信息量法下地質災害氣象風險預警探究

前言：本站為你精心整理了信息量法下地質災害氣象風險預警探究范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

摘要：目前地質災害研究領域的難點是地質和氣象災害的風險預警工作，地質災害嚴重的地區每年用于災后重建的資金數目不小。如果能夠建立有效的風險預警模型，就能減輕災害給該區域人口造成的經濟損失。因此提出基于信息量法的地質災害氣象風險預警模型研究。地質災害氣象風險預警模型建立首先要進行災害評價分區的建立，將災害的評價分區按照實際情況進行劃分之后，就可以基于劃分結果進行風險預警值計算，推導出風險預警值的計算公式，模型建立完畢。設計對比實驗，對比傳統常用的向量預警模型和神經網絡預警模型與該模型的預警效果，實驗結果證明該模型比傳統模型的預警精度更高，耗費的預警時間也更短。

關鍵詞：信息量法；地質災害；氣象風險；風險預警模型；評價分區；災害因子

作為地質災害和氣象風險頻發的國家，深知地質災害和氣象風險所帶來的安全隱患，在災害高發地區生活的人民飽受災害威脅。大部分地質災害的誘因都包括降水災害。對降水災害的預測是對其他地質災害預測的前提，建立災害預警模型可以在一定時間內預測到災害的發生并發出預警，讓災害波及的人們及時地作出防范或組織撤離[1]。地質災害和氣象風險是容易孕育災害環境和導致災害的因子共同作用的結果，孕災環境和災害因子決定了災害發生的可能性，而災害的規模大小是由承載災害的防御災害能力決定的。同樣的災害發生在防御力低的地區，造成的損失一定比防御力高的地區要大。在災害發生的過程中，人們比較關注災害發生的可能性，隨著科技的發展，對災害的防御已經逐漸從災害發生后的重建轉變為災害發生前的預防[2]。災害預警模型的建立已經不是新鮮的話題，文獻中很多模型的優勢值得我們借鑒，而劣勢也是我們應該著重優化的地方。

1地質災害氣象風險預警模型建立

1.1建立災害評價分區

建立災害評級分區的數據來源應該為預警地區的歷年災害數據，通過訪問調查、查看當地的災害志和網上查詢等方式，查閱數據包括該地區的地質災害常發的地點，災害發生的歷史過程。資料在當地的自然資源局或環境監測院都能查到。除了這兩種常見的基礎數據之外還需要一些矢量數據，具體如表1所示。如表1所示，地質災害和氣象風險的制約因素是非常復雜的，因此對數據的全面掌握是建立預警模型非常重要的一步。研究區的地質環境越復雜，所需要的數據就越全面。信息量法正是由數據作為基礎的統計預測方法，將信息量法運用在預警模型中可以清晰地反映出地質條件對地質災害發生的影響。信息變量用I表示，使用的數據越多，預測的地質災害結果就越接近實際情況。信息變量的計算公式如下：（1）公式（1）中的x為地質災害數據，x1到x7分別對應表1中的7種數據，y為關于地質災害的函數。P（y/x1-7）為變量條件下，各地質變化引起災害的概率，計算出的I值若為正數表明該變量有利于災害y發生，數值越大證明y災害的破壞力越大，I值若為負數則情況相反。當Ii為每個變量都提供信息量的時候，公式（1）則可以根據實際情況變形為：（2）進行信息量法的評價分區，將災害評價的區域按照地質條件分區，作為生態環境的敏感性評價的基礎。根據實際需要選擇不同的指標。在地震多發帶上的地區就要將地質環境作為主要因子，將地震災害的敏感程度在評價中作為評價優先級。而處于地勢低洼地區的主要災害因子應為降水。地質災害的外部成因大部分為氣候變化，內部成因為地質內部變化、水文因素和一些地形地貌的變化。其中地質變化有大部分原因是人為采礦、挖煤等活動。在災害因子選取的時候要注意科學性和全面性，災害因子必須可以全面展現地質特征和環境特征[3]。地質特征選擇模型建立地區最常見的地質特征，也要重點突出歷史上經常發生地質災害的區域的地質特征，水文因子在因子選取時經常被忽略，但事實上，水文植被等在當地的狀態，在災害發生時候的影響是巨大的。根據上述文字描述和公式（1）、（2）的計算，在每個單元的評價因子與信息量I的關系，將研究區域的I的災害發生分為五個等級，分別為發生概率高、很高、一般、較低、低。計算出每個敏感分區的災害面積，和災害面積占總區域的百分比，統計各災害頻發地區的歷史災害發生頻率，將數據結果保存下來，以便風險預警值計算。

