楊思慧 , 袁淑杰 , 施紅霞 , 韓 琳 , 彭映杰

（1.成都信息工程大學大氣科學學院，成都 610225；2.成都信息工程大學通信工程學院，成都 610225；3.成都市溫江區(qū)氣象局，成都 611133）

引言

地質災害直接造成人員傷亡和財產(chǎn)損失， 間接可能導致整個經(jīng)濟系統(tǒng)功能衰退，社會結構破壞，進而造成社會動蕩不安。根據(jù)中國地質調查局的統(tǒng)計數(shù)據(jù)，2007—2020 年全國共發(fā)生地質災害14 萬余次，造成直接經(jīng)濟損失693 億元，導致6424 人死亡。氣象地質災害是指由典型氣象條件作為觸發(fā)因子從而導致的山體滑坡，泥石流，崩塌等災害，常常造成人類生命財產(chǎn)和自然環(huán)境的極大損失。氣象地質災害主要由降水引發(fā)，在其余條件相同的情況下大的降雨量更易導致氣象地質災害的發(fā)生[1-5]。Chae 等[6]、杜強等[7]、張珍等[8]、白愛娟等[9]均研究指出滑坡的主要誘發(fā)因素是臺風、短時暴雨以及長時間連續(xù)降水等。孫蕊等[10]通過分析四川省滑坡泥石流地質災害的致災因子危險性、孕災環(huán)境敏感性和承災體脆弱性，構建了四川省降水誘發(fā)型滑坡泥石流風險評估指標體系。宋光齊等[11]研究了不同氣象要素對氣象地質災害發(fā)生的影響程度，建立了致災因素概率模型。賀拿等[12]利用白鶴灘水電站泥石流活動區(qū)歷史資料和相應降水資料，研究了誘發(fā)泥石流的臨界降水閾值，確定8.84 mm、18.78 mm 分別作為該地區(qū)10 min、1 h 泥石流預警指標。閔穎等[13]為了能更深入了解泥石流破壞程度，在等級劃分的基礎上，建立了不同區(qū)域的泥石流災害預警模型。國外的一些學者也對滑坡、泥石流等災害的降水閾值開展了相關研究，大多對已有經(jīng)驗公式進行本地化修正，得出更適用的臨界閾值經(jīng)驗公式[14-16]。另外，針對無水文資料的山區(qū)，潘華利等[17]通過分析當?shù)亟邓畻l件和下墊面條件，建立適當?shù)哪Ｐ凸接嬎隳嗍黝A警雨量閾值。

若爾蓋地處青藏高原東部，阿壩藏族羌族自治州以北，平均海拔為3500 m，是長江黃河地區(qū)重要的水源保育地[18]。若爾蓋縣擁有69%的純牧區(qū)，在經(jīng)濟、旅游方面都有很大的優(yōu)勢。黃河和長江分水嶺將若爾蓋劃分為東西兩個部分；東部地形梯度大，地勢復雜；西部多為草原濕地，地勢較為平坦。近年來，在氣候變暖背景下，若爾蓋地區(qū)由降水誘發(fā)的氣象地質災害頻繁發(fā)生。2007—2020 年若爾蓋地區(qū)共發(fā)生77起氣象地質災害，其中大型險情2 起，特大型1 起，造成了嚴重的經(jīng)濟損失和人員傷亡。因此，進一步加強該地區(qū)的氣象地質災害研究，建立預警機制已成為當務之急。目前，針對四川地區(qū)氣象地質災害的相關工作已取了若干進展[19-22]，但若爾蓋地區(qū)的研究成果并不多見。為此，本文選取若爾蓋12 個區(qū)域自動站逐時降水數(shù)據(jù)和歐洲中心ERA5-Land 逐日降水數(shù)據(jù)，在分析2007—2020 年若爾蓋地區(qū)氣象地質災害的基礎上，采用相關分析、邏輯回歸等方法，構建氣象地質災害預警模型，旨在提高若爾蓋地區(qū)氣象地質災害預報預警技術水平。

