利用归一化陡度指数识别冲积平原砾石-砂质过渡带:一种灾害风险评估新方法

《Geomorphology》:Identifying gravel-sand transition zones in alluvial plains using normalized steepness index

【字体: 大 中 小 】 时间:2025年12月31日 来源:Geomorphology 3.3

编辑推荐:

  为解决日本地貌分类图中砾石-砂质过渡带(GST)缺失,导致灾害风险评估困难的问题,研究人员开展了利用归一化陡度指数(ksn)识别冲积平原沉积物类型的研究。结果表明,砾石质与砂泥质冲积平原的转变系统性地发生在ksn值为10–20?m0.9的阈值处,该阈值与全球报道的GST区域一致。该研究为仅利用地形数据快速生成灾害图(如液化风险图)提供了一种实用方法。

  
在广袤的冲积平原上,河流蜿蜒流淌,塑造着地表形态,也孕育了人类文明。然而,这些看似平坦的土地却潜藏着巨大的自然风险,如洪水泛滥和地震引发的土壤液化。要准确评估这些风险,一个关键环节是了解地下的“底细”——即沉积物的类型。在河流系统中,存在一个重要的地貌界限,即砾石-砂质过渡带(GST),它标志着河床沉积物从上游粗大的砾石向下游细小的砂泥质材料的转变。这个过渡带不仅是地貌演化的关键节点,更是灾害风险的分水岭:砾石区地基稳固,而砂质区则容易在强震中发生液化,导致建筑物倾覆。
尽管GST如此重要,但在日本现有的地貌分类图上,这一关键区域却常常“隐身”,未被明确标识。这给灾害评估带来了巨大挑战。传统的识别方法依赖于野外实地观测或复杂的河流动力学模型,不仅耗时费力,而且难以在大范围内推广应用。因此,寻找一种仅利用地形数据就能快速、准确识别GST的方法,成为地理学家和灾害评估专家亟待解决的难题。
为了解决这一问题,日本国土地理院的研究人员Kazuki Yoshida和Mamoru Koarai在《Geomorphology》杂志上发表了一项创新性研究。他们提出,一个名为“归一化陡度指数”(ksn)的地形指标,或许能成为解开GST之谜的钥匙。ksn是一个结合了河道坡度(S)和上游集水面积(A)的综合指标,它能够消除因河流规模不同带来的坡度差异,从而更真实地反映河流的侵蚀和搬运能力。研究人员大胆假设,正是这种综合的“能量”决定了河流能够携带和沉积何种大小的颗粒,因此ksn应该与GST的位置存在某种内在联系。
为了验证这一假设,研究团队开展了一项规模宏大的综合分析。他们首先利用日本全国范围内的机载激光雷达(LiDAR)获取的高精度数字地形模型(DTM),对118条河流的纵向谷坡(S)和上游集水面积(A)进行了精确计算。同时,他们从遍布全国的钻孔数据中,提取了从地表至3米深度的沉积物类型信息,将沉积物划分为砾石、砂和泥三大类。为了确保结果的普适性,研究还纳入了日本六个不同沉积环境区域的小型至中型冲积平原数据,以及低海平面时期的古河道数据。此外,他们还收集了日本及全球范围内多条河流的河床沉积物粒度数据,以及前人研究中已确认的GST位置信息。通过将这些海量数据与计算出的ksn值进行对比分析,研究人员最终揭示了ksn与沉积物类型之间清晰而稳定的关系。
主要技术方法
本研究主要基于地理信息系统(GIS)平台,利用日本国土地理院提供的机载激光雷达(LiDAR)数字地形模型(DTM)和全球数字高程模型(GDEM)进行地形分析。通过提取冲积平原的纵向谷坡(S)和上游集水面积(A),计算归一化陡度指数(ksn)。沉积物数据来源于日本全国范围内的钻孔数据,对地表至3米深度的岩性进行标准化分类。研究还整合了日本及全球多个地区的历史河床粒度数据和已发表的GST研究案例,进行综合对比验证。
研究结果
日本冲积平原的坡度-面积分析
研究结果显示,在S与A的对数坐标图上,砾石质沉积物和砂泥质沉积物的分布区域呈现出明显的分异。然而,区分这两类沉积物的界限并非一条固定的坡度线,而是与ksn值密切相关。当ksn值低于10–20?m0.9时,细粒沉积物(包括砂)开始占据主导地位;而当ksn值高于这一阈值时,沉积物则以砾石为主。这一规律不仅适用于日本中大型冲积平原,在小型至中型冲积平原以及低海平面时期的古河道中也得到了验证。这表明,ksn作为一个综合指标,能够比单一的坡度值更准确地预测冲积平原的沉积物特征。
河床粒度调查
为了进一步证实ksn与沉积物粒度的直接关系,研究人员分析了前人研究中河床沉积物的中值粒径(DM)。结果发现,DM随着ksn的增加而增大。当ksn超过20?m0.9时,DM值全部大于10?mm,且分布范围较窄;而当ksn低于20?m0.9时,DM值分布范围更广,且包含了砂级颗粒。这一结果再次印证了ksn作为沉积物粒度预测因子的有效性。
全球GST的坡度-面积分析
为了检验这一规律是否具有全球普适性,研究人员将全球范围内多个已报道的GST位置数据绘制在S与A的对数坐标图上。令人惊喜的是,除了喜马拉雅地区的柯西河(Kosi River)因构造沉降速率极高而表现出异常外,其他所有河流的GST都落在了ksn值为10–20?m0.9的区间内。这表明,利用ksn识别GST的方法不仅适用于日本,也适用于全球其他地区的河流系统。
讨论与结论
灾害风险预测
这项研究的成果具有重要的现实意义,尤其是在自然灾害风险评估领域。以日本渡良濑川(Watarase River)为例,前人研究曾识别出两个不同的坡度不连续点。本研究通过计算发现,这两个点对应的ksn值分别约为10?m0.9和20?m0.9。结合沉积物特征分析,研究人员认为,ksn≈20?m0.9的界限可能区分了砾石丰富的冲积扇和砂质丰富的冲积扇,而ksn≈10?m0.9的界限则代表了冲积扇与曲流平原的过渡。
更为重要的是,这一方法在预测地震液化风险方面展现出巨大潜力。研究人员分析了2016年熊本地震中阿苏谷(Aso Valley)的液化点分布,发现液化现象主要发生在ksn值低于20?m0.9的区域,而在ksn值高于20?m0.9的砾石质区域,液化现象几乎绝迹。这为快速生成液化风险图提供了一种全新的、仅依赖于地形数据的实用工具。
应用局限性与展望
当然,该方法也存在一定的局限性。例如,它不适用于以基岩出露为主的侵蚀平原;在计算ksn时,未考虑气候差异(如降雨量)对河流流量的影响;此外,该方法目前尚未考虑微地貌(如天然堤、废弃河道)对沉积物分布的局部影响。未来的研究可以进一步探索如何将单位水流功率(ω)等更精细的指标与ksn结合,以更精确地预测沉积物粒度分布,从而为防灾减灾和城市规划提供更科学的依据。
综上所述,这项研究成功地将归一化陡度指数(ksn)应用于冲积平原沉积物类型的识别,揭示了砾石-砂质过渡带(GST)系统性地发生在ksn值为10–20?m0.9的阈值处。这一发现不仅深化了我们对河流地貌演化过程的理解,更重要的是,它为快速、大范围地评估自然灾害风险提供了一种革命性的新方法。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号