楊寅 包紅軍* 徐成鵬

(1國家氣象中心，北京 100081; 2中國氣象局-河海大學(xué)水文氣象研究聯(lián)合實(shí)驗(yàn)室，北京 100081)

*通信作者， Email：baohongjun@cma.gov.cn

引言

我國是全球地質(zhì)災(zāi)害最嚴(yán)重國家之一，滑坡、崩塌、泥石流分布范圍占國土面積44.8%。根據(jù)自然資源部數(shù)據(jù)，2019年全國共發(fā)生地質(zhì)災(zāi)害6181起，造成211人死亡，13人失蹤，75人受傷，直接經(jīng)濟(jì)損失27.7億元。大量研究證明降水是引發(fā)地質(zhì)災(zāi)害的主要因素[1-3],全國縣(市)地質(zhì)災(zāi)害調(diào)查也指出降水是所有泥石流，90%滑坡和81%崩塌的誘發(fā)因素[4]。國土資源部和中國氣象局2003年起聯(lián)合開展氣象因素(主要為降水)引發(fā)地質(zhì)災(zāi)害的氣象風(fēng)險(xiǎn)預(yù)警預(yù)報(bào)，對(duì)外正式發(fā)布國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警，其中氣象部門的業(yè)務(wù)承擔(dān)單位為中央氣象臺(tái)[5]。隨著業(yè)務(wù)持續(xù)開展，中央氣象臺(tái)積累了豐富的預(yù)警經(jīng)驗(yàn)，借鑒降水強(qiáng)度-時(shí)間曲線[6]、降水驅(qū)動(dòng)指標(biāo)[7]等研究成果，結(jié)合國內(nèi)實(shí)際研發(fā)了基于臨界雨量的第一代地質(zhì)災(zāi)害氣象預(yù)警客觀模型[8](簡(jiǎn)稱客觀模型Ⅰ)和融合臨界雨量與地質(zhì)災(zāi)害易發(fā)性信息量的第二代模型(簡(jiǎn)稱客觀模型Ⅱ)[9]。此外，還有不少學(xué)者研究提出多種預(yù)警客觀模型[10-12]，為地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警提供了技術(shù)支持。

地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警效果和各種客觀模型性能需要及時(shí)檢驗(yàn)評(píng)估以反饋業(yè)務(wù)開展和改進(jìn)客觀模型。預(yù)警定量檢驗(yàn)是一個(gè)對(duì)比實(shí)況災(zāi)情信息和預(yù)警產(chǎn)品，輸出數(shù)值檢驗(yàn)結(jié)果的過程，目前主要困難是災(zāi)情信息及時(shí)獲取。地質(zhì)災(zāi)害災(zāi)情信息的兩個(gè)主要獲取途徑是遙感數(shù)據(jù)和災(zāi)情報(bào)告，如文廣超等學(xué)者研究利用高分辨率的衛(wèi)星或無人機(jī)遙感數(shù)據(jù)開展災(zāi)情信息提取[13-15]，但由于數(shù)據(jù)獲取費(fèi)用高、衛(wèi)星重訪周期長(zhǎng)、無人機(jī)覆蓋范圍小、遙感地質(zhì)解譯科學(xué)發(fā)展慢等因素影響，這些技術(shù)多在小區(qū)域內(nèi)試驗(yàn)，無法在面向全國的地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警業(yè)務(wù)中運(yùn)用。實(shí)際業(yè)務(wù)中，災(zāi)情信息通常來源于中國氣象局災(zāi)害管理系統(tǒng)中民政、國土等部門共享或氣象信息員匯報(bào)的災(zāi)害報(bào)告，報(bào)告內(nèi)容以中文自然語言為主，文本表達(dá)格式靈活，需要人工分析地質(zhì)災(zāi)害發(fā)生時(shí)間、類型等信息[16,17]，在美國的山洪地質(zhì)災(zāi)害預(yù)警效果評(píng)估工具中，災(zāi)情信息獲取也依賴于人工分析[18]。由于地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警檢驗(yàn)需要獲得災(zāi)情信息后才能開展，現(xiàn)有檢驗(yàn)工具需要與人工分析結(jié)合使用，預(yù)警檢驗(yàn)集成化程度不高，尚未完全實(shí)現(xiàn)客觀化。此外，由于人工效率不高，同時(shí)全國范圍氣象災(zāi)害報(bào)告數(shù)量多，地質(zhì)災(zāi)害信息無法實(shí)時(shí)獲取，導(dǎo)致工具也缺乏實(shí)時(shí)檢驗(yàn)?zāi)芰Α?/p>

