西南山區公路沿線溝谷型泥石流自動化監測預警方案分析

彭博 吳 滌 王鐘文 羅飛宇 代晗

（四川省公路規劃勘察設計研究院有限公司，四川 成都 610000）

0 引言

我國西南地區山區整體地質條件復雜，構造運動活躍“，5.12”汶川8.0級地震發生后，該地區已成為我國山區地質災害最為嚴重的地方之一，其中泥石流災害尤為突出。本文從行業現狀出發，闡述泥石流早期預報、監測預警工作發展情況，并結合具體方案對泥石流自動化監測預警技術進行分析。

1 研究背景

隨著公路交通網的持續完善，受地質、施工條件等因素制約，西南山區仍存在不少路段直接面臨泥石流災害的威脅，其中以都汶高速、雅西高速、國道213線等部分路段最具代表性。2019年8月19～20日，受強降雨影響，都汶高速及213國道沿線簇頭溝、板子溝、登基溝等發生群發性泥石流災害（即“8.20”災害），導致道路沖斷（見圖1所示），直接經濟損失超過30億元。2020年8月17日，簇頭溝、登基溝再次爆發泥石流災害（“8.17”災害），導致都汶高速路段再次被沖毀（見圖2所示）。因此，開展泥石流的監測預警工作意義重大。

傳統的泥石流監測預警主要依靠降雨預報以及群測群防機制，主要依賴人員的經驗，存在誤報率高、效率低下等顯著缺陷，特別對于人跡罕至或隱蔽性高的潛在泥石流災害預警更難以開展。目前，隨著物聯網技術、無線傳感技術、大數據分析、人工智能等技術發展，以風險管控技術、巖土工程技術為基礎的新興泥石流災害監測預警技術已逐步取代傳統方法而成為泥石流防災減災的重要一環[1]。

2 監測預警機制

泥石流災害的主要誘發因素是降雨，所以泥石流的監測和預警主要集中在對降雨監測數據的分析上。根據累積降雨量、降雨強度、前期降雨量和降雨延時等幾個主要降雨參數，建立不同的泥石流預警模型。再結合泥水位、次聲、地聲監測曲線判斷泥石流所處的演化階段，借鑒降雨量特征值等預警指標，建立適用于所監測泥石流災害的綜合預警指標值，并據此采取針對性的應對策略和措施。根據《中華人民共和國突發事件應對法》，地質災害監測預警等級劃分為四級、三級、二級和一級。四級是最低級別。泥石流災害中，根據泥石流災害體的地質變形情況也將其監測預警等級劃分為 4 個等級，即：注意級、警示級、警戒級及警報級。

3 新興監測技術

新興泥石流監測技術由泥石流流域災害數值模型預報以及自動化監測預警兩部分構成，分別適用于泥石流爆發前及泥石流爆發后兩個階段。

3.1 泥石流流域災害數值模型預報

數值模型預報方法指通過計算機數值仿真技術，對山洪泥石流災害的孕育到成災全過程實現動態模擬，并計算出潛在泥石流發生概率，進而在災害真正形成前數小時甚至數天發布災害預報信息。該套方法相對于傳統單純依靠天氣預報以及人工經驗來說，將流域區內巖土力學效應、土壤水文效應、冠層截留效應等各項生態、水文因素考慮在內，并依托大數據及人工智能自動化分析，可明顯提高泥石流災害預報準確性及效率。該套方法具體思路為：針對降水-匯流過程，基于山洪泥石流形成的水文條件，基于暴雨流的水文模型，研發山區小流域水文數值計算模型；圍繞水土耦合導致的邊坡失穩問題，基于根系強化-土柱間拉壓作用-土柱失穩過程，構建坡面漸進啟動模型；耦合水文模型及坡面啟動模型建立以降雨量預報為基礎信息的山洪泥石流預報模型。山洪泥石流災害預報流程和預報結果見圖3、圖4所示。

圖3 山洪泥石流災害預報流程

圖4 山洪泥石流災害預報結果

3.2 自動化監測預警

針對溝谷型泥石流，自動化監測預警主要通過各類自動化無線傳感設備在泥石流爆發早期快速識別，在災害未演進至溝口公路設施前，發布預警信息提前告知來往車輛進行繞避。與泥石流預報預測思路最大區別在于該項技術瞄準災害“時間差”，在災害已經形成但還未波及公路時發出預警，如排除設備故障或具有可視化設備進行驗證，此預警準確性幾乎為100%“。時間差”主要受泥石流溝長度以及設備安裝位置等因素影響，通常可以實現幾分鐘到幾十分鐘預警。

依據 DZ/T 0221—2006《崩塌·滑坡·泥石流監測規范》，泥石流監測內容分為形成條件（固體物質來源、氣象水文條件等）監測、運動特征（流動動態要素、動力要素和輸移沖淤等）監測、流體特征（物質組成及其物理化學性質等）監測[2-3]。結合具體工作情況，泥石流自動化監測項目見表1。

