Hazard assessment of debris flow in Jinsha River
-
摘要:研究目的
查明金沙江流域泥石流空间分布特征并开展危险性评价,可以为横断山区泥石流区域分异规律研究和防灾减灾提供数据支撑和科学依据。
研究方法结合野外调查和GIS空间分析,获得了金沙江流域干流及主要支流的2551个泥石流流域,并基于泥石流活动特征开展泥石流危险性评价,通过ROC检验及空间聚类分析,完成了金沙江流域泥石流危险性区划。
研究结果①金沙江流域上游段泥石流并不活跃,以低中频为主,高频泥石流主要分布在下游段,尤以元谋—巧家段发育最为集中;②最有利于泥石流灾害形成的因素为:15°~35°坡度、地震分布最密集、软硬相间的碎屑岩组;③金沙江流域内中—高危险泥石流占比为47.48%,接近一半;④东川—巧家段的高危险区聚集度高,与活跃断层高度重合,物源丰富,基本受活跃断层控制。
结论金沙江流域泥石流高危险区集中在下游段,研究获得的危险性区划图可为水力水电、交通廊道等工程开发建设中规避泥石流风险、制定防灾减灾措施提供参考依据。
Abstract:ObjectiveThis study investigates the distribution characteristics of debris flow in Jinsha River and conducts a hazard assessment to provide data support and a scientific basis for understanding regional variations in debris flow and disaster prevention in the Hengduan Mountain area.
MethodsBased on the field investigation and GIS spatial analysis, 2551 debris flows in the Jinsha River were identified. Hazard assessment was performed based on the activity characteristics of these debris flows. Using ROC analysis and spatial clustering, the debris flow hazard zoning in the Jinsha River was established.
Results① Debris flows in the upper reaches of Jinsha River are not active, predominantly of low to medium frequency, while high−frequency debris flows are concentrated in the lower reaches, especially between Yarmou and Qiaojia. ② The primary factors influencing debris flow formation include slopes ranging from 15° to 35°, frequent seismic activity, and the presence of both soft and hard clastic rocks. ③ Medium− and high−hazard debris flows cover 47.48% of the area, nearly half of the studied region. ④ The high−hazard zone in the Dongchuan−Qiaojia section shows high concentration, closely correlating with active faults and abundant sediment supply, largely controlled by tectonic activity.
ConclusionsHigh−hazard debris flow zones are concentrated in the downstream of Jinsha River. The hazard zoning map provides a reference for risk mitigation in hydropower development and transportation infrastructure planning.
-
Keywords:
- debris flow /
- hazard /
- activity characteristics /
- Jinsha River
创新点(1)结合野外调查和GIS技术,补充完善了金沙江流域泥石流分布数据;(2)在泥石流危险性评价中考虑活动特征更反映灾害事实,为区域灾害评估提供了参考。
-
油页岩属于非常规油气资源,利用蒸馏等技术处理后能够获得页岩气及页岩油,是一种前景非常好的油气资源,被列为21世纪非常重要的接替能源(侯祥麟,1994;赵政璋等,2005;刘招君等,2006;王红岩等,2009)。中国油页岩资源丰富,资源潜力大,其中松辽盆地是油页岩资源极丰富的地区,占东北地区油页岩资源总量的96%(刘招君等,2009)。松辽盆地是一个大型陆相薄互层沉积盆地,岩石物性横向变化大,地层平缓且构造幅度小,油页岩单层厚度薄,这种复杂的沉积结构增加了地震勘探的难度(李桂林,2009)。大地电磁法由于天然场源的随机性及信号微弱精度和效率较低,电阻率法则存在探测深度浅、高阻层屏蔽等缺点。测井技术在识别和评价油页岩方面较成熟(丰莉等,2016;刘同庆,2020),已被广泛应用于油页岩矿区,但是由于其空间探测范围的局限性,存在横向范围内描述储层物性变化能力很弱的缺陷。
