Analysis of Climate Change and Vegetation Change in the Yangtze River Source
-
摘要:
长江源处于高寒、高海拔的青藏高原腹地，生态系统脆弱。受全球气候变化和人类活动的影响，与源区生态系统密切相关的冰川冻土、沼泽湿地和植被等出现了不同程度的退化现象，引起了社会各界的广泛关注。笔者利用长时序、高时空分辨率的气象和MODIS NDVI数据，结合数理统计方法，分析了长江源气候和生态植被的时空演化特征，探讨了植被对气候和土壤水的响应机制。结果表明：近40年来长江源降雨量和地面气温在空间上从东南向西北呈递减特征，各区域气温整体上均有递增趋势；东部植被生长状况要好于西部地区，2000年以来长江源整体植被生长状况有逐渐转好趋势；受冻土对气温的敏感性影响，长江源生长季植被受气温的影响程度高于降雨；长江源生态植被受土壤含水率影响较大，影响程度由表层到深部有逐渐减弱趋势。
Abstract:The source of the Yangtze River is located in the remote and high-altitude Qinghai-Tibet Plateau, where the ecosystem is fragile. Influenced by global climate change and human activities, various elements closely related to the ecological system of the source area, such as glaciers, permafrost, swamps, wetlands, and vegetation, have experienced different degrees of degradation, which has aroused widespread concern from various sectors of society. This article analyzes the spatiotemporal evolution characteristics of the climate and ecological vegetation in the Yangtze River source region using long-term, high spatiotemporal resolution meteorological and MODIS NDVI data, combined with mathematical and statistical methods, and explores the response mechanism of vegetation to climate and soil water. The results show that over the past 40 years, the rainfall and surface temperature in the Yangtze River source region have decreased from southeast to northwest, and the temperature in each region has generally increased. Vegetation growth in the eastern region is better than that in the western region, and since 2000, the overall vegetation growth in the Yangtze River source region has gradually improved. Due to the sensitivity of permafrost to temperature, vegetation growth during the growing season in the Yangtze River source region is more affected by temperature than rainfall. The ecological vegetation in the Yangtze River source region is greatly influenced by soil water content, and the degree of influence gradually weakens from the surface to the deep layers.
-
Keywords:
- Yangtze River source /
- climate /
- vegetation /
- trend analysis /
- response mechanisms
-
矿渣型泥石流是山地地区矿产资源开发活动中不合理堆排废石弃渣引发或加剧的、严重危及矿山正常生产和人民生命财产安全的一种地质灾害类型（张丽萍，2001；康志成，2004；徐友宁，2006；杨敏，2021）。矿渣型泥石流复杂的启动机理会严重影响对其防治对策的针对性。因此，深入研究矿渣型泥石流的启动机理具有重要的理论和现实意义。近年来，国内外众多专家学者通过现场调查、物理模拟和数值模拟等方法手段，取得了一系列关于矿渣型泥石流启动机理方面的研究成果（王永清，2006；徐友宁，2009；吕学军，2011，李晓晨，2014；洪磊，2017；刘兴荣，2018；黄家华，2023）。国外学者通常将矿渣型泥石流和采矿事故归为一类进行研究，专门研究矿渣型泥石流的文献较少，有学者研究认为采矿废渣启动形成泥石流主要是细颗粒在水流侵蚀作用下导致的（O Hungr et al.，2002；Berti ，2005；Gregoretti，2008）。中国学者取得了一些对研究矿渣型泥石流启动机理可以借鉴的成果：①通过物理模拟，研究了物源条件、水源条件、地形条件及这些条件的组合对泥石流启动的影响和控制作用，揭示了不同组合条件下试验研究中泥石流的启动条件、物源破坏方式和演化过程（徐友宁等，2009；倪化勇等，2014；刘兴荣等，2018；罗阳，2018；林斌等，2019；王锴等，2019；李宁等，2020）。②通过物理模拟，提出了基于水力类泥石流启动机理计算泥石流预警雨量阈值的方法，并基于试验发生破坏的临界雨量修正了传统I-D预警模型（孟华君等，2017；乔建平等，2018）。③通过数值模拟，在泥石流危险性和风险评价基础上提出了实施风险减缓措施，提出了泥石流治理工程效益评价方法（丛凯等，2019；唐亚明等，2021）。
