遵义地区降水型滑坡和泥石流前兆强信号研究

李丽丽，廖留峰，陈百炼，杨富燕，陈 芳

(1.贵州省山地环境气候研究所,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.贵州省生态气象和卫星遥感中心,贵州 贵阳 550002)

0 引言

滑坡、泥石流是我国汛期多发的地质灾害，每年都给人民生命财产造成巨大损失。滑坡泥石流发生在特定的地质环境条件下，一般都是由强降水所触发或导致的。滑坡、泥石流灾害发生的机制研究涉及到气象、水文、地质、生态等多个学科，因不同地区灾害的影响因素复杂多变[1-4]，目前尚没有比较通用的预报指标。气象上对滑坡泥石流灾害的预警预报方法的研究主要是从前期降水与灾害发生关系出发，分析灾害发生前期的降水时空分布特征，结合地质环境条件找出诱发滑坡泥石流的降水量及降水强度阈值并建立判别函数，从而对灾害发生的可能性进行判断或概率预报[5-8]。

贵州省的喀斯特地形地貌发育强烈，山高谷深、地形破碎，遵义市位于云贵高原东北部，地势自西北向东南逐渐降低，山地面积占总面积的65%，以溶蚀和岩溶地貌分布最广，占全区域的75%以上。在喀斯特地形地貌条件下，局地强降水产生的巨大冲刷力和地表径流量造成地质条件脆弱和土层较松软的地区泥石流灾害频发，每年汛期暴雨引发的泥石流灾害较为突出。由于水文地质资料的缺乏，以往的研究主要局限于对灾害发生前期降水过程特征的分析，而几乎没有考虑土壤湿度变化过程中所携带的信息。当土壤含水量增加时，一方面会减小土层内部粘连性，破坏土层内部结构的稳定状态；另一方面会增加土层的重量，使土层的动力稳定性降低，而表面径流的不均衡分布也会破坏局部的质量平衡，从而使局部地区土体失稳造成滑坡泥石流灾害，因此滑坡泥石流灾害的发生与前期降水对地表土层的侵蚀程度和土壤湿度状况有密切关系。有研究表明，土壤湿度短期异常通过与大气的相互作用会导致区域短期气候温度和降水变化[9-12]，这样的气候异常能够持续1—2月，并通过波列的形式传播到下游地区[13]。由于土壤湿度的变化能够综合反应地表水文过程中的大量信息，结合滑坡泥石流发生前期降水过程特征分析，可以尝试从中提取泥石流发生的前兆强信号指标。

长期以来可利用的土壤湿度观测资料较少，土壤湿度资料大多是通过遥感反演或常规资料计算得到[14-17]，贵州地区由于全年相对云量较多、云层较厚，且下垫面复杂，反演产品难以满足应用研究的需要。随着我国气象现代化的步伐推进，贵州省自2010年陆续建立了118个土壤湿度自动观测站，已获取了大量连续的自动观测资料，使资料可用性大幅提高。本次研究综合利用土壤湿度自动观测站资料和同期的降水资料，以贵州遵义地区近年来发生的滑坡泥石流灾害为例，分析建立灾害前兆强信号指标模型，为降水引起的地质灾害预报预警工作探索一条新思路。

1 资料和方法

首先选取贵州省内68个土壤湿度站点，2011—2015年期间的土壤水分站点资料，10～100 cm深度共8层的土壤湿度资料与同期逐时次区域自动站观测的降水资料做分析，分析降水过程前期土壤湿度和降水量的相关关系，土壤湿度站点和区域站点多为同一地点，如果有不同则选取就近5 km内的区域站参考。

由于持续型降水和短时强降水造成的滑坡和泥石流灾害的物理过程区别较大，持续型降水的侵蚀作用占主要贡献，短时强降水的冲刷作用占主要贡献，因此在确定前兆信号指标参数时需要分型考虑。分型的依据是：统计距离滑坡泥石流灾害点最近的自动站观测资料，在灾害发生前14 d内有至少一次中到大雨降水过程的情况为集中型，若仅有小于中雨级别降水过程的情况为分散型。并以此为标准，将灾害个例分为集中型和分散型两种情况，分别考虑引入土壤湿度的深度层和降水量累积日数等参数。

