CN114510851A - 一种评估气候变化下降水诱发滑坡灾害损失的评估方法 - Google Patents

一种评估气候变化下降水诱发滑坡灾害损失的评估方法 Download PDF

Info

Publication number
CN114510851A
CN114510851A CN202210414169.6A CN202210414169A CN114510851A CN 114510851 A CN114510851 A CN 114510851A CN 202210414169 A CN202210414169 A CN 202210414169A CN 114510851 A CN114510851 A CN 114510851A
Authority
CN
China
Prior art keywords
landslide
climate
historical
disaster
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202210414169.6A
Other languages
English (en)
Other versions
CN114510851B (zh
Inventor
林齐根
王国杰
王艳君
苏布达
翟建青
黄金龙
姜彤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing University of Information Science and Technology
Original Assignee
Nanjing University of Information Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing University of Information Science and Technology filed Critical Nanjing University of Information Science and Technology
Priority to CN202210414169.6A priority Critical patent/CN114510851B/zh
Publication of CN114510851A publication Critical patent/CN114510851A/zh
Application granted granted Critical
Publication of CN114510851B publication Critical patent/CN114510851B/zh
Priority to US18/122,924 priority patent/US11796695B1/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/01—Measuring or predicting earthquakes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V2210/00—Details of seismic processing or analysis
    • G01V2210/60—Analysis
    • G01V2210/61—Analysis by combining or comparing a seismic data set with other data
    • G01V2210/612—Previously recorded data, e.g. time-lapse or 4D
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W2201/00—Weather detection, monitoring or forecasting for establishing the amount of global warming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Environmental Sciences (AREA)
  • Ecology (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Remote Sensing (AREA)
  • General Business, Economics & Management (AREA)
  • Geophysics (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Acoustics & Sound (AREA)
  • Marketing (AREA)
  • Hydrology & Water Resources (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Emergency Management (AREA)
  • Alarm Systems (AREA)

Abstract

本发明公开了一种评估气候变化下降水诱发滑坡灾害损失的评估方法，属于地质灾害防治技术领域。该方法利用物理过程模型，考虑区域上各格点的地表特征的空间异质性，得到具有空间异质性的区域范围内各空间格点对应的降水阈值；再结合历史和气候模式资料，优选了气候模式，接着利用模型模拟出滑坡的易发区域和可能冲出和影响区域，利用本方法模拟出的影响范围可以更好的与灾害损失格点数据相匹配，解决了滑坡灾害评估中气候变化情景和滑坡影响难以评估的问题。

