ISSN 1009-6248CN 61-1149/P 双月刊

主管单位:中国地质调查局

主办单位:中国地质调查局西安地质调查中心
中国地质学会

    • 中文核心期刊
    • CSCD收录期刊
    • 中国科技核心期刊
    • Scopus收录期刊
高级检索

地质灾害风险精细化识别、核查及防控模式探讨

薛强, 董英, 张茂省, 李林, 高波, 孟晓捷, 郭小鹏

薛强,董英,张茂省,等. 地质灾害风险精细化识别、核查及防控模式探讨[J]. 西北地质,2025,58(2):66−79. doi: 10.12401/j.nwg.2024092
引用本文: 薛强,董英,张茂省,等. 地质灾害风险精细化识别、核查及防控模式探讨[J]. 西北地质,2025,58(2):66−79. doi: 10.12401/j.nwg.2024092
XUE Qiang,DONG Ying,ZHANG Maosheng,et al. Discussion on Refined Identification, Verification, Prevention and Control Models for Geo-hazards Risk[J]. Northwestern Geology,2025,58(2):66−79. doi: 10.12401/j.nwg.2024092
Citation: XUE Qiang,DONG Ying,ZHANG Maosheng,et al. Discussion on Refined Identification, Verification, Prevention and Control Models for Geo-hazards Risk[J]. Northwestern Geology,2025,58(2):66−79. doi: 10.12401/j.nwg.2024092

地质灾害风险精细化识别、核查及防控模式探讨

基金项目: 中国地质调查局项目“西北黄土地区县域地质灾害隐患综合遥感精细识别示范”(DD20230436),“西北典型地区地质灾害调查”(DD20221739)联合资助。
详细信息
    作者简介:

    薛强(1979−),男,正高级工程师,主要从事地质灾害调查和研究工作。E−mail:xqiang@mail.cgs.gov.cn

    通讯作者:

    董英(1981−),男,正高级工程师,主要从事水工环地质调查研究。E−mail:dongy329@163.com

  • 中图分类号: P642.22

Discussion on Refined Identification, Verification, Prevention and Control Models for Geo-hazards Risk

  • 摘要:

    地质灾害精准识别是实现从注重灾后救助向注重灾前预防转变的关键,地质灾害精准防控是实现从减少灾害损失向减轻灾害风险转变的关键。笔者以陕西榆林地区黄土崩滑灾害隐患为例,通过地表形变识别、高陡易发坡段识别、危险坡段核查、野外实地核查验证、风险防控措施实施等方式,建立了一套地质灾害精细识别和风险防控技术方法体系。结果表明:①基于DEM数据共识别榆林地区高陡易发坡段493380处,基于InSAR技术识别地表变形区段635处;在此基础上,基于光学遥感数据,叠加承灾体信息,共识别和核查危险坡段(有威胁对象的易发坡段或地表变形区段)31988处,危险坡段数量占易发坡段和地表变形区段数量的6.48%,提高了识别精准性,实现地质灾害隐患识别“精准到坡”。②对遥感识别危险坡段、现场群众报险报灾点、在册地质灾害隐患点等逐一开展进村入户实地核查,以“村组+户主姓名”命名隐患点,根据坡体结构、变形迹象、威胁对象等进行风险分级,榆林地区共实地核查地质灾害隐患点37523处,精准摸清了地质灾害隐患风险底数,实现地质灾害隐患核查“精准到户”。③制定了不同风险级别地质灾害隐患预警响应方案和风险防控措施,形成市、县、乡镇、村组分级防控格局,实现地质灾害隐患风险“精准管控”。风险识别、核查和防控模式得到及时、成功应用,有效控制了榆林地区地质灾害隐患风险,为地质灾害隐患识别和核查提供了示范。

    Abstract:

    Accurate identification of geo-hazards is the key to achieving a shift from post disaster assistance to pre disaster prevention, and precise prevention and control of geo-hazards is the key to achieving a shift from reducing disaster losses to mitigating disaster risks. This paper takes the loess landslide and collapse disasters in Yulin area as an example. A set of geo-hazards fine identification and risk prevention technology method system has been established through surface deformation identification, identification of high and steep landslide-prone slopes, verification of dangerous slope sections, field verification, and implementation of risk prevention and control measures. The results show that: ① A total of 493380 high and steep landslide-prone slopes were identified based on DEM data in Yulin area, and 635 surface deformation sections were identified using InSAR technology. On this basis, A total of 31988 dangerous slope sections (landslide-prone slopes or surface deformation sections with threatening objects) were identified and verified based on optical remote sensing data and elements at risk information. The number of dangerous slope sections accounts for 6.48% of the number of landslide-prone slopes and surface deformation sections. The accuracy of identification has been improved, and "Precise to Slope" of potential geo-hazards identification has been achieved. ② We conducted field verification on dangerous slope sections identified by remote sensing, dangerous and disaster situations reported on-site by the masses, and registered geo-hazards by entering villages and households, and named the potential geo-hazards with "village group + household head name". Risk classification of potential geo-hazards based on slope structure, deformation signs, threat objects, etc. A total of 37523 potential geo-hazards were verified in the field in Yulin area. The risk base of potential geo-hazards has been accurately determined, and "Precise to Household" of potential geo-hazards verification has been achieved. ③ We have developed potential geo-hazards early warning response plans and risk prevention and control measures for different risk levels. The graded prevention and control pattern of potential geo-hazards in cities, counties, towns, and villages has been formed, and "Precise Control" of potential geo-hazards risk has been achieved. The timely and successful application of potential geo-hazards risk identification, verification, and prevention and control models has effectively controlled the geo-hazards risk in Yulin area, and provided a demonstration for potential geo-hazards identification and verification.

