狄靖月 王 志 田 華 謝 凱 楊曉丹 陳 輝 許鳳雯

1)(國家氣象中心，北京100081)2)(中國氣象局公共氣象服務中心，北京100081)

?

降水引發(fā)的西南地區(qū)公路損毀風險預報方法

狄靖月1)2)王 志2)*田 華2)謝 凱2)楊曉丹2)陳 輝2)許鳳雯1)2)

1)(國家氣象中心，北京100081)2)(中國氣象局公共氣象服務中心，北京100081)

降水引發(fā)公路沿線滑坡、泥石流及其他災害頻繁發(fā)生，已成為引發(fā)公路損毀的最重要因子之一。該文利用2007年1月—2013年7月區(qū)域(云、貴、川、渝4個地區(qū))公路損毀災害數據、基礎地理信息數據及國家氣象中心降水量歷史資料，通過對災害發(fā)生頻次、降水量等資料的統(tǒng)計分析，初步探討降水與公路損毀災害的關系，并重點針對公路損毀的降水影響因子(即前期有效降水和損毀災害發(fā)生當日降水)，開發(fā)具有普適性的公路損毀概率密度函數及其概率擬合方程，建立公路損毀災害概率預報模型；綜合公路損毀災害風險區(qū)劃信息(即災害危險性等級)與降水的等級臨界閾值(即降水危險性等級)，建立區(qū)域公路損毀的危險性分級預警方案，得出綜合的西南地區(qū)公路損毀風險預報模型，以1～5級劃分,分別為災害發(fā)生可能性極小、災害發(fā)生可能性較小、災害發(fā)生可能性中等(注意)、災害發(fā)生可能性較大(預警)、災害發(fā)生可能性極大(警報)。該預報方法結合降水危險性等級及公路損毀災害危險性等級，明顯優(yōu)于僅考慮閾值降水量的判別方法。

公路損毀； 風險預報； 概率預報

引 言

在全球變暖的大背景下，極端天氣事件頻發(fā)，臺風、暴雨、洪澇等氣象災害及其引發(fā)的山體滑坡、泥石流等次生災害對公路交通的影響日趨嚴重。其中，由降雨引發(fā)的公路沿線滑坡、泥石流及其他災害更是頻繁發(fā)生，已成為引發(fā)公路損毀的最重要因子之一。

2005年中國氣象局與交通運輸部聯合開展了公路交通氣象預報服務。但到目前為止，降水引發(fā)的公路損毀預報方法方面還是空白，而且公路交通氣象服務對公路的運行和養(yǎng)護有十分顯著的影響，并一直受到氣象部門和公路部門的關注。

一般來說，在有較為充分的前期降水條件下，如果出現突發(fā)性暴雨，則爆發(fā)滑坡、泥石流等地質災害及其他災害的可能性非常大，以此帶來的公路損毀發(fā)生概率大大增加。若前期降水非常充沛，下墊面含水量已達一定程度，則即使較小的降水也極有可能激發(fā)滑坡、泥石流等地質災害導致公路損毀。因此，許多災害預報模型不僅包含臨近數小時的降水因子，也包含前期降水因子[1-2]。

過去眾多滑坡、泥石流等地質災害預報的研究，通常是將地質災害預報簡化為降水量與滑坡、泥石流等地質災害發(fā)生(如閾值雨量)的簡單判別關系，便于運作和實施預報分析[3-8]。在理論和方法上，國內外學者已對公路自然區(qū)劃、地質災害風險及預報、公路災害監(jiān)測與評估等開展很多工作。但降水引起的公路損毀研究是一個多學科交叉的新應用科學流域，特別是降水引起的公路損毀預測技術研究目前鮮見報道。如何針對降水引起的公路損毀的特殊性，將強降水、地質環(huán)境、公路有效結合，研究降水引起的公路損毀災害的科學內涵和預報方法，仍是尚未解決的難題。

本文通過對降水量(當日、前2 d、前3 d、前4 d、前5 d、前6 d、前7 d、前15 d等降水)與各類公路損毀災害發(fā)生關系的研究，確立公路損毀降水特征的影響因子，依據公路損毀風險區(qū)劃、主觀降水預報、數值天氣預報、前期實況降水等，建立公路損毀概率預報的模型。最后，基于公路損毀災害風險區(qū)劃信息，建立預警區(qū)危險性等級預報系統(tǒng)。

