基于建筑易損性分析的泥石流風險評價

摘要：泥石流對建筑物的破壞是導致人員傷亡和經濟損失的主要原因，研究泥石流作用下建筑物的易損性是評價泥石流風險的關鍵環節。以長江流域卿家溝為研究區，采用FLO-2D軟件模擬20，50，100 a一遇極端降雨場景下泥石流的動力過程，并基于泥石流強度（hv）進行了危險性分區；在此基礎上，構建了適用于長江流域砌體結構建筑的易損性評估曲線，提出了一套基于泥石流動力過程和建筑易損性分析的風險評價方法。結果表明：FLO-2D模擬精度達79%，易損性曲線的相關系數R²為0.88，評估效果良好；隨著降雨規模的增加，研究區風險區總面積由3.30萬 m²增加到3.99萬 m²，增長了20.8%；高和極高風險區面積顯著增大，由0.68萬m²增加到0.86萬 m²，增長了27.1%；位于低風險區以上的房屋數量由7棟增加至11棟，原本位于低風險區的建筑可能面臨更高的風險。最后，提出了生態防治和工程防治協同治理的措施，可為長江流域泥石流防災減災及治江工作提供合理建議。

關 鍵 詞：泥石流風險評價；易損性分析；FLO-2D軟件；卿家溝泥石流；長江流域

中圖法分類號：P642.23

文獻標志碼：ADOI：10.16232/j.cnki.1001-4179.2024.10.018

0 引 言

長江流域內泥石流溝發育密集，災害頻發，嚴重威脅該區域的經濟發展和居民的生命財產安全^［1］。泥石流不僅會向主河道輸送大量泥沙，甚至會堵塞河道，形成堰塞壩，從而引發更嚴重的次生災害。如2010年8月7日，舟曲泥石流堵塞嘉陵江上游支流白龍江，形成高約10 m的堰塞壩并形成堰塞湖，造成縣城一半區域被淹，導致1 744人死亡或失蹤^［2］。同時，泥石流進入河道后會局部改變河道地貌和下切趨勢，導致上游河床抬高，下游河床比降增大，河流彎曲加劇，河床穩定性降低，使河谷地區的土地資源開發和利用變得十分困難，進而影響區域經濟發展^［3］。因此，迫切需要進行泥石流災害風險評價，以制定有效的風險管理策略，加強長江流域的災害防控和減災工作。

風險評價是在危險性分析和易損性分析的基礎上，估算不同強度和頻率的泥石流可能造成的風險損失，并進行風險等級劃分，繪制風險分區圖^［4］。目前，泥石流危險性評價主要分為基于動力過程模型和指標統計兩種方法^［5］。前者主要通過數值模擬計算泥石流流速、泥深等參數，從而對泥石流危險性進行評價^［6］；而后者則通過選取評估因子，建立泥石流危險性指標體系，并在此基礎上選擇適當的評估模型進行泥石流危險性定量評價^［7-8］。由于指標統計法主要應用于區域危險性評價，對于單溝泥石流危險性評價的精度相對較差。因此，諸多學者采用數值模擬的方法進行單溝尺度的泥石流危險性評價，并取得了豐富的研究成果^［9-11］。

泥石流物理易損性評估方法主要有矩陣法、指標法和易損性曲線^［12ac24c8042ba0f01cf8a83d77e9e0c3931ae9638154c4e280b1da0c42820b4214^］。其中，易損性矩陣和易損性指標通常基于專家主觀判斷，客觀性相對較差。Fuchs等^［13］利用奧地利阿爾卑斯山的一次泥石流災害數據，根據建筑物破壞程度和流動深度，繪制了建筑物的易損性曲線。然而，由于不同國家建筑規范的差異，該易損性曲線并不適用于中國長江流域的建筑，限制了易損性模型對當地建筑結構特性的考慮。因此，本文深入分析長江流域泥石流影響下典型建筑物的類型和破壞特征，構建了適用于該地區建筑結構的物理易損性評估模型。據此，提出了一套考慮承災體結構特性的泥石流風險評價方法，旨在為長江流域泥石流防災減災戰略工作提供科學參考，為長江流域的治江工作提供借鑒。

