中国金沙江沿线的滑坡堵江威胁

肖诗豪 ,  张利民 ,  肖特 ,  蒋若辰 ,  彭大雷 ,  卢雯珺 ,  何鑫

工程（英文） ›› 2024, Vol. 42 ›› Issue (11) : 342 -356.

PDF (11462KB)
工程（英文） ›› 2024, Vol. 42 ›› Issue (11) : 342 -356. DOI: 10.1016/j.eng.2024.07.001
研究论文

中国金沙江沿线的滑坡堵江威胁

作者信息 +

Landslide Damming Threats Along the Jinsha River, China

Author information +
文章历史 +
PDF (11736K)

摘要

金沙江全长2280 km，在过去30年间至少被滑坡体阻塞四次。高山峡谷中发生的滑坡堵江灾害链可能危及堵江点下游数百公里的居民区和基础设施。历史上的堵江事件导致了灾难性后果，因此需要对金沙江沿线的堵江威胁开展系统评估。本研究对金沙江进行了数字化，并详细分析了其地形、构造、水文和气候特征。文中提出了一种两阶段全概率方法来评估整条河流的堵江威胁，以识别堵江高危区和应优先开展防灾减灾的区域。研究发现，金沙江上游的堵江威胁最大，威胁程度向下游逐渐减小。金沙江全长约33.4%、36.7%、20.5%和9.4%的区段分别被分类为低、中、高和极高堵江威胁等级。与已建水电工程项目相比，上游规划中的项目可能面临更高的滑坡堵江威胁。本研究凸显了流域尺度灾害分析的重要性，并期望基于该研究成果对堵江高危区开展更具针对性的定量风险评估，为金沙江沿线的滑坡堵江和水电基础设施风险防控提供科学依据。

Abstract

The 2280 km long Jinsha River has been blocked at least four times in the past 30 years. A landslide damming hazard chain can endanger communities and infrastructures hundreds of kilometers downstream from the damming site in alpine gorges. Past damming events have resulted in severe consequences, demanding a thorough assessment of damming threats along the entire Jinsha River. This study digitizes the Jinsha River and visualizes its topographic, tectonic, hydrologic, and climate characteristics in detail. A two-stage full-probability method is proposed for assessing the damming threats along this river, making it possible to identify potential damming hotspots and high-priority zones for hazard mitigation. It is found that the upper reach of the Jinsha River poses the greatest damming threat, and the threat level gradually decreases downstream. Approximately 33.4%, 36.7%, 20.5%, and 9.4% of the entire length of the Jinsha River are classified as low, moderate, high, and very high threat levels, respectively. Compared with existing hydropower projects, future projects in the upper reach are more likely to be exposed to landslide damming. We highlight the value of basin-scale spatial threat analysis and envisage that our findings will promote more targeted local-scale risk assessments for potential damming hotspots. These outcomes provide the basis for managing the risks of river damming and hydropower infrastructure along the Jinsha River.

关键词

堰塞坝 / 滑坡 / 金沙江 / 风险分析 / 水电站

Key words

Landslide dam / Landslides / Jinsha River / Risk analysis / Hydropower

引用本文

引用格式 ▾
肖诗豪,张利民,肖特,蒋若辰,彭大雷,卢雯珺,何鑫. 中国金沙江沿线的滑坡堵江威胁[J]. 工程（英文）, 2024, 42(11): 342-356 DOI:10.1016/j.eng.2024.07.001

登录浏览全文

4963

注册一个新账户 忘记密码

1 引言

金沙江作为长江上游干流，始于青海省玉树市，流经青藏高原东缘，止于四川省宜宾市，全长2280 km（图1）。该流域总面积约48万平方公里，河道落差高达3270 m，蕴藏着极其丰富的水电资源[1‒2]。据评估，金沙江可开发水能资源超过100 GW，目前已建成和规划中的梯级水电站共计22座[图1（a）]。截至2020年，其规划总装机容量已达83 GW，成为中国规模最大的水电能源基地[3‒5]。除水电开发外，金沙江沿岸还建有大量交通基础设施，如多条国道（G214、G215、G317、G318等）及众多跨江桥梁（附录A中的图S1），川藏铁路和成昆铁路等重要交通干线也横跨金沙江。

受印度板块向欧亚板块持续俯冲的影响，青藏高原快速挤压抬升[6]。在强烈构造隆升和河流下切的共同作用下，金沙江沿线形成了典型的深窄峡谷地貌，两岸边坡陡峭，滑坡灾害频发[7‒10]。历史上，金沙江曾多次发生重大滑坡事件，如1965年云南禄劝县烂泥沟滑坡（体积超过1.7亿米3）是20世纪最严重的滑坡灾害之一。该滑坡摧毁了五个村庄，造成444人遇难，1004人被迫搬迁。该滑坡形成的堰塞坝高179 m、长2.7 km，阻塞普福河（金沙江一级支流）长达八个月[11‒12]。此外，受小江活动断裂带影响，白鹤滩水库库区内的巧家巨型古滑坡形成了体积约10亿米3的堆积体[13]。

过去30年间，金沙江干流至少被滑坡体阻塞四次，包括2018年的两次白格滑坡、1997年苏洼龙滑坡和1996年华石班滑坡。附录A中的表S1汇总了金沙江沿岸历史滑坡坝的基本信息。这些堵江滑坡体积从135万~5.36亿米3不等，形成的堰塞坝高35~200 m，溃坝峰值流量达1万~8.2万米3·秒-1（图2）。其中，2018年接连发生的两次白格滑坡阻塞了金沙江两次，形成的堰塞湖淹没上游江达县波罗乡和白玉县金沙乡，溃坝峰值流量达3.39万米3·秒-1，远超万年一遇洪水标准；溃决洪水向下游传播670余公里，对沿岸居民区和梯级水电站构成严重威胁[14‒15]。类似的滑坡堵江灾害链在金沙江流域并不罕见。例如，1967年降雨诱发的唐古栋滑坡阻塞雅砻江，形成高170 m、库容6.8亿米3的堰塞坝，溃坝洪峰达5.7万米3·秒-1 [16‒17]；1935年降雨诱发的鲁车渡滑坡（体积为1.3亿米3）摧毁村庄致280余人遇难，并在金沙江形成高50 m堰塞坝[18]；约（33 500 ± 1400）年前，一次强古地震触发冰碛滑坡，在长江第一湾形成长3.6 km、宽1.4 km、高105 m的巨型堰塞坝[19]。

