鐘山縣山洪地質(zhì)災(zāi)害風(fēng)險(xiǎn)評(píng)估與預(yù)警

賈茜淳, 張 豫, 叢沛桐

(1.華南農(nóng)業(yè)大學(xué) 水利與土木工程學(xué)院, 廣州 510642; 2.嘉應(yīng)學(xué)院 地理科學(xué)與旅游學(xué)院, 廣東 梅州 514015)

受特殊的自然地理環(huán)境、極端災(zāi)害性天氣以及經(jīng)濟(jì)社會(huì)活動(dòng)多種因素的共同影響，中國(guó)山丘區(qū)洪水、泥石流、滑坡災(zāi)害頻發(fā)，造成的人員傷亡、財(cái)產(chǎn)損失和基礎(chǔ)設(shè)施損毀、生態(tài)環(huán)境破壞十分嚴(yán)重，成為中國(guó)防洪減災(zāi)工作中亟待解決的突出問題，加快山洪災(zāi)害防治是關(guān)系我國(guó)經(jīng)濟(jì)社會(huì)發(fā)展全局的一項(xiàng)重大緊迫任務(wù)[1]。中國(guó)山洪地質(zhì)災(zāi)害多發(fā)于山脈的迎風(fēng)坡和暴雨中心地帶的亞熱帶地區(qū)(廣東、廣西、海南、福建、浙江等省份)，該區(qū)域面積約240萬km2，氣候暖熱，雨量充沛，暴雨量級(jí)大，湍流成災(zāi)。據(jù)初步統(tǒng)計(jì)，亞熱帶地區(qū)發(fā)生的山洪地質(zhì)災(zāi)害占到我國(guó)總數(shù)的81%，是中國(guó)山洪地質(zhì)災(zāi)害重點(diǎn)防御區(qū)。

2010年11月，水利部會(huì)同財(cái)政部、國(guó)土資源部、中國(guó)氣象局啟動(dòng)了山洪災(zāi)害防治縣級(jí)非工程措施建設(shè)[2]。到目前為止，廣西壯族自治區(qū)初步建成了覆蓋全區(qū)山洪地質(zhì)災(zāi)害防治區(qū)的非工程監(jiān)測(cè)體系，通過設(shè)點(diǎn)布網(wǎng)，將山洪地質(zhì)災(zāi)害易發(fā)區(qū)內(nèi)的雨量、水位、視頻圖像等數(shù)字化信息，實(shí)時(shí)或定時(shí)傳送到監(jiān)測(cè)中心，為山洪地質(zhì)災(zāi)害預(yù)警提供基礎(chǔ)數(shù)據(jù)與信息。這些系統(tǒng)接收的大量水文數(shù)據(jù)需要進(jìn)行充分挖掘，為山洪地質(zhì)災(zāi)害評(píng)估提供支撐與服務(wù)。

國(guó)內(nèi)外學(xué)者對(duì)山洪地質(zhì)災(zāi)害進(jìn)行了適度研究，Wu等運(yùn)用神經(jīng)網(wǎng)絡(luò)技術(shù)研究了洪水每小時(shí)流量預(yù)測(cè)模型[3]。Yang等運(yùn)用數(shù)字高程模型，以地形數(shù)據(jù)和累積降雨量等為影響因子，研究提出了非河流洪水的簡(jiǎn)化模型[4]。Vincent Thierion等研究了柵格技術(shù)對(duì)暴洪預(yù)警的可靠性[5]。Hapuarachchi等指出洪災(zāi)通常發(fā)生在小集水區(qū)(<300 km2)，往往很難測(cè)量，因此，遙感數(shù)據(jù)在集水區(qū)的水文模型中非常重要[6]。劉國(guó)忠等從氣象條件角度分析了廣西兩次嚴(yán)重山洪地質(zhì)災(zāi)害[7]。胡娟等探討了山洪地質(zhì)災(zāi)害與降水的關(guān)系，并提出運(yùn)用于云南省的山洪地質(zhì)災(zāi)害氣象預(yù)報(bào)預(yù)警的方法[8]。陳殿強(qiáng)等在遼寧省山洪地質(zhì)災(zāi)害特點(diǎn)及其分布規(guī)律研究中提出山洪地質(zhì)災(zāi)害誘發(fā)因素主要是暴雨，但與地形、地貌以及巖性條件密切相關(guān)[9]。

