降水引發(fā)的西南地區(qū)公路損毀風(fēng)險預(yù)報方法

狄靖月 王 志 田 華 謝 凱 楊曉丹 陳 輝 許鳳雯

1)(國家氣象中心，北京100081)2)(中國氣象局公共氣象服務(wù)中心，北京100081)

?

降水引發(fā)的西南地區(qū)公路損毀風(fēng)險預(yù)報方法

狄靖月1)2)王 志2)*田 華2)謝 凱2)楊曉丹2)陳 輝2)許鳳雯1)2)

1)(國家氣象中心，北京100081)2)(中國氣象局公共氣象服務(wù)中心，北京100081)

降水引發(fā)公路沿線滑坡、泥石流及其他災(zāi)害頻繁發(fā)生，已成為引發(fā)公路損毀的最重要因子之一。該文利用2007年1月—2013年7月區(qū)域(云、貴、川、渝4個地區(qū))公路損毀災(zāi)害數(shù)據(jù)、基礎(chǔ)地理信息數(shù)據(jù)及國家氣象中心降水量歷史資料，通過對災(zāi)害發(fā)生頻次、降水量等資料的統(tǒng)計分析，初步探討降水與公路損毀災(zāi)害的關(guān)系，并重點針對公路損毀的降水影響因子(即前期有效降水和損毀災(zāi)害發(fā)生當(dāng)日降水)，開發(fā)具有普適性的公路損毀概率密度函數(shù)及其概率擬合方程，建立公路損毀災(zāi)害概率預(yù)報模型；綜合公路損毀災(zāi)害風(fēng)險區(qū)劃信息(即災(zāi)害危險性等級)與降水的等級臨界閾值(即降水危險性等級)，建立區(qū)域公路損毀的危險性分級預(yù)警方案，得出綜合的西南地區(qū)公路損毀風(fēng)險預(yù)報模型，以1～5級劃分,分別為災(zāi)害發(fā)生可能性極小、災(zāi)害發(fā)生可能性較小、災(zāi)害發(fā)生可能性中等(注意)、災(zāi)害發(fā)生可能性較大(預(yù)警)、災(zāi)害發(fā)生可能性極大(警報)。該預(yù)報方法結(jié)合降水危險性等級及公路損毀災(zāi)害危險性等級，明顯優(yōu)于僅考慮閾值降水量的判別方法。

公路損毀； 風(fēng)險預(yù)報； 概率預(yù)報

引 言

在全球變暖的大背景下，極端天氣事件頻發(fā)，臺風(fēng)、暴雨、洪澇等氣象災(zāi)害及其引發(fā)的山體滑坡、泥石流等次生災(zāi)害對公路交通的影響日趨嚴(yán)重。其中，由降雨引發(fā)的公路沿線滑坡、泥石流及其他災(zāi)害更是頻繁發(fā)生，已成為引發(fā)公路損毀的最重要因子之一。

2005年中國氣象局與交通運輸部聯(lián)合開展了公路交通氣象預(yù)報服務(wù)。但到目前為止，降水引發(fā)的公路損毀預(yù)報方法方面還是空白，而且公路交通氣象服務(wù)對公路的運行和養(yǎng)護有十分顯著的影響，并一直受到氣象部門和公路部門的關(guān)注。

一般來說，在有較為充分的前期降水條件下，如果出現(xiàn)突發(fā)性暴雨，則爆發(fā)滑坡、泥石流等地質(zhì)災(zāi)害及其他災(zāi)害的可能性非常大，以此帶來的公路損毀發(fā)生概率大大增加。若前期降水非常充沛，下墊面含水量已達(dá)一定程度，則即使較小的降水也極有可能激發(fā)滑坡、泥石流等地質(zhì)災(zāi)害導(dǎo)致公路損毀。因此，許多災(zāi)害預(yù)報模型不僅包含臨近數(shù)小時的降水因子，也包含前期降水因子[1-2]。

過去眾多滑坡、泥石流等地質(zhì)災(zāi)害預(yù)報的研究，通常是將地質(zhì)災(zāi)害預(yù)報簡化為降水量與滑坡、泥石流等地質(zhì)災(zāi)害發(fā)生(如閾值雨量)的簡單判別關(guān)系，便于運作和實施預(yù)報分析[3-8]。在理論和方法上，國內(nèi)外學(xué)者已對公路自然區(qū)劃、地質(zhì)災(zāi)害風(fēng)險及預(yù)報、公路災(zāi)害監(jiān)測與評估等開展很多工作。但降水引起的公路損毀研究是一個多學(xué)科交叉的新應(yīng)用科學(xué)流域，特別是降水引起的公路損毀預(yù)測技術(shù)研究目前鮮見報道。如何針對降水引起的公路損毀的特殊性，將強降水、地質(zhì)環(huán)境、公路有效結(jié)合，研究降水引起的公路損毀災(zāi)害的科學(xué)內(nèi)涵和預(yù)報方法，仍是尚未解決的難題。