高山峡谷区的滑坡堵江灾害链不仅会淹没上游地区，还可能引发下游地区受溃坝洪水影响，威胁范围远超堵江点本身。因此，系统评估金沙江全流域的滑坡堵江威胁至关重要。

尽管已有研究对单一堵江事件的失稳机理与动力学过程进行了探讨[19‒26]，但目前对滑坡堵江灾害及其后果的理解仍局限于典型案例分析[14,27‒29]，缺乏区域尺度的系统性分析。随着金沙江梯级水电开发与密集基础设施建设的推进，开展全流域滑坡堵江威胁评估已成为迫切需求[30‒32]。然而，现有研究对金沙江基础特征的研究仍显不足，全流域系统性的堵江威胁评估方法亦属空白。为此，本研究旨在实现三个目标：①数字化金沙江流域，定量分析其地形、构造、水文及气候特征；②提出两阶段全概率方法量化滑坡堵江威胁等级；③识别滑坡堵江高威胁区段。研究成果将为梯级水电站风险管理和区划提供科学依据。

2 金沙江流域

金沙江流域具有显著地形高差、强烈构造活动、剧烈河流下切、频繁地震及气候敏感等典型特征[33]。该河流全长2280 km，从青海玉树市巴塘河口（海拔3530 m）至四川宜宾市岷江口（海拔260 m），总落差达3270 m [图1（a）]。金沙江沿青藏高原东缘向南流至石鼓镇后，转向东北进入云贵高原与四川盆地过渡带。金沙江可划分为三段：上游段（玉树市至石鼓镇，长974 km）、中游段（石鼓镇至攀枝花市，长558 km）和下游段（攀枝花市至宜宾市，长748 km）[图3（a）]。金沙江沿线最显著的地形起伏[34]位于举世闻名的虎跳峡。该峡谷地形高差达3000 m，全长16 km，河段落差200 m，边坡坡度40°~50°，谷底宽度仅约100 m。

研究区第四纪地质活动强烈，地震频发。图1（b）展示了研究区岩性与活动断裂带分布。硅质碎屑沉积岩、混合沉积岩和碳酸盐沉积岩是最常见的岩石类型，其面积比例分别为30.7%、30.4%和11.4%。地层从太古代至第四纪均有出露，其中三叠纪、侏罗纪和岩浆岩分布最广。九条活动断裂带横穿金沙江[图1（b）]，历史上多起大型滑坡堵江事件均与这些断裂带密切相关，如金沙江断裂带（F2）的雪隆囊滑坡与苏洼龙滑坡、程海断裂（F8）的寨子村滑坡以及小江断裂（F9）的巧家滑坡[13,35‒36]。

金沙江关键参数统计数据显示：谷底至山脊高差（H V）为（1110 ± 402）m（均值 ± 标准差，下同），河谷侧坡坡度为27.2° ± 6.4°，谷底宽度为（630 ± 662）m，年均降水量为（779 ± 187）mm，475年重现期的预期峰值地面加速度（PGA）为（0.183 ± 0.042）g，活动断裂密度为（0.027 ± 0.026）km∙km-2。上游和中游的谷底至山脊高差中位数（约1150 m）显著大于下游（981 m）[图3（b）]；上、中、下游河谷侧坡坡度中位数分别为28.2°、25.9°和27.9° [图3（c）]；谷底宽度中位数从上游的282 m增加到中游的322 m，进一步增至下游的582 m [图3（d）]。年均降水量由上游495 mm递增至下游1139 mm [图3（e）]。475年重现期的PGA值沿江分布在0.1 g~0.3 g之间[图3（f）]，反映了未来可能的地震动强度。中游断裂密度中位数（0.012 km∙km-2）显著低于上游（0.030 km∙km-2）和下游（0.028 km∙km-2）[图3（g）]。年均流量从玉树市的390 m3∙s-1递增至攀枝花市的1870 m3∙s-1，并进一步增至宜宾市的4770 m3∙s-1 [图3（h）]。流域面积从上游14.8万平方公里逐渐扩展至下游48.1万平方公里[图3（i）]，伴随河道坡降逐渐减小[图3（a）]。

3 方法与滑坡清单

3.1 两阶段全概率方法框架

本研究采用图4所示的两阶段全概率方法评估金沙江沿线的滑坡堵江威胁。在第一阶段，编制滑坡清单以建立滑坡堵江判别准则，并构建滑坡特征参数的联合概率分布。在第二阶段，将金沙江数字化划分为1140段2 km长的河段，各河段的地形特征通过横断面来表征，从而可视化金沙江沿线的地形、构造、水文和气候特征。随后，通过考虑所有可能滑坡特征参数组合，计算各河段的堵江概率。最后，识别出堵江威胁较高的河段。该方法具有普适性，可推广应用于其他高山峡谷区域进行堵江威胁评估。

3.2 滑坡清单

本研究建立了包含590处滑坡的清单，其中堵江滑坡157处，非堵江滑坡433处。所有滑坡均分布于青藏高原东缘主要河流。非堵江滑坡的筛选标准为其规模足以对大型河流构成潜在堵江威胁[16‒17,37]。滑坡空间分布详见附录A中的图S1及表S2。在157处堵江滑坡中，23处分布于金沙江干流，其余分布于雅鲁藏布江、怒江、澜沧江、雅砻江、白龙江流域、大渡河和岷江等。堵江滑坡指完全或部分阻塞河道并形成堰塞湖的滑坡[38‒39] [图5（a）~（f）]，非堵江滑坡则未造成河道阻塞[图5（g）~（i）]。滑坡数据通过Google Earth平台多时相高分辨率卫星影像进行目视解译获取，辅以文献调研和野外考察验证。滑坡解译方法详见附录A中的第S1节。本研究数据来源汇总于表1 [40‒41]。