  • 地质灾害风险防控的前提是发现隐患,即地质灾害隐患早期识别。早期识别是指通过天、空、地等各种手段,对已经发生变形或者将来可能发生变形的地质体进行判识,识别可能发生地质灾害的位置和范围,分析地质灾害发生的可能性和风险(张茂省等,2021)。随着对地质灾害形成机理和诱发过程研究的不断深入和InSAR、LiDAR、无人机航测以及计算机信息等技术的快速发展,早期识别逐渐应用于地质灾害综合防控体系(刘传正,2019)。许强等(20192020)通过多学科交叉融合、多部门跨界合作、多种技术手段的综合应用,提出了重大地质灾害隐患早期识别“三查”(普查、详查、核查)体系。葛大庆等(2019)从光学遥感、InSAR、激光雷达等综合遥感测量的角度提出了以“形态、形变、形势”(三形)为观测内容的地质灾害隐患识别技术思路。综合遥感技术具有大范围连续跟踪地表形变的特性,现已成为地质灾害隐患早期识别的新技术(薛强等,2018张茂省等,2019张勤等,2022张林梵,2023贾俊等,2023林明明等,2024)。

    中国是世界上地质灾害最为严重的国家之一,经过多年努力,建成了以调查评价、监测预警、工程治理和应急处置为主要内容的地质灾害综合防治体系,防灾减灾成效显著(刘传正等,2020殷跃平等,2022唐辉明,2022兰恒星等,2022孙萍萍等,2022杜鹏等,2024唐然等,2024吴铭洋等,2024)。近年来,随着极端降雨的频现和日趋强烈的人类工程扰动,地质灾害防控“两个80%”问题仍然突出,即:发生灾险情的80%不属于在册隐患点,80%的在册隐患点风险较低或从未发生灾险情。据统计,2015~2021年,黄土地区发生伤亡性地质灾害事件57起,共造成114人死亡失踪、45人受伤,其中,发生于在册隐患点的9起,发生于非在册隐患点的48起,发生于非在册隐患点的伤亡性地质灾害占比达到84.2%。暴露出地质灾害早期识别环节薄弱,早期识别还不能满足和指导地质灾害综合防控实际需要。

    为精准掌握陕西省榆林地区地质灾害隐患现状,切实保护人民群众生命财产安全,笔者按照“不落一个梁峁,不丢一个沟壑,不漏一村一户”的要求,聚焦地质灾害“隐患在哪里”“风险有多高”等问题,开展了地质灾害隐患风险识别和核查,基本查明了榆林地区地质灾害隐患风险底数,构建了以早期识别—遥感核查—野外核查—风险防控为主线的地质灾害隐患风险识别、核查和防控技术方法体系,创建了“精准到坡、精准到户、精准管控”的地质灾害风险防控“榆林模式”。风险核查和防控模式在榆林地区汛期地质灾害防治中得到成功应用,增强了地质灾害防治的针对性和有效性,显著减轻了地质灾害造成的损失。

    地质灾害隐患风险识别和核查主要以县域为单元,坚持“以人为本、预防为主”的防灾原则,充分应用合成孔径雷达干涉测量技术(InSAR)、高精度数字高程模型(DEM)、航空遥感及无人机航测、地质灾害数字采集系统(APP)等新技术新方法,采用人力资源与现代科技相结合,航天航空与地面调查相结合,技术专家与干部群众相结合,以技术专家为主的风险核查模式,形成以群众报险报灾为基础,以干部为推动力,以技术专家为核心的地质灾害隐患识别和核查格局。对县域范围进行全面、系统的地质灾害隐患早期识别和风险核查,不留空白和死角,不放过一个隐患点,切实解决地质灾害调查精度低、早期识别环节薄弱、隐患点风险底数不清等一系列问题,通过掌握地质灾害隐患最新动态变化情况,增强地质灾害防控的针对性和有效性,实现防灾减灾3个转变,努力把地质灾害风险和损失降至最低,并建立地质灾害隐患识别和核查示范。具体识别和核查内容包括以下几个方面。

    (1)高陡危险坡段识别和核查(DEM和遥感识别隐患点核查):对通过DEM(2 m×2 m精度)和光学遥感(0.2 m分辨率)识别出来的危险坡段(坡度大于40°、坡高大于20 m且有威胁对象的斜坡段),逐一进行现场核查,研判其变形破坏模式,圈定可能的滑坡、崩塌范围,调查其威胁对象。主要核查隐患点类型、地质环境条件、主要特征、威胁对象,并进行危险性和风险评价,提出防治措施建议。本次榆林地区地质灾害隐患风险核查主要是基于DEM和遥感的地质灾害隐患点核查,核查过程包括DEM易发坡段识别→遥感危险坡段识别→风险野外核查。

    (2)地表变形区段识别和核查(InSAR识别隐患点核查):对通过InSAR技术识别出来的地表变形区段进行高精度遥感核查,识别是否存在威胁对象,对有威胁对象的疑似隐患点逐一开展现场核查,研判其变形破坏模式,圈定可能的滑坡、崩塌范围,调查其威胁对象。主要核查隐患点类型、地质环境条件、变形特征、威胁对象,并进行危险性和风险评价,提出防治措施建议。核查过程包括InSAR地面形变识别→遥感威胁对象核查→风险野外核查。

    (3)群众报险报灾点核查(现场新发现隐患点核查):群众报险报灾主要针对通过DEM、InSAR等手段未识别出,但出现变形迹象的隐患点。现场核查工作启动之后,充分发动群众,以村为单元,开展地质灾害群众报险报灾,上报坡体或房屋裂缝、渗水、鼓胀、滑塌、沉降、塌陷等变形信息,并对所在村域进行全面排查。主要核查隐患点类型、地质环境条件、变形破坏迹象、威胁对象,并进行危险性和风险评价,提出防治措施建议。

    (4)在册地质灾害隐患点核查:现场核查已发生滑坡、崩塌、泥石流等隐患点及治理工程的变化情况,对其复活的可能性和危险性进行评估,重点核查滑坡崩塌裂缝、崩塌危岩体、泥石流沟物源有无新的发展,受威胁对象和危险区范围有无变化,监测仪器、警示标志和通讯设备是否完好,日常监测预警工作是否保持有效开展等。主要核查在册点地质环境条件、主要特征、威胁对象,以及防治工程、监测预警等风险减缓措施效果,并进行危险性和风险评价,提出防治措施建议。

    地质灾害风险识别和核查总体按资料收集→早期识别→遥感核查→野外核查→风险管控的流程开展。充分应用和发挥新技术新方法的优势,研发地质灾害风险核查APP,建立基于DEM、InSAR的疑似隐患点识别阈值标准和基于高精度遥感影像的疑似隐患点识别方法。