本文通過對降水量(當(dāng)日、前2 d、前3 d、前4 d、前5 d、前6 d、前7 d、前15 d等降水)與各類公路損毀災(zāi)害發(fā)生關(guān)系的研究，確立公路損毀降水特征的影響因子，依據(jù)公路損毀風(fēng)險區(qū)劃、主觀降水預(yù)報、數(shù)值天氣預(yù)報、前期實況降水等，建立公路損毀概率預(yù)報的模型。最后，基于公路損毀災(zāi)害風(fēng)險區(qū)劃信息，建立預(yù)警區(qū)危險性等級預(yù)報系統(tǒng)。

1 研究區(qū)域和資料

本文選取易發(fā)生公路損毀的云、貴、川、渝4個地區(qū)為研究區(qū)域。

災(zāi)害資料來自全國公路損毀災(zāi)害數(shù)據(jù)及基礎(chǔ)地理信息數(shù)據(jù)，2007年1月—2013年7月云、貴、川、渝公路損毀信息。 2007年1月—2013年7月國家氣象中心降水量資料，即每日全國08：00(北京時，下同)和20:00的24 h加密日降水量資料和全國6 h 降水量資料；2012年和2013年國家氣象中心未來24 h降水落區(qū)預(yù)報資料和數(shù)值天氣預(yù)報。

2 研究方法

2.1 降水影響因子選取

前期有效降水和當(dāng)日降水等因子是引發(fā)滑坡、泥石流等帶來的公路損毀災(zāi)害的關(guān)鍵因子。在降水與各類公路損毀發(fā)生的關(guān)系初步分析基礎(chǔ)上，選取以下8個降水量作為降水影響因子[9-11]：

①影響因子1，災(zāi)情發(fā)生當(dāng)日24 h降水量。實際預(yù)報中采用中央氣象臺24 h降水量實況。若災(zāi)害發(fā)生在當(dāng)日夜晚，取當(dāng)日20:00的24 h降水量實況；若災(zāi)害發(fā)生在當(dāng)日白天，取當(dāng)日08:00的24 h降水量實況；若災(zāi)害發(fā)生信息有明確時次，則以最接近災(zāi)害發(fā)生的前6 h的降水量資料累加獲取24 h降水量。

②影響因子2，災(zāi)情發(fā)生前2 d累積降水量?？紤]到公路損毀有一定的夜發(fā)性，24 h以前的降水量非常重要。需要特別指出的是，考慮到實際應(yīng)用，公路損毀預(yù)報一般下午開始制作，當(dāng)時只能獲得14:00以前的降水量實況，因此，在計算24 h降水量時，當(dāng)日14:00—20:00的6 h降水量采用國家氣象中心全球數(shù)值天氣預(yù)報模式降水量預(yù)報代替。

③影響因子3、影響因子4、影響因子5、影響因子6與影響因子7分別為前3 d、前4 d、前5 d、前6 d、前7 d的累積降水量。

④影響因子8，前15 d有效降水量，其計算公式如下：

(1)

式(1)中，RA表示有效降水量，Ri表示從災(zāi)害發(fā)生時次的當(dāng)日算起(災(zāi)害發(fā)生當(dāng)日，i=0;災(zāi)害發(fā)生前1 d,i=1;前2 d，i=2)的降水量，K為遞減系數(shù)，本研究取K=0.8。在選取的8個影響因子中，前15 d有效降水量影響因子作為一個反映總降水量的物理量，能很好表征災(zāi)害發(fā)生前期降水量是否充分，因此,將該影響因子作為必選因子，其他影響因子作為備選因子，進行相關(guān)性分析。

針對選取的這些影響因子，進行Kendall相關(guān)系數(shù)分析。Kendall相關(guān)系數(shù)是一個用來測量兩個隨機變量相關(guān)性的統(tǒng)計值(以Maurice Kendall命名)。Kendall檢驗是一個無參數(shù)假設(shè)檢驗，采用計算所得相關(guān)系數(shù)檢驗兩個隨機變量的統(tǒng)計依賴性。Kendall相關(guān)系數(shù)τ的取值范圍為-1～1，當(dāng)τ=1時，表示兩組隨機變量擁有一致的等級相關(guān)性；當(dāng)τ=-1時，表示兩組隨機變量擁有完全相反的等級相關(guān)性；當(dāng)τ=0時，表示兩組隨機變量是相互獨立的。當(dāng)0.3<|τ|<0.5時，表示兩組隨機變量低度相關(guān)；當(dāng)0.5<|τ|<0.8時，表示兩組隨機變量顯著相關(guān)；當(dāng)0.8<|τ|<1時，表示兩組變量高度相關(guān)，存在近似線性關(guān)系。

