林芝市公路地質(zhì)災(zāi)害易發(fā)性區(qū)劃及氣象預(yù)報模型

陶星宇, 柳錦寶, 黃志剛, 巴 桑, 卓 瑪, 陳 軍, 肖 斌, 高瑜蓮, 費曉燕

(1.成都信息工程大學(xué) 資源環(huán)境學(xué)院, 四川 成都 610225; 2.福建省氣象服務(wù)中心,福建 福州 350001; 3.西藏高原大氣環(huán)境科學(xué)研究所, 西藏 拉薩 850000; 4.西藏自治區(qū)氣候中心,西藏 拉薩 850000; 5.北京師范大學(xué) 地理學(xué)部, 北京 100875; 6.四川公眾項目咨詢管理有限公司, 四川 成都 610051)

林芝市境內(nèi)主要公路大多分布于河流兩側(cè)的階地上，使得因強降水引起的地質(zhì)災(zāi)害的威脅以沖毀公路為主，其中，降水誘發(fā)的滑坡、崩塌、泥石流是林芝市地質(zhì)災(zāi)害中威脅、損失最大的災(zāi)種[1]。截止到2019年，通過市縣地質(zhì)災(zāi)害調(diào)查與區(qū)劃查明的地質(zhì)災(zāi)害點約152處，隱患點約1 213處，而由降水誘發(fā)的地質(zhì)災(zāi)害占全市各類地質(zhì)災(zāi)害總數(shù)的80%，幾乎每年都會發(fā)生幾十次不同程度、不同規(guī)模的地質(zhì)災(zāi)害，造成重大損失。近年來，地質(zhì)災(zāi)害的發(fā)生愈加頻繁，造成的經(jīng)濟損失越來越重，2016年10月11日，林芝市易貢茶場白龍溝發(fā)生大型泥石流地質(zhì)災(zāi)害，造成直接經(jīng)濟損失2 154.59萬元；2018年10月17日，雅魯藏布江林芝市米林縣加拉村段發(fā)生滑坡地質(zhì)災(zāi)害，造成直接經(jīng)濟損失118 158.94萬元。在汛期，林芝市大部分地質(zhì)條件比較復(fù)雜的路段往往會發(fā)生滑坡、崩塌、泥石流等嚴重的地質(zhì)災(zāi)害，對沿線交通設(shè)施、群眾的生命安全構(gòu)成嚴重的威脅。因此，加強林芝市公路沿線地質(zhì)災(zāi)害防治及氣象預(yù)報工作具有重要意義。

預(yù)報模型是成功開展地質(zhì)災(zāi)害氣象預(yù)報的基礎(chǔ)，近年來，地質(zhì)災(zāi)害氣象預(yù)報模型的研究得到了國內(nèi)外學(xué)者及政府的高度重視[2-7]，劉傳正等[8]針對三峽庫區(qū)建立了降水判據(jù)模型，提出了地質(zhì)災(zāi)害預(yù)報與防治措施，給地質(zhì)災(zāi)害預(yù)報研究提供了新方向；Keiko[9]基于多元線性回歸法對誘發(fā)地質(zhì)災(zāi)害的降水量因子進行了分析[9]，這種只考慮降水量而未考慮到地質(zhì)災(zāi)害背景條件的閾值模型，結(jié)果差異很大，實際應(yīng)用受到限制[10-14]。因此，對地質(zhì)背景與降水量相結(jié)合的預(yù)報模型開始了研究，在多因子模型的基礎(chǔ)上，浙江、貴州、江蘇、廣東、四川、廣西、甘肅等省開始構(gòu)建了地質(zhì)災(zāi)害氣象預(yù)報系統(tǒng)[15-21]；費曉燕、陳宮燕等[22-23]結(jié)合降水資料和地質(zhì)環(huán)境特征，基于邏輯回歸方法分別對四川省和林芝市進行地質(zhì)災(zāi)害氣象預(yù)報研究。而現(xiàn)在國內(nèi)大多研究的是大范圍地質(zhì)災(zāi)害氣象預(yù)報，小范圍預(yù)報和服務(wù)對象等方面考慮較少[24-25]，對于構(gòu)建小范圍公路地質(zhì)災(zāi)害氣象預(yù)報模型方面的研究更是少之又少。目前，陳洪凱等[26]選取了暴雨、溫度、植被覆蓋率、災(zāi)害體、年均降水量、巖性條件、路基位置、地震烈度、地貌類型、地質(zhì)構(gòu)造等10個因子，針對川藏公路提出了地質(zhì)災(zāi)害危險性區(qū)劃模型；孟兆興等[27]基于信息量法、邏輯回歸模型及空間邏輯回歸模型對川藏公路進行了易發(fā)性評價。目前，對于公路沿線地質(zhì)災(zāi)害的研究主要集中在易發(fā)性評價方面，未結(jié)合降水量因子進行分析，無法進行地質(zhì)災(zāi)害預(yù)報服務(wù)。因此，本研究則在地質(zhì)災(zāi)害易發(fā)性評價的基礎(chǔ)上，進一步進行地質(zhì)災(zāi)害氣象預(yù)報模型研究。本研究通過建立林芝市公路沿線15 km緩沖區(qū)，對林芝市公路沿線地質(zhì)災(zāi)害易發(fā)性區(qū)劃和降水誘發(fā)地質(zhì)災(zāi)害關(guān)系進行研究，構(gòu)建林芝市公路沿線地質(zhì)災(zāi)害氣象預(yù)報模型，為實施林芝市境內(nèi)公路地質(zhì)災(zāi)害氣象預(yù)報提供了依據(jù)。

