——以巴中市恩陽區(qū)為例"/>
李俊杰 王衛(wèi)紅 冉茂瑩
(1 西南科技大學 環(huán)境與資源學院,四川 綿陽 621010;2 巴中市應急管理局,四川 巴中 636000;3 國家遙感中心綿陽科技城分部,四川 綿陽 621010)
截至2014年,國土資源部已查明全國共有地質(zhì)災害隱患點29萬余處,威脅近1 800萬人生命安全和4 800億元財產(chǎn)安全[1]。滑坡是我國主要地質(zhì)災害,也是影響面最廣、損失較多的地質(zhì)災害類型。由于地質(zhì)條件、地理環(huán)境的不同,不同地區(qū)致災因子也不同。除地質(zhì)災害本底因子外,如降水、地震、臺風、風蝕等誘發(fā)因子都是致使滑坡發(fā)生的關(guān)鍵因素,其中90%的滑坡發(fā)生的誘發(fā)因素是降水[2-3]。因此通過分析降水和滑坡的關(guān)系,可對我國大多地域的滑坡地質(zhì)災害進行提前預警,特別是對降水較多的山地丘陵內(nèi)陸地區(qū)更為適用。降水誘發(fā)滑坡的降水閾值是下雨期間該地區(qū)發(fā)生滑坡和不發(fā)生滑坡的評判分水嶺,國內(nèi)外對此研究頗為豐富。美國的Caine[4]最先提出降水誘發(fā)滑坡閾值的概念,建立降水強度—降水歷時(I-D)閾值模型;Glade, et al[5]建立了確定降水臨界值的3個模型;國內(nèi)學者中,劉傳正等[6]在2007 年將地質(zhì)災害區(qū)域預警原理初步劃分為隱式統(tǒng)計預警、顯式統(tǒng)計預警和動力預警3種類型;李長江等[7]給出了前期有效降水量的表達式;狄靖月等[8]進行了降水分析及閾值分析。本文亦對降水誘發(fā)滑坡的降水閾值進行深入分析,并主要對丘陵地區(qū)群發(fā)性的滑坡進行降水閾值分析以及丘陵地區(qū)滑坡預警提供理論依據(jù)和參考。
巴中市恩陽區(qū)位于四川省東北部(31°47′39″N, 106°37′41″E)。恩陽區(qū)主要屬米倉山南麓丘陵地貌,正好處于巴中境內(nèi)低山、長梁高丘地貌向平緩坡臺狀丘陵地貌過渡地帶。境內(nèi)多為丘陵、低山,平壩較少,全區(qū)地勢西北高、東南低[9]。年均降水量1 146 mm,夏季多伏旱,秋季多雨。
排除地震、人類活動等因素造成的滑坡事件,選取2009—2018年由降水引發(fā)的滑坡數(shù)據(jù)點,共計129 d,227個滑坡點?;碌刭|(zhì)災害點分布如圖1所示。降水量資料來自巴中氣象站點(站號57313),對應滑坡點數(shù)據(jù)選取同期滑坡當日和前期1 wk的逐日降水量資料。
圖1 滑坡地質(zhì)災害點分布Fig.1 Distribution map of landslide geological hazard
首先,當該地區(qū)某日內(nèi)降水并誘發(fā)滑坡事件,就稱作該事件是一次概率P=1的降水誘發(fā)滑坡事件,可得到129個降水誘發(fā)滑坡事件(P=1);其次,隨機選取2009—2018年129個未發(fā)生滑坡的降水事件(P=0),選取未發(fā)生滑坡的降水事件需滿足為恩陽區(qū)當日降水量大于1 mm但未發(fā)生滑坡事件。最后,先將129個P=1的事件和129個P=0的事件試驗數(shù)據(jù)分析pearson相關(guān)。選取合適的前期降水區(qū)間,將129個滑坡事件按時間先后,提取80%資料(2009年3月—2017年3月的100個滑坡點)用于模型構(gòu)建,剩下20%資料(2017年4月—2018年12月的29個滑坡點)用于模型驗證,最后根據(jù)各閾值模型特征,得出最優(yōu)閾值模型。
降水強度—降水歷時閾值模型能很好地反映降水型滑坡與降水強度、累計降水量的關(guān)系[10-14]。這種基于客觀統(tǒng)計事件得出的經(jīng)驗型降水閾值可以作為預測滑坡災害的判據(jù),并且所需滑坡數(shù)據(jù)可由觀測直接得到。隨著降水時間的持續(xù),誘發(fā)滑坡的降水強度呈現(xiàn)指數(shù)型下降[12],公式如下:
I=a×Dβ,
(1)
式中:I為降水強度,表示單位時間內(nèi)的降水量;降水強度等于總降水量除以降水歷時(單位:mm·d-1);D為降水持續(xù)時間(單位:d);α和β均為經(jīng)驗參數(shù)。
表1統(tǒng)計了恩陽區(qū)降水當日滑坡事件特征,表明恩陽區(qū)降水當日只發(fā)生1起滑坡事件的共84 d,約占總的降水發(fā)生滑坡天數(shù)的65%,滑坡起數(shù)占總滑坡數(shù)的37%;降水當日發(fā)生2起及2起以上滑坡事件的共45 d,約占35%,共發(fā)生143起滑坡,約占總滑坡起數(shù)的63%;降水當日發(fā)生3起及3起以上滑坡事件的共23 d,約占18%,共發(fā)生99起滑坡,約占滑坡起數(shù)的43%。
