李忠燕，田其博，左 晉，羅陽歡，曹 蔚

（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(huán)境監(jiān)測院，貴州 貴陽 550004；4.貴州省山地環(huán)境氣候研究所，貴州 貴陽 550002）

滑坡已成為僅次于地震災害的第二大自然災害，每年都會造成不同程度的人員傷亡和財產損失[1]。造成滑坡災害的原因除了內在環(huán)境因素外，還包括地震、人類活動以及降水等外在誘發(fā)因素。在我國，由于地質和氣候等因素的影響，滑坡的易發(fā)區(qū)和多發(fā)區(qū)主要分布在太行山至秦嶺以及西南地區(qū)，其滑坡發(fā)生頻率較大[2]。

貴州省地處云貴高原東側斜坡地帶（103°36′～109°35′ E，24°37′～29°13′ N），境內地勢西高東低，地貌以山地和丘陵為主，是國內唯一沒有平原的省份，大部地區(qū)山嶺縱橫，河谷沖溝密布且較陡峭。貴州省氣候屬亞熱帶濕潤季風氣候，年平均降水量為1 179.6 mm，在汛期多以暴雨形式出現，降水強度大且歷時短，導致水勢易暴漲暴落，易誘發(fā)地質災害。2018 年底貴州省已查明的地質災害隱患點12 231處，全省88 個縣均受到過不同程度的地質災害，且部分縣城城區(qū)直接建設在滑坡體上，極易受到滑坡的威脅，因此有必要建立貴州省滑坡預報模型。為減少滑坡地質災害，如何精準地對滑坡災害進行預報是當下急需解決的問題，而確定滑坡致災臨界雨量閾值既是滑坡預報中的關鍵，亦是常見手段。目前確定滑坡致災臨界雨量閾值的方法主要有兩種：一是基于滑坡災害形成的動力物理模型來計算致災閾值[3-5]。由于動力物理模型機理復雜，且相關數據資料收集難度大，適用于小流域或小范圍研究，應用范圍較小。二是統(tǒng)計分析法。主要是基于滑坡災情資料以及對應的降水資料，建立經驗物理預測模型確定其滑坡致災閾值[6-12]。由于其不需物理理論推導，且相關數據資料易收集，因此該方法應用范圍較廣。研究表明，降水是誘發(fā)滑坡的重要因素之一[13-15]，主要是因為降水降低了土壤自身的物理性能并改變斜坡穩(wěn)定性，觸發(fā)滑坡發(fā)生，降水強度和歷時長短等在一定程度上影響滑坡的形成[1，10，13，16-18]。鑒于降水是滑坡的高觸發(fā)因子，前人基于降雨強度（I）與持續(xù)時間（D）建立的降雨閾值指標[19-21]。但是該指標和常見的天氣預報量匹配度不夠好，在氣象和地質部門聯合地質災害預報中的應用度不高。因此本文根據5 個不同時效降水指標（常見的天氣預報量）與滑坡累積發(fā)生概率分布擬合曲線建立貴州省降雨型滑坡預報模型，以提高預報模型的實用性和業(yè)務應用效果。

降雨型滑坡是由強降水誘發(fā)的滑坡，而貴州省強降水主要集中發(fā)生在每年的4—10 月。為排除其他降水資料的影響，本文選擇4—10 月降雨型滑坡樣本進行統(tǒng)計分析。同時考慮貴州省區(qū)域自動氣象站資料的完整性，年份選擇2010—2018 年。根據5個不同時效降水指標與滑坡累積發(fā)生概率分布擬合曲線建立貴州省降雨型滑坡預報模型，該預報模型結合短臨天氣預報，可及時發(fā)布不同地區(qū)不同等級滑坡預警預報，有利于決策部門提前做好地質災害防御工作，避免或減少人員傷亡和財產損失。

1 資料和方法

滑坡災情資料來自貴州省地質環(huán)境監(jiān)測院，使用2010—2018 年的滑坡災情資料。氣象資料來自貴州省氣象局信息中心，使用貴州省84 個國家氣象站和1 449 個區(qū)域自動氣象站2010—2018 年4—10月逐小時降水資料。由于只針對降雨型滑坡進行特征分析，根據滑坡樣本地理位置信息，選取與之距離最近的國家氣象站或區(qū)域自動氣象站同時間段逐小時降水資料，從2010—2018 年1 394 例滑坡資料中剔除非降水因素導致的滑坡樣本，選出640 個降雨型滑坡樣本。利用2010—2017 年630 個樣本數據資料進行分析并建立預報模型，利用2018 年10 個樣本數據對貴州省降雨型滑坡預報模型的檢驗。