1 研究區(qū)概況

本研究以林芝市公路沿線15 km緩沖區(qū)為研究區(qū)，林芝市位于西藏自治區(qū)的東南部喜馬拉雅山脈中段，南靠岡底斯山脈，北傍念青唐古拉山，地處雅魯藏布江中下游，屬高山峽谷區(qū)，山高谷深，土質(zhì)基本為沙壤結(jié)構(gòu)，森林覆蓋率為46%，是中國第三大林區(qū)。研究區(qū)內(nèi)主要為山地地貌與河谷、山間盆地侵蝕堆積地貌區(qū)，地形完整性差，地形起伏大，平均海拔3 000 m，最低點海拔155 m，是陸地垂直地貌落差最大的地區(qū)。同時，該區(qū)域是強烈的構(gòu)造隆起區(qū)與不同的地質(zhì)構(gòu)造區(qū)的交匯地帶[28]，該研究區(qū)屬于藏東南地區(qū)強烈的擠壓帶，包括喜馬拉雅板片、雅魯藏布江縫合帶、岡底斯—念青唐古拉板塊、班公錯—怒江縫合帶、羌塘—三江復(fù)合板塊、金沙江縫合帶[29-30]。研究區(qū)內(nèi)均發(fā)育有各個時代的地層，巖石類型分布復(fù)雜，主要有泥盆系、三疊系的板巖、片巖、片麻巖、大理巖以及侏羅紀的泥巖等[31]。受印度洋暖流與北方寒流的影響，形成了熱帶、亞熱帶、溫帶和寒帶并存的復(fù)雜氣候帶，年降水量達到650 mm左右，降水多且集中。對研究區(qū)內(nèi)2010—2019年日降水量數(shù)據(jù)進行年均月降水量統(tǒng)計分析，由于2015年氣象站點數(shù)據(jù)較少，不具備典型性，則將其剔除，剔除后發(fā)現(xiàn)5—9月(主汛期)的年均月降水量較大，其中，7月最大，年均月降水量達到了4 055 mm。因此，在地形地貌、地質(zhì)構(gòu)造、地層巖性和降水等因素的共同作用下使得林芝市成為西藏自治區(qū)地質(zhì)災(zāi)害最嚴重的地區(qū)，其中，2010—2019年研究區(qū)災(zāi)害點及隱患點分布如圖1所示。

