强降水诱发陇南电网地质灾害风险评估及预警方法研究

doi:10.11755/j.issn.1006-7639-2024-05-0813

干旱气象 ›› 2024, Vol. 42 ›› Issue (5): 813-823.DOI: 10.11755/j.issn.1006-7639-2024-05-0813

• 技术报告 • 上一篇

强降水诱发陇南电网地质灾害风险评估及预警方法研究

孙涛¹(), 李玥², 王津³, 李晓琴⁴(), 何金梅⁴, 赵文婧⁴, 吕玫霞⁴

1.国网甘肃省电力公司，甘肃兰州 730030
2.国网兰州供电公司，甘肃兰州 730070
3.国网甘肃省电力公司电力科学研究院，甘肃兰州 730070
4.甘肃省气象服务中心，甘肃兰州 730020

收稿日期:2024-05-24 修回日期:2024-08-30 出版日期:2024-10-31 发布日期:2024-11-17
通讯作者: 李晓琴（1994—），女，甘肃武威人，主要从事专业气象服务。E-mail: lxqin369@163.com。
作者简介:孙涛（1982—），男，甘肃兰州人，高级工程师，主要从事电力气象应用研究。E-mail: suntao821115@163.com。
基金资助:
甘肃省青年科技基金项目(22JR5RA756);甘肃省重点研发计划-工业类项目(23YFGA0016);甘肃省气象局人才专项(2425rczx-G-QNQHRC-08);甘肃省科技计划项目(23JRRA1574);甘肃省气象局气象科研重点项目(Zd2022-04)

Research on risk assessment and early warning method for geological hazards induced by heavy precipitation in Longnan power grid

SUN Tao¹(), LI Yue², WANG Jin³, LI Xiaoqin⁴(), HE Jinmei⁴, ZHAO Wenjing⁴, LYU Meixia⁴

1. State Grid Gansu Electric Power Company， Lanzhou 730030， China
2. State Grid Lanzhou Power Supply Company， Lanzhou 730070， China
3. State grid Gansu Electric Power Company Electric Power Science Research Institute， Lanzhou 730070， China
4. Meteorological Service Center of Gansu Province， Lanzhou 730020， China

Received:2024-05-24 Revised:2024-08-30 Online:2024-10-31 Published:2024-11-17

摘要/Abstract

摘要：

陇南输电线路沿线地质灾害频发易发，严重威胁线路安全稳定运行。为有效提升陇南电网防灾减灾能力，选取2018—2022年5—10月降水数据，利用降水分布特征和有效雨量致灾概率评估地质灾害致灾因子危险性，利用信息量-层次分析耦合模型评估孕灾环境暴露度，利用地质灾害脆弱性简化评估模型评估承灾体脆弱性，并以陇南±800 kV青豫线、祁韶线为例，利用地质灾害个例检验强降水诱发电网地质灾害风险预警效果。结果表明，陇南短时强降水和暴雨局地性强，发生频次自西北向东南呈增加趋势，灾情点大多发生在较高和高危险性区域。地质灾害灾情点大多位于海拔较高、坡度较陡区域，易发坡向为北坡、南坡并以凸型坡为主，旱地、中度及以下植被覆盖度区域地质灾害易发，67.4%的灾情点位于较高暴露度以上区域。陇南±800 kV青豫线、祁韶线电线杆塔不处于极高暴露度与极高脆弱性区域。地质灾害气象风险模型能够捕捉到较密集的地质灾害事件，有效雨量致灾概率对降水诱发的地质灾害预警效果较好。

关键词: 地质灾害, 陇南, 输电线路, 强降水

Abstract:

