编辑推荐：
在不列颠哥伦比亚省，泥石流频发且危害大。研究人员开展区域泥石流易发性建模研究，结合统计和概念方法，考虑两种泥石流类型。结果显示模型能有效区分潜在区域。该研究为区域灾害评估提供依据，助力防灾减灾。
泥石流，这种看似不起眼却极具破坏力的地质灾害，时刻威胁着人类的生命财产安全。在全球范围内，它频繁 “出没”，给许多地区带来了沉重的灾难。据相关数据显示，1970 - 2019 年期间，全球因滑坡（泥石流是滑坡的特殊类型）导致至少 413,000 人死亡，仅 2022 年就有 403 人丧生，超 10 万人受到各类山体运动的影响 ，部分欧洲地区每年因滑坡造成的经济损失平均达 47 亿欧元。在加拿大的不列颠哥伦比亚省（BC），泥石流同样是个 “常客”。2021 年 11 月，一场大气河流事件引发了众多泥石流，致使温哥华港以东的主要交通干线瘫痪一周多，供应链中断，造成了巨大的经济损失。
面对泥石流带来的严峻挑战，科学家们一直在努力探索有效的应对方法。然而，目前在区域尺度上对泥石流易发性建模仍存在诸多困难。一方面，泥石流的引发条件复杂多变，每次事件中的物理相互作用也极为复杂；另一方面，现有的研究大多只关注泥石流的某一个方面，如起始或传播，缺乏能综合考虑从起始到沉积整个过程的全面框架。而且，不同的评估方法也各有优劣，定性方法依赖专家经验，可重复性差；定量方法虽可大面积应用，但准确性受数据质量影响；基于物理的方法对数据要求高，在区域层面难以实施；概念方法虽有一定优势，但也存在局限性。因此，开发一种新的、能全面评估泥石流易发性的方法迫在眉睫。
为了解决这些问题，来自国外的研究人员开展了一项针对加拿大不列颠哥伦比亚省中东部 Valemount 地区的研究。该地区是重要的交通走廊，人口虽平时密度较低，但夏季旅游旺季时人口会增加。这里历史上发生过多次泥石流事件，对基础设施造成了严重破坏。研究人员的目标是创建一个综合模型，考虑泥石流发生的各个方面，从而生成更有意义的区域尺度易发性地图。
研究人员采用了数据驱动的方法，结合统计和概念建模，充分考虑了河道型（channelized debris - flow）和山坡型（hillslope debris - flow）泥石流的地貌差异。他们使用了加拿大自然资源部和 BC 省林业局提供的信息，包括激光雷达衍生的数字高程模型（DEM）和滑坡清单数据。通过手动重新分类，将泥石流分为山坡型和河道型，分别构建模型。
在山坡型泥石流源区（HSA）研究中，研究人员运用逻辑回归（LR）方法，从 49 个形态测量变量中筛选出 8 个显著独立变量，如地形的横截面和纵向凹凸性、地形起伏变化、地貌特征、地形方向等，用于创建 HSA 地图。通过多次随机采样和验证，最终得到的模型平均 AUCROC为 0.83，能较好地识别潜在源区。
对于山坡型泥石流的径流敏感性（HRS）研究，由于研究区域的特点限制了精确岩土数据的获取，研究人员采用概念方法，利用 r.randomwalk 工具，基于蒙特卡罗方法模拟泥石流轨迹。通过对历史事件的角度范围进行统计分析，确定了最佳拟合曲线，并进行多次模拟，生成了 HRS 地图。验证结果表明，该模型能有效识别实际的泥石流敏感区域。
在河道型泥石流源区（CSA）研究方面，研究人员先利用 r.geomorphon 工具进行地貌分类，再结合 Takahashi 的稳定性理论，确定了河道床破坏可能发生的坡度范围，并考虑了山坡型泥石流对河道沉积物的影响，生成了 CSA 地图，该地图能反映河道内发生泥石流的可能性。
对于河道型泥石流的径流敏感性（CRS）研究，研究人员同样通过对角度范围的统计分析，发现 log - normal 曲线最适合描述河道型泥石流的特征。通过多次模拟和 ECDF 转换，生成了 CRS 地图，该地图能展示出泥石流可能的径流区域。
最后，研究人员将 HRS 和 CRS 地图进行组合，生成了综合易发性地图。通过验证，该综合地图能有效区分潜在的泥石流扇形区域和非泥石流区域，在验证区域内，75% 的区域与模型预测的敏感区域相符。
这项研究的意义重大。它首次为该地区提供了区域泥石流易发性模型，有助于识别最易受泥石流影响的区域，为土地规划、灾害预防和减轻提供了重要依据。同时，研究中发现的山坡型和河道型泥石流在角度范围和对流动方向持续性的差异，进一步加深了对不同类型泥石流行为的理解。不过，该研究也存在一定的局限性，如数据有限可能无法考虑特定场地条件，未考虑气候强迫等因素。但总体而言，该研究为区域泥石流易发性评估开辟了新的道路，为后续研究奠定了基础。该研究成果发表在《CATENA》上。
研究人员为开展此项研究，用到的主要关键技术方法包括：利用地理信息系统（GIS）工具处理和分析数据，对滑坡清单中的泥石流进行手动分类；运用逻辑回归（LR）模型确定山坡型泥石流源区；借助 r.randomwalk 工具模拟泥石流轨迹，结合蒙特卡罗方法进行多次模拟；通过 Kolmogorov - Smirnov（K - S）检验等方法对模型进行验证。
研究结果如下：
- 山坡型泥石流源区（HSA）：通过对 49 个变量的分析，确定了 8 个显著独立变量，构建的模型平均 AUCROC为 0.83，最终的 HSA 地图显示源区主要集中在流域源头或深切山谷的陡坡上。
- 山坡型泥石流径流敏感性（HRS）：角度范围分布符合高斯分布，最佳拟合峰值约为 29°，当 fd = 10 时，模型对实际泥石流敏感区域的识别能力最强，生成的 HRS 地图能展示不同区域的敏感性。
- 河道型泥石流源区（CSA）：根据地貌分类和坡度条件，结合山坡型泥石流的影响，生成的 CSA 地图显示潜在源区主要位于陡峭、深切的山谷，且受当地河道坡度和山坡型泥石流影响。
- 河道型泥石流径流敏感性（CRS）：角度范围分布符合 log - normal 分布，最佳拟合峰值约为 14°，当 fd = 20 时，模型效果最佳，生成的 CRS 地图能展示出从陡峭山谷到主谷底的径流区域。
- 综合滑坡敏感性地图：将 HRS 和 CRS 地图组合后，生成的综合地图通过 K - S 检验显示，模型能在验证区域显示出更高的相对敏感性值，仅 25% 的验证数据像素敏感性值小于 0.5，而整个研究区域超 75% 小于 0.5。
研究结论和讨论部分指出，该研究结合统计和概念建模方法，分别考虑山坡型和河道型泥石流，生成了相应的易发性地图及综合地图，且模型能较好地识别潜在的泥石流敏感区域。研究还发现两种类型泥石流在角度范围和对流动方向持续性上存在差异，进一步支持了分别建模的合理性。虽然研究存在局限性，但为区域泥石流易发性评估提供了新方法，有助于确定需要详细研究的区域，对未来的防灾减灾工作具有重要的指导意义。