為充分發(fā)揮我國(guó)山洪災(zāi)害監(jiān)測(cè)系統(tǒng)的實(shí)時(shí)海量水文數(shù)據(jù)的價(jià)值與功效，萃取非線性多場(chǎng)耦合孕災(zāi)機(jī)制，將氣象降水?dāng)?shù)據(jù)與植被覆蓋程度、地形坡度、土壤巖石松散程度、山脊山谷類別等要素整合，引入到神經(jīng)網(wǎng)絡(luò)模型中，模擬要素與災(zāi)害等級(jí)間的高度非線性關(guān)系，建立具有亞熱帶地域特征的山洪地質(zhì)災(zāi)害預(yù)警技術(shù)體系，實(shí)現(xiàn)山洪地質(zhì)災(zāi)害的快速定位、準(zhǔn)確評(píng)估、提早預(yù)警、科學(xué)決策。

廣西位于中國(guó)三大強(qiáng)降雨區(qū)之一的華南暴雨區(qū)，深受亞熱帶季風(fēng)氣候影響，每年4—6月華南前汛期暴雨多發(fā)、雨勢(shì)猛[10]，極易產(chǎn)生山洪地質(zhì)災(zāi)害。鐘山縣位于廣西東北部，地處東經(jīng)110°58′—111°31′、北緯24°17′—24°46′，轄區(qū)面積1 483 km2，暴雨頻發(fā)，為廣西河溪洪災(zāi)的代表性縣區(qū)。該區(qū)域地質(zhì)地貌復(fù)雜，人類活動(dòng)強(qiáng)度大，山洪地質(zhì)災(zāi)害點(diǎn)多面廣。據(jù)調(diào)查，鐘山縣1994年、1998年和2002年均發(fā)生超百年洪水，死亡30人，直接經(jīng)濟(jì)損失近18億元之巨。上述3次均為突降暴雨就地起洪所致，給當(dāng)?shù)厝嗣袢罕姷纳?cái)產(chǎn)造成了極大的損失。與此對(duì)應(yīng)，鐘山縣現(xiàn)有山洪防治工程參差不齊，堤壩、水庫(kù)基本完成除險(xiǎn)加固，防御能力尚好，但數(shù)量眾多的塘壩大部分是20世紀(jì)50，60年代建成，年久老化，難以抵御洪水的侵襲，一旦出現(xiàn)強(qiáng)降雨，多形成山洪地質(zhì)災(zāi)害。

1 試驗(yàn)材料與方法

1.1 試驗(yàn)材料與技術(shù)路線

實(shí)地調(diào)查收集研究區(qū)河流、氣象、水文條件、暴雨洪水特性，地形地貌、地質(zhì)構(gòu)造與地層巖性、土壤類型及水土流失等情況；采集鐘山縣27個(gè)全自動(dòng)雨量站數(shù)據(jù)、8個(gè)自動(dòng)水文站數(shù)據(jù)，布設(shè)5個(gè)土壤前期雨量監(jiān)測(cè)點(diǎn)。分析降雨、植被層、土壤層、地形地貌等對(duì)山洪的阻滯與影響。解譯NDVI(Normalized Difference Vegetation Index歸一化植被覆蓋指數(shù))建立植被覆蓋度指標(biāo)；提取DEM(Digital Elevation Model數(shù)字高程模型)得到坡度指標(biāo)，采用等高線圖進(jìn)行山脊山谷分類；基于實(shí)地調(diào)研和多光譜數(shù)據(jù)劃分巖石土壤類型，得到土壤松散系數(shù)指標(biāo)；基于歷史降雨數(shù)據(jù)提取降雨量指標(biāo)。將NDVI、坡度、降雨量、土壤松散系數(shù)、山脊山谷類別、降雨量作為影響因子輸入，建立廣義回歸神經(jīng)網(wǎng)絡(luò)預(yù)警模型，模型的輸出為山洪災(zāi)害預(yù)警等級(jí)。經(jīng)過神經(jīng)網(wǎng)絡(luò)的大數(shù)據(jù)訓(xùn)練學(xué)習(xí)，模型具有了較高的識(shí)別率和精度。以雨強(qiáng)作為預(yù)警指標(biāo)，設(shè)計(jì)6 h降雨20 mm，40 mm，60 mm等方案，輸入到模型中，計(jì)算出不同程度危險(xiǎn)地區(qū)、不同降雨量下的山洪地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級(jí)，實(shí)現(xiàn)山洪地質(zhì)災(zāi)害提早預(yù)警。

