基于RAMMS-AVALANCHE模型的雪崩模擬參數敏感性分析

張天意, 劉杰*, 王斌, 程秋連, 楊治緯

(1.新疆農業大學交通與物流工程學院, 烏魯木齊 830052; 2.新疆交通規劃勘察設計研究院有限公司,科技研發中心, 烏魯木齊 830006)

雪崩是在地形、氣候和積雪特性等條件的組合下,山坡積雪被活化和失穩引起的嚴重自然災害,具有難預測、沖擊力大、破壞性強等特點[1-3]。隨著人類活動和基礎設施建設逐漸進入高寒山區,雪崩已經成為影響高寒山區交通,基礎設施建設和生命安全的主要自然災害之一[4-5]。1991年1月3日,發生在中國云南梅里雪山的雪崩事件,造成17名登山者全部遇難[6]。2012年4月7日,巴基斯坦Siachen地區某軍營發生大規模冰川雪崩,導致139名士兵和平民被埋[7]。2021年1月9日,發生在俄羅斯諾里爾斯克的低山雪崩導致居民點遭到破壞,6人被埋,3人死亡[8]。據統計,2009—2019年亞洲高山區年平均雪崩傷亡人數158人,發生時間段主要集中在每年的10月初到次年4月[9]。全世界范圍內每年因雪崩死亡人數高達250人[10]。

由于雪崩誘發因素多,具有突發性和難預測性,往往很難在短時間內獲取雪崩發生過程的實測數據和影像,這對雪崩災害防治和危險性評估的準確性產生較大影響。相對于室內試驗,數值模擬能夠較好地模擬雪崩運動的整個過程[11]。瑞士聯邦冰雪和雪崩研究所開發了雪崩動力學數值模擬軟件RAMMS-AVALANCHE(以下簡稱RAMMS),能夠準確預測復雜三維地形雪崩運動的路徑、沖擊力、流速、積雪堆積區分布狀況等[12]。同時能夠很好地模擬分析雪崩運動時積雪堆積和夾帶演變過程。因此在雪崩災害重演和危險性評估中得到了很好的應用[13-14]。Wilbur等[15]利用RAMMS模型反演北美兩種不同氣候條件下長重現期雪崩時進行釋放體積和摩擦系數多組合模擬。Christen等[13]分別采用2.5、25 m計算網格分辨率進行模擬,結果顯示不同計算網格分辨率下雪崩流中心堆積存在分布差異。Sardar等[16]利用RAMMS模擬結果作為宏觀因子進行危險性評價時指出模型結果很大程度上取決于輸入參數和分辨率的準確性,選擇合適參數值的計算結果能夠成為雪崩危險性的參考值。Marco等[17]在多次校準摩擦系數的基礎上利用RAMMS反計算雪崩沉積區特性,通過觀測值和模擬結果比較,評估了模型準確性及局限性,提出摩擦系數的選取對于沉積區面積的評估工作起到了至關重要的作用。因此雪崩模擬參數的合理選擇對模擬結果的準確性尤為重要。目前針對RAMMS模型的雪崩模擬參數對模擬結果的敏感程度及如何合理選擇模擬參數的研究成果鮮有報道。

中國天山地區是雪崩災害的易發區和頻發區[18],選取天山山區鞏乃斯河谷區域典型雪崩點[19-20],采用RAMMS軟件進行雪崩數值模擬。運用單因素分析法及灰色關聯法研究計算網格分辨率、雪層斷裂深度、摩擦系數不同參數取值下模擬結果的變化規律,分析參數對雪崩數值模擬結果的影響程度及敏感性,給出最優模型參數選擇原則和建議?？商岣哐┍滥M結果準確性,為雪崩災害危險性分析提供一定參考。