测井具有较高的纵向地层分辨率,将测井数据作为先验信息进行电磁法约束反演,可以提高反演结果的纵向分辨率。朱宇启等(2021)在南黄海中部隆起区对海洋CSEM实测数据进行测井约束反演,突出了垂向发生明显变化的层位。Brown et al.(2012)发现,利用测井数据进行正则化约束反演比常规反演结果更紧凑地估计了储层结构。余年等(2012)利用测井数据作为先验信息开展大地电磁约束反演,与常规反演结果相比,约束反演结果对岩溶、断层、褶皱等地质构造的反映与实际吻合更好。自20世纪80年代以来,可控源音频大地电磁法和仪器都得到了很大发展,具有设备轻便、勘探深度相对较大、不受高阻层屏蔽、横向分辨率高等特点(何梅兴,2006;余年等,2012),在勘探石油、天然气、金属矿床、地热等领域得到广泛应用(秦伟,2013;李致君等,2018;李英宾等,2019)。地球物理方法和测井技术在联合研究油页岩储层特征方面几乎还是空白,本文通过松辽盆地采集的可控源音频大地电磁数据,利用测井资料作为先验信息,开展可控源音频大地电磁法和测井联合约束反演技术应用研究,将油页岩与泥页岩互层整体作为相对高阻层,进行划分识别,取得较好的效果,初步查明研究区油页岩的展布特征,为进一步勘探工作指明了有利方向。
1. 地质地球物理背景
1.1 地质条件
研究区位于松辽盆地东南隆起区(图1)。松辽盆地形成于印支运动末期—燕山运动早期,经历了多期构造运动,盆地内部划分出西部斜坡区、北部倾没区、东北隆起区、中央坳陷区、东南隆起区和西南隆起区6个一级构造单元(张利,2020)。
东南隆起区位于盆地边部,自西向东分为次一级背斜、向斜构造,主要有登娄库背斜、哈拉海向斜、农安背斜、德惠向斜、青山口背斜、杨大城子背斜;主要发育中、新生代地层,自下而上依次为白垩系火石岭组、沙河子组、营城组、登娄库组、泉头组、青山口组、姚家组、嫩江组,新近系大安组及第四系(高立新,2008;李宝毅等,2012;李翔等,2014),油页岩主要存在于白垩系青山口组一段和嫩江组一段、二段,油页岩矿层单层厚度较薄,与沉积岩地层呈互层关系。
1.2 地层电性特征
根据研究区及周缘物性资料分析,第四系为表层高阻层,古近系—新近系大安组−青山口组为低阻层,泉头组−登楼库组为中阻层,营城组−火石岭层为次高阻层,局部发育火山岩为高阻,石炭系—二叠系为基底高阻层(表1)。地层电性特征分析表明,白垩系嫩江组、青山口组电阻率整体呈现低阻特征。
表 1 研究区及周缘地区岩层电性特征Table 1. The electrical characteristics of rock strata in the study area and surrounding areas系 统 组 符号 岩性特征 ρ/(Ω·m) 电性 第四系 Q 粘土、亚粘土、砂砾石 37.9 表层高阻 古近系—新近系 大安组 Nd 泥岩、粉砂质泥岩、泥质粉砂岩 3.2 低阻层 白垩系 上统 嫩江组 K2n 砂砾岩、粉砂岩、细砂岩、泥质粉砂岩、粉砂质泥岩、泥岩、油页岩 3.9 姚家组 K2y 泥岩、粉砂质泥岩、泥质粉砂岩、粉砂岩 6.8 青山口组 K2qs 质粉砂岩、粉砂岩、粉砂质泥岩、油页岩 22.8 下统 泉头组 K1q 粉砂质泥岩、泥岩、粉砂岩、泥质粉砂岩、细砂岩、砂岩 28.2 中阻层 登楼库组 K1d 砂砾岩夹泥岩 71.5 营城组 K1yc 泥岩与火山岩间互夹煤层 211.7 次高阻层 沙河子组 K1sh 火山岩、砂泥岩夹煤线 220.0 火石岭组 K1h 火山碎屑岩、火山喷发岩 240.0 石炭系—二叠系 293.0 基底高阻 1.3 油页岩物性特征
油页岩含丰富的有机质,有机质具有低密度、高电阻率特征,在含油页岩的沉积地层中,油页岩层与围岩存在电阻率、密度等物性差异(Constable et al.,1987;贺君玲等,2006;王永明等,2007)。
综合分析研究区不同测井曲线发现,油页岩呈现中高电阻率、高自然伽马、高声波时差和低密度特征;泥岩呈现低电阻率、高自然伽马、高声波时差和高密度特征;粉砂岩具有中高电阻率、低自然伽马、低声波时差、低密度特征;粉砂质泥岩相对于泥岩电阻率偏高、自然伽马偏低、声波时差偏低、密度偏低;泥质粉砂岩相对于粉砂岩电阻率偏低、自然伽马偏高、声波时差偏高、密度高。油页岩与粉砂岩、粉砂质泥岩及泥质粉砂岩在电阻率和密度方面均呈现高电阻率、低密度特征,但与围岩泥岩存在明显的电阻率和密度差异(表2;图2),油页岩有机质含量越高,这种特征越明显。因此,根据不同测井曲线形态和曲线值可以判断出不同岩性,划分识别油页岩。
表 2 研究区白垩系不同岩性测井曲线响应分布范围Table 2. Logging response distribution range table of Cretaceous different lithology in the study area测井识别岩性 电阻率平均值/(Ω·m) 声波时差平均值/(μs·m−1) 补偿密度平均值/(g·cm−3) 自然伽马平均值/API 粉砂岩 10 ~ 13 250 ~ 430 2.15 ~ 2.62 50 ~ 115 泥质粉砂岩 6.5 ~ 17.5 240 ~ 450 2.20 ~ 2.50 75 ~ 140 粉砂质泥岩 5.5 ~ 12 275 ~ 500 2.25 ~ 2.55 90 ~ 135 泥岩 5 ~ 9 330 ~ 450 2.25 ~ 2.50 110 ~ 150 油页岩 7.5 ~ 15 ≥375 ≤2.35 ≥130 2. 勘探方法
2.1 方法原理
CSAMT法全称是可控源音频大地电磁测深法,属于人工源频率域电磁测深法,以有限长接地电偶极子为场源,其核心是采用大小随着频率改变的音频电流来建立人工电磁场,激发地下空间产生电磁感应,当电磁场变为谐变场时通过改变电磁场的频率来达到测深目的,采集电磁场参数,求取视电阻率、阻抗相位等电磁响应数据,具有工作效率高、勘探深度范围大、水平方向分辨能力高、地形影响小、高阻层的屏蔽作用小等特点。
2.2 数据采集与处理
研究区CSAMT测线均过钻井(图1),测线总长80 km,点距100 m,采用美国Zonge公司生产的GDP-3224多功能电法仪,发电输出功率30 kW。数据采用赤道偶极装置进行标量测量,发射偶极AB与测线平行布设,长度为1 ~ 2 km,接收偶极100 m,发射源接地电阻要求20 ~ 40 Ω,接收端接地电阻不大于2000 Ω;同时观测与场源平行的电场水平分量Ex和与场源正交的磁场水平分量Hy,采集频率范围为 0.125 ~ 8192 Hz。
