基于敏感性制圖和數(shù)值模擬的泥石流綜合評價
——以九綿高速公路沙尕溝為例

劉 勇， 白 皓*， 王海宇， 王武斌， 曾 楠

(1.四川高速公路建設(shè)開發(fā)集團有限公司， 成都 610041； 2.四川綿九高速公路有限責任公司， 江油 621799；3.西南交通大學陸地交通地質(zhì)災(zāi)害防治技術(shù)國家工程實驗室， 成都 611731)

隨著四川高速公路路網(wǎng)向盆周山區(qū)延伸，項目建設(shè)面臨的地質(zhì)條件極其復(fù)雜，需要穿越高烈度地震區(qū)域、高頻發(fā)地質(zhì)災(zāi)害區(qū)域[1]，對項目方案選線、結(jié)構(gòu)物選型都提出了極高的技術(shù)要求[2]，因此將地災(zāi)形成機制及提出相應(yīng)措施進行研究是具有實際價值的。其中，泥石流屬于一種極為典型的地質(zhì)災(zāi)害，其暴發(fā)機制復(fù)雜、影響因素眾多、危害性極大[3]。通過提取泥石流整個形成過程所涉及的一系列因子，可以綜合評價分析區(qū)域泥石流的敏感性等級，從而對泥石流可能活動狀況和潛在的發(fā)展趨勢做出判斷，以達到防治的目的[4]。

包括泥石流在內(nèi)的地質(zhì)災(zāi)害評價，中外學者嘗試了包括模糊數(shù)學、突變理論、信息量模型、神經(jīng)網(wǎng)絡(luò)分析和層次分析法等多種數(shù)學理論[5]，這些模型可以將更加細致化、數(shù)量化的評價結(jié)果應(yīng)用到泥石流中。例如，李橋等[5]提出基于粒子群優(yōu)化算法和AdaBoost算法耦合的泥石流物源的評價方法，取得較高的預(yù)測精度，可滿足實踐需求。毛佳睿等[6]利用層次分析法對白龍江流域的泥石流進行易發(fā)性評價，考慮了多種影響因子，為該區(qū)域客觀評價泥石流提供了詳實的基礎(chǔ)數(shù)據(jù)。Chen等[7]利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)法對陜西滑坡災(zāi)害進行了建模和分析，最終模型表現(xiàn)出卓越的性能。此外，泥石流的沖出范圍的數(shù)值模擬也是研究的焦點所在，例如，張奮翔等[8]對西藏若如村泥石流進行數(shù)值模擬，尤其是考慮了排導槽對公路的保護作用。王小軍等[9]基于攔砂壩排泄孔優(yōu)化進行泥石流的數(shù)值模擬研究，得到了良好的模擬效果。但上述研究均涉及的是較為單一的研究內(nèi)容，如何將敏感性評價和數(shù)值模擬進行有效結(jié)合，以期更加合理和有效地討論泥石流災(zāi)害的危險性尚待研究，因此，利用多種方法進行綜合性評價泥石流在實踐過程中有著重要的意義。

2020年8月中旬，在建的九綿高速公路項目九寨溝縣勿角段和平武縣白馬段遭遇百年罕見的連續(xù)強降雨天氣，引發(fā)區(qū)域性泥石流災(zāi)害，造成重大經(jīng)濟損失。為此，以九寨溝縣勿角鄉(xiāng)沙尕溝泥石流為研究對象，利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)，進行多評價因子的泥石流敏感性評價，利用評價結(jié)果對泥石流沖出范圍進行估計。以期評估九綿高速公路方案選線和跨越結(jié)構(gòu)物選型的合理性和安全性。

1 工程概況

四川省九寨溝(甘川界)至綿陽公路項目LJ7合同段路線起于阿壩州九寨溝縣勿角鄉(xiāng)新陽村，沿湯珠河，穿越沙尕溝后，止于浦南村文縣溝。研究區(qū)就位于九寨溝縣陽山村的沙尕溝，水系為湯珠河的一級右支流。溝口往內(nèi)約2.5 km段有機耕道沿溝通往溝內(nèi)，再往溝內(nèi)則只有山路可行。擬建高速公路路線位于該溝口往溝內(nèi)約2 km處，擬以架設(shè)橋梁的形式跨越該泥石流溝谷。

