摘要
泥石流危险性评价是灾害预警与防治的关键基础工作，兼具重要的科学价值与工程意义。当前，多因子法与数值模型法虽广泛应用，但二者在评价机制、适用条件及结果可靠性方面的系统对比仍较为缺乏。本文以福建省邵武市大竹镇吴坑村何家组泥石流为例，通过野外勘察与多源数据融合，量化了地形、物源和降水等因子的影响，构建并校准了Massflow数值模型，改进了危险性等级划分标准，并综合对比两种方法的评价结果。研究表明：数值模型模拟堆积方量为4.584×104 m³，与实际调查值（4.6×104 m³）相对误差仅 0.35%；流通区与低洼区危险性较高，不宜布局重要设施；相较于多因子法，数值模型能够再现泥石流动态运移过程，更精确刻画危险性的时空分布特征。研究成果可为泥石流危险性评价方法的选择与防灾工程设计提供理论依据和实践参考。
Abstract
Debris flow hazard assessment is fundamental to disaster early warning and mitigation, bearing significant scientific and engineering importance. Although both multi-factor analysis and numerical modeling are widely employed, systematic comparisons of their evaluation mechanisms, applicability, and result reliability remain limited. This study examines a debris flow event in Hejia Group, Wukeng Village, Dazhu Town, Shaowu City, Fujian Province. By integrating field survey data and multi-source monitoring information, we quantified key influencing factors such as topography, material source, and rainfall, constructed and calibrated a Massflow numerical model, and improved the criteria for hazard classification. A comparative analysis of the two methods was conducted. Results indicate that the simulated deposition volume from the numerical model is 4.584×104 m3 , with a relative error of only 0.35% compared to the measured value (4.6×104 m3 ). High hazard levels were identified in the transport zone and low-lying deposition area, suggesting these locations are unsuitable for critical infrastructure. Compared to multi-factor analysis, numerical simulation effectively reproduces the dynamic process of debris flow and more accurately characterizes the spatiotemporal distribution of hazard intensity. The findings provide a theoretical basis and practical reference for the selection of assessment methodologies and the design of engineering mitigation measures.
