泥石流多参数动态监测预警技术应用——以北京房山南窖泥石流为例

丁桂伶，王翊虹，姚 康，刘欢欢，王强强

（北京市地质研究所，北京 100120）

泥石流多参数动态监测预警技术应用
——以北京房山南窖泥石流为例

丁桂伶，王翊虹，姚 康，刘欢欢，王强强

（北京市地质研究所，北京 100120）

2012年7月21日特大暴雨诱发的泥石流灾害，给北京山区居民生命财产带来了巨大损失。为掌握泥石流灾害诱发因素，减少泥石流危害，以北京市房山区南窖乡南窖沟为例。在对南窖沟详细调查掌握其形成条件和发育特征的基础上，安装布设了雨量、土壤含水率、泥位计及视频监控系统等12台自动化专业监测设备。同时，对监测数据的传输管理进行归纳总结。重点分析研究了2015年汛期专业监测数据，提出了多参数动态监测模式及多参数联动的泥石流灾害综合预警模型。

多参数；动态监测；监测网；预警系统

0 前言

北京山区地质地貌条件复杂、断裂构造发育、地形落差大、汇流作用强、人类工程活动影响强烈，发育了大量泥石流。1950年8月4日泥石流造成门头沟区清水与斋堂两地84人死亡、24人重伤；1969年8月10日怀柔琉璃庙、崎峰茶、八道河、西庄及密云县石城镇等地46条沟谷发生泥石流，造成147人死亡，22人重伤；1991年6月10日泥石流造成密云县冯家峪镇28人死亡，2012年7月21日特大暴雨给首都带来一场特大自然灾害并诱发了崩塌、泥石流、滑坡等地质灾害，造成了79人失踪和巨大的财产损失。

正是由于泥石流灾害的复杂性，如果仅采用单一的方法预测预警都存在着相当大的风险。近年来学者们都开始釆用多种手段、多种方法的预测预警系统。集成式的系统可将不同信息进行对比、验证，从而提高预报警报的精度。1961年中科院在云南蒋家沟建立了东川泥石流观测研究站，采用流速仪、雨量计、次声仪及泥深测量仪等专业监测设备获取了大量的监测数据，为泥石流的理论研究提供数据支持（康志成等，2004）。西南交通大学通过分析泥石流形成机制、运动过程特征、成灾模式等因素，提出了泥石流实时降雨量、土体降雨入渗深度、次声、泥位作为山区泥石流灾害预警关键参数（李朝安，2012）。贵州省以望谟河泥石流为例，实现了对流域内雨量、次声、水位、影像信息的实时动态监控（赵星等，2014）。大量的国内外研究成果认为泥石流监测是泥石流研究的先行手段，而泥石流预警则是根据监测结果，对外发布警报（杨顺等，2014）。

截至目前，北京市已完成密云、门头沟和房山3个区县119处泥石流自动雨量、土壤含水率、次声、3G视频及泥位等专业监测设备的安装、联调联试、监测数据传输及日常管理，初步实现3个区县泥石流灾害的预警预报。本文以其中的房山区南窖沟泥石流作为案例研究，分析了北京地区泥石流多参数动态监测预警技术。

1 泥石流沟特征

南窖沟位于北京市房山区西北部山区，总面积约24km2（表1），流域内有水峪村、南窖村、中窖村、花港村、北安村及三合村等村落（图1），居住人口可达七千人左右，沟内若爆发泥石流将直接对沟内人员生命财产造成威胁。受“7·21”暴雨影响，南窖乡南窖村发生泥石流灾害。灾害造成多处坡体崩塌，河道堵塞，房屋、道路、桥梁与河堤等人工建筑被毁，损失严重。此处泥石流灾害主要特征有3个方面（图2、图3）：

表1 南窖泥石流沟几何特征参数表Tab. 1 the geometric features parameter of Nanjiao gully

图1 南窖村泥石流沟平面示意图Fig. 1 The characteristics of Nanjiao river valley

图2 “7·21”南窖沟沟道冲毁照片Fig. 2 Lots of coal deposition within the channel

图3 “7·21”南窖沟泥石流截面示意图Fig. 3 A cross section of Nanjiao gully

2 多参数动态监测预警系统

2.1 预警关键参数

北京山区泥石流监测主要是根据泥石流形成、运动及成灾机制，监测预警关键参数主要是泥石流的诱发因素降雨量，泥石流形成的地表土体体积含水率、运动过程中的泥位和次声，灾害发生时视频等要素。

