基于FLO-2D的泥石流災害風險評價
——以麥多溝泥石流為例

李寶幸，蔡 強，宋 軍，陳 龍，劉建康

（1.中國地質科學院探礦工藝研究所，四川成都 611734；2.中國地質大學（北京）地球科學與資源學院，北京 100083；3.中國地質調查局地質災害防治技術中心，四川成都 611734；4.中國地質科學院礦產綜合利用研究所，四川成都 610041；5.西華大學應急學院，四川成都 610039）

引言

泥石流是一種常見的山地自然災害，由于其攜帶大量泥沙夾塊石，往往具有突然暴發(fā)、破壞力大等特點，不僅會造成嚴重的水土流失，而且會威脅災區(qū)居民的生命財產安全［1］。青藏高原地區(qū)地貌多變，峽谷、河谷、寬谷等交替出現，在喜馬拉雅塊體、拉薩塊體和羌塘塊體的相互作用下，新構造運動活躍［2］。特殊的自然條件和大地構造造就了西藏自治區(qū)內地質環(huán)境復雜、地質災害頻發(fā)等特點。尤其在雨季，西藏自治區(qū)泥石流頻發(fā)，對公共交通、生命財產安全造成嚴重威脅。以麥多溝泥石流為例，每年在雨季都會暴發(fā)不同程度高含砂泥石流災害，該泥石流溝最近一次發(fā)生泥石流災害是在2012年雨季，泥石流沖出溝道，在縣城散流，造成了較大的財產損失，所幸無人員傷亡。近年來，受極端地震和極端天氣的影響，泥石流災害日益加劇，山區(qū)城鎮(zhèn)泥石流風險問題逐漸引起大眾的關注［3］。察雅縣作為西藏昌都市的重點城鎮(zhèn)，人口密集，經濟往來活動頻繁，因此，開展發(fā)育于縣城的泥石流風險評價重大意義。

數值模擬的手段常常被運用于泥石流災害的研究過程中，FLO-2D作為一款專用于洪水和泥石流模擬的二維軟件，能較完整地分析泥石流的運動狀態(tài)特征［4］。黃勛等［5］利用FLO-2D，模擬試驗區(qū)泥石流威脅范圍，發(fā)現模擬結果與實際發(fā)生災情威脅范圍較為一致。賈濤等［6］通過FLO-2D對泥石流的運動堆積過程進行模擬，以泥石流體沖量為分區(qū)指標，建立了泥石流堆積扇危險度分區(qū)模型。張鵬等［7］將FLO-2D應用于單溝泥石流模擬并取得較好的效果。Lin等［8］基于FLO-2D軟件，模擬了松河地區(qū)泥石流，包括流深、流速、泥沙淤積等在內的流動特征，并開展了該地區(qū)的風險評價。從已有文獻可以看出，諸多學者應用FLO-2D開展了泥石流模擬研究，取得了豐富研究成果，為泥石流的危險性評價奠定了基礎，但大部分的研究都僅僅停留于危險性評價的層面，少有涉及風險評價的內容，即使部分文獻有涉及風險評價的相關內容，也是對整個流域內較為粗糙的風險評價。文中以作為人類活動主要場所的建筑物為評價單元，詳述整個精細化風險評價的流程體系，最終獲得研究區(qū)的風險分區(qū)，為察雅縣減災戰(zhàn)略工作提供科學參考，為后期類似風險評價工作提供一定的借鑒。

1 麥多溝流域概況

麥多溝泥石流位于西藏自治區(qū)昌都市察雅縣煙多鎮(zhèn)北側，溝口位置地理坐標：97 °34'18.2″E，30° 39'41.1″N。煙多鎮(zhèn)作為察雅縣府所在地，東接貢覺縣，西臨八宿縣，北連昌都市，南部與左貢縣接壤，其北距昌都市131 km，西到西藏自治區(qū)首府拉薩市1 042 km。

