朱成成

(北京市勘察设计研究院有限公司，北京 100038)

泥石流是山区常见的一种由土、岩块等固体物混合雨水形成的高浓度饱和流体在重力作用下沿山谷沟壑等流动的自然地质灾害现象。其危害程度大，破坏力强，通常流速能达到(0.8～28.0)m/s，严重威胁当地的生态环境及人们的生命财产。泥石流危险性是泥石流灾害在各影响因素下发生的密度、规模、频次等的综合反映。近些年，人们开始利用ARCGIS强大的矢量绘图、数据提取及空间分析能力，对泥石流危险性影响因子进行量化分析，得到的危险性计算结果精度更高，评价更为客观。

为有效解决泥石流地质灾害的灾情评估、灾害性预测以及防治决策制定的相关问题，对于潜在泥石流灾害影响范围，业内通常进行面评价和点评价。面评价通常是指对泥石流灾害进行区域性评价，面积可能为几百上万平方千米，评价的区域可能是全国性的也可能是县市域，主要目的是为了区域性防治工程部署以及区域规划提供宏观决策的依据，手段以调查统计为主，最后得出的结果可能定性结合半定量化；点评价通常针对单体泥石流灾害或灾害群，一般不会超过几十平方千米，评价的范围更是小区域，不会超过区县级，主要是为抗灾、救灾和工程防治提供针对性依据，涉及专门的调查统计及部门试验分析，以定量化为主。

针对密云区273条泥石流单沟，制定点、线、面结合辅以遥感解译的方式，进行精细地表调查。根据调查所得资料并参考该地区泥石流灾害频发的经验，分别从地质、地形、激发因素和植被四个方面选择了7个评价因子，通过灰色系统关联度方法分别附以权重，采用对称不等分间隔的三级分割法来划分各因子的等级，其中，各评价因子的最大因子值对应的评分即为各因子权重值，总和为1，其余两级因子值给予对应评分值，最终得到密云区泥石流沟的所有单沟评分，以此划分风险程度等级评定。

1 研究区概况

密云区位于北京市东北部，属燕山山地与华北平原交界地，介于北纬40.22°～40.80°，东经116.66°～117.51°之间，总面积约2 229.0 km2，东、北与河北兴隆、承德、滦平接壤，南临平谷、顺义，西靠怀柔，是华北通往东北、内蒙的要塞。

密云区临接燕山山脉，是燕山山地向华北平原过渡的重要地区，总体三面环山，形似中部低缓，西南开口的簸箕形，整体海拔高度约45.0 m～1 730.0 m，地势整体由东北向西南倾斜，含平原、丘陵、山区等地貌类型，其中，北部及东南部整体山地海拔高度约400.0 m～800.0 m，为中低山区，山体坡度在25°以上的山体约有663.0 km2；占总数46.9%。正中央为北京市重要水源地——密云水库，面积约118.0 km2。海拔约100.0 m～160.0 m，西南部为山前冲积洪积倾斜平原，总面积约185.0 km2，海拔高度约45.0 m～100.0 m，详见图1。

气候上，密云区属暖温带季风型大陆性半干旱气候。密云区1981年—2017年多年平均降雨量为550.3 mm，月均降雨量最高为7月份的180.9 mm(见图2)。据资料显示，密云区新城子镇、石城镇四合堂村及冯家峪镇番字牌村年降雨量较少，在550 mm以下，南部半城子镇及卸甲山等山前地带降雨量较大，在650 mm以上，其余地区降雨量一般在600 mm～650 mm之间，总体上，降雨量自东北向西南递增。

密云区位于华北地台北部边缘，燕山台褶带密(云)怀(来)隆断东部。褶皱断裂构造十分发育。褶皱以线性或规模较大的宽缓褶皱为主。断裂构造以东西向、北东向及北北东向为主，其次为近南北向、北西向断裂。由于该穹断长期的不断上隆以及后期构造的不断叠加及岩浆侵入，因此在基底的线形褶皱上复合了各种形态的晚期褶皱和断裂，使其发生重褶和明显错位，造成构造特征的进一步复杂化[1]。

密云区区域内地层按由老到新主要分为：太古界(Ar)、元古界(Pt)、中生界侏罗系(J)及第四系(Q)，古构造控制了区内的地层的整体分布，其中赤城—长哨营─古北口东西向深大断裂南侧主要为太古界变质岩；该断裂以南主要广泛分布有中、上元古界(Pt)长城系、蓟县系岩土体；密云县城北部山前地区零星出露下古生界寒武系岩土体；密云区北部山前地区零星出露下古生界寒武系岩土体；密云区东北部新城子地区主要分布有中生界侏罗系(J)火山岩；第四系(Q)则遍布于全区，为残坡积，冲洪积等松散堆积物[2]。

北京市密云区山区地下水的补给主要受大气降水与地表水渗流等因素影响，在平原区，密云水库的侧向补给也是影响地表水补给的一个重要因素；地下水的排泄主要为向地表径流、人工开采以及泉水口溢出等。密云北部山区地表水一般沿河道径流汇入密云水库，南部经由地表溪河汇入潮白河水域。

密云区林木资源丰富，全区森林覆盖率达64.31%，林木绿化率72.84%，林木生态覆盖率达82.34%，区内分布有著名的云蒙山国家森林公园。随着社会经济的发展，矿产开发，旅游开发及公共基础设施建设等需求不断扩大，但在不能科学合理做好地质灾害防治工作的前提下，这些开山筑路、垒坝造田及不合理的旅游景点建设等其他人类活动，都可能诱发或加剧地质灾害的发生。