根據(jù)鉆孔揭露橋梁跨越段斜坡及溝道覆蓋層厚度較大，現(xiàn)場調(diào)查發(fā)現(xiàn)跨越段泥石流溝谷沖蝕能力較強，因此橋梁下部采用主墩基礎(chǔ)為6根直徑2.0 m的鉆孔灌注樁，而基礎(chǔ)持力層直接作用于中風化的基巖之上。對于跨越沙尕溝主橋墩，采用了雙薄壁的空心墩，橋梁上部左右線分別采用40+70+40(45+75+45) m連續(xù)鋼構(gòu)，以及三向的預(yù)制應(yīng)力混凝土結(jié)構(gòu)。而主梁的構(gòu)筑則采用分幅的單箱單室式截面。

2 研究區(qū)泥石流發(fā)育特征

2.1 歷史情況

據(jù)訪問當?shù)卮迕瘢虫販显啻伟l(fā)生泥石流，其中記錄最清晰的是于1972、1989、2016年這三次較大規(guī)模的泥石流，泥石流所至之處鏟刮攜帶有大量的松散物源并對沿岸造成侵蝕。受到2017年九寨溝的特大地震的影響，沙尕溝坡面的不穩(wěn)定物源進一步增加，大量的巖土體材料被崩解至溝道內(nèi)。在實地調(diào)查中及現(xiàn)場的無人機航拍圖中，在溝渠中觀察到各種類型的疏松材料，它們是泥石流的潛在來源。如圖1(a)和圖1(c)所示，河道兩側(cè)均可見松散的泥石流物源，厚度多在0.5 ～ 1.5 m。這些堆積物分層現(xiàn)象不明顯，密實程度較低易被啟動，且粒徑大小混雜，無磨圓，塊石巖性混雜，現(xiàn)場調(diào)查判斷其為泥石流堆積物。此外，現(xiàn)場調(diào)查發(fā)現(xiàn)溝道內(nèi)有豐富的坡積物一類的松散物源。如河道旁孤立的巨石，長軸可達1.3 m，暫判斷為坡體的滾石。航拍圖中解譯多處小型滑坡[圖1(b)]，這些滑坡和周圍的地貌景物存在明顯的色差，多呈條帶狀。由于岸坡陡立，破碎的基巖物質(zhì)失穩(wěn)傾瀉而形成。以上調(diào)查說明沙尕溝岸坡可為泥石流提供豐富的物源。

圖1 現(xiàn)場調(diào)查和無人機解譯的溝谷內(nèi)物源特征

2.2 地質(zhì)地形情況

沙尕溝沿途出露的地層主要為泥盆系中統(tǒng)三合口組的灰?guī)r夾少量砂板巖、第四系上更新統(tǒng)冰水堆積層、第四系全新統(tǒng)沖洪積層以及不同厚度的崩滑流的堆積層。從構(gòu)造區(qū)域上劃分，沙尕溝流域處于四川省的東北，屬于高山侵蝕-剝露構(gòu)造區(qū)。流域內(nèi)海拔最高的山峰為右側(cè)分水嶺峰，高約3 680 m，溝谷最低的谷底約1 920 m，整體相對高差約1 760 m。由圖2的溝谷形態(tài)圖可見，溝谷整體上呈不對稱的樹葉狀，流域面積約為25 km2，由條帶狀的AA′剖面可以看出，主溝至分水嶺直線長度超過8 km，溝道整體順直，中部略呈彎曲，整體縱坡降為116%。沙尕溝的支溝眾多，呈發(fā)散狀分布，這為泥石流匯聚水能和松散物源提供了條件。兩側(cè)岸坡較為陡立，局部坡度可達70°以上。主溝溝谷寬窄不均，一般寬30～50 m。

圖2 研究區(qū)沙尕溝整體景貌及沿溝谷的條帶狀剖面

3 方法

為了建立對泥石流溝的評價系統(tǒng)，首先選擇合適的評價因子，選擇10個在泥石流評價應(yīng)用較廣的評價因子，然后利用逐步評估比率法確定各個因子每個類別的權(quán)重。最后自適應(yīng)神經(jīng)模糊推理系統(tǒng)及其優(yōu)化模型被應(yīng)用于泥石流評價中。