麥多溝泥石流流域面積約為2.62 km2，流域形態(tài)呈長條形，主溝長約2.99 km，流域最高點高程3 731 m，最低點與麥曲相交，高程3 124 m，相對高差607 m。麥多溝泥石流總體上具有岸坡陡峻，切割深度較大的特點，主溝道平均縱坡降203.01‰，麥多溝泥石流全貌見圖1。

圖1 麥多溝泥石流全貌圖Fig.1 General view of Maiduo Gully

根據泥石流溝道特征、物源分布特征和地形地貌特征，將主溝分為清水區(qū)、形成流通區(qū)2個區(qū)域。清水區(qū)主要分布在溝道上游段，海拔高度3 201～3 731 m，匯水區(qū)面積2.49 km2，占總流域面積的95%，該段長度約2.18 km，平均縱坡降243.12‰。形成流通區(qū)主要分布海拔高度3 124～3 201 m，匯水區(qū)面積0.13 km2，占總流域面積的5%，該段長度約0.81 km，平均縱坡降95.06‰，相對于上游縱坡降減小。麥多溝泥石流的物源主要有溝床內松散堆積物源和坡面侵蝕物源，主要分布在形成流通區(qū)內，麥多溝泥石流溝道和物源特征見圖2。

圖2 麥多溝泥石流溝道及物源特征Fig.2 Channel and debris flow source characteristics of Maiduo Gully

麥多溝泥石流為中高山地貌，地形坡度大于25°，斜坡表面植被覆蓋率低，有利于區(qū)內降雨向主溝匯聚，豐富的松散固體物源，使泥石流的易發(fā)程度較高。根據昌都地區(qū)氣象臺的數據，察雅縣多年平均降雨量為477.8 mm，6～9月份為察雅縣的雨季，降雨量約占全年降雨量的87.2%，該段時期內充沛的降雨為麥多泥石流的發(fā)育提供了動力條件，致使泥石流頻發(fā)。

2 麥多溝泥石流風險評估方法

地質災害風險評估，是在對孕災環(huán)境和致災因子、承災體分別進行評估的基礎上，對災害系統(tǒng)進行的風險評估［9］。泥石流災害風險，即為在一定的區(qū)域范圍、時間限度內，由于泥石流災害的發(fā)生而對人的生命財產、經濟活動等造成損失的可能性［10］。運用合理的科學方法和技術手段對這種可能性進行評估和核算，即為泥石流災害風險評估。研究以單個建筑物為評價單元，開展麥多溝單溝泥石流災害風險評價，主要包含泥石流的危險性分區(qū)、易損性分析和風險評價3方面主要內容。

2.1 麥多泥石流的危險性分區(qū)

根據FLO-2D泥石流運動數值模擬的方法和理論建立模型［11］，主要考慮不同降雨頻率（10%、5%、2%、1%），結合泥石流的動力特征和傳統(tǒng)雨洪模型，分析泥石流的危險性。FLO-2D軟件的基本原理及模擬流程在文獻［12-13］中已有詳細闡述，具體步驟這里不再贅述，只介紹相關數據的處理和關鍵參數的選取。

2.1.1 地形數據的處理

為了進行研究，在麥多溝清水區(qū)后緣飛行無人機，利用無人機自帶的地形測繪功能，獲取到了整個泥石流流域的高精度DSM，運用ArcGIS將其轉化為FLO-2D可以識別的ASCII文件。對計算網格進行劃分時，如果網格劃分過小，計算硬件難以達到要求，若網格劃分太大，模擬結果就會相對粗糙，不能很好地表達泥石流運動軌跡及最后的堆積形態(tài)，基于以上原則將FLO-2D中模擬的計算網格劃分為10 m×10 m，并且將出水點設置在清水區(qū)匯流點處（見圖1）。

2.1.2 泥石流流量過程線的設計

運用FLO-2D軟件對泥石流進行數值模擬，需要計算泥石流的流量過程曲線。首先采用雨洪法進行暴雨洪峰流量計算，根據《泥石流災害防治工程勘查規(guī)范》（DZ/T0220-2006）附錄I，用式（1），對不同降雨頻率下出水點所在橫斷面產生的匯水流量進行計算，用式（2），對不同降雨頻率下出水點所在橫斷面產生的泥石流峰值流量進行計算。

