CN114511990A - 泥石流概率测算方法、泥石流多要素协同监测预警方法 - Google Patents

泥石流概率测算方法、泥石流多要素协同监测预警方法 Download PDF

Info

Publication number
CN114511990A
CN114511990A CN202210044542.3A CN202210044542A CN114511990A CN 114511990 A CN114511990 A CN 114511990A CN 202210044542 A CN202210044542 A CN 202210044542A CN 114511990 A CN114511990 A CN 114511990A
Authority
CN
China
Prior art keywords
debris flow
probability
monitoring
occurrence
calculating
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
Application number
CN202210044542.3A
Other languages
English (en)
Other versions
CN114511990B (zh
Inventor
张少杰
杨红娟
龙奎
夏曼玉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Mountain Hazards and Environment IMHE of CAS
Original Assignee
Institute of Mountain Hazards and Environment IMHE of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Mountain Hazards and Environment IMHE of CAS filed Critical Institute of Mountain Hazards and Environment IMHE of CAS
Priority to CN202210044542.3A priority Critical patent/CN114511990B/zh
Publication of CN114511990A publication Critical patent/CN114511990A/zh
Application granted granted Critical
Publication of CN114511990B publication Critical patent/CN114511990B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • General Physics & Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Emergency Management (AREA)
  • Atmospheric Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Hydrology & Water Resources (AREA)
  • Computing Systems (AREA)
  • Fluid Mechanics (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开泥石流概率测算方法、泥石流多要素协同监测预警方法。针对现有多要素泥石流发生预测方案对各类监测数据的预测价值缺乏融合利用的缺陷，本发明提供流域泥石流发生协同概率测算方法。方法首先分别测算降雨量指标及断面泥位指标与泥石流发生概率对应关系R r 、R n ，再计算不同条件下泥石流发生概率p r 与p n ，最后依据多要素协同规则确定流域泥石流发生协同概率p ob 。方法优化包括分别选用前期雨量与泥石流流深作为具体水、土指标构建严格的水土耦合机理型泥石流发生预测技术。本发明还提供泥石流监测预警方法，以及各应用方案。本发明将泥石流及环境多要素监测价值在泥石流发生评估中融合并体现，实现真正的泥石流多要素协同监测预警。

