地質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.中國地質大學(武漢)工程學院，湖北 武漢 430074；2.湖北省地質局第三地質大隊，湖北 黃岡 438000；3.湖北省地質環境總站，湖北 武漢 430034)

地質災害氣象風險預警作為防災減災體系建設中地質災害防治的重要內容，是目前國內外研究的熱點問題[1]。地質災害氣象風險預警在國外發展得比較早[2]，在國外的一些多災國家如意大利、日本、美國已得到普遍應用[3]，其氣象風險預警系統已在實際防災減災中發揮著重要的作用[4]。我國已積累了30余年的氣象觀測數據和強降雨期間發生的地質災害資料，建立了氣象風險預警模型，研發了實時氣象風險預警系統，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務模式，氣象風險預警模型已成為成功開展地質災害氣象風險預警的關鍵[5]。劉傳正等[6]將區域地質災害氣象風險預警方法劃分為3大類，即隱式統計預警模型、顯式統計預警模型和動力預警模型。第一代隱式統計預警模型主要基于不同地質環境區域引發地質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環境的變化和地質災害的成生規律[7]，如Caine的I-D模型[8]。第二代顯式統計預警模型耦合了地質環境變化與降雨參數等多因素建立預警判據，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體在降雨過程中自身動力變化過程而建立數學物理判據方程的方法,實質上是一種解析預警方法[10]。這三代地質災害氣象風險預警方法雖然相互聯系，但也有區別：每一代預警方法參考的因素和構建的氣象風險預警模型本質不同。前兩代預警方法是通過統計各種因素之間相互作用的關系來進行預警，屬于數理統計學模型；而第三代預警方法是模擬災害發生過程來實現氣象風險預警，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，或者僅應用于面積較小的區域[11]。目前使用比較廣泛的地質災害氣象風險預警模型為第二代顯式統計預警模型。

黃岡市并未系統開展市級地質災害氣象風險預警工作，僅依托湖北省省級地質災害氣象風險預警部門進行了多年工作。湖北省已經開展了地質災害相關氣象風險預警研究，但仍屬于第一代隱式統計預警模型范圍，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域大范圍層次的氣象風險預警，目前氣象部門對連續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，急需以更小的區域和適宜的氣象風險預警模型深入開展地質災害精細化氣象風險預警攻關，提高氣象風險預警產品質量，構建完成適用于黃岡市的地質災害精細化氣象風險預警模型。

為此，本文參考黃岡市10個縣市區近十年來地質災害詳細調查報告，結合黃岡市地質災害特征，選擇了斜坡結構、地形坡度、地形高差、地質構造、工程地質巖組5種因素作為研究區地質災害的評價指標，采用信息量法對各評價指標進行分級賦值，將研究區劃分為150 m×150 m的柵格單元，基于地質背景分區與機器學習系統地開展了地質災害敏感性研究，據近十年黃岡市地質災害與氣象雨量數據，采用第二代顯式統計預警模型構建了黃岡市地質災害氣象風險預警模型并通過實例應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。黃岡市地質災害在季節性分布的基礎上，總體呈增長趨勢，尤其是2016年和2020年汛期強降雨后，地質災害呈爆發式增長，并有與大雨、暴雨同期或略為滯后的發育特點。境內地勢北高南低，呈現自北向南逐漸傾斜的梯級地形狀況，東北部為高山區，中部為丘陵崗地區，南部為平原湖區。黃岡市屬秦嶺地層區的東延部分，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、古生界變質巖系為主，大面積分布于黃梅、黃岡、浠水、團風以北地區；中生界和新生界地層主要在區內南端和麻城市西南地區出露。在大地構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造——浠水褶皺束(四級構造單元)中。根據《黃岡市2021年度地質災害隱患排查報告》和各縣市地質災害風險評價報告，截至2021年6月，境內10個縣市區發育各類地質災害點共計1 597處，威脅人口26 042人，威脅資產約201 428萬元。黃岡市地質災害點分布見圖1，其點密度為9.15處/100 km2。

圖1 黃岡市地質災害點分布圖

2 地質災害氣象風險預警模型構建

大量研究成果表明，地質環境條件是地質災害發生的內部因素，氣象條件是地質災害的外因和觸發機制[12]。本文從黃岡市地質災害產生的機理分析出發，采用信息量法對研究區地質環境背景條件進行地質背景分區，并將地質背景分區結果與地質災害產生的機理研究結合起來。首先分析黃岡市歷史上發生地質災害的分布、種類和所處的地質環境條件，確定地質災害敏感性因子；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;最后基于地質背景分區建立符合黃岡地區特點的地質災害氣象風險預警模型。本文基于第二代顯式統計預警模型采用地質災害致災因素的概率量化模型預警方法對研究區進行研究。