式中：Q為最大洪峰流量（m3/s）；ψ為洪峰徑流系數；i為最大平均暴雨強度；F為集水面積（km2）。

式中：Qc為泥石流斷面峰值流量（m3/s）；Φ為泥沙修正系數；γC為泥石流重度，其值為1.59（t/m3）；γW為清水重度，取值為1（t/m3）；γH為泥石流中固體物質比重，其值為2.63（t/m3）；γC、γH由現場配漿試驗得到；Dc為堵塞系數，根據泥石流的溝道和物質組成特征按《泥石流災害防治工程勘查規(guī)范》（DZ/T0220-2006）表I.1取值，麥多溝泥石流溝槽順直均勻，主支溝交匯角小，且基本無卡口、陡坎，另外，麥多溝泥石流的物質組成粘度較小。根據以上特征，按表格中建議值，泥石流堵塞系數取值1.3；參數計算中，流域特征參數主要從平面和縱橫斷面圖上量算，具體相關參數見表1，出水點所在截面不同降雨工況下暴雨洪峰流量及泥石流洪峰流量計算結果見表2。

表1 麥多泥石流峰值流量計算相關參數Table 1 Calculation parameters of peak flow of Maiduo debris flow

表2 麥多溝流域不同降雨頻率下出水點所在截面峰值流量Table 2 Peak discharge at the section of outlet point under different rainfall frequencies in Maidogou watershed

對麥多泥石流進行調查期間，訪問多個當地居民，以調查泥石流災害歷史，并且，從雨量來看，一般情況下，雨量越大，泥石流持續(xù)時間越長，據此推測4種極端降雨工況下的泥石流歷時分別為0.5 h（10%）、1 h（5%）、1.5 h（2%）、2.5 h（1%），根據以上數據，采用簡單五邊形概化方法求取泥石流流量過程線［14］，如圖3。

圖3 不同降雨頻率下泥石流流量概化過程線Fig.3 Generalization process lines of debris flow under different rainfall frequencies

2.1.3 泥石流模擬相關參數的選取

模擬之前首先要選取和輸入一系列參數，主要包括曼寧系數（N），體積濃度（Cv），泥石流容重（γC），層流阻滯系數（K），屈服應力（τ）及黏滯系數（η），其中τ、η用相關系數α1、β1、α2、β2表征。通過野外調查和現場分析，結合FLO-2D手冊的參數選取規(guī)則（Brien J S，2009）［15］，為泥石流運動模擬提供了較為精準的參數。其中曼寧系數（N）參照FLO-2D手冊的選取原則分為2個區(qū)域，植被較稀疏的清水區(qū)和形成流通區(qū)取值0.1，有建筑物分布的形成流通區(qū)下游取值0.25；體積濃度（Cv）根據泥石流的流動特征，并參考FLO-2D使用手冊取值，麥多泥石流漿體含少量粘性物質，主要由塊石、礫石和砂組成，泥石流流體重度在1.3～1.6之間，按《泥石流災害防治工程勘查規(guī)范》（DZ/T0220-2006）附表A.4確定泥石流為稀性泥石流，在研究中，對4種降雨工況下的泥石流體積濃度取同一值；層流阻滯系數（K）結合實地調查，并參考Woolhiser（1795）建議值進行賦值；屈服應力（τ）及黏滯系數（η）的相關系數α1、β1、α2、β2的取值參考O’Brien（2009）的建議值；泥石流容重（γC）由現場配漿試驗得到，文中模擬選取的泥石流參數具體見表3。

表3 麥多泥石流FLO-2D數值模擬主要參數Table 3 Main parameters of FlO-2D numerical simulation of Maiduo debris flow

2.1.4 泥石流的模擬及危險性分區(qū)