3.2.1 特征提取

本研究选取14项特征参数，包括4项滑坡因子（滑坡面积、内部高差、距河道距离和坡度梯度）、4项河谷地形因子（谷底宽度、谷底至山脊高差、宽深比、凹度）、4项触发因子（年降水量、峰值地面加速度、距断裂距离、断裂密度）（附录A中的图S2）、1项水文因子（上游流域面积）以及岩性。表2 [41‒44]总结了这些特征的定义、确定方法和物理意义。

图6展示了提取滑坡因子与河谷地形因子的流程示意图。每个滑坡采用多边形、启滑点和横剖面相结合的方式进行表征[图6（a）和（b）]。滑坡区域（包括滑源区和堆积区）通过多边形绘制，启滑点以单点标示，利用滑坡横剖面同时提取河谷地形因子与滑坡因子。首先基于横剖面自动识别河谷范围[图6（c），方法见附录A中的第S3节]。地形控制滑坡运动路径，假定滑坡体受重力驱动沿最陡路径运动，类似地表水流。河谷范围定义为河道两侧

山脊之间的区域，该区域内的滑坡可能直接阻塞河道，而河谷范围外的滑坡则不会对主河道产生直接影响。在识别的河谷范围内，可提取4个滑坡因子和4个河谷地形因子[图6（d）~（e）]。此外，4个触发因子、水文因子及岩性可通过表2所述方法提取。

3.2.2 滑坡清单特征分析

图7比较了堵江与非堵江滑坡的13项特征参数分布。在四个滑坡因子中，堵江滑坡的滑坡面积、内部高差和距河道距离均大于非堵江滑坡[图7（a）~（c）]，但其坡度小于非堵江滑坡[图7（d）]。距河道距离和坡度呈现的模式与直观感觉不符，可能的原因是距河道距离与滑坡面积和内部高差相关性较高，而坡度与H/L（H和L的定义见表2）相关性较高。

在四个河谷地形因子中，堵江滑坡的谷底宽度和谷底至山脊高差小于非堵江滑坡，而两者的宽深比和凹度基本相当[图7（e）~（h）]。在三个触发因素中，堵江滑坡的年降水量和断裂密度更大，距断裂距离更小[图7（i）~（k）]，这表明堵江滑坡可能受到更强烈的地震、构造和降雨驱动作用。堵江滑坡的上游流域面积小于非堵江滑坡[图7（l）]，这表明堵江滑坡的地形更陡峭且高差更大。图7（m）展示了堵江滑坡和非堵江滑坡中不同岩性的百分比。编录的滑坡主要发育于混合沉积岩、硅质碎屑沉积岩、变质岩和碳酸盐沉积岩。堵江滑坡中混合沉积岩的比例高于非堵江滑坡，而中性火山岩的比例则较低。

如图7所示，六个特征（滑坡面积、内部高差、距河道距离、谷底宽度和上游流域面积等）的分布呈现明显偏态，部分跨越多个数量级，导致建模时对值范围较大的特征更敏感，对值范围较小的特征较不敏感。通过对这六个特征取自然对数，有效缩小数值范围差异，从而建模时实现更均衡的权重分配，提高稳定性和可靠性。图8展示了13个特征的相关系数矩阵，其中滑坡面积、内部高差与距河道距离三个特征间的相关系数超过0.8，其余特征间的相关系数均低于0.6，在4.2节中模型选择将自动确定最优特征组合。

4 滑坡堵江判别准则

4.1 考虑类别不平衡的模型构建

滑坡堵江判别是一个二分类问题[45‒46]，逻辑回归模型因其在处理二分类问题上的优势，已被广泛应用于滑坡和堵江研究中[47‒51]。

设P(D = 1| θ, x ) 表示滑坡堵江概率，其中 x = [x 1, x 2, …, xn ] 为选定的n个特征， θ = [θ 0, θ 1, …, θn ]为待标定的模型参数，D为滑坡标签（D = 1表示堵江，D = 0表示未堵江）。堵江概率可表示为：

P (D = 1| θ, x ) = [1 + exp (- θx T)]-1

在滑坡清单中堵江滑坡数量（157例）少于非堵江滑坡（433例），存在明显的类别不平衡问题[52‒53]。为此，我们分别为堵江与非堵江滑坡引入权重因子w D和w ND。考虑类别不平衡的加权似然函数[L(·)]可表示为[54]：

L D | θ , x = ∏ i = 1 n D P D = 1 θ , x i w D ∏ i = 1 n N D 1 - P D = 1 θ , x i w N D

式中，n D和n ND分别表示堵江与非堵江滑坡总数； x i 为第i个滑坡的特征向量；权重因子计算公式为w D = Q p /Q s，w ND = (1 ‒ Q p) / (1 ‒ Q s)。其中Q s表示清单中堵江滑坡比例（即Q s = 0.266）；Q p为目标堵江滑坡比例。本研究采用Q p = 0.5，确保模型参数标定过程中堵江与非堵江滑坡的贡献相等。模型参数 θ 可以通过最大化公式（2）来标定。

4.2 模型选择与验证

滑坡清单中共有14个候选特征（表2）。这些特征的任意子集组合均可构建预测模型。随着变量数量的增加，虽然模型灵活性提高，但复杂度也随之增加。贝叶斯信息准则（BIC）通过引入惩罚项，能够有效平衡模型的拟合优度与复杂度[55]。BIC值越小表明模型越优。我们基于BIC准则对所有可能的特征组合进行比较，筛选出拟合效果与复杂度达到最优平衡的模型[56]。分析发现，BIC值最低的5个模型（附录A中的表S3）均包含 lnA L、lnL、lnW、DensF和lnA W这五个特征，表明它们在滑坡堵江预测中具有稳健性和可靠性。最终，我们选取BIC值最小的模型作为滑坡堵江判据：

