling process Methods 0.000 claims abstract description 11
- 238000005859 coupling reaction Methods 0.000 claims abstract description 11
- 239000000463 material Substances 0.000 claims abstract description 10
- 238000013316 zoning Methods 0.000 claims abstract description 6
- 238000011835 investigation Methods 0.000 claims abstract description 5
- 238000004458 analytical method Methods 0.000 claims description 9
- 238000012502 risk assessment Methods 0.000 claims description 9
- 230000035699 permeability Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000011435 rock Substances 0.000 claims description 4
- 229920006395 saturated elastomer Polymers 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004134 energy conservation Methods 0.000 claims description 3
- 230000003068 static effect Effects 0.000 abstract description 7
- 238000011160 research Methods 0.000 abstract description 6
- 238000007796 conventional method Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 239000011159 matrix material Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000002245 particle Substances 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- KHOITXIGCFIULA-UHFFFAOYSA-N Alophen Chemical compound C1=CC(OC(=O)C)=CC=C1C(C=1N=CC=CC=1)C1=CC=C(OC(C)=O)C=C1 KHOITXIGCFIULA-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000005251 gamma ray Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 241000499940 Behnia Species 0.000 description 1
- 241001608711 Melo Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 230000008595 infiltration Effects 0.000 description 1
- 238000001764 infiltration Methods 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 238000004080 punching Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Landscapes
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明公开了一种泥石流实时动态危险性评价方法，包括以下步骤：S1：将降雨数据、岩土体参数输入TRIGRS模型，计算不同降雨历时下斜坡的稳定性系数Fs，并将Fs＜1判别为“是源区”，将Fs≥1判别为“非源区”；S2：将Fs和其它评价因子图层，如汇流累积量、坡度、平面曲率、岩性等，同时输入到Flow‑R模型中，识别出不同降雨历时下泥石流坡面潜在物源区的分布，实现TRIGRS和Flow‑R模型的耦合；同时基于野外实地调查和遥感解译，再识别出泥石流沟道中已有松散物源区的分布；S3:基于Flow‑R模型，计算不同降雨历时下泥石流的能量和危险性概率分布，进行泥石流实时动态危险性分区；该方法解决了以往方法没有全面考虑泥石流物源分布和多侧重于泥石流危险性静态评价研究问题。