1 資料和方法

1.1 研究區(qū)域概況

若爾蓋（102°08′～103°39′E，32°56′～34°19′N）位于阿壩藏族羌族自治州，占地面積達到10620 km2，屬于高原溫帶濕潤季風氣候[18]；年平均氣溫達1.1 ℃，年均降雨量為685.6 mm[23]；降水充沛，主要集中在夏秋季，5—10 月降水量占全年的88%，絕大多數(shù)降水發(fā)生在夜間[24]。若爾蓋地形復雜，河谷深切，形成了山高坡陡的地勢條件，各地區(qū)海拔相差懸殊[25]。

1.2 數(shù)據(jù)來源

本文使用的氣象站點數(shù)據(jù)、氣象地質災害數(shù)據(jù)由若爾蓋縣氣象局提供，包括12 個區(qū)域自動氣象站從建站到2021 年12 月的逐小時降水數(shù)據(jù)，2007—2021年若爾蓋縣各地區(qū)地質災害發(fā)生時間、地點、災情數(shù)據(jù)；ERA5-Land 逐日降水數(shù)據(jù)由歐洲中心（https://www.ecmwf.int）提供，空間分辨率為0.1°×0.1°；若爾蓋地區(qū)DEM 高程影像數(shù)據(jù)由地理空間數(shù)據(jù)云（http://www.gscloud.cn）提供。

1.3 研究方法

1.3.1 有效降水量

有效降水量計算公式：

式中：Kc為前c天有效降水量； α為有效降水系數(shù)，表征巖土體對雨水滯留能力的大小，一般取0.65～0.85，本文取0.84[26]；Rn表示第n天降雨量。

1.3.2 相關系數(shù)

本文利用皮爾遜相關系數(shù)計算不同的前期累計降水量與氣象地質災害的相關性，計算公式如下：

式中：r表示皮爾遜相關系數(shù)；Xi表示X變量的第i個數(shù)據(jù)；Yi表示Y變量的第i個數(shù)據(jù)；、分別為X、Y變量的平均值；n代表樣本總數(shù)。相關系數(shù)可衡量變量的相關性，相關系數(shù)在0.8～1.0 之間表示極強相關；0.6～0.8 表示強相關；0.4～0.6 表示中等程度相關；0.2～0.4 表示弱相關；0.0～0.2 表示無相關[27]。

1.3.3 邏輯回歸

Logistic 回歸模型是生物數(shù)學家Verhulst 提出的二分類因變量常用統(tǒng)計分類方法，可用于對氣象地質災害的統(tǒng)計和分析[28]。

二元Logistic 回歸進行Logistic 變換，具體公式如下：

式中：X1，X2，···，Xi表示影響若爾蓋氣象地質災害發(fā)生的因子； β0，β1，···βi為對應的 logistic 回歸系數(shù)。

Logistic 回歸描述的是某事件發(fā)生的概率與影響因子之間的關系[29]，常用于分析二分類因變量（如發(fā)生和未發(fā)生）或多自變量的關系，以及某些因素與是否發(fā)生某災害相關[30]，具有形式簡單、預測效果好、可解釋性強、訓練速度快等優(yōu)點，能更好地調整輸出結果。對比Logistic 回歸和多元線性回歸，最大的不同是多元線性回歸為連續(xù)變量，而Logistic 回歸是二分類變量或多分類變量，更適合于構建若爾蓋氣象地質災害模型。

2 若爾蓋地質災害時空分布

2.1 時間變化特征

根據(jù)2007—2020 年若爾蓋的氣象地質災害統(tǒng)計數(shù)據(jù)，圖1 給出了若爾蓋氣象地質災害發(fā)生次數(shù)年際變化。如圖所示，2007—2020 年若爾蓋地區(qū)共發(fā)生77 次氣象地質災害，其中2007 年發(fā)生次數(shù)最多（22 次），占總數(shù)的28.6%，其次是2013 年發(fā)生15 次，占總數(shù)的19.48%。圖2 給出了若爾蓋地區(qū)降水量和氣象地質災害發(fā)生次數(shù)月際變化。如圖所示，氣象地質災害多發(fā)生在6—8 月，合計占總數(shù)的88.3%，尤其是7 月發(fā)生次數(shù)最多（49 次），占總數(shù)的63.6%，其次是8 月發(fā)生12 次，占比為15.6%?？梢?，若爾蓋地區(qū)氣象地質災害主要是由降水引發(fā)。

