地質(zhì)災害精細化氣象風險預警模型研究
——以黃岡市為例

朱文慧，鄒 浩，肖煒波，李又升，李 廣

(1.中國地質(zhì)大學(武漢)工程學院，湖北 武漢 430074；2.湖北省地質(zhì)局第三地質(zhì)大隊，湖北 黃岡 438000；3.湖北省地質(zhì)環(huán)境總站，湖北 武漢 430034)

地質(zhì)災害氣象風險預警作為防災減災體系建設(shè)中地質(zhì)災害防治的重要內(nèi)容，是目前國內(nèi)外研究的熱點問題[1]。地質(zhì)災害氣象風險預警在國外發(fā)展得比較早[2]，在國外的一些多災國家如意大利、日本、美國已得到普遍應(yīng)用[3]，其氣象風險預警系統(tǒng)已在實際防災減災中發(fā)揮著重要的作用[4]。我國已積累了30余年的氣象觀測數(shù)據(jù)和強降雨期間發(fā)生的地質(zhì)災害資料，建立了氣象風險預警模型，研發(fā)了實時氣象風險預警系統(tǒng)，并對公眾開放，同時逐步形成了國家級、省級、市縣級的分級運行業(yè)務(wù)模式，氣象風險預警模型已成為成功開展地質(zhì)災害氣象風險預警的關(guān)鍵[5]。劉傳正等[6]將區(qū)域地質(zhì)災害氣象風險預警方法劃分為3大類，即隱式統(tǒng)計預警模型、顯式統(tǒng)計預警模型和動力預警模型。第一代隱式統(tǒng)計預警模型主要基于不同地質(zhì)環(huán)境區(qū)域引發(fā)地質(zhì)災害的臨界雨量不同建立預警模型，但單一的臨界雨量指標很難準確地反映地質(zhì)環(huán)境的變化和地質(zhì)災害的成生規(guī)律[7]，如Caine的I-D模型[8]。第二代顯式統(tǒng)計預警模型耦合了地質(zhì)環(huán)境變化與降雨參數(shù)等多因素建立預警判據(jù)，顯著提高了氣象風險預警的精細度和準確度[9]。動力預警模型是一種考慮地質(zhì)體在降雨過程中自身動力變化過程而建立數(shù)學物理判據(jù)方程的方法,實質(zhì)上是一種解析預警方法[10]。這三代地質(zhì)災害氣象風險預警方法雖然相互聯(lián)系，但也有區(qū)別：每一代預警方法參考的因素和構(gòu)建的氣象風險預警模型本質(zhì)不同。前兩代預警方法是通過統(tǒng)計各種因素之間相互作用的關(guān)系來進行預警，屬于數(shù)理統(tǒng)計學模型；而第三代預警方法是模擬災害發(fā)生過程來實現(xiàn)氣象風險預警，屬于動力學模型。由于滑坡條件和降雨對滑坡作用機理的復雜性，以及模型中復雜的參數(shù)輸入和不確定性，導致動力預警模型多處于研究階段，或者僅應(yīng)用于面積較小的區(qū)域[11]。目前使用比較廣泛的地質(zhì)災害氣象風險預警模型為第二代顯式統(tǒng)計預警模型。

黃岡市并未系統(tǒng)開展市級地質(zhì)災害氣象風險預警工作，僅依托湖北省省級地質(zhì)災害氣象風險預警部門進行了多年工作。湖北省已經(jīng)開展了地質(zhì)災害相關(guān)氣象風險預警研究，但仍屬于第一代隱式統(tǒng)計預警模型范圍，省級氣象風險預警以地市州行政單元作為預警單元，網(wǎng)格單元為1 000 m×1 000 m以上，氣象風險預警研究比例尺小，應(yīng)用于市級范圍的精度較低。黃岡市氣象部門開展的氣象風險預警工作主要是區(qū)域大范圍層次的氣象風險預警，目前氣象部門對連續(xù)性降水過程的預警較好，對局部地域、短臨時間的預警能力存在不足。因此，急需以更小的區(qū)域和適宜的氣象風險預警模型深入開展地質(zhì)災害精細化氣象風險預警攻關(guān)，提高氣象風險預警產(chǎn)品質(zhì)量，構(gòu)建完成適用于黃岡市的地質(zhì)災害精細化氣象風險預警模型。

