一种基于序贯评估法的区域滑坡灾害预警方法与流程

1.本发明涉及滑坡灾害预警技术领域，具体涉及一种基于序贯评估法的区域滑坡灾害预警方法。


背景技术：

2.近年来，由于全球气候变化，局部强降雨的强度和频率不断增加，导致了大规模滑坡频发，对经济发展和人民生命财产安全造成巨大影响。高效、可靠的滑坡预警系统已成为灾害管理不可或缺的组成部分，可为决策者提供及时、适当的指导，减少滑坡造成的损失。
3.目前，滑坡预警系统是采用特定的危险性评估方法评估滑坡灾害，并确定预警等级，常用的评估方法可归纳为两大类：统计方法和基于物理法。统计方法主要使用统计分析的相关性或简单的水文模型校准滑坡和降雨数据的系数，得到统计阈值，从而预警滑坡灾害。该方法的要求便于完成，能够较高频率地更新覆盖广泛区域的预警等级。但其预警的可靠性主要取决于收集的实时降雨数据的质量，当区域内雨量观测站分布稀疏时，无法准确反映降雨量的空间变化，从而不能进行滑坡的详细空间判别。基于物理法是结合水文和地质力学理论，提出物理模型对滑坡现象物理机制进行分析解释，评估滑坡的危险性。该方法需要输入较多参数，对滑坡进行详细、高级地分析，能够对局部区域内的滑坡详细判别，但不能应用于广泛区域。此外，基于物理法模拟的降雨耦合水文地质学模型复杂，输出阈值需要较长的时间，使得该方法的临近预报能力较差，预警等级更新频率较低。


技术实现要素：

4.针对现有技术存在的上述问题，本发明提供一种基于序贯评估法的区域滑坡灾害预警方法，以解决传统评估方法不能应用于广泛区域的滑坡详细判别、临近预报能力差和预警等级更新频率低的问题。
5.为实现上述目的，本发明采用如下技术方案：一种基于序贯评估法的区域滑坡灾害预警方法，包括如下步骤：
6.s1：设置滑坡预警级别；
7.s2：统计预测区域内降雨数据和滑坡灾害数据；
8.s3：利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别；
9.s4：若该预测区域的第一预警级别满足预设的预警级别阈值，则采用物理法对该预测区域的危险区域进行评估，获取该预测区域的危险区域的第二预警级别；
10.s5：将第一预警级别与第二级预警级别区域进行耦合，获取预测区域的滑坡预警等级图。
11.在一种可选方式中，所述预警级别包括：正常、注意、观察、警告和紧急，所述预警级别对应配色分别为绿色、蓝色、黄色、橙色和红色。
12.在一种可选方式中，所述统计预测区域内降雨数据和滑坡灾害数据步骤，具体包括：建立水文统计模型，并将每小时降雨数据和滑坡灾害数据输入到水文统计模型中，获得
降雨数据和地质属性数据。
13.在一种可选方式中，所述降雨数据包括：连续降雨量、20天前期降雨量、降雨的平均强度、降雨持续时间，所述地质属性数据包括：蓄水量和饱和导水率。
14.在一种可选方式中，所述利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别步骤，具体包括：获取降雨的平均强度i、极端降雨诱发滑坡指数i
erl
和滑坡易感性指数i
ls
，并分别与对应的预设阈值进行比较，获得第一预警级别。其中，i
erl
为一种综合考虑气象水文因素和空间变化的地质因素(降雨特征、空间入渗变化和非饱和土壤特征)的滑坡统计阈值；滑坡易感性指数i
ls
是通过最大熵模型，基于滑坡和非滑坡的数据，选择14个滑坡灾害影响因子：岩性、坡度、高程、伊利石含量、土壤深度、土壤类型、泥沙运移指数、排水距离、平面曲率、森林类型、剖面曲率、地形湿度指数、溪流功率指数和土壤排水特征，分析每个因子对滑坡发生概率的影响，并通对每个网格单元内所有影响因子加权叠加得到易感性指数，从而得到指定空间区域的易发性指数。