1 研究區(qū)域和資料

本文選取易發(fā)生公路損毀的云、貴、川、渝4個地區(qū)為研究區(qū)域。

災害資料來自全國公路損毀災害數據及基礎地理信息數據，2007年1月—2013年7月云、貴、川、渝公路損毀信息。 2007年1月—2013年7月國家氣象中心降水量資料，即每日全國08：00(北京時，下同)和20:00的24 h加密日降水量資料和全國6 h 降水量資料；2012年和2013年國家氣象中心未來24 h降水落區(qū)預報資料和數值天氣預報。

2 研究方法

2.1 降水影響因子選取

前期有效降水和當日降水等因子是引發(fā)滑坡、泥石流等帶來的公路損毀災害的關鍵因子。在降水與各類公路損毀發(fā)生的關系初步分析基礎上，選取以下8個降水量作為降水影響因子[9-11]：

①影響因子1，災情發(fā)生當日24 h降水量。實際預報中采用中央氣象臺24 h降水量實況。若災害發(fā)生在當日夜晚，取當日20:00的24 h降水量實況；若災害發(fā)生在當日白天，取當日08:00的24 h降水量實況；若災害發(fā)生信息有明確時次，則以最接近災害發(fā)生的前6 h的降水量資料累加獲取24 h降水量。

②影響因子2，災情發(fā)生前2 d累積降水量。考慮到公路損毀有一定的夜發(fā)性，24 h以前的降水量非常重要。需要特別指出的是，考慮到實際應用，公路損毀預報一般下午開始制作，當時只能獲得14:00以前的降水量實況，因此，在計算24 h降水量時，當日14:00—20:00的6 h降水量采用國家氣象中心全球數值天氣預報模式降水量預報代替。

③影響因子3、影響因子4、影響因子5、影響因子6與影響因子7分別為前3 d、前4 d、前5 d、前6 d、前7 d的累積降水量。

④影響因子8，前15 d有效降水量，其計算公式如下：

(1)

式(1)中，RA表示有效降水量，Ri表示從災害發(fā)生時次的當日算起(災害發(fā)生當日，i=0;災害發(fā)生前1 d,i=1;前2 d，i=2)的降水量，K為遞減系數，本研究取K=0.8。在選取的8個影響因子中，前15 d有效降水量影響因子作為一個反映總降水量的物理量，能很好表征災害發(fā)生前期降水量是否充分，因此,將該影響因子作為必選因子，其他影響因子作為備選因子，進行相關性分析。

針對選取的這些影響因子，進行Kendall相關系數分析。Kendall相關系數是一個用來測量兩個隨機變量相關性的統(tǒng)計值(以Maurice Kendall命名)。Kendall檢驗是一個無參數假設檢驗，采用計算所得相關系數檢驗兩個隨機變量的統(tǒng)計依賴性。Kendall相關系數τ的取值范圍為-1～1，當τ=1時，表示兩組隨機變量擁有一致的等級相關性；當τ=-1時，表示兩組隨機變量擁有完全相反的等級相關性；當τ=0時，表示兩組隨機變量是相互獨立的。當0.3<|τ|<0.5時，表示兩組隨機變量低度相關；當0.5<|τ|<0.8時，表示兩組隨機變量顯著相關；當0.8<|τ|<1時，表示兩組變量高度相關，存在近似線性關系。

預報因子之間存在近似線性關系時，說明因子間存在復共線性，由于回歸分析中，自變量因子的復共線性狀態(tài)會使回歸方程處于“病態(tài)”，這種“病態(tài)”的后果是回歸系數估計變得十分不穩(wěn)定,甚至不合理，因此，為避免預報因子之間存在復共線性，應選取相關系數低的預報因子進入模型，因子1～7與因子8的Kendall相關系數分別為0.600,0.733,0.794,0.826,0.832,0.763,0.693，達到0.01顯著性水平。其中，相關系數最低的是影響因子1，即災情發(fā)生當日(24 h)降水量，這在一定程度上表征了臨近損毀發(fā)生前的降水特征。其他影響因子與影響因子8的相關性普遍較高，需予以剔除。本文最終選取災害當日降水和前15 d有效降水參與建模。

