遵義市不同地質災害易發區滑坡臨界雨量研究

李忠燕, 田其博, 張東海, 嚴小冬

(1.貴州省氣候中心, 貴州 貴陽 550002; 2.貴州省山地氣候與資源重點實驗室,貴州 貴陽 550002; 3.貴州省地質環境監測院, 貴州 貴陽 550004)

滑坡地質災害所造成的危害已不容忽視，尤其是強降雨導致的滑坡，它不僅威脅著道路交通等基礎設施及環境的安全，更帶來巨大的生命財產損失。國內外大量研究表明：降雨是滑坡地質災害發生的主要誘因，由強降雨導致的滑坡占九成以上。對滑坡的臨界雨量進行研究為滑坡的預測預報預防提供指導，進而減輕和避免滑坡災害發生[1-3]。目前滑坡降雨閾值大致分為物理性降雨閾值[4-7]和經驗性降雨閾值[8-10]兩大類，前者主要是從物理力學的角度得到水力條件與斜坡失穩過程模型確定降雨閾值，后者基于客觀災情數據和降雨數據建立統計預測模型確定降雨閾值，由于其不需要數學和物理理論推導且數據易得因此發展迅速，并在降雨型滑坡預報中作用明顯。中國西南地區的滑坡基本為堆積層滑坡和基巖滑坡[11]，而造成這類型滑坡的誘發因素大多是短歷時強降雨[12-15]。

遵義市位于貴州北部，處于云貴高原向湖南丘陵和四川盆地過渡的斜坡地帶，地形起伏大，地貌類型復雜，海拔高度一般在800～1 300 m，在全國地勢第二級階梯上。遵義市屬亞熱帶季風氣候，每年4月，當來自孟加拉灣和印度洋的西南氣流北上致使水汽大量增加，遵義市中到大雨天氣常常出現，于4月中旬前后進入雨季。遵義市地區降雨充沛，年降雨量為1 084 mm，其中汛期(4—9月)降雨量占全年總量77%以上。進入雨季后，隨著強降雨事件的頻繁發生，對巖土體不斷進行沖蝕，迫使斜坡失穩誘發滑坡發生。從貴州省地質災害易發分區圖來看，遵義市西北部和北部地區屬于高易發區，而其它地區屬于中易發區。陳洪凱等[11]認為不同的地質條件、不同的滑坡類型其臨界雨量也有所不同，這是因為滑坡可以按照巖土性質、滑動面深度和滑坡體積大小分為不同類別的滑坡，其降雨閾值也有所不同。上述關于滑坡臨界雨量的研究大多都基于某一種類型，對同一個地區不同地質條件下滑坡臨界雨量的研究卻很少。不同等級的地質條件下，其降雨型滑坡致災臨界雨量是不同的，簡單地說，高易發區的致災臨界雨量低于不易發生區的致災臨界雨量，因此需要在不同的地質災害易發區建立不同致災臨界雨量的預測模型，并且對預測模型進行檢驗評估，以此探尋不同地質區強降雨型滑坡災害的規律，為滑坡預測預報提供科學指導，推進氣象災害防御服務工作。本文根據貴州省遵義市地區2010—2016年地質災害明細統計表，將發生在不同地質災害易發條件下的滑坡進行分類，利用2010—2014年的不同地質災害易發區災害樣本和降雨建立不同的致災臨界雨量的統計預測模型，再利用2015—2016的地質災害和降雨對預測模型進行檢驗評估，獲取遵義市地區不同地質災害易發區滑坡的臨界雨量，利用這個臨界雨量結合臨近天氣預報及時發出滑坡預警，在地質災害防御中起到重要作用。

