白瑪喬　措姆　王挺

摘要 以墨脫縣為研究區(qū)域，分析境內(nèi)降水和地質(zhì)災害特征，得出地質(zhì)災害多發(fā)期與降水集中期和強降水事件多發(fā)時段基本出現(xiàn)在6—7月;以有效降雨量為評級指標，建立降雨誘發(fā)地質(zhì)災害的Logistic 回歸模型，得到墨脫縣地質(zhì)災害易發(fā)性的概率計算公式，確立地質(zhì)災害的氣象預警預報模型，經(jīng)檢驗該模型預警準確率達78.6%，具有可行性。

關鍵詞 強降雨;地質(zhì)災害;氣象預警模型;檢驗

中圖分類號：P429 文獻標識碼：B 文章編號：2095–3305（2022）02–0082–03

墨脫縣地處雅魯藏布江大拐彎下游，喜馬拉雅山脈南麓，山高谷深，地質(zhì)構造復雜，常年受印度洋海洋性西南季風影響，水汽充沛，每年3—10月降水量占全年總降水量80%以上，期間降水集中、強度大、范圍廣[1]。特殊的氣候環(huán)境和地形急劇變化的下墊面特征，導致山區(qū)氣候條件復雜，大雨、暴雨等短時強降水多發(fā)，常誘發(fā)滑坡、泥石流、塌方等次生地質(zhì)災害，嚴重影響墨脫縣域群眾生命財產(chǎn)安全[2]。

1 墨脫縣降水和地質(zhì)災害特征

1.1 降水時間分布特征

1.1.1 降水量年際、季節(jié)變化與月動態(tài) 2012—2020年墨脫年平均降水量2 094 mm，最高為2020年的2 446 mm，最低為2018年的1 767 mm，近9年墨脫僅有3次年降水量低于2 000 mm。其中，冬季降水量最少，約為100 mm;春、秋季相近，降水量在526 mm左右;夏季降水量最大，為935.8 mm，達到45%。墨脫月降水量差異明顯，整體呈現(xiàn)雙峰特征，峰值出現(xiàn)在6月、7月和9月，月平均降水量均超過300 mm，其中9月平均降水量達348.5 mm，為最高值，6—9月降水量占全年降水量的61%。

1.1.2 降水日數(shù)特征 2012—2020年墨脫日降水量在10 mm以上日數(shù)達651 d，其中中雨日數(shù)448 d，占全年強降水日數(shù)的71%，大雨日數(shù)183 d，占全年強降水日數(shù)的26%，暴雨20 d，占全年強降水日數(shù)的3%。從各月分布看，墨脫全年都能出現(xiàn)10 mm以上降水，冬春季出現(xiàn)概率較低，高峰期出現(xiàn)在汛期，其中6—9月有60 d以上，期間大雨出現(xiàn)次數(shù)也最多，暴雨5月、7月、9月、10月出現(xiàn)次數(shù)最多。近9年墨脫共發(fā)生強降雨事件183次，年平均20.3次。2014年強降雨事件次數(shù)最少為8次，2013年和2020年最多為30次。強降雨事件集中在雨季4—10月，以9月發(fā)生次數(shù)最多，達36次，其次是6月。

1.2 地質(zhì)災害特征

1.2.1 地質(zhì)災害空間分布特征 墨脫地形復雜，強降雨易引發(fā)洪澇、滑坡、泥石流等災害。2019年汛前地質(zhì)災害排查統(tǒng)計結(jié)果顯示，地質(zhì)災害主要有滑坡、泥石流、崩塌、不穩(wěn)定斜坡和地裂縫，共發(fā)現(xiàn)災害隱患點280處，其中滑坡71處、泥石流123處、崩塌81處、不穩(wěn)定斜坡4處和地裂縫1處，這些地質(zhì)災害隱患點分布于墨脫縣8個鄉(xiāng)（鎮(zhèn)）。達木鄉(xiāng)分布最集中，共129處，多分布于扎墨公路沿線;其次是背崩鄉(xiāng)、墨脫鎮(zhèn)，分別有48處和32處;德興鄉(xiāng)、格當鄉(xiāng)、加熱薩鄉(xiāng)、幫辛鄉(xiāng)和甘登鄉(xiāng)相對較少，分別為19處、19處、17處、10處和6處。

1.2.2 地質(zhì)災害時間變化特征 2012—2020年墨脫縣有記錄的崩塌、滑坡、泥石流等地質(zhì)災害共計99 d，發(fā)生日數(shù)呈增加趨勢，其中2016年地質(zhì)災害發(fā)生日數(shù)最多，2014年最少僅6 d。受到降雨和降雪影響，墨脫縣一年中3月和雨季是地質(zhì)災害多發(fā)期，6月、7月地質(zhì)災害發(fā)生日數(shù)最多。

