基于降雨频率的泥石流危险性评价研究

， ， ，

(1.中国建筑西南勘察设计研究院有限公司，成都 610052；2.成都理工大学 a.地质灾害防治与 地质环境保护国家重点实验室；b.地球科学学院，成都 610059)

基于降雨频率的泥石流危险性评价研究

王毅1，2a，唐川2a，何楚2b，龚凌枫2a

(1.中国建筑西南勘察设计研究院有限公司，成都 610052；2.成都理工大学 a.地质灾害防治与 地质环境保护国家重点实验室；b.地球科学学院，成都 610059)

以强震区四川省汶川县为典型研究区，采用GIS技术与层次-信息量模型相结合的方法，针对震区震后特殊的地质环境，首先，选取了6类影响物源敏感性的因子(坡度、高程、距水系距离带、断层影响带、地震烈度、岩土体类型)，对形成泥石流的最重要影响因素物源进行敏感性分析，生成汶川县滑坡敏感性评价图，将其归化至泥石流流域中，计算出泥石流敏感性，并分别在100 a一遇和50 a一遇2种不同降雨频率的影响下分析其泥石流危险性。最终，利用ArcGIS空间分析功能生成高、中、低3级危险性区划图，从而确定在不同降雨下需要重点监测与防治的泥石流沟道。

泥石流；降雨频率；层次-信息量模型；GIS；危险性评价

1 研究背景

汶川地震对境内的地质环境造成了剧烈的冲击，导致震区泥石流流域内发生大量崩塌、滑坡, 为泥石流的暴发提供了相当丰富的物源条件，特别在震后汛期，汶川县多次暴发群发性泥石流灾害，给震区的县市人民财产安全造成巨大损失。

为减轻泥石流灾害造成的损失，众多国内外学者采用不同方法对泥石流危险性评价进行了较多的研究。在国内，谭炳炎于1986年最早分析了泥石流灾害的严重程度[1]；唐川[2]在1994年开展对泥石流堆积扇危险度的评价工作，利用数值模拟对泥石流堆积扇进行危险性分区；并在1996年，将暴雨泥石流的影响因素和地面活动特征进行综合考虑，对泥石流进行危险度评价；1993年刘希林等[3]以灰色关联度理论为基础模型，分析泥石流的危险度，实现量化计算泥石流危险度的可能性；1995年刘丽等[4]运用模糊综合评判法，评价了云南昭通滑坡、泥石流的危险度，得到了较好的效果。随着科技的进步、GIS技术的发展，唐川等[5-6]、李雅辉等[7]将GIS技术手段运用到泥石流危险评价中去，从新角度开展泥石流分析评价研究工作；2017年，王毅等[8]将GIS技术与模糊数学等数学模型相融合，对泥石流的敏感性进行了分析，得到的结果与实际调查吻合。

国外对泥石流危险性的相关研究开展的也较早。1997年，CURDEN DM发表关于滑坡风险管理的文章[9]，为泥石流危险性分析提供了方法引导;2003年，Corominas等[10]介绍了滑坡、泥石流等灾害的危险性分析;1988年，高桥保等[11]从泥石流堆积厚度与对房屋的损害程度入手，探讨了泥石流危险性的相关内容。然而，对于区域性的不同时间频率影响下的泥石流灾害方面研究较少。为弥补此方面的空缺，本文将对区域不同降雨频率下的泥石流危险性评价方法进行研究。

通过对研究区野外的实地调查发现，地质灾害的性质相对于震前有了根本性的变化，如滑坡发生数量与频率长期保持较高的水平，且由以滑坡为主要灾害转变为以泥石流为主要灾害，这主要取决于地震发生了大量的滑坡并堆积于沟道之中，为泥石流提供了大量的物源，使泥石流灾害相比震前规模更大，且以群发性为主；由于灾害本身隐蔽性与突发性强等原因，使得预警难以达到良好效果。

基于当前此种特殊状态，本文从不同的时间概率出发，在GIS技术的支持下，运用层次-信息量模型求出其泥石流敏感性，并通过《四川省中小流域暴雨洪水计算手册》相关公式，推导出研究区2%和1% 2种降雨频率下的年最大日降雨量，分析其在不同降雨频率下泥石流的危险性，为减灾防灾工作提供了更为全面的决策信息支撑。

