昭通市地质灾害特征及气象风险预警模型研究

　　摘要：云南省昭通市是长江上游地质灾害最严重的地区之一。通过研究利用Z指数、主成分分析和地质灾害前期有效降水量分析等方法，对历史地质灾害样本、同期区域站和国家站逐12h、逐日降水资料等进行了分析研究。结果表明：昭通市境内地质灾害隐患点众多，以滑坡为主，大中型地质灾害也时有发生，其中95%以上的地质灾害发生在雨季，峰值在8月，与昭通市干湿季节相对应;其降水型地质灾害与灾害临近12h降水量、当天降水强度、前3d和前12d累积降水量及降水强度等降水因子密切相关。

　　因此，综合考虑短时、短期和中长期的累积降水效应，并引入国土部门的地质灾害区划成果建立了昭通市降水型地质灾害气象风险预警模型，选取2018年的地质灾害实例对模型进行检验，发现此模型对昭通雨季地质灾害有较好的预警指示作用。

　　关键词：地质灾害;降水类型;成因分析;预警模型;昭通市

　　昭通市位于云南省东北部，地处金沙江下游.境内山高谷深、沟壑纵横、水系发育，地势西南高东北低.昭通也是地震多发的地区，仅2014年就发生了“4.5”永善5.3级地震、“8.3”鲁甸6.5级地震.同时，昭通属低纬高原季风气候，干湿季节分明，干季降水稀少，雨季降水充沛，局地暴雨频发.加之人类工程活动加剧，使昭通成为长江上游地质灾害最严重的地区之一[1]，如1991年9月23日18:20，昭通市盘河乡头寨沟发生大规模滑坡，造成216人死亡，直接经济损失约1200万元[2].

　　截止2015年，云南省国土部门调查结果显示，昭通市有各类地质灾害隐患点近2000个.近年来，研究人员针对地质灾害的诱发因子和预报预警模型方面做了大量的研究工作，取得了很多成果.沈军等[3]指出一定的降水强度、持续时间和前期有效降水量是诱发湖南古丈群体滑坡事件的主要外源动力;段旭等[4]及陶云等[5]发现，云南滑坡泥石流等地质灾害发生与短时强降水和前期累积降雨量有密切关系，其高发区与强降水中心对应较好;薛建军等[6]从气象降水的角度，建立了全国范围内的区域地质灾害气象潜势预报模型;朱昳橙等[7]对比证明了地质–降水综合模型对怒江地质灾害预警准确度更好;Keiko等[8]采用多元线性回归方法对滑坡所受的降水因子进行了分析。

　　闵颖、胡娟和李华宏等[9-11]从开展强降水诱发地质灾害预报预警业务方面，用云南116个国家站的相关资料系统研究了云南地质灾害与降水的关系，并依据诱发地质灾害的降水量、降水强度和国土部门地质灾害区划成果等因子，建立了省级降水诱发地质灾害气象风险预报预警业务，在日常业务工作中也取得了较好的效果.

　　但是省级产品直接用在州(市)的服务中，针对性相对较差[12].这可能与降水资料空间分辨率较低，各地州的降水诱发的地质灾害影响因子有所差别等因素有关.徐则民等[13]研究也指出，在地形复杂的山区建立降水型地质灾害预报预警模型时应充分考虑气象站点所能控制的有效相关区域.并且，以往针对昭通市地质灾害的研究中只是提到降水对地质灾害有影响，主要是从地质结构或地震引发次生灾害等方面做了详细分析[1,2,14]，没有专门就降水诱发昭通地质灾害方面深入地研究.

　　因此，本文在前人研究的基础上，选取区域加密自动站的地质灾害样本，对昭通市地质灾害分布特征及降水型地质灾害的降水特征进行研究，并建立昭通市地质灾害气象风险预警模型，为昭通市开展降雨型地质灾害预报预警业务提供技术依据.

　　1资料和方法

　　本文所用的2012—2018年地质灾害信息来源于云南省地质环境监测院和云南省气象台收集整理的地质灾害报表，昭通市辖区内均有地质灾害隐患点.同期逐12h和逐日降水资料为昭通市区域加密自动站(简称区域站)和10个国家级常规地面气象观测站(简称国家站)观测资料以及1977—2017年10个国家站逐日降水资料(累计时段为20:00至次日20:00)，均来源于云南省气象台.

　　其中，2018年的资料用于检验地质灾害模型，2012—2017年的资料用于分析并建立降水型地质灾害模型使用，1977—2017年的降水资料用于分析昭通市降水气候特征.采用的方法主要有Z指数法、主成分分析方法以及地质灾害前期有效降水量分析法.

