云南降雨型滑坡县级预警雨量阈值分析

根据云南省华坪县滑坡灾害历史数据和同期气象站实测小时降雨资料,以滇西北的华坪县为例动态地计算了每次滑坡灾害的有效降雨天数和对应前期的有效降雨量;并应用主成分分析法对44场降雨型滑坡进行分析,结果表明间接前期雨量、发生雨量和激发雨量对诱发滑坡都有重要影响,得出诱发滑坡的降水有短时强降雨和长时低强度降雨两种类型。由此建立了含有两类降雨特点的华坪县I〖CD*2〗D（降雨强度〖CD*2〗历时）阈值曲线,并在此过程中提出了确定降雨历时D结束时刻的方法和有待进一步研究的问题。通过对华坪县滑坡预警雨量研究,为其他县级滑坡灾害预警雨量阈值的确定提供一种方法。     

基于降雨分级的泥石流降雨I-D预报模型

降雨阈值是泥石流预警预报和防灾减灾的重要研究内容。通过野外考察、文献查询等手段,收集了汶川地震灾区典型区域(都(江堰)汶(川)公路沿线)震后34次泥石流事件和对应的降雨过程,通过统计诱发泥石流的降雨历时及平均降雨强度,建立了该地区的降雨I-D(雨强-历时)关系;针对I-D关系在实际预报中的不足,结合中国气象部门的雨量划分标准和诱发泥石流的降雨历时将降雨分为小量级降雨(SI)、中量级降雨(MI)和大量级降雨(LI)3个等级,得出复合型降雨I-D关系。结果表明:①都汶地震灾区诱发泥石流的降雨历时为2～53h,平均降雨强度为0.1～13.8mm/h,I-D关系可表示为I=5.94 D-0.70;②复合型降雨I-D预报模型可进行分级预警,其中约80%泥石流事件超过了橙色等级预警线,I-D关系式为I=10.0 D-0.56(1h≤D 12h),I=4.8 D-0.26(D≥12h);③改进后的复合型降雨I-D阈值线斜率更小,预报精度更高,更适合中国西部山区的泥石流预报工作,且在2014—2016年都汶公路沿线的泥石流预报检验中取得了较好效果。本研究拟为汶川地震灾区泥石流的预警预报提供技术支撑。     

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。     

贵州省降雨型滑坡预警预报模型2020年应用检验分析

基于概率拟合曲线的贵州省降雨型滑坡预警预报模型,利用降水预报数据和实况数据对2020年强降水背景下的27次降雨型滑坡事件进行预警预报,从两个方面检验了该模型的业务实用性。结果表明：利用降水预报数据开展降雨型滑坡预警预报,提前3 d和提前1 d的效果优于提前2 d,其准确率均为63%,具有一定的业务实用性;利用降水实况数据开展降雨型滑坡预警预报,滑坡实际发生的位置与模型预警预报中可能性较大以上的区域吻合度较高,进一步验证该模型具有一定的准确性和实用性;能否准确把握降水强度和落区是影响降雨型滑坡预警预报准确率的关键因素。     

降雨型滑坡的集合预报模型及其初步应用的试验研究

滑坡的实时预警系统GRAPES-Landslide是将数值天气预报模式GRAPES (Global/Regional Assimilation and PrEdiction System)与滑坡预测模型TRIGRS (Transient Rainfall Infiltration and Grid-based Regional Slopestability)进行单向耦合建立起来的动力数值预报预警系统。由于滑坡预测模型TRIGRS中的关键水土参数具有空间分布很不均的特性,很难获取准确的数据加以描述,使得滑坡事件的激发、预测存在很大的不确定性,同时数值天气预报模式本身具有不确定性,因而用于诱发滑坡灾害的估测降水存在不确定性,进而使得滑坡的预报存在偏差。本研究基于预测降水和水土参数分布不确定性的考虑,提出了GRAPES-Landslide滑坡集合预报模型。滑坡集合预报模型中有5个不同的预报降水成员,分别是(1) GRAPES_MESO业务模式、(2)"暖-潜热加热纳近方法、(3)基于九点平滑滤波的"暖-潜热加热纳近"方法、(4)对(1)~(3)的降水成员进行简单平均、(5)对(1)~(3)的降水成员进行概率匹配的集合。根据水土参数呈正态分布的特点,通过Monte-Carlo方法随机生成100组扰动参数值。将5个预报降水与100组扰动水土参数结合,组成GRAPES-Landslide滑坡集合预报模型。选择2013年7月18日00时到7月19日12时(协调世界时)福建省"西马仑"台风降雨引发闽三角地区发生大量滑坡灾害为例,进行实际预报试验。初步研究结果表明本文建立的GRAPES-Landslide滑坡集合预报系统所预测的滑坡频发区与观测区域有很好的吻合度,与目前的滑坡业务预报结果相比有明显改进,落区更精细化。因此,GRAPES-Landslide滑坡集合预报系统综合考虑了降水预报的不确定性和非均匀分布的水土参数的不确定性,为区域滑坡预测提供了一种新的可能方法。     