Keywords
0 引言
泥石流作为一种突发性强、致灾效应显著的地质灾害，在极端气候事件频发的背景下日益受到广泛关注。作为山区典型的地质灾害类型，其物质组成通常包含固相（岩土碎屑）和液相（水体）两相介质。在降雨、地震等复杂地质营力驱动下，泥石流常作为灾害链的末端环节，对基础设施、居民生命安全及社会经济构成严重威胁。因此，开展泥石流易发性（常鸣和唐川，2014；周禹彤等，2025）、危险性（李宏宇等，2025；刘鹏等，2025；孟轲荆等，2025） 与风险性（王一鸣，2018；廖世斌等，2025）评价，对城乡规划、土地资源合理利用及灾害防控体系建设具有重要的科学价值与现实意义。
泥石流危险性是指特定区域内泥石流发生的可能性及其潜在危害程度的综合表征，其评价涵盖发生概率与灾害后果两方面（刘善军等，2024）。根据《地质灾害危险性评估规范（GB/T40112-2021）》 （全国自然资源与国土空间规划标准化技术委员会，2021）的相关技术要求，在地质灾害危险性评价中需结合多种因素进行综合评估。当前泥石流危险性评价方法主要可分为多因子综合评价法与数值模拟法两类（李宏宇等，2025；周贲等，2025）。影响泥石流运动特征的因素复杂多样，常见评价因子包括物源量、沟口形态、纵坡比、植被覆盖度、岩土体物理性质、平均坡度、沟槽横断面形态、汇水面积及相对高差等。多因子综合评价法通过构建指标体系并赋予权重，以加权评分方式评估危险性。例如，李宏宇等（2025）选取七类因子，结合灰色关联度法确定权重，对北京菜食河流域17条沟谷进行危险性评价；苏娜等（2025）运用博弈论组合赋权法处理 14 项因子，评估七盘沟震后泥石流风险；吴庆安等（2023）基于10项指标建立灰色关联评价模型，量化各沟谷危险度。为改进传统灰色关联分析中权重确定的局限性，刘嘉伟等（2024）引入三角模糊理论，提出动态分辨系数方法，实现因子权重的动态调整，提升了模型适用性。数值模拟法则依托泥石流运动过程的物理建模，实现对危险性的动态评估，并能够从能量角度揭示灾害机制。常用模拟工具包括 RAMMS（Cesca and D’Agostino，2008）、FLO-2D（O’Brien，2009①）与 Massflow（Ouyang et al.， 2019）等。杨宏等（2025）运用 Massflow 模拟不同降雨频率下泥石流的演进过程，预测沙湾大沟致灾范围；林昊等（2025）基于 DEM 数据，采用 FLO-2D 对不同降雨情景进行数值仿真，进而划分危险等级； 岳东霞等（2025）耦合 SWAT 与 BASEMENT 模型计算泥石流强度指数，实现构林坪沟危险性评价。 Zeng et al.（2025）结合 FLO-2D 与概率密度演化方法，量化泥石流运动特征的不确定性；马志亮等 （2025）则通过 FLO-2D 重现 2023 年“8·11”鸡窝子低频泥石流事件，并完成其危险性评估。尽管上述方法各有优势，当前研究仍存在明显不足：多数成果集中于单一方法的应用与改进，缺乏多因子法与数值模拟法在统一区域、同一灾害背景下的系统对比与耦合分析。这一方法论的割裂限制了危险性评价结果的可比性与综合可靠性，也影响了多源数据与多模型融合在泥石流风险评估中的深入应用。因此，发展多方法协同、动态与静态相结合的评价框架，是未来泥石流危险性研究的重要方向。
鉴于此，本文以福建省邵武市大竹镇吴坑村何家组 2019 年 7 月 7 日发生的泥石流事件为研究对象，基于现场勘查数据，运用Massflow软件构建了该泥石流的数值模型，并结合堆积体特征对模型进行了验证；在此基础上模拟并评价了泥石流的危险性。同时，根据勘察资料选取了8个影响因子，采用灰色关联度法确定各因子权重，对两条泥石流沟的危险性进行了多因子综合评价。最后，对比分析了多因子法与数值模拟法在泥石流危险性评价中的适用性与局限性，以期为泥石流风险评估方法的选择与优化提供参考依据。
1 研究区概况
