基于脆弱性曲线的寿溪河流域村镇建筑洪灾风险评估

以寿溪河流域的村镇建筑为研究对象,采用MIKE FLOOD耦合水动力模型计算洪水淹没特征,结合结构静力学原理与洪水冲击荷载经验公式,建立村镇建筑的洪灾脆弱性曲线,开展洪灾风险评估。结果表明,寿溪河流域洪水淹没范围呈狭长的条状,洪水流速较大。低重现期下房屋以中低风险为主,高重现期下高风险与极高风险房屋主要分布在洪水发生点、洪水淹没区以及河坝村附近。建立的脆弱性曲线考虑了洪水流速的影响,能较好地刻画村镇建筑的结构损伤程度。

西南寿溪河小流域山洪预报及地形空间精度影响分析

山洪灾害对山区人民生命财产、经济建设发展危害极大,有效的山洪预报对降低山洪灾害具有重要作用。以西南山洪易发区——寿溪河流域为研究区,采用HEC-HMS模型构建山洪预报模型。模拟结果显示,洪峰流量相对误差均在20%以内,峰现时差均在3h以内,相关系数均值达0.9以上,Nash效率系数为0.855,合格率为100%,表明该模型在寿溪河流域适用性较好。由于山区小流域下垫面情况复杂,地形起伏大,因此进一步探究流域DEM空间精度(12.5、30、90m)对HEC-HMS洪水模拟结果的影响。研究结果表明,DEM分辨率对流域模型参数有一定程度影响,从而导致最终洪水模拟结果的差异;整体而言,DEM分辨率精度越高,寿溪河洪水模拟结果的稳定性及准确性更好,尤其对历时短和降雨过程复杂的场次洪水模拟精度产生的影响更大。

基于深度学习的西南地区寿溪河山洪预报研究

鉴于山洪突发性强、历时短、陡涨陡落等致使在模拟预报过程中具有较大难度和不确定性问题,构建了基于深度学习的LSTM网络模型进行山洪确定性预报和概率预报,从精度和可靠度两方面研究其在西南山区的适用性。并以西南山洪易发区寿溪河流域为例进行模拟,结果显示LSTM网络模型更易发现暴雨洪水之间的深层规律,验证期平均纳什效率系数达0.954,与BP模型相比,显著提升了洪水预报精度,尤其是大洪水;概率预报有效降低了山洪预报的不确定性,洪峰附近的流量数据基本落入预报区间内,有效提高了预报可靠度。

汶川震区寿溪河流域崩滑物源演化特征分析

崩滑堆积体是洪沙灾害的主要物源之一,研究其时空分布与演化特征对洪沙灾害易灾区早期识别、风险区的研判有重要作用。为探究汶川震区洪沙灾害崩滑物源时空演化特征,选择汶川典型流域寿溪河流域为研究区域,对寿溪河流域2007、2009、2012、2015、2018年5期高分遥感数据进行崩滑物源解译,建立了研究区震前—震后崩滑物源的长时间序列数据集,并利用确定性系数(certainty factor,CF),结合高程、坡度、坡向、距沟道距离、距断层距离、年均降水量等关键控制因子,定量分析崩滑物源在各个因子上的活跃程度及演变特征,计算植被覆盖度(vegetation fraction coverage,VFC)与植被恢复速率(vegetation coverage recovery rate,VCRR),探讨植被恢复对崩滑物源活动的影响。结果表明:5期解译的崩滑物源面积分别为15.68×10^(4)、442.45×10^(4)、252.86×10^(4)、146.07×10^(4)、98.97×10^(4) m2,且以指数函数的模式衰减,预测物源面积恢复到震前水平的时间约为21 a。研究区震后崩滑物源活动性最强的区域的高程为1 200~2 400 m,坡度为大于60°,坡向为SE,距沟道距离为小于800 m,距断层距离为小于1 500 m,年均降水量为830~850 mm。演化趋势为崩滑物源在高程大于2 000 m、坡度小于40°、距沟道距离大于200 m、距断层距离大于1 500 m、年均降水量大于840 mm的区域的活动性增强,在坡向为E、SE、S侧活动性减弱。震后VFC随着时间的推移以线性形式增长,预测震后至少14 a植被覆盖度恢复到震前水平;2012、2015、2018年植被恢复中等及以上的区域分别占37.32%、64.24%、70.69%;在植被恢复程度高的地方,崩滑体的活动性低且随着时间的推移而降低,植被的恢复能有效减弱崩滑物源的活动。以上研究对于丰富崩滑物源演化理论与洪沙灾害风险预测具有重要意义。

基于HEC-HMS模型的西南地区典型中小河流洪水预报研究

针对中小河流域洪水目前预报难度较大且精度偏低的问题,采用HEC-HMS模型预报了西南地区典型中小河流——寿溪河洪水情况,并采用SCS曲线法、SCS单位线法及初损后损法、斯奈德单位线法两组组合方案分析了地表径流过程,参数敏感性及模拟结果分析对比表明,在寿溪河SCS曲线法、SCS单位线法模拟效果较好。

基于HEC-HMS模型的西南山区中小河流模拟产沙研究

西南山区中小河流分布广泛,洪水大多汇流时间短,洪峰大,因此携带泥沙破坏力强。以川西南典型山区河流——寿溪河为例,基于HEC-HMS模型中的MUSLE算法构建流域产沙模型。即,首先采用该模型通过产、汇流及河道洪水演算过程对场次降雨进行洪水预报,再依据洪水预报结果基于MUSLE公式进行流域产沙模拟。该公式通过计算流域的产沙过程和泥沙输移过程,预测单场降雨下面蚀和细沟侵蚀的情况。主要涉及到的计算因子包括降雨强度、下垫面情况、地形状况及土壤状况,因此,研究从以上4个方面对流域产沙进行了相关性分析。结果表明:降雨强度与流域产沙量有正相关关系,泥沙区间变化率在趋于初始降雨强度时达到峰值;在计算范围内,当覆被因子减小为原来的20%时,泥沙的区间变化率达到50%,增大为原来的180%时,区间变化率仅为13%;覆被因子和地形因子变化率相同的情况下,流域产沙的变化情况完全相同,在平缓短坡上,下垫面的植被覆盖越密集,流域产沙越少;对流域土壤状况来说,土壤中细颗粒占比越大,流域产沙量越多。