Description

一种评估气候变化下降水诱发滑坡灾害损失的评估方法
技术领域
本发明涉及一种评估气候变化下降水诱发滑坡灾害损失的评估方法，属于地质灾害防治技术领域。
背景技术
滑坡是一种地质灾害，严重地危害当地居民的生产生活。我国是滑坡地质灾害多发区，滑坡每年造成巨大的经济损失和人员伤亡。气候变化对滑坡的影响以及气候变化下滑坡对灾害损失的影响的评估是一个非常复杂且具有挑战性的问题。
发明内容
为了克服现有技术的不足，本发明提供了一种评估气候变化下滑坡影响灾害损失的评估方法，解决滑坡灾害评估中气候变化情景和滑坡影响难以评估的问题。
本发明的技术方案：一种评估气候变化下降水诱发滑坡灾害损失的评估方法，其步骤如下：
步骤一、以区域上各格点的地表特征为预测变量，以区域内的观测站点降水序列数据作为因变量，基于样条函数方法，将粗分辨率的所述区域上各格点观测降水资料插值生成高精度的降水序列空间分布数据；
步骤二、将所述高精度的降水序列空间分布数据与所述预测变量输入到基于物理过程的分布式滑坡稳定性模型中，通过模拟区域范围内各空间格上安全系数达到失稳阈值时候所对应各空间格点的降水量阈值来模拟滑坡灾害危险性区域和影响范围，获得区域各格点不同地表特征导致的不同的诱发滑坡的降水阈值；
步骤三、将所述诱发滑坡的空间分布降水阈值与历史滑坡数据进行对比分析，计算每次诱发历史滑坡的临界降水阈值，并计算历史滑坡数据中诱发各滑坡事件降水阈值的误报率，再通过试错法得到误报率最小的结果，优化导致区域内各空间格点上诱发滑坡发生的降水阈值条件；
步骤四、选取全球24个目前有四种气候变化情景的气候模式及其气候格点数据，所述气候格点数据包括历史格点数据和未来格点数据，将所述历史格点数据按步骤一中的方法处理成高精度的历史降水序列空间分布数据，将所述未来格点数据按步骤一中的方法处理成高精度的未来降水序列空间分布数据；
步骤五、所述历史降水序列空间分布数据与历史地表特征作为条件输入到所述分布式滑坡稳定性模型中，得到不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值；
步骤六、对比步骤五中得到的所述不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值和步骤三中通过观测降水资料得到的所述导致区域内各空间格点上诱发滑坡发生的降水阈值，形成气候模式历史格点降水阈值；
步骤七、基于步骤六中所述气候模式历史格点降水阈值，结合所述分布式滑坡稳定性模型，模拟得到历史时期滑坡灾害的危险性区域及可能的冲出和影响区域；同时，对比所述不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值，计算得到历史时期各模式在各格点滑坡发生的频次；再统计滑坡影响范围内的灾害损失格点数据，结合所述历史时期各模式在各格点滑坡发生的频次，计算得到历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失量，所述历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失量的计算公式如下：
Figure 631120DEST_PATH_IMAGE001
其中，
Figure 186866DEST_PATH_IMAGE002
是气候变化情景下历史时期每个格点滑坡灾害的影响灾害损失量，
Figure 457311DEST_PATH_IMAGE003
为每一个格点下标，
Figure 973874DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 722387DEST_PATH_IMAGE005
表示格点
Figure 978312DEST_PATH_IMAGE003
是否位于滑坡影响范围内，若格点
Figure 888500DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 681DEST_PATH_IMAGE005
取值为1，否则，
Figure 287306DEST_PATH_IMAGE005
取值为0，
Figure 693011DEST_PATH_IMAGE006
为格点
Figure 39678DEST_PATH_IMAGE003
预估发生滑坡灾害的频次，
Figure 921047DEST_PATH_IMAGE007
为格点
Figure 523279DEST_PATH_IMAGE003
所包含的灾害损失量；
步骤八、选取未来情景下的模拟的承灾体的空间分布，基于步骤六中所述气候模式历史格点降水阈值，按步骤七中的过程，计算得到不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失量，所述不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失量的计算公式如下：
Figure 32758DEST_PATH_IMAGE008
其中，
Figure 566639DEST_PATH_IMAGE009
是气候变化情景下未来时期每个格点滑坡灾害的影响灾害损失量，
Figure 404145DEST_PATH_IMAGE003
为每一个格点下标，
Figure 298151DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 176984DEST_PATH_IMAGE010
表示格点
Figure 131033DEST_PATH_IMAGE003
是否位于未来时期滑坡影响范围内，若格点
Figure 455835DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 904265DEST_PATH_IMAGE010
取值为1，否则，
Figure 122757DEST_PATH_IMAGE010
取值为0，
Figure 234326DEST_PATH_IMAGE011
为格点
Figure 171058DEST_PATH_IMAGE003
未来时期预估发生滑坡灾害的频次，
Figure 547812DEST_PATH_IMAGE012
为格点
Figure 637122DEST_PATH_IMAGE003
