论文部分内容阅读
我国属于降雨型滑坡地质灾害多发的国家之一,对降雨型滑坡进行准确的预警预报是十分重要的。开展降雨型滑坡预警预报研究,可以为全国的滑坡地质灾害气象预警预报工作提供科技支撑,具有十分重要的实际意义。本文在分析我国降雨型滑坡的时空分布特征的基础上,改进了区域降雨型滑坡的危险性评价模型,确定了激发降雨型滑坡的降雨阈值,初步建立了基于气象数值预报模式GRAPES (Global/Regional Assimilation and PrEdiction System)和降雨型滑坡预报模式TRIGRS (Transient Rainfall Infiltration and Grid-based Regional Slope-Stability Model)的降雨型滑坡数值预报模式GRAPES-LFM (GRAPES:Global/Regional Assimilation and PrEdiction System; LFM:Landslide Forecast Model).主要的研究内容、方法和结论如下：(1)每年的5月至9月为我国滑坡的高发期,占全年滑坡总数的90%以上。从空间分布上看,我国的滑坡灾害具有明显的分布不均匀性,存在明显的区域性差异,特别是四川和重庆等地,由于多山、多雨,滑坡灾害发生频繁。以2013年7月强降水在四川诱发的大量灾害为例进行研究,结果显示强降水的时空分布与滑坡灾害的时空分布具有较好的一致性。(2)利用SHALSTAB (SHAllow Landslide STABility model)模型计算激发滑坡的降雨阈值,并结合GRAPES的预报定量降水预测滑坡的发生区域。以2013年台风西马仑在闽南地区引发的大量滑坡灾害为例,进行预报试验。假设土壤处于饱和状态,计算激发滑坡的降雨阈值。结果表明,降雨阈值较滑坡发生时的观测降雨量偏小,预报的滑坡区域较实际滑坡发生区域偏大。(3)为了进一步提高降雨型滑坡的预报准确率,利用数值天气预报模式GRAPES的定量降水数据驱动滑坡预测模型TRIGRS,建立了滑坡的可实时预报模式GRAPES-LFM。初步的预报试验结果表明本文建立的GRAPES-LFM模式所预测的滑坡频发区与观测区域有很好的吻合度。(4)为了减少单一预报的不确定性,进一步研究建立了GRAPES-En-LFM降雨性滑坡集合预报模式。首先利用Monte Carlo方法,根据凝聚力和内摩擦角的分布特征,进行参数扰动,减少非均匀分布的参数的不确定性。同时采用集合预报的方法进行降水预报,减少单一预报引起的降水落区和强度的不确定性。GRAPES-En-LFM集合预报模式的建立使得滑坡的预报方法由确定性预报,改进为概率预报。初步研究结果表明,本文建立的GRAPES-En-LFM滑坡集合预报模式所预测的滑坡频发区与目前的滑坡业务预报结果相比有明显改进,落区更精细化。(5)本文在考虑岩土参数具有空间分布不均的基础上,提出了降雨型滑坡危险性评价的可能性模型——Monte Carlo-SHALSTAB模型和Monte Carlo-TRIGRS模型。在福建省德化县初步应用的结果表明,利用本文提出的降雨型滑坡危险性评价的可能性模型进行滑坡危险性评价的结果更为精细。这一结果表明利用GRAPES-LFM模式产品,结合Monte Carlo-SHALSTAB模型可开展更精细化的区域性滑坡危险性评价。