表1 恩陽區(qū)降水當日滑坡事件數(shù)量Table 1 Statistics of the number of landslides that day
利用pearson相關(guān)分別對當日是否發(fā)生滑坡、當日滑坡起數(shù)和前期降水量因子進行相關(guān)性分析,其中,降水量因子包括當日降水量(P0)、前1 d降水量(P1)、前2 d降水量(P2)、……、前7 d降水量(P7),以及當日降水量(P0)、2 d累計降水量(S1)、3 d累計降水量(S2)、……、8 d降水量(S7),相關(guān)結(jié)果如表2所示。由表可知,降水因子P0、P1與當日是否滑坡相關(guān)系數(shù)通過α=0.01顯著檢驗,P2與當日是否滑坡的相關(guān)系數(shù)通過α=0.05顯著性檢驗,并且當日降水量因子(P0)與是否滑坡相關(guān)最大。降水因子P0、P1與當日滑坡起數(shù)相關(guān)系數(shù)通過α=0.01顯著性檢驗。根據(jù)表3所示,滑坡事件與累積降水量因子的相關(guān)系數(shù)均在α=0.01水平上呈顯著相關(guān),隨著累積日數(shù)增加,相關(guān)系數(shù)呈現(xiàn)先增長再輕微下降,最后趨于平穩(wěn)之勢。當日是否滑坡與累積降水量因子相關(guān)系數(shù)在S2出現(xiàn)峰值,表明當日是否滑坡與滑坡當日、前1 d、前2 d的累積降水量相關(guān)性最高,這3 d對滑坡的影響最大。同理,在當日滑坡起數(shù)和累積降水量因子相關(guān)系數(shù)中,S1是其峰值,表明當日降水量和前1 d降水量是發(fā)生多起滑坡的主要影響因子。表3分析內(nèi)容印證了表2所示結(jié)果。
表2 滑坡事件與降水因子的相關(guān)系數(shù)Table 2 Correlation coefficient table of landslide eventand rainfall fact
表3 滑坡事件與累積降水因子的相關(guān)系數(shù)Table 3 Correlation coefficient table of landslide event and cumulative rainfall factor
綜上可知,恩陽區(qū)降水誘發(fā)滑坡地質(zhì)災害的降水歷時較短,當日降水、前1 d降水、前2 d降水對滑坡是否發(fā)生影響較大。當日降水、前1 d降水對滑坡起數(shù)影響較大,并且恩陽區(qū)滑坡受降水影響具有群發(fā)性特征。
除了分析降水誘發(fā)滑坡的降水閾值,同時分析了具有群發(fā)性的滑坡的降水閾值。降水閾值計算和核驗數(shù)據(jù)采用所選的129組P=1的滑坡事件和29組P=0的未發(fā)生滑坡的降水事件。當降水強度達到一定值,研究區(qū)可能發(fā)生不止1起滑坡事件,即認為該地區(qū)有滑坡群發(fā)性的特征。常規(guī)的降水誘發(fā)滑坡的降水閾值模型采用100組P=1的滑坡事件進行計算,群發(fā)性滑坡的降水閾值模型計算數(shù)據(jù)采用當日發(fā)生滑坡數(shù)為2起或2起以上的滑坡事件,即40組P=1的滑坡事件。剩下29組P=1的降水誘發(fā)滑坡事件(包含5組當日滑坡事件發(fā)生數(shù)量為2起或2起以上的滑坡事件)和29組P=0的未發(fā)生滑坡的降水事件進行閾值結(jié)果檢驗。根據(jù)表1選取當日降水量、前1 d降水量、前2 d降水量作為計算降水誘發(fā)滑坡閾值的基礎數(shù)據(jù)。
將100組P=1的滑坡事件在降水強度—降水歷時坐標系中表示出來,如圖2所示。其中,包括42個降水歷時為1 d的數(shù)據(jù)組,32個降水歷時為2 d的數(shù)據(jù)組,26個降水歷時為3 d的數(shù)據(jù)組。采用百分位閾值法,計算得到降水強度—降水歷時(I-D)閾值擬合曲線:
I=32.429D-1.396(1≤D≤3),R2=0.966 。
(2)
同理,將選取的40組P=1的當日滑坡起數(shù)為2起及2起以上滑坡點在降水強度—降水歷時坐標系上表示,如圖3所示。40組擬合數(shù)據(jù)組中,包含18個降水歷時為1 d的數(shù)據(jù)組,12個降水歷時為2 d的數(shù)據(jù)組,10個降水歷時為3 d的數(shù)據(jù)組。得到擬合降水強度—降水歷(I-D)閾值曲線:
I=59.978D-0.955(1≤D≤3),R2=0.998 6。
(3)