Description

泥石流概率测算方法、泥石流多要素协同监测预警方法
技术领域
本发明涉及一种地质灾害监测预警技术，特别是涉及一种基于多要素指标的流域泥石流灾害发生监测预警技术，属于泥石流灾害监测、山地灾害防治技术领域。
背景技术
基于对泥石流成因复杂的共同认识，泥石流灾害监测技术领域逐渐建立起针对泥石流及多种环境要素的监测方案，包括降雨量监测、泥位监测、次声监测、地声监测、振动监测、图像监测、地震动信号等。在这类要素监测技术的基础上，借助预警模型对采集到的数据加以运算处理，则能够对泥石流发生可能性高低做出预测，从而开发出多种泥石流预报预警方案。所以，泥石流监测预警技术方案实际包含两部分：一是利用硬件实现各类监测数据采集，二是在监测数据基础上借助预警模型进行数据分析得出预测结果。为了使对泥石流发生可能性高低的预测结果尽量准确且有更高利用价值，新近的泥石流监测预警方案逐渐转向将多种要素监测集成于一体，并在其基础上借助预警模型实现泥石流发生预测，以期望将“泥石流成因复杂”这一认识付诸于泥石流的防灾实践。
申请公布号为CN 112037474 A的中国发明专利申请公开一种多传感器层次化泥石流监测预警方法，是一种基于三种预警指标的四级综合预警方案。该方案沿泥石流沟道方向，布置雨量计、泥位计、震动/冲击传感器、视频传感器，形成对泥石流及环境要素的多层次监测硬件系统，在采集综合数据的基础上，通过泥石流模型实验的方法确定模型参数类型和预警临界值指标，最终实现对泥石流发生监测预警。申请公布号为CN 106023530 A的中国发明专利申请公开了一种暴雨型稀性泥石流监测预报预警方法，该方法在泥石流沟道上流利用多要素气象站单元采集雨量数据，在泥石流主沟道上中游利用泥水位报警器单元采集泥水位数据，采用视频监测器单元在捕捉到泥石流动态画面后自动开始录像。“汶川地震区泥石流监测预警方法研究——以四川省三大片区泥石流为例”一文（陈龙，成都理工大学，2013）公开一种泥石流单沟多监测手段协同预警方法，该方法综合降雨量监测、泥位监测、断线法、视频监测4种手段实现对单沟内泥石流发生预警。
上述三种泥石流监测预警现有技术都是基于多种要素监测数据实现泥石流发生预测。尽管具体预警模型存在差异，但其对泥石流发生可能性的整体预测有三方面共同特征：其一、虽然建立了对泥石流及环境的多要素监测体系，采集到多种类传感器数据，但在测算泥石流发生可能性时，均以降雨量监测为主要甚至唯一手段，泥位监测、视频监测等属于居次要位置的辅助或者验证手段。其二、整套方案最后提供的泥石流发生可能性概率值是基于降雨量数据的计算结果（这主要是由于现有技术对基于降雨量数据的泥石流发生概率研究更充分），对其余要素的监测数据要么不能计算出泥石流发生概率值，要么仅作为一种参考数据，不作为整个监测方案的最终概率结果呈现或者在预警环节利用。其三、即使基于降雨量监测得出了泥石流发生概率值，同时基于泥位监测得出泥石流发生概率值，整体方案也不会将两概率值做进一步的融合分析得出泥石流发生的综合性概率值（综合性概率值是指区别于单项要素监测数据基础上的概率值）。这主要是由于一般而言，基于降雨量监测的泥石流发生概率计算是建立在动态模型预测结果之上，而基于泥位监测的泥石流发生概率计算则是建立在历史泥痕调查结果之上，两者的专业原理不一致，从科学角度讲不能直接将二结果数值做叠加等融合性处理，所以保留各自独立意义更符合科学原理。
从现有技术的上述三方面特征可见，现有技术的缺陷在于：尽管构建了多要素监测系统，采集到多要素监测数据，但由于基于各要素建立的预警模型依据的专业原理不一致，因而对泥石流发生的预测并没有将对各类监测数据的利用纳入一种基于对泥石流发生过程相同认识的一致的分析框架中，没有真正对采集到的多要素监测数据展开融合分析，构建起真正意义上的流域泥石流多要素协同监测预警方案。并且，由于没有将各类监测数据纳入一致的分析框架中，利用多要素监测数据的预测结果反而可能出现冲突。例如，根据雨量监测结果发布4级红色预警，根据同期泥位/流深监测结果则不需要发出预警信息，此时系统往往遵照保守策略发出高级别预警信息。这样一来，在技术本身上，多要素监测投入没有发挥多要素监测的价值，反而在一定程度上浪费了宝贵的监测预警资源；在防灾实践中，长期保守倾向的预警信息则可能降低人们对预警信息的响应敏感程度，折减灾害预警的意义。
可见，现有技术尽管对多要素展开监测，但对所采集的各类监测数据在泥石流发生预测中的地位与价值认识含糊不清。有限于各种预警模型技术成熟度差异原因，或者是出于消除不同要素预警结果冲突的原因，现有技术始终将降雨量指标作为泥石流发生概率测算的最重要甚至唯一指标，各类要素监测数据对整个泥石流预测方案本质是“各行其是”、“各自为政”，使得基于多要素监测的泥石流发生预测方案“名不副实”。“泥石流成因复杂”的思想并没有真正体现在这些监测预警方案中，更没有付诸于指导泥石流防灾实践。依据多要素监测数据提高预测结果准确性的初衷也没有实现。
发明内容
本发明的目的就是针对现有技术的不足，提供一种流域泥石流多要素协同监测预警方法与系统。该方案能够实现对多要素监测数据的融合利用测算流域泥石流发生概率。
为实现上述目的，本发明首先提供一种流域泥石流发生协同概率测算方法，其技术方案如下：
一种流域泥石流发生协同概率测算方法，其特征在于：
步骤S1、以泥石流流域作为监测区，记为M，完成M现场调查；
步骤S2、监测硬件布置方案：在M内物源区布置雨量站，在M内雨量站下游设置泥位监测断面P，泥位监测断面P布置泥位计；
步骤S3、根据M现场调查数据测算M内降雨量指标与泥石流发生概率对应关系R r 、测算断面P处泥位指标与泥石流发生概率对应关系R n ；
步骤S4、根据实时降雨数据/预报降雨数据与对应关系R r 测算实时降雨/预报降雨条件下泥石流发生概率p r ，根据实时/预报泥位数据与对应关系R n 测算实时/预报泥位条件下泥石流发生概率p n ；
步骤S5、依多要素协同概率规则确定M的出山口泥石流发生概率p h 、流域泥石流发生协同概率p ob ，所述多要素协同概率规则为：
