渝東北2014年“8·31”暴雨誘發(fā)滑坡遙感解譯與分析

劉志中, 宋英旭， 葉潤青

(1.中鐵十一局集團第四工程有限公司,武漢 100855； 2.東華理工大學信息工程學院江西省放射性地學大數(shù)據(jù)技術(shù)工程實驗室，南昌 330013； 3.中國地質(zhì)調(diào)查局武漢地質(zhì)調(diào)查中心(中南地質(zhì)科技創(chuàng)新中心)，武漢 430205)

0 引言

長江流域大部分地區(qū)屬于亞熱帶季風氣候，降雨較充沛，是我國洪澇災害發(fā)生最頻繁的地區(qū)，尤其是極端氣候的發(fā)生對于長江流域的影響極為嚴重。在氣候特征上，長江流域既受太平洋的影響，又受到印度洋西南季風的影響，尤其是全球氣候變暖加劇了極端天氣、氣候事件的發(fā)生，年極端降雨事件表現(xiàn)為增加趨勢[1]。且年極端降雨發(fā)生在暖季的比例達到80%以上，幾乎集中了所有最大量級的極端降雨[2]。2000年以來，長江流域處在多雨的年代際背景中[3]。歷史氣象監(jiān)測數(shù)據(jù)顯示，長江中上游地區(qū)，多年平均降雨量和連續(xù)最大降雨量分布在重慶市萬州和開州附近區(qū)域，其中開州監(jiān)測到的連續(xù)最大降雨量超過450 mm。因此，渝東北地區(qū)年降雨量大，出現(xiàn)極端降雨天氣的頻次高，在極端天氣的影響下，降雨型地質(zhì)災害多發(fā)、頻發(fā)，以滑坡、崩塌、泥石流等斜坡地質(zhì)災害為主。如1981年、1982年、1998年、2014年、2017年和2018年等年份的汛期均出現(xiàn)了極端天氣，受到極端天氣的影響，在川東(渝東北)、鄂西誘發(fā)大量的滑坡、崩塌地質(zhì)災害。1981年7—9月, 四川省遭受了特大暴雨的襲擊, 使全省18個地、市、州的90多個縣區(qū)發(fā)生了約6萬處滑坡, 其中規(guī)模較大的達4.7萬處[4]。1982年7月川東暴雨期間，重慶云陽縣境內(nèi)共發(fā)生大中型滑坡76處[5]，如雞扒子滑坡[6]，堵塞長江河道。2014 年8月30日—9月2日，渝東北地區(qū)出現(xiàn)了持續(xù)強降雨的天氣，奉節(jié)縣、云陽縣、巫山縣、巫溪縣和開州區(qū)等地區(qū)均出現(xiàn)了極端降雨天氣，出現(xiàn)大量滑坡、危巖、泥石流等地質(zhì)災害，造成了32 人死亡，10人失蹤，129人受傷，7 024間房屋垮塌，直接經(jīng)濟損失約5.8 億元，造成人員傷亡、道路中斷、房屋沖毀，水、電、氣等基礎(chǔ)設施被毀，嚴重影響人民群眾的正常生活[7]。2017年9—10月華西久雨，長江中上游三峽庫區(qū)持續(xù)陰雨天氣達1個月以上，降雨量是往年同期的2～3倍甚至更多，誘發(fā)了滑坡變形及大規(guī)?；?，如秭歸縣柏堡滑坡和鹽關(guān)滑坡、巫溪縣廣安村滑坡等。

遙感影像具有多源、多時相、多時空分辨率、覆蓋面廣的特征，非常適于開展災害地質(zhì)調(diào)查工作。遙感、地理信息科學等技術(shù)的發(fā)展為長江三峽庫區(qū)的精細化地質(zhì)調(diào)查提供了有力的技術(shù)保障，很好地解決了庫岸消落帶地形變化、重點地區(qū)地質(zhì)災害隱患調(diào)查、地質(zhì)環(huán)境破壞等地質(zhì)新問題[8]。