1 資料與方法

1.1 資 料

采用的數據資料有貴州省國土資源廳提供的2010—2016年遵義地區滑坡災情資料(圖1)和貴州省遵義市460個區域站對應時段的逐小時降雨資料。

圖1 遵義地區滑坡發生點分布

1.2 方 法

根據貴州省地質災害易發區分區圖來看，遵義市分為兩種地質災害易發區，其中西北部和北部地區屬于高易發區，而其他大部地區屬于中易發區。因此首先將不同地質災害易發區2010—2014年的滑坡樣本(表1)與該地區降雨數據建立滑坡致災統計預測模型，再利用不同地質災害易發區2015—2016年的滑坡災害樣本和降雨對預測模型進行檢驗評估，訂正已建立的滑坡致災統計預測模型。主要運用統計方法完成對遵義市不同地質災害易發區滑坡臨界雨量的分析研究。

表1遵義市不同地質災害易發區滑坡樣本個數個

不同地質災害易發區2010—2014年2015—2016年高易區251中易區294

影響滑坡的降雨分為前期有效雨量、當日雨量、臨界雨量[16-19]。其中前期有效雨量是指滑坡發生前 天的累積有效，其計算公式為：

Rn=R0+KP1+K2R2+K3R3+…+KnRn

(n=1,2,…,n)

(1)

式中：Rn——為滑坡暴發前n+1 d的逐日降雨量；K——一個衰減系數，通常取0.8；n——滑坡發生前

天數。前期有效降雨量對觸發滑坡的作用隨著時間的增長而減少，對于這59次滑坡來說，滑坡發生前2 d的有效雨量平均83%來自當日雨量，有效雨量的累積雨量日數為3 d，可以說當日降雨量和滑坡之間有明顯的相關關系，n因此取2。

當日雨量是指滑坡發生當天24 h降雨量，氣象上是指前一天20:00到次日晚上20:00的24 h累積降雨量。而臨界雨量是指導致斜坡穩定度改變的降雨量。

2 結果與分析

2.1 降雨特征分析

隨著前期雨量滲入土壤中，改變斜坡的穩定度，減弱了滑坡體與土體之間的摩擦力，而在一定強度短時強降雨的作用下，斜坡的穩定度從量變發生質變從而激發滑坡發生。因此對不同地質災害易發區滑坡前2 d至滑坡當天不同強度的短時強降雨歷時進行統計(圖2)。

圖2 滑坡前2 d至滑坡當天不同降雨強度歷時

統計結果顯示：無論是高易區的滑坡還是中易區的滑坡，大于10和20 mm/h降雨絕大多數來自滑坡發生當天；位于高易區的滑坡，滑坡當天大于10 mm/h的降雨歷時從1～8 h不等，平均2.6 h，而位于中易區的滑坡，滑坡當天大于10 mm/h的降雨歷時從2～6 h不等，平均3.9 h；高易區滑坡當天大于20 mm/h的降雨歷時從0～5 h不等，平均1.1 h，而中易區滑坡當天大于20 mm/h的降雨歷時從0～3 h不等，平均1.3 h。由此可見，無論是中易區還是高易區，小時雨量大于10 mm是遵義市地區滑坡的起報條件；無論是大于20 mm/h還是10 mm/h的降雨，中易區的降雨歷時都長于高易區的降雨歷時。

不同的降雨類型對激發滑坡的發生也有不同的影響，有研究表明[20-21]，可將相同降雨總量的不同降雨類型按小時降雨量大小細分為平均型、中鋒型、遞增型和遞減型4種類型。其中按照洪峰流量的大小來看，遞減型最大，其次是遞增型、中鋒型，最小的是平均型，按照洪峰流量到達的時間來看，遞增型最短，其次是中鋒型和平均型，最長的是遞減型，按照激發雨量閾值來看，遞增型最大，其次是中鋒型和平均型，最小的是遞減型。根據這4種分類，分別統計高易區和中易區滑坡的降雨類型(表2)，從統計結果可以看出：無論是高易區還是中易區，中鋒型所占比重最大，表明這是降雨的主要類型。高易區遞減型比重大于中易區，這可能是因為遞減型所需的激發雨量閾值最小，因此該類型的降雨易出現在高易區。