P D = 1 θ , x = 1 + e x p θ 0 + θ 1 l n A L + θ 2 l n L + θ 3 l n W + θ 4 D e n s F + θ 5 l n A W - 1

式中，[θ 0, θ 1, θ 2, θ 3, θ 4, θ 5] = [16.219, -5.653, 5.8616.219, -5.653, 5.86, 1.223, -38.196, 1.185]。较大的滑坡面积（A L）和断裂密度（DensF）以及较小的距河道距离（L）、谷底宽度（W）和上游流域面积（A W）会促进堵江发生。

H V、R、C、P A、PGA和岩性在模型选择过程中均未被保留（表S3），这可能是因为这些变量无法有效反映滑坡堵江的物理机制，或已被其他特征替代解释。构造活动对滑坡堵江的驱动作用可能已通过断裂密度体现，而PGA更可能与滑坡触发而非堵江规模相关。同时岩性可能由于无法有效区分堵江与非堵江滑坡，导致其对堵江概率的影响不显著。

本研究采用五折交叉验证方法对最佳模型进行预测性能评估。重复200次五折交叉验证以捕捉预测性能的波动。采用四个评价指标：①真阳性率（TPR），即实际为堵江滑坡且被正确分类的比例；②真阴性率（TNR），即实际为非堵江滑坡且被正确分类的比例；③准确率，即所有样本中被正确分类的比例；④ROC曲线下的面积（AUC）。其中TPR、TNR和准确率是以50%概率阈值计算的。如图9（a）所示，最佳模型显示出优异的预测性能：TPR和TNR中位数均为0.886，表明有效克服了样本类别不平衡问题；准确率和AUC的中位数分别为0.890和0.967。

采用jackknife test对变量重要性排序[57]。具体方法为：该测试依次剔除最优模型中的五个变量，分别构建五个“留一变量”模型。以完整最优模型作为基准，通过比较各模型AUC值的下降幅度来评估变量重要性，AUC降幅越大表明该变量对模型的贡献度越高。每个模型均进行200次五折交叉验证。如图9（b）所示，剔除滑坡面积（A L）导致AUC值下降最为显著，表明该变量在最优模型中贡献度最高，其次为上游流域面积（A W）、距河道距离（L）、断裂密度（DensF）和谷底宽度（W）。

5 金沙江沿线滑坡堵江威胁

基于前文建立的滑坡堵江判据，虽然可在已知滑坡面积和位置时计算堵江概率，但未来滑坡的确切大小和位置具有不可预测性。为此，本研究采用图4所示的两阶段全概率法的第二阶段，通过考虑所有可能的滑坡面积-位置组合来量化堵江威胁。首先将金沙江干流离散化为2 km长的标准河段，每个河段以横剖面刻画其地形特征；进而针对每个横剖面，计算考虑所有滑坡面积与位置组合下的堵江概率；最终通过整合所有离散河段的计算结果，实现对金沙江全流域滑坡堵江威胁的系统性评估。

5.1 金沙江数字化

本研究将金沙江干流划分为1140个2 km长的标准河段进行分析。首先在各河段中点处建立垂直于河道中心线的横剖面以表征河谷地形特征，随后对所有横剖面进行数字化处理并确定河谷范围（界定为河流两侧山脊之间的区域），排除可能产生干扰的支流区域。这是因为发生在河谷范围外的滑坡不会对金沙江干流形成堵江影响，故予以排除。基于数字化结果，我们提取了河谷范围内的四个关键地形因子，同时从河道中心线中点提取了四个触发因子、一个水文因子及岩性数据。

金沙江沿线谷底至山脊高差、谷底宽度、年降水量、断裂密度及上游流域面积的空间分布特征已在本文第2节结合图3进行了详细阐述和分析。

5.2 单河段堵江概率计算

基于公式（3）可计算已知滑坡面和启滑位置条件下的堵江概率，但实际应用中未来滑坡的确切面积和启滑位置是未知的。为此，本研究采用全概率定理，通过积分公式（3）在所有可能滑坡面积和启滑位置组合上的取值来计算给定横剖面的堵江概率（具体方法详见附录A中的第S4节）。考虑到每个横剖面包含左右两岸谷坡，需分别计算两岸影响。由左侧谷坡和右侧谷坡控制的滑坡堵江概率[P(·)]可以分别计算为：

P D l e f t = 1 = ∫ ∫ P D l e f t = 1 A L , L f A L , L d A L d L
P D r i g h t = 1 = ∫ ∫ P D r i g h t = 1 A L , L f A L , L d A L d L

式中，D left = 1和D right = 1分别表示由左岸和右岸滑坡引发的堵江事件；P(D left = 1 | A L, L)和P(D right = 1 | A L, L)分别表示在给定滑坡面积和距河道距离下，左岸和右岸滑坡的堵江概率，可通过式（3）计算；f (A L, L) 为基于样本数据建立的A L 和 L 的二元对数正态分布。

最终，河段堵江概率P D（河道至少被一侧滑坡阻塞）由下式计算得出：

P D = 1 - 1 - P D l e f t = 1 1 - P D r i g h t = 1

5.3 金沙江沿线堵江概率

基于公式（3）~（6）计算各河段堵江概率后，考虑到2 km间隔横断面在崎岖地形条件下获得的概率值存在波动，本研究采用移动平均法进行数据平滑处理以准确识别高风险河段。通过对比不同窗口尺寸的平滑效果发现，10 km移动窗口既能有效消除地形噪声干扰，同时又保留了足够的细节（附录A中的图S3）。最终，图10（a）~（b）展示了采用10 km移动窗口平滑处理后的金沙江沿线堵江概率空间分布。

