摘要：云南省昭通市是長江上游地質災害最嚴重的地區之一。通過研究利用Z指數、主成分分析和地質災害前期有效降水量分析等方法，對歷史地質災害樣本、同期區域站和國家站逐12h、逐日降水資料等進行了分析研究。結果表明：昭通市境內地質災害隱患點眾多，以滑坡為主，大中型地質災害也時有發生，其中95%以上的地質災害發生在雨季，峰值在8月，與昭通市干濕季節相對應;其降水型地質災害與災害臨近12h降水量、當天降水強度、前3d和前12d累積降水量及降水強度等降水因子密切相關。

　　因此，綜合考慮短時、短期和中長期的累積降水效應，并引入國土部門的地質災害區劃成果建立了昭通市降水型地質災害氣象風險預警模型，選取2018年的地質災害實例對模型進行檢驗，發現此模型對昭通雨季地質災害有較好的預警指示作用。

　　關鍵詞：地質災害;降水類型;成因分析;預警模型;昭通市

　　昭通市位于云南省東北部，地處金沙江下游.境內山高谷深、溝壑縱橫、水系發育，地勢西南高東北低.昭通也是地震多發的地區，僅2014年就發生了“4.5”永善5.3級地震、“8.3”魯甸6.5級地震.同時，昭通屬低緯高原季風氣候，干濕季節分明，干季降水稀少，雨季降水充沛，局地暴雨頻發.加之人類工程活動加劇，使昭通成為長江上游地質災害最嚴重的地區之一[1]，如1991年9月23日18:20，昭通市盤河鄉頭寨溝發生大規模滑坡，造成216人死亡，直接經濟損失約1200萬元[2].

　　截止2015年，云南省國土部門調查結果顯示，昭通市有各類地質災害隱患點近2000個.近年來，研究人員針對地質災害的誘發因子和預報預警模型方面做了大量的研究工作，取得了很多成果.沈軍等[3]指出一定的降水強度、持續時間和前期有效降水量是誘發湖南古丈群體滑坡事件的主要外源動力;段旭等[4]及陶云等[5]發現，云南滑坡泥石流等地質災害發生與短時強降水和前期累積降雨量有密切關系，其高發區與強降水中心對應較好;薛建軍等[6]從氣象降水的角度，建立了全國范圍內的區域地質災害氣象潛勢預報模型;朱昳橙等[7]對比證明了地質–降水綜合模型對怒江地質災害預警準確度更好;Keiko等[8]采用多元線性回歸方法對滑坡所受的降水因子進行了分析。

　　閔穎、胡娟和李華宏等[9-11]從開展強降水誘發地質災害預報預警業務方面，用云南116個國家站的相關資料系統研究了云南地質災害與降水的關系，并依據誘發地質災害的降水量、降水強度和國土部門地質災害區劃成果等因子，建立了省級降水誘發地質災害氣象風險預報預警業務，在日常業務工作中也取得了較好的效果.

　　但是省級產品直接用在州(市)的服務中，針對性相對較差[12].這可能與降水資料空間分辨率較低，各地州的降水誘發的地質災害影響因子有所差別等因素有關.徐則民等[13]研究也指出，在地形復雜的山區建立降水型地質災害預報預警模型時應充分考慮氣象站點所能控制的有效相關區域.并且，以往針對昭通市地質災害的研究中只是提到降水對地質災害有影響，主要是從地質結構或地震引發次生災害等方面做了詳細分析[1,2,14]，沒有專門就降水誘發昭通地質災害方面深入地研究.

　　因此，本文在前人研究的基礎上，選取區域加密自動站的地質災害樣本，對昭通市地質災害分布特征及降水型地質災害的降水特征進行研究，并建立昭通市地質災害氣象風險預警模型，為昭通市開展降雨型地質災害預報預警業務提供技術依據.

　　1資料和方法

　　本文所用的2012—2018年地質災害信息來源于云南省地質環境監測院和云南省氣象臺收集整理的地質災害報表，昭通市轄區內均有地質災害隱患點.同期逐12h和逐日降水資料為昭通市區域加密自動站(簡稱區域站)和10個國家級常規地面氣象觀測站(簡稱國家站)觀測資料以及1977—2017年10個國家站逐日降水資料(累計時段為20:00至次日20:00)，均來源于云南省氣象臺.

　　其中，2018年的資料用于檢驗地質災害模型，2012—2017年的資料用于分析并建立降水型地質災害模型使用，1977—2017年的降水資料用于分析昭通市降水氣候特征.采用的方法主要有Z指數法、主成分分析方法以及地質災害前期有效降水量分析法.

　　1.1Z指數法

　　由于昭通南北降水差異明顯，若用全國統一的日降水量≥25mm為大雨或≥50mm為暴雨等定義昭通雨季的強降水事件，往往掩蓋由于氣候差異帶來的強降水事件特征[15]，有必要重新定義昭通的強降水事件.文中利用Z指數轉換法[16]，分別計算了昭通市1977—2017年雨季(5—10月)10個國家站日降水量的第85、90、95和99共4個百分位值，作為各臺站雨季的4個日臨界降水強度閾值.并參照鞠笑生等[17]旱澇劃分方法，初步定義各站第85個百分位值為雨季一般降水閾值，第90個百分位值為雨季較強降水閾值，第95個百分位值為雨季強降水閾值，第99個百分位值為雨季極端降水閾值，當某年雨季某日降水量超過強降水閾值時，就稱該站出現了雨季強降水或極端降水，把超過強降水閾值的降水日數，作為相應臺站雨季強降水事件的雨強日數.

