本站小編為你精心準備了局部高強度降雨的地質災害研究參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:傳統地質災害特征分析方法，以地面綜合調查為主，忽視局部高強度降雨條件這一主觀因素，使得地質災害特征分析結果存在較高的片面性。該文提出基于局部高強度降雨的地質災害特征分析方法，根據降雨強度、災害持續時間和平均降雨量等指標設立臨界組合判別運算雨量閾值，按照雨量閾值判斷地質災害類型，并結合預警判據圖分析局部高強降雨的地質災害分布特征。實驗結果表明，所提方法可全面分析出實驗地區地質災害具有滯后性、群發性和同時性特征。

關鍵詞:地質災害;災害特征;高強度降雨;局部;雨量閾值;預警判據圖;臨界降雨量

地質災害是由內因和外因多重影響產生的龐雜物理過程。地形地貌、地質構造、地層巖性、水文地質、植被覆蓋等稱為內因;自然要素和人為要素稱為外因。驟然發生的地質災害主要是由氣象引起的，高強降雨是引起地質災害的癥結所在。滑坡、泥石流等地質災害研究成為當下全球關注的重要問題，自1990年代始很多學者針對地質災害和降雨的關系開展研究分析工作，而由于局部暴雨型強降雨的預報難度大、準確率低，同時引起地質災害的可能性高，突發性強，給地質災害預警工作造成很大困難。傳統的地質災害預警在準確度和實時性存在很大落后性，因此對局地高強度降雨的地質災害特征分析稱為氣象科研人員的研究熱點。過去國內外一些專家對局部高強度降雨引起的地質災害的特征分析上存在一些問題，如劉艷輝等［1］中采用基于“命中率、漏報率和空報率”三指標的地質災害預警校驗方法，但預警區空報率偏高導致預警檢驗結果誤差較大;仇開莉等［2］中研究工作以地面綜合調查為主，而降雨條件是引發地質災害的主要因素，缺乏對降雨問題的深入研究，分析結果需要進行大量驗證;趙鵬等［3］中運用統計方法，從空間和時間角度對渝東北地質災害進行剖析，但是僅針對渝東北地區的地質條件進行分析，具有片面性。針對以上文獻出現的弊端，文章提出基于局部高強度降雨的地質災害特征分析方法，其將雨量閾值和預警判據圖相結合，對局部高強度降雨的地質災害特征進行全面分析。

1局部高強度降雨的地質災害特征分析

1.1地質災害的雨量閾值算法通過查閱觀測和統計資料得知，臨界雨量閾值是判別地質災害特征時的重要因素之一。雨量閾值也稱降雨下限方法，根據誘發地質災害的歷史降雨記錄實行總結研究從而判定引起地質災害的雨量閾值［4］，并用來描述實時降雨觀測的參照值對發生地質災害的時間進行預警［5］。想要獲取引起地質災害的臨界降雨量需要把引起地質災害的降雨因素繪制在笛卡兒坐標、半對數坐標和雙對數坐標中，數據部分的下部接線即為閾值。通過降雨強度、持續時間和平均降雨量等指標設立的地質災害臨界組合判別式是閾值法的關鍵方法。指標詳情如以下公式所述。降雨強度－歷時閾值也稱ID法:I=c+bDa。(1)式中:I表示降雨開始到產生地質災害時的平均降雨強度(mm/h);降雨歷時用D描述，表示降雨的持續時間(h);參數分別用a，b，c來描述，并且c≥0。由于地質條件的差異，引起地質災害的雨量閾值也不相同，為了使閾值曲線圖更加清晰完整，使用平均年降雨量也簡稱MAP法對降年雨量的閾值進實行規格化［6］，則計算公式為:IMPA=c+bBa。(2)式中:MPA代表平均年降雨量，在雨量觀測站的記載歷史中可以得到，其體現了該地區的氣候特征(mm);降雨歷時用D描述(h);IMPA代表規格化后的降雨強度，通過降雨強度除以平均年降雨量得出，即IMPA=I/MAP，其單位是1/h;參數用a，b，c來描述。通過公式(1)和公式(2)得出的降雨量來獲取產生地質災害時的雨量閾值，有關降雨量的常用物理量分為日降雨量、前期降雨量、過程累積雨量、規格化的過程降雨量。由于地質災害本身具有滯后性［7］，其中過程累計雨量和降雨歷時結合后的雨量計算為:E=c+bDa。(3)式中:過程累計雨量用E來描述，D是降雨歷時，參數是a，b，c。若a的值是1的時候，則E用D的分段函數來描述。不一樣的地質災害雨量閾值也是有所差異［8］，滑坡是地質災害的最常見的類型，受雨量多少的影響并不大;泥石流在大暴雨或特大暴雨等強降雨影響下容易產生［9］，雨量的判斷尤為重要，且影響面大、災情嚴重;崩塌或塌陷一般是發生在持續降雨過程累計雨量多的時候［9］。具體特征分類如表1所示。