1 區域概況

中國天山鞏乃斯區域為低中山地貌,地面高程2 000～2 800 m,相對高差在200～500 m。歷年平均積雪深度為58 cm,最大雪深達100 cm以上,積雪期超過150 d[21]。該區域屬中山草地雪崩危險區,山坡坡度多為25°～40°。雪崩危險期始于12月,到次年4月初結束,每年平均發生雪崩30多次,多為溝槽型和坡面型雪崩。雪崩發生的位置、規模受自然條件的影響較大,主要為集中降雪下積雪厚度急驟增加,引發的新雪雪崩以及氣溫回升、春季融雪引發的全層濕雪雪崩。受地形條件限制,獨庫高速走廊帶不可避免需穿越該雪崩危險區。通過對擬建高速公路鞏乃斯段走廊帶冰雪災害調查發現,以鞏乃斯2號隧道出口雪崩最為典型,研究區域地形如圖1所示。

鞏乃斯2號隧道出口雪崩為溝槽型雪崩,山勢陡峭,坡面植被稀疏,溝槽上方山坡有大面積積雪面,堆積區位于河谷地帶。雪崩區域地理特征參數,如表1所示。

2 RAMMS-AVALANCHE模型

RAMMS-AVALANCHE模型在Voellmy-Salm模型(簡稱VS)基礎上考慮雪崩運動過程中流動高度和速度變化的非定值和非均勻運動特征,使用積雪深度平均方程同時耦合隨機動能(random kinetic energy,RKE)模型,考慮到質量和動能守恒來處理雪崩運動、堆積過程;解釋了雪粒之間的隨機運動和非彈性互相作用。該模型進一步提高了輸出結果的質量;而輸出結果的質量除了取決于數值模型準確模擬自然三維地形中雪崩流的能力,還很大程度上取決于模型參數條件的設置。因此,通過分析模型原理可進一步了解模型參數與模擬計算之間的聯系,明確模型參數的重要性。

2.1 VoeIllmy-Salm流變模型

VS模型基于笛卡爾坐標系來表征平均速度U,假設x和y是固定于笛卡爾坐標系中的水平坐標,z(x,y)表示用x和y參數化的山脈輪廓,其中,自變量x、y表示地形弧長,坐標x、y、z形成曲面誘導坐標系。隨著時間t的變化雪崩流動高度H(x,y,t)和平均速度U(x,y,t)也隨之變化,平均速度U(x,y,t)關系式為

(1)

(2)

式中：Ux為u沿x軸的流速;Uy為u沿y軸的流速;上標T為平均流速矩陣的轉置;nu為雪崩運動的方向。

由于雪崩呈現淺層流體幾何形態,用質量平衡方程來求解雪崩流動高度H,如式(3)所示。

?tH+?x(HUx)+?y(HUy)=Q(x,y,z)

(3)

平均速度U、流動高度H都以x、y、z為基礎坐標系,而計算網格分辨率的高低則能反應出x、y、z坐標軸上最為準確的距離,近而平均速度U、流動高度H則能更為貼近實際情況。

2.2 摩擦系數

VS模型中將摩擦系數考慮為兩部分與法向應力N成正比的干庫倫摩擦系數μ和湍流摩擦系數ξ。摩擦阻力S的表達式為

(4)

式(4)中：S為摩擦阻力;ρ為密度;g為重力加速度;φ為斜角;h為流動高度;u=(ux,uy)T;摩擦系數μ、ξ與碎屑流運動演變過程有直接影響,當流動接近于停止時,μ起主導作用;當流速快速運動時,ξ起主導作用。

2.3 RKE模型

考慮到雪崩運動體是由雪團組組合,運動過程中可能攜帶粒狀碎屑等物質,運動過程中平行或者非平行斜坡方向時候會出現速度上的波動,則采用RKE模型實時修整,更好地表現雪崩實時運動特征的變化,可由式(5)、式(6)得出。

(5)

(6)