2 泥石流危险性评价

2.1 评价因子的选取

进行危险性评价时，危险性的大小通常用计算危险度得来的数值表示，取值一般在0～1之间，它表示单沟泥石流灾害发生的概率大小。同时，研究泥石流灾害的危险性，主要从泥石流灾害发生的影响因素着手，包括泥石流形成的自身因素(沟长、流域面积等)和外界因素(植被、降雨等)以及历史泥石流发生频率等多方面综合考量。项目通过对地区资料的搜集和对密云区整体泥石流沟内外因素的定量调查，分别从地质、地形、激发因素和植被四个方面选择7个评价因子：松散堆积物储量(B1)、流域面积(B2)、主沟长度(B3)、流域相对高差(B4)、山坡平均坡度(B5)、降水量(B6)、植被覆盖率(B7)作为密云区泥石流评价的主要依据(注：Bi为各评价因子的代号)。

2.2 评价因子的权重

以2017年北京市地质灾害隐患点数据库为基础，选择历史上发生过泥石流的90条沟谷作为样本数据采用灰色系统关联度方法来计算评价因子的权重系数。

灰色关联度模型是研究泥石流危险性评价常用的数值模型之一，它通过计算关联度系数来表示各影响因子对泥石流的致灾作用。该方法主要以分析泥石流灾害发生的概率与评价因子之间的关系为主，认为如果两个评价因子具有相似的变化趋势，则表示两者之间具有较大的关联度；相反，其关联度较小。由此，灰色关联度法对泥石流灾害发育的影响因子量化提供了数值途径。对于基于灰色关联度法的密云区泥石流危险性评价数值模型建立，应有以下步骤：

1)对七个评价因子做均值化处理，消除单位差异影响(见表1)。

表1 评价因子均一化

2)求比较因子(各评价因素)与参考因子(历史泥石流灾害点发生的密度)之间的绝对差(见表2)。

表2 评价因子与泥石流灾害点密度的绝对差数列

3)求最大值和最小值。

4)求Xi(k)与X0(k)的关联系数(见表3)。

其中,k为评价因子；i为泥石流灾害；ri(j)为关联系数；ξ为分辨系数，其值大小与分辨率成反比，取值[0,1],通常取1/2。

表3 灰色关联系数

5)灰色关联度。

通过以上关联度分析，得到各评价因子之间的关联度数值，由此确定了灰色关联序并进行了归一化处理，最终得到了各评价因子的权重系数，如表4所示。可以看出，应用灰色关联度方法构建的泥石流危险性评价模型中松散物储量(B1)影响权重最大，约为36.2%，流域面积(B2)、主沟长度(B3)、流域相对高差(B4)三个致灾因子对泥石流敏感性影响较大且接近15%，山坡平均坡度(B5)、降水量(B6)次之，植被覆盖率(B7)对泥石流灾害敏感性较低。由于各危险因子的取值范围变幅很大，考虑到极大和极小所占比例较少这一事实，采用对称不等分间隔的三级分割法来划分各因子的等级，结合该因子权重赋予各等级得分事实，根据两头少中间多这一特点，在北京市泥石流沟精细调查的基础上，参考已有规范(见表5)，最后汇总各评价因子得分，得出单沟危险度评价得分。对照表5所示的评价标准，对各泥石流沟进行危险程度等级评定(见表6)。

表4 评价因子的灰色关联度及权重

表5 泥石流危险因素取值与危险程度评定表

表6 危险程度等级评定表

3 密云区泥石流沟危险程度评定

本文对研究区泥石流沟域完成了1∶10 000专项地质灾害地表调查，总面积为487.96 km2，包括的乡镇有：溪翁庄镇、西田各庄镇、巨各庄镇、太师屯镇、高岭镇、不老屯镇、冯家峪镇、古北口镇、大城子镇、北庄镇、新城子镇、石城镇。在ArcGIS图层中，对照遥感影像，完成对评价因子数据的精准化提取与解译，最后对应危险程度评定表进行打分，结论显示，密云区泥沟危险度评分几乎集中在0.5～0.8之间，说明该区泥石流整体危险度中等偏上，在泥石流灾害预防与治理方面应引起足够重视。对已有的244条单沟危险度级别进行计算，得出高危险21条，中危险36条，低危险187条，各级别占比见图3，从中可以看出，密云区泥石流沟大部分均为低危险沟，中、高危险沟总共占比在1/5左右，而将密云区泥石流沟危险性整体展布于密云行政区域图中，其结果如图4所示，与现场调查得出的结论吻合度较高，由此推断密云区泥石流沟危险度较高的区域集中在冯家峪镇、不老屯镇与大城子镇，且呈相对密集状态，相关单位对后期相关地质灾害监测、预防工作等进行差异化布置。

4 结论与建议

由灰色关联度模型计算的密云区泥石流沟危险度评价可以得出，该区域低危险性沟占77%，中危险性沟占15%，高危险性沟占8%。从密云区泥石流危险度整体分布上来看，该区域西北部与东南部出现高危险性泥石流沟的概率较大，主要原因是这些区域地质因素、降雨因素以及地形地貌等因素相对利于泥石流的发育，在后期灾害点的防治措施上可对照该区域危险度分布规律结合当地灾害的自然属性进行有针对性的部署，能提高工作效率。