梅里雪山1991年和2019年雪崩事件重建及影響因素分析

段仕美，劉時銀，朱鈺，繆文飛，韓豐澤，祁苗苗

（1.云南大學國際河流與生態(tài)安全研究院，云南 昆明 650500；2.云南省國際河流與跨境生態(tài)安全重點實驗室，云南 昆明 650500）

0 引言

雪崩是山坡積雪內(nèi)部的內(nèi)聚力小于所受重力，底部摩擦力小于剪切應力，使其失穩(wěn)下滑并引發(fā)大量雪體崩落的現(xiàn)象［1-2］。近些年來，隨著社會經(jīng)濟發(fā)展和工程建設增多，以及登山、科考、旅游活動涉及的范圍不斷擴大，人類活動受到雪崩危害的風險增加［3］。據(jù)統(tǒng)計，1950年以來，奧地利已有1 600多人死于雪崩，平均每年約有30人死亡［4］。對美國科羅拉多州雪崩數(shù)據(jù)庫進行分析可知，有65%的人因雪崩窒息而死［5］。2012年4月8日，巴基斯坦北部錫亞琴冰川地區(qū)的一場大規(guī)模雪崩將一整座軍營全部淹沒，直接導致139人死亡［6］。郝建盛等［7］收集了2009—2019年間亞洲高山區(qū)的雪崩災害數(shù)據(jù)，統(tǒng)計發(fā)現(xiàn)該時段總計傷亡1 580人，并發(fā)現(xiàn)每年的2月和3月是雪崩災害頻發(fā)期。

作為雪崩形成的必要物質(zhì)基礎，積雪容易受其自身物理理化性質(zhì)和外界自然條件的影響，其與地形、氣象條件之間相互作用便會導致雪崩的形成［8］。不同雪崩類型主要取決于積雪地層、土壤特征、氣象條件以及外部觸發(fā)因素［9］。Atwater［10］提出了影響雪崩形成的10個氣象及雪層因子。目前將雪崩形成的影響因素概括為三類，第一類是靜態(tài)地形因素，如坡度、坡向等；第二類是積雪本身的物理性質(zhì)，如密度、抗剪強度等；第三類是外界自然條件，如降雪、降水、地震等。

雪崩過程由于其突發(fā)性及過程復雜，進行直接觀測存在較大困難。已有研究提出了一些經(jīng)驗模型或簡化的物理模型［11］。此類模型主要針對雪崩運動和破壞參數(shù)進行計算（如速度、雪崩流高度、拋程、沖擊力、雪崩體積等），從而重建雪崩過程。針對1951年和1954年瑞士阿爾卑斯山發(fā)生的特大型雪崩災難事件，Voellmy［12］根據(jù)流體動力學定律重建了此次雪崩的動力學過程，開發(fā)了一個雪崩物理模型——Voellmy。Salm等［13］于1966年對Voellmy模型進行了改進，引入了內(nèi)摩擦和主動與被動流動條件。改進后的Voellmy-Salm（簡稱VS）模型成為現(xiàn)今大部分雪崩模型的研發(fā)基礎?；诖耍鹗柯?lián)邦冰雪和雪崩研究所根據(jù)瑞士大量雪崩和泥石流事件的歷史數(shù)據(jù)，開發(fā)了二維雪崩動態(tài)數(shù)值模型——RAMMS（Rapid Mass Movement System）。該模型利用Voellmy-Salm連續(xù)介質(zhì)流模型處理雪崩流體的流變問題，并耦合隨機動能（Random Kinetic Energy，RKE）模型，從而能更好地分析雪崩運動過程中特征參數(shù)的動態(tài)變化。RAMMS模型通過計算兩個方向的速度矢量，確定三維地形中雪崩的流動方向和寬度［14］。由于其包含RKE模型和VS模型的特征，可準確預測多種地形條件中雪崩體的運動距離、流速和沖擊壓力及崩塌體沉積的空間分布等，該模型在雪崩重建和危險評估研究中得到了方法應用［15］。