采用Jenks自然断点法将堵江概率划分为四个威胁等级：低（P D ≤ 0.09）、中（0.09 < P D ≤ 0.16）、高（0.16 < P D ≤ 0.25）和极高（P D > 0.25）。Jenks自然断点法通过最小化组内方差和最大化组间方差实现最佳分类效果。结果显示：在1140个河段中，33.4%为低威胁，36.7%为中威胁，20.5%为高威胁，9.4%为极高威胁，且相同威胁等级的河段呈现明显的空间聚集特征[图10（a）]。

极高/高威胁河段通常具有以下地形特征：①V型峡谷，地形高差大，谷侧边坡陡峭；②谷底宽度狭窄；③断裂密度较高。以金沙江典型河段为例，石鼓镇上游116 km河段因地形条件相对平缓被划分为低威胁等级，而世界著名的虎跳峡（龙盘—两家人河段）则因其突出的峡谷特征属于极高威胁等级。这是因为虎跳峡具有更大的谷底至山脊高差（1500~2700 m）、更陡的谷坡坡度（40°~50°）、更窄的谷底宽度（100~280 m）以及更高的断裂密度（0.057~0.074 km∙km-2）[图10（c）~（d）]。

图10（e）展示了金沙江上、中、下游河段堵江概率的概率密度函数。上游河段堵江概率最高，中游次之，下游最低。这一模式主要归因于上游具有最窄的谷底宽度和最小的上游流域面积，同时断裂密度也最高（图3）。

极高/高堵江威胁河段[图10（a）]主要包括：岗托上游180~120 km、岗托上游82~32 km、波罗—叶巴滩、拉哇—苏洼龙、旭龙上游38 km至下游66 km、旭龙下游90~124 km、著名的虎跳峡（龙盘—两家人）、阿海—金安桥以及溪洛渡下游0~54 km。低堵江威胁河段则包括：岗托上游112~96 km、石鼓镇上游116 km至石鼓镇、龙开口下游0~66 km、乌东德上游110 km至乌东德、白鹤滩上游94 km至溪洛渡以及宜宾市上游112 km至宜宾市。

就水电工程而言，叶巴滩、巴塘、旭龙和金安桥四座电站位于极高威胁河段，波罗、龙盘和两家人电站处于高威胁河段。在11座已建水电站中，处于极高、高、中、低威胁等级的电站数量分别为1座、0座、8座和2座；而在建或规划的11座水电站中，相应等级的电站数量分别为3座、3座、3座和2座。规划中的水电站比已建水电站面临更高的堵江威胁，主要源于规划中的水电站多集中于堵江威胁较高的上游河段，而已建水电站主要分布在威胁相对较低的中下游河段。

6 未来研究方向

历史灾害事件表明，高山峡谷区的溃决洪水可沿河道长距离传播，威胁下游数百公里范围内的居民区与基础设施安全。这引发了对金沙江流域滑坡-堵江-溃决洪水灾害链风险的深切关注。本研究通过流域尺度的堵江威胁分析[图10（a）]为高威胁河段的局地精细化风险评估奠定了基础。研究成果可为金沙江沿岸堵江风险防控提供实用指导。

未来研究应聚焦于局地尺度精准风险评估与主动防控措施，以减轻滑坡堵江灾害的不利影响：

（1）量化水电工程面临的堵江灾害链风险。本研究评估结果侧重空间分布特征，未考虑时间维度，反映的是流域尺度的长期平均威胁模式。滑坡堵江威胁与其后果之间仍存在研究空白。尽管堵江事件发生频率较低，但其潜在后果极为严重。需建立金沙江沿岸滑坡堵江事件的规模-频率关系曲线，为定量风险评估奠定基础。

（2）重新评估设计洪水标准。现行的设计洪水主要依据短期历史气象洪水数据建立，未能充分考虑滑坡堵江可能引发的极端洪水事件。这一疏忽导致洪水量级被严重低估，使沿岸基础设施和居民区面临前所未有的风险[58]。需系统研究溃决洪水对设计洪水的放大效应[59]。

（3）开展多情景压力测试。建议通过构建不同溃坝情景，全面评估堵江灾害链对基础设施的影响[60‒61]。重点评估：沿岸居民区洪水淹没风险、水库对上游溃坝洪水的调蓄能力、跨江桥梁在溃坝洪水中是否会被冲毁[62]，从而识别关键基础设施的薄弱环节。

（4）整合多种监测技术实现滑坡动态识别和变形监测，包括全球导航卫星系统（GNSS）、光学遥感和合成孔径雷达干涉测量（InSAR）等技术[63‒66]。结合不稳定斜坡数值模拟，可以揭示潜在堰塞坝的几何形态。进一步通过溃坝过程和洪水演进模拟，为应急响应提供决策支持[14,67]。

（5）研发数字孪生平台。推进流域尺度的数字孪生平台建设，集成灾害预报-情景模拟和风险可视化功能。同时开发实时定量风险评估工具以助力应急响应策略[68]。

7 结论

金沙江是中国最重要的水电清洁能源基地。系统评估滑坡堵江威胁对保障居民区、水电开发和基础设施安全至关重要。本研究提出了两阶段全概率法，系统评估了金沙江沿岸的滑坡堵江威胁，主要获得以下结论：

（1）建立了包含157例堵江滑坡和433例非堵江滑坡的清单，构建了区域滑坡堵江判别准则。通过模型选择，确定由五个特征参数（滑坡面积、距河流距离、谷底宽度、断裂密度和上游流域面积）构建的模型为最优模型，并且具有出色的预测性能。其中，滑坡面积对模型贡献度最高，其次为流域面积、距河流距离、断裂密度和谷底宽度。