3.1 評價因子的選取

泥石流的啟動和運移過程中，最主要的三個影響條件就是降雨量、物源和地形條件。由于研究區(qū)域范圍較小，降雨量對流域內(nèi)的泥石流敏感性較小，與之相關(guān)聯(lián)的溝道匯水量則相對更加敏感。物源通常分為人工物源和天然物源，研究區(qū)內(nèi)人類活動影響相對較小，天然物源的分布則受到地形、巖性、坡向等影響較大。因此在本研究中，主要依靠10個不同的因子對泥石流過程的敏感進行評價，包括應(yīng)用較為廣泛的巖性、高程、坡度、坡向和平面曲率和剖面曲率，以及4個基于水文計算的沉積物輸運能力指數(shù)(sediment transport capacity index，STI)、地形濕度指數(shù)(topographic wetness index，TWI)、河流功率指數(shù)(stream power index，SPI)和地形特征指數(shù)(terrain characterization index，TCI)。

(1) 巖性對于泥石流的影響主要取決于其抗風化能力。巖體種類的差異導致產(chǎn)生物源也具有明顯的差異。此外風化引起的固體顆粒大小也會影響泥石流的形成。不同粒徑的泥石流形成條件不同，但不同粒徑的泥石流源分選較差。泥石流的形態(tài)對泥石流的運移過程有重要影響。

(2)坡度是泥石流引發(fā)分析中最重要的參數(shù)，因此已被用來評估其對泥石流敏感性的影響。通常，較高的斜坡使斜坡破壞更容易發(fā)生。一般認為泥石流是在坡度值至少為15°的區(qū)域開始的。但在溝谷內(nèi)松散物質(zhì)豐富時這一起始條件會降低。

(3) 坡向?qū)囟取⒔涤?、風速、陽光、土壤類型等因子的都有著重要的響應(yīng)，因此對泥石流松散物源分布，形成過程都有影響。

(4) 曲率是進一步探究坡度的形狀的結(jié)果，可以計算數(shù)值高程模型(DEM)的二階導數(shù)得到。曲率取值的變化往往代表著地表形態(tài)的凹凸變化過程，而且也可以用來解釋流域的相關(guān)物理特質(zhì)，包括水文侵蝕過程和匯流形成過程。此外，利用曲率值可以了解土壤不同的侵蝕模式和陸地水域的變化。通常，它包括剖面曲率和平面曲率兩種。剖面曲率通常對水流的速度控制起到至關(guān)重要的作用，然后進一步去影響物質(zhì)侵蝕和沉積，這對泥石流運動至關(guān)重要。平面曲率影響徑流的匯聚作用和分散作用，是泥石流啟動閾值的重要參數(shù)。

(5) 泥沙輸送能力指數(shù)(STI)可以用來表示土壤損失的嚴重程度。該指數(shù)首先被引用于評價土壤流失和區(qū)域的土壤侵蝕(如通用土壤流失方程)，它的量化性能被中外學者廣泛接受和應(yīng)用，但也存在一些局限性。STI計算方法是Moore等[10]提出的基于匯水面積來估算STI因子，將STI看作局部坡度和匯水面積的函數(shù)，具體計算式如(1)所示。

(1)

式(1)中：As為單位輪廓寬度的流域貢獻面積，m2/m；β為坡度，角度制；m和n分別為坡長和坡度因子，可以用來描述水文的影響，從而繪制地形對自然景觀土壤侵蝕的影響，現(xiàn)取m=0.42，n=1.3。

(6)地形濕度指數(shù)(TWI)表達了區(qū)域水循環(huán)對地形特征的響應(yīng)過程，前提條件是基于均勻的土壤(物質(zhì))性質(zhì)和穩(wěn)態(tài)條件的假設(shè)[11-12]。此外，河流功率指數(shù)(SPI)和地形特征指數(shù)(TCI)也被選擇作為評價泥石流的影響因子。其計算公式分別如式(2)～式(4)所示：

(2)

SPI=ln(As×tanβ)

(3)

TCI=κlnAs

(4)

式中：κ為曲率。

3.2 自適應(yīng)神經(jīng)模糊推理系統(tǒng)