2.2 监测网方案

据泥石流勘查规范、泥石流监测预警规范及已有的研究成果总结，泥石流监测网的布设原则为分段逐级布设：形成区布设泥石流雨量及土壤含水率监测点，流通区靠上布设泥石流次声监测点，流通区靠下布设泥石流泥位监测点，堆积区布设视频监控设备。房山南窖泥石流沟作为北京山区示范研究沟，共布设了12套专业监测设备（图4），其中雨量计6套，土壤含水率2套，泥位计2套，视频监测仪2套。

2.3 监测数据实时自动传输

泥石流监测数据的远程实时传输是构建自动监测网络的关键技术之一，根据北京地区泥石流分布等基本特征及传输方式的优缺点，监测数据传输方式采用的是以GPRS通讯为主，北斗卫星通讯为辅，各自有以下优点：

图4 南窖泥石流灾害监测网布设示意图Fig. 4 Automatic monitoring network of debris fl ow

（1）GPRS通讯

GPRS（General packet radio service）是GSM支持的一种数据传输方式，具有以下优点：①GPRS网络覆盖范围广，山区也有较强的信号；②接入及接入等待时间短，可快速建立连接；③数据传输速率高，传输速率一般在56 kbps以上；④实时在线功能，保证数据的实时传输，且支持高速的数据传输要求；⑤费用低。

（2）北斗卫星通讯

北斗卫星系统是我国自主研发的导航定位通信系统，信号覆盖我国领土及周边地区，其具有定位及通信复合功能，能够提供授时和双向短报文通信功能，为泥石流灾害监测提供了一种稳定可靠的数据传输方式（朱永辉等，2010），具有以下优势：①监测数据保证实时传输；②覆盖范围大；③具有独立的集团组网数据通讯功能，受天气影响较小，特别适合于分布于大面积范围内的用户监控管理和数据采集与传输应用；④我国自主研发的，监测数据传输可靠、稳定、安全。

综上两种数据传输方式，可知：GPRS覆盖范围广，传输速率满足监测数据传输要求，GPRS通讯为南窖沟泥石流监测数据传输的主要手段，当传输数据量大的视频监控数据时，则采用、3G/4G网络的数据传输方式，实现泥石流灾害无线自动化监测；北斗系统覆盖范围更广更大，主要用于泥石流灾害监测点在无GPRS信号覆盖范围条件下除视频监控数据以外的小量数据传输。

2.4 监测预警临界值确定

（1）降雨量

白利平等（2008）学者已对历史上北京市泥石流灾害发生时的降雨量进行分析计算，提出了泥石流灾害发生的最大10分钟、最大1小时和当日激发雨量是泥石流发生的主要诱发因素，而前期雨量对泥石流灾害的发生影响很小。依据该成果，本文对南窖沟以往泥石流灾害数据进行了统计分析，提出了北京地区泥石流灾害雨量阈值为：最大10分钟雨量≥5.1 mm；最大1小时雨量≥24.3 mm;当日激发雨量≥100 mm.

（2）土壤含水量

胡凯衡等（2014）学者基于国内外泥石流启动的观测试验数据，利用逐步回归分析法，建立了临界含水量公式： ，式中：Wa为临界土体体积含水率，（%）；K为土体渗透系数， ；Cc为土体颗粒级配分布曲率系数；n为土体孔隙率（%）。依据该成果，本文通过现场详细调查及室内土工试验测得南窖泥石流沟土体渗透系数、土体颗粒级配分布曲率系数、土体孔隙率分别为2.95mm/s、30.1、0.76，经计算获得了南窖泥石流沟临界体积含水量为26.02 %。

（3）泥位

李朝安等（2011）学者根据实时监测到的泥石流沟道泥位值，提出了根据泥位的预报判别式：D=H/h。式中：D为危险度，H为泥位，h为安全泥位。0＜H＜正常洪水位，则为安全状态；正常洪水位＜H＜0.9h，处于安全状态，但发泥石流黄色预警；H≥1.1h，处于危险状态，发出泥石流红色预警；0.9h≤H＜1.1h，处于灾变的临界状态，发泥石流橙色预警。