数据处理采用人机交互的方式进行,包括去噪、静态校正、近场校正、视电阻率、相位拟断面分析等。近场校正采用过渡三角形法,消除卡尼亚电阻率在近区由于非平面波效应产生的畸变,采用空间滤波、中值滤波、曲线平移等方法进行静态位移综合校正。图3为SL-01线视电阻率和阻抗相位断面图,视电阻率、阻抗相位等值线连续光滑,噪声、近场效应及静位移影响得到较好的压制,断面图上电性层由高频到低频呈现高、低、次低、高的变化特征。
2.3 约束反演技术
常规二维正则化OCCAM反演方法是一种由电磁测深数据产生光滑模型的实用算法,体现了正则化反演优点,在保证电性分布连续或光滑的条件下,寻求有极小可能构造意义下拟合数据的模型(Constable et al.,1987),该方法收敛稳定,对初始模型依赖度低,成像效果好,被广泛应用于电磁数据处理中。研究区存在人文干扰,受干扰的数据不能真实反映地下电性结构,对地质解释的可靠性存在影响,同时可控源音频大地电磁反演存在多解性、非唯一性的问题,为此在二维正则化OCCAM反演的基础上,将研究区测井信息融入到可控源音频大地电磁资料的反演处理中,减少反演结果的非唯一性,提高成果解释的精度和合理性(孟翠贤,2003;张凯飞,2016)。二维OCCAM地电约束反演主要包括地电模型建立、反演算法与正则化因子、模型粗糙度及迭代误差分析。
(1)地电模型建立
对研究区可控源音频大地电磁测线周边测井资料进行处理分析,根据不同物性特征对钻孔处地层进行划分,重点对嫩江组和青山口组油页岩及附近地层进行划分,建立可控源音频大地电磁资料处理所需要的电阻率分布先验地电模型,数据反演过程中加入先验地电信息开展约束反演。表3、表4为SL-03线先验约束信息。
表 3 吉扶地3井油页岩及附近地层约束信息Table 3. Constraint information of oil shale and nearby strata in Well Jifudi 3序号 顶部深度/m 底部深度/m 厚度/m 电阻率/(Ω·m) 岩性 序号 顶部深度/m 底部深度/m 厚度/m 电阻率/(Ω·m) 岩性 1 258.2 268.6 10.4 9.19 泥岩 15 469.8 476.9 7.1 6.23 泥岩 2 268.6 281.4 12.8 10.70 粉砂质泥岩 16 476.9 478.0 1.1 6.99 油页岩 3 281.4 289.0 7.6 9.55 泥岩 17 478.0 483.2 5.2 5.70 泥岩 4 289.0 294.1 5.1 12.90 粉砂质泥岩 18 483.2 484.1 0.9 6.27 油页岩 5 294.1 298.3 4.2 9.44 泥岩 19 484.1 487.3 3.2 6.22 泥岩 6 298.3 306.6 8.3 11.61 粉砂质泥岩 20 487.3 489.5 2.2 8.38 粉砂质泥岩 7 306.6 312.4 5.8 9.55 泥岩 21 489.5 494.2 4.7 6.06 油页岩 8 312.4 341.0 28.6 10.92 粉砂质泥岩 22 494.2 503.2 9.0 5.25 泥岩 9 341.0 382.3 41.3 6.49 泥岩 23 503.2 507.1 3.9 12.73 油页岩 10 382.3 383.2 0.9 6.45 油页岩 24 507.1 514.0 6.9 7.19 泥岩 11 383.2 462.2 79.0 5.95 泥岩 25 514.0 519.3 5.3 11.22 油页岩 12 462.2 463.4 1.2 7.19 油页岩 26 519.3 523.1 3.8 5.91 泥岩 13 463.4 468.0 4.6 6.10 泥岩 27 523.1 524.0 0.9 10.72 油页岩 14 468.0 469.8 1.8 7.65 油页岩 28 524.0 528.7 4.7 8.34 粉砂质泥岩 表 4 吉扶地8井油页岩及附近地层约束信息Table 4. Constraint information of oil shale and nearby strata in Well Jifudi 8序号 顶部深度/m 底部深度/m 厚度/m 电阻率/(Ω·m) 岩性 序号 顶部深度/m 底部深度/m 厚度/m 电阻率/(Ω·m) 岩性 1 258.2 268.6 10.4 9.19 泥岩 15 469.8 476.9 7.1 6.23 泥岩 2 268.6 281.4 12.8 10.70 粉砂质泥岩 16 476.9 478.0 1.1 6.99 油页岩 3 281.4 289.0 7.6 9.55 泥岩 17 478.0 483.2 5.2 5.70 泥岩 4 289.0 294.1 5.1 12.90 粉砂质泥岩 18 483.2 484.1 0.9 6.27 油页岩 5 294.1 298.3 4.2 9.44 泥岩 19 484.1 487.3 3.2 6.22 泥岩 6 298.3 306.6 8.3 11.61 粉砂质泥岩 20 487.3 489.5 2.2 8.38 粉砂质泥岩 7 306.6 312.4 5.8 9.55 泥岩 21 489.5 494.2 4.7 6.06 油页岩 8 312.4 341.0 28.6 10.92 粉砂质泥岩 22 494.2 503.2 9.0 5.25 泥岩 9 341.0 382.3 41.3 6.49 泥岩 23 503.2 507.1 3.9 12.73 油页岩 10 382.3 383.2 0.9 6.45 油页岩 24 507.1 514.0 6.9 7.19 泥岩 11 383.2 462.2 79.0 5.95 泥岩 25 514.0 519.3 5.3 11.22 油页岩 12 462.2 463.4 1.2 7.19 油页岩 26 519.3 523.1 3.8 5.91 泥岩 13 463.4 468.0 4.6 6.10 泥岩 27 523.1 524.0 0.9 10.72 油页岩 14 468.0 469.8 1.8 7.65 油页岩 28 524.0 528.7 4.7 8.34 粉砂质泥岩 (2)反演算法