圖1 林芝市公路沿線災(zāi)害點及隱患點分布

2 研究數(shù)據(jù)及方法

2.1 數(shù)據(jù)來源

本研究中使用的數(shù)據(jù)主要包括Landsat 8影像、DEM數(shù)據(jù)、土地利用、土壤、降水量、河流、道路、斷層、地質(zhì)災(zāi)害點及隱患點等數(shù)據(jù)。其中，Landsat 8影像源于美國地質(zhì)勘探局官網(wǎng)USGS(https:∥earthexplorer.usgs.gov/)；DEM數(shù)據(jù)源于NASA官網(wǎng)(https:∥www.nasa.gov/)SRTM1 30 m數(shù)字高程數(shù)據(jù)；土地利用數(shù)據(jù)源于NASA官網(wǎng)2018年MOD12Q1產(chǎn)品數(shù)據(jù)；土壤類型數(shù)據(jù)源于《1∶100萬中華人民共和國土壤圖》；河流、道路數(shù)據(jù)源于Open Street Map官網(wǎng)(https://www.openstreetmap.org/)；斷層數(shù)據(jù)源于全國地質(zhì)信息資料網(wǎng)(http://www.drc.cgs.gov.cn)全國1∶250萬地質(zhì)數(shù)據(jù)；降水量、地質(zhì)災(zāi)害點及隱患點數(shù)據(jù)由林芝市氣象局及自然資源局提供，時間段為2010—2019年；坡度、溝谷密度數(shù)據(jù)是基于DEM數(shù)據(jù)在ArcGIS軟件中提取得到；裸巖率數(shù)據(jù)是基于Landsat8影像提取得到，時間為2019年11月29日。

2.2 研究方法

(1) 邏輯回歸方法。邏輯回歸方法在解決地質(zhì)災(zāi)害問題中，具有計算方法簡單、能自動篩選影響因子等優(yōu)點?？蓪Φ刭|(zhì)災(zāi)害發(fā)生產(chǎn)生影響的區(qū)劃因子作為自變量，將地質(zhì)災(zāi)害是否發(fā)生作為因變量(1代表發(fā)生，0代表未發(fā)生)[32]?？紤]到各因子為非連續(xù)變量，本研究使用二元邏輯回歸方法進行分析[33]，計算公式為：

(1)

式中：P為地質(zhì)災(zāi)害發(fā)生的概率值； (1-P)為未發(fā)生地質(zhì)災(zāi)害的概率值；X1，X2，…，Xn為區(qū)劃因子；B1，B2，…，Bn為各區(qū)劃因子對應(yīng)的邏輯回歸系數(shù)。

(2) 單因子信息量方法。由于各區(qū)劃因子有不同標準的數(shù)據(jù)類型和數(shù)據(jù)量級，不能直接對其進行分析。所以，在使用邏輯回歸方法之前需要將各區(qū)劃因子進行異質(zhì)數(shù)據(jù)同化。信息量法在本質(zhì)上是一種數(shù)據(jù)驅(qū)動的定量統(tǒng)計方法，2001年信息量法被用于地質(zhì)災(zāi)害易發(fā)性分級中。信息量法的主要思路為：根據(jù)歷史災(zāi)害點，對各區(qū)劃因子進行分級，將各區(qū)劃因子的真實值轉(zhuǎn)化為反映該研究區(qū)區(qū)劃因子等級的信息量值，再根據(jù)信息量值來評判各區(qū)劃因子與地質(zhì)災(zāi)害的相關(guān)性。本研究即采用信息量法用于邏輯回歸模型的異質(zhì)數(shù)據(jù)同化。

對于單一評價因素的信息量i，計算公式為：

(2)

式中：S為研究區(qū)內(nèi)評價單元的總面積；N為評價單元內(nèi)發(fā)生地質(zhì)災(zāi)害的總數(shù)量；Si為評價單元內(nèi)特定類別的面積；Ni為分布在評價單元內(nèi)特定類別的地質(zhì)災(zāi)害的數(shù)量。

3 地質(zhì)災(zāi)害易發(fā)性區(qū)劃研究

3.1 地質(zhì)災(zāi)害易發(fā)性區(qū)劃因子選取

通過前期對林芝市公路沿線15 km緩沖區(qū)內(nèi)的地形地貌、地質(zhì)環(huán)境和生態(tài)環(huán)境的研究，發(fā)現(xiàn)其與地質(zhì)災(zāi)害的分布緊密相關(guān)，同時，在中外地質(zhì)災(zāi)害易發(fā)性區(qū)劃模型的研究中，多數(shù)使用了坡度、斷層、降水量等因子作為區(qū)劃因子。因此，本研究最終選定8個區(qū)劃因子作為地質(zhì)災(zāi)害易發(fā)性區(qū)劃模型的評價指標，包括斷層密度、土地利用類型、土壤類型、坡度、溝谷密度、年均降水量、裸巖率和距河流的距離。再根據(jù)文獻調(diào)研、實際經(jīng)驗和地質(zhì)災(zāi)害點及隱患點分布規(guī)律對8個區(qū)劃因子進行重分類(圖2)。