2 研究区概况

汶川县是川西北高原和成都平原之间的交通要道，地处我国西南地区的四川盆地西北部边缘，隶属于阿坝藏族羌族自治州，地理坐标为30°45′N—31°43′N与102°51′E—103°44′E，全县面积4 085 km2。境内以高中山地貌为主，且地势呈西北-东南倾斜，山脉构成了全县地形的主要骨架，龙门山脉控制了汶川县东北部地形，邛崃山系控制了汶川县西南部的地形，境内相对高差悬殊巨大，地形较为复杂。

县内主要发育着2大断裂带：茂汶断裂带和北川—映秀断裂带。茂汶断裂带是一条北东走向的压性大断裂，是龙门山构造带发震断裂之。北川—映秀断裂带是一条压扭性斜冲大断层，是汶川地震的发震断裂。汶川县境内北川—映秀断裂中的次级断裂构造规模大，呈北东向，平行于主断裂展布。地层在汶川县境内发育较为完整，但是汶川县域地质构造复杂，岩性及工程地质岩组特性空间变化复杂，第四纪松散堆积物及强风化岩浆岩在该区域呈广泛分布，地质灾害孕育条件充足。加之汶川地震的影响，使得地质环境极为脆弱，崩塌、滑坡极度发育。由此可见，对该区域进行泥石流危险性评价具有十分重要的现实意义。

3 评价方法

3.1 评价方法的选择及模型的建立

由于地质灾害本身的复杂性和不确定性等特点，当前众多研究学者并没有给出对地质灾害危险性评价方法确定的定义。但是国内外学者普遍认为地质灾害危险性由时间概率和空间概率这2个因子共同决定。时间概率是指地质灾害受诱发因素(降雨、地震等)的影响而发生的重现周期；空间概率是指受时间概率影响的区域滑坡发生的概率，即敏感性。基于上述阐述，本文拟采用“危险性=敏感性×频率”的分析模型，来对全县泥石流危险性进行综合预判，即

H=S·P(x1,x2…，xn) 。

(1)

式中:H表示研究区泥石流灾害的危险性;S表示研究区泥石流敏感性；P(x1，x2，xn)则表示在不同的动态因子影响下的地质灾害频率。

根据上文提到的危险性评价模型，首先，需对汶川县全县崩滑体进行敏感性分析，然后将全县敏感性分析结果归化到各个泥石流流域中，生成泥石流敏感性图，并在泥石流敏感性分析结果的基础上考虑不同的时间频率因素，运用式(1)来对全县泥石流进行不同时间频率下的危险性评判。

本文用层次-信息量模型对全县的崩滑体进行敏感性分析。层次-信息量模型是将层次分析法和信息量模型有机的结合起来，引入了综合信息量值，使主观分析结合客观实际，从而更真实地反映实际区域灾害的敏感性。具体模型如下：

(2)

式中:Iij表示因子xi内j级别对地质灾害的发生所贡献的综合信息量值；A(xi)为因子xi的权重；Nij表示地质灾害分布在因子xi内j级中的单元数;N表示研究区内地质灾害所具有的单元总数;Sij表示研究区内具有因子xij的单元总数或面积;S表示研究区内所有评价单元总数或面积。

当Iij>0时，该评价单元内发生灾害的可能性高于区域的平均水平；Iij<0时，该评价单元内发生灾害的可能性低于区域的平均水平。Iij值越大表示该环境越趋于滑坡灾害的发生。

3.2 评价指标体系的构建

(1) 评价单元划分。本文利用GIS技术进行泥石流在不同降雨频率下的危险性评价时，需要对评价单元进行合理划分。因为评价单元划分的不同，将导致不同的分析和操作，评价单元的划分对泥石流灾害敏感性评价极其重要。国内外学者将评价单元分为5种类型:栅格单元、地貌单元、均一条件单元、地形单元及流域单元[12-13]。对于泥石流而言，其发生发展过程与山区的地形地貌有着十分密切的关联。因此，为了在泥石流危险性评价过程能充分考虑其物源对泥石流暴发的推动作用，提高评价的可靠性，笔者将栅格单元与流域单元相结合[14-15]，对汶川县160条泥石流沟的物源进行危险性评价研究。

