将碎屑流侵蚀作用与河道床参数联系起来：基于岩土工程技术和无人机技术的瑞士十条河道研究

《Geomorphology》：Linking debris flow erosion to channel-bed parameters: Geotechnical and UAS-based investigation of ten channels in Switzerland

　　赫尔韦·维卡里（Hervé Vicari）|弗朗齐丝卡·布吕德尔（Franziska Bründl）|菲利普·弗里斯（Philipp Frie?）|阿德里安·林根巴赫（Adrian Ringenbach）|安德烈亚斯·斯托费尔（Andreas Stoffel）|伊夫·比勒（Yves Bühler）|乔丹·亚伦（Jordan Aaron）|布莱恩·麦卡德尔（Brian McArdell）|法比安·瓦尔特（Fabian Walter）|克里斯托夫·格拉夫（Christoph Graf）|拉尔夫·赫尔佐格（Ralf Herzog）|彼得·贝比（Peter Bebi）|约翰·高姆（Johan Gaume）
瑞士达沃斯多夫WSL冰雪与雪崩研究所（WSL Institute for Snow and Avalanche Research SLF, Davos Dorf）

**摘要**
泥石流的动力学受河道地形与流体及其可侵蚀河床的水文地质力学特性之间复杂相互作用的影响。然而，将沉积物特性与泥石流侵蚀和沉积过程联系起来的系统野外数据仍然非常有限，主要原因是陡峭的河道难以进入，且其沉积物具有异质性和分选不良的特点。在这项研究中，我们使用无人机（UAS）进行了反复调查，并结合了地质技术野外和实验室测量，对瑞士的十个泥石流河道进行了研究。多时期的数字表面模型显示，当河床坡度超过约20°时，侵蚀通常占主导地位，尽管侵蚀的量和空间模式在不同河道和不同事件间存在显著差异。为了探讨这些差异的原因，我们测量了颗粒大小分布、饱和水力传导率（约10^-7至10^-3 m/s）以及原位机械阻力。由富含细粒物的低渗透性沉积物组成的河道表现出更大的平均侵蚀量，这可能是因为低渗透性阻碍了排水加载过程中的孔隙压力消散。渗透仪和叶片剪切试验进一步表明，新沉积的湿沉积物在机械强度上低于侵蚀后的粗粒材料；沉积物在干燥后其强度可以迅速提高。较大规模的河道和流域中的侵蚀作用也更为明显。通过整合地貌学和地质技术参数，我们将研究中的河道分为四种类型，从小型粗粒河道到大型富含细粒物的河道。这个多站点数据集为沉积物性质与泥石流侵蚀之间的关系提供了罕见的野外证据，同时也展示了在泥石流河道应用地质技术方法的潜力和局限性。研究结果为下一代水力-力学泥石流模型的校准和验证提供了关键参数。

**1. 引言**
泥石流的体积和流动性受到侵蚀和沉积过程的强烈控制（Iverson, 2012; Issler et al., 2024），而这些过程又显著依赖于流体和河床物质的组成（Iverson et al., 2010, 2011; Aaron and McDougall, 2019）。我们对这些物理过程的理解主要基于受控实验室研究和野外观察。流水槽实验揭示了物质性质与泥石流行为之间的基本关系。实验表明，由于孔隙压力升高导致的剪切强度降低，饱和水流比干涸水流更具流动性（Taylor-Noonan et al., 2022）。泥石流沉积物中的细颗粒会降低渗透性并延迟孔隙压力消散，从而增强流动性（Iverson et al., 2010），但流动的流动性还强烈依赖于粗粒和细粒物质的比例（de Haas et al., 2015）。此外，流体组成（de Haas and van Woerkom, 2016, Roelofs et al., 2022）和河床组成（Roelofs et al., 2023）也会显著影响侵蚀模式。河床沉积物中水分含量的增加可能会增强泥石流的侵蚀作用和能量增长（Iverson et al., 2011），而更大的流量会导致更严重的侵蚀（Vicari et al., 2022a）。然而，将这些实验观察结果与现场条件联系起来仍然具有挑战性，主要是因为流水槽实验的尺度效应（Iverson, 2015, Choi et al., 2024）以及在复杂自然环境中分离控制因素的难度。因此，在自然泥石流现场进行监测对于理解实际条件下的泥石流起始和动力学过程至关重要（Hürlimann et al., 2019）。已经使用了多种传感器来记录关键流动参数，包括流深（McArdell et al., 2007）、流速（Hürlimann et al., 2014）、基底应力和孔隙压力（McArdell et al., 2007, McCoy et al., 2012）、河床土壤湿度（McCoy et al., 2012, K?nz et al., 2024）、对障碍物的冲击力（Wendeler et al., 2019）以及河床侵蚀（Berger et al., 2010, 2011a, McCoy et al., 2012, Yune et al., 2023）。最近，无人机（UAS）越来越多地被用于重建河道地形，并量化连续事件之间的侵蚀和沉积过程（de Haas et al., 2020, de Haas et al., 2022, Walter et al., 2022, Schmucki et al., 2023）。之前的野外研究将局部河道几何形态与侵蚀和沉积联系起来，一致表明在较大坡度和较大流量条件下侵蚀占主导地位（Hungr et al., 1984, 1984, Hungr et al., 2005, Theule et al., 2015, Simoni et al., 2020；Schürch et al., 2011, de Haas et al., 2022）。其他研究探讨了触发泥石流的降雨阈值（Hürlimann et al., 2014, Hirschberg et al., 2021）。相比之下，很少有研究考察河床沉积物的地质技术和组成特性，主要是因为难以进入陡峭且不稳定的河道并采样其粗粒、异质性材料。在这些研究中，Bolliger et al.（2024）在Illgraben采样了泥石流沉积物，以研究细粒物质可能对流动性的影响；Harvey et al.（2022）比较了测量泥石流沉积物中颗粒大小分布的各种方法，包括卵石和巨石；Crosta和Dal Negro（2003）对火山碎屑沉积物进行了颗粒大小、剪切强度和水力传导率测试；Sosio et al.（2007）和Schatzmann（2005）进行了流变仪测试，以表征泥石流物质的粘性行为。尽管如此，对河道物质性质的全面多站点测量仍然很少，但这些数据对于推进滑坡和泥石流研究至关重要。现代的两相数值模型需要直接从土壤的水文地质力学性质中得出明确的材料参数（Iverson and George, 2016, Vicari et al., 2025），而对河床演变的野外观察对于校准和验证包含泥石流携带机制的操作模型也至关重要（Frank et al., 2017, K?nz et al., 2024）。由于泥石流河道的边界条件（如地形、地貌、物质性质和水文状况）差异很大，研究多个站点也是识别更广泛控制机制的关键。比较不同条件下的河道可能有助于深入了解影响泥石流频率、规模以及侵蚀和沉积空间分布的因素，而不仅仅是降水因素。为了填补这些空白，我们结合遥感和地质技术野外工作，调查了瑞士阿尔卑斯山脉的十个泥石流河道。具体而言，我们整合了（i）基于UAS的河道地形演变（侵蚀和沉积）分析，（ii）河道的地貌特征及其流域特征，以及（iii）河床沉积物的原位和实验室地质技术测试。我们的综合方法提供了关于河床演变的新多站点数据，使我们能够考察其如何与局部河道几何形态和物质性质以及更广泛的地貌和地质技术参数相关联。同时，它还系统地评估了在这种具有挑战性的现场条件下哪些地质技术测量是最有信息量和可行的，为未来的泥石流和滑坡研究提供了参考。