    具体技术路线为:在资料收集的基础上,基于高精度DEM,通过坡度和坡高识别高陡易发坡段,基于InSAR技术,通过形变监测识别地表变形区段;开展基于建筑物、基础设施等承灾体和基于高陡易发坡段、地表变形区段等致灾体的高精度遥感核查,圈定疑似滑坡、崩塌等地质灾害隐患;开展高陡危险坡段(DEM和遥感识别隐患点)、地表变形区段(InSAR识别隐患点)、群众报险报灾点(现场新发现隐患点)、在册地质灾害隐患点野外核查,现场填写地质灾害风险核查APP,建立地质灾害隐患点数据库;开展地质灾害风险管控对策研究,形成地质灾害风险识别和核查示范(图1)。

    图  1  地质灾害风险识别和核查技术路线图
    Figure  1.  Technical roadmap for geo-hazards risk identification and verification

    榆林市位于陕西省最北部,地域东西长385 km,南北宽263 km,总面积为43587 km2。地貌大体以长城为界,北部为风沙草滩区,地形较平坦,地貌类型以滩地和沙地为主;南部为黄土丘陵沟壑区,地形破碎,切割强烈,地貌以黄土梁峁和沟壑为主(图2)。榆林市多年平均降水量为402.29 mm,年内降水量分配不均,降水主要集中在6~9月,7、8月最大,多在60~100 mm。榆林市辖1市2区9县、155个乡镇、29个街道办事处、2967个行政村,户籍人口385.59万人。

    图  2  榆林市概况图
    Figure  2.  Overview map of Yulin City

    榆林市地质环境条件脆弱,滑坡、崩塌等地质灾害多发频发,是陕西省地质灾害重灾区,滑坡、崩塌等地质灾害在空间上呈现“点多面广,东南集中”的分布规律。根据最新1∶5万地质灾害风险调查成果,榆林市地质灾害易发区总面积32646 km2,占市域面积的74.9%,其中高易发区面积约7622 km2,中易发区面积约13267 km2,低易发区面积约11757 km2。榆林市现有在册地质灾害隐患点1589处,其中滑坡541处、崩塌1005处、泥石流18处、地面塌陷25处,滑坡、崩塌、泥石流地质灾害主要分布在榆林市东南部清涧县、绥德县、吴堡县、子洲县、米脂县、佳县等县黄土丘陵沟壑区,地面塌陷地质灾害主要分布在榆林市北部神木市、府谷县等市(县)采煤塌陷区。

    近年来,陕北黄土高原地区极端降雨频现,人工切坡活动加剧,近期发生的伤亡性地质灾害大多与降雨和人工切坡有关,降雨和人工切坡成为榆林市滑坡、崩塌等地质灾害的主要诱发因素。受地形限制,榆林市东南部清涧县、绥德县、吴堡县、子洲县、米脂县、佳县等县域大部分工程活动都涉及人工切坡,农村切坡建房(约占农户建房总数的70%)和沿山修建乡村道路也相当普遍,地质灾害防范压力巨大。

    榆林市地质灾害类型主要以黄土滑坡、崩塌为主,黄土滑坡、崩塌的发生主要受斜坡坡度、坡高等地形条件的控制和影响。根据不同坡度、坡高发生黄土滑坡、崩塌的比率(薛强等,2023),建立榆林市基于DEM的疑似隐患点识别阈值标准,开展地质灾害隐患易发坡段识别,为地质灾害隐患遥感核查提供有效靶区。榆林地区黄土滑坡、崩塌的发生主要集中在坡度大于40°、坡高大于20 m的高陡斜坡地带(张茂省等,2011),因此将坡度大于40°、坡高大于20 m作为榆林市黄土滑坡、崩塌隐患易发坡段识别的阈值标准。

    基于ArcGIS平台利用2 m×2 m高精度DEM数据提取滑坡、崩塌隐患易发坡段,共提取坡度大于40°、坡高大于20 m的高陡易发坡段493380处,其中榆阳区38654处、神木市36000处、府谷县64748处、横山区29528处、定边县43396处、靖边县36943处、绥德县52210处、吴堡县36724处、佳县34382处、子洲县38077处、米脂县44716处、清涧县38002处(图3)。

    图  3  榆林市米脂县局部基于DEM的高陡易发坡段识别结果图
    Figure  3.  Identification map of high and steep landslide-prone slopes based on DEM in local area of Mizhi County, Yulin City

    地质灾害孕育演化过程中最直观的表象就是地表的形变,合成孔径雷达干涉测量技术(InSAR)利用合成孔径雷达两次观测中雷达波相位差与空间距离之间的关系可有效获取区域地表三维形变信息,能够全天候、全天时获取数据,且不受天气影响。特别是InSAR所具有的大范围连续跟踪微小形变的特性,使其成为地质灾害隐患早期识别和监测的全新技术。InSAR技术的选择应根据观测对象、应用环境、观测精度、可观测的量程、所需数据量和观测频率、技术复杂程度等因素综合确定(郭华东,2000廖明生等,2014张茂省等,2021)。

    本次采用2020年1月~2022年9月Sentinel-1升轨数据,首先采用Stacking InSAR方法初步确定形变危险区域,然后选择相干性高的干涉采用小基线集(SBAS)方法计算,获取区内最新地表变形速率。将形变结果与光学遥感影像、DEM等反映地物及地形特征的图层要素叠加,进行专业目视解译分析,可根据不同地物在光学影像中不同的纹理、色彩、亮度及地形地貌特征等判断滑坡、崩塌发育迹象,例如较明显、易解译的拉张裂缝、堆积平台等特征。对形变结果与遥感影像特征、地形特征较为吻合的斜坡进行圈定,获取基于InSAR技术识别的高形变区域(韩守富等,2020苏晓军等,2021)。

    基于榆林市历史灾害特征,结合高形变区域监测结果,圈定变形速率较大的不稳定斜坡,识别疑似地质灾害隐患(图4)。榆林市基于InSAR技术共识别出疑似地质灾害隐患区段635处。

    图  4  榆林市米脂县典型区域基于InSAR技术识别的疑似地质灾害隐患
    Figure  4.  Potential geo-hazards identified by InSAR technology in representative region in Mizhi County, Yulin City