若p r ≥20%且p n <20%，则p h ＝20%～40%，p ob =p r *p h ，p r 与p h 分别取值概率区间右边界，
若p r <20%且p n ≥20%，则p h ＝40%～60%，p ob =p n *p h ，p n 与p h 分别取值概率区间右边界，
若p r ≥20%且p n ＝20%～60%，则p h ＝60%～80%，p ob =p h *max(p r, p n )，p r 、p n 、p h 分别取值概率区间右边界，
若p r ≥20%且p n ≥60%，则p h ＝80%～100%，p ob =p n ，p n 取值概率区间右边界，
所述泥石流发生协同概率p ob 是泥位监测断面P处的泥石流发生概率。
上述流域泥石流发生协同概率测算方法是一种通过对与泥石流及环境多要素监测数据的融合处理而测算流域泥石流发生概率的方法，其原理主要在于：（1）利用泥石流及其环境的多要素监测数据能够更好地对泥石流发生进行预测。（2）基于雨量监测数据的泥石流发生概率测算与基于泥位/泥石流流深监测数据的泥石流发生概率测算，均被纳入泥石流形成发生过程的水土耦合机理分析框架中，使得作为中间结果的p r 与p n 能够互为表里地表征泥石流形成与发生过程，从而能够在p ob 测算步骤被“平等”调用。（3）流域通常面积较大且绝大部分地区无人定居，真正需要实施灾害预警的仅在有人定居的小范围区域。针对该小范围区域的泥石流发生预测即便是在流域上流发生规模性降雨的条件下，也需要同时考虑集中降雨地与地表径流沿途的地形、地质条件，只有在径流沿途有充分的动蓄量，使得所形成的水土耦合物在接近/抵达预警区时达到一定容重值，才是防灾减灾意义上的“泥石流灾害”。基于此，本发明测算方法引入p h 指标融合p r 与p n 结果值。p h 指标的意义在于，在判断p r 与p n 结果值对预警区泥石流发生概率价值高低的基础上对p r 或p n 进行加权。基于上述三方面原理，本发明方法所得的最终概率结果p ob 是科学地表征山地灾害防治中“有灾害意义”的自然环境现象发生可能性高低的数值。
本发明流域泥石流发生协同概率测算方法中，在建立降雨量指标与泥石流发生概率对应关系R r 时，可利用现有降雨型泥石流发生预测技术，选取一种适当的降雨量指标并建立其与泥石流发生概率间的对应关系R r 。在建立测算断面P处泥位指标与泥石流发生概率对应关系R n 亦可以利用现有泥位/泥痕/泥石流流深型泥石流发生预测技术，选取一种适当的泥位指标并建立其与泥石流发生概率间的对应关系R n 。
以本发明流域泥石流发生协同概率测算方法为基础，本发明进一步提供以下优化方案。
优化一、对于关系R r 的建立：结合ZL2018107475705与ZL2012101934264两套技术方案，选择前期雨量A r 为降雨量指标，模拟计算M在各前期雨量A r ′条件下泥石流发生降雨I-D曲线阈值I=δD β ，根据构建I-D曲线阈值过程沿时间序列试算所得M内水土耦合混合物容重ρ，确定各A r ′条件下M中能够耦合形成的混合物容重ρ变化区间[ρ]，再依据混合物容重—泥石流发生概率及泥石流预警等级关系表确定M内前期雨量A r 与泥石流发生概率对应关系R r 。此优化方案的优点在于：一方面，ZL2018107475705与ZL2012101934264均是严格以水土耦合为泥石流形成发生根本机理的泥石流发生概率预警技术，二者相互结合无算法原理上的不协调，从而保持一致的技术框架；另一方面，二技术相结合后的方案始终以土耦合混合物为分析对象，能够在合理地表征泥石流本质的同时提供容重ρ作为衔接指标，进一步与泥石流观测技术或泥石流防治技术相结合，为拓展本发明测算方法功效与应用提供便宜手段。
优化二、对于关系R n 的建立：
选择泥石流流深H n 作为泥位指标，采用地表水汇水原理测算在不同设计暴雨频率p条件下M内所能形成的泥石流峰值流量Q c ，结合断面P的形态特征依式1、式2计算Q c 激发的泥石流流深H n ，再以p作为泥石流发生概率，由此则建立起泥石流流深H n 与泥石流发生概率的对应关系R n 。式1、式2中，U—泥石流流速（单位m/s），Q c —泥石流峰值流量（单位m3/s），利用现有技术测算，J—泥位监测断面P处沟床坡降（%）、现场调查确定，H n —泥石流流深（单位m），B—泥位监测断面P处宽度（单位m）现场调查确定。
U=2.1Q c 0.33 *J 0.33 式1
H n =Q c /(UB) 式2
此优化方案的优点与优化一方案相似，是围绕降水、地表径流、固体物质随水搬运形成土耦合混合物、混合物运动特征构思，最终测算得到的泥石流流深H n 依然统一于以水土耦合为泥石流形成发生根本机理的泥石流发生概率预警技术的技术框架中。故而，优化二方案既能单独地作为本发明基础的流域泥石流发生协同概率测算方法的优化方案，也能与优化方案一同时对基础测算方案加以优化。
以上述流域泥石流发生协同概率测算方法为基础，本发明同时提供以下方案：
上述流域泥石流发生协同概率测算方法在流域泥石流监测预警中的应用。
本发明同时也提供一种泥石流监测预警方法，其技术方案如下：
利用上述流域泥石流发生协同概率测算方法实现的流域泥石流多要素协同监测预警方法，其特征在于：确定泥石流预警流域后，以预警流域作为监测区M，将泥位监测断面P设置在M内泥石流灾害重点监测预警处，执行流域泥石流发生协同概率测算方法，测算出泥石流发生协同概率p ob 后发布泥石流预警信息。
在将本发明流域泥石流发生协同概率测算方法实施例一种流域泥石流多要素协同监测预警方法时，关键是对监测预警流域地形的考察，全面地获取流域地形、地质、水文数据等，以及泥石流发生的历史记录，划定流域中泥石流发生预警信息投放的区域，以支撑本发明以水土耦合物的形成、起动、进行、演化一系列过程为依据实现的针对流域内预警区域的“灾害”预警。考虑到不同泥石流流域存在影响水土耦合过程的因素，流域内人口聚居区一般较多分布于流域的支沟汇口（老堆积扇）上，并随人口增多逐渐向下游扩展，本发明上述泥石流预警方法中，泥位监测断面P优选为两个位置之一：流域出山口（即所有支沟的最终汇口），或流域出山口与下游堆积扇之间的流通区。