15.在一种可选方式中，根据修正所述降雨强度-持续时间阈值形成的i-d回归线下限的第5百分位回归线，获得所述降雨的平均强度i的预设阈值。其中，降雨强度-持续时间阈值形成的i-d回归线根据降雨的平均强度i和降雨持续时间d获得。
16.在一种可选方式中，所述极端降雨诱发滑坡指数i
erl
的预设阈值为土壤水分特征曲线和饱和导水率数据集在对应模型的曲线下面积auc最大时对应的极端降雨诱发滑坡指数i
erl
值。其中，曲线下面积auc，值通常介于0.5到1.0之间，auc值越大，则说明模型表现越好。
17.在一种可选方式中，所述滑坡易感性指数i
ls
的预设阈值为预测区域内过滤掉其高稳定区域时的滑坡易感性指数i
ls
值。
18.在一种可选方式中，所述采用物理法对该预测区域进行评估，获取该预测区域的第二预警级别步骤，具体包括：获取记录或预测的连续降雨量和地形指数i
df
，将所述记录或者预测的连续降雨量和地形指数i
df
分别与对应的预设阈值进行比较，获得该预测区域的第二预警级别。
19.在一种可选方式中，所述记录或者预测的连续降雨量预设阈值为物理阈值-临界连续降雨量cr
critical
，对浅层土壤中降雨诱发滑坡失稳的过程建立物理模型，进行渗流分析和稳定性分析获得所述物理阈值-临界连续降雨量cr
critical
，其中，物理阈值-临界连续降雨量cr
critical
通过降雨通量率乘以经过时间来计算得到。
20.相对于现有技术，本发明具有如下优点：
21.(1)基于序贯评估法的区域滑坡灾害预警方法通过在整个区域范围内按顺序应用统计方法和基于物理方法，大幅简化了滑坡的评估过程；
22.(2)通过使用不同的理论方法进行多重危险评估，提高了预警的可靠性；
23.(3)通过设定不同的预警等级，增强了辨别边坡破坏和泥石流的能力；
24.(4)改进了时间性能：增加了临近预报和预报的能力，以及由于该方法仅需随时间变化的降雨特征数据和固定的地质属性数据，减少了计算负荷而增加了预警等级的更新频率；
25.(5)提高了空间性能：该方法综合了统计方法和基于物理方法在空间识别方面互补的优点，在预警覆盖区域尺度滑坡的同时，能够确定详细空间(每个网格单元区域)的警
告等级。
附图说明
26.图1为本发明实施例一种基于序贯评估法的区域滑坡灾害预警方法的流程图。
27.图2为修正后降雨强度-持续时间阈值形成的i-d回归线的第5、20、50百分位回归线图。
28.图3为本发明实施例中的a区域在2009年7月16日一系列区域内滑坡预警等级图.
具体实施方式：
29.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
30.下面对本发明作进一步详细说明：
31.实施例：
32.一种基于序贯评估法的区域滑坡灾害预警方法，包括如下步骤：
33.s1：设置滑坡预警级别；
34.预警级别包括：正常、注意、观察、警告和紧急，所述预警级别对应配色分别为绿色、蓝色、黄色、橙色和红色。
35.s2：统计预测区域内降雨数据和滑坡灾害数据，具体包括：建立水文统计模型，并将每小时降雨数据和滑坡灾害数据输入到水文统计模型中，获得降雨数据和地质属性数据。
36.其中，降雨数据包括：连续降雨量、20天前期降雨量、降雨的平均强度、降雨持续时间，地质属性数据包括：蓄水量和饱和导水率。
37.本实施例的预测区域为a区域，a区域研究区a总面积769.89平方公里，居住人口350多万。整个城市的大约45％由森林覆盖的丘陵山区组成，高程大约在200到800米之间。地质上，主要分布由白垩纪沉积岩、火山岩和深成岩；边坡的基岩覆盖层主要为粘质砂的风化土壤。本实施例收集2009年至2016年a区记录的年滑坡次数和年最大连续降雨量的记录，进行预警方法的开发测试。
38.本实施例中具体统计2009年7月16日区域内降雨数据和148个滑坡灾害数据。