Description
技术领域
本发明涉及泥石流危险性评价方法领域，特别是一种泥石流实时动态危险性评价方法。
背景技术
地震引发的大量崩塌、滑坡等山地灾害可以为泥石流的形成提供丰富的物源，大大降低 泥石流的致灾条件，导致其规模、发生频率显著增加。如四川省绵竹市清平乡在汶川地震后 的2010年8月13日局地大暴雨的激发下，11条沟同时暴发泥石流，形成了长达3.5km、宽 400～500m、平均厚约5m、总方量约600×104m3的堆积区，覆盖面积约达120×104m2，造 成379户房屋受损，6000余人遭受不同程度灾害，直接经济损失达6亿元左右。震后泥石流 严重阻碍了山区的经济发展和生态建设，对它们进行精准的危险性评价能为区域宏观规划和 防灾减灾提供重要决策依据。
目前国内外学者提出的泥石流危险性评价方法大致可以分为统计分析方法、人工智能方 法、数值模拟及其他方法四类。例如，Lin et al(2012)基于模糊数学理论建立了泥石流风险 评估模型，用以评估台湾地区泥石流发生的可能性。Niu et al(2014)运用逐步判别分析等方 法评价中国西南山区泥石流的危险性。Chang et al(2010年)运用神经网络(NN)和遗传 算法(GA)预测了台湾东部地区泥石流的危险性。Castelli et al(2017)运用FLO-2D数值模 型模拟真实的泥石流过程。
尽管这些泥石流危险性模型变得越来越完善，但是大多数模型，特别是前两类模型，主 要以静态的危险性评价结果为主。这两类模型通常都没有考虑泥石流危险性的动态变化。然 而，由于泥石流的诱发因素(如降雨)和基本因素(如地貌、植被覆盖、土地利用)是随时 间和空间而不断变化的，因此泥石流的危险性并不是一个静态的概念，而是随时间不断发生 着变化的。数值模拟方法虽然可以在泥石流危险性评价中考虑时间因素，但模型所需的参数 一般难以准确获取，而且模拟过程较为复杂，不便于推广应用。
Flow-R是瑞士洛桑大学Horton et al(2011，2013)提出的一种基于GIS的区域重力灾 害危险性评价数值模型。不同于一般的因子叠加方法，该模型集成了山地灾害不同演化阶段 的多个物理力学模型来对山地灾害的危险范围进行定量分析。它可以在区域尺度范围内以较 少的数据量快速评估重力灾害的危险性。该模型自提出后，引起广泛关注，已被应用于瑞士、 意大利、美国、韩国等国家滑坡、崩塌、泥石流等地质灾害的危险性评价中。例如，Rahman et al(2017)在研究中应用Flow-R模型模拟滑坡源区的运动以评估滑坡危险范围；Glade et al (2012)建立了多灾种灾害风险评估框架，应用Flow-R模型对泥石流、崩塌、雪崩等灾害的 危险性进行评估；Blais-Stevens和Behnia(2016)运用Flow-R模型对公路走廊沿线泥石流的 敏感性进行了分析识别。与数值模拟方法相比，Flow-R模型不仅可利用地形地貌、地层岩性 等较易获取的评价指标进行泥石流源区分析，并且运用能量守恒定律和传播概率原理对泥石 流源区的运动范围进行分析，而且在泥石流资料不完整的区域，参数易获取、可操作性强， 在应用方面具有很大的优势。但是，Flow-R模型没有考虑灾害的时间效应，仍然是静态评估 模型。它只能考虑受环境背景条件影响的泥石流源区分布，并不能考虑由降雨诱发滑坡为泥 石流提供的动态源区分布。
降雨诱发滑坡为泥石流提供的动态源区可以通过降雨诱发滑坡的确定性模型来计算。这 些模型考虑了降雨入渗过程中地下水变化对边坡稳定性的影响，是目前降雨诱发滑坡稳定性 分析的主要研究方向。目前，研究人员提出了各种确定性模型来分析降雨引起的浅层滑坡， 例如SHALSTAB模型(Dietrich et al.1998)，SINMAP模型(Pack etal.1998)，Iverson模 型(Iverson，2000)，李宁模型(Li Ning et al.2012)和TRIGRS模型(Baum et al.2010)。 在这些模型中，TRIGRS模型近年来得到了广泛的应用和研究。该模型不仅具有良好的理论 框架，还可以考虑岩土体参数的空间变异性、降雨条件的动态变化以及土壤的初始条件。
滑坡和泥石流是两种既有明显区别又有紧密联系的不同的地质灾害类型。因为滑坡可以 为泥石流提供松散的物质来源。因此，研究者们也常常把滑坡和泥石流结合起来进行研究。 例如，Gomes et al(2013)耦合了SHALSTAB和FLO-2D模型，Stancanelli et al(2017)耦合了 TRIGRS和Flo-2D模型，Hsu and Liu(2019)耦合了TRIGRS和DEBRIS-2D模型。尽管这些 模型的耦合研究仍存在一定的局限性和不足，但是这些耦合模型为准确评估泥石流的危险性 提供了新的途径。