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。     

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     

青海省洪涝灾害及致洪降雨特征综合分析

利用2008-2020年青海省常规气象站和区域站逐小时降雨资料,以及青海省洪涝灾情直报记录,使用直接经济损失、受灾总人数、倒塌房屋数、农业经济损失、农业受灾面积等多种灾情要素以比值法构建灾损指数,再利用百分位法将洪涝灾害划分为一般、较重、严重、特重四个等级。分析不同等级洪涝灾害分布特征及差异性,并与青海省降雨特征进行对比分析。综合利用主成分分析、箱线图分析以及相关分析等方法,探讨导致青海省洪涝灾害的主要降雨因子以及区域间的差异性特征。结果表明：青海省洪涝灾害频发,洪涝灾害所造成损失总体呈现加剧状态,较重、特重灾害在2016年后频次明显增多,而每年7、 8月则是青海省洪涝灾害高发时期。洪涝灾害频发区域和受灾最为严重区域均位于青海省东部,其中海南州是洪涝灾害最为频发区域,海东市是灾害损失最严重区域。诱发青海省洪涝灾害的降雨过程主要为大雨以上降雨。青海省致洪降雨过程可分为两类,第一类降雨过程历时短但雨强大,造成累积降雨量较大,降雨历时在12 h内。第二类为降雨过程历时较长造成累积雨量较大,这类降雨历时超过12 h。诱发青海省东部城市洪涝灾害的降雨过程以第一类为主,多发于青海省东部城市海南、黄...     

西南地区不同地质灾害影响区的降水阈值研究

根据1961~2010年西南地区(四川省、云南省、贵州省、重庆市)重大地质灾害资料和全国重大地质灾害年鉴资料统计不同地质灾害(滑坡、坍塌、泥石流)事例,确定其影响区域。利用西南地区77个气象观测站逐日降水资料,根据降水阈值的定义和计算方法,运用线性回归法研究西南地区各灾害影响区的降水阈值。结果表明:我国西南地区是地质灾害多发的地区;1961~2010年西南地区重大滑坡、泥石流灾害具有密集成群、成片或成带的规律,有明显的稀疏区和密集区;且主要发生在6~9月,其中7月份发生最多,与降水的时空分布具有很好的一致性,降水是诱发地质灾害的主要因素。西南地区不同区域内诱发重大滑坡、泥石流灾害的降水阈值存在差异。西南地区的重大滑坡灾害主要是持续性强降雨型的。      

广西泥石流和滑坡地质灾害临界雨量界定方法

利用2012-2016年广西泥石流和滑坡地质灾害事件及其事件前期临近自动气象站的逐小时雨量资料,采用统计的方法,确定诱发广西泥石流和滑坡灾害的临界致灾雨量,并用2017年的灾害个例及其雨量加以检验和修订。结果表明:前期降雨对广西泥石流和滑坡起主导作用,当24h雨量152mm时,泥石流临界雨量为H1=-0.2872H24+83.55;当24h小时雨量≥152mm时,泥石流临界雨量为H1=39.9mm。广西滑坡的雨强和降雨历时曲线满足I=11.31D-0.7关系。     

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。     

基于小时雨量的泥石流滑坡降雨特征分析

利用2007～2010年6～9月四川加密自动气象站雨量监测资料,分析了小时雨量特征,并结合其间的泥石流、滑坡地质灾害个例,对泥石流、滑坡发生时的降雨特点进行了分析。结果表明,1500m以下小时平均雨强较大时段出现在1～7时,1500m以上小时雨强较大时段出现在夜间10时至次日8时,短历时强降雨是诱发泥石流的关键因素,而滑坡的发生受降水的累计和滞后效应影响。海拔1500m以下,发生泥石流、滑坡一般需要50mm的降水,1500～3500m海拔,6小时降水有15～20mm,就有可能引发泥石流、滑坡,而在3500m以上,6小时降水有10～15mm即可。     

陕西降雨型地质灾害气象预报预警系统

基于降雨型地质灾害气象预报预警模型,采用自动气象站数据和乡镇雨量站降水数据作为实况基础资料,利用WRF(weather research and forecasting model,即天气预报模式)降水预报数据,计算综合雨量并得出降雨型地质灾害发生的等级。系统集成了数值预报精细化预报处理模块、自动气象站监测数据处理模块、乡镇降水量插值模块、地质灾害预报预警模型运算模块和预报预警结果展示模块,实现了数据自动化处理,运行稳定,建成之后发挥了较好的服务效益。     

降雨型滑坡地质灾害预警预报研究进展

为了提高我国不同区域、不同气候条件下受降雨影响产生的滑坡地质灾害预警预报水平,通过对近30 a国内外降雨型滑坡地质灾害预警预报主要研究成果的回顾,总结其预警预报的相关方法和手段,重点分析了在降雨型滑坡地质灾害预警预报研究与业务中常用的三类方法(即数学统计分析法、理论模型评价法、数值模拟法)的优缺点与适用范围,以期为今后国内科研业务人员开展降雨型滑坡地质灾害预警预报研究和业务工作提供参考依据。     