為此，本文參考黃岡市10個縣市區(qū)近十年來地質(zhì)災害詳細調(diào)查報告，結(jié)合黃岡市地質(zhì)災害特征，選擇了斜坡結(jié)構(gòu)、地形坡度、地形高差、地質(zhì)構(gòu)造、工程地質(zhì)巖組5種因素作為研究區(qū)地質(zhì)災害的評價指標，采用信息量法對各評價指標進行分級賦值，將研究區(qū)劃分為150 m×150 m的柵格單元，基于地質(zhì)背景分區(qū)與機器學習系統(tǒng)地開展了地質(zhì)災害敏感性研究，據(jù)近十年黃岡市地質(zhì)災害與氣象雨量數(shù)據(jù)，采用第二代顯式統(tǒng)計預警模型構(gòu)建了黃岡市地質(zhì)災害氣象風險預警模型并通過實例應(yīng)用進行預警效果檢驗，以驗證模型的適宜性和準確性。

1 研究區(qū)概況

黃岡市位于湖北省東北部、大別山南麓、長江中游北岸，地理坐標為東經(jīng)114°25′～116°8′、北緯29°45′～31°35′。黃岡市屬亞熱帶大陸季風氣候，近十年年均降雨量為1 367.6 mm，年降雨量波動較大、在968.3(2013年)～2 033.6 mm(2020年)之間變化。黃岡市地質(zhì)災害在季節(jié)性分布的基礎(chǔ)上，總體呈增長趨勢，尤其是2016年和2020年汛期強降雨后，地質(zhì)災害呈爆發(fā)式增長，并有與大雨、暴雨同期或略為滯后的發(fā)育特點。境內(nèi)地勢北高南低，呈現(xiàn)自北向南逐漸傾斜的梯級地形狀況，東北部為高山區(qū)，中部為丘陵崗地區(qū)，南部為平原湖區(qū)。黃岡市屬秦嶺地層區(qū)的東延部分，出露地層較齊全，自太古界至新生界地層均有分布，以太古界、元古界、古生界變質(zhì)巖系為主，大面積分布于黃梅、黃岡、浠水、團風以北地區(qū)；中生界和新生界地層主要在區(qū)內(nèi)南端和麻城市西南地區(qū)出露。在大地構(gòu)造上黃岡市處于秦嶺褶皺系桐柏-大別中間隆起帶大別山復背斜之次級構(gòu)造——浠水褶皺束(四級構(gòu)造單元)中。根據(jù)《黃岡市2021年度地質(zhì)災害隱患排查報告》和各縣市地質(zhì)災害風險評價報告，截至2021年6月，境內(nèi)10個縣市區(qū)發(fā)育各類地質(zhì)災害點共計1 597處，威脅人口26 042人，威脅資產(chǎn)約201 428萬元。黃岡市地質(zhì)災害點分布見圖1，其點密度為9.15處/100 km2。

圖1 黃岡市地質(zhì)災害點分布圖

2 地質(zhì)災害氣象風險預警模型構(gòu)建

大量研究成果表明，地質(zhì)環(huán)境條件是地質(zhì)災害發(fā)生的內(nèi)部因素，氣象條件是地質(zhì)災害的外因和觸發(fā)機制[12]。本文從黃岡市地質(zhì)災害產(chǎn)生的機理分析出發(fā)，采用信息量法對研究區(qū)地質(zhì)環(huán)境背景條件進行地質(zhì)背景分區(qū)，并將地質(zhì)背景分區(qū)結(jié)果與地質(zhì)災害產(chǎn)生的機理研究結(jié)合起來。首先分析黃岡市歷史上發(fā)生地質(zhì)災害的分布、種類和所處的地質(zhì)環(huán)境條件，確定地質(zhì)災害敏感性因子；然后針對不同氣象條件，分析雨量因子，開展氣象風險預警模型的方法研究;最后基于地質(zhì)背景分區(qū)建立符合黃岡地區(qū)特點的地質(zhì)災害氣象風險預警模型。本文基于第二代顯式統(tǒng)計預警模型采用地質(zhì)災害致災因素的概率量化模型預警方法對研究區(qū)進行研究。