預(yù)報因子之間存在近似線性關(guān)系時，說明因子間存在復(fù)共線性，由于回歸分析中，自變量因子的復(fù)共線性狀態(tài)會使回歸方程處于“病態(tài)”，這種“病態(tài)”的后果是回歸系數(shù)估計變得十分不穩(wěn)定,甚至不合理，因此，為避免預(yù)報因子之間存在復(fù)共線性，應(yīng)選取相關(guān)系數(shù)低的預(yù)報因子進入模型，因子1～7與因子8的Kendall相關(guān)系數(shù)分別為0.600,0.733,0.794,0.826,0.832,0.763,0.693，達(dá)到0.01顯著性水平。其中，相關(guān)系數(shù)最低的是影響因子1，即災(zāi)情發(fā)生當(dāng)日(24 h)降水量，這在一定程度上表征了臨近損毀發(fā)生前的降水特征。其他影響因子與影響因子8的相關(guān)性普遍較高，需予以剔除。本文最終選取災(zāi)害當(dāng)日降水和前15 d有效降水參與建模。

2.2 降水?dāng)?shù)據(jù)正態(tài)化處理

由于均一性檢驗、統(tǒng)計理論等都建立于固有假設(shè)的基礎(chǔ)上，均要求進行分析計算的數(shù)據(jù)服從正態(tài)分布，而對于一般降水?dāng)?shù)據(jù)而言，具有明顯非正態(tài)分布性質(zhì)，因此，數(shù)據(jù)變?yōu)檎龖B(tài)化(或者準(zhǔn)正態(tài)化)成為非常重要的問題。目前主要用到的數(shù)據(jù)變換為對降水量序列進行開平方、開立方處理，對數(shù)變換，Box-Cox變換和Johnson變換等，以提高降水量序列的正態(tài)性，本文參考文獻[12-16]的方法，將前15 d有效降水和損毀災(zāi)害發(fā)生當(dāng)日降水進行開立方處理，使降水?dāng)?shù)據(jù)較為集中并提高降水序列的正態(tài)性。公式如下：

(2)

式(2)中，RB為有效降水量或當(dāng)日降水量(單位：mm)，C=1 mm,RX為經(jīng)正態(tài)化的降水因子(以下簡稱降水因子)。

2.3 公路損毀災(zāi)害發(fā)生頻次擬合

以公路損毀的前15 d有效降水因子序列為例，降水因子序列的最大值RXmax和最小值0，將降水序列分成50份，每一份的降水間隔X=RXmax/50，計算每個降水段內(nèi)公路損毀發(fā)生頻次占總的公路損毀發(fā)生頻次的概率密度Y。根據(jù)降水因子及損毀災(zāi)害發(fā)生的頻次分布散點信息，分別進行高斯擬合、傅里葉擬合和多項式擬合[17-18]。

從3組擬合曲線(圖1)的擬合參數(shù)發(fā)現(xiàn)，高斯曲線擬合的相關(guān)度從確定系數(shù)指標(biāo)上看,均優(yōu)于其他兩種擬合方法，而從兩項誤差評價上，明顯小于其他兩種擬合方法(表1)。

圖1 降水因子與公路損毀災(zāi)害發(fā)生頻次的關(guān)系Fig.1 Illustration of precipitation factor and frequency distribution of road damages

擬合類型誤差平方和確定系數(shù)調(diào)節(jié)確定系數(shù)均方根誤差高斯擬合0.055060.91440.91080.03423傅里葉擬合0.064930.89910.89250.03757多項式擬合0.180600.71930.70730.06199

因此，使用高斯函數(shù)對數(shù)據(jù)點集進行函數(shù)逼近擬合，采用的擬合高斯分布曲線公式見式(3)，同時，對式(3)進行積分處理得到概率預(yù)報公式(4)。

(3)

(4)

對已選取的兩個降水因子序列(前15 d有效降水因子和損毀災(zāi)害發(fā)生當(dāng)日降水因子)和對應(yīng)的公路損毀災(zāi)害發(fā)生頻次分布情況分別進行高斯擬合，依據(jù)擬合確定性系數(shù)，兩個降水因子進行不等權(quán)平均，獲取一個綜合的降水因子。在這3個降水因子的基礎(chǔ)上，分別建立概率密度方程，發(fā)現(xiàn)前15 d有效降水因子與公路損毀災(zāi)害發(fā)生頻次的擬合度最高，綜合降水因子的擬合度次之，前24 h降水因子與公路損毀災(zāi)害發(fā)生頻次的擬合度最差。

3 區(qū)域公路損毀概率預(yù)報模型建立

假設(shè)在研究區(qū)域內(nèi)，發(fā)生地質(zhì)災(zāi)害公路損毀的其他潛在條件都相似，降水量是決定公路損毀發(fā)生的唯一因素，這樣可以根據(jù)各區(qū)內(nèi)的降水量與地質(zhì)災(zāi)害發(fā)生之間的統(tǒng)計關(guān)系建立分區(qū)預(yù)報方程[18-19]。選取不同的降水因子，構(gòu)建各降水因子及綜合降水因子的概率密度函數(shù)，根據(jù)對歷史資料的統(tǒng)計，得出當(dāng)前降水因子導(dǎo)致的損毀災(zāi)害發(fā)生概率，并分別針對某一預(yù)警區(qū)域建立降水引發(fā)損毀的概率預(yù)報模型。

