李陽春，劉黔云，李 瀟，顧天紅，張 楠

（1.貴州省地質(zhì)環(huán)境監(jiān)測院，貴州貴陽 550001；2.貴州省氣象臺，貴州貴陽 550001）

0 引言

滑坡、崩塌災(zāi)害是地質(zhì)災(zāi)害中的重要災(zāi)種，對社會經(jīng)濟、生命財產(chǎn)、地理環(huán)境都產(chǎn)生了重要影響[1]。貴州是地質(zhì)災(zāi)害高發(fā)易發(fā)地區(qū)，常見誘發(fā)因素主要為降雨[2]。因此，研究地質(zhì)災(zāi)害氣象風(fēng)險預(yù)警方法，對地質(zhì)災(zāi)害防治具有重要作用。研究者對該領(lǐng)域進(jìn)行了很多研究。文獻(xiàn)[3]應(yīng)用GIS 數(shù)據(jù)處理功能，分析地質(zhì)災(zāi)害區(qū)域的工程地質(zhì)，針對復(fù)雜地質(zhì)的地理環(huán)境，繪制出各氣象風(fēng)險等級下區(qū)域地質(zhì)災(zāi)害分布圖，但該方法對氣象因素提取不全面，造成氣象風(fēng)險預(yù)警等級整體偏高。文獻(xiàn)[4]分析氣象環(huán)境與降水量之間的規(guī)律性，包括降雨閾值和臨界降雨量等，通過地質(zhì)災(zāi)害調(diào)查統(tǒng)計，綜合評價氣象風(fēng)險，但該方法對降雨量的相關(guān)性分析較差，劃分的氣象風(fēng)險預(yù)警等級同樣較高。

針對以上問題，提出基于機器學(xué)習(xí)的滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警方法。借助機器學(xué)習(xí)算法中人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)貴州省滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警方法的研究。實驗結(jié)果表明：采用設(shè)計方法有效降低了滑坡、崩塌三級、四級預(yù)警空報率，提升了預(yù)警精細(xì)化程度。

1 貴州省滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警方法設(shè)計

1.1 氣象因素對滑坡、崩塌災(zāi)害影響程度計算

為實現(xiàn)貴州省滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警，需要提取貴州省滑坡、崩塌災(zāi)害相關(guān)氣象因素，計算氣象因素對滑坡、崩塌災(zāi)害的影響程度。匯總貴州省各區(qū)域的地質(zhì)災(zāi)害詳細(xì)調(diào)查報告、氣象局實測降雨量數(shù)據(jù)，采用資料查閱、實地訪問調(diào)查等方式，以月報形式統(tǒng)計氣象引發(fā)災(zāi)害事件，同時綜合考慮GPS、天氣雷達(dá)、閃電定位、自動雨量站等數(shù)據(jù)來源，采集非常規(guī)觀測資料，獲取災(zāi)害隱患點數(shù)據(jù)和災(zāi)害易發(fā)分區(qū)數(shù)據(jù)。篩選與滑坡、崩塌災(zāi)害相關(guān)的氣象因素。將滑坡、崩塌災(zāi)害的發(fā)生看作氣象因素和下墊面相互作用結(jié)果。其中，氣象因素主要為降水，包括降雨誘發(fā)作用、降雨滯后作用等因素。利用信息量法，客觀反映預(yù)警單元的地質(zhì)條件，分析氣象因素對滑坡、崩塌災(zāi)害提供的信息量[5]。計算氣象因素和地質(zhì)災(zāi)害的相關(guān)函數(shù)A(y,xi)，公式為：

式中：y——貴州省地質(zhì)災(zāi)害；

xi——第i種地質(zhì)災(zāi)害相關(guān)氣象因素；

n——因素數(shù)量。

xi是與y有關(guān)的變量，B(y|xi)為各變量xi條件下的條件概率[6]。計算單個氣象因素i的信息量值Ii，公式為：

將整個貴州省區(qū)域劃分為單元網(wǎng)格，利用頻率統(tǒng)計，估算條件概率B(y|xi)，確定省內(nèi)地質(zhì)災(zāi)害敏感性[7]。則地質(zhì)災(zāi)害相關(guān)氣象因素的總信息量值Q，計算公式為：