由于泥石流监测预警方案既需要从泥石流演化的科学原理出发，也需要充分考虑各预警区域的特殊地形条件，否则便失去了“防灾”的本质意义，因而，在步骤S3中，对于监测断面P，还可以采用现场调查数据调整测算所得断面P处泥位指标与泥石流发生概率对应关系R n 。调整的一般原则是参考断面P处泥石流历史痕迹和/或防治工程特征重新确定p n 的低限（20%）和/或高限（100%）所对应的泥位/泥深阈值。例如，若断面P处有历史泥石流搬运来的漂石，则以漂石粒径d作为p n ＝20%时泥位指标阈值；若断面P处已筑有泥石流拦挡墙或泥石流沟道岸有农田，则以拦挡墙高度h 1 或农田距离沟床高度h 2 作为p n ＝100%时泥位指标阈值，若同时有h 1 与h 2 ，则取两者低值。在特定的情形下，若调整后泥位指标值低于测算所得断面P处泥位指标范围下限，这表明该处灾害预警的对象重点可能不在泥石流（容重ρ达到一定程度的水土耦合混合物），而在泥石流前的洪水、含沙洪水、高含沙洪水等异常的灾害性流体（容重ρ不及泥石流的水土耦合混合物），甚至灾害性流体形成之前的径流水位抬高的清水流。此时，则可引入监测断面P处在设计暴雨频率p下的径流水位指标替代关系R n 中各泥位指标（同样以设计暴雨频率p作为泥石流发生概率）。径流指标一般选取径流流深H f 。
本发明上述各技术方案中所称的流域现场调查包括了针对泥石流流域/沟道现场的各种测绘、测量、模拟实验测试，以及历史灾害记录获取，以及有参照借鉴作用的经验数据获取等。
与现有技术相比，本发明的有益效果是：提供了一种将考虑降雨因素的泥石流发生预测方法与考虑泥位因素的泥石流发生预测方法纳入一致的分析框架中的构思。该构思在技术思想上以水土耦合机理为核心，沿着降水、地表径流、固体物质随水搬运形成土耦合混合物、混合物运动的泥石流形成发生演化过程分析流域泥石流发生现象的可能性；在技术手段上以水土耦合混合物为具体分析对象，以水土耦合混合物及其运动的物理属性为测量指标，将分别基于水土要素的泥石流发生可能性分析路径相互关联纳入同一分析框架。在此基础上，引入一个泥石流发生概率的中间量——p h ，将考虑降雨的泥石流发生预测结果与考虑泥位的泥石流发生预测结果在整个技术方案中的价值相互融合，从而完整构建起基于多要素监测并将多项监测结果协同分析从而对流域泥石流发生概率加以测算并对测算结果加以利用的技术构思。在该构思下开发的流域泥石流多要素协同监测预警方法、流域泥石流多要素协同监测预警方法均能克服现有技术的缺陷，将对泥石流及环境多要素监测的价值在泥石流发生评估中予以融合并体现，实现真正意义上的流域泥石流多要素协同监测预警。
附图说明
图1是流域泥石流多要素协同监测预警方法流程示意图。
具体实施方式
下面结合附图，对本发明的优选实施例作进一步的描述。
实施例一
如图1所示，用本发明方法测算白鹭溪泥石流流域的泥石流发生概率，并实施流域泥石流监测预警。
图1是流域泥石流多要素协同监测预警方法流程示意图。
1、监测区M及现场调查
以重庆市白鹿镇的白鹭溪泥石流流域为监测区，完成白鹭溪流域现场调查，收集各项基本资料数据，重点调查流域内居民聚居区/点，利用遥感或无人机探明流域主沟出山口（所有支沟的最终汇口）及其下游流通区、堆积区，探明流域内支沟及其汇口位置（即出山口点位），查明流域内易发泥石流的支沟。
步骤S2、监测硬件布置方案
对于整个白鹭溪流域，在白鹭溪流域上游区（物源区）布置雨量站。根据居民分布情况，选择在主沟出山口下游与堆积扇之间的流通区设置泥位监测断面P，泥位监测断面P布置泥位计。
监测断面P处：汇水面积为18.75km2，沟床坡降J＝0.0463。沟道比较顺直，一侧修建挡墙，挡墙高度h 1 ＝1.80m，沟道为U形断面，宽度B＝10.1m。
3、测算白鹭溪流域内降雨量指标与泥石流发生概率对应关系R r
本实施例以前期雨量A r 作为降雨量指标，采用ZL 2018107475705的方法测算白鹭溪流域在不同前期雨量A r ′（分别取值20 mm、50 mm、80 mm）条件下的I-D曲线阈值I=δD β ，结果如下。
表1白鹭溪流域不同A r ′条件下混合物容重ρ及I-D曲线阈值
Figure 709344DEST_PATH_IMAGE002
表1结果显示，在不同前期雨量A r ′条件下，白鹭溪流域内形成的水土耦合混合物容重ρ变化区间[ρ]＝1.2g/cm3～2.3g/cm3。利用ZL2012101934264技术能够确定ρ变化与泥石流发生概率及泥石流预警等级间对应关系R r 如表2（自ZL2012101934264中表1）。
表2混合物容重—泥石流发生概率及泥石流预警等级关系表
Figure DEST_PATH_IMAGE004AA
4、测算断面P处泥位指标与泥石流发生概率对应关系R n
本实施例以泥石流流深H n 作为泥位指标，采用地表水汇水原理利用现有技术（如张远瞩等，泥石流流量计算方法研究，《乐山师范学院学报》2004年第19卷第5期）测算断面P在不同设计暴雨频率p（p=1%、p=2%、p=5%、p=10%、p=20%）条件下所能形成的泥石流峰值流量Q c 。再根据各Q c 与断面P的形态数据依式1、式2计算确定对应的泥石流流深H n 。将设计暴雨频率p（%）对应泥石流发生频率（%），则得到断面P处泥石流流深H n 与泥石流发生概率对应关系R n ，见表3。
表3不同设计暴雨频率对应的泥石流峰值流量与泥石流流深
Figure 54612DEST_PATH_IMAGE005
由于断面P处有泥石流拦挡墙（h 1 ＝1.80m），所以需要调整表3部分数据。拦挡墙代表了该处实际的防灾要求。由于测算所得泥石流流深H n ＝2.88m~3.94m远大于h 1 ＝1.80m，因而需要表3中p n ＝100%时对应H n 调整为1.8m。