自1990年代后期以來，針對季風海洋性氣候區(qū)雪崩的觀測和研究幾乎空白，對雪崩過程的重建認識不夠。梅里雪山是雪崩多發(fā)區(qū)，1991年1月3日造成中日聯(lián)合登山隊17名隊員遇難的雪崩災害事件影響極大［16-17］。2019年2月16日，我們的野外觀測設備記錄到梅里雪山明永冰川附近發(fā)生了一次規(guī)模較大的雪崩，雪崩產(chǎn)生的氣浪破壞了架設在明永冰川末端的氣象站，雪崩體經(jīng)過之處林木盡毀，使周圍的生態(tài)遭受了嚴重的破壞（圖1）。迄今為止，并沒有公開發(fā)表的文獻對上述雪崩過程進行詳細研究。盡管國家已明令禁止攀登梅里雪山，但隨著氣候變暖導致的冰川退縮和雪線上升，以及高海拔研究的推進、人類活動不斷向山區(qū)的深入，暴露在雪崩風險之下的可能性仍然存在［18］。通過對歷史雪崩事件的定量研究，有助于為未來潛在雪崩危害預警、相關活動規(guī)避風險提供支撐［19］。本研究利用RAMMS模型對發(fā)生于梅里雪山不同地區(qū)的兩次雪崩事件進行模擬，獲得雪崩過程特征參數(shù)，在此基礎上分析不同類型雪崩的特征。為梅里雪山雪崩預測預警提供基礎支撐。通過對梅里雪山兩次不同類型的雪崩事件的模擬和重建，對比分析低緯度高海拔季風地區(qū)雪崩類型及特征，探討不同氣候條件、不同類型雪崩活動機理。在明確雪崩風險等級的基礎上，疊加氣候過程以進一步做雪崩預測預警。

圖1 2019年雪崩事件現(xiàn)場拍攝的照片F(xiàn)ig.1 Photo taken at the scene of the 2019 avalanche event：avalanche accumulation area（a）；meteorological station damaged by avalanche（b）；trees damaged by avalanche（c）

1 研究區(qū)概況

梅里雪山（98°30′～98°46′E，28°10′～28°41′N）位于云南省德欽縣，怒江與瀾滄江流域界山之一（圖2）。受山地地形和冰川運動、融水的侵蝕、搬運、堆積作用的影響，該區(qū)冰蝕地貌和冰磧地貌明顯。海拔5 000 m以上區(qū)域冰川及冰蝕洼地分布較廣，冰川粒雪盆常年被積雪覆蓋，雪崩和風吹雪廣泛。海拔3 500～4 800 m發(fā)育有大量的雪蝕洼地，坡度在25°～50°范圍內(nèi)，為雪崩的形成提供了良好的地形條件。梅里雪山主要受西南季風和西風環(huán)流的影響，夏季來自印度洋的西南季風暖濕氣流從三江谷地向東和向北運動，為本區(qū)帶來充沛的降水；東春季節(jié)由大西洋東進的西風帶急流波動在本區(qū)上空形成高空槽，帶來持續(xù)的陰雨天氣。若高空槽與南下冷空氣形成的冷鋒疊加，還會形成較大的降水，為雪崩提供充沛的物質(zhì)基礎［20］。據(jù)毗鄰的德欽氣象站監(jiān)測資料（1991—2019年），梅里雪山地區(qū)年平均氣溫5.5℃，年平均降水量600 mm。

圖2 研究區(qū)區(qū)位圖、1991年和2019年雪崩流域范圍Fig.2 Study area（a）；avalanche area in 1991（b）；avalanche area in 2019（c）

復雜的地形和豐富的降水造就了本區(qū)“有利的”雪崩孕災環(huán)境，導致雪崩活動特征依海拔表現(xiàn)出區(qū)域差異。以雪線（海拔5 000 m）為界，雪線以上的雪崩多發(fā)育于刃脊或者角峰雪檐，崩塌體多分布于地勢平坦的冰川粒雪盆和冰斗地區(qū)，以1991年雪崩事件為典型；雪線以下、中海拔地區(qū)（海拔3 500～4 800 m）的雪蝕洼地為季節(jié)性雪崩源區(qū)，運動區(qū)為溝槽，堆積區(qū)位于冰川山谷和U型谷，是雪崩及其運動裹挾土石樹枝碎屑物堆積的區(qū)域，常呈扇形，以2019年雪崩事件最為典型。兩次雪崩事件的地形特征參數(shù)如表1所示。