前已述及，泥石流是一个开放的动态系统。在实践中，泥石流灾害的诱发因素、物源和 危险性等都会随时间的变化而变化。因此，仅通过运用静态评估方法或片面考虑泥石流的固 体物源，很难为泥石流灾害的防灾减灾提供精准的决策依据。
特别是“5·12”汶川地震后，地震灾区斜坡体的地貌、地质结构和植被覆盖以及沟谷 内的松散固体物质都发生了很大变化。同一条泥石流沟在地震前后的活动性有着显著差异。 例如，汶川地震灾区八一沟地震发生前植被发育良好，极少发生地质灾害。但是，在地震之 后，从2008年到2011年的4年中，该沟谷就发生了5次大规模的泥石流。总冲出量就达150 万m3，淤埋公路长约200m，几乎摧毁了沟内全部泥石流治理工程及安置板房。
八一沟位于“5·12”汶川地震极重灾区，四川省都江堰市龙池镇云华村，沟口坐标为 北纬31°3′11″N，东经103°32′25″E。
八一沟在地势上整体呈现北、东、西部高，中部及南部低，横断面呈“V”字型，为易汇水及易堆积松散物地形，平均河床纵坡降和大部分坡体坡度均属泥石流易发范围。八一沟 流域自沟顶到沟底依次分布震旦系安山岩及安山玄武岩、澄江-晋宁期花岗岩及三叠系砂岩、 泥岩，第四系以碎块石土为主分布于堆积区和流通区。“5·12”汶川地震的主发震断裂映秀 -北川发震断裂带的北支和南支同时横穿八一沟。流域处于亚热带湿润季风气候区，四季分明、 夏季暴雨频繁。根据《汶川8.0级地震烈度分布图》，区域地震烈度为Ⅹ度。受地震的强 烈影响，区内产生大量崩滑体堆积在沟谷及两岸斜坡地带。
八一沟具备了泥石流发育的有利地形、丰富的物源补给及充足的降雨条件，在一定的降 雨条件下，很有可能再次形成泥石流，对周边的村庄、水库、公路等造成严重的威胁。
发明内容
为解决现有技术中存在的问题，本发明提供了一种泥石流动态危险性评价方法，解决了 以往方法没有全面考虑泥石流物源分布和多侧重于泥石流危险性的静态评价研究的问题。
本发明采用的技术方案是，一种泥石流实时动态危险性评价方法，包括以下步骤：
S1：将实时降雨数据、岩土体物理力学性质参数和水文参数输入到TRIGRS模型，输出 在不同降雨历时下表征斜坡稳定性状态的稳定性系数Fs；
S2：将TRIGRS模型输出的斜坡稳定性状态分为Fs＜1、Fs≥1这2类；
S3：将Fs＜1对应为泥石流源区分类标准的“是源区”，将Fs≥1对应为泥石流源区分 类标准的“非源区”；
S4：根据泥石流的环境背景和成因条件，确定汇流累积量、坡度、平面曲率、岩性等背 景因子作为泥石流危险性的评价因子，并结合Flow-R模型中各因子的源区识别阈值和泥石流 的实际特征，将各评价因子图层，按照分类判据划分为“是源区”、“非源区”或者“不确 定”三种类型；
S5：将不同降雨历时下斜坡的稳定性系数图层Fs和影响泥石流物源的各背景因子图层输 入到Flow-R模型中进行叠加分析，并根据“至少一次被分类为是源区，而未被分类为非源区” 的栅格作为泥石流源区的识别规则，识别出不同降雨历时条件下泥石流的坡面潜在物源区的 分布，实现TRIGRS模型和Flow-R模型的耦合；
S6：基于野外实地调查和遥感解译，再识别出泥石流沟道中已有的松散物源区的分布；
S7：将不同降雨历时条件下泥石流的坡面潜在物源区和沟道中已有的松散物源区综合， 即为不同降雨条件下泥石流总物源区的分布；
S8：在此基础上，基于Flow-R模型中的能量守恒方法和流向概率算法计算不同降雨历时 条件下泥石流的能量和危险性概率分布；
S9：根据不同降雨条件下泥石流的能量和危险性概率分布，进行泥石流的实时动态危险 性分区。
优选地，S5包括以下子步骤：
S01：斜坡的动态稳定性分析，斜坡的动态稳定性分析利用TRIGRS模型进行分析：
S02：泥石流的源区识别，泥石流的物源区识别包括坡面潜在物源识别和沟道已有松散物 源识别，前者用Flow-R模型进行识别，后者基于野外实地调查和遥感解译识别；
S03：泥石流的动态危险性分析，泥石流的动态危险性的计算用Flow-模型；
S04：泥石流的动态危险性分区。
优选地，S01包括以下子步骤：
S011：确定水文参数；
S012：确定物理力学性质参数；
S013：确定土层厚度；
S014：确定实时降雨条件；
S015：斜坡动态稳定性分析。
优选地，S02包括以下子步骤：
S021：识别坡面潜在动态物源；
S022：识别沟道已有松散物源。
优选地，S03包括以下子步骤：
S031：计算泥石流的动态危险性概率分布；
S032：计算泥石流的动态能量分布。
优选地，S04具体为将不同降雨时长的泥石流危险性概率值按分级标准分为为极高危险、 高度危险、中度危险和低度危险4个等级，其等级标准为：低危险区为0.0003～0.004，中度 危险区为0.004～0.032，高度危险区为0.032～0.11，极高危险区为0.11～1。
本发明泥石流动态危险性评价方法的有益效果如下：
1.耦合模型不仅考虑了沟道内已有的松散物源以及泥石流成灾环境背景条件对泥石流 坡面潜在物源的影响，而且还考虑了降雨诱发滑坡为泥石流提供物源的动态变化。因此，泥 石流源区识别考虑得更加全面、更加符合实际。