圖1 2007—2020 年若爾蓋氣象地質災害發(fā)生次數(shù)年際變化

圖2 2007—2020 年若爾蓋降水量和氣象地質災害發(fā)生次數(shù)月際變化

2.2 空間分布特征

若爾蓋包含了7 個鎮(zhèn)、6 個鄉(xiāng)以及1 個牧場(白河牧場)，地勢陡峭，地形錯綜復雜。圖3 是2007—2020 年若爾蓋氣象地質災害空間分布。如圖所示，若爾蓋氣象地質災害主要集中發(fā)生在占哇鄉(xiāng)、鐵布鎮(zhèn)、包座鄉(xiāng)、降扎鄉(xiāng)、求吉鄉(xiāng)、紅星鎮(zhèn)、阿西鎮(zhèn)。統(tǒng)計上述區(qū)域近14 a 氣象地質災害發(fā)生頻次（表1）可知：鐵布鎮(zhèn)和降扎鄉(xiāng)氣象地質災害發(fā)生最為頻繁，鐵布鎮(zhèn)（21 次）占總數(shù)的27.3%，降扎鄉(xiāng)（17 次）占總數(shù)的22%；其次是占哇鄉(xiāng)發(fā)生14 次，求吉鄉(xiāng)發(fā)生9 次；少數(shù)分布在阿西鎮(zhèn)、巴西鎮(zhèn)，紅星鎮(zhèn)，求吉鄉(xiāng)，包座鄉(xiāng)。結合地形可知，多發(fā)區(qū)均位于山區(qū)，地貌復雜且坡度大，地勢由南向北傾斜，降水較多，有利于氣象地質災害發(fā)生，而少發(fā)區(qū)地勢平坦不易發(fā)生氣象地質災害。

表1 2007—2020 年若爾蓋縣氣象地質災害易發(fā)區(qū)的災害發(fā)生頻次

圖3 2007—2020 年若爾蓋（a）氣象地質災害空間分布和（b）災害易發(fā)區(qū)（該圖基于國家測繪地理信息局標準地圖服務網(wǎng)站下載的審圖號為GS(2019)3333 號的標準地圖制作，底圖無修改，下同）

3 影響若爾蓋氣象地質災害要素分析

3.1 降水對氣象地質災害影響

圖4 為若爾蓋地區(qū)2007—2020 年夏季降水量空間分布。若爾蓋地區(qū)年降水量為700～950 mm，汛期在夏季（6—8 月），夏季降水占全年的32%～50%。如圖所示，若爾蓋地區(qū)夏季降水量自西向東呈遞增趨勢，氣象地質災害多發(fā)生在降水量高的地區(qū)。

圖4 2007—2020 年若爾蓋夏季降水量空間分布

為了深入探討氣象地質災害的成因，利用皮爾遜相關系數(shù)方法，對氣象地質災害事件（P）與災害發(fā)生前第n 日的降雨量（Rn）以及前期有效降雨量進行分析。將若爾蓋地區(qū)77 起氣象地質災害事件的發(fā)生災害點定義為 P=1 ，再根據(jù)圖5 隨機選取2007 —2021年77 個沒有發(fā)生氣象地質災害點定義為P=0。

圖5 若爾蓋氣象地質災害點和隨機點分布

采用皮爾遜相關系數(shù)，對是否發(fā)生氣象地質災害與降水因子進行相關性分析，選取顯著性通過0.05 的降雨因子為主要誘發(fā)因素。進行相關分析的降水因子有：當日降水量（R0）、氣象地質災害發(fā)生前第1 日降水量（R1）、第 2 日降水量（R2）、···、第 10 日降水量（R10），以及前3 日有效降水（K3）、前7 日有效降水（K7）、前15 日有效降水（K15）。

如表2 所示，氣象地質災害當日降水量和發(fā)生前第1 日、第2 日、第4 日、第5 日、第6 日、第7 日、第8 日、第9 日降水量均通過 0.01 水平的顯著性檢驗，災害發(fā)生當日降水量和發(fā)生前第5 日降水量均通過0.05 水平的顯著性檢驗，災害發(fā)生前第8 日降水量與氣象地質災害是否發(fā)生的相關性最高為0.56。如表3所示，氣象地質災害發(fā)生前3 日、5 日、7 日、10 日、15 日有效降水量均通過了0.01 水平的顯著性檢驗，其中前15 日有效降水量與是否發(fā)生氣象地質災害相關性最高為0.592。結合表2 和表3，本文選取前15 日有效降水量作為研究降水誘發(fā)氣象地質災害的主要因子。