表1 兩次雪崩事件地形特征參數(shù)Table 1 Topographic characteristic parameters of two avalanche event

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

2.1.1 數(shù)字高程模型（DEM）

地形要素表征雪崩區(qū)的地形特點，需要準確反映雪崩區(qū)的地形特征［21］。在RAMMS模型中，一般通過輸入地形圖或數(shù)字高程模型（DEM）來表示雪崩區(qū)的地形要素。而DEM的分辨率對模型模擬效果有很大的影響。Buehler［22］等通過比較不同分辨率的DEM對同一雪崩事件的模擬結果來評估DEM質(zhì)量和分辨率的敏感性，發(fā)現(xiàn)25 m的空間分辨率足夠準確地模擬大規(guī)模雪崩。模擬的流動路徑、傳輸距離、堆積量、運動速度和沖擊壓力等與2 m DEM模擬以及實地觀測結果吻合良好。5 m以內(nèi)DEM分辨率對模擬結果影響不大，因積雪積累過程通過填充洼地而使小尺度地形變得平滑［23］。本研究使用ALOS PALSAR 12.5 m DEM作為模型輸入數(shù)據(jù)，重建兩次雪崩事件，保證模擬結果的準確性。

另外，RAMMS模型模擬需要輸入雪崩釋放區(qū)幾何模型，而潛在雪崩釋放區(qū)與地形坡度密切相關。當坡度小于28°時幾乎不會發(fā)生大型雪崩，而當坡度大于60°時，因地形陡峭、積雪堆積困難，也無法形成大型雪崩［15］。因此，一般將潛在雪崩釋放區(qū)的坡度定義為28°～60°之間。在本研究中利用地形表面分析自動識別坡度適合區(qū)，并疊加Google Earth影像和野外實地調(diào)查數(shù)據(jù)確定雪崩釋放區(qū)。

2.1.2 氣溫降水數(shù)據(jù)

由于研究區(qū)屬于高山峽谷地區(qū)，交通不便，自然地理環(huán)境惡劣，因此缺乏實時監(jiān)測的氣象站點，而相對靠近梅里雪山地區(qū)的德欽站氣象站，其海拔3 300 m，比研究區(qū)冰川末端海拔高，而且該站點氣象數(shù)據(jù)不能直觀反映高海拔地區(qū)的氣象狀況。因此本研究主要使用ERA5-Land數(shù)據(jù)產(chǎn)品進行研究區(qū)雪崩氣候特征分析。ERA5-Land是歐洲天氣預報中心（ECMWF）哥白尼氣候變化服務計劃的成果之一，該數(shù)據(jù)產(chǎn)品是在上一代的基礎上研發(fā)的新一代再分析數(shù)據(jù)，數(shù)據(jù)質(zhì)量更高。已被廣泛應用于各種氣候分析與研究。與上一代數(shù)據(jù)相比，具有更高的空間分辨率（0.1°×0.1°），時間分辨率為1 h。利用站點數(shù)據(jù)校正之后，提取1991年和2019年雪崩事件前后的氣溫和降水［24］，分析雪崩前后的氣候特征，了解雪崩觸發(fā)的氣候背景。本研究使用的ERA5-Land數(shù)據(jù)產(chǎn)品下載地址為（https：//cds.climate.copernicus.eu/#！/search？text=ERA5&type=dataset）。

2.2 RAMMS重建雪崩過程的原理

本文采用RAMMS-AVALANCHE模型模擬復雜地形中雪崩的流動，其核心是數(shù)值求解顆粒運動方程，模擬雪崩流平均深度。該模型可以利用數(shù)字高程模型（DEM）計算任意區(qū)域、任意時刻的致密雪崩流斷面高度、流速、流量及其沿程變化。摩擦力是坡面對雪崩層的阻力。模型使用笛卡爾坐標系：平面坐標X、Y和高程Z，t為雪崩運動時間。雪崩流在任何高度和速度下都是非恒定、非均勻運動的。其運動特征由兩個主要參數(shù)表示：雪崩流高度h(x，y，t)（m）和運動速度u(x，y，t)（m·s-1），關系式如下：