笔者依托中国地质调查局“熊耳山–伏牛山矿集区生态修复支撑调查”项目，以河南省栾川县康山金矿区为研究对象，在系统收集、整理、分析、总结已有调查资料数据的基础上，通过野外实地调查，获取了康山金矿区采矿废石渣堆的空间分布位置和物源特征，在对野外现场取回的废石渣样进行粒度特征分析后，通过室内物理模拟试验，探究矿渣型泥石流启动机理，探讨影响和控制矿渣型泥石流启动的矿渣颗粒级配、沟道底床坡度、启动临界水量等主要因子之间的定量关系，分析不同影响因子作用下矿渣型泥石流的启动方式，以期为今后矿渣型泥石流启动模拟试验的开展和泥石流启动机理的深入研究提供借鉴和参考。
1. 研究区概况
康山金矿区地处华北陆块南缘熊耳山地区，流域面积22.16 km2，海拨 1 000～1 671 m ，主体山脉呈EW向展布，属侵蚀构造型的中低山地貌。地表切割强烈，坡度陡峭（一般30°～55°），沟谷发育，呈“V”字型，局部直立呈陡崖。巨大的相对高差及陡峻的沟床比降为水源和物源的快速汇集提供了有利的地形地貌条件，也为泥石流的形成提供了充分的势能条件。泥石流物源所在沟谷参数见表1。
表 1 康山金矿区泥石流物源所在沟谷基本情况表Table 1. The basic situation of the valley where the source of debris flow is located in the Kangshan gold mining area沟谷 流域面积（km2） 最高点高程（m） 最低点高程（m） 沟谷长度（m） 相对高差（m） 纵坡降比（‰） 后木寺 1.08 1580 1235 1434 345 240.59 大南沟 0.72 1589 1235 1410 354 251.06 小北沟 0.50 1576 1203 1338 373 278.77 韭菜沟 0.43 1610 1172 1423 438 307.80 排土场 0.19 1494 1176 843 318 377.22 星星印 1.71 1614 1079 2221 535 240.88 杏树芽 0.84 1411 1052 1424 359 252.11 康山金矿区属暖温带落叶阔叶林区，雨水充沛，每年降水多集中在6～9月（图1），且多为暴雨形式出现，年平均降水量838.7 mm，年最大降水量1 386.1 mm（1964年）（图2），月最大降水量179.2 mm （2021年8月），日最大降水量159.2 mm （2010年7月24日），1 h最大降水量49 mm （2019年8月21日6时），充沛的降雨为康山金矿区矿渣型泥石流的形成提供了充足的水源条件。
![]()
图 1 研究区2015～2022年5～10月平均降雨量情况Figure 1. The monthly average rainfall in the study area from May to October 2015 to 2022康山金矿区主要开采破碎带蚀变岩型和石英脉型金矿，采矿排放的废石弃渣岩石多呈晶质结构，条带、条纹或块状构造，裂隙不发育，质地坚硬，棱角明显，抗压、抗风化能力强，斜坡岩土体稳定性差。康山金矿区泥石流形成区的主沟道较为顺直，矿渣集中分布于沟谷上游，仅主沟上游和其中一条支沟现有采矿废石渣堆16处，方量13.15万m3；矿区内现有尾矿库4处，方量230万m3。坡面及沟道内堆放的废石渣场地形为阶梯状，外观呈一级或多级台阶状的人工堆积体（图3），台阶高度一般2～7 m，个别达数十米，渣堆坡面角17°～40°。实地调查的16处典型废石渣堆中，47%的废石渣堆进行了植被复垦，76.5%的废石渣堆无拦渣坝、挡土墙或截排水沟，仅有23.5%的废石渣场有拦渣坝、挡土墙或截排水沟。这为泥石流的形成提供了充足的物源条件。
![]()
图 3 典型矿渣堆积体形态参数（a）及断面剖面图（b）Figure 3. (a) Morphological parameters and (b)cross-sectional view of typical slag deposits栾川县历史上曾多次暴发山洪、泥石流灾害，多发生于7、8月份。其中，2010年7月24日，受强降雨影响，栾川县境内多地暴发泥石流灾害，造成直接经济损失19.8亿元，死亡68人，失踪21人。“7•24”泥石流灾害中，位于白土镇康山村的康山沟发生了矿渣型泥石流。本次研究实地调查中，在康山沟下游河床较平缓地段依然可见采矿废渣堆积体，这是康山金矿区曾经发生矿渣型泥石流的间接证据（图4）。
2. 研究方法
2.1 试验装置
由于国内没有比较成熟的泥石流模型相似率研究成果（王协康，2000）。因此，本研究参照一般惯例，对水槽的几何尺寸、容重等予以保证，结合野外实地调查结果，最终确定以大南沟沟道横断面作为模型参考原始横断面，沟口处渣堆厚度为原型（图5）。根据曹琰波（2008）和李书钦（2009）推导出的各相似比的关系，确定了本次试验的相似比（表2）。考虑综合因素，设计制作了水槽试验装置，试验装置主要由试验水槽、沉砂池、供水系统、数据采集系统和水槽提升系统等5部分有机组成（图6）。
![]()
图 5 大南沟沟口渣堆形态参数（a）及断面剖面图（b）Figure 5. (a) Morphological parameters and (b) cross-sectional view of the slag pile at the outfall of Danangou表 2 泥石流启动水槽试验装置相似比Table 2. Similar ratio of physical simulation test devices for debris flow startup物理量 宽度 容重 应力 内聚力 泊松比 内摩擦角 雨强 流量 计算式 $ {C}_{l} $ $ {C}_{r} $ $ {C}_{\sigma }={C}_{l} \cdot {C}_{r} $ $ {C}_{c}={C}_{r} $ $ {C}_{\mu } $ $ {C}_{\varPhi } $ $ {S}_{p}={{C}_{l}}^{\frac{1}{2}} $ $ Q={{C}_{l}}^{\frac{5}{2}} $ 相似比 100 1 100 1 1 1 10 105 ![]()
