局部高强度降雨的地质灾害研究范文

本站小编为你精心准备了局部高强度降雨的地质灾害研究参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

摘要:传统地质灾害特征分析方法，以地面综合调查为主，忽视局部高强度降雨条件这一主观因素，使得地质灾害特征分析结果存在较高的片面性。该文提出基于局部高强度降雨的地质灾害特征分析方法，根据降雨强度、灾害持续时间和平均降雨量等指标设立临界组合判别运算雨量阈值，按照雨量阈值判断地质灾害类型，并结合预警判据图分析局部高强降雨的地质灾害分布特征。实验结果表明，所提方法可全面分析出实验地区地质灾害具有滞后性、群发性和同时性特征。

关键词:地质灾害;灾害特征;高强度降雨;局部;雨量阈值;预警判据图;临界降雨量

地质灾害是由内因和外因多重影响产生的庞杂物理过程。地形地貌、地质构造、地层岩性、水文地质、植被覆盖等称为内因;自然要素和人为要素称为外因。骤然发生的地质灾害主要是由气象引起的，高强降雨是引起地质灾害的症结所在。滑坡、泥石流等地质灾害研究成为当下全球关注的重要问题，自1990年代始很多学者针对地质灾害和降雨的关系开展研究分析工作，而由于局部暴雨型强降雨的预报难度大、准确率低，同时引起地质灾害的可能性高，突发性强，给地质灾害预警工作造成很大困难。传统的地质灾害预警在准确度和实时性存在很大落后性，因此对局地高强度降雨的地质灾害特征分析称为气象科研人员的研究热点。过去国内外一些专家对局部高强度降雨引起的地质灾害的特征分析上存在一些问题，如刘艳辉等［1］中采用基于“命中率、漏报率和空报率”三指标的地质灾害预警校验方法，但预警区空报率偏高导致预警检验结果误差较大;仇开莉等［2］中研究工作以地面综合调查为主，而降雨条件是引发地质灾害的主要因素，缺乏对降雨问题的深入研究，分析结果需要进行大量验证;赵鹏等［3］中运用统计方法，从空间和时间角度对渝东北地质灾害进行剖析，但是仅针对渝东北地区的地质条件进行分析，具有片面性。针对以上文献出现的弊端，文章提出基于局部高强度降雨的地质灾害特征分析方法，其将雨量阈值和预警判据图相结合，对局部高强度降雨的地质灾害特征进行全面分析。

1局部高强度降雨的地质灾害特征分析

1.1地质灾害的雨量阈值算法通过查阅观测和统计资料得知，临界雨量阈值是判别地质灾害特征时的重要因素之一。雨量阈值也称降雨下限方法，根据诱发地质灾害的历史降雨记录实行总结研究从而判定引起地质灾害的雨量阈值［4］，并用来描述实时降雨观测的参照值对发生地质灾害的时间进行预警［5］。想要获取引起地质灾害的临界降雨量需要把引起地质灾害的降雨因素绘制在笛卡儿坐标、半对数坐标和双对数坐标中，数据部分的下部接线即为阈值。通过降雨强度、持续时间和平均降雨量等指标设立的地质灾害临界组合判别式是阈值法的关键方法。指标详情如以下公式所述。降雨强度－历时阈值也称ID法:I=c+bDa。(1)式中:I表示降雨开始到产生地质灾害时的平均降雨强度(mm/h);降雨历时用D描述，表示降雨的持续时间(h);参数分别用a，b，c来描述，并且c≥0。由于地质条件的差异，引起地质灾害的雨量阈值也不相同，为了使阈值曲线图更加清晰完整，使用平均年降雨量也简称MAP法对降年雨量的阈值进实行规格化［6］，则计算公式为:IMPA=c+bBa。(2)式中:MPA代表平均年降雨量，在雨量观测站的记载历史中可以得到，其体现了该地区的气候特征(mm);降雨历时用D描述(h);IMPA代表规格化后的降雨强度，通过降雨强度除以平均年降雨量得出，即IMPA=I/MAP，其单位是1/h;参数用a，b，c来描述。通过公式(1)和公式(2)得出的降雨量来获取产生地质灾害时的雨量阈值，有关降雨量的常用物理量分为日降雨量、前期降雨量、过程累积雨量、规格化的过程降雨量。由于地质灾害本身具有滞后性［7］，其中过程累计雨量和降雨历时结合后的雨量计算为:E=c+bDa。(3)式中:过程累计雨量用E来描述，D是降雨历时，参数是a，b，c。若a的值是1的时候，则E用D的分段函数来描述。不一样的地质灾害雨量阈值也是有所差异［8］，滑坡是地质灾害的最常见的类型，受雨量多少的影响并不大;泥石流在大暴雨或特大暴雨等强降雨影响下容易产生［9］，雨量的判断尤为重要，且影响面大、灾情严重;崩塌或塌陷一般是发生在持续降雨过程累计雨量多的时候［9］。具体特征分类如表1所示。

