本发明涉及滑坡灾害预测，具体涉及一种滑坡气象灾害风险预测方法。
背景技术：
1、滑坡是指在自然地质作用和人类活动等因素的影响下，斜坡上的岩土体在重力作用下沿一定的软弱面“整体”或局部保持岩土体结构完整而向下滑动的过程和现象及其形成的地貌形态。随着人类工程活动的加剧，极端气象条件的不断出现，降雨引发的滑坡等突发性地质灾害发生频率变高，限制了城镇建设等发展。面对我国频发的滑坡地质灾害，政府和相关部门采取了工程防治、监测预警和风险管理等手段，但受经济和技术条件的制约，人类不可能对所有滑坡灾害点都进行全面的工程治理。如果能对灾害进行预测预报，使得人们能够在灾害可能发生度高的情况下，提前做出应对策略，降低危害程度，因此滑坡风险预报越来越受到政府和相关部门的重视。
2、虽然滑坡灾害的发生是诸多因素共同作用的结果，但大量学者研究表明，滑坡尤其是浅层土质滑坡，最为主要的诱发因素为降雨，暴雨或长期降雨可使斜坡岩士体饱和水分，增强润滑作用，降低斜坡的稳定性，这也是气象部门通过精细天气要素进行滑坡灾害预警预报的主要理论依据。气象部门主要是将逻辑回归统计方法运用到降雨诱发滑坡阈值模型的推导以及滑坡敏感性区划中，并且都取得了不错的效果，但也存在预报范围过于宽泛，精细程度不高等问题。
技术实现思路
1、针对现有技术中的上述不足，本发明提供的一种滑坡气象灾害风险预测方法解决了将逻辑回归统计方法运用到降雨诱发滑坡阈值模型的推导以及滑坡敏感性区划中存在预报范围过于宽泛，精细程度不高的问题。
2、为了达到上述发明目的，本发明采用的技术方案为：
3、提供了一种滑坡气象灾害风险预测方法，其包括以下步骤：
4、s1、获取历史滑坡气象灾害数据、insar合成孔径雷达数据和危险因素；
5、s2、基于危险因素，构建滑坡气象评价指标体系；
6、s3、根据滑坡气象评价指标体系，划分地灾易发性危险性等级；
7、s4、构建滑坡气象灾害风险预测模型并将历史滑坡气象灾害数据输入至滑坡气象灾害风险预测模型进行拟合；
8、s5、根据地灾易发性危险性等级，对拟合后的滑坡气象灾害风险预测模型进行一次校正；
9、s6、根据insar合成孔径雷达数据，对一次校正后的滑坡气象灾害风险预测模型进行二次校正；
10、s7、获取待预测数据并利用wrf气象模式进行处理，得到对应的预报信息；
11、s8、将待预测数据及其预报信息输入至二次校正后的滑坡气象灾害风险预测模型进行风险预测，得到预测结果。
12、进一步地，历史滑坡气象灾害数据包括滑坡灾害发生的当日最大小时降雨量、前期每日降雨量、滑坡前期累积降雨量和有效累积降雨量、历史滑坡个例数据、滑坡隐患点分布数据和历史预报信息；
13、insar合成孔径雷达数据包括insar卫星数据及其反演得到的下垫面形变数据；
14、危险因素包括基本因素、诱发因素和危害因素；基本因素包括地形地貌、地层岩性、地质构造、水文地质条件、岩土体工程地质特征、植被发育情况；诱发因素包括降雨、蓄水、地震、人类工程；危害因素包括人员伤亡和经济损失。
15、进一步地，步骤s3的具体过程为：
16、计算滑坡气象评价指标体系中各指标数据之间的协方差和相关矩阵；基于协方差和相关矩阵，判断各指标数据的独立性，剔除独立性不满足于阈值的指标数据，保留独立性满足阈值的指标数据；利用证据权重法对独立性满足阈值的指标数据进行计算，得到对应的权重；对各权重进行累加，得到危险性指数；基于危险性指数利用自然断点法划分地灾易发性危险性等级；其中，地灾易发性危险性等级分为高易发、较高易发、一般易发、低易发。
17、进一步地，步骤s4的滑坡气象灾害风险预测模型为logistic回归模型；其中，logistic回归模型采用二元逻辑回归分析；
18、步骤s4进一步包括：
19、s4-1、获取历史滑坡气象灾害数据的标签；将发生滑坡灾害的标签设置为1，未发生滑坡灾害的标签设置为0；
20、s4-2、将历史滑坡气象灾害数据及其标签输入至滑坡气象灾害风险预测模型，得到拟合预测结果；
21、s4-3、基于拟合预测结果和历史滑坡气象灾害数据及其标签，得到对应的损失函数；
22、s4-4、基于损失函数，通过随机梯度下降方法更新滑坡气象灾害风险预测模型的参数，直至收敛。
23、进一步地，步骤s4-4中的拟合后的滑坡气象灾害风险预测模型的公式为：
24、
25、其中，p表示拟合后的滑坡气象灾害风险预测模型输出的风险概率，exp(·)表示以自然常数e为底的指数函数，r0、r1、r2、rh分别表示滑坡当日降雨量、滑坡前一日的日降雨量、滑坡前两日的日降雨量、滑坡发生当日最大小时降雨量。
26、进一步地，步骤s5进一步包括：
27、s5-1、根据地灾易发性危险性等级，对测试区域进行分区，得到对应的灾害易发性分区，即分为高易发区域、较高易发区域、一般易发区域、低易发区域；
28、s5-2、统计不同灾害易发性分区的灾害发生频次；