1 研究區概況

卿家溝位于四川省綿陽市平武縣水晶鎮，涪江左岸，溝口地理坐標104°11′9.52″E，32°30′6.97″N，如圖1（a）所示。流域面積約4.80 km²，主溝長約2.96 km，流域內最高點高程為2 457 m，最低高程為1 204 m，相對高差1 253 m，主溝平均坡降21.2%。該流域內崩塌、滑坡等不良地質災害發育，產生了大量松散固相物質，為泥石流的形成和發展提供了充足的物源條件。

根據卿家溝流域地形地貌和溝道特征，可將流域劃分為清水匯集區、形成流通區和泥石流堆積區，如圖1（b）所示。清水匯集區位于流域上游，海拔高度1 341～2 457 m，匯水區面積4.31 km²，平均坡降34.4%，植被發育較好，人類活動輕微，主要形成清水匯流，為泥石流形成提供水動力條件。形成流通區位于流域中游，海拔高度1 232～1 341 m，匯水區面積0.41 km²，平均坡降19.5%，山坡陡峭，溝道狹窄，土壤侵蝕強烈，物源豐富。堆積區位于流域下游，海拔高度1 204～1 232 m，匯水區面積0.08 km²，平均坡降14.4%，地勢開闊平緩，泥石流逐漸淤積。

卿家溝流域已具備泥石流形成的地形和物源條件，而該流域多年平均降水量為926.7 mm，降水主要集中在5～9月，占全年降水總量的76.5%，如圖1（c）所示。強降雨為卿家溝泥石流的形成提供了激發條件，導致泥石流災害頻發。2022年8月19日，水晶鎮50 a一遇的暴雨引發了卿家溝山洪泥石流，造成12間房屋受災，道路等基礎設施嚴重損毀，大量泥沙流入涪江。

2 卿家溝泥石流風險評價

風險評價主要通過高分辨率遙感影像對承災體進行解譯，并結合FLO-2D數值模擬，分別獲得危險性和易損性評價結果。然后，在ArcGIS平臺下，將泥石流危險性和易損性量化并進行空間疊加分析和計算，以實現風險評價及分區^［14］。本研究選取建筑物作為承災體，對卿家溝單溝泥石流災害進行風險評價。

2.1 FLO-2D數值模擬

FLO-2D以非牛頓流體和中央有限差分法為基礎，通過迭代計算流體運動控制方程，模擬洪水、泥石流運動過程^［15］。模擬所需的基礎數據包括地形數據、降雨數據、泥石流流量、流體參數以及曼寧粗糙系數等^［16］。

2.1.1 地形數據

通過實地考察，在卿家溝泥石流堆積區前緣進行了無人機航拍，獲取了流域的高精度DSM，并利用ArcGIS將其轉換為FLO-2D軟件可識別的ASCⅡ文件。在FLO-2D軟件中，計算網格劃分為2 m×2 m，并確定模擬的計算流域邊界，對計算區域進行高程插值處理。模型的出水點設置在溝道內松散物源聚集處以及水動力條件充足的位置，如圖1（b）所示。

2.1.2 泥石流流量過程線

在進行模擬前，需要計算泥石流的流量過程曲線。本文采用雨洪法計算出卿家溝在不同降雨頻率下的暴雨洪峰流量，再根據T/CAGHP 006-2018《泥石流災害防治工程勘察規范（試行）》^［17］，用式（1）～（2）計算泥石流峰值流量，計算結果見表1。

Q=（1+Φ）QD（1）

Φ=（γ-γ）/（γ-γ）（2）

式中：Q為泥石流峰值流量，m³/s；Φ為泥沙修正系數；Q為暴雨洪峰流量，m³/s；D為堵塞系數，根據泥石流溝道堵塞程度及特征，按T/CAGHP 006-2018《泥石流災害防治工程勘察規范（試行）》取值為1.3；γ為泥石流容重，根據現場采樣計算得其值為17.4 kN/m³；γ為清水容重，取10 kN/m³；γ為泥石流中固體物質容重，本文取值為26.5 kN/m³。

一些學者^{［11，18］}根據泥石流的峰值流量，采用簡化的五邊形法來繪制泥石流流量過程線。該方法將泥石流暴發過程劃分為1/3，1/2和2/3三個關鍵時間段，并在這些時間節點處，分別取峰值流量的1/4，1和1/3來表示泥石流流量，從而繪制出泥石流暴發的流量過程線，如圖2所示。