我國的地質(zhì)災(zāi)害具有廣域性和地域差異性，由此帶來的公路損毀災(zāi)害也與地質(zhì)條件密不可分。無論從災(zāi)害點分布密度，還是災(zāi)害發(fā)生頻次上看，我國南部都重于北部，尤其是西南地區(qū)幾乎每年雨季均有多次滑坡、泥石流災(zāi)害出現(xiàn)，同時，西南地區(qū)交通是我國第二階梯，海拔高，多高原山地，道路艱險且曲折，整體的交通還是以山路公路為主?；隆⒛嗍鞯裙窊p毀災(zāi)害嚴(yán)重，因此，本文建立了云、貴、川、渝地區(qū)的區(qū)域公路損毀概率預(yù)報模型。

3.1 基于前15 d有效降水因子的預(yù)報模型

基于前15 d有效降水因子及損毀災(zāi)害發(fā)生頻次分布的高斯擬合曲線(圖2)，得到區(qū)域公路損毀概率預(yù)報模型公式如下：

(5)

圖2 有效降水因子與區(qū)域公路損毀災(zāi)害發(fā)生頻次Fig.2 Illustration of effective precipitation factor and frequency distribution of regional road damages

3.2 基于綜合降水因子的預(yù)報模型

基于綜合降水因子及損毀災(zāi)害發(fā)生頻次分布的高斯擬合曲線(圖3)，得到區(qū)域公路損毀概率預(yù)報模型公式如下：

(6)

3.3 基于當(dāng)日降水因子的預(yù)報模型

基于當(dāng)日降水因子及損毀災(zāi)害發(fā)生頻次分布的高斯擬合曲線(圖4)，得到區(qū)域公路損毀概率預(yù)報模型公式如下：

(7)

圖3 綜合降水因子與區(qū)域公路損毀災(zāi)害發(fā)生頻次的關(guān)系Fig.3 Illustration of composite precipitation factor and frequency distribution of regional road damages

圖4 當(dāng)日降水因子與區(qū)域公路損毀災(zāi)害發(fā)生頻次的關(guān)系Fig.4 Illustration of current precipitation factor and frequency distribution of regional road damages

綜合評價基于有效降水因子、綜合降水因子及當(dāng)日降水因子3種降水因子的概率預(yù)報模型，從3種模型的參數(shù)看，參數(shù)a和b逐漸增大，參數(shù)c逐漸減小，說明降水因子的平均值呈增大趨勢，降水因子的方差呈減小趨勢。當(dāng)降水因子為某值時(在本文中，該值為區(qū)域內(nèi)所有災(zāi)害點有效降水的平均值)，發(fā)生損毀災(zāi)害的頻率非常大，本文3種降水因子的平均值逐漸變大，說明3種模型中，引發(fā)損毀災(zāi)害的降水因子在逐漸增大；同時，σ越小，說明災(zāi)害分布越集中在平均值附近，σ越大，分布越分散。對3種降水因子的概率預(yù)測模型分別進行評價(表2)。根據(jù)3種模型的誤差平方和、均方根誤差、確定系數(shù)及調(diào)節(jié)確定系數(shù)，同時依據(jù)前人引用有效降水建立模型，本文選取基于有效降水的模型作為區(qū)域公路損毀概率預(yù)報模型之一(以下簡稱模型Ⅰ)，另考慮滑坡、泥石流等地質(zhì)災(zāi)害與發(fā)生前的臨近降水量有重要關(guān)系，因此，增加選取基于綜合降水的模型作為公路損毀概率預(yù)報模型之一(以下簡稱模型Ⅱ)，以強調(diào)災(zāi)害發(fā)生前24 h降水量的重要性，最終建立兩個區(qū)域公路損毀災(zāi)害概率預(yù)報曲線(圖5)，共建立兩套預(yù)報模型，分別表征某一降水因子對應(yīng)的公路損毀災(zāi)害概率預(yù)報值。

表2 3種模型評價Table 2 Evaluation of three models

圖5 基于有效降水因子和綜合降水因子的區(qū)域公路損毀概率預(yù)報曲線(a)基于有效降水因子，(b)基于綜合降水因子Fig.5 Probabilistic forecast curve of regional road damages based on effective precipitation factor(a) and composite precipitation factor(b)

4 公路損毀風(fēng)險預(yù)報方法

在之前的假設(shè)中，認(rèn)為研究區(qū)域內(nèi)，發(fā)生地質(zhì)災(zāi)害公路損毀的其他潛在條件相似，降水量是決定公路損毀發(fā)生的唯一因素。而實際發(fā)生地質(zhì)災(zāi)害的地理、地質(zhì)條件不同，災(zāi)害發(fā)生的地理、地質(zhì)因素也很重要，僅考慮降水導(dǎo)致災(zāi)害預(yù)報的可靠性和準(zhǔn)確性大大降低。而將災(zāi)害危險性預(yù)測信息和降水量信息相結(jié)合，確定災(zāi)害的空間預(yù)警區(qū)劃指標(biāo)和等級，這種以區(qū)域地質(zhì)-氣象信息耦合的災(zāi)害預(yù)警預(yù)報模式，使預(yù)測結(jié)果具有時間和空間上的統(tǒng)一，是進行災(zāi)害預(yù)警預(yù)報的一種行之有效的方法。