降雨型滑坡大多是由滑坡當日短時強降水和前期累積降水量所造成，因此本文選擇表征短時強降水的當日最大小時降水量、3 h 最大降水量、6 h 最大降水量、滑坡當日降水量（R1h、R3h、R6h、R1d），以及表征前期累積降水量的滑坡前期3 d 有效降水量（R3d）這5 個降水指標建立不同時效的降雨型滑坡預報模型。日降水量即24 h 累積降水量，根據氣象業(yè)務規(guī)定，選取前一日20 時—當日20 時的24 h 累積降水量作為當日降水量。

本文首先根據2010—2017 年630 個滑坡樣本數據資料對貴州省降雨型滑坡的時空分布特點進行分析，然后統(tǒng)計出R1h、R3h、R6h、R1d和R3d5 個不同時效降水指標的不同量級降水量條件下滑坡發(fā)生概率。根據二者散點圖的分布得到不同時效降水量與滑坡累積發(fā)生概率分布的擬合曲線公式，并根據滑坡預報等級表計算出不同概率對應的5 個降水指標的降水閾值，從而建立貴州省降雨型滑坡預測模型。最后根據2018 年新增的10 個滑坡樣本的降水數據及擬合公式，分別計算出5 個不同時效降水指標的對應概率，結合滑坡預報等級表，發(fā)布滑坡的預警預報，完成對貴州省降雨型滑坡預報模型的檢驗。

2 降雨型滑坡時空分布特征

2.1 降雨型滑坡時間分布特征

貴州省地處中國西南內陸地區(qū)腹地，以高原山地居多，山地丘陵面積占92.5%。每年4 月第一旬，黔東南中東部和銅仁東部邊緣地區(qū)率先進入雨季[22]，強降水逐漸增多，由于強降水的影響，滑坡事件遞增。10 月上旬貴州大部分地區(qū)雨季結束，強降水減少，滑坡事件遞減。貴州省年平均降水量為1 179.6 mm，其中4—10 月多年平均降水量為1 004.2 mm，占全年總降水量的85%左右。

由2010—2017 年4—10 月每月平均降水量和發(fā)生降雨型滑坡災害統(tǒng)計（圖1）可知，降雨型滑坡災害高發(fā)期主要集中在5—7 月，占比92.4%，其中6 月發(fā)生概率最高，約48.6%；7 月次之，約34.9%。而貴州省降水主要集中在5—8 月，其中6 月最大，平均降水量為219 mm，7 月次之，平均降水量為197.1 mm，因此貴州省降雨型滑坡災害高發(fā)期與降水集中期在時間上有很好的一致性。

圖1 貴州省2010—2017 年4—10 月各月平均降水量和降雨型滑坡災害統(tǒng)計

從貴州省9 個地州市4—10 月各月降雨型滑坡災害次數（圖2）可知，貴州省地州市的降雨型滑坡發(fā)生次數變化與雨季開始期的進程在時間上一致。貴州東部地區(qū)于4 月初率先進入雨季，5 月銅仁市、黔東南州以及黔南州進入雨水集中期，該地區(qū)降雨型滑坡災害發(fā)生次數也明顯增多。5 月中旬貴州省全部進入雨季，隨之北部和西部地區(qū)降雨型滑坡災害增多。6 月各地進入雨水最集中期，黔東南州、黔南州、黔西南州、安順市、六盤水市降雨型滑坡災害次數也相應達到最多。之后，隨著副熱帶高壓繼續(xù)西伸和北跳，畢節(jié)市、貴陽市、遵義市以及銅仁市降雨型滑坡災害次數在7 月達到最多。

圖2 貴州省9 個地州市2010—2017 年4—10 月降雨型滑坡災害次數統(tǒng)計

從2010—2017 年4—10 月降雨型滑坡災害次數統(tǒng)計（表1）可以看出，降雨型滑坡災害次數呈現逐年波動的變化特征。其中2014 年發(fā)生次數最多，為187 次，2011 年次之，為141 次，而2013 年最少，為23次。