未来时期所包含的灾害损失量；
步骤九、评估气候变化下滑坡影响灾害损失的变化，采用气候模式集合方法计算多个气候模式的集合结果，所述气候模式集合方法的计算公式如下：
Figure 667395DEST_PATH_IMAGE013
其中，
Figure 716576DEST_PATH_IMAGE014
是气候模式的集合计算结果，
Figure 506809DEST_PATH_IMAGE015
为每一个模式的下标，
Figure 699892DEST_PATH_IMAGE016
为气候模式总个数，赋值
Figure 147405DEST_PATH_IMAGE016
=24，
Figure 793150DEST_PATH_IMAGE017
是第
Figure 387073DEST_PATH_IMAGE018
个气候模式的权重，
Figure 310030DEST_PATH_IMAGE020
为第
Figure 682105DEST_PATH_IMAGE018
个气候模式的结果。
进一步地，步骤一中，所述地表特征包括地形、地表覆盖、地质和土壤特征。
进一步地，步骤一中，所述样条函数方法是基于薄盘样条理论和气候数据曲面拟合理论形成，采用python编程语言调用ANUSPLIN软件实现。
进一步地，步骤二中，所述分布式滑坡稳定性模型是基于无线斜坡的极限平衡方法，模拟降水下渗过程建立滑坡安全系数和降水量之间的关系。
进一步地，步骤三中，所述误报率的公式如下：
误报率 = 正确预测滑坡发生次数 / 总的历史滑坡发生次数。
进一步地，步骤三中，还包括验证得到空间分布降水阈值的效果。
进一步地，步骤四中，所述四种气候变化情景分别为SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5，其各路径下有灾害损失格点数据的预估值。
进一步地，步骤九中，所述气候模式集合方法中各气候模式集合结果的权重
Figure 950232DEST_PATH_IMAGE017
通过如下公式计算：
Figure 65956DEST_PATH_IMAGE021
其中，
Figure 482900DEST_PATH_IMAGE022
是气候模式与观测格点数据的相关性，权重α取值为1~50间的整数，所述气候模式与观测格点数据的相关性越高的模式，其所述权重α取值越大。
有益效果
提出了一种评估气候变化下降水诱发滑坡灾害损失的评估方法，该方法利用物理过程模型，考虑区域上各格点的地表特征（地形、地质、土壤等）的空间异质性，得到具有空间异质性的区域范围内各空间格点对应的降水阈值；
该方法结合历史和气候模式资料，选择了气候模式，更好的适应区域气候变化影响评估；
该方法利用模型模拟出了滑坡的易发区域和可能冲出和影响区域，在已有的众多滑坡易发性评估中多只计算出滑坡发生的零星分布而未能模拟出区域上滑坡从启动发生开始到冲出停止的全部可能对我们人类社会造成影响的范围，利用本方法模拟出的影响范围可以更好的与灾害损失格点数据相匹配，解决了滑坡灾害评估中气候变化情景和滑坡影响难以评估的问题。
附图说明
图1为本发明一种评估气候变化下降水诱发滑坡灾害损失的评估方法的流程示意图；
图2为乌蒙山区地形图；
图3为乌蒙山区部分历史灾难性滑坡事件造成的灾害损失（人口死亡）空间分布；
图4为高精度降水分布数据计算示意图；
图5为基于物理模型模拟识别各栅格单位对应降水阈值示意图（以某一空间位置栅格单元为例）。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
在本实施例的一些可实现方式中，本发明一种评估气候变化下降水诱发滑坡灾害损失的评估方法包括如下步骤：
步骤一、考虑地形高程、曲率、坡度、地质、土壤特征等要素的影响作用，将这些影响变量作为区域上各格点的预测变量或协变量，以区域内的观测站点降水序列数据作为因变量，基于样条函数方法，将粗分辨率的所述区域上各格点观测降水资料插值生成高精度的降水序列空间分布数据，降水包括了降雨、降雪等气候。
步骤二、将步骤一中得到的高精度的降水序列空间分布数据与地形、地质、土壤和地表覆盖等预测变量输入到基于物理过程的分布式滑坡稳定性模型中，模拟区域范围内各空间格上安全系数达到失稳阈值时候所对应各空间格点的降水量阈值，获得考虑区域各格点不同地表特征（地形、地质、土壤等特征差异）而导致的不同的诱发滑坡的降水阈值。所述分布式滑坡稳定性模型是基于无线斜坡的极限平衡方法，模拟降水下渗过程建立滑坡安全系数和降水量之间的关系。
步骤三、将所述诱发滑坡的空间降水阈值与历史滑坡数据库进行对比分析，计算每次诱发历史滑坡的临界降水阈值，并计算数据库中历史滑坡数据中诱发各滑坡事件降水阈值的误报率，再通过试错法得到误报率最小的结果，优化导致区域内各空间格点上诱发滑坡发生的降水阈值条件。
步骤四、选取全球24个目前有四种气候变化情景的气候模式及其气候格点数据，所述气候格点数据包括历史格点数据和未来格点数据，将所述历史格点数据按步骤一中的方法处理成高精度的历史降水序列空间分布数据，将所述未来格点数据按步骤一中的方法处理成高精度的未来降水序列空间分布数据；
步骤五、所述历史降水序列空间分布数据与历史地表特征作为条件输入到所述分布式滑坡稳定性模型中，得到不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值；
步骤六、对比步骤五中得到的所述不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值和步骤三中通过观测降水资料得到的所述导致区域内各空间格点上诱发滑坡发生的降水阈值，选择与所述观测降水资料的数据更接近的气候模式，形成气候模式历史格点降水阈值；
步骤七、基于步骤六中所述气候模式历史格点降水阈值，结合物理过程的所述无限边坡稳定性模型，模拟得到历史时期滑坡灾害的危险性区域及可能的冲出和影响区域；同时，对比所述不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值，计算得到历史时期各模式在各格点滑坡发生的频次；再统计滑坡影响范围内的灾害损失格点数据，结合所述历史时期各模式在各格点滑坡发生的频次，计算得到历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失量，灾害损失包括人口伤亡、建筑坍塌、农作物受害等，所述历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失量的计算公式如下：
