基于敏感性制图和数值模拟的泥石流综合评价——以九绵高速公路沙尕沟为例

刘 勇， 白 皓*， 王海宇， 王武斌， 曾 楠

(1.四川高速公路建设开发集团有限公司， 成都 610041； 2.四川绵九高速公路有限责任公司， 江油 621799；3.西南交通大学陆地交通地质灾害防治技术国家工程实验室， 成都 611731)

随着四川高速公路路网向盆周山区延伸，项目建设面临的地质条件极其复杂，需要穿越高烈度地震区域、高频发地质灾害区域[1]，对项目方案选线、结构物选型都提出了极高的技术要求[2]，因此将地灾形成机制及提出相应措施进行研究是具有实际价值的。其中，泥石流属于一种极为典型的地质灾害，其暴发机制复杂、影响因素众多、危害性极大[3]。通过提取泥石流整个形成过程所涉及的一系列因子，可以综合评价分析区域泥石流的敏感性等级，从而对泥石流可能活动状况和潜在的发展趋势做出判断，以达到防治的目的[4]。

包括泥石流在内的地质灾害评价，中外学者尝试了包括模糊数学、突变理论、信息量模型、神经网络分析和层次分析法等多种数学理论[5]，这些模型可以将更加细致化、数量化的评价结果应用到泥石流中。例如，李桥等[5]提出基于粒子群优化算法和AdaBoost算法耦合的泥石流物源的评价方法，取得较高的预测精度，可满足实践需求。毛佳睿等[6]利用层次分析法对白龙江流域的泥石流进行易发性评价，考虑了多种影响因子，为该区域客观评价泥石流提供了详实的基础数据。Chen等[7]利用自适应神经模糊推理系统法对陕西滑坡灾害进行了建模和分析，最终模型表现出卓越的性能。此外，泥石流的冲出范围的数值模拟也是研究的焦点所在，例如，张奋翔等[8]对西藏若如村泥石流进行数值模拟，尤其是考虑了排导槽对公路的保护作用。王小军等[9]基于拦砂坝排泄孔优化进行泥石流的数值模拟研究，得到了良好的模拟效果。但上述研究均涉及的是较为单一的研究内容，如何将敏感性评价和数值模拟进行有效结合，以期更加合理和有效地讨论泥石流灾害的危险性尚待研究，因此，利用多种方法进行综合性评价泥石流在实践过程中有着重要的意义。

2020年8月中旬，在建的九绵高速公路项目九寨沟县勿角段和平武县白马段遭遇百年罕见的连续强降雨天气，引发区域性泥石流灾害，造成重大经济损失。为此，以九寨沟县勿角乡沙尕沟泥石流为研究对象，利用自适应神经模糊推理系统，进行多评价因子的泥石流敏感性评价，利用评价结果对泥石流冲出范围进行估计。以期评估九绵高速公路方案选线和跨越结构物选型的合理性和安全性。

1 工程概况

四川省九寨沟(甘川界)至绵阳公路项目LJ7合同段路线起于阿坝州九寨沟县勿角乡新阳村，沿汤珠河，穿越沙尕沟后，止于浦南村文县沟。研究区就位于九寨沟县阳山村的沙尕沟，水系为汤珠河的一级右支流。沟口往内约2.5 km段有机耕道沿沟通往沟内，再往沟内则只有山路可行。拟建高速公路路线位于该沟口往沟内约2 km处，拟以架设桥梁的形式跨越该泥石流沟谷。

根据钻孔揭露桥梁跨越段斜坡及沟道覆盖层厚度较大，现场调查发现跨越段泥石流沟谷冲蚀能力较强，因此桥梁下部采用主墩基础为6根直径2.0 m的钻孔灌注桩，而基础持力层直接作用于中风化的基岩之上。对于跨越沙尕沟主桥墩，采用了双薄壁的空心墩，桥梁上部左右线分别采用40+70+40(45+75+45) m连续钢构，以及三向的预制应力混凝土结构。而主梁的构筑则采用分幅的单箱单室式截面。