研究区位于福建省南平市邵武市大竹镇吴坑村何家组北西侧，属于低山丘陵地貌单元，自然地形坡度一般 20°~30°，局部 35°~45°，地理位置如图1所示。邵武市地层岩性复杂，分布地层由新到老涉及新生代—古元古代（图2）。泥石流沟正长花岗岩发育，花岗岩坡残积土是本次泥石流事件的重要物源（图2）。吴坑村何家组北西侧沟谷于2019年7月 7日受强降雨影响，在 G1和 G2沟突发泥石流，造成 12 栋居民房受损，堆积淤泥厚度达 2 m，种植耕地 0.12 km2 受损，水渠堵塞，但未造成人员伤亡，直接经济损失约200万元。
图1研究区位置
图2研究区区域地质简图（a）与泥石流沟地形地质图（b）
根据大疆无人机（350搭载L1激光雷达）航摄以及现场调查，此次泥石流主要发生在G1和G2沟（图1），堆积区由两条沟的冲洪积物混合堆积形成（图3a）。本次泥石流堆积物主要成分有坡残积黏性土、漂石、碎石，房屋内部有堆积淤泥（图3b）。泥石流在居民住宅区最深处堆积深度约 1 m，冲毁多处民房墙体、门及窗户等。
图3泥石流堆积区现场照片（a）与居民房内淤泥堆积现场照片（b）
1.1 泥石流形成条件
1.1.1 降雨条件
吴坑村何家组西北侧泥石流位于福建省南平市邵武市，邵武市属中亚热带海洋性季风气候。根据邵武市气象局 2000—2019 年降雨资料统计（图4a），年降雨量多在1061.8～2504.1 mm，多年平均降雨量为1905.72 mm。据2019年逐月降雨量（图4b），月降雨量最高发生在 7 月，降雨量高达 521 mm。 2019年7月5日—7日大竹镇经受持续降雨，逐日降雨量依次为 60.0 mm、78.5 mm 和 160.5 mm（10 a 一遇）。7 月 7 日，5：00~6：00 间 1 h 降雨量 17 mm；6： 00~7：00间1 h降雨量54.0 mm（接近20 a一遇）。本次泥石流发生在7：00左右，主要泥石流过程持续约 40 min，受相近时段短历时（6：00~7：00）强降雨影响明显。
图42000—2019年历年降雨量（a）与2019年逐月降雨量（b）
1.1.2 地形地貌条件
研究区属于低山丘陵地貌单元，主峰所在的山脊走向呈北西—南东向延展，坡面整体地势呈北西—南东向倾斜。G1沟上游见有 6条支沟，呈树枝状分布，大致于标高 412 m、375 m、283 m 处汇入主沟，主沟总长约 1664 m，纵坡降约 37%，呈北西—南东方向；G2 沟中部标高约 340 m 处见有 1 条支沟汇入，平面上呈“Y”字形，主沟总长约 1248 m，纵坡降约43%，呈北西—南东走向。坡面植被发育，主要为毛竹、乔木及灌木等，结合无人机航摄影像，植被覆盖率达80%左右。基于无人机航摄影像，坡顶处有一块面积 1.35×104 m2 的裸土。研究区内丘间谷地表层覆盖第四系全新统冲洪积层（Q4al+pl）、丘陵斜坡表层覆盖第四系更新统残坡积层（Qpel+dl），下伏基岩为加里东期侵入岩（ξγS），岩性主要为正长花岗岩。
1.1.3 物源条件
通过现场调查获取物源信息，2019 年 7 月 7 日受连续强降雨作用，后山发生 8 处滑坡和崩塌。其中，沟谷 G1 发生 3 处滑坡和 1 处崩塌，土方量约为 2.53×104 m3，坡面侵蚀固体物源总量约为5×103 m3；沟谷 G2发生2处滑坡和2处崩塌，土方量约为6.7×103 m3，坡面侵蚀固体物源总量约为 3×103 m3，滑体主要为表层残坡积黏性土及少量粒径不等的强风化岩碎块体，此外夹杂有毛竹、草灌等植物。物源总量合计土方量约为4×104 m3。
1.2 泥石流分区特征
1.2.1 泥石流形成区特征
泥石流形成区空间上呈三面汇集单向出口的 “勺”状，地形上呈现瓢形，大气降雨形成汇水条件充分，斜坡高陡，上覆岩土体主要为厚 1.5~3.0 m 残坡积黏性土组成，易失稳产生下滑，并含有粒径不等的强风化岩碎块体。G1主沟纵坡降比37%，支沟纵坡降比平均 39%，G2 主沟纵坡降比 43%，支沟纵坡降比 51%，沟底宽 1~4 m，主支沟夹角呈“Y”字形分布，“U”字形沟谷。
1.2.2 泥石流流通区特征