**2. 方法**
2.1. 研究的泥石流河道
本研究调查了瑞士阿尔卑斯山脉格劳宾登州（Grisons）和瓦莱州（Valais）的十个泥石流河道（图1和表1）。选择这十个河道主要是基于其可进入性，并涵盖广泛的地貌和地质技术特征，包括河道规模、岩性和河床沉积物性质的差异。Aren（AR）、Fraschmardin（FR）、Laubigenzug（LB）位于达沃斯-克洛斯特斯地区（Grisons）。Laviner Munt dals Vadès（MV）位于下恩加丁地区（Grisons）的Val S-charl。Boua digl Cof（BC）、Val Mela（VM）、Val Greva（VG）河道位于阿尔布拉和上恩加丁地区之间（Grisons）。Masch?nserrüfi（MR）和Carrerabach（CB）位于Calanda和Safiental地区（Grisons）。对于CB，仅调查了其中一个中间段落（称为“In da Bendera”）。Illgraben（IL）位于罗讷河谷地区（Valais）。

**表2. 地貌指标总结**
流域面积使用GIS（ArcGIS Pro 2.4）中的流域函数计算，出口点定义为主要泥石流河道的最低点。河道面积是根据正射影像和阴影模型（即河道化迹象、沉积物存在、缺乏植被）以及野外调查手动确定的。沿河床的河道长度代表倾斜的河道长度，平均河道坡度是通过河道分段计算得出的河床坡度的距离加权平均值。Melton指数是最大流域高差与流域面积平方根的比值。所选站点代表了多样的地貌和地质环境，流域面积从0.1到9.2平方公里不等，河道长度从0.7到6.7公里不等。这些河道经历了不同的地质条件，从而影响了风化过程、沉积物供给情况和泥石流事件的频率。BC河床的基岩由快速风化的白云质角砾岩构成，坡度非常陡峭，但泥石流事件较少（约每3年一次）。VG河床由三叠纪白云岩上逆冲的Er-Nappe片麻岩构成，近年来每年仅发生少数小型事件（约2–3次），主要源于主河道上方最近激活的滑坡。AR河床由蛇绿岩和片麻岩构成；沉积物可能来自河道上部，但泥石流事件不频繁。LB河床由片麻岩和角闪岩构成，事件约为每4年一次。VM河床由三叠纪白云岩、砂岩和石灰岩构成；事件相对较少（约每4年一次）。FR河床由奥根片麻岩构成，泥石流活动不频繁（约每3年一次）。CB河床由侏罗纪Bündner片岩构成；分析河段上方的活跃滑坡提供了丰富的沉积物，导致泥石流活动频繁。MR河床由风化缓慢的白垩纪Bündner片岩构成，泥石流事件频繁（约每3–4年一次）。IL河床东部为石英岩，西部为灰色大理石和白云岩；活跃的滑坡为河道提供了沉积物，每年夏季都会记录到多次泥石流事件。一些河道采取了结构缓解措施（检查坝、滞留池）。详细的站点描述，包括流域几何形态、近期活动和现场照片，见补充信息（S1部分）。

**下载：**
下载高分辨率图像（3MB）
下载全尺寸图像

**图1. 野外站点**
顶部面板显示了十个泥石流河道的地理位置（Swisstopo）。底部面板显示了河道的3D可视化效果（Google Earth）。流域用蓝色标示，比例距离用黄色标示以显示河道规模。

**表1. 本研究调查的泥石流河道**
| 河道 | UAS | GSD | [Math Processing Error]Ksat | DPL | VST |
|----------------')|('------------------|------------------|------------------|------------------|------------------|
| Val Greva (VG) | ???? | [Math Processing Error]Ksat | ???? | |
| Val Mela (VM) | ???? | [Math Processing Error]Ksat | × | |
| Boua digl Cof (BC) | ???? | [Math Processing Error]Ksat | × | |
| Munt dals Vadès (MV) | ×? | × | |
| Arelen (AR) | ???? | [Math Processing Error]Ksat | × | |
| Fraschmardin (FR) | ?? | [Math Processing Error]Ksat | × | |
| Laubigenzug (LB) | ?? | [Math Processing Error]Ksat | × | |
| Masch?nserrüfi (MR) | ?? | [Math Processing Error]Ksat | × | |
| Carrerabach (CB) | ?? | [Math Processing Error]Ksat | × |
| Illgraben (IL) | ?? | [Math Processing Error]Ksat | × | |

**3. 结论**
本研究通过结合遥感和地质技术野外工作，调查了瑞士阿尔卑斯山脉的十个泥石流河道。我们的综合方法提供了关于河床演变的新多站点数据，使我们能够考察其与局部河道几何形态、物质性质以及更广泛的地貌和地质技术参数之间的关系。同时，它也有助于系统评估在如此具有挑战性的现场条件下哪些地质技术测量是最有信息量和可行的，为未来的泥石流和滑坡研究提供参考。由于所使用的无人机具备实时运动学（RTK）和后处理运动学（PPK）功能，并结合了Swisstopo（2023）的Swipos网络，因此无需地面控制点，仅使用检查点来评估无人机数据集（UAS datasets）的正射校正精度（表S2）。生成的数字表面模型（DSMs）的平均[x处理误差]x和[y处理误差]y精度优于[处理误差]5厘米，平均[z处理误差]精度优于[处理误差]6厘米（即与Schmucki等人（2023）报告的精度相似），并且单元格大小为[处理误差]10厘米。对于仅进行少量无人机飞行的渠道，使用了SwissAlti3D（Swisstopo，2024）的高程数据（[处理误差]50厘米单元格大小）来补充数据集并监测河道床高程的变化。SwissAlti3D是一个描述裸露地面的数字高程模型，不包括植被和基础设施，并且每六年更新一次。本研究站点可用的最新版本对应于2020年的数据集，该数据集来源于激光雷达（LiDAR）数据。此数据集在2022年通过ADS100测绘飞行进行了更新。最终的SwissAlti3D模型代表了正射影像采集时的地表状况，这通常发生在初次激光雷达或立体数据采集后的一年内。因此，单个像素的确切采集日期并不精确，引入了大约一年的时间不确定性。这种不确定性是因为在正射影像审查过程中检测到的显著高程变化（[处理误差]>25–50厘米）可能导致后续的模型更新。因此，本研究使用的SwissAlti3D数据的最可靠时间参考是正射影像采集日期（2022年7月）。每个渠道的可用无人机飞行和DSM在补充信息（表S1）中进行了呈现。

2.2.2 DSM差异分析
对于每个泥流渠道，使用多年来的DSM来计算侵蚀和沉积后的渠道高程变化。为了确保UAS生成的DSM与SwissAlti3D数据之间的兼容性，所有DSM都使用三次插值方法重新采样为统一的[处理误差]cs=50厘米单元格大小。对于每次连续采集，通过从较旧的DSM中减去每个单元格的高程来生成差异DSM（DoD）。从正射影像中识别出的被雪覆盖的渠道区域，或穿过道路或基础设施的区域（这些区域在事件后沉积的物质会被清除），也被手动排除在分析之外。从每次采集的正射影像和处理后的DSM中手动勾画出渠道的范围（图2a），排除了渠道外的地形和渠道边界的森林区域，这些区域可能会影响体积变化的计算。流量累积（即从DSM中得出的上游贡献面积）与河道床高程变化和正射影像结合使用，手动绘制出沿着主流方向的河床线，并大致位于渠道中心。为每个渠道部分绘制了一条连接河床线端点的辅助线。当主渠道方向明显偏离直线时，会绘制多条辅助线。垂直于这条辅助线，在水平方向上创建了[处理误差]10米等间距的多个部分（类似于Simoni等人（2020）的方法），并在渠道区域内裁剪。在每个部分内分析连续采集之间的DoD（图2b），其中正值表示净沉积，负值表示净侵蚀（见补充信息，第S2节）。对于每个[处理误差]10米的部分，通过分别汇总所有负值和正值DoD，并乘以单元格大小的平方来计算侵蚀和沉积体积。通过汇总所有部分的值获得整个渠道规模的侵蚀和沉积体积。然后通过将每个部分的侵蚀和沉积体积除以该部分的倾斜河床长度（即水平部分长度除以从较旧DSM计算出的平均河床坡度的余弦值）来归一化侵蚀和沉积体积，以获得侵蚀和沉积率（单位为[处理误差]立方米/米）。侵蚀和沉积率的总和即为总产出率，或特定体积变化（Hungr等人，2005），表示每个部分的净侵蚀或沉积横截面积。