式中：ux為u沿X軸的流速分量；uy為u沿Y軸的流速分量；T為平均流速矩陣的轉(zhuǎn)置；單位向量nu表示雪崩流運動的方向。

摩擦阻力由μ和ξ兩個參數(shù)共同控制：干摩擦系數(shù)μ：基底摩擦（庫倫摩擦力），與正應力N有關，通常表示為內(nèi)部剪切角的正切值；湍流系數(shù)ξ：內(nèi)部摩擦（黏滯摩擦力），與速度的平方u2有關。摩擦阻力S（Pa）的計算公式為：

式中：ρ為密度；g是重力加速度；φ是內(nèi)摩擦角。由上述公式可推出Voellmy流變公式為：

式中：k為壓力系數(shù)；

2.3 雪崩斷裂深度的確定

斷裂深度（Release depth）是指雪崩釋放區(qū)的平均積雪厚度，垂直于坡面測量。斷裂深度和坡度密切相關。根據(jù)山坡積雪體的平衡條件，山坡上積雪所受重力可分解為平行于山坡的應力和垂直于山坡的正壓力，而下滑力（平行于坡面的分力與剪切力之和）及其產(chǎn)生的變形則會使雪層失穩(wěn)，從而暴發(fā)雪崩。由此得到山坡上積雪層臨界（極限）厚度hk如式（5）所示［1］。當山坡積雪厚度達到臨界厚度hk時，雪層的下滑力與其阻抗力處于平衡狀態(tài)，這時積雪厚度的增大或雪的力學強度的降低，都會引起雪的滑塌。在本研究中我們討論雪崩量最大的情況（即山坡積雪全層斷裂），認為臨界厚度就等于斷裂深度。

式中：c為雪體與坡面之間的內(nèi)聚力（g·cm-2）；ρ為雪的密度（g·cm-3）；θ為山坡坡度角（°）；φ為雪與坡面之間的內(nèi)摩擦角（°），tanφ為內(nèi)摩擦系數(shù)。

由公式（5）可知，內(nèi)聚力、積雪密度、山坡坡度和內(nèi)摩擦系數(shù)是決定山坡積雪穩(wěn)定性的關鍵因素。山坡坡度通過地形分析得到：1991年雪崩源區(qū)平均坡度為42°，2019年雪崩源區(qū)平均坡度為28°；而積雪內(nèi)聚力、積雪密度和內(nèi)摩擦系數(shù)主要取決于山坡積雪性質(zhì)和雪氣候條件，其對雪崩的形成發(fā)揮著重要作用。早在1979年，王彥龍［1］以天山雪崩站為觀測站點測量積雪的這些物理性質(zhì)。在大約同時期，國外學者Martinelli［25］在南美洲科羅拉多山脈進行人工雪崩爆破實驗，以測量雪崩發(fā)生時積雪的各種物理屬性，得到不同類型的雪（Initial hard slab，Typical aged snow，Persistent soft snow）的物理性質(zhì)（密度、溫度、內(nèi)聚力、剪切應力、內(nèi)摩擦系數(shù)等）。Bartelt等［26］通過雪槽實驗模擬雪崩的發(fā)生，采用內(nèi)聚力模型計算不同情景下積雪的內(nèi)聚力及各項物理屬性的變化情況，給出了雪崩模型預測雪崩發(fā)生時可能的積雪物理屬性取值。在以上研究的基礎上，結合梅里雪山的實際情況，本文中模擬的兩次雪崩事件中積雪物理性質(zhì)取值如表2所示。

表2 積雪的物理性質(zhì)（據(jù)Bartelt等［26］，2015）Table 2 Physical properties of snow（from Bartelt et al［26］，2015）

根據(jù)以上內(nèi)容，利用公式（5）計算兩次雪崩事件的斷裂深度，有

因此得到1991年斷裂深度為1.04 m；2019年斷裂深度為1.22 m。

2.4 摩擦系數(shù)的確定

RAMMS模型有兩種摩擦系數(shù)設置情景，一種是整個雪崩區(qū)（起始區(qū)、運動區(qū)、堆積區(qū)）采用固定的μ和ξ值。固定的摩擦系數(shù)值更常用于雪崩區(qū)地形特征一致，下墊面相同的雪崩模擬；另一種是“variable”，即μ和ξ值是不固定的，不同的海拔區(qū)間（表征不同的地形特征）使用不同的摩擦系數(shù)。本研究中的兩次雪崩事件屬于不同的類型，摩擦系數(shù)不同。經(jīng)過野外調(diào)查可知2019年雪崩流經(jīng)過的區(qū)域有溝渠、溝谷和山谷平坦地區(qū)，不同的地形條件下摩擦系數(shù)不同，因此本次雪崩模擬的摩擦系數(shù)需要通過地形特征進行分區(qū)取值。通過分析其他雪崩特征并與模型參考值進行匹配以模擬2019年雪崩事件，使用的摩擦系數(shù)如表3所示。