（2）通过全流域数字化分析，量化了关键特征参数：谷底至山脊高差（1110 ± 402）m、河谷侧坡坡度（27.2° ± 6.4°）、谷底宽度（630 ± 662）m、年均降水量（779 ± 187）mm、475年重现期预期峰值地面加速度（0.183 ± 0.042）g、断裂密度（0.027 ± 0.026）km∙km-2。年均降水量从上游495 mm递增至下游1139 mm，年均流量沿程从上游390 m3∙s-1递增至下游4770 m3∙s-1。

（3）基于两阶段全概率法的评估结果显示：金沙江沿线9.4%的河段属于极高威胁等级，20.5%为高威胁，36.7%为中威胁，33.4%为低威胁。水电工程中，叶巴滩、巴塘、旭龙和金安桥水电站位于极高堵江威胁河段，波罗、龙盘和两家人水电站处于高堵江威胁河段。

（4）金沙江上游河段的滑坡堵江威胁显著高于中下游河段。上游规划中的水电站可能面临比已建水电站更大的滑坡堵江威胁。未来需要对基础设施开展滑坡堵江溃决洪水灾害链定量风险评估。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Li D, Lu XX, Yang X, Chen L, Lin L. Sediment load responses to climate variation and cascade reservoirs in the Yangtze River: a case study of the Jinsha River. Geomorphology 2018;322:41‒52. . 10.1016/j.geomorph.2018.08.038
[2]

He J, Zhang L, Xiao T, Chen C. Emergency risk management for landslide dam breaks in 2018 on the Yangtze River China. Resilient Cities Struct 2022;1 (3):1‒11. . 10.1016/j.rcns.2022.10.003
[3]

National Energy Administration. The 13th Five-Year Plan for hydropower development (2016‒2022). Beijing: National Energy Administration; 2016. Chinese. . 10.5771/9781442259447-41
[4]

Jin F, Huang D, Lino M, Zhou H. A brief review of rock-filled concrete dams and prospects for next-generation concrete dam construction technology. Engineering 2023;32:99‒105. . 10.1016/j.eng.2023.09.020
[5]

Bao Z, Zhang J, Lian Y, Wang G, Jin J, Ning Z, et al. Changes in headwater streamflow from impacts of climate change in the Qinghai‒Xizang Plateau. Engineering 2023;34:133‒42. . 10.1016/j.eng.2023.05.025
[6]

Hao M, Freymueller JT, Wang Q, Cui D, Qin S. Vertical crustal movement around the southeastern Qinghai‒Xizang Plateau constrained by GPS and GRACE data. Earth Planet Sci Lett 2016;437:1‒8. . 10.1016/j.epsl.2015.12.038
[7]

Jiang R, Zhang L, Peng D, He X, He J. The landslide hazard chain in the tapovan of the Himalayas on 7 February 2021. Geophys Res Lett 2021;48(17): e2021GL093723. . 10.1029/2021gl093723
[8]

Peng D, Zhang L, Jiang R, Zhang S, Shen P, Lu W, et al. Initiation mechanisms and dynamics of a debris flow originated from debris-ice mixture slope failure in southeast Xizang China. Eng Geol 2022;307:106783. . 10.1016/j.enggeo.2022.106783
[9]

Marc O, Hovius N, Meunier P, Uchida T, Hayashi S. Transient changes of landslide rates after earthquakes. Geology 2015;43(10):883‒6. . 10.1130/g36961.1
[10]

Jones JN, Boulton SJ, Stokes M, Bennett GL, Whitworth MR. 30-year record of Himalaya mass-wasting reveals landscape perturbations by extreme events. Nat Commun 2021;12(1):6701. . 10.1038/s41467-021-26964-8
[11]

Cheng X, Zhu C, Qi W, Xu J, Yuan J. Formation conditions, development tendency, and preventive measures of Pufu landslide in Luquan of Yunnan. Miner Resour Geol 2015;29:395‒401. Chinese.
[12]

Wen B, Wang F. Precursors and motion characteristics of the 1965 Lannigou rockslides and the subsequent evolution. Hydrogeol Eng Geol 2021;48 (6):72‒80. Chinese.
[13]

Feng Z, Wu ZH, Cao JW, Hu MM, Ha GH, Kang HX. Engineering geological characteristics of gigantic pre-historic landslide along Qiaojia section of the Xiaojiang Fault. Acta Geosci Sin 2019;4:629‒36. Chinese.
[14]

Zhang LM, Xiao T, He J, Chen C. Erosion-based analysis of breaching of Baige landslide dams on the Jinsha River, China, in 2018. Landslides 2019;16(10):1965‒79. . 10.1007/s10346-019-01247-y
[15]

Zhang LM, He J, Xiao T. Engineering risk mitigation for landslide hazard chains: the Baige landslides on the Jinsha River in 2018. In: Proceedings of the 5th World Landslide Forum; 2021 Nov 2‒6; Kyoto, Japan. Berlin: Springer; 2021. . 10.1007/s10346-019-01247-y
[16]

Chai H, Liu H, Zhang Z. The catalog of Chinese landslide dam events. J Geol Hazards Environ Preserv 1995;6(4):1‒9. Chinese.
[17]

Cai Y, Luan Y, Peng W, Li J, Xu Y. Analysis on typical cases of barrier lake: causes, disaster and emergency response. Wuhan: Changjiang Press; 2021. Chinese.
[18]

Liu X, Qiao J, Li N. Landfall‒landslide disaster in Yunnan Province and the preventive measures against them. Bull Soil Water Conserv 1987;7(6):38‒44. Chinese.
[19]

Li Y, Chen J, Yan J, Zhou F, Wang Q, Li Z, et al. Formation and evolution of a giant old deposit in the First Bend of the Yangtze River on the southeastern margin of the Qinghai‒Xizang Plateau. Catena 2022;213:106138. . 10.1016/j.catena.2022.106138
[20]

Li Y, Chen J, Zhou F, Song S, Zhang Y, Gu F, et al. 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 Qinghai‒Xizang Plateau. Geomorphology 2020;368:107351. . 10.1016/j.geomorph.2020.107351
[21]