隨著計(jì)算機(jī)科學(xué)發(fā)展，近年來自然語言處理技術(shù)有很大發(fā)展，出現(xiàn)了Jieba、SnowNLP等多種自然語言處理軟件，實(shí)現(xiàn)了很多成功的中文文本數(shù)據(jù)處理案例[19-22]，這為利用計(jì)算機(jī)程序替代人工分析，實(shí)現(xiàn)地質(zhì)災(zāi)害災(zāi)情信息分析客觀化，快速收集提取災(zāi)害發(fā)生時(shí)間、地點(diǎn)、損失等多元災(zāi)情信息提供了技術(shù)基礎(chǔ)。

在統(tǒng)計(jì)中國氣象局災(zāi)害管理系統(tǒng)2015—2019年全國地質(zhì)災(zāi)害災(zāi)情信息特征的基礎(chǔ)上，基于中文自然語言處理軟件研發(fā)了地質(zhì)災(zāi)害多元災(zāi)情信息智能分析技術(shù)，建立了具備實(shí)時(shí)性和集成化優(yōu)勢(shì)的地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警實(shí)時(shí)檢驗(yàn)客觀工具，能為預(yù)警業(yè)務(wù)開展和客觀模型改進(jìn)提供信息反饋。

1 災(zāi)情報(bào)告信息特征分析

在國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警業(yè)務(wù)中，中央氣象臺(tái)收集災(zāi)情信息的主要渠道是中國氣象局災(zāi)害管理系統(tǒng)，系統(tǒng)中災(zāi)情報(bào)告由各基層氣象局以縣級(jí)行政區(qū)為基本單位，通過民政和自然資源部門信息共享、氣象信息員匯報(bào)等途徑獲取數(shù)據(jù)后上傳，包含災(zāi)害所屬縣行政區(qū)編碼、災(zāi)害類型、災(zāi)害開始時(shí)間與結(jié)束時(shí)間、災(zāi)情概況、雨情概況、人員和財(cái)產(chǎn)損失等要素，其中災(zāi)情與雨情概況為一段或若干段中文文本，災(zāi)害類型為內(nèi)容和種類確定的詞語，其余要素均為格式固定的數(shù)字。

理想情況下，根據(jù)災(zāi)害時(shí)間、地點(diǎn)、類型、損失要素可以全面描述地質(zhì)災(zāi)害事件。分析2015—2019年全國地質(zhì)災(zāi)害災(zāi)情報(bào)告發(fā)現(xiàn)，災(zāi)害發(fā)生縣的行政區(qū)編碼要素項(xiàng)準(zhǔn)確可靠，但存在著人員傷亡和財(cái)產(chǎn)損失要素項(xiàng)數(shù)據(jù)缺失，災(zāi)害開始和結(jié)束時(shí)間跨度超過國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警時(shí)效，以及地質(zhì)災(zāi)害事件與臺(tái)風(fēng)、強(qiáng)對(duì)流等明顯降水過程及其誘發(fā)的更為嚴(yán)重的漬澇、潰壩、中小河流洪水等次生災(zāi)害同時(shí)發(fā)生時(shí)，由于災(zāi)害類型要素為單一值，業(yè)務(wù)人員優(yōu)先選擇更為嚴(yán)重的災(zāi)害填報(bào)的情況。災(zāi)情報(bào)告中的災(zāi)害時(shí)間、類型、損失要素可能無法提供多方位的有效信息，但災(zāi)情和雨情概況的中文文本往往包含著描述地質(zhì)災(zāi)害類型、時(shí)間、地點(diǎn)、人員傷亡和財(cái)產(chǎn)損失的內(nèi)容，災(zāi)情信息更豐富全面。