由于公路損毀的概率預(yù)報模型，國內(nèi)做得較少，本文根據(jù)前人分析方法，在建立模型時，將災(zāi)害發(fā)生概率為10%，25%，50%，75%和95%分別定義為可能性極小、可能性較小、可能性中等、可能性較大、可能性極大的臨界概率。這里的災(zāi)害發(fā)生可能性僅表示降水量危險性等級。與這些概率值對應(yīng)的因子取值作為災(zāi)害發(fā)生該概率時的臨界值。降水量危險性等級分類如下：公路損毀災(zāi)害發(fā)生概率Y，當(dāng)Y<10%時，危險性為1，即降水量極低危險性等級；當(dāng)10%≤Y<25%時，危險性為2，即降水量低危險性等級；當(dāng)25%≤Y<50%時，危險性為3，即降水量中危險性等級；當(dāng)50%≤Y<75%時，危險性為4，即降水量高危險性等級；當(dāng)75%≤Y<95%時，危險性為5，即降水量極高危險性等級；當(dāng)Y≥95%時，災(zāi)害幾乎必然發(fā)生，直接取為5。

由于各地的地理、地質(zhì)條件如高程、坡度、最大高程差、工程巖性、斷層密度、植被覆蓋等有巨大差異，同樣的降水量危險性分級方案不能適用于各個地方，因此，基于這些因子的公路損毀風(fēng)險分區(qū)的建立尤為重要，本文參考殷坤龍等[20]的預(yù)警區(qū)等級初步劃分方案，即最終的公路損毀預(yù)警等級由降水量危險性等級和公路損毀災(zāi)害危險性等級兩個指標(biāo)共同決定(表3)，公路損毀災(zāi)害危險性等級，以1～5級劃分，分別表示不同的預(yù)警級別。表4給出了不同預(yù)警等級含義、對應(yīng)的災(zāi)害發(fā)生可能性及相應(yīng)的防御措施[21]。

表3 預(yù)警區(qū)等級初步劃分表Table 3 Warning classification

表4 預(yù)警等級含義、對應(yīng)的災(zāi)害發(fā)生可能性及其防御措施Table 4 Meaning of warning classification, the possibility of disaster and defensive measures

針對云、貴、川、渝的公路損毀概率預(yù)報模型的建立，本文認(rèn)為這4個地區(qū)整體的損毀災(zāi)害危險性等級處于中危險區(qū)，其風(fēng)險等級較為一致，因此，統(tǒng)一采用區(qū)域公路損毀概率預(yù)報模型，將西南地區(qū)公路損毀風(fēng)險預(yù)報分為1～5級(表3)：降水量危險性等級為極低危險性時，為1級預(yù)警區(qū)，即發(fā)生災(zāi)害可能性極??；降水量危險性等級為低危險性時，為2級預(yù)警區(qū)，即災(zāi)害發(fā)生可能性較小；降水量危險性等級為中危險性時，為3級預(yù)警區(qū)，即災(zāi)害發(fā)生可能性中等；降水量危險性等級為高危險性時，為4級預(yù)警區(qū)，即災(zāi)害發(fā)生可能性較大；降水量危險性等級為極高危險性時，為5級預(yù)警區(qū)，即災(zāi)害發(fā)生可能性極大。

5 風(fēng)險預(yù)報方法檢驗

選取2012年7月—2013年7月的107個公路損毀災(zāi)害樣本，研究在107個實際災(zāi)害點上的模型預(yù)報情況，檢驗?zāi)Ｐ廷窈湍Ｐ廷驅(qū)τ跒?zāi)害發(fā)生的預(yù)報情況(表5)。模型Ⅰ預(yù)報3級及以上預(yù)警次數(shù)為88次，占總發(fā)生次數(shù)的81%，模型Ⅱ預(yù)報3級及以上預(yù)警次數(shù)為94次，占總發(fā)生次數(shù)的87%，兩個模型預(yù)報4級及以上預(yù)警的次數(shù)均為41次，占總次數(shù)的38%。由此可見，兩種模型對于預(yù)報的命中率很高，在預(yù)報員預(yù)報過程中都有較強的參考意義，相比較而言，模型Ⅱ比模型Ⅰ預(yù)報的有效次數(shù)略多一些，在汛期及災(zāi)害多發(fā)期，模型Ⅱ有較強的指示作用[22-24]。

表5 2012—2013年公路損毀災(zāi)害模型Ⅰ和模型Ⅱ的預(yù)報次數(shù)Table 5 Predictions of two models from 2012 to 2013

同時，為了驗證公路損毀預(yù)報模型的應(yīng)用效果，選取2012年8月底四川省的1次降水過程對模型預(yù)報效果進行了個例檢驗。

5.1 天氣和公路損毀災(zāi)情

2012年8月30日—9月1日，四川省部分地區(qū)降了暴雨和大暴雨。8月30日08：00—31日08：00自貢市富順縣龍萬鄉(xiāng)降水量為192.6 mm。8月31日08：00—9月1日08：00瀘州市納溪縣渠壩、巴中市南江縣的新民和大壩特大暴雨，降水量為261～279.5 mm。

