林若昂，簡文彬，聶 聞

（1.福州大學(xué)巖土與地質(zhì)工程系，福建 福州 350116；2.福建省地質(zhì)災(zāi)害重點實驗室，福建 福州350003；3.中國科學(xué)院海西研究院泉州裝備制造研究所，福建 泉州 362200）

0 引言

福建省屬于典型的臺風(fēng)暴雨影響區(qū)域，臺風(fēng)是福建省常見的地質(zhì)災(zāi)害誘發(fā)因素之一。福建省山多地少，臺風(fēng)登陸次數(shù)多，引起的降雨有雨量大、降雨集中等特點，易造成崩塌、滑坡、泥石流等地質(zhì)災(zāi)害。其中滑坡災(zāi)害為最主要的地質(zhì)災(zāi)害，其特點是災(zāi)害地點多、分布廣、規(guī)模小、以土質(zhì)滑坡為主。據(jù)不完全統(tǒng)計，全省的滑坡災(zāi)害點高達千余處，而土質(zhì)滑坡約占滑坡總數(shù)的95%以上[1]。臺風(fēng)帶來的降雨有雨強大、路徑性強等特點，在臺風(fēng)登陸當天或過后短時期內(nèi)，路徑范圍內(nèi)易發(fā)生群發(fā)性小型崩滑塌[2]。

臺風(fēng)降雨持續(xù)時間短、雨強大，因此臺風(fēng)降雨所誘發(fā)災(zāi)害常呈現(xiàn)出“即雨即滑”的特點[3]。臺風(fēng)暴雨對滑坡的影響研究是當下的熱點，有許多學(xué)者對此進行總結(jié)和分析[4?9]，涉及臺風(fēng)暴雨條件下的滲流穩(wěn)定分析、滑坡影響因子分析、降雨對非飽和土穩(wěn)定性研究等多方面，積累了較為豐富的研究成果。而對于臺風(fēng)暴雨型滑坡的預(yù)警研究雖也取得了一定的成果，但還存在預(yù)警的準確率低、漏報率高等問題。常見的預(yù)警方法有構(gòu)建降雨與滑坡之間關(guān)系的降雨閾值法[10?12]、基于滑坡檢測數(shù)據(jù)與滑坡勘測數(shù)據(jù)的數(shù)值模擬法[13?15]以及根據(jù)滑坡和降雨歷時數(shù)據(jù)的統(tǒng)計分析法[16]。開拓新的預(yù)警思路，提高預(yù)警的效率和準確率對臺風(fēng)暴雨型滑坡的預(yù)警研究尤為重要。

文中以泉州市的臺風(fēng)暴雨滑坡為例，結(jié)合研究區(qū)域2015—2019年的臺風(fēng)數(shù)據(jù)信息、降雨量數(shù)據(jù)及滑坡災(zāi)害數(shù)據(jù)進行統(tǒng)計分析?；?015—2019年間直接登陸或間接對福建省造成影響的臺風(fēng)，追蹤其行進路徑與降雨的關(guān)系，采用ArcGIS軟件中的克里金插值法對降雨量進行插值分析。再采用邏輯回歸模型計算出泉州市與臺風(fēng)降雨時間上的相關(guān)性，對不相關(guān)降雨量進行篩除后得到邏輯回歸模型。通過此模型來判定臺風(fēng)發(fā)生期間由臺風(fēng)降雨所引起滑坡災(zāi)害發(fā)生的概率，并對臺風(fēng)行進路線中的災(zāi)害易發(fā)區(qū)的滑坡災(zāi)害進行預(yù)警。