3.1.1 地形地貌指標

(1) 坡度。坡度與氣象水文條件、地表狀況等因素緊密相關(guān)，是評價地質(zhì)災(zāi)害的重要因素之一。一般情況下，坡度較大的地方會為地質(zhì)災(zāi)害的發(fā)生提供大量物質(zhì)來源。但坡度增大到一定限度后，發(fā)生地質(zhì)災(zāi)害的概率將不會增大。本研究將坡度劃分為0°～10°，10°～20°，20°～30°，30°～40°，>40°共5級。

(2) 溝谷密度。溝谷密度是氣候、地形地貌、地層巖性、植被等因素綜合影響的反映，溝谷密度與地面破碎程度成正比，地面越破碎，地表物質(zhì)的穩(wěn)定性越低，地質(zhì)災(zāi)害的發(fā)生概率越高。本研究基于自然斷點法將溝谷密度分為0～0.12，0.12～0.22，0.22～0.32，>0.32 km/km2共4級。

(3) 裸巖率。裸巖率是劃分石漠化等級的重要參數(shù)，有些位居山地陡坡、土層較薄地帶極易發(fā)展為裸露或裸巖地，從而引發(fā)地質(zhì)災(zāi)害。本研究依據(jù)相等間隔法將裸巖率分為<0，0～0.2，0.2～0.4，0.4～0.6，0.6～0.8，0.8～1。

圖2 林芝市公路沿線各區(qū)劃因子分布

3.1.2 地質(zhì)環(huán)境指標

(1) 斷層密度。斷層是影響地質(zhì)災(zāi)害發(fā)生的重要因素之一，總體上距離斷層越遠，地質(zhì)災(zāi)害點的分布密度越小，地質(zhì)災(zāi)害的強發(fā)育區(qū)是在斷層兩側(cè)的10 km范圍內(nèi)[34]。一般采用距斷層的距離或斷層密度來判斷斷層對地質(zhì)災(zāi)害的影響程度。本研究選用斷層密度作為評價指標，基于自然斷點法將其分為0～0.015，0.015～0.05，0.05～0.085，0.085～0.12，>0.12 km/km2共5級。

(2) 距河流的距離。河流作為水文地質(zhì)因素，其對地質(zhì)巖層的影響十分顯著，由此引發(fā)的地質(zhì)災(zāi)害較為常見。水流反復(fù)流經(jīng)會引起巖層塌陷，從而增加地質(zhì)災(zāi)害的發(fā)生概率。本研究根據(jù)研究區(qū)實際情況，基于ArcGIS多環(huán)緩沖區(qū)工具將距河流的距離分為0～1 000，1 000～2 000，2 000～3 000，3 000～4 000，>4 000 m共5級。

3.1.3 生態(tài)環(huán)境指標

(1) 土地利用類型。土地利用類型可體現(xiàn)地表植被覆蓋的狀況和人類工程活動的強度。其中，植被覆蓋狀況與地質(zhì)災(zāi)害發(fā)生密切相關(guān)，同時，人類工程活動(道路、房屋)也加劇了地質(zhì)災(zāi)害的發(fā)生。本研究基于MOD12Q1土地利用產(chǎn)品數(shù)據(jù)的類型說明表進行分類。

(2) 土壤類型。不同土壤的特性會對地質(zhì)災(zāi)害造成不同程度的影響，如土壤保水性能、滲水速率和含沙量等都會影響地質(zhì)災(zāi)害的發(fā)生。本研究基于1∶100萬中國土壤數(shù)據(jù)庫中的土類進行分類。

(3) 年均降水量。降水條件對地質(zhì)災(zāi)害的發(fā)生非常重要，降水下滲、洪水掏蝕河岸、水位變化等均會誘發(fā)地質(zhì)災(zāi)害，根據(jù)前期對林芝市公路沿線降水特征分析，絕大多數(shù)地質(zhì)災(zāi)害是由強降水誘發(fā)的。本研究基于自然斷點法將年均降水量分為462～716，716～834，834～966，966～1 163，>1 163 mm共5級。