自適應(yīng)神經(jīng)模糊推理系統(tǒng)(adaptive neuro-fuzzy inference system,ANFIS)是一種在解決非線性問題的高效而有力的方法。模糊推理系統(tǒng)可以基于模糊理論建立復(fù)雜的映射關(guān)系。這通常使得模糊推理系統(tǒng)非常適合表達模糊的經(jīng)驗和知識。在傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)方法中，輸入輸出變量之間的關(guān)系是通過數(shù)據(jù)訓練和學習自動建立的。因此，自適應(yīng)神經(jīng)模糊推理系統(tǒng)模型綜合兩者算法的優(yōu)點，可以實現(xiàn)對隱藏在數(shù)據(jù)中的邏輯規(guī)則的自動提取和挖掘[7,13]。

通常情況下，ANFIS模型包括5層：模糊化、模糊“與”運算、歸一化、模糊推理和去模糊化(圖3)。模糊化的目的是將輸入值轉(zhuǎn)換為模糊集。這個過程的結(jié)果是由各種成員函數(shù)驅(qū)動的，主要包括三角函數(shù)、梯形函數(shù)、高斯函數(shù)和鐘形函數(shù)，分別如式(5)～式(8)所示。對于模糊“與”運算，安排幾個固定節(jié)點來計算輸入值的代數(shù)乘積，這些代數(shù)乘積基本上代表了規(guī)則的發(fā)射強度。在第三層，所有的發(fā)射強度值都在固定節(jié)點上進行歸一化處理。在模糊推理階段，應(yīng)用線性方程得出解糊化層所需結(jié)果。在去模糊化的過程中，將第四層的輸出值在固定節(jié)點上求和，產(chǎn)生最終結(jié)果。

x、y為輸入；A、B為模糊集；f為輸出；p、q和r為人工神經(jīng)網(wǎng)絡(luò)確定的參數(shù)；Π、N和Σ分別為結(jié)構(gòu)層中帶有乘積、比值、求和屬性的固定節(jié)點

(5)

(6)

(7)

(8)

式中：a、b、c、d和σ為成員函數(shù)的預(yù)參數(shù)。

此外，與傳統(tǒng)的模糊系統(tǒng)相比，ANFIS方法由于采用了基于Takagi-Sugeno模糊規(guī)則和加權(quán)求和法的特殊模糊控制器，在處理數(shù)據(jù)方面更為有效。鑒于上述優(yōu)點，ANFIS方法已被廣泛應(yīng)用于許多領(lǐng)域，并被證明是一種合理和適用的工具。在本文研究中，為了對比和優(yōu)化，一種優(yōu)化算法作為ANFIS的優(yōu)化準則被引入。

3.3 基于教學優(yōu)化算法

教學優(yōu)化算法(teaching-learning optimization algorithm,TLOA)是一種新型的進化算法，它是為了解決機械設(shè)計的優(yōu)化問題而提出的[14]。同時也證明了教學優(yōu)化算法的性能普遍優(yōu)于其他類似的優(yōu)化算法，并且更適用于非線性問題。因此，教學優(yōu)化算法在各類工程項目中都有光明的前景。教學優(yōu)化算法程序由三個階段組成，包括初始化、教學和學習階段。每個階段的細節(jié)描述如下。

(1)在初始化階段，由若干學習者組成的初始班級是隨機生成的。假設(shè)Xj表示第j個學習者，Xj是一個N維向量，其中的元素代表教學優(yōu)化算法中的不同主體。每個學習者的隨機生成可以用公式表示，由式(9)來實現(xiàn)。

(9)

(2)在教學階段，聘請成績最高的學習者Xt擔任教師，用來提升班級的一般成績。首先，利用式(10)對教師和學員的分數(shù)差異進行量化評估。

TF=round(1+ri)，ri=rand(0,1)

(10)

教師階段產(chǎn)生的新值將根據(jù)以下條件進行保留或刪除：

結(jié)束

(11)

(3)最后一個階段，通過學習者之間的學習，提高班級的綜合成績。假設(shè)Xi是第i個學習者，隨機選取Xi作為Xi學習對象(i≠j)。與教師階段類似，應(yīng)用Xi和Xj的差值產(chǎn)生一個新的變量。最后，根據(jù)式(12)表示的標準對該階段得到的新值進行處理。

(12)

