编辑推荐：
在全球气候变化和人类活动影响下，地质灾害频发。研究人员基于 VSD 框架，对云南地质灾害脆弱性（GDV）展开研究。结果显示 2000 - 2020 年云南 GDV 呈特定时空分布，模拟预测 2030 - 2050 年不同情景下 GDV 各异。该研究为灾害治理和区域发展提供科学参考。
在 21 世纪，全球气候变化与人类活动愈发频繁，这如同两只无形却有力的大手，不断搅动着地质环境的 “平静湖面”，使得地质灾害的发生愈发频繁，破坏力也日益增强。这些灾害不仅无情地夺走无数生命，造成巨额经济损失，还严重阻碍了社会的可持续发展脚步。面对这样严峻的形势，对地质灾害进行科学评估与精准预测，进而制定行之有效的防灾减灾政策，成为了全球共同关注的焦点难题。
早期，相关研究主要聚焦于风险评估，虽然在一定程度上量化了灾害发生的可能性，但却像管中窥豹，未能全面捕捉到脆弱性的动态变化以及受影响系统在灾后的响应和恢复能力。随着研究的不断深入，学者们逐渐意识到这种局限性，开始引入脆弱性框架，其中 VSD（Vulnerability Scoping Diagram）框架备受关注。然而，现有的地质灾害脆弱性（GDV）研究仍存在诸多不足，例如常常忽视系统面对灾害干扰时的响应和适应能力，且多数定量研究侧重于特定时间点不同区域的横截面比较，对时空动态模拟的研究相对匮乏。
为了突破这些困境，探寻更有效的地质灾害应对策略，国内的研究人员以云南省为研究对象，开展了一项极具意义的研究。云南省地处我国西南地区，地质结构复杂，气候条件多样，是我国地质灾害最为严重的地区之一。在这里，泥石流、滑坡、地震等灾害频繁发生，严重威胁着当地居民的生命财产安全和社会经济发展。
研究人员基于 VSD 框架，构建了一个全面的全链动态分析框架，旨在对云南过去、现在的 GDV 进行深入评估，并对未来情景进行精准模拟。该框架综合考虑了暴露（Exposure）、敏感性（Sensitivity）和自适应能力（Adaptive Capacity）三个关键维度，选取了 39 个指标，全面且细致地反映了该地区独特的经济和生态特征。
在研究过程中，研究人员运用了多种数学模型。首先，采用 Critic 加权法确定各指标权重，这种方法通过综合考虑指标的对比强度和冲突程度，能够更客观地反映各指标在评估中的重要性。接着，利用 Theil - Sen 斜率估计和 Mann - Kendall 趋势检验分析 GDV 的时空演变趋势，这两种方法相互配合，能够准确地揭示 GDV 在时间序列上的变化趋势以及变化的显著性。同时，借助 Moran’s I 空间自相关分析研究 GDV 的空间分布特征，帮助研究人员了解 GDV 在空间上的聚集和分散情况。此外，研究人员还结合了 Ordered Weighted Averaging（OWA）算法和 Particle Swarm Optimization - Support Vector Machine（PSO - SVM）模型，模拟了 2030 - 2050 年在环境导向、现状和经济导向三种发展偏好下的 GDV 情景。
研究结果显示，2000 - 2020 年，云南省的 GDV 总体处于中高水平，呈现出以昆明为中心，向外径向增加的空间分布格局。在时间变化上，GDV 先上升后下降，这背后的原因值得深入探究。前期的上升主要是因为在经济发展初期，当地对防灾基础设施的财政投入不足，导致区域防灾能力较弱，居民在灾害中承受了较大的经济和人口损失。而后期随着经济的持续发展，自适应能力不断增强，使得 GDV 逐渐下降。从空间分布来看，高脆弱性区域主要集中在西北部的横断山脉周边，这里地形陡峭，生态系统脆弱，经济发展相对滞后，交通、教育、医疗等基础设施薄弱，导致灾害预防和应对能力较差。而低脆弱性区域则主要分布在中部的昆明盆地及其周边地区，这里地形平坦，经济发达，人口密集，完善的基础设施和活跃的经济活动使得该地区的自适应能力较强，GDV 相对较低 。
通过 Theil - Sen 斜率估计和 Mann - Kendall 趋势检验发现，63.94% 的区域 GDV 呈下降趋势，其中昭通市和临沧市的下降最为显著。昭通市作为传统的资源型城市，在生态保护和可持续发展政策的推动下，产业结构逐渐绿色转型，经济发展与生态环境实现了良性互动，GDV 显著降低。然而，尽管部分高脆弱性区域的 GDV 有所改善，但西北部地质复杂、经济落后的地区仍然是 GDV 的高风险区域，脆弱性问题依然严峻。
空间自相关分析表明，GDV 在空间上呈现出显著的聚类特征，且聚集程度和相关性随时间不断增强。高 - 高聚类主要集中在西北部，这里地质条件复杂，灾害发生频繁，对周边地区的影响较大。低 - 低聚类则集中在东部，这些地区经济基础雄厚，公共服务资源丰富，面对地质灾害时能够迅速做出响应，GDV 较低。这种聚类特征为灾害风险管理提供了重要依据，有助于决策者精准识别高风险区域，合理分配防灾减灾资源。
在对 2030 - 2050 年的情景模拟中，研究人员发现不同发展偏好下的 GDV 预测结果差异明显。在环境导向情景下（α = 0.8），大部分地区的 GDV 显著降低，高脆弱性区域面积大幅减少。但这种改善存在可持续性风险，过度注重环境保护可能会抑制经济发展，导致财政支出压力增大，长期来看可能会使生态改善难以持续，甚至出现 GDV 的轻微反弹。在经济导向情景下（α = 1.2），除省会周边地区外，大部分区域的 GDV 较高，且随着时间推移，中等脆弱性区域逐渐扩大。这是因为在追求经济发展的过程中，可能会忽视环境风险，过度开发资源，破坏生态景观，从而导致地质灾害频发，GDV 难以持续改善，出现反弹现象。
综合研究结论和讨论部分，该研究成果具有多方面的重要意义。一方面，研究揭示了 GDV 与暴露风险之间显著的空间异质性，提醒决策者在制定防灾减灾政策时，不能仅仅关注高暴露区域，还应充分考虑区域的整体脆弱性，合理分配资源，制定更具针对性的政策。另一方面，通过模拟不同发展偏好下的 GDV 情景，研究人员发现无论是单纯注重环境保护还是经济发展，都可能面临 GDV 改善的可持续性问题。这为区域发展政策的制定提供了重要参考，决策者应根据不同地区和阶段的特点，动态调整发展战略目标，平衡 “经济发展” 与 “风险控制” 之间的关系，制定既不牺牲经济增长又能有效减轻生态灾害影响的政策，以实现区域的可持续发展。此外，该研究创新地将多种方法和指标相结合，为地质灾害脆弱性评估提供了新的思路和方法，丰富了相关领域的研究成果。然而，该研究框架的普适性仍需进一步探索，未来研究可以将其应用于更多不同地质和社会经济条件的地区，同时不断优化预测模型和算法，提高预测的准确性和效率，为全球地质灾害防治工作贡献更多智慧和力量。该研究成果发表在《Ecological Indicators》上，为相关领域的研究和实践提供了重要的参考依据。