1.2 數(shù)據(jù)處理

1.2.1 危險(xiǎn)區(qū)調(diào)研整理 鐘山縣地形多樣復(fù)雜，有平原、丘陵、盆地、山地?？h境東、北、西及西南四面為山地地形，地勢(shì)高峻。加之人類工程活動(dòng)對(duì)區(qū)內(nèi)地質(zhì)災(zāi)害的影響，如削坡建房、不合理抽取地下水、采礦活動(dòng)等，使山溪易漲易落，水旱災(zāi)害頻繁，易造成崩塌、山體滑坡、泥石流、地面塌陷等山洪地質(zhì)災(zāi)害。發(fā)生的區(qū)域主要集中在山區(qū)，尤其是農(nóng)村。

鐘山縣西北部的花山瑤族鄉(xiāng)和西南部的清塘鎮(zhèn)危險(xiǎn)性最高，中部的燕塘鎮(zhèn)、公安鎮(zhèn)、回龍鎮(zhèn)和鐘山鎮(zhèn)危險(xiǎn)性較高，其次是北部的兩安瑤族鄉(xiāng)、紅花鎮(zhèn)和南部的同古鎮(zhèn)，東南部的石龍鎮(zhèn)、鳳翔鎮(zhèn)和珊瑚鎮(zhèn)危險(xiǎn)性較低(圖1)。結(jié)合2014—2016年地質(zhì)災(zāi)害易發(fā)區(qū)及隱患點(diǎn)，將災(zāi)害點(diǎn)分為4個(gè)等級(jí)，其中25個(gè)高風(fēng)險(xiǎn)點(diǎn)，15個(gè)較高風(fēng)險(xiǎn)點(diǎn)，46個(gè)一般風(fēng)險(xiǎn)點(diǎn)，59個(gè)低風(fēng)險(xiǎn)點(diǎn)(圖2)。高風(fēng)險(xiǎn)等級(jí)或較高風(fēng)險(xiǎn)等級(jí)地區(qū)多處于山脈山谷下方的村落或河流匯流區(qū)(圖3)。

圖1全縣整體危險(xiǎn)程度分布圖

1.2.2 植被覆蓋指數(shù) 植被具有截留降雨、減緩徑流、保土固土等功能，對(duì)水土流失起著決定性的作用，植被覆蓋程度直接影響著水土流失的強(qiáng)弱。運(yùn)用RS(Remote Sensing遙感技術(shù))在ENVI遙感圖像處理平臺(tái)上，對(duì)鐘山縣進(jìn)行NDVI計(jì)算。采用2016年5月11日Landsat8遙感圖像，輻射定標(biāo)、大氣校正預(yù)處理后解譯出NDVI地面分布柵格圖(附圖8A)。

圖2四個(gè)等級(jí)危險(xiǎn)點(diǎn)分布圖

圖3高風(fēng)險(xiǎn)等級(jí)圖像實(shí)例

1.2.3 坡度數(shù)據(jù) 鐘山縣山地面積占全縣總面積的60%，山高、坡陡有利于強(qiáng)降雨后地表徑流迅速匯集，一遇到較強(qiáng)的地表徑流沖擊時(shí)，就形成山洪地質(zhì)災(zāi)害。山洪引起的滑坡通常分散發(fā)生在陡峻的山坡處，坡面泥石流多發(fā)生在大于20°坡面，形成區(qū)與堆積區(qū)相連，多為崩塌或快速滑塌轉(zhuǎn)化而成[9]。運(yùn)用GIS(Geographic Information System地理信息系統(tǒng)技術(shù))在ArcGIS軟件里計(jì)算出鐘山縣地理坡度。處理DEM，進(jìn)行空間分析，繪制鐘山縣地面坡度分布柵格圖(附圖8B)。