災(zāi)情和雨情概況由全國各基層氣象局上報(bào)，對(duì)地質(zhì)災(zāi)害事件及影響的文字描述格式往往不統(tǒng)一，具有很強(qiáng)的主觀靈活性，收集多元災(zāi)情信息時(shí)需要人工分析，工作效率低，同時(shí)為保證全面收集地質(zhì)災(zāi)害災(zāi)情，需要對(duì)所有氣象災(zāi)害報(bào)告開展分析，工作量大。圖1是中國氣象局災(zāi)害管理系統(tǒng)2015—2019年氣象災(zāi)害和地質(zhì)災(zāi)害報(bào)告總數(shù)對(duì)比，由圖可見，氣象災(zāi)害報(bào)告數(shù)量在4600～6000條之間浮動(dòng)，年平均值約5400縣次，災(zāi)害總數(shù)大，其中地質(zhì)災(zāi)害整體約占?xì)庀鬄?zāi)害數(shù)量的12%，年平均值約670縣次。以國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警年度檢驗(yàn)為例，人工分析全國氣象災(zāi)害報(bào)告提取地質(zhì)災(zāi)害災(zāi)情信息的平均花費(fèi)時(shí)間超過3個(gè)工作日，這無法根據(jù)檢驗(yàn)需求實(shí)時(shí)獲得災(zāi)情信息分析結(jié)果并開展地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警效果定量檢驗(yàn)。

圖1 2015—2019年中國氣象局災(zāi)害管理系統(tǒng)中 氣象災(zāi)害和地質(zhì)災(zāi)害數(shù)量對(duì)比

分析地質(zhì)災(zāi)害報(bào)告中災(zāi)情和雨情概況的中文文本，發(fā)現(xiàn)語句格式雖然不統(tǒng)一，但對(duì)災(zāi)害事件描述總體可分為2種類型，第1種具有“具體時(shí)間+災(zāi)害事件”的信息特征，如某月某日某時(shí)某地發(fā)生滑坡,第2種具有“時(shí)間段+災(zāi)害事件”的特征，其中時(shí)間段的文字描述通常以上午、下午等詞語，或者使用到、至、破折線、破浪線等文字或符號(hào)將兩個(gè)時(shí)間連接而成，如某日某時(shí)至(或到)某日某時(shí)，或某日某時(shí)～某日下午明顯降雨，某地發(fā)生泥石流的描述性語句。對(duì)于人員傷亡和財(cái)產(chǎn)損失情況，絕大多數(shù)災(zāi)情概況具有“死亡X人”、“X人死亡”、“X人重傷”、“受傷X人”等固定文本格式的信息特征。如果利用計(jì)算機(jī)替代人工分析災(zāi)情報(bào)告信息特征，能更客觀高效地處理收集地質(zhì)災(zāi)害的災(zāi)情信息。

2 多元災(zāi)情信息智能分析技術(shù)

2.1 中文語句分析工具選擇

地質(zhì)災(zāi)害多元災(zāi)情信息智能分析技術(shù)是指對(duì)中文文本內(nèi)容進(jìn)行自然語言處理，利用災(zāi)情和雨情概況中災(zāi)害時(shí)間和損失內(nèi)容的信息特征，智能分析提取地質(zhì)災(zāi)害發(fā)生時(shí)間、人員傷亡和財(cái)產(chǎn)損失等多元災(zāi)情信息。目前常用的中文分詞工具有Jieba、SnowNLP、PKUSeg、Thulac、HanLP、pyhanlp等，其中Jieba以其開源、詞典可自定義等優(yōu)點(diǎn)而使用廣泛，可參考借鑒成功案例數(shù)量多，研究選用Jieba處理災(zāi)情報(bào)告。

Jieba軟件包利用中文詞庫確定漢字之間的關(guān)聯(lián)概率，將概率大的漢字組成詞組，具有精確模式、全模式、搜索引擎模式和Paddle模式選項(xiàng)，適用于不同用途。本研究目的是提取文本中地質(zhì)災(zāi)害多元災(zāi)情信息，屬于文本分析，因此選用精確模式。

