郑州大学团队构建时空滑坡预测框架,显著提升灾害预警精度与防灾减灾能力

【研究概述】

传统数据驱动滑坡预测仅停留在静态空间，假定概率不随时间变；早期预警虽动态，却只看降雨。时空数据驱动模型能够同时整合静态与动态预测因子，全面刻画滑坡过程，使易发性在时空维度上动态变化。郑州大学的Tengfei Wang等以中国重庆地区为例，系统梳理了时空滑坡易发性模型的多种可能形式，涵盖适用于长期（年度或季节）与短期（月度或日度）规划的建模方案。

【研究方法】

该研究首先将试验区划分为25832个坡单元，剔除平原、水体等无滑坡区，并统一边界；随后以年、季、月、日四种时间粒度分别构建时空数据立方，形成与对应时段相匹配的滑坡记录。协变量方面，基于30 m DEM提取坡度、曲率等地形均值与标准差，岩性、土壤、土地利用等按“多数规则”直接赋值；动态因子则随模型而异：年、月尺度采用日最大雨强、累计雨量及NDVI，季节尺度仅用日最大雨强区分干、湿季，日尺度以6天累计雨量为核心，NDVI视为静态。为开展未来情景模拟，选用经偏差校正的CMIP5多模式集合，在RCP4.5情景下分别生成2022–2027年逐年、2022–2024年干/湿季、2022年5–10月以及2022年6月23–28日的降雨序列。建模阶段，利用R mgcv包构建含空间、时间光滑项的二项GAM，将滑坡“稳定/失稳”作为二元响应变量；性能评估采用AUC、召回率、特异性及误差率，并对90/10、80/20、70/30三种训练-验证比例各重复100次自助抽样，以量化预测不确定性。

【研究结果】

长期估算结果

年尺度与季节尺度模型均经向前逐步特征选择法敲定最优协变量（图1a、d），年模型以“时间”因子贡献居首，季节模型则以“降雨”为核心，其次为时空项；二者AUC分别达0.865和0.895，误差率24.8%与14.2%，正负样本精度均超75%，小提琴图（图1c、f、g）显示易发性分布能显著区分滑坡有无。协变量效应（图2）表明，北部与东南整体风险高，砂砾壤质土最敏感；年模型中“日最大雨强×年累积雨量”交互在高-中等组合处效应峰值，季节模型进一步给出干季负系数，验证季节-滑坡函数关系。时空随机交叉验证（图3、4）得出年、季节平均AUC约0.84与0.89，预测精度分别稳定于78%与81%左右。基于CMIP-5-RCP4.5插件模拟输出的2022-2024年易发性图（图5）空间格局一致：南及中西部风险最低，雨季高-极高风险面积明显大于干季，年图给出总体趋势，季节图补充年内波动。

图1 (a)和(d)分别展示了年模型和季节模型前向逐步协变量筛选的结果；(b)和(e)给出了拟合优度，包括ROC曲线、AUC、错误率、召回率（TP/(TP+FN)）和特异度（TN/(TN+FP)）。其余小图以log尺度绘制估计易发性与原始滑坡有/无状态的对比，其中(c)为年模型结果，(f)为季节模型结果，后者在(g)中进一步压缩以便可视化。虚线表示均值，两条白色点线之间的宽度为±1标准差

图2 (a) 年模型与 (b) 季节模型的协变量效应汇总。

图3 年尺度时空模型的预测性能表现

图4 季节尺度时空模型的预测性能表现

图5 2022–2024年年度与季节滑坡易发性预测图

月度估算结果

月模型以“降雨交互”为第一重要变量，AUC提升至0.906，误差率18.3%，易发性概率在滑坡出现/缺失样本间差异显著且呈现7月高峰循环（图6）。协变量效应（图7）显示坡度20°以内系数随坡度增加而增大，4-10月系数为正且10月最高，日最大雨强与月累积雨量同时偏大时影响最强。90/10训练-验证比例下平均AUC≈0.90，负样本预测最稳定，正样本精度72-88%。2022年5-10月预报图（图8）表明高风险区主要位于中部，7月与10月高-极高风险面积最大，比年、季节图提供更精细的短临信息。

图6 (a) 展示月度模型前向逐步协变量筛选过程及结果；(b) 从ROC曲线、AUC、错误率、召回率（TP/(TP+FN)）和特异度（TN/(TN+FP)）等方面评估模型性能；而(c)与(d)则进一步说明模型的整体表现

图7 月度时空模型协变量效应汇总

图8 2022年5–10月月度滑坡易发性预测图

日度估算结果

经比较1-10天累积雨强，6天累积雨强被确定为最佳动态因子，AUC高达0.965，滑坡日集中出现在8月28日后第13-29天。协变量效应（图9）显示6天累积雨量>90 mm时显著促进滑坡，可视为短临预警阈值；坡度20°左右效应峰值，人为土类贡献最高，反映人类活动影响大。模型平均AUC 0.955，误差率仅7%，负样本预测精度>90%。2022年6月23-28日预报图（图10）揭示23-24日全区风险极低，26日起北部极高风险带迅速形成并持续数日，展现日内风险由稳定跃升至高危且多日维持的特征，为滑坡短临预警提供高分辨率依据。

图9 日尺度时空模型协变量效应汇总

图10 2022年6月23–28日逐日滑坡易发性预测图

【研究结论】

该研究提出的时空滑坡预测框架，统一了长期（年、季）与短期（月、日）规划需求。在重庆东北部的应用中，多尺度模型AUC达0.839–0.955，日尺度表现最佳；结合CMIP-5气候产品，首次实现年、季、月、日四级未来易发性预报，验证了框架的时效扩展能力。研究认为，该体系可推广至不同环境区域，并计划融入滑坡强度与深度学习，以构建完整、高效、可解释的下一代灾害预报系统。

资料整理 | 曹冰姿

排版编辑 | 代克滨

投稿邮箱：401784656@qq.com

欢迎各位的关注与来稿！