张耀南，田琛琛，任彦润，康建芳，敏玉芳，张彩荷，艾鸣浩
1.国家冰川冻土沙漠科学数据中心，甘肃 兰州 73000
2.甘肃省科学数据总中心，甘肃 兰州 73000
3.中国科学院西北生态环境资源研究院，甘肃 兰州 73000
21世纪以来，全球重大灾害事件发生频次和数量随着气候变化呈增加趋势。联合国《2030年可持续发展议程》指出，自然灾害给人民生命财产和社会经济可持续发展等造成极大威胁[1],也对社会经济发展、生态环境和居民心理状态等造成了不同程度的负面影响[2,3]。政府间气候变化专门委员会（IPCC）近年发布的评估报告指出，气候系统的暖化毋庸置疑，防灾减灾的形势十分严峻，应对自然灾害成为人类社会共同关注的问题[4]。中国自然灾害呈多发、频发，地震、滑坡、泥石流、暴雨洪水、冰湖溃决、雪灾等灾种广泛发育[5,6]，仅2020 年各种自然灾害便造成约1.38亿人次受灾，591人因灾死亡或失踪，直接经济损失达3701.5亿元[3,5-8]。
构建灾害发生后的高效科学数据应急响应服务机制，可有效减少灾害带来的不利影响，并为预防次生灾害发生提供支持。近年来，国家高度重视防灾减灾救灾工作，颁布和实施了应急定位、理念与制度等管理机制的一系列改革举措[9]。“十四五”规划提出要建立健全灾害的应急响应机制，提高我国防灾救灾能力[10]。国家减灾系统综合框架（CNDRSS 框架）尝试通过集成不同部门/机构之间的多个灾害管理系统，实现不同部门和机构之间的数据共享和协作[11]，为灾害管理全过程提供一站式服务。但仍然存在着数据、服务、人力资源和物资等无法有效共享和利用的情况。针对冰冻圈环境[12-15]自然灾害科学数据所面临的困境，国家冰川冻土沙漠科学数据中心（以下简称“中心”）于2014年开始建设冰冻圈环境自然灾害科学数据资源体系，并于2018年生产了针对中巴经济走廊自然灾害的系列数据集[16]，服务中巴经济走廊灾害研究。在灾害发生后的第一时间形成完整、高质量、多要素、可覆盖灾害发生区域及周边地区的精准基础科学数据，可掌握灾害发生所在地理位置、当地基础地理环境信息、水文气象条件、人口和重大设施分布、历史灾害记录等关键信息，既提高了灾害应急响应的效率，还为预防次生灾害发生、灾害管理评估以及灾后重建提供了基础数据的支持。特别是规范化、科学化、标准化的自然灾害应急响应服务可快速准确的获取灾害信息并评估灾害风险，保障灾害应急管理的工作效率[17-19]。
目前，相关部门的多个平台可为灾害防治提供数据支持，但由于缺乏有效的整合机制和服务措施，数据呈现零散、片面、实时性和系统性差的问题，宝贵的数据资源在灾害应急救援过程中无法及时为救援及次生灾害预防提供有效支持。以地震灾害为例，我国建立了基于GIS的地震减灾规划决策系统，但系统对灾害相关数据的收集处理能力薄弱[20]。HIROHARA 等[21]建立的灾害信息云系统可在大规模自然灾害发生时登记、共享和传输应急指挥部收集到的各种灾害信息，但无法对信息进行有效整合。Peng 等[22]发现灾害信息和监测数据格式的差异是导致数据和使用者需求难以协调的原因之一。在灾害发生后第一时间实现各类数据资源整合，融合集成支撑灾害应急响应的数据产品并快速形成数据定制化制备和针对性分析的能力是科学数据灾害应急服务的当务之急。因此，本文引入工程化思维方式，基于应急响应服务流程，建立数据工程措施，实现从数据定义、接引、组织、管理、融合、集成、推送、制备到数据分析全过程的工程化体系，通过搭建应急响应服务平台，在短时间内聚合灾害发生地及周边区域科学数据，构建数据制备生产体系，形成数据分析环境，实现较少人工干预下的应急响应自动化过程和即时数据服务，支持灾害应急响应、灾情评估、次生灾变预警，形成科学数据服务防灾减灾应用新场景。
数据工程是指面向不同计算平台和应用环境，以工程化作为基本出发点的数据处理、分析和应用方法与技术。作为数据科学的一个发展方向[23]，随着原位观测、空间对地观测、衍生数据、社会网络等数据的快速增长，数据工程越来越显现出了它的重要性。将自然灾害相关数据收集、融合、集成、处理、分析、制备、发布与定制等功能的数据工程体系组合起来，可在短的时间内实现灾害发生地的基础地理数据、气象水文各类观测数据、多源卫星遥感数据、重大工程设施和社会经济文化人口等海量数据的聚合和制备，突破传统灾害应急服务数据准备的局限性，搭建起科学数据灾害应急响应服务平台，通过自动化的数据制备和分析，完成从多源“数据”到决策“信息”的快速转换，支持及时开展应急管理、救援调查、次生灾害发生研判等工作。