2 研究区泥石流发育特征

2.1 历史情况

据访问当地村民，沙尕沟曾多次发生泥石流，其中记录最清晰的是于1972、1989、2016年这三次较大规模的泥石流，泥石流所至之处铲刮携带有大量的松散物源并对沿岸造成侵蚀。受到2017年九寨沟的特大地震的影响，沙尕沟坡面的不稳定物源进一步增加，大量的岩土体材料被崩解至沟道内。在实地调查中及现场的无人机航拍图中，在沟渠中观察到各种类型的疏松材料，它们是泥石流的潜在来源。如图1(a)和图1(c)所示，河道两侧均可见松散的泥石流物源，厚度多在0.5 ～ 1.5 m。这些堆积物分层现象不明显，密实程度较低易被启动，且粒径大小混杂，无磨圆，块石岩性混杂，现场调查判断其为泥石流堆积物。此外，现场调查发现沟道内有丰富的坡积物一类的松散物源。如河道旁孤立的巨石，长轴可达1.3 m，暂判断为坡体的滚石。航拍图中解译多处小型滑坡[图1(b)]，这些滑坡和周围的地貌景物存在明显的色差，多呈条带状。由于岸坡陡立，破碎的基岩物质失稳倾泻而形成。以上调查说明沙尕沟岸坡可为泥石流提供丰富的物源。

图1 现场调查和无人机解译的沟谷内物源特征

2.2 地质地形情况

沙尕沟沿途出露的地层主要为泥盆系中统三合口组的灰岩夹少量砂板岩、第四系上更新统冰水堆积层、第四系全新统冲洪积层以及不同厚度的崩滑流的堆积层。从构造区域上划分，沙尕沟流域处于四川省的东北，属于高山侵蚀-剥露构造区。流域内海拔最高的山峰为右侧分水岭峰，高约3 680 m，沟谷最低的谷底约1 920 m，整体相对高差约1 760 m。由图2的沟谷形态图可见，沟谷整体上呈不对称的树叶状，流域面积约为25 km2，由条带状的AA′剖面可以看出，主沟至分水岭直线长度超过8 km，沟道整体顺直，中部略呈弯曲，整体纵坡降为116%。沙尕沟的支沟众多，呈发散状分布，这为泥石流汇聚水能和松散物源提供了条件。两侧岸坡较为陡立，局部坡度可达70°以上。主沟沟谷宽窄不均，一般宽30～50 m。

图2 研究区沙尕沟整体景貌及沿沟谷的条带状剖面

3 方法

为了建立对泥石流沟的评价系统，首先选择合适的评价因子，选择10个在泥石流评价应用较广的评价因子，然后利用逐步评估比率法确定各个因子每个类别的权重。最后自适应神经模糊推理系统及其优化模型被应用于泥石流评价中。

3.1 评价因子的选取

泥石流的启动和运移过程中，最主要的三个影响条件就是降雨量、物源和地形条件。由于研究区域范围较小，降雨量对流域内的泥石流敏感性较小，与之相关联的沟道汇水量则相对更加敏感。物源通常分为人工物源和天然物源，研究区内人类活动影响相对较小，天然物源的分布则受到地形、岩性、坡向等影响较大。因此在本研究中，主要依靠10个不同的因子对泥石流过程的敏感进行评价，包括应用较为广泛的岩性、高程、坡度、坡向和平面曲率和剖面曲率，以及4个基于水文计算的沉积物输运能力指数(sediment transport capacity index，STI)、地形湿度指数(topographic wetness index，TWI)、河流功率指数(stream power index，SPI)和地形特征指数(terrain characterization index，TCI)。

(1) 岩性对于泥石流的影响主要取决于其抗风化能力。岩体种类的差异导致产生物源也具有明显的差异。此外风化引起的固体颗粒大小也会影响泥石流的形成。不同粒径的泥石流形成条件不同，但不同粒径的泥石流源分选较差。泥石流的形态对泥石流的运移过程有重要影响。

