四川綿竹清平鄉“8·13”走馬嶺特大泥石流災害特征

常鳴 唐川 李為樂 付榮 趙學宏

（地質災害防治與地質環境保護國家重點實驗室（成都理工大學），成都610059）

“5·12”汶川地震至今已超過4年，經過3個雨季，誘發了群發性泥石流災害，造成重大的人員傷亡。強烈地震導致山區的地質環境更加不穩定，為泥石流的暴發提供了大量的物源，導致泥石流危害更加嚴重、活動更加頻繁。2010年8月7日甘肅舟曲暴發大規模泥石流［1］；2010年8月13日位于汶川震中映秀鎮的紅椿溝暴發特大規模的泥石流，沖出的堆積物堵斷河道導致形成堰塞湖，產生的洪水淹沒了新的映秀鎮，使數千群眾避險轉移。

2010年8月13日四川省綿竹市清平鄉的文家溝暴發特大泥石流災害。其位于龍門山推覆構造帶前緣，此處活動斷裂強烈發育，巖體破碎［2］。此外，它形成超大泥石流堆積扇，為國內近20年來規模最大的有記錄的泥石流災害。本次泥石流的堆積體淤平了下游3.5km的綿遠河河道，致使綿遠河改道，產生的洪水淹沒清平老場鎮，致使6000多人受災。

2010年8月13日綿竹市清平鄉的走馬嶺泥石流同樣大規模暴發，使主溝及支溝溝口部分民房被掩埋，2.0km的道路被毀，并使綿遠河改道約300m，河床平均淤積抬高5～8m。此次泥石流災害引起了政府部門的高度重視，先后多次組織專家到現場調研。

“5·12”汶川地震后，走馬嶺溝域內的崩塌、滑坡地質災害增加，加劇了局部地區的水土流失，松散固體物源量增大，遇到暴雨等誘發因素，就會發生大規模的泥石流災害。本文根據對清平鄉“8·13”走馬嶺特大泥石流災害的詳細調查，結合國內外地質災害危險性評價方法［3，4］，分析泥石流災害成因、特征和運動過程，通過研究泥石流動力學參數，探討汶川震區泥石流規模、頻率和危險性等特征，為震區泥石流災害的監測預警和工程治理提供科學依據。

1 流域特征

走馬嶺泥石流溝位于四川省綿竹市西北部。該地屬于斜坡沖溝地形及構造侵蝕低山—中山地貌，溝域內總體上地形陡峻，地形臨空條件發育，物源主要集中分布于支溝源頭及主溝上游溝段兩側，為溝域內崩塌、滑坡、泥石流等地質災害提供了松散固體物。走馬嶺溝平均縱向長度3.39 km，平均寬度1.6km，溝域面積5.76km2。最高點位于勘查區東側山峰，海拔高度達2040m；最低點位于走馬嶺溝匯入綿遠河口，海拔高度為940m；相對高差1080m。沖溝由1條主溝和7條較大的支溝組成，沖溝切割深度一般為8～28 m；溝床坡降為150‰～180‰，溝源一帶坡降＞300‰，溝谷一帶坡度為30°～50°，泥石流溝道及堆積見圖1、圖2。

圖1 走馬嶺泥石流形成的大型堆積扇Fig.1 An overview of large depositional fan formed by the Zoumaling debris flow

圖2 走馬嶺流域的下游溝道特征Fig.2 Features of downstream channel of the Zoumaling catchments

根據泥石流松散固體物源分布及地形特征，將走馬嶺溝域劃分為形成區、流通區、堆積區。根據現場調查發現走馬嶺流域主要的7個支溝都有物源分布，不同支溝的溝域特征不同（表1），而且在整個流域范圍內物源分布情況也不一樣（圖3）。由走馬嶺溝域的整體地質災害分布圖可以看出：走馬嶺主溝左岸分布了7條支溝，每條支溝為主溝提供大量的物源。據遙感影像解譯分析，估算流域內松散固體物源總量為16.14×106m3，20年一遇暴雨頻率下可能參與泥石流活動的動儲量為4.0×106m3；50年一遇暴雨頻率下可能參與泥石流活動的動儲量為4.52×106m3；百年一遇暴雨頻率下可能參與泥石流活動的動儲量為5.31×106m3。