20世紀70年代，就有相關(guān)學者利用SPOT影像進行滑坡塊體運動的識別及滑坡危險性制圖的工作[9]。與傳統(tǒng)的地質(zhì)調(diào)查方法相比，基于光學影像特別是航空影像的滑坡解譯更加簡單且經(jīng)濟實惠，信息的存儲和傳遞也更加便捷[10]。文廣超等[11]利用Landsat影像提取了四川茂縣滑坡和貴州納雍等6個滑坡遙感特征。隨著微波遙感技術(shù)發(fā)展，合成孔徑雷達干涉測量技術(shù)也被廣泛地應用到地質(zhì)災害調(diào)查和特征提取中。Colesanti等[12]將差分干涉合成孔徑雷達技術(shù)用于滑坡識別。此外，遙感影像也為滑坡易發(fā)性區(qū)劃和滑坡風險評價提供了數(shù)據(jù)源，如植被覆蓋度、降雨量分布和地形坡度等信息。

本文以渝東北2014年“8·31”極端降雨誘發(fā)滑坡為研究對象，基于高空間分辨遙感影像開展滑坡解譯工作，獲取了本次暴雨誘發(fā)滑坡的分布情況，結(jié)合降雨遙感觀測數(shù)據(jù)，分析了滑坡與暴雨、地形關(guān)系。從區(qū)域地質(zhì)構(gòu)造的角度，探討了渝東北地區(qū)極端降雨和滑坡多發(fā)、頻發(fā)的原因，為降雨誘發(fā)地質(zhì)災害易發(fā)性分析及預測預報提供依據(jù)。

1 2014年“8·31”極端降雨特征分析

1.1 渝東北地區(qū)2014年“8·31”極端降雨特征

2014年8月底和9月初，渝東北地區(qū)出現(xiàn)了一次廣泛的強降雨過程，此次降雨持續(xù)時間在3～6 d。此次極端降雨的最大特點是雨量大，局部地區(qū)降雨量超過300 mm，日降雨量超過200 mm。在渝東北地區(qū)出現(xiàn)特大暴雨降雨，主要降雨時間在8月31日—9月1日，暴雨主要集中在渝東北地區(qū)，包括巫溪縣、奉節(jié)縣、云陽縣、開州區(qū)和萬州區(qū)等區(qū)縣。據(jù)國家氣象站點監(jiān)測數(shù)據(jù)顯示，8月31日—9月2日，巫溪縣累積降雨量為233.3 mm，最大日降雨量為214.4 mm； 開州區(qū)的累積降雨量為189.3 mm，最大日降雨量為179.3 mm(表1)。

表1 渝東北地區(qū)2014年秋汛“8·31”極端降雨監(jiān)測數(shù)據(jù)Tab.1 Monitoring data of extreme rainfall on August 31,2014 of northeast Chongqing

為獲取區(qū)域性降雨分布，本文通過美國航空航天局全球降雨測量(globe precipitation measurement，GPM)和熱帶降雨測量任務(the tropical rainfall measuring mission，TRMM)降雨數(shù)據(jù)，獲得了渝東北2014年“8·31”暴雨降雨過程的累積降雨量及最大日降雨量分布(圖1)。

(a) 累積降雨量分布 (b) 最大日降雨量分布圖1 渝東北地區(qū)2014年“8·31”極端降雨分布Fig.1 Precipitation distribution of northeast Chongqing on August 31,2014

TRMM是美國航空航天局和日本航空航天探索機構(gòu)之間的一個聯(lián)合任務，旨在監(jiān)測和研究熱帶地區(qū)降雨。其產(chǎn)品包含網(wǎng)格化、TRMM調(diào)整、合并的紅外降雨(mm/h)和RMS降雨誤差估計，具有3 h的時間分辨率和0.25°的空間分辨率，衛(wèi)星降雨產(chǎn)品在氣候和水文研究中得到了大量應用[13]。GPM是基于TRMM 的新一代全球衛(wèi)星降雨觀測計劃，能夠統(tǒng)一其衛(wèi)星群框架內(nèi)各衛(wèi)星的觀測成果，提升微波降雨觀測能力，其觀測方法及降雨反演也為太空衛(wèi)星降雨觀測設立了新標準[14]。從“8·31”極端暴雨的累積降雨量分布可以看出，暴雨范圍涉及重慶的奉節(jié)縣、巫溪縣、云陽縣和開州區(qū)等地。最大累積降雨量為244.135 mm(圖1(a))，最大日降雨量為144.476 mm(圖1(b))。其中最大累積降雨量發(fā)生在奉節(jié)北部、云陽東北部和巫溪南部區(qū)域。