表3 2019年摩擦系數(shù)μ和ξ在不同地形、不同海拔下的取值Table 3 Values of friction coefficientsμandξin 2019 at different terrain and altitude

將堆積區(qū)范圍與野外觀測范圍進行對比（圖3），紅線為野外觀測的雪崩堆積區(qū)范圍，柵格為模型模擬出的堆積區(qū)范圍，將兩個范圍進行疊加，以分析模型模擬結果的準確性。然后利用“多邊形相似度”計算模型模擬堆積區(qū)范圍與野外觀測范圍兩個多邊形的相似度，多邊形相似度越高，則表明模擬效果越好［27］。分別計算兩個多邊形的形狀比率相似度、大小相似度、周長相似度、方向相似度以及最終相似度，以評價模擬結果的準確性，計算結果如表4所示。

圖3 RAMMS模型模擬的堆積區(qū)范圍與野外觀測范圍（紅色多邊形）對比Fig.3 The RAMMS model simulated the accumulation area and field observation area（red polygon）comparison

表4 相似度計算結果Table 4 Results of similarity calculation

模型模擬結果表明，基于按不同海拔、不同地形進行設置的摩擦系數(shù)模擬結果與野外實測基本一致，表明模型手冊建議取值的摩擦系數(shù)經(jīng)過海拔調(diào)整在本次雪崩過程的模擬中是適用的。同時也說明了只要選取了合適的參數(shù)，RAMMS模型可用于梅里雪山地區(qū)的雪崩運動過程模擬。

1991年雪崩發(fā)生在常年積雪的高海拔地區(qū)，無雪崩槽，屬于強降雪引發(fā)的大規(guī)模坡面雪崩。本次雪崩的起始區(qū)、運動區(qū)和堆積區(qū)的下墊面完全一致。因此，在該種情況下，更適合使用固定的摩擦系數(shù)來進行模擬。Buser等［28］為了計算固定取值下摩擦系數(shù)μ和ξ的最適合大小，通過對1915—1916年，1967—1968年，1974—1975年和1977—1978年內(nèi)發(fā)生的雪崩事件的長時間野外觀測以及現(xiàn)場實驗，確定了極端情況（新降雪雪崩、松軟的雪板雪崩）下最適合的摩擦系數(shù)取值。通過試驗發(fā)現(xiàn)在極端情況下摩擦系數(shù)最合適的取值為μ=0.16，ξ=1 360 m·s-2。Schaerer等［29］對常年積雪區(qū)形成的雪崩（無巖石和樹木參與）的運動速度進行現(xiàn)場觀測，通過計算發(fā)現(xiàn)此種類型的雪崩的摩擦系數(shù)ξ取值范圍為1 000～1 800 m·s-2。通過安裝在雪崩軌跡上的壓力傳感器產(chǎn)生的信號證實了ξ取值范圍的正確性。因此，本研究中在模擬1991年雪崩事件時采用的摩擦系數(shù)為μ=0.16，ξ=1 360 m·s-2。

3 研究結果

3.1 數(shù)值模擬結果

圖4所示為模型模擬出的梅里雪山1991年和2019年雪崩事件，并給出了各項參數(shù)模擬的數(shù)值結果（表5），由于兩次事件屬于不同的類型，且觸發(fā)因素和發(fā)生地區(qū)不同，因此各項模擬結果存在很大的差異。相比于2019年較大高差的溝槽型雪崩，1991年坡面雪崩持續(xù)時間相對較長。原因與海拔高差有關，2019年雪崩事件啟動區(qū)與堆積區(qū)海拔差較大，崩塌體近似自由落體運動。而1991年雪崩啟動區(qū)與堆積區(qū)海拔差較小，且無雪崩槽，崩塌體只能沿坡面向下滑動。從最后的沉積量上看，兩次事件量級都大于6×104m3，都屬于大規(guī)模雪崩，雪崩最后的堆積量都很大。不同的數(shù)值模擬結果表明不同雪崩類型的特點，由此可看出梅里雪山不同地區(qū)不同類型雪崩的性質(zhì)。