图 6 泥石流启动水槽试验装置、物料铺设及传感器布置图Figure 6. Layout of water tank material laying and sensor for physical simulation test of debris flow startup试验选用3个孔隙水压力和3个体积含水率传感器，埋设位置见图6。孔隙水压力传感器型号为YTYL0101型，精度为0.1% F.S；体积含水率传感器型号为YTDY0102型，精度为0.1% F.S。数据采集方式为自动化采集，传感器直接接入自动化数据采集系统，通过计算机设置采集频率（3 s）实时获取孔隙水压力和体积含水率变化特征。传感器具体参数见表3。
表 3 泥石流启动物理模拟试验所用传感器参数Table 3. Parameters of sensors used in physical simulation test of debris flow startup传感器类型 型号 规格 精度 输出信号 体积含水率 YTDY0102 0～100% 0.1%F.S RS485数字信号 孔隙水压力 YTYL0101 100 Kpa 0.1%F.S RS485数字信号 试验通过改变水槽坡度、冲水流量和颗粒级配，研究矿渣型泥石流启动特征，探讨影响和控制矿渣型泥石流启动的矿渣颗粒级配、沟道底床坡度、临界水量等主要因子之间的定量关系。根据野外实际调查，研究区泥石流形成区的平均坡度为10°，结合坡度增减对泥石流形成过程的影响，最终确定以坡度为5°、8°、10°、15°和20°作为试验坡度。试验水槽长4 m，宽40 cm，侧面高50 cm，同时水槽侧壁贴有横向和纵向刻度标尺，精度为0.1 cm，以便读取水槽的刻度和试验过程影像，获取泥石流启动特征。试验过程中采用控制阀和瞬时流量计定量控制流量作为泥石流启动过程中清水流量值（L/s），以模拟地表径流冲蚀破坏矿渣堆的情况。试验条件参数见表4。
表 4 泥石流启动物理模拟试验条件参数Table 4. Debris flow startup physical simulation test parameters试验水槽条件 试验参数设计 长度尺寸（cm） 断面尺寸（cm） 物料堆放（cm） 水槽坡度（°） 颗粒级配（细颗粒含量，%） 400 50×40 70×50×10 5，8，10，15，20 7，15，20，25，30，35，40 为更贴近实际情况，本试验装置设计有清水流通区、物源区、泥石流形成区和堆积区。其中，清水流通区长210 cm，物源区长70 cm（矿渣样堆积体厚度10 cm），泥石流形成区长120 cm。为减小边界效应对试验结果的影响和便于从水槽侧面观察水流对采矿废渣的冲刷过程，水槽两侧安装钢化玻璃，整个试验过程中在水槽正面和侧面各架设一台高清摄像机，对试验现象进行实时记录。试验水槽参数见图7。
![]()
图 7 泥石流启动物理模拟试验水槽参数Figure 7. Parameters of the water tank for the physical simulation test of debris flow startup2.2 试验材料
试验材料取自研究区大南沟沟口附近坑口采矿废石渣堆，经过晾晒、过筛和颗粒分析，获得了该处矿渣的颗粒级配和试验材料颗粒级配（图7）。前人研究成果表明，废石渣堆颗粒粒径d=2 mm对泥石流的区分具有重要意义（费祥俊，2004）。因此，将粒径小于2 mm的颗粒视为细颗粒，大于2 mm的颗粒视为粗颗粒。为了减小尺寸效应的影响，直径大于60 mm的块石被剔除，其细颗粒含量占采取的矿渣总量的7%，干渣容重18.24 KN/m3，孔隙度为0.31。试验材料颗粒级配见图8。由于研究区采矿废渣堆密实度、细颗粒含量及内摩擦角的不同，使得渣堆在外力条件下剪切破坏存在差异，这些特征将影响到矿渣型泥石流的启动方式和机理。
3. 结果分析
分别在5种坡度、15种冲水流量和7种细颗粒含量的条件下进行了共计25组试验（表5）。
表 5 泥石流启动物理模拟试验结果汇总Table 5. Summary of physical simulation test results of debris flow initiation试验
组次冲水流
量（L/s）底床坡
度（°）细颗粒
含量（%）启动方式 D01 0.82 10 7 顶面侵蚀+流态化 D02 0.88 10 7 顶面侵蚀+流态化 D03 1.19 10 7 顶面侵蚀+流态化 D04 1.24 10 7 顶面侵蚀+流态化 D05 1.40 10 7 顶面侵蚀+流态化 D06 1.45 10 7 流态化 D07 1.48 10 7 流态化 D08 1.99 10 7 顶面侵蚀 D09 2.07 10 7 顶面侵蚀 D10 2.32 10 7 顶面侵蚀 D11 2.43 10 7 顶面侵蚀 D12 2.97 10 7 顶面侵蚀 D13 3.10 10 7 顶面侵蚀 D14 3.52 10 7 顶面侵蚀 D15 5.95 10 7 顶面侵蚀 D16 1.48 5 7 顶面侵蚀 D17 1.48 8 7 顶面侵蚀 D18 1.48 15 7 流态化 D19 1.48 20 7 顶面侵蚀+流态化 D20 1.48 10 15 流态化 D21 1.48 10 20 顶面侵蚀 D22 1.48 10 25 顶面侵蚀 D23 1.48 10 30 顶面侵蚀 D24 1.48 10 35 顶面侵蚀 D25 1.48 10 40 顶面侵蚀 3.1 试验现象
通过对试验现象的观察分析发现，不同水槽坡度、不同冲水流量和不同细颗粒含量条件下，泥石流的启动过程不同，分别为：
（1）顶面侵蚀型启动方式。
