印度查莫利“2·7”冰岩山崩堵江溃决洪水灾害链研究

2021年2月7日,印度查莫利北部里希恒河发生高位冰岩山崩堵江溃决洪水灾害链,造成下游20 km外的水电站和桥梁设施破坏,死亡、失踪人口近200人。文章运用多期高分辨率遥感影像,对比分析了印度查莫利里希恒河流域高位冰岩山崩灾害发生前后滑源区、堆积区变化特征,初步探讨了山崩的运动过程。结果显示:2013年以前,崩滑体蠕滑位移量较小,其表面冰雪覆盖层裂缝发育不明显;2013—2017年,崩滑体蠕滑位移量显著增加,冰雪覆盖层可见多达62处大小不一的冰裂缝,最长513 m;2021年2月5日卫星影像显示这些冰裂缝已发生连接、贯通,最大宽度为15 m,并于2月7日发生失稳、破坏。据滑后遥感影像,该崩滑体由4组不同方向的大型结构面切割而成,面积约0.32 km~2,平均厚度约为70 m,体积约23×10~6 m~3。崩滑体失稳、解体后以碎屑流沿沟谷向下高速运动,受地形拦挡,部分碎屑颗粒在地形急变带堆积且形成堰塞坝。堰塞坝体溃决后,形成山洪灾害。     

青藏高原东缘高位崩滑灾害多动力多期次演化特征

青藏高原东缘是全球重要的活动构造区,高原峡谷区斜坡陡峻,高位崩滑灾害多发。采用遥感解译、地面调查、钻孔勘探及测年分析等方法,研究了西藏洛隆察达沟和易贡扎木弄沟两处高位崩滑堆积体的多动力多期次演化特征。研究结果表明：(1)沿陡峻沟道发生的高位崩滑灾害多为复合成因,兼具内动力和外动力作用交替促发特征;(2)洛隆察达沟晚更新世以来的堆积物形成序列可分为4期,分别经历了以冰川作用为主的冰碛物堆积、古地震引发的高位崩滑-碎屑流堆积、气候变暖背景下的冰-岩崩滑堆积及近代重力崩滑堆积;(3)易贡扎木弄沟在过去5500年中,先后发生了8次以上较大规模崩滑堆积,测年结果显示了巨型崩滑事件存在百年数量级的复发周期,由于不同期次巨型崩滑体的成因不同,复发周期可能存在长、中、短的差异;(4)近年来受全球气候变化影响,冰-岩崩滑灾害频现,可能成为高原峡谷区高位远程地质灾害研究的焦点。本文关于高位崩滑灾害多期次演化过程的认识对于高原峡谷区重大地质灾害防灾减灾具有一定启示意义。     

雅鲁藏布江色东普沟崩滑-碎屑流过程模拟及运动特征分析

2018年10月17日,西藏自治区雅鲁藏布江西岸色东普沟发生冰崩岩崩,冲刷侵蚀下部冰积堆积体和沟床松散堆积物,形成碎屑流冲入雅鲁藏布江,堆积后形成堰塞坝堵塞河道,严重影响当地居民安全和社会经济发展。本文基于真实遥感影像建立三维数值模型,利用DAN3D分析其动力学特征,选取Frictional-Voellmy复合模型反演得到碎屑流堆积特征、滑体运动速度和铲刮深度等动力特征参数,与实际勘察结果基本一致,具有较好的可靠性。在野外勘察基础上,结合高密度电阻率法揭示了色东普沟崩滑-碎屑流堆积特征,结果表明DAN3D能够较好地模拟滑体的堆积形态和最大厚度,验证了DAN3D模拟的有效性,研究结论及方法对于此类灾害的机理研究及未来防治工程提供了新的研究思路。     