式中：R0為常數,是平均隨機動能密度函數的摩擦指數增長率;μ0為干庫侖摩擦系數;ξ0為湍流摩擦系數;R為深度平均隨機動能。

因此,修正后的干庫倫摩擦系數μ和湍流摩擦系數ξ將取決于R(深度平均隨機動能);R即一定深度的積雪層釋放后在隨機運動中產生的動能。雪層斷裂深度則直接關乎動能大小。

計算網格分辨率、斷裂深度、摩擦系數3個參數對模型計算分析過程有非常重要的作用進而影響模擬結果的準確性。

3 參數取值對模擬結果影響分析

考慮到模擬過程中不同參數值的選擇對模擬結果的發展會有較大的影響,為了分析計算網格分辨率、斷裂深度、摩擦系數3種參數對于模擬結果的影響程度。以鞏乃斯2號隧道出口溝槽型雪崩為例,針對不同參數的影響性質,采用多邊形相似度計算分析[22]及單一因素分析方法[23-24]等,研究不同參數取值對于模擬結果的影響程度。

3.1 計算網格分辨率

數字高程模型(digital elevation model,DEM)表示的三維地形是RAMMS數值模擬中最基本的輸入數據,能夠準確反映雪崩模擬區域的地形特征[25-27]。由于DEM輸入時的分辨率和計算網格分辨率有所不同,受到計算時間的限制計算分辨率應盡可能小。建立以無人機激光掃描DEM作為輸入數據,設置3種DEM計算網格分辨率：2.0、5.0、10.0 m。在3種計算網格分辨率下,其他參數保持不變,不同計算網格分辨率與特征值呈正相關,即沖擊力、雪崩流速度以及流動高度數值整體上2.0 m分辨率>5.0 m分辨率>10.0 m分辨率。在起始時、運動過程時、堆積時取A、B、C點,對比不同時刻不同分辨率下特征值的變化率,特征值整體變化幅度較大,尤其是流動高度,變化率均高于其他兩個特征值,起始時A點變化率10%～20%;運動過程時B點變化率在10%～15%,堆積時C點變化率最大在16%～23%。如表2所示。

進一步佐證不同計算網格分辨率對地形識別的誤差對特征值的影響程度,對堆積區對I-I剖面距離400段進行曲線(圖2)放大分析。該段曲線由于計算網格分辨率不同對坡腳處地形特征的識別存在差異性,2.0 m分辨率曲線較其他兩種組曲線呈現出更為曲折的振幅變化趨勢,而10.0 m分辨率曲線振幅更平緩,折點更少(圖2)。說明3種計算網格分辨率雖然能夠準確識別出坡面到坡腳的突變地形,但計算網格分辨率較高的能夠更為準確的識別地形的細小變化,使得模擬結果更為準確。

圖2 不同計算網格分辨率下I-I剖面雪崩運動特征值變化曲線

由于流域范圍的大小嚴重影響雪崩危險性的判斷,對比發現不同計算網格分辨率下,導致像素點(2.0 m分辨率表示長2 m、寬2 m的像素點)大小不同,雪崩流域范圍存在明顯不同。將3種分辨率下的流域范圍進行對比,由于積雪累積運動過程中能夠填充洼地,地形尺寸越小,運動范圍線形具有更為平滑的特性[28]。2.0m分辨率運動線形比5.0、10.0 m表現出更為平滑效果,影響范圍更小;而10.0 m分辨率相比較其他兩種分辨率計算像素點更大,無法反映細小洼地被積雪填充的過程,因此運動線形較為粗略,影響范圍整體呈現出 2.0 m<5.0 m<10.0 m的情況(圖3)。

圖3 不同分辨率下雪崩運動影響范圍圖

通過計算得出不同計算網格分辨率下雪崩運動范圍的變化率來反映計算網格分辨率對模擬結果的影響。以2.0 m計算分辨率下的雪崩運動范圍為基準值,計算形狀比率相似度[22,29]、周長變化率、大小變化率、面積變化率、得出最終變化率百分比[30]。3種分辨率下整體形狀比率高達89.54%、89.24%,雪崩流運動軌跡高度相似,運動范圍變化率控制在16.78%、24.03%的較低變化范圍內,主要對位于軌跡邊緣的控制點危險性判斷產生影響,如表3所示。

表3 不同分辨率下運動范圍變化率計算

高分辨率能夠使得運動范圍線形更平滑,更準確地反映地表平整度對積雪堆積的影響;進而降低雪崩運動范圍識別過大、中心徑流距離過大等引起的雪崩沖擊力、速度、雪崩流高度等結果的誤差,可為工程設計計算提供依據。