(2) 评价因子的选取。评价因子是衡量评价对象某种特性的基本尺度。因此,在选取评价因子时，应该尽量选取有代表性的相互独立的评价指标，结合本研究区域的实际情况及GIS空间分析工具的可视化、可靠性和可行性等特点。本文重点选取了影响泥石流敏感性的6个因子：坡度C1、高程C2、水系影响带C3、断裂影响带C4、地震烈度C5、地层岩性C6。时间频率因子则根据研究区内现有的许多水文观测站及《四川省中小流域暴雨洪水计算手册》，选用皮尔逊Ⅲ(P-Ⅲ)分布函数统计方法，对全部站点进行频率分析，推导出研究区2%和1% 2种降雨频率下的年最大日降雨量，分析其在不同降雨频率下泥石流的危险性。

(3) 评价等级划分。根据研究区泥石流的发育状况，并参照前人研究成果[5-6]，将泥石流危险性划分为低危险、中危险、高危险3个等级,从而确定需要重点监测与防治的泥石流沟道。

3.3 评价因子权重的确定

在泥石流危险性评价过程中因子权重的确定是整个评价过程中不可或缺的重要环节，它关系到评价结果是否符合实际情况。本研究采用层次分析法(AHP)确定各评价因子的权重。

根据前文对评价因子的选取及分类，建立泥石流危险性分析模型(图1)。

图1 泥石流危险性层次结构分析模型Fig.1 Hierarchical model for debris flow hazard analysis

4 泥石流物源敏感性评价

(1) 运用层次分析法确定泥石流物源敏感性各评价因子的权重。为了能更简便快捷地得到各因子的权重，根据图1构建的泥石流危险性评价层次结构分析模型，本文运用YAAHP层次分析软件来进行计算。最终得到汶川县泥石流物源敏感性评价指标的各因子对于上一层次的权重,如表1所示。

表1 敏感性因子(B1-C)权重Table 1 Weights of sensitive indicators(B1-C)

注：C1为坡度因子；C2为高程因子；C3为距水系距离因子；C4为岩土体类型因子；C5为断裂影响带因子；C6为地震烈度因子；Wi为指标权重

(2) 层次-信息量模型的计算。根据前文对泥石流敏感性模型的介绍，因子的分析及其各因子权重的确定，需要先对物源因子进行敏感性评价。根据研究区崩滑体影响因素的特点，结合实际情况和前人的研究成果[10-14]，将6种主要影响因素进一步细分为28个分级，为层次-信息量法评价敏感性权重提供指标。

利用GIS平台，将各个影响因素按照敏感性要求进行重分类，结合当地地质灾害分布情况，将每个分级数据代入式(2)， 将得到各类别的信息量值[16](表2)。

由此根据所计算的综合信息量值，利用GIS空间分析工具获取全县崩滑体敏感性评价图并做归一化处理使数值都保持在0～1之间，具体如图2(a)。并将其归纳均化到各个泥石流流域中，得到泥石流敏感性评价图，具体如图2(b)。

5 危险性评价及结果分析

本文利用前文提到的“危险性=敏感性×频率”的模型，即危险性是在敏感性的基础上，以不同频率下的降雨作为时间动态因素，研究泥石流在不同时间概率下动态的危险性变化程度。根据上文求得的研究区泥石流敏感性评价图，利用GIS中的空间分析功能，最终得出研究区在2%和1% 2种频率下的泥石流危险性评价图。由于因子图件分析过程中，偶尔会出现像元值品质较低的连续性，划分区域时不清楚等问题，因此本文首先以自然断点法为根本，自动寻求像元值的变化突出界限值，然后人为寻找研究区滑坡敏感性图及降雨等值线图的像元变化点，最终划分研究区滑坡危险性评价分区图，见图3。

由图3(a)可知，50 a一遇降雨条件下，高危险性泥石流沟道数量占研究区泥石流总数量的35%，中危险性泥石流沟道数量占研究区泥石流总数量的28.13%，低危险性泥石流沟道数量占研究区泥石流总数量的36.87%。100 a一遇降雨条件下，高危险性泥石流沟道数量占研究区泥石流总数量的42.5%，中危险性泥石流沟道数量占研究区泥石流总数量的37.5%，低危险性泥石流沟道数量占研究区泥石流总数量的20%。