雅鲁藏布江色东普沟崩滑-碎屑流堵江灾害初步研究

2018年10月17日5时许,西藏林芝市雅鲁藏布江左岸色东普沟上游发生冰崩岩崩,冲击下部的早期崩坡积物和冰碛物,形成滑坡-碎屑流进入雅鲁藏布江,堵江堰塞约56 h后自然漫顶泄流,整个过程形成崩滑-碎屑流-堰塞湖-溃决洪水灾害链。采用多年气温降水数据分析、多时相卫星遥感解译冰川退缩、直升机抵近观察堰塞坝、Scheidegger公式计算崩滑-碎屑流运动速度、Gutenberg-Richter公式计算地震活动序列b值和多因素赋值统计研判未来冰崩地点规模,得到堰塞坝体积约为3100×10~4m~3(含以往多次崩滑堵江残留堆积),滑坡-碎屑流运动距离超过8 km,平均运动速度约20 m/s,整个运动过程历时6.7 min,具有高速远程性质。色东普沟域崩滑-碎屑流是在地貌高陡、岩体破碎、气候变暖、局地降水、冰川退缩、断裂活动和地震效应(b值在0.7左右)等多种因素综合作用下形成的,今后相当长的时期内仍会多次发生。初步预测,当局地平均气温超过13℃、1 h降雨量超过5 mm或24 h降雨量超过10 mm,或地震PGA大于0.18 g,可能引发新的崩滑-碎屑流事件,造成雅鲁藏布江再次壅堵。针对该区域山高谷深,人烟稀少,交通困难的实际,提出了适应自然、全面避让和适当疏导的防灾减灾对策。     

大渡河新华古滑坡体成因机制及稳定性研究

新华古滑坡体位于拟建水电站坝址线上游12km处,体积巨大,水库设计蓄水高程在滑体剪出口之上,且该区属高烈度区,滑体一旦失稳,可能造成涌浪、甚至堵江和堰塞溃坝,影响严重。目前,古滑体有拉裂缝等变形迹象,属滑移拉裂性质,且古滑坡变形属重力蠕滑性质。稳定性评价结果表明,在天然、暴雨、蓄水及水位骤降等工况下,滑体均处于基本稳定状态。而在考虑地震时,其稳定性迅速降低,滑体有可能整体失稳。     

2018年雅鲁藏布江米林县加拉堰塞湖考证

加拉堰塞湖威胁其上下游的人口安全、城镇设施及生态环境。加拉堰塞体地处无人区,没有对外交通,调研困难,因此形成机制研究甚少。作者于2019年3月调研了堰塞湖现场,通过对残留堰塞体地形实测,堰塞体岩性及结构、沿途堰塞湖水毁现象调查,结合堰塞体粒度特征,查明了加拉堰塞体的物质组成、堰塞湖形成过程及湖区灾损机制。调查发现雅鲁藏布江下游左岸色东浦沟冰碛物3次活动堵塞河道形成堰塞湖,并于10月19日、31日两次溃决,溃口流量分别达到32000m3 ·s-1和19000m3 ·s-1。前两次活动入江体积达6500×104m3,堰塞体高度88m,蓄水至6.0×108m3后发生第1次溃决。第3次活动入江体积约1000×104m3,堰塞体垭口高度约67m,蓄水至3.26×108m3后发生第2次溃决,体现了源于冰碛物堆积、混杂大量冰块、含水率极高的类似泥石流堆积堰塞体的独特溃决机理和洪水特征。雅鲁藏布江大峡谷河段堰塞湖堵江事件频发,通过加拉堰塞湖形成过程、溃决机理研究,可以为本区域堰塞湖灾害应对提供参考。     