受此次降水過程影響，8月31日—9月1日四川省富順、雷波、巴中、瀘定、南江、冕寧市境內(nèi)的S207，S307，S101，S215，G318等公路發(fā)生多處崩塌、泥石流、滑坡地質(zhì)災(zāi)害，公路損毀嚴(yán)重。圖6是預(yù)報員針對8月30日—9月1日降水過程預(yù)報的逐日24 h降水。由圖6可見，8月30日08:00—31日08:00，預(yù)報的強降水主要位于四川盆地北部和中部，預(yù)報降水強度為大雨或暴雨。8月31日08：00—9月1日08：00，預(yù)報的強降水落區(qū)東移且范圍增大，預(yù)報的強降水主要位于四川盆地東部和北部，其中，四川盆地北部局地為大暴雨(100～140 mm)[25-26]。

圖6 未來24 h 主觀降水預(yù)報圖(a) 2012年8月30日08:00—31日08:00,(b)2012年8月31日08：00—9月1日08：00Fig.6 Illustration of 24 h subjective forecast(a)from 0800 BT 30 Aug to 0800 BT 31 Aug in 2012, (b)from 0800 BT 31 Aug to 0800 BT 1 Sep in 2012

5.2 公路損毀模型預(yù)報效果檢驗

以預(yù)報員主觀預(yù)報降水作為模型降水輸入因子，模型Ⅰ計算得出四川省2012年8月30日、8月31日、9月1日公路損毀發(fā)生概率(圖7),模型Ⅱ計算得出四川省8月30日、8月31日、9月1日公路損毀發(fā)生概率(圖8)。

圖7 模型Ⅰ公路損毀預(yù)報 (a)2012年8月30日, (b)2012年8月31日,(c)2012年9月1日Fig.7 Illustration of road damage forecast based on Model Ⅰ (a)30 Aug 2012, (b)31 Aug 2012,(c)1 Sep 2012

續(xù)圖7

由圖7可知， 8月30日模型預(yù)報的公路損毀發(fā)生可能性較大的區(qū)域主要位于四川省東北部和南部局部地區(qū)，可能性極大的區(qū)域主要位于四川省東北部的部分地區(qū)。8月31日隨著降水東移和范圍增大，可能性較大和極大的范圍也隨之增大，覆蓋四川省東北部和南部大部地區(qū)。9月1日模型預(yù)報的公路損毀可能性較大的范圍覆蓋四川省東部和南部大部地區(qū)，可能性極大的區(qū)域范圍和強度較前2 d明顯增大，四川東北部和東南部的部分地區(qū)概率高值可達(dá)90%以上，即災(zāi)害幾乎必然發(fā)生。

由圖8可見，兩種模型總體預(yù)報的趨勢和強度非常一致，模型Ⅱ預(yù)報8月30日—9月1日也是一個發(fā)生損毀概率逐漸增大的過程，從范圍和強度上，模型Ⅱ預(yù)報范圍更大，概率值更高一些。

圖8 模型Ⅱ公路損毀預(yù)報 (a)2012年8月30日,(b)2012年8月31日,(c)2012年9月1日 Fig.8 Illustration of road damage forecast based on Model Ⅱ (a)30 Aug 2012, (b)31 Aug 2012,(c)1 Sep 2012

表6為損毀災(zāi)害所在縣、市預(yù)報的公路損毀發(fā)生概率。由表6可知，8月31日—9月1日發(fā)生災(zāi)害地區(qū)的公路損毀概率在50%以上。對于模型Ⅰ和模型Ⅱ， 8月30日公路損毀發(fā)生概率大部地區(qū)低于50%。8月31日—9月1日發(fā)生概率均逐漸增大，除瀘定和雷波外，其他地區(qū)都高于60%，其中，巴中、南江、冕寧、富順公路損毀概率達(dá)70%以上。降水是損毀預(yù)報模型的關(guān)鍵影響因子，由于預(yù)報的瀘定降水強度較實況降水明顯偏小，所以模型預(yù)報該市的公路損毀發(fā)生概率也小。對于這次過程，巴中和南江，預(yù)報與實況降水相當(dāng)，兩種模型的概率預(yù)報的數(shù)值相當(dāng)；在四川東南部降水預(yù)報偏小，四川東南部的富順，模型Ⅱ計算得出的損毀概率預(yù)報值明顯比模型Ⅰ損毀概率預(yù)報值小，預(yù)報員主觀預(yù)報降水在模型Ⅱ的預(yù)報中有一定指示作用。

表6 公路損毀發(fā)生概率預(yù)報(單位:%)Table 6 Probabilistic forecasts of road damages(unit:%)

6 結(jié)論和討論

本文利用2007年1月—2013年7月區(qū)域(云、貴、川、渝4個地區(qū))公路損毀災(zāi)害數(shù)據(jù)、地理信息數(shù)據(jù)及相應(yīng)的降水量數(shù)據(jù)，建立西南地區(qū)公路損毀概率預(yù)報模型及公路損毀風(fēng)險預(yù)報方法并進行檢驗，得到以下主要結(jié)論：

