四川小金县日尔乡“7·19”泥石流发育特征及危险性预测

黄刚 ,  覃亮 ,  阳博 ,  鲁帅 ,  何文野 ,  孙东

科学技术与工程 ›› 2026, Vol. 26 ›› Issue (17) :7131-7142

PDF (59444KB)
科学技术与工程 ›› 2026, Vol. 26 ›› Issue (17) :7131-7142 DOI: 10.12404/j.issn.1671-1815.2506074
天文学、地球科学

四川小金县日尔乡“7·19”泥石流发育特征及危险性预测

作者信息 +

Development Characteristics and Hazard Prediction of “July 19” Debris Flow in Rier Township, Xiaojin County, Sichuan

Author information +
文章历史 +

摘要

针对四川小金县日尔乡海子沟“7·19”泥石流灾害,集成现场调查、LiDAR与无人机摄影测量(生成0.1 m分辨率DEM)及数值模拟(Massflow平台耦合Voellmy摩擦模型),系统揭示其链式成灾机制与危险性演化规律。结果表明,灾害由“双降雨协同效应”驱动:前期持续降雨(30 d降雨量260.3 mm)饱和物源,短时强降雨(上游1 h降雨量>23.4 mm)触发崩滑体堵沟-溃决链式反应,形成“径流汇集→支沟堵塞溃决→主沟上游下切侧蚀→平台段淤积分选→束窄段二次侵蚀→涵洞堵塞壅高→沟口堵河成灾”的典型演进路径;定量揭示动力响应:束窄段壅水流速>6 m/s;降雨频率由10年一遇发展到100年一遇,高流速区(>4 m/s)占比由12.48%升至21.83%,堆积宽度由182.8 m扩至662.4 m,最大泥深由2.7 m增至6.1 m;基于Hmax与Hvmax的双指标分区表明,100年一遇事件河道高危险区(Hmax≥2.5 m或Hvmax≥2.5)面积达29 661 m2,较10年一遇扩大20.6倍。研究验证了三维实景模型与Voellmy模型(μ=0.1, ζ=200 m/s2)在高山峡谷区的适用性,为防灾规划提供定量依据。

Abstract

In response to the “July 19” mudslide disaster in Haizigou, Rixiang Township, Xiaojin County, Sichuan Province, field investigations, LiDAR and UAV photogrammetry (with a 0.1 m resolution DEM generated), and numerical simulation (via the Massflow platform coupled with the Voellmy friction model) were integrated in this study to systematically reveal the chain reaction disaster mechanism and the evolution of its hazard. The results indicate that the disaster was driven by the “dual rainfall synergy effect”: prolonged rainfall (260.3 mm over 30 days) saturated the source material, while short-term heavy rainfall (with over 23.4 mm recorded in 1 hour in the upstream area) triggered a chain reaction of landslide blockage and breach, leading to the formation of a typical progression path: “runoff convergence → tributary blockage and breach → upstream erosion and lateral erosion of the main channel → sediment accumulation in the plateau section → secondary erosion in the narrow section → culvert blockage and water level rise → channel mouth blockage and flood disaster”. The dynamic response was quantitatively revealed: the water flow velocity in the narrow section exceeds 6 m/s. When the rainfall return period changes from the 10-year to the 100-year scenario, the proportion of high-velocity regions (>4 m/s) rises from 12.48% to 21.83%, the deposition width expands from 182.8 m to 662.4 m, and the maximum sediment depth increases from 2.7 m to 6.1 m. According to the zoning method based on the dual indicators of Hmax and Hvmax, the area of high-risk zones in the river channel under the 100-year return period event (where Hmax≥ 2.5 m or Hvmax≥ 2.5 m/s) reaches 29 661 m2, representing a 20.6-fold increase compared with that under the 10-year return period scenario.The applicability of the 3D real-scene model and the Voellmy model (μ=0.1, ζ=200 m/s2) in high-mountain canyon areas was validated in this study, and a quantitative basis was provided for disaster prevention planning.