2 泥石流暴發的因素

2.1 降雨因素

走馬嶺溝位于四川盆地中亞熱帶季風性濕潤氣候區，降水充沛。綿竹市多年的平均降水量約為1086.4mm。2010年8月12～13日，綿竹地區普降暴雨，從12日下午18：00開始降雨，12日晚上22：00至13日凌晨4：00出現特大暴雨，其中清平鄉降雨99mm，小崗劍一帶達227mm。

表1 走馬嶺各溝域的基本特征Table 1 The features of gullies in the Zoumaling catchment

圖3 走馬嶺各溝域物源分布圖Fig.3 Distribution of debris supply in the Zoumaling catchment

根據“5·12”震后對清平鄉泥石流的跟蹤調查結果，并通過震后2010－08－13走馬嶺溝泥石流和3個汛期內文家溝發生的2008－09－24泥石流、2010－07－31泥石流、2010－08－13泥石流、2010－08－19泥石流和2010－09－18泥石流看，均具有明顯的降雨過程，日降雨量均在50mm以上（表2），降雨強度在30mm／h以上，達到了暴雨規模［5］。

根據2010年8月13日走馬嶺泥石流暴發時降雨量統計（圖4），清平鄉降雨達到了特大暴雨的規模，遠遠高于歷史同期平均日降雨量。根據國外Caine和Jibson降雨持續時間和雨強的關系建立泥石流暴發閾值［6，7］（表3），研究走馬嶺泥石流的暴發情況。

表2 文家溝震后泥石流事件Table 2 Debris flow events after the earthquake in the Wenjia gully

圖4 走馬嶺泥石流暴發時降雨量統計圖Fig.4 Rainfall statistics of the Zoumaling debris flow in recent years

2010－08－13走馬嶺溝泥石流暴發的雨強為37.4mm／h，高于 Caine公式下的14.82mm 和Jibson公式下的30.53mm，超過了泥石流暴發的臨界閾值，因此，分析降雨持續時間－雨強閾值可為走馬嶺泥石流災害預警提供依據。

2.2 地形因素

走馬嶺溝的物源在整個流域內分布較為廣泛。根據不同的海拔高度、坡度對溝域的影響，利用ARCGIS軟件的空間分析功能對整個流域分析，可得走馬嶺物源在不同的海拔高度的分布情況，結果顯示走馬嶺主要滑坡分布在海拔高度為780～1820m的范圍內。

再利用ARCGIS對走馬嶺溝的滑坡面積、流域面積與坡度的關系情況進行分級統計，得到不同坡度下的滑坡占所有滑坡面積的百分比和不同坡度下滑坡面積占該坡度面積的密度（表4），并繪制出雙軸柱狀－折線圖（圖5）。由坡度圖可以看出，30°～40°坡度的滑坡面積占總滑坡面積的大部分，這個坡度范圍內可以為走馬嶺溝提供大量物源。而在同一個分級區間條件下隨著坡度的增加滑坡面積占同一坡度流域面積的密度基本隨之增加，因此遇到暴雨等極端天氣高坡度地區更容易發生滑坡。

表3 降雨持續時間和雨強對泥石流發生的關系Table 3 Intensity－duration thresholds for the initiation of debris flow

表4 不同坡度情況下走馬嶺溝的各滑坡面積統計Table 4 Area of the landslide in the Zoumaling gulley at different gradients

圖5 走馬嶺流域在不同坡度上的地震滑坡面積密度Fig.5 Earthquake－induced landslide－area densities at different gradients in the drainage basin

2.3 滑坡因素

根據野外現場調查，結合泥石流暴發前2008年分辨率為1m的航片以及泥石流暴發后的2010年分辨率為0.5m的IKNOS衛星影像圖分別進行遙感解譯（圖6、圖7），具體分析了物源情況，發現經過“8·13”泥石流后溝道物源有明顯增加，震后走馬嶺溝道內物源約為1.30×106m3；而“8·13”泥石流后物源約為1.58×106m3，增加量約為21.5%。當遇到極端天氣狀況及其他誘發因素時，有可能再次暴發大規模泥石流。