本次根据全国山洪灾害防治项目组2014年3月下发的《山洪灾害分析评价技术要求》，采用曼宁公式得出各设计断面的水位流量关系曲线，绘制洪水位线（图5），分别计算出了南窖沟的100年、50年、20年、10年及一年一遇的洪峰水位值为3.8m、3.62m、3.5m、2.3m、0.7m。依据上述资料，可以进行南窖泥石流沟的泥位临界值判断。

图5 南窖沟泥位计安装断面洪水位线Fig. 5 the design fl ood line in Nanjiao gully

3 监测数据分析

3.1 数据管理

泥石流灾害监测数据的管理主要包括泥石流灾害雨量、泥位、含水率及视频等监测数据的自动采集、传输和集成（图6），本文主要研究数据集成环节的“地质灾害监测数据集成系统”的设计与实现。

3.2 数据分析

（1）雨量监测数据

图6 泥石流灾害无线自动化监测示意图Fig. 6 Automatic monitoring of debris fl ow

北京地区的主汛期一般从每年的7月至9月，本次搜集北京南窖泥石流沟安装的4台雨量监测仪的自2015年7月1日至2015年9月30日的降雨数据（图7），各雨量仪分别安装在南窖沟的主沟的形成区、主沟道的流通区、中窖村所在的右支沟及大西沟村所在左支沟。

由图7可知：（1）北京地区2015年7月1日至9月30日经历了四次集中降雨，其中2015年7月17日降雨量最大，日降雨量高达180.5 mm；（2）南窖泥石流沟不同位置处的降雨量值具有一致性，均在同一天出现了峰值；（3）在大暴雨时在泥石流沟主沟的形成区值最大，主沟流通区降雨值其次，左右支沟相对较小。但当雨量较小时，泥石流沟不同位置处的雨量值则没有一定的规律性。

图7 雨量监测成果Fig. 7 The results of rainfall monitoring

（2）土壤含水量监测数据

南窖乡中窖村东南沟土壤含水率仪分别在距地表30cm、60cm、100cm深度处埋设了3个传感器探头，本次工作搜集了2015年7—9月仅100天的降雨及土壤含水率的监测数据

由图8可以看出：（1）土壤含水率的变化与降雨的变化趋势是一致的，在降雨集中的时间点土壤含水率值出现峰值；（2）由于中窖村沟道内的物源以第四系堆积的碎石土为主，在30cm、60cm、100cm不同深度处的土壤含水率的变化趋势具有很好的一致性，但由于降雨在入渗的过程中有部分损失，所以随着土壤含水率仪传感器探头埋深的增加，其值有变小的趋势；（3）土壤含水率的值随着集中降雨会有突变，但并不会随着降雨减少或停止而回到降雨前的值，入渗到堆积体内的降雨量消散的过程很慢。

图8 土壤含水量-时间监测成果Fig. 8 The results of soil water content--time line

图9 泥位-时间监测成果Fig. 9 The results of mud meter--time line

（3）泥位计

对南窖沟中下游安装的泥位计与雨量计在2015年7月23日—7月29日一次集中降雨过程中的监测数据进行了对比分析（图9），可以看出：当降雨一段时间后，沟道内才会形成径流，沟道内泥位值测得的时间要比雨量计略微之后；当降雨减小或者停止时，泥石流沟道内径流不会立刻断流，而是滞后减退的。

（3）监测数据与经验阈值对比分析

将目前已有的雨量、土壤含水率及泥位研究阈值与监测数据进行对比分析，2015年7月17日南窖沟日降雨量高达180.5 mm，远超过了目前已有成果给出的北京市地区100 mm的临界雨量阈值。2015年7月17日南窖沟在距地表30 cm深度处，有3次监测数据短时间内达到了27.9%、26.9%、26.7%，其值超过了按照目前较为成熟方法计算出的临界含水量值26.02%。2015年7月17日南窖沟沟道内未形成径流，泥位计未监测到数据，而在2015年7月28日南窖沟的最大泥位值为0.74 m，略大于1年一遇的洪水位0.7m，且随后很快减退了。