Figure 25876DEST_PATH_IMAGE001
其中，
Figure 70316DEST_PATH_IMAGE002
是气候变化情景下历史时期每个格点滑坡灾害的影响灾害损失量，
Figure 474884DEST_PATH_IMAGE003
为每一个格点下标，
Figure 231487DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 463142DEST_PATH_IMAGE005
表示格点
Figure 305196DEST_PATH_IMAGE003
是否位于滑坡影响范围内，若格点
Figure 372509DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 390144DEST_PATH_IMAGE005
取值为1，否则，
Figure 789770DEST_PATH_IMAGE005
取值为0，
Figure 412730DEST_PATH_IMAGE006
为格点
Figure 814892DEST_PATH_IMAGE003
预估发生滑坡灾害的频次，
Figure 562400DEST_PATH_IMAGE007
为格点
Figure 883659DEST_PATH_IMAGE003
所包含的灾害损失量。
步骤八、选取未来情景下的模拟的承灾体的空间分布，基于步骤六中所述气候模式历史格点降水阈值，按步骤七中的过程，计算得到不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失量，所述不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失量的计算公式如下：
Figure 356098DEST_PATH_IMAGE008
其中，
Figure 401765DEST_PATH_IMAGE009
是气候变化情景下未来时期每个格点滑坡灾害的影响灾害损失量，
Figure 253046DEST_PATH_IMAGE003
为每一个格点下标，
Figure 495940DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 377046DEST_PATH_IMAGE010
表示格点
Figure 714486DEST_PATH_IMAGE003
是否位于未来时期滑坡影响范围内，若格点
Figure 171006DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 834069DEST_PATH_IMAGE010
取值为1，否则，
Figure 939822DEST_PATH_IMAGE010
取值为0，
Figure 831685DEST_PATH_IMAGE011
为格点
Figure 391980DEST_PATH_IMAGE003
未来时期预估发生滑坡灾害的频次，
Figure 366889DEST_PATH_IMAGE012
为格点
Figure 301216DEST_PATH_IMAGE003
未来时期所包含的灾害损失量；
步骤九、评估气候变化下滑坡影响灾害损失的变化，采用多气候模式集合方法计算24个气候模式的集合结果，所述多气候模式集合的计算公式如下：
Figure 386983DEST_PATH_IMAGE023
其中，
Figure 67363DEST_PATH_IMAGE014
是多气候模式的集合计算结果，
Figure 584146DEST_PATH_IMAGE015
为每一个模式的下标，
Figure 398911DEST_PATH_IMAGE024
为气候模式总个数，赋值
Figure 147424DEST_PATH_IMAGE024
=24，
Figure 823256DEST_PATH_IMAGE017
是第
Figure 513870DEST_PATH_IMAGE018
个气候模式的权重，
Figure 521925DEST_PATH_IMAGE026
为第
Figure 90441DEST_PATH_IMAGE018
个气候模式的结果。
选择乌蒙山区为研究区，乌蒙山区跨四川、云南和贵州三省，总面积为10.7万平方公里，共包括云南、贵州、四川三省毗邻地区的38个县(市、区)，如图4所示。乌蒙山区地形陡峭且地势起伏巨大，是我国滑坡灾害易发频发地区，并且还是滑坡灾害造成损失最严重的地区之一，根据中国灾难性滑坡事件数据库统计，1950-2016年乌蒙山区平均每年因滑坡灾害造成约45人死亡，2016年和2017年还相继发生了纳雍县和大方县滑坡灾害，都造成超过20人死亡，如图5所示，灾害损失还包括了设施破坏和经济损失等。同时，考虑到研究区灾害损失暴露度高，经济落后，防灾减灾能力较弱，灾害损失资源环境矛盾突出，生态环境脆弱，滑坡灾害对该地区社会经济造成的影响往往会更加严重，因此，开展乌蒙山区气候变化情景的滑坡影响灾害损失评估具有重要意义。
从多种数据来源收集包括乌蒙山区滑坡灾害事件数据库、乌蒙山区自然地理环境影响因素数据、气象观测数据、全球气候模式模拟和预测数据、历史灾害损失普查和分布数据等多种数据。表1列举了部分影响因素，及其影响因素的基本信息和数据来源。
表1为部分影响因素数据
Figure 214255DEST_PATH_IMAGE027
首先，通过考虑乌蒙山区各格点的地表特征（地形、地质、土壤等）的空间异质性，地形资料采用日本宇宙航空研究所的ALOS PALSAR 12.5m分辨率的数字高程数据反演计算坡度、地形曲率、坡向和地形起伏、地形位置等多种地表特征指标，基于样条函数方法，将粗分辨率的所述区域上各格点观测降水资料插值生成当前高精度的降水序列空间分布数据，如图4所示。所述样条函数方法是基于薄盘样条理论和气候数据曲面拟合理论形成的，采用python编程语言调用ANUSPLIN软件实现。