3.2 雪層斷裂深度

斷裂深度是指雪崩釋放區內,一定厚度的雪層在重力、溫度等因素作用下,積雪薄弱層失效出現垂直于坡面的裂縫后,沿著裂縫向下滑動的平均積雪厚度。產生裂縫的雪層在受到重力的作用下有沿坡面向下滑動的趨勢,當雪層的下滑力大于阻力時引發雪崩。為研究不同斷裂深度對模擬結果的影響,采用單一因素分析法假設斷裂深度為單一個體,單一因素變化下,其他參數保持不變,斷裂深度分別減少10%、20%、30%。

雪崩模擬考慮釋放體積最大即雪層全層斷裂;引用山坡積雪極限厚度hk[31]作為全層斷裂深度;根據式(7)可知,當山坡積雪層厚度達到臨界厚度時,積雪內層間和雪粒間的摩擦力和內聚力阻礙積雪滑動,雪層處于極限平衡狀態,此時積雪厚度的增加會引起雪的滑塌。

(7)

式(7)中：hk為山坡積雪積雪厚度;C為雪與坡面間的內聚力;φ為雪與地面的內摩擦角;τ為積雪的密度;α為山坡坡度。

根據式(7),計算數值(內聚力、內摩擦角、積雪密度)都與坡面特性、氣候因素及積雪特性相關[9];山坡坡度主要通過地形分析所得。根據胡汝驥等[18,32]對天山山區季節性積雪的物理性質進行研究,得出不同類型的積雪物理力學強度值。汶林科等[33]通過分析降雪與雪崩的關系,總結出降雪條件下積雪力學性質變化規律。Mcclung等[34]總結了氣溫對積雪硬度、斷裂韌性和抗剪強度的影響,并結合研究區域實際情況來確定物理特征值,積雪物理性質取值如表4所示。

表4 積雪物理性質

根據表4中的積雪物理值,利用式(7)計算鞏乃斯2號隧道出口處山坡積雪極限厚度hk,地形分析該地山坡坡度為53°,積雪極限厚度hk計算結果如下。

(8)

因此該釋放區域雪層全層斷裂下斷裂深度為0.76 cm,根據單一因素分析法,裂深度分別減少10%、20%、30%,所得的斷裂深度分別為0.684、0.608、0.532 m。在斷裂深度參數變化下,其他參數保持不變,對該雪崩點進行模擬。通過對模擬結果特征值的分析,雪崩在運動過程中會由于斷裂深度的減少,流量減少,流動高度、流動速度和沖擊力會隨之減小,如圖4所示。對運動過程分析取A、B、C點位置,在斷裂深度值每減少10%情況下,伴隨著積雪夾帶作用及雪粒之間的隨機運動和非彈性互相作用,流動過程中的流動高度的變化率在5%～7%;流動速度的變化率在1%～2%;沖擊力的變化率在2%～3%,如表5所示。

表5 不同斷裂深度下雪崩運動過程特征值變化率

圖4 不同斷裂深度下I-I剖面雪崩運動特征值變化曲線圖

在分析堆積區中發現,僅堆積高度會由于斷裂深度的增加而增加。沖擊力和流動速度則會由于積雪堆積的反向作用,流動至一定高度的積雪形成天然的屏障一定程度上減緩了堆積區積雪流動速度,減弱了雪崩流的沖擊力。因此堆積區雪崩流沖擊力及流動速度會隨著雪崩流堆積高度的增大而減弱,如圖4所示。