二维Occam地电约束反演重点是对目标函数中的模型粗糙度进行修改,推导出修改后目标函数的迭代格式,形成以地电参数作为先验信息的约束反演算法。反演过程中在目标函数中加入利用测井等资料建立的先验地电模型,在已知电性分布区域修正模型,不断地向先验地电模型靠拢,提高反演结果与实测数据的拟合度。具体流程如下:
① 建立可控源音频大地电磁反演目标函数,在目标函数模型粗糙度中加入模型约束项。
U=‖ (1) 式中, {\left\|{\partial }_{y}m\right\|}^{2}+{\left\|{\partial }_{z}m\right\|}^{2} 为模型粗糙度,μ为拉格朗日乘子,即正则化因子, W 为归一化计算后 M\times M 的对角加权矩阵, F(m) 模型为 m 在一定的激发作用下正演后取得的响应,X*2为反演拟合差。
② 根据已知钻孔及测井数据建立初始模型,构造二维粗糙度矩阵:
{R}_{1}=\alpha {\left\|C(m-{m}_{0})\right\|}^{2}+{\left\|{\partial }_{y}m\right\|}^{2}+{\left\|{\partial }_{z}m\right\|}^{2} (2) 式中, \alpha {\left\|C(m-{m}_{0})\right\|}^{2} 为先验模型的约束项, \alpha 为权重系数, {m}_{0} 为先验模型, m 为迭代过程中当前模型, C 为约束矩阵。
③ 根据约束后的目标函数,计算推导迭代格式,开展反演迭代计算。
\begin{split} &{m}_{k+1}\left(\mu \right)={\left[\alpha \mu {C}^{T}+\mu \left({\partial }_{x}^{T}{\partial }_{x}+{\partial }_{z}^{T}{\partial }_{z}\right)+ {\left(W{J}_{k}\right)}^{T}W{J}_{k}\right]}^{-1}.\\ &\qquad \left[{\left(W{J}_{k}\right)}^{T}W{d}_{k}+\alpha \mu {C}^{T}C{m}_{0}\right]\\[-1pt]\end{split} (3) 式中 ,{J}_{k} 为雅可比矩阵, {d}_{k}=d-F\left[{m}_{k}\right]+{J}_{k}{m}_{k} ,拉格朗日乘子μ为待求值。
④ 求取模型 {m}_{k+1}\left(\mu \right) 的一系列μ值,根据 \mu 值计算模型 {m}_{k+1}\left(\mu \right) 拟合差,选取数据残差平方最小的 \mu 值。
(3)正则化因子、模型粗糙度及迭代误差分析
本次约束反演正则化因子初始值为1000,模型粗糙度随正则化因子增大呈现波动变化,当正则化因子增大到一定值时,逐步变小,最后趋于稳定(图4)。经过15次迭代计算,二维地电约束反演结果趋近稳定,图5为SL-01线约束前后迭代反演曲线误差对比图,拟合差分别为0.77和0.78,拟合初期约束反演拟合误差比常规反演拟合误差大,拟合后期常规反演提前趋于稳定。
3. 效果分析
(1)常规二维OCCAM反演能够反映出规模较大的异常体,但是对于规模较小的异常体分辨能力不足,由SL-01线二维OCCAM反演与二维OCCAM约束反演剖面对比图(图6)可以看出,二维OCCAM地电约束反演剖面纵向上地层电性变化特征清楚,横向分辨率也有很大的提高,能够明显提高对异常体的分辨率,地电信息更丰富,较好地反映了研究区地层平缓、构造幅度小、岩石物性横向变化大的地质特征,油页岩与泥岩作为整体得到较好反映。
(2)以二维OCCAM地电约束反演剖面为主,结合测井、以往物探地质资料进行综合解释,可以对油页岩与泥页整体进行有效识别。图7为SL-01线二维地电约束反演及地质解释剖面,二维地电约束反演剖面纵向上呈现高—低—中—次高—高变化特征,电性结构变化与电测井曲线吻合较好。表层高阻层反映了第四系沉积地层分布与厚度变化特征,电阻率值为15 ~ 55 Ω·m,厚度10 ~ 50 m;中浅部低阻层主要反映了白垩系嫩江组、姚家组及青山口组的分布,电阻率值为3 ~ 12 Ω·m,厚度180 ~ 750 m,局部存在相对高阻异常,与电测井曲线上粉砂质泥岩、泥质粉砂岩、粉砂岩、油页岩和泥岩互层基本对应;下部中阻层代表白垩系泉头组,电阻率值为6 ~ 17 Ω·m,厚度50 ~ 100 m;下部次高阻层代表白垩系火石岭组—登楼库组,电阻率值为7 ~ 22 Ω·m,厚度400 ~ 1000 m;底部分布的高阻层代表了变质岩或侵入体基底,顶面最大埋深范围大于1000 m。利用电测井曲线及分层数据,结合约束反演剖面电阻率变化特征,将中浅部低阻层进一步划分为嫩江组、姚家组和青山口组,在嫩江组、青山口组划分的基础上,油页岩与泥岩整体作为相对高阻层可划分识别。
(3)通过研究区采集的可控源音频电磁测线地电约束反演及综合解释,对研究区地层、构造及油页岩矿层展布特征获得了整体认识:① 研究区横跨登楼库背斜和哈拉海向斜2个构造,背斜核部地层以白垩系泉头组、青山口组为主,翼部为姚家组、嫩江组,向斜核部地层以白垩系嫩江组为主,翼部为姚家组、青山口组。以登楼库背斜轴为界,两翼地层倾角均为1° ~ 6°,核部近水平,呈宽缓的背斜构造,整体控制白垩系的分布,影响油页岩矿层的空间展布。②登楼库背斜地层较哈拉海向斜整体抬升,导致研究区背斜所在区域的嫩江组基本缺失,嫩江组油页岩主要分布在哈拉海向斜,仅在背斜西部局部沉积,油页岩与泥岩互层厚度为25 ~ 100 m,埋深50 ~ 250 m。青山口组油页岩分布范围广,登楼库背斜、哈拉海向斜均有分布,油页岩与泥岩互层厚度为30 ~ 200 m,埋深400 ~ 800 m,整体呈沿登楼库背斜轴高、沿背斜轴两翼逐渐减薄的特征。
4. 结 论
(1)可控源音频大地电磁和测井联合约束反演技术能够提高对异常体的分辨率,油页岩与泥岩互层作为整体只要具有一定的规模,利用可控源音频大地电磁和测井联合约束反演技术就可以划分识别。
(2)油页岩单层厚度薄,单一地球物理方法划分识别油页岩存在很大的局限性,基于测井综合曲线分析技术的地球物理方法是油页岩勘探方法发展的方向。