圖2 常規(guī)閾值曲線圖Fig.2 Conventional rainfall threshold curve
圖3 群發(fā)性閾值曲線圖Fig.3 Graph of mass rainfall threshold curve
將常規(guī)降水閾值曲線(圖2)與群發(fā)性閾值曲線(圖3)在降水強度—降水歷時坐標系上表示出來。由圖可見,當某一個滑坡數(shù)據(jù)點在閾值線上方,則預測準確,若在閾值線下方,則預測失??;當某一未滑坡的降水事件在閾值線上方,則預測失敗,若在閾值線下方,則預測準確。樣本檢驗數(shù)據(jù)中,29組P=1的滑坡點數(shù)據(jù)包含12個降水持續(xù)時間為1 d的數(shù)據(jù)組,10個降水持續(xù)時間為2 d的數(shù)據(jù)組,7個降水持續(xù)時間為3 d的降水組。與之對應,事先已選擇同樣持續(xù)時間的29組P=0的未滑坡降水數(shù)據(jù)組。統(tǒng)計樣本檢驗數(shù)據(jù)在坐標系上與閾值線的分布關(guān)系,如圖4所示。
圖4 試驗驗證圖Fig.4 Experimental verification diagram
根據(jù)各模型試驗預警準確起數(shù)統(tǒng)計,得到表4。常規(guī)的降水閾值曲線模型的整體預警準確率為84.48%,對P=1的滑坡事件的預警準確率達93.10%,但對29組P=0的未滑坡的降水事件預警準確率為75.86%。常規(guī)的降水閾值曲線隨著時間延長,預測準確率隨之降低,由歷時1 d預測準確率的87.50%下降到歷時3 d預測準確率的78.57%。群發(fā)性的降水閾值曲線模型的整體預警準確率為82.76%,對P=1的滑坡事件的預警準確率為72.41%,隨時間延長,其預警準確率有所提升,但仍低于常規(guī)性的降水閾值曲線模型;但其對P=0的未滑坡降水事件的預警準確率為93.10%,顯著高于常規(guī)閾值曲線模型。
結(jié)果表明,在降水誘發(fā)滑坡地質(zhì)災害的預警中,常規(guī)的滑坡降水閾值曲線對降水是否誘發(fā)滑坡的預警空報數(shù)較高,而群發(fā)性的滑坡降水閾值曲線的漏報數(shù)較高。因此,將降水強度達到常規(guī)滑坡預警曲線以上而未達到群發(fā)性降水閾值預警曲線,則認為該地發(fā)生滑坡地質(zhì)災害的可能性較大;而當降水強度超過群發(fā)性閾值曲線時,則認為該地發(fā)生滑坡地質(zhì)災害的可能性非常大,并且發(fā)生2起及2起以上的滑坡事件的可能性也較高。當0
表4 各模型試驗預警準確起數(shù)統(tǒng)計表Table 4 Statistical table of the early warning accuracy of each mode
通過分析丘陵低山典型地區(qū)巴中市恩陽區(qū)的降水誘發(fā)滑坡地質(zhì)災害,可以得到以下結(jié)論:
(1) 恩陽區(qū)降水誘發(fā)滑坡地質(zhì)災害的降水歷時較短,當日降水、前1 d降水、前2 d降水對滑坡是否發(fā)生顯著影響,當日降水量對滑坡發(fā)生的影響最大。當日降水、前1 d降水對滑坡發(fā)生起數(shù)影響較大。降水當日發(fā)生2起及2起以上滑坡事件的共45 d,約占降水滑坡總天數(shù)的35%,共發(fā)生143起滑坡,約占總滑坡起數(shù)的63%;降水當日發(fā)生3起及3起以上滑坡事件的共23 d,約占18%,共發(fā)生99起滑坡,約占總滑坡起數(shù)的43%。可認為,恩陽區(qū)滑坡受降水影響具有群發(fā)性特征;
(2) 恩陽區(qū)降水誘發(fā)滑坡的降水強度—降水歷時閾值曲線為,R2=0.966。而具有滑坡群發(fā)性的降水強度—降水歷時閾值曲線為I=59.978D-0.955(1≤D≤3),R2=0.998 6;
(3) 常規(guī)的滑坡降水閾值曲線對降水是否誘發(fā)滑坡的預警空報率較高,而群發(fā)性的滑坡降水閾值曲線的漏報率較高。降水強度達到常規(guī)滑坡預警曲線以上而未達到群發(fā)性降水閾值預警曲線,則認為該地發(fā)生滑坡地質(zhì)災害的可能性較大;而當降水強度超過群發(fā)性閾值曲線時,則認為該地發(fā)生滑坡地質(zhì)災害的可能性非常大,并且發(fā)生2起及2起以上的滑坡事件的可能性也較高。當0
由于氣象站的位置信息差異和精度影響,因此滑坡點的降水數(shù)據(jù)準確度有待進一步研究進行提高[15]。本文在研究區(qū)的選取上,只選擇了丘陵分布較廣的地區(qū),但未對丘陵地區(qū)的地質(zhì)條件、環(huán)境因素等作進一步的分析,后續(xù)有待研究。