(2)坡度是泥石流引发分析中最重要的参数，因此已被用来评估其对泥石流敏感性的影响。通常，较高的斜坡使斜坡破坏更容易发生。一般认为泥石流是在坡度值至少为15°的区域开始的。但在沟谷内松散物质丰富时这一起始条件会降低。

(3) 坡向对温度、降雨、风速、阳光、土壤类型等因子的都有着重要的响应，因此对泥石流松散物源分布，形成过程都有影响。

(4) 曲率是进一步探究坡度的形状的结果，可以计算数值高程模型(DEM)的二阶导数得到。曲率取值的变化往往代表着地表形态的凹凸变化过程，而且也可以用来解释流域的相关物理特质，包括水文侵蚀过程和汇流形成过程。此外，利用曲率值可以了解土壤不同的侵蚀模式和陆地水域的变化。通常，它包括剖面曲率和平面曲率两种。剖面曲率通常对水流的速度控制起到至关重要的作用，然后进一步去影响物质侵蚀和沉积，这对泥石流运动至关重要。平面曲率影响径流的汇聚作用和分散作用，是泥石流启动阈值的重要参数。

(5) 泥沙输送能力指数(STI)可以用来表示土壤损失的严重程度。该指数首先被引用于评价土壤流失和区域的土壤侵蚀(如通用土壤流失方程)，它的量化性能被中外学者广泛接受和应用，但也存在一些局限性。STI计算方法是Moore等[10]提出的基于汇水面积来估算STI因子，将STI看作局部坡度和汇水面积的函数，具体计算式如(1)所示。

(1)

式(1)中：As为单位轮廓宽度的流域贡献面积，m2/m；β为坡度，角度制；m和n分别为坡长和坡度因子，可以用来描述水文的影响，从而绘制地形对自然景观土壤侵蚀的影响，现取m=0.42，n=1.3。

(6)地形湿度指数(TWI)表达了区域水循环对地形特征的响应过程，前提条件是基于均匀的土壤(物质)性质和稳态条件的假设[11-12]。此外，河流功率指数(SPI)和地形特征指数(TCI)也被选择作为评价泥石流的影响因子。其计算公式分别如式(2)～式(4)所示：

(2)

SPI=ln(As×tanβ)

(3)

TCI=κlnAs

(4)

式中：κ为曲率。

3.2 自适应神经模糊推理系统

自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)是一种在解决非线性问题的高效而有力的方法。模糊推理系统可以基于模糊理论建立复杂的映射关系。这通常使得模糊推理系统非常适合表达模糊的经验和知识。在传统的神经网络方法中，输入输出变量之间的关系是通过数据训练和学习自动建立的。因此，自适应神经模糊推理系统模型综合两者算法的优点，可以实现对隐藏在数据中的逻辑规则的自动提取和挖掘[7,13]。

通常情况下，ANFIS模型包括5层：模糊化、模糊“与”运算、归一化、模糊推理和去模糊化(图3)。模糊化的目的是将输入值转换为模糊集。这个过程的结果是由各种成员函数驱动的，主要包括三角函数、梯形函数、高斯函数和钟形函数，分别如式(5)～式(8)所示。对于模糊“与”运算，安排几个固定节点来计算输入值的代数乘积，这些代数乘积基本上代表了规则的发射强度。在第三层，所有的发射强度值都在固定节点上进行归一化处理。在模糊推理阶段，应用线性方程得出解糊化层所需结果。在去模糊化的过程中，将第四层的输出值在固定节点上求和，产生最终结果。

x、y为输入；A、B为模糊集；f为输出；p、q和r为人工神经网络确定的参数；Π、N和Σ分别为结构层中带有乘积、比值、求和属性的固定节点

(5)

(6)

(7)

(8)