    在DEM高陡易发坡段识别、InSAR地表变形区段识别的基础上,通过0.2 m分辨率遥感数据开展危险坡段识别和核查,为地质灾害风险实地核查提供有效靶区。遥感核查分为承灾体核查和致灾体核查两方面内容:承灾体核查主要核查研究区建筑物、基础设施等受威胁对象,并充分利用已有农房数据,对受到滑坡、崩塌隐患威胁的承灾体识别危险坡段;致灾体核查主要是核查高陡易发坡段和地表变形区段是否有威胁对象,对有威胁对象的高陡易发坡段和地表变形区段识别为危险坡段,对没有威胁对象的高陡易发坡段和地表变形区段不作为危险坡段。

    榆林市基于高精度遥感和农房数据共识别和核查危险坡段(地质灾害疑似隐患)31988处,其中榆阳区1519处、神木市2073处、府谷县1416处、横山区1176处、定边县1186处、靖边县1890处、绥德县3529处、吴堡县1519处、佳县2580处、子洲县6164处、米脂县4198处、清涧县4738处(图5)。遥感识别和核查危险坡段数量占DEM、InSAR识别高陡易发坡段和地表变形区段数量的6.48%,缩小了地质灾害隐患识别范围,提高了识别精准性,为野外核查提供了有效靶区,实现地质灾害隐患识别“精准到坡”。

    图  5  榆林市米脂县局部基于遥感的危险坡段识别图
    Figure  5.  Identification map of dangerous slope section based on remote sensing in local area of Mizhi County, Yulin City

    (1)核查方式:地质灾害隐患野外核查主要内容包括高陡危险坡段核查(DEM和遥感识别隐患点核查)、地表变形区段核查(InSAR识别隐患点核查)、群众报险报灾点核查(现场新发现隐患点核查)、在册地质灾害隐患点核查。野外核查工作采用技术专家、干部、群众相结合的工作模式,①充分发动群众报险报灾,上报坡体或房屋裂缝、渗水、鼓胀、沉降、塌陷等变形信息。②技术专家对DEM和遥感识别高陡危险坡段、InSAR识别地表变形区段、群众报险报灾点、在册地质灾害隐患点等逐一开展野外实地核查,根据坡体结构、变形迹象、威胁对象等进行风险分级,现场填写核查APP系统并实时上传提交至服务器平台,形成隐患点数据库(图6)。③野外实地核查中由乡村干部带队逐坡逐沟核查,每个隐患点以“村组+户主姓名”命名,精准摸清地质灾害隐患风险底数,形成以乡村干部和群众为基础、县级干部为助力、技术专家为核心的地质灾害隐患风险核查格局,实现地质灾害隐患核查“精准到户”。

    图  6  现场核查APP数据采集界面
    Figure  6.  APP data collection interface of on-site verification

    (2)核查结果:野外根据坡体结构、变形迹象等判定斜坡失稳概率(即危险性),在此基础上根据威胁对象特征(即危害性)综合判定斜坡风险(薛强等,2023),将地质灾害隐患风险等级划分为极高风险、高风险、中风险、低风险和极低风险5级(图7)。榆林市共实地核查地质灾害隐患点37523处,其中极高风险隐患点82处,占总数的0.22%;高风险隐患点1378处,占总数的3.67%;中风险隐患点2895处,占总数的7.72%;低风险隐患点4946处,占总数的13.18%;极低风险隐患点28222处,占总数的75.21%(表1)。

    图  7  榆林市米脂县局部地质灾害隐患点分布图
    Figure  7.  Distribution map of potential geo-hazards in local area of Mizhi County, Yulin City
    表  1  榆林市各县(市、区)核查地质灾害隐患点统计表
    Table  1.  Statistical table of potential geo-hazards of verification in each county, Yulin City
    序号 县(市、区) 地质灾害隐患点(处) 合计
    极高风险 高风险 中风险 低风险 极低风险
    1 榆阳区 3 31 200 414 1037 1685
    2 神木市 3 49 179 495 1326 2052
    3 府谷县 6 100 109 236 956 1407
    4 横山区 13 50 95 199 2299 2656
    5 定边县 9 70 151 275 1650 2155
    6 靖边县 1 176 142 288 1347 1954
    7 绥德县 8 119 112 346 2546 3131
    8 吴堡县 0 25 145 231 1356 1757
    9 佳县 2 205 297 516 3203 4223
    10 子州县 7 107 567 728 4199 5608
    11 米脂县 7 183 391 596 3233 4410
    12 清涧县 23 263 507 622 5070 6485
    合计 82 1378 2895 4946 28222 37523
    下载: 导出CSV 
    | 显示表格

    榆林市原有在册地质灾害隐患点1589处。通过对原有在册隐患点的实地核查,确定为极高风险的在册隐患点32处,占总数的2.02%;高风险在册隐患点137处,占总数的8.62%;中风险在册隐患点423处,占总数的26.62%;低风险在册隐患点396处,占总数的24.92%;极低风险在册隐患点601处,占总数的37.82%(图8)。可以看出,在册隐患点以中、低和极低风险为主,主要原因为部分在册隐患点采取了搬迁避让、工程治理、监测预警等防治措施,发生地质灾害的可能性较小,风险等级降低。同时,极高、高风险点中分别有50处、1241处为非在册隐患点,分别占极高、高风险点总数的60.98%、90.06%(图9)。进一步说明了地质灾害防控面临的“两个80%”问题,即:发生灾险情的80%不属于在册隐患点,80%的在册隐患点风险较低或从未发生灾险情。

    图  8  榆林市在册地质灾害隐患点风险等级柱状图
    Figure  8.  Histogram of risk grade of registered geo-hazards in Yulin City
    图  9  榆林市极高、高风险点中在册、非在册隐患点占比
    Figure  9.  Proportion of registered and unregistered geo-hazards in extremely high and high risk points in Yulin City

    地质灾害隐患风险防控一般从两方面入手,一是通过坡面排水、坡脚加固、排危除险、工程治理等处置措施降低发生滑坡、崩塌的可能性;二是通过避险搬迁、监测预警、应急撤离等防控措施减少滑坡、崩塌等灾害发生之后造成的损失。笔者结合榆林市地质灾害防治的实际情况,从地质灾害防治适宜性和成本效益性角度出发,按照科学发展、人与环境协调的要求,提出地质灾害隐患防控措施建议。地质灾害隐患总体防控原则为:以人为本,生命至上;及时整改,确保安全;简单易行,注重实效;应急处置,统筹长远。

