引言

中国滑坡、崩塌和泥石流分布范围广，每年因地质灾害造成的死亡人数，约占各类自然灾害死亡人数的四分之一，并带来巨大经济损失。据中国地质环境监测院统计，2001—2015年滑坡、崩塌和泥石流发生数量年均约为2.4万起，约94%由自然因素引起，主要为降水、地震、冰雪冻融，每年造成死亡失踪人数约为800人、直接经济损失达45亿元左右。由于降水与滑坡、崩塌和泥石流关系非常密切，众多学者开展基于降水的地质灾害潜势或概率预报方法研究(姚学祥等，2005；徐晶等, 2007)，中央气象台也在2003年启动地质灾害气象预报预警业务，对地质灾害发生可能性进行预报，及时发布地质灾害气象预警。对于降水型地质灾害而言，降水因子选取和阈值取值非常重要，当日降水、前期降水、雨强以及降水持续时间都能引发地质灾害，暴雨是90%滑坡、81%崩塌和全部泥石流的主要诱发因素(李媛等，2004)，当日降水量阈值已成为预报泥石流、滑坡的主要指标(崔鹏等，2000；李慧琳等，2007；李安泰等, 2012；伍宇明等, 2014；狄靖月等, 2015)。前期降水对地质灾害的影响也不容忽视，美国学者(Jibson，2006)对Cleveland Corral区域同一滑坡体的两次滑坡研究表明：深层缓慢下移和变形的滑坡由月尺度持续降水入渗引发；浅层突发滑坡发生在两周明显降水的后期。意大利学者(Del Ventisette et al，2012)对Ruinon区域滑坡研究发现：持续几天的小雨天气(8~10 mm· d^-1)对滑坡的加速作用不明显，而两三天的中雨天气(10~15 mm· d^-1)能引起滑坡的加速位移。韩国学者(Chae and Kim, 2012)分析2003年的台风Maemi，发现其强降水诱发多达1 200次山体滑坡，日雨量最大为410 mm，小时雨量最大为89.5 mm。湖南省降水型地质灾害(陈静静等，2014)致灾雨量阈值研究中, 按短时(12 h)、短期(1~3 d)和中长期(4~9 d)降水分析致灾雨量阈值及其对地质灾害发生的贡献率，发现大部分地质灾害由短期降水造成。中国东南地区引发地质灾害的降水(狄靖月等，2019)可分为短临(0~1 h)、短时(0~12 h)、短期(前1~3 d)和长历时(前4~15 d)降水型。因此降水型地质灾害模型应重点考量当日降水和前期降水成为共识，其为地质灾害气象预警提供了主流技术支撑。

近年来随着灾害管理和防灾减灾决策服务的发展，地质灾害气象风险评价越来越得到重视，服务需求更多集中在地质灾害能造成多大风险，即发生地质灾害可能会影响多少人员和造成怎样的经济损失程度。United Nations(1992)发布自然灾害风险的定义：风险是在一定区域和给定时段内，由于特定的自然灾害而引起的人们生命财产和经济活动的期望损失值, 定量表达为风险度(R)=危险度(H)×易损度(V)，是个归一化无量纲函数。目前降水型地质灾害模型主要提供地质灾害危险性预报，鲜少结合承灾体易损度进行风险综合评估，缺乏基于实时降水实况动态预估地质灾害气象风险。史培军(2002)提出灾害构成三要素“灾害=孕灾环境×致灾因子×承灾体”，认为孕灾环境和致灾因子共同构成危险度，承灾体的易损性构成易损度。对地质灾害而言，其孕灾环境往往具有地形陡峭、坡度大、地质构造复杂、岩层结构松散、易风化等共性特征，通常采用潜在危险度来衡量自然地质环境中孕灾共性特征(朱良峰等，2004)；地质灾害致灾因子危险度可用降水因子致灾概率来衡量，那么地质灾害危险度可以定量表达为危险度(H)=地质灾害潜在危险度×降水因子致灾概率，因此地质灾害气象风险度可定量表达为风险度(R)=地质灾害潜在危险度×降水因子致灾概率×易损度。

本文按地质灾害气象风险度定量表达思路，分别对构成风险度的三大部分提出其代表性因子，建立分项量化评价方法，应用高时空间精度的统计数据，在全国范围构建地质灾害气象风险评价模型，并结合精细化网格QPE和QPF，建立全国地质灾害气象风险精细化网格预报试验，并对风险评价效果进行检验分析。