2.耦合模型是在实时降雨条件下对泥石流进行的危险性评价，降雨条件是动态变化的， 泥石流危险性评价结果也是动态变化的。这不同于前人多侧重于泥石流危险性的静态评价研 究。
附图说明
图1为本发明泥石流实时动态危险性评价方法的总流程框图。
图2为本发明泥石流实时动态危险性评价方法的φ为定值、c取0-30时3个评估指标变 化曲线图。
图3为本发明泥石流实时动态危险性评价方法的总正确率和查全率同时都大于50％的岩 土体参数组合图。
图4为本发明泥石流实时动态危险性评价方法的2010年8月13日龙池镇主要降雨过程 图。
图5为本发明泥石流实时动态危险性评价方法的TRIGRS模型不同降雨历时斜坡稳定性 状态图。
图6为本发明泥石流实时动态危险性评价方法的斜坡稳定性状态、DEM、汇流累计量、 坡度、平面曲率以及岩性分布图。
图7为本发明泥石流实时动态危险性评价方法的泥石流总源区动态分布图。
图8为本发明泥石流实时动态危险性评价方法的泥石流危险性概率动态分布图。
图9为本发明泥石流实时动态危险性评价方法的泥石流能量动态分布图。
图10为本发明泥石流实时动态危险性评价方法的不同危险等级面积的动态变化图。
图11为本发明泥石流实时动态危险性评价方法的泥石流危险性分区图。
图12为本发明泥石流实时动态危险性评价方法与Flow-R模型的源区、危险性概率和能 量分布结果对比图。
图13为本发明泥石流实时动态危险性评价方法与Flow-R模型的评价效果对比图。
具体实施方式
下面结合附图，以汶川地震灾区的八一沟泥石流为例，对本发明的具体实施方式做进一 步详细的描述，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。
1、斜坡的动态稳定性分析
这部分需要先确定岩土体的水文参数、物理力学性质参数和土层厚度等参数，各个参数 的确定过程如下：
(1)水文参数
根据研究区土颗粒级配组成情况，用经验统计公式(1)计算八一沟碎石土的饱和渗透 系数Ks，取为1.30E-06m/s。
Ks＝-18.4+0.1836d1+0.2189d2+0.1401d3+0.1834d4 (1)
式中，Ks为碎石土的渗透系数(10-4cm/s)，d1为大于20mm粒径的粒组含量(％)， d2为2-20mm粒径的粒组含量(％)，d3为0.1-2mm粒径的粒组含量(％)，d4为小于0.1mm 粒径的粒组含量(％)，参考郭朝旭等人(2015)研究中的颗粒级配图，d1取14.83、d2取62.67、 d3取20.15、d4取2.35。
另据文献(Park et al.2016)，TRIGRS模型中的水力扩散度D0和稳定渗透率Iz分别按照 渗透系数Ks的200倍和0.01倍确定。
(2)物理力学性质参数
在山地灾害的危险性评价中，混淆矩阵常被用于评估模型的优劣和参数选取的好坏。混 淆矩阵的评估指标及评估统计量如表1和表2。
表1混淆矩阵的评估指标
| 实况有 | 实况无 | |
| 预测有 | 真阳(TP) | 假阳(FP) |
| 预测无 | 假阴(FN) | 真阴(TN) |
表2混淆矩阵统计量
运用参数反演法确定岩土体的物理力学性质参数，就是根据混淆矩阵的3个评估统计量， 从大量岩土参数组合中筛选出结果最优的一组作为岩土体的参数。
首先，确定c、φ值的反演范围，c取0～30kpa、φ取10°～31°；然后，以1为间隔取不同的c、φ值进行两两组合。当φ为定值时、c为唯一变量在0～30kpa范围内取值分析。发现随着c值的变大，总正确率逐渐变大，而滑坡正确率和面积比逐渐变小(图2)。此时， 满足总正确率和查全率同时都大于50％的岩土参数组合将大大减小，并且在矩阵中呈带状分布(图3)。最后综合面积比的取值情况，选择c＝21kpa、φ＝28°作为岩土体参数。
(3)土层厚度
八一沟流域土层厚度按表3设置。
表3坡度与土厚关系表
| 坡度/° | 土壤平均厚度/m |
| <30 | 5.0 |
| 30-40 | 4.0 |
| 40-60 | 3.0 |
| >60 | 2.0 |
(3)实时降雨条件
八一沟所处的龙溪河流域降水主要集中于5-9月，占全年总降水量的80％，平均月降水量 最大月份为8月。2010年8月13日在暴雨的激发下八一沟发生了重大泥石流，选此次实际 的降雨过程作为八一沟的降雨条件(图4)。由于前期有一次降雨过程，故取饱和情况对流 域内滑坡的稳定性进行分析。
(4)斜坡的动态稳定性分析
将所确定的岩土体参数、实时降雨强度、降雨时间等输入TRIGRS模型，即公式(2)，即可得出不同降雨时刻斜坡的稳定性状态(图5)。
式(2)中，φ为土的内摩擦角；c为土的凝聚力；γs为是土容重；γw是地下水容重；Fs为稳定性系数；α为坡度；ψ(Z,t)为压力水头，是深度和时间的函数。其中，
是与重力作用相关的项，
是与内聚力相关的项，
是与水压力相关的项。
