四川盆地滑坡预警系统雷达降雨阈值研究：深度学习辅助的实证分析

作者及发表信息
本研究由成都理工大学地质灾害防治与地质环境保护国家重点实验室的Pinliang Li、Qiang Xu（通讯作者）等团队，联合中国铁道科学研究院有限公司的Jialiang Liu等合作完成，发表于*Scientific Reports*期刊（2025年，卷15，文章编号26308）。

学术背景
滑坡是全球常见的自然灾害，降雨诱发的滑坡常造成重大人员伤亡和经济损失。传统降雨阈值（rainfall threshold）的建立依赖稀疏的雨量站数据，尤其在山区存在空间分辨率不足的问题。四川盆地东北部（南充、巴中地区）地质条件复杂，以侏罗纪-白垩纪“红层”（red beds）为主，岩土体易风化、渗透性低，但裂隙发育导致降雨快速入渗，滑坡风险高。研究团队旨在通过深度学习处理的雷达降雨数据（radar-derived rainfall），建立高精度的降雨强度-历时（I-D）阈值模型，并探讨前期有效累积降雨量（cumulative effective antecedent rainfall, CER）的影响，以提升区域滑坡预警系统（LEWS）的可靠性。

研究流程与方法

1. 数据收集与验证

   • 滑坡数据：从四川省自然资源厅和SKLGP获取2018-2021年227起天然降雨诱发滑坡事件，排除人为活动影响的17起案例后，按8:2比例划分为建模集（181起）和验证集（46起）。滑坡多发生在6-9月雨季，以浅层滑坡为主，坡度集中于10°–20°。
     
   • 降雨数据：采用彩云科技（CaiyunApp）提供的雷达降雨数据，通过SE-ResUNet深度学习网络（结合U-Net、ResNet和Squeeze-and-Excitation网络）融合雷达回波与雨量站实测数据，空间分辨率达1公里。数据经去噪和校准后，与独立雨量站对比验证，日降雨和月降雨的相关系数（CC）分别为0.822和0.905，均方根误差（RMSE）为2.97 mm和24.64 mm，虽存在10.79%的低估偏差，但数据一致性满足阈值建模需求。

2. 降雨事件与前期降雨定义

   • 采用24小时无雨间隔作为降雨事件划分标准，结合滑坡发生时间区分触发（T-LES）与非触发（NT-LES）事件。
     
   • 前期有效降雨量（CER）计算采用Crozier公式，衰减系数k取0.8–0.9，分析3–20天不同时段CER对滑坡的影响。结果显示，CER-15（15天累积降雨）与滑坡触发相关性最高（96.9%滑坡事件中CER占主导），阈值定为133 mm。

3. 阈值建模方法

   • 频率理论法：基于181起T-LES数据，构建I-D幂律关系（I=αD^-β），通过高斯分布拟合确定不同超越概率（5%、25%、50%、75%）的阈值曲线。例如，T5阈值为I=(28.07±1.01)D^-(0.77±0.05)，相对不确定性仅3.6%，显著低于传统雨量站数据阈值（如Zhao等研究的7.59%）。
     
   • 贝叶斯概率分析：整合1112次降雨事件（含181起滑坡），计算后验概率曲线。结果显示，频率阈值在验证集中的AUC（0.939）优于贝叶斯方法（0.724），因后者受样本稀疏区域过拟合影响。

4. 阈值验证与多级预警模型

   • 通过ROC曲线评估，T5阈值对107起独立滑坡事件的预测准确率达100%，而基于ECMWF数据的传统阈值存在漏报。
     
   • 提出融合降雨阈值与变形监测的多级预警模型：当实时降雨强度超过T75且CER-15≥133 mm时触发红色预警，结合GNSS或裂缝计数据提升可靠性。以侯家滑坡（2021年8月）为例，该模型提前11小时发出预警，避免了单参数系统的误报。

主要结果与结论
1. 雷达降雨数据的优势：深度学习处理的雷达数据显著降低阈值不确定性，空间分辨率优于卫星产品（如IMERG）和稀疏雨量站网络。
2. 阈值性能：频率理论法构建的T5阈值（I=28.07D^-0.77）在中纬度地区（β=-0.77）符合理论范围（-0.70至-0.81），验证集AUC达0.939。
3. CER的影响：15天前期降雨是滑坡触发的关键指标，阈值133 mm为预警提供新参数。
4. 应用价值：多级预警模型通过整合降雨与变形数据，减少误报率，已在四川盆地实际滑坡中验证有效性。

研究亮点
1. 方法创新：首次将SE-ResUNet深度学习应用于雷达降雨数据处理，提升阈值精度。
2. 阈值优化：通过频率理论与贝叶斯分析对比，明确频率阈值更适合数据稀疏区。
3. 工程应用：提出的CER-15阈值和多级预警模型可直接服务于区域滑坡防控。
4. 数据开放性：研究成果支持雷达数据在灾害预警中的推广，尤其适用于雨量站稀缺地区。

其他价值
研究指出，未来可通过机器学习实时预测降雨、结合土壤湿度动态调整阈值，进一步优化预警时效性。此外，地质与水文参数的异质性（如岩土渗透性差异）是阈值区域化的重要研究方向。