信息量法下地质灾害气象风险预警探究

前言：本站为你精心整理了信息量法下地质灾害气象风险预警探究范文，希望能为你的创作提供参考价值，我们的客服老师可以帮助你提供个性化的参考范文，欢迎咨询。

摘要：目前地质灾害研究领域的难点是地质和气象灾害的风险预警工作，地质灾害严重的地区每年用于灾后重建的资金数目不小。如果能够建立有效的风险预警模型，就能减轻灾害给该区域人口造成的经济损失。因此提出基于信息量法的地质灾害气象风险预警模型研究。地质灾害气象风险预警模型建立首先要进行灾害评价分区的建立，将灾害的评价分区按照实际情况进行划分之后，就可以基于划分结果进行风险预警值计算，推导出风险预警值的计算公式，模型建立完毕。设计对比实验，对比传统常用的向量预警模型和神经网络预警模型与该模型的预警效果，实验结果证明该模型比传统模型的预警精度更高，耗费的预警时间也更短。

关键词：信息量法；地质灾害；气象风险；风险预警模型；评价分区；灾害因子

作为地质灾害和气象风险频发的国家，深知地质灾害和气象风险所带来的安全隐患，在灾害高发地区生活的人民饱受灾害威胁。大部分地质灾害的诱因都包括降水灾害。对降水灾害的预测是对其他地质灾害预测的前提，建立灾害预警模型可以在一定时间内预测到灾害的发生并发出预警，让灾害波及的人们及时地作出防范或组织撤离[1]。地质灾害和气象风险是容易孕育灾害环境和导致灾害的因子共同作用的结果，孕灾环境和灾害因子决定了灾害发生的可能性，而灾害的规模大小是由承载灾害的防御灾害能力决定的。同样的灾害发生在防御力低的地区，造成的损失一定比防御力高的地区要大。在灾害发生的过程中，人们比较关注灾害发生的可能性，随着科技的发展，对灾害的防御已经逐渐从灾害发生后的重建转变为灾害发生前的预防[2]。灾害预警模型的建立已经不是新鲜的话题，文献中很多模型的优势值得我们借鉴，而劣势也是我们应该着重优化的地方。

1地质灾害气象风险预警模型建立

1.1建立灾害评价分区

建立灾害评级分区的数据来源应该为预警地区的历年灾害数据，通过访问调查、查看当地的灾害志和网上查询等方式，查阅数据包括该地区的地质灾害常发的地点，灾害发生的历史过程。资料在当地的自然资源局或环境监测院都能查到。除了这两种常见的基础数据之外还需要一些矢量数据，具体如表1所示。如表1所示，地质灾害和气象风险的制约因素是非常复杂的，因此对数据的全面掌握是建立预警模型非常重要的一步。研究区的地质环境越复杂，所需要的数据就越全面。信息量法正是由数据作为基础的统计预测方法，将信息量法运用在预警模型中可以清晰地反映出地质条件对地质灾害发生的影响。信息变量用I表示，使用的数据越多，预测的地质灾害结果就越接近实际情况。信息变量的计算公式如下：（1）公式（1）中的x为地质灾害数据，x1到x7分别对应表1中的7种数据，y为关于地质灾害的函数。P（y/x1-7）为变量条件下，各地质变化引起灾害的概率，计算出的I值若为正数表明该变量有利于灾害y发生，数值越大证明y灾害的破坏力越大，I值若为负数则情况相反。当Ii为每个变量都提供信息量的时候，公式（1）则可以根据实际情况变形为：（2）进行信息量法的评价分区，将灾害评价的区域按照地质条件分区，作为生态环境的敏感性评价的基础。根据实际需要选择不同的指标。在地震多发带上的地区就要将地质环境作为主要因子，将地震灾害的敏感程度在评价中作为评价优先级。而处于地势低洼地区的主要灾害因子应为降水。地质灾害的外部成因大部分为气候变化，内部成因为地质内部变化、水文因素和一些地形地貌的变化。其中地质变化有大部分原因是人为采矿、挖煤等活动。在灾害因子选取的时候要注意科学性和全面性，灾害因子必须可以全面展现地质特征和环境特征[3]。地质特征选择模型建立地区最常见的地质特征，也要重点突出历史上经常发生地质灾害的区域的地质特征，水文因子在因子选取时经常被忽略，但事实上，水文植被等在当地的状态，在灾害发生时候的影响是巨大的。根据上述文字描述和公式（1）、（2）的计算，在每个单元的评价因子与信息量I的关系，将研究区域的I的灾害发生分为五个等级，分别为发生概率高、很高、一般、较低、低。计算出每个敏感分区的灾害面积，和灾害面积占总区域的百分比，统计各灾害频发地区的历史灾害发生频率，将数据结果保存下来，以便风险预警值计算。