1.2預警判據圖基于以上小節所述，通過雨量閾值對地質災害進行判別，然后結合預警判據圖對局部高強度降雨的地質災害特征分析［10］。有關規定表明，全國地質災害預警通常分為以下5個等級［11］:一級:可能性很小;二級:可能性較小;三級:可能性較大;四級:可能性大;五級:可能性很大;省級地質災害氣象預警分為以下3個等級:三級:可能性較大，預報級(黃色);四級:可能性大，預警級(橙色);五級:可能性很大，警報級(紅色)。想要獲取某地區未來1，2，3，…，n日里的氣象預報每個等級的降雨區間值(n通常不大于15d)［12］，需要構建預警判據圖;統一規定引起地質災害的臨界降雨量閾值為α線和β線，預警等級是1～2級時稱為不預報區，是在α線以下的A區，預警等級是3～4級時稱為預報或預警區，是在α～β線的B區，當預報等級是5級的時候，即是警報區［13］，處于β線之上的C區。詳情如圖1所示。

2實驗分析

為了驗證本文提出新的局部高強度降雨的地址災害特征分析方法的有效性，實驗以長江三峽庫區為例進行地質災害分析實驗(圖2)，在梅雨(6－7月)季節，長江三峽庫區降雨量多，是我國受到降雨產生的地質災害次數頻繁具有代表性的地域。依據地質、地貌和氣候因素，把齊岳山設成界限，把三峽庫區區分成A區和B區，奉節往西是A區，奉節往東是B區，進行局部地質災害特征分析。因為雨量站和災害點相隔甚遠，站點觀測的雨量和發生災害的地方實際雨量數據不符，本文方法通過雨量閾值的方法進行判別減小偏差［14］，由于滑坡本身具有滯后性，因此4d內雨量超過50mm的災害點也一起計算。因此提取出相符的有關災害點一共110處，其中A區89處，B區21處。A、B區的臨界降雨引起的地質災害特征有所差異，A區出現災害的時間以2000、2004、2010、2012年內為主;B區主出現災害的時間以2001、2005、2008、2014年為主。依據A、B區的概況標繪處災害點降雨量散點圖，通過散點排列情況，并把災害點整體情況呈現出來為主［15］，提取出現災害時降雨量上下限擬合曲線，詳情見表2、圖3和圖4。本文方法通過表1中的雨量閾值上下限數據，以及降雨歷時每個時間段的降雨量通過歷時閾值也稱ID法進行計算可以判斷出可能造成地質災害的降雨強度，得出A、B區災害點的預警判據圖(圖3和圖4)，根據圖3、圖4可實時根據降雨量和時間來預判可能產生的地質災害類型，從而進行提前預警等措施。為了使預警提示更加準確，實驗把依據滑坡泥石流和降雨關聯的每種科技文獻和研究報告中提取的三峽庫區42處災害點降雨量數據進行整合繪制，和預警判據圖結合應用。通過以上所述，由于需要考慮到災害發生具有滯后性，本文方法獲取到三峽地區第2d的降雨量預報值后，對出現地質災害的可能性進行預警判斷，并與判據圖進行結合使用，獲取A區以及B區地質災害點日降雨量以及前期降雨量情況，詳情見圖5、圖6、圖7、圖8。通過圖5、圖6、圖7、圖8可知采用本文方法得出的三峽地區A、B局部地區在高強度降雨的影響下地質災害的分布特征，將圖5和圖6結合可以看出在在高強度降雨的影響下，A區的災害點隨著降雨量的增多也隨之增多，前期降雨量超過200mm后造成的災害點本身具有滯后性，持續強降雨后導致當日地質災害點在降雨100mm后便出現多數地質災害。將圖7和8結合可以看出在高強度降雨的影響下B區的災害點前期的降雨量大于當日降雨量，前期產生的災害點在對當日也產生潛在的災害。由以上實驗可以看出，本文方法分析得出隨著降雨量的增大和降雨歷時的持續，實驗地區地質災害的暴發率也隨之增大，且具有滯后性、群發性和同時性特征，分布密集，本文方法實現了局部高強度降雨的地質災害特征的全面分析，具有重要的應用價值。

