[发明专利]强降雨型滑坡灾害预警方法

摘要

本发明涉及数据处理的方法领域，尤其是涉及一种强降雨型滑坡灾害预警方法，其操作过程如下：(1)计算待检测范围内不同区域滑坡发生的概率，并划分危险等级区域，包括极地危险区、低危险区、中危险区、高危险区及极高危险区；(2)降雨型滑坡灾害预警分析过程如下：(a)不同降雨量发生滑坡的可能性：降雨量在0‑99mm之间为低危险性降雨量，降雨量在90‑150mm之间为中危险性降雨量，降雨量大于等于150mm的为高危险性降雨量；(b)根据不同区域在不同降雨量下发生滑坡的可能性不同，对不同区域做出预警，而预警的等级越高，发生滑坡的可能性就越大；预警等级由高到低依次为：5级预警、4级预警、3级预警、2级预警及1级预警。

主权项

1.一种强降雨型滑坡灾害预警方法，其操作过程如下：(1)计算待检测范围内不同区域滑坡发生的概率，并根据发生概率的大小对待检测范围进行危险等级划分，该划分的危险等级区域包括极低危险区、低危险区、中危险区、高危险区及极高危险区；危险性评估的流程如下：(a)数据处理根据区域性滑坡灾害风险评估原理，要做以滑坡P值为因变量，滑坡影响因素为自变量的相关性分析；要进行分析，需要对滑坡分析点和影响因素做一些相应的处理：①滑坡分析点采样进行二元逻辑回归分析，滑坡分析P值要为二元变量，收集滑坡发生点的信息，生成非滑坡点数据；非滑坡点数据生成方法：首先根据示例区的图幅大小和最近两个滑坡点的距离，将示例区范围分成25*32个格网，每个格网中心生成一个采样点；用行政区域面裁剪落在研究区内的点，共260个，检查这些生成点与调查获取的32个滑坡点是否发生重合，如果出现重合，则去掉重合的生成点，经检查，并无重合；则得到292个分析点，其中有32个滑坡点以及260个生成的采样点：②滑坡P值处理然后以滑坡灾害点为中心，做一个以A个单位为半径的缓冲区，命名为滑坡衰减图层，缓冲区范围内赋值为1，缓冲区范围外赋值为0；③影响因子数据处理处理影响因子图层，包括将等高线数据处理成坡高、坡度、坡向、剖面曲率四个因子图层；将地质类型、土地利用类型这些矢量数据，按照它对应的分类转换为栅格数据图层；对水系、交通道路做欧式距离分析；④分析点值提取用292个滑坡分析点，提取滑坡衰减图层、各个影响因子图层对应于分析点处的值，得到滑坡分析处理用的变量值；删除数据出现‑999超限值的点，最后剩余282个有效分析点，其中，原始采集获取的滑坡点为31个；(b)回归分析定量变量直接进入模型，定性变量使用哑变量编码后进入模型，用SPSS的二元逻辑回归模型进行分析；在模型分析中，对各个变量之间的相关性进行分析，其中，剖面曲率因子与坡度和高程的相关性比较大，因此，剔除剖面曲率因子，重新进行回归分析；最后保留的是坡高、坡度、坡向、地质类型、土地利用类型、到水系的距离、到交通道路的距离7个影响因子，计算得到回归系数；(c)危险区划按照理论研究部分的逻辑回归模型计算出研究区域所有网格的滑坡危险度值；即为基于各个滑坡影响因子进行滑坡危险度的评估结果，然后需要将结果划分为五个等级；(2)降雨型滑坡灾害预警分析过程如下：(a)不同降雨量发生滑坡的可能性：降雨量在0‑99mm之间为低危险性降雨量，降雨量在90‑150mm之间为中危险性降雨量，降雨量大于等于150mm的为高危险性降雨量；(b)根据不同区域在不同降雨量下发生滑坡的可能性不同，做出预警；预警等级如下：5级预警,滑坡发生可能性极大，条件为：极高危险区的降雨量为中危险性降雨量或高危险性降雨量时；高危险区的降雨量为高危险性降雨量时；4级预警，滑坡发生可能性较大，条件为：极高危险区的降雨量为低危险性降雨量时；高危险区的降雨量为中危险性降雨量时；中危险区降雨量为高危险性降雨量时；3级预警，滑坡发生可能性中等，条件为：高危险区的降雨量为低危险性降雨量时；中危险区的降雨量为中危险性降雨量时；低危险区降雨量为高危险性降雨量时；2级预警，滑坡发生可能性极较小，条件为：中危险区的降雨量为低危险性降雨量时；低危险区的降雨量为中危险性降雨量时；极低危险区降雨量为高危险性降雨量时；1级预警，滑坡发生可能性极小，条件为：低危险区的降雨量为低危险性降雨量时；极低危险区的降雨量为低危险性降雨量时；极低危险区降雨量为中危险性降雨量时；所述步骤(1)中不同区域滑坡发生的概率计算过程如下：以x＝(X1,X2,L,XP‑1)T表示不同因素影响滑坡发生的概率，以π(x)表示滑坡发生的概率，建立π(x)与x＝(X1,X2,L,XP‑1)T之间的某个函数关系π(x)＝f(X1,X2,L,XP‑1)；对π(x)作如下变换：则当0＜π(x)＜1时，‑∞＜θ[π(x)]＜+∞，这时可令所述f(X₁,X₂,L,X_P‑1)为线性函数，即则建立线性Logistic回归模型如下：或Logistic回归模型的计算：(a)参数估计，首先要利用观测数据对模型中的参数β＝(β₀，β₁，L，β_p‑1)^T作估计；用最大似然估计和迭代算法，求解参数β的估值(b)统计检验，计算的观测值，判断所选的因素的显著性；(c)得到参数的极大似然估计、标准差等有关量；(d)将由参数估算的结果带回Logistic回归模型方程中，计算得到滑坡发生的概率π(x)；把不同区域内的不同因素影响滑坡发生的概率x带入Logistic回归模型方程，进而得到不同区域发生滑坡的概率；所述步骤(d)中，影响滑坡发生概率的因素包括坡高、坡度、坡向、地质类型、土地利用类型、到水系的距离及到交通道路的距离。