《Geomatics, Natural Hazards and Risk》：Landslide susceptibility assessment under future seismic and precipitation scenarios: a case study of the 2014 Mw 6.2 Ludian earthquake zone, Yunnan, China
编辑推荐：
本文推荐一篇关于滑坡敏感性评估的前沿研究。该研究以2014年鲁甸Mw6.2级地震区为案例，创新性地耦合了未来多情景地震动（PGA）和降水变化（SSP），利用贝叶斯优化的极端梯度提升（BO-XGB）模型和SHAP解释模型，动态评估了滑坡空间概率。结果表明，罕见地震动耦合高强迫情景（SSP5-8.5）下极高敏感性区域占比最大（41.12%），峰值地面加速度（PGA）、道路距离和最湿月降水量（PWM）是主导因素。该框架为西南山区未来地质灾害风险预警提供了科学依据。
引言
滑坡敏感性（Landslide Susceptibility, LS），亦称滑坡空间概率，是指在特定环境条件下某一地区发生滑坡的可能性，是评估滑坡灾害的关键指标。地震和降水是区域滑坡的主要触发因素，其复合效应往往诱发空间分布更广、破坏性更大的滑坡。在全球气候变化和地震活动不确定性增加的背景下，降水模式的时空变异以及地震强度和频率的潜在波动可能显著增加区域滑坡的概率和规模。因此，开展未来地震和降水情景下的滑坡敏感性评估（Landslide Susceptibility Assessment, LSA），对于识别潜在滑坡危险区、预防相关灾害具有至关重要的作用。
传统研究多单独考虑历史地震动或降水事件的影响，难以准确反映未来潜在滑坡概率在震-雨联合影响下的时空演化。静态评估缺乏对动态环境参数的合理考量，难以刻画复杂区域环境下多种潜在地震动和降水情景联合影响下的滑坡敏感性响应机制。
研究区概况
2014年8月3日，中国云南省昭通市鲁甸县发生矩震级（Mw）6.2级地震，震源深度12公里。研究区选为地震烈度VI度及以上的区域，包括鲁甸县、巧家县、昭阳区以及会泽县和永善县的部分地区。该区地处滇东地震带核心区域，新构造运动强烈，地质环境极为脆弱。受季风气候影响，夏秋降水集中，显著增加了震后滑坡灾害风险。2014年鲁甸地震及其前后持续的降水事件触发了大量滑坡，这些滑坡规模大、呈群发性，滑坡体形态不规则，后缘陡坎明显，坡面张裂发育。
材料与方法
研究采用2014年鲁甸地震触发的滑坡作为滑坡敏感性建模（Landslide Susceptibility Modeling, LSM）的因变量，选取地震、降水、地形、地质水文和人为因素等环境因子作为解释变量。通过模拟未来多情景地震动和基于全球气候模式（Global Climate Models, GCMs）预估的未来降水模式，将二者作为动态触发因子，输入到经过超参数优化的可解释机器学习模型中评估滑坡敏感性。
数据准备与处理
最终确定的因子数据集包含13个变量：峰值地面加速度（Peak Ground Acceleration, PGA）、季风总湿日降水（Monsoon）、最湿月降水量（Precipitation in Wettest Month, PWM）、高程、坡向、坡度、剖面曲率、地形湿度指数（Terrain Wetness Index, TWI）、距河流距离、距断层距离、岩性、距道路距离以及土地利用和土地覆盖（Land Use and Land Cover, LULC）。数据经过归一化处理后，按7:3比例随机划分为训练集和测试集。
未来情景地震动与降水变化模拟