Graphical abstract

关键词

泥石流 / 链式成灾机制 / Voellmy模型 / 冲击动量 / 危险性分区 / 数值模拟

Key words

mudslides / chain disaster mechanism / Voellmy model / impact momentum / hazard zoning / numerical simulation

引用本文

引用格式 ▾
黄刚, 覃亮, 阳博, 鲁帅, 何文野, 孙东. 四川小金县日尔乡“7·19”泥石流发育特征及危险性预测[J]. 科学技术与工程, 2026, 26(17): 7131-7142 DOI:10.12404/j.issn.1671-1815.2506074
HUANG Gang, QIN Liang, YANG Bo, LU Shuai, HE Wen-ye, SUN Dong. Development Characteristics and Hazard Prediction of “July 19” Debris Flow in Rier Township, Xiaojin County, Sichuan[J]. Science Technology and Engineering, 2026, 26(17): 7131-7142 DOI:10.12404/j.issn.1671-1815.2506074

登录浏览全文

4963

注册一个新账户 忘记密码

泥石流作为一种突发性强、破坏力巨大的地质灾害,因其高动能、大冲淤量和复杂动力过程,常对山区居民生命财产、基础设施及生态环境造成毁灭性影响[1]。据全球地质灾害数据库统计,泥石流灾害占山地灾害损失的37%以上[2],而中国西南高山峡谷区因构造活跃、地形陡峻、降雨集中,成为全球泥石流高发区之一[3]。尤其青藏高原东南缘的川西地区,受印度板块与欧亚板块碰撞的持续构造抬升影响[4],区域内山高谷深、岩体破碎、物源丰富[5],叠加季风性强降雨和冻融作用[6],泥石流灾害呈现高频性、链生性和巨灾性特征[7]。2020—2024年,仅四川省就记录泥石流灾害事件412起,直接经济损失超28亿元,凸显该区域泥石流灾害防控的紧迫性[8]。
当前泥石流研究主要存在如下3个方面局限。
(1)研究方法层面:现有成果多聚焦物源静态特征(如储量、分布)或经验参数分析(如容重、流速经验公式),对泥石流动力过程(如冲淤动态、堵溃机制、流态转换)的精细化模拟不足[9]。物理模型试验虽可还原局部过程,但受尺度效应和相似律制约,难以复现真实沟道地形与物源激活的级联效应[10];统计类比法则因区域地质背景差异显著,普适性受限[11]。
(2)技术应用层面:传统数值模型(如FLO-2D、RAMMS)常采用简化地形[如10 m分辨率数字高程模型(digital elevation model,DEM)],忽略沟道束窄、涵洞壅堵等关键地形突变点,导致流速与堆积范围预测偏差[12];而离散元模型(如PFC)虽能刻画颗粒相互作用,计算效率却难以支撑流域尺度模拟[13]。
(3)危险性评价层面:现有分区标准多依赖单一指标(如泥深或流速),忽视冲击动量(Hvmax)对构筑物破坏的贡献[14],且鲜少量化不同重现期灾害的空间扩张规律,制约防灾规划的针对性。
近年来,高精度地形获取与先进数值模拟技术的融合为解决上述难题提供了新思路:三维实景建模技术(如LiDAR点云密度>100 点/m2、无人机摄影测量分辨率<10 cm)可精确重建沟道形态变异特征(如V形谷束窄段、平台淤积区),为数值模拟提供真实边界条件[15];连续介质力学模型(如Massflow、FLO-2D Pro)基于深度积分理论和高性能并行算法,兼顾计算效率与物理过程保真度,尤其Voellmy摩擦模型(μ为基底摩擦系数,ζ为紊流系数)通过反演参数可有效刻画高流速泥石流的湍流效应与底床润滑机制[16]。然而,此类技术在高山峡谷区的适用性仍需典型案例验证[17],且多指标危险分区标准的工程转化尚待深化。
小金县日尔乡海子沟泥石流历史上多次暴发泥石流,尤以2024年“7·19”事件最为严重,短时强降雨触发崩滑体堵沟-溃决链式反应,导致沃日河局部堵塞、国道G350线K1029+750-K1029+850段路基被冲毁、大量农田被掩埋,造成直接经济损失约9800万元。此次灾害的突发性与破坏性表明,传统静态评估方法难以满足该区域防灾需求,亟须揭示泥石流的动力演化机制与危险性空间分异规律[18]。
现聚焦海子沟“7·19”泥石流这一典型高山峡谷区灾害案例,通过整合高精度现场调查(灾害痕迹精准测绘、物源分布实地验证)、超精细地形建模(LiDAR+无人机协同生成0.1 m 分辨率DEM,完整还原沟道束窄、涵洞等关键地形突变点)与高效数值模拟(Massflow平台耦合Voellmy[19]摩擦模型,通过参数反演实现动力过程高保真复现),构建“现象-机制-量化-应用”的全链条研究框架。一是揭示链式成灾机制:完整解析“前期持续降雨饱和物源-短时强降雨触发崩滑-支沟堵溃启动-主沟下切侧蚀-平台段淤积分选-束窄段二次侵蚀-涵洞堵塞壅高-沟口堵河成灾”的全链路动力学过程,明确沟道形态变异与物源阶梯式激活的核心控制作用。二是量化动力参数响应:系统模拟10、20、50、100年一遇不同重现期下,流速分布、冲淤特征与冲击动量的非线性演化规律,精准捕捉高流量下Bagnold润滑效应引发的流速跃升现象。三是构建双指标危险分区:采用最大泥深(Hmax)与冲击动量(Hvmax)双指标体系[17],突破传统单一指标局限,定量绘制多情景危险性图谱,实现危险区精细化划分。研究成果不仅验证高精度三维实景模型与Voellmy模型在高山峡谷区的适用性,更为川西同类地区泥石流灾害风险评估、监测预警系统优化及防治工程设计提供可直接应用的理论支撑与定量技术依据。