3.3 摩擦系數

RAMMS對于摩擦系數μ、ξ有兩種設置情況—常量和變量計算模式。常量計算模式下考慮雪崩區域下墊面處于相同性質的地表狀況,整個雪崩運動區域(釋放區、運動區、堆積區)采用固定的μ、ξ,摩擦系數μ、ξ的取值則取決于重現期以及雪崩體積。而變量計算模式下,μ、ξ不固定,考慮不同海拔區域地表狀況不同,使用不同的μ、ξ。通過對雪崩點地形特征及現場調研情況分析,該點主要由于強降雪引起的溝槽型新雪雪崩,雪崩流沿溝槽發育;雪崩運動區域(釋放區、運動區、堆積區)的下墊面(剝蝕構造山區)一致。該情況下摩擦系數μ、ξ選擇常量計算模式。通過對釋放區域的積雪體積的計算結合模型手冊MuXi-Table全局參數建議值,確定四種不同重現期(雪崩發生頻率)極端情況下新雪雪崩的摩擦系數μ、ξ[35],如表6所示。

表6 常量計算模式下摩擦系數μ、ξ

不同摩擦系數情況下,對工況1～工況4進行模擬,4種工況下沖擊力和流動速度變化曲線在運動過程中隨著摩擦系數的增大,坡面與雪層下墊面摩擦阻力增強,特征值減小。而在流動高度的數值變化趨勢則由于該點起始流動速度不大,釋放區雪層釋放從上往下的順序,在結束釋放時會出現流動高度的峰值點a;摩擦阻力的增大,留在坡面上雪增多,流動高度峰值點a：工況1>工況2>工況3>工況4。運動過峰值點a后則由于摩擦阻力增大攜帶的雪量減少,流動高度隨之降低[圖5(a)]。

圖5 不同摩擦系數下下I-I剖面雪崩運動特征值變化曲線

而在對雪崩堆積過程特征值變化曲線分析中發現,在常量計算模式下,主要改變系數為μ,當雪崩堆積區運動接近于停止摩擦系數μ起主導作用,受μ影響,摩擦系數越大,特征值越大(圖5)。

由于摩擦系數μ、ξ共同控制著雪崩整個運動過程,其在快速運動時和接近于停止時主次作用不同,取特征值曲線下的峰值點進行對比,常量計算模式下ξ固定為1 250 m/s2,在快速運動中占主導作用,μ在0.31～0.34的變化。對運動過程和堆積過程分別進行峰值點變化幅度分析,沖擊力和流動速度的峰值點均出現在同一位置A、B、C點;其中A、B點為快速運動過程中峰值點,C點為堆積過程中峰值點?？焖龠\動過程中由于主導作用摩擦系數ξ一致,僅起次要作用的μ改變,峰值點A、B處沖擊力、流動速度變化幅度不大,沖擊力增幅控制在3%～5%,流動速度增幅在2%。而堆積過程中由于主導作用摩擦系數μ在0.31～0.34遞減變化,C點處沖擊力、流動速度呈現出較大幅度的變化,特別是沖擊力變化幅度在10%～20%,流動速度變化幅度值相對較小,控制在6%～9%,具體數值如表7所示。

表7 流動速度、沖擊力峰值點數值

在對流動高度變化曲線峰值點變化幅度進行分析,其中a、b、c點為快速運動過程中峰值點,d點為堆積過程中峰值點。主導作用摩擦系數值ξ的控制下,快速運動過程峰值點a處增幅在2%,工況1>工況2>工況3>工況4;峰值點b、c處變化幅度在2%,工況4>工況3>工況2>工況1,整體數值變化幅度不大;d點處由于摩擦系數值μ的主導作用,變化幅度較大,控制在7%～15%。具體數值如表8所示。

表8 流動高度峰值點數值

雪崩是否停止運動取決于地形、總流量和摩擦值,在RAMMS雪崩模擬中則基于動量P來作為停止標準,動量P(單位：kg·m/s)是物體質量和速度的乘積。釋放流量相同條件下,由于積雪、坡面的摩擦阻力對運動狀態起到很大的制約作用[31]則摩擦值越大的情況下,運動過程中速度值越小。不同摩擦系數直接影響運動中流動速度的變化,使得動能總量不同;工況1～工況4動能總量大小為工況1<工況2<工況<工況4。以動能5%為閾值,摩擦系數值工況 1>工況2>工況3>工況4的情況下,采用50%釋放動能做對比,則動能釋放時間大小為工況 1<工況2<工況<工況4(圖6)。因此,同樣流動質量下,摩擦系數越大,流動速度越慢,動能釋總量越小,則雪崩運動停止時間越早。