    依据中国气象预警暴雨划分等级,并结合榆林市连续降雨情况,将地质灾害风险预警等级由低到高分别划分为蓝色预警、黄色预警、橙色预警、红色预警4级(表2),分别代表发生地质灾害的风险一般、风险较高、风险高、风险很高(董永路,2023)。

    表  2  榆林市地质灾害预报预警等级划分标准
    Table  2.  Classification standard of geo-hazards forecast and early warning in Yulin City
    预警等级 未来降雨量(气象预报) 前期降雨量 发生地质灾害风险
    蓝色预警 气象预报12小时内降雨量将达50 mm以上 前24小时累计降雨量已达50 mm以上或
    前3天累计降雨量已达100 mm以上
    风险一般
    黄色预警 气象预报6小时内降雨量将达50 mm以上 前12小时累计降雨量已达50 mm以上或
    前3天累计降雨量已达150 mm以上
    风险较高
    橙色预警 气象预报3小时内降雨量将达50 mm以上 前6小时累计降雨量已达50 mm以上或
    前3天累计降雨量已达200 mm以上
    风险高
    红色预警 气象预报3小时内降雨量将达100 mm以上 前6小时累计降雨量已达100 mm以上或
    前3天累计降雨量已达250 mm以上
    风险很高
     注:未来降雨量和前期降雨量满足一项即可启动相应的预警等级。
    下载: 导出CSV 
    | 显示表格

    蓝色预警:气象预报12小时内降雨量将达50 mm以上,或者前24小时累计降雨量已达50 mm以上或前期3天累计降雨量已达100 mm以上且气象预报降雨将持续。

    黄色预警:气象预报6小时内降雨量将达50 mm以上,或者前12小时累计降雨量已达50 mm以上或前期3天累计降雨量已达150 mm以上且气象预报降雨将持续。

    橙色预警:气象预报3小时内降雨量将达50 mm以上,或者前6小时累计降雨量已达50 mm以上或前期3天累计降雨量已达200 mm以上且气象预报降雨将持续。

    红色预警:气象预报3小时内降雨量将达100 mm以上,或者前6小时累计降雨量已达100 mm以上或前期3天累计降雨量已达250 mm以上且气象预报降雨将持续。

    根据风险核查结果和风险预警等级,制定不同风险级别地质灾害隐患预警响应方案(表3)。

    表  3  不同风险隐患点预警防御方案应对简表
    Table  3.  Early warning and defense scheme response table for potential geo-hazards of different risk levels
    风险等级 蓝色预警 黄色预警 橙色预警 红色预警
    极高风险隐患点 应急搬迁避让 应急搬迁避让 应急搬迁避让 应急搬迁避让
    高风险隐患点 加强监测 加强监测 应急搬迁避让 应急搬迁避让
    中风险隐患点 加强监测 加强监测 应急搬迁避让
    低风险隐患点 加强监测 加强监测
    极低风险隐患点 加强监测
    下载: 导出CSV 
    | 显示表格

    按照不同风险级别地质灾害预警响应方案,需要重点管控的极高和高风险点共1460处,其中在册隐患点169处,仅占11.58%,进一步增强了地质灾害防控的有效性和精准性,减轻了地方政府汛期按风险区大范围临时撤离防控压力。

    联合地方政府部门,制定了地质灾害风险点管控方案,对82处极高风险点列入市安委会重大风险隐患督办台账。其中,对18处有临灾迹象的极高风险点全部转移撤离,对其余64处极高风险点要求按期实施综合治理;对1378处高风险点交由县级自然资源部门重点管控,并分期实施避险搬迁和综合治理;对2895处中风险点和4946处低风险点交由乡镇、街道办做好安全防范工作;对28222处极低风险点交由村组进行日常监测管理。形成市、县、乡镇、村组分级防控格局,实现地质灾害隐患风险“精准管控”。

    2022年,汛期榆林市出现6次极端强降雨过程,平均降水量592 mm,部分地区降雨量超过700 mm。榆林市根据风险核查结果和不同风险隐患点预警防御方案,及时发布风险预警,紧急避险转移1058处隐患点受威胁群众37039861人。2022~2023年,汛期榆林市上报地质灾害灾情或险情60起,新上报灾险情全部位于风险核查隐患点之列,其中极高风险隐患点3处、高风险隐患点40处、中风险隐患点12处、低风险隐患点5处,极高和高风险隐患点占比为71.67%(图10图11)。由于临时撤离、应急处置等风险管控措施得当,各隐患点发生灾险情后均未造成人员伤亡,榆林市实现了丰水年汛期地质灾害“零伤亡”(薛强等,2023)。

    图  10  米脂县龙镇苏家沟村崩塌隐患风险核查结果与实际发生灾害对比(据薛强等,2023
    a.风险核查结果遥感影像;b.灾害发生情况野外照片
    Figure  10.  Comparison of risk verification result with actual disaster of Sujiagou collapse in Longzhen Town, Mizhi County
    图  11  米脂县杨家沟镇管家咀村滑坡隐患风险核查结果与实际发生灾害对比
    a.风险核查结果遥感影像;b.灾害发生情况野外照片
    Figure  11.  Comparison of risk verification result with actual disaster of Guanjiazui landslide in Yangjiagou Town, Mizhi County

    2022~2023年,按照地质灾害风险点管控方案,榆林市对极高和高风险隐患点分期实施了避险搬迁和综合治理措施,有效控制了地质灾害隐患风险。在此基础上,对经过避险搬迁、综合治理的地质灾害隐患点核销或降低风险等级,对风险核查之后出现险情的地质灾害隐患点提高风险等级,实现了地质灾害隐患风险动态管控(图12图16)。