G1沟谷流通区为长 620 m 狭长沟谷，上游沟宽 1~3 m，近沟口段宽6~10 m，沟床纵坡坡度平均高达 19%，局部达28%，从而为潜在泥石流提供快速排泄通道。G2沟谷流通区为长 455 m狭长沟谷，上游沟宽 1~3 m，沟床纵坡坡度平均高达 19%，中下游沟底宽变小，沟底呈跌水坎增多。根据现场调查，G1 沟沟床可见明显泥石流流通痕迹，泥石流刮铲痕迹虽不明显，但沟床基岩有明显擦痕，沟床、沟口现场照片如图5所示。
图5G1沟床现场照片（a）与沟口现场照片（b）
1.2.3 泥石流堆积区特征
堆积区面积达7.3×104 m2，2019年7月泥石流过程中冲出风化石、崩落物等其他松散物质约4.6×104 m3，堆积物呈自上游往下游、距沟两侧由近至远分布厚度由厚渐薄变化，沟侧最厚堆积达2 m，潜在泥石流充分的物源流通下泄后对何家组堆积区构成威胁隐患。
2 评价方法
2.1 多因子法
2.1.1 评价因子
参考《地质灾害危险性评估规范（GB∕T40112-2021）》和李宏宇等（2025），选择 8 个因子评价泥石流危险性。其包括一次泥石流（可能）最大冲出量 （y）、松散物质储量（x1）、沟岸平均坡度（x2）、汇水面积（x3）、相对高差（x4）、主沟长度（x5）、泥石流最大流速（x6）和植被覆盖率（x7）。G1和G2沟8个因子调查数据汇总如表1所示。
表1危险性评价因子调查数据
2.1.2 危险性评价关联度和权重
在泥石流危险性评价中影响因子众多且复杂，同时难以获取准确、详实的相关数据。灰色关联度法适用于数据信息不完整、不确定的情况（李阔和唐川，2007）。本文使用灰色关联分析（Grey Rela‐ tional Analysis，GRA）分析和确定离散序列之间关联程度。
计算前为消除量纲差异，对 8 个因子进行均值化处理。在第 k（=1，2）条泥石流沟中，以 y 主要因子，它与 xi（i=1，2，···，7）的关联系数 ξi（ k）计算公式为：
(1)
式（1）中，ρ 为分辨系数，取值范围为（0，1），通常取 ρ=0.5，通过平均关联系数得到关联度 ri，由此确定了灰色关联序，并进行归一化处理，最终得到了各评价因子的权重系数。
2.1.3 危险性等级计算
通过计算无量纲化后的各影响因子与其权重的乘积之和可得到各泥石流沟的危险性，计算公式如下：
(2)
式（2）中，y（k）和 xi（k）为无量纲化后的因子值； wy（k）和 wxi（k）为与之对应的权重。根据李宏宇等 （2025）构建的泥石流危险性综合评价方法，通过Wd 判断危险性等级：Wd≥0.8 指示极高危险性；0.8>Wd≥ 0.6 指示高危险性；0.6>Wd≥0.4 指示中危险性；0.4>Wd≥0.2指示低危险性；0.2<Wd指示极低危险性。
2.2 数值模型法
2.2.1 模型设置
采用Massflow（2.9.1版本）构建泥石流模型，泥石流运动控制方程为二维潜水方程。通过大疆350无人机搭载 L1 激光雷达航测获得研究区数字高程与植被覆盖信息。数值模型中高程空间分辨率为6 m，有效数值单元数为 3604 个，总模拟时长为 2400 s。数值模型中在空间上采用有限差分法，在时间上采用隐式求解。采用瓦宁（Voellmy）基底摩擦模型，其中摩擦系数和紊动系数分别为0.025和300。摩擦系数通过试错法获得，目标是使得泥石流堆积方量的模拟结果与实际观测之间的差异尽可能小；紊动系数300为模型默认取值。使用雨洪法刻画泥石流在 G1和G2沟的流量过程，结合勘察结果确定G1与G2 沟洪水出口位置（图1）。
依据《泥石流防治工程勘察规范》（DZ 0020-2006），泥石流洪峰流量QC（m3 /s）计算公式为：
(3)
式（3）中，QP为暴雨对应的洪水设计流量（m3 /s）； ϕ=（γC-γW）/（γH-γC）为泥沙修正系数；γC为泥石流重度（t/m3，取值1.64）；γW为清水的重度（t/m3，取值1.0）； γH为泥石流中固体物质重度（t/m3，取值 2.60）；DC为泥石流堵塞系数（依据勘查规范附录表 I.1，取值 2.0）。其中 QP=m×SP×x2=0.65×54.0×0.643=22.57 m3 /s （m为径流系数；Sp为降雨强度（mm/h），按曾家尾水库雨量监测点当时最大降雨强度54.0 mm/h计）；G2沟的QP=0.65×54.0×0.258=9.06 m3 /s。按上述公式计算， G1和G2沟洪峰流量分别为75.23 m3 /s、30.20 m3 /s。