1 地质灾害潜在危险度评价

地质灾害发生需要有一定的重力下滑和物质条件，陡峭的坡面上岩土体相对平缓坡面而言，坡体稳定性要差一些；风化、破碎的岩石和植被碎屑，松散的土体构成地质灾害固体物质来源。山地高程高、高差明显、坡度大、地质构造复杂、断裂褶皱发育、岩层结构松散、易风化、节理发育的地质环境都是容易产生滑坡、崩塌和泥石流的有利内在条件(马力等，2009)，降水、气温等气象因素是引发地质灾害的有利外在条件，因此，在建立地质灾害与降水致灾关系拟合研究中需要综合考虑区域内不同地理地质内在条件下地质灾害发生的潜在危险度评价，较为普遍评价方法是采用下垫面环境信息量模型方法(张国平，2014)，将大区域划分为若干个子区域，认为子区域内的地质、地理和气候环境背景相似，适用于分区分析地质灾害发生和降水致灾因子的关系。

在基于当日雨量地质灾害预报模型研究中(李宇梅等，2018)，采用下垫面环境的信息量模型方法，提取全国高程、高差、坡度、岩石类型、断层密度和植被类型6个地理地质环境因子，分别计算各影响因子的信息量值，再计算单个评价单元的总信息量值I_i，据此将全国划分为九大环境相异的预警分区，分别为西北地区、东北地区、青藏高原区、黄土高原区、秦巴山区、华北地区、云贵高原区、中南地区、东南地区(图略)。

地质灾害潜在危险度取值在0~1，将总信息量值I_i通过标准化处理来表示地质灾害潜在危险度P_h，表征孕灾环境的地质灾害潜在危险度，计算公式如下：

$ {P_{\rm{h}}}(i) = \frac{{{I_i} - {I_{\min }}}}{{{I_{\max }} - {I_{\min }}}} $

(1)

式中：P_h(i)为评价单元的潜在危险度；I_i为单个评价单元总信息量值；I_min，I_max分别为总信息量最小、最大值。

2 降水致灾概率拟合方程 2.1 资料

采用1951—2010年地质灾害历史灾情数据、国家气象站降水历史数据(1951—2007年08时至次日08时日雨量)及国家气象信息中心发布的10 km分辨率的QPE数据集(2008年开始发布)。地质灾害历史灾情共有19 144个，均为造成人员伤亡或经济损失以及重大影响的灾难事件。对历史地质灾情数据匹配降水数据，筛选出降水型地质灾害，对1951—2007年灾情提取灾点属地的国家气象站降水数据作为灾点降水；对2008—2010年灾情插值提取QPE数据作为灾点降水，去除地震造成的灾情，剔除人为因素影响和无雨记录的灾情，整理形成共18 069条地质灾害灾情样本记录，其灾点和气象站点空间分布见图 1。地质灾害主要集中在西南和长江以南地区，国家气象站分布较为稠密，雨量数据代表性较好。由于灾情中经常出现同一县域、同一天发生多起地质灾害，导致出现不少重复降水数据，需要除重以保证样本的均衡性，最终整理得到12 277条雨量样本记录参与统计拟合。

2.2 降水致灾因子分析

当日雨量和前期降水都是地质灾害重要诱发因子，前期降水日数的取值，取决于各地地质条件和气候条件，目前研究选取的日数为3~30 d不等(章国材，2014)。选取地质灾害灾前16 d逐日雨量为因子开展分析，其中灾害当天和前1 d的日平均雨量为20~22 mm，灾前2 ~15 d逐日平均雨量为6~10 mm。进一步因子分析发现前16 d逐日雨量因子相关性差，不适用于主成分分析方法，而聚类分析结果显示灾前逐日雨量适合归为一类合并分析，而有效雨量能将灾害发生前逐日降水综合起来，因此选取有效雨量作为地质灾害降水致灾因子，参考云南蒋家沟泥石流相关研究(田冰等, 2008)和湖南古丈滑坡降水影响因子分析(沈军等，2017)，有效雨量经验计算公式可表达为：

$ {E_{\rm{r}}} = \sum\limits_{k = 0}^n 0 {.8^k}{r_k} $

(2)