将断面P处p n ＝100%时对应的H n 调整为1.8m后导致原依法测算所得的（表3）H n 预警范围低限值（p n ＝0～20%）2.88m失去意义。这表明，在断面P处，根据实际情况需要重点防范的灾害对象不仅是泥石流，还包括其它类型的异常流体，因而本实施例引入不同设计频率暴雨条件下断面P处的径流流深H f 作为断面P处泥位/流深监测阈值。具体方法是：采用中国公路科学研究所提出的经验公式（李三明等，泥石流特征值的计算与确定——以四川省石棉县出路沟泥石流为例，《资源环境与》，2010,24(03)）测算不同设计频率暴雨条件下地表水汇水峰值流量Q p ，再依式3计算径流流深H f 。式3中，n为糙率系数（通过查表确定），B、J含义与式1、式2相同。得到不同设计频率暴雨对应面断面P处径流流深H f 计算结果。同样将设计暴雨频率p（%）对应泥石流发生频率（%），得到表4。
H f =(Q p *n)/(B*√J)0.6 式3
表4断面P处不同设计频率暴雨对应的径流流深
Figure 796303DEST_PATH_IMAGE007
对于断面P处，将p n ＝0～20%时对应的H f ＝0.63m作为预警下限值，将1.8m作为预警上限值，将0.63m～1.8m区间等分为4段，则得到实际在断面P处需要设置的不用泥石流发生概率p n 所对应的流深监测值。
最终得到断面P处泥位指标与泥石流发生概率对应关系R n ，表5。
表5（泥石流）流深—泥石流发生概率及泥石流预警等级关系表
<i>H</i><sub><i>n</i></sub>（m） <i>H</i><sub><i>n</i></sub>（m） <i>H</i><sub><i>n</i></sub>（m） <i>H</i><sub><i>n</i></sub>（m）
断面<i>P</i><sub><i>1</i></sub> 0.63~0.92 0.92~1.22 1.22~1.51 1.51~1.80
泥石流发生概率<i>p</i><sub><i>n</i></sub>/% 20～40 40～60 60～80 80～100
泥石流预警等级 蓝色，4级 黄色，3级 橙色，2级 红色，1级
5、确定断面P处泥石流发生协同概率p ob
依照多要素协同概率规则（表6）确定断面P处泥石流发生协同概率p ob 。
表6 流域泥石流发生多要素协同概率规则
雨量－泥石流发生概率<i>p</i><sub><i>r</i></sub> 流深－泥石流发生概率<i>p</i><sub><i>n</i></sub> 出山口泥石流发生概率<i>p</i><sub><i>h</i></sub> 流域泥石流发生协同概率<i>p</i><sub><i>ob</i></sub> 流域泥石流预警级别
≥20% <20% 20%～40% ＝<i>p</i><sub><i>r</i></sub>*<i>p</i><sub><i>h</i></sub>，<i>p</i><sub><i>r</i></sub>与<i>p</i><sub><i>h</i></sub>分别取值概率区间右边界 蓝色，4级
<20% ≥20% 40%～60% ＝<i>p</i><sub><i>n</i></sub>*<i>p</i><sub><i>h</i></sub>，<i>p</i><sub><i>n</i></sub>与<i>p</i><sub><i>h</i></sub>分别取值概率区间右边界 黄色，3级
≥20 [20%, 60%] 60%～80% ＝<i>p</i><sub><i>h</i></sub><i>*max</i><sub><i> (</i></sub><i>p</i><sub><i>r, </i></sub><i>p</i><sub><i>n)</i></sub>，<i>p</i><sub><i>r</i></sub>、<i>p</i><sub><i>n</i></sub>、<i>p</i><sub><i>h</i></sub>分别取值概率区间右边界 橙色，2级
≥20% ≥60% 80%～100% ＝<i>p</i><sub><i>n</i></sub>，<i>p</i><sub><i>n</i></sub>取值概率区间右边界 红色，1级
6、泥石流监测预警
根据实时降雨数据/预报降雨数据，分别结合对应关系R r 与对应关系R n 测算得到实时降雨/预报降雨条件下的p r 、p n ，再依表6规则确定p h 、测算p ob ，最终确定不同降雨条件下流域泥石流预警级别，必要时发出警示信息。
根据表1已能确定不同降雨条件下白鹭溪流域内所能形成的混合物容重ρ变化区间[ρ]。则在实时监测预警过程中，根据泥石流实时容重变化能够确定泥石流灾情大致进程信息。该信息亦可加入必要时发出的泥石流警示信息中。
7、结果验证
根据野外踏勘以及监测数据显示，2021年9月20日～2021年9月25间，重庆市白鹭溪镇连续多日持续强降雨。模型在9月25日下午15:00发布了泥石流黄色预警，白鹭溪泥石流沟的支沟—杨家湾在下午15:35分发生了泥石流，本模型成功预警。模型发出黄色预警的依据是：根据现有计算公式计算出9月25日的前期雨量A r 约为45.7mm，与表1中的A r 接近。故而，模型会选取表1中与A r ＝50mm条件的I-D阈值曲线进行预警。
在对实时监测的降雨过程进行对比的过程中，发现9月25日下午15:00，实况监测的降雨强度I与历时D介于表1A r ＝50mm组中ρ＝2.0g/cm3与ρ＝2.3g/cm3两条曲线之间。按照表2，I-D雨量阈值模型发布红色预警，p r 介于(80%, 100%]；整个白鹭湾泥石流沟含有7条支沟，该次泥石流发生在杨家湾支沟，泥石流堆积在杨家湾与主沟的交汇处，并没有冲到白鹭溪沟的出山口位置，因此监测断面处泥位计并没有发布预警信息，即泥位的预警概率p n <20%。按照表6约定的规则，出山口的泥石流概率值p h =40%，且p r 取值右边界为100%，故模型计算的最终泥石流协同概率p ob =p r *p h =40%，模型发布黄色预警。预警结果与实际泥石流发生的情况相符。

