摘要：拟建独库高速公路阿尔先沟段地貌以高山峡谷为主,由于降雪和气候变化,雪崩频发。利用无人机遥感解译与现场调研协同调查的方法识别92个雪崩点,选取高程、坡度、地表切割度、地面粗糙度,积雪期最大积雪深度、最大风速、平均温度和平均降雪量为驱动因子,运用地理探测器分析不同分辨率地形因子与雪崩稳定性的关系。结果表明:本研究区雪崩发育较为活跃,稳定性较差,但较多雪崩释放区、运动区位于山体坡面,堆积区位于远离拟建线路的谷底,对拟建线路影响较小。通过地理探测器分析,坡度、地面粗糙度对雪崩稳定性解释力与分辨率呈正相关,高程、地表切割度呈负相关,交互探测结果均是双因子增强或者非线性增强,且非线性增强比双因子增强更加显著,坡度与其他因子结合对雪崩稳定性影响至关重要。本研究可为雪崩易发性、危险性评价工作提供可靠的数据支撑,为独库高速公路的建设运营提供科学依据。

摘要：为精确识别雪崩流动特性及流态信息,全面分析其运动过程。本研究基于无人机倾斜摄影技术获取高分辨率航拍数据,以阿尔先沟雪崩易发区为例,通过现场调查、无人机遥感解译精细探测雪崩活动过程,确定RAMMS模型输入参数,在此基础上对不同类型雪崩事件进行模拟和重建,对比分析传统地面调查、无人机遥感解译结果与模拟结果的差异,探讨不同类型、不同雪层释放条件下雪崩活动过程。研究结果表明:(1)以倾斜摄影技术为核心的雪崩调查分析体系,将传统的地面调查方法结合无人机遥感和数值模拟相互验证,提高了灾害发育状况评估的准确性。(2)2月中旬阿尔先沟坡面积雪厚度趋近于临界厚度值,持续降雪使雪层失稳触发新雪雪崩。调查时仍处于灾害孕育阶段,雪层裂缝加剧变形,风力作用下雪檐自重逐步增大,有超过雪的抗断强度的趋势,整体稳定性较差。(3)以坡面上方积雪平台为潜在释放区的坡面型雪崩,释放量可达8.2669×10^(4)m^(3),运动时长约为128 s,并在120s内堆积区流动高度达到最大,约为3.55 m,最大流动速度为18.34 m·s^(-1),最大冲击力可达到32.67 kPa,形成面积3369.7 m^(2),体积1.8525×10^(4)m^(3)的堆积体。通过相互验证,坡面型雪崩并非积雪平台的释放,地面调查结果与数值模拟解译结果存在差异。(4)沟槽—坡面复合型雪崩为沟槽坡面雪层断裂释放且断裂深度仅为临界厚度值的60%左右,雪崩持续时间接近于300 s,堆积区最大流动速度6.58 m·s^(-1),最大冲击力17.97 kPa,平均堆积深度为1.64 m,影响范围1178.5 m^(2),堆积量3107.76 m^(3),地面调查结果与数值模拟结果一致。研究结果一定程度上提高了雪崩事件信息获取的准确性,可为今后雪崩潜在危险预测、风险规避及灾害应急处置提供强有力的数据支撑及科学依据。

摘要：独库高速公路克扎依—巩乃斯段以高山地貌为主,地形切割剧烈,为雪崩发育提供了有利的地形条件,对该区域进行雪崩易发性评价是独库高速公路安全建设及运行的重要前提。通过遥感解译和现场调查等手段获取149个雪崩点的因子数据,通过对因子进行相关性检测,筛选出10个评价因子,构成雪崩评价因子体系。在此基础上,运用K均值聚类法和随机法提取出非雪崩点和原始雪崩点构成样本集,通过机器学习中的多层感知器、支持向量机算法对研究区域开展雪崩易发性评价。研究结果表明,随机法和K均值聚类法提取出的样本集分别带入算法中训练,R-SVM、R-MLP、K-SVM、K-MLP四种模型的Kappa系数均大于0.6,4组模型对验证数据集的预测结果与实际值存在高度的一致性。经多层感知器训练的AUC值由0.762提高至0.983,经支持向量机训练的AUC值由0.724提高至0.951。基于本研究预测性能最佳的K-MLP模型分区显示该研究区雪崩发育对拟建线路影响较小,但对于隧道洞口可能会造成威胁。本研究可为独库高速公路建设、运营以及雪崩灾害防治工作提供理论支撑和方法参考。

摘要：以巩乃斯大陆性气候雪崩危险区为研究背景,建立三维数字地形模型对雪崩运动过程进行模拟。研究RAMMS雪崩数值模拟结果的影响因素,分析计算网格分辨率、雪层断裂深度、摩擦系数3种参数值对模拟结果的影响程度及敏感性。通过单因素分析法对比不同参数下模拟结果进而得出3种参数的影响程度,采用灰色关联法分析参数对模拟结果的敏感性。结果表明:选择合适的计算网格分辨率能提高模拟结果的准确性;雪层断裂深度每减少10%,流动高度变化率在5%~7%;流动速度变化率在1%~2%;冲击力变化率在2%~3%;而摩擦系数的大小主要对堆积区特征值和雪崩停止时间产生较大影响,对运动过程中的特征值影响较小。在此基础上进行敏感度计算,根据计算结果确定各特征值最大影响性时参数的主次关系。研究结果明晰了雪崩模拟各输入参数的敏感性,可有效提高雪崩数值模拟参数选取的合理性和计算结果的准确性,为雪崩灾害危险程度分析提供依据。