1.2 渝東北極端天氣形成原因分析

此次暴雨主要集中在渝東北云陽縣、奉節(jié)縣、巫溪縣一帶，處于大巴山弧形構(gòu)造與八面山弧形構(gòu)造交匯地區(qū)，北部為巫溪凹褶束向南凸出的弧形構(gòu)造，而南部為八面山弧形構(gòu)造向北凸出的弧形構(gòu)造，山勢形成喇叭狀地貌。地勢上，北部、東部和南部地勢高，西部地勢低。北部大巴山和南部八面山高程在1 500 m以上，東部山勢高程在1 300～1 500 m。

山區(qū)復雜下墊面的熱力和動力作用對暴雨有觸發(fā)、加強或削弱、消亡的影響, 地形性強迫抬升和輻合是觸發(fā)暴雨和使之加強的重要機制，喇叭口地形的影響程度是單純迎風坡地形的2～3倍, 對暴雨的增強程度可達平地上的9～10倍[15]。地形強迫的垂直運動在迎風坡較強，以地形抬升作用為主，但邊界層摩擦輻合作用也有貢獻，在迎風坡形成一個局地垂直環(huán)流圈，降雨量大值中心位于上升運動中心以南[16]。

依據(jù)山區(qū)地形對暴雨的影響分析，從區(qū)域構(gòu)造的角度可以很好地解釋渝東北暴雨成因。從構(gòu)造及形成的山勢走向看(圖2)，西南季風暖濕氣流遇到渝東北口袋狀山脈限制，沿著寬廣向斜(低地形)向北東方向運移，在開州區(qū)、云陽縣北部、奉節(jié)縣北部和巫溪縣區(qū)域匯聚，受到向斜揚起端形成較高地勢阻擋而沿坡爬升，出現(xiàn)地形性強迫抬升和輻合，使對流旺盛，雨量加大，且移動緩慢，形成強降雨。

圖2 地質(zhì)構(gòu)造控制下的渝東北地區(qū)暴雨形成示意圖Fig.2 Sketch map of rainstorm formation in northeast Chongqing under the control of geological structure

2 極端降雨引發(fā)滑坡遙感解譯

2.1 滑坡遙感解譯

利用渝東北地區(qū)2014年“8·31”暴雨前后的衛(wèi)星遙感影像，解譯此次暴雨過程誘發(fā)產(chǎn)生的滑坡。在暴雨后的高空間分辨率遙感影像上，發(fā)生大規(guī)?；频男逼聟^(qū)域，其滑坡特征十分明顯，包括： 滑坡區(qū)域衛(wèi)星影像色調(diào)較淺，植被、房屋、公路等破壞； 滑坡體上不同性質(zhì)的裂縫明顯，如后緣出現(xiàn)拉裂縫，巖土體下錯形成圈椅狀裂縫或者滑坡后壁； 前緣向河谷伸出，擁塞河谷，甚至形成堰塞湖； 部分滑坡前緣形成滑坡泥石流，滑動巖土體形成泥石流運移數(shù)百米甚至更長。利用“8·31”暴雨前后的衛(wèi)星遙感影像對比分析，可以消除人類工程活動對滑坡解譯的干擾，進一步提高解譯精準度。

遙感解譯是在Google Earth軟件中進行，充分利用了該軟件中所展示的不同時期的歷史遙感數(shù)據(jù)，可以較為準確、高效地解譯出渝東北地區(qū)“8·31”暴雨誘發(fā)的地質(zhì)災害。利用軟件提供的工具，可以對滑坡長度、寬度和面積等基本特征進行量測。

經(jīng)遙感影像解譯，得到該區(qū)域589處滑坡，主要分布于長江以北的奉節(jié)縣和云陽縣的北部區(qū)域、開州區(qū)東部、巫溪縣南部地區(qū)，面積約2 000 km2范圍內(nèi)(圖3)。在規(guī)模上，以中小型滑坡為主，占滑坡總數(shù)的90.7%。且以新生型滑坡為主，占滑坡總數(shù)的71.9%； 部分為老滑坡在暴雨作用下，也出現(xiàn)較大變形甚至發(fā)生大規(guī)模滑移。

圖3 “8·31”暴雨誘發(fā)滑坡遙感解譯分布Fig.3 Remote sensing interpretation distribution of landslides induced by extreme rainfall on August 31

