编辑推荐：
为解决传统滑坡易发性评估模型受数据限制的问题，美国地质调查局（U.S. Geological Survey）的研究人员开展了基于概率地形形态测量分析评估浅层滑坡易发性的研究，结果显示新模型性能优于传统数据驱动模型，有助于在数据匮乏地区创建有效评估模型。
/div>
研究背景：滑坡评估的困境与挑战
滑坡，如同隐藏在大地深处的 “定时炸弹”，在全球范围内频繁 “引爆”，无情地冲击着人类的生活、基础设施与财产安全。仅在美国，每年因滑坡造成的损失就高达数十亿美元。随着气候变化的加剧和城市向不稳定地形的扩张，这一 “炸弹” 的威胁愈发严重，相关损失也在持续攀升。那些脆弱的地区和人群，在滑坡面前更是不堪一击，然而他们却往往缺乏资源来应对。
在滑坡预防工作中，区域尺度（>100 km2）的滑坡易发性地图是关键工具，它能展示特定地点发生滑坡的可能性，为基础设施建设、救灾规划等提供重要依据。但现有的制作方法却面临诸多难题。物理模型虽基于山坡岩土参数构建，理论上能精准刻画滑坡应力，但获取区域尺度的详细岩土数据难度极大，若缺乏这些数据，模型的优势便荡然无存。启发式模型依赖专家意见，主观性强，结果偏差大且难以重复。数据驱动的统计模型虽因地理空间数据集的丰富而备受青睐，但它严重依赖滑坡和非滑坡位置的环境属性数据，而全球多数地区缺乏可靠的滑坡清单，现有清单也存在诸多问题，如时间跨度大、难以反映浅层滑坡真实情况等，导致模型在数据稀疏地区的应用受限。
为打破这些困境，美国地质调查局（U.S. Geological Survey）的研究人员挺身而出，开展了一项极具意义的研究。他们的研究成果发表于Science Advances 期刊，为滑坡易发性评估领域带来了新的曙光。
研究方法：创新模型的构建基石
研究人员另辟蹊径，开发了一种基于概率地形形态测量分析的统计形态测量模型。该模型的核心原理是：随着山坡坡度和面积的增加，滑坡发生的相对概率也会上升。在构建过程中，研究人员利用美国国家水文数据集高分辨率版本（NHDPlus HR）测量地形特征，通过复杂的计算得出山坡的平均排水面积坡度（β）和排水面积（A）。同时，为了对比新模型的性能，研究人员还构建了逻辑回归模型和一个简化的国家滑坡易发性模型。逻辑回归模型选取了地形中对滑坡预测有重要意义的属性，如海拔、坡度等进行训练；国家模型则基于大量滑坡数据拟合非线性分位数回归曲线来划分滑坡易发区域。
研究结果：新模型崭露头角
形态测量易发性模型的构建 ：形态测量模型通过对 β 和 A 的局部分布进行统计分析，得出滑坡概率（与逻辑回归模型的对比 ：在俄勒冈州的威拉米特流域，研究人员将形态测量模型与逻辑回归模型进行对比。逻辑回归模型分别采用 1:1 和全数据两种采样方案构建。结果显示，形态测量模型在刻画滑坡易发性水平上表现更优。新的评估指标修正地球移动距离（EMD）和传统指标布里尔分数（Brier score）表明，尽管在数据丰富地区逻辑回归模型在某些情况下表现尚可，但形态测量模型的空间交叉验证结果更具转移性，在测试数据集上的表现也更为稳定。与国家易发性模型的对比 ：在太平洋西北流域，研究人员将形态测量模型与国家滑坡易发性模型进行对比。国家模型虽能识别大部分有滑坡潜力的区域，但存在高估的问题。相比之下，形态测量模型的易发性值更具变异性，且 EMD 指标更高，表明其性能更优。
研究结论与意义：开辟滑坡评估新方向
研究表明，形态测量方法无需依赖难以获取且易产生偏差的滑坡和环境数据，为滑坡易发性评估带来了变革。在数据丰富地区，逻辑回归模型虽有一定表现，但在数据稀疏地区表现欠佳，而形态测量模型不受此限制，具有高度的转移性。不同模型在刻画滑坡易发性上各有特点，形态测量模型通过地形形态分析，能更有效地捕捉浅层滑坡的潜在区域，对滑坡触发场景的适应性更强。
尽管形态测量模型存在一些局限性，如在局部精细化评估和特定地形假设上的不足，但它仍为创建更客观、公平的滑坡易发性评估产品提供了可能。借助广泛可得的数字高程模型（DEM），该模型能够在全球多数地区创建更可靠的评估地图，为区域滑坡减灾工作提供有力支持，在滑坡易发性评估领域具有重要的应用价值和广阔的发展前景。