2、泥石流的源区识别
泥石流总源区包括坡面潜在物源和沟道已有松散物源。
(1)识别坡面潜在动态物源
首先，将TRIGRS模型输出的斜坡稳定性状态分为Fs＜1、Fs≥1这2类；将Fs＜1对应为泥石流源区分类标准的“是源区”，将Fs≥1对应为泥石流源区分类标准的“非源区”(表5)；
然后，根据泥石流的环境背景和成因条件，确定汇流累积量、坡度、平面曲率、岩性等 背景因子作为泥石流危险性的评价因子(图6)，并结合Flow-R模型中各因子的源区识别阈 值和泥石流的实际特征，将各评价因子图层按照分类判据划分为“是源区”、“非源区”或者“不确定”三种类型(表4)；
最后，将不同降雨历时下斜坡的稳定性系数图层Fs和影响泥石流物源的各背景因子图层 输入到Flow-R模型中进行叠加分析，并根据“至少一次被分类为是源区，而未被分类为非源 区”的栅格作为泥石流源区的识别规则，识别出不同降雨历时条件下泥石流的坡面潜在物源 区的分布，并且实现TRIGRS模型和Flow-R模型的有机耦合。
表4耦合模型各评价因子源区识别阈值及分类判据
(2)识别沟道已有松散物源
泥石流沟道内已有的松散物源基于野外实地调查和遥感解译综合确定。
综合坡面动态潜在物源和沟道内已有松散物源，即可得到不同降雨历时下泥石流的总动 态源区(图7)。
3、泥石流的动态危险性分析
泥石流的动态危险性分析包括计算泥石流的动态危险性概率分布和动态能量分布，主要 基于Flow-R模型进行分析。
选用修正的Holmgren模型计算八一沟泥石流流向概率，参考Melo等、Horton等人研究 取Holmgren方法修正系数dh为2m、坡度指数x为4；Flow-R模型中惯性权重分配方法采用 cosines方法。选用流向概率计算方法及运动参数见表5：
表5流向概率计算方法及运动参数表
在Flow-R模型中设置流向概率计算方法并输入运动参数，即可计算得到泥石流的危险概 率分布(图8)和能量分布(图9)。
4、泥石流的动态危险性分区
将不同降雨时长的危险概率值按分级标准分为为极高危险、高度危险、中度危险和低度 危险4个等级。具体的分级标准为：0.0003～0.004为低危险区，0.004～0.032为中度危险区， 0.032～0.11为高度危险区，0.11～1极高危险区。
不同降雨历时下不同危险等级面积变化情况见图10。降雨7h后的泥石流危险性分区结 果见图11。
5、评价效果
为了验证耦合模型的评价效果，将该耦合模型的评价结果与Flow-R模型的评价结果进行 对比分析(图12)。两种模型的危险范围分别与基于遥感影像提取出的八一沟历时泥石流范 围进行叠加分析(图13)，分别计算混淆矩阵正确率、查全率、模拟与实际泥石流面积比三 个评估指标，结果见表6。
表6混淆矩阵评估结果
从表6中可以看出，耦合模型的总正确率、查全率和模拟与实际泥石流面积 比均明显优于Flow-R模型。
本发明，基于TRIGRS和Flow-R模型的有机耦合，提出了一个泥石流实时动态危险性评 价的新方法。该方法的创新性在于，它不仅考虑了降雨条件和物源条件对泥石流危险性的动 态影响，而且综合考虑了成灾背景条件、降雨诱发滑坡以及沟道内已有松散物质对泥石流物 源的综合贡献作用。它能更科学地定量评估动态降雨条件下泥石流的危险性，对提高泥石流 评价的准确性以及更精准地指导防灾减灾具有很好的理论和实际意义。
Claims (5)
1.一种泥石流实时动态危险性评价方法，其特征在于，包括以下步骤：
S1：将实时降雨数据、岩土体物理力学性质参数和水文参数，输入到TRIGRS模型，输出在不同降雨历时下表征斜坡稳定性状态的稳定性系数Fs；
其中，所述降雨数据包括降雨强度；所述岩土体物理力学性质参数包括岩土体内聚力、土的内摩擦角、土容重及土层厚度；所述水文参数包括碎石土的饱和渗透系数；
S2：将TRIGRS模型输出的斜坡稳定性状态分为Fs＜1、Fs≥1这2类；
S3：将Fs＜1对应为泥石流源区分类标准的“是源区”，将Fs≥1对应为泥石流源区分类标准的“非源区”；
S4：根据泥石流的环境背景和成因条件，确定汇流累积量、坡度、平面曲率、岩性因子作为泥石流危险性的评价因子，并结合Flow-R模型中泥石流危险性的评价因子的源区识别阈值和实际泥石流的泥石流危险性的评价因子的值，将各评价因子图层按照分类判据划分为“是源区”、“非源区”或者“不确定”三种类型；
S5：将不同降雨历时下斜坡的稳定性系数图层Fs和影响泥石流物源的各背景因子图层输入到Flow-R模型中进行叠加分析，并根据“至少一次被分类为是源区，而未被分类为非源区”的栅格作为泥石流源区的识别规则，识别出不同降雨历时条件下泥石流的坡面潜在物源区的分布，实现TRIGRS模型和Flow-R模型的耦合；
S6：基于野外实地调查和遥感解译，再识别出泥石流沟道中已有的松散物源区的分布；
S7：将不同降雨历时条件下泥石流的坡面潜在物源区和沟道中已有的松散物源区叠加，即可得到不同降雨条件下泥石流总物源区的分布；