基于概率地震危险性分析（Probabilistic Seismic Hazard Analysis, PSHA），定义了三种典型地震情景：多遇地震动（Frequent Ground Motion, FGM，重现期50年）、基本地震动（Basis Ground Motion, BGM，重现期475年）和罕遇地震动（Rare Ground Motion, RGM，重现期2500年），并模拟了其PGA空间分布。
降水因子基于第六次国际耦合模式比较计划（CMIP6）中的多个GCMs，选取了共享社会经济路径（Shared Socioeconomic Pathways, SSP）下的两种情景（SSP1-2.6和SSP5-8.5），并预估了近未来（2030年代）和世纪中叶（2050年代）的降水变化。采用Delta降尺度方法对GCMs数据进行降尺度和偏差校正，并以CN05.1观测数据集为参考。通过泰勒图（Taylor Diagram）评估，最终选用模拟精度最高的MRI-ESM2-0气候模式来提取未来的Monsoon和PWM因子。
滑坡敏感性评估与模型解释
采用经过贝叶斯优化（Bayesian Optimization, BO）的极端梯度提升（eXtreme Gradient Boosting, XGB）模型，即BO-XGB模型进行LSM。该模型通过顺序构建决策树来最小化预测值与观测值之间的残差，并利用BO进行超参数调优，以获得最佳模型性能。
为评估未来震-雨联合影响下的滑坡敏感性，构建了12种组合情景（3种地震情景 × 2种SSP情景 × 2个时期）。将各情景下的地震和降水因子输入训练好的BO-XGB模型，即可预测多情景下的滑坡敏感性时空分布。
为了解释机器学习模型的预测结果，采用SHAP（SHapley Additive exPlanations）模型量化每个输入变量对LSM结果的贡献度，从而识别关键影响因素及其相互作用。
模型精度通过受试者工作特征（Receiver Operating Characteristic, ROC）曲线和曲线下面积（Area Under the Curve, AUC）值进行验证。
结果
未来情景地震动空间分布
PSHA模拟结果显示，不同情景下的PGA空间分布总体呈西高东低格局。随着地震重现期增加，PGA值显著增大。基本地震动和罕遇地震动的PGA空间分布主要受区域活动断裂带长度和滑动速率控制，高值区主要集中在小江断裂带两侧。罕遇地震动的极端PGA值可达0.4g。
未来气候变化下降水的时空变异性
MRI-ESM2-0气候模式对研究区月降水模拟效果最佳。未来情景下，Monsoon和PWM的空间分布格局基本一致，但存在明显的区域差异，南部降水较少，北部呈自西向东递减趋势。Monsoon值在不同情景和时期下变化显著，SSP5-8.5情景下的值普遍高于SSP1-2.6情景。PWM在SSP5-8.5情景下的最大值较SSP1-2.6情景分别高出约8%（2030年代）和30.3%（2050年代），表明高强迫情景下降水极端性更强。
多情景下滑坡敏感性预测与精度验证
BO-XGB模型在测试集上取得的AUC值为0.907，表明模型具有较高的预测精度，为评估多情景震-雨变化联合影响下的滑坡敏感性提供了可靠基础。
滑坡敏感性指数（Landslide Susceptibility Index, LSI）采用等间隔法分为五级：极低[0–0.2)、低[0.2–0.4)、中[0.4–0.6)、高[0.6–0.8)、极高[0.8–1.0]。成图结果显示，高和极高敏感性区主要集中分布在PGA值较高的区域，特别是小江断裂带、则木河断裂带以及鲁甸-昭通断裂等活动断裂沿线。随着未来降水时空变异，高和极高敏感性区也集中在研究区东北部季风降水最强烈的区域。