Claims (10)

1.流域泥石流发生协同概率测算方法，其特征在于：
步骤S1、以泥石流流域作为监测区，记为M，完成M现场调查；
步骤S2、监测硬件布置方案：在M内物源区布置雨量站，在M内雨量站下游设置泥位监测断面P，泥位监测断面P布置泥位计；
步骤S3、根据M现场调查数据测算M内降雨量指标与泥石流发生概率对应关系R r 、测算断面P处泥位指标与泥石流发生概率对应关系R n ；
步骤S4、根据实时降雨数据/预报降雨数据与对应关系R r 测算实时降雨/预报降雨条件下泥石流发生概率p r ，根据实时/预报泥位数据与对应关系R n 测算实时/预报泥位条件下泥石流发生概率p n ；
步骤S5、依多要素协同概率规则确定M的出山口泥石流发生概率p h 、流域泥石流发生协同概率p ob ，所述多要素协同概率规则为：
若p r ≥20%且p n <20%，则p h ＝20%～40%，p ob =p r *p h ，p r 与p h 分别取值概率区间右边界，
若p r <20%且p n ≥20%，则p h ＝40%～60%，p ob =p n *p h ，p n 与p h 分别取值概率区间右边界，
若p r ≥20%且p n ＝20%～60%，则p h ＝60%～80%，p ob =p h *max(p r, p n )，p r 、p n 、p h 分别取值概率区间右边界，
若p r ≥20%且p n ≥60%，则p h ＝80%～100%，p ob =p n ，p n 取值概率区间右边界，
所述泥石流发生协同概率p ob 是泥位监测断面P处的泥石流发生概率。
2.利用权利要求1所述的流域泥石流发生协同概率测算方法实现的流域泥石流多要素协同监测预警方法，其特征在于：确定泥石流预警流域后，以预警流域作为监测区M，将泥位监测断面P设置在M内泥石流灾害重点监测预警处，执行流域泥石流发生协同概率测算方法，测算出泥石流发生协同概率p ob 后发布泥石流预警信息。
3.根据权利要求1所述的测算方法或权利要求2所述的预警方法，其特征在于：所述步骤S3中，测算M内降雨量指标与泥石流发生概率对应关系R r 时，降雨量指标采用前期雨量A r ，测算方法为：确定水文模拟计算的前期雨量A r ′，构建M在各前期雨量A r ′条件下泥石流发生降雨I-D曲线阈值I=δD β ，根据构建I-D曲线阈值过程沿时间序列试算所得M内水土耦合混合物容重ρ，确定各A r ′条件下M中能够耦合形成的混合物容重ρ变化区间[ρ]，依据[ρ]确定M内前期雨量A r 与泥石流发生概率对应关系R r 。
4.利用权利要求3所述的预警方法，其特征在于：记录各A r ′条件下M中能够耦合形成的混合物容重ρ变化区间[ρ]，在监测预警过程中，根据泥石流实时容重变化确定泥石流灾情进程信息，并加入发布的泥石流预警信息。
5.根据权利要求1所述的测算方法或权利要求2所述的预警方法，其特征在于：所述步骤S3中，测算断面P处泥位指标与泥石流发生概率对应关系R n 时，泥位指标采用泥石流流深H n ，测算方法为：利用现场调查数据测算在不同设计暴雨频率p条件下泥石流峰值流量Q c ，依式1、式2计算Q c 对应的泥石流流深H n ，以p作为泥石流发生概率，由此确定泥石流流深H n 与泥石流发生概率对应关系R n ；
U=2.1Q c 0.33 *J 0.33 式1
H n =Q c /(UB) 式2
式中，U—泥石流流速，单位m/s，
Q c —泥石流峰值流量，单位m3/s，利用现有技术测算，
J—泥位监测断面P处沟床坡降，%，现场调查确定，
H n —泥石流流深，单位m，
B—泥位监测断面P处宽度，单位m，现场调查确定。
6.根据权利要求1所述的测算方法或权利要求2所述的预警方法，其特征在于：所述泥位监测断面P设置在流域出山口或流域出山口与下游堆积扇之间的流通区。
7.权利要求1、3、5、6任一所述的流域泥石流发生协同概率测算方法在流域泥石流监测预警中的应用。
8.根据权利要求2、3、4、5、6任一所述的流域泥石流多要素协同监测预警方法，其特征在于：对于每一监测断面P，采用现场调查数据对调整测算所得断面P处泥位指标与泥石流发生概率对应关系R n 加以调整，调整原则是参考断面P处泥石流历史痕迹和/或防治工程特征重新确定p n 的低限和/或高限所对应的泥位/泥深阈值。
9.根据权利要求2、3、4、5、6任一所述的预警方法，其特征在于：若监测断面P处的预警灾害对象还包括灾害性流体形成之前的径流水位抬高的清水流，则采用相同设计暴雨频率p下的径流水位指标替代关系R n 中各泥位指标。
10.根据权利要求9所述的预警方法，其特征在于：径流水位指标选取径流流深H f ，依式3计算确定，
H f =(Q p *n)/(B*√J)0.6 式3
式中，H f —径流流深，单位m，
Q p —地表水汇水峰值流量，单位m3/s，利用现有技术测算，
n—糙率系数，现场调查确定，
J—泥位监测断面P处沟床坡降，%，现场调查确定，
B—泥位监测断面P处宽度，单位m，现场调查确定。
CN202210044542.3A 2022-01-14 2022-01-14 泥石流概率测算方法、泥石流多要素协同监测预警方法 Active CN114511990B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210044542.3A CN114511990B (zh) 2022-01-14 2022-01-14 泥石流概率测算方法、泥石流多要素协同监测预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210044542.3A CN114511990B (zh) 2022-01-14 2022-01-14 泥石流概率测算方法、泥石流多要素协同监测预警方法