表1 2010—2017 年貴州省4—10 月降雨型滑坡災害次數統(tǒng)計 次

2.2 降雨型滑坡空間分布特征

由圖3 可知，黔西南州望謨縣降雨型滑坡災害事件最多，為125 次，其中122 次是由于2011 年6月6 日該區(qū)域出現大暴雨—特大暴雨所致。次大值中心位于遵義市仁懷市，為40 次。＞10 次的高發(fā)區(qū)域主要集中在遵義市西部、畢節(jié)市西部、六盤水市西南部、黔西南州南部、黔東南州中部一帶以及銅仁市大部，而中部大部地區(qū)屬于次數＜5 次的低發(fā)區(qū)域。這一分布特征與貴州省地質災害易發(fā)分區(qū)圖[8]（圖4）基本一致。從分區(qū)圖中可以看出，貴州分為三種等級易發(fā)區(qū)，其中銅仁市大部、黔東南州北部、遵義市西北部和北部、畢節(jié)市大部、六盤水市大部、安順市西部邊緣、黔西南州北部和南部邊緣地區(qū)為高易發(fā)區(qū)。黔西南州中部一帶和黔南州西部為低易發(fā)區(qū)，其余地區(qū)為中易發(fā)區(qū)。圖3 與圖4 的差異可能是研究樣本所選時間段不一致所致。

圖3 貴州省2010—2017 年4—10 月降雨型滑坡災害空間分布

圖4 貴州省地質災害易發(fā)分區(qū)

3 降雨型滑坡預報模型

貴州省降雨型滑坡災害高發(fā)期與降水集中期在時間上有很好的一致性，并且地州市的降雨型滑坡發(fā)生次數變化與雨季開始期的進程在時間上也有很好的一致性。許多研究表明降水是滑坡發(fā)生的主要致災因子[8-14]，究竟降水量多大會導致降雨型滑坡的發(fā)生？需要確定降雨型滑坡閾值并建立降雨型滑坡地預報模型，為決策部署奠定科學支撐。

3.1 降雨指標選取及有效雨量計算

降雨型滑坡大多是由滑坡當日短時強降水和前期累積降水量所造成。因此本文選擇表征短時強降水的當日最大小時降水量（R1h）、3 h 最大降水量（R3h）、6 h 最大降水量（R6h）、滑坡當日降水量（R1d），以及表征前期累積降水量的滑坡前期3 d 有效降水量（R3d）這5 個降水指標建立不同時效的滑坡預報模型。

由于前期不同時間內降水量受時空變化、蒸發(fā)、土壤滲透吸收等因素的影響，導致降水量對滑坡的影響呈現遞減規(guī)律，因此有效雨量計算公式為：

其中，Rn′為滑坡暴發(fā)前n+1 天的有效降水量（mm）；K為遞減系數，這里取0.8；R0為滑坡當日降水量。

3.2 擬合曲線的選取

根據2010—2017 年630 例降雨型滑坡樣本統(tǒng)計出R1h、R3h、R6h、R1d和R3d5 個不同時效降水指標的不同量級降水條件下滑坡發(fā)生概率，根據二者散點圖的分布對不同時效降水指標與滑坡發(fā)生概率分布進行擬合。在擬合線的選擇時發(fā)現，采用多項式擬合時，其擬合線的R2更大，因此選擇多項式進行擬合。當擬合曲線多項式公式為2～3 階時，5 個不同時效降水指標與滑坡概率擬合線的R2均＞0.97。當擬合曲線公式為4 階和5 階時，擬合線的R2均＞0.99，因此選擇5 階多項式作為擬合曲線多項公式，即

3.3 基于擬合曲線的降雨型滑坡預報模型

對比5 個不同時效降水指標—滑坡累積發(fā)生概率擬合曲線（圖5）來看，5 條擬合線的R2均近似等于1，表明擬合度較高。同時從擬合曲線的變化來看，當不同時效降水量開始增大時，滑坡累積發(fā)生概率增加并不明顯。隨著不同時效降水量的增加，降雨型滑坡發(fā)生的概率顯著增大。最后當不同時效降水量繼續(xù)增大時，滑坡累積發(fā)生概率增加又變得不明顯，該現象較符合實際情況。通過公式（2）～（5）推算出降雨型滑坡事件不同概率時對應的降水量。結合中國氣象局和中國國土資源部發(fā)布的山體滑坡預報等級（表2），按照10%、25%、50%、75%和95%這5 個滑坡發(fā)生概率，得到相應概率下的不同降水指標的閾值（表3）。其中25%所對應的降水閾值是發(fā)布滑坡預警的下限，即當R1h、R3h、R6h、R1d、R3d分別≥26.9、48.9、62.9、79.5、92.0 mm 時，發(fā)布滑坡預報預警。

表3 滑坡不同預警等級下不同降水指標閾值/mm

圖5 不同時效降水指標—滑坡累積發(fā)生概率擬合曲線（a 為滑坡當天1 h 最大雨量，b為滑坡當天3 h 最大雨量，c 為滑坡當天6 h 最大雨量，d為滑坡當日雨量，e為滑坡3 d 累積雨量）