式中：a、b、c、d和σ为成员函数的预参数。

此外，与传统的模糊系统相比，ANFIS方法由于采用了基于Takagi-Sugeno模糊规则和加权求和法的特殊模糊控制器，在处理数据方面更为有效。鉴于上述优点，ANFIS方法已被广泛应用于许多领域，并被证明是一种合理和适用的工具。在本文研究中，为了对比和优化，一种优化算法作为ANFIS的优化准则被引入。

3.3 基于教学优化算法

教学优化算法(teaching-learning optimization algorithm,TLOA)是一种新型的进化算法，它是为了解决机械设计的优化问题而提出的[14]。同时也证明了教学优化算法的性能普遍优于其他类似的优化算法，并且更适用于非线性问题。因此，教学优化算法在各类工程项目中都有光明的前景。教学优化算法程序由三个阶段组成，包括初始化、教学和学习阶段。每个阶段的细节描述如下。

(1)在初始化阶段，由若干学习者组成的初始班级是随机生成的。假设Xj表示第j个学习者，Xj是一个N维向量，其中的元素代表教学优化算法中的不同主体。每个学习者的随机生成可以用公式表示，由式(9)来实现。

(9)

(2)在教学阶段，聘请成绩最高的学习者Xt担任教师，用来提升班级的一般成绩。首先，利用式(10)对教师和学员的分数差异进行量化评估。

TF=round(1+ri)，ri=rand(0,1)

(10)

教师阶段产生的新值将根据以下条件进行保留或删除：

结束

(11)

(3)最后一个阶段，通过学习者之间的学习，提高班级的综合成绩。假设Xi是第i个学习者，随机选取Xi作为Xi学习对象(i≠j)。与教师阶段类似，应用Xi和Xj的差值产生一个新的变量。最后，根据式(12)表示的标准对该阶段得到的新值进行处理。

(12)

在教学优化算法开始运行前，应根据不同的经验和要求提供附加参数，主要包括初始种群规模、世代数、设计变量数和各种变量的取值范围。其中，世代数被认为是终止指数。具体来说，当达到预定的世代数时，教学优化算法被设置为停止运行[14]。

4 敏感性制图评价分析

4.1 评价因子制图分析

基于ALOS卫星(日本于2006年01月24日发射)相控阵型L波段合成孔径雷达(PALSAR)采集的DEM数据，其水平向及垂直向精度可达12.5 m。相比于先进星载热发射和反射辐射仪全球数字高程模型(ASTER GDEM)的30 m精度，对评价因子的提取更加精确。利用Arcgis10.2平台Toolbox的多个工具箱，计算各评价因子计算结果如图4所示。

图4 研究区各个评价因子的分布图

根据所制订的方法，在涉及数据准备阶段的第一阶段之后，进入加权阶段。一个专家组(本文研究报告的作者)根据逐步评估比率法对每个因素的分类进行排序(表1)，显然权重越高的分类越容易发生泥石流。由Arcgis制图结果(图4)可以看出，沙尕沟流域岩性中[图4(a)]，灰岩夹泥灰岩的抗风化能明显较其余二者较差，其权重值为0.424。沟谷属于深切割的中山地貌，地形起伏较大，相对高差约为1 800 m[图4(b)]。对于坡角，权重最高的是20°左右的第二类，其权重为0.317；其次是24°～30°，权重为0.246的等级。沙尕沟的岸坡朝向分布对泥石流的未形成直接影响，但其会影响到植被，甚至影响到根系分布和受到光照等方面，致使岸坡的抗侵蚀能力和抗风化能力有所差异，从而产生物源的条件差异。沙尕沟内朝向处在东南向(145°±)的边坡最少，西南向(225°±)边坡向最多[图4(d)]。通常认为曲率高的地方对泥沙运移和水流加速更加有利，沙尕沟内曲率的极高值多分布在沟道内[图4(e)和图4(f)]。