在教學優(yōu)化算法開始運行前，應(yīng)根據(jù)不同的經(jīng)驗和要求提供附加參數(shù)，主要包括初始種群規(guī)模、世代數(shù)、設(shè)計變量數(shù)和各種變量的取值范圍。其中，世代數(shù)被認為是終止指數(shù)。具體來說，當達到預(yù)定的世代數(shù)時，教學優(yōu)化算法被設(shè)置為停止運行[14]。

4 敏感性制圖評價分析

4.1 評價因子制圖分析

基于ALOS衛(wèi)星(日本于2006年01月24日發(fā)射)相控陣型L波段合成孔徑雷達(PALSAR)采集的DEM數(shù)據(jù)，其水平向及垂直向精度可達12.5 m。相比于先進星載熱發(fā)射和反射輻射儀全球數(shù)字高程模型(ASTER GDEM)的30 m精度，對評價因子的提取更加精確。利用Arcgis10.2平臺Toolbox的多個工具箱，計算各評價因子計算結(jié)果如圖4所示。

圖4 研究區(qū)各個評價因子的分布圖

根據(jù)所制訂的方法，在涉及數(shù)據(jù)準備階段的第一階段之后，進入加權(quán)階段。一個專家組(本文研究報告的作者)根據(jù)逐步評估比率法對每個因素的分類進行排序(表1)，顯然權(quán)重越高的分類越容易發(fā)生泥石流。由Arcgis制圖結(jié)果(圖4)可以看出，沙尕溝流域巖性中[圖4(a)]，灰?guī)r夾泥灰?guī)r的抗風化能明顯較其余二者較差，其權(quán)重值為0.424。溝谷屬于深切割的中山地貌，地形起伏較大，相對高差約為1 800 m[圖4(b)]。對于坡角，權(quán)重最高的是20°左右的第二類，其權(quán)重為0.317；其次是24°～30°，權(quán)重為0.246的等級。沙尕溝的岸坡朝向分布對泥石流的未形成直接影響，但其會影響到植被，甚至影響到根系分布和受到光照等方面，致使岸坡的抗侵蝕能力和抗風化能力有所差異，從而產(chǎn)生物源的條件差異。沙尕溝內(nèi)朝向處在東南向(145°±)的邊坡最少，西南向(225°±)邊坡向最多[圖4(d)]。通常認為曲率高的地方對泥沙運移和水流加速更加有利，沙尕溝內(nèi)曲率的極高值多分布在溝道內(nèi)[圖4(e)和圖4(f)]。

表1 各個評價因子的分類及其所對應(yīng)的權(quán)重

分析TWI對于泥石流的敏感性時，通常需要的前提條件是區(qū)域內(nèi)土壤性質(zhì)的空間一致性，這顯然是存在局限性的。但是多數(shù)的研究發(fā)現(xiàn)，局部的地形變化和差異對土壤含水量分布的影響是明顯超過土壤性質(zhì)變化(如滲透率)對其的影響[11]。較高的TWI值表明存在地面凹陷，這些凹陷易于匯聚地表徑流并存儲了降雨產(chǎn)生的地表水。因此，在泥石流物源中產(chǎn)生了孔隙水壓力，會導致物質(zhì)相應(yīng)的抗剪強度變低，從而增加了物源運移的可能性。這對分析泥石流是至關(guān)重要的。沙尕溝的TWI較高值(> 8.58)分布表明了主溝和支溝對泥石流的控制性影響，所對應(yīng)的權(quán)重值也是最高的[圖4(g)]。

對于STI的分析，是對研究區(qū)的溝內(nèi)處理侵蝕學坡長然后計算得到[15]，其能夠反映侵蝕隨地形變化的分布。沙尕溝內(nèi)較小的STI值主要分布于相對坡度較小區(qū)域，如分水嶺、主溝及支溝溝道和一些平坦區(qū)域，較大值則多分布在坡面區(qū)域，主要原因是坡度對STI因子起主要作用，坡度變小影響了STI因子的增長趨勢。對STI因子結(jié)果進行統(tǒng)計分析，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[圖4(h)]。STI最終研究結(jié)果處在Kang等[15]和McCool等[16]的建議值之間。此外，對于SPI來說，權(quán)重最大的分類為1.15～4.08，其權(quán)重為0.251。類似的TCI中，對應(yīng)權(quán)重最大的分類區(qū)間范圍為小于2.07，其權(quán)重為0.282。