研究区内高危险性泥石流沟道数量随着降雨频率的增加而逐渐增多，由50 a一遇降雨条件下的56条增加至100 a一遇降雨条件下的68条，结合图3(a)和图3(b)可以看出，高危险性泥石流沟道主要分布在研究区内的岷江干流及渔子溪中下游沿岸。在行政区划上，50 a一遇降雨条件下，高危险性和较高危险性泥石流主要分布在银杏乡南部、耿达乡与映秀镇交界处、映秀镇和白花乡一带；100 a一遇降雨条件下，高危险性泥石流沟道主要分布在研究区的西部包括棉虒镇、银杏乡、草坡乡、映秀镇、漩口镇、水磨镇、三江乡、耿达乡和汶川县城下游附近。而中危险性的泥石流沟道则主要围绕着高危险性的泥石流分布，研究区的西部高山地区及汶川县城北部高山地区的泥石流危险性较低。

表2 评价因子信息量计算表

注：N为研究区崩滑体分布的单元总数；S为研究区评价单元总数；Ni为分布在因素xi内特定类别内的崩滑体单元数;Si为研究区内含有评价因素xi的单元数

图2 滑坡灾害和泥石流敏感性图Fig．2 Susceptibility of landslide and debris flow

图3 不同降雨条件下危险性分区Fig.3 Zoning of risk levels under different rainfall conditions

6 结 论

(1) 建立了一套较为完善的区域泥石流危险性评价技术方法，即“危险性=敏感性×频率”的模式，实现了不同频率下区域性泥石流的危险性评价。在研究区崩滑体及泥石流遥感解译及野外调研复核的基础上，以层次-信息量模型为物源敏感性分析模型，重点选取影响泥石流敏感性的6个因子，并将其细化为28个级别，分别计算出综合信息量值，利用GIS空间分析功能，绘制了研究区泥石流的敏感性分区图。

(2) 通过《四川省中小流域暴雨洪水计算手册》相关公式，推导出研究区32个雨量监测站点处不同降雨频率(2%,1%)下的年最大日降雨量，并利用Suffer软件绘制汶川县不同降雨频率年最大日降雨量等值线图。运用GIS技术，在泥石流敏感性评价结果基础上，考虑2种不同降雨频率年最大日降雨量对汶川县泥石流灾害的影响，最终绘制出汶川县泥石流危险性评价图。

(3) 经野外现场调研，将泥石流危险性评价结果与实际灾害情况进行一致性对比，发现评价结果与泥石流沟暴发频率和规模基本一致，不同危险性分区的泥石流分别呈现了不同的实际情况。在不同频率下的高危险性泥石流沟里，地势地形陡峻，非常易于泥石流灾害的孕育，且在震后储备了大量松散物源物质，使其在降雨条件的诱发下危险性更高。其中以红椿沟、烧房沟、张家坪沟等为典型高频率暴发泥石流沟道，在50 a一遇及100 a一遇降雨条件下，其均为高危险性泥石流沟。评价结果为中度敏感度的泥石流沟，基本为已暴发过的沟道，但由于沟道地形地势形态与地震遗留下的物源储存量都各不相同，使得其泥石流活动频率与规模也有所差异。而在低敏感度的沟道中，部分沟道有发生过泥石流的历史背景，但近年来其活动较为稳定，也有沟道未发生过泥石流，沟道内物源体量少，植被丰富覆盖率较高。因此，基于不同降雨频率的方法对泥石流危险性评价的结果对该区域的泥石流防灾减灾具有实际指导意义。

[1] 谭炳炎. 泥石流沟严重程度的数量化综合评判[J ].水土保持通报, 1986,6(1):51-57.

[2] 唐 川. 泥石流堆积泛滥过程的数值模拟及其危险范围预测模型的研究[J].水土保持学报，1994, 8(1):45-50.

[3] 刘希林，唐 川. 中国山区沟谷泥石流危险度的定量判定法[J]．灾害学, 1993, 8(2):1-7.

[4] 刘 丽，王士革. 云南昭通滑坡泥石流危险度模糊综合评判[J]. 山地学报, 1995,13(4):261-266.