1 滑坡相關(guān)數(shù)據(jù)收集與處理

1.1 研究區(qū)臺風(fēng)事件

為了能夠得到盡量準確的滑坡降雨資料，文中通過福建省地質(zhì)災(zāi)害防治信息網(wǎng)（http://112.5.189.8:9300/fjdzzh/Business_MvcDzzh/DisasterSiteHomePage/IndexZ）提供的滑坡資料，篩選出2015—2019年直接登陸福建省或者間接對福建省造成影響的臺風(fēng)事件共8起，記錄臺風(fēng)相關(guān)數(shù)據(jù)（表1）及臺風(fēng)路徑示意圖（圖1）。同樣在該網(wǎng)站收集相關(guān)臺風(fēng)所對應(yīng)引起的災(zāi)害數(shù)據(jù)（圖2），剔除掉崩塌、泥石流等非滑坡災(zāi)害，剩余共489例臺風(fēng)暴雨型滑坡災(zāi)害，將臺風(fēng)路徑數(shù)據(jù)與臺風(fēng)暴雨型滑坡災(zāi)害數(shù)據(jù)導(dǎo)入ArcGIS軟件（圖3）。

圖1 臺風(fēng)路徑示意圖（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Fig.1 Schematic diagram of typhoon path (Data from Fujian Geological Disaster Prevention and Control Information Network)

圖2 臺風(fēng)所對應(yīng)的滑坡數(shù)量直方圖（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Fig.2 Histogram of landslides corresponding to typhoon (Data from Fujian Geological Disaster Prevention and Control Information Network)

圖3 福建省與泉州市滑坡災(zāi)害分布與臺風(fēng)路徑關(guān)系圖（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Fig.3 Relationship between landslide hazard distribution and typhoon path in Quanzhou and Fujian Province(Data from Fujian Geological Disaster Prevention and Control Information Network)

表1 臺風(fēng)數(shù)據(jù)統(tǒng)計表（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Table 1 Statistical Table of typhoon data (Data from Fujian Geological Disaster Prevention and Control Information Network)

在2015—2019年福建省因臺風(fēng)暴雨引起的486起滑坡災(zāi)害中泉州、福州、寧德地區(qū)為臺風(fēng)暴雨災(zāi)害主要頻發(fā)地區(qū)。其中泉州地區(qū)，在所研究的臺風(fēng)發(fā)生期間，臺風(fēng)暴雨滑坡災(zāi)害發(fā)生數(shù)量大、發(fā)生地區(qū)集中、易反復(fù)等特點。

1.2 研究區(qū)地質(zhì)環(huán)境條件

泉州市地處福建省東南沿海中部，陸域面積 10 866 km2，人口稠密，降雨充沛，暴雨頻發(fā)。區(qū)域內(nèi)地貌復(fù)雜多樣，多以山地為主，境內(nèi)五分之四以上的面積分布為中生代火山巖系和侵入巖，兩者出露面積約各占一半，從西北往東南侵入巖分布面積增多成為主體。泉州市處于地質(zhì)災(zāi)害易發(fā)區(qū)，也是福建省受地質(zhì)災(zāi)害影響最嚴重的城市之一。

1.3 研究區(qū)臺風(fēng)路徑與滑坡

泉州地區(qū)常年降雨量1 300～2 100 mm，每年均有臺風(fēng)登陸或?qū)ζ湓斐捎绊懀喟l(fā)生在6—9月份。由于自然地理、地質(zhì)和氣候條件，以及人類頻繁的活動[17]，泉州地質(zhì)災(zāi)害頻發(fā)，尤其是滑坡災(zāi)害，對當?shù)氐木用裨斐墒种卮蟮挠绊?，防治形式十分嚴峻。因此，文中以泉州市與臺風(fēng)暴雨相關(guān)的滑坡為主要研究對象，由于降雨誘發(fā)滑坡的數(shù)據(jù)只能精確到日，因此設(shè)在某日0～24 h的時間段內(nèi)發(fā)生的滑坡，降雨數(shù)據(jù)也取該時間段內(nèi)相對的降雨數(shù)據(jù)，滑坡發(fā)生位置可以精確到各個行政村，則將當日記為一次P=1的臺風(fēng)暴雨型滑坡事件（表2）。

表2 泉州市滑坡災(zāi)害部分數(shù)據(jù)（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Table 2 Partial data of landslide disaster in Quanzhou City(Data from Fujian Geological Disaster Prevention and Control Information Network)