1) 對于建模因子選取，前15 d有效降水量影響因子作為一個反映總降水量的物理量，能很好地表征災(zāi)害發(fā)生前期降水量是否充分，而當(dāng)日降水量影響因子在一定程度上表征了臨近損毀發(fā)生前的降水特征，且與前15 d有效降水量影響因子的Kendall相關(guān)系數(shù)最低，即兩者間的相關(guān)性較弱，因此，可共同參與模型建立。

2) 針對降水因子及損毀災(zāi)害發(fā)生的頻次分布進行的高斯擬合、傅里葉擬合和多項式擬合結(jié)果表明：降水因子與公路損毀災(zāi)害發(fā)生的頻次之間服從高斯分布，可以利用高斯擬合曲線計算某一降水因子條件下的損毀災(zāi)害發(fā)生概率。

3) 基于有效降水因子、綜合降水因子及當(dāng)日降水因子的3種概率預(yù)報模型參數(shù)對比：降水因子的平均值呈增大趨勢而降水因子的方差呈減小趨勢，表明引發(fā)公路損毀的降水因子在逐漸增大而災(zāi)害分布集中在平均值附近。3種模型的誤差平方和、確定系數(shù)、調(diào)節(jié)確定系數(shù)及均方根誤差顯示基于有效降水及綜合降水的預(yù)報模型效果更佳。

4) 基于有效降水因子和綜合降水因子的公路損毀概率預(yù)報模型的檢驗結(jié)果表明：兩種模型總體預(yù)報的趨勢和強度非常一致，基于綜合降水因子的預(yù)報結(jié)果對預(yù)報員主觀預(yù)報的敏感性更強。

今后將進一步分析高程、坡度、最大高程差、工程巖性、斷層密度、植被覆蓋及降水量等條件對公路損毀可能造成的影響，基于主成分分析及信息量法進行全國公路損毀危險性評價，根據(jù)評價結(jié)果，結(jié)合自然地理分區(qū)、地質(zhì)環(huán)境特征等對全國進行公路損毀危險性區(qū)劃劃分。

[1] 殷坤龍，陳麗霞，張桂榮，等.區(qū)域滑坡災(zāi)害預(yù)測預(yù)警與風(fēng)險評價.地學(xué)前緣，2007，14(6):85-97.

[2] 文科軍，王禮先，謝寶元，等.暴雨泥石流實時預(yù)報的研究.北京林業(yè)大學(xué)學(xué)報，1998，20(6):59-64.

[3] 高速，周平根，董穎，等.泥石流預(yù)測、預(yù)報技術(shù)方法的研究現(xiàn)狀淺析.工程地質(zhì)學(xué)報，2002，10(3):279-283.

[4] 邱騁，王純祥，江崎哲郎，等.基于邊坡單元的公路眼線滑坡危險度概率分析.巖土力學(xué)，2005，26(11):1731-1736.

[5] 譚炳炎，段愛英.山區(qū)鐵路沿線暴雨泥石流預(yù)報的研究.自然災(zāi)害學(xué)報，1995，4(2):43-52.

[6] 譚萬沛，韓慶玉.四川省泥石流預(yù)報的區(qū)域臨界雨量指標(biāo)研究.災(zāi)害學(xué)，1992，7(2):37-42.

[7] 姚令侃.用泥石流發(fā)生頻率及暴雨頻率推求臨界雨量的探討.水土保持學(xué)報，1988，2(4):72-77.

[8] 魏永明，謝又予.降雨型泥石流(水石流)預(yù)報模型研究.自然災(zāi)害學(xué)報，1997，6(4):48-54.

[9] 姚學(xué)祥，徐晶，薛建軍，等．基于降水量的全國地質(zhì)災(zāi)害潛勢預(yù)報模式.中國地質(zhì)災(zāi)害與防治學(xué)報，2005，16(4):97-102.

[10] 劉羅曼．用主成分回歸分析解決回歸模型中復(fù)共線性問題．沈陽師范大學(xué)學(xué)報:自然科學(xué)版，2008，26(1):42-44.

[11] 黃嘉佑，黃茂怡.主分量逐步篩選因子典型相關(guān)分析及其預(yù)報試驗.應(yīng)用氣象學(xué)報，2000，11(1):72-78.

[12] 陶云，段旭．云南降水正態(tài)分布特征的初探．氣象科學(xué)，2003，23(2):161-167.

[13] 胡文東，陳曉光，李艷春，等．寧夏月、季、年降水量正態(tài)性分析.中國沙漠，2006，26(6):963-968．

[14] 方建剛，毛明策，程肖俠．陜西降水的正態(tài)分布特征分析．西北大學(xué)學(xué)報:自然科學(xué)版，2009，39(1):131-136．

[15] 王紀(jì)軍，任國玉，匡曉燕，等． 河南省月和年降水量正態(tài)性分析．氣候與環(huán)境研究，2010，15(4):522-528．

[16] 陳學(xué)君，蘇仲岳，李仲龍，等．年降水量數(shù)據(jù)的正態(tài)變換方法對比分析．干旱氣象，2012，30(3):459-464．

[17] 張國平.有效雨量和滑坡泥石流災(zāi)害概率模型．氣象，2014，40(7):886-890.