水槽坡度分别为5°、8°的两组试验，冲水流量为1.99 L/s～5.95 L/s的8组试验，细颗粒含量为20%～40%的5组试验，表现为该类启动方式。由于水槽坡度较小，或冲水流量较大，或试验材料细颗粒含量较高，试验开始后在径流作用下，水流在堆积体上部快速汇集，水流在堆积体顶面形成束流快于在堆积体内部的下渗，在堆积体顶部坡面束流的作用下，堆积体下部表层细颗粒首先被带走，随后侵蚀作用由堆积体表面向内部、下部向上部发展，最后引起上部堆积体的揭底启动形成泥石流，其启动过程见图9。
（2）流态化型启动方式。
水槽坡度分别为10°、15°的2组试验，冲水流量为1.45 L/s、1.48 L/s的2组试验，细颗粒含量为7%、15%的2组试验，表现为该类启动方式。分别在水槽坡度、冲水流量适中或细颗粒含量较低条件下，试验开始后在径流作用下，水流在堆积体的下渗速率与其在顶部表面形成束流的速率相当，在堆积体顶部表面形成径流的同时，堆积体含水量不断增加，逐步达到饱和状态。随着水流的入渗作用，堆积体下部开始失稳，坡脚首先向下滑动，逐渐堆积体上部发生整体失稳，在水流的参与下，并呈流态化迅速形成泥石流，其启动过程见图10。
（3）顶面侵蚀+流态化型启动方式。
水槽坡度为20°的1组试验，冲水流量为0.82～1.40 L/s的5组试验，表现为该类启动方式。在水槽坡度较大或冲水流量较小试验条件下，试验开始阶段在径流作用下，水流不断渗入堆积体，从堆积体下部坡脚有水渗出时堆积体并未达到饱和状态，此时在堆积体顶部表面形成径流，并逐渐侵蚀表层堆积体，坡脚首先出现滑动，随着含水量的升高，堆积体整体达到饱和状态，开始呈现大面积流态化现象，形成泥石流。其形成过程见图11。
3.2 试验现象分析
（1）顶面侵蚀型启动方式。
分析D24组试验数据，得出顶面侵蚀型泥石流孔隙水压力和体积含水率变化特征（图12）。
![]()
图 12 D24组次试验体积含水率和孔隙水压力变化过程Figure 12. Variation process of volumetric water content and pore water pressure in D24 sub-test结果显示，该类泥石流的孔隙水压力和体积含水率曲线呈现以下几方面特征：①在径流作用下，随着水流在堆积体上部快速聚集，在堆积体顶部表面迅速形成径流，堆积体的体积含水率和孔隙水压力呈现逐渐增加趋势。②随着堆积体下部表层颗粒被水流不断冲走，下部的体积含水率率先达到峰值，此时下部堆积体启动，该处孔隙水压力随即下降，并逐渐消散。③侵蚀作用由堆积体下部向中上部继续发展，中部和上部堆积体含水率继续增加到一定程度时，导致中上部堆积体揭底启动形成泥石流，孔隙水压力随即下降，并逐渐消散。
综合此类启动模式的试验条件、启动现象及孔隙水压力变化特征，顶面侵蚀型启动主要是由于坡面径流的形成快于内部下渗速率，导致渣堆中细颗粒先被带走，粗颗粒重新排列。由于渣堆颗粒之间无黏结，当受力平衡被打破，骨架颗粒的抗力小于水的地表径流冲刷力和骨架颗粒自身重力时，渣体就会显示出一层层被剥离，被水流带走的现象。
（2）流态化型启动方式。
分析D07组试验数据，得出流态化型泥石流孔隙水压力和体积含水率变化特征（图13）。
![]()
图 13 D07组次试验体积含水率和孔隙水压力变化过程Figure 13. Variation process of volumetric water content and pore water pressure in D07 sub-test结果显示，该类泥石流的孔隙水压力及体积含水率曲线表现出明显的上升和下降特征，但其下降过程未出现与顶面侵蚀型类似的过程，而是呈现出同步变化趋势。其数据变化主要分为两个阶段：①在渗透作用下，体积含水率和孔隙水压力急速上升到峰值，含水率峰值表现为堆积体中部小、堆积体上部和下部大，这与堆积体的触水顺序、堆积形态和体量有关，而孔隙水压力的峰值大小则与堆积体坡面形态有关。②在堆积体呈现流态化现象启动后，含水率传感器暴露在空气中，水量迅速流失，体积含水率降至初始数值，而孔压则是由上部至下部依次回落至初始状态，说明启动后堆积体含水量迅速下降，而孔压则是由堆积体上部转移到了下部，堆积体流态化启动时呈现整体失稳自上而下滑动，抬高了坡脚部分的坡面高度，导致堆积体下部的孔压会有一个短暂的稳定过程且大于上部和中部的孔压值。
综合此类启动模式的试验条件、启动现象及孔隙水压力变化特征，流态化型启动方式主要是由于矿渣颗粒被水流渗透破坏而形成的。此类启动方式的渣堆细颗粒含量都较少，坡面径流和内部入渗速率相当，即渣堆是经历了一个从上到下完全贯通饱和的过程。坡脚在达到饱和后，率先在水流的推动作用下整体坍塌、移动。而上部渣堆在整体已达到饱和的情况下，由于坡脚渣堆的失稳，致使其失去底部支撑力，在蓄积的水流压力和已经贯通其中的内部径流推动下，整体发生坍塌、移动，形成大流量、大重度的泥石流。
（3）顶面侵蚀+流态化型启动方式。
分析D19组试验数据，得出顶面侵蚀+流态化型泥石流孔隙水压力和体积含水率变化特征（图14）。
![]()
图 14 D19组次试验体积含水率和孔隙水压力变化过程Figure 14. Variation process of volumetric water content and pore water pressure in D19 sub-test结果显示，试验开始后，堆积体含水率也会有一个升降过程，但总体持续时间上要大于流态化方式启动时间，主要具有以下3方面特征：①堆积体形成顶部表面径流和底面径流，此时含水率传感器和孔压传感器会先后达到峰值，但在坡脚部分因坡面径流和底面径流作用先达到饱和状态并受到一定的冲蚀作用下先行启动后，坡脚部分的含水率传感器会突降至初始状态，此位置的孔压传感器也会稳定下来，位于中部和上部的孔压传感器因表层已启动会有一个突降的现象。②当坡脚启动后水流在堆积体内部继续入渗，表层以侵蚀下切形式继续启动，此过程中上部堆积体的含水率会逐渐下降，堆积体中部逐渐达到饱和状态，体积含水率会有一个微小的抬升，而后开始下降，而3个位置的孔压传感器数值则会相对稳定在一个状态持续到试验结束。③此种启动方式下，传感器的数据在堆积体启动结束前会有一个相对稳定的过程。
综合此类启动模式的试验条件、启动现象及孔隙水压力变化特征，顶面侵蚀+流态化型启动方式主要是由于矿渣颗粒同时被水流渗透和径流冲蚀破坏而形成的。此类启动方式的渣堆细颗粒含量都较少，冲水流量也不大，水流在渣堆内部的渗透速率要大于其形成坡面径流的速率。由于冲水流量较小，矿渣颗粒之间的孔隙又较大，故水流会在渣堆内部由上至下逐步渗透使渣堆达到饱和状态，降低了渣堆颗粒间的剪切力在渣堆完全饱和后，渣堆由下至上开始由发生局部的坍塌到整体揭底启动形成泥石流。同时，在渣堆表面形成坡面径流带走渣堆中的细颗粒形成浑浊的泥流，增加了对渣堆表层颗粒的冲击力，带动渣堆由表向里层层剥蚀启动。