[5] 唐 川，朱大奎. 基于GIS技术的泥石流风险评价研究[J ]. 地理科学, 2002,7(3):300-304.

[6] 唐 川.云南怒江流域泥石流敏感性空间分析[J ]. 地理研究, 2005, 24(2):178-186.

[7] 李雅辉，杨武年，杨 鑫，等.基于流域系统的地貌信息熵泥石流敏感性评价[J]. 中国水土保持，2011,(1)：55-57.

[8] 王 毅，唐 川，李为乐，等. 基于GIS的模糊数学模型在泥石流敏感性评价中的应用[J].自然灾害学报，2017，26(1):19-26.

[9] EINSTEIN H H. Landslide Risk Systematic Approaches to Assessment and Management[M]∥CRUDEN D M, FELL R. Landslide Risk Assessment. Rotterdam: A. A. Balkema, 1997.

[10] COROMINAS J, RAMON C. Integrated Landslide Susceptibility Analysis and Hazard Assessment in the Principality of Andorra[J]. Natural Hazards, 2003, 30(3): 421-435.

[11] 高桥保，中川一，佐藤宏章.扇状地にぉける土砂泛滥灾害危险度の评价[J].京都大学防灾研究所年报，1988,31(B-2)：655-676.

[12] GUZZENTTI F, CARRARA A, CARDINALI M,etal. Landslide Hazrd Evaluation—A Review of Current Techniques and Their Applications in a Multi-scale Study in Central Italy[J]. Geomorphology, 1999, 31(1/4): 181-126.

[13] PARSIE M, JIBSON R W. A Seismic Landslide Susceptibility Rating of Geologic Units Based on Analysis of Characteristics of Landslide Triggered by the 17 Jannuary, 1994 Northridge CaliforniaEarthquake[J]. Engineering Geology, 2000, 58(3): 251-270.

[14] 杜国梁，高金川，胡新丽.基于GIS和组合赋权的崛县板达沟泥石流危险性评价[J].自然灾害学报，2014,23(4):235-241.

[15] 王晓朋，潘 懋，徐岳仁. 基于流域单元的泥石流区域危险性评价[J]. 山地学报，2006,26(2): 177-180.

[16] 李为乐，唐 川，杨武年，等. RS和GIS技术在县级区域泥石流危险区划中的应用研究——以四川省泸定县为例[J]. 灾害学，2008,23(2): 71-75.

Risk Assessment of Debris Flow Based on Rainfall Frequency

WANG Yi1,2, TANG Chuan2, HE Chu3，GONG Ling-feng2

(1.Chinese Southwest Architectural Design and Research Institute Co., Ltd., Chengdu 610052, China; 2.State Key Laboratory of Geohazard Prevention and Geoenvironment Protection, Chengdu University of Technology, Chengdu 610059, China; 3.College of Earth Sciences, Chengdu University of Technology，Chengdu 610059, China)

The risks of debris flow in Wenchuan County, Sichuan Province of China are assessed as a typical case study by a combination of GIS technology and hierarchy-information quantity model. According to the special geological condition after earthquake, six factors affecting the source materials of debris flow are selected (slope gradient, elevation, water system’s influence zone, earthquake intensity, fault’s influence zone, and type of rock soil mass) to analyze the susceptibility of the most important source materials. The susceptibility maps of landslide and debris flow in Wenchuan County are obtained. Furthermore, the risks of debris flows under 100-year rainfall and 50-year rainfall are analyzed respectively. Finally, the risk zoning maps are obtained in ArcGIS, and debris flow canals in need of monitoring and treatment are determined.

debris flow; rainfall frequency; hierarchy-information quantity model; GIS; risk assessment

2016-08-22;

2016-10-09

科技部科技基础性专项课题(2011FY110100)；中国地质调查局项目(12120113009900)；国家重点实验室团队项目(SKLGP2012Z002)

王 毅(1990-)，男，吉林梅河口人，助理工程师,硕士，研究方向为地质灾害风险评价、岩土体稳定性分析、遥感与GIS应用。E-mail:624844957@qq.com

10.11988/ckyyb.20160834

TU452

A

1001-5485(2018)01-0067-06

(编辑：王 慰)