2.1.3 模型參數取值

在進行FLO-2D模擬時，還需確定一系列關鍵參數：曼寧粗糙系數（n）根據FLO-2D參考手冊^［19］劃分為兩個區域，清水匯集區和形成流通區取值為0.08，而有建筑物分布的堆積區取值為0.2；層流阻滯系數（K）通過實地調查并結合FLO-2D參考手冊，取值為2 280；屈服應力（τ）及黏滯系數（η）采用相關系數α 、β 、α 、β和泥石流體積濃度（C）表征。相關系數是通過流變實驗確定的經驗系數，也可根據FLO-2D手冊進行取值^［20］；體積濃度（C）可通過式（5）計算。

η=αe^βC（3）

τ=αe^βC（4）

C=（γ-γ）/（γ-γ）（5）

式中：體積濃度C為0.45。模擬所需的相關參數如下：

網格大小 2 m×2 m

曼寧系數n 清水匯集區為0.08，形成流通區為0.2

泥石流容重γ17.4 kN/m³

體積濃度C0.45

層流阻滯系數K 2280

黏滯系數相關參數 α為0.811，β為13.72

屈服應力相關參數 α為0.00462，β為11.24

2.1.4 模擬結果及驗證

針對2022年8月19日卿家溝實際降雨頻率P=2%下的泥石流災害事件，采用FLO-2D軟件進行泥石流的動力過程模擬。模擬結果顯示，最大流深為7.32 m，最大流速為5.05 m/s，大量泥石流涌入涪江，侵占河道0.95萬m²，并導致局部河床抬升超1.7 m（圖3）。這不僅增加了涪江泥沙含量，而且極易造成堵江，形成堰塞湖。將P=2%降雨頻率下的模擬結果與航拍影像測量結果進行對比，并采用堆積范圍、溝口最大沖出距離與橫向最大堆積寬度3個指標對模擬結果的準確性進行驗證^［21］，對比結果見表2。從表2可以看出，各評估指標的模擬結果與航拍影像測量結果較為接近，誤差在可接受的范圍內，模擬結果相對準確，具有一定的可靠性。

2.2 泥石流危險性分區

泥石流危險性是指泥石流的過程強度、發生規模、危害范圍導致泥石流損害的可能性大小^［22］。唐川等^［23］采用流速和泥深作為泥石流危險等級劃分的定量指標；常鳴^［24］將泥石流強度與暴發的重現期相結合來進行泥石流的危險性評價。本文采用FLO-2D數值模擬獲取的泥深（h）與流速（v）的乘積作為泥石流危險性等級劃分的標準，將該流域劃分為極高、高、中、低4個危險等級^［25］，如表3所列。隨著危險等級的提高，泥石流造成的破壞程度也逐漸加劇^［9］。

模擬結果顯示，隨著泥石流重現期從20 a一遇增加到100 a一遇，泥石流侵占河道的面積從0.77萬m²增加到1.17萬m²，增長了51.9%；局部河床的抬升高度從1.5 m增加到1.9 m，增加了26.7%。根據泥石流危險性評價標準，采用ArcGIS軟件對各危險等級進行賦值，得到不同降雨頻率下卿家溝泥石流的危險性分區圖，如圖4所示。由于泥石流主溝道地形狹窄且坡降較大，流速和泥深相對較大；而堆積區地勢開闊平緩，導致流速和泥深較小。因此，泥石流溝道邊緣及堆積扇邊緣被劃分為低危險區，向內逐步過渡為中、高和極高危險區。

2.3 建筑物易損性評估

聯合國救災組織（United Nations Disaster Relief Organization，UNDRO）對自然災害易損性的定義為在特定強度的自然災害作用下，承災體發生損失的程度，可通過易損度來衡量，其取值范圍從0（無損傷）到1（完全損傷）^［26］。本文主要從自然科學角度出發，將建筑物作為承災體，評估泥石流作用下建筑物的物理易損性。通過實地調查，并結合無人機航拍影像和遙感影像，對研究區內的建筑物進行解譯，共計57棟，且以砌體結構建筑為主，其空間位置分布及建筑編號如圖5所示。