Zhang Y, Wu R, Guo C, Wang L, Yao X, Yang Z. Research progress and prospect on reactivation of ancient landslides. Adv Earth Sci 2018;33(7):728‒40. Chinese.
[22]

Guo C, Zhang Y, Li X, Ren S, Yang Z, Wu R, et al. Reactivation of giant Jiangdingya ancient landslide in Zhouqu County, Gansu Province China. Landslides 2020;17(1):179‒90. . 10.1007/s10346-019-01266-9
[23]

Wu L, Deng H, Huang R, Zhang LM, Guo X, Zhou Y. Evolution of lakes created by landslide dams and the role of dam erosion: a case study of the Jiajun landslide on the Dadu River China. Quat Int 2019;503:41‒50. . 10.1016/j.quaint.2018.08.001
[24]

Cui P, Zhu Y, Han Y, Chen X, Zhuang J. The 12 May Wenchuan earthquake-induced landslide lakes: distribution and preliminary risk evaluation. Landslides 2009;6(3):209‒23. . 10.1007/s10346-009-0160-9
[25]

Peng M, Zhang L. Dynamic decision making for dam-break emergency management—part 2: application to Tangjiashan landslide dam failure. Nat Hazards Earth Syst Sci 2013;13(2):439‒54. . 10.5194/nhess-13-439-2013
[26]

Liu N, Chen Z, Zhang J, Lin W, Chen W, Xu W. Draining the Tangjiashan barrier lake. J Hydraul Eng 2010;136(11):914‒23. . 10.1061/(asce)hy.1943-7900.0000241
[27]

Cui P, Zhou GG, Zhu X, Zhang J. Scale amplification of natural debris flows caused by cascading landslide dam failures. Geomorphology 2013;182:173‒89. . 10.1016/j.geomorph.2012.11.009
[28]

Fan X, Dufresne A, Subramanian SS, Strom A, Hermanns R, Stefanelli CT, et al. The formation and impact of landslide dams—state of the art. Earth Sci Rev 2020;203:103116. . 10.1016/j.earscirev.2020.103116
[29]

Zhong Q, Wang L, Chen S, Chen Z, Shan Y, Zhang Q, et al. Breaches of embankment and landslide dams-state of the art review. Earth Sci Rev 2021;216:103597. . 10.1016/j.earscirev.2021.103597
[30]

Schwanghart W, Ryan M, Korup O. Topographic and seismic constraints on the vulnerability of Himalayan hydropower. Geophys Res Lett 2018;45 (17):8985‒92. . 10.1029/2018gl079173
[31]

Berga L. The role of hydropower in climate change mitigation and adaptation: a review. Engineering 2016;2(3):313‒8. . 10.1016/j.eng.2016.03.004
[32]

Lempérière F. Dams and floods. Engineering 2017;3(1):144‒9. . 10.1016/j.eng.2017.01.018
[33]

Cui P, Ge Y, Li S, Li Z, Xu X, Zhou GG, et al. Scientific challenges in disaster risk reduction for the Sichuan‒Xizang Railway. Eng Geol 2022;309:106837. . 10.1016/j.enggeo.2022.106837
[34]

Schwanghart W, Scherler D. TopoToolbox 2‒MATLAB-based software for topographic analysis and modeling in Earth surface sciences. Earth Surf Dynam 2014;2(1):1‒7. . 10.5194/esurf-2-1-2014
[35]

Chen J, Dai F, Lv T, Cui Z. Holocene landslide-dammed lake deposits in the Upper Jinsha River, SE Qinghai‒Xizang Plateau and their ages. Quat Int 2013;298:107‒13. . 10.1016/j.quaint.2012.09.018
[36]

Xu Z, Liu W, Huang R. Engineering geological characteristics of Zhaizicun giant ancient landslide along Jinsha River and its occurrence mechanisms. Chin J Rock Mech Eng 2011;30(S2):3539‒50. Chinese.
[37]

Liu W, Carling PA, Hu K, Wang H, Zhou Z, Zhou L, et al. Outburst floods in China: a review. Earth Sci Rev 2019;197:102895. . 10.1016/j.earscirev.2019.102895
[38]

Costa JE, Schuster RL. The formation and failure of natural dams. Geol Soc Am Bull 1988;100(7):1054‒68. . 10.1130/0016-7606(1988)100<1054:tfafon>2.3.co;2
[39]

Korup O. Recent research on landslide dams—a literature review with special attention to New Zealand. Prog Phys Geogr Earth Environ 2002;26(2):206‒35. . 10.1191/0309133302pp333ra
[40]

Hartmann J, Moosdorf N. The new global lithological map database GLiM: a representation of rock properties at the Earth surface. Geochem Geophys Geosyst 2012;13(12):1‒37. . 10.1029/2012gc004370
[41]

Xu X, Han Z, Yang X, Zhang S, Yu G, Zhou B, et al. Seismotectonic map in China and its adjacent regions. Beijing: Seismological Press; 2016. Chinese.
[42]

Fryirs KA, Wheaton JM, Brierley GJ. An approach for measuring confinement and assessing the influence of valley setting on river forms and processes. Earth Surf Processes Landforms 2016;41(5):701‒10. . 10.1002/esp.3893
[43]

Xu C, Xu X, Yu G. Landslides triggered by slipping-fault-generated earthquake on a plateau: an example of the 14 April 2010, Ms 7.1, Yushu, China earthquake. Landslides 2013;10(4):421‒31. . 10.1007/s10346-012-0340-x
[44]

Qi S, Xu Q, Lan H, Zhang B, Liu J. Spatial distribution analysis of landslides triggered by 2008.5.12 Wenchuan Earthquake, China. Eng Geol 2010;116 (1,2):95‒108. . 10.1016/j.enggeo.2010.07.011
[45]