2009年65重庆武隆鸡尾山崩滑灾害基本特征与成因机理初步研究

2009年6月5日下午15时许,重庆市武隆县铁矿乡鸡尾山山体发生了大规模的崩滑,约500万m3被结构面切割成积木块状的灰岩山体,沿缓倾页岩软弱夹层发生整体滑动。高速运动的滑体物质在堵塞前部宽约200m,深约50m的铁匠沟沟谷后,形成平均厚约30m,纵向长度约2200m的堆积区,掩埋了12户民房和正在开采铁矿的矿井入口,造成10人死亡,64人失踪,8人受伤,成为近年来少有的一次崩滑灾难性事件。本文在对灾害现场进行大量地质调查的基础上,结合遥感、三维激光扫描等综合手段,对鸡尾山崩滑体特征进行了详细描述,对灾害发生原因进行了初步分析。结果表明,鸡尾山山体垮塌是在不利的地质结构条件下,并受到长期重力、岩溶等作用和采矿活动的影响,因前部起阻挡作用的关键块体被剪断突破而导致的一起大型山体崩滑事件。深入研究鸡尾山崩滑体的形成条件和成灾机理,对我国西南地区存在与鸡尾山崩滑体类似地质条件的灾害隐患点的减灾防灾工作,具有重要的指导意义。     

金沙江“10·11”白格特大型滑坡形成机制及发展趋势初步分析

2018年10月11日,西藏昌都市江达县波罗乡白格村发生大规模滑坡,约有3165×104 m3的山体高速冲入金沙江形成堰塞坝,13日9时堰塞坝体被自然泄流冲开,堰塞湖威胁解除。11月3日,在时隔短短23 d后,该滑坡后缘约215×104 m3高位滑体再次发生滑动破坏,高速运动的滑体沿途铲刮坡体并冲入金沙江,再次形成堰塞坝。现场调查研究得出白格滑坡主要是受其后缘逆冲分支断层f₂（不整合接触面）控制,并在长期重力卸荷、降雨和地下水的反复浸润作用影响下,最终整体失稳破坏。通过对滑坡演化过程分析得出,其变形破坏过程可分为5个阶段,即:后缘蠕滑和沉降下错阶段（Ⅰ）、坡体裂缝发展、贯通阶段（Ⅱ）、整体启动"锁固端"剪断阶段（Ⅲ）、高速凌空滑跃阶段（Ⅳ）、碰撞、破碎、堆积成坝阶段（Ⅴ）。一期变形破坏机制模式可归结为蠕滑-下错-剪断-滑跃式,破坏方式表现为推移式,后期临空条件较好,破坏将以牵引式为主。在此基础上,结合残留强变形区块（K1、K2、K3）及其周边影响区形貌特征和变形迹象,对其变形破坏特征和发展趋势进行了预测分析,认为后期强变形区总体将以渐进解体方式破坏为主。     

雅鲁藏布江色东普沟冰崩—堵江—溃决灾害数值模拟

为了揭示雅鲁藏布江色东普沟2018年10月17日冰崩—堵江—溃决灾害链的动力演化过程,基于Massflow数值模拟仿真平台,使用Fortran编程语言,根据研究区域地质条件特征对程序进行二次开发以优化Voellmy模型,模拟冰崩—泥石流动力过程;将模拟泥石流得到的堰塞坝体嵌入地形中,运用ArcGIS计算堰塞湖范围及体积,通过Manning模型模拟堰塞湖溃决洪水动力过程。采用分段模拟法再现冰崩—泥石流—堵江—堰塞湖—溃坝的完整动力过程,对泥石流运动过程中的流速、流深,坝体高度,溃决洪水的流深、流速等参数进行定量化研究,为色东普流域的防灾减灾工作提供有效支撑。为了揭示雅鲁藏布江色东普沟2018年10月17日冰崩-堵江-溃决灾害链的动力演化过程,采用Massflow数值模拟仿真平台,以Fortran语言为编程手段,根据研究区域地质条件特征对程序进行二次开发优化Voellmy模型,模拟冰崩-泥石流动力过程;将模拟泥石流所得到的堰塞坝体嵌入地形中,采用ArcGIS计算堰塞湖范围及体积,通过曼宁模型模拟堰塞湖溃决洪水动力过程。采用分段模拟法再现冰崩-泥石流-堵江-堰塞湖-溃坝的完整动力过程,对泥石流运动过程中的流速、流深,坝体高度,溃决洪水的流深、流速等参数进行定量化研究,为色东普流域的防灾减工作提供有效支撑。     