2.2 地質(zhì)災(zāi)害類型關(guān)鍵詞分析

災(zāi)情數(shù)據(jù)分析發(fā)現(xiàn)，由于災(zāi)情報(bào)告由基層氣象局上報(bào)，各地業(yè)務(wù)人員的慣用詞語和語句組織方式多樣，災(zāi)情概況中存在著多種描述地質(zhì)災(zāi)害的詞語。圖2是利用Jieba分詞軟件包對(duì)2015—2019年地質(zhì)災(zāi)害災(zāi)情報(bào)告開展詞頻分析得到的災(zāi)害類型關(guān)鍵詞分布。由圖可見，對(duì)以降水為主要誘發(fā)因素的崩塌、滑坡、泥石流3種地質(zhì)災(zāi)害，災(zāi)情報(bào)告對(duì)同一類型災(zāi)害存在著意義相近的不同名稱，如塌方、坍塌、垮塌均表示崩塌，溜方的語義等同于滑坡，為完整提取多元災(zāi)情信息，研究將以上描述地質(zhì)災(zāi)害的關(guān)鍵詞加入Jieba分詞軟件包自定義詞典。

圖2 地質(zhì)災(zāi)害類型關(guān)鍵詞詞頻分布

此外，根據(jù)災(zāi)情報(bào)告文本內(nèi)容的信息特征分析結(jié)果，研究也將上午、下午、8時(shí)、8點(diǎn)、截至、至、到、連接符“—”和“～”等參與構(gòu)成災(zāi)害事件信息特征的字和詞語加入Jieba自定義詞典，以提高軟件包正確分割語句的能力。

2.3 多元災(zāi)情信息智能分析

根據(jù)地質(zhì)災(zāi)害類型關(guān)鍵詞和災(zāi)情報(bào)告信息特征分析結(jié)果，結(jié)合Jieba中文分詞軟件包，研究嘗試對(duì)中國氣象局災(zāi)害管理系統(tǒng)的災(zāi)情報(bào)告進(jìn)行計(jì)算機(jī)客觀分析，收集地質(zhì)災(zāi)害的多元災(zāi)情信息。

圖3 地質(zhì)災(zāi)害多元災(zāi)情信息智能分析流程圖

圖3是地質(zhì)災(zāi)害多元災(zāi)情信息智能分析處理流程:①按照中文文本的行文習(xí)慣，以句號(hào)和回車分行符為標(biāo)志，使用PYTHON計(jì)算機(jī)語言將災(zāi)情和雨情概況分割為若干個(gè)完整語句，之后利用jieba將語句拆分為詞語組合。②對(duì)比拆分后的詞語是否含有滑坡、塌方、泥石流等地質(zhì)災(zāi)害類型關(guān)鍵詞。③關(guān)鍵詞對(duì)比匹配條件下，開展地質(zhì)災(zāi)害信息特征智能分析，對(duì)于地質(zhì)災(zāi)害發(fā)生時(shí)間，考慮到地質(zhì)災(zāi)害屬于突變性現(xiàn)象，首先搜索災(zāi)情概況是否包含災(zāi)害發(fā)生具體時(shí)間，其次分析災(zāi)情概況中災(zāi)害發(fā)生時(shí)間段，最后基于明顯降水誘發(fā)地質(zhì)災(zāi)害時(shí)間滯后性一般不明顯的規(guī)律，提取雨情概況中最明顯降水時(shí)段作為災(zāi)害發(fā)生時(shí)間；對(duì)于災(zāi)害損失，按照人員傷亡和財(cái)產(chǎn)損失的文本信息特征搜索災(zāi)情概況；考慮到目前國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警時(shí)效為24 h，即預(yù)警發(fā)布日20:00至次日20:00，檢驗(yàn)工具采用20:00為截?cái)鄷r(shí)間劃分災(zāi)害日期，對(duì)于災(zāi)害發(fā)生時(shí)段包含20:00的情況，以災(zāi)害發(fā)生時(shí)間與截?cái)鄷r(shí)間，以及截?cái)鄷r(shí)間與災(zāi)害結(jié)束時(shí)間二者中時(shí)段較長(zhǎng)者為災(zāi)害發(fā)生時(shí)段，如果災(zāi)害開始和結(jié)束時(shí)間跨度超過24 h，大于目前地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警的時(shí)效長(zhǎng)度，采用文獻(xiàn)[18]的方法質(zhì)量控制。④遍歷分析災(zāi)情和雨情概況要素項(xiàng)的完整語句，選擇最精確的時(shí)間點(diǎn)或持續(xù)最短的時(shí)間段為災(zāi)害發(fā)生時(shí)間。