1 流域概况

海子沟泥石流位于阿坝藏族羌族自治州小金县日尔乡木桠村内[图1(a)],为大渡河水系小金川流域一级支流沃日河左岸支沟,沟口坐标东经102°34'20.38″,北纬31°0'9.78″。海子沟平面形态呈叶状[图1(b)],流域面积46.25 km2,流域最高高程为4 615 m,最低高程为2 565 m,相对高差2 050 m,主沟沟长14.48 km,平均纵比降116‰,海子沟主沟上游沟道呈宽U字形,下游沟道收窄呈V字形。海子沟流域范围内共发育3条较大支沟(半节沟、马厂沟、泥鳅沟),其中泥鳅沟虽发育在海子沟大流域范围内,但并不汇入海子沟主沟,而是与主沟拥有不同的出山口。海子沟支沟均呈V字形,且纵比降较大,均大于220‰,其中半节沟纵比降达到291‰(表1)。相对于主沟,支沟坡度陡峭、纵坡较大,水动力地质条件较好,更易于暴发泥石流灾害。

海子沟大地构造单元处于松潘—甘孜褶皱系,隶属巴颜喀拉冒地槽褶皱带(Ⅱ级)的马尔康地向斜(Ⅲ级)南缘,与金汤弧形褶皱断东相接。研究区曾经受澄江—燕山期多次构造运动的影响,各时期构造运动强弱表现形式不同(澄江期主要为东西向挤压,加里东早期抬升,加里东中期—海西晚期主要为沉降,海西末期主要为岩浆喷发,印支早中期主要为沉降),各个时期运动方式在继承、限制、断变过程中发展变化,其中以印支晚期隆起和末期(距今约1.83亿年)构造变动最为剧烈,致使元古界—中生界三叠系地层发生强烈褶皱和区域变质,伴随和导致燕山期大量中-酸性岩浆入侵及断裂形成,铸成以高山峡谷为主体、切割明显、沟壑纵深的多元化地形地貌。流域内的主要岩性为三叠系上统侏倭组T3zh的变质砂岩与三叠系中统杂谷脑组T2z的含钙砂岩及长石石英砂岩交替分布[图2(a)]。

研究区系大渡河上游河谷地带,具有亚热带气候背景,但因地处青藏高原东南边缘的高山峡谷,形成独特的高原型季风气候区。研究区气温垂直差异较大,年平均气温12.2 ℃,月平均最高气温22.1 ℃,月平均最低气温4.5 ℃。研究区,多年平均降雨量968.3 mm,4—10月降雨量最为集中,日最大降雨量达80.7 mm,最大小时降雨量达40.3 mm,最大30 min降雨量达30.9 mm,最大10 min降雨量达14.8 mm。独特的高原季风气候使得研究区植被覆盖面积仅9.51 km2(覆盖率20.57%),同时也赋予了该区域短时强降雨的特点,为泥石流的暴发提供了水源条件。