2.2 降水數據正態(tài)化處理

由于均一性檢驗、統(tǒng)計理論等都建立于固有假設的基礎上，均要求進行分析計算的數據服從正態(tài)分布，而對于一般降水數據而言，具有明顯非正態(tài)分布性質，因此，數據變?yōu)檎龖B(tài)化(或者準正態(tài)化)成為非常重要的問題。目前主要用到的數據變換為對降水量序列進行開平方、開立方處理，對數變換，Box-Cox變換和Johnson變換等，以提高降水量序列的正態(tài)性，本文參考文獻[12-16]的方法，將前15 d有效降水和損毀災害發(fā)生當日降水進行開立方處理，使降水數據較為集中并提高降水序列的正態(tài)性。公式如下：

(2)

式(2)中，RB為有效降水量或當日降水量(單位：mm)，C=1 mm,RX為經正態(tài)化的降水因子(以下簡稱降水因子)。

2.3 公路損毀災害發(fā)生頻次擬合

以公路損毀的前15 d有效降水因子序列為例，降水因子序列的最大值RXmax和最小值0，將降水序列分成50份，每一份的降水間隔X=RXmax/50，計算每個降水段內公路損毀發(fā)生頻次占總的公路損毀發(fā)生頻次的概率密度Y。根據降水因子及損毀災害發(fā)生的頻次分布散點信息，分別進行高斯擬合、傅里葉擬合和多項式擬合[17-18]。

從3組擬合曲線(圖1)的擬合參數發(fā)現，高斯曲線擬合的相關度從確定系數指標上看,均優(yōu)于其他兩種擬合方法，而從兩項誤差評價上，明顯小于其他兩種擬合方法(表1)。

圖1 降水因子與公路損毀災害發(fā)生頻次的關系Fig.1 Illustration of precipitation factor and frequency distribution of road damages

擬合類型誤差平方和確定系數調節(jié)確定系數均方根誤差高斯擬合0.055060.91440.91080.03423傅里葉擬合0.064930.89910.89250.03757多項式擬合0.180600.71930.70730.06199

因此，使用高斯函數對數據點集進行函數逼近擬合，采用的擬合高斯分布曲線公式見式(3)，同時，對式(3)進行積分處理得到概率預報公式(4)。

(3)

(4)

對已選取的兩個降水因子序列(前15 d有效降水因子和損毀災害發(fā)生當日降水因子)和對應的公路損毀災害發(fā)生頻次分布情況分別進行高斯擬合，依據擬合確定性系數，兩個降水因子進行不等權平均，獲取一個綜合的降水因子。在這3個降水因子的基礎上，分別建立概率密度方程，發(fā)現前15 d有效降水因子與公路損毀災害發(fā)生頻次的擬合度最高，綜合降水因子的擬合度次之，前24 h降水因子與公路損毀災害發(fā)生頻次的擬合度最差。

3 區(qū)域公路損毀概率預報模型建立

假設在研究區(qū)域內，發(fā)生地質災害公路損毀的其他潛在條件都相似，降水量是決定公路損毀發(fā)生的唯一因素，這樣可以根據各區(qū)內的降水量與地質災害發(fā)生之間的統(tǒng)計關系建立分區(qū)預報方程[18-19]。選取不同的降水因子，構建各降水因子及綜合降水因子的概率密度函數，根據對歷史資料的統(tǒng)計，得出當前降水因子導致的損毀災害發(fā)生概率，并分別針對某一預警區(qū)域建立降水引發(fā)損毀的概率預報模型。

我國的地質災害具有廣域性和地域差異性，由此帶來的公路損毀災害也與地質條件密不可分。無論從災害點分布密度，還是災害發(fā)生頻次上看，我國南部都重于北部，尤其是西南地區(qū)幾乎每年雨季均有多次滑坡、泥石流災害出現，同時，西南地區(qū)交通是我國第二階梯，海拔高，多高原山地，道路艱險且曲折，整體的交通還是以山路公路為主?；?、泥石流等公路損毀災害嚴重，因此，本文建立了云、貴、川、渝地區(qū)的區(qū)域公路損毀概率預報模型。

