石阡县降雨型滑坡临界雨量的研究

利用石阡县2010—2014年18起降雨型滑坡事件对应的区域气象站以及气象台站逐小时降水资料,采用统计分析的方法分析了滑坡发生前后的降水类型,建立了临界雨量的预报模型。结果表明滑坡对应的暴雨类型均属于尖峰型降水,强降雨时间都较短。滑坡的降雨量度与历时关系的分析表明可以将小时雨量大于10 mm作为石阡县滑坡的起报必要条件。基于区域气象站资料建立的滑坡预报模型表明24 h雨量(前期3d雨量)与1 h最大雨量(3 h最大雨量)呈反相关关系。在滑坡预警预报中可以根据气象台的24 h雨量预报值(或前期3 d有效雨量)及1 h最大雨量(或3 h最大雨量)预报值就可以及时发出滑坡预警,从而在地质灾害防御中起到重要作用。     

区域站降水量在汉中地质灾害预报中的应用

通过对汉中2000—2008年地质灾害个例和气象站、区域站降水量统计分析,建立以前期雨量和当日雨量为综合判别指标的地质灾害预报模型。用工具软件VB 6.0、Serfur8.0开发了汉中地质灾害预报系统,自动读取区域站降水量并显示,随时监测地质灾害重点隐患区的降水情况;用前期雨量、未来24 h预报雨量和各县的逐日降水影响系数,计算地质灾害发生气象条件等级,制作汉中地质灾害气象等级预报。     

贵州省降雨型滑坡预报模型及检验

本文利用贵州省2010—2017年630次降雨型滑坡资料以及国家气象台站和区域自动气象站逐小时降水资料，分析了贵州省降雨型滑坡的时空分布特征。基于5个不同时效降水指标与滑坡累积发生概率的拟合曲线公式，得到不同概率对应的5个降水指标的降水阈值，建立贵州省降雨型滑坡预报模型,并利用2018年新增滑坡样本对预报模型进行检验。结果表明：贵州省降雨型滑坡高发期主要集中在5—7月，其中6月滑坡发生概率最高，约48.6 %；7月次之，约34.9 %。当R1h、R3h、R6h、R24h、R3d分别大于等于26.9 mm、48.9 mm、62.9 mm、79.5 mm、92.0 mm时，发布滑坡预报预警。在降雨型滑坡预报模型中，随着5个不同时效指标的降水量增大，降雨型滑坡累积发生概率变化呈现前后增加缓慢，中间快速增加的变化特征。模型检验结果表明贵州省降雨型滑坡预报模型有一定的准确性，且5个降水指标均具有一定的实用性，其中利用R3d开展降雨型滑坡预报准确率最好。     

四川省滑坡灾害气象预报方法及其在延伸期-月尺度中的应用

分析四川省2014—2018年滑坡灾害与前期降水量之间的关系,构建滑坡灾害气象预报模型,并验证模型在延伸期-月尺度中的应用效果,为四川省延伸期滑坡灾害预报工作提供理论参考。利用历史实测降水数据对四川省滑坡灾害发生的前45 d、35 d、25 d、15 d、10 d和6 d降水量进行统计分析,结果显示,滑坡灾害的发生与其相关性是逐步递减的;在此基础上,结合逻辑回归法分析滑坡灾害发生前2 d降水量的权重关系,得到降水诱发滑坡灾害概率值;再确定滑坡灾害预报模型的易发性背景值与降水诱发滑坡灾害概率值的权重系数;最后,分别计算川东、川西和川西南三个区域临界雨量,优化滑坡灾害预报模型。结果表明:四川省滑坡灾害发生当日、前1 d和前2 d降水量对灾害的影响权重分别为0.048、0.031和0.029;滑坡灾害模型的易发性概率值和降水诱发滑坡灾害概率值的权重参数川东为0.249和0.751,川西为0.655和0.345,川西南为0.501和0.499;分区域临界雨量计算结果有明显差异,川东地区临界雨量值最大,川西南地区次之,川西地区最小。利用CFSv2降水预报产品对滑坡灾害预报模型在延伸期-月尺度中的应用效果进行验证,证实模型对延伸期滑坡灾害整体有较好的预报效果。     

自动雨量站资料在地质灾害监测中的应用

通过对滑坡、泥石流地质灾害发生地区地质条件、外在因素、前期降水的影响等分析研究,设计了滑坡、泥石流地质灾害等级判别标准,并研制了预报方法。利用ArcGIS Engine、MICAPS等语言工具开发了滑坡、泥石流预报系统,使用前期数据库中自动气象站逐小时雨量和本地区的逐日降水影响系数,以及地质灾害气象发生等级条件进行计算,制作地质灾害发生等级预报。该研究工作为各地防治地质灾害提供了帮助和指导。     