2 基于克里金差值法的降雨量與滑坡的關(guān)系分析

2.1 數(shù)據(jù)整理

通過Python獲取福建省水力信息網(wǎng)上福建省雨量站的經(jīng)緯度信息共2 278例，與福建省地質(zhì)災(zāi)害防治信息網(wǎng)上下載的泉州市雨量站降雨數(shù)據(jù)進行配對。篩除泉州市以外的數(shù)據(jù)和表述模糊的站點信息，最終獲得492例泉州市雨量站所記錄的降雨信息及對應(yīng)精確坐標。為了使得降雨量精度更高，表達更直觀，本文用ArcGIS軟件中的克里金插值法對每場臺風(fēng)的降雨量數(shù)據(jù)進行插值分析，再導(dǎo)入臺風(fēng)路徑數(shù)據(jù)與臺風(fēng)暴雨型滑坡位置信息，基于臺風(fēng)移動路徑對其沿路的降雨量和滑坡災(zāi)害進行分析。

2.2 克里金插值法

克里金插值法主要通過搜索插值降水站點和已知降水站點的空間距離來進行插值計算[18]，計算方程為：

式中：Z(S0)——降雨量計算值；

N——計算采用雨量站點的數(shù)量；

di——降雨量插值的雨量站與已知雨量站間的空間距離/km；

P——計算參數(shù)。

式中：Aidilgdi——插值擬合函數(shù)的表達式；

a+bx+cy——插值勢函數(shù)的表達方程。

2.3 基于臺風(fēng)路徑的降雨量與滑坡災(zāi)害的位置關(guān)系分析

限于篇幅，本文從所研究的臺風(fēng)中選出3場比較有代表性的臺風(fēng)進行說明。由于每場臺風(fēng)的歷時各不相同，無法對臺風(fēng)歷時的降雨量進行統(tǒng)一，因此按各個臺風(fēng)的歷時將每場臺風(fēng)以時間尺度均分為臺風(fēng)登陸泉州前、中、后三個時段。

文中選取的三場臺風(fēng)分別為20160929號臺風(fēng)鯰魚、20170930號臺風(fēng)納沙以及20190826號臺風(fēng)白鹿，分別代表了臺風(fēng)在泉州沿海登陸且路徑貫穿泉州市并在泉州市造成大面積強降雨的一類臺風(fēng)、臺風(fēng)登錄地點在福建省其它地區(qū)但之后路徑剛好與泉州市相切的一類的臺風(fēng)以及臺風(fēng)登陸地點在福建省其它地區(qū)且其路徑在途徑福建省的整個過程中離泉州市較遠的一類臺風(fēng)。

20160909號臺風(fēng)鯰魚對福建省造成的影響時間約12 h，將其以4 h為分界點劃分為臺風(fēng)登陸前、中、后三個階段。臺風(fēng)鯰魚登陸泉州市的時候中心氣壓975 hPa，風(fēng)速33 m/s，為12級臺風(fēng)，給泉州市帶來大面積強降雨，引發(fā)了7起臺風(fēng)暴雨滑坡災(zāi)害。期間最大地區(qū)降雨量為80 mm/4 h，將0～80 mm的降雨量劃分為8個等級，通過克里金插值法得降雨量劃分與滑坡發(fā)生位置關(guān)系（圖4）。

圖4 臺風(fēng)鯰魚路徑經(jīng)過時泉州地區(qū)時4 h累計降雨量形成的降雨帶與滑坡發(fā)生關(guān)系（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Fig.4 The relationship between the precipitation zone formed by the accumulated rainfall in 4 hours in Quanzhou during the passage of Typhoon Megi and the occurrence of landslide (data from the Geological Disaster Prevention information Network of Fujian Province)

20170930號臺風(fēng)納沙對福建省造成的影響時間約15 h，將其以5 h為分界點劃分為臺風(fēng)登陸前、中、后三個階段。登陸泉州市時臺風(fēng)納沙中心氣壓975 hPa，風(fēng)速33 m/s，為12級臺風(fēng)，登陸地點為福建省福清市，在登錄福建省7 h后其路徑與泉州市德化縣相切，引起以德化縣為中心按距離遞減的降雨量，引發(fā)了3起臺風(fēng)暴雨滑坡災(zāi)害。期間最大地區(qū)降雨量為60 mm/5 h，將0～60 mm的降雨量分為7個等級，通過克里金插值法得降雨量劃分與滑坡發(fā)生位置關(guān)系（圖5）。