    图  12  米脂县城郊镇官庄村崩塌隐患风险动态管控过程
    a.野外核查为高风险隐患点;b.汛期发生2处滑塌;c.2023年封口搬迁
    Figure  12.  Dynamic management and control process of Guanzhuang collapse risk in Chengjiao Town, Mizhi County
    图  13  米脂县沙家店镇牛圈塔村皇帝沟路旁崩塌隐患风险动态管控过程
    a.野外核查为高风险隐患点;b.汛期发生滑塌;c.2023年已完成工程治理
    Figure  13.  Dynamic management and control process of Huangdigou road collapse risk in Niuquanta Village, Shajiadian Town, Mizhi County
    图  14  米脂县龙镇丁家沟村滑坡隐患风险动态管控过程
    a.野外核查为极高风险隐患点;b.2023年正在实施工程治理
    Figure  14.  Dynamic management and control process of Dingjiagou landslide risk in Longzhen Town, Mizhi County
    图  15  米脂县印斗镇常家坪村崩塌隐患风险动态管控过程
    a.野外核查为高风险隐患点;b.2023年已完成工程治理
    Figure  15.  Dynamic management and control process of Changjiaping collapse risk in Yindou Town, Mizhi County
    图  16  米脂县杨家沟镇何家岔村崩塌隐患风险动态管控过程
    a.野外核查为高风险隐患点;b.2023年已完成工程治理
    Figure  16.  Dynamic management and control process of Hejiacha collapse risk in Yangjiagou Town, Mizhi County

    (1)根据榆林地区孕灾条件和黄土崩滑灾害发育分布特征,构建了以InSAR地表形变监测–高精度DEM高陡易发坡段识别–高精度遥感危险坡段核查–野外实地核查验证为主线的黄土地质灾害精细识别技术方法体系,创建了“精准到坡、精准到户、精准管控”的榆林地质灾害精细识别和风险防控模式。

    (2)通过InSAR、DEM、光学遥感、野外实地核查等方法共识别榆林市地质灾害隐患点37523处,其中极高风险隐患点82处、高风险隐患点1378处、中风险隐患点2895处、低风险隐患点4946处、极低风险隐患点28222处,解决了榆林市地质灾害“隐患在哪里”“风险有多高”等关键问题。

    (3)按照风险等级,建立了榆林市地质灾害风险点预警防御和管控方案,风险识别、核查和防控模式得到及时、成功应用,有效控制了地质灾害隐患风险。

    致谢:衷心感谢各县(市、区)核查单位和榆林市各级政府部门,在组织管理、系统研发、数据提供、野外核查等方面提供的帮助!

  • 图  1   地质灾害风险识别和核查技术路线图

    Figure  1.   Technical roadmap for geo-hazards risk identification and verification

    图  2   榆林市概况图

    Figure  2.   Overview map of Yulin City

    图  3   榆林市米脂县局部基于DEM的高陡易发坡段识别结果图

    Figure  3.   Identification map of high and steep landslide-prone slopes based on DEM in local area of Mizhi County, Yulin City

    图  4   榆林市米脂县典型区域基于InSAR技术识别的疑似地质灾害隐患

    Figure  4.   Potential geo-hazards identified by InSAR technology in representative region in Mizhi County, Yulin City

    图  5   榆林市米脂县局部基于遥感的危险坡段识别图

    Figure  5.   Identification map of dangerous slope section based on remote sensing in local area of Mizhi County, Yulin City

    图  6   现场核查APP数据采集界面

    Figure  6.   APP data collection interface of on-site verification

    图  7   榆林市米脂县局部地质灾害隐患点分布图

    Figure  7.   Distribution map of potential geo-hazards in local area of Mizhi County, Yulin City

    图  8   榆林市在册地质灾害隐患点风险等级柱状图

    Figure  8.   Histogram of risk grade of registered geo-hazards in Yulin City

    图  9   榆林市极高、高风险点中在册、非在册隐患点占比

    Figure  9.   Proportion of registered and unregistered geo-hazards in extremely high and high risk points in Yulin City

    图  10   米脂县龙镇苏家沟村崩塌隐患风险核查结果与实际发生灾害对比(据薛强等,2023

    a.风险核查结果遥感影像;b.灾害发生情况野外照片

    Figure  10.   Comparison of risk verification result with actual disaster of Sujiagou collapse in Longzhen Town, Mizhi County

    图  11   米脂县杨家沟镇管家咀村滑坡隐患风险核查结果与实际发生灾害对比

    a.风险核查结果遥感影像;b.灾害发生情况野外照片

    Figure  11.   Comparison of risk verification result with actual disaster of Guanjiazui landslide in Yangjiagou Town, Mizhi County

    图  12   米脂县城郊镇官庄村崩塌隐患风险动态管控过程

    a.野外核查为高风险隐患点;b.汛期发生2处滑塌;c.2023年封口搬迁

    Figure  12.   Dynamic management and control process of Guanzhuang collapse risk in Chengjiao Town, Mizhi County

    图  13   米脂县沙家店镇牛圈塔村皇帝沟路旁崩塌隐患风险动态管控过程

    a.野外核查为高风险隐患点;b.汛期发生滑塌;c.2023年已完成工程治理

    Figure  13.   Dynamic management and control process of Huangdigou road collapse risk in Niuquanta Village, Shajiadian Town, Mizhi County

    图  14   米脂县龙镇丁家沟村滑坡隐患风险动态管控过程

    a.野外核查为极高风险隐患点;b.2023年正在实施工程治理

    Figure  14.   Dynamic management and control process of Dingjiagou landslide risk in Longzhen Town, Mizhi County

    图  15   米脂县印斗镇常家坪村崩塌隐患风险动态管控过程

    a.野外核查为高风险隐患点;b.2023年已完成工程治理

    Figure  15.   Dynamic management and control process of Changjiaping collapse risk in Yindou Town, Mizhi County

    图  16   米脂县杨家沟镇何家岔村崩塌隐患风险动态管控过程

    a.野外核查为高风险隐患点;b.2023年已完成工程治理

    Figure  16.   Dynamic management and control process of Hejiacha collapse risk in Yangjiagou Town, Mizhi County

    表  1   榆林市各县(市、区)核查地质灾害隐患点统计表

    Table  1   Statistical table of potential geo-hazards of verification in each county, Yulin City

    序号 县(市、区) 地质灾害隐患点(处) 合计
    极高风险 高风险 中风险 低风险 极低风险
    1 榆阳区 3 31 200 414 1037 1685
    2 神木市 3 49 179 495 1326 2052
    3 府谷县 6 100 109 236 956 1407
    4 横山区 13 50 95 199 2299 2656
    5 定边县 9 70 151 275 1650 2155
    6 靖边县 1 176 142 288 1347 1954
    7 绥德县 8 119 112 346 2546 3131
    8 吴堡县 0 25 145 231 1356 1757
    9 佳县 2 205 297 516 3203 4223
    10 子州县 7 107 567 728 4199 5608
    11 米脂县 7 183 391 596 3233 4410
    12 清涧县 23 263 507 622 5070 6485
    合计 82 1378 2895 4946 28222 37523
    下载: 导出CSV