其次，将得到的乌蒙山区高精度的降水序列空间分布数据与地形、地质、土壤和地表覆盖等预测变量的数据输入到基于物理过程的分布式滑坡稳定性模型（简称SLIDE模型）中。SLIDE模型是基于无线斜坡的极限平衡方法，模拟降水下渗过程建立滑坡安全系数和降水量之间的关系，以水力坡度方向作为滑动面方向建立极限平衡方程，以水力坡度方向作为潜在的滑动方向，并将之用于滑坡计算模块。基于MATLAB编程语言调用SLIDE模型模拟乌蒙山区范围内各空间格上安全系数达到失稳阈值时候所对应各空间格点的降水量阈值，获得乌蒙山区各格点不同地表特征（地形、地质、土壤等特征差异）而导致的不同的诱发滑坡的降水阈值，得到具有空间异质性的乌蒙山区内各空间格点对应的降水阈值。
接着，将计算得到的诱发滑坡的空间分布降水阈值与乌蒙山区历史滑坡数据进行对比分析，即基于历史滑坡数据库中每次滑坡事件的降水分布序列数据，计算每次诱发历史滑坡的临界降水阈值，并计算数据库中历史滑坡数据的降水阈值的误报率，验证得到空间分布降水阈值的效果，再通过试错法得到误报率最小的结果，优化导致区域内各空间格点上诱发滑坡发生的降水阈值条件，如图5所示。所述误报率的公式如下：
误报率 = 正确预测滑坡发生次数/ 总的历史滑坡发生次数。
再次，选择全球24个目前有四种气候变化情景（SSP1-2.6、SSP2-4.5、SSP3-7.0、SSP5-8.5）的气候模式资料，将多个气候模式的历史格点数据统一处理成高精度的历史降水序列空间分布数据，并与历史地形、地质和土壤特征等条件输入到SLIDE模型中，得到不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值。对比得到的不同历史气候模型和乌蒙山区观测降水资料得到的各空间格点上诱发滑坡发生的降水阈值，选择与观测数据更接近的气候模式。
表2 为24个全球气候模式信息
Figure 701868DEST_PATH_IMAGE028
最后，基于选择的气候模式历史格点降水数据，结合物理过程SLIDE模型，模拟得到历史时期乌蒙山区滑坡灾害的危险性区域及可能的冲出和影响区域。同时，对比不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值，得到历史时期各模式在各格点发生滑坡的频次。从社会经济路径（SSPs）灾害损失和经济预估数据库中选取未来情景下的模拟灾害损失分布，不同气候变化情景下的灾害损失数据采用SSP1、SSP2、SSP3、SSP5各路径下的预估灾害损失格点数据，结合乌蒙山区滑坡灾害的冲出和影响范围内的灾害损失格点数据，综合滑坡发生的频次，计算得到历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失。基于选择的气候模式格点降水数据，计算得到历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失量的计算公式如下：
Figure 439361DEST_PATH_IMAGE029
其中，
Figure 529677DEST_PATH_IMAGE002
是气候变化情景下历史时期每个格点滑坡灾害的影响灾害损失量，
Figure 789888DEST_PATH_IMAGE003
为每一个格点下标，
Figure 307457DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 499623DEST_PATH_IMAGE005
表示格点
Figure 393630DEST_PATH_IMAGE003
是否位于滑坡影响范围内，若格点
Figure 508347DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 931238DEST_PATH_IMAGE005
取值为1，否则，
Figure 695188DEST_PATH_IMAGE005
取值为0，
Figure 878039DEST_PATH_IMAGE006
为格点
Figure 971897DEST_PATH_IMAGE003
预估发生滑坡灾害的频次，
Figure 831269DEST_PATH_IMAGE007
为格点
Figure 404552DEST_PATH_IMAGE003
所包含的灾害损失量。
对于每一个全球气候模式都按下述式子计算气候变化情景下滑坡灾害的影响灾害损失量，计算得到不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失量，所述不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失量的计算公式如下：
Figure 640361DEST_PATH_IMAGE008
其中，
Figure 228206DEST_PATH_IMAGE009
是气候变化情景下未来时期每个格点滑坡灾害的影响灾害损失量，
Figure 399424DEST_PATH_IMAGE003
为每一个格点下标，
Figure 433239DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 459358DEST_PATH_IMAGE010
表示格点
Figure 652441DEST_PATH_IMAGE003
是否位于未来时期滑坡影响范围内，若格点
Figure 869927DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 515672DEST_PATH_IMAGE010
取值为1，否则，
Figure 76972DEST_PATH_IMAGE010
取值为0，
Figure 390142DEST_PATH_IMAGE011
为格点
Figure 512950DEST_PATH_IMAGE003
未来时期预估发生滑坡灾害的频次，
Figure 645991DEST_PATH_IMAGE012
为格点
Figure 902660DEST_PATH_IMAGE003
未来时期所包含的灾害损失量。
对比乌蒙山区历史时期和情景中得到各模式气候变化下滑坡灾害影响灾害损失的变化，结合气候模式集合方法计算多个气候模式的集合结果，完成气候变化下滑坡影响灾害损失的评估。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明实施例揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (8)