圖5 臺風(fēng)納沙路徑經(jīng)過時泉州地區(qū)時5 h累計降雨量形成的降雨帶與滑坡發(fā)生關(guān)系（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Fig.5 The relationship between the precipitation zone formed by the accumulated rainfall in 5 hours in Quanzhou area during the passage of Typhoon Nesat and the occurrence of landslide (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

20190826臺風(fēng)白鹿對福建省造成的影響時間約18 h，將其以6 h為分界點劃分為臺風(fēng)登陸前、中、后三個階段。臺風(fēng)納沙中心氣壓988 hPa，風(fēng)速25 m/s，為10級臺風(fēng)，登陸地點為漳州市東山縣，途徑詔安縣、云霄縣后離開福建省，臺風(fēng)路徑離泉州市較遠，只給泉州市的小部分地區(qū)帶來較小的降雨量，降雨量均低于10 mm/6 h（圖6）。而臺風(fēng)路徑經(jīng)過的漳州市的降雨量就較為顯著，最大累計降雨量為75 mm/6 h。

圖6 臺風(fēng)白鹿路徑經(jīng)過時泉州地區(qū)時6 h累計降雨量形成的降雨帶與滑坡發(fā)生關(guān)系（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Fig.6 The relationship between the precipitation zone formed by the accumulated rainfall in 6 hours in Quanzhou during the passage of Typhoon White Deer and the occurrence of landslide (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

2.4 結(jié)果分析

臺風(fēng)的路徑、中心氣壓、風(fēng)速都對降雨量大小有顯著的影響，在中心氣壓及風(fēng)速相差不大的情況，降雨有隨著臺風(fēng)路徑移動的趨勢。臺風(fēng)路徑影響范圍內(nèi)會出現(xiàn)大范圍的強降雨，且降雨強度有隨著距離增加而減弱的趨勢。這種跟隨臺風(fēng)路徑發(fā)生的降雨往往有短歷時、高強度的特點，容易引發(fā)多山地區(qū)中淺層邊坡的滑塌。

根據(jù)對2015—2019年登陸福建省的臺風(fēng)路徑與臺風(fēng)降雨、臺風(fēng)暴雨型滑坡關(guān)系的研究，泉州市的此類滑坡大都發(fā)生在臺風(fēng)路徑經(jīng)過泉州地區(qū)時，發(fā)生的數(shù)量與降雨量正相關(guān)。當降雨量超過8.6 mm/h時有滑坡發(fā)生，降雨量超過17 mm/h時滑坡災(zāi)害發(fā)生頻率大幅度增加，文中研究區(qū)域最大小時降雨量為41 mm/h，發(fā)生在臺風(fēng)莫蘭蒂期間，該臺風(fēng)造成了88起滑坡。泉州地區(qū)滑坡大多集中在安溪縣、德化縣、南安市等地，具有一地多發(fā)、一地頻發(fā)、易反復(fù)的特點。因此，在臺風(fēng)形成的過程中，根據(jù)氣象部門提供的臺風(fēng)路徑、臺風(fēng)中心氣壓及臺風(fēng)風(fēng)速等信息，對其路徑直接經(jīng)過的滑坡災(zāi)害易發(fā)區(qū)進行提前防護尤為重要。

3 基于邏輯回歸模型的臺風(fēng)暴雨滑坡概率分析

3.1 邏輯回歸模型

Logistic回歸模型是一個結(jié)合了統(tǒng)計模型和確定性模型的完整模型[19]。將臺風(fēng)暴雨當日降雨量及滑坡前的降雨量作為自變量，臺風(fēng)暴雨滑坡為因變量建立回歸模型，來討論在臺風(fēng)路徑的影響下臺風(fēng)暴雨滑坡的發(fā)生概率。