[18] 徐晶，張國平，張芳華，等.基于Logistic回歸的區(qū)域地質(zhì)災(zāi)害綜合氣象預(yù)警模型.氣象，2007，33(12):3-8.

[19] 劉春，張春輝，郭薩薩.基于能量模型的水稻生長模型.應(yīng)用氣象學(xué)報，2013，24(2):240-247.

[20] 殷坤龍，張桂榮，龔日祥，等. 浙江省突發(fā)性地質(zhì)災(zāi)害預(yù)警預(yù)報.武漢：中國地質(zhì)大學(xué)出版社,2005.

[21] 劉傳正.中國地質(zhì)災(zāi)害氣象預(yù)警方法與應(yīng)用.巖土工程界，2004,7(7):17-18.

[22] 梁莉，趙琳娜，齊丹，等.基于貝葉斯原理降水訂正的水文概率預(yù)報試驗.應(yīng)用氣象學(xué)報，2013，24(4):416-424.

[23] 王晨稀.短期集合降水概率預(yù)報試驗.應(yīng)用氣象學(xué)報，2005，16(1):78-87.

[24] 林明智，畢寶貴，喬林.中央氣象臺短期降雨預(yù)報水平初步分析.應(yīng)用氣象學(xué)報，1995，6(4):392-399.

[25] 鄧雪嬌，胡勝，閆敬華.主客觀天氣預(yù)報質(zhì)量對比分析.應(yīng)用氣象學(xué)報，2003，14(6):730-738.

[26] 鄭衛(wèi)江，吳煥萍，羅兵，等.GIS技術(shù)在臺風(fēng)預(yù)報服務(wù)產(chǎn)品制作系統(tǒng)中的應(yīng)用.應(yīng)用氣象學(xué)報，2010，21(2):250-255.

A Risk Forecast Method for Southwest Road Damages Based on Precipitation

Di Jingyue1)2)Wang Zhi2)Tian Hua2)Xie Kai2)Yang Xiaodan2)Chen Hui2)Xu Fengwen1)2)

1)(NationalMeteorologicalCenter,Beijing100081)2)(PublicMeteorologicalServiceCenterofCMA,Beijing100081)

Landslides, debris-flows and other disasters along roads caused by precipitation occur frequently, becoming one of the most important factors of roads damages. Yunnan, Guizhou, Sichuan and Chongqing are especially prone to road damages. Based on the information of road damages, the corresponding precipitation data from January 2007 to July 2013 and 24 h precipitation forecast data from July 2012 to July 2013, probability forecast models are adopted to describe probabilistic relations between precipitation and road damages. First, precipitation factors of the day and over the past two, three, four, five, six, seven days and effective precipitation over the past 15 days are analyzed by the method of Kendall correlation, and precipitation of the day and the past effective precipitation are identified because of small correlation. Second, after the normality process to two factors, polynomial fitting, Fourier fitting and Gaussian fitting are applied to the frequency distribution of the disaster and two kinds of precipitation factor. According to the analysis of fitting correlation and the fitting error, Gaussian fitting method is selected to apply to the scattering distribution of precipitation and road damages. Finally, universal probability forecast models of road damages based on effective precipitation (Model Ⅰ) and comprehensive of the day and effective precipitation (Model Ⅱ) are established, and the fitting adjustable coefficients are 0.9108 and 0.8333, respectively. According to critical precipitation thresholds of two models, combining the grade of hazards risk and precipitation risk to road damages, two kinds of warning classification scheme based on precipitation are proposed. Two risk forecast models for road damages are developed. Risks of road damages are divided into five levels by probability of damage occurrence: Very small, small, medium, large and very large. Two risk forecast methods are tested, showing they are both applicable to describe the relation between precipitation and road damages, and have a high forecasting accuracy and strong reference value in disaster forecast. In comparison, two models have the same trend and results of Model Ⅱ are generally greater than Model Ⅰ in number. In the flood season and disaster-prone period, Model Ⅱ is more sensitive to subjective forecasts than Model Ⅰ.The risk forecasting systems of road damages are created for Southwest China based on two methods, and used in risk operation since the end of 2012 achieving good effects.

road damages; risk forecast; probabilistic forecast

10.11898/1001-7313.20150302

中國氣象局氣候變化專項(CCSF201328)，氣象關(guān)鍵技術(shù)集成與應(yīng)用(面上)項目(CAMGJ2012M73)，中國氣象局公共氣象服務(wù)中心業(yè)務(wù)服務(wù)專項基金項目(M2014007)

狄靖月,王志,田華,等. 降水引發(fā)的西南地區(qū)公路損毀風(fēng)險預(yù)報方法. 應(yīng)用氣象學(xué)報，2015，26(3)：268-279.

2014-10-13收到， 2015-01-23收到再改稿。

* 通信作者， email: wzhi@cma.gov.cn