下载：下载高分辨率图像（534KB）
下载：下载全尺寸图像
图2. 量化每个渠道部分侵蚀和沉积体积的示意工作流程。（a）描绘渠道、河床线和辅助线的shapefiles，渠道被切割成[处理误差]10米长的部分。（b）用于计算每个部分侵蚀和沉积体积的差异DSM（DoD）。

2.3. 岩土工程测试
我们应用了一套标准的岩土工程方法，这些方法通常在岩土工程中常用，但在泥流研究中很少应用，以评估它们是否以及在多大程度上可以用来表征野外条件下的泥流河道沉积物，尤其是在难以进入的陡峭山区。

2.3.1 粒径分布（GSD）
在十个调查渠道的不同地点（地点主要受可进入性限制，见补充信息，图S2）总共收集了25个沉积物样本，包括渠道两岸和渠道中心。每个样本大约收集了[处理误差]3–4公斤的材料，从渠道表层（最上层[处理误差]≈30厘米）获取。每个样本包括小卵石（直径最大[处理误差]≈5厘米），但不包括某些地点存在的较大卵石和巨石。根据瑞士标准（SN EN ISO 17892-4:2018-12, 2018），通过联合筛分和比重计分析确定了粒径分布（GSD）。在实验室中，样品被烘干，移除了大于[处理误差]16毫米的颗粒，但记录了它们的质量。剩余的材料（目标质量[处理误差]≥1.4公斤）被称重、湿筛分、再次烘干，然后干筛分。湿筛分用于分离小于[处理误差]0.063毫米的颗粒，从而确定细粒含量。随后使用一系列筛网（网孔大小从[处理误差]8毫米到[处理误差]0.063毫米）对大于[处理误差]0.063毫米的颗粒进行干筛分。每个样本使用振动板筛分15分钟，然后记录每个筛网上保留的质量。仅对含有超过10%细粒的样本进行比重计分析。将足够的烘干样品与[处理误差]100毫升的六偏磷酸钠溶液混合，以获得大约[处理误差]30克的细粒物质。将该悬浮液搅拌约15分钟，然后湿筛分以分离出小于[处理误差]0.063毫米的颗粒。将此悬浮液转移到比重计圆筒中，倒置60次以确保均匀分散。每隔30秒、1分钟、2分钟、5分钟、15分钟、45分钟、2小时和24小时记录一次比重计读数。从干筛分分析获得的GSD曲线通过细粒部分的比重计结果进行了补充。此外，使用大于[处理误差]16毫米的颗粒的测量干质量来重新调整小于[处理误差]16毫米的颗粒的比例（[处理误差]GSD<16），从而获得每个现场样本的完整粒径分布（[处理误差]GSDall）。[处理误差]GSD<16用于与以前的研究（例如Bolliger等人，2024）进行比较，而[处理误差]GSDall包括较粗的部分，用于后续分析，因为它更能够代表整体材料的行为。

2.3.2 饱和 Hydraulic 传导性（[处理误差]Ksat）
在渠道床材料上进行了饱和 Hydraulic 传导性（[处理误差]Ksat）的现场测量，主要在渠道两岸（AR、VG和BC除外）。使用METER SATURO双头渗透计（图3a）（ASTM D8550-25, 2025）进行测量。SATURO是一种便携式的自动渗透计，通过控制渗透测试来估计[处理误差]Ksat。该设备由一个密封的腔室和一个圆柱形环（直径[处理误差]17.2厘米，高度[处理误差]10厘米）组成，通过锤击将其插入土壤中10厘米深。水以给定速率注入腔室，以保持环内的水位在土壤表面以上[处理误差]5厘米的恒定水头。该仪器通过在腔室中调节空气压力来在两个总压力头之间交替：低（[处理误差]5厘米，即无额外空气压力）和高（其值根据每个渠道的土壤渗透性在10到[处理误差]40厘米之间手动选择）。记录渗透率，从中计算[处理误差]Ksat。该方法要求当地粒径范围从粘土到砾石；在某些情况下，大卵石的存在阻止了安装。SATURO推荐的[处理误差]Ksat测量范围大约为[处理误差]3×10^-4到[处理误差]10^-8米/秒（METER Group, Inc. USA, 2024）。

2.3.3 原位力学测试
使用Light Dynamic Penetrometer（DPL）和Vane Shear Test（VST）设备进行了原位力学测试（图3b,c）。
DPL测试涉及将一个装有圆锥形尖端（[处理误差]3.5厘米直径和高度）的钢探针（长度[处理误差]1米）反复从[处理误差]50厘米的高度落下[处理误差]10公斤的重锤，每次落下约[处理误差]5秒，将其插入地面。记录每次[处理误差]10厘米渗透增量所需的击打次数。这提供了土壤阻力的深度剖面，作为相对密度和强度的间接测量。
VST原则上用于确定软质、粘结性土壤的不排水剪切强度。该设备由一个双叶片叶片（[处理误差]6厘米高和[处理误差]3厘米宽）组成，安装在一个细长的杆上，垂直插入大约[处理误差]10厘米的深度。在一个完整的叶片旋转周期（大约[处理误差]30秒内）测量最大扭矩。由于大多数渠道沉积物的粗糙质地，Vane Shear Test仅能在IL渠道中进行，那里遇到的是较细且仍然湿润的材料。

下载：下载高分辨率图像（2MB）
下载：下载全尺寸图像
图3. 用于原位岩土工程测试的仪器：(a) METER SATURO双头渗透计（METER Group, Inc. USA的下方照片）；(b) Light Dynamic Penetrometer（DPL）；(c) Vane Shear Test（VST）。