针对灾害应急响应和次生灾害发生预警的应急响应服务数据工程体系架构如图1，其底层基于国家数据中心的信息化基础设施，主要包括：（1）联动响应数据工程体系，针对突发灾害事件，快速构建拥有数据资源的多部门联动科学数据应急响应服务体系；
（2）多源数据接引聚合工程体系，构建接引各类针对灾害的数据资源，完成接引数据规范化处理；
（3）数据资源融合集成工程体系，针对接引的数据资源，开展应急响应数据整合、融合与集成；
（4）专题数据制备生产工程体系，针对不同灾种应急响应需要，定制或生产所需专题数据产品，实现按需定制数据；
（5）应急响应数据组织管理工程体系，通过对科学数据资源进行高效的再组织，实现高效便捷的应急响应服务；
（6）数据共享推送服务工程体系，面向应急部门、经常开展应急调查的组织和团队、救援工作人员，发布和推送应急科学数据，支持科学数据应急下载；
（7）灾害演变分析数据工程体系，支持灾害发展过程分析和应急科学数据的可视化表达；
（8）灾情程度评估数据工程体系，针对灾害管理部门或应急救援、调查、评估人员的需求，针对性开展受灾程度评估分析；
（9）次生灾害评估预测预警工程体系，提供灾害发生地及周边潜在次生灾害时空分布，支持次生灾害发生的可能性预测分析。
图1 应急响应科学数据服务总体架构Fig.1 Overall architecture of emergency response scientific data service
基于应急响应科学数据服务总体架构，采用成熟的信息技术以及国家冰川冻土沙漠科学数据中心的信息化基础设施，搭建科学数据应急响应服务平台。应急响应过程主要体现在：针对发生的灾害启动应急预案，构建灾害应急服务模式，集成各类灾害相关科学数据信息，开展灾害应急响应科学数据服务，持续制备和更新专题数据，视需要开展灾情及次生灾害分析，通过应急响应服务平台及时向全社会发布应急科学数据，供相关应急、救援和研究部门使用。在科学数据应急响应平台的构建中，基于数据工程的工作思路，将灾害应急响应分解为多个独立的数据工程体系和数据工程集；
针对不同类型自然灾害的相关地物类型及致灾因子，建立多源、异构数据的汇集和整合工程，通过汇聚卫星遥感数据、观测数据、专题数据及基础地理信息数据实现灾害对象的属性监测和评价，并建立由模型方法和数据需求驱动的数据生产机制；
通过数据预处理、构建数据反演模型、数据融合等实现数据制备过程，以数据工程集的耦合实现整个数据生产和灾害分析评价的工程化，完成从多源数据到灾害时空分布以及预警决策的整个过程，为灾害防治的分析决策提供数据基础。
2.1 应急响应科学数据接引与整合
在突发灾害事件信息触发下，针对具体灾害类型，快速联合科学数据灾害应急服务相关机构，组建专业化的科学数据应急响应队伍，触发各数据资源机构开放应急科学数据资源。通过应急响应数据接引工程，采集和聚合不同类型科学数据资源，汇聚基础地理、卫星遥感、特色数据、土壤数据、人文经济等数据，实现数据的整合、融合和集成。针对不同灾害制定具体数据方案，根据地表要素及主要灾害类型，进行相关数据资源的分类。对灾害应急需要的数据进行获取难易程度、制备耗时、时空分辨率、使用频次、关联模型、数据方案完整性等的梳理和排序，形成常见自然灾害预置的基本数据方案。针对不同灾种特征及其常用模型，制定数据生产和共享规则，在满足数据精度和准确性的基础上，进一步平衡对数据时效性和精细化程度的差异化需求。其中，收集灾害发生空间位置及周边200 km范围区域内的行政区划、河流水系、道路交通等基础自然地理数据，以及区域内历史灾害发生频次、分布位置、造成损失等数据；
接引多源、多时相光学、雷达、气象卫星遥感数据，如合成孔径雷达（SAR）、Landsat8、FY、GF系列数据（GF-1、GF-2、GF-3、GF-4 和GF-6），HJ2A、HJ2B、吉林一号、海丝一号等影像数据；