1.2预警判据图基于以上小节所述，通过雨量阈值对地质灾害进行判别，然后结合预警判据图对局部高强度降雨的地质灾害特征分析［10］。有关规定表明，全国地质灾害预警通常分为以下5个等级［11］:一级:可能性很小;二级:可能性较小;三级:可能性较大;四级:可能性大;五级:可能性很大;省级地质灾害气象预警分为以下3个等级:三级:可能性较大，预报级(黄色);四级:可能性大，预警级(橙色);五级:可能性很大，警报级(红色)。想要获取某地区未来1，2，3，…，n日里的气象预报每个等级的降雨区间值(n通常不大于15d)［12］，需要构建预警判据图;统一规定引起地质灾害的临界降雨量阈值为α线和β线，预警等级是1～2级时称为不预报区，是在α线以下的A区，预警等级是3～4级时称为预报或预警区，是在α～β线的B区，当预报等级是5级的时候，即是警报区［13］，处于β线之上的C区。详情如图1所示。

2实验分析

为了验证本文提出新的局部高强度降雨的地址灾害特征分析方法的有效性，实验以长江三峡库区为例进行地质灾害分析实验(图2)，在梅雨(6－7月)季节，长江三峡库区降雨量多，是我国受到降雨产生的地质灾害次数频繁具有代表性的地域。依据地质、地貌和气候因素，把齐岳山设成界限，把三峡库区区分成A区和B区，奉节往西是A区，奉节往东是B区，进行局部地质灾害特征分析。因为雨量站和灾害点相隔甚远，站点观测的雨量和发生灾害的地方实际雨量数据不符，本文方法通过雨量阈值的方法进行判别减小偏差［14］，由于滑坡本身具有滞后性，因此4d内雨量超过50mm的灾害点也一起计算。因此提取出相符的有关灾害点一共110处，其中A区89处，B区21处。A、B区的临界降雨引起的地质灾害特征有所差异，A区出现灾害的时间以2000、2004、2010、2012年内为主;B区主出现灾害的时间以2001、2005、2008、2014年为主。依据A、B区的概况标绘处灾害点降雨量散点图，通过散点排列情况，并把灾害点整体情况呈现出来为主［15］，提取出现灾害时降雨量上下限拟合曲线，详情见表2、图3和图4。本文方法通过表1中的雨量阈值上下限数据，以及降雨历时每个时间段的降雨量通过历时阈值也称ID法进行计算可以判断出可能造成地质灾害的降雨强度，得出A、B区灾害点的预警判据图(图3和图4)，根据图3、图4可实时根据降雨量和时间来预判可能产生的地质灾害类型，从而进行提前预警等措施。为了使预警提示更加准确，实验把依据滑坡泥石流和降雨关联的每种科技文献和研究报告中提取的三峡库区42处灾害点降雨量数据进行整合绘制，和预警判据图结合应用。通过以上所述，由于需要考虑到灾害发生具有滞后性，本文方法获取到三峡地区第2d的降雨量预报值后，对出现地质灾害的可能性进行预警判断，并与判据图进行结合使用，获取A区以及B区地质灾害点日降雨量以及前期降雨量情况，详情见图5、图6、图7、图8。通过图5、图6、图7、图8可知采用本文方法得出的三峡地区A、B局部地区在高强度降雨的影响下地质灾害的分布特征，将图5和图6结合可以看出在在高强度降雨的影响下，A区的灾害点随着降雨量的增多也随之增多，前期降雨量超过200mm后造成的灾害点本身具有滞后性，持续强降雨后导致当日地质灾害点在降雨100mm后便出现多数地质灾害。将图7和8结合可以看出在高强度降雨的影响下B区的灾害点前期的降雨量大于当日降雨量，前期产生的灾害点在对当日也产生潜在的灾害。由以上实验可以看出，本文方法分析得出随着降雨量的增大和降雨历时的持续，实验地区地质灾害的暴发率也随之增大，且具有滞后性、群发性和同时性特征，分布密集，本文方法实现了局部高强度降雨的地质灾害特征的全面分析，具有重要的应用价值。