表2 不同地質災害易發區滑坡的降雨類型統計結果

2.2 滑坡臨界雨量閾值模型

研究表明[2]，以滑坡當天、滑坡前3 d有效雨量(滑坡前期2 d至滑坡當天)與滑坡當天1 h最大雨量、3 h最大雨量的4種不同組合來建立滑坡臨界雨量預報模型，可確定出不同地質災害易發區滑坡發生的激發雨量。具體方法是以滑坡當天或滑坡前3 d有效雨量為橫坐標，以滑坡當天1 h最大雨量或3 h最大雨量作為縱坐標，將不同地質災害易發區滑坡的雨量樣本、未發生滑坡的雨量樣本以點聚圖的形式進行標注，根據點聚圖的分布形勢確定臨界雨量判別線，將發生滑坡的樣本與未發生滑坡的樣本進行最大限度地區分開來，得到4種不同組合下臨界雨量閾值(圖3—4)。

注：“*多次”表示發生滑坡數在兩次或以上。下同。

假設臨界雨量判別線以上發生滑坡和未發生滑坡樣本均為預測樣本，其中發生滑坡的樣本為預測正確的樣本，而未發生滑坡的樣本為空報的樣本即預測錯誤的樣本。因此根據遵義市不同地質災害易發區4種不同雨量組合的滑坡臨界雨量閾值模型，分別統計不同地質災害易發區各預測模型中滑坡預測正確率(表3)。從統計結果來看，對于高易區來說，滑坡當日1 h最大雨量與前期3 d的有效雨量組合的滑坡臨界雨量閾值模型預報準確率最大，且滑坡當日1 h最大雨量與滑坡當天24 h雨量組合的滑坡臨界雨量閾值模型預報準確率也大于另外兩種組合，因此可將滑坡當天1 h最大雨量作為遵義市地區高易區滑坡發生的激發雨量。而對于中易區來說，滑坡當日3 h最大雨量與滑坡當天24 h雨量組合的滑坡臨界雨量閾值模型預報準確率最大，且滑坡當日3 h最大雨量與前期3 d的有效雨量組合的滑坡臨界雨量閾值模型預報準確率也大于另外兩種組合，因此可將滑坡當天3 h最大雨量作為遵義市地區中易區滑坡發生的激發雨量。

圖4 中易區4種不同的雨量組合的閾值模型

區 域有效雨量與激發雨量組合3 d和3 h_max3 d和1 h_max24 h和3 h_max24 h和1 h_max高易區30.551.031.642.4中易區49.232.652.734.5

2.3 臨界雨量閾值模型檢驗評估

利用不同地質災害易發區2015—2016年的滑坡災害樣本和降雨對已經確定的滑坡臨界雨量開展質量評估，由于降雨預報準確率會影響臨界雨量的質量評估，因此，本質量評估不考慮預報因素，而是采用實際雨量監測值進行檢驗評估。針對已經確定的滑坡臨界雨量模型開展檢驗評估，采用以下標準進行準確性的判定： ①滑坡評估和實際發生情況不一致，則滑坡臨界雨量不準確。 ②滑坡評估和實際一致，即發生滑坡，則滑坡臨界雨量準確。表1給出了2015—2016年遵義市地區不同地質災害易發區新增滑坡信息，根據滑坡發生時間，統計前期有效雨量和激發雨量，根據已經確定的滑坡臨界雨量預測模型，評估滑坡是否發生。