2.2.2 危险性等级划分
依据常鸣等（2019）的泥石流危险性评价思路，泥石流危险性由泥石流强度和爆发概率共同确定，规则如图6所示。图6a为常鸣等（2019）采用的强度划分规则，当0.5≤Hmax<2.5且0≤HVmax<0.5，或0.5≤HVmax <2.5且 0≤Hmax<0.5时无对应的强度等级。本文采用就高不就低原则，将满足这两个条件的泥石流定义为中等强度（图6b）。泥石流模型可获得任意位置泥深 H和流速 V。通过 Hmax与 HVmax大小及布尔运算结果确定泥石流强度等级划分。泥石流爆发概率通过 1 h 暴雨发生概率确定，依据福建省中小型流域暴雨频率，定义 20 a一遇及以下暴雨都为高爆发概率，20~100 a 对应的为中爆发概率，100 a 一遇暴雨及以上对应低爆发概率。本次诱发泥石流事件的1 h降雨量为20 a一遇，属于高等爆发概率。
结合本次泥石流事件的堆积区范围通过试错法率定模型参数，而后将这些参数用于分析不同暴雨事件发生概率下泥石流的危险性。依据福建省邵武市水文局和气象局资料显示，福建省邵武市5、 20、50 及 100 a 一遇的 1 h 降雨量分别是 45.83 mm、 58.60 mm、67.45 mm和71.96 mm；5、20、50和100 a一遇的24 h降雨量分别是127.6 mm、167.8 mm、238 mm 和 260 mm。将 1 h 降雨强度代入式（3）可计算得到不同爆发概率下泥石流强度。结合图6c即可评价泥石流在不同爆发概率下的危险性。
图6泥石流强度等级与危险性等级
a—常鸣等（2019）强度等级；b—本文强度等级；c—危险性等级
3 泥石流灾害危险性
3.1 基于多因子法的泥石流危险性
基于灰色关联度法计算得到的各评价因子权重（表2）表明：汇水面积（权重 0.227）与一次泥石流 （可能）最大冲出量高度关联，对泥石流危险性的贡献最大，其次为相对高差（权重 0.118）。主沟长度 （权重 0.098）、松散物质储量（权重 0.092）和泥石流最大流速（权重 0.082）权重中等，分别从物源累积、物质基础和运动强度方面对危险性产生一定影响，但作用弱于核心因子。沟岸坡度（权重 0.079）与植被覆盖率（权重 0.076）贡献相近，均与一次泥石流 （可能）最大冲出量关联度最低。权重排序结果总体符合泥石流发生的物理机制。汇水面积和最大冲出量作为核心驱动因子，汇水面积决定了水动力的强弱，面积越大，汇集的水量越多，水流动能力越强，对松散物质的冲刷搬运能力越显著，直接影响泥石流规模；最大冲出量则是各因子作用的最终体现。相对高差通过地形势能强化动力，高差越大，水流和松散物质运动速度越快，侵蚀与搬运效率越高。主沟长度通过延长作用路径累积物源和动能，松散物质储量提供物质基础，流速则反映了泥石流的运动能力；相比汇水面积、相对高差等直接决定水动力和物源搬运效率的核心因子，沟岸坡度和植被覆盖率这两个因子更多起辅助作用，沟岸坡度影响物质稳定性和水流速度，植被通过固土截水抑制泥石流。但植被的缓灾作用在暴雨场景下可能被削弱，揭示短历时强降雨对静态因子的主导性超越。以上表明，泥石流防治需优先调控物源规模与汇流条件，地形高差可作为危险区划的关键判别指标。
表2主要因子与次要因子的关联度及权重
通过危险度模型（式2）计算得到的泥石流危险性结果如表3所示。G1 沟危险度 Wd=0.60，具有高危险性，高于G2沟（Wd=0.41，属中危险性）。其分异主要源于高权重因子的显著差异。最大冲出量和汇水面积作为核心主导因子（合计占 45.5% 权重），在G1沟分别达2.188×104 m3 和0.643 km2，均为G2沟 （0.879×104 m3、0.258 km2）的 2.5 倍，直接导致 G1 沟灾害规模与水动力强度远超 G2 沟。同时，G1 沟相对高差（466 m）比 G2 沟（292 m）高 174 m，可促使更大势能转化为流动动能，进一步强化冲击风险；而 G1 沟松散物质储量 4.71×104 m³/km²）也高于 G2 沟 （3.76×104 m3 /km2），可提供更充分的物源基础。