2.2 降雨型滑坡解譯

2.2.1 奉節(jié)縣桂壩滑坡

桂壩滑坡位于奉節(jié)縣公平鎮(zhèn)桂壩7社，該滑坡發(fā)生在2014年9月1日。從Google Earth軟件上，可以查詢到滑坡發(fā)生前后時間間隔較近的2期遙感影像(圖4)，其獲取時間分別是2014年8月20日和2014年10月11日。

(a) 2014年8月20日 (b) 2014年10月11日圖4 奉節(jié)縣桂壩滑坡前后遙感影像Fig.4 Remote sensing images before and after Guiba landslide in Fengjie County

經(jīng)過滑坡地質(zhì)調(diào)查以及疊加數(shù)字高程模型數(shù)據(jù)分析，滑坡后緣高程為720 m，形成圈椅狀后壁，后壁高度在25 m左右，可以看到多條拉裂縫。滑坡的剪出口位于公路以上，高程約610 m，滑坡面積約4.6×104m2，估算滑體厚度在20 m左右，滑坡體積約為92×104m3，為中型土質(zhì)滑坡?；職姆课?0余間?；禄瑒雍筠D(zhuǎn)化為滑坡泥石流，沿著沖溝泄流而下1.3 km，淤積于梅溪河河床。在此次暴雨誘發(fā)的滑坡中，滑動后形成泥石流是比較常見的類型，如奉節(jié)縣青蓮鄉(xiāng)白果寨特大型順層巖質(zhì)滑坡。

2.2.2 奉節(jié)縣下橫旦滑坡

下橫旦滑坡位于奉節(jié)縣大樹鎮(zhèn)槽木村1組，2014年9月2日發(fā)生大規(guī)?；瑒?。從2015年5月8日遙感影像(圖5)可以看出滑坡邊界清晰，右側(cè)邊界為沖溝，左側(cè)邊界可以看到清楚的側(cè)壁，后緣出現(xiàn)圈椅狀滑壁。經(jīng)過滑坡地質(zhì)調(diào)查以及疊加數(shù)字高程模型數(shù)據(jù)分析，滑坡壁長度約40 m。滑坡前緣抵達河床，其右側(cè)前緣巖土體堆積造成河床壅塞抬高，形成小的堰塞湖，滑坡后緣寬度為160 m，前緣寬度為500 m，縱長為450 m，面積為13.9×104m2，為一大型滑坡，屬于降雨作用下古滑坡復活。

圖5 2015年5月8日奉節(jié)縣下橫旦滑坡遙感影像Fig.5 Remote sensing images of the Xiahengdan landslide in Fengjie County on May 8，2015

3 降雨誘發(fā)滑坡發(fā)育特征分析

3.1 滑坡發(fā)生時的降雨分析

降雨衛(wèi)星數(shù)據(jù)和雨量站測站數(shù)據(jù)是降雨分析的2種不同類型的數(shù)據(jù)源。測站數(shù)據(jù)是點狀數(shù)據(jù)，在單點測量精度上更有優(yōu)勢。相比測站數(shù)據(jù)，降雨衛(wèi)星數(shù)據(jù)覆蓋面更廣，獲取難度相對較低，更適于做區(qū)域性的分析計算。不可否認，低空間分辨率的降雨數(shù)據(jù)與高分影像解譯得到的滑坡數(shù)據(jù)進行疊加會造成一定的分析誤差。作為改進方案，利用測站數(shù)據(jù)對低空間分辨率的降雨衛(wèi)星數(shù)據(jù)進行修正，有望提高滑坡與降雨關(guān)系分析的準確度。

本文將遙感解譯獲得的滑坡分布與美國航空航天局全球降雨觀測數(shù)據(jù)疊加，統(tǒng)計分析滑坡所在位置的最大單日降雨量(圖6(a))和累積降雨量(圖6(a))之間的關(guān)系。由圖6(a)可知，當最大單日降雨量為50 mm時，有滑坡開始發(fā)生; 當最大單日降雨量為80 mm，滑坡開始持續(xù)發(fā)生,且隨著降雨量的增大，滑坡數(shù)量增多； 最大單日降雨量為90 mm的區(qū)域，滑坡開始大量出現(xiàn); 最大單日降雨量為100 mm的區(qū)域，滑坡發(fā)生數(shù)量最多，共有270處，占解譯滑坡數(shù)量的45.84%; 其次是最大單日降雨量為120 mm的區(qū)域，解譯滑坡164處，占解譯滑坡數(shù)量的27.84%。從圖6(b)可以看出，當累積降雨量為110 mm時，有滑坡開始發(fā)生; 當累積降雨量為160 mm，滑坡開始持續(xù)發(fā)生; 當累積降雨量為200 mm區(qū)域，滑坡大量出現(xiàn)，且隨著累積降雨量的增大，滑坡數(shù)量增多； 累積降雨量為210 mm區(qū)域共發(fā)生滑坡176處，占滑坡解譯數(shù)量的29.88%; 其次是累積降雨量為240 mm區(qū)域，解譯滑坡117處，占19.86%。