為了避免各區(qū)劃因子數(shù)據(jù)類型和數(shù)據(jù)量級的不同而對結(jié)果產(chǎn)生影響，本研究基于單因子信息量方法對重分類后的8個指標進行異質(zhì)數(shù)據(jù)同化，計算結(jié)果見表1。因子信息量值越大，表明地質(zhì)災(zāi)害易發(fā)性概率越大。

表1 單因子信息量計算結(jié)果

3.2 地質(zhì)災(zāi)害易發(fā)性區(qū)劃模型建立

本研究基于邏輯回歸方法建立地質(zhì)災(zāi)害易發(fā)性區(qū)劃模型，以1 213個有效隱患點作為建模數(shù)據(jù)，152個有效災(zāi)害點作為模型驗證數(shù)據(jù)(圖1)。同時，為了使得二元邏輯回歸分析更具有科學(xué)性，本研究基于張錫濤、常鳴等人[35-36]的研究，在以隱患點為中心的3 km緩沖區(qū)外隨機選取對應(yīng)數(shù)量的無災(zāi)害發(fā)生樣本點。使用ArcGIS軟件提取隱患點樣本和無災(zāi)害發(fā)生樣本的區(qū)劃因子信息量值。將地質(zhì)災(zāi)害是否發(fā)生作為因變量，斷層密度、土地利用、土壤類型、坡度、溝谷密度、年降水量、裸巖率和距河流的距離信息量值作為自變量，在SPSS軟件中構(gòu)建二元邏輯回歸模型。為了減少無災(zāi)害發(fā)生樣本數(shù)據(jù)對模型產(chǎn)生的影響，多次進行無災(zāi)害發(fā)生樣本的選取并循環(huán)建模，最優(yōu)結(jié)果的Nagelkerke方差可達到0.769，Cox & SnellR方差可達到0.577。表2為區(qū)劃因子邏輯回歸結(jié)果，其中，B為系數(shù)，S.E為標準差，Wald統(tǒng)計量越大表示該因子的重要性越強，從表2可以看出，各區(qū)劃因子重要性依次為：河流、坡度、土壤類型、斷層密度、年降水量、土地利用、溝谷密度、裸巖率，8個區(qū)劃因子的顯著性均小于0.05，顯著性較高，具有統(tǒng)計學(xué)意義。

表2 研究區(qū)區(qū)劃因子邏輯回歸方程

將表2中各因子系數(shù)代入公式中計算地質(zhì)災(zāi)害易發(fā)性概率值，計算公式為：

(3)

式中：H為地質(zhì)災(zāi)害易發(fā)性概率值；X1—X8分別為斷層密度、土壤類型、坡度、溝谷密度、年降水量、土地利用、裸巖率、距河流的距離信息量值。

將8個區(qū)劃因子的信息量值和系數(shù)代入公式(3)計算出地質(zhì)災(zāi)害易發(fā)性概率值，用ArcGIS軟件進行加權(quán)疊加分析得出林芝市公路地質(zhì)災(zāi)害易發(fā)性概率值，然后進行易發(fā)性分區(qū)，形成分區(qū)圖(圖3)。以0.1為間隔，將林芝市公路地質(zhì)災(zāi)害易發(fā)性概率分為10級。從圖3可知，林芝市公路地質(zhì)災(zāi)害易發(fā)性概率超過0.8的主體區(qū)域主要分布在朗縣中部、林芝縣東部、墨脫縣境內(nèi)扎墨公路、察隅縣東部的察佐公路及察丙路附近；工布江縣、波密縣大部分區(qū)域易發(fā)性概率小于0.4，不易發(fā)生災(zāi)害?？傮w趨勢是離道路越近，易發(fā)性概率越大。