3.3 孔隙水压力分析
通过对泥石流不同启动方式传感器数据的观察与分析发现，无论是何种启动方式孔隙水压力都会有一个突变升高的过程，当孔隙水压力达到峰值时松散堆积物开始启动。通过对相同冲水流量（1.48 L/s）下不同坡度和不同细颗粒含量的孔隙水压力进行分析得出（图15、图16），水槽坡度越大，泥石流启动所需的外动力越小，相应的泥石流启动孔隙水压力也随之减小。在坡度为5°时，启动孔隙水压力最大，为1 KPa；坡度为20°时，启动孔隙水压力最小，为0.5 KPa。在相同坡度、不同级配条件下，启动孔隙水压力与细颗粒含量变化关系不明显。
![]()
图 15 泥石流启动临界孔压与坡度变化关系图Figure 15. The relationship between the critical pore pressure and slope change at the start of debris flow![]()
图 16 泥石流启动临界孔压与细颗粒含量变化关系图Figure 16. The relationship between the critical pore pressure and the content of fine particles at the start of debris flow3.4 不同冲水流量条件下泥石流启动分析
本组别试验为D01～D15组，各组次试验相同的条件是：固定底床坡度为10°，采用图3所示级配散粒干渣40 kg，以10 cm厚度、70 cm长度堆置于底床具有一定粗糙度的矩形水槽物源区，同时在试验材料底部等间距（间隔20 cm）埋设3组孔隙水压力传感器，在试验材料顶部表面等间距（间隔20 cm）插入3组体积含水率传感器。在上述试验条件下，通过改变每次试验冲水流量，测定不同冲水流量条件下泥石流启动临界水量。试验结果见表6、图17。
表 6 不同冲水流量条件下泥石流启动临界水量Table 6. Critical water volume for debris flow initiation under different flushing flow conditions试验
组次物源状态 细颗粒
含量（%）底床坡
度（°）冲水流
量（L/s）临界水
量（L）D01 散粒干渣 7 10 0.82 42.94 D02 散粒干渣 7 10 0.88 39.56 D03 散粒干渣 7 10 1.19 34.31 D04 散粒干渣 7 10 1.24 33.21 D05 散粒干渣 7 10 1.40 30.22 D06 散粒干渣 7 10 1.45 28.51 D07 散粒干渣 7 10 1.48 26.46 D08 散粒干渣 7 10 1.99 28.71 D09 散粒干渣 7 10 2.07 29.71 D10 散粒干渣 7 10 2.32 31.35 D11 散粒干渣 7 10 2.43 31.64 D12 散粒干渣 7 10 2.97 33.22 D13 散粒干渣 7 10 3.10 28.54 D14 散粒干渣 7 10 3.52 27.58 D15 散粒干渣 7 10 5.95 17.85 ![]()
图 17 冲水流量与临界水量的关系Figure 17. Relationship between flushing water flow and critical water volume对表6所示试验数据进行回归分析，得到如下关系式：
$$ S=\left\{\begin{array}{c}17.117{Q}^{2}－60.315Q＋80.504\\ （R=0.9541\text{，}Q＜2L/s）\\ 20.312Q－3.2614{Q}^{2}＋1.6532\\ （R=0.9962\text{，}2L/s＜Q＜3L/s）\\ 1.6167{Q}^{2}－19.09Q＋74.219\\ （R=0.9475\text{，}Q＞3L/s)\end{array}\right. $$ (1) 试验结果表明，当Q＜2 L/s时，冲水流量越大，临界水量越小，存在一个最有利于泥石流启动的冲水流量1.76 L/s；当2 L/s＜Q＜3 L/s时，冲水流量越大，临界水量越大，存在一个最大临界水量33.28 L；当Q＞3 L/s时，随着冲水流量增大，临界水量又会减小，最终趋于平稳，在冲水流量达到5.95 L/s时后临界水量基本稳定在17.87 L附近。
3.5 不同底床坡度条件下泥石流启动分析
本组别试验为D16、D17、D07、D18、D19，各组次试验相同的条件是：试验采用图3所示级配散粒干渣40 kg，以10 cm厚度、70 cm长度堆置于底床具有一定粗糙度的矩形水槽物源区，同时在试验材料底部等间距（间隔20 cm）埋设3组孔隙水压力传感器，在试验材料顶部表面等间距（间隔20 cm）插入3组体积含水率传感器，冲水流量1.48 L/s。通过改变底床坡度，测定不同底床坡度条件下泥石流启动的临界水量。试验结果见表7、图18。
表 7 不同底床坡度条件下泥石流启动临界水量Table 7. Critical water volume for debris flow initiation under different bed slope conditions试验
组次物源状态 细颗粒含
量（%）底床坡
度（°）冲水流
量（L/s）临界水
量（L）D16 散粒干渣 7 5 1.48 71.23 D17 散粒干渣 7 8 1.48 53.44 D07 散粒干渣 7 10 1.48 26.46 D18 散粒干渣 7 15 1.48 19.27 D19 散粒干渣 7 20 1.48 15.01 ![]()
图 18 底床坡度与临界水量的关系Figure 18. The relationship between the slope of the bed and the critical water volume对表7所示试验数据进行回归分析，得到如下关系式：