1.一种评估气候变化下降水诱发滑坡灾害损失的评估方法，其特征在于，其步骤如下：
步骤一、以区域上各格点的地表特征为预测变量，以区域内的观测站点降水序列数据作为因变量，基于样条函数方法，将粗分辨率的所述区域上各格点观测降水资料插值生成高精度的降水序列空间分布数据；
步骤二、将所述高精度的降水序列空间分布数据与所述预测变量输入到基于物理过程的分布式滑坡稳定性模型中，通过模拟区域范围内各空间格上安全系数达到失稳阈值时候所对应各空间格点的降水量阈值来模拟滑坡灾害危险性区域和影响范围，获得区域各格点不同地表特征导致的不同的诱发滑坡的降水阈值；
步骤三、将所述诱发滑坡的空间分布降水阈值与历史滑坡数据进行对比分析，计算每次诱发历史滑坡的临界降水阈值，并计算历史滑坡数据中诱发各滑坡事件降水阈值的误报率，再通过试错法得到误报率最小的结果，优化导致区域内各空间格点上诱发滑坡发生的降水阈值条件；
步骤四、选取全球24个目前有四种气候变化情景的气候模式及其气候格点数据，所述气候格点数据包括历史格点数据和未来格点数据，将所述历史格点数据按步骤一中的方法处理成高精度的历史降水序列空间分布数据，将所述未来格点数据按步骤一中的方法处理成高精度的未来降水序列空间分布数据；
步骤五、所述历史降水序列空间分布数据与历史地表特征作为条件输入到所述分布式滑坡稳定性模型中，得到不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值；
步骤六、对比步骤五中得到的所述不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值和步骤三中通过观测降水资料得到的所述导致区域内各空间格点上诱发滑坡发生的降水阈值，形成气候模式历史格点降水阈值；
步骤七、基于步骤六中所述气候模式历史格点降水阈值，结合所述基于物理过程的分布式滑坡稳定性模型，模拟得到历史时期滑坡灾害的危险性区域及可能的冲出和影响区域；同时，对比所述不同历史气候模型在各空间格点上诱发滑坡发生的降水阈值，计算得到历史时期各模式在各格点滑坡发生的频次；再统计影响范围内的灾害损失格点数据，结合所述历史时期各模式在各格点滑坡发生的频次，计算得到历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失数量，所述历史时期不同气候模型在各空间格点上滑坡灾害的影响灾害损失数量的计算公式如下：
Figure 685580DEST_PATH_IMAGE001
其中，
Figure 109608DEST_PATH_IMAGE002
是气候变化情景下历史时期每个格点滑坡灾害的影响灾害损失数量，
Figure 899841DEST_PATH_IMAGE003
为每一个格点下标，
Figure 358504DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 700623DEST_PATH_IMAGE005
表示格点
Figure 332986DEST_PATH_IMAGE003
是否位于滑坡影响范围内，若格点
Figure 176178DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 505659DEST_PATH_IMAGE005
取值为1，否则，
Figure 877734DEST_PATH_IMAGE006
取值为0，
Figure 886142DEST_PATH_IMAGE007
为格点
Figure 782291DEST_PATH_IMAGE003
预估发生滑坡灾害的频次，
Figure 684388DEST_PATH_IMAGE008
为格点
Figure 243677DEST_PATH_IMAGE003
所包含的灾害损失数量；
步骤八、选取未来情景下的模拟的承灾体的空间分布，基于步骤六中所述气候模式历史格点降水阈值，按步骤七中的过程，计算得到不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失数量，所述不同气候模型未来时期在各空间格点上滑坡灾害的影响灾害损失数量的计算公式如下：
Figure 4959DEST_PATH_IMAGE009
其中，
Figure 924374DEST_PATH_IMAGE010
是气候变化情景下未来时期每个格点滑坡灾害的影响灾害损失数量，
Figure 458473DEST_PATH_IMAGE003
为每一个格点下标，
Figure 437931DEST_PATH_IMAGE004
为研究区域内所有格点总数，
Figure 420930DEST_PATH_IMAGE011
表示格点
Figure 160347DEST_PATH_IMAGE003
是否位于未来时期滑坡影响范围内，若格点
Figure 302616DEST_PATH_IMAGE003
是位于滑坡影响范围内，则
Figure 436663DEST_PATH_IMAGE011
取值为1，否则，
Figure 906958DEST_PATH_IMAGE011
取值为0，
Figure 433754DEST_PATH_IMAGE012
为格点
Figure 181262DEST_PATH_IMAGE003
未来时期预估发生滑坡灾害的频次，
Figure 502522DEST_PATH_IMAGE013
为格点
Figure 460113DEST_PATH_IMAGE003
未来时期所包含的灾害损失数量；
步骤九、评估气候变化下滑坡影响灾害损失的变化，采用多气候模式集合方法计算24个气候模式的集合结果，所述多气候模式集合的计算公式如下：
Figure 42798DEST_PATH_IMAGE014
其中，
Figure 894079DEST_PATH_IMAGE015
是多气候模式的集合计算结果，
Figure 527186DEST_PATH_IMAGE016
为每一个模式的下标，
Figure 847440DEST_PATH_IMAGE017
为气候模式总个数，赋值
Figure 496465DEST_PATH_IMAGE017
=24，
Figure 202253DEST_PATH_IMAGE018
是第
Figure 147206DEST_PATH_IMAGE019
个气候模式的权重，
Figure 672865DEST_PATH_IMAGE020
为第
Figure 220521DEST_PATH_IMAGE019
个气候模式的结果。
2.根据权利要求1所述的评估方法，其特征在于，步骤一中，所述地表特征包括地形、地表覆盖、地质和土壤特征。
3.根据权利要求2所述的评估方法，其特征在于，步骤一中，所述样条函数方法是基于薄盘样条理论和气候数据曲面拟合理论形成，采用python编程语言调用ANUSPLIN软件实现。
4.根据权利要求3所述的评估方法，其特征在于，步骤二中，所述分布式滑坡稳定性模型是基于无线斜坡的极限平衡方法，模拟降水下渗过程建立滑坡安全系数和降水量之间的关系。
5.根据权利要求4所述的评估方法，其特征在于，步骤三中，所述误报率的公式如下：
误报率 = 正确预测滑坡发生次数 / 总的历史滑坡发生次数。
6.根据权利要求5所述的评估方法，其特征在于，步骤三中，还包括验证得到空间分布降水阈值的效果。
7.根据权利要求6所述的评估方法，其特征在于，步骤四中，所述四种气候变化情景分别为SSP1-2.6、SSP2-4.5、SSP3-7.0和SSP5-8.5，其各路径下预估有灾害损失格点数据。
8.根据权利要求7所述的评估方法，其特征在于，步骤九中，所述多气候模式集合方法中各气候模式集合结果的权重
Figure 292733DEST_PATH_IMAGE021
通过如下公式计算：
Figure 126696DEST_PATH_IMAGE022
其中，
Figure 155963DEST_PATH_IMAGE023
是气候模式与观测格点数据的相关性，权重α取值为1~50间的整数，所述气候模式与观测格点数据的相关性越高的模式，其所述权重α取值越大。
CN202210414169.6A 2022-04-20 2022-04-20 一种评估气候变化下降水诱发滑坡灾害损失的评估方法 Active CN114510851B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210414169.6A CN114510851B (zh) 2022-04-20 2022-04-20 一种评估气候变化下降水诱发滑坡灾害损失的评估方法
US18/122,924 US11796695B1 (en) 2022-04-20 2023-03-17 Evaluation method for evaluating precipitation-induced landslide disaster loss under climate change