2 泥石流形成条件及灾害特征

2.1 地形条件

海子沟地属高山峡谷地貌,地势南高北低,主沟上游呈宽U形,沟源及两岸多发育陡崖,受冻融及风化作用坡脚堆积有大量崩滑物源,上游顶部沟道发育一天然海子[图2(b)];沟道中上游段地形仍以宽U形为主,谷底最宽处达110 m[图2(c)、图2(d)],沟道平均纵比降128‰,该段沟道在“7·19”泥石流期间堆积大量的沟道物源[图2(e)];中游沟道突然收窄,最窄处仅5 m[图2(f)],此段平均纵比降221‰,沟道左岸为海子沟腹地台地;沟口堆积扇区内地势较为宽缓[图2(g)],长度为338 m,平均纵比降约162‰(图3),宽度5~10 m,弯曲不顺直,受人类工程活动改造为阶梯状农田以及居民区,最终汇入沃日河。

2.2 物源条件

综合遥感、实景三维模型以及现场调查结果,海子沟流域内赋存大量松散物源,主要包括崩滑物源、沟道堆积物源及坡面侵蚀物源三类共143处。按《泥石流灾害防治工程勘查规范(试行)》(T/CAGHP 006—2018)附录C对松散物源进行计算,流域内松散固体物源总量为4 313.70×104 m3,可能参与泥石流活动的动储量为1 262.40×104 m3。这些体量巨大的松散物源不均匀地分布在海子沟流域范围内,为泥石流灾害的发生提供丰富的物源条件。

2.3 气象水文条件

基于2024年7月的降雨数据分析表明,研究区在灾害发生前30 d内经历了持续性降雨过程。灾害发生前不同时间尺度的累计降雨量分别为:前10 d 78.3 mm,前20 d 183.9 mm,前30 d 295.7 mm,分别占研究区年均降雨总量的8.09%、18.99%和30.5%(图4)。

灾害发生当日(7月19日)的降雨过程表现出显著的时空异质性特征。根据美沃乡牛棚沟雨量站监测数据显示(与海子沟分水岭直线距离4.9 km,海拔高程3 270 m),研究区强降雨主要集中于18:00—19:00时段,其降雨强度参数为:最大10 min降雨量8.8 mm,最大20 min降雨量17 mm,最大1 h降雨量23.4 mm,降雨峰值出现在18:36—18:46时段。然而,通过实地调查发现,多位当地村民反映海子沟在灾害发生前出现异常强烈的局地强降雨,上游降雨量显著大于下游。这一现象表明:山区地形对降雨空间分布具有显著影响;沟道上游实际降雨量可能远超雨量站观测值。这种短历时、高强度的集中降雨为泥石流的形成提供了充分的水动力条件。

2.4 “7·19”泥石流运动过程及形成机制分析

海子沟泥石流灾害的触发机制可归因于前期持续性降雨与短时强降雨的双协同作用。持续性降雨导致坡体土体自重增加并渐近饱和,而碎石土层中充沛的雨水沿颗粒间隙快速下渗形成优势流通道。持续的渗流冲刷作用迁移细颗粒组分,致使土石结构劣化,显著降低其抗剪强度与承载能力。同时,渗流产生的动水压力与地下水活动在坡体薄弱带形成协同效应,加剧失稳风险。最终,“7·19”暴雨事件直接激发泥石流暴发并向下游演进。

流域内岩性以变质砂岩与砂板岩不等厚互层为主,岩体抗风化能力弱、节理裂隙发育,稳定性差,为沟域提供丰富物源。主沟呈宽“U”形,纵坡平缓,水流持续性强,泥石流启动临界雨量较高;支沟半节沟为典型“V”形峡谷,纵坡陡峻,基流微弱,沟道堆积大量崩滑物源。此次灾害始于半节沟[图2(h)],短时强降雨导致水流携带能力剧增,触发岸坡崩滑体堵沟-溃决连锁反应,最终形成泥石流,而主沟初期仅表现为山洪。