(3)油页岩与砂岩、粉砂岩和粉砂质泥岩均呈现相对高电阻率特征,区分困难,可以开展可控源音频电磁法、时频电磁法等多种方法试验,利用电阻率、极化率等多参数综合分析研究。
-
图 5 金沙江流域泥石流指标分级统计图(各图分级标准参见图4)
Figure 5. Statistical diagrams of debris flow index classification in Jinsha River
表 1 不同类型泥石流判断矩阵
Table 1 Judgment matrix of different types of debris flow
类型 高频粘性 高频其他 中频 低频其他 低频稀性 高频粘性 1 1/2 1/3 1/4 1/5 高频其他 2 1 1/2 1/3 1/4 中频 3 2 1 1/2 1/3 低频其他 4 3 2 1 1/2 低频稀性 5 4 3 2 1 表 2 不同类型泥石流赋权
Table 2 Weighting of different types of debris flow
类型 高频粘性 高频其他 中频 低频其他 低频稀性 权重 0.4147 0.2617 0.1592 0.1112 0.0532 表 3 金沙江流域危险性评价指标权重计算结果
Table 3 Calculation results of hazard assessment index weight in Jinsha River
指标类型 指标分级 W+ W- 坡度/° <15 −0.2584 0.1111 15~25 0.0267 −0.0127 25~35 0.1361 −0.0498 35~45 0.2931 −0.0314 >45 0.2957 −0.0041 地形湿度指数 −1.5~1.7 0.0906 −0.0732 1.7~3.5 −0.0492 0.0276 3.5~6.2 −0.0589 0.0081 6.2~10.1 −0.1495 0.0092 10.1~21.1 −0.7136 0.0070 超额地形 0~24.8 −0.0763 0.2835 24.8~89.4 0.2293 −0.0361 89.4~188.8 0.3742 −0.0221 188.8~352.7 0.3962 −0.0074 352.7~1266.9 0.2313 −0.0008 地震核密度 0~0.001297111 0.0293 −0.0294 0.001297111~0.003175686 −0.3275 0.0805 0.003175686~0.005322628 0.0358 −0.0164 0.005322628~0.007782666 0.1065 −0.0173 0.007782666~0.011405632 0.1712 −0.0238 工程地质岩组 第四系松散堆积物,以阶地
砾石、砂土、粘土层,冰川、
湖河沉积等为主−0.1340 0.0073 较坚硬的混杂岩 −0.4497 0.0006 坚硬的基性岩组-以辉长岩-
玄武岩类为主0.0775 −0.0092 坚硬的酸性岩岩组-以花岗岩-
流纹岩类为主−0.7802 0.0299 坚硬的中性岩岩组,以
闪长岩、正长岩为主−1.5029 0.0066 较坚硬的变质岩组,以
大理岩、变砂岩、板岩为主0.1633 −0.0318 较坚硬的碳酸盐岩组-以
厚层—块状灰岩、白云岩为主0.0303 −0.0124 较软的变质岩组-以片岩、
千枚岩、麻粒岩为主0.2320 −0.0129 较软的火山碎屑岩组,以
火山角砾岩、凝灰岩为主−0.1125 0.0026 软硬相间的碎屑岩组-以砾岩、
砂岩、粉砂岩、泥质岩为主−0.0693 0.0433 夏季平均降雨量/mm <120 −0.6345 0.1710 120~140 0.0247 −0.0084 140~160 0.2603 −0.0747 160~180 0.3329 −0.0943 180~200 −1.8302 0.0005 表 4 金沙江流域泥石流危险性评价结果
Table 4 Statistics of debris flow hazard assessment results in Jinsha River
危险区划 研究区面积/km2 占比/% 泥石流面积/km2 占比/% 低危险区 46013.32 26.19 11098.34 23.28 较低危险区 46269.74 26.33 11464.50 24.05 中危险区 40670.51 23.15 10829.46 22.72 较高危险区 31226.54 17.77 9430.22 19.78 高危险区 11528.89 6.56 4849.47 10.17 -
Agterberg F A. 2011. Modified Weights−of−Evidence Method for Regional Mineral Resource Estimation[J]. Natural Resources Research, 20(2): 95−101. doi: 10.1007/s11053-011-9138-0
Akbar T A, Ha S R. 2011. Landslide hazard zoning along Himalayan Kaghan Valley of Pakistan−by integration of GPS, GIS, and remote sensing technology[J]. Landslides, 8(4): 527−540. doi: 10.1007/s10346-011-0260-1
Berenguer M, Sempere−Torres D, Hürlimann M. 2014. Debris−flow hazard assessment at regional scale by combining susceptibility mapping and radar rainfall[J]. Natural Hazards and Earth System Sciences, 2(10): 6295−6338.
Bi X, Fan Q, He L, et al. 2023. Analysis and Evaluation of Extreme Rainfall Trends and Geological Hazards Risk in the Lower Jinshajiang River[J]. Applied Sciences, 13(6): 4021. doi: 10.3390/app13064021