表2 是否發(fā)生氣象地質災害與前期降水量相關性

表3 是否發(fā)生氣象地質災害與有效降水量相關性

3.2 高差和坡度對氣象地質災害影響

高差是影響氣象地質災害的主要因素之一。同一坡度下，高差越大，山體越不穩(wěn)定，越容易發(fā)生氣象地質災害。坡度表征斜坡的穩(wěn)定性和其表面物質的厚度，坡度越大對應坡面越不穩(wěn)定。在重力作用下，地表受到的牽引力越大，越容易向下滑動造成氣象地質災害[31]。

圖6 和圖7 分別給出了是若爾蓋地區(qū)高差和坡度空間分布。如圖6 所示，若爾蓋地區(qū)氣象地質災害多發(fā)生在東部，這些地區(qū)高度差較大，坡度陡峭，地貌復雜，地勢由南向北傾斜，更有利于氣象地質災害發(fā)生；而其它區(qū)域地形相對平緩，氣象地質災害發(fā)生相對較少。如圖7 所示，若爾蓋氣象地質災害多發(fā)生在坡度大于10 °且高差大于20 m 的地區(qū)。

圖6 若爾蓋高差空間分布

圖7 若爾蓋坡度空間分布

3.3 河流對氣象地質災害影響

河流對氣象災害和地質災害有兩種影響：一是誘發(fā)災難，由于水流沖刷河流兩岸的抗侵蝕能力較弱，巖體缺乏穩(wěn)定性，容易發(fā)生氣象地質災害；二是河流影響周邊環(huán)境，河流兩岸適合人類居住，人類工程建設活動頻繁[31]。因此，距河流越近，地質越發(fā)松散，不穩(wěn)定性越強，越容易發(fā)生氣象地質災害。圖8 為若爾蓋地區(qū)河流矢量空間分布。如圖所示，災害點大多分布在河流區(qū)域附近，且集中在距河流距離小于2000 m的區(qū)域。

圖8 若爾蓋河流矢量空間分布

4 若爾蓋氣象地質災害預警模型構建

4.1 模型構建

在選擇指標時，首先考慮前期的資料樣本，然后根據(jù)相關研究成果和實地考察，確定了坡度、前15 日有效降水、高差以及距河流距離作為評價指標（圖9）。

圖9 氣象地質災害易發(fā)程度評價指標體系

根據(jù)Logistic 模型計算結果參數(shù)（表4），氣象地質災害是否發(fā)生與坡度、高差和前15 日有效降水為正相關性，與距河流距離呈負相關；坡度、高差、距河流距離、前15 日有效降水均通過0.05 水平的顯著性檢驗，可用于評價指標體系；坡度、高差和前15 日有效降水的偏回歸系數(shù)大于0 說明坡度、高差和降水量增加是危險因素，易引起氣象地質災害；距河流距離偏回歸系數(shù)小于0 說明距河流距離增大是保護因素，不易引發(fā)氣象地質災害。可見，坡度增大將增加氣象地質災害發(fā)生的風險，具有統(tǒng)計學意義（Exp(B)=1.167，95%置信區(qū)間為1.002～1.360，P＜0.05）；高差越高災害發(fā)生風險性越高，具有統(tǒng)計學意義（Exp(B)=1.062，95%置信區(qū)間為1.003～1.125，P＜0.05）；距河流越近，氣象地質災害越容易發(fā)生，其差異具有統(tǒng)計學意義（Exp(B)=0.342，95%置信區(qū)間為0.195～0.597，P＜0.001）；降水越充沛的地方，氣象地質災害發(fā)生風險性越高，其差異具有統(tǒng)計學意義（Exp(B)=1.136，95%置信區(qū)間為1.064～1.213，P＜0.001）。

表4 Logistic 模型計算結果參數(shù)