假設(shè)在臺風(fēng)降雨自變量影響下發(fā)生暴雨型滑坡災(zāi)害的概率為1，不發(fā)生的概率為0。P為預(yù)測滑坡發(fā)生概率，取值范圍[0,1]，則 ( 1?P) 即為預(yù)測在臺風(fēng)路徑影響下不發(fā)生暴雨型滑坡災(zāi)害的概率。P/(1?P)為滑坡Logistic發(fā)生比，取其自然對數(shù)l nP/(1?P)[20]。自變量為X1,X2,···,Xk，因變量為P，則Logistic線性回歸函數(shù)可以表示為：

式中： βi=(i=0,1,2,···,k)為回歸系數(shù)。

根據(jù)式子，可得：

利用式（4）可以預(yù)測在臺風(fēng)登陸前后引發(fā)的臺風(fēng)暴雨條件下滑坡發(fā)生的概率。

3.2 數(shù)據(jù)處理

將所收集的數(shù)據(jù)中的崩塌泥石流等災(zāi)害進行剔除后，最終篩選出泉州區(qū)域內(nèi)具有確切發(fā)生時間、發(fā)生地點的暴雨型滑坡個例，共147例。經(jīng)統(tǒng)計，所得到的147例滑坡事件中大多數(shù)的滑坡均為中淺層滑坡。在篩選出的8條臺風(fēng)路徑中，直接登陸泉州市的臺風(fēng)6起，間接對泉州市產(chǎn)生影響的2起。

為了使邏輯回歸模型更合理，更好的判定臺風(fēng)降雨與滑坡發(fā)生概率的關(guān)系，還需摘錄147例已發(fā)生臺風(fēng)暴雨滑坡事件所對應(yīng)的鄉(xiāng)鎮(zhèn)在另外2起路徑未經(jīng)過泉州市的臺風(fēng)發(fā)生時的降雨量形成對照組，同樣得到147例在臺風(fēng)經(jīng)過泉州時未在泉州市內(nèi)引發(fā)臺風(fēng)暴雨型滑坡（P=0）的降雨事件，從而將臺風(fēng)降雨數(shù)據(jù)擴增至294例，使得邏輯回歸分析所得的結(jié)果更準確。

在降雨因子的選取上，本文選取的降雨因子除了當日的降雨D0外 ，還需考慮滑坡發(fā)生前第1日（D1）、第2日（D2）。由于篇幅有限，截取部分數(shù)據(jù)（表3）。

表3 泉州地區(qū)部分臺風(fēng)暴雨誘發(fā)滑坡數(shù)據(jù)（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Table 3 Data of typhoon-induced landslides in Quanzhou district (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

3.3 結(jié)果分析

將臺風(fēng)降雨資料導(dǎo)入SPSS 26.0軟件進行Logistic回歸分析(表4)?；貧w系數(shù)越大，表明臺風(fēng)當日的降雨對滑坡的影響越顯著，回歸系數(shù)隨距滑坡發(fā)生日期數(shù)降低?；貧w系數(shù)小于0，說明該日之后的降雨變量對滑坡的影響可以忽略不計。Wald檢驗值可以進一步說明降雨因子對臺風(fēng)暴雨滑坡的影響，Wald檢驗值越大，則影響越顯著，Wald檢驗值大于3.84表示拒絕變量不顯著對的假設(shè)，表明D0、D1、D2的降雨因子對于臺風(fēng)暴雨滑坡具有一定的影響，影響程度遞減，而D3、D4、D5的降雨因子對于臺風(fēng)暴雨滑坡的影響不顯著，可以剔除，從而使得邏輯回歸分析更準確。將剔除后的數(shù)據(jù)再進行一次邏輯回歸分析（表5），得到更加符合泉州市基于臺風(fēng)路徑的滑坡災(zāi)害概率預(yù)警模型。

表4 邏輯回歸方程相關(guān)統(tǒng)計量（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Table 4 Correlation statistics of logistic regression equation (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

表5 篩除不相關(guān)數(shù)據(jù)后的邏輯回歸方程相關(guān)統(tǒng)計量（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Table 5 Logistic regression equation correlation statistics after filtering out irrelevant data (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