Blothe J H, Korup O, Schwanghart W. 2015. Large landslides lie low: Excess topography in the Himalaya−Karakoram ranges[J]. Geology, 43(6): 523−526. doi: 10.1130/G36527.1
Bojer A K, Ahmed M E, Bekalo D J, et al. 2023. Analysis of land use/land cover change (LULCC) and debris flow risks in Adama district, Ethiopia, aided by numerical simulation and deep learning−based remote sensing[J]. Stochastic Environmental Research and Risk Assessment, 37: 4893−4910. doi: 10.1007/s00477-023-02550-w
Bregoli F, Medina V, Chevalier G. et al. 2015. Debris−flow susceptibility assessment at regional scale: Validation on an alpine environment[J]. Landslides, 12(3): 437−454. doi: 10.1007/s10346-014-0493-x
Cabral V, Reis F, Veloso V, et al. 2023. A multi−step hazard assessment for debris−flow prone areas influenced by hydroclimatic events[J]. Engineering Geology, 313: 106961. doi: 10.1016/j.enggeo.2022.106961
Cao P, Li Y, Li Z, et al. 2021. Geological structure characteristics and genetic mechanism of Baige Landslide Slope in Changdu Tibet[J]. Earth Science, 46(9): 3397−3409 (in Chinese with English abstract).
Chang M, Tang C, Van Asch T W J, et al. 2017. Hazard assessment of debris flows in the Wenchuan earthquake−stricken area, South West China[J]. Landslides, 14(5): 1783−1792. doi: 10.1007/s10346-017-0824-9
Chen C, Tseng C, Dong J. 2007. New entropy−based method for variables selection and its application to the debris−flow hazard assessment[J]. Engineering Geology, 94(1/2): 19−26. doi: 10.1016/j.enggeo.2007.06.004
Chen J, Li Y, Xu C. 2016. Susceptibility assessment model of debris flows in the dry−hot valley of the Jinsha River and its application[J]. Mountain Research, 34(4): 460−467 (in Chinese with English abstract).
Chen X, Chen H, You Y, et al. 2016. Weights−of−evidence method based on GIS for assessing susceptibility to debris flows in Kangding County, Sichuan Province, China[J]. Environmental Earth Sciences, 75(1): 70. doi: 10.1007/s12665-015-5033-z
Esper Angillieri, M Y. 2020. Debris flow susceptibility mapping using frequency ratio and seed cells, in a portion of a mountain international route, Dry Central Andes of Argentina[J]. Catena, 189: 104504. doi: 10.1016/j.catena.2020.104504
Fawcett T. 2006. An introduction to ROC analysis[J]. Pattern Recognition Letters, 27(8): 861−874. doi: 10.1016/j.patrec.2005.10.010
Feng Z, Chen L, Wang L C, et al. 2024. Principle and application of the weight−of−evidence method in regional landslide susceptibility assessment[J]. Geological Bulletin of China, 43(7): 1255−1265 (in Chinese with English abstract).
