基于AHP与BLR模型的也门Wadi Habban流域滑坡敏感性制图及风险评估

本研究针对也门Wadi Habban流域频发的地质灾害问题，通过整合遥感、GIS、层次分析法（AHP）和二元逻辑回归（BLR）技术，构建了滑坡敏感性空间预测模型。研究选取15项环境因子（如坡度、岩性、降雨量等），发现BLR模型预测精度（AUC=90.4%）显著优于AHP模型（81.7%），准确识别出49%的高风险区，为半干旱区灾害防控提供了数据支撑。成果发表于《Results in Earth Sciences》，对中东地区国土规划与减灾策略制定具有重要实践价值。

　　

也门Wadi Habban流域长期饱受滑坡灾害困扰，陡峭的地形、脆弱的岩层构造与极端降雨事件交织，导致该地区成为地质灾害高发区。全球气候变化背景下，此类半干旱区的突发性地质灾害呈现加剧趋势，而当地缺乏系统的风险评估体系，传统经验式防灾手段已难以应对。更严峻的是，快速城市化进程中的人类活动（如道路开挖）进一步破坏了斜坡稳定性，使得灾害防控面临双重挑战。

为破解这一难题，来自国外研究机构的Alkordi Haial团队在《Results in Earth Sciences》发表创新研究，首次将层次分析法（AHP）与二元逻辑回归（BLR）模型相结合，对Wadi Habban流域1178.84 km²
范围开展精细化滑坡敏感性评估。研究团队通过卫星影像解译（Landsat 8/7/5）建立了包含392处历史滑坡事件的数据库，并整合数字高程模型（DEM）、地质图件等多元数据，构建了包含地形、地质、水文等7大类15项评价指标的评估体系。

关键技术方法包括：（1）基于30米分辨率SRTM DEM提取坡度、曲率等地形参数；（2）采用AHP模型计算各因子权重，通过一致性检验（CR=0.003）确保可靠性；（3）运用BLR模型量化因子贡献度，获得β系数；（4）通过ROC曲线（AUC）和混淆矩阵验证模型性能。特别值得注意的是，研究团队从也门能源矿产部获取了1:10万比例尺地质图，并结合野外实地验证照片，显著提升了数据质量。

【滑坡致灾因子解析】
研究发现坡度>40°的区域虽仅占3.5%，却集中了63%的滑坡事件，证实30°是稳定性突变阈值。岩性分析揭示Hadramawt组灰岩（占19.47%）和Tawilah组砂岩（33.88%）最易失稳，其裂隙发育特征在野外照片中得到直观印证。值得注意的是，年降雨量>350 mm的区域（占12.05%）与82%的降雨型滑坡空间重合，揭示降水是核心触发因素。

【模型性能对比】
BLR模型展现出显著优势：①空间识别精度提升8.7%（AUC 90.4% vs 81.7%）；②高风险区划面积增加23个百分点（49% vs 26%）；③混淆矩阵显示总体准确率达91.5%。该模型特别擅长识别道路500米缓冲区内的高风险带（PPV=93%），这对交通防灾具有直接指导价值。

【讨论与展望】
该研究创新性地将专家知识驱动的AHP与数据驱动的BLR相结合，解决了半干旱区样本不足的建模难题。提出的"坡度-岩性-降雨"三元阈值体系（30°坡度+裂隙发育岩层+250 mm月降雨量）为早期预警提供了量化标准。但研究也指出当前NDVI（植被指数）和曲率因子贡献度偏低（<5%），建议后续引入LiDAR数据提升地形解析度。

这项研究不仅为也门首个滑坡风险地图提供了科学基础，其建立的"地质本底+气候触发+人为影响"评估框架，对全球类似干旱-半干旱山区具有示范意义。特别是在"一带一路"基础设施建设背景下，该成果可为中东地区工程选址提供关键决策依据，助力实现联合国减灾目标（SFDRR）。未来研究将聚焦机器学习算法优化和气候变化情景预测，以应对日益复杂的灾害防控需求。