3 實(shí)時(shí)檢驗(yàn)客觀工具架構(gòu)

地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警實(shí)時(shí)檢驗(yàn)客觀工具是一個(gè)可獨(dú)立運(yùn)行的平臺(tái)，包含多元災(zāi)情信息智能分析，預(yù)警定量檢驗(yàn)和檢驗(yàn)產(chǎn)品自動(dòng)化輸出3個(gè)功能模塊，能夠完成適用于業(yè)務(wù)的實(shí)況信息獲取、實(shí)況和預(yù)報(bào)對(duì)比、檢驗(yàn)結(jié)果輸出的預(yù)警檢驗(yàn)全部流程，具有高度客觀化和集成化的特點(diǎn)?？紤]到業(yè)務(wù)有檢驗(yàn)固定時(shí)段預(yù)警效果的實(shí)際需求，檢驗(yàn)工具能夠自動(dòng)開展多尺度(日，周，月等)的預(yù)警評(píng)估，此外平臺(tái)還具有交互功能，允許用戶針對(duì)具體地質(zhì)災(zāi)害過程自定義輸入開始和結(jié)束時(shí)間進(jìn)行預(yù)警檢驗(yàn)。

3.1 多元災(zāi)情信息智能分析模塊

本模塊基于地質(zhì)災(zāi)害多元災(zāi)情信息智能分析技術(shù)，利用Python和JAVA語言開發(fā)應(yīng)用程序，根據(jù)用戶指定的檢驗(yàn)時(shí)間段從中國氣象局災(zāi)害管理系統(tǒng)數(shù)據(jù)庫查詢、下載災(zāi)情報(bào)告，開展智能分析，提取地質(zhì)災(zāi)害發(fā)生時(shí)間、地點(diǎn)、人員和財(cái)產(chǎn)損失等多元災(zāi)情信息。

3.2 預(yù)警定量檢驗(yàn)?zāi)K

本模塊功能是對(duì)國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警主觀和客觀產(chǎn)品開展定量檢驗(yàn)。中國氣象局2016年10月發(fā)布《暴雨誘發(fā)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警業(yè)務(wù)規(guī)范》(以下簡(jiǎn)稱《規(guī)范》)，規(guī)定了地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警產(chǎn)品業(yè)務(wù)檢驗(yàn)方法。檢驗(yàn)工具采用《規(guī)范》確定的業(yè)務(wù)方法檢驗(yàn)預(yù)警產(chǎn)品，并考慮到氣象行業(yè)通常使用TS評(píng)分開展預(yù)報(bào)檢驗(yàn)的實(shí)際情況，提供了地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警TS評(píng)分?！兑?guī)范》規(guī)定，地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警產(chǎn)品的檢驗(yàn)對(duì)象分為單點(diǎn)和縣級(jí)區(qū)域兩種，其中單點(diǎn)指出現(xiàn)地質(zhì)災(zāi)害的地點(diǎn)，縣級(jí)區(qū)域指發(fā)生地質(zhì)災(zāi)害的縣行政區(qū)，當(dāng)某縣行政區(qū)范圍內(nèi)出現(xiàn)一起及以上地質(zhì)災(zāi)害時(shí)，認(rèn)為該縣發(fā)生地質(zhì)災(zāi)害；否則認(rèn)為未發(fā)生地質(zhì)災(zāi)害。檢驗(yàn)指標(biāo)包括預(yù)報(bào)命中率TSR、空?qǐng)?bào)率FAR和漏報(bào)率PO，計(jì)算公式如下:

(1)

(2)

(3)

其中，NA為預(yù)警服務(wù)產(chǎn)品發(fā)布正確次數(shù)，NB為空?qǐng)?bào)次數(shù)，NC為漏報(bào)次數(shù)、ND為無預(yù)警服務(wù)產(chǎn)品預(yù)報(bào)正確次數(shù)。

TS評(píng)分計(jì)算公式如下所示，其中NA，NB，NC參數(shù)意義與業(yè)務(wù)檢驗(yàn)方法相同。

(4)