將上述過程流量及相關參數輸入FLO-2D模型中，進行模擬計算。結合麥多泥石流的實際情況，依據模擬結果，選取適當的指標來表征泥石流影響范圍內不同區(qū)域的危險程度，由美國OFEE（1997）等所使用的綜合因素分區(qū)法，采用泥深（H）與流速（V）的乘積（H×V）結果劃分泥石流影響范圍內的危險性等級，見表4。以此為劃分標準，根據麥多溝泥石流數值模擬結果，通過ArcGIS的運算，可得到四種極端降雨工況下，泥石流暴發(fā)后影響范圍內的危險性分級圖如圖4所示。

表4 泥石流危險性等級劃分標準Table 4 Classification standard of debris flow risk grade

圖4 不同降雨頻率下麥多泥石流危險性分區(qū)圖Fig.4 Hazard zoning diagram of Maiduo debris flow under different rainfall frequencies

2.1.5 泥石流模擬結果驗證

對比數值模擬和計算結果的一次泥石流沖出固體物質總量，以驗證本次數值模擬結果的精度和可靠性，由《泥石流災害防治工程勘查規(guī)范》（DT/T0220-2006），一次泥石流固體沖出物總量按式（4）計算：

式中：QH為一次泥石流沖出固體物質總量（m3）；QZ為一次泥石流過流總量（m3）；T為泥石流歷時（s）；K為流量系數，其值隨流域面積（F）而變化，當F＜5 km2時，K=0.202；其它參數與上文提及含義相同。

由上述式子，可計算出4種極端降雨工況下一次泥石流沖出固體物質總量。在數值模擬中，泥石流的一次沖出固體物質總量可將每個計算單元的泥深與每個計算單元的面積相乘后累加得到，該步驟是將FLO-2D中的模擬結果導入ArcGIS中進行計算，在不同工況下一次泥石流沖出固體物質總量的計算結果與數值模擬結果見表5。

表5 4種極端降雨工況下一次泥石流沖出固體物質總量計算結果與模擬結果對照表Table 5 Comparison between the calculation results and simulation results of the total amount of solid material washed out in the debris flow under four extreme rainfall conditions

由表5可知，不同降雨頻率下一次泥石流沖出固體物質總量的模擬結果和計算結果較為接近，誤差在可接受范圍之內，滿足精度要求。因此，本研究的數值模擬具有一定的可靠性。另外，模擬結果普遍比計算結果偏小，這是由于模擬結果只包含了出水點以下的沖出固體物質總量，對于出水點以上的固體物質并沒有包含到，而對于沖出物質而言，出水點以上的固體沖出物質只占總沖出物質的一小部分，因此該誤差的大小也相對較合理。模擬結果顯示，在10%和5%的降雨工況下，泥石流的影響區(qū)都分布在溝道附近，影響范圍較小，在2%和1%降雨工況下，泥石流的影響區(qū)迅速增大，高危險性和極高危險性的區(qū)域面積較大，泥石流沖出物質直接流入麥曲，對溝道兩側較遠范圍內的人員和建筑物都產生較大威脅。

2.2 易損性分析

易損性是指承災體在地質災害影響下發(fā)生損失的程度。劉希林等［16-17］提出，易損性是在給定地區(qū)和給定時間內，由潛在自然災害而可能導致的潛在總損失。易損性評價是地質災害風險評價的重要內容，在分析研究區(qū)地質災害數量及空間發(fā)育分布特征的基礎上，采用數學模型定量的評價承災體的抗災能力［18］。

本次易損性評價分析數據來源于野外實地走訪調查，根據評價區(qū)的實際情況，最終選取了建筑物易損性和人口易損性兩方面作為麥多溝泥石流易損性評價內容，以建筑物作為評價單元的形式呈現。經實地走訪，進行了承災體詳細特征調查和統(tǒng)計，結合遙感影像和數值模擬結果，圈畫出研究區(qū)泥石流影響范圍內的建筑物共137棟，其空間位置分布如圖5所示。