式中：Ei——第i種氣象因素引發(fā)的地質(zhì)災(zāi)害點數(shù)量；

E——地質(zhì)災(zāi)害點總數(shù)；

Ci——第i種氣象因素引發(fā)的地質(zhì)災(zāi)害點面積；

C——貴州省內(nèi)總面積。

通過總信息量值，定量分析氣象因素對地質(zhì)災(zāi)害的影響程度，Q值為正時，判定氣象因素利于地質(zhì)災(zāi)害發(fā)生，Q值為負(fù)時，則判定不利于災(zāi)害發(fā)生，且氣象因素影響程度大小與Q值大小呈正相關(guān)[8]。至此完成氣象因素對地質(zhì)災(zāi)害影響程度的計算。

1.2 地質(zhì)災(zāi)害發(fā)生的判斷

在確定氣象因素對地質(zhì)災(zāi)害影響程度基礎(chǔ)上，利用機器學(xué)習(xí)中的人工神經(jīng)網(wǎng)絡(luò)，判斷貴州省各區(qū)域是否發(fā)生地質(zhì)災(zāi)害。首先，參照采集地質(zhì)環(huán)境數(shù)據(jù)，結(jié)合巖性特征、地形地貌、以及氣候條件因素，對貴州省各區(qū)域進(jìn)行條件比較，利用GIS 空間分析功能，定量劃分貴州省地質(zhì)災(zāi)害易發(fā)生區(qū)，并明確其易發(fā)生等級[9]。劃分結(jié)果見圖1。

圖1 貴州省地質(zhì)災(zāi)害易發(fā)區(qū)分布示意圖Fig.1 Distribution of geological disaster-prone areas in Guizhou Province

根據(jù)貴州省近20年歷史降雨量數(shù)據(jù)，以及記錄的滑坡、崩塌災(zāi)害數(shù)據(jù)，明確各區(qū)域的降雨量數(shù)據(jù)，包含當(dāng)日臨界雨量和5日臨界雨量。同時，根據(jù)滑坡、崩塌災(zāi)害野外調(diào)查結(jié)果，對臨界雨量值進(jìn)行適當(dāng)調(diào)整，以此減小歷史統(tǒng)計數(shù)據(jù)誤差[10]。最后，將預(yù)報區(qū)域中易發(fā)生區(qū)等級、實際降雨量、坐標(biāo)點X坐標(biāo)和Y坐標(biāo)，作為機器學(xué)習(xí)的人工神經(jīng)網(wǎng)絡(luò)4 個輸入節(jié)點，利用線性函數(shù)，激活神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層，再利用Sigmoid 函數(shù)，激活隱含層，輸入前對數(shù)據(jù)進(jìn)行歸一化處理，使各數(shù)據(jù)處于同等水平，消除量綱影響，避開Sigmoid 函數(shù)訓(xùn)練數(shù)據(jù)的飽和區(qū)[11]。神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)見圖2。

圖2 滑坡、崩塌災(zāi)害機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Structure of m achine learning neural network for geological disasters

圖2 中，設(shè)置網(wǎng)絡(luò)誤差收斂到最小時，其相對應(yīng)的隱含層節(jié)點數(shù)為4，將滑坡、崩塌災(zāi)害性發(fā)生可能性，作為神經(jīng)網(wǎng)絡(luò)的1 個輸出節(jié)點。根據(jù)機器學(xué)習(xí)輸出結(jié)果，判定坐標(biāo)點區(qū)域是否發(fā)生滑坡、崩塌災(zāi)害，完成滑坡、崩塌災(zāi)害發(fā)生的判斷。

1.3 滑坡、崩塌災(zāi)害氣象風(fēng)險等級劃分

針對貴州省滑坡、崩塌災(zāi)害發(fā)生區(qū)域，根據(jù)氣象因素影響程度，計算氣象引發(fā)因子指數(shù)，結(jié)合該區(qū)域的地質(zhì)災(zāi)害潛勢度、承災(zāi)體脆弱性，劃分氣象風(fēng)險的預(yù)警等級。