3.1 基于前15 d有效降水因子的預報模型

基于前15 d有效降水因子及損毀災害發(fā)生頻次分布的高斯擬合曲線(圖2)，得到區(qū)域公路損毀概率預報模型公式如下：

(5)

圖2 有效降水因子與區(qū)域公路損毀災害發(fā)生頻次Fig.2 Illustration of effective precipitation factor and frequency distribution of regional road damages

3.2 基于綜合降水因子的預報模型

基于綜合降水因子及損毀災害發(fā)生頻次分布的高斯擬合曲線(圖3)，得到區(qū)域公路損毀概率預報模型公式如下：

(6)

3.3 基于當日降水因子的預報模型

基于當日降水因子及損毀災害發(fā)生頻次分布的高斯擬合曲線(圖4)，得到區(qū)域公路損毀概率預報模型公式如下：

(7)

圖3 綜合降水因子與區(qū)域公路損毀災害發(fā)生頻次的關系Fig.3 Illustration of composite precipitation factor and frequency distribution of regional road damages

圖4 當日降水因子與區(qū)域公路損毀災害發(fā)生頻次的關系Fig.4 Illustration of current precipitation factor and frequency distribution of regional road damages

綜合評價基于有效降水因子、綜合降水因子及當日降水因子3種降水因子的概率預報模型，從3種模型的參數看，參數a和b逐漸增大，參數c逐漸減小，說明降水因子的平均值呈增大趨勢，降水因子的方差呈減小趨勢。當降水因子為某值時(在本文中，該值為區(qū)域內所有災害點有效降水的平均值)，發(fā)生損毀災害的頻率非常大，本文3種降水因子的平均值逐漸變大，說明3種模型中，引發(fā)損毀災害的降水因子在逐漸增大；同時，σ越小，說明災害分布越集中在平均值附近，σ越大，分布越分散。對3種降水因子的概率預測模型分別進行評價(表2)。根據3種模型的誤差平方和、均方根誤差、確定系數及調節(jié)確定系數，同時依據前人引用有效降水建立模型，本文選取基于有效降水的模型作為區(qū)域公路損毀概率預報模型之一(以下簡稱模型Ⅰ)，另考慮滑坡、泥石流等地質災害與發(fā)生前的臨近降水量有重要關系，因此，增加選取基于綜合降水的模型作為公路損毀概率預報模型之一(以下簡稱模型Ⅱ)，以強調災害發(fā)生前24 h降水量的重要性，最終建立兩個區(qū)域公路損毀災害概率預報曲線(圖5)，共建立兩套預報模型，分別表征某一降水因子對應的公路損毀災害概率預報值。

表2 3種模型評價Table 2 Evaluation of three models

圖5 基于有效降水因子和綜合降水因子的區(qū)域公路損毀概率預報曲線(a)基于有效降水因子，(b)基于綜合降水因子Fig.5 Probabilistic forecast curve of regional road damages based on effective precipitation factor(a) and composite precipitation factor(b)

4 公路損毀風險預報方法

在之前的假設中，認為研究區(qū)域內，發(fā)生地質災害公路損毀的其他潛在條件相似，降水量是決定公路損毀發(fā)生的唯一因素。而實際發(fā)生地質災害的地理、地質條件不同，災害發(fā)生的地理、地質因素也很重要，僅考慮降水導致災害預報的可靠性和準確性大大降低。而將災害危險性預測信息和降水量信息相結合，確定災害的空間預警區(qū)劃指標和等級，這種以區(qū)域地質-氣象信息耦合的災害預警預報模式，使預測結果具有時間和空間上的統(tǒng)一，是進行災害預警預報的一種行之有效的方法。

由于公路損毀的概率預報模型，國內做得較少，本文根據前人分析方法，在建立模型時，將災害發(fā)生概率為10%，25%，50%，75%和95%分別定義為可能性極小、可能性較小、可能性中等、可能性較大、可能性極大的臨界概率。這里的災害發(fā)生可能性僅表示降水量危險性等級。與這些概率值對應的因子取值作為災害發(fā)生該概率時的臨界值。降水量危險性等級分類如下：公路損毀災害發(fā)生概率Y，當Y<10%時，危險性為1，即降水量極低危險性等級；當10%≤Y<25%時，危險性為2，即降水量低危險性等級；當25%≤Y<50%時，危險性為3，即降水量中危險性等級；當50%≤Y<75%時，危險性為4，即降水量高危險性等級；當75%≤Y<95%時，危險性為5，即降水量極高危險性等級；當Y≥95%時，災害幾乎必然發(fā)生，直接取為5。