1.2.4 土壤松散系數(shù) 鐘山縣地質(zhì)主要有泥盆系(砂質(zhì)頁(yè)巖互層及灰?guī)r)、石炭系(燧石灰?guī)r、白云質(zhì)灰?guī)r及頁(yè)巖)、侏羅系(灰白色、紫紅色塊狀角礫巖、厚層狀灰?guī)r煤層及頁(yè)巖)、燕山期花崗體(中粒斑狀黑云母花崗巖、粒及細(xì)粒斑狀黑云母花崗巖)和新生界第四系(沖積、沖坡積、洪積的砂、卵石、黏土沉積物、含礫石砂土層及母巖風(fēng)化的殘積物)。山洪地質(zhì)災(zāi)害易發(fā)區(qū)的土壤往往滲透強(qiáng)度不大，如紫色砂頁(yè)巖、泥質(zhì)巖、紅砂巖、板頁(yè)巖發(fā)育而成的抗蝕性較弱的土壤，遇水易軟化、崩解，易形成山洪地質(zhì)災(zāi)害。

通過實(shí)地觀測(cè)，結(jié)合精確到房屋的鐘山縣土壤松散程度分布圖(圖4)，將各村屯的土壤巖石進(jìn)行分類。查土的工程分類表，確定各地土的松散系數(shù)。鐘山縣地表山脈幾乎無特堅(jiān)石，又因軟石、次堅(jiān)石、堅(jiān)石最初可松性系數(shù)相同，所以分類中把它們統(tǒng)稱為石。

圖4鐘山縣土壤松散程度分布

1.2.5 山谷山脊分類數(shù)據(jù) 山洪地質(zhì)災(zāi)害通常發(fā)生在山體切割深度大、侵蝕溝谷發(fā)育的地區(qū)。暴雨天氣下，雨水向低處流動(dòng)，在山谷里形成徑流，大量水流快速匯集到河谷中,導(dǎo)致河谷水位迅速上升，最容易引發(fā)山洪，夾雜泥石的就形成泥石流，如溝谷泥石流；而山脊處是山洪地質(zhì)災(zāi)害的較安全區(qū)。

山脊的等高線凸出部分指向低處，山谷的等高線凸出部分指向高處。在ArcGIS里處理DEM圖像，由等高線分析模塊繪制鐘山縣地面等高線形文件(附圖8C)，在間距50m等高線圖中判斷各點(diǎn)地形是山谷、山脊還是平地(圖5)。將山脊的影響系數(shù)定為1，平地為0.5，山谷為0。

圖550m等高線山谷山脊劃界示意圖

1.2.6 降雨量數(shù)據(jù) 暴雨洪水預(yù)警的最大不確定性來源是降雨場(chǎng)中的誤差[6]。根據(jù)鐘山縣氣象站的資料統(tǒng)計(jì)，鐘山縣歷年降水量1 091.2～2 371.4 mm，年平均降水量為1 556 mm，實(shí)測(cè)最大1 h降雨量為91.7 mm，最大6 h降雨量為147.7 mm，最大24 h降雨量為416.4 mm。雨季一般由4月上旬開始，9月下旬結(jié)束，降雨量約占年總量70%。其中，5月份降雨量最大，多在250 mm以上，其次為6月、4月、7月、8月、9月。各地降雨分布不平衡，紅花、兩安、燕塘、花山、鳳翔、珊瑚等鄉(xiāng)鎮(zhèn)降水量較多，年降水量1 600 mm以上，其中最多為燕塘鎮(zhèn)，達(dá)1 710.5 mm。同古、清塘等鄉(xiāng)鎮(zhèn)年降水量1 515.1～1 570 mm?；佚垺⒐驳揉l(xiāng)鎮(zhèn)降雨量較少，年降水量1 416.7～1 496.9 mm。由于降雨時(shí)空分布不均，局部地區(qū)強(qiáng)降雨時(shí)有發(fā)生，一次強(qiáng)降雨過程常常誘發(fā)突發(fā)性和群發(fā)性的地質(zhì)災(zāi)害。鐘山縣山洪地質(zhì)災(zāi)害的高發(fā)期與強(qiáng)降雨發(fā)生時(shí)間相吻合，多發(fā)生在5—8月份。

全縣高危險(xiǎn)區(qū)準(zhǔn)備轉(zhuǎn)移預(yù)警指標(biāo)即雨量站6 h平均臨界雨量為60 mm，設(shè)6 h內(nèi)雨量20 mm，40 mm，60 mm為3個(gè)雨量梯度指標(biāo)。