式中：E_r为有效雨量(单位：mm)；n为前期降雨的日数(单位：d)，取n=15；0.8为递减系数；r_k为地质灾害发生前k天降雨量，r₀，r₁，r₂，…，r_n分别为地质灾害发生当天、前1天、前2天、…、前n天逐日降水量。

2.3 有效雨量致灾概率拟合方程

按式(2)计算出所有灾点的有效雨量序列，按九大预警分区分为9组数据集，逐区开展有效雨量百分位排序，得到诱发地质灾害的有效雨量发生概率(频次)样本，对其开展二次、三次方、幂函数拟合，选取最优拟合建立有效雨量致灾概率拟合方程。以云贵高原为例详细阐述拟合过程。

云贵高原地区共提取有效雨量样本记录4 097条，雨量值为0.20~328.94 mm，按0.5%间隔进行百分位排序后进行二次、三次方、幂函数拟合，其确定系数R²分别为0.972、0.998、0.951，三次方确定系数最大，拟合效果最好，但拟合曲线在94%致灾概率之后出现明显波动(图 2a)，与实际值偏差很大，因此选94%为分界点进行分段拟合(分界点有效雨量值为123.6 mm)，即对0.5%~94%、94.5%~100%序列分别进行拟合，发现前一序列二次方和三次方拟合确定系数R²都为0.999，但从拟合图 2b上看二次方拟合在概率高值尾端拟合效果比三次方好，因此前一段拟合选二次方拟合；后一序列二次方拟合已达最佳(图 2c)，拟合确定系数R²为0.927。

因此以16 d有效雨量123.6 mm为分界值，构造云贵高原地区2个有效雨量致灾概率拟合方程

$ {P_{\rm{e}}} = \left\{ {\begin{array}{*{20}{c}} { - 0.056 + 0.0152x - 5.797{x^2} \times {{10}^{ - 5}}}\\ {x \le 123.6}\\ {0.804 + 0.0015x - 2.87{x^2} \times {{10}^{ - 6}}}\\ {x > 123.6} \end{array}} \right. $

(3)

式中：P_e为有效雨量诱发地质灾害的致灾概率，x为16 d有效雨量(单位：mm)。

其余八大区有效雨量致灾概率分段拟合大部分是三次方拟合效果最好，其中东北地区、青藏高原地区第二部分分段二次方拟合满足最优拟合。

2.4 有效雨量致灾临界雨量

由于地质灾害潜在危险度、易损度在时空变化很小，可以作为静态的背景，而降水是逐日逐时动态变化的。因此在实际预警业务中，如果缺乏地质灾害潜在危险度和易损度，可以只考虑动态降水诱发地质灾害的可能，以有效雨量致灾概率的20%、40%、60%、80%对应的雨量值，作为蓝、黄、橙、红色预警致灾临界雨量(表 1)。从红色预警临界雨量来看，东南地区有效雨量最大(175.7 mm)，华北地区次之(138.6 mm)，西北地区最小(21.7 mm)，这也印证了不同地区诱发地质灾害的雨量具有明显差异性，分区进行拟合是必要的。

3 地质灾害易损度简易评价模型

区域性的易损度评价受限于资料数据的收集，往往对承灾体共性特征概化评价，难以做到单个、单类承灾体细致评价，适用对大区域建立地质灾害易损度简化评估模型(刘希林等, 2011)，模型应用2000年统计数据计算国内生产总值、土地利用类型和人口密度指标，采用国内生产总值表示经济易损性，土地利用类型表示环境易损性，两者共同构成财产易损性；人口密度表示生命易损性，依此构建易损度简易评价模型公式：

$ V = \sqrt {\frac{{(G + L)/2 + D}}{2}} $

(4)

式中：V为易损度(0~1)，G为单位面积国内生产总值(单位：万元·km^-2)，L为单位面积土地利用类型赋值，D为人口密度(单位：人·km^-2)，G、L、D均需归一化后取值。