圖4 兩次雪崩事件模擬結果圖：雪崩流最大高度（A）；最大速度（B）；最大壓強（C）；最大動量（D）Fig.4 Simulation results of two avalanche events：max flow height（A）；max velocity（B）；max pressure（C）；max momentum（D）［1991（a）；2019（b）］

表5 兩次事件數(shù)值模擬結果Table 5 Numerical simulation results of two events

3.2 1991年雪崩事件危害分析

圖5（a）顯示的是1991年雪崩事件的數(shù)值模擬結果。表明，雪崩體從海拔5 730 m處啟動，沿坡面崩塌而下并堆積在海拔約5 000 m冰川粒雪盆平坦區(qū)，形成面積為0.6 km2，體積約67×104m3的堆積體。堆積體平均高度為2 m，最大高度可達13.46 m，依據(jù)地形分布成中間高、四周低的椎狀堆積體。根據(jù)歷史資料記錄，1991年中日聯(lián)合登山隊的三號營地位于海拔5 100 m的中間位置，處于崩塌體下方，屬雪崩堆積區(qū)局部厚層積雪區(qū)，厚層積雪的壓力，強大的沖擊力是導致中日聯(lián)合登山隊17名隊員全部遇難的主要原因。

圖5（b）為三號營地所在截面的積雪層厚度分布圖。由圖可知該截面最大沉積高度為10 m，最小為1 m。整個截面積雪堆積厚度呈現(xiàn)出依地形變化而變化的特點，地勢低的地方厚度大。圖5（c）為三號營地所在點整個雪崩過程中積雪堆積厚度隨時間的變化曲線，由圖可知在約2 min內(nèi)積雪堆積厚度達到最大，約為10 m。

圖5 1991年雪崩堆積范圍分布圖（a）；三號營地所在截面沉積高度［圖5（a）中紅色虛線］（紅色線條為該截面流量變化輪廓曲線，綠色線條為截面地形線，灰色填充區(qū)域為該截面積雪堆積厚度變化）（b）；三號營地積雪堆積厚度變化（c）Fig.5 Distribution of avalanche accumulation area in 1991（a）；the thickness of the section at Camp 3［dotted red line in Fig.5（a）］（The red line is the contour curve of flow change，the green line is the terrain line，and the gray filled area is the change of snow accumulation thickness）（b）；changes in sediment thickness at Camp 3（c）

4 討論

4.1 兩次事件影響因素分析

雪崩的暴發(fā)強烈依賴氣象條件的變化，在本文中利用ERA5-Land數(shù)據(jù)進行研究區(qū)兩次雪崩事件前后的氣候特征分析。兩次雪崩暴發(fā)的日期分別是1991年1月和2019年2月，因此分別對兩次雪崩地點（1990年：海拔5 500～6 000 m；2019年：海拔4 500～5 000 m）、不同時間段（1990年10月—1991年4月、2018年10月—2019年4月）的氣溫降水數(shù)據(jù)進行分析，以分析雪崩發(fā)生的氣候影響因素。

圖6（a）為1991年雪崩發(fā)生前后的氣溫降水變化曲線圖，由圖可知1990年10月上旬氣溫高于0℃，最高氣溫為5℃，此段時間的降水量多，平均每天有7 mm的降水量。進入10月下旬，氣溫波動下降，但始終低于0℃，這為雪崩的形成提供了良好的冷儲條件。進入12月，氣溫急劇降低，最低氣溫-19℃，但持續(xù)8天之后氣溫回升，然后一直在-10℃之 間 波 動。1991年1月1日，氣 溫 驟降（-18℃），降雨量突然增加（19 mm），而后1月3日雪崩發(fā)生。圖6（b）為2019年雪崩發(fā)生前后的氣溫降水變化曲線圖，和1991年相比，2019年雪季開始的晚。2018年11月氣溫才開始下降（低于0℃），此后溫度始終在0℃以下波動，最冷的時候2019年1月最低氣溫-17℃，這段時間日均降水量約為5 mm，而進入2月份之后，氣溫快速升高（升高了約6℃），但始終低于0℃，降水量也有所增加（日均降水量10 mm），直到2月16日雪崩發(fā)生。