圖3 林芝市公路沿線地質(zhì)災(zāi)害易發(fā)性區(qū)劃

4 地質(zhì)災(zāi)害氣象預(yù)報模型研究

4.1 地質(zhì)災(zāi)害與降水誘發(fā)災(zāi)害概率關(guān)系研究

本研究基于前期整理的2010—2019年地質(zhì)災(zāi)害資料和降水資料，將地質(zhì)災(zāi)害是否發(fā)生作為因變量，日降水量作為自變量，以邏輯回歸方法作為耦合手段分析地質(zhì)災(zāi)害與降水誘發(fā)災(zāi)害概率關(guān)系。林芝市截止至2019年約有66個氣象站點的日降水數(shù)據(jù)，由于2010—2019年增加或棄用的氣象站點較多，則利用ArcGIS鄰域分析工具，分別提取2010—2019年距歷史災(zāi)害點最近雨量站的日降水量平均值作為災(zāi)害點的降水量。相比于降水量空間插值的方式，此方法保證了災(zāi)害發(fā)生當日及前期降水量的準確性。樣本點選擇方式是選擇歷史地質(zhì)災(zāi)害點中有準確降水量的樣本點152個，并加入同等數(shù)量的無災(zāi)害發(fā)生樣本點，其中，無災(zāi)害發(fā)生樣本點的日期選擇方式是選取2010—2019年汛期(5—9月)較長時間無災(zāi)害發(fā)生的日期，并隨機分配給無災(zāi)害發(fā)生樣本點。

基于災(zāi)害點樣本、無災(zāi)害發(fā)生樣本和前6日的日降水數(shù)據(jù)，構(gòu)建邏輯回歸模型。擬合發(fā)現(xiàn)，前4日、前5日和前6日降水量未通過顯著性檢驗。剔除后重新建模，最優(yōu)結(jié)果的Nagelkerke方差可達到0.516，Cox & Snell R方差可達到0.387，各建模因子均通過顯著性檢驗(表3)。

降水誘發(fā)地質(zhì)災(zāi)害概率的公式為：

(4)

式中：Y為降水誘發(fā)地質(zhì)災(zāi)害概率值；D0，D1，D2，D3分別為災(zāi)害發(fā)生當日、前1日、前2日、前3日降水量。

表3 研究區(qū)建模因子邏輯回歸方程

4.2 地質(zhì)災(zāi)害氣象預(yù)報模型建立

根據(jù)劉傳正等人對國內(nèi)外地質(zhì)災(zāi)害氣象預(yù)報模型原理的總結(jié)[37]，本研究選取顯式統(tǒng)計預(yù)報模型的方法，基于邏輯回歸方法，對地質(zhì)災(zāi)害易發(fā)性概率H值與降水誘發(fā)地質(zhì)災(zāi)害概率Y值進行分析，最終得到研究區(qū)內(nèi)地質(zhì)災(zāi)害發(fā)生的概率值[38]，其計算公式為：

T=a·H+b·Y

(5)

式中：T為地質(zhì)災(zāi)害發(fā)生概率值；H為地質(zhì)災(zāi)害易發(fā)性概率值，是地質(zhì)要素對地質(zhì)災(zāi)害發(fā)生的綜合體現(xiàn)；Y為降水誘發(fā)地質(zhì)災(zāi)害概率值；a為易發(fā)性區(qū)劃占地質(zhì)災(zāi)害發(fā)生概率權(quán)重系數(shù)；b為降水因素占地質(zhì)災(zāi)害發(fā)生概率權(quán)重系數(shù)。

經(jīng)擬合，T模型邏輯回歸結(jié)果的Nagelkerke方差可達到0.681，Cox & SnellR方差可達到0.51，模型擬合度較高，通過了顯著性檢驗，獲得最終的系數(shù)詳見表4。由于模型最終結(jié)果是概率值，因此，本研究將表4中的系數(shù)歸一化至0～1之內(nèi)，系數(shù)四舍五入后得到a=0.373，b=0.627。

表4 研究區(qū)T模型邏輯回歸方程

4.3 地質(zhì)災(zāi)害氣象預(yù)報模型檢驗

為了確保模型的可操作性，本研究選取部分歷史地質(zhì)災(zāi)害點對模型進行精度驗證，將日降水量數(shù)據(jù)和地質(zhì)災(zāi)害易發(fā)性概率H值放入地質(zhì)災(zāi)害氣象預(yù)報T模型中，計算出地質(zhì)災(zāi)害發(fā)生概率T值。再結(jié)合統(tǒng)計分析及專家經(jīng)驗，確定T值超過0.4發(fā)布黃色預(yù)警，超過0.6發(fā)布橙色預(yù)警，超過0.8發(fā)布紅色預(yù)警。