S8：在此基础上，基于Flow-R模型中的能量守恒方法和流向概率算法计算不同降雨历时条件下泥石流的能量和危险性概率分布；
S9：根据不同降雨条件下泥石流的能量和危险性概率分布，进行泥石流的实时动态危险性分区。
2.根据权利要求1所述的泥石流实时动态危险性评价方法，其特征在于，所述S1包括以下子步骤：
S11：确定水文参数；
S12：确定物理力学性质参数；
S13：确定土层厚度；
S14：确定实时降雨条件；
S15：斜坡动态稳定性分析。
3.根据权利要求1所述的泥石流实时动态危险性评价方法，其特征在于，所述S5和S6包括以下子步骤：
S21：识别坡面潜在动态物源；
S22：识别沟道已有松散物源。
4.根据权利要求1所述的泥石流实时动态危险性评价方法，其特征在于，所述S8包括以下子步骤：
S31：计算泥石流的动态危险性概率分布；
S32：计算泥石流的动态能量分布。
5.根据权利要求1所述的泥石流实时动态危险性评价方法，其特征在于，所述S9具体为将不同降雨时长的泥石流危险性概率值按分级标准分为极高危险、高度危险、中度危险和低度危险4个等级；其等级标准为：低危险区为0.0003～0.004，中度危险区为0.004～0.032,高度危险区为0.032～0.11，极高危险区为0.11～1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010035753.1A CN111259608B (zh) | 2020-01-14 | 2020-01-14 | 一种泥石流实时动态危险性评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010035753.1A CN111259608B (zh) | 2020-01-14 | 2020-01-14 | 一种泥石流实时动态危险性评价方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111259608A CN111259608A (zh) | 2020-06-09 |
| CN111259608B true CN111259608B (zh) | 2022-08-12 |
Family
ID=70954073
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010035753.1A Active CN111259608B (zh) | 2020-01-14 | 2020-01-14 | 一种泥石流实时动态危险性评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111259608B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112464474B (zh) * | 2020-11-26 | 2023-09-15 | 北京市地质灾害防治研究所 | 基于危险性评价的低频泥石流预警方法 |
| CN113012399B (zh) * | 2021-02-25 | 2022-06-14 | 中原工学院 | 一种降雨型滑坡预警方法及系统 |
| CN113484904B (zh) * | 2021-06-29 | 2022-10-04 | 中国地质调查局水文地质环境地质调查中心 | 一种干热岩开发诱发地震环境地质综合调查方法 |
| CN113657048B (zh) * | 2021-08-15 | 2023-05-09 | 中国科学院、水利部成都山地灾害与环境研究所 | 泥石流降雨汇流水源补给测算方法、泥石流动力过程数值模拟方法及应用 |
| CN118090727B (zh) * | 2024-02-29 | 2024-08-13 | 西南石油大学 | 一种碎屑岩物源定量识别方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105160193A (zh) * | 2015-09-21 | 2015-12-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于动力过程的泥石流动态风险分析系统及方法 |
| JP5875669B1 (ja) * | 2014-12-24 | 2016-03-02 | エー・シー・エス株式会社 | 土砂災害予測システム |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017047061A1 (ja) * | 2015-09-14 | 2017-03-23 | 日本電気株式会社 | 災害予測システム、水分量予測装置、災害予測方法およびプログラム記録媒体 |
-
2020