4.2 綜合評價制圖分析

為了驗證優(yōu)化算法的成果，得到了兩組試驗評價結(jié)果，即自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)和基于教學優(yōu)化后的自適應(yīng)神經(jīng)模糊推理系統(tǒng)(TLOA-ANFIS)在對每個因子結(jié)果賦予不同的權(quán)重時，其數(shù)量級和量綱往往差異很大，因此為了評價結(jié)果的合理性，對每個影響因子進行歸一化處理，得到每個評價因子的(0,1)區(qū)間內(nèi)的值，聯(lián)合其權(quán)重進行敏感性評價，通常的數(shù)值化評價結(jié)果往往較為簡單，通過地理信息系統(tǒng)(GIS)制圖軟件將最終的評價結(jié)果進行三維顯示使結(jié)果更加明確和科學，因此利用數(shù)字地形表達這一結(jié)果應(yīng)該被推廣和應(yīng)用到實際生產(chǎn)中。

基于ANFIS和TLOA-ANFIS的評價結(jié)果如圖5所示，沙尕溝大部分區(qū)域的泥石流敏感性屬于中等偏低，泥石流影響較小。為了更加清楚結(jié)果表達，將評價系數(shù)高于0.8的區(qū)域定義為極高危險區(qū)，0.6～0.8為高危險區(qū)，0.3～0.6為中等危險區(qū)，0.15～0.3為低危險區(qū)，低于0.15為極低危險區(qū)。對比兩個模型得到的結(jié)果，極高危險區(qū)差異較小，都集中在主溝溝道，面積占比分別為1.51%和1.20%。差異最大的評價結(jié)果在于，較低敏感性區(qū)域明顯擴大，由原來的28.67%增大至42.3%。整體上來看，優(yōu)化后的模型對溝內(nèi)泥石流的敏感性評價是略有降低，尤其是溝谷兩側(cè)的坡面，泥石流可能性較小，在利用TLOA算法后，評價結(jié)果得到很好的優(yōu)化，這與實際較為符合，模型評價的合理性提高。

圖5 不同方法的敏感性制圖結(jié)果對比分析

由最終優(yōu)化到的模型結(jié)果可見，沙尕溝的泥石流極高和高危險區(qū)域主要為主干河道，雖然對整個流域來說占比較低，但是卻是至關(guān)重要的地方，尤其是從溝口沿河道約3.5 km以內(nèi)，這與野外實際調(diào)查結(jié)果是相符合的[17]。

中等敏感性及以上區(qū)域主要為主溝、各支溝及溝道兩側(cè)被沖刷侵蝕的地方，這些地方的水土流失是泥石流發(fā)生的重要原因。因此建議在溝道合適地點建立攔擋壩，以降低突發(fā)泥石流災(zāi)害的沖擊力，減緩其對居民及高速公路設(shè)施的影響?？蛇x擇風險分布范圍較窄的區(qū)域進行跨越，并且采用大跨度橋梁結(jié)構(gòu)形式進行地質(zhì)災(zāi)害繞避。

5 沖出范圍預(yù)測

泥石流的危害范圍預(yù)測也是泥石流評價的一項重要的組成部分[18-19]。通過上述敏感性制圖評價得到潛在的泥石流高危險區(qū)，也就是沙尕溝從溝口向溝內(nèi)約3.5 km范圍。在某些不利因素的觸發(fā)下，尤其是暴雨因素，當超過一定的雨強和持續(xù)時間閾值時，溝內(nèi)的物質(zhì)就會被啟動，進一步規(guī)模擴大形成泥石流。泥石流的因其巨大的沖擊力，其沖出范圍的預(yù)測成為備受關(guān)注的重點，利用軟件進行數(shù)值模擬可以更加直接表達[20-22]。因此，采用軟件對沙尕溝的泥石流沖出范圍進行數(shù)值模擬。

進行數(shù)值模擬之前，必要的數(shù)據(jù)準備如下：地形數(shù)據(jù)，泥石流的流量過程曲線，以及相應(yīng)的水文參數(shù)設(shè)置。其中地形數(shù)據(jù)也是采用4.1節(jié)給出的ALOS 12.5 m的DEM，在此不再贅述。