表2 滑坡預報等級及預警措施

4 降雨型滑坡預報模型檢驗

4.1 檢驗結果

為驗證降雨型滑坡預報模型的準確性以及5 個不同降水指標的實用性，選取2018 年貴州省發(fā)生的10 個降雨型滑坡樣本（表4）對應的降水數據對預報模型進行檢驗。為排除其他因素的影響，滑坡樣本選取48 h 內至少發(fā)生2 次以上的滑坡樣本。將10 個降雨型滑坡樣本對應的不同降水指標代入公式（2）～（5）計算出對應滑坡發(fā)生概率，參照表2 得到不同降水指標的預警等級（表4）。綜合不同降水指標的預報等級，采取就高等級的預報原則得到最終預警等級。當預警等級為3 時，即滑坡發(fā)生可能性較大，發(fā)布滑坡的預警預報。根據這10 次降雨型滑坡實況計算出5 個不同降水指標的準確率，其中R1h、R3h、R6h、R1d和R3d的預報準確率分別為70%、70%、70%、80%和90%。表明降雨型滑坡實況和預報等級基本相符，同時表明降雨型滑坡預報模型有一定的準確性，這5 個降水指標均具有一定的實用性。其中利用R3d的開展降雨型滑坡預報效果明顯優(yōu)于R1h、R3h、R6h和R1d，并且利用R3d開展降雨型滑坡預警等級與綜合預警等級（表4）完全相同。

表4 2018 年降雨型滑坡預報檢驗結果

4.2 模型優(yōu)勢分析

模型的建立首先考慮了短時強降水和累積有效雨量對降雨型滑坡發(fā)生的影響，綜合選擇了5 個不同時效降水指標。該降水指標均是常見的天氣預報量，相對于降雨強度（I）與持續(xù)時間（D）建立的降雨閾值指標[18-20]來說，計算簡單且實用性較好，有效提高預報模型的實用性和業(yè)務應用效果。另外I-D模型適用于某區(qū)域的研究，而本文中的預報模型既適用于區(qū)域的研究，同時也適用于全省范圍的研究。另一方面，5 個不同時效降水指標與累積發(fā)生概率的擬合線R2均近似等于1，并且5 條擬合線的變化規(guī)律也較符合實際情況，這是很多滑坡預測模型達不到的。

5 結論

利用貴州省2010—2017 年630 次降雨型滑坡資料以及國家氣象臺站和區(qū)域自動氣象站逐小時降水資料，建立貴州省降雨型滑坡預報模型并對其進行了檢驗，得到以下結論：

（1）貴州省降雨型滑坡災害高發(fā)期主要集中在5—7 月，其中6 月發(fā)生概率最高，約48.6%；7 月次之，約34.9%?；赂甙l(fā)期與降水集中期在時間上有很好的一致性，并且各地滑坡發(fā)生次數變化與各地雨季開始期進程在時間上有很好的一致性。

（2）貴州省降雨型滑坡高發(fā)區(qū)域主要集中在遵義市西部、畢節(jié)市西部、六盤水市西南部、黔西南州南部、黔東南州中部一帶以及銅仁市大部，而中部大部地區(qū)屬于低發(fā)區(qū)域，這一分布特征與貴州省地質災害易發(fā)分區(qū)基本一致。

（3）通過5 種不同時效降水指標與滑坡累積發(fā)生概率擬合曲線建立降雨型滑坡預報模型，并確定不同概率對應的不同時效降水指標閾值，即當R1h、R3h、R6h、R1d、R3d分別≥26.9、48.9、62.9、79.5、92.0 mm時，發(fā)布滑坡預報預警。隨著5 個不同時效降水指標降水量增大，降雨型滑坡累積發(fā)生概率呈現前后增加緩慢，中間快速增加的變化特征。

（4）利用2018 年新增降雨型滑坡樣本對預測模型進行檢驗，R1h、R3h、R6h、R1d和R3d的預報準確率分別達70%、70%、70%、80%和90%，表明降雨型滑坡預報模型有一定的準確性，5 個降水指標均具有一定的實用性，其中利用R3d開展降雨型滑坡預報效果最好。

考慮到貴州省區(qū)域站氣象資料是否齊整的問題，本文僅選取了2010 年以后的資料來建立降雨型滑坡預測模型。另外，由于預報模型是基于數學統(tǒng)計方法建立的，后期仍需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。