1.3 研究方法

1.3.1 影響因子整合 以高危險(xiǎn)區(qū)的10個(gè)風(fēng)險(xiǎn)點(diǎn)為例，通過GPS(Global Positioning System全球定位系統(tǒng))定位的經(jīng)緯度坐標(biāo)，在ArcGIS里做出災(zāi)害點(diǎn)的形文件，用空間分析工具，提取出災(zāi)害點(diǎn)處的坡度值、植被覆蓋指數(shù)，加上已確定的土壤松散系數(shù)、山脊山谷影響系數(shù)作為影響因子(表1)。在四個(gè)降雨量分區(qū)中劃分出風(fēng)險(xiǎn)很高、風(fēng)險(xiǎn)較高、風(fēng)險(xiǎn)一般、風(fēng)險(xiǎn)較低共四種災(zāi)害風(fēng)險(xiǎn)等級(jí)，分別用4，3，2，1表示(表2)。

表1 高風(fēng)險(xiǎn)點(diǎn)影響因子數(shù)據(jù)

表2 不同降雨量下的風(fēng)險(xiǎn)等級(jí)

注：風(fēng)險(xiǎn)很高用4表示，風(fēng)險(xiǎn)較高用3表示，風(fēng)險(xiǎn)一般用2表示，風(fēng)險(xiǎn)較低用1表示。

1.3.2 模型建立 徑向基函數(shù)網(wǎng)絡(luò)是一種結(jié)構(gòu)簡(jiǎn)單、收斂速度快、能夠逼近任意非線性函數(shù)的網(wǎng)絡(luò)。廣義回歸神經(jīng)網(wǎng)絡(luò)(General Regression Neural Network，GRNN)以徑向基網(wǎng)絡(luò)為基礎(chǔ)，具有良好的非線性逼近性能。與徑向基網(wǎng)絡(luò)相比，訓(xùn)練更為方便，尤其適合解決曲線擬合的問題，在MATLAB中newgrnn函數(shù)可以方便地實(shí)現(xiàn)廣義回歸神經(jīng)網(wǎng)絡(luò)。

廣義回歸神經(jīng)網(wǎng)絡(luò)由四層構(gòu)成，除了輸入層和輸出層共有兩層(圖6)，第一層為徑向基層，用dist計(jì)算加權(quán)輸入，用netprod計(jì)算網(wǎng)絡(luò)輸入，傳輸函數(shù)為radbas。第二層為線性層，用normprod計(jì)算加權(quán)輸入，用netsum計(jì)算網(wǎng)絡(luò)輸入，傳輸函數(shù)為purelin。第一層閾值取0.8326/spread。輸入層的輸入是NDVI、坡度、土壤松散系數(shù)、山脊山谷類別、降雨量5個(gè)影響因子，輸出層的輸出是災(zāi)害風(fēng)險(xiǎn)等級(jí)。將25個(gè)風(fēng)險(xiǎn)點(diǎn)，15個(gè)較高風(fēng)險(xiǎn)點(diǎn)，46個(gè)一般風(fēng)險(xiǎn)點(diǎn)，59個(gè)低風(fēng)險(xiǎn)點(diǎn)分別按降水量20 mm，40 mm，60 mm，列出435組數(shù)據(jù)。其中隨機(jī)選取350組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練，85組數(shù)據(jù)用作網(wǎng)絡(luò)模型可靠性驗(yàn)證。Newgrnn函數(shù)的語(yǔ)法格式為net=newgrnn(P,T,spread)。P為Q×R矩陣，包含Q個(gè)長(zhǎng)度為R的輸入向量；T為Q×1矩陣，包含Q個(gè)目標(biāo)向量；R為輸入向量元素的數(shù)目，本模型中R為5；Q為輸入輸出樣本的數(shù)目，本模型中Q為350；spread表示神經(jīng)網(wǎng)絡(luò)的擴(kuò)散速度， spread取值越大，曲線就越平滑，要想更精確地逼近訓(xùn)練樣本點(diǎn)，則應(yīng)選擇較小的spread值，要想使曲線更加平滑，則應(yīng)增大spread[11-16]。

