基于衛(wèi)星降雨數(shù)據(jù)的隴南地區(qū)的地質災害降雨閾值研究

萬寶峰,李品良,韓兵兵,候云龍,彭大雷

基于衛(wèi)星降雨數(shù)據(jù)的隴南地區(qū)的地質災害降雨閾值研究

萬寶峰1,李品良2*,韓兵兵1,候云龍1,彭大雷2

1. 甘肅工程地質研究院, 甘肅 蘭州 730000 2. 成都理工大學地質災害防治與地質環(huán)境保護國家重點實驗室, 四川 成都 610059

降雨誘發(fā)的區(qū)域群發(fā)性地質災害造成了大量人員財產(chǎn)損失，明確誘發(fā)地質災害的降雨閾值至關重要。而高精度降雨數(shù)據(jù)的缺乏是實施、推廣區(qū)域降雨閾值面臨的最大問題。因此，本文在通過地面雨量站監(jiān)測數(shù)據(jù)驗證GPM衛(wèi)星降雨數(shù)據(jù)在隴南市適用性的基礎上，利用GPM數(shù)據(jù)提取地質災害發(fā)生時的降雨特征值，并采用頻率法繪制隴南市地質氣象災害的多級E-D閾值曲線，同時分析了地貌單元與災害類型的閾值差異。結果表明：GPM降雨數(shù)據(jù)在隴南市地區(qū)具有良好的精度和適用性。通過對比隴南山地與隴南黃土丘陵地區(qū)的降雨閾值，發(fā)現(xiàn)隴南山地的閾值更高，表明誘發(fā)地質災害的降雨條件要求更高；此外，隴南山地泥石流的降雨閾值高于隴南山地滑坡的降雨閾值。

降雨; 地質災害; 氣象災害

甘肅省地質災害頻發(fā)，全省已查明的地質災害隱患點20236處，位居全國第四。其中隴南市作為甘肅省地質災害的易發(fā)區(qū)，隱患點占全省的四分之一。降雨作為地質災害的主要誘發(fā)因素，經(jīng)常導致區(qū)域群發(fā)性的滑坡和泥石流，從而造成大規(guī)模的人員傷亡及財產(chǎn)損失。例如舟曲特大泥石流造成1700多人遇難[1]以及2020年8月降雨引發(fā)的地質災害造成直接經(jīng)濟損失約291億元（2020年甘肅地質災害通報）[2]。為有效減少降雨誘發(fā)地地質災害的危害，構建并完善區(qū)域氣象預警尤為重要，從而實現(xiàn)更準確的空間、時間上的地質災害預報。

目前，確定降雨閾值的方法主要為：基于水文模型和穩(wěn)定性計算的單元體試驗的物理模擬法以及基于地質災害和降雨歷史數(shù)據(jù)的統(tǒng)計分析的經(jīng)驗模型法[3]。前者由于巖土體參數(shù)的復雜多變不適合區(qū)域地質災害預報，而后者在實際應用中被國內外廣泛運用。一般研究基于獲取的不同降雨參數(shù)來構建降雨與地質災害的關聯(lián)性，常見的經(jīng)驗閾值模型包括：降雨強度-降雨歷時（I-D）模型[4-6]、累計降雨量-降雨歷時（E-D）模型[7,8]以及年平均降雨強度-降雨歷時（IMAP-D）模型[9]。除此之外，有研究考慮前期降雨量建立前期降雨量模型[10]，以提高閾值模型的準確性。無論何種經(jīng)驗閾值模型都依賴于高精準的空間降雨數(shù)據(jù)，因此，高精度的雨量數(shù)據(jù)至關重要。