一基于Web-GIS技术的滑坡灾害预报预警业务系统

2004年开始在江西地质灾害易发区内建立了8个滑坡灾害监测点。通过定点监测试验、历史资料的统计分析和应用滑坡稳定性原理等方法,揭示了我国东部丘陵区降雨诱发滑坡灾害的形成机理。分析表明,降水对滑坡的诱发作用,不仅取决于当日雨量,而且与前期过程降水量有关,但前期各日雨量的影响程度是不相同的;饱和状态下的滑坡,其稳定性主要与滑坡的条块重量(W)和总的孔隙水压力与总的上浮压力之比(ru)有关。在监测试验和统计分析的基础上,建立了滑坡稳定性预报预警报的数学模型,确定了滑坡灾害发生时的降水临界值。应用Web-GIS技术,建立了滑坡灾害预报预警的实时业务系统。在近年来的预报服务中,多次成功地发布了滑坡灾害预报和警报,取得了明显的成效。     

吉林省东南部山区地质灾害与降水关系分析及气象等级预报

泥石流、滑坡、崩塌是发生在吉林省东南部长白山区及半山区的主要地质灾害。这其中又以泥石流为首，滑坡次之。它们的发生除与地质地貌等因子有关外，降水是主要的诱发因子。经分析研究发现诱发吉林省的泥石流和滑坡不仅与当日降水有关，而且还与前期降水及前期累积雨量有关，在对其进行相关分析的基础上建立了地质灾害的气象等级预报系统。     

地质灾害临界雨量及潜势预报模型研究

给出了新疆地质灾害的时空分布特征及其与降水的关系,探讨了区域临界雨量指标,建立了基于前期观测降水量及未来24h降水预报量的地质灾害气象统计潜势预报模型,并给出了各级潜势预报对应的有效雨量。     

丘陵地区降水诱发滑坡地质灾害的阈值分析——以巴中市恩阳区为例北大核心

利用降水阈值模型对典型丘陵地区的227个滑坡点进行降水诱发滑坡地质灾害的分析。结果表明:2009—2018年227例降水型滑坡中,降水引起当日发生2起及2起以上滑坡事件的共143起滑坡,约占总滑坡起数的63%;降水引起当日发生3起及3起以上滑坡事件的共99起,约占总滑坡起数的43%。因此,恩阳区受降水影响的滑坡事件具有群发性特征。利用降雨和滑坡数据可以获得恩阳区降水诱发滑坡的降水强度—降水历时阈值曲线和具有滑坡群发性特征的降水强度—降水历时阈值曲线。此外,当0     

利用T213物理量“垂叠法”模型制作沙澧河上游关键区面雨量预报

利用沙澧河流域上游关键区2003-2006年6-8月降水资料和同时段T213产品中预报产品,分析了关键区强降水发生前24h T213产品中比湿、相对湿度、水汽通量、水汽通量散度、假相当位温、垂直速度等物理量垂直空间结构特征,并根据不同特征,构建T213物理量"垂叠法"暴雨和大雨预报模型,对沙澧河流域上游关键区分别作大雨以上(面雨量≥20mm)和暴雨以上(面雨量≥40mm)强降水预报。通过检验和试用,该预报模型对2007-2009年6-8月沙澧河流域上游关键区面雨量≥20mm强降水预报准确率平均达54.2%,对面雨量≥40mm强降水预报准确率平均为38.9%。     