Publications (2)

Publication Number Publication Date
CN114511990A true CN114511990A (zh) 2022-05-17
CN114511990B CN114511990B (zh) 2023-08-11

Family

ID=81549488

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210044542.3A Active CN114511990B (zh) 2022-01-14 2022-01-14 泥石流概率测算方法、泥石流多要素协同监测预警方法

Country Status (1)

Country Link
CN (1) CN114511990B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083115A (zh) * 2022-06-14 2022-09-20 成都理工大学 一种降雨与温度升高共同作用诱发的泥石流预警方法
CN116245283A (zh) * 2023-03-08 2023-06-09 北京七兆科技有限公司 弃渣场次生灾害风险评估方法、装置、设备及存储介质
CN116597618A (zh) * 2023-07-18 2023-08-15 深圳市天工测控技术有限公司 基于北斗高精度定位的山体滑坡监测及预警系统

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002208075A (ja) * 2001-01-12 2002-07-26 Toshiba Corp 土石流発生予知方法及び装置
JP2007035017A (ja) * 2005-02-16 2007-02-08 Yamaguchi Univ 防災事業計画支援システム
CN102013150A (zh) * 2010-09-28 2011-04-13 浙江工业大学 基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统
CN102354348A (zh) * 2010-12-16 2012-02-15 南京大学 流域尺度土壤湿度遥感数据同化方法
CN102902870A (zh) * 2012-06-13 2013-01-30 中国科学院水利部成都山地灾害与环境研究所 一种基于流域水土耦合的泥石流预报方法
CN103453944A (zh) * 2013-09-06 2013-12-18 中国科学院、水利部成都山地灾害与环境研究所 泥石流起动临界清水流量测算方法及起动监测方法
CN104111091A (zh) * 2014-07-18 2014-10-22 中国科学院、水利部成都山地灾害与环境研究所 一种泥石流力学参数监测系统及泥石流预警系统
CN106128035A (zh) * 2016-06-30 2016-11-16 西安工程大学 基于神经网络和多参数信息融合的地质灾害预报方法
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
CN106652361A (zh) * 2017-03-16 2017-05-10 中国科学院、水利部成都山地灾害与环境研究所 基于雨量‑概率的泥石流预警方法
CN108021764A (zh) * 2017-12-15 2018-05-11 四川建筑职业技术学院 一种冰川泥石流起动流深的计算方法
CN109118718A (zh) * 2018-07-09 2019-01-01 中国科学院、水利部成都山地灾害与环境研究所 泥石流发生降雨i-d曲线阈值构建方法、流域泥石流预警方法
CN110599001A (zh) * 2019-08-22 2019-12-20 广州地理研究所 一种泥石流流域系统的泥石流危险性评估方法及装置
CN110955952A (zh) * 2019-04-23 2020-04-03 中国科学院、水利部成都山地灾害与环境研究所 一种多尺度泥石流危险性评价方法
CN112037474A (zh) * 2020-09-08 2020-12-04 中国科学院、水利部成都山地灾害与环境研究所 多传感器层次化泥石流监测预警方法、系统、计算机设备