Hu G, Tian S, Chen N, et al. 2020. An effectiveness evaluation method for debris flow control engineering for cascading hydropower stations along the Jinsha River, China[J]. Engineering Geology, 266: 105472. doi: 10.1016/j.enggeo.2019.105472
Kuo Y, Yang T, Huang G. 2008. The use of grey relational analysis in solving multiple attribute decision−making problems[J]. Computers & Industrial Engineering, 55(1): 80−93.
Li Y, Chen J, Zhou F, et al. 2020. Identification of ancient river−blocking events and analysis of the mechanisms for the formation of landslide dams in the Suwalong section of the upper Jinsha River, SE Tibetan Plateau[J]. Geomorphology, 368: 107351. doi: 10.1016/j.geomorph.2020.107351
Li Y, Su L, Zou Q, et al. 2021. Risk assessment of glacial debris flow on alpine highway under climate change: A case study of Aierkuran Gully along Karakoram Highway[J]. Journal of Mountain Science, 18(6): 1458−1475. doi: 10.1007/s11629-021-6689-3
Liu X, Dong X, Qian J, et al. 2024. Airborne LiDAR−based Debris Flow Material Sources Remote Sensing Recognition in Lush Mountainous Area[J]. Geomatics and Information Science of Wuhan University, 49(3): 400−410 (in Chinese with English abstract).
Liu X, Yao X, Yu K, et al. 2020. Remote sensing integrated identification of geological hazards in the Batang−Mangkang Section of the Sichuan−Tibet Highway[J]. Advanced Engineering Sciences, 52(6): 49−60 (in Chinese with English abstract).
Liu Z, Xu L, Jiang H. 2018. Study on the review of the risk assessment of debris flow, 2nd International Workshop on Renewable Energy and Development (IWRED)[J]. IOP Conference Series−Earth and Environmental Science, 153: 062083. doi: 10.1088/1755-1315/153/6/062083
Lou Y, Xu S, Wu X. 2007. Geological disaster development mechanism and their prevention countermeasures in the "Three Rivers" juxtaposition area, Yunnan Province[J]. The Chinese Journal of Geological Hazard and Control, 4: 1−6 (in Chinese with English abstract).
Lou Y. 2009. Research on Geologic Environment in Three Parallel Rivers Region [D]. PhD Dissertation of China University of Geosciences (Beijing) (in Chinese with English abstract).
Lyu L, Xu M, Wang Z, et al. 2022. A field investigation on debris flows in the incised Tongde sedimentary basin on the northeastern edge of the Tibetan Plateau[J]. Catena, 208: 105727. doi: 10.1016/j.catena.2021.105727
Ming Q, Pan Y. 2002. The elementary acknowledge on the importance of environmental evolution of Yunnan Plateau[J]. Journal of Geomechanics, 8(4): 361−368 (in Chinese with English abstract).
Ming Q. 2006. The landform development and environment effects of three parallel rivers in the north of Longitudinal Range−Gorge Region (LRGR) [D]. PhD Dissertation of Lanzhou University (in Chinese with English abstract).
Morel M, Piton G, Kuss D, et al. 2023. Statistical modeling of sediment supply in torrent catchments of the northern French Alps[J]. Natural Hazards and Earth System Sciences, 23(5): 1769−1787. doi: 10.5194/nhess-23-1769-2023
Pan G, Wang L, Li R, et al. 2012. Tectonic evolution of the Qinghai−Tibet Plateau[J]. Journal of Asian Earth Sciences, 53: 3−14. doi: 10.1016/j.jseaes.2011.12.018
Peng S, Ding D, Liu W, et al. 2019. 1 km monthly temperature and precipitation dataset for China from 1901 to 2017[J]. Earth System Science Data, 11: 1931−1946. doi: 10.5194/essd-11-1931-2019
Saaty T. 1990. Multicriteria Decision Making: The Analytic Hierarchy Process[M]. Springer Netherlands.
Wang B, Wang L, Wang D, et al. 2021. The temporal and spatial framework and its tectonic evolution of the Jinsha River arc−basin system, Southwest China[J]. Sedimentary Geology and Tethyan Geology, 41(2): 246−264 (in Chinese with English abstract).
Wang N, Pu K. 2018. Grey Relational Analysis of geological hazards and urbanization construction in China[J]. IOP Conference Series: Materials Science and Engineering, 381(1): 012012.
Wen H J, Hu J W, Zhang H, et al. 2024. Debris flow accumulation area using modified Laharz model[J]. Journal of Jilin University(Earth Science Edition), 54(3): 905−918 (in Chinese with English abstract).
Wu S, Chen J, Wendy Z, et al. 2018. Debris−flow susceptibility assessment and validation based on logistic Regression model: an example from the Benzilan−Changbo segment of the upper Jinshajiang River[J]. Geoscience, 32(3): 611−622 (in Chinese with English abstract).
Xiang L, Li Y, Chen H, et al. 2015. Sensitivity analysis of debris flow along highway based on geomorphic evolution theory[J]. Resources and Environment in the Yangtze Basin, 24(11): 1984−1992 (in Chinese with English abstract).