本文采用2010年国内生产总值、土地利用类型和人口密度数据开展新一轮中国地质灾害易损度计算和分析。人口密度、国内生产总值和土地利用类型数据均来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)，精度为1 km×1 km栅格。人口密度、国内生产总值数据可直接归一化处理；而土地利用类型分为城乡工矿居民用地、耕地、林地、草地、水域、未利用土地共6大类，采用赋值法实现归一化，分别赋值1.0、0.8、0.6、0.4、0.2、0.0。按式(4)计算生成全国地质灾害易损度图(图 3)，按0.2间隔分为5级，分别表示极低易损、低易损、较高易损、高易损和极高易损。我国大部分区域处于低和极低易损区，主要分布在西北、青藏高原地区，占全国78.71%；在人口相对集中、主要平原种植区、经济相对较发达、社会化程度较高的区域易损度相对较高，占全国21.03%；高度易损区比例低，占全国0.256%，主要集中在人口密集、经济发达的首都经济圈、长三角和珠三角地区以及省会城市和邻近城市区；极高易损区比例极低，占全国0.003%，主要分布在东部人口稠密、富饶的沿海城市，易损度在九大分区分布比例见表 2，其中西北和青藏高原地区没有极高易损区，较高和高易损比例低；华北、中南地区较高到极高的易损比例均表现突出；东北地区较高易损比例要多于低易损；东南地区高易损比例分布相对多一些，但极高易损分布比例明显低于中南地区；黄土高原地区低到高易损分布比例相当，极低和极高易损比例均很低；秦巴山地地区各级易损度分布比例相当；云贵高原地区易损度主要为低和较高易损，极高易损比例相对高一些(0.144)。

4 地质灾害气象风险模型和预警等级划分

综上研究，地质灾害气象风险度定量化表达式可写为：

$ R = H \times V = {P_{\rm{e}}} \times {P_{\rm{h}}} \times V $

(5)

式中：R为地质灾害气象风险度，H为地质灾害危险度，V为地质灾害易损度，P_e为有效雨量致灾概率，P_h为地质灾害潜在危险度，均为归一化无量纲函数。

有效雨量致灾概率、地质灾害潜在危险度和地质灾害易损度均采用等间距法(0.2间隔)分为5级，用Ⅴ、Ⅳ、Ⅲ、Ⅱ、Ⅰ级依次表示极低、低、较高、高和极高等级，则地质灾害气象风险度的分级按照三者分级的乘积值来划分，即分别表示极低、低、较高、高和很高风险。在实际地质灾害气象风险预警业务中不考虑对外发布极低地质灾害气象风险产品，结合业务习惯将地质灾害气象风险预警等级分为有一定风险(Ⅳ级)、风险较高(Ⅲ级)、风险高(Ⅱ级)、风险很高(Ⅰ级)4个等级，划分指标、表征颜色和含义见表 3 (李宇梅等，2019)。

5 地质灾害气象风险精细化网格预报试验和检验

地质灾害气象风险精细化网格预报试验构建需要为地质灾害气象风险模型匹配高分辨率的QPE和QPF产品、筛选匹配精细化网格预报点，结合高精度地质灾害潜在危险度和易损度的评价结果和业务需求开展业务试验，选取地质灾害事件检验模型能力和精细化预报效果。

5.1 高分辨率降水产品QPE、QPF的选取

地质灾害气象风险模型应用的QPE取自国家气象信息中心研发的高分辨率多源降水观测融合产品(潘旸等，2018), 该产品利用自动气象站逐时降水资料、雷达定量降水估测和卫星反演降水产品进行融合，形成中国区域5 km分辨率的逐时降水监测产品。地质灾害气象风险模型应用的QPF源于国家气象中心精细化网格主客观融合定量降水预报产品(曹勇等，2016；唐健等，2018；代刊等，2018；毕宝贵等，2016)，该产品应用了多模式QPF集成、主客观融合降水反演、降水统计降尺度、降水时间拆分、QPF订正和格点场后处理等技术，形成未来7 d逐时5 km分辨率的精细化网格QPF产品，它既能保持与预报员主观预报相同的准确率，同时降水预报的时空精细化程度明显提高。

5.2 地质灾害气象风险模型精细化网格预报点选取

地质灾害发生需要具备一定的地形地理条件，在平原地区很难发生地质灾害，沙漠、戈壁等人迹罕见的地区以及湖泊、江河等水体也不需要考虑地质灾害气象风险，因此在精细化前提下，需要按一定规则选取符合地质灾害气象风险预报特征的精细化网格预报点，达到减少模型运算和预报空报的目的。

