针对操作预警系统运行的浅层滑坡降雨阈值估计

[意] Davide Tiranti, Davide Rabuffetti田 芳 译；冯翠娥、段 琦 校译皮埃蒙特区的区域预警系统服务由皮埃蒙特区环境保护局（ARPA ）管理，该系统基于一个先进的气象-水文自动监控系统，并整合了极端天气下的自然灾害预测功能。

目前，气象-水文系统可以提供主要河流模式的洪水预报。

本文将介绍强降雨诱发浅层滑坡预测工具的开发情况。

由于象皮埃蒙特区这样面积大且地形复杂地区的浅层滑坡模拟存在困难，因此依据历史文件中降雨和历史滑坡之间的关系建立了一个经验模型。

研究重点是建立诱发滑坡的降雨阈值，通过不同地区的地质条件来区分降雨阈值。

研究期为1990-2002年。

利用总共160个滑坡的诱发时间和每小时的信息对系统进行识别校正。

第一项成果是识别出两个不同的区：①阿尔卑斯山区，主要由基岩构成，包括变质岩、火成岩、白云岩或者灰岩，降雨阈值高；②丘陵区，主要由沉积岩构成，降雨临阈值低。

总计用了已知发生时间的429个滑坡进行了验证。

结果表明，模型没有漏发警报，而错误警报也很少，因此建议进行有效操作运行。

1 概 述皮埃蒙特区（25,400km 2）三面被阿尔卑斯山脉包围。

山区占总面积的49%，是欧洲的最高点。

这种条件决定并调节着皮埃蒙特区的气候，特点是降雨变化非常大（Biancotti 和Bovo ，1998）。

1700~2000年的历史数据表明，皮埃蒙特区平均每两年会重现一次严重的冲积现象。

高密度的人口，活跃的经济，重要的基础设施、公路和铁路网，使得该地区的自然灾害危害性很大。

在这一背景下，认为浅层滑坡（V arnes ，1978）是极度危险的，尽管它们的规模相对较小（一般<1,000m 3），但是其速度快（>5m/s ；Cruden 和Varnes ，1996），发展迅速，即使存在障碍物运动距离也很长，擦痕排列组合，迁移土体并合，单次降雨事件中每单位面积上的滑动密度高。

在近100年皮埃蒙特区由滑坡造成的人员伤亡中，有50%是由于浅层滑坡引起的。

皮埃蒙特区的经验说明风险减轻不仅仅依靠强调减轻灾害的结构性干预，还需要全面组织公民参与防护活动减少伤害。

因此，关键要保证对这种现象的准确预测以及对基本诱发机理的认识。

由皮埃蒙特区ARPA管理的区域预警系统服务，建立在先进的气象-水文自动监控系统基础上，并整合了极端天气下的自然灾害预测功能。

目前，气象-水文系统可以提供主要河流模式的洪水预报（Rabuffetti和Barbero，2005），但仍需要结合浅层滑坡的预测功能。

当前工作的目标就是要开发这个工具。

预测浅层滑坡有困难的原因是：区域面积大、地域的高度非均质性、浅层滑坡极少发生在同一地点，诱发机制不一定能明确，经常依赖于土体和边坡的局部特征，在通常的尺度下无法充分捕捉到降雨的时空变化。

鉴于降雨对浅层滑坡触发的重要性，因此，依据基于降雨的方法预测浅层滑坡是合理的。

一些学者（Montgomery和Dietrich，1994；Wu和Sidle，1995）在不同的简化假设条件下提出了物理模拟方法。

这些模型对观测事件的诱发时间和地点有很好的认识，但对于大面积地区浅层滑坡的预测需要相当高的精度。

因此，浅层滑坡预测模型的重点通常都放在降雨阈值的确定上，降雨阈值可能是经验值，即通过以往发生的事件和相关的降雨数据反演分析获得（继Caine，1980之后，经常在文献中出现的一种方法），也可能是数值推导的，利用初始动力反演问题的间接求解估算临界雨量（Montrasio和Valentino，2007；Mancini 和Rabuffetti，2003）。