3 泥石流靜力學和動力學特征

在走馬嶺主溝中含有大量的塊石，據現場調查最大粒徑長5.2m、寬4m、高2.5m。泥石流的沉積特點為有明顯的反粒徑分布并且相互混雜堆積，初步判斷泥石流為黏性泥石流。據走馬嶺溝域的樣品實驗分析，繪制出泥石流堆積物顆粒分布曲線（圖8），利用黏性泥石流容重公式，對走馬嶺溝泥石流斷面（圖9）的容重［8］進行計算

圖6 走馬嶺物源在泥石流暴發前的分布Fig.6 The distribution of material sources before debris flow in the Zoumaling catchment

圖7 走馬嶺物源在泥石流暴發后的分布Fig.7 The distribution of material sources after debris flow in the Zoumaling catchment

圖8 顆粒分布曲線Fig.8 Particle distribution of sediments in debris flows

圖9 走馬嶺斷面位置Fig.9 The location of the Zoumaling channel cross section

其中：γD為黏性泥石流容重；w05為粒度＜0.05 mm的礫石的質量分數；w2為粒度＞2mm的礫石的質量分數；γv為黏性泥石流的最小容重（＝2.0g／cm3）；γ0為泥 石 流 最 小 容 重 （＝1.5g／cm3）。計算結果見表5。

重要的動力學特性在泥石流中還包括泥石流的流量、運動速度和總量，它們同時也是綜合治理泥石流的重要指標。根據走馬嶺泥石流溝內的顆粒參數以及測量走馬嶺溝流通區中殘留的典型泥痕斷面，按下面的模型［9］計算走馬嶺泥石流的運動速度。

表5 泥石流容重計算Table 5 Calculation of densities of debris flows

式中：v為泥石流斷面平均流速（m／s）；α為溝道坡度，用絕對值并用弧度表示；r為水力半徑（m）；g為重力加速度（9.81m／s2）；d10為泥沙顆粒中質量分數＜10%的顆粒直徑（mm）；d50為泥沙顆粒中質量分數＜50%的顆粒直徑（mm）；Q為泥石流的流量（m3／s）；A'為泥石流過流面積（m2）。具體結果見表6。

由于本次走馬嶺溝泥石流為黏性泥石流，計算一次泥石流過程的流體總量時采用水量平衡原理，泥石流沖出的固體物質總量的計算以《泥石流防治工程勘查規范》為標準。

式中：t為走馬嶺泥石流歷時（s）；Q為泥石流的流量（m3／s）；Wc為一次泥石流的流體總量（m3）；γs為泥石流中固體顆粒的容重（g／cm3）；γw為水的重度（g／cm3）；γD為泥石流容重（g／cm3）；Ws為通過計算斷面的固體物總量（m3）。

由斷面的計算可以看出，泥石流的流速為7.19m／s，最大洪峰流量為866.35m3／s。而綿遠河水量變化頗大，少雨季為冬季和春季，水量比較穩定；山洪暴發往往在多雨的夏季和秋季，造成洪水災害的可能性較大。它為研究區的主要河流，河道長度在山區部分為42.5km，平原部分為21km，山區集雨面積為420km2，多年平均流量為15.7m3／s。泥石流洪峰流量遠遠高出綿遠河日常流量，這說明計算走馬嶺溝的流體總量、運動速度、流量、固體物質總量等參數基本合理。

表6 泥石流的運動速度、流量和總量Table 6 Calculation of velocity，discharge and volume of debris flows

4 堆積分析

此次走馬嶺泥石流的暴發，致使大量固體顆粒沖出溝口，嚴重堵塞淤埋河道，迫使綿遠河主河道改向。由于走馬嶺溝與羅家溝、文家溝的固體沖出物相互疊加致使堆積扇邊界模糊，因此利用唐川的堆積距離公式［10］進行運算，走馬嶺泥石流暴發后沖出溝口的最大長度為0.36km，最大寬度為0.34km。

式中：lf為一次泥石流沖出的最大長度（km）；bf為一次泥石流沖出的最大寬度（km）；A為泥石流的流域面積（5.76km2）；VL為流域范圍內松散固體物源總量（16.14×106m3）；h為流域內的高差（1.10km）。