　　1.2主成分分析方法

　　為了有效地判別地質災害中降水的主導因素，對地質災害樣本降水值采用主成分分析方法[18]挑選最佳降水影響因子.

　　1.3地質災害前期有效降水量分析方法

　　采用前期降水指數Iap(antecedentprecipitationindex)模型[19]研究昭通市降水型地質災害過程中前期持續降水的影響。

　　2結果分析

　　2.1降水氣候概況

　　從昭通市1977—2017年平均降水量的空間分布分析，降水量具有東北多西南少的分布特征，東北部年均降水量≥900mm，西南部年均降水量不足900mm.從昭通市雨季(5—10月)平均降水量的空間分布分析，雨季降水量同樣具有東北多西南少的分布特征，東北部年均雨季降水量基本≥800mm，西南大部地區年均雨季降水量不足800mm.

　　由昭通市年降水量可知，其年均降水量為881.2mm.從2012年開始，昭通年均降水量由偏少向偏多的氣候背景轉變.全市雨季(5—10月)年均降水量為752.1mm，占全年年均降水量的85.3%，干季(11月—次年4月)降水量平均不到15%，說明昭通市干濕季分明.從2012年開始，昭通雨季降水量也由偏少向偏多的氣候背景轉變，說明選取2012—2017年作為研究時段具有代表意義.

　　昭通區域雨季一般降水閾值為6.4~9.8mm，平均為8.4mm;較強降水閾值為9.7~14.7mm，平均為12.3mm;強降水閾值為16.1~24.2mm，平均為19.8mm;極端強降水閾值為32.0~52.5mm，平均值為41.8mm.其中，一般降水和較強降水平均閾值與全國統一的小雨和中雨的標準大致相當，而強降水和極端降水平均閾值均低于全國統一的大雨和暴雨的標準.

　　從地域分布看，均與多年年(雨季)平均降水量分布一致，均呈東北部雨量大西南部雨量小的分布特征，且東北部更接近全國統一的日降水量劃分標準.在后文中把昭通市汛期10個國家站日降水量的第85、90、95和99共4個百分位值，作為災害發生當天的4個降水強度值，分別對應Ⅳ級、Ⅲ級、Ⅱ級和Ⅰ級

　　2.2地質災害分布特征

　　通過整理2012—2017年云南省地質環境監測院提供的地質災害報表和云南省氣象臺收集的滑坡、泥石流災情，共形成236條有效地質災害信息.將災害點與昭通市地質災害風險區劃圖及地形圖疊加，結果可知，昭通市大部地區均會發生地質災害，危險區劃等級均為高風險.在236個樣本中，滑坡、泥石流、崩塌和地面塌陷4種災害類型分別占總樣本的67%、10%、22%和1%.小型、中型、大型和特大型4種災害等級分別占樣本的85%、10%、2%和3%.

　　表明昭通地質災害以滑坡為主，其次是崩塌和泥石流，大中型地質災害(占15%)也會發生.分析昭通市各月平均降水量和各月災情總次數的關系，可知兩者均存在單峰型曲線，只是月平均降水峰值區為7月，而月災情總次數峰值為8月.全市雨季(5—10月)總災情次數為225個，占總樣本的95.3%，干季(11月—次年4月)不到5%，說明地質災害主要發生在雨季.

　　隨著雨季到來，昭通各地降水量逐漸增多，土壤含水量由少向多轉變，達到飽和狀態后，再受到強降水或持續降水激發就容易發生地質災害，說明昭通市地質災害受降水的影響十分顯著.

　　2.3地質災害降水因子分析

　　為了開展地質災害氣象風險預警技術研究，在上述236個樣本中剔除沒有區域站降水資料匹配和不符合降水誘發地質災害的個例，最終篩選得到147個降雨型地質災害樣本，約占總樣本的62.3%.胡娟等[12]研究中已指出降水型地質災害與當天及前期降水量均有關，對于不同地區前期降水強度、降水累積時段也有不同.

　　分析昭通市地質災害前期降水累積天數顯示，昭通市地質災害樣本在災害發生當天、前3d和前12d有3個大值中心，分別對應10、20mm左右降水和110mm左右降水，其中前3d還有1個對應60mm左右降水的大值中心.表明昭通市地質災害與當天降水強度、短期累積降水量和降水強度、前12d累積降水量及降水強度等降水因子密切相關.

