雙鴨山市降雨誘發滑坡災害氣象風險預警模式

呂 軍，王 榮，李光玉，張永成

1.雙鴨山市氣象局，黑龍江雙鴨山 155100；2.佳木斯市氣象局，黑龍江佳木斯 154000

雙鴨山市是黑龍江四大煤城之一，地處黑龍江省東北部，位于完達山北麓，地形地貌多樣，地質構造復雜。各縣區內煤礦采空塌陷區分布較為廣泛，尤其是老礦區的塌陷現象十分嚴重，加之汛期暴雨易引發城市內澇，進而導致滑坡、崩塌、地面塌陷等地質災害發生。

降雨是誘發災害的主要因素之一，據統計，全國80%以上地質災害的發生都直接或間接地受降雨的影響，這些地質災害主要包括崩塌、滑坡、泥石流、地裂縫、地面塌陷等。其中，崩塌和滑坡占其總數的90%以上[1]。地質災害的發生與當日和前期降雨都有密切的關系，在前期降雨充沛的條件下，無論當日降雨量或小或大都可能引發滑坡地質災害[2]。陳景武[3]、文科軍[4]、李鐵鋒[5]等眾多學者，根據降雨誘發滑坡災害的現象，應用邏輯回歸分析與前期降雨量結合定量分析降雨誘發災害的可能性，對不同的地區進行了大量有意義的研究，探索了降雨誘發滑坡的機理，并且將該機理運用于地質災害的預警預報工作，取得了很好的成果[6-16]。

本研究通過對雙鴨山市滑坡地質災害隱患點的資料收集、勘查，研究分析了在特定氣象條件（主要是降雨）下發生滑坡地質災害的影響因素，建立雙鴨山市滑坡地質災害數據庫，綜合分析突發性滑坡災害的發生、發展及空間分布規律，開展氣象條件（主要是降雨）與滑坡的相關性研究，擬用邏輯回歸分析，將滑坡地質災害的發生與當次降雨量和降雨前的土壤含水量相結合，構建氣象預警模型，優化模型權重參數，提高其預警的準確度，制作發布滑坡地質災害風險氣象條件預報預警信息，以期為政府決策提供有效參考，從而達到減災防災的目的。

1 數據來源與研究方法

1.1 數據來源

本研究滑坡災害資料由雙鴨山市自然資源局提供，滑坡災害信息包括地理位置坐標、災害類型、災害規模、威脅對象、初次發生時間等；基礎降雨資料由雙鴨山市氣象局觀測站提供，降雨資料為2020年1個國家氣象站和3個無人自動氣象站的小時降雨數據。

本研究對雙鴨山地質災害資料進行的預處理包括收集滑坡類地質災害隱患點的地理坐標、危害程度，發生規模、誘發因素等各種信息，并進行必要的核實與修正。

1.2 研究方法

1.2.1 線性回歸模型 在滑坡地質災害問題中，由于災害的影響因子不是連續變量，適合用邏輯回歸分析解決此問題。以各影響因子數據作為自變量，災害的發生與否作為因變量（0代表災害不發生，1代表災害發生）[17]。設P為災害發生的概率為因變量，取值范圍［0，1］，災害影響因子集即X1，X2，X3，…，Xn，為自變量，建立回歸方程：

1.2.2 預警等級設置 為保證預警結論的實用、合理、準確、有效，根據雙鴨山市自然資源局調查滑坡地質災害方式方法，依據滑坡地質災害易發性概率（D），將存在滑坡地質災害發生氣象風險預警等級分為3級，如下：

①Ⅰ級預警。Ⅰ級預警發布黃色預警信號，表示該地區在當前預報雨量情況下很有可能發生滑坡災害，對各部門起提醒作用；

②Ⅱ級預警。Ⅱ級預警發布橙色預警信號，表示該地區在當前預報雨量情況下容易發生滑坡災害，起注意作用，提醒預報人員和各部門關注降雨動態變化；提醒相關人員和部門及時采取防御措施；

③Ⅲ級預警。Ⅲ級預警發布紅色預警信號，表示該地區在當前預報雨量情況下極易發生滑坡災害，起警報作用，提醒相關人員和部門及時采取防御措施，并組織滑坡災害點附近的居民進行轉移。

1.2.3 降雨量級概率化 唐亞明等[18]將國內降雨誘發滑坡臨界值模型歸結為日降雨量（或降雨強度）和前期降雨量模型，采用小時雨強、當日降雨量、前幾日累計降雨量（或前期有效降雨量）等幾個因子對臨界降雨量進行分析，主要基于統計學方法對歷史滑坡和降雨資料進行分析，利用統計意義上的臨界點作為降雨誘發滑坡的閾值。

借鑒已有研究成果，對雙鴨山市滑坡災害影響因子分析，尤其是對氣象條件（降雨量）資料進行了分析和整理，得到不同降水量級對滑坡災害發生的貢獻率（表1）。

表1 不同降水量級對滑坡災害發生的貢獻率

2 滑坡災害誘發與降雨量關系

降雨型滑坡是世界上分布最廣、發生頻率最高的滑坡類型，是滑坡災害的主要研究對象[19]。由于降雨自身的規律性、可預測性，暴雨的準確預報成為當前防范山洪、滑坡、泥石流等自然災害發生的重要指標。在大多數預警評價中，降雨因子更多作為靜態因子用于災害模型進行評價[20]，其預警精度較低。