然而，國內研究中雨量數(shù)據(jù)獲取通常是通過低密度的雨量計測量插值來反映災害發(fā)生地的降雨值。這一方法往往忽略了降雨是一個非連續(xù)的過程，單點測量不可能代表大區(qū)域的雨量分布[11]。雖然政府和企業(yè)單位在大量的隱患點安裝了雨量監(jiān)測設備，直接監(jiān)測隱患點的雨量數(shù)據(jù)，避免插值帶來的雨量誤差[12]；但由于監(jiān)測設備安裝時限較短，測量數(shù)據(jù)有限以及對大區(qū)域和“非隱患”區(qū)域來說，這些設備密度是不足的。因此，如何獲取高精度和高準度的雨量數(shù)據(jù)是一個確定區(qū)域降雨閾值的普遍存在的問題。本文欲將長時間序列全球衛(wèi)星降雨測量數(shù)據(jù)GPM（Global Precipitation Measurement）作為確定隴南地區(qū)的降雨閾值的雨量數(shù)據(jù)來源。

鑒于上述分析，本文基于2015-2021年間的GPM降雨數(shù)據(jù)以及隴南地區(qū)的災害數(shù)據(jù)，提取隴南地區(qū)地質災害的降雨特征值。利用頻率法[13]得到隴南地區(qū)不同地貌單元以及不同災害類型的降雨閾值曲線，并與其他區(qū)域的閾值曲線進行了對比分析。研究旨在為隴南地區(qū)及其我國降雨觸發(fā)地質災害的防災減災提供科學的指導。

1 研究區(qū)與歷史地質災害

1.1 研究區(qū)

隴南市界于32.5344°-34.5125°N和104.0214°-106.5783°E，總面積28 243.47 km2。地處甘肅南部，位于西秦嶺東西向褶皺帶發(fā)育的隴南山地區(qū)，屬于黃土高原、青藏高原和秦巴山區(qū)三大地貌的交匯區(qū)。區(qū)內地勢整體呈西北高東南低分布，以山地、丘陵為主。結合地貌特征與現(xiàn)場經(jīng)驗將宕昌縣、西和、禮縣、康縣、武都、文縣等地劃為隴南山地地區(qū)，成縣、徽縣、兩當縣劃為黃土丘陵地區(qū)。

隴南市氣候類型復雜多樣，主要為北亞熱帶和溫暖帶。其中，隴南山地為北亞熱帶氣候，年平均降雨量400～1 000 mm之間；隴南黃土丘陵地區(qū)則為溫暖帶，年平均降雨量為500～800 mm之間。同時降雨量主要集中在5～9月，且多暴雨，約占全年降雨量的60%～70%。

1.2 歷史地質災害

歷史地質災害數(shù)據(jù)來源于收集到的2015～2021年期間發(fā)生在隴南地區(qū)的1907起地質災害，災害數(shù)據(jù)庫主要包括了每個地質災害的：發(fā)生時間、地點，地質災害類型，誘發(fā)因素（人為/自然），財產(chǎn)損失與人員傷亡。為了避免非降雨型地質災害對區(qū)域降雨閾值的影響，研究舍棄了99起由人為因素影響或災害發(fā)生當天累計降雨量小于10 mm[14]的地質災害，其余1 808處地質災害用于區(qū)域降雨閾值的構建，其空間分布如圖1所示。由圖可知，滑坡分布在隆南市各區(qū)縣，但泥石流主要集中在隆南市的西南部，即武都、文縣等區(qū)域。此外，圖2繪制了研究區(qū)月平均降雨量與地質災害頻次圖，80%的滑坡發(fā)生在6～10月，可見該地區(qū)地質災害的發(fā)生與降雨具有明顯的相關性。