3. 结果
3.1 渠道床高程变化
连续DSM采集之间的总侵蚀和沉积体积（DoD在补充信息，第S2节中报告）在表3中报告，同时还包括已知数量的泥流事件（即在所研究溪流中报告的渠道化沉积物-水流事件）。事件数量相当不确定，因为一些事件是通过StorMe指示平台（BAFU, 2023）报告的，而其他事件是由在每个研究区域工作的护林员个人传达的。因此，事件报告可能不完整。
侵蚀体积通常在几千立方米的数量级，除了MR，其侵蚀体积大一个数量级。这表明根据Jakob（2005）提出的尺寸分类，这些测量事件对应于3级和4级，这些事件有潜力破坏大型建筑物和部分村庄。侵蚀和沉积体积的不确定性取决于DSM中误差的空间相关性。如果假设高程误差在空间上是不相关的，则不确定性按[处理误差]σV～csAσh缩放，其中[处理错误]A是 projected侵蚀或沉积面积，[处理错误]σh是DoD高程的不确定性（假设为[处理误差]0.08米；见Schmucki等人，2023）。在这种假设下，体积不确定性较小，最多达到测量侵蚀和沉积体积的0.4%。如果假设高程误差在空间上完全相关，则不确定性按[处理误差]σV～Aσh缩放，导致相对不确定性大幅增加，从6%到71%的测量侵蚀和沉积体积不等，最大的值出现在净床高程变化较小的渠道中。然而，考虑到使用了RTK/PPK定位，高程误差在整个渠道范围内不太可能完全相关。实际上，真实的不确定性预计介于这两个极端估计值之间，反映了部分相关的高程误差。然而，由于缺乏对碎屑流（DSM）误差空间协方差结构的明确了解——这需要一组密集的独立检查点，而在本研究由于地形难以到达且危险而不切实际——因此无法更精确地量化体积不确定性。测量到的侵蚀体积通常大于沉积体积，因为部分侵蚀体积可能在山谷中的主流汇合处沉积，超出了无人机（UAS）调查能够覆盖的范围。在一些情况下，如果在事件发生后挖掘机破坏了基础设施或滞留池，也可能导致了沉积体积的减少。因此，净体积变化（侵蚀体积与沉积体积之和）通常是负值。对于某些河道（CB），由于没有调查整个河道（尤其是上游的触发区域），沉积体积可能会超过侵蚀体积。由于每个时间段的事件数量不确定，并且侵蚀和沉积模式可能会交替发生（例如在CB中，如后文所述），我们决定不通过碎屑流的数量或DSM采集之间的年数来归一化数据，因为每次事件都反映了所考虑时间段内不同事件的综合效应，而不是相似事件规模的线性累积。

除了总体积外，还从空间上分析了侵蚀和沉积模式，并将其表示为沿河道底部的侵蚀和沉积率（即横截面积变化，单位为m3/m）。相应的纵向剖面在补充信息（S2节）中呈现。总产率是通过各段的侵蚀和沉积率之和获得的，通常在[-20m3/m（净侵蚀）到[+10m3/m（净沉积）]的范围内。然而，CB和MR两个河道的产率幅度更大。这两个河道的特征是集水区较大，且河床岩石风化严重，含有丰富的细粒沉积物，这导致了显著的侵蚀（特别是在MR的上游陡峭段）。其他一些河道，如FR、VM和BC，其主河道坡度相对恒定且陡峭，但在与主流汇合处突然变平。对于这些河道，整个陡峭段都发生了显著的侵蚀，而沉积则较为有限；大部分沉积发生在与主流的汇合处，因此无法通过DSM捕捉到。这些河道还倾向于在陡峭段表现出连续的侵蚀，而不是在顶部区域发生整体性破坏。其他河道，如VG和MR，在上游部分非常陡峭，可以清楚地观察到明显的滑坡过程（整体性破坏）（上游部分的侵蚀显著，值低于-20m3/m），并促使碎屑流向下游流动。随着河道向下延伸，我们在许多DSM测量中观察到显著的沉积。对于这些河道，侵蚀/沉积趋势似乎与底部坡度角度相关（见S2节），在较陡的部分侵蚀占主导，而在较缓的部分沉积占主导。对于VG来说，三个跨年度的DSM提供了关于侵蚀变化的宝贵时间洞察。这些多年观测显示，侵蚀率随时间显著变化，主要受河道上游发生的滑坡规模控制。其中两个DSM捕捉到了由滑坡引发的明确事件，而第三个DSM则显示沿河道的侵蚀分布较为均匀，可能是重新移动了早期滑坡沉积的沉积物。比较VG的三个DSM还揭示了事件规模与沉积范围之间的关系：较小的滑坡体积会在河道上游沉积，而较大的体积会产生将物质输送到更远下游的碎屑流。CB河道仅在一个较短的部分进行了分析，因为UAS飞行并未覆盖整个上游释放区。该河道在两个时间间隔（2024-2022年和2022-2021年）的分析显示了显著的侵蚀和沉积现象。有趣的是，侵蚀和沉积模式在空间上交替出现（见图S21）：在一个DSM中以侵蚀为主的位置，在另一个DSM中则以沉积为主，反之亦然。这种模式也被Berger等人（2011b）、Simoni等人（2020）和de Haas等人（2020）观察到，并被de Haas等人（2020）称为“记忆效应”。侵蚀和沉积之间的交替可能归因于河道地形的变化、河道沿线的可侵蚀沉积物供应，以及事件间河道床沉积物的水力地质力学性质的变化（Roelofs等人，2023）。

对于AR、MV和LB河道，没有可用的多期DSM数据，或者可用数据中有很大一部分被雪覆盖，因此被排除在DSM分析之外。IL河道的侵蚀和沉积模式之前已由de Haas等人（2020）分析过，详细内容请参阅相关文献。

表3. 连续DSM采集期间各研究站点总体积变化（侵蚀和沉积，净体积变化）的总结。DSM采集日期见表S1。

| 参数 | FR | VG | VM | BCM | RB |
|---------------|--------|--------|--------|--------|
| 每时间段的事件数量 | 14 | 11 | 13 | 31 | 11 |
| 总侵蚀量（m3） | -6668 | -2705 | -4329 | -1469 | -3866 |
| 总沉积量（m3） | 9832 | 2860 | 9359 | 6485 | 2357 |
| 净体积变化（m3） | -5686 | -3394 | -473 | -3381 | -1546 |
| 平均侵蚀高度（m） | -0.31 | -0.13 | -0.21 | -0.07 | -0.50 | -0.16 |
| 当分析所有研究站点时，局部河道坡度与地貌活动之间的关系变得明显。分析基于补充信息（S2节）中呈现的体积变化率。对于每个10米的河道段，我们提取了侵蚀率、沉积率和总产率，以及相应的底部坡度角度，并计算了[2.5°坡度区间内的平均侵蚀率、沉积率和平均总产率（见图4）。随着底部坡度的增加，侵蚀率增加，而沉积率降低（见图4a）。然而，这两种过程在个别河道段内也可能共存（也见于Simoni等人，2020年的研究），例如由于河道中心和河岸之间的局部坡度变化。局部侵蚀率和沉积率的结合导致总产率随着底部坡度的增加而减少（见图4b）。总体而言，在底部坡度低于大约20°的情况下沉积占主导，而在更陡的坡度下侵蚀占主导（基于所有河道的汇总数据）。然而，不同河道之间的产率变化相当大，特别是CB河道，其侵蚀和沉积模式在事件之间交替出现。然而，一般的侵蚀/沉积模式与先前的研究结果相当一致。Hungr等人（1984年）观察到在狭窄河道中，沉积开始于8°到12°之间，在开阔河道中则介于10°到14°之间。Theule等人（2015年）观察到在9°以上的河道中侵蚀显著。Simoni等人（2020年）发现在16°以上的河道中侵蚀占主导，尽管他们也注意到同一河道内事件间的变化很大。Hungr等人（2005年的综述中提到，先前的多项研究发现在10°到24°的坡度范围内侵蚀和沉积同时发生，尽管在超过30°的坡度上也可能发生沉积。仅底部坡度并不能完全解释侵蚀和沉积的空间变化。局部地形、记忆效应、河道床的地质技术性质以及流水和床沉积物的饱和度也可能起到重要作用。此外，并非所有分析的碎屑流事件都是大规模的高强度事件，这可能解释了即使在相对陡峭的坡度上也发生沉积的现象。手动划定河道底部会导致坡度估计的额外位置不确定性，这也反映在计算出的产率变化中（见补充信息中的图S23）。此外，S2节中展示的DSM数据表明，侵蚀和沉积在个别河段内可以共存，从而导致了观察到的变化。最后，在沉积可能占主导的较缓坡度区域，分析中的代表性不足，因为这些区域通常位于主谷河流中，我们的UAS调查无法记录到沉积迹象。