圖5 麥多泥石流影響范圍內的建筑物分布圖Fig.5 The distribution of buildings in the affected area of Maiduo debris flow

2.2.1 建筑物易損性分析

以居民聚集區(qū)縣城、鄉(xiāng)鎮(zhèn)和村莊等房屋設施為對象，基于地質災害作用下房屋構筑物抵御災害能力、災后危害人口和造成經濟損失表現出的差異性認識，結合泥石流致災特征和自然環(huán)境條件，進行實地調查，獲取了研究區(qū)內各個房屋單元的詳實情況。對于建筑物易損性，根據評價區(qū)內的實際情況，選取3個指標作為一級評價指標，分別是建筑物類型C1、結構特性C2、建筑變形情況C3，其下分為12個（X1～X12）二級評價指標，在確定指標權重時，向高校和地調系統(tǒng)內的15位有地質災害研究背景的專家發(fā)送因子權重打分表，打分表上有一級評價指標和二級評價指標等信息，專家僅需給相應指標賦予權重，回收各專家的評分表并計算出各項均值，在平均值的基礎上稍作調整，以最大限度保證易損因子權重的合理性，具體評價指標相對應的權重如表6所示。

表6 房屋構筑物易損性量化因子及取值Table 6 Quantification factors and values of vulnerability of building structures

每個單獨建筑物的建筑物易損性VC可按式（6）計算：

式中，Xi、Xj、Xk為二級指標所對應的權重，其中i的取值為1～6，j的取值為7～9，k的取值為10～12，Y為二級指標下所對應的類型所賦予的分值，按實際調查情況選取。按照上述模型進行計算，計算后對易損性進行歸一化處理。利用ArcGIS平臺，以房屋構筑物為計算單元，按照上述方法計算每一棟房屋單元的建筑物易損性，采用自然斷點法，如表7所示，將研究區(qū)房屋構筑物的易損性分為極高易損性、高易損性、中易損性和低易損性4個易損性等級，經計算疊加，可得麥多溝泥石流建筑物易損性評價結果如圖6所示。

圖6 麥多泥石流影響范圍內建筑物易損性分級圖Fig.6 Vulnerability grading diagram of buildings within the affected area of Maiduo debris flow

表7 房屋易損性歸一化分級標準Table 7 Normalized grading standards for building vulnerability

2.2.2 人口易損性分析

根據當地實際情況，認為每日停留時間Z1和年齡構成Z2這兩個指標對于人口易損性評價指標而言比較具有代表性，因此選取了這兩個指標進行威脅區(qū)范圍內的人口易損性分析，并確定了相應的權重。指標Z1用人員在房屋構筑物停留時間定量描述房屋損壞后造成人員大量傷亡的可能性，停留時間越長，房屋一旦遭到地質災害損壞，造成的損失大的可能性越大，易損性越高。統(tǒng)計建筑物內每人每天的平均停留時間，并將每個人的平均停留時間加和，即為每日停留時間。指標Z2用建筑物內的人口構成情況定量描述房屋損壞后人員逃跑可能性，年齡過小或過大，逃跑可能性越小，房屋一旦遭到地質災害損壞，造成的損失大的可能性越大，易損性越大。人口構成用人口系數來a表征，即評價單元內老人和兒童人口所占的比重［19］。具體評價指標及權重如表8所示。

表8 人口易損性指標量化分級與權重表Table 8 Quantitative classification and weight of population vulnerability indicators

每個單獨建筑物的人口易損性Vp可按式（7）計算：

式中，H1、H2分別為每個評價單元所對應的每日停留時間和年齡構成的評價得分，按照上述模型進行計算，計算后對易損性進行歸一化處理。利用ArcGIS平臺，以房屋構筑物為計算單元，按照上述方法計算每一房屋單元的人口易損性，采用自然斷點法，如表9所示，將研究區(qū)人口易損性分為極高易損性、高易損性、中易損和低易損4個易損級別，經計算疊加，可得麥多泥石流人口易損性評價結果如圖7所示。