圖 1 研究區(qū)地質災害分布圖

圖 2 2015-2021年月平均降雨量與地質災害發(fā)生頻次圖

2 GPM降雨數(shù)據(jù)處理及其有效性分析

2.1 GPM降雨數(shù)據(jù)處理

降雨數(shù)據(jù)來源于美國國家航天局提供的GPM數(shù)據(jù)（https://search.earthdata.nasa.gov/search），該數(shù)據(jù)是利用多傳感器多衛(wèi)星、結合多算法衛(wèi)星網(wǎng)絡和雨量計反演得到更高精度的降水數(shù)據(jù)。GPM數(shù)據(jù)采用IMERG（Integrated Multi-satellite Retrievals）算法將數(shù)據(jù)區(qū)分為Early，Later以及Final等三個產(chǎn)品，本文采用空間分辨率為0.1°×0.1°，時間精度為1天的final產(chǎn)品數(shù)據(jù)集，該數(shù)據(jù)是在前兩個數(shù)據(jù)的基礎上結合雨量計在固定時間和空間尺度上進行插值，具有更高的數(shù)據(jù)完整性和一致性。與運用較多的TRMM數(shù)據(jù)相比，GPM降雨數(shù)據(jù)提高了對弱降水（<0.5 mm/h）和固態(tài)降水的探測能力，實現(xiàn)了更高精度的時空分辨率、觀測精度與準確度的觀測目標。

本文利用python爬取2015-2021年期間的GPM（final產(chǎn)品）數(shù)據(jù)，數(shù)據(jù)以“.NC”格式存儲，隨后利用ENVI軟件中的IDL編譯器將“.NC”格式轉換為“.TIF”文件；接著利用ArcGIS和構建的地質災害樣本庫，提取歷次災害位置的降雨情況（“虛擬雨量計”），最后基于降雨事件的劃分標準，利用python提取誘發(fā)地質災害的降雨事件的降雨特征值（E、D）。

2.2 GPM降雨數(shù)據(jù)的有效性分析

GPM數(shù)據(jù)雖然較TRMM降雨數(shù)據(jù)在空間、時間精度有所提升，但在隴南山地地區(qū)是否適用仍有待商榷。因此，研究基于隴南市地質災害防治系統(tǒng)中97處的雨量計（圖1）監(jiān)測數(shù)據(jù)驗證GPM數(shù)據(jù)的精度和適用性。本文欲通過相關系數(shù)(Correlation coefficient)R、均方根誤差（Root Mean Square Error）RESM、相對偏差（Relative Bias）RB等參數(shù)表示GPM數(shù)據(jù)的精度和適用性，其參數(shù)可分別被表示為：

式中：為GPM降雨數(shù)據(jù)，為雨量計監(jiān)測數(shù)據(jù)。

表1 GPM數(shù)據(jù)與雨量計監(jiān)測數(shù)據(jù)相關結果

表1展示了GPM雨量數(shù)據(jù)與地面監(jiān)測數(shù)據(jù)的逐日和逐月觀測資料的相關分析結果。對于所有站點的日雨量，地面實測數(shù)據(jù)與GPM降雨數(shù)據(jù)的一致性相對較高，體現(xiàn)在它們的相關性相對較大，其中GPM的最大值為0.66。對于月雨量，相關系數(shù)更高，等于0.92。在所有情況下，GPM均高估了降水量，日降水量和月降水量的相對偏差分別為12.19%和10.3%，這一結果遠好于TRMM降雨數(shù)據(jù)的表現(xiàn)[15]。綜上，GPM數(shù)據(jù)具有良好的精度和適用性，可以有效地用來指示誘發(fā)地質災害的極端降雨事件。

3 地質災害降雨閾值提取方法

3.1 定義降雨事件

定義誘發(fā)地質災害的降雨事件是確定降雨閾值的前提。針對定義降雨事件的研究，國內學者大都是基于詹前登[16]提出的詹氏分割法或在此基礎上進行修正的方法[7]。然而，考慮到本文收集到的歷史災害數(shù)據(jù)庫中災害發(fā)生時間的準確性以及降雨數(shù)據(jù)的時間分辨率等因素，上述方法均不適宜。因此，研究提出了一個新的降雨型地質災害降雨事件的識別概念。認為連續(xù)24 h累計降雨量小于0 mm為降雨事件間的分割標準[9]。換言之，認為地質災害發(fā)生當天作為降雨事件的結束時間，向前追溯至連續(xù)24 h累計降雨量為0 mm的時間為降雨開始時間，整個過程的累計降雨量為誘發(fā)地質災害的降雨事件的E，持續(xù)時間為D。