2.1 研究區(qū)地質(zhì)災害潛勢度評價與分區(qū)

由于影響地質(zhì)災害發(fā)育發(fā)生因素的多樣性，地質(zhì)災害的潛勢度計算是一個復雜的多元系統(tǒng)問題。本文基于地質(zhì)環(huán)境因素的綜合分析，以地質(zhì)災害空間分布密度和發(fā)生時間分布頻率為主要指標，建立不同層次地質(zhì)環(huán)境背景下的地質(zhì)災害潛勢度計算指標，并依據(jù)地質(zhì)災害的歷史分布情況和誘發(fā)因素進行地質(zhì)災害潛勢度區(qū)劃。

2.1.1 地質(zhì)背景分區(qū)

研究區(qū)地質(zhì)災害的影響因素眾多，參考黃岡市10個縣市區(qū)近十年地質(zhì)災害詳細調(diào)查報告，選擇斜坡結(jié)構(gòu)、地形坡度、地形高差、地質(zhì)構(gòu)造、工程地質(zhì)巖組5種因素作為研究區(qū)地質(zhì)災害的評價指標，并采用信息量法對各評價指標進行分級賦值(見表1)，再根據(jù)地質(zhì)背景因素組合情況按數(shù)組組合規(guī)則(見表2)對黃岡市進行地質(zhì)背景分區(qū)，即將上述5個評價指標的等級量化值組合為5位數(shù)數(shù)組，每一個數(shù)組就代表一個地質(zhì)背景區(qū)，數(shù)組具有唯一性且相互獨立。利用ArcGIS空間分析功能，可將整個黃岡市劃分為413個地質(zhì)背景區(qū)。

表1 評價指標分級賦值表

表2 地質(zhì)背景分區(qū)數(shù)組組合規(guī)則

2.1.2 評價指標權(quán)重分析

BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆向傳播算法訓練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一[13]。隨著大數(shù)據(jù)技術(shù)的發(fā)展，機器學習為研究非線性變量之間的關(guān)系提供了解決辦法[14]。使用機器學習算法，通過Matlab程序建立BP神經(jīng)網(wǎng)絡(luò)，再對網(wǎng)絡(luò)進行反復訓練和調(diào)整，進而可得到最優(yōu)擬合的評價指標權(quán)重取值。

本文基于Matlab軟件編寫B(tài)P神經(jīng)網(wǎng)絡(luò)算法程序(見圖2)實現(xiàn)BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建。根據(jù)評價指標，輸入層節(jié)點數(shù)為5個，選取地質(zhì)災害是否發(fā)生作為響應(yīng)函數(shù)，采用雙隱含層高模式，設(shè)置機器學習訓練參數(shù)，最大訓練次數(shù)為5 000步，訓練目標為0.000 001，學習速率為0.01。

圖2 BP神經(jīng)網(wǎng)絡(luò)運算流程圖

考慮到研究區(qū)地質(zhì)災害點的分布情況、鄉(xiāng)鎮(zhèn)行政區(qū)域范圍、原始數(shù)據(jù)的精度問題以及氣象雨量站點分布，確定采用150 m×150 m精度剖分網(wǎng)格，全市共得到780 236個柵格單元，每個柵格單元作為一個制圖單位。選取研究區(qū)1 597處地質(zhì)災害點進行統(tǒng)計分析，利用ArcGIS軟件提取1 597處地質(zhì)災害點的各評價指標量化數(shù)據(jù)作為正樣本，同時從未發(fā)生地質(zhì)災害區(qū)域提取1 597個點的評價指標量化數(shù)據(jù)作為負樣本，以1代表發(fā)生、0代表未發(fā)生作為響應(yīng)結(jié)果，共同組成BP神經(jīng)網(wǎng)絡(luò)訓練樣本。將樣本數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)中進行訓練，選取100個地質(zhì)災害樣本作為測試集，測試BP神經(jīng)網(wǎng)絡(luò)訓練是否滿足精度要求，結(jié)果顯示88個測試樣本滿足精度要求，正確率為88%。據(jù)此，通過建立的BP神經(jīng)網(wǎng)絡(luò)計算可得到各評價指標的權(quán)重，其中擬合度最優(yōu)的評價指標權(quán)重組合即為該評價指標權(quán)重取值，見表3。