支沟泥石流汇入主沟后重度降低,形成混合流态。主沟中上游段广泛分布的崩滑物源与沟道堆积体在侧蚀与揭底冲刷作用下持续补给固体物质,加之沟道大量的漂木混杂其中,在束流段形成瞬态堵塞体,显著增大流量。中游平台段(马厂沟上游200 m)纵坡趋缓,泥石流经历淤积-分选-流通过程,运动势能衰减。然而,平台下方沟道突遇束窄且纵坡复增,引发二次下切侵蚀与揭底冲刷[图2(j)]。多处公路涵洞(断面<3 m2)受漂木与巨石堵塞形成壅水,进一步放大下游规模,导致沟口灾情加剧,根据灾前灾后的实景三维模型对比,最大沟宽由5.9 m变为29.4 m(图5)。

据现场视频记录,泥石流历时仅20 min,具有显著突发性。但灾害仍造成沟道防护堤损毁率83%,多栋房屋损毁、淤埋;耕地掩埋面积12.6 ha;村道/便桥/水利设施损毁9处;沃日河短暂堰塞及国道G350中断[图2(n)]。直接经济损失达9 800万元(据当地应急管理部门评估)。

综合表明,此次泥石流呈现典型链式演进机制:径流汇集→支沟堵塞溃决→主沟上游下切侧蚀→平台段淤积分选→束窄段二次侵蚀→涵洞堵塞壅高→沟口堵河成灾。全过程受沟道形态变异与物源阶梯式激活控制(图6)。

3 研究方法及参数标定

3.1 泥石流动力学计算理论

泥石流动力过程计算的数值模型可归类为三个大类:连续介质力学模型、离散介质模型和混合介质模型。连续介质力学模型相较于另外两种模型,即使在计算尺度较大时仍具有计算效率高、计算速度快的优点。Massflow是基于深度积分的连续介质力学原理,利用改进的MacCormack-TVD有限差分方法,并且具有二阶精度和自适应求解功能;目前,Massflow与理论分析、模型试验进行了大量对比分析,吻合度高,适用于模拟大型泥石流灾害[20]。

3.2 流域高程模型

数值模拟作为泥石流灾害动力学研究和风险评估的核心工具,其可靠性高度依赖于流域地形特征的精确性。高精度数字高程模型(DEM)能够较好地还原沟道形态,为数值模拟模型提供真实的边界条件。因此,融合机载激光雷达(LiDAR)与无人机摄影测量(UAV)对海子沟流域进行全流域高精度三维实景模型构建(图7),以此开展海子沟泥石流灾害模拟。

3.3 参数标定

3.3.1 泥石流重度

海子沟泥石流不同降雨频率下的重度采用配浆法及查表法综合取值确定,主沟中下游处的重度为1.594 t/m3。

3.3.2 基地摩擦模型

泥石流的成分构成多样,液相浆体间的黏性应力及湍流特性、固体颗粒之间的碰撞与摩擦力以及固-液两相之间的相互作用力等是基底阻力的主要来源,不同的基底摩擦模型对泥石流的冲淤特征具有极大影响。中外最常使用的基底摩擦模型主要包括以下7种:Mohr-Coulomb模型、Voellmy模型、考虑黏性行为与固体颗粒相互作用的组合模型、Bingham模型、Herschel Bulkly模型、Manning模型与固液耦合模型。参考梁正钟等[16]对泥石流基底阻力模型的适用性分析,考虑湍流阻力的Voellmy模型不仅与泥石流灾害的吻合度较高,并且模拟参数(基底摩擦系数μ与紊流系数ζ)可通过反演计算获取,因此采用Voellmy作为基底摩擦模型。模拟参数如表2所示。

3.3.3 泥石流流量过程曲线

泥石流动力过程数值计算通常将流量过程线简化为概化五边形模型进行计算,概化五边形模型的具体建立方法是将泥石流爆发时间的1/3、1/2、2/3作为分界点划分成4段。泥石流峰值10年一遇、20年一遇、50年一遇与10年一遇的峰值流量分别为131.12、186.45、243.74与311.47 m3/s。

3.3.4 泥石流反演结果

依据现场调查获取“7·19”泥石流的动力学参数开展泥石流运动过程模拟(图8),与调查的影响范围相比,模拟范围略微偏大,但泥石流在沟口附近位置的泥位深度与实际情况较为吻合(图9),因此以反演参数作为计算基础。

4 模拟结果与分析

通过对10年一遇、20年一遇、50年一遇和100年一遇降雨频率下的海子沟泥石流的运动演化过程进行模拟,分析海子沟泥石流在不同降雨频率下的峰值流速特征与冲淤特征,并基于此动力过程进行海子沟泥石流的危险性分析评价。