通過網(wǎng)絡(luò)對(duì)樣本輸入計(jì)算，比較網(wǎng)絡(luò)的實(shí)際輸出與期望輸出，逐步調(diào)整權(quán)值、閾值，直至誤差滿足要求。通過上述神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)和訓(xùn)練過程，在訓(xùn)練好的權(quán)值、閾值和網(wǎng)絡(luò)結(jié)構(gòu)基礎(chǔ)上可以實(shí)現(xiàn)對(duì)新樣本的模擬與預(yù)測(cè)[17-18]。按危險(xiǎn)等級(jí)數(shù)據(jù)由高到低排列，用GRNN模擬曲線(圖7)，可見模擬后結(jié)果與目標(biāo)結(jié)果走勢(shì)、大小基本一致，誤差最高不超過兩個(gè)危險(xiǎn)等級(jí)，用rate函數(shù)算得準(zhǔn)確率可達(dá)93.72%。

圖6廣義回歸神經(jīng)網(wǎng)絡(luò)細(xì)部結(jié)構(gòu)

圖7目標(biāo)曲線和用GRNN模擬曲線

2 結(jié)果分與析

2.1 模型驗(yàn)證

通過將歷史上10組不同風(fēng)險(xiǎn)等級(jí)的數(shù)據(jù)帶入模型進(jìn)行檢驗(yàn)計(jì)算，獲得計(jì)算結(jié)果(表3)。根據(jù)表3可知，降雨量為60 mm的結(jié)果中，編號(hào)為1，2，4，6，9的結(jié)果和實(shí)際風(fēng)險(xiǎn)等級(jí)完全一致；編號(hào)為3，5的結(jié)果與實(shí)際風(fēng)險(xiǎn)等級(jí)分別差0.023 7，0.014，誤差可忽略不計(jì)，可算作與實(shí)際一致；編號(hào)為7，8，10的結(jié)果與實(shí)際風(fēng)險(xiǎn)等級(jí)分別差0.3432，0.436 8，0.320 8，經(jīng)四舍五入后，可得與實(shí)際一致的結(jié)果。降雨量為40 mm的結(jié)果中，編號(hào)為1，2，4，5，6，9的結(jié)果和實(shí)際風(fēng)險(xiǎn)等級(jí)完全一致；編號(hào)為3，7，8，10的結(jié)果與實(shí)際風(fēng)險(xiǎn)等級(jí)分別差0.023 7，0.007，0.003，0.104 8，誤差很小，可算作與實(shí)際一致。降雨量20 mm的結(jié)果中，編號(hào)為1，2，4，5，6，8，9，10的結(jié)果和實(shí)際風(fēng)險(xiǎn)等級(jí)完全一致；編號(hào)為3，7的結(jié)果與實(shí)際風(fēng)險(xiǎn)等級(jí)分別差0.023 7，0.003，誤差可忽略不計(jì)，可算作與實(shí)際一致?？梢?，降雨量越低，模型計(jì)算越準(zhǔn)確；降雨量較高時(shí)，實(shí)際情況可能更加復(fù)雜，會(huì)有其他沒有考慮到的因素，有時(shí)會(huì)有誤差，但誤差都不超過0.5，經(jīng)四舍五入可得與實(shí)際一致的結(jié)果。綜上所述，將歷史的數(shù)據(jù)帶入模型進(jìn)行計(jì)算，得到的山洪地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級(jí)結(jié)果與實(shí)際基本一致。

表3 歷史測(cè)得和模型計(jì)算的風(fēng)險(xiǎn)等級(jí)比較

圖8為歷史實(shí)測(cè)和模型計(jì)算的風(fēng)險(xiǎn)等級(jí)散點(diǎn)圖。由圖可知，風(fēng)險(xiǎn)較高的區(qū)域不同降雨量下的預(yù)警結(jié)果準(zhǔn)確率極高；風(fēng)險(xiǎn)較低的區(qū)域在降雨量較大時(shí)，有一點(diǎn)誤差，但誤差都在等級(jí)區(qū)間范圍之內(nèi)。高風(fēng)險(xiǎn)區(qū)預(yù)警結(jié)果的準(zhǔn)確率為100%，較高風(fēng)險(xiǎn)區(qū)準(zhǔn)確率為97.63%，一般風(fēng)險(xiǎn)區(qū)準(zhǔn)確率為97.90%，低風(fēng)險(xiǎn)區(qū)準(zhǔn)確率為90.39%。整體準(zhǔn)確率為96.48%，準(zhǔn)確率較高，與實(shí)際風(fēng)險(xiǎn)等級(jí)吻合度極高。