Fan X, Rossiter DG, van Westen CJ, Xu Q, Görüm T. Empirical prediction of coseismic landslide dam formation. Earth Surf Processes Landforms 2014;39 (14):1913‒26. . 10.1002/esp.3585
[46]

Tacconi Stefanelli C, Casagli N, Catani F. Landslide damming hazard susceptibility maps: a new GIS-based procedure for risk management. Landslides 2020;17(7):1635‒48. . 10.1007/s10346-020-01395-6
[47]

Chen CY, Chang JM. Landslide dam formation susceptibility analysis based on geomorphic features. Landslides 2016;13(5):1019‒33. . 10.1007/s10346-015-0671-5
[48]

Wang H, Zhang L, Luo H, He J, Cheung RWM. AI-powered landslide susceptibility assessment in Hong Kong. Eng Geol 2021;288:106103. . 10.1016/j.enggeo.2021.106103
[49]

Xiao T, Zhang LM, Cheung RWM, Lacasse S. Predicting spatio-temporal man-made slope failures induced by rainfall in Hong Kong using machine learning techniques. Geotechnique 2022;73(9):749‒65. . 10.1680/jgeot.21.00160
[50]

Jin J, Chen G, Meng X, Zhang Y, Shi W, Li Y, et al. Prediction of river damming susceptibility by landslides based on a logistic regression model and InSAR techniques: a case study of the Bailong River Basin China. Eng Geol 2022;299:106562. . 10.1016/j.enggeo.2022.106562
[51]

Xiao SH, Zhang LM, Xiao T, Jiang RC. Prediction of landslide dam formation using machine learning techniques. In: Geo-Risk 2023. Reston: American Society of Civil Engineers; 2023. p. 41‒8. . 10.1061/9780784484968.005
[52]

Zhang J, Wang TP, Xiao SH, Gao L. Chinese code methods for liquefaction potential assessment based on standard penetration test: an extension. Soil Dyn Earthquake Eng 2021;144:106697. . 10.1016/j.soildyn.2021.106697
[53]

Zhang J, Xiao SH, Huang HW, Zhou JK. Calibrating a standard penetration test based method for region-specific liquefaction potential assessment. Bull Eng Geol Environ 2020;79(10):5185‒204. . 10.1007/s10064-020-01815-w
[54]

Juang CH, Khoshnevisan S, Zhang J. Maximum likelihood principle and its application in soil liquefaction assessment. In: Phoon KK, Ching JY, editors. Risk and reliability in geotechnical engineering. New York City: CRC Press; 2015. p. 181‒219. . 10.1201/b17970-11
[55]

Zhang J, Huang H, Juang C, Su W. Geotechnical reliability analysis with limited data: consideration of model selection uncertainty. Eng Geol 2014;181:27‒37. . 10.1016/j.enggeo.2014.08.002
[56]

Raftery AE. Bayesian model selection in social research. Sociol Methodol 1995;25:111‒63. . 10.2307/271063
[57]

Swan AR, Sandilands M. Introduction to geological data analysis. Boston: Wiley-Blackwell; 1995.
[58]

Schwanghart W, Worni R, Huggel C, Stoffel M, Korup O. Uncertainty in the Himalayan energy‒water nexus: estimating regional exposure to glacial lake outburst floods. Environ Res Lett 2016;11(7):074005. . 10.1088/1748-9326/11/7/074005
[59]

Apel H, Merz B, Thieken A. Influence of dike breaches on flood frequency estimation. Comput Geosci 2009;35(5):907‒23. . 10.1016/j.cageo.2007.11.003
[60]

Devitt L, Neal J, Coxon G, Savage J, Wagener T. Flood hazard potential reveals global floodplain settlement patterns. Nat Commun 2023;14(1):2801. . 10.1038/s41467-023-38297-9
[61]

He J, Qiang Y, Luo H, Zhou S, Zhang L. A stress test of urban system flooding upon extreme rainstorms in Hong Kong. J Hydrol 2021;597:125713. . 10.1016/j.jhydrol.2020.125713
[62]

Zhou X, Chen Z, Zhou J, Guo X, Du X, Zhang Q. A quantitative risk analysis model for cascade reservoirs overtopping: principle and application. Nat Hazards 2020;104(1):249‒77. . 10.1007/s11069-020-04167-6
[63]

Yao J, Lan H, Li L, Cao Y, Wu Y, Zhang Y, et al. Characteristics of a rapid landsliding area along Jinsha River revealed by multi-temporal remote sensing and its risks to Sichuan‒Xizang Railway. Landslides 2022;19(3):703‒18. . 10.1007/s10346-021-01790-7
[64]

Zhou S, Chen B, Lu H, Shan Y, Li Z, Li P, et al. Analysis of the spatial distribution and deformation types of active landslides in the upper Jinsha River, China, using integrated remote sensing technologies. Remote Sens 2023;16(1):100. . 10.3390/rs16010100
[65]

Yang W, Liu L, Shi P. Detecting precursors of an imminent landslide along the Jinsha River. Nat Hazards Earth Syst Sci 2020;20(11):3215‒24. . 10.5194/nhess-20-3215-2020
[66]

Zhao C, Kang Y, Zhang Q, Lu Z, Li B. Landslide identification and monitoring along the Jinsha River catchment (Wudongde reservoir area), China, using the InSAR method. Remote Sens 2018;10(7):993. . 10.3390/rs10070993
[67]

Chen C, Zhang L, Xiao T, He J. Barrier lake bursting and flood routing in the Yarlung Tsangpo Grand Canyon in October 2018. J Hydrol 2020;583:12460. . 10.1016/j.jhydrol.2020.124603
[68]

He J, Zhang L, Xiao T, Wang H, Luo H. Prompt quantitative risk assessment for rain-induced landslides. J Geotech Geoenviron Eng 2023;149(5):04023023. . 10.1061/jggefk.gteng-10980
PDF (11462KB)

Supplementary files

2024-42-11-S326

4901

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