39.s3：利用统计法对该预测区域进行评估，获取该预测区域的第一预警级别；预测区域中存在安全区域(正常等级)和危险区域(注意等级)，安全区域表示未存在滑坡风险的区域，危险区域表示存在滑坡风险的区域。
40.其中，具体结合三种统计阈值进行评估，三种统计阈值具体为：获取降雨的平均强度i、极端降雨诱发滑坡指数i
erl
和滑坡易感性指数i
ls
，根据输入的数据分别计算出降雨的平均强度i、极端降雨诱发滑坡指数i
erl
和滑坡易感性指数i
ls
三者的数值，然后和已经设置的对应预设阈值进行比较，得到第一预警级别。
41.具体的，如附图1所示，i和i
erl
结果均小于对应预设阈值，或i
ls
结果小于i
ls
阈值时，得到正常(绿色)等级；具体实施时，当i和i
erl
分别小于24.72d-0.56
和0.5，或i
ls
小于0.1
时，得到正常(绿色)等级。
42.i和i
erl
结果有一个不小于对应的预设阈值时，且i
ls
结果不小于i
ls
阈值，得到注意(蓝色)等级；具体实施时，当i不小于24.72d-0.56
或i
erl
不小于0.5，且i
ls
不小于0.1时，得到注意(蓝色)等级。
43.其中，所述获取降雨强度-持续时间阈值i-d回归线从以下公式获得：
[0044][0045]
式中，i为降雨的平均强度，cr为连续降雨量，d为降雨持续时间；根据风化土壤类型和滑坡类型，利用分位数回归分析分布的滑坡历史事件的降雨量数据得到降雨强度-持续时间阈值i-d回归线，整合最近收集的数据(不包括没有降雨记录的山体滑坡数据)修改了i-d回归线的每个关键百分位线，参见附图2，降雨的平均强度i预设阈值由经过修正后i-d回归线下限的第5百分位回归线确定，获取降雨的平均强度i的预设阈值i
5％
为：
[0046]i5％
＝24.72d-0.56
ꢀꢀꢀ
(2)
[0047]
其中，i
erl
为一种综合考虑气象水文因素和空间变化的地质因素的滑坡统计阈值，对降雨特征、空间入渗变化和非饱和土壤特征因素造成滑坡概率的影响，进行逻辑回归分析，自变量为连续降雨量、20天前期降雨量、饱和导水率和蓄水量；滑坡实例(发生滑坡:1，未发生滑坡:0)设置为因变量，由式(3)计算得到，通过在区域内采用人工神经网络模型和多元回归模型分别建立土壤水分特征曲线和饱和导水率的数据集，根据记录的滑坡历史数据和相应降雨数据对记录的i
erl
值进行适用性测试，利用对模型的累计提升图获得的auc判断模型准确性，其i
erl
阈值设置为得到的具有较高预测准确性的数值；
[0048][0049]
式中：ar
20
为前20天的降雨量；
[0050]ks
为饱和导水率；
[0051]
sc为蓄水量，sc＝(θ
s-θf)
×
d，θs为饱和体积含水量，θf为田间容量，定义为在33kpa基质吸力下保留的体积含水量，d为土壤深度。
[0052]
具体实施时，在a区内采用人工神经网络模型和多元回归模型分别建立土壤水分特征曲线和饱和导水率的数据集，根据记录的a区2009年148个滑坡历史数据和相应降雨数据对记录的i
erl
值的适用性进行测试，当i
erl
值为0.5时，该模型能够准确预测96％的滑坡历史数据，基于对模型的累计提升图分析，获得的auc(曲线下面积)为0.8940，数值接近1，这表明该模型具有较高的预测能力。因此，在本次实例中将0.5设为序贯评估法的i
erl
阈值。
[0053]
其中，滑坡易感性指数i
ls
通过最大熵模型，基于滑坡和非滑坡的数据，选择14个滑坡灾害影响因子：岩性、坡度、高程、伊利石含量、土壤深度、土壤类型、泥沙运移指数、排水距离、平面曲率、森林类型、剖面曲率、地形湿度指数、溪流功率指数和土壤排水特征，分析每个因子对滑坡发生概率的影响，并通对每个网格单元内所有影响因子加权叠加得到易感性指数，从而得到指定空间区域的易发性指数，其i
ls