由于各地的地理、地質條件如高程、坡度、最大高程差、工程巖性、斷層密度、植被覆蓋等有巨大差異，同樣的降水量危險性分級方案不能適用于各個地方，因此，基于這些因子的公路損毀風險分區(qū)的建立尤為重要，本文參考殷坤龍等[20]的預警區(qū)等級初步劃分方案，即最終的公路損毀預警等級由降水量危險性等級和公路損毀災害危險性等級兩個指標共同決定(表3)，公路損毀災害危險性等級，以1～5級劃分，分別表示不同的預警級別。表4給出了不同預警等級含義、對應的災害發(fā)生可能性及相應的防御措施[21]。

表3 預警區(qū)等級初步劃分表Table 3 Warning classification

表4 預警等級含義、對應的災害發(fā)生可能性及其防御措施Table 4 Meaning of warning classification, the possibility of disaster and defensive measures

針對云、貴、川、渝的公路損毀概率預報模型的建立，本文認為這4個地區(qū)整體的損毀災害危險性等級處于中危險區(qū)，其風險等級較為一致，因此，統(tǒng)一采用區(qū)域公路損毀概率預報模型，將西南地區(qū)公路損毀風險預報分為1～5級(表3)：降水量危險性等級為極低危險性時，為1級預警區(qū)，即發(fā)生災害可能性極??；降水量危險性等級為低危險性時，為2級預警區(qū)，即災害發(fā)生可能性較小；降水量危險性等級為中危險性時，為3級預警區(qū)，即災害發(fā)生可能性中等；降水量危險性等級為高危險性時，為4級預警區(qū)，即災害發(fā)生可能性較大；降水量危險性等級為極高危險性時，為5級預警區(qū)，即災害發(fā)生可能性極大。

5 風險預報方法檢驗

選取2012年7月—2013年7月的107個公路損毀災害樣本，研究在107個實際災害點上的模型預報情況，檢驗模型Ⅰ和模型Ⅱ對于災害發(fā)生的預報情況(表5)。模型Ⅰ預報3級及以上預警次數為88次，占總發(fā)生次數的81%，模型Ⅱ預報3級及以上預警次數為94次，占總發(fā)生次數的87%，兩個模型預報4級及以上預警的次數均為41次，占總次數的38%。由此可見，兩種模型對于預報的命中率很高，在預報員預報過程中都有較強的參考意義，相比較而言，模型Ⅱ比模型Ⅰ預報的有效次數略多一些，在汛期及災害多發(fā)期，模型Ⅱ有較強的指示作用[22-24]。

表5 2012—2013年公路損毀災害模型Ⅰ和模型Ⅱ的預報次數Table 5 Predictions of two models from 2012 to 2013

同時，為了驗證公路損毀預報模型的應用效果，選取2012年8月底四川省的1次降水過程對模型預報效果進行了個例檢驗。

5.1 天氣和公路損毀災情

2012年8月30日—9月1日，四川省部分地區(qū)降了暴雨和大暴雨。8月30日08：00—31日08：00自貢市富順縣龍萬鄉(xiāng)降水量為192.6 mm。8月31日08：00—9月1日08：00瀘州市納溪縣渠壩、巴中市南江縣的新民和大壩特大暴雨，降水量為261～279.5 mm。

受此次降水過程影響，8月31日—9月1日四川省富順、雷波、巴中、瀘定、南江、冕寧市境內的S207，S307，S101，S215，G318等公路發(fā)生多處崩塌、泥石流、滑坡地質災害，公路損毀嚴重。圖6是預報員針對8月30日—9月1日降水過程預報的逐日24 h降水。由圖6可見，8月30日08:00—31日08:00，預報的強降水主要位于四川盆地北部和中部，預報降水強度為大雨或暴雨。8月31日08：00—9月1日08：00，預報的強降水落區(qū)東移且范圍增大，預報的強降水主要位于四川盆地東部和北部，其中，四川盆地北部局地為大暴雨(100～140 mm)[25-26]。