表3 各評價指標權(quán)重值

2.1.3 地質(zhì)災害潛勢度評價與分區(qū)

本文采用加權(quán)的方法計算研究區(qū)各地質(zhì)背景分區(qū)內(nèi)地質(zhì)災害潛勢度概率量化值，其數(shù)學模型如下：

(1)

式中：H為評價單元內(nèi)地質(zhì)災害潛勢度概率量化值；n為評價單元內(nèi)評價指標的數(shù)量；Fi為評價單元內(nèi)評價指標i的量化值；wi為評價單元內(nèi)評價指標i的權(quán)重。

根據(jù)上述數(shù)學模型，利用ArcGIS軟件進行相關(guān)計算，獲得研究區(qū)各個柵格單元內(nèi)地質(zhì)災害潛勢度概率量化值，并采用自然斷點法，對研究區(qū)地質(zhì)災害潛勢度進行分區(qū)，將其劃分為高潛勢度區(qū)、較高潛勢度區(qū)、中等潛勢度區(qū)和低潛勢度區(qū)4個區(qū)域，見表4和圖3。

表4 黃岡市地質(zhì)災害潛勢度分區(qū)

圖3 黃岡市地質(zhì)災害潛勢度區(qū)劃圖

2.2 有效雨量模型構(gòu)建

不同時期的降雨量誘發(fā)地質(zhì)災害的權(quán)重值不同，由此所確定的有效雨量更貼近實際情況[15]。本文從已有的研究區(qū)地質(zhì)災害數(shù)據(jù)庫中篩選出2011—2020年因降雨引發(fā)的地質(zhì)災害，并按照前述地質(zhì)背景分區(qū)情況進行分區(qū)統(tǒng)計。黃岡市地質(zhì)災害的發(fā)生與降雨強度和前期降雨量均有一定的關(guān)系，而降雨強度可以用日降雨量表示。為了確定前期降雨量與地質(zhì)災害發(fā)生的關(guān)系，本文采用地質(zhì)災害是否發(fā)生與地質(zhì)災害發(fā)生前7日降雨量進行邏輯回歸分析，計算地質(zhì)災害發(fā)生與各日降雨量的相關(guān)系數(shù)，進而分析地質(zhì)災害發(fā)生與降雨過程的關(guān)系。

在一定的降雨情況下，以地質(zhì)災害是否發(fā)生作為因變量，采用1、0表示地質(zhì)災害發(fā)生或者不發(fā)生，這就要求建立的模型必須保證因變量的取值為“1”或“0”，而二元邏輯回歸模型可以用來預測具有兩分特點的因變量概率。對于包含一個以上自變量的二元邏輯回歸模型可表示為

(2)

式中：P為地質(zhì)災害事件發(fā)生的概率(無量綱);Z=B0+B1X1+…+BnXn，其中Bi為回歸系數(shù)，Xi為累積i天的降雨量(mm)。

利用邏輯回歸模型求取有效降雨量與地質(zhì)災害發(fā)生的相關(guān)系數(shù)。將是否發(fā)生地質(zhì)災害作為因變量，當日降雨量、前1天至前7天降雨量作為自變量，計算各自變量的權(quán)重。為了更好地反映降雨對地質(zhì)災害的影響，采用日綜合有效累計降雨量表示滑坡發(fā)生的臨界降雨量R，其計算公式如下：

(3)

式中：R為日綜合有效累計降雨量(mm)；a為前期降雨影響時間衰減系數(shù)，經(jīng)驗推薦取值0.8；Ri為前i天實測降雨量(mm)，當i=0時為當天降雨量。

基于黃岡市已有的氣象風險預警成果，預測降雨量與實測降雨量均由當?shù)貧庀缶痔峁蓮臍庀箫L險預警系統(tǒng)中實時獲取。

整個黃岡市分成了413個地質(zhì)背景分區(qū)，分別統(tǒng)計各區(qū)地質(zhì)災害發(fā)生的臨界降雨量，其結(jié)果見表5。

表5 黃岡市各地質(zhì)背景分區(qū)地質(zhì)災害發(fā)生的臨界降雨量統(tǒng)計表(部分)