4.1 泥石流峰值流速特征分析

根据计算结果(图10、图11),海子沟流速随雨强的增加呈现“低速弱化、中速衰减、高速跃升”的演变特征,其本质是流体动能输入增强与底床剪切力重构共同作用的结果:高流量泥石流裹挟更多粗颗粒物,在沟床表面形成润滑层(Bagnold效应),降低床面摩擦系数,进一步释放流速潜能。具体表现为:受沟道纵比降控制,海子沟流速总体较稳定,普遍维持在0~4 m/s,6 m/s以下流速平均占比超过94.7%。中低速(<4 m/s)随雨强的增加持续减小,占比从87.53%下降至75.17%,中高速(>4 m/s)非线性增长。其原因一方面是由于高流量抬升泥位的同时,径流动能增强驱动更多流体向高速态转化,使基底拖曳流主导性削弱;另一方面是随着降雨量的增加将裹挟更多的颗粒物质,形成Bagnold润滑效应,在沟床表面形成润滑层,降低床面摩擦系数,进一步释放流速潜能。峰值流速呈“两段式”增长,从10年一遇的7.92 m/s增至100年一遇的9.32 m/s,增幅17.7%,其中50年一遇的雨强是突变节点,超过50年一遇后增幅趋缓。表明流量增加产生的减阻效应在弱化。

4.2 泥石流冲淤特征分析

泥石流的冲淤特征是表征其动力过程与灾害影响范围的核心指标。精确量化其不同时空的淤积深度,对于深入理解泥石流的运动规律和堆积模式至关重要。

总体来看(图12、图13),海子沟泥石流随雨强的变化的冲淤特征呈现出明显的差异性,具体有以下3个特点。

(1)沟口堆积规模与降雨强度呈显著正相关关系。随着雨强从10年一遇增加至100年一遇,沟口冲出方量增加5.33倍,河道堆积面积增幅414%,堆积宽度由182.8 m扩展至662.4 m,最大堆积深度从2.7 m增至6.1 m。

(2)受沟道容纳能力限制,沟道堆积深度在50年一遇后趋于稳定(2~4.5 m),但较大堆积深度的范围不断增加。泥石流自出山口进入宽缓地带后,平面上表现出倒八字横向扩展以及向主河的运移堆积,造成沟道两侧房屋、农田受灾以及河道堵塞。

(3)在出山口弯道及居民区涵洞位置上游区段,受地形约束沟道出现明显的淤积,特别是在10年及20年一遇降雨频率下,由于流量及动能相对较小,由于流体内外部碰撞增加造成能量损失,进而使流速降低,淤积堵塞现象更为明显。

4.3 泥石流危险区预测分析

泥石流灾害的危险性反映了灾害事件发生的可能性及其潜在破坏规模与强度,这一特性是泥石流灾害所固有的。其危险性程度主要受控于灾害的孕灾背景与形成条件。现有评估手段(如经验公式法、物理实验法、统计类比法)在应用中常暴露出局限性:各自适用的场景较为特定,计算过程效率偏低,且精度有待提高。这些因素共同限制了其实际应用效果。相较之下,基于泥石流运动全过程数值模拟的技术展现出显著优势。它不仅能通过灾害场景反演再现泥石流的动态演进过程,更能精准提取泥深、流速、动量等核心动力学参数,为危险性的精细化评估提供数据支持。参照王东坡等[21]的危险性评价标准,即考虑泥石流最大流深Hmax和最大冲击动量Hvmax的双因素分区标准来对危险区进行定量分区,危险区划分为以下3个等级:高、中、低,如表3所示。

根据模拟获取的Hmax与Hvmax开展泥石流危险区预测分析(图14、图15),各降雨频率下的沟道中心线附近位置基本都为高危险性,而大于20年雨强时,高危险区范围扩展至沟道中心线两侧5~20 m。随着雨强变化,河道处危险性差异较大,雨强越大,危险区域越大,高危险性分布越广。具体结果如下:10年一遇时,泥石流沟道两侧的房屋设施将受到轻微影响,沟口处仅有堆积扇周边的危险性较高,河道内受灾害影响区域较小,仅有1 441 m2为高危险区域;20年一遇时,沟道两侧房屋处的危险性显著增大,且河道内有7 309 m2为高危险区域;50年一遇时,沟道两侧绝大多数房屋受到较大威胁,河道内有15 781 m2为高危险区域;100年一遇时,河道内高危险区域面积高达29 661 m2。此时河道堆积宽度近700 m,位于海子沟下游200 m处的结马水电站取水坝完全处于高风险区范围内,如果泥石流大规模暴发,存在被冲毁风险,进而可能引发链式灾害。