圖6 未來24 h 主觀降水預報圖(a) 2012年8月30日08:00—31日08:00,(b)2012年8月31日08：00—9月1日08：00Fig.6 Illustration of 24 h subjective forecast(a)from 0800 BT 30 Aug to 0800 BT 31 Aug in 2012, (b)from 0800 BT 31 Aug to 0800 BT 1 Sep in 2012

5.2 公路損毀模型預報效果檢驗

以預報員主觀預報降水作為模型降水輸入因子，模型Ⅰ計算得出四川省2012年8月30日、8月31日、9月1日公路損毀發(fā)生概率(圖7),模型Ⅱ計算得出四川省8月30日、8月31日、9月1日公路損毀發(fā)生概率(圖8)。

圖7 模型Ⅰ公路損毀預報 (a)2012年8月30日, (b)2012年8月31日,(c)2012年9月1日Fig.7 Illustration of road damage forecast based on Model Ⅰ (a)30 Aug 2012, (b)31 Aug 2012,(c)1 Sep 2012

續(xù)圖7

由圖7可知， 8月30日模型預報的公路損毀發(fā)生可能性較大的區(qū)域主要位于四川省東北部和南部局部地區(qū)，可能性極大的區(qū)域主要位于四川省東北部的部分地區(qū)。8月31日隨著降水東移和范圍增大，可能性較大和極大的范圍也隨之增大，覆蓋四川省東北部和南部大部地區(qū)。9月1日模型預報的公路損毀可能性較大的范圍覆蓋四川省東部和南部大部地區(qū)，可能性極大的區(qū)域范圍和強度較前2 d明顯增大，四川東北部和東南部的部分地區(qū)概率高值可達90%以上，即災害幾乎必然發(fā)生。

由圖8可見，兩種模型總體預報的趨勢和強度非常一致，模型Ⅱ預報8月30日—9月1日也是一個發(fā)生損毀概率逐漸增大的過程，從范圍和強度上，模型Ⅱ預報范圍更大，概率值更高一些。

圖8 模型Ⅱ公路損毀預報 (a)2012年8月30日,(b)2012年8月31日,(c)2012年9月1日 Fig.8 Illustration of road damage forecast based on Model Ⅱ (a)30 Aug 2012, (b)31 Aug 2012,(c)1 Sep 2012

表6為損毀災害所在縣、市預報的公路損毀發(fā)生概率。由表6可知，8月31日—9月1日發(fā)生災害地區(qū)的公路損毀概率在50%以上。對于模型Ⅰ和模型Ⅱ， 8月30日公路損毀發(fā)生概率大部地區(qū)低于50%。8月31日—9月1日發(fā)生概率均逐漸增大，除瀘定和雷波外，其他地區(qū)都高于60%，其中，巴中、南江、冕寧、富順公路損毀概率達70%以上。降水是損毀預報模型的關鍵影響因子，由于預報的瀘定降水強度較實況降水明顯偏小，所以模型預報該市的公路損毀發(fā)生概率也小。對于這次過程，巴中和南江，預報與實況降水相當，兩種模型的概率預報的數值相當；在四川東南部降水預報偏小，四川東南部的富順，模型Ⅱ計算得出的損毀概率預報值明顯比模型Ⅰ損毀概率預報值小，預報員主觀預報降水在模型Ⅱ的預報中有一定指示作用。

表6 公路損毀發(fā)生概率預報(單位:%)Table 6 Probabilistic forecasts of road damages(unit:%)

6 結論和討論

本文利用2007年1月—2013年7月區(qū)域(云、貴、川、渝4個地區(qū))公路損毀災害數據、地理信息數據及相應的降水量數據，建立西南地區(qū)公路損毀概率預報模型及公路損毀風險預報方法并進行檢驗，得到以下主要結論：

1) 對于建模因子選取，前15 d有效降水量影響因子作為一個反映總降水量的物理量，能很好地表征災害發(fā)生前期降水量是否充分，而當日降水量影響因子在一定程度上表征了臨近損毀發(fā)生前的降水特征，且與前15 d有效降水量影響因子的Kendall相關系數最低，即兩者間的相關性較弱，因此，可共同參與模型建立。