1.2风险预警值计算

对于山体滑坡和泥石流等易发生在土质松散，降水量大地区的灾害。水是激发灾害的主要因子，自然中水的构成有降雨、降雪。还有冰山融化和河流决堤等。除了特殊的地区拥有冰山，大部分地区的自然水还是其他几项来源，河流决堤的大部分原因也是过度的降水造成的。因此可以将激发灾害的因子固定为降水因素。降水在土地中下渗后，固定被植被吸收多少、蒸发量为多少，剩余的降水量和是否构成灾害需要有效的降水量公式计算：Q代表有效的降水量，Q1为泥石流或滑坡等由降雨量大引起的灾害发生当日的降水量，K为灾害衰减的系数，根据文献[4]的研究成果，K的取值不能超过1，在0.8~1之间最好。检测当日的降雨量在测试软件上转换为栅格数据，将I进行栅格数据转换之后，得到敏感值的计算公式：（4）S代表栅格数据转换后的敏感值，minI和maxI是I的最大值和最小值，由公式（3）和公式（4）可得，最终灾害风险的预警公式为：（5）R为灾害风险预警值，根据该区域的R值平均值，确定灾害预警五个等级的R值取值区间，建立地质灾害气象风险预警模型[5]。模型建立之后不能直接投入预警工作的使用，要使用历史数据检验模型的可靠性。查询预警地区的历史灾害发生的数据，代入数据进行模型的预警检测。根据预警值计算结果，确定模型的实用性。采用信息量法评价的地质灾害的敏感程度，有利于总结该地区的地质灾害的主要影响因素，将I进行归一化处理建立的预警模型计算公式比传统的预警模型相比简单的多[6]，将模型等级划分为5个等级是最合理的划分方式，适应大部分地区。与传统方法相比，栅格划分的预警精度更精确，理论上预警的准确率能达到85%以上。

2实验

本文使用matlabR2021平台进行仿真预警实验，输入模拟原始气象数据，包括最基本的降水、气温变化等情况等。进行对比仿真实验，验证传统的地质灾害气象风险预警模型与本文设计的模型相比，预警效果的优劣。

2.1实验准备

使用原始输入的数据参考某中部地区的实际气象数据进行数据模拟，模拟原始的气象数据，数据的模拟结果如表2所示。表2结冰情况一栏，1表示没有结冰，-1表示当天结冰了。在相同的仿真实验环境下，进行地质灾害气象风险预警测试，采用国家通用的预警标准作为实验的评判标准。

2.2实验结果与分析

使用向量预警模型、神经网络预警模型和本文设计的预警模型分别进行五次灾害预警仿真实验，对比的风险预警的精确系数，精确系数越高，表明对灾害的预警越准确，实验结果如图1所示。实验结果如图1所示，为了避免实验结果的偶然性，进行五次对比实验，五次实验的实验结果皆是本文设计的预警模型的精度系数大于另外两种模型的预警精度，精度系数在4.5~6之间。通用的预警标准系数为4以上，完全符合标准。向量预警模型和神经网络预警模型的预警精度系数在3~4之间，最高的系数还未达到通用标准，无法做到有效的灾害预警。预警精度系数可以证明预警模型的预警的准确程度，在灾害预测中，预测时间的长短也很重要，在灾害发生时进行预警的时间越快，越能够给灾害防治工作留下更充分的准备时间，因此，风险预警的时间短的预警模型更具有优势。如图2所示，向量预警模型的预警时间约为15s~20s之间，神经网络预警模型的预警时间在15s左右，在日常危害较小的气象灾害预警中可以做到有效预警，但如果是急性灾害突然发生，预警所用的时间就略长。本文设计的预警模型预警时间在5次实验中都保持在5s以下，比其他两种预警模型节省了将近10s的时间。10s足够人员撤离并带走一定的重要财产，有效的保证人民的生命财产安全。

3结束语

本文设计的地质灾害气象风险预警模型应用了地质灾害风险的等级标准，加强了风险预警的效率。但本文的降水空间分辨率的样本采集不够丰富，在日后的工作中希望可以加入样本的种类，提高模型的预警实用性。

作者:蔡佳君 单位:中国地质科学院探矿工艺研究所