Numerical modeling of mud debris-flows and risk assessment on a torrent alluvial fan - INRAE - Institut national de recherche pour l’agriculture, l’alimentation et l’environnement Accéder directement au contenu
Communication Dans Un Congrès Année : 1999

Numerical modeling of mud debris-flows and risk assessment on a torrent alluvial fan

Modélisation numérique des laves torrentielles boueuses et estimation du risque sur un cône de déjection torrentiel

D. Laigle

Résumé

The Pousset torrent is a tributary of the Arc river in the Maurienne valley (Savoie, France). This torrent has produced frequent and large debris-flow events for a long time and many historical events are referenced. Concerning debris-flow triggering, the main active mechanisms are bed erosion and bank failures which can build temporary dams that afterwards collapse under the action of water. This torrent produces essentially muddy debris-flows for which a theoretical approach and numerical tools have been previouly developed. Risk analysis in general and mapping of debris-flow induced risk in particular are difficult tasks. Defining a unique reference flood is often impossible and working on the basis of scenarios often appears as a fruitful and at least promising methodology of investigation. Thus, it is proposed to take advantage of existing numerical tools for a practical estimation of risk on the Pousset torrent. Numerical tools are shortly presented. Attention is focused on interactions between a one-dimensional model computing channelized flows and a two-dimensional model computing the spreading of material. Main assumptions are discussed. Different methods enabling the definition of possible flood scenarios (debris-flow volume, discharge and rheological parameters) are presented. The use of existing numerical tools on the basis of scenarios is exemplified, leading to estimations of the maximum extent area for a given debris-flow event.
Le torrent du Pousset est un affluent de l'Arc en Maurienne (Savoie, France). Ce torrent a produit de fréquents et importants événements de laves torrentielles et de nombreux événements historiques sont référencés. Concernant le déclenchement des laves torrentielles, les principaux mécanismes actifs sont une érosion du lit et la rupture de versants qui peuvent former des barrages temporaires qui ensuite sont détruits sous l'action de l'eau. Ce torrent produit essentiellement des laves torrentielles boueuses pour lesquelles une approche théorique et des outils numériques ont été précédemment développés. L'analyse du risque en général et la cartographie du risque induit par les laves torrentielles en particuliers sont des tâches difficiles. Définir une crue de référence unique est souvent impossible et travailler sur la base de scénarios apparaît souvent comme une méthodologie d'investigation fructueuse et sans doute prometteuse. Ainsi, il est proposé de tirer avantage des outils numériques existant pour une estimation pratique du risque sur le torrent du Pousset. Les outils numériques sont brièvement présentés. L'attention est portée sur les interactions entre un modèle monodimensionnel calculant les écoulement canalisés et un modèle bidimensionnel calculant les étalement de matériau. Les principales hypothèses sont discutées. Différentes méthodes permettant la définition de scénarios de crue possibles (volume de lave torrentielle, débit et paramètres rhéologiques) sont présentées. L'utilisation des outils numériques existant sur la base de scénarios est illustrée par des exemples, conduisant à l'estimation des zones maximum d'extension pour un événement de lave torrentielle donné.
Fichier non déposé

Dates et versions

hal-02579064 , version 1 (14-05-2020)

Identifiants

Citer

D. Laigle. Numerical modeling of mud debris-flows and risk assessment on a torrent alluvial fan. 28 IAHR congress Hydraulic engineering for sustainable water resources management at the turn of the millenium, Graz, AUT, 22-27 August 1999, 1999, Austria. pp.8. ⟨hal-02579064⟩

Collections

IRSTEA INRAE ETNA
13 Consultations
0 Téléchargements

Partager

Gmail Facebook X LinkedIn More