　　1.1Z指数法

　　由于昭通南北降水差异明显，若用全国统一的日降水量≥25mm为大雨或≥50mm为暴雨等定义昭通雨季的强降水事件，往往掩盖由于气候差异带来的强降水事件特征[15]，有必要重新定义昭通的强降水事件.文中利用Z指数转换法[16]，分别计算了昭通市1977—2017年雨季(5—10月)10个国家站日降水量的第85、90、95和99共4个百分位值，作为各台站雨季的4个日临界降水强度阈值.并参照鞠笑生等[17]旱涝划分方法，初步定义各站第85个百分位值为雨季一般降水阈值，第90个百分位值为雨季较强降水阈值，第95个百分位值为雨季强降水阈值，第99个百分位值为雨季极端降水阈值，当某年雨季某日降水量超过强降水阈值时，就称该站出现了雨季强降水或极端降水，把超过强降水阈值的降水日数，作为相应台站雨季强降水事件的雨强日数.

　　1.2主成分分析方法

　　为了有效地判别地质灾害中降水的主导因素，对地质灾害样本降水值采用主成分分析方法[18]挑选最佳降水影响因子.

　　1.3地质灾害前期有效降水量分析方法

　　采用前期降水指数Iap(antecedentprecipitationindex)模型[19]研究昭通市降水型地质灾害过程中前期持续降水的影响。

　　2结果分析

　　2.1降水气候概况

　　从昭通市1977—2017年平均降水量的空间分布分析，降水量具有东北多西南少的分布特征，东北部年均降水量≥900mm，西南部年均降水量不足900mm.从昭通市雨季(5—10月)平均降水量的空间分布分析，雨季降水量同样具有东北多西南少的分布特征，东北部年均雨季降水量基本≥800mm，西南大部地区年均雨季降水量不足800mm.

　　由昭通市年降水量可知，其年均降水量为881.2mm.从2012年开始，昭通年均降水量由偏少向偏多的气候背景转变.全市雨季(5—10月)年均降水量为752.1mm，占全年年均降水量的85.3%，干季(11月—次年4月)降水量平均不到15%，说明昭通市干湿季分明.从2012年开始，昭通雨季降水量也由偏少向偏多的气候背景转变，说明选取2012—2017年作为研究时段具有代表意义.

　　昭通区域雨季一般降水阈值为6.4~9.8mm，平均为8.4mm;较强降水阈值为9.7~14.7mm，平均为12.3mm;强降水阈值为16.1~24.2mm，平均为19.8mm;极端强降水阈值为32.0~52.5mm，平均值为41.8mm.其中，一般降水和较强降水平均阈值与全国统一的小雨和中雨的标准大致相当，而强降水和极端降水平均阈值均低于全国统一的大雨和暴雨的标准.

　　从地域分布看，均与多年年(雨季)平均降水量分布一致，均呈东北部雨量大西南部雨量小的分布特征，且东北部更接近全国统一的日降水量划分标准.在后文中把昭通市汛期10个国家站日降水量的第85、90、95和99共4个百分位值，作为灾害发生当天的4个降水强度值，分别对应Ⅳ级、Ⅲ级、Ⅱ级和Ⅰ级

　　2.2地质灾害分布特征

　　通过整理2012—2017年云南省地质环境监测院提供的地质灾害报表和云南省气象台收集的滑坡、泥石流灾情，共形成236条有效地质灾害信息.将灾害点与昭通市地质灾害风险区划图及地形图叠加，结果可知，昭通市大部地区均会发生地质灾害，危险区划等级均为高风险.在236个样本中，滑坡、泥石流、崩塌和地面塌陷4种灾害类型分别占总样本的67%、10%、22%和1%.小型、中型、大型和特大型4种灾害等级分别占样本的85%、10%、2%和3%.

　　表明昭通地质灾害以滑坡为主，其次是崩塌和泥石流，大中型地质灾害(占15%)也会发生.分析昭通市各月平均降水量和各月灾情总次数的关系，可知两者均存在单峰型曲线，只是月平均降水峰值区为7月，而月灾情总次数峰值为8月.全市雨季(5—10月)总灾情次数为225个，占总样本的95.3%，干季(11月—次年4月)不到5%，说明地质灾害主要发生在雨季.

　　随着雨季到来，昭通各地降水量逐渐增多，土壤含水量由少向多转变，达到饱和状态后，再受到强降水或持续降水激发就容易发生地质灾害，说明昭通市地质灾害受降水的影响十分显著.

　　2.3地质灾害降水因子分析

　　为了开展地质灾害气象风险预警技术研究，在上述236个样本中剔除没有区域站降水资料匹配和不符合降水诱发地质灾害的个例，最终筛选得到147个降雨型地质灾害样本，约占总样本的62.3%.胡娟等[12]研究中已指出降水型地质灾害与当天及前期降水量均有关，对于不同地区前期降水强度、降水累积时段也有不同.

　　分析昭通市地质灾害前期降水累积天数显示，昭通市地质灾害样本在灾害发生当天、前3d和前12d有3个大值中心，分别对应10、20mm左右降水和110mm左右降水，其中前3d还有1个对应60mm左右降水的大值中心.表明昭通市地质灾害与当天降水强度、短期累积降水量和降水强度、前12d累积降水量及降水强度等降水因子密切相关.