29、s5-3、基于不同灾害易发性分区的灾害发生频次和占地面积计算单位面积地灾隐患点密度，对应的公式为：
30、
31、其中，ρi表示第i个灾害易发性分区的单位面积地灾隐患点密度，ni表示第i个灾害易发性分区的地灾隐患点数量，即灾害发生频次，ai表示第i个灾害易发性分区的占地面积；当i取值1至4时，分别表示高易发区域、较高易发区域、一般易发区域、低易发区域；
32、s5-4、对单位面积地灾隐患点密度进行归一化处理，将较高易发区域的易发校正系数kb设为1，根据三者比例可以分别得出高易发区域、一般易发区域、低易发区域的易发校正系数kb值；
33、s5-5、引入易发校正系数至拟合后的滑坡气象灾害风险预测模型，得到一次校正后的滑坡气象灾害风险预测模型。
34、进一步地，步骤s5-5中的一次校正后的滑坡气象灾害风险预测模型的公式为：
35、
36、其中，kb表示灾害易发性分区的易发校正系数，pb表示一次校正后的滑坡气象灾害风险预测模型输出的风险概率，exp(·)表示以自然常数e为底的指数函数，r0、r1、r2、rh分别表示滑坡当日降雨量、滑坡前一日的日降雨量、滑坡前两日的日降雨量、滑坡发生当日最大小时降雨量。
37、进一步地，步骤s6进一步包括：
38、s6-1、利用同一下垫面前后两幅的insar合成孔径雷达数据进行差分处理，得到对应的地表形变信息，取一年的累计量，得到对应的区域年均形变速率；
39、s6-2、获取年降水统计数据；其中，年降水统计数据包括大雨、暴雨、特大暴雨和超大暴雨；
40、s6-3、基于步骤s6-1的区域年均形变速率和步骤s6-2的年降水统计数据，获取形变降水敏感系数；对应的公式为：
41、
42、其中，kt表示形变降水敏感性系数，δt表示区域年均形变速率，rω表示年降水统计数据；
43、s6-4、对形变降水敏感系数进行归一化处理；
44、s6-5、将归一化处理的形变降水敏感系数引入一次校正后的滑坡气象灾害风险预测模型，得到二次校正后的滑坡气象灾害风险预测模型。
45、进一步地，步骤s6-5中的二次校正后的滑坡气象灾害风险预测模型的公式为：
46、
47、其中，pt表示二次校正后的滑坡气象灾害风险预测模型输出的风险概率，kt表示归一化处理的形变降水敏感性系数，δt表示单位时间内的下垫面平均形变速率，rω表示单位时间内的累计降水量，exp(·)表示以自然常数e为底的指数函数，r0、r1、r2、rh分别表示滑坡当日降雨量、滑坡前一日的日降雨量、滑坡前两日的日降雨量、滑坡发生当日最大小时降雨量。
48、进一步地，步骤s7中的待预测数据为前1至3天的历史降水数据。
49、本发明的有益效果为：本发明分别基于地灾易发性危险性等级和insar合成孔径雷达数据，获取易发校正系数和形变降水敏感系数，引入logistic回归模型，为决策者提供更为准确的气象灾害风险预警，并减少空报率，发挥最大的防灾减灾效益；结合地理参数与气象数据进行预警，更适用于复杂地形。
1.一种滑坡气象灾害风险预测方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的滑坡气象灾害风险预测方法，其特征在于：所述历史滑坡气象灾害数据包括滑坡灾害发生的当日最大小时降雨量、前期每日降雨量、滑坡前期累积降雨量和有效累积降雨量、历史滑坡个例数据、滑坡隐患点分布数据和历史预报信息；
3.根据权利要求1所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s3的具体过程为：
4.根据权利要求2所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s4的滑坡气象灾害风险预测模型为logistic回归模型；其中，logistic回归模型采用二元逻辑回归分析；
5.根据权利要求4所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s4-4中的拟合后的滑坡气象灾害风险预测模型的公式为：
6.根据权利要求2所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s5进一步包括：
7.根据权利要求6所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s5-5中的一次校正后的滑坡气象灾害风险预测模型的公式为：
8.根据权利要求2所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s6进一步包括：
9.根据权利要求8所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s6-5中的二次校正后的滑坡气象灾害风险预测模型的公式为：
10.根据权利要求1所述的滑坡气象灾害风险预测方法，其特征在于：所述步骤s7中的待预测数据为前1至3天的历史降水数据。