Geological hazards occur frequently along the transmission lines in Longnan, Gansu, which seriously threaten the safe and stable operation of power lines. In order to effectively improve the disaster prevention and mitigation ability of Longnan power grid, the precipitation data from May to October during 2018 to 2022 were selected to analyze the distribution characteristics of precipitation, and the disaster probability of effective rainfall was used to evaluate the risk of disaster-causing factors of geological hazards. The coupling model of information quantity and analytic hierarchy process was used to evaluate the exposure of pregnant environment, and the simplified evaluation model of geological disaster vulnerability was used to evaluate the vulnerability of disaster-bearing body. The effect of geological disaster risk early warning of power grid induced by heavy precipitation was tested using cases of geological disasters, taking Longnan ±800 kV Qingyu Line and Qishao Line as examples. The results show that the short-term heavy rainfall and rainstorm in Longnan have strong local characteristics, and their frequency increases from northwest to southeast. The disaster sites mostly occur in higher and high risk areas. Most of the disaster sites of geological disasters are located in the areas with higher elevation and steeper slope, and the north and south slope as well as convex slope are the main slopes. The geological disasters are easy to occur in the areas with dry land, moderate vegetation coverage and below, and 67.4% of the disaster sites is located in the areas with higher exposure. Longnan ±800 kV Qingyu Line and Qishao Line are not in the area of extremely high exposure degree and vulnerability. The meteorological risk model of geological disaster can capture the dense geological disaster events, and the probability of disaster caused by effective rainfall has a good effect on the early warning of geological disasters induced by precipitation.

Key words: geological hazards, Longnan, electric transmission line, heavy precipitation

中图分类号:

孙涛, 李玥, 王津, 李晓琴, 何金梅, 赵文婧, 吕玫霞. 强降水诱发陇南电网地质灾害风险评估及预警方法研究[J]. 干旱气象, 2024, 42(5): 813-823.

SUN Tao, LI Yue, WANG Jin, LI Xiaoqin, HE Jinmei, ZHAO Wenjing, LYU Meixia. Research on risk assessment and early warning method for geological hazards induced by heavy precipitation in Longnan power grid[J]. Journal of Arid Meteorology, 2024, 42(5): 813-823.

图/表 11

图1 陇南气象站、地质灾害点、河流及±800 kV送变电线路分布注:基于国家测绘地理信息局标准地图服务网站标准地图制作，审图号为GS(2020)4619号，底图无修改，下同

Fig.1 Distribution of meteorological stations， geological disaster points， rivers， and ±800 kV power transformation lines in Longnan

图2 2018—2022年陇南年均降水日数（a）与降水量（b），年均暴雨及以上量级降水频次（c）与降水量（d），年均短时强降水频次（e）和降水量（f）分布

Fig.2 Distribution of annual average precipitation days （a） and precipitation amount （b）， annual average frequency of rainstorm and above （c） and their precipitation amount （d）， annual average short-time strong precipitation frequency （e） and precipitation amount （f） in Longnan from 2018 to 2022

图3 陇南致灾因子危险性分布

Fig.3 The hazard distribution of disaster-causing factors in Longnan

表1 The percentage of hazard， exposure degree and vulnerability with different grades at geological hazard sites in Longnan 单位：%

Tab.1

危险性	极低	低	较高	高	极高
危险性	1.89	31.62	56.53	9.87	0.09
暴露度	极低	低	较高	高	极高
暴露度	1.32	31.28	20.79	39.74	6.87
脆弱性	极低	低度	较高	高	极高
脆弱性	35.47	23.59	36.41	4.14	0.01

图4 陇南坡度（a）、坡向（b）、高程（c）、曲率（d）、NDVI（e）、暴露度（f）分布

Fig.4 Distribution of slope （a）， aspect （b）， elevation （c）， curvature （d）， NDVI （e）， exposure degree （f） in Longnan

表2 地质灾害暴露度评价因子分级及信息量值

Tab.2 Geological hazard exposure degree valuation factor classification and information quantity values