對Logistic回歸模型效果進行評價，分析其準確性。設(shè)概率P=0.8為預(yù)測模型滑坡發(fā)生與否的臨界點，將降雨自變量數(shù)據(jù)代入預(yù)測模型，所得預(yù)測值大于0.8便認為在此降雨工況中會發(fā)生滑坡，小于0.8則認為不發(fā)生。將樣本計算出的結(jié)果與實際發(fā)生滑坡與否的數(shù)據(jù)進行比較（表6）。

表6 模型預(yù)測分類表（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Table 6 Model prediction classification table (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

經(jīng)過檢驗，當降雨量因子組合為D0、D1和D2時，實際發(fā)生的147個臺風(fēng)降雨引起的臺風(fēng)暴雨滑坡組合中通過邏輯回歸方法判斷成功了142個，失敗了5個，判對率96.6%；沒有發(fā)生滑坡的判對率是84.4%，整個模型的綜合判對率為90.5%。考慮到此次邏輯回歸模型是針對整個泉州市，地質(zhì)跨越相對較大，因此可認為本次預(yù)測模型相對準確。

將表4中降雨因子D0、D1、D2的邏輯回歸系數(shù)及常數(shù)項數(shù)據(jù)回代到式（4）中，得到在臺風(fēng)路徑范圍內(nèi)基于Logistic回歸模型的泉州地區(qū)臺風(fēng)暴雨條件下的臺風(fēng)暴雨型滑坡發(fā)生概率模型。

式中：P——預(yù)測滑坡發(fā)生概率；

D0——當日降雨量；

D(i=1,2)——據(jù)滑坡發(fā)生前第1，2天的降雨量。

由公式（5）可知，在泉州市地質(zhì)環(huán)境條件下，當日降雨D0的相關(guān)系數(shù)最大為0.217，可見臺風(fēng)登陸當天的降雨對滑坡的影響最為顯著，前期降雨D1、D2對滑坡也有一點的影響，但影響較小。泉州地區(qū)的臺風(fēng)暴雨型滑坡多為在前期降雨D1、D2影響后，在當日降雨D0發(fā)生時段發(fā)生。

4 實例檢驗

為了進一步研究臺風(fēng)路徑、臺風(fēng)降雨及臺風(fēng)暴雨型滑坡之間的關(guān)系，也為了驗證公式（5）的實用性和預(yù)報準確性，文中留用20150929號臺風(fēng)杜鵑作為檢驗對象，其對福建省造成影響的時間約為12 h，以4 h為分界點劃分為臺風(fēng)登陸前、中、后三個階段。臺風(fēng)杜鵑登陸泉州市時中心氣壓971 hPa，風(fēng)速35 m/s，為12級臺風(fēng)，在泉州市帶來大面積強降雨，引發(fā)了17起臺風(fēng)暴雨滑坡災(zāi)害。期間最大地區(qū)降雨量45 mm/4 h，以0～45 mm的降雨量分為9個階級，通過克里金插值法得降雨量劃分與滑坡發(fā)生位置關(guān)系（圖7）。

圖7 臺風(fēng)杜鵑路徑經(jīng)過時泉州地區(qū)時4小時累計降雨量形成的降雨帶與滑坡發(fā)生關(guān)系（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Fig.7 The relationship between the precipitation zone formed by the cumulative rainfall of 4 hours in Quanzhou during the passage of Typhoon Dujuan and the occurrence of landslide (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

在臺風(fēng)杜鵑路徑進入泉州市前，泉州市大部分地區(qū)未發(fā)生降雨，靠近臺風(fēng)中心位置的邊緣區(qū)域如晉江市、惠安縣等先開始降雨。當臺風(fēng)杜鵑路徑貫穿泉州市時，泉州各地區(qū)發(fā)生大面積的降雨。晉江市、德化縣、安溪縣降雨作用較為顯著。安溪縣作為泉州市滑坡災(zāi)害易發(fā)區(qū)，在臺風(fēng)路徑登陸期間最高降雨量為32 mm/4 h，引發(fā)了16起滑坡事件?？梢姡绨蚕h這樣的滑坡敏感區(qū)域，在臺風(fēng)路徑經(jīng)過并引起大面積降雨期間，極易發(fā)生滑坡災(zāi)害，滑坡災(zāi)害集中分布在湖上鄉(xiāng)、虎邱鎮(zhèn)、龍涓鄉(xiāng)與龍門鎮(zhèn)，發(fā)生地點集中，發(fā)生頻率快，易反復(fù)。