圖6 不同摩擦系數下雪崩動能釋放變化趨勢圖

對不同摩擦參數下特征值結果分析中發現,由于在快速運動時和接近于停止時μ、ξ起到的作用不同;摩擦參數取值主要對堆積區模擬結果特征值的變化幅度影響較大,而對快速運動過程中的數值影響性較小,數值變化幅度較小。在對雪崩停止時間分析中發現,摩擦系數值越大,雪崩運動過程中速度越慢,一定釋放體積下動能總量越少,使得雪崩模擬停止時間越早。

4 參數敏感性分析

為了量化分析參數值的變化對模擬結果的影響程度,對參數值進行敏感性分析,確定參數值之間的主次關系。利用關聯度的大小直接反應影響因子對特征值敏感程度,關聯度越接近1,說明敏感程度越大,反之,敏感程度越小[36-38]。通過該方法得出各影響因子(計算網格分辨率、斷裂深度、摩擦系數)對特征值(沖擊力、雪崩流速度、流動高度)敏感程度的大小,灰色關聯度值越高,說明該因素對特征值的敏感性越大。

4.1 灰色關聯法分析過程

(1)建立比較矩陣X和參考矩陣Y。將影響因子作為比較矩陣X,相應的模擬結果特征值作為參考矩陣Y,如式(9)、式(10)所示。

(9)

(10)

式中：i為選取的影響因子數;j為第i個影響因子變化時對應目標值的個數;xij為第i個影響因子變化值;yij為第i個影響因子變化時對應的第j個穩定性系數值。

(2)變量的無量綱化。由于各影響因子量化度不同,不具有可比性,因此參考式(11)、式(12)對比較矩陣X、參考矩陣Y進行無量綱化處理。

(11)

(12)

式中：maxXij為最大比較矩陣;minXij為最小比較矩陣;maxYij為最大參考矩陣;minYij為最小參考矩陣。

(3)無量綱化矩陣差值運算。根據式(13)求得關聯序列對應的差異序列矩絕對差Δij,其計算公式為

Δij=|X′-Y′|

(13)

并選取Δij的最大值、最小值,表達式分別為

max=maxΔij,min=minΔij

(14)

(4)關聯系數ηij計算。計算公式為

(15)

式(15)中：ρ為分辨系數,作用是增大關聯系數差異顯著性,一般取值0.5;Δmin為比較序列與參考序列最小差異序列矩陣;Δmax為比較序列與參考序列最大差異序列矩陣;Δij為關聯序列對應的差異序列矩陣。

(5)關聯度μi計算,計算公式為

(16)

式(16)中：μi為關聯度,變化區間為[0,1]

4.2 關聯度排序

根據數值模型參數以及鞏乃斯2號隧道出口處堆積區域點(x：536 318.5,y：4 785 677.8,z：2 218.5)模擬結果特征值可確定比較矩陣X和參考矩陣Y的取值,如式(17)～式(20)所示。

(17)

(18)

(19)

(20)

式中：X矩陣中1～3行因素值分別為計算網格分辨率、斷裂深度、摩擦系數;Y1、Y2、Y3矩陣分別為沖擊力參考矩陣、雪崩流速度參考矩陣、流動高度參考矩陣;Y矩陣中1～3行分別為計算網格分辨率、斷裂深度、摩擦系數不同參數下的3種特征值。

根據式(16)～式(19)分別進行無量綱化處理,處理后的X、Yi矩陣根據式(13)形成差異序列矩陣Δi如式(21)～式(23)所示。

(21)

(22)

(23)