基于卫星降水和WRF预报降水的“6.18”门头沟泥石流事件的回报检验研究

2017年6月18日北京门头沟地区突发泥石流,造成6人伤亡。短时强降水是这起事件的主要诱发因素,但常规气象观测并没有很好地观测到此次降水过程,可见降水数据的准确性对于滑坡泥石流的实时预警及预报至关重要。近年来,卫星遥感估算降水发展迅速,WRF（Weather Research and Forecasting Model）模式关于降水的预报技巧也逐渐提高。本文以自动站降水资料为参考,首先利用定性方法和泰勒图、TS（Threat Score）评分等定量的方法比较了CMORPH（CPC MORPHing technique）、GPM（Global Precipitation Measurement）和PERSIANN-CCS（Precipitation Estimation from Remotely Sensed Information using Artificial Neural Networks-Cloud Classification System）三种卫星降水资料以及不同起报时间的WRF预报降水对此次降水过程的表现能力,然后利用降水数据驱动滑坡泥石流统计预报模型,对此次事件进行了回报,分析不同降水数据在模型中的实际应用效果,最终为滑坡泥石流实时预警和预报系统的构建提供参考。结果表明,三种卫星降水资料基本上能反映出此次降水过程东北—西南向的带状空间分布形态,其中,CMORPH与自动站资料的空间相关性最好,命中率也最高,但对降水量有一定的高估,GPM对平均降水量的时间变化有较好的反映,体现了卫星降水在观测较少地区的良好利用价值,PERSIANN-CCS的表现则相对差些。WRF模式能预报出此次降水的带状空间分布特征,但降水中心的位置与实际有所偏差;此外,预报的最大降水量的峰值出现时间比实际上晚。由于此次降水的强局地性,只有空间分辨率均匀且质量相对较好的CMORPH卫星降水驱动模型可以回报出此次事件,而自动站点资料由于空间分布不均,则没有回报出此次事件,这表明了卫星降水在滑坡泥石流实时预警系统的构建中具有一定的优势。WRF模式降水驱动模型可以提前做出预警,虽然预报的事件发生时间与实际相比偏晚3~5 h,但WRF可以较好地预报72 h内的降水,因而可以延长灾害的可预见期。WRF模式预报降水的时间和空间精度都需要进一步提高,但是仍具有很好的参考意义。     

大降雨型滑坡临界雨量及潜势预报模型研究

通过对湖北省1975～2002年发生的194次滑坡个例进行分析发现：滑坡时间主要发生在5-8月,占全年总次数的80％左右,与多年月平均雨量分布比较一致;滑坡区域主要位于湖北西部山地,高频中心在三峡库区;滑坡与前期降雨尤其是大降雨关系非常密切,大降雨型滑坡占滑坡总次数的63．1％。利用实效雨量计算方法,确定了大降雨型滑坡临界雨量,以此为依据建立了潜势预报模型。     

滑坡泥石流大尺度统计预报模型的实时检验

利用滑坡敏感性分布和降雨阈值公式建立了一个滑坡泥石流统计模型,该模型可以用于中国大尺度范围内的滑坡泥石流预警。使用CMORPH卫星降水驱动该统计模型,对2016—2017年的106起滑坡泥石流事件进行了验证分析。结果表明,该模型能较好地预警大多数滑坡泥石流事件,其中对72. 1%的雨季滑坡泥石流事件能较好预警,但对非雨季的事件只有35%能较好预警,对雨季的预警效果明显优于非雨季。由于滑坡泥石流主要发生在雨季,因此该模型总体上具有较好的效能。该模型对于强降雨引发的快速滑坡事件具有较好的预警能力,但对于由强度较小、持续时间较长的降雨引发的慢过程滑坡事件的预警效果有待提升。利用该统计模型以及CMORPH实时卫星降水产品,可以建立滑坡泥石流大尺度实时预警系统,对滑坡泥石流减灾防灾具有一定意义。     

机器学习分类算法在降雨型滑坡预报中的应用

针对气象灾害预警业务中客观描述降雨型滑坡发生不确定性的实际需求,利用2014—2020年全国滑坡数据以及多源融合降水实况分析数据,通过样本构建、模型训练、参数优化以及预报输出等关键步骤构建基于机器学习分类算法的区域降雨诱发滑坡概率预报模型,探究不同类型机器学习分类算法识别诱发滑坡的降雨过程的可行性。结果表明:在算法评估中,线性判别分析算法准确率最高且泛化能力最好,其次为逻辑回归算法,再次为最邻近算法。在预报试验中,线性判别分析、逻辑回归以及最邻近等算法能够提取并学习降雨诱发滑坡的条件特征,对诱发滑坡的降雨过程有一定识别能力,最邻近算法和逻辑回归算法的概率预报高值区范围相对较大,易造成虚警结果,线性判别分析算法对局地降雨信息的提炼较好,但线性判别分析算法在非降雨中心区域输出低值概率预报的面积偏大。     

A Probabilistic Prediction Model for Heavy Rain-Caused Landslides in the Chongqing Region

Landslide (or rockslide) is a geological disaster that is mainly induced by strong precipitation, among a number of other natural inducing factors. Based on 1615 landslide cases, a statistical analysis is performed to find the relationship among the landslide occurrence time, rainfall 0-10 days ahead, and probability of landslides over the Chongqing region. The results show that 1) strong rainfall-caused landslides occur mainly on the day it rains or 1-2 days after the heavy rain, and as time goes on, the likelihood of the disaster reduces rapidly; 2) the heavier the rainfall, the closer the landslide time is to the precipitation time.A concept of "effective precipitation" is thus developed, and a categorical prediction model for heavy rain-caused landslides is established. Tests show that for categories III, IV, and V landslides, the model forecast accuracy arrives at 29.9%, 75%, and 100%, respectively. This indicates that the categorized probabilistic prediction can serve as a warning for the landslide prevention and mitigation.     

