一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法技术

本发明专利技术公开了一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法，包括：获取地灾数据、降雨观测数据和降雨预报数据；基于所述地灾数据和降雨观测数据，构建I

【技术实现步骤摘要】
一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法


[0001]本专利技术属于地质灾害预测
，尤其涉及一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法。

技术介绍

[0002]。影响和诱发地质灾害发生的因素很多，主要包括内在因素和外在因素两大类，内在因素指的是地灾发育密度和基础地质环境，如：地貌类型、坡度高差、地质构造、水文状况等等；外在因素指的是降水、人类工程活动、地质运动等。其中内在的因素稳定度大，很容易通过区域或历史普查予以确定，但外在因素波动性就很强，特别是降水，一旦大气环流条件成熟，区域、局地降水几乎是瞬息万变，所以降水对地质灾害的影响一直以来都是地质灾害相关领域学者的研究焦点。降水是地质灾害的发生的主要诱因，所有类型的地质灾害大都发生在4～10月，与各地汛期(雨季)时间相一致。因此，越来越多的研究更聚焦如何确定触发地质灾害的降水量阈值，重点考量的是不同区域、不同地质类型下当日降水量或前期有效降水量的阈值的确定，并以此为基础设计地质灾害气象预警模型，取得了很好成果，如：王坤等(2022年)通过反查和相关性分析指出四川若尔盖地区地质灾害降水阈值存在差异，分别取当日降水量和前7日降水量分析，指出当日降水量大于35mm时次日发生地质灾害的概率为90％，前7日的累计降水量与地质灾害发生的相关性最好；杨森林等(2012年)通过分析贵州全省的降水与地质灾害数据后，以当日降雨量、前5日累计降雨之和作为地质灾害触发阈值；李明华(1985年)利用四川省暴雨激发的数万次滑坡资料，通过聚类分析，提出了暴雨激发滑坡的区域临界日雨量与前期降雨量组合模式。Brand等(1988年)通过对降雨资料的分析，指出滑坡事件几乎都发生在雨势高峰期之后的4h之内，与暴雨的峰值几乎同时；前期雨量并非是大多数滑坡事件的主导因素。吕达(2016年)研究指出安徽繁昌县当日强降雨与地质灾害的关系最为密切，而前期降雨型的有效降雨量则是地质灾害气象预警重要因子。
[0003]但由于不同地区地质灾害的孕灾条件、触发机理不一样，因此不能直接把其他地区的研究成果应用于其他地区。
[0004]鉴于目前学者对触发滑坡等地质灾害的区域临界日雨量的研究大都不区分地质类型，且以日降水资料为基础进行分析。随着小时级观测数据不断丰富和分析方法的日益更新，原有地质气象预警模型不能满足现阶段地质灾害监测预警防范分时段、分区域、分类型精细要求。