Kang等^［27］通過分析韓國11次泥石流災害事件中25座受災建筑的破壞特點和模式，總結了不同類型建筑物的破壞程度與泥石流強度之間的函數關系。然而，由于不同國家的建筑規范存在差異，可能導致建筑強度的不同。因此，該易損性曲線可能不適用于中國。為了解決這一問題，本文參考Kang^［27］、Hu^［28］等對建筑破壞狀態的分類，確定了砌體結構建筑的損傷程度，如表4所列。根據2022年7月12日黑水溝和2022年8月19日卿家溝泥石流災害事件的現場調查結果，獲取泥石流作用下建筑受到的沖擊壓力，并結合建筑的損傷狀態確定其損傷程度及易損度。最后，采用曲線擬合的方法來獲取砌體結構建筑的破壞程度與泥石流沖擊壓力之間的函數關系，如圖6所示。易損性曲線的相關系數R²=0.88，且呈兩端平緩、中間較陡的“S”型，曲線走勢與相關評估模型^{［27，29-30］}較為一致，表明模型評估效果較好。

參考不同學者的研究^{［27，29-30］}，對于砌體結構建筑而言，當沖擊壓力超過30 kPa時，就會發生完全破壞。因此，本文采用的泥石流作用下建筑物的物理易損性評估模型如式（6）所示。該模型能夠定量評估長江流域泥石流作用下砌體結構建筑的易損性，使決策者能夠將有限的資源分配于可能遭受最嚴重損傷的建筑。

式中：V為建筑物易損度；P為泥石流沖擊壓力，kPa，可根據FLO-2D參考手冊采用以下公式計算：

P=kρv²（7）

k=1.261 e^C（8）

C=Cγ/［γ+C（γ-γ）］（9）

式中：k為修正系數；ρ為泥石流密度，kg/m³；v為泥石流流速，m/s；C為泥沙質量濃度，可通過體積濃度C計算。

根據模擬結果，結合上述易損性評估模型，計算不同降雨頻率下受災建筑的易損度，如表5所列。現場調查和評估結果表明：12、13號和14號建筑位于泥石流主溝道附近，且地勢相對較低，受到泥石流沖擊較大，破壞最為嚴重。相比之下，10號和11號建筑由于周圍建筑的遮蔽效應，受到的泥石流影響較小，損傷程度明顯低于前排建筑。

在ArcGIS軟件中，根據上述公式計算每棟房屋單元的易損度，并劃分為極高、高、中、低4個易損等級，如表6所列。依據建筑物易損性劃分標準，最終得到泥石流作用下建筑物易損性評價結果，如圖7所示。以100 a一遇的泥石流為例，共有12棟建筑物受到泥石流影響，占總建筑的21%，其中，極高易損度建筑6棟，高易損度建筑1棟，中易損度建筑2棟，低易損度建筑3棟。

2.4 泥石流風險性評價

風險是指在特定區域和給定時段內，由于特定災害可能導致的生命、財產和經濟活動的期望損失，通過風險度（R）來衡量，可表達為危險度（h）和易損度（V）的乘積^［31-32］。利用ArcGIS軟件對卿家溝在不同降雨頻率下得到的危險度和易損度評價結果進行計算，采用自然斷點法得到不同降雨頻率下卿家溝泥石流風險評價結果，并劃分為極高、高、中、低4個風險等級，如圖8所示。

對4個不同風險等級的區域面積和房屋數量進行統計分析，結果如表7所列。以50 a一遇的泥石流風險評價結果為例，極高風險區面積4 352 m²，占總面積的11.60%，高風險區面積占9.03%，中風險區面積占8.45%，低風險區面積占70.92%。隨著降雨重現期的增加，風險區總面積從3.30萬m²增加到3.99萬m²，增長了20.8%。在P=5%降雨工況下，位于低風險區以上房屋共7棟，而在P=2%和P=1%降雨工況下分別為10棟和11棟。結果表明，隨著降雨重現期的增加，原本位于低風險區的建筑可能會面臨更高的風險。

為保護下游居民安全，減少泥石流對涪江的泥沙輸運，降低形成堰塞湖的風險，可通過增加清水匯集區和形成流通區的植被覆蓋率，控制水土流失，減少對泥石流的物源補給。在形成流通區修建攔砂壩，實現水土分離，不僅能減輕泥石流對下游地區的破壞，還能減少長江及其支流的泥沙含量，降低堵江等次生災害的發生概率。

3 結 論

針對2022年8月19日卿家溝泥石流災害事件，采用FLO-2D軟件模擬了泥石流的動力過程。結果顯示：P=2%降雨頻率下，泥石流最大流速為5.05 m/s，最大泥深為7.32 m，堆積面積為3.51萬m²，侵占河道0.95萬m²，并導致局部河床抬升超1.7 m。模擬精度在79%以上，表明模擬結果具有較高的可靠性。在此基礎上，本文以建筑物為承災體，進行了單溝尺度的泥石流風險研究，得到以下結論：