利用 Matteo Berti，Alessandro Simoniti提出的堆積扇厚度和泥石流體積的關系式［11］，計算走馬嶺溝的平均堆積厚度為6.42m。

根據野外現場調查泥石流沖出距離長約0.39m，寬約0.35m，厚度約10m，結果都比公式預測值要大。結合走馬嶺溝自身的歷史和特征進行分析，發現的現象是現有的堆積扇在原先泥石流暴發形成的堆積扇基礎上疊加而成，受到羅家溝和文家溝沖出物擠壓的影響，使得堆積區淤埋抬高，并且走馬嶺溝堆積區向右側擠壓綿遠河道致使其改道，因此走馬嶺溝堆積是由自身和周圍泥石流共同引起的，具有群發性泥石流中互相影響的特征。所以，在泥石流監測預警以及危險性劃分時，不僅要關注本次泥石流暴發的影響，而且要觀察以前暴發的淤埋程度。采用GIS支持下的地震誘發滑坡區預測，研究探討運用GIS分析識別和定量計算不同地震滑坡危險區的技術方法［12，13］，提高強震區泥石流災害的評估精度，更好地利用模型來推測泥石流的影響范圍。

5 結論

通過對強震區綿竹市清平鄉走馬嶺泥石流溝暴發的調查研究，可以進一步認識強震區泥石流特征，尤其是對地震與降雨共同作用下多次泥石流暴發的形成機制以及群發性泥石流堆積對河道的影響。

a.降雨是強震區誘發泥石流的主要動力因素，泥石流暴發主要受前期累積雨量和當次激發雨量共同作用。坡度在30°～60°之間海拔高度為780～1820m的地方容易產生滑坡、崩塌，為走馬嶺泥石流提供了大量的物源。

b.“5·12”地震作用誘發了綿竹市清平場鎮包括走馬嶺溝在內的大量泥石流暴發。由降雨持續時間－雨強的臨界閾值判斷泥石流的暴發情況，并根據各條溝沖出物的特點來確定疊加區對河道及安置區的影響。

c.由泥石流動力學計算的結果可以看出，走馬嶺泥石流的流速為7.19m／s，最大洪峰流量為866.35m3／s，一次泥石流過流總量為1.2164×106m3，在極端天氣情況下會暴發大規模泥石流災害，因此需要重點勘察治理。

［1］余斌，楊永紅，蘇永超，等.甘肅省舟曲8.7特大泥石流調查研究［J］.工程地質學報，2010，18（4）：437－438.

［2］常鳴，唐川，李為樂，等.汶川地震區綿遠河流域泥石流形成區的崩塌滑坡特征［J］.山地學報，2012，30（5）：561－569.

［3］陳曉利，祁生文，葉洪.基于GIS的地震滑坡危險性的模糊綜合評價研究［J］.北京大學學報：自然科學版，2008，44（3）：434－438.

［4］Conoscenti C，DI Maggio C，Rotiglinao E.GIS analysis to assess landslide susceptibility in a fluvial basin of NW Sicily（Italy）［J］.Geomorphology，2008，94：325－339.

［5］許強.四川省8·13特大泥石流災害特點、成因與啟示［J］.工程地質學報，2010，18（5）：610－621.

［6］Caine N.The rainfall intensity－duration control of shallow landslides and debris flows［J］.Geogr Ann，1980，A62：23－27.

［7］Jibson R W.Debris flow in southern Porto Rico［J］.Geological Society of America Special Paper，1989，236：29－55.

［8］余斌.不同容重的泥石流淤積厚度計算方法研究［J］.防災減災工程學報，2010，23（2）：78－92.

［9］余斌.黏性泥石流的平均運動速度研究［J］.地球科學進展，2008，23（5）：524－532.

［10］Tang C，Zhu J，Chang M，et al.An empiricalstatistical model for predicting debris flow runout zones in the Wenchuan earthquake area［J］.Quaternary International，2011，9－10.

［11］Matteo Berti，Alessandro Simoni.Prediction of debris flow inundation areas using empirical mobility relationships［J］.Geomorphology，2007，90：144－161.

［12］唐川，朱靜.GIS支持下的地震誘發滑坡危險區預測研究［J］.地震研究，2001，24（1）：73－81.

［13］齊信，唐川，鐵永波，等.基于GIS技術的汶川地震誘發地質災害危險性評價——以四川省北川縣為例［J］.成都理工大學學報：自然科學版，2010，37（2）：160－161.