- 2020-01-14 CN CN202010035753.1A patent/CN111259608B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5875669B1 (ja) * | 2014-12-24 | 2016-03-02 | エー・シー・エス株式会社 | 土砂災害予測システム |
| CN105160193A (zh) * | 2015-09-21 | 2015-12-16 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种基于动力过程的泥石流动态风险分析系统及方法 |
Non-Patent Citations (3)
| Title |
|---|
| 《Coupled model for simulation of landslides and debris flows at local scale》;Park, D. W.等;《Natural Hazards》;20160121;全文 * |
| 《Dynamic hazard assessment of debris flow based on TRIGRS and flow-R coupled models》;Yinping Nie 等;《Stochastic Environmental Research and Risk Assessment 》;20210923;全文 * |
| 《Dynamic hazard assessment of group-occurring debris flows based on a coupled model》;Yinping Nie 等;《Natural Hazards》;20210226;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111259608A (zh) | 2020-06-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111259608B (zh) | 一种泥石流实时动态危险性评价方法 | |
| Khudhair et al. | Locating site selection for rainwater harvesting structure using remote sensing and GIS | |
| CN109685393A (zh) | 一种适用于生态型地区的地质资源环境现状评价方法 | |
| Bhuvaneswaran et al. | Spatial assessment of groundwater vulnerability using DRASTIC model with GIS in Uppar odai sub-watershed, Nandiyar, Cauvery Basin, Tamil Nadu | |
| Mondal et al. | A GIS based DRASTIC model for assessing groundwater vulnerability in Jangalmahal area, West Bengal, India | |
| Berhane et al. | Geological and geotechnical constraints for urban planning and natural environment protection: a case study from Mekelle City, Northern Ethiopia | |
| CN109872041A (zh) | 一种基于地质资源环境的评价指标筛选方法 | |
| Owolabi et al. | Assessment of recession flow variability and the surficial lithology impact: a case study of Buffalo River catchment, Eastern Cape, South Africa | |
| Zainorabidin et al. | A geotechnical exploration of Sabah peat soil: Engineering classifications and field surveys | |
| Ashenafi | Modeling hydrological responses to changes in land cover and climate in Geba River Basin, Northern Ethiopia | |
| Novinpour et al. | Aquifer vulnerability based on classical methods and GIS-based fuzzy optimization method (case study: Chahardoli plain in Kurdistan province, Iran) | |