西藏波密茶隆隆巴曲高位地质灾害类型及发育特征

茶隆隆巴曲位于帕隆藏布右岸,陡变地形孕育了大量高位地质灾害,威胁下游线性工程。采用多源、多期次高分辨率遥感数据,建立高位地质灾害遥感解译标志,厘定了研究区高位地质灾害类型,并详细阐述了其发育特征。结果表明,研究区主要地质灾害类型包括高位冰崩、高位崩塌、高位滑坡。其中高位冰崩发育3处,均位于沟谷上游南坡海拔5000 m斜坡,面积在15×104 m2以上。高位崩塌体发育19处,多分布于沟谷中游及上游主沟两侧高陡岸坡,北坡多于南坡。高位滑坡发育2处,位于沟谷上游,滑体以冰碛物为主。上述高位地质灾害在强震或强降雨作用下,极易发生失稳、堵沟,且堵沟后极易诱发洪水、泥石流等次生灾害链,对下游帕隆藏布造成堵江风险。     

青藏高原积雪范围和雪深/雪水当量遥感反演研究进展及挑战

积雪是地表特征的重要参数,对辐射收支、气候和长期天气变化均有重要影响。雪本身又是一个重要的天气现象和水文气象参数,过量的降雪也会带来严重的雪灾,如牧区雪灾、雪崩和融雪洪水灾害等。因此对积雪的监测,尤其是对山区的积雪监测,具有多方面的意义。利用卫星遥感技术监测积雪已有50余年的历史,并已形成了系列业务产品。青藏高原平均海拔超过4 000 m,该地区的积雪具有重要的水文、气候和生态环境意义。由于地形复杂,人迹罕至,地面观测站点稀少,受较强太阳辐射的影响,积雪消融迅速、区域差异消融以及风吹雪等因素导致积雪分布破碎化严重,对使用遥感资料监测该地区的积雪造成的极大的困难和不确定性。随着国内外传感器技术的不断发展,光学和被动微波遥感数据的同步获取技术已经非常成熟,综合利用光学遥感数据高空间分辨率和被动微波数据不受云干扰的特点,结合机器学习、无人机等技术,将环境参数加入反演模型中,有助于提高青藏高原积雪参数反演精度。     

青藏高原冰崩隐患发育分布规律及危险性

随着全球气候变暖，青藏高原冰崩灾害日益加剧.通过大量遥感解译及数据分析，系统查明青藏高原冰崩隐患数量、类型、发育规律及危险性:(1)40 269条冰川共发育冰崩隐患581处.按失稳方式分为滑移式和崩落式；按成灾模式分为冰崩直接灾害、冰崩-堵江溃决和冰崩-冰湖溃决灾害.(2)冰崩敏感坡度40°~50°，集中分布高程为4 500~5 500 m，坡向具有“亲北性”.(3)区域分布差异大.西藏和新疆区域分布共占89.5%，雅鲁藏布江和塔里木河流域分布共占80.4%，念青唐古拉山脉和横断山脉分布共占49.4%.(4)空间分异明显.冰崩前缘高程以喜马拉雅东构造结为界，以西呈自西向东增大的趋势，以东呈先减小后增大的“V”型趋势，40.1%的冰崩前缘高程4 500~5 000 m、位于雪线附近，受山脉控制具有气候带交界“群聚性”特点.(5)高危险的冰崩隐患点36处、中等危险215处、低危险330处.      