表1 常見溝谷型泥石流溝自動化監測內容

4 典型自動化監測預警方案實例分析

以西南山區某泥石流溝為例，設計泥石流典型自動化監測預警方案。在監測項目及測點位置的選取上，著重遵循“目標—功能分析”“、災害—風險分析”“、效能—成本分析”原則，盡量選擇直接可靠、效用成本比最佳的監測項目，優化測點布置，控制成本造價。

該泥石流域形態整體呈“樹葉”狀，板流域面積54.7km2，主溝縱長10.5km。流域內水系呈樹枝狀分布，最高點位于流域北西側山脊部位，高程5313m，最低點位于岷江入口，高程1270m，相對高差3673m，主溝平均縱坡降222‰。溝域內山高坡陡，平均坡度35°～45°，后緣坡度達70°，溝谷縱坡較大，有利于降雨的匯集，根據不同地段坡度、植被情況、斜坡結構特征等的差異，為泥石流水源的匯流集中提供了基礎。

本監測主要分為上游及下游兩個重點監測斷面。西南山區某溝谷泥石流溝監測設備見表2，監測設備布設示意圖見圖5。

表2 西南山區某溝谷泥石流溝監測設備

圖5 西南山區某溝谷泥石流溝監測設備布設示意圖

4.1 降雨量監測

因山區降雨分布不均，流域上下游瞬時降雨差異可能很大，因此考慮布設2臺雨量監測站，實時收集降雨信息，作為預警的關鍵參數，見表3所示。

表3 雨量計主要技術參數

4.2 泥水位監測

泥水位監測：主要用于監測流域上下游2個監測斷面的泥水位變化情況。采用實時采集，立即觸發的系統邏輯。即：泥水位傳感器是按照“秒”級的頻率，一直在獲取泥石流溝中泥水位的變化情況。當泥水位變化超過閾值時，立即觸發現場的照相機拍照，并將現場的監測數據立即上報遠程的監測中心。泥水位計主要技術參數見表4所示。

表4 泥水位計主要技術參數

4.3 泥石流流速監測

此項監測與泥水位監測宜安裝于同一監測斷面，監測數據可用于相互驗證，流速信息可以反饋泥石流的動力特征，并為提前預警時間計算提供重要參數。流速儀主要技術參數見表5所示。

表5 流速儀主要技術參數

4.4 泥石流次聲、地聲監測

泥石流次聲、地聲監測站：采用次聲、地聲同站2參數監測部署于流域的上游。監測泥石流早期運動過程中產生的聲波在空氣中和地面傳輸的聲壓和頻率以實現早期預警。泥石流次聲傳感器主要性能參數見表6所示。

表6 泥石流次聲傳感器主要性能參數

4.5 泥石流沖擊狀態監測

在流域上下游沿監測橫斷面安裝斷線監測儀，當泥石流運動至該位置即撞擊該條拉線，拉線受到一定程度以上的力或位移即被沖斷。通過此項監測可以準確判識泥石流是否發生并且可對規模、沖擊力進行定性判識。

4.6 環境

環境情況主要采用攝像機進行監測，分別安裝于泥石流流域上下游。通過攝像頭實時傳遞的圖像或者存儲于云端圖像對泥石流發生情況進行確認，通常配合其它監測設備使用。

4.7 報警裝置

滾動顯示屏，聲光報警裝置：沿車輛行駛方向，距離泥石流災害點2km處的公路旁，各設置一套。當監測平臺向設施管理人員發出預警信號后，由技術人員發出信號，控制滾動顯示屏及聲光報警裝置播報泥石流具體情況，對過往的車輛、行人進行實時告警。

5 結束語

目前基于數值模型的山區山洪泥石流預報技術已經在涼山州部分地區進行驗證并推廣使用，并成功預警部分泥石流等災害。該項技術相對傳統單一的預報已經有了關鍵性突破，但綜合來說，其精準性和可靠性仍需要進一步提高，主要體現在復雜的大氣環境、地質構造、生態條件背景下，構建完善且精準的降雨預報模型、生態水文模型仍需要持續進行技術攻關克難。

隨著大數據、物聯網、智能傳感、無線通信技術大力發展，泥石流自動化監測預警設備迭代更新速度很快，并開發出如智能監測球等高度集成化、輕量化的更新監測設備，但泥石流監測預警準確性及成功率仍然難以保證，其制約因素主要為監測數據的高效分析處理及準確預警模型構建。如何將多源、海量的監測數據進行篩選、分析，提煉關鍵信息，并將其耦合進入準確完善的監測預警模型將成為泥石流監測亟需解決的關鍵問題。