遵义市不同地质灾害易发区滑坡临界雨量研究

李忠燕, 田其博, 张东海, 严小冬

(1.贵州省气候中心, 贵州 贵阳 550002; 2.贵州省山地气候与资源重点实验室,贵州 贵阳 550002; 3.贵州省地质环境监测院, 贵州 贵阳 550004)

滑坡地质灾害所造成的危害已不容忽视，尤其是强降雨导致的滑坡，它不仅威胁着道路交通等基础设施及环境的安全，更带来巨大的生命财产损失。国内外大量研究表明：降雨是滑坡地质灾害发生的主要诱因，由强降雨导致的滑坡占九成以上。对滑坡的临界雨量进行研究为滑坡的预测预报预防提供指导，进而减轻和避免滑坡灾害发生[1-3]。目前滑坡降雨阈值大致分为物理性降雨阈值[4-7]和经验性降雨阈值[8-10]两大类，前者主要是从物理力学的角度得到水力条件与斜坡失稳过程模型确定降雨阈值，后者基于客观灾情数据和降雨数据建立统计预测模型确定降雨阈值，由于其不需要数学和物理理论推导且数据易得因此发展迅速，并在降雨型滑坡预报中作用明显。中国西南地区的滑坡基本为堆积层滑坡和基岩滑坡[11]，而造成这类型滑坡的诱发因素大多是短历时强降雨[12-15]。

遵义市位于贵州北部，处于云贵高原向湖南丘陵和四川盆地过渡的斜坡地带，地形起伏大，地貌类型复杂，海拔高度一般在800～1 300 m，在全国地势第二级阶梯上。遵义市属亚热带季风气候，每年4月，当来自孟加拉湾和印度洋的西南气流北上致使水汽大量增加，遵义市中到大雨天气常常出现，于4月中旬前后进入雨季。遵义市地区降雨充沛，年降雨量为1 084 mm，其中汛期(4—9月)降雨量占全年总量77%以上。进入雨季后，随着强降雨事件的频繁发生，对岩土体不断进行冲蚀，迫使斜坡失稳诱发滑坡发生。从贵州省地质灾害易发分区图来看，遵义市西北部和北部地区属于高易发区，而其它地区属于中易发区。陈洪凯等[11]认为不同的地质条件、不同的滑坡类型其临界雨量也有所不同，这是因为滑坡可以按照岩土性质、滑动面深度和滑坡体积大小分为不同类别的滑坡，其降雨阈值也有所不同。上述关于滑坡临界雨量的研究大多都基于某一种类型，对同一个地区不同地质条件下滑坡临界雨量的研究却很少。不同等级的地质条件下，其降雨型滑坡致灾临界雨量是不同的，简单地说，高易发区的致灾临界雨量低于不易发生区的致灾临界雨量，因此需要在不同的地质灾害易发区建立不同致灾临界雨量的预测模型，并且对预测模型进行检验评估，以此探寻不同地质区强降雨型滑坡灾害的规律，为滑坡预测预报提供科学指导，推进气象灾害防御服务工作。本文根据贵州省遵义市地区2010—2016年地质灾害明细统计表，将发生在不同地质灾害易发条件下的滑坡进行分类，利用2010—2014年的不同地质灾害易发区灾害样本和降雨建立不同的致灾临界雨量的统计预测模型，再利用2015—2016的地质灾害和降雨对预测模型进行检验评估，获取遵义市地区不同地质灾害易发区滑坡的临界雨量，利用这个临界雨量结合临近天气预报及时发出滑坡预警，在地质灾害防御中起到重要作用。

1 资料与方法

1.1 资 料

采用的数据资料有贵州省国土资源厅提供的2010—2016年遵义地区滑坡灾情资料(图1)和贵州省遵义市460个区域站对应时段的逐小时降雨资料。

图1 遵义地区滑坡发生点分布

1.2 方 法

根据贵州省地质灾害易发区分区图来看，遵义市分为两种地质灾害易发区，其中西北部和北部地区属于高易发区，而其他大部地区属于中易发区。因此首先将不同地质灾害易发区2010—2014年的滑坡样本(表1)与该地区降雨数据建立滑坡致灾统计预测模型，再利用不同地质灾害易发区2015—2016年的滑坡灾害样本和降雨对预测模型进行检验评估，订正已建立的滑坡致灾统计预测模型。主要运用统计方法完成对遵义市不同地质灾害易发区滑坡临界雨量的分析研究。

表1遵义市不同地质灾害易发区滑坡样本个数个

不同地质灾害易发区2010—2014年2015—2016年高易区251中易区294

影响滑坡的降雨分为前期有效雨量、当日雨量、临界雨量[16-19]。其中前期有效雨量是指滑坡发生前 天的累积有效，其计算公式为：

Rn=R0+KP1+K2R2+K3R3+…+KnRn

(n=1,2,…,n)

(1)

式中：Rn——为滑坡暴发前n+1 d的逐日降雨量；K——一个衰减系数，通常取0.8；n——滑坡发生前

天数。前期有效降雨量对触发滑坡的作用随着时间的增长而减少，对于这59次滑坡来说，滑坡发生前2 d的有效雨量平均83%来自当日雨量，有效雨量的累积雨量日数为3 d，可以说当日降雨量和滑坡之间有明显的相关关系，n因此取2。