表1 各个评价因子的分类及其所对应的权重

分析TWI对于泥石流的敏感性时，通常需要的前提条件是区域内土壤性质的空间一致性，这显然是存在局限性的。但是多数的研究发现，局部的地形变化和差异对土壤含水量分布的影响是明显超过土壤性质变化(如渗透率)对其的影响[11]。较高的TWI值表明存在地面凹陷，这些凹陷易于汇聚地表径流并存储了降雨产生的地表水。因此，在泥石流物源中产生了孔隙水压力，会导致物质相应的抗剪强度变低，从而增加了物源运移的可能性。这对分析泥石流是至关重要的。沙尕沟的TWI较高值(> 8.58)分布表明了主沟和支沟对泥石流的控制性影响，所对应的权重值也是最高的[图4(g)]。

对于STI的分析，是对研究区的沟内处理侵蚀学坡长然后计算得到[15]，其能够反映侵蚀随地形变化的分布。沙尕沟内较小的STI值主要分布于相对坡度较小区域，如分水岭、主沟及支沟沟道和一些平坦区域，较大值则多分布在坡面区域，主要原因是坡度对STI因子起主要作用，坡度变小影响了STI因子的增长趋势。对STI因子结果进行统计分析，59.1%的因子在0.089～21.41，88.7%的因子小于53.40，94.2%的因子在117.38以下[图4(h)]。STI最终研究结果处在Kang等[15]和McCool等[16]的建议值之间。此外，对于SPI来说，权重最大的分类为1.15～4.08，其权重为0.251。类似的TCI中，对应权重最大的分类区间范围为小于2.07，其权重为0.282。

4.2 综合评价制图分析

为了验证优化算法的成果，得到了两组试验评价结果，即自适应神经模糊推理系统(ANFIS)和基于教学优化后的自适应神经模糊推理系统(TLOA-ANFIS)在对每个因子结果赋予不同的权重时，其数量级和量纲往往差异很大，因此为了评价结果的合理性，对每个影响因子进行归一化处理，得到每个评价因子的(0,1)区间内的值，联合其权重进行敏感性评价，通常的数值化评价结果往往较为简单，通过地理信息系统(GIS)制图软件将最终的评价结果进行三维显示使结果更加明确和科学，因此利用数字地形表达这一结果应该被推广和应用到实际生产中。

基于ANFIS和TLOA-ANFIS的评价结果如图5所示，沙尕沟大部分区域的泥石流敏感性属于中等偏低，泥石流影响较小。为了更加清楚结果表达，将评价系数高于0.8的区域定义为极高危险区，0.6～0.8为高危险区，0.3～0.6为中等危险区，0.15～0.3为低危险区，低于0.15为极低危险区。对比两个模型得到的结果，极高危险区差异较小，都集中在主沟沟道，面积占比分别为1.51%和1.20%。差异最大的评价结果在于，较低敏感性区域明显扩大，由原来的28.67%增大至42.3%。整体上来看，优化后的模型对沟内泥石流的敏感性评价是略有降低，尤其是沟谷两侧的坡面，泥石流可能性较小，在利用TLOA算法后，评价结果得到很好的优化，这与实际较为符合，模型评价的合理性提高。

图5 不同方法的敏感性制图结果对比分析

由最终优化到的模型结果可见，沙尕沟的泥石流极高和高危险区域主要为主干河道，虽然对整个流域来说占比较低，但是却是至关重要的地方，尤其是从沟口沿河道约3.5 km以内，这与野外实际调查结果是相符合的[17]。

中等敏感性及以上区域主要为主沟、各支沟及沟道两侧被冲刷侵蚀的地方，这些地方的水土流失是泥石流发生的重要原因。因此建议在沟道合适地点建立拦挡坝，以降低突发泥石流灾害的冲击力，减缓其对居民及高速公路设施的影响。可选择风险分布范围较窄的区域进行跨越，并且采用大跨度桥梁结构形式进行地质灾害绕避。