| Dhali et al. | Geo-hydrological response to pothole formation: a quantitative study of Kharsoti River, India | |
| Ghimire et al. | Landslide distribution and processes in the Hills of Central Nepal: geomorphic and statistical approach to susceptibility assessment | |
| dos Santos Rotta et al. | Assessment of environmental degradation due to anthropogenic processes based on critical zones: a study in a basin in southern Brazil | |
| Yildirim et al. | Assessment of soil erosion in the Ihsaniye watershed area, Afyonkarahisar, Turkey | |
| Hagos | Remote sensing and GIS-based mapping on landslide phenomena and landslide susceptibility evaluation of Debresina Area (Ethiopia) and Rio San Girolamo basin (Sardinia) | |
| Dikshit et al. | Application of FLaIR model for early warning system in Chibo Pashyor, Kalimpong, India for rainfall-induced landslides | |
| Liu et al. | Geo-hazard initiation and assessment in the Three Gorges Reservoir | |
| Mainam | Modelling soil erodibility in the semiarid zone of cameroon: assessment of interrill erodibility parameters for mapping soil erosion hazard by means of GIS techniques in the Gawar area | |
| Hussain et al. | Morphological and hydrological responses of Soan and Khad rivers to impervious land use in district Murree, Pakistan | |
| Sufiyanu et al. | Spatial variability of soil hydraulic properties in Jibia irrigation project, Katsina state, Nigeria. | |
| Moodley | Investigation of potential high-yielding groundwater aquifer zones using remote sensing & GIS technology | |
| Gideon et al. | The application of a data-driven method for spatial analysis and prediction of gully erosion susceptibility | |
| Ma et al. | The vulnerability evaluation of regional geo-environment: a case study in Beihai City, China | |
| Afriani et al. | Mapping the Physical Properties of Soils and the California Bearing Ratio (CBR) Value for Different Soil Types: A Case Study in the Bukit Kemuning and Pugung Tampak Areas |
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 |