5 结论

通过高精度地形测绘与数值模拟,系统揭示了海子沟“7·19”泥石流的链式成灾机制及危险性演化规律,主要发现如下。

(1)海子沟具备典型高山峡谷泥石流发育条件:相对高差2 050 m、平均纵比降116‰的陡峻地形,配合4 313.70×104 m3的松散物源(其中动储量1 262.40×104 m3),构成灾害物质基础。关键触发因素为“双降雨协同效应”—前期持续降雨(30 d累计260.3 mm)导致物源饱和,叠加短时强降雨(上游局地1 h雨量>23.4 mm)激发崩滑体堵沟-溃决连锁反应。

(2)“7·19”泥石流灾害呈现典型的链式演化过程,支沟堵塞溃决(半节沟)→主沟下切侧蚀→平台段(马厂沟上游)淤积分选→束窄段二次侵蚀→涵洞堵塞壅高→沟口堵河成灾。沟道形态变异和物源阶梯式激活是核心控制因素。

(3)结合LiDAR与无人机摄影测量构建高精度三维实景模型,精确还原沟道地形,为数值模拟提供可靠边界条件。

流速响应:沟道束窄段因壅水效应流速>6 m/s;重现期从10年增至100年,高流速区(>4 m/s)占比由12.48%升至21.83%,峰值流速由7.92 m/s增至9.32 m/s。高流量下粗颗粒物形成的Bagnold润滑层显著降低基底摩擦,释放流速潜能。

堆积规模扩张:虽重现期提升,河道堆积宽度从182.8 m增至662.4 m,最大泥深从2.7 m增至6.1 m,沟口冲出方量扩大5.33倍。50年一遇后沟道堆积深度趋稳(2~4.5 m),但高堆积深度范围持续扩展。

危险性分区:基于最大泥深(Hmax)与冲击动量(Hvmax)的双指标评价体系。100年一遇事件中河道高危险区面积达29 661 m2,较10年一遇扩大20.6倍,下游结马水电站取水坝等设施完全处于高风险范围内。

(4)验证技术适用性:融合0.1 m分辨率DEM(LiDAR+无人机摄影测量)与Massflow平台耦合Voellmy摩擦模型(μ=0.1,ζ=200 m/s2),成功复现高山峡谷区泥石流动力过程。该成果可推广至川西同类区域,为支沟隐患排查、束窄段防护等提供靶点,降低风险预测误差,助力国道、水电站防护设计与区域“精准防灾”。

本次研究未考虑植被覆盖变化、冻融作用等对物源稳定性的长期影响,未涉及气候变化情景下的长期危险性预测。未来可结合InSAR形变监测、机器学习模型优化风险评估精度。

参考文献

[1]

Jakob M. Debris-flow hazard assessment: methods and challenges[J]. Nature Reviews Earth & Environment, 2022, 3: 670-684.

[2]

UNDRR(United Nations Office for Disaster Risk Reduction). Global assessment report on disaster risk reduction 2023[R]. Geneva: UNDRR, 2023.

[3]

Fan X, Scaringi G, Korup O, et al. Earthquake-induced chains of geologic hazards: patterns, mechanisms, and impacts[J]. Reviews of Geophysics, 2019, 57(2): 421-503.

[4]

Wang M, Zhang F, Yang Z, et al. Tectonic uplift and its impact on geohazards in the eastern Tibetan Plateau[J]. Geomorphology, 2024, 432: 108732.

[5]

Zhang Y, Xu Q, Zhao K, et al. Quantitative assessment of loose solid material sources in debris-flow-prone catchments using multi-source remote sensing[J]. Engineering Geology, 2023, 324: 107228.