（1）通過FLO-2D模擬，獲取了3種不同降雨頻率下泥石流流速、泥深等強度參數，并利用ArcGIS軟件繪制了相應的危險性分區圖。在此基礎上，深入分析了長江流域典型泥石流災害下建筑物的破壞數據，并構建了考慮承災體結構響應的易損性評估模型。

（2）卿家溝泥石流風險評價結果顯示，隨著降雨重現期的增加，風險區總面積從3.30萬m²增加到3.99萬m²，增長了20.8%；高和極高風險區面積顯著增加，從6 784 m²增加到8 620 m²，增長了27.1%；位于高和極高風險區的房屋數量從6棟增加至8棟，原本位于低風險區的建筑可能面臨更高的風險。

（3）提出生態防治和工程防治協同治理的措施。在減小泥石流對下游居民區威脅的同時，還能有效減少泥石流對長江及其支流的泥沙補給，降低形成堵江等更嚴重次生災害的風險。

（4）本文所構建的易損性評估模型僅適用于砌體結構建筑，因此該模型存在一定的局限性。為了提高模型的普適性，需要進一步擴充長江流域泥石流事件的數據庫，增加更多建筑類型的數據收集和分析。

參考文獻：

［1］ 謝洪，鐘敦倫，韋方強.長江上游泥石流的災害及分布［J］.山地研究，1994（2）：71-77.

［2］ 余斌，楊永紅，蘇永超，等.甘肅省舟曲8.7特大泥石流調查研究［J］.工程地質學報，2010，18（4）：437-444.

［3］ 崔鵬，何易平，陳杰.泥石流輸沙及其對山區河道的影響［J］.山地學報，2006（5）：539-549.

［4］ 崔鵬，鄒強.山洪泥石流風險評估與風險管理理論與方法［J］.地理科學進展，2016，35（2）：137-147.

［5］ 周斌，鄒強，蔣虎，等.川西高原氣候變化特征及泥石流動態危險性響應研究［J］.自然災害學報，2022，31（4）：241-255.

［6］ 胡凱衡，韋方強.基于數值模擬的泥石流危險性分區方法［J］.自然災害學報，2005（1）：10-14.

［7］ 叢威青，潘懋，李鐵鋒，等.基于GIS的滑坡、泥石流災害危險性區劃關鍵問題研究［J］.地學前緣，2006（1）：185-190.

［8］ 鐵永波，唐川.層次分析法在單溝泥石流危險度評價中的應用［J］.中國地質災害與防治學報，2006（4）：79-84.

［9］ 唐川，周鉅乾，朱靜，等.泥石流堆積扇危險度分區評價的數值模擬研究［J］.災害學，1994（4）：7-13.

［10］龔柯，楊濤，夏晨皓，等.基于FLO-2D的泥石流危險性評價：以四川省汶川縣綿虒鎮簇頭溝為例［J］.水資源與水工程學報，2017，28（6）：134-138.

［11］OUYANG C，WANG Z，AN H，et al.An example of a hazard and risk assessment for debris flows：a case study of Niwan Gully，Wudu，China［J］.Engineering Geology，2019，263：105351.

［12］PAPATHOMA-K?HLE M，GEMS B，STURM M，et al.Matrices，curves and indicators：a review of approaches to assess physical vulnerability to debris flows［J］.Earth Science Reviews，2017，171：272-288.

［13］FUCHS S，HEISS K，HUEBL J.Towards an empirical vulnerability function for use in debris flow risk assessment［J］.Natural Hazards and Earth System Sciences，2007，7（5）：495-506.

［14］鐵永波，唐川.汶川縣城泥石流災害風險評價研究［J］.災害學，2010，25（4）：43-47，53.

［15］黃勛，唐川，周偉.基于數值模擬的暴雨泥石流暴發頻率計算模型［J］.工程地質學報，2014，22（6）：1271-1278.

［16］徐文靜，陳劍剛，王喜安，等.攔砂壩失效條件下泥石流潛在危險性分析［J］.人民長江，2024，55（7）：115-122.

［17］中國地質災害防治工程行業協會.泥石流災害防治工程勘查規范（試行）：T/CAGHP 006-2018［S］.武漢：中國地質大學出版社，2018.

［18］徐惠梁.基于FLO-2D急陡溝道泥石流沖出規模預測研究［D］.成都：成都理工大學，2018.