圖 3 降雨事件劃分示意圖

3.2 定義降雨閾值

Caine N[17]提出的-閾值曲線被國內外廣泛運用，然而考慮到降雨特征值提取時，降雨強度需要在累計降雨量與持續(xù)時間的轉換[18]。因此，為了避免不必要的轉換，本文采用頻率法確定-閾值，二者符合冪律函數(shù)，可表示為：=αD(4)

式中：表示為誘發(fā)地質災害的降雨事件的累計雨量，以mm為單位，表示降雨事件的持續(xù)時間，以小時為單位；與為擬合參數(shù)。

4 結果分析

4.1 隴南地區(qū)的降雨閾值

考慮到地貌特征對區(qū)域降雨閾值的影響。本文基于構建的地質災害樣本庫，通過分區(qū)統(tǒng)計地質災害數(shù)據(jù)庫中樣本發(fā)生時的累計有效降雨量（）和對應的降雨持續(xù)時間（），以為橫坐標，E為縱坐標，將各個降雨事件（-）繪制與坐標軸上；其中，發(fā)生在隴南山地地區(qū)的地質災害1343起，包括230起泥石流，1113起滑坡（崩塌、滑坡）；發(fā)生在隴南黃土丘陵地區(qū)共465起滑坡。由于不同災害類型對雨量的響應機制不同，對應的降雨閾值存在差異，本文分別確定了在隴南山地的滑坡、泥石流以及隴南黃土丘陵地區(qū)的降雨閾值曲線（圖4（a）、圖4（b）、圖4（c））。

鑒于降雨誘發(fā)地質災害本就是小概率事件，采用單閾值作為地質災害預警系統(tǒng)的標準，務必產(chǎn)生錯誤的警報。因此，研究在考慮閾值安全系數(shù)的前提下，基于頻率法分別計算了滑坡發(fā)生概率的5%、10%、50%、80%的降雨閾值，即圖中的藍、黃、橙、紅閾值曲線。

由圖可知，誘發(fā)隴南山地地區(qū)的滑坡、泥石流降雨事件的持續(xù)時間分別集中在6～200 h、6～100 h之間，累計降雨量分別集中在80～180 mm、100～160 mm之間；可見隴南山地地區(qū)的泥石流主要受短時強降雨控制，滑坡更多的表現(xiàn)為長時弱降雨控制。誘發(fā)隴南黃土丘陵地區(qū)滑坡的降雨事件持續(xù)時間集中在50～100 h，累計降雨量集中在40～180 mm之間，可見誘發(fā)其地質災害的水文條件明顯弱于隴南山地。

圖 4 隴南市地質災害發(fā)生的降雨閾值

4.2 閾值對比

雖然學者采用了不同的降雨事件定義方法，和不同的分析方法，但他們提出的降雨閾值大都是激發(fā)地質災害降雨事件的下限。因此，本文將提出的5降雨閾值與以先前研究中的閾值一起繪制在圖5，直接進行對比分析。

由圖5可知，隴南山地地區(qū)的-閾值較隴南黃土丘陵地區(qū)的閾值更高，觸發(fā)地質災害需要更大的累計降雨量，這與年平均降雨量和地質環(huán)境條件直接相關。隴南山地地區(qū)2015-2021年期間的年平均降雨量在600 mm左右，比隴南黃土丘陵地區(qū)年平均降雨量高100 mm；同時，隴南黃土丘陵地區(qū)表層大都為較厚的黃土層，其獨特的水敏性和豎向節(jié)理等性質，極易在較低的水文條件下發(fā)生地質災害。因此，隴南黃土丘陵地區(qū)的-閾值相對較低。此外，隴南山地的泥石流-降雨閾值高于滑坡，觸發(fā)泥石流災害需要更大的累計降雨量，這與兩者成災過程有關?；露逊e體作為泥石流的主要物源，當降雨誘發(fā)滑坡發(fā)生后，有足夠的堆積體，更大的降雨迫使堆積體運移，從而形成泥石流。故，隆南山地地區(qū)的泥石流-閾值相對更高，這與謝敏等[19]的結果一致。