地质灾害气象风险模型选取的QPE、QPF分别覆盖15°~55°N和0°~60°N、经度为70°~140°E的区域，在中国区域内网格点位置一致。首先提取出中国区域QPE产品的网格点位置作为初始网格预报点，共有417 565个，通过ArcGIS去除中国边境线外的预报点，得到中国境内的网格预报点。其次，去除极不易发的网格预报点，即根据潜在危险度去除极低危险的网格预报点，最后根据土地类型去除平原旱地、平原水田、河渠、湖泊、水库坑塘、滩地、水体、沙漠、戈壁、沙地网格点，最终得到241 534个精细化网格预报点，较初始网格点减少近42.2%。

5.3 模型能力和应用效果 5.3.1 模型能力

选取2015年全国4—10月共172个造成人员伤亡或经济损失的地质灾害案例作为检验样本开展分析，灾点在九大预警分区中都有分布，大多集中在云贵高原和中南地区，分别计算灾点有效雨量致灾概率、潜在危险度、危险度、易损度和风险度。灾点的潜在危险度为0.2~1.0、易损度为0.22~0.79。检验分析按只考虑有效雨量致灾概率、考虑有效雨量和潜在危险度的危险度以及综合考虑有效雨量、潜在危险度和易损度的风险度指标三种情形，进行预警级别统计，预警效果见表 4。

检验结果表明应用地质灾害气象风险度指标预警漏报最低，只有2次漏报，黄色以上(≥Ⅲ级)预警比例最高，达到83.7%，预警效果最好；单一考虑有效雨量指标预警分级时，漏报次数较多，约有11.6%样本漏报，黄色以上(≥Ⅲ级)预警比例最低(74.4%)，但橙色以上(≥Ⅱ级)和红色预警比例最高；综合考虑有效雨量和地质灾害潜在危险度的危险度预警漏报比例和黄色以上(≥Ⅲ级)预警比例在三者间是居中水平，因此若只考虑有效雨量发布地质灾害预警时，会导致一定程度的漏报，且橙色和红色预警次数较多，预警比例分别为30.8%、26.2%，红色预警次数较多可能会导致防范地质灾害工作量增加，而综合考虑危险度和易损度的风险度指标发布地质灾害预警时，漏报很少，且橙色和红色预警比例分别为36.6%、1.2%，较符合实际地质灾害防范情况，证明地质灾害气象风险模型具备良好预报能力。

5.3.2 精细化网格产品应用效果

为了更好验证模型精细化产品应用效果，选取时空密集的地质灾害过程来检验分析模型预报情况。2016年6月30日20时至7月1日20时，重庆、湖北、河南、安徽、江苏等地自西向东出现强降水过程，重庆东部、湖北西南部和中东部、河南南部、安徽中部部分地区有大暴雨，局地特大暴雨。强降水导致多地地质灾害频发，7月1日在上述地区共发生317起地质灾害。研究选取7月1日09—10时发生的41起地质灾害事件来检验地质灾害气象风险模型应用效果，其中：湖北地区共发生38起地质灾害，主要集中在荆门、黄冈、恩施、随州、武汉和孝感地区，余下3起出现在河南信阳；灾害类型主要为滑坡灾害(35起)，另外有少量崩塌(5起)和泥石流(1起)，主要影响居民家庭财产和公路交通设施，造成1人死亡，直接经济损失达355.6万元，受灾总人数为767人，灾情等级均为小型地质灾害类型。

对比2016年6月30日20时起报的24 h QPF和6月30日20时至7月1日20时QPE实况发现，QPF预报的主雨带(＞100 mm区域)与实况分布比较一致，较实况略偏北，QPF大暴雨TS评分达到0.22，远高于EC大暴雨TS评分(0.13)；QPF预报和QPE实况强降水中心基本一致，但QPF预报范围和极值较实况明显偏小，特大暴雨预报区位于湖北孝感北部和河南信阳南部，预报最大值为262 mm，而实况特大暴雨区位于湖北武汉北部、孝感北部、黄冈北部，河南信阳南部，安徽六安南部等地，其中孝感出现最大降水达595 mm。