$$ S=0.377\;7\theta ^{2}-13.184\theta+128.53（R=0.950\;5） $$ (2) 式中：θ为底床坡度；S为临界水量；R为相关系数。
试验结果表明，底床坡度越大，泥石流启动所需临界水量越少；反之，底床坡度越小，临界水量越多，并且存在一个最小坡度5.59°和最小临界水量13.48 L，即当坡度大于5.59°或临界水量大于13.48 L时，可能启动形成泥石流。
3.6 不同颗粒级配条件下泥石流启动分析
本组试验为D07、D20、D21、D22、D23、D24、D25组，各组次试验相同条件是：试验采用图3所示级配散粒干渣40 kg，以10 cm厚度、70cm长度堆置于底床具有一定粗糙度的矩形水槽物源区，同时在试验材料底部等间距（间隔20 cm）埋设3组孔隙水压力传感器，在试验材料顶部表面等间距（间隔20 cm）插入3组体积含水率传感器，固定底床坡度为10°，统一以1.48 L/s流量供水。通过改变底颗粒级配，测定不同颗粒级配条件下泥石流启动的临界水量。试验结果见表8、图19。
表 8 不同颗粒级配条件下泥石流启动临界水量Table 8. Critical water volume for debris flow initiation under different particle gradation conditions试验
组次物源状态 底床坡
度（°）细颗粒
含量（%）冲水流
量（L/s）临界水
量（L）D07 散粒干渣 10 7 1.48 26.40 D20 散粒干渣 10 15 1.48 18.84 D21 散粒干渣 10 20 1.48 17.36 D22 散粒干渣 10 25 1.48 15.20 D23 散粒干渣 10 30 1.48 14.93 D24 散粒干渣 10 35 1.48 16.00 D25 散粒干渣 10 40 1.48 16.21 ![]()
图 19 细颗粒含量与临界水量的关系Figure 19. Relationship between fine particle content and critical water amount对表8所示试验数据进行回归分析，得到如下关系式：
$$ S=0.020\;6m^{2}-1.250\;8m+33.788（R=0.981\;2） $$ (3) 式中：m为细颗粒含量；S为临界水量；R为相关系数。
试验结果表明，临界水量与试验材料细颗粒含量呈二次函数关系，而且当细颗粒含量达到30.36% 时最有利于泥石流启动。当试验材料细颗粒含量达到这一数值前，细颗粒含量越大，启动时的临界水量越少。也就是说，粗颗粒含量越大，启动时的临界水量越多。
本次实验所得不同冲水流量、底床坡度、级配条件下矿渣型泥石流启动临界关系与前人（徐友宁等，2009）研究成果具有趋势一致性，验证了研究成果的可靠性，且在其研究基础上进一步完善了较大冲水流量（极端降雨情况）下矿渣型泥石流启动临界条件的关系。
4. 结论
（1）不同试验条件下，泥石流分别以不同方式启动：包括顶面侵蚀型、流态化型、顶面侵蚀+流态化型3种启动方式。
（2）不同启动方式下，矿渣堆积体内部孔隙水压力和体积含水率数据表现出不同的变化特征，泥石流启动临界孔隙水压力与底床坡度呈负相关关系，坡度为5°时，启动孔隙水压力最大，为1 KPa，坡度为20°时，启动孔隙水压力最小，为0.5 KPa；在相同坡度、不同级配条件下，泥石流启动孔隙水压力与细颗粒含量变化关系不明显。
（3）矿渣型泥石流启动临界水量随着冲水流量不断增大，呈现先减小、后增大、再减小趋势，冲水流量为1.76 L/s时最有利于泥石流启动；底床坡度越大、细颗粒含量越高，泥石流启动临界水量越少，当坡度大于5.59°或临界水量大于13.48 L时，有利于泥石流的启动，当细颗粒含量为30.36% 时最有利于泥石流启动。
致谢：该项研究得到中国地质调查局西安地质调查中心侯光才研究员、徐友宁研究员、朱立峰正高级工程师，长安大学曹琰波副教授，中国地质调查局西安矿产资源调查中心张江华正高级工程师的悉心指导和栾川县自然资源局、栾川县气象局、栾川县金兴矿业有限责任公司的大力支持。同时，各位审稿专家认真审阅了本文，并提出了宝贵的修改意见，在此一并表示感谢。
-
![]()
图 3 长江源气温动态变化曲线分布
Figure 3. Distribution of temperature dynamics curves in the Yangtze River source
![]()
图 4 长江源年平均降雨量空间分布
Figure 4. Spatial distribution of average annual rainfall in the Yangtze River source
![]()
图 5 长江源年平均气温空间分布图
Figure 5. Spatial distribution of annual mean temperatures in the Yangtze River source
![]()
图 6 长江源年均降雨量增量空间分布图
Figure 6. Spatial distribution of annual mean rainfall increments in the Yangtze River source
![]()
图 7 长江源年平均气温增量空间分布图
Figure 7. Spatial distribution of annual mean temperature increments in the Yangtze River source
![]()
图 10 长江源区2000～2021年NDVI植被指数空间分布图
Figure 10. Spatial distribution of NDVI vegetation index in the source area of the Yangtze River from 2000 to 2021
![]()
图 11 长江源区2000～2021年NDVI植被指数变化空间分布图
增量<0面积占35%；增量>0面积占65% 增量<0面积占38%；增量>0面积占62%
Figure 11. Spatial distribution of NDVI vegetation index changes in the Yangtze River source area from 2000 to 2021