按上述数据分析可知：若按照单一雨量指标作为预警阈值，可以判断南窖沟7月17日很大可能发生了泥石流灾害；若按照单一土壤含水率作为预警阈值，可以判断南窖沟在7月17日很可能发生了泥石流灾害。但将雨量、土壤含水率及泥位3个指标的监测数据综合对比分析，不难看出南窖沟2015年汛期仅在7月17日发生了大暴雨，但未在沟道内形成径流，未发生泥石流灾害。

据北京市国土资源局应急调查队资料显示，北京市房山区南窖乡南窖沟2015年度均未发生泥石流灾害。这一论证与雨量、土壤含水率及泥位3项监测数据综合分析的结论是一致的。因此，仅用一种监测数据及预警阈值很难对泥石流灾害，做出较为全面准确的预警预报。

4 结论

（1）在充分考虑先进性的基础上，还要确保监测技术的可操作性，优先选择成熟稳定、应用程度高的监测技术与设备，监测仪器专业化、自动化、远程遥测化程度高，多种监测方法相互验证，确保资料准确可靠。

（2）总结分析了南窖沟布设的12套专业监测设备，提出了监测网布设原则为分段逐级布设，即上游（形成区）布设泥石流雨量及土壤含水率监测点，中游（流通区）靠上布设泥石流次声监测点，中游（流通区）靠下布设泥石流泥位监测点，下游（堆积区）布设视频监控设备。

（3）泥石流监测数据的远程实时传输是构建自动监测网络的关键技术之一，根据北京地区泥石流分布等基本特征及传输方式的优缺点，监测数据传输方式采用的是以GPRS通讯为主，北斗卫星通讯为辅。

（4）采用单一监测指标及预警阈值很难对泥石流灾害做出较为准确的预警预报，建议泥石流灾害监测预警应采用多参数动态的监测模式及多参数联动的综合预警模型。

白利平，孙佳丽，南赟，2008. 北京地区泥石流灾害临界雨量阈值分析[J]. 地质通报，27(5)：674-680.

胡凯衡，马超，2014. 泥石流启动临界土体含水量及其预警应用[J]. 地球科学与环境学报，6(2)：73-80.

康志成，李焯芬，2004. 中国泥石流研究[M]. 北京：科学出版社.

李朝安，胡御文，王良玮，2011. 山区铁路沿线泥石流泥位自动监测预警系统[J]. 自然灾害学报，20(5)：74-81.

李朝安，2012. 西南山区铁路沿线泥石流监测与预警研究[D]. 西南交通大学.

杨顺，潘华利，王钧，等，2014. 泥石流监测预警研究现状综述[J]. 灾害学，29(1)：150-156.

朱永辉，白征东，过静珺，等，2010. 基于北斗一号的地质灾害自动监测系统[J]. 测绘通报，(2)：5-7.

赵星，李龙，李禹霏，等，2014. 泥石流自动化监测预警技术的应用——以贵州省望谟县望谟河泥石流为例[J]. 工程地质学报，22(3)：443-449.

Application of Early Warning Technology to Multi-parameter and Dynamic Monitoring of Debris fl ow —A Case Study of Nanjiao Gully in Fangshan District, Beijing

DING Guiling, WANG Yihong, MAO Jian, YAO Kang, LIU Huanhuan, WANG Qiangqiang

(Beijing Institute of Geology, Beijing, 100120)

Lots of debris fl ow happened on 21th July, 2012, in Beijing , which caused great loss to local residents. Based on fi eld geological survey, an automatic monitoring and warning system is constructed to decrease the harm. The reasonable fi eld monitoring system is composed of rain gauge, water content of mud and mud level meters as well as video device, which constitute the monitoring network. The twelve suits of monitoring equipment had been used in Nanjiao Gully in Fangshan District. This paper key research has analyzed and studied monitoring data and existing results on July to September in 2015. On this basis, it found that the automation system can make effectively real-time dynamic monitoring and early warning.

Multi-parameter; Dynamic monitoring; Monitoring network; Early warning system

P642.23

A

1007-1903（2017）01-0111-06

10.3969/j.issn.1007-1903.2017.01.020

北京市科学技术委员会科技计划项目（Z141100003614052）资助；北京市突发地质灾害监测预警系统（一期）工程（京发改[2011]1527号）资助

丁桂伶（1982- ），女，博士，高工，主要从事地质灾害监测预警及减灾防灾研究。E-mail：06115242@bjtu.edu.cn