3結論

文章提出基于局部高強度降雨的地質災害特征分析方法，通過降雨強度、持續時間和平均降雨量等指標設立的地質災害臨界組合判別式，使用歷時閾值也稱ID法對降雨強度進行判別。由于地質條件的差異性導致閾值的不同，使用平均年降雨量也簡稱MAP法對降年雨量的閾值進實行規格化，考慮到地質災害本身具有滯后性，使用過程累計雨量和降雨歷時結合后對雨量進行計算得出致災雨量閾值，結合預警判據圖對局部高強降雨的地質災害分布進行特征分析。實驗通過本文方法對三峽地區在局部高強度降雨環境下的地質災害特征進行分析，通過雨量閾值判斷出地質災害點數，從而結合預警判據圖對局部高強度降雨后的地質災害進行特征分析，結果表明在三峽A、B區中，出現地質災害且具有滯后性、群發性和同時性等特征。

參考文獻:

［1］劉艷輝，溫銘生，蘇永超，等．臺風暴雨型地質災害時空特征及預警效果分析［J］．水文地質工程地質，2016，43(5):119－126．

［2］仇開莉，褚永彬，張志明，等．天府新區(成都部分)地質災害空間分布特征［J］．桂林理工大學學報，2014，34(2):245－253．

［3］趙鵬，楊沛霖，蔣莉，等．渝東北地區強降雨誘發地質災害險情分析［J］．長江科學院院報，2017，34(10):50－56．

［4］張杰，王宇，張紅兵，等．云南彝良9•07地震次生地質災害特征分析［J］．工程地質學報，2014，22(2):280－291．

［5］謝吉尊，馮文凱，楊少帥，等．則木河斷裂帶活動特征和地質災害對地貌演化的影響———以鵝掌河流域為例［J］．工程地質學報，2017，25(3):772－783．

［6］吳豐，呂振雷，陳珂銳．基于時間尺度分析的云網格空間資源調度算法［J］．計算機仿真，2015，32(8):131－135．

［7］王瑛，林齊根，史培軍．中國地質災害傷亡事件的空間格局及影響因素［J］．地理學報，2017，72(5):906－917．

［8］潘皇宋，李天斌，仵撥云，等．降雨條件下折線型滑面的大型滑坡穩定性離心模型試驗［J］．巖土工程學報，2016，38(4):696－704．

［9］湯明高，許強，李九乾，等．降雨誘發震后松散堆積滑坡的啟動試驗研究［J］．水文地質工程地質，2016，43(4):128－134．

［10］齊大鵬，汪超，韓小令，等．基于加密降水資料的貴州地質災害概率預報模型［J］．氣象科技，2016，44(5):788－792．

［11］周雨，劉志萍，張國平．鷹廈鐵路降水誘發地質災害概率預報模型及應用［J］．應用氣象學報，2015，26(6):743－749．

［12］孟慶豐，王學良．北京懷柔區降雨引發地質災害危險性預測［J］．水文地質工程地質，2016，43(2):167－170．

［13］強菲，趙法鎖，黨亞倩，等．陜南秦巴山區地質災害與影響因素的相關性分析［J］．南水北調與水利科技，2015，13(3):557－562．

［14］范嘉煒，黃錦林，唐造造．高州市不同歷時降雨組合的風險概率研究［J］．災害學，2018，33(1):213－217．

［15］孔鋒，呂麗莉，方建，等．基于日值和小時降水數據診斷中國暴雨時空變化差異的研究(1991－2010)［J］．災害學，2017，32(1):72－79．

作者：馬秀梅 劉曉燕 代青措 馬瓊 單位：青海省氣象臺