2) 針對降水因子及損毀災害發(fā)生的頻次分布進行的高斯擬合、傅里葉擬合和多項式擬合結果表明：降水因子與公路損毀災害發(fā)生的頻次之間服從高斯分布，可以利用高斯擬合曲線計算某一降水因子條件下的損毀災害發(fā)生概率。

3) 基于有效降水因子、綜合降水因子及當日降水因子的3種概率預報模型參數對比：降水因子的平均值呈增大趨勢而降水因子的方差呈減小趨勢，表明引發(fā)公路損毀的降水因子在逐漸增大而災害分布集中在平均值附近。3種模型的誤差平方和、確定系數、調節(jié)確定系數及均方根誤差顯示基于有效降水及綜合降水的預報模型效果更佳。

4) 基于有效降水因子和綜合降水因子的公路損毀概率預報模型的檢驗結果表明：兩種模型總體預報的趨勢和強度非常一致，基于綜合降水因子的預報結果對預報員主觀預報的敏感性更強。

今后將進一步分析高程、坡度、最大高程差、工程巖性、斷層密度、植被覆蓋及降水量等條件對公路損毀可能造成的影響，基于主成分分析及信息量法進行全國公路損毀危險性評價，根據評價結果，結合自然地理分區(qū)、地質環(huán)境特征等對全國進行公路損毀危險性區(qū)劃劃分。

[1] 殷坤龍，陳麗霞，張桂榮，等.區(qū)域滑坡災害預測預警與風險評價.地學前緣，2007，14(6):85-97.

[2] 文科軍，王禮先，謝寶元，等.暴雨泥石流實時預報的研究.北京林業(yè)大學學報，1998，20(6):59-64.

[3] 高速，周平根，董穎，等.泥石流預測、預報技術方法的研究現狀淺析.工程地質學報，2002，10(3):279-283.

[4] 邱騁，王純祥，江崎哲郎，等.基于邊坡單元的公路眼線滑坡危險度概率分析.巖土力學，2005，26(11):1731-1736.

[5] 譚炳炎，段愛英.山區(qū)鐵路沿線暴雨泥石流預報的研究.自然災害學報，1995，4(2):43-52.

[6] 譚萬沛，韓慶玉.四川省泥石流預報的區(qū)域臨界雨量指標研究.災害學，1992，7(2):37-42.

[7] 姚令侃.用泥石流發(fā)生頻率及暴雨頻率推求臨界雨量的探討.水土保持學報，1988，2(4):72-77.

[8] 魏永明，謝又予.降雨型泥石流(水石流)預報模型研究.自然災害學報，1997，6(4):48-54.

[9] 姚學祥，徐晶，薛建軍，等．基于降水量的全國地質災害潛勢預報模式.中國地質災害與防治學報，2005，16(4):97-102.

[10] 劉羅曼．用主成分回歸分析解決回歸模型中復共線性問題．沈陽師范大學學報:自然科學版，2008，26(1):42-44.

[11] 黃嘉佑，黃茂怡.主分量逐步篩選因子典型相關分析及其預報試驗.應用氣象學報，2000，11(1):72-78.

[12] 陶云，段旭．云南降水正態(tài)分布特征的初探．氣象科學，2003，23(2):161-167.

[13] 胡文東，陳曉光，李艷春，等．寧夏月、季、年降水量正態(tài)性分析.中國沙漠，2006，26(6):963-968．

[14] 方建剛，毛明策，程肖俠．陜西降水的正態(tài)分布特征分析．西北大學學報:自然科學版，2009，39(1):131-136．

[15] 王紀軍，任國玉，匡曉燕，等． 河南省月和年降水量正態(tài)性分析．氣候與環(huán)境研究，2010，15(4):522-528．

[16] 陳學君，蘇仲岳，李仲龍，等．年降水量數據的正態(tài)變換方法對比分析．干旱氣象，2012，30(3):459-464．

[17] 張國平.有效雨量和滑坡泥石流災害概率模型．氣象，2014，40(7):886-890.

[18] 徐晶，張國平，張芳華，等.基于Logistic回歸的區(qū)域地質災害綜合氣象預警模型.氣象，2007，33(12):3-8.