集成灾害发生地200 km范围内近5 年来市域、县域以及乡镇的社会、经济、人口等数据；
集成灾害发生地200 km空间范围内的冰川、冰湖、积雪、冻土、湿地和热融湖塘等特殊地理要素的专题数据；
整合灾害发生地200 km范围内的土地利用、土壤类型、土壤侵蚀、土壤质地等数据；
提供灾害发生地200 km 空间范围12.5 m、30 m、90 m 分辨率的DEM 数据、11个地形因子（坡度、坡向、曲率、地形起伏度、地面粗糙度等）数据。
2.2 科学数据应急响应服务平台与共享支持
灾害涉及的科学数据来源广、种类多，为解决多尺度、多源、多类型的数据难以及时有效服务于多角色用户需求的问题，基于中心大数据时空引擎构建科学数据应急响应服务平台框架图（图2，http://www.ncdc.ac.cn/portal/emergency）。
图2 科学数据应急响应服务平台框架图Fig.2 Overall architecture of scientific data emergency response service platform
通过层次分明的数据资源组织，实现层级联动和快速高效的海量数据存储管理，实现针对多源异构空间数据的高效加载。通过数据管理工具实现空间数据的格式转换、整理与编辑。通过专题任务创建及专题数据节点的增加、修改、删除等操作，实现数据上传、导入、预览和下载等功能。通过专题数据制备工程系统，实现灾害应急专题数据按需定制。通过应急响应任务地图、数据发布和下载通道，实现应急科学数据的发布和推送，以及空间分析与下载服务。通过可视化窗口提供应急科学数据的分层可视化表达、互操作及图层隐藏、移除、定位和叠加顺序调整等功能。利用数据推送工程系统，对已注册的救援人员、调查评估人员和灾害管理机构开展灾害应急科学数据推送服务（图3）。采用多用户并发访问控制技术，改善了平台的运行效率，实现灾区时空海量数据的最大化共享，为开展灾害救援、研究提供便捷的数据支持。
图3 科学数据应急响应服务平台及推送服务Fig.3 Scientific data emergency response service platform and push service
2.3 应急科学数据制备与迭代更新
依托应急响应服务平台和接引的各专业数据库数据，实现灾害应急科学数据快速制备和现势性数据的迭代更新。应急响应数据来源和类型多样、数据关系零散，直接使用存在诸多不便，增加了应急响应专题数据制备的难度。通过数据融合集成工程对多源数据的整合、转换、融合、集成，可实现多源数据重构和专题数据制备。通过分类提取区域内基础地理要素数据，识别周边潜在灾害点，结合历史自然灾害事件的发生频次，制备潜在灾害的时空分布数据。基于持续更新的卫星遥感数据，提取灾害发生前后陆地、水域等典型要素如积雪、冰川、冰湖、滑坡、泥石流等信息，形成典型地理要素灾前灾后变化的对比分析数据。平台支持专题数据产品的迭代制备，基于灾后不断完善的数据资源，实现应急时间段内灾害相关数据的不断更新，为应急响应和灾后重建提供更具现势性的专题数据服务。
3.1 数据分析及潜在次生灾害分布
针对发生的灾害类型，分析灾害发生地以及周边地区可能诱发的次生灾害类别，收集潜在次生灾害相关数据，开展次生灾害发生可能性分析。比如发生在冰冻圈的地震可能诱发周边地区滑坡、崩落和湖泊溃决，引起冰川、冰湖、盐湖、道路沿线山脊积雪等的结构性失稳，需要对这些典型的地理要素进行分析并对可能发生的次生灾害进行预判。卫星遥感数据具有宏观、及时、动态和准确等特点，已经成为识别致灾因子、分析灾情最基本的数据资源。基于应急响应平台中时空数据分析引擎（图4）提供的时空分析能力，支持基于遥感数据的地表要素变化监测、追溯分析、灾害数据时空关联分析，同时支持200 km范围内气候数据驱动平台中集成的相关模型，实现设定区域内积雪、冰川、冰湖以及生态环境等的变化监测，分析诱发诸如冰崩、冰湖溃决、融雪型洪水等次生灾害的可能性，为形成直观快速了解灾区概况提供了分析窗口，实现对设定区域内多个矢量数据或栅格数据秒级渲染显示及按需可视化样式设置，对次生灾害隐患点变化进行可视化预警。以2015年4月25日14时尼泊尔发生8.1 级地震的科学数据应急响应服务为例，平台制备和发布了灾害发生区域冰川、冰湖、冻土等的分布数据，为尼泊尔政府和相关救援组织提供了可能发生次生灾害的分析结果[24]。针对2022年6 月10 日凌晨发生在四川省阿坝州的马尔康地震，对设定区域内历史灾害发生频次和现存的湖泊、滑坡、泥石流沟等潜在灾害点进行调查，形成时空分布数据为应急响应提供参考。目前，平台正在逐步集成基于大数据挖掘分析模型，构建应急响应中潜在灾害的分析功能，完善灾害数据分析和潜在灾害点的发现识别能力。