评价因子	分级	（Ni/N）/%	信息量值
高程/m	≤2 000	8.22	1.52
	>2 000~2 500	23.33	0.36
	>2 500~3 000	37.01	0.24
	>3 000~3 500	23.57	-0.15
	>3 500~4 000	6.57	-0.79
	>4 000	1.30	-1.79
曲率	<0	9.58	0.70
	0	39.71	-0.23
	>0	50.71	-0.67
坡度/（°）	≤15	8.23	-0.02
	>15~25	66.38	-0.15
	>25~35	41.21	-0.15
	>35~45	26.01	0.42
	>45	9.89	0.79
坡向	北	20.24	-0.13
	东北	12.26	0.01
	东	8.76	-0.25
	东南	10.16	-0.14
	南	17.30	0.44
	西南	10.66	-0.03
	西	9.01	-0.15
	西北	11.59	0.09
NDVI	≤0.25	12.45	10.45
	>0.25~0.50	59.55	2.90
	>0.50~0.75	19.25	-1.00
	>0.75~1.00	8.75	-0.50

图5 陇南人口密度归一值（a）、GDP归一值（b）、土地利用类型（c）、脆弱性（d）分布

Fig.5 Distribution of normalized population density （a）， normalized GDP （b）， land use type （c）， vulnerability （d） in Longnan

表3 The proportion of hazard， exposure degree and vulnerability with different grades of the sites of ±800 kV transmission tower poles 单位：%

Tab.3

表4 The area proportion of hazard， exposure degree and vulnerability with different grades in each county （district） of Longnan 单位：%

Tab.4

	等级	成县	宕昌县	徽县	康县	礼县	两当县	文县	武都区	西和县
危险性	极低	0.37	13.22	/	0.08	0.66	/	5.52	9.44	0.49
	低	0.56	40.63	0.29	0.84	8.17	0.91	56.43	29.53	4.99
	较高	71.92	45.79	88.47	22.99	75.13	94.72	19.43	38.86	70.92
	高	27.15	0.31	11.23	76.09	14.71	4.37	18.62	22.18	23.48
	极高	/	0.05	/	/	1.33	/	/	/	0.12
暴露度	极低	2.62	0.31	1.42	0.17	1.09	0.35	1.67	2.21	1.10
	低	40.16	18.63	40.50	39.53	37.38	30.90	20.26	29.03	44.38
	较高	14.70	30.23	18.12	13.85	17.19	21.88	29.00	18.16	15.62
	高	41.21	36.79	38.37	44.09	42.02	43.06	32.81	44.52	37.53
	极高	1.31	14.05	1.60	2.36	2.32	3.82	16.26	6.08	1.37
	极低	36.71	31.05	35.51	41.19	30.61	35.59	32.30	41.02	34.79
	低	23.67	22.81	24.76	23.56	21.61	28.83	20.51	28.74	18.04
脆弱性	较高	34.78	40.65	36.08	33.22	42.94	34.68	41.43	26.65	38.40
	高	4.83	5.49	3.65	2.03	4.71	0.90	5.76	3.36	8.25
	极高	/	/	/	/	0.14	/	/	0.23	0.52

表5 The proportion and accuracy of geological disaster meteorological risk warnings with different grades on July 15 and August 27， 2022， and July 12 and 27， 2023 in Longnan 单位：%

Tab.5

强降水过程时间	地质灾害气象风险预警
强降水过程时间	有一定风险	较高风险	高风险	极高风险	预警准确率
2022-07-15	27.27	18.18	22.73	4.55	72.73
2022-08-27	42.86	14.29	14.29	0	71.44
2023-07-12	22.53	25.82	18.68	5.49	72.52
2023-07-27	11.36	21.59	29.55	17.05	79.55

图6 陇南4次强降水过程有效雨量（左）及地质灾害气象风险预警（右）

Fig.6 Effective rainfall （the left） and geological disaster meteorological risk warning （the right） during four strong rainfall processes in Longnan