取分辨系數ρ為0.5,根據式(15)進行關聯系數計算,取得不同的影響因子下特征值的關聯度如表9所示。

表9 不同影響因子下特征值關聯度

根據計算結果可知,不同影響因子對于沖擊力的影響敏感度依次為：斷裂深度>摩擦系數>計算網格分辨率,關聯度介于0.77～0.86,大于0.5。反映出雪崩運動沖擊力的大小受各因素的共同影響較大,其中以斷裂深度的敏感度最大,3個影響因子均為主導因素?？紤]沖擊力特征值最大影響性時,應多數值的選擇斷裂深度進行模擬,得出最符合實際情況的模擬結果。前期可通過結合無人機創建3D數字地形模型等技術,識別積雪層裂縫,在裂縫較淺情況下通過人工破壞雪層釋放,雪崩雪量的減少很大程度上減輕雪崩運動的危險性。在雪崩工程防治上可考慮攔雪壩、緩沖樁、防雪走廊等構造物削弱雪崩的沖擊力而減弱雪崩對人身財產的危害。

不同影響因子對于流動速度的影響敏感度依次為：斷裂深度>摩擦系數>計算網格分辨率,而摩擦系數、斷裂深度關聯度遠大于計算網格分辨率達到0.73、0.72,且相差不大;說明在考慮流動深度特征值中兩個參數值占據主導作用,為主導因素,計算網格分辨率的關聯值為0.57,差值較大則為次要因素。雪崩流動速度影響性的大小很大程度上取決于上方區域的雪量以及摩擦系數。上方區域坡面上墊面摩擦系數減小,易造成雪層與坡面的失穩,雪量越多,重力作用下,雪崩流速度加快,雪崩流攜帶的雪量能力增強,沖擊力也會隨之增大,破壞性增加,通過在坡面設置緩沖土堆、防護林等,可增加地面摩擦力,一方面起到減速度作用,另一方面可增強坡面雪層的穩定性。

不同影響因子對于流動高度的影響敏感度依次：計算網格分辨率>摩擦系數>斷裂深度,關聯度0.46～0.68,變化幅度不大;但計算網格分辨率、摩擦系數關聯度值大于0.5,為主要因素。其中計算網格分辨率敏感度最高,則考慮流動高度最大影響性時應選擇設置合適的計算網格分辨率;而斷裂深度關聯度值小于0.5則為次要因素;計算像素點越高越能反映細小洼地被積雪填充的過程,進而更為準確的反應雪崩流動高度。流動高度越高雪崩流掩埋能力越強,為了減弱雪崩流的掩埋能力,可對雪崩采取分流措施,設置疏導坡分流降低流動高度,進而降低掩埋的危險。

灰色關聯法可較為準確直觀地表示各影響因素對于特征值的影響程度,關聯度值越大對特征值的影響程度越大,在單因素的控制下反映出影響特征值的主次因素,考慮某一特征值最大影響性時,應重點考慮主要因素影響程度,從而得出更為有效的特征值,便于對雪崩進行更為準確地防治。

5 結論

基于RAMMS-AVALANCHE模型分析模型參數對模擬結果的影響程度,并利用灰色關聯法對模型參數進行敏感性分析,得出以下結論。

(1)不同計算網格分辨率下特征值變化幅度較大,呈正相關,分辨率越大對地形特征識別更為準確,運動范圍曲線更為平滑,進而提高影響范圍判斷的準確性,降低引起的雪崩沖擊力、速度、雪崩流高度等結果的誤差。對比運動范圍發現不同計算網格分辨率下其變化率控制在較低的變化范圍內。

(2)隨著斷裂深度的減少,流動過程中的特征值也隨之減小,每減少10%的斷裂深度,流動過程中的流動高度的變化率在5%～7%;流動速度的變化率在1%～2%;沖擊力的變化率在2%～3%;在堆積過程中,積雪高度隨著斷裂深度的增加而增加,進而使得雪崩流沖擊力及流動速度會隨之減弱。

(3)常量計算模式下的摩擦系數主要對堆積區特征值產生較大影響,對快速運動過程中的特征值影響較小,變化幅度較小。

(4)沖擊力最大影響性時斷裂深度、摩擦系數、計算網格分辨率均為主導因素;流動速度最大影響性時斷裂深度、摩擦系數為主要因素,計算網分辨率次之;流動高度最大影響性時計算網格率、摩擦系數為主要因素,斷裂深度次之?？紤]某一特征值最大影響性時,應針對主要因素進行調整。