![]()
图 12 气象监测站点分布图（冻土分布数据来源于青藏高原新绘制冻土分布图（2017）（赵林，2019））
Figure 12. Map of meteorological monitoring stations
![]()
图 13 长江源区生长季（7～9月）NDVI均值时序变化曲线图
T1～T9：图12中各特征点
Figure 13. Time-series variation of NDVI mean values in the Yangtze River source area during the growing season (July-September)
![]()
图 14 降雨、气温与植被指数NDVI值相关性分析图
Figure 14. Correlation analysis of rainfall and temperature on NDVI value of vegetation index
![]()
图 15 植被指数与土壤含水率相关性热图
Figure 15. Heat map of correlation between vegetation index and soil moisture content
表 1 长江源降雨与气温突变分析
Table 1 Analysis of sudden changes in rainfall and temperature in the Yangtze River source
气象要素 区域 M-K突变检验 滑动t检验 综合分析 n=5 n=10 降雨 沱沱河 2008，2010，2020 - 1999 - 五道梁 2018 2007 - - 曲麻莱 1981，2019 2012 1999，2003 - 玉树 1981，2020 - - - 气温 沱沱河 2001 2001，2015 2001 2001 五道梁 2000 1986 1997，2000 2000 曲麻莱 2002 2002 - 2002 玉树 1987 2010 - - 
下载: 导出CSV
表 2 生长季（7～9月）逐月植被指数与降雨量相关性分析
Table 2 Vegetation index and rainfall correlation analysis for the growing season （July-September）
研究区域 皮尔逊相关性系数 Sig.（双尾） 统计数（个） 曲麻莱 0.568** 0.000 65 沱沱河 0.518** 0.000 65 五道梁 0.587** 0.000 65 玉树 0.331** 0.000 64 注：“**”表明在 0.01 级别（双尾），相关性显著。
下载: 导出CSV
表 3 生长季（7～9月）逐月植被指数与气温相关性分析
Table 3 Vegetation index and temperature correlation analysis for the growing season （July-September）
研究区域 皮尔逊相关性系数 Sig.（双尾） 统计数（个） 曲麻莱 0.666** 0.000 65 沱沱河 0.626** 0.000 65 五道梁 0.635** 0.000 65 玉树 0.729** 0.000 64 注：“**”表明在 0.01 级别（双尾），相关性显著。
下载: 导出CSV
表 4 植被指数与土壤含水率相关性分析
Table 4 Correlation analysis between vegetation index and soil water content
研究
区域土壤
深度/cm皮尔逊相
关性系数Sig.（双尾） 统计数（个） 10 0.563** 0.000 108 西大滩 40 0.487** 0.000 108 100 0.475** 0.003 37 180 −0.016 0.845 144 5 0.686** 0.000 132 50 0.653** 0.000 132 五道梁 90 0.542** 0.000 132 180 0.034 0.701 132 240 −0.123 0.159 132 沱沱河 10 0.772** 0.000 60 60 0.757** 0.000 60 90 0.763** 0.000 60 210 0.210 0.107 60 270 −0.146 0.265 60 唐古拉 50 0.648** 0.000 84 140 0.450** 0.000 84 300 −0.179 0.103 84
下载: 导出CSV
-
陈婷. 长江源区生态水文学研究[D]. 北京: 中国地质大学(北京), 2009 CHEN Ting. Study on the ecohydrology of the Yangtze River source area [D]. Beijing: China University of Geosciences (Beijing), 2009.
杜臻, 张茂省, 冯立等. 鄂尔多斯盆地煤炭采动的生态系统响应机制研究现状与展望[J]. 西北地质, 2023, 56(03): 78-88 DU Zhen, ZHANG Maosheng, Feng Li, et al. Research Status and Prospect of Ecosystem Response Mechanism to Coal Mining in Ordos Basin [J]. Northwest Geology, 2023, 56 (03): 78-88.
方欣, 刘小槺, 岳大鹏. 毛乌素沙地1960-2018年气候变化特征及影响因子分析[J]. 水土保持研究, 2022, 29(02): 163-169 FANG Xin, LIU Xiaokang, YUE Dapeng. Analysis of climate change characteristics and impact factors in the Maowusu Sands from 1960-2018[J]. Soil and water conservation research, 2022, 29(02): 163-169.