参考文献 45

[1]	陈强, 王建, 熊小伏, 等, 2020. 一种降雨诱发滑坡灾害下输电杆塔的监测与预警方法[J]. 电力系统保护与控制, 48 (3): 147-155.
[2]	陈长坤, 戴琦乐, 余荣付, 等, 2024. 基于灾害演化网络的泥石流风险评估方法研究[J]. 灾害学, 39(2): 62-66.
[3]	邓创, 刘友波, 刘俊勇, 等, 2016. 考虑降雨诱发次生地质灾害的电网风险评估方法[J]. 电网技术, 40(12): 3 825-3 834.
[4]	狄靖月, 许凤雯, 李焕连, 等, 2022. 暴雨诱发恩施州地质灾害成因分析[J]. 气象, 48(10): 1 321-1 332.
[5]	杜国梁, 张永双, 高金川, 等, 2016. 基于GIS的白龙江流域甘肃段滑坡易发性评价[J]. 地质力学学报, 22 (1): 1-11.
[6]	冯军, 尚学军, 樊明, 等, 2006. 陇南地质灾害降雨区划及临界雨量研究[J]. 干旱气象, 24(4): 20-24.
[7]	郭富赟, 宋晓玲, 谢煜, 等, 2015. 甘肃地质灾害气象预警技术方法探讨[J]. 中国地质灾害与防治学报, 26(1): 127-133.
[8]	胡倩, 岳大鹏, 赵景波, 等, 2019. 甘肃省近50年暴雨变化特征及其灾害效应[J]. 水土保持通报, 39(4): 68-75.
[9]	胡现振, 付少杰, 迟宏庆, 等, 2023. 基于层次分析-信息量耦合模型的地质灾害风险评价:以河北省武安市为例[J]. 中国地质调查, 10 (5): 109-117.
[10]	李宇梅, 杨寅, 狄靖月, 等, 2020. 全国地质灾害气象风险精细化网格预报方法及其应用[J]. 气象, 46(10): 1 310-1 319.
[11]	刘康, 田臣龙, 徐凤琳, 2023. 基于信息量-层次分析耦合模型的泗水县地质灾害易发性评价[J]. 中国地质调查, 10 (2): 77-86.
[12]	刘书豪, 2021. 降雨条件下的输电线路滑坡风险评估与预警技术研究[D]. 武汉: 中国地质大学.
[13]	卢佳燕, 李为乐, 刘刚, 等, 2019. 米林震后地质灾害空间分布特征及易发性分析[J]. 自然灾害学报, 28 (2): 183-190.
[14]	马莉, 杨晓军, 王勇, 等, 2023. 1990—2019年甘肃汛期极端小时降水特征[J]. 高原气象, 42(4): 993-1 004. DOI
[15]	牛全福, 熊超, 雷姣姣, 等, 2023. 基于FFPI模型的甘肃陇南山区山洪灾害风险评价[J]. 自然灾害学报, 32(4): 36-47.
[16]	裴静, 2022. 陇南市地质灾害危险性评价与分区研究[D]. 兰州: 西北师范大学.
[17]	全国气象防灾减灾标准化技术委员会, 2018. 强对流天气等级: QX/T 416—2018[S]. 北京: 气象出版社.
[18]	全国气象防灾减灾标准化技术委员会, 2019. 暴雨诱发的地质灾害气象风险预警等级: QX/T 487—2019[S]. 北京: 气象出版社.
[19]	全国气象防灾减灾标准化技术委员会, 2012. 降水量等级: GB/T 28592—2012[S]. 北京: 中国标准出版社.
[20]	全国自然资源与国土空间规划标准化技术委员会, 2023. 地质灾害气象风险预警规范: DZ/T 0449—2023[S]. 北京: 中国标准出版社.
[21]	石延召, 刘维成, 傅朝, 等, 2024. 甘肃陇南两次暴雨天气过程对比分析[J]. 干旱气象, 42(1): 107-116. DOI
[22]	苏军锋, 张锋, 黄玉霞, 等, 2021. 甘肃陇南市短时强降水时空分布特征及中尺度分析[J]. 干旱气象, 39(6): 966-973.
[23]	孙蕊, 丁雨虹, 郭海燕, 等, 2022. 基于GIS的四川省降水诱发型滑坡泥石流风险区划[J]. 高原山地气象研究, 42(3): 111-116.
[24]	谭洋洋, 杨洪耕, 徐方维, 等, 2016. 降雨型滑坡诱发电网连锁故障风险评估模型研究[J]. 科学技术与工程, 16(33): 8-13.
[25]	汤奕, 徐香香, 陈彬, 等, 2020. 降雨滑坡灾害对输电杆塔故障的时空强在线预警[J]. 中国电力, 53(1): 56-65.
[26]	田广旭, 陈俊, 2013. 甘肃省陇南市自然灾害监测预警指挥系统[J]. 干旱气象, 31(2): 437-440.
[27]	王莲芬, 许树柏, 1990. 层次分析法引论[M]. 北京: 中国人民大学出版社.
[28]	王莺, 王健顺, 张强, 2022. 中国草原干旱灾害风险特征研究[J]. 草业学报, 31(8): 1-12. DOI
