-
摘要:
以往对于怒江流域泥石流的研究大多关注支流泥石流对干流的影响，而对支流内群发性泥石流易发性的研究较少。迪麻洛河为怒江左岸一级支流，因其凸型斜坡地貌、变质软岩分布、断裂剪切破坏及新构造运动间歇性抬升产生的丰富物源等特征在怒江上游具有代表性。野外调查揭示，流域内泥石流主要分为沟谷型、坡面型和沟谷-坡面复合型3种，且多发育于迪麻洛河左岸。基于水文响应单元，从地质、地貌、降雨量、物源条件、人类工程活动等方面选取8项评价因子。针对各因子对不同类型泥石流影响程度的不同，采用层次分析法赋予各因子不同的权重。最后结合信息量法，分类剖析不同类型泥石流的易发性。结果表明：各类泥石流易发性高和极高的地区主要地层为石炭系第四段(Cd)、第五段(Ce)等岩性软弱地层; 主要沿着道路建设等人类工程活动强烈的地区分布; 越靠近断裂带易发性越高。随着易发性等级的提高，泥石流发育比例和相对发育比例也相应增高; 各类型泥石流AUC达83.34%、90.07%和84.39%，评价结果合理，可为怒江支流泥石流防治规划与预测预报提供科学依据，为西南深切峡谷变质软岩区群发性泥石流防灾减灾提供理论和技术参考。
Abstract:The research on debris flow in Nujiang River mostly focused on the influence of tributary debris flow on the main stream, but ignored the tributary debris flow.Dimaluo river is a tributary on the left bank of Nujiang River.It is representative in the upper reaches of Nujiang River(Yunnan)because of its convex slope landform, distribution of metamorphic soft rock, fault shear failure and abundant provenance caused by intermittent uplift of Neotectonic movement.Field investigation shows that debris flow can be divided into three types, gully type, slope type and composite type.Based on the hydrological response unit, 8 evaluation factors are selected.This paper analyzes the susceptibility of different types of debris flow by using AHP and information method.The results show that the areas with high and extremely high susceptibility to all kinds of debris flow are mainly weak strata such as Cd and Ce, and they are mainly distributed along the areas with strong human engineering activities, such as road construction, with the closer to the fault zone, the higher the susceptibility.The AUC of all types of debris flow reaches 83.34%, 90.07% and 84.39%, so the evaluation results are reasonable, which can provide scientific basis for the prevention and control planning and prediction of debris flow in Nujiang River, and provide theoretical and technical reference for disaster prevention and mitigation of mass debris flow in southwest deep canyon metamorphic soft rock area.
-
Key words:
- Nujiang River /
- debris flow /
- susceptibility assessment /
- GIS /
- information method
-
-
表 1 各评价因子VIF计算结果
Table 1. Evaluate factor's VIF calculate results
评价因子 修改前 修改后 容差 VIF 容差 VIF 构造作用 0.393 2.544 0.396 2.527 岩性 0.516 1.936 0.517 1.934 高差率 0.223 4.479 0.581 1.722 坡度 0.452 2.214 0.452 2.211 延伸率 0.351 2.847 0.913 1.096 降雨量 0.680 1.471 0.687 1.455 物源丰富程度 0.528 1.894 0.528 1.894 人类工程活动 0.617 1.620 0.619 1.615 
下载: 导出CSV
表 2 判断矩阵标度及其含义
Table 2. Scale of judgment matrix and its meaning
标度 代表意义 1 表示两个因素的重要性相等 3 表示两个因素相比，前者稍微比后者重要 5 表示两个因素相比，前者比后者重要 7 表示两个因素相比，前者比后者明显重要 2、4、6 表示两个因素相比，重要性处于上述相邻判断之间 倒数 如果i和j两因素重要性之比为Xij 那么j和i因素重要性之比则为Xji=1/Xij