图4 科学数据应急响应时空数据引擎首页Fig.4 Homepage of scientific data emergency response spatio-temporal data engine
3.2 灾害演变分析与预测预警
为支持灾害形成或演变过程分析，科学数据应急响应服务平台上集成了多个灾害预测模型和灾害风险评价方法，结合数据实现灾害过程的分析和预警。针对冰冻圈常见灾害类型，现已部署集成了13 个模型和系统，基本涵盖了冰冻圈典型、多发的灾害类型，并根据灾害特征、影响及发展趋势和现状，结合其时空分布特征，面向用户需求持续添加灾害过程模拟及预测的模型方法，扩展灾害风险评价体系和标准。
基于WRF模型驱动高寒山区分布式水文模型iGBHM[25]构建了盖孜河谷洪水预报原型系统。基于降雨径流模拟系统PRMS 构建了小流域洪水预测原型系统。集成了包含降雨径流模拟PRMS 和三维有限差分模型MODFLOW 的GsFlow 模型、可利用遥感降水产品直接作驱动的GeoSFM 模型。部署了基于宏观层面划分灾害易发区域的广义线性耦合模型GLMM（Generalized linear mixed-effects model）[26]、广义相加混合效应模型GAMM（Generalized additive mixedeffects model）[27]、基于机器学习的树增强混合模型TBMM（Machine learning-based tree-boosted mixed-effects model）[28]，为特定区域的泥石流、滑坡和崩塌等灾害空间易发性评价提供宏观决策支持[29]。集成了SPAM（Sand Pile Avalanche Model）雪崩模型、碎屑流数值模拟模型RAMMS（Rapid Mass Movement Simulation）等用于模拟雪崩、落石、泥石流和浅层滑坡。集成天山地区降雪诱发雪崩预警模型[30-32]，基于雪崩灾害统计信息建立雪崩灾害危险性评价指标体系和雪崩概率计算公式，建立了包含雪崩风险判断、风险决策和风险处理方法的雪崩灾害评价框架，形成风险区域筛选指标和判断标准、高风险区及潜在风险识别和判断、灾害发生后果评估方法。目前，正在搭建基于深度神经网络的小样本条件下灾害发现识别[33]等灾害分析功能，增加人工智能典型地表环境要素速变发现和识别探测模型，增强科学数据应急响应服务平台的灾害预测预警能力。
自然灾害应急响应科学数据工程体系以科学数据为基础，基于自然灾害知识体系和多源、多学科的理论研究方法，结合数据、模型及工程化方法，其体系架构具有良好的适用性和可推广性，该工程体系架构已在国家冰川冻土沙漠数据中心开展了应用实践。
2022年9月5日12时，四川省甘孜州泸定县发生6.8级地震，触发科学数据应急响应服务，平台组织自然资源部国土卫星遥感应用中心、国家冰川冻土沙漠科学数据中心、长光卫星、欧比特卫星等数据资源机构开展泸定地震联合应急响应服务。数据制备范围涵盖震中周边200 km范围内多个村镇和市县，包括震中内坪上、杉树坪等6个村庄，震中20 km范围内的磨西镇、得妥镇等村镇，距震中39 km 的泸定县、48 km 的石棉县、226 km 的成都市等市县。开展数据接引整合，形成包含设定区域内震中位置、历史地震、基础地理、土地利用、DEM数据、土壤和涉及市域、乡镇的社会和人文经济等数据，以及震前震后多源遥感数据、冰湖、冰川等特色数据共计169.4 GB，于9月5日18时通过应急响应服务平台发布并推送相关机构和人员，并提供线上共享下载服务。截至2023 年3 月，应急响应总计下载数据4.8万余次，下载数据量达358TB。