梅里雪山1991年和2019年雪崩事件重建及影响因素分析北大核心CSCD

梅里雪山雪崩多发,但缺乏系统监测和研究。1991年1月3日梅里雪山发生了造成中日联合登山队17名队员遇难的巨大雪崩事件。2019年安装在明永冰川末端附近的物候相机拍摄到临近梅里雪山明永冰川的一次雪崩事件。两次事件类型不同,这对我们进行雪崩预测预警有良好的指示作用。本研究以RAMMS(Rapid Mass Movement System)模型为手段,利用经验值和经验公式确定影响模拟结果的主要模型参数和积雪可能断裂深度,在优化分析的基础上,对两次雪崩事件进行重建,定量分析雪崩堆积量、堆积范围等。结果显示:1991年雪崩共持续了192s,雪崩体从海拔5730m处断裂,沿坡面崩塌而下最终堆积在海拔约5000m的冰川粒雪盆地区,形成面积为0.6km^(2),体积约67×10^(4)m^(3)的堆积体。2019年雪崩共持续了158s,雪崩流最大高度35.91m,最大速度79.34m·s,堆积量76.2×10^(4)m^(3),雪崩堆积范围与野外观测到的一致。两次雪崩事件发生地位于雪崩极高危险区和高危险区,在一定程度上验证了风险评估的准确性。研究结果可为梅里雪山地区未来潜在雪崩灾害的风险评估提供依据,为雪崩预测预警提供良好的参考。     

西藏波密易贡高速巨型滑坡特征及减灾研究

2000年4月9日晚,西藏林芝地区波密县易贡藏布河发生巨型高速滑坡。滑坡经历了高位滑动-碎屑流-土石水气浪-泥石流-次级滑坡等过程,具复合性。滑坡由5520m高程的雪山向下高速滑动,历时约10min,滑程8km,堆积于约2190m高程的易贡藏布江,形成坝高54m,长约2500m,库容可达288×108m3,体积约2.8×108～3.0×108m3的滑坡堰塞湖。为了减轻水位上涨对湖区4000多人员的淹没危害和防止滑坡“溃坝”对下游318国道及雅鲁藏布江大峡谷地区的危害,采用了在坝体开渠引流降低溃坝高程和湖水库容的减灾措施。     

Landslide susceptibility zonation of the Chamoli region, Garhwal Himalayas, using logistic regression model

A remote sensing and Geographic Information System-based study has been carried out for landslide susceptibility zonation in the Chamoli region, part of Garhwal Himalayas. Logistic regression has been applied to correlate the presence of landslides with independent physical factors including slope, aspect, relative relief, land use/cover, lithology, lineament, and drainage density. Coefficients of the categories of each factor have been obtained and used to assess the landslide probability value to ultimately categorize the area into various landslide susceptibility zones; very low, low, moderate, high, and very high. The results show that 71.13% of observed landslides fall in 21.96% of predicted very high and high susceptibility zone, which in fact should be the case. Furthermore, lineament first buffer category (0–500 m) and the east and south aspects are the most influential in causing landslides in the region.     

D-InSAR与随机森林模型耦合的活动性滑坡识别方法探究

灾害的早期识别是防灾减灾领域的关键技术。文中以甘肃省舟曲县为例,利用2018年1月－2019年1月Sentinel-1A雷达卫星降轨数据和2021年5月Sentinel-2光学遥感影像数据,通过D-InSAR技术获取研究区地表形变信息,利用随机森林模型识别潜在的滑坡体。结果表明:使用已有的滑坡数据集,采用随机森林模型能够较好地识别出潜在滑坡体。潜在滑坡点分布位置均位于地表形变量大的区域。舟曲县整体形变沿东西向发生,主要分布于舟曲县东北和西南方向,与潜在滑坡点高度重合。识别出的潜在滑坡点（立节乡北山滑坡）,年形变量达到0.12?m,于2021年1月18日发生滑坡,该滑坡典型案例也印证了文中方法的有效性。     

Snow avalanche susceptibility evaluation in the central Shaluli Mountains of Tibetan Plateau based on machine learning method北大核心CSCD