4.3.1 模型預(yù)測準確率計算 選取49個未參與建模的災(zāi)害點數(shù)據(jù)作為模型的檢驗數(shù)據(jù)。將49個災(zāi)害點對應(yīng)的當日、前1日、前2日和前3日降水量數(shù)據(jù)和地質(zhì)災(zāi)害易發(fā)性概率H值放入地質(zhì)災(zāi)害氣象預(yù)報T模型中計算，得到不同預(yù)報等級的災(zāi)害點個數(shù)，預(yù)報結(jié)果詳見表5。從表5來看，預(yù)報區(qū)85.71%的災(zāi)害點達到黃色預(yù)報級別，14.29%的災(zāi)害點達到橙色預(yù)報級別，14.29%的災(zāi)害點達到紅色預(yù)報級別。所以，該模型的預(yù)報準確率為85.71%，模型的漏報率為14.29%。

表5 研究區(qū)地質(zhì)災(zāi)害模型預(yù)報效果等級分布

4.3.2 模型個例檢驗 本研究以2020年7月11日318國道林芝縣至波密縣路段多處發(fā)生的地質(zhì)災(zāi)害為例，驗證地質(zhì)災(zāi)害氣象預(yù)報模型的應(yīng)用效果。7月8—11日連續(xù)4日318國道林芝縣至波密縣路段有強降水，7月8—11日降水量最大值分別為23.0，35.6，77.3和78.5 mm，將這4日降水量數(shù)據(jù)帶入地質(zhì)災(zāi)害氣象預(yù)報模型計算得到2020年7月11日地質(zhì)災(zāi)害預(yù)報結(jié)果(圖4)。據(jù)統(tǒng)計，2020年7月11日318國道林芝縣至波密縣路段發(fā)生的地質(zhì)災(zāi)害點有3個，均達到了橙色預(yù)報級別，其中，達到了紅色預(yù)報級別的災(zāi)害點有2個。至此，本研究認為該模型的預(yù)報準確性較高，可以為林芝市境內(nèi)公路沿線地質(zhì)災(zāi)害氣象預(yù)報提供一定的依據(jù)。

圖4 研究區(qū)2020年7月11日地質(zhì)災(zāi)害預(yù)報結(jié)果

5 結(jié) 論

(1) 針對林芝市公路沿線的地質(zhì)特性，選取了斷層密度、土地利用、土壤類型、坡度、溝谷密度、年降水量、裸巖率和距河流的距離8個地質(zhì)災(zāi)害易發(fā)性區(qū)劃因子，并通過信息量及邏輯回歸方法確定各區(qū)劃因子的系數(shù)，系數(shù)分別為0.742，0.407，0.871，0.275，0.251，0.427，0.279，0.609。根據(jù)林芝市公路地質(zhì)災(zāi)害易發(fā)性區(qū)劃結(jié)果圖可以看出，地質(zhì)災(zāi)害易發(fā)性概率超過0.8的主體區(qū)域主要分布在墨脫縣境內(nèi)扎墨公路、察隅縣東部的察佐公路及察丙路附近；大部分區(qū)域易發(fā)性概率小于0.4，總體趨勢是離道路越近，易發(fā)性概率越大。

(2) 基于地質(zhì)災(zāi)害易發(fā)性概率值和災(zāi)害發(fā)生當日、前1日、前2日和前3日的日降水數(shù)據(jù)，通過邏輯回歸方法構(gòu)建了林芝市公路地質(zhì)災(zāi)害氣象預(yù)報模型。通過對模型進行檢驗發(fā)現(xiàn)，模型預(yù)報準確率為85.71%，漏報率為14.29%。

(3) 受林芝市公路沿線地形地貌影響，氣象站點分布不均勻，高海拔地區(qū)站點少，地質(zhì)災(zāi)害發(fā)生地的實際降水與降水資料有偏差。同時，歷史地質(zhì)災(zāi)害點信息監(jiān)測及采集困難，存在錯報及漏報情況。所以，本研究的預(yù)報結(jié)果可能與實際情況有一定的偏差，但能反映基本趨勢。在未來的研究中，研究人員可通過災(zāi)害數(shù)據(jù)篩選、氣象預(yù)報模型優(yōu)化等方式降低模型漏報率，保證實際運行時的預(yù)報準確度。