5 冲出范围预测

泥石流的危害范围预测也是泥石流评价的一项重要的组成部分[18-19]。通过上述敏感性制图评价得到潜在的泥石流高危险区，也就是沙尕沟从沟口向沟内约3.5 km范围。在某些不利因素的触发下，尤其是暴雨因素，当超过一定的雨强和持续时间阈值时，沟内的物质就会被启动，进一步规模扩大形成泥石流。泥石流的因其巨大的冲击力，其冲出范围的预测成为备受关注的重点，利用软件进行数值模拟可以更加直接表达[20-22]。因此，采用软件对沙尕沟的泥石流冲出范围进行数值模拟。

进行数值模拟之前，必要的数据准备如下：地形数据，泥石流的流量过程曲线，以及相应的水文参数设置。其中地形数据也是采用4.1节给出的ALOS 12.5 m的DEM，在此不再赘述。

本文研究中认为沙尕沟泥石流的发生是由暴雨诱发的。因此降雨的持续时间和雨强将会影响到泥石流的冲出范围和运移距离。考虑到工程设计的影响，选择4个不同的降雨回归期来实现不同条件下的沙尕沟泥石流冲出范围预测，分别为5年一遇的降雨，10年一遇的降雨，50年一遇的降雨，100年一遇的降雨，即降雨频率为P=10%、2%、1%。泥石流过程曲线最准确的是采用实测值，在中国，蒋家沟沟泥石流过程曲线被用来做类似研究。但是为了简化，通常情况下，泥石流的过程曲线被 定义为三角形，也有学者将其更加细化为五边形。本文研究中认为泥石流的峰值流量处在泥石流总体历时的三分之一处，将过程曲线简化为三角形。其峰值大小是根据膨胀系数对清水洪峰处理得到的。其公式[18,20-22]如下：

Qc=(1-Cv)-1Qp

(13)

(14)

Qp=φSpA2/3

(15)

式中：Qc为泥石流洪峰流量；Qp为洪水洪峰流量；Cv为泥石流的体积浓度；Vs为泥石流所含固体体积；Vw为泥石流所含液体体积；φ为流体冲出系数；Sp为降雨频率为P时的1 h最大雨强；A为流域面积。

洪水总量(Wp)的求取可以通过式(16)[18]得到：

Wp=0.1αHpA

(16)

式(16)中：α为经验系数；Hp为流域内降雨总量。

图6显示了不同降雨频率下的泥石流过程曲线。此外水文参数的选择也是必需的，泥石流的黏度会影响泥石流的摩擦性质，进而影响泥石流的流速和运移距离。泥石流流体是一种非牛顿流体，其屈服应力也会影响最终的冲出范围。而控制上述二者的公式如式(17)和式(18)[22]所示：

图6 泥石流过程曲线

η=α1eβ1Cv

(17)

τ=α2eβ2Cv

(18)

式中：η为泥石流的流体黏度；τ为泥石流流体的屈服应力；α1、α2、β1、β2都是经验系数，分别设置为0.811、13.72、0.004 62、11.24。

进行数值模拟过程中需要选取一个入流控制点，选取沙尕沟主沟与主沟交汇处作为进行泥石流数值模拟的控制点，这也符合上述基于ANFIS和TLOA-ANFIS两种模型的评价结果。最终的评价结果如图7所示。

在泥石流的冲出范围图(图7)中可见，当降雨量较小，也就是降雨频率取值较大时[图7(a)],泥石流运移能力相当有限，冲出距离并不是很远，此时泥石流的最大流深为6.57 m，绝大多数的流深为0～2 m，而且仅沿沟谷河道运移，危害性较小。当降雨频率降低[图7(b)和图7(c)]，对应降雨量也就骤增，此时触发的泥石流规模较大，泥石流运移至沟口，并堆积在沟口两侧，呈扇状。泥石流的流深也明显增大，最大为8.76 m，沿外侧沟道分布的深度多处在4～6 m，而且有逐渐增大的趋势，说明此时泥石流的危害已经相当严重。此时泥石流对沟道主要表现为侵蚀作用，如图7(c)所示，现场调查发现沟道存在被泥石流侵蚀的明显痕迹，当然也有大量堆积的厚层泥石流物质，这些物质是被夹带至此的，这属于泥石流规模和流速较低的情况。在没有人为干预的前提下，泥石流可能会冲出沟道，对基础设施有着较大的破坏力。在主沟的外侧，S205国道经过处地形相对平坦，泥石流明显在这里呈堆积态，说明数值模拟结果较好的呈现了泥石流的危害范围。