與其他地區(qū)閾值相比，隴南黃土丘陵地區(qū)的-閾值較低，且低于世界下限，這與區(qū)域閾值應介于世界閾值上、下限之間的觀點相悖，筆者認為這是由于黃土自身的水敏性與垂直裂隙等性質致使誘發(fā)地質災害需要的水文條件相對較低。隴南山地地區(qū)滑坡-閾值比意大利北部的滑坡閾值[20]低，但高于意大利南部的滑坡閾值[21]，介于世界滑坡閾值的上、下限[22]之間。

圖 5 隴南市閾值曲線與其他地區(qū)閾值曲線的比較

5 結 論

本文以高精度GPM衛(wèi)星數(shù)據(jù)作為降雨數(shù)據(jù)來源，結合隴南地區(qū)歷史地質災害數(shù)據(jù)，對隴南地區(qū)的區(qū)域降雨閾值展開研究，總結歸納得到以下結論：

（1）GPM降雨數(shù)據(jù)在隴南地區(qū)具有較高的精度和適用性，可以有效地用來指示誘發(fā)地質災害的極端降雨事件。以日雨量，GPM數(shù)據(jù)的相關性較強，最大相關系為0.66，且相對偏差較??；以月雨量，GPM數(shù)據(jù)的相關性更強，最大相關系數(shù)為0.92；

（2）隴南山地的-降雨閾值高于隴南黃土丘陵地區(qū)，其誘發(fā)地質災害需要更高的累計降雨量。同時，隴南山地泥石流的-降雨閾值高于滑坡的-降雨閾值；

（3）提出的閾值5、20、50、80欲作為隴南市地質災害防治系統(tǒng)中的不同預警級別的預警標準，旨在提高隴南市地質災害的預警預報能力。

[1] 高波,張茂省,張成航,等.舟曲三眼峪泥石流降雨臨界閾值[J].災害學,2016,31(1):25-28

[2] 蔣萬鈺.基于貝葉斯概率的降雨數(shù)據(jù)稀缺山區(qū)滑坡預警模型研究[D].蘭州:蘭州大學,2022

[3] Guzzetti F, Peruccacci S, Rossi M,. Rainfall thresholds for the initiation of landslides in central and southern Europe [J]. Meteorology and Atmospheric Physics, 2007,98:239-267

[4] 李子豪,王鈞,郭婷婷,等.基于降雨強度-歷時的安徽省黃山市滑坡分組閾值研究[J].水土保持通報,2022,42(1):184-190

[5] 趙衡,宋二祥.誘發(fā)區(qū)域性滑坡的降雨閾值[J].吉林大學學報(地球科學版),2011,41(5):1481-1487

[6] Mathew J, Babu DG, Kundu S,. Integrating intensity–duration-based rainfall threshold and antecedent rainfall-based probability estimate towards generating early warning for rainfall-induced landslides in parts of the Garhwal Himalaya, India [J]. Landslides, 2014,11:575-588

[7] 胡磊,胡玉乾,孫鵬,等.藏東南地區(qū)降雨型滑坡致災閾值及滑坡危險性量化分析[J].災害學,2021,36(4):194-199

[8] Salee R, Chinkulkijniwat A, Yubonchit S,. New threshold for landslide warning in the southern part of Thailand integrates cumulative rainfall with event rainfall depth-duration [J]. Nat Hazards, 2021,113:125-141

[9] Kim SW, Chun KW, Kim M,. Effect of antecedent rainfall conditions and their variations on shallow landslide-triggering rainfall thresholds in South Korea [J]. Landslides,2021,18:569-582

[10] 黃發(fā)明,陳佳武,范宣梅,等.降雨型滑坡時間概率的邏輯回歸擬合及連續(xù)概率滑坡危險性建模[J].地球科學,2022,47(12):4609-4628

[11] Wilheit TT, Chang A, Rao MV,. A satellite technique for quantitatively mapping rainfall rates over the oceans [J]. Journal of applied meteorology, 1977,16(5):551-560