在不同情景组合中，罕遇地震动耦合SSP5-8.5（2030年代）情景下的极高敏感性区面积占比最大，达到41.12%。这表明强震和强降水的复合效应会显著加剧滑坡灾害。在相同地震情景下，高强迫情景（SSP5-8.5）由于PWM更集中、降水量更大，其中等至极高敏感性区的占比也更高。降水在较高地震危险性条件下的放大效应更为明显。
影响因子重要性分析
SHAP分析表明，对滑坡敏感性预测结果贡献度最高的前五个因子依次为：PGA、距道路距离、PWM、高程和Monsoon。其中，PGA、距道路距离和PWM对震-雨耦合作用下滑坡的空间分布影响最为显著。
- •
PGA的影响呈正相关，PGA值越高，滑坡发生概率越大。
- •
PWM的影响在一定区间内（如240-260毫米）与滑坡概率正相关，但当超过临界阈值（如275毫米）时，其主效应可能部分抵消与其他因子的交互作用。
- •
距道路距离呈负效应，距离越小，对滑坡发育的贡献越大。
因子交互作用
SHAP交互依赖图揭示了主导特征之间的相互作用关系。当PGA和Monsoon值均较低时，共同抑制滑坡发生可能性；当PGA值升高时，即使Monsoon值较低也可能触发滑坡。PWM与高程的交互作用显示，当PWM在240-260毫米之间、高程在1600-2200米之间时，滑坡风险较高，反映了高山峡谷地貌下强降水对斜坡稳定性的显著影响。
讨论
多情景地震与降水模拟评价
基于更新地震目录和断层数据构建的震源模型，能较好模拟鲁甸地震区未来地震产生的PGA分布特征，与已有研究结果对比具有较高一致性（总体精度0.75）。基于不同SSP的多气候预估情景更全面合理地考虑了特定社会发展路径对气候变化的影响，选用模拟精度最高的MRI-ESM2-0模式提取降水因子保证了滑坡风险评估的可靠性。
未来震-雨变化驱动的滑坡敏感性时空差异
研究区在强震作用后地形地貌变化显著，地质环境不稳定，在降水叠加影响下滑坡孕育潜力增加。更罕见的地震情景（更长重现期）对应更强的地震事件，显著降低斜坡稳定性，导致高敏感性区面积大幅增加。从未来降水变异性看，高强迫情景（SSP5-8.5）下降水极端性更强、频次更高，对滑坡发育的促进作用更明显，尤其在强震背景下，高和极高敏感性区占比显著增大。这与在其他地区（如喜马拉雅山区、广东、中巴公路沿线等）的研究结论相互印证。强降水导致土壤孔隙更早饱和、入渗增强，进而引发一系列水文力学效应，降低斜坡有效强度，最终诱发滑坡。
地震与降水因子的主效应与交互效应
地震动通过产生强剪切波作用于不稳定斜坡，导致岩体破裂、土体结构破坏，增加变形潜能，降低稳定性，从而正相关地提高滑坡发生概率。降水则通过增加斜坡重力荷载、降低土体抗剪强度、增强地表径流侵蚀等方式削弱斜坡稳定性。SHAP分析显示降水因子存在临界效应区间，并非无限正相关。PGA与Monsoon的交互作用以及PWM与高程的交互作用在特定区间内对滑坡空间概率产生关键影响。
结论
- 1.
基于PSHA计算的PGA值有效模拟了多种未来地震情景的潜在影响；基于多情景GCMs的降水预估考虑了不同社会经济路径下降水模式的变化，提升了对多情景降水格局的预测能力。
- 2.
BO-XGB模型经过验证预测精度较高（AUC = 0.907），能够可靠预测耦合多情景地震和未来降水条件下的滑坡敏感性。多种未来情景下的敏感性结果证实，气候变化和地震活动增强均与滑坡发生空间概率密切相关。
- 3.
可解释的SHAP模型有效提供了全局预测洞察以及地震或降水个体贡献反馈。影响LSA结果的主导变量为PGA、距道路距离和PWM。PGA与滑坡发生空间概率正相关，PWM在一定数值范围内高度相关。此外，PGA与Monsoon的交互作用对潜在滑坡发生的空间概率确定起着关键作用。
该研究框架为理解地震和降水对滑坡敏感性的交互影响提供了新视角，也为后续结合岩土参数、地下水等内在控制因素的综合分析提供了基准模型和研究框架，对中国西南地震活跃山区地质灾害风险管理具有重要实践意义。