本文中涉及到的两个特殊的统计量：有效降水量和土壤含水量增量。若降水发生前k天的降水量为Rk，则降水日t天内的有效降水量为F(t)：

k为衰减系数，提前于灾害当日越早的降水日对应的衰减系数越大，对有效降水量的贡献越小。土壤含水量增量是指对应的观测深度的土壤体积含水量7 d内逐时距平值的正距平累计量。

在提取滑坡泥石流的前兆性强信号指标的研究过程中，是以遵义地区选取的个例为研究对象。遵义地区共有17个土壤自动观测站点，其中12个站点可用资料最早从2010年5月1日开始，5个站点为中国华云气象科技集团公司生产的自动土壤水分观测仪，可用资料最早从2012年5月1日开始。通过对贵州省遵义市2010—2014年期间发生的滑坡泥石流灾害调查报告做筛选，提取其中灾害发生前14 d内有中到大雨过程的灾害共28例，其中包括50处灾害点。

2 不同深度层的土壤湿度与降水量的相关分析

降水过程引起地面土壤湿度增加是不言而喻的，但是不同深度的土壤湿度与降水量的相关关系并不是简单的线性关系，一次降水过程产生的降水量能够持续影响土壤湿度变化的时间有多久？土壤湿度的变化量与前期不同的累计时间段降水的相关性如何？这都是利用土壤湿度和降水量建立降水型滑坡泥石流前兆强信号指标的依据。

为探究这个问题，研究特选取贵州省内共68个土壤湿度站点，以最近的降水观测站点与之对应，计算相关系数，剔除无降水时段的土壤湿度与降水序列的相关性随着土层的深度由浅入深，通过显著性检验的站数所占比例线性变少，10 cm层有超过80%的站点显著正相关，30 cm深度也有超过60%的站点通过了99%的置信度检验。为了找出不同时间长度的前期降水累积量与土壤湿度相关性最好的累积天数，统计全省68站从短期到中期不同累积时间段(1～15 d)的前期降水量与土壤湿度的相关系数，其中至少通过99%置信度检验的站点比例，如图1b所示。10～50 cm在1～4 d的累积前期降水与土壤的相关系数通过检验的百分数随累积的时间变长而快速升高，4～6 d以后一直到15 d逐渐达到稳定，随着累积的天数增长百分比变化不大。综上，在引入指标时应该主要考虑表层10～20 cm的土壤湿度的变量，降水量的累积时段关注4～6 d左右的变化情况对降水型灾害的指示意义。

图1 各层土壤湿度与剔除无降水时段后的降水量的序列相关性(a)和不同层次土壤湿度与不同累积天数前期降水的相关情况(b)Fig.1 The correlation between each layer soil moisture and precipitation during the rainfall period(a);the correlation between each layer soil moisture and the precipitation with different accumulated days(b)

3 两种降水型滑坡泥石流的土壤湿度分布特征

由于持续型降水的侵蚀作用占主要贡献，短时强降水的冲刷作用占主要贡献，因此在基于灾害个例做讨论确定前兆信号指标参数时需要分型考虑。通过对贵州省遵义地区2010—2014年期间发生的滑坡泥石流灾害调查报告做筛选，提取其中灾害发生前14 d内有中到大雨过程的灾害共28例，其中包括50处灾害点。根据 28例滑坡泥石流的降水型分类，集中型共有11例，80%以上的降水量都集中在灾害发生当日至提前2 d的3 d内；分散型共有12例，80%以上的降水量都相对均匀的分布在灾害发生当日至提前6 d的7 d内，其余5个个例的降水量分布不具有典型性。将两种类型的降水分别统计得到平均的分布型作为说明此种类型特点的典型特征曲线，如图2：集中型的12个个例从灾害发生当日至提前6 d累积的总降水量平均为175.0 mm，且降水量主要集中在灾害发生当日和前两日，分散型对应的值为62.5 mm，较为均匀的分布在灾害发生当日和之前的6 d内，说明集中型多为强降水过程，分散型多为持续多日的小到中雨降水过程，接下来需要分别讨论两类降水型土壤湿度增量的垂直结构。