2022年8月18日零时，青海大通县因强降雨引发山洪泥石流导致河流改道漫溢，青林乡、青山乡2个乡镇6个村1,517户共6,245人受灾。平台获悉灾情消息后随即启动应急响应任务，组建联动数据服务，接引整合青海省长时间序列气象数据、基础地理数据、DEM 数据、土地利用数据、土壤数据、大通县各乡镇社会经济及人口情况、灾前灾后多源遥感影像等数据，总数据量达57.6 GB，在应急响应服务平台发布并推送青海应急厅及相关人员，对此次洪灾成因及洪水发生地临近两处滑坡风险进行了初步分析。截至2023年3月，此次山洪事件应急响应总计下载数据4,500次，下载数据量达9.5 TB。
针对灾害发生，基于科学数据应急响应工程体系，搭建针对灾害的应急响应服务平台，快速整合集成冰雪、冻融、滑坡、泥石流、洪水等自然灾害相关时空数据。现已成功为国内青海省门源县、果洛玛多县、茫崖市、德林哈市，甘肃省张掖市肃南裕固族自治县，四川省马尔康市、泸定县、庐山县，国际土耳其、阿富汗、塔吉克斯坦等地震灾害，以及青海大通县山洪灾害提供了科学数据应急响应服务，为加勒万河谷和盖孜河谷提供了水情预警。截至2023年3月底，总计为18.9万人次提供了国内青海、甘肃、四川、新疆，国际印尼、土耳其、菲律宾、塔吉克斯坦、阿富汗灾害约2.6 PB的应急响应科学数据服务，已开展的科学数据应急服务见表1。其中，“四川省甘孜州泸定县6.8级地震”应急服务数据下载次数最多，达4万余次，“青海省海北州门源县6.9级地震”应急服务下载数据量最大，达1.4PB（表1）。
现已初步形成了集成科学数据接引整合、融合集成、制备生产、分析处理、推送发布、评价预警等功能的自然灾害应急响应科学数据工程体系。由灾害事件触发启动的科学数据应急响应服务任务，能在灾害发生24 小时内迅速做出响应，搭建应急响应服务平台，快速制备灾害发生区域周边200 km 范围内的基础地理、气象、水文、遥感影像及社会人文等多源科学数据，开启科学数据应急响应推送、开放共享、数据制备生产和演变分析及预测预警。建立的数据工程体系在防灾减灾应用中可实现快速精准的科学数据应急响应服务，为政府应急决策管理部门、救援调查人员和广大科研工作者提供应急需要的基础数据。
针对应用中遇到的问题和发展现状，未来还需要深入以下4方面的工作。第一，继续改善联动气象、水文和多源遥感数据的接引机制，进一步优化实时接引卫星、雷达、自动站等观测数据以及互联网信息的接引整合、融合集成、演变分析的工程体系。第二，实现与防汛抗旱、地质灾害、应急管理等数据资源机构的便捷对接，构建市域、县域、乡镇域为单位的“防灾减灾一张图”及全覆盖易灾点的基础信息库。第三，构建数据流驱动的数据工程体系，增加特定区域灾害如冰冻圈冰缘灾害的专业知识，智能耦合未来天气网格预报，实现实时、在线、多维度的灾害监测分析、次生灾害预测预警、灾情评估以及避灾救援现地决策。第四，改善应急服务科学数据质量、提升影像数据的有效程度和时效性，优化应急响应近实时的数据挖掘分析、次生灾害速变预测预警感知等能力，更好地发挥科学数据在防灾减灾工作中的作用。
利益冲突声明
所有作者声明不存在利益冲突关系。
猜你喜欢 灾害应急科学 多维深入复盘 促进应急抢险江苏安全生产(2023年9期)2023-10-24河南郑州“7·20”特大暴雨灾害的警示及应对江苏安全生产(2022年8期)2022-11-01我省汛期常见气象灾害及防御江苏安全生产(2021年6期)2021-08-05完善应急指挥机制融嵌应急准备、响应、处置全周期江苏安全生产(2020年6期)2020-07-28推动灾害防治工作实现新跨越江苏安全生产(2020年5期)2020-06-15点击科学中国科技教育(2019年12期)2019-09-23科学大爆炸小小艺术家(2019年6期)2019-06-24应急管理部6个“怎么看”劳动保护(2018年5期)2018-06-05国际新应急标准《核或辐射应急的准备与响应》的释疑灾害医学与救援(电子版)(2017年3期)2017-02-06科学拔牙小雪花·成长指南(2015年3期)2015-05-04