圖6 1991年和2019年雪崩前后氣溫和降水分布Fig.6 Pre-and post-avalanche temperature and precipitation maps：1991（a）；2019（b）

4.1.1 降雪量對雪崩的影響

積雪是同時具有彈性和塑性特征的特殊物質(zhì)，其物理性質(zhì)（如粒徑、溫度和含水量等）決定其彈、塑性的強度。除抵抗塑形形變的韌性外，積雪還具有抵抗彈性形變的剛度。當降雪強度很大（應變率＞10-3·s-1）時，積雪的脆性特征更加明顯；而當應變率＜10-5·s-1時，積雪具有更強的延展性和粘彈性，通常認定為一種介于固液之間的材料［30］。其中降雪強度通過影響雪層之間的應變率，進而影響積雪強度。新降雪強度（內(nèi)聚力）很弱，與其他雪層相比密度明顯偏小，其與下層的雪晶連接尚未建立，因此穩(wěn)定度較差。1991年1月2日夜里10點半（雪崩發(fā)生前），三號營地向大本營最后一次通報：“雪下的太大了，帳篷都快被埋了，積雪厚度達1.2 m，隊員們每隔幾個小時就要出去掃一次雪?！庇纱吮砻鬟B續(xù)強降雪是觸發(fā)1991年大規(guī)模雪崩的直接原因。短期內(nèi)降水變多、氣溫升高，導致積雪在沉積過程中未與相鄰的雪層膠結，表現(xiàn)為斷裂韌性、抗剪能力差的特性。雪崩前異常的氣溫和降水事件破壞了之前雪層之間穩(wěn)定的膠結，雪崩日異常增大的降水使原本未能良好膠結的雪層抗壓能力下降，雪層破裂，出現(xiàn)坡面雪板雪崩。

4.1.2 氣溫對雪崩的影響

作為一種特殊的材料，雪的各種力學性質(zhì)高度依賴于溫度的變化［31］。溫度是導致雪崩形成的決定性因素，特別是在沒有新降雪的情況下，氣溫波動對雪崩影響明顯［32］。氣溫對積雪穩(wěn)定性的影響是復雜的，因為氣溫的變化會以各種方式影響雪的穩(wěn)定性。同樣，氣溫的變化速度也很重要。風暴期間溫度的上升和風暴后不久溫度的迅速上升會導致雪層不穩(wěn)定。雪的力學特性與溫度高度相關［33］，McClung和Schweizer［34］綜述了溫度對雪的硬度、韌性和剪切強度的影響。一般來說，在雪層中存在兩組重要的相互競爭的效應：（1）變質(zhì)（取決于溫度、溫度梯度和其他雪的性質(zhì)）和蠕變；（2）力學性質(zhì)（不包括變質(zhì)效應），包括雪的硬度、韌性和強度。而第2組效應對雪的穩(wěn)定性影響顯著，即一旦溫度發(fā)生變化，積雪的力學性質(zhì)和強度會立即變化，從而導致雪層穩(wěn)定性降低暴發(fā)雪崩。由圖6（b）可知雪崩發(fā)生前一段時間氣溫有回升趨勢（2019年1月28日），之后又降低到-10℃左右。當溫度降低的時候，雪層下部脆弱層趨于穩(wěn)定；而短暫的升溫使雪體剛度變小，雪層強度減小，導致其在塑性變形以及斷裂過程中吸收能量的能力增強。升溫-降溫周期大概持續(xù)了兩次，在第三次升溫時（2月16日）雪崩暴發(fā)。由該過程可知氣溫變化影響了雪層的穩(wěn)定性，導致雪崩發(fā)生。