为更清晰说明不同降雨条件下泥石流的影响范围，可以按照泥石流的流深对其影响范围进行划分。对沙尕沟泥石流数值模拟结果，按照2 m区间划分为泥石流低危害区(0～2 m)、中危害区(2～4 m)、高危害区(4～6 m)和极高危害区(6～8 m)。通过Arcgis软件对评价结果进行栅格化处理，统计栅格数进而反映其危害范围的影响。在最终的结果图(图8)中，沙尕沟泥石流的危害范围多处在中低危险区，尤其是降雨频率为10%时。但是当降雨频率下降至2%和1%时，高危害区占比明显上升，甚至出现极高危害区。说明，对于沙尕沟泥石流在极端降雨条件下，泥石流仍存在极高的危害性。

图8 基于栅格计算的泥石流流深频数图

基于多种评价因子，利用自适应神经模糊推理系统(ANFIS)对沙尕沟泥石流进行敏感性评价，并通过教学优化算法对其优化，取得较为满意的结果。并基于上述敏感性评价结果，进行了进一步深入的数值模拟研究，给出高敏感区的潜在泥石流冲出范围。通过上述综合评价方法，可以较为全面地预测和评价沙尕沟的泥石流。比单一的研究在工程实践和灾害防治中拥有更广阔的应用范围。根据研究结果，治理泥石流不仅要对沟内敏感性较高的地区治理(图5)，如护坡工程和植树造林工程；同时要建立针对泥石流冲出范围对九绵高速公路选线和安全运营、附近居民安全的防治措施(图7)，如泥石流拦挡坝和疏排渠道。将多种评价方法相结合能够构建更全面的泥石流综合评价体系，为泥石流的预测和治理提供良好的支持。

但需要说明的是本文研究中采用的基于ALOS卫星采集的DEM数据，其水平向及垂直向精度可达12.5 m。相比于ASTER GDEM的30 m精度，对评价因子的提取更加精确。但是该卫星数据并未与实际野外实际地形的进行精确的对比，这可能是影响评价效果的一个潜在因素，需进一步深入研究和分析。

6 结论

基于敏感性制图和数值模拟危害范围预测联合的方法，系统评价了九寨沟县沙尕沟泥石流灾害，讨论了该类情况下九绵高速公路项目方案选线和结构物选型。基于这种综合评价方法的预测，将结论归结如下。

(1)研究对比了ANFIS和TLOA-ANFIS算法的泥石流敏感性评价模型，从模型优化的角度考虑，TLOA-ANFIS评价结果更加可靠和合理，建议将该模型应用到地区实际评价中。且两种敏感性评价模型都表明，沙尕沟从沟口向沟源3.5 km以内的沟道为泥石流主要极高危险地区，极高危险区流域面积占比为1.2%～1.5%，建议进行治理和监测。

(2)基于敏感性制图评价结果，对沙尕沟泥石流高危险段进行数值模拟。结果分析表明，降雨频率较高时，沙尕沟泥石流的危害范围多处在中低危险区；但在低降雨频率条件下(P=2%、1%)，泥石流出现极高危险区，危害性较为严重。

(3)九绵高速公路项目桩位选址绕避了高危险区域，桥跨选型跨越了高危险区域狭窄处，该段落的跨越方案选址和桥梁结构选型均较为合理。

(4)泥石流的综合评价方法仍是亟待解决的科研课题，提出的敏感性制图评价和数值模拟综合分析方法是一种行之有效的策略。