[29]	王莹, 张晓月, 张琪, 等, 2019. 暴雨灾害风险及其对农业影响的评估[J]. 气象科学, 39(1): 137-142.
[30]	邬礼扬, 殷坤龙, 曾韬睿, 等, 2024. 不同栅格尺寸下输电线路地质灾害易发性评价[J]. 地质科技通报, 43(1): 241-252.
[31]	熊木齐, 孟兴民, 庆丰, 等, 2016. 甘肃省陇南市白龙江流域泥石流灾害事件与降水特征的关系[J]. 兰州大学学报: 自然科学版, 52(3): 295-300.
[32]	薛永安, 王玉洁, 朱婧聪, 等, 2022. 县域国土空间斜坡地质灾害敏感性评价研究[J]. 自然灾害学报, 31(4): 219-230.
[33]	肖瑞迪, 范立张, 张明达, 等, 2024. 云南怒江州地质灾害时空变化特征及其与降水的关系[J]. 高原山地气象研究, 44(2):127-132.
[34]	杨丽杰, 曹彦超, 刘维成, 等, 2022. 陇东黄土高原旱区短时强降水的时空分布特征及地形影响研究[J]. 干旱气象, 40(6): 945-953. DOI
[35]	杨思慧, 袁淑杰, 施红霞, 等, 2023. 基于逻辑回归的若尔盖气象地质灾害预警研究[J]. 高原山地气象研究, 43(4):101-108.
[36]	姚玉璧, 王莺, 王劲松, 2016. 气候变暖背景下中国南方干旱灾害风险特征及对策[J]. 生态环境学报, 25(3): 432-439. DOI
[37]	张君霞, 黄武斌, 李安泰, 等, 2023. 甘肃省主要地质灾害精细化气象风险预警预报[J]. 干旱区地理, 46(9): 1 443-1 452.
[38]	赵焕臣, 许树柏, 和金生, 1986. 层次分析法:一种简易的新决策方法[M]. 北京: 科学出版社.
[39]	赵良军, 李虎, 刘玉锋, 等, 2017. 新疆伊犁果子沟地质灾害风险评价及其致灾因子[J]. 干旱区研究, 34(3): 693-700.
[40]	赵倩, 夏晓玲, 唐延婧, 等, 2020. 贵州省主要输电线路沿线强降雨时空分布特征[J]. 人民长江, 51(7): 100-105.
[41]	赵庆云, 宋松涛, 杨贵名, 等, 2014. 西北地区暴雨时空变化及异常年夏季环流特征[J]. 兰州大学学报: 自然科学版, 50(4): 517-522.
[42]	GE Y F, CHEN H Z, ZHAO B B, et al, 2018. A comparison of five methods in landslide susceptibility assessment: a case study from the 330-kV transmission line in Gansu Region, China[J]. Environmental Earth Sciences, 77(19): 1-15.
[43]	IPCC, 2012. Summary for Policymakers[M]// Managing the Risks of Extreme Events and Disasters to Advance Climate Change Adaptation. A Special Report of Working Groups I and II of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press: 1-19.
[44]	ZHAO B B, GE Y F, CHEN H Z, 2021. Landslide susceptibility assessment for a transmission line in Gansu Province, China by using a hybrid approach of fractal theory, information value, and random forest models[J]. Environmental Earth Sciences, 80(12): 1-23.
[45]	ZHANG Q, YAO Y B, WANG Y, et al, 2019. Characteristics of drought in Southern China under climatic warming, the risk, and countermeasures for prevention and control[J]. Theoretical and Applied Climatology, 136(3/4): 1 157-1 173.