阈值设置为仅过滤掉高度稳定区域的数值。
[0054]
具体实施时，提取滑坡因子的数据，并通过响应曲线和学习矢量量化测试分析每个因子对滑坡发生概率的影响，加权叠加最终输出的a区分布式易感性指数的数据图，并将
其与1999年至2016年间317个滑坡历史记录的i
ls
值进行累积频率分析，得到当i
ls
值为0.1时，317个滑坡数据中有316个滑坡被准确预测。因此，i
ls
阈值值被设置为0.1。
[0055]
s4：若该预测区域的第一预警级别满足预设的预警级别阈值，则采用物理法对该预测区域的危险区域进行评估，获取该预测区域的危险区域的第二预警级别；通过对预测区域的危险区域再次评估，提高滑坡预警的准确性。
[0056]
具体包括：当第一预警级别为“注意”预警等级时，基于物理法对该预测区域(蓝色)进行评估。
[0057]
获取记录或预测的连续降雨量和地形指数i
df
，将所述记录或者预测的连续降雨量和地形指数i
df
分别与对应的预设阈值进行比较，获得该预测区域的第二预警级别。
[0058]
地形指数i
df
，是实际滑坡发生区域基于人工神经网络模型获得的地形指数，为修正上坡贡献区和坡度的阈值结合，得到的滑坡产生较大滑移的起始判据。
[0059]
记录或者预测的连续降雨量预设阈值为物理阈值-临界连续降雨量cr
critical
，通过对浅层土壤中降雨诱发滑坡失稳的过程建立物理模型，进行渗流分析和稳定性分析获得所述物理阈值-临界连续降雨量cr
critical
。
[0060]
具体实施时，考虑岩性类型、滑坡历史数据的分布以及地形因素，将整个a区划分为八个不同的渗流区，建立渗流区的土-水特性曲线和饱和导水率数据库，利用seep/w软件对每个区进行渗流分析，推导八个渗透区中每个渗透区的孔隙水压力和相应的吸力剖面与降雨持续时间的关系。接着在matlab软件中，通过输入逐渐减小的吸力计算潜在破坏深度处边坡的稳定性，表达为式(4)，可以得到安全系数(fos)首次达到小于1.3的经过时间。cr
critical
则通过降雨通量率乘以经过时间来计算得到，最终生成覆盖整个区域尺度的临界连续降雨量栅格数据图，为每个网格单元分配一个值，作为cr
critical
阈值；
[0061][0062]
式中：φ'为有效内摩擦角；
[0063]
c'为有效粘聚力；
[0064]
σs为吸力；
[0065]
β为坡度；
[0066]zω
为土壤的垂直深度；
[0067]
γ为土壤容重。
[0068]
其中，如附图1所示，记录或预测的连续降雨量超过70％的cr
critical
，得到观察(黄色)等级；记录或预测的连续降雨量达到cr
critical
，得到警告(橙色)等级；记录或预测的连续降雨量达到cr
critical
，且位于i
df
不小于0.8的分区区域内，得到紧急(红色)等级。
[0069]
s5：将第一预警级别与第二级预警级别区域进行耦合，获取预测区域的滑坡预警等级图，如附图3所示，即能获得2009年7月16日一系列区域内滑坡预警等级图。
[0070]
本发明基于序贯评估法的区域滑坡灾害预警方法通过在整个区域范围内按顺序应用统计方法和基于物理方法，大幅简化了滑坡的评估过程；通过使用不同的理论方法进行多重危险评估，提高了预警的可靠性；通过设定不同的预警等级，增强了辨别边坡破坏和泥石流的能力；改进了时间性能：增加了临近预报和预报的能力，以及由于该方法仅需随时间变化的降雨特征数据和固定的地质属性数据，减少了计算负荷而增加了预警等级的更新
频率；提高了空间性能：该方法综合了统计方法和基于物理方法在空间识别方面互补的优点，在预警覆盖区域尺度滑坡的同时，能够确定详细空间(每个网格单元区域)的警告等级。
[0071]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。