表9 人口易損性歸一化分級標準Table 9 Normalized classification standard of population vulnerability

圖7 麥多泥石流人口易損性分級圖Fig.7 Vulnerability grading diagram of population of Maiduo debris flow

由以上易損性分析可知，在泥石流影響范圍之內，建筑物易損性以中易損性為主，除7個高易損性評價單元和5個低易損性評價單元外，其余評價單元均為中易損性。對于人口易損性，除一個低易損性評價單元外，其余均為中易損性評價單元。

2.3 麥多泥石流風險評價

地質災害風險評價是對風險區(qū)遭受不同強度地質災害的可能性及可能造成的災害損失進行定量分析和評價，是一項極具現實意義的重要研究課題［20］。對于麥多泥石流影響范圍內的風險，分為建筑物風險和人口風險兩部分，對于建筑物風險，采用的計算方法為：危險性×建筑物易損性×建筑物總價值，對于人口風險，計算方法為：危險性×人口易損性×每棟房子的人口數。由此計算得出，在4種極端降雨工況下泥石流災害發(fā)生后的建筑物潛在損失（萬元）和人口潛在傷亡數（人）。經計算，建筑物損失風險和人口風險分別如圖8～圖9所示。

圖8 不同降雨頻率下麥多泥石流建筑物風險Fig.8 Building risk of Maido debris flow under different rainfall frequencies

圖9 不同降雨頻率下麥多泥石流人口風險Fig.9 Population risk of Maiduo debris flow under different rainfall frequencies

結果表明，建筑物風險值小于1萬、1～10萬、10～20萬及大于20萬的評價單元在P=10%降雨工況下占總評價單元的百分比分別為81.0%、1.5%、10.9%、6.6%；在P=5%降雨工況下分別為65.7%、13.1%、14.6%、6.6%；在P=2%降雨工況下分別為52.6%、13.1%、29.2%、5.1%；在P=1%降雨工況下分別為38.7%、24.1%、17.5%、19.7%。經核算，上述4種工況下的建筑物總風險值分別為298萬元、625萬元、978萬元和1 993萬元。人口風險值小于等于1人、1～2人、2～3人、大于3人的評價單元在P=10%降雨工況下占總評價單元的百分比分別為77.4%、11.7%、8.0%、2.9%；在P=5%降雨工況下分別為56.2%、25.5%、9.5%、8.8%；在P=2%降雨工況下分別為49.6%、29.9%、11.7%、8.8%；在P=1%降雨工況下分別為48.1%、21.9%、6.6%、23.4%。經核算，上述4種工況下的潛在人口傷亡數量分別為54人、97人、121人和153人?？梢钥闯?，極端降雨工況下，潛在傷亡人數較多，其原因主要是泥石流的影響范圍內，居民建筑較為密集，而且，每個評價單元內的居住人口較多，家庭人口數在8人左右較為常見，甚至更多，這是當地較為明顯的特點。

3 結論

（1）本文采用FLO-2D數值模擬軟件與ArcGIS軟件相結合的技術方法，以建筑物為評價單元，開展了察雅縣麥多溝泥石流單溝尺度的泥石流災害風險評價研究，評價結果分為建筑物風險和人口風險兩部分。

（2）對不同降雨工況下的泥石流危險性模擬，由于參數選取較為合理，模擬效果比較理想，經過驗證，模擬結果與計算結果較為接近，說明了本次模擬的可靠程度較高。

（3）降雨工況從P=10%到P=1%增加的過程中，建筑物總風險值從298萬元增長至1 993萬元，潛在傷亡總人數從54人增長至153人。評價區(qū)內人口密集，潛在人口風險較大，麥多溝泥石流風險評估可有效服務該區(qū)的國土規(guī)劃和防災減災工作。

（4）文中詳述了整個精細化單溝泥石流風險評價流程，評價流程和體系對今后類似風險評價有一定的借鑒意義。