    表  2   榆林市地质灾害预报预警等级划分标准

    Table  2   Classification standard of geo-hazards forecast and early warning in Yulin City

    预警等级 未来降雨量(气象预报) 前期降雨量 发生地质灾害风险
    蓝色预警 气象预报12小时内降雨量将达50 mm以上 前24小时累计降雨量已达50 mm以上或
    前3天累计降雨量已达100 mm以上
    风险一般
    黄色预警 气象预报6小时内降雨量将达50 mm以上 前12小时累计降雨量已达50 mm以上或
    前3天累计降雨量已达150 mm以上
    风险较高
    橙色预警 气象预报3小时内降雨量将达50 mm以上 前6小时累计降雨量已达50 mm以上或
    前3天累计降雨量已达200 mm以上
    风险高
    红色预警 气象预报3小时内降雨量将达100 mm以上 前6小时累计降雨量已达100 mm以上或
    前3天累计降雨量已达250 mm以上
    风险很高
     注:未来降雨量和前期降雨量满足一项即可启动相应的预警等级。
    下载: 导出CSV

    表  3   不同风险隐患点预警防御方案应对简表

    Table  3   Early warning and defense scheme response table for potential geo-hazards of different risk levels

    风险等级 蓝色预警 黄色预警 橙色预警 红色预警
    极高风险隐患点 应急搬迁避让 应急搬迁避让 应急搬迁避让 应急搬迁避让
    高风险隐患点 加强监测 加强监测 应急搬迁避让 应急搬迁避让
    中风险隐患点 加强监测 加强监测 应急搬迁避让
    低风险隐患点 加强监测 加强监测
    极低风险隐患点 加强监测
    下载: 导出CSV
  • 董永路. 陕西省子洲县崩塌、滑坡灾害易发性与危险性评价[D]. 西安: 长安大学, 2023.

    DONG Yonglu. Vulnerability and risk assessment of collapse and landslide disasters in Zizhou County, Shaanxi Province[D]. Xi’an: Chang’an University, 2023.

    葛大庆, 戴可人, 郭兆成, 等. 重大地质灾害隐患早期识别中综合遥感应用的思考与建议[J]. 武汉大学学报·信息科学版, 2019, 447): 949956.

    GE Daqing, DAI Keren, GUO Zhaocheng, et al. Early Identification of Serious Geological Hazards with Integrated Remote Sensing Technologies: Thoughts and Recommendations[J]. Geomatics and Information Science of Wuhan University, 2019, 447): 949956.

    杜鹏, 陈宁生, 伍康林, 等. 基于随机森林模型的藏东南地区滑坡易发性评价及主控因素分析[J]. 成都理工大学学报(自然科学版), 2024, 512): 328344.

    DU Peng, CHENG Ningsheng, WU Kanglin, et al. Evaluation of landslide susceptibility in southeast Tibet based on arandom forestmodel[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2024, 512): 328344.

    郭华东. 雷达对地观测理论与应用[M]. 北京: 科学出版社, 2000.
    韩守富, 赵宝强, 殷宗敏, 等. 基于PS InSAR技术的黄土高原地质灾害隐患识别[J]. 兰州大学学报(自然科学版), 2020, 561): 17.

    HAN Shoufu, ZHAO Baoqiang, YIN Zongmin, et al. The identification of potential geological hazards on the Loess Plateau based on PS InSAR technology[J]. Journal of Lanzhou University: Natural Sciences, 2020, 561): 17.

    贾俊, 李志忠, 郭小鹏, 等. 多源遥感技术在降雨诱发勉县地质灾害调查中的应用[J]. 西北地质, 2023, 563): 268280. doi: 10.12401/j.nwg.2023069

    JIA Jun, LI Zhizhong, GUO Xiaopeng, et al. Application of Multi–source Remote Sensing Technology on Investigation of Geological Disasters Induced by Rainfall in Mian County[J]. Northwestern Geology, 2023, 563): 268280. doi: 10.12401/j.nwg.2023069

    兰恒星, 彭建兵, 祝艳波, 等. 黄河流域地质地表过程与重大灾害效应研究与展望[J]. 中国科学: 地球科学, 2022, 652): 234256.

    LAN Hengxing, PENG Jianbing, ZHU Yanbo, et al. Research on geological and surfacial processes and major disaster effects in the Yellow River Basin[J]. Science China Earth Sciences, 2022, 652): 234256.

    廖明生, 王腾. 时间序列InSAR技术与应用[M]. 北京: 科学出版社, 2014.
    刘传正, 陈春利. 中国地质灾害防治成效与问题对策[J]. 工程地质学报, 2020, 282): 375383.

    LIU Chuanzheng, CHEN Chunli. Achievements and countermeasures in risk reduction of geological disasters in China[J]. Journal of Engineering Geology, 2020, 282): 375383.

    林明明, 赵勇, 王坤, 等. 基于多源时序InSAR技术的滑坡隐患早期识别[J]. 西北地质, 2024, 576): 268277.

    LIN Mingming, ZHAO Yong, WANG Kun, et al. Early Identification of Potential Dangers of Loess Landslide Based on Multi-Source and Time Series InSAR[J]. Northwestern Geology, 2024, 576): 268277.

    刘传正. 崩塌滑坡灾害风险识别方法初步研究[J]. 工程地质学报, 2019, 271): 8897.

    LIU Chuanzheng. Analysis methods on the risk identification of landslide disasters[J]. Journal of Engineering Geology, 2019, 271): 8897.

    苏晓军, 张毅, 贾俊, 等. 基于InSAR技术的秦岭南部略阳县潜在滑坡灾害识别研究[J]. 山地学报, 2021, 391): 5970.

    SU Xiaojun, ZHANG Yi, JIA Jun, et al. InSAR-based monitoring and identification of potential landslides in Lueyang County, the Southern Qinling Mountains, China[J]. Mountain Research, 2021, 391): 5970.