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210414169.6A CN114510851B (zh) 2022-04-20 2022-04-20 一种评估气候变化下降水诱发滑坡灾害损失的评估方法

Publications (2)

Publication Number Publication Date
CN114510851A true CN114510851A (zh) 2022-05-17
CN114510851B CN114510851B (zh) 2022-06-17

Family

ID=81555050

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210414169.6A Active CN114510851B (zh) 2022-04-20 2022-04-20 一种评估气候变化下降水诱发滑坡灾害损失的评估方法

Country Status (2)

Country Link
US (1) US11796695B1 (zh)
CN (1) CN114510851B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116307270A (zh) * 2023-05-16 2023-06-23 南京信息工程大学 一种评估暴雨诱发滑坡链式灾害影响伤亡的方法和系统
CN117633139A (zh) * 2024-01-23 2024-03-01 云南省气象台 基于气象数据的滑坡预测方法、装置、设备及存储介质

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117314175B (zh) * 2023-11-28 2024-02-23 合肥优尔电子科技有限公司 一种基于恶劣天气下的电网系统地质风险监测评估方法
CN117435891B (zh) * 2023-12-20 2024-02-27 成都嘉新科技集团有限公司 一种土质边坡的稳定性模拟评估方法及系统
CN118072106B (zh) * 2024-04-02 2024-09-13 武汉工程大学 一种滑坡隐患识别及易发性评价方法
CN118013159B (zh) * 2024-04-09 2024-07-02 中国科学院武汉岩土力学研究所 一种基于监测数据计算矿区地表曲率的方法及系统
CN118297776B (zh) * 2024-04-15 2024-09-20 长江大学武汉校区 一种考虑库岸滑坡失效概率的涌浪链生灾害评价方法
CN118410194B (zh) * 2024-07-03 2024-09-06 湖南科技大学 滑坡灾害多尺度时空研判方法、系统、设备及存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107092653A (zh) * 2017-03-15 2017-08-25 西安工程大学 一种基于模糊聚类分析法的滑坡临界雨量阈值确定方法
US20180045853A1 (en) * 2016-08-15 2018-02-15 U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration Landslide hazard assessment system and method
WO2018092031A1 (en) * 2016-11-16 2018-05-24 Artys S.R.L. System and method for the environmental monitoring of precipitation events

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20190163847A1 (en) * 2017-11-24 2019-05-30 Electronics And Telecommunications Research Institute Method, apparatus, and system for predicting spread of disaster using scenario
JP7052429B2 (ja) * 2018-03-05 2022-04-12 富士通株式会社 算出プログラム、算出方法、算出装置、及び表示プログラム
JP7284049B2 (ja) * 2019-09-13 2023-05-30 トヨタ自動車株式会社 冠水検知装置、冠水検知システム、及び冠水検知プログラム
US11610466B2 (en) * 2021-08-16 2023-03-21 Amrita Vishwa Vidyapeetham Multilevel rapid warning system for landslide detection
US20230152487A1 (en) * 2021-11-18 2023-05-18 Gopal Erinjippurath Climate Scenario Analysis And Risk Exposure Assessments At High Resolution