Xue X, Zheng L. 2013. GIS−information method based risk evaluation for debris flow in Chencang District, International Conference on Advances in Energy and Environmental Science[J]. Advanced Materials Research, 807/809: 1928−1933. doi: 10.4028/www.scientific.net/AMR.807-809.1928
Yin C, Zhang J. 2018. Hazard regionalization of debris−flow disasters along highways in China[J]. Natural Hazards, 91(S1): 129−147. doi: 10.1007/s11069-018-3229-8
Zeng C, Cao Z, Su F, et al. 2022. A dataset of high−precision aerial imagery and interpretation of landslide and debris flow disaster in Sichuan and surrounding areas between 2008 and 2020[J]. China Scientific Data, 7(2): 195−205 (in Chinese with English abstract).
Zhang C, Wang Q, Chen J, et al. 2011. Evaluation of debris flow risk in Jinsha River based on combined weight process[J]. Rock and Soil Mechanics, 32(3): 831−836 (in Chinese with English abstract).
Zhang J, Tian S, Hou P. 2021. The material supply ability analysis of debris flows based on areahypsometric integral and area−gradient integral[J]. The Chinese Journal of Geological Hazard and Control, 32(4): 9−16 (in Chinese with English abstract).
Zhang Y, Gao Y, Li B, et al. 2023. Characteristics and geological hazards of melange belts in Qinghai−Tibet Plateau[J]. Journal of Engineering Geology, 31(3): 981−998 (in Chinese with English abstract).
曹鹏, 黎应书, 李宗亮, 等. 2021. 西藏昌都白格滑坡斜坡地质结构特征及成因机制[J]. 地球科学, 46(9): 3397−3409. 陈剑, 黎艳, 许冲. 2016. 金沙江干热河谷区泥石流易发性评价模型及应用[J]. 山地学报, 34(4): 460−467. 冯振, 陈亮, 王立朝, 等. 2024. 区域地质灾害易发性评价的证据权法原理与实践[J]. 地质通报, 43(7): 1255−1265. doi: 10.12097/gbc.2023.02.034 骆银辉. 2009. 三江并流区地质环境问题研究[D]. 中国地质大学(北京)博士学位论文. 骆银辉, 徐世光, 吴香根. 2007. 云南“三江”并流区地质灾害发育机制及其防治[J]. 中国地质灾害与防治学报, 4: 1−6. doi: 10.3969/j.issn.1003-8035.2007.03.001 刘小莎, 董秀军, 钱济人, 等. 2024. 高植被山区泥石流物源LiDAR遥感精细识别方法研究[J]. 武汉大学学报(信息科学版), 49(3): 400−410. 刘星洪, 姚鑫, 於开炳, 等. 2020. 川藏高速巴塘-芒康段地质灾害遥感综合早期识别研究[J]. 工程科学与技术, 52(6): 49−60. 明庆忠. 2006. 纵向岭谷北部三江并流区河谷地貌发育及其环境效应研究[D]. 兰州大学博士学位论文. 明庆忠, 潘玉君. 2002. 对云南高原环境演化研究的重要性及环境演变的初步认知[J]. 地质力学学报, 8(4): 361−368. doi: 10.3969/j.issn.1006-6616.2002.04.011 王保弟, 王立全, 王冬兵, 等. 2021. 西南三江金沙江弧盆系时空结构及构造演化[J]. 沉积与特提斯地质, 41(2): 246−264. 文海家, 胡吉威, 张辉, 等. 2024. 泥石流危险范围Laharz修正模型及其应用[J]. 吉林大学学报(地球科学版), 54(3): 905−918. 吴赛儿, 陈剑, Wendy Z, 等. 2018. 基于逻辑回归模型的泥石流易发性评价与检验: 以金沙江上游奔子栏-昌波河段为例[J]. 现代地质, 32(3): 611−622. 向灵芝, 李泳, 陈洪凯, 等. 2015. 基于流域演化的泥石流敏感性分析[J]. 长江流域资源与环境, 24(11): 1984−1992. doi: 10.11870/cjlyzyyhj201511024 曾超, 曹振宇, 苏凤环, 等. 2022. 四川及周边滑坡泥石流灾害高精度航空影像及解译数据集(2008—2020年)[J]. 中国科学数据, 7(2): 195−205. 张晨, 王清, 陈剑平, 等. 2011. 金沙江流域泥石流的组合赋权法危险度评价[J]. 岩土力学, 32(3): 831−836. doi: 10.3969/j.issn.1000-7598.2011.03.032 张静, 田述军, 侯鹏鹂. 2021. 基于面积-高程和面积-坡度积分的泥石流物质供给能力分析[J]. 中国地质灾害与防治学报, 32(4): 9−16. 张彦锋, 高杨, 李滨, 等. 2023. 青藏高原混杂岩带及其地质灾害发育特征分析[J]. 工程地质学报, 31(3): 981−998. 中华人民共和国地质矿产行业标准. 2015. 滑坡崩塌泥石流灾害调查规范(1∶50000):D2/T 0261—2014[S]. 中国标准出版社. -
期刊类型引用(1)
1. 徐大兴,邵兆刚,陈宣华,张进江,徐盛林,李冰,张义平,余苇,邓文兵,丁奕文. 贺兰山构造带深部电性结构与动力学机制. 地质通报. 2024(11): 1921-1936 . 本站查看
其他类型引用(0)