当日雨量是指滑坡发生当天24 h降雨量，气象上是指前一天20:00到次日晚上20:00的24 h累积降雨量。而临界雨量是指导致斜坡稳定度改变的降雨量。

2 结果与分析

2.1 降雨特征分析

随着前期雨量渗入土壤中，改变斜坡的稳定度，减弱了滑坡体与土体之间的摩擦力，而在一定强度短时强降雨的作用下，斜坡的稳定度从量变发生质变从而激发滑坡发生。因此对不同地质灾害易发区滑坡前2 d至滑坡当天不同强度的短时强降雨历时进行统计(图2)。

图2 滑坡前2 d至滑坡当天不同降雨强度历时

统计结果显示：无论是高易区的滑坡还是中易区的滑坡，大于10和20 mm/h降雨绝大多数来自滑坡发生当天；位于高易区的滑坡，滑坡当天大于10 mm/h的降雨历时从1～8 h不等，平均2.6 h，而位于中易区的滑坡，滑坡当天大于10 mm/h的降雨历时从2～6 h不等，平均3.9 h；高易区滑坡当天大于20 mm/h的降雨历时从0～5 h不等，平均1.1 h，而中易区滑坡当天大于20 mm/h的降雨历时从0～3 h不等，平均1.3 h。由此可见，无论是中易区还是高易区，小时雨量大于10 mm是遵义市地区滑坡的起报条件；无论是大于20 mm/h还是10 mm/h的降雨，中易区的降雨历时都长于高易区的降雨历时。

不同的降雨类型对激发滑坡的发生也有不同的影响，有研究表明[20-21]，可将相同降雨总量的不同降雨类型按小时降雨量大小细分为平均型、中锋型、递增型和递减型4种类型。其中按照洪峰流量的大小来看，递减型最大，其次是递增型、中锋型，最小的是平均型，按照洪峰流量到达的时间来看，递增型最短，其次是中锋型和平均型，最长的是递减型，按照激发雨量阈值来看，递增型最大，其次是中锋型和平均型，最小的是递减型。根据这4种分类，分别统计高易区和中易区滑坡的降雨类型(表2)，从统计结果可以看出：无论是高易区还是中易区，中锋型所占比重最大，表明这是降雨的主要类型。高易区递减型比重大于中易区，这可能是因为递减型所需的激发雨量阈值最小，因此该类型的降雨易出现在高易区。

表2 不同地质灾害易发区滑坡的降雨类型统计结果

2.2 滑坡临界雨量阈值模型

研究表明[2]，以滑坡当天、滑坡前3 d有效雨量(滑坡前期2 d至滑坡当天)与滑坡当天1 h最大雨量、3 h最大雨量的4种不同组合来建立滑坡临界雨量预报模型，可确定出不同地质灾害易发区滑坡发生的激发雨量。具体方法是以滑坡当天或滑坡前3 d有效雨量为横坐标，以滑坡当天1 h最大雨量或3 h最大雨量作为纵坐标，将不同地质灾害易发区滑坡的雨量样本、未发生滑坡的雨量样本以点聚图的形式进行标注，根据点聚图的分布形势确定临界雨量判别线，将发生滑坡的样本与未发生滑坡的样本进行最大限度地区分开来，得到4种不同组合下临界雨量阈值(图3—4)。

注：“*多次”表示发生滑坡数在两次或以上。下同。

假设临界雨量判别线以上发生滑坡和未发生滑坡样本均为预测样本，其中发生滑坡的样本为预测正确的样本，而未发生滑坡的样本为空报的样本即预测错误的样本。因此根据遵义市不同地质灾害易发区4种不同雨量组合的滑坡临界雨量阈值模型，分别统计不同地质灾害易发区各预测模型中滑坡预测正确率(表3)。从统计结果来看，对于高易区来说，滑坡当日1 h最大雨量与前期3 d的有效雨量组合的滑坡临界雨量阈值模型预报准确率最大，且滑坡当日1 h最大雨量与滑坡当天24 h雨量组合的滑坡临界雨量阈值模型预报准确率也大于另外两种组合，因此可将滑坡当天1 h最大雨量作为遵义市地区高易区滑坡发生的激发雨量。而对于中易区来说，滑坡当日3 h最大雨量与滑坡当天24 h雨量组合的滑坡临界雨量阈值模型预报准确率最大，且滑坡当日3 h最大雨量与前期3 d的有效雨量组合的滑坡临界雨量阈值模型预报准确率也大于另外两种组合，因此可将滑坡当天3 h最大雨量作为遵义市地区中易区滑坡发生的激发雨量。

图4 中易区4种不同的雨量组合的阈值模型

区 域有效雨量与激发雨量组合3 d和3 h_max3 d和1 h_max24 h和3 h_max24 h和1 h_max高易区30.551.031.642.4中易区49.232.652.734.5