下载: 导出CSV
表 3 坡面型泥石流评价因子判断矩阵及权重
Table 3. Judgment matrix and weight value of each factors for slope debris flow
因子 构造作用 岩性 高差率 坡度 延伸率 降雨量 物源丰富程度 人类工程活动 权重w 构造作用 1 1/3 1/2 1/4 1/3 1/5 1/4 1/5 0.015 岩性 3 1 2 1/2 1 1/3 1/2 1/3 0.082 高差率 2 1/2 1 1/3 1/2 1/4 1/3 1/4 0.051 坡度 4 2 3 1 2 1/2 2 1/2 0.153 延伸率 3 1 2 1/2 1 1/3 1/2 1/3 0.082 降雨量 5 3 4 2 3 1 2 2 0.255 物源丰富程度 4 2 3 1/2 2 1/2 1 1/2 0.130 人类工程活动 5 3 4 2 3 1/2 2 1 0.213
下载: 导出CSV
表 4 沟谷型泥石流评价因子判断矩阵及权重
Table 4. Judgment matrix and weight value of each factors for gully type debris flow
因子 构造作用 岩性 高差率 坡度 延伸率 降雨量 物源丰富程度 人类工程活动 权重w 构造作用 1 4 2 4 3 1/2 2 5 0.216 岩性 1/4 1 1/3 1/2 1/2 1/4 1/3 2 0.051 高差率 1/2 3 1 3 2 1/2 1/2 4 0.134 坡度 1/4 2 1/3 1 1/2 1/4 1/3 2 0.060 延伸率 1/3 2 1/2 2 1 1/3 1/2 3 0.088 降雨量 2 4 2 4 3 1 2 5 0.259 物源丰富程度 1/2 3 2 3 2 1/2 1 4 0.157 人类工程活动 1/5 1/2 1/4 1/2 1/3 1/5 1/4 1 0.035
下载: 导出CSV
表 5 各因子信息量值
Table 5. The information values of each factor
评价因子X 二级状态Xi 坡面型I 沟谷型I 复合型I 评价因子X 二级状态Xi 坡面型I 沟谷型I 复合型I 构造作用 ＜1000 0.664 1.425 1.626 延伸率 ＜1.607 0.222 0.541 0.742 1000~2000 0.308 0 0 1.607~1.972 0.171 0.067 0.267 2000~3000 -0.254 -0.507 -0.307 1.972~2.369 -0.419 -0.505 -0.998 ＞3000 -0.309 -0.749 -1.647 ＞2.369 -0.145 -0.232 0 岩性 C2 0.468 -0.884 -0.683 物源丰富程度 丰富 0.665 1.460 1.409 C1 -1.072 -0.465 -0.958 中等 0.233 -0.228 -0.027 γ -0.266 0 0 不丰富 -0.530 0 0 Ce 0.767 1.069 1.670 人类工程活动/m ＜400 1.397 0.911 0.601 Cd 1.139 0 0 400~800 0.239 0 0.112 高差率/% ＜44.13 0.402 0.149 0.349 800~1200 -0.347 0.866 -0.320 44.13~54.84 -0.182 0.273 0.474 ＞1200 -3.040 -1.134 -0.240 54.84~67.34 -0.059 -1.079 0 坡度/° ＜30 0.448 0 0 67.34~84.23 -0.227 -0.218 0 30~35 -0.426 0.029 0.007 ＞84.23 -0.760 0.858 1.059 35~40 0.226 0.363 0.564 降雨量/mm ＜1500 0 0 0 40~45 -0.388 0 0 1500-1600 -0.073 0.193 0.075 ＞45 0 3.325 0 ＞1600 0.510 0 -0.236
下载: 导出CSV
表 6 泥石流易发性信息
Table 6. Information of debris flow susceptibility
易发等级 坡面型 沟谷型 复合型 易发区间 泥石流发育比例 泥石流相对发育比例 易发区间 泥石流发育比例 泥石流相对发育比例 易发区间 泥石流发育比例 泥石流相对发育比例 极低 -0.96~-0.78 3.09% 0.10 -0.43~-0.26 0.00% 0.00 -3.87~-1.84 0.00% 0.00 低 -0.78~-0.61 6.02% 0.22 -0.26~-0.13 0.95% 0.03 -1.84~-0.60 0.92% 0.03 中 -0.61~-0.31 24.14% 2.51 -0.13~0.09 1.35% 0.05 -0.60~0.72 4.88% 0.36 高 -0.31~0.13 30.30% 2.76 0.09~0.43 4.55% 0.31 0.72~2.50 5.66% 0.32 极高 0.13~0.64 61.02% 3.11 0.43~0.74 41.18% 7.29 2.50~5.20 14.29% 1.54 注：泥石流发育比例=各等级发育泥石流水文响应单元个数/各等级水文响应单元总个数，泥石流相对发育比例=泥石流发育比例/各等级水文响应单元个数占比
下载: 导出CSV
-
[1] Guzzetti F, Reichenbach P, Cardinali M, et al. Probabilistic landslide hazard assessment at the basin scale[J]. Geomorphology, 2005, 72(1/4): 272-299.