對預(yù)警區(qū)域進(jìn)行單元編號，計算單元區(qū)域j內(nèi)的有效降雨量Hj，公式為：

式中：m——有效降雨日數(shù)；

u——預(yù)警當(dāng)日向前計算的天數(shù)；

Fj——區(qū)域j的當(dāng)日和5日預(yù)報雨量值；

Cj——當(dāng)日和5日臨界雨量值；

Tju——區(qū)域j固定天數(shù)前的降雨量[12?13]。

計算單元區(qū)域j的氣象引發(fā)因子指數(shù)Dj，公式為：

式中：ξ——有效降雨系數(shù)；

Q′——代表單元區(qū)域滑坡、崩塌災(zāi)害氣象因素分量。

計算滑坡、崩塌災(zāi)害潛勢度G，公式為：

式中：h——地質(zhì)環(huán)境因子總個數(shù)；

ad——地質(zhì)環(huán)境因子d的權(quán)重；

Vd——地質(zhì)環(huán)境因子d的量化值。

采用評價指標(biāo)方式，在承災(zāi)體范圍內(nèi)，提取一級指標(biāo)和二級指標(biāo)，計算承災(zāi)體脆弱性M，公式為：

式中：Y——評價因子總個數(shù)；

br——評價因子r的權(quán)重；

sr——脆弱性評價因子r的量化值。

氣象風(fēng)險可概化公式為：

其中，R為區(qū)域j的氣象風(fēng)險預(yù)警指數(shù)，取值介于0~1之間，預(yù)警指數(shù)越大，判定其地質(zhì)災(zāi)害越易發(fā)生[14?17]。

其預(yù)警級別見表1～表3。

表1 滑坡、崩塌災(zāi)害高易發(fā)區(qū)氣象風(fēng)險預(yù)警級別Table 1 Early warning level of meteorological risk in high areas prone to geological disasters

表2 滑坡、崩塌災(zāi)害中易發(fā)區(qū)氣象風(fēng)險預(yù)警級別Table 2 W arning level of meteorological risk in areas prone to geological disasters

表3 滑坡、崩塌災(zāi)害低易發(fā)區(qū)氣象風(fēng)險預(yù)警級別Table 3 Early warning level of meteorological risk in low areas prone to geological disasters

在滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警級別中，滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警的等級為：

（1）藍(lán)色預(yù)警(一級)：有一定風(fēng)險，關(guān)注降雨；

（2）黃色預(yù)警(二級)：風(fēng)險較高，關(guān)注降雨，做好監(jiān)控；

（3）橙色預(yù)警(三級)：風(fēng)險高，注意降雨，做好監(jiān)控及應(yīng)急準(zhǔn)備；

（4）紅色預(yù)警(四級)：風(fēng)險很高，注意降雨，做好監(jiān)控與應(yīng)急撤離準(zhǔn)備。

將氣象風(fēng)險預(yù)警指數(shù)R，與預(yù)警臨界值相比較，確定該區(qū)域是否發(fā)布預(yù)警，以及相應(yīng)的預(yù)警級別，完成基于機器學(xué)習(xí)的貴州省滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警方法設(shè)計。

2 實驗分析

選取兩種常規(guī)滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警方法，與此次設(shè)計方法進(jìn)行對比實驗，比較各預(yù)警等級的空報率大小。

2.1 實驗準(zhǔn)備

將滑坡、崩塌災(zāi)害，作為貴州省地質(zhì)災(zāi)害研究范圍，采集降雨量數(shù)據(jù)和地質(zhì)災(zāi)害數(shù)據(jù)，作為實驗數(shù)據(jù)源，在樣本中剔除不符合降雨誘發(fā)地質(zhì)災(zāi)害個例、以及不匹配區(qū)域站降雨資料的降雨量數(shù)據(jù)。其降雨量歷史信息見圖3。

圖3 貴州省降水量變化Fig.3 Precipitation change in Guizhou Province

各區(qū)域的當(dāng)日臨界雨量和5日臨界雨量，其各級預(yù)警的具體數(shù)值見表4。

表4 貴州省當(dāng)日臨界雨量和5日臨界雨量Table 4 Critical rainfall and mm rainfall of 5 th Day of Guizhou Province

統(tǒng)計可得2014——2020年之間，貴州省地質(zhì)災(zāi)害共發(fā)生1 204 處，發(fā)生地質(zhì)災(zāi)害具體數(shù)據(jù)見表5。