[19] 劉春，張春輝，郭薩薩.基于能量模型的水稻生長模型.應用氣象學報，2013，24(2):240-247.

[20] 殷坤龍，張桂榮，龔日祥，等. 浙江省突發(fā)性地質災害預警預報.武漢：中國地質大學出版社,2005.

[21] 劉傳正.中國地質災害氣象預警方法與應用.巖土工程界，2004,7(7):17-18.

[22] 梁莉，趙琳娜，齊丹，等.基于貝葉斯原理降水訂正的水文概率預報試驗.應用氣象學報，2013，24(4):416-424.

[23] 王晨稀.短期集合降水概率預報試驗.應用氣象學報，2005，16(1):78-87.

[24] 林明智，畢寶貴，喬林.中央氣象臺短期降雨預報水平初步分析.應用氣象學報，1995，6(4):392-399.

[25] 鄧雪嬌，胡勝，閆敬華.主客觀天氣預報質量對比分析.應用氣象學報，2003，14(6):730-738.

[26] 鄭衛(wèi)江，吳煥萍，羅兵，等.GIS技術在臺風預報服務產品制作系統(tǒng)中的應用.應用氣象學報，2010，21(2):250-255.

A Risk Forecast Method for Southwest Road Damages Based on Precipitation

Di Jingyue1)2)Wang Zhi2)Tian Hua2)Xie Kai2)Yang Xiaodan2)Chen Hui2)Xu Fengwen1)2)

1)(NationalMeteorologicalCenter,Beijing100081)2)(PublicMeteorologicalServiceCenterofCMA,Beijing100081)

Landslides, debris-flows and other disasters along roads caused by precipitation occur frequently, becoming one of the most important factors of roads damages. Yunnan, Guizhou, Sichuan and Chongqing are especially prone to road damages. Based on the information of road damages, the corresponding precipitation data from January 2007 to July 2013 and 24 h precipitation forecast data from July 2012 to July 2013, probability forecast models are adopted to describe probabilistic relations between precipitation and road damages. First, precipitation factors of the day and over the past two, three, four, five, six, seven days and effective precipitation over the past 15 days are analyzed by the method of Kendall correlation, and precipitation of the day and the past effective precipitation are identified because of small correlation. Second, after the normality process to two factors, polynomial fitting, Fourier fitting and Gaussian fitting are applied to the frequency distribution of the disaster and two kinds of precipitation factor. According to the analysis of fitting correlation and the fitting error, Gaussian fitting method is selected to apply to the scattering distribution of precipitation and road damages. Finally, universal probability forecast models of road damages based on effective precipitation (Model Ⅰ) and comprehensive of the day and effective precipitation (Model Ⅱ) are established, and the fitting adjustable coefficients are 0.9108 and 0.8333, respectively. According to critical precipitation thresholds of two models, combining the grade of hazards risk and precipitation risk to road damages, two kinds of warning classification scheme based on precipitation are proposed. Two risk forecast models for road damages are developed. Risks of road damages are divided into five levels by probability of damage occurrence: Very small, small, medium, large and very large. Two risk forecast methods are tested, showing they are both applicable to describe the relation between precipitation and road damages, and have a high forecasting accuracy and strong reference value in disaster forecast. In comparison, two models have the same trend and results of Model Ⅱ are generally greater than Model Ⅰ in number. In the flood season and disaster-prone period, Model Ⅱ is more sensitive to subjective forecasts than Model Ⅰ.The risk forecasting systems of road damages are created for Southwest China based on two methods, and used in risk operation since the end of 2012 achieving good effects.

road damages; risk forecast; probabilistic forecast

10.11898/1001-7313.20150302

中國氣象局氣候變化專項(CCSF201328)，氣象關鍵技術集成與應用(面上)項目(CAMGJ2012M73)，中國氣象局公共氣象服務中心業(yè)務服務專項基金項目(M2014007)

狄靖月,王志,田華,等. 降水引發(fā)的西南地區(qū)公路損毀風險預報方法. 應用氣象學報，2015，26(3)：268-279.

2014-10-13收到， 2015-01-23收到再改稿。

* 通信作者， email: wzhi@cma.gov.cn