　　2.4地質災害的降水類型判別

　　地質災害的發生除了與前期累積有效降水量有關，與降水類型也有較大關系.在對造成147個降雨型地質災害進行分析時，參照陳靜靜等[21]的研究方法，用判別系數來確定各個樣本的致災降水類型。

　　3地質災害案例檢驗

　　將上述研究得到的臨界降水量、降水強度和地質災害風險區劃等指標，利用文獻[9]中的方法建立了昭通市降水型地質災害氣象風險預警模型.并選取4個地質災害案例來檢驗此模型的預報預警能力，其中2017年的案例用于反演模型的結果，2018年的案例用于檢驗模型的預警效果.

　　4結果與討論

　　通過上述分析，得出以下主要結論：

　　(1)昭通市降水量具有東北多西南少的分布特征，85%以上的降水集中在雨季.超過95%的地質災害也發生在雨季，峰值在8月份，滯后于降水峰值(7月)，說明昭通市雨季地質災害頻發與降水有密切關系.

　　(2)昭通大部地區均有發生地質災害的風險，并以滑坡為主，其次是崩塌和泥石流，大中型地質災害也時有發生.

　　(3)昭通市降水型地質災害與當天降水強度、短期累積降水量和降水強度、前12d累積降水量及降水強度等降水因子密切相關.其中，當天降水強度為10mm左右，前3d累積降水為20mm左右和60mm左右及前12d累積降水量為110mm左右等關鍵降水條件最為敏感，同時短時降水的誘發作用也十分顯著.因此，在建立昭通市地質災害氣象風險預警模型時，應該綜合考慮短時、短期和中長期的累積降水效應和降水強度.

　　(4)本文使用較高空間分辨率的資料研究得到了臨界降水量、降水強度，并引入國土部門的地質災害風險區劃等指標建立了昭通市降水型地質災害氣象風險預警模型.選取了2017年和2018年的地質災害案例來檢驗此模型的預報預警能力.結果表明，此模型對昭通雨季地質災害有較好的預警指示效果.當然，本文也存在一定的問題.

　　首先，本研究為了提高降水資料的空間分辨率，只采用了有區域站匹配的災害樣本進行分析，使得樣本相對較少，沒有分類建立模型，在以后的工作中會繼續加入新的地質災害樣本進行分類研究，提高模型的實用性和針對性.其次，模型中的地質災害因子直接引用了國土部門的區劃結果，雖有較好地指示作用，但是該區劃結果已有段時間沒有更新，空間分辨率也較低，后期會加強與國土部門的合作，及時跟進最新的地質災害區劃成果，改進模型。

　　再次，該模型運用在實際業務工作中時，檢驗發現預警產品存在準確率較高，但是空報率也較高的現象.究其原因，一是模型產品的預報準確率也依賴于數值模式定量降水預報的可靠程度，二是目前地質災害災情收集工作還不完善.另一方面，也說明地質災害發生有一定的不確定性和突發性.因此，在實際運用中，預報員需要根據最新資料進行人工干預訂正，并且昭通地形復雜，轄區內各地的承災能力參差不齊，強降水尤其是局地強降水的預報、地質災害的發生機理仍屬難題，要做好地質災害的確定性預報還需要長期技術攻關.

　　參考文獻：

　　雷云.昭通市滑坡泥石流預警系統減災效益分析[J].人民長江,2009,40(20):59-62.DOI:10.3969/j.issn.1001-4179.2009.20.020.LeiY.AnalysisofdisasterreductionbenefitofwarningsystemforlandslideanddebrisflowinZhaotongCity[J].YangtzeRiver,2009,40(20):59-62.[1]

　　唐川.昭通頭寨溝特大型災害性滑坡研究[J].云南地理環境研究,1991,3(2):64-71.TangC.Astudyonlarge-scalecatastrophiclandslideatTouzaigullyofZhaotong[J].YunnanGeographicEnvironmentResearch,1991,3(2):64-71.

　　沈軍,方瓊,吳賢云,等.湖南古丈山體滑坡影響因子分析[J].氣象,2017,43(11):1410-1419.ShenJ,FangQ,WuXY,etal.AnalysisofimpactoflandslideinGuzhangCountyofHunanProvice[J].MeteorologicalMonthly,2017,43(11):1410-1419.

　　段旭,陶云,劉建宇,等.云南省不同地質地貌條件下滑坡泥石流與降水的關系[J].氣象,2007,33(9):33-39.DOI:10.3969/j.issn.1000-0526.2007.09.005.DuanX,TaoY,LiuJY,etal.TherelationshipbetweenthelandslideanddebrisflowsandtheprecipitationinYunnanProvinceunderconditionsofdifferentgeologyandgeomorphology[J].MeteorologicalMonthly,2007,33(9):33-39.

　　相關論文范文閱讀：農業氣象災害對農作物產量的影響

　　摘要:氣象災害在多數情況是不可預知的，但極大地影響著農作物的產量，也是在種植過程中不可避免的因素。為了使農作物的產量最大程度上得到提升，就要深刻的了解不同氣象災害對農作物產生的影響，以防范出現不同氣象災害時采取適當的措施。同時也應該給人們宣傳有關農作物的防御措施，使人們增強環保和防范意識;相關工作人員也應該加強基礎設施建設，當自然災害出現時最大程度的減少農作物的損失，從而促進農業生產的不斷發展。