[2] 任敬, 范宣梅, 赵程, 等. 贵州省都匀市滑坡易发性评价研究[J]. 水文地质工程地质, 2018, 45(5): 165-172. https://www.cnki.com.cn/Article/CJFDTOTAL-SWDG201805024.htm
[3] 王高峰, 杨强, 田运涛, 等. 泥石流易发性评价模型的构建——以白龙江流域石门乡羊汤河段为例[J]. 干旱区研究, 2019, 36(3): 761-770. https://www.cnki.com.cn/Article/CJFDTOTAL-GHQJ201903028.htm
[4] Jiang W G, Rao P Z, Cao R, et al. Comparative evaluation of geological disaster susceptibility using multi-regression methods and spatial accuracy validation[J]. Journal of Geographical Sciences, 2017, 27(4): 439-462. doi: 10.1007/s11442-017-1386-4
[5] Sun J, Qin S, Qiao S, et al. Exploring the impact of introducing a physical model into statistical methods on the evaluation of regional scale debris flow susceptibility[J]. Natural Hazards, 2021, 106: 881-912. doi: 10.1007/s11069-020-04498-4
[6] Qing F, Zhao Y, Meng X, et al. Application of Machine Learning to Debris Flow Susceptibility Mapping along the China-Pakistan Karakoram Highway[J]. Remote Sensing, 2020, 12(18): 2933-2933. doi: 10.3390/rs12182933
[7] Chen Y, Qin S, Qiao S, et al. Spatial Predictions of Debris Flow Susceptibility Mapping Using Convolutional Neural Networks in Jilin Province, China[J]. Water, 2020, 12(8): 2079-2079. doi: 10.3390/w12082079
[8] 毛佳睿, 李铁锋, 田运涛, 等. 基于物源特征的白龙江流域泥石流易发性评价[J]. 科学技术与工程, 2020, 20(28): 11479-11490. doi: 10.3969/j.issn.1671-1815.2020.28.012
[9] 蔡定昆. 兼顾发展权与可持续性的怒江流域开发模式研究[D]. 西南财经大学博士学位论文, 2011.
[10] 梁馨月, 徐梦珍, 吕立群, 等. 基于地貌特征的青藏高原边缘泥石流沟分类[J]. 地理学报, 2020, 75(7): 1373-1385. https://www.cnki.com.cn/Article/CJFDTOTAL-DLXB202007005.htm
[11] 张杰, 李世凯, 甘云兰, 等. 云南贡山8·18特大泥石流灾害调查分析与启示[J]. 工程地质学报, 2015, 23(3): 373-382. https://www.cnki.com.cn/Article/CJFDTOTAL-GCDZ201503002.htm
[12] 吕立群, 王兆印, 徐梦珍, 等. 怒江泥石流扇地貌特征与扇体堵江机理研究[J]. 水利学报, 2016, 47(10): 1245-1252. https://www.cnki.com.cn/Article/CJFDTOTAL-SLXB201610004.htm
[13] 李树德. 滑坡型泥石流形成机理[J]. 北京大学学报(自然科学版), 1998, (4): 3-5. https://www.cnki.com.cn/Article/CJFDTOTAL-BJDZ804.015.htm
[14] 杨涛, 唐川, 常鸣, 等. 基于数值模拟的小流域泥石流危险性评价研究[J]. 长江流域资源与环境, 2018, 27(1): 197-204. https://www.cnki.com.cn/Article/CJFDTOTAL-CJLY201801022.htm
[15] Lyons N J, Mitasova H, Wegmann K W. Improving mass-wasting inventories by incorporating debris flow topographic signatures[J]. Landslides, 2014, 11(3): 385-397. doi: 10.1007/s10346-013-0398-0