技术实现思路

[0005]为解决上述技术问题，本专利技术提出了一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法，本方法利用精细化的逐小时气象自动站降水量数据，评估前期有效雨量和当日预报降水。
[0006]为实现上述目的，本专利技术提出了一种数据驱动的典型花岗岩风化土地质灾害潜势
预报方法，包括：
[0007]获取地灾数据、降雨观测数据和降雨预报数据；
[0008]基于所述地灾数据和降雨观测数据，构建I
‑
D拟合模型；
[0009]基于所述I
‑
D拟合模型构建地灾概率预报模型；
[0010]将所述降雨预报数据输入所述地灾概率预报模型，预测地灾发生概率。
[0011]可选的，获取降雨观测数据包括：
[0012]基于地灾发生点最近的气象站观测站信息，获取前期降雨观测数据；
[0013]基于地灾数据和前期降水指数模型，获取有效雨量数据；
[0014]基于所述前期降雨观测数据和所述有效雨量数据，获取降雨观测数据。
[0015]可选的，所述降雨观测数据包括：降雨历时、降雨累计量、降雨平均雨强。
[0016]可选的，所述前期降水指数模型为：
[0017][0018]式中，E
r
为有效雨量，n为地质灾害发生前降水总天数，可结合当地降水特征，确定n取值，r
k
为逐日雨量，其中，r1、r2、
…
、r
n
为地质灾害发生前1天、前2天、
…
、前n天逐日降水量
[0019]可选的，构建所述I
‑
D拟合模型包括：
[0020]对降水数据按降雨平均雨强进行排序，剔除预设数量的所述降雨观测数据，获取处理后的降雨观测数据；
[0021]对所述地灾数据按所述有效雨量进行排序，取所述有效雨量预设百分位值为所述有效雨量分界值；
[0022]基于所述分界值，将所述处理后的降雨观测数据划分；
[0023]基于划分后的所述新降雨观测数据，分别构建所述I
‑
D拟合模型
[0024]可选的，所述I
‑
D拟合模型为：
[0025]I＝αD
‑
β
，
[0026]其中，D为本场降雨历时，I为本场降雨平均雨强，α、β为模型拟合参数。可选的，所述地灾概率预报模型为：
[0027]p
i
＝S
iD
/C
D
[0028]S
iD
＝I
iD
‑
I
minD
[0029][0030]其中：p
i
为第i个待预报地灾点的地质灾害发生概率；S
iD
为第i个待预报的地灾点，在降水历时为D时的平均雨强I
iD
到阈值模型曲线(下界)I
minD
的距离；I
iD
为第i个待预报地灾点在降水历时为D时预报的平均降水雨强；C
D
：降水历时为D时的阈值模型曲线(上界)I
maxD
到阈值模型曲线(下界)I
minD
的距离；I
maxD
为阈值模型曲线上界；I
minD
为阈值模型曲线下界。
[0031]此处，根据预报发布时前期实测降水计算有效降水值E
r
，通过比较与分界阈值R
C
的大小确定所采用的阈值模型分别计算上界I
max
和下界I
min
，其中，I
max
＝αD
‑
β
+c，I
min
＝αD
‑
β
，α、β、c为模型拟合参数。
[0032]与现有技术相比，本专利技术具有如下优点和技术效果：
[0033]本专利技术基于地灾资料，利用更为精细化的逐小时气象自动站降水量数据，评估前
期有效雨量和当日预报降水，从而建立适用于梧州市辖区的双参数地质灾害预报模型，通过个例检验表明：I
‑
D拟合模型相较于传统的有效雨量致灾概率模型有着更高的TS评分以及能有效降低空报率。
附图说明
[0034]构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0035]图1为本专利技术实施例的地质灾本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法，其特征在于，包括：获取地灾数据、降雨观测数据和降雨预报数据；基于所述地灾数据和所述降雨观测数据，构建I
‑
D拟合模型；基于所述I
‑
D拟合模型，构建地灾概率预报模型；将所述降雨预报数据输入所述地灾概率预报模型，预测地灾发生概率。2.根据权利要求1所述的一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法，其特征在于，获取所述降雨观测数据包括：基于地灾发生点最近的气象站观测站信息，获取前期降雨观测数据；基于所述地灾数据和前期降水指数模型，获取有效雨量数据；基于所述前期降雨观测数据和所述有效雨量数据，获取降雨观测数据。3.根据权利要求1所述的一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法，其特征在于，所述降雨观测数据包括：降雨历时、降雨累计量、降雨平均雨强。4.根据权利要求2所述的一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法，所述前期降水指数模型为：其中，E
r
为有效雨量，n为地质灾害发生前降水总天数，r
k
为逐日雨量，k为变量。5.根据权利要求2所述的一种数据驱动的典型花岗岩风化土地质灾害潜势预报方法，其特征在于，构建所述I
‑
D拟合模型包括：对降水数据按降雨平均雨强进行排序，剔除预设数量的所述降雨观测数据，获取处理后的降雨观测数据；对所述地灾数据按所述有效雨量进行排序，取所述有效雨量预设百分位值为所述有效雨量分界值；基于所述分界值，将所述处理后的降雨观测数据划分；基于划分后的所述降雨观测数据，分别构建所述I

【专利技术属性】
技术研发人员：卢伟萍，杨丽丽，孙靖雯，徐辉，刘海知，刘小明，李志宇，
申请(专利权)人：广西壮族自治区气象科学研究所，
类型：发明
国别省市：