教授千里外给甘肃山坡"把脉" 滑坡8小时前发预警

　　实验室场景

　　跳出“死胡同” 从预报转向预警

　　滑坡的发生过程可谓五花八门，许强在位于成都理工大学的地质灾害防治与地质环境保护国家重点实验室里，从滑坡区域搬回了砂石泥土，建起了山体模型，通过室内模型试验记录这些“山体”在重力条件下，从出现变形到最终发生滑坡的全过程曲线变化。

　　研究人员将模型和判据写进“地质灾害监测预警与决策支持系统”，形成了一套实时监测预警系统，一旦出现异常，系统自动确定滑坡风险级别，并发出警示信息。

　　如今，系统里面的监测点位已经达到160多个，包含的现场观测仪器设备有600多套，除了四川，在甘肃、陕西、山西、贵州、安徽都有专门的监测点位。

　　灾害预报，必须要准确预测灾害发生的时间、地点、规模，俗称“三要素”预报。滑坡虽然只是浅表层岩体的破裂，是一条裂缝或者一个结构面的错动，但要掌握它们垮塌的时间，并非易事。“我们现在做的研究就是跳出预报的‘死胡同’，不过分追求灾害发生时间的精准性，转向在灾害发生前作提示性预警。”许强说，这样可以提前划分预警级别，让人员安全撤离。许强团队的滑坡预警就是在对滑坡变形曲线宏观和总体规律分析研究、掌握的基础上，建立了针对性的理论预警模型和判据。

　　减少误报率

　　让监测预警

　　逐步实现全自动

　　“黑方台是灌溉诱发型滑坡，但四川主要是降雨诱发型滑坡。”许强告诉记者，降雨诱发的滑坡——比如“6•24“茂县特大山体滑坡灾害预警更难，必须将水位和变形等参数综合起来。如今，全国有很多地区都委托相关公司，通过仪器来监测滑坡，但由于只设置了一个简单的“临界值”，一到下雨可能就会四处警报，最终出现“狼来了”的效果。

　　数据的采集，也是监测过程中的一个难点，如果半天、数小时、数分钟现场采集一次，对于突发型滑坡已经不适用，而采集数据太密集，则会导致这些依靠太阳能供电的设备“精疲力竭”，同时导致数据传输通道拥堵，为此，许强团队的研究人员研究提出了“自适应调整采样频率”数据采集机制，研发了配套的仪器设备。一旦监测对象变形加快，采集频率会跟着加快，变形变慢，采样间隔就会自动加大。研究人员正在着力使监测预警过程减少人工干预，使系统自动化程度不断提高。同时，在监测过程中，将过程预警和阈值预警相结合，减小了山体滑坡的误报率和漏报率。

编辑：王彬