根據(jù)上述臨界降雨量和預測時的日綜合有效累計降雨量，按下式可計算降雨引發(fā)地質(zhì)災害發(fā)生的概率量化值：

(4)

式中：Y為降雨引發(fā)地質(zhì)災害發(fā)生的概率量化值；Rmax為該地質(zhì)背景區(qū)引發(fā)地質(zhì)災害的歷史最大降雨量(mm)；Rmin為該地質(zhì)背景區(qū)歷史上能夠引發(fā)地質(zhì)災害的最小降雨量(mm)。當R

2.3 地質(zhì)災害氣象風險預警模型構(gòu)建

地質(zhì)災害氣象風險預警模型以研究區(qū)內(nèi)地質(zhì)災害潛勢度概率量化值(H)為基礎(chǔ)，將其與降雨誘發(fā)地質(zhì)災害事件發(fā)生的概率量化值(Y)進行耦合，獲得某片區(qū)域內(nèi)因為降雨而導致地質(zhì)災害事件發(fā)生的概率，該地質(zhì)災害致災因素的概率量化模型為

T=αH+βY

(5)

式中：T為預警指數(shù)；H為評價單元內(nèi)地質(zhì)災害潛勢度概率量化值；Y為降雨引發(fā)地質(zhì)災害發(fā)生的概率量化值；α、β為概率H、Y相對應(yīng)的權(quán)重常數(shù)。

由公式(5)可知，只要對式中H和Y進行量化即可開展降雨型地質(zhì)災害氣象風險預警。

通過統(tǒng)計2011—2020年十年內(nèi)研究區(qū)汛期每日的有效降雨歷史和地質(zhì)災害發(fā)生的位置、發(fā)生的數(shù)量等情況，參考《地質(zhì)災害區(qū)域氣象風險預警標準(試行)》[16]中“地質(zhì)災害氣象風險預警等級劃分表”，將計算的每日最終的預警指數(shù)T值分為4級，得到適用于黃岡市地質(zhì)災害氣象風險預警等級劃分表，見表6。

表6 黃岡市地質(zhì)災害氣象風險預警等級劃分表

3 地質(zhì)災害氣象風險預警模型檢驗

3.1 歷史降雨的地質(zhì)災害事件驗證

黃岡市2016年汛期降雨量大、發(fā)生的地質(zhì)災害事件較其他年份多，因此本文選擇黃岡市2016年6月28日至7月5日發(fā)生的地質(zhì)災害事件來檢驗本文建立的研究區(qū)地質(zhì)災害氣象風險預警模型的準確性。以2016年7月1日為例，計算得到全市有效降雨量分布(見圖4)和地質(zhì)災害氣象風險預警模型預警結(jié)果(見圖5)。

圖4 2016年7月1日黃岡市有效降雨量分布圖

圖5 2016年7月1日黃岡市地質(zhì)災害氣象風險預警模型預警結(jié)果圖

由圖5可知，黃岡市紅色預警區(qū)和橙色預警區(qū)主要集中在150 mm以上的強降雨區(qū)范圍，氣象風險預警區(qū)面積占全區(qū)面積的78.5%(其中風險大和風險很大區(qū)域占全區(qū)面積的38.4%)，當日發(fā)生的地質(zhì)災害點有195處，其中絕大部分落在了風險大和風險很大的區(qū)域，預警區(qū)內(nèi)的地質(zhì)災害點有189處，預警準確率達97%。此外，通過統(tǒng)計2016年6月28日至7月5日黃岡市發(fā)生的地質(zhì)災害點基本情況(見表7)，發(fā)現(xiàn)每日地質(zhì)災害點落入預警區(qū)的命中率全部達70%以上，平均命中率達97.30%，這表明本文所建立的地質(zhì)災害氣象風險預警模型與黃岡市地質(zhì)背景分區(qū)、降雨過程特征相匹配，計算結(jié)果與當年汛期地質(zhì)災害事件發(fā)生情況具有高度的一致性，預測結(jié)果可信度較高。

表7 2016年6月28日至7月5日黃岡市地質(zhì)災害點的基本情況統(tǒng)計表

3.2 汛期降雨預測檢驗(2021年)