下载：下载高分辨率图像（609KB）
下载：下载全尺寸图像

图4. 河道底部坡度与（a）侵蚀和沉积率以及（b）总产率（也称为特定体积变化）的箱平均值之间的相关性。图(b)中的红线是对所有值进行的三次插值，95%置信区间由红色阴影区域表示。插图强调选定的河道，为清晰起见省略了VG。

3.2. 河道床材料的地质技术测量

3.2.1. 颗粒大小分布（GSD）
分析的25个样本显示出高度可变的颗粒大小分布，其中黏土、粉砂、沙子和砾石的比例各不相同（见图5a；具体数据及与先前研究的比较见图B.13）。对于所有样本，相对质量占比如下：黏土<0.002mm，0.03–5.2%；粉砂0.002–0.063mm，1.1–32.6%；沙子0.063–2mm，1.6–54.1%；砾石2–63mm，13.6–96.7%。样本根据其采样位置分为来自河岸或河道中心的样本。总体而言，河岸样本中的细粒物质比例高于从河道中心采集的样本。这一观察结果与河流和急流过程一致，因为流水优先从河道中心移除细粒物质，而在河岸处由于水流无法到达，这种移除作用受到限制。这些发现与Berti和Simoni（2005年）的报告一致。完整的颗粒大小分布（包括大于16mm的颗粒）见图5b。在含有较粗颗粒的样本中，曲线向下移动，反映了超过16mm直径的颗粒的贡献。

对于每个样本，从[<16mm GSD（D10(<16)）]和[完整分布（D10(all)]]中提取了通过10%颗粒尺寸（D10）的颗粒。它们的频率分布分别见图5c和5d。在河道内部和内部，[D10]的变异性都很明显。例如，在IL河道的Check Dams（CDs）27和28附近采集的河岸样本中，细粒含量明显高于河道中心的样本。VG、BC、LB和AR河道的样本显示出更粗的颗粒分布。

下载：下载高分辨率图像（1MB）
下载：下载全尺寸图像

图5. 颗粒大小分布测试：(a) 仅限小于16mm的颗粒（[GSD<16）；(b) 包括较大颗粒（[GSDall）；(c) 通过10%直径（D10(<16)）的频率分布；(d) [D10(all)。

3.2.2. 饱和水力传导率（[Ksat]）
SATURO渗透仪测量的饱和水力传导率（[Ksat]）的结果见图6a。测量通常沿着河岸进行，除非是在AR、VG和LB河道，因为这些河道的中心条件被认为更能代表碎屑流沉积。相反，在[Ksat]在河岸测量的河道中，观察到的沉积物通常富含细粒物质，使得河岸物质更适合作为碎屑流的成分对比。在IL河道进行了五次[Ksat]测试以评估局部变化——两次在CD27附近，三次在CD28附近。尽管两个地点的颗粒大小特征相似，但在CD27记录的[Ksat]值更高。这种差异可能反映了沉积物压实度的地点特异性变化，或者在CD27（2024年6月26日进行测试，距离碎屑流事件五天后）的干燥条件相比CD28（2024年6月25日进行测试，距离同一事件四天后）更为干燥。干燥的物质可能产生了干裂，增加了表观水力传导率。或者，SATURO装置的使用效果，如在插入环式传感器时的扰动，可能改变了局部压实度。

为了评估潜在的测量偏差并探索[Ksat]与颗粒大小之间的关系，使用Hazen的经验公式从相应的GSD估算了一个理论[Ksat]：[Ksat=C?D102]，其中[C]是一个常数，取值为[10?m?1s?1]。该公式通常适用于[D10]在0.1mm到3mm之间且均匀性系数小于5的均匀沙子。尽管某些样本并未严格满足所有条件，但该公式仍能提供有用的初步比较，因为[Ksat]通常与有效粒度的平方成正比，Kozeny–Carman关系也支持这一点。后者能够更详细地描述水力传导性，因为它还取决于材料的压实状态（即孔隙度），但这需要知道原位沉积物的孔隙度，而这一点在现场很难确定。在方程式（1）中，[D10]值取自完整的粒径分布（[D10(all)）。总体而言，测量值与预测值之间的[Ksat]趋势大体一致，尽管仍存在显著偏离（见图6b）。例如，在BC区域，来自河道中心和河岸的样本显示出明显的粒径差异，导致预测的[Ksat]值有较大变化，而测量值则相对接近。这可能再次反映了局部土壤扰动或安装过程中的压实效应。

下载：下载高分辨率图片（658KB）
下载：下载全尺寸图片

图6. SATURO渗透仪测试得到的饱和水力传导性结果（[Ksat]）：(a) 测量得到的[Ksat]频率分布；(b) 使用Hazen公式（[C=10^4m^(-1)s^(-1)）比较测量值和预测值。

3.2.3 原位力学测试
在四个河道中进行了轻质动力贯入仪（DPL）测试（见图7）。测量点分布在河道横截面的多个位置：河道中心、河岸（上下部分）以及位于河岸外部的较老干燥沉积物上。总体而言，贯入所需的击打次数随深度增加而增加，这可能反映了更大的覆层压力和随深度增加而增强的固结作用。结果部分受到了大卵石的影响，这些卵石常常限制了贯入深度并导致击打次数的局部变化。以VG和BC为代表的较粗粒物料河道，表现出更高的击打次数，这与这些沉积物的摩擦特性一致。在IL河道的中心也观察到了类似的趋势，那里的物料主要由粗颗粒组成，细颗粒较少。在AR河道中，尽管沉积物同样较粗，但由于含水量较高，其击打次数相对于VG和BC有所减少。在IL河道的河岸进行的DPL测试（2024年6月24日进行，即2024年6月21日泥石流事件后的三天）显示，新沉积的富含细颗粒且仍处于湿润状态的物料机械强度较弱。河道中心的沉积物虽然也饱和了水，但主要由粗颗粒组成，缺乏细颗粒，因为细颗粒在泥石流后的水流作用中被冲走了。我们认为这种对比可能反映了事件的沉积和侵蚀动态：泥石流可能从河道中心侵蚀了物料，同时在河岸沉积了更细、更弱的物质。被侵蚀的中央沉积物在流动过程中承受了更大的覆层压力，因此固结合成更强，从而具有更大的抵抗力。相比之下，新沉积的河岸物料尚未压实，仍然处于饱和且松散状态，因此贯入阻力较低。在更深的位置，河岸上的DPL测试最终遇到了最近事件之前的原有沉积物。这些较老的沉积物可能更干燥且更紧实，显示出与河岸外部较老沉积物相似的抵抗力。这些较老沉积物位于较浅的河岸（LoB），那里的局部陡坡限制了沉积物的堆积，而较厚的新沉积物则出现在较平坦的河岸上部（UpB）。

为了进一步评估新沉积的河岸材料的力学强度，在IL靠近CD27和CD28的位置进行了叶片剪切试验（VST）（见图8）。测试分别在2024年6月24日（泥石流事件后的三天）、6月25日（CD28）和6月26日（CD27）进行。6月24日时，沉积物非常湿润——早上我们在上面行走时还会下沉。6月25日，CD28的部分区域似乎已经干燥（我们不再下沉），但测得的扭矩略有下降（这种行为无法完全解释，可能反映了局部差异）。6月26日，在CD27，沉积物明显干燥，因此测得的扭矩显著增加。沉积物的干燥时间可能取决于其水力特性，特别是渗透性和非饱和保持特性（van Genuchten参数），以及地表的大气作用（辐射、气温、湿度、风、降雨）。这些时间和空间上的干燥变化也可能影响了[Ksat]的测量结果（见图6）。6月25日（CD28）和6月26日（CD27），随后进行了一个简单的现场实验，以测试新沉积物的液化敏感性。通过反复在部分饱和的沉积物表面跳跃，材料从能够支撑体重的固态转变为像充满水的海绵一样。虽然表面没有自由水逸出，但这种行为表明了暂时的部分液化。这一解释得到了VST扭矩相应下降的支持。当一小时后重复测试时，测得的扭矩再次增加，表明材料在孔隙压力消散和干燥后迅速增强了强度。