这些基于阈值的预测模型主要是针对浅层滑坡的发生时间，而不是空间位置，因此，在操作应用方面很简单。

再结合完备的降雨和滑坡数据库，我们就可以采用一种经验阈值法。

本文首先对利用经验阈值预测浅层滑坡的方法进行概述。

在“皮埃蒙特区的阈值定义”一节中，利用区域的、局部的和“实用”方法计算不同的经验阈值，本文选择的是后者。

在“验证1990~2000年发生的事件”一节中，我们给出了13年的验证结果，利用降雨观测值和区域滑坡数据库，通过评估准确的预测、漏报事件和错误警报，评价系统的准确性和可靠性。

成果之一是“利用降雨阈值预报浅层滑坡运动（SMART）”的软件模块；“2008年5月27~30日的案例研究”这节中提到了SMART目前的研究情况。

2 利用经验阈值预测浅层滑坡预测浅层滑坡的发生时间，意味着要确定滑坡在某一时间段和比本身滑动面积大得多的特定区域内（如一个流域）发生的概率。

通过对过去发生的滑坡和相关降雨记录进行反演分析来估算滑坡和降雨以及其他可能的解释变量（地形、土体类型和土地利用等）之间的直接关系，然后对这些关系进行统计分析，这就是这些模型建立的基础。

降雨量R(t)通常为累积量，通过加权函数Y(t)=f[R(t)]与诱发概率P[t]联系起来。

通常，无法确定整个分布，可以固定一个阈值Ys简化模型：（1）此外，在实际应用中最常见的简化模型为假定Y(t)=R(t)，Ys恰好为累计降雨量。

在这一背景下，需要重点强调的是，尽管这些阈值对灾害评估很有用，但是它们无法用于预测，因为它们完全是“条件概率”下的意义。

Einstein 和Beacher（1983）给出了在给定降雨量时一个滑坡的发生概率。

即使降雨和诱发浅层滑坡之间有非常强的关联性（Ellen等，1988），但是在研究区可以通过忽略影响诱发动力学的局部特征，尝试把这些阈值作为“绝对概率”（Mejía-Navarro等，1994）。

在大区域的预测应用中，这种做法似乎可行，但是需要强调的是，在每个滑动的初始阶段，很多其他的机理也发挥重要的作用，只有将所有机理考虑全面，才能正确评估出发生的“绝对概率”（Canuti 和Casagli，1996）。

再者，诱发浅层滑坡的降雨阈值必须应用在气象事件的时间尺度内，以避免与滑动无关时间的长期积累。

因此，降雨必须从气象事件发生时开始累计。

这就强调了没有降雨的最小周期固定问题，在把累计值重新归零前可以设置为任意参数。

在文献中，发现了很多例子，区别在于：①“简单”阈值，依据诱发滑坡所需的最小降雨量插值得到（Caine，1980；Govi和Sorzana，1980；Cancelli 和Nova，1985；Moser和Hohensinn，1983；Cannon和Ellen，1985；Wieczorek 等，1997；Ceriani等，1994；Aleotti，2004）；②“高级”阈值，与前面的类似，但是包含一些“预先”的参数（如地质、地形、土体类型和土地利用），用于获得一系列阈值对事件进行分类（Govi和Sorzana，1980；Crosta，1998；Wiezorek等，1997；V ersace等，2003；Bosco等，2007；Guzzetti等，2008）。

“简单”阈值主要用有限和均质地区的数据识别得到，一般不易拓展应用到其他地区。

“高级”阈值通常源于大面积非均质地区的数据，因此数据需要在解释数据变异性的独立参数的基础上进行聚类分析。

这种方法确定的参数通常可以用于具有相似特征的不同场地。

3 皮埃蒙特区的阈值定义利用1990~2002年皮埃蒙特区的滑坡和气象资料，将每个有记录的浅层滑坡和与其最近（小于10km）的雨量计关联起来，以得到观测临界降雨量。