根據(jù)建立的氣象風險預警模型獲得2021年8月24日和8月25日黃岡市地質(zhì)災害氣象風險預警結(jié)果(見圖6和圖7)，再根據(jù)黃岡市2021年8月降雨期間地質(zhì)災害應(yīng)急報告所述實例來檢驗模型的預警效果(見表8)。具體情況分析如下：2021年8月24日羅田縣白廟河鎮(zhèn)發(fā)生1處垮塌，所處地質(zhì)災害氣象風險預警為橙色預警區(qū)；浠水縣丁司垱鎮(zhèn)1處、綠楊鄉(xiāng)1處和英山縣金鋪鎮(zhèn)1處垮塌，所處地質(zhì)災害氣象風險預警為黃色預警區(qū)；浠水縣巴河鎮(zhèn)斜坡變形1處垮塌、所處地質(zhì)災害氣象風險預警為藍色預警區(qū)。2021年8月25日團風縣杜皮鄉(xiāng)1處垮塌，羅田縣白廟河鄉(xiāng)1處垮塌，所處地質(zhì)災害氣象風險預警為紅色預警區(qū)；浠水縣丁司垱鎮(zhèn)發(fā)生2處垮塌，所處地質(zhì)災害氣象風險預警為橙色預警區(qū)。

表8 2021年8月24日和25日黃岡市地質(zhì)災害氣象風險預警效果評價表

圖6 2021年8月24日黃岡市地質(zhì)災害氣象風險預警結(jié)果

圖7 2021年8月25日黃岡市地質(zhì)災害氣象風險預警結(jié)果

由上述預警結(jié)果分析可知，基于第二代顯式統(tǒng)計預警模型建立的黃岡市地質(zhì)災害氣象風險預警模型總體達到了精細化，體現(xiàn)在時間尺度上由以往的中長期預警精細化到未來24 h的短臨預警，在空間尺度上將預警單元精細化到鄉(xiāng)鎮(zhèn)級單元。經(jīng)2021年8月研究區(qū)的2次強降雨過程驗證表明，本文所建立的預警模型命中率高，但橙色預警區(qū)和黃色預警區(qū)空報率均較高，同時總體預警結(jié)果偏保守，說明預警模型中地質(zhì)背景分區(qū)精度與降雨過程預報精度之間的匹配問題仍需要進一步提升。

4 結(jié) 論

(1) 在黃岡市地質(zhì)災害發(fā)育統(tǒng)計的基礎(chǔ)上，采用信息量法對研究區(qū)斜坡結(jié)構(gòu)、地形坡度、地形高差、地質(zhì)構(gòu)造和地層巖性5個評價指標進行分級賦值，據(jù)此結(jié)果結(jié)合GIS分析將整個黃岡市劃分為413個地質(zhì)背景區(qū)。

(2) 利用BP神經(jīng)網(wǎng)絡(luò)得到了最優(yōu)擬合的評價指標權(quán)重取值，基于GIS平臺將研究區(qū)的柵格單元劃分為地質(zhì)災害高潛勢度、較高潛勢度、中等潛勢度和低潛勢度4個區(qū)。

(3) 結(jié)合黃岡市地質(zhì)背景分區(qū)，計算得到各區(qū)地質(zhì)災害發(fā)生時的臨界降雨量，并基于有效雨量模型建立了各地質(zhì)背景分區(qū)內(nèi)的降雨判據(jù)，得到降雨引發(fā)地質(zhì)災害發(fā)生概率量化值。

(4) 基于地質(zhì)災害致災因素的概率量化模型，本文采用第二代顯式統(tǒng)計預警模型建立了黃岡市地質(zhì)災害氣象風險預警模型。通過不同地質(zhì)背景分區(qū)地質(zhì)災害的潛勢度與預警閾值分析，綜合確定了不同地質(zhì)背景分區(qū)的預警模型公式和預警等級，再通過歷史降雨及其地質(zhì)災害事件檢驗了本文建立的預警模型的合理性和適宜性，并以黃岡市2021年汛期降雨進行了地質(zhì)災害預警結(jié)果的預測檢驗。結(jié)果表明：預警結(jié)果與地質(zhì)災害發(fā)生實際情況相符合，說明本文建立的預警模型可以用于黃岡市汛期地質(zhì)災害氣象風險預警，滿足防災減災需求。