下载：下载高分辨率图片（683KB）
下载：下载全尺寸图片

图7. 在四个不同河道中进行的DPL测试结果（每个图表的右上角标有位置）。显示了中位数值，误差条表示四分位数范围（Q1–Q3）。测试在河道横截面的不同位置进行，如照片所示（2024年6月24日在IL附近由Hervé Vicari拍摄）：C = 河道中心；LoB = 河岸下部；UpB = 河岸上部；OD = 较老的干燥沉积物。

下载：下载高分辨率图片（160KB）
下载：下载全尺寸图片

图8. 在IL河岸上部27号和28号检查坝进行的叶片剪切试验（VST）结果。显示了中位扭矩值及其四分位数范围（Q1–Q3）。测试时间相对于2024年6月21日的泥石流事件进行了不同的安排：(i) 事件发生三天后（2024年6月24日），此时沉积物仍然相当湿润；(ii) 事件发生四天后（2024年6月25日，CD28）和五天后（2024年6月26日，CD27），此时沉积物明显干燥；(iii) 在跳跃引起液化后立即；以及(iv) 孔隙压力消散后一小时。

3.3 将泥石流侵蚀与地貌和岩土工程测量结果关联起来
第3.1节表明，局部侵蚀和沉积模式与局部坡度相关，但不同河道之间存在显著差异。这表明侵蚀（此处也用作总泥石流体积的代理指标）可能还受到更广泛的地貌环境和河道床材料的岩土工程特性的影响。为了评估这些潜在的控制因素，将侵蚀指标与选定的地貌和岩土工程参数进行了关联。作为一个侵蚀指标，我们定义了平均侵蚀高度（表3），即测量侵蚀体积（[Ver]）与河道面积（[Ach]）之比。如前所述，该指标没有根据DSM获取之间的年数或已知的泥石流事件次数进行归一化。对于有多个DoD的河道，我们使用了各自的平均侵蚀高度平均值。数据集还补充了IL河道的[Ver]0.5m侵蚀高度，这一数据基于Berger等人（2011a）的测量结果。然后将平均侵蚀高度与一组地貌变量（表2）和测量的岩土工程参数进行了比较。对于每个河道，特征粒径由测量到的[D10(all)的平均值表示，饱和水力传导性由测量到的[Ksat]平均值表示。对于IL，排除了在河道中心测得的[D10(all)值，因为认为它不能代表泥石流行为（参见Bolliger等人，2024年的研究）。对于缺乏SATURO测量的河道，使用方程式（1）估算[Ksat]，以[D10(all)的平均值作为输入。虽然这一选择基于现场对最具代表性材料的识别，但[D10(all)和[Ksat]可能在不同河道上存在空间变化，并且在不同事件之间随时间变化（例如，由于水流过程移除了细颗粒），也可能在流动物质和河床沉积物之间有所不同。更完整的描述需要考虑这些变化。

平均侵蚀高度与地貌和岩土工程变量之间的关系（见图9）揭示了几种值得注意的模式，尽管相关性在统计上较弱。较大的（图9a；集水区面积）和较缓的（图9b；Melton指数）集水区 tend to 经历更大的侵蚀。同样，较长的河道（图9c）与更大的侵蚀相关，可能反映了更长的流动路径提供了更多的沉积物和更大的流动膨胀。相比之下，侵蚀与平均河道坡度之间没有明显的关系（图9d）。关于岩土工程特性，较细的（图9e；[D10]）和渗透性较低的（图9f；[Ksat]）河道床材料与较高的侵蚀幅度相关，这与先前研究指出的水力-机械效应一致（参见Iverson, 2012, Vicari et al., 2025）。

下载：下载高分辨率图片（602KB）
下载：下载全尺寸图片

图9. 七个河道的平均侵蚀高度与选定的地貌和岩土工程参数之间的关系。红色虚线表示用于指导解释的线性插值；它不是预测模型。

3.4 朝向泥石流河道分类
为了总结不同河道之间的多变量相似性，我们将主成分分析（PCA）与聚类相结合。因为地貌控制因素（集水区和河道几何形状）和岩土工程控制因素（粒径和渗透性）可能通过不同的过程起作用并产生影响，我们分别进行了两次PCA，然后使用每次PCA的第一主成分（PC1）作为分类的独立轴。进行PCA时，我们首先将描述集水区和河道的四个地貌变量（集水区面积、Melton指数、河道长度）以及两个岩土工程变量（[log10D10(all)和[log10Ksat]，由于它们的数量级范围较大而进行了对数转换）进行了标准化（均值为零，方差为单位）。PCA将这些标准化变量旋转到新的、不相关的轴（主成分），这些轴捕获了逐渐减少的方差。在每个领域（地貌和岩土工程），我们保留了PC1，即河道差异最大的方向（解释的方差：地貌PC1 [79%，岩土工程PC1 [75%]）。PC1载荷量化了每个变量的贡献，每个河道的得分是这些载荷加权的标准化变量的线性组合（详见附录C中的标准化和载荷细节）。

然后，我们取了每个河道在Geomorphological PC1（x轴）和Geotechnical PC1（y轴）上的得分，构建了一个二维表示（图10），展示了主要的地貌和岩土工程特征。载荷说明了如何解读这些轴。Geomorphological PC1对集水区面积（[?0.53）和河道长度（[?0.53）具有负载荷，对平均坡度（[+0.39]）和Melton指数（[+0.53）具有正载荷。因此，较大、较缓的集水区以及长而浅的河道位于左侧，而较小、较陡的集水区以及短而陡的河道位于右侧。Geotechnical PC1对[log10D10(all)和[log10Ksat]具有相同的正载荷（[+0.71），这与它们的正相关性一致。因此，向上对应于更粗、渗透性更好的河床，向下对应于更细、渗透性更差的河床。接着，我们对这些双变量得分应用了Ward的层次聚类（Ward Jr., 1963），并指定了[k=4]组，揭示了四种连贯的泥石流河道类型（见图10）。这些组可能与上述关于侵蚀及其控制因素的考虑相符（参见图）。C.14):1. SC – 小而陡峭的沟壑，粗粒沉积物（BC）：在不列颠哥伦比亚省（BC）的碎石坡面上经常观察到小规模的事件，这可能是由于陡坡上松散的粗粒沉积物造成的。2. IC – 中等大小的河道，粗粒沉积物（VG, AR, LB, MV）：侵蚀通常集中在上游陡峭区域（例如VG），而下游河道部分可能在后续事件中发生沉积和再次移动。总体而言，泥石流活动较低。3. IF – 中等大小的河道，富含细粒的沉积物（VM, FR, CB）：侵蚀可能较为严重，但泥石流的发生通常每几年才一次（CB除外）。4. LF – 大型河道，富含细粒的沉积物（IL, MR）：泥石流事件频繁且具有侵蚀性。MR在我们的数据集中显示出最大的侵蚀量；IL则以反复发生的事件和大量的沉积物而闻名。