2.1 研究區地質災害潛勢度評價與分區

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

2.1.1 地質背景分區

研究區地質災害的影響因素眾多，參考黃岡市10個縣市區近十年地質災害詳細調查報告，選擇斜坡結構、地形坡度、地形高差、地質構造、工程地質巖組5種因素作為研究區地質災害的評價指標，并采用信息量法對各評價指標進行分級賦值(見表1)，再根據地質背景因素組合情況按數組組合規則(見表2)對黃岡市進行地質背景分區，即將上述5個評價指標的等級量化值組合為5位數數組，每一個數組就代表一個地質背景區，數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個地質背景區。

表1 評價指標分級賦值表

表2 地質背景分區數組組合規則

2.1.2 評價指標權重分析

BP神經網絡是一種按誤差逆向傳播算法訓練的多層前饋網絡，是目前應用最廣泛的神經網絡模型之一[13]。隨著大數據技術的發展，機器學習為研究非線性變量之間的關系提供了解決辦法[14]。使用機器學習算法，通過Matlab程序建立BP神經網絡，再對網絡進行反復訓練和調整，進而可得到最優擬合的評價指標權重取值。

本文基于Matlab軟件編寫BP神經網絡算法程序(見圖2)實現BP神經網絡模型的構建。根據評價指標，輸入層節點數為5個，選取地質災害是否發生作為響應函數，采用雙隱含層高模式，設置機器學習訓練參數，最大訓練次數為5 000步，訓練目標為0.000 001，學習速率為0.01。

圖2 BP神經網絡運算流程圖

考慮到研究區地質災害點的分布情況、鄉鎮行政區域范圍、原始數據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1 597處地質災害點進行統計分析，利用ArcGIS軟件提取1 597處地質災害點的各評價指標量化數據作為正樣本，同時從未發生地質災害區域提取1 597個點的評價指標量化數據作為負樣本，以1代表發生、0代表未發生作為響應結果，共同組成BP神經網絡訓練樣本。將樣本數據輸入BP神經網絡中進行訓練，選取100個地質災害樣本作為測試集，測試BP神經網絡訓練是否滿足精度要求，結果顯示88個測試樣本滿足精度要求，正確率為88%。據此，通過建立的BP神經網絡計算可得到各評價指標的權重，其中擬合度最優的評價指標權重組合即為該評價指標權重取值，見表3。

表3 各評價指標權重值

2.1.3 地質災害潛勢度評價與分區

本文采用加權的方法計算研究區各地質背景分區內地質災害潛勢度概率量化值，其數學模型如下：

(1)

式中：H為評價單元內地質災害潛勢度概率量化值；n為評價單元內評價指標的數量；Fi為評價單元內評價指標i的量化值；wi為評價單元內評價指標i的權重。

根據上述數學模型，利用ArcGIS軟件進行相關計算，獲得研究區各個柵格單元內地質災害潛勢度概率量化值，并采用自然斷點法，對研究區地質災害潛勢度進行分區，將其劃分為高潛勢度區、較高潛勢度區、中等潛勢度區和低潛勢度區4個區域，見表4和圖3。

表4 黃岡市地質災害潛勢度分區

圖3 黃岡市地質災害潛勢度區劃圖

2.2 有效雨量模型構建

不同時期的降雨量誘發地質災害的權重值不同，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地質災害數據庫中篩選出2011—2020年因降雨引發的地質災害，并按照前述地質背景分區情況進行分區統計。黃岡市地質災害的發生與降雨強度和前期降雨量均有一定的關系，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災害發生的關系，本文采用地質災害是否發生與地質災害發生前7日降雨量進行邏輯回歸分析，計算地質災害發生與各日降雨量的相關系數，進而分析地質災害發生與降雨過程的關系。

在一定的降雨情況下，以地質災害是否發生作為因變量，采用1、0表示地質災害發生或者不發生，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為地質災害事件發生的概率(無量綱);Z=B0+B1X1+…+BnXn，其中Bi為回歸系數，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災害發生的相關系數。將是否發生地質災害作為因變量，當日降雨量、前1天至前7天降雨量作為自變量，計算各自變量的權重。為了更好地反映降雨對地質災害的影響，采用日綜合有效累計降雨量表示滑坡發生的臨界降雨量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，經驗推薦取值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地氣象局提供，可從氣象風險預警系統中實時獲取。