本研究假定6h为在降雨完成和把累计值重新设置为0之前所需的最短时间。

基础灵敏度分析表明不断增加该值，通常会得到高累积降雨量的长时间降雨事件。

考虑下渗模式的水文特征，对该值进行进一步的量化，会导致土体类型和坡度范围变化太大（Crosta，1998；Mancini和Rabuffetti，2003），而且要实现本文的研究目的，需要对皮埃蒙特区进行相当高精度的分析。

未包括1990年之前的数据，因为雨量计网没有得到诱发（临界）降雨的可靠评价。

忽略由人为影响改建的边坡（如街道、小道、管道）的滑动。

只考虑那些降雨为主要诱发因素的滑动，以及这个地区典型的自然条件，如局部地形、流动堆积模式和土体性质。

共有429个滑坡记录的发生时间可用。

这些数据中的160个包含开始时间，其记录用作计算。

可用的数据表明，需要最小降雨时间10h诱发浅层滑坡，多于99%的滑坡都发生在降雨14h后。

与持续时间短和强暴雨相关联的很多滑坡记录一般都具有土壤侵蚀、土崩瓦解（Kesseli，1943）和泥石流成沟（Cannon和Gartner，2005；Tiranti等，2008）。

由于局部的自然条件限制，本次分析中没有考虑这些。

4 区域阈值首先，利用浅层滑坡的完整资料获得适合整个区域的降雨阈值。

通常，把降雨的平均强度I[mm/h]和持续时间d[h]绘制在双对数坐标上（图1）。

实线是最佳拟合线，虚线是由偏移最佳拟合线得到的下包络。

在图1中，数据很分散，没有适合的公式表示其低相关性，结果依据Caine （1980）和Guzzetti等（2008）的例子选择线性（双对数）插值法。

这也说明所评估的临界雨量可变性很大。

持续时间为10~100h，利用下包络线作为阈值进行“操作”验证：（2）图1 皮埃蒙特区的区域阈值5 局部阈值第二种方法建立在浅层滑坡关于地理基础资料的最初分类之上：地形和地质条件，代表地貌灾害；由图1中数据获得的降雨分布，代表气象灾害。

在此基础上，区分出两个区：（1）高山环境：阿尔卑斯山脉和亚平宁山脉，主要由变质岩、火成岩、白云岩或石灰岩和复理层地层组成，临界降雨值高。

（2）丘陵环境：丘陵区和亚平宁山脉，主要由沉积基岩组成，临界降雨值低。

这种分类有助于更好地理解过程，但给出的I-d图上的点仍分散，这说明被评估的降雨可变性原因仍需要解释（图2）。

图中实线是最佳拟合线，虚线是由偏移最佳拟合线得到的下包络。

（a）高山环境（b）丘陵环境图2 皮埃蒙特区的局部阈值对于10~100h的持续时间，下包络适当作为阈值。

区域1和2对应的公式分别为：（3）（4）6 “实用”阈值概念图1和图2（b）中，可以观测到很多点排成一列。

原因是由于降雨事件诱发了大量浅层滑坡，在同一雨量计的影响范围内有许多不同的滑动。

结果，临界降雨随着持续时间不断增大，在最后一次滑动时就变得更大了。

原则上，就降雨场的空间可变性而言，雨量计网络的分辨率不匹配是个问题，但实际上，对于浅层滑坡，一个恰当的监测需要的网络密度太高而无法覆盖大面积区域，传统的雨量计网无法满足要求。

为解决这个问题，提出一种处理数据的不同方法。

集中注意到每一次单一的降雨事件，所有记录的滑坡和相关的降雨量，都汇总成一个降雨量单一值，以平均持续时间和降雨累积量计算，用来代表整个事件。

通过这个简单步骤，I-d曲线上的每个点都代表单一降雨事件中的所有滑坡。