受中國氣象局災(zāi)害管理系統(tǒng)中地質(zhì)災(zāi)害發(fā)生地點(diǎn)只能精確到縣行政區(qū)的約束，重點(diǎn)研發(fā)了以縣行政區(qū)為檢驗(yàn)對(duì)象的國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警定量檢驗(yàn)功能，使用縣行政區(qū)內(nèi)國家基本氣象站點(diǎn)代表所屬的縣，針對(duì)目前地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警業(yè)務(wù)主觀產(chǎn)品和預(yù)警模型客觀產(chǎn)品的落區(qū)、格點(diǎn)和站點(diǎn)3種格式設(shè)計(jì)了不同檢驗(yàn)策略，對(duì)于落區(qū)預(yù)報(bào)，對(duì)比災(zāi)害發(fā)生縣是否在落區(qū)范圍內(nèi)以確定預(yù)警命中、空?qǐng)?bào)和漏報(bào)；對(duì)于格點(diǎn)預(yù)報(bào)，則通過判斷一定半徑范圍內(nèi)的格點(diǎn)是否覆蓋災(zāi)害發(fā)生縣；對(duì)于站點(diǎn)預(yù)報(bào)，對(duì)比災(zāi)害發(fā)生縣與預(yù)警縣是否重合。

3.3 檢驗(yàn)結(jié)果產(chǎn)品輸出模塊

本模塊功能是對(duì)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警定量檢驗(yàn)數(shù)字結(jié)果進(jìn)行可視化輸出，提高檢驗(yàn)結(jié)果被理解和解讀的效果。研究利用GRADS軟件繪制預(yù)警產(chǎn)品落區(qū)和地質(zhì)災(zāi)害發(fā)生縣的相對(duì)位置，展示預(yù)警命中、空?qǐng)?bào)和漏報(bào)的災(zāi)害數(shù)量，以及業(yè)務(wù)檢驗(yàn)方法TSR、PO和FAR指標(biāo)及TS評(píng)分定量檢驗(yàn)結(jié)果。

4 實(shí)時(shí)檢驗(yàn)客觀工具應(yīng)用

地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警實(shí)時(shí)檢驗(yàn)客觀工具已經(jīng)應(yīng)用于中央氣象臺(tái)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警業(yè)務(wù)，2015—2019年國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警檢驗(yàn)表明，該工具能夠?qū)崟r(shí)完成多元災(zāi)情信息智能分析、以業(yè)務(wù)檢驗(yàn)方法為主檢驗(yàn)主觀和客觀預(yù)警，檢驗(yàn)產(chǎn)品自動(dòng)化輸出的全部流程，具有實(shí)時(shí)檢驗(yàn)的能力，如完成年度地質(zhì)災(zāi)害多元災(zāi)情信息分析和預(yù)警定量檢驗(yàn)不超過0.5 h，而依賴于人工分析災(zāi)情的同類檢驗(yàn)工具耗時(shí)超過3個(gè)工作日，效率有明顯提升，同時(shí)，災(zāi)情信息分析正確率達(dá)到97%，能為預(yù)警效果分析與客觀模型改進(jìn)提供信息參考。

展示預(yù)警檢驗(yàn)工具應(yīng)用個(gè)例，2016年9月28日，第17號(hào)臺(tái)風(fēng)“鲇魚”強(qiáng)降水在浙江、福建兩省多個(gè)縣誘發(fā)地質(zhì)災(zāi)害，自然資源部和中國氣象局于9月27日20:00聯(lián)合發(fā)布地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)橙色預(yù)警。圖4是預(yù)警定量檢驗(yàn)結(jié)果圖形產(chǎn)品，由圖可見，地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警命中8個(gè)縣，漏報(bào)1個(gè)縣，空?qǐng)?bào)43個(gè)，無預(yù)警也無災(zāi)害縣2465個(gè)，業(yè)務(wù)檢驗(yàn)方法TSR、PO和FAR分別為98%、11%和84%，TS評(píng)分為0.15。