以P>0.8作為判定滑坡發(fā)生與否的分界線對實測的745個雨量站的降雨量數(shù)據(jù)進行判定，篩除滑坡發(fā)生地點附近的雨量站的數(shù)據(jù)共36個，剩余709個實際降雨數(shù)據(jù)。P>0.8的降雨事件有165個，P≤0.8的降雨事件有544個，對滑坡不發(fā)生的概率的正確率為77%。對于已發(fā)生滑坡的預(yù)測率為100%（表7）。依據(jù)實際降雨量計算數(shù)據(jù)，其誤報率為21%，但實際滑坡發(fā)生的誤報率為0，符合安全性。因此，可以認為基于式（5）對臺風(fēng)路徑沿路的滑坡進行概率預(yù)警有一定的準確性和實用性。

表7 臺風(fēng)杜鵑滑坡預(yù)測分類表（資料來源于福建省地質(zhì)災(zāi)害防治信息網(wǎng)）Table 7 Typhoon Dujuan landslide forecast classification table (data from the Geological Disaster Prevention and Control Information Network of Fujian Province)

5 結(jié)論

（1）通過整理2015—2019年路徑直接經(jīng)過或間接影響泉州市的臺風(fēng)，將臺風(fēng)路徑數(shù)據(jù)、降雨量數(shù)據(jù)及臺風(fēng)暴雨型滑坡災(zāi)害數(shù)據(jù)導(dǎo)入到ArcGIS 10.6軟件中，利用克里金插值法對三者關(guān)系進行分析。由分析可得，臺風(fēng)暴雨引發(fā)滑坡與臺風(fēng)路徑降雨的大小和與臺風(fēng)沿路的距離有直接關(guān)系。臺風(fēng)路徑沿線臺風(fēng)暴雨型滑坡災(zāi)害發(fā)生的概率更大，且與臺風(fēng)沿路的距離越近，發(fā)生滑坡災(zāi)害的概率越大；臺風(fēng)暴雨型滑坡發(fā)生的概率隨降雨量的增加而增大。

（2）運用Logistic回歸方法，通過SPSS 26.0軟件獲得基于Logistic回歸的泉州地區(qū)臺風(fēng)暴雨型滑坡的預(yù)測模型。泉州市臺風(fēng)暴雨滑坡與降雨因子D0、D1、D2有關(guān)，將降雨因子帶入邏輯回歸公式得到基于臺風(fēng)路徑的滑坡預(yù)警概率模型。

（3）運用所得模型對20150929號臺風(fēng)杜鵑進行實例驗證，將其臺風(fēng)路徑數(shù)據(jù)、降雨量數(shù)據(jù)及滑坡數(shù)據(jù)導(dǎo)入至ArcGIS10.6。臺風(fēng)發(fā)生期間，在大面積的強降雨作用下，極易引起臺風(fēng)路徑周邊的滑坡災(zāi)害易發(fā)區(qū)發(fā)生滑坡事件，且滑坡事件具有發(fā)生地點集中，發(fā)生頻率快的特點。用SPSS 26.0軟件以P>0.8作為判定滑坡發(fā)生與否的分界線對實測的745個降雨量進行判定，對滑坡不發(fā)生的判對概率為77%，對滑坡發(fā)生的判對概率為100%。

（4）由于客觀因素的限制，例如可獲取的資料有限，只能在網(wǎng)站上摘錄2015年以后的降雨量數(shù)據(jù)，所以文中只能對2015—2019年的臺風(fēng)降雨數(shù)據(jù)進行分析；有些雨量站點的名稱不全面，導(dǎo)致無法取得與其相對應(yīng)的具體坐標；文中主要針對泉州市臺風(fēng)暴雨型滑坡的概率進行預(yù)測，在模型的使用上具有一定的局限性和偏差，需要進一步收集大量大臺風(fēng)暴雨數(shù)據(jù)與滑坡災(zāi)害數(shù)據(jù)對模型試驗加以修正與完善。