取7月1日10时前16 d的逐时QPE计算有效雨量，应用地质灾害气象风险模型，计算出7月1日10时有效雨量致灾概率、危险度和风险度产品(图 4)，结果显示在有效雨量≥50 mm的区域(图 4a)，有效雨量致灾概率普遍≥60%(图 4b)，为Ⅱ至Ⅰ级；在有效雨量≥100 mm的区域，有效雨量致灾概率基本≥80%(Ⅰ级)，危险度(图 4c)也基本为橙色(Ⅱ级)，风险度(图 4d)基本为黄色(Ⅲ级)，橙色区零星分布，灾点全部都在黄色或橙色风险预警区内。表 5为灾点风险模型预警检验表，结果显示灾点有效雨量致灾概率均达到红色预警(Ⅰ级)其中致灾概率最低为81.6%，且78%灾点致灾概率均大于90%；危险度均为黄色、橙色预警(Ⅲ级、Ⅱ级)，其中橙色预警比例达95.1%；风险度预警与危险度相比，黄色预警次数多，橙色预警次数少，橙色预警比例为56.1%。对比灾点分布，致灾概率和危险度高等级预警空报较多，而风险度高等级空报较少(图 4d)，能较好地降低高等级风险空报率。

灾点均发生在地质灾害潜在危险度较高到高的地区、易损度为低易损和较高易损地区，因此很高有效雨量致灾概率最终导致产生较高至高地质灾害气象风险事件，预报56.1 %灾点发生地质灾害气象风险高，没有红色地质灾害气象风险预警，与灾损统计情况比较贴切。

总体而言，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，有效雨量致灾概率和危险度对降水诱发的地质灾害具有很好的预判，风险度也较好地预判了高危地质灾害事件是否带来高风险影响。

6 结论和讨论

相对汛期频繁出现的区域性、连续性、灾害性暴雨天气事件而言，降水诱发的地质灾害是零散的、不连续和偶发的，高致灾概率的降水事件不一定导致地质灾害发生，即使发生地质灾害也不一定带来高经济损失和影响人员安全，即高风险地质灾害事件。本文提出地质灾害气象风险度=地质灾害潜在危险度×有效雨量致灾概率×易损度，采用信息量方法客观评价地质灾害潜在危险度；采用有效雨量作为致灾因子，用二次、三次方、幂函数分区拟合灾点有效雨量百分位分布，分段建立致灾概率拟合方程，其中大部分分区三次方拟合效果最佳，个别分区为二次方拟合；参考易损度简易评价模型，选取国内生产总值、土地利用类型和人口密度指标客观评价地质灾害易损度，最终建立地质灾害气象风险评价指标和模型。如何精细化开展地质灾害气象风险评价是现代天气风险预报服务一个重要需求，将地质灾害气象风险模型与高精度QPE、QPF结合起来，发挥各自优势，建立全国地质灾害气象风险精细化网格预报试验，精细化程度和预见期大大提高，预报产品经检验分析表明，地质灾害气象风险指标划分合理、模型预报准确率高，既增加捕捉密集降水型地质灾害事件的能力，又考虑环境、经济和生命易损性，能客观评价可能发生的地质灾害事件造成的人员伤亡、财产破坏和经济活动中断的预期损失程度，较好地预判了高危地质灾害事件是否带来高风险影响，应用效果较为符合实际，可为国家地质灾害气象风险精细化预报服务提供有力支撑。

地质灾害气象风险模型中三个主要对象，即致灾因子危险性、孕灾环境潜在危险性和承灾体易损性，其评价方法和指标都存在改进的空间和多样化选择，特别是易损性评价对象概化性强，具化性弱，适用于国家级和省级区域预警，不适用于单点地质灾害事件，对此类事件易损性评价还需要增加承灾体种类，如房屋、道路、工厂、基础设施、居民、农田等，分类建立易损性评价方法，能够提供诸如地质灾害的人口伤亡风险、经济损失风险评价；致灾因子可根据区域特点选择，不仅限于有效雨量，可多因素形成综合因子分析，文中有效雨量采用固定衰变系数的统计计算公式来衡量当前和前期降水入渗土壤的情况，没有考虑不同土壤类型和壤中流的变化，未来需要结合气象水文耦合模型有效雨量研究，更准确和客观地模拟有效雨量；孕灾环境的潜在危险性以实地高精度地质调查为最佳，在缺乏实地地质调查的情况下，改进潜在危险性评价的方向集中于选取更多一些的地理地质因子和评价方法，赋予因子不同权重，改进孕灾环境危险性评价。