上述的泥石流河道分类大体上与我们的实地观察结果一致。一个例外是CB：根据其富含细粒的沉积物特征，我们本可能将其归类为LF，但我们的分析集中在中等的河道段，因此低估了整个流域面积和河道长度，并得到了更高的地貌PC1值。在选择聚类数量时，如果使用k=3，IC和IF组可能会被合并为一个“中等大小”组；然而我们保留了四个组，以明确区分这个中等大小类别中的粗粒和富含细粒沉积物。图11显示了代表性河道的泥石流沉积物，其中SC/IC组主要沉积了粗粒物质，而IF/LF组则沉积了富含细粒的物质。观察到的SC/IC中的泥石流主要是石质/颗粒状的，而IF/LF则倾向于颗粒状/泥状（参见Bovis和Jakob, 1999; Simoni等人, 2020）。

下载：高分辨率图片（129KB）
下载：全尺寸图片

图10. 十条泥石流河道的地貌和岩土工程参数的第一主成分（PC1）得分，并分为四组。
下载：高分辨率图片（2MB）
下载：全尺寸图片

图11. 代表四个组的四条河道的典型泥石流沉积物。上图：主要为粗粒沉积物（SC, IC）。下图：含有大量细粒的沉积物（IF, LF）。照片来源：BC，Urs Fliri（2018年8月6日）；VG，Hervé Vicari（2025年8月28日）；VM，Forst Albula（2022年7月5日）；MR，Corsin Jenal（2024年7月11日）。

3.5. 触发降雨事件
我们分析了触发这些河道发生泥石流的降雨事件，以评估河道的地貌和岩土工程特征是否影响了泥石流的引发。由于研究地点遍布瑞士的不同地区，2005-2025年的降水数据来源于MetoSwiss CombiPrecip数据集（Gabella等人, 2017），该数据集结合了雷达和雨量计观测数据，生成了1公里网格上的小时降水估计值。对于每条河道，选取了一个网格点（大致位于河道中点）来提取降水数据。降雨事件的界定采用了至少3小时的事件间隔（Hirschberg等人, 2021），并且小时降雨强度超过了[数学处理误差]0.1毫米/小时。事件信息来自多个来源：国家平台StorMe、当地护林员的报告、照片分析以及地震记录（VG），以及现有的泥石流数据库（例如IL 2000-2017数据集，McArdell和Hirschberg, 2020）。对于某些河道，事件数据仅在有限的时间内可用。因此，我们只考虑了触发泥石流的降雨事件，以避免误分类非触发降雨事件。当泥石流的确切时间已知时，会从该时间点倒推降雨事件持续时间和平均强度（[数学处理误差]I）。如果事件发生时间未知，则取事件当天达到最大降雨强度时的降雨量作为触发降雨。对于每次泥石流事件，还计算了触发事件前14天的累积降雨量。

对于每条河道，我们通过平均2005-2025年间6月至9月期间每小时降雨强度大于[数学处理误差]0.1毫米/小时的所有值，计算了平均夏季降雨强度（MSI）。这个MSI被用来标准化触发事件的平均降雨强度（图12a），以考虑可能影响滑坡活动的长期降雨差异（参见Leonarduzzi和Molnar, 2020）。使用CombiPrecip数据与雨量计记录相比存在一些差异。例如，CombiPrecip中记录的几次IL事件低于Hirschberg等人（2021）基于雨量计测量得出的泥石流强度-持续时间（ID）阈值（此处按当地IL [数学处理误差]MSI=0.99毫米/小时进行标准化）。尽管如此，大多数触发事件，包括其他河道的事件，都超过了这一阈值。对于前面定义的四个河道组，我们仅根据记录的触发降雨事件拟合了一个插值ID关系式 [数学处理误差](I/MSI)=aD?b。LF的拟合曲线也与Hirschberg等人（2021）报告的曲线不同，这是预期的，因为他们的阈值是根据触发和非触发降雨事件来区分的，而我们的曲线是仅针对触发事件拟合的。LF和IC河道组的[a]值较小，这可能表明这些河道的泥石流可能在较低的降雨强度下就会发生。然而，这些表面上的差异可能受到大多数河道（IL和BC除外）有限且不均匀的事件记录的影响。因此，这里呈现的拟合关系仅应被视为探索性的，不应超出研究数据集的范围。先前湿润条件似乎也会影响泥石流的引发：较低的标准化触发降雨强度通常与较高的14天累积降雨量相关（图12b），尽管这一趋势并不完全一致，存在多个局部最大值和最小值。

下载：高分辨率图片（697KB）
下载：全尺寸图片

图12. 调查河道的触发降雨事件（符号对应上述四种河道类型）。平均降雨强度按平均夏季强度（MSI）进行了标准化。(a) 显示了Hirschberg等人（2021）的ID阈值（以Illgraben的MSI进行标准化）。为每个河道组展示了插值平均ID关系（见图例）。(b) 触发事件按相应的标准化14天累积降雨量进行彩编码，背景阴影表示插值的累积降雨量。

4. 讨论
以往的野外研究主要集中在测量沿泥石流河道的局部侵蚀和沉积模式（例如，Hungr等人，1984；Hungr等人，2005；Schürch等人，2011；Theule等人，2015；Simoni等人，2020；de Haas等人，2020）。这些研究发现，在局部河床坡度超过8°到24°的范围内，侵蚀占主导地位，具体取决于地点。在我们的研究中，对六条泥石流河道的反复无人机（UAS）调查显示，总体而言，在约20°以上的坡度上侵蚀占主导，尽管不同河道之间存在显著差异。在一些河道（例如VG），侵蚀集中在上游段落，这是由于活跃的滑坡向主河道输送了物质。这些滑坡产生的物质可能会暂时沉积在河道中，随后被后续事件重新移动（个人交流，Martin Keiser）。由于无人机调查并不总是在泥石流事件发生后立即进行，我们可能在DoD分析中未能完全捕捉到这些沉积和再次移动过程（参见Berger等人，2011b）。在其他河道，如CB，我们在连续的调查中观察到同一位置上侵蚀和沉积的交替模式（de Haas等人，2020之前在IL中描述的记忆效应）。事件后的局部地形变化可能解释了随后的侵蚀-沉积模式。此外，某些河道中水坝的存在可能在局部实现了侵蚀和沉积之间的净平衡。我们还发现，侵蚀和沉积事件会改变河床材料的水文-地质力学状态，这可能解释了侵蚀性的变化。我们在IL河道进行的原位力学测试（DPL和VST）表明，泥石流事件发生几天后，新沉积的沉积物仍然湿润和松散，因此更容易受到后续事件的侵蚀（参见Steers等人，2024；Vicari等人，2025）。相比之下，河道岸上的较旧沉积物在干燥后可能是不饱和的，因此在机械上更坚固（Song和Choi，2021；Choi和Song，2023）。同样，侵蚀后暴露在河道中心的更紧实的沉积物可能在机械上更坚固，因此不易进一步侵蚀。河道横截面上的沉积物渗透性差异也可能影响侵蚀和沉积。河道中心的较高渗透性可能通过促进沉积物排水来促进沉积（Yifru等人，2018），或者如果先前不饱和的沉积物迅速饱和，则可能增强侵蚀（Zheng等人，2024；Song等人，2024）。