2.3 临界雨量阈值模型检验评估

利用不同地质灾害易发区2015—2016年的滑坡灾害样本和降雨对已经确定的滑坡临界雨量开展质量评估，由于降雨预报准确率会影响临界雨量的质量评估，因此，本质量评估不考虑预报因素，而是采用实际雨量监测值进行检验评估。针对已经确定的滑坡临界雨量模型开展检验评估，采用以下标准进行准确性的判定： ①滑坡评估和实际发生情况不一致，则滑坡临界雨量不准确。 ②滑坡评估和实际一致，即发生滑坡，则滑坡临界雨量准确。表1给出了2015—2016年遵义市地区不同地质灾害易发区新增滑坡信息，根据滑坡发生时间，统计前期有效雨量和激发雨量，根据已经确定的滑坡临界雨量预测模型，评估滑坡是否发生。

从图5可以看出，2015—2016新增滑坡点的前期3 d雨量(当日24 h雨量)与滑坡当天3 h最大雨量的点聚图均在滑坡判别线以内，表明该预测模型对这4次滑坡发生预测准确；而滑坡点的前期3 d雨量(当日24 h雨量)与滑坡当天1 h最大雨量的点聚图中有2个滑坡样本在滑坡判别线以内，2个滑坡样本在滑坡判别线以外，表明表明该预测模型对这4次滑坡发生预测不够准确，因此需调整其滑坡判别线，使调整后的预测模型对这4次滑坡发生预测准确。与高易区类似，采用相同的方法评估中易区滑坡临界雨量阈值模型。从图6可以看出，2015—2016新增滑坡点的前期3 d雨量(当日24 h雨量)与滑坡当天3 h最大雨量的点聚图在滑坡判别线以外，表明表明该预测模型对这次滑坡发生预测不够准确，同样需调整其滑坡判别线，使调整后的预测模型对这次滑坡发生预测准确；而滑坡点的前期3 d雨量(当日24 h雨量)与滑坡当天1 h最大雨量的点聚图中有2个滑坡样本在滑坡判别线以内，2个滑坡样本在滑坡判别线以内，表明该预测模型对这次滑坡发生预测准确。与上一节相类似,分别统计不同地质灾害易发区调整后的各预测模型中滑坡预测正确率(表4)。

图5 中易区4种不同的雨量组合的阈值模型

图6 高易区4种不同的雨量组合的阈值模型检验评估

从统计结果来看，不同地质灾害易发区调整后的预测模型其准确率均有所变化；对于高易区来说，虽然调整后的滑坡当日1 h最大雨量与前期3 d的有效雨量组合滑坡临界雨量阈值模型预报准确率有所下降，但该滑坡临界雨量阈值模型预报准确率依旧最大，且滑坡当日1 h最大雨量与滑坡当天24 h雨量组合的滑坡临界雨量阈值模型预报准确率也大于另外两种组合，因此仍将滑坡当天1 h最大雨量作为遵义市地区高易区滑坡发生的激发雨量。而对于中易区来说，滑坡当日3 h最大雨量与滑坡当天24 h雨量组合的滑坡临界雨量阈值模型预报准确率也有所下降，但依旧最大，且滑坡当日3 h最大雨量与前期3 d的有效雨量组合的滑坡临界雨量阈值模型预报准确率也大于另外2种组合，因此仍将滑坡当天3 h最大雨量作为遵义市地区中易区滑坡发生的激发雨量。

3 讨论与结论

(1) 无论是高易区的滑坡还是中易区的滑坡，大于10和20 mm/h降雨绝大多数来自滑坡发生当天，但中易区大于20和10 mm/h降雨历时均长于高易区的降雨历时。

(2) 无论是高易区还是中易区，中锋型所占比重最大，表明这是降雨的主要类型。高易区递减型比重大于中易区，这可能是因为递减型所需的激发雨量阈值最小，因此该类型的降雨易出现在高易区。

(3) 对于高易区来说，滑坡当日1 h最大雨量与前期3 d的有效雨量组合的滑坡临界雨量阈值模型预报准确率最大，可将滑坡当天1 h最大雨量作为遵义市地区高易区滑坡发生的激发雨量。而对于中易区来说，滑坡当日3 h最大雨量与滑坡当天24 h雨量组合的滑坡临界雨量阈值模型预报准确率最大，可将滑坡当天3 h最大雨量作为遵义市地区中易区滑坡发生的激发雨量。

(4) 根据新增滑坡信息对已经确定的滑坡临界雨量预测模型进行检验评估，如果预测模型对新增滑坡预测不准确，需调整其滑坡判别线，使调整后的预测模型对这次滑坡发生预测准确。统计调整后的各预测模型中滑坡预测正确率发现滑坡当天1 h最大雨量仍为遵义市地区高易区滑坡发生的激发雨量，而滑坡当天3 h最大雨量仍为遵义市地区中易区滑坡发生的激发雨量。

(5) 由于区域气象站分布的空间分辨率不高，加之地质灾害发生时间不够精确，因此在后期中需要根据新增滑坡信息对滑坡阈值模型进行不断的订正，使其在地质灾害防御中起到关键性的作用。