    孙萍萍, 张茂省, 贾俊, 等. 中国西部黄土区地质灾害调查研究进展[J]. 西北地质, 2022, 553): 96107.

    SUN Pingping, ZHANG Maosheng, JIA Jun, et al. Geo-hazards research and investigation in the Loess Regions of Western China[J]. Northwestern Geology, 2022, 553): 96107.

    唐辉明. 重大滑坡预测预报研究进展与展望[J]. 地质科技通报, 2022, 416): 113.

    TANG Huiming. Advance and prospects of major landslides prediction and forecasting[J]. Bulletin of Geological Science and Technology, 2022, 416): 113.

    唐然, 任穗川, 范宣梅, 等. 大型红层缓倾岩层滑坡形成机制——以川北断渠滑坡为例[J]. 成都理工大学学报(自然科学版), 2024, 514): 673686.

    TANG Ran, REN Suichuan, FAN Xuanmei, et al. Formation mechanism of large-scale red bed gently inclined strata landslide: Taking Duangu landslide in north Sichuan as an example[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2024, 514): 673686.

    许强, 董秀军, 李为乐. 基于天-空-地一体化的重大地质灾害隐患早期识别与监测预警[J]. 武汉大学学报·信息科学版, 2019, 447): 957966.

    XU Qiang, DONG Xiujun, LI Weile. Integrated space-air-ground early detection, monitoring and warning for potential catastrophic geohazards[J]. Geomatics and Information Science of Wuhan University, 2019, 447): 957966.

    吴铭洋, 陈宁生, 杨溢, 等. 三工河小流域泥石流生态—岩土工程调控措施减缓土壤侵蚀的定量研究[J]. 成都理工大学学报(自然科学版), 2024, 511): 117129.

    WU Mingyang, CHEN Ningsheng, YANG Yi, et al. Quantitative study on the mitigation of soil erosion by comprehensive ecological and geotechnical debris flow treatment measures in small basins: A case study of the Sangong River Basin[J]. Journal of Chengdu University of Technology (Science & Technology Edition), 2024, 511): 117129.

    许强. 对地质灾害隐患早期识别相关问题的认识与思考[J]. 武汉大学学报·信息科学版, 2020, 4511): 16511659.

    XU Qiang. Understanding and consideration of related issues in early identification of potential geohazards[J]. Geomatics and Information Science of Wuhan University, 2020, 4511): 16511659.

    薛强, 毕俊擘, 李政国, 等. 三维激光扫描技术在阎家沟滑坡变形监测中的应用[J]. 中国地质灾害与防治学报, 2018, 293): 108112.

    XUE Oiang, Bl Junbo, Ll Zhengguo, et al. Application of 3D laser scanning technology in deformation monitoring of the Yanjiagou Landslide[J]. The Chinese Journal of Geological Hazard and Control, 2018, 293): 108112.

    薛强, 张茂省, 董英, 等. 基于DEM和遥感的黄土地质灾害精细化风险识别——以陕北黄土高原区米脂县为例[J]. 中国地质, 2023, 503): 926942. doi: 10.12029/gc20220801001

    XUE Qiang, ZHANG Maosheng, DONG Ying, et al. Refinement risk identification of loess geo-hazards based on DEM and remote sensing: Taking Mizhi County in the Loess Plateau of Northern Shaanxi as an example[J]. Geology in China, 2023, 503): 926942. doi: 10.12029/gc20220801001

    殷跃平, 王鲁琦, 赵鹏, 等. 三峡库区高陡岸坡溃屈失稳机理及防治研究[J]. 水利学报, 2022, 534): 379391.

    YIN Yueping, WANG Luqi, ZHAO Peng, et al. Crashed failure mechanism & prevention of fractured high-steep slope in the Three Gorges Reservoir, China[J]. Journal of Hydraulic Engineering, 2022, 534): 379391.

    张茂省, 李林, 唐亚明, 等. 基于风险理念的黄土滑坡调查与编图研究[J]. 工程地质学报, 2011, 191): 4351. doi: 10.3969/j.issn.1004-9665.2011.01.007

    ZHANG Maosheng, LI Lin, TANG Yaming, et al. Risk management based landslide investigation and mapping in loess area[J]. Journal of Engineering Geology, 2011, 191): 4351. doi: 10.3969/j.issn.1004-9665.2011.01.007

    张林梵. 基于时序InSAR的黄土滑坡隐患早期识别—以白鹿塬西南区为例[J]. 西北地质, 2023, 563): 250257.

    ZHANG Linfan. Early Identification of Hidden Dangers of Loess Landslide Based on Time Series InSAR: A Case Study of Southwest Bailuyuan[J]. Northwestern Geology, 2023, 563): 250257.

    张茂省, 贾俊, 王毅, 等. 基于人工智能(AI)的地质灾害防控体系建设[J]. 西北地质, 2019, 522): 103116.

    ZHANG Maosheng, JIA Jun, WANG Yi, et al. Construction of geological disaster prevention and control system based on AI[J]. Northwestern Geology, 2019, 522): 103116.

    张茂省, 薛强, 贾俊, 等. 地质灾害风险管理理论方法与实践[M]. 北京: 科学出版社, 2021.

    ZHANG Maosheng, XUE Qiang, JIA Jun, et al. Theory, method and practice of geological hazard risk management[M]. Beijing: Science Press, 2021.

    张勤, 赵超英, 陈雪蓉. 多源遥感地质灾害早期识别技术进展与发展趋势[J]. 测绘学报, 2022, 516): 885896. doi: 10.11947/j.issn.1001-1595.2022.6.chxb202206012

    ZHANG Qin, ZHAO Chaoying, CHEN Xuerong. Technical progress and development trend of geological hazards early identification with multi-source remote sensing[J]. Acta Geodaetica et Cartographica Sinica, 2022, 516): 885896. doi: 10.11947/j.issn.1001-1595.2022.6.chxb202206012

图(16)  /  表(3)
计量
  • 文章访问数:  93
  • HTML全文浏览量:  8
  • PDF下载量:  34
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-03-04
  • 修回日期:  2024-09-22
  • 录用日期:  2024-10-08
  • 网络出版日期:  2024-10-22
  • 刊出日期:  2025-04-19

目录

/

返回文章
返回