[6]

Li S, Cheng Q, Chen J, et al. The role of freeze-thaw cycles in the initiation of rainfall-induced debris flows in high-mountain regions[J]. Catena, 2021, 207: 105597.

[7]

Huang G, Qin L, Yang B, et al. Chain disaster evolution mechanism of giant debris flows in alpine valleys: a case study of the 2020 Danba event, China[J]. Landslides, 2022, 19(11): 2673-2690.

[8]

四川省应急管理厅. 2024 年四川省自然灾害情况通报[R]. 成都: 四川省应急管理厅, 2025.

[9]

Sichuan Provincial Emergency Management Department. 2024 Sichuan provincial natural disaster report[R]. Chengdu: Sichuan Provincial Emergency Management Department, 2025.

[10]

Chen X, Zhang L, Chen J. A review of debris flow dynamics: from initiation to deposition[J]. Earth-Science Reviews, 2019, 198: 102936.

[11]

Zhang Y. Scale effects in physical modeling of debris flows[J]. Journal of Mountain Science, 2021, 18(7): 1865-1878.

[12]

Fan X, Scaringi G, Korup O. Earthquake-induced chains of geologic hazards[J]. Reviews of Geophysics, 2020, 58(3): e2019RG000667.

[13]

Hassan M A, Saletti M, Johnson J P L, et al. A multi-phase mass flow model for channelized debris flows[J]. Journal of Geophysical Research: Earth Surface, 2020, 125: e2020JF005736.

[14]

徐涛龙, 邵常宁, 兰旭彬, 等. 粒子法和离散元法在管土耦合分析中的应用[J]. 工程力学, 2022, 39(S1): 239-249.

[15]

Xu Taolong, Shao Changning, Lan Xubin, et al. Application of particle method and discret element method in pipe-soil coupling analysis[J]. Engineering Mechanics, 2022, 39(S1): 239-249.

[16]

巫贵秋, 向灵芝, 雷青青, 等. 基于形变分析的城镇泥石流风险评价: 以立节沟泥石流灾害链为例[J]. 科学技术与工程, 2025, 25(19): 7963-7977.

[17]

Wu Guiqiu, Xiang Lingzhi, Lei Qingqing, et al. Risk assessment of urban debris flow based on deformation analysis: taking Lijiegou debris flow disaster chain as an Example[J]. Science Technology and Engineering, 2025, 25(19): 7963-7977.

[18]

Hu K, Zhang X, Wang J. Rapid assessment by multi-source remote sensing and numerical simulation[J]. Engineering Geology, 2019, 258: 105145.

[19]

梁正钟, 安会聪, 谢涛, 等. 泥石流基底阻力模型的选择及模型适用性[J]. 山地学报, 2025, 43(2): 245-255.

[20]

Liang Zhengzhong, An Huicong, Xie Tao, et al. Selection and applicability of base resistance models for debris flow travelling[J]. Mountain Research, 2025, 43(2): 245-255.

[21]

Wang M, Zhang F, Yang Z. Tectonic uplift impact on geohazards[J]. Geomorphology, 2024, 432: 108732.

[22]

Tang C, Zhu J, Li W. Geomorphic classification of debris-flow catchments in the Wenchuan earthquake area[J]. Geomorphology, 2016, 259: 91-103.

[23]

Pudasaini S. A general two-phase debris flow model[J]. Journal of Geophysical Research, 2012, 117: F03010.

[24]

Xie Y, Zhou G D, Cui K F, et al. Numerical investigation of debris flows using a two-phase continuum model incorporating a visco-inertial rheology[J]. Engineering Geology, 2022, 308: 106797.

[25]

王东坡, 董奇, 廖良波, 等. 基于动力过程的泥石流定量风险评估: 以四川凉山州木里县黄泥巴沟泥石流为例[J]. 地质科技通报, 2024, 43(6): 1-14.

[26]

Wang Dongpo, Dong Qi, Liao Liangbo, et al. Quantitative risk assessment for debris flows based on dynamic process: a case study of Huangniba gully, Muli County, Liangshan Prefecture, Sichuan Province[J]. Bulletin of Geological Science and Technology, 2024, 43(6): 1-14.

基金资助

四川省科技计划(2025YFHZ0010)

国家重点研发计划(2023YFC3007105-06)

PDF (59444KB)

56

访问

0

被引

详细

导航
相关文章

/

〈 〉