表1是檢驗(yàn)工具分別對(duì)主觀和客觀共3種預(yù)警產(chǎn)品的定量檢驗(yàn)結(jié)果，可以看到，在業(yè)務(wù)檢驗(yàn)方法3個(gè)指標(biāo)中，預(yù)報(bào)員制作的國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警主觀產(chǎn)品具有最高的命中率TSR，以及最低的漏報(bào)率PO和空?qǐng)?bào)率FAR，預(yù)警效果最優(yōu)?？陀^模型Ⅰ的PO與主觀產(chǎn)品相同，但FAR更高，表現(xiàn)出模型以較高空?qǐng)?bào)為代價(jià)降低漏報(bào)的特征，客觀模型Ⅱ的FAR與主觀產(chǎn)品接近，但PO偏大，說明模型存在增加漏報(bào)以控制空?qǐng)?bào)的策略，預(yù)警業(yè)務(wù)中需要注意不同模型的策略差異。主觀預(yù)警產(chǎn)品的TS評(píng)分最高，說明了預(yù)報(bào)員對(duì)客觀模型的訂正作用。

表1 3種地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警產(chǎn)品定量檢驗(yàn)結(jié)果對(duì)比

5 結(jié)論和討論

中國氣象局災(zāi)害管理系統(tǒng)中地質(zhì)災(zāi)害災(zāi)情報(bào)告內(nèi)容具有多種組織結(jié)構(gòu)，災(zāi)害信息獲取依賴于人工分析，導(dǎo)致現(xiàn)有地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警檢驗(yàn)工具實(shí)時(shí)性和客觀化能力不足。在災(zāi)情報(bào)告分析中發(fā)現(xiàn)其具有滑坡、溜方、塌方、垮塌等多種描述地質(zhì)災(zāi)害的關(guān)鍵詞，以及災(zāi)害內(nèi)容按照“具體時(shí)間+災(zāi)害事件”或“時(shí)間段+災(zāi)害事件”組織的信息特征，本研究中結(jié)合了災(zāi)情信息特征與中文自然語言處理軟件包jieba研發(fā)了地質(zhì)災(zāi)害多元災(zāi)情信息智能分析技術(shù)，建立了地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警實(shí)時(shí)檢驗(yàn)客觀工具。檢驗(yàn)工具是一個(gè)由多元災(zāi)害信息智能分析，以業(yè)務(wù)檢驗(yàn)方法為主檢驗(yàn)主觀和客觀預(yù)警，檢驗(yàn)結(jié)果產(chǎn)品自動(dòng)化輸出等功能模塊組成的可交互平臺(tái)，能夠集成完成預(yù)警檢驗(yàn)全部流程。

2015—2019年國家級(jí)地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警業(yè)務(wù)檢驗(yàn)表明，實(shí)時(shí)檢驗(yàn)客觀工具提取災(zāi)情準(zhǔn)確率達(dá)到97%，完成多元災(zāi)情信息分析和預(yù)警檢驗(yàn)的效率比依賴于人工分析災(zāi)情的同類檢驗(yàn)工具有明顯提升，具有實(shí)時(shí)性和集成化的優(yōu)勢(shì)，能更好地為預(yù)警業(yè)務(wù)開展和客觀模型改進(jìn)提供信息反饋。

檢驗(yàn)工具分析多元災(zāi)情信息正確率尚未達(dá)到100%的原因是災(zāi)情報(bào)告存在一定數(shù)量的錯(cuò)字或不常見文字表述，如“1日08時(shí)—20時(shí)”中，08時(shí)與20時(shí)的連接符號(hào)按照中文習(xí)慣為破折號(hào)，而災(zāi)情報(bào)告中實(shí)際是漢字“一”，或者日字被錯(cuò)誤拼寫為曰。未來將分析更多災(zāi)情報(bào)告，增強(qiáng)檢驗(yàn)工具容錯(cuò)能力，提高災(zāi)情信息分析準(zhǔn)確率。此外，現(xiàn)行地質(zhì)災(zāi)害業(yè)務(wù)檢驗(yàn)方法存在TSR指標(biāo)受ND參數(shù)影響大和檢驗(yàn)指標(biāo)數(shù)量多的缺點(diǎn)，后期將研究更適用于地質(zhì)災(zāi)害氣象風(fēng)險(xiǎn)預(yù)警的檢驗(yàn)方法。