3.2 基于数值模型法的泥石流危险性
3.2.1 泥石流运动特征模拟验证
图7所示为 G1 沟和 G2 沟在时间步长为 600 s、 1200 s、1800 s和2400 s的泥石流模拟结果，红色虚线范围内代表泥石流实际堆积范围，通过实际调查，根据G1和G2沟道内堆积来确定泥石流出水口位置。
G1 沟和 G2 沟泥石流几乎同时发生，在运动初期，受重力势能的作用，沿沟道快速流动，在大约 1200 s 时，泥石流冲出沟口，覆盖农田，并逐渐向村庄运动，在 1200~1800 s，由于沟口地表排水通道被淤积，泥浆转向东北侧曾家尾水库，此时村庄已几乎全部被淹没，随后继续堆积，流向水库。
表3泥石流危险性评价结果
图7不同时间泥深空间分布图
a—600 s；b—1200 s；c—1800 s；d—2400 s
为揭示泥石流在不同空间的动力特征，在泥石流发生流通区和堆积区均匀设置 7 个监测点位（具体布设位置见图7a），能够系统捕捉泥石流在2400 s 内运动的速度和堆积厚度，用于解析泥石流发生全过程的运动特征。
图8a显示泥石流全过程中呈现出明显时空分异规律，T1~T4监测点分布在流通区，流速（V）较大， T4 监测点峰值速度达 2.84 m/s，T5~T7 监测点分布在堆积区，因此其流速相较于流通区，流速较低，最高T7监测点峰值速度为0.75 m/s。整个流动过程大体呈现出“瞬时加速—高速冲击—稳定流动—减速堆积”四阶段模式，整体符合泥石流运动特征。
图8b显示不同监测点泥深（H）随时间的演化特征。流通区（T1~T4）在泥石流发生初期 H 不断增大，在1500 s左右深度达到最高值，在泥石流发生后期降低至1 m以下，堆积区（T6）由于地势较低，H随着时间不断增加，直至达到4.65 m，堆积区（T5）地势较高，H 在 0.5 m 以下，并且随着时间减少，堆积区（T7）由于处在泥石流堆积边缘，H在1 m左右。
由流速与泥深乘积（HV）随时间的变化过程可见（图8c），流通区各监测点 HV 数值总体呈现先增大后减小的趋势，而堆积区监测点数值先增大而后稳定在一定范围。这说明了泥石流从流通区到堆积区的能量传递过程。图8d展示泥石流危险强度随时间的变化过程。监测点 T1 和 T3 位于 G1 与 G2 中部，处于流通区位置，沟床狭长，泥石流流速大，所以危险强度上升快且级别高。在沟口位置 T2 和 T4的泥石流强度总体较低，这是因为泥石流在冲出沟口时，坡度下降、下垫面面积增大，泥石流能量出现分散。在堆积区位置T5~T7，地势低洼，属于泥石流能量汇集区，危险强度高。各监测点泥石流危险强度随时间增大而增大，这是因为泥石流起止时间总体较短，考虑危险性强度随时间变化虽然更准确但并不实用。
图8监测点T1~T7流速与泥深
a—流速（V）；b—泥深（H）；c—流速与泥深乘积（HV）；d—危险性强度
3.2.2 泥石流危险性
根据常鸣等（2019）建立泥石流强度影响以及危险强度分区标准（图6），对 G1 和 G2 发生的泥石流进行危险强度分区以及危险性评价。该危险分区标准的泥深（H）阈值（H≥2.5 m）与《泥石流灾害防治工程勘查规范》基本一致，且通过引入H和最大流速（V）乘积作为判据，提出了更侧重动力学特征的简化评价方法。
利用ArcGIS对模拟后的结果进行处理，划分泥石流危险强度分区如图9a所示。总体表现为流通区和低洼堆积区危险强度大，这与图8d的结果具有一致性。综合分析图9a，在泥深厚和流速大的地方危险强度也较高。其中，高危险强度区占比8.71%，中危险强度区占比 20.78%，低危险强度区占比 70.50%。高危险强度区分布在泥石流流通区以及堆积区东南部，中危险强度区分布在堆积区内部，低危险强度区分布在流通区沟道边缘和堆积区的大部分区域。模拟结果显示，泥石流堆积物覆盖了整个村庄。通过模拟泥石流在不同降雨强度下的堆积危险范围，结合危险性等级划分标准（图6），将危险性等级划分为高危险性、中危险性以及低危险性3类（图9b），从这3种类型的分布特征可以看出，高危险区主要分布在 G1、G2 两条沟谷以及地势较低的地方，以居民房屋、农田以及道路为主，需要重点防范，中危险区主要以农田和居民房屋为主，低危险区主要分布农田以及河道等土地利用类型。