暴雨型滑坡灾害因素分析及预测试验研究

针对暴雨型滑坡灾害预报预警服务的需要, 以江西为研究区域, 从暴雨型滑坡灾害形成机理及预测理论入手, 通过8个滑坡灾害易发点的监测试验, 系统地研究了大气降水对地下水位、孔隙水压力、滑坡土体应力及滑坡稳定性的影响, 探讨了植被覆盖与滑坡的关系。结果表明:滑坡稳定系数与降水量有较好的负相关关系, 当降水量增大时, 滑坡稳定系数减小, 且略滞后于降水量的峰值; 在其他因素一定的条件下, 地下水位升高, 滑坡稳定系数直线下降。经计算得到8个试验点促使滑坡复活的临界指标是24 h降水量为60~203 mm, 值域的变化与滑坡体的土壤结构、力学性质、植被覆盖程度和降水强度的时空分布等因素有关。     

Rainfall thresholds for the initiation of landslides in central and southern Europe

Summary We review rainfall thresholds for the initiation of landslides world wide and propose new empirical rainfall thresholds for the Central European Adriatic Danubian South-Eastern Space (CADSES) area, located in central and southern Europe. One-hundred-twenty-four empirical thresholds linking measurements of the event and the antecedent rainfall conditions to the occurrence of landslides are considered. We then describe a database of 853 rainfall events that resulted or did not result in landslides in the CADSES area. Rainfall and landslide information in the database was obtained from the literature; climate information was obtained from the global climate dataset compiled by the Climate Research Unit of the East Anglia University. We plot the intensity-duration values in logarithmic coordinates, and we establish that with increased rainfall duration the minimum intensity likely to trigger slope failures decreases linearly, in the range of durations from 20 minutes to ∼12 days. Based on this observation, we determine minimum intensity-duration (ID) and normalized-ID thresholds for the initiation of landslides in the CADSES area. Normalization is performed using two climatic indexes, the mean annual precipitation (MAP) and the rainy-day-normal (RDN). Threshold curves are inferred from the available data using a Bayesian statistical technique. Analysing the obtained thresholds we establish that lower average rainfall intensity is required to initiate landslides in an area with a mountain climate, than in an area characterized by a Mediterranean climate. We further suggest that for rainfall periods exceeding ∼12 days landslides are triggered by factors not considered by the ID model. The obtained thresholds can be used in operation landslide warning systems, where more accurate local or regional thresholds are not available.     

OPERATIONAL FORECAST OF RAINFALL INDUCED BY LANDFALLING TROPICAL CYCLONES ALONG GUANGDONG COAST

Following previous studies of the rainfall forecast in Shenzhen owing to landfalling tropical cyclones(TCs), a nonparametric statistical scheme based on the classification of the landfalling TCs is applied to analyze and forecast the rainfall induced by landfalling TCs in the coastal area of Guangdong province, China. All the TCs landfalling with the distance less than 700 kilometers to the 8 coastal stations in Guangdong province during 1950—2013 are categorized according to their landfalling position and intensity. The daily rainfall records of all the 8 meteorological stations are obtained and analyzed. The maximum daily rainfall and the maximum 3 days' accumulated rainfall at the 8 coastal stations induced by each category of TCs during the TC landfall period(a couple of days before and after TC landfalling time) from 1950 to 2013 are computed by the percentile estimation and illustrated by boxplots. These boxplots can be used to estimate the rainfall induced by landfalling TC of the same category in the future. The statistical boxplot scheme is further coupled with the model outputs from the European Centre for Medium-Range Weather Forecasts(ECMWF) to predict the rainfall induced by landfalling TCs along the coastal area. The TCs landfalling in south China from 2014 to 2017 and the corresponding rainfall at the 8 stations area are used to evaluate the performance of these boxplots and coupled boxplots schemes. Results show that the statistical boxplots scheme and coupled boxplots scheme can perform better than ECMWF model in the operational rainfall forecast along the coastal area in south China.     

Diurnal Variation of Southwest Monsoon Rainfall at Indian Stations

ＤｉｕｒｎａｌＶａｒｉａｔｉｏｎｏｆＳｏｕｔｈｗｅｓｔＭｏｎｓｏｏｎＲａｉｎｆａｌｌａｔＩｎｄｉａｎＳｔａｔｉｏｎｓＪ．Ｍ．Ｐａｔｈａｎ（ＩｎｄｉａｎＩｎｓｔｉｔｕｔｅｏｆＴｒｏｐｉｃａｌＭｅｔｅｏｒｏｌｏｇｙ，Ｐａｓｈａｎ，Ｐｕｎｅ－４１１００８，...