2.2 模型預(yù)測(cè)

隨機(jī)選取鐘山縣內(nèi)10個(gè)點(diǎn)，獲取影響因子并輸入神經(jīng)網(wǎng)絡(luò)預(yù)警模型，預(yù)測(cè)6 h內(nèi)3種降雨量下的山洪地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級(jí)，獲得的計(jì)算結(jié)果(表4)。其中編號(hào)為1，4，7，9的結(jié)果和實(shí)際風(fēng)險(xiǎn)等級(jí)完全一致；其余的編號(hào)為2，3，5，6，8，10的結(jié)果與實(shí)際風(fēng)險(xiǎn)等級(jí)誤差0.000 5～0.499 6，經(jīng)四舍五入后，可得與實(shí)際一致的結(jié)果?？梢姡A(yù)測(cè)到的風(fēng)險(xiǎn)等級(jí)與其所在村的歷史災(zāi)害等級(jí)基本符合，本模型可用于山洪地質(zhì)災(zāi)害預(yù)警。

圖8歷史實(shí)測(cè)和模型計(jì)算的風(fēng)險(xiǎn)等級(jí)擬合散點(diǎn)圖

表4 風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)

2.3 應(yīng)用實(shí)例

技術(shù)推廣，研發(fā)APP，為當(dāng)?shù)鼐用瘛⒂稳颂峁?zhǔn)確、方便、快捷的山洪地質(zhì)災(zāi)害評(píng)價(jià)和預(yù)警。用戶端(如手機(jī)GPS)定位當(dāng)前所在位置，或輸入位置名稱，獲得經(jīng)緯度。將該點(diǎn)經(jīng)緯度無線傳輸?shù)胶笈_(tái)地理信息系統(tǒng)，將該點(diǎn)位置在危險(xiǎn)性分區(qū)中找出相應(yīng)的危險(xiǎn)等級(jí)；通過DEM數(shù)據(jù)得到的坡度值、山谷山脊類別的數(shù)據(jù)庫(kù)中，提取該點(diǎn)的坡度值和山谷山脊類別；處理實(shí)時(shí)更新的遙感多光譜數(shù)據(jù)得到的植被覆蓋指數(shù)和土壤松散系數(shù)數(shù)據(jù)庫(kù)中，提取該點(diǎn)的植被覆蓋指數(shù)和土壤松散系數(shù)。通過氣象實(shí)時(shí)預(yù)報(bào)，輸入實(shí)時(shí)或若干小時(shí)后的降雨量。將這五種影響因子在大數(shù)據(jù)訓(xùn)練后的山洪地質(zhì)災(zāi)害神經(jīng)網(wǎng)絡(luò)模型中運(yùn)算，得到該區(qū)域危險(xiǎn)等級(jí)下的山洪地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級(jí)。將得到的風(fēng)險(xiǎn)等級(jí)結(jié)果再傳送回用戶終端，最終到達(dá)實(shí)時(shí)預(yù)警的目的。

3 結(jié) 論

以鐘山縣為亞熱帶山洪地質(zhì)災(zāi)害研究對(duì)象，利用遙感、地理信息系統(tǒng)和神經(jīng)網(wǎng)絡(luò)技術(shù)，通過資料收集、實(shí)地調(diào)查、數(shù)據(jù)處理和山洪地質(zhì)災(zāi)害預(yù)警模型建立和模型驗(yàn)證，得出以下結(jié)論：

(1) 通過建立廣義回歸神經(jīng)網(wǎng)絡(luò)系統(tǒng)，實(shí)時(shí)輸入降雨量大小，可預(yù)測(cè)出不同降雨量下，不同程度危險(xiǎn)地區(qū)的山洪地質(zhì)災(zāi)害風(fēng)險(xiǎn)等級(jí)。與實(shí)際災(zāi)害風(fēng)險(xiǎn)等級(jí)具有較高的吻合度，將植被場(chǎng)、地形場(chǎng)、土壤類型、水文場(chǎng)耦合可有效評(píng)估山洪地質(zhì)災(zāi)害等級(jí)，拓寬了山洪地質(zhì)災(zāi)害預(yù)警的途徑和方法，可運(yùn)用于亞熱帶山洪地質(zhì)災(zāi)害預(yù)警。