4 讨论
数值模拟结果显示2019年7月7日泥石流事件中何家组居民房所在区域为中等泥石流危险强度，而 G1 与 G2 沟及下游洼地区域危险强度高，空间上不连续。这是因为该地区位于两条泥石流沟中部山脊线下游，地势相对较高，泥石流流速与泥深相对较小。泥石流堆积方量的模拟值与调查值分别为 4.584×104 m3 和 4.6×104 m3，绝对误差为 160 m3。数值模型法获得的危险性分区结果显示，何家组区域为高、中危险性，这与泥石流危险强度不一致。这是因为泥石流危险性与强度的定义不同。泥石流危险性是指在特定区域内，泥石流发生的可能性及其潜在危害程度的综合评估。依据常鸣等 （2019）提出的泥石流危险性评价方法，泥石流危险性由泥石流强度与暴发概率共同决定，其中暴发概率可通过不同重现期降雨强度进行表征，本文综合分析了邵武市小时降雨 5 a、20 a、50 a 和 100 a 一遇的降雨强度，综合计算了研究区的危险性分区。本次泥石流事件的降雨强度接近 20 a一遇，属于高概率事件。依据图6c，何家组居民房区域泥石流危险性高。
图9危险强度分区及危险性评价
a—危险强度分区；b—危险性分区
由多因子法得出G1与G2沟分别为高和中危险性，而数值模拟法得出二者均存在高危险性。多因子法能综合考虑多种因子，综合分析多种要素和过程对泥石流危险性的影响。但是，通过该方法获得的评价结果受所选因子及评价方法影响，且各因子与不同因子复合作用对泥石流运动及致灾效应并不明确。此外，因未能考虑泥石流动力过程，不能对泥石流沟下游的危险性进行定性和定量分析。在数值模型法中，本文先通过 Massflow模拟 2019年 7月 7日泥石流的运动速度、泥深及堆积范围，结合试错法率定了瓦宁基底摩擦模型中的关键参数，包括基底摩擦系数取值0.025，这符合泥石流沟床基岩裸露且光滑的特征。然后，本文基于常鸣等（2019） 分析方法，对研究区泥石流危险性进行了评价。研究结果显示，两条泥石流沟均存在高危险性，何家组所在区域存在高、中危险性。数值模型法能结合泥石流动力过程，系统地分析泥石流发生区及下游的危险性，总体评价效果优于多因子法。在未来的研究中，综合多因子静态评价与数值模型动态评价在一定程度上能够综合两者优势，提高泥石流危险性评价的可靠性。
5 结论
基于实地调查与气象水文监测数据，本文综合运用多因子分析法与数值模拟法，对福建省邵武市大竹镇吴坑村何家组泥石流的危险性进行了系统评估与研究。通过构建 Massflow 数值模型，模拟了泥石流的运动速度、泥深及堆积范围，并依据实地勘查数据对模型参数进行了率定与验证。此外，本文改进数值模拟方法已有的危险性评价等级划分方法，率定后的模型结合改进的等级划分方法被进一步应用于泥石流的危险性评价。主要结论如下：
（1）所构建的 Massflow 模型能够较准确反映泥石流堆积方量，模拟结果为 4.584×104 m3，与实际调查值4.6×104 m3 高度吻合，相对误差仅为0.35%。监测点 T1~T7 的结果表明，在 2019 年 7 月 7 日泥石流事件中，流通区及低洼堆积区危险强度较高，而沟口下游区域的泥石流强度相对较低。
（2）泥石流沟G1和G2均属于高危险性沟道，且 G1的高危险分布范围大于 G2。何家组所在区域泥石流危险性处于中高级别，建议相关部门加强泥石流防治与应急抢险能力建设。尤其需注意 G1、G2 沟道及下游低洼地带，应避免布局重要基础设施。
（3）数值模拟方法在危险性的动态表征方面总体优于多因子方法。多因子法虽具有简便高效的特点，但未能考虑泥石流的动态运动过程；而数值模型基于泥石流发生与运动的物理机制，能够模拟其启动、运移和堆积全过程，从而更系统、客观地揭示泥石流沟及影响区的危险性强弱空间分布。
在未来的研究中，有机结合多因子静态评价与数值模拟动态评价有利于综合分析泥石流致灾因子，更全面地评价泥石流危险性。
注释
① O’Brien J S.2009. FLO-2D Reference Manual Version 2009[R]. Nutrioso: FLO-2D Software, Incorporated.