本文研究中認為沙尕溝泥石流的發(fā)生是由暴雨誘發(fā)的。因此降雨的持續(xù)時間和雨強將會影響到泥石流的沖出范圍和運移距離?？紤]到工程設(shè)計的影響，選擇4個不同的降雨回歸期來實現(xiàn)不同條件下的沙尕溝泥石流沖出范圍預(yù)測，分別為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，即降雨頻率為P=10%、2%、1%。泥石流過程曲線最準確的是采用實測值，在中國，蔣家溝溝泥石流過程曲線被用來做類似研究。但是為了簡化，通常情況下，泥石流的過程曲線被 定義為三角形，也有學者將其更加細化為五邊形。本文研究中認為泥石流的峰值流量處在泥石流總體歷時的三分之一處，將過程曲線簡化為三角形。其峰值大小是根據(jù)膨脹系數(shù)對清水洪峰處理得到的。其公式[18,20-22]如下：

Qc=(1-Cv)-1Qp

(13)

(14)

Qp=φSpA2/3

(15)

式中：Qc為泥石流洪峰流量；Qp為洪水洪峰流量；Cv為泥石流的體積濃度；Vs為泥石流所含固體體積；Vw為泥石流所含液體體積；φ為流體沖出系數(shù)；Sp為降雨頻率為P時的1 h最大雨強；A為流域面積。

洪水總量(Wp)的求取可以通過式(16)[18]得到：

Wp=0.1αHpA

(16)

式(16)中：α為經(jīng)驗系數(shù)；Hp為流域內(nèi)降雨總量。

圖6顯示了不同降雨頻率下的泥石流過程曲線。此外水文參數(shù)的選擇也是必需的，泥石流的黏度會影響泥石流的摩擦性質(zhì)，進而影響泥石流的流速和運移距離。泥石流流體是一種非牛頓流體，其屈服應(yīng)力也會影響最終的沖出范圍。而控制上述二者的公式如式(17)和式(18)[22]所示：

圖6 泥石流過程曲線

η=α1eβ1Cv

(17)

τ=α2eβ2Cv

(18)

式中：η為泥石流的流體黏度；τ為泥石流流體的屈服應(yīng)力；α1、α2、β1、β2都是經(jīng)驗系數(shù)，分別設(shè)置為0.811、13.72、0.004 62、11.24。

進行數(shù)值模擬過程中需要選取一個入流控制點，選取沙尕溝主溝與主溝交匯處作為進行泥石流數(shù)值模擬的控制點，這也符合上述基于ANFIS和TLOA-ANFIS兩種模型的評價結(jié)果。最終的評價結(jié)果如圖7所示。

在泥石流的沖出范圍圖(圖7)中可見，當降雨量較小，也就是降雨頻率取值較大時[圖7(a)],泥石流運移能力相當有限，沖出距離并不是很遠，此時泥石流的最大流深為6.57 m，絕大多數(shù)的流深為0～2 m，而且僅沿溝谷河道運移，危害性較小。當降雨頻率降低[圖7(b)和圖7(c)]，對應(yīng)降雨量也就驟增，此時觸發(fā)的泥石流規(guī)模較大，泥石流運移至溝口，并堆積在溝口兩側(cè)，呈扇狀。泥石流的流深也明顯增大，最大為8.76 m，沿外側(cè)溝道分布的深度多處在4～6 m，而且有逐漸增大的趨勢，說明此時泥石流的危害已經(jīng)相當嚴重。此時泥石流對溝道主要表現(xiàn)為侵蝕作用，如圖7(c)所示，現(xiàn)場調(diào)查發(fā)現(xiàn)溝道存在被泥石流侵蝕的明顯痕跡，當然也有大量堆積的厚層泥石流物質(zhì)，這些物質(zhì)是被夾帶至此的，這屬于泥石流規(guī)模和流速較低的情況。在沒有人為干預(yù)的前提下，泥石流可能會沖出溝道，對基礎(chǔ)設(shè)施有著較大的破壞力。在主溝的外側(cè)，S205國道經(jīng)過處地形相對平坦，泥石流明顯在這里呈堆積態(tài)，說明數(shù)值模擬結(jié)果較好的呈現(xiàn)了泥石流的危害范圍。