黄荟羽, 李恩键, 安娟, 等. 克拉默法与曼-肯德尔法对降水突变检验的对比分析[J]. 现代农业科技, 2018, 8: 2 doi: 10.3969/j.issn.1007-5739.2018.06.002 HUANG Aiyu, LI Enjian, AN Juan, et al. A comparative analysis of the Cramer method and the Mann-Kendall method for precipitation mutation testing[J]. Modern Agricultural Science and Technology, 2018, 8: 2. doi: 10.3969/j.issn.1007-5739.2018.06.002
韩海辉, 李健强, 易欢等. 遥感技术在西北地质调查中的应用及展望[J]. 西北地质, 2022, 55(03): 155-169 HAN Haihui, LI Jianqiang, YI Huan, et al. Application and prospect of remote sensing technology in geological survey of Northwest China [J]. Northwest Geology, 2022, 55 (03): 155-169.
李雪银, 张志强, 孙爱芝. 1982—2021年黄河流域植被覆盖时空演变及影响因素研究[J]. 地球环境学报, 2022, 13(04), 428–436 LI Xueyin, ZHANG Zhiqiang, SUN Aizhi. Spatial and temporal evolution of vegetation cover in the Yellow River basin from 1982 to 2021 [J]. Journal of Earth Environment, 2022, 13(04), 428-436.
李元寿, 王根绪, 赵林, 等. 青藏高原多年冻土活动层土壤水分对高寒草甸覆盖变化的响应[J]. 冰川冻土, 2010, 32(1): 157-165 LI Yuanshou, WANG Genxu, ZHAO Lin, et al. Soil moisture response to alpine meadow cover change in the permafrost active layer of the Qinghai-Tibet Plateau[J]. Glacial Permafrost, 2010, 32(1): 157-165.
钱开铸. 长江源区水文周期特征及其对气候变化的响应[D]. 北京: 中国地质大学(北京), 2013 QIAN Kaizhu. Characteristics of the hydrological cycle in the Yangtze River source area and its response to climate change [D]. Beijing: China University of Geosciences (Beijing), 2013.
汪柳皓, 魏显虎, 张宗科, 等. 青藏高原地区植被指数变化及其与温湿度因子的关系[J]. 森林与环境学报, 2022, 42(02): 141-148 WANG Liuhao, WEI Xianhu, ZHANG Zongke, et al. Changes in vegetation index and its relationship with temperature and humidity factors in the Qinghai-Tibet Plateau[J]. Journal of Forest and Environment, 2022, 42(02): 141-148.
强建华. 遥感技术在新疆南部地区矿山环境调查及生态修复中的应用[J]. 西北地质, 2021, 54(03): 253-258 doi: 10.19751/j.cnki.61-1149/p.2021.03.023 QIANG Jianhua. Application of remote sensing technology in mine environment investigation and ecological restoration in Southern Xinjiang [J]. Northwest Geology`, 2021, 54 (03): 253-258. doi: 10.19751/j.cnki.61-1149/p.2021.03.023
吴小丽. 近30年来青藏高原多年冻土区与季节性冻土区土壤水分变化差异[D]. 兰州: 兰州交通大学, 2020 WU Xiaoli. Differences in soil moisture changes between perennial and seasonal permafrost areas on the Qinghai-Tibet Plateau over the past 30 years[D]. Lanzhou: Lanzhou Transportation University, 2020.
阳坤, 何杰. 中国区域地面气象要素驱动数据集(1979-2018)[R]. 国家青藏高原科学数据中心, 2019 YANG Kun, HE Jie. Regional ground meteorological element-driven dataset for China (1979-2018) [R]. National Qinghai-Tibet Plateau Scientific Data Center, 2019.
朱艺旋, 张扬建, 俎佳星, 等. 基于MODIS NDVI、SPOT NDVI数据的GIMMS NDVI性能评价[J]. 应用生态学报, 2019, 30(2), 536–544 ZHU Yixuan, ZHANG Yangjian, ZU Jiaxing, et al. Performance evaluation of GIMMS NDVI based on MODIS NDVI and SPOT NDVI data[J]. Journal of Applied Ecology, 2019, 30(2), 536-544.
赵林. 青藏高原新绘制冻土分布图(2017)[R]. 国家青藏高原科学数据中心, 2019. 赵林, 胡国杰, 邹德富, 等.青藏高原多年冻土综合监测数据集（2002-2018）[R].北京: 国家青藏高原科学数据中心, 2021. Ba R, Lovallo M, Song W G, et al. Multifractal Analysis of MODIS Aqua and Terra Satellite Time Series of Normalized Difference Vegetation Index and Enhanced Vegetation Index of Sites Affected by Wildfires[J]. Entropy, 2022, 24(12), 1748. doi: 10.3390/e24121748
Essaadia A, Abdellah A, Ahmed A, et al. The normalized difference vegetation index (NDVI) of the Zat valley, Marrakech: comparison and dynamics[J]. Heliyon, 2022, 8(12), 12204. doi: 10.1016/j.heliyon.2022.e12204
Parmesan C, Yohe G. A globally coherent fingerprint of climate change impacts across natural systems [J]. Nature, 2003, 421(6918), 37–42. doi: 10.1038/nature01286
计量
- 文章访问数: 153
- HTML全文浏览量: 14
- PDF下载量: 35