2 降水與地質(zhì)災害的關系

地形地貌、地層巖性、地質(zhì)構造是形成崩、滑、流地質(zhì)災害的物質(zhì)條件，而水源、新構造活動及人類工程活動是誘發(fā)地質(zhì)災害的主要影響因素。墨脫地處西藏東南部，東、西、北三面環(huán)繞高山，念青唐古拉山脈呈北西—南東向分布于墨脫北部東段，喜馬拉雅山脈呈南西—北東向位于雅魯藏布江大拐彎內(nèi)側(cè)，外側(cè)為岡底斯山脈，6 000 m以上山峰有數(shù)座，最高海拔7 782 m為南迦巴瓦峰，南部谷地則海拔不足600 m。雅魯藏布江從朗縣進入林芝市，經(jīng)米林縣到達墨脫縣境內(nèi)向南經(jīng)印度注入印度洋，同時順江而上的印度洋暖流與北方寒流在念青唐古拉山脈東段一帶匯合，在地形、水汽條件影響下引起氣流輻合上升，產(chǎn)生局部熱力對流，促進對流的發(fā)展形成，墨脫山地迎風坡一側(cè)形成強降水。暴雨或特大暴雨是促使泥石流爆發(fā)的主要動力條件，區(qū)內(nèi)每年5—9月是泥石流災害高發(fā)期，同時部分處于停歇期的泥石流溝，在特大暴雨激發(fā)下，也得以重新復活。

地下水是產(chǎn)生滑坡的重要因素之一，無水不滑是滑坡的普遍規(guī)律。地下水補給主要來自大氣降水和地表水，因此墨脫縣滑坡都發(fā)生于雨季，或在雨季加速變形。在連續(xù)降雨和強降雨入滲的作用下，巖石裂隙動、靜水壓力增加，使巖石塊體失衡產(chǎn)生崩塌。墨脫縣大多數(shù)崩塌產(chǎn)生于雨季，也是降水作用的結(jié)果。

3 地質(zhì)災害形成的機理

3.1 有效降雨模型

本研究通過有效降雨量分析降水與地質(zhì)災害的關系。降雨過后，由于地表排泄和水分蒸發(fā)，導致實際上進入巖土體中的雨量小于實際記錄的總降雨量，只有部分雨水會對地質(zhì)災害的發(fā)生造成影響[3]。前期有效降雨量即在除去地表排泄和水分蒸發(fā)所損失雨量后，對地質(zhì)災害有影響的部分降雨量。有效降雨量模型能較好地反映當天和前期降雨對地質(zhì)災害所造成的影響[4]。由于一場降雨的影響會隨著時間推移而減小，該模型通過一個系數(shù)考慮前期降雨對地質(zhì)災害所產(chǎn)生的影響。

具體計算公式：

（1）

其中，Rc為有效降雨量，R0為當日降雨量，Ri為i日前降雨量，α為有效降雨系數(shù)，i為災害發(fā)生前經(jīng)過的天數(shù)，n為總天數(shù)。本研究中n先取10 d，α取地質(zhì)災害發(fā)生日期的有效降雨量和當日災害次數(shù)相關性最大時的值。

災害發(fā)生前一天的降雨量有效系數(shù)為0.6，相關系數(shù)最大為0.479，隨著天數(shù)指數(shù)遞減，在第5天時有效系數(shù)為0.476時的Rc 0.078，即使此時降雨量達到100 mm，對地質(zhì)災害的貢獻僅為7.8 mm。相關系數(shù)隨α值減小，先迅速增大，后緩慢較?。ū?），表明距離災害發(fā)生時間越近，降水有效性越高，當α=0時，相關系數(shù)為0.439，與最大相關系數(shù)差異較小，說明當日降水量是引發(fā)地質(zhì)災害的主要因素[5]。最終將α=0.6作為墨脫縣有效降雨量經(jīng)驗系數(shù)，n=5作為災害發(fā)生前有效降雨日數(shù)。

3.2 Logistic 回歸模型

有效降雨是否會引發(fā)地質(zhì)災害，存在發(fā)生和不發(fā)生2種情形，以有效降雨量為自變量，地質(zhì)災害是否發(fā)生為因變量，要求建立的模型應保證因變量的取值為0或1[6]。二元邏輯回歸模型可以用來預測具有二分特點的因變量概率，符合建模要求。

模型表達式：

（2）

即其中

P=P（y=1|Rc）為發(fā)生災害的概率，P=P（y=0|Rc）為不發(fā)生災害的概率，y表示災害是否發(fā)生，Z是有效降水的函數(shù)，β是有效降水的系數(shù)，ε是墨脫本地的修正系數(shù)。有效降雨量由當日降雨量和前5日降雨量代入公式（1）求得。

本研究選取墨脫2012—2018年雨季（4—9月）全部降水數(shù)據(jù)1 281條和有記錄的災害事件日期57次，建立用于二元邏輯回歸模型的數(shù)據(jù)集，數(shù)據(jù)集部分示例數(shù)據(jù)見表2。