除了局部模式外，我们还研究了平均侵蚀高度与河道尺度上的地貌和岩土工程特征之间的关系。为了综合这些关系，我们将十条调查河道分为四组，从小型到大型系统，从粗粒沉积物到富含细粒的沉积物。总体而言，平均侵蚀高度随流域面积和河道大小增加而增加。还观察到与流域坡度（Melton指数）之间的关系，而与平均河道坡度之间没有明显的关系。沿较长流道的泥石流可以逐渐带走河床物质并增加体积。反过来，较大的泥石流体积可能会进一步加剧侵蚀（Schürch等人，2011；de Haas等人，2022；Vicari等人，2022a）。较大的流域可能会增加流体和河床沉积物中的水分含量。因此，在接近饱和条件下，较高的水分含量会增强侵蚀（Iverson等人，2011；Roelofs等人，2022；Roelofs等人，2023；de Haas等人，2022；K?nz等人，2024）。我们还发现，平均侵蚀高度随着粒度的减小而增加，（因此）随着河道床沉积物的饱和水力传导率的降低而增加。在这项分析中，我们使用[数学处理误差]D10作为细粒含量的代理指标：较小的[D10值预计与较高的细粒含量相关，从而降低渗透性，这有助于在无排水加载期间保持孔隙压力并促进侵蚀和流动性（Iverson等人，2010；Iverson，2012；Roelofs等人，2023；Vicari等人，2025）。然而，在某些条件下这一预期趋势可能会偏离：(i) 如果细粒物质过多，增强的凝聚力可能会降低流动性和侵蚀性（de Haas等人，2015；Roelofs等人，2023）；(ii) 当河床最初处于不饱和状态时，较高的渗透性可以促进沉积物的排水并加速近表面沉积物的饱和（Zheng等人，2024；Song等人，2024）；(iii) 相反，在最初不饱和、低渗透性的河床中，有限的渗透和吸力可能会增加剪切强度并减少侵蚀（Song和Choi，2021；Choi和Song，2023）。这些考虑强调了初始饱和状态与沉积物渗透性的结合可能在河床饱和度和孔隙压力的时间依赖性演变中起关键作用，因此需要专门的野外监测来准确限定（K?nz等人，2024）。我们的粒度和水力传导率分析仅限于粗砾石大小的颗粒。在现场，较大的砾石和巨石通常嵌入在由砾石、沙子和细粒组成的基质混合物中，因此渗透性主要受基质控制，我们对其进行了采样和测量。尽管如此，较大的卵石和巨石没有量化，但它们可能会通过影响河床沉积物来显著影响侵蚀和流动性（Vicari等人，2022b；Jiang等人，2023）。使用LiDAR（Jacobson等人，2025）或现场照片（Uchida等人，2021；Harvey等人，2022）的新技术可以通过捕获较粗的颗粒来补充我们的实验室GSD分析。由于每条河道只收集了一到五个沉积物样本，因此关于它们对整个河道的代表性存在一些不确定性。然而，在MR和IL的河道岸边多个位置测量的粒度分布是一致的，并且与之前的研究结果相当（Schatzmann，2005；Bolliger等人，2024；见图B.13）。尽管如此，我们不能排除粒度存在显著的空间或时间变化，这可能会影响泥石流活动（如Hirschberg等人，2021所推测的）。未来的研究应更系统地探讨这些空间和时间上的GSD变化。除了地貌和岩土工程参数的影响外，我们认识到沉积物供应条件对泥石流的发生频率和规模也有着重要的控制作用（Bovis和Jakob，1999年）。基于我们的野外观察（例如活跃滑坡的证据）和侵蚀模式，我们将VG、AR、LB、VM和FR定性归类为受沉积物供应限制的类型，而BC、CB、MR和IL则归类为受传输限制的类型；对于MV，由于上游流域缺乏观察数据，因此无法给出明确的分类。我们将其归类为受传输限制的沟渠主要发育在较弱的沉积岩中，而受沉积物供应限制的沟渠则主要位于更坚固的火成岩或变质岩中（VM除外）。正如预期的那样，受传输限制的沟渠中泥石流的发生频率更高。这与瑞士阿尔卑斯山的研究结果一致，那里新鲜沉积物的可用性与泥石流活动的增加有关（Frank等，2019年）。我们对触发降雨的分析表明，不同类型沟渠的降雨强度-持续时间关系大致相似，但在富含细颗粒的沟渠中，较低的降雨强度就能引发泥石流。这表明局部沉积物特性也可能影响泥石流发生的水文条件，尽管需要更大的泥石流数据库才能得出更可靠的结论。这些发现强调了全球地貌-岩土工程特征、局部沉积物供应条件以及降雨作用共同控制着泥石流活动，不能单独进行评估。

5. 结论与展望

我们研究了十条泥石流沟渠，将局部和沟渠尺度的侵蚀模式与地貌和岩土工程特性联系起来。通过对十条沟渠中的六条进行多次无人机（UAS）调查，量化了侵蚀和沉积现象。我们在多个地点测量了沟床沉积物的原位水力力学参数。这类岩土工程测量在泥石流研究中较为罕见，并且在坡度陡峭、沉积物分选不良且粒度变化大的山区进行非常具有挑战性。因此，这项研究的一个重要成果是方法上的创新：通过调整和结合现有的岩土工程技术，我们测试了这些方法如何以及能在多大程度上应用于泥石流沟渠和滑坡研究（也为2025年Blatten滑坡的研究提供了方法应用，参见Kang等，2026年）。某些方法（如粒度测量和水力传导率测量）提供了有价值的信息，而其他方法（如Vane剪切试验）只在有限的野外条件下适用。通过结合粒度分布分析、饱和水力传导率测量和力学试验，我们获得了比单一样方法更为可靠的岩土工程解释。测量得到的水力传导率范围涵盖了四个数量级，凸显了不同沟渠间孔隙压力消散的显著差异。这些测量对于新兴的两相泥石流模型非常及时，因为在这些模型中，河床渗透性控制着孔隙压力的演变和侵蚀过程（Iverson，2012年；Vicari等，2025年）。一个主要遗留挑战是确定沟床沉积物的膨胀或收缩特性（即其相对于临界状态的孔隙率），这对孔隙压力的产生有重要影响（Iverson和George，2014年；Vicari等，2025年）。尽管我们尝试通过贯入仪试验来推断这一点，但对这类沉积物来说，这些试验具有挑战性。然而，这些试验表明，沉积物的力学强度可能会随空间和时间变化，这可能影响到局部的侵蚀和沉积模式。我们的结果显示，侵蚀和沉积沿着沟渠发生变化，在局部坡度超过[Math Processing Error]≈20°的区域侵蚀更为明显。总侵蚀量还取决于流域和沉积物特性：长度较长且富含细颗粒的沟渠似乎更容易受到侵蚀。基于综合的地貌和岩土工程参数，我们将十条沟渠分为四组，各组在规模和床层材料特性上有所不同，这些差异可能影响其泥石流行为（如体积增长、流动距离和频率）。这种分类有助于通过识别侵蚀潜力较大的沟渠来支撑灾害评估，从而优先安排监测或减灾工作。

作者贡献声明：

Hervé Vicari：撰写、审稿与编辑、初稿撰写、可视化、验证、监督、软件开发、项目管理、方法论制定、调查、数据分析、数据管理、概念化。
Franziska Bründl：撰写、审稿与编辑、初稿撰写、可视化、验证、软件开发、调查、数据分析、数据管理。
Philipp Frie?：撰写、审稿与编辑、调查。
Adrian Ringenbach：撰写、审稿与编辑。
Andreas Stoffel：撰写、审稿与编辑、验证、软件开发、方法论制定、调查、数据分析、数据管理。
Yves Bühler：撰写、审稿与编辑、软件开发、资源管理、方法论制定、调查、资金获取、概念化。
Jordan Aaron：撰写、审稿与编辑、验证、监督、软件开发、方法论制定、资金获取。
Brian McArdell：撰写、审稿与编辑、资源管理、方法论制定、调查、资金获取。
Fabian Walter：撰写、审稿与编辑、资源管理、调查、资金获取。
Christoph Graf：撰写、审稿与编辑、资金获取。
Ralf Herzog：撰写、审稿与编辑、监督、方法论制定、调查。
Peter Bebi：撰写、审稿与编辑、资金获取。
Johan Gaume：撰写、审稿与编辑、监督、资源管理、方法论制定、调查。