從圖5可以看出，2015—2016新增滑坡點的前期3 d雨量(當日24 h雨量)與滑坡當天3 h最大雨量的點聚圖均在滑坡判別線以內，表明該預測模型對這4次滑坡發生預測準確；而滑坡點的前期3 d雨量(當日24 h雨量)與滑坡當天1 h最大雨量的點聚圖中有2個滑坡樣本在滑坡判別線以內，2個滑坡樣本在滑坡判別線以外，表明表明該預測模型對這4次滑坡發生預測不夠準確，因此需調整其滑坡判別線，使調整后的預測模型對這4次滑坡發生預測準確。與高易區類似，采用相同的方法評估中易區滑坡臨界雨量閾值模型。從圖6可以看出，2015—2016新增滑坡點的前期3 d雨量(當日24 h雨量)與滑坡當天3 h最大雨量的點聚圖在滑坡判別線以外，表明表明該預測模型對這次滑坡發生預測不夠準確，同樣需調整其滑坡判別線，使調整后的預測模型對這次滑坡發生預測準確；而滑坡點的前期3 d雨量(當日24 h雨量)與滑坡當天1 h最大雨量的點聚圖中有2個滑坡樣本在滑坡判別線以內，2個滑坡樣本在滑坡判別線以內，表明該預測模型對這次滑坡發生預測準確。與上一節相類似,分別統計不同地質災害易發區調整后的各預測模型中滑坡預測正確率(表4)。

圖5 中易區4種不同的雨量組合的閾值模型

圖6 高易區4種不同的雨量組合的閾值模型檢驗評估

從統計結果來看，不同地質災害易發區調整后的預測模型其準確率均有所變化；對于高易區來說，雖然調整后的滑坡當日1 h最大雨量與前期3 d的有效雨量組合滑坡臨界雨量閾值模型預報準確率有所下降，但該滑坡臨界雨量閾值模型預報準確率依舊最大，且滑坡當日1 h最大雨量與滑坡當天24 h雨量組合的滑坡臨界雨量閾值模型預報準確率也大于另外兩種組合，因此仍將滑坡當天1 h最大雨量作為遵義市地區高易區滑坡發生的激發雨量。而對于中易區來說，滑坡當日3 h最大雨量與滑坡當天24 h雨量組合的滑坡臨界雨量閾值模型預報準確率也有所下降，但依舊最大，且滑坡當日3 h最大雨量與前期3 d的有效雨量組合的滑坡臨界雨量閾值模型預報準確率也大于另外2種組合，因此仍將滑坡當天3 h最大雨量作為遵義市地區中易區滑坡發生的激發雨量。

3 討論與結論

(1) 無論是高易區的滑坡還是中易區的滑坡，大于10和20 mm/h降雨絕大多數來自滑坡發生當天，但中易區大于20和10 mm/h降雨歷時均長于高易區的降雨歷時。

(2) 無論是高易區還是中易區，中鋒型所占比重最大，表明這是降雨的主要類型。高易區遞減型比重大于中易區，這可能是因為遞減型所需的激發雨量閾值最小，因此該類型的降雨易出現在高易區。

(3) 對于高易區來說，滑坡當日1 h最大雨量與前期3 d的有效雨量組合的滑坡臨界雨量閾值模型預報準確率最大，可將滑坡當天1 h最大雨量作為遵義市地區高易區滑坡發生的激發雨量。而對于中易區來說，滑坡當日3 h最大雨量與滑坡當天24 h雨量組合的滑坡臨界雨量閾值模型預報準確率最大，可將滑坡當天3 h最大雨量作為遵義市地區中易區滑坡發生的激發雨量。

(4) 根據新增滑坡信息對已經確定的滑坡臨界雨量預測模型進行檢驗評估，如果預測模型對新增滑坡預測不準確，需調整其滑坡判別線，使調整后的預測模型對這次滑坡發生預測準確。統計調整后的各預測模型中滑坡預測正確率發現滑坡當天1 h最大雨量仍為遵義市地區高易區滑坡發生的激發雨量，而滑坡當天3 h最大雨量仍為遵義市地區中易區滑坡發生的激發雨量。

(5) 由于區域氣象站分布的空間分辨率不高，加之地質災害發生時間不夠精確，因此在后期中需要根據新增滑坡信息對滑坡閾值模型進行不斷的訂正，使其在地質災害防御中起到關鍵性的作用。