(2) 鐘山縣山洪地質(zhì)災(zāi)害劃分為4個(gè)危險(xiǎn)等級(jí)。西北、西南危險(xiǎn)性最高，中部危險(xiǎn)性較高，其次是北部和南部，東南部危險(xiǎn)性較低，預(yù)測(cè)成果可用于指導(dǎo)規(guī)劃及預(yù)案編制。

(3) 將該技術(shù)應(yīng)用推廣，可研發(fā)山洪地質(zhì)災(zāi)害預(yù)警APP，為當(dāng)?shù)鼐用瘛⒂稳颂峁┦謾C(jī)報(bào)警，指示轉(zhuǎn)移路線及安全區(qū)。

參考文獻(xiàn)：

[1] 張凱,韋鳳年,尚全民,等.提高山洪災(zāi)害防御能力撐起人民群眾“生命的保護(hù)傘”[J].中國(guó)水利,2012(3):46-48.

[2] 邱瑞田.山洪災(zāi)害防治縣級(jí)非工程措施項(xiàng)目建設(shè)進(jìn)展及成效[J].中國(guó)水利,2012(23):7-9.

[3] Wu M C, Lin G F. An Hourly Streamflow Forecasting Model Coupled with an Enforced Learning Strategy[J]. Water, 2015,7(11):5876-5895.

[4] Yang T H, Chen Y C, Chang Y C, et al. Comparison of different grid cell ordering approaches in a simplified inundation model[J]. Water, 2015,7(2):438-454.

[5] Thierion V, Ayral P A, Jacob G, et al. Grid technology reliability for flash flood forecasting: end-user assessment[J]. Journal of Grid Computing, 2011,9(3):405-422.

[6] Hapuarachchi H A P, Wang Q J, Pagano T C. A review of advances in flash flood forecasting[J]. Hydrological Processes, 2011,25(18):2771-2784.

[7] 劉國(guó)忠,黃嘉宏,曾小團(tuán),等.引發(fā)廣西兩次嚴(yán)重山洪地質(zhì)災(zāi)害的暴雨過程分析[J].氣象,2013,39(11):1402-1412.

[8] 胡娟,閔穎,李華宏,等.云南省山洪地質(zhì)災(zāi)害氣象預(yù)報(bào)預(yù)警方法研究[J].災(zāi)害學(xué),2014,29(1):62-66.

[9] 陳殿強(qiáng),王來貴,郝哲.遼寧省山洪地質(zhì)災(zāi)害特點(diǎn)及其分布規(guī)律研究[J].渤海大學(xué)學(xué)報(bào):自然科學(xué)版,2008,29(2):105-112.

[10] 吳興國(guó).廣西前汛期暴雨天氣過程的特征分析[J].廣西氣象,2000,21(2):7-8.

[11] 陳明.MATLAB神經(jīng)網(wǎng)絡(luò)原理與實(shí)例精解[M].北京:清華大學(xué)出版社,2013.

[12] 朱凱,王正林.精通MATLAB神經(jīng)網(wǎng)絡(luò)[M].北京:電子工業(yè)出版社,2010.

[13] Cigizoglu H K. Generalized regression neural network in monthly flow forecasting[J]. Civil Engineering and Environmental Systems, 2005,22(2):71-81.

[14] Cigizoglu H K, Alp M. Generalized regression neural network in modelling river sediment yield[J]. Advances in Engineering Software, 2006,37(2):63-68.

[16] Panda B N, Bahubalendruni M V A R, Biswal B B. A general regression neural network approach for the evaluation of compressive strength of FDM prototypes[J]. Neural Computing and Applications, 2015,26(5):1129-1136.

[17] 叢沛桐,祖元?jiǎng)?于景華,等.根據(jù)植物莖葉圖像模擬根系圖像的人工神經(jīng)網(wǎng)絡(luò)算法[J].生態(tài)學(xué)報(bào),2002,22(2):163-168.

[18] 聶江力,叢沛桐,祖元?jiǎng)?等.用人工智能計(jì)算技術(shù)估測(cè)東北地區(qū)北五味子果實(shí)資源量[J].植物研究,2003,23(2):245-251.