图2 两类降水型个例灾害发生前逐日降水分布的平均状态Fig.2 The average of each former daily precipitation in two landslide-debris flows types classified according to precipitation

3.1 不同降水类型条件下土壤湿度增量的垂直结构特征

由于土壤湿度的变化过程较为缓慢，为了集中体现研究时段内的土壤湿度在不同降水类型条件下的垂直结构特征，特定义统计量—土壤含水量增量，即对应观测深度的土壤体积含水量7 d内逐时距平值的正距平累计。集中型降水和分散型降水个例的土壤湿度增量在垂直结构上均呈现指数型的分布，如图3。10～20 cm深度的土壤湿度状况的异常增大在滑坡灾害中体现的最为明显，集中型降水个例分布的这一点特征较分散型降水个例分布更为明显。通过已有的研究表明，贵州主要是喀斯特地貌，溶蚀和岩溶地貌分布广泛，土层较薄，保水蓄水能力差，水分向下渗透流失速度快，因此前兆信号指标在引入土壤湿度变量时主要考虑浅层的变化。

图3 两种降水类型灾害土壤湿度增量的垂直分布特征(单位：g/cm3)Fig.3 The vertical distribution characteristics of soil moisture increment of two landslide-debris flows types classified according to precipitation(unit: g/cm3)

3.2 不同降水类型条件下土壤湿度的水平分布特征

如图4，从灾害点和河流位置叠加图上来看，灾害集中的易发区大致有6个(分别编号A～F)，大多分布在河流附近地区。A区为习水县境内的习水河流域及习水县东部地区；B区主要为正安县境内的清溪河流域；C区为桐梓县境内的桐梓河流域；D区为湄潭县城范围的湄江流域；E区为余庆县和凤冈县境内的乌江流域；F区为赤水县和习水县境内的赤水河流域。其中A、B、C、D区的易发区内都有土壤站点分布，E、F区土壤站点与易发区的灾害点位置稍远，由于土壤水分站资料存在代表性问题，因此选取4个发生灾害点位置位于土壤站点附近的滑坡泥石流个例。

图4 28例滑坡泥石流灾害点位置(棕色圆圈)和频发区(红色虚线)Fig.4 Distribution of the hazard points of 28 landslide-debris flows cases(brown circles) and disaster frequent regions(red dotted lines)

根据4次个例7 d内有效降水量和10 cm层土壤体积含水量增量的空间分布对比如图5可见，降水型滑坡灾害发生的位置基本上都位于有效降水量较大的范围内，附近土壤站的增量也为正值且为区域内的高值中心，因此有效降水量和10 cm层土壤体积含水量增量能够作为灾害前兆指标的构成因子。

表1 4次灾害个例基本情况Tab.1 Base situation of four disaster cases

图5 4次个例中7 d内有效降水量和10cm土壤体积含水量增量的空间分布(红色三角为降水型滑坡灾害发生的位置，a个例1，b个例2，c个例3，d个例4，单位：mm)Fig.5 The distribution of precipitation accumulated seven days and the increment of 10cm soil volumetric moisture content in four cases(hazard points are marked by red triangles，a is the case1,b is the case2,c is the case3,d is the case4)

4 前兆“强信号”指标模型

4.1 构建模型

土壤体积含水量是一个反映土壤湿度特性的物理量，蒸发和渗透作用的强度变化是导致土壤湿度改变的主要因素，在没有降水的时段，土壤体积含水量受蒸发量、太阳辐射和风速等多种因素的影响变化，为了更好的反映土壤变化的异常增长，需要对资料做质量控制，尽可能减少仪器系统误差和维护造成的奇异变率。研究所考虑的是降水引起的滑坡灾害，由以上的研究结论可知，降水型滑坡泥石流灾害的降水类型主要分为集中型和分散型两种。

将集中型和分散型个例的土壤体积含水量增量(10～20 cm层)和有效降水量在灾害发生前10 d和发生后5 d，共16 d的平均量绘图，集中型的个例以发生之日至提前6 d内的有效降水量和土壤体积含水量增量作为统计样本，分散型的个例以发生之日至提前2 d作为统计样本。