3结论

文章提出基于局部高强度降雨的地质灾害特征分析方法，通过降雨强度、持续时间和平均降雨量等指标设立的地质灾害临界组合判别式，使用历时阈值也称ID法对降雨强度进行判别。由于地质条件的差异性导致阈值的不同，使用平均年降雨量也简称MAP法对降年雨量的阈值进实行规格化，考虑到地质灾害本身具有滞后性，使用过程累计雨量和降雨历时结合后对雨量进行计算得出致灾雨量阈值，结合预警判据图对局部高强降雨的地质灾害分布进行特征分析。实验通过本文方法对三峡地区在局部高强度降雨环境下的地质灾害特征进行分析，通过雨量阈值判断出地质灾害点数，从而结合预警判据图对局部高强度降雨后的地质灾害进行特征分析，结果表明在三峡A、B区中，出现地质灾害且具有滞后性、群发性和同时性等特征。

参考文献:

［1］刘艳辉，温铭生，苏永超，等．台风暴雨型地质灾害时空特征及预警效果分析［J］．水文地质工程地质，2016，43(5):119－126．

［2］仇开莉，褚永彬，张志明，等．天府新区(成都部分)地质灾害空间分布特征［J］．桂林理工大学学报，2014，34(2):245－253．

［3］赵鹏，杨沛霖，蒋莉，等．渝东北地区强降雨诱发地质灾害险情分析［J］．长江科学院院报，2017，34(10):50－56．

［4］张杰，王宇，张红兵，等．云南彝良9•07地震次生地质灾害特征分析［J］．工程地质学报，2014，22(2):280－291．

［5］谢吉尊，冯文凯，杨少帅，等．则木河断裂带活动特征和地质灾害对地貌演化的影响———以鹅掌河流域为例［J］．工程地质学报，2017，25(3):772－783．

［6］吴丰，吕振雷，陈珂锐．基于时间尺度分析的云网格空间资源调度算法［J］．计算机仿真，2015，32(8):131－135．

［7］王瑛，林齐根，史培军．中国地质灾害伤亡事件的空间格局及影响因素［J］．地理学报，2017，72(5):906－917．

［8］潘皇宋，李天斌，仵拨云，等．降雨条件下折线型滑面的大型滑坡稳定性离心模型试验［J］．岩土工程学报，2016，38(4):696－704．

［9］汤明高，许强，李九乾，等．降雨诱发震后松散堆积滑坡的启动试验研究［J］．水文地质工程地质，2016，43(4):128－134．

［10］齐大鹏，汪超，韩小令，等．基于加密降水资料的贵州地质灾害概率预报模型［J］．气象科技，2016，44(5):788－792．

［11］周雨，刘志萍，张国平．鹰厦铁路降水诱发地质灾害概率预报模型及应用［J］．应用气象学报，2015，26(6):743－749．

［12］孟庆丰，王学良．北京怀柔区降雨引发地质灾害危险性预测［J］．水文地质工程地质，2016，43(2):167－170．

［13］强菲，赵法锁，党亚倩，等．陕南秦巴山区地质灾害与影响因素的相关性分析［J］．南水北调与水利科技，2015，13(3):557－562．

［14］范嘉炜，黄锦林，唐造造．高州市不同历时降雨组合的风险概率研究［J］．灾害学，2018，33(1):213－217．

［15］孔锋，吕丽莉，方建，等．基于日值和小时降水数据诊断中国暴雨时空变化差异的研究(1991－2010)［J］．灾害学，2017，32(1):72－79．

作者：马秀梅 刘晓燕 代青措 马琼 单位：青海省气象台