[16] 梁馨月, 曾璐, 葛永刚, 等. 川西高原鲜水河断裂带炉霍-道孚段泥石流分布特征[J]. 地质通报, 2021, 40, 319(12): 2061-2070. http://dzhtb.cgs.cn/gbc/ch/reader/view_abstract.aspx?file_no=20211209&flag=1
[17] 张书豪, 吴光, 张乔, 等. 基于子流域特征的泥石流易发性评价[J]. 水文地质工程地质, 2018, 45(2): 142-149. https://www.cnki.com.cn/Article/CJFDTOTAL-SWDG201802022.htm
[18] Melton M A. The Geomorphic and Paleoclimatic Significance of Alluvial Deposits in Southern Arizona: A Reply[J]. The Journal of Geology, 1966, 74(1): 102-106. doi: 10.1086/627147
[19] 熊德清, 崔笑烽. 喜马拉雅山脉地震带主要地质灾害与地形地貌关系——以西藏日喀则地区为例[J]. 地质通报, 2021, 40(11): 1967-1980. doi: 10.12097/j.issn.1671-2552.2021.11.014 http://dzhtb.cgs.cn/gbc/ch/reader/view_abstract.aspx?file_no=20211114&flag=1
[20] 周超. 集成时间序列InSAR技术的滑坡早期识别与预测研究[D]. 中国地质大学博士学位论文, 2018.
[21] 梁丽萍, 刘延国, 唐自豪, 等. 基于加权信息量的地质灾害易发性评价——以四川省泸定县为例[J]. 水土保持通报, 2019, 39(6): 176-182, 321. https://www.cnki.com.cn/Article/CJFDTOTAL-STTB201906028.htm
[22] 孙长明, 马润勇, 尚合欣, 等. 基于滑坡分类的西宁市滑坡易发性评价[J]. 水文地质工程地质, 2020, 47(3): 173-181. https://www.cnki.com.cn/Article/CJFDTOTAL-SWDG202003022.htm
[23] 胡芹龙, 王运生. 基于GIS的川西地貌过渡带滑坡灾害易发性评价[J]. 成都理工大学学报(自然科学版), 2018, 45(6): 746-753. doi: 10.3969/j.issn.1671-9727.2018.06.10
[24] 杨盼盼, 王念秦, 郭有金, 等. 基于加权信息量模型的临潼区滑坡易发性评价[J]. 长江科学院院报, 2020, 37(9): 50-56. https://www.cnki.com.cn/Article/CJFDTOTAL-CJKB202009011.htm
[25] Singh K, Kumar V. Hazard assessment of landslide disaster using information value method and analytical hierarchy process in highly tectonic Chamba region in bosom of Himalaya[J]. Journal of Mountain Science, 2018, 15(4): 808-824. doi: 10.1007/s11629-017-4634-2
[26] 赵鹏大, 胡旺亮, 李紫金. 矿床统计预测[M]. 北京: 地质出版社, 1983.
[27] 张以晨, 秦胜伍, 翟健健, 等. 基于信息量的长白山地区泥石流易发性评价[J]. 水文地质工程地质, 2018, 45(2): 150-158. https://www.cnki.com.cn/Article/CJFDTOTAL-SWDG201802023.htm
[28] 宁娜, 马金珠, 张鹏, 等. 基于GIS和信息量法的甘肃南部白龙江流域泥石流灾害危险性评价[J]. 资源科学, 2013, 35(4): 892-899. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZY201304028.htm
[29] 张欣, 王运生, 梁瑞锋. 基于GIS的小江断裂中北段滑坡灾害危险性评价[J]. 地质与勘探, 2018, 54(3): 623-633. doi: 10.3969/j.issn.0495-5331.2018.03.018
[30] 许冲, 戴福初, 姚鑫, 等. 基于GIS与确定性系数分析方法的汶川地震滑坡易发性评价[J]. 工程地质学报, 2010, 18(1): 15-26. doi: 10.3969/j.issn.1004-9665.2010.01.003
-
图(8)
表(6)
计量
- 文章访问数: 1040
- PDF下载数: 77
- 施引文献: 0