表5 貴州省典型地質(zhì)災(zāi)害統(tǒng)計數(shù)據(jù)Table 5 Statistical data of typical geological disasters in Guizhou Province

可見滑坡、崩塌占災(zāi)害總數(shù)的94.9%，三組預(yù)警方法分別根據(jù)以上歷史數(shù)據(jù)中的滑坡、崩塌災(zāi)害，對貴州省地質(zhì)災(zāi)害氣象風(fēng)險進(jìn)行預(yù)警，并以2020年地質(zhì)災(zāi)害作為參照，對比檢驗三組預(yù)警結(jié)果。

2.2 實驗結(jié)果

2.2.1 崩塌災(zāi)害空報率測試結(jié)果

2020年崩塌災(zāi)害隱患點數(shù)量共29 處，三組方法均可準(zhǔn)確預(yù)測出該類地質(zhì)災(zāi)害，其預(yù)警等級見圖4。

圖4 崩塌預(yù)警結(jié)果Fig.4 Collapse forecast and early warning results

由圖4 可知，兩組常規(guī)方法三級預(yù)報數(shù)量和四級預(yù)警數(shù)量要明顯多于設(shè)計方法，隱患點崩塌預(yù)警的嚴(yán)重程度整體偏高。進(jìn)一步統(tǒng)計所有年份中，各預(yù)警級別的空報率，實驗對比結(jié)果見表6。

表6 崩塌預(yù)警空報率Table 6 Em pty reporting rate of collapse early warning and forecast

由表6 可知，相比常規(guī)方法1 和常規(guī)方法2，設(shè)計方法對崩塌的三級預(yù)報空報率分別降低了6.65%和9.65%，四級預(yù)警空報率分別降低了6.03%和12.0%。

2.2.2 滑坡災(zāi)害空報率測試結(jié)果

2020年滑坡災(zāi)害隱患點數(shù)量共33 處，三組方法都準(zhǔn)確預(yù)測出該類地質(zhì)災(zāi)害，其預(yù)警等級見圖5。

圖5 滑坡預(yù)警結(jié)果Fig.5 Landslide forecast and early warning results

由圖5 可知，針對滑坡這一地質(zhì)災(zāi)害，兩組常規(guī)方法的三級預(yù)警數(shù)量和四級預(yù)警數(shù)量，同樣多于設(shè)計方法，隱患點預(yù)警的嚴(yán)重程度仍整體偏高。進(jìn)一步統(tǒng)計所有年份中，各預(yù)警級別的空報率，實驗對比結(jié)果見表7。

由表7 可知，相比常規(guī)方法1 和常規(guī)方法2，設(shè)計方法對滑坡的三級預(yù)警空報率分別降低了5.04%和7%，四級預(yù)警空報率分別降低了8.51%和11.17%，且常規(guī)方法2的二級預(yù)警仍存在空報率。

表7 滑坡預(yù)警空報率Table 7 Em pty reporting rate of landslide early warning and forecast

3 結(jié)論

針對現(xiàn)有滑坡、崩塌地質(zhì)災(zāi)害預(yù)警方法中存在的不足，本文提出采用機器學(xué)習(xí)算法對地質(zhì)災(zāi)害氣象風(fēng)險進(jìn)行預(yù)警的方法。

（1）該方法通過采用機器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)中節(jié)點的輸入，有效預(yù)測地質(zhì)災(zāi)害發(fā)生。

（2）采用設(shè)計方法與常規(guī)方法對比中，本文方法對崩塌預(yù)警的三級預(yù)報空報率分別降低了5.04%和7%，四級預(yù)警空報率分別降低了8.51%和11.17%；對滑坡預(yù)警的空報率中，三級預(yù)報空報率分別降低了5.04%和7%，四級預(yù)警空報率分別降低了8.51%和11.17%，驗證了本文方法適用于貴州省滑坡、崩塌災(zāi)害氣象風(fēng)險預(yù)警。

但此次研究仍存在一定不足，在今后研究中，會持續(xù)驗證每年實際發(fā)生的地質(zhì)災(zāi)害，修正該模型，進(jìn)一步提高地質(zhì)災(zāi)害預(yù)警精度。