强降水诱发陇南电网地质灾害风险评估及预警方法研究

Research on risk assessment and early warning method for geological hazards induced by heavy precipitation in Longnan power grid

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 45

相关文章 15

编辑推荐

Metrics

[1]	段云霞, 崔锦, 李得勤, 王月, 班伟龙, 刘青. 东北冷涡背景下两次强降水干侵入特征对比分析[J]. 干旱气象, 2024, 42(3): 357-366.
[2]	刘菊菊, 赵强, 井宇, 张蔚然, 戴昌明. CMPAS融合产品在陕西短时强降水监测中的适用性评估[J]. 干旱气象, 2024, 42(2): 263-273.
[3]	王彬雁, 王佳津, 肖递祥, 龙柯吉. 四个数值预报模式对四川强降水过程预报能力评估[J]. 干旱气象, 2024, 42(2): 315-323.
[4]	肖贻青, 马永永, 陈小婷, 安大维, 黄少妮. 陕南汉江盆地一次冷锋触发的短时强降水过程及预报检验[J]. 干旱气象, 2023, 41(6): 972-983.
[5]	王一丞, 刘维成, 宋兴宇, 张文光. 卫星降水产品在陇东2022年7月特大暴雨事件中的适用性评估[J]. 干旱气象, 2023, 41(6): 997-1007.
[6]	唐永兰, 徐桂荣, 王晓芳, 肖艳姣, 祁海霞, 冷亮. 1992—2021年三峡库区夏季小时强降水时空分布特征[J]. 干旱气象, 2023, 41(4): 589-598.
[7]	马志敏, 王将, 连钰, 张万诚, 牛法宝, 杨素雨. 云南一次强对流暴雨天气学成因分析[J]. 干旱气象, 2023, 41(4): 629-638.
[8]	郭飞燕, 刁秀广, 褚颖佳, 李欣, 陆雪, 张少博. 两次极端强降水风暴双偏振参量特征对比分析[J]. 干旱气象, 2023, 41(1): 103-113.
[9]	张君霞, 黄武斌, 杨秀梅, 刘维成, 周子涵, 沙宏娥. 陇东半干旱区一次特大暴雨事件的降水极端性分析[J]. 干旱气象, 2022, 40(6): 922-932.
[10]	杨丽杰, 曹彦超, 刘维成, 徐丽丽, 张洪芬, 孙子茱. 陇东黄土高原旱区短时强降水的时空分布特征及地形影响研究[J]. 干旱气象, 2022, 40(6): 945-953.
[11]	李晨蕊, 伏晶, 刘维成, 王基鑫, 王一丞, 傅朝, 郑新. 应用FY卫星产品分析陇东半干旱区特大暴雨事件云特征[J]. 干旱气象, 2022, 40(6): 954-967.
[12]	肖安, 尹小飞, 刘献耀. 江西省降水日变化时空分布特征[J]. 干旱气象, 2022, 40(5): 840-848.
[13]	许敏, 沈芳, 刘淇淇, 李娜, 王洁. 线状MCSs强降水特征及形成条件[J]. 干旱气象, 2022, 40(4): 596-604.
[14]	兰明才, 周莉, 蒋帅, 尹依雯, 许霖. 西太平洋副热带高压控制下湖南一次短时强降水成因分析[J]. 干旱气象, 2022, 40(4): 656-666.
[15]	钟敏, 肖安, 许冠宇. 基于CMA-MESO的分级短时强降水概率预报方法研究[J]. 干旱气象, 2022, 40(4): 700-709.