4.2 雪崩危險性評估與區(qū)劃

雪崩危險性評估可在一定程度上為雪崩預測提供參考，根據(jù)雪崩危險區(qū)劃圖可識別潛在的雪崩高風險地區(qū)，日常登山科考等活動盡量避開此類地區(qū)，可在一定程度上減少雪崩危害［35］。根據(jù)雪崩危險性評估的方法［36］，利用層次分析法（Analytic Hierarchy Process，AHP），結合地形（坡度、坡向、海拔、曲率、地面粗糙度）、氣候（氣溫、降水）和下墊面（土地覆蓋類型）［圖7（a）］等因素對梅里雪山的雪崩危險性進行區(qū)劃，得到梅里雪山雪崩極高危險性、高危險性、中等危險性、低危險性和極低危險性五個危險等級，并分區(qū)成圖［圖7（b）］。由圖可知，利用層次分析法得出的梅里雪山雪崩極高危險區(qū)主要分布在中高海拔區(qū)，幾條海洋性冰川區(qū)屬于雪崩低危險區(qū)和極低危險區(qū)，雪崩中等危險區(qū)主要分布在中低海拔地區(qū)和較高海拔地區(qū)，這些地區(qū)要么是因為雪深不夠達不到雪崩危險，要么是因為位于高海拔地區(qū)坡度較大，無法“孕育”雪崩。而中高海拔的冰川粒雪盆和季節(jié)性雪蝕洼地成為梅里雪山雪崩良好的場所。季節(jié)性雪蝕洼地分布廣泛，所以雪崩中高風險地區(qū)整體分布較多。

圖7 雪崩發(fā)生關鍵影響因子（a）；梅里雪山雪崩風險等級劃分圖（b）Fig.7 The key influencing factors of avalanche occurrence（a）；map of avalanche risk rating in Meili Snow Mountain（b）

本研究中的兩次雪崩事件發(fā)生地點正位于雪崩極高易發(fā)區(qū)和高易發(fā)區(qū)內(nèi)。因為雪崩災害救援的黃金時間只有30 min，因此災害暴發(fā)后的致死率很高，所以做好雪崩的預測預警非常重要。而為了更深入地構建雪崩預測方案，必須結合歷史雪崩事件構建架構體系。當確定雪崩高發(fā)區(qū)后，疊加適當?shù)奶鞖鈼l件（積雪累積量），以RAMMS模型為手段，就可預測出雪崩的堆積區(qū)、運行距離、最大速度以及產(chǎn)生的壓力等（給出適當?shù)姆秶；诖丝梢园l(fā)布雪崩預警信息，防患于未然，減少不必要的損失。應用從基本規(guī)律和歷史事件中獲得的經(jīng)驗中可以得出基礎的預防規(guī)則［37-38］。因此，重建歷史災害事件可以更好地預防未來災害的發(fā)生。

5 結論及展望

（1）1991年雪崩共持續(xù)了192 s，雪崩體從海拔5 730 m處斷裂，沿坡面崩塌而下最終堆積在海拔約5 000 m的冰川粒雪盆地區(qū)，形成面積為0.6 km2，體積約67×104m3的堆積體；堆積體最大高度為13.46 m，登山隊的三號營地被崩塌體完全淹沒。數(shù)值模擬結果顯示雪崩運動過程中雪崩流最大高度和最大速度分別是16.98 m和42.22 m·s-1。

（2）2019年雪崩共持續(xù)了158 s，雪崩流最大高度35.91 m，最大速度79.34 m·s-1，堆積量76.2×104m3，雪崩堆積范圍與我們野外觀測到的一致。

（3）兩次雪崩事件模擬結果揭示了梅里雪山地區(qū)不同海拔、不同類型雪崩的特征。為雪崩預測預警提供了良好的參考。野外積雪性質(zhì)、氣象條件觀測可以確定雪崩的成因和類型，而數(shù)值模擬則可以分析和再現(xiàn)雪崩動力學。根據(jù)觀測的雪崩堆積范圍，通過參數(shù)率定，數(shù)值模型可以給出雪崩路徑、堆積量、運動速度等定量結果。在此基礎上，結合雪崩災害危險區(qū)劃圖以及疊加實際的天氣過程，可實現(xiàn)定點雪崩災害的預測，發(fā)布預警信息。因此，RAMMS模型能夠較好地進行雪崩過程重現(xiàn)和危險性區(qū)劃，是冰川雪崩災害建模和預測的有效工具。