　　2.4地质灾害的降水类型判别

　　地质灾害的发生除了与前期累积有效降水量有关，与降水类型也有较大关系.在对造成147个降雨型地质灾害进行分析时，参照陈静静等[21]的研究方法，用判别系数来确定各个样本的致灾降水类型。

　　3地质灾害案例检验

　　将上述研究得到的临界降水量、降水强度和地质灾害风险区划等指标，利用文献[9]中的方法建立了昭通市降水型地质灾害气象风险预警模型.并选取4个地质灾害案例来检验此模型的预报预警能力，其中2017年的案例用于反演模型的结果，2018年的案例用于检验模型的预警效果.

　　4结果与讨论

　　通过上述分析，得出以下主要结论：

　　(1)昭通市降水量具有东北多西南少的分布特征，85%以上的降水集中在雨季.超过95%的地质灾害也发生在雨季，峰值在8月份，滞后于降水峰值(7月)，说明昭通市雨季地质灾害频发与降水有密切关系.

　　(2)昭通大部地区均有发生地质灾害的风险，并以滑坡为主，其次是崩塌和泥石流，大中型地质灾害也时有发生.

　　(3)昭通市降水型地质灾害与当天降水强度、短期累积降水量和降水强度、前12d累积降水量及降水强度等降水因子密切相关.其中，当天降水强度为10mm左右，前3d累积降水为20mm左右和60mm左右及前12d累积降水量为110mm左右等关键降水条件最为敏感，同时短时降水的诱发作用也十分显著.因此，在建立昭通市地质灾害气象风险预警模型时，应该综合考虑短时、短期和中长期的累积降水效应和降水强度.

　　(4)本文使用较高空间分辨率的资料研究得到了临界降水量、降水强度，并引入国土部门的地质灾害风险区划等指标建立了昭通市降水型地质灾害气象风险预警模型.选取了2017年和2018年的地质灾害案例来检验此模型的预报预警能力.结果表明，此模型对昭通雨季地质灾害有较好的预警指示效果.当然，本文也存在一定的问题.

　　首先，本研究为了提高降水资料的空间分辨率，只采用了有区域站匹配的灾害样本进行分析，使得样本相对较少，没有分类建立模型，在以后的工作中会继续加入新的地质灾害样本进行分类研究，提高模型的实用性和针对性.其次，模型中的地质灾害因子直接引用了国土部门的区划结果，虽有较好地指示作用，但是该区划结果已有段时间没有更新，空间分辨率也较低，后期会加强与国土部门的合作，及时跟进最新的地质灾害区划成果，改进模型。

　　再次，该模型运用在实际业务工作中时，检验发现预警产品存在准确率较高，但是空报率也较高的现象.究其原因，一是模型产品的预报准确率也依赖于数值模式定量降水预报的可靠程度，二是目前地质灾害灾情收集工作还不完善.另一方面，也说明地质灾害发生有一定的不确定性和突发性.因此，在实际运用中，预报员需要根据最新资料进行人工干预订正，并且昭通地形复杂，辖区内各地的承灾能力参差不齐，强降水尤其是局地强降水的预报、地质灾害的发生机理仍属难题，要做好地质灾害的确定性预报还需要长期技术攻关.

　　参考文献：

　　雷云.昭通市滑坡泥石流预警系统减灾效益分析[J].人民长江,2009,40(20):59-62.DOI:10.3969/j.issn.1001-4179.2009.20.020.LeiY.AnalysisofdisasterreductionbenefitofwarningsystemforlandslideanddebrisflowinZhaotongCity[J].YangtzeRiver,2009,40(20):59-62.[1]

　　唐川.昭通头寨沟特大型灾害性滑坡研究[J].云南地理环境研究,1991,3(2):64-71.TangC.Astudyonlarge-scalecatastrophiclandslideatTouzaigullyofZhaotong[J].YunnanGeographicEnvironmentResearch,1991,3(2):64-71.

　　沈军,方琼,吴贤云,等.湖南古丈山体滑坡影响因子分析[J].气象,2017,43(11):1410-1419.ShenJ,FangQ,WuXY,etal.AnalysisofimpactoflandslideinGuzhangCountyofHunanProvice[J].MeteorologicalMonthly,2017,43(11):1410-1419.

　　段旭,陶云,刘建宇,等.云南省不同地质地貌条件下滑坡泥石流与降水的关系[J].气象,2007,33(9):33-39.DOI:10.3969/j.issn.1000-0526.2007.09.005.DuanX,TaoY,LiuJY,etal.TherelationshipbetweenthelandslideanddebrisflowsandtheprecipitationinYunnanProvinceunderconditionsofdifferentgeologyandgeomorphology[J].MeteorologicalMonthly,2007,33(9):33-39.

　　相关论文范文阅读：农业气象灾害对农作物产量的影响

　　摘要:气象灾害在多数情况是不可预知的，但极大地影响着农作物的产量，也是在种植过程中不可避免的因素。为了使农作物的产量最大程度上得到提升，就要深刻的了解不同气象灾害对农作物产生的影响，以防范出现不同气象灾害时采取适当的措施。同时也应该给人们宣传有关农作物的防御措施，使人们增强环保和防范意识;相关工作人员也应该加强基础设施建设，当自然灾害出现时最大程度的减少农作物的损失，从而促进农业生产的不断发展。