[12] 沈玲玲,劉連友,楊文濤,等.基于 TRMM 降雨數(shù)據(jù)的四川省地質災害降雨閾值分析[J].災害學,2015,30(1):220 227

[13] Brunetti MT, Peruccacci S, Rossi M,. Rainfall thresholds for the possible occurrence of landslides in Italy [J]. Natural Hazards and Earth System Sciences, 2010(3):447-458

[14] 劉謝攀,殷坤龍,肖常貴,等.基于I-D-R閾值模型的滑坡氣象預警[J].地球科學,2022,1-15

[15] Chikalamo EE, Mavrouli OC, Ettema J,. Satellite-derived rainfall thresholds for landslide early warning in Bogowonto Catchment, Central Java, Indonesia [J]. International Journal of Applied Earth Observation and Geoinformation, 2020,89:102093

[16] 詹錢登,李明熹.土石流發(fā)生降雨警戒模式[J].中華水土保持學報,2004,35(3):275-285

[17] Caine N. The rainfall intensity–duration control of shallow landslides and debris flows [J]. Geografiska Annaler, 1980,62(1-2):23-27

[18] Jiang W, Chen G, Meng X,. Probabilistic rainfall threshold of landslides in Data-Scarce mountainous Areas: A case study of the Bailong River Basin, China [J]. CATENA, 2022,213:106190

[19] 謝敏,陸甲,李艷蘭,等.廣西泥石流和滑坡地質災害臨界雨量界定方法[J].氣象研究與應用,2018,39:15-17

[20] Gariano SL, Brunetti MT, Iovine G,. Calibration and validation of rainfall thresholds for shallow landslide forecasting in Sicily, southern Italy [J]. Geomorphology, 2015,228:653-665

[21] Melillo M, Brunetti MT, Peruccacci S,. Rainfall thresholds for the possible landslide occurrence in Sicily (Southern Italy) based on the automatic reconstruction of rainfall events [J]. Landslides, 2016,13:165-172

[22] 陳洪凱,魏來,譚玲.降雨型滑坡經(jīng)驗性降雨閾值研究綜述[J].重慶交通大學學報(自然科學版),2012,31(5):990-996

Research on Rainfall Threshold of Geological Disasters in Longnan Region Based on Satellite Rainfall Data

WAN Bao-feng1, LI Pin-liang2*, HAN Bing-bing1, HOU Yun-long1, PENG Da-lei2

1.730000,2.610059,

Regional geological disasters induced by rainfall have resulted in significant loss of life and property. Establishing the rainfall threshold that triggered geological disasters is vital. However, the main challenge in implementing and promoting regional rainfall thresholds is the lack of high-precision rainfall data. Faced with this challenge, this study confirmed the applicability of GPM satellite rainfall data in Longnan City by comparing it to ground-based rainfall monitoring data. It extracted the rainfall characteristics when geological disasters occurred using GPM data and employed the frequency method to draw the multi-level E-D threshold curve of geological and meteorological disasters in Longnan City. The study analyzed the variation in threshold values between geomorphic units and types of disasters. The results showed that GPM rainfall data had good accuracy and applicability in Longnan City. By comparing the rainfall thresholds between mountainous and loess hilly areas of Longnan city, it was found that the rainfall threshold in mountainous areas of Longnan city was higher than that in loess hilly areas. This suggested that the requirements for rainfall to trigger geological disasters were higher in mountainous areas. Moreover, the rainfall threshold for debris flow was higher than that for landslides in mountainous areas of Longnan city.

Rainfall; geological hazard; meteorological disaster

P426.616

A

1000-2324(2023)02-0278-07

10.3969/j.issn.1000-2324.2023.02.017

2022-12-04

2023-01-11

國家重點研發(fā)計劃項目(2022YFC3003205);國家自然科學基金青年基金項目:灌溉-蒸發(fā)耦合作用下典型黃土臺塬鹽沼濕地形成機理(42007275)

萬寶峰(1986-),男,學士,主要從事地質災害治理與監(jiān)測預警. E-mail:Wanbaofeng2020@163.com

Author for correspondence. E-mail:153791498@qq.com