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002208075A (ja) * 2001-01-12 2002-07-26 Toshiba Corp 土石流発生予知方法及び装置
JP2007035017A (ja) * 2005-02-16 2007-02-08 Yamaguchi Univ 防災事業計画支援システム
CN102013150A (zh) * 2010-09-28 2011-04-13 浙江工业大学 基于雨强、斜坡土壤含水量和形变量的地质灾害预测系统
CN102354348A (zh) * 2010-12-16 2012-02-15 南京大学 流域尺度土壤湿度遥感数据同化方法
CN102902870A (zh) * 2012-06-13 2013-01-30 中国科学院水利部成都山地灾害与环境研究所 一种基于流域水土耦合的泥石流预报方法
CN103453944A (zh) * 2013-09-06 2013-12-18 中国科学院、水利部成都山地灾害与环境研究所 泥石流起动临界清水流量测算方法及起动监测方法
CN104111091A (zh) * 2014-07-18 2014-10-22 中国科学院、水利部成都山地灾害与环境研究所 一种泥石流力学参数监测系统及泥石流预警系统
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
CN106128035A (zh) * 2016-06-30 2016-11-16 西安工程大学 基于神经网络和多参数信息融合的地质灾害预报方法
CN106652361A (zh) * 2017-03-16 2017-05-10 中国科学院、水利部成都山地灾害与环境研究所 基于雨量‑概率的泥石流预警方法
CN108021764A (zh) * 2017-12-15 2018-05-11 四川建筑职业技术学院 一种冰川泥石流起动流深的计算方法
CN109118718A (zh) * 2018-07-09 2019-01-01 中国科学院、水利部成都山地灾害与环境研究所 泥石流发生降雨i-d曲线阈值构建方法、流域泥石流预警方法
CN110955952A (zh) * 2019-04-23 2020-04-03 中国科学院、水利部成都山地灾害与环境研究所 一种多尺度泥石流危险性评价方法
CN110599001A (zh) * 2019-08-22 2019-12-20 广州地理研究所 一种泥石流流域系统的泥石流危险性评估方法及装置
CN112037474A (zh) * 2020-09-08 2020-12-04 中国科学院、水利部成都山地灾害与环境研究所 多传感器层次化泥石流监测预警方法、系统、计算机设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘敦龙等: ""基于水土耦合的泥石流预报系统设计与实现"", 《计算机工程与设计》, vol. 35, no. 10, pages 3667 - 3673 *
贾三满: ""北京山区泥石流预警阈值初步研究"", 《城市地质》, vol. 11, no. 03, pages 1 - 7 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115083115A (zh) * 2022-06-14 2022-09-20 成都理工大学 一种降雨与温度升高共同作用诱发的泥石流预警方法
CN115083115B (zh) * 2022-06-14 2023-11-03 成都理工大学 一种降雨与温度升高共同作用诱发的泥石流预警方法
CN116245283A (zh) * 2023-03-08 2023-06-09 北京七兆科技有限公司 弃渣场次生灾害风险评估方法、装置、设备及存储介质
CN116245283B (zh) * 2023-03-08 2024-05-07 北京七兆科技有限公司 弃渣场次生灾害风险评估方法、装置、设备及存储介质
CN116597618A (zh) * 2023-07-18 2023-08-15 深圳市天工测控技术有限公司 基于北斗高精度定位的山体滑坡监测及预警系统
CN116597618B (zh) * 2023-07-18 2023-10-10 深圳市天工测控技术有限公司 基于北斗高精度定位的山体滑坡监测及预警系统

Also Published As

Publication number Publication date
CN114511990B (zh) 2023-08-11

Similar Documents

Publication Publication Date Title
CN114511990A (zh) 泥石流概率测算方法、泥石流多要素协同监测预警方法
KR101808127B1 (ko) 도심지 지반함몰 위험도 평가방법
CN115471078B (zh) 一种基于城市水务系统的洪涝风险点评估方法及装置
CN115391712A (zh) 一种城市洪涝风险预测方法
CN111062125B (zh) 海绵型综合管廊水文效应评估方法
CN113409550B (zh) 基于径流汇流模拟的泥石流灾害预警方法及系统
Kourgialas et al. Development of a thresholds approach for real‐time flash flood prediction in complex geomorphological river basins
CN113987810A (zh) 一种流域尺度下暴雨洪水的数值预报方法
CN114139258A (zh) 城市内涝建模评估方法、系统及计算机可读存储介质
CN116306340A (zh) 一种模拟不同工况下的城市内涝风险分布的方法
King et al. Curve numbers for golf course watersheds
WO2022264422A1 (ja) 雨天時浸入水率推定装置、雨天時浸入水率推定方法、及びプログラム
Game et al. Flood modelling for a real-time decision support system of the covered Lower Paillons River, Nice, France
Turab et al. Optimal selection of number and location of meteo-hydrological monitoring networks on vu gia–thu bon river basin using GIS
Popovska et al. Storm sewer system analysis in urban areas and flood risk assessment
Chen et al. Optimal design of stepped bioretention cells for slopes
Li et al. The compound effect of spatial and temporal resolutions on the accuracy of urban flood simulation
Abbasizadeh et al. Development of a coupled model for simulation of urban drainage process based on cellular automata approach
Calvo et al. Real-time flood forecasting of the Tiber river in Rome
Yang et al. Screening of representative rainfall event series for long-term hydrological performance evaluation of grassed swales
CN113887053A (zh) 一种面向管网水流计算的市政排水资料质量评估方法及系统
Liaw et al. ASSESSING FLOOD MITIGATION ALTERNATIVES IN SHIJR AREA IN METROPOLITAN TAIPEI 1
Méndez-Antonio et al. Weather radar data and distributed hydrological modelling: An application for Mexico Valley
Sun Hydrologic and hydraulic model development for flood mitigation and routing method comparison in Soap Creek Watershed, Iowa
Goyen Spatial and temporal effects on urban rainfall/runoff modelling

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