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180045853A1 (en) * 2016-08-15 2018-02-15 U.S.A. As Represented By The Administrator Of The National Aeronautics And Space Administration Landslide hazard assessment system and method
WO2018092031A1 (en) * 2016-11-16 2018-05-24 Artys S.R.L. System and method for the environmental monitoring of precipitation events
CN107092653A (zh) * 2017-03-15 2017-08-25 西安工程大学 一种基于模糊聚类分析法的滑坡临界雨量阈值确定方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
张正涛 等: "不同重现期下淮河流域暴雨洪涝灾害风险评价", 《地理研究》 *
王春乙等: "农业气象灾害风险评估研究进展与展望", 《气象学报》 *
王霞 等: "气候变化背景下中国滑坡灾害人口风险评估", 《气候变化研究进展》 *
秦鹏程等: "有效降水指数在暴雨洪涝监测和评估中的应用", 《中国农业气象》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116307270A (zh) * 2023-05-16 2023-06-23 南京信息工程大学 一种评估暴雨诱发滑坡链式灾害影响伤亡的方法和系统
CN116307270B (zh) * 2023-05-16 2023-08-22 南京信息工程大学 一种评估暴雨诱发滑坡链式灾害影响伤亡的方法和系统
CN117633139A (zh) * 2024-01-23 2024-03-01 云南省气象台 基于气象数据的滑坡预测方法、装置、设备及存储介质
CN117633139B (zh) * 2024-01-23 2024-03-22 云南省气象台 基于气象数据的滑坡预测方法、装置、设备及存储介质

Also Published As

Publication number Publication date
US11796695B1 (en) 2023-10-24
CN114510851B (zh) 2022-06-17
US20230341573A1 (en) 2023-10-26

Similar Documents

Publication Publication Date Title
CN114510851B (zh) 一种评估气候变化下降水诱发滑坡灾害损失的评估方法
Skilodimou et al. Multi-hazard assessment modeling via multi-criteria analysis and GIS: a case study
Jena et al. Integrated ANN-cross-validation and AHP-TOPSIS model to improve earthquake risk assessment
Bourenane et al. GIS-based landslide susceptibility zonation using bivariate statistical and expert approaches in the city of Constantine (Northeast Algeria)
Blahut et al. Analysis of landslide inventories for accurate prediction of debris-flow source areas
Vega et al. Quantitative risk assessment of landslides triggered by earthquakes and rainfall based on direct costs of urban buildings
CN111582597B (zh) 一种输电线路滑坡危险性预测方法及其设备
KR100982448B1 (ko) 지공간 상관관계 통합기법을 이용한 지반침하 발생 예측시스템 및 이를 이용한 지반침하 발생 예측방법
CN113283802A (zh) 一种复杂艰险山区滑坡危险性评估方法
CN113409550B (zh) 基于径流汇流模拟的泥石流灾害预警方法及系统
Talaei Landslide susceptibility zonation mapping using logistic regression and its validation in Hashtchin Region, northwest of Iran
CN111709609A (zh) 一种地质灾害易发性评价方法
CN113554345B (zh) 地震滑坡灾害区域及灾害链风险评估方法
Qin et al. Mapping debris flow susceptibility based on watershed unit and grid cell unit: a comparison study
Demir Landslide susceptibility mapping by using statistical analysis in the North Anatolian Fault Zone (NAFZ) on the northern part of Suşehri Town, Turkey
Biswal et al. Incorporating channel network information in hydrologic response modelling: Development of a model and inter-model comparison
Wei et al. Quantitative multi-hazard risk assessment to buildings in the Jiuzhaigou valley, a world natural heritage site in Western China
Huang An effective alternative for predicting coastal floodplain inundation by considering rainfall, storm surge, and downstream topographic characteristics
Arefin et al. GIS and remotely sensed data-based morphometric elements analysis for determination of Bengal Basin evolution
Regmi et al. Assessment of landslide susceptibility using GIS-based evidential belief function in Patu Khola watershed, Dang, Nepal
Fekadu et al. Integration of remote sensing and hydraulic models to identify flood prone areas in Woybo river catchment, South western Ethiopia
Farhadi et al. Flood Risk Mapping by Remote Sensing Data and Random Forest Technique. Water 2021, 13, 3115
Nkeki et al. Is the existing methods sustainable? A hybrid approach to flood risk mapping
CN114298396A (zh) 文化遗产线路的智能规划方法及装置
Favalli et al. Dispersion index of topographic surfaces

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20220517

Assignee: NANJING HETU GEOGRAPHIC INFORMATION ENGINEERING CO.,LTD.

Assignor: Nanjing University of Information Science and Technology

Contract record no.: X2022980023750

Denomination of invention: An evaluation method of rainfall induced landslide loss under climate change

Granted publication date: 20220617

License type: Common License

Record date: 20221202

Application publication date: 20220517

Assignee: Nanjing Blueprint Data Analysis Co.,Ltd.

Assignor: Nanjing University of Information Science and Technology

Contract record no.: X2022980023772

Denomination of invention: An evaluation method of rainfall induced landslide loss under climate change

Granted publication date: 20220617

License type: Common License

Record date: 20221202

EE01 Entry into force of recordation of patent licensing contract