(a) 滑坡數(shù)量與最大單日降雨量(b) 滑坡數(shù)量與累積降雨量圖6 渝東北地區(qū)“8·31”暴雨誘發(fā)滑坡區(qū)域的雨量統(tǒng)計Fig.6 Rainfall statistics of the August 31 rainstorm-induced landslide area in northeast Chongqing

由圖6可知，最大單日降雨量和累積降雨量在誘發(fā)滑坡的趨勢具有較好的一致性，即累積降雨量大致是最大單日降雨量的2倍。如當最大單日降雨量和累積降雨量分別超過80 mm和160 mm時，此區(qū)域開始持續(xù)發(fā)生滑坡； 當最大單日降雨量和累積降雨量分別超過100 mm和210 mm時，此區(qū)域開始發(fā)生大量滑坡。

3.2 滑坡發(fā)生處的斜坡地形分析

以滑坡中心點的高程統(tǒng)計(圖7)， 200～1 350 m高程范圍均有滑坡發(fā)生。

圖7 渝東北地區(qū)“8·31”暴雨誘發(fā)滑坡高程分析Fig.7 Elevation analysis of rainstorm-induced landslide on August 31 in northeast Chongqing

總體上，在數(shù)量上，隨著高程增大，滑坡數(shù)量有先增大后減少的變化趨勢。高程在500 m以下，滑坡數(shù)量隨著高程的增加而增多。而高程在600 m以上，滑坡數(shù)量隨著高程增加而減少。以高程在400～700 m之間分布較為集中，共有289處，占解譯滑坡總數(shù)的49.06%。從滑坡發(fā)育斜坡的山頂高程統(tǒng)計可以得出，本次暴雨誘發(fā)大量滑坡發(fā)生的區(qū)域，其斜坡山頂高程在1 000～1 400 m之間。當斜坡山頂高程大于1 000 m時，對氣流輸送具有較大的阻擋作用，由水平運動為主轉(zhuǎn)為沿坡爬升，形成強對流天氣而產(chǎn)生暴雨。

誘發(fā)滑坡的坡度和坡向分析如圖8所示。

(a) 滑坡數(shù)量與坡度(b) 滑坡數(shù)量與坡向圖8 渝東北地區(qū)“8·31”暴雨誘發(fā)滑坡坡度和坡向分析Fig.8 Slope and aspect analysis of rainstorm-induced landslide on August 31 in northeast Chongqing

從滑坡發(fā)生的斜坡地形坡度統(tǒng)計可以得出(圖8(a))，滑坡坡度在10°～90°范圍均有滑坡發(fā)生，以30°左右坡度滑坡發(fā)生數(shù)量最多。其中地形坡度在30°～35°的斜坡上發(fā)生滑坡數(shù)量為106處，占滑坡解譯數(shù)量的18.00%; 其次,坡度為20°～25°的斜坡上發(fā)生滑坡數(shù)量為98處，占解譯滑坡數(shù)量的16.64%; 20°～35°的斜坡中，發(fā)生滑坡數(shù)量為299處，占解譯滑坡數(shù)量的50.76%。

從滑坡發(fā)生的斜坡坡向統(tǒng)計可以看出(圖8(b))，此次降雨過程誘發(fā)的滑坡主要分布在以西、南朝向的斜坡上，屬迎風坡。斜坡朝向在160°～280°之間斜坡上，發(fā)生的滑坡數(shù)量為437處，占解譯滑坡總數(shù)的74.19%。其中西南朝向斜坡發(fā)生滑坡數(shù)量最多，占解譯滑坡總數(shù)的34.97%。