通過 Logistic 模型計算結果，得出回歸方程為：

式中：X1為坡度，X2為高差，X3為距河流距離，X4為前15 日有效降水。

4.2 模型效果檢驗

ROC（Receiver Operating Characteristic Curve）曲線主要評價指標的分類效果，同時ROC 曲線可用于全局性評估[32]。樣本的不均勻分布和錯誤分類常常會影響模型的評價結果[33]，而ROC 曲線能解決這些問題，在模型和算法的評價、優(yōu)化中具有一定的優(yōu)勢[34]。

ROC 曲線以虛報概率FPR（ 1-特異性）為X 軸，以擊中概率TPR （敏感性）作為Y 軸，綠色對角線（FPR=TPR）表示辨別力為0，ROC 曲線離這條線越遠（近）則辨別力越強（弱）。ROC 曲線下方面積表示預測的準確性，稱為AUC 值。AUC 越高（低），表征預測準確率越高（低）。AUC 值范圍是[0, 1]；當AUC＞0.5 時，具有預測價值；當 AUC＞0.7 時，預測準確性高[35]。圖10給出了若爾蓋氣象地質災害模型的ROC 曲線。如圖所示，ROC 曲線離對角線較遠，表示模型的辨別能力較強，AUC=0.981 反映出模型準確值高，具有較高的預測診斷價值。

圖10 若爾蓋氣象地質災害模型的 ROC 曲線分布

4.3 實例驗證

根據(jù)上文分析可知，若爾蓋氣象地質災害多發(fā)生在坡度大于10°，高差大于20 m，距河流距離小于2000 m 以及降水量大的地區(qū)。而隨機點的分布具有隨機性和不確定性，為保證模型的準確性，在ROC 曲線驗證的基礎上增加實例驗證。選取2021 年8 個若爾蓋未發(fā)生氣象地質災害的點進行實例驗證（表5）。結果表明，若爾蓋未發(fā)生氣象地質災害的點在邏輯回歸模型中概率也小于0.5，證明模型準確度較高，具有診斷價值。

表5 若爾蓋未發(fā)生氣象地質災害點實例驗證

5 結論

本文選取若爾蓋12 個區(qū)域自動站逐時降水數(shù)據(jù)和歐洲中心ERA5-Land 逐日降水數(shù)據(jù)，分析2007—2020 年若爾蓋發(fā)生的77 起氣象地質災害，并采用相關分析、邏輯回歸等方法，構建若爾蓋氣象地質災害預警模型，得到以下主要結論：

（1）若爾蓋氣象地質災害發(fā)生次數(shù)年際變化大，多發(fā)生在6—8 月，合計占發(fā)生總數(shù)的88.3%。這主要是由于若爾蓋地區(qū)6—8 月為汛期，極易出現(xiàn)由降水引發(fā)的氣象地質災害。

（2）2007—2020 年若爾蓋地區(qū)共發(fā)生77 次氣象地質災害，其中2007 年發(fā)生次數(shù)最多，為22 次，占總數(shù)的28.6%，其次是2013 年發(fā)生15 次，占總數(shù)的19.48%。

（3）若爾蓋氣象地質災害主要集在求吉河流域的求吉鄉(xiāng)、阿西鎮(zhèn)、包座鄉(xiāng)和白龍江流域的紅星鎮(zhèn)、降扎鄉(xiāng)、占哇鄉(xiāng)、鐵布鎮(zhèn)，尤其是鐵布鎮(zhèn)和降扎鄉(xiāng)發(fā)生最為頻繁，分別是21 次和17 次。

（4）降水對若爾蓋氣象地質災害有極大影響，氣象地質災害多發(fā)生在降水量高的地區(qū)，并與前15 日有效降水關系最為密切，相關系數(shù)高達0.6，通過了0.05 水平的顯著性檢驗。

（5）高差、坡度和距河流距離是影響氣象地質災害的主要因素。高差越大，山體越不穩(wěn)定；坡度越大，坡面越不穩(wěn)定；距河流越近，地質越松散。若爾蓋氣象地質災害多發(fā)生在坡度大于10 °、高差大于20 m且距河流距離小于2000 m 的區(qū)域。

（6）利用高差、坡度、距河流距離和前15 日有效降水量，可以構建出預測準確率較高的邏輯回歸模型，能對若爾蓋氣象地質災害進行有效預測。