基于遥感和GIS的埃塞俄比亚东部阿姆哈拉地区滑坡敏感性空间分布建模研究

本研究针对埃塞俄比亚东部阿姆哈拉地区频发的滑坡灾害，结合遥感（RS）与地理信息系统（GIS）技术，采用滑坡数值风险因子（LNRF）和层次分析法（AHP）模型，评估了15项滑坡诱发因子（如坡度、降雨、岩性等）的空间影响。结果显示，约11.74%（LNRF）和13.94%（AHP）区域为极高风险区，模型验证AUC值达70.23%和64.47%，为区域灾害防控与规划提供了科学依据。

　　

滑坡灾害是埃塞俄比亚东部阿姆哈拉地区最严重的自然灾害之一，每年造成大量人员伤亡和经济损失。该地区复杂的地形地貌、极端降雨和人类活动加剧了滑坡风险，但现有研究多局限于小范围或单一方法分析，缺乏系统性评估。为此，研究人员开展了这项覆盖58782 km²的大规模研究，旨在通过多模型融合揭示滑坡敏感性的空间分布规律。

研究团队整合了15项关键诱发因子，包括地形因子（坡度、高程、曲率）、水文因子（TWI、SPI）、人类活动因子（道路距离、城镇距离）以及地质环境因子（岩性、土壤类型）。通过滑坡数值风险因子（LNRF）模型量化各因子权重，结合层次分析法（AHP）进行多准则决策分析，最终生成五级敏感性分区图。技术方法上，研究采用30米分辨率DEM数据提取地形参数，利用克里金插值法处理降雨数据，并通过ROC曲线（AUC值0.7023和0.6547）验证模型可靠性。

研究结果显示，LNRF模型识别出11.74%的区域为极高风险区，主要分布于南沃洛（如Dessie、Tenta）和北绍阿地区（如Mezezo），这些区域具有陡坡（>35°）、高降雨（1465-1683 mm）和过渡玄武岩地层特征。AHP模型则显示13.94%区域属极高风险，两者空间分布高度吻合。值得注意的是，农业用地（占比42.36%）和灌木丛（48.73%）因植被破坏和耕作活动成为滑坡高发区，而低降雨区（<809 mm）风险显著降低。

讨论部分指出，LNRF模型在山区适用性更优，其AUC值（70.23%）略高于AHP（64.47%），但两者互补性为决策提供了双重依据。该研究首次在阿姆哈拉地区实现多因子、多模型的大尺度滑坡评估，成果可直接应用于基础设施选址和灾害预警系统建设。例如，建议在极高风险区限制开发并实施生态修复，这对实现SDG 11（可持续社区）和SDG 15（陆地生态保护）具有重要意义。未来研究需增加滑坡样本量，并耦合机器学习方法以提升预测精度。论文发表于《Journal of African Earth Sciences》，为东非高原的灾害防控提供了范式参考。