宝鸡市2020年8月16日降雨地质灾害动态危险性评估

降雨诱发的群发性黄土崩滑灾害具有发育面积大、数量多、破坏力强的特征。为有效防控该类群发性灾害风险,需探索建立相应的危险性评估技术流程。在陕西宝鸡市1∶50 000地质灾害详细调查与群发性灾害阈值调查研究的基础上,以2020年8月16日持续性降雨事件为例,探索完成了24 h内降雨诱发地质灾害危险性评估。计算分析显示：基于灾害发生的降雨量与持续时间阈值关系式,叠加1∶50 000精细的易发性分区结果,可实现市域24 h内降雨诱发地质灾害动态危险性评估,其结果能够较好地反映高危险区域的动态扩展趋势。若继续探索完善降雨量阈值判别模型与评估技术流程,可提高地质灾害风险区划的时效性。     

降雨对陕西山洪灾害的触发作用

对近 2 0 a陕西山洪灾害和降水资料分析的基础上 ,得出陕西山洪灾害分布规律 ,进一步分析了气象条件与地质灾害发生的关系 ,确定了降雨强度与不同类型山洪灾害的对应关系 ,给出了不同区域不同降雨日数和降雨强度诱发山洪灾害的临界雨量     

降水引发的西南地区公路损毁风险预报方法

降水引发公路沿线滑坡、泥石流及其他灾害频繁发生,已成为引发公路损毁的最重要因子之一。该文利用2007年1月—2013年7月区域 (云、贵、川、渝4个地区) 公路损毁灾害数据、基础地理信息数据及国家气象中心降水量历史资料,通过对灾害发生频次、降水量等资料的统计分析,初步探讨降水与公路损毁灾害的关系,并重点针对公路损毁的降水影响因子 (即前期有效降水和损毁灾害发生当日降水),开发具有普适性的公路损毁概率密度函数及其概率拟合方程,建立公路损毁灾害概率预报模型;综合公路损毁灾害风险区划信息 (即灾害危险性等级) 与降水的等级临界阈值 (即降水危险性等级),建立区域公路损毁的危险性分级预警方案,得出综合的西南地区公路损毁风险预报模型,以1～5级划分, 分别为灾害发生可能性极小、灾害发生可能性较小、灾害发生可能性中等 (注意)、灾害发生可能性较大 (预警)、灾害发生可能性极大 (警报)。该预报方法结合降水危险性等级及公路损毁灾害危险性等级,明显优于仅考虑阈值降水量的判别方法。     

一种短历时降雨综合评估方法在广州市的应用

基于广州市5个国家气象站1981-2015年逐小时降水资料,应用线性趋势法、Mann-Kendall突变检验等方法对广州市气象站不同历时降雨年际变化特征进行分析,应用百分位法建立了一种基于降雨极值和降雨持续时间的短历时降雨综合等级评估方法,并使用此方法对2007-2011年广州市21次降雨过程进行综合评估,同时对灾损因子和短历时降雨因子进行相关性分析。结果表明,广州市短历时强降雨发生频次和极值均呈现上升趋势,其中1h强降雨频次上升趋势最为显著;综合等级评估方法对短历时降雨灾情具有一定的指示作用;短历时降雨持续时间和6h降雨极值与部分灾损因子相关系数较高。     

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。     

秋季渤海海效应降雨的统计特征及形成机理

利用综合观测资料统计分析了1999—2020年秋季31次渤海海效应降雨过程的基本特征,通过典型个例分析揭示了海效应降雨的形成机理,并与渤海海效应降雪进行了比较。结果表明:(1)秋季渤海海效应降雨发生在10月中旬至11月,以11月中上旬发生频率最高;10月为纯雨,11月可产生纯雨,也有雨转雨夹雪(雪)或雨雪共存的天气过程;海效应降雨分布在山东半岛北部沿海地区,过程降雨量均为小雨,持续时间不超过1 d。(2)海效应降雨发生时的冷空气强度比海效应降雪弱,降雨时山东半岛850 hPa的温度10月在-1 ℃左右,11月在-6 ℃左右;11月发生雨转雨夹雪或雪时,850 hPa的温度一般为-9~-8 ℃,地面气温集中在2~4 ℃之间。(3)典型较明显的渤海海效应降雨过程环流形势表现为500 hPa冷涡、850 hPa西北冷平流和地面冷高压,强冷空气入侵渤海和山东半岛,790 hPa以下北部沿海地区产生浅层对流不稳定,风向风速辐合触发不稳定能量而产生海效应降雨;强海效应降雨时段北部沿海地区对流层低层存在偏东北风与西北风之间的切变线及明显的风速辐合,最大雷达反射率因子为45~50 dBZ。(4)渤海海效应降雨的环流形势、水汽来源、热力、动力及雷达径向速度特征与海效应降雪基本相同,主要差异在于海面温度和冷空气强度。渤海海效应降雨的预报关键期为10月下旬至11月。