3.3 滑坡發(fā)育地層巖性分析

從地層巖性角度看，該區(qū)域廣泛分布碎屑巖類和碳酸鹽巖地層。其中暴雨誘發(fā)滑坡集中在侏羅系和三疊系碎屑巖地層，為軟硬相間的層狀砂巖與黏土巖互層，包括侏羅系上沙溪廟組( J2s) 、蓬萊鎮(zhèn)組(J3p) 、自流井組( J1-2z) 、新田溝組( J2x) 、珍珠沖組( J1z) 、遂寧組( J3s) 、下沙溪廟組( J1xs) 以及三疊系巴東組(T2b)等地層(表2)，主要巖性為砂巖、粉砂巖、泥灰?guī)r等與層厚不等的泥巖、頁巖，呈互層狀，為軟巖和軟硬相間巖層。地層巖石強度低，易風化，形成厚度不等的第四系崩坡積物，屬于滑坡易發(fā)地層。

表2 渝東北地區(qū)“8·31”暴雨滑坡地層巖性分析Tab.2 Formation and lithology analysis of rainstorm-induced landslide on August 31 in northeast Chongqing

4 結(jié)論與討論

本文利用高空間分辨率衛(wèi)星遙感影像及美國航空航天局全球降雨觀測數(shù)據(jù)，對渝東北地區(qū)2014年“8·31”暴雨誘發(fā)滑坡進行遙感解譯，并分析了此次降雨誘發(fā)的滑坡與降雨、地形等的關(guān)系。

1)渝東北“8·31”極端暴雨區(qū)地處四川盆地東沿，區(qū)域構(gòu)造為大巴山和八面山弧形構(gòu)造帶的交匯部位。西南季風運移過程中山脈限制，運移通道呈現(xiàn)喇叭狀山勢逐漸收窄，在開州區(qū)、云陽縣北部、奉節(jié)縣北部和巫溪縣南部區(qū)域匯聚后，受到褶皺形成的較高地勢(1 000 m以上高程)阻擋后，沿斜坡爬升，形成強對流天氣而產(chǎn)生暴雨。因此，由構(gòu)造形成的地貌和山勢是該地區(qū)成為暴雨中心的主要原因。

2)據(jù)滑坡與降雨關(guān)系統(tǒng)計分析，當最大單日降雨量和累積降雨量分別超過80 mm和160 mm時，滑坡開始持續(xù)發(fā)生，應發(fā)布區(qū)域性滑坡紅色預警； 當預報最大單日降雨量和累積降雨量分別在100 mm和210 mm時，應做好應對滑坡大量發(fā)生的準備。且暴雨誘發(fā)滑坡開始發(fā)生和大量發(fā)生時的最大單日降雨量和累積降雨量大體上呈2倍關(guān)系。

3)此次強降雨過程誘發(fā)滑坡以新生的中、小型滑坡為主，滑坡區(qū)域的斜坡地形坡度相對較陡，坡度在25°左右居多，且30°～45°斜坡仍有滑坡發(fā)生。暴雨誘發(fā)滑坡區(qū)的地形坡度相對較陡，尤其是新生的滑坡，且暴雨誘發(fā)滑坡主要發(fā)生在西、南朝向的迎風坡上。

本文研究認為，渝東北地區(qū)復雜的地質(zhì)構(gòu)造條件，以及由其產(chǎn)生的構(gòu)造侵蝕地貌不僅使得該區(qū)域成為暴雨中心，也導致了降雨型滑坡多發(fā)、頻發(fā)。首先是地區(qū)滑坡易發(fā)地層廣泛分布，主要為侏羅系軟巖和軟硬相間巖層，且?guī)r石易風化，第四系崩坡積物較厚； 其次區(qū)域構(gòu)造與河流侵蝕切割作用使得地形起伏大、坡度較陡，為滑坡發(fā)育和發(fā)生提供有力地形條件； 再次是由構(gòu)造形成的山勢特點使得該區(qū)域成為暴雨中心，極端天氣頻發(fā)，暴雨成為該地區(qū)滑坡大量發(fā)生的主要誘因。因此，筆者認為在降雨誘發(fā)地質(zhì)災害易發(fā)性分析和預測預報中，應該考慮地質(zhì)構(gòu)造形成的地形地貌格局對局地降雨強度及分布的影響，這有助于提高時間和空間預測分析精度。