图6 灾害发生前后的有效降水量和土壤湿度增量的变化情况(a.集中型降水个例，b.分散型降水个例)Fig.6 The variation of effective precipitation and the increment of soil moisture before and after the disaster(a. concentration rain type;b. persistent rain type)

如图6，集中型灾害个例发生时段有效降水量和土壤体积含水量增量处于高值时段，3 d有效降水量达到150 mm，土壤体积含水量的增量平均达到3 g/cm3以上；分散型个例的平均特点为：7 d有效降水量在灾害发生前7 d左右累积迅速，到发生前3 d左右达到高值并维持3～4 d，直至灾害发生后才降低，土壤体积含水量7 d内增量随着有效降水量的累积而累积，在灾害发生前一直维持正值。两个量对于降水型滑坡泥石流灾害具有一定的指示意义，可作为构建预警指标的要素。

因此在建立预警指标时也分为两种情况，F1为分散型指标，F2为集中型指标：

(R(t-k)×0.8k)/b2

(R(t-k)×0.8k)/b2

SWt为t日10～20 cm土壤体积含水量，单位为g/cm3；Rt为t日降水量，单位为mm。公式由两部分组成，第1部分为土壤体积含水量的变量，第2部分为有效降水量,由于两个指数的量级相差较大，因此引入权重系数a1、a2将两个部分结合起来，b1和b2的单位分别为cm3/g和1 cm，作用是将F1和F2转化为无量纲量。

每个站点的权重系数应根据具体情况体现差异性，取值影响因素包括降水类型、土壤类型、田间持水量以及海拔高度等因素。在降水类型的因素上，分散型降水的模型中土壤湿度权重应加大，集中型降水的模型中降水冲刷力的贡献率更高；土壤类型方面，砂土的透水性最好，保水性最差，壤土的渗水性和保水能力处于中间程度，黏土的渗水速度慢，保水性好，因此3种土壤类型对权重系数的影响应依次为(负—中性—正)；田间持水量越高说明土壤保水能力越好，因此权重系数应为考虑多个因素的经验系数。

表2 4个个例权重系数的影响因素列表Tab.2 The influencing factors list of weight coefficient in the four typical cases

4.2 模型检验

为了检验指标的可用性，计算得到4个个例对应的F指标的时间变化，如图7，其中个例1和个例3的降水类型为集中型，个例2和个例4的降水类型为分散型，F指标在灾害发生期均为峰值时段，检验效果较好。

图7 4个个例发生灾害前后15 d内的强信号指标变化Fig.7 The variation of previous stronger signal during the 15 days before and after the disasters in the four typical cases

在23个典型个例的检验中，集中型降水的11个个例中只有一个个例的F指标不在最大值时内，但在最大值之后的极值点上，分散型降水型滑坡泥石流个例则呈现两种特点，一种为灾害时段出现在F指标在最大值附近，一种为灾害时段出现在F指标最大值之后回落的时段，体现出土壤渗透作用的滞后性特征。由于权重系数影响因素复杂，因此在这方面还需要深入的研究。

5 结论

通过对土壤湿度和降水资料的综合分析，考虑到降水型滑坡泥石流发生的基本原理和大量的统计特征，建立了能够反映土壤湿度状况和降水中短期特征的前兆强信号模型。得出如下结论：站点土壤湿度与降水的相关性体现在集中降水的同步对应关系和持续性降水的滞后相关关系上；土壤湿度与前期降水的关系随前期降水日数累积正相关性增加，在4～5 d左右达到稳定；降水引起的滑坡泥石流灾害需要分类型讨论，集中型降水考虑发生灾害当日至前2 d的有效降水和土壤湿度增量的变化，分散型降水需考虑发生灾害当日至前6 d的时段内两要素的变化，且权重系数a具有明显地区差异。

本次研究的结果仅为对遵义地区2010—2015年降水引起的滑坡泥石流灾害基础上做的前兆信号指标模型的研究，权重系数也需要根据研究地区的具体情况不断的做修正，因此前兆强信号的代表性和准确性还需不断的验证和调整。