整個黃岡市分成了413個地質背景分區，分別統計各區地質災害發生的臨界降雨量，其結果見表5。

表5 黃岡市各地質背景分區地質災害發生的臨界降雨量統計表(部分)

根據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地質災害發生的概率量化值：

(4)

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

2.3 地質災害氣象風險預警模型構建

地質災害氣象風險預警模型以研究區內地質災害潛勢度概率量化值(H)為基礎，將其與降雨誘發地質災害事件發生的概率量化值(Y)進行耦合，獲得某片區域內因為降雨而導致地質災害事件發生的概率，該地質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；H為評價單元內地質災害潛勢度概率量化值；Y為降雨引發地質災害發生的概率量化值；α、β為概率H、Y相對應的權重常數。

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災害氣象風險預警。

通過統計2011—2020年十年內研究區汛期每日的有效降雨歷史和地質災害發生的位置、發生的數量等情況，參考《地質災害區域氣象風險預警標準(試行)》[16]中“地質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T值分為4級，得到適用于黃岡市地質災害氣象風險預警等級劃分表，見表6。

表6 黃岡市地質災害氣象風險預警等級劃分表

3 地質災害氣象風險預警模型檢驗

3.1 歷史降雨的地質災害事件驗證

黃岡市2016年汛期降雨量大、發生的地質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日發生的地質災害事件來檢驗本文建立的研究區地質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)和地質災害氣象風險預警模型預警結果(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日黃岡市地質災害氣象風險預警模型預警結果圖

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

表7 2016年6月28日至7月5日黃岡市地質災害點的基本情況統計表

3.2 汛期降雨預測檢驗(2021年)

根據建立的氣象風險預警模型獲得2021年8月24日和8月25日黃岡市地質災害氣象風險預警結果(見圖6和圖7)，再根據黃岡市2021年8月降雨期間地質災害應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日羅田縣白廟河鎮發生1處垮塌，所處地質災害氣象風險預警為橙色預警區；浠水縣丁司垱鎮1處、綠楊鄉1處和英山縣金鋪鎮1處垮塌，所處地質災害氣象風險預警為黃色預警區；浠水縣巴河鎮斜坡變形1處垮塌、所處地質災害氣象風險預警為藍色預警區。2021年8月25日團風縣杜皮鄉1處垮塌，羅田縣白廟河鄉1處垮塌，所處地質災害氣象風險預警為紅色預警區；浠水縣丁司垱鎮發生2處垮塌，所處地質災害氣象風險預警為橙色預警區。

表8 2021年8月24日和25日黃岡市地質災害氣象風險預警效果評價表

圖6 2021年8月24日黃岡市地質災害氣象風險預警結果

圖7 2021年8月25日黃岡市地質災害氣象風險預警結果

由上述預警結果分析可知，基于第二代顯式統計預警模型建立的黃岡市地質災害氣象風險預警模型總體達到了精細化，體現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鎮級單元。經2021年8月研究區的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，但橙色預警區和黃色預警區空報率均較高，同時總體預警結果偏保守，說明預警模型中地質背景分區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 論

(1) 在黃岡市地質災害發育統計的基礎上，采用信息量法對研究區斜坡結構、地形坡度、地形高差、地質構造和地層巖性5個評價指標進行分級賦值，據此結果結合GIS分析將整個黃岡市劃分為413個地質背景區。

(2) 利用BP神經網絡得到了最優擬合的評價指標權重取值，基于GIS平臺將研究區的柵格單元劃分為地質災害高潛勢度、較高潛勢度、中等潛勢度和低潛勢度4個區。

(3) 結合黃岡市地質背景分區，計算得到各區地質災害發生時的臨界降雨量，并基于有效雨量模型建立了各地質背景分區內的降雨判據，得到降雨引發地質災害發生概率量化值。

(4) 基于地質災害致災因素的概率量化模型，本文采用第二代顯式統計預警模型建立了黃岡市地質災害氣象風險預警模型。通過不同地質背景分區地質災害的潛勢度與預警閾值分析，綜合確定了不同地質背景分區的預警模型公式和預警等級，再通過歷史降雨及其地質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災害預警結果的預測檢驗。結果表明：預警結果與地質災害發生實際情況相符合，說明本文建立的預警模型可以用于黃岡市汛期地質災害氣象風險預警，滿足防災減災需求。