為更清晰說明不同降雨條件下泥石流的影響范圍，可以按照泥石流的流深對其影響范圍進行劃分。對沙尕溝泥石流數(shù)值模擬結(jié)果，按照2 m區(qū)間劃分為泥石流低危害區(qū)(0～2 m)、中危害區(qū)(2～4 m)、高危害區(qū)(4～6 m)和極高危害區(qū)(6～8 m)。通過Arcgis軟件對評價結(jié)果進行柵格化處理，統(tǒng)計柵格數(shù)進而反映其危害范圍的影響。在最終的結(jié)果圖(圖8)中，沙尕溝泥石流的危害范圍多處在中低危險區(qū)，尤其是降雨頻率為10%時。但是當降雨頻率下降至2%和1%時，高危害區(qū)占比明顯上升，甚至出現(xiàn)極高危害區(qū)。說明，對于沙尕溝泥石流在極端降雨條件下，泥石流仍存在極高的危害性。

圖8 基于柵格計算的泥石流流深頻數(shù)圖

基于多種評價因子，利用自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)對沙尕溝泥石流進行敏感性評價，并通過教學優(yōu)化算法對其優(yōu)化，取得較為滿意的結(jié)果。并基于上述敏感性評價結(jié)果，進行了進一步深入的數(shù)值模擬研究，給出高敏感區(qū)的潛在泥石流沖出范圍。通過上述綜合評價方法，可以較為全面地預(yù)測和評價沙尕溝的泥石流。比單一的研究在工程實踐和災(zāi)害防治中擁有更廣闊的應(yīng)用范圍。根據(jù)研究結(jié)果，治理泥石流不僅要對溝內(nèi)敏感性較高的地區(qū)治理(圖5)，如護坡工程和植樹造林工程；同時要建立針對泥石流沖出范圍對九綿高速公路選線和安全運營、附近居民安全的防治措施(圖7)，如泥石流攔擋壩和疏排渠道。將多種評價方法相結(jié)合能夠構(gòu)建更全面的泥石流綜合評價體系，為泥石流的預(yù)測和治理提供良好的支持。

但需要說明的是本文研究中采用的基于ALOS衛(wèi)星采集的DEM數(shù)據(jù)，其水平向及垂直向精度可達12.5 m。相比于ASTER GDEM的30 m精度，對評價因子的提取更加精確。但是該衛(wèi)星數(shù)據(jù)并未與實際野外實際地形的進行精確的對比，這可能是影響評價效果的一個潛在因素，需進一步深入研究和分析。

6 結(jié)論

基于敏感性制圖和數(shù)值模擬危害范圍預(yù)測聯(lián)合的方法，系統(tǒng)評價了九寨溝縣沙尕溝泥石流災(zāi)害，討論了該類情況下九綿高速公路項目方案選線和結(jié)構(gòu)物選型。基于這種綜合評價方法的預(yù)測，將結(jié)論歸結(jié)如下。

(1)研究對比了ANFIS和TLOA-ANFIS算法的泥石流敏感性評價模型，從模型優(yōu)化的角度考慮，TLOA-ANFIS評價結(jié)果更加可靠和合理，建議將該模型應(yīng)用到地區(qū)實際評價中。且兩種敏感性評價模型都表明，沙尕溝從溝口向溝源3.5 km以內(nèi)的溝道為泥石流主要極高危險地區(qū)，極高危險區(qū)流域面積占比為1.2%～1.5%，建議進行治理和監(jiān)測。

(2)基于敏感性制圖評價結(jié)果，對沙尕溝泥石流高危險段進行數(shù)值模擬。結(jié)果分析表明，降雨頻率較高時，沙尕溝泥石流的危害范圍多處在中低危險區(qū)；但在低降雨頻率條件下(P=2%、1%)，泥石流出現(xiàn)極高危險區(qū)，危害性較為嚴重。

(3)九綿高速公路項目樁位選址繞避了高危險區(qū)域，橋跨選型跨越了高危險區(qū)域狹窄處，該段落的跨越方案選址和橋梁結(jié)構(gòu)選型均較為合理。

(4)泥石流的綜合評價方法仍是亟待解決的科研課題，提出的敏感性制圖評價和數(shù)值模擬綜合分析方法是一種行之有效的策略。