1.2風險預警值計算

對于山體滑坡和泥石流等易發生在土質松散，降水量大地區的災害。水是激發災害的主要因子，自然中水的構成有降雨、降雪。還有冰山融化和河流決堤等。除了特殊的地區擁有冰山，大部分地區的自然水還是其他幾項來源，河流決堤的大部分原因也是過度的降水造成的。因此可以將激發災害的因子固定為降水因素。降水在土地中下滲后，固定被植被吸收多少、蒸發量為多少，剩余的降水量和是否構成災害需要有效的降水量公式計算：Q代表有效的降水量，Q1為泥石流或滑坡等由降雨量大引起的災害發生當日的降水量，K為災害衰減的系數，根據文獻[4]的研究成果，K的取值不能超過1，在0.8~1之間最好。檢測當日的降雨量在測試軟件上轉換為柵格數據，將I進行柵格數據轉換之后，得到敏感值的計算公式：（4）S代表柵格數據轉換后的敏感值，minI和maxI是I的最大值和最小值，由公式（3）和公式（4）可得，最終災害風險的預警公式為：（5）R為災害風險預警值，根據該區域的R值平均值，確定災害預警五個等級的R值取值區間，建立地質災害氣象風險預警模型[5]。模型建立之后不能直接投入預警工作的使用，要使用歷史數據檢驗模型的可靠性。查詢預警地區的歷史災害發生的數據，代入數據進行模型的預警檢測。根據預警值計算結果，確定模型的實用性。采用信息量法評價的地質災害的敏感程度，有利于總結該地區的地質災害的主要影響因素，將I進行歸一化處理建立的預警模型計算公式比傳統的預警模型相比簡單的多[6]，將模型等級劃分為5個等級是最合理的劃分方式，適應大部分地區。與傳統方法相比，柵格劃分的預警精度更精確，理論上預警的準確率能達到85%以上。

2實驗

本文使用matlabR2021平臺進行仿真預警實驗，輸入模擬原始氣象數據，包括最基本的降水、氣溫變化等情況等。進行對比仿真實驗，驗證傳統的地質災害氣象風險預警模型與本文設計的模型相比，預警效果的優劣。

2.1實驗準備

使用原始輸入的數據參考某中部地區的實際氣象數據進行數據模擬，模擬原始的氣象數據，數據的模擬結果如表2所示。表2結冰情況一欄，1表示沒有結冰，-1表示當天結冰了。在相同的仿真實驗環境下，進行地質災害氣象風險預警測試，采用國家通用的預警標準作為實驗的評判標準。

2.2實驗結果與分析

使用向量預警模型、神經網絡預警模型和本文設計的預警模型分別進行五次災害預警仿真實驗，對比的風險預警的精確系數，精確系數越高，表明對災害的預警越準確，實驗結果如圖1所示。實驗結果如圖1所示，為了避免實驗結果的偶然性，進行五次對比實驗，五次實驗的實驗結果皆是本文設計的預警模型的精度系數大于另外兩種模型的預警精度，精度系數在4.5~6之間。通用的預警標準系數為4以上，完全符合標準。向量預警模型和神經網絡預警模型的預警精度系數在3~4之間，最高的系數還未達到通用標準，無法做到有效的災害預警。預警精度系數可以證明預警模型的預警的準確程度，在災害預測中，預測時間的長短也很重要，在災害發生時進行預警的時間越快，越能夠給災害防治工作留下更充分的準備時間，因此，風險預警的時間短的預警模型更具有優勢。如圖2所示，向量預警模型的預警時間約為15s~20s之間，神經網絡預警模型的預警時間在15s左右，在日常危害較小的氣象災害預警中可以做到有效預警，但如果是急性災害突然發生，預警所用的時間就略長。本文設計的預警模型預警時間在5次實驗中都保持在5s以下，比其他兩種預警模型節省了將近10s的時間。10s足夠人員撤離并帶走一定的重要財產，有效的保證人民的生命財產安全。

3結束語

本文設計的地質災害氣象風險預警模型應用了地質災害風險的等級標準，加強了風險預警的效率。但本文的降水空間分辨率的樣本采集不夠豐富，在日后的工作中希望可以加入樣本的種類，提高模型的預警實用性。

作者:蔡佳君 單位:中國地質科學院探礦工藝研究所