從滑坡類地質災害歷年統計資料可知，雙鴨山市的滑坡主要發生在每年的8月，與雙鴨山市降雨最多的時段相重合，“七下八上”也是黑龍江省每年防汛的關鍵期，這不是偶然現象。從圖1可以看出，7—8份是每年雙鴨山市主要降雨時段，這2個月是暴雨多發期，暴雨頻次高，降雨量大。在降雨，尤其是暴雨的作用下，容易誘發滑坡類地質災害，因此，滑坡災害發生在降雨量最多的月份。可以認為雙鴨山市的滑坡地質災害與降雨具有很好的相關性。滑坡發生的時間段，其大多發生在降雨集中時段，降雨作為滑坡產生最為重要的因素之一，大多數滑坡發生的實際都與雨季相對應，尤其是與暴雨、大暴雨的頻次相關性極大，短時強降水（尤其是暴雨以上量級降雨），會導致滑坡災害多發。

圖1 雙鴨山市1991—2020年平均降雨量分布

目前，國內外利用降水作為滑坡預報的臨界值，基本方法是采用統計方法對歷史滑坡和當地降水資料進行分析，選擇統計意義上的臨界點作為降水誘發滑坡災害的臨界值。通過前人研究可知，滑坡不僅與當日（或當次）降水量密切相關，還與前期降雨累計量具有較大的相關性，與滑坡體本身的土壤含水量也具有很大的相關性。由于地表徑流的作用，降雨并未進入坡體的土壤。進入土壤內部的水量并不等于實際的降雨量，降雨對滑坡的影響則主要是受進入坡體土壤水分多少的影響。因此，主要探究用土壤含水量代替前期降雨累積量的可能性，并據此構建降雨量和土壤含水量共同作用導致滑坡地質災害發生的氣象風險模型。

3 氣象預警模型分析

3.1 氣象預警模式的權重系數計算

降雨誘發滑坡災害氣象風險預警模型D的原理是顯式綜合氣象模型，將滑坡災害易發性概率與降雨誘發滑坡災害的概率和土壤相對濕度（土壤含水量）相耦合，以獲得本地區滑坡災害氣象風險預警概率，其公式如下：

其中，D表示滑坡災害發生的概率，α表示土壤相對濕度對滑坡災害影響系數，β表示降雨誘發滑坡災害權重系數，H表示土壤相對濕度，表示R降水貢獻率。

權重系數決定著模式的2個概率值對滑坡地質災害氣象風險預警模式的影響大小，對整個模型的研究具有至關重要的作用。α和β分別為2個概率值的權重系數，由預報員經長期統計歷史數據經驗所得。雙鴨山地區的滑坡災害氣象預警模型的α、β參數分別為0.478、0.597。因此，還需要對土壤相對濕度對滑坡災害影響系數α，以及降雨誘發滑坡災害權重系數β進行進一步優化計算，使邏輯回歸模式方程在分析研判滑坡地質災害氣象風險預警方面得到更廣泛的應用。

3.2 氣象模式應用

通過以上研究，雙鴨山市降雨誘發滑坡災害氣象風險預警模型公式如下：

為確保預警預報模型的合理、準確，本研究選取部分災害點對模型進行驗證。由于D的數值在0～0.9之間，根據自然資源部和中國氣象局制定的地質災害氣象風險預警標準，結合雙鴨山市氣象預警系統業務要求，制定了雙鴨山市滑坡災害氣象風險預警標準（表2）。

表2 滑坡氣象風險預警級別

為方便預警發布工作的開展，依據不同的降雨量級與土壤相對濕度，特制作了滑坡災害發生概率檢索表（表3），查找不同的降雨量級與土壤相對濕度所對應滑坡地質概率的預警級別。

表3 滑坡地質災害發生概率檢索表

4 結論

本研究對雙鴨山市滑坡地質災害氣象風險預警模型的滑坡災害易發性概率值與土壤相對濕度對滑坡災害影響系數和降雨誘發滑坡災害權重系數的2個權重參數進行優化計算，通過邏輯回歸分析獲得這2個權重參數值分別為0.478、0.597；在構建氣象預警模型后對模型進行檢驗，通過2020年9月18日的滑坡地質災害個例進行驗證，證明模型對滑坡的發生具有良好的預警效果。

（1）通過對比近10年的雙鴨山市土壤相對濕度情況，發現除個別干旱年份（2015、2021年）外，中層（10～30 cm）土壤相對濕度都在80%以上，所以滑坡災害發生概率檢索表（表3）只考慮土壤相對濕度在80%以上的情形，當過程雨量達到50 mm（暴雨）以上時，發生滑坡地質災害的可能概率為68.1%，只有達到100 mm（大暴雨）時，發生滑坡的概率達到80.1%。

（2）在提高模型準確率方面，本研究總結了以下途徑：①優化降雨概率化方法，采用更好的降雨量數值，構建模型時增加更多降雨信息因素，如當日雨量，還增加小時雨強、降雨歷時、降雨過程的累積量，也可考慮增加前期日雨量的權重等；②氣象部門應逐步在本地區增加雨量站點，保證雨量站均勻分布，以便獲得更可靠的降雨量數據，調整氣象臨災預警的閾值，以保證該模型的預警效果；③氣象部門應逐步增加無人自動氣象站點，保證降雨量數據的代表性和準確性，聯合應急、自然資源等部門加強對地質災害的監測，保證滑坡地質災害能夠準確、及時地被記錄并反饋。

本研究成果適用于雙鴨山市的滑坡地質災害氣象風險預警系統，能夠為今后的地質災害氣象風險預警工作提供重要參考，提醒相關部門采取滑坡地質災害防范措施，為更好地開展防災減災工作提供指導。