［19］O′BRIEN.FLO-2D reference manual［R］.Arizona：FLO-2D Software，2009.

［20］林文，周偉，李婧，等.基于Flow-R和FLO-2D的溝谷型泥石流危險性評價［J］.人民長江，2022，53（5）：143-148.

［21］楊濤，唐川，朱金勇，等.四川省汶川縣綿虒鎮小流域泥石流危險性評價［J］.長江科學院院報，2018，35（10）：82-87.

［22］寧娜，馬金珠，張鵬，等.基于GIS和信息量法的甘肅南部白龍江流域泥石流災害危險性評價［J］.資源科學，2013，35（4）：892-899.

［23］唐川，朱靜.城市泥石流風險評價探討［J］.水科學進展，2006（3）：383-388.

［24］常鳴.基于遙感及數值模擬的強震區泥石流定量風險評價研究［D］.成都：成都理工大學，2014.

［25］侯圣山，曹鵬，陳亮，等.基于數值模擬的耳陽河流域泥石流災害危險性評價［J］.水文地質工程地質，2021，48（2）：143-151.

［26］UNDRO.Natural disasters and vulnerability analysis［R］.Geneva：Office of the United Nations Disaster Relief Coordinator，1980：5-6.

［27］KANG H S，KIM Y T.The physical vulnerability of different types of building structure to debris flow events［J］.Natural Hazards，2016，80：1475-1493.

［28］HU K H，CUI P，ZHANG J Q.Characteristics of damage to buildings by debris flows on 7 August 2010 in Zhouqu，Western China［J］.Natural Hazards and Earth System Sciences，2012，12（7）：2209-2217.

［29］QUAN LUNA B，BLAHUT J，VAN WESTEN C，et al.The application of numerical debris flow modelling for the generation of physical vulnerability curves［J］.Natural Hazards and Earth System Sciences，2011，11（7）：2047-2060.

［30］ZHANG S，ZHANG L，LI X，et al.Physical vulnerability models for assessing building damage by debris flows［J］.Engineering Geology，2018，247：145-158.

［31］劉希林.區域泥石流風險評價研究［J］.自然災害學報，2000（1）：54-61.

［32］金連才，劉沖平.旭龍水電站茂頂河泥石流活動特征分析與危險性評價［J］.水利水電快報，2022，43（7）：44-49.

（編輯：劉 媛）

Risk assessment of debris flow based on building vulnerability analysisPAN Mengyu^1，2，LEI Yu¹，GU Haihua¹，JIANG Hu^1，2，ZHOU Wentao^1，2，ZHOU Bin^1，2

（1.Institute of Mountain Hazards and Environment，Chinese Academy of Sciences，Chengdu 610299，China； 2.University of Chinese Academy of Sciences，Beijing 100049，China）

Abstract： Destruction to buildings by debris flows is a major cause of casualties and economic losses.Studying vulnerability of buildings under debris flow conditions is a key step in assessing debris flow risk.This research focuses on the Qingjiagou area in the Changjiang River Basin，utilizing FLO-2D software to simulate the dynamic processes of debris flows under extreme rainfall scenarios with return periods of 20，50，and 100 years.Hazard zonation was performed based on debris flow intensity （hv）.Additionally，vulnerability assessment curves suitable for masonry structures in the Changjiang River Basin were developed，based on this we provided a risk evaluation method based on the dynamic processes of debris flows and building vulnerability analysis.The research results indicated that the accuracy of the FLO-2D simulation reached 79%，with a correlation coefficient （R²） of 0.88 for the vulnerability curves，demonstrating good assessment results.As rainfall intensity increasebkEgmaZZM2v/HtmvG82KVIV2rFcES4c6GRHQbRemg1o=d，the total area of risk zones in the study area expanded from 33 000 m² to 39 900 m²，increase by 20.8%.The areas classified as high and very high risk significantly increased from 6 800 m² to 8 600 m²，increase by 27.1%.The number of houses located above the low-risk zone increased from 7 to 11，indicating that buildings initially in low-risk zones may face heightened risks.Finally，collaborative measures for ecological prevention and engineering control were proposed，providing reasonable recommendations for disaster prevention and mitigation against debris flows in the Changjiang River Basin.

Key words： debris flow risk assessment；vulnerability analysis；FLO-2D software；Qingjiagou debris flow；Changjiang River Basin