使用SPSS軟件對數(shù)據(jù)進行二元邏輯回歸，有效降水顯著水平Sig值<0.01，統(tǒng)計學意義上顯著。根據(jù)回歸結(jié)果，災害發(fā)生概率可表示：

（3）

將前5日降雨量和預報的降雨量代入公式（1）即可求得有效降雨量，輸入公式（3）可得到地質(zhì)災害發(fā)生概率、地質(zhì)災害預警等級，當有效降雨量<35 mm時，地質(zhì)災害發(fā)生概率<10%，預警等級4級;在35～78 mm時，地質(zhì)災害發(fā)生率為10%～50%，3級預警;在78～105 mm時，地質(zhì)災害發(fā)生率為50%～80%，預警等級2級;>105 mm時，地質(zhì)災害發(fā)生率>80%，預警等級1級。根據(jù)預警等級對降雨引發(fā)的地質(zhì)災害進行預警，預報預警發(fā)布時按照以下幾個原則：4級不發(fā)布、3級發(fā)布黃色預警、2級發(fā)布橙色預警、1級紅色預警。

3.3 預警模型驗證

將2019年和2020年地質(zhì)災害事件發(fā)生時間和前期降雨量代入預警模型，以驗證模型精度。具體結(jié)果見表3，在2年內(nèi)雨季觀測到地質(zhì)災害的14個災害日中，預警等級為3級的有11 d，4級有3 d。預警等級達3級即發(fā)布黃色預警，則有78.6%的時間成功預警降雨引發(fā)的地質(zhì)災害，表明預警模型在一定程度上是可行的。

4 結(jié)束

（1）墨脫縣降水豐富，近9年平均降水量2 094 mm，以夏季降水量為最大，達935.8 mm，9月平均降水量最多達348.5 mm，6—9月降水量占全年61%。墨脫縣地質(zhì)災害隱患點以達木鄉(xiāng)達最多，其次是背崩鄉(xiāng)、墨脫鎮(zhèn)。

（2）墨脫縣降水和地質(zhì)災害具有明顯月際變化特征，地質(zhì)災害3—9月發(fā)生約占所有災害的94.6%，6月最多。災害發(fā)生與降水月際變化吻合，這與雨季占全年85%～95%的降水有關，雨季多局地性強降水對地質(zhì)災害起到誘發(fā)作用。

（3）以有效降雨量模型研究降水對地質(zhì)災害發(fā)生的影響，發(fā)現(xiàn)地質(zhì)發(fā)生災害前5日降水和災害當日降水可作為墨脫縣影響地質(zhì)災害的有效降水，有效系數(shù)為0.6。當有效降雨量在35～78 mm時，地質(zhì)災害發(fā)生率為10%～50%，發(fā)生可能性較大，即可發(fā)布黃色預警。

參考文獻

[1] 李長江，麻土華，孫樂玲，等.降雨型滑坡預報中計算前期有效降雨量的一種新方法[J].山地學報，2011，29（1）：81-86.

[2] 黃健敏，趙國紅，廖蕓婧，等.基于Logi-stic回歸的降雨誘發(fā)區(qū)域地質(zhì)災害易發(fā)性區(qū)劃及預報模型建立：以安徽歙縣為例[J].中國地質(zhì)災害與防治學報， 2016，27（3）：98-105.

[3] 楊勇，羅骕翾，尼瑪吉，等.西藏地區(qū)暴雨指標及暴雨事件的時空變化[J].暴雨災害，2013， 32（4）：369-373.

[4] 王慧.山區(qū)地質(zhì)災害易發(fā)性區(qū)劃與降雨誘發(fā)時空聯(lián)合預報研究[D].重慶大學， 2016.

[5] 陳宮燕，普布桑姆，次仁，等.西藏林芝降水引發(fā)的山洪地質(zhì)災害分布特征[J].中國地質(zhì)災害與防治學報，2018，29（2）：106-109.

[6] 劉艷輝，劉傳正，唐燦，等.基于確定性系數(shù)模型的地質(zhì)災害多因子權重計算方法[J].中國地質(zhì)災害與防治學報，2015，26（1）：92-97.

責任編輯：黃艷飛

Analysis on Meteorological Early Warning Model of Geological Hazards in Motuo County

BAI Maqiao et al（Meteorological Bureau of Motuo County， Nyingchi， Tibet 860000）

Abstract Taking Motuo county as the research area， the characteristics of precipitation and geological disasters in Motuo county were analyzed， and it was concluded that the frequent occurrence period of geological disasters， precipitation concentration period and heavy precipitation events occurred in June and July. Taking effective rainfall as rating index， the Logistic regression model of rain-induced geological disaster was established， the probability calculation formula of geological disaster susceptibility was obtained， and the meteorological warning and prediction model of geological disaster was established. The prediction accuracy of the model was up to 78.6%， which was feasible.

Key words Heavy rainfall; Geological hazards; Meteorological early warning model; Test

作者簡介 白瑪喬（1989—），女，西藏米林人，工程師，主要從事綜合氣象觀測工作。

收稿日期 2021-12-10