川觀新聞記者 蘭珍
一分鐘內(nèi)預測全球任何地震誘發(fā)滑坡的空間概率，平均精度達82%，比國際現(xiàn)有模型準確率提高了約20%。5月12日是全國防災減災日，川觀新聞記者從地質(zhì)災害防治與地質(zhì)環(huán)境保護全國重點實驗室獲悉，日前，該實驗室主任、成都理工大學教授范宣梅及團隊在全球地震誘發(fā)地質(zhì)災害智能預測方面取得重要進展，相關成果以“Deep learning can predict global earthquake-triggered landslides”為題，發(fā)表在國際期刊National Science Review（《國家科學評論》）。
據(jù)團隊介紹，該研究基于過去50年來38次強震誘發(fā)的40余萬處滑坡，建立了目前全球最大的地震誘發(fā)滑坡數(shù)據(jù)庫，結合深度學習算法，研發(fā)了智能預測模型，能夠快速預測全球任何地震誘發(fā)滑坡的空間概率，平均精度達82%，計算時間由原來的數(shù)天縮短到小于1分鐘，實現(xiàn)了地震誘發(fā)地質(zhì)災害的近實時預測。
1970年以來全球地震誘發(fā)滑坡事件的空間分布和地震帶—氣候分區(qū)。受訪者供圖
該成果可以在震前對地震高風險區(qū)進行災害風險情景推演，也可在震后快速評估地質(zhì)災害空間分布，為震前防災規(guī)劃和震后應急救援提供重要科技支撐。
過去20年，全球強震頻發(fā)，平均每月都會發(fā)生一次7級以上強震，山區(qū)強震誘發(fā)次生地質(zhì)災害是造成地震傷亡的重要因素。例如，2015年尼泊爾7.9級地震滑坡造成的傷亡占總傷亡的40%以上。
精準預測強震誘發(fā)地質(zhì)災害，建立一個適用于全球不同地質(zhì)環(huán)境條件的強震誘發(fā)地質(zhì)災害預測模型，成為地質(zhì)災害領域的國際前沿科學問題。
傳統(tǒng)基于物理機理的Newmark方法（結構動力學中廣泛使用的數(shù)值技術），由于對物理力學參數(shù)的要求較高，僅適用于小范圍評估。近年來，隨著遙感等觀測數(shù)據(jù)增加，部分研究采用統(tǒng)計方法和機器學習，建立歷史滑坡樣本和控制因素的經(jīng)驗映射，解決了對物理力學參數(shù)高度依賴的問題，但面臨樣本代表性與跨區(qū)域泛化能力不足的挑戰(zhàn)。
范宣梅團隊是如何破題的呢？
首先，研究團隊從1970年以來全球范圍內(nèi)6級以上地震中篩選出38次典型事件，結合遙感智能識別與人工核驗，解譯了近40萬處滑坡樣本，構建規(guī)模大、質(zhì)量高的全球地震誘發(fā)滑坡數(shù)據(jù)庫。進而，將地震事件劃分為環(huán)太平洋和阿爾卑斯—喜馬拉雅兩大地震帶，以及寒帶、溫帶與赤道帶三大氣候區(qū)，用來提升不同區(qū)域地質(zhì)環(huán)境條件下模型的泛化能力。
其次，基于對強震誘發(fā)滑坡機理的認識，研究團隊對17項影響因子進行分析，發(fā)現(xiàn)地面峰值加速度（PGA）、坡度與巖性是全球范圍內(nèi)地震誘發(fā)滑坡的主控因素：PGA直接反映地震動能量釋放強度，坡度決定斜坡自身穩(wěn)定性閾值，巖性則影響巖土體的物理力學特性。
值得注意的是，不同地震帶—氣候區(qū)的滑坡控制因子呈現(xiàn)顯著空間分異性，反映了地質(zhì)背景與氣候外營力（地球外部能源驅(qū)動、通過氣候、水文等自然過程改變地表形態(tài)的力）協(xié)同作用對滑坡動力過程的差異影響。這就突破了傳統(tǒng)預測模型“一刀切”的局限。
再者，該研究創(chuàng)新設計了多尺度全卷積回歸網(wǎng)絡（一種用于處理不同尺度特征的深度學習模型），?結合通道—空間注意力模塊，實現(xiàn)了誘發(fā)滑坡關鍵特征的自動提取、聚焦與融合。
模型采用“全球—區(qū)域雙軌制”，在赤道和溫帶等事件和數(shù)據(jù)充足的區(qū)域采用區(qū)域模型，通過區(qū)域化訓練充分優(yōu)化參數(shù)，獲得更高的預測精度；在事件和樣本匱乏的寒區(qū)場景則采用全球模型，憑借海量多樣的訓練樣本能夠保障穩(wěn)健的預測下限，有效避免過擬合風險。
據(jù)了解，研究將通過探索“機理與數(shù)據(jù)聯(lián)合驅(qū)動”方法，進一步提升模型預測精度和響應速度。未來有望將降雨預報和余震分析等更多觸發(fā)條件納入預測模型，同時結合人口、房屋、基礎設施等數(shù)據(jù)，實現(xiàn)多因素驅(qū)動的地質(zhì)災害風險預測大模型。
編輯：陳翠
責任編輯：余鳳
編審：張宏彥
0