您现在所在位置:主页 > 新闻中心 > 行业动态 >

行业动态

全国首次自然灾害风险普查启动防灾势在必行

发布日期:2020-08-24 08:27浏览次数:

自然灾害综合风险普查,你听说过吗?

近日,国务院办公厅下发通知,定于2020年——2022年开展第一次全国自然灾害综合风险普查工作。通过普查摸清全国自然灾害风险隐患底数,为国家和地方各级政府应急管理和经济社会发展提供科学的决策依据。

01

俗话说,知己知彼,方可百战百胜。只有全面了解各种风险发生的可能性,才能做好及时应对和有效处置。

纵观人类历史,频发的地质灾害对人类生存带来极大的危害。据国际突发灾害数据库网站(EM-DAT)对全球地质灾害数据的不完全统计,2007~2018年期间,世界范围内因滑坡地质灾害造成的人员死亡多达7554人,仅美洲和亚洲地区的经济损失高达10亿美元。

广义地质灾害类型(绿圈)与狭义地质灾害类型(蓝圈)关系

我国作为世界上地质灾害最严重的国家之一,平均每年发生地质灾害事件总数为16768起,其中滑坡灾害事件平均占比66%,崩塌事件平均占比22%,泥石流地质灾害平均占比6%。十年间地质灾害事件共造成5912人死亡,直接经济损失达444.7亿元。

(数据来源于国土资源部(现自然资源部)发布的2007~2016年全国(不包含香港、澳门特别行政区和台湾省)地质灾害通报年报)

针对如此严峻的地质灾害形势,国家层面上的防灾减灾战略主要以监测预警和工程防治为主,并实行建设用地地质灾害危险性评估制度。近年来,随着科学防灾理念的建立以及科技防灾手段的应用,我国防灾减灾水平逐步提升,但准确判断“隐患在哪里”以及预测“隐患什么时候发生”仍是业界难题。

开篇提到的全国启动自然灾害风险普查就是要回答“隐患在哪里”的问题,在此基础上,融合多方面的数据,通过区域地质灾害风险预测技术做综合分析,就是在回答“隐患什么时候发生”的问题。

02

以滑坡灾害为例,区域性滑坡地质灾害风险预测基于两个假设:

假设1,过去发生过滑坡的地区,在内外因诱发下,将来发生滑坡的风险也会较高;

假设2,与过去发生过滑坡的地区具有相似地质环境条件的区域,在内外因诱发下,将来发生滑坡的风险也会较高。

早期国内外学者通过对已发生滑坡的调查,发现滑坡灾害在降雨量与降雨强度这两个参数中存在一个阈值,即当一次降雨过程的降雨量或降雨强度达到或超过此阈值时即产生滑坡灾害。主流的经验性降雨阈值模型有以下三种:

经验性降雨阈值模型

公式中:I为降雨事件的降雨强度,单位为mm/h;E为累计的降雨量,单位为mm;D为诱发降雨事件的降雨历时,单位为h;α、β为统计系数;c为常数,且C≥0.

基于不同降雨相关因子(降雨强度,累计降雨量,前期降雨指数等),根据统计方法对经验公式进行拟合,代入相应降雨模型进行拟合,然后基于不同等级的阈值将滑坡发生的可能性由低到高分为蓝、黄、橙、红四个等级。但是,由于没有考虑到地质构造、地形地貌等静态因子,很容易产生误报漏报的情况,因为并不是降雨最大最久的地方就一定会发生滑坡。而且,在不同的天气情况下需要人工对模型进行参数调整。

其后,也有不少模型开始加入与地质环境相关的因子,来探讨基础地质环境与滑坡之间的相关性。采用的模型有层次分析法、网络分析法、专家打分法与模糊数学,通过确定各指标数据层的权重,再将各数据层进行空间叠加,得到最终的滑坡易发性评价图。但这些模型都相当依赖专家对研究区滑坡与环境因子之间的相关性的有效判断,权重值的科学性不够明确,信息损失严重,主观判断性较强。

模糊数学算法中不同因子与滑坡的关系

近年来,人工智能模型因为能更有效地反映各致灾因子和滑坡易发性之间的非线性关系,而被广泛应用在滑坡地质灾害领域。其中包括逻辑回归、树模型、支持向量机、神经网络模型等。它们充分发挥了大数据的作用,具有客观性强、变量解释性好、应用范围广等优点。美国国家航空航天局(NASA)在全球范围内综合了大量开放数据,先后主导建立了相应的全球滑坡数据库,与多方共同开发完成了态势感知滑坡风险评估(LHASA)模型,为全球范围内由降雨诱发的潜在滑坡风险提供了预警的工具。

NASA全球滑坡敏感性图

但由于全球滑坡数据库存在较大的不确定性且不够全面,再加上面积覆盖庞大,导致了滑坡敏感性图分辨率较低。而业界其他模型的应用,对最重要的降雨因子大多进行了按月甚至按年提取特征,导致未能深入挖掘降雨的时序信息。且许多模型大多为撰写论文或探索某一滑坡事件而建,过了一定时间就搁置了,导致了地灾监测和数据收集的中断。

03

利用安全物联网进行地质灾害监测预测的带通物联,在深耕行业的过程中,以海量数据为基础,利用人工智能技术深入挖掘,极大的降低了人为主观因素,并以专家经验为辅佐验证,大幅度的提高了模型精度,解决了区域级滑坡预警漏报迟报的严峻问题。

以某地区为例,带通物联在对其进行长期而深入的调研与实验后,采集了动态因子与静态因子长达15年的数据,共20余种,提取了上百个特征。将以上多源数据进行融合,分别放入三种框架(统计模型,模糊数学,人工智能)下的多种模型,将前人已有的模型复现并在此基础上进行更新,十余种模型相互补充相互验证,解决了滑坡问题中正负样本极度不平衡的难题。最后将栅格概率转化为乡镇区域风险等级,便于政府进行相关应急措施。该模型对历年重大灾害进行按天测试,及对滑坡前后日期也分别进行验证,结果都显示较优的精度。

       

区域性滑坡地质灾害风险预测技术框架

自然灾害如此频发且危害巨大,但我们可以利用技术,筑起一道安全“防火墙”,让自然灾害早识别、早预测、早处置,让风险应对更迅速、更智慧!

19181983110