Snow avalanches,which are widely and frequently developed at high elevations,seriously threatens the built traffic corridors in the Tibetan Plateau. Susceptibility evaluation of snow avalanche via machine learning model with a high forecast accuracy can be appled to quickly and effectively assess the regional avalanche risk. This paper took the central Shaluli Mountain region as the study area,in which the snow avalanche inventory was established through remote sensing interpretation and field investigation verification. We quantitatively extracted 17 evaluation factors via GIS-based analysis,and these factors were selected through the variance expansion factor（VIF）. Four machine learning models containing SVM,DT,MLP and KNN were used to compile the susceptibility index map of snow avalanches,and kappa coefficient and ROC curve were used to verify the accuracy. The results suggested that the susceptibility indexes obtained from SVM,DT,MLP and KNN were in the range of［0,0. 964］,［0,815］,［0,0. 995］and［0,1］,respectively. The accuracy test results show that these four models all have good prediction accuracy. Among them,the SVM model is the best. The results also indicated that the areas with the high snow avalanche susceptibility mainly distributed in Genie Mountain and Rigong Mountain,most of which were above the planation surface of the Tibetan Plateau. The average altitude of the extremely high snow-avalanche-prone areas is 4 939 m,while the average altitude of the high snow avalanche-prone areas is 4 859 m. The snow avalanche has low perniciousness on the Sichuan-Tibet Highway and the Sichuan-Tibet Railway in the study area. This study can provide theoretical basis and method reference for disaster prevention and mitigation of snow avalanche along Sichuan-Tibet Railway and other major projects across Shaluli Mountains region. © 2022 Science Press (China).     

雪冰遥感20年的进展与成果

在庆祝中国科学院兰州冰川冻土研究所建所４０周年之际,文章对雪冰遥感及应用研究的主要工作做概要的回顾,并着重介绍在雪冰遥感监测与融雪径流模拟,以及雪灾遥感,灾情损失 评估等研究中所取得的一些科研成果与应用效益,根据当前积雪遥感研究中的一些新思路,新方法和新动向,还对进一步开展积雪遥感研究的前景作了概要的分析与展望。     

Automated mapping of snow/ice surface temperature using Landsat-8 data in Beas River basin,India, and validation with wireless sensor network data

In this paper, an automated method for retrieval of snow surface temperature (SST) in Beas River Basin, India, using Landsat-8 thermal data is proposed. Digital number (DN) values of thermal data were converted into Top of Atmospheric (TOA) radiance. Surface radiance has been estimated from TOA radiance using a single channel method. The estimated surface radiance was then converted into SST. Cloud free Landsat-8 data for January and February 2017 has been used to estimate SST. Snow and Avalanche Study Establishment (SASE) has established a wireless sensor network (WSN) in an avalanche prone slope in Beas River Basin, India. Landsat-8 retrieved SST has been compared and validated with recorded SST at WSN stations. The retrieved SST using proposed algorithm was in good agreement with SST recorded on ground by sensor network. The mean absolute error (MAE) and root-mean-square error (RMSE) between estimated and recorded SST has been observed as ~?1.1 K and ~?1.5 K for 23 January 2017 and ~?0.7 and ~?1.6 K for 24 February 2017. Algorithm has shown a potential for automated mapping of snow and ice surface temperature using Landsat-8 data for snow cover and glaciers in Himalaya.     

Avalanche Defence Strategies and Monitoring of Two Sites in Mountain Permafrost Terrain, Pontresina, Eastern Swiss Alps

Snow-supporting avalanche defence structures are increasingly being built at high altitudes in potential permafrost areas. Special construction methods and guidelines have been developed to ensure a minimal stability of the structures, which have a vital role in the protection of underlying settlements and transport infrastructure against snow avalanches. If the avalanche slopes are located on ice-rich permafrost terrain, as is the case in a steep avalanche gully above Pontresina (Eastern Swiss Alps), other means of protection must be used – such as deflection or retention dams – as construction on ice-rich sediments can be very problematic. Experimental snow-supporting structures were built in 1997 in order to test different types of structures and their foundations, to develop specially adapted construction methods and to monitor the long-term behaviour of the structures in moderately creeping frozen ground with volumetric ice contents under 20%. Snow-nets were found to be the most suitable type of protection against avalanches in this type of permafrost terrain due to their deformability and because they are well adapted to rock fall. The structures do not improve slope stability but contribute towards maintaining permafrost as they delay snow melt by modifying the spatial and temporal distribution of the snow cover. The results of the project described have led to a better understanding of permafrost-related avalanche defence problems.